多维度债券择时与FOF组合策略构建

分析师 / 张青 研究助理 / 李亭函 华宝财富魔方/来源

债券资产通常被认为是一类低风险资产，在传统的大类资产中作为从属资产进行配置，但是2016年4季度~2017年底的债券市场大幅波动，投资者重新审视债券资产的风险管理问题。风险管理通常涉及到仓位管理，即当资产面临较大风险时减配该资产，但是对于债券资产，很少直接通过仓位来控制风险，而是以久期或者杠杆的调整实现组合的风险调整。

本文通过构建债券择时系统以实现有效的风险管理，具体来看债券择时系统涵盖经济增长、通货膨胀、流动性、动量趋势以及估值五个维度，我们通过对各个维度进行打分得到债券市场的综合打分，并通过分值生成相应的信号对债券资产进行择时控制。测试结果表明，通过多维度打分构建的择时系统较动量系统更稳定，风险显著减小，同时综合打分走势相对于债券指数本身具有一定的领先性，另一方面我们发现通过分仓配置的择时策略稳定性进一步提升，从2008年至2019年11月，策略通过分仓持有中债总财富指数和货币基金，年化收益达到4.5%，年化波动率仅有1.4%，最大回撤控制在2.1%，收益风险特征显著，Calmar比例达到5.56，更适用于追求绝对收益的机构投资者。

本文在债券综合择时系统的基础上，构建了久期轮动的FOF组合，即看多时增加长久期债券基金的配置，减少短久期债券基金的占比。测试结果表明，通过主动管理型基金构建的久期轮动FOF组合收益较为稳定，从2014年至2018年11月年化收益达到6.7%，年化波动率为1.6%，最大回撤为2.5%，收益风险比较高，绝对收益属性较强，而通过被动指数型基金构建的FOF组合进攻性较强，尤其是在债券市场趋势向好的情况下，总体年化收益达到7.5%，不过相应的风险有所扩大，年化波动率为2.8%，最大回撤为3.7%。

正文：

       

投资者普遍认为债券资产是一类低风险资产，因而在资产配置策略构建中，往往以权益资产的仓位配置与风险管理作为核心，债券资产是作为一类从属资产进行配置的。然而，2016年4季度~2017年底的债券市场大幅波动，颠覆了投资者对债券市场的认识，开始重新审视债券资产的风险管理问题。

要控制资产的系统性风险，最便捷的方法就是引入对资产的动态仓位管理系统，也即当认为资产面临的风险较高时减配该类资产，当认为资产未来的收益潜力更大时，则加仓该类资产，这其实就是一个资产的择时问题。对于债券资产，虽然实践中不太会像权益投资一样，直接通过仓位的大幅增减控制风险，但采用久期调整或加减杠杆的方法较为普遍，这本质上依然是债券资产的择时问题。以久期调整为例，债券组合的久期越高，对利率也就越敏感，那么什么时候会调整债券组合至较长久期呢？显然，只有当看好债市未来表现时才会加大组合久期，反之，当看空债市表现时，则缩减债券组合久期，对于债券组合的加减杠杆操作，逻辑同样如此。

鉴于债券择时在风险管理及收益增厚中的重要性，本文尝试对这一问题进行研究，以完善我们的量化资产配置体系。报告安排如下：第一部分是对债券择时指标的构建及回测，指标涵盖经济增长、通货膨胀、流动性、动量趋势以及债券估值多个维度。第二部分是将单指标进行合成，构建了一个债券综合择时系统。第三部分是采用综合择时系统，构建了一个债券久期轮动策略。

1. 债券择时因子构建及回测

债券市场走势主要受到基本面因素的驱动，包括经济、通胀以及市场流动性，因此本文在基本面因素的基础上，叠加市场走势构建债券综合择时体系。对于债券择时体系的构建，基于我们前期已构建的四维择时体系，包括经济运行、通胀、动量以及估值维度（具体见每周外发的《量化择时与资产配置周报》），本文在此基础上增加流动性维度，并对各个维度指标进行测试。

对于每个指标的打分，分值控制在0~10分之间，以经济运行类指标为例，越接近10分说明经济向好，反之经济走弱。其中对于经济运行、通胀以及流动性类指标的打分，主要从两个维度进行评分，趋势项和所处的历史水平，对于正向指标，当趋势向上时分值为10，反之为0，对于历史水平采用过去3年历史分位数作为代表，分值越高说明指标处于历史水平越高，对于两个指标之间权重加权，考虑到在历史高位或者低位时，更看重是指标长期高低水平，趋势项的影响较小，因此减小趋势项的权重，而指标处于历史正常水平时，指标的趋势影响更大，给予趋势项更高的权重。对于动量指标只考虑趋势项，而估值指标则单独处理。

指标按月生成交易信号，由于指标分值处于0~10分之间，为了检验指标的有效性，设置交易信号，对于经济运行、通胀、流动性以及动量指标，仅有两种信号，看多或者空仓，即当指标为正向指标时，高于6分为看多，低于4分为平仓，当指标处于4~6分时延续上期信号，反之对于负向指标，低于4分为看多，高于6分平仓，当指标处于4~6分之间时延续上期信号，对于估值类指标，设定生成三种信号类型，看多、看空以及空仓。

对于宏观指标，需要注意的是由于存在公布的时滞性，需要对数据进行延迟处理，本文数据推至公布当月的最后一个交易日使用数据，以M2为例，2018年11月的数据12月11日公布，因此M2数据使用时间为2018年12月28日。

对于择时标的，我们采用中债固定利率债净价指数作为择时标的，测试时间从2008年1月至2018年11月，择时指标的测试效果采用以下评价指标：

1.1. 基本面指标

1.1.1. 流动性

流动性主要从两个维度进行考虑，货币和信用，分别代表了资金的供给方和需求方，从而决定了当前的利率价格，另一方面，货币和信用又代表了当前货币政策的目的和货币政策的实际效果，因此对于流动性的分析在于对这两个因素的分析，具体来看目标与实际效果之间有可能存在滞后性，因此导致不同的松紧组合，在不同的组合下债券表现不一。通常央行一直发挥着逆周期调节作用，在宽货币紧信用时期债券呈现牛市，主要在经济处于下行周期时，央行希望通过宽松货币以刺激经济，但是实体经济主体扩张意愿不强，信贷疲软，这段时间央行会通过一系列操作以实现实体经济宽货币的目的，此时往往伴随着利率下行，反之在紧货币宽信用时间呈现熊市，当经济过热时，物价上涨，央行收紧货币以抑制经济失速发展，但实体相较于成本端的收紧收入依然可观，扩张意愿明显，导致央行会不断收紧货币，利率不断上行。而在宽货币宽信用以及紧货币紧信用时期，则情况更为复杂，取决于货币和信用的力量。不过总体而言，宽信用、紧信用利好于债券。

因此本文从货币和信用两方面进行打分评判，对于货币松紧的衡量，可以从量价两个层面，存量可以选择超储率，超储率越高说明市场货币流动性越充裕，价格选取Shibor_3m、同业存单_3m，当利率价格越低，说明货币流动性充裕，而R007-DR007利差表明非银机构和银行的流动性分化，其中R是市场利率，含有信用风险，DR利率则代表央行投放资金所形成的资金价格，参与者仅限银行，信用风险较低，当市场货币流动性充足时，价格没有明显差异，但当货币流动性紧张时，非银机构拆借能力弱于银行机构，表现为R007的波动比DR007要剧烈，此时 R007-DR007利差扩大。对于信用松紧的衡量，可以从M2    、社会融资规模、贷款余额来综合判断信贷水平的变化，贷款需求反应银行家对贷款需求判断的景气扩散指标，当贷款需求指数上行时表明当前融资条件出现边际改善。

其中对于债券择时指标来说，流动性指标中超储率为正向指标，其余指标为负向指标，测试结果如下：

测试结果来看，单指标的择时效果并不佳， 从交易胜率来看，最高的为同业存单指标，交易胜率达到60%，其余均在50%以下，从滚动20天的胜率来看，R007-DR007、同业存单、超储率以及社融规模均达到了60%，从收益角度Shibor和贷款余额指标相对较高，因此对胜率以及收益较高的指标分配较高的权重以合成流动性指标，从最终的合成效果来看，流动性指标的胜率和收益较单个指标有显著提升，滚动20天胜率达到67.4%，年化收益率达到0.8%，收益风险比也得以提升，达到0.69，因此相比于单指标的研判多指标综合打分是有效的。

1.1.2. 经济运行以及通胀形势

对于经济运行以及通胀类的指标，本文沿用前期模型指标以及权重的设定，其中经济运行类指标选取与工业生产相关的工业增加值、发电量、铁路货运量，与投资需求端相关的固定资产投资、社会消费品零售以及出口金额，与企业利润相关的工业企业主营收入、工业企业利润，以及与经济景气度相关的PMI以及财新PMI指标，以合成相应的表征经济运行的指标。通胀选取消费端指标CPI和CPI（不包括鲜菜和鲜果），生产端选取PPI和PPIRM，合成表征通胀形势的指标。

对于债券资产来说，在美林时钟投资框架下，衰退时期，经济和通胀均向下，此时利率表现为向下趋势，复苏时期，经济触底回升，通胀仍处于低位，利率低位向上，过热时期，经济与通胀均向上，利率不断上行，滞涨时期，经济上行动力不足，但通胀处于高位，利率拐头向下。因此总体来看，经济上行或者通胀上行有可能导致利率的上行，利空于债券，因此经济运行指标为负向指标，通胀指标为负向指标，分别对两类合成指标进行了测试，测试结果如下：

从测试结果可以看出，经济和通胀指标的胜率并不高，仅有50%，相较于基准的超额收益接近于0，择时效果不如流动性指标，有可能是因为宏观数据的公布具有滞后性，同时利率的反应相对于经济以及通胀的变化不敏感，但总体来看，大的行情趋势还是能把握。

1.2. 市场类指标

     

除了通过基本面情况对债券进行择时，还可以借助市场本身的指标，通常市场短期具有动量效应，长期具有反转效应，因此对于市场类指标，本文构建了动量趋势类指标和反转类指标分别把握动量效应和估值反转效应，指标的生成采用10年期中债国债到期收益率。

1.2.1. 动量趋势

对于动量趋势的判断，采用唐奇安通道线，当国债收益率创N日新低时，发出买入信号，反之创N日新高时发出平仓信号，通过设定不同期限N评判债券市场不同期限动量趋势情况，本文设定N为40、60、80、100、120日，测试结果如下：

从测试结果来看，动量指标的胜率都不高，单指标的交易胜率都在50%以下，但从滚动20天胜率来看，胜率均在50%以上，但总体收益水平不高，这可能和中债固定利率债走势有关，大部分时间处于震荡状态，按照等权重的方式进行合成动量趋势指标的代表，测试结果表明合成指标的胜率有所提升，相较于基准的年化超额收益提升至0.1%，合成指标的有效性得以提升，不过从择时效果来看，在2009年至2014年以来的震荡行情表现不佳，其余时间均能把握长期趋势。

1.2.2. 估值效应

资产估值长期看具有均值回复特征，因而逻辑上可以利用债券市场的估值构建择时系统。由于债券市场整体估值水平的计算并不简单，缺乏类似于权益市场PE、PB之类的通用衡量指标，我们考虑采用债券收益率的高低用于衡量估值水平。这一方法理论上是可行的，因为估值系统的本质其实就是一个反转系统，估值过低意味着价格过低，未来价格反转向上可能加大，估值过高意味着价格过高，未来价格反转向下可能加大。我们采用经典反转类技术指标布林带构建这一择时系统。具体方法为，通过设置布林带的上轨和下轨，分别为均值加上或者减去2倍标准差，当利率突破上轨时，利率处于高位，未来有可能反转下跌，对债券资产发出看多信号，当利率突破下轨时，利率处于低位，未来利率有底部回升的可能性，则对债券发出看空信号，当利率回归至均值水平时，看多或者看空信号结束。另外，利率本身所处历史分位情况也可以做相应判断，因此采用当前利率处于过去三年的历史分位数作为指标，当利率水平处于历史80%以上分位数时，利率处于高位，发出看空信号，当利率水平处于20%以下分位数时，利率处于相对低位，发出看多信号，当利率回归至正常水平时，信号结束。测试结果如下：

从测试结果可以看出，估值类指标的交易胜率明显比动量指标高，对于看多信号的胜率来看，胜率均在75%以上，看空信号采用布林带生成的指标胜率均在100%，但是可以发现交易次数较少，相应持仓周期偏长，主要是因为利率走势走势短期动量效应，而长期呈现反转效应，因此考虑到其胜率较高但是交易次数较少，将估值作为事件驱动类指标，作为主择时系统的加减分项，以增厚收益。

2. 债券综合择时系统

综合上述5个维度择时信号进行加权合成，其中经济运行、通胀形势、流动性以及动量趋势指标作为主择时系统，分配权重之和为1，而对于事件驱动指标作为额外的加减分项，此时总分值可能会超过10分或者低于0分，因此当总分值超过10分设定为10分，低于0设定为0分。对于债券综合择时系统，为了测试其效果，我们仍按照上述交易规则进行交易，指标分值大于6分持有中债固定利率债净价指数，指标小于4分看空，此时交易系统平仓，当指标分值处于4~6分时，延续上期信号，测试结果如下：

从多维度择时系统的回测效果来看，收益较中债固定利率债净价指数显著提升，累计收益率从6.6%提高至16.2%， 最大回撤从12.6%缩小至7.9%，波动率也有所降低，收益风险情况得到显著改善，从0.21提升至0.75。

从择时打分的情况和指数走势来看基本吻合，甚至具有领先性，而领先指标相较于同步指标（比如指数本身）作为交易指标会更有效，因为交易均是在指标趋势确认之后进行交易，采用领先指标进行交易时滞性减少，最近一次交易是在2017年底，此时正是债券经历了一年的下跌的底部位置，总体来看择时系统能较好把握趋势行情，同时在震荡下跌的2009年至2013年，亏损幅度有效控制。

但是，另一方面债券交易主要以机构投资者为主，因此对于债券的择时仓位变动不可太剧烈，比如满仓至空仓，因此我们基于上述债券综合择时体系，构建分仓位交易的择时系统，具体来看，我们将仓位分为5档，0~2分配置10%仓位，2~4分配置30%仓位，4~6分配置50%仓位，6~8分配置70%仓位，8~10分配置100%仓位，这里为了更真实反应配置结果，我们采用中债总财富指数作为配置标的，剩余仓位配置Wind货币市场基金指数，债券交易手续费率设置为双边千分之2，测试时间从2008年1月至2018年11月，测试结果如下：

将仓位平滑至五档后，择时策略略微跑输中债总财富指数，但是风险明显有所减少，最大回撤由5%缩小至2.1%，波动率从1.9%减小至1.4%，滚动250天最大回撤仅有0.8%，因此Calmar比率达到5.56，策略收益风险特性得以提升。

从仓位变动来看，仓位变化相对0和1的变化更为平滑，在市场上涨时逐渐加仓，市场下跌时逐渐减仓，因此净值曲线更为平滑，从历年收益来看，在市场牛市时由于仓位逐渐加仓，因此跑输中债总财富指数，而在熊市阶段，仓位逐渐下降，因此不可能做到完全规避损失，但收益好于指数，因此仓位分配的好处在于平滑整个策略曲线，更加适用于机构投资者，尤其以追求绝对收益为主的投资者。

3. 基于债券择时系统的久期轮动FOF组合

3.1. 主动管理型基金FOF组合

       

对于以债券作为主要配置策略的组合，债券仓位的变动是较少的，更多的是从久期的角度来进行调整，因此我们基于分仓位的择时系统来进行久期的轮动，看多债券时，持有长久期的组合，反之看空债券时，持有短久期的组合。本文以主动管理的债券型基金作为配置标的，构建久期轮动的FOF组合，对于组合的构建，一方面需要对基金久期进行判断，另一方面涉及基金筛选。

首先我们需要对每只基金的久期进行计算，通常有两种计算方式，持仓法和回归法，本文采用持仓法进行计算，具体做法是基于基金季度持仓信息，通过公布的重仓债券的权重以及久期计算得到基于重仓债券组合的久期值，将该久期值作为基金久期的代表，并且通过上下阈值的设定，将久期高于上阈值的基金作为长久期的基金，将久期低于下阈值的基金作为短久期的基金。

其次我们构建了一个简单的基金筛选模型，通过收益风险、收益以及风险指标对每只基金做出打分，从而可以得到每只基金的相对排名，同时为了保证交易的可行性，在模型进行筛选之前需剔除成立时间不满一年、规模小于1亿以及暂停申购的基金。

考虑到交易手续费对债券交易的影响较大，因此每半年进行组合重新筛选，由于基金季报公布存在时滞性，将换仓时间设定为每年7月底和1月底，通过久期划分得到长久期基金和短久期基金，采用基金筛选模型分别得到长、短久期基金的综合排名打分。根据债券综合择时体系每月生成的交易信号，仓位分为5档，分别为10%、30%、50%、70%、100%，以10%仓位信号为例，此时配置长久期基金组合10%仓位，配置短久期组合90%仓位。

本文要求每期配置10只基金，为了消除每只基金配置权重导致结果的偏差，因此要求每只基金仓位权重为10%，以仓位信号10%为例，即配置1只长久期基金，配置9只短久期基金，因此分别选择长久期基金中排名第1的基金作为标的，选择短久期基金中排名前9的基金作为标的，当组合仓位发生调整时，比如仓位信号增加至30%，此时将短久期9只基金中排名靠后的两只剔除，并增加长久期基金排名2和3的基金加入组合，以实现组合久期的调整。为了衡量组合测试效果，我们采用全样本打分筛选排名前10的基金作为基准组合进行比较。

由于债券样本过少，因此测试时间从2014年1月至2018年11月，手续费率设置为单边千分之二，测试结果如下：

       

测试结果显示，加入久期轮动后组合收益有所提升，年化收益率较基准6.4%提升至6.7%，提升了0.3%，滚动250天最大回撤有所减少，最终Calmar比例提高至5.53，虽然收益提升有限，但策略稳定性更好，另一方面，基准与中债总财富指数相比，年化收益提升了0.7%，总体来看，久期轮动的策略是有效的，有助于提升组合的收益稳定性，不过我们也可以看到基金筛选的收益贡献大于久期轮动的收益贡献。从历年收益也可以看出，收益较基准提升并不显著，不过相对于中债总财富指数，历年收益较为平稳，绝对收益属性较强。

我们发现，公募主动管理型债券基金的久期分布区别不大，这可能是造成上述轮动策略在超额收益方面不是十分理想的主要原因。2018年以来，公募债券指数型基金增长迅猛，不论是基金规模还是基金品种均得以较大提升，这使得基于指数基金标的的久期轮动策略成为可行。鉴于此，为了增强久期轮动的效果，我们尝试采用被动指数型基金做为配置标的。

3.2. 被动指数基金FOF组合

       

对于被动指数基金选择，我们考虑以跟踪国开债1~3年期指数的被动债券型基金作为短久期代表，以跟踪国开债7~10年期指数的被动债券型基金作为长久期代表，不过由于指数型基金成立时间较短，为拉长回测区间，我们采用指数进行替代回测。

同样我们根据债券综合择时体系每月生成的交易信号配置不同比例的长久期（国开债7~10年期指数）和短久期债券指数（国开债1~3年期指数）。测试时间从2014年1月至2018年11月，手续费率设置为单边千分之二，测试结果如下：

测试结果表明，采用被动指数做为配置标的后策略收益得到显著提升，年化收益率较中债总财富指数5.7%提高至7.5%，提高了近2%，最大回撤由4.6%降低至3.7%，不过滚动250天平均最大回撤有所上升，总体来看收益风险比与中债总财富指数几乎持平。从历年收益来看，除了2016年未取得超额收益，其余年份均取得超额收益，尤其是在债券市场趋势上涨的情况下，策略超额收益更为显著。

总之，通过主动管理型基金构建的久期轮动FOF组合收益较为稳定，风险显著降低，收益风险比较高，绝对收益属性较强，而通过被动指数型基金构建的FOF组合进攻性较强，尤其是在债券市场趋势向好的情况下，不过相应的风险有所扩大，收益风险比与中债总财富指数接近，整体来看通过债券市场择时，构建久期轮动策略是有效的。