【国泰期货】国债期货系列报告：从统计特征到深度学习构建跨期套利策略-251229（16页）.pdf

1、期货研究 请务必阅读正文之后的免责条款部分 1 国债期货系列报告：从统计特征到深度学国债期货系列报告：从统计特征到深度学习构建跨期套利策略习构建跨期套利策略 虞堪 投资咨询从业资格号：Z0002804 宋子钰（联系人）从业资格证号：F03136034 报告导读：报告导读：随着国债市场长期趋势性行情减弱，权益市场的压制，对基本面的反映钝化，震荡加剧成为新常态。在这样的背景下，对于市场行情的预测难度加大，传统的单边趋势策略或多空择时面临挑战，收益大大减弱。通过捕捉相同品种不同合约间的相对价值进行跨期套利，成为获取稳健阿尔法收益的重要途径。本报告立足于近年国债期货市场参与者结构多元化、定价逻辑演进的

2、新特征，系统研究了跨期价差的演变规律，并构建了从传统统计到前沿深度学习的系列套利策略，为投资者在复杂市场环境中进行精细化交易与风险管理提供了有价值的参考。价差演变新特征：2023 年后市场定价行为发生显著变化，跨期价差与国债期货价格从先前的正相关转为的负相关性，这为基于价差方向判断的套利策略奠定了新的市场基础。传统统计套利策略：基于价差具有短期动量与突破效应的统计特征，报告构建了分连续与分段回看周期的两种统计套利模型。这两种方法在样本期内均实现了稳定的正收益与超过 1.2 的夏普比率，证明了价差历史分布信息在震荡市中的实用价值。日内特征增强策略：为进一步提升信息利用率，报告利用分钟级高频数据，

3、构建了刻画跨期价差日内波动与形态的系列特征因子，并据此开发了 T+1 预测的套利策略。该策略通过捕捉日内的微观结构信息，有效增强了信号的时效性与预测能力。深度学习预测模型：为克服传统线性假设的局限，报告创新性地引入了 GRU（门控循环单元）深度学习模型。该模型综合了跨期价差的统计特征、日内高频形态、会员持仓行为等多维时序信息，实现了对价差变化的非线性预测。样本外测试显示，该策略预测胜率达 57.4%，夏普比率 1.54，显著提升了套利策略的绩效表现。本报告通过多层次、多方法的策略构建与回测，系统展示了在国债期货市场进行跨期套利的可行路径与潜在价值。风险提示：跨期套利并非无风险操作。策略仍面临多

4、方面挑战，如：价差关系的结构性转变可能导致模型失效、移仓换月期间的流动性冲击可能放大交易成本、深度学习模型存在过拟合与市场环境适应性风险等。在实际构建策略的场景，应当充分考虑相关风险。2022025 5 年年 1212 月月 2929 日日 二二二五二五年度年度 国泰君安期货研究所国泰君安期货研究所 期货研究 请务必阅读正文之后的免责条款部分 2 目录目录 1.国债期货跨期价差的演变.3 1.1 跨期价差的定义.3 1.2 跨期价差的演变.3 2.国债期货跨期套利策略构建.5 2.1 统计特征套利.5 2.2 日内特征跨期价差套利.8 2.3 深度学习跨期套利.11 3.结论.14 期货研究

5、请务必阅读正文之后的免责条款部分 3 （正文）（正文）1.国债期货跨期价差的演变国债期货跨期价差的演变 1.1 跨期价差跨期价差的定义的定义 跨期价差一般指同一品种国债期货的不同跨期组合可以表示为国债期货可交易的 3 个合约构建的三种跨期价差组合:当季-下季，当季-远季，下季-远季。基于流动性和套利空间考虑，通常选择当季-下季合约，或当季-远季合约进行组合构建。从定义上考虑，跨期价差则可以近似分解为组合中近月合约和远月合约的持有收益的差异加上净基差的差异，因此对跨期组合中近月与远月合约的净基差分析是作为跨期价差套利策略方向选择的首要指标。然而，在实际操作中，跨期价差与净基差的定量关系并不明确，

6、因此当净基差的方向判别信号并不显著时，则价差历史分位数数据依旧能够发挥作用，通过季节效应、价格趋势以及价差动量等角度可以对于跨期组合交易方向进行判断。跨期套利策略需要从净基差和跨期价差历史分位数等多维度共同考虑国债期货跨期合约间相对价格强弱的变化，通过跨期价差的变化选择合适的移仓换月时间点，有效降低空头套期保值的成本，或是基于期货交易资金使用效率高的特点，通过少量资金在跨期套利信号明确时间点进行建仓获得套利收益。一般来说，当跨期价差大于 0 时，套期保值多头就能够将贴水转化为收益，而对于套期 保值空头来说，则是必须要承担的成本。因此，套期保值多头希望移仓时的跨期价差更大，但对套保空头来说，则希