在使用quantlib-python进行金融建模时，一个常见的任务是首先通过市场上的固定收益工具（如零息债券和附息债券）来引导（bootstrap）出一条零息曲线或远期曲线。这条曲线随后被用于对其他金融工具进行定价。然而，在尝试使用这条已构建的曲线对原始债券进行回溯定价（reprice）以验证曲线的准确性时，用户可能会遇到typeerror。
原始代码中遇到的错误信息 TypeError: in method 'new_DiscountingBondEngine', argument 1 of type 'Handle< YieldTermStructure > const &' 清晰地指出，DiscountingBondEngine的构造函数期望接收一个Handle<YieldTermStructure>类型的参数，而不是直接的YieldTermStructure对象（例如，由ql.PiecewiseCubicZero创建的curve对象）。此外，bondYield()方法的调用也需要额外的参数来指定收益率的计算约定。
QuantLib库大量使用了“Handle”（句柄）的概念。Handle是一种智能指针，它允许在不修改客户端代码的情况下，动态地改变其所指向的基础对象。这对于金融模型中的可观察对象（如收益率曲线、波动率曲面等）至关重要，因为它们可能需要实时更新，并且所有依赖这些对象的工具都需要自动感知这些更新。
DiscountingBondEngine被设计为接收一个Handle<YieldTermStructure>，而不是直接的YieldTermStructure对象。这意味着即使我们已经创建了一个ql.PiecewiseCubicZero对象（它是一个YieldTermStructure的派生类），也需要将其封装在一个ql.YieldTermStructureHandle中，然后才能传递给定价引擎。
解决TypeError的关键在于将引导出的收益率曲线curve封装在一个ql.YieldTermStructureHandle对象中。这个Handle对象随后被传递给ql.DiscountingBondEngine。
立即学习“Python免费学习笔记（深入）”；
# 封装曲线到Handle中 curveHandle = ql.YieldTermStructureHandle(curve) # 使用Handle实例化定价引擎 bondEngine = ql.DiscountingBondEngine(curveHandle)
除了TypeError，原始代码在调用bond.bondYield()时也可能因为缺少必要参数而导致计算不准确或运行时错误。bondYield()方法通常需要以下参数来确定收益率的计算方式：
对于附息债券，通常会使用与息票支付频率相匹配的复利频率。例如，如果息票是半年支付一次，那么收益率通常也以半年复利的形式报告。
# 示例：假设债券收益率以半年复利年化 bondYield = bond.bondYield(day_count, ql.Compounded, ql.Semiannual)
以下是整合了上述修正后的完整QuantLib-Python代码，用于引导零息曲线并回溯定价债券：
import pandas as pd
import matplotlib.pyplot as plt
import QuantLib as ql
# --- 1. 初始化 QuantLib 环境 ---
today = ql.Date(21, ql.November, 2023)
ql.Settings.instance().evaluationDate = today
calendar = ql.NullCalendar() # 或者选择 ql.TARGET(), ql.UnitedStates() 等实际日历
day_count = ql.Actual365Fixed() # 实际/365固定日计数约定
zero_coupon_settlement_days = 4
coupon_bond_settlement_days = 3
faceAmount = 100
# --- 2. 债券数据准备 ---
data = [
# (发行日期, 到期日期, 票息率, 市场价格, 交割天数)
('11-09-2023', '11-12-2023', 0, 99.524, zero_coupon_settlement_days), # 零息债券
('11-09-2023', '11-03-2024', 0, 96.539, zero_coupon_settlement_days),
('11-09-2023', '10-06-2024', 0, 93.552, zero_coupon_settlement_days),
('11-09-2023', '09-09-2024', 0, 89.510, zero_coupon_settlement_days),
('22-08-2022', '22-08-2024', 9.0, 96.406933, coupon_bond_settlement_days), # 附息债券
('27-06-2022', '27-06-2025', 10.0, 88.567570, coupon_bond_settlement_days),
('27-06-2022', '27-06-2027', 11.0, 71.363073, coupon_bond_settlement_days),
('22-08-2022', '22-08-2029', 12.0, 62.911623, coupon_bond_settlement_days),
('27-06-2022', '27-06-2032', 13.0, 55.976845, coupon_bond_settlement_days),
('22-08-2022', '22-08-2037', 14.0, 52.656596, coupon_bond_settlement_days)
]
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')
# 假设所有附息债券都是半年付息
schedule = ql.MakeSchedule(issue_date, maturity, ql.Period(ql.Semiannual)) \
.withCalendar(calendar) \
.withConvention(ql.Unadjusted) \
.withTerminalDateConvention(ql.Unadjusted) \
.withRule(ql.DateGeneration.Backward) \
.end()
# 根据票息率判断是零息还是附息
if coupon == 0:
# 对于零息债券，使用ZeroCouponBondHelper
# 注意：QuantLib中ZeroCouponBondHelper的构造函数参数与FixedRateBondHelper不同
# 零息债券通常直接用其价格和到期日推导零息率，这里为了统一引导，暂时也用FixedRateBondHelper
# 但更严谨的做法是为零息债券单独构建ZeroCouponBondHelper
# 或者确保FixedRateBondHelper能正确处理0票息情况
# 鉴于原始代码和错误上下文，这里保持使用FixedRateBondHelper
helper = ql.FixedRateBondHelper(price_handle, settlement_days, faceAmount, schedule,
[coupon / 100], day_count, ql.Unadjusted, faceAmount, issue_date)
else:
helper = ql.FixedRateBondHelper(price_handle, settlement_days, faceAmount, schedule,
[coupon / 100], day_count, ql.Unadjusted, faceAmount, issue_date)
helpers.append(helper)
# --- 3. 引导零息曲线 ---
# 曲线的插值方法可以根据数据特点选择，这里使用PiecewiseCubicZero
# 注意：ql.PiecewiseCubicZero的第一个参数是结算日期，而非今天的日期
settlement_date = calendar.advance(today, coupon_bond_settlement_days, ql.Days) # 以附息债券的交割日作为曲线的基准日
curve = ql.PiecewiseCubicZero(settlement_date, helpers, day_count)
curve.enableExtrapolation() # 启用外推
# --- 4. 曲线数据验证与打印 ---
print("\n--- 曲线关键点数据 ---")
node_data = {'Date': [], 'Zero Rates (%)': [], 'Forward Rates (%)': [], 'Discount Factors': []}
for dt in curve.dates():
node_data['Date'].append(dt)
node_data['Zero Rates (%)'].append(curve.zeroRate(dt, day_count, ql.Annual).rate() * 100)
# 远期利率计算通常需要一个起始日期和一个期限
# 这里为了演示，取当前日期到当前日期+1年的远期利率
node_data['Forward Rates (%)'].append(curve.forwardRate(dt, dt + ql.Period(1, ql.Years), day_count, ql.Annual).rate() * 100)
node_data['Discount Factors'].append(curve.discount(dt))
node_dataframe = pd.DataFrame(node_data)
print(node_dataframe)
# node_dataframe.to_excel('NodeRates.xlsx', index=False) # 如果需要导出到Excel
# 绘制零息曲线
curve_dates_plot = [today + ql.Period(i, ql.Years) for i in range(16)] # 绘制到15年
curve_zero_rates_plot = [curve.zeroRate(date, day_count, ql.Annual).rate() for date in curve_dates_plot]
numeric_dates_plot = [(date - today) / 365.0 for date in curve_dates_plot]
plt.figure(figsize=(10, 6))
plt.plot(numeric_dates_plot, curve_zero_rates_plot, marker='.', linestyle='-', color='b', label='Zero Rates')
plt.title('Bootstrapped Zero Rates Curve')
plt.xlabel('Years from Today')
plt.ylabel('Annualized Rate')
plt.legend()
plt.grid(True)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
# --- 5. 债券回溯定价与收益率计算 ---
print("\n--- 债券回溯定价结果 ---")
bond_results = {'Issue Date': [], 'Maturity Date': [], 'Coupon Rate': [], 'Quoted Price': [],
'Calculated Yield (%)': [], 'Calculated Clean Price': [], 'Calculated Dirty Price': []}
# *** 关键修正点：创建 YieldTermStructureHandle ***
curveHandle = ql.YieldTermStructureHandle(curve)
for issue_date_str, maturity_str, coupon, quoted_price, settlement_days in data:
issue_date = ql.Date(issue_date_str, '%d-%m-%Y')
maturity = ql.Date(maturity_str, '%d-%m-%Y')
schedule = ql.MakeSchedule(issue_date, maturity, ql.Period(ql.Semiannual)) \
.withCalendar(calendar) \
.withConvention(ql.Unadjusted) \
.withTerminalDateConvention(ql.Unadjusted) \
.withRule(ql.DateGeneration.Backward) \
.end()
bond = ql.FixedRateBond(settlement_days, faceAmount, schedule, [coupon / 100], day_count,
ql.Unadjusted, faceAmount, issue_date)
# *** 关键修正点：使用 curveHandle 实例化 DiscountingBondEngine ***
bondEngine = ql.DiscountingBondEngine(curveHandle)
bond.setPricingEngine(bondEngine)
# 计算债券的公允价格 (Clean Price 和 Dirty Price)
bondCleanPrice = bond.cleanPrice()
bondDirtyPrice = bond.dirtyPrice()
# *** 关键修正点：为 bondYield() 方法提供完整参数 ***
# 假设收益率按照半年复利计算，与息票频率一致
try:
bondYield = bond.bondYield(bondCleanPrice, day_count, ql.Compounded, ql.Semiannual) * 100
except RuntimeError as e:
# 对于零息债券，bondYield可能需要特殊处理或不适用此方法，或者价格太低导致无解
bondYield = float('nan') # 或其他适当的错误标记
print(f"Warning: Could not calculate yield for bond maturing {maturity_str} with coupon {coupon}%: {e}")
bond_results['Issue Date'].append(issue_date)
bond_results['Maturity Date'].append(maturity)
bond_results['Coupon Rate'].append(coupon)
bond_results['Quoted Price'].append(quoted_price)
bond_results['Calculated Yield (%)'].append(bondYield)
bond_results['Calculated Clean Price'].append(bondCleanPrice)
bond_results['Calculated Dirty Price'].append(bondDirtyPrice)
bond_results_df = pd.DataFrame(bond_results)
print(bond_results_df)
# 可以比较 Quoted Price 和 Calculated Clean Price 来验证曲线的准确性通过理解和正确应用QuantLib中Handle的概念以及对bondYield()方法参数的精确控制，用户可以有效地解决债券定价中的常见问题，并构建出稳健的金融模型。
以上就是QuantLib-Python中基于零息曲线的债券定价与收益率计算详解的详细内容，更多请关注php中文网其它相关文章！
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。
广告Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
722
收藏
