利率互换（IRS）定价：从条款到Python实现

利率互换，圈里人常叫它IRS。说白了，就是两方约定好，在未来一段时间内交换利息现金流。一方按固定利率付，另一方按浮动利率付。本金？不交换，只是个名义本金。

我在2015年刚接触IRS时，觉得这东西不就是个对赌嘛。后来真正上手做定价才发现，里面的弯弯绕绕真不少。今天咱们就把IRS定价的底裤扒干净。

IRS标准条款：你得知道的几个关键点

一份标准的IRS合约，通常包含这些要素：

  • 名义本金（Notional）：计算利息的基础，但不交换
  • 固定利率（Fixed Rate）：支付方按这个利率付钱
  • 浮动利率指数（Floating Index）：比如3个月Shibor、6个月Libor
  • 支付频率（Payment Frequency）：每季度、每半年等
  • 计息基准（Day Count Convention）：比如Act/360、Act/365
  • 起息日与到期日：整个互换的生命周期

核心要点：IRS的现金流是净额结算的。也就是说，到期日只付差额，不付全额。这大大降低了信用风险。

举个例子。假设你签了一个5年期IRS，名义本金1亿，你收固定利率3.5%，付3个月Shibor。每季度交换一次利息。那么每个季度，你都会收到固定端利息，同时付出浮动端利息。净额就是两者之差。

固定端估值：说白了就是求现值

固定端的现金流是确定的。每期支付的利息 = 名义本金 × 固定利率 × 计息期限。然后把这些现金流用折现因子折现到今天。

公式长这样：

PV_fixed = Σ (N × R_fixed × τ_i × DF_i)

其中：

  • N = 名义本金
  • R_fixed = 固定利率
  • τ_i = 第i期的计息期限（年化）
  • DF_i = 第i期的折现因子

折现因子从哪来？从零息曲线上来。我习惯用Bootstrapping方法从市场报价中提取零息曲线。嗯，这块后面讲曲线构建时会细说。

浮动端估值：没那么简单

浮动端的现金流是不确定的，因为它挂钩市场利率。但有个巧妙的方法：在重置日，浮动端的现值等于名义本金。

为什么会这样？你想想看，在重置日，浮动利率被设定为当前市场利率，那么未来所有浮动利息的现值，恰好等于名义本金。这是无套利原理的体现。

所以浮动端的估值公式是：

PV_float = N × (DF_start - DF_end)

其中DF_start是起息日的折现因子，DF_end是到期日的折现因子。这个公式简洁得让人拍大腿。

我的经验：在实际项目中，浮动端估值最容易出错的地方是计息基准和支付日期的对齐。我曾经因为Act/360和Act/365没搞对，导致估值差了十几万。嗯，从那以后我再也不敢忽略Day Count Convention了。

互换定价公式：固定端减浮动端

IRS的价值，就是固定端现值减去浮动端现值：

V_IRS = PV_fixed - PV_float

如果V_IRS > 0，说明你收固定利率的头寸是赚钱的。反之则亏钱。

那公平的互换利率怎么定？就是让V_IRS = 0的那个固定利率。解方程：

Σ (N × R_swap × τ_i × DF_i) = N × (DF_start - DF_end)

化简得：

R_swap = (DF_start - DF_end) / Σ (τ_i × DF_i)

这个R_swap就是市场公允的互换利率。你拿它跟市场报价一比，就知道交易划不划算了。

Python实现IRS定价

光说不练假把式。咱们直接上代码。

import numpy as np
from scipy.interpolate import interp1d

class IRS_Pricer:
    def __init__(self, notional, fixed_rate, floating_index, 
                 start_date, end_date, pay_freq, day_count='Act/360'):
        self.notional = notional
        self.fixed_rate = fixed_rate
        self.floating_index = floating_index
        self.start_date = start_date
        self.end_date = end_date
        self.pay_freq = pay_freq
        self.day_count = day_count
        
    def generate_payment_dates(self):
        """生成支付日期列表"""
        # 简化实现：假设按季度支付
        dates = []
        current = self.start_date
        while current < self.end_date:
            current = current + pd.DateOffset(months=3)
            dates.append(current)
        return dates
    
    def get_discount_factors(self, dates, curve):
        """从曲线上获取折现因子"""
        # curve是(期限, 折现因子)的插值函数
        t = [(d - self.start_date).days / 360 for d in dates]
        return curve(t)
    
    def price_fixed_leg(self, curve):
        """定价固定端"""
        dates = self.generate_payment_dates()
        dfs = self.get_discount_factors(dates, curve)
        
        pv = 0
        for i, (d, df) in enumerate(zip(dates, dfs)):
            # 计息期限
            if i == 0:
                tau = (d - self.start_date).days / 360
            else:
                tau = (d - dates[i-1]).days / 360
            pv += self.notional * self.fixed_rate * tau * df
            
        return pv
    
    def price_float_leg(self, curve):
        """定价浮动端"""
        # 使用简化公式：N * (DF_start - DF_end)
        t_start = 0
        t_end = (self.end_date - self.start_date).days / 360
        df_start = curve([t_start])[0]
        df_end = curve([t_end])[0]
        
        return self.notional * (df_start - df_end)
    
    def price(self, curve):
        """计算IRS价值"""
        pv_fixed = self.price_fixed_leg(curve)
        pv_float = self.price_float_leg(curve)
        return pv_fixed - pv_float
    
    def fair_swap_rate(self, curve):
        """计算公平互换利率"""
        dates = self.generate_payment_dates()
        dfs = self.get_discount_factors(dates, curve)
        
        # 计算年金因子
        annuity = 0
        for i, (d, df) in enumerate(zip(dates, dfs)):
            if i == 0:
                tau = (d - self.start_date).days / 360
            else:
                tau = (d - dates[i-1]).days / 360
            annuity += tau * df
        
        t_end = (self.end_date - self.start_date).days / 360
        df_start = curve([0])[0]
        df_end = curve([t_end])[0]
        
        return (df_start - df_end) / annuity

# 使用示例
if __name__ == "__main__":
    # 构造一条简单的零息曲线
    tenors = np.array([0, 0.25, 0.5, 1, 2, 3, 4, 5])
    rates = np.array([0.02, 0.022, 0.024, 0.025, 0.027, 0.028, 0.029, 0.03])
    dfs = np.exp(-rates * tenors)  # 连续复利折现
    curve = interp1d(tenors, dfs, kind='linear', fill_value='extrapolate')
    
    # 定价一个5年期IRS
    pricer = IRS_Pricer(
        notional=100_000_000,
        fixed_rate=0.035,
        floating_index='3M_Shibor',
        start_date=pd.Timestamp('2024-01-01'),
        end_date=pd.Timestamp('2029-01-01'),
        pay_freq='quarterly'
    )
    
    value = pricer.price(curve)
    fair_rate = pricer.fair_swap_rate(curve)
    
    print(f"IRS价值: {value:,.2f}")
    print(f"公平互换利率: {fair_rate:.4%}")

避坑指南：

  • 折现曲线必须与浮动利率指数一致。比如用Shibor定价，就别用国债曲线。
  • 支付日期调整要考虑节假日。我见过因为忽略节假日调整，导致现金流错配的案例。
  • 计息基准一定要对齐。固定端和浮动端可能用不同的Day Count。

知识体系总览

下面这张图，把IRS定价的核心逻辑串起来了。建议你保存下来，以后做定价时对照着看。

IRS定价知识体系 市场输入 零息曲线 浮动利率指数 合约参数 名义本金 固定利率/支付频率 计算引擎 现金流生成 折现因子插值 输出结果 固定端现值 PV_fixed = Σ(N × R × τ × DF) 浮动端现值 PV_float = N × (DF_start - DF_end) 互换价值 V_IRS = PV_fixed - PV_float 公平互换利率 R_swap = (DF_start - DF_end) / Σ(τ × DF) 图1：IRS定价核心流程 — 输入、计算、输出三阶段

这张图把IRS定价拆成了三个层次：输入层（市场数据+合约参数）、计算层（现金流生成+折现）、输出层（固定端/浮动端现值+公平利率）。每次做定价时，按这个流程走，基本不会漏东西。

我的习惯：在实际项目中，我会把曲线构建和IRS定价拆成两个独立的模块。曲线构建负责从市场报价生成折现因子，IRS定价模块只管用这些因子算现值。这样测试和维护都方便。

好了，IRS定价的核心内容就这些。从标准条款到固定端浮动端估值，再到Python实现，咱们都过了一遍。记住那个核心公式：V_IRS = PV_fixed - PV_float。剩下的就是细节了。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →