债券收益率
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇债券收益率范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
债券收益率范文第1篇
展望2015，贯穿债券市场行情的主线依然是经济增速下台阶和低通胀，这为2015年债券市场提供一个长期牛市的环境。同时股市趋势性上涨明确，债市波动加大，这使得市场特征必然显著区别于2014年前10个月的快速大幅下行的趋势特征，而开始更多体现出围绕中枢下行轨迹的波动性特征。因此捕捉转折点、准确识别利率底以及波段性操作成为2015年债市投资的主要策略。
从资产负债表的角度剖析，债务存续已经逐步成为中国整体宏观面临的主要矛盾，结构上集中在企业部门和地方政府部门，中长期来看，中国债券收益率中枢将不断趋于下行，2015年债券收益率底部可能将低于2014年，力争为组合贡献一部分资本利得收益。
短期来看，2014年12月份中登事件债券收益率有所回归，债券基金受流动性冲击，估值有所回落;另外新股因素造成的资金面波动、一季度经济数据短期反弹、理财的配置需求弱化需要一个过程等会使得一季度市场处于不断震荡的格局，这也为安丰的调仓交易提供很好的契机，3月24日后重新建仓的时机给尚未入市又追求稳健回报的投资者提供了良好的投资时点。
不管看似情况表面如何变化，估值仍然是债券投资的真正准绳。首先，我们将充分利用封闭式基金的流动性优势，保持稳健的操作风格，跟随市场涨跌节奏，有足够的时间窗口在调整过程中去匹配和挑选具有价值的品种，积极把握好建仓时点和交易节奏。
其次，我们注重配置和绝对收益率，加强信用产品投资，尤其严格把控信用风险，并灵活运用杠杆优势，甄选出性价比高的信用债，力争使组合的绝对收益率有明显的提升，为产品的长期业绩打下基础。
债券收益率范文第2篇
[关键词] JSZ模型；利率期限结构；卡尔曼滤波
doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2015 . 17. 061
[中图分类号] F812.5 [文献标识码] A [文章编号] 1673 - 0194（2015）17- 0115- 03
对高斯动态期限结构模型（GDTSM）的估计大多采用卡尔曼滤波方法，这种方法的最大问题是模型中的变量太多，如果初始值设置的不好，模型不易收敛，或因计算过程中矩阵出现奇异矩阵，造成运算无法继续运行或结果不准确。JSZ模型是Scott Joslin、Kenneth J. Singleton、HaoxiangZhu（2011）提出，用于利率期限结构模型的估计。但JSZ（2011）文章内容较多，晦涩难懂，笔者下面的内容旨在提炼出JSZ模型的精华内容及其在我国债券收益率曲线拟合过程中的应用，相应的文献综述和证明过程请参考JSZ（2011）原文。
1 JSZ模型的核心
JSZ模型描述如下：
ΔXt=K■■+K■■Xt-1+∑XεtP（1）
ΔXt=K■■+K■■Xt-1+∑XεtQ（2）
rt=ρ0X+ρ1X・Xt（3）
Xt是定价因子，∑x∑x′是Xt的条件协方差矩阵，εtP，εtQ～N（0，IN）。
对于0息票债券模型收益率仍然遵循Duffiee和Kan（1996）仿射函数，表示成：
yt，m=Am（XQ）+Bm（XQ）・Xt（4）
Am，Bm满足Riccati差分方程：
Am+1-Am=K0Q ′Bm+■Bm′H0Bm-ρ0
Bm+1-Bm=K1Q′Bm-ρ1（5）
XQ=（K■■+K■■，∑X，ρ0X，ρ1X），（m1，m2，…，mJ）表示到期时间，J>N，相应的模型表示的收益率为：yt，m=（yt，m1，，yt，mJ）。
（1）、（2）、（3）、（4）是JSZ模型的规范化形式，为了便于计算，在命题1中JSZ给出其规范形式的等价形式：
任何规范的GDTMS观测上等价于下面形式：
ΔXt=K■■+K■■Xt-1+∑XεtP（6）
ΔXt=K■■+K■■Xt-1+∑XεtQ（7）
rt=t・Xt（8）
与标准的规范形式不同之处是：t是单位1向量，∑X是下三角矩阵，K■■=k■■，且K■■=0，i≠1，K■■是按顺序排列的约当型（Jordan）矩阵。
K■■=J（λiQ）diag（J1Q，J2Q，…，JmQ），且：
JiQ=λiQ 1 … 00 λiQ … 0 10 … 0 λiQ
各个约当块是按特征值的顺序排列（从大到小）。
这种等价形式简化了运算过程，而且便于计算机的处理，但定价因子Xt仍然是不可观测变量，因此，JSZ给出定理1，存在可观测的定价因子Ft=Wyt，任何规范的GDTMS等价于下面的模型：
ΔFt=K■■+K■■Ft-1+∑FεtP（9）
ΔFt=K■■+K■■Ft-1+∑FεtQ（10）
rt=ρ0F+ρ1F・Ft（11）
在此模型里，定价因子可以用可观测变量代替，假设名为Ft，这样不可观测的定价因子Xt变为可观测的定价因子Ft，可以假定N个0息票债券或其线性组合可以被模型精确定价；Ft的Q分布可以描述成参数：
FQ（k■■，λQ，∑F）λQ是K■■的特征值构成的向量，∑F∑F′是收益投资组合冲击的协方差矩阵。当模型在Q分布下稳定时，k■■与短期利率r■■在风险中性下的长期平均值成比例。K■■，K■■，∑F，ρ0F，ρ1F是k■■，λQ，∑F的明确函数。
综上所述，JSZ模型设置了2个测度P和Q，2种定价因子，可观测的P和不可观测的X，因此模型显得复杂，但运算并不复杂，JSZ对似然函数的处理进一步简化了估计难度。P测度下可观测的收益率的条件似然函数为：
f（yt|yt-1；）=f（yt|Ft；λQ，k■■，∑F）×f（Ft|Ft-1；K■■，K■■，∑F）
其中：f（Ft|Ft-1；K■■，K■■，∑F）=（2π）-N/2|∑F|-1×exp（-■||∑■■（Ft-Et-1[Ft]）||2）
注意这里：Et-1[Ft]=K■■+（I+K■■）Ft-1是对公式（9）两边取期望得到。
参数（K■■，K■■）的最大似然函数为：
（K■■，K■■）=argmax■f（yt|yt-1；K■■，K■■，∑F）=argmin■||∑■■（Ft-Et-1[Ft]）||2
这样，参数（K■■，K■■）的最大似然函数可以用普通最小二乘法求得。一般的三因子GDTSM模型有22个参数要估计，3个λQ，1个k■■，6个∑■■，3个K■■，9个K■■，而JSZ模型只有前4个参数，存在实质性的改进。
2 JSZ模型对我国国债利率期限结构的实证
这里选取银行间固定利率国债收益率数据，时间是从2006年3月到2014年2月，取每月最后一天的数据，期限取6月、1年、2年、3年、5年、7年、10年。每一期限共计96个月度数据，数据来源是Wind数据库。数据的基本情况如图1所示。
为了利用Matlab软件编程，将式（6）到式（11）描述成计算机可以处理的形式：
在P测度下：
F（t+1）-F（t）=K0P_F+K1P_F*X（t）+eps_F（t+1）
其中：Cov（eps_F（t+1））=Sigma_F
在风险中性Q测度下：
X（t+1）-X（t）=K0Q_X+K1Q_X*X（t）+eps_X（t+1）
其中：Cov（eps_X（t+1））=Sigma_X
F（t+1）- F（t）=K0Q_F+K1Q_F*X（t）+eps_F（t+1）
其中：Cov（eps_F（t+1））=Sigma_F
式（4）描述成计算机处理形式为：
模型收益率Yt=AF’+BF’*F（t）或：Yt=AX’+BX’*X（t）
利用JSZ模型及JSZ提供的Matlab工具箱，对模型的各参数进行估计，结果如下：
AF=[-0.076 9 0.075 8 0.101 1 -0.026 3 -0.190 7 -0.083 1 0.217 7]
BF=[ 0.458 3 0.459 0 0.435 8 0.399 9 0.328 7 0.273 5 0.216 7 -0.4501 -0.336 5 -0.106 5 0.091 4 0.357 5 0.488 3 0.548 3 -0.630 4 -0.019 5 0.471 0 0.485 8 0.139 0 -0.183 7 -0.441 0]
AX=[0.747 2 1.546 2 2.821 0 3.716 0 4.809 2 5.399 5 5.688 2]
BX=[0.975 5 0.947 1 0.893 7 0.844 3 0.756 1 0.680 4 0.585 8 0.873 1 0.748 3 0.565 0 0.441 6 0.294 9 0.216 2 0.152 5 0.869 8 0.742 5 0.556 9 0.433 2 0.287 8 0.210 5 0.148 4]
K0P_F=[-0.108 6 0.224 8 -0.286 7]
K1P_F=[-0.050 0 0.182 4 0.001 8 -0.013 1 -0.129 3 -0.431 9 0.001 7 -0.003 4 -0.467 9]
K0Q_F=[0.274 1 0.122 7 -0.050 3]
K1Q_F=[-0.005 1 0.075 8 0.285 0 -0.006 8 -0.008 4 -0.191 0 -0.003 8 0.005 6 -0.107 1]
K0Q_X=[ 0.315 0 0.000 0 0.000 0]
K1Q_X=[-0.009 9 0.000 0 0.000 0 0.000 0 -0.054 6 0.000 0 0.000 0 0.000 0 -0.056 1]
下面对比模型的拟合值和实际值，如图2所示。
图2中黑色实线表示实际值，红色实线（如果无颜色，则是较淡的曲线）表示模型求得的拟合值，如果不放大图，二者几乎重合，说明JSZ模型非常好地拟合收益率曲线数据。
3 结 论
JSZ模型可以很好地拟合我国银行间国债收益率曲线，而且收敛的速度比用卡尔曼滤波技术快得多，几秒完成运算。使用卡尔曼滤波需要设置初始值较多，如果设置不好，收敛的速度会非常慢，甚至不收敛，而JSZ模型无此问题。JSZ模型的另一个优点是需要估计的参数少，三因子模型只有4个，利用卡尔曼滤波需要估计22个参数。JSZ模型本身也非常灵活，感兴趣学者可以在此基础上加入宏观经济变量，来分析利率期限结构与宏观经济之间的关系。
主要参考文献
[1]D Duffie，R Kan. A Yield-factor Model of Interest Rates[J]. Mathematical Finance，1996（6）：379-406.
[2]S Joslin，K Singleton，H Zhu.A New Perspective on Gaussian DTSMs[J].The Review of Financial Studies，2011，24（3）：926-970.
[3]S Joslin.Pricing and Hedging Volatility in Fixed Income Markets[R]. Working Paper， MIT，2007.
[4]S Joslin，A Le，K Singleton.The Conditional Distribution of Bond Yields Implied by GaussianMacro-finance Term Structure Models[R]. Working Paper， Sloan School， MIT，2010.
[5]S Joslin，M Priebsch，K Singleton.Risk Premiums in Dynamic Term Structure Models with UnspannedMacro Risks[R]. Working Paper， Stanford University，2010.
[6]S Joslin，K Singleton，H Zhu.Supplement to“A New Perspective on Gaussian DTSMs.”[R].WorkingPaper，Sloan School，MIT，2010.
债券收益率范文第3篇
2016年，在全国共发行资产证券化产品中，信贷ABS发行3868.73亿元，同比下降4.63%，占发行总量的45.94%；存量为6173.67亿元，同比增长14.74%，占市场总量的51.54%；企业ABs发行4385.21亿元，同比增长114.90%，占发行总量的52.08%；存量5506.04亿元，同比增长138.72%，占市场总量的45.97%；资产支持票据（以下简称“ABN”）发行166.57亿元，同比增长375 91%，占发行总量的1.98%；存量297.97亿元，同比增长87.52%，占市场总量的2.49%。
企业ABS发行规模超信贷ABS
从全年情况看，资产证券化市场延续快速增长态势。值得注意的是，2016年以前，信贷ABS发行规模一直占据较大比重；2016年企业ABs发行规模大幅跃升，较2015年翻番，取代信贷ABS成为发行量最大的品种。
个人住房抵押贷款支持证券增长3倍
信贷ABS产品中，2016年公司信贷类资产支持证券（cLO）发行1422.24亿元，同比p少53.82%，占比36.78%；个人住房抵押贷款支持证券（RMBS）发行1381.76亿元，同比增长逾3倍，占比35.73%；个人汽车抵押贷款支持证券（Auto-ABs）发行580.96亿元，同比增长84.38%，占比15.02%；租赁ABs发行129.48亿元，同比增长111.39%，占比3.35%；消费性贷款ABs和信用卡贷款ABs分别发行91.60亿元和106.59亿元，占比分别为2.37%和2.76%；不良贷款ABs重启，2016年共发行156.10亿元，占比3.99%。
随着基础资产类型增加和产品标准化程度提高，2016年信贷ABs产品不再呈现CLO一支独大的现象，各类产品发行规模趋于均衡化，标志着信贷ABs市场开始走向成熟。值得一提的是，2016年RMBs驶入发行快车道，上半年楼市升温带动公积金RMBS发行量猛增，下半年商业银行RMBs接棒发行提速，全年发行规模已接近CLO，市场化、规模化特征明显。
债券收益率范文第4篇
理论上讲，债券收益率曲线的形状可以反映出当时长、短期利率水平之间的关系，它是市场对当前经济状况的判断及对未来经济走势预期的结果。一般而言，债券收益率曲线通常是一个有一定角度的正向曲线，即长期利率应在相当程度上高于短期利率。这是由投资者的流动性偏好引起的，由于期限短的债券的流动性要好于期限长的债券，作为流动性较差的补偿，期限长的债券收益率也就要高于期限短的收益率，因此实际长期利率也就等于借贷成本加上风险升水。
近年来，美联储在与债券收益率曲线的赛跑中，似乎从未胜出过。格林斯潘自2004年夏季开始，连续调升联邦基金目标利率，但长期债券收益率不升反降，这种现象被当时无奈的格老称为“收益率曲线的未解之谜”。格林斯潘的继任者伯南克依旧没有胜过，美联储第二轮购买国债方案出台后，美国国债收益率不降反升，导致收益率曲线陡峭化。
美国10年期国债收益率是全球经济和金融市场的风向标。近期，10年期国债收益率飙升不仅折射美国经济温和复苏前景良好外，也暗含着市场对于一些不可预知的新风险的担忧：
一是财政赤字恶化、公共债务触及“红线”引发对债务问题提前到来的担忧。美国联邦政府债务已处于约14万亿美元的历史高位，并仍在不断攀升，目前债务占国内生产总值(GDP)的比例为66%。国际货币基金组织(IMF)预计，到2015年美国联邦政府债务占GDP的比例将进一步升至85%。特别是美国新的减税计划，进一步点燃了国债市场对于预算赤字的担忧。
二是全球通胀来临强化了美国通胀预期正式向通胀转化的可能。美联储兑现第二轮量化宽松政策后，粮价、油价、金价等大宗商品价格均大幅上涨，输入性通胀压力达到全球金融危机以来的高点。
三是廉价资本时代恐将过去，全球将进入一个利率上升的拐点。从短期看，为管理通胀及通胀预期，主要新兴经济体已经开始收紧货币政策，以“量化紧缩”对抗“量化宽松”。欧洲央行也警告通货膨胀风险，暗示可能采取加息举措，使过去三年间的宽松货币政策回归常态。
而从长期看，全球都可能普遍进入利率上行通道。而事实上，目前全球利率仍处于低位，包括发达经济体经济疲软、高负债居民信贷需求低迷以及央行普遍执行刺激性货币政策。许多人因此认为，低利率已成为常态，然而，低利率环境很可能会在几年内结束。
债券收益率范文第5篇
在加息通道里，债券收益率提高
加息无疑是一个债券收益率上升的必然原因。一年期存款利率从不久前的2.25%直线上升到今天的3%，基础利率的上涨为企业债券发行利息的上涨起打好了基础。
加息和减息都不会是一次两次就停止的，很多再次加息的预期也同时埋藏在了现在债券价格里。据笔者统计，现在的债券价格中起码包含了额外两次加息的预期成分。市场中很多债券的价格和其相对的收益率都在合理的6%左右。
投资者可以像买卖股票一样打入债券代码后进行购买。图表2中债券中收益率在6%以上的比比皆是，值得大家关注。
债券与债券基金的几个事实
债券基金与债券完全是两码事
在过去半年“流动性收缩”阶段中表现平平，如招商信用（161713）和银华信用（161813）都有超过7%的价格亏损。这些债券基金的价格下滑主要是它们买的债券的价格下滑导致。这样债券价格变化并不会影响这只债券的到期利息收入。
在加息通道里，关注那些投资信用债的基金
在目前的市场环境下，投资者更应该关注投资信用债券为主的债券基金――它在加息通道中会有比利率产品为主（国债等高信用级别的债券）的债券基金表现的更好一点。
封闭型的债基要比开放型的债基表现更为稳定一些。
封闭型的债基不会像开放型债基那样在逆境中受制于客户赎回量――这极有可能在市场低迷时被迫抛售债券。
令人疑惑的现实：债券参与股票投资
