第二章：债券基础与定价模型
做固收量化这些年，我最大的感受是：债券看着简单，其实门道很深。股票你盯着K线图，顶多亏个本金。债券呢？利率波动、信用风险、久期管理，哪个没处理好都可能翻车。今天咱们就从最基础的开始聊。
2.1 债券的基本要素
债券说白了就是一张借条。发行人找你借钱，约定好什么时候还、利息怎么给。我刚开始做债券交易时，老觉得这东西比股票简单多了——后来发现，简单的东西往往最容易出问题。
一张标准债券，通常包含这几个要素：
- 面值（Face Value）：到期时发行人还你的钱。国内通常是100元。
- 票面利率（Coupon Rate）：每年给你的利息比例。比如3%的票息，面值100元，每年给你3块。
- 付息频率（Coupon Frequency）：一年付几次。国内大部分债券一年付一次，也有半年付的。
- 到期日（Maturity Date）：还本付息的日子。
- 发行价格（Issue Price）：你买的时候花了多少钱。可能高于面值（溢价），也可能低于面值（折价）。
一个容易踩的坑： 我曾经以为票面利率越高越好。后来发现，高票息往往意味着高风险。你想想看，一个企业如果经营状况很好，为什么要给你8%的利息？银行理财才3%啊。
2.2 到期收益率（YTM）
到期收益率，简称YTM。这是债券定价里最核心的概念之一。它衡量的是：你买入债券后一直持有到期，每年的平均回报率是多少。
公式长这样：
P = Σ [C / (1 + YTM)^t] + F / (1 + YTM)^n其中：
- P = 当前价格
- C = 每期票息
- F = 面值
- n = 剩余期数
- t = 第t期
这个公式看着复杂，其实逻辑很简单：把未来的所有现金流（票息+本金）折现到现在，加起来等于当前价格。那个折现率就是YTM。
我的经验： 实际工作中没人手算YTM。Excel里用IRR函数，Python里用numpy.irr或者scipy.optimize。但我建议你至少手动算一次，理解背后的逻辑。不然哪天系统出bug，你都不知道结果对不对。
2.3 久期与凸性
久期（Duration）和凸性（Convexity），这两个概念我当年学的时候觉得特别抽象。后来做回测系统时才发现，它们就是债券的「风险度量尺」。
2.3.1 久期
久期衡量的是债券价格对利率变化的敏感度。说白了就是：利率每变动1%，债券价格大概变动多少。
麦考利久期公式：
MacD = Σ [t * PV(CF_t)] / P修正久期：
ModD = MacD / (1 + YTM / m)其中m是每年付息次数。
举个例子：一个修正久期为5的债券，利率上升1%，价格大约下跌5%。
注意： 久期是个线性近似。利率变动小的时候挺准，变动大了就不行了。这时候需要凸性来帮忙。
2.3.2 凸性
凸性修正了久期的线性误差。它衡量的是久期本身的变化率。
凸性公式：
Convexity = Σ [t * (t + 1) * PV(CF_t)] / [P * (1 + YTM)^2]加上凸性修正后，价格变动估算更准确：
ΔP/P ≈ -ModD * Δy + 0.5 * Convexity * (Δy)^2我做过一个测试：利率变动100个基点时，只用久期估算误差约2%，加上凸性后误差降到0.1%以内。所以做回测时，千万别偷懒只用久期。
2.4 利率期限结构理论
利率期限结构，就是不同期限的利率之间的关系。画出来就是那条收益率曲线。
关于收益率曲线的形状，有几种主流理论：
| 理论名称 | 核心观点 | 我的评价 |
|---|---|---|
| 纯预期理论 | 长期利率 = 未来短期利率的预期值 | 太理想化，现实中没人这么纯 |
| 流动性偏好理论 | 长期债券需要流动性溢价补偿 | 比较靠谱，我回测时常用 |
| 市场分割理论 | 不同期限市场各自独立 | 有点极端，但短期有效 |
| 优先栖息地理论 | 投资者有偏好期限，但可以被溢价吸引 | 最贴近实际，我推荐这个 |
我个人习惯用流动性偏好理论做基准。为什么呢？因为它在数学上好处理，而且回测效果不错。但要注意，市场极端行情下（比如2020年3月），所有理论都会失效。
2.5 知识体系总览
下面这张图是我自己整理的债券定价知识框架，做回测系统时经常参考：
避坑指南： 我曾经在回测系统里直接用YTM作为折现率，结果发现对于含权债券（比如可赎回债），YTM完全不准。后来改用OAS（期权调整利差）才解决问题。所以做回测前，先搞清楚你的债券有没有隐含期权。
嗯，这一章的内容就到这里。债券定价是固收量化的地基，地基不牢，后面盖的楼再高也危险。下一章咱们聊聊怎么用Python实现这些定价模型，到时候我会分享一些我踩过的坑。