改进Diebold & Li两步法的Nelson-Siegel模型——基于遗传算法与最小二乘法交叉运用

Nelson-Siegel利率期限结构模型指数部分的衰减参数通常根据Diebold&Li的两步法、遗传算法或非线性最小二乘法估计,这会导致拟合误差偏大或估计结果不稳定。本文提出用遗传算法与最小二乘法交叉迭代的方法来改进Diebold&Li两步法对Nelson-Siegel利率期限结构模型参数的估计,并与Diebold&Li两步法和遗传算法进行实证比较。实证结果表明,用改进的两步法不仅能提高样本内模型的拟合优度,还能降低样本外模型的定价误差,特别是对于较长期限的债券数据,改进的两步法的模型估计效果明显好于Diebold&Li两步法和遗传算法。