根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. 因子名称：转股溢价率偏离度 - 构建思路：衡量转股溢价率相对于拟合值的偏离度，使不同平价的转债可比[21] - 具体构建过程： $y_{i}=\alpha_{0}+\,\alpha_{1}\cdot\,{\frac{1}{x_{i}}}+\epsilon_{i}$ 其中，$y_i$为第$i$只转债的转股溢价率，$x_i$为转股价值。通过截面数据拟合转股溢价率与转股价值的关系曲线，计算偏离度[21][44] 2. 因子名称：理论价值偏离度（蒙特卡洛模型） - 构建思路：通过蒙特卡洛模拟计算转债理论价值，衡量价格与理论价值的偏离[21] - 具体构建过程： 1. 模拟10000条路径，考虑转股、赎回、下修、回售条款 2. 以同信用同期限利率为贴现率计算理论价值 3. 因子值=转债收盘价/理论价值-1[21] 3. 因子名称：转债综合估值因子 - 构建思路：融合转股溢价率偏离度和理论价值偏离度，提升因子稳定性[21] - 具体构建过程： $综合估值因子 = Rank（转股溢价率偏离度） + Rank（理论价值偏离度）$ 对两个因子分别排名后相加[21] 4. 因子名称：修正YTM - 信用债YTM - 构建思路：剥离转股条款影响，比较偏债型转债与信用债的配置价值[4][45] - 具体构建过程： $修正YTM = 转债YTM \times (1-转股概率) + 预期转股收益率 \times 转股概率$ 转股概率通过BS模型计算，最终取截面中位数[4][45][46] 5. 因子名称：转债市场情绪捕捉指标 - 构建思路：结合动量和波动率识别市场情绪[29] - 具体构建过程： $市场情绪指标 = Rank（20日动量） + Rank（波动率偏离度）$ 在风格指数内部取因子中位数[29][30] 量化模型与构建方式 1. 模型名称：转债低估指数构建模型 - 构建思路：通过估值因子筛选低估转债，分风格构建指数[21][22] - 具体构建过程： 1. 按平底溢价率划分风格（偏股>15%，偏债<-15%，其余为平衡型） 2. 偏股型使用理论价值偏离度因子，其他风格用综合估值因子 3. 选取因子前1/3且满足：正股市值>5亿、非ST、评级≥AA-等8项风控条件[21][22] 2. 模型名称：转债风格轮动模型 - 构建思路：根据市场情绪指标动态配置低估风格[29][30] - 具体构建过程： 1. 计算各风格指数的市场情绪指标排名 2. 优先配置排名低的风格，若排名相同则等权配置 3. 双周频调仓，全仓投资单一风格[29][30][35] 因子回测效果 | 因子/模型 | 年化收益 | 年化波动 | IR | 最大回撤 | 测试周期 | |--------------------------|----------|----------|-------|----------|-------------------| | 偏股转债低估指数 | 24.91% | 20.39% | 1.22 | -22.83% | 2018-2025[24] | | 平衡转债低估指数 | 13.77% | 11.87% | 1.16 | -16.04% | 2018-2025[24] | | 偏债转债低估指数 | 12.21% | 9.45% | 1.29 | -17.59% | 2018-2025[24] | | 转债风格轮动模型 | 24.23% | 16.54% | 1.47 | -15.54% | 2018-2025[35] | | 低估值因子（偏股） | - | - | - | - | 近4周超额1.33%[23]| 模型评价 - 估值因子：理论价值偏离度在偏股型转债上表现优异，综合估值因子对平衡/偏债型更有效[21] - 风格轮动：通过动量+波动率捕捉市场情绪，历史信息比率达1.47显著优于基准[35] - 风控设计：通过正股市值、盈利等条件有效控制信用风险[22]