20221130-国海证券-金融工程研究_纯债基金的久期估测_12页_1mb

纯债基金久期估测总结

核心内容

本文提出了一种基于因子暴露的纯债基金久期估测方法，旨在解决由于基金持仓披露不完整导致的久期计算困难问题。该方法通过债券指数的因子暴露来推算纯债基金的久期，从而评估其对利率变化的敏感性。

主要观点

• 久期定义与重要性：久期是衡量债券或基金对利率变化敏感程度的重要指标。久期越长，基金在利率上升时价格下跌幅度越大，但在利率下降时收益越高。
• 久期估测的挑战：纯债基金的持仓信息披露有限，仅在年报、半年报和两次季报中披露，且仅包含前五大持仓债券，难以准确计算久期。
• 因子暴露模型：通过构建五个相关性较低的债券风险因子，对基金收益进行分解，其中利率水平因子是久期估测的核心，代表无信用和期限结构偏好的纯债基金收益。
• 久期模型构建方法：利用债券指数的成分券计算其久期与利率因子暴露的线性关系，再结合纯债基金的持仓结构，计算其久期模型。
• 模型参数与券种分类：将债券分为利率类、信用类和金融类，分别构建久期预测模型，各券种模型参数存在差异。以2022年三季度为例，利率债与金融债模型参数相近，信用债模型截距较大但斜率较低。
• 久期与市场表现关系：在债市下跌时，中长期债基与短期债基的久期差异减小；在债市上涨时，差异增加。高Beta组与低Beta组的久期差异不稳定，需持续调整模型。

关键信息

久期估测模型

• 通过因子暴露模型对基金收益进行分解，核心为利率水平因子。
• 模型公式如下：

$$
R _ {t} = \alpha_ {t} + \sum_ {i = 1} ^ {5} \beta_ {i, t} \times r _ {i, t}
$$

$$
D u r a t i o n _ {t} = k _ {t} \times L e v e l _ {t} + b _ {t}
$$

其中，$R_t$ 为指数收益率，$r_{i,t}$ 为因子收益率，$\beta_{i,t}$ 为因子暴露值，$Level_t$ 为利率因子暴露，$k_t$ 和 $b_t$ 为回归参数。

久期分析结果

• 纯债基金久期平均值在短期（0.5~2.5年）和中长期（2~3.5年）之间存在差异。
• 在利率上升期间，久期差异扩大；在利率下降期间，久期差异缩小。
• 高Beta组与低Beta组的久期差异不稳定，需动态调整模型。

实证案例

• 以2022年三季度为例，不同券种的久期预测模型参数如下：

• 纯债基金的久期与超额收益存在相关性，具体案例包括中银证券安进A、浦银安盛盛达纯债A、永赢丰益、华夏鼎通A等。

风险提示

• 数据局限性：分析基于公开信息，样本数据有限，可能存在代表性不足和统计误差。
• 模型风险：若市场环境或政策发生重大变化，可能导致模型失效。
• 历史表现不代表未来：结论基于历史数据，不构成投资建议。
• 免责声明：本报告不构成对任何投资决策的担保，投资者应谨慎判断。

附录与分析师信息

• 图表目录：包含多个图表，如不同久期基金的平均收益率、因子暴露示例、久期预测模型等。
• 分析师团队：
  • 李杨：金融工程及金融产品首席分析师，8年经验，复旦大学本硕。
  • 熊颖瑜：金融工程分析师，6年经验，中国人民大学本硕，负责量化资产配置与选股研究。
  • 熊晓湛：金融工程分析师，5年经验，爱丁堡大学硕士，负责可转债、固收+策略与衍生品研究。
• 分析师承诺：分析师具有证券投资咨询执业资格，独立、客观出具报告，不因报告内容收取补偿。
• 投资评级标准：
  • 行业投资评级：推荐、中性、回避。
  • 股票投资评级：买入、增持、中性、卖出。

总结

本文通过因子暴露模型对纯债基金久期进行估测，为投资者提供了一种在信息不完整情况下的分析工具。模型基于债券指数构建，适用于不同类型债券的久期预测。分析结果显示，久期与市场利率变化密切相关，高Beta组与低Beta组的久期差异具有波动性，需持续关注与调整模型参数。同时，报告强调了数据局限性和模型风险，提醒投资者谨慎使用分析结果。