已有债券基金久期指标介绍：
　　（1）利率敏感性久期：最接近基金组合真实久期，但更新频率为半年度。
　　（2）重仓债券久期：通过基金产品每季度公布的前五大持仓债券的久期进行计算得到，更新频率提高至季度，但无法完全代表整个基金组合久期。
　　高频久期绝对值测算方法——分阶段加权回归法，提高基金久期跟踪准确度
　　（1）回归法估算基金久期的原理和一般线性回归法存在的问题：回归法基于多因子模型的线性分解思想对债券基金久期进行跟踪，但一般线性回归法存在多重共线性、噪声、结果时效性等问题，因此采用分阶段加权回归法进行改进。
　　（2）样本选择：通过剔除非初始基金、非市值法估值的基金、定开类基金、“固收+”类基金得到债基样本，按照期限、持仓两个维度进行分类，并在中债指数中筛选出7大指数用于回归分析。
　　（3）分阶段加权回归法
　　第一步：逐步回归法（近30个交易日，识别合适指数和离群点）：采用向前逐步回归法筛选出匹配度最高的指数组合，同时对相关性较高的指数予以剔除以解决多重共线性问题；在回归过程中对回归系数加以约束，通过凸优化方法求解，并对近期数据赋予更高权重。
　　第二步：Huber估计法（降低离群点的权重）：采用基于Huber方法的M-估计处理异常值带来的噪声问题，通过对不同的数据点赋予不同的损失函数，区别处理债券基金收益率在阈值之外的离群点，从而提升估计的准确度。
　　第三步：根据准确度加权进行移动平均：Huber估计法的加权可决系数作为久期估计的准确度系数，采用准确度加权的方式形成最终的估计值。
　　（4）回归结果分析：分阶段加权回归法具有较高的准确性。对比基金的利率敏感性久期，分阶段加权回归法相较市场常用的逐步回归法反应更加灵敏、准确度更高，在2022年以来的8个观测点中，测算久期与实际久期之间的差异最大仅为0.24年。准确度系数、单基金的差异检验也从个基的视角体现了分阶段加权回归法的准确性。
　　高频久期相对值测算方法：交易结构分析法，利用现券交易数据扩展跟踪主体
　　（1）交易结构分析法：通过基金每天净买入债券的规模、平均久期结合前一天存量债券的规模、平均久期观测债券基金高频久期的变化。可作为回归法的有效补充，优势在于对近期久期变化反应更加敏感，劣势在于更多反应久期的边际变化方向、绝对值的准确度弱于回归法，无法对单支基金进行久期测算。
　　（2）有效性验证：交易结构分析法测测算出来的基金久期与全市场债券型基金的利率敏感性久期中位数之间的拟合度较高，同时与分阶段加权回归法进行对比，通过交叉验证可以确定两种方法均具有较高的可靠性。
　　（3）拓展：各类机构的二级成交久期变化。构建指标跟踪全市场机构久期相对值变化，一是跟踪机构的买入和卖出加权久期，当买入加权久期不断提高、卖出加权平均久期不断减小时，或指向机构久期呈现边际抬升，反之久期边际下降；二是构建现券成交久期变动指数，用久期加权净买入交易量/总交易量进行计算，反映单位交易量下的久期变动方向。
　　华创固收债券基金高频久期跟踪系统
　　一是，通过对债基样本按照时间、持仓维度再分类，分别构建针对不同类型基金的久期跟踪数据；二是，根据债券基金的久期标准差构建“久期分歧度指标”，久期分歧度=久期的变异系数=久期标准差÷久期均值，久期分歧度越低表示机构预期越一致。综合久期和分歧度水平可表示基金久期策略的拥挤度。
　　风险提示：计算假设失效，市场出现极端波动，量化方法计算结果的不稳定性。