固收量化｜纠结怎么办？看看模型怎么说.pdfVIP

固收专题报告/

内容目录

1模型的择时表现定量分析3

1.1模型如何表达多空观点？3

1.2模型能用在哪些方面？5

2模型是如何搭建和训练的5

2.1变量选择与数据处理5

2.2提取信息含量最多的变量作为择时因子6

2.3择时因子的选取7

2.4手搓只有一个参数的神经网络模型7

2.5模型训练环节9

2.6模型的训练过程及结果10

3模型预测效果能够长期稳定吗？12

3.1用更少的特征变量重新训练模型12

3.2简化版模型的表现13

4风险提示13

图表目录

图1.模型择时信号及择时效果图3

图2.择时区间统计分析4

图3.模型累计多空回报和回撤5

图4.部分备选因子及对应IC和ICIR值7

图5.Sigmoid函数图像8

图6.“豆粕小模型”的择时信号9

图7.混淆矩阵11

图8.模型滚动训练预测结果12

图9.简化版滚动训练预测结果13

2

固收专题报告/

1模型的择时表现定量分析

1.1模型如何表达多空观点？

我们利用中高频经济数据进行机器学习模型训练，最终呈现了较好的利率择时效

果，其结果是未来10年国债利率上行的概率。在定量分析中，我们选取输出概率

值的5日移动平均作为择时信号（），以确保稳健性。当≥60%，未

来利率可能有上升趋势；40%，则认为未来利率有下降趋势。

根据模型输出的概率信号和5日移动平均，择时信号相对稳定，信号持续的平均

时间较长。我们采用滚动训练预测方式，以2021年至2023年2月的数据为训练

集，获得了从2023年3月3日到2025年3月18日的输出结果（模型在作出预测

观点时，并未在训练数据中见过结果时间段的数据）。

图1.模型择时信号及择时效果图

数据来源：Wind，财通证券研究所

其次从择时区间以及准确度来看，2023年3月至今，模型形成择时区间21个，

预测方向正确的天数总和515天，错误天数总和150天，胜率为77.44%。在形成

的21个择时区间中，方向正确13个，方向错误8个，区间胜率61.90%。正确区

间平均长度39.62天，错误区间平均18.75天，说明模型具有较好的方向纠错能

力。

择时回报上，正确区间择时回报合计165.77bp，错误区间损失合计36.36bp，正确

区间产生的最大回撤8.86bp。

3

固收专题报告/

图2.择时区间统计分析

区间变最大回撤方向是否

序号开始日期结束日期方向天数

动(bp)(bp)正确

12023-03-092023-03-29看多20-2.20-正确

22023-03-312023-05-06看空36-12.1712.17错误

32023-0