基于量價信息的利率擇時探討

一、概要近幾年中國利率債市場發(fā)展較為迅速，以國債期貨、各期限利率債活躍券等品種開始逐漸產(chǎn)生多量價數(shù)據(jù)，這為量化擇時策略提供了一定的基礎(chǔ)。傳統(tǒng)的利率擇時策略更加側(cè)重于從主觀上對宏觀基本面形成判斷，而中短期的價格行為能否具有一定預(yù)測性，或者能否可以形成有穩(wěn)健收益的中短期量化信號，仍然有待投資者去深入挖掘。在前期的報告《活躍券的均線擇時：——宏觀固收量化研究系列之(六)》中，我們發(fā)現(xiàn)，無論是日頻均線還是日內(nèi)均線，簡單的均線策略在10Y國開活躍券和10Y國債活躍券擇時上具有一定效果。但是傳統(tǒng)的技術(shù)指標(biāo)仍有以下幾個缺陷：被動地應(yīng)對行情，并未對市場進(jìn)行預(yù)測和驗證，因此勝率較低；本質(zhì)上是趨勢跟蹤，在拐點來到時反應(yīng)較為遲鈍；如果是日頻級別的技術(shù)分析，則極度依賴于市場狀態(tài)，尤其在震蕩市信號變換頻率較大，出現(xiàn)來回虧損的情況?；诖顺霭l(fā)點，本文嘗試對利率擇時策略進(jìn)行更加細(xì)致的探索。本文尋找一些具有預(yù)測能力的時序特征(后文統(tǒng)稱為時序因子1)，并且使用線性回歸的方法，對未來短期的利率市場形成預(yù)測，從而形成日頻的策略信號，在此基礎(chǔ)上對歷史數(shù)據(jù)加以回測。二、策略設(shè)計前期的報告《活躍券的均線擇時：——宏觀固收量化研究系列之(六)》顯示，基于價格信息能夠在一定程度上捕捉到國開利率的動量效應(yīng)，并有較好的回測效果，這說明過去的歷史價格信息可以被利用于預(yù)測利率債市場。因此，通過分析市場歷史的量價數(shù)據(jù)，對未來利率市場做出預(yù)測存在一定的可能。在股票量化領(lǐng)域，學(xué)界和業(yè)界往往嘗試尋找截面上的股票特征(因子)，并最終對因子池進(jìn)行合成(因子打分)，從而挑選出具有較好預(yù)期收益的股票。本文嘗試在樣本內(nèi)空間尋找時序上的有預(yù)測能力的因子，構(gòu)建有效因子池，合成最終信號，并在樣本內(nèi)和樣本外分別回測，評估信號效果。本文的基本步驟為：基于量價邏輯，構(gòu)建較大的因子庫；每月末，對每個因子，往前取一段時間長度為L的樣本以及對應(yīng)的未來N日的收益率漲跌(或未來N日的國債期貨漲跌幅)，做1次滾動線性回歸預(yù)測：以T時刻為例，我們得到因變量序列????,????1,…,??1,??}和自變量序列{???????,???????1,…,?????1,?????，做如下回歸??=0+1?????下一個月的每個收盤后，時刻記為?，根據(jù)回歸系數(shù)1和對未來N日的Y的預(yù)測值??+??=0+1???，做如下判定：1注意，這里的因子并非是股票多因子模型中的截面特征，而是時間序列維度上的特征。若1不顯著，則生成空倉信號若1顯著且??+??>，則意味著當(dāng)前X預(yù)測未來利率上行，則生成看空信號(若Y是未來N日的國債期貨漲跌幅，則生成看多信號)若1顯著且??+??>，則意味著當(dāng)前X預(yù)測未來利率下行，則生成看多信號(若Y是未來N日的國債期貨漲跌幅，則生成看空信號)按照這樣的邏輯，我們最終可以得到樣本內(nèi)區(qū)間所有因子每天的信號；根據(jù)生成的多空信號，在樣本內(nèi)區(qū)間生成每個因子的凈值曲線，具體回測設(shè)置見下文，并算各評價指標(biāo)；選出樣本內(nèi)區(qū)間表現(xiàn)較好的因子，并做簡單降維，剔除相關(guān)性高的因子，形成最終的因子池；根據(jù)不同的方式對因子池中的因子合成信號，并在樣本內(nèi)和樣本外區(qū)間測試合成信號的回效果。在線性回歸估計步驟，一般使用LS模型，因為在符合一定的假設(shè)條件下，LS是最優(yōu)線性無估計量(BLUE。其中，有兩個重要假設(shè)需要滿足：自變量X是外生的自變量X是平穩(wěn)時間序列而在做時間序列回歸時，尤其是金融變量的時間序列回歸中，自變量往往不符合這些假定，從而導(dǎo)致估計出的參數(shù)偏誤較大，且不穩(wěn)定，因此本文參考Kosakstal.(015)，采用IVX回歸的來估計因子和未來收益率變化的關(guān)系。Kostksetal.205)擴展了hilips2009)使用工具變量IntrumntalVaiale)的參數(shù)估方法(IV)，可以應(yīng)對回歸中的內(nèi)生性問題，適用于幾種常見持續(xù)性強度的時間序列(平穩(wěn)序列、協(xié)整序列、近似協(xié)整序列、近似平穩(wěn)序列)，并且可以便捷的使用Wld統(tǒng)計量做假設(shè)檢驗這種借工具變量的回歸方法在金融時間序列預(yù)測中普適性非常強，但代價是會降低估計量收斂于真實值的速度，作者通過onte-Caro模擬設(shè)定了工具變量的最優(yōu)參數(shù)，使得收斂速度的下降僅從LS估計量的????)降為????+9)2)，影響非常有限。在有限樣本數(shù)量下，統(tǒng)計檢驗犯第一類錯誤的概率接近預(yù)先設(shè)置的置信度水平。此外，由于在金融時序應(yīng)用中，常常會遇到樣本重疊的問題，比如用日頻的自變量對未來N日收益做回歸，則相鄰2天所到樣本的因變量會有-1日的數(shù)據(jù)重疊，在回歸過程中會出現(xiàn)對差估計的偏誤，影響回歸的顯著性和一致性，而IVX方法也修正了統(tǒng)計量的這種偏誤，因此本統(tǒng)一使用IVX方法來做單變量和多變量的回歸與預(yù)測。在單因子和最終合成的信號中，我們分別采用10年期國債貨主力合約、10Y國開活躍券利率中債7-0年國開債指數(shù)作為測標(biāo)的，具體回測的設(shè)定如下圖所示，數(shù)據(jù)均來自于Wd資訊：表1：回測品種與回測設(shè)計回測品種10年期國債期貨主力合約10Y國開活躍券中債7-10年國開債指數(shù)與1年以下國開債指數(shù)輪動切券(切合約)無交易價格次開15分的WP次收中M回測結(jié)果(bps)回測邏輯初資100萬每開1手統(tǒng)盈虧每做1手躍，計計得益率eun交易成本萬之1.5(ck)0.5P信號對應(yīng)的交易基準(zhǔn)等持個數(shù)資料來源：&Wd資訊三、因子構(gòu)建本文的因子均來源于利率市場和國債期貨市場的日度數(shù)據(jù)，以價格、利差、波動和成交量為主。在構(gòu)建因子時，為了避免數(shù)據(jù)挖掘的問題，我們選取因子的邏輯主要基于市場經(jīng)驗，即從市場經(jīng)常關(guān)注的指標(biāo)出發(fā)來構(gòu)建因子，并未沒有采用過多的參數(shù)和過于復(fù)雜的公式加工原始數(shù)據(jù)。根據(jù)不同品種、期限、價格類型、階數(shù)，我們將所有的因子分為10個大類，具體因子信息見附錄：成交量：衡量現(xiàn)券和國債期貨成交量水平和變化價格動量：衡量現(xiàn)券和國債期貨的價格變化價格波動：衡量現(xiàn)券和國債期貨的波動率期限利差水平：衡量國開/國債長短期限利差的水平期限利差動量：衡量國開/國債長短期限利差的變化稅收利差水平：衡量國開與國債相對價格的水平稅收利差動量：衡量國開與國債相對價格的變化期現(xiàn)價差：衡量國債期貨與現(xiàn)券的價差資金面水平：衡量資金市場的價格水平資金面波動：衡量資金市場的價格波動率在構(gòu)建過程中，我們對各變量分別做了移動平均、近1年歷史分位數(shù)、近3年歷史分位數(shù)、近年歷史分位數(shù)的處理，用于平滑，以“期限利差水平”大類中的“10年國開減去3個月hibr期限利差”為例，下圖展示了這5個加工方式的結(jié)果，可以看出原始數(shù)據(jù)噪點較大，取移動平均可以起到平滑噪聲的目的，而取歷史分位數(shù)則可以使得數(shù)據(jù)更加規(guī)整的分布在0到00間最后，我們一共形成58個量價因子。圖1：以國開期限利差為例的各種數(shù)據(jù)加工方式展示資料來源：&Wd資訊四、單因子回測與篩選在構(gòu)建好因子庫之后，我們需要對各個因子進(jìn)行滾動回歸和信號生成。由于本文主要關(guān)注國債期貨漲跌幅和10Y國開活躍券利率的漲跌，這也是長端利率市場每天博弈的最直接變量。因此這我們的因變量Y取“未來3日的國債期貨收盤價的漲跌幅”和“未來3日中債0Y國開到期收率的變化幅度”。這里取我們?nèi)∥磥?日，而不是1日、5日、20日，是因為經(jīng)筆者驗期太長的預(yù)測會造成量價因子的預(yù)測能力減弱，期限太短的預(yù)測有噪聲過大的問題，也難以生成穩(wěn)定和顯著的統(tǒng)計學(xué)關(guān)系。由于期貨品種誕生時間短，對于“未來3日的國債期貨收盤價的漲跌幅”這一因變量，我們使用2017年-220年底這4年時作為樣本內(nèi)區(qū)間，對于“未來3日中債10Y國開到期收益率的變化幅度”這一因變量，我們使用2012年-020年底這9年間作為樣本內(nèi)區(qū)間。而在下文統(tǒng)一用201年-202年12月9日近2年時間，作為最終的純本外區(qū)間，設(shè)置如下表所示：表2：回歸與單因子回測設(shè)計回測品回測品種 10年期國債期貨主力合約 10Y國開活躍券利率因變量 未日國期收價漲幅 未日債10國到收率變幅度樣本內(nèi)區(qū)樣本內(nèi)區(qū)間 01.0100.12 01.0100.12回測結(jié)果 線 (bps)資料來源：&Wd資訊接下來，我們具體說明單因子回測與篩選的3個步驟：回測各個單因子對于每一個因子，我們通過前文所述的方法形成信號分布，以“R0075日移動平均_近Y歷分位數(shù)”這個因子作用于“1Y國開活躍券利率”為例，我們滾動回歸并生成信號如下圖所示：圖2：以“075日移動平_近1Y歷史分位數(shù)”為例的因子值、因子生成的信號和該因子的回測凈值曲線資料來源：&Wd資訊在對這578個因子進(jìn)行回測后，我們可以得到所有因子在樣本內(nèi)區(qū)間回測效果的評價匯總，這里我們列出每個大類里面回測風(fēng)險收益比指標(biāo)較高的3個供參考：表3：部分單因子回測結(jié)果展示(回測標(biāo)的：10年期國債貨主力合約)資料來源：&Wd資訊注：有些年份的收益風(fēng)險比為空表示全年份都不顯著表4：部分單因子回測結(jié)果展示(回測標(biāo)的：10年期國開躍券利率)資料來源：&Wd資訊注：有些年份的收益風(fēng)險比為空表示全年份都不顯著篩選表現(xiàn)較好的單因子因為所選標(biāo)的的趨勢、波動、回測時間長度以及顯著的因子個數(shù)均有所差異，因此對于國債期貨和活躍券利率，我們分別制定不同的因子篩選標(biāo)準(zhǔn)，但仍然以符合邏輯為目標(biāo)，而不是擬合更好的回測效果。對于國債期貨，我們制定如下篩選規(guī)則：因子顯著天數(shù)高于20個交易日因子樣本內(nèi)區(qū)間顯著比例高于50%因子樣本內(nèi)收益風(fēng)險比大于等于0.8剔除樣本內(nèi)相關(guān)性高于0.5因子，按照收益風(fēng)險比保留較高按照此規(guī)則，最終篩選出6單因子，如下表所示：表5：篩選出的單因子(回測的：10年期國債期貨主力合)資料來源：&Wd資訊注：有些年份的收益風(fēng)險比為空表示全年份都不顯著圖3：篩選出的單因子凈值曲線(回測標(biāo)的：10年期國債貨主力合約)資料來源：&Wd資訊對于10Y國開活躍券利率，我們制定如下篩選規(guī)則：因子顯著天數(shù)高于20個交易日因子樣本內(nèi)區(qū)間顯著比例高于50%因子樣本內(nèi)收益風(fēng)險比大于等于0.5剔除樣本內(nèi)相關(guān)性高于0.5因子，按照收益風(fēng)險比高的保按照此規(guī)則，最終篩選出6單因子，如下表所示：表6：篩選出的單因子(回測的：10年期國開活躍券利率)資料來源：&Wd資訊注：有些年份的收益風(fēng)險比為空表示全年份都不顯著圖4：篩選出的單因子累計賺得收益率(回測標(biāo)的：10年國開活躍券利率)資料來源：&Wd資訊從各個篩選出的因子表現(xiàn)上看，我們可以發(fā)現(xiàn)：沒有任何一個因子可以貫穿牛熊，不同的年份或市場行情下，表現(xiàn)最好的因子也不相同；不管對于哪個標(biāo)的，因子的預(yù)測勝率都沒有很高，在60%下；對于國開活躍券利率，最好的因子是“[日間價格動量]10Y國開_RSI20_近3Y歷史分位數(shù)這與我們之前的報告中得出的EA20均線表現(xiàn)較好的結(jié)論有一定聯(lián)系，這進(jìn)一步說明了國開利率的在歷史上有著明顯的20日動量效應(yīng)；五、合成信號回測上文已經(jīng)在樣本內(nèi)區(qū)間篩選出表現(xiàn)較好的因子，接下來我們考慮對多個單因子的信號進(jìn)行合成，觀測樣本內(nèi)區(qū)間和樣本外區(qū)間策略的表現(xiàn)。我們嘗試兩種方法合成：等權(quán)法：等權(quán)求和各個因子的信號(1,0,1)，根據(jù)求和信的符號來決定最終信號回歸法：對這些因子使用多變量IVX回歸，根據(jù)Y的預(yù)測值形成最終信號下圖列出了兩種標(biāo)的的顯著的因子數(shù)量時間序列圖，可以發(fā)現(xiàn)顯著的因子數(shù)量有時多，有時少，在近兩年均維持在3-6個顯因子的水平：圖5：顯著因子數(shù)(標(biāo)的：0年期國債期貨主力合約) 圖6：顯著因子數(shù)量(標(biāo)的：0年期國開活躍券利率) 數(shù)據(jù)來源：&Wd資訊 數(shù)據(jù)來源：&Wd資訊下圖列出了兩種方法對兩種標(biāo)的的信號分布，以今年為例?？梢钥闯觯还苁菄鴤谪涍€是國開活躍券，今年上半年大部分時間呈震蕩，而下半年先牛后熊。從兩種方法上看，兩種方法在10之前以做多為主，在小幅震蕩的行情下會有短期的做空，而在11月債券市場大跌時也給出了平空的信號。圖7：等權(quán)今年以來信號(標(biāo)的：10年期國債期貨主力合) 圖8：等權(quán)法今年以來信號(標(biāo)的：10年期國開活躍券利率)數(shù)據(jù)來源：&Wd資訊注：圖中信號為當(dāng)天收盤后產(chǎn)生的信號 數(shù)據(jù)來源：&Wd資訊圖9：回歸法今年以來信(標(biāo)的：10年期國債期貨主力合) 圖10：回歸法今年以來信號標(biāo)的：10年期國開活躍券利)數(shù)據(jù)來源：&Wd資訊 數(shù)據(jù)來源：&Wd資訊有關(guān)分析師的申明，見本報告最后部分。其他重要信息披露見分析師申明之后部分，或請與您的投資代表聯(lián)系。并請閱讀本證券研究報告最后一頁的免責(zé)申明。接下來，我們?nèi)匀灰曰販y效果作為評價擇時效果的手段，即下文分別使用以上2種信號，對國期貨、活躍券利率和長短久期輪動三類標(biāo)的做回測。10年國債貨力合約國債期貨的回測結(jié)果如下圖和下表所示，我們可以發(fā)現(xiàn)：等權(quán)法合成因子好于回歸法，能獲得1.1的夏普比；回歸法波動更大，主要在19和今年表現(xiàn)不佳；回撤主要發(fā)生在2020年5份至8月份，這輪是較為急劇的反轉(zhuǎn)行情，這6個因子均出失效的問題，這也反映出日頻量價信號的缺陷，對市場的解讀能力；等權(quán)法有更高的勝率，達(dá)到6%，即平均每次開倉到平倉，有64%賺錢的概率。表7：合成信號表現(xiàn)(回測標(biāo)的：10年期國債期貨主力合約)等權(quán)法回歸法多頭年化收益()4.5.981.82年化波動率().02.3.42夏普比率(收益風(fēng)險比)1.410.920.53最大回撤()-.08-.83-4.8400-08-07019-000-08-07019-08-101-0-6aar1.80.80.8日勝率58%5%5%周勝率55%51%48%交易勝率64%55%-交易盈虧比1.571.6-平均交易天數(shù)(單邊).698.50-

019-0-5

00-04-9-資料來源：&Wd資訊圖1：合成信號表現(xiàn)(回測標(biāo)的：10年期國債期貨主力合)資料來源：&Wd資訊10年開活券率10年國開活躍券的回測結(jié)果下圖和下表所示，我們可以發(fā)現(xiàn)：等權(quán)法仍然好于回歸法，但是均不如之前報告中測試的“國開EA20日均線策略”；國開EA20日均線策略的不足在于震蕩市較難有收益，比如15年19年和今年；兩種方法的回撤均出現(xiàn)在2014年末，主要是因為“[資金水平]R0075日移動平均_近歷史分位數(shù)”這個因子出現(xiàn)較大回撤所致；勝率方面，兩種方法勝率達(dá)到51%，相較于均線信號40%以下的勝率，準(zhǔn)確率更高，但然接近于50%。表8：合成信號表現(xiàn)(回測標(biāo)的：10年國開活躍券利率)等權(quán)法回歸法國開EMA20均線多頭年化收益()1.1456.04.8-9.69年化波動率()46.44.984.9248.05夏普比率(收益風(fēng)險比)1.541.171.55-0.0最大回撤()-91.08-68.53-60.48-4.87回撤區(qū)間 014-11-11- 014-11-11- 014-1-09-016-01-13-015-0-5014-11-6015-08-17018-01-19aar 0.80.821.3-0.04日勝率 56%54%54%50%周勝率 5%54%55%48%交易勝率 51%51%9%-交易盈虧比 .47.00.88-平均交易天數(shù)(單邊) .9610.9410.59-資料來源：&Wd資訊圖12：合成信號表現(xiàn)(回測的10年國開活躍券利率)資料來源：&Wd資訊中債10國債指數(shù)與1年以國開債數(shù)輪動對10年期的國開利率擇時，可以形成長短久期的債券指數(shù)配置輪動策略：當(dāng)看多10Y國開活躍券時，配置長久期指數(shù)，反之配置短久期指數(shù)。這里我們選擇“中債7-10國開債指數(shù)(CBA05201.CS)和中債1年以下國開債指數(shù)CBA02511.CS)”作為長短期指數(shù)的標(biāo)的進(jìn)行回測。等權(quán)法回歸法等權(quán)配置中債-7-10等權(quán)法回歸法等權(quán)配置中債-7-10年國開中債-1年以下國開表9：合成信號表現(xiàn)(回測標(biāo)的：長短久期指數(shù)輪動)財富指數(shù)財富指數(shù)年化收益()6.65.88.904.43.4年化波動率().05.101.53.900.4夏普比率(收益風(fēng)險比).10.80.551.539.81最大回撤()-.01-4.66-.1-8.87-0.5800-09-500-000-09-500-08-801-05-10018-01-19016-1-0aar.171.61.180.505.4日勝率69%6%60%56%8%周勝率6%66%60%5%80%月勝率81%69%6%9%

00-04-9

016-10-1

016-10-1

016-11-8-資料來源：&Wd資訊注：有些年份的收益風(fēng)險比為空表示全年份都不顯著圖13：合成信號表現(xiàn)(回測的長短久期指數(shù))資料來源：&Wd資訊滾動或者展窗篩選因子由于本文目前是固定樣本內(nèi)和樣本外區(qū)間，通過樣本內(nèi)的訓(xùn)練來確定擇時因子。這只能說明我們現(xiàn)在發(fā)現(xiàn)了一個好的規(guī)律，在樣本內(nèi)和樣本外區(qū)間表現(xiàn)均表現(xiàn)不錯。而量化策略更高的追求是找到一個方法，能夠不斷發(fā)現(xiàn)好的規(guī)律，并且持續(xù)在未來得到驗證。對應(yīng)到本文的框架，我們考慮能否定期更新因子池而根據(jù)更新的因子池來做合成信號。我們嘗試滾動窗口篩選因子(rollingindo)和擴展窗口篩選因子(epandingindo)的做法，即按照我們在前文樣本內(nèi)篩選因子的規(guī)則，定期篩選因子。為了給初次訓(xùn)練有充足的樣本，我們設(shè)定206年作為回測起始點，只對有較長歷史的國開利率信號做測試。兩種篩選因子的做法具體為：滾動窗口：每個季度末選過去4年表現(xiàn)較好的因子，在未一個季度使用；擴展窗口：每個季度末選歷史以來表現(xiàn)較好的因子，在未來一個季度使用結(jié)果如下圖所示，我們發(fā)現(xiàn)，只有通過擴展窗口篩選因子并且使用回歸法合成因子，才能獲得不錯的收益，其他方法在一定年份都會失效從而造成較大回撤或踏空大行情。這可能是由于回歸法能夠賦予表現(xiàn)較好或顯著性更高的因子以更大的權(quán)重，并且充分考慮了因子之間的相關(guān)性所致。表10：定期更新因子池策略(回測標(biāo)的：10Y國開活躍券利率)等權(quán)法+滾動窗口回歸法+滾動窗口等權(quán)法+擴展窗口回歸法+擴展窗口國開EMA20均線 多頭年收()-10.1516.60-0.904.84.82-19.86年波率()41.1844.049.504.9744.014.95夏比(收風(fēng)比)-0.50.8-0.020.961.09-0.45最回()-1.2-96.9-90.10-69.03-58.5-4.87019-06-1301-1019-06-1301-11-2019-08-06019-10-090-06-2018-01-19aar-0.070.17-0.010.610.82-0.0851%5%51%5%5%50%5%50%54%49%5%49%46%4%4%6%-1.03.101.11.94.43-平交天(單)5.89.495.9710.699.65-

01-06-06

018-08-0

018-11-6

01-08-05

016-01-13-資料來源：&Wd資訊注：有些年份的收益風(fēng)險比為空表示全年份都不顯著圖14：合成信號表現(xiàn)(回測的10Y國開活躍券利率)資料來源：&Wd資訊表1：定期更新因子池策略表現(xiàn)(回測標(biāo)的：長短久期指數(shù))財富指數(shù)財富指數(shù)財富指數(shù)等權(quán)配置中債-7-10年國開中債-1年以下國開等權(quán)法+擴展窗口回歸法+擴展窗口等權(quán)法+滾動窗口回歸法+滾動窗口年收() .4 4.8 .2 .97 .2 .0 .93年波率() 1.5 1.89 1.95 1.87 1.9 .65 0.2夏比(收風(fēng)比) .15 .53 1.65 .12 .9 1.40 9.6最回() -4.7 -.68 -4.57 -.60 -.1 -8.87 -0.58 00-04-900-09-0

00-04-900-08-8

00-04-900-10-09

00-04-900-06-3

016-10-101-05-10

016-10-1018-01-19

016-11-8-016-1-0aar 0.86 1.8 0.0 1.10 1.00 0.42 5.02率 65% 66% 6% 65% 61% 5% 81%率 6% 64% 60% 64% 60% 55% 9%率 4% 5% % % 0% 64% 96%資料來源：&Wd資訊注：有些年份的收益風(fēng)險比為空表示全年份都不顯著圖15：合成信號表現(xiàn)(回測的長短久期指數(shù))資料來源：&Wd資訊六、反轉(zhuǎn)因子探討最后，我們回到單因子部分，由于我們篩選規(guī)則以回測凈值和顯著率為主，因此往往篩選出的因子具有較強的動量效應(yīng)，即能夠把握大波段行情的因子，這類因子往往能在市場出現(xiàn)大牛和大熊時表現(xiàn)較好。而從之前我們的均線報告來看，簡單的技術(shù)分析也能把握住大的行情。因此，從這個角度說，動量因子比較容易被發(fā)現(xiàn)，而另一類因子，反轉(zhuǎn)因子(即在行情尾聲時因子的信號能夠提前出現(xiàn)反轉(zhuǎn))也一直受到市場關(guān)注?；诒疚牡目蚣?，我們對這58個因子進(jìn)行挑選，嘗試尋找量價類的反轉(zhuǎn)因子。首先，我們根據(jù)10年期國開到期收益率的歷史走勢來劃分牛熊波段，而業(yè)界和理論上并沒有一個嚴(yán)謹(jǐn)劃分標(biāo)準(zhǔn)因此我們簡單根據(jù)階段性的低點和高點進(jìn)行劃分，并且至少持續(xù)一個月以上，如下圖所示，206年至今一共32個波段。其中，有一些階段沒有被貼上標(biāo)簽，是因為持續(xù)時間較短或來回震蕩，以劃分成一個波段。圖16：牛熊波段劃分(序列：0年期國開到期收益率)資料來源：&Wd資訊然后，我們定義如下序列特征作為反轉(zhuǎn)因子：在一個波段行情下，信號日度準(zhǔn)確率達(dá)40%以上（這樣避篩選到一直預(yù)測反方向的無效轉(zhuǎn)）；在行情的最后6個交易日，號出現(xiàn)反轉(zhuǎn)的頻率大于等于5%，即至少有3天給出反向號；在歷史的31個波段(不包括近一次，因為不知道是否行情終結(jié))里完成至少6次以上的反經(jīng)篩選，如下因子滿足反轉(zhuǎn)條件：歷史分位數(shù) 3Y歷史分位數(shù)歷史分位數(shù) 3Y歷史分位數(shù)5Y歷史分位數(shù) 歷史分位數(shù) 歷史分位數(shù) 1Y歷史分位數(shù)動]2Y國開_近5動]5Y國債_近平]DR007成交動]R001_近5動]R007_近5動]10Y國開_近日標(biāo)準(zhǔn)差_近5Y10日標(biāo)準(zhǔn)差_近額_水平值_近日標(biāo)準(zhǔn)差_近1Y日標(biāo)準(zhǔn)差_近1Y5日標(biāo)準(zhǔn)差_近狀態(tài)結(jié)束開始[日間價格波[資金面波 [資金面波[資金面水[日間價格波[日間價格波016/1/13016//8熊11016//16016/4/5熊11016/4/6016/8/15牛016/8/15016/9/6熊1016/9/7016/10/0牛016/10/1016/1/19熊11016/1/0016/1/0牛016/1/101//7熊101/4/1201/5/10熊01/5/1101/6/0牛101/9/901/11/2熊1101/11/301/1/7牛01/1/8018/1/19熊1018/1/0018/4/18牛111018/4/19018/5/17熊111018/5/18018/8/6牛1018/8/7018/9/12熊018/9/13018/1/12牛11018/1/17019/1/3牛019//8019/4/16熊019/4/4019/8/19牛1019/8/0019/10/0熊019/10/100/4/9牛00/4/000//13熊00//400/10/15熊00/10/1600/11/4牛00/11/500/11/18熊00/11/1901/1/14牛101/1/1501//18熊1101//1901/8/5牛101/8/601/10/18熊101/10/190/1/4牛1110/1/50//10熊110//110/5/7牛10/5/80//7熊10//80/8/18牛110/9/10/9/0熊0/10/10/10/1牛11資料來源：&Wd資訊下圖繪制了這6個量價反轉(zhuǎn)的信號，供投資者參考：圖17：各反轉(zhuǎn)因子的信號分(紅色方框代表成功預(yù)測行情的末尾)資料來源：&Wd資訊七、結(jié)論本文探討了通過挖掘利率市場量價信息來進(jìn)行擇時的可能性，不同于傳統(tǒng)技術(shù)分析的做法，本文嘗試尋求好的量價因子，構(gòu)建因子池，并最終將各因子的信號通過等權(quán)法或回歸法合成最終信號。部分結(jié)果顯示，這樣的策略有一定的超額收益，但仍存在某些年份因子失靈的情況。除此之外，本文仍有以下不足：樣本外區(qū)間長度較短，尤其是國債期貨品種，容易出現(xiàn)過擬合的風(fēng)險；擬合方法簡單，本文目前采用IVX回歸的方法，仍是線性回歸法，捕捉的是觀測變量和因量之間的線性回歸，對于非線性關(guān)系，容易出現(xiàn)擬合不足的情況；當(dāng)前因子基于量價特征產(chǎn)生，仍然有充分挖掘更好的量價特征的可能，同時，也有較多描述宏觀基本面的數(shù)據(jù)，這些數(shù)據(jù)雖然沒有量價數(shù)據(jù)的頻率高，但是仍有一些預(yù)測能力的特征有待挖掘。綜上，本文提供了一個通過量化手段來進(jìn)行利率擇時的可能性，即通過發(fā)現(xiàn)組合一些較好的因子來形成交易信號，可以獲得相對可觀的超額收益，如果這些因子組合較為有效，則未來潛在可以提供較好的收益。而另一方面，仍然需要警醒，量化其本質(zhì)上應(yīng)對的是可預(yù)測的風(fēng)險(KnonUnknons)，而Carer(015)提出，永遠(yuǎn)有不可預(yù)測的風(fēng)險存在(UnnonUnknons)，而面對這種偏度事件，是基于歷史的量化策略難以處理的?？傊?，面對近些年波動加大的利率債市場，我們希望量化策略可以從統(tǒng)計分析、回溯歷史等角度給投資者提供參考意見，為投資決策提供補充的思路和意見。風(fēng)險提示量化模型基于歷史數(shù)據(jù)分，未來存在失效風(fēng)險，建議投資者緊密跟蹤模型表現(xiàn)。極端市場環(huán)境可能對模型果造成劇烈沖擊，導(dǎo)致收益虧損。附錄所有原始因子的信息見下表：圖18：所有用到的因子列表成交量日間價格動量日間價格波動期現(xiàn)價差合_倉與倉10日線差合_5日內(nèi)跌幅國_5日準(zhǔn)差合_券RR合_倉與倉5日線差合_1日內(nèi)跌幅國_10日準(zhǔn)差 合_券現(xiàn)差合_交5日線10日線差合_0國_0日準(zhǔn)差合_交與交10日線差合_105國_5日準(zhǔn)差合_交5日線0日線差合_55國_10日準(zhǔn)差合_交與交0日線差合_0日內(nèi)跌幅5國_0日準(zhǔn)差合_倉與倉0日線差合_1日內(nèi)跌0國_5日準(zhǔn)差合_交與交5日線差10國_10國_10日準(zhǔn)差合_倉5日線0日線差10國_5國_0日準(zhǔn)差合_倉5日線10日線差10國_05國_5日準(zhǔn)差合_5日盤成量關(guān)數(shù)10國_55國_10日準(zhǔn)差合_5日跌與交相系數(shù)10國_05國_0日準(zhǔn)差合_5日盤持量關(guān)數(shù)10國_10合_0日準(zhǔn)差合_10日盤成量關(guān)數(shù)0國_0合_5日準(zhǔn)差合_0日盤持量關(guān)數(shù)0國_10合_10日準(zhǔn)差合_0日跌與交相系數(shù)0國_50國_10日準(zhǔn)差合_0日盤成量關(guān)數(shù)0國_0日準(zhǔn)差合_10日跌與倉相系數(shù)10國_0日準(zhǔn)差合_10日盤持量關(guān)數(shù)10國_10日準(zhǔn)差合_10日跌與交相系數(shù)10國_5日準(zhǔn)差合_5日跌與倉相系數(shù)10國_0日準(zhǔn)差合_0日跌與倉相系數(shù)10國_10日準(zhǔn)差10國換率水值10國_5日準(zhǔn)差10國換率水值0國_5日準(zhǔn)差0國成額5日化_平值0國成額水