超长信用债发行量大幅度上升，亟需合理定价手段作为交易参照。但超长信用债期限长，受多种因素影响，定价难度较大，传统方法难以有效应对其复杂性。改进后的收益率曲线拟合法可以提供一个相对可靠的参照。
　　传统的超长债定价方法存在局限性：插值法能够提供平滑的拟合曲线，但无法进行区间外预测，难以对新发行的或交易不活跃的超长债进行定价；静态拟合法依赖模型设定，难以反映市场趋势，且部分模型在刻画短端复杂的倒挂现象时存在不足。
　　在传统静态Nelson-Siegel模型基础上引入Diebold-Li模型(D-L模型)，并结合数值优化和数据趋势性处理的方法，大幅度提升了预测精度。D-L模型的方程中包含三个因子，分别控制了曲线的水平高度、斜率和曲率，通过对水平因子、斜率因子和曲率因子的刻画，可以展现不同债券的期限结构特点。
　　D-L模型是特殊版本的Nelson-Siegel模型，能够有效控制期限结构形态，并且对数据的要求较低。对长债的定价需要充分发挥D-L模型能够有效控制期限结构形态的能力，针对不同类型的债券分类优化求参使得长债定价精确性进一步提升。
　　为进一步提高定价预测能力，可以对D-L模型进行三方面的改进，具体包括参数设定，正则化处理，以及数据趋势性处理。在参数设定改进中，针对不同债券评级、不同债权类型对关键参数进行细致的设定和优化，确保模型能有效控制曲线的曲率和斜率；在正则化处理时，加入L1正则化处理，提高模型对长端的泛化预测能力并减少过拟合的现象；对数据趋势性处理时，考虑到债券价格对经济因素变化的滞后性，报告对不同数据进行加权处理，在一定时间范围内能够有效跟踪超长债价格的趋势性变化。
　　为更准确地预测个券价格，我们对债券进行了细化分类，将信用债区分产业债和城投债，在城投债中加入了隐含评级分类、是否永续债分类、是否担保发行分类、是否公募发行分类；产业债则在此基础上进一步加入了行业划分。细化分类后的数据能够使模型更精准地捕捉到每个细分类别下对收益率产生影响的关键因素，从而提高预测的精度。
　　报告选取了三个不同场景下的案例进行分析，验证了改进后的D-L模型的有效性，具体包括：首次发行的超长债、交易价格和中债估值偏差较大的债券、交易价格和中债估值偏差较小的债券。
　　为了检验模型的有效性，我们在不同的应用场景下，随机选取了不同时间、不同债券的交易信息进行测试。具体来说，对于首次发行且缺乏交易信息和机构估值的超长债，模型仍然取得了较好的估价精度，并通过预测其后续收益率走势验证了模型的定价能力。
　　对于已经存续的有估值和交易信息的债券，若债券初始交易价格和中债估值偏差较大，本模型能够预测价格后续趋势性调整，在误差范围内做到事先预测而非事后调整；对初始交易价格和中债估值偏差较小的债券，模型预测价格和各类估值基本一致，也充分说明模型定价和预测能力具备一定的可靠性。
　　风险提示：1）模型假设与现实偏差；2）指标选取存在主观性；3）数据更新不及时及提取失误；4）统计口径不准确。