国债招标周期效应：一级市场供给冲击的可交易节奏

股票市场的异象大多要靠猜：你不知道机构什么时候调仓，不知道指数什么时候纳入，不知道大单什么时候来。

国债招标不一样。财政部提前公布招标日历，期限已知、日期已知、规模区间已知。这是市场上极少数「供给冲击的时间表提前几个月挂在网上」的场景。

如果「预期到的供给冲击仍然压价」这件事成立，它就是教科书级的价格压力证据——因为信息假说在这里根本站不住脚：所有人都早就知道这批债要来。

12 年、189 次 10 年期关键期限招标的模拟给出的答案：招标前 5 个交易日收益率被推高 1.67bp（折算价格 -13.12bp，t=-5.71），招标后 5 天回补 +7.24bp（t=3.64）。

但这篇文章真正想讲的不是这两个数字，而是为什么大多数人自己跑一遍会得出「没有效应」的结论。

左图两条线是同一批 189 次招标、同一套事件研究代码，唯一区别是标的口径。灰线（裸做 10Y 期货）几乎看不出形状，置信带宽得能开车；蓝线（久期中性利差）的 V 型清清楚楚。

这就是本文的第一个核心结论：这个效应不是「弱」，是被噪音埋了。

一、为什么裸口径必然测不出来#

先看量级对比。10 年期国债期货的日价格波动，在模拟设定下是 29.19bp。而招标让渡的峰值幅度平均只有 1.57bp 收益率，折算成价格约 12bp——分散在 5 个交易日里，每天摊不到 2.5bp。

信噪比 2.5 : 29.19，约等于 1:12。

事件研究的标准做法是靠样本量把噪音开方掉。189 个事件，噪音降到 1/√189 ≈ 1/13.7。勉强够——但前提是这 189 次的噪音相互独立。

问题恰恰在这里：国债收益率的日波动几乎全部来自曲线水平因子。降息预期、通胀数据、风险偏好切换，这些冲击同时打在所有期限上，而且在时间上高度持续（AR 结构）。它不是可以靠样本量摊掉的白噪音。

实测结果印证了这一点：

裸口径的招标前项勉强过了 3，但反转项 t=0.76 彻底不显著。而反转才是判定「压力 vs 信息」的关键——没有反转，你无法排除「招标前收益率上行是因为市场真的在重新定价基本面」这个竞争性解释。

换句话说：裸口径下，这个研究做不出结论。

对冲不是降噪技巧，是策略本身#

处理方式是构造久期中性的期限利差：做空 10 年期，同时按 BPV 比例做多 5 年期（对冲比例 1.80）。5 年期不参与本次招标，但共享同一个水平因子。

效果：日波动从 29.19bp 降到 11.84bp，降幅 59.5%。

这里有个容易被忽略的点。很多人把对冲当成「为了让 t 值好看的统计技巧」，但在这个场景里它有更硬的含义：

你本来也只能这么交易。招标让渡是特定期限点上的局部现象，不是整条曲线的平移。如果你裸做 10Y，你承担的主要风险是利率方向——那是一个和招标毫无关系的赌注，它的波动是你想赚的那部分的十几倍。任何理性的固定收益交易员看到这个效应，第一反应就是做成利差交易。

所以「对冲后才测得出」和「对冲后才交易得了」是同一件事的两面。这类效应在研究口径和实施口径上必须一致，否则你回测的东西根本不是你能下的单。

二、被下一次招标污染的反转窗口#

第二个坑更隐蔽，而且是周期性事件研究特有的。

注意上表里对冲口径的反转覆盖率只有 55.2%。但从模型设定看，招标后压力按半衰期 2.1 天的指数衰减，在 [+1,+5] 窗口内理论上应该释放 90.8%。

差了 35 个百分点。哪去了？

答案在招标日历里：招标间隔的中位数是 12 个交易日，而让渡爬坡提前 6 个交易日启动。

也就是说，对于间隔较短的那些招标，你测量的 [+1,+5] 反转窗口，后半段已经踩进了下一次招标的让渡爬坡期。下一次的向下压力和本次的向上反转在时间轴上直接相减。

这不是模型的人为设定，是真实招标日历的结构性特征——关键期限每月都要发，续发密集时两次间隔可能只有一两周。

用窗口互吞筛选把它分离出来#

判据很直接：只有「距下次招标 ≥ POST_STAT + PRE_WIN = 11 个交易日」的事件，反转窗口才是干净的。

189 次招标里，符合条件的有 105 次（55.6%），被污染的 84 次。

# 下一次招标的爬坡提前 PRE_WIN-1 天开始，
# 因此只有间隔 >= POST_STAT + PRE_WIN 的事件，反转窗口才不被吞
nxt_gap = np.full(used.size, 10**6)
nxt_gap[:-1] = np.diff(used)
CLEAN_GAP = POST_STAT + PRE_WIN          # = 11
clean_ev = nxt_gap >= CLEAN_GAP

分组结果：

招标前的让渡两组几乎一样（-13.22 vs -13.00）——这是关键对照。如果两组的差异来自某种样本选择（比如密集发行期恰好是市场紧张期），那么让渡幅度也该有系统性差异。它没有，说明差异确实只发生在反转窗口，符合「被下一次爬坡吃掉」的机制预测。

覆盖率的 bootstrap 95% 置信区间是 [23.1%, 144.5%]——很宽。这是诚实的呈现：覆盖率是两个带噪均值的比值，比值统计量的分布本来就厚尾，用一个点估计说「反转了 65.8%」是过度自信。能确定的是反转存在且显著为正（t=3.18），至于它精确覆盖了多少，样本量说了不算数。

顺带一提，用错误的 [+1,+8] 窗口测同一批数据：覆盖率 44.3%，t 值从 3.64 掉到 2.45。窗口开得越长污染越重，而直觉上”多观察几天更保险”恰恰是反的。

三、三组对照：排除竞争性解释#

事件研究最容易翻车的地方是你的算法在任何日期上都能刷出信号。三组对照专门治这个：

错位安慰剂是这三个里最有价值的。它取的是真实招标日 +13 个交易日，处在同一个宏观环境、同一段利率周期、同样的流动性状况，唯一区别是那天不招标。结果 t=0.39，干净利落。

纯净市场对照跑的是完全没有注入招标压力的收益率序列，但用同一套事件研究代码、同一批日期。测出 -3.66bp（t=-1.66）——不显著，但方向恰好是负的，绝对值也不算小。

这个数字值得停下来想一想。它意味着：如果我只跑了主实验没跑对照，看到 -13.12bp，我会默认全部归因于招标。但对照告诉我，其中大约有 3.66bp 是这套算法在无信号数据上也能刷出来的——真正可归因于招标的增量约 9.5bp，而不是 13.12bp。

这不是模型 bug，是有限样本下的正常涨落。但它给出一条纪律：任何事件研究的效应幅度，都应该减去纯净对照的幅度再报告。只报主实验数字，等于把随机涨落算进了自己的发现。

横截面：效应必须随机制强度单调#

对照组证明「招标日有事发生」，横截面证明「发生的正是我说的那件事」。

按招标规模五分位分组，让渡幅度：-4.54 / -11.64 / -15.05 / -17.79 / -16.63 bp。

按承销商库存压力五分位：-8.03 / -10.89 / -15.99 / -11.59 / -19.16 bp。

两条都大体单调（规模组 Q1→Q4 严格单调，Q5 略回落；库存压力组 Q4 有个凹陷）。最大减最小的价差分别是 -12.09bp（t=-1.59）和 -11.12bp（t=-1.58）。

这两个 t 值都没到 2。必须承认这点，不能因为方向对就宣称验证通过。

为什么单调性看得见但显著性不够？分位数分组把 189 个事件切成 5 组，每组只剩 38 个，组间价差的标准误自然大。这是横截面检验的固有代价——分组越细，模式越清晰，统计力越弱。

正确的读法是：单调性提供了机制层面的支持性证据（因为随机涨落很难恰好排出接近单调的形状），但它不是独立的显著性证明。真正撑起结论的仍然是全样本 t=-5.71 加上三组对照。

四、可交易性：谁真的能拿到这笔钱#

到这里为止，效应是真的、机制是对的、对照是干净的。然后成本账本上场。

完整策略是：t=-6 收盘做空利差 → t=0 收盘平空并反手做多 → t=+5 收盘平多。

注意这里有 8 次单边成交：每条腿开平各一次，两条腿，两个方向段。这是利差交易的隐藏税——你为了降噪把腿数翻倍，成本也跟着翻倍。

• 毛收益：21.91bp/次（干净窗口 105 次，年均 8.75 次）
• 基准成本 1.6bp/单边 × 8 = 12.80bp
• 净收益 9.11bp/次，成本吃掉毛收益的 58.4%
• 毛 Sharpe 1.61 → 净 Sharpe 0.67
• 盈亏平衡成本：2.5bp/单边
• 胜率 59.0%，年化净收益约 0.80%

盈亏平衡 2.5bp 对国债期货来说是个危险的薄垫子。它大约是半个到一个 tick。这意味着执行质量不是优化项，是生死项——市价单扫单、事件日流动性变差、或者你的规模稍大一点，垫子就没了。

时间衰减：这个异象正在消失#

分年度看，让渡幅度从前 6 年的 -18.62bp（t=-5.82） 掉到后 6 年的 -7.56bp（t=-2.35），只剩 40.6%。

净 Sharpe 相应地从全样本 0.67 掉到后 6 年 0.32。

模型里这个衰减是外生设定的（套利资本进入的半衰期 7 年），但它对应真实世界一个可观察的事实：这类日历型异象一旦被写成论文，通常就开始死。你回测出来的历史 Sharpe，永远是这个策略最好看的时候。

这也解释了为什么全样本数字有误导性：一个报 0.67 Sharpe 的策略，如果它的收益全部来自前半段，那你现在部署它面对的是 0.32 那个世界。

容量墙与三类参与者#

按平方根冲击模型（日均成交 900 亿元）：

容量墙在 5 亿元。10 亿就已经翻负。对一个年化 0.80% 的策略来说，5 亿规模一年赚约 400 万——扣掉团队和系统成本，这不是一门生意。

但结论到这里会漏掉最重要的一层。右图把参与者分成三类：

(1) 纯 alpha 型（双腿双段，8 次单边）：毛 21.91bp → 净 9.11bp。能做，但薄。

(2) 只做反转段（双腿单段，4 次单边）：毛 8.70bp → 净 2.30bp，Sharpe 从 0.92 掉到 0.24。少一半成交却更难做，因为反转段的毛收益本来就比让渡段小。

(3) 自然买方（配置盘、指数跟踪、被动接盘）：净 11.36bp，成本为零。

第三类是这个效应真正的受益者，而且优势最大。原因不需要任何交易技巧：他们本来就要买这批债。招标周期效应对他们不是「要不要开一个仓位」，而是「在哪一天执行本来就要执行的买入」。改变择时日不产生任何增量成交，因此不付任何增量成本。

11.36bp 这个数字是扣掉随机日期基线后的净增量——即「在让渡最深处买」相对「随便挑一天买」多省下的价格。

这是整篇文章最实用的一条：同一个市场规律，对不同参与者的价值可以差一个数量级，而差异不在信号质量上，在成本结构上。一个年换手率本来就固定的配置组合，它的每一笔既定交易都自带一个免费的择时期权。绝大多数人不去行权。

五、Bug 复盘：用 = 而不是 += 注入压力#

写这个模拟时踩过一个坑，值得单独说，因为它属于「不报错、结果还挺像样」的那一类。

构造压力路径时，第一版是这么写的：

def build_pressure_bug(days, amps):
    p = np.zeros(N_DAYS + 40)
    ramp = np.arange(1, PRE_WIN + 1) / PRE_WIN
    for d, a in zip(days, amps):
        p[d - PRE_WIN + 1 : d + 1] = a * ramp              # ← 用 = 覆盖
        tail = np.arange(1, 26)
        p[d + 1 : d + 26] = a * np.exp(-tail / TAU_DECAY)  # ← 用 = 覆盖
    return p[:N_DAYS]

问题：招标间隔中位数 12 天，而衰减尾巴要写 25 天。下一次招标的爬坡段在写入时，会把上一次尚未衰减完的尾巴整段抹掉。

正确写法只差两个字符——+= 而不是 =：

p[d - PRE_WIN + 1 : d + 1] += a * ramp
p[d + 1 : d + 26] += a * np.exp(-tail / TAU_DECAY)

为什么这个 bug 危险：跑出来的结果是 -12.34bp（t=-5.32），覆盖率 56.5%。

对比正确版本的 -13.12bp（t=-5.71），差异小到你根本不会怀疑。方向对、量级对、显著性也够——所有的 sanity check 都会放行。

它的实际后果是系统性低估了压力的持续性：被抹掉的尾巴恰恰是相邻招标之间相互叠加的那部分。在真实市场里，密集发行期的压力叠加是这个效应最值得研究的地方，而这个 bug 会让它完全消失。

教训不是”要小心 +=”，而是：当你的事件间隔小于事件影响的持续期时，任何按事件循环写入时间序列的代码都必须是累加语义。这个条件在债券招标、财报季、期权到期这些场景里普遍成立。检查方法也很简单——把注入的压力序列直接画出来看，叠加区间一眼就能看出来是不是被削平了。

六、三盆冷水#

第一，压力机制是外生注入的，不是从微观结构涌现的。 本文的 A_i 由招标规模和承销商库存压力按设定公式生成。这决定了横截面单调性在某种意义上是「设计出来的」——它验证的是测量方法能否还原已知机制，而不是发现了机制本身。真实市场里的让渡幅度取决于一级交易商的实际资产负债表约束、当日 repo 市场松紧、以及非竞争性投标的占比，这些都不在模型里。

第二，久期中性对冲假设了 5 年期完全不受招标影响。 现实中不成立。如果一级交易商为了给 10Y 腾出额度而抛售 5Y，对冲腿会同向下跌，实际收益低于回测。更麻烦的是这种溢出恰恰在库存压力最大时最强——也就是效应最强的那些事件上，对冲失效也最严重。这会系统性地高估横截面价差。

第三，1.6bp/单边的成本假设对散户和中小机构是乐观的。 它对应做市商级别的执行。考虑到盈亏平衡只有 2.5bp，成本假设从 1.6 提到 2.5 就意味着这个策略归零。而且这还没算保证金占用、展期成本、以及事件日买卖价差走阔——招标日前后流动性变差本身就是让渡产生的原因之一，你想交易的时刻恰好是执行最贵的时刻。

最后#

这个研究链条上，四步里有三步的结论是否定性的：裸口径测不出来、长窗口测反了、纯 alpha 型交易在成本和容量面前几乎不成立。

唯一稳固的正面结论，反而是那个不需要任何交易技巧的：本来就要买债的人，把执行日挪到让渡最深处，白拿 11.36bp。

这大概是量化研究里反复出现的一种形态。你花大力气识别出一个真实的市场规律，然后发现能把它变成钱的，不是识别得最准的人，而是成本结构最合适的人。

信号的价值从来不是绝对的——它取决于你是谁。