第四章：互换合约定价——从利率到信用的进阶之路

说实话，互换合约在衍生品里是个很有意思的存在。它不像期权那样有复杂的非线性特征，也不像期货那样标准化到让人乏味。互换的本质，说白了就是「交换现金流」——你付固定，我收浮动；你付美元，我付欧元。就这么简单。

但我得提醒你，简单不等于容易。我在做利率互换定价的时候，曾经因为一个浮息端的重置日期搞错了，导致整个估值表对不上账。嗯，从那以后我对互换的现金流日期就格外敏感。

4.1 互换合约的定义与特征

互换合约，英文叫Swap，是交易双方约定在未来一段时间内，交换一系列现金流的协议。最常见的两种：利率互换和货币互换。

核心特征其实就三条：

• 场外交易：不像期货在交易所，互换是OTC的，条款可以定制
• 双边合约：只涉及两个对手方，信用风险是实打实的
• 现金流交换：不是一次性交割，而是按约定频率多次交换

你想想看，为什么企业要做互换？无非是管理风险或者降低成本。比如一家公司发了浮动利率债，但担心利率上升，那就做一个收浮动付固定的互换，把浮动风险锁死。

4.2 利率互换定价

利率互换（IRS）是最基础的互换品种。固定端和浮动端，两边的估值逻辑完全不同。

4.2.1 固定端估值

固定端其实很简单。你有一系列固定的现金流，比如每半年付一次，利率3%。那估值就是把这些现金流用合适的折现因子折回来。

公式长这样：

PV_fixed = Σ (C × τ_i × DF_i)

其中C是固定利率，τ_i是计息期限，DF_i是折现因子。

我个人习惯用OIS曲线来折现，因为现在主流的抵押品都是美元，OIS更能反映无风险利率。以前用Libor折现的时代已经过去了。

4.2.2 浮动端估值

浮动端就有意思了。浮动利率在重置日之前是未知的，但我们可以用远期利率来预测。

核心逻辑：

PV_float = Σ (F_i × τ_i × DF_i)

F_i是从当前到下一个重置日的远期利率。

这里有个坑，我踩过。浮动端的现金流其实可以简化——在重置日，浮动端的现值等于面值。为什么呢？因为浮动利率债券在付息日之后会回归面值。所以浮动端的估值可以简化为：

PV_float = (1 + F_1 × τ_1) × DF_1 - DF_n

嗯，这个技巧能省不少计算量。

4.2.3 完整定价示例

来看一个Python实现。假设我们有一个5年期利率互换，固定利率2.5%，每半年交换一次。

import numpy as np

def irs_pricing(notional, fixed_rate, tenors, discount_factors, forward_rates):
    """
    利率互换定价
    notional: 名义本金
    fixed_rate: 固定利率
    tenors: 计息期限数组（年化）
    discount_factors: 折现因子数组
    forward_rates: 远期利率数组
    """
    # 固定端
    pv_fixed = sum(fixed_rate * t * df for t, df in zip(tenors, discount_factors))
    
    # 浮动端
    pv_float = sum(f * t * df for f, t, df in zip(forward_rates, tenors, discount_factors))
    
    swap_value = notional * (pv_float - pv_fixed)
    return swap_value

# 示例数据
notional = 1000000
fixed_rate = 0.025
tenors = [0.5, 1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0, 4.5, 5.0]
discount_factors = [0.99, 0.98, 0.97, 0.96, 0.95, 0.94, 0.93, 0.92, 0.91, 0.90]
forward_rates = [0.02, 0.022, 0.024, 0.025, 0.026, 0.027, 0.028, 0.029, 0.03, 0.031]

value = irs_pricing(notional, fixed_rate, tenors, discount_factors, forward_rates)
print(f"互换价值: ${value:.2f}")

4.3 货币互换定价

货币互换比利率互换多了一层——汇率风险。你不仅要考虑两边的利率，还要考虑本金的交换。

货币互换的结构：

• 期初交换本金（比如美元换欧元）
• 期间交换利息（美元付固定，欧元付浮动）
• 期末换回本金

定价逻辑：把两边的现金流分别用各自的折现曲线折现，然后按即期汇率换算成同一货币。

def ccs_pricing(notional_usd, notional_eur, fx_rate,
                usd_fixed_rate, eur_float_rates,
                tenors, usd_df, eur_df):
    """
    货币互换定价（美元收固定，欧元付浮动）
    """
    # 美元固定端
    pv_usd = sum(usd_fixed_rate * t * df for t, df in zip(tenors, usd_df))
    pv_usd += 1 * usd_df[-1]  # 期末本金
    
    # 欧元浮动端
    pv_eur = sum(f * t * df for f, t, df in zip(eur_float_rates, tenors, eur_df))
    pv_eur += 1 * eur_df[-1]  # 期末本金
    
    # 换算成美元
    pv_eur_usd = pv_eur * fx_rate
    
    swap_value = notional_usd * pv_usd - notional_eur * pv_eur_usd
    return swap_value

我个人觉得货币互换最麻烦的是汇率处理。你想想看，如果汇率波动大，即使利率算得再准，价值也可能大幅偏离。我在做跨境互换时，通常会在模型里加一个汇率情景分析。

4.4 信用违约互换（CDS）简介

CDS本质上是一种保险——你付保费，我承担违约风险。定价逻辑和利率互换有点像，但多了一个「违约概率」的维度。

CDS的现金流：

• 买方定期支付保费（固定端）
• 如果参考实体违约，卖方支付赔偿（或有端）

定价公式：

PV_premium = Σ (S × τ_i × DF_i × SurvivalProb_i)
PV_contingent = (1 - Recovery) × Σ (DF_i × (SurvivalProb_{i-1} - SurvivalProb_i))

其中S是保费率，Recovery是回收率，SurvivalProb是生存概率。

我记得刚做CDS时，最头疼的是违约概率的估计。市场上有CDS报价，但那是隐含的违约概率，和实际违约概率是两码事。后来我学会了用「风险中性定价」的思路——用市场数据反推，而不是自己预测违约概率。

知识体系总览

下面这张图是我自己整理的互换定价知识框架，你可以对照着看：

这张图把三种互换的核心要素都列出来了。你看，IRS的核心是折现因子和远期利率，CCS多了汇率，CDS则引入了违约概率。但万变不离其宗——都是现金流折现的逻辑。

---

公众号:蓝海资料掘金营，微信deep3321