债市量化系列之二：债市前瞻影响因子的迭代探索

债券量化系列之二： 债市前瞻影响因子的迭代探索 债券动态跟踪报告 债券报告 债券债券 2025 年 4 月 14 日 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。 证券分析师 刘璐 投资咨询资格编号 S1060519060001 LIULU979@pingan.com.cn 郑子辰 投资咨询资格编号 S1060521090001 ZHENGZICHEN160@pingan.com.cn 平安观点：  本文主要探讨两个问题：（1）不同时间段影响 10Y 国债收益率的核心变量并不一致，历史上哪些变量和 10Y 国债相关性曾经表现较好，而市场的“锚”又发生了什么样的迭代？（2）尝试进一步对 10Y 国债变化方向月度预测模型的选取变量进行优化。  数据说明：本文选取了 6 大类共 23 项指标，涵盖金融数据（如 M1/M2 同比、社融）、经济增长（如 PMI、工业增加值）、地产量价、价格指数（CPI/PPI）、资金面（IRS 利率）及海外因素（美元指数等），分析其与 10Y 国债收益率的相关性。通过新旧口径 M1 调整、构建 PMI 平滑指标（MA6）及多维度地产数据对比，增强指标代表性。测算采用月度均值对齐，并考察指标当月至领先 6 个月的前瞻性表现。  回顾历史，过去 10Y 国债收益率锚在不断迭代：（1）2013 年以前，国内经济内需强劲，CPI 作为衡量内需的指标非常直接，和 10Y 国债收益率表现出了最好的相关性；（2）2013-2015 年，由于央行对流动性的把控更精准、广谱的金融稳定成为监管重视的坐标，以及 2014-2015 年经济的趋势性下行以及产能过剩问题，使得资金面和经济基本面因子的重要性开始逐渐提升；（3）2015 年后 PPI 和 CPI 出现明显的背离，2016-2019 年 PPI 和 PMI成为主要影响因素；（4）2020 年以来，疫情带来基本面数据的大幅波动，对政策外推的预期变得更重要，且预期往往领先于现实，基本面的数据本身对债市的影响变得相对更难以把握，金融数据成为受政策直接发力直接影响的可见的前瞻指标；此外，房地产产业链出现了深度调整，房价“止跌企稳”也成为政策层关注的重要变量。因此，CPI、PPI 和 PMI 和 10Y 国债的相关性均有下降，金融数据和房价的重要性明显提升。此外，过去长时间以来，美元指数长期保持相对稳定的负相关性。  基于回溯结果，我们对预测 10Y国债收益率的月度模型的指标进行迭代尝试。在此前的报告中，我们选取的是领先 3M 的社融存量同比、领先 2M的M1-M2 同比、领先 1M 的 IRS:FR007（1 年）和领先 2M 的二手房出售挂牌价格指数环比。本次调整：（1）新增具有稳定负相关性的美元指数；（2）金融数据改用领先 3 个月的扣除政府债社融同比和新口径 M1 增速；（3）价格指标调整为领先 2 个月的二手房挂牌价指数同比；（4）保留但优化资金面指标（领先 1 个月的 IRS 利率）。经调整后，模型预测准确率从 58.8%提升至 69.2%，当前预测显示 4 月国债收益率下行概率达 88%，整体看多。  风险提示：1）模型拟合结果存在误差；2）前瞻指标不能反映政策发力程度；3）前瞻指标不能反应突发事件。 证券研究报告 债券●债券动态跟踪报告 请通过合法途径获取本公司研究报告，如经由未经许可的渠道获得研究报告，请慎重使用并注意阅读研究报告尾页的声明内容。 2/ 10  前言：本文主要探讨两个问题：（1）债市的叙事逻辑不断变化，不同时间段影响 10Y 国债收益率的核心变量并不一致。历史上哪些变量和 10Y 国债相关性曾经表现较好，而市场的“锚”又发生了什么样的迭代？（2）此前我们在报告《【平安证券】债市深度：长债预测和择时的量化视角》中，建立了预测 10Y 国债变化方向的月度预测模型，并选取了和债市相关性比较强的四个前瞻指标。站在当前视角，本文也尝试进一步对模型的选取变量进行优化。  数据说明：我们选取了 6 大类指标、23 个细分指标，测算和 10Y 国债的相关性，并测算了当月直至领先 6M 的相关性 我们选取了 6 大类指标、23 个细分指标，测算和 10Y国债的相关性：金融数据类、经济增长类、地产量相关指标、价格相关指标、资金面相关指标和海外相关指标。（1）金融数据类：包括 M1 和 M2 各自的同比，社融存量同比，信贷同比，剔除政府债后的社融同比，M1-M2 增速。（2）经济增长类：包括制造业 PMI，以及制造业 PMIMA6，工业增加值同比，OECD 指数：中国。（3）地产量的相关指标：包括 30 城销售面积同比，二手房挂牌量指数同比和环比。（4）价格相关指标：包括 CPI 和PPI 同比，二手房挂牌价指数的环比和同比。（5）资金面相关指标：包括 IRS:FR007:1Y。（6）海外相关指标：包括美元指数和人民币兑美元汇率。 指标选取上，我们试图尽量全面的涵盖指标范围和品种。比如：（1）考虑到央行在 2025 年以来调整了 M1 数据的口径，我们将住户活期存款和金融机构备付金追溯到历史数据后，测算了新旧两个口径的 M1 数据（追溯情况详见报告《【平安证券】关于新口径 M1 的技术贴：分析&推演&影响》）；（2）制造业 PMI 数据偏环比指标，因此我们同时构建了制造业 PMI 的 MA6，创建一个相对平滑和稳定的类同比指标；（3）地产的量价方面，我们也同时选取了环比和同比指标，探寻环比和同比哪个相关性更高，数据的选取上也选择了 70 城市、30 城市、二手房指数等多个数据来源的数据进行比较。 相关系数测算上：为了对齐频率，我们将 10Y 国债收益率取月度均值，和各个指标之前测算相关系数。我们在测算相关系数的时候，不仅考虑了指标当月和 10Y 国债的相关系数，考虑到指标可能的前瞻性，我们考虑了每个指标当月至领先 6 个月的7 种情形，分别和 10Y 国债测算相关性。 时间选取上：考虑到数据可得性的原因，时间上我们从 2006 年以后开始追溯（2006 年以后 23 个指标中有 14 个均有数据）。此外，每个指标的起始时间不同，我们在进行历史相关性测算时，部分指标的数据可能缺失，下文中我们仅展示有数据，且数据表现出了一定的相关性或者启发意义的指标。 图表1 我们选取了六大类指标测算和 10Y 国债的相关性 指标类型 指标名称 起始时间 金融数据类 M2 同比 1986-12 社融存量同比 2003-12 扣除政府债存量的社融同比 2018-01 人民币信贷同比 1978-12 旧口径 M1 增速 1986-12 新口径 M1 增速 1998-12 M1-M2 同比（旧） 1986-12 M1-M2 同比（新） 1998-12 经济增长类 OECD 指数：中国 1990-01 制造业 PMI 2005-01 制造业 PMI-MA6 2005-06 工业增加值同比 1990-01 地产量相关 三十城销售面积同比 2011-01 二手房挂牌量指数环比 2015-02 二手房挂牌量指数同比 2016-