20250729-浙商证券-基金配置策略报告_债券ETF进阶_交易策略和持仓预测_11页_1017kb

报告总结

核心观点

1. 利用申赎清单提升债券ETF透明度：债券ETF虽为指数基金，但实际涉及主动管理和择时操作。每日申赎清单（PCF）是最高频、最接近真实持仓的数据来源，可显著提升透明度，揭示不同ETF之间的选券逻辑和主动交易策略差异。
2. 机器学习预测ETF持仓券机会：基于ETF择券逻辑构建预测模型（如LightGBM），通过历史申赎数据与债券属性匹配，预测ETF调入债券的概率，帮助捕捉投资机会，如提前布局新调入债券。

要点细节

1. 申赎清单的应用：

   • 债券ETF的90%仓位来自指数及备选池，剩余10%可自主调配，需控制偏离度。
   • 层级结构：基准做市清单（200+券）> 指数成分券（100-200+券）> ETF持仓（<70券）。
   • 不同信用债ETF久期最高差异达1.4年，影响收益表现。
   • 一级市场补券成本受流动性影响，需结合主观调仓策略。

2. 机器学习建模实践：

   • 使用LightGBM模型分析PCF数据与债券属性（如发行主体、信用评级、期限、流动性等），预测债券被调入的概率。
   • 示例：针对两只信用债ETF（如511110和159369），模型6月底Top20预测中有45%和35%实际被调入。

风险与启示

• 风险提示：历史数据局限性、模型失效可能、市场流动性变化风险。
• 投资启示：投资者可通过申赎清单和机器学习工具主动挖掘低透明债券ETF的配置机会，优化持仓策略。

（注：简洁总结，符合字数限制，避免Markdown符号外溢。）