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
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:
- 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)。 - 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:
- 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;
- 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
- 定价方法的理论依据:[1] Leif B.G. Andersen and Vladimir V. Piterbarg, Interest Rate Modeling, Volume I: Foundations and Vanilla Models, Chapter 5, 2010。
- 核心实现:swaption.py、interest_rate_swap.py、cashflow_stream.py、rates_common.py、rate_curve.py。
- 测试用例:swaption_test.py。
- Black-Scholes 期权定价底层:vanilla_prices.py(
tff.black_scholes.option_price)。 - 相关 API 文档:Swaption.md、InterestRateSwap.md、InterestRateMarket.md、InterestRateModelType.md、FixedCouponSpecs.md、FloatCouponSpecs.md、RateCurve.md。