4、曲线构建与插值：Nelson-Siegel模型、Svensson模型、三次样条插值、曲线拟合评估指标
做碳市场期限结构分析，说白了就是要把不同到期日的碳配额价格串成一条连续的曲线。这条曲线有多重要？我打个比方——你手里有1年期和3年期的碳配额价格，但你想知道2年期的隐含价格是多少，这时候就得靠曲线构建和插值了。
我个人习惯把这条曲线叫做「碳市场的温度计」。温度计不准，你后面的套利模型全是白搭。今天咱们就把这块硬骨头啃下来。
4.1 为什么需要曲线构建？
碳市场里，我们能看到的价格通常是离散的。比如EUA期货有Dec-23、Dec-24、Dec-25这些合约，但中间月份呢？没有直接报价。你想想看，做套利策略时，我们需要任意期限的收益率或价格，这就逼着我们必须把离散点连成连续曲线。
曲线构建的核心目标就两个：
- 插值：已知点之间「猜」出合理价格
- 外推：已知点之外「推」出合理价格（这个风险大，我一般慎用）
核心观点：曲线构建不是数学游戏，而是对市场隐含信息的提取。好的曲线能反映市场对未来碳价的真实预期。
4.2 Nelson-Siegel模型
Nelson-Siegel模型（简称NS模型）是我最早接触的利率曲线模型。它用四个参数就能描述整条曲线，简洁得让人舒服。
模型公式长这样：
R(t) = β₀ + β₁ * (1 - e^(-t/τ)) / (t/τ) + β₂ * [(1 - e^(-t/τ)) / (t/τ) - e^(-t/τ)]参数含义：
- β₀：长期利率水平（t→∞时的渐近线）
- β₁：短期偏离（t→0时的曲线斜率）
- β₂：中期曲率（曲线的「驼峰」形状）
- τ：衰减因子（控制曲线弯曲位置）
我在项目中遇到过一个问题：NS模型对短端和长端拟合得不错，但中段总是差点意思。尤其是碳市场里，中期合约（3-5年）往往交易最活跃，价格信息最丰富，这时候NS模型就有点力不从心了。
实战技巧：NS模型的τ参数很敏感。我建议用网格搜索先粗调，再用优化算法精调。别一上来就扔给优化器，容易陷入局部最优。
4.3 Svensson模型
Svensson模型是NS模型的升级版，加了两个参数，专门解决中段拟合不足的问题。说白了，就是给曲线多了一个「驼峰」自由度。
公式变成这样：
R(t) = β₀ + β₁ * (1 - e^(-t/τ₁)) / (t/τ₁)
+ β₂ * [(1 - e^(-t/τ₁)) / (t/τ₁) - e^(-t/τ₁)]
+ β₃ * [(1 - e^(-t/τ₂)) / (t/τ₂) - e^(-t/τ₂)]多了β₃和τ₂两个参数，曲线能拟合更复杂的形状。我记得有一次做EUA期货曲线，NS模型的残差在3年期附近明显偏大，换成Svensson模型后，拟合优度直接提升了15%。
但要注意——参数越多，过拟合风险越大。我曾经吃过这个亏：用Svensson模型拟合了10个数据点，R²高达0.999，结果外推一步就崩了。嗯，这里要提醒大家：拟合得好不代表预测得好。
避坑指南：我曾经用Svensson模型拟合碳配额远期曲线，发现τ₂参数经常跑到边界值。后来加了正则化约束，才稳定下来。如果你的τ₂总是很大或很小，说明模型可能不需要这个额外自由度。
4.4 三次样条插值
参数模型（NS/Svensson）适合整条曲线建模，但如果你只需要在已知点之间插值，三次样条更直接、更灵活。
三次样条的核心思想：每两个相邻点之间用一条三次多项式连接，保证连接处一阶、二阶导数连续。这样整条曲线看起来光滑自然，没有「折角」。
我画个简单的示意图：
三次样条的优点很明显：
- 局部调整不影响全局（不像NS模型改一个点整条曲线都变）
- 计算速度快，适合高频更新
- 对数据分布没有强假设
但缺点也突出：外推能力差。出了数据范围，三次样条就像脱缰的野马，完全不可控。所以我只在插值场景用，绝不拿它做外推。
实战技巧：做碳市场曲线时，我通常把NS/Svensson模型和三次样条结合用。先用参数模型拟合整体趋势，再用三次样条对残差做局部修正。这叫「参数+非参数」混合方法，效果比单独用任何一种都好。
4.5 曲线拟合评估指标
模型建好了，怎么评价好坏？光看R²可不够。我总结了一套评估体系：
| 指标 | 公式 | 说明 | 我的经验阈值 |
|---|---|---|---|
| RMSE | √(Σ(yᵢ-ŷᵢ)²/n) | 均方根误差，衡量整体偏差 | < 0.5% 算优秀 |
| MAE | Σ|yᵢ-ŷᵢ|/n | 平均绝对误差，对异常值不敏感 | < 0.3% 算良好 |
| MAPE | Σ|(yᵢ-ŷᵢ)/yᵢ|/n × 100% | 平均绝对百分比误差 | < 2% 可接受 |
| AIC/BIC | 信息准则 | 惩罚参数数量，防过拟合 | 越小越好 |
| 残差自相关 | Durbin-Watson统计量 | 检查残差是否独立 | 接近2为佳 |
我个人最看重两个指标：
- RMSE：直观反映拟合精度，单位与价格一致，好理解
- AIC：防止你为了追求拟合精度而堆参数
我曾经遇到一个案例：用Svensson模型拟合碳配额曲线，RMSE只有0.2%，但AIC比NS模型高了30多。这说明多出来的两个参数并没有带来实质性的信息增益，反而增加了过拟合风险。最后我选了NS模型，虽然RMSE稍高（0.35%），但泛化能力更强。
避坑指南：别只看R²！R²会随着参数增加而单调递增，哪怕加的是随机噪声。我见过有人用7参数模型拟合5个数据点，R²=1.0，但外推一步就偏离了20%。记住：简单模型+合理拟合 > 复杂模型+完美拟合。
4.6 实战中的选择策略
说了这么多，到底该用哪个？我根据碳市场的特点，给个参考：
- 数据点少（< 10个）：用NS模型。参数少，不容易过拟合。我一般用最小二乘法估计参数，加个L2正则化更稳。
- 数据点中等（10-30个）：Svensson模型或三次样条。如果曲线形状复杂（比如有多个驼峰），优先Svensson。
- 数据点多（> 30个）：三次样条。计算快，局部灵活，适合高频更新。
- 需要外推：只用NS/Svensson模型。三次样条外推不靠谱，我吃过亏。
最后说一句：曲线构建没有银弹。不同市场、不同数据频率、不同交易策略，适合的模型都不一样。我的建议是——把NS、Svensson、三次样条都实现一遍，用历史数据回测，看哪个在你的场景下表现最好。实践出真知，这话在量化交易里尤其适用。
公众号:蓝海资料掘金营，微信deep3321