量化模型与构建方式 1. 利率价量周期择时模型 - 模型名称：利率价量周期择时模型（多周期共振策略）[10][22] - 模型构建思路：以核回归算法捕捉利率趋势形态，刻画利率数据的支撑线和阻力线，并根据不同投资周期下利率走势的形态突破情况，给出多周期复合择时观点[10] - 模型具体构建过程： - 利用核回归算法对利率YTM数据进行趋势形态识别，分别构建长周期、中周期、短周期三个时间维度下的支撑线和阻力线[10] - 长、中、短周期择时信号的平均切换频率分别为月度、双周度和周度[10] - 当利率形态向下突破支撑线时，记为下行突破票；当利率形态向上突破阻力线时，记为上行突破票[10] - 综合三个周期的突破信号进行投票：若3种周期下的同向突破总得票数达到2/3，则信号为明确的多头或空头；若未达2/3，则综合评分结果为中性震荡[10] - 若择时信号此前已给出看空/看多方向，后续转为中性但看多与看空信号总数未发生反转，则最终研判结果为中性偏空或中性偏多[10] - 模型评价：该模型通过多周期共振的方式捕捉利率趋势突破信号，能够适应不同投资周期的需求，信号切换频率合理[10][22] 2. 利率价量多周期交易策略 - 模型名称：利率价量多周期交易策略[22] - 模型构建思路：基于利率价量周期择时信号，结合不同久期债券指数的配置轮动，构建多周期交易策略[22] - 模型具体构建过程： - 测算区间：2007.12.31起至最新报告期[22] - 投资标的： - 短久期：综合债1-3（CBA00121）[22] - 中久期：综合债3-5（CBA00131）[22] - 长久期：5年期YTM模型下为综合债5-7（CBA00141）、10年期YTM模型下为综合债7-10（CBA00151）、30年期YTM模型下为综合债10以上（CBA00161）[22] - 组合构建规则： - 短、中、长周期中，有至少2个周期下的利率形态向下突破支撑线，且利率趋势非向上时，满配长久期[22] - 短、中、长周期中，有至少2个周期下的利率形态向下突破支撑线，但利率趋势向上时，配置1/2中久期+1/2长久期[23] - 短、中、长周期中，有至少2个周期下的利率形态向上突破阻力线，且利率趋势非向下时，满配短久期[26] - 短、中、长周期中，有至少2个周期下的利率形态向上突破阻力线，但利率趋势向下时，配置1/2中久期+1/2短久期[26] - 其余时间三种久期等权配置[26] - 业绩基准（久期等权策略）：1/3短久期+1/3中久期+1/3长久期[26] - 止损方式：当单日组合超额收益小于-0.5%时，调整持仓为等权配置[26] - 模型评价：该策略通过多周期信号共振进行久期轮动，在长期回测中表现出较好的收益风险比和超额收益稳定性[22][23] 3. 海外利率价量周期择时模型 - 模型名称：海外利率价量周期择时模型[19] - 模型构建思路：将国内债券的价量择时模型应用至海外利率债市场[19] - 模型具体构建过程：与国内利率价量周期择时模型一致，基于美国市场10年期国债YTM数据，利用核回归算法捕捉利率趋势形态，刻画支撑线和阻力线，根据不同投资周期下利率走势的形态突破情况，给出多周期复合择时观点[19] - 模型评价：该模型将国内成熟的价量择时框架推广至海外市场，具备一定的跨市场适用性[19] 模型的回测效果 1. 利率价量多周期交易策略（基于5年期国债YTM） - 长期年化收益率5.38%，最大回撤2.88%，收益回撤比1.87[23] - 长期超额收益率1.02%，超额收益回撤比0.6[23] - 短期年化收益率2.6%，最大回撤0.59%，收益回撤比4.49[23] - 短期超额收益率0.43%，超额收益回撤比2.38[23] - 逐年绝对收益大于0的胜率100%，逐年超额收益大于0的胜率100%[23] 2. 利率价量多周期交易策略（基于10年期国债YTM） - 长期年化收益率5.95%，最大回撤2.74%，收益回撤比2.18[24] - 长期超额收益率1.58%，超额收益回撤比1.13[24] - 短期年化收益率3.04%，最大回撤0.58%，收益回撤比5.31[24] - 短期超额收益率0.82%，超额收益回撤比3.62[24] - 逐年绝对收益大于0的胜率100%，逐年超额收益大于0的胜率100%[24] 3. 利率价量多周期交易策略（基于30年期国债YTM） - 长期年化收益率7.2%，最大回撤4.27%，收益回撤比1.69[30] - 长期超额收益率2.31%，超额收益回撤比0.84[30] - 短期年化收益率3.59%，最大回撤0.92%，收益回撤比3.82[30] - 短期超额收益率1.44%，超额收益回撤比2.85[30] - 逐年绝对收益大于0的胜率94.44%，逐年超额收益大于0的胜率94.44%[30] 量化因子与构建方式 1. 利率水平结构因子 - 因子名称：利率水平结构因子[7] - 因子构建思路：将1至10年的国债YTM数据转化至水平结构指标，从均值回归视角判断当前利率水平的高低[7] - 因子具体构建过程：将1至10年期国债YTM数据转化为水平结构读数，并计算其在历史3年、5年、10年视角下的滚动分位数[7] - 因子评价：该因子从均值回归视角反映利率绝对水平的高低，分位数越低表明利率水平越低[7] 2. 利率期限结构因子 - 因子名称：利率期限结构因子[7] - 因子构建思路：将1至10年的国债YTM数据转化至期限结构指标，反映利率期限利差水平[7] - 因子具体构建过程：将1至10年期国债YTM数据转化为期限结构读数，并计算其在历史3年、5年、10年视角下的滚动分位数[7] - 因子评价：该因子反映利率曲线的陡峭程度，分位数可用于判断期限利差处于历史何种位置[7] 3. 利率凸性结构因子 - 因子名称：利率凸性结构因子[7] - 因子构建思路：将1至10年的国债YTM数据转化至凸性结构指标，反映利率曲线的凸性特征[7] - 因子具体构建过程：将1至10年期国债YTM数据转化为凸性结构读数，并计算其在历史3年、5年、10年视角下的滚动分位数[7] - 因子评价：该因子反映利率曲线的凸性变化，分位数可用于判断凸性结构处于历史何种位置[7] 因子的回测效果 1. 利率水平结构因子 - 读数1.44%，相对上周升高0.2BP[7] - 历史3年分位7%，历史5年分位4%，历史10年分位2%[7] 2. 利率期限结构因子 - 读数0.47%，相对上周升高0.67BP[7] - 历史3年分位42%，历史5年分位25%，历史10年分位27%[7] 3. 利率凸性结构因子 - 读数-0.09%，相对上周下降0.19BP[7] - 历史3年分位7%，历史5年分位4%，历史10年分位3%[7]