《表1 模型在回归系数矩阵的七种可选择约束下的拟合优度统计量》

  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

《货币政策对国债利率期限结构的影响机制——基于预期渠道和溢价渠道双重视角的实证分析》

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

其次，从前文的论述可知，状态因子在现实测度P下的均值回归系数矩阵K是导致小样本偏差问题以及决定国债利率分解结果的关键参数，因此有必要继续对其施加约束。由于状态因子的波动率矩阵∑与国债的利率预期无关，因此不影响国债利率的分解结果。为了简便起见，可以先将其约束为对角矩阵。接下来，本文采取从一般到特殊的策略，将K中最不显著的参数约束为0，表1报告了具体过程。表1的第一列描述了7种可供选择的参数约束，参数约束的数量从1到7逐渐增加。其中，参数约束〈1〉是最灵活的设定，即K为无约束的3×3阶矩阵；参数约束〈7〉是最简洁的设定，即K为对角矩阵。先基于参数约束〈1〉对模型进行估计（1），结果显示参数κ32最不显著，因此本文在参数约束〈2〉中将κ32约束为0；再对模型进行估计，结果显示参数κ12最不显著，因此本文在参数约束〈3〉中将κ32和κ12都约束为0。按照这种策略一直迭代下去，直到参数约束〈7〉。表1的第二列至第六列依次报告了模型中基于7种参数约束的拟合优度统计量，包括对数似然函数值、参数个数、似然比检验的p值[参数约束（s）与参数约束（s-1）相比较]以及Akaike信息准则（AIC）和Bayes信息准则（BIC）。比较发现，参数约束〈5〉和参数约束〈7〉可以分别最小化AIC和BIC，在表1中AIC和BIC的最小值用下划线标出。进一步比较似然比检验的结果，在参数约束〈6〉之前，模型的样本拟合能力没有显著差异；从参数约束〈6〉开始，模型的样本拟合能力发生了显著下降（在10%的显著性水平下）。因此，本文放弃参数约束〈7〉，选择参数约束〈5〉作为K的最优参数约束，即: