数据喜忧参半，资金不松不紧，央行宽松也暂不明确，市场又进入纠结状态。怎么办？不妨看看模型怎么说。
　　大模型固然好，但逃不开“过拟合”问题，如果想从模型的准确性、稳健性和可解释性入手，机器学习也能提供较好结果。
　　结果怎么样？模型预测胜率77.44%，区间胜率61.90%，且正确区间平均长度39.62天，错误区间平均18.75天，说明模型具有良好的方向纠错能力。择时回报上，正确区间择时回报合计165.77bp，错误区间损失合计36.36bp，正确区间产生的最大回撤8.86bp。前瞻性上，我们的模型结果能平均提前5~10天捕捉到多空转换。
　　稳健性怎么样？为了检测更长周期模型择时能力的稳定性，我们剔除了一些发布时间较短的因子，将可用数据集拉长到2015年，重新训练出的模型在近10年的多轮债市周期中，同样表现出了较好的择时能力。
　　有哪些应用场景？该模型凭借其较好的利率择时能力，根据具体应用场景优化后，可以融入到债券投资策略、资产配置策略的构建，以及债券投资风险控制领域。
　　有哪些技术细节需要注意？在模型训练和使用中，模型参数需要由近期的数据训练得到，参数的有效期大约为2个月左右，超过时间模型输出结果会出现漂移（模型只输出看多或者看空，并不再变化），所以需要不断的滚动训练以更新模型参数；另外训练过程中，要谨慎的处理因子共线性问题。
　　风险提示：模型失效风险、因子失效风险、数据质量风险