本文研究Hull–White模型在Svensson及其子族初始收益率曲线下可实现的远期曲线与收益率曲线形状,利用Tchebycheff系统、跟踪函数和包络方法对状态空间进行分割。研究给出不同初始曲线族局部极值数量的上界,并对Nelson–Siegel参数化情形实现完整形状分类;结果表明,随着时间趋于无穷,收益率曲线可实现形状显著收敛,长期主要保留正常、倒置和驼峰形状。
报告标题:《Term Structure Shapes in the Hull–White Model with Svensson–Parameterized Initial Yield Curves》(Hull–White模型中采用Svensson参数化初始收益率曲线时的期限结构形状)。
作者:Felix Sachse。
发布机构与日期:所提供文本未明确列出正式发布机构、工作论文编号或发布日期,但参考文献中出现作者2026年的博士论文及相关研究,因此该研究显然属于作者围绕期限结构形状分类问题开展的系列理论工作。报告主题是:在Hull–White短利率模型中,当初始远期曲线或收益率曲线限定为Svensson及其子族时,远期曲线和收益率曲线在不同时间、短利率状态及参数组合下能够呈现哪些形状。
报告没有传统股票研究意义上的“买入/卖出”评级,也没有目标价;它是一篇数学金融理论研究。核心贡献可以概括为三点:第一,建立Hull–White模型下远期曲线与收益率曲线局部极值数量的上界;第二,对平坦、单调和Nelson–Siegel初始曲线实现完整或接近完整的形状分类及状态空间分割;第三,研究时间趋于无穷时的渐近行为,指出收益率曲线长期只保留正常、倒置和驼峰三类形状,且其出现概率与初始曲线具体参数的关系显著弱化。
报告使用的形状缩写包括:normal(n,正常型,通常指收益率随期限总体上升)、inverse(i,倒置型,随期限总体下降)、humped(h,驼峰型,先升后降)、dipped(d,谷底型,先降后升),以及hd、dh、hdh、dhd等多极值形状;其中字母顺序可理解为曲线沿期限方向先后出现局部极大或局部极小的组合。报告的重点并非预测利率水平,而是研究模型的形状生成能力。
Hull–White模型是在Vasicek模型基础上加入时间依赖漂移项的单因子短利率模型。报告指出,风险中性测度下短利率由均值回复速度参数λ、波动率σ以及为匹配给定初始远期曲线而选择的漂移项共同决定。其关键特性是:由于Hull–White模型可以通过漂移项精确匹配任意初始期限结构,如果不限制初始曲线族,理论上几乎任何初始形状都可以被纳入模型,因此报告将初始曲线限制为Svensson族及其子族。
初始曲线采用Svensson参数化,参数包括两个正的衰减尺度τ1、τ2以及β0、β1、β2、β3四个载荷参数;Bliss、Nelson–Siegel、两因子单调曲线和一因子平坦曲线均可视为其子族或相关特例。 其中,β0通常控制长期水平,β1主要关联水平与短端斜率,β2和β3控制曲率及额外的中长期弯曲;τ1、τ2则决定指数衰减速度。报告反复比较λ与1/τ1、1/τ2的相对大小,因为短利率均值回复速度与初始曲线各指数项的衰减速度之间的关系,决定了长期哪个成分占主导。
作者提出三个问题:Q1是哪些曲线形状能够被模型表示;Q2是在给定参数、时间t和状态r(t)=r时,曲线具体属于什么形状;Q3是在风险中性概率下,时间趋于无穷时哪些形状具有严格正概率。 这三个问题分别对应分类问题、状态空间分割问题和渐近概率问题。
报告首先给出一个重要的复杂度约束:远期曲线和收益率曲线的局部极值数量均存在上界。对于一因子平坦初始曲线,最多一个局部极值;两因子初始曲线最多两个;Nelson–Siegel族最多三个;Bliss族最多四个;完整Svensson族最多五个。
这一结论的数学基础是Tchebycheff系统,尤其是扩展完全Tchebycheff系统(ECT-system)。直观而言,如果某个函数导数可以写成一组具有严格零点控制性质的基函数的线性组合,那么该导数的零点数量就受到基函数维度限制。作者将远期曲线导数表示成指数—多项式函数系统的“多项式”,再利用ECT系统的零点上界;收益率曲线则通过积分变换继承类似性质。
这意味着Hull–White模型虽然比Vasicek模型更灵活,但这种灵活性并非无限。作者还指出,与各初始曲线本身相比,Hull–White动态最多增加两个局部极值,因此模型动态能够制造更复杂的期限结构,但复杂程度仍被参数化函数族严格限制。
为了判断给定短利率状态下的曲线形状,作者定义了跟踪函数。对每个期限x,令(r_x(t))表示使期限为x处曲线导数为零的短利率状态;于是,在二维状态—时间平面中,(r_x(t))的图像就是曲线导数零点集合。特别地,x=0对应短端初始单调性边界,x趋于无穷对应长端单调性边界。
对固定t考察x到(r_x(t))的变化,可以识别曲线可能出现多少个极值。跟踪函数的临界点对应包络线上的点;当跟踪函数发生方向反转时,往往意味着曲线形状跨越了由一个极值区间到另一个极值区间的边界。 报告特别区分普通包络点与“回归点”(point of regression):前者是包络的常规点,后者对应更高阶退化条件,可能产生尖点或形状分类中的特殊转折。
在Svensson族下,包络方程的解是有限的;固定t时,包络最多有四个解,回归点最多三个。Nelson–Siegel族的对应上界更低,固定t时最多有两个包络解,且回归点不会与其他包络点共享同一时间。 这为后续使用包络线、极限线和绕数方法对状态空间分区提供了基础。
图1展示了一个曲线族及其边界:橙色曲线为初始单调性边界ζ0,蓝色曲线为终端单调性边界ζ∞,红色曲线为包络线,黑色细线是大量不同参数或期限下的曲线轨迹。图中可以看到包络位于一组曲线扫掠区域的内部,并在不同边界附近发生形状切换。它直观说明了为什么仅观察初始和终端导数符号还不够:当包络穿越状态空间时,曲线中间可能新增一个或多个局部极值。
对于平坦初始曲线,远期曲线和收益率曲线最多只有一个局部极值,因此形状只取决于初始端和终端导数的符号。作者证明,短端边界ζ0与终端边界ζf或ζy不相交,所以只能产生正常、倒置和驼峰三种形状,不会产生谷底或多极值形状。
图2左图展示远期曲线的三种状态区域:初始短利率为β0,长期边界分别趋近于β0+σ²/(2λ²)和β0−σ²/(2λ²);右图是收益率曲线,长期上界同样为β0+σ²/(2λ²),下界则为β0−σ²/(4λ²)。图中的两条边界从同一短端状态β0出发,向不同长期水平收敛,中间区域为驼峰型,上方和下方分别对应倒置型与正常型。
该图还体现出远期曲线与收益率曲线长期风险调整项不同:远期曲线的下方极限是β0−σ²/(2λ²),收益率曲线的下方极限是β0−σ²/(4λ²)。这反映收益率是远期曲线的期限平均,波动率调整在平均化后出现不同系数。
单调初始曲线的分类取决于λ与1/τ之间的相对关系以及β1的符号。特殊情形λ=1/τ或2λ=1/τ时,极值数量上界下降到一个,因此可以直接利用初始和终端导数判断形状。
当2λ=1/τ时,若β1<0,仍只有正常、倒置和驼峰三种形状;若β1>0,则新增dipped形状,并存在一条边界状态对应平坦曲线。图3显示β1>0时,两条边界从不同短端水平出发并相交,交点附近形成谷底型区域;β1<0时边界不产生这种额外穿越。
当2λ<1/τ且β1>0时,包络在有限时间区间内存在,并导致远期曲线和收益率曲线均可实现正常、倒置、驼峰、谷底以及dh五种形状;当β1<0时包络不存在,形状退化为正常、倒置和驼峰。 图4中的红色或绿色短线表示包络,交叉位置附近出现dh形状,说明曲线在期限方向上经历两次形状转换。
当1/τ<λ<2/τ时,β1>0时可实现正常、倒置、驼峰、谷底以及hd形状;β1<0时则主要是正常、倒置、驼峰。 图5显示包络在曲线边界之间形成局部回折,红色或绿色轨迹穿越边界后出现hd类型。
当λ>1/τ时,远期曲线的分类更加不对称:β1>0时只能产生倒置和驼峰;β1<0时可产生正常、谷底和hd。收益率曲线相对更丰富,可产生正常、倒置、驼峰、谷底和hd。 图6清楚显示远期曲线和收益率曲线的形状集合并不完全一致,这是因为收益率曲线是远期曲线的期限平均,局部极值结构会被平滑或重新排列。
Nelson–Siegel族是Svensson族去掉一个额外曲率因子后的简化形式。报告指出,在λ=1/τ的特殊情形下,远期曲线和收益率曲线最多具有两个局部极值。β2决定长期导数方向:β2<0时远期曲线终端上升,β2>0时终端下降。
图7表明,当β2<0时,远期曲线可以出现正常、谷底和hd,收益率曲线则可出现正常、倒置、驼峰、谷底和hd;当β2>0时,远期曲线主要是倒置和驼峰,收益率曲线主要是正常、倒置和驼峰。
一般参数情形下,作者将问题转换为一族直线及其包络,并用增强包络线的绕数计算极值数量。图8展示同一时间下可能存在两个包络解,这与Lambert W函数的两个分支有关,也说明Nelson–Siegel情形虽然比平坦或单调曲线复杂,但仍可控。
远期曲线共有七种参数区域。最简单的区域只能出现n、d、h等少数形状;当Wronskian符号发生变化并产生尖点时,可增加dh、hdh等复杂形状;在最复杂的第七种区域中,远期曲线可实现n、i、h、d、hd、dh、hdh七类形状。
图9以红色增强包络线显示七种状态空间分割。黑色线通常代表初始或终端单调性边界,红色包络的尖点对应形状数量增加的关键位置。图中最重要的视觉信息是:复杂形状并非遍布整个状态空间,而是集中在包络线及其尖点附近的狭窄区域。
收益率曲线共有九种参数区域,复杂度略高于远期曲线。作者证明Nelson–Siegel初始曲线不能产生dhd形状,但可以产生hdh;在某些区域,收益率曲线能够实现七种形状,包括n、i、h、d、hd、dh和hdh。 图10中的绿色增强包络线较图9更复杂,部分区域出现两次边界穿越和尖点,因此收益率曲线可以比远期曲线多出现一种形状。
对于Bliss和完整Svensson族,作者只给出局部极值数量上界,分别为四个和五个,尚未像Nelson–Siegel族那样完成全部参数空间的显式分类。原因在于包络可能出现难以解析定位的尖点,导致逐区域枚举的公式迅速膨胀。
不过,作者指出,当时间t足够小时,通过选择适当状态r,可以至少复现初始曲线本身的形状,因此初始曲线的形状必然是模型可实现形状的一部分。参数空间和状态空间的边界仍由初始行为变化、终端行为变化及包络线共同构成。 这是一项重要但相对保守的结论:报告证明了复杂度上界和分割边界的来源,但没有给出完整的可实现形状清单。
时间趋于无穷时,报告发现收益率曲线的复杂形状大多消失。对足够大的t,状态空间被若干区间分割,收益率曲线通常只呈现normal、inverse、humped三类;在特定条件下会额外保留hd形状,但更高阶的dh、hdh等形状不再占据非零长度的状态区间。
其原因是:随着t增大,产生局部极值的期限x也趋于无穷,包络解逐渐集中到有限的短利率水平附近;收益率曲线跟踪函数最终至多发生一次方向变化。因此长期状态空间中复杂形状所占的区间宽度趋近于零。
在风险中性测度下,短利率r(t)服从正态分布。报告的定理7.2和7.3利用正态分布函数Φ给出收益率曲线和远期曲线各类形状的渐近相对频率,但所提供文本中的具体公式因排版/OCR缺失而无法完整读取。 可以确认的是,收益率曲线的渐近频率与Vasicek模型一致,远期曲线亦具有相同性质。 这说明长期而言,Hull–White模型对初始Svensson曲线的记忆主要体现在短期阶段;当时间足够长,均值回复速度、波动率和风险中性正态分布成为决定形状概率的主导因素。
第一,报告是理论分类研究,不是经验检验。它没有使用历史收益率数据验证各种形状的实际频率,也没有讨论市场价格测度下的概率,因此风险中性频率不能直接解释为现实世界出现频率。
第二,Svensson和Nelson–Siegel参数通常通过数据拟合得到,但报告中的分类依赖参数是否满足严格不等式,例如λ与1/τi的相对大小、β2的正负及Wronskian条件;实际估计中的参数误差可能使曲线在不同分类区域之间跳转。
第三,作者对Bliss和完整Svensson族承认尚未完成精确分类,因此“最多五个极值”是上界,不代表五极值一定可以实现。 此外,正文若干关键公式在所给文本中缺失,尤其是终端频率公式、参数D及部分分割条件的具体表达式,因此无法仅凭当前摘录复算每个区域的数值边界。
总体而言,报告证明Hull–White模型比Vasicek模型具有更丰富的期限结构形状生成能力,但这种丰富性受到初始曲线族和指数衰减结构的严格约束。平坦初始曲线只能产生n、i、h;单调初始曲线在特定λ、τ和β1条件下可以新增d、hd或dh;Nelson–Siegel族最多可系统性地产生七类形状,但明确不能产生dhd;Bliss和完整Svensson族的极值数量上界分别为四个和五个。
报告最具经济和数学意义的发现是:复杂期限结构主要是有限时间、特定状态和特定参数组合下的现象;随着时间拉长,收益率曲线的可实现形状收敛到少数基础类型,且渐近风险中性频率与Vasicek模型一致。 因此,Hull–White模型在短中期能够灵活匹配和生成复杂曲线,但其长期形状分布仍表现出单因子均值回复模型的基本特征。
2608.12016.pdf