Estimating the Term Structure With a Semiparametric Bayesian Hierarchical Model: An Application to Corporate Bonds
半参数贝叶斯层级模型估计利率期限结构：公司债应用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：摘要直接研究用于公司债和信用衍生品定价的利率期限结构估计。
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…
半参数贝叶斯层级模型估计利率期限结构：公司债应用
- 研究问题
- 当一家公司的可观测债券很少时，如何借助其他公司的信息估计其期限结构，并评估按公司估计相对按评级估计的准确度？
- 方法与思路
- 作者采用以狄利克雷过程混合为先验的贝叶斯层级模型，联合估计多个期限结构，通过层级关系共享信息。
- 材料陈述的贡献
- 摘要称，框架能在单家公司债券稀少时提供可靠估计，并以样本内外检验评估公司层面估计带来的准确度改善。
- 阅读关注点
- 应核对期限结构的参数化方式、跨公司信息共享机制、先验敏感性，以及样本外评价设计和按信用评级估计的比较基准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体误差指标、改善幅度和先验敏感性未说明，MCMC 细节位于补充材料。
原文摘要
The term structure of interest rates is used to price defaultable bonds and credit derivatives, as well as to infer the quality of bonds for risk management purposes. We introduce a model that jointly estimates term structures by means of a Bayesian hierarchical model with a prior probability model based on Dirichlet process mixtures. The modeling methodology borrows strength across term structures for purposes of estimation. The main advantage of our framework is its ability to produce reliable estimators at the company level even when there are only a few bonds per company. After describing the proposed model, we discuss an empirical application in which the term structure of 197 individual companies is estimated. The sample of 197 consists of 143 companies with only one or two bonds. In-sample and out-of-sample tests are used to quantify the improvement in accuracy that results from approximating the term structure of corporate bonds with estimators by company rather than by credit rating, the latter being a popular choice in the financial literature. A complete description of a Markov chain Monte Carlo (MCMC) scheme for the proposed model is available as Supplementary Material.