2025年金融工程深度研究：技术分析视角下的利率趋势择时体系

本文研究概览

利率进入阶段性震荡行情，基于技术面的择时体系更具市场适应性

利率择时策略的核心目标是通过精准捕捉市场利率的趋势性变化，实现对债券资产的收益 增强。我们在 2024 年 8 月研发了利率债的久期轮动策略（《利率曲线预测与利率债久期轮 动策略》（2024-08-09）、《基于远期利率和宏观数据的久期轮动》（2024-08-29）），基于利 率基本面以及宏观经济周期的深度分析，通过在不同市场状态下，动态配置不同久期的债 券资产，以获取超额收益。策略在近半年的实盘运行中，整体表现较为有效。 随着市场环境的变化，久期轮动策略的局限性也逐渐显现。2021 年以来，国内利率市场快 速下行，10 年期国债收益率从 2021 年初的 3.3%下降至 1.7%。从 2024 年四季度以来，随 着货币政策边际收紧以及经济复苏动能的持续修复，利率单边下行趋势减缓，波动中枢上 移，未来一段时间内，利率市场延续区间震荡走势的可能性较大。在此背景下，月频调仓 的久期轮动模型在应对市场风格快速变化时可能面临挑战，当利率在短周期内出现大幅波 动时，由于信号偏低频，策略可能难以及时捕捉阶段性的交易机会，从而导致部分时期组 合超额收益的回撤较为明显。 针对低利率环境下市场风格的切换，技术分析方法的时效性优势得以充分显现。基于市场 量价信息构建的技术面指标能够实时监测市场的短期情绪变化，提供更及时的择时信号支 持。本研究从技术分析的视角构建利率择时框架，作为传统久期轮动策略的重要补充。通 过多维度信号的复合优化，动态捕捉阶段性交易机会，形成更具市场适应性的利率择时指 标体系。

在前期报告《债券 ETF：市场概况与投资策略简介》（2025-02-21）中，我们对利率择时策 略进行了初步的探索，例如，当 30 年期国债收益率在过去 40 个交易日持续下行时，动量 指标发出“看多”信号，提示投资者利率可能继续下行，进而增加长久期资产配置。不同 类型和窗口的动量指标能够从不同角度捕捉利率的变化趋势，通过将它们进行复合，可以 综合多个指标的优势，形成更全面、更准确的预测信号。

策略方案简介：复合趋势信号构建和多场景策略应用

在利率债市场量化研究领域，动量效应在利率市场的有效性已被广泛验证。趋势动量指标 在利率走势预测上具有一定的有效性。动量效应是指资产价格的趋势性延续现象，即“过 去一段时间表现好的资产，未来一段时间大概率继续表现好；表现差的资产则可能持续表 现差”。在利率市场中，动量指标通过计算收益率的历史变化趋势（如计算不同时间窗口的 利率变化幅度、移动平均、相对强度等），识别趋势的方向与强度。 本研究将不同类型的动量指标进行融合，提升预测结果的稳健性。短期动量通常对市场情 绪变化反应敏感，但调仓频率较高，更容易受到市场的噪声扰动影响，从而胜率可能偏低； 中长期动量通常有较高胜率，但信号变动存在一定延迟。本研究将两类动量指标进行结合， 在胜率和信号灵敏度之间取得平衡。策略核心框架如下所示，主要分为四个环节。

首先是底层序列选取，主要在目标利率上（10 年期国债到期收益率）计算指标，同时基于 资金面“短期波动向长期传导”的机制，补充纳入 R007、Shibor1 周等短期利率品种，用 于初始动量指标的计算。在指标计算环节中，由于部分短期利率的波动较大，需要先通过 移动平均等方式进行平滑处理，降低噪声干扰。然后从不同维度构建动量指标，涵盖均线 类、通道类、动量震荡型等不同类型，全面捕捉利率趋势特征。最后进行信号识别，采用 与 0 对比、正负值对比以及固定值通道突破三种方式设定阈值规则，精准识别交易信号。 对所有备选指标进行回测，统计调仓频率、平均持仓天数等参数，我们可以对原始动量信 号进行初步过滤，剔除信号过于频繁或稀疏的无效指标；然后将备选指标按周期划分为长、 短周期两组，分别进行指标分组筛选，突出不同周期动量指标的表现差异；再从短窗口和 长窗口指标中各选出一组有效指标，通过等权方式分组合成综合指标。引入动态控制系数， 将长短周期综合指标加权求和，生成复合趋势指标，实现多周期动量信息的融合。 该策略框架具有较好的适应性，可灵活应用于多类固定收益品种，包括 10 年期国债、5 年 期地方债等不同期限的利率品种，适配固定收益市场的利率定价逻辑。策略在现券市场、 债券 ETF 以及国债期货等不同场景中均能实现有效应用。 以中债国债总财富（7-10 年）指数和中债国债总财富（1-3 年）指数作为底层资产，在 10 年期国债到期收益率上计算复合趋势指标，构建轮动策略。动量指标判断 10 年国债利率下 行 时 ， 买 入 长 久 期 债 券 指 数 ， 反 之 买 入 短 久 期 债 券 指 数 。 策 略 在 回 测 期 间 （2014.1.2-2025.5.30），年化收益率为 6.10%，最大回撤为 2.61%，和基准指数相比有显 著改善。

利率趋势信号计算框架：常用指标整合和结构化设计

底层资产以目标利率序列为主，引入短期利率作为补充

债券的到期收益率是定价过程中的核心参数，直接反映了市场对未来利率的综合预期。到 期收益率的上行与下行，本质上是市场对货币政策、通胀预期、经济增长等核心变量的定 价结果，其变动方向与债券价格呈反向关系。和债券市场价格指标相比，利率序列的经济 含义更为纯粹，减少了市场噪声的干扰。 短期利率是央行货币政策的“先行指标”，比如 R007、Shibor1W、3 个月国债收益率等， 其变动通常相对于长期利率存在领先性，这是因为资金面有短期到长期的传导过程。央行 通过 MLF、逆回购等工具调节短期流动性，首先影响银行间市场利率（R007、DR007 等）， 随后商业银行根据短期资金成本调整存贷款利率，进而影响企业中长期融资需求，最终作 用于长期债券收益率，因此短期利率的动量指标可以成为长期趋势的有效领先信号。

本研究以 10 年期国债到期收益率作为预测目标，采用多只利率序列作为计算动量指标的基 础数据，包括 10 年期国债利率，此外加入部分短期利率，包括 3 个月国债利率、R007、 Shibor:1 周、Shibor:3 个月。 针对不同的预测目标，一般来说需要采用差异化的指标以及参数组合。由于各期限利率（如 2 年、5 年、10 年、30 年等）的驱动因素与波动特性存在较大差异，走势特征也不相同， 因此在新品种上应用动量指标时，需要重新进行测试以确定适配的动量指标类型以及参数 体系。

对常用技术面指标进行整合，构建标准化指标计算框架

不同的技术指标构建方式上存在一定的共性，我们对常用的各类趋势指标进行整理，形成 标准化的信号计算流程，包括备选资产筛选、数据预处理、基础指标计算、信号识别四个 环节。 由于部分短期利率序列易受到噪声项的扰动（如节假日资金面波动、异常交易冲击等），需 对原始数据进行平滑处理。由于平滑预处理环节并非本研究的测试重点，我们只采用简单 的短窗口移动平均（3、5、10 日均线）来实现降噪。

本研究对 TA-Lib 指标库进行了筛选整合，针对利率择时场景进行优化和调整，构建出较为 系统的动量指标测试框架。TA-Lib 是比较热门的技术指标库，在 0.6.3 版本中，共有 161 个可用函数，划分为 10 个类别，其中动量指标和趋势类指标相对常用。

移动平均线之间的区别在于加权方式，仅选取具有代表性的均线类型作为基础指标

移动平均是通过对完整数据集的不同子集取平均来分析数据点的一种计算方法，通常用于 平滑短期波动并凸显长期趋势或周期，是常见的数据平滑处理方法。不同均线的核心区别 在于加权方式，比如简单移动平均（SMA）对窗口内所有数据等权重平均，指数移动平均 （EMA）中的权重项呈现几何级数衰减，对近期数据赋予较高权重等。

对于权重或窗口长度可变的自适应均线，也可以借助上述拟合方法，考察均线在给定的时 间窗口下的权重系数特征。

基于不同的权重系数分布，可以快速生成大量的均线指标。但是各类指标的回测表现可能 存在显著分化，对于权重系数的选择也是比较难以解决的问题，过度复杂的权重设计不仅 可能引发参数敏感性问题，还会增加策略过拟合风险。本报告主要聚焦于规避过拟合风险 的研究视角，在指标池构建环节采用审慎筛选的方式，仅选取具有典型代表性的普通移动 平均（SMA）和指数移动平均（EMA）作为基础指标。

对通道类指标进行标准化，以应用于结构化指标框架

本研究选取布林带（BOLL）和 RSV 分位数通道作为基础指标，在构建结构化动量指标框 架时，为了适配后文中的信号识别方式，对通道类指标需要进行标准化处理，将通道上下 轨的相对位置进行统一。

对不同动量指标进行优化筛选并入选独立指标

不同的技术指标可能具有同质化的情况，在实际应用中，需要关注基础指标的重复性问题， 从市场逻辑和数理关系层面考察指标之间的联系，剔除相关性强的重复指标。在其他类型 的动量指标中，本研究选取钱德动量摆动指标（CMO）和普通动量（MOM）作为基础指标。

根据不同的信号识别方式，将原始指标值转换为多空信号

在信号识别环节中，将连续型指标值转化为离散型多空信号，在本报告中主要采用下面三 种方式： （1）和 0 对比：指标值直接与 0 对比，可应用于 MOM、CMO 等指标，指标值由正转负 表示利率处于下行趋势，生成多头信号，反之生成空头信号。

分组筛选长短周期信号并进行结合，形成多周期复合趋势指标

利用上文所述的信号计算框架，系统性地遍历全周期时间窗口（5 日至 250 日期间的主要 窗口长度），生成大量备选信号池。不同窗口周期的信号呈现出显著异质性，可以采用长短 周期信号的分层筛选方法，针对短周期（5 日-60 日）与长周期（60 日-250 日）信号的差 异化特征，分别构建独立的技术指标池，最后将两组指标进行复合。这种方法可以将短周 期信号的市场敏感性与长周期信号的趋势稳定性进行有效融合，对利率择时提供多维度视 角。

不同频率的信号存在互补性，分别构造长短周期综合指标

不同窗口长度的技术指标特征差异显著。短周期指标（如 10 日移动平均线）反应快速，可 能带来较高收益，但调仓频率较高，胜率通常较低；长周期指标（如 40 日布林带）则相 反，胜率较高、调仓频率低，但反应滞后且可能收益偏低。对于前文所述的备选指标池， 根据历史回测的年化收益和胜率进行筛选，将指标分为短周期组和长周期组。 短周期指标组最终纳入 7 项子指标，所选时间窗口覆盖 5 日至 60 日区间，对应较高的调仓 频率，以及更低的信号滞后时间。入选指标采用不同的基础动量指标类型，实现分散化布 局，从多角度刻画利率市场的动量效应特征。

长周期指标组最终筛选出 5 项子指标，时间窗口设置在 20 日至 250 日区间，延续短周期组 的分散化的基础指标筛选逻辑，通过长周期视角捕捉利率序列的趋势特征。下面是具体参 数及计算方法。

每个子指标观点为看多时打分为+1，看空时打分为-1。分别把上面两组的子指标的得分求 和，计算出短周期综合指标（SPI）和长周期综合指标（LPI）。 短周期综合指标以及子指标的回测表现如下所示。回测区间为 2014-01-02 至 2025-05-30， 根据 10 年期国债利率模拟计算出对应的零息债价格，在零息债序列上进行测试，不考虑交 易成本。 短周期指标的信号变化频率较高，平均每年调仓次数为 15 次。由于指标采用的时间窗口普 遍较短，信号具备更强的即时响应能力，但同时也伴随较多噪声干扰，信号错误率上升， 从而调仓胜率偏低。

长周期综合指标以及子指标的回测表现如下所示，参数设置同上。相对来说，长周期指标 组的调仓频率更低，平均每年调仓次数为 5 次，信号对长期动量趋势的捕捉更为稳健，有 效过滤短期波动干扰，调仓胜率相对更优。

将不同周期的技术指标进行复合，信号兼具低延迟和较高胜率

复合趋势指标 10 年国债有较好的择时表现。在利率具有明确趋势的时期，指标可以精准捕 捉到利率方向，同时指标引入短周期动量，还能反映出市场情绪的短期变化。在历史上的 利率上行周期中，比如 2011 年、2013 年、2016-2017 年、2020 年等时期，动量指标均能 及时识别信号并切换至看空观点，表现出较好的风险识别能力。

复合后的动量指标具有较好的分层特性，其数值大小可以反映市场趋势的强弱程度，对于 利率趋势的判断具有参考价值。对未来 10 日和 20 日的国债收益率进行统计，不同区间的 指标值呈现出单调性特征。当动量指标处于高位区间时，表明底层多数子指标对利率下行 具有较为一致的多头观点，此时利率往往具有较强的动量效应。

策略在不同市场均较为有效，多策略融合提升收益水平

利率趋势信号在多场景下表现出广泛有效性

动量效应长期存在于国内利率市场，不易因市场结构变化而显著衰减，根据利率动量效应 构建择时信号体系，在不同市场环境中均有较为稳健的表现。我们针对不同的场景分别构 建策略开展回测，验证策略在不同久期、不同市场工具中的适用性。 根据 10年期国债利率计算零息债序列，在择时测试中，利率动量择时策略年化收益为 4.14%， 高于基准指数，最大回撤也大幅收窄。策略通过动态识别利率趋势，在提升组合收益的同 时，有效控制了下行风险，实现了风险收益特征的显著提升。

在不同期限的品种上进行轮动，选择中债国债总财富（7-10 年）指数作为长久期资产，中 债国债总财富（1-3 年）指数作为短久期资产，利率择时信号对十年国债给出多头观点时， 策略配置长久期资产，反之配置短久期。策略在回测期间的年化收益为 6.10%，最大回撤 为 2.61%，和 7-10 年指数相比均有显著提升。

信号在期限为 10 年以上的国债品种上也表现出较强的有效性，在中债国债总财富（10 年 以上）指数和中债国债总财富（1-3 年）指数上构建轮动策略，回测期间策略年化收益为 10.65%，最大回撤为 5.69%。长久期债券价格对于利率变动更为敏感，信号在该类资产中 的有效应用可以带来更为显著的收益波动。

信号可以应用于债券 ETF 市场，短久期资产采用短融 ETF，长久期资产分别选择政金债券 ETF 和 30 年国债 ETF，均可以取得较好的效果。在债券 ETF 上进行回测，考虑 0.03%的 交易手续费。利用择时信号在政金债券 ETF 和短融 ETF 上进行轮动，策略的年化收益为 6.63%，最大回撤为 3.60%；在 30 年国债 ETF 上进行回测，策略的年化收益为 10.71%， 最大回撤为 5.16%。

与其他利率择时策略进行结合，进一步扩展收益来源

利用宏观基本面信息可以实现对利率市场的有效预测。我们构建高频宏观经济活动指标库， 主要纳入频率为日频和周频、发布稳定而且及时、统计口径比较稳定的指标。除 PMI 类指 标通过和去年同期简单比较高低之外，其他指标我们分别采用 7 天、28 天、364 天简单移 动平均或者指数移动平均（指标后标记 1W、1M、1Y）开展平滑去噪后，再通过多组双均 线系统给出择时信号。传统的双均线择时只有一组参数，但根据我们的经验，对于大多数 资产，每年最优的双均线参数都是变化的，追求参数寻优很容易导致过拟合问题。对此， 多组双均线系统放弃参数寻优，而是把常见的双均线参数组合进行遍历，通过“金叉”或 “死叉”的比例来判断多空，以应对被择时对象的噪声、降低参数敏感性。具体来说，我 们取： (1) 短均线窗长范围：1/5/10/15/20； (2) 长均线窗长范围：5/10/15/20/30/40/60/90/120/180/250； (3) 长均线窗长必须大于短均线窗长，共计 45 组参数。

统计单指标择时信号的胜率和赔率情况，确定最终入选宏观择时体系的指标如下，其中 R007 和成交量:银行间质押式回购与国内的利率传导机制有关，水泥发运率、铜金比 （COMEX 铜/COMEX 黄金）和南华工业品指数都与中国实体经济景气度相关。

将上述指标的得分相加，最终得分介于-5 到+5 之间。若最终得分≥+1，满仓国债；若最终 得分≤-1，清仓国债；最终得分等于 0 或者±0.5 是缓冲区，缓冲区维持先前状态，设置缓 冲区的目的是为了降低开仓频率、避免“今天满仓，明天清仓；后天满仓，大后天清仓” 的情况。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）