导读:本文包含了同业拆借利率预测论文开题报告文献综述及选题提纲参考文献，主要关键词:同业拆借利率,ARMA模型,单位根检验
同业拆借利率预测论文文献综述
宋华,姚晓军[1]（2018）在《基于ARMA模型的银行间同业拆借利率预测》一文中研究指出通过构建具有更高自回归阶数p与偏自回归阶数q的ARMA模型,在现有文献对中国银行间同业拆借利率(CHIBOR)研究的基础上,对上海银行同业间拆借利率(SHIBOR)进行估计与预测,检验了ARMA模型的预测效果。结果显示,模型短期预测能力较好,而对于长期预测,则误差波动较大,预测能力较差。针对这一截然不同的现象,从货币政策与心理预期两个方面给出了可能的解释。(本文来源于《淮南师范学院学报》期刊2018年02期）
周思聪[2]（2015）在《上海银行间同业拆借利率波动特征分析及预测》一文中研究指出随着我国利率市场化进程的不断推进,培育适合我国国情的货币市场基准利率体系,为货币市场提供定价参考基准,是我国当前金融改革工作的重点。对比起西方发达国家利率市场化程度,我国利率市场化步伐是相对落后的。目前我国处于全面深化改革的重要时段,各方面改革都需要谨慎进行,金融方面改革也不例外,其中一个可行之道是借鉴国外金融市场发达国家的利率市场化经验,例如参照最具代表性的LIBOR,进行对比差距分析,建立和完善我国的基准利率体系。本文重点对比分析SHIBOR和LIBOR的波动特征,及其两者之间的因果关系,并完成对SHIBOR的预测,了解上海银行间同业拆借利率运行机制。结果如下:第一,SHIBOR序列和LIBOR序列都是非平稳的,从频率和幅度来对比,LIBOR序列报价更加稳定;第二,LIBOR是SHIBOR的格兰杰原因,SHIBOR不是LIBOR的格兰杰原因;第叁,SHIBOR更加容易受市场因素冲击,而LIBOR受到更大的政策因素影响且反馈长期资金价格能力更强;第四,结合经验模态分解方法(EMD)和Elman神经网络预测,能够获得更良好的预测效果。最后,根据实证分析结果,提出完善SHIBOR机制的叁个方面建议。(本文来源于《暨南大学》期刊2015-04-01）
苏现孟[3]（2011）在《我国同业拆借利率的预测与分析》一文中研究指出我国同业拆借利率市场自1986年开始起步至1996年形成全国统一的同业拆借市场,并于2006年深化改革,成立的SHIBOR于2006年10月8日开始试运行,2007年1月4日正式对外发布,逐步成长为成熟的同业拆借市场。同业拆借利率也成为货币市场重要的基准利率之一,对于我国资本市场和实体经济起着重要的指示作用。对同业拆借利率全面深刻的认识,可以使得央行更为有效地实现金融监管,金融机构进行合理的资产负债管理,规避利率风险,最终推动我国同业拆借市场的进-步发展。对于同业拆借利率的研究,国内外学者已经进行了大量的研究,但是大部分研究都是基于特定时期特定期限品种的利率进行的分析。本文以SHIBOR试运行以来的全部数据(日度数据为1068个,月度数据为52个)为样本,利用时间序列分析法和事件研究法,深入分析了同业拆借利率各不同期限品种的利率序列的波动特征,并针对性的分析了同业拆借市场在面对重要标志性事件时所呈现的波动规律。本文的研究框架为：第一章介绍了选题的背景和意义及主要的研究方法；第二章论述了相关的理论方法,并阐述了国内外学者与此相关的研究成果；第叁章基于ARIMA模型运用日度数据和月度数据分别对同业拆借利率进行模型拟合和分析,探讨了不同样本数据下各期限同业拆借利率适用模型的不同及所对应的内在波动规律；第四章是在第叁章的基础上,基于事件研究法对同业拆借利率是否受央行货币政策调整的影响进行了有针对性的分析,进而论证了同业拆借利率是否能够充分发挥作为货币市场的指示器的作用,从而可以更加全面的了解同业拆借利率的波动状况；第五章将对ARIMA模型和事件研究法以及实证结果进行总结、归纳,并提出了相应的政策建议。基于ARIMA模型的计量结果表明：(1)日度数据下的不同期限的同业拆借利率序列适用于不同的计量模型,其中期限较短的四种拆借利率使用ARMA模型拟合可达到较好的效果；期限较长的四种拆借利率使用ARIMA模型拟合效果较佳。(2)月度数据下的不同期限的拆借利率的序列适用的模型差别不大,除叁月期限的同业拆借利率用AR(2)模型外,其余期限的拆借利率使用AR(1)模型即可。(3)不同期限的同业拆借利率的波动特征蕴含的内在规律不同。期限较短的同业拆借利率多是用于满足各金融机构短期资金的不足或闲余,而期限较长的同业拆借利率则表现为一定的趋势性,为金融机构中长期资金规划提供依据。基于事件研究法的计量结果表明：(1)上调法定存款准备金率事件发生时,期限较长的同业拆借利率对其的敏感性要大于期限较短的同业拆借利率。(2)上调法定存款准备金率宣布事件和执行事件对于同业拆借利率的影响程度不同,同业拆借利率对执行事件的反应更为强烈。(3)法定存款准备金率上调政策宣布时,宣布事件引发反应过度的现象,主要是因为信息提前泄露和市场非理性恐慌。(4)同业拆借利率的异常收益率的显着性在事件期内一般是在事件日当日最为显着,并向两侧逐渐减弱。本文的创新点在于：(1)对SHIBOR进行模型拟合时选取的数据全样本大,并基于日度数据和月度数据分别对序列进行分析,全面的数据分析避免了以往对同业拆借利率序列分析时的局限性和片面性。(2)尝试使用事件研究法分析上调法定存款准备金率对同业拆借利率的影响,目前用该种方法对于同业拆借利率的波动性进行研究的并不多。基于事件研究法对于同业拆借利率进行分析可以更加全面的了解序列的波动特征。(本文来源于《山东大学》期刊2011-04-15）
郝林[4]（2010）在《中国银行间同业拆借利率预测模型研究》一文中研究指出利率作为资金的价格,是金融市场中最重要的变量之一,利率问题也是金融市场中最基础,最核心的问题之一。同业拆借利率是货币市场的核心利率,由于同业拆借市场交易量规模巨大且交易频繁,因此同业拆借利率远比其他货币市场利率更能反映市场动向。随着我国同业拆借市场交易量的激增,同业拆借利率的波动性不断加剧,这一定程度上影响了我国货币政策的实施和商业银行的经营管理。因此,是否能对同业拆借利率进行准确的预测成为摆在我国货币市场面前一个非常重要的问题。本文研究了我国同业拆借利率的预测模型,共分为五部分：第一部分讲述研究背景意义、研究现状和研究创新与局限。首先介绍了准确预测同业拆借利率的重要意义；然后综述了当前关于同业拆借利率预测的相关文献,指出当前关于同业拆借利率的预测大都建立在时间序列模型上；最后提出了本文的创新点和局限之处。第二部分为ARMA时间序列模型在我国同业拆借利率预测中的运用。首先介绍了ARMA模型的基本定义；然后根据Box和Jenkins的4步骤建模思想建立了ARMA模型；最终运用模型进行了样本内预测和样本外预测,并得出结论：AMRA模型在样本内和外预测中预测精度都比较高,但也存在着一些缺点：比如预测过程中存在滞后效应,不适用于波动剧烈的外部环境和长期预测乏力等。第叁部分为BP神经网络在我国同业拆借利率预测中的应用。首先介绍了神经网络技术的相关概念和理论,并详细介绍了本章的建模基础——BP神经网络模型,这包括BP网络的学习过程、算法及优缺点等；然后通过对参数的设定和样本的学习建立了BP神经网络;最终运用BP网络进行预测,并得出结论：BP网络预测效果优良,特别是在滞后效应方面有了明显的改善,但也存在着一些缺点,如预测效果并不如ARMA理想,短期内预测误差的波动比较大等。第四部分为组合模型在我国同业拆借利率预测中的应用。本章分别介绍了叁种组合模型：等权组合、最优加权组合和ARMA-BP模型,并运用这叁种组合模型分别对同业拆借利率进行了预测。第五部分为结论。通过对前文五种模型预测精度的比较,这包括ARMA和BP模型样本内预测的比较,ARMA、BP、等权组合、最优加权组合和ARMA-BP模型样本外预测的比较,最后得出结论。纵观本文,本文在同业拆借利率的预测模型研究上做出了一定的创新,通过对各个模型的比较确定了ARMA-BP为最佳预测模型,较为准确的预测了我国同业拆借利率的价格水平和波动变化,对我国中央银行制定货币政策、商业银行进行资产负债管理组合均有一定的实际指导作用。(本文来源于《东北财经大学》期刊2010-12-01）
曹文松[5]（2010）在《基于SVM的银行间同业拆借利率预测方法研究》一文中研究指出近年来,随着我国利率市场化进程的不断加快,我国运用利率工具进行宏观调控的日益频繁,商业银行经营的利率环境波动性加大,利率风险更加凸现。同业拆借市场作为银行及其他金融机构进行临时的、短期的资金拆借市场,是货币市场的重要组成部分。同业拆借市场的成交规模越来越大。随着同业拆借利率变动越来越频繁,这对作为同业拆借市场主要参与者的商业银行来说,其波动风险不容小觑。因此,准确的预测同业拆借利率趋势,对于商业银行防范同业拆借利率风险有着重要的意义。本文以支持向量机理论为基础提出了一种预测同业拆借利率的新方法。首先介绍了国内外对于利率预测方面的研究。然后结合西方经济学的利率决定理论探讨影响利率的一些因素。从多个角度选取影响我国同业拆借利率水平变动的经济变量,包括人民币存贷款净额、汇率指标、货币供应量、固定资产投资、通货膨胀率、股市成交额、进出口差额等几个变量。接下来先从VC维和期望风险两方面对SVM理论基础进行阐述,重点介绍了SVM的原理(包括线性和非线性回归)。再从调整模型的支持向量的个数着手,对SVM模型中的核函数进行改进,在模型的推广能力和精确度之间寻找一个平衡点。最后针对我国同业拆借利率的预测进行仿真实验。先从做基于SVM的时间序列同业拆借利率的实验,然后从同业拆借利率的影响因素出发,选取可能的经济变量对利率的走势进行实验。通过对二者进行比较分析,找出合适的预测方法。最后做出一个同业拆借利率预测系统的框架并进行完善。本文通过对预测结果分析发现,基于时间序列的利率预测方法短期内(大约4个月)预测精确度比较高,比ARIMA方法有更好的预测精度,但时间过长则预测误差变大；而从利率影响因素出发对利率进行预测,中长期预测结果拟合度较好。在实际预测时将二者结合,即可对同拆借利率走势进行准确的预测。(本文来源于《湖南大学》期刊2010-04-01）
郑尧天,杜子平[6]（2007）在《EGARCH模型在同业拆借利率预测中的应用》一文中研究指出中国银行间同业拆借利率(CHIBOR)是我国货币市场上最早市场化的利率.选择隔夜拆借利率为研究对象并选择GARCH族模型对其进行建模,发现EGARCH(1,3)模型拟合效果最好,并进行了短期预测且取得了理想的短期预测效果,从而确定了适合我国同业拆借市场的利率预测模型.该研究结果不仅可以帮助金融机构对金融产品合理定价,防范风险,也可以帮助央行准确估计CHIBOR走势,达到既定货币政策目标.(本文来源于《湖北民族学院学报(自然科学版)》期刊2007年02期）
郑尧天,杜子平[7]（2007）在《ARIMA模型在同业拆借利率预测中的应用》一文中研究指出中国银行间同业拆借利率(CHIBOR)是我国货币市场上最早市场化的利率.文章选择隔夜拆借利率为研究对象并建立ARIMA模型对其进行短期预测,并取得了理想的短期预测效果,从而确定了适合我国同业拆借市场的利率预测模型.研究结果不仅可以帮助金融机构对金融产品合理定价,防范风险,也可以帮助央行准确估计CHIBOR走势,达到既定货币政策目标.(本文来源于《太原师范学院学报(自然科学版)》期刊2007年01期）
彭化非,任兆璋[8]（2005）在《中国银行间同业拆借利率预测模型研究》一文中研究指出中国银行间同业拆借利率(CHIBOR)是我国货币市场上最早市场化的利率。本文选择隔夜同业拆借利率为研究对象并建立了ARIMA及GARCH模型,比较了这两种模型的预测能力,确定了适合我国同业拆借市场的利率预测模型。本文的研究结果不仅可以帮助金融机构对自己的金融产品合理定价、适时调整资产负债结构、防范风险,更可以帮助中央银行及早采取措施引导市场利率走向,达到既定货币政策目标。(本文来源于《南方金融》期刊2005年01期）
孙继国,伍海华[9]（2004）在《我国银行间同业拆借利率的时间序列预测模型》一文中研究指出利率是货币资金的价格,它从根本上决定着金融资产的价格变化。在我国目前的利率体系中,同业市场拆借利率能够十分灵敏地反映市场上货币资金的供求状况,因而可成为货币市场的基准利率。我国在从计划经济向市场经济转型的进程中,利率市场化是核心的步骤之一。1996年我国(本文来源于《统计与决策》期刊2004年05期）
冀楠,梁彤,张维[10]（1999）在《利用协整和ECM对中国同业拆借利率的实证分析及预测》一文中研究指出中国同业拆借利率ＣＨＩＢＯＲ是我国目前唯一直接的市场利率，深入探求其内在规律并精确预测其未来变动，对央行监管和商行经营都是非常重要的。本文系统分析了ＣＨＩ－ＢＯＲ中最具代表性的隔夜拆借利率和一周拆借利率之间的协整关系，并在此关系基础上利用误差修正模型ＥＣＭ建立了二者的预测模型，实证结果表明无论短期预测还是长期预测精度都要优于传统的向量自回归模型ＶＡＲ(本文来源于《预测》期刊1999年02期）
同业拆借利率预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着我国利率市场化进程的不断推进,培育适合我国国情的货币市场基准利率体系,为货币市场提供定价参考基准,是我国当前金融改革工作的重点。对比起西方发达国家利率市场化程度,我国利率市场化步伐是相对落后的。目前我国处于全面深化改革的重要时段,各方面改革都需要谨慎进行,金融方面改革也不例外,其中一个可行之道是借鉴国外金融市场发达国家的利率市场化经验,例如参照最具代表性的LIBOR,进行对比差距分析,建立和完善我国的基准利率体系。本文重点对比分析SHIBOR和LIBOR的波动特征,及其两者之间的因果关系,并完成对SHIBOR的预测,了解上海银行间同业拆借利率运行机制。结果如下:第一,SHIBOR序列和LIBOR序列都是非平稳的,从频率和幅度来对比,LIBOR序列报价更加稳定;第二,LIBOR是SHIBOR的格兰杰原因,SHIBOR不是LIBOR的格兰杰原因;第叁,SHIBOR更加容易受市场因素冲击,而LIBOR受到更大的政策因素影响且反馈长期资金价格能力更强;第四,结合经验模态分解方法(EMD)和Elman神经网络预测,能够获得更良好的预测效果。最后,根据实证分析结果,提出完善SHIBOR机制的叁个方面建议。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
同业拆借利率预测论文参考文献
[1].宋华,姚晓军.基于ARMA模型的银行间同业拆借利率预测[J].淮南师范学院学报.2018
[2].周思聪.上海银行间同业拆借利率波动特征分析及预测[D].暨南大学.2015
[3].苏现孟.我国同业拆借利率的预测与分析[D].山东大学.2011
[4].郝林.中国银行间同业拆借利率预测模型研究[D].东北财经大学.2010
[5].曹文松.基于SVM的银行间同业拆借利率预测方法研究[D].湖南大学.2010
[6].郑尧天,杜子平.EGARCH模型在同业拆借利率预测中的应用[J].湖北民族学院学报(自然科学版).2007
[7].郑尧天,杜子平.ARIMA模型在同业拆借利率预测中的应用[J].太原师范学院学报(自然科学版).2007
[8].彭化非,任兆璋.中国银行间同业拆借利率预测模型研究[J].南方金融.2005
[9].孙继国,伍海华.我国银行间同业拆借利率的时间序列预测模型[J].统计与决策.2004
[10].冀楠,梁彤,张维.利用协整和ECM对中国同业拆借利率的实证分析及预测[J].预测.1999