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

一 研究背 二 模型设 样本 因子数据预处 因子评 三 估值类因 量价类因 四 偏股型转债的因子与组 平衡型转债的因子与组 偏债型转债的因子与组 五 策略组 六 结 风险提 图1：可转债的属性示意 图3：可转债的各类型累计净 图4：可转债样本剔除前后的数 图5：转债平价与转股溢价率的分布(2023年8月21日 图6：转债平价与转债价格的分布(2023年8月21日 图8：纯债溢价率因子的分组及分类型表 图9：纯债到期收益率因子的分组及分类型表 图10：蒙特卡洛模型定价偏离度的分组及分类型表 图11：双低的3M时序ZScore的分组及分类型表 图12：双低的6M时序ZScore的分组及分类型表 图13：隐波差的3M时序ZScore的分组及分类型表 图14：转股溢价率的分组及分类型表 图15：正股PERCENTB10日因子的分组及分类型表 图16：正股FI20日的分组及分类型表 图17：正股Amihud因子的分组及分类型表 图18：正股ATR因子的分组及分类型表 图19：换手率调整后的转债近60日日内收益率方差均值的分组及分类型表 图20：换手率调整后的转债10日RI的分组及分类型表 图21：转债近60日开盘半小时成交量占比均值的分组及分类型表 图22：转债近60日开盘半小时成交量占比标准差的分组及分类型表 图23：偏股型转债合成因子的RankI序 图24：偏股型转债合成因子的净 图25：偏股型TOP组合净值表 图26：偏股型TOP30组合超额收益表 图27：平衡型转债合成因子的Rank 图29：平衡型TOP组合净值表 图30：平衡型TOP30组合超额收益表 图31：偏债型转债合成因子的Rank 图32：偏债型转债合成因子的净 图33：偏债型TOP组合净值表 图34：偏债型TOP20组合超额收益表 图36：各配置方案的超额收益表 表1：转债估值单因子的表 表2：量价单因子的表 表3：偏股型样本的因子列 表4：偏股型TOP组合表 表5：平衡型样本的因子列 表6：平衡型TOP组合表 表7：偏债型样本的因子列 表8：偏债型TOP组合表 表9：各配置方案的表 表10：各配置方案的分年度表 在之前发布的《可转债多因子模型初探——宏观固收量化研究系列之（十）》中，我们对中国市场的全样本转债测试了一系列单因子，并最终对样本内有效的因子进行加权，构建了在全样本转债中普遍有效的多因子策略。1平底溢价率

−偏股型转债：平底溢价率偏债型转债：平底溢价率<-2：可转债的各类型数量(月末统计资料来源 资202383126450%，偏债型转债数量1721002017年以资料来源 资从平均表现上看，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。因此，股性和债性的相对强弱很明显的将转债的收益波动风格划分开来，因此对于基于转债估值和量价特征的因子择券的效果，也因转债的类型而异。即另一方面，在中国可转债的实际投资中，不同类型的机构投资者对转债的配置需求均有所不同。如对于追求绝对收益或稳健收益的“固收+”类的组合来说，投资者对于可转债部分的定位，是选择收益较为稳健、并拥有潜在的正股拉动收益这种风格的转债。而如对于持仓大部分均为可转债的可转债基金来说，投资者偏好的是挖掘出相较于指数具有超额收益的转债，而这也往往需要从弹性较高或者估值较低的转债中择券。所以，从投资目标上看，对于不同的转债类型，投资者的偏好和配置权重往往各异，从挖掘因子的角度，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。20181120238314资料来源 资 缺失值处理：对因子值有缺失的转债按照所属类型(偏股/平衡/偏债)MAD3倍绝对中位数范围的数据判定为极值，并将匀插值到3-3.5倍绝对中位数范围内；中性化与标准化：本文是将样本分成偏股、平衡、偏债3类样本独立进行研究，因此和《可转债多因子模型初探》一样，我们对每个截面的因子值在偏债型、平衡型、偏股型三种类型ZScore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：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收益和多空收益(3组减去第1组)；top30、top31-60、bottom60-31、bottom30四个组合，这样的3top组统一定义为表现较好的组别，并展示因子的方向，若方向为1，则代表因子值越大，分组表现越好，方向为-1，则代表因子值越小，分2个大类进行展开。本部转股溢价率：(转债每日的收盘价-平价)/纯债溢价率：(转债每日的收盘价-纯债价值)/纯债部分的到期收益率：采用资讯的口径，假定不考虑转债内置期蒙特卡洛模型的定价偏离度：参考f&Schwarz(1，使用最小二乘法的蒙Black-Schols方法，蒙特卡洛模拟可以考虑转债价格的美式期权属性以及条款的影响。该方法假设正股股价(平价)服从几何布朗运动，因此可以模拟出大量平价未来可能的路径，然后采取与二叉树相近的逆向推导方法(backwuci，并通过最小二乘回归法估计出每一期转债的期望持有价值，最后对各条模拟路径的转债估值结果取算术平均，从而得到转债在当前时点的模拟定价。基于每日的此模拟定价，构建定价偏离度因子=(定价-转债收盘价)/NZscore：首先计算每日的双低因子(转债收盘价+溢价率*100%)，然后求得双低因子每日滚动的时序Zscore；隐波差的近N月时序Zscore：给定转债每日的收盘价格，将转债看作一个欧式看涨期权，根据Black-Scholes公式倒推计算得出隐含波动率，并计算隐含波动率与正股波动率之差，最后求得每日滚动的时序Zscore在估值因子的构建上，我们与上篇报告有所不同的是，我们更加倾向于寻找剔除平价影响后的低估程度。由于正股的价格，即平价，是转债最核心的定价要素，我们对某个转债的当前的价格是否高估或者低估，是应当结合该转债当前的平价位置来判断。即便我们后续会分不同的股性债性的转债样本来去做研究，但是在每个类型内部，也依然存在平价的高低位置不同而产生不同程度的估值水平。以转股溢价率和转债的绝对价格因子为例，2023821日的所有转债的因子值(Y轴)与平价(X图5：转债平价与转股溢价率的分布(2023年8月21日 图6：转债平价与转债价格的分布(2023年8月21日资料来源 资 资料来源 资因此，本文采用二项式回归的方法，将各个转债估值因子作为因变量Y，将转债的平价作为自变量X，每个截面进行拟合，得到的每个转债的残差项作为最终的估值因子。下表和下图展示了这1-------1-------------资料来源：& 资料来源 资 资料来源 资 资料来源 资 资料来源 资 图12：双低的6M时序ZScore的分组及分类型表资料来源 资 资料来源 资图13：隐波差的3M时序ZScore的分组及分类型表 资料来源 资 资料来源 资结果表明：估值因子总体表现较为稳健，在全样本下的IC绝对值均在3%以上，但另一方面，对于部分估值因子来说，并非在偏股、平衡和偏债三类样本中均有效，这与因子的底层逻辑有关，即每个因子所描述的估值的侧重点。比如蒙特卡洛模型定价偏离度因子，该因子在偏股和平衡2类样本中都具有很好的单调分层效果，而在偏债型样本中却有所失效，对于较多偏债型转债的深度价外期权(虚值期权)，该方法的定价结果可能并不稳定。又比如纯债到期收益率因子，只在平衡型转债里有较稳健的效果，在偏股型转债中，纯债的持有价值并非此类转债优先考虑的指标，而在偏债型样本里，到期收益率往往又是一个风险因子，而非稳健的Alpha因子。量价因子基于转债和正股的交易的行情数据产生，从结果上看，仍然有一部分因子有不错的择券效果。本文采用的量价因子包括两大类，一类是基于正股行情数据所构建的量价因子，所描述的是正股的动量、波动、市值等：N日ATRNN日N N日Amihud=∑ tNt=1t参考价格

最高价最低价+3日度资金流参考价格×N日资金流比率

NNNMFI100N日PERCENTB指标

1NPercentB

收盘价N日布林线N日布林线上轨N日布林线RSI

NN

开盘成交量占比t

9：3010：00的成交量之和N日开盘成交量占比均值的均值开盘成交量占比标准差=近N日开盘成交量占比均值的标准差到到日的温和收益。N日温和收益为：NN日温和和隔夜收益之和=1∑(温和收益隔夜收益 分钟线方差日内5tN1N分钟线方差分钟线方差均值 Ntt=1t表2：量价单因子的表现资料来源 资 资料来源 资 资料来源 资 资料来源 资 资料来源 资

2010RSI 资料来源 资 资料来源 资

2260日开盘半小时成交量占比标准差的分组及分 资料来源 资 资料来源 资结果表明：量价因子虽然在因子稳健性方面不如估值因子，但某些因子对于特定的样本仍然表现优异。如衡量正股动量的CNTBMI的偏股型转债来说，开盘成交较为活跃，可能未必能够提供方向性的潜在收益，而成交量占比的波动，反而成为偏股型转债的Alpha上一部分介绍了每个单因子的构建与测试结果，我们发现不管是从逻辑上还是回测的结果上，对于三种类型的转债，不同的因子具有不同的适用性。因此，本文综合考虑多头收益、akIC、ICIR以及因子换手率，对每个类型下的转债分别进行因子的筛选与合成。在合成方法上，我们仍然使用等权合成的方法，即在每个大类下的所有因子做等权相加，从而分别合成出估值大类因子和量价大类因子，然后再对这2个大类因子做等权合成。在对每个类型的转债样本筛选出有效因子并合成后，我们对每个类型的转债样本分别构成多头等权TOP组合，观察考虑交易费用等情况下的组合净值表现。策略回测的设定如下：20190101~20230831篮子转债，在调仓日以VWAP价格进行买入和卖出；下表和下图，展示了偏股型转债的因子列表及合成因子的最终表现。结果表明，对于偏股型样本nkIC均值，CR，IC；分组表现上看，多%。3-----------1-------1-----------------1-资料来源：&图23：偏股型转债合成因子的RankIC序 资料来源 资 资料来源 资TOPTOP组合均有不错的回测表现，以TOP20组合为例，年化收益达29.73%，年化超额达11.15%，收益风险比为1.19。4：偏股型TOP组 年化收益年化波动率收益风险比最大回撤卡尔玛比率年化超额收益信息比率平均单边换手偏股型-偏股型-偏股型-偏股型----- 资料来源 资 资料来源 资下表和下图，展示了平衡型转债的因子列表及合成因子的最终表现。结果表明，对于平衡型样本RkIC均值，CR，C；分组表现上看，多02。资料来源：&图27：平衡型转债合成因子的Rank 资料来源 资 资料来源 资6：平衡型TOP组 年化收益年化波动率收益风险比最大回撤卡尔玛比率年化超额收益信息比率平均单边换手平衡型-平衡型-平衡型-平衡型----- 资料来源 资 资料来源 资下表和下图，展示了偏债型转债的因子列表及合成因子的最终表现。结果表明，对于偏债型样本kIC均值，IC_IR3，IC64%。组合超额------------1--1-1---1--资料来源：&图31：偏债型转债合成因子的Rank 资料来源 资 资料来源 资TOPTOP组合相比于偏债TOP2022.98%，年化超额达7.68%，收益风险比为1.78。组 年化收益年化波动率收益风险比最大回撤卡尔玛比率年化超额收益信息比率平均单边换手偏债型偏债型偏债型偏债型----资料来源：& 资料来源 资 资料来源 资上一部分我们通过因子筛选和因子合成的方法，形成偏股/平衡/3个转债多头组合。从表现上特征，对这3个组合的权重进行动态分配，以减少波动和回撤。按照类型占比配置：按照全市场样本中偏股/平衡/Moskowitz,YaoandPedersen(2012)，每次调仓时滚动计算三个组合近1年的历史波动率，并按照各自波动率的倒数进行加权：𝑤𝑖=∑Markowitz1952)，假定一组资产的收益率向量为𝑧=(𝑟1𝑟2𝑟𝑛)𝑇期望收益率为𝜇=(𝜇1𝜇2𝜇𝑛)𝑇，协方差矩阵为𝛴=𝐶𝑜𝑣(𝑧)，设定一个目标波动率上限，投资者面临的最优化问题: =Qian(2005)

𝑤𝑇Σ𝑤( =

= 𝜎𝑝=𝑤1𝑀𝑅𝐶1+𝑤2𝑀𝑅𝐶2+⋯+风险平价要求每个资产的总风险贡献 )相等𝑤1𝑀𝑅𝐶1=𝑤2𝑀𝑅𝐶2=⋯=𝑤𝑁𝑀𝑅𝐶𝑁=

)1∑(𝑤 ): =本文选用每个类型的TOP15组合作为标的组合去进行配置，回测设定仍然采用上一部分的设定。2019年以来的回测结果如下图和下表所示。结果表明，按照各类型个数占比加权和等权这两种被26.09%27.54%，但回撤较大。而按照风险平价模型和波动率倒有26.87%和26.79%的年化收益率，最大回撤分别为11.44%和12.33%。9组 年化收益年化波动率收益风险比最大回撤卡尔玛比率年化超额收益信息比率平均单边换手-----偏股型-平衡型-偏债型---- 资讯，注：此处的偏股型/平衡型/偏债型TOP15组合的超额10-----资料来源 资35资料来源 资36资料来源 资