根据提供的量化研报内容，以下是详细的模型与因子总结： 量化模型与构建方式 1. CCBA定价模型 - 构建思路：用于衡量转债市场估值水平，通过计算定价偏离度评估配置价值[6] - 构建过程： $定价偏离度 = \frac{转债价格}{CCBA模型定价} - 1$ 统计不同偏离度区间下未来N日中证转债的平均收益率与胜率[6][7] - 评价：有效识别转债市场估值合理区间，历史数据显示当前偏离度0.35%处于62.1%分位数（2018年以来）[6] 2. CCB_out定价模型 - 构建思路：在CCB模型基础上加入退市风险调整，用于低估值策略选券[24] - 构建过程： $定价偏离度 = \frac{转债价格}{CCB\_out模型定价} - 1$ 分域（偏债/平衡/偏股）选取偏离度最低的15只转债，结合分域择时配置[24] 3. 收益分解模型 - 构建思路：拆解转债收益来源为债底收益、股票拉动收益、转债估值收益[17][20] - 构建过程：通过CCB模型计算各成分贡献，例如近1个月中证转债收益中正股拉动0.38%、估值贡献0.17%[17][21] 量化因子与构建方式 1. 定价偏离度因子 - 构建过程：基于CCB_out模型计算，用于筛选低估转债池[24][32] - 评价：稳定性强，2018年以来年化超额收益12.2%[27] 2. 正股动量因子 - 构建过程：等权合成正股过去1/3/6个月动量得分，用于低估值+强动量策略[27][31] - 评价：增强策略弹性，2018年组合年化收益达24.5%[31] 3. 高换手因子 - 构建过程：结合5日/21日转债换手率及转债-股票换手比率，筛选低估池中成交活跃券[32][35] - 评价：2023年实现9.6%超额收益，抗回撤能力突出[35] 4. 信用替代因子 - 构建过程：筛选转债YTM+1%>3年期AA信用债YTM的个券，叠加正股动量排名[39][43] - 评价：绝对收益策略波动率<3%，适合低风险配置[43] 模型与因子的回测效果 | 名称 | 年化收益 | 年化波动 | 最大回撤 | IR | 测试区间 | |---------------------|----------|----------|----------|-------|----------------| | 低估值策略 | 21.8% | 13.6% | 15.6% | 2.10 | 2018-2025[27] | | 低估值+强动量策略 | 24.5% | 14.3% | 11.9% | 2.39 | 2018-2025[31] | | 低估值+高换手策略 | 23.4% | 15.4% | 15.9% | 2.15 | 2018-2025[35] | | 平衡偏债增强策略 | 22.9% | 12.3% | 13.4% | - | 2018-2025[39] | | 信用债替代策略 | 7.3% | 2.1% | 2.8% | - | 2018-2025[43] | | 波动率控制策略 | 10.0% | 4.4% | 4.2% | - | 2018-2025[45] | 注：所有策略均基于余额>3亿且评级≥AA-的转债池[24][27][32]