债市因子图鉴（二）：机构行为的”买在分歧、卖在一致“引进债市量化模型

机构行为的“买在分歧、卖在一致”引进债市量化模型 债市因子图鉴（二） 本报告导读： 孙越(分析师)021-38031033sunyue6@gtht.com登记编号S0880525080004 机构行为的系统性变换：趋势类因子（买在一致），敏感度类因子（买在分歧），极值类因子（卖在一致）。 投资要点： 50年国债分析框架：五个关键问题2026.07.14缩圈行情下如何优化配置固收+基金：波动预算和赛道选择谁是第一属性2026.07.08海外需求-国内制造框架下，“看商做债”框架如何进化2026.06.30把握科技主升，聚焦业绩确定性2026.06.30如何看待小行二永开始发行：整体供给冲击有限，结构性压力难避免2026.06.29 买在一致：对应趋势类因子，是胜率较高的右侧加仓指引。该类因子包含14个指标，融合了配置盘（大行/理财子）的长窗口战略共识与交易盘（货基/公募）的短窗口情绪合力。回测表明，虽然其长期收益稳健，但在2026年单边急牛中，由于需等待多方资金信号确认，其相对滞后的右侧触发机制导致入场较晚、仓位暴露偏低（持仓占比仅37.7%）。因此，其核心价值在于趋势明确时的稳健跟随，而非博取最高弹性。 买在分歧：对应截面类因子，提供富有进攻弹性的左侧布局信号。通过适配该逻辑的5个因子，我们可以利用个别机构净买卖“排名”与“偏离度”，在整体买盘停滞的分歧期，精准识别少数暗中吸筹或逆势抗跌的聪明资金。由于无需等待全市场共识确立，该指标具有极强的前瞻性。在2026年的测试中，它展现出远超“买在一致”的敏锐度，多头持仓占比高达55.3%，并斩获了2.14%的最高年化收益。 卖在一致：对应极值类因子，通过监控过度拥挤状态实现风险提示。该类库中的8个因子聚焦均值回归强度与仓位/交易异常，专门捕捉机构净买入达历史极限或筹码松动的脆弱时刻。回测证明，此类因子带有极强的防守属性，在2026年债市整体走强时进行提示预警，将最大回撤完美控制在-0.19%。这表明其核心价值不在于提供底仓时长，而是在拥挤度极高、分歧即将爆发的临界点，提供风控指引。此外，各类因子的集中度与利率相关性也进一步验证了其适用的交 易场景与策略局限。具体而言，①适配“买在一致”的趋势类因子普遍呈现出高度顺势且内部严重抱团的特性，即该策略必须等待市场共振才能触发，属于偏右侧的滞后确认；②适配“买在分歧”的截面类因子则信号一致性较低，不受当期单边趋势的影响，这种不依赖市场共识的底层结构赋予了其前瞻性，使其能够敏锐捕捉震荡市或行情酝酿期的左侧买点；③刻画“卖在一致”的极值类因子展现出了均值回归特征，即前期行情顺势涨幅越猛，其提示离场防守的预警合力越集中，从而能够在微观交易高度拥挤的风险高点提供有效的风控保护。 风险提示：历史数据存在失效的可能；模型核心参数依赖历史数据校准，易受样本区间结构性特征影响，极端行情波动 目录 1.量化观测机构行为的三视角框架...........................................................32.顺势而为：趋势类因子与“买在一致”....................................................43.策略映射：截面类因子与“买在分歧”....................................................54.物极必反：极值类因子与“卖在一致”....................................................65.风险提示..............................................................................................8 1.量化观测机构行为的三视角框架 当前固收领域对机构行为的跟踪研究已日趋丰富，但更多侧重于对单 一机构属性（保险、券商买入节奏、公募基金的久期变动）的定性归因与现状描述。我们前期的研究报告中，其实已经就“机构行为数据如何应用于债市”进行了探索，并积累了较为丰富的底层因子库。 资本市场时常有“买在分歧、卖在一致”的规律，债市机构行为中也可以对这种规律进行复刻或模拟，即通过将这套因子进行结构化的变换并分类，提取不同类别的微观交易特征，我们可以更为具象化地刻画市场当前所处微观博弈状态，具体而言： ①趋势类因子（买在一致）：当同质化机构在特定期限或品种上形成买入合力时，此类因子能有效确认微观趋势的成立，实现“买在一致”的识别。②敏感度类因子（买在分歧）：在债市处于震荡格局，机构行为存在分歧情况下，不同负债端机构的行为往往出现背离。此类因子能够捕捉特定机构在分歧中的异常吸筹动作（如净买入动量的横向相对优势）与价格敏感度，指导我们进行左侧挖掘，实现“买在分歧”。 ③极值类因子（卖在一致）：当收益率下行至极致，微观交易结构高度拥挤时，微小的边际利空也容易引发回调。此类因子通过监控仓位占用度与均值回归强度，能前瞻性地识别“过度一致”带来的脆弱性，实现“卖在一致”。 资料来源：国泰海通证券研究 资料来源：Wind，国泰海通证券研究 从三类因子净值曲线来看，其整体收益趋势相近，但触发信号的时间节点差异明显。具体而言，“买在一致”对上涨行情的捕捉明显滞后，且在震荡阶段微观共识极易瓦解，导致策略较长时间空仓观望（如2至4月净值平移）；相比之下，“买在分歧”展现出更强的前瞻性与持仓韧性，往往能在行情启动前更早触发看多节点；而“卖在一致”在局部的震荡回撤中能敏锐切断仓位，有效发挥了高位拥挤时的预警价值，而对于这一差异产生的具体原因，我们将在下文中详细拆解： 2.顺势而为：趋势类因子与“买在一致” 在我们前期的模型因子筛选中，能够较好适配“买在一致”逻辑的因子共计14个，大致可将其划分为两类： 第一类是侧重配置盘的中长窗口趋势因子，包括大型银行超长净买卖加速度、理财子与券商的长期/超长净买入天数占比。其中，大行和理财子作为配置型力量建仓相对平稳，券商则具备较强波段属性。当它们在中长 窗口（N20-N60）下持续或加速买入时，反映出市场达成了一定的一致预期。 第二类是侧重交易的短窗口动量因子，高度集中于公募基金与货基的短期（N5-N20）净买入占比、持续性与斜率。其中货基本质上刻画了债市流动性的充裕情况，而公募基金则反映交易盘博弈的边际变化，二者共振可进一步确认多头力量的聚集。 回测来看，这14个因子的平均年化收益达到1.95%，是长周期视角的收益基石。然而，将其以投票方式聚合并实际回测中，则暴露了“买在一致”作为偏右侧交易的特征与局限。在2026年以来的7-10年国债财富指数上进行回测可以看到，虽然该聚合信号展现了较强的风控能力，但在2026年年缺乏明显回调的单边急牛行情中，其多头持仓天数占比仅为37.7%，绝对收益相对落后。 而进一步观测趋势类因子相关系数矩阵，可以看多，14个趋势类因子呈现“局部高度抱团”的结构，这是策略在单边急牛行情中信号滞后、仓位暴露不足的根本原因。代表中长线配置的大行与理财子因子相关性极低、信号独立；而代表短线交易的公募与货基因子则呈现大面积高相关性（普遍在0.6至0.9以上），存在一定的共线性。在等权投票机制下，这些高度同质化的短期因子垄断了整体信号，迫使系统必须消耗较长的时间窗口等待它 们完全共振，才能触发加仓阈值。 整体来看，“买在一致”这类因子的核心价值并不在于博取单边急牛中最高的绝对收益，而是当趋势明确时提供高胜率的右侧加仓指引。 3.策略映射：截面类因子与“买在分歧” 适配“买在分歧”逻辑的因子共计5个。这些因子不再侧重于单边趋势，而是聚焦于截面维度的相对优势与动量分层。具体包括券商与“其他”机构的中期净买卖动量排名、货基的短期累积偏离度，以及理财子与大行的中长窗口动量分层。整体而言，当市场处于震荡阶段时，资金的整体买盘可能相对停 滞。在此背景下，我们需要转而关注“相对排名”和“偏离度”来识别少数机构表现出的强势特征，进而为震荡市中的左侧布局提供前瞻性信号。 将这5个因子以投票方式聚合并实际回测中，结果显示“买在分歧”显示出了更强的敏感度与进攻弹性。在2026年以来的7-10年国债财富指数上进行回测可以看到，该聚合信号获得了2.14%的年化收益，且其多头持仓天数占比达到55.3%，明显高于此前的“买在一致”类指标。 从截面类因子相关系数矩阵来看，5个截面类因子的类内相关性普遍偏低，信息互补性较强。5个截面类因子的相关系数普遍处于-0.38至0.18的低水平，没有出现趋势类因子中的局部抱团现象。这意味着理财子、券商或货基等不同机构表现出的相对强势特征是彼此独立的。在等权投票机制下，这种低相关性确保了每一个截面维度的信号都能被平等且有效地叠加，不 会被冗余指标相互抵消或降权。 整体来看，截面类因子能够较为灵敏地捕捉资金在震荡调整中的相对强势状态。由于无需等待各路资金形成高度共振，这使即使缺乏深调的单边急牛行情时，该类因子也能够更早、更敏锐地捕捉到左侧买入机会，从而实现更为充分的仓位暴露。因此，“买在分歧”这类因子的核心价值在行情酝酿期或震荡市中提供高弹性的左侧布局信号。 4.物极必反：极值类因子与“卖在一致” 在我们前期的模型因子筛选中，能够较好适配并刻画“卖在一致”逻辑的因子共计8个，大致可将其划分为两类： 第一类是侧重均值回归强度的极值反转因子，覆盖了保险、公募与货基等不同机构。当这些机构的净买入行为大幅偏离历史均值达到极值时，意味着微观交易结构已走向极度拥挤，随时可能因微小扰动引发一致性预期 的瓦 解与反转。 第二类是侧重仓位与交易异常的热度预警因子，高度集中于公募基金与货基的短期仓位占用度，以及中小银行的交易活跃度异常。当交易盘仓位逼近极限或换手率异常放大时，往往标志着增量资金耗尽或高位筹码出现松动。 将此类因子以投票方式聚合并实际回测中，则充分印证了“卖在一致”作为风险提示的价值。在2026年以来的7-10年国债财富指数上进行回测可以看到，尽管其持仓天数占比在三类信号中最低（仅为30.7%），但该信号展现了极其卓越的回撤控制能力。其最大回撤被严格控制在-0.19%，回撤幅度为三类中最小。 从极值类因子相关系数矩阵来看，8个极值类因子仅在同一机构的不同拥挤维度间出现中等相关，跨机构基本独立，这意味着各类市场主体的交易过热状态是相对独立的。在聚合机制下，模型不需要等待全市场资金同步见顶，只要任何单一机构在局部出现仓位打满或交易异常，就能各自独立地触发风险预警。 整体而言，极值类因子的核心逻辑是对过度拥挤进行预警，带有较强的防守属性。在2026年的单边急牛行情中，随着收益率不断下行突破极值，高频的报警会促使策略频繁离场观望，导致仓位暴露较低。因此，“卖在一致”这类因子的核心价值并不在于提供长期的底仓持有时长，而是在拥挤 度极高、分歧即将爆发的临界点，提供风控指引。 资料来源：Wind，国泰海通证券研究 此外，各类因子的集中度与利率相关性也进一步验证了其适用的交易场景与策略局限。具体而言， ①适配“买在一致”的趋势类因子普遍呈现出高度顺势且内部严重抱团 的特性，即该策略必须等待市场共振才能触发，属于偏右侧的滞后确认； ②适配“买在分歧”的截面类因子则信号一致性较低，不受当期单边趋势的影响，这种不依赖市场共识的底层结构赋予了其前瞻性，使其能够敏锐捕捉震荡市或行情酝酿期的左侧买点； ③刻画“卖在一致”的极值类因子展现出了均值回归特征，即前期行情顺势涨幅越猛，其提示离场防守的预警合力越集中，从而能够在微观交易高度拥挤的风险高点提供有效的风控保护。 5.风险提示 历史数据存在失效的可能；模型核心参数依赖历史数据校准，易受样本区间结构性特征影响，极端行情波动 本公司具有中国证监会核准的证券投资咨询业务资格 分析师声明 作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专