跳至正文
返回文库全部文档

收益率曲线模型中的树状状态切换

文章 arXiv papers · 作者: Siyu Bie et al.
阅读原文

总结

本研究改造动态纳尔逊–西格尔框架，使其能够随宏观经济状况变化。该框架用于表示利率曲线的形状和变动。树生长程序通过评估候选宏观经济划分对模型边际似然的解释程度，将观测值划分为不同状态。这使划分出的群组具有与可观测条件相关的经济含义；研究称，该方法的计算过程比传统马尔可夫状态切换方法简单。

将该方法应用于美国国债收益率后，分析发现收益率曲线状态发生了有意义的变化。研究还发现，在联邦基金利率较高的状态下，宏观经济变量有助于预测曲线，而在其他状态下则未发现类似的预测价值。结果表明，宏观信息与收益率之间的联系取决于当时的利率环境。证据仅适用于所述美国国债应用；摘录未提供样本细节、预测指标或更广泛的稳健性结果，因此不能据此证明其他市场或时期也具有相同的状态结构或预测关系。

核心观点

  • 树模型根据动态纳尔逊–西格尔收益率曲线模型的边际似然划分宏观经济状况。
  • 由此得出的状态将收益率曲线行为变化与可观测经济变量联系起来。
  • 据称，与马尔可夫状态切换模型相比，该方法计算更简单，经济解释也更直观。
  • 在美国国债应用中，联邦基金利率较高时，宏观经济预测变量有助于解释收益率。
  • 预测价值因状态而异，因此不能声称宏观数据在各种情况下都能持续解释收益率曲线。

标签

固定收益机器学习统计学美国市场
全文
# 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''.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。