SPDEベースモデルによる金利予測の改善

本論文は、動的Nelson-Siegel（DNS）モデルの残差を確率偏微分方程式（SPDE）を用いてモデル化することにより、期間構造予測を改善する新しいアプローチを紹介しています。これにより、より柔軟な共分散構造とスケーラブルなベイズ推論が可能になり、予測精度と債券ポートフォリオ管理における経済的有用性が向上します。残差をモデル化するためにSPDEを使用することは、データ内の複雑な依存関係を捉え、確立されたモデルのパフォーマンスを向上させる方法を提供する重要な革新です。

• •SPDEを使用した動的Nelson-Siegel（DNS）モデルへの新しい拡張を提案。
• •SPDEは、柔軟な共分散構造とスケーラブルなベイズ推論を可能にする。
• •SPDEベースのモデルは、点予測と確率的予測の両方を改善する。
• •このモデルは、債券ポートフォリオ管理において経済的に意味のある効用向上を生み出す。
• •SPDE残差を組み込むことで、測定誤差の依存関係が減少する。