宏观固收量化研究系列之（十一）：分类型可转债多因子组合的构建

有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 金融工程 | 专题报告 研究结论 ⚫ 可转债同时具有股性和债性，业界常常根据平底溢价率的区间，将转债划分为偏股型、平衡型和偏债型三个类型，从而区分出转债的股性债性强弱。从历史平均表现上看，可以看出偏股型转债具有更高的波动和更高的收益，平衡型转债次之，而偏债型转债则具有低波动、低收益的特点。 ⚫ 股性和债性的相对强弱将转债的收益和波动风格划分开来，是一个重要的风险因子，因而对于基于转债估值和量价特征的因子择券的效果，往往也因转债的类型而异。另一方面，对于不同的转债类型，投资者的偏好和配置权重往往各异，从构建因子组合的角度，如果对每一类转债分开进行研究，会更加契合投资者的需求。 ⚫ 本文提供了一种思路，即在每个类型的转债样本中构建多因子模型的可能性，基于估值和量化两个大类逻辑，分别测试在不同组别的表现，进而筛选出样本内表现较好的因子。 ⚫ 对于偏股型转债样本来说，本文最终选用的因子包括：绝对价格、蒙特卡洛模型定价偏离度、双低的 3M 时序 ZSCORE、隐波差的 3M 时序 ZSCORE、正股 60日 Amihud 指标、正股 60 日 ATR、转债近 20 日温和和隔夜收益之和均值、转债近 20 日开盘半小时成交量占比标准差。合成因子取得 7.16%的 Rank IC 均值，IC_IR 达 0.32，IC 胜率达 60.96%；分组表现上看，多头年化超额收益率达12.49%，信息比率达 1.38，多空年化收益率达 24.85%。 ⚫ 对于平衡型样本来说，本文最终选用的因子包括：纯债到期收益率、转股溢价率、蒙特卡洛模型定价偏离度、双低的 3M 时序 ZSCORE、正股 60 日 Amihud 指标、转债近 20 日开盘半小时成交量占比均值、正股 10 日 PERCENTB 指标、换手率调整后的转债近 60 日日内 5 分钟线收益率方差均值、换手率调整后的转债 10日 RSI 指标。合成因子取得 8.58%的 Rank IC 均值，IC_IR 达 0.42，IC 胜率达67.81%；分组表现上看，多头年化超额收益率达 10.25%，信息比率达 2.25，多空年化收益率达 19.31%。 ⚫ 对于偏债型样本来说，本文最终选用的因子包括：纯债溢价率、双低的 6M 时序ZSCORE、正股 20 日 PERCENTB 指标、正股 20 日动量、正股 20 日 MFI 指标。合成因子取得 7.8%的 Rank IC 均值，IC_IR 达 0.33，IC 胜率达 66.44%；分组表现上看，多头年化超额收益率达 10.54%，信息比率达 2，多空年化收益率达 17.19%。 ⚫ 本文还尝试了对于三个类型的转债多头多因子组合构建权重配置模型，在不对市场行情进行择时的前提下，基于组合的收益风险特征，对这 3 个组合的权重进行动态分配，以减少波动和回撤。本文测试了按照各类型个数占比配置、等权重配置、风险平价配置、均值方差模型配置和波动率倒数配置。结果表明，按照各类型个数占比加权和等权这两种被动的方式构建的组合，收益达 26.09%和 27.54%，但回撤较大。而按照风险平价模型和波动率倒数模型这两类更多考虑风险贡献的配置方法，具有更低的回撤，并且收益也与等权相接近，分别有 26.87%和 26.79%的年化收益率，最大回撤分别为 11.44%和 12.33%。 风险提示 ⚫ 量化模型失效的风险 ⚫ 市场极端环境的冲击 报告发布日期 2023 年 09 月 17 日 杨怡玲 yangyiling@orientsec.com.cn 执业证书编号：S0860523040002 宋之辰 songzhichen@orientsec.com.cn 执业证书编号：S0860523080001 可转债多因子模型初探：——宏观固收量化研究系列之（十） 2023-07-01 基于神经网络模型的利率择时：——宏观固收量化研究系列之（九） 2023-03-12 基于量价信息的利率择时探讨：——宏观固收量化研究系列之（八） 2022-12-13 债券的风险模型研究：——宏观固收量化研究系列之（七） 2022-09-03 分类型可转债多因子组合的构建 ——宏观固收量化研究系列之（十一） ——宏观固收量 金融工程 | 专题报告 —— 分类型可转债多因子组合的构建 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 2 目 录 一、 研究背景 .......................................................................................... 5 二、 模型设定 .......................................................................................... 7 2.1 样本池 .......................................................................................................................... 7 2.2 因子数据预处理 ............................................................................................................ 8 2.3 因子评估 ....................................................................................................................... 8 三、 单因子构建 ....................................................................................... 9 3.1 估值类因子 ................................................................................................................... 9 3.2 量价类因子 ................................................................................................................. 12 四、 分类型下的单因子筛选与因子合成 .................................................. 15 4.1 偏股型转债