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]

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）

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]

中证A500指数表现 - 最新点位4773.24点，本周上涨1.41%，实现周线4连阳 [3][6] - 本周日均成交额4454.05亿元，单日成交额环比上升9.49% [3][6] - 总成交额22270.23亿元 [3] 成分股表现 - 涨幅前十个股中，新易盛(300502.SZ)以39.01%领涨，鹏鼎控股(002938.SZ)和中际旭创(300308.SZ)分别上涨25.56%和24.33% [4] - 跌幅前十个股中，广汇能源(600256.SH)和三七互娱(002555.SZ)分别下跌10.80%和10.57% [4] 基金表现 - 38只中证A500基金集体收涨，工银瑞信基金以1.84%涨幅居首 [6] - 基金总规模1902.74亿元，单周减少386.18亿元，连续三周下降 [6] - 规模前三基金分别来自华泰柏瑞(178.3亿元)、国泰(173.54亿元)和广发基金(170.02亿元) [6] - 单只基金中，华泰柏瑞基金(563360.SH)周成交额最高达137.41亿元，份额减少4.44亿份 [5] 市场观点 - 银河证券指出2025年上半年小盘股占优(中证1000涨7.54%)，但下半年机构资金可能转向大盘蓝筹 [7] - 中信建投认为经济企稳叠加降准降息利好非银板块，行业估值处于历史中等分位，具备戴维斯双击潜力 [7]

大小盘风格轮动 - 2008 - 2010年小盘占优，2011 - 2013年大盘反弹，2013 - 2015年小盘再占优，2016 - 2021年大盘占优，2021 - 2023年小盘占优，2024年以来大盘回暖[2][4] - 2025年上半年，沪深300全收益指数涨1.37%，中证1000全收益指数涨7.54%，小盘占优；下半年或因机构资金入市和外部不确定性，偏向大盘[2][96] 成长价值风格轮动 - 2011 - 2014年、2016 - 2018年、2021 - 2024年价值占优，2015年、2018 - 2021年成长占优[2][13] - 2025年上半年，国证成长全收益指数跌0.55%，国证价值全收益指数涨4.04%，价值占优；下半年因海外因素和“反内卷”政策，价值风格或继续占优[2][97][100] 风格转换影响因素 - 基本面：大小盘与内外需强弱有关，成长价值与CPI正相关年份占64%[36][40] - 流动性：剩余流动性升，小盘占优；外资、机构资金流入，大盘占优；M1、M2增速及差值与成长价值正相关[46][47][48] - 估值：牛熊转折点易风格转换，成长价值与美债收益率负相关年份占64%[64][68] - 政策：产业政策影响行业崛起，进而影响风格转换[71] 风格转换回测 - 大小盘：主要机构和外资持股占比影响显著，2005年以来拟合正确率为69%[81][82] - 成长价值：10年期美债收益率、ROE差值、全A指数总市值影响显著，2011Q1以来拟合正确率为77%[91]