QuantLib中零息债券YTM与零利率的差异及结算日对折现的影响解析（债券.结算.利率.差异.解析...）

wufei123 发布于 2025-09-24 阅读（13）

QuantLib中零息债券YTM与零利率的差异及结算日对折现的影响解析

本文深入探讨了在QuantLib中构建收益率曲线时，零息债券的到期收益率（YTM）与曲线零利率之间的潜在差异，并详细解析了结算日对折现周期的关键影响。通过具体代码示例，文章阐明了如何正确理解和处理这些金融建模中的细微之处，确保收益率曲线的准确构建与债券定价。收益率曲线构建基础

在量化金融领域，收益率曲线的构建是许多衍生品定价和风险管理任务的基础。quantlib是一个功能强大的开源库，提供了丰富的工具来完成这项工作。本教程将以python为例，展示如何使用quantlib从一系列债券数据中引导（bootstrap）出收益率曲线，并解决在过程中可能遇到的常见问题。

首先，我们需要导入必要的库并设置QuantLib的评估日期、日历和日计数约定。

import pandas as pd
import matplotlib.pyplot as plt
import QuantLib as ql

# 设置评估日期
today = ql.Date(21, ql.November, 2023)
ql.Settings.instance().evaluationDate = today

# 日历和日计数约定
calendar = ql.NullCalendar() # 使用空日历，表示所有日期都是工作日
day_count = ql.Actual365Fixed() # 实际天数/365固定日计数

# 面值
faceAmount = 100

# 债券数据：(发行日期, 到期日期, 票息率, 市场价格, 结算天数)
data = [
    ('11-09-2023', '11-12-2023', 0, 99.524, 4), # 零息债券
    ('11-09-2023', '11-03-2024', 0, 96.539, 4), # 零息债券
    ('11-09-2023', '10-06-2024', 0, 93.552, 4), # 零息债券
    ('09-09-2023', '09-09-2024', 0, 89.510, 4), # 零息债券 (修正发行日期以匹配原文逻辑)
    ('22-08-2022', '22-08-2024', 9.0, 96.406933, 3), # 付息债券
    ('27-06-2022', '27-06-2025', 10.0, 88.567570, 3), # 付息债券
    ('27-06-2022', '27-06-2027', 11.0, 71.363073, 3), # 付息债券
    ('22-08-2022', '22-08-2029', 12.0, 62.911623, 3), # 付息债券
    ('27-06-2022', '27-06-2032', 13.0, 55.976845, 3), # 付息债券
    ('22-08-2022', '22-08-2037', 14.0, 52.656596, 3)  # 付息债券
]

# 准备BondHelper用于曲线引导
helpers = []
for issue_date_str, maturity_str, coupon, price, settlement_days in data:
    price_handle = ql.QuoteHandle(ql.SimpleQuote(price))
    issue_date = ql.Date(issue_date_str, '%d-%m-%Y')
    maturity = ql.Date(maturity_str, '%d-%m-%Y')

    # 对于零息债券，如果issue_date晚于evaluationDate，可能导致schedule错误，
    # 这里我们使用today作为schedule的起始日，并确保schedule的生成逻辑合理。
    # 对于零息债券，schedule的日期实际上不那么重要，因为没有付息日。
    # 但为了统一，我们依然生成一个schedule。
    schedule_start_date = today if issue_date < today else issue_date
    schedule = ql.Schedule(schedule_start_date, maturity, ql.Period(ql.Semiannual), calendar, 
                           ql.DateGeneration.Backward, ql.Following, ql.DateGeneration.Backward, False)

    helper = ql.FixedRateBondHelper(price_handle, settlement_days, faceAmount, schedule, 
                                    [coupon / 100], day_count, False)
    helpers.append(helper)

# 构建收益率曲线 (使用三次样条插值)
curve = ql.PiecewiseCubicZero(today, helpers, day_count)
curve.enableExtrapolation() # 允许曲线外推
零息债券YTM与零利率的差异解析

在QuantLib中，对于零息债券，我们可能会发现其计算出的到期收益率（YTM）与通过收益率曲线获得的零利率（Zero Rate）存在细微差异。这通常是由于两者计算的参考日期不同造成的。

  • 债券的到期收益率（YTM）：当通过bond.bondYield()方法计算时，YTM是基于债券的结算日（settlement date）到到期日之间的现金流进行折现。结算日是交易实际完成、资金和债券所有权转移的日期，通常在交易日（即评估日today）之后的若干个工作日。
  • 收益率曲线的零利率（Zero Rate）：通过curve.zeroRate(maturity_date, ...)获取的零利率，默认是从曲线的评估日（evaluation date）到指定到期日之间的折现率。

因此，如果零息债券的YTM与曲线的零利率不一致，很可能是因为它们的起始折现日期不同。为了进行公平比较，我们需要获取从债券结算日到到期日的远期零利率（Forward Zero Rate）。

# 重新计算债券价格和收益率，并比较零息债券的YTM与曲线零利率
bond_results = {
    'Issue Date': [], 'Maturity Date': [], 'Coupon Rate': [], 'Price': [],
    'Settlement Days': [], 'Yield': [], 'Zero Rate (from curve)': [],
    'Zero Rate (settlement to maturity)': [], 'Discount Factor': [],
    'Clean Price': [], 'Dirty Price': []
}

bondEngine = ql.DiscountingBondEngine(ql.YieldTermStructureHandle(curve))

for issue_date_str, maturity_str, coupon, price, settlement_days in data:
    price_handle = ql.QuoteHandle(ql.SimpleQuote(price))
    issue_date = ql.Date(issue_date_str, '%d-%m-%Y')
    maturity = ql.Date(maturity_str, '%d-%m-%Y')

    schedule_start_date = today if issue_date < today else issue_date
    schedule = ql.Schedule(schedule_start_date, maturity, ql.Period(ql.Semiannual), calendar, 
                           ql.DateGeneration.Backward, ql.Following, ql.DateGeneration.Backward, False)

    bond = ql.FixedRateBond(settlement_days, faceAmount, schedule, [coupon / 100], day_count)
    bond.setPricingEngine(bondEngine)

    bondYield = bond.bondYield(day_count, ql.Compounded, ql.Annual)

    # 从评估日到到期日的零利率
    zero_rate_from_curve = curve.zeroRate(maturity, day_count, ql.Compounded, ql.Annual).rate()

    # 从结算日到到期日的远期零利率，这应该与零息债券的YTM匹配
    settlement_date = calendar.advance(today, settlement_days, ql.Days)
    if settlement_date < maturity: # 确保结算日早于到期日
        zero_rate_settlement_to_maturity = curve.forwardRate(settlement_date, maturity,
                                                             day_count, ql.Compounded, ql.Annual).rate()
    else:
        zero_rate_settlement_to_maturity = float('nan') # 或者根据实际情况处理

    discount_factor = curve.discount(maturity)
    bondCleanPrice = bond.cleanPrice()
    bondDirtyPrice = bond.dirtyPrice()

    bond_results['Issue Date'].append(issue_date)
    bond_results['Maturity Date'].append(maturity)
    bond_results['Coupon Rate'].append(coupon)
    bond_results['Price'].append(price_handle.value())
    bond_results['Settlement Days'].append(settlement_days)
    bond_results['Yield'].append(bondYield)
    bond_results['Zero Rate (from curve)'].append(zero_rate_from_curve)
    bond_results['Zero Rate (settlement to maturity)'].append(zero_rate_settlement_to_maturity)
    bond_results['Discount Factor'].append(discount_factor)
    bond_results['Clean Price'].append(bondCleanPrice)
    bond_results['Dirty Price'].append(bondDirtyPrice)

bond_results_df = pd.DataFrame(bond_results)
print("\n债券定价与收益率结果:")
print(bond_results_df)

# 导出到Excel
bond_results_df.to_excel('BondResults.xlsx', index=False)

通过上述修正，我们可以观察到对于零息债券，Yield（YTM）与Zero Rate (settlement to maturity)将非常接近，从而解决了YTM与零利率不一致的问题。

结算日对折现周期的影响

结算日（Settlement Days）在债券定价和折现中扮演着重要角色。结算日指的是从交易发生日（评估日today）到实际完成交割所需的业务天数。例如，T+4结算意味着在评估日之后的第4个工作日完成交割。

关键点：

Teleporthq Teleporthq

一体化AI网站生成器，能够快速设计和部署静态网站

Teleporthq182 查看详情 Teleporthq
  • 折现周期缩短：结算日的引入实际上会缩短用于折现的周期。当你今天购买一个债券时，你并非立即获得它，而是在结算日之后。这意味着从你的角度来看，现金流的价值需要从未来（结算日）而不是从今天开始计算。因此，从到期日到结算日的时间才是实际的折现周期。
  • 手动计算价格的调整：如果你尝试手动计算一个零息债券的价格，你需要将面值从到期日折现到结算日，而不是评估日。这意味着折现的期限是 (到期日 - 结算日)，而不是 (到期日 - 评估日)。因此，折现的“天数”会减少settlement_days所代表的时间。

例如，如果一个零息债券在maturity日支付面值100，结算日为T+4。那么，你需要用结算日（today + 4 days）到maturity日之间的零利率来折现。

QuantLib中折现频率的正确使用

在QuantLib中调用curve.zeroRate()或curve.forwardRate()时，除了日期和日计数约定，还需要指定复利频率（Compounding Frequency）和付息频率（Frequency）。例如： curve.zeroRate(date, day_count, ql.Compounded, ql.Annual).rate()

  • ql.Compounded：表示利率是复利计算的。这是金融计算中常用的方式。
  • ql.Annual：表示年化频率为每年一次。

即使在某些情况下，省略ql.Compounded可能因为默认值或巧合（例如ql.Annual的内部值可能与ql.Compounded的默认值重合）而得到正确结果，但强烈建议始终明确指定ql.Compounded，以确保代码的清晰性、可读性和在不同QuantLib版本或不同场景下的鲁棒性。这是一种良好的编程实践，可以避免潜在的错误和混淆。

总结

本教程详细探讨了在QuantLib中处理零息债券YTM与零利率差异以及结算日影响的机制。核心要点包括：

  1. YTM与零利率的参考点不同：债券YTM基于结算日计算，而curve.zeroRate()默认基于评估日。为了进行准确比较，应使用curve.forwardRate(settlement_date, maturity, ...)。
  2. 结算日缩短折现周期：结算日意味着实际交割发生在未来，因此折现应从到期日到结算日进行，这实际上缩短了折现的有效天数。
  3. 明确指定复利频率：在调用QuantLib的利率函数时，始终明确指定ql.Compounded以确保计算的准确性和代码的健壮性。

通过理解和正确应用这些原则，开发者可以更准确地构建收益率曲线，并进行可靠的债券定价和风险分析。

以上就是QuantLib中零息债券YTM与零利率的差异及结算日对折现的影响解析的详细内容，更多请关注知识资源分享宝库其它相关文章！

相关标签： excel python bootstrap app 工具 win 金融 常见问题 2025 Python bootstrap date 大家都在看： 如何用Python读写JSON/CSV/Excel文件？ 解决Pandas读取ODS/Excel文件时单元格注释与内容混淆问题 Pandas 处理 ODS/Excel 单元格注释：从合并内容中提取纯净数据 Pandas处理Excel单元格注释：移除或忽略注释内容 如何使用Python处理CSV和Excel文件？

标签:  债券 结算 利率 

相关阅读

发表评论:

◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。

最近发表

标签列表