主题切换
15.3 通胀预期建模
名词解释：通胀预期（Inflation Expectations）
通胀预期是市场参与者对未来物价水平变化率的预期，是资产定价的核心变量。通胀预期影响名义利率水平、债券定价和资产配置决策。量化通胀预期需要综合利用TIPS市场、通胀互换、调查数据和统计模型的交叉验证。
一、盈亏平衡通胀率（BEI）
1.1 BEI 的定义与定价
盈亏平衡通胀率（Break-Even Inflation rate, BEI）定义为同期限名义国债收益率与 TIPS（通胀保护国债）收益率之差：
BEI 分解为两个成分：
其中
1.2 从市场数据提取 BEI
此处有展示代码展开 ▼
python
import numpy as np
import pandas as pd
from scipy.interpolate import interp1d
import matplotlib.pyplot as plt
def calculate_bei(nominal_yields: pd.DataFrame,
tips_yields: pd.DataFrame) -> pd.DataFrame:
"""
计算各期限的盈亏平衡通胀率。
参数:
nominal_yields: 名义国债收益率，列为各期限
tips_yields: TIPS收益率，列为各期限
返回:
BEI DataFrame
"""
# 对齐期限
common_tenors = nominal_yields.columns.intersection(tips_yields.columns)
bei = nominal_yields[common_tenors] - tips_yields[common_tenors]
bei.columns = [f'BEI_{c}' for c in common_tenors]
return bei
def bei_term_structure(bei_latest: pd.Series) -> dict:
"""
分析BEI的期限结构及其隐含信息。
参数:
bei_latest: 最新的BEI曲线（不同期限的BEI值）
"""
tenors = np.array([float(str(c).replace('BEI_', '').replace('Y', ''))
for c in bei_latest.index])
bei_values = bei_latest.values
# 拟合曲线
f = interp1d(tenors, bei_values, kind='cubic', fill_value='extrapolate')
# 计算关键指标
bei_5y = f(5)
bei_10y = f(10)
bei_30y = f(30)
# 5年5年远期BEI
bei_5y5y = ((1 + bei_10y / 100) ** 10 /
(1 + bei_5y / 100) ** 5) ** (1/5) - 1
bei_5y5y *= 100 # 转百分比
# 通胀风险溢价（简化估计：长端BEI - 短期调查通胀预期）
survey_lt_inflation = 2.0 # 简化：假设长期通胀预期调查为2%
irp_estimate = bei_5y5y - survey_lt_inflation
# 可视化
fig, ax = plt.subplots(figsize=(10, 6))
tenors_dense = np.linspace(1, 30, 100)
bei_dense = f(tenors_dense)
ax.plot(tenors_dense, bei_dense, 'b-', linewidth=2, label='BEI 拟合曲线')
ax.scatter(tenors, bei_values, color='red', s=80, zorder=5,
label='市场数据')
ax.axhline(y=2.0, color='green', linestyle='--',
label='美联储通胀目标 (2%)')
ax.fill_between(tenors_dense, bei_dense, 2.0,
where=(bei_dense > 2.0),
alpha=0.2, color='red', label='通胀预期高于目标')
ax.set_xlabel('期限（年）')
ax.set_ylabel('BEI (%)')
ax.set_title('盈亏平衡通胀率期限结构')
ax.legend()
ax.grid(True, alpha=0.3)
plt.show()
return {
'BEI_5Y': bei_5y,
'BEI_10Y': bei_10y,
'BEI_30Y': bei_30y,
'BEI_5Y5Y_forward': bei_5y5y,
'IRP_estimate': irp_estimate,
'term_premium_signal': 'steepening' if bei_30y > bei_5y else 'flattening'
}点击展开可浏览运行结果
📘 本段代码定义了 2 个函数/类：函数 `calculate_bei`（计算各期限的盈亏平衡通胀率）、函数 `bei_term_structure`（分析BEI的期限结构及其隐含信息）。该片段为教学展示（未包含独立运行的输入数据），可在实战练习中结合真实数据调用。
二、TIPS 与名义国债定价
2.1 TIPS 的特殊性
TIPS（Treasury Inflation-Protected Securities）的本金随 CPI-U 指数调整，提供了对通胀的直接保护。TIPS 相对名义国债的关键特征：
- 通缩保护：到期时至少返还原始本金（deflation floor）
- 流动性差异：TIPS 市场的流动性显著低于名义国债市场
- 税收处理：本金调整在当期征税（phantom income），影响应税投资者的定价
2.2 TIPS 公允价值的分解模型
此处有展示代码展开 ▼
python
def tips_fair_value(real_yield: float,
expected_inflation: np.ndarray,
inflation_volatility: float = 0.015,
maturity_years: int = 10,
nominal_par: float = 1000.0) -> float:
"""
计算TIPS的理论公允价值。
TIPS价格 = 预期通胀调整后的现金流现值 + 通缩保护期权价值
参数:
real_yield: 实际收益率（小数形式，如0.01=1%）
expected_inflation: 未来各期的预期通胀率数组
inflation_volatility: 通胀的年度波动率
maturity_years: 到期年数
nominal_par: 名义本金
返回:
TIPS理论价格
"""
n_periods = len(expected_inflation)
# 计算通胀调整后的本金路径
inflation_index = np.cumprod(1 + expected_inflation)
inflation_index = np.insert(inflation_index, 0, 1.0)
# 票息（假设固定票息率）
coupon_rate = real_yield # 简化：实际收益率 = 票息率
coupon = nominal_par * coupon_rate
# 贴现因子
discount_factors = (1 + real_yield) ** (-np.arange(1, n_periods + 1))
# 通胀调整后的现金流
pv_coupons = np.sum(
coupon * inflation_index[1:] * discount_factors
)
pv_principal = nominal_par * inflation_index[-1] * \
(1 + real_yield) ** (-n_periods)
# 通缩保护期权的价值（简化：Black-Scholes类型估值）
# 在到期日，回报为 max(Par - Adjusted Principal, 0)
# 简化估计：通胀低于某个阈值的概率
deflation_prob = np.mean(expected_inflation < 0) # 负通胀概率
floor_value = nominal_par * deflation_prob * \
(1 + real_yield) ** (-n_periods) * 0.5
fair_value = pv_coupons + pv_principal + floor_value
return fair_value点击展开可浏览运行结果
📘 本段代码定义了 1 个函数/类：函数 `tips_fair_value`（计算TIPS的理论公允价值）。该片段为教学展示（未包含独立运行的输入数据），可在实战练习中结合真实数据调用。
三、通胀互换与通胀衍生品
3.1 零息通胀互换（ZCIS）
零息通胀互换是最基础的通胀衍生品。合约双方交换：
- 通胀端（Inflation Leg）：支付
- 固定端（Fixed Leg）：支付
其中
此处有展示代码展开 ▼
python
def zcis_fair_rate(expected_cpi_path: np.ndarray,
discount_rates: np.ndarray,
maturity_years: float) -> float:
"""
计算零息通胀互换的公平固定利率。
公平条件：固定端的PV = 通胀端的PV
参数:
expected_cpi_path: 预期的CPI指数路径
discount_rates: 对应期限的贴现率
maturity_years: 到期年数
返回:
零息通胀互换利率 K
"""
T = int(maturity_years)
I_0 = expected_cpi_path[0]
I_T = expected_cpi_path[-1]
# 通胀端PV
inflation_pv = (I_T / I_0 - 1) * (1 + discount_rates[-1]) ** (-T)
# 求解 K 使得固定端PV = 通胀端PV
# PV_fixed = ((1+K)^T - 1) * DF_T = PV_inflation
df_T = (1 + discount_rates[-1]) ** (-T)
K = (inflation_pv / df_T + 1) ** (1 / T) - 1
return K点击展开可浏览运行结果
📘 本段代码定义了 1 个函数/类：函数 `zcis_fair_rate`（计算零息通胀互换的公平固定利率）。该片段为教学展示（未包含独立运行的输入数据），可在实战练习中结合真实数据调用。
3.2 通胀上限/下限期权（Inflation Caps/Floors）
通胀上限（Cap）为买方提供了通胀上升时的保护，每期支付为：
四、通胀因子在资产配置中的应用
4.1 通胀敏感性分析
不同资产类别对通胀的敏感度差异显著：
| 资产类别 | 通胀敏感度 | 机制 |
|---|---|---|
| TIPS | 直接正敏感 | 本金随CPI调整 |
| 商品（黄金、原油） | 正敏感 | 实物资产对冲通胀 |
| 长期名义国债 | 负敏感 | 通胀侵蚀固定收益 |
| 权益（价值股） | 中性到正 | 定价权较强的公司可转嫁成本 |
| 权益（成长股） | 负敏感 | 远期的现金流被高通胀折现 |
| REITs | 正敏感 | 租金和物业价值随通胀上升 |
4.2 通胀对冲组合构建
此处有展示代码展开 ▼
python
def inflation_hedge_portfolio(inflation_regime: str,
risk_budget: float = 0.10) -> dict:
"""
基于通胀环境构建对冲组合。
参数:
inflation_regime: 通胀环境
- 'rising': 通胀上升
- 'falling': 通胀下降/通缩
- 'stable_high': 高通胀但稳定
- 'stable_low': 低通胀且稳定
risk_budget: 分配给通胀对冲的风险预算
返回:
对冲组合的资产配置权重
"""
# 各资产在不同通胀环境下的配置权重
hedge_allocation = {
'rising': {
'TIPS': 0.30, '黄金': 0.15, '商品期货': 0.20,
'大宗商品股票': 0.15, '浮动利率债券': 0.10,
'REITs': 0.05, '现金': 0.05
},
'falling': {
'名义长期国债': 0.40, '投资级公司债': 0.25,
'成长股': 0.15, 'TIPS': 0.10, '现金': 0.10
},
'stable_high': {
'TIPS': 0.25, 'REITs': 0.20, '价值股': 0.15,
'基础设施': 0.15, '商品': 0.10, '浮动利率债券': 0.15
},
'stable_low': {
'名义国债': 0.20, '投资级公司债': 0.25,
'成长股': 0.30, '高质量股利股': 0.15, 'TIPS': 0.10
}
}
# 获取对应配置
weights = hedge_allocation.get(inflation_regime,
hedge_allocation['stable_low'])
# 按风险预算缩放
scaled_weights = {k: v * risk_budget for k, v in weights.items()}
return scaled_weights点击展开可浏览运行结果
📘 本段代码定义了 1 个函数/类：函数 `inflation_hedge_portfolio`（基于通胀环境构建对冲组合）。该片段为教学展示（未包含独立运行的输入数据），可在实战练习中结合真实数据调用。
4.3 BEI 变化率的交易信号
BEI 的变化率（而非水平值）是更有效的短期交易信号。当 BEI 加速上升时，表明市场正在快速重估通胀前景：
此处有展示代码展开 ▼
python
def bei_momentum_signal(bei_time_series: pd.Series,
short_window: int = 5,
long_window: int = 20) -> float:
"""
BEI 动量信号。
正值表示通胀预期上升动能，建议做多通胀敏感资产；
负值表示通胀预期下降动能。
参数:
bei_time_series: BEI 时间序列（如10年期）
short_window: 短期窗口（天）
long_window: 长期窗口（天）
返回:
信号值 [-1, 1]
"""
short_ma = bei_time_series.rolling(short_window).mean()
long_ma = bei_time_series.rolling(long_window).mean()
# 短均线 - 长均线，标准化
raw_signal = (short_ma.iloc[-1] - long_ma.iloc[-1]) / \
bei_time_series.rolling(long_window).std().iloc[-1]
# 限制在 [-2, 2]，然后映射到 [-1, 1]
signal = np.clip(raw_signal / 2, -1, 1)
return signal点击展开可浏览运行结果
📘 本段代码定义了 1 个函数/类：函数 `bei_momentum_signal`（BEI 动量信号）。该片段为教学展示（未包含独立运行的输入数据），可在实战练习中结合真实数据调用。
通胀预期是连接宏观经济和资产定价的关键枢纽。理解通胀的动态变化和期限结构不仅有助于债券定价，也是经济周期择时的核心输入变量——因为通胀的拐点通常标志着经济周期的转折。