利率债收益预测框架——大类资产定价系列之二

留富兵法

2020.05.1511:44

关注

来源：留富兵法

报告概要

债券是枢纽式的投资品种，左边连接的是以增长和通胀为核心的宏观世界，右边连接的是以利率为定价核的金融世界。本文是大类资产定价系列的第二篇报告，旨在探索利率债投资的四个命题：利率债供需分析框架；利率债收益分解模型；利率债久期择时策略；资产配置中久期择时的作用。

利率债供需分析框架

利率债供给主要取决于财政赤字、专项债额度和经济下行压力。利率债需求主要由商业银行、保险机构、境外机构和广义基金四类机构贡献，其中银行、保险和境外机构属于配置盘，需求取决于利率高低，而广义基金属于交易盘，需求取决于利率走势。

利率债收益分解模型

在Antti llmanen(1995)提出的债券收益分解模型中，债券收益可以分解为远期利率、久期影响和凸性偏差三项，国内数据的实证结果显示，模型解释度高达95%。不同久期债券的收益结构特征有一定的差异，短久期债券需要更加关注远期利率项的影响，而长久期债券则要更加关注久期影响项。

利率债久期择时策略

利率运行兼具短期动量和长期均值回复的特性，基于此我们设计了MM模型来预测利率，并通过债券收益分解模型计算出不同零息债券的预期收益和VaR在险价值。真实债券组合可通过久期和凸性匹配的零息债券组合复制而得到。根据MM模型构建的债券久期择时策略具有高收益低风险的良好特征，其中基于VaR在险价值的久期择时策略年化收益为5.3%，最大回撤为2.9%，夏普比率为2.37。

资产配置中久期择时的作用

实证表明，在融入债券久期择时策略后，无论是基于风险平价的静态配置策略还是赔率驱动的动态配置策略，都出现了收益提升和回撤降低的效果。以股票、可转债和利率债作为配置标的，目标波动率设定为4%的久期增强动态资产配置策略，年化收益为9.3%，最大回撤为4.3%，夏普比率为2.23。

一、利率债供需分析框架

根据中国外汇交易中心的债券分类标准，债券可以分为利率债、信用债和同业存单三个大类，其中财政部发行的国债、地方政府发行地方政府债以及政策性银行发行的政策性金融债为利率债的主要品种，占比达95%。

在对利率债的供需核心要素进行整理后，利率债供需分析框架可以总结成以下三点：

利率债供给由国债、地方债和政金债构成，主要驱动因素是国内经济压力和政府预算财政赤字，发行的核心目的是进行发挥逆周期调节的功能，稳定经济；

利率债需求主要由商业银行、保险机构、境外机构和广义基金四类机构贡献，其中商业银行、保险机构和境外机构的共同特征是关注债券本身的票息收益率，而广义基金则更多关注利率变化带来的资本利得；

债券发行和机构需求构成了第一重债券博弈，而作为配置盘的商业银行、保险机构、境外机构与作为交易盘的广义基金构成了第二重债券博弈；

二、利率债收益分解模型

Antti llmanen(1995)所著的固定收益经典《Understanding the Yield Curve》中对利率和债券的运行机制进行了深入且直观的分析，其中曾提出过一个债券收益分解模型，将债券收益分解为两大部分：利率曲线不变带来的收益和利率曲线变动带来的收益。假设我们在t时刻买入期限为N年的零息债券，然后一年后在t+1时刻卖出，那么我们持有零息债券一年的收益可以分解为：

基于债券收益分解模型，我们尝试对10年期的零息债券的年度收益进行事后分解，即假设我们已经知道未来的利率变化的情况下对债券收益进行拆解，目的有两个：一方面以此观察远期利率、久期影响和凸性偏差在债券收益中的结构和特征，另一方面也以此判断债券收益分解模型在实证过程中的精确度。从最终的模型结果来看，基于模型估计的债券收益与真实的债券收益非常接近，因此我们可以认为债券收益分解模型具有较高的可信度。

另一个重要的问题在于，不同久期的债券的核心驱动因素可能区别很大，所以我们在图表29的基础上做了横向的拓展，测算了不同久期零息债券持有一年的收益中，远期利率、久期影响和凸性偏差三项的风险贡献。从图表30可以看出，短久期债券需要更加关注远期利率项的影响，而长久期债券则需要更加关注久期的影响。

三、利率债久期择时策略

久期择时策略依赖于模型对债券收益的预测，根据债券收益分解的方法论：

远期利率项可以根据当下的即期利率曲线直接计算；

久期影响项可以根据远期利率、修正久期和预期利率变化计算得到；

凸性偏差项可以根据远期利率、凸性和预期利率变化计算得到。

为了捕获利率运行的短期动量效应和长期均值回复效应，我们设计了周期模型、CIR模型和MM模型三个算法来模拟和预测未来的利率变动。

基于模型对不同久期债券收益的预测，我们构造了久期择时策略：

回测时间：2005年1月-2020年3月；

交易标的：期限为1-10年的零息债券，共10个；

预测目标：未来一年的债券收益；

模型拟合：根据2002年以来的扩展窗口作为历史数据进行参数估计；

择券方式：每次调仓只选择预期收益最高的1只零息债券作为新的持仓；

调仓频率：季频调仓；

交易价格：以下一个交易日的收盘价成交；

交易费用：双边万分之四；

实证表明，周期模型、CIR模型和MM模型通过对利率变化的预测，降低了债券组合的最大回撤的同时提升了债券组合的收益能力。其中表现最好的模型是MM模型，基于此构造的久期择时策略，年化收益达6.9%，最大回撤为5.1%，夏普比率高达2.26，平均每年调仓2.78次。

MM模型在预测未来利率变化的同时，也对未来利率的波动率进行了预测。因此我们尝试在利率预测的基础上增加利率波动率的信息，从而提升策略的收益风险比。我们的尝试主要是两种：一种是基于夏普比率，即预期收益/预期波动；另一种是基于在险价值VaR，即在悲观尾部风险假设的情况下考虑债券收益。

基于在险价值VaR方法的久期择时方案可以在不明显降低策略收益的基础上大幅降低策略的最大回撤。VaR10%策略表现最为出色，年化收益为6.1%，最大回撤为3.3%，夏普比率为2.55，卡玛比率为1.85。

上述展示的是零息债券的久期择时策略，然而现实中，零息债券数量稀少且期限多集中在短端，因此基于零息债券的久期择时策略并非是真实可实施的策略。我们的解决方案是通过零息债券匹配久期和凸性来线性复制真实的债券组合，根据我们对零息债券的收益预测来加权计算出真实债券组合的预期收益。

以五个中债国债总财富指数作为标的的久期择时策略同样可以大幅降低组合回撤并提升组合收益。其中表现最好的模型是VaR25%模型，年化收益为5.3%，最大回撤为2.9%，夏普比率为2.37，卡玛比率为1.85。

四、资产配置中利率债久期择时的作用

风险平价策略是国内非常流行的大类资产配置策略之一，其核心理念是使得每一个资产对组合的风险贡献均衡。由于国内股票的波动远远大于债券的波动，因此在不加杠杆的情况下，风险平价策略大概会将90%左右的权重分配到了债券上，因此我们认为将久期择时策略嵌入到国内的风险平价策略中是大有脾益的。

在嵌入久期择时策略后，风险平价策略有了进一步的提升。基于VaR10%的久期择时可以将策略收益提升至6.6%，最大回撤降低到4.0%，夏普比率提升至2.17。

从上述结果来看，久期择时策略配合静态配置策略的效果是显著的，但是其配合动态配置策略的效果如何？动态配置过程是否会影响债券久期择时的作用？在这一小节中，我们将探索赔率驱动的动态配置策略和债券久期择时策略的融合效果。

首先需要解释赔率的概念，我们把反映上涨空间和弹性的估值指标定义为赔率指标。权益资产的赔率指标：股息率-国债收益率。这个模型最早受启发于Fed模型，即以市盈率倒数-国债收益率作为股债性价比的指标。但经过我们的研究，采用市盈率作为股票资产的估值指标有一定的局限性，以股息率作为估值指标效果更好。

可转债相比于股票的赔率指标：隐含波动率比率。在上一篇系列报告《大类资产定价系列之一：可转债的择时与择券》中，我们曾提出一个简单但是有效的可转债股票的轮动策略，即把可转债看成是一个股票的看涨期权，可转债的赔率指标是50ETF期权隐含波动率和可转债隐含波动率的比值，该指标数值越高，即代表当前可转债的估值越低，未来上涨概率越大。