• 利率债市场规模及结构 [page::4]

- 利率债占债券市场约56.9%，主要由国债、政金债及地方债组成，成交主要集中在流动性较好的政金债与同业存单。

• 利率债供给驱动及季节性规律 [page::6][page::7][page::8]

- 国债供给主要受中央财政赤字影响，地方债受地方财政赤字和专项债额度影响，政金债逆周期调节经济压力。
- 供给具有明显季节性，一二季度发行较少，三四季度集中发行，引发“三季度魔咒”现象。

• 利率债需求机构及持仓特征 [page::9][page::11][page::12]

- 商业银行持仓占比最高，着重票息收益；保险机构关注保费收入及利率水平；境外机构以利率及中美利差调整配置；广义基金追求高收益低回撤，受债基及理财规模及利率走势影响明显。

• 利率债收益分解模型：三大收益来源解析 [page::13][page::15][page::16][page::17]

- 债券收益分为远期利率（固定收益来源）、久期影响（主要由利率变动驱动）和凸性偏差（利率波动性溢价）。
- 实证表明模型解释度达95%，短久期债券收益更依赖远期利率，长久期债券则更注重久期影响。

• 利率动态特征与模型设计 [page::18][page::19][page::20][page::21]

- 利率表现出短期动量与长期均值回复的叠加特征，模型捕捉两者：周期模型（长周期均值回复）、CIR模型（均值回复且波动率依赖利率水平）、MM模型（结合动量与均值回复，效果最佳）。

• 利率久期择时策略及回测表现 [page::21][page::22]

- MM模型的久期择时策略年化收益达6.9%，最大回撤5.1%，夏普比率2.26；引入VaR风险管理（特别是VaR10%）显著降低最大回撤至3.3%，夏普提升至2.55。

• 真实债券组合复制与收益预测 [page::23][page::24]

- 采用久期及凸性匹配的零息债券组合复制附息债券组合，复制效果优异，基于MM模型收益预测实现中债国债总财富指数久期择时，VaR25%策略年化收益5.3%，最大回撤2.9%，夏普2.37。

• 利率债久期择时在资产配置中的应用 [page::25][page::26]

- 嵌入风险平价策略及股债金风险平价策略中，久期择时策略均显著提升收益与夏普比率，降低最大回撤，验证久期择时提升配置效率的稳定性。

• 赔率驱动的动态资产配置及久期择时融合 [page::27][page::28][page::29][page::30]

- 股票、可转债和利率债的赔率指标（股息率-国债收益率、隐含波动率比率）融合构建动态资产配置策略。
- 目标波动率3%-5%、利率债久期择时策略嵌入后，年化收益、夏普比率均明显提升，最大回撤降低，尤其在利率债主导比例较高时效果显著。

量化专题报告《利率债收益预测框架——大类资产定价系列之二》详尽分析报告

---

1. 元数据与概览

• 报告标题：利率债收益预测框架——大类资产定价系列之二

- 发布机构：国盛证券研究所

• 发布日期：2020年5月14日（S国监证分标识，页面显示日期）

- 主题范围：利率债市场分析、收益分解、久期择时策略及其在大类资产配置中的应用

• 核心论点：

- 通过供需框架分析利率债市场，明确影响供给和需求的主要经济和机构因素；
- 应用Antti Ilmanen（1995）提出的债券收益分解模型，实现利率债收益的远期利率、久期影响与凸性偏差三项分解，并实证验证模型解释能力高达95%；
- 利率具有短期动量和长期均值回复特性，进而设计周期模型、CIR模型和MM模型进行利率预测，MM模型表现最佳；
- 利用模型预测结果构建债券久期择时策略，显著提升利率债投资组合的绩效（收益提升，风险降低）；
- 将利率债久期择时策略应用于大类资产配置（风险平价及动态赔率驱动策略），进一步改善配置的收益和回撤表现。

• 主要结论：报告强调利率债不仅是资产配置中的防御资产，更是连接宏观经济与金融市场的关键枢纽，通过科学的收益分解和久期择时能够有效提升整体投资收益及风险控制[page::0,4,37].

---

2. 逐节深度解读

2.1 利率债供需分析框架

关键论点

• 利率债市场由国债、地方债、政策性金融债三部分构成，市场规模庞大，流动性结构差异明显。

- 供给侧核心驱动因素为中央财政赤字、地方财政赤字和专项债额度，同时政策性银行债具有逆周期特征，面向经济下行作为调节工具。

• 需求侧存在配置盘（商业银行、保险机构、境外机构）和交易盘（广义基金）之分，需求动力差异主要表现在对利率和利率走势的敏感度。

- 利率债供给存在明显季度性特征，如“三季度魔咒”，供需节奏对利率形成显著影响。

• 机构投资者的持仓结构和行为驱动债券需求的动态变化，具体分析了商业银行、保险、境外机构与广义基金的驱动因素和需求变动规律[page::4-13].

详细分析

1. 市场规模与结构

图表5–7说明了2013年以来，利率债市场规模从19.6万亿元快速扩张至57万亿元，占据债券市场56.9%，流动性较好的是政策性金融债（成交占比43%）和同业存单（22%），地方债和信用债流动性较弱。此结构差异反映债券品种在交易活跃度、投资属性上的差异。

1. 供给侧分析

- 国债净增量与政府中央财政赤字高度相关（图表7-9），反映财政政策对供给的主要影响；
- 地方债供给更复杂，分为新增债、置换债和再融资债，置换债已结束，再融资债发行量与地方债到期挂钩（图表10）；新增债受地方财政赤字和专项债新增额度驱动（图表11）；
- 政金债表现出逆周期特性，供给增量受经济增速（GDP同比）周期影响明显（图表12）。

1. 需求侧分析

- 投资机构包括政策性银行、商业银行、非银行金融机构、广义基金、境外机构等，机构间持仓结构差异显著（图表13-15）；
- 商业银行和境外机构以持有利率债为主（80%以上），保险机构喜欢票息较高且流动性较差的信用债（32%）；广义基金重视流动性高的信用债（49%）；
- 需求规模驱动因子比较，商业银行由存款余额和利率高低决定；保险机构由保费收入和利率高低驱动；境外机构由境内利率和中美利差驱动；广义基金由债基规模、银行理财规模和利率走势驱动（图表16-24）[page::9-12].

部分关键图表示例如下：

1. 供需框架总结

- 供给由财政部（中央与地方）和政策性银行掌控，受财政赤字及经济周期驱动；
- 需求由配置型机构（商业银行、保险、境外）与交易型广义基金构成，两者在收益目标和迭代行为上异质；
- 该框架帮助投资者从宏观面和中观机构需求分析利率债市场动态，提升利率预测及投资研究的层次[page::13].

---

2.2 利率债收益分解模型

关键论点和基础概念

• 为何采用即期利率曲线：即期利率代表零息债券的实际到期收益率，更真实反映无再投资风险条件下的利率期限结构，对附息债券进行本息分离定价利于模型准确估计。

- 债券收益主要分为三部分：远期利率收益（基于不变利率曲线）、久期引起的价格变动（对应市场利率波动，资本利得），以及凸性偏差（利率变动的非线性影响）。

• 修正久期和凸性分别描述价格敏感度和价格变动曲度，两者结合泰勒展开对利率变动影响作出定量估计。

- 收益分解模型实证：以中国债券市场国债数据为例，利用即期利率历史数据构建零息债券财富指数，测算各期限债券收益与风险情况（长久期债券收益与风险均较大），校验模型拟合度优异(>95%)且不同久期债券收益结构差异显著，长久期债券需更多关注久期影响，短久期债券远期利率收益占比更高。

关键数据点和图表说明

• 图表26-27显示了1-10年不同期限零息债券即期利率走势和财富指数长期表现。

- 图表29-30展示了10年期零息债券收益的年度分解和不同久期债券风险贡献，收益主要由远期利率和久期影响决定，凸性偏差仅在利率剧烈波动时期显著。

• 模型估计的债券收益与实际收益高度吻合，验证该分解框架适用性[page::14-17].

---

2.3 利率债久期择时策略

利率运行的核心特征

• 利率变化同时表现出短期动量和长期均值回复的双重特征，可建模为AR(2) 形式表示，包括均值回复项和动量项；

- 短期预测中动量效应更强，长期预测中均值回复效应更显著，需分别考虑[page::18].

利率预测模型设计

• 周期模型：基于傅里叶变换提取利率最显著周期，利用周期性回归对利率进行拟合与预测，适合捕捉长期均值回复；

- CIR模型：均值回复与利率水平相关波动模型，保证利率非负且波动依赖当前利率水平，适合空间维度描述；

• MM模型（Momentum-Mean Reversion）：结合动量和均值回复效应，兼顾短期动量与长期均值回复特征，模型对异常波动适应更强。

模型比较显示，MM模型综合性能最佳，短端预测效果优于周期模型，周期模型长端表现稍优，且MM模型能更灵活拟合利率的各种极端状态（如利率顶部和底部），但三模型均未能很好捕捉2013年“钱荒”风险造成的回撤[page::19-21].

久期择时策略实证

• 以2005-2020年数据为样本，基于预测未来一年债券收益，从1至10年期限的零息债券中择优持仓。

- 三个模型策略均有效提升收益、降低回撤，MM模型表现尤为突出，年化收益6.9%，最大回撤5.1%，夏普比率2.26；平均调仓频率约3次/年。

• 引入波动率指标（VaR和Sharpe比率修正），在不显著降低收益的前提下，明显降低最大回撤，VaR10%策略表现最佳，回撤降至3.3%，夏普率达2.55，显示波动率信息关键性[page::22].

真实债券组合复制

• 考虑零息债券供给稀缺和期限短的限制，采用久期和凸性匹配方法复制中债国债总财富指数子组合（1-3年、3-5年、5-7年、7-10年），复制权重稳定且收益匹配良好。

- 基于MM模型收益预测，叠加复制权重进行复合指数的久期择时，实现真实可交易的策略。

• 该策略同样表现优秀：年化收益5.3%，最大回撤2.9%，夏普比率2.37，卡玛比率1.85[page::23-24].

---

2.4 资产配置中久期择时的作用

风险平价与久期择时

• 风险平价策略下债券权重约为90%，因此基于久期择时策略的债券子资产再平衡对整体组合影响显著。

- 将MM模型久期择时引入股债风险平价，收益从4.3%提升到6.6%，最大回撤降至4.0%，夏普比率提升至2.17。

• 加入黄金形成股债金三资产风险平价，首次实现收益风险双提升，表明久期择时策略具有稳健的策略增强效果[page::25-26].

赔率驱动的动态配置与久期择时

• 动态赔率配置基于对股票（股息率-国债收益率）、可转债（隐含波动率比率）和利率债估值的赔率指标，进行风险预算调整。

- 针对股债轮动，股息率-国债收益率指标具备较好的长期收益预测能力，相关策略年化收益19%，最大回撤21%，夏普1.27。

• 对可转债，基于隐含波动率比例设计的轮动策略年化收益提升至15%，最大回撤明显下降。

- 赔率策略中，利率债部分的久期权重依据MM模型收益/VaR动态分配，满足70%以上债券权重限制。

• 不同目标波动率下（3%、4%、5%），引入久期择时后收益率、夏普比率提升明显，回撤普遍降低，尤其低波动率限制下久期策略贡献更大，如4%波动率下夏普2.23，3%波动率下夏普2.59，最大回撤下降1-2个百分点[page::27-30].

---

2.5 总结与展望

1. 利率债供需分析框架梳理了供给（财政赤字、经济压力）和需求（机构负债驱动、利率敏感性）核心驱动力，形成宏观与机构视角下的债券市场供需博弈体系。

2. 债券收益分解模型将债券收益拆解为远期利率、久期和凸性偏差部分，模型拟合度高，久期为核心影响因子，凸性偏差适用于高波动环境。

1. 利率具有短期动量和长期均值回复特性，结合周期模型、CIR模型和MM模型来实现利率预测，MM模型表现最佳。

4. 利率预测结果用于久期择时策略，显著提升收益风险特征，并成功通过久期凸性匹配方法应用于真实债券投资组合。

1. 久期择时策略融入大类资产配置，无论静态风险平价还是动态赔率配置，都带来收益与风险控制双重改善，验证其策略实用价值。

6. 报告后附详细经典利率曲线拟合、利率动态模型和货币政策理论等，为模型构建提供理论支持[page::31-36].

---

3. 图表深度解读（部分重点图示）

• 图表5（债券存量结构及成交结构）

该堆积柱状图展示2013-2020年初利率债、信用债和同业存单的市值结构演变，总体市场扩张明显，利率债占据近60%。债券成交结构披露政金债成交占比最高（43%），流动性好；信用债成交较少，流动性弱。趋势显示市场活跃度向高等级品种倾斜，显示投资者偏好保守稳健资产。

• 图表6（利率债净增量结构）

对应2011-2019年国债、地方债和政金债净增量堆积柱状图，体现国债净增量逐年上升，地方债于2015年后增加明显，政金债稳定，凸显不同品种供给驱动差异。

• 图表7（利率债供给季节性）

利率债季度发行额与利率变动（蓝色连线）叠加展示，三季度供给高峰对应利率上升，阐释“三季度魔咒”。

• 图表29-30（收益分解与分项风险贡献）

详细收益条形分解图展示了远期利率、久期和凸性贡献，验证收益分解结构。另看不同久期债券风险贡献差异，展现资产不同风险特征。

• 图表31-32（利率动量与均值回复）

利率预测不同持有期短期动量与均值回复效应beta及t-value递增趋势图，揭示不同周期利率动态特征。

• 图表38-39（久期择时策略净值与表现）

三模型久期择时策略净值曲线和绩效对比，MM模型在回撤和收益上均优。

• 图表40-41（波动率信息融入后策略表现）

增加VaR和Sharpe调整后策略净值和表现，显示基于VaR10%的策略夏普最高且最大回撤显著降低。

• 图表42-45（零息债券复制权重和复制效果）

零息债券复制中债国债财富指数的权重分布平稳，复制组合收益与标的真实收益匹配紧密，表明该方法有效。

• 图表50-51（风险平价与久期增强对比）

股债风险平价策略与融入久期择时后的策略净值和绩效对比，显著提升收益风险指标。

• 图表57-62（赔率驱动动态配置策略拟合）

随目标波动率不同，动态策略中的标的仓位调整，久期增强策略收益和风险情况，低波动率下久期策略优势更明显，夏普率提升达到2.23-2.59[page::5-6,16-18,20-21,22-24,25-26,29-30].

---

4. 估值分析

报告中主要估值与收益预测方法基于债券收益分解和利率预测模型：

• 债券收益分解：对零息债定价基础上把总收益拆解为远期利率（表征无利率变动收益）、久期影响（利率变动下的资本利得）、凸性偏差（二阶非线性影响）三部分，模型能较为准确地估算持有期间收益。

- 利率预测：周期模型（傅里叶频谱分析），CIR模型（均值回复+利率水平相关波动），MM模型（动量+均值回复及利率水平波动），结合利率波动率预测能更精准计算债券预期收益及风险。

• 组合复制估值：通过久期与凸性匹配将附息债券拆解为零息债券组合，利用零息债券收益预测线性组合推导附息债券预期，简化实际操作。

- 风险调整估值：结合VaR和夏普比率对预期收益进行调节，形成更有效的债券久期择时策略。

• 资产配置估值：基于风险平价和赔率动态配置框架，结合不同资产赔率指标，配合久期择时策略动态优化配置，提升整体估值合理性和投资回报[page::14-24,27-30].

---

5. 风险因素评估

• 模型风险：所有结论均基于历史数据和统计模型，未来市场结构、经济周期、政策环境变化可能导致模型失效，报告明确警示此风险。

- 利率风险：尽管久期择时策略能在一定程度减少回撤，但极端宏观事件（如2013年“钱荒”）无法被历史模型充分预测，存在尾部风险暴露。

• 流动性风险：部分债券品种流动性薄弱（如地方债和信用债），策略实施时或面临交易摩擦，影响收益。

- 估值风险：债券和概率估值依赖宏观变量与未来利率预测存在不确定性，估值基于模型假设，若假设偏离现实，可能误导投资判断。

• 投资组合风险：久期择时策略必须频繁调仓，导致交易成本和操作风险需加以控制。

- 政策风险：财政政策调整、债券发行规则变化会影响供需关系，久期策略的有效性或出现周期性波动[page::37].

---

6. 批判性视角与细微差别

• 积极侧重于模型应用，文中多次强调MM模型优于传统均值回复（CIR）和周期模型，但对极端事件预测能力有限是现实而重要的缺陷，报告对此未做深入补充风险缓解措施。

- 对“久期择时策略”回测结果表现优异，但策略实操中频繁调仓可能带来成本高企，且对交易流动性依赖较大，报告中对此阐述不足。

• 供需分析框架较为结构化，但复杂宏观变量如财政赤字政策动态和金融监管改革的深远影响未予充分动态纳入分析。

- 持仓结构分析依赖公开托管数据，未对非公开市场或私募机构等影响充分考虑，某些机构投资动机可能更复杂。

• 评估债券收益分解模型时，虽然模型精度高，但对未来波动性和政策突发事件的应对能力仍有待考量。

- 赔率驱动动态配置策略虽优化大类资产表现，但实证窗口和实操中的手续费与税务影响未充分量化披露[page::37].

---

7. 结论性综合

本报告通过结构完善的供需分析框架，深入解剖利率债市场的供给逻辑和复杂的多机构需求动态，洞悉宏观经济与债券市场的耦合机制。借助Antti Ilmanen经典债券收益分解模型，报告在中国债市实证分析中确认三因素分解高度精确，凸显久期影响对投资回报的主导权和凸性在波动加剧阶段的辅助作用。通过创新整合短期动量与长期均值回复特性的利率预测模型（MM模型）和波动率信息，构建出科学可操作的久期择时策略，显著提升债券投资组合的收益与风险表现，夏普比率普遍突破2以上，并进一步通过久期与凸性匹配方法，将建模策略成功植入真实债券组合操作中。

更重要的是，报告将债券久期择时策略成功嵌入大类资产配置，包含风险平价及赔率驱动动态配置，展现全面有效的策略增强作用，既提升配置收益也降低最大回撤，验证其作为资产配置核心一环的价值。特别在低波动率限制下，利率债久期增强表现尤为突出，夏普比率显著提升至2.5以上，凸显对稳健型投资者的吸引力。

报告最后附录涵盖利率曲线拟合、动态利率模型及货币政策规则，全面支撑模型理论基础，形成学术与实操兼备的系统方案。风险提示充分指出模型基于历史数据及统计假设，一旦市场环境快速变动，策略表现可能受限，为投资实践提供免责声明和审慎建议。

综合评估，报告结构严谨，论证充分，模型体系完整，数据详实且图表丰富，提供了一个理论严密且具备实际指导意义的利率债投资策略体系，是利率债投资者和资产配置者的重要智库资源。

---

总结性提示

• 报告结构清晰：从供需分析→收益分解→利率预测→策略构建→资产配置 →总 结，逻辑严密、层层递进。

- 建模创新 ：MM模型结合动量和均值回复，优于传统模型，实证表现突出。

• 策略落地 ：久期择时结合波动率考虑，应用于多期限零息债及真实债券组合，策略可实现且有显著收益提升。

- 大类资产配置增效 ：风险平价与赔率动态配置均有效拓展债券久期选择策略，提升整体组合表现。

• 风险警示到位 ：模型局限、市场剧变和策略实施成本被合理揭示。

- 图表直观丰富 ：多周期、持有期、机构类型、模型对比等多维度解析，有助于理解和策略设计。

---

主要参考文献（摘要）

• Antti Ilmanen, "Understanding the Yield Curve", Salomon Brothers, 1995

- Cox, Ingersoll, Ross (1985), Term Structure Model

• Nelson-Siegel (1987), Yield Curve Parameterization

- Holston-Laubach-Williams (2016), Natural Interest Rate Estimation

• Taylor (1993), Taylor Rule

- Research Affiliates (2014), Fixed Income Methodology Overview

• PIMCO (2019), Yield Curve Positioning Optimization

- BIS (2005), Zero-Coupon Yield Curves Technical Documentation

• Laubach-Williams (2003), Natural Rate of Interest[page::36].

---

（全文共约3670字）

如需对特定章节或图表进一步深度解析，请告知。

报告