当下借助量化手段研究固收问题越来越普遍，而我们试图在本专题中构建一个基本的固收量化框架。但固收量化与权益量化仍有明显区别：1、固收量化更聚焦宏观变量和时序分析；2、固收量化的任务主要是择时和捕捉交易信号；3、利率债、信用债、转债等资产各有侧重点。

我们认为，固收量化应以“问题界定→数据处理→特征工程→模型设计→任务评估”五大工程为基本构架，但要避免“学术炫技”、“伪量化”、“过度挖掘”等问题。并且，在固收研究的细节上，还要特别注意强化：1、对宏观环境甚至时代变量的刻画；2、对机构行为的刻画；3、对债券品种相对性价比的刻画。

从“权益量化”到“固收量化”量化研究（Quantitative Research）是通过数学模型、统计分析和计算机等数量工具来探讨或验证市场规律的过程。相比于传统逻辑分析，量化研究更强调对现象的数理刻画、因果推理以及实证。量化研究最广泛的应用就是在股票投资上。传统的股票量化主要有基本面多因子选股、事件驱动选股、高频交易/CTA 等。而固收量化比权益量化至少有三方面不同：一是固收更注重对宏观变量分析，譬如 GDP、PPI 等指标或重要会议、央行行为等事件；二是利率债更侧重择时和捕捉交易信号，择券任务则是少数。三是债券资产大部分时候都是同涨同跌，涨跌幅主要来自久期差异。

量化工程的基本构架：五大工程 量化研究往往起于某个问题，依照工程思维去解决，最后再评估与应用。我们将量化研究的过程总结成五大工程：1、问题或任务的界定。主要考虑问题是否适合量化解决；2、系统化的数据处理，包含数据清洗、数据规范化以及数据平滑，以获得“干净”数据；3、数据特征的扩展，以应对数据量不足情形。可用的方法主要有低频数据转高频、文本数据等，当然也可利用遗传算法等技术衍生数据；4、量化模型的选择，主流仍以多因子以及机器学习为主；5、量化模型评估准则，数据端重点关注是否有未来数据。多因子模型可关注 IC 等指标，机器学习则更依赖测试集以及实践检验。

案例一：神经网络和因果推断在利率择时中的尝试“利率择时”是固收量化研究者相对容易开展的工程。涉及利率择时问题，需要四大类数据：基本面、货币政策与资金面、供求以及情绪指标。择时研究思路主要有两类：

1、利率走势归因。可以利用因果推断模型对 10 年期国债收益率归因。得出的结论是：全部时期下，隐含税率、存款准备金率、通胀（核心 CPI）以及短期资金面因素与 10 年期国债收益率有较强因果性。

2、预测利率值。使用 LSTM 神经网络，预测 10 年期国债收益率走势。预测走势与实际相似，但绝对值差距仍有 20BP 左右，实战效果可能略有不佳。

后续或可通过增加数据、更换模型等方式进一步改进。

案例二：转债“双低策略”的回炉重造“双低策略”是一个经典的转债择券方法，且在过去很长时间都获得了不错的回报特征。但策略缺乏理论支撑、指标未清洗、逻辑过于单一，且未考虑信用资质、流动性等指标。因此我们基于双低策略，改良并构建更优的转债多因子模型。核心是利用中性化、标准化后的股性因子（平价溢价率）和债性因子（YTM）进行择券。改进后策略不仅表现远超传统双低策略，更是在2024 年的转债弱市中获得正回报。当然，因子方向仍有不少可以改进：1、股债性并不是最完美指标，或有指标择券效果更好；2、最大回撤难以控制；

3、信用风险控制并不足；4、条款博弈结合相对较少。

风险提示：历史数据不一定适用于未来；市场环境变化可能使模型失效。

正文目录

前言：从“权益量化”到“固收量化” .......... 4

量化工程的基本构架：五大工程 .......... 6

工程一：问题或任务界定 .......... 6

工程二：系统化数据处理 .......... 7

工程三：数据改造及特征扩展 .......... 10

工程四：模型设计与选择 .......... 12

工程五：任务结果评估 .......... 14

拓展到固收量化：还要对三个关键变量做进一步刻画 .......... 16

要点一：对环境的刻画，尤其是时代背景 .......... 16

要点二：对机构行为的刻画，重在捕捉非基本面的交易信号 .......... 16

要点三：对相对性价比的刻画，考虑债券资产内部轮动方向 .......... 17

案例一：神经网络和因果推断在利率择时中的尝试 .......... 17

案例二：转债“双低策略”的回炉重造 .......... 21

风险提示 .......... 22

图表目录

图表 1： 量化投资发展简史 .......... 4

图表 2： 国内量化公募产品的规模持续增长 .......... 4

图表 3： 国内纯固收量化产品几乎没有，大多融于混合类产品中 .......... 4

图表 4： 股票量化的基本逻辑 .......... 5

图表 5： 固收量化与权益量化的比较 .......... 6

图表 6： 以转债为例的量化工程基本构架 .......... 6

图表 7： 无效值处理案例 .......... 7

图表 8： 极端值、异常值处理案例 .......... 8

图表 9： 利率曲线模拟（正常向上倾斜利率） .......... 8

图表 10： 利率曲线模拟（平坦利率） .......... 8

图表 11： 原始数据→标准化数据 .......... 9

图表 12： 中性化平价溢价率公式 .......... 9

图表 13： 三种常用的标准化处理公式 .......... 9

图表 14： 假设情况下，是否使用未来数据的区别 .......... 10

图表 15： 中性化平价溢价率单因子策略表格、可计算收益、夏普、IC 等指标 .......... 10

图表 16： 中性化平价溢价率改进 .......... 11

图表 17： 低频率数据拓展为高频率数据 .......... 11

图表 18： 利用 AI 处理文本数据，转换为向量 .......... 11

图表 19： 连续数据“离散化” .......... 12

图表 20： 顶底等位置信息 .......... 12

图表 21： 极值中包含未来数据，能精确避开每一波大幅回撤，但意义并不大 .......... 15

图表 22： 万德连板指数（忽视了流动性） .......... 15

因篇幅限制，仅展示部分，更多重要内容、核心观点，请下载报告。