好的，作为一名熟练的金融工程分析师，我将对您提供的量化研报进行总结，内容如下： 量化模型与构建方式 1. 模型名称： 转债&股债组合轮动策略[2][13] 模型构建思路： 基于市场定价偏离度，在转债市场低估时超配转债，反之超配股债组合，以实现稳定的超额收益[2][13] 模型具体构建过程： 1. 构建股债组合：取50%的7-10Y国债和50%的中证1000全收益指数作为股债组合[2][13] 2. 计算Z值：Z值 = 定价偏离度 / 过去3年标准差[13] 3. 截尾处理：将Z值按照±1.5倍标准差进行截尾[13] 4. 计算分数：分数 = Z值 / (-1.5)[13] 5. 计算转债权重：转债权重 = 50% + 50% × 分数[13] 6. 配置剩余仓位：剩余仓位配置股债组合[13] 模型评价： 该策略能够实现稳定的超额收益[2][13] 2. 模型名称： 低估值策略[25] 模型构建思路： 基于CCB_out定价模型计算定价偏离度，在偏债、平衡、偏股三个分域中分别选取偏离度最低的转债，并结合分域择时，超配估值过低的分域，低配估值过高的分域[25] 模型具体构建过程： 1. 计算定价偏离度：定价偏离度 = 转债价格 / CCB_out模型定价 - 1[25] 2. 构建转债池：在偏债、平衡、偏股三个分域中，分别选取定价偏离度最低的15只转债，共45只[25] 3. 筛选条件：转债余额需在3亿以上且评级AA-及以上[25] 4. 分域择时：根据偏债、平衡、偏股三个分域市场的相对估值，超配估值过低的分域，低配估值过高的分域[25] 模型评价： 策略稳定性强，在2022年仍能实现正收益[25] 3. 模型名称： 低估值+强动量策略[28] 模型构建思路： 在低估值策略与分域择时的基础上，结合定价偏离度因子与正股动量因子，形成弹性更强的策略[28] 模型具体构建过程： 1. 基础策略：采用低估值策略的选券逻辑和分域择时方法[28] 2. 动量因子构建：使用正股过去1、3、6个月动量等权打分构建正股动量因子[28] 3. 因子结合：将定价偏离度因子与正股动量因子相结合，进行综合打分[28] 模型评价： 策略弹性强[28] 4. 模型名称： 低估值+高换手策略[32] 模型构建思路： 首先选择市场上较低估的50%转债，再使用转债高换手因子选择成交热度较高的转债进行配置[32] 模型具体构建过程： 1. 构建低估转债池：使用ccb_out定价偏离度，选择市场上低估程度较低的50%转债[32] 2. 高换手因子构建：使用转债换手率（5日、21日）和转债与股票换手率比率（5日、21日）构建高换手因子[34] 3. 因子结合：在低估转债池中，使用高换手因子选择成交热度较高的转债进行配置[32] 模型评价： 2023年超额收益稳定[32] 5. 模型名称： 平衡偏债增强策略[35] 模型构建思路： 首先选择市场上较低估的50%转债，并剔除偏股转债形成低估池，然后在偏债池中使用转债换手率因子和正股动量因子，在平衡转债中使用转债换手率因子[35] 模型具体构建过程： 1. 构建低估池：使用ccb_out定价偏离度，选择市场上低估程度较低的50%转债，并去掉偏股转债[35] 2. 偏债池增强：在偏债池中使用转债换手率因子和正股动量因子[35] 3. 平衡池增强：在平衡池中使用转债换手率因子[35] 模型评价： 波动与回撤较低[35] 6. 模型名称： 信用债替代策略[38] 模型构建思路： 通过转债YTM与信用债YTM的比较筛选转债池，选出正股动量最强的20只进行配置，并通过波动率控制方法降低短期回撤，剩余仓位配置信用债[38] 模型具体构建过程： 1. 构建转债池：筛选出满足“转债YTM + 1% > 3年期AA级信用债YTM”条件的转债[38] 2. 筛选条件：转债余额需在3亿以上且评级AA-及以上[38] 3. 选券：在转债池中选出正股1个月动量最强的20只转债进行配置[38] 4. 权重限制：个券最大权重不超过2%[38] 5. 风险控制：通过波动率控制方法降低短期回撤[38] 6. 剩余仓位配置：剩余仓位配置信用债[38] 模型评价： 波动和回撤较低[38] 7. 模型名称： 波动率控制策略[41] 模型构建思路： 在偏债、平衡、偏股三个分域中分别构建低估值+强动量的增强策略，再结合信用债，通过波动率控制将组合波动控制在4%[41] 模型具体构建过程： 1. 构建分域增强策略：在偏债、平衡、偏股三个分域中，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、偏股增强策略[41] 2. 资产配置：基于这三个增强策略以及信用债进行资产配置[41] 3. 波动率控制：通过波动率控制的方式将组合波动控制在4%[41] 模型评价： 波动和回撤较低[41] 量化因子与构建方式 1. 因子名称： CCBA定价偏离度[7] 因子构建思路： 衡量转债当前估值水平，通过转债价格与CCBA模型定价的比值计算[7] 因子具体构建过程： 定价偏离度 = 转债价格 / CCBA模型定价 - 1[7] 其中，CCBA模型为基于专题报告《可转债的赎回概率调整定价模型》构建的定价模型[7] 2. 因子名称： CCB_out定价偏离度[25] 因子构建思路： 在CCB定价模型基础上加入退市风险，用于衡量转债估值水平[25] 因子具体构建过程： 定价偏离度 = 转债价格 / CCB_out模型定价 - 1[25] 其中，CCB_out模型为基于专题报告《可转债定价模型与应用》中介绍的CCB定价模型，并加入退市风险后得到[25] 3. 因子名称： 正股动量因子[28] 因子构建思路： 通过正股过去不同周期的动量等权打分，衡量正股的趋势强度[28] 因子具体构建过程： 使用正股过去1、3、6个月动量等权打分构建[28] 4. 因子名称： 转债高换手因子[32] 因子构建思路： 通过转债换手率及其与股票换手率的比率，衡量转债的成交热度[32] 因子具体构建过程： 使用转债换手率（5日、21日）和转债与股票换手率比率（5日、21日）构建[34] 模型的回测效果 1. 低估值策略[28] - 全样本年化区间收益：18.3% - 全样本年化波动：12.8% - 全样本最大回撤：18.0% - 全样本区间超额：8.0% - 全样本信息比率：1.29 2. 低估值+强动量策略[32] - 全样本年化区间收益：22.5% - 全样本年化波动：13.5% - 全样本最大回撤：13.2% - 全样本区间超额：11.9% - 全样本信息比率：2.00 3. 低估值+高换手策略[35] - 全样本年化区间收益：21.3% - 全样本年化波动：14.9% - 全样本最大回撤：15.9% - 全样本区间超额：10.7% - 全样本信息比率：1.74 4. 平衡偏债增强策略[38] - 全样本年化区间收益：19.8% - 全样本年化波动：12.1% - 全样本最大回撤：13.9% 5. 信用债替代策略[41] - 全样本年化区间收益：6.8% - 全样本年化波动：2.0% - 全样本最大回撤：2.8% 6. 波动率控制策略[44] - 全样本年化区间收益：9.0% - 全样本年化波动：4.3% - 全样本最大回撤：4.4%