201404 - page 85
北京工商大学学报
(
社会科学版
)摇 摇 摇 摇 2014
年
摇
第
3
期
2郾
随机偏微分方程的解析解
总体思路是
:
将其转化为另一个带边界条件
,
类似式
(20)
的标准热传导方程
,
并求出该标准热
传导方程的解析解
。
经推导
(
详细过程略
),
得到
偏微分方程
(19)
的解析解为
:
F
(
S
,
t
) =
S
t
e
(
R P
-
D
) - (
R S
-
D
)
滓 P
滓 S
1 -
滓 P
滓 S
(
T
-
t
)
(21)
(
四
)
导出股指期货高频动态估值模型
以上尽管得到了股指期货动态价格偏微分方
程模型的解析解
,
但是
,
在实际市场操作中
,
还存
在以下两个问题
:
第一
,
对投资者而言
,
式
(21)
中对冲投资组
合
P
的
R
P
和
滓
P
随着
棕
的变化而变化
,
难以确
定
,
导致式
(21)
无法付诸实施
。
第二
,
对冲投资组合中
P
的股指期货部分与
指数现货部分的价格比例
棕
应该如何确定
,
才能
使对冲投资组合
P
的风险最小
。
因此
,
必须寻求一个适当的
棕
*
,
使对冲投资
组合
P
能够规避非系统性风险
,
并以此来确定对
冲投资组合
P
的
R
P
和
滓
P
。
于是有
:
棕
*2
滓
2
F
+
滓
2
s
+ 2
棕
*
滓
FS
=
滓
2
min
(22)
其中
,
滓
FS
是股指期货和指数现货收益率的动
态协方差
。
对式
(22)
中的
棕
求偏微分
,
可得
:
鄣
[
棕
*2
滓
2
F
+
滓
2
s
+ 2
棕
*
滓
FS
]
鄣
棕
*
= 2
棕
*
滓
2
F
+ 0 + 2
滓
FS
= 0
(23)
由式
(23)
解出
:
棕
*
= -
滓
FS
滓
2
F
(24)
设股指期货和指数现货收益率的动态相关系
数为
籽
,
则式
(24)
变为
:
棕
*
= -
籽 滓
S
滓
F
(25)
此时
,
棕
*
能使对冲投资组合
P
的风险最小
,
即最优风险配置率
。
再把式
(25)
分别代入式
(17),
可得
:
R
P
= -
籽R
F
滓
s
滓
F
+
R
S
,
滓
P
= (1 -
籽
)
滓
s
(26)
最后
,
把式
(26)
代入式
(21),
刚好可消去
籽
,
得到
:
F
(
S
,
t
) =
S
t
[
e
(
R
S
-
D
) -
R
F
滓 S
滓
]
F
(
T
-
t
)
(27)
式
(27)
即是股指期货高频动态估值模型
。
与式
(21)
相比
,
式
(27)
消去了
R
P
和
滓
P
(
即
对冲投资组合
P
的相关参数
),
避免了需考虑对
冲投资组合
P
的困扰
,
即进一步简化了股指期货
高频动态估值模型
。
(
五
)
参数估计方法
为方便公式书写
,
令
:
专
颐 = (
R
S
-
D
) -
R
F
滓
S
滓
F
(28)
则估值模型式
(27)
可简化为
:
F
估计
t
=
S
t
e
专
预
(
T
-
t
)
(29)
其中
,
式
(29)
中的
“
预
冶
表示
“
预测
冶。
从式
(28)
中
,
在等式右边
,
动态预测收益率
R
预
S
、
R
预
F
,
以及动态预测波动率
滓
预
s
、
滓
预
F
都无法直
接观测
,
因此参数
专
预
无法直接观测
。 Black
(1995)
也指出
,
预测收益率是难以估计的
。
可
见
,
无法直接对参数
专
预
进行参数估计
。
为解决该问题
,
以下步骤拟采用适应性预期
模型
,
通过前期已实现的参数
专
实
,
来对当期
专
预
t
进行参数估计
。 Elton(1999)
指出
,
预期收益率通
常由已实现的收益率来代表
( proxy )。 Elton
(1999)
也指出
,
已实现收益率可以作为预测收益
率的无偏估计
。 Evans
和
Honkapohja (2001 )
指
出
,
在适应性预期假设下
,
投资者对未来会发生的
预测是基于历史的
,
目前对将来的预测由前期的
预测
,
以及前期预测与目前实际数据之差的调整
项构成
,
即
:
字
预
t
=
字
预
t
- 1
+
茁
(
字
实
t
- 1
-
字
预
t
- 1
)
(30)
其中
,
字
预
表示预期值
,
字
实
表示实际值
,
茁
为参
数
。
如果
茁
= 1,
那么
字
预
t
=
字
实
t
- 1
。
使用有限次迭代替换
,
式
(30)
可变为
:
字
预
t
=
茁字
实
t
- 1
+
茁
(1 -
茁
)
字
实
t
- 2
+
茁
(1 -
茁
)
2
字
实
t
- 3
+
茁
(1 -
茁
)
3
字
实
t
- 4
+ … (31)
即时刻
t
的预期值
字
预
t
可以用一系列过去的
实际值的指数加权平均来表示
。
如果
0 <
茁
< 1,
则对于时刻
t
的预期值
字
预
t
而言
,
越是早期的实际
值
,
其影响越小
。
套用式
(31),
专
可按如下方式估计
:
专
预
t
=
b
0
+
b
1
专
实
t
- 1
+
b
2
专
实
t
- 2
+
b
3
专
实
t
- 3
+
b
4
专
实
t
- 4
+ … +
b
n
专
实
t
-
n
+
着
t
(32)
式
(32)
中的滞后期
n
可采用赤池信息量准
则
(AIC)
来确定
。
·08·
1...,75,76,77,78,79,80,81,82,83,84
86,87,88,89,90,91,92,93,94,95,...132