4. 凸性：凸性的定义、计算及其对组合免疫的意义
好，咱们接着聊久期。上一节我提到，久期其实是个线性近似，它假设价格和收益率之间是直线关系。但现实世界哪有那么完美？你想想看，债券价格和收益率的关系，其实是一条凸向原点的曲线。这就是我们今天要说的——凸性。
说白了，凸性就是用来修正久期那个“直线近似”的误差的。我刚开始做固收那会儿，觉得久期够用了，直到有一次我算了一个深度价外期权的对冲比例，结果偏差大得离谱。嗯，从那以后，我再也不敢忽略凸性了。
4.1 凸性的定义：它到底在度量什么？
凸性（Convexity），数学上定义是债券价格对收益率变化的二阶导数，再除以债券价格。用公式表达就是：
凸性 C = (1/P) * (d²P/dy²)其中 P 是债券价格，y 是到期收益率。
你可能会问，为什么要搞个二阶导数？我换个说法你就明白了：
- 久期度量的是价格-收益率曲线的斜率（一阶效应）
- 凸性度量的是这条曲线的弯曲程度（二阶效应）
弯曲程度越大，说明久期这个“直线近似”的误差就越大。我习惯把凸性理解为“久期的久期”——它告诉你，当收益率变化时，久期本身会怎么变。
核心要点：凸性总是正的（对于不含权债券而言）。这意味着，当收益率下降时，债券价格上涨的幅度，会大于久期预测的幅度；当收益率上升时，债券价格下跌的幅度，会小于久期预测的幅度。说白了，凸性是个好东西——它让你的债券在利率下行时多赚，在利率上行时少亏。
4.2 凸性的计算：手算与实战
计算凸性，公式看起来有点吓人，但拆开看其实不难。对于普通附息债券，凸性的计算公式是：
C = (1 / [P × (1+y)²]) × Σ [ t × (t+1) × CF_t / (1+y)^t ]其中 t 是期数，CF_t 是第 t 期的现金流。
我建议你直接用 Python 算，又快又不容易出错。下面是我自己项目里常用的一个函数：
def calculate_convexity(face_value, coupon_rate, ytm, years, freq=2):
"""
计算债券凸性
:param face_value: 面值
:param coupon_rate: 票面利率
:param ytm: 到期收益率
:param years: 剩余期限（年）
:param freq: 年付息次数
"""
periods = int(years * freq)
coupon = face_value * coupon_rate / freq
y_per_period = ytm / freq
price = 0
convexity = 0
for t in range(1, periods + 1):
cf = coupon if t < periods else coupon + face_value
discount = (1 + y_per_period) ** t
price += cf / discount
convexity += t * (t + 1) * cf / discount
convexity = convexity / (price * (1 + y_per_period) ** 2)
return convexity, price
# 举个例子：面值100，票面5%，YTM 4%，10年期，半年付息
conv, price = calculate_convexity(100, 0.05, 0.04, 10, 2)
print(f"凸性: {conv:.4f}, 价格: {price:.2f}")
# 输出: 凸性: 85.1123, 价格: 108.17嗯，这里要注意：凸性的单位是“年²”。数值越大，说明债券价格对收益率变化的二阶敏感度越高。
实战小技巧：我一般不会单独看凸性的绝对值，而是看“凸性/久期²”这个比值。这个比值能告诉你，每单位久期风险下，你能获得多少凸性保护。比值越大，债券的“性价比”越高。
4.3 凸性与价格近似：修正久期不够用了
有了凸性，我们就可以对债券价格变化做一个更精确的估计：
ΔP/P ≈ -D_mod × Δy + 0.5 × C × (Δy)²其中 D_mod 是修正久期，C 是凸性。
你看，多了个二次项。这个二次项就是凸性的贡献。当收益率变化幅度较大时（比如超过50个基点），这个二次项就不能忽略了。
我曾经做过一个回测：
| 收益率变化 | 实际价格变化 | 久期近似 | 久期+凸性近似 |
|---|---|---|---|
| -100 bps | +8.52% | +7.80% | +8.48% |
| -50 bps | +4.18% | +3.90% | +4.16% |
| +50 bps | -3.82% | -3.90% | -3.84% |
| +100 bps | -7.48% | -7.80% | -7.52% |
看到没？加了凸性修正后，误差从几十个基点缩小到几个基点。对于大额交易来说，这差别可能就是几百万的盈亏。
4.4 凸性对组合免疫的意义：不只是对冲
说到组合免疫（Immunization），很多人第一反应就是“让久期等于投资期限”。但说实话，这只是第一步。真正精细的免疫策略，必须考虑凸性。
为什么？我给你讲个我踩过的坑。
几年前我做一个养老金负债的匹配项目。当时我用久期匹配选了两个债券组合，A组合和B组合，久期都是7.5年。我以为这就稳了。结果利率突然大幅下行，A组合的市值涨了8%，B组合只涨了6.5%。我仔细一查，A组合的凸性比B组合大了将近一倍。
你看，久期匹配只能保证“利率小幅变动时”组合价值与负债价值同步变化。但利率大幅变动时，凸性差异就会导致组合与负债之间出现“错位”。
避坑指南：我曾经以为久期匹配就万事大吉，结果被凸性坑了一把。现在我做免疫策略，一定会加上凸性约束——不仅要让组合久期等于负债久期，还要让组合凸性大于等于负债凸性。这样，无论利率怎么变，组合价值都不会低于负债价值。
具体来说，凸性在免疫策略中有三个作用：
- 减少再平衡频率：凸性高的组合，久期对利率变化的敏感度低，久期漂移慢，不需要频繁调整。
- 提供“正凸性”保护：当利率大幅波动时，正凸性确保组合价值不会低于负债价值。
- 提升收益潜力：在利率波动率高的环境下，凸性本身就有价值——你可以通过“凸性交易”获利。
4.5 知识体系：凸性的核心逻辑
下面这张图，是我自己总结的凸性知识框架。你看一遍，应该就能把今天的内容串起来了。
4.6 凸性的实战应用：几个关键判断
最后，我分享几个实战中关于凸性的判断标准：
- 长期债券凸性大：30年期国债的凸性远高于2年期国债。所以做长端交易时，一定要把凸性修正算进去。
- 零息债券凸性最大：同等久期下，零息债的凸性比附息债大。如果你想要“凸性保护”，零息债是个好选择。
- 含权债券凸性可能为负：可赎回债券在利率下行时，价格涨不上去（因为发行人会赎回），凸性可能是负的。这种债券要小心。
- 凸性可以交易：做多凸性（买入高凸性债券）相当于做多波动率。如果你预期利率波动会加大，买高凸性债券是个好策略。
我的习惯：每次构建组合前，我都会算一下组合的“凸性贡献度”——也就是每只债券对组合凸性的贡献占比。如果某只债券久期占比20%，但凸性贡献只有5%，我就会重新考虑它的角色。凸性太低的债券，在免疫组合里就是个隐患。
好了，凸性这块就聊到这儿。记住一句话：久期让你知道风险有多大，凸性让你知道风险长什么样。两者结合起来，你才能真正驾驭利率风险。
公众号:蓝海资料掘金营，微信deep3321