量化模型与构建方式 1. 模型名称：利率价量多周期择时策略 - 模型构建思路：通过核回归算法捕捉利率趋势形态，识别支撑线和阻力线，结合不同周期（长、中、短）的突破信号生成综合择时观点[9] - 模型具体构建过程： 1. 周期划分：长周期（月度切换）、中周期（双周切换）、短周期（周度切换）[9] 2. 信号规则： - 若至少2个周期出现向下突破支撑线且趋势非向上，则满配长久期债券 - 若至少2个周期出现向下突破但趋势向上，则配置1/2中久期+1/2长久期 - 若至少2个周期出现向上突破阻力线且趋势非向下，则满配短久期债券 - 若至少2个周期出现向上突破但趋势向下，则配置1/2中久期+1/2短久期 - 其他情况等权配置短、中、长久期债券[22] 3. 止损机制：单日超额收益<-0.5%时切换为等权配置[22] - 模型评价：策略通过多周期共振增强信号稳定性，历史胜率高 2. 模型名称：公募债基久期测算模型 - 模型构建思路：基于改进的回归模型动态跟踪中长期纯债基金的久期及分歧水平[12] - 模型具体构建过程： 1. 数据输入：全市场中长期纯债基金持仓数据 2. 杠杆调整：计入杠杆效应后计算久期中位数、均值及4周移动平均值[12] 3. 分歧指标：久期截面标准差衡量机构观点分歧[13] --- 量化因子与构建方式 1. 因子名称：利率水平结构因子 - 因子构建思路：将1-10年国债YTM转化为水平结构指标，衡量利率绝对高低[6] - 因子具体构建过程： - 计算水平结构读数：$水平结构=10年期国债YTM$[6] - 分位数标准化：滚动3/5/10年历史分位数[8] 2. 因子名称：利率期限结构因子 - 因子构建思路：通过期限利差反映利率曲线陡峭程度[6] - 因子具体构建过程： - 计算期限利差：$期限结构=10年期YTM-1年期YTM$[6] - 分位数标准化：滚动3/5/10年历史分位数[8] 3. 因子名称：利率凸性结构因子 - 因子构建思路：捕捉利率曲线的凸性特征[6] - 因子具体构建过程： - 计算凸性读数：$凸性结构=2\times中期YTM-（短期YTM+长期YTM）$[6] - 分位数标准化：滚动3/5/10年历史分位数[8] --- 模型的回测效果 1. 利率价量多周期择时策略 - 长期年化收益率：6.22%[23] - 最大回撤：1.53%[23] - 收益回撤比：2.27[23] - 超额收益率（vs久期等权基准）：1.69%[23] - 短期（2023年底以来）年化收益率：8.14%[5] - 短期最大回撤：1.64%[5] - 短期收益回撤比：6.98[5] 2. 公募债基久期测算模型 - 当前久期中位数：3.13年（历史5年分位数89.19%）[13] - 久期分歧（标准差）：2.02年（历史5年分位数98.07%）[13] --- 因子的回测效果 1. 利率水平结构因子 - 当前读数：1.53%（3/5/10年分位数6%/3%/2%）[8] 2. 利率期限结构因子 - 当前读数：0.26%（3/5/10年分位数2%/1%/6%）[8] 3. 利率凸性结构因子 - 当前读数：-0.08%（3/5/10年分位数3%/2%/2%）[8]