Phân tích thành phần dữ liệu lãi suất Yen Nhật qua hồi quy địa phương

RITEI SHIBATA1, RYOZO MIURA2
1Department of Mathematics, Keio University, Kohoku, Yokohama, Japan
2Department of Commerce, Hitotsubashi University, Kunitachi, Tokyo, Japan

Tóm tắt

Bảy loại lãi suất Yen Nhật khác nhau được ghi nhận hàng ngày trong khoảng thời gian từ năm 1986 đến năm 1992 được phân tích đồng thời. Bằng cách giới thiệu một khái niệm mới về 'xu hướng ngắn hạn', chúng tôi phân tách mỗi chuỗi lãi suất thành ba thành phần: 'xu hướng dài hạn', 'xu hướng ngắn hạn' và 'không đều đặn'. Việc phân tách này được thực hiện thông qua kỹ thuật làm mượt lowess hai bước. Sau đó, một mô hình tự hồi quy đa biến (MAR) được phù hợp với chuỗi thời gian có giá trị vector được hình thành từ việc kết hợp các thành phần không đều đặn đó. Việc phân tách và phù hợp mô hình MAR cho kết quả khá thỏa đáng. Điều này cho phép chúng tôi hiểu rõ hơn về các khía cạnh khác nhau của chuỗi lãi suất từ các xu hướng, hệ số MAR (2) và các phần dư của nó. Kết quả này được so sánh với phân tách thông qua sabl và những lợi thế của quy trình của chúng tôi sẽ được chứng minh liên quan đến các mô hình tham số khác như ARCH hoặc GARCH. Dựa vào sự phân tách, chúng tôi có thể có dự đoán hàng ngày tốt hơn và dự báo dài hạn ổn định hơn.

Từ khóa

#lãi suất #Yen Nhật #hồi quy địa phương #mô hình tự hồi quy đa biến #dự đoán dài hạn

Tài liệu tham khảo

Becker, R.A., Chambers, J.M. and Wilks, A.R. (1988), The New S Language, Wadsworth, California.

Beveridge, S. and Nelson, C. (1981), A New Approach to Decomposition of Economic Time Series into Permanent and Transitory Components with Particular Attention to Measurement of the Business Cycle, Journal of Monetary Economics, 7, 131–174.

Cleveland, W.S. (1979), Robusts Locally Weighted Regression and Smoothing Scatterplot, J. Am. Statist. Assoc., 74, 829–836.

Cleveland, W.S., Devlin, S.J., Schapira, D.R. and Terpenning, I.J. (1981), The SABL seasonal and calendar adjustment package, Computing Information Library, Bell Laboratories.

Cleveland, W.S. and Devlin, S.J. (1982), Calendar Effects in Monthly Time Series: Modeling and Adjustment, J. Am. Statist. Assoc., 77, 520–528.

Cleveland,W.S. and Devlin, S.J. (1988), LocallyWeighedRegression: an Approach toRegression Analysis by Local Fitting, J. Am. Statist. Assoc., 83, 596–610.

Cochrane, J. (1988), How Big is the Random Walk in GNP?, J. Political Economy, 96, 893–920.

Duffie, D. (1992), Dynamic Asset Pricing Theory, Chapter 7, Princeton University Press, Princeton.

Enders, W. (1995), Applied Economic Time Series, John Wiley and Sons.

Fama, E. and Roll, R. (1968), Some Properties of Symmetric Stable Distributions, J. Am. Statist. Assoc., 63, 817–836.

Fama, E. and Roll, R. (1971), Parameter Estimates for Symmetric Stable Distributions, J. Am. Statist. Assoc., 66}, 331–3

Morgan Guaranty Trust Company (1994), Risk Metrics. Technical Document, 2nd ed., J.P. Morgan, New York.

Mandelbrot, B. (1963), The Variation of Certain Speculative Prices, J. Business,36, 394–419.

Miura, R. and Kishino H. (1995), Pricing of Bonds and their Derivatives with Multi-Factor Stochastic Interest Rates: A Note, in Nonlinear and Convex Analysis in Economic Theory, eds. T. Maruyama and W. Takahashi, Lecture Notes in Economics and Mathematical Systems, 419, 215–229, Springer.

Nelson, C. and Plosser, C. (1982), Trends and Random Walks in Macroeconomic Time Series, J. Monetary Economics, 10, 129–162.

Quah, D. (1992), The Relative Importance of Permanent and Transitory Components: Identifi-cation and Some Theoretical Bounds, Econometrica}, 60, 119–143.

Shiba, T. and Takeji, Y. (1994), Asset Price Prediction Using Seasonal Decomposition, Financial Engineering and the Japanese Markets, 1, 37–53.

Shibata, R., Miura, R. and Uchida, K. (1993), Decomposition of interest rate series through local regression, Proceedings of the Annual Meeting of the Japan Statistical Association.