TY  - GEN
AB  - This paper proposes a novel regression-based approach to the estimation of Gaussian dynamic term structure models that avoids numerical optimization. This new estimator is an asymptotic least squares estimator defined by the no-arbitrage conditions upon which these models are built. We discuss some efficiency considerations of this estimator, and show that it is asymptotically equivalent to maximum likelihood estimation. Further, we note that our estimator remains easy-to-compute and asymptotically efficient in a variety of situations in which other recently proposed approaches lose their tractability. We provide an empirical application in the context of the Canadian bond market.
AB  - Un cadre de régression novateur permettant d’éviter l’optimisation numérique est proposé pour l’estimation de modèles dynamiques gaussiens de la structure par terme des taux d’intérêt. Ce nouvel estimateur est un estimateur des moindres carrés asymptotiques et est défini par les conditions d’absence d’arbitrage à la base de ces modèles. L’auteur analyse les caractéristiques d’efficience de son estimateur et montre que celui-ci est asymptotiquement équivalent à un estimateur du maximum de vraisemblance. De plus, il reste simple à calculer et asymptotiquement efficient dans un éventail de situations où d’autres approches récentes deviennent très difficiles à utiliser. L’auteur présente une application empirique de son cadre au cas du marché obligataire canadien.
AU  - Diez de los Rios, Antonio
DA  - 2013
DO  - 10.34989/swp-2013-10
DO  - DOI
ID  - 1635
KW  - Asset Pricing
KW  - Econometric and statistical methods
KW  - Interest rates
KW  - Évaluation des actifs
KW  - Méthodes économétriques et statistiques
KW  - Taux d'intérêt
L1  - https://www.oar-rao.bank-banque-canada.ca/record/1635/files/wp2013-10.pdf
L2  - https://www.oar-rao.bank-banque-canada.ca/record/1635/files/wp2013-10.pdf
L4  - https://www.oar-rao.bank-banque-canada.ca/record/1635/files/wp2013-10.pdf
LA  - eng
LK  - https://www.oar-rao.bank-banque-canada.ca/record/1635/files/wp2013-10.pdf
N2  - This paper proposes a novel regression-based approach to the estimation of Gaussian dynamic term structure models that avoids numerical optimization. This new estimator is an asymptotic least squares estimator defined by the no-arbitrage conditions upon which these models are built. We discuss some efficiency considerations of this estimator, and show that it is asymptotically equivalent to maximum likelihood estimation. Further, we note that our estimator remains easy-to-compute and asymptotically efficient in a variety of situations in which other recently proposed approaches lose their tractability. We provide an empirical application in the context of the Canadian bond market.
N2  - Un cadre de régression novateur permettant d’éviter l’optimisation numérique est proposé pour l’estimation de modèles dynamiques gaussiens de la structure par terme des taux d’intérêt. Ce nouvel estimateur est un estimateur des moindres carrés asymptotiques et est défini par les conditions d’absence d’arbitrage à la base de ces modèles. L’auteur analyse les caractéristiques d’efficience de son estimateur et montre que celui-ci est asymptotiquement équivalent à un estimateur du maximum de vraisemblance. De plus, il reste simple à calculer et asymptotiquement efficient dans un éventail de situations où d’autres approches récentes deviennent très difficiles à utiliser. L’auteur présente une application empirique de son cadre au cas du marché obligataire canadien.
PY  - 2013
T1  - A New Linear Estimator for Gaussian Dynamic Term Structure Models
TI  - A New Linear Estimator for Gaussian Dynamic Term Structure Models
UR  - https://www.oar-rao.bank-banque-canada.ca/record/1635/files/wp2013-10.pdf
Y1  - 2013
ER  -