مقاله یک مدل نلسون-سیول کوانتیل

چکیده

A widespread approach to modelling the interaction between macroeconomic variables and the yield curve relies on three latent factors usually interpreted as the level, slope, and curvature (Diebold et al., 2006). This approach is inherently focused on the conditional mean of the yields and postulates a dynamic linear model where the latent factors smoothly change over time. However, periods of deep crisis, such as the Great Recession and the recent pandemic, have highlighted the importance of statistical models that account for asymmetric shocks and are able to forecast the tails of a variable’s distribution. A new version of the dynamic three-factor model is proposed to address this issue based on quantile regressions. The novel approach leverages the potential of quantile regression to model the entire (conditional) distribution of the yields instead of restricting to its mean. An application to US data from the 1970s shows the significant heterogeneity of the interactions between financial and macroeconomic variables across different quantiles. Moreover, an out-of-sample forecasting exercise showcases the proposed method’s advantages in predicting the yield distribution tails compared to the standard conditional mean model. Finally, by inspecting the posterior distribution of the three factors during the recent major crises, new evidence is found that supports the greater and longer-lasting negative impact of the great recession on the yields compared to the COVID-19 pandemic.

چکیده به فارسی (ترجمه ماشینی)

یک رویکرد گسترده برای مدل سازی تعامل بین متغیرهای کلان اقتصادی و منحنی عملکرد به سه عامل نهفته متکی است که معمولاً به عنوان سطح ، شیب و انحنای تعبیر می شود (Diebold et al. ، 2006).این رویکرد ذاتاً روی میانگین مشروط بازده متمرکز شده و یک مدل خطی پویا را فرض می کند که در آن عوامل نهفته با گذشت زمان تغییر می کند.با این حال ، دوره های بحران عمیق ، مانند رکود بزرگ و همه گیر اخیر ، اهمیت مدلهای آماری را که شوک های نامتقارن را به خود اختصاص داده اند برجسته کرده و قادر به پیش بینی دم توزیع یک متغیر هستند.نسخه جدیدی از مدل سه عاملی پویا برای پرداختن به این مسئله بر اساس رگرسیون کوانتین ارائه شده است.رویکرد جدید از پتانسیل رگرسیون کمی برای مدل سازی کل توزیع (مشروط) بازده به جای محدود کردن به میانگین آن استفاده می کند.برنامه ای برای داده های ایالات متحده از دهه 1970 ناهمگونی قابل توجهی از تعامل بین متغیرهای مالی و کلان اقتصادی را در مقادیر مختلف نشان می دهد.علاوه بر این ، یک تمرین پیش بینی خارج از نمونه ، مزایای روش پیشنهادی را در پیش بینی دم توزیع عملکرد نسبت به مدل میانگین مشروط استاندارد نشان می دهد.سرانجام ، با بازرسی از توزیع خلفی سه عامل در طی بحران های مهم اخیر ، شواهد جدیدی پیدا شده است که از تأثیر منفی بیشتر و طولانی تر رکود بزرگ بر بازده در مقایسه با همه گیر Covid-19 پشتیبانی می کند.