第四章：收益率曲线构建方法

收益率曲线这东西，说白了就是市场的“体温计”。你想想看，不同期限的债券收益率摆在一起，能告诉你市场对未来利率怎么看、对经济前景怎么想。但问题是——这些收益率不是现成的，你得自己“造”出来。

我个人习惯把收益率曲线构建分成四类方法：Bootstrapping、Nelson-Siegel、Svensson、样条插值。每种方法都有自己的脾气，咱们一个一个聊。

4.1 Bootstrapping方法

Bootstrapping，中文叫“自举法”。名字挺唬人，其实逻辑很简单——从已知的附息债券价格，一步步倒推出零息收益率。

我在项目中遇到过不少新手，上来就问：“老师，为什么不用直接到期的收益率？” 嗯，问题在于市场上真正零息的债券很少，大部分是附息债。你得把利息剥离掉，才能得到纯纯的折现因子。

举个例子。假设市场上有三只国债：

期限	票面利率	价格（面值100）
1年	0%	97.5
2年	4%	101.2
3年	5%	103.8

第一步，1年期零息收益率直接算：

r1 = (100 / 97.5)^(1/1) - 1 = 2.564%

第二步，2年期附息债。每年付息4元，第一笔利息用r1折现：

4 / (1 + 2.564%) + (100 + 4) / (1 + r2)^2 = 101.2
解出 r2 = 3.128%

第三步，3年期同理，用r1和r2折现前两笔利息，解出r3。

4.2 Nelson-Siegel模型

Bootstrapping虽然精确，但有个毛病——它只给你离散的点。你想想看，如果我要一个2.37年期的收益率，怎么办？插值？那插出来的东西靠谱吗？

Nelson-Siegel模型就是来解决这个问题的。它用一个简洁的数学公式，把整条收益率曲线“捏”出来。

公式长这样：

r(t) = β0 + β1 * [1 - exp(-t/τ)] / (t/τ) + β2 * [ [1 - exp(-t/τ)] / (t/τ) - exp(-t/τ) ]

看着复杂？我拆开给你看：

• β0：长期利率水平，决定了曲线右端的高度
• β1：短期利率偏离，决定了曲线左端的斜率
• β2：中期曲率，决定了曲线中间是凸还是凹
• τ：衰减速度，控制曲线从短期到长期的过渡快慢

我个人习惯用Nelson-Siegel做“快速扫描”。比如早上开盘前，拿最近10只活跃券的价格，跑一遍优化，5秒钟就能得到一条平滑的曲线。虽然拟合精度不如Bootstrapping，但胜在快、稳。

4.3 Svensson模型

Svensson是Nelson-Siegel的升级版。它多加了两个参数，专门用来处理“双驼峰”形状的收益率曲线。

什么时候会出现双驼峰？我告诉你——经济复苏初期，或者货币政策预期混乱的时候。比如2020年疫情后，短端被央行压着，长端因为通胀预期飙升，中间段又因为复苏不确定性，结果曲线就扭成了“S”形。

Svensson的公式在Nelson-Siegel基础上加了一项：

r(t) = β0 + β1 * [1 - exp(-t/τ1)] / (t/τ1) + β2 * [ [1 - exp(-t/τ1)] / (t/τ1) - exp(-t/τ1) ] 
       + β3 * [ [1 - exp(-t/τ2)] / (t/τ2) - exp(-t/τ2) ]

多出来的β3和τ2，就是用来捕捉第二个“驼峰”的。

参数	含义	典型范围
β0	长期利率	2%~5%
β1	短期偏离	-3%~3%
β2	第一曲率	-5%~5%
β3	第二曲率	-3%~3%
τ1, τ2	衰减速度	0.5~10

4.4 样条插值法

样条插值，说白了就是“分段拟合”。把收益率曲线切成几段，每段用一个低阶多项式去拟合，然后在连接点保证平滑。

常用的有三次样条（Cubic Spline）和B样条（B-Spline）。我个人更偏爱B样条，因为它局部控制能力强——你改一个点的数据，不会影响整条曲线。

样条插值的步骤：

1. 选择节点（knots）——通常放在1年、3年、5年、10年、30年
2. 在每个区间内拟合三次多项式
3. 在节点处保证函数值、一阶导数、二阶导数连续
4. 用最小二乘法求解所有系数

# Python伪代码示例
import numpy as np
from scipy.interpolate import CubicSpline

# 已知期限和收益率
maturities = np.array([1, 2, 3, 5, 7, 10, 30])
yields = np.array([2.5, 2.8, 3.0, 3.2, 3.3, 3.5, 3.8])

# 三次样条插值
cs = CubicSpline(maturities, yields, bc_type='natural')

# 预测2.5年收益率
yield_2_5 = cs(2.5)
print(f"2.5年收益率: {yield_2_5:.2f}%")

4.5 方法对比与选择

说了这么多，到底该用哪个？我列个表给你参考：

方法	优点	缺点	适用场景
Bootstrapping	精确匹配市场数据	离散点、依赖数据完整性	定价、套利分析
Nelson-Siegel	平滑、参数少、计算快	无法拟合双驼峰	快速扫描、宏观分析
Svensson	能拟合复杂形状	参数多、易过拟合	货币政策分析、复杂曲线
样条插值	局部灵活、精度高	端点不稳定、节点选择敏感	精细定价、风险管理

我个人习惯是：做交易决策时用Bootstrapping+样条插值组合，确保精度；做策略研究时用Nelson-Siegel或Svensson，追求平滑和可解释性。