摘要
利率是货币与金融市场上最基础的变量之一，而将利率与期限统一起来的利率期限结构或者收益率曲线因包含着更为丰富的信息而成为学术研究者、政策制定者与市场参与者重点关注的对象。随着我国利率市场化程度的不断提高和债券市场的持续繁荣，构建一个符合我国利率市场实际、准确预测未来利率走向、有效提取市场预期信息的利率期限结构模型有着重要的现实意义。 在利率期限结构模型中，动态Nelson–Siegel(DNS)类利率期限结构模型因其简洁、易扩展的特点和对实际利率良好的拟合与预测效果而得到了广泛应用。本文针对传统DNS利率期限结构模型(Dieboldamp;Li,2006;Diebold et al.,2006)下正态分布和条件同方差的假定与实际收益率数据呈现出的厚尾分布和条件异方差存在偏差的缺陷，对其做出针对性推广。首先，利用广义自回归得分模型(Creal et al.,2013)设定方法将DNS模型误差项设定为对厚尾分布刻画能力更强的t分布，同时引入一个共同的时变方差，以捕捉收益率序列的条件异方差特征，构建GAS?t?DNS模型。其次，本文利用矩阵分解、再参数化等技术在状态空间模型框架之内将传统DNS模型扩展为具有时变方差特征的GAS–TVV–DNS模型。将两种扩展之后的模型应用于中国国债实际收益率数据，结果显示扩展后的模型相比于传统DNS模型具有更为出色的样本内拟合与样本外预测能力。 传统DNS模型通常将载荷因子提前设定为常数或者静态参数，很少考虑载荷因子λ的时变化，本文借助得分驱动时变参数建模方法在线性高斯状态空间表达框架下将载荷因子λ时变化，构建了GAS?λ?DNS模型。结果显示载荷因子λ呈现出极强的波动性，并且与经济周期密切相关；将时变载荷因子λt用于预测中国经济增长速度，发现时变载荷因子λt相比于传统宏观预测因子存在额外增量信息，引入载荷因子λt后可以有效提高模型预测精度。
NETL