Workflow
Nelson - Siegel模型
icon
搜索文档
量化资产配置系列之一:基于收益率曲线的国债久期轮动策略
光大证券· 2025-11-06 22:22
核心观点 - 报告基于Nelson-Siegel模型构建收益率曲线,将曲线变动预测转化为对水平、斜率、曲率三个因子的预测 [3] - 通过引入政策利率、市场基准利率、斜率因子和曲率因子,有效提升了水平因子方向预测的胜率 [4] - 基于收益率曲线预测构建的久期轮动策略回测表现良好,能长期跑赢比较基准,获得显著且稳健的超额收益 [5] - 截至2025年10月31日,久期轮动策略生成的最新信号为10,表明模型当前看好长久期利率债,建议配置 [6] 债券久期轮动现象与策略框架 - 不同期限债券品种呈现“收益-风险-流动性”的权衡特征,短期债券(1-3年)久期低、波动低但再投资风险显著,长期债券(10-30年)票息保护高但暴露于利率风险与流动性折价 [10] - 资金在利率周期中呈现“逐利迁移”,市场预期利率下行时长债因久期杠杆效应成为进攻工具,利率风险攀升时短债凭借抗跌性成为防御工具 [10] - 2009年1月4日至2025年10月31日回测区间内,10年以上期限国债总收益最高达152.82%,年化收益5.67%,但年化波动4.75%和最大回撤14.52%也最高 [12] - 短债收益来源于相对可控的骑乘收益,长债收益以对利率变动高度敏感的资本利得为主导,通过定量预测利率曲线变动在长短债间轮动配置有望实现收益增强 [14] 利率曲线的建立与Nelson-Siegel模型应用 - 使用2006年3月1日至2025年10月31日中债国债即期收益率日频数据,期限从0.25年至10年,即期利率随期限增加均值增大、波动减小,平均利率曲线单调向上 [21] - 对历史即期利率进行主成分分析,提取的前三个主成分分别代表利率曲线的平移、斜率变化和曲率变化 [26] - Nelson-Siegel模型利用水平、斜率、曲率三个因子描述收益率曲线动态变化,模型在固定参数后可用最小二乘法估计三因子,能较好拟合正常、反向、峰型、水平等不同类型期限结构 [29][31][37] - 水平因子与10年期即期利率高度相关,负斜率因子与期限利差(10Y-3M)相关,曲率因子与“子弹策略(2*2Y)-杠铃策略(3M+10Y)”利差相关,三因子具有明确的经济解释意义 [41][42][43][45] - 研究聚焦3个月至10年期限结构,符合学术与市场惯例,且10年期国债是对利率方向变化最敏感、流动性最好的标的,超长期限可能干扰信号提取 [47] 即期收益率的预测与模型改进 - 斜率因子和曲率因子序列平稳,可直接使用一阶自回归模型建模;水平因子非平稳,利用其一月差分序列的平稳性构建AR模型预测未来三个月水平因子 [52][53] - 原始AR模型对斜率因子、曲率因子的方向预测胜率分别为61.62%和63.13%,但对水平因子的方向预测胜率仅为53% [54][55] - 模型改进一:引入政策利率(MLF、SLF、OMO)和市场基准利率(R007、DR007),发现水平因子围绕MLF波动具备均值回复特性,使用OMO可将水平因子方向预测胜率提升至53.85% [56][57][59][65] - 模型改进二:引入斜率因子和曲率因子,在利率倒挂期间,改进模型二(OMO结合斜率曲率因子)将水平因子方向预测胜率从AR模型的58.62%进一步提升至62.07% [71][75][77] 基于收益率曲线的国债久期轮动策略 - 策略步骤:选定预测模型预测未来三个月三因子值,代入N-S模型计算预测即期利率,进而计算各期限零息债券的预期持有期收益率,选择预期收益率最高的期限配置相应久期债券 [83] - 信号小于3配置1-3年指数,3至5之间配置3-5年指数,5至7之间配置5-7年指数,大于等于7配置7-10年指数,月频调仓不考虑成本 [83] - 回测表明各模型绝对收益均超过各期限指数和等权指数,改进模型表现优于原始模型,其中引入OMO结合斜率曲率因子的改进模型二效果最佳 [84][87] - 最佳久期轮动策略(OMO+斜率因子+曲率因子)在2009年6月1日至2025年10月31日回测区间内总收益率达110.37%,最大回撤为5.36%,显著优于7-10年指数的最大回撤7.23% [92] - 策略在多数年份均实现正超额收益,如2011年超额1.96%,2015年超额2.52%,2018年超额2.08%,2024年超额2.67%,展现出长期稳健的超额收益能力 [95]
【金工】基于收益率曲线的国债久期轮动策略——量化资产配置系列之一(祁嫣然/张威)
光大证券研究· 2025-11-06 07:05
债券久期轮动本质 - 债券市场是现代金融体系的基石 是全球规模最大的资产类别 [4] - 利率是债券价格波动的核心驱动力 牵引资本流动方向 [4] - 不同期限债券呈现收益-风险-流动性权衡特征 资金在利率周期中呈现逐利迁移现象 [4] - 市场预期利率下行时长债因久期杠杆效应成为进攻之矛 利率风险攀升时短债凭借抗跌性化身防御之盾 [4] 收益率曲线预测模型 - 采用Nelson-Siegel模型 利用水平 斜率 曲率三个因子描述收益率曲线动态变化 [5] - 预测收益率曲线未来变动转化为对上述三因子的预测 [5] - 预测出三因子值后可得到不同期限即期利率 建立预期收益率曲线 计算不同期限零息债券预期持有期收益率 [5] 模型改进与预测胜率 - 对三因子进行单位根平稳性检验 水平因子非平稳但差分平稳 斜率因子和曲率因子平稳 [6] - 使用AR模型对斜率因子和曲率因子建模 重点对水平因子建模 [6] - 利用自回归模型对水平因子及其差分序列建模预测 方向预测胜率均为53% [6] - 利用水平因子围绕政策利率波动存在均值回复特点改进模型 提升方向预测胜率 [6] - 引入斜率因子和曲率因子捕捉利率曲线倒挂信息 进一步提升利率倒挂时期方向预测胜率 [7] 久期轮动策略回测表现 - 根据预测的三因子值构建预期利率曲线 进而构造久期轮动策略 [8] - 模型引入斜率因子 曲率因子及政策利率OMO后策略表现最优 [8] - 从2009年6月1日至2025年10月31日 策略绝对收益110.37% 年化收益率4.63% 基准绝对收益76.62% 年化收益率3.52% [8] - 分年度看 策略除2012年跑输基准外 其余年份均跑赢基准 [8] 当前策略信号 - 截至2025年10月31日 久期轮动策略最新一期信号为10 模型发出配置长久期利率债的信号 [9]
基于收益率曲线的国债久期轮动策略:量化资产配置系列之一
光大证券· 2025-11-04 18:30
核心观点 - 报告构建了一种基于收益率曲线预测的国债久期轮动策略,通过动态调整债券组合久期以捕捉利率变动带来的资本利得,策略在回测期间表现出显著且稳健的超额收益 [1][4] - 策略的核心在于利用Nelson-Siegel模型将收益率曲线预测问题转化为对水平、斜率、曲率三因子的预测,并通过模型改进提升了预测胜率,最终依据预期持有期收益率选择最优久期进行配置 [2][51] - 回测结果显示,最优策略(引入政策利率OMO、斜率及曲率因子)在2009年6月1日至2025年10月31日期间,实现了110.37%的绝对收益和4.63%的年化收益率,显著超越等权基准的76.62%和3.52% [4][100] - 截至2025年10月31日,模型最新信号为10,发出配置长久期利率债的指令 [5] 债券久期轮动本质 - 债券市场中不同期限品种存在天然的“收益-风险-流动性”权衡,短债(1-3年)久期低、波动小但再投资风险显著,长债(7-10年以上)票息保护高但利率风险和流动性折价也更高 [15] - 久期轮动的本质是资金根据利率预期进行“逐利迁移”:预期利率下行时,增配长债作为“进攻之矛”以利用其久期杠杆效应;预期利率风险攀升时,增配短债作为“防御之盾”以利用其抗跌性 [1][15] - 不同期限国债的风险收益特征差异显著,例如1-3年期国债年化收益率为2.90%,最大回撤为1.89%,而10年以上国债年化收益率达5.67%,但最大回撤也高达14.52% [17] - 久期轮动策略的价值在于通过久期错配实现收益增强、利用短债流动性进行风险对冲,并通过动态调整久期暴露来优化组合的夏普比率 [18] 利率曲线建立与特征 - 报告使用中债国债即期收益率数据(期限0.25年至10年)构建利率曲线,即期利率随期限增加均值增大而波动减小,历史平均利率曲线呈单调向上形态 [23][24] - 采用Nelson-Siegel模型拟合收益率曲线,该模型通过水平因子、斜率因子、曲率因子三个参数描述曲线动态,模型设定衰减参数λ固定为0.0609以增强稳定性与可解释性 [32][33] - N-S模型拟合的因子与经济含义明确:水平因子代表长期均衡利率,与10年期即期利率高度相关;斜率因子代表曲线陡峭程度,与期限利差(10Y-3M)相关;曲率因子描述曲线弯曲形态,与子弹/杠铃策略利差相关 [43][44][46][48] - 主成分分析显示,前三个主成分能解释即期利率曲线变动方差的99.56%,其载荷特征与N-S模型的三因子高度一致,验证了模型的有效性 [31][42] 收益率曲线预测模型与改进 - 对三因子的单位根检验表明,水平因子非平稳但其差分序列平稳,而斜率因子和曲率因子本身平稳,因此对斜率与曲率因子使用一阶自回归模型进行预测 [52][54] - 初始AR模型对水平因子的方向预测胜率仅为52.53%,对斜率因子和曲率因子的预测胜率分别为61.62%和63.13% [58][59] - 模型改进一:利用水平因子围绕政策利率(如MLF、OMO)均值回复的特性引入外生变量,将水平因子的方向预测胜率提升至55.08%(使用MLF)和53.85%(使用OMO) [64][67][70] - 模型改进二:为进一步捕捉利率倒挂时期的信息,在改进一的基础上引入斜率因子和曲率因子,使模型在利率倒挂期间对水平因子的方向预测胜率从AR模型的58.62%进一步提升至62.07% [78][81] 久期轮动策略构建与回测 - 策略构建步骤:每月末预测未来三个月三因子值,代入N-S模型得到预测即期利率,计算各期限零息债券的预期持有期收益率,选择收益率最高的期限对应久期进行配置,次月月初调仓 [86] - 策略比较基准为1-3年、3-5年、5-7年、7-10年期中债-国债总财富指数的等权组合 [86][100] - 回测结果表明,引入政策利率OMO、斜率因子和曲率因子的“改进模型二”表现最优,其策略年化收益率为4.63%,年化波动率为2.15%,夏普比率为2.15,最大回撤为5.36% [93][100] - 策略在绝大多数年份均跑赢基准,仅在2012年出现小幅跑输,展现出良好的稳健性 [100] 策略当前信号 - 截至2025年10月31日,久期轮动策略生成的最优期限信号为10,对应配置7-10年长久期利率债 [5][92]