量化模型与构建方式 1. 模型名称：利率市场结构指标模型[1][7] * 模型构建思路：将1至10年期国债的到期收益率（YTM）数据，通过数学变换分解为三个独立的维度：水平、期限和凸性结构，用以从均值回归视角评估当前利率市场的相对位置[1][7]。 * 模型具体构建过程：将1至10年期国债YTM数据拟合为一个关于期限t的二次多项式，通过回归系数来定义三个结构指标[7]。 1. 假设利率期限结构曲线为：$YTM(t) = a + b \cdot t + c \cdot t^2$，其中t为期限。 2. 通过回归得到系数a, b, c。 3. 水平结构：由常数项a代表，反映整体利率水平。报告中的读数约为1.6%[1][7]。 4. 期限结构：由一次项系数b代表，反映利率曲线的斜率（期限利差）。报告中的读数约为0.48%[1][7]。 5. 凸性结构：由二次项系数c代表，反映利率曲线的弯曲程度。报告中的读数约为0.02%[1][7]。 6. 将当前的结构指标值与过去3年、5年、10年的历史数据进行比较，计算其历史分位数，以判断当前点位的高低[7][9]。 2. 模型名称：利率价量多周期择时模型[2][6][10] * 模型构建思路：基于核回归算法识别利率（YTM）历史走势的形态，刻画不同时间周期下的支撑线与阻力线，并根据利率走势对这些形态线的突破情况，生成多周期复合的择时信号[10]。 * 模型具体构建过程： 1. 数据：分别使用5年期、10年期、30年期国债的YTM数据作为输入[6][10][13][16]。 2. 周期设定：设定长、中、短三个投资周期，其择时信号的平均切换频率分别为月度、双周度和周度[10][18]。 3. 形态识别：应用核回归算法对各个周期的利率历史数据进行平滑拟合，生成表征趋势的支撑线和阻力线[10]。 4. 信号生成（单个周期）：在每个周期内，判断当前利率是否向上突破阻力线（生成“向上突破”信号）或向下突破支撑线（生成“向下突破”信号），若无突破则“无信号”[10][11][15][17]。 5. 信号综合（多周期投票）：综合三个周期的信号进行投票[6][10]。 * 统计“下行突破”总票数和“上行突破”总票数。 * 看多信号：当“下行突破”票数达到总周期数（3个）的2/3及以上时（即≥2票），综合评分结果为“看多”[6][13]。 * 看空信号：当“上行突破”票数达到总周期数（3个）的2/3及以上时（即≥2票），综合评分结果为“看空”（规则对称，报告中未出现实例）[10]。 * 中性信号：若同向突破票数未达2/3，则结果为“中性震荡”[6][10]。对于美债模型，在“中性震荡”基础上，若近期曾发出看多信号且看多与看空总票数未发生反转，则最终研判为“中性偏多”[18]。 模型的回测效果 （注：以下回测结果均基于“利率价量多周期择时策略”，该策略以同名择时模型的信号进行久期轮动交易[21]） 1. 基于5年期国债YTM的择时策略 * 长期表现（2007.12.31至今）：年化收益率5.48%，最大回撤2.88%，收益回撤比1.9，相对业绩基准的超额年化收益率1.07%，超额收益回撤比0.62[22][34]。 * 短期表现（2024年底以来）：年化收益率2.15%，最大回撤0.59%，收益回撤比3.64，相对业绩基准的超额年化收益率0.8%，超额收益回撤比2.32[4][22]。 * 胜率：逐年绝对收益大于0的胜率为100%，逐年超额收益大于0的胜率为100%[22]。 2. 基于10年期国债YTM的择时策略 * 长期表现（2007.12.31至今）：年化收益率6.05%，最大回撤2.74%，收益回撤比2.21，相对业绩基准的超额年化收益率1.64%，超额收益回撤比1.16[25][34]。 * 短期表现（2024年底以来）：年化收益率2.47%，最大回撤0.58%，收益回撤比4.28，相对业绩基准的超额年化收益率1.32%，超额收益回撤比3.39[4][25]。 * 胜率：逐年绝对收益大于0的胜率为100%，逐年超额收益大于0的胜率为100%[25]。 3. 基于30年期国债YTM的择时策略 * 长期表现（2007.12.31至今）：年化收益率7.33%，最大回撤4.27%，收益回撤比1.72，相对业绩基准的超额年化收益率2.42%，超额收益回撤比0.87[30][34]。 * 短期表现（2024年底以来）：年化收益率3.07%，最大回撤0.92%，收益回撤比3.35，相对业绩基准的超额年化收益率2.78%，超额收益回撤比3.21[4][30]。 * 胜率：逐年绝对收益大于0的胜率为94.44%，逐年超额收益大于0的胜率为94.44%[30]。