Forecasting the yield curve in a data-rich environment: A no-arbitrage factor-augmented VAR approach
数据丰富环境下收益率曲线预测：无套利因子增强 VAR 方法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：摘要结合无套利期限结构、宏观共同因子和样本外收益率预测。
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…
关注这篇论文的作者
数据丰富环境下收益率曲线预测：无套利因子增强 VAR 方法
- 研究问题
- 如何将大量宏观变量的信息简约地纳入期限结构模型，并在无套利限制下改善不同预测期限和债券期限的收益率预测？
- 方法与思路
- 作者以短期利率和宏观变量共同成分作为因子，用因子增强 VAR 描述短期利率动态，再通过无套利参数限制推导期限结构。
- 材料陈述的贡献
- 摘要称该模型在中长期预测期限的样本外收益率预测优于若干既有方法，改进高度显著，且对短、中期债券期限尤其明显。
- 阅读关注点
- 应核对因子提取、风险价格设定、无套利限制，以及预测窗口、基准模型、评价指标和显著性检验的具体设计。
- 阅读边界
- 仅据所给出版社摘要，无法确认预测比较的样本、信息可得时点和数值幅度；作者报告的优势不能外推到所有市场与时期。
原文摘要
This paper suggests a term structure model which parsimoniously exploits a broad macroeconomic information set. The model uses the short rate and the common components of a large number of macroeconomic variables as factors. Precisely, the dynamics of the short rate are modeled with a Factor-Augmented Vector Autoregression and the term structure is derived using parameter restrictions implied by no-arbitrage. The model has economic appeal and provides better out-of-sample yield forecasts at intermediate and long horizons than a number of previously suggested approaches. The forecast improvement is highly significant and particularly pronounced for short and medium-term maturities.