全球及英国债券市场状况 - 全球债券市场普遍承压 [1] - 英国政府债券市场面临的压力尤为突出，其程度远超其他市场 [1]

市场动态 - 美国2年期国债收益率在周四攀升至联邦基金利率目标之上，这一现象自2008年金融危机前以来未曾出现 [1] - 美国国债收益率曲线在周四持续趋平，形成了一个更深层次、令投资者担忧的交易模式 [1] 驱动因素 - 美以对伊朗的战争导致油价上涨，布伦特原油基准价格在周四短暂突破每桶119美元 [2] - 波斯湾油气基础设施遭到的袭击升级，西德克萨斯中质原油期货价格短暂突破每桶100美元 [2] 经济影响 - 油价上涨加剧了滞胀风险，并提高了美联储在2026年加息的可能性 [2]

美国国债市场现状与投资者行为 - 当前美国国债市场类似于浪漫喜剧中的“将就”关系 投资者因缺乏更好选择而继续持有美国国债 尽管其并非完美[1][2] - 投资者目前满足于现状 但这种情况可能不会持续 未来可能找到更好的选择[2][3] 美国债务规模与财政前景 - 美国公共持有的债务规模已与美国国内生产总值相当[3] - 该债务规模将在未来几年超过二战后创下的历史纪录[3] - 债务水平预计将持续攀升 没有减弱的迹象 主要因婴儿潮一代退休推高福利支出[3] 美国国债的吸引力与潜在挑战 - 尽管存在政治动荡 美国国债作为避险资产需求依然旺盛[4] - 美国债务市场仍是全球最大、流动性最强的市场 这得益于美元的全球储备货币地位[4] - 欧元区正试图通过联合发债等措施使其债务对投资者更具吸引力 这可能提升欧元的储备资产地位[4][5] 主要持有者行为可能带来的影响 - 欧洲是美国国债的主要持有者之一[5] - 若欧洲投资者转向 减少对美国国债的持有 可能导致美国国债收益率上升并增加其借贷成本[5]

文章核心观点 - 尽管存在地缘政治紧张、利率波动和私人信贷担忧等多重不利因素，美国投资级债券市场本周仍展现出强劲韧性，发行量接近历史纪录，这主要得益于几笔大规模交易以及投资者对高质量资产的持续需求 [1][2] 市场表现与发行规模 - 本周美国投资级债券发行总额达到1150亿美元，接近2020年创下的约1170亿美元的单周历史最高纪录 [1] - 发行量远超市场此前600亿美元的预测，部分原因是需求强劲 [4] - 本周共有23家公司发行债券，数量约为2020年创纪录那一周的一半 [3] 主要驱动交易与发行人 - 发行热潮由亚马逊、Salesforce和霍尼韦尔航空的三笔大规模交易驱动 [3] - 亚马逊的370亿美元交易是有史以来第四大美元债券发行 [3] - 房屋租赁公司Airbnb也首次亮相该市场进行债务再融资 [3] - Salesforce进行了250亿美元的债券发行，旨在为股票回购提供资金 [9] 投资者需求与资金流向 - 投资者正将资金持续投入购买高等级债券的基金，因为他们对高收益债券和杠杆贷款的风险敞口变得更加谨慎 [4] - 根据LSEG Lipper数据，短期和中期高等级债券基金在1月流入434亿美元（为五年来最高），2月流入321亿美元 [7] - Salesforce的交易最终订单簿规模不足发行额的1.5倍，远低于通常的平均水平，显示其需求相对疲软 [9] 市场状况与承销条件 - 公开信贷市场保持健康和韧性，市场技术面依然具有支持性 [7] - 面对激增的供给，市场疲软迹象开始显现，部分发行人采取谨慎态度，在正式启动交易前先与投资者进行沟通 [8] - 新发行溢价普遍远高于今年平均水平 [8] 具体交易与市场关切 - 投资者特别关注Salesforce在人工智能领域的脆弱性以及其通过债务融资进行股票回购的行为 [9]

报告行业投资评级 未提及 报告的核心观点 - 信用债ETF升贴水率受申赎机制、流动性等因素影响，各产品特征分化，未来或从单边折价向双边折溢价发展 [2][67] - 折价幅度大的信用债ETF投资价值取决于入场时机，择时优先于择ETF，短期可增厚收益但受流动性制约，长期关注管理人能力和产品流动性 [74][112] - 构建的日频升贴水率套利量化模型，单只和同指数不同ETF的模型回测效果有差异，沪AAA科创债ETF轮动策略较优，利率择时重要且需关注流动性制约 [115][174] 报告各部分总结 什么是升贴水率？ - 升贴水率衡量ETF二级市场价格与底层资产真实价值偏离，价格高于净值为升水或溢价，反之为贴水或折价 [9][13] - 股票等ETF可计算市场价格相对IOPV偏离，信用债ETF对比官方每日收盘后公布的资产净值（NAV） [9][13] - 部分机构区分折溢价率和升贴水率，投资者实际应用中常不区分 [9][13] - 信用债ETF二级市场价格与底层资产NAV偏离由市场微观结构、投资者情绪和套利机制等因素共同作用 [12][13] 信用债ETF的升贴水率有何特征？ - 2025年以来信用债ETF市场快速扩容，截至2026年3月6日规模达5244亿元，多数仍处于折价状态且各产品升贴水率特征分化 [21] - 老三只信用债ETF上市初期折价大后收敛，城投债ETF贴水幅度最大，短融ETF升贴水率最小 [26] - 做市债ETF上市第一周小幅折价，后较长时间小幅溢价，2025年7月以来长期折价 [31] - 科创债ETF上市首日除富国外溢价，一周后基本折价且长期如此，8只全现金申赎产品升贴水率绝对值较低 [36] - 申赎机制差异是升贴水率存在差异的重要原因，全现金申赎ETF一二级套利便利，升贴水率绝对值低且围绕0波动 [44][50] - 流动性差异是核心原因，流动性高的ETF一二级套利机制有效，更易抹平升贴水率，折价管控本质是流动性管控 [56][59] - 未来产品运作成熟后，信用债ETF升贴水率可能从单边折价向双边折溢价发展，做市债ETF有望更早稳定，部分小赎回上限产品或有流动性隐患 [66] 折价幅度越大的信用债ETF更具性价比吗？ - 折价幅度大的信用债ETF投资价值取决于入场时机，择时优先于择ETF [74] - 利率下行阶段，折价套利策略或较优，折价幅度大的ETF潜在收益和安全垫高，但受流动性制约策略容量有限 [79][83] - 利率上行阶段，投资者易被折价底部欺骗，折价大的ETF潜在风险大，流动性劣势凸显 [99] - 短期折价大的ETF可增厚收益，但需关注流动性制约；长期应关注管理人净值管理能力和产品流动性，折溢价稳定的ETF更具优势 [106][111] 基于升贴水率的信用债ETF日频量化套利策略 单只信用债ETF的日频升贴水率套利模型 - 采用各只信用债ETF日度升贴水率的滚动20天分位数判断组合仓位操作，构建基础模型 [116] - 对基础模型叠加开盘价调整、叠加利率择时改进，并以期初买入持有和仅利率择时策略作为参照 [117] - 老三只信用债ETF各类套利策略效果不佳；做市债ETF升贴水率&利率择时策略收益风险比增厚明显；科创债ETF第一批增厚效果明显，多数在利率择时策略下表现好；折价幅度大的ETF套利策略潜在业绩增厚效果可能更好 [121] 同指数不同信用债ETF的日频升贴水率套利轮动模型 - 构建模型旨在买入同指数最“便宜”的ETF，有“绝对”和“相对”两种方案，对原始模型进行改进并以买入持有和仅利率择时策略作为对照 [131] - 沪做市和深做市信用债ETF各类套利策略业绩增厚不佳，或因换仓次数多交易成本损耗大 [140][149] - 沪AAA科创债ETF各类升贴水率绝对低位轮动套利策略业绩增厚明显，升贴水率绝对低位&开盘价调整策略收益表现较好；相对低位策略叠加利率择时后改善业绩 [159][163] - 中证AAA科创债ETF升贴水率绝对低位轮动套利策略表现好，叠加利率择时业绩增厚明显；相对低位策略表现差，叠加利率择时可对冲损耗 [167][171] - 整体来看轮动模型增厚业绩效果一般，科创债指数尤其是沪AAA指数轮动策略效果优，叠加利率择时策略降低风险和提升收益波动比效果好，沪AAA科创债或为较优选择，需关注流动性对策略容量的制约 [173]

市场焦点转移 - 当前市场的核心故事已从股市转向债券市场 长期国债收益率再次逼近可能扰乱股市的水平[1] - 有观点认为 债券市场将成为衡量第二任特朗普政府时期经济表现的关键指标 而股市曾是第一任期的晴雨表[1] 债券市场技术分析 - 自2022年底以来 30年期国债收益率一直在绘制三角旗形形态 这是一种经典图表形态 通常沿先前趋势方向突破 当前为向上趋势[2] - 这增加了收益率明确突破5%关键水平的风险 该水平是机构资金密切关注的重要关口[2] 历史相关性分析 - 在过去三年中 30年期国债收益率四次接近或突破5% 每一次都导致股市受到短期冲击[3] - 但每次冲击后 随着收益率因不同原因迅速回落 股市均能复苏[3] - 例如 2023年10月 30年期收益率升至5.15% 导致标普500指数下跌约6% 但随着通胀数据转冷和美联储政策转向压低收益率 股市迅速反弹至新高[4] 收益率上升的驱动因素 - 债券收益率与价格反向变动 收益率上升意味着债券被抛售 目前政府债券并未表现出在地缘政治冲击中常见的经典避险资产特征[4] - 国债收益率可视为预期通胀和“实际”收益率（投资者要求的扣除通胀后的回报）两部分之和[5] - 当前 这两部分在3月份均呈上升趋势[7] - 盈亏平衡收益率因能源价格上涨加剧通胀担忧而上升[7] - 实际收益率也出现了类似幅度的上升 表明这不仅仅是通胀问题[7] - 投资者要求获得更多补偿才愿意持有长期政府债券 这种额外补偿通常被称为期限溢价 反映了在通胀、债券供应和政策均感不确定的时期 买家因长期锁定资金而要求的额外收益率[8]

政府债务管理操作 - 根据国债拍卖总条款第6段，政府债务管理机构在3月6日的拍卖中，以中标价格额外提供了相当于拍卖名义价值10%的债券[1] 债券系列详情 - **RIKS 29 0917系列 (ISIN: IS0000037711)** 未进行增发，其名义总发行量为1071.15亿[2] - **RIKS 37 0115系列 (ISIN: IS0000033793)** 进行了增发，增发名义金额为5500万，结算日期为2026年3月11日，增发后名义总发行量达到746.406亿[2]

文章核心观点 - Regan Capital首席投资官Skyler Weinand讨论了在利率上升、通胀和全球波动加剧的背景下，固定收益市场（尤其是住宅抵押贷款支持证券）的投资机会 [1] - 公司通过关注短期、浮动利率和政府担保的证券来应对当前市场环境，并推出了相应的UCITS ETF产品 [3][4] 固定收益市场面临的利率风险 - 传统固定收益领域仍因久期较长而承担显著的利率风险，例如美国综合固定收益指数的久期约为6年 [2] - 利率每上升1个百分点，将导致约6%的损失，凸显了久期风险对投资组合的重大影响 [2] 抵押贷款利率与再融资活动的影响 - 美国抵押贷款利率近期触及5%，这已经开始刺激再融资活动增加 [2] - 再融资活动加速有利于持有折价抵押贷款债券的投资者，因为更快的提前还款能让投资者更快收回资本 [2] 公司的投资策略与关注点 - 公司投资策略侧重于短期久期和浮动利率抵押贷款证券，这些证券在利率保持高位环境中可能受益 [3] - 公司强调政府担保的机构证券的重要性，因其历史上在市场承压期间表现出较低的波动性 [3] - 在不确定性时期（如COVID-19市场冲击和当前地缘政治紧张局势），美国国债和政府担保证券的表现通常优于公司债或市政债等信用敏感资产 [4] 公司产品动态 - Regan Capital与HANetf于2025年7月推出了Regan Total Return Income Fund UCITS ETF，股票代码为RMBS [4]

退休储蓄充足性分析 - 核心观点：对于2026年的单身退休者而言，80万美元的储蓄仅能提供基本而非舒适的退休生活，其财务规划比大多数人预期的更为紧张[1] - 根据4%提取规则，80万美元投资组合首年可提供3.2万美元或每月约2667美元的收入，这是领取社会保障金前的收入上限[2] - 结合平均每月约1907美元的社会保障福利，单身退休者每月总收入可能在4500至5000美元之间[3] 退休生活成本结构 - 退休收入需覆盖住房、医疗、食品及所有自由支配开支[4] - 美国家庭医疗总支出在2025年期间持续增长，从1月的3432.2十亿美元增至12月的3694.9十亿美元[4] - 对于无雇主保险的退休者，在65岁有资格享受医疗保险前，每月通常需支付500至800美元的保费和自付费用，且参保后成本并未大幅下降[4] 通货膨胀的影响 - 消费者价格指数从2025年3月的319.785持续攀升至2026年1月的326.588，处于历史水平的第90百分位[5] - 在25至30年的退休周期内，通货膨胀的侵蚀效应会不断加剧，若投资组合增速未能跑赢通胀，80万美元的实际购买力将悄然缩水[5] - 当前10年期国债收益率为4.09%，意味着以债券为主的保守型组合可在不承担显著股市风险的情况下产生可观收入，此收益率环境优于2010年代接近零利率的时期[5] 退休规划成功的关键因素 - 决定退休财务可行性的三个最关键因素是：住房成本、医疗费用趋势以及提取纪律[6] - 无抵押贷款负担且享有医疗保险的退休者，与需支付租金并管理慢性病的退休者，其财务状况有根本性不同[6] - 最应避免的明显错误是在退休初期提取率超过4%，退休早期市场表现不佳带来的“回报顺序风险”是对80万美元储蓄最被低估的威胁[7] - 持有相当于12至18个月开支的现金或短期债券作为缓冲，可避免在市场下跌时被迫抛售权益资产，等待其复苏[7]

量化模型与构建方式 1. 模型名称：基准等权策略模型 **模型构建思路**：为解决多因子合成中的滞后性与数据量纲不统一问题，采用线性加权框架构建一个透明、朴素的基准策略，确立策略收益的“安全垫”[57] **模型具体构建过程**： 1. **信号预处理**：对每个因子进行动态归一化和期限平滑处理[58] * **动态归一化**：基于过去60个交易日的滚动窗口，计算每个因子的均值与标准差，进行Z-Score处理，以消除量纲差异[58] $$Z_{i,t} = \frac{F_{i,t} - \mu_{i, t-60:t-1}}{\sigma_{i, t-60:t-1}}$$ 其中，$F_{i,t}$为因子i在t日的原始值，$\mu$和$\sigma$分别为滚动窗口内的均值和标准差[58] * **期限平滑**：对于最佳预测周期为H天的因子，对其Z-Score序列进行H日移动平均处理，以压降短周期因子的高频噪音[58] 2. **等权信号输出**：分别计算动量、反转、配置三类因子的信号强度，并采用等权方式合成每日总信号[59] * **动量因子信号**：信号强度与趋势强度成正比，保留其Z-Score并乘以因子方向（+1或-1）[59] $$Signal_{动量} = Direction_{因子} * Z-Score$$ * **反转因子信号**：旨在捕捉极端情绪的均值回归，引入±1.5倍标准差作为阈值，低于阈值则信号为0[59] $$Signal_{反转} =\begin{cases} 0, & |Z-Score| < 1.5 \\ Z-Score * Direction_{因子}, & |Z-Score| \geq 1.5 \end{cases}$$ * **配置因子信号**：反映长期持有性价比，采用二元逻辑。若因子值优于历史均值，输出信号+1；否则输出信号0[59] 3. **波动率控制与最终输出**：对合成信号引入波动率目标管理，计算合成信号过去120日的滚动波动率，将原始信号除以其滚动波动率进行标准化定标[60] $$最终信号 = \frac{初始合成信号}{合成信号波动率}$$ 4. **仓位映射**：根据最终信号采用两种模式调整仓位[61] * **线性分配**：信号为0时维持“50%主标的+50%现金”的平衡配置，信号越强主标的仓位越重，直至满仓或空仓[61] * **二元分配**：当信号大于0时全仓债券指数，当信号小于0时全仓现金[61] 2. 模型名称：动态IC自适应增强模型 **模型构建思路**：在基准等权策略之上，引入动态IC自适应机制，通过实时监测因子的预测能力并调整权重，赋予策略感知市场风格切换和“优胜劣汰”的自我进化能力[66] **模型具体构建过程**： 1. **动态IC计算**：每日滚动计算每个因子在过去N天（N分别取10、20、40、60）的IC值[66] 2. **权重自适应调整**：根据滚动IC值动态调整因子权重[66] * 若某因子的滚动IC大于0，模型判定其逻辑依然成立，维持其全额权重[66] * 若某因子的滚动IC转负，意味着该因子逻辑近期失效。模型触发惩罚函数，将其权重乘以惩罚系数（0.5或0），以降低其对总信号的影响[66] 3. **信号合成与输出**：使用调整后的权重重新合成总信号，后续的波动率控制、仓位映射等步骤与基准等权策略模型相同[66] 模型的回测效果 1. 基准等权策略模型 **5-7年国债全价指数标的**[61] * 二元仓位策略在样本外（2025年7月后）保持了策略的有效性[61] * 二元策略表现整体强于线性策略[61] **7-10年国债全价指数标的**[61] * 二元仓位策略在样本外保持了策略的有效性，且表现优于线性仓位[61][65] * 策略净值略弱于5-7Y和10Y+期限，但避开了大幅回调的风险[61] **10年以上国债全价指数标的**[61] * 二元仓位策略在样本外表现较强，且优于线性仓位[61][68] * 精准捕捉了2025年二季度由牛转熊的市场切换，通过切仓现金有效规避了基准指数的大幅回撤[61] 2. 动态IC自适应增强模型 **5-7年国债全价指数标的**[69] * 配合二元仓位的40日动态IC策略，样本外年化收益从等权基准的1.47%抬升至2.22%，进一步强化了进攻优势[69] * 在空头维持高阶段胜率的基础上，进一步抬升了多头胜率[69] **7-10年国债全价指数标的**[69] * 引入20日动态IC后，二元仓位策略将样本外年化收益大幅拉升至2.42%，同时将最大回撤控制在0.27%，实现夏普比率由负转正，体现了模型的修正能力[69] **10年以上国债全价指数标的**[67][69] * 配合二元仓位的60日动态IC策略，在基准指数下跌13.03%的调整环境中录得2.18%的正收益，夏普比率由负修正为0.41，展现出极致的防御韧性[67][69] 量化因子与构建方式 **报告构建了一套系统的因子评价与筛选体系（SOP），但未详细列出每个具体因子的构建公式。报告中的因子主要基于各类机构在不同期限债券上的净买入、累计净买入、杠杆率等原始行为数据。以下总结其筛选体系及提到的部分代表性因子。** 1. 因子筛选与评价体系 **构建思路**：针对机构行为因子存在的滞后性、非线性和非对称性等痛点，设计一套多维度评价体系与标准化SOP筛选流程，以筛选出具备解释力与统计稳健性的优质因子[3][8] **具体构建过程**： 1. **多维因子评价体系（“体检套餐”）**：包含四大维度、十项细分指标[11][13] * **预测能力与周期优化**[13] * **指标1：多周期IC测试**：计算因子对未来T+1、T+5、T+10及T+22日收益率的Rank IC[12] * **指标2：最佳周期锁定**：选取IC绝对值最大的周期作为该因子的“最佳有效持有期”[14] * **指标3：ICIR**：计算IC均值/IC标准差，反映因子预测能力的稳定性[14] * **盈亏比优化**[13] * **指标4：胜率**：开仓后收益为正的概率，分别计算多头胜率与空头胜率[15] * **指标5：尾部赔率 (Tail Odds)**：考察因子值处于极端分位数（10%或90%）时的表现，公式为：极值区间平均盈利 / 极值区间平均亏损[15] * **信号形态优选**[13] * **指标6：峰度**：衡量数据分布的陡峭程度，用于区分动量与反转因子[15] * **指标7：自相关系数 (ACF)**：衡量因子当期值与滞后一期值的相关性，高ACF对应Carry类策略[15] * **环境适应性（分场景压力测试）**[13] * **指标8：牛市环境**：检验因子的“进攻性”[16] * **指标9：熊市环境**：检验因子的“防御性”[16] * **指标10：震荡环境**：检验因子在无明显趋势下的生存能力[16] 2. **SOP分流漏斗**：基于“体检指标”进行三层筛选[17] * **初步筛选**：剔除噪声因子[20] 1. 剔除最佳预测周期为T+1的超短周期因子[20] 2. 剔除“效费比”（IC/换手率）过低的低性价比因子[20] 3. 剔除同时满足低胜率、低赔率、低IC的纯噪声因子[20] * **因子分类**：依据统计分布与风险收益属性，将因子归入三类因子池[21] 1. **动量因子**：要求具备显著的线性预测能力、数据分布形态良好、样本内信息比率稳定、具有一定胜率优势，且在历史牛市样本中录得正收益[21] 2. **反转因子**：数据分布呈“尖峰肥尾”特征，考核其非线性博弈能力，需满足高条件胜率或高尾部赔率，并严格控制其在历史熊市样本中的回撤[21][22] 3. **配置因子**：要求具备极高的自相关性，且在历史熊市样本中的最大回撤控制在5%以内[22] * **独立性检验**：计算所有入库因子的相关性矩阵，对于相关系数大于0.7的因子组，仅保留ICIR更高的单一因子，以确保因子库的独立性[23] 2. 代表性因子示例（基于筛选结果） **注**：以下因子名称及分类均直接来源于报告中的筛选结果表格，其具体构建应为对应机构在指定期限上的净买入或累计净买入等原始指标。 中期债券（5-7Y国债全价指数）关键因子[25] * **因子名称**：理财子公司及理财类产品1-3Y_累计净买入[26] * **分类**：动量因子[26] * **方向**：Positive[26] * **构建思路/评价**：理财子对流动性敏感，其短端净买入上升反映银行体系流动性充裕，且负债端趋势惯性较强，过滤噪声能力佳，展现出较强的波段胜率[27] * **因子名称**：中小型银行7-10Y净买入[26] * **分类**：动量因子[26] * **方向**：Inverse[26] * **构建思路/评价**：采用线性反转逻辑，通过实时度量交易型机构在活跃券上的过度买入（拥挤度），能够精准定位行情的超买/超卖区域，展现出优秀的盈亏比[30] * **因子名称**：保险1-3Y净买入[32] * **分类**：反转因子（根据上下文推断，图中未明确分类但描述为反转逻辑）[32] * **方向**：未明确 * **构建思路/评价**：当保险迅速增加短端净买入时，反应配置类资金防御情绪升温，往往是债市见顶的强力信号，对中期国债指数表现出较强的拐点捕捉能力[32] 长期债券（7-10Y国债全价指数）关键因子[39] * **因子名称**：中小型银行5-7Y_累计净买入[40] * **分类**：动量因子[40] * **方向**：Inverse[40] * **构建思路/评价**：中小银行是行情跟随者，其在关键期限累计净买入达高位意味着追涨资金充分进场、交易拥挤，反而是风险信号，展现出较强的波段胜率与盈亏比[41] * **因子名称**：商业银行/政策性银行债市杠杆率:估算值[40] * **分类**：反转因子[40] * **方向**：Inverse[40] * **构建思路/评价**：当杠杆率攀升至历史高位，意味着市场购买力透支，对利空更敏感，是债市见顶的强力信号，具备较高盈亏比[44] 超长债券（10Y+国债全价指数）关键因子[46] * **因子名称**：中小型银行≤1Y净买入[49] * **分类**：动量因子[47] * **方向**：未明确（表格中未显示） * **构建思路/评价**：中小型银行具备交易盘属性，其对1Y以下国债净买入明显上升往往对应市场情绪持续走弱与交易资金的防御性撤出，具有较高波段胜率和一定盈亏比[49] * **因子名称**：证券公司1-3Y_累计净买入[53] * **分类**：反转因子（根据上下文推断）[53] * **方向**：未明确 * **构建思路/评价**：当证券公司1-3Y净买入到达高点，反映市场悲观情绪趋向极致，做空动能耗尽，市场企稳后易转化为做多力量，对10年+国债指数表现较强的择时能力[53] 因子的回测效果 **以下指标取值均来源于报告中各期限债券对应的因子筛选结果表格，为样本内回测结果。** 1. 中期债券（5-7Y）部分因子效果[26] * **理财子公司及理财类产品1-3Y_累计**：波段胜率83%，多头波段胜率100%，空头波段胜率67%，年化收益率1.02%，最大回撤-1.23%，盈亏比0.57，ICIR 0.29，换手率6.68[26][28] * **中小型银行7-10Y**：波段胜率43%，多头波段胜率48%，空头波段胜率38%，年化收益率1.2%，最大回撤-0.5%，盈亏比4.00，ICIR 0.61，换手率35.94[31][33] * **保险1-3Y**：波段胜率54%，多头波段胜率71%，空头波段胜率36%，年化收益率0.9%，最大回撤-0.3%，盈亏比4.58，ICIR 0.45，换手率13.20[34][37] 2. 长期债券（7-10Y）部分因子效果[40] * **中小型银行5-7Y_累计**：波段胜率80%，多头波段胜率80%，空头波段胜率80%，年化收益率3.86%，最大回撤-1.55%，盈亏比1.79，ICIR 0.35，换手率11.43[40][43] * **商业银行/政策性银行债市杠杆率:估算值:%**：波段胜率60%，多头波段胜率60%，空头波段胜率60%，年化收益率1.60%，最大回撤-0.83%，盈亏比4.78，ICIR 0.19，换手率7.04[40][45] 3. 超长债券（10Y+）部分因子效果[47] * **中小型银行≤1Y**：波段胜率62%，多头波段胜率61%，空头波段胜率63%，年化收益率4.4%，最大回撤-2.0%，盈亏比2.28，ICIR -0.27，换手率19.86[49][52] * **证券公司1-3Y**：波段胜率66%，多头波段胜率76%，空头波段胜率56%，年化收益率1.5%，最大回撤-1.5%，盈亏比0.92，ICIR 0.06，换手率23.20[53][54]