聚焦固定收益专题:利率短期预测的模型构建——基于四维信息框架。端到端基准模型的构建与验证:我们首先构建端到端的 LSTM 三分类模型作为基准,以 87 个宏观因子及其一阶差分共计 174 个指标作为输入特征,对 10 年期国债、30 年期国债、5 年期二级资本债(AAA-)、1 年期同业存单(AAA)四个即期收益率品种进行明日方向预测。但模型在长端品种上预测概率集中于 30%—40%区间、预测置信度偏低,在短端品种上“震荡”类别预测占比显著偏低,存在震荡市识别困难等系统性局限。多源信息融合与元模型预测:我们将四个子模型的输出信号作为输入特征,采用 XGBoost 多分类器进行非线性融合,以扩展窗口每 100 个交易日全量重训练,输出明日利率上行、震荡、下行的三分类概率。
聚焦固定收益专题:利率短期预测的模型构建——基于四维信息框架。端到端基准模型的构建与验证:我们首先构建端到端的 LSTM 三分类模型作为基准,以 87 个宏观因子及其一阶差分共计 174 个指标作为输入特征,对 10 年期国债、30 年期国债、5 年期二级资本债(AAA-)、1 年期同业存单(AAA)四个即期收益率品种进行明日方向预测。但模型在长端品种上预测概率集中于 30%—40%区间、预测置信度偏低,在短端品种上“震荡”类别预测占比显著偏低,存在震荡市识别困难等系统性局限。多源信息融合与元模型预测:我们将四个子模型的输出信号作为输入特征,采用 XGBoost 多分类器进行非线性融合,以扩展窗口每 100 个交易日全量重训练,输出明日利率上行、震荡、下行的三分类概率。
聚焦固定收益专题:利率短期预测的模型构建——基于四维信息框架。端到端基准模型的构建与验证:我们首先构建端到端的 LSTM 三分类模型作为基准,以 87 个宏观因子及其一阶差分共计 174 个指标作为输入特征,对 10 年期国债、30 年期国债、5 年期二级资本债(AAA-)、1 年期同业存单(AAA)四个即期收益率品种进行明日方向预测。但模型在长端品种上预测概率集中于 30%—40%区间、预测置信度偏低,在短端品种上“震荡”类别预测占比显著偏低,存在震荡市识别困难等系统性局限。多源信息融合与元模型预测:我们将四个子模型的输出信号作为输入特征,采用 XGBoost 多分类器进行非线性融合,以扩展窗口每 100 个交易日全量重训练,输出明日利率上行、震荡、下行的三分类概率。核心数据:端到端基准模型的构建与验证:我们首先构建端到端的 LSTM 三分类模型作为基准,以 87 个宏观因子及其一阶差分共计 174 个指标作为输入特征,对 10 年期国债、30 年期国债、5 年期二级资本债(AAA-)、1 年期同业存单(AAA)四个即期收益率品种进行明日方向预测;但模型在长端品种上预测概率集中于 30%—40%区间、预测置信度偏低,在短端品种上“震荡”类别预测占比显著偏低,存在震荡市识别困难等系统性局限;多源信息融合与元模型预测:我们将四个子模型的输出信号作为输入特征,采用 XGBoost 多分类器进行非线性融合,以扩展窗口每 100 个交易日全量重训练,输出明日利率上行、震荡、下行的三分类概率。
本报告由国盛证券发布,发布于 2026 年。
覆盖 2026 年。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
重点分析了利率、宏观、固定收益专题、利率短期预测的模型构建等议题。