Workflow
转债量化类策略更新:改良双低策略持续占优,年内超额近8%
中国银河·2024-11-26 18:23

量化模型与构建方式 低价增强策略 1. 模型名称:低价增强策略 2. 模型构建思路:利用低价因子在转债市场中的长期有效性,通过放松行业限制来增厚策略收益[2] 3. 模型具体构建过程: - 正股基本面维度:净利润率、净利润同比 > 0,经营活动现金流 > 0,现金到期债务比 > 0[3] - 转债特征维度:强赎条款未公告/未满足条件,上市日期 > 30 天,剩余期限 > 360 天,信用评级 > AA-,债券余额 > 1 亿[3] - 转债交易维度:正股成交活跃度前 75%,正股市值 ≥ 30 亿元,转股溢价率 < 80%,转债价格 ≥ 80 元[3] - 策略执行:根据调仓日转债标的池中个券的收盘价从低到高的次序,选取最多前 20 支符合条件的转债,与上一期持仓进行对比,调出不符合条件的标的,调入符合条件的转债个券[3] 4. 模型评价:低价增强策略在政策支持和交易逻辑变化下,放松了对行业的限制,以增厚低价策略收益[2] 低价大市值增强策略 1. 模型名称:低价大市值增强策略 2. 模型构建思路:结合低价和大市值因子,以机构主要增量资金的转债偏好进行策略增强[15] 3. 模型具体构建过程: - 正股基本面维度:净利润率、净利润同比 > 0,经营活动现金流 > 0,现金到期债务比 > 0[17] - 转债特征维度:强赎条款未公告/未满足条件,上市日期 > 30 天,剩余期限 > 360 天,信用评级 > AA-,债券余额 > 1 亿[17] - 转债交易维度:正股成交活跃度前 75%,正股市值 ≥ 80 亿元,转股溢价率 < 80%,转债价格 ≥ 80 元[17] - 策略执行:根据调仓日转债标的池中个券的收盘价从低到高的次序,选取最多前 20 支符合条件的转债,与上一期持仓进行对比,调出不符合条件的标的,调入符合条件的转债个券[17] 4. 模型评价:低价大市值增强策略在政策支持和交易逻辑变化下,放松了对行业的限制,以增厚低价策略收益[15] 改良双低策略 1. 模型名称:改良双低策略 2. 模型构建思路:选取转债价格和转股溢价率综合较低的标的进行组合持有,兼顾价格与价值进行动态调整与轮动[28] 3. 模型具体构建过程: - 正股基本面维度:净利润、净利率 > 0,经营活动现金流 > 0,现金到期债务比 > 0[30] - 转债特征维度:强赎条款未公告/未满足条件,上市日期 > 30 天,剩余期限 > 360 天,信用评级 > A+,债券余额 > 1 亿[30] - 转债交易维度:正股成交活跃度前 75%,转债价格 ≥ 80 元[30] - 策略执行:根据调仓日转债标的池中个券前双低值从低到高的次序,选取最多前 10 支符合条件的转债,与上一期持仓进行对比,调出不符合条件的标的,调入符合条件的转债个券[31] 4. 模型评价:改良双低策略在一定安全垫的基础上寻找具有较大上涨空间和潜在回报的投资标的[28] 模型的回测效果 低价增强策略 - 区间回报:6.74%[9] - Sharpe:0.48[9] - Alpha:2.67%[9] - 最大回撤:-10.81%[9] - 日胜率:54.11%[9] - 周胜率:52.17%[9] - 月胜率:44.44%[9] - 盈亏比:1.22[9] 低价大市值增强策略 - 区间回报:6.08%[22] - Sharpe:0.44[22] - Alpha:2.04%[22] - 最大回撤:-11.51%[22] - 日胜率:58.44%[22] - 周胜率:50.00%[22] - 月胜率:55.56%[22] - 盈亏比:1.04[22] 改良双低策略 - 区间回报:11.61%[34] - Sharpe:0.80[34] - Alpha:7.83%[34] - 最大回撤:-11.19%[34] - 日胜率:53.25%[34] - 周胜率:52.17%[34] - 月胜率:66.67%[34] - 盈亏比:0.97[34]