本报告构建了中国债券市场系统性风险模型,将风险因子分为利率风险和信用风险。通过关键期限久期(KRD/MD)和DTS指标,分别衡量利率和信用风险因子暴露。基于因子收益率时间序列,实现债券组合持仓和净值的收益归因,揭示收益来源。因子回归法优于传统指数回归法,精确估计债券基金久期,实用性强。风险模型为债券组合风险管理和业绩归因提供量化工具,具重要应用价值。
| 因子 | 短期纯债基金 | 中长期纯债基金 | 混合债券型一级基金 | 混合债券型二级基金 | 可转债基金 |
|---|---|---|---|---|---|
| 3M | 0.01 | 0.01 | 0.00 | 0.01 | -0.05 |
| 1Y | 0.015 | 0.024 | 0.030 | 0.005 | 0.072 |
| 3Y | 0.028 | 0.048 | 0.033 | 0.043 | -0.005 |
| 产业 | 0.017 | 0.021 | 0.057 | 0.093 | 0.167 |
| 城投 | 0.015 | 0.009 | -0.008 | -0.061 | -0.209 |
| RSquared | 0.65 | 0.69 | 0.59 | 0.51 | 0.76 |
| 窗口期(天) | 因子回归法RMSE | 指数回归法RMSE |
|---|---|---|
| 20 | 0.980 | 1.232 |
| 50 | 0.895 | 1.160 |
| 80 | 0.869 | 1.136 |
| 100 | 0.868 | 1.142 |
风险模型是投资组合优化关键,债券组合风险主要来源于利率和信用两个系统性因子。作者采用Ben Slimane等学者(2018)构建的理论框架,将债券的全回报率分解为利率风险和信用风险两部分:
该模型区别于Campisi模型的局部收益分解,关注宏观系统性风险因子,以因子暴露(β)和因子收益率(f)回归形式表达债券回报:
Returni=k∑βikfk+ϵi其中因子包括利率关键期限久期和信用相关因子。
利率风险依赖无风险收益率曲线,对现金流贴现影响最大;
传统用3因子(水平、斜率、曲率)模型降维描述曲线,但该方法对30Y及短端期限的变动解释不足,也难以应对特殊时期的收益率曲线形态;
实务中投资者更青睐直接以关键期限久期(KRD)测量债券对不同期限利率变动的敏感度,因其更直观且解释能力更强。
KRD通过价格变化对单个期限利率变动的价格敏感度计算:
KRDk=−2×PV×ΔrkPV+,k−PV−,k图 1、2 展示了2022年8月5日国债及政策性银行债的KRD分布,显示债券的KRD集中分布在其剩余期限附近的两个关键期限点,反映债券价格对这些期限利率变动最敏感。
修正久期(MD)是关键期限久期的加权和:
MD=k∑KRDk,k∑MDKRDk=1图3、4展示关键期限久期占比(KRD/MD),显示每个期限的暴露比例介于0-1之间,表明KRD/MD适合作为因子暴露权重。
图10展示风险模型结构,分利率风险(关键期限久期、政金债、地方债)、信用风险六大类、可转债三类因子;
通过已知组合持仓权重及个券因子暴露,结合因子收益率,可对组合收益进行分解,实现因子贡献的收益归因;
构建两个模拟组合用于验证:
表2和表3分别详细列出两个组合2022年1月的持仓结构。主要包含各债券的剩余期限、修正久期、到期收益率及信用利差(Zspread)。
图11显示两个组合年初以来净值走势,组合2表现优于组合1。
按风险因子拆分收益:
给定债券组合净值时间序列,运用回归技术反推组合对风险因子的平均暴露水平,公式如下:
Rp=αp+k∑βp,kfk+ϵp风险因子收益标准化,方便暴露的比较;
选取多种重要债券指数(国债、AAA信用债、中证转债等)做回归验证,表4展示了各组合不同因子的实际暴露参数和模型解释力度(R²均达0.92-0.98),暴露结果符合市场配置逻辑,体现该风险模型对真实组合收益的高解释度;
对五类债券基金(短期纯债、中长期纯债、混合债券(一级、二级)、可转债型)进行因子暴露估计(表5):
分年度分析中长期纯债基金因子暴露(表6)显示,牛市年份久期暴露加大,市场波动剧烈期更倾向短久期配置,同时具有明显Alpha收益,体现基金经理的策略性调整。,15]
随债基规模增长,实时掌握基金久期成为投资者关注点,传统久期公布滞后,且持仓法简化粗略;
两种普遍估计方法:
本文创新点:利用关键期限因子暴露(KRD/MD)回归法估计基金久期,比较指数收益率分段回归法;
长期样本为2016年至今的中长期纯债基金,剔除定开、规模小及披露不全数据,样本数量逐年增多(图16);
回归模型:
Rt=α+∑βkfk,t+ϵt其中回归系数βk代表基金对相应期限因子的权重,且满足非负、加和约束(0.8-1);
久期估计:
Duration=k∑βk×Termk与传统基于中债指数各剩余期限子指数收益的分段回归做法对比;
采用不同窗口长度(20-100天)滚动回归,计算均方根误差(RMSE)评估误差;
表7显示因子回归法的RMSE(0.868-0.980)明显低于指数回归法(1.136-1.232),表明因子回归法久期估计更准确;
综合考虑估计实时性和误差,80天窗口被推荐为较优选;
基于80天滚动回归,绘制中长期债基久期中位数月度变化(图17),模型估计值与报备久期高度吻合,验证方法有效。,17,18,19]
| 图编号 | 图表描述 | 关键数据与趋势 | 结论与解读 |
|---|---|---|---|
| 图1-2 | 2022年8月5日国债及政策性银行债KRD散点图(剩余期限vs关键期限久期) | KRD值主要集中在剩余期限邻近两个期限点,表明债券价格对邻近期限利率敏感度最大 | 说明KRD因子构造合理,基于实际敏感性分布进行因子构建有助于提升风险模型解释力 |
| 图3-4 | 国债及政策性银行债关键期限久期占比(KRD/MD) | 各期限KRD/MD占比均在0-1,累加接近1 | 该比例可作为债券在各期限利率变动上的因子暴露权重 |
| 图5 | 利率风险因子累计收益率 (11个关键期限) | 长期限因子收益更高且波动更大,符合久期风险溢价理论 | 均衡配置不同期限利率因子可更好捕获债券回报特征 |
| 图6 | 利率因子回归拟合优度对比 | KRD/MD法拟合R²高于传统3因子法,且稳健性更好 | KRD/MD更优于传统3因子,推荐使用 |
| 图7 | 信用风险因子累计收益率(6信用板块) | 金融、产业债回报较高,城投较低,次级和高收益债波动较大且近期下跌明显 | 不同信用类别具有差异化的收益风险特征,信用因子细分合理 |
| 图8 | 地方债及政金债因子累计收益率 | 政金债收益稳定且高于地方债 | 体现政策支持及流动性差异导致利差差异 |
| 图9 | 可转债因子累计收益率(三类别) | 偏股型波动和累计收益最高,偏债型最低,平衡型介于其间 | 可转债股债特性明显,风险收益差异显著 |
| 图10 | 风险模型体系示意图 | 包含利率风险、信用风险和可转债风险因子及其子因子分类 | 清晰展示风险因子层级与暴露测量方法 |
| 图11 | 两模拟组合净值走势 | 组合2表现优于组合1,净值稳步上升 | 组合多样化增加信用类债券提高收益 |
| 图12-13 | 模拟组合1收益拆分(大类及细分因子) | 主要利率因子贡献,10年期限最大,信用因子无贡献,残差负值 | 纯利率债组合风险归因合理,存在个券Alpha |
| 图14-15 | 模拟组合2收益拆分 | 利率信用均贡献,城投产业债信用贡献显著,残差小 | 更丰富信用暴露带来额外收益来源 |
| 图16 | 中长期债基样本数量随时间增长 | 样本从约160增长至近900只 | 研究样本足够,回归稳定可靠 |
| 图17 | 中长期债基久期估计(模型&真实值对比) | 模型估计值与真实披露值接近,且趋势一致 | 验证风险模型回归法久期估计准确性 |
本文系统构建了符合中国债券市场实际的多因子债券风险模型,核心包括利用关键期限久期(KRD/MD)呈现利率风险结构,结合DTS和信用板块虚拟变量刻画信用风险来源,此外针对政策性债及可转债分设特定因子。此模型可用于债券组合的持仓和净值层面的回报归因,且对债券基金的回报解释优度高,尤其对纯债基金拟合较好,反映系统性风险因子具有良好识别能力。
通过实证检验,关键期限久期因子相较于传统的三因子模型拟合度更优,因子收益显示长期利率因子回报和波动较大,符合久期风险溢价逻辑。信用风险因子细分表现异质,体现各信用板块不同风险收益特性。模拟组合业绩归因和债券基金风险暴露回归均充分印证模型的实用性。
报告创新提出通过风险因子回归法估计中长期纯债基金的久期,实证表明该法相比指数收益率回归法估计误差更低,推荐作为更精准的久期实时估计工具。此外,报告指出该风险模型未来在风险预测、投资组合优化及指数化投资中具有广泛应用潜力。
整体而言,本报告提供了债券风险建模与业绩归因的新视角与方法论,兼具学术体系和市场实务价值。投资者与资金管理者可依据此框架更科学地理解债券组合风险动态,优化资产配置策略。
但需注意,模型依赖历史数据,未来市场环境剧变可能导致模型失效,投资时需结合市场洞察持续调整,规避极端风险。
综上,东方证券团队的本报告详实地从理论到实证构建了完整的中国债券风险因子模型,合理划分利率和信用风险,结合多层次因子分类和回归法为债券组合的收益归因与风险管理提供了强大工具,尤其创新的基于因子暴露的久期估计为市场实时风险监测和基金管理增添了有效手段。[page::全篇]
宏观固收量化研究系列之(七):债券的风险模型研究.pdf