核心观点：
　　市场状态判断是我们施用不同策略的前提。比如在债市较为景气的时期，收益率呈现持续下行的态势，加久期和拉高杠杆是常用的有效套利策略，而当市场存在收益率上行压力的时候，将久期降低至合适的区间可以减小利率风险对组合回撤的影响。
　　在量化策略实现的过程中，买入卖出信号的触发阈值通常需要根据历史数据进行寻优，而切分市场状态后寻优得到的阈值通常能在针对性的市场中取得更好的表现。本文列举了三类常用的市场状态切割模型，其中基础分割模型基于涨跌分析和波动幅度分析，是较常用的市场状态分割方法；除此之外，压力测试中常用的分位数模型也可以从收益率变化的速率的历史分位数表现对历史样本进行切割；最后，基于货币周期和基本面周期的周期切分模型在解释债市大周期时的效果较好。我们以MACD方向判断模型为例，测试了这三种市场切割模型对模型方向判断胜率的增益效果，为了使得各模型平行可比，我们取10日为标准化区间。
　　首先在全样本情况下，我们以12年至19年的数据作为训练集，计算MACD指标在不同阈值下的60日后涨跌情况，考虑到14年是债市收益率的高点，此后每一轮利率高点的值都会低于上一轮峰值，因此为了标准化阈值寻优的过程，我们使用MACD值的百日所处分位数来替代原本的数值，通过评估不同阈值下的总体表现，我们将全样本下的最终的操作阈值设定为9%和62%，即当MACD在过去百日的分位数达到62%时，我们采取买入操作，在过去百日的分位数达到9%时，我们采取卖出操作。根据这一操作信号，20年以来，策略超额为23.7BP，其中买入信号胜率为50%，卖出信号胜率为64.3%。
　　接着我们引入三个市场分割模型，按照同样的方法在不同的市场状况下寻找更优的操作阈值。由于不同的市场分割模型可能会切割出不同数量的市场状态，因此我们在9%和62%全局最优的阈值的基础上，考虑在单个市场状态下进行正负1%-5%的阈值修正后，考察是否能提升策略的总体胜率与超额收益。
　　综合来看，三种市场切分模型均能对原始的操作信号产生有效的正向补充。根据测试区间的表现来看，基础分割模型的边际调优表现相比之下最弱，这可能是由于该模型基于两个高频维度（涨跌和波动）的切割使得同类市场之间的类别特性过弱，导致综合表现相对较差。分位数模型表现最好，根据测试区间的表现，该模型能相比全样本模型更有效地判断利率低点，这主要是由于21年下半年至22年初，利率呈现波段式下行的特征，而基于分位点生成的市场状态判断在此类行情中适用性较好；相比分位数模型，周期切分模型虽然也能一定程度上进行市场低点的判断，但由于债市的运行节奏和宏观因子的表现不完全同步，因此在左侧提示上，使用宏观经济周期切分的方法效果不如分位数模型好。
　　风险提示：经济表现超预期、宏观政策超预期、市场切割模型失效、量价指标失效

研究报告全文：TableMain证券研究报告固定收益专题2022年12月22日固定收益专题固定收益周报关于市场状态判断模型的探索证券分析师TableSummary徐亮投资要点资格编号S0120521060004邮箱xuliang3teboncomcn核心观点研究助理市场状态判断是我们施用不同策略的前提比如在债市较为景气的时期收益率呈现持续下行的态势加久期和拉高杠杆是常用的有效套利策略而当市场存在收益率上行压力的时候将久期降低至合适的区间可以减小利率风险对组合回撤的影响相关研究在量化策略实现的过程中买入卖出信号的触发阈值通常需要根据历史数据进行寻优而1从疫情防控政策调整及优化角1金地集团信用简评深耕高度看利率走势2022-12-14能级城市切分市场状态后寻优得到的阈值8月单月销售回暖通常能在针对性的市场中取得更好的表现本文列举了三2022919类常用的市场状态切割模型其中基础分割模型基于涨跌分析和波动幅度分析是较常用2较低的国债期货价格开始修复2的市场状态分割方法信用债周报20220815除此之外-压力测试中常用的分位数模型也可以从收益率变化的速2022-12-1220220819率的历史分位数表现对历史样本进行切割-2022822最后基于货币周期和基本面周期的周期切分3债券利率后续的节奏如何3保交楼进度如何模型在解释债市大周期时的效果较好2022816我们以MACD方向判断模型为例测试了这三种市2022-12-11场切割模型对模型方向判断胜率的增益效果为了使得各模型平行可比我们取10日为标4央行降息为什么准化区间20228155信用债周报20220808-20220812首先在全样本情况下我们以-202281412年至19年的数据作为训练集计算MACD指标在不同阈值下的60日后涨跌情况考虑到14年是债市收益率的高点此后每一轮利率高点的值都会低于上一轮峰值因此为了标准化阈值寻优的过程我们使用MACD值的百日所处分位数来替代原本的数值通过评估不同阈值下的总体表现我们将全样本下的最终的操作阈值设定为9和62即当MACD在过去百日的分位数达到62时我们采取买入操作在过去百日的分位数达到9时我们采取卖出操作根据这一操作信号20年以来策略超额为237BP其中买入信号胜率为50卖出信号胜率为643接着我们引入三个市场分割模型按照同样的方法在不同的市场状况下寻找更优的操作阈值由于不同的市场分割模型可能会切割出不同数量的市场状态因此我们在9和62全局最优的阈值的基础上考虑在单个市场状态下进行正负1-5的阈值修正后考察是否能提升策略的总体胜率与超额收益综合来看三种市场切分模型均能对原始的操作信号产生有效的正向补充根据测试区间的表现来看基础分割模型的边际调优表现相比之下最弱这可能是由于该模型基于两个高频维度涨跌和波动的切割使得同类市场之间的类别特性过弱导致综合表现相对较差分位数模型表现最好根据测试区间的表现该模型能相比全样本模型更有效地判断利率低点这主要是由于21年下半年至22年初利率呈现波段式下行的特征而基于分位点生成的市场状态判断在此类行情中适用性较好相比分位数模型周期切分模型虽然也能一定程度上进行市场低点的判断但由于债市的运行节奏和宏观因子的表现不完全同步因此在左侧提示上使用宏观经济周期切分的方法效果不如分位数模型好风险提示经济表现超预期宏观政策超预期市场切割模型失效量价指标失效请务必阅读正文之后的信息披露和法律声明固定收益专题内容目录1不同场景下的常用市场状态分割方法42市场状态分割对择时指标的优化73风险提示12信息披露13213请务必阅读正文之后的信息披露和法律声明固定收益专题图表目录图110Y国债收益率2002年以来的基础市场状态分割结果单位5图2基于10日收益率变化速率的市场切割单位6图3工业增加值当月同比的12月平滑结果及6M均线单位6图4DR007利率及6M均线单位6图5基于货币周期和基本面周期的市场分割单位7图610Y国债YTM及10日MACD单位8图710Y国债YTM及根据相应阈值生成的操作信号单位9图810Y国债YTM及基础分割模型下的操作信号单位10图910Y国债YTM及分位数模型下的操作信号单位11图1010Y国债YTM及周期切分模型下生成的操作信号单位11表1指标说明4表2指标说明5表3指标说明6表4基于12年至19年数据的MACD百日分位数阈值寻优单位8表5市场分割模型与操作阈值10313请务必阅读正文之后的信息披露和法律声明固定收益专题1不同场景下的常用市场状态分割方法市场状态判断是我们施用不同策略的前提比如在债市较为景气的时期收益率呈现持续下行的态势加久期和拉高杠杆是常用的有效套利策略而当市场存在收益率上行压力的时候将久期降低至合适的区间可以减小利率风险对组合回撤的影响在量化策略实现的过程中买入卖出信号的触发阈值通常需要根据历史数据进行寻优而切分市场状态后寻优得到的阈值通常能在针对性的市场中取得更好的表现本文列举了三类常用的市场状态切割模型并以MACD方向判断模型为例测试了这三种市场切割模型对模型方向判断胜率的增益效果为了使得各模型平行可比我们取10日为标准化区间基于涨跌分析和波动幅度分析基础上的基础分割模型是较常用的市场状态分割方法我们以中债国债10年期收益率曲线为基础以10日为测算区间生成涨跌幅和波动率两个评估指标并以此作为基准将曲线历史数据分割为了5个状态震荡态为起始时期的默认基础值为了避免市场状态切换过快只有当连续5个交易日均判定为新的市场状态时市场状态才会更新否则延续上一日的市场状态表1指标说明指标名称计算说明涨跌幅中债国债10Y收益率的10日涨跌幅度波动率中债国债10Y收益率的10日滚动波动率涨跌幅大于等于阈值其历史45分位数的绝对值和55分位数绝对值中的较大者波动率大熊陡于等于其历史50分位数涨跌幅大于等于阈值其历史45分位数的绝对值和55分位数绝对值中的较大者波动率小熊平于其历史50分位数涨跌幅小于阈值其历史45分位数的绝对值和55分位数绝对值中的较大者波动率大于等牛陡于其历史50分位数涨跌幅小于阈值其历史45分位数的绝对值和55分位数绝对值中的较大者波动率小于其牛平历史50分位数震荡态不属于上述四种状态的其他情况基础默认值资料来源德邦研究所从基础市场状态分割的结果来看使用涨跌幅和波动率的分割方式在市场趋势性较强的时候能对市场状态进行较有效的判断但在市场偏震荡的时期比如11年底16年初及22年市场状态切换频率过快导致该种方法在后市方向判断上的有效性较差即这些时期的基期市场状态为基准测试的阈值在预测时由于市场状态变化方向判断模型的有效性可能会有一定的下降413请务必阅读正文之后的信息披露和法律声明固定收益专题图110Y国债收益率2002年以来的基础市场状态分割结果单位资料来源Wind德邦研究所除了基于涨跌分析和波动幅度分析基础上的统计归类外压力测试中常用的分位数模型也可以从收益率变化的速率的历史分位数表现对历史样本进行切割我们先计算10Y国债收益率的10日变动接着以其在过去100天内的不同分位数区间将样本进行切割为5个状态同样为了避免市场状态切换过快只有当连续5个交易日均判定为新的市场状态时市场状态才会更新否则延续上一日的市场状态表2指标说明指标名称计算说明涨跌幅中债国债10Y收益率的10日涨跌幅度快速上行涨跌幅在过去100天内处于80-100分位数普通上行涨跌幅在过去100天处于60-80分位数快速下行涨跌幅在过去100天处于0-20分位数普通下行涨跌幅在过去100天处于20-40分位数震荡态涨跌幅在过去100天处于40-60分位数基础默认值资料来源德邦研究所由于该方法仅基于收益率变化速率所处的历史分位数情况对样本进行切割因此其稳定性较差比如收益率快速上行时期既有可能出现在利率快速上行的趋势性行情中也有可能出现在利率快速下行后的反转性行情中同时虽然经过了一定的稳定性处理连续5日同信号变更但每段市场表现的持续期较短容易频繁发生市场状态切换513请务必阅读正文之后的信息披露和法律声明固定收益专题图2基于10日收益率变化速率的市场切割单位资料来源Wind德邦研究所除了根据收益率变化特征外基于货币周期和基本面周期的周期切分模型在解释债市大周期时的效果较好我们分别以工业增加值的同比变化和DR007的20日均值反映基本面和货币面这两个驱动债市的主要因素对于工业增加值同比考虑到1月和2月春节效应的影响曲线上会存在明显的跳点因此我们取12月复合增速作为12月的总增速对当年1月和2月的工业增加值进行平滑处理同时考虑到20年春节的疫情冲击我们将20年和21年增速也做平滑处理最后以6个月均线的变化来反映基本面的方向对于DR007我们同样使用6M均线来反映货币面的变化方向图3工业增加值当月同比的12月平滑结果及6M均线单图4DR007利率及6M均线单位位资料来源Wind德邦研究所资料来源Wind德邦研究所通过结合基本面方向和资金面方向的变化我们可以得到4种组合分别对应不同情况下的债市运行背景其中由于工业增加值为月度数据只要连续2期出现同向变化我们就会更新基本面方向DR007的120交易日6M均线则沿用连续5期的判断逻辑表3指标说明指标名称计算说明基本面方向对12月平滑处理后的工业增加值同比的6M均线波动方向连续2期判断资金面方向DR007利率的6M均线波动方向连续5期判断紧货币高景气基本面方向上行资金面方向上行紧货币低景气基本面方向下行资金面方向上行613请务必阅读正文之后的信息披露和法律声明固定收益专题宽货币高景气基本面方向上行资金面方向下行宽货币低景气基本面方向下行资金面方向下行资料来源德邦研究所虽然基于基本面方向和资金面方向变化的市场分割能从理论角度对债市运行背景进行较好的分类但实际场景中影响市场变化的因素很可能是复合性质的即多因素共同影响的结果比如理论上在紧货币同时高景气的环境下债市利率上行的趋势会较强但在06年10年等时刻我们观测到了这种环境下债市利率仍有明显下行的情况图5基于货币周期和基本面周期的市场分割单位资料来源Wind德邦研究所2市场状态分割对择时指标的优化虽然各类市场分割方法均具有一定的局限性但不可否认的是这些方法均将历史样本按照一定的特征进行了分类在这些市场分割方法的应用场景上即择时指标的学习区间选择时通过加入市场分割模型后通常能有效提高指标的胜率我们以泛用性较高的MACD指标的10日趋势反转信号为测试对象该指标首先生成10日和20日均线接着通过观测短线和长线的差值情况生成观测指标当MACD指标过高时代表市场短期上升动能过强后市存在利率下行的可能性当MACD指标过低时代表市场短期下降动能过强后市存在利率上行的可能性713请务必阅读正文之后的信息披露和法律声明固定收益专题图610Y国债YTM及10日MACD单位资料来源Wind德邦研究所首先在全样本情况下我们以12年至19年的数据作为训练集计算MACD指标在不同阈值下的60日后涨跌情况考虑到14年是债市收益率的高点此后每一轮利率高点的值都会低于上一轮峰值因此为了标准化阈值寻优的过程我们使用MACD值的百日所处分位数来替代原本的数值并以不同的分位数区间计算其方向胜率以不同的高分位数阈值生成买入信号以不同的低分位数阈值为卖出信号同时在一段区间内如果连续触发了同向信号以连续的交易日为判定基准则以第一个信号为准剔除后续的同向信号表4基于12年至19年数据的MACD百日分位数阈值寻优单位买入卖出阈值超额收益BP买入概率买入胜率卖出概率卖出胜率总胜率6298879169531316370976190737883912658331267083645863985516953131637097619070785231265833126750066676498519169531316370976190677844413256001266667612271784081265833126750066677278397126583312670836458747837612658331267083645868781991325600126708363276978199132560012670836327627812113256001266667612266780841325600126666761226477727132560012666676122657772713256001266667612263777261325600126666761226267541111523810565005854739734915860001587333666764671471115238105650058546567147111523810565005854资料来源Wind德邦研究所我们测试了在以5-40分位数为卖出阈值以及60-95为买入阈值下的总收813请务必阅读正文之后的信息披露和法律声明固定收益专题益信号出现概率与方向胜率情况通过选取其中买入卖出胜率均高于50并能获取最高超额收益的组相比始终持有1单位10Y国债的资本利得我们将最终的操作阈值设定为9和62即当MACD在过去百日的分位数达到62时我们采取买入操作在过去百日的分位数达到9时我们采取卖出操作图710Y国债YTM及根据相应阈值生成的操作信号单位资料来源Wind德邦研究所最后我们基于12年至19年区间寻优得到的阈值生成操作信号自20年开始根据信号进行买入卖出操作如果触发触发买入信号则组合持仓1单位10Y国债如果触发卖出信号则组合不持仓20年以来组合累计获取资本利得50BP而基准即始终持有1单位10Y国债则累计获取了2629BP的资本利得即根据此阈值操作后的策略超额为237BP其中买入信号胜率为50卖出信号胜率为643接着我们引入三个市场分割模型按照同样的方法在不同的市场状况下寻找更优的操作阈值由于不同的市场分割模型可能会切割出不同数量的市场状态因此我们在9和62全局最优的阈值的基础上考虑在单个市场状态下进行正负1-5的阈值修正后考察是否能提升策略的总体胜率与超额收益比如在第一类基础分割模型中我们对于熊平牛陡等5种市场状态均做了边际尝试比如熊平信号3代表仅在熊平市场中修正阈值买入卖出阈值分别上浮3即以65和12作为熊平市场下的买入卖出阈值而其他市场状态下沿用62和9的操作阈值我们选取了各市场状态下边际调整阈值后能获取更高超额阈值来代表各市场切割模型对原始模型的增益效果在对12年至19年全样本使用62和9的操作阈值后后能获取8879BP的超额收益我们以此为限挑选超额收益高于此的边际调优阈值其中在基础分割模型中将熊平市场状态下的买入卖出阈值分别上修3个百分点后在测试区间能获取9492BP的超额收益相对表现最好913请务必阅读正文之后的信息披露和法律声明固定收益专题表5市场分割模型与操作阈值边际增量超额收益市场分割模型市场状态买入概率买入胜率卖出概率卖出胜率总胜率BP基础分割模型熊平39492179441217472735821基础分割模型牛陡-49186179441217970595735分位数模型震荡态59302174424216971885692分位数模型普通上行-59162179441217472735821分位数模型快速下行39140179441217970595735周期切分模型宽货币低景气38949184400018471435571资料来源Wind德邦研究所在基础分割模型中我们将市场划分为熊平熊陡牛陡牛平和震荡态五种状态后挑选12至19年内边际调优效果最好的市场状态作为操作状态考虑到熊平市场的发生概率偏低我们使用次优方案即牛陡市场中的最优值在该市场状态下买入阈值降低4卖出阈值增加4我们据此进行20年以来的买入卖出操作即只有在牛陡市场中使用58和13作为买入卖出阈值其他市场中使用62和9的阈值相比原始策略下三角根据边际调优后的阈值操作后在21年1月收益率点位偏高的时候提前买入减小了一定的损失从而相比基准状态全样本使用62和9的操作阈值使用基础分割模型优化后20年以来超额收益2778BP增加了4BP的收益买入卖出胜率分别为50和643和基准一致图810Y国债YTM及基础分割模型下的操作信号单位资料来源Wind德邦研究所在分位数模型中我们将市场划分为普通上行快速下行震荡态普通下行和快速上行5种市场状态其中震荡态的买入卖出阈值增加5后能在测试区间内获取最好的表现我们使用同样的方法生成操作阈值结果显示在20年9月21年11月和22年1月等几个利率低点的时候新的卖出信号均能进行有效提示该模型切割后能获取34BP的超额收益增加了10BP的收益买入卖出方向胜率分别为5625和6875均高于全样本模型1013请务必阅读正文之后的信息披露和法律声明固定收益专题图910Y国债YTM及分位数模型下的操作信号单位资料来源Wind德邦研究所在周期切分模型中我们将市场划分为宽货币低景气紧货币高景气紧货币低景气和宽货币高景气4种市场状态我们以同样的方式在宽货币低景气的买入卖出阈值上增加3的操作阈值在21年11月和22年1月等几个利率低点的时候同样能给出较有效的操作信号20年以来累计超额收益28BP相比全样本基准增加了43BP买入卖出方向胜率分别为53和667图1010Y国债YTM及周期切分模型下生成的操作信号单位资料来源Wind德邦研究所综合来看三种市场切分模型均能对原始的操作信号产生有效的正向补充根据测试区间的表现来看基础分割模型的边际调优表现相比之下最弱这可能是由于该模型基于两个高频维度涨跌和波动的切割使得同类市场之间的类别特性过弱导致综合表现相对较差分位数模型表现最好根据测试区间的表现该模型能相比全样本模型更有效地判断利率低点这主要是由于21年下半年至22年初利率呈现波段式下行的特征而基于分位点生成的市场状态判断在此类行情中适用性较好相比分位数模型周期切分模型虽然也能一定程度上进行市场低点的判断但由于债市的运行节奏和宏观因子的表现不完全同步因此在左侧提示上使用宏观经济周期切分的方法效果不如分位数模型好1113请务必阅读正文之后的信息披露和法律声明固定收益专题3风险提示经济表现超预期宏观政策超预期市场切割模型失效量价指标失效1213请务必阅读正文之后的信息披露和法律声明固定收益专题信息披露分析师与研究助理简介徐亮德邦证券研究所固定收益首席分析师国债期货投资策略与实务作者2020年新财富入围团队成员2020年云极十大讲师擅长宏观利率利率衍生品和大类资产配置等研究分析师声明本人具有中国证券业协会授予的证券投资咨询执业资格以勤勉的职业态度独立客观地出具本报告本报告所采用的数据和信息均来自市场公开信息本人不保证该等信息的准确性或完整性分析逻辑基于作者的职业理解清晰准确地反映了作者的研究观点结论不受任何第三方的授意或影响特此声明投资评级说明1Table投资评级的比较和评级标准RatingDescription类别评级说明以报告发布后的6个月内的市场表买入相对强于市场表现20以上现为比较标准报告发布日后6个股票投资评增持相对强于市场表现520月内的公司股价或行业指数的级中性相对市场表现在-55之间波动涨跌幅相对同期市场基准指数的涨减持相对弱于市场表现5以下跌幅2市场基准指数的比较标准优于大市预期行业整体回报高于基准指数整体水平10以上A股市场以上证综指或深证成指为基行业投资评中性预期行业整体回报介于基准指数整体水平-10与10之间准香港市场以恒生指数为基准美级国市场以标普500或纳斯达克综合指弱于大市预期行业整体回报低于基准指数整体水平10以下数为基准法律声明本报告仅供德邦证券股份有限公司以下简称本公司的客户使用本公司不会因接收人收到本报告而视其为客户在任何情况下本报告中的信息或所表述的意见并不构成对任何人的投资建议在任何情况下本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任本报告所载的资料意见及推测仅反映本公司于发布本报告当日的判断本报告所指的证券或投资标的的价格价值及投资收入可能会波动在不同时期本公司可发出与本报告所载资料意见及推测不一致的报告市场有风险投资需谨慎本报告所载的信息材料及结论只提供特定客户作参考不构成投资建议也没有考虑到个别客户特殊的投资目标财务状况或需要客户应考虑本报告中的任何意见或建议是否符合其特定状况在法律许可的情况下德邦证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易还可能为这些公司提供投资银行服务或其他服务本报告仅向特定客户传送未经德邦证券研究所书面授权本研究报告的任何部分均不得以任何方式制作任何形式的拷贝复印件或复制品或再次分发给任何其他人或以任何侵犯本公司版权的其他方式使用所有本报告中使用的商标服务标记及标记均为本公司的商标服务标记及标记如欲引用或转载本文内容务必联络德邦证券研究所并获得许可并需注明出处为德邦证券研究所且不得对本文进行有悖原意的引用和删改根据中国证监会核发的经营证券业务许可德邦证券股份有限公司的经营范围包括证券投资咨询业务1313请务必阅读正文之后的信息披露和法律声明