量化模型与构建方式 1. 模型名称：CCBA定价模型[6] * 模型构建思路： 该模型是一个可转债的赎回概率调整定价模型，用于计算可转债的理论价值，并以此衡量市场估值水平[6] * 模型具体构建过程： 模型的具体构建过程在引用的专题报告中，本篇报告未详细描述。其核心输出是计算定价偏离度，公式为： 该指标用于衡量转债当前价格相对于其模型理论价值的溢价或折价程度[6] 2. 模型名称：CCB定价模型与CCB_out模型[21] * 模型构建思路： CCB模型用于可转债定价，CCB_out模型是在CCB模型的基础上进一步考虑了退市风险，从而构建更稳健的定价偏离度指标[21] * 模型具体构建过程： 报告未详细描述CCB和CCB_out模型的具体定价过程。其应用是计算定价偏离度因子，公式为： 该因子值越低，表明转债相对于其理论价值越低估[21] 3. 模型名称：收益分解模型[16] * 模型构建思路： 该模型用于将可转债的收益分解为几个不同来源的贡献，以便于分析收益的驱动因素[16] * 模型具体构建过程： 模型将转债收益拆解为三部分：债底收益、股票拉动收益、转债估值收益。具体分解方法基于引用的专题报告中的CCB模型[16] 4. 模型名称：转债&股债组合轮动策略[11] * 模型构建思路： 基于转债市场的估值水平（定价偏离度），在转债和股债组合（50% 7-10Y国债 + 50% 中证1000全收益指数）之间进行择时配置，估值低时超配转债，估值高时超配股债组合[9][11] * 模型具体构建过程： 1. 计算定价偏离度的Z值： [11] 2. 对Z值进行截尾处理：按照±1.5倍标准差进行截尾[11] 3. 计算估值分数： [11] 4. 确定转债权重：，剩余仓位配置股债组合[11] 模型的回测效果 * 转债&股债组合轮动策略：报告指出该策略能够实现稳定的超额收益[11]，但未提供具体的量化指标。 量化因子与构建方式 1. 因子名称：定价偏离度因子（CCB_out）[21][26][30] * 因子构建思路： 基于CCB_out模型计算的理论价值，衡量转债市场价格相对于其理论价值的低估或高估程度，因子值越低代表越低估[21] * 因子具体构建过程： 因子计算公式为： [21] 2. 因子名称：正股动量因子[26] * 因子构建思路： 使用转债对应正股的历史价格动量来预测其未来表现[26] * 因子具体构建过程： 使用正股过去1个月、3个月、6个月的动量进行等权打分构建综合动量因子[26] 3. 因子名称：转债换手率因子[30] * 因子构建思路： 通过转债的成交活跃度（换手率）来捕捉市场的关注度和短期热点[30] * 因子具体构建过程： 因子构建涉及两个指标：转债换手率（5日、21日）以及转债与股票换手率的比率（5日、21日）[30] 因子的回测效果 * 本报告未单独列出因子的测试结果，而是将因子作为组成部分融入了策略的回测中。 量化策略与构建方式 1. 策略名称：低估值策略[21] * 策略构建思路： 在满足余额3亿以上且评级AA-及以上的转债中，使用CCB_out定价偏离度因子，在偏债、平衡、偏股三个分域中分别选取偏离度最低的15只转债（共45只）构建组合，并结合分域市场的相对估值进行分域择时配置[21] * 策略具体构建过程： 1. 筛选转债池：余额≥3亿，评级≥AA-[21] 2. 计算因子：计算池内所有转债的CCB_out定价偏离度[21] 3. 分域选券：在偏债、平衡、偏股三个分域中，分别选取定价偏离度因子值最小的15只转债[21] 4. 分域择时：根据三个分域市场的相对估值水平，超配估值过低的分域，低配估值过高的分域[21] 2. 策略名称：低估值+强动量策略[26] * 策略构建思路： 在低估值策略与分域择时的基础上，引入正股动量因子，将定价偏离度因子与正股动量因子相结合，旨在选取既低估又有正股动量支撑的转债，形成弹性更强的组合[26] * 策略具体构建过程： 结合了低估值策略的选券和择时框架，并将定价偏离度因子与正股动量（过去1/3/6个月动量等权打分）因子结合进行综合筛选[26] 3. 策略名称：低估值+高换手策略[30] * 策略构建思路： 首先使用CCB_out定价偏离度因子筛选出市场上较低估的50%转债，然后在该低估转债池中，使用转债高换手因子选择成交活跃的转债进行配置[30] * 策略具体构建过程： 1. 初筛：使用CCB_out定价偏离度因子，选择全市场该因子值最低的50%的转债构成低估池[30] 2. 精选：在低估池中，使用转债高换手因子（涉及转债换手率及转债与股票换手率比率）进一步筛选出热度高的转债[30] 4. 策略名称：平衡偏债增强策略[31] * 策略构建思路： 首先选择市场上较低估的50%转债并剔除偏股转债，形成偏债和平衡转债的池子，然后在偏债池中使用转债换手率因子+正股动量因子，在平衡转债池中使用转债换手率因子进行增强配置[31] * 策略具体构建过程： 1. 构建低估池：使用CCB_out定价偏离度因子选择全市场较低估的50%转债，并从中去掉偏股转债[31] 2. 偏债增强：在偏债转债中，结合使用转债换手率因子和正股动量因子选券[31] 3. 平衡增强：在平衡转债中，使用转债换手率因子选券[31] 5. 策略名称：信用债替代策略[34] * 策略构建思路： 筛选出债性较强（YTM+1% > 3年期AA级信用债YTM）的转债，并从中选取正股动量强的个券，结合波动率控制方法管理回撤，剩余仓位配置信用债，旨在获取绝对收益[34] * 策略具体构建过程： 1. 筛选转债池：余额≥3亿，评级≥AA-，且满足 转债YTM + 1% > 3年期AA级信用债YTM[34] 2. 动量选券：在转债池中选出正股1个月动量最强的20只转债，个券最大权重不超过2%[34] 3. 波动率控制：应用波动率控制方法以降低短期回撤[34] 4. 资产配置：剩余仓位配置于信用债[34] 6. 策略名称：波动率控制策略[36] * 策略构建思路： 基于低估值+强动量因子在偏债、平衡、偏股三个分域中分别构建增强策略，并加入信用债资产，通过波动率控制方法将整个组合的波动率控制在目标水平（如4%），实现稳健的绝对收益[36] * 策略具体构建过程： 1. 构建子策略：在偏债、平衡、偏股分域中，分别选取低估值+强动量打分最高的15只转债，形成偏债增强、平衡增强、偏股增强三个子策略[36] 2. 资产组合：将上述三个增强子策略与信用债资产共同作为配置标的[36] 3. 波动率控制：通过动态调整各类资产权重，将整个组合的波动率控制在4%左右[36] 策略的回测效果 1. 低估值策略[24] * 全样本年化收益：21.3% * 全样本年化波动：13.2% * 全样本最大回撤：18.0% * 全样本区间超额收益（相对于等权指数）：10.1% * 全样本信息比率（IR）：1.71 2. 低估值+强动量策略[28] * 全样本年化收益：25.0% * 全样本年化波动：13.8% * 全样本最大回撤：13.2% * 全样本区间超额收益（相对于等权指数）：13.5% * 全样本信息比率（IR）：2.31 3. 低估值+高换手策略[31] * 全样本年化收益：23.6% * 全样本年化波动：15.1% * 全样本最大回撤：15.9% * 全样本区间超额收益（相对于等权指数）：12.2% * 全样本信息比率（IR）：1.96 4. 平衡偏债增强策略[34] * 全样本年化收益：22.4% * 全样本年化波动：12.2% * 全样本最大回撤：13.9% 5. 信用债替代策略[36] * 全样本年化收益：7.2% * 全样本年化波动：2.1% * 全样本最大回撤：2.8% 6. 波动率控制策略[39] * 全样本年化收益：9.7% * 全样本年化波动：4.4% * 全样本最大回撤：4.4% 对模型或因子的评价 * 低估值策略：策略稳定性强，在2022年仍能实现正收益[21] * 低估值+强动量策略：策略弹性强[26] * 低估值+高换手策略：2023年超额收益稳定[30] * 平衡偏债增强策略：波动与回撤控制较好，例如2023年波动率与最大回撤仅为7.6%与4.5%[31] * 转债&股债组合轮动策略：能够实现稳定的超额收益[11]
十一月可转债量化月报：转债估值维持高位震荡-20251117
国盛证券·2025-11-17 15:56