宏观固收量化研究系列之（十）：可转债多因子模型初探

TOC\o"1-4"\h\z\u一 研究背 二 模型设 多因子模型简 可转债多因子框架设 样本 因子数据预处 因子评 三 转债估值类因 正股量价类因 正股动量类因 正股量价结合因 正股转债结合因 转债量价类因 转债日频量价因 转债分钟线量价因 四 因子合 多因子组合策略表 TOPN组 类型平衡组 五 结 风险提 图4：“转股溢价率6个月时序ZScore”的分组超额收益 图6：“隐波差的6个月时序Zscore”的分组超额收益 图10：“正股60日PercentB”的分组超额收益 图11：“正股60日PriceToHigh”的分组超额收益 图12：“正股120日Amihud”的分组超额收益 图18：“近5日日内5分钟线RSI”的分组超额收益 图19：“近10日日内5分钟线RSI”的分组超额收益 图30：“组内:等权&大类:等权”的Rank 图31：“组内:对称正交化后等权&大类:等权”的Rank 图32：“组内:等权&大类:等权”的分组超额收益 图33：“组内:对称正交化后等权&大类:等权”的分组超额收益 图34：“组内:等权&大类:等权”的top和bottom组超额收益 图35：“组内:对称正交化后等权&大类:等权”的top和bottom超额收益 表14：TOPN组合策略表 表15：TOPN组合分年度表 1从可转债的债性维度来看，可转债可看做纯债价值和纯债溢价之和。纯债价值是指不考虑转股权权益及其他附加条款的情况下可转债未来所有现金流的折现价值，即通常所说的债底。可转债在未来到期时，如果不转股成为股票，而是按照债券的面值偿还，则债券持有人可以至少获得债券的债券面值作为回报，因此纯债价值可以看做是可转债的保底价值。纯债溢价是指可转债的市场价格相对于其纯债价值的溢价情况，即作为一张可转换为股票的债券所具有的附加价值。代表投资者购买可转债时相对于纯债需要支付的额外费用。从可转债的股性维度来看，可转债可看成平价和转股溢价之和。平价指的是可转债按照发行人发行时规定的转股比例和转股价兑换成股票后的转股价值。转股溢价是可转债的市场价格相对于其转股价值的溢价情况，表示投资者愿意为这种转换权利而非直接购买标的正股所付出的溢价。202358563.175122资料来源：&随着转债市场容量的扩张和转债交易的日渐活跃，越来越多的投资者开始关注使用量化的投资方法来分析和选取可转债。由于可转债与股票有较多相似的地方，因此股票领域的多因子模型是一种潜在的可以借鉴的投资模型。本文希望基于可转债估值、正股量价以及转债量价等数据，挖掘出更多与转债未来收益有强相关性的因子，并通过将有效的因子组合成为一个最终得分，从而得到一个对转债未来收益的预测或收益排序的预测。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），该理根据套利定价理论，市场中的投资者会寻求利用无风险套利机会来获得超额收益。这些套利机会源于资产的定价偏离其合理价值，因此投资者通过交易这些被低估或高估的资产来实现风险调整后的回报。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：𝑅𝑖=𝑎𝑖+𝑏𝑖,1𝐹1+𝑏𝑖,2𝐹2+⋯+𝑏𝑖,𝑘𝐹𝑘+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。多因子模型的应用可以帮助投资者更全面地理解资产回报的来源，识别出有价值的投资机会，并优化投资组合的风险收益特征。2018112023621 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；1，将转债分为偏债型、平衡型、偏股型转债，对所有的因子值在这3ZScore的不同类型对因子值分布的影响，并使得最终有效的单因子的分布并不偏向于某种类型的转RankIC体系和分组收 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3份，等权构成组合，重点考察多头(3组)超额收益和多空收益(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，分一方面，可转债作为一类含有期权属性的资产，其未来的收益与基于其自身价格、转股价值以及条款所隐含的定价直接相关，另一方面，转债作为一个交易活跃的品种，其中短期收益也会受到所对应正股以及转债自身的交易情绪的影响。因此，我们根据因子构建的底层逻辑，将所有单因3转债估值本质上是对转债期权价值的定价，若期权价值被低估，则买入该期权可能在未来获得潜在的超额收益。转债市场经典的“双低”策略就是基于转债估值因子的一类策略，它使用“转股溢价率转债价格”构建指标，可以筛选出低价、低估的转债，这里我们将“双低”也作为一个单因子进行测试。除此之外，常见的估值类指标还包括转股溢价率、隐含波动率、隐波差、纯债溢价率。表1：转债估值因子的表现因 方向RankIC均值IC_IR(未年化)RankIC胜率多头超额多头信息多头平均换多空年化Top30组合Top31~60组Bottom60~31组Bottom30收益 比率手率(单边 收益率超额收益率合超额收益率合超额收益率合超额收益双 - - - - -纯债溢价 - - - - - -绝对价 - - - - - -转股溢价 - - - - -隐 - - - - -隐波 - - - - -资料来源：&由上表可以发现，估值类因子普遍表现较好，RankIC2%以上，并且除了纯债溢价率之外，其他因子的多头超额收益、多空超额收益、Top30超额收益均较高，这表明以双低、隐波、隐波差、转股溢价率等为代表的估值类因子对未来10日的收益有较明显的预测能力。2：转债估值时序ZScore因 方向RankIC均值IC_IR(未年化)RankIC胜率多头超额多头信息多头平均换多空年化Top30组合Top31~60组Bottom60~31组Bottom30收益 比率手率(单边)收益率超额收益率合超额收益率合超额收益率合超额收益----------1----1----1----1----------------------------------资料来源：&ZscoreRankIC61年估值处于相对低点的转债在未来可能有较高的超额收 资料来源：&资讯，图中的G3组别，下文的G3均采用此定义 资料来源：&资 资料来源：&资 资料来源：&资有充分的研究表明，A股市场具有各种形式的动量效应、反转效应以及量能效应。而从理论上来说，可转债内含了对应正股的看涨期权价值，因此正股与转债之间存在较强的关联性。从实证统计上，也的确表明转债与对应正股的收益率序列的相关性较强，如下图所示：760资料来源：&试了3种类型的量价类因子，正股动量类因子、正股量价结合类因子、正股与转债结合因子。N

RSI

NNPercentB

收盘价N日布林线N日布林线上轨N日布林线PriceToHigh指标：收盘价NPriceToHigh

N560RankC表明对于转债市场，也有一定程度的动量效应，即拥有过去较高正股动量的转债未来日的平均收益较高，但整体上看，这类因子的稳健性较弱，并且换手率也相对较高；NRSI/PercentB/eToHigh的效果更加稳健，PercentB指标，它包含了波动率 资料来源：&资 资料来源：&资 资料来源：&资 资料来源：&资A股的流动性或成交量也具有一定的风险溢价效应，指标、正股换手率和正股MFI指标：AmihudN N日Amihud=∑ tNt=1t其中Rt表示股票在t1NNN日日均换手率= Ntt=1tMFI指标，参考价格

日度资金流参考价格×N日资金流比率

NNNMFI100

1N4量价结合类因子总体的RankIC表现一般，偏长周期的Ahud因子具有不错的超额收20202年表现较稳健， 资料来源：&资 资料来源：&资5资料来源：&和前文的正股动量因子相比，转债与正股的涨跌幅之差具有更高的RankIC若转债涨幅弱于正股，则在未来平均会有正的超额收益，反之若转债涨幅高于正股，则在未来会有负的预期收益；对转债正股的涨跌幅之差取时序分位数的因子与原始因子表现接近。下图展示部分因子的分组累计超额收益率表现： 资料来源：&资 资料来源：&资6RankIC均值和多头超额收益，这表明仅通转债自身作为一个活跃的资产品种，也会受到交易者投资或投机行为的影响，因此转债本身的量价特征也可能有一定的规律性，从而可以帮助我们预测未来的截面收益。本小节探讨转债日频及日内分钟线所产生的一些量价因子的检验。资料来源：&相较于正股的动量效应，大部分窗口期的涨跌幅因子的方向为正，这代表着对于最近涨跌幅较高的转债存在一定程度的动量效应，但整体超额收益偏低。另一方面，而RankIC却为负值，表示从整体的秩相关系数上看却指向反转效应。这说明转债涨跌幅并没有很好的预测能力。经笔者验证，其他表达转债动量的技术指标也同样存在类似问题；RankIC均值普遍偏低并且与分组方向相反，这表示对于换手率来说，更多的是换手率较高 资料来源：&资 资料来源：&资前文表明，转债市场的日频量价更多是通过正股动量、转债与正股之间的动量差异来预测未来日的收益，而不少研究已经表明，股票日内的交易行为往往对股票未来的收益有一定预测作用，因此本文基于此逻辑，测试了一系列转债日内分钟线的所形成的因子对转债的未来收益是否有预3RI指标：首先计算日内I指标，然后计算换手率倒数加权的近NI均值，这里使用换手率倒数作为权重，一方面可以控制因子的换手率，另一方面可以限制高换手转债的日内反转效应：日内RSIt

第t日5t51NNRSI

∑ 股的隔夜收益部分和温和收益部分表现出显著的“动量”到到日的温和收益。N日温和收益为：N日温和收益Top30Top31~6Bottom60Top30Top31~6Bottom60RankIC均IC_IR(未年RankIC胜多头超额多头信 多空年 化 率收益换手率(单合超额收0~31边 益率额收益率额收益率收益

1∑温和收 -----------日内------------------------------资料来源：&手率也较低，多头超额收益在4%以上，信息比率达1.4以上；相比于转债日频的不稳定的动量效应，温和收益更多体现了反转效应，即近N日的温和收益越低，未来的平均收益越高，并且此收益平均上高于前文“转债近N日涨跌幅”因子的动量益因子具有最好的多头效果，从RankIC上看，温和收益的秩相关性不佳。 资料来源：&资 资料来源：&资 资料来源：&资 资料来源：&资分钟线方差日内5t

1∑分钟线方

分钟线偏度日内5t分钟线偏度均值

1∑分钟线偏 RankICIC_IRRankICIC_IRRankICTop30Top31~6Bottom60 合超额收0组合超~31组合超组合超值 额收益率额收益率-------------------------1---1----1----1------------资料来源：&有超额收益，RankIC均值均2%以上，多头超额收益率大部分在4%以上。 资料来源：&资 资料来源：&资分钟线方差=5t

1∑分钟线成交量变化方 分钟线方差t日内5

N1∑分钟线成交量变化方 =5tN日分钟线量价相关系数的均值分钟线量价相关系数波动率=N日分钟线量价相关系数的标准差t

9：3010：00=尾盘成交量占比t

14：3015：00的成交量之和N日开盘成交量占比均值的均值收盘成交量占比均值近N日收盘成交量占比均值10RankICIC_IR(未年RankIC多空年化Top30Top31~6Bottom600~31值额收益率额收益率-----1---1-----1------1-----1--1--1---1----1-------------------------------------------------------1----1----1----1--1---------------------------RankIC年之后的超额收益较高(26、RankIC，而开盘成交量占比的多头收益较好，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 资料来源：&资11RankIC均IC_IR(未年RankIC胜多头超额多头信息多头平均多空年化Top30组Top31~6Bottom60因子类 因 方 收益 比率换手率(单收益率合超额收0组合超~31组合超组合超 化 边 益率额收益率额收益率收益-------------------------1--1--1--1--1--1--1--1--1--1-1--1--1--1--1--1-----------------------1--1----1----1----1--------------------------------------------1--1---------资料来源：&放在以后讨论，这里我们尝试使用在每个大类下等权或对称正交化后等权的方法，合成出3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35：“组内:对称正交化后等权&大类:等权”的topbottom 资料来源：&资 资料来源：&资:&大类:等权”和“组内&:等权”这两种合成因子分别取得6.52%、6.67%RankIC均值，IC_IR0.510.5，IC胜率达72.3%；分组表现上看，多头年化超额收益率分别达10.38%、10.07%，信息比率达2.77、2.7，多空收益达19.30%、17.94%。&大类：等权”的合成因子为例，尝试分别在偏股、平衡、偏债3种类型下的样本进行测试，结果表明，无13& 资料来源：&资 资料来源：&资38：资料来源：&债，在调仓日以VWAP价格进行买入和卖出；我们考虑2TOPN14：TOPN--------资料来源：&15：TOPN-----------资料来源：&39资料来源：& -40：TOP30资料来源：&上述结果可以看出：合成因子在应用到可转债择券上不错的效果，TOP30组合的年化收益达22.26%，年化超额收益率达11.18%，并且超额总体上较为稳健，分年度看，除了在2018年早期由于样本数16组组 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类型平衡组 - -----&17---------资料来源：&41资料来源：&42：类型平衡组合(N=20)资料来源：&上述结果可以看出：合成因子的表现在不同类型的转债的效果也较为明显，在每个类型上具有相同的暴露下，仍然有较高的超额收益。以类型平衡组合(N=20)为例，年化收益达0，年化超