tf-quant-finance 欧式 Swaption 定价实战:Swaption 类与 Black(对数正态利率)模型全解析

原创2026-10-12 22:01:301,331 阅读
文章标签:金融科技科学计算

tf-quant-finance 欧式 Swaption 定价实战:Swaption 类与 Black(对数正态利率)模型全解析

本指南以 tf-quant-finance 中 experimental.instruments.Swaption 类为对象,系统讲解欧式互换期权的构建、批量定价流程以及 Black 对数正态利率模型的底层实现原理。读完本文,你将掌握如何基于 InterestRateSwap、RateCurve、InterestRateMarket 等配套组件,在 TensorFlow 环境中用十几行代码完成 swaption 的建模与估值,并理解其与 black_scholes.option_price 之间的完整调用链。

Swaption 是什么:欧式互换期权的基本概念

Swaption(Swap Option,互换期权)是一份赋予持有者在未来某个日期、以预先约定的固定利率进入一份互换(Swap)合约的期权。按行权方向,可分为两类:

  • Payer swaption(付固定方):持有者有权支付固定利率、收取浮动利率,相当于买入一个"互换利率的看涨期权"。
  • Receiver swaption(收固定方):持有者有权收取固定利率、支付浮动利率,相当于买入一个"互换利率的看跌期权"。

在标准市场中,互换的起息日(inception/start date)通常与 swaption 的到期日(expiry)重合,即行权后立即进入互换 [1]。

在 tf-quant-finance 中,Swaption 类用来同时创建和定价一批(batch)欧式 swaption。需要特别注意的是:同一 Swaption 对象内所有 swaption 必须使用**共同的参考曲线(reference curve)与折现曲线(discount curve)**进行定价。这一约束与 InterestRateSwap、CapAndFloor 等工具类的设计一致,详见 rates_common.py 中 InterestRateMarket 的定义。

类 API 速览:构造与定价接口

Swaption 类的源码位于 swaption.py,并在 init.py 中通过 Swaption = swaption.Swaption 导出为 tff.experimental.instruments.Swaption。

构造函数 Swaption(swap, expiry_date=None, dtype=None, name=None)

参数 类型与说明 默认值
swap InterestRateSwap 实例,指定 swaption 对应的基础互换。所创建 swaption 的 batch size 与 swap 的 batch size 一致 必填
expiry_date 可选的 rank 1 DateTensor,为每个 swaption 指定到期日;其 shape 应与 swap 的 batch size 相同 None,此时期权到期日取每个基础互换的 start date
dtype tf.Dtype,用于该对象内所有实数变量或 op 的 dtype None,由 TensorFlow 推断默认 dtype
name str,该类创建 op 时的命名前缀 None,映射为 'swaption'

从源码(swaption.py)可以看到,构造时会将 expiry_date 通过 dates.convert_to_date_tensor 统一转换为 DateTensor,并在 tf.name_scope('swaption') 下完成初始化。

定价方法 price(valuation_date, market, model=None, pricing_context=None, name=None)

参数 类型与说明 默认值
valuation_date 标量 DateTensor,指定估值日期 必填
market InterestRateMarket 类型的 namedtuple,包含定价所需的市场信息(参考曲线、折现曲线、波动率数据等) 必填
model 可选的 InterestRateModelType,指定定价模型 None,此时使用 LOGNORMAL_RATE(对数正态利率模型)
pricing_context 可选的附加定价参数,例如模型参数(如 Black 波动率) None
name str,op 命名前缀 None,映射为 'price'(实际前缀为 'swaption_price')

返回值:一个 rank 1 Tensor(实数类型),给出每个 swaption 合约在输入市场数据下的模型价格。

异常:如果传入不支持的模型,抛出 ValueError。

定价原理:Black 对数正态利率模型与源码调用链

price() 的核心逻辑非常清晰,其完整调用链可以从 swaption.py 中还原:

swap_annuity = self._swap.annuity(valuation_date, market, model)      # 互换年金
forward_swap_rate = self._swap.par_rate(valuation_date, market, model) # 远期互换利率
strike = self._swap.fixed_rate                                         # 行权价 = 固定利率
expiry_time = dates.daycount_actual_365_fixed(                         # 到期时间(年)
    start_date=valuation_date, end_date=self._expiry_date, dtype=self._dtype)
# model 为 LOGNORMAL_RATE 时调用 _price_lognormal_rate(...)
return self._swap.notional[-1] * swap_annuity * option_value

也就是说,swaption 的价格在数值上等于:

价格 = 名义本金 × 互换年金(annuity) × Black 期权价值

其中期权价值由 black_scholes.option_price(见 vanilla_prices.py)计算,输入为:

  • forwards = 远期互换利率(swap.par_rate 得到)
  • strikes = 固定利率(swap.fixed_rate)
  • expiries = 估值日到到期日的年化时间(按 ACTUAL/365 计日,即 daycount_actual_365_fixed)
  • volatilities = Black 波动率
  • is_call_options = swap.is_payer——即 payer swaption 按看涨期权定价,receiver swaption 按看跌期权定价

波动率的两种来源

在 _price_lognormal_rate(swaption.py)中,Black 波动率有两个获取途径:

  1. 直接传入 pricing_context:将标量或张量直接 tf.convert_to_tensor 作为 Black vols。这是官方示例与测试采用的方式(传入 0.5,即 50% 波动率)。
  2. 从市场波动率曲面插值:当 pricing_context=None 时,通过 rc.get_implied_volatility_data(market) 取出 market.volatility_curve(隐含波动率数据),再调用 swaption_vol_cube.interpolate(expiry_date, strike, term) 按到期日、行权价、互换期限进行插值。

需要说明的是,源码注释(swaption.py)明确指出:当前实现只支持 LOGNORMAL_RATE 模型,未来理想的默认方案应是 SABR 模型("The default for European swaptions should be SABR, but the current implementation needs some work"),这是仓库中未完成的后续工作。同时,InterestRateModelType 枚举中定义的 NORMAL_RATE、LOGNORMAL_SMILE_CONSISTENT_REPLICATION、NORMAL_SMILE_CONSISTENT_REPLICATION(见 rates_common.py)目前在该类中均未实现,传入会触发 ValueError('Unsupported model.')。

另外,互换期限(swap term)由 InterestRateSwap 的 term 属性给出,其计算方式为 (maturity_date - start_date) 的天数除以 365(见 interest_rate_swap.py),供波动率曲面插值使用。

完整实操示例:从互换到 swaption 定价

官方文档(Swaption.md)给出了完整的构造与定价示例,下面逐段展开并补充关键参数说明。

第一步:构造基础互换的利息腿

先定义日期与票息规格。示例中,互换 2022-02-08 起息、2025-02-08 到期,swaption 到期日与互换起息日相同(2022-02-08),估值日为 2020-02-08:

import numpy as np
import tensorflow as tf
import tf_quant_finance as tff
dates = tff.datetime
instruments = tff.experimental.instruments
rc = tff.experimental.instruments.rates_common

dtype = np.float64
notional = 1.e6
maturity_date = dates.convert_to_date_tensor([(2025, 2, 8)])
start_date = dates.convert_to_date_tensor([(2022, 2, 8)])
expiry_date = dates.convert_to_date_tensor([(2022, 2, 8)])
valuation_date = dates.convert_to_date_tensor([(2020, 2, 8)])

period3m = dates.periods.months(3)
period6m = dates.periods.months(6)

固定腿 FixedCouponSpecs:每半年付息、年化票息率 3.134%、ACTUAL/365 计息、不做节假日调整:

fix_spec = instruments.FixedCouponSpecs(
    coupon_frequency=period6m, currency='usd', notional=notional,
    coupon_rate=0.03134,
    daycount_convention=instruments.DayCountConvention.ACTUAL_365,
    businessday_rule=dates.BusinessDayConvention.NONE)

浮动腿 FloatCouponSpecs:每季度付息,参考利率期限与重置频率均为 3 个月,coupon_basis(固定基差)为 0、coupon_multiplier(倍率)为 1,即标准的无基差浮动腿:

flt_spec = instruments.FloatCouponSpecs(
    coupon_frequency=period3m, reference_rate_term=period3m,
    reset_frequency=period3m, currency='usd', notional=notional,
    businessday_rule=dates.BusinessDayConvention.NONE,
    coupon_basis=0., coupon_multiplier=1.,
    daycount_convention=instruments.DayCountConvention.ACTUAL_365)

第二步:组装互换并创建 swaption

swap = instruments.InterestRateSwap(start_date, maturity_date,
                                    [fix_spec], [flt_spec],
                                    dtype=dtype)
swaption = instruments.Swaption(swap, expiry_date, dtype=dtype)

InterestRateSwap 的构造与两条腿的现金流流生成逻辑见 interest_rate_swap.py 与 cashflow_stream.py:每条腿通过 PeriodicSchedule 按 coupon_frequency 生成付息日程,并将固定腿记为 FixedCashflowStream、浮动腿记为 FloatingCashflowStream,_is_payer 标志由支付腿是否为固定现金流流决定。

第三步:构造参考曲线与市场数据

curve_dates = valuation_date + dates.periods.years([1, 2, 3, 5, 7, 10, 30])

reference_curve = instruments.RateCurve(
    curve_dates,
    np.array([
        0.02834814, 0.03077457, 0.03113739, 0.03130794, 0.03160892,
        0.03213901, 0.03257991
    ], dtype=np.float64),
    valuation_date=valuation_date,
    dtype=np.float64)
market = instruments.InterestRateMarket(
    reference_curve=reference_curve, discount_curve=reference_curve)

RateCurve(rate_curve.py)接收到期日、收益率数组与估值日期,内部将日期换算为从估值日起的年化时间(ACTUAL/365),并默认采用线性插值(linear.interpolate)给出任意日期的收益率;get_discount_factor 通过 exp(-rate × time) 计算折现因子。compounding 参数可用于指定收益率复利频率(0 表示连续复利,默认值即为 0)。

第四步:定价

price = swaption.price(
        valuation_date,
        market,
        model=instruments.InterestRateModelType.LOGNORMAL_RATE,
        pricing_context=0.5))
# Expected result: 24145.254011

这里 pricing_context=0.5 表示直接使用 50% 的 Black 波动率。官方测试(swaption_test.py)以 np.testing.assert_allclose(price, 24145.254011, atol=1e-6) 验证了该结果,误差容限 1e-6,同时测试在 graph 与 eager 两种模式下均通过。

批量定价:同时给多个 swaption 估值

Swaption 类天然支持 batch 处理。官方测试 test_swaption_many(swaption_test.py)演示了如何一次定价两笔结构完全相同的 swaption:

  • 将 start_date、maturity_date、expiry_date 全部改为长度为 2 的 DateTensor;
  • 构造 InterestRateSwap 时把 legs 以列表形式传入:[fix_spec, fix_spec] 与 [flt_spec, flt_spec];
  • 定价时 pricing_context 传入 [0.5, 0.5],与 batch size 对齐;
  • 返回结果为 rank 1 tensor [24145.254011, 24145.254011]。

由此可以看到 batch 化的两条规则:

  1. 日期的 batch 维决定 swaption 数量——所有与合约相关的张量(start、maturity、expiry、notional、coupon_rate 等)要么是标量可广播,要么 shape 与 batch size 一致;
  2. 波动率等 pricing_context 需要按 batch 提供——可以是标量,也可以是长度为 batch size 的列表/张量。

配套组件与适用前提

swaption 定价依赖一组配套工具,均位于 tff.experimental.instruments:

  • InterestRateMarket(rates_common.py):namedtuple,字段包括 reference_curve(计算远期利率预期,Libor/swap rate 的参考曲线)、discount_curve(现金流折现曲线)、libor_rate / swap_rate(历史定盘利率)、volatility_curve(市场隐含 Black 波动率数据,用于 pricing_context=None 时的插值)。
  • InterestRateModelType(rates_common.py):枚举 LOGNORMAL_RATE、NORMAL_RATE、LOGNORMAL_SMILE_CONSISTENT_REPLICATION、NORMAL_SMILE_CONSISTENT_REPLICATION。当前 Swaption.price 仅实现了 LOGNORMAL_RATE,其余模型会抛出 ValueError。
  • FixedCouponSpecs / FloatCouponSpecs(rates_common.py):分别描述固定与浮动利息腿的票息频率、名义本金、票息率/参考利率期限、重置频率、daycount 约定与节假日调整规则。
  • RateCurve(rate_curve.py):收益率曲线对象,支持线性插值与自定义插值器。
  • DayCountConvention:ACTUAL_360、ACTUAL_365、THIRTY_360_ISDA 三种计息基准。

使用中的关键限制

  • 该模块属于 experimental 命名空间(见 experimental/instruments.md),接口可能随版本演进发生变化;
  • 同一对象内的所有 swaption 必须共用同一组 reference_curve / discount_curve;
  • 定价模型目前仅支持对数正态(Black)利率模型;若想使用波动率曲面插值而非直接给波动率,需要在 InterestRateMarket 中传入实现了 interpolate(expiry, strike, term) 接口的 volatility_curve;
  • 名义本金在最终价格中以 swap.notional[-1] 参与乘法,因此构造互换时 notional 的取值会线性影响最终价格。

参考资料与进一步阅读

登录后查看全文
tf-quant-finance