债市深度：长债预测和择时的量化视角

证券研究报告 债市深度：长债预测和择时的量化视角 证券分析师 刘璐投资咨询资格编号：S1060519060001 郑子辰投资咨询资格编号：S1060521090001 2024年12月5日 请务必阅读正文后免责条款 摘要 前言：研究的重要内容是预测和应对，对固收来说即预测未来的利率走势&应对利率变化。传统的利率研究框架往往基于定性的经验分析，优 势是信息来源丰富、灵活，但缺点是预测时难以量化目标变量之间的影响程度，而在应对利率变化的时候缺少明确的操作标准。本文采用两个 模型，分别以月度预测10Y国债收益率变化方向以及通过动量信号确定调仓规则。 10Y国债收益率方向预测：我们选择二分类Logistic模型：一般线性模型通常用于回归问题，预测数值型数据的目标值；而Logistic模型的输出是一个概率值，表示事件发生的可能性，更广泛运用于二分类问题。前瞻变量选取方面，我们根据最大相关性的原则，选择了四个影响10Y国 债收益率变化方向的前瞻指标：a、领先3M的社融存量同比；b、领先2M的M1-M2同比；c、领先1M的IRS:FR007（1年）；d、领先2M的二手房出售挂牌价格指数环比。模型总体准确率在6成左右，在预测收益率下行时表现较好，准确率为100%，但在预测收益率上行时准确率为53%。模型拟合得到12月利率上行的概率为60.9%，整体震荡偏空。 根据动量信号进行高频操作： 为什么引入动量指标？利率价格本身也蕴含着丰富的信息，挖掘利率价格运行中本身的“动能”、“势能”信号能够更加高频的捕捉到市场情绪的变化，可能弥补相对低频的经济数据的覆盖度和有效性不足的问题。 因此，我们引入10Y国债收益率的MTM和MAMTM，其中MTM(N)=当前价格-N日前价格，MAMTM=MTM的最近M日的移动平均。结合动量指标，我们构建了几种10Y国债的投资场景，包括可能的买入场景组合（牛市加速，熊市反转，牛市启动）和可能的卖出场景组合（熊市加速，牛市反转，熊市启动），在投资场景基础上构建16种投资策略，并构建16个拟合策略指数。最终我们发现，买入场景和卖出场景均在2个以上的策略，胜率、夏普比率、平均收益率等指标表现会更好；而分年份来看，考虑所有6个场景的高频操作策略的综合效果最好，体现在其在多数年份的收益率跑赢其他15个指数。最终我们以该两个效果最好的策略作为最优策略组合，和中债国债指数、信用债指数、中债总指数比较，两个拟合指数均系统性跑赢，且表现出了更优的风险收益比。 风险提示：1）模型拟合结果存在误差；2）前瞻影响因素不全面；3）动量指标可能不能准确界定趋势和变化。 PART1：Logistic模型预测10Y国债月度变化方向 预期 1.1债市的影响因素多元，传统预测框架基于定性的经验分析 长端利率的影响因素非常多元，传统的利率预测往往基于对一些要素变化的经验判断而衍生出一些定性的框架，如经济基本面-利率框架、货币-信用框架、债市供求框架、事件性冲击演绎、政策调整驱动演绎等。 定性判断的优点是信息来源丰富，但缺点也是丰富的信息来源，导致和目标变量之间的影响程度更模糊。因此，我们尝试对利率有一定前瞻性的预测指标进行拆分，对利率预测做一些量化表达。 债市的影响因素多元而复杂 通胀预期 货币政策 财政政策 土地财政 信用派生 财政赤字 监管政策 行业政策 债务置换 融资 需求 去杠杆 融资 债券 市场 债市 资金供给 土地 负债来源/结构 经济供给侧 投资 消费实体 净出口 政府购买 经济需求侧 宏观政策 技术+数据 资本/杠杆率 人口/劳动力 1.2我们选取二分类Logistic模型，预测10Y国债的变化方向 我们选择二分类Logistic模型。Logistic模型是一种广义线性模型，主要用于二分类问题。 为什么选取Logistic模型？ 一般线性模型主要用于描述自变量与因变量之间的线性关系，一般线性模型的形式通常为Y=wX+b，其中w和b是待求参数，X是自变量，Y是因变量（取值为连续数值）。即一般线性模型通常用于回归问题，预测数值型数据的目标值。而Logistic模型的简化形式为，其中w和b是待求参数，X是自变量，Y是因变量（取值为0或1）。因此，Logistic模型的输出是一个概率值，表示事件发生的可能性，更广泛运用于二分类问题。 具体来看，Logistic模型： 其中y为定性变量，当y=1时，事件发生；当y=0时，事件未发生；在本案例中10Y国债收益率上行取1，下行取0。𝑥𝑖（i=1,2,3…,n）为用于解释事件发生概率的经济变量，在本案例中𝑥�为影响利率变化方向的前瞻经济变量。 因此，我们通过Logistic模型预测未来10Y国债收益率的变化方向，输出预测结果时，y越接近1，收益率上行的概率越大；反之越接近0，收益率下行的概率越大。 1.3找寻影响10Y国债收益率变化方向的前瞻经济变量 下一步，我们需要找寻影响10Y国债收益率变化方向的前瞻经济变量： （1）不同经济发展阶段，影响利率的相关因素在不断的演变和迭代，如CPI在2010年以前是最重要的指标，但近年PPI的关注度更高。因此，我们选择2018年以来的走势寻找前瞻变量，但若未来指标有效性下降，我们后续也会及时跟进调整、更新指标。 （2）关于变量选取标准：一是相关性，要和国债走势之间有明确的相关关系；二是前瞻性，相关变量对于国债收益率走势，可 能有领先、同步、滞后三种关系，只有有领先关系的变量，才能作为前瞻指标被选入模型。 基于上述原则，我们寻找了17个经济增长、价格、资金面方面的指标，探寻10Y国债收益率和这些前瞻指标的相关性。 10Y国债收益率和指标相关性 指标类型 指标名称 频率 领先1M 领先2M 领先3M 所需处理 经济增长 扣除政府债存量的社融同比 月频 0.70 0.73 0.74 社融存量同比 月频 0.76 0.79 0.82 人民币信贷同比 月频 0.23 0.27 0.23 工业增加值同比 月频 0.20 0.19 0.14 制造业PMI同比 月频 0.08 0.09 0.07 M1同比 月频 0.62 0.64 0.65 M2同比 月频 -0.14 -0.15 -0.18 M1-M2同比 月频 0.75 0.75 0.74 三十城销售面积同比 日频 0.33 0.30 0.22 日频变月频，取合计值计算同比 二手房挂牌量指数同比 月频 0.24 0.30 0.35 OECD指数：中国 月频 0.41 0.41 0.41 价格 CPI同比 月频 0.28 0.26 0.26 PPI同比 月频 0.30 0.28 0.28 70城房价环比 月频 0.79 0.76 0.71 二手房价格指数环比 月频 0.78 0.79 0.77 资金面 IRS:FR007:1年 日频 0.90 0.85 0.81 日频变月频，取均值 人民币兑美元汇率 日频 -0.53 -0.50 -0.48 日频变月频，取均值 1.3社融存量同比领先3M，M1-M2同比领先2M 社融存量同比（领先3M）与10Y国债的相关系数达0.82 社融存量同比，领先3M，%10年国债到期收益率,月平均值,%,右轴 M1-M2同比（领先2M）与10Y国债的相关系数达0.75 M1-M2同比，领先2M，%10年国债到期收益率,月平均值,%,右轴 16.00 15.00 14.00 13.00 12.00 11.00 10.00 9.00 8.00 7.00 6.00 4.50 4.00 3.50 3.00 2.50 2.00 1.50 10.00 5.00 0.00 -5.00 -10.00 4.50 4.00 3.50 3.00 2.50 2.00 1.50 1.00 0.50 -15.000.00 1.3IRS:FR007领先1M，二手房出售挂牌价格指数领先2M FR007:1Y（领先1M）与10Y国债的相关系数达0.90二手房出售挂牌价格指数环比（领先2M）与10Y国债的相关系数达0.79 4.50 4.00 3.50 3.00 2.50 2.00 1.50 1.00 0.50 0.00 IRS:FR007:1年,领先1M,%10年国债到期收益率,月平均值,% 2.50 2.00 1.50 1.00 0.50 0.00 -0.50 -1.00 -1.50 二手房�售挂牌价指数环比，领先2M，%10年国债到期收益率,月平均值,%,右轴 4.50 4.00 3.50 3.00 2.50 2.00 1.50 1.00 0.50 0.00 1.4模型总体准确率在6成左右，拟合得到12月整体震荡偏空 因此，最终考虑到相关系数和最优的领先滞后关系，我们选择了四个指标，通过Logistic模型和10Y国债月度收益率中枢进行拟合：（1）领先3M的社融存量同比；（2）领先2M的M1-M2同比；（3）领先1M的IRS:FR007（一年）；（4）领先2M的二手房出售挂牌价格指数环比 从模型效果来看：（1）模型在预测国债收益率曲线走向的总体正确率在六成左右。（2）模型在预测收益率下行时表现较好，准确率为100%，但在预测收益率上行时表现偏弱，准确率为53%。 我们定义利率上行的概率在[0.8,1)为看空，[0.6,0.8)为偏空，[0.4,0.6)为震荡，[0.2,0.4)为偏多，[0,0.2)为看多。 模型拟合得到12月利率上行的概率为0.609，模型结果震荡偏空。 模型在预测10Y国债月度收益率中枢走向时的总体正确率为58.82% 10 PART2：基于动量指标开发交易策略 3 基于数据可得性，一些有效的前瞻指标往往较为低频，月度的预测频率，可能难以满足实际操 作中的一些更高频的要求 问题3——数据较为低频 2.1前瞻指标：难以反映预期变化和小概率事件，操作相对低频 本文第一章的债市模型，通过寻找前瞻指标，运用Logistic模型对利率变化方向进行定量的预测，但存在一些问题： 1 利率一部分反映现实、一部分反映预期，而通过前瞻指标进行定量表达只能解决反映现实的部 分，往往无法解决反映预期的部分(如政策发力程度预期，无法体现在已有的经济指标中) 问题1——难以反映预期的部分 本部分我们试图通过动量指标，挖掘利率价格运行中本身的信号，而这些价格的“动能”、“势能”信号能够更加高频的捕捉到市场情绪的变化，可能弥补相对低频的经济数据的覆盖度和有效性不足的问题 对策 2 这些前瞻指标，除了难以反映预期之外，对于一些小概率的冲击事件（如疫情冲击、突发的超 预期违约事件、流动性冲击等）也基本无法捕捉 问题2——难以捕捉小概率冲击事件 2.2何为动量指标？——MTM和MAMTM 动量指标（MTM指标，MomentumIndex） •动量指标是一种研究价格波动的中短期技术分析工具，在权益市场中较为常用 •其基本原理是分析价格变化的速度，研究价格在波动过程中的加速、减速、惯性作用、反转信号 •动量指标往往结合两条线：（1）MTM(N)=当前价格-N日前价格；（2）MAMTM=MTM的最近M日的移动平均。N和M一般取6和10。 结合MTM和MAMTM两条线观察价格变化，一般有几个基本分析场景： •判断趋势：MTM线在零轴上方，说明价格上升力量大于下降力量；反之若在零轴下方，说明下降力量大于上升力量。 •判断趋势强弱：MTM数值越大,表明价格上涨动力越强；反之则表明下跌趋势越强。 •判断趋势变化：如MTM从正值变为负值,表明上升趋势可能结束，有反转可能。 •结合MAMTM分析趋势强弱程度：若MTM从下向上突破MAMTM，意味着价格上升趋势更加强劲，往往为短期买入信号；反之，若MTM从上向下跌破MTMMA，为短期卖出信号。 2.3Step1：定义10Y国债收益率的动量指标 了解到动量指标的基本原理之后，以10Y国债收益率为例，我们首先定义两条曲线： （1）M