量化模型与构建方式 1. 模型名称：CCBA定价偏离度模型 模型构建思路：用于衡量转债市场估值水平，通过计算转债价格与CCBA模型定价的偏离程度来判断市场高估或低估区间[6] 模型具体构建过程： - 定价偏离度公式：$\text{定价偏离度} = \frac{\text{转债价格}}{\text{CCBA模型定价}} - 1$ - 根据历史分位数划分估值区间（如[4%,Inf)为高估区间），并统计不同区间内未来中证转债的平均收益率与胜率[6][11] 模型评价：有效识别转债市场极端估值状态，为择时提供参考[6] 2. 模型名称：转债&股债组合轮动策略 模型构建思路：通过转债估值分数动态调整转债与股债组合的配置权重[21] 模型具体构建过程： - 计算Z值：$Z = \frac{\text{定价偏离度}}{\text{过去3年标准差}}$，按±1.5倍标准差截尾后归一化 - 转债权重公式：$\text{转债权重} = 50\% + 50\% \times \text{分数}$，剩余配置50%国债+50%中证1000指数[21][24] 3. 模型名称：低估值策略（CCB_out模型） 模型构建思路：筛选定价偏离度最低的转债构建组合，结合分域择时增强收益[33] 模型具体构建过程： - 定价偏离度公式：\text{定价偏离度} = \frac{\text{转债价格}}{\text{CCB_out模型定价}} - 1 - 在偏债/平衡/偏股分域中各选15只偏离度最低的转债（余额>3亿，评级≥AA-）[33] - 根据分域相对估值动态调整权重[33] 4. 模型名称：低估值+强动量策略 模型构建思路：在低估值策略基础上加入正股动量因子[36] 模型具体构建过程： - 动量因子：正股过去1/3/6个月动量等权打分[36] - 组合构建与低估值策略相同，但加入动量筛选[36] 5. 模型名称：低估值+高换手策略 模型构建思路：在低估转债池中筛选高换手标的[40] 模型具体构建过程： - 先选择市场低估的50%转债 - 使用转债换手率（5/21日）及转债/股票换手率比率筛选高热度标的[40][42] 6. 模型名称：信用债替代策略 模型构建思路：通过YTM比较筛选转债替代信用债[48] 模型具体构建过程： - 筛选条件：转债YTM+1% > 3年期AA级信用债YTM - 组合构建：选正股1个月动量最强的20只转债，个券权重≤2%，剩余配置信用债[48] --- 量化因子与构建方式 1. 因子名称：定价偏离度因子 因子构建思路：反映转债价格相对于理论定价的溢价水平[6][33] 因子具体构建过程： - 基于CCBA或CCB_out模型计算：$\text{定价偏离度} = \frac{\text{转债价格}}{\text{模型定价}} - 1$[6][33] 2. 因子名称：正股动量因子 因子构建思路：捕捉正股趋势对转债价格的带动效应[36] 因子具体构建过程： - 计算正股过去1/3/6个月收益率，等权综合打分[36] 3. 因子名称：转债换手率因子 因子构建思路：衡量市场交易热度[40][42] 因子具体构建过程： - 包括5日/21日转债换手率及转债/股票换手率比率[42] --- 模型的回测效果 1. 低估值策略（2018-2025） - 年化收益：23.0% | 年化波动：13.5% | 最大回撤：15.6% | 超额收益：11.9% | IR：2.08[34] 2. 低估值+强动量策略（2018-2025） - 年化收益：25.4% | 年化波动：14.2% | 最大回撤：11.9% | 超额收益：14.0% | IR：2.32[40] 3. 低估值+高换手策略（2018-2025） - 年化收益：25.2% | 年化波动：15.2% | 最大回撤：15.9% | 超额收益：13.9% | IR：2.20[44] 4. 信用债替代策略（2018-2025） - 年化收益：7.5% | 年化波动：2.1% | 最大回撤：2.8%[52] 5. 波动率控制策略（2018-2025） - 年化收益：10.2% | 年化波动：4.4% | 最大回撤：4.2%[56] --- 因子的回测效果 1. 定价偏离度因子 - 在[4%,Inf)高估区间，中证转债未来半年平均收益：-2.9%，胜率0%[6][13] - 偏股转债在高估区间回撤显著大于平衡/偏债转债[18][20] 2. 正股动量因子 - 低估值+强动量策略年化超额收益达14.0%，显著优于纯低估值策略[40] 3. 换手率因子 - 低估值+高换手策略2023年超额收益9.6%，波动率8.7%[44]