债券投资新探索:基于机器学习的利率择时策略实践

利率择时是债券资产配置的重要基石之一。传统利率预测方法一般是以宏观经济指标或动量指标为出发点,预测未来结果,但并没对宏观环境及其变迁进行建模识别和预测。本文创新地提出一种基于平安独有的MEC债券投资时钟路由器的模块,通过动态识别当前市场状态,将预测样本“路由”至最优的子模型,充分利用不同模型在不同经济环境下的优势,提升模型预测精度,产出有效信号。本文以2010—2022年的10年期国债收益率作为预测目标,在7-10年国债财富指数上回测交易。引入模块后,年化收益从2.97%提升到4.03%,夏普比从0.33提升至0.72,回撤从4.18%降至2.15%,胜率由64.52%升到68.82%,策略表现有显著提升。