零息债YTM与利率曲线实战解析

本文深入解析了在QuantLib Python中构建收益率曲线时，零息债券收益率（YTM）与零利率之间的微妙差异，并强调了交割日在折现计算中的关键作用。通过详细的代码示例，展示了如何利用QuantLib进行环境设置、数据准备，并构建PiecewiseCubicZero收益率曲线。重点探讨了如何校正YTM与零利率的不一致性，利用`curve.forwardRate()`精确计算交割日至到期日的远期利率，使其与YTM保持一致。此外，还阐述了交割日对债券定价的影响，以及如何正确理解和应用QuantLib中的债券定价引擎。本文旨在帮助金融建模人员提升债券估值的准确性和一致性，避免常见的定价误区，为零息债券的定价与分析提供实战指导。

1. QuantLib环境设置与收益率曲线构建基础

在使用QuantLib进行金融建模前，首先需要进行必要的库导入和环境配置，包括设置评估日期、日历和日期计数约定。收益率曲线的构建是债券定价和风险管理的核心，通常通过一系列市场可观察的债券（如零息债券和附息债券）进行自举（bootstrapping）。

1.1 初始设置与数据准备

以下代码展示了QuantLib的初始设置，包括导入库、设定评估日期、日历和日计数约定，并准备用于构建收益率曲线的债券数据。

import pandas as pd
import matplotlib.pyplot as plt
import QuantLib as ql

# 设置评估日期
today = ql.Date(21, ql.November, 2023)
ql.Settings.instance().evaluationDate = today

# 日历和日计数约定
calendar = ql.NullCalendar() # 使用NullCalendar简化，实际应用中应使用对应市场日历
day_count = ql.Actual365Fixed()

# 面值
faceAmount = 100

# 债券数据：(发行日期, 到期日期, 票息率, 价格, 交割天数)
data = [
    ('11-09-2023', '11-12-2023', 0, 99.524, 4), # 零息债券
    ('11-09-2023', '11-03-2024', 0, 96.539, 4), # 零息债券
    ('11-09-2023', '10-06-2024', 0, 93.552, 4), # 零息债券
    ('11-09-2023', '09-09-2024', 0, 89.510, 4), # 零息债券
    ('22-08-2022', '22-08-2024', 9.0, 96.406933, 3), # 附息债券
    ('27-06-2022', '27-06-2025', 10.0, 88.567570, 3), # 附息债券
    ('27-06-2022', '27-06-2027', 11.0, 71.363073, 3), # 附息债券
    ('22-08-2022', '22-08-2029', 12.0, 62.911623, 3), # 附息债券
    ('27-06-2022', '27-06-2032', 13.0, 55.976845, 3), # 附息债券
    ('22-08-2022', '22-08-2037', 14.0, 52.656596, 3)  # 附息债券
]

1.2 债券助手与收益率曲线自举

为了构建收益率曲线，我们将每只债券转换为FixedRateBondHelper对象，然后使用这些助手来构建PiecewiseCubicZero收益率曲线。FixedRateBondHelper抽象了债券的细节，使得曲线构建过程更加简洁。

helpers = []

for issue_date_str, maturity_str, coupon, price_val, settlement_days in data:
    price_handle = ql.QuoteHandle(ql.SimpleQuote(price_val))

    # 注意：这里issue_date和maturity应基于字符串解析，而不是重新使用today
    issue_date = ql.Date(issue_date_str, '%d-%m-%Y')
    maturity = ql.Date(maturity_str, '%d-%m-%Y')

    # 附息债券的付息频率通常是半年，零息债券虽然没有票息，但仍需定义一个时间表
    # schedule的start_date通常是发行日或最近的付息日，但对于helper，有时可以简化
    # 这里为了与原始代码保持一致，使用today作为schedule的start_date
    schedule = ql.Schedule(today, maturity, ql.Period(ql.Semiannual), calendar, 
                           ql.DateGeneration.Backward, ql.Following, 
                           ql.DateGeneration.Backward, False)

    helper = ql.FixedRateBondHelper(price_handle, settlement_days, faceAmount, schedule, 
                                    [coupon / 100], day_count, False)
    helpers.append(helper)

# 构建收益率曲线
curve = ql.PiecewiseCubicZero(today, helpers, day_count)
curve.enableExtrapolation() # 启用外推

print("收益率曲线构建完成，并启用外推。")

2. 零息债券YTM、零利率与交割日的精确理解

在金融领域，零息债券的收益率（YTM）与零利率（或即期利率）在概念上非常接近，但由于计算起点和约定的不同，在QuantLib中直接比较时可能会出现细微差异。同时，交割日（settlement days）对折现周期的影响也常常引起混淆。

2.1 YTM与零利率的差异与校正

对于零息债券，其YTM本质上就是从购买日到到期日的即期利率。然而，QuantLib中bond.bondYield()方法计算的YTM是从债券的交割日（settlement date）到到期日的收益率，而curve.zeroRate(date, ...)方法返回的零利率则是从评估日（evaluation date）到指定日期的零利率。

这种计算起点的不同导致了YTM和零利率的差异。为了使零息债券的YTM与收益率曲线上的零利率保持一致，我们需要从曲线中提取一个从债券交割日开始到其到期日结束的远期零利率。

校正方法： 使用curve.forwardRate()方法，指定起始日期为债券的交割日，结束日期为债券的到期日。

# 示例：计算指定日期（例如第一个零息债券的到期日）的零利率、远期利率和折现因子
target_date = ql.Date(11, ql.December, 2023) # 对应第一个零息债券的到期日
zero_rate_eval_date = curve.zeroRate(target_date, day_count, ql.Annual, ql.Compounded).rate()
forward_rate_example = curve.forwardRate(today, target_date, day_count, ql.Annual, ql.Compounded).rate()
discount_factor_example = curve.discount(target_date)

print(f"\n评估日({today})到 {target_date} 的零利率: {zero_rate_eval_date*100:.4f}%")
print(f"评估日({today})到 {target_date} 的远期利率: {forward_rate_example*100:.4f}%")
print(f"评估日({today})到 {target_date} 的折现因子: {discount_factor_example:.4f}")

# 打印曲线节点上的零利率、远期利率和折现因子
node_data = {'Date': [], 'Zero Rates (Annual Compounded)': [], 
             'Forward Rates (Annual Compounded)': [], 'Discount Factors': []}

for dt in curve.dates():
    node_data['Date'].append(dt)
    # 修正：zeroRate和forwardRate应指定Compounded频率
    node_data['Zero Rates (Annual Compounded)'].append(curve.zeroRate(dt, day_count, ql.Annual, ql.Compounded).rate())
    node_data['Forward Rates (Annual Compounded)'].append(curve.forwardRate(dt, dt + ql.Period(1, ql.Years), day_count, ql.Annual, ql.Compounded).rate())
    node_data['Discount Factors'].append(curve.discount(dt))

node_dataframe = pd.DataFrame(node_data)
print("\n收益率曲线节点数据:")
print(node_dataframe)
# node_dataframe.to_excel('NodeRates.xlsx') # 可选：导出到Excel

重要提示： 在调用curve.zeroRate()和curve.forwardRate()时，务必明确指定复合频率（如ql.Compounded）和支付频率（如ql.Annual）。虽然在某些情况下默认值可能恰好与期望值一致，但明确指定可以避免潜在的错误和混淆，提高代码的健度性。

2.2 交割日对折现周期的影响

交割日（Settlement Days），例如T+4，意味着如果今天（评估日）购买债券，实际的债券所有权和资金交换将在4个工作日后发生。这意味着债券的实际“购买”价格应基于交割日进行折现，而不是评估日。

对于零息债券的定价，如果其面值为100，到期日为Maturity，交割日为SettlementDate，则其价格应通过将面值从Maturity折现到SettlementDate来计算。这意味着实际的折现周期是Maturity - SettlementDate。

理解误区： 有人可能误认为T+4意味着在到期日后4天交割，从而增加折现期。但实际情况是，交割日是相对于评估日而言，它定义了何时资金和债券易手。因此，从定价的角度看，我们是从到期日将现金流折现到交割日，而不是评估日。这导致了折现周期相对于评估日而言是缩短了（因为交割日晚于评估日）。QuantLib的FixedRateBond和DiscountingBondEngine内部已经正确处理了这一逻辑。

3. QuantLib中的债券定价与分析

在收益率曲线构建完成后，我们可以使用它来对债券进行定价，并计算其各种指标，如YTM、净价和全价。

# 创建一个DataFrame来存储债券结果
bond_results = {
    'Issue Date': [], 'Maturity Date': [], 'Coupon Rate': [], 'Price': [],
    'Settlement Days': [], 'Yield (from Settlement Date)': [], 
    'Zero Rate (from Evaluation Date)': [], 'Zero Rate (from Settlement Date)': [],
    'Discount Factor': [], 'Clean Price': [], 'Dirty Price': []
}

# 计算债券价格和收益率
for issue_date_str, maturity_str, coupon, price_val, settlement_days in data:
    price_handle = ql.QuoteHandle(ql.SimpleQuote(price_val))

    issue_date = ql.Date(issue_date_str, '%d-%m-%Y')
    maturity = ql.Date(maturity_str, '%d-%m-%Y')

    schedule = ql.Schedule(today, maturity, ql.Period(ql.Semiannual), calendar, 
                           ql.DateGeneration.Backward, ql.Following, 
                           ql.DateGeneration.Backward, False)

    # 使用构建好的收益率曲线设置定价引擎
    bondEngine = ql.DiscountingBondEngine(ql.YieldTermStructureHandle(curve))

    # 创建债券对象
    bond = ql.FixedRateBond(settlement_days, faceAmount, schedule, 
                            [coupon / 100], day_count)
    bond.setPricingEngine(bondEngine)

    # 计算债券YTM、净价和全价
    # bondYield() 默认从交割日计算
    bondYield = bond.bondYield(day_count, ql.Compounded, ql.Annual)
    bondCleanPrice = bond.cleanPrice()
    bondDirtyPrice = bond.dirtyPrice()

    # 从评估日到期日的零利率
    zero_rate_eval_date = curve.zeroRate(maturity, day_count, ql.Annual, ql.Compounded).rate()

    # 从交割日到期日的零利率（应与零息债券的YTM匹配）
    # 对于附息债券，这个概念略有不同，但对于零息债券，它就是其YTM
    zero_rate_settlement_date = curve.forwardRate(bond.settlementDate(), maturity,
                                                  day_count, ql.Compounded, ql.Annual).rate()

    discount_factor = curve.discount(maturity)

    # 将结果添加到DataFrame
    bond_results['Issue Date'].append(issue_date)
    bond_results['Maturity Date'].append(maturity)
    bond_results['Coupon Rate'].append(coupon)
    bond_results['Price'].append(price_handle.value())
    bond_results['Settlement Days'].append(settlement_days)
    bond_results['Yield (from Settlement Date)'].append(bondYield)
    bond_results['Zero Rate (from Evaluation Date)'].append(zero_rate_eval_date)
    bond_results['Zero Rate (from Settlement Date)'].append(zero_rate_settlement_date) # 添加此项以展示校正
    bond_results['Discount Factor'].append(discount_factor)
    bond_results['Clean Price'].append(bondCleanPrice)
    bond_results['Dirty Price'].append(bondDirtyPrice)

# 从债券结果创建DataFrame
bond_results_df = pd.DataFrame(bond_results)

# 打印结果
print("\n债券定价与分析结果:")
print(bond_results_df)

# bond_results_df.to_excel('BondResults.xlsx') # 可选：导出到Excel

通过上述代码，我们可以观察到：

1. 对于前四只零息债券，Yield (from Settlement Date)列的值应该与Zero Rate (from Settlement Date)列的值非常接近，从而验证了通过forwardRate从交割日到期日提取的零利率与YTM的一致性。
2. Zero Rate (from Evaluation Date)则可能与YTM存在差异，因为它计算的起点是评估日。

4. 注意事项与最佳实践

• 明确复合频率： 在QuantLib中计算利率时，始终明确指定复合频率（Compounded或Simple）和支付频率（Annual, Semiannual等），以避免默认值可能带来的混淆。
• 理解日期概念： 区分评估日（ql.Settings.instance().evaluationDate）、债券发行日（issue_date）、交割日（bond.settlementDate()）和到期日（maturity）在不同计算中的作用。
• 零息债券YTM与零利率： 对于零息债券，其YTM本质上是其从交割日到到期日的即期利率。若要从收益率曲线中获取与此YTM匹配的零利率，应使用curve.forwardRate(bond.settlementDate(), maturity, ...)。
• 交割日效应： 交割日会影响债券的实际折现期。QuantLib的债券对象和定价引擎会正确处理这一逻辑，确保价格是基于交割日折现到期现金流计算的。在手动计算时，需注意折现期应为到期日与交割日之间的时间。

总结

本教程详细阐述了在QuantLib Python中处理零息债券YTM、零利率和交割日时的关键概念和实践方法。通过理解YTM与零利率计算起点的差异，并利用curve.forwardRate()进行校正，可以确保零息债券定价的准确性。同时，明确交割日对折现周期的影响，有助于避免常见的定价误区。掌握这些细节对于构建稳健的收益率曲线和进行精确的债券估值至关重要。

好了，本文到此结束，带大家了解了《零息债YTM与利率曲线实战解析》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多文章知识！