久期与凸性:斜率和弯曲
Duration & Convexity · 0:59
久期管利率变化的一阶敏感度,凸性管二阶修正。记忆口令:久期管斜率,凸性管弯曲。

CFA-Wizard-Buddy· Level II · v2.11.0期限结构、含权债券、信用分析、CMBS/RMBS、ABS。
当前讲解:M1 · Learning Outcomes · 学习目标
使用浏览器本地朗读做快速复习;ElevenLabs 难点音频已改为静态嵌入,不再现场生成。
已预生成中文讲解,适合坐着复习、通勤或不方便看屏幕时快速过一遍核心逻辑。
久期与凸性:斜率和弯曲
Duration & Convexity · 0:59
久期管利率变化的一阶敏感度,凸性管二阶修正。记忆口令:久期管斜率,凸性管弯曲。
先回忆再翻答案;系统会按“会了 / 模糊 / 不会”安排本地复习日期,答错题自动进入错题重练。
Duration & Convexity · 用久期和凸性近似债券价格百分比变化。
Binomial Interest Rate Tree · 利率树校准的目标是什么?
Duration & Convexity · 为什么只用久期估算大幅利率变化会不准?
利率树校准的目标是什么?
为什么只用久期估算大幅利率变化会不准?
利率树校准成功意味着模型能够:
先遮住答案,在脑中写出公式,再翻开核对;系统会把模糊和不会的公式自动放回复习队列。
用久期和凸性近似债券价格百分比变化。
学习进度
已完成 0 / 57 个小节;当前定位:M1 · Learning Outcomes · 学习目标
The Term Structure and Interest Rate Dynamics
即期利率(Spot Rate, zN)是对应期限零息债券的到期收益率,完全刻画货币时间价值:
DF_N = 1 / (1 + z_N)^N即期利率的集合称为即期曲线(Spot Curve),等价于折现函数(Discount Function),二者包含相同信息。
远期利率与远期定价模型
远期利率 f(A, B-A):今天约定的、从 A 期开始、期限为 B-A 期的贷款利率。 无套利原则给出远期定价模型:
DF_B = DF_A × F_{A,B-A}用利率表示的远期利率模型:
(1 + z_B)^B = (1 + z_A)^A × (1 + f_{A,B-A})^{B-A}即期利率与远期利率的关系:即期利率可视为短期利率和一系列远期利率的几何平均:
(1 + z_T)^T = (1 + z_1)(1 + f_{1,1})(1 + f_{2,1}) ··· (1 + f_{T-1,1})即期曲线形状与远期曲线的关系
Bootstrapping 自举法
从面值债券(Par Curve)逐期推导零息利率的前向替代过程。以两年期为例:
1 = c_2/(1+z_1) + (1+c_2)/(1+z_2)^2 → 求解 z_2例:z₁=5%,2年面值票息=5.97% → z₂=6%;继续推导 z₃=7%,z₄=8%
远期利率的双重解读
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
到期收益率(YTM)是对债券各期现金流统一折现的加权平均即期利率, 而非某一单一期限的即期利率:
Price = C/(1+z₁) + C/(1+z₂)² + ··· + (C+FV)/(1+z_T)^T
= C/(1+y) + C/(1+y)² + ··· + (C+FV)/(1+y)^T当收益率曲线向上倾斜时:z₁ < y < z_T(YTM 介于最短与最长期即期利率之间),且 YTM 偏向最大现金流对应的即期利率。
YTM 的局限性
YTM 等于实际回报需满足极苛刻假设,以下情形会导致偏差:
远期利率实现时的债券回报
若未来即期利率精确等于当前远期曲线所隐含的利率,则所有期限债券的持有期回报均等于一期无风险利率(本期即期利率 z₁)。 若实际未来即期利率低于(高于)远期利率,则债券回报高于(低于)一期无风险利率。
主动债券管理的核心:预测未来即期利率将偏离当前远期曲线——若预测正确,可获得超额回报。
关键结论
顺势滚动策略(Rolling Down the Yield Curve)
又称"骑乘收益率曲线"(Riding the Yield Curve)。在收益率曲线向上倾斜且预期曲线不变时:
期限利差套利交易(Maturity Spread Carry Trade)
借入短期资金、投资长期债券(同种货币),在收益率曲线陡峭时常见。面临的主要风险:未来即期利率意外上升(如通胀飙升)。
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
利率互换(Interest Rate Swap):固定利率付款方与浮动利率付款方的净现金流交换。固定端利率即互换利率(Swap Rate)。
互换利率曲线(Swap Curve)是互换利率的期限结构,属于面值曲线(Par Curve)的一种——因为平价互换(Par Swap)在合同起始不交换资金。
互换曲线 vs 国债曲线
互换利率的定价公式
互换固定端利率 s_T 由令固定端现值等于浮动端现值(= 1)确定:
s_T × (DF₁ + DF₂ + ··· + DF_T) + DF_T = 1s_T = (1 - DF_T) / (DF₁ + DF₂ + ··· + DF_T)已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
互换利差(Swap Spread)
Swap Spread = 互换固定利率 - 同期限当期国债收益率反映市场对信用风险的整体判断,景气衰退时扩大、经济扩张时收窄。美国 30 年期互换利差在 2008 年后一度转负,原因包括久期需求旺盛、流动性收紧及互换交易商监管资本要求提高。
I-Spread(插值利差)
债券到期收益率减去同期限互换利率(通过插值获得)。衡量债券相对互换曲线的信用/流动性溢价。
短期利率价差指标
| 指标 | 定义 | 含义 |
|---|---|---|
| TED 利差 | MRR – 同期限国债利率 | 市场整体信用与流动性风险 |
| MRR–OIS 利差 | MRR – 隔夜指数互换利率(OIS) | 银行间短期信用风险 |
SOFR(Secured Overnight Financing Rate):以美国国债为抵押的隔夜现金借贷利率,已取代 Libor 成为美元浮动利率基准。
| 理论 | 英文 | 核心观点 | 对远期利率的含义 |
|---|---|---|---|
| 纯预期理论 | Pure Expectations / Unbiased | 远期利率是未来即期利率的无偏估计 | 无期限溢价 |
| 局部预期理论 | Local Expectations | 短期内所有债券回报相同(= 无风险利率) | 无短期套利机会 |
| 流动性偏好理论 | Liquidity Preference | 长期债含流动性溢价补偿利率风险 | 远期利率高于预期即期利率(含正溢价) |
| 市场分割理论 | Segmented Markets | 各期限供需独立决定利率,投资者不跨期 | 各期限利率相互独立 |
| 优先栖息地理论 | Preferred Habitat | 投资者有期限偏好,但可受收益激励跨期 | 溢价大小由偏离优先期限的程度决定 |
Litterman & Scheinkman (1991) 的三因子模型表明,收益率曲线变动可分解为三个独立运动:
| 因子 | 英文 | 描述 | 解释方差占比 |
|---|---|---|---|
| 水平 | Level | 所有期限利率同向移动(近似平行移动) | 最大,> 75% |
| 陡峭度 | Steepness | 短期与长期利率变动幅度不同(曲线变陡/平) | 中等 |
| 曲率 | Curvature | 短端和长端上升,中段下降(或反之),曲线"扭曲" | 最小 |
关键利率久期(Key Rate Duration)
衡量组合对特定期限段利率变动的敏感性,可识别和管理形态风险(Shaping Risk):
ΔP/P ≈ -KeyDur₁ × Δy₁ - KeyDur₅ × Δy₅ - KeyDur₁₀ × Δy₁₀所有关键利率久期之和 = 有效久期(Effective Duration),即平行移动时的价格敏感性。
三因子久期分解
ΔP/P ≈ -D_L × Δx_L - D_S × Δx_S - D_C × Δx_CD_L = 水平因子久期(= 有效久期),D_S = 陡峭度因子久期,D_C = 曲率因子久期
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
收益率波动率期限结构(Volatility Term Structure):不同到期日零息债券收益率波动率 σ(t,T) 的集合,衡量收益率曲线风险。
σ(t,T) = 指定期间内利率比例变动的年化标准差典型规律:短端波动率高于长端波动率(如 3 个月 T-Bill 波动率 ~35%,30 年期 ~12%)。
驱动因素
对债券价格的含义
尽管短端利率波动率更高,但长期债券价格因久期更长而受利率变动影响更大。含嵌入期权的固定收益产品(如可赎回债券)价值对波动率极为敏感。
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
债券风险溢价(Bond Risk Premium):长期无违约债券超过短期债券(或一期无风险利率)的预期超额回报,也称期限溢价(Term Premium)。
主要宏观驱动因素
收益率曲线变化类型
| 类型 | 英文 | 特征 | 典型情境 |
|---|---|---|---|
| 熊市平坦化 | Bearish Flattening | 短端上升 > 长端上升 | 央行加息抑制通胀 |
| 牛市陡峭化 | Bullish Steepening | 短端下降 > 长端下降 | 央行降息刺激经济 |
| 牛市平坦化 | Bullish Flattening | 长端下降 > 短端下降 | 质量飞奔、市场恐慌 |
基于利率观点的交易策略
The Arbitrage-Free Valuation Framework
无套利估值(Arbitrage-Free Valuation):确定与市场中不存在套利机会相一致的证券价值。套利机会是指无需净投资即可实现无风险利润的交易。
一价定律(Law of One Price)
完全相同的两种资产必须以相同价格交易。违反一价定律将产生套利机会,市场参与者会无限量买低卖高直到价格收敛。
两类套利机会
| 类型 | 英文 | 描述 |
|---|---|---|
| 价值可加性 | Value Additivity | 整体价值 ≠ 各部分之和;可拆分/重组获利 |
| 支配关系 | Dominance | 无风险未来正收益的资产今天价格必须为正 |
债券的无套利估值含义
债券应被视为一组零息债券(现金流包)。每期现金流用对应期限的即期利率折现,所有现金流现值之和即为无套利价格。这与美国国债市场的拆离(Stripping)和重组(Reconstitution)机制直接对应。
用各期限对应的即期利率分别折现每笔现金流,加总得出无套利价格:
P₀ = C/(1+z₁) + C/(1+z₂)² + ··· + (C+FV)/(1+z_T)^T若用 YTM 对所有现金流统一折现,在收益率曲线非平坦时会产生定价偏差:
例:z₁=2%,z₂=3.015%,z₃=4.055%,5% 票息 3 年期债券无套利价 = 5/1.02 + 5/1.03015² + 105/1.04055³ = 102.8102
含嵌入期权债券的挑战
嵌入期权债券的现金流依赖于未来利率路径(期权是否被执行取决于利率走向),因此必须建立能模拟利率随机演变的利率树框架。
二叉利率树(Binomial Interest Rate Tree)基于对数正态随机游走,每个节点短期利率有且仅有两个可能值(上行/下行),两者均等概率发生。
对数正态模型的两大优点
相邻节点关系
同一时点,相邻节点利率满足:
i_H = i_L × e^(2σ) (相邻上下节点)
i_{2,HH} = i_{2,LL} × e^(4σ)
i_{2,HL} = i_{2,LL} × e^(2σ)其中 σ 为年化利率波动率,e ≈ 2.7183(自然对数底)。 波动率越高 → 节点利率间距越大;σ→0 时,树退化为隐含远期曲线。
再组合树(Recombining Tree)
上行后下行 = 下行后上行(路径无关),因此 T 期后只有 T+1 个节点而非 2^T 个,计算效率大幅提升。
波动率估算方法
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
校准(Calibration)确保利率树与当前基准收益率曲线一致,使模型对每个基准债券定价精确等于市场价格,从而实现无套利。
逐期迭代校准步骤
注意:树中节点利率的平均值略高于对应的隐含远期利率,因为对数正态假设导致向上偏斜。波动率 σ=15%:Time 1 均值 ≈ (1.6121%+1.1943%)/2 = 1.4032%,略高于隐含远期利率 1.4028%
波动率对树的影响
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
逆向归纳法(Backward Induction):从到期日(已知面值+末期票息)出发,逐步向左(时间逆向)折现至当前节点。
节点价值计算公式
V_node = [½(V_H + C) + ½(V_L + C)] / (1 + i_node)
= (V_H + V_L + 2C) / [2(1 + i_node)]其中 V_H、V_L 为下一时期上/下节点债券价值,C 为票息,i_node 为当前节点一年期利率。
两种定价方法的等价性
对无嵌入期权债券,使用经过正确校准的二叉树进行逆向归纳,所得价格与用即期曲线折现完全相同——这正是校准保证无套利的体现。
| 方法 | 适用范围 | 核心特点 |
|---|---|---|
| 即期曲线折现 | 仅限无期权债券 | 简单直接,现金流固定 |
| 二叉树逆向归纳 | 无期权 + 含期权债券 | 可处理利率相关现金流 |
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
路径估值法是逆向归纳法的等价替代方法:枚举二叉树中所有可能的利率路径,对每条路径计算债券现值,取所有路径的平均值。
步骤
路径数量规律(Pascal 三角形):1 期 2 条,2 期 4 条,3 期 8 条,T 期 2^T 条(路径无关折减后实际不同利率组合 = T+1 种)。
路径估值与逆向归纳等价性
对无嵌入期权债券,两种方法结果完全相同,证明了两者在无套利框架下的内在一致性。
例(三年零息债):4 条路径的现值平均 = 96.3377,与逆向归纳结果一致
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
蒙特卡洛方法:随机模拟大量利率路径,对各路径分别计算证券价值后取平均,适用于路径依赖(Path-Dependent)现金流的证券。
适用场景
典型应用:抵押支持证券(MBS)。提前还款率(Prepayment Rate)取决于利率路径(利率下行时再融资需求上升),现金流无法仅由当前利率水平决定,必须追踪完整路径。二叉树因节点合并(路径无关)无法捕捉此类特性。
蒙特卡洛估值步骤
漂移调整(Drift Adjustment)
为确保模型无套利,在所有路径的所有利率上加一个常数(漂移项),使每个基准债券的平均现值等于其市场价格。经过漂移调整的模型称为漂移调整模型。
均值回复(Mean Reversion)
通过对随机过程施加上下限,防止利率走向极端值,使利率趋向隐含远期利率。路径数越多,统计精度越高,但不等于模型越接近真实价值(取决于模型假设质量)。
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
期限结构模型对利率如何随时间演变给出定量描述,供定价和对冲使用。单因子模型以短期利率为唯一驱动因子,一般形式:
dr_t = θ_t dt + σ_t dZθ_t:漂移项(期望演变路径);σ_t dZ:随机/波动项(Z 为 Weiner 过程)
均衡模型(Equilibrium Models)
从基本经济变量出发推导利率,参数不强制令模型价格与市场价格一致,更适合动态/多情景分析。
| 模型 | 漂移项 | 波动项 | 负利率可能 |
|---|---|---|---|
| CIR 模型 | k(θ-r_t)dt(均值回复) | σ√r_t dZ(随利率水平变化) | 不会(利率趋零时波动趋零) |
| Vasicek 模型 | k(θ-r_t)dt(均值回复) | σ dZ(恒定波动率) | 有可能(对称正态分布) |
无套利模型(Arbitrage-Free Models)
以当前市场价格为出发点,参数随时间调整以精确匹配当前期限结构,适合对具体证券定价和对冲,特别是含嵌入期权的债券。
| 模型 | 建模变量 | 漂移项 | 波动率 | 负利率 |
|---|---|---|---|---|
| Ho–Lee | dr_t | θ_t dt(时变) | 恒定 | 有可能 |
| KWF | dln(r_t) | θ_t dt(时变) | 恒定 | 不会(对数正态) |
模型选择权衡
Valuation and Analysis of Bonds with Embedded Options
嵌入期权(Embedded Options)是债券契约中的或有条款,持有人可凭此利用利率变动获益。与独立期权不同,嵌入期权不能单独交易。
简单嵌入期权
| 类型 | 持有人 | 行权条件 | 对债券价值影响 |
|---|---|---|---|
| 赎回期权(Call) | 发行人 | 利率下降,可低成本再融资 | 降低债券价值(发行人获益) |
| 回售期权(Put) | 投资者 | 利率上升,可高息再投资 | 提高债券价值(投资者获益) |
| 延期期权(Extension) | 投资者 | 到期后延长持有期 | 等价于回售期权(不同基础债券) |
可赎回期权类型
复杂嵌入期权
价值分解公式
V_callable = V_straight - V_call_option (发行人短Call)
V_putable = V_straight + V_put_option (投资者长Put)
→ V_call_option = V_straight - V_callable
→ V_put_option = V_putable - V_straight无套利框架下,债券价值 = 直接债券价值 ± 各嵌入期权价值之和。对发行人期权取负(降低债券价值),对投资者期权取正(提高债券价值)。
零波动率下的逐步估值(Forward Rate Discounting)
用一年期远期利率逐步折现,每一节点判断是否行权:
例:3年期4.25%债券,零波动率下:可赎回价值 = 101.707,直接债价值 = 102.114,赎回期权价值 = 0.407;可回售价值 = 102.397,回售期权价值 = 0.283
可赎回与可延期债券的等价性
3年期可回售债券(Year 2 回售)与 2年期可延期债券(延期1年)价值完全相同,因为两者现金流在所有利率情景下均一致。
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
利率波动率的影响(核心结论)
| 波动率↑ | 期权价值 | 债券价值 |
|---|---|---|
| 可赎回债券(Call = 发行人期权) | 赎回期权价值↑ | 债券价值↓ |
| 可回售债券(Put = 投资者期权) | 回售期权价值↑ | 债券价值↑ |
原因:波动率越高,利率树上的极端节点越多,期权被行权的机会越多,期权价值越高。
收益率曲线水平的影响
收益率曲线形状的影响
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
三步估值流程
节点价值调整规则
可赎回:V_node = min[ (V_H + V_L)/2 + C) / (1+i), 赎回价 ]
可回售:V_node = max[ (V_H + V_L)/2 + C) / (1+i), 回售价 ]数值示例(10% 波动率)
3年期 4.25% 债券,直接债价值 102.114:
验证:波动率越高 → 期权价值越大,符合预期
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
OAS(Option-Adjusted Spread):在利率树的所有节点上统一加一个固定利差,使债券的无套利价值恰好等于其市场价格。
OAS: 调整后利率树定价 = 债券市场价格
(所有节点利率均加 OAS)OAS 剔除了期权成本,反映债券相对基准的纯信用/流动性溢价。
利率波动率对 OAS 的影响
对于可赎回债券:波动率↑ → 赎回期权价值↑ → 计算价值↓ → 为匹配市场价格,OAS↓。 因此,在比较不同债券的 OAS 时,必须确保使用相同的波动率假设。
与 Z-Spread 的关系
无嵌入期权债券的 Z-Spread 在零波动率下等于其 OAS。含期权债券的 OAS ≠ Z-Spread,因为 Z-Spread 未调整期权成本。
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
对于含嵌入期权债券,修正久期(Modified Duration)不适用(假设现金流不随利率变化),必须使用有效久期(Effective Duration)。
EffDur = (PV₋ - PV₊) / (2 × ΔCurve × PV₀)PV₋:基准曲线下移 ΔCurve 后的价格;PV₊:上移后价格;PV₀:当前价格
有效久期计算步骤(需要 OAS)
含期权债券有效久期的规律
| 债券类型 | 有效久期上限 | 利率下降时 | 利率上升时 |
|---|---|---|---|
| 直接债券 | ≤ 到期年限 | 久期稳定 | 久期略降 |
| 可赎回债券 | ≤ 直接债久期 | 久期缩短(Call ITM,限涨) | 趋近直接债(Call OTM) |
| 可回售债券 | ≤ 直接债久期 | 趋近直接债(Put OTM) | 久期缩短(Put ITM,限跌) |
当期权深度价内时,债券有效久期趋近于在第一行权日到期的直接债久期。
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
单边久期(One-Sided Duration):分别计算利率上行和下行时的有效久期,更好地捕捉含期权债券对利率非对称的敏感性。
| 债券类型 | 单边上行久期 | 单边下行久期 | 含义 |
|---|---|---|---|
| 可赎回债券 | 较大 | 较小 | 对利率上升更敏感(下跌不受限),对利率下降敏感性低(Call限涨) |
| 可回售债券 | 较小 | 较大 | 对利率下降更敏感(上涨不受限),对利率上升敏感性低(Put限跌) |
关键利率久期(Key Rate Duration)
仅移动基准曲线上特定关键期限(如 2年、5年、10年),计算各段对应的价格敏感性。用于识别"形态风险"(Shaping Risk)。
EffConvex = (PV₋ + PV₊ - 2×PV₀) / (ΔCurve² × PV₀)三类债券的凸性对比
| 债券类型 | 凸性 | 特征 |
|---|---|---|
| 直接债券 | 正凸性(低) | 价格-收益率曲线略向上弯曲 |
| 可赎回债券 | Call ITM 时负凸性 | 利率下降时上行受限(Call 压顶)→ 价格-收益率曲线向下弯曲 |
| 可回售债券 | 始终正凸性 | 利率上升时下行受限(Put 托底)→ 上行潜力始终大于下行风险 |
负凸性(可赎回债券 Call ITM)意味着:利率下降带来的价格上涨远小于利率上升带来的价格下跌——投资者处于不利地位。
封顶浮动利率债券(Capped Floater)
票息上限保护发行人免受利率上升影响 → 发行人期权 → 降低债券价值:
V_capped_floater = V_straight_floater - V_cap
V_straight_floater = 100(浮动利率债在面值发行)在利率树中,若某节点参考利率超过封顶利率,票息按封顶利率计算(现金流向下调整)。
设底浮动利率债券(Floored Floater)
票息下限保护投资者免受利率下降影响 → 投资者期权 → 提高债券价值:
V_floored_floater = V_straight_floater + V_floor在利率树中,若某节点参考利率低于设底利率,票息按设底利率计算(现金流向上调整)。
例:3年期参考利率浮动债,封顶 4.5%,σ=10%:封顶浮动债价值 = 99.761,上限价值 = 0.239。设底 3.5%:设底浮动债价值 = 101.133,下限价值 = 1.133
核心定义特征
| 概念 | 定义 | 公式/示例 |
|---|---|---|
| 转换价格 | 债券转换为股票的预定价格 | = 面值 / 转换比率 |
| 转换比率 | 每张债券可换股票数量 | 如:17.5 股/千美元面值 |
| 转换价值 | 按当前股价计算的转换所得 | = 股价 × 转换比率 |
| 最低价值 | max(转换价值, 直接债价值) | 动态底价(随利率和信用利差变化) |
| 市场转换价格 | 通过买入可转债隐含的每股成本 | = 可转债价格 / 转换比率 |
| 市场转换溢价/股 | 市场转换价格与当前股价的差值 | = 市场转换价格 - 股价 |
| 市场转换溢价比率 | 溢价占当前股价的百分比 | = 溢价/股 ÷ 股价 |
下行风险指标:直接债溢价
Premium over Straight Value = (V_convertible / V_straight) - 1溢价越低,可转债越接近直接债底价,下行保护越好。但注意直接债价值非固定,利率和信用利差变化会影响底价。
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
无套利框架下的可转债估值
V_convertible = V_straight + V_call_on_stock
V_callable_convert = V_straight + V_call_on_stock - V_issuer_call
V_callable_putable_convert = V_straight + V_call_on_stock
- V_issuer_call + V_investor_put基于股价相对转换价格的风险回报特征
| 情形 | 股价 vs 转换价格 | 特征 | 主要驱动因素 |
|---|---|---|---|
| Busted Convertible(废票) | 股价 << 转换价格 | 偏债券特征 | 利率变动、信用利差 |
| 混合特征 | 股价 ≈ 转换价格 | 股债混合(Hybrid) | 股价变动 + 利率变动 |
| 偏股票 | 股价 >> 转换价格 | 偏股票特征 | 股价变动(债券因素影响小) |
股价超过市场转换价格后,可转债价格涨幅≥股价涨幅(转换价值成为主导)。发行人通常在股价超过转换价格时强制赎回,迫使投资者转股(强制转换 Forced Conversion)。
特殊品种:CoCo(或有可转债)
通常由金融机构发行,票息更高但深度次级。触发条件(如监管资本比率跌破阈值)时被强制转为股权或面值减记。
Credit Analysis Models
完成本模块后,考生应能够:
信用分析在固定收益领域发挥着核心作用。本模块系统介绍信用分析的关键概念、工具与应用。
核心概念层次
注:本模块分析中假设公司债与国债税收和流动性相同,以聚焦违约风险与预期损失。
三大核心参数
预期违约敞口
Expected Exposure
违约事件发生时投资者可能损失的预计金额(未计回收),含票息与本金
违约损失额
LGD (Loss Given Default)
LGD = 敞口 × (1 − 回收率);回收率即损失回收百分比
违约概率
POD (Probability of Default)
区分实际违约概率与风险中性违约概率,模型使用风险中性概率
信用价值调整 (CVA)
CVA = Σ [ LGD_t × POD_t × DF_t ] (对每期 t 求和) 其中: LGD_t = 敞口_t × (1 − 回收率) POD_t = 条件违约概率(危险率),假设此前未违约 DF_t = 无风险折现因子 = 1/(1+z_t)^t 债券公允价值 = VND − CVA VND:假设无违约时的债券价值(用国债利率折现) 近似信用利差 ≈ 年度违约概率 × (1 − 回收率)五年期零息债券示例(Exhibit 2 逻辑)
假设:国债收益率 3%,年度危险率 1.25%,回收率 40%
| 期 | 敞口 | LGD | POD | PV(预期损失) |
|---|---|---|---|---|
| 1 | 88.85 | 53.31 | 1.2500% | 0.6470 |
| 2 | 91.51 | 54.91 | 1.2344% | 0.6389 |
| 3 | 94.26 | 56.56 | 1.2189% | 0.6309 |
| 4 | 97.09 | 58.25 | 1.2037% | 0.6230 |
| 5 | 100.00 | 60.00 | 1.1887% | 0.6152 |
| CVA = | 3.1549 | |||
公允价值 = 86.2609 − 3.1549 = 83.1060; YTM = 3.77%;信用利差 = 77 bps
风险中性 vs 实际违约概率
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
信用评分(零售市场)
FICO 分数由 Fair Isaac Corporation 提供,美国约 90% 贷款机构使用,范围 300–850
信用评级(批发市场)
三大评级机构:Moody's、S&P、Fitch;同时评估发行人与具体债项
评级迁移矩阵与预期收益率
代表性一年期迁移概率(部分行):
| 从\到 | AAA | AA | A | BBB | BB | D |
|---|---|---|---|---|---|---|
| AAA | 90.00% | 9.00% | 0.60% | 0.15% | 0.10% | 0.00% |
| AA | 1.50% | 88.00% | 9.50% | 0.75% | 0.15% | 0.02% |
| A | 0.05% | 2.50% | 87.50% | 8.40% | 0.75% | 0.08% |
| BBB | 0.02% | 0.30% | 4.80% | 85.50% | 6.95% | 0.23% |
代表性信用利差:AAA 0.60%,AA 0.90%,A 1.10%,BBB 1.50%,BB 3.40%,B 6.50%,CCC 9.50%
预期收益率调整(以 A 级 10 年期债券为例,修正久期 7.2): 各迁移路径价格变化 = −ModDur × ΔSpread A → AAA: −7.2 × (0.60% − 1.10%) = +3.60% A → AA: −7.2 × (0.90% − 1.10%) = +1.44% A → BBB: −7.2 × (1.50% − 1.10%) = −2.88% A → BB: −7.2 × (3.40% − 1.10%) = −16.56% 预期价格变化 = Σ (迁移概率 × 价格变化) = (0.0005×3.60%) + (0.0250×1.44%) + (0.8750×0%) + (0.0840×−2.88%) + ... ≈ −0.6342% 预期收益率 ≈ YTM − 0.6342%信用利差迁移降低预期收益的两个原因
结构模型(Structural Model)
起源:Black-Scholes-Merton(1970s)
公司资产价值低于负债时发生违约;违约概率内生于模型
期权解释:
E(T) = max[A(T) − K, 0] ← 股权≈买入期权
D(T) = A(T) − max[A(T) − K, 0]
= min[A(T), K] ← 债务=资产−期权K = 债务面值(违约门槛);A(T) = 到期资产价值
优势
揭示信用风险本质,内生违约概率,链接期权定价
局限
资产价值不可直接观测,需估计波动率与违约门槛;Enron 等案例说明实施困难
简化模型(Reduced-Form Model)
起源:Jarrow-Turnbull(1995),Duffie-Singleton(1999)
违约为外生随机变量,用泊松过程建模;违约强度(default intensity)= 下一时段违约概率
违约强度的驱动变量:
优势
仅用可观测变量,直接反映经济周期,适合市场定价与信用衍生品
局限
不解释违约经济原因;假设违约突然发生,与现实不符(通常多次降级后才违约)
适用场景对比
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
将二叉利率树(Module 2 框架)与信用风险模型结合:先用树求 VND,再构建 CVA 表,公允价值 = VND − CVA。
定价流程(含利率波动)
预期敞口_t = Σ [π_i × V_i(t)] + C_t五年期 3.50% 公司债示例(10% 波动率)
| 期 | 预期敞口 | LGD | POD | DF | CVA/期 |
|---|---|---|---|---|---|
| 1 | 103.29 | 61.97 | 1.2500% | 1.0025 | 0.7766 |
| 2 | 101.55 | 60.93 | 1.2344% | 0.9851 | 0.7409 |
| 3 | 101.04 | 60.63 | 1.2189% | 0.9558 | 0.7064 |
| 4 | 102.09 | 61.26 | 1.2037% | 0.9132 | 0.6734 |
| 5 | 103.50 | 62.10 | 1.1887% | 0.8700 | 0.6422 |
| CVA = | 3.5394 | ||||
VND = 103.5450,公允价值 = 103.5450 − 3.5394 = 100.0056; YTM = 3.4988%;信用利差 = 74.88 bps
浮动利率票息债券(FRN)定价
FRN 支付基准利率 + 报价利差(QM,固定);利息后付(in arrears)
利率波动率对 CVA 的影响
对数正态假设导致利率非对称分布:波动率升高时,高利率节点上移幅度 > 低利率节点下移幅度。 高利率节点债券价值更低(敞口更小),净效果是轻微降低预期敞口和 CVA,从而略微提高公允价值。 无嵌入期权的纯信用债此效应极小。
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
公司债收益率的构成
基准债券收益率(宏观因素)
利差(微观因素)
XVA 估值调整体系
CVA
信用价值调整
对手方违约风险
FVA
融资价值调整
融资成本差异
LVA
流动性价值调整
流动性溢价
TVA
税收价值调整
税收影响
信用风险参数对利差的影响
利差与参数的关系(以 5 年期 3.50% 公司债为例,回收率 40%): 违约概率 1.01% → 信用利差 0.60%(AAA 级) 违约概率 1.83% → 信用利差 1.10%(A 级) 违约概率 5.64% → 信用利差 3.40%(BB 级) 固定违约概率 1.83%,回收率从 40% 降至 30%: → LGD 增大,CVA 增大,公允价值下降 → 信用利差从 1.10% 扩大至 1.30%(+20 bps) 结论:违约概率加倍对利差的影响 > 回收率减半对利差的影响评级 Notching 的应用逻辑
高级无担保债务适用 40% 回收率 → 信用利差 1.10%(A 级); 次级债适用 30% 回收率(更低回收)→ 信用利差 1.30%(A− 或 BBB+), 据此将次级债评级下调 1–2 个级差(Notching)。
信用曲线(Credit Curve)显示同一发行人在不同期限债券上相对基准的利差;信用利差期限结构是衡量风险-收益权衡的重要工具。
宏观决定因素
信用质量
经济环境
市场供求
微观决定因素
公司价值模型
信用曲线形态解读
违约概率变化导致信用利差期限结构上倾(示例): 3 年期:POD 1%/年 → 信用利差 0.62% 5 年期:POD 前3年1%,后2年2% → 信用利差 0.86% 10年期:POD 前3年1%,4-5年2%,6-10年3% → 信用利差 1.32% 结论:预期未来违约概率递增 → 信用利差期限结构上倾 困境情景(两种期限均以 40% 回收价交易): 5 年期:收益率 20.11%,信用利差 17.11% 10年期:收益率 9.60%,信用利差 6.60% ← 倒挂! (此为光学现象,并非真实风险-收益差异)基准利率的选择
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
证券化债务允许发行人用特定资产池(而非整体资产负债表)进行融资,信用分析与公司债有根本区别。
粒度(Granularity)与同质性(Homogeneity)
分析方法选择:
证券化信用分析三要素
按粒度与同质性选择分析方法;评估违约概率分布与回收率
审查贷款资格标准、文件管理、逾期催收能力;评估历史业绩记录(跨信用周期)
SPE 破产隔离(真实出售)、超额抵押、分级(Tranching)、 超额利差(Excess Spread)、早偿触发机制
ABS vs 公司债的主要差异
| 维度 | 公司债 | ABS |
|---|---|---|
| 担保主体 | 整体资产负债表 | 特定资产池 |
| 违约风险来源 | 公司整体经营 | 资产池质量 |
| 分析重点 | 财务比率/商业模式 | 粒度/同质性/服务商 |
| 信用增级 | 无(或一般) | SPE/分级/超额利差 |
担保债券(Covered Bonds)特点
CVA 框架
信用评分与评级
信用模型
利差期限结构
无套利框架定价
证券化债务
信用价值调整
Credit Valuation Adjustment (CVA)
债券信用风险的现值,等于各期预期损失现值之和
预期违约敞口
Expected Exposure
违约事件发生前投资者可能损失的预计金额(未计回收)
违约损失额
Loss Given Default (LGD)
违约发生时实际损失 = 敞口 × (1 − 回收率)
违约概率
Probability of Default (POD)
发行人未能按时足额偿付的可能性;模型使用风险中性概率
回收率
Recovery Rate
违约后可回收的损失比例;1 − 回收率 = 损失严重度
危险率
Hazard Rate
条件违约概率,即假设此前未违约情况下当期违约概率
结构模型
Structural Model
基于公司资产价值与负债门槛,用期权定价理论建模违约;违约内生
简化模型
Reduced-Form Model
违约为外生随机变量,以泊松过程建模违约时间;仅用可观测变量
违约强度
Default Intensity
简化模型中下一时段的违约概率,反映违约的随机到达率
信用迁移矩阵
Credit Transition Matrix
记录各评级在一年内迁移至其他评级的历史概率
折现利差
Discount Margin (DM)
使浮动利率债券折现至公允价值的利差;类比固息债信用利差
担保债券
Covered Bonds
金融机构高级债务,对发行人及底层抵押资产池均有双重追索权
超额利差
Excess Spread
ABS 交易中资产池回报超过预期/历史损失的额外收益,构成信用增级
特殊目的实体
Special Purpose Entity (SPE)
证券化中用于隔离资产的独立实体,通常构成破产隔离
Credit Default Swaps
完成本模块后,考生应能够:
信用衍生品是以借款人信用质量为标的物的衍生工具,在全球多个国家广泛应用。四类信用衍生品为:
总收益互换
Total Return Swaps
信用利差期权
Credit Spread Options
信用挂钩票据
Credit-Linked Notes
信用违约互换
Credit Default Swaps (CDS)
CDS 流动性最高,是应用最广泛的信用衍生品。除对冲信用风险外,CDS 还可用于杠杆组合、获取现金市场难以获得的期限敞口、在限制利率风险的前提下获取信用风险以及提升组合流动性。
CDS 定义
信用违约互换(CDS)是信用保护买方与信用保护卖方之间的衍生合约: 买方定期向卖方支付保费,卖方承诺若参考主体发生信用事件,则向买方支付补偿。 信用事件触发后,买方停止支付保费。
关键参数
借款人/债务发行人
特定债务工具(通常为高级无担保债券)
保护规模,可超过参考主体实际未偿债务额
买方支付给卖方的定期保费(年化,超过市场参考利率)
投资级 1%;高收益 5%;差额通过预付款调整
典型期限 1–10 年,5 年最活跃;到期日为 3/6/9/12 月 20 日
CDS 的三种类型
单名 CDS (Single-Name CDS)
指数 CDS (Index CDS)
分级 CDS (Tranche CDS)
仅覆盖特定损失区间,类似 ABS 分级结构(超出本模块范围)
术语注意:多空方向
单名 CDS:
指数 CDS(CDX):
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
破产 (Bankruptcy)
法律程序使债权人暂缓追索;公司可重组或清算。CDS 合约普遍认定为信用事件。
未能支付 (Failure to Pay)
借款人在宽限期后未能按期支付本息,无需正式破产申请。ISDA 合约统一界定。
债务重组 (Restructuring)
包括减少/延迟本息、改变偿债顺序或支付货币。须为非自愿或强制性。美国通常不认定为信用事件(用破产替代);其他国家普遍认定。
ISDA 决定委员会 (DC)
交割方式
实物交割 (Physical Settlement)
买方交付债务工具,卖方支付名义本金。较少使用。
现金交割 (Cash Settlement)
卖方向买方支付现金:赔付金额 = LGD × 名义本金 = (1 − RR) × 名义本金
RR 由行业拍卖确定(主要银行提交最便宜可交割债券的买卖报价)。 实际回收率可能最终不同于拍卖确定的 RR。
信用事件宣布后 30 天内完成交割。
最便宜可交割债务 (CTD) — 关键概念
CDS 赔付基于 CTD(与参考债务相同清偿顺序的最低价债务),而非保护买方实际持有的债务。 因此:
指数 CDS 市场特点
最活跃指数
iTraxx Europe, iTraxx Crossover, iTraxx Senior Financials, CDX IG, CDX HY(占 90% 以上交易量)
指数更新
每 6 个月创建新系列(on-the-run);旧系列(off-the-run)继续存续;换仓称为 roll
组成变动
组成实体违约后按比例移出并以单名 CDS 结算;指数名义本金相应减少
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
两腿结构 (Two-Leg Framework)
保护腿 (Protection Leg)
信用事件发生时卖方向买方支付的或有款项 = LGD × 名义本金
现值 = Σ [LGD × POD_t × DF_t](即 CVA)
保费腿 (Premium Leg)
买方承诺定期向卖方支付的保费序列(信用事件后停止)
现值 = Σ [固定票面利率 × POS_t × DF_t]
预付款 = PV(保护腿) − PV(保费腿) 结果 > 0:买方支付卖方预付款(信用利差 > 标准票面利率) 结果 < 0:卖方支付买方预付款(信用利差 < 标准票面利率) 近似公式: 预付款 ≈ (信用利差 − 固定票面利率) × 有效久期 预付款% = 100 − CDS 价格(每 100 面值)CDS 定价关键参数
危险率 (Hazard Rate)
条件违约概率 = 假设此前未违约情况下当期违约概率
单期:CDS 利差 ≈ (1 − RR) × POD
多期危险率(常数 h):
POS(t) = (1 − h)^t
累计 POD = 1 − (1 − h)^t
示例:h = 2%/季,5 年(20 季):
POS = 0.98^20 = 66.8%
累计 POD = 33.2%危险率恒定 → 信用曲线趋平。上倾曲线意味着后期违约概率更高;下倾曲线(少见)意味着近期压力更大。
存续期间的价值变化
P&L(买方)≈ 利差变化(bps) × 久期 × 名义本金
CDS 价格变化% ≈ 利差变化(bps) × 久期
示例:
买入 $10M 5年期保护,久期 4 年
利差从 500 bps 扩大至 800 bps(+300 bps)
价格变化% = 300 × 4 = 12%
P&L = 12% × $10M = $1.2M(买方获益)到期时:CDS 利差趋近于零(类似债券趋近于面值)。 卖方收取全部保费且未触发信用事件 → 获利;买方"损失"保费,但若持有底层债券则相当于保险费。
标准化票面利率与预付款逻辑
| 场景 | 信用利差 vs 标准票面 | 预付款方向 |
|---|---|---|
| 投资级,利差高于 1% | 利差 > 1% | 买方 → 卖方支付 |
| 投资级,利差低于 1% | 利差 < 1% | 卖方 → 买方支付 |
| 高收益,利差高于 5% | 利差 > 5% | 买方 → 卖方支付 |
| 高收益,利差低于 5% | 利差 < 5% | 卖方 → 买方支付 |
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
基本信用敞口管理
减少信用敞口(买入保护)
贷款方/债券持有人对冲违约风险;无需出售底层资产(避免交易成本、维护关系、应对流动性不足)
增加信用敞口(卖出保护)
CDS 经销商做市;只想承担信用风险而不想承担利率风险的投资者;相比买债所需资本更少
裸 CDS (Naked CDS)
不持有底层敞口的保护买方;押注信用质量恶化;欧洲禁止对主权债务的裸 CDS,其他情形一般允许
多空信用交易 (Long/Short Credit Trade)
对一个参考主体卖出保护 + 对另一个参考主体买入保护,押注相对信用质量变化。
ESG 因素的应用(示例)
对 ESG 表现强的公司(Atelier)卖出保护 + 对 ESG 表现弱的公司(Trapp)买入保护。 若 ESG 优势反映在相对信用利差收窄/扩大,则套利获益。
同理,可用指数 CDS 进行多空交易(如买入高收益指数保护 + 卖出投资级指数保护,押注经济下行)。
曲线交易 (Curve Trade)
对同一参考主体在不同期限买入/卖出保护,押注信用曲线形状变化。
曲线变陡(Steepening)策略
买入长期保护 + 卖出短期保护;押注长期信用风险上升;短期内看多(短期前景好于长期)
曲线变平(Flattening)策略
买入短期保护 + 卖出长期保护;押注近期违约风险上升;短期内看空(近期前景差于长期)
曲线交易优势:买入近期保护的成本可由卖出远期保护的保费部分抵消,降低净保护成本。
信用利差整体平移策略
若预期所有期限利差同步上升,买入长期保护(价值变动更大)并卖出短期保护对冲,根据目标风险调整规模比例。
长期 CDS 比短期 CDS 对利差变化更敏感(类似长久期债券),因此当预期利差整体上移时,集中于较长期限可放大收益。
已预先用 ElevenLabs 生成并随站点静态发布,打开即可播放,不需要现场生成。
债券市场与 CDS 市场对同一信用风险的定价可能出现差异,产生可利用的基差(Basis)。
基差的定义
债券信用利差 = 债券收益率 − 市场参考利率(MRR)
基差 = CDS 利差 − 债券信用利差
负基差 (Negative Basis):债券利差 > CDS 利差
→ 债券市场高估信用风险(债券定价偏低)
正基差 (Positive Basis):CDS 利差 > 债券利差
→ CDS 市场高估信用风险基差来源:观点差异、模型不同、流动性差异、回购市场(repo)供求等。 基差通常是暂时性的,市场将向均衡收敛。
基差交易操作
负基差交易(债券定价偏低)
做多债券(信用利差高)+ 买入 CDS 保护(成本低),同时对冲利率风险 → 净获 (债券利差 − CDS 利差) 的利润
示例(Example 10 逻辑)
债券收益率 6%,MRR 2.5% → 债券信用利差 3.5%; CDS 利差 3.25%(负基差 −25 bps)→ 买入 CDS 保护(3.25%)+ 做多债券(3.5%),净赚 25 bps
跨资产类别套利
杠杆收购套利 (LBO Trade)
预期 LBO 情景
指数套利
若 CDS 指数成本 ≠ 成分单名 CDS 成本之和,做多便宜方 + 做空昂贵方套取收敛利润(交易成本较高)
CDS 定义与结构
交割与结算
定价与估值
应用策略
信用违约互换
Credit Default Swap (CDS)
买方定期付费、卖方承诺在信用事件发生时赔付的衍生合约
参考主体
Reference Entity
单名 CDS 所覆盖的借款人/债务发行人
参考债务
Reference Obligation
CDS 合约指定的特定债务工具,通常为高级无担保债券
最便宜可交割债务
Cheapest-to-Deliver (CTD)
可以最低成本购买并交付、且与参考债务具有相同清偿顺序的债务工具
CDS 利差
CDS Spread
买方支付给卖方的年化保费(超过市场参考利率的部分),衡量信用风险补偿
预付款 / 预付保费
Upfront Payment / Upfront Premium
标准票面利率与实际信用利差之差折算为现值后的一次性支付
信用事件
Credit Event
触发 CDS 交割的事件,包括破产、未能支付、债务重组
继承事件
Succession Event
并购、分拆等导致参考主体债务归属不明的公司结构变化,由 ISDA DC 裁定
危险率
Hazard Rate
条件违约概率:假设此前未违约情况下当期发生违约的概率
保护腿
Protection Leg
信用事件发生时卖方向买方支付的或有款项(现值约等于 CVA)
保费腿
Premium Leg
买方向卖方定期支付保费序列的现值
裸 CDS
Naked CDS
不持有底层信用敞口的保护买入方;欧洲禁止对主权债务的裸 CDS
多空信用交易
Long/Short Credit Trade
对一参考主体卖出保护 + 对另一参考主体买入保护,押注相对信用变化
曲线交易
Curve Trade
对同一参考主体在不同到期期限买卖保护,押注信用曲线形状变化
基差交易
Basis Trade
利用债券市场信用利差与 CDS 市场信用利差之间的差价套利
变现损益
Monetizing
通过建立反向头寸平仓以实现 CDS 的盈利或亏损
信用相关性
Credit Correlation
指数 CDS 中各成分单名 CDS 违约风险之间的相关程度;相关性越高,组合保护成本越高
信用曲线
Credit Curve
同一借款人不同期限债券的信用利差集合,类比利率期限结构
信用保护买方
Credit Protection Buyer
向卖方定期付费并在信用事件发生时获得赔付的 CDS 一方;做空信用敞口
信用保护卖方
Credit Protection Seller
收取定期保费并承诺在信用事件发生时向买方赔付的 CDS 一方;做多信用敞口
赔付金额
Payout Amount
LGD × 名义本金;信用事件发生时卖方支付给买方的金额
换仓
Roll
投资者将头寸从旧系列(off-the-run)移至最新系列(on-the-run)的操作
最新系列 / 旧系列
On-the-Run / Off-the-Run
Markit 每 6 个月创建新指数系列(on-the-run 流动性最高),旧系列称 off-the-run
ISDA 主协议
ISDA Master Agreement
国际互换与衍生品协会发布的标准合约协议,规范 CDS 交易各方的条款与义务
存托信托与结算公司
Depository Trust and Clearinghouse Corporation
美国为主的交易后清算、结算与信息服务机构,负责报告 CDS 交易信息
本页学习导航
你已到达当前 固定收益 页面最后一个学习小节。