今天来个简单的,使用插值法求远期国债利率。
插值法使用的是scipy模块中的interpolate子模块的interp1d函数,注意这里的是数字1,不是英文字母l。函数的格式为interp1d(x,y,kind),x、y为给定数据,kind是插值方法。
kind参数如下:
参数名称 | 插值方法 |
---|---|
nearest | 最邻近插值法 |
zero | 0阶样条曲线插值法 |
slinear | 1阶样条曲线插值法 |
quadratic | 2阶样条曲线插值法 |
cubic | 3阶样条曲线插值法 |
假设有如下远期国债到期收益率:
期限 | 0.25年 | 半年 | 0.75年 | 1年 | 3年 | 5年 |
---|---|---|---|---|---|---|
远期收益率 | 2.7344% | 2.7898% | 2.8382% | 2.882% | 3.0414% | 3.1746% |
可以发现在表中缺少2年期和4年期的远期国债收益率,现在就可以通过数据拟合出曲线并求出对应的收益率。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import interpolate
#下面是显示中文必备代码
from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False
接下来将表中数据以列表形式处理:
#原有期限
t=np.array([0.25,0.5,0.75,1.0,3.0,5.0])
#新期限
t_new=np.array([0.25,0.5,0.75,1.0,2.0,3.0,4.0,5.0])
#原有到期收益率
rates=np.array([0.27344,0.27898,0.28382,0.2882,0.30414,0.31746])
设置好5种插值方法,以及线形的格式
types=['nearest','zero','slinear','quadratic','cubic']
k1=['-','--','-.',':','-']
k2=['*','h','+','d','s']
计算并绘图:
这里设置了一堆线形,主要是为了区分不同的数据,毕竟如果是同样的线形是无法区分开的。
plt.figure(figsize=(10,8))
for i in range(len(types)):
f=interpolate.interp1d(x=t,y=rates,kind=types[i])
rates_new=f(t_new)
print(types[i],rates_new)
plt.plot(t_new,rates_new,k1[i])
plt.plot(t_new,rates_new,k2[i],label=types[i])
plt.xticks(fontsize=14)
plt.xlabel(u'期限',fontsize=14)
plt.yticks(fontsize=14)
plt.ylabel(u'收益率',fontsize=14,rotation=0)
plt.legend(loc=0,fontsize=14)
plt.grid()
结果如下:
可以看出,nearest和zero法得到的结果基本相同,而其他方法得到的结果有些不同。