根据研报内容，总结如下： 量化因子与构建方式 1 因子名称：转股溢价率偏离度因子 - 因子构建思路：衡量单只转债的转股溢价率相对于其理论拟合值的偏离程度，以评估估值是否异常[19] - 因子具体构建过程：首先在每个时间截面上，使用全市场转债数据拟合转股溢价率与转股价值的关系曲线，拟合公式为 $y_{i}=\alpha_{0}+\,\alpha_{1}\cdot\,{\frac{1}{x_{i}}}+\epsilon_{i}$，其中 $y_i$ 为第 $i$ 只转债的转股溢价率，$x_i$ 为第 $i$ 只转债的转股价值[42]；接着计算每只转债的实际转股溢价率与拟合值的差值，即：转股溢价率偏离度 = 转股溢价率 − 拟合转股溢价率[19] 2 因子名称：理论价值偏离度因子（蒙特卡洛模型） - 因子构建思路：通过蒙特卡洛模拟充分考量转债的各项条款，计算其理论价值，并通过价格与理论价值的比较来衡量价格预期差[19] - 因子具体构建过程：使用蒙特卡洛模拟方法，在每个时点模拟10000条路径，充分考虑转债的转股、赎回、下修、回售条款，并以同信用、同期限的利率作为贴现率计算转债的理论价值[19]；因子计算方式为：理论价值偏离度 = 转债收盘价 / 理论价值 - 1[19] 3 因子名称：转债综合估值因子 - 因子构建思路：将转股溢价率偏离度和理论价值偏离度两个因子融合，构建一个综合性的估值评估指标[18] - 因子具体构建过程：对转股溢价率偏离度和理论价值偏离度（蒙特卡洛模型）两个因子分别在全市场截面进行排名（Rank）[19]；然后将两个因子的排名相加，得到综合估值因子：转债综合估值因子 = Rank（转股溢价率偏离度） + Rank（理论价值偏离度（蒙特卡洛模拟））[19] - 因子评价：该因子在全域、平衡型和偏债型转债上表现较优[18] 4 因子名称：转债20日动量因子 - 因子构建思路：捕捉转债市场近期的价格动量趋势，作为市场情绪的判断指标之一[26] - 因子具体构建过程：报告未详细说明具体计算方法，但提及在单个转债层面计算该因子值，并在风格指数内部取中位数作为该指数的市场情绪捕捉指标[26] 5 因子名称：波动率偏离度因子 - 因子构建思路：捕捉转债波动率的异常变化，作为市场情绪的判断指标之一[26] - 因子具体构建过程：报告未详细说明具体计算方法，但提及在单个转债层面计算该因子值，并在风格指数内部取中位数作为该指数的市场情绪捕捉指标[26] 6 因子名称：转债风格市场情绪捕捉指标 - 因子构建思路：综合动量与波动率信息，构建一个综合指标用于判断市场情绪，进而指导风格轮动[26] - 因子具体构建过程：在得到转债20日动量和波动率偏离度两个因子的排名后，将它们在风格指数层面的排名相加：转债风格市场情绪捕捉指标 = Rank（转债20日动量） + Rank（波动率偏离度）[27] 量化模型与构建方式 1 模型名称：转债低估指数构建模型 - 模型构建思路：首先将转债划分为偏股、平衡、偏债三种风格，然后在每种风格内选择估值最低的1/3标的构建低估指数，以实现低估值增强[17][20] - 模型具体构建过程： 1. 风格划分：根据平底溢价率对转债进行分类。平底溢价率大于15%的划分为偏股型转债，小于-15%的划分为偏债型转债，介于两者之间的划分为平衡型转债[19] 2. 构建基准指数：为每种风格构建等权配置的基准指数，双周频调仓[19] 3. 筛选低估标的： - 对于偏股转债低估指数，选择理论价值偏离度（蒙特卡洛模型）因子排名前1/3的转债[6][20] - 对于平衡转债低估指数和偏债转债低估指数，选择转债综合估值因子排名前1/3的转债[6][20] 4. 风险控制与限制：在构建指数时，应用一系列筛选条件排除高风险标的，包括：正股收盘价小于1.3元、正股市值小于5亿元、正股ST、转债评级小于AA-、转债剩余规模小于2亿元、剩余期限小于30天、公告提示强制赎回[20]；此外，对于偏债转债低估指数，额外限制成分债对应正股的净利润TTM大于0[17][20]；同时，限制每种低估指数的成分债数量上限为30只[17][20] 2 模型名称：转债风格轮动模型 - 模型构建思路：基于市场情绪指标，动态调整在偏股、平衡、偏债三类低估指数上的配置权重，以捕捉风格切换收益[17][26] - 模型具体构建过程： 1. 计算风格情绪指标：对于三类低估指数（偏股、平衡、偏债），分别计算其对应的转债20日动量和波动率偏离度因子的中位数[26]；然后对这三个风格指数在两大情绪指标上的表现进行跨风格排名（Rank）[27] 2. 计算综合排名：将每个风格指数在两个情绪指标上的排名相加，得到市场情绪捕捉指标值[27] 3. 确定配置权重：根据市场情绪捕捉指标的逆序排序（指标值越小排名越优）选择配置标的[26]；若排名相等则等权配置，若同时选中三种风格，则最终100%仓位投资于平衡低估风格[17][26]；双周频调仓[26] 模型的回测效果 1 偏股转债低估指数 - 年化收益率：25.45%[22] - 年化波动率：20.54%[22] - 最大回撤：-22.94%[22] - 信息比率（IR）：1.24[22] - 卡玛比率：1.11[22] - 月度胜率：61.96%[22] 2 平衡转债低估指数 - 年化收益率：14.90%[22] - 年化波动率：11.85%[22] - 最大回撤：-15.95%[22] - 信息比率（IR）：1.26[22] - 卡玛比率：0.93[22] - 月度胜率：63.04%[22] 3 偏债转债低估指数 - 年化收益率：13.28%[22] - 年化波动率：9.48%[22] - 最大回撤：-17.78%[22] - 信息比率（IR）：1.40[22] - 卡玛比率：0.75[22] - 月度胜率：58.70%[22] 4 转债风格轮动模型 - 年化收益：24.14%[30] - 年化波动：16.70%[30] - 最大回撤：-15.89%[30] - 信息比率（IR）：1.45[30] - 卡玛比率：1.52[30] - 月度胜率：64.13%[30] 因子的近期表现 1 低估值因子增强超额（近2周） - 在偏股转债中增强超额：-3.01%[6][21] - 在平衡转债中增强超额：-0.34%[6][21] - 在偏债转债中增强超额：-0.02%[6][21] 2 转债风格轮动近期表现 - 近4周收益：2.26%[7][28] - 2025年以来收益：37.81%[7][29]