楊駿逸

摘要：從債券市場的發(fā)展方向、機構投資者的業(yè)務訴求以及海外市場的成功經(jīng)驗來看，開展債券量化業(yè)務正當其時。選擇投研一體化平臺來實現(xiàn)債券量化在各個場景的應用是一條可行路徑。本文主要基于債券量化業(yè)務中的三個重要因素——驅動因素、風險控制和交易執(zhí)行，構建了包括六個子系統(tǒng)的投研一體化平臺，并在此平臺上實踐了智能建倉、利率多因子模型構建和債券指數(shù)基金監(jiān)控等經(jīng)典場景，體現(xiàn)出平臺具有較高的實用價值。

關鍵詞：債券量化? 投研一體化平臺? 應用場景? 系統(tǒng)建設

債券市場是現(xiàn)代金融市場的重要組成部分。目前，我國債券市場體量龐大、品種齊全、功能多樣。隨著近年來資管規(guī)模的快速增長、交易品種的不斷豐富和信用風險的日漸暴露，傳統(tǒng)的債券投研及交易方式逐步受到大環(huán)境的挑戰(zhàn)。在此背景之下，債券量化業(yè)務開始納入機構投資者的視線。

開展債券量化業(yè)務正當其時

（一）海外市場擁有成功經(jīng)驗

債券量化業(yè)務并非近年新興的業(yè)務，早在上世紀70年代，美國資本市場涌現(xiàn)了一批以量化分析的方式進行債券投資的交易員和基金經(jīng)理，其中最出名的莫過于John Meriwether領銜的所羅門兄弟套利部門及后來創(chuàng)立的長期資本管理公司（Long-Term Capital Management，LTCM），其借助量化分析工具，利用同質債券價格趨同的策略進行套利，為公司帶來了豐厚的回報。除交易策略之外，量化分析在債券信用分析、風險管理等諸多領域亦有應用價值。

（二）交易工具逐漸豐富

債券量化業(yè)務離不開豐富的交易工具。隨著多年來債券市場規(guī)模的增長，債券品種不斷增加，交易工具逐漸豐富：國債期貨的重啟上市、信用風險緩釋工具（CRM）的推出、債券指數(shù)基金數(shù)量的增加及發(fā)行速度加快，都為債券量化業(yè)務提供了更多元的工具選擇。

（三）機構投資者內(nèi)部條件已成熟

目前，債券市場不少機構投資者都有著豐富的投資交易經(jīng)驗，積累了大量的業(yè)務知識，儲備了一批專業(yè)人才。然而囿于人力限制，機構投資者迫切希望將業(yè)務知識與成功經(jīng)驗轉換為分析模型，沉淀至業(yè)務系統(tǒng)。同時，隨著多年來的投資者教育，投資者對量化思想的認可度亦越來越高。加之信息技術的不斷成熟，機構投資者已具備開展債券量化業(yè)務的內(nèi)部條件。

從債券市場的發(fā)展方向、機構投資者的業(yè)務積累和訴求，以及海外市場的成功經(jīng)驗來看，在不久的將來，我國債券量化業(yè)務將實現(xiàn)大跨步發(fā)展。而當下著手開展債券量化業(yè)務，不失為把握時代發(fā)展大勢的明智決策。

開展債券量化業(yè)務的路徑選擇

多年的積累和實踐經(jīng)驗表明，選擇投研一體化平臺來實現(xiàn)債券量化業(yè)務在各個場景的應用是一條可行路徑。筆者所定義的投研一體化平臺，是指覆蓋各類資產(chǎn)、連通各個業(yè)務環(huán)節(jié)、支持各種業(yè)務類型的平臺。

為什么要基于投研一體化平臺？這是因為業(yè)務是連貫的，任何應用場景都會最終落地到投資交易的執(zhí)行環(huán)節(jié)，系統(tǒng)不能是割裂的，不能只完成完整業(yè)務鏈條中的一部分并且只覆蓋部分品種。映射到債券量化的應用場景，投研一體化平臺應該覆蓋研究、投資、風控、交易和清算五個環(huán)節(jié)。在業(yè)務和品種方面，公募基金可以展業(yè)并投資的標的均應被覆蓋。

從業(yè)務應用的角度來看，債券量化業(yè)務與股票量化業(yè)務存在如下三個差異。這三個差異也決定了投研一體化平臺各個子系統(tǒng)建設的思路和方向。

（一）個券研究模型差異

債券和股票的屬性不同，因此兩者的定價模型和風險預測方式存在差異。在基于基本面進行量化分析時，股票側重于基本面給股價帶來的影響，而債券側重于基本面對違約風險的影響，債券的價格在一定范圍內(nèi)受市場利率的影響更大。因此，在考慮基本面和價格因素時，股票量化的策略回測形式對債券量化的參考意義有限，而構建信用評級模型，量化分析債券的違約風險以及結合債券的內(nèi)在價格和市場行情進行價差分析會更有意義。

（二）流動性差異

相較而言，債券的主體交易場所是銀行間市場，交易方式主要是交易員之間協(xié)商價格，進行協(xié)議交易。囿于資金體量和交易方式，銀行間市場債券的交易活躍度不及交易所股票的交易活躍度?？梢?，基于技術面的量化分析指標，如動量、異同移動平均線（MACD）、能量潮等，對于債券量化分析并不特別適用。因此，投研一體化平臺應關注如何提高銀行間市場的信息處理效率和業(yè)務執(zhí)行效率，為量化分析提供高質量數(shù)據(jù)源和高效可靠的執(zhí)行通道。

（三）組合管理差異

不同于股票組合關注行業(yè)配置、投資風格和個股收益表現(xiàn)，債券組合對債券的選擇是基于評級、久期、收益率等一系列債券屬性指標進行的，組合管理是對組合的杠桿率、久期、靜態(tài)收益率等風險績效指標進行管理。因此，在進行債券組合量化分析的時候，關注點在于結合債券的屬性和組合的目標要求進行持倉調整，技術平臺的建設也是圍繞落地這一業(yè)務目標而進行的。

建設投研一體化平臺的考量因素及相關子系統(tǒng)設計

基于上述分析，在設計投研一體化平臺時我們主要考慮了債券量化業(yè)務的三個重要因素：驅動因素、風險控制和交易執(zhí)行，并為此研發(fā)了六個子系統(tǒng)。

（一）驅動因素

投資交易決策的產(chǎn)生離不開驅動因素，債券量化業(yè)務的驅動因素多種多樣，實踐中可從兩個最簡單的因素入手：行情驅動和事件驅動。通過業(yè)務場景分析，我們搭建了全市場債券行情系統(tǒng)（子系統(tǒng)一）和債券信用評級系統(tǒng)（子系統(tǒng)二）。針對行情驅動場景，全市場行情系統(tǒng)對債券進行了統(tǒng)一建模，并約定了重要屬性的數(shù)據(jù)來源、計算方法和應用方式。在此基礎之上，通過直連的形式匯集全市場的行情數(shù)據(jù)，借助人工智能算法解析并結構化處理交易員聯(lián)絡群里的報價信息，最終匯總形成全市場行情數(shù)據(jù)流，為行情驅動場景的實現(xiàn)提供數(shù)據(jù)源。全市場行情系統(tǒng)以分布式發(fā)布訂閱消息系統(tǒng)Kafka為消息傳遞和轉發(fā)工具，行情處理引擎會將原生的行情數(shù)據(jù)根據(jù)設定的模型進行屬性擴充和計算。為了解決跨系統(tǒng)實現(xiàn)的問題，行情數(shù)據(jù)流以谷歌（Google）的Protocol Buffer協(xié)議（一種數(shù)據(jù)序列化機制）為編碼規(guī)則，保證了數(shù)據(jù)的跨系統(tǒng)有效對接。

在事件驅動場景中，我們著重考慮了評級和輿情兩個方面。首先構建了債券信用評級模型，以量化發(fā)債主體的基本面信息、市場的行情資訊等核心要素發(fā)生改變時所帶來的影響，建立了量化信用評級體系。同時，借助輿情監(jiān)控系統(tǒng)，實時監(jiān)控債券的輿情信息。評級要素和輿情信息的量化，為事件驅動的決策落地提供了可行性。

（二）風險控制

在驅動因素產(chǎn)生投資交易指令之后、投資交易行為發(fā)生之前，風險控制是繞不開的一個環(huán)節(jié)，風控系統(tǒng)（子系統(tǒng)三）的好壞是決定指令能否落地的關鍵。這時可以根據(jù)實際情況，選擇使用所采購投資交易系統(tǒng)自帶的風控功能，也可以添加一套獨立的風控系統(tǒng)。我們傾向于后者，原因之一是業(yè)務創(chuàng)新變化很快，標準化的投資交易系統(tǒng)未必能滿足機構個性化的風控需求。獨立的風控系統(tǒng)應該能滿足高并發(fā)、高吞吐量、高可靠性和低延遲的技術要求，也滿足可迅速支持個性化風控條目的業(yè)務要求，同時還應該融入到業(yè)務鏈路中，而不是事后的一個補充或者監(jiān)控系統(tǒng)。我們對該系統(tǒng)的定位是“事前事中事后一體化，境內(nèi)境外全覆蓋”，應當具備快速響應監(jiān)管或者大客戶最新風控要求的能力，守住合規(guī)經(jīng)營的底線。

（三）交易執(zhí)行

對于債券量化業(yè)務，執(zhí)行是最終落地的環(huán)節(jié)。由于股票量化已有多年的實踐經(jīng)驗，滬深交易所在執(zhí)行層面的相關系統(tǒng)已比較完善，債券量化在執(zhí)行層面的重要差異點是體量大得多的銀行間市場。為此，我們梳理銀行間業(yè)務規(guī)則，構建了一套高效可靠的銀行間執(zhí)行系統(tǒng)（子系統(tǒng)四）。

在指令端，固收投資端和指令中樞系統(tǒng)（子系統(tǒng)五）支持投資人員進行指令下達，具備基本的指令管理能力。在此基礎上，我們還增加了各類風險績效指標的實時計算和展示以及模擬交易試算功能，業(yè)務人員可以更清晰更直觀地了解組合各項風險績效指標的動態(tài)變化以及所下達指令對組合的影響，也可以通過行情輔助了解投資標的的實時狀態(tài)信息（價格、收益率等）。

在交易端，銀行間市場執(zhí)行系統(tǒng)連接了交易、信息訂閱和成交回報三大類五個接口，定位于提升交易效率、降低交易風險。在這方面，指令要素的自動填充、交易端風控規(guī)則的固化以及與交易流程的結合是三個核心點。投資指令要素的自動填充可以避免人工差錯，加快交易要素填寫速度;交易端風控規(guī)則的固化可以將交易獨有的研究成果轉為交易執(zhí)行的各項指導，減少人工檢查;與交易流程的結合則是各個機構合規(guī)交易的要求，可降低業(yè)務操作風險。

為擺脫清算流程的煩瑣和頻繁人工操作帶來的效率掣肘，我們構建了清算交收系統(tǒng)（子系統(tǒng)六），提供銀行間二級債券買賣、債券回購、債券分銷等業(yè)務清算流程電子化（單據(jù)自動生成、自動加蓋公章）和實時化（實時獲取前臺成交信息），以及提供交易員債券買賣和債券回購確認的自動化，并與估值和資金劃撥系統(tǒng)對接，實現(xiàn)債券分銷、可轉債等業(yè)務的清算確認自動化。同時系統(tǒng)每日會采集交易清算數(shù)據(jù)，對交易對手的清算能力進行量化分析，從而為交易執(zhí)行提供參考，形成業(yè)務數(shù)據(jù)的閉環(huán)流轉。

債券量化實踐的典型場景

基于上述必須具備和構建的子系統(tǒng)，我們實踐落地了多個債券量化業(yè)務場景，較為典型的三個是智能建倉、利率多因子模型和債券指數(shù)基金監(jiān)控，涉及行情驅動、主動量化和被動量化三個不同的領域。

（一）智能建倉

在智能建倉方面，主要考慮的是日常投研人員花費較多時間和精力的盯市場景和普遍存在的建倉需求，其業(yè)務核心點在于如何快速有效地幫助投研人員以合適的價格找到合適的債券品種。在債券篩選方面，我們借助前文提到的針對債券的統(tǒng)一模型和信用評級結果，提供債券類別、久期、內(nèi)部評級、外部評級、發(fā)行人、含權情況、清償順序等多個類別數(shù)十項屬性篩選，結合不同交易市場的價格信息和盤口信息以及管理組合的持倉情況，制定特定的建倉策略。一旦行情達到投資行為的觸發(fā)條件，即可快速生成詢價指令，交由交易員進行詢價，交易員完成詢價之后再反饋至投資經(jīng)理;如果是不需要詢價的債券，則直接生成正式指令，下達至風控系統(tǒng)進行風控檢查，通過之后再交由交易員執(zhí)行。從指令下達直至清算完成，整個業(yè)務流程借助上文提到的子系統(tǒng)在同一平臺上完成。

投研一體化平臺的重要性在智能建倉場景中體現(xiàn)得非常明顯，因為行情稍縱即逝，如果靠人工記住各項關鍵指標再肉眼觀察市場行情，發(fā)現(xiàn)行情后逐個查詢和輸入投資、交易、清算的各個要素，不僅費時費力、覆蓋面有限，還容易錯過交易時機。盡管市面上的行情軟件可以提供行情篩選功能，但是大多既不能集成內(nèi)部的研究成果（如內(nèi)部評級等），也無法直接生成指令，無法真正行之有效地落地實現(xiàn)智能建倉。

（二）利率多因子模型構建

利率多因子模型是一個通過量化方式分析并判斷未來市場利率走勢從而提供倉位水平建議的模型，模型主要考慮了利差、動量、價值和風險偏好四個基礎因子，根據(jù)因子所處的歷史位置和在模型中的貢獻度，給出看多或看空的判斷以及具體倉位值建議。同時，考慮到不同投研人員對因子的偏好有所不同，我們對模型進行了擴展，支持根據(jù)各項宏觀經(jīng)濟指標等基礎因子構建更為復雜的定制因子，并對因子進行回測，也支持通過復雜因子制定投資策略，回測策略的執(zhí)行情況并分析其效果。

（三）債券指數(shù)基金監(jiān)控

債券指數(shù)基金監(jiān)控主要考慮債券指數(shù)基金運作的被動量化場景。指數(shù)基金最重要的是跟蹤指數(shù)，業(yè)務核心是降低跟蹤誤差。在實踐過程中，由投研人員系統(tǒng)性梳理債券指數(shù)基金在運作過程中需要關注的各項組合指標，包括指數(shù)久期與基金久期、基金成分券與非成分券倉位、當前資金成本等，通過監(jiān)控指標的實時狀態(tài)，提醒投資經(jīng)理進行相關的操作。

除了上述幾種業(yè)務場景之外，還有很多特定的債券量化場景在平臺上不斷落地。只要保證投研一體化平臺相關基礎設施的穩(wěn)定，業(yè)務場景固化、業(yè)務知識沉淀只是時間問題，平臺的價值也會隨著時間的推移而愈發(fā)顯現(xiàn)。

作者：南方基金信息技術部高級副總裁

責任編輯：羅邦敏? 劉穎