货币政策系列之七：利率预测模型2.0之中国，基于全球经济指标太平洋证券-18页_1mb

利率预测模型2.0之中国：基于全球经济指标总结

核心内容

本文介绍了太平洋证券推出的利率预测模型2.0版本，该模型在原有利率预测模型1.0的基础上进行了改进，旨在通过量化方法对利率走势进行前瞻性预测。模型的基本思路是利用全球经济指标对利率走势进行预测，并通过正交处理和权重分配提高预测准确性。

模型改进要点

• 指标扩容：全球经济指标数量为1.0版本的2-3倍，增强了模型的覆盖面和预测能力。
• 共线性处理：剔除了共线性指标，提升了预测的独立性和准确性。
• 权重分配：根据不同滞后期指标对利率的影响程度，分配相应的权重，提高预测效果。

主要观点

1. 模型应用：利率预测模型2.0用于判断中国利率走势，后续将扩展至美国和欧元区。
2. 指标选择：使用中债总净价指数作为中国利率走势的基准指标，通过计算全球经济指标与该指数的拟合度，筛选出有效指标。
3. 预测方法：基于Probit、主成分分析等方法进行预测，通过不同滞后期的指标数据进行综合判断。
4. 预测结果：根据模型进行多空策略回测，结果显示模型对中债总净价指数有较好的预测能力，策略净值显著跑赢基准。

关键信息

一、全球经济指标的有效性选取

（一）横向选取

• 选取的全球有效经济指标包括：
  • OECD综合领先指标：美国、中国、德国、G7、欧元区
  • 中国、美国、欧元区制造业/非制造业PMI
  • 中国、美国PPI同比
  • 中国、美国CPI同比
  • 美国出口金额同比
  • 工业增加值当月/累计同比
  • ZEW德国经济现状指数

（二）纵向选取

• 选取的纵向有效指标包括：
  • 滞后期T1（1个月）：OECD综合领先指标：美国/G7/中国、美国出口金额同比
  • 滞后期T2（2个月）：OECD综合领先指标：中国/G7、中国非制造业PMI
  • 滞后期T3-T6（3-6个月）：OECD综合领先指标：中国/G7、中国非制造业PMI/制造业PMI、房地产开发投资同比

二、全球有效经济指标预测结果

（一）利率预测赋权

• 不同指标在不同滞后期对利率走势的影响程度不同，因此给予不同权重。
• 例如，“OECD综合领先指标：中国”在滞后4期对利率影响最大，“中国CPI同比”在滞后1期影响最大。

（二）对未来利率的预测结果

• 2020年2月：利率下降概率为47.82%，上升概率为46.59%
• 2020年3月：利率下降概率为46.17%，上升概率为48.48%
• 2019年4月：利率下降概率为39.15%，上升概率为56.78%
• 2020年5月：利率下降概率为26.81%，上升概率为70.62%

三、筛选最终有效指标

（一）横向选取

• 筛选后的横向有效指标包括：
  • OECD综合领先指标：G7、中国
  • 中国非制造业PMI
  • 美国全部工业部门产能利用率
  • 中国CPI同比
  • 美国PPI全部产品同比
  • 工业企业出口交货值同比
  • 中国PMI
  • 美国工业总产值消费品同比
  • 欧元区:HICP(调和CPI)同比

（二）纵向选取

• 筛选后的纵向有效指标包括：
  • 滞后期T1（1个月）：OECD综合领先指标：G7/中国、中国非制造业PMI
  • 滞后期T2（2个月）：OECD综合领先指标：中国/G7、中国非制造业PMI、美国PPI全部产品同比
  • 滞后期T3-T6（3-6个月）：OECD综合领先指标：中国、中国非制造业PMI/制造业PMI、房地产开发投资同比

四、最终有效指标预测结果

（一）利率预测赋权

• 方法与前文一致，根据滞后期对利率的影响程度分配权重。

（二）对未来利率的预测结果

• 2020年2月：利率下降概率为45.53%，上升概率为48.40%
• 2020年3月：利率下降概率为44.64%，上升概率为50.92%
• 2019年4月：利率下降概率为38.95%，上升概率为57.33%
• 2020年5月：利率下降概率为25.44%，上升概率为69.33%

五、利率预测模型2.0的回测

• 回测结果：模型在回测中表现良好，策略净值大幅跑赢中债总净价指数。
• 操作策略：根据模型预判利率走势，选择做多或平仓操作，实现显著超额收益率。
• 胜率表现：模型在胜率等方面表现不俗，验证了其应用价值。

风险提示

• 模型预测结果可能受到外生冲击和政策力度不达预期的影响，需谨慎对待。