20260527-天风证券-可解释_可观测_基于微观交易指标的传统模型_15页_3mb

可解释、可观测！基于微观交易指标的传统模型

核心内容

本报告介绍了一套基于微观交易指标构建的债市情绪指数体系，旨在从可解释性和可观测性的角度，为投资者提供一个辅助判断债券市场走势的工具。该体系通过四个维度（交易热度、机构行为、利差、大类资产）选取代表性指标，构建了四个大类指数，最终汇总为一个微观债市总指数。整个体系使用线性方法进行拟合，确保每个因子的权重清晰可见，便于模型的解释和调整。

主要观点

• 可解释性：通过线性方法构建的微观债市总指数，每个因子的权重清晰可见，有助于理解市场情绪变化的原因。
• 情绪刻画：该体系旨在刻画债券市场热度，识别极端市场情况，从而辅助投资决策和行情归因。
• 模型优势：相较于传统的机器学习模型，该体系更适用于捕捉短期波段和市场情绪变化，尤其在利率下行至低位时表现更为显著。
• 策略有效性：基于该指数构建的投票策略在2019年以来表现优于单边持有策略，累计净值为1.14，夏普比率为1.18，卡玛比率为1.41，最大回撤仅为1.1%。

关键信息

指标选择

交易热度

• 哑铃热度：衡量不同期限利率债交易热度和拥挤度，与利率呈负相关，相关系数为-0.47（10y）和-0.39（30y）。
• 现券换手率：衡量全市场交易热度，与利率呈负相关，相关系数为-0.47（10y）和-0.42（30y）。
• ETF折溢价率均值：衡量ETF二级市场价格与基金份额净值的差异，与利率呈负相关，相关系数为-0.42（10y）和-0.44（30y）。
• 杠杆水平：衡量债券市场交易的资金借贷和杠杆情况，与利率呈负相关，相关系数为-0.45（10y）和-0.41（30y）。
• TL/T多空比：衡量国债期货市场交易情绪的背离程度，与利率呈负相关，相关系数为-0.36（10y）和-0.36（30y）。
• TL/T成交比：从成交层面衡量TL与T的交易热度，与利率呈负相关，相关系数为-0.49（10y）和-0.48（30y）。

机构行为

• 公募基金久期：衡量债基久期，与利率呈负相关，相关系数为-0.88（10y）和-0.90（30y）。
• 分歧度指数：衡量基金对未来市场判断的久期操作差异性，与利率呈正相关，相关系数为0.63（10y）和0.67（30y）。
• 基金超长利率债买入比：衡量交易盘基金对超长利率债的情绪，与利率呈正相关。
• 券商长期国债买入比：衡量交易盘券商对长期国债的情绪，与利率呈正相关。
• 大行长期国债买入比：衡量配置盘大行对长期国债的情绪，与利率呈正相关。
• 中小行长期国债买入比：衡量配置盘中小行对长期国债的情绪，与利率呈正相关。
• 机构申赎：衡量机构对纯债基金的申赎强度，与利率呈负相关，相关系数为-0.70（10y）和-0.77（30y）。
• 长期国债成交占比：衡量机构对长期国债的交易情绪，与利率呈负相关，相关系数为-0.60（10y）和-0.62（30y）。

利差

• 互换政策利差：衡量利率债与政策利率之间的利差。
• 信用资金利差：衡量信用债与资金成本之间的利差。
• 信用国开利差：衡量信用债与国开债之间的利差。
• TL-T 隐含利差：衡量国债期货与现货之间的隐含利差。

大类资产

• 股债比价：衡量股票与债券的相对吸引力。
• 沪深300隐含波动率：衡量股票市场的波动预期。
• 商品债券对数比价：衡量商品市场与债券市场的相对走势。
• 汇债利差：衡量外汇市场与债券市场的利差关系。

指数构建方法

• 构建过程：对每个大类使用内部指标进行岭回归，得到大类指数；再对大类指数进行岭回归，得到微观债市总指数。
• 映射方式：将总指数映射至以100为中枢的指数，便于观察市场情绪强弱。

策略表现

• 投票策略：基于指数的一周动量、4周动量、是否大于100、是否高于4周均线，进行综合判断。
• 结果分析：2019年以来累计净值为1.14，比单边持有高0.03；夏普比率为1.18，卡玛比率为1.41，最大回撤为1.1%。

指数与利率关系

• 时滞分析：指数与滞后1-2周的利率走势相关性更高，表明指数更偏向于利率的领先/同步指标。
• 变化幅度相关性：指数变化与利率变化在周度维度相关性更高，表明指数在捕捉利率变化方面更有效。
• 历史表现：在主要波段中，指数与利率呈明显负相关，尤其在利率下行区间表现突出。

总结

本报告构建了一套可解释、可观测的债市微观量化体系，旨在捕捉市场情绪变化，辅助投资者进行投资决策。通过四个维度的指标选择与线性拟合方法，确保了模型的透明性和可调整性。在实证分析中，该体系表现优于传统策略，具备较好的风险调整后收益。未来可进一步优化模型以提高预测能力。