债市量化系列专题报告：如何优化量化模型的赔率与换手率，关键在仓位策略.pdf

债市量化系列专题报告：如何优化量化模型的赔率与换手率，关键在仓位策略。关于利率（或国债期货）涨跌的预测，市场上的一般量化框架为使 用0-1 分类模型对国债期货的涨跌方向进行预测，但在实际操作中不宜直接使用这种涨跌方向的预测。对比起模型对预测胜率的优 化，更重要的可能是量化体系中的仓位策略部分优化，即优化对预 测模型的每日利率0-1信号（或价格上行概率）如何映射到仓位的 模式。如可以考虑提高交易信号触发的门槛值或设置逐步加仓条 件，合理减少交易频率，也可以通过使用反双曲正切函数来分配仓 位，提升策略盈亏比的同时限制换手率。

本研究中测试的仓位策略包括：多空全仓策略作为基准。带门槛的 全仓策略，该策略的核心改进在于引入模糊区间过滤机制，带门槛 的逐步加仓，结合门槛值模型和渐进式的逐步加仓管理模式。连续 型交易策略将二值选择的概率信号转化为仓位调整信号，即将国债 期货价格的X%的上行概率，通过函数f(X%)映射至相应的仓位， 这可以将连续型的交易策略按照风险偏好类型划分为风险偏好型、 风险厌恶型和风险中性型，分别分配Sigmoid函数、Atanh函数和 线性函数等。

从测试结果看，首先，各类仓位策略的搭配非常重要，甚至能在模 型信号胜率保持不变时，提升整体模型-策略系统的表现，是一种事 半功倍的收益增厚方法。特别是在震荡市中，合理选择仓位策略的 增厚较为明显；其次，二值全仓策略在趋势明显时能高效捕获收益， 伴随较高波动与回撤风险，同时换手率和手续费消耗也较高；门槛 逐步加仓策略表现出较低的交易频率优势，降低了交易成本，但在 震荡市的收益捕获方面能力有限（配套LG模型为例外情况，表现 较佳）；再次，单一连续策略的优化在震荡市中表现出众，线性和 正态策略在多数模型上表现出较高的收益稳定性，而 Sigmoid、 Atanh 和Atanh-Sigmoid 策略在波动率控制方面具有显著优势，尤其 适合风险厌恶型投资者,特别是搭配Atanh类模型，在不同市场环境 下，GRU模型都展现出持续提升赔率表现的稳定性，而LG、SVM 等模型的策略优势则具有明显的环境依赖性；最后，从换手率和手 续费消耗看，单一连续型策略总的Sigmoid和Atanh等在震荡市下 都能较好的降低换手率和手续费消耗，表现不劣于逐步加仓策略。 但需要注意的是对期货而言，手续费的成本相对收益而言还是较低 的，在选择策略时，宜更加注重收益而非手续费消耗。