20260507-华创证券-更准确的高频久期测算方法_机构行为指标跟踪系列之一_29页_4mb

更准确的高频久期测算方法——机构行为指标跟踪系列之一

核心内容

本文提出了一种分阶段加权回归法与交易结构分析法相结合的高频久期测算方法，旨在提升债券基金久期跟踪的准确性与时效性。同时，还介绍了华创固收债券基金高频久期跟踪系统，用于更全面地分析市场中各类债券基金的久期变化，并引入了久期分歧度指标以衡量机构预期的一致性。

主要观点

• 已有久期指标的局限性：

  • 利率敏感性久期是目前最接近基金真实久期的指标，但更新频率为半年度，存在明显的时滞性。
  • 重仓债券久期更新频率为季度，虽较利率敏感性久期更及时，但无法完全代表基金整体久期，尤其在持仓较为分散的基金中偏差较大。

• 分阶段加权回归法：

  • 该方法通过逐步回归法识别合适指数并剔除多重共线性影响，再结合Huber估计法降低离群点对结果的干扰，最后通过准确度加权移动平均优化估计值。
  • 相较于传统线性回归法，该方法在时效性和准确性上均有显著提升，2022年以来测算久期与实际久期最大差异仅为0.24年。
  • 通过设置回归系数约束（单一回归系数 > 0，总和在[0.8, 1.4]区间）和指数衰减加权（衰减系数为0.95），进一步提升模型的稳健性。

• 交易结构分析法：

  • 基于基金每日净买入规模与平均久期、前一天存量规模与久期，直接测算久期变化。
  • 该方法反应更灵敏，适合跟踪久期的边际变化，但仅适用于全市场，无法对单支基金进行准确测算。
  • 与分阶段加权回归法相比，其在绝对值准确度上略逊一筹，但在趋势一致性方面表现良好，相关性达到66%。

• 系统拓展与应用：

  • 构建了久期分歧度指标，反映市场预期的一致性，公式为：久期标准差 ÷ 久期均值。
  • 延伸至其他机构（如券商、商业银行、保险公司等），通过买入、卖出加权久期和久期变动指数跟踪其久期变化，有助于全面理解市场行为。

关键信息

1. 样本选择

• 剔除非初始基金、非市值法估值基金、定开类基金、“固收+”类基金，最终筛选出1489支债基样本。
• 按照期限和持仓分类，构建了9类基金久期跟踪数据。

2. 回归法与交易结构法的对比

3. 久期分歧度指标

• 久期分歧度 = 久期标准差 ÷ 久期均值
• 分歧度越低，表示机构预期越一致

4. 回归法的计算过程

1. 逐步回归法：筛选匹配度最高的指数组合，剔除多重共线性影响。
2. Huber估计法：降低离群点的权重，提升估计稳定性。
3. 准确度加权移动平均：根据Huber估计法的可决系数对久期进行加权平滑处理。

5. 数据与模型假设

• 交易结构分析法基于基金净买入规模、平均久期与存量债券数据。
• 假设存量债券规模以每日0.06%的速率衰减，久期下降率与收益率相关。

6. 风险提示

• 计算假设失效可能导致结果偏差。
• 市场极端波动可能影响量化方法的稳定性。
• 本资料仅面向专业投资者，不适用于普通投资者。

结构与功能

• 华创固收债券基金高频久期跟踪系统：
  • 分类型跟踪：中长期/短期债基、利率债/信用债基等。
  • 久期分歧度指标：用于评估市场预期一致性。
  • 机构行为跟踪：包括基金、券商、银行、保险等机构的二级市场交易数据。

总结

本文系统地介绍了两种高频久期测算方法（分阶段加权回归法与交易结构分析法），并提出了一套完整的高频久期跟踪系统，旨在提升市场对债券基金久期变化的捕捉能力。通过多维度分析，可以更准确地判断市场趋势，识别机构行为变化，从而为投资决策提供更有力的支持。同时，文中也指出了当前方法的局限性与潜在风险，提醒投资者在使用时需谨慎。