Процентные ставки и модели процентных ставок
“Количественные финансы”
Салихов Марсель (marcel.salikhov@gmail.com)
2017-03-13
Цели лекции
- изучить основные характеристики облигаций
- понять, что такое спотовые ставки
- понять, что такое форвардные ставки и как они связаны с ценами на облигации
- понять принципы непрерывного начисления доходностей
- понять основные принципы построения моделей временной структуры процентных ставок
- изучить модель Нельсона-Сигеля (Nelson-Siegel)
- научиться оценивать модель Нельсона-Сигеля в R
- изучить особенности расчета кривой бескупонной доходностей Московской Биржей
Повторение
- Облигация – по сути торгуемая форма займа. Эмитент облигации обязан выплатить номинальную стоимость, а также осуществлять купонные платежи. + Владелец облигации получается поток “фиксированных” платежей.
- Даже если не происходит дефолта, владелец облигации несет риски, связанные с изменением процентных ставок.
- Цены на облигации изменяются в противоположном направлении относительно изменения процентных ставок. Снижение процентных ставок приводит к росту цен на долговом рынке.
Типы облигаций
- с нулевым купоном (zero-coupon bonds). Заемщик к сроку погашения возвращает номинальную стоимость облигации.
- c фиксированным купоном – последовательность фиксированных платежей + возвращение номинала в конце срока погашения. Пример - ОФЗ и большинство корпоративных облигаций.
- с переменным купоном – купонные выплаты привязаны к определенным индикаторам (ставки денежного рынка, инфляция и проч.)
- консоль – “вечная” облигаций – периодические выплаты неопределенное время, номинал не возвращается. Пример - некоторые облигации Великобритании.
Облигации с нулевым купоном
Для облигации с номиналом в 1000 рублей номинальная стоимость равняется:
\[ = \frac{1000}{(1+i)^n} \]
Предположим, что \(i = 10%\), тогда стоимость однолетней бумаги:
\[ = \frac{1000}{(1+0,1)^1} = 909,09 \]
стоимость 6-месячной бумаги равна:
\[ = \frac{1000}{(1+0,1)^{1/2}} = 953,46 \]
Стоимость 10-летней бумаги будет равна:
\[ = \frac{1000}{(1+0,1)^{10}} = 385,54 \]
Облигации с фиксированным купоном
Эмитент облигации обещает осуществить серию периодических купонных платежей, а также вернуть номинал в дату погашению.
\[ P_{cb} = \frac{Coupon}{(1+i)^1} + \frac{Coupon}{(1+i)^2} + ... + \frac{Coupon}{(1+i)^n} + \frac{FaceValue}{(1+i)^n} \]
Доходности облигаций
- Мы умеем вычислять стоимость облигации, если знаем процентную ставку (\(i\)).
- Мы можем также решать обратную задачу – вычислить доходность, опираясь на рыночную цену облигации, которая известна.
- Объединив информации по будущим выплатам (уникальные характеристики облигации) и ее рыночную цену – мы можем получить доходность (yield)
Доходность к погашению (yield-to-maturity)
- Наиболее полезная оценка доходности владения облигации – доходность к погашению (доходность, которую получит владелец облигации, если будет держать облигацию до погашения).
К примеру, для 1-летней облигации с купоном в 5%:
\[ Price = \frac{50}{(1+i)} + \frac{1000}{(1+i)} \]
- YTM – это значение \(i\), которое приравнивает уравнение к текущей цене облигации.
- Если цена облигации равно 100, YTM = ставка купона
- Если цена облигации > 100, YTM < ставка купона
- Если цена облигации < 100, YTM > ставка купона
- Если цена облигации увеличивается, доходность к погашению снижается – цены и ставки двигаются в противоположные стороны
Доходность к погашению (yield-to-maturity)
Оценим связь между ценой облигации и процентными ставками в R.
Cпотовые ставки (spot rates)
- Доходность к погашению облигации с нулевым купоном с погашением через \(n\) лет называется \(n\)-летней спотовой ставкой (spot rate).
- Купонную облигацию можно представить как совокупность облигаций с нулевым купоном, по одной – на каждый купон и с итоговым платежом, равным номинальной стоимости облигации.
- Условие отсутствия арбитража (no arbitrage condition) приводит к тому, что два инструмента, которые имеют одинаковые потоки платежей, будут иметь одинаковую рыночную цену.
Оценка цены и доходности к погашению купонной облигации – пример
- Предположим, что у нас есть 1-летняя купонная облигация с двумя полугодовыми платежами по 40 рублей и номинальной стоимостью в 1000 рублей. Предположим, что текущая спотовая ставка на 6 месяцев составляет 5%/6мес. и текущая 12-месячная спотовая ставка 6%/6мес.
- Тогда можно представить облигацию как сумму двух облигаций с нулевым купоном. У одной T = 1/2 и номинальная стоимость 40 рублей, у второй T = 1 и номинальная стоимость 1040 рублей.
- Тогда цена этой облигации будет определяться как:
\[\frac{40}{1.05} + \frac{1040}{1.06^2} = 38,10 + 925,60 = 963,70 \]
- Доходность к погашению для этой бумаги будет определяться как:
\[\frac{40}{y+1} + \frac{1040}{(1+y)^2} = 963,70 \] Решение этого уравнение \(y = 6,3\) (полугодовая доходность). Годовая доходность будет равна 12,99%.
Временная структура процентных ставок (term structure)
- Временная структура процентных ставок – это описание того, как в конкретный момент времени, доходность к погашению зависит от срока погашения.
Эмпирические наблюдения процентных ставок:
- Процентные ставки с разными сроками погашения изменяются вместе с течением времени, они не постоянны.
- Кривая доходности имеет положительный наклон, если “короткие” ставки меньше, чем “длинные”" и имеет отрицательный наклон – если наоборот.
- Кривая доходности обычно имеет положительный наклон
- Кривая доходностей достаточно устойчиво во времени и не меняется сильным образом за короткий период времени
- Короткая часть кривой доходности более волатильна, чем длинная часть кривой
Временная структура процентных ставок (term structure)
Временная структура процентных ставок до \(n\) лет погашению может описываться любым из следующих параметров:
- Цены облигаций с нулевым купоном для 1 года, 2 лет, …, \(n\) лет – \(P(1), P(2), .., P(n)\)
- Спотовые ставки (доходности к погашению облигаций с нулевым купоном) – \(y_1, y_2, ..., y_n\).
- Форвардные ставки – $r_1, r_2,, r_n $ - где \(r_i\) – это форвардная ставка, которая может быть зафиксирована для заимствования в \(i\)-ом году (\(i = 1\) для следующего года) на определенный срок.
Форвардные ставки
- Форвардные ставки – это ожидаемая сейчас, процентная ставка в будущем.
- Форвардный контракт это соглашение, которое позволяет купить или продать актив в определенный день в будущем по фиксированной цене. Так как \(r_1, r_3, ..\) – это ставки, которые могут быть зафиксированы сейчас на будущее, они называются форвардными.
- К примеру, форвардная ставка 1Y1Y определяет значение 1-летней процентной ставки через 1 год.
- Если мы знаем, 1-летнюю ставки и 2-летнюю ставку, то мы фактически знаем форвардную ставку 1y1y. Почему?
Определение цены облигации исходя из форвардных ставок
Пусть у нас есть следующие данные по форвардным ставкам:
** Таблица. Форвардные процентные ставки на 3 года **
Тогда 1-летняя бумага будет иметь цену, равную:
\[\frac{1000}{1+r_1} = \frac{1000}{1,06} = 943,40 = P(1) \]
2-летняя:
\[\frac{1000}{(1+r_1)(1+r_2)} = \frac{1000}{(1,06)(1,07)} = 881,68 = P(2) \]
3-летняя:
\[\frac{1000}{(1+r_1)(1+r_2)(1+r_3)} = \frac{1000}{(1,06)(1,07)(1,08)} = 816,37 = P(3) \]
Определение доходности к погашению
Доходность к погашению будет определяться по традиционной формуле:
\[\frac{1000}{1+y_1} = 943,40 \] то есть \(y_1 = 0,06\)
Для двухлетней бумаги:
\[\frac{1000}{(1+y_1)^2} = 881,68 \]
\[ y=\sqrt{\frac{1000}{881,68}}=0,065 \] \(y_3 = 0,07\). Проверьте!
Общая формула для определения форвардных ставок из спотовых:
\[ r_1 = y_1 \]
и
\[r_n = \frac{(1+y_n)^n}{(1+y_{n-1})^{n-1})}-1 \]
Расчет форвардных ставок из цен на облигации
Пусть у нас имеется следующая информация по ценам на облигации с нулевым купоном:
Тогда доходности к погашению будут определяться как:
\[y_1 = \frac{1000}{920} = 0,087 \] \[ y_2 = \{\frac{1000}{830}\}^{1/2} = 0,0976\] \[ y_3 = \{\frac{1000}{760}\}^{1/3} = 0,096\] Тогда используя формулу:
\[r_1 = y_1 = 0,087\] \[r_2 = \frac{(1+y_2)^2}{1+y_1}-1=\frac{1,0976^2}{1,0876}-1 =0,108 \] \[r_3 = \frac{(1+y_3)^3}{(1+y_2)^2}-1=\frac{1,096^3}{1,0976^2}-1 =0,092 \]
Таким образом, общая формула будет иметь вид:
\[r_n = \frac{P(n-1)}{P(n)}-1 \]
Расчет форвардных ставок на рынке ОФЗ
Ставка 1y1y - форвардная ставка на 1 год через 1 год, то есть это текущие ожидаемое значение ставки на 1 год через 1 год.
Форвардная и спотовая кривая доходностей
- Спотовая и форвардные кривые доходностей отличаются по форме
curve_new <- GCurve('2017-03-10')
spot_curve <- (curve_new$val+100)/100
fwd_curve <- c(spot_curve[1], rep(0,29))
for(i in 2:30){
fwd_curve[i] = (spot_curve[i]^i)/spot_curve[i-1]^(i-1)
}
plot(1:30, fwd_curve, type='l', xlab="лет", ylab="%", main = 'Кривая доходностей рынка ОФЗ (10 марта 2017 г.)')
lines(spot_curve, col = 'red')
legend("topright",legend=c("Спотовая кривая","Форвардная кривая"),
col=c(1,2),lty=1)
Различные формы спотовой кривой доходностей ОФЗ
На графике приведены формы кривой доходности ОФЗ в период 2012-2017 гг. Как видно, форма кривой может быть различной.
Непрерывно начисляемые проценты (сontinously compounded rates)
Пусть у нас вложение 1000 рублей, которое принесет 10% через год. Как сумма полученных средств зависит от скорости начисления процента?
| Ежегодно |
1 |
0.1 |
| Полгода |
2 |
0.05 |
| Квартал |
4 |
0.025 |
| Месяц |
12 |
0.0083 |
| Неделя |
52 |
\(\frac{0.1}{52}\) |
| День |
365 |
\(\frac{0.1}{365}\) |
| \(\infty\) |
\(\infty\) |
|
\[ 1105.517 = 1000 e^{0.1} \] Мы можем выразить наоборот: какова текущая величина инвестициии, которая позволит получить нам 1000 рублей при непрерывном начислении доходности:
\[1000 e^{-0.1} = 904.84 \]
Непрерывное начисление процентов для облигации
- В облигациях проценты начисляются в дискретные промежутки времени – рад в полгода, раз в квартал и так далее.
- Предположим непрерывное начисление процентов с форвардными ставками $ r_1, r_2, , r_n $. Использование непрерывно начисляемых ставок облегчает расчет связей между форвардными ставками, доходности к погашению. Если \(P(n)\) - цена облигации с нулевым купоном, которая выплатит 1000 рублей через \(n\) лет, тогда будет определяться как:
\[P(n) = \frac{1000}{exp(r_1 + r_2 + \ldots + r_n)} \] \[\frac{P(n-1)}{P(n)} = \frac{exp(r_1 + r_2 + \ldots + r_n)}{exp(r_1 + r_2 + \ldots + r_{n-1})} = exp(r_n)\] \[log(\frac{P(n-1)}{P(n)})= r_n \] Доходность к погашению n-летней облигации (\(y_n\)) с нулевым купоном решает уравнение:
\[P(n) = \frac{1000}{exp(n y_n)}\] тогда
\[y_n = \frac{(r_1 + r_2+ \ldots + r_n)}{n} \] Соответственно можно выразить форвардную ставку как:
\[r_n = n y_n - (n-1)y_{n-1} \]
Непрерывные форвардные ставки
- До этого мы предполагали, что форвардные ставки меняются от года к году, но остаются неизменными для каждого отдельного года.
- Это допущение мало реалистично, но облегчает понимание форвардных ставок.
- Форвардные ставки можно моделировать с помощью функции, которая непрерывно зависит от времени
- Предположим, что есть функция \(r_t\) такая, что текущая цена облигации с нулевым купоном с погашением \(T\) и номинальной стоимостью в 1 будет определяться как:
\[ D(T) = exp(- \int_{0}^{T}r(t)dt \]
Дисконтная функция
\(D(T)\) называется дисконтной функцией. Цена любой облигации с нулевым купоном будет определяться как:
\[ P(T) = PAR \times D(T) \] где \(PAR\) – номинальная стоимость к погашению.
\[log(P(t)) = log(PAR)- \int_{0}^{T}r(t)dt\]
Пример дисконтной функции
y = as.numeric((last(gcurve)[-1]+100)/100)
y
[1] 1.090359 1.085586 1.084297 1.082588 1.082047 1.082050 1.082154
[8] 1.082295 1.082456 1.082627 1.082801 1.082974 1.083142 1.083304
[15] 1.083457 1.083602 1.083738 1.083866 1.083985 1.084096 1.084199
[22] 1.084296 1.084385 1.084469 1.084547 1.084620 1.084688 1.084752
[29] 1.084811 1.084867
d <- rep(0,30)
for(i in 1:30){
d[i] = 1/y[i]^i
}
plot(1:30, d, type = 'l', main = 'Пример расчета дисконтной функции', xlab = 'лет до погашения', ylab='')
Оценка кривой процентных ставок как задача регрессии
Предположим, что существует несколько типов облигаций с нулевой доходностью номиналом в 1000 рублей с несколькими разными сроками до погашения (\(T_i\).
Дходность к погашению для всех этих облигаций одинаковая и равна \(r\).
C условием постоянной величины \(r\) для разных типов облигаций:
\[ P_i = 1000 exp(-r T_i) \]
где \(i\) – определяет разные выпуски облигаций.
Так существует определенная вариация в наблюдаемых ценах на облигации, то можно включить случайную компоненту:
\[ P_i = 1000 exp(-r T_i) + \epsilon_i\]
Величину \(r\) можно определить с помощью МНК, минимизируя сумму квадратов
\[\sum_{i=1}^n \{ P_i - exp(-r T_i) \} \]
Оценка цен на облигации с постоянной доходностью (\(r\))
- На практике оценки процентных ставок не являются постоянными. В данном примере используются симулированные значения.
- Оценка нелинейной МНК можно осуществить с помощью функции
nls, но необходимо задать начальное значение (мы задали 0,04)
#bondprices_df <- read.table("lectures/data/bondprices.txt",header=T)
bondprices_df
maturity price
1 0.75 967.26
2 2.50 834.21
3 3.00 810.52
4 5.00 769.30
5 7.50 656.64
6 7.90 639.71
7 8.00 604.61
8 12.00 502.11
9 16.00 393.38
fit = nls(data = bondprices_df, price ~ 1000*exp(-r*maturity),start=list(r=.04))
summary(fit)
Formula: price ~ 1000 * exp(-r * maturity)
Parameters:
Estimate Std. Error t value Pr(>|t|)
r 0.058498 0.001488 39.31 1.93e-10 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 19.6 on 8 degrees of freedom
Number of iterations to convergence: 4
Achieved convergence tolerance: 5.528e-08
par(mfrow=c(1,1))
plot(bondprices_df$maturity,bondprices_df$price,pch="*",cex = 2, xlab = 'срок до погашения', ylab = 'цена P')
grid = seq(0, 20, length=201)
price_grid = 1000*exp(-0.0585*grid)
lines(grid,price_grid, lwd = 2, col = "red")
Параметрическая оценка форвардной кривой
- Мы можем оценить функцию \(r\) на основе моделей нелинейной регрессии.
- Но \(r\) не является постоянной, а сама является функцией от времени.
- Зависимость спотовых ставок (\(y_T\)) от форвардных ставок будет определяться как:
\[ y_T(\beta) = T^{-1} \int_o^T r(t;\beta) dt \]
- Цены облигации с номиналом в 1 рубль будет зависеть от спотовых ставок как:
\[P_t(\beta) = exp \{-T y_T (\beta) \} = exp \int_o^T r(t;\beta) dt \]
Модель Нельсона-Сигеля
- Одна из наиболее известных моделей эмпирических моделей временной структуры процентных ставок, которая широко используется на практике.
- Форвардная кривая в модели Нельсона-Сигеля определяется как:
\[r(t; \beta) = \beta_0 + (\beta_1 + \beta_2 t) e^{(-\lambda t)} \]
- Спотовая кривая будет определяться как: \[y_t(\beta) = \beta_0 + \beta_1 \big[ \frac{1-exp(-t/\lambda)}{t/\lambda} \big] + \beta_2 \big[ \frac{1-exp(-t/\lambda)}{t/\lambda} - exp(-t/\lambda) \big]\]
Модель Нельсона-Сигеля - коэффициенты
- Модель Нельсона-Сигеля зависит от 4 параметров – \(\beta_0, \beta_1, \beta_2, \lambda\)
- Если у нас имеется \(m\) типов облигаций, то существует \(m\) уравнений для \(m\) сроков погашения.
- Коэффициент \(\beta_0\) не зависит от срока погашения (\(t\)), поэтому можно считать, что это долгосрочный уровень процентых ставок
- \(\beta_1\) - зависит от \(t\). При t = 0, функция для \(\beta_1\) равно 1. По мере увеличения \(t\), слагаемое при \(\beta_1\) экспоненциально убывает. Таким образом, \(\beta_1\) влияет на короткую часть кривой доходности. Это краткосрочная компонента процентных ставок. Ее также называют slope (угол наклона)
- \(\beta_2\) также зависит от времени, но эта функция равно 0 при t = 0, она потом увеличивается, а затем снова уменьшается до 0. Она добавляет “бугор” (hump). Это среднесрочная компонента процентных ставок
- Параметр \(\lambda\) определяет веса коэффициентов \(\beta_1\) и \(\beta_2\) и определяет положение “бугра” на кривой. Эту компоненту также называют curvature (кривизна).
Модель Нельсона-Сигеля - коэффициенты
Оценка модели Нельсона-Сигеля для ОФЗ в R
Мы загрузим данные кривой бескупонной доходности с сайта Банка России (предварительно сохраненные)
#gcurve <- read.csv("lectures/data/gcurve.csv")
#gcurve <- tail(gcurve,100)
tail(gcurve)
date X1 X2 X3 X4 X5 X6
1295 2017-03-02 8.918567 8.529273 8.497813 8.333247 8.272291 8.268537
1296 2017-03-03 8.989110 8.563316 8.500615 8.332923 8.271080 8.265414
1297 2017-03-06 9.022121 8.514530 8.451944 8.304479 8.249609 8.246006
1298 2017-03-07 8.973115 8.506906 8.421690 8.255603 8.198997 8.197915
1299 2017-03-09 9.006285 8.531892 8.427208 8.266444 8.215443 8.217659
1300 2017-03-10 9.035880 8.558589 8.429702 8.258808 8.204673 8.205020
X7 X8 X9 X10 X11 X12 X13
1295 8.275205 8.285508 8.297932 8.311516 8.325583 8.339670 8.353464
1296 8.270404 8.279367 8.290730 8.303474 8.316880 8.330447 8.343835
1297 8.252502 8.262844 8.275475 8.289381 8.303849 8.318385 8.332657
1298 8.207044 8.219777 8.234568 8.250427 8.266662 8.282797 8.298518
1299 8.229522 8.244684 8.261641 8.279432 8.297392 8.315070 8.332173
1300 8.215438 8.229470 8.245550 8.262668 8.280118 8.297415 8.314240
X14 X15 X16 X17 X18 X19 X20
1295 8.366764 8.379448 8.391449 8.402740 8.413322 8.423212 8.432439
1296 8.356818 8.369256 8.381066 8.392212 8.402683 8.412488 8.421653
1297 8.346445 8.359618 8.372099 8.383857 8.394888 8.405208 8.414844
1298 8.313622 8.327990 8.341560 8.354311 8.366249 8.377400 8.387798
1299 8.348517 8.364002 8.378579 8.392240 8.405004 8.416906 8.427988
1300 8.330387 8.345736 8.360226 8.373839 8.386582 8.398484 8.409583
X21 X22 X23 X24 X25 X26 X27
1295 8.441039 8.449052 8.456517 8.463475 8.469965 8.476024 8.481687
1296 8.430207 8.438186 8.445627 8.452570 8.459050 8.465103 8.470763
1297 8.423831 8.432210 8.440020 8.447304 8.454100 8.460447 8.466380
1298 8.397486 8.406510 8.414917 8.422752 8.430059 8.436881 8.443257
1299 8.438303 8.447901 8.456835 8.465156 8.472912 8.480150 8.486912
1300 8.419925 8.429559 8.438535 8.446901 8.454705 8.461992 8.468801
X28 X29 X30
1295 8.486985 8.491948 8.496604
1296 8.476061 8.481027 8.485686
1297 8.471933 8.477136 8.482019
1298 8.449222 8.454811 8.460053
1299 8.493237 8.499160 8.504717
1300 8.475174 8.481145 8.486747
используем пакет termstr
require(termstrc)
yields <- as.matrix(gcurve[,2:31])
dates <- as.Date(gcurve$date)
datazeroyields <- zeroyields(maturities, yields, dates) # сконструриуем объектов со ставками
datazeroyields
This is a data set of zero-coupon yields.
Maturities range from 0.0833333333333333 to 12 years.
There are 100 observations between 2016-10-18 and 2017-03-10 .
ns_res <- estim_nss(datazeroyields, "ns", tauconstr = c(0.2, 6, 0.1), optimtype = "allglobal")
ns_res
---------------------------------------------------
Estimated Nelson/Siegel parameters:
---------------------------------------------------
Number of oberservations: 100
[[1]]
beta_0 beta_1 beta_2 tau_1
Min. :8.208 Min. :-0.201577 Min. :-1.32840 Min. :0.2000
1st Qu.:8.445 1st Qu.:-0.001164 1st Qu.:-0.84943 1st Qu.:0.2865
Median :8.538 Median : 0.116940 Median :-0.56691 Median :0.5027
Mean :8.555 Mean : 0.114837 Mean :-0.51094 Mean :0.6947
3rd Qu.:8.634 3rd Qu.: 0.215026 3rd Qu.:-0.04093 3rd Qu.:0.5902
Max. :8.934 Max. : 0.452412 Max. : 0.30425 Max. :5.9001
Трехмерное представление кривой доходности
Доходности отдельных облигаций на рынке ОФЗ
Кривая доходности и параметры Нельсона-Сигеля
Loading required package: YieldCurve
Расчет кривой бескупонной доходности ОФЗ – Московская Биржа
- Московская Биржа рассчитывает кривую бескупонной доходности по гос.бумагам (G-кривая), которая определяется на основании сделок с ОФЗ.
- Расчет G-кривой осуществляется в режиме реального времени по мере совершения сделок.
- В основе построения G-кривой лежит модель Нельсона-Сигеля с добавлением слагаемых, обеспечивающих дополнительные степени свободы. Это улучшает качество подгонки.
Кривая бескупонной доходности ОФЗ (Московская Биржа) – база расчета
TRADEDATE SECID YIELD PREV_YIELD TREND CALCVALUE SPREAD
35 2017-03-10 SU25080RMFS1 9.85 9.85 0.00 9.77 -0.08
34 2017-03-10 SU26206RMFS1 9.74 9.74 0.00 9.69 -0.05
33 2017-03-10 SU24018RMFS2 9.24 9.21 0.03 9.55 0.31
32 2017-03-10 SU25081RMFS9 9.14 9.11 0.03 9.14 0.00
31 2017-03-10 SU26204RMFS6 9.03 9.00 0.03 9.08 0.05
30 2017-03-10 SU46021RMFS0 8.95 8.92 0.03 9.36 0.41
29 2017-03-10 SU46014RMFS5 8.86 8.83 0.03 8.15 -0.71
28 2017-03-10 SU46005RMFS3 8.91 8.88 0.03 NA NA
26 2017-03-10 SU46019RMFS4 8.73 8.71 0.02 8.91 0.18
27 2017-03-10 SU26208RMFS7 8.58 8.56 0.02 8.49 -0.09
25 2017-03-10 SU26216RMFS0 8.56 8.54 0.02 8.60 0.04
24 2017-03-10 SU26210RMFS3 8.49 8.48 0.01 8.47 -0.02
23 2017-03-10 SU29011RMFS2 8.48 8.48 0.00 10.06 1.58
22 2017-03-10 SU26214RMFS5 8.41 8.41 0.00 8.35 -0.06
21 2017-03-10 SU26205RMFS3 8.29 8.29 0.00 8.33 0.04
20 2017-03-10 SU26217RMFS8 8.26 8.27 -0.01 8.29 0.03
19 2017-03-10 SU46018RMFS6 8.33 8.33 0.00 8.71 0.38
18 2017-03-10 SU26209RMFS5 8.24 8.25 -0.01 8.25 0.01
17 2017-03-10 SU26220RMFS2 8.24 8.25 -0.01 8.32 0.08
16 2017-03-10 SU26211RMFS1 8.24 8.25 -0.01 8.34 0.10
15 2017-03-10 SU46022RMFS8 8.23 8.24 -0.01 8.81 0.58
14 2017-03-10 SU26215RMFS2 8.24 8.25 -0.01 8.29 0.05
13 2017-03-10 SU29006RMFS2 8.26 8.27 -0.01 10.29 2.03
12 2017-03-10 SU46011RMFS1 8.26 8.27 -0.01 NA NA
11 2017-03-10 SU46023RMFS6 8.31 8.32 -0.01 NA NA
10 2017-03-10 SU26219RMFS4 8.27 8.28 -0.01 8.28 0.01
9 2017-03-10 SU26207RMFS9 8.27 8.29 -0.02 8.13 -0.14
8 2017-03-10 SU29007RMFS0 8.28 8.29 -0.01 10.46 2.18
7 2017-03-10 SU26212RMFS9 8.28 8.30 -0.02 8.26 -0.02
6 2017-03-10 SU46012RMFS9 8.29 8.31 -0.02 NA NA
5 2017-03-10 SU29008RMFS8 8.30 8.31 -0.01 10.49 2.19
4 2017-03-10 SU26218RMFS6 8.32 8.33 -0.01 8.31 -0.01
3 2017-03-10 SU29009RMFS6 8.32 8.34 -0.02 10.61 2.29
2 2017-03-10 SU29010RMFS4 8.34 8.35 -0.01 10.53 2.19
1 2017-03-10 SU46020RMFS2 8.35 8.37 -0.02 8.50 0.15
MATDATE MATPERIOD month
35 19.04.2017 0.11 1
34 14.06.2017 0.26 3
33 27.12.2017 0.80 10
32 31.01.2018 0.89 11
31 15.03.2018 1.01 12
30 08.08.2018 1.41 17
29 29.08.2018 1.47 18
28 09.01.2019 1.83 22
26 20.03.2019 2.03 24
27 27.02.2019 1.97 24
25 15.05.2019 2.18 26
24 11.12.2019 2.75 33
23 29.01.2020 2.89 35
22 27.05.2020 3.21 39
21 14.04.2021 4.10 49
20 18.08.2021 4.44 53
19 24.11.2021 4.71 57
18 20.07.2022 5.36 64
17 07.12.2022 5.75 69
16 25.01.2023 5.88 71
15 19.07.2023 6.36 76
14 16.08.2023 6.44 77
13 29.01.2025 7.89 95
12 20.08.2025 8.45 101
11 23.07.2026 9.37 112
10 16.09.2026 9.52 114
9 03.02.2027 9.91 119
8 03.03.2027 9.98 120
7 19.01.2028 10.87 130
6 05.09.2029 12.50 150
5 03.10.2029 12.57 151
4 17.09.2031 14.53 174
3 05.05.2032 15.16 182
2 06.12.2034 17.75 213
1 06.02.2036 18.92 227
Список источников
- “Statistics and Data Analysis for Financial Engineering” (David Ruppert & David Matteson)
- Tuckman, B., & Serrat, A. (2011). Fixed income securities: tools for today’s markets (Vol. 626). John Wiley & Sons.
- Nelson, C. R., & Siegel, A. F. (1987). Parsimonious modeling of yield curves. Journal of business, 473-489.
- Diebold, F. X., & Li, C. (2006). Forecasting the term structure of government bond yields. Journal of econometrics, 130(2), 337-364.
- Gilli, M., Große, S., & Schumann, E. (2010). Calibrating the nelson-siegel-svensson model.
