量化模型与构建方式 1. 模型名称：CCBA/CCB定价模型 * 模型构建思路：基于可转债的期权属性，构建一个包含赎回概率调整的定价模型，用于计算可转债的理论价值，并以此衡量市场实际价格与理论价值的偏离程度（即估值水平）[6]。 * 模型具体构建过程：该模型在专题报告《可转债的赎回概率调整定价模型》中介绍。其核心是计算“定价偏离度”指标，该指标反映了转债市场价格相对于其模型理论定价的溢价或折价幅度[6]。具体公式为： $定价偏离度 = \frac{转债价格}{CCBA模型定价} - 1$ 其中，CCBA模型定价为考虑赎回概率调整后的可转债理论价值。报告后续策略中使用的CCB_out模型是在CCB定价模型基础上，进一步加入了退市风险调整得到的[21]。 2. 模型名称：转债&股债组合轮动策略（择时模型） * 模型构建思路：基于转债市场的整体估值水平（定价偏离度），在转债资产和股债组合之间进行动态资产配置。当转债市场低估时超配转债，高估时超配股债组合，以获取稳定的超额收益[2][10]。 * 模型具体构建过程： 1. 构建基准股债组合：由于转债弹性低于权益且正股风格接近小盘股，构建一个由50%的7-10年期国债和50%的中证1000全收益指数组成的股债组合作为比较基准[2][10]。 2. 计算估值分数： a. 计算定价偏离度的Z值：$Z值 = \frac{定价偏离度}{过去3年定价偏离度的标准差}$[10] b. 对Z值进行截尾处理：按照±1.5倍标准差进行截尾[10]。 c. 计算分数：将截尾后的Z值除以-1.5得到最终的估值分数[10]。 3. 动态配置权重：转债权重 = 50% + 50% × 估值分数，剩余仓位配置上述股债组合。通过该公式，当估值分数为1（极度低估）时，转债权重为100%；当估值分数为-1（极度高估）时，转债权重为0%[10]。 3. 模型名称：收益分解模型 * 模型构建思路：将可转债的收益来源进行拆解，分别分析债底收益、正股上涨带来的收益以及转债估值变化带来的收益，用于复盘市场表现[16]。 * 模型具体构建过程：基于专题报告《可转债定价模型与应用》中的方法，将近一个月（2025/12/19-2026/1/16）中证转债指数的累计收益分解为三个部分：债底收益（由CCB模型计算）、股票拉动收益（由CCB模型计算）、转债估值收益（由CCB模型计算）[16][17]。 量化因子与构建方式 1. 因子名称：定价偏离度因子（估值因子） * 因子构建思路：通过比较可转债市场价格与其理论模型定价（CCB_out模型）的差异，构建一个衡量个券估值高低的因子。价格低于理论值越多，因子值越小，代表估值越低，越具投资价值[21][23]。 * 因子具体构建过程：使用CCB_out模型（CCB定价模型+退市风险调整）计算每只可转债的理论定价，然后按以下公式计算定价偏离度： $定价偏离度 = \frac{转债价格}{CCB\_out模型定价} - 1$[21] 该因子值越小，表明转债相对于其理论价值越便宜。 2. 因子名称：正股动量因子 * 因子构建思路：利用转债正股的历史价格动量信息，选择正股趋势向上的转债，以增强策略的弹性[24][26]。 * 因子具体构建过程：计算正股过去1个月、3个月、6个月的收益率（动量），然后将这三个不同时间窗口的动量值进行等权打分，综合形成一个正股动量因子[24][26]。 3. 因子名称：转债换手率因子 * 因子构建思路：使用转债自身的成交活跃度（换手率）作为因子，筛选市场关注度高、交易活跃的个券[27][28]。 * 因子具体构建过程：报告中使用了两个维度的换手率指标：一是转债自身的5日和21日换手率；二是转债与股票换手率的比率（5日、21日）。这些指标用于衡量转债的交易活跃度[28]。 4. 因子名称：高换手因子（复合因子） * 因子构建思路：在低估值转债池中，进一步结合转债换手率因子，筛选出既低估又交易活跃的个券[27]。 * 因子具体构建过程：首先使用定价偏离度因子筛选出市场上估值较低的50%的转债，形成“低估池”。然后在该池中，使用转债换手率因子（具体构建方式见因子3）选择成交热度较高的转债进行配置[27][28]。 5. 因子名称：信用替代筛选因子 * 因子构建思路：通过比较可转债的到期收益率（YTM）与信用债的收益率，筛选出具备信用债替代价值的可转债[33]。 * 因子具体构建过程：设定筛选条件为：转债的YTM加上1%后，仍大于3年期AA级信用债的YTM。满足此条件的转债被视为具有配置性价比，可纳入备选池[33]。 模型的回测效果 （注：以下模型回测基准均为“等权指数”，即余额3亿以上且评级AA-及以上的转债等权组合[21]） 1. 转债&股债组合轮动策略（择时模型）：报告指出该策略能够实现稳定的超额收益[2][10]，但未提供具体的量化指标。 2. 收益分解模型：该模型为分析模型，用于收益归因，未提供策略回测效果。 因子的回测效果 （注：以下所有策略回测区间均为2018年至2026年1月16日，基准均为上述“等权指数”[24][27][30]） 1. 低估值策略（核心因子：定价偏离度） * 区间收益（全样本年化）：20.8%[24] * 年化波动（全样本年化）：13.1%[24] * 最大回撤（全样本）：18.0%[24] * 区间超额（全样本年化）：8.9%[24] * 信息比率（IR）（全样本）：1.51[24] 2. 低估值+强动量策略（核心因子：定价偏离度 + 正股动量） * 区间收益（全样本年化）：24.7%[27] * 年化波动（全样本年化）：13.7%[27] * 最大回撤（全样本）：13.2%[27] * 区间超额（全样本年化）：12.4%[27] * 信息比率（IR）（全样本）：2.15[27] 3. 低估值+高换手策略（核心因子：定价偏离度 + 转债换手率） * 区间收益（全样本年化）：23.7%[30] * 年化波动（全样本年化）：15.0%[30] * 最大回撤（全样本）：15.9%[30] * 区间超额（全样本年化）：11.5%[30] * 信息比率（IR）（全样本）：1.85[30] 4. 平衡偏债增强策略（核心因子：定价偏离度、转债换手率、正股动量） * 区间收益（全样本年化）：22.6%[33] * 年化波动（全样本年化）：12.1%[33] * 最大回撤（全样本）：13.9%[33] * 区间超额：该策略为绝对收益型，未直接对比等权指数提供超额收益数据。 * 信息比率（IR）：未提供。 5. 信用债替代策略（核心因子：信用替代筛选因子、正股动量） * 区间收益（全样本年化）：7.1%[33] * 年化波动（全样本年化）：低于3%[33] * 最大回撤（全样本）：低于3%[33] * 区间超额：该策略以信用债为基准，未提供相对于转债等权指数的超额。 * 信息比率（IR）：未提供。 6. 波动率控制策略（核心子策略：低估值+强动量） * 区间收益（全样本年化）：9.6%[38] * 年化波动（全样本年化）：4.4%[38] * 最大回撤（全样本）：4.4%[38] * 区间超额：该策略目标为控制波动，未提供相对于转债等权指数的超额。 * 信息比率（IR）：未提供。