收益率曲线matlab,收益率曲线拟合技术解读.ppt

收益率曲线拟合技术 收益率曲线参数模型的一般方法 一、符号定义：远期利率与即期利率关系 如果假设当前市场远期利率可用某种参数函数表达,如f(t,T,b) ,则即期利率可以表达为s(t,T,b)，贴现函数同样也可以表达为B(t,T,b) 收益率曲线参数模型的一般方法 一、符号定义 贴现函数 表示在时间T支付的现金流 在时间t的贴现系数 其中， 为函数的参数向量 债券理论价格 表示债券j的理论价格 表示该债券现金流向量 收益率曲线参数模型的一般方法 二、一般方法 假设 我们可以获得一组现金流向量 已知，无违约风险，在时间t的市场价格为 的债券 同时，我们构造假想的 函数形式 (样条法中，即为分段的样条函数) 求 使 最小 我们表示为 由此 向量，我们即可得知 从而得出瞬时远期利率期限结构 收益率曲线参数模型步骤(1) 确定约束条件 对贴现函数 有 始终成立 上式作为目标函数的约束条件 收益率曲线参数模型步骤(2)：确定误差 债券的理论价格与实际价格 对于债券 j，有 对于 满足 1、 2、方差 3、协方差 收益率曲线参数模型步骤(2)：确定误差 残差的方差-协方差矩阵为(与广义最小二乘法对应) 简化方法为假设各种债券的方差相等，即权重 显然，到期期限长的债券估价较难，因此，权重 应考虑期限因素 Vasicek和Fong的方法 即 其中， 和 分别表示债券j在时间t的到期收益率和久期 收益率曲线参数模型步骤(2)：目标函数及其优化 令 为我们要估计的贴现函数系数向量 为无约束条件下的 的估计值 为约束条件下 的估计值 由目标函数 及约束条件 我们即可用广义最小二乘法求得参数的解析解。但一般Matlab软件可以通过迭代优化完成这个过程。 优化过程——获得最优的参数向量 Nelson-Siegel-Svenson模型 多项式样条函数(一) 我们一般使用三阶的多项式样条函数形式 且为上述多项式样条函数连续可导，须满足 其中 是函数 的第i 阶导数(i= 0, 1, 2) 多项式样条函数(二) 满足以上条件，约掉部分参数，样条函数形式为 指数样条函数(一) 一般应用三阶的指数形式样条函数，形式如下 上式中，u的经济含义为起息日为未来无限远时的瞬间远期利率 亦即 指数样条函数(二) 应用指数样条函数的最优决策过程 (广义最小二乘无解析解，必须通过迭代优化) 1、将参数向量 固定在一个合理的初值上 2、以 来计算 3、运用牛顿迭代法取完所有 的值来对 进行最优化，求出其最小二乘估计量 样条分段数的最优取值 样条分段数越大，曲线拟合度越高，但平滑值越差 样条分段数越小，则曲线越平滑，但拟合度差 样条分段数确定方法一： 样条分段数= 参考债券集合包含的债券数 n的平方根 样条分段数确定方法二： Priaulet的平均差距直观法，标准差表示的误差 <= 0.15% 样条分界点的最优选择 原则：分界点选择应能够反映出市场的自然形成的，针对不同期限债券的分隔特征 例：Priaulet(1997)对法国债券市场分割的四个样条 短期债券样条(1天~~1年) 中期债券样条(1年~~7年) 长期债券样条(7年~~10年) 超长期债券样条(10年~~30年) 目标函数的确定 一般形式 f 为由(三阶)样条函数得出的远期瞬时利率 构成的收益率曲线 目标函数的修正 扩展的形式：为避免收益率曲线摆动而加入惩罚函数，目标函数为 其中， 为惩罚函数常量 在Fisher的方法中， 其中，N为集合中的债券数量， 为理论价格和实际价格的残差方差， 为有效参数的数目，