摘要：近年來，銀行持有銀行間廣義利率債增量數(shù)據(jù)與10年期國債收益率階段性頂部存在一定的相關(guān)性，但托管數(shù)據(jù)的延遲發(fā)布影響了預(yù)測(cè)方法的應(yīng)用。本文使用中國外匯交易中心iData的每日二級(jí)市場(chǎng)交易數(shù)據(jù)，通過線性回歸的方法，在每月末實(shí)時(shí)預(yù)測(cè)當(dāng)月銀行對(duì)廣義利率債的增持量，進(jìn)而為識(shí)別10年期國債收益率階段性頂部提供參考。

關(guān)鍵詞：iData交易數(shù)據(jù) 托管量 廣義利率債 10年期國債收益率

銀行的債券投資行為與債券收益率走勢(shì)

（一）銀行在廣義利率債市場(chǎng)的地位

我國債券市場(chǎng)自形成以來，一直維持著以銀行間債券市場(chǎng)為主、交易所市場(chǎng)為輔的格局。根據(jù)萬得（Wind）數(shù)據(jù)，截至2024年6月末，在我國164萬億元的存續(xù)債券規(guī)模中，銀行間市場(chǎng)存量規(guī)模為144萬億元，占比為87%；交易所市場(chǎng)存量規(guī)模為20萬億元，占比為12%?？梢娿y行間市場(chǎng)是我國債券市場(chǎng)的主要交易及

托管場(chǎng)所。

從債券類型上看，銀行間債券市場(chǎng)以廣義利率債（包括國債、政策性銀行債及地方債，下同）為主。根據(jù)2024年6月數(shù)據(jù)，在銀行間市場(chǎng)144萬億元的托管規(guī)模中，廣義利率債總規(guī)模為95萬億元，占比為66%。其中，國債規(guī)模為29萬億元，政策性銀行債規(guī)模為25萬億元，地方債規(guī)模為41萬億元。

從投資者類型上看，銀行間市場(chǎng)以商業(yè)銀行為最主要的投資群體。本文以廣義利率債托管數(shù)據(jù)為例，截至2024年6月，商業(yè)銀行托管規(guī)模為68萬億元，占比為71%。

由此可見，商業(yè)銀行是銀行間債券市場(chǎng)及廣義利率債市場(chǎng)最主要的參與群體。商業(yè)銀行在債券市場(chǎng)（尤其是廣義利率債）的交易行為，必然會(huì)對(duì)債券市場(chǎng)當(dāng)前及未來一段時(shí)間的收益率走勢(shì)產(chǎn)生一定程度的影響。

（二）銀行買入廣義利率債的動(dòng)機(jī)分析

從商業(yè)銀行買賣債券的動(dòng)機(jī)上看，大部分商業(yè)銀行（尤其是大型銀行）的債券持倉以配置戶（包括以攤余成本計(jì)量、以公允價(jià)值計(jì)量且其變動(dòng)計(jì)入其他綜合收益的金融資產(chǎn)）為主，交易賬戶的占比較少。本文統(tǒng)計(jì)了工商銀行、農(nóng)業(yè)銀行、中國銀行和建設(shè)hkXGDMLz2ktiMrqzFWPsAg==銀行（以下簡(jiǎn)稱“四大行”）的數(shù)據(jù)，根據(jù)其2023年年報(bào)，在總體規(guī)模達(dá)36萬億元的債券持倉中，配置戶持倉為35萬億元，占比為97%，交易戶占比僅為3%。根據(jù)國家金融監(jiān)督管理總局?jǐn)?shù)據(jù)，截至2023年末，四大行總資產(chǎn)規(guī)模為148萬億元，占我國銀行業(yè)總資產(chǎn)規(guī)模的36%，足以體現(xiàn)商業(yè)銀行整體的債券行為特性。

對(duì)于以配置戶為主的商業(yè)銀行，債券名義利率的絕對(duì)水平是其進(jìn)行投資決策的關(guān)鍵參考依據(jù)。其原因主要有兩方面：一是債券配置戶以獲取債券票息收入為主要目的，而債券市價(jià)波動(dòng)對(duì)當(dāng)期損益表無影響，因此銀行更為看重買入債券時(shí)所能得到的絕對(duì)利率。二是在銀行內(nèi)部，存在著“信貸部門-金融市場(chǎng)部門”的資金比價(jià)效應(yīng)，若債券市場(chǎng)名義利率較高，超過了經(jīng)風(fēng)險(xiǎn)調(diào)整的新增信貸資產(chǎn)的實(shí)際回報(bào)，則銀行有動(dòng)力將更多資金從信貸市場(chǎng)轉(zhuǎn)移到債券市場(chǎng)，加大對(duì)債券的配置力度。

因此，當(dāng)銀行在某個(gè)時(shí)間段顯著增加廣義利率債配置時(shí)，意味著銀行作為一個(gè)群體，認(rèn)為當(dāng)前的債券利率水平較高，符合機(jī)構(gòu)自身的配置要求；隱含的意思是，債券利率可能處在階段性的高點(diǎn)。同時(shí)，由于銀行作為廣義利率債市場(chǎng)最主要的參與群體，其顯著增加債券配置，會(huì)推動(dòng)債券收益率的下行。因此，實(shí)時(shí)預(yù)測(cè)并監(jiān)控銀行對(duì)廣義利率債的凈托管量增長(zhǎng)，對(duì)分析未來一段時(shí)間內(nèi)的債券收益率走勢(shì)有重要參考意義。

（三）銀行債券凈買入與國債收益率的關(guān)系

本文利用中央國債登記結(jié)算有限責(zé)任公司（以下簡(jiǎn)稱“中央結(jié)算公司”）公布的每月債券持倉數(shù)據(jù)（按投資者類型及債券類型分）以及債券收益率走勢(shì)，來分析兩者的相關(guān)性。

在債券持倉數(shù)據(jù)方面，本文選取商業(yè)銀行與信用社的廣義利率債持倉數(shù)據(jù)。由于隨著時(shí)間的推移，債券市場(chǎng)規(guī)模不斷增長(zhǎng)，銀行每月托管增量的中樞也隨之增長(zhǎng)。為保證數(shù)據(jù)的可比性，本文使用銀行對(duì)廣義利率債托管相對(duì)增量——銀行廣義利率債托管增量/中債廣義利率債托管增量——作為監(jiān)控指標(biāo)。債券收益率方面，本文選取每月末10年期國債收益率作為代表。

中央結(jié)算公司從2019年1月起公布分投資者類型的地方債托管數(shù)據(jù)。基于數(shù)據(jù)可得性，可計(jì)算自2019年2月起的托管增量，驗(yàn)證的數(shù)據(jù)樣本空間為2019年2月—2024年6月數(shù)據(jù)。

本文認(rèn)為，上述數(shù)據(jù)長(zhǎng)度足以觀察分析銀行對(duì)廣義利率債的凈增持行為對(duì)長(zhǎng)期國債收益率的影響，原因在于：

一是更早期的債券收益率受經(jīng)濟(jì)基本面及政策導(dǎo)向影響更大，甚至是決定性影響，投資者行為對(duì)收益率影響并不顯著。

二是自2020年以來，中國進(jìn)入宏觀低利率區(qū)間，利率波動(dòng)率顯著降低。機(jī)構(gòu)投資者行為（尤其是銀行）對(duì)收益率的直接影響更為顯著，在局部時(shí)間段內(nèi)，甚至成為主要影響因素（2024年的債市行情可充分印證）。

三是隨著宏觀利率的低位運(yùn)行，出于風(fēng)險(xiǎn)收益比考慮，銀行（尤其是中小銀行）將更多的資金投入債券市場(chǎng)，其投資者行為對(duì)債券收益率的影響在顯著且持續(xù)增加。

四是存在數(shù)據(jù)可得性限制。

從圖1可以看出，當(dāng)銀行廣義利率債托管相對(duì)增量較高時(shí)（閾值為100%），當(dāng)月大概率處于收益率階段性頂部。自2019年1月至2024年6月，共出現(xiàn)過7輪利率頂部。該指標(biāo)成功地捕捉到了7輪利率頂部區(qū)間中的6輪1。尤其是該指標(biāo)成功地預(yù)測(cè)了2022年末的債券收益率頂部，對(duì)于投資的價(jià)值巨大。

此外，該指標(biāo)在2019年7月、2020年1月、2024年3月給出信號(hào)，雖然此時(shí)不是利率頂部，但此后1至3個(gè)月內(nèi)10年期國債價(jià)格出現(xiàn)較大幅度下行，對(duì)投資交易仍有一定的指導(dǎo)意義。但若銀行廣義利率債托管相對(duì)增量值較低時(shí)，該指標(biāo)與收益率之間的關(guān)系并不顯著。

因此，及時(shí)掌握銀行對(duì)廣義利率債持倉數(shù)據(jù)的邊際變化，對(duì)分析短期的債券收益率走勢(shì)有重要的參考意義。

使用iData數(shù)據(jù)實(shí)時(shí)預(yù)測(cè)托管增量

（一）線性回歸的公式及數(shù)據(jù)選取

前文指標(biāo)中的分母，即中債廣義利率債托管增量，可以在月末通過當(dāng)月發(fā)行量減去到期量得到。然而，分子中的按投資者分類的持倉數(shù)據(jù)，在每個(gè)月結(jié)束后的15～20天才予以公布，這使得通過這類數(shù)據(jù)去分析銀行對(duì)廣義利率債持倉邊際變化的方法有一定的延遲性，大大降低了其使用價(jià)值。

一個(gè)替代的方法是，使用中國外匯交易中心的iData數(shù)據(jù)進(jìn)行同步預(yù)測(cè)。iData每日公布債券二級(jí)市場(chǎng)的交易數(shù)據(jù)，并按照投資者類別、債券類型、債券期限歸類匯總。

但是，iData數(shù)據(jù)用于預(yù)測(cè)銀行每個(gè)月的廣義利率債托管量有一個(gè)天然缺陷：iData數(shù)據(jù)只提供每日的二級(jí)市場(chǎng)交易數(shù)據(jù)，與托管數(shù)據(jù)并不直接相關(guān)。實(shí)際上，債券市場(chǎng)的一級(jí)承銷商大多為商業(yè)銀行，其在一級(jí)市場(chǎng)中標(biāo)，同時(shí)將部分持倉通過二級(jí)市場(chǎng)賣出，而iData只統(tǒng)計(jì)了二級(jí)市場(chǎng)賣出交易，并沒有一級(jí)市場(chǎng)的交易數(shù)據(jù)。因此，iData數(shù)據(jù)往往顯示出銀行機(jī)構(gòu)持續(xù)賣出廣義利率債。此外，銀行持倉的廣義利率債到期也會(huì)減少其托管量，但并不在iData統(tǒng)計(jì)數(shù)據(jù)中，即對(duì)于某類債券：

銀行當(dāng)月托管凈增量=銀行當(dāng)月二級(jí)市場(chǎng)凈買入量+銀行當(dāng)月一級(jí)市場(chǎng)中標(biāo)量-銀行當(dāng)月持倉到期量

由于銀行的中標(biāo)量和持倉到期量無法直接獲得，下文將采用銀行對(duì)廣義利率債的月度托管量?jī)粼龀謹(jǐn)?shù)據(jù)、廣義利率債的月度發(fā)行及到期數(shù)據(jù)，通過線性回歸去測(cè)算銀行在債券一級(jí)發(fā)行量中的中標(biāo)占比（系數(shù)a），以及在存量債券到期量中的占比（系數(shù)b），從而用“a×債券當(dāng)月發(fā)行量”計(jì)算銀行當(dāng)月一級(jí)市場(chǎng)中標(biāo)量，用“b×債券當(dāng)月到期量”計(jì)算銀行當(dāng)月持倉到期量。

對(duì)于某月的廣義利率債數(shù)據(jù)，本文分別對(duì)國債、政策性銀行債及地方債的銀行托管增量進(jìn)行線性回歸：

銀行當(dāng)月托管凈增量=銀行當(dāng)月二級(jí)市場(chǎng)凈買入量+a×債券當(dāng)月發(fā)行量- b×債券當(dāng)月到期量

其中，托管凈增量數(shù)據(jù)由中央結(jié)算公司公布，銀行二級(jí)市場(chǎng)凈買入量通過iData數(shù)據(jù)獲得，債券發(fā)行及到期量均可從Wind中導(dǎo)出并統(tǒng)計(jì)獲得。

（二）數(shù)據(jù)樣本的可得性及有效性

iData數(shù)據(jù)是中國外匯交易中心近年來才提供的債券二級(jí)交易的統(tǒng)計(jì)數(shù)據(jù)，因此筆者所能獲得的是自2020年初開始的iData數(shù)據(jù)。

托管數(shù)據(jù)方面，中央結(jié)算公司從2019年1月起公布按投資者類型分布的地方債托管數(shù)據(jù)，因此完整的廣義利率債月度托管數(shù)據(jù)（按投資者類型）自2019年起才可獲得。

由于上述的線性回歸同時(shí)需要iData和中央結(jié)算公司的月度數(shù)據(jù)，因此本文使用2020—2022年總計(jì)36組月度數(shù)據(jù)作為線性回歸的樣本數(shù)據(jù)，同時(shí)使用2023年1月—2024年6月總計(jì)18組月度數(shù)據(jù)作為回測(cè)數(shù)據(jù)。

筆者認(rèn)為上述數(shù)據(jù)量足以實(shí)時(shí)預(yù)測(cè)銀行對(duì)廣義利率債的托管增量。實(shí)際上，近年來中國的經(jīng)濟(jì)增長(zhǎng)范式已經(jīng)深刻改變，與過往相比，機(jī)構(gòu)投資者行為對(duì)債券收益率的影響越來越大，甚至有些時(shí)候超出了基本面對(duì)債券收益率的決定性作用，這點(diǎn)可在2024年上半年的債市行情中得到充分印證。因此，即使不考慮數(shù)據(jù)可得性，刻意拉長(zhǎng)數(shù)據(jù)周期（如過去10年數(shù)據(jù)），其回歸效果可能并不能達(dá)到理想效果，原因在于早期投資者行為在決定債券收益率走勢(shì)中的影響并不顯著，更多的是經(jīng)濟(jì)基本面及政策導(dǎo)向決定了債市收益率的上下行。

（三）回歸結(jié)果及回測(cè)效果

本文使用2020—2022年共計(jì)36組月度數(shù)據(jù)進(jìn)行線性回歸，結(jié)果見表1。

然后，對(duì)2023年1月—2024年6月共計(jì)18組月度中債托管數(shù)據(jù)進(jìn)行逐月滾動(dòng)預(yù)測(cè)（即先使用過去36組月度數(shù)據(jù)進(jìn)行線性回歸，然后使用回歸得出的線性公式，去預(yù)測(cè)當(dāng)月末的銀行廣義利率債托管數(shù)據(jù)），擬合程度較好（見圖2）。

使用估計(jì)值預(yù)測(cè)10年期國債收益率頂部

2020年以來，銀行持有廣義利率債占全市場(chǎng)比例約為70%，即存量占比約為70%。因此當(dāng)銀行加大配置力度時(shí)，銀行的托管增量占全市場(chǎng)比例應(yīng)明顯高于存量占比。

這里定義“銀行廣義利率債托管增量/中債廣義利率債托管增量”為“銀行廣義利率債托管相對(duì)增量”。使用上文的線性回歸公式，很容易在每個(gè)月末計(jì)算銀行廣義利率債托管相對(duì)增量的估計(jì)值。

經(jīng)過定量計(jì)算及定性觀察，本文發(fā)現(xiàn)當(dāng)該估計(jì)值超出90%閾值時(shí)（當(dāng)月銀行機(jī)構(gòu)買入了90%及以上的廣義利率債凈增量），對(duì)10年期國債收益率階段性頂部的同步識(shí)別效果最為顯著。

從圖3中可以看到，其預(yù)測(cè)階段性利率頂部的效果較好。在2020年1月—2024年6月，共出現(xiàn)過5輪利率頂部，分別為：

（1）2020年11月、2021年2月，該指標(biāo)在2021年1月、2月給出信號(hào)；（2）2021年10月；（3）2022年4月、6月，該指標(biāo)在2022年2月、4月、6月給出信號(hào)；（4）2022年11月及2023年1月、2月、3月，該指標(biāo)在2022年11月、12月及2023年1月、2月給出信號(hào)；（5）2023年7月、9月、10月、11月，該指標(biāo)在2023年9月給出信號(hào)。該指標(biāo)正確預(yù)測(cè)了第一、第三、第四、第五輪共4輪利率頂部區(qū)間，正確率為80%。

尤其值得注意的是，在2022年末的利率債收益率急速上行的階段，該方法成功給出了顯著的頂部指示。若投資者根據(jù)文中方法，在2022年末大力度增配廣義利率債，那么在2023年將獲得極為豐厚的資本利得，凸顯了該方法的參考價(jià)值。

結(jié)論與展望

本文通過iData每日公布的二級(jí)債券市場(chǎng)成交數(shù)據(jù)，同時(shí)考慮每個(gè)月廣義利率債的發(fā)行量及到期量數(shù)據(jù)，以36個(gè)月為滾動(dòng)窗口進(jìn)行線性回歸，在每個(gè)月的月末當(dāng)天便可測(cè)算銀行對(duì)于廣義利率債的每月托管增量。

本文發(fā)現(xiàn)，若銀行廣義利率債托管相對(duì)增量的估計(jì)值超過90%閾值，當(dāng)月10年期國債收益率大概率處于階段性頂部。在2020年1月—2024年6月的5輪利率頂部中，該指標(biāo)可捕捉到4輪，尤其是該估計(jì)值成功預(yù)測(cè)了2022年末的利率債收益率頂部。因此，該方法對(duì)債券投資者具有較高的參考價(jià)值。

作為拓展，讀者可以自行研究其他類型投資者的廣義利率債托管凈增量變化對(duì)債券收益率是否有顯著影響。