Bloomberg用的yield curve构建方法有三种，bootstrap，parametric (e.g. nelson-siegel)，spline。这里的bootstrap指的是广义上的，泛指能够reprice所有构建curve的instrument的方法，而不是狭义地指curve stripping的过程。

1. Bootstrap主要用于swap curve的构建。swap market有固定的tenor，并且每个特定的tenor只有一个交易工具，因此对于定价的准确性要求很高。一般swap的market player要求用curve来price swap的时候是要完全能back-out出par coupon的，因此bookstrap是唯一的选择，因为这种方法不管你用什么interpolation或者extrapolation方法，对于market直接有报价的点，定价的时候是完全能match上的，换作拟合的方法是无法做到。对于market quote的点，则做插值处理。

2. Parametric一般用于bond curve，或者又叫做issuer curve的构建。bond的特点就是有固定的到期日，而不像swap market一样每天都有比如5年的swap。这种情况下可能有不同coupon的bond 集中在某个区域，又或者一个aging的bond和一个新issue的bond有相同的到期日（on-the-run vs off-the-run)。这时候就不能用bootstrap的方法来match所有的bond yield，因为这样的curve会非常的kinky。因此这时候只能用parametric的方式。一般这种时候根据不同的用途会用不同的bond construction。比如只用on the run的US treasury bond来构建的active government curve 或者用liquidity达到一定标准的的bond构建的curve，或者取相似rating的bond构建的rating curve。大多数Government，Sovereign，Municipal和Corporate curve都是这么构建的。

3. 最后一种是spline，更具体得说是piecewise spline。上面所说的parametric的办法现实当中有一定的缺陷。第一是因为参数的数量有限，导致曲线虽然平滑，但是限制了它fit更多instrument的能力。第二，这类方法有时候会过度fit曲线上某一个区域（例如短期）的yield导致对于别的区域（例如中长期）fit的误差比较大。spline曲线很好得解决了这个问题，spline方法假设每一段曲线都拥有独立的自由度去fit相应区域的instrument。常见的有cubic或者expoential spline。这样构建出来的曲线兼顾了平滑和拟合度。但是要使用spline curve，这个curve的 instrument得非常liquid。提高了拟合的自由度是一把双刃剑，只有非常liquid的market比如G7的Government bond curve，因为本身不同的tenor之间yield的关系就非常一致，因此能用spline来拟合。如果curve本身不liquid，不同期限的yield非常混乱，比如一些Latam market的curve（像上面提到的多米尼加共和国的曲线），那么还是用parametric curve比较好。