从传统策略到深度学习的可转债投资
创建于 更新于
摘要
本报告系统分析了可转债市场的扩容及传统估值策略的收益衰减，创新性地引入深度学习模型（GRU+多因子）捕捉可转债市场非线性定价逻辑，构建深度学习因子，实现日频多头择券组合，显著提升投资收益。基于2021年至2023年回测，基于深度学习因子的TOP30全市场组合年化绝对收益达24.1%，超额收益显著；平衡偏债内部组合夏普提高至2.49，最大回撤显著优化。同时报告展示了深度学习因子在信用评级、转股溢价率等多维度的持仓特征，并提出将该策略嵌入固收+组合，有效提升风险收益比，助力构建低回撤绝对收益策略[ pidx::0][pidx::2][pidx::3][pidx::4][pidx::5][pidx::6][pidx::7][pidx::8][pidx::9][pidx::10][pidx::11][pidx::12][pidx::13][pidx::14][pidx::15][pidx::16][pidx::17][pidx::18][pidx::19]。
