Out-of-Sample Performance of Discrete-Time Spot Interest Rate Models
离散时间即期利率模型的样本外表现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：摘要直接比较未来利率的样本外密度预测，并考察GARCH对条件方差和峰度的刻画，对应预测与金融波动率方向。
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…
关注这篇论文的作者
离散时间即期利率模型的样本外表现
- 研究问题
- 在预测未来即期利率的完整概率密度时，条件异方差、厚尾、状态切换与跳跃模型的样本外表现如何，评价是否不同于条件均值预测？
- 方法与思路
- 作者比较多种离散时间即期利率模型的样本外密度预测，分别考察GARCH、厚尾、状态切换及跳跃对条件矩和边际密度刻画的作用。
- 材料陈述的贡献
- 摘要称纳入条件异方差和厚尾的模型密度预测较好；GARCH改善条件方差及峰度刻画，状态切换和跳跃改善利率边际密度刻画。
- 阅读关注点
- 读全文应核对密度预测的评分准则、样本划分、预测期限与模型比较程序，并区分条件密度、边际密度及均值预测的评价目标。
- 阅读边界
- 摘要未说明利率数据、比较模型清单、预测指标及结果的不确定性；所称改善针对密度预测，不能据此判断其他目标或样本中的优越性。
原文摘要
We provide a comprehensive analysis of the out-of-sample performance of a wide variety of spot rate models in forecasting the probability density of future interest rates. Although the most parsimonious models perform best in forecasting the conditional mean of many financial time series, we find that the spot rate models that incorporate conditional heteroscedasticity and excess kurtosis or heavy tails have better density forecasts. Generalized autoregressive conditional heteroscedasticity significantly improves the modeling of the conditional variance and kurtosis, whereas regime switching and jumps improve the modeling of the marginal density of interest rates. Our analysis shows that the sophisticated spot rate models in the existing literature are important for applications involving density forecasts of interest rates.