核心观点 - 报告系统性地回测了跨资产维度下的利率交易择时策略，聚焦于股票、大宗商品与债券市场的轮动关系，并在利率期货品种T上开展策略验证 [1] - 跨资产择时策略通过"交叉检验信号触发法"整合多资产信号，旨在提升利率交易的稳定性和适应性，减少回撤并控制风险 [4][80] - 策略在权益和大宗商品市场呈现高赔率、低胜率的特征，而在利率期货应用中，股债跷跷板和商品债券轮动效应显著，超额收益存在收敛但回撤控制效果突出 [3][4][85] 跨资产轮动效应 - 股债跷跷板效应源于风险偏好切换：经济预期走强时资金流向权益市场，债券承压收益率上行；避险需求上升时资金回流债市，股市受抑制 [2][14][18] - 商品债券轮动与通胀预期紧密相关：商品价格上涨推高通胀预期和利率水平，压制债券估值；通缩或需求收缩期债市因利率下行获益 [2][14][26] - 历史典型阶段包括2015年股灾后避险资金涌入债市、2018年去杠杆周期债市走强、2020年公共卫生事件初期债市上涨，以及2023年经济波动期债市强势 [27] 交易性择时在权益市场的应用 - 以上证指数、恒生指数、万得全A为标的，回测区间为2013/01/07至2025/08/22，多信号策略年化收益率分别为11.06%、3.58%和14.75%，累计收益率达258.56%、51.47%和434.65% [35] - 策略呈现高赔率、低胜率特征，胜率（天）分别为53.18%、51.40%和55.27%，平均盈亏比（天）为1.14、1.06和1.24 [35] - 以波动结构为核心的阶矩择时策略在权益市场超额收益明显，尤其在趋势反转阶段表现优于传统均线策略 [34] 交易性择时在商品市场的应用 - 大宗商品策略回测显示，伦敦金、布伦特油、焦煤年化收益率分别为9.14%、11.77%和12.85%，累计收益率达188.79%、279.64%和325.58% [52] - 策略整体呈现高赔率、低胜率特性，胜率（天）在49.66%至52.68%之间，最大回撤介于23.53%至53.16% [52] - 黄金等趋势性品种适合趋势识别策略，而周期性品种如伦敦铜、螺纹钢受供需和地缘政治影响，多信号策略占优且能有效控制下行风险 [3][51] 跨资产利率择时策略 - 采用"交叉检验信号触发法"整合股、商品与债市信号：股市多头削弱债市信号，黄金多头同步确认债市多头，商品多头反向削弱债市信号 [80][81] - 回测结果显示，"看股做债"（以上证指数为例）年化收益率4.19%，夏普比2.31，最大回撤1.79%，胜率（次）52.63%；"看玻璃做债"年化收益率4.39%，夏普比2.21，最大回撤1.63%，胜率（次）59.83% [85][89][90] - 策略在2025年成功规避债市大幅回撤（如2月和7月），但超额收益收敛，波段交易捕捉能力较弱 [89][90] 优化展望 - 动态权重机制可根据宏观环境调整资产信号权重，例如通胀阶段突出商品指引，经济下行阶段强化股债跷跷板作用 [5][91] - 引入机器学习框架集成多资产信号，避免固定规则局限，提升债市仓位决策灵活性 [91] - 拓展至外汇、信用债等资产类别，构建覆盖更广的跨市场择时体系，增强利率走势把握能力 [91]