印度市场季节性天气风险量化：面向风险厌恶的州特定温度衍生品定价的随机模型
摘要
本技术报告提出了一种用于定价天气衍生品并制定套期保值策略的随机模型，旨适用于印度市场。我们采用带跳变的修改 Ornstein-Uhlenbeck 过程来建模温度动力学，以 account for sudden shocks，如热浪和寒潮。使用 1951-2023 年来自 12 个印度州的历史数据进行校准，并在风险中性 measure 下采用蒙特卡罗模拟来定价 Heating Degree Days (HDD)、Cooling Degree Days (CDD) 以及极端事件选项。敏感性分析显示，波动率增加 20% 导致期权价格约上升 4.2%，突显波动率对衍生品定价的关键影响。结果显示，寒 colder state（如 Himachal Pradesh）的 HDD 期权价格显著偏高，最高可达 INR 684,693，而温热 state（如 Gujarat）的 CDD 期权价格更高，最高可达 INR 262,986。综合组合分析表明，在 Uttar Pradesh 投资 INR 120,000 的 HDD put 期权可获得预期收益 INR 132,369，投资收益率 (ROI) 为 10.3%。相反，类似投资于 Karnataka 的收益为 -66.7%，由于其气候温和。针对每个 state 的气候风险，套期保值策略各不相同，建议在 Uttar Pradesh 以 90.89 的 strike 价购买 90.66 个 HDD put 期权，并在 Gujarat 投资 CDD call 期权。这些见解为管理印度不同气候情景下的温度相关金融风险提供了实用解决方案，为 diverse climatic scenarios 提供可操作的、针对各州的套期保值策略。
引用
@article{arxiv.2409.04541,
title = {Quantifying Seasonal Weather Risk in Indian Markets: Stochastic Model for Risk-Averse State-Specific Temperature Derivative Pricing},
author = {Soumil Hooda and Shubham Sharma and Kunal Bansal},
journal= {arXiv preprint arXiv:2409.04541},
year = {2026}
}
备注
The authors have withdrawn this paper due to data processing and calibration errors that caused inconsistencies in option pricing and hedging results. We are also revising the jump process to properly account for extreme weather seasonality. The framework is being corrected and all findings will be recalculated