【行业研究报告】-多资产系列报告（三）：如何以量化策略增厚信用债收益？

},𝚪𝜷)。𝑟𝑖,𝑡+1=𝛽𝑖,𝑡·𝑓𝑡+1+𝜀𝑖,𝑡+1，𝛽𝑖,𝑡=𝑧𝑖,𝑡′·Γ𝛽其中，𝑟𝑖,𝑡+1代表信用超额收益，𝑓𝑡+1代表K个潜在因子、𝛽𝑖,𝑡代表对应的因子载荷。模型最重要的部分在于，因子载荷𝛽𝑖,𝑡的计算方法基于L个债券特征𝑧𝑖,𝑡′，即IPCA模型依靠信用债超额收益以外的特征（例如修正久期、动量指标、财务指标等）动态测算𝛽𝑖,𝑡，进而更加高效、及时、全面地反映风险变化。从样本外测算结果看，IPCA模型在国内信用债市场的应用效果较美国信用债市场更好。具体表现在𝑅2、定价误差等检验指标表现更好。究其原因，这可能来自国内信用债发行主体相对更加集中、模型在国内应用时选用的时间周期更短且特征更少等因素。如果对IPCA模型的因变量、输入特征稍加调整，模型可用于辅助国内传统的信用利差研究。以城投债为例，模型给出的常数因子是过去10年影响城投债利差的最重要因子，其在客观上影响了基本面因子的重要性；而同期市场面因子的重要性基本保持区间震荡。这不仅符合近年“化债政策驱动城投利差”的常识，常数因子拐点也完全对应两次化债政策拐点：①2018年7月，“27号文”开启“隐债十年清零”的化债历程。②2023年7月24日，中央政治局会议提出要有效防范化解地方债务风险，制定实施一揽子化债方案。当年8-9月，以“35号文”为代表的一揽子化债政策开始落地。考虑到IPCA模型可以被近似视为“对L个特征驱动的投资组合（X）”应用PCA，因此落实到策略层面，我们可以：◼（1）基于对每一期因子值的预测值、因子值预测值的协方差对每一样本日期估算应当配置于各个因子的投资组合头寸比例，以期实现“均值-方差”思路下的最优切线组合。◼（2）基于每一样本日期对应的实际因子值，代入上述投资组合头寸比例，考虑交易成本后，对投资组合收益进行回测。◼（3）计算投资组合的夏普比率。不难算得，以国内活跃发债主体为样本范围时，上述基于IPCA因子的策略组合“风险调整后收益”表现较为突出，策略核心优势体现在：◼（1）高夏普：自有夏普比率数据以来，策略组合的夏普比率从未低于1.45；自2025年5月至12月，策略组合的夏普比率始终高于2.2。◼（2）收益/风险的不对称性：自有策略组合信用超额收益数据以来，在