报告导读：基于模块化思路，本文关注量化模型设计，利用0-1框架预测债市涨跌，实验了多种线性和非线性模型的预测效力，GRU和MCMC模型表现较佳。
多因子模型是债市量化的重要手段，其中多因子的组合方法、模型选择和配套策略是决定模型有效性的主要因素。当前，随着机器学习技术的发展，数理模型可以高效的捕捉和挖掘经济金融数据之间的复杂关系，用模型预测补充主观增厚固收类资产收益。我们的研究采取模块化的思路，构建了如下模块流程：基于因子挖掘（基于T合约价格的“四碗面”构建高频因子数据库）→模型设计（本文重点）→持仓分配的多因子模型搭建框架（将分类模型预测的概率值映射到多空仓位上）。
本文主要关注模型设计，我们考虑对国债期货涨跌的相对预测而非绝对点位预测，即量化框架使用0-1分类模型对国债期货的涨跌方向进行预测。根据优化思路和参数估计方式的不同，我们尝试了多种线性-非线性的模型进行预测。Logistic模型为基准，尝试了不同的参数估计和模型结构衍生出的其他的解决方案：对于参数估计，我们尝试了最小二乘估计和贝叶斯的估计方法；对于线性模型，我们探索了Logistic基准模型和MCMC-Logistic模型，对于非线性模型，我们探索了随机森林和多种深度学习模型（包括MLP、RNN和GRU）进行实验，分类研究模型效率和表现。
从测试结果看，GRU以79.13%的整体胜率领先，同时其多头胜率（83.10%）和空头胜率（74.39%）均为最高。MCMC作为一种贝叶斯方法，在整体胜率（68.62%）和多头胜率（71.54%）上表现仅次于GRU；模型多头胜率普遍比空头胜率高，例如Logistics的多头胜率68.15%，空头胜率仅为57.41%，这可能跟测试期长期内具有一定的上涨偏向性有关（在样本期类利率整体上是震荡下行的）；搭配多空全仓策略，从年化收益来看，GRU（19.07%）依旧排名第一，MLP（14.60%）和MCMC（15.26%）紧随其后，说明深度学习模型（GRU、MLP）和贝叶斯方法（MCMC）在金融市场中能够更有效地提取市场信号并转化为收益。从回撤、夏普比率和卡玛比率来看，GRU、MLP和MCMC在收益与风险控制之间的平衡性较好：回撤方面，MLP（0.75%）和MCMC（0.93%）的最大回撤最低，夏普比率方面，MLP（19.41）和GRU（18.63）的夏普比率最高，说明它们在风险调整后的收益表现最佳。
测试的模型呈现两类分布态势，但都类似“V”形形态，极致信号的胜率较高。从胜率分布看，大部分模型给出的预测信号与预测胜率的关系也呈“V”字型，即预测给出的信号越极致胜率通常较高，仅有SVM模型的胜率较为平均。故如果想提高胜率，可以考虑提高交易信号触发的门槛值，基于极致的概率条件进行决策，减少交易频率。也可以通过搭配atanh之类的策略使用反双曲正切函数来分配仓位，使得在信号极致时分配的仓位增量更多，提升策略盈亏比。
风险提示：历史数据的分布与未来不同，量化模型效率衰减，极端行情波动。
文章来源
本文摘自：2025年4月5日发布的《 债市择时多因子模型设计：从线性模型到深度学习》
唐元懋，资格证书编号：S0880524040002
亦可联系对口销售获取
重要提醒
本订阅号所载内容仅面向国泰海通证券研究服务签约客户。因本资料暂时无法设置访问限制，根据《证券期货投资者适当性管理办法》的要求，若您并非国泰海通证券研究服务签约客户，为保证服务质量、控制投资风险，还请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。我们对由此给您造成的不便表示诚挚歉意，非常感谢您的理解与配合！如有任何疑问，敬请按照文末联系方式与我们联系。
法律声明
本公众订阅号(微信号: GTHT RESEARCH )为国泰海通证券股份有限公司(以下简称“国泰海通证券”) 研究所依法设立、独立运营的唯一官方订阅号。其他机构或个人在微信平台上以国泰海通研究所名义注册的，或含有“国泰海通研究"，或含有与国泰海通证券研究所品牌名称相关信息的其他订阅号均不是国泰海通证券研究所官方订阅号。
本订阅号不是国泰海通证券研究报告发布平台，本订阅号所载内容均来自于国泰海通证券研究所已正式发布的研究报告，如需了解详细的证券研究信息，请具体参见国泰海通证券研究所发布的完整报告。
在任何情况下，本订阅号的内容不构成对任何人的投资建议，国泰海通证券也不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。
本订阅号所载内容版权仅为国泰海通证券所有，国泰海通证券对本订阅号保留一切法律权利。订阅人对本订阅号发布的所有内容(包括文字、影像等)进行复制、转载的，需注明出处为“国泰海通研究”， 且不得对本订阅号所载内容进行任何有悖原意的引用、删节和修改。
