远期利率和宏观基本面对债券收益率的预测价值 [page::2]

• 利率曲线水平因子与宏观经济指标如PMI具有显著周期性关联。

- 债券市场生成假说受限，宏观变量提供超越利率曲线的预测信息。

利率预测模型构建与回测流程 [page::4][page::5]

• 利用过去4年远期利率的月频数据滚动回归预测未来一年利率变动。

- 模型针对不同期限独立构建，保证预测利率曲线平滑。

利率曲线预测示例及债券模拟组合权重分布 [page::5][page::7]

• 模型多年份利率预测值趋势与实际走势一致。

- 通过久期与凸性匹配，对不同期限国债总财富指数构建零息债券模拟组合。

久期轮动策略构建及核心参数设定 [page::9]

| 策略流程 | 参数说明 |
|-------------------|----------------------------------------------------|
| 选择底层资产 | 中债国债总财富指数，含5个期限区间 |
| 利率预测模型 | 每年末滚动拟合，使用4年远期利率月频数据 |
| 计算预期收益率 | 久期凸性匹配零息债券组合，结合利率预测计算收益率 |
| 调仓信号 | 每月持有预期收益率最高债券指数 |
| 回测区间 | 2011年1月4日-2024年8月23日 |
| 基准与费用 | 等权组合基准，无交易费用 |

国债久期轮动策略表现及模型输入频率比较 [page::10]

• 日频与月频远期利率均提升策略收益，月频输入年化收益7.22%，夏普比率2.12。

- 相较等权基准，策略显著提升年化收益和夏普比率，风险调整表现优异。

宏观经济指标预处理与分类介绍 [page::11][page::12]

• 宏观指标包括增长、通胀、流动性三个维度。

- 预处理流程涵盖统一口径、季节性调整、HP滤波平滑及同比计算，提升数据质量。

宏观指标单变量回归测试与筛选结果 [page::14][page::15][page::16]

• 435个宏观指标单变量加入模型，约40%指标样本夏普率超过基准。

- 筛选效果良好，波动率适中，最大回撤均在可控范围。

• 选出PMI、挖掘机产量、供应土地面积、CPI酒类、PPI黑色金属及同业拆借成交量等关键指标。

结合宏观经济变量后的利率预测与久期轮动策略表现提升 [page::16][page::17]

• 多因子模型预测零息债券收益率具有良好单调性。

- 策略总体年化收益提升至8.47%，夏普比率达到2.62。

• 相比仅用远期利率模型，宏观指标带来显著业绩提升。

应用1：股债风险平价增强策略 [page::17][page::18]

• 股债风险平价组合中，替换为久期轮动债券组合，策略年化收益8.86%，夏普比率2.40。

- 相较传统风险平价组合，增强策略收益与风险调整表现均明显优异。

应用2：国开债利率曲线上构建的久期轮动策略 [page::18][page::19]

• 国开债利率曲线与国债存在局部倒挂特征，传统模型拟合偏差。

- 利率预测模型对国开债同样有效，组合年化收益率达7.41%，夏普比率2.69，超越等权基准及无宏观指标版本。

华泰研究报告《基于远期利率和宏观数据的久期轮动》详尽解析

---

1. 元数据与概览

• 报告标题：基于远期利率和宏观数据的久期轮动

- 发布机构：华泰证券股份有限公司研究所

• 发布日期：2024年8月29日

- 研究员：林晓明、陈烨、韩永蔚、徐特

• 研究领域：固收量化策略，利率曲线预测，债券投资策略

- 研究主题：基于远期利率和宏观经济数据，构建利率预测模型，并基于预测结果实施国债及国开债久期轮动策略，从而提升债券投资组合收益和夏普比率。

核心论点及结论：
报告以2011年1月4日至2024年8月23日的历史数据为基础，提出利用远期利率直接构建利率预测模型，结合宏观经济变量进一步提升预测能力，并将预测应用于债券指数的久期轮动策略。历史回测显示，在中债国债指数上，该策略年化收益率达8.47%，夏普比率为2.62，高于以远期利率单独构建模型的7.22%年化收益率和2.12夏普比率。策略也证明可结合资产配置框架，提升股债风险平价组合表现，且在国开债等不同债券品种上同样有效。
风险提示指出模型存在过拟合风险，策略表现依赖历史规律，未来可能失效。[page::0]

---

2. 逐节深度解读

2.1 远期利率与宏观基本面对债券收益率预测的作用

• 论点：传统债券市场生成假说认为利率曲线中水平、期限利差及曲率三因子包含全部利率预测信息；但实证研究显示宏观经济变量带来增量预测能力。

- 远期利率反映未来即期利率预期，被视作核心预测数据。

• 宏观经济变量（工业产出、通胀预期、产出缺口、国债供应量等）也被实证证明能改善预测效果。

- 图表1显示国债即期收益率的水平因子与PMI同比序列高度相关，证明了经济周期对利率水平因子的影响。[page::2]

2.2 利率预测模型构建

• 传统方法多先提取利率曲线水平、斜率、曲率因子，再预测其未来走势；本报告简化处理，直接利用远期利率数据预测即期利率未来一年变化量。

- 利率预测模型基于远期利率线性回归，回归模型为：

\[
\Delta r{m}^{T+1} = \beta{m0} + \sum{n=1}^N \beta{mn} f{n}^T + \epsilonm
\]

其中 \(\Delta r{m}^{T+1}\) 是未来一年即期利率变动，\(f{n}^T\) 是当前时点的远期利率。

• 采用滚动窗口回归（过去4年数据），每年末更新模型参数，未来12个月内固定参数预测。

- 使用的是即期收益率构建结果，以零息债券贴现率为基础，提高模型的理论一致性与准确性。[page::4]

• 模型预测示例图（图表4-7）显示预测利率曲线与实际曲线走势大体一致，尤其在2023-2024年显示比较高的拟合度，支持模型有效性。[page::5][page::6]

2.3 债券指数与零息债券权重匹配

• 将利率预测结果映射到债券指数，债券指数被视作若干期限零息债券的组合。

- 通过久期和凸性匹配构造权重，确保组合的利率敏感性一致。

• 给出零息债券价格、修正久期和凸性的计算公式：

\[
Pk = \frac{100}{(1+rk)^k},\quad Dk = \frac{k}{1+rk},\quad Ck = \frac{100k(k-1)}{(1+rk)^{k+2}} \cdot Pk
\]

• 需三只不同期限零息债券满足组合久期、凸性及权重和为1的线性方程组，即可唯一确定权重。

- 针对中债国债总财富指数的五个期限区间，选择的零息债券期限组合如[1,2,5]年等。[page::6]

• 模拟组合权重随着时间动态调整，图表8-11显示不同期限指数的零息债组合权重分布，核心期限零息债券权重稳定且合理，反映指数久期、凸性的动态匹配情况。[page::7]

2.4 债券预期收益率与久期轮动策略

• 利用预测的即期利率变化计算零息债券未来价格与预期收益率：

\[
Rn^{T+1} = \frac{P{n-1}^{T+1} - Pn^T}{Pn^T}
\]

• 进一步表达为远期利率、久期与凸性的函数（包含久期与凸性的二阶调整项），揭示债券收益可分解成远期利率预期、风险溢价与凸性补偿。

- 通过计算各期限债券的预期收益率，选出下一期预期收益率最高的债券指数作为持仓。

• 回测参数详尽，包括中债国债总财富指数为标的，持仓调仓月频，数据使用4年滚动远期利率回归系数预测。（图表13）[page::7][page::9]
• 策略历史表现（图表10-15）显示：

- 年化收益率7.22%（月频远期利率输入）和6.66%（日频远期利率输入），均显著高于等权基准4.52%。
- 夏普比率均略优于等权基准，风险调整后的表现更佳。
- 最大回撤保持在-8.88%至-9.02%之间，伴随较高收益，Calmar比率提升明显。[page::10]

2.5 加入宏观经济变量提升预测能力

• 宏观变量涵盖经济增长、通胀和流动性三大类，指标数量多达435个，经过预处理（数据统一口径、季节调整、HP滤波平滑及同比计算），以降低噪声和离群值影响。

- 预处理流程图表16-20直观展示数据处理效果，季节性调整去除季节波动，使趋势更清晰，HP滤波平滑进一步消除短期波动。

• 宏观指标中典型指标包括PMI、挖掘机产量、100大中城市土地供应面积、CPI酒类分项、PPI黑色金属冶炼行业及银行间拆借成交量。

- 各指标间的相关性较低，满足多元回归的独立性要求。[page::11][page::12][page::13][page::16]

2.6 宏观指标单指标测试与综合选择

• 以单指标加入回归模型测试，考察各指标对利率预测提升的边际贡献。

- 结果表明，约20%的指标样本能带来更高年化收益率，约40%的指标能提高夏普比率，指标表现分布呈正偏态。（图表22-25）

• 综合指标经济意义、数据质量、统计表现，最终选取增长（PMI、挖掘机产量、供应土地面积）、通胀（CPI酒类、PPI黑色金属）、流动性（银行间拆借成交量）六大宏观变量作为模型输入。

- 多指标回归模型如下：

\[
\Delta ri^{T+1} = \beta{i0} + \sum \beta{in} fn^T + \sum \alpha{ip} gp^T + \epsiloni
\]

其中 \(g_p^T\) 是宏观指标序列。[page::14][page::15][page::16]

2.7 加入宏观指标后策略表现提升

• 结合宏观指标后，久期轮动策略的综合收益明显提升，回测期年化收益率8.47%，夏普比率2.62（无风险收益率为0情况），最大回撤和Calmar比率也均改善，显示风险调整后收益更优。

- 净值曲线（图表31）显示使用宏观指标的策略持续跑赢仅用远期利率的策略以及等权基准。

• 说明宏观经济因子的引入有效改善了利率预测的准确性，进而增强策略收益和风险控制。[page::17]

2.8 应用示例

1) 股债风险平价增强策略

• 将久期轮动策略嵌入风险平价资产配置框架，替换债券部分资产组合，实现股债动态风险平价再平衡。

- 明显提升组合整体收益和夏普比率（年化收益8.86%，夏普2.40），最大回撤缩小（-4.80%），证明久期择时有效增强整体资产配置表现。

• 股票使用沪深300全收益指数，债券使用构建后的久期轮动指数，月度再平衡。[page::17][page::18]

2) 国开债指数上久期轮动策略

• 利用模型对国开债利率曲线预测，适应国开债局部期限利率倒挂特征，构建国开债久期轮动组合。

- 单独远期利率模型年化收益6.63%，夏普2.38；加入宏观指标后年化收益7.41%，夏普提升至2.69。

• 显著优于国开债等权基准收益4.84%，表现优异且风险更低，凸显模型对不同债券类型适应能力强。[page::18][page::19]

---

3. 重要图表深度解读

• 图表1：国债即期收益率水平因子与PMI同比走势同期波动明显，提供宏观经济周期对利率水平的直观支持。

- 图表2：完整策略流程图，分别涵盖利率预测模型（远期利率+宏观指标）、预处理流程、债券指数模拟组合构建、久期轮动策略及其应用。

• 图表4-7：不同时间截面利率曲线预测与实际对比图，预测曲线走势与实际走势较为吻合，保证策略择时的逻辑基础。

- 图表8-11：债券指数期限段对应零息债组合权重堆叠，体现风险敞口的期限配置，权重波动符合期长风险特征。

• 图表12 & 30：预期收益率排名与实际收益率排名单调性较好，验证预测模型对未来收益率筛选能力。加入宏观指标后单调性略有提升。

- 图表13：策略参数设置详尽，清晰呈现数据频率、调仓频率、持仓资产、基准及回测期间，无模糊空间。

• 图表14 & 31：久期轮动策略净值曲线，展示远期利率模型及其增强版策略随时间的累积收益，增强版明显跑赢基准。

- 图表15 & 32 & 38：策略业绩指标，年化收益率、波动率、夏普比率、最大回撤和Calmar比率量化指标，宏观增强策略整体优势突出。

• 图表16-20：宏观指标预处理展示，季调去除季节波动、HP滤波平滑噪声，保障宏观变量质量。

- 图表22-25：单一宏观指标加入模型后的统计测试，收益与夏普分布证实信息增量效果。

• 图表26-29：最终宏观指标选择及其时间序列及相关性，确保模型输入的合理性与互补性。

- 图表33-34：股债风险平价增强策略净值与业绩对比，显著优于单纯风险平价组合。

• 图表35-36：国债与国开债利率曲线形态对比，显示国开债曲线倒挂，支持模型独立预测不同期限利率的设计理念。

- 图表37：国开债久期轮动策略净值走势，表明策略有效适配国开债市场。[page::2][page::3][page::4][page::5][page::6][page::7][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19]

---

4. 估值分析

报告核心为固收量化策略模型构建和回测表现，未涉及传统意义上的公司估值模型，如DCF或市盈率法。其“估值”部分实为基于远期利率和宏观指标构建的利率预测模型，并通过债券久期、凸性匹配映射到债券指数收益，以计算预期债券收益率并指导久期轮动配置。预测模型中：

• 输入：远期利率数据、宏观经济预处理变量

- 模型形式：多元线性回归，预测未来一年即期收益率变化量

• 参数估计：滚动四年历史窗口，每年更新

- 输出：不同期限预测即期利率曲线，进而计算零息债价格与预期收益率

• 映射限制：模型假设价格对利率敏感性通过久期和凸性线性化精确匹配债券指数

- 不含主观估值假设，策略表现依赖模型预测准确性与市场有效性。

因此，报告估值方面体现为模型设计的严谨性和指标选择，核心是量化对利率曲线变动及债券指数预期收益的预测精度。[page::4][page::6][page::7]

---

5. 风险因素评估

• 模型过拟合风险：模型参数基于历史数据回归，可能过度拟合历史噪声，导致预测未来利率失败。

- 预测误差风险：回归模型存在预测误差，实际利率或收益偏离预测造成策略收益波动。

• 策略历史表现不代表未来有效性：市场发生结构性变化、宏观经济剧烈变动等均可能使模型失效。

- 报告未详述具体缓解措施，但通过滚动回归及年度更新参数部分自适应市场变化，且多因素模型减少单一变量风险。

• 强调理性使用，严禁盲目依赖，须结合投资者自身状况。[page::0][page::19]

---

6. 批判性视角与细微差别

• 宏观指标选择与预处理复杂度：宏观经济变量种类繁多、数据质量和时滞问题可能带来噪声，虽应用季调与HP滤波，仍存在误差及未来数据可获得性风险。

- 利率市场有效性假设：报告基于远期利率隐含信息及市场相对有效性，但市场偶发性事件（政策突变、流动性冲击）可能使预测失准。

• 模型参数使用固定4年窗口，可能延迟响应市场剧变，尤其面临货币政策急剧调整情景时风险更明显。

- 债券组合权重匹配仅限于三只零息债券，可能忽略期限结构变化更细粒度的细节。

• 预测仅基于历史数据，未来权益利率政策的微调及不确定性未明确纳入考虑。

- 未考虑交易成本，且策略月频调仓假设在实际操作中可能存在执行滑点和成本。

• 报告关注绝对表现，但策略在不同市场周期、极端行情下的表现波动需进一步考察。

- 表面无明显矛盾，报告逻辑自洽，数据充分支持结论。

---

7. 结论性综合

本报告系统地构建了一个基于远期利率与宏观经济变量的利率曲线预测模型，突破传统仅用利率曲线历史三因子的方法，创新性地引入涵盖经济增长、通胀和流动性的多维宏观指标，预处理细致严格，保证数据质量和模型稳定性。基于该模型，设计了覆盖债券指数分期限段的零息债券模拟组合，通过匹配债券指数的久期和凸性，实现预期收益率的精准计算，最终形成久期轮动策略。在11年多的历史回测期内，策略表现优异：

• 仅用远期利率输入的模型年化收益7.22%，夏普比率2.12，显著超过等权基准4.52%收益。

- 加入宏观经济变量后，年化收益提升至8.47%，夏普比率提升至2.62，且最大回撤控制更好。

• 策略可灵活应用于国债、国开债市场，同样有效，显示了较好的市场适应性。

- 将策略运用于股债风险平价组合，有效提升整体组合收益和风险调整后表现，显著优于传统静态风险平价。

图表展示了模型预测利率曲线与实际曲线契合、债券组合权重合理分布预期收益率排名与实际表现高度相关，全面支持策略有效性。多重风险预警提醒投资者理性判断，模型基于历史规律，实际表现仍须依据市场变化灵活调整。整体来看，报告提出的基于远期利率和宏观数据的久期轮动方法为固收投资提供了科学、严谨且实用的量化工具，具备较强的学术价值与实际应用前景，对提升中国境内债券市场投资组合管理水平具有积极贡献。[page::0][page::2][page::4][page::6][page::7][page::10][page::14][page::17][page::18][page::19]

---

结尾备注

本报告内容结构严密，包含丰富公式推导和数据分析，图文并茂，定量指标充分支撑核心观点。并对于策略的局限和风险进行了客观提示，符合资深金融研究报告的专业水平。投资者应结合自身风险承受能力审慎参与。

报告