低利率环境下,债券投资从票息收益逐步转向久期管理获取增厚收益的必要性上升。近年来国内利率中枢持续下移,静态票息收益空间逐步压缩,债券组合单纯依靠持有到期收益获取稳定回报的难度上升。在这一背景下,久期轮动有望成为纯债组合和“固收+”产品中重要的收益增强与回撤控制工具。本文围绕这一目标,构建了基于宏观预期、趋势过滤与泡沫预警的利率择时与久期轮动框架。
本文的核心创新在于将彭博ECFC高频预期、滚动夏普动态筛选、趋势过滤与LPPLS泡沫风控相结合。在信号构建方面,本文从经济增长、通货膨胀、信用环境和流动性环境四个维度刻画债券市场所处的宏观环境,并引入彭博ECFC高频预期数据,以提高模型对基本面边际变化的捕捉能力。在各维度内部,本文通过滚动夏普筛选与相关性剔除动态识别有效因子,避免长期依赖固定指标;在大类信号层面,增长、通胀、信用和流动性四个维度等权合成综合宏观信号;同时叠加收益率曲线趋势过滤机制,在宏观信号与市场趋势明显背离时进行修正,以降低利率拐点阶段的误判风险。
底层利率方向信号具备较好的有效性,为后续久期轮动提供基础。将四维宏观信号等权合成并叠加趋势过滤后,最终信号在中债-7-10年国债净价(总值)指数上取得较好表现。其中,多空策略年化收益率、收益风险比、最大回撤分别为3.41%、1.64、-2.51%,优于基准的1.12%、0.51和-9.33%。
在指数久期轮动场景中,最终信号能够稳定转化为长短久期配置收益。以中证10债作为长久期资产、中证1债作为短久期资产构建轮动策略,策略年化收益率为5.86%,高于等权基准的3.79%;收益风险比为4.43,高于等权基准的4.03;最大回撤为-1.58%,明显低于等权基准的-2.96%。从分年度结果看,中证10债/中证1债轮动策略自2015年以来各年份均取得正超额收益,说明模型信号在长短久期配置中的稳定性较好,同时我们进一步拉长久期并将信号运用于ETF久期轮动场景后,轮动策略仍取得较好的收益增强与回撤降低效果。
LPPLS泡沫指标可作为久期轮动策略的辅助风控工具。从历史案例看,2024年7月至10月期间,上证10年国债价格处于高位区域时,LPPLS正向泡沫信号有所抬升,随后价格出现一定震荡调整,说明该指标对局部高点风险具有一定提示意义。策略层面,本文在中证10债/中证1债等轮动策略中引入LPPLS过滤,结果显示,加入不同阈值过滤后,策略年化收益率略有下降,但收益风险比均有所提升。从分年度最大回撤看,LPPLS过滤在多个年份不同程度降低组合回撤。
近年来,国内债券市场所处的利率环境发生了较为深刻的变化。伴随经济增长中枢、通胀水平和融资需求的阶段性变化,国内利率中枢整体呈现持续下移特征。对于债券投资而言,利率中枢下行一方面提高了长久期债券的资本利得弹性,另一方面也意味着静态票息收益空间逐步压缩,组合单纯依靠持有到期收益获取稳定回报的难度明显上升。在低利率环境下,债券组合的收益来源不再仅仅取决于票息水平,久期暴露、利率方向判断以及阶段性风险控制的重要性显著提升。
从投资实践看,利率下行阶段,适度拉长组合久期有助于放大债券价格上涨带来的资本利得;而在利率上行或债市调整阶段,若组合仍维持较高久期暴露,则容易承受更大的净值回撤。因此,如何在利率趋势变化过程中动态调整久期,成为债券组合收益增强与风险控制的重要问题。对于纯债产品而言,久期择时有助于提升组合收益风险比;对于“固收+”产品而言,债券底仓的久期轮动也可以作为收益增强和净值稳定工具,在权益市场波动较大时改善组合整体表现。
基于此,本文构建了基于宏观预期、趋势过滤与泡沫预警的利率择时与久期轮动框架。具体而言,本文围绕十年期国债利率走势判断,从增长、通胀、信用和流动性等维度刻画债券市场宏观环境,并结合实际宏观数据、预期宏观数据、收益率曲线趋势以及LPPLS泡沫预警指标,对利率方向进行综合识别。在此基础上,本文将择时信号应用于债券指数、长短久期轮动以及债券ETF组合等多类场景,以检验模型在利率择时和久期配置中的实际应用价值。
本文后续安排如下:第二章介绍利率择时模型的整体构建思路,包括四维因子池、滚动夏普筛选、相关性剔除、大类信号合成以及趋势过滤机制;第三章分别展示经济增长、通货膨胀、信用环境和流动性环境等大类因子的择时表现;第四章将最终信号应用于利率择时、久期轮动和ETF久期轮动等策略回测场景,评估模型的收益增强和风险控制效果;第五章进一步引入LPPLS泡沫预警指标,考察其对长久期资产阶段性过热风险的识别能力及其对组合回撤控制的改善效果;第六章为全文结论。
债券利率并非由单一因素驱动,而是经济增长、通胀环境、信用扩张和资金面状况共同作用的结果。从中长期维度看,经济增长中枢是决定实际利率中枢的重要基础,增长走弱往往对应实体融资需求下降和货币政策宽松预期增强,对债券市场相对有利。进一步从名义利率定价角度看,经典费雪效应表明,名义利率可以近似分解为实际利率与预期通胀之和:
其中,it表明名义利率,rt表示实际利率,πet表示通胀预期。因此,通胀水平和通胀预期决定了投资者对价格补偿的要求,通胀回落通常有助于打开名义利率下行空间,而通胀抬升则容易推升名义利率中枢。信用环境反映实体融资需求和宽信用进程,当信用扩张加快、融资需求改善时,债券利率通常面临上行压力;反之,信用收缩或融资需求偏弱则往往对债券形成支撑。流动性环境则更直接影响短端资金价格和债券交易环境,资金面宽松有助于压低短端利率并改善债券配置需求,而资金面收紧则容易加大债市波动。
基于上述逻辑,本文从增长、通胀、信用和流动性四个维度构建债券方向信号。其中,增长维度主要刻画经济基本面和增长预期变化,通胀维度主要反映价格水平和通胀预期变化,信用维度用于衡量实体融资需求强弱,流动性维度则用于刻画资金面的松紧程度。四个维度分别对应债券利率定价中的不同驱动因素,共同构成本文利率择时模型的宏观因子池。
在择时标的选择上,本文选取中债-7-10年国债净价(总值)指数(CBA06502)作为因子筛选和信号回测的基础标的。该指数能够较好代表中长期利率债的价格变化,同时净价指数不包含票息收益,相较含息指数更能直接反映利率波动对债券价格的影响。在信号构建上,本文并不固定使用单一指标,而是在增长、通胀、信用和流动性四个维度下分别设置候选因子池,并在各维度内部通过滚动夏普比率筛选与相关性过滤对候选因子进行动态优选。这样做的原因在于,宏观指标对债券市场的解释力具有阶段性,同一维度下不同指标在不同市场环境中的有效性也会发生变化。
具体而言,本文基于因子对应的择时收益序列,分别计算1/2/3个月滚动夏普比率,用以衡量候选因子的有效性;同时,对相关性较高的因子进行剔除,以减少信息重叠和信号冗余。通过上述处理,模型可以动态保留近期表现较好的指标,并剔除择时效果较弱或同质化程度较高的变量,从而提高单一维度信号的稳定性。需要说明的是,滚动夏普筛选与加权仅用于各维度内部的因子合成;在大类信号层面,增长、通胀、信用和流动性四个维度仍采用等权合成,以避免模型过度依赖某一单一宏观维度。考虑到宏观变量存在一定发布滞后,本文进一步引入收益率曲线趋势过滤机制。模型同时观察短端、中端和长端利率的均线状态,用于识别利率曲线整体方向;当宏观信号与利率趋势出现明显背离时,对原始宏观信号过滤至中性。
本文引入彭博ECFC板块提供的高频预期数据,用于跟踪市场对未来宏观变量的边际预期修正。相较已公布的宏观数据,预期数据能够更及时反映市场对经济、通胀等变量未来走势的判断,因此对债券市场的前瞻性分析具有较强参考价值。
彭博ECFC板块提供了经济学家对未来季度或年度宏观指标的历史预测序列,常见口径包括预测均值、中位数和加权平均值。其中,预测均值反映样本机构预测的简单平均水平,中位数能够在一定程度上降低极端值干扰,而加权平均值则根据不同经济学家历史预测表现赋予差异化权重,更强调预测能力较强样本的边际变化。以2020年Q1对后续GDP同比的预测为例,三种口径在方向上整体一致,均反映出疫情冲击下市场对后续经济的持续下修,但相较于简单平均和中位数,加权平均口径对预期变化的反应更为敏感,调整时点更早、幅度也更明显,因此更有利于捕捉市场预期修正的边际信息。考虑到本文更关注预期变化本身对债券市场的指示作用,而非静态预测值的绝对准确性,因此后文统一采用加权平均值作为预期指标的代表口径。
从样本覆盖看,大部分ECFC预期指标的历史序列起始于2014年以后,其中GDP同比和CPI同比的覆盖时间更长,可追溯至2007年。总体而言,ECFC数据能够较好覆盖增长与通胀两个大类维度中最核心的前瞻性变量,为后续构建高频预期信号提供基础。
具体使用时,本文在每个交易日观察下一季度对应宏观指标的加权平均预测值,并计算其相对于过去N日变化,用于刻画市场对未来宏观环境的边际修正。需要说明的是,为避免预测目标季度切换带来的跳点干扰,本文始终对同一目标季度比较预期值变化,这样可以更准确地提取预期修正信号,避免因预测对象变更而引入噪声。
除ECFC宏观预期数据外,本文还在各维度中纳入实际发布的宏观数据、信用数据、资金利率数据以及不同期限的利率数据,以更全面地刻画债券市场所处环境。具体来看,增长和通胀维度除高频预期数据外,还使用PMI、GDP累计同比、工业增加值累计同比、CPI、PPI等实际发布数据,用于描述已经发生的宏观基本面和价格环境变化;信用维度选取企业中长期贷款、委托贷款和信托贷款的累计值以及企业中长期贷款余额表征实际融资需求、M2、票据利率等指标,用于刻画实体融资需求和宽信用进程;流动性维度选取FR007、DR007相对7天逆回购利率的偏离,用于衡量资金面的松紧程度;利率趋势维度则覆盖短端、中端和长端收益率,用于识别收益率曲线的整体方向。为避免未来信息,本文所有低频宏观数据均调整至历史真实发布日期,在回测过程中仅使用当期可获得的最新数据进行信号计算。
本章主要检验各大类维度信号的独立择时效果,并观察高频预期数据是否能够在低频宏观数据之外提供增量信息。具体而言,本文分别展示经济增长、通货膨胀、信用环境、流动性环境和利率趋势等维度的信号构建结果及回测表现。其中,经济增长和通货膨胀维度同时包含低频实际数据与高频预期数据,本文分别回测低频信号、高频信号以及二者融合后的大类信号,以评估高频预期和价格数据对传统低频宏观变量的补充效果。需要说明的是,由于部分ECFC高频预期数据的覆盖时间相对较晚,尤其部分增长类预期指标主要自2014年以后具有较完整样本,因此经济增长维度的回测区间选取2014年12月31日至2026年4月30日;其余维度在数据可得的基础上,回测区间为2008年1月2日至2026年4月30日。
经济增长维度主要用于刻画宏观经济增长变化及市场对未来增长的边际预期。一般而言,经济增长走弱往往对应实体融资需求下降、货币政策宽松预期增强以及风险偏好回落,对债券市场相对有利;反之,经济增长改善通常意味着融资需求修复和政策宽松空间收窄,债券利率上行压力可能增强。因此,本文将增长类指标转化为债券方向信号:增长走弱对应利多债券,增长改善对应利空债券。
从历史关系看,实际GDP与10年期国债收益率整体走势具有较明显的同向特征:当经济增长中枢回落时,债券收益率往往趋于下行;而在增长改善或经济修复阶段,收益率通常面临一定上行压力。以2020年一季度疫情冲击阶段为例,市场对2020Q2 GDP的预测值快速下修,与同期10年期国债收益率下行走势较为一致。这表明,增长预期数据能够更及时地反映市场对未来基本面的重新定价,对于捕捉债券市场阶段性方向具有较好的参考价值。
在信号生成方面,低频变量与高频变量内部均先通过滚动夏普筛选与相关性剔除保留有效因子,并按照夏普表现加权生成子信号;随后将低频信号与高频信号分别离散化为+1/0/−1后等权加总,得到经济增长融合信号。
为检验增长维度信号的择时效果,本文分别对低频宏观增长信号、高频预期增长信号以及二者等权融合后的经济增长信号进行回测。回测中,模型在T−1日收盘后基于当期可得数据完成滚动夏普筛选并生成信号,T日收盘按照信号进行操作,以避免未来信息。回测标的为中债-7-10年国债净价(总值)指数,考虑到宏观预期数据发布时间较晚,因此我们的回测区间选取2014年12月31日至2026年4月30日。
从结果看,低频宏观增长信号和高频预期增长信号均相较基准取得一定收益增强,说明增长维度对债券市场方向具有较好的解释力。进一步将低频与高频信号等权融合后,策略年化收益率为2.42%,位于低频信号的2.16%和高频信号的2.57%之间,收益风险比提升至1.28,高于低频信号的1.01、高频信号的1.19以及基准的0.51;最大回撤为-3.16%,明显优于其余信号。整体来看,低频宏观数据与高频预期数据在增长维度上具有一定互补性,融合信号在保持收益水平的同时降低了波动和回撤,风险调整后表现更优。
通货膨胀维度主要用于刻画价格环境变化及市场对未来通胀的边际预期。在指标选择上,本文同时纳入实际发布的低频通胀数据与高频预期数据。低频宏观数据包括CPI同比、PPI同比、核心CPI同比、CPI-PPI剪刀差、核心CPI-PPI剪刀差等,用于刻画已经发生的价格环境变化;高频维度则包括ECFC CPI/PPI 预期以及豆粕、CRB商品指数、铁矿石等商品价格指标,用于跟踪市场对未来通胀压力的边际判断。考虑到通胀数据发布存在一定滞后,而商品价格和通胀预期对价格压力变化反应更为及时,引入高频数据有助于提升通胀维度信号的前瞻性。
从历史关系看,CPI同比与10年期国债收益率整体具有一定同向特征:通胀压力抬升阶段,名义利率通常面临上行压力;而通胀回落阶段,债券收益率下行空间往往打开。进一步以2014年初至2015年一季度为例,市场对2015Q2 CPI同比的ECFC预测值持续下修,与同期10年期国债收益率下行走势较为一致,说明通胀预期能够较好刻画债券市场所处的名义利率环境。
通胀维度的信号生成与经济增长维度保持一致,即低频通胀信号与高频通胀信号分别生成后离散化,并等权合成通货膨胀融合信号。为检验通胀维度信号的择时效果,本文分别对低频通胀信号、高频通胀信号以及二者等权融合后的通货膨胀信号进行回测。回测标的为中债-7-10年国债净价(总值)指数,回测区间选取2008年1月2日至2026年4月30日。
从结果看,通胀维度整体表现较好,低频通胀信号、高频预期信号以及融合信号均显著优于基准。其中,高频预期信号表现最强,年化收益率为4.32%,收益风险比为1.70,最大回撤为-3.41%,说明通胀预期和商品价格等高频变量对债券市场方向具有较强解释力。通货膨胀融合信号年化收益率为3.63%,收益风险比为1.61,明显高于基准的0.42;同时最大回撤为-5.32%,显著低于基准的-13.68%。整体来看,通胀维度对债券市场具有较强择时能力,其中高频预期数据贡献较为突出,而融合信号在保留高频信息的同时引入低频价格数据,有助于提高信号结构的稳健性。
信用环境维度主要用于刻画实体融资需求、宽信用进程与信贷投放质量。一般而言,当实体融资需求改善、信用扩张加快时,经济修复预期增强,债券利率通常面临上行压力;反之,当信用需求偏弱、融资扩张放缓时,往往意味着基本面支撑不足或宽松预期增强,对债券市场相对有利。因此,本文将信用类指标转化为债券方向信号:信用收缩或融资需求走弱对应利多债券,信用扩张或融资需求改善对应利空债券。
在指标选择上,本文主要从实际融资需求、货币供给、信用相对货币以及高频信贷四个角度构建信用环境因子。其中,实际融资需求由企业中长期贷款、委托贷款、信托贷款的累计同比以及企业中长期贷款余额同比刻画。企业中长期贷款能够反映企业中长期资金需求,委托贷款和信托贷款则更多对应非标融资需求,通常与项目投资、基建地产链条融资需求相关。货币供给方面,本文选取M2同比作为代表变量;同时进一步构造企业中长期贷款余额同比与M2同比之差,用于观察信用扩张相对于货币供给的强弱。高频信贷方面,本文选取3个月国股银票转贴现利率,用于刻画信贷需求和信贷投放质量。当真实融资需求偏弱时,银行可能通过票据贴现完成信贷投放,票据利率往往下行,因此较低的票据利率通常反映实体信贷需求不足,对债券市场偏利多。
从历史走势看,企业中长期贷款余额同比与10年期国债收益率在多个阶段具有较明显的同向关系,融资需求改善阶段往往伴随利率上行压力,而融资需求走弱阶段则更容易对应债券收益率下行。票据利率作为更高频的信贷观察指标,也能够在一定程度上提前反映信贷需求边际变化,为信用环境判断提供补充。
在信号构建上,本文将上述信用相关指标统一纳入信用因子池,并通过滚动夏普筛选与相关性剔除生成信用环境信号。回测结果显示,信用环境信号长期表现明显优于基准,年化收益率为3.95%,高于基准的1.09%;收益风险比为1.55,显著高于基准的0.42;最大回撤为-4.62%,明显低于基准的-13.68%。整体来看,信用环境维度能够较好识别宽信用与紧信用切换对债券市场的影响,在收益增强和回撤控制方面均体现出较好的择时效果。
流动性环境维度主要用于刻画银行间资金面的松紧程度。本文选取FR007与DR007相对7天逆回购利率的偏离作为核心变量,用于衡量市场资金价格相对政策利率的高低。其中,FR007是银行间市场7天回购定盘利率,其计算方式依赖R007在每个交易日上午9:00-11:30之间的全部成交利率,反映市场化资金成本;DR007是存款类机构7天质押式回购加权利率,更能反映银行体系内部的资金成本。二者均是观察短端流动性环境的重要指标。
从债券定价逻辑看,当FR007或DR007显著低于7天逆回购利率时,说明市场资金价格低于政策利率,银行间流动性相对充裕,债券市场交易环境较为友好,对债券偏利多;反之,若资金利率持续高于政策利率,则意味着资金面偏紧,债券市场波动和调整压力可能上升。因此,本文将资金利率相对政策利率的变化和分位数状态转化为流动性方向信号:资金面边际宽松对应利多债券,资金面边际收紧对应利空债券。
在信号构建上,本文将FR007-7天逆回购利率、DR007-7天逆回购利率统一纳入流动性因子池,并计算1/2/3个月变化以及1/2/3年分位数。随后通过滚动夏普筛选和相关性剔除生成流动性环境信号。回测结果显示,流动性环境信号年化收益率为4.29%,显著高于基准的1.09%;收益风险比为1.74,高于基准的0.42;最大回撤为-4.20%,明显低于基准的-13.68%。整体来看,流动性环境维度能够较好捕捉资金面变化对债券市场的影响,在收益增强和回撤控制方面均具有较好的表现。
考虑到宏观变量存在一定发布滞后,且债券市场在利率拐点附近可能提前反映预期变化,本文进一步引入利率趋势信号作为过滤机制。与增长、通胀、信用和流动性等宏观维度不同,趋势过滤主要从市场价格本身出发,用于识别收益率曲线的整体方向。当宏观信号与利率趋势明显背离时,模型对原始宏观信号进行过滤,以降低利率反转初期的误判风险。
具体来看,本文同时观察短端、中端和长端利率,而非依赖单一期限。其中,短端利率包括3个月、6个月和1年期中债国债及国开债到期收益率;中端利率包括3年和5年期中债国债及国开债到期收益率;长端利率包括7年、10年、30年期中债国债及国开债到期收益率,以及10年和30年国债活跃券到期收益率。对每个利率变量,本文分别计算5/20日和20/60日均线趋势:当短均线位于长均线下方时,认为利率处于下行趋势,记为+1;当短均线位于长均线上方时,认为利率处于上行趋势,记为-1;方向不明确时记为0。
在信号合成上,本文先在短端、中端和长端内部分别汇总趋势状态,再将三组趋势信号加总。当最终得分大于等于2时,代表短中长端利率出现较强下行共振;当得分小于等于-2时,代表收益率曲线整体存在较强上行压力;其余情况则视为趋势信号不明确,保持中性。该合成方法能够避免单一期限利率短期扰动对最终判断产生过大影响,使趋势过滤更侧重识别曲线层面的方向共振。
从回测结果看,利率趋势信号本身也具有一定择时效果。趋势信号年化收益率为2.75%,高于基准的1.09%;收益风险比为1.24,高于基准的0.42;最大回撤为-4.99%,明显低于基准的-13.68%。但由于趋势信号需要短端、中端和长端形成较强共振才触发,信号相对较为稀疏。因此,本文并不将其作为单独的核心择时信号,而是作为宏观信号之后的趋势过滤工具,用于在宏观判断与市场趋势背离时降低组合风险暴露。
综合来看,增长、通胀、信用、流动性以及利率趋势信号均相较基准取得了较好的择时效果,说明从宏观基本面、名义价格环境、实体融资需求、资金面状态和市场价格趋势等多个角度刻画债券市场具有一定有效性。各维度信号的年化收益率均高于中债-7-10年国债净价(总值)指数,同时最大回撤明显低于基准,表明单一维度信号不仅能够提供一定收益增强,也具备较好的风险控制能力。
从具体结果看,流动性环境信号表现相对最优,年化收益率4.29%,收益风险比达到1.74,说明资金面松紧变化对债券市场具有较强解释力。经济增长、通货膨胀和信用环境信号的收益风险比也分别达到1.59、1.61和1.55,均显著高于基准的0.42,表明宏观基本面、通胀预期和信用周期均能在不同阶段为债券择时提供有效信息。利率趋势信号年化收益率为2.75%,收益风险比为1.24,虽然单独表现也优于基准,但由于其触发条件更严格、信号相对稀疏,因此更适合作为宏观信号后的过滤机制,而非单独作为主要择时来源。
整体来看,不同维度信号在收益表现、回撤控制和市场适应性上存在一定互补性,但单一维度信号的年均双边换手率整体偏高,说明仅依赖某一类宏观变量进行择时,虽然长期效果优于基准,但在阶段性市场环境切换中仍可能存在信号波动较大、策略稳定性不足的问题。因此,后续本文将增长、通胀、信用和流动性四个宏观维度进行等权合成,并叠加利率趋势过滤,形成最终综合利率择时信号,以在保留各维度有效信息的同时,提高模型整体的稳健性和可解释性。
我们将上文生成的增长、通胀、信用和流动性信号进行汇总构建综合宏观信号,并在此基础上叠加利率趋势过滤,形成最终择时信号。具体而言,四个宏观维度信号先进行等权加总,用于判断债券市场的方向。当综合宏观信号为0时,模型延续上一期方向判断,以降低信号在中性区间频繁切换带来的交易损耗;随后,模型进一步引入利率趋势过滤机制,当宏观方向与收益率曲线趋势出现明显背离时,对原始方向判断进行修正,从而得到最终交易信号。
我们以中债-7-10年国债净价(总值)指数作为基础回测标的。正如前文所述,该指数不包含票息收益,相较含息指数更能直接反映利率变动对中长期债券价格的影响,因此适合用于检验利率择时信号的方向判断能力。回测区间为2014年12月31日至2026年4月30日,交易费用按双边0.02%计入。信号生成方面,模型在T−1日收盘后基于当期可得数据计算最新信号,并于T日收盘按照信号调仓。
从回测结果看,最终择时信号在中债-7-10年国债净价(总值)上取得了较好的择时效果。其中,多空策略的年化收益率为3.41%,收益风险比为1.64,最大回撤为-2.51%,均显著优于基准;多头策略年化收益率为2.32%,收益风险比为1.48,最大回撤为-2.06%,同样较基准明显改善。
从2025年以来的策略信号变化看,模型整体能够较好跟随债券市场的阶段性切换。在债市明显调整阶段,策略多次空仓或转为空头;在债市修复阶段,策略也能够重新回到多头方向。整体而言,信号在2025年主要体现出较强的回撤规避能力,在2026年初则逐步跟随债市修复重新转向多头。
从近期信号走势看,模型综合信号自2026年4月下旬至5月初持续维持多头判断,说明四维宏观信号与趋势过滤后对债券市场的方向判断仍偏积极。分维度来看,信用环境、流动性环境和趋势过滤在观察期内均稳定给出多头信号,是综合信号持续偏多的主要支撑;增长维度整体偏多但强度有所波动,4月24日为中性,4月27日转为偏多,随后多维持在0.5的弱多水平,反映增长端对债市的支撑仍在,但边际强度有所下降;通胀维度在4月下旬至5月初持续偏多,但至5月7日转为中性,说明价格端对债券市场的利多贡献有所减弱。整体来看,近期信号走势体现出较强的可解释性:综合多头并非来自所有维度同步强化,而主要来自信用、流动性和趋势方向的持续支撑。
进一步以2026年5月7日截面为例,可以观察模型信号背后的具体因子来源。当天信用环境和流动性环境是多头信号的主要贡献维度:信用维度中,3M国股银票转贴现利率的3个月和1个月变化权重分别为35.01%和34.36%,且均给出多头信号,说明票据利率所反映的信贷需求和投放质量仍对债券市场偏有利;中长期贷款余额同比变化也给出多头信号,反映实体融资需求仍偏弱。流动性维度中,DR007-7天逆回购利率的3个月变化、FR007-7天逆回购利率的2年分位数、DR007-7天逆回购利率的2年分位数等因子均给出多头信号,表明资金利率相对政策利率仍处于较友好的状态。相比之下,增长和通胀维度内部出现一定分化:高频增长中GDP和社零预期变化偏多,但工业产值预期变化偏空;通胀维度中低频价格指标偏多,而高频商品指标多空分化,最终使通胀信号回到中性。
本文进一步将最终信号应用于久期轮动策略。与前文直接对债券指数进行多空择时不同,久期轮动关注的是长短久期债券之间的相对配置:当模型判断利率下行、债券市场偏多时,组合提高长久期资产配置,以获取更高的资本利得弹性;当模型判断利率上行、债券市场偏空时,组合转向短久期资产,以降低利率上行阶段的净值回撤风险,而当模型给出中性信号时,组合会保持长短久期等权配置。
具体而言,本文以中证10债指数作为长久期资产代表,以中证1债指数作为短久期资产代表。其中,中证10债主要覆盖剩余期限在7年以上、10年以下的债券,对利率变化更为敏感,更能体现长久期资产的价格弹性;中证1债主要覆盖剩余期限在1个月以上、1年以下的债券,久期较短、波动相对较低,更适合作为防御资产。策略在模型判断债券偏多时配置中证10债,在模型判断债券偏空时配置中证1债,并以两类资产等权组合作为比较基准。回测区间为2014年12月31日至2026年4月30日,交易费用按双边0.02%计入。
从回测结果看,久期轮动策略相较等权基准实现了较明显的收益增强和回撤改善。策略年化收益率为5.86%,高于等权基准的3.79%;收益风险比为4.43,略高于等权基准的4.03;最大回撤为-1.58%,明显低于等权基准的-2.96%。从净值曲线看,久期轮动策略长期保持相对基准的超额收益扩张,说明最终信号能够较好地转化为长短久期配置决策,在利率下行阶段提高组合收益弹性,在债市承压阶段降低久期暴露,从而改善组合整体收益风险特征。
从分年度结果看,中证10债/中证1债久期轮动策略在样本期内表现较为稳定,2015年以来各年份均取得正超额收益。具体来看,在债券市场表现较好的年份,策略通过提高中证10债配置获取长久期资本利得,例如2015年、2018年和2024 年分别取得3.87%、3.68%和3.16%的超额收益;而在债市承压或震荡年份,策略则通过转向中证1债降低久期暴露,从而控制组合波动,例如2017年等权基准收益为-0.17%,久期轮动策略仍取得2.77%的正收益,对应超额收益2.95%。
在中证10债/中证1债久期轮动取得较好效果的基础上,本文进一步提高长久期端的久期暴露,将最终信号应用于中证10+债与中证1债之间的轮动配置。相较中证10债,中证10+债久期更长、对利率变化更为敏感,因此在利率下行阶段能够释放更高的资本利得弹性;而在模型判断利率上行或债券市场承压时,组合则切换至中证1债,以降低久期暴露并控制回撤。
从回测结果看,拉长久期后策略收益弹性明显增强,久期轮动策略年化收益率达到8.92%,显著高于等权基准的4.64%;收益风险比为3.36,高于基准的2.63;最大回撤为-3.11%,也明显低于基准的-5.12%。与此同时,策略相对于基准的日度胜率为53.90%。
进一步地,本文将久期轮动策略迁移至更具实盘可交易性的债券ETF组合场景中,以10年国债ETF对应指数作为长久期资产代表,以短融ETF对应指数作为短久期资产代表,检验模型信号在实际产品配置中的应用效果。考虑到部分ETF产品成立时间相对较晚、可回测历史较短,本文使用对应ETF跟踪的全收益指数表征产品表现,以获得更长样本期下的策略评估结果。策略规则与前文保持一致。回测区间为2014年12月31日至2026年4月30日,交易费用按双边0.02%计入。
回测结果显示,10年国债ETF/短融ETF久期轮动策略年化收益率为5.47%,高于等权基准的3.79%;最大回撤为-1.43%,低于等权基准的-1.95%;相对基准日度胜率为51.73%。虽然策略年化波动率有所抬升,收益风险比略低于等权基准,但整体来看,轮动策略在收益增强和回撤控制方面仍体现出较好的效果,说明模型信号在ETF配置场景中具有一定的实盘转化价值。
在更高久期弹性的场景下,本文进一步使用30年国债ETF对应指数与短融ETF对应指数构建轮动策略。相较10年国债ETF,30年国债ETF久期更长、对长端利率变化更为敏感,因此在利率下行阶段能够释放更强的资本利得弹性。回测结果显示,30年国债ETF/短融ETF久期轮动策略的收益弹性明显增强,年化收益率达到9.21%,显著高于等权基准的4.78%;收益风险比为2.35,高于等权基准的1.88;最大回撤为-5.74%,低于等权基准的-6.59%;相对基准日度胜率为52.93%。
LPPLS置信指标是一种基于市场异常交易形态的泡沫指标,它度量了近期不可持续的价格异常增长或下跌的程度。我们在过去的报告中将其运用于A股、港股以及黄金等资产中。
本文将LPPLS泡沫指标引入债券市场,主要用于辅助识别长久期债券价格阶段性过热后的回撤风险。本文选取10年国债ETF跟踪的上证10年国债指数(H11077)作为LPPLS指标的计算标的,并重点关注正向泡沫置信信号。当正向泡沫置信度上升时,说明债券价格可能处于阶段性快速上涨后的过热区间,后续若利率下行交易趋于拥挤,长久期资产可能面临一定回撤或震荡风险。
从历史案例看,LPPLS正向泡沫信号多出现在债券价格阶段性高点附近。以2016年7月至12月为例,上证10年国债价格在前期持续上行后,正向泡沫置信度一度明显抬升,随后价格进入回撤阶段;类似地,2024年7月至10月期间,正向泡沫信号也在债券价格高位区域有所显现,后续价格出现一定震荡调整。上述案例说明,LPPLS指标对于识别长久期债券价格阶段性过热和局部高点风险具有一定参考价值。因此,本文在原有久期轮动策略基础上,进一步引入LPPLS泡沫指标作为风险控制信号。
在原有中证10债/中证1债久期轮动策略基础上,本文进一步引入LPPLS正向泡沫指标作为辅助风险控制信号。具体而言,为避免过滤规则对单一阈值过度依赖,本文分别测试0.10、0.15和0.20三组阈值:当上一交易日LPPLS正向泡沫置信度高于对应阈值时,组合在后续20个交易日切换至短久期债券,以降低长久期资产在阶段性过热后的回撤风险。从整体结果看,加入LPPLS过滤后,策略年化收益率较原始久期轮动有所下降,但波动率同步降低,收益风险比反而有所提升。其中,原始久期轮动策略年化收益率为5.86%,收益风险比为4.43;加入0.10、0.15和0.20阈值后,收益风险比分别提升至4.49、4.54和4.48,其中0.15阈值下表现相对最优。整体来看,对于中证10债/中证1债组合而言,LPPLS过滤并未显著改变全样本最大回撤,但能够在一定程度上降低组合波动、改善风险调整后收益,说明泡沫预警信号对长久期资产的阶段性过热风险具有一定识别价值。
进一步从分年度最大回撤看,LPPLS过滤并非在所有年份均能改善回撤,但在部分债券价格阶段性过热后出现调整的年份,确实能够起到降低回撤的作用。以触发更敏感的0.10阈值为例,2016、2018、2021、2024和2025年的年度最大回撤均较原始久期轮动策略有所收窄。其中,2016年最大回撤由-0.74%收窄至-0.39%,2018年由-0.92%收窄至-0.62%,2024年由-1.19%收窄至-0.75%。这说明在长久期债券价格快速上涨、LPPLS正向泡沫信号触发后,组合阶段性切换至短久期资产,有助于提前降低长久期暴露,从而缓解后续价格回调对净值的冲击。
同时本文考虑中证10+债/中证1债久期轮动策略与LPPLS泡沫信号的结合效果。从整体结果看,引入LPPLS后,策略年化收益率较原始久期轮动略有下降,但波动率、最大回撤和收益风险比均有所改善。原始久期轮动年化收益率为8.92%,收益风险比为3.36,最大回撤为-3.11%;加入0.10、0.15和0.20阈值过滤后,最大回撤均收窄至-2.60%,收益风险比分别提升至3.49、3.63和3.55。其中,0.15阈值下年化收益率仍达到8.79%,接近原始策略,同时收益风险比提升最为明显。
在10年国债ETF/短融ETF久期轮动策略中,本文继续测试LPPLS正向泡沫阈值的过滤效果。整体来看,加入LPPLS后,策略收益弹性较原始久期轮动略有下降,但波动率、最大回撤和收益风险比均有所改善。原始久期轮动策略年化收益率为5.47%,收益风险比为3.53,最大回撤为-1.43%;加入0.10、0.15和0.20阈值过滤后,年化收益率分别为5.01%、5.36%和5.32%,虽较原始策略略有下降,但年化波动率分别降至1.32%、1.41%和1.43%,最大回撤均收窄至-1.23%,收益风险比分别提升至3.79、3.80和3.71。该结果表明,LPPLS过滤能够在10年国债ETF久期轮动策略中起到一定降波动和控制回撤作用。
从分年度最大回撤看,LPPLS过滤在部分年份能够有效降低10年国债ETF/短融ETF久期轮动策略的回撤,尤其是在债券价格阶段性上行后进入震荡调整的年份,切换至短融ETF的防御机制能够起到一定保护作用。以触发更敏感的0.10阈值为例,回测窗口的12年中有6年最大回撤有所改善。整体来看,LPPLS泡沫信号能够在部分高位阶段提前降低久期暴露,从而缓解后续价格回调对组合净值的冲击。
本文继续在30年国债ETF/短融ETF久期轮动策略中检验LPPLS正向泡沫阈值的稳健性。由于30年国债ETF久期更长、对利率变化更敏感,组合在利率下行阶段具有更高收益弹性,但在债券价格阶段性过热后也更容易面临较大回撤压力,因此LPPLS风控信号在该场景下的作用更为重要。
从整体结果看,加入LPPLS后,30年国债ETF久期轮动策略的风险收益特征进一步改善。原始久期轮动策略年化收益率为9.21%,收益风险比为2.35,最大回撤为-5.74%;加入0.10、0.15和0.20阈值过滤后,最大回撤均收窄至-4.38%。同时可以发现,当阈值为0.15和0.20时,策略在控制回撤的同时更好地保留了收益弹性,年化收益率分别达到9.99%和9.84%,均高于原始轮动策略。
低利率环境下,债券投资从票息收益逐步转向久期管理获取增厚收益。近年来国内利率中枢持续下移,静态票息收益空间逐步压缩,债券组合单纯依靠持有到期收益获取稳定回报的难度上升。在这一背景下,久期轮动有望成为纯债组合和“固收+”产品中重要的收益增强与回撤控制工具。本文围绕这一目标,构建了基于宏观预期、趋势过滤与泡沫预警的利率择时与久期轮动框架。
本文的核心创新在于将彭博ECFC高频预期、滚动夏普动态筛选、趋势过滤与LPPLS泡沫风控相结合。在信号构建方面,本文从经济增长、通货膨胀、信用环境和流动性环境四个维度刻画债券市场所处的宏观环境,并引入彭博ECFC高频预期数据,以提高模型对基本面边际变化的捕捉能力。在各维度内部,本文通过滚动夏普筛选与相关性剔除动态识别有效因子,避免长期依赖固定指标;在大类信号层面,增长、通胀、信用和流动性四个维度等权合成综合宏观信号;同时叠加收益率曲线趋势过滤机制,在宏观信号与市场趋势明显背离时进行修正,以降低利率拐点阶段的误判风险。
底层利率方向信号具备较好的有效性,为后续久期轮动提供基础。将四维宏观信号等权合成并叠加趋势过滤后,最终信号在中债-7-10年国债净价(总值)指数上取得较好表现。其中,多空策略年化收益率、收益风险比、最大回撤分别为3.41%、1.64、-2.51%,优于基准的1.12%、0.51和-9.33%。
在指数久期轮动场景中,最终信号能够稳定转化为长短久期配置收益。以中证10债作为长久期资产、中证1债作为短久期资产构建轮动策略,策略年化收益率为5.86%,高于等权基准的3.79%;收益风险比为4.43,高于等权基准的4.03;最大回撤为-1.58%,明显低于等权基准的-2.96%。从分年度结果看,中证10债/中证1债轮动策略自2015年以来各年份均取得正超额收益,说明模型信号在长短久期配置中的稳定性较好。
进一步拉长久期并迁移至ETF场景后,轮动策略仍取得较好的收益增强效果。将长端资产由中证10债替换为久期更长的中证10+债后,策略年化收益率提升至8.92%,显著高于等权基准的4.64%,说明在方向信号有效时,提高久期弹性能够进一步放大利率下行阶段的资本利得空间。进一步将策略应用于更具实盘属性的ETF场景后,10年国债ETF/短融ETF轮动策略年化收益率为5.47%,高于等权基准的3.79%;30年国债ETF/短融ETF轮动策略年化收益率进一步提升至9.21%,高于等权基准的4.78%。
LPPLS泡沫指标可作为久期轮动策略的辅助风控工具。从历史案例看,2024年7月至10月期间,上证10年国债价格处于高位区域时,LPPLS正向泡沫信号有所抬升,随后价格出现一定震荡调整,说明该指标对局部高点风险具有一定提示意义。策略层面,本文在中证10债/中证1债轮动策略中引入LPPLS过滤,结果显示,加入不同阈值过滤后,策略年化收益率略有下降,但收益风险比均有所提升,其中0.15阈值下收益风险比由4.43提升至4.54;从分年度最大回撤看,LPPLS过滤在2016、2018、2021、2024和2025年等年份均不同程度降低组合回撤。进一步应用于更高久期和ETF轮动场景后,LPPLS也体现出一定的降波动、控回撤效果。整体来看,LPPLS更适合作为久期轮动策略中的风险过滤模块,用于在长久期资产阶段性过热时辅助控制回撤。
总体而言,本文构建的宏观预期—趋势过滤—泡沫风控框架能够较好刻画债券利率的宏观驱动因素,并有效服务于利率择时与久期配置。在低利率环境下,该框架有助于债券组合在收益增强与风险控制之间取得更好的平衡。
注:文中报告节选自兴业证券经济与金融研究院已公开发布研究报告,具体报告内容及相关风险提示等详见完整版报告。
报告发布机构:兴业证券股份有限公司(已获中国证监会许可的证券投资咨询业务资格)
中央气象台5月14日10时继续发布暴雨蓝色预警:预计,5月14日14时至15日14时,广东中东部和南部沿海、福建东南部及贵州中部、重庆西部、四川东部、青海东南部、甘肃西南部、河南西部等地部分地区有大到暴雨,其中,广东东南部局地有大暴雨(100~125毫米)。
近日,南京江北新区管委会、浦口区政府官网更新后显示,林小明已任南京市政府党组成员,南京江北新区党工委副书记、管委会主任、南京高新技术产业开发区管委会主任、中国(江苏)自由贸易试验区南京片区管委会主任,浦口区委副书记、区政府副区长、代区长。此前,林小明为淮安市委常委、常务副市长。
局地8级以上雷暴大风,中央气象台三预警齐发!跨越南北的千里降雨带即将上线时发布暴雨蓝色预警强对流天气蓝色预警大雾黄色预警中央气象台5月14日06时继续发布暴雨蓝色预警:预计,5月14日08时至15日08时,广东中东部和南部沿海、福建东南部及贵州中部、重庆西部、甘肃西南部、河南西部等地部分地区有大到暴雨,其中,广东东南部局地有大暴雨
5月14日,特朗普访华期间,在会上透露,美国大公司的企业家都想来中国,“但二三把手我都不让他们来”。
美国总统特朗普5月13日晚乘专机抵达北京,开始对中国进行国事访问。十余家美国知名企业的高管随团访华,其中包括苹果首席执行官蒂姆·库克、英伟达创始人兼首席执行官黄仁勋、特斯拉公司首席执行官埃隆·马斯克等。
今天(5月14日),南方降雨范围减少、强度减弱,暴雨主要集中在福建、广东等地。但明天开始,一轮更大范围的降雨过程即将展开影响,不仅南方,北方多地也将有雨水出没。同时,一股冷空气携降温来袭,北方炎热天气将得到缓解,华北、黄淮多地最高气温将降至20℃出头,需及时添衣防着凉。
然而,这场政治对决的剧本却迅速翻转,因为杜特尔特阵营在参议院的一系列操作,让局势急转直下,莎拉反而迎来了关键的转机。