核心观点
　　本文作为AI赋能债市投研的第三篇，聚焦于固收视角下的各类量化策略，并详细介绍现阶段多因子体系在债券市场的运用，以及曲线构建的具体流程和实际应用。
　　现阶段固收量化应用场景：
　　当前固收量化的核心框架聚焦于三大方向：1）宏观量化策略：以宏观经济指标与政策信号为输入，构建跨资产或单一固收品种配置模型，实现大类资产轮动与券种精选；2）多因子模型：挖掘利率、信用、流动性等维度有效因子，量化评估债券估值与风险收益特征，指导个券筛选与组合优化；3）收益率曲线构建：基于市场交易数据与定价逻辑，构建反映期限利差的精准曲线，为债券定价、风险对冲及久期管理提供核心基准。
　　固收多因子：
　　由于债券定价更依赖利差、久期和信用风险等因素，固收多因子体系往往聚焦在低波、价值、carry等几类因子。其中，低波因子能够捕捉低波动债券的超额收益。该超额收益主要源于投资者对高波动资产的过度定价（行为金融学视角）或隐性风险补偿不足；价值因子的核心逻辑是买入期权调整利差（option-adjusted spread，“OAS”）高于同类（同行业、同评级）债券，捕捉利差均值回归收益，与股票价值因子的“低价买入”逻辑一致；Carry因子基于“高票息资产长期跑赢”的逻辑，通过持有高期权调整利差债券获取稳定票息收益，本质是对信用风险的合理补偿。
　　风格维度，现阶段债券市场中的风格因子大致包含价值、动量、carry、防御的大类风格因子。
　　曲线构造：
　　曲线构造目的是从有限的市场报价中提取完整、平滑且符合市场一致性的零息利率或贴现因子曲线。由于金融市场上可直接观测的仅是部分工具的价格或收益率，曲线构造需要将这些离散点转化为连续期限结构，并确保在估值、对冲和风险管理中具备可操作性和稳定性。从构造流程来看，曲线构造通常包含自举法、插值、外推、验证等主要步骤。
　　风险提示
　　模型迭代升级、新功能开发可能会导致结论不同；模型结论仅供参考，可能出现错误答案的风险；AI幻觉生成虚构内容、误导内容的风险。