Cambios de régimen basados en árboles para modelos de curva de tipos

Resumen

El estudio adapta el marco dinámico de Nelson–Siegel, que representa la forma y evolución de las curvas de tipos de interés, para permitir que su comportamiento cambie según las condiciones macroeconómicas. Un procedimiento de crecimiento de árboles divide las observaciones en regímenes según cuánto explican divisiones macroeconómicas candidatas la verosimilitud marginal del modelo. Así, los grupos resultantes adquieren una interpretación económica vinculada a condiciones observables, y se presentan como menos costosos desde el punto de vista computacional que los enfoques convencionales de cambio de régimen de Markov.

Aplicado a los rendimientos de los bonos del Tesoro de EE. UU., el análisis identifica cambios significativos en los regímenes de la curva de tipos. También encuentra que las variables macroeconómicas ayudan a predecir la curva cuando el tipo de los fondos federales es alto, mientras que no se observa un valor predictivo comparable en los demás regímenes. El resultado sugiere que la relación entre la información macroeconómica y los rendimientos depende del entorno de tipos vigente. La evidencia se limita a la aplicación comunicada a los bonos del Tesoro de EE. UU.; el fragmento no aporta detalles de la muestra, métricas de previsión ni resultados más amplios de robustez, por lo que no demuestra que la misma estructura de regímenes o relación predictiva se dé en otros mercados o periodos.

Ideas clave

• Un árbol divide las condiciones macroeconómicas según la verosimilitud marginal de un modelo dinámico de curva de tipos de Nelson–Siegel.
• Los regímenes resultantes vinculan los cambios de comportamiento de la curva de tipos con variables económicas observables.
• El método se describe como más fácil de calcular e interpretar económicamente que los modelos de cambio de régimen de Markov.
• En la aplicación a los bonos del Tesoro de EE. UU., los factores macroeconómicos ayudan a explicar los rendimientos cuando el tipo de los fondos federales es alto.
• La utilidad predictiva varía según el régimen, lo que limita las afirmaciones de que los datos macroeconómicos expliquen de forma consistente toda la curva de tipos.

Etiquetas

# Machine Learning and the Yield Curve: Tree-Based Macroeconomic Regime Switching


# Machine Learning and the Yield Curve: Tree-Based Macroeconomic Regime Switching









We explore tree-based macroeconomic regime-switching in the context of the dynamic Nelson-Siegel (DNS) yield-curve model. In particular, we customize the tree-growing algorithm to partition macroeconomic variables based on the DNS model's marginal likelihood, thereby identifying regime-shifting patterns in the yield curve. Compared to traditional Markov-switching models, our model offers clear economic interpretation via macroeconomic linkages and ensures computational simplicity. In an empirical application to U.S. Treasury yields, we find (1) important yield-curve regime switching, and (2) evidence that macroeconomic variables have predictive power for the yield curve when the federal funds rate is high, but not in other regimes, thereby refining the notion of yield curve ''macro-spanning''.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.