Quantlib Curva de rendimiento y composición de tipos

Question

Necesito ayuda para entender la interpretación de Quantlib sobre la curva de rendimiento y los tipos. La salida de la tasa recuperada de la curva de rendimiento difiere de la expectativa para los casos no continuos.

Ilustración: Empecemos por definir la curva de rendimiento ..

tod = ql.Date(5,5,2022)
ardates = [tod,  tod+ql.Period(1,ql.Weeks),  tod+ql.Period(1,ql.Months),  tod+ql.Period(3,ql.Months),
           tod+ql.Period(6,ql.Months),tod+ql.Period(1,ql.Years),tod+ql.Period(2,ql.Years) ]
arzeros = [0.43902, 0.80713,1.0581, 1.19588,1.64246, 2.2557, 2.72901]

Puedo recuperar los valores de la curva de rendimiento de la siguiente manera Esto funciona como se espera para ql.Continuous

print(arc1.zeroRate(0, ql.Continuous).rate())
print(arc1.zeroRate(1, ql.Continuous).rate())
print(arc1.zeroRate(2, ql.Continuous).rate())

0.4409131371427133
2.2387596685082873
2.714784836065574

Pero si intento obtener la curva de rendimiento utilizando otros enfoques de composición, obtengo números muy diferentes.

print(arc1.zeroRate(0, ql.Compounded, ql.Annual).rate())
print(arc1.zeroRate(1, ql.Compounded, ql.Annual).rate())
print(arc1.zeroRate(2, ql.Compounded, ql.Annual).rate())

0.5541257006801319 vs. expectation of ~ 0.4419
8.38168766530322   vs. expectation of ~ 2.2639 (i.e. e^(1*2.2387%)  -1 )
14.101360454177165 vs. expectation of ~ 2.7519 (i.e. e^(2*2.7147%)^0.5 -1 )

¿Pueden ustedes ayudarme a entender por qué los resultados difieren de mis expectativas? ¿Es mi expectativa incorrecta en primer lugar?

Saludos, Rohit

Answer 1

Había un error en la pregunta itsef. Los índices se consumen como decimales, por lo que 2,72901 se considera 272,9% en lugar de 2,72901%, de ahí la diferencia en el comportamiento real frente al esperado.