核心观点 - 中银量化团队创新性地提出了宏观因子资产化理念，并基于宏观实时（PIT）因子库构建了国债期货择时策略，该策略通过“宏观因子构建、宏观交易逻辑净值化、因子动态优选与复合”三大步骤生成交易信号，回测显示策略实现了稳健的收益与较强的抗风险能力，最终优化后的策略在1倍杠杆费后实现了年化收益率3.7%，夏普比率1.27，卡玛比率1.12的较优业绩 [1][4][87] 一、主连合约的复权方法 - 国债期货主连合约在切换时可能存在价格跳变，直接使用不复权价格会干扰择时模型判断，因此需要采用复权方法保证价格序列的连续性，报告将十年期国债主连合约的复权价格设定为业绩比较基准 [11][12] 二、宏观因子资产化框架 - 传统宏观建模的局限性：传统方法通常将月度宏观数据统一滞后1-2个月进行建模，其底层假设是过去宏观与资产收益的映射关系在未来保持不变，这在中国发展模式快速切换的背景下可能失效，导致预测误差增大 [4][19][27] - 中银PIT方法的创新：通过万得宏观经济日历精准获取宏观数据的实际披露日期与时间，将PIT宏观信息仅滞后一定时间（如10分钟）进行实时建模，显著降低了市场状态匹配的滞后性 [4][19][40] - 宏观因子资产化理念：摒弃传统参数估计，基于经典经济学逻辑，将宏观变量的边际变化直接转化为“多/空”交易信号，并生成该单因子的国债期货费后择时净值曲线，从而动态锚定当前主导资产定价的核心宏观因子 [4][26][40] 三、策略构建与回溯测试 - 宏观因子库构建：从经济增长、通货膨胀、货币信贷政策、央行公开市场操作四个维度设计与十年期国债利率相关的择时信号，构建宏观因子库，所有指标均使用万得EDB初值以避免未来数据 [4][29][30] - 因子标准化与信号生成：从因子趋势变化和趋势强度两个维度对单因子进行批量化构建，基于其边际变化生成实时的利率多空交易信号 [31][38] - 因子动态优选与复合： - 样本内优选法被证实存在较高的过拟合风险，不推荐使用 [64] - 采用多周期动量因子优选法，选择“2周”和“12个月”两个动量周期对每类因子库进行动态筛选（如经济增长、通胀、货币信贷类优选top15，公开市场操作类优选top5），再对优选池内因子的多空信号进行等权求和，生成单类复合因子信号 [65][70] - 将四类单类复合因子信号再次等权求和，生成最终的利率择时复合信号 [67] - 策略回测表现： - 单类因子表现：在2016年至2025年11月的回测周期内，四类单因子经多周期动量优选后，费后年化收益率分别为：经济增长1.5%、通货膨胀2.6%、货币信贷1.8%、公开市场操作3.1% [71][76] - 四因子复合表现：四因子复合信号费后年化收益率为3.4%，夏普比率为1.09，卡玛比率为0.88 [76] - 阈值优化：将开仓阈值从0提升至1（即信号和大于1做多，小于-1做空），策略表现进一步提升，优化后费后年化收益率达3.7%，夏普比率1.27，卡玛比率1.12，对比十年国债主连复权基准（年化收益2.4%，夏普0.70）有显著提升 [78][82] - 参数稳健性：模型对信号滞后参数n的变化不敏感，参数n在10分钟至30分钟区间内表现相对较好，报告统一设定为滞后10分钟 [4][83][84] 四、总结 - 报告构建的宏观因子资产化框架下的国债期货择时策略，通过PIT方法实时处理宏观数据，并经过多周期动量因子动态优选与复合，最终形成了高效的择时信号，实现了稳健的绝对收益 [87]