📚 课程目录第1章课程导入

1. 课程导入

欢迎进入《CDX与iTraxx指数CDS定价实战》。在正式进入定价模型、曲线构建与交易策略之前，本章先解决三个基础问题：CDX与iTraxx到底是什么、它们在全球信用市场中处于什么位置、以及本课程将如何带你从零走到可实战定价。只有把这三个问题厘清，后续的模型推导与参数校准才不会变成"公式堆砌"。

一、核心定义：指数CDS不是单一合约，而是一篮子信用风险的标准化切片

CDS（Credit Default Swap，信用违约互换）本质是一份信用保险合约：保护买方定期支付保费（Spread），保护卖方在参考实体发生违约或信用事件时赔付损失。而指数CDS把这一逻辑复制到一篮子参考实体上，形成可交易、可清算、标准化的信用组合产品。

目前全球流动性最强的两大指数体系是：

CDX系列：由Markit（现S&P Global）与CDS IndexCo推出，主要覆盖北美与新兴市场。核心品种包括CDX.NA.IG（北美投资级，125个参考实体）、CDX.NA.HY（北美高收益，100个参考实体）以及CDX.EM等。
iTraxx系列：由Markit与IIC推出，主要覆盖欧洲与亚洲。核心品种包括iTraxx Europe（欧洲投资级，125个参考实体）、iTraxx Crossover（欧洲高收益/交叉级，75个参考实体）以及iTraxx Asia等。

两者在合约结构上高度相似：等权重、固定到期日（通常为5年、7年、10年）、标准化信用事件定义、滚动发行（每半年推出新系列，如CDX.NA.IG Series 40、iTraxx Europe Series 40）。这种标准化正是它们能够集中清算、电子交易、成为信用市场"基准利率"的前提。

关键理解：指数CDS的价格（Spread）反映的是"一篮子参考实体平均信用风险"，而不是某一家公司的信用风险。它既是风险对冲工具，也是市场情绪的温度计。

二、市场地位：信用市场的"标普500"与定价锚

如果把股票市场的标普500视为风险偏好的风向标，那么CDX.NA.IG与iTraxx Europe就是信用市场的对应物。它们的市场地位体现在四个层面：

维度	CDX.NA.IG	iTraxx Europe	实战含义
参考实体数量	125	125	分散度足够，单名违约影响有限
主要期限	5Y、7Y、10Y	5Y、7Y、10Y	5Y为最活跃定价基准
清算方式	中央清算为主	中央清算为主	降低对手方风险，提升流动性
典型日成交	数十亿美元名义	数十亿欧元名义	可承载机构级对冲与方向性交易
核心用途	北美信用风险对冲、宏观信用表达	欧洲信用风险对冲、跨市场套利	定价模型必须能复现市场报价

从参与者结构看，指数CDS市场由做市商、对冲基金、银行自营、资产管理机构与保险公司共同构成。做市商提供双边报价，对冲基金进行方向性与相对价值交易，银行用于信用组合对冲，资产管理机构则用于表达信用久期与行业观点。这种多元参与使得指数CDS的报价连续、买卖价差窄，成为信用衍生品定价的"锚"。

三、方法流程：从市场报价到理论价格的完整链路

本课程的核心目标，是让你能够独立完成"给定市场报价，计算指数CDS理论价格，并判断报价是否偏离"的完整流程。这条链路可以拆解为五个步骤：

数据准备：获取指数CDS的期限结构报价（1Y、3Y、5Y、7Y、10Y）、无风险利率曲线、以及各参考实体的单名CDS报价。
曲线构建：从单名CDS报价中剥离出各参考实体的违约概率期限结构（Hazard Rate Curve），常用Bootstrap方法。
相关性建模：指数CDS的价格不仅取决于单名违约概率，还取决于参考实体之间的违约相关性。常用Gaussian Copula、Student-t Copula或因子模型。
指数定价：将单名曲线与相关性结构输入定价引擎，计算指数CDS的理论Spread与保护买方/卖方的现金流现值。
偏差分析与交易决策：比较理论价格与市场报价，识别套利机会或对冲成本，形成交易信号。

在实操中，这一流程通常通过Python或C++定价库实现。以下是一个简化的曲线构建伪代码示例，帮助你建立直观感受：

# 伪代码：从单名CDS报价构建Hazard Rate曲线
def bootstrap_hazard_curve(cds_spreads, recovery_rate, discount_curve):
    hazard_rates = []
    for i, spread in enumerate(cds_spreads):
        # 根据当前期限的CDS报价，反推该期限的违约强度
        # 保护买方现值 = 保护卖方现值
        hazard = solve_hazard_rate(
            spread=spread,
            recovery=recovery_rate,
            discount=discount_curve,
            previous_hazards=hazard_rates
        )
        hazard_rates.append(hazard)
    return hazard_rates

# 指数定价：将单名曲线与相关性矩阵结合
def price_index_cds(hazard_curves, correlation_matrix, notional):
    # 使用Copula模拟联合违约时间
    joint_default_times = simulate_copula(
        hazard_curves, correlation_matrix
    )
    # 计算指数层面的预期损失与保费现金流
    expected_loss = compute_expected_loss(joint_default_times, notional)
    premium_leg = compute_premium_leg(joint_default_times, notional)
    fair_spread = expected_loss / premium_leg
    return fair_spread

学习建议：不要急于背诵公式。先理解"为什么指数CDS需要相关性建模"——因为一篮子参考实体的联合违约分布无法从单名曲线直接推导，必须引入相关性假设。这是本课程后续章节的核心主线。

四、案例与场景：一次典型的指数CDS定价实战

假设某对冲基金交易员观察到：CDX.NA.IG 5Y的市场报价为85bp，而根据内部模型（基于单名CDS曲线与历史相关性）计算的理论价格为92bp。这意味着市场报价低于理论价格，指数保护买方"便宜"，保护卖方"贵"。交易员可能选择买入保护（支付85bp保费），等待市场向理论价格收敛后平仓获利。

但这一决策并非无风险。如果实际违约相关性高于模型假设，联合违约概率上升，理论价格可能进一步走高，买入保护反而亏损。因此，定价实战的关键不在于"算出一个数"，而在于理解模型假设与市场现实之间的差距，并据此管理风险。

常见误区：许多初学者把指数CDS价格简单理解为"125个单名CDS的算术平均"。这是错误的。指数CDS的价格还包含相关性溢价、流动性溢价与期限结构效应。忽略这些因素，会导致定价偏差高达数十个基点。

五、课程整体框架与学习目标

本课程共30章，按照"基础—建模—定价—实战"四阶段递进：

基础阶段（第1-6章）：CDX与iTraxx合约细则、市场惯例、报价解读、信用事件定义。
建模阶段（第7-14章）：单名CDS曲线构建、Hazard Rate模型、Copula相关性建模、因子模型。
定价阶段（第15-22章）：指数CDS定价引擎实现、数值方法、校准与回测、希腊字母计算。
实战阶段（第23-30章）：交易策略、对冲组合构建、风险监控、压力测试与案例分析。

完成本课程后，你将能够：独立读取CDX与iTraxx市场报价；从单名CDS数据构建违约概率曲线；使用Copula模型对指数CDS进行定价；识别市场报价中的套利机会；并能够用Python实现完整的定价与回测流程。