用 AI 监测美债供需：一个实战框架

关键要点

• 供给多≠危机：2024-2026年美债供给创新高，但10年期收益率稳定在4.0-4.5%区间，市场消化顺畅
• 结构性优化：财政部基于TBAC建议"多发短债、少发长债"，Bills占比从不足20%升至25%以上
• 需求端分化：$7.8T+ MMF吸收Bills，但外国买家正从黏性官方需求转向price-sensitive私人需求——中国减持至$683B（2008低位），私人投资者购买量是官方的2倍+
• 缓冲在消失：ON RRP已耗尽、基差交易杠杆$1-2T、4月Tax Day是下一个流动性压力测试
• AI的角色：Swarm架构多智能体系统不预测市场，追踪边际供需变化——在共识还在讨论时，先构建好contingency map

一个反直觉的市场现象

2024年以来，美国国债供给量创历史新高——2025年Q3单季net borrowing超过$1万亿（$1.058T），2026年上半年两个季度合计预估超过$1.2万亿。按教科书逻辑，供给激增 → 价格下跌 → 收益率飙升。

但市场给出了一个意外的答案：10年期收益率在4.0-4.5%区间窄幅波动，即便近期中东局势升温推至4.48%，也迅速回落。没有2022年英国养老金那种流动性危机，消化得出人意料地顺畅。

为什么？

核心概念：边际定价

先说一个关键点：市场定价看的是边际供需平衡，不是绝对供给量。

用苹果市场来理解

假设一个苹果市场：

• 每天 100 个苹果卖出，100 个买家想买 → 价格稳定
• 突然每天 120 个苹果，但只有 100 个买家 → 价格下跌
• 但如果同时来了 120 个买家呢？→ 价格不动

美债市场过去两年的故事就是第三种情况。所以关键问题是：谁在买？买什么？为什么买？

供给端：财政部的期限管理

TBAC与发行策略

理解美债供给，不能只看发了多少，要看发行结构是怎么决定的。每季度的Quarterly Refunding是财政部与TBAC（Treasury Borrowing Advisory Committee）的核心对话机制——TBAC由一级交易商和买方机构的资深人士组成，他们的建议直接影响Coupon auction size的决策。

2024-2025年，TBAC连续多个季度建议"维持nominal coupon和FRN拍卖规模不变"（原话："Treasury anticipates maintaining nominal coupon and FRN auction sizes for at least the next several quarters"）。这不是被动不变，而是主动选择：把边际供给增量集中在Bills端，避免给长端收益率施加不必要的压力。

结构性转变

为什么这么调整？

“

财政部不是在"被动应对市场"，而是在主动管理期限结构——TBAC最优发行模型显示当前发行组合已接近有效前沿。

1. 短债需求旺盛

货币市场基金（MMF）是Bills的最大买家：

• 2024年初规模：约$5.5万亿
• 2026年3月规模：$7.86万亿（ICI周度数据，2026年3月18日）
• 增长原因：高利率环境下现金管理需求激增，加上货币基金改革后政府型基金大幅扩张
• 数据来源：ICI、美联储H.4.1

2. 长债压力缓解

维持10年、30年期拍卖规模不变（10Y维持$42B/次，30Y维持$25B/次）：

• 避免与养老金、保险公司的久期需求硬碰硬
• 也为未来财政前景恶化时保留了加量空间

3. 美联储的配合

2025年10月FOMC宣布12月1日起停止Treasury QT runoff，同时将MBS到期再投资转入T-bills：

• 12月首批Reserve Management Purchases约$40B，加上MBS再投资，月度Bill购买量约$55B
• 直接吸收财政部的新增短债供给
• 本质上是组合再平衡（从MBS向Treasury的composition shift），而非传统QE——但市场效果上，美联储从net seller变成了Bills的边际买家

需求端：谁在买美债？

买家全景图

外国投资者的结构性分化

日本：最大持有者，但持仓波动

日本是美国国债最大的外国持有者。2026年1月TIC数据显示持仓$1,225.3B，但过去两年并非单边减持——期间有增有减，波动受日元汇率、日本央行YCC调整和国内利率环境影响。整体趋势是围绕$1.1-1.2T区间波动，并非市场担心的"大逃亡"。

中国：结构性减持，降至2008年以来低位

中国的减持才是真正的趋势性变化：

• 2024年12月：$759B
• 2025年11月：$682.6B（17年低位）
• 较2013年峰值$1.32T下降超过48%
• 驱动因素：外汇储备多元化、地缘风险对冲、增持黄金（PBOC连续15个月购金）

谁填补了缺口？

• 英国：升至第二大持有者（$877.9B），主要反映伦敦作为全球托管中心的角色
• 比利时/卢森堡：增持显著（比利时从$374.6B升至$477.3B），部分可能是中国等通过Euroclear的间接持仓
• 加拿大：近乎三倍增长，反映能源出口收入和储备扩张

关键趋势：外国买家的构成正在从官方机构主导转向私人投资者主导。最新TIC数据显示，私人部门购买约$158B，超过官方机构$64B的两倍多。这意味着美债融资越来越依赖市场化的收益率驱动资本，而非地缘政治驱动的储备再循环。

对冲基金的基差交易：双刃剑

基差交易是美债市场"看不见的买家"——它在常态下提供流动性，但在压力情景下可能放大波动。2020年3月的教训已经足够深刻：margin call引发的强制平仓导致约$1000亿美债被抛售，最终迫使美联储入场购买。

2025年4月的压力测试：关税冲击导致国债市场剧烈波动，10Y一度升破4.5%，30Y破5%——但basis trade整体保持了韧性。达拉斯联储的研究指出，这次稳定得益于三个"顺风"：波动率上升增加了delivery option价值、降息预期降低了融资成本、Standing Repo Facility提供了流动性后盾。但这些顺风不会每次都在。

美联储的角色转变

从QT到组合再平衡

为什么这个转变很重要？

当市场不再担心"最大的卖家还会卖多少"时，期限溢价（ACM模型）从约50bps回升到80bps后趋于稳定——不是因为风险消失，而是因为最大的不确定性消失了。这个区分很重要：如果你用Kim-Wright模型，数字会不一样，但方向一致。

我是怎么追踪这些变化的？

传统方法的痛点

如果你做固定收益，传统监控方式大概是这样的：

每天打开Treasury Direct看拍卖公告，刷新TIC数据库（外国持仓，滞后2个月），等FOMC会议看声明措辞有没有变化，盯着Bloomberg终端看一级交易商库存。这套流程有几个问题：信息分散在10+个数据源且格式各异，更新频率从日度到季度不等，关键的边际变化容易被噪音淹没。

所以我建了一套Swarm架构的多智能体系统来自动化这个流程。

监测框架：五个维度

理解美债市场，需要同时看供给和需求两端：

供给端

1. 财政部发债计划：季度再融资公告（QRA）、TBAC建议、拍卖日程与规模
2. 市场流动性：一级交易商库存、回购利率（SOFR）、SRF使用量

需求端

1. 外国投资者：TIC月度持仓（注意2个月滞后）、日本/中国/英国趋势分化
2. 美联储：RMPs进度、MBS再投资节奏、SOMA持仓变化
3. 国内投资者：MMF规模（ICI周度）、养老金配置、对冲基金期货持仓（CFTC COT）

多智能体架构：为什么选 Swarm？

传统Pipeline的局限

传统Agent架构是串行的——Supply Agent只看供给，Demand Agent只看需求，互不通信。

但市场分析需要动态协作：当Supply Agent检测到拍卖规模超预期时，Demand Agent应立即评估外国买家最近的TIC数据趋势，Liquidity Agent应检查一级交易商库存空间和repo利率是否正常，最后Risk Agent整合判断市场能否消化。这些判断需要同时发生，而不是排队等轮到自己。

Swarm架构的核心思想

我采用的是Swarm架构（类似LangGraph Swarm），核心特征是Agent之间可以动态交接控制权：

“

Agent之间可以动态交接控制权，根据市场事件自动切换工作焦点，而不是沿着预设的流水线执行。

架构与数据流

数据层                    Agent 协作层              输出层
─────────                ────────────              ──────
Treasury Direct ─┐
  (XML feed)     │
TIC Database ────┤       ┌──────────────┐
  (CSV, 2mo lag) ├──→    │  Orchestrator │──→  简报 / 预警
FRED API ────────┤       │  + Handoff    │
  (JSON)         │       │  + Shared Mem │──→  Telegram Bot
ICI MMF Data ────┤       └──────────────┘
  (Weekly)       │              ↕
CFTC COT ────────┘       Human-in-the-loop
  (Weekly)

Agent 协作层

核心机制

1. 动态交接（Handoff）

当Supply Agent检测到发债规模变化时，主动把控制权交接给Risk Agent：

Supply Agent: "检测到 10Y 拍卖规模增加 15%"
    │
    ▼ handoff_to("Risk Agent", context={auction_change: "+15%"})
    │
Risk Agent: 从 Shared Memory 读取 dealer inventory、recent TIC data
    │
    ▼ "一级交易商库存偏高，间接投标比例需关注"

2. 共享记忆（Shared Memory）

所有Agent共享同一份市场状态快照：历史拍卖数据、持仓趋势、风险指标。Demand Agent不需要问Supply Agent"最近发了多少债"，直接从Memory读取。这个Memory层同时也是MacroRAG系统的持久化存储。

3. 人工介入（Human-in-the-loop）

当系统无法判断时，通过Telegram Bot暂停并请求人工确认：

Risk Agent: "30Y 拍卖尾差扩大至 2bp，是否触发预警？"
    │
    ▼ Telegram → 等待人工确认
    │
PM: "是，推送预警 + 检查 30Y basis spread"

实战案例：2026年2月再融资

以2026年2月4日发布的Q1 Quarterly Refunding为例。

Swarm 协作流程

T-3天：Supply Agent 检测到QRA发布
    │
    ▼ handoff_to("Demand Agent")
    │
Demand Agent: "日本1月增持至$1,225B，中国11月降至$683B（17年低位）"
             "外国总持仓$9.31T，私人买家主导"
    │
    ▼ handoff_to("Liquidity Agent")
    │
Liquidity Agent: "ON RRP接近零（$6B），但SRF运行正常"
                 "SOFR年末spike已消退，repo市场稳定"
    │
    ▼ handoff_to("Risk Agent", task="综合评估")
    │
Risk Agent: "风险等级：低-中。
            关键关注：ON RRP缓冲已耗尽，未来流动性冲击将直接传导至reserves。
            30Y拍卖间接投标比例是外国需求的风向标。"
    │
    ▼ 生成简报 → Telegram

系统输出的简报

## 美债供需简报 - 2026-02-05

供给端
- 财政部Q1 QRA：维持Coupon拍卖规模不变（符合TBAC建议）
- Bills发行继续扩张，4周Bill已达$101B/次
- Q1-Q2合计net borrowing预估~$1,261B

需求端
- 日本：1月增持至$1,225B（+$39.8B），波动中偏稳
- 中国：11月降至$683B（2008以来低位），结构性减持持续
- 外国总持仓：$9.31T（新高），私人投资者为主要增量
- MMF：$7.8T+，持续吸收Bills供给

市场状况
- 10Y收益率：4.35%，区间内波动
- 30Y拍卖：投标倍数健康，间接投标比例需持续跟踪
- 流动性：ON RRP~$6B（已基本耗尽），repo市场暂稳

风险提示
- ON RRP缓冲已失，流动性冲击将直接作用于bank reserves
- 基差交易杠杆高企，关注MOVE index和repo funding条件
- 中国减持趋势是否加速（关注2月TIC数据）

当前市场的风险图谱

平静不代表问题消失。以下是我的系统持续监测的风险维度：

即时风险：ON RRP已耗尽

这是文章撰写时最值得关注的变化。隔夜逆回购（ON RRP）从2023年峰值的$2.5万亿，到2025年年中接近零，到2025年12月31日年末spike至$106B后，2026年1月2日又回落至$6B。

为什么这很重要？ ON RRP是银行体系的流动性缓冲垫。当它存在时，TGA余额波动、Treasury大规模发行、季末再平衡等事件的冲击会被ON RRP吸收。现在这个缓冲垫没了，每一次流动性冲击都将直接作用于bank reserves。2019年9月repo市场的教训（隔夜利率从2%飙至10%）就是在类似缓冲耗尽的环境下发生的。

短期风险（3-6个月）

1. 基差交易的脆弱性

基差交易在常态下是"稳定的边际买家"，但它本质上是一个杠杆驱动的套利策略，其稳定性高度依赖三个条件：repo funding保持便宜、dealer愿意提供中介、波动率不突破margin call阈值。

达拉斯联储2025年7月的研究指出，基差交易的稳定性对dealer中介能力的下降比对funding cost的上升更敏感。这意味着SLR约束、G-SIB附加资本要求的变化、或者dealer自身的balance sheet压力，可能是比利率变动更危险的催化剂。

2. 短债依赖的再融资风险

如果短期利率再次飙升（比如因为通胀预期重新锚定），财政部将面临"滚动风险"——发新债还旧债的成本急剧上升，而Bills占比越高，这个风险越集中。

中期风险（6-18个月）

1. 外国买家结构性变化

中国的减持不是周期性的，而是结构性的——储备多元化、增持黄金、减少对美元资产的集中度。$683B对比2013年峰值的$1.32T，降幅超过48%。问题不是"中国还会不会买"，而是"私人投资者能不能持续替代官方买家？"

私人投资者是price-sensitive的——他们的购买取决于收益率的吸引力。当收益率下降或者美元走弱时，他们可能撤出。这与官方储备管理的"黏性"需求本质不同。

2. 期限溢价的走向

ACM模型的期限溢价从约50bps回升至80bps左右。如果突破100bps：

• 长端收益率可能被动上行
• 与财政赤字预期交互，可能形成negative feedback loop
• 需关注CBO的更新预测和One Big Beautiful Bill的财政影响

长期风险（18个月+）

结构性赤字不会消失：社保、医保支出刚性增长，利息支出已超过国防预算（CBO 2026预算展望）。Moody's在2025年5月将美国主权评级从Aaa下调至Aa1，理由就是"赤字失控"。关税政策、地缘政治（尤其是中东局势对油价和通胀预期的传导）增加了预测难度。

Positioning implications：不对称性在哪

框架的价值不在于描述市场。价值在于识别共识尚未充分定价的不对称风险。以下是截至2026年3月底，系统标记的三个positioning-relevant的观察。

1. 共识太舒服了

市场的base case是"供给多但能消化"。过去18个月基本正确——Coupon拍卖bid-to-cover稳定在2.3-2.6x，尾差控制在1bp以内。但这个共识隐含了一个assumption：$7.8万亿MMF会一直在Bills端扮演无限弹性的吸收者。

MMF买Bills的意愿取决于Bills yield vs ON RRP rate vs bank deposit rate的利差结构。当Fed降息（FFR 3.50-3.75%），Bills yield压缩，MMF的边际配置可能从Bills转向repo或其他短期工具。如果这个转变发生在Treasury加量发行Bills的窗口——比如debt ceiling解决后的TGA rebuild——供需的边际平衡可能比市场预期的更脆弱。

2. Term premium定价效率在下降

ACM 10Y term premium从2024年的~0bps回升至当前约50-80bps。合理：赤字扩张、供给增加。但一个被忽略的nuance是：ACM和Kim-Wright两个模型的分歧在扩大。

当两个模型对同一个量的估计出现分歧，通常意味着yield curve dynamics正在发生结构性变化——模型的拟合假设开始松动。对做curve trades的人来说：基于term premium decomposition的RV判断需要更宽的confidence interval。Belly（5-7Y）相对于wings的carry-adjusted richness/cheapness信号的可靠性在下降。

3. Geopolitical premium是regime-change catalyst

截至3月底，Iran局势把油价推至2022年以来高位，10Y一度触及4.48%。共识在debating one-time shock vs sustained inflation。但对rates positioning来说，关键不是CPI path，而是term premium对geopolitical uncertainty的重新定价是否persistent。

如果中东conflict持续到Q2并推动油价进一步上行：Fed即使不加息，市场也会price out剩余的25bp cut。Long-end term premium从80bps向100-120bps移动的路径可能比多数desk model暗示的更短。

风险场景矩阵

系统根据incoming data动态调整风险评级。以下是当前active的scenario和触发条件：

“

这张表不是预测——它是一个持续更新的contingency map。当左列的场景开始显现时，你已经知道该看什么、该怎么判断。

系统当前状态（截至2026-03-31）

┌─────────────────────────────────────────────────┐
│  UST SUPPLY-DEMAND MONITOR    Status: AMBER     │
├─────────────────────────────────────────────────┤
│                                                 │
│  Supply:  STABLE                                │
│   · Coupon sizes unchanged (TBAC)               │
│   · Bills elevated, 4wk avg $101B               │
│   · Next QRA: May 6, 2026                       │
│                                                 │
│  Demand:  STABLE with WATCH items               │
│   · MMF: $7.86T (+$38.7B last week)             │
│   · Foreign total: $9.31T (Jan, +$34.8B)        │
│   · China: $683B (Nov, 17yr low) ⚠              │
│   · Basis trade: notional $1-2T  ⚠              │
│                                                 │
│  Liquidity:  WATCH                              │
│   · ON RRP: ~$6B (buffer exhausted)  ⚠          │
│   · SOFR: 3.75% (at target)                     │
│   · SRF: $0 (no stress usage)                   │
│   · Next test: Apr 15 Tax Day  →                │
│                                                 │
│  Regime:                                        │
│   · Geopolitical premium rising (Iran)          │
│   · Oil at 2022 highs                           │
│   · Fed cut probability declining               │
│                                                 │
│  ACTIVE ALERTS: 2                               │
│   1. ON RRP exhaustion (since 2025-09)          │
│   2. China sub-$700B (since 2025-07)            │
│                                                 │
│  NEXT EVENTS:                                   │
│   → Apr 15: Tax Day liquidity test              │
│   → May 6:  Q2 QRA                              │
│                                                 │
└─────────────────────────────────────────────────┘

这个dashboard每天UTC 06:00前自动更新，通过Telegram Bot推送。当指标触发alert threshold时，系统生成context-enriched简报——不是"数字超了"，而是包含historical comparison、cross-indicator correlation和suggested action的完整brief。

总结

这套系统的核心假设很简单：在一个信息过载的市场里，edge不来自于拥有更多数据，而来自于更快地从数据中识别出边际变化的方向。 Swarm架构的多智能体协作让这个过程自动化、可追溯、可复现——而human-in-the-loop确保最终判断始终由有市场直觉的人做出。

关于我

我是Quinn Liu，一名FICC PM和Agentic AI爱好者。我持续探索如何将multi-agent系统整合进投资研究工作流，本文描述的监测系统就是这一探索的实践案例。如果你对agent-based市场分析框架感兴趣，欢迎交流。

• Email: quinn@quinnmacro.com
• LinkedIn: linkedin.com/in/liulu-math
• GitHub: github.com/quinnmacro

更多研究和项目细节见我的主页。

常见问题

为什么美债供给创新高却没有引发危机？

因为市场定价看的是边际供需平衡，而非绝对供给量。财政部基于TBAC建议采取"多发短债、维持长债"的结构性调整，配合$7.8万亿货币基金的旺盛短债需求和美联储MBS再投资转入Bills，成功消化了新增供给。同时，外国投资者总持仓创$9.3万亿新高，尽管内部结构出现了从官方到私人、从中国到欧洲/加拿大的迁移。

什么是 Swarm 多智能体架构？

Swarm架构是一种Agent协作模式，各Agent可以动态交接控制权，根据市场事件自动切换焦点。相比传统Pipeline架构，它更适合需要多维度实时协作的市场分析场景——比如一个拍卖事件需要同时评估供给、需求、流动性和风险四个维度。

当前美债市场最大的风险是什么？

短期最紧迫的是4月Tax Day的流动性测试——ON RRP缓冲已耗尽（~$6B），SOFR spike将直接作用于bank reserves。中期关注三个维度：（1）基差交易notional $1-2T、杠杆15-20x，在dealer中介能力下降时可能引发强制平仓；（2）中国结构性减持至$683B，外国买家从"黏性"官方需求转向"price-sensitive"私人需求；（3）中东conflict如果持续，ACM term premium从80bps向100bp+移动的路径可能比共识预期的更短。

这个框架对PM的positioning有什么具体帮助？

系统不给出trade recommendation，但它做两件事：（1）提前标记共识中implicit assumptions可能松动的领域——比如当前"MMF无限吸收Bills"的假设，可以通过ICI周度数据中government fund vs prime fund的相对增速来监控；（2）维护一张实时更新的contingency map，让你在scenario开始显现时已经知道传导路径和该看的指标，而不是在事后解释发生了什么。

如何开始构建美债监测系统？

从五个核心数据源入手：（1）Treasury Direct获取QRA和拍卖结果（XML feed）；（2）TIC数据库追踪外国持仓（月度CSV，2个月滞后）；（3）FRED/NY Fed获取ON RRP、SOFR、Fed balance sheet数据；（4）ICI获取MMF周度规模；（5）CFTC COT报告获取期货持仓（对冲基金基差交易的proxy）。然后按本文的五维度框架逐步构建Agent系统。

参考数据源

本文数据来自以下权威来源：

• Treasury Direct - 美国财政部官方拍卖公告与数据
• Quarterly Refunding - 季度再融资公告、TBAC建议与Discussion Charts
• TIC Data - 外国持有美国国债月度数据
• Federal Reserve FRED - 经济数据与美联储资产负债表
• NY Fed Operations - RMPs、ON RRP、SRF操作数据
• ICI Money Market Fund Data - 货币市场基金周度规模
• CFTC Commitments of Traders - 期货市场持仓报告
• PGPF Quarterly Refunding Analysis - Peter G. Peterson Foundation独立分析