A New Linear Estimator for Gaussian Dynamic Term Structure Models
高斯动态期限结构模型的新线性估计量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：摘要直接研究由无套利条件构成的动态期限结构模型，并以加拿大债券市场为应用，明确对应资产定价方向。
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
高斯动态期限结构模型的新线性估计量
- 研究问题
- 在高斯动态期限结构模型中，如何利用无套利条件构造便于计算的回归估计量，并在已有方法处理困难的情形下保持效率？
- 方法与思路
- 作者以模型的无套利条件定义渐近最小二乘估计量，采用基于回归的估计路径，并在加拿大债券市场开展实证应用。
- 材料陈述的贡献
- 摘要称，新估计量在多种情形下仍易于计算且具有渐近效率，而部分近期方法在这些情形下可能失去计算便利性。
- 阅读关注点
- 阅读时应核对无套利限制如何转化为回归、渐近最小二乘的权重与效率条件，以及加拿大债券样本中的参数识别和实现。
- 阅读边界
- 摘要未列明这些情形、效率比较基准或具体实证结果；计算便捷与渐近效率的结论需核对条件，不能直接推广至非高斯模型。
原文摘要
This article proposes a novel regression-based approach to the estimation of Gaussian dynamic term structure models. This new estimator is an asymptotic least-square estimator defined by the no-arbitrage conditions upon which these models are built. Further, we note that our estimator remains easy-to-compute and asymptotically efficient in a variety of situations in which other recently proposed approaches might lose their tractability. We provide an empirical application in the context of the Canadian bond market.