`

转债新规下的定价模型更新和绝对收益策略改进

创建于 更新于

摘要

本报告基于2022年7月沪深交易所转债新规,更新转债定价模型引入条款执行概率,强化了转债绝对收益策略的防御逻辑。通过条款触发公告及执行流程数据,明确了上市公司下修、赎回行为的概率及时间,提升模型定价准确度。结合先进制造业板块的高且稳定溢价特征,优化组合筛选规则,实现策略年化收益率从10%提升至15%,且回撤显著降低,行业配置重心聚焦制造业 [page::0][page::2][page::6][page::7][page::12][page::14]。

速读内容


转债市场规模与交易变化及新规影响 [page::2]



  • 2022年可转债发行规模约2500亿元,市场余额约8500亿元。

- 2022年中转债成交大幅下滑,成交量由2000亿降至500亿左右。
  • 新规后转债上市首日溢价率趋于集中,交易趋于理性。


制造业转债融资优势及代表案例分析 [page::3][page::4]




  • 制造业资金密集、投资周期长,债券融资难度大,转债成为性价比高的融资途径。

- 通威股份通过转债融资投资扩产,产能显著提升,成本下降,盈利能力增强。
  • 典型案例还包括恩捷股份,依托转债融资实现快速利润增长。


原蒙特卡洛定价模型及新规改进 [page::5][page::6][page::7]




  • 原模型基于多路径股票价格模拟估算转债价值,难以准确反映条款触发后的执行概率。

- 2022年转债新规明确触发下修/赎回条款后须公告决定,改进模型引入执行概率及不执行限制期。
  • 实施下修/赎回通常间隔10-40日,不执行期多为90-180日,模型以此参数对条款概率建模。


条款执行概率对定价及溢价率影响 [page::8][page::9][page::10]


| 控制变量 | 变量取值 | 转债定价 | 发生赎回路径数 | 发生下修路径数 |
|------------|----------|----------|----------------|----------------|
| 赎回概率 | 100% | 125.49 | 95 | 72 |
| 赎回概率 | 50% | 126.92 | 88 | 78 |
| 赎回概率 | 10% | 135.15 | 34 | 86 |
| 赎回概率 | 0% | 134.85 | 0 | 88 |
| 下修概率 | 100% | 125.49 | 95 | 72 |
| 下修概率 | 50% | 122.68 | 92 | 71 |
| 下修概率 | 10% | 117.5 | 79 | 60 |
| 下修概率 | 0% | 112.3 | 50 | 0 |
  • 高赎回概率降低转债估值,高下修概率提升估值,赎回概率降低时转债价值提升显著。

- 下修动力主要来自防止回售、股东参与度及促进转股,相关指标大股东持债比例较高促进下修。
  • 赎回决策影响因素包含股东持债比例、财务费用占比和股价质押比例,财务负担较高公司更倾向赎回。


板块特征对转债溢价率的影响分析 [page::11][page::12]




  • 板块回归估值差异明显,汽车板块估值离散度大,先进制造业如芯片与锂电池板块估值稳定且较高。

- 板块间股票波动率差异明显,芯片和锂电池板块隐含波动率与实际波动限度更一致。
  • 纵向看,制造业板块估值明显高于传统行业,且走势较为稳定。


绝对收益策略的更新及绩效提升 [page::12][page::14]






| 策略指标 | 年化收益率 | 年化波动率 | 夏普比率 | 最大回撤 |
|----------|------------|------------|----------|-------------|
| 原策略 | 10.15% | 9.80% | 1.04 | -8.53% |
| 新策略 | 15.1% | 11.3% | 1.29 | -7.42% |
  • 新策略结合定价模型条款概率及板块估值,筛选估值高且稳定板块,优先挑选制造业转债。

- 策略持仓集中于制造业板块,显著降低回撤风险,年化收益率提升至约15%。
  • 交易费用及限仓规则设计保证策略更加稳健,提升组合整体的防御能力。


深度阅读

金融工程深度报告分析:《转债新规下的定价模型更新和绝对收益策略改进》



---

一、元数据与报告概览


  • 报告标题:《转债新规下的定价模型更新和绝对收益策略改进》

- 作者:马普凡
  • 发布机构:中国银河证券研究院

- 发布日期:2023年1月18日
  • 主题:可转换债券(转债)定价模型改进及绝对收益策略优化

- 核心论点
- 基于沪深交易所于2022年7月发布的转债新规,报告更新了转债的蒙特卡洛定价模型,具体体现在对转债条款触发和执行流程的明确建模。
- 通过加入条款执行概率的因素,增强模型对转股溢价率及转债价格的解释能力。
- 基于定价模型的输出,优化“固收+”转债绝对收益策略,提高策略的防御性能,实现年化收益率从约10%提升至15%,且回撤明显下降。
- 报告强调,条款执行概率可以结合发行公司财务基本面及板块特征进行判断,强化定价以及策略实施的有效性。
  • 报告声明:报告提供基于历史数据和统计的判断依据,不构成投资建议。


总体来说,报告旨在阐明转债新规对转债定价模型的影响,提升模型准确性,进而在此基础上改进绝对收益策略,实现收益风险的更优平衡。[page::0] [page::1]

---

二、逐章节深度解读



1. 转债市场新规及市场变化


  • 转债规模与活跃度

- 自2019年以来,转债市场年融资规模稳定维持约2500亿元。2022年发行153只转债,沪深交易所现有471只转债,总余额约8500亿元(图1、图2);
- 然而,受股票市场波动率下降影响,自2022年6月起转债交易活跃度大幅下滑,成交金额从2000亿元跌至约500亿元,显示市场热度明显降温。
  • 溢价率变化

- 新规出台后,转债上市首日溢价率趋于集中,交易更理性,预示投资组合预期变得较为稳定(图3)。

结论:转债新规促使市场定价合理化,成交活跃度虽有所下降,但融资功能依旧重要。[page::2]

2. 转债融资逻辑


  • 制造业转债融资特点

- 制造业资金密集,投资周期长,现金流压力大,债券融资成本高且融资难度大;
- 以通威股份为例,2019年通过转债融资50亿元,融资成本有效低于高达5%的中期票据融资,支持其扩产项目(图4~图8);
- 同期煤炭行业公司兖矿能源依赖债券融资,融资额度及成本远优于制造业公司,反映制造业资本结构及融资特点不同。

结论:转债作为制造业的融资手段兼具股权和债权优势,有助于企业降低融资成本支持扩产,且制造业转债有较强的产业支持逻辑和持续性。[page::3] [page::4]

3. 原有蒙特卡洛定价模型及存在问题


  • 传统基于蒙特卡洛模拟的方法,通过大量股价路径计算转股价值或债券终值,取平均折现得到当前转债价值。

- 但对转债条款尤其是“下修”和“赎回”条款的处理较为粗糙,默认满足条件即执行条款,忽视了实际操作中上市公司的决策自主性。
  • 条款触发后可能一直保持触发状态,未纳入具体执行概率和时间延迟,导致模型复杂度增大且不能准确反映市场价格。


图9示意了原模型的逻辑与问题。

结论:原有模型处理条款执行的概率性不足,且忽视转债新规后管理层须公告条款执行决策的程序,影响定价准确性。[page::5]

4. 转债新规对定价模型的影响


  • 2022年7月沪深交易所发布转债新规,明确规定触发下修或赎回后上市公司需及时公告是否执行,并明确相关时间节点和禁止期。

- 监管要求上市公司须在条款触发5个交易日前披露提示性公告,董事会决议后次一交易日公告执行或不执行方案,不执行的需说明期限(表1、图10、图11)。
  • 新规约束下,条款触发与执行之间存在确定时间间隔与暂停期,信息透明度提升。


结论:新规使得条款执行流程更加明确,可纳入定价模型显著提高精度,减少模型判断的不确定性。[page::5] [page::6]

5. 定价模型改良及条款触发流程建模


  • 根据新规,模型中条款执行引入明确的决策流程:触发提示、实际触发、董事会决议、执行或不执行及执行间隔/不执行期限(图12,图13);

- 统计数据显示,下修执行间隔多数为20个交易日左右,赎回时间较长,未执行的维持期多为90日或180日(图14,图15);
  • 模型通过引入这些流程参数,模拟触发及执行概率与时间,清晰划分不同时间段转债价值的变化。


结论:条款执行决策时点和执行延迟明确,新模型有效纳入这些因素,更贴近实际市场操作,为下一步概率建模奠定基础。[page::7]

6. 条款执行概率对转债定价的影响


  • 利用模型调节条款执行概率发现:

- 赎回概率越低,转债定价越高(因转债存在更长期持有的期权价值);
- 下修概率越高,转债定价也越高(较低转股价带来较高期权价值);
  • 以默认参数(赎回和下修均为100%概率)为基准进行模拟(表2、表3),显示条款概率显著影响最终转债估值水平。


结论:条款执行概率是影响转债价格的重要隐含变量,必须结合公司基本面和市场反馈进行估计,单纯条款触发不足以确定定价效果。[page::8]

7. 转股溢价率影响因素分析


  • 条款执行概率之外,转债溢价率受贴现率和正股波动率的影响也很大,且正股波动率与板块特性高度相关。

- 条款触发的财务及股权影响因素
1. 防止回售:上市公司倾向于避免回售期转债,以免融资失败,下修主要用于防止回售(图16)。
2. 大股东参与度:大股东持转债比例越高,下修意愿越强(图17)。
3. 促进转股:高资产负债率和高转股溢价率的转债更可能下修(图18,图19)。
  • 赎回相关因素

1. 大股东持债比例对赎回影响不明显,但能一定程度缓解股权稀释(图20,图21)
2. 财务费用较高的公司赎回意愿强(图22)
3. 大股东质押比例高者更倾向于不赎回以防股价压力(图23)

结论:条款执行概率在很大程度上与公司财务状况、大股东结构和市场压力相关,是转债溢价率的重要影响变量。[page::9][page::10]

8. 板块划分及板块特征对转债定价的影响


  • 报告根据转债业务相似性和投资逻辑,将转债划分为13个主要板块(附录表5),以求归纳不同板块隐含波动率和溢价率的共性;

- 对2023年1月13日的截面数据进行回归分析,发现:
- 先进制造业(芯片、锂电池、新材料等)板块转债估值较高,且拟合优度和离散度均较好,反映定价较合理稳定(图24);
- 传统行业如汽车板块估值分散大,拟合较差(图25);
- 芯片板块隐含波动率与实际波动率较为接近且一致性强,汽车板块波动率分化及偏差大(图26)。
  • 纵向观察,不同板块估值随时间波动,先进制造业估值稳定高于农牧、医药等不明确逻辑板块,反映投资者对产业逻辑期望的差异(图27)。


结论:定价模型应结合板块特征进行调整,先进制造业板块因成长性和投资逻辑明确而溢价较高且稳定,为策略筛选提供一重要维度。[page::11][page::12]

9. 利率及债底影响讨论


  • 虽然利率下降趋势持续,但近年利率变动对转债整体定价影响有限。

- 在模型中,贴现率不仅影响债底(最低保护价值),还影响美式期权中提前行权阈值和终值贴现,故利率上升理论上将压缩转债溢价率。
  • 实际操作中,债底实际上并非转债最低保护,因为美式期权价值部分会在转股价值尚未超过面值时发挥作用。


结论:利率因素仍需纳入模型,但其影响较波动率及条款执行概率次要,对策略使用影响较小。[page::11]

10. 绝对收益策略改进及表现


  • 报告基于转债定价模型将条款执行概率与板块估值纳入策略逻辑,认为定价已反映概率信息,直接选择更高“不赎回/下修”概率的标的可提高下跌保护,强化策略防御性(图28);

- 新策略“固收+.++”基于以下筛选原则:
1. 排除1年内到期券和已触发赎回及新上市不足一周债券;
2. 选择平价95~110区间转债;
3. 选择估值高且离散度低板块;
4. 按正股波动率与财务基本面排序;
  • 回测结果显示,策略年化收益率从约10%提升至约15%,回撤降低,波动率小升但主要由上涨行情贡献(图29、表4);

- 持仓集中于制造业,符合转债融资逻辑和业绩改善路径(图30)。

结论:引入条款执行概率和板块因素,有效提升策略收益和下行风险控制,体现定价模型改进的实用价值。[page::12][page::13][page::14]

---

三、图表深度解读


  • 图1(转债市场每年上市数量及规模):显示2015-2022年转债发行数量和募集资金长期上升,2019年以后规模显著增长至约2500亿元级别,反映转债市场成长性。

- 图2(转债成交变化):赎回余额稳步上涨,成交金额波动较大,2022年中后期成交额大幅下降至约500亿元,反映市场活跃度受股市影响。
  • 图3(上市首日溢价率分布):溢价率随上市月份不同,7月以后溢价明显收敛,呼应报告对市场理性化和集中定价的观点。

- 图4-8(通威股份案例图):展示制造业转债融资对成本、产能及利润增长影响的实证细节,通威转债融资有效降低生产成本、与利润大幅增长关联。
  • 图9(蒙特卡洛模拟定价逻辑):直观展示原模型根据股价路径计算转股及固定收益价值,但难以准确处理条款的现实执行流程。

- 图10-11(转债新规影响公告数据):显示7月份后不下修/不赎回公告数量上升,符合新规要求及市场预期规范化。
  • 图12-15(条款执行流程与时间分布):通过流程图及数据展示条款触发、决议、执行的明确时间节点及实际执行周期。

- 表2-3(定价模型输入及控制变量):列出模型基础参数及条款相关变量,对比不同概率设定下对转债估值和路径发生情况的影响,突出概率对价值的敏感性。
  • 图16-23(条款触发相关财务与股权数据):丰富数据支持条款执行概率与大股东持债比例、资产负债率、财务费用及质押比例等因素高度相关。

- 图24-27(板块估值及波动率对比):不同板块转债估值水平及波动率匹配情况,先进制造业板块表现优异,符合策略选券逻辑。
  • 图28(策略组合逻辑示意):说明新策略基于平值期权的Gamma属性提升下行保护,通过筛选高估值、低赎回风险的标的,实现组合防御提升。

- 图29-30(策略表现与行业配置):新策略在2021-2022年表现出更优的收益增长与回撤控制,且持仓结构主要集中于制造业,符合报告产业链逻辑。

---

四、估值分析


  • 采用蒙特卡洛模拟结合美式期权定价思想,通过生成大量股价路径评估转股价值与固定收益价值,结合贴现率计算转债期望现值。

- 专门加入佣金、时间分割和条款触发概率参数,体现转债转股价下修及赎回执行的时间延迟及概率性,
  • 模型关键输入包括:

- 贴现率(6%默认);
- 股价、转股价、波动率(40%默认);
- 赎回下修概率及执行间隔期限(默认100%,20个交易日执行间隔,90/180天不执行限制等);
- 模拟次数高于5000次保证精度;
  • 估值结果敏感于条款执行概率,赎回概率低估值高,下修概率高估值高(表2、表3)。

- 策略采用回归估值置信度和估值离散度筛选高估值且估值稳定的板块,进一步优化组合稳定性。

---

五、风险因素评估


  • 报告明确指出历史数据不可盲目外推,模型和策略基于历史统计和数据测算,不能构成投资建议,存在不确定的市场和制度风险。

- 转债条款实际执行高度依赖公司治理及市场环境,未来监管变化或公司行为变动可能影响模型假设有效性。
  • 市场波动率、利率等宏观变量变化可能导致模型偏离实际表现。

- 板块和基本面筛选存在主观判断风险,投资组合集中度提升也可能增加行业相关风险。

---

六、批判性视角与细微差别


  • 报告假设市场有效,价格已反映概率,对概率的估计主要依赖静态财务指标和公告历史,实际条款执行行为或受非财务因素影响(如管理层决策、政策变化等)未能充分捕捉。

- 模型默认条款执行概率依赖财务指标和公告数据,尚无动态市场行为模型,可能低估了突发事件风险。
  • 板块划分标准虽详实,但因行业发展不均匀及转债发行分布不均,估值回归结果的代表性可能存在限制,尤其对汽车等离散度高板块。

- 策略提升虽显著,但在极端市场环境下的表现尚不明确,策略的持仓调仓频率和交易成本考虑较为简单。
  • 定价模型中模拟次数虽提出建议大于5000次,但示例仅用100次展示,实际误差范围需关注。

- 仍存在对转债触发后市场反馈机制、投资者行为动态的缺失,未来模型可进一步引入行为金融和市场微结构分析。

---

七、结论性综合



本报告系统详尽地阐述了沪深交易所转债新规对转债蒙特卡洛定价模型的重大影响,重点在于明确条款下修和赎回的执行概率及时间延迟流程,使得转债定价更贴合实际情况。通过引入条款执行概率以及对公司财务基本面和板块特征的深度分析,构建了更精准的溢价率影响模型。

通威股份等制造业的实证分析展示了转债融资在制造业中的成本优势和业绩推动作用,验证了转债融资的逻辑持续性和策略配置的合理性。大量统计图表(如图16-23)揭示条款执行概率与大股东参与度、财务费用、股权稀释等多个维度高度相关。

板块维度的回归分析(图24-27)进一步明确市场对不同板块的估值偏好,先进制造业板块表现出较高且稳定的转股溢价率及较好的一致性,指导转债绝对收益策略的板块配置。

策略回测结果显示,基于更新后的定价逻辑优化的“固收+.++”转债绝对收益策略,收益年化提升显著,波动率提升主要来源于上涨行情,回撤明显降低,持仓偏好制造业板块,符合实际融资逻辑。

整体而言,报告展现了转债新规带来的定价模型升级及策略改进的理论和实证支持,体现了新规在促进转债市场健康发展、提升投资策略稳健性方面的重要作用。报告同时客观指出了历史数据限制,提醒谨慎使用和持续关注未来市场变化。

---

重要图表示例


  • 图1:2015-2022年转债募集资金与发行家数呈现稳步增长,2020年发行家数及规模达到峰值,表明转债市场持续扩容。



  • 图9:原蒙特卡洛定价模型面临条款执行时点判定困难,难以体现条款执行概率对转债价格的影响。



  • 图14:条款执行(下修/赎回)实施时间大多集中在20-40个交易日,赎回平均时间略长于下修。



  • 图24:2023年1月13日,不同板块转股溢价率回归估值,先进制造业板块估值水平较高且拟合优度较好。



  • 图29:新旧绝对收益策略相比,新策略回撤明显改善且收益率提升显著。




---

结语



报告在转债定价与投资策略两方面均实现了重要突破,以期引导投资者更加科学地把握转债市场新规带来的机遇与挑战。它通过清晰的条款流程建模和丰富的统计实证,为专业投资者提供了具备稳健风险控制能力的策略蓝图,并强调对条款执行概率与板块特征的动态跟踪必不可少。总体而言,此次转债新规与模型升级标志着市场迈向更成熟、更精准的转债投资新时代。[page::0] [page::2] [page::5] [page::7] [page::8] [page::9] [page::11] [page::12] [page::13] [page::14]

报告