不同宏观周期，决定YTM定价的要素存在较大的差异
　　在宏观周期的不同阶段，YTM定价的决定因素也会有所不同，例如2019年11月利率下降驱动YTM下行，2020年4月社融上涨驱动YTM上行，2023年9月经济增长上升是驱动YTM上行的关键因素。
　　为应对这一问题，我们尝试将主要的经济指标分为景气、通胀、利率、库存、信用五个维度，选取每个维度下合适的代理宏观经济指标，构建更为稳健的YTM预测框架。
　　基于决策树的宏观驱动债券策略构建
　　传统的宏观市场状态模型难以捕捉多维数据驱动的市场变化，决策树是一种强大的模型工具，特别适用于处理多个输入特征，它可以在多个数据指标上选择最佳的划分点，以对市场状态进行精准划分。通过考虑景气、通胀、利率、库存、信用等多个维度，决策树有助于捕捉不同经济指标之间的复杂关系。
　　对于所有样本内的数据，模型准确率为74.47%，所有样本外的数据预测准确率为72.86%，在样本外的2019年、2020年和2021年，模型准确率最高达到75.00%。根据模型预测的YTM变化选择不同类型的债券指数策略，2019年以来的现货年化收益率达到4.23%，最大回撤为-2.65%。
　　“决策树+”：结合赔率策略和宏观经济信号策略的组合策略
　　基于决策树的宏观经济策略旨在捕捉到在不同时间点上驱动YTM变动的各维度指标，从而预测YTM变动方向。而宏观经济信号策略则基于宏观经济指标是否为短期低点以及连续涨跌情况生成信号，更关注经济增长的趋势性变动和极端情形。
　　本文在基于决策树的宏观经济策略基础上，叠加了宏观经济信号策略，打造了“决策树+”策略。2019年以来，组合策略的现货年化收益率达到4.63%，最大回撤为-2.18%，相较于原方案，策略的收益和回撤表现均有所提升。
　　风险提示
　　本报告所有分析均基于公开信息，不构成任何投资建议；若市场环境或政策因素发生不利变化将可能造成行业发展表现不及预期；报告采用的样本数据有限，存在样本不足以代表整体市场的风险，且数据处理统计方式可能存在误差；市场存在一定的波动性风险；报告中结论均基于对历史客观数据的统计和分析，但过往数据并不代表未来表现。