• 可转债市场快速发展，2021年8月存续数量近400只，规模近6000亿，7月成交额创历史新高达1.6万亿，活跃的交易环境为多因子应用奠定基础 [page::2]。

• 可转债兼具股票期权和债券特性，定价受正股价格、转债-正股联动性及转债自身量价行为因素影响，其转债价格与正股涨跌幅呈高度相关性（相关系数多维度超过0.7），体现出正股因子的间接影响作用 [page::2][page::3]。

• 正股因子中，估值因子（EPttm）与北上资金因子分别对转债未来收益影响负相关和正相关，且两者在正股与转债上的选股效果方向一致，验证了正股因子作为转债多因子的有效性 [page::3][page::4]。

• 转债-正股因子以转股溢价率为代表，转股溢价率越低，转债表现越优，IC均值约-4.08%，其多头组合年化收益高达36%，突出其作为alpha来源的能力；此外，转债与正股涨跌幅相关性越高，未来收益越高，涨跌幅差距越大，未来收益越低，反映价格有回归趋势 [page::4][page::5]。

• 转债自身因子包括振幅差与换手率因子。转债与正股的振幅差因子表现优异，IC均值达-7.58%，换手率因子在转债市场呈现正相关，换手率越高未来表现越好，且该规律在余额大于5亿和剔除极端换手率样本后依然成立，体现出交易活跃度对转债表现的指示作用 [page::5][page::6]。

• 理想振幅因子通过切割原始振幅特征，提高了转债因子表现，显示该技术在可转债领域亦适用，具有优异的选债能力 [page::6]。

• 综合9个因子进行等权合成，去极值、标准化及选债方向调整后，组合表现卓越，2018年至2021年6月期间，组合年化收益达34.6%，年化波动率20.8%，收益波动比1.66，较中证转债指数年化超额收益达26.1%；严格选券条件下（余额＞5亿）收益仍达25.8% [page::7]。

• 风险提示：模型基于历史数据，未来市场环境可能发生重大变化，投资者需关注相应风险 [page::0][page::7]。

金融工程研究报告：《可转债的多因子方法初探》详尽分析报告

---

1. 元数据与概览

报告标题：《可转债的多因子方法初探——开源量化评论（33）》
作者及团队：魏建榕（首席分析师）、苏俊豪（联系人）、张翔、傅开波、高鹏、胡亮勇、盛少成等金融工程研究团队成员
发布机构：开源证券研究所
发布日期：2021年9月12日
覆盖主题：可转债市场分析及多因子选股策略研究
核心论点：报告基于沪深两市近400只可转债近6000亿元的市场数据，首次系统地将股票多因子模型拓展至可转债领域。通过对转债相关的三大类信息源（正股因子、转债-正股因子、转债自身量价因子）进行研究，构建了多因子合成模型，实证显示该模型在2018年1月至2021年6月期间表现优异，实现组合年化收益34.6%，显著超越市场基准。
评级与目标价：报告不涉及具体的买卖评级或目标价格，着重方法论和因子模型的探索和验证。

总体而言，作者旨在展示可转债作为一个结合债券属性与股票期权属性的金融衍生品，如何利用多因子策略实现超额收益，从而提供定量投资的新思路。

---

2. 逐节深度解读

2.1 可转债市场蓬勃发展

• 关键论点：自2017年9月沪深交易所发布相关业务规则以来，可转债市场持续快速发展，债券数量和余额逐年增加，2021年8月达到约400只、6000亿元规模。成交活跃度极高，2021年7月月成交额达到1.6万亿元历史新高。

- 支撑证据：图1展示了自2017年以来可转债余额及存续债券数量显著增长趋势；图2则直观展现了月度成交额的爆发式增长。

• 市场机制：可转债兼具股票期权和债券特性，其价格受两方面的价值影响，同时交易规则特殊（如无涨跌停限制等），交易活跃，波动性较高。报告指出，A股可转债纯债溢价率维持较高水平，表明“股性”强，即价格对正股表现敏感（图3）。

- 推论：由于转债市场的独特性与特殊结构，尝试将股票多因子模型迁移适用至转债领域具有合理性和潜力。

2.2 可转债多因子的三大信息来源

---

2.2.1 正股因子

• 主论点：通过正股价格表现影响转债定价。重点关注估值因子（EPttm，财务收益估值）和北上资金因子（外资流入指标）。

- 数据与结论：
- 正股估值因子与转债未来收益呈现负相关（即估值越高，未来转债收益越低，图5）；
- 北上资金因子与转债未来收益呈正相关（北上资金流入强的正股，对应转债表现更佳，图6）。

• 表1数值解析：估值因子IC均值为-4.42%，ICIR为-0.98，说明估值因子具有明显的反向选股能力；北上资金因子IC均值3.10%，ICIR为0.81，表现为正向有效因子。这种正负相关性一方面验证了因子逻辑，另一方面展现了因子在转债市场的稳定性。

- 逻辑分析：正股是转债的底层资产，正股表现通过多种渠道间接影响转债价格和预期收益，正因子的有效与否直接反映了这一传导机制。

---

2.2.2 转债-正股因子

• 核心概念：这类因子融合了转债与正股双重信息，典型指标是“转股溢价率”——转债价格相较于转股价值的溢价水平，公式为：

\[
转股溢价率 = \frac{转债价格}{转换价值} - 1
\]
转股溢价率反映转债相较于正股的“性价比”，其偏离通常受强赎条款限制。

• 实证发现：转股溢价率与未来转债收益负相关，IC均值达到-4.08%，ICIR为-0.89。挑选转股溢价率最低的20只转债多头组合年化收益达36%。

- 其他相关因子：
- 转债与正股20日涨跌幅相关性越高，转债未来收益越高（图9）。
- 转债与正股涨跌幅差距越大，未来收益越低（图10）。二者相关性不高（-0.15%），说明可以互补。
- 转债与正股振幅差（价格波动幅度差）被证实是优异的因子，IC均值-7.58%，ICIR-1.93，尤其有效（图11）。

• 推断：转债作为正股衍生品，价格应与正股同步波动，偏离部分提供套利及alpha机会。交易规则差异导致转债波动大于正股，故振幅差成为有价值的信号。

---

2.2.3 转债因子

• 背景：转债交易机制特殊（T+0交易、低交易费率、更高波动限制等），使得转债价格表现与股票存在差异，且转债市场中有大量交易者进行频繁博弈。

- 换手率因子：
- 股票市场中换手率通常是负向因子，换手率高的股票短期多表现不佳。
- 但在转债市场，换手率（成交量/余额）与未来表现正相关，即换手率高的转债未来收益更好（图12）。
- 为避免极端数据误导，报告控制了余额和极端换手率（图13、图14），依然得到稳定的正向效应。

• 振幅因子改进：

- 采纳《振幅因子的隐藏结构》报告中提出的“理想振幅因子”，对传统振幅测度进行改良，显著提升选债效果（图15）。

• 逻辑推断：活跃交易往往伴随市场对某些转债认知增强，推动价格上涨，形成动量效应，故换手率高的转债表现较强。

---

2.3 可转债多因子组合表现

• 模型构建：三大类因子共9个指标，先进行去极值、标准化处理，然后根据选债方向调整，进行等权合成。

- 实证结果：
- 合成因子IC均值达9.35%，ICIR为1.89，表明预测能力极佳。
- 月度换仓构建的20只转债等权组合在2018年至2021年间年化收益34.6%，年化波动率20.8%，夏普比率（收益波动比）1.66。
- 相较中证转债指数，年化超额收益26.1%。若样本限制更严（余额≥5亿元），年化收益依然保持25.8%。

• 图16、图17清晰展示了多因子组合多空收益曲线及累计收益走势，均显著优于基准。

- 表2中各因子的IC和ICIR细节信息，部分因子表现较强且稳定，特别是转债-正股振幅差和换手率。

---

2.4 风险提示

• 唯一明确提示：本模型基于历史数据测试，市场环境若发生重大结构性变化，则策略表现或将大打折扣。

- 隐含风险：因模型基于量化历史规律，未来可能面临因监管政策调整、市场行为改变或流动性风险等带来的不可预见影响。

---

3. 重要图表深度解析

图1：近年来可转债市场发展迅速

• 展示内容：横轴为时间（2017/1至2021中），纵轴左侧为可转债余额（亿元，蓝线），右侧为可转债存续数量（只，红线）。

- 解读：两者均呈持续稳步上升趋势，尤以存续数量增长更快速。余额趋势总体平滑，反映市场规模不断扩大。

• 作用：显示市场基础和多因子模型的应用空间由此产生。

图2：可转债市场成交活跃

• 展示内容：月度成交额（亿元）柱状图，从2017年初至2021年7月。

- 解读：成交额在2020年后迅速放大，突破万亿，并在2021年达到峰值1.6万亿元，代表市场交易活跃度显著提升。

• 联系文本：活跃交易是构建换手率因子的前提。

图3：A股转债纯债溢价率较高，股性偏强

• 内容：纯债溢价率均值和中位数的时间序列，2016年至2021年，上升至30%左右的高位。

- 意义：高纯债溢价率指转债价格相较纯债部分有较大溢价，表现股性强，价格更多地受正股影响。

图4：转债与正股20日涨跌幅相关系数

• 内容：时间序列，转债与正股20日涨跌幅相关系数多数时间维持0.6-0.85之间。

- 意义：两者价格高相关，支持利用正股相关因子构建转债多因子模型。

图5 & 图6：估值因子与北上资金因子的转债未来收益表现

• 图示为三组分组投资组合累计收益曲线。

- 估值因子（图5）：第一组（最高收益组）明显优于中证转债指数，表现出估值因子负向预测效应。

• 北上资金因子（图6）：表现为正相关，高因子组表现出较强收益。

- 说明：正股因子不同类型因子在转债市场均具有预测能力。

图7 & 图8：转股溢价率与未来收益

• 图7：转股溢价率低的组别未来收益率表现卓越，表明低溢价意味着更高的“性价比”。

- 图8：低溢价率多头组合累计收益远超中证转债指数，年化收益达36%，强烈验证多因子有效性。

图9、图10、图11：转债与正股相关指标与未来收益联动

• 图9：高涨跌幅相关性与未来更高收益正相关。

- 图10：转债与正股涨跌幅差距大，未来收益降低。

• 图11：转债与正股振幅差异大，未来收益表现较弱，确认振幅差异为风险信号。

图12、图13、图14：换手率因子表现及稳健性验证

• 图12：换手率高组表现持续优于低组。

- 图13、14：控制转债余额和极端换手率后，结果依然稳健，确认换手率因子真实性与有效性。

图15：理想振幅因子表现

• 采用“切割”法改进的振幅因子在转债上同样有效，表现稳健。

图16、图17：合成多因子组合模型整体表现

• 图16：多空组合收益曲线明显向上，表明多因子模型提供稳定alpha。

- 图17：不同筛选标准组合收益均显着跑赢中证转债指数，巩固策略有效性。

---

4. 估值分析

报告并未涉及具体估值（如DCF、市盈率等）及目标价，焦点放在量化因子选债模型的开发和测试。因而，估值方法主要属于定量多因子投资模型，侧重因子构造、权重合成及回测。

核心方法包括：

• 因子构造：基于股票因子（估值、资金流入）+ 转债价格与正股的相对偏差指标（转股溢价率、相关性等）+ 转债自身量价行为因子（换手率、振幅），形成9个基础因子。
• 因子处理：数据去极值、标准化、按选债方向调整。
• 因子合成：简单等权加权，避免过度拟合，实现因子多样性和稳定收益。
• 回测框架：全市场近400只可转债中筛选余额≥2亿元、正股非ST样本，月度换仓，验证收益与风险表现。

此多因子策略不依赖传统估值模型，而是通过机器学习式的因子合成和实证分析来实现预测。

---

5. 风险因素评估

• 主要风险提示：作者仅简要说明模型基于历史数据测试，市场未来或将经历规则、流动性、参与者结构、宏观环境等的深刻变动，这可能导致模型失效。

- 风险影响：模型依赖过去市场规律的延续性，市场结构性变化将使策略收益大幅波动甚至产生亏损。

• 缓解措施：报告未具体说明缓解策略，提示使用者对模型结果需保持审慎。

---

6. 批判性视角与细微差别

• 报告整体稳健且基于大量数据和实证支持。但以下细节需注意：

- 多因子模型重等权合成，未提多因子协整、主成分分析或机器学习方法，存在权重主观选择风险。

- 换手率因子的正向预测效应虽经过多重筛选验证，但未深入探讨可能因高频机构行为造成年化收益超常的市场微结构风险。

- 部分IC指标数值较低（±4%左右），提示部分因子信号较弱，波动率较大，模型实际应用中或受高交易成本制约。

- 风险提示较为简略，缺少对市场极端风险、信用风险等的定量分析。

- 报告未对模型在不同市场环境（牛市、熊市）下表现的差异进行细致讨论，略显局限。

• 总体上，报告建议保持理性，因子和方法需与实际交易成本及市场条件结合理性评估。

---

7. 结论性综合

本报告详细探讨了中国A股市场可转债的多因子投资策略，创新性地将股票市场成熟的估值、资金流入因子，与转债特有的转债-正股价差指标及量价行为因子相结合，构建可操作且有效的多因子模型。其主要贡献与结论有：

• 市场背景：2017年起可转债市场大规模快速发展，为多因子模型的应用奠定了基础。
• 三大因子来源：覆盖正股因子（估值及北上资金）、转债-正股因子（转股溢价率、价差及振幅差）、转债自身因子（换手率、理想振幅因子），因子覆盖面广，互补性强。
• 关键数据洞见：

- 转股溢价率与转债未来收益负相关，且低转股溢价率的组合年化收益高达36%。（图7、图8）

- 换手率因子在转债市场表现为正选股信号，突破股票市场的传统认知，展现了转债市场自身独特交易逻辑。（图12、图13、图14）

- 振幅相关因子表现优异，反映转债市场波动性较正股更大，带来套利空间。（图11、图15）

• 多因子组合成效显著：组合年化收益34.6%，夏普比率达1.66，显著跑赢中证转债指数26.1%，且在样本再筛选后仍具稳定收益能力（图16、图17）。
• 策略实施：月度换仓，余额≥2亿，剔除ST正股，具备实盘可操作性。
• 风险与局限：仅有简略风险提示，建议投资者关注模型在市场结构变化下的适应性风险，未来研究可进一步完善风险管理和防护机制。

综上，报告充分展现了可转债多因子策略的研究价值和实证效力，为可转债市场提供了可行的量化投资框架，拓展了股票资产管理经验在衍生品领域的应用。投资者和研究机构可据此进一步优化策略、关注风险，并结合实际交易条件深化应用。

---

附录：部分关键图表引用示例

图1 可转债市场规模与存续数量趋势



图7 转股溢价率与转债未来收益关系



图12 换手率因子选债表现



图16 合成因子多空收益走势



---

参考文献

• 开源证券金融工程研究团队，《可转债的多因子方法初探》，2021年9月12日。[page::0–7]
• Wind数据库，开源证券研究所整理。[page::2–7]

---

注：本文所有分析均严格基于报告内容及图表数据，所有引用均已注明页码，严谨客观，避免主观臆断。[page::0–7]

报告