量化模型与构建方式 1. 模型名称：CCBA定价偏离度择时模型 - 模型构建思路：通过CCBA定价偏离度指标（转债价格/CCBA模型定价-1）衡量转债期权估值水平，用于转债市场择时[8] - 模型具体构建过程： 1. 双周调仓，标的为偏债、平衡、偏股转债等权指数及10年国债 2. 计算定价偏离度过去3年Z值（均值取0），按0-1.5倍标准差截尾后除以1.5得到分数 3. 转债权重=100%-分数，估值越高仓位越低[12] - 模型评价：对偏股转债择时效果显著，夏普率从0.46提升至0.87；偏债/平衡转债择时性价比低[13] 2. 模型名称：转债多因子策略（含偏股择时） - 模型构建思路：结合选债因子与偏股转债择时，平衡/偏债转债使用低估+正股动量因子，偏股转债使用低估因子[18] - 模型具体构建过程： 1. 选债部分：各分域选min(30,转债数量/3)只，平衡/偏债用低估+动量，偏股用低估 2. 择时部分：偏股转债基于CCBA定价偏离度动态调仓，剩余仓位配国债[18] - 模型评价：年化收益15.6%，最大回撤13.9%，2022年下跌环境中仍获正收益[19] 模型的回测效果 1. CCBA择时模型： - 偏股择时：年化收益16.3%，夏普率0.87，卡玛比率0.74[17] - 平衡择时：年化收益10.3%，夏普率0.83[17] 2. 转债多因子策略：年化收益15.6%，年化波动11.4%，超额收益9.9%[24] --- 量化因子与构建方式 1. 因子名称：CCB_out定价偏离度因子 - 因子构建思路：通过CCB_out模型（含退市风险调整）计算转债低估程度[32] - 因子具体构建过程： $定价偏离度=\frac{转债价格}{CCB\_out模型定价}-1$ 在偏债/平衡/偏股分域中分别选取偏离度最低的15只转债[32] 2. 因子名称：低估值+强动量复合因子 - 因子构建思路：结合定价偏离度与正股动量（1/3/6个月动量等权打分）[35] - 因子具体构建过程： 1. 先筛选低估50%转债池 2. 在池内按动量因子排序选券[35] 3. 因子名称：低估值+高换手复合因子 - 因子构建思路：在低估转债池中筛选成交活跃券[40] - 因子具体构建过程： 使用转债5日/21日换手率及转债/股票换手率比率综合排序[42] 4. 因子名称：信用债替代筛选因子 - 因子构建思路：筛选YTM+1%>3年期AA级信用债YTM的转债[48] - 因子具体构建过程： 1. 满足余额>3亿且评级≥AA- 2. 选取正股1个月动量前20只[48] 因子的回测效果 1. 低估值因子：年化收益21.7%，IR 2.11，最大回撤15.6%[35] 2. 低估值+强动量因子：年化收益24.5%，IR 2.39[40] 3. 低估值+高换手因子：年化收益23.4%，IR 2.15[44] 4. 信用债替代因子：年化收益7.3%，波动率2.1%[51] --- 策略分组指标取值 | 策略名称 | 年化收益 | 年化波动 | 最大回撤 | 夏普率 | IR | |------------------------|----------|----------|----------|--------|--------| | 偏股择时策略 | 16.3% | 16.4% | 22.1% | 0.87 | - | [17] | 低估值策略 | 21.7% | 13.6% | 15.6% | - | 2.11 | [35] | 低估值+强动量策略 | 24.5% | 14.4% | 11.9% | - | 2.39 | [40] | 信用债替代策略 | 7.3% | 2.1% | 2.8% | - | - | [51]