资金面利率择时量化模型研究：资金面指标的预测性与应用

摘要： 本报告旨在构建一个基于资金面因子的利率择时量化模型，旨在填补宏观基本面与微观价量指标之间的中观维度空白，并探讨该模型在利率债久期轮动策略中的实战效果。

核心观点：
资金面因子对短期利率波动具有显著的预测能力，且更适用于高频（日频）择时而非月频。通过动态筛选因子并构建多因子投票模型，可以有效指导长短久期债券的轮动，在提升收益风险比的同时，显著降低投资组合的最大回撤。

论据支撑：

1. 因子库构建：系统建立了包含财政政策、参考利率、拆借利率等12大类、74个细分指标的资金面因子库。
2. 单因子实证：在日频尺度上，49个资金面因子均获得超额收益，其中同业存单发行利率、关键期限债券收益率及部分衍生品利率预测能力最强。
3. 多因子优化：通过动态筛选与投票模型，确认11个因子的组合表现最优。
4. 策略应用：将信号应用于久期轮动（长债-货基），实测年化收益较买入持有长久期债券提高 0.43%，最大回撤从 -4.44% 降低至 -1.31%。

局限性/风险：
模型基于历史数据建模，仅在统计意义下有望获得良好业绩，无法完全排除市场不确定性风险；同时，资金面指标存在公布滞后或停止更新的风险。