Adaptive dynamic Nelson–Siegel term structure model with applications
自适应动态Nelson–Siegel期限结构模型及其应用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：摘要明确研究收益率曲线的动态预测、参数变化检测及平稳与非平稳时间序列情形。
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
自适应动态Nelson–Siegel期限结构模型及其应用
- 研究问题
- 收益率曲线参数可能随政策或危机发生变化时，如何自适应识别这些变化，并改善不同预测期限下的样本外预测？
- 方法与思路
- 作者提出自适应动态Nelson–Siegel模型，通过局部估计识别稳定子样本和参数变化，并用于平稳或非平稳情形的预测。
- 材料陈述的贡献
- 摘要称，在所列美国样本的三至十二个月预测中，该模型优于比较模型，相对随机游走的预测误差指标降低20%至60%。
- 阅读关注点
- 应核对局部窗口与变化检测规则、平稳和非平稳情形的适用条件，以及预测指标、基准设定和样本外比较是否一致。
- 阅读边界
- 所给出版社摘要未说明误差指标定义、调参过程或显著性检验；特定美国样本的表现不能直接推广至其他时期或市场。
原文摘要
We propose an Adaptive Dynamic Nelson–Siegel (ADNS) model to adaptively detect parameter changes and forecast the yield curve. The model is simple yet flexible and can be safely applied to both stationary and nonstationary situations with different sources of parameter changes. For the 3- to 12-months ahead out-of-sample forecasts of the US yield curve from 1998:1 to 2010:9, the ADNS model dominates both the popular reduced-form and affine term structure models; compared to random walk prediction, the ADNS steadily reduces the forecast error measurements by between 20% and 60%. The locally estimated coefficients and the identified stable subsamples over time align with policy changes and the timing of the recent financial crisis.