微观债市情绪观测体系如何构建及其有效性分析

该微观债市情绪观测体系旨在解决机器学习模型黑箱效应强、难以解释的问题，通过线性加权方法构建可解释的指数体系。具体构建逻辑及有效性如下： 首先，体系从四个维度选取代表性指标： 1. 交易热度：包括哑铃热度、现券换手率、ETF折溢价、杠杆水平、TL/T多空比、TL/T成交比。这些指标主要衡量市场的交易情绪和拥挤度，多数与利率呈负相关。 2. 机构行为：包括公募基金久期、分歧度指数、基金/券商/大行/中小行长 期国债买入比、机构申赎、长期国债成交占比。这些指标反映各类机构投资者的持仓变化及情绪，如公募基金久期与利率显著负相关。 3. 利差：包括互换政策利差、信用资金利差、信用国开利差、TL-T隐含利差。这些指标反映市场对政策预期及信用利差的看法，多数与利率正相关。 4. 大类资产：包括股债比价、沪深300隐含波动率、商品债券对数比价、汇债利差。这些指标衡量股债、商品及汇率与债券的相对关系。 其次，指数构建采用线性聚合方法。首先对原始指标进行标准化处理，然后在每个大类内部使用岭回归将指标汇总为大类指数，并对正相关因子权重进行反转，使大类指数与利率呈反向关系。最后，将四个大类指数进一步回归得到总指数原始值，并映射至以100为中枢的指数点位。指数高于100表示债市走强，低于100表示债市走弱。 在有效性方面，该指数与滞后1-2周的利率走势相关性较高，偏向于利率的领先/同步指标。在实操中，构建复合投票策略（观察一周动量、4周动量、指数是否大于100及是否高于4周均线），当总票数大于等于2时满仓持有10y国债，否则空仓。回测显示，2019年以来该策略累计净值高于单边持有，夏普比率为1.18，最大回撤显著低于单边持有策略，证明该体系能有效捕捉市场情绪并辅助投资决策。