Anchoring the yield curve using survey expectations
利用调查预期锚定收益率曲线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：摘要核心是利用调查预期改善利率期限结构预测，直接对应预测方向，并未研究资产收益率预测。
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…
利用调查预期锚定收益率曲线
- 研究问题
- 调查预期通常只覆盖部分期限和预测时距，如何利用这些有限信息改善基础模型对整条利率期限结构的预测？
- 方法与思路
- 作者用灵活的指数倾斜方法将模型预测锚定到调查预期，并提出选择锚定点的检验，以纳入调查者掌握的信息。
- 材料陈述的贡献
- 摘要称锚定方法相对于金融和政策机构广泛使用的期限结构预测模型，带来较大且显著的预测准确度改善。
- 阅读关注点
- 应核对倾斜与锚定约束、锚点检验、调查发布时间和预测评价设计，以及不同期限、时距和基准下的改善稳定性。
- 阅读边界
- 仅据所给Crossref摘要；摘要未说明样本、调查来源、损失指标和改善幅度，不能据此推断所有时期或模型均有显著收益。
原文摘要
Summary The dynamic behavior of the term structure of interest rates is difficult to replicate with models, and even models with a proven track record of empirical performance have underperformed since the early 2000s. On the other hand, survey expectations can accurately predict yields, but they are typically not available for all maturities and/or forecast horizons. We show how survey expectations can be exploited to improve the accuracy of yield curve forecasts given by a base model. We do so by employing a flexible exponential tilting method that anchors the model forecasts to the survey expectations, and we develop a test to guide the choice of the anchoring points. The method implicitly incorporates into yield curve forecasts any information that survey participants have access to—such as information about the current state of the economy or forward‐looking information contained in monetary policy announcements—without the need to explicitly model it. We document that anchoring delivers large and significant gains in forecast accuracy relative to the class of models that are widely adopted by financial and policy institutions for forecasting the term structure of interest rates.