基于投研一体化平台的债券量化实践

　　摘要：从债券市场的发展方向、机构投资者的业务诉求以及海外市场的成功经验来看，开展债券量化业务正当其时。选择投研一体化平台来实现债券量化在各个场景的应用是一条可行路径。本文主要基于债券量化业务中的三个重要因素——驱动因素、风险控制和交易执行，构建了包括六个子系统的投研一体化平台，并在此平台上实践了智能建仓、利率多因子模型构建和债券指数基金监控等经典场景，体现出平台具有较高的实用价值。

　　关键词：债券量化 投研一体化平台 应用场景 系统建设

　　债券市场是现代金融市场的重要组成部分。目前，我国债券市场体量庞大、品种齐全、功能多样。随着近年来资管规模的快速增长、交易品种的不断丰富和信用风险的日渐暴露，传统的债券投研及交易方式逐步受到大环境的挑战。在此背景之下，债券量化业务开始纳入机构投资者的视线。

　　开展债券量化业务正当其时

　　(一)海外市场拥有成功经验

　　债券量化业务并非近年新兴的业务，早在上世纪70年代，美国资本市场涌现了一批以量化分析的方式进行债券投资的交易员和基金经理，其中最出名的莫过于John Meriwether领衔的所罗门兄弟套利部门及后来创立的长期资本管理公司(Long-Term Capital Management，LTCM)，其借助量化分析工具，利用同質债券价格趋同的策略进行套利，为公司带来了丰厚的回报。除交易策略之外，量化分析在债券信用分析、风险管理等诸多领域亦有应用价值。

　　(二)交易工具逐渐丰富

　　债券量化业务离不开丰富的交易工具。随着多年来债券市场规模的增长，债券品种不断增加，交易工具逐渐丰富：国债期货的重启上市、信用风险缓释工具(CRM)的推出、债券指数基金数量的增加及发行速度加快，都为债券量化业务提供了更多元的工具选择。

　　(三)机构投资者内部条件已成熟

　　目前，债券市场不少机构投资者都有着丰富的投资交易经验，积累了大量的业务知识，储备了一批专业人才。然而囿于人力限制，机构投资者迫切希望将业务知识与成功经验转换为分析模型，沉淀至业务系统。同时，随着多年来的投资者教育，投资者对量化思想的认可度亦越来越高。加之信息技术的不断成熟，机构投资者已具备开展债券量化业务的内部条件。

　　从债券市场的发展方向、机构投资者的业务积累和诉求，以及海外市场的成功经验来看，在不久的将来，我国债券量化业务将实现大跨步发展。而当下着手开展债券量化业务，不失为把握时代发展大势的明智决策。

　　开展债券量化业务的路径选择

　　多年的积累和实践经验表明，选择投研一体化平台来实现债券量化业务在各个场景的应用是一条可行路径。笔者所定义的投研一体化平台，是指覆盖各类资产、连通各个业务环节、支持各种业务类型的平台。

　　为什么要基于投研一体化平台?这是因为业务是连贯的，任何应用场景都会最终落地到投资交易的执行环节，系统不能是割裂的，不能只完成完整业务链条中的一部分并且只覆盖部分品种。映射到债券量化的应用场景，投研一体化平台应该覆盖研究、投资、风控、交易和清算五个环节。在业务和品种方面，公募基金可以展业并投资的标的均应被覆盖。

　　从业务应用的角度来看，债券量化业务与股票量化业务存在如下三个差异。这三个差异也决定了投研一体化平台各个子系统建设的思路和方向。

　　(一)个券研究模型差异

　　债券和股票的属性不同，因此两者的定价模型和风险预测方式存在差异。在基于基本面进行量化分析时，股票侧重于基本面给股价带来的影响，而债券侧重于基本面对违约风险的影响，债券的价格在一定范围内受市场利率的影响更大。因此，在考虑基本面和价格因素时，股票量化的策略回测形式对债券量化的参考意义有限，而构建信用评级模型，量化分析债券的违约风险以及结合债券的内在价格和市场行情进行价差分析会更有意义。

　　(二)流动性差异

　　相较而言，债券的主体交易场所是银行间市场，交易方式主要是交易员之间协商价格，进行协议交易。囿于资金体量和交易方式，银行间市场债券的交易活跃度不及交易所股票的交易活跃度。可见，基于技术面的量化分析指标，如动量、异同移动平均线(MACD)、能量潮等，对于债券量化分析并不特别适用。因此，投研一体化平台应关注如何提高银行间市场的信息处理效率和业务执行效率，为量化分析提供高质量数据源和高效可靠的执行通道。

　　(三)组合管理差异

　　不同于股票组合关注行业配置、投资风格和个股收益表现，债券组合对债券的选择是基于评级、久期、收益率等一系列债券属性指标进行的，组合管理是对组合的杠杆率、久期、静态收益率等风险绩效指标进行管理。因此，在进行债券组合量化分析的时候，关注点在于结合债券的属性和组合的目标要求进行持仓调整，技术平台的建设也是围绕落地这一业务目标而进行的。

　　建设投研一体化平台的考量因素及相关子系统设计

　　基于上述分析，在设计投研一体化平台时我们主要考虑了债券量化业务的三个重要因素：驱动因素、风险控制和交易执行，并为此研发了六个子系统。

　　(一)驱动因素

　　投资交易决策的产生离不开驱动因素，债券量化业务的驱动因素多种多样，实践中可从两个最简单的因素入手：行情驱动和事件驱动。通过业务场景分析，我们搭建了全市场债券行情系统(子系统一)和债券信用评级系统(子系统二)。针对行情驱动场景，全市场行情系统对债券进行了统一建模，并约定了重要属性的数据来源、计算方法和应用方式。在此基础之上，通过直连的形式汇集全市场的行情数据，借助人工智能算法解析并结构化处理交易员联络群里的报价信息，最终汇总形成全市场行情数据流，为行情驱动场景的实现提供数据源。全市场行情系统以分布式发布订阅消息系统Kafka为消息传递和转发工具，行情处理引擎会将原生的行情数据根据设定的模型进行属性扩充和计算。为了解决跨系统实现的问题，行情数据流以谷歌(Google)的Protocol Buffer协议(一种数据序列化机制)为编码规则，保证了数据的跨系统有效对接。

　　推荐阅读：股市投资方面有什么论文文献

期刊VIP网，您身边的高端学术顾问

文章名称： 基于投研一体化平台的债券量化实践

文章地址： http://www.qikanvip.com/jingjixue/55643.html