量化模型与构建方式 1. 多因子模型 - 模型构建思路：基于可转债市场特性，综合多个有效因子构建组合，通过因子IC值和超额收益筛选最优因子组合[4][28] - 模型具体构建过程： 1. 因子筛选：从转股溢价率、纯债溢价率、波动率等18个因子中选取IC均值绝对值较高且稳定的因子[35][38][39] 2. 因子加权：采用IC加权或等权方式合成综合因子得分 3. 组合构建：按因子得分排序选取前20%可转债形成多头组合，周度调仓[28][32] - 模型评价：在偏债/偏股转债中表现分化，需结合市场风格动态调整因子权重[20][23] 量化因子与构建方式 1. 转股溢价率因子 - 构建思路：衡量转债价格相对于转股价值的溢价程度，反映股性特征[3][20] - 具体公式：$转股溢价率 = (转债价格 - 转股价值)/转股价值 \times 100\%$[35] - 因子评价：在偏债型转债中IC均值-0.07，与正股联动性弱[38] 2. 纯债溢价率因子 - 构建思路：反映转债价格相对于纯债价值的溢价，体现债性保护[3][20] - 具体公式：$纯债溢价率 = (转债价格 - 纯债价值)/纯债价值 \times 100\%$[35] - 因子评价：近一年IC均值-0.09，在低价转债中有效性显著[35][38] 3. 到期收益率(YTM)因子 - 构建思路：衡量持有至到期的年化收益率，适用于偏债型转债[3][20] - 因子评价：近一月IC均值0.08，市场避险情绪下表现突出[35] 4. 隐含波动率因子 - 构建思路：通过期权定价模型反推的波动率，反映市场预期[3][20] - 因子评价：近一年IC均值-0.07，与正股波动率存在差异[35][39] 5. 双低因子 - 构建思路：结合价格与转股溢价率的复合因子，公式：$双低值 = 转债价格 + 转股溢价率 \times 100$[20][35] - 因子评价：在偏股型转债中近一月多空收益达5.91%[39] 6. 正股联动因子组 - 包含子因子： - 日均振幅差：$(转债振幅 - 正股振幅)/正股振幅$[35] - 涨幅差：转债日收益率 - 正股日收益率[35] - 相关性：转债与正股60日收益率相关系数[35] - 因子评价：偏股型转债中IC均值0.11，股性强时有效性高[39] 模型回测效果 1. 多因子模型 - 2024年5月收益率2.65%，2024年以来累计收益4.46%[28][31] - 2023年以来年化收益20.10%，最大回撤未披露[30] 因子回测效果 1. 全市场转债因子 - 波动率因子：近一月IC均值0.04，多头收益4.72%[35] - 动量因子：近一月IC均值-0.10，但多空收益1.53%[35] 2. 偏债型转债因子 - 双低因子：近一月IC均值-0.10，多头超额收益1.75%[38] - 到期收益率：近一年IC均值0.09，多空收益12.70%[38] 3. 偏股型转债因子 - 纯债溢价率：近一月IC均值0.09，多空收益4.46%[39] - 日均振幅差：近一月IC均值0.12，多空收益8.63%[39] 4. 混合型转债因子 - 到期收益率：近一年IC均值0.07，多空收益20.31%[41] - 双低因子：近一年IC均值-0.10，多空收益20.23%[41]