量化｜这是一套更准确的利率择时模型.pdfVIP

量化|这是一套更准确的利率择时模型

证券研究报告

分析师孙彬彬核心观点

SAC证书编号：S0160525020001

sunbb@❖今年3月，我们团队发布了一个胜率接近80%的模型，从发布至今得到广泛

关注，上半年的波段中，除了5月由于换券等因素导致模型短期失效，其余

分析师隋修平

SAC证书编号：S0160525020003区间胜率100%。但与此同时，也收到了很多投资者的建议，例如模型灵敏性、

suixp@因子多样性、胜率的提升空间等，因此我们进行进一步优化尝试，得到了一

套更准确的利率择时模型。

相关报告

❖改进后的模型有哪些优点？第一，模型的胜率更高。模型预测方向正确天数

1.《利率|宏观数据六问六答》

2025-07-16总和684天，错误天数34天，胜率95.26%，累计收益177.45bp。从2021年

2.《信用|2025年评级有何变动？》6月30日至2025年7月11日，仅考虑资本利得的情况下，策略净值为1.16，

2025-07-14样本外测试集区间，策略净值为1.11。2023年3月至今形成择时区间21个，

3.《信用|仍处有利区间》其中方向正确18个，方向错误3个，区间胜率85.71%。正确区间平均长度

2025-07-1338天，错误区间平均长度11.33天，模型的正确率和纠错能力均有所提升。

第二，回撤控制更好。模型正确区间内的最大回撤为8.29bp，全样本区间最

大回撤8.32bp，较初代模型表现有所提升。

第三，模型的左侧效果较好。我们依旧使用5日移动平均结果作为择时信号，

可以提前5-10天捕捉到利率的多空转换。

第四，模型结果依旧稳健，较少出现反复。尤其5日移动平均结果极少出现

与波段方向背离的现象。

第五，模型的震荡区间控制较好，绝大多数时刻可以发出明确择时信号，仅

有10.6%的预测结果发出40%-60%区间的震荡信号。

模型做了哪些优化？首先我们丰富了因子集。我们从前期模型的231个宏观

和微观中高频经济变量扩充至278个，同时加入技术因子、机构行为因子以

及情绪因子，新增150个备选因子，共计428个因子。

其次优化了因子选取方式。我们使用SHAP来进行因子筛选，计算每个窗口

因子的SHAP值，来提取平均贡献较大的因子。进一步，我们使用二分法逐

步训练测试，选取效果相对较好的因子数量，最终我们选取151个因子。

最后对算法应用及模型训练进行优化。第一，底层模型使用两层循环的神经

网络；第二，应用L2正则化、Dropout等规避过拟合问题；第三，在结果输

出阶段，我们