中国国债收益率曲线与货币政策

中国国债收益率曲线与货币政策(一)引言：中国国债收益率曲线与货币政策国债收益率曲线是指不同到期期限的国债收益率所组成的19811999Hermite中债登公司旗下的中国国债收益率曲线已然成为了中国国债市货币政策是指中央银行通过调节货币供应量和利率水平等泰勒规则为代表的货币政策规则所需要的核心变量。例如中央银行通过控制短期利率和货币供应量来影响市场上的虽然过去很长一段时间内我国货币政策操作都是以数量型价格型货币政策工具在我国宏观调控中发挥着越来越重要的作率曲线能够为货币政策的制定提供何种信息以及货币政策如何通过国债收益率曲线进行传导这两个关键问题进行深入研究，这(二)国债收益率曲线对关键宏观信息的预测一、文献综述国内外已有大量研究指出国债收益率曲线蕴含着一定的经代西方学者就发现了美国国债收益率曲线对于未来通货膨胀具有预测作用，关于未来通货膨胀的信息主要集中在912（Browne和Manasse1990）Estrella和Hardouvelis（1991）进一步肯定了长短期利差对于经济增长的（一年内（Rudebusch和收益率曲（DewachterLyrio，2006）。国内研究者也指出了我国国债收益率曲线对于宏观经济具与数据的局限性，在总体上对于货币政策制定的参考价值有限。因此本子课题首先拟采用前人研究中较为完备成熟的模型框架来全面分析中国国债收益率曲线对未来经济增长与通货膨胀等核心经济指标的预测能力，以期为前瞻性货币政策的制定提供可靠参考。二、实证检验本部分将首先检验中国国债收益率曲线是否对宏观经济中最为重要的两项指标——通货膨胀与经济增长具有预测作用。参照前人研究（EstrellaandHardouvelis1991），本报告首先构建了如下回归分析模型分析中国国债收益率曲线对经济增长的预测能力：其中表示当期经济增速，表示当期长短期利差,表示未来kGDP310率作为长短期利率来计算利差。数据选取为20022022年二季度的季度数据，数据来源为万德数据库。表1中国国债收益率长短期利差对经济增速的预测k:123456利差0.947*1.664***1.892***2.344***2.280***1.320**(0.51)(0.57)(0.61)(0.63)(0.62)(0.62)当期gdp增速0.620***0.433***0.301***0.070.180.435***(0.09)(0.10)(0.11)(0.12)(0.12)(0.12)Constant0.022**0.030***0.039***0.054***0.045***0.033***(0.01)(0.01)(0.01)(0.01)(0.01)(0.01)Observations81.0080.0079.0078.0077.0076.00AdjustedR20.440.310.24789101112利差1.838***1.595**1.743***1.925***1.346**1.14(0.60)(0.61)(0.59)(0.64)(0.67)(0.69)当期gdp增速0.406***0.427***0.482***0.478***0.546***0.564***(0.12)(0.12)(0.12)(0.17)(0.18)(0.19)Constant0.029***0.030***0.023**0.020.020.02(0.01)(0.01)(0.01)(0.01)(0.02)(0.02)Observations75.0074.0073.0072.0071.0070.00AdjustedR20.290.270.330.300.240.22Note: *p**p***p<0.01111U100bpsGDP2313。短期国债收益率则主要受到货币政策和市场流动性等因素的影展。1长出现剧烈变化时中国国债长短期利差也能作为有效的预测指标。将长期利率替换为二十年期国债收益率后主要结论基本不月的超短期或超过二十年的超长期。图1长短期利差与GDP增速 图2模型预测的GDP增速（未来1期）与实际增速其次本报告参照Mishkin(1990)的工作，构建了如下回归分析模型分析中国国债收益率曲线对通胀预期的预测能力：其中 表示当期通胀预期， 表示滞后一期的通胀预期，表示短期实际利率，表示长期利率（五年期和十年期国债收益率），数据选取为2002年一季度至2022年二季度的季度数据数据来源为万德数据库。表2中国国债收益率对通货膨胀的预测M0_M2M0_M3M0_M6M0_M9M0_M12delta_interestRateConstant-0.298***(0.11)0.001**-0.390***(0.14)0.002**-1.069***(0.22)0.006***-1.727***(0.29)0.011***-2.339***(0.34)0.015***(0.00)(0.00)(0.00)(0.00)(0.00)Observations246.00245.00242.00239.00236.00AdjustedR20.020.030.090.130.17M1_M2M1_M6M1_M9M1_M12M9_M12delta_interestRate-0.482**(0.20)-1.231***(0.36)-1.671***(0.46)-2.325***(0.56)-3.124**(1.50)Constant0.000.003**0.005***0.008***0.002*(0.00)(0.00)(0.00)(0.00)(0.00)Observations246.00242.00239.00236.00236.00AdjustedR20.020.040.050.060.01Note: *p**p***p<0.012国债收益率曲线的短端仍然对未来通货膨胀的变动具有预测作本报告发现近十年来随着国债市场的不断发展和收益率曲线编中期通货膨胀的变化也获得了预测能力，例如在上表中912越来越多的市场参与者的认可。最后本报告构建了如下回归分析模型检验了中国国债收益率曲线是否蕴含通胀预期的信息：其中表示当期通胀预期， 表示滞后一期的通胀预期表示短期实际利率，表示长期利率（五年期和十年期国债收益率20022022数据来源为万德数据库。表3收益率曲线与通胀预期通胀预期(1)(2)short_rate-0.074***(0.025)-0.070***(0.025)M600.535***(0.177)M1200.579***(0.187)infl_exp_t_minus_10.336***(0.116)0.334***(0.115)Constant -0.001-0.004(0.005)(0.006)Observations 81 81AdjustedR2 0.564 0.566*p**p***p<0.013图3中国长期国债收益率与通胀预期(三)国债收益率曲线对货币政策的传导作等货币政策工具将政策利率调整到实现货币政策目标需要的利率传导渠道对实体经济进行调控的过程可以划分为两个传导（政策实体经济的传导阶段。谜题。2004620052150（长期收益率的20066（打折扣。图4美国短期利率与长期利率：2004-2006201122.5%63.5%左右；但长39并没有明显的上升趋势——这表明中国也出现了“格林斯潘之谜”。姚余栋和李宏瑾(2011)根据这一现象首次提出了中国也20072015（长期收益率的反向变动经济的正常运行造成了一定的干扰。经济增长预期放缓以及外国央行对美国长期国债的大量购买等20112010)图5中国长短期国债收益率、存准率与贷款基准利率：2005-2021年（政策利率就能影响实体经济活动的货币政策框一、文献综述2005KimWright2005降可以部分解释“格林斯潘之谜”；Lame(2013)使用相似的方BackusWright2007)进一步证明了可能是通胀预期不确定性的下降导致了期限溢价的下降。Valcarcel(2019)明了紧缩性的货币政策在短期内会导致美国国债收益率曲线顺时针倾斜（clockwise（counterclockwisetilt），期限溢价最终会扩大。Rudebusch(2007)认为这些研究对“格林斯潘之谜”的（政策利率受货币政策影响而不断上升时长期利用的基于仿射模型对长期收益率进行分解的研究方法进行了批Rudebusch,SwansonWu(2006)将“格林斯潘之谜”界定为综合考虑到宏观因素和货币政策后长期收益率的行为仍值得注意的是，Rudebuschetal2006MacroeconomicAdvisers2005经济增长波动性下降。囿于数据可获得性，Rudebuschetal.(2006)只对第一、第四和第七点因素进行了检验。和Franz2005)构建了一个包括货币政策、通胀预期和商业周期的宏观金融模型，发现2004-2005释；BandholzClostermannSeitz2009)对该模型进行了改国长期国债的需求是“格林斯潘之谜”的成因。但Wu2005（认为的负相关）。Thornton(2018)认为美联储将联邦基金利率选作货币政策因素后美国联邦基金利率与长期国债收益率之间的实际相关性1988CoughlinThornton2022)进一步支持了这中介目标后其国内短期利率与长期利率之间的实际相关性也迅速将为零。etaletal2016)；彭方平和王少平(2007)从微观层面得出了同样的结论。同时也有研究2013etal2016)检验了我钟正生(2010)证明了利率市场化改革强化了货币政策通过货币市场进行传导的效率，郭豫媚,戴赜和彭俞超(2018)发现利率监管政策与利率传导机制方面，马骏,施康,王红林和王立升(2016)DSGE2022)检了利率传导机制存在的一些滞塞，例如钱雪松,杜立和马文涛(2015)指出体制外民营企业借款利率受政策利率影响并不显著。也有一些国内学者在金融结构对货币政策利率传导机制的200419982006)构建了一个二元金融Xiao(2020)得出的结论一致。金融脱媒是金融结构变化的20102013)都认为金融脱媒削弱了货币政策的信贷传导渠道但增强了利率传导渠道和资产负债表渠道，整体上增强了货币政策对经济的影响。但朱玲玲和胡日东(2014)的实证结果表明金融脱媒实际上抑制（例如民营企业（例如监管政策对短期利率通过银行向长期贷款利率传导的影响此本文将从这一角度出发，通过宏观金融仿射模型来研究中国方学者提出的成因在中国是否成立。二、宏观金融仿射期限结构模型Swanson,和Wu2006AngPiazzesi(2003BackusWright2007KimWright2005)。素却不被收益率曲线蕴含的信息完全解释(Joslin,Priebsch,Singleton,2014)。后文将简要说明如果不施加“宏观因子不被覆盖（unspanned）”这一约束条件，宏观金融仿射模型可能会推导出与事实相悖的结论。Duffee(2002)对仿射模型的定义是：“零息债券收益率是晰的表达市场在无套利的情况下对风险定价而形成不同期限的模型做出如下设定。假设N维状态向量F_t服从1阶向量自回归过程：(1)其中同时设短期利率是状态向量的仿函数：tn可以表示为：

(2)(3)其中 表示定价核。仿射模型假设定价核服从一种特的形式： (4)为了能够反映投资者对风险的定价是随时间变化的这一特点，假设风险的市场价格 同样是状态向量的仿射函数：(5)当恒等于零时式(3)即表示风险中性下债券的定价过程设在风险中性测（Q测度下仍然服从1阶向量自回归过程 则可以将和表示为： (7)根据Ang和Piazzesi(2003)的工作，在以上条件下，零息债券的价格可以表示为：零息债券的对数收益率可以表示为其中，。

(8)(9)(10)在因子数量的选择上，Knez,Litterman和Scheinkman(1994)发现3个潜因子就能解释期限结构的动态变化，Dai和Singleton(2000)也证明了在仿射模型中少量几个潜因子就能很好的拟合利率期限结构。因此本文参照前人研究，在状态向量中加入3个潜因子。LudvigsonNg(2009)指出宏观经济变量对债AngPiazzesi(2003)也证明了在仿射模型中加入宏观因子能够显著增强模型的预测能力。Joslin,LeSingleton(2013)认为，虽然少数潜因子能综上所述本文设其中是维的潜因子向量，是维的宏观因子向量。假设潜因子向量服从1阶向量自回归过程： (11)量之间相互正交，为单位矩阵。在宏观因子的选择上，通胀与产出是被广泛使用1的因子组考虑的因素。将产出因子记为opinfl服从p阶向量自回归过程： (12)为了能够识别，设 是下三角矩阵。记 ，则易将式(12)整理为1向量自回归过程：(13) (14)综上所述，式(1)可以整理为： (15)设宏观因子向量和潜因子向量相互正交，即和是元素全部为零的矩阵。为了识别的便利性，设 是元素全部为1AngPiazzesi2003)、PericoliTaboga2008)、BikbovChernov2010)、Joslinetal.(2013)、Lame2013)都是用了通胀和产出作为宏观因子；Bernankeetal2004)、DewachterIania(2011)、HördahlTristaniVestin2006Wolcott2020)都使用的宏观因子包括了通胀和产出。的矩阵考虑到后文在月度数据基础上建模假设为减少需要估计的参数的数量本文假设所代表的风险的市场价格只受到同期的宏观因子影响即左下角的子矩阵中对应的第3至第24列全部为零。若不对模型进一步施加约束那么根据Joslinetal.的研究以表示收益率曲线的前q个主成分,则可以将表示为 的仿射函数： (16)上式意味宏观经济中的产出和通胀可以完全由收益率曲线解释，即宏观因子被收益率序列完全覆盖。然而Ludvigson(2009)等实证研究已经证明了宏观经济的波动只有小部分能16JoslinPriebschSingleton(2014)，假设模型中宏观因子不被完全覆盖（unspanned），即： (17)式(17不再对宏观因子进行定（中对应的元素全部为零但时，模型中潜因子的市场价格又受到宏观因子的影响（）2这种假设等价于假设投资者要求的风险溢价不受到历史信息的影响。能完全解释宏观因子的波动变化。在施加上述约束后，可以重新将利率的仿射函数整理为： (18)其中 ， ， 和 服从方程组: (19)三、数据与模型估计2005120216Wind61357844对数收益率与宏观因子的描述性统计变量样本量均值标准差中位数最小值最大值yields6M1982.460.712.470.854.13yields1Y1982.560.692.590.934.00yields3Y1982.900.592.881.354.29yields5Y1983.120.523.041.964.34yields7Y1983.320.483.272.334.46yields8Y1983.380.473.332.474.58INDUS19810.566.649.25-25.8752.34CPI1981.290.951.40-2.103.00GDP（表示CPI2013发布核心CPICPI率（CPI）代表通胀。数据均通过Wind620052%。但值得注意的是，国内宏2008图6CPI：2005M1-2021M6宏观金融仿射期限结构模型的估计一直是研究中的难点之一，Kim2009对非线性关系进行优化（OLS）；大量需要估计的参数。早期研究中主要使用的方法是极大似然估计法（MLE），AngPiazzesi2003)使用的基于Kim2009中可能存在多个最优解；HamiltonWu2012)也发现Ang2003)得到的结果只是局部最优解。为了解决这一问Wu2012)提出了应用于仿射类模型的最小卡方（MCSE），他们证明了MCSEMLEMCSE果是否是似然函数的全局最优解。本文选择MCSE方法。参照前人研究对潜因子向量进行归一化处理设为全部零的向量。在估计中，为了避免Hamilton和Wu(2012)中发现的识别问题，设 中的对角线元素降序排列，即同时设中第一列最后两个元素为零对角线上第二个元素与第三个元素相等。根据Dai和Singleton(2000文设的最后一个元素。6135783658137误差，记为 ，即：(20)根据HamiltonWu2012)提供的方法，首先使用OLS(21)方程组(20)和(21)的参数之间存在如下映射关系：(22)随后使用MATLABMCSE的参数，具体步骤详见HamiltonWu2012)。5PQ1与前人研究结论一致。中参数的估计值都远大于其标准差，说明在中国债券市场上风险的市场价格显著的受到了宏观经济为水平、斜率和曲率因子，考虑到本文模型设定下实际上有则的估计结果表明宏观经济中的产出因素主要作美国市场上LudvigsonNg(2009Rudebusch,Sack2007latent1latent10.27(0.0011)0.59(0.00078)1(0.0037)latent20.098(0.0012)0.76(0.00098)0.018(0.0059)0.98(0.0023)0.053(0.0052)latent30.51(0.0011)0.087(0.00063)-0.017(0.0053)-0.0066(0.0023)0.98(0.0023)latent1-0.11(0.19)latent1-0.11(0.19)0.91(0.03)latent20.72(0.34)-0.053(0.031)0.91(0.028)latent3-0.079(0.038)0.025(0.019)0.82(0.038)0.00342.4e-05-1.8e-041.5e-05(0.00015)(1.5e-05)(9e-06)(1.5e-05)6中报告了模型的平均绝对误差（MAE）和根均方误差（RMSE），单位为基点（bps）。对于假设不存在测量误差的一MAERMSE10bps（一年期的收益率的拟合误差是期限最（七年期（不是白噪声的因素而不是模型的内在缺陷。表6收益率曲线估计误差假设不存在测量误差半年期 五年期 八年期假设存在测量误差一年期 三年期 七年期MAE(bps)1.5e-145.3e-150.005.756.102.34RMSE(bps)2.3e-141.6e-140.007.757.302.95在上文估计结果的基础上，控制λ_t=077定。Taboga(2007Rudebuschetal.(2006)和都发现了这一点：Rudebuschetal.(2006)VAR曲线更加平滑；Taboga(2007)指出由于同样的原因，这类模型无法很好地反映短期利率的长期预期的结构性变化。赵雅丹和关禹(2020)也发现中国债券市场上短期利率的长期预期并不是地反映短期利率的长期预期的结构性变化。图7半年期、五年期、八年期拟合收益率曲线分解BackusWright2007)采用类似的方法通过仿射模型将收2004-2005释美国市场上的“格林斯潘之谜”。但遗憾的是宏观金融模型自身存在两点问题给这种研究方法蒙上了一层阴影：（1）对拟合曲线进行分解的方法存在不确定性；（2）分解得到的短期利于第一点，Rudebuschetal.(2007)总结了几种经典的测度期限溢价的方法，发现不同方法得到的收益率曲线的期限溢价成分存在显著的区别，即分解的结果高度依赖于模型的设定；Cochrane(2007)指出对收益率曲线分解得到的结果依赖于模型作为研究的参考，但无法得到令人信服的结论。因此本文采用Rudebuschetal2006)提出的另一种基于宏观金融模型的研差序列进行分析。(四)中国“格林斯潘之谜”及其成因810MAERMSE6.49bps8.73bps，略高于样本内拟合的最大值。图8十年期收益率拟合及分解对估计误差序列进行Ljung-Box92011182013920144201252014210228bps12实际长期收益率和模型推断的长期收益率发生了难以忽视的偏离。图9十年期收益率估计误差注：图中短划线表示三倍标准差，圆点线表示两倍标准差。201111），受此影响市场短期利率迅速上升。理同样上升，但事实上十年期收益率并未像模型估计的那样上升；（在上半年的加息结束时十年期国债收益率才回到加息开始前的201120112012图10短期收益率与长期收益率：2011-2014图11存准率与贷款基准利率：2011-2014201320132013以一种隐蔽的形式出现在中国债券市场上。综上所述，结合理论分析与统计检验，本文认为中国“格林策利率向市场长期利率的传导不畅，市场长期利率低于合理水平。者发现宏观经济波动的下降和长期国债收益率波动性的下降(Rudebuschetal2006)和及投资者通胀预期的不确定性(Kim和Wright2005Rudebuschetal.(2006)的工作，本文使用规模以上工业增加值与不含食品的CPI的二十四个月移动标准差来衡量产出与通货膨胀的不确定性。为了衡量股票市场与债券市场的波动性，本文计算了上证指数与中债综合指数收益率的二十四个月移动标准差作为代理变量。图7报告了变量的描述性统计。在样本区间内，平均而言产2007)通过GARCH-M1952-2004(2011)的结论相同。表7成因变量的描述性统计变量变量说明均值标准差y10error模型对十年期收益率的估计误差-1.838.55ipStd 准差

3.51 2.05cpiStd 不含食品的CPI二十四个月移动标准差 0.57 0.42stkStd 上证指数收益率二十四个月标准差 1.50 0.45bondStd 中债综合指数收益率二十四个月标准差 0.11 0.05素进行检验：8（2）列结果表明金融市场波动Rudebuschetal2006)的发现一致。因是股票市场与债券市场之间存在波动性溢出效应(胡秋灵和马2011)，股票市场波动性的骤变可能会导致投资者调整资产组合中不同类型资产的比例，从而导致长期债券收益率的变化(FlemingKirbyOstdiek1998)。从第（）列可以发现在控制了金融市场的波动因素后，宏观经济中产出与通货膨胀的不确定性也会对长期收益率产生影响产出不确定性越高长期收益率更倾向于高于模型推断的正常值，但通胀不确定性越高，长期收益率反而会低于正常水平前者与Bna,Kk,Saisoih和Yrn(04的实证结果相同，即宏观经济的不确定性是资产定价中应该单独考虑的风险之一波动性的上升会导致折现率的上升对债券市场而言就意味着收益率的上升虽然通胀不确定性与长期收益率的负相关关系在资产定价理论下是反常（通胀不确定性作为一种风险应该得到补偿但也有学者在实际中发现的通货膨胀不确定性与利率负相关的现象，例如Oay和Hsnv(00发现美国通货膨胀不确定性与利率存在负相关关系且在低通胀时期内更加显著。针对这一现象也有学者提出了解释，例如Jser和Tyor(95认为，为了对抗通胀的不确定性消费者可能会选择减少消费增加储蓄进而导致利率的降低Jrà和Sler(03发现在有限参与模型下货币政策的不确定性可能导致利一步研究。表8西方学者发现的“格林斯潘之谜”成因变量 (1)(2)(3)ipStd0.4900.842***(0.320)(0.300)cpiStd-0.202-3.444**stkStd(1.582)5.197***(1.628)6.396***(1.192)(1.316)bondStd46.133***45.311***Constant-3.440***(13.125)-14.145***(13.016)-16.909***(1.209)(2.206)(2.404)Observations198198198AdjustedR20.0040.1380.16616%可9观金融模型对十年期国债收益率的估计误差及各个解释变量的2011120128201392014430bps该高于估计值——而不是长期低于。表9宏观经济不确定性与金融市场波动性对中国“格林斯潘之谜”的解释模型拟 自变量×回归系数合误差序列合误差序列ipStdcpiStdstkStdbondStd(1)(2)(3)(4)(5)变化2011.1- -24.92-3.775.54-10.67-2.812012.5(15.1%)(-22.2%)(42.8%)(11.3%)变化2013.9- -28.72-1.190.50-0.420.082014.2(4.7%)(-2.0%)(1.7%)(-0.3%)值注：表中第一列报告了2011年1月至2012年5月和2013年9月至2014年2月期间，宏观金融模型对十年期国债收益率估计误差的变化值，其中2011年1月和2013年9月是两次中国“格520142前人研究都指出了宏观经济不确定性与金融市场的波动性(五)阶段性结论与下一步研究计划一、阶段性结论利率传导渠道是数量型货币政策框架下最为重要的传导渠性结论如下。首先是本文通过理论分析与定量分析相结合的方式确定了201120122013时期内中国存在“格林斯潘之谜”现象。国研究者发现宏观经济不确定性的下降和金融市场波动性的下降能够部分解释美国和西欧国家出现的“格林斯潘之谜”现象，1650%。二、未来研究展望方面继续深入对中国“格林斯潘之谜”的研究。纪大多普遍已经建成了高效的金融体系，所以西方学者在研究也应该在中国“格林斯潘之谜”的考虑之中。(六)参考文献AngAPiazzesiM2003Ano-arbitragevectorautoregressionoftermstructuredynamicswithmacroeconomicandlatentvariablesJournalofMonetaryEconomics,50(4745-787.Backus,D.K.,andWright,J.H.,(2007),"Crackingtheconundrum",BrookingsPapersonEconomicActivity,2007(1),293-316.Bandholz,H.,Clostermann,J.,andSeitz,F.,(2009),"Explainingtheusbondyieldconundrum",AppliedFinancialEconomics,19(7-9),539-550.Bansal,R.,Kiku,D.,Shaliastovich,I.,andYaron,A., (2014), "Volatility, the macroeconomy, andasset prices", The Journal of Finance, 69(6),2471-2511.Bauer,M.D.(2017)."Anewconundruminthebondmarket?",FRBSFEconomicLetter,FederalReserveBankofSanFrancisco,No.34.Bernanke,B.,Reinhart,V.,andSack,B.,(2004),"Monetarypolicyalternativesatthezerobound:Anempiricalassessment",BrookingsPapersonEconomicActivity,2004(2),1-100.Bikbov,R.,andChernov,M.,(2010),"No-arbitragemacroeconomicdeterminantsoftheyieldcurve",JournalofEconometrics,159(1),166-182.Clostermann,J.r.,andFranz,S.(2005)."Arebondmarketsreallyoverpriced:Thecaseoftheus",Arbeitsberichte-WorkingPapersNo.11,FachhochschuleIngolstadt-UniversityofAppliedSciences,Ingolstadt.Cochrane,J.H.,(2007),"Macroeconomicimplicationsofchangesinthetermpremium:Commentary",FederalReserveBankofSt.LouisReview,89(4),271-282.Cochrane,J.H.,andPiazzesi,M.,(2005),"Bondriskpremia",AmericanEconomicReview,95(1),138-160.Coughlin,C.C.,andThornton,D.L.,(2022),"Furtherevidenceongreenspan’sconundrum",FederalReserveBankofSt.LouisReview,104(1),70-77.Dai,Q.,andSingleton,K.J.,(2000),"Specificationanalysisofaffinetermstructuremodels",TheJournalofFinance,55(5),1943-1978.Detken,C.,(2006),"Thebondyield'conundrum'fromamacro-financeperspective:Comment",MonetaryandEconomicStudies,24(S1),109-119.Dewachter,H.,andIania,L.,(2011),"Anextendedmacro-financemodelwithfinancialfactors",JournalofFinancialandQuantitativeAnalysis,46(6),1893-1916.Duffee,G.R.,(2002),"Termpremiaandinterestrateforecastsinaffinemodels",TheJournalofFinance,57(1),405-443.Duffie,D.,andKan,R.,(1996),"Ayield-factormodelofinterestrates",MathematicalFinance,6(4),379-406.Fleming,J.,Kirby,C.,andOstdiek,B.,(1998),"Informationandvolatilitylinkagesinthestock,bond,andmoneymarkets",JournalofFinancialEconomics,49(1),111-137.Hamilton,J.D.,andWu,J.C.,(2012),"Identificationandestimationofgaussianaffinetermstructuremodels",JournalofEconometrics,168(2),315-331.Hördahl,P.,Tristani,O.,andVestin,D.,(2006),"Ajointeconometricmodelofmacroeconomicandterm-structuredynamics",JournalofEconometrics,131(1-2),405-444.Jordà,Ò.,andSalyer,K.D.,(2003),"Theresponseoftermratestomonetarypolicyuncertainty",ReviewofEconomicDynamics,6(4),941-962.Joslin,S.,Le,A.,andSingleton,K.J.,(2013),"Jfecinvitedpaper:Gaussianmacro-financetermstructuremodelswithlags",JournalofFinancialEconometrics,11(4),581-609.Joslin,S.,Priebsch,M.,andSingleton,K.J.,(2014),"Riskpremiumsindynamictermstructuremodelswithunspannedmacrorisks",TheJournalofFinance,69(3),1197-1233.Joyce,M.A.S.,Kaminska,I.,andLildholdt,P.,(2012),"Understandingtherealrateconundrum:Anapplicationofno-arbitragemodelstotheukrealyieldcurve*",ReviewofFinance,16(3),837-866.Juster,F.T.,andTaylor,L.D.,(1975),"Towardsatheoryofsavingbehavior",TheAmericanEconomicReview,65(2),203-209.Kim,D.H.,(2009),"Challengesinmacro-financemodeling",FederalReserveBankofSt.LouisReview,91(Sep),519-544.Kim,D.H.,andWright,J.(2005)."Anarbitrage-freethree-factortermstructuremodelandtherecentbehavioroflong-termyieldsanddistant-horizonforwardrates",BoardofGovernorsoftheFederalReserveSystem.Knez,P.J.,Litterman,R.,andScheinkman,J.,(1994),"Explorationsintofactorsexplainingmoneymarketreturns",TheJournalofFinance,49(5),1861-1882.Lame,G.(2013)."Wastherea'greenspanconundrum'intheeuroarea?",CentredeRechercheenEconomieetStatistique,WorkingPapers:2013-07.Ludvigson,S.C.,andNg,S.,(2009),"Macrofactorsinbondriskpremia",ReviewofFinancialStudies,22(12),5027-5067.Omay,T.,andHasanov,M.,(2010),"Theeffectsofinflationuncertaintyoninterestrates:Anonlinearapproach",AppliedEconomics,42(23),2941-2955.Pericoli,M.,andTaboga,M.,(2008),"Canonicalterm-structuremodelswithobservablefactorsandthedynamicsofbondriskpremia",JournalofMoney,CreditandBanking,40(7),1471-1488.Rudebusch,G.D.,(2007),"Crackingtheconundrum.Comment and discussion", Brookings Papers onEconomicActivity,2007(1),317-329.Rudebusch,G.D.,Sack,B.P.,andSwanson,E.T.,(2007),"Macroeconomicimplicationsofchangesinthetermpremium",FederalReserveBankofSt.LouisReview,89(4),241-269.Rudebusch,G.D.,Swanson,E.T.,andWu,T.,(2006),"Thebondyield'conundrum'fromamacro-finan