量化模型与构建方式 1. 模型名称：CCBA/CCB定价模型[6][21] 模型构建思路：基于可转债的赎回概率调整进行定价，用于衡量转债的理论价值[6] 模型具体构建过程：报告未详细描述CCBA/CCB模型的具体构建公式和步骤，但指出其用于计算转债的理论定价，并在此基础上计算定价偏离度[6][21] 2. 模型名称：CCB_out定价模型[21] 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，以得到更稳健的理论定价[21] 模型具体构建过程：报告未详细描述CCB_out模型的具体构建公式和步骤，但指出其用于计算定价偏离度[21] 3. 模型名称：转债&股债组合轮动策略（择时策略）[2][10] 模型构建思路：基于转债市场整体估值（定价偏离度）的高低，在转债资产和股债组合之间进行动态资产配置，估值低估时超配转债，反之超配股债组合[2][10] 模型具体构建过程： a. 计算市场定价偏离度[10]。 b. 计算Z值：$$Z值 = \frac{定价偏离度}{过去3年标准差}$$[10] c. 对Z值按照±1.5倍标准差进行截尾处理[10]。 d. 计算分数：将截尾后的Z值除以-1.5得到分数[10]。 e. 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）[2][10]。 4. 模型名称：收益分解模型[16] 模型构建思路：将转债的收益拆解为债底收益、股票拉动收益和转债估值收益三个部分，以分析收益来源[16] 模型具体构建过程：报告未详细描述该模型的具体构建公式和步骤，但指出其基于专题报告《可转债定价模型与应用》[16] 模型的回测效果 1. 转债&股债组合轮动策略，报告指出该策略能够实现稳定的超额收益[2][10]，但未提供具体的量化指标值。 量化因子与构建方式 1. 因子名称：定价偏离度（基于CCBA/CCB模型）[6] 因子构建思路：通过比较转债市场价格与其理论模型定价的差异，来衡量转债估值的高低[6] 因子具体构建过程：$$定价偏离度 = \frac{转债价格}{CCBA模型定价} - 1$$[6] 因子评价：该指标用于判断转债市场整体估值水平，偏离度越高代表估值越高[6][15] 2. 因子名称：定价偏离度（基于CCB_out模型）[21] 因子构建思路：在考虑退市风险后，计算转债价格与理论定价的差异，作为估值因子[21] 因子具体构建过程：$$定价偏离度 = \frac{转债价格}{CCB\_out模型定价} - 1$$[21] 3. 因子名称：正股动量因子[24][26] 因子构建思路：使用正股过去一段时间的历史收益率来衡量其趋势强度[24][26] 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[24][26] 4. 因子名称：转债换手率因子[28][32] 因子构建思路：通过转债的成交活跃度（换手率）来捕捉市场关注度或短期交易机会[28][32] 因子具体构建过程：报告提及使用5日和21日的转债换手率[28] 5. 因子名称：转债与股票换手率比率[28] 因子构建思路：比较转债自身换手率与其正股换手率的相对关系[28] 因子具体构建过程：报告提及使用5日和21日的转债与股票换手率比率[28] 6. 因子名称：信用替代筛选因子[33] 因子构建思路：通过比较转债的到期收益率（YTM）与信用债收益率，筛选出具备债性配置价值的转债[33] 因子具体构建过程：筛选条件为：转债YTM + 1% > 3年期AA级信用债YTM[33] 复合策略与构建方式 （注：以下策略综合运用了前述模型和因子，并包含了具体的组合构建规则，因此归类为复合策略。） 1. 策略名称：低估值策略[21] 策略构建思路：在偏债、平衡、偏股三个分域中，分别选取基于CCB_out模型定价偏离度最低的转债，并结合分域估值进行择时配置[21] 策略具体构建过程： a. 计算个券定价偏离度（使用CCB_out模型）[21]。 b. 筛选条件：转债余额3亿以上且评级AA-及以上[21]。 c. 构建组合：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只形成低估值转债池[21]。 d. 分域择时：根据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[21]。 2. 策略名称：低估值+强动量策略[24] 策略构建思路：在低估值策略与分域择时的基础上，进一步结合正股动量因子，筛选出兼具低估值和正股趋势强度的标的，以增强策略弹性[24] 策略具体构建过程：在低估值策略的基础上，将定价偏离度因子与正股动量因子（过去1、3、6个月动量等权打分）相结合进行选券[24][26] 3. 策略名称：低估值+高换手策略[27][28] 策略构建思路：首先筛选市场估值较低的转债池，再从中选择成交活跃度高的标的进行配置[27][28] 策略具体构建过程： a. 使用CCB_out定价偏离度因子，选择市场上估值较低的50%转债形成低估池[27][28]。 b. 在低估池中，使用转债高换手因子（转债换手率（5、21日）及转债与股票换手率比率（5、21日））选择标的进行配置[28]。 4. 策略名称：平衡偏债增强策略[30][32] 策略构建思路：在低估转债池中剔除偏股转债，并在偏债和平衡转债中分别使用不同的增强因子进行配置，旨在获取绝对收益[30][32] 策略具体构建过程： a. 使用CCB_out定价偏离度因子，选择市场上估值较低的50%转债，并去掉偏股转债，形成低估池[30][32]。 b. 在偏债转债中，使用转债换手率因子+正股动量因子进行增强[32]。 c. 在平衡转债中，使用转债换手率因子进行增强[32]。 5. 策略名称：信用债替代策略[33] 策略构建思路：通过信用替代筛选因子构建具备债性价值的转债池，并搭配正股动量因子和波动率控制方法，以信用债为底仓进行增强，追求低波动的绝对收益[33] 策略具体构建过程： a. 筛选转债池：条件为转债YTM+1% > 3年期AA级信用债YTM，且余额3亿以上、评级AA-及以上[33]。 b. 在转债池中选出正股1个月动量最强的20只进行配置，个券最大权重不超过2%[33]。 c. 通过波动率控制方法降低短期回撤，剩余仓位配置信用债[33]。 6. 策略名称：波动率控制策略[35] 策略构建思路：基于多个增强策略（偏债、平衡、偏股）和信用债，通过波动率控制方法动态调整资产权重，将组合整体波动控制在目标水平[35] 策略具体构建过程： a. 分别构建偏债增强、平衡增强、偏股增强策略：在各自分域中选取低估值+强动量打分最高的15只转债（共45只）[35]。 b. 将上述三个增强策略以及信用债作为底层资产[35]。 c. 通过波动率控制方法，将整个组合的波动率控制在4%[35]。 策略的回测效果 （注：以下所有策略的基准均为“等权指数”（余额3亿以上且AA-及以上转债等权），测试区间为2018年至2026年1月16日[24][27][30][33][38]。指标包括区间收益、年化波动、最大回撤、区间超额收益和信息比率（IR）。） 1. 低估值策略[24] 全样本年化收益：20.8%[24] 全样本年化波动：13.1%[24] 全样本最大回撤：18.0%[24] 全样本区间超额收益（相对等权指数）：8.9%[24] 全样本信息比率（IR）：1.51[24] 2. 低估值+强动量策略[27] 全样本年化收益：24.7%[27] 全样本年化波动：13.7%[27] 全样本最大回撤：13.2%[27] 全样本区间超额收益（相对等权指数）：12.4%[27] 全样本信息比率（IR）：2.15[27] 3. 低估值+高换手策略[30] 全样本年化收益：23.7%[30] 全样本年化波动：15.0%[30] 全样本最大回撤：15.9%[30] 全样本区间超额收益（相对等权指数）：11.5%[30] 全样本信息比率（IR）：1.85[30] 4. 平衡偏债增强策略[33] （该策略为绝对收益型，未提供相对基准的超额收益和IR） 全样本年化收益：22.6%[33] 全样本年化波动：12.1%[33] 全样本最大回撤：13.9%[33] 5. 信用债替代策略[33][38] （该策略为绝对收益型，基准为信用债净值） 全样本年化收益：7.1%[33] 全样本年化波动：低于3%[33] 全样本最大回撤：低于3%[33] 6. 波动率控制策略[38] （该策略为绝对收益型，基准为信用债净值） 全样本年化收益：9.6%[38] 全样本年化波动：4.4%[38] 全样本最大回撤：4.4%[38]

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）

量化模型与构建方式 1. **模型名称**：CCBA定价偏离度模型 **模型构建思路**：用于衡量转债市场估值水平，通过计算转债价格与CCBA模型定价的偏离程度来判断市场高估或低估区间[6] **模型具体构建过程**： - 定价偏离度公式：$$ \text{定价偏离度} = \frac{\text{转债价格}}{\text{CCBA模型定价}} - 1 $$ - 根据历史分位数划分估值区间（如[4%,Inf)为高估区间），并统计不同区间内未来中证转债的平均收益率与胜率[6][11] **模型评价**：有效识别转债市场极端估值状态，为择时提供参考[6] 2. **模型名称**：转债&股债组合轮动策略 **模型构建思路**：通过转债估值分数动态调整转债与股债组合的配置权重[21] **模型具体构建过程**： - 计算Z值：$$ Z = \frac{\text{定价偏离度}}{\text{过去3年标准差}} $$，按±1.5倍标准差截尾后归一化 - 转债权重公式：$$ \text{转债权重} = 50\% + 50\% \times \text{分数} $$，剩余配置50%国债+50%中证1000指数[21][24] 3. **模型名称**：低估值策略（CCB_out模型） **模型构建思路**：筛选定价偏离度最低的转债构建组合，结合分域择时增强收益[33] **模型具体构建过程**： - 定价偏离度公式：$$ \text{定价偏离度} = \frac{\text{转债价格}}{\text{CCB_out模型定价}} - 1 $$ - 在偏债/平衡/偏股分域中各选15只偏离度最低的转债（余额>3亿，评级≥AA-）[33] - 根据分域相对估值动态调整权重[33] 4. **模型名称**：低估值+强动量策略 **模型构建思路**：在低估值策略基础上加入正股动量因子[36] **模型具体构建过程**： - 动量因子：正股过去1/3/6个月动量等权打分[36] - 组合构建与低估值策略相同，但加入动量筛选[36] 5. **模型名称**：低估值+高换手策略 **模型构建思路**：在低估转债池中筛选高换手标的[40] **模型具体构建过程**： - 先选择市场低估的50%转债 - 使用转债换手率（5/21日）及转债/股票换手率比率筛选高热度标的[40][42] 6. **模型名称**：信用债替代策略 **模型构建思路**：通过YTM比较筛选转债替代信用债[48] **模型具体构建过程**： - 筛选条件：转债YTM+1% > 3年期AA级信用债YTM - 组合构建：选正股1个月动量最强的20只转债，个券权重≤2%，剩余配置信用债[48] --- 量化因子与构建方式 1. **因子名称**：定价偏离度因子 **因子构建思路**：反映转债价格相对于理论定价的溢价水平[6][33] **因子具体构建过程**： - 基于CCBA或CCB_out模型计算：$$ \text{定价偏离度} = \frac{\text{转债价格}}{\text{模型定价}} - 1 $$[6][33] 2. **因子名称**：正股动量因子 **因子构建思路**：捕捉正股趋势对转债价格的带动效应[36] **因子具体构建过程**： - 计算正股过去1/3/6个月收益率，等权综合打分[36] 3. **因子名称**：转债换手率因子 **因子构建思路**：衡量市场交易热度[40][42] **因子具体构建过程**： - 包括5日/21日转债换手率及转债/股票换手率比率[42] --- 模型的回测效果 1. **低估值策略**（2018-2025） - 年化收益：23.0% | 年化波动：13.5% | 最大回撤：15.6% | 超额收益：11.9% | IR：2.08[34] 2. **低估值+强动量策略**（2018-2025） - 年化收益：25.4% | 年化波动：14.2% | 最大回撤：11.9% | 超额收益：14.0% | IR：2.32[40] 3. **低估值+高换手策略**（2018-2025） - 年化收益：25.2% | 年化波动：15.2% | 最大回撤：15.9% | 超额收益：13.9% | IR：2.20[44] 4. **信用债替代策略**（2018-2025） - 年化收益：7.5% | 年化波动：2.1% | 最大回撤：2.8%[52] 5. **波动率控制策略**（2018-2025） - 年化收益：10.2% | 年化波动：4.4% | 最大回撤：4.2%[56] --- 因子的回测效果 1. **定价偏离度因子** - 在[4%,Inf)高估区间，中证转债未来半年平均收益：-2.9%，胜率0%[6][13] - 偏股转债在高估区间回撤显著大于平衡/偏债转债[18][20] 2. **正股动量因子** - 低估值+强动量策略年化超额收益达14.0%，显著优于纯低估值策略[40] 3. **换手率因子** - 低估值+高换手策略2023年超额收益9.6%，波动率8.7%[44]