【摘要】文章从国债利率期限结构的无套利动态Nelson-Siegel模型估计方法入手，对卡尔曼滤波算法进行改进，以提升模型参数估计的精确度；同时提取模型中的动态因子，考察其与宏观经济信息之间的关联性；进一步利用我国国债2010—2021年债券交易数据进行实证研究。结果表明：基于改进估计算法的模型无论是样本内预测还是样本外预测，效果均优于传统卡尔曼滤波估计的结果，同时发现状态因子与宏观经济变量之间有较强的关联性，蕴含了较为丰富的宏观信息。