Robust Yield Curve Estimation for Mortgage Bonds Using Neural Networks
Sina Molavipour, Alireza M. Javid, Cassie Ye, Björn Löfdahl, Mikhail Nechaev
稳健的收益率曲线估计在固定收益市场中对于准确的工具定价、有效的风险管理和明智的交易策略至关重要。 传统方法,包括引导方法和参数化的Nelson-Siegel模型,经常与过度拟合或不稳定问题作斗争,特别是当基础债券稀疏,债券价格波动或包含难以去除的噪音时。 在本文中,我们提出了一个基于神经网络的框架,用于针对小型抵押贷款债券市场量身定制的稳健收益率曲线估计。 我们的模型每天独立估计收益率曲线,并引入新的损失功能,以强制平滑和稳定,解决与有限和嘈杂数据相关的挑战。 瑞典抵押贷款债券的经验结果表明,与Nelson-Siegel-Svensson(NSS)和Kernel-Ridge(KR)等现有方法相比,我们的方法提供了更稳健和稳定的收益率曲线估计。 此外,该框架还允许整合特定领域的制约因素,例如与无风险基准保持一致,使从业人员能够根据其需要平衡平稳性和准确性之间的权衡。
Robust yield curve estimation is crucial in fixed-income markets for accurate instrument pricing, effective risk management, and informed trading strategies. Traditional approaches, including the bootstrapping method and parametric Nelson-Siegel models, often struggle with overfitting or instability issues, especially when underlying bonds are sparse, bond prices are volatile, or contain hard-to-remove noise. In this paper, we propose a neural networkbased framework for robust yield curve estima...