[en] A HIERARCHICAL FACTOR MODEL FOR THE JOINT PREDICTION OF CORPORATE BOND YIELDS

[pt] MODELO HIERÁRQUICO DE FATORES PARA A PREVISÃO CONJUNTA DAS ESTRUTURAS A TERMO DAS TAXAS DE JUROS DE CORPORATE BONDS

[pt] URSULLA MONTEIRO DA SILVA BELLOTE MACHADO

[pt] ESTRUTURA A TERMO

[pt] MODELOS DE PREVISAO

[pt] MODELO DE FATORES

[pt] TAXA DE JUROS

[en] TERM STRUCTURE

[en] FORECASTING METHODS

[en] FACTOR MODELS

[en] INTEREST RATE

[pt] O objetivo deste trabalho é a construção de um modelo integrado para previsão da estrutura a termo da taxa de juros, referentes a títulos corporativos americanos para diferentes níveis de risco. A metodologia é baseada no modelo de Nelson e Siegel (1987), com extensões propostas por Diebold e Li (2006) e Diebold, Li e Yue (2008). Modelamos a estrutura a termo para 14 níveis de risco e estimamos conjuntamente os fatores latentes de nível e inclinação que governam a dinâmica das taxas, para a posterior estimação de dois super fatores, que por sua vez, conduzem a trajetória de cada fator, onde está centrada a nossa principal inovação. A previsão da curva de juros é então construída a partir da previsão dos super fatores, modelados por processos auto-regressivos, como sugere Diebold e Li (2006). Através dos super fatores extrapolados da amostra reconstruímos, na forma da previsão, os fatores latentes e a própria taxa de juros. Além da previsão fora da amostra, comparamos a eficiência do modelo proposto com o modelo mais tradicional da literatura, o passeio aleatório. Pela comparação, não obtivemos ganhos significativos em relação a esse competidor, principalmente na previsão um passo a frente. Resultados melhores foram obtidos aumentando o horizonte de previsão, mas não sendo capaz de superar o passeio aleatório.

[en] This dissertation constructs an integrated model for interest rate term structure forecast for American corporate bonds associated with different risk levels. Our methodology is primarily based on Nelson and Siegel (1987) and presents extensions proposed in Diebold and Li (2006) and Diebold, Li and Yue (2008). We model the term structure for 14 risk levels and we jointly estimate the level and slope latent factors that drive interest rates dynamics. These factors are then used in the estimation of two super factors which is our main innovation. The yield curve forecast is then determinate from the forecast of the super factors, described by autoregressive processes, as suggested by Diebold and Li (2006). Through the super factors forecast, reconstructed in the form of forecasting the latent factors and their own interest rate. Our results focus on the model’s out of sample forecast and efficiency compared with the random walk model, considered the benchmark model in this type of literature. Our results provide evidence that the proposed models shows no significant gains in relation to the benchmark, especially in predicting one month ahead. Better results were obtained by increasing the forecast horizon, but not being able to overcome the random walk.

CRISTIANO AUGUSTO COELHO FERNANDES

LUCIANO VEREDA OLIVEIRA

CRISTIANO AUGUSTO COELHO FERNANDES

LUCIANO VEREDA OLIVEIRA

JOSE VALENTIM MACHADO VICENTE

2012-05-17

2011-09-14

[pt] TEXTO

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=19535@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=19535@2

https://doi.org/10.17771/PUCRio.acad.19535