債市收益率季節性規律探究

摘要：本文創新性地采用定量方法對債市收益率季節性規律進行測定，通過驗證其規律性結論，并與主觀單邊持倉策略進行績效對比，實證該規律性結論對投資交易的實戰指導價值。同時，本文對債市收益率季節性規律進行較為全面的歸因分析，針對“如何更好應用債市收益率季節性規律開展投資交易”這一問題，結合主觀交易和量化交易兩個視角給出具體建議和展望。

關鍵詞：債市收益率 季節性規律 投資交易

觀察2018年以來中債10年期國債估值收益率時間序列數據，其季節性特征較為明顯。通常1月以收益率下行為主，2—3月和7—8月有一定的收益率下行，9月則以收益率回調為主，而臨近年末的11—12月收益率再次下行（見圖1）。基于此，如何測定債市收益率季節性規律，并在投資交易中加以合理利用，是債市投資機構值得探究的課題。

債市收益率季節性規律的定量分析

本文以中債10年期國債估值收益率為研究對象，將2018—2023年數據作為“訓練集”并得到規律性結論，再以2024年數據作為“測試集”來驗證規律的普適性。

（一）探究規律

為盡量得出精確的債市收益率季節性規律，本文對2018—2023年的中債10年期國債估值收益率數據進行測算。假定變量A（起始日）和變量B（終止日）需滿足A、B屬同一年，且區間天數限定為30—90天。以A、B間債市多/空累計收益率變動的日均值最大化為主要目標，累計值最大化為次要目標，分別賦予不同權重，然后綜合考慮評分結果。

遍歷所有情景后得到最優結果：1月3日—2月2日持倉單邊多頭，2月21日至3月23日持倉單邊多頭，7月6日至8月5日持倉單邊多頭，8月31日至9月30日持倉單邊空頭，11月27日至12月27日持倉單邊多頭（見表1）。

（二）驗證規律

得出債市收益率季節性規律后，使用2024年中債10年期國債估值收益率數據驗證該結論在2024年的適用性。綜合考慮2024年假期調整等因素，對起始日、終止日進行微調并得到了結果（見表2）。2024年，若按照上述規律性結論，在涉及的5個時段內分別執行多/空交易，在其余時段空倉，則該策略表現較佳且獲得明顯累計收益。

為進一步驗證適用性，考慮到主觀單邊持倉策略是債市投資交易的基準策略，本文以中債10年期國債估值收益率累計變動作為策略損益衡量標準，分別對債市收益率季節性規律策略與主觀單邊持倉策略進行比較分析（見圖2）。可以看出：絕對收益方面，由于2024年是債券牛市，二者的絕對收益差距并不大；持倉感受方面，債市收益率季節性規律策略的累計損益曲線更加平滑、回撤更小，從而帶來更佳的持倉感受，并具有更高的夏普比率與卡瑪比率；持倉收益方面，由于債市收益率季節性規律策略并非全年均有持倉，而是僅在合計不超過5個月的5個時段內持倉，且其中1個月持倉為空頭，相較于主觀單邊持倉策略，該策略下的日均持倉更低，組合資產回報率（ROA）更高。

債市收益率呈季節性規律的原因分析

債市收益率季節性規律存在內在邏輯。本文結合不同的分析視角，對債市收益率季節性規律的原因進行分析。

（一）1月債市收益率下行

從債券供給角度看，1月因全國兩會后國債、地方債等發行高峰尚未啟動，往往是債券供給壓力較小的月份。根據萬得（Wind）數據（下同），2018年以來，1月平均國債和地方債凈融資額僅約5000億元，明顯低于全時段月均值（近7000億元）。

從機構行為角度看，在當前經濟基本面偏弱、信貸真實需求不強的情況下，1月往往是各類機構，尤其是銀行自營等機構發力配置的重要時段。2020—2024年，1月平均銀行月度凈增持債券量達9884億元，明顯高于其他大部分月份，僅弱于9月（鄭葵方，2025）。

從資金面角度看，年末往往銀行體系受流動性覆蓋率（LCR）和風險資產規模等監管指標約束明顯，因此跨年時點資金價格往往偏高。跨年后，1月資金價格一般出現回落。2018年以來，1月銀行間市場存款類機構7天質押式回購利率（R007）月度日均值大概率較上年12月有回落。該規律在2022年1月、2023年1月、2024年1月均有明顯體現。

（二）2—3月債市收益率下行

從基本面角度看，由于宏觀政策逆周期調節需要一定時間顯效，而主要的財政發力往往集中在二、三季度，其效果多在四季度顯現，因此采購經理指數（PMI）多在四季度企穩回升，次年2、3月見頂回落。2020年以來均是如此。PMI的逐月變動對應了經濟基本面的邊際變化，進而對債市有影響。

從市場情緒角度看，債市收益率季節性規律的主要影響因素為財政政策預期和貨幣政策預期。財政政策預期方面，歷年全國兩會召開時點多在3月，在經濟基本面偏弱的情況下，市場往往對財政政策刺激抱有偏高預期。而全國兩會后，此類不理性的預期大多收斂回歸合理區間。貨幣政策預期方面，由于2月春節期間流動性易受擾動，而央行過往降準操作部分落在2月以對沖春節期間流動性沖擊，故債券定價反映貨幣政策寬松預期。

從資金面角度看，2020年以來，2月R007月度日均值有較大概率環比回落，其環比回落的規律性甚至比1月更為明顯。同時，由于春節期間資金價格偏高，春節假期后資金價格有所回落，故3月R007月度日均值也可能環比降低。此外，央行過往降準操作也部分落在3月，這也支撐該時段內債市收益率走低。

（三）7—8月債市收益率下行

從基本面角度來看，2021年以來，7—8月PMI多為下行趨勢且多為年內較低點。例如，2024年8月PMI為49.1，為年內低點。其原因是PMI是經濟動能的直觀反映，上半年財政刺激政策效果尚需時間傳導，加之2020年以來暑期的高溫偏熱及部分時段內的降雨也對7—8月的PMI有所拖累。

從資金面角度來看，2021年以來，每年7—8月R007月度日均值均為環比下行，且大概率出現階段性資金利率低點。2022年、2023年的R007月度日均值年內低點均在8月。究其原因，主要是一季度后天氣轉暖，施工進度加速且財政支出增加，降低資金面波動并推動資金中樞下行。此外，央行過往降準操作也部分落在7月，推動該時段內債市收益率趨低。

從機構行為角度來看，8月銀行自營等機構的配置力量并不弱，甚至強于年內多數月份。2020—2024年，8月平均銀行月度凈增持債券量達8686億元，僅弱于1月和9月（鄭葵方，2025）。

（四）8—9月債市收益率上行

從市場情緒角度來看，8—9月，債市多頭情緒往往易受擾動。一方面，經過7—8月的收益率下行后，8月往往出現債市收益率階段性低點，部分機構選擇獲利了結。另一方面，該時段內權益市場表現往往較好，受“股債蹺蹺板”效應影響。

從債券供給角度來看，9月前后往往是政府債券集中供給的重要時段。例如，國債、地方債凈融資在2023年的高峰出現在10月，約為1.55萬億元；2024年高峰出現在8月，約為1.84萬億元，9月仍然接近1.5萬億元。債券供給的偏強推動債市收益率回調。

從資金面角度看，由于9月為季末月，銀行體系受各項監管指標約束，而十一假期恰在9月末后，增加了跨9月末資金借貸的難度。因此，9月資金利率中樞往往會有明顯上移。2018年以來，幾乎每年9月的R007月度日均值都有較為明顯的環比走高。

（五）11—12月債市收益率下行

11—12月的債市收益率下行是極強的季節性規律體現，2018年以來每年如此。

從債券供給角度來看，11—12月往往是政府債券供給明顯減少的時段。2018年以來，每年地方債新增額度的90%及以上在1—10月完成發行。11—12月債券供給明顯縮量，12月的供給量明顯低于11月。2022年以來，每年12月的政府債券供給量均環比下降。

從機構行為角度來看，配置力量增強和市場“搶配”預期推動債市收益率下行。11—12月，配置力量對債市收益率下行的推動作用更為明顯。同時，臨近年末市場搶跑配置的情緒濃厚。2018年以來，債市收益率下行節奏逐年提前、速率逐年加快、幅度逐年加大，這都是“搶配”預期和市場情緒的體現。

如何更好應用債市收益率季節性規律開展投資交易

（一）積極探索應用債市收益率季節性規律

1.主觀交易方面，避免教條化，合理應用該規律

債市收益率季節性規律在2024年有較好的適用性，將之作為策略開展交易也有好的績效表現。但是，回顧2025年以來市場，該規律性結論卻并不適用，因為債市的影響因素眾多，每年的節奏也都不同。

因此，對于主觀交易，即使是已階段性驗證有效的季節性規律，也不建議將之作為教條來指導交易。但鑒于該規律性結論在2018年以來絕大多數年份均成立，建議在綜合考慮各項因素后，從以下三個維度對主觀交易進行合理應用。

一是在債市方向判斷維度，建議將該規律性結論作為重要參考因素，納入整體投研體系，并給予充分考慮。

二是在投研判斷時效維度，鑒于該規律性結論的時效性，建議主要將其應用于投資交易計劃的短期視角中，用于指導短期波段交易，而非中長期配置交易。

三是在交易倉位管理維度，建議安排單獨的小額倉位并應用該規律策略參與交易。結合實操經驗，小額倉位在整體中的占比可約為5%。同時設定好嚴格的止盈止損線，實操來看，或許5～10BP為宜。

2.量化交易方面，將該規律形成單獨策略運行，并作為多因子策略中的重要因子

量化交易通常是體系化運行，具備“成體系、多策略、規模分散、因子眾多”的特點，這樣可以更好地保證量化策略組合整體的收益穩健性，并較好地獲取風險分散帶來的收益。目前固收量化領域中，各類傳統因子諸如基本面因子、技術指標因子、相關性因子等已有相對充分的應用，但對季節性因子的挖掘使用或許尚有欠缺。因此，建議考慮對該規律性結論進行開發、回測、優化，形成單獨量化策略并上線實盤。預計可對整體量化策略組合形成較好的風險分散效果。

作為固收量化領域的重要方法之一，機器學習等多因子策略正逐步得到廣泛使用。可探索將債市收益率季節性規律作為因子之一，應用于機器學習等多因子策略中，以提高綜合勝率。具體既可將時間戳因子直接納入因子庫，也可依據該規律性結論來設置啞變量。

（二）探討規律形成的影響因子，指導實際交易

從2020年以來的實際市場感受來看，資金面的持續寬松是推動債市收益率中樞不斷下行的重要因素，而機構行為和債券供給則是形成債市收益率波動的重要因素。以上因素都促使了債市收益率季節性規律的形成。將表３中主要影響因子的出現頻率作為衡量其影響力的重要標準，結合投資實踐，本文認為，推動債市收益率季節性規律形成的主要影響因子按影響力從大到小排序分別為資金面、機構行為、債券供給、基本面、市場情緒。

這也給予我們新的啟示：在應用債市收益率季節性規律的基礎上，繼續探究該規律背后的影響因子，前瞻性地思考各因子未來的演繹可能，應當可以幫助我們更好地判斷債市收益率季節性規律在未來的適用性，進而提高投研勝率。

參考文獻

[1]李思琪.我國國債市場的季節性效應分析[J].債券，2022（8）.DOI： 10.3969/j.issn.2095-3585.2022.08.020.

[2]鄭葵方.銀行債券投資的季節性規律分析[J].中國貨幣市場， 2025（4）.