根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：CCBA模型/CCB模型**[6][16][22] * **模型构建思路**：该模型是可转债的赎回概率调整定价模型，用于对可转债进行合理定价[6][16][22] * **模型具体构建过程**：模型的具体构建过程在专题报告《可转债的赎回概率调整定价模型》和《可转债定价模型与应用》中有详细介绍，本报告未详细展开[6][16][22] 2. **模型名称：CCB_out模型**[22] * **模型构建思路**：在CCB定价模型的基础上，进一步考虑退市风险，以更全面地评估可转债价值[22] * **模型具体构建过程**：模型的具体构建过程在专题报告《可转债定价模型与应用》中有介绍，本报告未详细展开[22] 3. **模型名称：收益分解模型**[16][18] * **模型构建思路**：用于将可转债的收益分解为不同来源，以便分析收益构成[16][18] * **模型具体构建过程**：通过该模型将近一个月转债的收益分别拆解为债底收益、股票拉动收益、转债估值收益[16][18] 其核心是将转债价格变动归因于几个关键驱动因素 4. **模型名称：转债&股债组合轮动策略**[9][11][15] * **模型构建思路**：基于转债市场估值水平（定价偏离度），在转债和股债组合之间进行择时配置，估值低时超配转债，估值高时超配股债组合[9][11][15] * **模型具体构建过程**： 1. 计算Z值：Z值 = 定价偏离度 / 过去3年定价偏离度的标准差[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. 计算分数：分数 = 截尾后的Z值 / -1.5[11] 4. 确定权重：转债权重 = 50% + 50% × 分数，剩余仓位配置股债组合（50% 7-10Y国债 + 50% 中证1000全收益指数）[9][11] 量化因子与构建方式 1. **因子名称：定价偏离度因子**[6][22][25] * **因子构建思路**：通过比较可转债市场价格与其模型理论定价的差异，来衡量转债的估值高低[6][22][25] * **因子具体构建过程**：定价偏离度 = 转债价格 / CCBA模型定价（或CCB_out模型定价） - 1[6][22] 其中，CCBA模型定价或CCB_out模型定价为根据相应模型计算出的可转债理论价值 2. **因子名称：正股动量因子**[25][30][40] * **因子构建思路**：利用正股过去一段时间的价格动量来预测转债未来表现[25][30] * **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[25] 具体计算方式为各期动量得分的等权平均值 3. **因子名称：转债换手率因子**[30][32][36] * **因子构建思路**：通过转债的成交活跃度（换手率）来捕捉市场热度[30][32] * **因子具体构建过程**：使用转债的5日和21日换手率[32] 具体构建方式未详细说明，可能为两个周期换手率的某种组合（如平均值） 4. **因子名称：高换手因子**[30][32] * **因子构建思路**：在低估转债池中，进一步筛选成交活跃度高的个券[30][32] * **因子具体构建过程**：综合使用转债换手率（5日、21日）以及转债与股票换手率的比率（5日、21日）来构建[32] 5. **因子名称：转债YTM因子**[40] * **因子构建思路**：通过可转债的到期收益率来评估其债性价值，并与信用债收益率进行比较[40] * **因子具体构建过程**：筛选条件是转债YTM + 1% > 3年期AA级信用债YTM[40] 量化策略与构建方式 1. **策略名称：低估值策略**[22][24] * **策略构建思路**：在偏债、平衡、偏股三个分域中，分别选取估值最低（定价偏离度最小）的转债进行配置，并根据分域市场相对估值进行分域择时[22][24] * **策略具体构建过程**： 1. 计算个券定价偏离度（使用CCB_out模型）[22] 2. 转债池筛选：余额3亿以上且评级AA-及以上[22] 3. 组合构建：在偏债、平衡、偏股分域中，分别选取定价偏离度最低的15只转债（共45只）[22] 4. 分域择时：根据偏债、平衡、偏股这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[22] 2. **策略名称：低估值+强动量策略**[25][27] * **策略构建思路**：在低估值策略的基础上，引入正股动量因子，结合估值和动量进行选券[25][27] * **策略具体构建过程**：在低估值策略与分域择时的框架下，将定价偏离度因子与正股动量因子（正股过去1、3、6个月动量等权打分）相结合进行选券[25] 3. **策略名称：低估值+高换手策略**[30][32] * **策略构建思路**：先筛选市场上估值较低的转债，再从中选择成交活跃度高的个券进行配置[30][32] * **策略具体构建过程**： 1. 首先选择市场上定价偏离度（CCB_out模型）较低的前50%转债，形成低估转债池[30][32] 2. 在低估转债池中，使用转债高换手因子选择成交热度较高的转债进行配置[30][32] 4. **策略名称：平衡偏债增强策略**[36][38] * **策略构建思路**：专注于偏债和平衡型转债，通过剔除偏股转债控制风险，并在偏债和平衡券中分别运用换手率和动量因子增强收益[36][38] * **策略具体构建过程**： 1. 选择市场上定价偏离度（CCB_out模型）较低的前50%转债，并去掉偏股转债，形成低估池[36] 2. 在偏债转债中，使用转债换手率因子和正股动量因子选券[36][38] 3. 在平衡转债中，使用转债换手率因子选券[36][38] 5. **策略名称：信用债替代策略**[40][42] * **策略构建思路**：筛选债性较强（YTM较高）且优于信用债的转债，结合正股动量进行配置，并通过波动率控制管理风险，部分仓位配置信用债[40][42] * **策略具体构建过程**： 1. 转债池筛选：余额3亿以上、评级AA-及以上，且满足 转债YTM + 1% > 3年期AA级信用债YTM[40] 2. 组合构建：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，个券最大权重不超过2%[40] 3. 风险控制：通过波动率控制方法降低短期回撤，剩余仓位配置信用债[40][42] 6. **策略名称：波动率控制策略**[43][45] * **策略构建思路**：将不同风险收益特征的增强策略与信用债进行组合，通过动态调整仓位将整个组合的波动率控制在目标水平[43][45] * **策略具体构建过程**： 1. 子策略构建：在偏债、平衡、偏股分域中，分别构建低估值+强动量的增强策略（各选15只券）[43] 2. 资产组合：基于偏债增强、平衡增强、偏股增强三个策略以及信用债，通过波动率控制方式将组合波动控制在4%[43][45] 模型的回测效果 （注：报告中策略回测结果均以“等权指数”为基准，该指数为余额3亿以上且AA-及以上转债等权构成[18][22]） 1. **转债&股债组合轮动策略**：该择时策略能够实现稳定的超额收益[11][14] 2. **低估值策略**：全样本年化区间收益22.3%，年化波动13.5%，最大回撤15.6%，区间超额收益11.5%，信息比率2.00[25] 3. **低估值+强动量策略**：全样本年化区间收益24.5%，年化波动14.3%，最大回撤11.9%，区间超额收益13.5%，信息比率2.23[30] 4. **低估值+高换手策略**：全样本年化区间收益25.0%，年化波动15.3%，最大回撤15.9%，区间超额收益13.6%，信息比率2.16[34] 5. **平衡偏债增强策略**：全样本年化区间收益23.6%，年化波动12.2%，最大回撤13.4%[39] 6. **信用债替代策略**：全样本年化区间收益7.3%，年化波动2.1%，最大回撤2.8%[43] 7. **波动率控制策略**：全样本年化区间收益9.9%，年化波动4.4%，最大回撤4.2%[45] 因子的回测效果 （注：报告中未单独提供因子的回测效果指标，因子的有效性体现在整合了该因子的策略表现中）

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]