Yield Curve Forecasting using Machine Learning and Econometrics: A Comparative Analysis

작성자

Haebom

카테고리

Empty

저자

Aman Singh, Tokunbo Ogunfunmi, Sanjiv Das

💡 개요

본 연구는 47년간의 미국 국채 수익률 곡선 데이터를 대상으로 시계열 예측 성능을 평가하기 위해 계량경제학, 전통적인 머신러닝, 딥러닝 방법론을 비교 분석합니다. 다양한 머신러닝 알고리즘, 특히 딥러닝 모델들을 수익률 곡선 예측에 적용한 결과, ARIMA 및 전통적인 계량경제학 모델이 대부분의 기간에서 우수한 성능을 보였습니다. 머신러닝 모델 중에서는 TimeGPT, LGBM, RNN이 가장 뛰어난 성과를 나타냈습니다.

🔑 시사점 및 한계

•

전통적인 계량경제학 모델이 복잡한 머신러닝 모델보다 수익률 곡선 예측에서 여전히 강력한 성능을 유지할 수 있습니다.

•

딥러닝 모델 중 TimeGPT, LGBM, RNN은 다른 머신러닝 기법들보다 더 나은 예측력을 보여주었으며, 특히 시계열 예측을 위해 설계된 모델들이 유망합니다.

•

딥러닝 모델에 사용할 입력 데이터의 정상성(stationary) 또는 비정상성(non-stationary)에 대한 탐색은 향후 모델 성능 개선에 중요한 요인이 될 수 있습니다.

•

특정 기간을 제외하고는 계량경제학 모델이 머신러닝 모델을 능가했으며, 이는 머신러닝 모델의 일반화 성능에 대한 추가적인 연구가 필요함을 시사합니다.

PDF 보기

Made with Slashpage