加载中...
本文提出在HJM约束下的无套利深度学习框架,通过将累积超额收益(AER)作为训练正则化项,并在可微分的KF/EKF/PF滤波器闭环内以LSTM/CLSTM学习时间变参数,实现对国债与公司债的价格与收益率短中期(1日、5日)预测;实证表明AER在短端、尤其是5日预测上带来最大改进(提高bid–ask命中率并降低美元计价误差).
| 指标 | KF(AER=0) | KF(AER=1) |
|---|---|---|
| 5-day yield MAE (bps) @3M | 9.04 | 5.61 |
| 5-day price MAE (USD) overall | 0.443 | 0.363 |
| hit rate (≤ $0.10) 5-day | 32.66% | 40.30% |
引言与元数据(报告概览)
逐节深度解读 — 结构与逐章分析
图表深度解读(每幅图/表逐一说明与解读)
预测框架与滤波方法(Section 3)
图表深度解读 — 评估指标、主要实证结果与图表
估值/方法学层面的解析与解释
风险因素评估与作者识别的局限
批判性视角与细微差别
结论性综合(关键发现与对图表/表格的综合)
补充建议(基于报告内容的自然延伸)
附:在本文分析中所引用的重要页码来源于原文中对应段落或图表,分别标注于句末以便溯源与复核(本分析所述事实、数据点与解释均可在相应页码处在原文中找到).
2511.17892.pdf