Configuración inicial

import QuantLib as ql
import numpy as np
import pandas as pd

# Configuración del calendario y fecha de valoración
calendario = ql.Germany(ql.Germany.Eurex)
fecha_valor = calendario.adjust(ql.Date(30, 1, 2008))
ql.Settings.instance().evaluationDate = fecha_valor

Carga de datos de bonos

datos_bonos = pd.read_csv('DATOS_BONOS.csv', 
                        parse_dates=['FECHA_VENCIMIENTO', 'FECHA_EMISION'])

precios = [ql.QuoteHandle(ql.SimpleQuote(p)) for p in datos_bonos['PRECIO']]
vencimientos = [ql.Date(d.day, d.month, d.year) for d in datos_bonos['FECHA_VENCIMIENTO']]
tasas_cupon = datos_bonos['TASA_CUPON'].values

Configuración de instrumentos

instrumentos = []
for i in range(len(datos_bonos)):
    calendario_pagos = ql.Schedule(
        vencimientos[i] - ql.Period(10, ql.Years),  # Fecha aproximada de emisión
        vencimientos[i],
        ql.Period(ql.Annual),
        calendario,
        ql.Unadjusted,
        ql.Unadjusted,
        ql.DateGeneration.Backward,
        False)
    
    helper = ql.FixedRateBondHelper(
        precios[i],
        0,  # Días de liquidación
        100,  # Valor nominal
        calendario_pagos,
        [tasas_cupon[i]],
        ql.Actual365Fixed(),
        ql.Unadjusted)
    
    instrumentos.append(helper)

Modelos de curva de rendimiento

# Configuración de diferentes modelos
modelos = {
    'Nelson-Siegel': ql.NelsonSiegelFitting(),
    'Svensson': ql.SvenssonFitting(),
    'Splines Cúbicos': ql.CubicBSplinesFitting([0, 5, 10, 20, 30])
}

curvas = {}
for nombre, modelo in modelos.items():
    curvas[nombre] = ql.FittedBondDiscountCurve(
        fecha_valor,
        instrumentos,
        ql.Actual365Fixed(),
        modelo,
        1e-6,  # Tolerancia
        5000)  # Iteraciones máximas

Visualización de resultados

import matplotlib.pyplot as plt

plazos = np.linspace(0.1, 30, 100)
for nombre, curva in curvas.items():
    tasas = [curva.zeroRate(t, ql.Actual365Fixed(), ql.Continuous).rate()*100 
             for t in plazos]
    plt.plot(plazos, tasas, label=nombre)

plt.legend()
plt.xlabel('Plazo (años)')
plt.ylabel('Tasa (%)')
plt.title('Comparación de modelos de curva de rendimiento')
plt.show()

Consideraciones importantes

• La calidad de los resultados depende críticamente de la selección de parámetros iniciales
• Los modelos Nelson-Siegel y Svensson pueden requerri restricciones adicionales
• La implementación actual utiliza el algoritmo simplex, que puede no ser óptimo para problemas no convexos