东吴证券：多资产系列报告（三）：如何以量化策略增厚信用债收益？-260127

截至2025年末，我国信用债市场总规模相当于A股总市值的42.3%，但业界对信用债定价的量化研究仍十分匮乏。参考美国信用债市场的量化研究已完成从结构性模型到传统多因子模型，再到新兴领域的机器学习、IPCA模型等方法转变，我们最终选用IPCA模型对国内信用债市场定价进行探讨。 IPCA模型属于条件因子定价模型，核心在于使用交替最小二乘法（ALS），寻找使模型误差平方和（SSE）最小的({𝒇𝒕+𝟏},𝚪𝜷)。 其中，𝑟i,𝑡+1代表信用超额收益，𝑓𝑡+1代表K个潜在因子、𝛽i,𝑡代表对应的因子载荷。模型最重要的部分在于，因子载荷𝛽i,𝑡的计算方法基于L个债券特征𝑧i,𝑡′，即IPCA模型依靠信用债超额收益以外的特征（例如修正久期、动量指标、财务指标等）动态测算𝛽i,𝑡，进而更加高效、及时、全面地反映风险变化。 从样本外测算结果看，IPCA模型在国内信用债市场的应用效果较美国信用债市场更好。具体表现在𝑅2、定价误差等检验指标表现更好。究其原因，这可能来自国内信用债发行主体相对更加集中、模型在国内应用时选用的时间周期更短且特征更少等因素。 如果对IPCA模型的因变量、输入特征稍加调整，模型可用