mcpField
F
fixed-income-corporate

fixed-income-corporate

github.com/joellewis其他218690 次安装15 周前更新
代码仓库

关于 fixed-income-corporate

面向固定收益分析的技能,涵盖公司债信用利差、评级迁移、违约损失、契约和私募信贷。附有公式、算例及可运行脚本,用于理解和演示相关计算。

主要功能

  1. 01比较 G-spread、Z-spread 与 OAS
  2. 02计算预期信用损失和回收率
  3. 03分析评级迁移与违约概率
  4. 04说明可赎回债券收益率
  5. 05提供计算演示及结果校验脚本

适用场景

  1. 01比较公司债的不同利差指标
  2. 02估算给定敞口的预期信用损失
  3. 03分析可赎回债券的最差收益率

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/joellewis/finance_skills --skill fixed-income-corporate

安装后在 Claude Code 中输入/fixed-income-corporate确认已加载。

附带文件scripts/fixed_income_corporate.py

详细介绍

固定收益——公司债

核心概念

信用利差

在无风险利率之上,对违约风险、流动性风险和评级下调风险的补偿。存在多种精度各异的利差指标:

G 利差(政府债券利差): 债券收益率减去相同期限的插值国债收益率。方法简单,但假设基准期限之间的期限结构是平坦的。

Z 利差(零波动利差): 加到无风险即期利率曲线上每个点的恒定利差,使折现现金流之和等于债券的市场价格。由于考虑了期限结构的完整形状,因此优于 G 利差。

OAS(期权调整利差): 对于含有嵌入期权的债券,OAS = Z 利差减去嵌入期权的价值。OAS 表示剔除期权部分后的「真实」信用补偿。计算时需要利率模型。

信用评级

AAA/AA/A/BBB 属于投资级。BB/B/CCC/CC/C/D 属于高收益级(投机级)。BBB/BB 边界是影响最重大的评级门槛——许多机构的投资授权禁止持有低于投资级的债券。评级下调并跌破这一门槛(「堕落天使」)会迫使受限投资者卖出。

评级迁移矩阵

迁移矩阵显示评级在 1 年期限内从一种等级变为另一种等级的概率。BBB 评级的发行人保持 BBB 评级的概率约为 85-90%,评级上调的概率为 4-5%,评级下调的概率为 4-5%,违约概率则较低(约 0.2%)。评级机构每年都会发布迁移矩阵。

违约概率、违约损失率和回收率
  • PD = 给定期限内的违约概率
  • LGD = 违约损失率(敞口损失的百分比)
  • 回收率(RR)= 1 - LGD
  • 预期损失:EL = PD × LGD × EAD(违约风险敞口)

回收率因债务优先级而异:优先有担保(60-65%)、优先无担保(40-50%)、次级(20-30%)。

可赎回债券

发行人可以提前赎回债券。赎回安排会列明价格和日期。赎回收益率(YTC)根据赎回日期和赎回价格计算。最差收益率(YTW)是到期收益率(YTM)和所有可能的 YTC 中的最低值。对于可赎回债券,应使用 OAS 作为适当的利差指标(而非 G 利差或 Z 利差)。

契约条款

维持性契约: 定期进行测试(例如每季度)。发行人必须始终维持各项财务比率。常见于银行贷款。

发生性契约: 仅在发行人采取特定行动时进行测试(例如发行新债)。常见于债券契约文件。关键契约包括杠杆率(债务/EBITDA)、利息覆盖率(EBITDA/利息)和受限制支付。

私募信贷

非银行贷款机构向中型市场公司提供的直接贷款。相较于可比的银团贷款,其流动性溢价为 150-400bp。其契约保护通常强于公开市场交易。估值基于标记法(按季度进行),因此报告的波动性较为平缓。

CDS(信用违约互换)

一种衍生品,保护买方定期支付利差,并在发生信用事件时获得赔付。CDS 利差可用于推导市场隐含违约概率。相较于债券利差,CDS 利差通常对信用恶化的反应更灵敏。

关键公式

公式表达式使用场景
G 利差债券收益率 - 插值国债收益率简单的利差指标
Z 利差恒定利差 s:P = sum CF_t / (1+s_t+s)^t完整曲线利差
OASZ 利差 - 期权成本可赎回债券的利差
预期损失EL = PD × LGD × EAD信用损失估算
回收率RR = 1 - LGD违约后的回收
最差收益率min(YTM, YTC_1, YTC_2, ...)保守的收益率指标

示例演算

示例 1:比较 Z 利差与 G 利差

已知: 一只 7 年期公司债券的收益率为 5.8%。7 年期插值国债收益率为 4.5%。Z 利差(使用完整即期利率曲线计算)为 118bp。 计算: G 利差,并与 Z 利差比较 解答: G 利差 = 5.8% - 4.5% = 1.30% = 130bp Z 利差 = 118bp G 利差(130bp)比 Z 利差(118bp)高 12bp。之所以存在这一差异,是因为 G 利差使用单个插值基准点,而 Z 利差则准确考虑了整个收益率曲线的形态。在收益率曲线陡峭的环境下,G 利差往往会高估真实利差。

示例 2:预期损失计算

已知: PD = 2%(年化),LGD = 60%,EAD = $1,000,000 计算: 预期年度损失 解答: EL = PD × LGD × EAD EL = 0.02 × 0.60 × $1,000,000 EL = $12,000

预期年度信用损失为 $12,000,即风险敞口的 1.2%。这代表信用风险的精算成本——利差至少必须覆盖这笔预期损失,并额外补偿非预期损失和风险厌恶。

常见误区

  • 对可赎回债券使用 G 利差——应改用 OAS,以剔除期权部分
  • 在利差分析中忽略流动性溢价——利差的一部分是对流动性不足的补偿,而不仅仅是违约风险
  • 评级机构评级滞后于市场隐含的信用质量——CDS 利差往往会先于评级调整变动
  • 假设回收率保持不变——回收率会随债务优先级和经济周期显著变化(经济衰退期较低)

交叉引用

  • fixed-income-sovereign(wealth-management 插件):用作无风险基准的国债曲线
  • fixed-income-structured(wealth-management 插件):CLO 和结构化信贷产品
  • alternatives(wealth-management 插件):作为另类投资的私人信贷
  • asset-allocation(wealth-management 插件):多资产投资组合中的信用资产配置

运行脚本

uv run scripts/fixed_income_corporate.py            # run the demo (uses PEP 723 inline deps)
uv run scripts/fixed_income_corporate.py --verify   # check demo outputs against the worked examples (exit 1 on mismatch)
python3 scripts/fixed_income_corporate.py            # alternative (requires: pip install numpy scipy)

演示程序会输出上述计算结果;其数值与本技能中的示例计算一致。运行 --help 可查看类和函数列表。若要以编程方式使用,请导入模块,而不要运行该脚本——演示程序仅会在 python fixed_income_corporate.py 下执行。

评论

支持 Markdown