国债收益率预测的VAR-LSTM框架

摘要：

国债收益率为金融市场基准利率,对其预测研判非常重要.文章基于深度学习中的长短记忆神经网络(LSTM)模型,结合向量自回归方法(VAR),创新地构建出VAR-LSTM框架,共同使用宏观经济变量预测值和序列滞后项作为输入因子,解决了传统LSTM模型拟合结果“平行错位”的问题,显著提高了预测精度.结果 表明,对于国债收益率序列,ARIMA模型的预测精度高于一般的LSTM方法,而VAR-LSTM模型则优于ARIMA模型,其在训练集和测试集的预测误差分别降低了约55％和50％,变化方向预测准确度分别提高了约5％和8％,具有更高的应用价值.

关键词：国债收益率、深度学习、宏观经济指标、VAR-LSTM

所属期刊栏目：37

分类号：C81(统计方法)

资助基金：国家自然科学基金;中国博士后科学基金;广西壮族自治区科技重大专项

在线出版日期：2021-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：148-152