债券量化系列：量化择时信号的选择与合成

本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 1 债券量化系列 量化择时信号的选择与合成 2025 年 08 月 25 日 ➢ 最终我们构建的均权策略组合 22 年以来的年化收益为 5.1%，最大回撤-0.5%，业绩基准年化收益率 2.5%，最大回撤-1.1%。 ➢ 模型综述：本文整理了我们从不同角度回测后得到的有效择时信号，并通过合理的方式将各信号进行有效整合。子类信号主要包括 5 个使用量价数据构造的信号，以及 3 个结合非传统量价数据构造的信号，信号整合方式上我们测试了 3类信号整合方式，并选择其中一个为最终的信号合成方式。 ➢ 量价模型：在现券的各类择时信号中，使用量价数据构建的信号相对简单有效，这主要是由于债市的趋势性特征决定的。自 15 年以来，由于经济增速从过快逐渐转为平稳增长，债市收益率也呈现显著的趋势下行特征，从长债基准的 10年国债收益率来看，每一次债市运行周期的峰值均低于前高，均线在大部分时期均呈现震荡下行的走势，因此基于债市的趋势性特征构造的信号能取得较好的表现，我们考虑使用分位数模型、布林带模型、MACD 模型、DNS 模型和多空比5 个模型来反应各类量价模型的特征。 ➢ 非量价模型：除了量价类数据外，我们考虑同时使用其他的数据来生成择时指标，主要包括机构交易和基金净值两类数据。机构交易数据我们主要考虑基金、农商行、券商和保险 4 类交易量较大，且数据相对而言受一级市场影响较少的机构的行为数据，基金方面，我们主要考虑利率债占比较高的基金数据。我们考虑使用净买入模型、机构期限轮动模型和基金久期模型来反应各类量价模型的特征。 ➢ 信号合成：在获取了 8 个子类信号后，我们考虑以不同的方式进行信号合成。综合来看，使用均权时序模型能取得较为平稳的信号，组合风险收益特征也相对较好。最终我们构建的均权策略组合有 69%的区间看多，有 31%的区间看空，22 年以来的年化收益为 5.1%，最大回撤-0.5%，业绩基准年化收益率 2.5%，最大回撤-1.1%。 ➢ 风险提示：利率债发行节奏加快，经济增长预期显著变化，货币政策的不确定性，流动性风险，利率波动风险。 [Table_Author] 分析师 徐亮 执业证书： S0100525070004 邮箱： xliang@mszq.com 相关研究 1.海外利率周报 20250824：JH 会议，9 月降息预期再度高企-2025/08/24 2.债券策略周报 20250824：债市稳住了吗-2025/08/24 3.固收专题：怎么看关键期限国债新发定价与活跃券切换-2025/08/24 4.信用债周策略 20250824:当前怎么看待信用债 ETF-2025/08/24 5.转债周策略 20250823：转债强赎对正股影响几何？-2025/08/24 固收专题研究 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 2 目录 1 基于不同角度构建差异性信号 .................................................................................................................................. 3 1.1 量价类信号 .......................................................................................................................................................................................... 3 1.2 非量价类信号 ...................................................................................................................................................................................... 8 2 不同市场下的信号合成 .......................................................................................................................................... 11 3 风险提示 .............................................................................................................................................................. 13 插图目录 .................................................................................................................................................................. 14 固收专题研究 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 3 1 基于不同角度构建差异性信号 本文整理了我们从不同角度回测后得到的有效择时信号，并通过合理的方式将各信号进行有效整合。子类信号主要包括 5 个使用量价数据构造的信号，以及3 个结合非传统量价数据构造的信号，信号整合方式上我们测试了 3 类信号整合方式，并选择其中一个为最终的信号合成方式。 1.1 量价类信号 在现券的各类择时信号中，使用量价数据构建的信号相对简单有效，这主要是由于债市的趋势性特征决定的。自 15 年以来，由于经济增速从过快逐渐转为平稳增长，债市收益率也呈现显著的趋势下行特征，从长债基准的 10 年国债收益率来看，每一次债市运行周期的峰值均低于前高，均线在大部分时期均呈现震荡下行的走势，因此基于债市的趋势性特征构造的信号能取得较好的表现 图1：10 年国债到期收益率与均线（%） 资料来源：wind，民生证券研究院 1.1.1 分位数模型 由于债市利率在不同的时间段存在运行区间差异，比如对于 10 年国债利率，在 2010 年至 2015 年基本运行在 3%以上的位置，而近 3 年则利率均在 3%以下，因此使用滚动分位数可以对数据进行有效的清洗，比如在近年的下行趋势中，如果直接根据利率的变动情况生成信号，则会面临震荡行情下的信号显著性较差，而通过月滚动分位数处理后，就可以直观判断利率是否运行至阶段性高点。分位数模型固收专题研究 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 4 通过设置不同阈值来判断债市是否进入趋势