【光大固收】引入混合神经网络的中长期国债收益率预测——量化学习笔记之二

主要观点总结

本文介绍了光大证券固收研究团队关于中长期国债收益率预测的报告。报告通过构建单一神经网络模型和混合神经网络模型，使用历史数据预测未来中长期的国债收益率走势。报告指出，单一GRU模型的综合预测表现最佳，预测时间跨度越长，模型对收益率变化方向预测的准确性越高。基于最优模型的预测，十年期国债收益率在2026年将有下行趋势。同时，报告也提出了模型存在的风险。

关键观点总结

关键观点1: 研究背景

光大证券固收研究团队运用神经网络模型预测中长期国债收益率，报告涉及单一神经网络模型和混合神经网络模型的构建与对比。

关键观点2: 研究方法

报告使用历史数据，通过构建神经网络模型进行训练，评估模型对中长期国债收益率的预测效果。

关键观点3: 研究结果

报告指出单一GRU模型的综合预测表现最佳，预测时间跨度越长，模型对收益率变化方向预测的准确性越高。基于最优模型的预测，十年期国债收益率在2026年将呈现下行趋势。

关键观点4: 风险提示

报告指出了模型存在的风险，包括预测误差、过拟合风险以及市场结构性变化时的适应性不足。