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**：该模型是一个可转债定价模型，用于计算可转债的理论合理价格，从而衡量市场实际价格与理论价格的偏离程度（即估值水平）[6]。 * **模型具体构建过程**：报告未详细描述CCBA或CCB模型的具体构建公式和过程，但指出其源自专题报告《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》[6][18][23]。模型的核心输出是转债的理论定价，并在此基础上计算“定价偏离度”因子。 2. 模型名称：CCB_out定价模型 * **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的价值[23]。 * **模型具体构建过程**：报告未给出具体公式，仅说明其是在CCB模型基础上加入了退市风险调整[23]。其核心输出同样是转债的理论定价，并用于计算“定价偏离度”因子。 3. 模型名称：转债&股债组合轮动策略（择时模型） * **模型构建思路**：基于可转债市场的整体估值水平（定价偏离度），在可转债资产与一个股债组合之间进行动态资产配置。当转债低估时超配转债，高估时超配股债组合，以获取稳定的超额收益[11][17]。 * **模型具体构建过程**： 1. **构建基准组合**：构建一个股债组合作为比较基准，该组合由50%的7-10年期国债和50%的中证1000全收益指数构成[11]。 2. **计算估值分数**： a. 计算定价偏离度的Z值：$$Z值 = \frac{定价偏离度}{过去3年定价偏离度的标准差}$$[11] b. 对Z值进行截尾处理：按照±1.5倍标准差进行截尾[11]。 c. 将截尾后的Z值转换为分数：$$分数 = \frac{截尾后的Z值}{-1.5}$$[11] 3. **确定权重**：根据分数动态分配可转债的权重：$$转债权重 = 50\% + 50\% × 分数$$，剩余仓位配置上述股债组合[11]。 4. 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拆解为债底收益、正股拉动收益和转债估值收益三个部分，以便于分析不同时期收益的驱动因素[18]。 * **模型具体构建过程**：报告未给出具体公式，但指出该模型基于专题报告《可转债定价模型与应用》中的CCB模型进行构建[18]。 量化因子与构建方式 1. 因子名称：定价偏离度（基于CCBA/CCB/CCB_out模型） * **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的差异，来衡量转债的估值高低。该值为正表示溢价（高估），为负表示折价（低估）[6][23]。 * **因子具体构建过程**：$$定价偏离度 = \frac{转债市场价格}{模型理论定价} - 1$$[6][23] 其中，模型理论定价可分别采用CCBA、CCB或CCB_out模型计算。 2. 因子名称：正股动量因子 * **因子构建思路**：通过计算转债对应正股在过去一段时间内的价格涨幅，来衡量正股的上涨趋势强度[26][35]。 * **因子具体构建过程**：报告提到了两种构建方式： 1. **多期动量等权合成**：计算正股过去1个月、3个月、6个月的动量（收益率），然后进行等权打分合成一个综合动量因子[26]。 2. **单期动量**：直接使用正股过去1个月的动量[35]。 3. 因子名称：转债换手率因子 * **因子构建思路**：通过衡量转债自身的交易活跃度（换手率）以及相对于其正股的交易活跃度，来捕捉市场的关注度和流动性溢价[31][32][34]。 * **因子具体构建过程**：报告提到了两种构建方式： 1. **转债自身换手率**：计算转债的5日和21日换手率[31]。 2. **转债与股票换手率比率**：计算转债换手率与其正股换手率的比率，同样考虑5日和21日周期[31]。 4. 因子名称：信用债替代筛选因子 * **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，筛选出收益率具备吸引力的转债，作为信用债的替代品[35]。 * **因子具体构建过程**：筛选条件为：转债的到期收益率（YTM）加上1%后，仍大于3年期AA级信用债的到期收益率（YTM）[35]。即：$$转债YTM + 1\% > 3年期AA级信用债YTM$$[35] 复合策略模型与构建方式 1. 模型名称：低估值策略 * **模型构建思路**：在偏债、平衡、偏股三个分域中，分别选取定价偏离度（基于CCB_out模型）最低的转债构建组合，并结合分域估值进行择时配置[23]。 * **模型具体构建过程**： 1. **选券**：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）[23]。 2. **筛选条件**：所选转债需满足“余额3亿以上且评级AA-及以上”[23]。 3. **分域择时**：根据三个分域市场的相对估值水平，超配估值过低的分域，低配估值过高的分域[23]。 2. 模型名称：低估值+强动量策略 * **模型构建思路**：在低估值策略的基础上，融入正股动量因子，旨在选取既便宜（低估值）又具备上涨趋势（强动量）的转债，以增强策略弹性[26]。 * **模型具体构建过程**：结合了“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）进行综合选股[26]。其基础框架（分域选券、分域择时）与低估值策略相同。 3. 模型名称：低估值+高换手策略 * **模型构建思路**：先筛选市场低估的转债，再从中选择成交活跃（高换手）的个券进行配置，结合了估值与市场情绪因子[29]。 * **模型具体构建过程**： 1. **初筛**：使用CCB_out定价偏离度因子，选择全市场低估程度最低的50%的转债，形成初选池[29][31]。 2. **精选**：在初选池中，使用“高换手因子”进行筛选。该因子由转债换手率（5日、21日）以及转债与股票换手率比率（5日、21日）构成[31]。 4. 模型名称：平衡偏债增强策略 * **模型构建思路**：一个绝对收益型策略，专注于偏债型和平衡型转债，通过剔除偏股型转债并叠加换手率、动量等因子进行增强，旨在控制波动和回撤[32]。 * **模型具体构建过程**： 1. **初筛**：使用CCB_out定价偏离度因子，选择全市场低估程度最低的50%的转债，并从中去掉偏股型转债，形成低估池[32][34]。 2. **增强**：在低估池中，对偏债型转债使用“转债换手率因子+正股动量因子”进行增强；对平衡型转债使用“转债换手率因子”进行增强[32][34]。 5. 模型名称：信用债替代策略 * **模型构建思路**：一个绝对收益型策略，将可转债作为信用债的增强替代品。通过严格的收益率筛选和动量选股构建转债组合，并辅以波动率控制来管理风险[35]。 * **模型具体构建过程**： 1. **筛选转债池**：使用“信用债替代筛选因子”（转债YTM+1% > 3年期AA信用债YTM）进行筛选，且转债需满足余额3亿以上、评级AA-及以上[35]。 2. **构建转债组合**：在转债池中，选出正股1个月动量最强的20只转债进行等权配置，个券最大权重不超过2%[35]。 3. **组合构建与风控**：通过波动率控制方法降低短期回撤，剩余仓位配置信用债[35]。 6. 模型名称：波动率控制策略 * **模型构建思路**：一个多资产绝对收益型策略，将多个增强子策略（偏债、平衡、偏股）与信用债通过波动率控制方法进行组合，旨在将整体组合波动率控制在目标水平（4%）[37]。 * **模型具体构建过程**： 1. **构建子策略**：分别在偏债、平衡、偏股分域中，构建“低估值+强动量”的增强策略，各选取打分最高的15只转债，形成偏债增强、平衡增强、偏股增强三个子策略[37]。 2. **组合优化**：以上述三个增强子策略以及信用债作为基础资产，通过波动率控制模型进行资产配置，使整个“波动率控制策略”的组合波动率控制在4%左右[37]。 模型的回测效果 （以下回测结果均基于2018年至2025年12月19日的全样本年化数据，基准为“等权指数”） 1. **低估值策略**，区间收益20.5%，年化波动13.2%，最大回撤18.0%，区间超额收益9.7%，信息比率(IR)1.64[26] 2. **低估值+强动量策略**，区间收益24.3%，年化波动13.8%，最大回撤13.2%，区间超额收益13.1%，信息比率(IR)2.25[29] 3. **低估值+高换手策略**，区间收益23.2%，年化波动15.0%，最大回撤15.9%，区间超额收益12.1%，信息比率(IR)1.95[32] 4. **平衡偏债增强策略**，区间收益22.3%，年化波动12.1%，最大回撤13.9%（该策略为绝对收益型，未提供超额收益和IR）[35] 5. **信用债替代策略**，区间收益7.1%，年化波动2.1%，最大回撤2.8%（该策略为绝对收益型，未提供超额收益和IR）[37] 6. **波动率控制策略**，区间收益9.4%，年化波动4.4%，最大回撤4.4%（该策略为绝对收益型，未提供超额收益和IR）[41] 因子的回测效果 （报告未提供单个因子的独立测试指标取值）