殖利率曲线倒挂

Apr 26 2022

本文重点概要

文章难度：★★☆☆☆
阅读建议：本文会利用Python实作视觉化过程，需要读者对视觉化以及程式有基本认识。

前言

当两年期美国公债减十年期美国公债利差为正，我们称之为殖利率曲线倒挂。

通常天期越长的债券需要较高的风险溢酬，而发生倒挂时伴随而来的是关于景气衰退的疑虑，而本文将以寻找每个发生倒挂的时点，接著绘出一年之前与两年后的总经数据以提供观察。

编辑环境及模组需求

本文使用 Window10 并以 Spyder(anaconda31) 作为编辑器

#######################3
from datetime import datetime, timedelta 
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt 
#########################3
import tejapi
import plotly.graph_objects as go
import plotly.io as pio
##################
pio.renderers.default = 'browser'       ##PLOT IN WEB

资料库使用

总体经济资料: 总体经济资料库代码 (GLOBAL/ANMAR),

总体经济资料: 总体经济说明资料库代码 (GLOBAL/ABMAR)

TEJ PRO 总体经济资料库

资料导入

本文的公债取自TEJ PRO资料库，所以在本机端读取

df=pd.read_excel("C:Users/user/Desktop/Tej/美国公债殖利率.xlsx")

资料里面有na值，我们要将她删除并且重设index

df.dropna(inplace=True)

df.reset_index(drop=True,inplace=True)

资料处理 step1 计算指标

df["dif2Y"]=df.US10Y-df.US2Y
df["invertkeepday"]=df["dif2Y"].apply(lambda x : 1 if x < 0 else 0 )

df["cross"]=np.nan
df["notcross"]=np.nan

startday=[]
endday  =[]
keep = 0 
df=df.copy()
for i in range(len(df)):
    if df["invertkeepday"][i]  >0 :
        if keep == 0:        
            df["cross"][i]=df["US10Y"][i]
            startday.append(df["日期"][i])
            keep = 1
    elif  keep == 1 :
        df["notcross"][i]=df["US10Y"][i]

if  df["invertkeepday"][i] < 1 :
            endday.append(df["日期"][i])
            keep = 0

我们用程式来看有多少资料

for start , end  in zip(startday,endday):

    print(start , end, end-start)

inverted=pd.DataFrame(endday,startday)
inverted.reset_index(inplace=True)
inverted["year"]=inverted["index"].dt.year
datetime=inverted.groupby('year')
datetime=list(datetime)
getstart=[]
getend  =[]
for i  in datetime :
    i[1].reset_index(drop=True,inplace=True)
    start = i[1]["index"][0]
    end = i[1][ 0][len(i[1])-1]
    getstart.append(start)
    getend.append(end)
for start , end  in zip(getstart,getend):
    print(start , end, end-start)

1990 , 1998 ,2000 ,2005~2007 , 2019, 2022 ，一共发生六次

df.set_index("日期",inplace=True)

plt.figure(figsize=(12.2,4.5))
plt.scatter(df.index,df['cross'],color='red', label='cross!',marker='x',alpha=1)
plt.scatter(df.index,df['notcross'],color='green', label='Notcross',marker='o',alpha=1)
plt.plot(df["US2Y"], label='2Y', alpha=0.35)
plt.plot(df["US10Y"], label='10Y', alpha=0.35)
plt.plot(df["dif2Y"], label='dif', alpha=0.35)

plt.title('Close Price Buy & Sell Signals')
plt.xticks(rotation=45)
plt.xlabel('Date')  
plt.ylabel('Price')
plt.legend()
plt.grid()

df[df["US2Y"]==0]

df.drop(index="2017-04-14",axis=1,inplace=True)

##因为资料有0 影响画图

Step 2. 视觉化资料(完整详见程式码)

接下来我们拥有倒挂发生的时间后，使用他为输入绘出近两年的经济数据，包含PMI ，失业率，经济成长率，消费者信心等

结论

从各方面的经济数据来看可能代表著景气已过高峰，因此对未来景气产生疑虑，售出短天期的债券，而偏好更长期的债券，才导致殖利率发生倒挂，虽然每次发生倒挂后，会伴随著经济衰退，但这五次发生倒挂后，有两次美国经济并未在两年内发生经济衰退，2000年因为遇上网路泡沫，而2019年倒挂后也是因为遇上疫情后才产生经济衰退。

近五次的衰退，有四次股票续创新高
三次发生衰退时，皆处于降息循环，两次未发生衰退时，美国正处于升息循环

而现在呢?

目前美国的经济数据高峰虽已过，但仍维持在很高的水准，也因为依然强劲的经济表现，使美国联准会进入了升息循环，虽然每次的倒挂随后都会衰退，但这个指标为非常领先的指标了，过去五次两年期与十年期发生倒挂，平均还要18个月才会发生衰退，或许倒挂是想告诉我们

嘿! 该注意风险了。

完整程式码

点此前往Github