>> 國泰君安-債市量化研究系列：如何拆分國債利率的趨勢和波動-230315
| 上傳日期： |
2023/3/15 |
大?。?/td>
| 1932KB |
| 格式： |
pdf 共17頁 |
來源： |
國泰君安 |
| 評級： |
-- |
作者： |
覃漢 |
| 下載權(quán)限： |
此報告為加密報告 |
|
|
本報告導(dǎo)讀：本研究嘗試建立一個結(jié)合濾波-因子篩選-VAR模型預(yù)測的方法，分別預(yù)測國債利率中的趨勢和波動項。
摘要：
影響債市利率的主邏輯往往有長短期之分，如當(dāng)前市場主流預(yù)期中的短期偏積極長期偏謹(jǐn)慎。其主要影響因子也大有不同。本研究中我們嘗試建立一個結(jié)合濾波-因子篩選-VAR模型預(yù)測的方法，拆分國債利率中的長期趨勢和短期波動并分別進(jìn)行預(yù)測。具體方法流程如下：
1.使用卡爾曼濾波拆分10年期國債利率序列的長期趨勢和短期波動?；趹?yīng)用優(yōu)先的原則，我們通過機器學(xué)習(xí)的方式找到了可以獲得良好模型效果的卡爾曼濾波超參數(shù)和數(shù)值解。
2.濾波后，將趨勢項和波動項分別作為被預(yù)測變量進(jìn)入模型，待選因子也被分為趨勢類和波動類，趨勢類包含：生產(chǎn)、需求、交運、CPI、PP，波動類包含：資金預(yù)期、利差圖譜、市場情緒、機構(gòu)行為、技術(shù)分析。
3.采用向量自回歸模型（VAR)，對使用濾波器分離出的利率趨勢項與利率波動項分別進(jìn)行估計與預(yù)測，通過四種不同的方法來訓(xùn)練獲得最佳的內(nèi)生變量組合，分別為：相關(guān)性排序法、最遠(yuǎn)距離法、分步回歸法和模塊固定法。
4.通過K-fold方法進(jìn)行模型訓(xùn)練。將數(shù)據(jù)集10等分（K=10），按照7：1：2的比例劃分樣本為訓(xùn)練集：驗證集：預(yù)測集，分別用于模型估計，超參數(shù)優(yōu)化和模型評價。用平均預(yù)測利率多空方向勝手率作為交叉驗證篩選的結(jié)果，以此選定最優(yōu)模型。
從模型回測結(jié)果（在預(yù)測集中進(jìn)行，以實現(xiàn)完全樣本外）看，其預(yù)測準(zhǔn)確率大大高于等權(quán)因子得分的方法實現(xiàn)的預(yù)測，且可以在日頻預(yù)測中獲取較高的準(zhǔn)確度。另外，綜合考慮最大預(yù)測勝率，模型穩(wěn)定度，以及波動項預(yù)測上表現(xiàn)更好等因素，日頻預(yù)測中最遠(yuǎn)距離法篩選因子變量更值得推薦，而周頻預(yù)測中分步回歸法效果最佳。
風(fēng)險提示：數(shù)據(jù)選取偏誤，指數(shù)計算過程偏差，模型選擇偏差
|
|
