债券策略系列之二十二：基于债市机构行为的单边预测模型

固定收益专题 债券策略系列之二十二：基于债市机构行为的单边预测模型 证券分析师 徐亮 资格编号：S0120521060004 研究助理 邮箱：xuliang3＠tebon.com.cn 相关研究 1.《期货价格高位调整后怎么看》， 2024.3.4 2.《尺寸之地：信用债怎么投》， 2024.3.3 3.《反弹中期转债的配置策略和择券思路》，2024.3.3 证券研究报告|固定收益专题 2024年03月13日 投资要点： 机构对于各类债券的净买入数据通常能较好反映不同类型机构的交易偏好，在一些市场变化时候，部分类型的机构的偏好特征通常具有一定的领先性，在本篇报告中我们基于各机构行为生成市场情绪模型，以此来生成判断债市利率走势的有效信号。 我们对所有指标进行数据清洗后，如果某微观指标符合条件的交易日数过少，我们则认为可以参考的机构微观行为历史数据序列过短，对于实际操作的参考意义较低，我们将其剔除。叠加合计类指标后，我们最终得到了105个具有较稳定时间序列，且同机构内部指标间不存在较高相关性的基础指标池。其中证券公司的基础指标最多，达到了15个，保险公司和其他机构的指标较少，均仅有5个入选，具有典型行为特征的基金公司和农商行，由于其在多个期限品种上的净买入行为具有较高的相关性，入池指标也相对较少。 我们以滚动累计净买入为基础，以6种方式生成信号，将能最优拟合机构行为的阈值生成的信号作为判断其采取明显策略的信号点。我们考虑分别以当日净买入和滚动净买入的20%和80%的滚动分位数阈值生成两种方式下的卖出和买入信号结果，并计算其对20日后债市方向预测的胜率和赔率，最后生成百日滚动均值评估信号表现，以当日净买入为基础生成的择时指标的连续性较差，可能在一段区间内会产生较频繁的信号转向，而以滚动累计净买入为基础生成的择时指标则在时效性和稳定性上均表现相对较好。 在获得了能较好反映各类机构微观行为的105个初级择时指标后，我们考虑根据不同市场的情况选择在特定市场下表现最好的机构组，根据一定的权重追随这些聪明资金的表现。我们依旧考虑主要使用DNS的基准因子作为判断市场牛熊的依据，但除此之外，考虑到诸如农商行的部分机构在市场整体呈现窄幅波动时会有比较好的表现，我们考虑增加振幅这一维度，将市场切分为趋势行情和震荡行情两种。 直接以主信号生成的结果会存在信号密度过低的问题，因此我们考虑加入辅助信号增加策略的信号密度。我们以未填充前直接生成的信号密度为基准，当信号密度高于一定阈值后，以直接生成信号的20日后赔率为基准，选取赔率前5的信号，并将赔率作为辅助信号的权重。 我们以最终合成信号的方向决定组合久期，当给出买入信号时，我们选择增加组合久期，持有7-10年国债总财富指数，当给出卖出信号时，我们选择减小组合久期，持有1-3年国债总财富指数。组合自2022年1月1日生成，组合成立以来平均久期5.2年，略低于中债5-7年国债总财富指数，我们以5-7年总财富为基准，组合至2月23日年化收益4.66%，基准年化收益4.11%，组合最大回撤-0.75%，基准最大回撤-0.91%。 风险提示：经济表现超预期、宏观政策超预期、机构行为变化 请务必阅读正文之后的信息披露和法律声明 内容目录 1.数据清洗与基础指标池的生成4 1.1.数据清洗与说明4 1.2.四维微观指标选取5 1.3.三维合计类指标选取与基础池生成7 2.基于基础池的初级择时指标生成8 2.1.净买入与累计值的择时效果分析8 2.2.初级择时指标的生成逻辑浅析10 2.3.初级择时指标的构建11 3.基于初级择时指标池的情绪指标模型构建13 4.风险提示15 信息披露16 图表目录 图1：2个典型的微观指标分布结构(亿元,个/亿元,%)5 图2：基金公司对7-10年的合计净买入及其累计值(亿元,%)9 图3：调整后净买入及其累计值(亿元,%)9 图4：组合与基准仓位、累计资本利得及资本利得的年滚动均值(%,%；BP,%;BP,%-右轴10Y国债)10 图5：分别以当日净买入和滚动累计值所处的滚动分位数判断20日后的利率变动 (%,BP)10 图6：以80%及20%阈值生成买入卖出信号及信号评估(绿色区域卖出，红色区域买入，下同)11 图7：分别以连续和滚动累计方式处理净买入信号后结果11 图8：市场切分后结果13 图9：最终信号结果(绿色区域操作信号为卖出；红色区域操作信号为买入)15 表1：各机构类型说明4 表2：指标说明4 表3：81个过筛微观指标(个)6 表4：基金公司过筛微观指标相关性表现6 表5：农商行过筛微观指标相关性表现6 表6：以农商行为例的指标筛选(%)7 表7：基础指标池(天)8 表8：105个趋势类初级择时指标及择时效果评估(%)12 表9：机构行为特征及我们采取的信号处理方式12 表10：105个微观行为最优策略及策略评估(%)13 表11：牛市状态下主信号及信号评估14 表12：牛市状态下辅助信号及信号评估14 表13：牛市状态下辅助信号及信号评估15 表14：以方向切分市场后两类市场状态下使用的信号及权重15 1.数据清洗与基础指标池的生成 机构对于各类债券的净买入数据通常能较好反映不同类型机构的交易偏好，在一些市场变化时候，部分类型的机构的偏好特征通常具有一定的领先性。我们从这里入手，试图根据机构交易行为，在一些特定市场环境下尝试跟踪一些表现较好的机构行为，进而对后市利率方向进行一定的预测，在上篇报告中我们对各类机构的净买入数据进行观测和分析，在本篇报告中我们基于各机构行为生成市场情绪模型，以此来生成判断债市利率走势的有效信号。 1.1.数据清洗与说明 我们基于外汇交易中心的现券市场交易情况总结日报，选取其中的净买入数据作为机构行为跟踪的参考，原始数据有12类机构、12个机构、9类券种和9类期限，部分微观指标呈现离散型状态，即在一个连续的时间序列中，存在数个较长的时间区间内无净买入或净买入维持在一个较低的数值，因此我们首先从各指标的分布情况进行指标的清洗。 表1：各机构类型说明 机构大类 机构分类 特殊说明 银行类机构 大型商业银行/政策性银行 -- 股份制商业银行 -- 城市商业银行 -- 农村金融机构 农村商业银行和合作银行、农村信用联社、村镇银行 外资银行 -- 非银行类机构 证券公司 -- 保险公司 -- 基金公司及产品 基金公司、基金公司的资产管理公司、基金、私募基金、基金公司的特定客户资产管理业务、慈善基金 货币市场基金 -- 理财子公司/理财类产品 商业银行资管、理财产品、银行理财子公司及理财类产品 其他产品类 证券公司的资产管理业务、信托公司的金融产品、企业年金、期货公司的资产管理产品、其他投资产品、社保基金养老基金 其他 财务公司、其他、信托投资公司、民营银行、资产管理公司、金融租赁公司、期货公司 资料来源：外汇交易中心，德邦研究所 表2：指标说明 指标名称 指标说明 日期 2016.10.9-至今；2018.12.24起调整表单格式 机构 12类机构，具体见表1 期限 9类期限：1年及1年以下、1-3年、3-5年、5-7年、7-10年、10-15年、15-20年、20-30年、30年以上 券种 9类券种：国债、政金债、地方政府债、存单、短期/超短期融资券、中期票据、企业债、ABS、其他 资料来源：外汇交易中心，德邦研究所 考虑到我们构建模型的根本逻辑是基于机构的历史行为进行学习，因此各微观指标的数据分布结构特征是我们选择指标清洗逻辑的基础，我们使用4种数据 清洗方式，并在各微观指标中选取了2个具有典型特征的指标予以说明。 其他产品类对1年以下国债的净买入的离散特征具有不稳定性，我们以滚动 20个交易日存在净买入数据的数量进行滚动计数，在历史至20年底，滚动计数 波动上升，但此后在21年中和23年中两个时点存在较长区间其他产品类对1年以下国债的净买入为0，即对于这一类指标，需要以指标开始日判定和数据填充逻辑两层筛选才能对指标进行有效清洗，这类在开始时段内净买入绝对值较低的 数值，其对于机构行为的参考意义较低，因此在指标滚动计数首次高于一定阈值时我们才认为机构行为在此时点后才存在意义，剔除此前的数据，另外，即使在有意义的区间内，也可能存在一段时间无净买入数据，我们使用0值填充。 基金公司对7-10年国债的净买入则存在不同时间区间的数据分布偏差较大的特征，因此需要使用滚动均值和滚动分位数的方式减小微观指标在各区间的分布差异并强化微观指标在各区间的行为特征，滚动均值的方式能有效强化机构行 为，减少某个交易日的异常值对机构行为的影响，滚动分位数则能减小指标在各区间的分布差异。 图1：2个典型的微观指标分布结构(亿元,个/亿元,%) 资料来源：外汇交易中心，德邦研究所 1.2.四维微观指标选取 我们对所有指标进行数据清洗后，如果某微观指标符合条件的交易日数过少，我们则认为可以参考的机构微观行为历史数据序列过短，对于实际操作的参考意义较低，我们将其剔除。通过设置较严格的阈值后，暂不考虑合计类指标后，我们筛选后得到了81个微观指标，最后在同机构的微观指标中，我们考虑以同券种或同期限的维度将相关性较高的指标进行合成。 表3：81个过筛微观指标(个) 机构名称 品种 开始日期 有效日期数 机构名称 品种 开始日期 有效日期数 保险公司 <=1年_存单 2021/3/19 726 大型商业银行/政策性银行 1-3年_国债 2021/1/27 760 其他 <=1年_国债 2022/1/28 510 大型商业银行/政策性银行 <=1年_国债 2020/4/24 949 其他 <=1年_存单 2019/5/21 1180 大型商业银行/政策性银行 <=1年_存单 2019/1/16 1264 其他产品类 <=1年_存单 2019/2/26 1238 大型商业银行/政策性银行 <=1年_短融 2019/11/4 1066 其他产品类 <=1年_短融 2020/6/29 905 大型商业银行/政策性银行 5-7年_国债 2019/12/25 1029 其他产品类 3-5年_其他 2021/5/14 689 大型商业银行/政策性银行 7-10年_政金债 2019/3/20 1222 其他产品类 7-10年_其他 2021/5/12 691 理财类产品 <=1年_政金债 2020/6/12 915 其他产品类 7-10年_政金债 2019/9/6 1103 理财类产品 1-3年_政金债 2020/9/9 853 农村金融机构 1-3年_政金债 2021/4/30 697 理财类产品 <=1年_存单 2019/2/20 1242 农村金融机构 3-5年_政金债 2021/1/29 758 理财类产品 <=1年_短融 2020/5/28 926 农村金融机构 <=1年_国债 2020/12/23 784 理财类产品 3-5年_其他 2021/5/21 684 农村金融机构 <=1年_存单 2019/1/15 1265 理财类产品 5-7年_政金债 2021/3/19 726 农村金融机构 <=1年_政金债 2022/1/11 523 理财类产品 7-10年_政金债 2019/12/27 1027 农村金融机构 5-7年_政金债 2020/4/20 953 股份制商业银行 1-3年_其他 2021/4/27 700 农村金融机构 7-10年_国债 2022/1/13 521 股份制商业银行 1-3年_国债 2019/11/28 1048 农村金融机构 7-10年_政金债 2019/1/23 1259 股份制商业银行 1-3年_政金债 2021/9/13 604 城市商业银行 1-3年_国债 2021/7/20 643 股份制商业银行 <=1年_国债 2020/6/4 921 城市商业银行 1-3年_政金债 2019/7/16 1141 股份制商业银行 <=1年_存单 2019/1