量化模型与构建方式 1. 模型名称：CCBA定价模型 - 模型构建思路：用于衡量转债市场的定价偏离度，通过比较转债实际价格与模型定价的差异来评估市场估值水平[6] - 模型具体构建过程：定价偏离度计算公式为： $定价偏离度 = \frac{转债价格}{CCBA模型定价} - 1$ 其中，CCBA模型定价基于可转债的赎回概率调整计算[6] - 模型评价：能够有效捕捉转债市场的高估或低估状态，历史分位数分析显示其与中证转债收益率存在相关性[6][7] 2. 模型名称：CCB_out定价模型 - 模型构建思路：在CCB模型基础上加入退市风险调整，用于筛选低估值转债[22] - 模型具体构建过程： $定价偏离度 = \frac{转债价格}{CCB\_out模型定价} - 1$ 通过分域择时（偏债/平衡/偏股）超配低估分域[22] - 模型评价：策略稳定性强，2018年以来年化超额收益达12.4%[22][25] 3. 模型名称：中证转债收益预测模型 - 模型构建思路：基于转债YTM差值和定价偏离度预测未来半年收益[12] - 模型具体构建过程：采用带符号限制的回归，被解释变量为中证转债未来半年收益[12] - 模型评价：拟合效果较好，当前预测收益为0.58%（乐观/悲观假设分别为3.91%/-3.06%）[12][13] --- 量化因子与构建方式 1. 因子名称：正股动量因子 - 因子构建思路：结合正股1/3/6个月动量等权打分，增强策略弹性[26] - 因子具体构建过程：动量计算采用历史收益率等权加权[26] - 因子评价：与低估值因子结合后策略年化收益提升至24.5%[26][29] 2. 因子名称：转债高换手因子 - 因子构建思路：筛选低估转债池中成交活跃的标的[30] - 因子具体构建过程：综合5日/21日换手率及转债与股票换手率比率[31] - 因子评价：2023年实现9.6%超额收益，但2025年表现较弱[33] 3. 因子名称：信用替代因子 - 因子构建思路：通过YTM比较筛选转债替代信用债[37] - 因子具体构建过程： $转债YTM + 1\% > 3年期AA级信用债YTM$ 结合正股动量配置前20只转债[37] - 因子评价：波动率控制在3%以下，适合绝对收益目标[38][41] --- 模型的回测效果 1. 低估值策略（CCB_out模型） - 全样本年化收益：21.8% - 年化波动：13.7% - 最大回撤：15.6% - 信息比率（IR）：2.12[25] 2. 低估值+强动量策略 - 全样本年化收益：24.5% - 年化波动：14.4% - 最大回撤：11.9% - 信息比率（IR）：2.41[29] 3. 波动率控制策略 - 全样本年化收益：10.0% - 年化波动：4.5% - 最大回撤：4.2%[44] --- 因子的回测效果 1. 正股动量因子 - 2020年超额收益：25.3% - 2023年超额收益：7.8%[29] 2. 转债高换手因子 - 2021年超额收益：15.0% - 2023年超额收益：9.6%[33] 3. 信用替代因子 - 2021年绝对收益：13.5% - 年化波动：2.1%[41]