20250619-浙商证券-利率量化择时系列一_赔率视角下的30年国债择时模型_14页_999kb

报告：赔率视角下的30年国债择时模型

本报告通过集成学习方法构建利率量化择时模型，基于100个基本面与技术面因子预测30年期国债收益率未来5个交易日方向性变动。研究发现，集成学习方法（尤其是XGBoost）能够有效捕捉非线性关系，并且在分类任务中表现优异。

主要内容总结

1. 简介

• 近年利率下行与波动率上升趋势共振，促使投资者关注量化择时策略。
• 传统分析框架难以有效捕捉短期机会，量化模型在捕捉趋势方面更具优势。

2. 模型设计

• 使用集成学习方法（如XGBoost、LightGBM、CatBoost）构建多模型动态加权集成框架。
• 预测任务采用三分类：震荡（类别0）、小幅下行（类别1）、大幅下行（类别2）。
• 数据处理包括数据清洗、平稳性处理、标准化、不平衡处理。

3. 回测结果

• 样本外回测（2024/5/14~2025/5/14）：XGBoost表现最佳，合并类别1和类别2的查准率为59.42%，查全率为81.46%，F1分数为68.72%。
• 持有5天策略年化收益为12.58%，夏普比为1.54，最大回撤为6.95%，胜率为67.23%。
• 走势图显示模型在利率下行时识别做多信号的能力较强，但在识别做空场景方面表现不佳。

4. 风险提示

• 模拟交易与回测存在局限性。
• 硬件误差与历史数据失真可能导致模型失效。
• 当前数据不足以支持更复杂的策略优化，如文本数据辅助分析。