This paper conducts a computational analysis of several specifications of the affine term structure model (ATSM) to explore the tradeoff between estimation when parameter restrictions are imposed and computational burdens are simplified and estimation in the absence of parameter restrictions and the economic implications of the findings are able to be generalized. We measure the effects of this tradeoff using distance measures constructed from histograms containing data corresponding to important components of the state space model formulation for the ATSM generated from simulation analyses. In estimating each specification, we optimize the log-likelihood function for the underlying state space model using the Kalman filter (KF). We find that the introduction of parameter restrictions bolsters the variability in its computation by introducing complex parameter dependencies (e.g., higher order exponents, exponentiation, logarithms, logarithms of higher order exponents) that are difficult to interpret. For conditional moments, the introduction of parameter restrictions reduces the complexity of the parameter dependencies and this reduces the variability in its computation. Finally, we connect these insights obtained from the simulation analyses to the application of the KF using market data and perform consistency tests on each state space model to demonstrate the accuracy of the application of the KF. Suggestions for future research are provided.

本文对仿射期限结构模型 (ATSM) 的几个规范进行了计算分析，以探讨在施加参数限制和简化计算负担时的估计与没有参数限制的估计之间的权衡以及研究结果的经济影响是可以概括。我们使用由直方图构建的距离度量来衡量这种权衡的影响，该直方图包含与模拟分析生成的 ATSM 的状态空间模型公式的重要组成部分相对应的数据。在估计每个规范时，我们使用卡尔曼滤波器 (KF) 优化基础状态空间模型的对数似然函数。我们发现参数限制的引入通过引入难以解释的复杂参数依赖性（例如，高阶指数、幂、对数、高阶指数的对数）来增强其计算的可变性。对于条件时刻，参数限制的引入降低了参数依赖的复杂性，从而降低了其计算的可变性。最后，我们将这些从模拟分析中获得的见解与使用市场数据的 KF 应用联系起来，并对每个状态空间模型进行一致性测试，以证明 KF 应用的准确性。提供了对未来研究的建议。难以解释的高阶指数的对数）。对于条件时刻，参数限制的引入降低了参数依赖的复杂性，从而降低了其计算的可变性。最后，我们将这些从模拟分析中获得的见解与使用市场数据的 KF 应用联系起来，并对每个状态空间模型进行一致性测试，以证明 KF 应用的准确性。提供了对未来研究的建议。难以解释的高阶指数的对数）。对于条件时刻，参数限制的引入降低了参数依赖的复杂性，从而降低了其计算的可变性。最后，我们将这些从模拟分析中获得的见解与使用市场数据的 KF 应用联系起来，并对每个状态空间模型进行一致性测试，以证明 KF 应用的准确性。提供了对未来研究的建议。我们使用市场数据将从模拟分析中获得的这些见解与 KF 的应用联系起来，并对每个状态空间模型进行一致性测试，以证明 KF 应用的准确性。提供了对未来研究的建议。我们使用市场数据将从模拟分析中获得的这些见解与 KF 的应用联系起来，并对每个状态空间模型进行一致性测试，以证明 KF 应用的准确性。提供了对未来研究的建议。