利率择时定量方法的回顾：简要回顾了前期研究中基于微观市场行为（价量指标）和宏观经济基本面（宏观因子）的利率择时策略。技术指标策略反应敏捷，宏观因子策略逻辑稳健，两者互为补充。本篇报告进一步探索介于二者之间的中观维度——资金面因子。
　　资金面因子库的建立：系统构建了包含财政政策、参考利率、拆借利率、回购利率、央行操作等12大类、74个资金面细分指标的因子库。对指标进行了筛选、缺失值填补、滞后处理及差分转换，确保数据的可得性与平稳性。
　　单因子利率择时：在日频尺度上，通过滚动窗口回归模型对中债-国债总净价（7-10年）指数进行择时。实证显示，49个日频资金面因子均获得超额收益，其中同业存单发行利率、关键期限债券收益率及部分衍生品利率表现最优，验证了资金面因子对短期利率波动的预测能力。
　　多因子利率择时：构建了动态因子筛选与投票模型。日频多因子策略在回测区间内表现优异，年化收益率显著跑赢基准，其中11个因子的组合表现较好。然而，在月频尺度的尝试中，可能由于日频信号降频后的严重滞后与信息丢失，策略表现平平，表明资金面因子更适用于高频择时。
　　初步应用于利率债久期轮动：将11因子日频择时信号应用于久期轮动,选择7-10年国债总财富指数（CBA00651.CB）、1-3年国债总财富指数（CBA00621.CB）和中证货币基金指数（H11025.CSI）分别作为长债、短债、现金管理的投资标的，看多债市时持有长久期财富指数，看空时持有短久期财富指数或货币基金指数。相比于等权配置和简单买入持有长久期债券，轮动策略表现相对更优。
　　风险提示：本篇报告通过历史数据进行建模，但由于市场具有不确定性，模型仅在统计意义下有望获得良好投资业绩。资金面指标存在公布时间（滞后期）变化或停止更新风险。另外，本报告不构成任何投资建议。