量化模型与构建方式 1. 模型名称：可转债指数抽样复制模型 - 模型构建思路：通过分组抽样方法，控制组合的股债性、行业及市值暴露，选取部分标的构建组合，以实现对基准指数的有效跟踪[1][12][13] - 模型具体构建过程： 1. 样本池初筛：从沪深交易所上市的公募可转债中，筛选上市日期超过10个工作日且债券余额大于等于3000万元的标的[19] 2. 股债性分类：根据平底溢价率（转股价值/纯债价值-1）将转债分为三类： - 偏债型：平底溢价率小于-20% - 平衡型：平底溢价率在-20%至20%之间 - 偏股型：平底溢价率大于20%[13][19] 3. 分组：从平底溢价率和所属申万一级行业两个维度，将样本划分为3×31=93个小组合[19] 4. 抽样：在每个小组合中，按照正股市值排序，选取正股市值位于中位数上下各10%的个券（即中位数附近20%的个券），具体抽样个数按四舍五入规则确定[19] 5. 持仓调整：每季度末调整持仓，等权持有抽样得到的转债标的，并扣除双边千二的交易费用[20] - 模型评价： - 简洁易行，避免了优化算法的高计算复杂度[18] - 通过控制股债性、行业及市值分布，能够有效对齐基准指数特征[13][19] - 随着转债数量增长，模型的跟踪误差逐步降低，复制效果较优[20] --- 模型的回测效果 1. 可转债指数抽样复制模型 - 年化跟踪误差：2023年下半年起，年化跟踪误差基本控制在2%附近[2][20] - 抽样比例与误差关系：2022年以来，抽样比例为40%时，年化跟踪误差仅为1.5%[25][27] - 实际抽样比例：每期实际持有标的占比在18%-20%区间波动[26] - 组合流动性：2020年以来，抽样组合日均成交额占基准指数成交额的比例均值为17%，能够保证一定的交易活跃度[32] --- 量化因子与构建方式 1. 因子名称：平底溢价率因子 - 因子的构建思路：衡量转债的股债性，反映转债价格受正股波动的影响程度[13] - 因子具体构建过程： - 公式：$ \text{平底溢价率} = \frac{\text{转股价值}}{\text{纯债价值}} - 1 $ - 参数说明： - 转股价值：转债按当前正股价格计算的价值 - 纯债价值：转债剔除转股权后的债券价值[13] - 分类标准： - 偏债型：平底溢价率小于-20% - 平衡型：平底溢价率在-20%至20%之间 - 偏股型：平底溢价率大于20%[13] - 因子评价：能够有效区分转债的风险收益特征，为分组抽样提供依据[13] --- 因子的回测效果 1. 平底溢价率因子 - 偏债型转债指数： - 年化收益：9.6% - 年化波动率：8.7% - 最大回撤：12.1% - 夏普比率：1.10[15] - 平衡型转债指数： - 年化收益：9.1% - 年化波动率：12.9% - 最大回撤：20.2% - 夏普比率：0.74[15] - 偏股型转债指数： - 年化收益：11.5% - 年化波动率：21.7% - 最大回撤：38.3% - 夏普比率：0.61[15]