基于s-w方法的保险合同准备金内容摘要：
率曲线不应当随着短期利率的波动而产生剧烈的波动，尤其当数据不充足以及只对短期利率进行简单外推的情况下可能会引起远端利率的强烈波动 [15]。 SW模型通过假定一个无条件远期利率很好的满足了这个要求。 10 移动平均的缺点 • 使用 750日移动平均国债收益率，出发点是想要平滑结果，但结果可能与实际利率走势相反，从而难以被投资者理解 [16]。 例如， 2020年初即期收益率在下降而 750天移动平均的国债收益率却在上升， 2020年初即期收益率在上升而 750天移动平均的国债收益率却在下降。 11 Hermit模型对波动性过大的数据适用性大打折扣 • 杨晓亮 [17]发现 Hermite对样本的敏感性较高，对像交易所这样价格信息具有较高真实性，数据量较充足，但波动性较大的样本数据的拟合效果不如三次样条模型。 12 单调三次 Hermite插值法缺乏经济学含义 • 该方法只是强调对数据的拟合，但难以对背后的经济学含义进行解释。 Hagan和 West[18]举出三次 Hermite插值法在某些情况下可能出现负利率。 • 基于此，本文尝试采用 SW模型来对中国的收益率曲线进行估计，以得出既充分反映市场信息，又在长期具有稳定性的保险合同准备金折现率曲线。 本文主要研究的是无风险利率曲线，暂不涉及流动性溢价及其他溢价的计算。 13 三、 SW模型的算法 SW模型的 特点 : （ 1）灵活多变，计算简单，容易操作。 不论是选用零息债券还是附息债券或者互换利率都可以用简单的计算来完成。 直接应用市场原始数据，不用先通过息票剥离法将到期收益率换成即期收益率。 （ 2） S。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。