可转债K线看跌信号与交易增强策略.docx

请务必阅读正文后的重要声明部分

请务必阅读正文后的重要声明部分

目录

可转债K线形态因子分析 1

构建K线形态因子 1

数据来源与处理 2

K线形态因子检验结果 2

看涨看跌形态统计分析 5

2K形态分布情况 5

不同败率看跌形态组合收益率 7

触发K线形态买卖信号 8

基于看跌形态的交易策略 9

交易策略说明 9

交易策略回测结果 10

敏感性分析 11

总结与展望 12

风险提示 12

请务必阅读正文后的重要声明部分

请务必阅读正文后的重要声明部分

图目录

图1：因子多头组合组1与中证转债指数累计收益率 3

图2：单K形态因子IC累计曲线 4

图3：单K形态因子分组累计收益率 4

图4：2K形态因子IC累计曲线 4

图5：2K形态因子分组累计收益率 4

图6：2K形态因子（胜率打分）IC累计曲线 4

图7：2K形态因子（胜率打分）分组累计收益率 4

图8：2K看跌形态因子（胜率打分）IC累计曲线 5

图9：2K看跌形态因子（胜率打分）分组累计收益率 5

图10：2K形态因子IC累计曲线 5

图11：2K形态因子分组累计收益率 5

图12：不同胜率形态识别可转债组合累计收益率 8

图13：中证转债指数中交易策略累计收益率 11

图14：混合型转债中交易策略累计收益率 11

表目录

表1：因子信息系数分析 3

表2：因子相关系数 3

表3：2K形态种类分布统计 6

表4：胜率高的看涨2K形态统计 6

表5：胜率高的看跌2K形态统计 7

表6：形态因子分组检验风险收益指标 7

表7：2K形态种类分布统计-未来5天收益率 8

表8：看跌形态不同持有期年化收益率 9

表9：2K形态种类分布统计-结合价格和成交量趋势-未来5天收益率 9

表10：不同转债指数池子中交易策略结果 10

表11：不同类型转债池子中交易策略结果 10

表12：不同转债指数池子中交易策略结果-敏感性分析 11

表13：不同类型转债池子中交易策略结果-敏感性分析 11

在前篇《可转债K线技术分析与K线形态因子》报告中，我们构建可转债K线形态因子。在划分K线形态和构建形态集合时，运用16种单K形态集合构建因子，因子在2022年之后表现较好，且与其他可转债因子相关性较低。

在这篇报告中，我们测试多根K线形态与单K形态构建的因子表现并无较大差异，多K形态因子表现甚至差于单K形态因子。我们发现，在增加形态种类时，会找到更多有效看跌形态，看跌信号表现较好；而看涨形态都表现较差。在改进形态因子时，我们能改进空头组合表现，却不能提升多头组合表现。在前半部分我们尝试改进因子和分析看涨看跌形态规律，后续运用看跌形态构建交易策略，增强组合表现。

可转债K线形态因子分析

构建K线形态因子

基于前篇报告的形态划分，单K形态集合有16种，2根K线形态集合有768种，3根

K线形态集合有36864种。

首先，回顾前篇报告形态因子构建过程，并扩展形态集合和加权方式。形态因子构建过程如下：

我们采用滚动窗口，用窗口期内K线形态表现对可转债当前形态打分，用于预测可转债未来一段时间的表现。我们考虑持有期为20个交易日，月度换仓。可转债c在T时刻的因子??????,??计算步骤如下：

定义形态集合P。单K形态因子的形态集合为：16种单K形态。2K形态因子的形态集合为：2根K线组成的768种形态。2K看跌形态因子的形态集合为：768种2K形态中，未来收益率小于0的概率在50%以上的形态，集合形态不确定，根据2年滚动窗口期内形态表现确定看跌形态集合。

用过去2年（480个交易日）所有可转债的K线形态和该形态未来20个交易日的收益率作为形态集合表现评估的样本，K线形态按照形态集合定义构建。

在前篇报告，形态p（p属于形态集合P）的分值为：窗口期内形态p所有样本对应的未来20个交易日收益率的均值除以标准差。r??为形态p出现后未来20个交易日收益率。

????????????

=????????(r??)std(r??)

新加一种评分指标，形态表现胜率（形态未来收益率大于0的概率）作为形态p的分值。M为窗口期内形态p出现的次数，N为窗口期内形态p出现后未来收益率大于0的次数。特别是在看跌形态中，胜率是更合适的评价指标。

????????????

=??(r??0)

M(r??)

请务必阅读正文后的重要声明部分我们用