海外宏观利率攻略系列：如何构建基于机器学习的10Y美债预测框架？.docxVIP

海外宏观利率攻略系列

如何构建基于机器学习的10Y美债预测框架？

2026年07月07日

本研究旨在构建一套严格符合真实投资决策场景的机器学习预测框架，在每一个预测时点，仅使用当时已经披露的信息，对美国10年期国债收益率未来30个自然日的变动幅度进行预测，并通过滚动回测检验模型在样本外环境下的预测能力。

整个研究采用滚动前瞻回测框架。预测频率设定为周频，在每一个调仓日重新训练模型，并预测未来30日美国10年期国债收益率的变化幅度。所有预测均严格遵循时间顺序，确保模型不会使用任何未来信息，从而避免前视偏差。

本报告基于2000年1月至2026年6月货币政策、经济基本面、资金流动性、美债市场及全球金融环境等多个信息维度，对2016年1月-2026年6月进行全面回测评估，回测时间跨度约10.5年，涵盖了美联储从量化宽松到加息缩表、再到政策转向的完整货币政策周期，以及重大宏观冲击事件，具备较高的周期代表性和压力测试价值。

模型在方向判断维度上表现稳健。在544期回测样本中，按不同口径统计如下：“多空”口径下，即模型严格判断利率下行和上行方向，胜率为58.27%（544

期）。若放松至“多空(±5bp的震荡区间不判错误）”口径下，即模型将±5bp以内波动（震