Dynamic Nelson-Siegel

机器学习在债券收益率曲线预测中优于传统模型

一篇新的研究论文探讨了机器学习（ML）技术在预测美国和欧洲政府债券期限结构方面的应用。该研究将动态Nelson-Siegel（DNS）和主成分分析（PCA）等传统计量经济学模型与各种神经网络（NN）架构进行了比较。通过纳入宏观经济变量，研究结果表明，在预测准确性和投资组合表现方面，神经网络均持续优于传统方法。对于美国市场，结合了DNS因子和用于宏观经济特征的自动编码器的直接预测神经网络被证明是最有效的；而对于欧洲市场，使用PCA因子且…