《表5 排放试验对比分析：适应我国国债利率期限结构的预测方法探讨》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《适应我国国债利率期限结构的预测方法探讨》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：表中列出的是运用DS模型和LSTM神经网络在采用不同预测步长的情况下对于各个期限的收益率的预测误差，此处的预测误差用RMSE来度量。加下划线的数据表明在相同预测步长下，采用该预测方法获得的预测误差最小。

表5将DS模型和LSTM神经网络两种方法的预测结果RMSE进行了标记。对于短期、中短期的预测，LSTM更优且准确度相比DS模型大大提升。对于中长期以及长期的预测，在h=1和h=21时，LSTM神经网络的优势依然很明显；在h=126时，DS模型的预测误差相对较低。但是整体来看，当h=126时，无论采用哪种方法进行预测，结果都不如其他两种情况。综上所述，LSTM神经网络的预测效果更好，将LSTM模型引入我国国债利率期限结构的预测是成功的。