Analyzing the Term Structure of Interest Rates Using the Dynamic Nelson–Siegel Model With Time-Varying Parameters
使用时变参数动态Nelson–Siegel模型分析利率期限结构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：摘要明确涉及收益率曲线的动态因子、GARCH总体波动率及不同期限利率预测，分别对应金融因子、波动率与预测方向。
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…
使用时变参数动态Nelson–Siegel模型分析利率期限结构
- 研究问题
- 如何在动态Nelson–Siegel收益率曲线模型中允许载荷参数与总体波动率变化，以同时分析和预测不同期限的利率？
- 方法与思路
- 作者将控制因子载荷的单一参数视为第四个潜在因子，并将总体波动率设为GARCH过程，扩展带有向量自回归因子的动态模型。
- 材料陈述的贡献
- 摘要称，这两项扩展带来了明显的样本内拟合改善；其明确报告的实证贡献是拟合表现，未报告样本外预测改善的证据。
- 阅读关注点
- 核对第四个潜在因子的动态设定与识别、GARCH波动率的进入方式，以及拟合比较的基准、参数数量和样本外预测评价。
- 阅读边界
- 摘要报告的是样本内拟合改善，未说明样本外预测表现、估计不确定性或模型稳定性，不能据此确认预测优势。
原文摘要
In this article we introduce time-varying parameters in the dynamic Nelson–Siegel yield curve model for the simultaneous analysis and forecasting of interest rates of different maturities. The Nelson–Siegel model has been recently reformulated as a dynamic factor model with vector autoregressive factors. We extend this framework in two directions. First, the factor loadings in the Nelson–Siegel yield model depend on a single loading parameter that we treat as the fourth latent factor. Second, we specify the overall volatility as a generalized autoregressive conditional heteroscedasticity (GARCH) process. We present empirical evidence of considerable increases in within-sample goodness of fit for these advances in the dynamic Nelson–Siegel model.