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%，市場消化順暢
• 結構性優化：財政部「多發短債、少發長債」策略成功緩解長端壓力，Bills佔比從21%升至25%+
• 需求端支撐：貨幣基金($6.3兆)、歐洲投資者、美聯儲MBS再投資共同填補缺口
• AI解決方案：Swarm架構多智能體系統實現動態協作，自動追蹤供需變化並生成預警
• 風險前瞻：ON RRP耗盡、期限溢價回升、外國買家流失是中期需關注的三大風險點

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——財政部每季度發債規模超過 1 兆美元。按教科書邏輯，供給激增應該壓低價格、推高收益率。

但市場給出的答案是：10 年期收益率在 4.0-4.5% 區間晃悠，30 年期穩在 4.8% 左右。沒有恐慌，沒有拋售，消化得挺順暢。

這讓我很好奇：為什麼？

核心概念：邊際定價

先說一個很多人忽略的點：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：財政部沒你想的那麼笨

一個關鍵的結構性轉變

財政部做了一個聰明的調整：多發短債，少發長債。

為什麼要這樣調整？

“

財政部不是在「被動應對市場」，而是在主動管理期限結構——這是一種隱形的金融工程。

1. 短債需求旺盛

貨幣市場基金（MMF）是 Bills 的最大買家：

• 2024 年規模：$5.5 兆
• 2026 年規模：$6.3 兆
• 增長原因：高利率環境下，現金管理需求激增
• 數據來源：ICI、美聯儲H.4.1統計

2. 長債壓力緩解

減少 10 年、30 年期發行：

• 降低對收益率曲線長端的壓力
• 避免與養老金、保險公司的久期需求硬碰硬

3. 美聯儲的配合

從 2025 年 12 月起，美聯儲開始將 MBS 到期資金再投資到 T-bills：

• 每月約 $200-300 億流動性注入
• 直接吸收財政部的新增短債供給

需求端：誰在買美債？

買家全景圖

外國投資者的結構性變化

日本：持續減持

日本投資者曾是美國國債最大的外國持有者（超過 $1.1 兆）。但 2024-2026 年：

• 日元貶值壓力 → 國內資金回流
• 日本央行干預匯市 → 需要美元流動性
• 累計減持約 $600 億（截至 2026 年 2 月）

誰填補了缺口？

• 歐洲投資者：歐元區利率見頂，美債收益率有吸引力
• 加拿大：能源出口收入增加，外匯儲備擴張
• 中東：油價收入支撐主權財富基金配置

對沖基金的基差交易

這是很多讀者不熟悉的一個重要買家：

2026 年，10 年期期貨與現券的基差穩定，意味著對沖基金是穩定的邊際買家。

美聯儲的角色轉變

從 QT 到「類 QE」的微妙轉折

為什麼這個轉變很重要？

當市場不再擔心「誰會賣出下一波」時，風險溢價自然下降。這解釋了為什麼期限溢價從 50bps 升到 80bps 後又回落——不是因為風險消失，而是因為最大的不確定性消失了。

我是怎麼追蹤這些變化的？

傳統方法太累了

如果你做固定收益，傳統監控方式是這樣的：

• 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，很煩）
• 等 FOMC 會議看聲明措辭有沒有變化
• 盯著彭博終端看一級交易商庫存

這套流程有幾個問題：

1. 信息分散：10+ 個數據源，格式各不一樣
2. 頻率不一：有的每日，有的月度，有的季度
3. 信號淹沒：關鍵變化容易被噪音蓋住

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、拍賣日程
2. 市場流動性：一級交易商庫存、回購利率

需求端

1. 外國投資者：日本、中國持倉變化
2. 美聯儲：QT 進度、政策轉向信號
3. 國內投資者：貨幣基金、養老金、對沖基金

多智能體架構：為什麼選 Swarm？

傳統「流水線」架構的問題

傳統 Agent 架構是「各管各的」——供給 Agent 只看供給，需求 Agent 只看需求。這種設計在市場分析裡不夠用。

但市場分析需要動態協作：

• 當供給端檢測到拍賣規模超預期
• 需求端 Agent 應立即評估：外國買家最近在買嗎？
• 流動性 Agent 應檢查：一級交易商庫存空間夠嗎？
• 最後 Risk Agent 整合判斷：市場能消化嗎？

Swarm 架構的核心思想

我採用的是 Swarm 架構（類似 LangGraph Swarm）：

“

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。

架構圖

數據流向

用戶/事件 → Orchestrator → Agent 協作 → 輸出
                ↓
          Shared Memory

Agent 協作層

核心組件

核心特點詳解

1. 動態交接（Handoff）

當 Supply Agent 檢測到發債規模變化時，可以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", task="評估市場消化能力")
    │
Risk Agent: "評估完成——一級交易商庫存偏高，需關注"

2. 共享記憶（Shared Memory）

所有 Agent 共享同一份市場狀態：

• 歷史拍賣數據、持倉趨勢、風險指標
• Demand Agent 不需要重新問 Supply Agent 「最近發了多少債」
• 直接從 Memory 讀取，避免重複計算

3. 人工介入（Human-in-the-loop）

當系統無法判斷時，會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？"
    │
    ▼ 等待人工確認
    │
User: "是，推送預警"

實戰案例：追蹤一次國債拍賣

以 2026 年 2 月的再融資公告為例。

Swarm 協作流程

T-3天：Supply Agent 檢測到再融資公告
    │
    ▼ handoff_to("Demand Agent")
    │
Demand Agent: "日本近 3 月減持 $50B，但歐洲增持 $30B"
    │
    ▼ handoff_to("Liquidity Agent")
    │
Liquidity Agent: "一級交易商庫存中性，回購利率穩定"
    │
    ▼ handoff_to("Risk Agent", task="綜合評估")
    │
Risk Agent: "風險等級：低。關注點：30Y 拍賣間接投標比例"
    │
    ▼ 生成簡報

時間線：一次拍賣的全過程

系統輸出的簡報

## 美債供需簡報 - 2026-02-12

供給端
- 財政部宣布保持長債拍賣規模不變（符合預期）
- Bills 發債繼續增加，Coupons 維持穩定

需求端
- 日本投資者：近 3 月小幅減持
- 歐洲投資者：持續增持，填補缺口
- 美聯儲：MBS 再投資轉入 Bills

市場狀況
- 10Y 收益率：4.35%，區間震盪
- 拍賣消化：投標倍數 2.5x，健康
- 流動性：回購利率穩定

提示
- 無緊急風險信號
- 關注下週 30Y 拍賣的間接投標比例

當前市場的風險點

平靜不代表問題消失。以下是需要持續關注的維度：

短期風險（3-6 個月）

1. 短債依賴過高

如果短期利率再次飆升，財政部將面臨「滾動風險」——發新債還舊債的成本急劕上升。（來源：CBO預算展望）

2. 期限溢價回升

雖然收益率穩定，但風險補償從 50bps 升到 80bps：

• 說明投資者要求更高的風險溢價
• 如果突破 100bps，可能引發重新定價

中期風險（6-18 個月）

1. ON RRP 耗盡

隔夜逆回購（ON RRP）是銀行體系的流動性緩衝：

• 2024 年規模：約 $5000 億
• 2026 年預測：Q2-Q3 可能耗盡（來源：NY Fed數據)
• 影響：銀行準備金下降，流動性收緊

2. 外國買家流失

日本、中國合計持有約 $2 兆美債：

• 如果減持加速，誰來接盤？
• 歐洲買家的容量有限

長期風險（18 個月+）

1. 財政赤字持續

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）

2. 政策不確定性

關稅政策、地緣政治可能影響：

• 貿易順差國的外匯儲備配置
• 赤字預測的準確性

你可以如何應用這個框架？

如果你是交易員

1. 關注邊際變化：不是看「發了多少債」，而是看「誰在買新發的債」
2. 追蹤拍賣細節：間接投標比例是外國需求的風向標
3. 監控流動性指標：回購利率飆升往往是問題的先兆

如果你是研究員

1. 建立數據管道：自動化收集 Treasury、TIC、Fed 數據
2. 構建預警系統：設置關鍵指標的閾值警報
3. 定期回顧假設：市場結構會變化，去年的規律今年可能失效

如果你是個人投資者

1. 理解宏觀背景：高利率環境不會永遠持續
2. 關注信號：美聯儲的措辭變化、期限溢價的波動
3. 不要過度交易：美債市場的「危機」喊了很多年，但市場有驚人的韌性

總結

這套系統的價值不是預測未來——沒那個本事。它的價值在於持續追蹤變化，當邊際供需出現失衡信號時，第一時間通知你。

Swarm 架構的好處是動態協作——當某個維度出現異常，相關 Agent 自動介入，不用人工指定流程。把重複的數據收集和初步分析交給系統，讓我能專注於需要經驗和直覺的判斷。

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。財政部透過「多發短債、少發長債」的結構性調整，配合貨幣基金旺盛的短債需求和美聯儲的MBS再投資，成功消化了新增供給。

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。相比傳統流水線架構，它更適合需要多維度即時協作的市場分析場景。

如何開始構建美債監測系統？

從三個數據源入手：1) Treasury Direct 獲取拍賣公告；2) TIC 數據庫追蹤外國持倉；3) 美聯儲 FOMC 聲明追蹤政策轉向。然後按本文的五維度框架逐步構建 Agent 系統。

當前美債市場最大的風險是什麼？

中期需關注三大風險：ON RRP（隔夜逆回購）可能於2026年Q2-Q3耗盡、期限溢價若突破100bps可能引發重新定價、日本和中國若加速減持可能導致需求缺口。

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
• 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
• Federal Reserve Board - FOMC 聲明與政策文件