FX forward
产品 | 标的 | 主要暴露 | 是否 Delta One |
FX Forward | 汇率 | 线性汇率风险 | ✅ |
FX Swap | 汇率 + 利率 | 两腿组合，净汇率线性 | ✅ |
FX Option | 汇率 | 非线性（含 gamma, vega） | ❌ |
Futures / Equity Forward | 股票 / 指数 | 线性 | ✅ |
TRS / CFD | 股票回报 | 线性 | ✅ |
常见delta one fx策略。
策略类别 | 使用的 Instrument | 核心逻辑 | 收益来源 | 典型风险 |
1️⃣ Carry Trade（套息交易） | Forward / Swap | 借入低息货币（Funding Currency），投资高息货币（Target Currency） | 两国利差 = forward premium/discount 收益 | 汇率逆转风险（UIP 失效） |
2️⃣ FX Basis Trade | Cross-Currency Swap (CCS) | 交易 CIP 偏离（covered interest parity basis） | 基差（basis）收敛或扩张 | 流动性和信用风险 |
3️⃣ FX Momentum / Trend Following | Spot / Forward | 做多过去升值的货币，做空贬值的 | 汇率动量 | 汇率反转 |
4️⃣ FX Value Trade | Spot / Forward | 基于 PPP 或 REER 判断货币高估或低估 | 回归长期均值 | 均值未回归、宏观失衡 |
5️⃣ Hedging / Overlay Strategy | Forwards / Swaps | 对冲外币资产负债敞口或收益风险 | 降低汇率波动风险 | 对冲成本、机会损失 |
6️⃣ Funding Arbitrage | Swap / CCS | 不同货币融资成本差异 | 利率与basis差 | 信用风险、roll risk |
项目 | FX Forward | Equity Forward |
成本收益差 | (r_d - r_f) | (r - q) |
公允远期价 | (F = S e^{(r_d - r_f)T}) | (F = S e^{(r - q)T}) |
当前价值 | (V_t = S e^{-r_f(T-t)} - F e^{-r_d(T-t)}) | (V_t = S e^{-q(T-t)} - F e^{-r(T-t)}) |
如何对冲 FX Swap 的风险（Hedging）
风险类型 | 暴露说明 | 对冲手段 |
Spot risk | 两腿交割日不一致（near leg T+2，far leg T+2+3M），这两天内 spot 可能波动 | 通过短期 spot hedge 或 短期 forward 锁定近端风险 |
Interest rate differential | 两币种利率变化影响 forward 点 | 通过 interest rate swaps (IRS) 对冲 |
Basis risk (CIP deviation) | Cross-currency basis 变动 | 用相反方向的 basis swap 或 CCS hedge |
Counterparty risk | 对手方违约导致正负MTM风险 | 用 CSA margining 或 CCP 清算对冲信用风险 |
Liquidity / Roll risk | 市场点数变动导致续作成本上升 | 用 rolling hedges 分批操作降低 timing 风险 |
很好，下面给你 3 个具体的交易模板（适用于宏观 RV 团队／QR 角色）＋每个模板包括「交易逻辑／宏观信号／模型因子／回测思路／风险控制」五部分。你面试时可以挑 1-2 个熟练地拿出来讨论，显示你既懂宏观面，也懂量化实现。
模板 1：利率曲线国家间差价（Country Yield-Curve Spread）
交易逻辑
- 假设 A 国（如美国）和 B 国（如德国／英国）在本质宏观面（增长、通胀、货币政策、财政赤字）出现分化：A 国利率上升预期强、B 国预期疲弱／政策更宽松。于是两国 10 年或 5-年国债利差（比如 A10y – B10y）可能扩大。
- 在 RV 框架下：你做“买 利差扩大者（即做高利率国家债券或利率上升方向）＋卖 利差缩小者（低利率国家／上涨预期弱）”的相对头寸。或者反之，如果你觉得缩减／修复倾向强，你就做“利差收敛”。
- 模型中你主要看的是两个国家利率曲线之间的“异常偏离” + 宏观基本面支持。
宏观信号／因子
- 各国 10 年／5 年国债利率、利率预期（如利率掉期市场、联邦基金期货／OIS）、财政赤字占 GDP 比率、政府债务水平。
- 通胀预期（CPI 或 PCE 衡量）、失业率／产出缺口、央行公告（货币政策前瞻指引）、贸易差额。
- 历史利差（例如 A10y-B10y）的均值与标准差：如果当前差值远偏离历史平均 + 基本面支持这一偏离，则视为交易机会。
- 加上流动性指标（如国债‐掉期点差、国债成交量）以测量风险。
模型因子
- 因子1：Normalized spread = (A10y – B10y – μ_spread) / σ_spread。
- 因子2：Macro divergence index = f (Δ通胀预期_A – Δ通胀预期_B, Δ财政赤字_A – Δ财政赤字_B).
- 因子3：流动性惩罚变量 e.g. 国债‐掉期点差或成交量减幅。
- 信号规则：当因子1超出 +2σ且因子2 > 阈值且流动性惩罚＜阈值 → 建仓；当因子1回落至 +1σ 或基本面信号反向 → 平仓。类似于 “价差修复”策略。参考 AQR Capital Management 在其论文中对 “极端‐价差回归 + 宏观机会集” 的设计。 (AQR Capital Management)
- 回测频率可月度或周度。因子组合按风险预算建仓。
回测思路
- 样本：选取多个国家（如美国、德国、英国、日本、澳大利亚、新兴市场国家）10 年及 5 年主权债券利率数据，从比如 1995 年至今。
- 计算历史均值与标准差，识别“极端偏离”事件。
- 分别按策略构造多头／空头组合：例如当 A-B 利差 > μ +2σ 且基本面显示 A 较 B 强，则做 A 债券高利率国家多头 + B 债券空头。
- 对冲 — 可考虑做市场中性：例如持久选两个国家且总敞口控制在一定 VaR 以内。
- 加入交易成本、滑点、流动性约束。检验夏普比率、最大回撤、盈利次数、持仓时间。
- 检查模型在不同宏观环境下（如加息周期 vs 宽松周期）的表现。
风险控制
- 利率政策转向风险：如果 A 国利率上升预期落空或 B 国突然加息，价差可能逆转。
- 流动性风险：国债市场在极端情况下可能流动性大幅恶化。
- 系统性风险：虽然是相对交易，但在市场大幅波动／风险偏好急剧变化时，两国利率可能同步上升／下降，破坏价差回归假设。
- 模型假设失效：历史均值-标准差假设可能在结构性变化后失效。
- 建议设定止损、敞口限制、组合分散（多个国家对多个国家）以降低单一对冲对组合的影响。
模板 2：外汇‐利率‐通胀交叉结构（FX Carry ＋ Valuation Adjustment）
交易逻辑
- 利用 FX carry (高利率货币／低利率货币) 与估值（当货币被低估／高估）之间的组合机会。参考研究指出：将 FX carry 策略与估值调整（如 PPP 偏离）结合，能提升风险调整后收益。 (Macrosynergy)
- 在 RV 框架下，不是单纯长高利率货币／卖低利率货币，而是做对冲后的“高利率货币【低估态】 vs 低利率货币【高估态】”的相对头寸。
- 同时考虑利率政策预期变动、通胀差异、货币估值偏离。你预期当基本面强／利率上升＋货币被低估，则该货币兑另一货币可能升值＋利差收敛。
宏观信号／因子
- 各国短期/长期利率、利率预期（OIS、利率期货）、货币实际利差。
- 货币估值指标：例如 PPP 偏离、实际有效汇率( REER )、汇率高估／低估指标。
- 通胀预期、产出缺口、贸易帐、资本流入／流出。
- 汇率波动率、资金流动（如 FX 流出的量化指标）作为风险控制变量。
模型因子
- 因子1：Carry Spread = (内含持有货币利率 – 融资货币利率) 标准化。
- 因子2：Valuation Z-score = (当前 REER 或 PPP 偏离 – μ) / σ。
- 因子3：Macro Delta = Δ(通胀预期_A – 通胀预期_B) + Δ(利率预期差) + Δ(资本流动差)。
- 信号规则：当 Carry Spread > 阈值 & Valuation Z-score < -阈值 (表示被低估) & Macro Delta > 0 → 建仓 “买高利率货币／卖低利率货币”。当组合反向或触止损/估值回归 → 平仓。
- 回测可月度。执行严格对冲以减少美元或其他基准方向性敞口。
回测思路
- 样本：选取发达市场 + 新兴市场货币 (如 AUD, NZD, USD, EUR, TRY, MXN 等) 从2000年开始。
- 计算 carry、估值偏离、基本面变化指标。构造交叉货币头寸（高利率低估货币 vs 低利率高估货币）。
- 检验不同参数组合（如 Z-score +2σ vs +1σ、持仓期限1月/3月/6月）。加入滑点与融资成本。
- 分析在不同利率环境（上升周期／下降周期）、不同市场情绪（风险偏好高/低）下表现。
- 风险调整绩效：夏普比率、最大回撤、盈利比例、持仓周期分布。
风险控制
- 货币政策出乎意料：例如高利率国家重启宽松或低利率国家加息。
- 汇率流动性／政策风险：新兴市场货币可能因资本外流或政策干预出现剧烈波动。
- 全球风险偏好反转：在 risk-off 状态下，carry 策略极易出现大损失。
- 跳跃风险：估值修正可能不是渐进而是跳跃式。建议设止损、按波动率／VaR限额控制敞口、对冲方向性美元敞口。
模板 3：信用‐主权债券价差（Sovereign vs Corporate or EM vs DM）
交易逻辑
- 假设 国家／地区信用环境出现分化：比如 EM 国家财政恶化／出口疲弱，其主权债利差相比 DM 国家或同评级公司债出现扩大。你认为这种分化可修复（比如 EM 国家政策改善、财政/出口恢复），则做信用利差收窄。
- 在 RV 框架下：构建“买收窄预期资产（利差过高的信用）＋卖基准（利差正常/被低估的级别）”的结构性头寸。
- 例如：做 EM 主权债券／公司债 vs DM 主权债券；或者做高收益公司债 vs 投资级债券，在基本面分化回归情境中。
宏观信号／因子
- 国家财政赤字/GDP、GDP 增长率、出口/进口差额、货币储备、评级变动风险。
- 信用利差 (主权或公司)、CDS 价差、信用评级迁移概率。
- 利率环境／货币市场‐信贷市场联动（如 利率上升→信用利差扩大）指标。
- 流动性指标：信用ETF‐债券价差、成交量、违约率。
模型因子
- 因子1：Credit Spread Z-score = (国家/公司信用利差 – 历史μ) / σ。
- 因子2：Macro Stress Index = f(Δ财政赤字, Δ汇率贬值, Δ评级展望) – 较高表示风险升高。
- 因子3：Liquidity Penalty = 高于阈值的估值 + 流动性恶化→放大止损。
- Signal：当 Credit Spread Z-score > +2σ (利差过大) & Macro Stress Index 开始改善 & Liquidity Penalty 低 → 建仓；反向或触止损时平仓。
回测思路
- 样本：选取多个主权信用（EM vs DM）及公司信用（高收益 vs 投资级）数据，包含利差、评级、流动性指标。
- 构建多个交易对：例如 “EM主权利差” minus “DM主权利差”；或 “高收益公司利差” minus “投资级公司利差”。
- 模拟每月信号构造、按风险预算建仓、加入融资成本、模拟违约损失、 ликвид性冲击。
- 检验在不同宏观周期（增长衰退／通胀上涨／政策宽松）下表现。
- 绩效指标：夏普比率、回撤、持仓时间、盈利率。
风险控制
- 违约风险：信用交易可能遭遇评级降级／违约，造成大幅亏损。建议对冲部分级别风险或限制敞口。
- 流动性风险：信用市场在压力事件（比如 2020 年 Covid ）中可能大幅脱市。
- 宏观结构改变：如果市场长期分化加剧而非修复，则“回归”假设失效。
- 模型风险：需对评级迁移、违约分布、流动性冲击有清晰假设。可设止损、限制最大敞口、分散国家／公司。
如果你愿意，我可以为你 再准备 2-3 个更偏 “复杂交叉” 的模板（比如：商品/利率/汇率三-资产交叉；通胀联结债券 vs 名义债券结构；或利率曲线内 steepener/flatten ＋ 货币对冲结构），并且给出实际样本回测数据／伪代码。你看怎么样？
Rates / Credit 区别
维度 | Rates（利率市场） | Bond / Credit（信用市场） |
核心风险 | 利率风险（Interest Rate Risk） | 信用风险（Credit Risk） |
基准资产 | 政府债券（如国债、Swap curve） | 企业债、主权债（有违约风险） |
定价核心变量 | 无风险收益率曲线（risk-free yield curve） | 无风险收益率 + 信用利差（credit spread） |
主要交易目标 | 曲线形状（steepening/flattening）、carry & roll、跨货币利差 | 信用利差变化、评级迁移、相对价值 |
主要风险指标 | DV01、Duration、Convexity | Spread DV01、Duration、Default risk |
团队位置 | Macro / Rates Desk | Credit / Bond Desk |
PnL 来源 | Carry + Roll + Curve | Spread tightening/widening + Carry |
非常好的问题——这其实是 rates / equity / FX / macro 各desk都会考的知识点，尤其在你准备面试 Macro RV（Relative Value）Team 时。下面我来系统解释：
🧩 一、先看定义：Delta One 与 RV 的区别与联系
概念 | 定义 | 关键点 |
Delta One（Δ=1） | 指那些对标的资产几乎一比一跟踪的衍生品或交易结构。即：标的价格变动 → PnL 线性变化，Δ ≈ 1，没有显著 gamma 或 vega 暴露。 | 例：Futures、Forwards、Swaps、ETFs、Total Return Swap。 |
Relative Value（RV） | 指在两个（或多个）高度相关资产或曲线之间寻找价格偏差并交易其“相对价格”而非绝对方向。 | 核心是mean reversion + hedged exposure。例：2s10s curve steepener、bond spread trade、cross-currency basis。 |
🔗 二、两者的关系：RV 是策略类型，Delta One 是交易工具
- Delta One 是工具层（instruments）
- RV 交易往往用 Delta One 工具实现，因为它们线性、透明、低成本。
- 举例：在 Rates RV 中你不会直接用 options （带 gamma 风险），而是用 futures / swaps 这种 Δ≈1 的合约做价差。
- RV 是策略层（strategy）
- 它描述“做多某一资产、做空另一相关资产”的价差逻辑。
- 所以 RV 策略往往以 Delta One 产品为载体：
- 🔸 Rates RV：做多 2Y Treasury futures 、做空 10Y Treasury futures（2s10s steepener）
- 🔸 FX RV：做多 USD/JPY forward 、做空 EUR/JPY forward（cross-currency basis）
- 🔸 Equity RV：做多 S&P 500 ETF 、做空 Mini S&P future （index arb）
⚙️ 三、从 PnL 结构看联系
Δ One PnL 分解：
对于 Delta One instrument：
所以 PnL ≈ Δ × 标的价格变化 → 纯线性暴露。
RV 策略的 PnL：
其中 () 是两个高度相关资产。RV 的关键是捕捉到两者间的相对误价（spread mispricing），同时中性化整体 Delta（directional risk）。
💡 四、为什么 RV 喜欢 Delta One 产品
- 线性暴露 → 方便构造和分析 spread。
- 低 theta / vega 风险 → 不受隐含波动率扰动。
- 便于杠杆 → Futures / Swaps 保证金低、流动性好。
- 高可预测性 → 用宏观因子（利率、流动性、通胀预期）建模。
📈 五、举例说明：Macro RV Desk 里的 Delta One 应用
策略类别 | 示例 | 工具（Delta One） | 交易逻辑 |
Rates Curve RV | 2s10s Steepener Trade | Treasury futures / IRS swap spread | 押注收益率曲线变陡或变平 |
Cross-Currency Basis RV | EUR/USD basis swap vs USD swap | FX swap / basis swap | 套利不同货币融资成本差 |
Inflation RV | Break-even Inflation trade | Nominal vs TIPS bond | 比较真实与预期通胀差 |
Equity Index Arb | SPY vs S&P 500 futures | ETF / future | 指数跟踪误差套利 |
FX Carry RV | Long high-yield FX forward, short low-yield FX forward | FX forward | 套取利差偏差（违反 UIP） |
🧭 六、面试角度总结
面试常问问题 | 简答思路 |
Q: Delta One desk 做什么？ | 交易与标的一比一跟踪的线性衍生品（futures, swaps, forwards），实现指数、利率、或货币的暴露。 |
Q: RV desk 和 Delta One desk 的关系？ | RV 策略用 Delta One 产品进行相对价值套利，去掉 directional risk 捕捉 spread 回归。 |
Q: 为什么不用 option？ | 因为 option 带有 non-linear 风险（gamma、vega），而 RV 需要纯粹的价差线性关系。 |
✅ 一句话总结：
Delta One 是 RV 交易的工具，RV 是 Delta One 交易的思想。它们在 Macro 或 Rates Desk 中往往是紧密耦合的两个层级：用线性工具交易非线性机会。
是否希望我接下来帮你整理一份「Macro RV 面试中的 Delta One 与 RV 策略 QA 表格」（例如 10 个高频问题 + 答法）？
非常好 👍
下面是最适合 Macro RV / Delta One 面试的系统梳理。
我会给你 五类典型 Delta-One RV 策略，每类都包含：
📘 简介 → ⚙️ 交易逻辑 → 🧮 公式与PnL → 🔍 分析方法 → 💬 面试常考问答
🧩 1️⃣ Yield Curve RV（利率曲线交易）
📘 简介
在 Rates RV 中最经典：通过不同期限国债或Swap的价差来押注收益率曲线形状变化。
常见形式：
- Steepener：做多长端、做空短端（押注曲线变陡）
- Flattener：做空长端、做多短端（押注曲线变平）
⚙️ 交易逻辑
假设 2Y 利率为 ()，10Y 利率为 ( )。
定义曲线斜率：
若你认为未来曲线会变陡：
→ 做多 10Y（价格上升时收益率下降），做空 2Y。
🧮 PnL 表达式
权重 (w) 按 DV01（每1bp变动的价格敏感度）匹配。
→ 实现 duration-neutral，只暴露在曲线形态上。
🔍 分析方法
- 核心指标：slope、butterfly（2s5s10s）
- 使用 PCA：
- PC1 → level（整体利率水平）
- PC2 → slope（曲线斜率）
- PC3 → curvature（曲线弯曲度）
- 分析数据来源：Treasury yield curve、swap curve、SOFR OIS。
💬 面试常考问答
问题 | 答案思路 |
Q: 什么是 steepener？ | 做多长端、做空短端，押注曲线变陡。 |
Q: 怎么实现 duration neutral？ | 用 DV01 匹配权重，保证对平移（level）风险中性。 |
Q: 为什么 curve trade 有价值？ | 曲线受货币政策预期、通胀预期、term premium 驱动，经常偏离长期均衡。 |
🧩 一、核心名词：Duration、DV01、Convexity
在曲线交易中，我们用债券价格对利率变化的敏感度衡量风险暴露。
📘 (1) Duration：利率敏感度的一阶度量
定义：
衡量债券价格对收益率变化的敏感程度，即价格相对变化对收益率变化的“弹性”。
[
]
直观理解：
利率上升 1%，价格大约下降 ( D% )。
🔹 实例：
- 2Y Treasury: Duration ≈ 1.9
- 10Y Treasury: Duration ≈ 8.5
→ 长端债价格对利率变化更敏感。
📘 (2) DV01：每 1bp（0.01%）利率变动引起的价格变动额
[
]
单位：美元或bps × notional。
例：
- 10Y Treasury，DV01 ≈ $85 per $1M notional
- 2Y Treasury，DV01 ≈ $20 per $1M notional
👉 DV01 用于对冲比例计算：
要保持对整体利率平移中性（level-neutral）：
[
]
📘 (3) Convexity：利率敏感度的二阶度量
价格–收益率关系是曲线的，convexity 表示这种曲线程度。
[
]
高 convexity → 价格上升时跌得慢，跌时涨得快 → 有利。
但 convexity 在 RV 策略中往往被对冲掉，只在大幅利率变动时影响PnL。
📈 二、曲线形状与因子分解
通常把 收益率曲线 (Yield Curve) 看作由 3 个主成分驱动：
主成分 | 含义 | 实际对应 | 举例变化 |
Level | 整体上移/下移 | 所有期限利率同步变动 | 政策利率变化 |
Slope | 长短端差距 | 曲线变陡/变平 | 宽松 or 紧缩预期 |
Curvature | 中段凸起程度 | 曲线中段 vs 两端 | QE 或资金扭曲 |
👉 PCA分析（主成分分析）可提取出这些风险因子：
[
]
🔍 三、曲线形状及经济解释
形状类型 | 特征 | 常见阶段 | 意味 |
Upward-sloping | 长端利率高于短端 | 正常时期 | 经济扩张、通胀预期稳定 |
Flat | 短长端接近 | 货币政策转折点 | 预期增长放缓 |
Inverted | 短端高于长端 | 紧缩周期、衰退信号 | 未来降息预期强 |
🧭 四、如何识别 Yield Curve RV 交易机会
Curve RV 的目标是捕捉“曲线形态的相对误价”。
🎯 Step 1: 计算关键差值（spreads）
- 2s10s spread = 10Y yield - 2Y yield
- 5s30s spread = 30Y yield - 5Y yield
- Butterfly = (10Y × 2) – (5Y + 30Y)
这些都是衡量斜率或曲率的标准量。
🎯 Step 2: 与历史均值对比
若 |z| > 2 → 曲线形态显著偏离历史均值，有可能出现均值回归。
🎯 Step 3: 检查宏观驱动
因素 | 影响 |
货币政策预期 | 短端主导 |
通胀预期 | 长端主导 |
QE/QT、流动性溢价 | 长端压低 |
信用风险偏好 | 整体曲线陡峭或平坦 |
🎯 Step 4: 构造交易（DV01中性）
例：2s10s Steepener
动作 | 产品 | 理由 |
做多 | 10Y Treasury Futures | 预期长端利率上升慢于短端 |
做空 | 2Y Treasury Futures | 押注短端上升快 |
权重：
实现 duration-neutral，但暴露在 slope risk。
🎯 Step 5: 持仓与风险管理
- 检查曲线驱动分解（PCA-based attribution）
- 监控 Level、Slope、Curvature 的贡献
🧮 五、为什么这是 Delta One 策略
特征 | 说明 |
线性暴露 | 价格–收益率关系一阶线性，Δ≈1，没有 Gamma/Vega。 |
工具类型 | 使用 Treasury Futures、Interest Rate Swaps、OIS、Bond Repo，全为线性工具。 |
风险来源单一 | 仅受利率水平变化影响，没有期权非线性风险。 |
易于量化分析 | 可精确计算 DV01、duration，对冲方便。 |
所以：
Yield Curve RV 属于纯 Delta One 策略。它用 Δ≈1 的线性产品构建相对价差，对冲掉方向性风险，只保留斜率风险。
💬 六、面试常考问答总结
问题 | 答案思路 |
Q1: Duration, DV01, Convexity 有什么区别？ | Duration 衡量百分比变化，DV01 是美元变化，Convexity 是二阶修正项。 |
Q2: 如何构造一个 Duration-neutral 的 curve trade？ | 按 DV01 权重做多长端、做空短端，使 level 风险中性。 |
Q3: 为什么 2s10s spread 值得关注？ | 反映市场对经济增长与政策路径的预期，是利率周期的晴雨表。 |
Q4: 什么情形下曲线会变陡？ | 市场预期经济复苏、通胀上升、或央行宽松。 |
Q5: 为什么是 Delta One？ | 因为收益与标的价格线性相关，不涉及 gamma 或波动率风险。 |
📊 七、总结（一句话记忆）
Yield Curve RV = 用 Delta One 工具（futures/swaps），构建 duration-neutral 的 relative spread，交易 曲线形状变化（slope/curvature） 的 宏观信号。
是否希望我下一步帮你把这一部分扩展成一页面试速览表（含图示：曲线形态变化 + steepener/flattener PnL 模拟 + PCA 解释）？
那样你可以直接在 DRW / Millennium 面试中讲出来可视化地展示思路。
💱 2️⃣ Cross-Currency Basis RV（跨币种基差交易）
📘 简介
由于不同货币融资成本与需求不一致，导致：
出现 Cross-Currency Basis。
⚙️ 交易逻辑
例如 EUR/USD：
若实际市场中：
→ 表示 USD funding 紧张，basis negative。
可构造套利：
- 借入 EUR；
- 兑换成 USD；
- 投资美元资产并通过 FX swap 对冲汇率。
🧮 Basis 计算
🔍 分析方法
- 看市场：basis spread vs historical mean。
- Basis 通常受：
- 跨币种流动性（USD funding stress）；
- 银行监管（LCR、balance sheet cost）；
- 政策差异（ECB vs Fed）。
💬 面试常考问答
问题 | 答案 |
Q: 为什么会有 cross-currency basis？ | 因为 CIP（Covered Interest Parity）在现实中被 balance sheet cost、regulation 打破。 |
Q: 如果 basis negative 说明什么？ | USD 资金紧张、USD demand 高。 |
Q: 如何做 RV？ | 做多被低估的 currency swap leg，做空被高估的，通过 FX swap 锁定汇率。 |
💹 3️⃣ Inflation RV（通胀价差交易）
📘 简介
比较 名义国债 (Nominal Bond) 和 通胀保值债券 (TIPS) 的收益差。
这个差值叫做 Break-even Inflation (BEI)。
⚙️ 交易逻辑
- 如果你认为未来通胀会高于 BEI → 做多 TIPS，做空 Nominal。
- 反之 → 做空 TIPS，做多 Nominal。
🧮 PnL 表达式
同样需 DV01 匹配。
🔍 分析方法
- 分析 CPI 预期、油价、通胀swap (ZCIS)。
- BEI 可以与 inflation swap implied inflation 比较。
- 长期与短期 BEI slope 反映市场通胀预期结构。
💬 面试常考问答
问题 | 答案 |
Q: 什么是 BEI？ | 名义债与实质债收益率之差，表示市场预期通胀。 |
Q: 如果预期通胀上升，应如何交易？ | 买 TIPS 卖 Nominal。 |
Q: 什么影响 BEI？ | CPI 预期、能源价格、政策立场、liquidity premium。 |
📊 4️⃣ Equity Index RV（指数套利）
📘 简介
对股票指数现货（ETF）与期货（或total return swap）之间的价差套利。
⚙️ 交易逻辑
理论上：
其中 (r) 为无风险利率，(d) 为股息收益率。
如果：
→ 做空 futures，买 ETF（cash & carry）。
反之 → reverse cash & carry。
🧮 PnL 表达式
在 RV 框架中，这是一个 basis trade。ETF 跟踪误差、融资成本造成短期偏离。
🔍 分析方法
- 比较 fair value vs actual futures price。
- 考虑交易成本、股息预期、融资利率。
- 高频执行中可看实时 “index arb bands”。
💬 面试常考问答
问题 | 答案 |
Q: 什么是 cash & carry？ | 买现货卖期货，锁定价差套利。 |
Q: 为什么 F 有时高于理论值？ | 股息预期变化、资金成本、流动性导致。 |
Q: 如何衡量风险？ | 对冲指数方向，关注 basis mean reversion 和 roll yield。 |
💵 5️⃣ FX Carry RV（外汇利差交易）
📘 简介
在不同国家间存在利率差：
但现实常常违反 Uncovered Interest Parity → 形成 Carry Trade 机会。
⚙️ 交易逻辑
- 做多 高利率货币（高 carry）；
- 做空 低利率货币（低 carry）。
收益来源：
如果汇率不大幅贬值 → 正收益。
🧮 收益分解
其中 是汇率变动（本币升值为正）。
🔍 分析方法
- 看 interest differential；
- 分析 risk-adjusted return（carry-to-risk）；
- 考虑 crash risk（高carry货币往往在风险事件中暴跌）。
💬 面试常考问答
问题 | 答案 |
Q: 为什么 carry trade 有收益？ | 市场对汇率风险有风险溢价，UIP 不成立。 |
Q: carry trade 的风险？ | Tail risk，尤其在危机中高利货币暴跌。 |
Q: 怎么衡量 carry attractiveness？ | 利差 / 波动率（Sharpe-like ratio）。 |
🧭 总结表
策略类型 | 工具 | 主要逻辑 | 暴露因子 | 分析核心 |
Yield Curve | Treasury Futures / Swaps | 曲线斜率变化 | slope risk | DV01-neutral |
Cross-Currency Basis | FX Swap / Cross-Ccy Swap | CIP 偏离 | funding basis | USD liquidity |
Inflation RV | Nominal vs TIPS | 通胀预期偏差 | inflation expectation | BEI |
Equity Index Arb | ETF vs Futures | Basis 偏离 | cost of carry | 股息预期、融资 |
FX Carry RV | FX Forward | 利差套利 | risk premium | carry-to-risk |
是否希望我下一步把这五类策略各自的 PnL 分解推导（数学化） 和 如何回测因子收益（如 slope、basis、BEI、carry） 也列出来？
这正是 Macro RV QR 岗面试常要求的计算层部分。
非常好 👍——“久期（Duration）” 是利率类产品最基础、也是最常考的概念之一。
下面我们一步步把它讲得清晰、直观、像讲故事一样易懂。
🧩 一、久期到底在说什么？
简单一句话：
久期 = 债券对利率变化有多敏感。
它告诉你：
“如果市场利率上升 1%，我的债券价格大约会下降多少个百分点？”
💬 举个生活例子：
你借给别人钱：
- A：只借 3 个月（短期）；
- B：借 10 年（长期）。
当市场利率上升时：
- 短期贷款很快就可以重新定价；
- 长期贷款的利率却锁死了，损失更大。
➡️ 这说明 “借得越久、锁得越死”，价格对利率越敏感。
这就是久期高。
🧮 二、从数学上看久期
一个债券的价格是未来现金流（利息 + 本金）的现值：
[
]
久期是这些现金流的“时间加权平均”：
[
]
直觉解释：
- 把每期现金流当作一个“重心”；
- 久期就是所有现金流的“时间重心”。
📈 价格敏感度版本（Modified Duration）
[
]
那么当收益率变化 Δy 时，债券价格近似变化：
[
]
🧠 这就是我们常说的：
“利率上升 1%，价格下跌约 D%。”
🧭 三、直觉理解：久期的四个含义
含义 | 简单理解 | 举例 |
1️⃣ 时间重心 | 收回现金流平均要等多久 | 零息债久期=期限；附息债久期<期限 |
2️⃣ 价格敏感度 | 利率变1%，价格变多少 | 10Y债利率+1%，价格约-8% |
3️⃣ 风险指标 | 衡量利率风险暴露 | 久期越长，风险越大 |
4️⃣ 对冲指标 | 用于匹配资产负债久期 | 银行ALM中常匹配久期避免净敞口 |
🧮 四、计算示例
假设债券年息5%，期限3年，面值100：
年度 | 现金流 | 折现因子(5%) | PV | PV×时间 |
1 | 5 | 0.952 | 4.76 | 4.76 |
2 | 5 | 0.907 | 4.53 | 9.06 |
3 | 105 | 0.864 | 90.72 | 272.16 |
总 PV = 100，∑(PV×时间)=285.98
久期：
[
]
所以这只3年债的久期≈2.86年。
意思是：利率上升1%，价格约下降2.86%。
📘 五、久期的类型对比
类型 | 定义 | 适用 |
Macaulay Duration | 加权平均收款时间 | 理论/教学 |
Modified Duration | 价格敏感度 | 市场报价常用 |
Effective Duration | 考虑嵌入期权的债券 | callable bond、MBS |
Key Rate Duration | 对特定期限利率敏感度 | 曲线分段分析（2y、5y、10y点） |
🧠 六、浮动 vs 固定久期直觉再回顾
- 固定利率债：利息锁死 → 对利率变化非常敏感 → 久期长。
- 浮动利率债：利息会重置 → 对利率变化不敏感 → 久期短（≈重置周期）。
- 久期高 → 利率风险大；
久期低 → 利率风险小。
💬 七、面试常问
问题 | 简单回答 |
Q: 久期代表什么？ | 债券价格对利率变化的敏感度，也是现金流的平均回收时间。 |
Q: 久期长说明什么？ | 对利率变化更敏感，风险更大。 |
Q: 为什么浮动债久期短？ | 因为利率重置快，价格几乎不受长期利率影响。 |
Q: 怎么用久期对冲？ | 使资产端久期 ≈ 负债端久期，利率变动时资产负债同幅变动，净价值稳定。 |
✅ 一句话总结：
久期 = 利率风险的“温度计”。它告诉你：利率升降 1%，资产价格大约波动多少。久期越长，价格越“怕”利率动。