基于 HJM 约束的无套利债券与收益率曲线预测——神经滤波器方法
数理金融
2025-11-25 v1 机器学习
计算金融
机器学习
摘要
我们构建了一个基于 Heath-Jarrow-Morton（HJM）期货结构模型和动态 Nelson-Siegel 前沿率参数化的无套利深度学习框架，用于收益率曲线和债券价格预测。我们的ethods 将无套利漂移限制嵌入神经状态空间架构中，通过结合卡尔曼滤波、扩展卡尔曼滤波和粒子滤波器与循环神经网络（LSTM/CLSTM），并在训练中引入显式的套利错误正则化（AER）项。该模型应用于美国国债和企业债数据，其性能在收益率空间和价格空间进行了 1 天和 5 天的预测评估。经验上，套利正则化在短期期限上取得最佳改进，尤其是在 5 天预报中，通过 bid-ask 命中率等指标衡量的市场一致性提升，降低了以美元计价的预测误差。
引用
@article{arxiv.2511.17892,
title = {Arbitrage-Free Bond and Yield Curve Forecasting with Neural Filters under HJM Constraints},
author = {Xiang Gao and Cody Hyndman},
journal= {arXiv preprint arXiv:2511.17892},
year = {2025}
}
备注
31 pages, 17 figures