中国国债利率预测模型的比较

发布时间：2020-09-07 14:45

　　无风险利率是金融市场各类资产定价的关键变量,而国债收益率是这类基准无风险利率的代表。对我国国债利率进行合理有效地预测能够对固定收益投资、资产组合配置等起到良好的指导作用。目前,国内在利率期限结构及预测模型方面所做的工作与国外相比还有很大的差距:一方面是因为我国债券市场还不够成熟,利率水平受各种非市场化因素影响大;另一方面也与数据质量、研究工具的匮乏等有关。不过,随着利率市场化及债市的逐步开放,对利率曲线进行研究有越来越强的实际意义。本文的主要内容分为收益率曲线的因子分解、宏观金融模型、利率衍生品与收益率曲线的联系三部分。第一部分,本文通过两类不同的方式对利率期限结构进行因子分解:第一类采用主成分分析,分析表明三个独立因子可以代表曲线99%以上信息;第二类采用Nelson-Siegel参数模型,通过拟合的方式获得参数变量。这两类模型的因子不具有对应关系,但在国债利率预测的准确性上表现相似。宏观金融模型意在分析宏观金融指标与收益率曲线的联系,并将前瞻性指标纳入利率预测的模型框架。这些指标可分为实体经济、价格水平、货币政策、相关金融市场四大类,每一类有若干细分指标。通过各类细分指标与收益率曲线因子的格兰杰因果检验和联合Wald统计,确定了因子间联动关系,并最终将实体经济和价格水平的第一主成分纳入构成利率预测的宏观金融模型。利率衍生品使用了国债期货和利率互换的数据,意在比较利率衍生品上市以来是否对现货的价格发现起到作用。通过相关性分析和格兰杰因果检验,发现国债期货滞后于现货、利率互换与现货同步变动。本文在实证检验部分通过向量自回归(VAR)模型对上述模型进行了样本内拟合和样本外预测,并通过DM检验判断预测准确性差异是否显著。结果表明,简单的收益率因子模型在中短期预测准确性较高,而宏观金融模型在长期预测时准确性较高,利率衍生品数据无法提高利率预测准确性。
【学位单位】：上海交通大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F832.51
【部分图文】：

时间序列,收益率,时间序列,因子

4.3 宏观金融模型4.3.1 宏观因子的提取在上一节的回归分析中，我们发现宏观金融因子与收益率三因子之间存在非常有趣的关联：实体经济主要影响收益率曲线的凸度，价格水平主要影响曲线水平位置，而货币政策主要影响曲线斜率。美元指数对国债利率的影响并不直观，有研究指出美元指数下跌对中国形成输入型通货膨胀，进一步通过价格水平的渠道影响国债利率曲线，因此美元指数与国债水平因子呈现出负相关关系。在本节宏观因子的构建中，将通过主成分分析并提取第一主成分的方式综合每一大类宏观指标的信息。这种处理方式的优点在于可尽可能多地利用所有指标的信息，同时显著减少了因子数目。由于相关金融市场指标中仅美元指数回归显著，且美元指数更多地通过价格水平影响收益率曲线，因此在后续分析中暂不考虑这一板块的影响。图 4- 1 为 Nelson-Siegel 模型下收益率三因子及实体经济、价格水平、货币政策三个宏观因子的时间序列图。

曲线,脉冲响应,收益率,相关系数

在 10%的显著性水平下价格因子对水平和凸度因子回归（ 5、 5）显著。表 4- 15 宏观金融模型 VAR(1)回归系数及显著性Table 4-15 Regression coefficients and test of significance for macro VAR(1)自变量 Level Slope CurvatureLevel(-1)相关系数 0.7165 0.2238 0.5701T 值 [ 9.9989] [ 2.6407] [ 2.8984]Slope(-1)相关系数 -0.0433 0.9758 0.1592T 值 [-1.1062] [ 21.0816] [ 1.4822]Curvature(-1)相关系数 0.0354 0.0274 0.7243T 值 [ 1.4026] [ 0.9185] [ 10.4605]Economic(-1)相关系数 0.0361 -0.0129 -0.0210T 值 [ 1.3607] [-0.4107] [-0.2886]Price(-1)相关系数 0.0509 -0.0320 -0.2258T 值 [ 1.8277] [-0.9717] [-2.9536]图 4- 3 为宏观因子对收益率三因子的脉冲响应，从初期的传导效应来看，实体经济和价格水平因子的一个正向冲击会引起收益率水平位置上升、曲线变陡、曲线变弯。

【参考文献】