Yield Curve Prediction with Machine Learning: Forecasting Approaches and the Role of Macroeconomic Predictors
创建于 更新于
摘要
本文基于美国零息国债收益率与FRED-MD宏观数据，比较直接收益率模型和DNS(S)因子模型在机器学习框架下的收益率曲线预测能力，并通过交易模拟评估经济价值。结果显示，超越随机游走的优势主要集中在短期限和曲线斜率预测，且随预测期限延长而减弱；直接收益率模型在短期及斜率预测中更具优势，因子模型则在较长期限的单期限预测中更具竞争力。宏观变量具有显著增量预测能力，尤其集中于斜率和短端变动；PSO优化的时变衰减参数虽改善样本内拟合，却未带来稳定的样本外预测提升。交易结果进一步表明，统计预测精度与经济收益并不一致，宏观增强模型在斜率交易中表现突出。[page::0][page::3][page::25][page::26][page::27][page::31][page::40][page::41]
