20221222-德邦证券-固定收益专题_关于市场状态判断模型的探索_13页_1mb

固定收益专题总结

核心内容

本文探讨了市场状态判断模型在固定收益策略中的应用，重点分析了三种常用的市场状态切割模型对择时指标（如MACD）的优化效果。通过对比不同市场状态下的策略表现，研究者试图找到更有效的操作阈值，以提升策略的胜率和超额收益。

主要观点

• 市场状态判断的重要性：市场状态是实施不同策略的基础，如在利率下行时加久期，利率上行时降久期。
• 市场状态分割模型：本文分析了三种市场状态分割模型：
  1. 基础分割模型：基于涨跌幅和波动率，将市场分为震荡态、熊陡、熊平、牛陡、牛平五类。
  2. 分位数模型：基于收益率变化速率的历史分位数，将市场分为快速上行、普通上行、震荡态、普通下行、快速下行五类。
  3. 周期切分模型：结合基本面（工业增加值）和货币面（DR007）的周期变化，将市场分为宽货币高景气、宽货币低景气、紧货币高景气、紧货币低景气四类。
• MACD指标的应用：MACD指标在不同市场状态下具有不同的表现，通过调整阈值可提高其方向判断的胜率。
• 阈值优化：在全样本中，MACD的买入和卖出阈值分别设定为62%和9%，在20年后的操作中，该策略累计超额收益为23.7BP。
• 模型优化效果：
  • 基础分割模型优化后，超额收益为27.78BP，增加4BP。
  • 分位数模型优化后，超额收益为34BP，增加10BP。
  • 周期切分模型优化后，超额收益为28BP，增加4.3BP。
• 模型表现差异：
  • 分位数模型表现最佳，尤其在利率波段式下行的行情中更有效。
  • 基础分割模型表现相对较弱，可能由于其基于高频指标，市场状态类别特性较弱。
  • 周期切分模型在判断利率低点方面效果不如分位数模型，因为债市运行节奏与宏观因子不完全同步。

关键信息

• 操作信号生成：在不同的市场状态下，对MACD阈值进行正负1%-5%的修正，以提升策略表现。
• 策略表现：
  • 全样本策略：超额收益23.7BP，买入胜率50%，卖出胜率64.3%。
  • 基础分割模型优化策略：超额收益27.78BP，买入胜率50%，卖出胜率64.3%。
  • 分位数模型优化策略：超额收益34BP，买入胜率56.25%，卖出胜率68.75%。
  • 周期切分模型优化策略：超额收益28BP，买入胜率53%，卖出胜率66.7%。
• 风险提示：
  • 经济表现超预期
  • 宏观政策超预期
  • 市场切割模型失效
  • 量价指标失效

市场状态模型说明

基础分割模型

• 市场状态划分：震荡态、熊陡、熊平、牛陡、牛平。
• 触发逻辑：连续5日同信号判定市场状态变更。
• 指标说明：
  • 涨跌幅：10日收益率涨跌幅度。
  • 波动率：10日滚动波动率。
  • 熊陡：涨跌幅≥历史45%分位数绝对值，波动率≥50%分位数。
  • 熊平：涨跌幅≥历史45%分位数绝对值，波动率<50%分位数。
  • 牛陡：涨跌幅<历史45%分位数绝对值，波动率≥50%分位数。
  • 牛平：涨跌幅<历史45%分位数绝对值，波动率<50%分位数。

分位数模型

• 市场状态划分：快速上行、普通上行、震荡态、普通下行、快速下行。
• 触发逻辑：连续5日同信号判定市场状态变更。
• 指标说明：
  • 快速上行：涨跌幅处于80%-100%分位数。
  • 普通上行：涨跌幅处于60%-80%分位数。
  • 震荡态：涨跌幅处于40%-60%分位数。
  • 普通下行：涨跌幅处于20%-40%分位数。
  • 快速下行：涨跌幅处于0%-20%分位数。

周期切分模型

• 市场状态划分：宽货币高景气、宽货币低景气、紧货币高景气、紧货币低景气。
• 触发逻辑：基本面方向（工业增加值）连续2期同向变化，资金面方向（DR007）连续5期同向变化。
• 指标说明：
  • 基本面方向：工业增加值6M均线波动方向。
  • 资金面方向：DR007的6M均线波动方向。

操作信号与阈值修正

• 基础分割模型：
  • 在熊平市场中，买入和卖出阈值分别上浮3%。
  • 在牛陡市场中，买入和卖出阈值分别下调4%。
• 分位数模型：
  • 在震荡态中，买入和卖出阈值分别上浮5%。
• 周期切分模型：
  • 在宽货币低景气市场中，买入和卖出阈值分别上浮3%。

总结

三种市场状态切割模型均对MACD策略方向判断产生了正向增益，其中分位数模型表现最优，特别是在利率波段式下行行情中，其判断能力更强。基础分割模型因高频指标导致市场状态类别特性较弱，表现相对较差。周期切分模型在左侧提示上效果不如分位数模型，但依然能有效提升策略表现。通过市场状态划分和阈值修正，策略的超额收益和胜率均有所提升，为实际操作提供了更精准的参考依据。