Precio ajustable de Canada House Trust

Question

Estoy usando Python QuantLib, de acuerdo con uno de los códigos de muestra de QuantLib para evaluar los CHT (Canada Housing Trust) Floaters, y el índice que estoy utilizando es CDOR, y de alguna manera el precio que obtengo siempre es más alto que el del mercado, así que publico mi código a continuación, por favor ayúdame a ver si cometí algún error.

1. Primero, las tasas a futuro de CDOR que estoy usando en el código se descargaron de este sitio: https://www.chathamfinancial.com/technology/canadian-forward-curves#contact;
2. Luego construyo la curva a futuro de CDOR usando ql.ForwardCurve
3. Construyo el índice CDOR de 3 meses usando la curva a futuro de CDOR
4. Descubro el spread del índice en este sitio web para cada CHT floater: https://www.cmhc-schl.gc.ca/en/professionals/project-funding-and-mortgage-financing/securitization/canada-mortgage-bonds/list-of-outstanding-cht-debt-issues
5. Construyo cada programa y bono FRN

6. Calculo el precio de los FRN usando la curva Bootstrap CHT que construí

   # 1. construir estructura temporal de la curva a futuro de CDOR
   tasas = [0.0043574, 0.0044015, 0.0044471, 0.0044961, 0.0045767, 0.0046476, 0.0047762, 0.0049175, 0.0050456,
            0.0051272, 0.005215, 0.0052943, 0.0054934, 0.0058323, 0.0061394, 0.0065789, 0.007122, 0.0076312,
            0.0079265, 0.0085458, 0.009145, 0.0098384, 0.0105592, 0.0112552, 0.0120167, 0.0127172, 0.0133951,
            0.014063, 0.0146859, 0.0153088, 0.0159396, 0.0164637, 0.0170059, 0.0175708, 0.0180457, 0.0185048,
            0.0189963, 0.0193824, 0.0197952, 0.020192, 0.0205116, 0.0208632, 0.021149, 0.0214018, 0.0216628,
            0.0218877, 0.0220687, 0.0222321, 0.0224091, 0.0225604, 0.0227268, 0.0228641, 0.0229961, 0.0231323,
            0.0232522, 0.0233617, 0.0234712, 0.0235739, 0.0236691, 0.0237499, 0.0238338, 0.0239213, 0.0240147,
            0.0240994, 0.0241908, 0.0242822, 0.0243707, 0.024468, 0.0245506, 0.0246429, 0.0247457, 0.0248357,
            0.0249312, 0.0250218, 0.0251154, 0.025205, 0.0252976, 0.0253789, 0.0254632, 0.0255553, 0.0256387,
            0.0257273, 0.0258128, 0.0258928, 0.0259805, 0.0260832, 0.0261826, 0.026284, 0.0264028, 0.0265216,
            0.0266478, 0.0267761, 0.0269088, 0.027054, 0.0272047, 0.0273454, 0.0275008, 0.0276, 0.0277098,
            0.0278129, 0.0278731, 0.0279375, 0.0279934, 0.0280133, 0.0280332, 0.0280468, 0.0280241, 0.0280035,
            0.0279915, 0.0280254, 0.0280617, 0.0281093, 0.0282009, 0.0283017, 0.0283966, 0.0285495, 0.0287074,
            0.0288604, 0.0290749, 0.0292687, 0.0294786]
   fechas = ['2021-04-14', '2021-05-14', '2021-06-14', '2021-07-14', '2021-08-16', '2021-09-14', '2021-10-14',
            '2021-11-15', '2021-12-14', '2022-01-14', '2022-02-14', '2022-03-14', '2022-04-14', '2022-05-16',
            '2022-06-14', '2022-07-14', '2022-08-15', '2022-09-14', '2022-10-14', '2022-11-14', '2022-12-14',
            '2023-01-16', '2023-02-14', '2023-03-14', '2023-04-14', '2023-05-15', '2023-06-14', '2023-07-14',
            '2023-08-14', '2023-09-14', '2023-10-16', '2023-11-14', '2023-12-14', '2024-01-15', '2024-02-14',
            '2024-03-14', '2024-04-15', '2024-05-14', '2024-06-14', '2024-07-15', '2024-08-14', '2024-09-16',
            '2024-10-14', '2024-11-14', '2024-12-16', '2025-01-14', '2025-02-14', '2025-03-14', '2025-04-14',
            '2025-05-14', '2025-06-16', '2025-07-14', '2025-08-14', '2025-09-15', '2025-10-14', '2025-11-14',
            '2025-12-15', '2026-01-14', '2026-02-16', '2026-03-16', '2026-04-14', '2026-05-14', '2026-06-15',
            '2026-07-14', '2026-08-14', '2026-09-14', '2026-10-14', '2026-11-16', '2026-12-14', '2027-01-14',
            '2027-02-15', '2027-03-15', '2027-04-14', '2027-05-14', '2027-06-14', '2027-07-14', '2027-08-16',
            '2027-09-14', '2027-10-14', '2027-11-15', '2027-12-14', '2028-01-14', '2028-02-14', '2028-03-14',
            '2028-04-14', '2028-05-15', '2028-06-14', '2028-07-14', '2028-08-14', '2028-09-14', '2028-10-16',
            '2028-11-14', '2028-12-14', '2029-01-15', '2029-02-14', '2029-03-14', '2029-04-16', '2029-05-14',
            '2029-06-14', '2029-07-16', '2029-08-14', '2029-09-14', '2029-10-15', '2029-11-14', '2029-12-14',
            '2030-01-14', '2030-02-14', '2030-03-14', '2030-04-15', '2030-05-14', '2030-06-14', '2030-07-15',
            '2030-08-14', '2030-09-16', '2030-10-14', '2030-11-14', '2030-12-16', '2031-01-14', '2031-02-14',
            '2031-03-14', '2031-04-14']
   ql_fechas = [utils.to_quantlib_date(utils.string_to_date(d)) for d in fechas]
   curva_a_futuro_cdor = ql.ForwardCurve(ql_fechas, tasas, ql.Actual365Fixed(), ql.Canada(), ql.BackwardFlat())
   ql_curva_forecast = ql.RelinkableYieldTermStructureHandle()
   ql_curva_forecast.linkTo(curva_a_futuro_cdor)
   
   # 2. crear índice Cdor usando la curva a futuro de CDOR
   ql_indice = ql.Cdor(ql.Period(3, ql.Months), ql_curva_forecast)
   ql_indice.addFixing(ql.Date(15, ql.Marzo, 2021), 0.004375)
   
   # 3. instanciar horario y bono FRN
   fecha_acumulacion_intereses = calendar.advance(quantlib_fecha_negocio, ql.Period(-1, ql.Years))
   horario = ql.Schedule(fecha_acumulacion_intereses,
                          quantlib_fecha_vencimiento,
                          plazo,
                          calendar,
                          convencion_dia_habil,
                          convencion_dia_habil,  # convención de terminación
                          generacion_fecha,
                          fin_de_mes)
   
   bono_flotante = ql.FloatingRateBond(dias_liquidacion,
                                       valor_nominal,
                                       horario,
                                       ql_indice,
                                       ql.Actual365Fixed(),
                                       convencion_dia_habil,
                                       ql_indice.fixingDays(),
                                       [],  # Ajustes
                                       [margen_inicial],  # Spreads
                                       [],  # Topes
                                       [],  # Pisos
                                       Falso,  # Fijación atrasada
                                       valor_nominal,
                                       fecha_acumulacion_intereses)
   
   # 4. Usando la curva Bootstrap CHT que he construido (se ha omitido el código detallado), evaluo los CHT floaters

   bono_flotante.setPricingEngine(ql.DiscountingBondEngine(ql.YieldTermStructureHandle(cht_curva))) precio_limpio = bono_flotante.cleanPrice()

Answer 1

Bill, ¿tú eres?

1. ¿Construyendo la curva de descuento cht a partir de los bonos cht de tasa fija?
2. ¿Creando un bono de tasa flotante cht utilizando el diferencial contractual sobre cdor?
3. ¿Valorando los bonos? Esto solo los valorará aproximadamente, pero no debería ser totalmente terrible.

Si también sumas ese diferencial de índice a cdor no estoy seguro de lo que estás haciendo... Mike. Sí, Mike de datavault.