伴随着近些年来我国经济的迅猛发展,中国经济急需一个健全和稳定的金融市场作为其支撑,利率市场化是中国金融改革的重要组成部分,随着1996年利率市场化改革的开始,我国利率市场化已经取得了令人瞩目的成绩,目前正处于全面冲刺阶段。在一个由市场自主决定利率的经济环境下,央行往往利用泰勒规则来保持短期利率的稳定,进而影响长期利率,最终达到调节社会产出和通胀的目的。美国金融危机爆发后,利率期限结构对于宏观经济的影响效果进一步增强,比如2008年金融危机爆发后,美国政府为摆脱经济危机,美联储将联邦基准利率调到历史最低水平,通过“定量宽松”等手段来改变利率期限结构,进而实现其经济目标。由此可以看出,研究利率期限结构及其相关问题对分析和判断宏观经济态势及预期有着重要的学术价值和实践意义。针对利率期限结构模型的构建大致可分为静态模型和动态模型,但随着金融市场的复杂化,不管是静态模型的估计方法还是动态模型的估计方法在参数估计的精确度和算法的稳定性上都不能满足现代金融市场的需求。通过传统方法拟合出现的收益率偏差,在微观层面上使我们很难精准把握期限结构的真实变动特征,在宏观层面上也很难为政府实施精准货币政策而提供相应的实证支持。因此本文从利率期限结构的估计方法入手,对静态模型和动态模型的估计方法进行改进,提高描述利率期限结构的精确度以及估计算法的稳定性,同时在优化利率期限结构精确度的基础上,紧密结合宏观经济信息,分析利率期限结构与宏观经济因子的动态特征,进而有助于我们分析和判断宏观经济态势和预期。本文共分七章,主要做了以下五个方面的工作:第一,阐述利率期限结构的相关理论基础,并对国内外相关文献进行综述。首先较为系统的介绍利率期限结构的基础理论,理顺了其发展脉络,其次针对静态利率期限结构、动态利率期限结构以及宏观金融模型的利率期限结构的相关文献进行阐述,总结其优缺点,并指出本文相对于前人研究的创新之处。第二,关于我国国债利率期限结构的静态模型估计方法的研究。首先对国债利率期限结构静态模型进行介绍,重点介绍静态模型中常用的三次样条函数、Nelson-Siegel及其扩展形式模型,并指出基于三次样条函数的利率期限结构模型、NS模型和Svensson模型的估计方法都存在参数估计精度不高,整体拟合效果有待优化的问题。针对其问题,本文提出一种改进遗传算法,并将其应用在三次样条函数分界点的选取以及估计NS及其扩展模型的参数上。通过本文所提的改进遗传算法,可以解决传统遗传算法易陷入局部最优解的问题,从而提高整体算法的求解性能。同时利用我国国债数据进行实证分析和研究,研究结果表明利用改进遗传算法得到的静态模型不管是在样本内数据和还是样本外数据,其拟合能力都有较大的提升,同时在多项式样条函数模型中对改进算法中的相关参数进行讨论,得出相关参数的最优取值范围。第三,关于无套利Nelson-Siegel模型估计方法的研究。目前针对无套利NS模型中参数的估计,往往使用卡尔曼滤波进行估计,但在卡尔曼滤波算法中,比较依赖参数初始值的设置,同时随着参数估计数目的逐渐增多,会导致误差的均值和均方误差在迭代过程中会逐渐放大,使滤波估计的精准度下降。为此,本文提出一种改进自适应卡尔曼滤波方法,通过实证对比分析发现,基于改进自适应卡尔曼滤波估计的即期利率比基于传统卡尔曼滤波估计的即期利率更加接近于真实值,同时也能更好的描述我国国债期限结构的变动特征。最后利用改进自适应卡尔曼滤波提取模型中三个状态因子,实证发现,提取出的水平、斜率和曲率三因子与实证代理变量高度重合,并通过潜在因子与自身滞后项的相关性分析,得出水平因子代表长期利率,受到外界冲击时,受影响的持续时间较长;曲率因子的持久性高于斜率因子,但低于水平因子,代表了中期利率;而斜率因子持久性最短,波动性最大。第四,关于我国国债利率期限结构与宏观经济变量相关性的研究。本文在高斯仿射模型的基础上加入宏观经济变量,构建关于我国国债利率期限结构的宏观金融仿射模型,并借助本文所提出的改进自适应卡尔曼滤波方法对宏观金融仿射模型中的参数进行估计。重点研究经济状况、财政政策、货币政策等宏观因子和利率期限结构之间的相关性,构建基于潜在因子和宏观经济因子的无套利仿射模型,并利用我国国债利率数据及宏观经济数据进行实证研究。通过实证研究发现,财政因子和货币因子对我国国债利率期限结构有较为明显的正向冲击作用;经济状态因子对我国短期国债有较为明显的正向作用,但对长期国债的影响作用较小;通胀因子对短期期限的即期利率有正向作用,但随着期限的增加,效果逐渐减弱,甚至出现微弱的负向作用,该结论与实际经济状况一致。这是由于从2014年,中国经济增长开始放缓,而经济增长的放缓抵消了通货膨胀的增长对利率的正向冲击作用;同时潜在因子系数大于宏观经济因子系数,表明利率自身的滞后项对利率期限结构的影响大于我国宏观经济因子对利率期限结构的影响,表明我国国债收益率与宏观经济变量之间的传导机制仍然不够完善。第五,关于利率期限结构与宏观经济联系的进一步研究。由于宏观金融仿射模型中只能包含少数宏观经济变量信息,所以导致无法更为精确的反映利率期限结构与宏观经济之间的密切关联性,同时也无法得知货币政策预期对我国国债利率期限结构的影响及其传导作用。因此本文基于FAVAR模型,将更多更适合的宏观经济变量信息,包括预期货币政策和未预期货币政策指标纳入模型当中。在模型中,首先利用本文所提出的改进自适应卡尔曼滤波估计出国债即期利率期限结构,其次考察利率期限结构与关键宏观经济变量之间的动态关联性以及货币政策预期对利率期限结构的影响。实证发现,改进自适应卡尔曼滤波较传统卡尔曼滤波相比,改进自适应卡尔曼滤波在基于FAVAR形式的宏观金融模型中更加有效;宏观变量对利率期限结构的影响较为平稳,没有较大波动,而利率期限结构三因子对宏观变量的影响,波动较大,且曲率因子与宏观经济变量的动态关联与水平因子类似;经济放缓时期,宏观变量与利率期限结构之间的关联性不变,但影响效果变大,影响持续时间缩短;未预期货币政策对利率期限结构的影响程度远大于预期货币政策对于利率期限结构的影响。本文的创新之处在于:第一,提出一种改进遗传算法,考察了改进遗传算法对我国国债利率期限结构静态模型的影响。该算法首先在选择操作中加入分层机制,同时在交叉过程中改进了Srinivas提出的动态交叉概率,提出“均值邻域”的概念,根据该“均值邻域”可以更为有效的对交叉概率进行动态调整。通过两处改进,可以使种群中个体的优秀基因得到进一步保留,提高整体算法的优化效果。本文将该改进遗传算法应用到利率期限结构静态模型中的多项式样条函数模型、Nelson-Siegel和Svensson模型的相关参数估计中,提高了上述静态模型的拟合效果,得到了更为精确的国债利率期限结构。第二,对无套利动态Nelson-Siegel模型和宏观金融仿射模型的估计方法进行改进,提出一种改进自适应卡尔曼滤波方法。该算法在计算预测的均方误差操作中时增加一个指数型衰减因子,避免了在滤波过程中的易出现的滤波发散现象,进而得出更为优化的参数值,拟合出的即期利率值更加贴近实际值,并在此基础上研究利率期限结构与宏观经济变量之间的相关性。第三,利用改进自适应卡尔曼滤波对基于FAVAR形式的宏观金融模型进行估计。一般宏观金融模型,只能包含少数宏观经济变量,无法对利率期限结构和宏观经济因子的关联性进行深层次分析,本文利用FAVAR模型将包括预期货币政策和未预期货币政策在内的多种宏观变量纳入考量范围之内,不仅进一步考察利率期限结构与宏观经济因子之间的动态关联性,也考察了货币政策预期对利率期限结构的影响,同时利用改进自适应卡尔曼滤波对基于FAVAR形式的宏观金融模型中的参数进行精确估计。