本报告导读：
　　高频宏观因子+分维度投票模型决策久期仓位，资本市场因子补足长端与超长端的轮动选择。
　　投资要点：
　　在因子构建上，考虑到宏观因子的经济含义及其传导逻辑本身就是信号有效性的重要来源，本文没有将所有指标打散后统一评分，而是构建不同经济维度的分层因子库。我们首先固定因子对债券市场的信号方向，并结合历史表现、参数稳定性和信息重复性进行筛选，最终保留27个代表性指标，分别归入增长、通胀、生产、融资和政策五个经济维度。信号合成依次经过“因子-经济子类-经济维度-宏观总信号”四个层级，既避免指标数量较多的细分领域获得过高权重，也保留了不同经济线索之间的相互印证与合理分歧。
　　落脚到仓位决策上，本文首先通过多维度宏观因子择时解决债市大方向上“0与1”以及长短久期的配置问题。模型通过五个经济维度投票形成宏观总信号：看空时配置1-3年短久期品种，看多时配置长久期品种，在保持债券仓位的同时，将宏观判断转化为可执行的久期配置。至于看多后应进一步选择7-10年还是10年以上，则交由后续期限轮动模块判断。
　　然而，对于看多后“配置长债还是超长债”的问题，宏观信息本身却无法给出准确答案，因此我们增加了“7-10年&10年以上“的久期轮动模型。一方面，模型比较趋势跟随与均值回归策略在长、短窗口下的表现，动态识别30-10年期限利差的运行规律；另一方面，引入股债四象限捕捉跨资产风险偏好和资金流动，对期限利差给出的基础配置进行修正。由此，模型将宏观方向进一步落实到1-3年、7-10年和10年以上三类期限资产。
　　回测来看，多维度宏观因子择时+久期轮动的综合模型在样本内外均取得了较好的表现，其超额收益主要来自三个层面的共同贡献。综合策略全样本年化收益为6.99%，2024年以来进一步提高至9.38%，且收益增益并非单纯来自更高的久期暴露，而是主要源于：①多维宏观信息的交叉验证，增长、通胀、生产、融资和政策信号共同刻画债市环境，提高方向判断的完整性；②更灵敏的信号更新与仓位调整，将不同频率的数据统一转化为日度可用信号，并采用周频调仓，更灵敏地捕捉宏观环境的边际变化；③对长端/超长端配置价值的进一步识别，通过30-10年期限利差规律与股债联动状态，在7-10年和10年以上品种之间动态选择，从而把握超长债相对长债的收益弹性。
　　综合来看，近年来债市对宏观因子的关注度有所下降，但这并不意味着债券定价已经脱离基本面，特别是2026年以来，债市对宏观线索的敏感度重新抬升。2026年以来，模型超额胜率和超额收益稳定性较2025年明显改善，其背后或主因随着私募、量化及跨资产策略资金参与加深，宏观信息向债券市场传导的速度和方式正在发生变化，在此背景下宏观因素对债市的定价影响有望重新增强，但其运用方式也需要从单一指标判断，转向多维信息验证、动态信号跟踪与期限结构配置相结合的系统化框架。
　　风险提示：经济运行与市场定价机制变化可能导致模型失效；回测结果基于历史数据和指数模拟，未充分考虑实际交易中的流动性、冲击成本及跟踪误差，历史表现不代表未来收益。