PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.26815v1q-fin.PM

데이터 기반 듀레이션 관리 — 머신러닝을 활용한 만기 구조 예측

Data-Driven Duration Management -- Term Structure Forecasting Using Machine Learning

미국·유럽 무이표 정부채 만기 구조 예측에서 Dynamic Nelson-Siegel(DNS), 주성분 분석(PCA) 등 고전 모델과 다양한 신경망(NN) 아키텍처를 비교하고, RMSE·MAE·방향 정확도와 채권 거래 전략 성과를 결합한 평가 프레임워크를 제안한다. NN은 예측 정확도와 포트폴리오 성능 모두에서 전통 모델을 일관되게 능가했으며, 미국에서는 DNS 요인과 오토인코더(AE)로 거시경제 특성을 추출한 직접 예측 NN, 유럽에서는 거시경제 변수 없이 PCA 요인을 쓰는 요인 기반 NN이 각각 최적이었다.