报告概述
本报告是广发证券“未来已来”系列之一，聚焦全球固收量化领域，系统梳理了固收量化的四大主要流派（基本面、技术面、相对价值、多因子模型）及其基本逻辑，并讨论了不同流派适用的市场环境。报告还深入剖析了固收量化的五大局限性，包括政策拐点不可量化、流动性黑洞、信用违约小样本、复杂条款博弈及拥挤交易风险。最后展望了量化与基本面融合（Quantamental）、另类数据与AI渗透、交易算法化等未来趋势。本报告适合固收投资者、量化研究员及金融科技从业者，帮助理解固收量化的能力边界与前沿方向。
报告的核心结论
固收量化存在四大独立流派，逻辑与应用场景各异。
基本面流派利用宏观数据与高频预测模型判断利率方向；技术面流派依赖量价趋势与微观结构；相对价值流派寻找期限结构、信用利差等定价偏差；多因子模型系统整合各类因子进行选券与组合优化。各流派在流动性、波动率等不同市场环境下有各自的适用边界。
固收量化有五大根本性局限，尤其在制度性冲击面前。
政策与制度拐点不可量化、流动性黑洞导致模型外风险、信用违约样本稀少且跳跃性强、复杂条款与博弈行为难以建模、拥挤交易引发内生不稳定。这些局限使得量化模型在应对监管突变、市场恐慌等场景时脆弱，需要与基本面研究互补。
未来固收量化将走向量化与基本面深度融合的范式。
单纯的数理挖掘正在向Quantamental（量化+基本面）转变，量化模型赋能主观研判，另类数据与大语言模型深度渗透，交易执行算法化自动化趋势明显。能力边界从“交易”向“博弈”拓展，但核心仍是保持对市场的敬畏。
报告回答的关键问题
固收量化的主要流派有哪些？
报告归纳了四大流派：基本面流派，运用宏观数据与高频预测模型预判利率；技术面流派，依赖价格动量与做市微观结构；相对价值流派，捕捉期限结构、信用利差等定价偏差；多因子模型流派，系统整合价值、动量、carry等因子进行选券与组合构建。
固收量化在什么市场环境下更有效？
高流动性、低交易成本市场（如美债）适合曲线交易、CTA趋势和做市策略；中等流动性市场（中国利率债）可应用期限模型和carry策略；低流动性信用市场则适用中低频因子配置。利率温和下行时carry/roll-down策略表现较好，快速上行时CTA趋势和对冲策略可提供保护。
量化模型在债券投资中有哪些无法解决的难题？
报告指出五大局限：政策与制度拐点难以量化，历史模型常因regime shift失效；流动性黑洞使公允价格丧失意义；信用违约样本稀疏，预测模型易过拟合；含着期权条款的博弈行为（如下修、强赎）无法结构化建模；同质化策略引发拥挤交易，加剧市场波动。
报告中的代表性数据
10Y国债模拟净价指数与动量信号示意
历史回测期（具体时间未明），展示了基于过去12个月收益（剔除最近1个月）构建的趋势信号，用于国债期货和ETF的趋势跟踪策略，利用市场对信息的反应不足或过度反应行为。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整报告包含全球固收量化四大流派（基本面、技术面、相对价值、多因子）的详细方法论与模型流程，附有宏观量化模型流程图、PCA曲线分解图等可视化图表。
- 报告对每种流派的适用市场环境进行了对比分析，包括流动性分层、利率波动周期、信用环境等，并配有国内外债券市场交易成本微观结构对比表。
- 深入剖析固收量化的五大局限，如政策拐点、流动性黑洞、小样本违约等，每个局限均附有国内典型案例（如2016年债市去杠杆、2022年理财赎回潮、2024年924新政）。
- 展望部分详细论述了Quantamental融合范式、另类数据与大语言模型应用（NLP解析央行会议纪要、卫星数据监测城投景气）、交易算法化（智能拆单、做市策略）等前沿方向。
- 包含风险提示章节，分别针对资产管理机构（建议建立“双支柱”体系）、投资者（理解策略风险来源）、策略开发者（警惕数据陷阱与模型傲慢）给出具体建议。
- 报告参考文献涵盖Moskowitz (2012)、Litterman & Scheinkman (1991)、Duffie (2020)等经典研究，以及BIS、Bank of England等官方文献，提供学术支撑。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
