多资产系列报告（三）_如何以量化策略增厚信用债收益_21页_931kb

报告摘要

本报告探讨了IPCA模型在国内信用债市场中的应用价值，分析其在信用债定价和投资策略优化方面的潜力。IPCA模型是一种条件因子定价模型，通过交替最小二乘法（ALS）寻找最优的因子载荷和潜在因子，以提高信用债投资的收益表现。

IPCA模型的公式如下：

$$
r _ {i, t + 1} = \beta_ {i, t} \cdot f _ {t + 1} + \varepsilon_ {i, t + 1}, \quad \beta_ {i, t} = z _ {i, t} ^ {\prime} \cdot \Gamma_ {\beta}
$$

模型通过最小化误差平方和（SSE）来寻找最优因子和权重组合。

表2列出了对国内信用债市场应用IPCA模型的特征选取，包括：

特征分类	特征	计算公式
规模	总市值	区分不同类型的股份价格和股份数量分别计算类别市值再加总
规模	负债合计	财报披露值
价值与质量	营业利润率	营业利润/营业总收入
价值与质量	归母权益/负债合计	归母权益/负债合计
价值与质量	利润总额/负债合计	利润总额/负债合计
价值与质量	归母权益/总市值	归母权益/总市值
价值与质量	E/P	市盈率（PE, TTM）的倒数
价值与质量	信用利差	中债估值收益率 - 同日同修正久期对应的国债收益率
价值与质量	相对票面利率	票面利率 - 同日同修正久期对应的国债收益率
价值与质量	信用评级	债项评级（如AAA+、AAA等）
流动性	债券年龄	样本日期 - 发行截止日期
流动性	修正久期	中债估值修正久期
波动	股价波动	过去6期“股价一阶差分”的绝对值平均
波动	信用利差波动	过去3期“信用利差一阶差分”的绝对值平均
动量	股票Mom.6	过去6期的股票区间收益
动量	信用利差动量	过去3期“信用利差一阶差分”的算术平均

样本日期：2016年1月1日至2025年12月31日每月最后一个交易日，共120个样本日期。
样本券限制：
- 发行年份不早于2015年
- 发行场所为国内银行间或交易所市场
- 债券币种为人民币元
- 发行规模不低于1亿元
- 发行期限不低于0.25年
- 发行方式为“公募”
- 不含永续债、担保债、特殊条款债券
样本主体限制：优先选择中央国有企业或地方国有企业，剔除母子公司重复统计，保留母公司或子公司为A股上市主体的特殊情况。

国内优势：
- 发行主体相对集中，国有占比高（2018-2025年，国企占比达98.7%）。
- 特征数量少，模型更稳定。
- 时间周期短，市场波动较小。
模型效果指标：
- 样本内测算：
  - 全样本：按特征组合的预测R²为23.5%，总R²为97.0%
  - 活跃主体：预测R²为22.3%，总R²为96.7%
  - 上市公司：预测R²为20.0%，总R²为96.5%
- 样本外测算：
  - 全样本：预测R²为22.3%，总R²为96.2%
  - 活跃主体：预测R²为22.2%，总R²为95.6%
  - 上市公司：预测R²为20.0%，总R²为96.5%

策略思路：
1. 基于因子值预测和协方差，估算投资组合头寸比例。
2. 基于实际因子值，代入头寸比例，考虑交易成本后进行回测。
3. 计算投资组合的夏普比率。
策略表现：
- 高夏普比率：自2023年12月数据起，夏普比率从未低于1.45，2025年5月至12月始终高于2.2。
- 收益/风险不对称性：75%的样本日期信用超额收益为正值，最大值为0.13%，最小值为-0.03%。
- 实践可操作性：通过配置类似风险特征的个券，可实现对K个因子的配置权重，克服流动性问题。