气候金融背景下的气温衍生品定价研究——基于机器学习算法  

Pricing of Temperature Derivatives in the Context of Climate Finance

作　　者：杨刚 唐勇 王文卓 Yang Gang;Tang Yong;Wang Wenzhuo

机构地区：[1]湖南工商大学理学院,湖南长沙市410205 [2]统计学习与智能计算湖南省重点实验室,湖南长沙市410205

出　　处：《华北金融》2023年第7期39-53,共15页Huabei Finance

基　　金：国家社科基金面上项目“保险金融一体化框架下巨灾保险产品定价方法及应用研究”(编号:15BJY122);湖南省教育厅科学研究重点研究项目“惠农视域下天气衍生品定价方法及天气对冲策略研究”(编号:19A280)的支持。

摘　　要：在全球气候变暖的长期演变趋势下,中国多地的局部异常极端天气此起彼伏,传统的天气保险适应性减弱,气温衍生品有望成为中国气候金融市场新的发展趋势。本文基于1980年-2020年长沙市日平均气温构建ARMA模型与K近邻、支持向量回归、M5模型树、BP神经网络、RBF神经网络和ELM神经网络6种机器学习模型,比较它们的预测效果,并使用蒙特卡洛模拟进行气温衍生品的定价。结果表明,机器学习算法较ARMA模型预测精度有显著提升,其中BP神经网络的预测效果最好,相对误差较小,对气温衍生品的定价更为准确。

关 键 词：气候金融 气温衍生品定价 机器学习 蒙特卡洛定价 

分 类 号：F832.5[经济管理—金融学]