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

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。