用 AI 監測美債供需：一個實戰框架

關鍵要點

• 供給多≠危機：2024-2026年美債供給創新高，但10年期收益率穩定在4.0-4.5%區間，市場消化順暢
• 結構性優化：財政部基於TBAC建議「多發短債、少發長債」，Bills佔比從不足20%升至25%以上
• 需求端分化：$7.8T+ MMF吸收Bills，但外國買家正從黏性官方需求轉向price-sensitive私人需求——中國減持至$683B（2008低位），私人投資者購買量是官方的2倍+
• 緩衝在消失：ON RRP已耗盡、基差交易槓桿$1-2T、4月Tax Day是下一個流動性壓力測試
• AI的角色：Swarm架構多智能體系統不預測市場，追蹤邊際供需變化——在共識還在討論時，先構建好contingency map

一個反直覺的市場現象

2024年以來，美國國債供給量創歷史新高——2025年Q3單季net borrowing超過$1兆（$1.058T），2026年上半年兩個季度合計預估超過$1.2兆。按教科書邏輯，供給激增 → 價格下跌 → 收益率飆升。

但市場給出了一個意外的答案：10年期收益率在4.0-4.5%區間窄幅波動，即便近期中東局勢升溫推至4.48%，也迅速回落。沒有2022年英國養老金那種流動性危機，消化得出人意料地順暢。

為什麼？

核心概念：邊際定價

先說一個關鍵點：市場定價看的是邊際供需平衡，不是絕對供給量。

用蘋果市場來理解

假設一個蘋果市場：

• 每天 100 個蘋果賣出，100 個買家想買 → 價格穩定
• 突然每天 120 個蘋果，但只有 100 個買家 → 價格下跌
• 但如果同時來了 120 個買家呢？→ 價格不動

美債市場過去兩年的故事就是第三種情況。所以關鍵問題是：誰在買？買什麼？為什麼買？

供給端：財政部的期限管理

TBAC與發行策略

理解美債供給，不能只看發了多少，要看發行結構是怎麼決定的。每季度的Quarterly Refunding是財政部與TBAC（Treasury Borrowing Advisory Committee）的核心對話機制——TBAC由一級交易商和買方機構的資深人士組成，他們的建議直接影響Coupon auction size的決策。

2024-2025年，TBAC連續多個季度建議「維持nominal coupon和FRN拍賣規模不變」（原話：「Treasury anticipates maintaining nominal coupon and FRN auction sizes for at least the next several quarters」）。這不是被動不變，而是主動選擇：把邊際供給增量集中在Bills端，避免給長端收益率施加不必要的壓力。

結構性轉變

為什麼這麼調整？

“

財政部不是在「被動應對市場」，而是在主動管理期限結構——TBAC最優發行模型顯示當前發行組合已接近有效前沿。

1. 短債需求旺盛

貨幣市場基金（MMF）是Bills的最大買家：

• 2024年初規模：約$5.5兆
• 2026年3月規模：$7.86兆（ICI週度數據，2026年3月18日）
• 增長原因：高利率環境下現金管理需求激增，加上貨幣基金改革後政府型基金大幅擴張
• 數據來源：ICI、美聯儲H.4.1

2. 長債壓力緩解

維持10年、30年期拍賣規模不變（10Y維持$42B/次，30Y維持$25B/次）：

• 避免與養老金、保險公司的久期需求硬碰硬
• 也為未來財政前景惡化時保留了加量空間

3. 美聯儲的配合

2025年10月FOMC宣布12月1日起停止Treasury QT runoff，同時將MBS到期再投資轉入T-bills：

• 12月首批Reserve Management Purchases約$40B，加上MBS再投資，月度Bill購買量約$55B
• 直接吸收財政部的新增短債供給
• 本質上是組合再平衡（從MBS向Treasury的composition shift），而非傳統QE——但市場效果上，美聯儲從net seller變成了Bills的邊際買家

需求端：誰在買美債？

買家全景圖

外國投資者的結構性分化

日本：最大持有者，但持倉波動

日本是美國國債最大的外國持有者。2026年1月TIC數據顯示持倉$1,225.3B，但過去兩年並非單邊減持——期間有增有減，波動受日元匯率、日本央行YCC調整和國內利率環境影響。整體趨勢是圍繞$1.1-1.2T區間波動，並非市場擔心的「大逃亡」。

中國：結構性減持，降至2008年以來低位

中國的減持才是真正的趨勢性變化：

• 2024年12月：$759B
• 2025年11月：$682.6B（17年低位）
• 較2013年峰值$1.32T下降超過48%
• 驅動因素：外匯儲備多元化、地緣風險對沖、增持黃金（PBOC連續15個月購金）

誰填補了缺口？

• 英國：升至第二大持有者（$877.9B），主要反映倫敦作為全球託管中心的角色
• 比利時/盧森堡：增持顯著（比利時從$374.6B升至$477.3B），部分可能是中國等通過Euroclear的間接持倉
• 加拿大：近乎三倍增長，反映能源出口收入和儲備擴張

關鍵趨勢：外國買家的構成正在從官方機構主導轉向私人投資者主導。最新TIC數據顯示，私人部門購買約$158B，超過官方機構$64B的兩倍多。這意味著美債融資越來越依賴市場化的收益率驅動資本，而非地緣政治驅動的儲備再循環。

對沖基金的基差交易：雙刃劍

基差交易是美債市場「看不見的買家」——它在常態下提供流動性，但在壓力情景下可能放大波動。2020年3月的教訓已經足夠深刻：margin call引發的強制平倉導致約$1000億美債被拋售，最終迫使美聯儲入場購買。

2025年4月的壓力測試：關稅衝擊導致國債市場劇烈波動，10Y一度升破4.5%，30Y破5%——但basis trade整體保持了韌性。達拉斯聯儲的研究指出，這次穩定得益於三個「順風」：波動率上升增加了delivery option價值、降息預期降低了融資成本、Standing Repo Facility提供了流動性後盾。但這些順風不會每次都在。

美聯儲的角色轉變

從QT到組合再平衡

為什麼這個轉變很重要？

當市場不再擔心「最大的賣家還會賣多少」時，期限溢價（ACM模型）從約50bps回升到80bps後趨於穩定——不是因為風險消失，而是因為最大的不確定性消失了。這個區分很重要：如果你用Kim-Wright模型，數字會不一樣，但方向一致。

我是怎麼追蹤這些變化的？

傳統方法的痛點

如果你做固定收益，傳統監控方式大概是這樣的：

每天打開Treasury Direct看拍賣公告，刷新TIC數據庫（外國持倉，滯後2個月），等FOMC會議看聲明措辭有沒有變化，盯著Bloomberg終端看一級交易商庫存。這套流程有幾個問題：信息分散在10+個數據源且格式各異，更新頻率從日度到季度不等，關鍵的邊際變化容易被噪音淹沒。

所以我建了一套Swarm架構的多智能體系統來自動化這個流程。

監測框架：五個維度

理解美債市場，需要同時看供給和需求兩端：

供給端

1. 財政部發債計劃：季度再融資公告（QRA）、TBAC建議、拍賣日程與規模
2. 市場流動性：一級交易商庫存、回購利率（SOFR）、SRF使用量

需求端

1. 外國投資者：TIC月度持倉（注意2個月滯後）、日本/中國/英國趨勢分化
2. 美聯儲：RMPs進度、MBS再投資節奏、SOMA持倉變化
3. 國內投資者：MMF規模（ICI週度）、養老金配置、對沖基金期貨持倉（CFTC COT）

多智能體架構：為什麼選 Swarm？

傳統Pipeline的局限

傳統Agent架構是串行的——Supply Agent只看供給，Demand Agent只看需求，互不通信。

但市場分析需要動態協作：當Supply Agent檢測到拍賣規模超預期時，Demand Agent應立即評估外國買家最近的TIC數據趨勢，Liquidity Agent應檢查一級交易商庫存空間和repo利率是否正常，最後Risk Agent整合判斷市場能否消化。這些判斷需要同時發生，而不是排隊等輪到自己。

Swarm架構的核心思想

我採用的是Swarm架構（類似LangGraph Swarm），核心特徵是Agent之間可以動態交接控制權：

“

Agent之間可以動態交接控制權，根據市場事件自動切換工作焦點，而不是沿著預設的流水線執行。

架構與數據流

數據層                    Agent 協作層              輸出層
─────────                ────────────              ──────
Treasury Direct ─┐
  (XML feed)     │
TIC Database ────┤       ┌──────────────┐
  (CSV, 2mo lag) ├──→    │  Orchestrator │──→  簡報 / 預警
FRED API ────────┤       │  + Handoff    │
  (JSON)         │       │  + Shared Mem │──→  Telegram Bot
ICI MMF Data ────┤       └──────────────┘
  (Weekly)       │              ↕
CFTC COT ────────┘       Human-in-the-loop
  (Weekly)

Agent 協作層

核心機制

1. 動態交接（Handoff）

當Supply Agent檢測到發債規模變化時，主動把控制權交接給Risk Agent：

Supply Agent: "檢測到 10Y 拍賣規模增加 15%"
    │
    ▼ handoff_to("Risk Agent", context={auction_change: "+15%"})
    │
Risk Agent: 從 Shared Memory 讀取 dealer inventory、recent TIC data
    │
    ▼ "一級交易商庫存偏高，間接投標比例需關注"

2. 共享記憶（Shared Memory）

所有Agent共享同一份市場狀態快照：歷史拍賣數據、持倉趨勢、風險指標。Demand Agent不需要問Supply Agent「最近發了多少債」，直接從Memory讀取。這個Memory層同時也是MacroRAG系統的持久化存儲。

3. 人工介入（Human-in-the-loop）

當系統無法判斷時，通過Telegram Bot暫停並請求人工確認：

Risk Agent: "30Y 拍賣尾差擴大至 2bp，是否觸發預警？"
    │
    ▼ Telegram → 等待人工確認
    │
PM: "是，推送預警 + 檢查 30Y basis spread"

實戰案例：2026年2月再融資

以2026年2月4日發布的Q1 Quarterly Refunding為例。

Swarm 協作流程

T-3天：Supply Agent 檢測到QRA發布
    │
    ▼ handoff_to("Demand Agent")
    │
Demand Agent: "日本1月增持至$1,225B，中國11月降至$683B（17年低位）"
             "外國總持倉$9.31T，私人買家主導"
    │
    ▼ handoff_to("Liquidity Agent")
    │
Liquidity Agent: "ON RRP接近零（$6B），但SRF運行正常"
                 "SOFR年末spike已消退，repo市場穩定"
    │
    ▼ handoff_to("Risk Agent", task="綜合評估")
    │
Risk Agent: "風險等級：低-中。
            關鍵關注：ON RRP緩衝已耗盡，未來流動性衝擊將直接傳導至reserves。
            30Y拍賣間接投標比例是外國需求的風向標。"
    │
    ▼ 生成簡報 → Telegram

系統輸出的簡報

## 美債供需簡報 - 2026-02-05

供給端
- 財政部Q1 QRA：維持Coupon拍賣規模不變（符合TBAC建議）
- Bills發行繼續擴張，4週Bill已達$101B/次
- Q1-Q2合計net borrowing預估~$1,261B

需求端
- 日本：1月增持至$1,225B（+$39.8B），波動中偏穩
- 中國：11月降至$683B（2008以來低位），結構性減持持續
- 外國總持倉：$9.31T（新高），私人投資者為主要增量
- MMF：$7.8T+，持續吸收Bills供給

市場狀況
- 10Y收益率：4.35%，區間內波動
- 30Y拍賣：投標倍數健康，間接投標比例需持續追蹤
- 流動性：ON RRP~$6B（已基本耗盡），repo市場暫穩

風險提示
- ON RRP緩衝已失，流動性衝擊將直接作用於bank reserves
- 基差交易槓桿高企，關注MOVE index和repo funding條件
- 中國減持趨勢是否加速（關注2月TIC數據）

當前市場的風險圖譜

平靜不代表問題消失。以下是我的系統持續監測的風險維度：

即時風險：ON RRP已耗盡

這是文章撰寫時最值得關注的變化。隔夜逆回購（ON RRP）從2023年峰值的$2.5兆，到2025年年中接近零，到2025年12月31日年末spike至$106B後，2026年1月2日又回落至$6B。

為什麼這很重要？ ON RRP是銀行體系的流動性緩衝墊。當它存在時，TGA餘額波動、Treasury大規模發行、季末再平衡等事件的衝擊會被ON RRP吸收。現在這個緩衝墊沒了，每一次流動性衝擊都將直接作用於bank reserves。2019年9月repo市場的教訓（隔夜利率從2%飆至10%）就是在類似緩衝耗盡的環境下發生的。

短期風險（3-6個月）

1. 基差交易的脆弱性

基差交易在常態下是「穩定的邊際買家」，但它本質上是一個槓桿驅動的套利策略，其穩定性高度依賴三個條件：repo funding保持便宜、dealer願意提供中介、波動率不突破margin call閾值。

達拉斯聯儲2025年7月的研究指出，基差交易的穩定性對dealer中介能力的下降比對funding cost的上升更敏感。這意味著SLR約束、G-SIB附加資本要求的變化、或者dealer自身的balance sheet壓力，可能是比利率變動更危險的催化劑。

2. 短債依賴的再融資風險

如果短期利率再次飆升（比如因為通脹預期重新錨定），財政部將面臨「滾動風險」——發新債還舊債的成本急劇上升，而Bills佔比越高，這個風險越集中。

中期風險（6-18個月）

1. 外國買家結構性變化

中國的減持不是週期性的，而是結構性的——儲備多元化、增持黃金、減少對美元資產的集中度。$683B對比2013年峰值的$1.32T，降幅超過48%。問題不是「中國還會不會買」，而是「私人投資者能不能持續替代官方買家？」

私人投資者是price-sensitive的——他們的購買取決於收益率的吸引力。當收益率下降或者美元走弱時，他們可能撤出。這與官方儲備管理的「黏性」需求本質不同。

2. 期限溢價的走向

ACM模型的期限溢價從約50bps回升至80bps左右。如果突破100bps：

• 長端收益率可能被動上行
• 與財政赤字預期交互，可能形成negative feedback loop
• 需關注CBO的更新預測和One Big Beautiful Bill的財政影響

長期風險（18個月+）

結構性赤字不會消失：社保、醫保支出剛性增長，利息支出已超過國防預算（CBO 2026預算展望）。Moody's在2025年5月將美國主權評級從Aaa下調至Aa1，理由就是「赤字失控」。關稅政策、地緣政治（尤其是中東局勢對油價和通脹預期的傳導）增加了預測難度。

Positioning implications：不對稱性在哪

框架的價值不在於描述市場。價值在於識別共識尚未充分定價的不對稱風險。以下是截至2026年3月底，系統標記的三個positioning-relevant的觀察。

1. 共識太舒服了

市場的base case是「供給多但能消化」。過去18個月基本正確——Coupon拍賣bid-to-cover穩定在2.3-2.6x，尾差控制在1bp以內。但這個共識隱含了一個assumption：$7.8兆MMF會一直在Bills端扮演無限彈性的吸收者。

MMF買Bills的意願取決於Bills yield vs ON RRP rate vs bank deposit rate的利差結構。當Fed降息（FFR 3.50-3.75%），Bills yield壓縮，MMF的邊際配置可能從Bills轉向repo或其他短期工具。如果這個轉變發生在Treasury加量發行Bills的窗口——比如debt ceiling解決後的TGA rebuild——供需的邊際平衡可能比市場預期的更脆弱。

2. Term premium定價效率在下降

ACM 10Y term premium從2024年的~0bps回升至當前約50-80bps。合理：赤字擴張、供給增加。但一個被忽略的nuance是：ACM和Kim-Wright兩個模型的分歧在擴大。

當兩個模型對同一個量的估計出現分歧，通常意味著yield curve dynamics正在發生結構性變化——模型的擬合假設開始鬆動。對做curve trades的人來說：基於term premium decomposition的RV判斷需要更寬的confidence interval。Belly（5-7Y）相對於wings的carry-adjusted richness/cheapness信號的可靠性在下降。

3. Geopolitical premium是regime-change catalyst

截至3月底，Iran局勢把油價推至2022年以來高位，10Y一度觸及4.48%。共識在debating one-time shock vs sustained inflation。但對rates positioning來說，關鍵不是CPI path，而是term premium對geopolitical uncertainty的重新定價是否persistent。

如果中東conflict持續到Q2並推動油價進一步上行：Fed即使不加息，市場也會price out剩餘的25bp cut。Long-end term premium從80bps向100-120bps移動的路徑可能比多數desk model暗示的更短。

風險場景矩陣

系統根據incoming data動態調整風險評級。以下是當前active的scenario和觸發條件：

“

這張表不是預測——它是一個持續更新的contingency map。當左列的場景開始顯現時，你已經知道該看什麼、該怎麼判斷。

系統當前狀態（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                              │
│                                                 │
└─────────────────────────────────────────────────┘

這個dashboard每天UTC 06:00前自動更新，通過Telegram Bot推送。當指標觸發alert threshold時，系統生成context-enriched簡報——不是「數字超了」，而是包含historical comparison、cross-indicator correlation和suggested action的完整brief。

總結

這套系統的核心假設很簡單：在一個信息過載的市場裡，edge不來自於擁有更多數據，而來自於更快地從數據中識別出邊際變化的方向。 Swarm架構的多智能體協作讓這個過程自動化、可追溯、可複現——而human-in-the-loop確保最終判斷始終由有市場直覺的人做出。

關於我

我是Quinn Liu，一名FICC PM和Agentic AI愛好者。我持續探索如何將multi-agent系統整合進投資研究工作流，本文描述的監測系統就是這一探索的實踐案例。如果你對agent-based市場分析框架感興趣，歡迎交流。

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

更多研究和項目細節見我的主頁。

常見問題

為什麼美債供給創新高卻沒有引發危機？

因為市場定價看的是邊際供需平衡，而非絕對供給量。財政部基於TBAC建議採取「多發短債、維持長債」的結構性調整，配合$7.8兆貨幣基金的旺盛短債需求和美聯儲MBS再投資轉入Bills，成功消化了新增供給。同時，外國投資者總持倉創$9.3兆新高，儘管內部結構出現了從官方到私人、從中國到歐洲/加拿大的遷移。

什麼是 Swarm 多智能體架構？

Swarm架構是一種Agent協作模式，各Agent可以動態交接控制權，根據市場事件自動切換焦點。相比傳統Pipeline架構，它更適合需要多維度即時協作的市場分析場景——比如一個拍賣事件需要同時評估供給、需求、流動性和風險四個維度。

當前美債市場最大的風險是什麼？

短期最緊迫的是4月Tax Day的流動性測試——ON RRP緩衝已耗盡（~$6B），SOFR spike將直接作用於bank reserves。中期關注三個維度：（1）基差交易notional $1-2T、槓桿15-20x，在dealer中介能力下降時可能引發強制平倉；（2）中國結構性減持至$683B，外國買家從「黏性」官方需求轉向「price-sensitive」私人需求；（3）中東conflict如果持續，ACM term premium從80bps向100bp+移動的路徑可能比共識預期的更短。

這個框架對PM的positioning有什麼具體幫助？

系統不給出trade recommendation，但它做兩件事：（1）提前標記共識中implicit assumptions可能鬆動的領域——比如當前「MMF無限吸收Bills」的假設，可以通過ICI週度數據中government fund vs prime fund的相對增速來監控；（2）維護一張即時更新的contingency map，讓你在scenario開始顯現時已經知道傳導路徑和該看的指標，而不是在事後解釋發生了什麼。

如何開始構建美債監測系統？

從五個核心數據源入手：（1）Treasury Direct獲取QRA和拍賣結果（XML feed）；（2）TIC數據庫追蹤外國持倉（月度CSV，2個月滯後）；（3）FRED/NY Fed獲取ON RRP、SOFR、Fed balance sheet數據；（4）ICI獲取MMF週度規模；（5）CFTC COT報告獲取期貨持倉（對沖基金基差交易的proxy）。然後按本文的五維度框架逐步構建Agent系統。

參考數據源

本文數據來自以下權威來源：

• Treasury Direct - 美國財政部官方拍賣公告與數據
• Quarterly Refunding - 季度再融資公告、TBAC建議與Discussion Charts
• TIC Data - 外國持有美國國債月度數據
• Federal Reserve FRED - 經濟數據與美聯儲資產負債表
• NY Fed Operations - RMPs、ON RRP、SRF操作數據
• ICI Money Market Fund Data - 貨幣市場基金週度規模
• CFTC Commitments of Traders - 期貨市場持倉報告
• PGPF Quarterly Refunding Analysis - Peter G. Peterson Foundation獨立分析