收益与风险的平衡，系统刻画转债中观特征.docx

市场上转债的研究偏向于宏观和微观层面，宏观研究包括经济基本面研究、转债市场择时研究，而微观研究包括选债研究、条款博弈研究。 宏观和微观的逻辑往往没法直接传导，因此这两块研究相互分离，无法构建有效的联系。本文我们尝试构建这一联系，我们会从中观视角出发提供一个新的研究思路。 图 1：宏观和微观依靠中观研究联接 资料来源： 转债市场上，有一系列共性要素可以定价转债的波动，这些要素对转债市场有很强的解释力。这些要素可以分为三个部分，它们包括转债端的因子、正股端的因子、行业端的因子。本文我们尝试构造一个模型，从繁杂的信息中剥离出对于转债收益产生影响的公共因子,然后运用这些公共因子进行归因分析和风险预测。 基于上述逻辑，我们围绕转债市场构建中观风险模型，它能帮助我们去理解在不同的时间点上，什么因素驱动了转债的上涨或者下跌，让我们更有效地去把握未来市场的共性要素。 、 哪些因素定价了转债的涨跌 我们将转债的收益拆分为 4 部分：正股因子贡献+转债因子贡献+行业贡献+特质贡献。 图 2：转债的收益可拆解成三个 Beta + 特质收益 资料来源： 我们通过三层 Beta 来刻画转债的收益和波动： Beta 之一：正股因子 在正股，我们引入了成长、价值、动量和 Beta 这四个因子，用来刻画正股端属性对转债涨跌的影响。 Beta 之二：转债因子 为充分体现和解释转债市场的一些特殊风格，我们加入了多个转债端的指标。其中有四个基础指标，余额、换手、评级、平价，另外我们还加入转债的估值指标：风向标错估价格因子。 Beta 之三：行业因子 正股所在的不同行业也会对转债有较大影响，相同行业的转债往往会同涨同跌结构，行业的特征也会同步影响转债的风险和收益。 Beta 不能解释的部分收益：特质收益 根据我们的研究发现，上述三个 Beta 能解释大部分的转债价格波动，除此之外，转债个券还有自己的特质价格波动，我们定义为特质收益。 、 转债端因子 表 1：转债端因子 因子 说明 转债端（5） 余额 转债余额 换手 20日日均换手 评级 数值化处理，AAA记为 1，AA+记为2，A+记为6 估值 风向标错估价格指标 平价 转债的转股价值 ， 转债端因子使用四个基础指标，余额、换手、评级、平价，和我们构造的一个估值指标：风向标错估价格因子。 转债余额和平价直接使用原始数据即可，换手我们使用转债的 20 日日均换手率数据。而对于评级，因为不是数值指标，所以我们需要将评级转化为数值形式，我们将 AAA、AAA-、AA+、AA、AA-、A+转化为 1 – 6。 图 3：风向标因子：转债价格-模型价格（单位：元） 资料来源： 估值指标使用的是风向标错估价格因子，具体来讲就是先通过二次曲线拟合得到转债价格和平价之间的关系，得到一个二次曲线定价模型，再计算转债价格 –模型价格得到估值因子，这个值越高代表转债越高估。 、 正股端因子 正股端因子我们采用引入权益市场对风险影响较大的四个因子，价值、成长、动量、Beta，它们反映了转债对应正股在相应风格上的暴露。 具体因子构造方法参见下表 表 2：正股端因子 正股端因子（4） 一级因 子 二级因 子 描述 beta HBETA 股票收益率对市场收益率进行时间序列回归，取回归系 数，回归时间窗口为 252 个交易日，半衰期 63 个交易日 价值 BTOP 将最近报告期的普通股账面价值除以当前市值 成长 EGRLF 分析师预测的长期（2 年）利润增长率 EGRO 过去 5 个财政年度的每股收益对时间回归的斜率除以平 均每股年收益 SGRO 过去 5 个财政年度的每股年营业收入对时间回归斜率除 以平均每股年营业收入 EGRSF 分析师预测的短期（1 年）利润增长率 动量 RSTR 先计算非滞后的相对强度，对股票的对数超额收益率进行半衰指数加权求和，时间窗口 252 个交易日，半衰期 126 个交易日；计算 11 个交易日的历史相对强度的等权 平均值，再滞后 11 个交易日 ， 考虑到市值因子和转债余额高度相关，所以我们不把市值因子放入模型。 、 如何获得纯因子收益 图 4：纯因子收益率计算方法 资料来源： 我们通过截面回归得到纯因子每日的收益，计算需要输入三个数据： 转债的日收益率数据 风格因子（正股因子+转债因子）的暴露数据 行业因子的暴露数据 风格因子使用前我们需要进行标准化处理，包括去极值和 zscore 标准化操作： ????????????(??) = ?? ? ??? s 行业因子则是 0,1 变量，行业使用中信一级行业，如果在 xx 行业中，那么行业因子值记为 1，不在 xx 行业，行业因子值记为 0。 因为行业和截距项（基准收益）同时存在，所以会存在共线性的问题，这里我们还需要限制行业的加权收益为 0。 通过截面上的回归，