量化模型与构建方式 1. 指数复制模型 1.1 模型名称：完全复制 - 模型构建思路：采用完全复制法，根据中证转债指数每月公布的权重数据进行持仓调整，力求最小化跟踪误差，体现纯被动管理的理想效果[14]。 - 模型具体构建过程： 1. 根据中证转债指数每月公布的成分券及其权重进行持仓配置。 2. 对发布赎回公告的债券，参考指数编制方法，自赎回公告日后第五个交易日将该券剔除出成分券，并将其权重按比例分配至剩余持仓债券中[14]。 1.2 模型名称：权重抽样 - 模型构建思路：针对完全复制持仓数量多、管理成本大的问题，利用指数权重“二八分化”的特点，抽取权重最大的一定比例转债来构建组合，以简化持仓[19]。 - 模型具体构建过程： 1. 设定抽样比例 r（例如25%）[19]。 2. 从指数成分券中，抽取权重最大的前 r 比例的转债。 3. 将剩余未入选转债的权重，按比例分配至已抽取的转债中，形成最终组合权重[19]。 1.3 模型名称：分层权重抽样 - 模型构建思路：考虑到不同转债股性与债性差异较大，先按平底溢价率将转债分类，再在每一类中应用权重抽样，以保持组合与指数的风格一致性[21]。 - 模型具体构建过程： 1. 分类：将转债按平底溢价率分为三类：偏股型（平底溢价率 > 20%）、平衡型（-20% ≤ 平底溢价率 ≤ 20%）、偏债型（平底溢价率 < -20%）[21]。 2. 层内抽样：在每一类转债中，分别应用权重抽样方案（如抽取权重最大的前 r 比例转债，并重新分配权重）[22]。 3. 组合：将三类转债的抽样组合，按照各类别在基准指数中的原始权重比例进行合并，得到最终组合[22]。 1.4 模型名称：分层权重抽样+层内等权 - 模型构建思路：在分层权重抽样的基础上进行关键改进，通过层内等权配置来捕捉中小型转债的收益增强机会，实现收益与跟踪精度的更好平衡[4][25]。 - 模型具体构建过程： 1. 分类：与分层权重抽样相同，将转债按平底溢价率分为偏股型、平衡型、偏债型三类[25]。 2. 层内等权抽样：在每一类别中，选取权重最大的前 r 比例（如25%）的转债，对这些入选的转债进行等权配置[25]。 3. 层间权重控制：保持最终组合中，三类转债的总权重与它们在基准指数中的总权重一致[25]。 2. 指数增强模型 2.1 模型名称：全域增强 - 模型构建思路：在全市场范围内，使用多个有效因子合成统一的alpha信号，并通过线性规划框架在控制跟踪误差和偏离度的约束下进行权重优化，以获取超额收益[29][35]。 - 模型具体构建过程： 1. 因子处理：每期对三个因子（转股溢价率偏离度、理论价值偏离度、当期收益率）在有效样本内进行标准化处理，并根据因子方向（预期与收益的关系）合成为一个alpha因子[35]。 2. 优化求解：使用线性规划框架求解最优权重，具体约束条件如下[35][38]： - 优化目标：最大化组合对alpha因子的暴露。 - 个券权重偏离约束：上限1%。 - 行业权重偏离约束：上限3%。 - 跟踪误差约束：上限3%。 - 个券权重和约束：权重和为1。 2.2 模型名称：分层增强 - 模型构建思路：针对不同类型转债的收益驱动因素差异，实施差异化的因子配置和分层优化，以进一步提升增强效果[5][41]。 - 模型具体构建过程： 1. 分类与因子配置：将转债按平底溢价率分为偏股型、平衡型、偏债型三类，并为每类转债选择不同的有效因子进行优化[41][42]： - 偏股型转债：使用转股溢价率偏离度、理论价值偏离度。 - 平衡型转债：使用转股溢价率偏离度、理论价值偏离度。 - 偏债型转债：使用当期收益率、理论价值偏离度。 2. 分层优化：对每一类转债，使用与全域增强相同的线性规划框架（但约束条件更宽松）进行独立的权重优化[41][46]。 - 优化目标：最大化该类组合对所选因子的暴露。 - 个券权重偏离约束：上限3%。 - 行业权重偏离约束：上限5%。 - 跟踪误差约束：上限5%。 - 个券权重和约束：权重和等于该类转债在基准指数中的总权重。 3. 组合合并：将三类转债的优化权重结果合并，得到最终的总组合权重[41]。 3. 量化因子与构建方式 3.1 因子名称：转股溢价率偏离度 - 因子构建思路：衡量单个转债的转股溢价率相对于其转股价值（平价）所对应的合理溢价率水平的偏离程度，以识别估值偏高或偏低的个券[30][59]。 - 因子具体构建过程： 1. 在每个截面时点，使用全市场可转债数据，以转股价值 (x) 为自变量，转股溢价率 (y) 为因变量，进行如下非线性回归拟合[59][61]： $y_{i}=\alpha_{0}+\,\alpha_{1}\cdot\,{\frac{1}{x_{i}}}+\epsilon_{i}$ 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。 2. 根据拟合出的公式，计算每只转债的“拟合转股溢价率”。 3. 因子值为该转债的实际转股溢价率减去拟合转股溢价率[30]。 3.2 因子名称：理论价值偏离度（蒙特卡洛模型） - 因子构建思路：通过蒙特卡洛模拟，充分考虑转债的转股、赎回、下修、回售等复杂条款，计算其理论价值，并用市场价格与理论价值的比值偏离度来衡量价格预期差[30][62]。 - 因子具体构建过程： 1. 模型设定：设定模型参数，包括正股价格、波动率、无风险利率、股息率、转股价、债券条款（赎回、回售、下修）及剩余期限等[63]。 2. 模拟路径：假设股票价格遵循几何布朗运动，利用随机数生成器，模拟从当前时至转债到期日的数千至数百万条股票价格路径[63]。 3. 路径评估：对每条模拟路径，在每个时间点检查是否触发各类条款，并判断最优行为（如是否转股、是否接受回售/赎回），计算该路径下转债的最终价值[63]。 4. 计算理论价值：对所有模拟路径的最终价值取平均，得到预期到期价值，再按无风险利率贴现回当前，得到转债的理论价格[63]。 5. 计算因子：因子值为 (转债收盘价 / 理论价值) - 1[30]。 3.3 因子名称：当期收益率 - 因子构建思路：衡量转债作为债券的当期利息收益，属于债性因子[30]。 - 因子具体构建过程：因子值为 转债当期票息 / 转债收盘价[30]。 模型的回测效果 （测试区间：2019123120260130，基准：中证转债指数） 1. 完全复制模型，年化超额收益-0.81%，年化跟踪误差0.89%，平均持仓数量406只[14][50]。 2. 权重抽样模型，年化超额收益-2.95%，年化跟踪误差2.35%，平均持仓数量102只[19][50]。 3. 分层权重抽样模型，年化超额收益-2.53%，年化跟踪误差2.14%，平均持仓数量102只[22][50]。 4. 分层权重抽样+层内等权模型，年化超额收益-0.08%，年化跟踪误差2.44%，平均持仓数量102只[25][50]。 5. 全域增强模型，年化超额收益1.61%，年化跟踪误差3.78%，平均持仓数量72只[35][50]。 6. 分层增强模型，年化超额收益4.31%，年化跟踪误差3.62%，平均持仓数量76只[42][50]。 因子的回测效果 （RankIC测试区间：2019123120241231） 1. 转股溢价率偏离度因子，全域RankIC -9.03%，偏股型RankIC -9.68%，平衡型RankIC -11.71%，偏债型RankIC -6.65%[34]。 2. 理论价值偏离度因子，全域RankIC -10.78%，偏股型RankIC -9.99%，平衡型RankIC -10.81%，偏债型RankIC -8.66%[34]。 3. 当期收益率因子，全域RankIC 7.53%，偏股型RankIC 4.31%，平衡型RankIC 5.26%，偏债型RankIC 9.46%[34]。