Bayesian inference for term structure models

• Autor(a) principal: Martins, Thomas Correa e Silva
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: eng
• Título da fonte: Repositório Institucional da UFSCAR
• Texto Completo: https://repositorio.ufscar.br/handle/ufscar/16576
• topic: Inferência bayesiana; Modelos afins de taxas de juros; Modelos espaço de estados; Nelson-Siegel dinâmico; Precificação de ativos; Bayesian inference; Affine interest rate models; State space time series; Dynamic Nelson-Siegel; Asset pricing; CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA; CIENCIAS SOCIAIS APLICADAS::ECONOMIA::METODOS QUANTITATIVOS EM ECONOMIA; CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS; CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA EM PROCESSOS ESTOCASTICOS; CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA PARAMETRICA; CIENCIAS SOCIAIS APLICADAS::ECONOMIA::METODOS QUANTITATIVOS EM ECONOMIA::METODOS E MODELOS MATEMATICOS, ECONOMETRICOS E ESTATISTICOS; CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADAS

We explore recent advances in Bayesian methods in order to estimate the Vasicek, CIR and dynamic Nelson-Siegel (DNS) models for term structure of interest rates. The models are specified as state space time series. The main goal of this work is assessing and comparing the forecasting abilities of each model with respect to the observed data via mean absolute error. When estimated with synthetic simulated datasets, the models are able to successfully recover the latent vectors. As for the forecasting abilities, the multifactor models generally deliver the best predictions. The relevance of this work lies in integrating novel computational techniques for Bayesian inference with canonical models from the field of financial economics. Several aspects of both fields are discussed throughout the text.