文摘

银行间贷款利率是主要的国内货币市场基准利率,寻找一个适当的金融时间序列模型来描述其随机波动过程,并选择一个合适的风险测量方法测量国内银行间拆借利率风险。利率市场的风险管理具有重要的理论和现实意义。本文旨在研究银行间利率风险测量基于嵌入式传感器网络,提出了传感器网络的关键技术,传感器网络MAC层协议LEACH能源模型,和其他方法。相关实验进行银行间利率风险测量。实验结果表明,银行间利率风险度量模型基于嵌入式传感器网络是更有效的比传统的利率风险度量模型。这减少了银行的利率至少7%的损失。

1。介绍

利率风险是金融风险的一种。在本质上,它是金融产品的价格和收入的变化引起的兴趣的变化。从表面看来,利率风险的原因和影响是多样的。近年来,随着国内利率市场化的不断加速的过程,国内宏观调控的利率工具已经变得越来越频繁,和商业银行的利率环境操作继续变化,和利率风险越来越明显。由于利率风险是“双边”,也就是说,两个方向的损失和收益的不确定性,商业银行可以很容易地承担过度的风险,以提高他们的福利。分析和衡量银行间贷款利率的风险是非常重要的商业银行的风险管理。在同一时间,它是非常有效的找到一个合适的金融时间序列模型来描述其随机波动过程和选择合适的风险测量方法测量国内银行间贷款利率风险。

金融市场是风险管理的核心任务和风险定价。当设置风险金融产品价格与利率风险管理,是特别重要的变化和趋势的准确预测利率由银行提供。经济环境的变化,重要的是中央银行实施更有效的金融监管通过科学地使用利率预测方法和探索建立一个银行间贷款利率风险预测模型,它还可以鼓励商业银行。

本文的创新在于嵌入式传感器网络的研究和全面了解传感器网络的特点,如紧性强、灵敏度高,强烈的互操作性。其次,在仿真实验中,提出了开展银行间拆借利率的变化实验从技术的角度预测,等等,来验证风险度量模型的可行性。

2。相关工作

随着科学技术的不断发展,无线传感器网络吸引了大量研究人员的研究兴趣。无线传感器网络是最流行的物联网网络技术之一。信任评价过程的效率很大程度上取决于信任推导,在这个过程中,因为它占据了开销和性能的WSN特别敏感的开销是由于有限的带宽和权力。所以段能源利用等人提出了一个信任派生计划使用博弈论方法在他的研究中,管理开销,同时保持足够安全的基础(1]。在安全的基础,研究搜索引擎优化等人提出了一个certificateless有效密钥管理(CL-EKM)协议的研究,用于安全通信动态传感器网络节点移动性的特征(2]。结构健康监测(SHM)使用无线传感器网络(WSN)引起了研究兴趣,因为它能够降低成本与单孔位微吹气扰动系统的安装和维护。在他的研究中,亚当等人进行了全面调查,SHM使用基础上,概述了损伤检测算法和位置、网络设计的挑战,和未来的研究方向。与此同时,他还比较和讨论了网络设计问题的解决方案(3]。位置是一个关键的技术在无线传感器网络(WSN),因为它为许多位置感知的协议和应用程序提供了基本支持。成本和功耗的限制使它不可能使每个传感器节点在网络与全球定位系统(GPS)的单位,特别是对于大型网络。在一个调查中,韩寒等人回顾了高官马纳尔•算法最成功的关注成就在过去的十年里,努力进行全面审查的最新突破这一领域,并提供链接到最有趣的和成功的这一研究领域的进展(4]。这也是节能优化研究的传感器。在罗等人的研究中,他专注于减少能源消耗和最大化数据中继的网络生活在一维(1 d)队列网络(5]。水下无线传感器网络(UWSN)技术被广泛用于各种水下监测和探索应用程序和证明其高的地位。Goyal纸等人提出了一个基于UWSN调查,它包含数据聚合来突出其优势和局限性(6]。在大数据时代,传感器网络已经变得无处不在,为各种应用程序生成大量数据。杨等人主要集中在数据存储的可靠性在异构无线传感器网络,健壮的存储节点的部署传感器网络,通过编码技术和数据冗余是利用(7]。在这些研究人员的研究,大多数的研究无线传感器网络中,但不是在传感器网络的进一步发展。

3所示。传感器网络和银行间拆借利率

3.1。嵌入式传感器网络

3.1.1。无线传感器网络

无线传感器网络是由大量无线传感器节点。这些无线传感器节点通常有信号采集和处理功能简单,有简单的无线通信功能8- - - - - -11]。这些传感器自组织成一个特定的网络拓扑结构根据网络的需求和完整的信息在一个或多个跳传输和交互。单形式大多明星链接。有一个节点,并有很强的处理和通信功能的中心。中央节点负责收集、整理和处理收集到的数据,并将其发送给一个更高层次的中心。多次反射方法通常是网络和自组织功能。因为传感器节点通信能力较弱,短通信距离,他们需要通过多次反射发送信息。在多次反射,所有节点都是平等的,构成了一个网络自组织能力(12,13]。图1显示了传感器网络结构。

(1)无线传感器网络结构。布局是平面网络结构相对简单的无线传感器网络。这种网络拓扑结构相对简单且易于维护。结构中的每个节点的状态是相同的,和功能特征也是相同的。然而,由于没有中央管理节点,网络采用一个自组织的形成协调算法,这减少了可伸缩性的平面结构14]。图2显示了飞机结构的无线传感器网络。

分层网络结构分为两个部分,上层和下层。中央骨干节点和传感器节点分布在这两个层。骨干节点之间使用一个平面网络结构或一般传感器节点,而分层网络结构是骨干节点和普通节点之间使用。一般来说,传感器节点没有路由等功能,管理,和聚合处理。网络分为集群根据应用程序的需求类型和地理位置,集群,每个集群分为正面和成员节点(15]。这种结构提高整个网络的能力,但簇头选择算法要求更严格。图3图显示了无线传感器的层次网络结构。

网状网络结构是近年来网络研究的重点,它主要用于美联社访问节点的网络结构在大型网络(16]。网状网络节点通常是静态的,网络结构是相对稳定的,只有当节点连接和退出的变化。网状网络支持许多用户,高稳定性,吞吐量和一般用于建设的骨干网络。简单的安装和自动网络安装和无线网状网络的布局并不困难,没有太多复杂的设置。

在网状网络结构,通常有多个网络节点之间的路由路径。如果任何节点失败,节点可以智能地找到一个新的路由路径通过路由算法在不影响其他节点的网络通信功能。图4显示了网状网络结构图。

(2)无线传感器网络的关键技术。作为一个前沿的研究领域,吸引了大量关注当今世界,网络已经越来越影响到人们的生产和生活。传统的通信网络理论的基础上,研究人员深入研究网络固有的理论规律,得出新的理论体系(17,18]。主要技术与基础可以概括为网络通信协议、时间同步等。无线传感器网络的应用图所示5。

3.1.2。无线传感器网络的MAC层协议

在传感器网络中,MAC层有权管理无线通道的使用促进有效的数据通信。它的主要功能是允许多个用户有效地共享无线信道资源,避免冲突,提高信道利用率(19]。无线传感器网络的缺点如下:(1)物理层的主要攻击方法是拥堵的攻击和物理伤害;链路层(2)的主要攻击方法是碰撞攻击,疲惫的攻击,和不公平竞争。

S-MAC协议是一个典型的MAC协议的基础上竞争。该协议提出了改进节点电池能量有限的传感器网络。它假设网络允许一些延迟,并允许节点睡眠周期性,因此取得了更好的节能效果。

作为一个经典contention-based协议,S-MAC使用一个周期听/睡眠机制,允许节点睡眠很长一段时间,减少了时间节点处于空闲监听状态,所以它减少了空闲听能源消耗产生的,是初始能量。与MAC协议相比没有睡眠状态,能量被S-MAC大约是:

其中,是闲置的剩余能量倾听,是能量消耗的无线接收模块而倾听,和的睡眠时间和听力时间节点,分别,是听的时间睡眠时期,那是什么 。

由于随机补偿算法采用S-MAC协议,每次一个节点冲突,消耗的能量

由于周期性睡眠S-MAC协议机制,当一个节点需要传输一个数据包,它必须等待接收节点结束其睡眠在传输之前,这意味着额外的延迟将生成,也就是说,睡眠延迟(20.]。分析延迟性能时,我们只需要分析造成的延迟载体传感、传输和睡眠。当传感器节点接收到的数据包,它将立即开始载波感知和传输数据到下一跳节点。的平均延迟啤酒花是

在MAC协议不睡觉,延迟造成的啤酒花是

然后,平均延迟

可以看出,多次反射延迟啤酒花的数量成正比,与线性斜率的总和载波感知时间和传输时间。

假设节点想要发送数据的节点 。我们表示睡眠延迟造成的啤酒花的过程 。听力记录睡眠周期的长度 。然后,通过后的时间延迟 - - - - - -th啤酒花

当节点和交换RTS / CTS,下一跳节点的所以,还是听到了么知道什么时候的信息传输来结束。自适应听机制会立即醒来节点前一跳传输时完成。同样的,当数据传送数据包 , 还将进行自适应听。因此,延迟的 th啤酒花

由于节点之间的距离和是两个啤酒花,什么时候CTS传送控制包,不能超载监测CTS包间的消息传输时,不能醒来和结束。因此,当发送一个消息在休眠期间,不能接收CTS数据包发送的因为它是休眠,所以它不能醒来时之间的数据传输和结束。等着听一段吗继续发送消息。因此,延迟的 th啤酒花

从上面的分析,延误跳节点:

根据S-MAC协议自适应听力的过程,它可以知道:

因此,公式(10)可以简化获得:

由于源节点可以生成在任何时间在一个数据包周期,它是假定第一跳节点服从均匀分布的 ,所以它的平均值 。因此,平均延迟的跳网络

从公式可以看出(13),如果你想减少空闲监听和节约能源,需要增加睡眠时间 ,但增加的会增加延迟。上面描述的是节点能耗和时延之间的矛盾。

3.1.3。基于LEACH算法改进的拓扑控制算法

浸出是一个典型的分层集群拓扑控制算法。该算法首先提出了集群网络的策略。集群头根据概率随机选择通过一个周期循环,和普通节点被添加到相应的集群根据需求实现的目的网络聚类(21]。

(1)浸出能量模型。浸出的无线电能耗模型如图6。使用的空间模型随节点之间的距离。

在这个模型中,能源消耗的传感器节点发送数据到另一个节点的距离 , ,由两部分组成,传输模块、放大模块。的表达 是

其中,的能耗是无线数据发送和接收单元电路, 传输距离阈值,和放大器的放大为单位能源消耗和衰减参数数据,和它的价值是由放大器。

当一个节点接收比特数据,能源消耗主要是电路消费,用于表示。

(2)最优簇头和最优通信半径模型。LEACH使用集群头算法生成预期数量的簇头 。假设节点是均匀部署在一个 正方形区域,网络结构模型如图7。算法运行结束后,集群区域将生成。在每个集群节点的平均数量 。

每个集群成员节点传输数据在数据帧只有一次。假设簇头之间的距离相对较短,自由空间衰落模型使用。因此,每一帧的能源消耗集群头和成员节点传输的数据可以表示如下:

其中,和是簇头和基站之间的距离和簇头之间的距离和成员节点,分别。

假设每个集群区域是一个圆的半径 ,然后 可以获得预期的距离的平方的节点的集群成员。表达式如下:

传输数据帧的能源消耗在每个集群区域

在大规模部署的网络节点,簇头通常是远离基站,所以采用多路径衰减模型;当集群中的成员节点只与集群通信头和相对较短的距离,所以采用自由空间模型。最后的总能耗集群区域可以获得如下:

的导数在公式(21),使导数等于0,最优数量的集群可以得到:

3.1.4。嵌入式系统

嵌入的概念是一个相对模糊的概念相比,传统的个人电脑。嵌入式系统是由硬件和软件组成的。的主要部分硬件是嵌入式处理器及其程序内存或内存(22,23]。集中在应用程序和基于计算机技术,软件和硬件可以满足严格的要求应用系统的功能、可靠性、成本、大小和功耗。根据程序存储和操作的空间需求,您可以使用片上程序内存和内存或使用外部内存和内存芯片外。硬件部分通常也有外围设备和电力供应。电源是一个嵌入式系统的必要设备。它负责所有模块提供高效、稳定的电力供应。有各种类型的外设。一般来说,什么样的外部设备取决于嵌入式系统的具体需求。假设软件的核心部分是操作系统。嵌入式操作系统都有自己的特点。 They have their own advantages and disadvantages in terms of real-time, space-occupancy, tailorability, and support for peripherals. Users can choose flexibly during use [24,25]。

3.2。银行同业拆放利率

银行同业拆放利率,也称为银行同业拆息利率用来筹集资金之间的商业银行在货币市场26]。受试者参与该利率高的估计是银行的信用评级。与其他利率相比,它们提供资金和外汇市场的需求通过一个开放的市场取向。主要影响因素如下:(1)中国人民银行的基准利率,(2)每家银行的流动性是否足够,和(3)流动性要求的金融市场在短期内。

3.2.1之上。银行间拆借利率波动的影响因素

银行间拆借利率通常是为金融机构获得批发资金的成本,可以反映资金的供给和需求及时。这是最敏感的金融市场利率和金融市场作为一个整体。银行间贷款利率高导电,及其变化迅速扩大和传达给市场利率体系,从而使市场利率的变化作为一个整体(27]。

3.2.2。利率预测的基本方法

利率预测的主要内容包括利率变动的方向和利率水平的变化。科学、准确的利率分析和预测结果提供可靠的决策依据利率风险的度量和管理。一般来说,利率预测的方法可分为判断预测方法、计量经济学预测方法和技术预测方法。征求和综合企业的销售人员的意见和业务人员的商业部门和企业的综合预测。

3.3。风险测量

从本质上讲,利率风险是指金融产品的价值和收入的变化引起的利率的变化。从国内商业银行的利率风险管理起步较晚,许多银行仍然使用传统的静态风险测量方法如敏感性差异分析,期差异分析和凸性分析来衡量利率风险。然而,随着利率市场化的进程和国内访问限制外国银行和业务范围的自由化,商业银行将面临越来越激烈的竞争。传统的利率风险测量方法不能满足商业银行的利率风险要求。目前,世界上最受欢迎的风险测量方法是VaR模型的方法。为了提高利率风险管理水平,国内商业银行已经开始逐步采用VaR模型的方法。

4所示。银行同业拆放利率风险的调查实验

4.1。调查银行在银行间拆借市场上的交易量

银行间拆借市场,为金融机构的融资市场,是货币市场的重要组成部分。为了进一步了解国内银行同业拆放利率市场的发展,银行同业拆放利率的变化主要反映当前货币市场条件;当货币宽松,银行间利率会下降;当货币紧张时,利率将会上升。通常在月底,结束的季度,今年年底,利率上升;这个实验研究了交易量的变化在最近几年国内银行间同业拆借市场。表1实验显示了这个调查的结果。

从表中的数据可以看出1随着时间的推移,国内银行间拆借市场的交易量激增,和交易量在2018年比2015年增加了至少30%。

4.2。调查银行间拆借利率的变化

银行间贷款利率是影响其交易的一个重要因素,也是一个重要指标银行间拆借利率风险测量。在这项研究中,国内银行的银行间拆借利率在不同时期也被调查。表2显示了近年来国内银行间拆借利率的变化。

从表中的数据可以看出2,近年来,国内银行间贷款利率一直保持在3%以上,利率有了明显的改变。随着时间的变化,银行间贷款利率也显示出一个向上增长。为了更直观地看到银行间贷款利率的增长趋势,表3给的例子银行间贷款利率的变化在过去的两年里。

从表可以看出32018年的平均银行间贷款利率不到3.20%,而银行间贷款利率在2019年平均达到3.23%以上,2020年达到3.30%以上。

4.3。实验测量银行间拆借的利率风险

自相关测试的目的是测试的每日收益率是否在每个时期都有相关银行间贷款利率和相关特征。共有12个数据在这个实验中选择。表4显示了自相关系数和偏自相关系数的日常产生的隔夜拆借利率。

完成相关测试后,这个实验进行了val测试银行间利率风险度量模型基于嵌入式传感器网络。表5显示了VaR val残差序列的测试结果有90%的信心。

从表中的结果可以看出5在不同的信心水平,值大于卡方分布的分位数的自由度对应的置信水平。因此,银行间利率风险度量模型基于嵌入式传感器网络解释道。它已经通过了精度测试,模型可以用于衡量银行间拆借利率风险。

5。银行同业拆放利率的风险测量模型基于嵌入式传感器网络

5.1。数据稳定性试验的基础上,银行间拆借利率风险度量模型

本文将使用隔夜贷款利率数据样本的估计模型。模型评估之前,我们必须分析这些数据的特点决定它是否适用于基于银行间贷款利率风险度量模型估计。图8显示数据验证的结果。

从图可以看出8(a),有一个明显的趋势在隔夜贷款利率,所以我们可以确定它是一个非平稳的系列,所以它不能直接处理。为了获得稳定的时间序列数据,本文使用的对数回报率隔夜拆借利率进行分析。从图8(b),可以看出,《每日回报率隔夜拆款利率波动在一定的平均值,而且没有明显的趋势。根据单位根,测试数据可以确定每日隔夜拆借利率的收益率是静止的。判断数据序列后,风险度量模型可以继续下一步。

5.2。无线传感器网络协议的数据包接收率

图9曲线是一个比较成功的接收的数据包速度这三个协议在无线传感器网络中。

从图可以看出,DSA-SMAC协议数据包的成功接收率略高于B-SMAC S-MAC协议,并分别高出4%和5%。网络负载较大时,成功的三个协议的数据包接收率相对较低。这是因为通道将变得更加拥堵,造成更大的延迟。发送的数据很容易碰撞,目标节点不能接收数据。随着网络负载减少,成功的三个数据包接收率逐渐增加。

5.3。银行同业拆放利率风险预测

嵌入式传感器网络使用大量的传感器发送,接收和处理数据。在本文中,银行间利率风险度量模型基于嵌入式传感器网络测试。图10显示了预测效果。

从图可以看出10,银行间拆借利率风险度量模型基于嵌入式传感器网络具有更好的拟合效果的前50天的预测数据,并有很强的捕捉能力和适应极端点。减少滞后,进一步提高了预测能力。

银行同业拆放利率变化对银行和其他机构有很大的影响,而且只有一个良好的风险评估系统可以避免大量的利润的损失。因此,为了验证效益分析效率和效益损失率的银行同业拆放利率风险度量模型基于嵌入式传感器网络设计,本文设计了一种与传统的风险模型中获益。实验结果如图所示11。

从图可以看出,银行间利率风险的兴趣分析效率测量模型基于嵌入式传感器网络达到90.79%,而利益分析传统银行间利率风险度量模型的效率达到81.56%,这表明,银行间利率风险度量模型基于嵌入式传感器网络多9.23%的效率比传统的利益分析效率银行间利率风险度量模型和基于嵌入式传感器网络银行。利益损失的银行间利率风险度量模型已降至13.61%,而效益分析效率的传统银行间利率风险度量模型仍然是21.42%,这表明,基于嵌入式传感器网络银行同业拆借利率。相比与传统的银行同业拆放利率风险度量模型,风险度量模型的损失率降低7.81%。实验结果表明,银行间利率风险度量模型基于嵌入式传感器网络可以提高利润分析的效率,还可以减少利润损失。

6。结论

货币市场和资本市场的资本交易中使用。从一个市场资本流动到另一个之间创建一个关联两个市场之间的波动。研究市场之间的关联特性使我们能够抓住市场的未来趋势,为政府服务。更多的信息可以在风险防范策略的发展。Ramasamy R使用反向仿真模型来研究风险和回报与马来西亚伊斯兰银行同业拆放利率(IIBOR)和比较结果与传统银行同业拆放利率(CIBOR)。银行间网络,任X首先讨论系统性风险蔓延的机制相关资产回收率和资本金要求。然后,金融网络条件下的一般规律,讨论了一些新的结果,即存在,独特性,和连续性的结果,可以作为系统性风险度量的基本支持,在实践中通过数值分析模拟。根据本文的研究,可以得出以下结论:准确的银行同业拆放利率风险度量模型不仅能有效地覆盖商业银行的市场风险也拯救银行资本,降低成本。嵌入式传感器网络银行间利率风险测量和评价模型可以有效地评估利率风险,提供一定依据公司改变他们的发展战略。缺点是没有研究数据融合多个传感器之间的数据传输,具有一定的局限性。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突。

确认

本文由中国国家社会科学基金资助项目(减少中国工业废气和污水排放通过使用工业产品的对外贸易,项目数量:17 bjy068)和山东省自然基金项目(对外贸易对山东的影响能源消费和贸易结构优化从隐含能源的角度来看,项目数量:ZR202102180316)。