• 利率债收益拆分与利率变化的核心影响[page::0]

- 利率债收益包括利息收益、骑乘收益、久期收益和凸性收益，利率变动对久期较长债券影响更大。

- 利率变动呈现均值回复与动量效应，长期预测中均值回复主导，短期动量显著。

• 滚动窗口平均法失效的根本原因[page::1][page::2]

- 中枢快速下移导致滚动四年平均无法跟上利率中枢的变化速率。

- 利率振幅显著缩窄，20bp的误差在当前环境下影响方向判断。

• 现有模型局限及对比[page::2][page::3]

- PIMCO模型假设30年期利率不变，导致预测误差主要来源于30年期利率波动。

- 自然利率模型如纽约联储LW模型能估算自然利率，但与国债利率不完全匹配，且国内自然利率估计方法间存在差异。

• 国债利率走廊构建与政策定价法[page::3][page::4][page::5][page::6]

- 短端利率中枢假设为7天逆回购利率，固定期限利差假设具有长期稳定性。

- 面板数据分析显示多国期限利差无显著趋势，支持固定利差假设。

| 回归系数（每年期限利差变化） | 美国 | 英国 | 法国 | 日本 | 韩国 | 中国 | 全面板 |
|-------------------------------|---------|---------|---------|---------|---------|---------|---------|
| | 0.0142 | 0.0100 | 0.0203 | -0.0258 | -0.0278 | -0.0441 | 0.0012 |

- 通过政策利率+固定利差估算利率中枢方法准确反映出利率走势，尤其是2020年后持续下移阶段。

• 利率上下界的估计及布林带走廊构建[page::6][page::7]

- 基于固定利差平移估计上下界存在宽度过大、期限波动异质的问题。


- 采用滚动标准差构建统计学利率走廊，更贴合利率实际波动并有效缩窄走廊宽度。

• 利率随机过程量化建模及蒙特卡洛模拟[page::8][page::9]

- 三因子模型（均值回复+短期动量+长期动量）对未来一个月利率预测效果显著优于传统模型。


- 蒙特卡洛模拟结合上下界约束，生成多条未来利率轨迹用于收益预测及风险分析。

• 利率债未来收益预测与模型性能对比[page::10][page::11]

- 基于三因子模型与蒙特卡洛模拟，未来1-12月利率债收益预测与实际收益相关性高。

| 模型类型 | 平均相关性 | 平均预测误差 | 关键行情误差 |
|-------------------|-----------|--------------|--------------|
| CIR模型 | 72.6% | 3.9% | 8.0% |
| MM模型 | 79.4% | 3.1% | 5.4% |
| 三因子无约束 | 79.4% | 2.9% | 4.8% |
| 三因子带上下界约束 | 78.6% | 2.8% | 4.4% |

• 新模型优势及收益表现[page::11][page::12][page::13]

- 新模型准确捕捉2020年快速利率中枢下移，收益和最大回撤显著优于旧模型。

- 久期择时短期预测3个月优于12个月，体现短期动量因子重要性。

- 基于利率债ETF构建久期轮动组合，表现优于使用国债总财富指数策略。

• 多目标函数策略及赔率策略应用[page::14]

- 纳入VaR75%、终点胜率、路径胜率等目标函数提升策略风险调整收益和胜率。
| 时间区间 | 目标函数 | 年化收益 | 年化波动 | 最大回撤 | 卡玛比率 | 相对货基胜率 |
|----------|----------------|----------|----------|----------|----------|--------------|
| 2014年以来 | 最大化预期收益 | 5.6% | 1.8% | 2.0% | 2.80 | 65.4% |
| | 最大化VaR75% | 5.0% | 1.3% | 1.4% | 3.46 | 63.2% |
| | 最大化终点胜率 | 4.5% | 1.0% | 1.3% | 3.51 | 58.8% |
| | 最大化路径胜率 | 4.5% | 1.0% | 0.9% | 5.16 | 59.3% |
| 2018年以来 | 最大化预期收益 | 5.4% | 1.7% | 2.0% | 2.70 | 70.7% |
| | 最大化VaR75% | 4.8% | 1.2% | 1.3% | 3.69 | 71.8% |
| | 最大化终点胜率 | 4.4% | 0.9% | 1.3% | 3.42 | 72.9% |
| | 最大化路径胜率 | 4.2% | 0.8% | 0.8% | 4.96 | 71.2% |

- 利率债赔率策略改进明显提升年化收益50bp，最大回撤降低20bp。

• 风险提示：

- 7天逆回购利率对市场指导性下降。
- 国内期限利差中枢快速变动。
- 利率债的动量特征失效，短期和长期动量均可能失效。[page::15]

深度分析报告：《利率曲线的政策定价与久期择时策略》——国盛证券研究所 2024年08月

---

1. 元数据与报告概览

• 报告标题：《利率曲线的政策定价与久期择时策略》

- 作者：林志朋、刘富兵

• 发布机构：国盛证券研究所金融工程团队

- 发布日期：2024年8月19日

• 主题：国债利率中枢定价、利率曲线政策走廊估算及久期择时投资模型

- 核心论点：
- 当前利率债投资面临三个核心挑战：利率中枢持续下移、波动区间显著收窄和传统宏观基本面模型有效性下降。
- 报告提出“政策利率 + 固定期限利差”估计国债利率中枢的创新方法，并基于统计学利率走廊，构建利率随机过程和蒙特卡洛模拟，形成适应当前复杂利率环境的久期择时策略。
- 新模型显著改善了利率债预期收益预测，有助于提升资产配置与风险控制的有效性。

---

2. 逐章节深度解读

2.1 利率中枢定价的理论和实际

2.1.1 中枢重要性与传统模型

• 利率债收益拆解为利息收益与骑乘收益（利率曲线不变下收益）及久期收益与凸性收益（利率曲线变动带来的收益）。

- 利率波动对不同久期债券影响不同，久期越长，利率变动对收益影响越大（见图表1）。

• 利率变动的预测关键在于 $\Delta r$，即未来利率变化。对不同期限的利率用均值回复-动量模型（MM模型）进行建模，发现长期预测中均值回复作用显著（图表2）[page::0,1]。

2.1.2 滚动窗口平均法失效原因分析

• 传统用过去4年滚动平均估计利率中枢。核心假设：中枢变化缓慢且4年足覆盖短周期。

- 失效原因：
1) 利率中枢自2020年起快速下移，4年平均无法及时反映（图表3）。
2) 利率振幅显著收窄，过去波动幅度超过50bp，自2020年起降至仅约20bp区间，导致20bp的误差会严重误判利率趋势（图表4、5）[page::1,2]。

2.1.3 其他理论模型介绍及问题

• PIMCO模型：假设30年期国债利率未来一年不变，现实中30Y利率波动显著，导致模型预测错误（图表6说明误差来源）[page::2]。

- 自然利率模型（LW模型）：根据宏观指标如GDP、CPI等估计“自然利率”，但自然利率不必然等于国债利率，且估算方法不同也会产生较大差异（美国数据见图表7，国内数据见图表8）[page::3]。

---

2.2 国债利率走廊：中枢与边界估计

2.2.1 利率走廊与政策利率锚定假设

• 中国利率走廊形成：短端以7天逆回购利率为中枢，SLF利率为上界，超额准备金利率为下界（图表9）[page::3,4]。

- 核心假设一：短端利率围绕政策利率波动。

2.2.2 期限利差中枢稳定性

• 借鉴纽约联储ACM模型将长期利率拆解为预期短端利率和期限溢价两部分，期限溢价较为稳定，期限利差因此具有长期稳定性（图表10）[page::4]。

- 多国面板回归检验10Y-1Y期限利差发现无显著趋势，仅中国小幅下降（4.4bp/年），美国1980-2020年虽通胀和利率长下降但期限利差无下降趋势（图表11,12）[page::5]。

2.2.3 基于固定利差的利率中枢泛化方法

• 利率拆解为：

- 长端利率中枢 $\mut^n$
- 期限利差（某期限利率减7天逆回购利率差）
- 短端利率偏离（7天逆回购利率相较中枢的偏离）
- 政策利率

• 假设期限利差与短端利率偏离长期平均值平稳，估计长期固定利差即为不同期限国债利率与政策利率的平均偏差（步骤详见公式拆解）[page::5]。

- 最新数据表明10年期固定利差约70bp，1年期约-2bp（图表13,14）。

• 基于此构建的政策定价法利率中枢曲线有效捕捉了国债利率走势（图表15,16）[page::6]。

2.2.4 国债利率走廊上下界确定

• 方法一：用固定利差平移政策走廊上下界（SLF、超额准备金利率），存在宽度偏大且不同期限波动不一致问题（图表17,18）[page::6]。

- 方法二：基于布林带思想，取中枢加减两倍滚动4年标准差构造统计学利率走廊，更符合市场实际波动，幅度逐年缩小（图表19,20）[page::7]。

---

2.3 利率随机过程模型设计与蒙特卡洛模拟

2.3.1 三因子利率变化模型

• 设计预测未来1个月利率变动的模型包含：

- 均值回复项（$\beta1(\mu - rt)$）
- 短期动量项（$\beta2(rt - r{t-1})$）
- 长期动量项（$\beta3(rt - r{t-12})$）
- 噪声项 $\sigma \sqrt{rt} \varepsilon$（服从t分布）

• 回归结果显示短期动量权重最大，均值回复次之，长期动量最小；长期动量在长端利率预测中显著性更高（图表21,22）[page::8]。

- 模型整体拟合优度7.7%-7.9%，优于传统CIR或MM模型（图表23）[page::9]。

2.3.2 利率蒙特卡洛模拟过程

• 利率未来多期预测通过递推模拟实现，每步参数基于当前历史数据估计。

- 利用随机噪声采样生成多条未来利率路径。

• 通过容忍期设置，对超出统计上下界运行超过阈值的路径进行剔除，提高模拟结果一致性（图表24）[page::9]。

---

2.4 从利率预测到利率债收益预测与模型效果对比

• 利率债收益分解公式连接利率变化与债券收益：

$$ R{\text{gov}} \approx [rN + \text{rollyield}] + [Duration \times (-\Delta r) + \frac{1}{2} \times Convexity \times \Delta r^2] $$

• 基于三因子+蒙特卡洛模型预测的未来债券收益与真实收益高度相关（图表26）[page::10]。

- 比较CIR、MM、三因子无约束和约束模型发现：
- 三因子模型预测表现最好。
- 加入上下界约束进一步降低关键行情（极端涨跌）预测误差（图表27,28）[page::10,11]。

---

2.5 新旧模型对比及应用

• 新模型优势明显，能及时响应2020年后利率快速下行，避免旧滚动均值法滞后（图表29）[page::11]。

- 旧模型在2020-2022年错误低估长债价值，新模型则准确把握长短债相对优势，长期持有表现收益更好（4.9%年化收益、2.0%最大回撤 vs 旧模型3.5%和1.3%）[page::12]。

• 模型对短期变化预测能力强于长期，基于3个月预期收益的久期择时策略比长周期更优（图表32）[page::12]。

- 不同目标函数（预期收益、VaR75%、终点胜率、路径胜率）带来不同择时特征，纳入更多路径分布信息可提高风险调整后收益（图表33）[page::13]。

• 基于利率债ETF的组合实证显示择时策略更优，2020年以来年化收益达5.7%，最大回撤1.5%（图表34）[page::13]。

- 资产配置层面，引入新模型提供的利率债赔率信号使整体赔率策略收益上升50bp，回撤减少20bp（图表36）[page::14]。

---

3. 图表深度解读

• 图表1 展示久期对利率波动敏感度，久期长债受到利率曲线变动带来的波动贡献占比超过90%，表明长久期债券利率预测尤为重要。

- 图表2 显示均值回复与动量项的时间依赖性，长期利率走势主要受均值回复驱动，短期动量对短期预测更关键。

• 图表3-5 直观展现滚动均值法失效原因：利率中枢快速下移、波动幅度缩小使得简单均值法预测误差大。

- 图表6 说明PIMCO模型误差由30Y利率实际变动忽视导致，体现长期利率不应冻结假设风险。

• 图表7-8 各类自然利率估计长期波动大，说明自然利率与国债利率中枢并非一一对应。

- 图表9 利率走廊清楚表现短端利率在7天逆回购利率与SLF和超额准备金之间波动。

• 图表10-12 ACM模型及各国期限利差趋势证实了固定期限利差的合理假设。

- 图表13-14 不同期限固定利差稳定收敛，为利率曲线中枢估计提供量化基础。

• 图表15-16 新方法有效重构不同期限国债利率中枢，适应中枢快速下移难题。

- 图表17-20 政策利率走廊与统计学利率走廊对比，后者符合实际波动且动态收窄，更适用于市场拐点判断。

• 图表21-23 三因子模型说明动量因子对短期预测贡献显著，拟合优度提升。

- 图表24 蒙特卡洛模拟演示路径生成，并采用上下界剔除避免不合理路径。

• 图表26-28 盈利预测与实测数据的吻合程度和模型间对比突出三因子模型优势及上下界约束意义。

- 图表29-31 新旧模型收益预估对比揭示旧模型中枢滞后导致的大幅误差及投资判断失误。

• 图表32-34 短周期择时、ETF标的及资产配置层面验证新模型的实证优势。

- 图表36 资产配置赔率策略升级后，显著提升在回撤可控的前提下的收益能力。

---

4. 估值与模型分析

本报告核心在于利率中枢与利率变动预测模型，不涉及传统企业估值等话题，模型估值方法实质上为基于统计学习的收益预测和风险区间估计。

• 三因子模型基于OLS回归估计短期均值回复、短期动量及长期动量系数，噪音项符合t分布，兼顾利率随机性及非正态分布特征。

- 蒙特卡洛模拟依据参数估计和随机抽样，模拟利率多路径，结合统计利率走廊进行路径筛选，体现市场合理涨跌边界约束。

• 固定利差估计利用长期历史平均消除短期扰动，实现对利率中枢的无偏估计，结合政策利率确定多期限利率合理区间。

- 目标函数多样性允许策略根据投资风险偏好及收益目标灵活调整，体现策略设计智能化、多元化趋势。

---

5. 风险因素评估

• 7天逆回购利率对市场利率的指导作用可能下降，弱化模型中枢锚定的可靠性。

- 国内期限利差中枢有快速下行风险，可能破坏当前固定利差假设。

• 利率的动量效应可能发生变异，短长期动量失效将降低三因子模型预测能力。

- 蒙特卡洛模拟的前提是历史参数和分布与未来相似，极端市场事件可能导致模型失准。

报告对风险进行充分提示，但未细化风险缓解措施，投资者需结合最新市场动态持续监控模型适用性。[page::15]

---

6. 审慎视角与细微差别

• 报告基于历史数据长期稳定性的假设，可能低估未来政策或宏观环境剧变带来的结构性冲击。

- 固定利差模型中，尽管多国数据支持稳定性，但中国期限利差呈现小幅下降趋势，对中长期预测或有影响，需动态调整。

• 统计利率走廊构建依赖历史波动且假设波动率稳定，面对未来不确定性骤增，风险可能被低估。

- 利率模型短期动量权重大于均值回复，符合技术面特征，侧面表明纯宏观基本面驱动模型不足，需要结合量化技术指标。

• 模拟路径剔除的“容忍期”参数应用尚需更多实证验证，过度限制路径可能忽视极端行情。

- 在应用层面基于ETF构建策略体现市场实操性，但与理论模型间存在一定偏差，需考虑ETF流动性、跟踪误差等因素。

---

7. 结论性综合

报告创新地提出“政策利率 + 固定期限利差”方法，解决了2020年后利率中枢快速下移及波动区间收窄带来的传统均值方法失效问题，实现对国债利率曲线长期合理中枢的精确估计。基于布林带构建了适配实际市场波动的统计学利率走廊，构造了合理的利率上下界范围。

通过设计包含均值回复、短期动量和长期动量的三因子利率随机过程模型，并结合蒙特卡洛模拟，报告构建出能对未来1-12个月及不同期限国债利率进行动态、多路径预测的工具。该模型显著优于传统CIR、MM模型，且加入统计利率走廊约束进一步提高了关键行情下的预测准确度。

投资策略验证显示，基于模型的久期择时策略无论在国债总财富指数还是利率债ETF标的上均实现了更高风险调整后收益。缩短预测步长、采用多种目标函数进行择时优化能进一步增强模型适用性和灵活度。将模型结果纳入大类资产赔率策略，有效提升整体资产配置表现。

报告逻辑严密，结合丰富数据与模型实证，解决当前利率债投资实践中困扰已久的估值和择时难题，对固定收益投资和资产配置具有重要的理论和实操价值。投资者需关注模型风险假设及市场环境变迁，动态调整模型参数与策略组合，以应对利率市场的深刻变革。

---

溯源引用：
报告正文及图表详见 国盛证券研究所《利率曲线的政策定价与久期择时策略——大类资产定价系列之五》2024年8月17日发布版本，[page::0-15]

---

附示范Markdown格式图表示例：

（图1：债券久期越大，利率变动造成的收益影响越大）

---

以上为本金融研究报告的深入分析。若需对具体数据模型或应用细节进一步探讨，可提出针对性问题。

报告