Python 예제: Nelson‑Siegel과 스플라인을 넘어: 할인곡선 보정·보간·외삽을 위한 모델 독립형 머신러닝 프레임워크

Python에서 yieldcurveml 활용하기 논문 ‘Beyond Nelson‑Siegel and splines: A model‑agnostic Machine Learning framework for discount curve calibration, interpolation and extrapolation’에 제시된 예시를 그대로 따라해 보겠습니다. 라이브러리 설치 pip install yieldcurveml 데이터 불러오기 및 전처리 import pandas as pd from yieldcurveml import CurveFitter # 예시 데이터 (년수, 스왑 금리) data = pd.read_csv('swap_rates.csv') 모델 정의 및 학습 # 기본 모델(예: RandomForest) model = CurveFitter(method='random_forest', n_estimators=500) model.fit(data['years'], data['rates']) 커브 보정 및 보간/외삽 # 보정된 이자율 커브 yields = model.predict([1, 2, 3, 5, 7, 10, 15, 20]) print(yields) 시각화 import matplotlib.pyplot as plt plt.plot(data['years'], data['rates'], 'o', label='Observed') plt.plot([1, 2, 3, 5, 7, 10, 15, 20], yields, '-', label='YieldCurveML') plt.legend() plt.xlabel('Years') plt.ylabel('Yield') plt.title('Discount Curve') plt.show() 위 예시는 가장 기본적인 흐름이며, yieldcurveml 공식 문서에서 다른 머신러닝 기법이나 하이퍼파라미터 튜닝에 대한 상세 정보를 확인하실 수 있습니다.