量化模型与构建方式 1. 模型名称：可转债赎回概率调整定价模型（CCBA模型） - 模型构建思路：通过调整可转债的赎回概率，计算其理论定价，并进一步分析定价偏离度以衡量转债的期权估值水平[6][8] - 模型具体构建过程： - 使用CCBA模型计算转债的理论定价 - 定价偏离度公式为： $ 定价偏离度 = 转债价格 / CCBA模型定价 - 1 $ 其中，转债价格为市场实际价格，CCBA模型定价为理论价格[8] - 模型评价：该模型能够较好地反映转债的期权估值水平，尤其在市场极端情况下具有较高的参考价值[8] 2. 模型名称：转债&国债择时策略 - 模型构建思路：基于转债市场的赔率指标（YTM差值与CCBA定价偏离度），通过择时综合打分构建转债与国债的动态配置策略[9][10] - 模型具体构建过程： - 计算YTM差值： $ YTM差值 = 3年期AA级信用债YTM - 转债YTM $ 当该值处于历史低位时，表明转债价格较低[8] - 计算CCBA定价偏离度（公式同上） - 将上述两个指标标准化为zscore后综合打分，按月调整转债与国债的配置权重[10] - 模型评价：策略表现稳定，能够显著降低波动与回撤，同时实现较高的年化收益[10] 3. 模型名称：收益分解模型 - 模型构建思路：将转债收益分解为债底收益、股票拉动收益和转债估值收益，以分析转债市场的收益来源[27][28] - 模型具体构建过程： - 债底收益：基于CCB模型计算转债的债底价值 - 股票拉动收益：通过正股价格变化对转债价格的影响进行量化 - 转债估值收益：通过转债价格与债底价值的差异计算[27][28] - 模型评价：该模型能够清晰地分解转债收益来源，为投资者提供更直观的收益分析[27] --- 模型的回测效果 1. 可转债赎回概率调整定价模型（CCBA模型） - YTM差值：当前为-2.38%，位于2018年以来4.27%的分位数[8] - CCBA定价偏离度：当前为-7.42%，为2018年以来的新低[8] 2. 转债&国债择时策略 - 年化收益：8.99%（2008年至今），3.80%（2022年至今）[10][13] - 年化波动：6.91%（2008年至今）[13] - 最大回撤：11.79%（2008年至今）[13] 3. 收益分解模型 - 近一个月收益分解： - 债底收益：-0.22% - 股票拉动收益：2.88% - 转债估值收益：0.73%[32][33] --- 量化因子与构建方式 1. 因子名称：CCBA定价偏离度 - 因子构建思路：通过CCBA模型计算转债的理论定价，衡量转债的期权估值水平[8] - 因子具体构建过程： - 定价偏离度公式： $ 定价偏离度 = 转债价格 / CCBA模型定价 - 1 $ 其中，转债价格为市场实际价格，CCBA模型定价为理论价格[8] - 因子评价：能够有效捕捉转债的估值水平，尤其在市场极端情况下具有较高的参考价值[8] 2. 因子名称：YTM差值 - 因子构建思路：通过信用债与转债的YTM差值，衡量转债的绝对价格水平[8] - 因子具体构建过程： - YTM差值公式： $ YTM差值 = 3年期AA级信用债YTM - 转债YTM $ 当该值较低时，表明转债价格较低，具有较高的赔率[8] - 因子评价：能够较好地反映转债的价格水平，为择时提供重要参考[8] 3. 因子名称：正股动量因子 - 因子构建思路：通过正股过去1、3、6个月的涨跌幅，衡量正股的动量特征[20][22] - 因子具体构建过程： - 动量因子公式： $ 动量因子 = 正股过去1个月涨跌幅 + 正股过去3个月涨跌幅 + 正股过去6个月涨跌幅 $ 通过等权打分构建[20][22] - 因子评价：能够有效提升策略的弹性，降低尾部风险[20] 4. 因子名称：转债换手率因子 - 因子构建思路：通过转债的换手率衡量市场的交易活跃度[48][56] - 因子具体构建过程： - 换手率因子公式： $ 换手率因子 = 转债换手率（5日、21日） + 转债与股票换手率比率（5日、21日） $ 在低估转债池中选择换手率较高的转债[48][56] - 因子评价：能够捕捉市场热点，提高策略的收益稳定性[48] --- 因子的回测效果 1. CCBA定价偏离度 - 当前值：-7.42%，为2018年以来的新低[8] 2. YTM差值 - 当前值：-2.38%，位于2018年以来4.27%的分位数[8] 3. 正股动量因子 - 低估值+强动量策略： - 年化收益：22.8%（2018年至今）[45] - 信息比率（IR）：2.37（2018年至今）[45] 4. 转债换手率因子 - 低估值+高换手策略： - 年化收益：22.7%（2018年至今）[49] - 信息比率（IR）：2.25（2018年至今）[49]