固定收益證券風(fēng)險對沖研究.pdf

1、固定收益市場是金融市場的重要組成部分。在固定收益市場快速發(fā)展并且風(fēng)險加劇的背景下，對固定收益證券的風(fēng)險管理問題進行研究，建立科學(xué)的風(fēng)險對沖模型，對各類投資者乃至市場監(jiān)管機構(gòu)都具有重要的理論和實際意義。
　　本文對靜態(tài)利率期限結(jié)構(gòu)模型和動態(tài)利率期限結(jié)構(gòu)模型下的國債利率風(fēng)險度量和對沖，以及基于風(fēng)險因子的可違約債券（信用組合）的風(fēng)險對沖及損失分解進行了系統(tǒng)而深入的研究。
　　首先，在介紹靜態(tài)利率期限結(jié)構(gòu)模型下的利率風(fēng)險度量工具的基

2、礎(chǔ)上，引入一個額外的曲度因子將Nelson-Siegel久期向量模型擴展，得到了Svensson久期向量模型和四形狀因子久期向量模型。基于上交所國債數(shù)據(jù)進行實證研究，發(fā)現(xiàn)第二曲度因子只能解釋上交所國債收益率變化方差的很小一部分，然而將其引入后可顯著減小利率風(fēng)險對沖誤差。此外，四形狀因子久期向量模型的待估參數(shù)更少并且利率風(fēng)險免疫效果略好于Svensson久期向量模型，是更好的利率風(fēng)險對沖模型。
　　其次，在介紹利率期限結(jié)構(gòu)預(yù)測的動態(tài)

3、Nelson-Siegel類模型的基礎(chǔ)上，將四形狀因子模型擴展為動態(tài)四形狀因子類模型，并對這兩類利率期限結(jié)構(gòu)預(yù)測模型進行一階差分修正。基于上交所國債數(shù)據(jù)進行實證研究，發(fā)現(xiàn)引入額外的曲度因子可顯著提升利率期限結(jié)構(gòu)預(yù)測的效果，并且對這兩類模型進行一階差分修正可顯著減小其利率期限結(jié)構(gòu)預(yù)測誤差。
　　在利率期限結(jié)構(gòu)預(yù)測的基礎(chǔ)上，將債券價格及收益率的預(yù)測信息引入利率風(fēng)險對沖模型。在四形狀因子久期向量模型下，基于上交所國債數(shù)據(jù)進行實證研究，發(fā)

4、現(xiàn)將利率期限結(jié)構(gòu)的預(yù)測信息引入后，可進一步減小利率風(fēng)險對沖誤差。
　　再次，在介紹動態(tài)利率期限結(jié)構(gòu)模型下隨機久期的基礎(chǔ)上，推導(dǎo)了仿射模型下的隨機久期向量，并說明Vasicek模型和CIR模型下的隨機久期均為隨機久期向量退化為一維的特例。基于上交所國債數(shù)據(jù)進行實證研究，發(fā)現(xiàn)四因子非高斯仿射模型和四因子高斯仿射下隨機久期向量的利率風(fēng)險對沖效果分別顯著優(yōu)于CIR模型和Vasicek模型下的隨機久期，并且四因子非高斯仿射模型下隨機久期向量

5、的利率風(fēng)險對沖效果優(yōu)于四因子高斯仿射模型下的隨機久期向量。
　　此外，對靜態(tài)利率期限結(jié)構(gòu)模型和動態(tài)利率期限結(jié)構(gòu)模型下的國債利率風(fēng)險對沖結(jié)果進行對比，發(fā)現(xiàn)引入利率期限結(jié)構(gòu)預(yù)測信息的四形狀因子久期向量模型的利率風(fēng)險對沖效果最好，而四因子非高斯仿射模型下隨機久期向量的利率風(fēng)險對沖效果甚至劣于四形狀因子久期向量模型。
　　最后，在對信用組合的因子模型以及違約傳染模型進行介紹的基礎(chǔ)上，將違約傳染效應(yīng)引入信用組合的因子模型，構(gòu)建了違約傳

6、染情形下信用組合的因子模型，獲得了信用組合的系統(tǒng)性損失及其對沖和Hoeffding分解的解析結(jié)果。發(fā)現(xiàn)對于同質(zhì)組合，引入違約傳染效應(yīng)后，由于其系統(tǒng)性損失的期望增大，最優(yōu)對沖組合中無風(fēng)險債券的頭寸亦增大；當(dāng)同質(zhì)組合中各債券的違約概率較低（較高）時，引入違約傳染效應(yīng)后，最優(yōu)對沖組合中各系統(tǒng)風(fēng)險因子的頭寸增大（減?。?。對含有兩個系統(tǒng)因子情形下信用組合系統(tǒng)性損失的Hoeffding分解進行數(shù)值模擬，發(fā)現(xiàn)隨著置信水平的提高，同質(zhì)組合系統(tǒng)性損失的C