【国泰海通固收】如何搭建一个能感知环境+共振决策的利率择时模型 ——债市量化系列之七 20260604 [玫瑰] 没有最好的模型、最优的因子，只有最适合当前市场

• 序号：122
• 星球链接：打开网页
• 附件：图片 0，音频 0，文档 0
• 音频文件：无音频

图片

无图片

正文

【国泰海通固收】如何搭建一个能感知环境+共振决策的利率择时模型 ——债市量化系列之七 20260604

[玫瑰] 没有最好的模型、最优的因子，只有最适合当前市场环境的模型和因子。本报告基于机构行为因子，在此基础上实现了从“单一因子筛选”向“系统化择时模型构建”的跨越

[太阳] 首先在因子构造与筛选环节，我们将原始机构行为数据重构为趋势、极值、敏感度三大类衍生特征，并针对性的筛选出进攻因子库与防守因子库。

[太阳]其次在信号层，本文对预测目标进行了重构，构建了相互独立的 L1 双轨正则化预测模型。

[太阳]最后，考虑到构建模型对“市场环境的动态识别与适配”能力，才是实现策略长期稳健盈利的核心胜负手。我们针对机构行为因子状态适配特征，引入了GMM模型并设置了基于久期、杠杆率、波动率的环境感知机制，进而构建了最终的仓位决策矩阵。

总体总结

主题正文

1. 【国泰海通固收】如何搭建一个能感知环境+共振决策的利率择时模型 ——债市量化系列之七 20260604
2. [玫瑰] 没有最好的模型、最优的因子，只有最适合当前市场环境的模型和因子。
3. 本报告基于机构行为因子，在此基础上实现了从“单一因子筛选”向“系统化择时模型构建”的跨越
4. [太阳] 首先在因子构造与筛选环节，我们将原始机构行为数据重构为趋势、极值、敏感度三大类衍生特征，并针对性的筛选出进攻因子库与防守因子库。
5. [太阳]其次在信号层，本文对预测目标进行了重构，构建了相互独立的 L1 双轨正则化预测模型。
6. [太阳]最后，考虑到构建模型对“市场环境的动态识别与适配”能力，才是实现策略长期稳健盈利的核心胜负手。
7. 我们针对机构行为因子状态适配特征，引入了GMM模型并设置了基于久期、杠杆率、波动率的环境感知机制，进而构建了最终的仓位决策矩阵。