Tree-Structured Multiple Regimes in Interest Rates
利率的树结构多状态模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究短期利率的动态均值、条件方差和波动聚集，对应时间序列与波动率建模。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利率的树结构多状态模型
- 研究问题
- 短期利率的均值回复、波动聚集和条件方差的水平效应如何随状态改变，能否用数据确定状态数量并预测条件均值与方差？
- 方法与思路
- 作者用多变量树结构阈值建立广义树结构模型，使均值回复和条件方差随状态变化，由数据内生估计状态数量，并允许利用期限结构等信息。
- 材料陈述的贡献
- 摘要称模型将 GARCH 和平方根过程纳入为特例，并可利用期限结构及宏观变量；实证比较显示其预测条件一阶和二阶矩的潜力。
- 阅读关注点
- 阅读时应核对阈值变量及分裂规则、状态数量的选择准则、均值和方差的参数限制，以及预测比较是否妥善控制模型复杂度。
- 阅读边界
- 摘要未说明利率样本、状态数量、预测评估方案或优势幅度；内生选取多状态的拟合能力及其样本外稳定性仍需全文证据。
原文摘要
This article develops a generalized tree-structured (GTS) model of the short-term interest rate that accommodates regime-dependent mean reversion and regime-dependent volatility clustering and level effects in the conditional variance. The model is constructed using the idea of multivariate tree-structured thresholds and nests the popular generalized autoregressive conditional heteroscedasticity and square root processes as simple special cases. It allows us to estimate the optimal number of regimes endogenously from the data and to exploit possible additional information in the term structure and in other macroeconomic variables. We provide empirical evidence of the strong potential of the GTS model in forecasting conditional first and second moments, also in comparison with alternative models of the short rate.