债券深度报告：长债预测和择时的量化视角

　　前言：研究的重要内容是预测和应对，对固收来说即预测未来的利率走势&应对利率变化。传统的利率研究框架往往基于定性的经验分析，优势是信息来源丰富、灵活，但缺点是预测时难以量化目标变量之间的影响程度，而在应对利率变化的时候缺少明确的操作标准。本文采用两个模型，分别以月度预测10Y国债收益率变化方向以及通过动量信号确定调仓规则。

    　　10Y国债收益率方向预测：我们选择二分类Logistic模型：一般线性模型通常用于回归问题，预测数值型数据的目标值；而Logistic模型的输出是一个概率值，表示事件发生的可能性，更广泛运用于二分类问题。前瞻变量选取方面，我们根据最大相关性的原则，选择了四个影响10Y国债收益率变化方向的前瞻指标：a、领先3M的社融存量同比；b、领先2M的M1-M2同比；c、领先1M的IRS:FR007（1年）；d、领先2M的二手房出售挂牌价格指数环比。模型总体准确率在6成左右，在预测收益率下行时表现较好，准确率为100%，但在预测收益率上行时准确率为53%。模型拟合得到12月利率上行的概率为60.9%，整体震荡偏空。

    　　根据动量信号进行高频操作：

    　　为什么引入动量指标？利率价格本身也蕴含着丰富的信息，挖掘利率价格运行中本身的“动能”、“势能”信号能够更加高频的捕捉到市场情绪的变化，可能弥补相对低频的经济数据的覆盖度和有效性不足的问题。

    　　因此，我们引入10Y国债收益率的MTM和MAMTM，其中MTM(N) = 当前价格- N日前价格，MAMTM = MTM的最近M日的移动平均。结合动量指标，我们构建了几种10Y国债的投资场景，包括可能的买入场景组合（牛市加速，熊市反转，牛市启动）和可能的卖出场景组合（熊市加速，牛市反转，熊市启动），在投资场景基础上构建16种投资策略，并构建16个拟合策略指数。最终我们发现，买入场景和卖出场景均在2个以上的策略，胜率、夏普比率、平均收益率等指标表现会更好；而分年份来看，考虑所有6个场景的高频操作策略的综合效果最好，体现在其在多数年份的收益率跑赢其他15个指数。最终我们以该两个效果最好的策略作为最优策略组合，和中债国债指数、信用债指数、中债总指数比较，两个拟合指数均系统性跑赢，且表现出了更优的风险收益比。

    　　风险提示：1）模型拟合结果存在误差；2）前瞻影响因素不全面；3）动量指标可能不能准确界定趋势和变化。

声明：

1. 风险提示：以上内容仅来自互联网，文中内容或观点仅作为原作者或者原网站的观点，不代表本站的任何立场，不构成与本站相关的任何投资建议。在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。本站竭力但不能证实上述内容的真实性、准确性和原创性，对此本站不做任何保证和承诺。
2. 本站认真尊重知识产权及您的合法权益，如发现本站内容或相关标识侵犯了您的权益，请您与我们联系删除。