该文探讨了收益率曲线的动量及其来源，强调收益率变化而非超额持有收益是债券回报的主要驱动因素。研究发现，短期债券在收益率趋势方面的动量效应比长期债券更为显著。此外，FOMC利率变动对长期债券的影响小于短期债券，这与传统模型对长期债券定价不充分的观点相呼应。
| 题目 | Yield Curve Momentum |
|---|---|
| 论文链接 | 论文pdf链接 |
| 发表时间 | April 12, 2022 |
| 论文作者 | Markus Sihvonen |
论文简介
文章介绍了收益率曲线的momentum，并解释了这种动量的来源（即收益率level自身的autocorrelation）。同时还简单研究了一下FOMC公布利率后，是否有surprise作为condition后的regression表现。
文章比较老生常谈，但是他直接给出了bond return的直观表达，可以作为参考。
论文笔记
- bond return的autocorrelation大部分来源于yield change而不是excess carry，也就是作者提到的curve momentum
- bond return representation， 即从t到t+1时刻，在t时刻剩余期限为n的bond的return来源。
- y t n y_t^n ytn是债券在t时刻，剩余期限为n的收益率（yield）
- 第一项是未来在t+1时刻的bond的discount价格
- 第二项是当前t时刻 bond的价格
- 最后一项是t到t+1时刻所需要的financing的价格
r t + 1 n = − ( n − 1 ) y t + 1 n − 1 + n y t n − y t 1 r_{t+1}^n = -(n-1)y^{n-1}_{t+1} + ny^{n}_t - y^1_t rt+1n=−(n−1)yt+1n−1+nytn−yt1
- 另一种解释是第一项是认为期限结构不会发生任何改变时，这个bond的excess carry，而第二个部分则是yield change （也就是n-1
期限上yield的change）。 可想而知，收益应该主要是来自于第二项，也就是yield change，也就是level change
r t + 1 n = [ − ( n − 1 ) y t n − 1 + n y t n − y t 1 ] − [ ( n − 1 ) ( y t + 1 n − 1 − y t n − 1 ) ] = c t n − y c t + 1 n r_{t+1}^n = [-(n-1)y_t^{n-1} + ny_t^n - y_t^1] - [(n-1)(y_{t+1}^{n-1} - y_t^{n-1})] = c^n_t - yc_{t+1}^n rt+1n=[−(n−1)ytn−1+nytn−yt1]−[(n−1)(yt+1n−1−ytn−1)]=ctn−yct+1n - 研究autocorrelation现象的时候，就可以对这几项进行拆分，拆分成两部分：只随时间的变化项（ f ( t , t 1 ) f(t, t_1) f(t,t1)）和一个时刻的snap shot的变化量（ g ( n , t ) g(n, t) g(n,t))， 然后对于拆分量计算covariance，就可以分析不同项的autocorrelation，同时可以根据covariance的scale来判断究竟是那个变化量引起了最终的变化。也就是波动率在因子上的载荷。
- 文章提到了长期的bond受到FOMC的远远不及短期的bond，原文提到“Brooks et al. (2019) find that longer term bond yields repond sluggishly to changes in the federal funds target rate”。同时对于equity markets有同样的patern （Neuhierl and Weber (2018))。
- 传统模型认为长期的bond可能有很多的东西还没有被price in，因此有一些carry和rolldown在里面
- 文章发现，短期的bond自身的curve trend比长期的momentum回归系数要显著的多
其他参考
- Brooks and Moskowitz 2017 提到bond return来源于value, momentum and carry (三因子回归）
扫一扫
6119
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
