开发者:上海品职教育科技有限公司 隐私政策详情

应用版本:4.2.11(IOS)|3.2.5(安卓)APP下载

木小夕always · 2020年02月05日

固收

Convexity 不是用来衡量平行移动的 ?为什么最小化convexity可以减少structral risk
1 个答案

发亮_品职助教 · 2020年02月06日

嗨,从没放弃的小努力你好:


“Convexity 不是用来衡量平行移动的 ?”


Convexity衡量的是利率变化时,对债券价格的二阶(非线性)影响。

对于非平行移动,虽然是非平行的变动,但是他还是利率的变化,所以对债券(或者债券组合)也会产生涨多跌少的影响。



“为什么最小化convexity可以减少structral risk”


Structural risk衡量的是利率发生非平行移动时,资产不匹配负债的风险。

单期负债匹配,最优的匹配就是用零息债券资产来匹配单期负债:债券资产的到期现金流金额与到期时间,完全与负债的到期金额与到期时间一致。

这样无论利率怎么变,平行也好,非平行也好,都不会影响到零息债券到期、顺利匹配单期负债的效果。

所以用零息债券匹配单期负债,就是最完美的匹配,也是我们用附息债券匹配时参考的模板。



例如,对于一个Due date = Macaulay duration = 10-year的单期负债,我们可以构建一个债券Portfolio来匹配他。

假设我们的Portfolio是一支8年期的零息债券与一支15年期的零息债券构成,Portfolio的Macaulay duration = 10;这样,资产Portfolio的Macaulay duration等于负债的Macaulay duration=10,符合匹配的要求。


假设利率发生这样的非平行移动:10年期的利率不变,8年期的利率上升、15年期的利率上升;

那这时,因为单期负债只有到期一笔现金流,可以看成是零息债券,所以影响负债的10年期利率没有变化,所以负债的价值没变;

对于债券Portfolio,因为是两支零息债券构成,所以影响债券Portfolio的利率点位是8年期利率,与15年期利率,因为这两个利率上升,所以我们知道债券Portfolio的价值下降;

此时,这种非平行移动,负债的价值不变,资产的价值下降,非平行移动时,匹配失败。


那如何使得非平行移动时,资产负债的表现一致,从而达到匹配效果呢?

就是让影响负债的利率点位,与影响资产Portfolio的利率点位一致。


还是匹配上面的负债,负债的期限为10年,假设我们用Maturity=9.99年的零息债券,与Maturity=10.01的零息债券,构成一个Macaulay duration=10的债券Portfolio,我们用这样的债券组合来匹配单期负债;

假设利率发生这样的非平行移动:10年期的利率不变,8年期的利率上升、15年期的利率上升;此时 ,影响负债的利率没变,负债的价值没变;

而影响资产的利率也认为是没变,因为这条收益率曲线是发生非平行移动,10年期的利率没变,紧邻他的9.99年期、与10.01利率可以认为也是没变,这样资产的价值就没变。于是在这种非平行移动时,资产、负债的价值匹配。

相反,如果我们用8年、15年组合的Portfolio来匹配,此时负债的价值不变,资产的价值下降,那依然不能实现匹配。



我们发现,9.99年与10.01年的Portfolio,在非平行移动时,匹配单期负债的效果,要优于8年期与15年期的Portfolio。

这样因为,影响9.99年与10.01年的Portfolio的利率点位,差不多就是影响负债的利率点位,所以非平行移动时,无论怎么非平行移动,影响资产、负债的利率点位一致,则只要该点位发生变化,资产负债的变动幅度就一致。

所以,要实现非平行移动时,资产匹配负债有比较好的效果,我们就要让影响资产、负债的利率点位一致。


如何让影响资产负债的利率点位一致?

就是要让,资产Portfolio的现金流集中在负债到期日附近,就像9.99年与10.01年的Portfolio一样,极限就是用零息债券、资产的现金流恰好与负债的现金流重重合。

当资产的现金流足够集中在负债到期日附近,说明影响资产、负债现金流的关键点位一致,这样的话,非平行移动时,资产、负债的变动就一致。


在其他条件相等的情形下,债券的现金流越集中,则债券的Convexity数据越小。

极限就是零息债券,零息债券只有一笔到期现金流,集中在到期日,所以在相同Duration的情况下,零息债券现金流分散程度为零、且Convexity数据最小。

这样在匹配单期负债时,为了使得非平行移动时匹配的效果尽可能的好,我们在构建资产Portfolio时,就让资产的现金流尽可能地集中在负债到期日,而资产的现金流越集中,反映出来的Convexity数据越小,极限就是最完美的匹配:用零息债券的匹配。

所以我们可以总结,Convexity越小,非平行移动时匹配的效果就越好、Structural risk越小、极限就是零息债券,没有任何匹配的风险。


-------------------------------
努力的时光都是限量版,加油!


  • 1

    回答
  • 1

    关注
  • 274

    浏览
相关问题