论文部分内容阅读
近年来,中国不断加快利率市场化进程。利率传导效率提高的同时,利率波动也在加剧,商业银行经营面临更大的利率风险。随着中国票据市场法律体系的完善和基础设施的建成,中国票据市场已经成为中国货币市场的重要子市场。票据凭借流动性强、收益稳定的优点受到越来越多投资者的青睐,票据转贴现业务逐渐成为商业银行利润收入的重要部分。然而,整体利率波动日益加剧,市场化程度较高的票据转贴现利率波动也日益频繁,票据转贴现利率风险愈加突出。商业银行作为票据市场的主要参与者,票据利率的变动影响着资金成本、投资收益、信贷额度的分配等。因此,准确地预测票据转贴现利率对商业银行估算资金成本、提高经营利润、防范利率风险、分配信贷额度、平衡内部利益矛盾等有着重要的意义。长期以来,中国学者关于票据转贴现利率的定价研究主要是理论分析,实证研究均采用传统的计量经济模型,如VAR、VECM等,本文尝试使用机器学习方法对票据转贴现利率预测进行理论和实证分析,建立票据转贴现利率的预测模型,并在此基础上,比较各因素对不同时间频率的票据转贴现利率预测的影响差异,提出预测的最优模型。首先,本文分析了票据转贴现利率的预测对商业银行的现实意义,介绍了票据转贴现业务的发展历程,并分析了转贴现利率波动现状。其次,本文探讨了影响转贴现利率的因素,宏观因素包括经济增长率、银行间市场资金供求情况、信贷规模的松紧状况和票据市场的完善程度,微观因素包括票据的信用等级、交易主体的信用等级和票据面额。再次,本文简要阐述了机器学习领域中随机森林、XGBoost和支持向量机这三种方法的原理和特点,介绍了当前利率预测的基本方法和预测的评估指标,分析了机器学习方法在预测利率上的优势。最后,本文选取了2010年1月至2019年7月的票据转贴现利率作为目标数据集,选取滞后一期的票据转贴现利率、票据直贴利率、七天质押式债券回购利率、同业拆借利率、工业增长率、票据融资信贷占比等12个指标构成特征空间,依次训练随机森林、XGBoost和支持向量机模型。为契合商业银行对不同时间频率的票据转贴现利率的预测需求、分析不同时间频率下各因素对预测结果的影响差异,本文分别对票据转贴现周利率和月利率进行了预测研究。研究表明:第一,往期的票据市场利率、票据融资信贷占比、其他货币市场利率对票据转贴现利率的影响较大,其他金融市场收益情况以及票交所的成立的影响较小。第二,针对不同时间频率下的票据转贴现利率的预测,商业银行应该调整对各类影响因素的关注程度。周利率预测需更多地关注其他货币市场收益率的影响,月利率预测需降低对其他货币市场收益率的关注,提升对票据直贴利率的关注。第三,预测结果表明:支持向量机对票据转贴现周利率的预测效果最好,随机森林对月利率的预测效果最好。其中,两者的预测评分分别为93.51%和83.39%。随机森林模型、XGBoost和支持向量机模型对票据转贴现周利率的预测效果均明显好于月利率的预测。因此,商业银行在预测票据转贴现周利率和月利率时,可分别考虑使用支持向量机模型和随机森林模型。