• 利率债分为利率债和信用债两类，流动性较好的政策银行债和国债是研究重点。地方政府债存量最高（42.3%），政策性金融债成交最活跃（56.7%）；国债与政策银行债的即期收益率曲线高度相关（相关系数≥95%），以国债为研究代理 [page::1][page::2]

• 利率债存在显著久期轮动现象，短债主要收益依赖骑乘收益，波动较小；长债收益更多依赖于即期收益率曲线变动带来的资本利得，波动较大。判定长短债轮动的核心是预测即期收益率曲线的变动 [page::3][page::4]

• Diebold 2006模型采用Nelson–Siegel模型拟合即期收益率曲线，提取水平因子、负斜率因子及曲率因子并构建AR(1)模型进行预测。模型能较好拟合不同期限结构，负斜率和曲率因子方向预测胜率较高（均超60%），但水平因子预测不佳，方向胜率低于50% [page::4][page::5][page::6][page::7]

• 针对水平因子预测瓶颈，提出预判与跟随结合方法：

- 预判：基于经济基本面、政策面、资金面等19个高频宏观变量，通过滚动LARS回归选出稳定预测因子（斜率因子、DR007、OECD中国领先指数、制造业PMI、曲率因子），滚动OLS拟合，预测方向胜率提升至61.3%，对应短端与长端期的胜率分别提升至64.9%和61.5% [page::7][page::8][page::9][page::10]
- 跟随：以中期借贷便利利率（MLF）作为动态均值回复中枢，构建动态中枢AR(1)模型，进一步提升预测稳定性，短端和长端方向胜率分别达到58.0% [page::10][page::11]
- 两者等权合成实现最优预测效果，短端1年期方向胜率66.7%，长端10年期59.8%，同时误差指标有所改善 [page::11][page::12]

• 基于预测即期收益率，设计零息国债久期调整策略：每季度选择未来预期收益最高的零息国债期限持有。2009-2023年，策略年化收益5.11%，最大回撤2.84%，夏普比率1.88，显著跑赢等权持有和单一久期持有策略 [page::12][page::13]

| 指标 | 久期调整策略 | 等权持有 | 持有10年期 | 持有1年期 |
|------|------------|----------|------------|------------|
| 年化收益率 | 5.11% | 3.51% | 3.96% | 2.73% |
| 最大回撤 | 2.84% | 4.18% | 8.08% | 0.73% |
| 夏普比率 | 1.88 | 1.36 | 0.90 | 3.33 |

• 将久期调整策略映射至中债国债总财富指数，利用久期和凸性匹配复制各期限指数，构建指数轮动策略。轮动策略年化收益6.36%，最大回撤5.51%，夏普比率1.52，较基准总财富指数有明显超额收益 [page::14][page::15]

| 策略 | 年化收益率 | 年化波动率 | 最大回撤 | 夏普比率 |
|------|------------|------------|----------|----------|
| 国债总财富指数轮动 | 6.36% | 4.11% | 5.51% | 1.52 |
| 基准总财富指数 | 3.79% | 2.73% | 4.93% | 1.37 |

• 应用久期调整策略于股债风险平价组合，选择沪深300全收益指数与久期调整后的国债总财富指数作为标的。较传统风险平价策略，年化收益从4.10%提升到6.47%，夏普比率从1.41提升至1.59，且动态中枢纳入后收益进一步提升至7.15%，最大回撤降低至3.88% [page::15][page::16]

| 策略 | 年化收益率 | 年化波动率 | 最大回撤 | 夏普比率 |
|--------|----------|------------|----------|----------|
| 股债风险平价-总财富指数 | 4.10% | 2.87% | 5.08% | 1.41 |
| 股债风险平价-久期调整 | 6.47% | 3.99% | 5.64% | 1.59 |
| 久期调整（2016年前） | 6.01% | 4.08% | 5.64% | 1.45 |
| 久期调整（2016年后） | 7.15% | 3.88% | 3.75% | 1.79 |

债券预期收益框架与久期择时策略——开源金工研究报告详尽分析

---

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》

- 作者及机构：开源证券金融工程团队，主要撰写人包括首席分析师魏建榕、资深分析师张翔、研究员何申昊等

• 发布日期：2023年12月7日

- 研究主题：聚焦于中国利率债（主要是国债及政策银行债）市场结构、即期收益率曲线的预测模型及其应用在债券轮动与资产配置中的久期调整策略。

主要论点及目标

报告提出了一个基于即期收益率曲线预测的债券预期收益率框架，通过对Diebold（2006）期限结构预测模型的复原及改进，结合经济基本面和政策信号，提升对利率债不同期限收益率变动的预测效果。最终，报告设计了基于预测的久期调整动态择时策略，验证其在债券投资和股债风险平价资产配置上的显著超额收益表现。[page::0,1]

---

2. 逐节深度解读

2.1 利率债市场结构与久期轮动现象

• 债券分类：报告首先按照信用风险划分“利率债”和“信用债”，利率债涵盖国债、央行票据、地方政府债、政策性银行债、政府支持机构债等，信用债则多为企业发行，含公司债、中期票据等。表1详细罗列了具体分类与细分品种[page::1]。

- 市场流动性特征：政策银行债和国债流动性好，存量方面地方政府债占42.3%、国债占30.3%，但近一年成交额看政策银行债占56.7%，国债占36.8%，显示市场活跃度偏向政策银行债，央行票据则趋近于零[page::2]。

• 期限结构选择：鉴于国债和政策银行债即期收益相差不大且相关度95%以上，简化分析聚焦国债即期收益率曲线[page::2]。

- 久期轮动：通过即期收益率反推债券总财富指数，报告发现短债（1年期）收益稳定且波动低，而长债（10年期）尽管累计收益高但波动与回撤明显，形成典型的期限轮动现象[page::3，图4]。

• 持有期收益的拆解：引用Antti Ilmanen的收益拆解公式，将债券持有期收益分解为骑乘收益（收益率曲线不变时得到的已知收益）、久期损益（即期收益率变化带来的资本利得/损失）和凸性修正（对波动率的看多类似期权价值）。短债久期与凸性小，收益主要依赖骑乘收益且波动小；长债久期和凸性大，收益依赖资本利得，波动大。判断长短债轮动核心在于准确预测即期收益率曲线的变动[page::3-4，图5]。

2.2 即期收益率曲线预测模型：Diebold 2006的复原与改进

2.2.1 Diebold-Nelson–Siegel 曲线分解与预测

• 报告采用Nelson–Siegel（N-S）模型将期限结构拆分为三个具有经济意义的因子：

- 水平因子（β₁）：长期均衡利率，影响全期限，近似等同于远期收益率；
- 负斜率因子（β₂）：期限利差，反映短期与长期利率差异；
- 曲率因子（β₃）：期限结构的凸度，代表收益率曲线形态如驼峰与凹面[page::4-5，图6-11]。

• 通过OLS拟合即期收益率曲线，将海量期限收益率压缩为三个时间序列参数。同时对这三因子建立AR(1)均值回复模型预测未来走势，均值回复机制假设当前因子偏离长期均值会向均值回归[page::6]。

- 模型表现：负斜率因子和曲率因子的方向预测准确度较高（分别在60.1%和71.1%左右），而水平因子方向预测较差（不足50%），导致长债（对应水平因子或长期利率）预测效果不佳[page::6-7，图12]。

• 进一步的平稳性检验（ADF检验）发现水平因子序列不平稳，具有趋势成分，不能直接用简单的AR模型，需要处理或改进[page::7，图13]。

2.2.2 水平因子的预测改进——预判视角与宏观变量应用

• 基于水平因子本质是长债收益率，报告设计了从宏观经济基本面（增长、通胀）、货币政策、资金面及期限结构（N-S因子滞后值）挑选19个高频宏观指标进行滚动变量选择，采用滚动LARS（最小角回归）算法自动筛选稳定且方向一致的变量[page::7-8，表3，图14]。

- 包括资金利率（DR007）、制造业PMI、OECD中国领先指数、斜率因子、曲率因子等被确定为有效变量[page::9，图16]。

• 结合以上变量进行回归预测，报告获得水平因子的预测方向胜率提升至61.3%，带动即期收益率曲线预测准确率提升，短端1年期胜率由53.4%提升到64.9%，长端10年期由52.9%升至61.5%，但误差幅度增加，对数值预测精度有一定折衷[page::10，表17]。

2.2.3 跟随视角：动态中枢的引入——以中期借贷便利（MLF）利率为锚

• 由于水平因子本身不平稳，报告从货币政策动态角度探索改进路径。MLF作为中国特色的中期政策利率，具有较强的指导市场利率的中枢作用。

- 数据显示10年期国债收益率围绕MLF利率（加固定利差）均值回归的特征逐渐显著，尤其在央行明确MLF作为中期政策利率定位之后，利差波动明显收窄[page::10-11，图18，表4]。

• 因此，将均值回复模型的静态均值项µ改为动态中枢项MLF_t+µ，使预测更符合实际政策环境，效果显著提升短端和长端利率预测的方向胜率，且数值预测误差更低、更加稳定[page::11，图19，表7]。

2.2.4 模型整合与提升

• 报告进一步将宏观变量预测模型与动态中枢均值回复模型进行等权合成，发挥二者优势，实现持续优化的预测效果。

- 结果表明该组合模型进一步提升了全期限即期收益率方向预测准确率，如1年期达66.7%，10年期达59.8%，且误差指标均有改善[page::11-12，图20]。

2.3 久期调整策略与资产配置应用

2.3.1 久期调整策略设计

• 报告基于拆解的债券持有期收益（骑乘收益+资本利得）以及即期收益率预测，计算不同期限零息国债未来一个季度的预期收益率。

- 于每季度末择时持有预期收益率最高的期限债券，即构建动态久期调整策略。

• 回测结果表现显著：2009年3月至2023年11月，久期调整策略年化收益5.11%，最大回撤2.84%，夏普比率1.88，明显优于等权持有各期限债券、单纯持有1年期或10年期债券等静态策略[page::12-13，图21，表5]。

2.3.2 国债总财富指数轮动策略

• 为提升实用性，报告用久期和凸性匹配法，基于零息国债复制中债国债总财富（分期限及总值）指数。

- 选取复合期限组合，对应不同中债指数区间的久期与凸性要求实现复制，复制组合稳健且权重随时间变化合理，1-3年指数以2年期零息为主，7-10年期多为7年以上期限债券[page::14，表6，图24-25]。

• 利用复制组合的加权预期收益率展开季度轮动，追踪预期最高的国债总财富指数。

- 该轮动策略年化收益6.36%，最大回撤5.51%，夏普比率1.52，业绩显著优于总财富指数的被动持有[page::14-15，图26，表7]。

2.3.3 股债风险平价策略的增强

• 以沪深300全收益指数为股票资产、国债总财富指数为债券资产，构建风险平价组合。

- 将静态债券指数替换为久期调整后的期限指数，实现动态股债风险平价。

• 动态策略带来年化收益从4.1%提升至6.47%，夏普比率从1.41升至1.59，最大回撤略增。

- 进一步引入2016年后基于MLF的动态中枢模型后，收益率升至7.15%，最大回撤降至3.88%，夏普比率显著优化，策略更稳健[page::15-16，图27，表8]。

---

3. 图表深度解读

• 图1、图2：从市场结构角度解析，不同债券存量与成交份额显示政策银行债活跃，但国债收益率走势与政策银行债高度同步，说明选取国债即期收益率代表整体利率债市场合理[page::2,图1,2]。
• 图3及表2：即期收益率曲线的时间序列表现及国债与政策银行债高度相关性，支持只取国债为分析对象的简洁假设[page::2,图3,表2]。
• 图4：全面展示各期限债券总财富指数走势，清楚反映短债平稳低回撤、长债收益高但波动大的久期轮动本质[page::3,图4]。
• 图5：形象演示债券收益的分解逻辑，突出骑乘收益与资本利得之间的权衡，为后续预测即期收益率曲线提供理论基础[page::4,图5]。
• 图6-8：Nelson–Siegel模型良好的拟合能力展示，验证该模型适合描述中国债券市场期限结构，平均绝对误差控制在8bp内，可信度高[page::5,图6-8]。
• 图9-11：三因子（水平、负斜率、曲率）因子分别与长期收益率、期限利差和特定期限利差紧密对应，赋予因子明确经济含义，为后续模型构建提供有力支撑[page::5-6,图9-11]。
• 图12、表格（方向胜率等）：展示原Diebold模型在中国市场的预测效果，确认模型优势及不足（长债预测欠佳），为后续改进指明方向[page::6-7,图12,表格]。
• 图13：平稳性检验结果，确认水平因子不平稳，提示需改进方法[page::7,图13]。
• 表3及图14-15：宏观变量候选指标清单及预处理流程（滞后处理、变频、季节调整、HP滤波），提升数据质量保证预测的稳健性[page::8-9,表3,图14-15]。
• 图16：基于LARS算法的解释变量选择统计，明晰变量被选频率及方向一致性，帮助筛选关键变量[page::9,图16]。
• 表17、图19-20：宏观变量模型、动态中枢模型及二者合成的预测绩效定量对比，定量展现改进效果，直观表现预测方向胜率提升和误差优化[page::10-12,表17,图19-20]。
• 图21、表5：久期调整策略的累计收益曲线与关键绩效指标对比静态持有策略优势明显[page::12-13,图21,表5]。
• 图23-25、表6：中债国债总财富指数走势及复制标的久期和凸性范围，保障复制精准和杠杆可控，复制组合权重展示合理分布[page::14,图23-25,表6]。
• 图26、表7：国债总财富指数轮动策略绩效表现，超越被动持有基准，确认策略实用价值[page::15,图26,表7]。
• 图27、表8：股债风险平价策略引入久期调整后的收益和风险动态改善，凸显跨资产配置的应用潜力[page::16,图27,表8]。

---

4. 估值分析

本报告主体为利率债预期收益预测与投资策略设计，估值部分围绕收益率预测模型展开，无企业估值具体内容。模型拟合采用致密经济含义的N-S模型参数，结合均值回复与宏观驱动预测，生成多期限的即期收益率预测。估值层面，基于预测预期收益率决定债券持有期限轮动，间接影响资产定价水平。

---

5. 风险因素评估

• 模型风险：报告明示所有模型均基于历史数据和统计规律构建，市场波动存在不确定性可能导致模型失效，历史表现不代表未来[page::16]。

- 数据风险：宏观经济指标发布延迟、测量误差或大事件突变可能干扰模型输入。

• 政策变动风险：央行政策工具及中枢利率定位的变化将影响动态中枢模型的适用性和稳定性。

- 市场流动性风险：标的债券流动性不足可能增加交易成本和滑点，影响策略实际执行。

• 杠杆及空头限制：复制组合设定了最大空头比例（20%），杠杆过大可能加剧风险。

- 资产类别差异：信用债、地方债与国债存在风险特征差异，模型专注国债，仅对利率风险建模，信用风险未涵盖。

报告未详细给出风险缓解策略，投资者需结合实盘管理灵活调整。

---

6. 批判性视角与细微差别

• 模型依赖历史规则：Diebold模型基于历史均值回复假设，可能忽视结构性转变风险，如政策导向、宏观环境突变，对趋势持续性依赖较强。

- 水平因子难以精准预测：原生水平因子序列不平稳，报告加入宏观变量与动态中枢显著改善，但基于有限变量选取和静态截断，未来表现仍存不确定。

• 变量选择的随机性和解释性：LARS算法选择变量避免多重共线性，但可能遗漏非线性或交互效应，且部分宏观变量的经济解读存在滞后或逆向关系的复杂性。

- 预测精度有限：即使改良模型，最长期限收益率预测方向胜率仍未超过60%，反映预测本质的难度，投资决策仍需谨慎。

• 策略性能受大周期影响：回测表现优异，主要因样本周期内央行政策多次利率调整以及利率市场化推进，历史周期表现对未来不可完全复制。

- 策略交易成本、税负未计入：实际执行成本可能削弱超额收益，特别是频繁动用久期调整所带来的交易费用。

• 部分表格图示有格式及内容细节混乱：如个别相关性表格和变量检验表中的格式错误，可能影响直观理解，但不影响整体分析。

---

7. 结论性综合

报告明确构建了中国利率债即期收益率曲线基于Nelson–Siegel三因子的系统预测模型，细致分析其经济含义及预测能力，确认负斜率因子和曲率因子在中国市场的稳健均值回复性质。而水平因子作为长债利率的核心，预测难度较大，报告创新地引入宏观经济变量结合货币政策中枢（MLF利率）动态均值回复模型，显著提升了方向预测胜率，提升了预期收益的预测质量。

基于此预测框架，设计了基于零息国债久期调整的动态择时策略，在长期历史回测中显示，策略比静态持有明显提升了收益与风险调整后表现，最大回撤得到有效控制。进一步构建了基于零息债复制的中债国债总财富指数轮动策略，展现更强的实际操作可行性和稳健的超额收益。终极将策略应用于股债风险平价配置中，带来年化收益和夏普比率的明显提升，同时最大回撤显著下降，验证了久期调整策略在资产配置领域的应用价值。

图表和数据清晰呈现了从宏观经济变量到即期收益率，最终映射到债券期限结构和实盘投资策略的全链路逻辑，充分体现开源证券金融工程团队在量化固定收益研究的前沿实力。该研究为利率债投资及资产管理机构提供了系统化的利率风险管理与投资择时工具，特别在当前货币政策转型及债券市场日趋成熟背景下，具有重要参考价值。[page::0-16]

---

主要图表总结（示例）

• 图4（风险收益显著分化的期限财富指数）：揭示长短债收益与波动特征差异，是久期轮动策略设计逻辑基础。

- 图12（Diebold模型预测准确率）：和接下来图20清晰反映了模型演变提升的路径。

• 图21、26（久期调整策略与总财富指数轮动的收益曲线）：直观展现了策略较传统持有策略的超额收益。

- 图27（股债风险平价策略绩效提升）：验证了研究成果在多资产配置中的应用效果。

---

总体评价

该报告系统、严谨地构建了中国利率债收益预测及动态久期择时框架，兼顾理论基础与实际应用，展现了高度的专业性和实操性。未来关注模型在不同宏观周期及政策环境下的稳健性和持续性验证，以及拓展纳入信用风险等更多维度中的可能改进，将是持续研究的方向。

报告