量化模型与构建方式 1. 模型名称：城投短端下沉策略 - 模型构建思路：通过配置短期限城投债，利用其防御属性获取稳定收益[2] - 模型具体构建过程：基准组合配置20%的10年国债、64%的3年AA+城投债及16%的10年AA+产业债，短端下沉策略在此基础上调整久期至更短区间[14] - 模型评价：防御性强，近四周超额收益表现优于其他策略[2] 2. 模型名称：二永债久期策略 - 模型构建思路：通过拉长久期配置二级资本债和银行永续债，捕捉利率波动收益[2] - 模型评价：受单周市场拖累表现较弱，但长期累计超额收益仍具竞争力[2] 3. 模型名称：券商债策略 - 模型构建思路：重仓证券公司债，利用其低久期特性对冲市场波动[2] - 模型评价：累计超额收益持续领先，稳定性突出[2] --- 模型的回测效果 1. 城投短端下沉策略：近四周超额收益20bp（基准为3年城投子弹型）[13] 2. 二永债久期策略：近四周超额收益受拖累，累计读数落后短端策略[13] 3. 券商债策略：近四周累计超额收益领先其他金融债策略[13] --- 量化因子与构建方式 1. 因子名称：信用债久期因子 - 因子构建思路：统计各券种加权平均成交期限，反映市场久期偏好[15] - 因子具体构建过程：计算城投债（2.21年）、产业债（2.72年）、二级资本债（4.09年）等券种的期限加权值，并对比历史分位数[15] - 因子评价：城投债、产业债久期处于历史90%分位以上，显示市场风险偏好较高[15] 2. 因子名称：收益率变动因子 - 因子构建思路：跟踪不同期限信用债收益率周度变化[18] - 因子具体构建过程：按券种（如城投债、产业债）和期限（1年内、1-2年）分组统计收益率变动，例如1年内国企地产债收益率下行10bp[18] - 因子评价：金融债中租赁债表现最优，银行次级债分化明显[18] --- 因子的回测效果 1. 信用债久期因子： - 城投债久期历史分位数95.8%[16] - 二级资本债久期历史分位数91.2%[16] 2. 收益率变动因子： - 1年内国企地产债收益率下行10bp[18] - 租赁债收益率下行幅度居金融债首位[18] --- 其他关键指标 1. 超长信用债表现：10年以上AA+信用债指数周跌幅0.13%，跌幅小于国债[22] 2. 地方债换手率：10年以上品种周换手率突破1%，成交量达3500亿元[25][26]