久期是衡量债券价值对利率变动敏感性的近似指标。更准确地说，它是对于利率变动 100 个基点时价值变化的近似百分比，这一数值决定了其利率风险暴露程度。
久期也可以被当作是一种时间度量。久期（Duration）由弗雷德里克·麦考利于1938 年提出，他把久期作为未偿付债券的一种时间度量标准，通过加权计算债券现金流的回收时间，量化债券价格对利率变动的敏感性。简单来说，久期反映了债券价格相对于利率变化的弹性。久期越长，债券价格对利率变动就越敏感；反之，久期越短，债券价格对利率变动的敏感度就越低。
债券基金久期是投资债券基金的关键概念之一，它直接关系到基金的风险和收益特征。债券基金久期是衡量基金净值对利率变动敏感性的核心指标，本质上是投资者收回本息所需时间的加权平均值。由于债券基金是各类债券产品构成的投资组合，而投资组合的久期可以通过投资组合中各种债券的久期进行加权平均得到，权重是各种证券在投资组合中的比例。 观测债券基金久期有助于投资者评估债券基金的风险。测算债券基金的久期，那我们就可以估计这只基金的风险收益特征，包括年化收益率以及遭遇利率波动时的净值变化。在利率波动较大的市场环境中，久期较长的债券基金面临的价格波动风险相对较大；而久期较短的债券基金则相对较为稳定。目前市场上主流的债券基金久期测算方法主要包括以下三类： 一是重仓券加权法，以基金报告中披露的各期重仓债券为基础，通过计算各债券市值权重对其各自久期进行加权，以估算组合久期。该方法简单直观，易于在透明披露的报告数据中计算，适合在重仓债比例较高、报告基础充分的情境下估算基金久期。但该方法依赖季报或半年报数据，存在低频（季频）和覆盖不足的缺陷，尤其在重仓券占比不高时偏差较大。 二是利率敏感度法，基于债券价格对利率变动的二阶泰勒展开模型，通过测算基金资产净值对利率的敏感性来推导久期。部分基金会在定期报告中直接披露组合久期或通过“利率风险敏感性分析”栏目间接反映久期。例如，年报中可能披露市场利率变动对资产净值的影响，以此推算隐含久期。该方法由监管机构或专业机构提供，数据权威但更新频率较低（通常为半年或季度），且具有一定滞后性。三是资产组合法，可以通过构建与基金净值波动相似的债券指数组合，间接估算久期，具体步骤包括：选取中债新综合指数下不同待偿期的子指数，模拟基金价格变化，利用基金日度净值涨跌幅与不同期限债券指数收益率的多元线性回归模型，逆向推导组合久期。为提高准确性，需解决多重共线性问题，例如引入券种分类（利率债/信用债/综合债）、使用 Lasso 回归优化特征选择等。该方法支持高频测算，兼顾了动态调整需求，但对数据质量和模型稳定性要求较高，依赖指数构建的合理性。 在高频测算场景下，资产组合法是目前最主流且综合性能最优的方法，其核心优势体现在数据频率（日/周频）与动态调整能力的结合。
样本选取
根据投资范围的差异，债券基金可进一步细分为纯债型、混合债券型、可转换债券型基金等。其中，纯债基金根据债券组合的久期特征，可划分为短期纯债基金与中长期纯债基金；混合债基金则依据权益类资产的配置比例，分为一级债基和二级债基。 不同期限类型的债券基金在资产配置、投资目标与风险暴露方面存在显著差异，纯债基金是我们的研究重点。我们对纯债基金样本进行筛选，具体操作如下：第一，分别选取中长期纯债型基金与短期纯债型基金。久期既决定了债基对利率波动的敏感度，也直接影响其收益来源与风险暴露；短端与长端利率通常受不同宏观因素驱动，分组回归能够使每类基金与最能解释其收益的基准久期因子相匹配，提升回归结果的经济意义和拟合度。采用 Wind 基金分类标准：在纯债型基金招募说明书中明确其债券的期限配置为长期的基金，期限配置或组合久期超过3年的为中长期纯债券型，若招募说明书未约束其期限配置或组合久期，该基金同样分类为中长期纯债型基金；基金业绩比较基准指数久期上限不超过3 年，且管理人提供必要文件说明，分类为短期纯债型基金。两类基金均不参与股票、可转债等权益类资产的投资。 第二，剔除数据不超过 1 年时间的基金。筛选出成立至今已至少有1 年数据的基金，目的主要是确保每只债基有足够的观测数据，以保障统计分析和模型估计的稳定性。 第三，剔除摊余成本法估值类基金。为保证基金久期估算结果的准确性和可比性，剔除所有采用摊余成本法估值的基金。摊余成本法以买入成本为基础，按照固定收益分摊和日常计提的方式进行估值，使基金净值对二级市场价格以及利率变动的反映被“平滑化”，难以真实捕捉市场利率风险与久期敏感度。此类基金的净值变动无法准确反映持仓债券价格对利率变化的敏感性，因此不宜用于构建高频久期估算模型，为避免因估值方法差异对基金久期估算产生干扰，本文在样本筛选阶段将相关产品予以剔除。 第四，剔除非原始基金。为保证估算结果的一致性与可比性，对同一标的基金的不同份额类型（如 A/B/C 类）进行筛选，最终仅保留成立时间最早、代表性最强的“原始”基金。同一基金往往会根据费率模式、投资门槛和销售渠道分为A、B、C 类份额：A 类份额通常属于前端收费模式，仅在申购时收取费用，赎回时若持有期超过一定期限（如两年）可免赎回费；B 类则为后端收费，赎回时按持有期扣除赎回费；C 类不收申购费，也不在赎回时收费，但会每日从基金资产中计提销售服务费。三类份额在持仓与净值走势上基本一致，我们优先选择成立时间最长的原始份额，从而提升模型的精度和稳健性。 第五，确定时间范围。基于现有基金数据，将观测时间定在2017 年年初至今，以保证分析结果的时效性与代表性。 经过筛选，共有 1744 只中长期纯债型基金、331 只短期纯债型基金作为样本。
久期测算
基于重仓券的久期测算
通常使用基金定期报告中披露的前五大重仓债券，计算其加权平均的组合久期。在实际应用中，我们可以从 Wind 中的“基金重仓债券组合久期”字段来获取数据。尽管此法操作简便，但缺陷显著：基金报告中仅公开了占净值比例最大的五只债券，未披露全部持仓债券信息，可能导致组合久期估算结果产生较大偏差，尤其是当重仓债券占比不高时，这种误差更为明显。
基于利率敏感性的久期测算
即基于基金定期报告披露的利率风险敏感性分析，理论上能够获得相对更准确的基金久期数据。这种方法直接借助基金报告中的利率风险分析结果，推导出基金整体组合的久期。在实际应用中，我们可以直接从Wind 的“基金组合久期(基于利率风险计算)”字段来获取此数据。然而，这一方法也存在明显局限性，数据获取的频率较低，仅能基于基金的半年报或年报进行计算，难以实现高频跟踪，时效性严重不足，无法及时反映基金久期的动态变化情况。
用资产组合法计算久期
上述两种方法在实际应用中均存在一定的局限性，若要准确把握基金久期的高频变化情况，还需辅以其他更具实时性的估算方法。针对纯债基金组合久期的测算，我们引入基于因子收益率回归估计的方法。具体而言，以纯债型公募基金的平均日涨跌幅作为被解释变量，引入不同债券指数的日度涨跌幅作为解释变量。由于不同债券指数分别代表各类债券资产的收益特征，我们通过回归分析，将基金净值的收益波动分解为不同类型债券资产的贡献，进而获得各债券品种的暴露程度。这些债券指数具备明确的久期信息，从而使基金的组合久期得以合理推算。
模型选择
在债券基金管理中，日度久期的准确估计是风险管理和投资决策的重要基础。业内普遍采用线性回归方法，通过分析基金净值日涨跌幅与债券子指数日涨跌幅的关系，推算基金的债券敞口和久期。常用的回归工具包括普通最小二乘法（OLS）、Lasso 回归、岭回归（Ridge）、逐步回归（Stepwise Regression）以及最小绝对偏差回归（LAD）。尽管这些方法的目标一致，但债券市场数据常表现出多重共线性、尖峰厚尾分布及异常值等特性，导致各方法在稳健性和实用性上表现不一。
逐步回归（Stepwise Regression）
逐步回归是一种基于统计准则自动筛选变量的建模方法，常用的统计指标包括R 2、F 统计量、赤池信息准则（AIC）和贝叶斯信息准则（BIC）等。常见策略有三类：前向选择（从空模型出发逐步引入解释变量）、后向剔除（从全模型出发逐步剔除不显著变量）以及双向选择（结合前两者迭代进行）。在变量数量较多、人工筛选不便时，逐步回归能够较高效地缩减模型复杂度，并有助于减轻多重共线性对系数估计的影响。 然而，逐步回归的变量进入或剔除主要依赖于预设的统计阈值，这些阈值往往缺乏统一的标准，不同研究或数据集下结果差异较大。此外，该方法对样本波动敏感，当数据中存在离群点或收益分布表现为厚尾时，模型变量组合可能频繁发生变化，导致结果不稳定，甚至出现过拟合问题。
因子处理
用于计算纯债型基金久期与业绩归因的因子，通常需能全面覆盖基金持仓所反映的主要利率和信用风险特征。
在多因子回归分析中，解释变量之间若存在较强的相关性，即多重共线性，往往会导致模型参数估计不稳定、误差增大，甚至出现系数符号异常等问题。这不仅削弱了模型的解释力，还会降低预测的准确性和实际应用的可靠性。尽管本最小绝对偏差回归（LAD）的方法在处理异常值和厚尾分布数据方面具有明显优势，但LAD 回归同样会受到多重共线性的影响。为保证模型参数的稳定性和估计结果的科学性，对变量进行筛选仍是 LAD 建模过程中不可或缺的关键步骤。我们在因子筛选阶段采用了方差膨胀因子（Variance Inflation Factor,VIF）分析方法，对所有解释变量进行系统性共线性检验和筛选。具体操作如下：首先提取所有候选解释变量构建初步因子集，随后计算每一变量的VIF 值，用于衡量该变量与其余变量之间的线性相关性。VIF 值越高，表明该变量与其他变量存在较强的共线性，若 VIF 超过预设阈值（5.0），即判定为多重共线性显著。随后我们采用逐步剔除法：每轮识别出 VIF 值最高的变量并将其移除，随后重新计算剩余变量的 VIF，直至所有变量的 VIF 均低于阈值。经过该过程筛选后，最终保留共线性较低、能够独立反映信息的解释变量，为后续回归分析提供更为稳健的变量基础。
纯债型基金久期测算
基于以上方法，我们得到筛选后纯债型基金的久期序列，同时统计根据各基金报告期利率敏感性计算得到的久期，将二者中位数进行对比。可以看到测算久期与报告久期整体走势一致、差别较小，能够起到一定程度的参考作用。
2017 年至 2025 年期间，整体纯债型基金的久期均值和中位数基本稳定，大致维持在 1.5-3 年区间；而最大值久期持续上升，在 2025 年已超过15 年，反映出部分基金大幅拉长久期，配置分化明显。最小值基本维持在1 年以下，波动有限。
中长债基金 VS 短债基金久期测算
中长期纯债型基金与短期纯债型基金的久期估算结果如下，由于短期纯债型基金2017-2019 年得到的结果较少，短期纯债型基金采用2020 之后的数据。
可以看到基金报告披露的久期中位数基本落在回归得到的中位数附近，说明回归结果相对可靠。将中长期债券基金久期与短期债券基金久期对比，二者在大部分时期同向波动，其中中长期债券基金久期的波动幅度更大。
2017 年至 2025 年，中长期纯债型基金的久期均值和中位数整体维持在1.0-2.7区间，但最大值在 2018 年初短暂达到 15 年高位后，自2020 年后快速上升，从不足 7 年升至 2025 年超 15 年，显示部分基金大幅延长久期以获取更高利率弹性。最小值长期低于 1 年，整体稳定。整体来看，中长期纯债基金久期分布分层明显，极端头寸的增加推高行业久期上限，基金间配置策略分化。自2020年以来，短期纯债型基金的久期均值与中位数始终维持在0.5-1.5年左右，波动幅度较小。最大值长期不超过 4 年，最小值低于1 年，且表现平稳。与中长期基金相比，短期纯债基金的久期分布更为集中，风险偏好分化有限，说明管理人整体风险控制较为审慎，极端久期配置较少。
中长期纯债型基金的分歧度在 2020 年后加速上升，从1.0 升至2025 年1.8以上，显示行业内久期管理差异快速扩大，基金经理对利率趋势判断分歧显著，主动管理特征增强。 短期纯债型基金的分歧度自 2020 年至今呈现出先升后落的走势，整体波动区间在0.3-0.8 之间，相比中长期品种，分歧度水平较低且波动较小，表明短期纯债基金管理人在久期配置上趋于一致，行业策略同质化特征更为明显。
将中长期债券基金久期的分歧度与短期债券基金久期的分歧度对比来看，2020 年以来，二者除去 2021 年下半年至 2022 年之间方向出现背离以外，其余时间段趋势保持一致，且自 2024 年至今表现出差异逐渐增大的趋势。
中长期纯债型基金与短期纯债型基金的久期整体都处于上行趋势，这是机构在低利率环境下优化收益风险的主动选择。近三年来，央行维持宽松货币政策，十年期国债利率不断下行，优质资产供给不足，基金经理不断增配长久期利率债，并拉长久期以锁定更高收益。部分基金在短端维持流动性的同时，加大30 年期超长债配置。 久期变化和十年期国债收益率存在较为明显负相关关系，利率下行周期中，拉长久期成为增厚收益的核心策略。中长期、短期纯债基金久期近一年来和十年期国债收益率相关系数存在一定程度的波动，但是大部分时间都处于负区间。
利率债基金 VS 信用债基金久期测算
基于基金的收益特征，我们也可以把纯债型基金划分为利率债基金和信用债基金。我们采用的方法是：按照表 6、表 7 将指数因子分为利率债指数与信用债指数，对每只基金首先计算两类指数的回归系数和，再将利率债指数占总体指数比重超过 60%的基金划分为利率债基金，信用债指数超过 60%的划分为信用债基金。最终得到 1468 只信用债基金与 344 只利率债基金。
将信用债基金久期与利率债基金久期对比，二者整体都呈现出逐渐拉升的趋势，其中利率债基金久期的拉升幅度更大。
信用债基金的久期整体呈现小范围波动的特征。2017 年下半年至2019 年，久期水平从 0.8 快速上升至 1.6 左右，随后经历阶段性调整。2022 年以来，中位数久期呈现缓步上行趋势，至 2025 年中接近 2.0，反映出基金管理人逐步提升组合久期的现状。整体来看，信用债基金久期调整相对稳健，体现了对风险与收益的综合考量。 利率债基金的久期呈现持续上升态势，且波动幅度明显大于信用债基金。2017年至 2019 年，久期水平由 1.0 以下逐步提升至 3.0 左右。2020 年后，久期进一步拉升，期间虽有阶段性回调，但整体趋势依然向上。截至2025 年中，利率债基金的中位数久期已接近 4.5，表明在宏观经济持续下行的市场环境下，基金管理人加大久期暴露，以期获取更高的价格弹性收益。
信用债基金的平均久期和中位数久期始终保持在较低水平，整体波动较为平稳。相比之下，最大久期呈现出阶段性的大幅上升，尤其在2018 年和2023年后段、2024 年初至今，部分基金的久期大幅拉升，反映出少数产品久期策略显著激进，造成行业久期分布的“尾部拉长”，最小久期则始终维持在低位。
分歧度方面，信用债基金久期分歧度自 2018 年初一度快速上升，随后有所回落。2022 年以来，分歧度逐步提升，并于 2025 年上半年达到阶段高点，说明行业内部久期策略分化趋势加剧，反映基金公司对市场环境变化的响应各异，部分产品积极拉长久期以博取利差，整体行业久期配置出现更为多元化的特征。
利率债基金的平均久期和中位数久期近年呈现持续上升趋势，行业久期水平普遍上移。最大久期亦显著走高，个别产品在市场环境变化时主动大幅调整久期敞口，表现出更高的风险承受意愿。最小久期虽然有小幅波动，但整体维持在相对低位，显示行业内依然存在久期偏短的防御型产品。分歧度方面，利率债基金的久期分歧度则经历了2020 年初的显著上升与 2024 年以来的持续扩张，反映出利率债基金管理人在久期策略上的分化明显增强。当前行业久期配置分歧度处于近年来高位，提示在宏观经济与政策环境不确定性加大的背景下，基金公司对未来利率走势的判断和久期管理策略愈发多元，市场博弈特征突出。
信用债基金与利率债基金久期的分歧度对比来看，二者除2021 年外运动方向基本一致，2024 年至今呈现同步上升的趋势，其中利率债基金久期分歧度的上升幅度更大。
信用债基金的中位数久期与10 年期国债收益率整体呈现一定程度的负相关关系。当国债收益率下行阶段，基金管理人普遍倾向于主动拉长组合久期，以获取更高的资本利得，反映出对利率走势的前瞻性调整。2020年及2023 年以后，随着 10 年期国债收益率持续走低，信用债基金久期水平显著提升。从相关性曲线来看，252 日滚动相关性虽存在阶段性波动，但大多数时间段为负值，表明久期调整方向与利率变化方向相反。此外，相关性在部分时点（如2021年、2024 年）会出现短暂正相关，提示实际操作中久期策略亦受到其他因素影响。整体来看，利率债基金久期与国债收益率同样呈现出较为明显的负相关特征，且负相关的时长高于信用债基金，说明利率债基金的久期调整更为敏感和及时。每当国债收益率出现持续性下行，利率债基金久期大多同步上升，管理人通过拉长久期积极博取利率下行带来的估值提升。从滚动相关性来看，252 日相关系数波动区间明显，但多数时期维持在负区间，个别阶段短暂转正，反映在特殊市况下久期调整策略可能出现一定差异。总体而言，利率债基金久期管理对利率环境的响应更为直接和显著。
单一基金久期测算
以“华泰保兴安悦 A”为例，回归结果与报告披露结果基本吻合。此基金在2020 年至2023 年6 月之间，久期长期维持在 2.5 年以下小幅度波动；自 2023 年6 月始，基金久期开始陡峭拉升，增长至 2025 年初的 18 年以上。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
