Workflow
可转债策略
icon
搜索文档
2025年可转债策略半年度行情展望:可转债策略半年度回顾以及展望
国泰君安期货· 2025-06-22 18:45
2025 年 6 月 22 日 可转债策略半年度回顾以及展望 ---2025 年可转债策略半年度行情展望 瞿新荣 投资咨询从业资格号:Z0018524 quxinrong027631@gtjas.com 刘宇佩(联系人)从业资格号:F03126011 liuyupei027932@gtjas.com 报告导读: 目录 2025 年上半年可转债市场呈现 "BETA 稳健性凸显、优质标的稀缺性加剧、投资者结构分层、策略分化升级" 特征,为后续 布局锚定方向。 展望阶段需聚焦四大主线: 一是延续 "债性为盾、股性为矛" 的 BETA 逻辑,攻守平衡捕捉市场弹性与抗跌性; 二是锚定 "正股优、条款优、债底优" 稀缺标的,深挖供需错配下的 ALPHA 收益; 三是顺应结构变迁,推动套利、多头、中性策略向 "复合工具化" 迭代,量化与主观互补适配周期; 四是通过组合分散、动态调仓、衍生品对冲,管控信用、估值、流动性风险。在波动分化中锚定稀缺价值,实现收益风 险最优平衡。 请务必阅读正文之后的免责条款部分 请务必阅读正文之后的免责条款部分 请务必阅读正文之后的免责条款部分 1 二 〇 二 三 年 度 | 1. 2025 | ...
六月可转债量化月报:转债市场当前仍在合理区间内运行-20250617
国盛证券· 2025-06-17 15:30
根据提供的量化研报内容,以下是详细的模型与因子总结: 量化模型与构建方式 1. **CCBA定价模型** - 构建思路:用于衡量转债市场估值水平,通过计算定价偏离度评估配置价值[6] - 构建过程: $$定价偏离度 = \frac{转债价格}{CCBA模型定价} - 1$$ 统计不同偏离度区间下未来N日中证转债的平均收益率与胜率[6][7] - 评价:有效识别转债市场估值合理区间,历史数据显示当前偏离度0.35%处于62.1%分位数(2018年以来)[6] 2. **CCB_out定价模型** - 构建思路:在CCB模型基础上加入退市风险调整,用于低估值策略选券[24] - 构建过程: $$定价偏离度 = \frac{转债价格}{CCB\_out模型定价} - 1$$ 分域(偏债/平衡/偏股)选取偏离度最低的15只转债,结合分域择时配置[24] 3. **收益分解模型** - 构建思路:拆解转债收益来源为债底收益、股票拉动收益、转债估值收益[17][20] - 构建过程:通过CCB模型计算各成分贡献,例如近1个月中证转债收益中正股拉动0.38%、估值贡献0.17%[17][21] 量化因子与构建方式 1. **定价偏离度因子** - 构建过程:基于CCB_out模型计算,用于筛选低估转债池[24][32] - 评价:稳定性强,2018年以来年化超额收益12.2%[27] 2. **正股动量因子** - 构建过程:等权合成正股过去1/3/6个月动量得分,用于低估值+强动量策略[27][31] - 评价:增强策略弹性,2018年组合年化收益达24.5%[31] 3. **高换手因子** - 构建过程:结合5日/21日转债换手率及转债-股票换手比率,筛选低估池中成交活跃券[32][35] - 评价:2023年实现9.6%超额收益,抗回撤能力突出[35] 4. **信用替代因子** - 构建过程:筛选转债YTM+1%>3年期AA信用债YTM的个券,叠加正股动量排名[39][43] - 评价:绝对收益策略波动率<3%,适合低风险配置[43] 模型与因子的回测效果 | 名称 | 年化收益 | 年化波动 | 最大回撤 | IR | 测试区间 | |---------------------|----------|----------|----------|-------|----------------| | 低估值策略 | 21.8% | 13.6% | 15.6% | 2.10 | 2018-2025[27] | | 低估值+强动量策略 | 24.5% | 14.3% | 11.9% | 2.39 | 2018-2025[31] | | 低估值+高换手策略 | 23.4% | 15.4% | 15.9% | 2.15 | 2018-2025[35] | | 平衡偏债增强策略 | 22.9% | 12.3% | 13.4% | - | 2018-2025[39] | | 信用债替代策略 | 7.3% | 2.1% | 2.8% | - | 2018-2025[43] | | 波动率控制策略 | 10.0% | 4.4% | 4.2% | - | 2018-2025[45] | 注:所有策略均基于余额>3亿且评级≥AA-的转债池[24][27][32]