国债收益率预测的VAR-LSTM框架

作者：宋鹏; 张淼^*

来源：统计与决策, 2021, 37(05): 148-152.

DOI：10.13546/j.cnki.tjyjc.2021.05.032

• 国债收益率
• 深度学习
• 宏观经济指标
• VAR-LSTM

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。

• 单位
  中国人民银行金融研究所