金工深度研究：利率曲线预测与利率债久期轮动策略-240809-华泰证券-32页_1mb

金工利率曲线预测与利率债久期轮动策略总结

研究目标

通过预测即期利率曲线变动，构建利率债久期轮动策略并应用于资产配置，旨在提高资产配置组合的收益和风险调整表现。

研究方法

1. 利率曲线特征刻画
   使用NS模型（Nelson-Siegel）分解利率曲线为水平因子（平行移动）、斜率因子（期限利差）、曲率因子（中间期限偏离）。通过PCA分析，这三个因子可解释利率曲线变动的90%、82%和6%。

2. CP因子提取
   从远期利率与债券超额收益的关系中提取CP因子，该因子与宏观经济（增长、通胀、信用、货币）具有显著关联，可提升水平因子的预测准确性。

3. 因子预测模型
   水平因子采用CP因子及其平方项与斜率、曲率因子联合预测，未来三个月变动方向正确率可达67%-70%；斜率和曲率因子采用AR(1)过程预测，方向正确率分别为68.6%和70.3%。

4. 利率曲线预测
   通过NS模型重构预测利率曲线，进一步推出各期限零息债价格变动，用于构建国债财富指数。

久期轮动策略

• 策略构建
  利用NS模型预测利率曲线，选择未来收益最高的国债财富指数（覆盖1-3年、3-5年、5-7年、7-10年、10年以上）进行配置，通过动态轮动实现期限分散。

• 回测结果（2009.12-2024.07）
  与等权基准相比：

  • 年化收益率提升275%；
  • 夏普比率提升17%-18%；
  • 最大回撤减少10%-40%。
    策略主要优势体现在收益提升，且在不同资产池（如1-3年vs 7-10年、全部期限）均有效。

增强资产配置组合

• 股债风险平价策略
  将债券部分替换为久期轮动策略，年化收益率提升297%，最大回撤降低100%。
• 趋势配置策略
  同样将债券部分替换，年化收益率提升290%，夏普比率提升2.9%。
• 宏观因子资产配置策略
  整合宏观因子判断与久期轮动，年化收益率提升294%，Calmar比率提升0.6%。

风险提示与结论

• 模型风险：NS模型可能存在过拟合，预测误差与真实利率曲线存在差异。
• 实证效果：久期轮动策略在多个资产配置场景下均有效，尤其是与股债风险平价、趋势配置、宏观因子策略结合时，显著提升年化收益率，同时控制回撤。
• 研究展望：结论基于历史规律，需持续验证市场变化适应性；CP因子及其经济含义仍需进一步挖掘。

主要参考文献

• Nelson-Siegel模型及其变体；PCA、AR(1)时间序列分析；CP因子在利率与宏观的关联。