韓国3年先AFGNSリスク中立瞬間フォワードレート

AFGNS瞬間フォワードレートとは、将来時点$\tau$における極めて短い区間に適用されると期待されるリスク中立利子率であり、Christensen, Diebold, and Rudebusch (2009)の5ファクター裁定フリー一般化ネルソン-シーゲル・モデルから導出される。3ファクターAFNSフォワードレートに、より遅い減衰パラメータ$\lambda_2$を持つ第2スロープ-カーベチャー対を加えて拡張したものであり、閉形式表現は以下の通りである。

追加された第2ファクター対は、3ファクターAFNSフォワード・ローディングがほぼゼロに減衰する長期テナー（5年〜10年）においてより豊かなフォワードレート動学をもたらす。5ファクター構造は独立した中期・長期カーベチャー動学を含み、3ファクターAFNSより多様なフォワードカーブ形状を表現するため、期待政策経路に対するもう一つの独立したフォワードレート推定値を与える。

AFNSフォワードレート・シリーズ（KRIFRAFNS）と同一の方法論を、2つの減衰パラメータ$\lambda_1$・$\lambda_2$の5ファクターに拡張する。5ファクター・モデル全体の仕様はAFGNSリスク中立金利シリーズ（KRRNAFGNS）を参照する。

(1) フォワードレート・ローディング. 5ファクター・フォワードレート・ローディング行列は以下の通りである。

第2対のローディング

は第1対より緩やかに減衰し、長期テナーで追加的な感応度を与える。$\lambda_2 \approx 0.025$ months$^{-1}$の下で$\tau = 10$年では、第2スロープ・ローディング$e^{-\lambda_2\tau} \approx 0.05$はなお有意なシグナルを伝達するが、第1スロープ・ローディング$e^{-\lambda_1\tau} \approx 0.001$は事実上消滅している。

(2) フォワードレート利回り調整項. 導関数$d\bar{A}(\tau)/d\tau$はAFNSフォワード調整（THEORY.EN.mdのSection 2C.8）と同一の関数形式をとり、2つのスロープ・2つのカーベチャー・ファクターについて各$(\sigma, \lambda)$対に独立に適用される。

AFGNSフォワードレートは、3ファクターAFNSが別個に識別できない長期テナー動学を捉える。5年・10年テナーにおいて$\lambda_2$で制御される第2スロープ-カーベチャー対$(S^2, C^2)$が長期均衡金利の変動に対する追加的な感応度を与えており、こうした緩やかに変化する成分の把握に適している。均衡実質金利とトレンド・インフレーションの時変性、いわゆる「落下する星」は、長期ホライゾンのフォワードレート動学を理解する上で決定的である（Bauer and Rudebusch 2020）。

AFGNSモデルの5ファクター構造は、長期フォワードレートに内在する均衡金利情報をより豊かに分解し、期待政策経路の中期（$\lambda_1$）成分と長期（$\lambda_2$）成分を別個に識別できるようにする。Christensen and Rudebusch (2019)は、関連するAFNSフレームワークにおいて長期満期のフォワードレートが均衡実質金利の趨勢的低下に関する情報を含むことを示した。Del Negro et al. (2017)はこの趨勢的低下を安全資産への需要増大に帰属させており、これはまさにAFGNSが捉えるよう設計された長期フォワードレートに反映される構造的変化である。

AFGNSの改善された横断面適合度はフォワードレート推定に直接的な含意を持ち、観測ノイズ$\sigma_\varepsilon$がAFNS比で約半分の水準である。標準的な期間構造モデルは、系統的なフォワードレート変動を測定誤差と混同し得る（Duffee 2011）。AFGNSの5ファクター構造は、3ファクター・モデルがノイズに帰属させていた変動をファクター動学として再分類する。フォワード-スポット・スプレッドは将来の債券リターンに対して経済的に有意義な予測力を持っており（Fama and Bliss 1987）、AFGNSフォワードレートはモデル誤設定に伴う情報損失を削減することでこの予測内容をより完全に保持する。

信頼性のある金融政策体制は長期の期待を安定化させ、インフレ目標国の遠方フォワードレートはより低いボラティリティを示す（Gürkaynak, Sack, and Wright 2007）。AFGNSフォワードレートは中期・長期フォワードレート動学を別個に追跡できるため、短期政策期待の修正（$\lambda_1$ファクター）と長期均衡認識の変化（$\lambda_2$ファクター）を区別し、金融政策の信頼性を3ファクター・モデルよりも細密に分解する。

フォワードレートをファクター構造の異なるモデル間で比較すれば、期待政策経路のどの特徴がモデル仕様に対して頑健かを特定できる（Piazzesi 2010）。AFGNSは、ACMベースのKRIFRおよびAFNSベースのKRIFRAFNSに加え、第3の独立したフォワードレート推定値を与え、こうした交差検証を支える。

AFGNSフォワードレートのAFNSに対する優位性は、追加カーベチャー・ファクター$C^2$がフォワードレート動学をより鋭く識別する長期テナー（5年〜10年）に集中する。3つのPCAファクターが債券リターン変動の大部分を説明するが（Litterman and Scheinkman 1991）、第4・第5ファクターは経済的に有意義なリターン予測情報を伝達する（Cochrane and Piazzesi 2005）。AFGNSフォワードレートは第2スロープ-カーベチャー対を通じてこの追加情報を捉える。

カーブ・トレーディング戦略では、AFGNS分解が中期・長期フォワードカーブ・シグナルを分離する。$C^1$（$\lambda_1$支配）の変化は1年〜5年フォワードカーブ・セグメントの変動を、$C^2$（$\lambda_2$支配）の変化は5年〜10年セグメントの動きを示す。この二重カーベチャー構造は、中期・長期フォワードカーブ形状変化を別個に活用するより標的化されたバタフライ・トレードを支援する。こうした二重カーベチャーをアフィン・クラスで捉えるには最低4〜5ファクターが必要である（Dai and Singleton 2000）。

AFGNSの5ファクター構造は3ファクターAFNSより広い範囲のフォワードカーブ変動を捉えるため、単純なモデルでは検出できない長期フォワードレートのミスプライシングを識別できる。ガウス型動的期間構造モデルではプライシング・ファクターが利回りの観測可能なポートフォリオとして表現され、ファクター数がモデルの捉え得るフォワードカーブ変動の範囲を決定する（Joslin, Singleton, and Zhu 2011）。

ネルソン-シーゲル型モデルは、観測テナーを超える外挿において数ベーシスポイントのバイアスしか伴わずに長期利回りを産出する（Christensen, Lopez, and Mussche 2022）。AFGNSの第2減衰パラメータ$\lambda_2$はフォワードカーブが長期漸近値に収束する速度を支配し、純粋に統計的なアプローチにはないフォワードカーブ外挿の構造的基盤を与える。

K-ICSおよびK-IFRS 17の負債割引では、長期ホライゾンのフォワードレート動学が直接的に関連する。10年物フォワードレートのテール・リスクは保険準備金の十分性に影響を与える。機関投資家はデュレーション・マッチング戦略を構築する際に、フォワードレート・シナリオの全分布を考慮すべきである（Ilmanen 2011）。AFGNSモデルの豊かなファクター構造は、3ファクター代替よりも長期フォワードレート不確実性をより完全に特性化する。

これはChristensen-Diebold-Rudebusch一般化ネルソン・シーゲルモデルの出力であるモデル由来の系列であり、単位根の判読は直接観測された価格ではなく当てはめられた曲線を記述し、系列相関と変化点の診断は1階差分に対して行う。本系列は2000-12-18から2026-06-09まで自らの区間で検定する。

3年 AFGNS瞬間フォワードレートは水準において1次和分系列であり、Dickey and Fuller (1979)検定がSaid and Dickey (1984)の形でp = 0.4677で棄却せず、Phillips and Perron (1988)検定がp = 0.3281で同調し、Kwiatkowski et al. (1992)検定が定常性を棄却する。 1階差分に対してLjung and Box (1978)のポートマントーはラグ10と20で白色雑音を棄却し、Q = 47.93とQ = 73.78、p = 0.000とp = 0.000である。Escanciano and Lobato (2009)の自動ポートマントーも統計量5.06、p = 0.024で同調する。 Bai and Perron (1998, 2003)の手続きは平均において変化点を見いださず、これは差分した対象に対するAndrews (1993)のパラメータ不安定性の推論と整合する (Perron 1989)。

これは低整数の季節周期を持たない日次のモデル出力であるため、Hylleberg et al. (1990)の季節単位根の装置とCanova and Hansen (1995)の季節定常性検定は意図的に実施しない (Beaulieu and Miron 1992; Ghysels and Osborn 2001)。