基于债市机构行为的单边预测模型.pdfVIP

固定收益专题

图表目录

图1：2个典型的微观指标分布结构(亿元,个/亿元,%)5

图2：基金公司对7-10年的合计净买入及其累计值(亿元,%)9

图3：调整后净买入及其累计值(亿元,%)9

图4：组合与基准仓位、累计资本利得及资本利得的年滚动均值(%,%；BP,%;BP,%-右轴

10Y国债)10

图5：分别以当日净买入和滚动累计值所处的滚动分位数判断20日后的利率变动

(%,BP)10

图6：以80%及20%阈值生成买入卖出信号及信号评估(绿色区域卖出，红色区域买入，

下同)11

图7：分别以连续和滚动累计方式处理净买入信号后结果11

图8：市场切分后结果13

图9：最终信号结果(绿色区域操作信号为卖出；红色区域操作信号为买入)15

表1：各机构类型说明4

表2：指标说明4

表3：81个过筛微观指标(个)6

表4：基金公司过筛微观指标相关性表现6

表5：农商行过筛微观指标相关性表现6

表6：以农商行为例的指标筛选(%)7

表7：基础指标池(天)8

表8：105个趋势类初级择时指标及择时效果评估(%)12

表9：机构行为特征及我们采取的信号处理方式12

表10：105个微观行为最优策略及策略评估(%)13

表11：牛市状态下主信号及信号评估14

表12：牛市状态下辅助信号及信号评估14

表13：牛市状态下辅助信号及信号评估15

表14：以方向切分市场后两类市场状态下使用的信号及权重15

3/16请务必阅读正文之后的信息披露和法律声明

固定收益专题

1.数据清洗与基础指标池的生成

机构对于各类债券的净买入数据通常能较好反映不同类型机构的交易偏好，

在一些市场变化时候，部分类型的机构的偏好特征通常具有一定的领先性。我们

从这里入手，试图根据机构交易行为，在一些特定市场环境下尝试跟踪一些表现

较好的机构行为，进而对后市利率方向进行一定的预测，在上篇报告中我们对各

类机构的净买入数据进行观测和分析，在本篇报告中我们基于各机构行为生成市

场情绪模型，以此来生成判断债市利率走势的有效信号。

1.1.数据清洗与说明

我们基于外汇交易中心的现券市场交易情况总结日报，选取其中的净买入数

据作为机构行为跟踪的参考，原始数据有12类机构、12个机构、9类券种和9类

期限，部分微观指标呈现离散型状态，即在一个连续的时间序列中，存在数个较

长的时间区间内无净买入或净买入维持在一个较低的数值，因此我们首先从各指

标的分布情况进行指标的清洗。

表1：各机构类型说明

机构大类机构分类特殊说明

大型商业银行/政策性银行--

股份制商业银行--

银行类机构城市商业银行--

农村金融机构农村商业银行和合作银行、农村信用联社、村镇银行

外资银行--

证券