基于量?jī)r(jià)信息的利率擇時(shí)探討

一、概要近幾年中國(guó)利率債市場(chǎng)發(fā)展較為迅速，以國(guó)債期貨、各期限利率債活躍券等品種開始逐漸產(chǎn)生多量?jī)r(jià)數(shù)據(jù)，這為量化擇時(shí)策略提供了一定的基礎(chǔ)。傳統(tǒng)的利率擇時(shí)策略更加側(cè)重于從主觀上對(duì)宏觀基本面形成判斷，而中短期的價(jià)格行為能否具有一定預(yù)測(cè)性，或者能否可以形成有穩(wěn)健收益的中短期量化信號(hào)，仍然有待投資者去深入挖掘。在前期的報(bào)告《活躍券的均線擇時(shí)：——宏觀固收量化研究系列之(六)》中，我們發(fā)現(xiàn)，無(wú)論是日頻均線還是日內(nèi)均線，簡(jiǎn)單的均線策略在10Y國(guó)開活躍券和10Y國(guó)債活躍券擇時(shí)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(gè)缺陷：被動(dòng)地應(yīng)對(duì)行情，并未對(duì)市場(chǎng)進(jìn)行預(yù)測(cè)和驗(yàn)證，因此勝率較低；本質(zhì)上是趨勢(shì)跟蹤，在拐點(diǎn)來(lái)到時(shí)反應(yīng)較為遲鈍；如果是日頻級(jí)別的技術(shù)分析，則極度依賴于市場(chǎng)狀態(tài)，尤其在震蕩市信號(hào)變換頻率較大，出現(xiàn)來(lái)回虧損的情況?；诖顺霭l(fā)點(diǎn)，本文嘗試對(duì)利率擇時(shí)策略進(jìn)行更加細(xì)致的探索。本文尋找一些具有預(yù)測(cè)能力的時(shí)序特征(后文統(tǒng)稱為時(shí)序因子1)，并且使用線性回歸的方法，對(duì)未來(lái)短期的利率市場(chǎng)形成預(yù)測(cè)，從而形成日頻的策略信號(hào)，在此基礎(chǔ)上對(duì)歷史數(shù)據(jù)加以回測(cè)。二、策略設(shè)計(jì)前期的報(bào)告《活躍券的均線擇時(shí)：——宏觀固收量化研究系列之(六)》顯示，基于價(jià)格信息能夠在一定程度上捕捉到國(guó)開利率的動(dòng)量效應(yīng)，并有較好的回測(cè)效果，這說(shuō)明過去的歷史價(jià)格信息可以被利用于預(yù)測(cè)利率債市場(chǎng)。因此，通過分析市場(chǎng)歷史的量?jī)r(jià)數(shù)據(jù)，對(duì)未來(lái)利率市場(chǎng)做出預(yù)測(cè)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(duì)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(shí)序上的有預(yù)測(cè)能力的因子，構(gòu)建有效因子池，合成最終信號(hào)，并在樣本內(nèi)和樣本外分別回測(cè)，評(píng)估信號(hào)效果。本文的基本步驟為：基于量?jī)r(jià)邏輯，構(gòu)建較大的因子庫(kù)；每月末，對(duì)每個(gè)因子，往前取一段時(shí)間長(zhǎng)度為L(zhǎng)的樣本以及對(duì)應(yīng)的未來(lái)N日的收益率漲跌(或未來(lái)N日的國(guó)債期貨漲跌幅)，做1次滾動(dòng)線性回歸預(yù)測(cè)：以T時(shí)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(gè)月的每個(gè)收盤后，時(shí)刻記為?，根據(jù)回歸系數(shù)1和對(duì)未來(lái)N日的Y的預(yù)測(cè)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(shí)間序列維度上的特征。若1不顯著，則生成空倉(cāng)信號(hào)若1顯著且??+??>，則意味著當(dāng)前X預(yù)測(cè)未來(lái)利率上行，則生成看空信號(hào)(若Y是未來(lái)N日的國(guó)債期貨漲跌幅，則生成看多信號(hào))若1顯著且??+??>，則意味著當(dāng)前X預(yù)測(cè)未來(lái)利率下行，則生成看多信號(hào)(若Y是未來(lái)N日的國(guó)債期貨漲跌幅，則生成看空信號(hào))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(hào)；根據(jù)生成的多空信號(hào)，在樣本內(nèi)區(qū)間生成每個(gè)因子的凈值曲線，具體回測(cè)設(shè)置見下文，并算各評(píng)價(jià)指標(biāo)；選出樣本內(nèi)區(qū)間表現(xiàn)較好的因子，并做簡(jiǎn)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(duì)因子池中的因子合成信號(hào)，并在樣本內(nèi)和樣本外區(qū)間測(cè)試合成信號(hào)的回效果。在線性回歸估計(jì)步驟，一般使用LS模型，因?yàn)樵诜弦欢ǖ募僭O(shè)條件下，LS是最優(yōu)線性無(wú)估計(jì)量(BLUE。其中，有兩個(gè)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(shí)間序列而在做時(shí)間序列回歸時(shí)，尤其是金融變量的時(shí)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(jì)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(lái)估計(jì)因子和未來(lái)收益率變化的關(guān)系。Kostksetal.205)擴(kuò)展了hilips2009)使用工具變量IntrumntalVaiale)的參數(shù)估方法(IV)，可以應(yīng)對(duì)回歸中的內(nèi)生性問題，適用于幾種常見持續(xù)性強(qiáng)度的時(shí)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(jì)量做假設(shè)檢驗(yàn)這種借工具變量的回歸方法在金融時(shí)間序列預(yù)測(cè)中普適性非常強(qiáng)，但代價(jià)是會(huì)降低估計(jì)量收斂于真實(shí)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(jì)量的????)降為????+9)2)，影響非常有限。在有限樣本數(shù)量下，統(tǒng)計(jì)檢驗(yàn)犯第一類錯(cuò)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(shí)序應(yīng)用中，常常會(huì)遇到樣本重疊的問題，比如用日頻的自變量對(duì)未來(lái)N日收益做回歸，則相鄰2天所到樣本的因變量會(huì)有-1日的數(shù)據(jù)重疊，在回歸過程中會(huì)出現(xiàn)對(duì)差估計(jì)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(jì)量的這種偏誤，因此本統(tǒng)一使用IVX方法來(lái)做單變量和多變量的回歸與預(yù)測(cè)。在單因子和最終合成的信號(hào)中，我們分別采用10年期國(guó)債貨主力合約、10Y國(guó)開活躍券利率中債7-0年國(guó)開債指數(shù)作為測(cè)標(biāo)的，具體回測(cè)的設(shè)定如下圖所示，數(shù)據(jù)均來(lái)自于Wd資訊：表1：回測(cè)品種與回測(cè)設(shè)計(jì)回測(cè)品種10年期國(guó)債期貨主力合約10Y國(guó)開活躍券中債7-10年國(guó)開債指數(shù)與1年以下國(guó)開債指數(shù)輪動(dòng)切券(切合約)無(wú)交易價(jià)格次開15分的WP次收中M回測(cè)結(jié)果(bps)回測(cè)邏輯初資100萬(wàn)每開1手統(tǒng)盈虧每做1手躍，計(jì)計(jì)得益率eun交易成本萬(wàn)之1.5(ck)0.5P信號(hào)對(duì)應(yīng)的交易基準(zhǔn)等持個(gè)數(shù)資料來(lái)源：&Wd資訊三、因子構(gòu)建本文的因子均來(lái)源于利率市場(chǎng)和國(guó)債期貨市場(chǎng)的日度數(shù)據(jù)，以價(jià)格、利差、波動(dòng)和成交量為主。在構(gòu)建因子時(shí)，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(chǎng)經(jīng)驗(yàn)，即從市場(chǎng)經(jīng)常關(guān)注的指標(biāo)出發(fā)來(lái)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(jià)格類型、階數(shù)，我們將所有的因子分為10個(gè)大類，具體因子信息見附錄：成交量：衡量現(xiàn)券和國(guó)債期貨成交量水平和變化價(jià)格動(dòng)量：衡量現(xiàn)券和國(guó)債期貨的價(jià)格變化價(jià)格波動(dòng)：衡量現(xiàn)券和國(guó)債期貨的波動(dòng)率期限利差水平：衡量國(guó)開/國(guó)債長(zhǎng)短期限利差的水平期限利差動(dòng)量：衡量國(guó)開/國(guó)債長(zhǎng)短期限利差的變化稅收利差水平：衡量國(guó)開與國(guó)債相對(duì)價(jià)格的水平稅收利差動(dòng)量：衡量國(guó)開與國(guó)債相對(duì)價(jià)格的變化期現(xiàn)價(jià)差：衡量國(guó)債期貨與現(xiàn)券的價(jià)差資金面水平：衡量資金市場(chǎng)的價(jià)格水平資金面波動(dòng)：衡量資金市場(chǎng)的價(jià)格波動(dòng)率在構(gòu)建過程中，我們對(duì)各變量分別做了移動(dòng)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(guó)開減去3個(gè)月hibr期限利差”為例，下圖展示了這5個(gè)加工方式的結(jié)果，可以看出原始數(shù)據(jù)噪點(diǎn)較大，取移動(dòng)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(gè)量?jī)r(jià)因子。圖1：以國(guó)開期限利差為例的各種數(shù)據(jù)加工方式展示資料來(lái)源：&Wd資訊四、單因子回測(cè)與篩選在構(gòu)建好因子庫(kù)之后，我們需要對(duì)各個(gè)因子進(jìn)行滾動(dòng)回歸和信號(hào)生成。由于本文主要關(guān)注國(guó)債期貨漲跌幅和10Y國(guó)開活躍券利率的漲跌，這也是長(zhǎng)端利率市場(chǎng)每天博弈的最直接變量。因此這我們的因變量Y取“未來(lái)3日的國(guó)債期貨收盤價(jià)的漲跌幅”和“未來(lái)3日中債0Y國(guó)開到期收率的變化幅度”。這里取我們?nèi)∥磥?lái)3日，而不是1日、5日、20日，是因?yàn)榻?jīng)筆者驗(yàn)期太長(zhǎng)的預(yù)測(cè)會(huì)造成量?jī)r(jià)因子的預(yù)測(cè)能力減弱，期限太短的預(yù)測(cè)有噪聲過大的問題，也難以生成穩(wěn)定和顯著的統(tǒng)計(jì)學(xué)關(guān)系。由于期貨品種誕生時(shí)間短，對(duì)于“未來(lái)3日的國(guó)債期貨收盤價(jià)的漲跌幅”這一因變量，我們使用2017年-220年底這4年時(shí)作為樣本內(nèi)區(qū)間，對(duì)于“未來(lái)3日中債10Y國(guó)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(shí)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(cè)設(shè)計(jì)回測(cè)品回測(cè)品種 10年期國(guó)債期貨主力合約 10Y國(guó)開活躍券利率因變量 未日國(guó)期收價(jià)漲幅 未日債10國(guó)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(cè)結(jié)果 線 (bps)資料來(lái)源：&Wd資訊接下來(lái)，我們具體說(shuō)明單因子回測(cè)與篩選的3個(gè)步驟：回測(cè)各個(gè)單因子對(duì)于每一個(gè)因子，我們通過前文所述的方法形成信號(hào)分布，以“R0075日移動(dòng)平均_近Y歷分位數(shù)”這個(gè)因子作用于“1Y國(guó)開活躍券利率”為例，我們滾動(dòng)回歸并生成信號(hào)如下圖所示：圖2：以“075日移動(dòng)平_近1Y歷史分位數(shù)”為例的因子值、因子生成的信號(hào)和該因子的回測(cè)凈值曲線資料來(lái)源：&Wd資訊在對(duì)這578個(gè)因子進(jìn)行回測(cè)后，我們可以得到所有因子在樣本內(nèi)區(qū)間回測(cè)效果的評(píng)價(jià)匯總，這里我們列出每個(gè)大類里面回測(cè)風(fēng)險(xiǎn)收益比指標(biāo)較高的3個(gè)供參考：表3：部分單因子回測(cè)結(jié)果展示(回測(cè)標(biāo)的：10年期國(guó)債貨主力合約)資料來(lái)源：&Wd資訊注：有些年份的收益風(fēng)險(xiǎn)比為空表示全年份都不顯著表4：部分單因子回測(cè)結(jié)果展示(回測(cè)標(biāo)的：10年期國(guó)開躍券利率)資料來(lái)源：&Wd資訊注：有些年份的收益風(fēng)險(xiǎn)比為空表示全年份都不顯著篩選表現(xiàn)較好的單因子因?yàn)樗x標(biāo)的的趨勢(shì)、波動(dòng)、回測(cè)時(shí)間長(zhǎng)度以及顯著的因子個(gè)數(shù)均有所差異，因此對(duì)于國(guó)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(cè)效果。對(duì)于國(guó)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(gè)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(xiǎn)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(xiǎn)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(cè)的：10年期國(guó)債期貨主力合)資料來(lái)源：&Wd資訊注：有些年份的收益風(fēng)險(xiǎn)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(cè)標(biāo)的：10年期國(guó)債貨主力合約)資料來(lái)源：&Wd資訊對(duì)于10Y國(guó)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(gè)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(xiǎn)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(xiǎn)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(cè)的：10年期國(guó)開活躍券利率)資料來(lái)源：&Wd資訊注：有些年份的收益風(fēng)險(xiǎn)比為空表示全年份都不顯著圖4：篩選出的單因子累計(jì)賺得收益率(回測(cè)標(biāo)的：10年國(guó)開活躍券利率)資料來(lái)源：&Wd資訊從各個(gè)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(gè)因子可以貫穿牛熊，不同的年份或市場(chǎng)行情下，表現(xiàn)最好的因子也不相同；不管對(duì)于哪個(gè)標(biāo)的，因子的預(yù)測(cè)勝率都沒有很高，在60%下；對(duì)于國(guó)開活躍券利率，最好的因子是“[日間價(jià)格動(dòng)量]10Y國(guó)開_RSI20_近3Y歷史分位數(shù)這與我們之前的報(bào)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(shuō)明了國(guó)開利率的在歷史上有著明顯的20日動(dòng)量效應(yīng)；五、合成信號(hào)回測(cè)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(lái)我們考慮對(duì)多個(gè)單因子的信號(hào)進(jìn)行合成，觀測(cè)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(gè)因子的信號(hào)(1,0,1)，根據(jù)求和信的符號(hào)來(lái)決定最終信號(hào)回歸法：對(duì)這些因子使用多變量IVX回歸，根據(jù)Y的預(yù)測(cè)值形成最終信號(hào)下圖列出了兩種標(biāo)的的顯著的因子數(shù)量時(shí)間序列圖，可以發(fā)現(xiàn)顯著的因子數(shù)量有時(shí)多，有時(shí)少，在近兩年均維持在3-6個(gè)顯因子的水平：圖5：顯著因子數(shù)(標(biāo)的：0年期國(guó)債期貨主力合約) 圖6：顯著因子數(shù)量(標(biāo)的：0年期國(guó)開活躍券利率) 數(shù)據(jù)來(lái)源：&Wd資訊 數(shù)據(jù)來(lái)源：&Wd資訊下圖列出了兩種方法對(duì)兩種標(biāo)的的信號(hào)分布，以今年為例?？梢钥闯觯还苁菄?guó)債期貨還是國(guó)開活躍券，今年上半年大部分時(shí)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(huì)有短期的做空，而在11月債券市場(chǎng)大跌時(shí)也給出了平空的信號(hào)。圖7：等權(quán)今年以來(lái)信號(hào)(標(biāo)的：10年期國(guó)債期貨主力合) 圖8：等權(quán)法今年以來(lái)信號(hào)(標(biāo)的：10年期國(guó)開活躍券利率)數(shù)據(jù)來(lái)源：&Wd資訊注：圖中信號(hào)為當(dāng)天收盤后產(chǎn)生的信號(hào) 數(shù)據(jù)來(lái)源：&Wd資訊圖9：回歸法今年以來(lái)信(標(biāo)的：10年期國(guó)債期貨主力合) 圖10：回歸法今年以來(lái)信號(hào)標(biāo)的：10年期國(guó)開活躍券利)數(shù)據(jù)來(lái)源：&Wd資訊 數(shù)據(jù)來(lái)源：&Wd資訊有關(guān)分析師的申明，見本報(bào)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(qǐng)與您的投資代表聯(lián)系。并請(qǐng)閱讀本證券研究報(bào)告最后一頁(yè)的免責(zé)申明。接下來(lái)，我們?nèi)匀灰曰販y(cè)效果作為評(píng)價(jià)擇時(shí)效果的手段，即下文分別使用以上2種信號(hào)，對(duì)國(guó)期貨、活躍券利率和長(zhǎng)短久期輪動(dòng)三類標(biāo)的做回測(cè)。10年國(guó)債貨力合約國(guó)債期貨的回測(cè)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(dòng)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(gè)因子均出失效的問題，這也反映出日頻量?jī)r(jià)信號(hào)的缺陷，對(duì)市場(chǎng)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(cāng)到平倉(cāng)，有64%賺錢的概率。表7：合成信號(hào)表現(xiàn)(回測(cè)標(biāo)的：10年期國(guó)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(dòng)率().02.3.42夏普比率(收益風(fēng)險(xiǎn)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(lái)源：&Wd資訊圖1：合成信號(hào)表現(xiàn)(回測(cè)標(biāo)的：10年期國(guó)債期貨主力合)資料來(lái)源：&Wd資訊10年開活券率10年國(guó)開活躍券的回測(cè)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(bào)告中測(cè)試的“國(guó)開EA20日均線策略”；國(guó)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?yàn)椤癧資金水平]R0075日移動(dòng)平均_近歷史分位數(shù)”這個(gè)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(hào)40%以下的勝率，準(zhǔn)確率更高，但然接近于50%。表8：合成信號(hào)表現(xiàn)(回測(cè)標(biāo)的：10年國(guó)開活躍券利率)等權(quán)法回歸法國(guó)開EMA20均線多頭年化收益()1.1456.04.8-9.69年化波動(dòng)率()46.44.984.9248.05夏普比率(收益風(fēng)險(xiǎn)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(lái)源：&Wd資訊圖12：合成信號(hào)表現(xiàn)(回測(cè)的10年國(guó)開活躍券利率)資料來(lái)源：&Wd資訊中債10國(guó)債指數(shù)與1年以國(guó)開債數(shù)輪動(dòng)對(duì)10年期的國(guó)開利率擇時(shí)，可以形成長(zhǎng)短久期的債券指數(shù)配置輪動(dòng)策略：當(dāng)看多10Y國(guó)開活躍券時(shí)，配置長(zhǎng)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(guó)開債指數(shù)(CBA05201.CS)和中債1年以下國(guó)開債指數(shù)CBA02511.CS)”作為長(zhǎng)短期指數(shù)的標(biāo)的進(jìn)行回測(cè)。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(guó)開中債-1年以下國(guó)開表9：合成信號(hào)表現(xiàn)(回測(cè)標(biāo)的：長(zhǎng)短久期指數(shù)輪動(dòng))財(cái)富指數(shù)財(cái)富指數(shù)年化收益()6.65.88.904.43.4年化波動(dòng)率().05.101.53.900.4夏普比率(收益風(fēng)險(xiǎn)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(lái)源：&Wd資訊注：有些年份的收益風(fēng)險(xiǎn)比為空表示全年份都不顯著圖13：合成信號(hào)表現(xiàn)(回測(cè)的長(zhǎng)短久期指數(shù))資料來(lái)源：&Wd資訊滾動(dòng)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(lái)確定擇時(shí)因子。這只能說(shuō)明我們現(xiàn)在發(fā)現(xiàn)了一個(gè)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(cuò)。而量化策略更高的追求是找到一個(gè)方法，能夠不斷發(fā)現(xiàn)好的規(guī)律，并且持續(xù)在未來(lái)得到驗(yàn)證。對(duì)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(lái)做合成信號(hào)。我們嘗試滾動(dòng)窗口篩選因子(rollingindo)和擴(kuò)展窗口篩選因子(epandingindo)的做法，即按照我們?cè)谇拔臉颖緝?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?cè)O(shè)定206年作為回測(cè)起始點(diǎn)，只對(duì)有較長(zhǎng)歷史的國(guó)開利率信號(hào)做測(cè)試。兩種篩選因子的做法具體為：滾動(dòng)窗口：每個(gè)季度末選過去4年表現(xiàn)較好的因子，在未一個(gè)季度使用；擴(kuò)展窗口：每個(gè)季度末選歷史以來(lái)表現(xiàn)較好的因子，在未來(lái)一個(gè)季度使用結(jié)果如下圖所示，我們發(fā)現(xiàn)，只有通過擴(kuò)展窗口篩選因子并且使用回歸法合成因子，才能獲得不錯(cuò)的收益，其他方法在一定年份都會(huì)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(cè)標(biāo)的：10Y國(guó)開活躍券利率)等權(quán)法+滾動(dòng)窗口回歸法+滾動(dòng)窗口等權(quán)法+擴(kuò)展窗口回歸法+擴(kuò)展窗口國(guó)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(lái)源：&Wd資訊注：有些年份的收益風(fēng)險(xiǎn)比為空表示全年份都不顯著圖14：合成信號(hào)表現(xiàn)(回測(cè)的10Y國(guó)開活躍券利率)資料來(lái)源：&Wd資訊表1：定期更新因子池策略表現(xiàn)(回測(cè)標(biāo)的：長(zhǎng)短久期指數(shù))財(cái)富指數(shù)財(cái)富指數(shù)財(cái)富指數(shù)等權(quán)配置中債-7-10年國(guó)開中債-1年以下國(guó)開等權(quán)法+擴(kuò)展窗口回歸法+擴(kuò)展窗口等權(quán)法+滾動(dòng)窗口回歸法+滾動(dòng)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(lái)源：&Wd資訊注：有些年份的收益風(fēng)險(xiǎn)比為空表示全年份都不顯著圖15：合成信號(hào)表現(xiàn)(回測(cè)的長(zhǎng)短久期指數(shù))資料來(lái)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(cè)凈值和顯著率為主，因此往往篩選出的因子具有較強(qiáng)的動(dòng)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(chǎng)出現(xiàn)大牛和大熊時(shí)表現(xiàn)較好。而從之前我們的均線報(bào)告來(lái)看，簡(jiǎn)單的技術(shù)分析也能把握住大的行情。因此，從這個(gè)角度說(shuō)，動(dòng)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(shí)因子的信號(hào)能夠提前出現(xiàn)反轉(zhuǎn))也一直受到市場(chǎng)關(guān)注?；诒疚牡目蚣?，我們對(duì)這58個(gè)因子進(jìn)行挑選，嘗試尋找量?jī)r(jià)類的反轉(zhuǎn)因子。首先，我們根據(jù)10年期國(guó)開到期收益率的歷史走勢(shì)來(lái)劃分牛熊波段，而業(yè)界和理論上并沒有一個(gè)嚴(yán)謹(jǐn)劃分標(biāo)準(zhǔn)因此我們簡(jiǎn)單根據(jù)階段性的低點(diǎn)和高點(diǎn)進(jìn)行劃分，并且至少持續(xù)一個(gè)月以上，如下圖所示，206年至今一共32個(gè)波段。其中，有一些階段沒有被貼上標(biāo)簽，是因?yàn)槌掷m(xù)時(shí)間較短或來(lái)回震蕩，以劃分成一個(gè)波段。圖16：牛熊波段劃分(序列：0年期國(guó)開到期收益率)資料來(lái)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(gè)波段行情下，信號(hào)日度準(zhǔn)確率達(dá)40%以上（這樣避篩選到一直預(yù)測(cè)反方向的無(wú)效轉(zhuǎn)）；在行情的最后6個(gè)交易日，號(hào)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(hào)；在歷史的31個(gè)波段(不包括近一次，因?yàn)椴恢朗欠裥星榻K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(dòng)]2Y國(guó)開_近5動(dòng)]5Y國(guó)債_近平]DR007成交動(dòng)]R001_近5動(dòng)]R007_近5動(dòng)]10Y國(guó)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(jià)格波[資金面波 [資金面波[資金面水[日間價(jià)格波[日間價(jià)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(lái)源：&Wd資訊下圖繪制了這6個(gè)量?jī)r(jià)反轉(zhuǎn)的信號(hào)，供投資者參考：圖17：各反轉(zhuǎn)因子的信號(hào)分(紅色方框代表成功預(yù)測(cè)行情的末尾)資料來(lái)源：&Wd資訊七、結(jié)論本文探討了通過挖掘利率市場(chǎng)量?jī)r(jià)信息來(lái)進(jìn)行擇時(shí)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?jī)r(jià)因子，構(gòu)建因子池，并最終將各因子的信號(hào)通過等權(quán)法或回歸法合成最終信號(hào)。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(zhǎng)度較短，尤其是國(guó)債期貨品種，容易出現(xiàn)過擬合的風(fēng)險(xiǎn)；擬合方法簡(jiǎn)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(cè)變量和因量之間的線性回歸，對(duì)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?jī)r(jià)特征產(chǎn)生，仍然有充分挖掘更好的量?jī)r(jià)特征的可能，同時(shí)，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?jī)r(jià)數(shù)據(jù)的頻率高，但是仍有一些預(yù)測(cè)能力的特征有待挖掘。綜上，本文提供了一個(gè)通過量化手段來(lái)進(jìn)行利率擇時(shí)的可能性，即通過發(fā)現(xiàn)組合一些較好的因子來(lái)形成交易信號(hào)，可以獲得相對(duì)可觀的超額收益，如果這些因子組合較為有效，則未來(lái)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(duì)的是可預(yù)測(cè)的風(fēng)險(xiǎn)(KnonUnknons)，而Carer(015)提出，永遠(yuǎn)有不可預(yù)測(cè)的風(fēng)險(xiǎn)存在(UnnonUnknons)，而面對(duì)這種偏度事件，是基于歷史的量化策略難以處理的?？傊鎸?duì)近些年波動(dòng)加大的利率債市場(chǎng)，我們希望量化策略可以從統(tǒng)計(jì)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(bǔ)充的思路和意見。風(fēng)險(xiǎn)提示量化模型基于歷史數(shù)據(jù)分，未來(lái)存在失效風(fēng)險(xiǎn)，建議投資者緊密跟蹤模型表現(xiàn)。極端市場(chǎng)環(huán)境可能對(duì)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(jià)格動(dòng)量日間價(jià)格波動(dòng)期現(xiàn)價(jià)差合_倉(cāng)與倉(cāng)10日線差合_5日內(nèi)跌幅國(guó)_5日準(zhǔn)差合_券RR合_倉(cāng)與倉(cāng)5日線差合_1日內(nèi)跌幅國(guó)_10日準(zhǔn)差 合_券現(xiàn)差合_交5日線10日線差合_0國(guó)_0日準(zhǔn)差合_交與交10日線差合_105國(guó)_5日準(zhǔn)差合_交5日線0日線差合_55國(guó)_10日準(zhǔn)差合_交與交0日線差合_0日內(nèi)跌幅5國(guó)_0日準(zhǔn)差合_倉(cāng)與倉(cāng)0日線差合_1日內(nèi)跌0國(guó)_5日準(zhǔn)差合_交與交5日線差10國(guó)_10國(guó)_10日準(zhǔn)差合_倉(cāng)5日線0日線差10國(guó)_5國(guó)_0日準(zhǔn)差合_倉(cāng)5日線10日線差10國(guó)_05國(guó)_5日準(zhǔn)差合_5日盤成量關(guān)數(shù)10國(guó)_55國(guó)_10日準(zhǔn)差合_5日跌與交相系數(shù)10國(guó)_05國(guó)_0日準(zhǔn)差合_5日盤持量關(guān)數(shù)10國(guó)_10合_0日準(zhǔn)差合_10日盤成量關(guān)數(shù)0國(guó)_0合_5日準(zhǔn)差合_0日盤持量關(guān)數(shù)0國(guó)_10合_10日準(zhǔn)差合_0日跌與交相系數(shù)0國(guó)_50國(guó)_10日準(zhǔn)差合_0日盤成量關(guān)數(shù)0國(guó)_0日準(zhǔn)差合_10日跌與倉(cāng)相系數(shù)10國(guó)_0日準(zhǔn)差合_10日盤持量關(guān)數(shù)10國(guó)_10日準(zhǔn)差合_10日跌與交相系數(shù)10國(guó)_5日準(zhǔn)差合_5日跌與倉(cāng)相系數(shù)10國(guó)_0日準(zhǔn)差合_0日跌與倉(cāng)相系數(shù)10國(guó)_10日準(zhǔn)差10國(guó)換率水值10國(guó)_5日準(zhǔn)差10國(guó)換率水值0國(guó)_5日準(zhǔn)差0國(guó)成額5日化_平值0國(guó)成額水