20211123-东方证券-宏观固收量化研究系列之（五）_基于机器学习模型的债券流动性预测_24页_1mb

基于机器学习模型的债券流动性预测总结

核心内容

本报告探讨了中国债券市场中微观层面的流动性预测问题，旨在通过量化模型对债券未来一段时间内的成交量进行预测，并据此评估其流动性风险。流动性在债券市场中是关键变量，通常分为宏观流动性（资金供给情况）和微观流动性（债券变现能力）。本文聚焦于后者，提出一种基于XGBoost模型的量化方法，以更准确地刻画债券的未来流动性。

主要观点

1. 流动性的重要性
   流动性对债券市场至关重要，尤其在风险管理和定价方面。近年来，随着市场波动加剧（如2020年新冠疫情和“永煤事件”），流动性风险成为投资者关注的焦点。

2. 现有流动性评估的不足
   当前市场主要依赖定性或简单打分卡模型来评估债券流动性，缺乏对未来的预测能力。本文提出通过机器学习模型预测未来成交量，从而定量评估流动性风险。

3. 模型选择与表现

   • 本文测试了打分卡模型、线性模型、Lasso模型和XGBoost模型，其中XGBoost在预测误差和稳健性上表现最佳。
   • XGBoost在国债+政金债样本中表现尤为突出，而在信用债和地方债样本中也具有较好的预测能力，尽管在高成交量分层中表现略有下降。
   • 对于国债+政金债，预测未来10个交易日的日均成交量；对于地方债和信用债，预测未来20个交易日的日均成交量。

4. 特征选取

   • 特征包括过去成交量、存续时间、发行量、剩余期限、到期收益率、Z-Spread、收益率波动率等。
   • 这些特征在不同债券类型中对流动性预测有显著影响，其中成交量和发行量是主要驱动因素。

5. 流动性打分机制

   • 基于XGBoost模型预测结果，构建了0-5档的流动性评分规则。
   • 不同债券类型采用不同的分位数标准进行打分，以更直观地展示其流动性好坏。

关键信息

数据与时间范围

• 数据时间范围：2016年1月至2021年10月。
• 债券类型：国债、政金债、地方债、中期票据、企业债、公司债、商业银行债、证券公司债。
• 数据频率：周频。

模型表现指标

• RMSLE（Root Mean Squared Logarithmic Error）：用于评估模型预测误差。
• R²（R-squared）：衡量模型解释力。

模型表现结论

• 国债+政金债：XGBoost表现最优，RMSLE为0.494，R²为79.2%。
• 地方债：XGBoost表现略逊于线性模型，但在成交量较低的债券中表现较好。
• 信用债：XGBoost表现总体优于其他模型，但在高成交量分层中表现较差。

特征重要性

• 成交量、发行量、剩余期限、到期收益率、Z-Spread、收益率波动率等特征在XGBoost模型中具有较高重要性。
• 不同债券类型中，特征重要性排名略有差异，但总体趋势一致。

应用前景

1. 指数化投资
   通过流动性评分，可以筛选出流动性较好的债券，构建更具操作性的选债策略。

2. 组合流动性风险管理
   在债券持仓组合中，利用预测结果和评分，可定量评估流动性风险暴露和整体流动性水平。

风险提示

• 量化模型失效的风险：模型在特定市场条件下可能失效。
• 市场极端环境的冲击：极端市场波动可能影响预测结果的准确性。

参考文献

1. Amihud, Yakov. "Illiquidity and stock returns: cross-section and time-series effects." Journal of financial markets 5.1 (2002): 31-56.
2. Chen, Tianqi, and Carlos Guestrin. "Xgboost: A scalable tree boosting system." Proceedings of the 22nd acm SIGkdd international conference on knowledge discovery and data mining. 2016.
3. Friedman, Jerome H. "Greedy function approximation: a gradient boosting machine." Annals of statistics (2001): 1189-1232.
4. Harris, Lawrence. "Statistical properties of the Roll serial covariance bid/ask spread estimator." The Journal of Finance 45.2 (1990): 579-590.
5. Roll, Richard. "A simple implicit measure of the effective bid - ask spread in an efficient market." The Journal of Finance 39.4 (1984): 1127-1139.
6. Sarig, Oded, and Arthur Warga. "Bond price data and bond market liquidity." Journal of Financial and Quantitative Analysis 24.3 (1989): 367-378.