Câu hỏi nghiên cứu

 Để xây dựng đường cong lãi suất trái phiếu kho bạc zero-coupon nên sử dụng các
phương pháp gì?
 Ưu và nhược điểm khi sử dụng các phương pháp này là gì?
 Ảnh hưởng của từng phương pháp và phương pháp phù hợp nhất để xây dựng
đường cong lãi suất trái phiếu kho bạc zero-coupon là gì?

2.4. Đường cong lợi suất của trái phiếu kho bạc zero-coupon

2.4.1 Phương pháp trực tiếp

2.4.1.1 Phương pháp lý thuyết

Chúng ta đã đề cập rằng nhà đầu tư thường không có quyền truy cập trực tiếp vào
danh mục đầy đủ các mức giá của các trái phiếu zero-coupon. Mặt khác, một cá nhân có
thể sử dụng một phương pháp xác định đường cong lãi suất của trái phiếu zero-coupon
dựa trên thông tin do thị trường cung cấp. Chúng ta sẽ trình bày phương pháp tiêu chuẩn
được sử dụng để định giá trái phiếu zero-coupon dựa trên giá trị thị trường. Những trái
phiếu này được tạo thành từ phần lớn trái phiếu đang được giao dịch trên thị trường tài
chính toàn thế giới.

Nếu một nhà đầu tư cần lãi suất của trái phiếu zero-coupon riêng biệt, trước tiên
người đó cần thu thập giá của trái phiếu coupon (hoặc zero-coupon). Các trái phiếu có rủi
ro vỡ nợ thấp (như trái phiếu Kho bạc Hoa Kỳ) thường được ưu tiên vì chúng cung cấp
thông tin về cấu trúc lãi suất phi rủi ro.

Chúng ta có biểu thức phương trình ma trận như sau:

Như vậy, để xác định giá trị của ta cần giải hệ phương trình tuyến tính này. Chúng ta
có thể giải với điều kiện là khả nghịch, hay nói cách khác, không phụ thuộc tuyến tính
trong lãi tức của trái phiếu.

Trong trường hợp đó,

Lưu ý rằng giá trái phiếu được rút ra từ công thức này không phải một số giá trị thực tế
nhưng, đúng hơn là, hàm ý rằng giá trị của trái phiếu zero-coupon phù hợp với tập hợp
giá thị trường. Từ những mức giá này, chúng ta có thể dễ dàng tìm ra được mức lãi suất
kép ghép lãi hàng năm tại thời điểm t là với thời gian đáo hạn t i−t được tính theo
công thức

Và biểu thức trên được viết theo dạng ghép lãi liên tục với lãi suất như sau

Phương pháp trực tiếp này khá đơn giản về mặt lý thuyết và không tốn nhiều công sức
tính toán. Tuy nhiên, việc tìm ra các trái phiếu độc lập tuyến tính riêng biệt có cùng ngày
chi trả coupon là gần như không thể trong thực tế. Đây là lý do tại sao các nhà phân tích
sử dụng một phương pháp phổ biến được gọi là phương pháp tự động (bootstrapping
method).

2.4.1.2 Phương pháp tự động (Bootsrapping Method)

Bootstrapping là thuật ngữ liên quan đển việc tạo ra đường cong lãi suất của trái phiếu
zero-coupon từ giá trái phiếu hiện có trên thị trường. Bootstrapping có thể được xem như
một quy trình hai bước lặp đi lặp lại:

● Đầu tiên, chúng ta tiến hành thu thập trực tiếp lãi suất của trái phiếu zero-coupon
với thời gian đáo hạn ngắn hơn hoặc bằng 1 năm từ giá của trái phiếu zero-coupon
tương ứng.

● Thứ hai, chúng ta sử dụng phép nội suy tuyến tính hoặc lập phương (xem phần
tiếp theo về “Các phép nội suy tuyến tính khác nhau”) để vẽ một đường cong lãi
suất liên tục cho trái phiếu zero-coupon trong các kỳ hạn ngắn hơn hoặc bằng 1
năm.

● Thứ ba, chúng ta xem xét trái phiếu có thời gian đáo hạn gần nhất giữa 1 và 2
năm. Trái phiếu phát sinh hai dòng tiền và giá trái phiếu chính là giá trị chiết khấu
của hai dòng tiền này. Ta biết rằng hệ số chiết khấu đầu tiên cần có giá trị chiết
khấu của dòng tiền đầu tiên. Các biến chưa biết là hệ số chiết khấu thứ hai. Giải
phương trình phi tuyến ta sẽ có được hệ số chiết khấu và lãi suất của trái phiếu
zero-coupon tương ứng. Ta bắt đầu lại quá trình với trái phiếu tiếp theo có thời
gian đáo hạn gần nhất giữa 1 và 2 năm.
 ● Thứ tư, chúng ta dùng phép nội suy tuyến tính hoặc lập phương để vẽ đường cong
lãi suất liên tục cho trái phiếu zero-coupon có thời gian đáo hạn từ 1 đến 2 năm,
kết hợp với lãi suất zero- coupon có được từ giá thị trường của trái phiếu..

● Thứ năm, xem xét trái phiếu có thời gian đáo hạn gần nhất giữa 2 và 3 năm và lặp
lại quá trình như trên. Các hệ số chiết khấu chưa biết, cũng như lãi suất của trái
phiếu zero-coupon tương ứng, luôn được rút gọn thành một và có thể xác định
được bằng một phương trình.

● Tương tự như vậy cho đến hết.

2.4.1.3 Các loại nội suy khác

● Phương pháp nội suy tuyến tính

Xem xét lãi suất của trái phiếu zero-coupon và , lần lượt tương ứng -
năm và y -năm và theo đó chúng ta cần trong y -năm với . Sử dụng
phép nội suy tuyến tính, được cho bởi công thức sau:

● Phương pháp nội suy lập phương

Chúng ta cần bốn tỷ lệ lãi suất của trái phiếu zero-coupon, lần lượt là , ,
và để thực hiện phép nội suy bậc ba với điều kiện . Lãi suất
nội suy với được chứng minh phương trình đa thức bậc ba

trong đóa , b , c và d thỏa mãn hệ thức

Hệ thức này có ý nghĩa đơn giản là hàm đa thức bậc ba chứa bốn điểm
và .a , b , c và d thu được thông qua phép tính ma
trận sau:

Phương pháp nội suy lập phương được tính bằng cách sử dụng bốn điểm đầu tiên để tạo
nên phần đầu của đường cong, sau đó bốn điểm khác tạo nên phần thứ hai của đường
cong và tiếp tục như vậy, điều này cho thấy độ dốc của đường cong là không thoải. Bên
cạnh đó, đường cong có thể lõm ở giai đoạn tăng trưởng và lồi ở giai đoạn còn lại.

2.4.2 Phương pháp gián tiếp

Những khó khăn này đã khiến chúng ta phải tìm kiếm những phương pháp khác thiết
thực hơn. Theo đó, các phương pháp gián tiếp được phát triển. Đặc điểm chung của tất cả
các mô hình gián tiếp là các dữ liệu tương ứng với một dạng cụ thể của đường cong lãi
suất trái phiếu zero-coupon. Cần lưu ý rằng, trong khi các mô hình gián tiếp giúp các nhà
phân tích tránh khỏi những khó khăn thực tế, thì họ lại phải gánh chịu rủi ro về việc xác
định sai. Điều này đồng nghĩa với việc nếu một nhà phân tích lựa chọn mô hình không tốt
cho các dữ liệu hiện có thì kết quả sẽ không đáng tin cậy.

Cách tiếp cận chung được trình bày trong phần tiếp theo như sau. Đầu tiên, ta lựa chọn
một danh mục tham chiếu gồm n trái phiếu phi rủi ro (default-free bonds) với giá thị
trường và dòng tiền với . Các trái phiếu này sẽ được dùng để ước lượng
đường cong lãi suất của trái phiếu zero-coupon. Tiếp theo, người ta giả định một dạng cụ
thể của hàm chiết khấu hoặc đối với lãi suất của trái phiếu zero-
coupon , trong đó và là các vectơ của tham số.

Hàm thường được xác định từng phần để phù hợp với các bộ tham số khác nhau tương
ứng với các kỳ hạn khác nhau (ngắn hạn, trung hạn và dài hạn), dưới dạng hàm spline đa
thức hoặc hàm mũ (xem phần dưới). Hàm gthường được xác định theo hướng dễ tiếp cận
các tham số (ví dụ: các tham số gần với nghiệm của một mô hình động như Vasicek
(1977)).
Cuối cùng, danh mục tham số được ước tính gần đúng nhất với giá thị trường, hay nói
cách khác, giá trị của tham số là kết quả cho chương trình tối ưu hóa sau:

trong đó, là giá trị lý thuyết theo mô hình

hay

Bây giờ, chúng ta thảo luận chi tiết hơn về hai phương pháp gián tiếp này để điều chỉnh
đường cong lãi suất, với sự nhấn mạnh vào các lựa chọn có thể có của các hàm và .

2.4.2.1 Hàm Spline đa thức

Tham số hoá hàm chiết khấu dưới dạng hàm Spline

Bây giờ, chúng ta hãy cụ thể hơn và thảo luận về các chi tiết cụ thể của một số phương
pháp phổ biến hơn, cụ thể là các hàm đa thức và hàm mũ. Ta áp dụng ký hiệu sau:

 n là số lượng trái phiếu được sử dụng để ước tính đường cong lãi suất zero-coupon.

● là giá thị trường ở thời gian t của trái phiếu thứ j .

● là giá lý thuyết tại ngày t của trái phiếu thứ j.

● Các vectơ giá là

● T j là kỳ hạn của trái phiếu thứ j (tính bằng năm).
● là lãi trái phiếu và/hoặc khoản thanh toán gốc của trái phiếu thứ tại thời
điểm .
● là số dòng tiền của trái phiếu thứ .
 ● là hệ số chiết khấu (giá tại ngày t của trái phiếu zero-coupon trả $1 vào
ngày s).

Chú ý rằng, chúng ta sử dụng hằng số như bên dưới để đơn giản hóa quy trình:

Trong trường hợp không có kinh doanh chênh lệch giá, biểu thức bên dưới bao gồm:

Mô hình được thể hiện dưới dạng

trong đó phần dư ε thỏa mãn ∀( j, j) ∈ {1 , ... ,n }2

2
Do đó, ma trận phương sai - hiệp phương sai của phần dư là σ Ωvới và

Thông số kỹ thuật của là một điểm quan trọng trong quy trình. Trong thực tế, thông
số này bao gồm việc đặt trọng số thừa hoặc thiếu trong quá trình tối thiểu hóa. Nhiều tác
giả chỉ xem xét trường đông nhất với
Tất cả các trái phiếu có cùng trọng số trong chương trình giảm thiểu. Tuy nhiên, trong
trường hợp đó, phần cuối ngắn hạn của đường cong [1 ngày–6 tháng] chỉ phù hợp với độ
chính xác gần đúng (xem nhận xét sau).
Trong một nỗ lực để cung cấp một đặc điểm kỹ thuật chính xác hơn, Vasicek và Fong
(1982) đã đánh giá quá cao các trái phiếu bán khống trong chương trình giảm thiểu. Họ

đã đề xuất thông số kỹ thuật sau cho :

trong đó, và lần lượt là tỷ suất hoàn vốn nội bộ (hoặc lãi suất đáo hạn) và thời
hạn của trái phiếu thứ j tại thời điểm t.
Cơ sở lý luận cho lựa chọn này đến từ khả năng thời gian đáo hạn của một trái phiếu càng
dài thì việc ước tính giá càng khó khăn. Khó khăn này xuất phát từ thực tế là trái phiếu có
kỳ hạn ngắn hơn 1 năm được định giá theo một lãi suất chiết khấu thuần túy. Mặt khác,
việc định giá trái phiếu có kỳ hạn 15 năm đòi hỏi phải có 15 lãi suất chiết khấu (cần 30
lãi suất chiết khấu nếu trái phiếu thanh toán nửa năm một lần trong trường hợp trái phiếu
Kho bạc Mỹ). Nếu nhà phân tích muốn cải thiện chất lượng của phương pháp dành cho

các trái phiếu có kỳ hạn ngắn, nhiều thông số khác nhau của , chẳng hạn như

hoặc

Chúng ta có:

● β là vectơ tham số hàm chiết khấu ta cần ước lượng;

● là công cụ ước tính của khi không có ràng buộc;

 ● là ước lượng của β khi có ràng buộc;
● Z là ma trận của các hệ số của các tham số cho mỗi liên kết.

Cuối cùng chúng ta có biểu thức sau:

sao cho . Trong ký hiệu của ma trận, đây là. .

Một ứng dụng trực tiếp của phương pháp bình phương nhỏ nhất tổng quát hóa có ràng
buộc (GLS) mang lại

hoặc tương đương

từ

Ví dụ: Một Spline đa thức hai bậc

Để tăng tính phù hợp cho mô hình, ta sẽ xác định các hệ số chiết khấu tại thời điểm t = 0
theo các splines đa thức, cụ thể là,

Với, , và với .Ví dụ như, nếu

trái phiếu đầu tiên trong số n trái phiếu zero-coupon đáo hạn trong 6 năm kể từ bây giờ
sau đó, với

Thực tế, nếu chúng ta có và

s
Bây giờ, chúng ta chỉ định hàm bằng hàm của biến . Các lựa chọn tiêu chuẩn
khác nhau bao gồm các hàm spline đa thức và hàm mũ. Trong hai trường hợp này, việc
lựa chọn hàm spline dựa trên yêu cầu về độ thoải của hàm chiết khấu. Chính xác hơn,
p
chúng ta sẽ biểu diễn với lần khả vi với các đạo hàm liên tục nếu đa thức có bậc .

Do đó, với hàm liên tục và khả vi hai lần. Điều kiện thứ hai đảm bảo độ thoải trong

tỷ giá kỳ hạn tức thời. Chúng ta xem xét thời điểm và biểu thị .

Hàm Spline đa thức

Hàm Spline đa thức đã được giới thiệu bởi McCulloch (1971, 1975). Điều quan trọng
của phương pháp này là phải chọn bậc của đa thức một cách cẩn thận. Một sự lựa
chọn kỹ lưỡng ở đây là một đa thức bậc 3, vì hàm spline bậc 2 thường hàm ý một sự
gián đoạn của đạo hàm cấp hai . Hơn nữa, việc chọn bậc lớn hơn (bậc 4 hoặc
bậc 5) cho đa thức sẽ làm tăng độ phức tạp mà không có sự biện minh thực sự nào về
tính liên tục của đạo hàm cấp ba hoặc cấp bốn. Có hai cách để mô hình hóa các spline
đa thức, mô hình tiêu chuẩn và biểu thức trong cơ sở B-spline.

Mô hình tiêu chuẩn

Mô hình sau được ta xem xét và xây dựng dựa trên ví dụ phía trên

Trong trường hợp này, hệ số hàm chiết khấu có 12 tham số.

Lưu ý rằng các ràng buộc về độ thoải của hàm và các đạo hàm được yêu cầu thêm

trong đó là đạo hàm bậc i của hàm với i=0 , 1 , 2.

Sử dụng các ràng buộc này để giảm số lượng tham số độc lập xuống còn 5:

Hệ phương trình trên có thể biến đổi thành

với mà và
là các hàm đa thức bị chặn được định nghĩa là

Ta thấy rằng cơ sở của không gian đang xét là đơn giản là và

số chiều của nó bằng sáu.

Trên thực tế, chúng ta có thể tạo một cơ sở khác cho không gian này, cơ sở này được sử
dụng nhiều để mô hình hóa hệ số hàm chiết khấu. Đây là cơ sở B-spline.

Biểu thức trong Cơ sở B-Spline

Hàm B-spline là tổ hợp tuyến tính của các hàm đa thức bị chặn. Chúng ta có thể viết hàm
giảm giá trong cơ sở này theo cách sau

trong đó, hệ số hiệp phương sai lambda được xác định như sau

Thông số là các điểm nút như các tham số chỉ thỏa

mãn và được xác định là điều kiện toán học

để viết hàm B-spline .

Cơ sở mới của không gian đang xét là . Số chiều

không gian bằng 6 là tổng của các spline với bậc của đa thức B-spline, đó là 3 + 3 trong
ví dụ.

Vectơ tham số là vectơ trong bài toán cực tiểu hóa (4.4). Lưu ý
rằng ràng buộc cổ điển trở thành

bởi vì chức năng B-spline đều bằng 0.

Lưu ý rằng việc sử dụng mô hình tiêu chuẩn hoặc biểu thức trong cơ sở B-spline cung
cấp kết quả tương tự về chương trình tối thiểu hóa, nghĩa là chúng ta thu được cùng kết
quả chênh lệch giữa giá thị trường và giá lý thuyết.

Hàm Spline mũ
Hàm Spline mũ được giới thiệu bởi Vasicek và Fong (1982) là một mô hình tiềm năng
cho đường cong lãi suất của trái phiếu zero-coupon. Vì cùng những lý do tương tự như
trên, ta xem xét hàm spline mũ bậc ba dưới đây

Các ràng buộc tương tự như hàm spline đa thức được áp dụng. Nhận xét tiếp theo bàn
luận về cách đơn giản hóa công thức.

Tối ưu hoá số lượng đường spline

Kanony và Mokrane (1992) và Deacon và Derry (1994) đưa ra hai nhận xét sau:

● Số lượng đường spline càng nhiều, phương sai của phần dư sẽ càng phù hợp,
nhưng đường cong sẽ ít thoải hơn. Khi số lượng đường spline tăng thêm, đường
cong trở nên nhạy cảm hơn với dữ liệu bất thường. Sự khác biệt giữa giá thị
trường và giá lý thuyết của trái phiếu trở nên ngày càng nhỏ. Điều này dẫn đến
việc không thể phát hiện những trái phiếu có giá bất thường cần bị loại khỏi danh
mục tham chiếu.

● Số lượng đường spline càng ít, đường cong sẽ càng thoải. Mặt khác, khi một nhiễu
được đưa vào, các lỗi sẽ trở nên đáng kể, hàm ý rằng mô hình ít phù hợp.

Priaulet (1997) đề xuất sử dụng một quy tắc trực quan dựa trên mức chênh lệch trung

bình và , tương ứng, thu được trên các bộ tham chiếu được sử dụng để tối ưu
hóa và xác minh. được định nghĩa là

Để đánh giá mức độ phù hợp, việc sử dụng các trái phiếu từ danh mục tham chiếu trong
quá trình tối ưu hóa là chưa đủ. Do đó, ta nên xem xét một bộ tham chiếu khác. Một mức

chênh lệch tương tự được tính từ danh mục tham chiếu mới và được so sánh với
. Quy tắc như sau.
Chúng ta yêu cầu hai mức chênh lệch này phải thấp hơn 0.10% giá, tương ứng với mức
xấp xỉ gần đúng của chênh lệch “giá mua-giá bán”.

● Nếu mức chênh lệch không thấp hơn 0.10%, thì hãy tăng số lượng spline cho đến
khi chúng trở nên như vậy.

● Nếu cả hai mức chênh lệch thấp hơn 0,10%, hãy tính chênh lệch −
- Nếu chênh lệch “lớn”, thì ta kết luận số lượng spline có thể quá nhiều.
- Ngược lại, nếu chênh lệch “nhỏ” (khoảng 0.02 hoặc 0.03% giá thành) thì
số lượng spline có thể xem là đủ.

Lưu ý rằng việc thực hiện quy tắc đó yêu cầu kiểm tra động các mức giá thu được trên
các bộ tham chiếu. Ngoài ra, người ta nên cố gắng loại trừ các trái phiếu kém thanh
khoản khỏi các bộ tham chiếu, bởi vì các trái phiếu như vậy thường ngụ ý mức chênh
lệch rất lớn, không tồn tại theo thời gian. Cuối cùng, ta cũng nên cẩn thận chọn các điểm
dán.

Tối ưu số lượng giao điểm

Deacon và Derry (1994) cho thấy rằng việc thay đổi trong việc lựa chọn số lượng giao
điểm sẽ tạo ra những thay đổi đáng kể trong mức của đường cong lãi suất kỳ hạn (lên đến
13 điểm cơ bản). Tuy nhiên rất ít tác giả đề cập đến vấn đề này. Shea (1984) tranh luận
rằng nhà phân tích nên cố gắng thử cùng một số lượng trái phiếu cho từng đường spline
để xác định vị trí của giao điểm. Mặt khác, Priaulet (1997) lập luận rằng sự lựa chọn nên
phản ánh sự phân khúc tự nhiên của thị trường trái phiếu. Đối với thị trường trái phiếu
Pháp, ông xem xét bốn đường spline:

● Đường spline “ngắn hạn” [1 ngày–1 năm]

● Đường spline “trung hạn” [1 năm–7 năm]

● Đường spline “dài hạn” [7 năm–10 năm]

● Đường spline “hài hơn dài hạn” [10 năm–30 năm].

Priaulet (1997) cũng lập luận rằng người ta có thể thêm một spline một cách hữu ích khi
chức năng này khó khớp hơn, thường tương ứng với đoạn [1 ngày–3 năm].

Việc lựa chọn số lượng đường spline và điểm dán được thảo luận trong ví dụ sau, trong
đó chúng ta so sánh các đường spline đa thức và hàm mũ bằng cách sử dụng dữ liệu từ thị
trường trái phiếu Pháp.
Tham số hoá của đường cong Zero-Coupon như là một hàm của các tham số khác

Nhược điểm chính của cách tiếp cận trước đây, nếu không thì rất hữu ích, nằm ở chỗ hầu
hết các tham số ước tính (ngoại trừ u) không có diễn giải kinh tế rõ ràng. Để khắc phục
điều này, một cách tiếp cận khác dựa trên tham số hóa của hàm lãi suất của trái phiếu
zero-coupon được phát triển. Thủ tục được giải thích dưới đây.

Trong khi xem xét ngày t=0 , chúng ta giữ nguyên ký hiệu như trong phần trước về
“Tham số hóa hàm chiết khấu dưới dạng hàm Spline” và giới thiệu ω j là hệ số trọng số
cho trái phiếu thứ j . Đó là một thủ tục tiêu chuẩn để tăng thêm trọng số cho các trái phiếu
có kỳ hạn ngắn hơn trong chương trình tối thiểu hóa (4.8), điều này giải thích tại sao lựa
chọn thông thường lại được đưa ra (xem phần trước đó)

Ý tưởng là ước tính các tỷ lệ zero-coupon khác nhau RC (0 , s) bằng một hàm G(0 , s , u) ,
trong đó ulà vectơ cột của các tham số cần được ước tính.

Để tìm được ước lượng tốt nhất cho u, ta cần giải chương trình cực tiểu hóa có ràng buộc
(phi tuyến tính) sau:

trong đó,

Các bài toán tối ưu phi tuyến như vậy được giải bằng cách sử dụng các kỹ thuật tối ưu
của Newton đã sửa đổi (ví dụ, xem Fletcher (1987)). Đây là quy trình phổ biến; sự khác
biệt duy nhất nằm ở việc lựa chọn chức năng G . Chúng ta xem xét một số lựa chọn tiêu
chuẩn cho G bên dưới. Trong phần Phụ lục của chương này, chúng ta minh họa thuật toán
Newton đã sửa đổi hữu ích bằng cách sử dụng mô hình Vasicek mở rộng (sẽ được trình
bày bên dưới).
Luôn tồn tại sự đánh đổi giữa chi phí phức tạp của việc tăng số lượng tham số và sự
phong phú của các biểu mẫu đủ điều kiện cho đường cong lãi tức trái phiếu zero-coupon
mà các mô hình đa tham số cung cấp. Qua nhiều năm, một số phụ thuộc hàm khác nhau
đã được đưa ra, nhiều trong số chúng lấy cảm hứng từ lời giải của các mô hình lãi suất
động khác nhau (xem Martellini và Priaulet (2000) để biết thêm chi tiết). Chúng ta đưa ra
ở đây những lựa chọn được sử dụng phổ biến nhất được gọi là mô hình Nelson–Siegel và
Vasicek mở rộng. Lưu ý rằng chúng ta sẽ không thảo luận về một số mô hình nổi tiếng
khác như mô hình Cox, Ingersoll và Ross (1985), mô hình này không đủ linh hoạt (không
thể có được một số hình dạng của cấu trúc thuật ngữ), và Longstaff và Schwartz (1992)
hoặc Chen (1996), yêu cầu ước lượng quá nhiều tham số là 10 và 13.

Nelson-Siegel và Nelson-Siegel mở rộng

Ban đầu, Nelson và Siegel (1987) đã rút ra một công thức tương tự cho nghiệm của
phương trình vi phân thông thường mô tả động lực học của lãi suất. Giải pháp của họ

trong đó là tỷ giá kỳ hạn tức thời của ngày hôm nay θ và các tham số và
là các tham số tự do cần được ước tính.

Sử dụng

Ta có

(4.10)

trong đó,

● là lãi suất của trái phiếu zero-coupon được gộp liên tục tại thời điểm 0
với thời gian đáo hạn θ.
● là giới hạn của khi θ tiến tới vô cùng. Thực tế, được xem là lãi suất
 dài hạn.
● β 1là giới hạn của - khi θ tiến tới vô cùng. Thực tế, nên được xem như
trải dài từ dài hạn đến ngắn hạn.

● là một tham số độ cong.

● là một tham số tỷ lệ đo lường tốc độ mà các thành phần ngắn hạn và trung hạn
phân rã về 0.

2.4.2.2 Thảo luận và so sánh các phương pháp

Từ quan điểm lý thuyết, một thiếu sót của việc làm cho mô hình phù hợp với cấu trúc kỳ
hạn hiện tại là người ta đánh mất một mô hình về sự năng động của giá cả. Mô hình thay
đổi hàng ngày bởi vì các tham số được chọn để phù hợp với đường cong lãi suất của trái
phiếu zero-coupon, nhưng không có mô hình nào dự đoán các tham số ngày mai có liên
quan như thế nào với các tham số hôm nay (xem Chương 12 và Martellini và Priaulet
(2000) về các mô hình động của đường cong lãi suất của trái phiếu zero-coupon). Tất
nhiên, nhận xét này áp dụng cho cả hai phương pháp, phù hợp với hàm chiết khấu và phù
hợp với đường cong lãi suất của trái phiếu zero-coupon. Cũng cần lưu ý rằng phần lớn
các mô hình như vậy không nhất quán với các mô hình động lực học của đường cong lãi
suất của trái phiếu zero-coupon. Theo tính nhất quán, ở đây chúng ta muốn nói rằng mô
hình động sẽ tạo ra các đường cong trong tương lai thuộc họ các đường cong lãi suất
được tái tạo. Như Bjork và Christensen ̈(1999) đã chỉ ra, mô hình đường cong lãi suất mở
rộng của Nelson và Siegel nhất quán với mô hình động của Hull và White (1990) (xem
Chương 12).

Hơn nữa, luôn luôn từ quan điểm lý thuyết, việc điều chỉnh đường cong lãi suất của trái
phiếu zero-coupon rõ ràng là tốt hơn so với điều chỉnh chức năng chiết khấu. Đặc biệt, nó
cho phép giải thích rõ ràng hơn các tham số. Ngoài ra, nó yêu cầu ít tham số hơn. Điều
này làm cho bất kỳ nỗ lực nào để phòng ngừa rủi ro cho danh mục đầu tư trái phiếu bằng
cách đặt độ nhạy về 0 đối với các tham số này sẽ thuận tiện hơn (xem Chương 6). Tuy
nhiên, rất khó để thực hiện từ quan điểm tính toán, bởi vì nó yêu cầu giải các thuật toán
tối ưu hóa phi tuyến tính, thường hội tụ chậm. Cuối cùng, nó thể hiện một độ lõm có hệ
thống ở phần cuối dài hạn của đường cong (bắt đầu từ 7 năm đến khi đáo hạn). Đây được
cho là nhược điểm chính và Priaulet (1997) cho thấy trái phiếu dài hạn được định giá với
độ chính xác thấp hơn theo phương pháp này. Đặc biệt, khi thực hiện phân tích giàu và
rẻ, phương pháp spline là phương pháp linh hoạt nhất; chúng cho phép phục hồi giá trái
phiếu với độ chính xác gần như hoàn hảo.