• 可转债市场规模不断增长，存续量超560只，月成交额常年破6000亿（见图表1）。

- 可转债价格与正股收益率高度相关，选取268个正股及转债因子进行模型筛选（见图表2）。

• 多因子模型相比传统“双低”策略在收益及风险控制上表现更优，策略净值显著超越基准（见图表3、图表9）。

- 可转债分为偏债、平衡、偏股三类，数量构成随市场变化（见图表4），且不同类型组合风险收益特征差异明显（见图表5）。

• 多因子模型分别结合各类转债筛选因子，分别拟合15个偏债因子（图表6）、14个偏股因子（图表7）和12个平衡因子（图表8）。

- 多因子策略回测显示，偏债策略年化22.22%、偏股24.54%、平衡策略最高30.09%，显著优于“双低”策略11.04%和中证转债1.4%（见图表10）。

• 分年度分析显示偏股策略牛市贡献大，波动最大，偏债策略防守性佳，平衡策略兼具稳健与收益性（见图表11）。

- 风险提示强调历史回测不代表未来，策略有效性受市场环境及因子变动影响。[pidx::2][pidx::3][pidx::4][pidx::5][pidx::6][pidx::7][pidx::8][pidx::9][pidx::10][pidx::11]

多因子模型在可转债中的应用——深入分析报告解读

---

一、元数据与报告概览

• 报告标题：《多因子模型在可转债中的应用——量化可转债研究（一）》

- 作者：陆豪、康作宁

• 发布机构：国联证券研究所

- 发布日期：2024年

• 研究主题：基于多因子模型的可转债量化投资策略研究，明确对比传统“双低”策略，构建多层次模型进行风险收益优化。

核心观点：
该报告提出可转债市场因其兼具债券与股票性质，适合采用多因子量化模型进行投资组合构建。相比股票多因子模型面临的“因子有效性下降”问题，当前可转债量化研究及应用尚处于起步阶段，仍存较大alpha挖掘空间。报告通过对可转债进行股债性分层，使用多因子模型选股，验证策略收益和风险表现均优于经典“双低”策略，特别是平衡型可转债模型风险调整后表现最好。

---

二、逐章节深度解读

1. 研究背景

1.1 可转债规模变化

报告指出，截至2024年3月，沪深两市有约560只可转债存续，总规模约8400亿元，月交易额保持在6000亿元以上，显示市场成熟且活跃。由此提出将股票领域成熟的多因子选股技术移植至可转债领域的合理性。

图表1分析：

• 左图柱状线显示每年存续转债数量不断增长，从382只增长至560只左右。

- 右图月度成交额波动较大，2022年6月达到高峰34000亿元，2023年以来有所回落。具有较强的流动性保证多因子策略实施的基础。

1.2 多因子模型简介

报告简明概述了多因子模型来源于1976年Stephen Ross提出的套利定价理论(APT)，论证资产收益受多重因素线性影响。多因子模型通过结合宏观经济、行业、公司及市场情绪等众多因子，实现风险收益特征的精准捕捉及组合构建。

模型基本形式说明：
$$Ri = ai + b{i1}F1 + b{i2}F2 + \cdots + b{ik}Fk + \epsiloni$$
其中，$Fk$表示风险因子，$b{ik}$因子暴露度，$\epsiloni$误差项。

报告强调多因子模型作为框架，可结合不同资产特性定制因子体系，适用于可转债的复合特征。

---

2. 可转债因子范围选定与分层

2.1 因子范围与正股关联

正股收益率与可转债收益高度正相关（图表2显示相关系数通常在0.5~0.8区间），体现了正股价格对转债定价的直接影响。报告据此将可转债自身因子与对应正股的价值、动量、质量等因子合并构建因子库。

在样本选择上，限定余额≥1.5亿且正股无ST风险，交易频率设为周度，保证数据流动性和稳定性。

2.2 可转债分层

可转债股性与债性通过“平价/底价”比值划分为三类：

• 偏债型：转债价格贴近纯债价值，风险较小。

- 平衡型：股性债性平衡，风险收益中庸。

• 偏股型：股性较强，受正股波动更大，波动性和潜在收益更高。

图表4分析：分层转债数量趋势

• 平衡型数量最多，随市场波动但稳定增长。

- 偏股与偏债型数量相对较少，有明显波动，尤其偏债型2024年初显著上涨。

2.3 不同类型表现差异

图表5显示，偏股型组合波动最大，收益不稳定；偏债型组合波动最小但收益相对平稳；平衡型组合介于两者之间。说明投资者可根据风险偏好选择对应分层投资策略。

---

3. 单因子模型筛选

针对不同分层的转债，分别计算单因子的截面Rank IC、ICIR、年化多头与多空收益率，然后剔除多重共线性(VIF指标)后完成因子筛选。

3.1 偏债型模型因子（15因子）

• 重点因子有ROC20（20日价格变动率）、CCI88（商品通道指数88日）、DDI（动量指标）及收益率到期（ytm），IC均呈正向，部分因子IC约5%～7.5%。

- 唯一负相关因子为puredebtPremRatio（纯债溢价率），表明溢价率高可能带来负面收益。

• 多头年化收益率多数在15%-22%，多空收益率略有差异。

3.2 偏股型模型因子（14因子）

• 负因子包括baseRate（基准利率）、ARBR（情绪指标）以及溢价、估值指标PB、bondPremDisc均负方向。

- 正因子包括账户应付天数(AccountsPayablesTDays)、ILLIQUIDITY（流动性）、到期收益率ytm等。

• IC值较偏债型稍低，部分在2%-5%，说明偏股型因子信噪比波动更大。

3.3 平衡型模型因子（12因子）

• 主要因子bondPremRatio（转债溢价率）、TVSTD20（成交量波动）、KDJ_D（动量指标）等，均表现出较强的预测力。

- IC指标普遍为正负趋势混合，abs(IC)在2-6%之间，ICIR表现较稳定。

• 换手率因子多为负向，符合换手过高预示风险的逻辑。

---

4. 多因子模型拟合及策略表现

4.1 模型拟合方法

采用多元线性回归拟合每期因子与当期收益的关系，取时间序列均值确定因子权重。策略每周调仓，取因子得分top20构建等权组合。

4.2 策略净值及收益分析

图表9显示，偏债、平衡、偏股三种策略净值线均明显高于中证转债指数及“双低”策略，净值增长幅度排行为：平衡型 > 偏股型 > 偏债型 > 双低 > 指数。

图表10数据解读

|策略|累计收益率|年化收益率|波动率|夏普率|最大回撤|换手率(周度)|
|-|-|-|-|-|-|-|
|中证转债指数|1.40%|0.45%|8.60%|-0.28|15.27%| - |
|偏债策略|68.62%|22.22%|8.91%|2.17|9.22%|40.06%|
|偏股策略|75.76%|24.54%|18.22%|1.19|22.42%|25.41%|
|平衡策略|92.91%|30.09%|12.09%|2.25|9.08%|44.52%|
|双低策略|34.10%|11.04%|11.23%|0.73|17.55%|19.75%|

• 平衡型策略收益最高（年化30.09%），风险调控良好（夏普率2.25，最大回撤9.08%）。

- 偏债策略具有最低回撤（9.22%）和较稳定的收益率，风险偏好较低投资者首选。

• 偏股策略收益最高但波动性大，市场不利时亏损深（最大回撤22.42%）。

- 经典“双低”策略表现次优，确认量化多因子模型对传统策略有显著改进。

图表11 分年度表现

• 2021年，市场牛市，偏股策略收益最高（85.96%），偏债策略收益相对较低但稳健。

- 2022-2023年市场震荡，偏股策略表现波动大甚至负回报，偏债与平衡策略表现更加稳定。

• 平衡策略表现灵活，兼顾风险和收益，在震荡市中表现优异。

---

5. 风险提示

报告明确提示：

• 本报告结论基于历史回测，历史表现不能保证未来有效。

- 因子有效性可能随宏观经济、市场情绪和政策变化而改变，投资策略存在失效风险。

• 量化模型涉及选样标准、因子构造及参数选择，存在模型风险。

---

三、图表深度解读

• 图表1揭示了可转债市场规模与活跃度的长期增长趋势，保证量化策略基础数据质量。

- 图表2准确反映正股收益率与转债收益的稳定相关关系，是结合正股因子开展转债多因子策略的理论支持。

• 图表3直观展示传统“双低”策略净值波动较小但表现逊色于所有多因子策略，基准合理并为后续模型优劣对比提供参照。

- 图表4可转债按平价/底价比值分层数量分别变化，体现市场环境驱动结构变动。

• 图表5以净值水平和波动展示三类转债的不同风险收益特征，为分层建模提供实证依据。

- 图表6-8详细列出不同分层模型因子，结合IC、ICIR、VIF指标验证各因子的预测力、稳定性和可用性，确保模型科学性。

• 图表9清晰表明多因子策略相较指数及双低策略优异表现。

- 图表10提供了关键绩效指标一览（年化收益、波动率、夏普率、最大回撤、换手率），直观量化不同策略综合表现。

• 图表11按年度细分表现，揭示策略在不同市况下的差异化表现及稳健性。

---

四、估值分析

报告中未直接涉及传统企业估值法(如DCF、PE、EV/EBITDA)的具体操作，但因子模型以统计多元线性回归形式确定各个因子权重，属于多因子评分模型，估值依赖于因子对未来收益率的解释力（IC指标等）。

因子权重即为线性回归回归系数的均值，代表因子对收益率的边际贡献，组合最终以因子加权得分排名实现投资选取。

---

五、风险因素评估

报告风险因素较集中于以下几点：

• 历史表现局限：依赖过去数据，未来市场环境变化可能使模型失效。

- 因子有效性波动：经济周期、政策调整、市场情绪变化均可能改变因子表现。

• 模型参数和样本池限制：如样本要求余额≥1.5亿及剔除ST股票，限制了策略适用范围。

- 高频换手风险：换手率较高可能带来交易成本压力和市场冲击风险。

报告提醒投资者审慎使用模型结果，适时调整策略。

---

六、批判性视角与细微差别

• 因子有效性偏低：部分因子的IC值普遍较低（多在2%-7%），单因子预测力有限，模型依赖多因子聚合稳定性，可能存在过度拟合风险。

- 换手率较高：尤其是偏债型与平衡型策略，年化换手率达40%左右，增加实际操作难度和成本。

• 策略适用期市场环境影响显著：偏股策略波动大，显示模型在熊市或震荡市表现不足稳定。

- 模型未考虑宏观经济变动直接因子，是否可通过引入更多宏观因子优化有待验证。

• 报告整体结构合理，逻辑清晰，但实际应用中需要关注数据更新延迟与因子过时风险。

---

七、结论性综合

本报告全面系统地探讨了可转债投资领域内多因子模型的构建及其在不同转债分层的应用效果。通过引入正股因子及可转债自身因子，构建了分层多因子评分模型。模型表现显著优于传统中证转债指数和“双低”策略，尤其是平衡型策略在风险调整后收益率最高，显示出较好的稳健性。

关键发现包括：

• 可转债市场规模和流动性稳步增长，为量化策略实施提供理想条件。

- 正股收益与转债紧密联动，纳入正股因子为模型增添重要信息维度。

• 平价与底价的比值有效区分偏股、平衡和偏债三种转债，分层晾曝不同风险收益特征。

- 多因子模型中使用的因子普遍表现出一定的预测能力（IC、ICIR均有一定水平），但单一因子效力有限，需组合使用。

• 模型策略整体年化收益率达22%-30%，显著优于传统“双低”策略的11%，风险管理表现优异。

- 不同策略在牛市与震荡市表现差异明显，投资者可依据风险偏好灵活配置。

• 报告注重风险警示，提醒模型过往表现不代表未来，不同市场环境将影响因子有效性。

总体来看，报告以严谨的数据支持和科学的模型构建，提供了一套有效的可转债多因子量化投资策略，具有较强的实操参考价值。对于寻求超额收益且具备一定风险承受力的机构投资者尤为适用。后续可进一步优化因子体系，探索更广泛的市场因子及宏观变量集成。

---

结束语

本次报告充分体现了多因子模型在可转债领域的应用潜力，结合详实的因子筛选、模型拟合与策略回测，给出了实证的量化投资解决方案。建议投资者关注分层策略表现，理性评估模型假设和市场环境变化风险，合理利用量化工具提升投资组合的风险调整收益水平。

报告