20260127-东吴证券-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

宏观深度报告20260127：如何以量化策略增厚信用债收益？

核心内容

本报告探讨了如何通过量化策略提升信用债投资收益，重点分析了IPCA模型在信用债定价中的应用价值，并进一步提出了基于该模型的策略构建思路。报告指出，尽管我国信用债市场规模庞大（截至2025年末，信用债市场总规模达52万亿元，相当于A股总市值的42.3%），但量化研究仍较为薄弱。相较之下，美国信用债市场已发展出从结构性模型到多因子模型，再到机器学习与IPCA模型的量化研究体系。最终，报告选用IPCA模型作为研究工具，因其在解释信用债超额收益方面表现出色，并具备较强的策略转化潜力。

主要观点

IPCA模型的核心原理
- IPCA模型是一种条件因子定价模型，通过交替最小二乘法（ALS）寻找使模型误差平方和最小的因子与载荷组合。
- 公式为：
  $$
  r_{i,t+1} = \beta_{i,t} \cdot f_{t+1} + \varepsilon_{i,t+1}, \quad \beta_{i,t} = z_{i,t}' \cdot \Gamma_{\beta}
  $$
- 模型通过L个债券特征归纳出K个潜在因子，从而更高效地反映信用风险变化。
模型在国内信用债市场表现优于美国
- 国内样本外测算显示，IPCA模型在解释信用债超额收益方面表现优于美国市场，体现在更高的R²值和更小的定价误差。
- 国内信用债发行主体相对集中（主要为国企），且时间周期较短，使得模型更适应国内市场特性。
IPCA模型可辅助传统信用利差研究
- 通过调整因变量与特征，IPCA模型可用于分析城投债利差。例如，常数因子在过去10年中对城投债利差影响最大，且其变化与化债政策拐点高度吻合。
- 2018年7月“27号文”与2023年7月“35号文”分别推动了城投债利差的两次系统性下降。
从模型到策略的转化路径
- 通过预测因子值与协方差矩阵，估算最优投资组合头寸比例，实现“均值-方差”下的最优切线组合。
- 基于实际因子值进行回测，并计算夏普比率。策略表现突出，夏普比率始终高于2.2，且75%的样本日期信用超额收益为正值。
策略优势与可操作性
- 策略在风险调整后收益表现优异，具备良好的收益/风险不对称性。
- 由于信用债流动性较差，策略通过因子配置权重实现对类似风险特征债券的替代投资，提高策略的可操作性。