Régimes des courbes de rendement par arbres de décision

Résumé

L’étude adapte le cadre dynamique de Nelson–Siegel, qui représente la forme et l’évolution des courbes de taux d’intérêt, afin de permettre à son comportement de varier selon les conditions macroéconomiques. Une procédure de croissance d’arbres répartit les observations en régimes en évaluant dans quelle mesure les découpages macroéconomiques possibles expliquent la vraisemblance marginale du modèle. Les groupes obtenus ont ainsi une interprétation économique liée à des conditions observables ; la méthode est présentée comme plus simple à calculer que les approches conventionnelles à changement de régime de Markov.

Appliquée aux rendements des bons du Trésor américain, l’analyse identifie des changements significatifs de régime des courbes de rendement. Elle constate également que les variables macroéconomiques aident à prévoir la courbe lorsque le taux des fonds fédéraux est élevé, tandis qu’aucun pouvoir prédictif comparable n’est trouvé dans les autres régimes. Le résultat suggère que le lien entre les informations macroéconomiques et les rendements dépend du régime de taux en vigueur. Les éléments présentés concernent cette application aux bons du Trésor américain ; l’extrait ne fournit ni détails sur l’échantillon, ni mesures de prévision, ni résultats généraux de robustesse et n’établit donc pas que la même structure de régimes ou relation prédictive se retrouve sur d’autres marchés ou périodes.

Idées clés

• Un arbre répartit les conditions macroéconomiques à partir de la vraisemblance marginale d’un modèle dynamique de courbe de rendement de Nelson–Siegel.
• Les régimes obtenus relient les changements de comportement de la courbe de rendement à des variables économiques observables.
• La méthode est présentée comme plus facile à calculer et à interpréter économiquement que les modèles à changement de régime de Markov.
• Dans l’application aux bons du Trésor américain, les indicateurs macroéconomiques aident à expliquer les rendements lorsque le taux des fonds fédéraux est élevé.
• L’utilité prédictive varie selon le régime, ce qui limite les affirmations selon lesquelles les données macroéconomiques couvrent systématiquement l’ensemble de la courbe des taux.

Étiquettes

# 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''.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.