如果未做特别说明,文中的程序都是 Python3 代码。

QuantLib 金融计算——收益率曲线之构建曲线(1)

理论和实践上有多种方法可以构建与市场一致的收益率曲线,背后的方法论取决于市场上的可获得金融工具的流动性。在构建收益率曲线时有两个选项必须选定好:插值方法和所选的金融工具或数据。

quantlib-python 允许构建下列两大类收益率曲线:

  • 第一类,根据数值和对应日期构建:

    • DiscountCurve,根据贴现因子构建
    • 若干 *ZeroCurve 型的收益率曲线,根据债券零息收益率构建(前缀表示具体的构建方法)
    • ForwardCurve,根据远期收益率构建
  • 第二类,根据若干固定收益类对象(如 FixedRateBond)构建:
    • FittedBondDiscountCurve,根据若干债券的价格构建
    • 若干 Piecewise** 型的收益率曲线,根据若干不同类型金融工具(存款收益率、收益率远期合约和互换等等)的报价分段构建(后缀表示具体的构建方法和曲线类型)

本文介绍第一种。

载入 QuantLib:

import QuantLib as ql

print(ql.__version__)
1.12

YieldTermStructure

事实上,所有上述类都派生自基类 YieldTermStructure,该基类实现了一些常用的功能。例如,实现了返回基准日期、天数计算规则、日历的函数,以及返回收益率的最小或最大日期的函数。

YieldTermStructure 常用的成员函数:

  • discount(d, extrapolate = False):浮点数,dDate 对象, extrapolate 是布尔型。返回贴现因子大小。
  • zeroRate(d, resultDayCounter, comp, freq = Annual, extrapolate = False)InterestRatedDate 对象,resultDayCounterDayCounter 对象,compfreq 是预置整数,extrapolate 是布尔型。返回等价的零息收益率对象。
  • forwardRate(d1, d2, dc, comp, freq = Annual, extrapolate = false)InterestRated1d2Date 对象,resultDayCounterDayCounter 对象,compfreq 是 quantlib-python 预置整数(表示付息方式和频率),extrapolate 是布尔型。返回 d1d2 之间的远期收益率对象。

DiscountCurve

首先介绍 DiscountCurve。这种构造方法适用于给定的一组贴现因子,并为其分配给相应的期限。

DiscountCurve 对象的构造

构造函数具有以下实现

DiscountCurve(dates,
dfs,
dayCounter,
cal)

这些变量的类型和解释如下:

  • dates:日期序列,贴现因子对应的到期日。注意:第一个日期必须是贴现曲线的基准日期,例如贴现因子是 1.0 的日期。
  • dfs:浮点数序列,贴现因子
  • dayCounterDayCounter 对象,天数计算规则
  • calCalendar 对象,日历表

DiscountCurve 常用的成员函数均继承自基类 YieldTermStructure

在下面的例子中,根据历史上某天路透社公布的贴现因子报价构建收益率曲线。在收益率曲线构建之后,求给定日期的等价零息收益率、贴现因子和远期收益率。

EUR Yield Discount
TN 0.3148 0.9999656
1w 0.3083 0.9999072
1M 0.4225 0.9996074
2M 0.5443 0.9990040
3M 0.7242 0.9981237
6M 0.9614 0.9951358
9M 0.9372 0.9929456
1Y 1.0006 0.9899849
1Y3M 1.1120 0.9861596
1Y6M 1.2457 0.9815178
1Y9M 1.4358 0.9752363
2Y 1.6263 0.9680804

例子 1:

def testingYields1():
dates = []
dfs = [] cal = ql.UnitedStates()
today = ql.Date(11, ql.September, 2009)
libor = ql.EURLibor1M()
dc = libor.dayCounter() settlementDays = 2
settlement = cal.advance(
today, settlementDays, ql.Days) dates.append(settlement)
dates.append(settlement + ql.Period(1, ql.Days))
dates.append(settlement + ql.Period(1, ql.Weeks))
dates.append(settlement + ql.Period(1, ql.Months))
dates.append(settlement + ql.Period(2, ql.Months))
dates.append(settlement + ql.Period(3, ql.Months))
dates.append(settlement + ql.Period(6, ql.Months))
dates.append(settlement + ql.Period(9, ql.Months))
dates.append(settlement + ql.Period(1, ql.Years))
dates.append(settlement + ql.Period(1, ql.Years) + ql.Period(3, ql.Months))
dates.append(settlement + ql.Period(1, ql.Years) + ql.Period(6, ql.Months))
dates.append(settlement + ql.Period(1, ql.Years) + ql.Period(9, ql.Months))
dates.append(settlement + ql.Period(2, ql.Years)) dfs.append(1.0)
dfs.append(0.9999656)
dfs.append(0.9999072)
dfs.append(0.9996074)
dfs.append(0.9990040)
dfs.append(0.9981237)
dfs.append(0.9951358)
dfs.append(0.9929456)
dfs.append(0.9899849)
dfs.append(0.9861596)
dfs.append(0.9815178)
dfs.append(0.9752363)
dfs.append(0.9680804) tmpDate1 = settlement + ql.Period(1, ql.Years) + ql.Period(3, ql.Months)
tmpDate2 = tmpDate1 + ql.Period(3, ql.Months)
curve = ql.DiscountCurve(
dates, dfs, dc, cal) equ_zero = curve.zeroRate(
tmpDate1, dc, ql.Simple, ql.Annual) print(
"等价 Zero Rate:",
equ_zero)
print(
"等价 Zero Rate 计算的贴现因子:",
equ_zero.discountFactor(
settlement, tmpDate1))
print(
"真实 Discount Factor:",
curve.discount(tmpDate1))
print(
"1Y3M-1Y6M 间的远期收益率 Fwd Rate:",
curve.forwardRate(
tmpDate1, tmpDate2, dc, ql.Continuous)) testingYields1()

输出如下所示:

等价零息收益率: 1.107998 % Actual/360 simple compounding
等价零息收益率计算的贴现因子: 0.9861595999999999
真实贴现因子: 0.9861596
1Y3M-1Y6M 间的远期收益率: 1.887223 % Actual/360 continuous compounding

ZeroCurve

下面介绍 ZeroCurve。这种构造方法适用于给定的一组零息收益率,并为其分配给相应的期限。

ZeroCurve 对象的构造

构造函数具有以下实现

ZeroCurve(dates,
yields,
dayCounter,
cal,
i,
comp,
freq)

这些变量的类型和解释如下:

  • dates:日期序列,零息收益率对应的到期日。注意:第一个日期必须是曲线的基准日期,例如收益率是 0.0 的日期。
  • yields:浮点数序列,零息收益率
  • dayCounterDayCounter 对象,天数计算规则
  • calCalendar 对象,日历表
  • iLinear 对象,线性插值方法
  • compfreq 是预置整数,表示付息方式和频率

ZeroCurve 常用的成员函数均继承自基类 YieldTermStructure

在下面的例子中,根据 2018 年 7 月 23 日货币网公布的即期国债收盘收益率数据构建曲线。在收益率曲线构建之后,求给定日期的等价零息收益率、贴现因子和远期收益率。

期限 即期收益率
1 3.0544
2 3.1565
3 3.2531
4 3.2744
5 3.2964
6 3.4092
7 3.5237
8 3.5264
9 3.5298
10 3.5337
15 3.8517
20 3.8884
30 4.0943

例子 2:

def testingYields2():
dates = []
dfs = [] cal = ql.China(ql.China.IB)
today = ql.Date(23, ql.July, 2018)
dc = ql.ActualActual(ql.ActualActual.ISMA) settlementDays = 0
settlement = cal.advance(
today, settlementDays, ql.Days) dates.append(settlement)
dates.append(settlement + ql.Period(1, ql.Years))
dates.append(settlement + ql.Period(2, ql.Years))
dates.append(settlement + ql.Period(3, ql.Years))
dates.append(settlement + ql.Period(4, ql.Years))
dates.append(settlement + ql.Period(5, ql.Years))
dates.append(settlement + ql.Period(6, ql.Years))
dates.append(settlement + ql.Period(7, ql.Years))
dates.append(settlement + ql.Period(8, ql.Years))
dates.append(settlement + ql.Period(9, ql.Years))
dates.append(settlement + ql.Period(10, ql.Years))
dates.append(settlement + ql.Period(15, ql.Years))
dates.append(settlement + ql.Period(20, ql.Years))
dates.append(settlement + ql.Period(30, ql.Years)) dfs.append(0.0000 / 100.0)
dfs.append(3.0544 / 100.0)
dfs.append(3.1565 / 100.0)
dfs.append(3.2531 / 100.0)
dfs.append(3.2744 / 100.0)
dfs.append(3.2964 / 100.0)
dfs.append(3.4092 / 100.0)
dfs.append(3.5237 / 100.0)
dfs.append(3.5264 / 100.0)
dfs.append(3.5298 / 100.0)
dfs.append(3.5337 / 100.0)
dfs.append(3.8517 / 100.0)
dfs.append(3.8884 / 100.0)
dfs.append(4.0943 / 100.0) tmpDate1 = settlement + ql.Period(7, ql.Years)
tmpDate2 = settlement + ql.Period(8, ql.Years)
curve = ql.ZeroCurve(
dates, dfs, dc, cal, ql.Linear(), ql.Compounded, ql.Annual) print(
"零息收益率:",
curve.zeroRate(
tmpDate2, dc, ql.Compounded, ql.Annual))
print(
"贴现因子:",
curve.discount(tmpDate2)) print(
"7Y - 8Y 远期收益率:",
curve.forwardRate(
tmpDate1, tmpDate2, dc, ql.Compounded, ql.Annual))

输出如下所示:

零息收益率: 3.526400 % Actual/Actual (ISMA) Annual compounding
贴现因子: 0.7578636936087101
7Y - 8Y 远期收益率: 3.545302 % Actual/Actual (ISMA) Annual compounding

QuantLib 金融计算——收益率曲线之构建曲线(1)的更多相关文章

  1. QuantLib 金融计算——收益率曲线之构建曲线(2)

    目录 QuantLib 金融计算--收益率曲线之构建曲线(2) YieldTermStructure 问题描述 Piecewise** 分段收益率曲线的原理 Piecewise** 对象的构造 Fit ...

  2. QuantLib 金融计算——收益率曲线之构建曲线(3)

    目录 QuantLib 金融计算--收益率曲线之构建曲线(3) 概述 估算期限结构的步骤 读取样本券数据 一些基本配置 配置 *Helper 对象 配置期限结构 估算期限结构 汇总结果 当前实现存在的 ...

  3. QuantLib 金融计算——收益率曲线之构建曲线(4)

    [TOC] 如果未做特别说明,文中的程序都是 C++11 代码. QuantLib 金融计算--收益率曲线之构建曲线(4) 本文代码对应的 QuantLib 版本是 1.15.相关源代码可以在 Qua ...

  4. QuantLib 金融计算——收益率曲线之构建曲线(5)

    目录 QuantLib 金融计算--收益率曲线之构建曲线(5) 概述 Nelson-Siegel 模型家族的成员 Nelson-Siegel 模型 Svensson 模型 修正 Svensson 模型 ...

  5. QuantLib 金融计算

    我的微信:xuruilong100 <Implementing QuantLib>译后记 QuantLib 金融计算 QuantLib 入门 基本组件之 Date 类 基本组件之 Cale ...

  6. QuantLib 金融计算——自己动手封装 Python 接口(1)

    目录 QuantLib 金融计算--自己动手封装 Python 接口(1) 概述 QuantLib 如何封装 Python 接口? 自己封装 Python 接口 封装 Array 和 Matrix 类 ...

  7. QuantLib 金融计算——自己动手封装 Python 接口(2)

    目录 QuantLib 金融计算--自己动手封装 Python 接口(2) 概述 如何封装一项复杂功能? 寻找最小功能集合的策略 实践 估计期限结构参数 修改官方接口文件 下一步的计划 QuantLi ...

  8. QuantLib 金融计算——数学工具之插值

    目录 QuantLib 金融计算--数学工具之插值 概述 一维插值方法 二维插值方法 如果未做特别说明,文中的程序都是 Python3 代码. QuantLib 金融计算--数学工具之插值 载入模块 ...

  9. QuantLib 金融计算——高级话题之模拟跳扩散过程

    目录 QuantLib 金融计算--高级话题之模拟跳扩散过程 跳扩散过程 模拟算法 面临的问题 "脏"的方法 "干净"的方法 实现 示例 参考文献 如果未做特别 ...

随机推荐

  1. [SoapUI]怎样运用Schema通过*.xsd文件来验证response对应的xml文件

    添加Groovy Script脚本对Test Step进行验证 脚本如下(已经运行通过): import javax.xml.XMLConstants import javax.xml.transfo ...

  2. Kubernetes 中的pv和pvc

    原文地址:http://www.cnblogs.com/leidaxia/p/6485646.html 持久卷 PersistentVolumes 本文描述了 Kubernetes 中的 Persis ...

  3. CSS3: box-sizing & content-box 属性---元素的border 和 padding 影响内容的 width 和 height解决方案

    /* 关键字 值 */ box-sizing: content-box; box-sizing: border-box; /* 全局 值 */ box-sizing: inherit; box-siz ...

  4. UVa 10570 Meeting with Aliens (暴力)

    题意:给定一个排列,每次可交换两个数,用最少的次数把它变成一个1~n的环状排列. 析:暴力题.很容易想到,把所有的情况都算一下,然后再选出次数最少的那一个,也就是说,我们把所有的可能的形成环状排列全算 ...

  5. 如何提取kinect中深度图的点云数据

    https://bbs.csdn.net/topics/391080654 在Matlab中调用Kinect教程:https://jingyan.baidu.com/article/af9f5a2d1 ...

  6. JAVA反射机制o

    Reflection是Java 程序开发语言的特征之一,它允许运行中的 Java 程序对自身进行检查,或者说"自审",并能直接操作程序的内部属性.例如,使用它能获得 Java 类中 ...

  7. linux 进程通信之 管道和FIFO

    进程间通信:IPC概念 IPC:Interprocess Communication,通过内核提供的缓冲区进行数据交换的机制. IPC通信的方式: pipe:管道(最简单) fifo:有名管道 mma ...

  8. (译)C#参数传递

    前言 菜鸟去重复之Sql的问题还没有得到满意的答案.如果哪位大哥有相关的资料解释,能够分享给我,那就太谢谢了. 接触C#一年了,感觉很多东西还是很模糊,像C#中的委托和事件 有些东西看多了不用也还是不 ...

  9. 算法 - 最小m段和问题

    题目分析 给定n个整数组成的序列,要求将序列分割为m段,每段子序列中的数在原序列中连续排列,求使得子段和的最大值达到最小的分割方法 解题方法 状态转移方程 State[i][j]表示前i个数据分成j段 ...

  10. WebApi 插件式构建方案:重写的控制器获取工厂

    body { border: 1px solid #ddd; outline: 1300px solid #fff; margin: 16px auto; } body .markdown-body ...