多因子模型在可转债中的应用.docxVIP

正文目录

TOC\o1-2\h\z\u研究背景 3

可转债规模变化 3

多因子模型简介 3

因子范围选定 4

因子评估方法 4

多因子模型比较基准 5

可转债的分层 6

转债类型划分 6

不同类型可转债的表现差异 7

单因子模型选择 8

偏债型可转债因子参数 8

偏股型可转债因子参数 8

平衡型可转债多因子模型 9

多因子模型 10

模型拟合 10

模型评价 10

风险提示 12

图表目录

图表1：可转债存续规模以及月度成交额 3

图表2：可转债与正股收益率相关系数 4

图表3：“双低”策略组合净值 5

图表4：分层可转债分布 6

图表5：分层可转债组合净值 7

图表6：偏债型可转债模型因子列表 8

图表7：偏股型可转债模型因子列表 9

图表8：平衡型可转债模型因子列表 9

图表9：各类型转债策略组合净值 10

图表10：各类型转债策略测试结果 11

图表11：分年度各策略表现情况 11

研究背景

可转债规模变化

截止2024年3月，沪深两市共有近560只可转债存续，可转债市场合计规模约

8400亿元，可转债月度交易量也常年维持在6000亿以上。得益于市场可转债总体规模增长以及其独特的交易机制，我们把股票多因子选股的方法应用到可转债上。

图表1：可转债存续规模以及月度成交额

资料来源：wind，

多因子模型简介

多因子模型的理论基础可以追溯到套利定价理论（ArbitragePricingTheory，简称APT），该理论最早由StephenRoss(1976)提出。套利定价理论是一种资产定价理论，旨在解释资产回报差异的来源，并基于市场的套利机会来确定资产的合理价格。套利定价理论认为，在市场不存在风险套利机会的情况下，风险资产的预期回报应该与一组风险因素相关联，并且这些回报与各个因素之间存在线性关系：

????=????+????1??1+????2??2+????3??3+?+??????????+∈??

这些风险因素可以是宏观经济因素，也可以是公司特定因素，也可以是市场上的交易情绪因素。多因子模型的核心在于识别出那些与资产回报显著相关的因子，并利用它们来解释和预测资产的回报。通过多因子模型，投资者可以构建一个包含多个因子的投资组合，并根据各个因子的权重对资产进行定价和评估。通过调整不同因子的权重和组合，投资者可以根据自身的投资目标和风险偏好来构建投资组合，以追求超额收益或降低风险。

因子范围选定

可转债作为一种复杂的衍生品，兼具股票期权与债券的性质。因此，影响其期权价值与债券价值的因素，都会对可转债的定价有所影响。

横截面上，正股的涨跌幅与转债涨跌幅存在着强相关性（如图表2），这是转债定价受正股影响的直接体现。因此，除了转债自身的各类因子之外，正股因子、正股与转债的的联动也可以作为因子选择的来源。

图表2：可转债与正股收益率相关系数

资料来源：wind，注：收益率为可转债与正股的周度收益率

为了保证转债的流动性与稳定性，在进行可转债多因子测试时，我们把样本池限定在余额大于1.5亿，且正股不处于ST或*ST状态的转债。换仓频率方面设定为周度换仓。

最终我们选定了可转债特有因子、可转债正股因子合计268个进行模型初步拟合筛选。

因子评估方法

与传统股票多因子模型一致，本文对可转债的因子评估指标也采用常见的RankIC体系和分组收益表现两种方法来评定某单因子的表现：

RankIC：当期因子值与未来一期(未来5日)回报率的截面秩相关系数，该

值的绝对值越大，表示因子的对下期的收益预测能力较强；

ICIR：RankIC的均值除以标准差，该值的绝对值越大，表示因子的收益预测能力的稳健性较高；

分组收益：我们希望根据可转债的偏股、偏债属性进行大类分组，在每一大类分组中分别构建模型，而我们既关注因子的分组单调性，同时也关注头部及尾部的表现，因此本文考虑如下分组方法，在每期调仓时按照因子值的排序构建top20组合，这样的设定更加关注因子多头方向的表现。

多因子模型比较基准

此外，我们希望探究多因子模型方法是否在某些方面优于传统转债投资方法，因此除却中证转债指数外，我们还根据经典的转债“双低”策略额外构建了一只基准进行比较。

“双低”策略：选取市场当期双低值=转债现价+（转股溢价率×100）最低的

N只转债构建轮动组合。

图表3：“双低”策略组合净值

资料来源：Uqer，

可转债的分层

转债类型划分

可转债兼具股性和债性。可转债的债性表现为：如果债券持有人不执行转股条款，且没有提前赎回，可转债可