This paper shows that the conditional ridge regression shows better results for the estimation of the interest rate term structure in Korea using the Nelson-Siegel model. The conditional ridge regression solves the time series erratic of Nelson-Siegel model parameters of the conventional method. Ridge regression reduces variability instead of slightly increasing the bias of the estimated parameters. This makes the estimation of the parameters stable and smooth. In particular, the conditional ridge regression solves the multicollinearity of the slope and curvature parameters of the Nelson-Siegel model. Solving the multicollinearity between parameters increases the reliability of the estimated parameters. The analysis period is from February 1, 2006 to October 16, 2019, and the spot interest rate is derived using the Smoothed Bootstrap method, and the parameters of the term structure is estimated. Also, The shape parameter of the Nelson-Siegel model is estimated by grid search, not fixed as a constant.
본 연구는 넬슨-시겔 모형을 이용한 한국의 이자율 기간구조 모수 추정에 있어, OLS만을 사용하는 방법보다 능형회귀분석을 조건화한 모형이 좋은 결과를 보인다는 것을 밝힌다. 조건적 능형회귀분석은 기존 방법으로 도출된 모수의 시계열에 있어 불규칙(erratic)함을 해소한다. 능형회귀분석은 추정된 모수의 바이어스(bias)를 조금 늘리는 대신 변동성을 줄여준다. 그로 인해 모수의 추정이 안정적이고 부드러워(smooth)진다. 특히, 조건적 능형회귀분석은 넬슨-시겔 모형의 기울기(slope)와 곡도(curvature) 모수 사이의 다중공선성 문제를 해결한다. 모수 간의 다중공선성을 해결하면 추정된 모수의 신뢰도를 높여준다. 분석 기간은 2006년 2월 1일부터 2019년 10월 16일로서 Smoothed Bootstrap 방법을 통하여 현물 이자율을 도출하였고, 기간구조의 모수를 추정했다. 넬슨-시겔 모형의 형상모수는 상수로 고정하지 않고 그리드 탐색을 통하여 추정하였다.
