• 研究背景及市场规模 [page::3][page::5][page::6]

- 可转债兼具债性与股性，具有期权属性；
- 2017年以来中国转债市场规模迅速扩张，2023年5月底余额达8563亿元，存续量512只；
- 市场活跃促使量化模型应用价值提升。

• 多因子模型设定与样本筛选 [page::6][page::7]

- 采纳套利定价理论基础，构建资产收益的多因子线性模型；
- 样本池剔除新上市转债、高换手率、低余额和低评级债券；
- 因子数据进行缺失值填充、MAD去极值及基于转债股债属性的标准化处理；
- 采用Rank IC、ICIR和分组超额收益评价因子有效性。

• 单因子评估：转债估值因子表现突出 [page::7][page::8]

- 估值因子如双低、隐含波动率、隐波差及其时序Zscore表现稳健，Rank IC均超过2%，多头超额收益明显；

• 正股量价因子：多样动量指标较稳健，量价结合指标效果差异大 [page::9][page::10][page::11][page::12]

- 正股动量（近N日涨跌幅及技术指标Percent B、RSI、Price To High）具有一定预测力，但简单双日涨跌幅稳健性弱；
- 正股Amihud指标显示较好超额收益，换手率预测能力弱，MFI指标效果较优；


- 转债与正股涨跌幅差表现反转收益，时序相关性因子表现一般；

• 转债量价因子：分钟线级别因子展现较好超额收益 [page::13][page::14][page::15][page::16][page::17][page::18]

- 日频层面涨跌幅因子预测能力有限，换手率因子表现与多头收益差异显著；


- 日内分钟线RSI因子和温和收益因子具良好反转特征，信息比率超1.4，表现优于日频动量；


- 日内分钟线方差因子负向关联超额收益，波动越小转债表现越好；
- 成交量相关系数及其波动率等因子在Rank IC及收益上的表现存在分化；

• 因子合成与策略回测表现 [page::18][page::20][page::21][page::22][page::23][page::24][page::25]

- 选取42个优质单因子，通过组内等权及正交化等权方法合成3大类因子再等权结合成最终因子；
- 合成因子Rank IC均值6.52%-6.67%，信息比率约0.5以上，胜率超72%，多头年化超额收益率逾10%；


- 不同偏股/偏债/平衡转债样本中均表现稳健；

- 多因子策略构建两种组合：TOP N和类型平衡组合，双周调仓，买卖成本千分之1.5；
- TOP30组合年化收益22.26%，超额收益11.18%，信息比率1.61，表现稳健；


- 类型平衡组合（N=20）年化收益17.40%，超额收益6.72%，信息比率1.39；

• 风险提示与声明 [page::25][page::26]

- 量化模型依赖历史数据，未来可能失效；
- 极端市场环境可能导致策略表现剧烈波动；
- 具体投资建议应结合完整报告及风险评估。

【专题研究】可转债多因子模型初探——东方金工研究深度解析

---

一、报告元数据与概览

• 报告标题：《可转债多因子模型初探》

- 发布机构：东方证券研究所金融工程与FOF团队（东方金工研究）

• 发布日期：2023年6月30日

- 作者及联系方式：杨怡玲（执业证书编号S0860523040002），宋之辰

• 研究主题：针对中国可转债市场，探索多因子量化模型应用的可行性与有效性，构建以转债估值、正股量价及转债量价为核心的多因子体系并测试其择券能力。

- 核心论点：
- 中国可转债市场逐步扩容，投资者需求增多，量化选券模型具备良好应用前景。
- 针对可转债及其正股的量价及估值因子开展因子测试，筛选出表现优异的42个因子构建多因子模型。
- 多因子合成策略年化收益率明显优于大盘，回测表现稳健。

• 评级及目标价：无传统股票评级与目标价，核心为量化策略回测结果及择券策略表现。

- 主要信息传达：股票多因子模型可以借鉴于可转债市场，整合多类量价与估值因子，通过科学合成获得稳定超额收益，实现有效的可转债择券。[page::0,2]

---

二、逐节深度解读

2.1 研究背景与理论基础

• 可转债的双重性质：

- 兼具债券（纯债价值与纯债溢价）和正股（平价与转股溢价）特征。
- 图1图示清晰刻画了可转债价格中纯债价值和转股价值的构成，明确转股溢价和纯债溢价的定义，阐释了转债价格的“股性—债性”波动区间。

• 市场规模快速增长：

- 2017年以来，中国可转债余额和数量持续上升，截至2023年5月，余额达8563.17亿元，存续数量512只（见图2），显示市场流动性和投资兴趣显著提升。[page::3,5,6]

• 量化模型应用基础：

- 基于套利定价理论（APT），多因子模型通过识别与资产回报相关的多种市场与公司特征因子，实现风险定价和超额收益捕捉。
- 结合转债特性，报告设计了涵盖转债本身与正股的多类因子，分为估值因子、正股量价因子和转债量价因子，体现对转债复杂价格行为的全面识别能力。[page::6]

2.2 样本池与因子数据处理

• 样本筛选严格：

- 除去上市时间过短、换手率异常、余额不足、主体评级低于A的转债，确保因子测试稳定性。

• 因子预处理：

- 采用中信行业中位数缺失值填充，MAD法进行去极值，分转债股性偏债型、平衡型、偏股型三类分组ZScore标准化。
- 这一处理消除股性/债性差异对因子结构的影响，提升预测稳健性。

• 因子评估指标：

- Rank IC（因子值与未来收益率截面秩相关）评估预测能力及方向。
- ICIR评估因子预测能的稳定性。
- 分组收益关注因子头尾组合的超额表现，同时考虑换手率以控制交易成本。[page::7]

2.3 单因子测试分析

2.3.1 转债估值类因子

• 核心因子及逻辑：

- 双低因子（转股溢价率与转债价格的组合）捕捉了期权估值低估的机会。
- 隐含波动率与隐波差因子反映期权价值变动敏感性，关注转债潜在风险溢价。

• 时序ZScore：

- 将因子值转化为近6个月、近1年内的相对强弱，捕捉估值因子的均值回复特性。

• 实证表现：

- Rank IC均值超过2%，多头和多空超额收益明显。
- 图3-6显示优质因子组累计超额收益持续，上证明显反转趋势与风险预期收益匹配。

• 意义：

- 说明转债的期权估值对未来收益具有稳定预测力，可以有效利用估值低点买入策略。[page::7,8]

2.3.2 正股量价因子

• 转债-正股相关性验证：

- 图7展示三类转债与正股滚动相关系数，偏股型最高（0.8左右），债性越强相关度越低。

• 正股动量类因子：

- 传统N日涨跌幅有一定预测能力，但稳健性不足，换手率高。
- RSI、PercentB、Price To High等技术指标表现更稳定，结合波动率信息的PercentB尤为突出。

• 正股量价结合因子：

- Amihud指标表现随时间变化，近两年表现增强；换手率指标方向不一致，表明换手率单独作为因子作用有限。
- MFI指标（成交量加权动量）效果良好，兼顾了动量与成交细节。

• 正股转债结合因子：

- 涨跌幅差因子表现突出，方向为负，体现转债与正股存在反转效应。
- 相关性因子未展现有效预测

• 总结：

- 正股的量价属性对转债收益影响显著，但需结合具体指标和时序特性进行优化。[page::9,10,11,12]

2.3.3 转债量价因子

• 日频动量与换手率因子：

- 日频涨跌幅表现出短期反转（Rank IC为负），换手率则呈现高换手多收益，但预测力不足。

• 日内分钟线因子：

- 反转因子（如日内RSI）预测效果较好，且换手率较低，适合捕捉市场短期反应。
- 温和收益因子突出反转特性，近10、20日指标多头表现佳，捕捉了细微价格动量的反转效益。

• 波动与分布特征因子：

- 日内收益方差负相关于未来收益，单纯波动低的转债更优。
- 偏度在收益表现上平平，更多反映分布非对称性。

• 成交量分布与量价相关因子：

- 量价相关系数均值表现突出，波动率因子虽Rank IC低但多头收益好。
- 长周期成交量变化偏度表现较佳，显示换手结构对收益有影响。
- 开盘成交量占比与未来收益正相关，早盘积极参与度成为短期择券参考。

• 意义：

- 细化日内交易行为数据，为转债收益预测提供了新的维度，超越简单价格动量指标，提升择券策略风险调整收益。[page::13,14,15,16,17,18]

2.4 因子合成与策略构建

• 因子筛选：

- 综合Rank IC、多头收益、ICIR及因子换手率，最终选出42个优质因子覆盖估值、正股量价及转债量价三大类。

• 合成方法：

- 组内因子进行等权或对称正交化后等权合成，形成每大类单一因子，再对三大类等权合成获得最终组合因子得分。

• 合成结果：

- 两类合成方法分别实现Rank IC均值6.52%和6.67%，ICIR值分别为0.51和0.5，IC胜率均超72%。
- 分组收益表现优异，多头年化超额收益约10%，多空收益达17%-19%，信息比率达到2.7以上，表明策略稳健且具备较高风险调整的超额收益能力。

• 分类型样本检验：

- 对偏股、偏债、平衡型转债样本均测试合成因子表现，均显示高效的分组超额收益，验证模型广泛适用性。[page::19,20,21]

---

三、图表深度解读

3.1 估值类因子图表（图3-6）

• 描述：展示双低因子、转股溢价率6个月时序ZScore、隐波差及其6个月时序ZScore的分组累计超额收益。

- 解读：
- 红线（表现最优组）累计超额收益持续攀升，蓝线（表现组别最差）显著下跌，收益差距明显，体现因子强预测力。
- 持续增长趋势说明低估值区域是买入良机，符合市场均值回复逻辑。

• 关联文本：

- 支撑主题关于估值因子对未来收益具有预测功效的论断。

• 潜在局限：

- 图中未展示因子表现衰减或反转期，模型短期灵敏性及效用稳定性待观察。

3.2 正股动量及量价因子（图8-15）

• 描述：针对正股近60日涨跌幅、时序ZScore、PercentB、Price To High、转债与正股涨跌幅之差等因子进行分组收益展示。

- 解读：
- 优秀组走势明显优于低组，且正股涨跌幅的时序ZScore因子收益更稳健。
- 涨跌幅差因子呈现反转效应，表现最佳，反映了转债与正股间的动量错配可被利用。

• 关联文本：

- 强化转股溢价之外，正股动量指标对转债未来收益的价值，突显了正股与转债联动的复杂性。

3.3 转债量价因子（图16-29）

• 描述：展示转债换手率、日内RSI、温和收益、日内分钟线收益波动及成交量相关指标的分组表现。

- 解读：
- 换手率呈现高换手代表高收益，但整体秩相关偏弱，表明换手率的排序功能有限。
- 日内RSI和温和收益捕捉反转信号，分组收益上升趋势明显。
- 日内分钟线波动和成交量变化偏度因子同样表现良好，揭示转债细微交易行为的预测能力。
- 开盘成交量占比高的转债在后续表现较优，反映投资者开盘买入热情带来正向收益信号。

• 关联文本：

- 支撑转债市场内生交易情绪与结构指标对择券具有预测价值。

• 潜在局限：

- 分钟线因子数据需求量大，模型应用复杂；高频交易环境变化可能影响指标稳定性。

3.4 因子合成及策略表现（图30-35,36-38,39,40,41,42）

• 描述：Rank IC时间序列变动及累计超额收益表现，包含不同因子合成方式、转债类型分组及两大策略组合TOP N与类型平衡组合。

- 解读：
- 合成因子稳定性良好，累计Rank IC缓步上升。
- 多头组合累计超额收益显著提升，TOP30组合年化收益达22.26%，信息比率达到1.61，表现优异。
- 类型平衡组合虽年化收益略低（17.40%），风险更分散，适合追求配置稳定性投资者。
- 不同股债性类型转债均展示超额收益能力，模型适用面广。

• 关联文本：

- 体现多因子策略实际应用价值，验证整合多维数据模型对转债选券的有效性。

---

四、估值分析

• 采用的估值思想：

- 未采用传统DCF等绝对估值方法，而是通过因子模型分析资产回报驱动因素，实现相对收益预测。

• 合成方法关键输入：

- 等权与对称正交化技术，保证因子间权重合理分配，避免高度相关因子重复赋权影响稳定性。

• 敏感性与稳健性：

- 对不同转债类型均进行了分样本测试，表现稳健；换手率控制降低交易成本冲击。

• 结果定义：

- 以Rank IC及信息比率衡量预测能力，二者均达到较优水平，表明估值及量价因子的有效组合具有投资价值。

---

五、风险因素评估

• 模型失效风险：依赖历史数据和统计规律，模型可能在未来极端市场环境中失效，导致预期外亏损。

- 极端市场冲击：如市场流动性骤降、政策剧变等极端事件，可能引发因子表现大幅背离预期，影响模型有效性。

• 交易成本与换手频率：高换手率因子可能增加交易成本，降低实际收益，报告通过换手限制及成本设定加以缓解。

- 因子稳定性与结构变化：市场结构变化可能导致部分因子失效，要求持续跟踪更新模型。

• 报告提示投资者密切监控模型表现，动态调整策略以应对市场变化。[page::25]

---

六、批判性视角与细微差别

• 报告优势：

- 系统全面地覆盖了估值、正股、转债三大变量维度，因子体系丰富且经过充分测试。
- 分析深度与数据支撑充分，细致到分钟线成交量与价格分布特征，体现量化金融前沿应用。

• 潜在局限：

- 高度依赖历史预期，未来结构变动带来的非线性风险没有深入讨论。
- 对极端市场与非正常事件的响应机制略显简略，建议进一步结合风险管理策略。
- 因子合成策略简单采用等权或正交化，未详细讨论机器学习或贝叶斯框架中更复杂的权重优化方案。

• 细节上的微妙之处：

- 转债日内因子换手率与收益关系呈现反向，显示单因子效果复杂需综合评定。
- 正股与转债间的涨跌幅差异因子表现反转，提醒模型内在回归假设可能未完全对称。

---

七、结论性综合

本报告以中国可转债市场为研究对象，系统构建并检验了涵盖转债自身估值、对应正股量价因素及转债量价特征的多因子模型。通过严格的数据筛选、预处理及多维统计指标（Rank IC、ICIR、分组收益）评估，筛选出42个表现优异的单因子，利用等权合成与对称正交化方法汇聚为三大类因子，并最终获得具备稳健预测能力的综合因子。

实证结果表明：

• 综合因子在2018年至2023年期间呈现正向持续走势，年均Rank IC超6%，信息比率达0.5以上，因子胜率超过72%。

- 多头组合年化超额收益达到10%以上，多空收益率近20%，信息比率高达2.7，表现出较强的风险调整后获利能力。

• 在不同股债偏性转债子集中均实现健壮稳定的超额收益，说明模型具备广泛资产适用性。

- 基于因子得分构建的两大策略组合中，TOP30组合年化收益高达22.26%，类型平衡组合也实现了17.40%的年化收益，均显著优于市场整体表现。

• 分析涵盖详尽图表，如估值因子分组超额收益率曲线（图3-6）、正股动量因子分组表现（图8-11）、转债内分钟线量价因子表现（图18-29）及策略净值与超额收益回撤（图39-42），为因子有效性与组合潜力提供直观佐证。

综上，东方证券金融工程团队成功构建了切实可行的可转债多因子投资模型，整合多维度信息对该资产类别收益进行精准预测，具备良好推广价值。该研究为转债量化选券提供理论依据与实务指导，推动了中国资本市场量化投资工具体系的成熟。

不过，投资者仍需关注模型动态跟踪与适时调整，尤其是在极端市场环境下的风险防控和模型参数更新，以保障长远稳健收益。

---

报告部分关键图表示例

• 图1：可转债属性示意图

• 图2：中国可转债市场规模趋势

• 图3：“双低”估值因子分组累计超额收益率

• 图7：转债与对应正股滚动60日相关系数

• 图16：转债近5日换手率分组超额收益

• 图18：近5日内5分钟线RSI分组超额收益率

• 图30：组内等权&大类等权合成因子Rank IC走势

• 图39：多因子策略净值表现

• 图40：TOP30策略累计超额收益及回撤

• 图42：类型平衡组合累计超额收益示意图

---

（全文引用自东方证券研究报告《可转债多因子模型初探，宏观固收量化系列研究之十》[page::0,2,3,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26]）

报告