4、收益率曲线构建方法：插值法（线性、样条）、Nelson-Siegel模型、Svensson模型、构建步骤与案例
收益率曲线是固定收益证券定价、利率风险管理和宏观经济分析的核心工具。它描述了不同期限的无风险利率与到期时间之间的关系。在实际市场中，我们只能观察到有限期限的国债或利率互换报价，而定价与风险管理往往需要任意期限的即期利率或远期利率。因此，收益率曲线构建的本质是一个“从离散样本点到连续函数”的拟合与插值问题。本章将系统讲解三种主流构建方法：线性插值法、样条插值法、Nelson-Siegel（NS）参数模型及其扩展Svensson模型，并给出完整的构建步骤与实战案例。
4.1 插值法：从线性到样条
核心原理：插值法的基本思想是，利用已知期限的利率样本点，通过某种函数形式填补相邻期限之间的空白。线性插值是最简单的方法，它假设相邻两个样本点之间的利率呈线性变化。对于期限 \( t_i \) 和 \( t_{i+1} \) 之间的任意期限 \( t \)，即期利率 \( r(t) \) 满足：
r(t) = r(t_i) + [r(t_{i+1}) - r(t_i)] × (t - t_i) / (t_{i+1} - t_i)线性插值实现简单、计算速度快，但得到的曲线在样本点处不可导，远期利率曲线呈现明显的锯齿状，不符合市场对利率平滑性的直觉。三次样条插值则通过分段三次多项式，保证曲线在样本点处一阶、二阶导数连续（即C²连续），从而得到平滑的即期利率曲线和远期利率曲线。样条插值的关键在于节点（knot）的选择——节点过多容易过拟合，节点过少则无法捕捉曲线形态。
- 数据清洗：剔除异常报价、流动性不足的债券，统一计息基准（如ACT/365）。
- 节点选择：通常将节点设置在样本期限处，或使用等间距节点（如1年、2年、5年、10年、30年）。
- 构造基函数：使用B样条基函数或自然样条基函数，将利率表示为基函数的线性组合。
- 求解系数：通过最小二乘法或带约束的优化（如单调性约束）求解基函数系数。
- 验证与输出：检查拟合误差、远期利率是否为正，输出即期利率和贴现因子。
案例拆解：假设市场观察到以下国债即期利率：1年期2.0%，2年期2.5%，5年期3.0%，10年期3.5%。若使用线性插值，3年期利率为2.5% + (3.0%-2.5%)×(3-2)/(5-2) = 2.67%。若使用三次样条，由于样条会考虑整体曲率，3年期利率可能略高于或低于线性插值结果，具体取决于边界条件。在实际交易中，线性插值常用于短期利率曲线（如隔夜至1年），而样条插值更适用于中长期国债曲线。
4.2 Nelson-Siegel模型与Svensson扩展
核心原理：Nelson-Siegel（NS）模型由Charles Nelson和Andrew Siegel于1987年提出，它将即期利率表示为三个因子的线性组合：水平因子（长期利率）、斜率因子（短长期利差）和曲率因子（中期弯曲）。其数学形式为：
r(t) = β₀ + β₁ × [1 - exp(-t/τ)] / (t/τ) + β₂ × { [1 - exp(-t/τ)] / (t/τ) - exp(-t/τ) }其中，β₀为长期利率水平（t→∞时r(t)→β₀），β₁为短期利率贡献（t→0时r(t)→β₀+β₁），β₂为中期曲率贡献，τ为衰减因子（控制曲线弯曲位置）。NS模型仅用4个参数就能描述大多数收益率曲线的形态，且远期利率在远端趋于常数β₀，符合经济直觉。
Svensson扩展：Svensson（1994）在NS模型基础上增加了一个额外的曲率因子，以更好地拟合带有“驼峰”或“双弯曲”的复杂曲线：
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) }Svensson模型有6个参数（β₀, β₁, β₂, β₃, τ₁, τ₂），拟合能力更强，但参数估计的稳定性下降，对初始值敏感。
| 参数 | 经济含义 | 典型取值范围 | 对曲线的影响 |
|---|---|---|---|
| β₀ | 长期利率水平 | 2%~5% | 决定曲线远端高度 |
| β₁ | 短长期利差（斜率） | -3%~1% | 负值表示曲线向上倾斜 |
| β₂ | 中期曲率 | -2%~2% | 正值产生驼峰 |
| τ₁ | 第一衰减因子 | 0.5~5年 | 控制曲率峰值位置 |
| β₃ / τ₂ | 第二曲率（Svensson） | 视市场而定 | 捕捉双驼峰形态 |
4.3 构建步骤与完整案例
标准构建流程：无论是插值法还是参数模型，收益率曲线构建都遵循以下步骤：
- 样本选择：选取流动性好的国债、政策性金融债或利率互换报价，覆盖短、中、长各期限。
- 价格转换：将债券价格转换为即期利率（通过Bootstrapping方法）或直接使用互换利率作为即期利率。
- 模型选择：根据数据特征和用途选择插值法或参数模型。若用于衍生品定价，通常需要平滑的远期利率，优先选择样条或Svensson。
- 参数估计：对于NS/Svensson模型，使用非线性最小二乘法（如Levenberg-Marquardt算法）最小化拟合误差。
- 验证与校准：检查拟合残差、远期利率是否为正、曲线是否合理，必要时调整节点或参数初始值。
初始参数：β₀=3.5%，β₁=-1.2%，β₂=0.8%，β₃=0.3%，τ₁=1.5，τ₂=3.0。
优化结果：经过迭代，得到β₀=3.62%，β₁=-1.35%，β₂=0.92%，β₃=0.28%，τ₁=1.82，τ₂=4.15。拟合误差（均方根误差）为2.3个基点。
应用：利用拟合曲线计算5年期零息债券价格：P = 100 / (1+3.28%)^5 ≈ 85.12元。同时可计算1×4远期利率：F(1,4) = [(1+3.0%)^5 / (1+2.5%)^1]^(1/4) - 1 ≈ 3.13%。
案例复盘：该案例中，Svensson模型成功捕捉了曲线的轻微驼峰形态（3-5年期利率上升较快）。若使用NS模型，拟合误差会增大至5个基点左右，但参数稳定性更好。在实际交易中，若用于对冲，建议使用样条插值以保证局部拟合精度；若用于宏观分析或情景模拟，NS/Svensson模型更合适，因为其参数具有经济解释。
4.4 方法选择与常见误区
方法选择矩阵：
| 应用场景 | 推荐方法 | 理由 |
|---|---|---|
| 国债定价、套利交易 | 三次样条 | 局部拟合精度高，远期曲线平滑 |
| 利率衍生品定价（IRS、Swaption） | Svensson | 参数化形式便于计算敏感度 |
| 宏观分析、利率预测 | NS模型 | 参数具有经济含义，稳健性强 |
| 短期资金市场（1年以内） | 线性插值 | 数据密集，简单高效 |
常见误区总结：
- 误区一：认为样条插值一定优于线性插值。实际上，在数据点密集且噪声较大的短期市场，线性插值更稳健。
- 误区二：忽略样本券的流动性差异。低流动性债券的报价可能偏离真实利率，应赋予较低权重或剔除。
- 误区三：过度追求拟合优度。Svensson模型虽然拟合误差小，但参数可能不稳定，导致曲线在远端异常摆动。
- 误区四：未考虑税收和信用利差。国债收益率曲线与互换曲线之间的基差（Treasury-Swap Spread）需要单独建模。
总结：收益率曲线构建是利率建模的基础。插值法适合数据密集、需要精确复制的场景；NS/Svensson模型适合参数化分析、宏观建模和衍生品定价。掌握每种方法的适用边界、参数含义和潜在陷阱，是成为合格利率模型构建者的关键。本章的案例展示了从数据输入到曲线输出的完整流程，读者应通过实际编程（如Python的SciPy或QuantLib）加深理解。