1. 课程导入
欢迎进入《QuantLib利率衍生品定价实战》。在动手写第一行定价代码之前，我们需要先建立一张“市场地图”：利率衍生品到底交易什么、参与者为什么交易、价格由哪些曲线决定，以及 QuantLib 在整个技术栈中扮演什么角色。本章不追求公式推导，而是帮你把后续 29 章的知识挂到一张清晰的框架上，避免“会调 API 却不懂业务”的常见困境。
一、利率衍生品市场概览：交易的是什么
利率衍生品的本质，是把“未来某段时间内资金的价格”——也就是利率——作为标的进行风险交换。与股票衍生品不同，利率标的不是一个可交易价格，而是一组期限结构（收益率曲线），因此定价天然依赖曲线构建与贴现。市场主要品种包括：
- 利率互换（IRS）：交换固定利率与浮动利率现金流，是市场规模最大、流动性最好的品种，也是理解曲线构建的起点。
- 利率期权（Cap/Floor/Swaption）：赋予买方对利率上限、下限或互换的权利，定价依赖波动率曲面。
- 债券期权与期货期权：与国债、利率期货挂钩，常用于对冲与套利。
- 交叉货币互换（CCS）：同时交换不同币种的利息与本金，涉及多币种贴现。
参与者可分为三类：套保者（企业、银行锁定融资成本）、投机者（对冲基金博取曲线与波动率方向）、做市商（提供报价并管理库存风险）。理解他们的动机，才能理解为什么某些期限点流动性好、某些报价点缺失。
二、QuantLib 的定位与安装
QuantLib 是一个开源的量化金融 C++ 库，并提供 Python 绑定（QuantLib-Python）。它的价值在于：把曲线构建、日历、计息规则、定价引擎、随机过程等“金融工程基础设施”标准化，让你专注于模型选择与业务逻辑，而不是重复实现日期滚动和贴现因子。其核心抽象包括：
| 抽象对象 | 作用 | 典型类 |
|---|---|---|
| 日期与日历 | 处理交易日、节假日、滚动规则 | Date、Calendar、BusinessDayConvention |
| 计息规则 | 定义利息天数与复利方式 | DayCounter、Actual360、Thirty360 |
| 期限结构 | 提供贴现因子与远期利率 | YieldTermStructure、FlatForward |
| 指数 | 描述浮动利率基准 | IborIndex、OvernightIndex |
| 工具与引擎 | 定义合约并绑定定价算法 | VanillaSwap、DiscountingSwapEngine |
推荐使用 Python 环境安装，命令如下：
# 建议使用虚拟环境
python -m venv ql_env
source ql_env/bin/activate # Windows: ql_env\Scripts\activate
# 安装 QuantLib-Python
pip install QuantLib
# 验证安装与版本
python -c "import QuantLib as ql; print(ql.__version__)"conda install -c conda-forge quantlib。生产环境建议固定版本号，避免不同版本 API 差异导致回测结果漂移。三、学习路径与实战目标
本课程遵循“市场认知 → 曲线构建 → 工具定价 → 风险与模型”的递进路径。下图展示了从市场数据到定价结果的完整数据流，也是你后续每章都会反复回到的主线：
围绕这条主线，课程将依次覆盖：曲线构建与插值方法、IRS 与 OIS 定价、Cap/Floor 与 Swaption 波动率建模、Greeks 计算、情景与压力测试，以及模型校准与回测。每一章都配有可运行的 QuantLib 代码片段。
四、常见误区与复盘建议
误区一：把 QuantLib 当黑箱。直接调用 VanillaSwap 而不检查日历、计息规则和曲线，结果往往与市场报价偏差巨大。务必先打印现金流日期表核对。
误区二：曲线与贴现混用。用一条曲线同时做预测和贴现，在金融危机后已不成立。OIS 贴现与 IBOR 预测需分开处理。
误区三：忽略版本差异。QuantLib 不同版本对指数、引擎的默认行为可能变化，回测前应固定环境并记录版本。
建议的学习方法是“三遍法”：第一遍跑通示例代码，观察输入输出；第二遍修改参数（如曲线斜率、波动率），观察价格与 Greeks 的变化方向；第三遍脱离示例，用自己的市场数据重建一条曲线并定价一笔互换。只有第三遍能独立完成，才算真正掌握。
本章的核心结论：利率衍生品定价 = 市场数据 + 曲线构建 + 合约定义 + 定价引擎。QuantLib 把后三者标准化，而你的专业判断体现在数据选择、曲线方法与模型假设上。接下来的章节，我们将从曲线构建开始，一步步把这套流程变成你手中的实战工具。