来源：留富兵法
报告摘要
本报告从利率本质出发探讨了利率主要的宏观驱动因素。利率的本质是资金借贷的价格，与经济体名义增长率息息相关，主要受到“经济增长+通货膨胀”双轮驱动。但由于中国经济结构和市场环境的变化，“债务杠杆”因素也变得越来越重要。而其他因素诸如流动性、债券供给、汇率与美债都有其分析困境，不是利率变化的主要驱动因素。
本报告采用宏观量化工具构建了国债利率先行指标体系。经济增长和通货膨胀的传统代理指标诸如：GDP、IP、CPI在指导利率时都已失效。本报告通过ANOVA 方差检验法、择时策略检验法和拟合优度检验法对可能的利率的先行指标进行了搜索，并对找到的宏观代理变量进行逻辑与数据的二次论证，最后确定了“经济增长+通货膨胀+债务杠杆”+辅助指标+观察指标的国债利率先行指标体系。
本报告利用动态因子模型进行配权并构建了利率预测的回归模型。报告以动态因子模型为基础，对国债利率先行指标进行了配权并构建了利率预测的回归模型，择时胜率能达到70%以上。报告同时对模型的参数和因子的波动进行了分析，发现“经济增长+通货膨胀”的双轮驱动框架并没有失效，债务杠杆和短期利率也仅是局部的影响因素，且能被“经济增长+通货膨胀”解释，只不过需要以新的代理变量来描述该框架。
本报告探讨了使用利率预测模型为资产配置增强收益的方法。本报告基于概率优化模型，将利率预测回归模型的输出转化为了资产配置的超额收益。相对仅使用历史数据的基准组合，在年化收益率上能够增强2.5%，在最大回撤上能减少2.79%。
一、自上而下的宏观利率分析框架
利率是货币资金借贷的价格，利率市场的主要驱动因素有：经济基本面、资金面、政策面等等，而其中最根本的即为经济基本面因素。对于不同期限的利率水平，各类因素的影响大小不同，短期利率（例如：银行间市场的7天回购利率）更多的反映市场资金面的影响，中期利率（例如：中央银行票据发行利率）更多的反映政策面的信号，而长期利率（例如：10年期国债收益率）则更多的反映经济基本面的状况。因此在一个较长周期的维度下利用宏观因素对于长期利率进行一定的预判具有较高的胜率，本报告后续提到的利率如无特指都代表长期利率。
从价格的角度理解利率，其最基本的分析框架即货币资金的供给和需求。货币资金的需求最主要来源为实体经济，实体经济对于扩大生产升级产业的需求将会创造大量的货币资金需求，而这部分货币资金的运用也最终会反映到实体经济的名义增长率（可用CPI+IP近似表征名义增长率）上。除此之外货币资金需求还有可能来自于金融杠杆，受到股票市场等金融资产短期可观收益的吸引或者政策层面的促进影响（“非标”的兴起），也曾发生过大量融资需求实际在“空转”的现象，“空转”的资金不会促进实体经济的增长，并且有可能导致金融价格泡沫。因而这部分资金的需求最终在政策层面是容易被压制的，其体量在政策控制下一般不会无序膨胀，但其会影响货币政策态度，典型的如2013年“钱荒”事件。
而货币资金的供给，基于泰勒规则所揭示的基本原理，是针对融资需求进行逆周期变化的，是相对被动的调节因素。简单回顾一下历史我们就能发现，货币政策宽松下利率未必实时下降，货币政策紧缩下利率未必实时上升，还是需要实体经济的支持，因此利率的变化分析框架可以主要通过货币资金需求构建。
实体经济整体的扩张收缩基本可以从两类指标获得线索：经济增长、通货膨胀。而虚拟金融杠杆或者无效融资相对较难衡量（许多虚拟金融杠杆在表外，无效融资与有效融资很难区分）。不过经济整体的债务杠杆对于这两者或多或少具有包含关系，可以作为虚拟金融杠杆或者无效融资的参考指标。从而我们将主要以“经济增长+通货膨胀+债务杠杆”的分析框架对长期利率进行预测，事实上在本文后续的量化实证中也可以发现，在所有宏观因素中，这三个因素能大幅度解释利率波动。当然除此之外，流动性、债券供应量、汇率与美债利率等也是许多投资者关心的辅助影响因素，对于为什么不将其纳入整体分析框架，详细请参见具体报告。
二、国债利率先行指标体系构建
2.1. 传统指标体系的失效
在衡量“经济增长”和“通货膨胀”的时候，通常使用的指标为国内生产总值（GDP）、工业增加值（IP）和居民消费价格指数（CPI）等等。但由于市场环境、经济结构的不断变化，这些指标在利率研究过程中对“经济增长”和“通货膨胀”的代表性已经越来越弱，传统的指标体系面临失效的问题。在报告第1节中的图表1中已经可以观察到用IP和CPI计算得到的名义增长率近几年已丧失波动性，无法衡量利率的变化了。
GDP指标失效的关键时间节点在2010年。2000-2010年中国经济周期性强，GDP较为显著的反映了经济波动，2010年后中国经济进入动能转换阶段，经济增速不断下台阶，GDP指标的波动减弱，对于利率的解释度也不断的下降。虽然IP的波动性仍高于GDP，但是其解释力度也在不断减弱。
CPI指标在2012年以前同样被认为是每一次利率周期的先导指标，会对政策面和资金面的预期有较强的影响，其变化基本与10年期国债到期收益率同步。但是这样的关系在2012年之后逐渐变得混乱，经济结构的变化、统计口径的调整给CPI与利率之间的关系研究带来了新的挑战。
因此没有一种指标是长期有效的，随着经济结构和市场环境的变化，各种各样的指标都会面临失效的问题，我们亟需重新构建国债到期收益率的先行指标体系，完善先行指标的测试、纳入、剔除流程框架。
2.2. 从理论逻辑到数据逻辑
我们在系列报告《宏观逻辑的量化验证》的前两篇中已经提出了多种检验宏观-资产关系以及构建宏观-资产多因子预测模型的方法，本报告同样将使用类似的方式检验10年期国债收益率在“经济增长+通货膨胀+债务杠杆”框架下的先行指标，并构建预测模型。
本报告采用三种方式检验宏观经济指标与10年期国债到期收益率之间关系的显著性：
ANOVA方差检验法（分布差）：检验宏观经济指标A在状态b下的利率变化均值μ_(A=b)是否显著不同于全样本利率变化的均值μ_allsample。此方法本质为检验不同宏观状态下的利率变化分布差，适合于发现事件性宏观-利率关系。
择时策略检验法（持续性）：利用宏观经济指标A的状态b对利率变化进行择时，计算策略的“夏普率”，以其高低衡量显著性。此方法主要考察宏观状态对利率的判断在时间序列上的持续性和稳定性，适合于发现长期宏观-利率择时指标。
拟合优度检验法（解释度）：利用宏观经济指标A对利率的变化进行回归，计算回归的调整后R-square，以其高低衡量显著性。此方法主要考察宏观经济指标因子化后的解释能力，适合于寻找能够构筑利率多因子回归模型的宏观指标。
本报告的宏观经济指标库涉及15大类400个宏观经济数据，最后通过各种指标处理方式（季节效应、去噪、调频）构建的宏观指标因子有接近800个，基本涉及了宏观经济的各个层面。
2.3. 国债利率先行指标体系重构
我们将于利率具有显著统计关系的指标进行了一一的考察，从择时效果、基本面逻辑、同类指标相关性、指标代表性、周期匹配性、历史数据长度等角度对这些指标进行了二次筛选。最终确定了“经济增长+通货膨胀+债务杠杆”+辅助指标+观察指标的先行指标体系。
本体系构筑了一个较为完整的国债利率预测与解释链条，并已确保了量化上的可操作性，详细内容请参见具体报告。
三、国债利率动态因子预测模型
宏观经济的单个指标蕴含一些噪音和特征波动，因此需要将多个指标结合起来进行综合的判断，综合判断的胜率可能没有单个指标在历史上高，但是其稳健性更强，在市场结构变化或者指标失效的情况下对模型的冲击更小。本节我们将尝试对各类指标进行权重的配置，并最终构建10年期国债到期收益率的回归预测模型。主要采用的方法为我们在报告《宏观逻辑的量化验证：动态因子模型》中提出的方法。动态因子模型的优点在于：
1、能够将驱动因素一致的宏观变量进行聚类合成，剔除宏观指标的特有噪音，获得公共驱动因素的波动，从而解决宏观变量间共线性的问题；
2、能够将大量的宏观变量压缩到少数几个公共驱动因素上，从而解决宏观指标集数量多历史短（大N小t）的问题，使得回归问题可以求解。
由于宏观数据短的原因，为了防止多宏观动态因子模型可能出现的过拟合问题，同时也为了使得模型更易理解，我们将把前文整理的逻辑结构加入模型，给予模型先验的结构：
其中的经济增长、通货膨胀、债务杠杆、短期利率因子我们用相关分类下所有宏观经济先行指标取第一主成分得到。我们根据数据的长短划分大样本模型（2006年起）和小样本模型（2014年起），两个模型的择时胜率分别为：67.35%和70.00%。
由于债务杠杆数据在2013年之后才有，因此在结构化大样本模型中没有债务杠杆因子。由于数据剔除的原因，通货膨胀因子即“PMI：主要原材料购进价格”，短期利率因子即“SHIBOR：1个月”。需要注意的一点是，经济增长因子经过主成分提取后方向与实际经济增长反向，因此系数为负。
我们同时发现结构化小样本模型中，债务杠杆和短期利率因子的回归系数与逻辑反向，并且不显著。其与经济增长和通货膨胀之间有较高的共线性，去掉对模型的结果无影响。
因此近几年利率的驱动因素本质上还是能够仅由经济增长和通货膨胀两个因素决定，并没有像一些研究中提到的因老的“美林时钟”逻辑失效而必须加入其它解释变量的情况，只不过代理变量需要重新设计。从长期来看，经济增长和通货膨胀可能确实不能解释所有的情况，纳入短期利率会有所补充。而“企业债券融资”似乎也还并不能代表本报告逻辑部分对债务杠杆的理解，债务杠杆的代理指标需要做更深入的研究，本报告暂且按下不表。
四、模型在资产配置上的应用
本小节我们以概率优化模型为基准考察10年期国债收益率先行指标体系模型在资产配置中的作用。概率优化模型的特点为：
1、利用核密度估计资产收益率分布，避免由于使用正态分布假设（均值方差系模型）导致的尾部风险低估和偏度估计不足的问题；
2、利用概率描述代替波动率衡量模型风险，可设置定制化的风险形式，克服了波动率的对称性；
3、模型优化从置信度的角度出发，与最大化收益或者最小化波动率维度不同。
我们选用如下资产进行资产配置优化模拟：
我们将优化函数设置为以下目标：考虑双边1%的换手费用下，未来1个月收益小于1%或者最大回撤超过-0.5%的概率。
对于输入核密度估计的资产收益率分布我们分两种：
1、（基准组合）采用过去最近120个交易日的收益率分布作为样本输入；
2、（利率预测组合）采用过去最近120个交易日的收益率分布，但是用第3节中大样本（结构）模型对利率变动的预测转换成的债券指数收益率，代替其中债券资产收益率的均值。转换公式采用修正久期公式。
回测得到的结果如下。可以看到大样本（结构）模型对利率的预测给组合带来了年化2.51%的超额收益率，并且最大回撤也下降了2.79%，特别是近几年的增强，效果更好。
利用概率优化模型，我们可以将利率的预测能力转化为超额收益。当前组合仅纳入了利率的预测信息，未来我们将对利率以外的其他大类资产同样构建细致的宏观预测模型，望给组合带来更多的资产配置超额收益。
整个模型的构建过程经历了不断的否定和再否定，我们由“经济增长+通货膨胀”双轮驱动框架出发，探讨了流动性、债券供应、汇率美债的影响逻辑，补充了地产周期、债务杠杆、短期利率和部分观察指标，最终通过量化的反证确定了“经济增长+通货膨胀”双轮驱动框架仍然有效，只不过与报告最初的框架有着截然不同的构成理解和代理变量。我们认为模型结果是可能随着时间的推移失效和变化的，但是整个模型的开放性保证了模型可以不断的进化修正，适应新的经济结构和市场环境变化。本报告仅用了部分的宏观经济指标，未来将继续纳入更多的宏观经济指标和宏观经济变量。
本报告利率分析框架的诸多论据借鉴了《投资交易笔记：2002~2010年中国债券市场研究回眸》与《投资交易笔记：2011~2015年中国债券市场研究回眸》。作者以深厚的宏观功底与长期的市场经验构筑了一个开放同时自洽的利率分析框架。借鉴作者的思路与框架，本报告进行了量化的验证和拓展。
风险提示：量化分析基于历史数据，如经济或市场结构变化，不保证规律的延续性。
本文节选自国盛证券研究所已于2019年8月9日发布的报告《宏观逻辑的量化验证：中国利率先行指标体系构建》，具体内容请详见相关报告。
叶尔乐
S0680518100003
yeerle@gszq.com
刘富兵
S0680518030007
liufubing@gszq.com
