固定收益点评：如何定量预测资金价格？-20230726-中泰证券-15页_1mb

证券研究报告：DR007流动性预测模型分析

核心内容概述

本文旨在探讨如何定量分析银行间资金面的未来走势，以DR007（7天期质押式回购利率）为例，从多个维度归纳流动性相关的影响指标，构建了一个解释力较强的回归预测模型，用于辅助投资决策。

主要观点

1. 传统超储框架下的资金面分析

• 超储率是衡量银行间流动性水平的传统指标，即超额存款准备金与存款总额的比率。
• 五因素分析模型是分析超储变化的重要工具，包括：
  • 财政存款：增加回收流动性，减少则投放流动性。
  • M0：流通中的现金，增加回收流动性，减少则投放流动性。
  • 缴准：法定存款准备金率乘以新增人民币存款（扣除非银同业存款）的差额，用于计算流动性回收量。
  • 外汇占款：增长导致央行被动扩表，释放流动性，但影响较小。
• 2020年和2022年由于政策支持，财政存款同比少增，2023年前5个月仍符合季节性规律。
• 信贷投放与DR007呈正相关，反映流动性被消耗的情况。

2. 定量视角下的新探索

• 相关利率指标：

  • DR007通常围绕7天OMO（公开市场操作）利率波动。
  • 票据利率是信贷投放的领先指标，7月份票据利率下探至历史同期水平之下，反映内生融资需求修复有限。
  • 短端利率互换（如FR007:1Y）与DR007有较强相关性，反映市场对未来利率中枢的预期。

• 机构行为视角：

  • 商业银行是银行间市场流动性供给的主体，通过分析逆回购与正回购余额的比值（融出/融入比率）可更准确地反映银行实际融出能力。
  • 大行+股份行的融出/融入比率对DR007中枢有显著影响，该比率上升时DR007中枢下降，反之则上升。

3. 基于月频指标的DR007预测

• 构建了一阶线性回归模型，核心解释变量包括：

  • 滞后一个月的DR007
  • FR007:1Y（6个月期FR007利率）
  • 大行+股份行融出/融入比率

• 模型设定如下：
  $$
  DR007_t = FR007:1Y_t \times 0.302 + DR007_{t-1} \times 0.489 + CB_t \times (-0.062) + 0.642
  $$

• 该模型对DR007的解释力达到85%，拟合效果良好，可用于预测未来资金价格走势。

4. 预测结果

• 根据模型预测，7月份DR007中枢预计继续下行1bp，与6月基本持平。
• 6月份滞后DR007中枢为1.89%，相比6月上行3bp。
• FR007:1Y中枢相比6月份下行3bp。
• 大行+股份行融出/融入比率（20DMA）在7月21日为6.00，较6月底上升0.24，表明资金供给放量，推动DR007下行。

关键信息

• 超储率滞后性明显：作为事后监测数据，每季度公布一次，无法及时反映市场变化。
• 五因素模型局限性：尽管能解释部分流动性变化，但准确度有限，且未充分考虑模型外因素。
• 高频指标提升预测能力：引入票据利率、短端利率互换、融出/融入比率等具有领先性的指标，可提高资金价格预测的准确性。
• 模型优化空间：未来可进一步完善模型，提升预测精度和全面性。

风险提示

• 模型预测精度有待提高，结果仅供参考。
• 数据更新不及时及提取失误风险。
• 模型外因素对资金面的扰动可能阶段性增多。

图表目录（简要说明）

• 图表1：DR007通常围绕政策利率波动
• 图表2：财政存款环比变化
• 图表3：国债+地方政府债净融资
• 图表4：财政收入不及支出（2022年4月以来）
• 图表5：MO环比变化
• 图表6：新增人民币存款（扣除非银同业存款）
• 图表7：2021年以来央行降准时间表
• 图表8：央行外汇占款环比变化
• 图表9：公开市场净投放
• 图表10：公开市场净投放与DR007相关性
• 图表11：2021年以来3次政策利率下调
• 图表12：6M国股行票据转贴现利率
• 图表13：FR007:1Y与DR007相关性
• 图表14：信贷投放与DR007正相关
• 图表15：银行逆回购余额占比
• 图表16：各类型银行逆回购余额占比
• 图表17：大行+股份行融出/融入比率与DR007负相关
• 图表18：DR007预测模型回归结果
• 图表19：DR007模型解释力与拟合效果
• 图表20：大行+股份行融出/融入比率上行
• 图表21：银行整体融出/融入比率上行
• 图表22：7月份FR007有所下行

小结

本文构建了一个基于高频和机构行为视角的DR007预测模型，提升了流动性分析的定量能力。虽然传统超储模型存在滞后性与准确性不足的问题，但通过引入相关利率指标与银行间资金供给数据，模型在解释力和拟合效果方面表现良好，可为市场参与者提供参考。然而，模型仍存在数据频率低、观测量有限等局限，未来需进一步优化。