基于机器学习的国债收益率预测模型研究
随着利率市场化改革的持续推进,国债收益率在金融市场利率体系中的重要性更加凸显.本文分别以6月、1年和10年期国债收益率为研究对象,选用2007年12月至2021年3月间的月度数据为样本,采用ARIMA模型与多个机器学习模型以及LSTM模型对其进行预测研究.结果表明,机器学习模型在不同品种的国债收益率上的预测性能各有优劣,在全部模型中ARIMA模型对不同品种的国债收益率预测准确率为综合最低,ANN模型在6月和1年期国债收益率中预测性能为综合最佳,而SVR模型则更能准确预测10年期国债收益率.
国债收益率、ARIMA、机器学习、神经网络
F833.1;TP391.41;F224
2022-06-21（万方平台首次上网日期，不代表论文的发表时间）
共4页
67-70
