>> 方正證券-債券研究：久期測(cè)算模型擇優(yōu)-230307
| 上傳日期： |
2023/3/7 |
大?。?/td>
| 1469KB |
| 格式： |
pdf 共16頁 |
來源： |
方正證券 |
| 評(píng)級(jí)： |
-- |
作者： |
張偉 |
| 下載權(quán)限： |
此報(bào)告為加密報(bào)告，僅限高級(jí)會(huì)員查看 |
|
|
久期是觀察債市投資機(jī)構(gòu)行為重要的指標(biāo)，也是傳統(tǒng)債券投資策略“三板斧”之一。本文我們將嘗試搭建兼具準(zhǔn)確度和穩(wěn)定性的久期測(cè)算模型。我們將詳細(xì)介紹回歸法和比值法兩種測(cè)算久期模型的思路，并擇優(yōu)選擇模型。
一、回歸法：分步過濾法和逐步回歸法
回歸法的基本思路是用債券指數(shù)擬合出債基的倉位，進(jìn)而債基久期也可通過各指數(shù)久期加權(quán)確定。多重共線性是回歸法中遇到的最大問題，在久期測(cè)算問題中，采用基于一定規(guī)則的簡(jiǎn)化變量可以用于處理多重共線性問題。
分步過濾法：第一步選擇與凈值漲跌幅相關(guān)系數(shù)最高的指數(shù)，并進(jìn)行一元線性回歸；第二步將剩余指數(shù)分為兩組，從兩組指數(shù)中各找一個(gè)與最優(yōu)指數(shù)相關(guān)性最低的指數(shù)，用于回歸殘差。
逐步回歸法：通過逐步地添加或刪除自變量，直到線性回歸模型達(dá)到“最優(yōu)”，具體可分為前向逐步回歸、后向逐步回歸和雙向逐步回歸三種方法。根據(jù)我們的測(cè)試，采用后向逐步回歸效果較好。
二、分步過濾法和逐步回歸法兩種回歸模型測(cè)算的久期結(jié)果走勢(shì)較為一致，并且與10Y國(guó)債利率負(fù)相關(guān)關(guān)系較好，以及中位數(shù)與平均數(shù)走勢(shì)非常接近，反映這兩種回歸模型兼具準(zhǔn)確度和穩(wěn)定性
2021年以來久期波動(dòng)明顯增大，這使得分步過濾法模型效果相對(duì)更優(yōu)?；貧w法的結(jié)果難以避免與債基久期的真實(shí)值存在偏差，但能較好反映久期的變化方向。
三、比值法是新興的久期測(cè)算方法，基本思路是通過構(gòu)造債基的可比組合得到債基久期
根據(jù)債基季報(bào)可以得到券種配置結(jié)構(gòu)，假設(shè)債基季度內(nèi)倉位保持不變，用不同債券種類對(duì)應(yīng)的債券指數(shù)即可構(gòu)造可比組合。假設(shè)可比組合與債基到期收益率的變動(dòng)一致，利用債基與可比組合久期公式求比值，可以計(jì)算得到債基久期。
比值法測(cè)算的結(jié)果效果較差。比值法久期測(cè)算結(jié)果表現(xiàn)出非常高的波動(dòng)性。利用20天移動(dòng)平均進(jìn)行平滑，負(fù)相關(guān)性改善有限，信號(hào)意義較弱。例如，對(duì)于2022年11月債市調(diào)整與理財(cái)贖回負(fù)反饋的階段，比值法滯后一周才表現(xiàn)出久期水平的下降。
比值法的模型缺陷源于上述兩個(gè)過強(qiáng)的假設(shè)條件，而比值法本身的特點(diǎn)也導(dǎo)致上述假設(shè)造成的誤差被放大，因此表現(xiàn)效果較差。
四、綜合來看，分步過濾法效果最好
雖然回歸法和比值法模型都有其難以避免的問題，但從測(cè)算結(jié)果來看，回歸法的準(zhǔn)確度和穩(wěn)定性更高，而且現(xiàn)階段分步過濾法效果更好。我們每周將會(huì)公布使用分步過濾法測(cè)算的久期結(jié)果。上周公募債基久期中位數(shù)為1.90年，較前值回落0.03年，依然處于階段性偏低水平。
風(fēng)險(xiǎn)提示：模型測(cè)算結(jié)果存在誤差，模型參數(shù)仍有優(yōu)化空間，模型存在失效可能。
|
|
