• 利率债市场结构梳理与风险特征 [pidx::4][pidx::5][pidx::6]

- 利率债分为无信用风险利率债与有信用风险信用债，本文聚焦流动性优的国债及政策银行债。
- 地方政府债存量最大（42.3%），政策银行债成交活跃度最高（56.7%）。
- 国债与政策银行债即期收益率曲线高度相关，整体走势一致。
- 短债以骑乘收益为主风险较低，长债受即期曲线变动资本利得影响波动大，表现出明显的久期轮动现象。

• 即期收益率曲线三因子建模与预测复现：N-S模型与Diebold 2006方法 [pidx::6][pidx::7][pidx::8][pidx::9]

- 利用Nelson-Siegel（N-S）模型拟合不同期间的即期收益率曲线，捕捉水平、斜率和曲率因子，模型拟合误差均在8bp内。
- 采用AR(1)模型对三因子进行预测，发现负斜率因子与曲率因子方向胜率均较好（60%以上），而水平因子表现不佳，存在非平稳趋势。
- 预测结果显示长端债券（10年期）方向胜率低，仅52.9%，亟需改进水平因子预测方法。

• 水平因子预测改进：宏观变量与动态中枢结合 [pidx::9][pidx::10][pidx::11][pidx::12][pidx::13][pidx::14]

- 梳理19个高频宏观经济、资金面、政策指标，采用LARS方法滚动筛选，选出斜率因子、DR007、OECD中国领先指数、制造业PMI、曲率因子作为预测因子，方向稳定。
- 以央行中期借贷便利利率(MLF)作为动态均值中枢，替代静态均值修正AR模型，使水平因子预测更平稳。
- 宏观变量预测与动态中枢跟随等权组合，显著提升1年期至10年期的方向胜率，最高达66.7%，长端10年期方向胜率提升至59.8%。

• 久期调整择时策略及实证应用 [pidx::14][pidx::15][pidx::16][pidx::17][pidx::18]

- 结合预期收益模型对各期零息国债未来一季度预期收益进行动态筛选，形成久期调整轮动策略，2009-2023年年化收益5.11%，最大回撤2.84%，夏普比率1.88。
- 利用久期与凸性匹配复制中债国债总财富指数不同期限轮动组合，轮动策略年化收益6.36%，最大回撤5.51%，夏普比率1.52。
- 将久期调整策略应用于股债风险平价配置，较传统固定期限平价策略，年化收益提升至6.47%，夏普比率提升到1.59，且最大回撤降低。

• 风险提示 [pidx::19]

- 本报告基于历史统计和模型推导，存在模型失效及历史数据不代表未来的风险，投资需注意市场波动造成的不确定性。

《债券预期收益框架与久期择时策略》详尽分析报告

---

1. 元数据与报告概览

报告标题： 债券预期收益框架与久期择时策略
作者团队： 金融工程研究团队，首席分析师魏建榕等多位分析师和研究员
发布日期： 2023年12月7日
发布机构： 开源证券研究所
主题： 利率债市场结构、久期轮动现象、即期收益率曲线预测模型构建及改进，预期收益率框架，久期调整策略与资产配置应用
系列： 大类资产配置研究系列（8）
相关研究报告引用： 包括《高频宏观因子构建与资产配置应用》（2023.10.25）等多篇前置研究

核心论点与结论：
本报告致力于构建利率债的预期收益率模型，重点在于解析利率债久期轮动现象及其驱动因素，复原并改进Diebold2006的即期收益率曲线预测模型。采用宏观变量预测与政策利率动态中枢结合的混合方法，显著提升了预测精度。基于预测构建久期调整策略，优于静态持仓策略，进一步将该策略应用于中债国债总财富指数轮动及股债风险平价中，均显示出显著的收益与风险调整收益提升。风险提示包括模型可能在未来市场波动中失效的可能性。[pidx::0][pidx::19]

---

2. 逐节深度解读

2.1 利率债的市场结构与久期轮动现象

2.1.1 利率债市场结构梳理
市场上债券首先按有无信用风险划分为利率债和信用债两类，报告主要聚焦信用风险极低、流动性较好的利率债，尤其是国债和政策银行债。表1详细分类展示了不同债券类型。按存量余额和成交量，地方政府债存量最大占42.3%，国债30.3%，政策银行债成交活跃度最高（56.7%）且占存量约25.5%。图1-3通过饼状图与收益率曲线走势对构成和利差特征进行了说明。国债与政策银行债即期收益率曲线相关系数极高（短端、长端均超过95%），后续分析以国债为主。
关键数据点： 地方政府债42.3%、国债30.3%、政策性银行债成交56.7%，相关系数均超95%。[pidx::3][pidx::4][pidx::5]

2.1.2 久期轮动现象
图4显示，短债（1年期）收益较小但稳定，长债（10年期）收益高但波动大。根据Antti Ilmanen的持有期收益拆解模型，债券收益可分为骑乘收益（持有至到期无利率变动时的收益）和资本利得（即期收益率曲线变动引起）。短债主要收益来自骑乘收益，因其久期和凸性较低波动小；长债收益更多依赖资本利得，波动较大。判断长短债轮动关键在于预测即期收益率曲线变动。
公式详细拆解持有期收益的三部分：骑乘收益、久期调整的资本利得、凸性调整的资本利得。图6通过示意图清晰展现骑乘收益与资本利得的分离及其对不同期限债券的影响。
关键数据点及公式：

• $HPR = f(n-1,n) + (1+f(n-1,n)) \times [-D^\Delta S{n-1} + 0.5 C (\Delta S{n-1})^2]$

- 其中，$D^$为修正久期，$C$为凸性，短债久期、凸性均小，收益受骑乘主导；长债资本利得显著。
结论：久期轮动的核心在即期曲线的变动预测。[pidx::5][pidx::6]

---

2.2 预测即期收益率曲线：Diebold2006模型复原与改进

2.2.1 Diebold2006模型复原
Diebold et al. (2006)提出利用经典Nelson-Siegel（N-S）模型描述即期收益率曲线，N-S模型以三个因子（水平$\beta1$，斜率$\beta2$，曲率$\beta3$）简洁拟合期限结构：

$$
St(n) = \beta{1t} + \beta{2t} \frac{1 - e^{-\lambda n}}{\lambda n} + \beta{3t} \left( \frac{1 - e^{-\lambda n}}{\lambda n} - e^{-\lambda n} \right)
$$

其中$\lambda$固定为0.0609，使曲率在2.5年期限达到最大。

图6-8展示了模型对正常上凸和倒挂曲线的拟合效果，平均绝对误差控制在8基点以内，表明N-S模型对中国国债期限结构描述较好。
三个因子经济含义明确：

• $\beta1$（水平因子）：长期平均收益率水平，等于无限期限的收益率，图9显示其与10年期国债收益率走势极为一致但稍有正向利差。

- $\beta2$（负斜率因子）：与期限利差高度相关，图10显示其与10年期与3个月期限利差紧密贴合。

• $\beta3$（曲率因子）：反映中期曲线的凸性特征，图11显示其与子弹票（2年）与杠铃票（3个月与10年）的利差符合。

Diebold模型通过对这三因子建立AR(1)均值回复模型进行预测，即预测因子未来变化用：
$$
X{t+1} - Xt = -a(Xt - \mu) + \epsilont
$$
其中$a>0$确保均值回复。[pidx::6][pidx::7][pidx::8]

2.2.2 模型效果及不足
使用2009年至2023年数据进行滚动预测，结果表明：

• 模型对短期限如2年期的方向预测准确率最高可达59.8%。

- 长周期（10年期）方向准确率仅52.9%，表现较弱。

• 负斜率因子与曲率因子方向预测胜率均达60%以上，水平因子方向胜率不足50%。

ADF平稳性检验显示水平因子存在非平稳趋势，导致单纯AR模型不适用，需要改进处理。
（图12，图13详细数据显示预测误差和胜率，水平因子平稳性检验结果）[pidx::8][pidx::9]

---

2.3 水平因子的预测改进：预判与跟随结合

2.3.1 预判视角 - 宏观变量预测
基于水平因子代表长债收益率特性，报告从经济基本面、政策面、资金面、市场结构等维度筛选19个高频宏观变量，进行系统化宏观变量选择。通过最小角回归（LARS）算法在滚动窗口内选取5个最佳预测变量，方向和稳定性作为入选标准。
表3中涵盖指标包括工业增加值同比、制造业PMI、OECD中国领先指数、资金面利率（R007、DR007）、商品房销售等。对数据做了滞后、变频、季节调整和HP滤波处理以提高信号稳定性。
图14-15展示预处理步骤，图16展示变量选取及方向稳定性，斜率因子、DR007、OECD领先指数、制造业PMI和曲率因子入选，方向稳定，具备经济合理性。
使用上述变量结合三因子模型滚动OLS预测，方向胜率进一步提高至61.3%，10年期国债方向胜率61.5%。虽预测误差稍增，但预测方向准确性显著增强。[pidx::9][pidx::10][pidx::11][pidx::12]

2.3.2 跟随视角 - 政策利率动态中枢
央行中期借贷便利（MLF）利率作为政策利率中枢的角色得到确认，10年期国债收益率围绕MLF利率波动，且央行明确定位MLF为中期政策利率后，国债收益率与MLF利差波动明显收窄（见图18与表4）。
基于此，模型将AR(1)中的固定均值$\mu$替换为动态中枢$MLFt+\mu$，实现动态均值回复：
$$
X{t+1} - Xt = -a (Xt - MLFt - \mu) + \epsilont
$$
该模型于2016年起应用。实现了更稳定的预测和更低的误差，短端1年期及长端10年期预测方向胜率分别提升至58.0%，误差明显减少（见图19及对应表格）。
这是对因水平因子非平稳性问题的有效补救，也增强了模型与政策层面的契合。[pidx::12][pidx::13]

2.3.3 两种方法结合
将宏观变量预测与动态中枢均值回复等权合成后，模型性能提升明显，1年期方向胜率提升至66.7%，10年期提升至59.8%，误差指标均有改善。
图20显示了对各期限即期收益率的误差及方向胜率的综合提升。此为该报告核心方法论创新点之一，为久期择时策略提供了更有力的预测工具。[pidx::14]

---

2.4 久期调整策略与资产配置应用

3.1 零息债券久期调整策略
基于骑乘收益和改进模型预测的即期收益率曲线变动，计算不同期限零息国债未来季度预期收益。构建择时策略：每季度末持有预期收益率最高期限的零息国债。
图21展示该久期调整策略相比等权持有所有期限、单一10年及1年持有的优势。2009年至2023年，收益率年化达5.11%，最大回撤仅2.84%，夏普比率1.88，卡尔玛比率1.77，均显著优于对比策略（详见表5）。预测择时显著提升收益效率。
报告还列示2023年10月久期模型信号，推荐重仓10年期零息国债，伴随水平因子下降、利差陡峭及曲率上扬特征。[pidx::14][pidx::15]

3.2 中债国债总财富指数轮动策略
考虑零息国债复制现实投资标的中债国债总财富指数，总财富指数覆盖多期限段，延伸至30年期超长期债券。通过久期和凸性匹配原则选取复制标的组合（表6），例如1-3年指数主选1-4年债券、7-10年指数多用5、7、8、15年债券复制。
图24-25展示复制组合权重的稳定性和组成结构，反映各指数对应的债券期限特征。
基于复制组合的预期收益率计算，实施轮动策略，每季持有预期收益最高的期限指数。
图26及表7显示，轮动策略年化收益6.36%，最大回撤5.51%，夏普1.52，收益显著改善，风险有所放大，表明期限轮动主要推动收益端改善。[pidx::16][pidx::17]

3.3 股债风险平价增强
用沪深300全收益指数作为股票资产，中债国债总财富（总值）指数作为债券资产，构建简单风险平价组合，年化收益4.1%，夏普1.41，最大回撤5.08%。
用久期调整策略替代债券指数，年化收益提升至6.47%，夏普1.59，最大回撤微增至5.64%。2016年后加入动态中枢模型后，年化收益进一步提升至7.15%，最大回撤降至3.88%，夏普比率1.79。
图27及表8展示了策略性能的持续改善，表明久期择时策略在资产配置层面显著提升整体风险调整后的收益表现。[pidx::18]

---

2.5 风险因素评估

风险提示概述：
报告明确提示基于历史数据统计和模型建立的结果存在未来失效风险，历史表现不保证未来业绩。市场不确定性和波动可导致模型预测和策略效果下滑。没有具体缓解策略，但风险提示明确提醒了模型的局限性与风险存在。[pidx::19]

---

3. 图表深度解读

• 图1-2（债券存量及成交占比饼图）： 地方政府债与政策银行债占据主导，政策银行债成交活跃度最高，显示市场关注及流动性集中在此。此基础支撑后续模型关注国债与政策银行债的合理性。

• 图3（国债及政策银行债即期收益率曲线对比）： 显示不同券种走势相近，支撑使用国债数据分析。

• 图4（不同期限债券累计收益率表现）： 短债虽收益较低但稳定，长债虽然波动大但长期回报更高，形成明显轮动现象。

• 图5（骑乘收益与资本利得分解示意）： 图示清楚区分收益构成，解释资金期限结构变动对不同期限债券价值的影响。

• 图6-8（N-S 模型拟合诊断）： 展示N-S模型对期限结构的拟合能力强，误差控制在8bp以内，支持因子模型基座。

表数据补充误差统计精细展现。

• 图9-11（因子与经济解释变量匹配）： 三因子分别与长期利率、期限利差及期限利差组合高度相关，说明因子经济意义明确。

• 图12（初始模型预测表现）： 较短期限因子预测精度高于长端，且方向胜率随期限增大而下降，模型存在局限。

• 图16（宏观变量选择概率及方向稳定性）： 明确标示入选变量及其方向优势，支持导出有效预测因子组。

• 图17（宏观变量改进模型预测表现）： 预测准确率全面提升，误差小幅上升，表明组合预测比单因子AR更可靠。

• 表4（MLF利率定位前后利差波动参数）： 统计利差均值和波动显著收窄，支持动态中枢模型切换时间点。
• 图19（动态中枢模型性能）： 更低误差和更稳定方向胜率，优于宏观变量单独预测，可作为替代或补充手段。

• 表5（久期调整策略收益风险指标）： 年化收益5.11%、最大回撤2.84%、夏普1.88为高水平配置绩效。
• 图22（近期久期模型信号示例）： 推荐10年期持仓与期限结构改善走势符合。
• 图23（国债总财富指数不同期限表现对比）： 10年以上期限显著强于其他期限段，提升组合收益潜力。

• 表6及图24-25（总财富指数复制组合构建）： 结合久期与凸性匹配约束有效构建不同期限段指数的复制组合，权重稳定，主导标的明确。

• 图26和表7（国债总财富指数轮动绩效）： 年化收益6.36%，夏普1.52，实现稳健上行且有较强超额收益。

• 图27及表8（股债风险平价策略表现）： 久期择时策略显著提升风险调整后的收益率，最大回撤显著缩小，战略价值突出。

---

4. 估值分析

报告未涉及具体证券估值，而是围绕债券收益率曲线的期限结构及未来收益预测，通过建模调整久期持仓实现整体投资组合收益提升。其估值“方法”实为：

• 利用Nelson-Siegel模型简化即期收益率曲线的表达与预测。

- 采用AR(1)均值回复模型和宏观因子预测对三因子时间序列建模。

• 选用最小角回归（LARS）进行宏观变量筛选，优化预测变量集合。

- 以MLF利率动态中枢调整模型，提高对水平因子长周期变化的拟合精度。

• 设计久期调整择时策略实现跨期限资产配置，提升预期收益。

上述模型的核心输入如$\lambda$参数、AR(1)拟合参数、宏观变量选取及动态均值中枢调整系数等均通过历史数据拟合校准，保证实证合理性。[pidx::6][pidx::8][pidx::11][pidx::13][pidx::14]

---

5. 风险因素评估

报告对风险提示主要集中在模型固有局限性和历史数据的代表性限制，未详述具体缓解措施。具体风险包括：

• 市场波动不确定性：模型基于历史统计规律，突发事件可能导致预测失效。

- 变量预测稳定性：宏观变量和政策工具动态变化可能影响预测准确度。

• 估计误差：模型残差和参数不确定性影响策略有效性。

- 资产流动性风险：资产期限跨度较大，市场流动性不足可能导致交易困难。

报告未强调概率或风险管理策略，但提醒投资者审慎使用模型结果，适度关注市场变化可能引发的不确定性。[pidx::19]

---

6. 批判性视角与细微差别

• 模型假设依赖性强：Diebold模型依赖均值回复假设，针对非平稳水平因子做动态中枢调整虽改进预测精度，但模型稳定性和参数时间变异性可能仍受宏观环境变化影响。

- 宏观变量选择的时效性：19个指标中的领先性与代表性受政策变迁和经济结构变化影响，未来的预测有效性存在变数。

• 策略交易成本未考虑：报告中策略频繁调仓和资产转换未体现交易成本和税费影响，实际净收益可能有所缩水。

- 风险提示简略：虽然明确历史不代表未来，但缺乏对极端情形或模型失效机制的具体识别与应对建议。

• 信息披露与限制：报告强调中高风险等级限制，反映策略及研究具有一定复杂性和投资者门槛。

综上，报告建立在严谨的实证分析基础之上，且有较强的政策和市场结合，适应当前中国债券市场环境，但未来宏观经济和政策风格转变可能影响模型表现，投资者应结合自身风险偏好审慎使用。

---

7. 结论性综合

本报告将利率债市场结构详细梳理，识别了利率债（主要是国债与政策银行债）期限结构稳定且流动性良好的特征。基于Antti Ilmanen的持有期收益拆解框架，确认不同期限债券因久期和凸性差异导致收益风险特征差异明显，形成久期轮动现象。
通过复原Diebold(2006)模型并借助Nelson-Siegel因子实现简洁有效的即期收益率曲线刻画，报告进一步分析发现原模型对水平因子的预测不佳，采用经济基本面等宏观变量结合LARS算法筛选稳定预测因子，辅以货币政策中期利率（MLF）动态中枢改造，实现水平因子模型的显著精度提升。
久期调整策略基于改进模型预测实现择时，历史回测展现出显著收益与风险调整收益优势，年化收益率5.11%，夏普比率1.88。将该策略引入中债国债总财富指数复制与轮动，年化收益进一步提升至6.36%，且体现出稳健的超额收益表现。
最后，久期择时策略应用于股债风险平价组合，显著提升整体组合回报率（7.15%年化收益，夏普1.79），最大回撤大幅降低，进一步突出策略价值。
图表清晰展现了每一步的实证数据、模型拟合与策略表现，形成了一个从债息率曲线建模到资产配置实战的闭环研究体系。
风险提示虽然简明，但强调历史表现不代表未来，需要关注未来市场波动及政策环境变化对策略的影响。[pidx::0][pidx::3-18][pidx::19]

---

总结

《债券预期收益框架与久期择时策略》报告以严谨的数据分析与模型创新，成功构建了中国利率债的预期收益预测框架。其创造性地结合宏观因子选择和政策利率动量，有效提升了即期收益率曲线的预测准确度。基于此模型衍生的久期调整策略在长期历史回测中显示出稳定且显著的超额收益表现，且成功应用到国债总财富指数及股债风险平价资产配置组合中，极大地增强了风险调整后的收益表现。报告的逻辑条理清晰，理论与实证结合紧密，策略设计合理，具有较高的理论价值和实际应用指导意义。此外，报告谨慎提示了模型局限及风险，对专业投资者具有重要参考价值。整体而言，该报告为利率债市场的量化研究提供了创新性的框架和实用的投资策略，值得专业投资管理者深入研读与应用。

---

参考文献及数据来源说明

• 报告中图表数据均来自Wind数据终端及开源证券研究所内部统计

- 重要借鉴文献引用Antti Ilmanen《Understanding the Yield Curve》及Diebold et al. (2006)《Forecasting the term structure of government bond yields》

• 宏观变量多源自国家统计局及公开宏观数据库，指标预处理详见报告各图说明

- 历史样本期2006年至2023年，策略绩效回测期2009年至2023年11月

（全文页面标识于引用段尾，便于追溯）

报告