可转债多因子模型初探——东方证券研究报告详尽分析
1. 元数据与概览
报告标题:《可转债多因子模型初探:宏观固收量化研究系列之(十)》
作者及机构:证券分析师杨怡玲,东方证券研究所
发布日期:2023年7月1日
研究主题:探讨量化多因子模型在中国可转债市场的适用性,构建基于转债估值、正股量价及转债量价因子的多因子选券体系,并检验其效果。
核心论点及结论:
- 随着市场扩容,量化因子研究对可转债日益重要。
- 融合转债自身估值指标、所对应正股的价格和成交量信息,以及转债自身的价格交易特征,筛选出多个有效单因子。
- 构建多因子得分,应用双周调仓的多因子择券策略,获得年度超额收益率超10%,IC(相关系数)表现良好,信息比率(IC_IR)较高,表现稳健。
- 产品策略形态包括TOP N组合和类型平衡组合,两者均表现优异且风险控制合理。
- 风险提示包括模型失效风险和极端市场条件冲击风险。
2. 逐章深度解读
2.1 研究背景
- 可转债兼具债券的稳定收益和转换成股票的期权权益,体现股性和债性双重特征。价格由纯债价值、转股价值和相应的溢价组成(图1)。
- 中国可转债市场规模自2017年以来快速增长,截至2023年5月,规模达8563亿元,存续数量512只(图2)。
- 市场的快速扩大带来多样化的投资需求,量化模型成为分析可转债的重要工具。可转债与股市间存在线性和非线性的关系,促使多因子模型有较大发挥空间。
2.2 模型设定
- 多因子模型基础:理论基于套利定价理论(APT),假设资产预期收益线性叠加于多个风险因子,模型的核心是识别与资产回报密切相关的因子组合。
- 样本池筛选标准:考虑转债收益稳健性、流动性和投资可行性,剔除近期上市(<10个交易日)、高换手(>100%)、余额不足2亿、评级低于A的转债。
- 因子数据预处理:完整性处理(缺失值用同类行业中位数填充)、极端值处理(MAD法)及因子值分组标准化(偏股、偏债、平衡三股性分类),有效减少了股债性差异对因子及收益的扰动。
- 因子评估指标:使用Rank IC(因子值与未来10日回报的截面秩相关系数)、ICIR(Rank IC均值与标准差之比,衡量稳健性)及分组收益进行综合分析。
- 分组策略:分为三分组和四组合,重点关注头尾超额表现和多空收益。因子方向性确定了是正向(因子值高收益好)还是负向(因子值低收益好)的关系。
2.3 单因子评估
2.3.1 转债估值类因子
- 核心逻辑:基于转债期权价值定价。若转债期权价值被低估,则未来具有套利空间。
- 主因子包括“双低”(转股溢价率及转债价格低)、隐含波动率(IV)、隐波差和转股溢价率等。
- 时序Zscore对因子值在过去6个月或1年位置做标准化,反映估值因子的均值回复属性。
- 表1和表2显示,估值类因子的Rank IC均值绝对值均大于2%,最高达到-7.5%,胜率在60%以上,说明估值因子整体预测能力及稳健性较好。
- 图3-6的分组超额收益率(G3表现最好组)表现出强烈的分组收益分化,分组累计超额收益持续稳健上行,显示投资组合中挑选低估转债带来显著回报。
2.3.2 正股量价类因子
- 逻辑基础:转债作为附带转股权的债券,其价格与正股动量和量价关系关联密切。
- 图7统计显示转债与正股60日收益相关系数平均在0.5-0.8区间,偏股型相关系数最高,偏债型最低。
- 动量类因子包括正股近N日涨跌幅及其时序Zscore,RSI、Percent B等技术指标,以及价格占历史高点的比率(Price To High)。
- 表3显示简单的5-60日涨跌幅因子预测效果较弱,换手率高且稳健性低。时序Zscore处理及技术指标(RSI, Percent B, Price To High)表现明显优于单一涨跌幅。
- 图8-11分组超额收益图呈现显著正向趋势,头部分组持续盈利,尾部持续亏损。
- 量价结合因子:Amihud波动率指标良好,MFI指标也显著表现出交易量赋权动量的特征,而换手率因子表现偏弱,说明单纯换手率不足以捕捉收益信号。
- 正股转债结合因子:转债与正股涨跌幅差表现尤为突出,反转效应明显,即转债相对正股表现弱者未来收益率提升,反之亦然。时序Zscore同样有效。
- 正股与转债相关性的绝对值指标预测意义不强,暗示相关性自身非因子信号源。
2.3.3 转债量价类因子
- 转债作为交易活跃资产,短期价格、成交量数据也蕴含收益预测信息。
- 日频因子中,涨跌幅因子存在动量与反转信号冲突,总体预测能力有限。换手率因子多头收益好但Rank IC方向负,暗示高换手伴随高收益但排序效果差。
- 分钟线量价因子效果更佳,覆盖分钟线收益/成交量的均值、方差、偏度、量价相关性及成交量占比等。
- 日内RSI反转因子表现较好,尤其5-20日窗口的Rank IC均超过2%;“温和收益”因子体现了反转收益,表明日内温和波动可能预示未来正收益。
- 日内分钟收益方差表现优异(Rank IC ~-2%),波动越小收益越好。分钟线偏度表现一般。
- 量价相关性及其波动率、成交量变化方差与偏度因子亦显示一定预测能力,开盘成交量占比多头表现突出,说明早盘买入活跃预示后续收益。
- 图16-29展示各分钟线因子的分组累计超额收益,均呈现明显的分段收益差异与时间稳定性,验证其有效性。...
2.4 因子合成与策略组合
- 依据单因子表现,筛选42个样本区间效果较优的因子,分为转债估值、正股量价及转债量价三大类。
- 合成策略采用组内等权或对称正交化等权方式合成组内因子,再对三大类因子等权合成最终因子得分。
- 合成因子表现稳健,Rank IC均值逾6.5%,ICIR约0.5,胜率超过72%,多头年化超额收益率均逾10%,多空收益率近20%。
- 不同转债股债属性下,合成因子均表现坚挺,偏股型超额收益最高(16.74%),偏债型最低(5.80%),信息比率也均维持良好。
- 构建两类多因子组合策略:
- TOP N组合:每期选出因子得分最高的N个转债等权持有。
- 类型平衡组合:考虑股债平衡,按照样本中偏股、偏债、平衡比例分别选出各自得分最高的N个转债。
- 回测期间为2018年1月至2023年6月,综合考虑交易成本与流动性。
- TOP30组合年化收益22.26%,年化超额收益11.18%,信息比率1.61,风险调整表现优秀。历史净值及超额收益稳定提升(图39、40)。
- 类型平衡组合(N=20)年化收益17.4%,超额收益6.72%,风险调整收益良好,体现组合构建的多样性和风险分散效果(图41、42)。...
2.5 风险提示
- 量化模型存在历史数据过拟合及未来失效的风险。
- 极端市场环境(如流动性危机、宏观黑天鹅事件)可能导致模型效果骤降,收益波动加剧。
- 投资者需密切监控模型表现,动态调整策略配置。
3. 图表深度解读
3.1 市场基本面与因子表现图示
- 图1:可转债价格组合不同区间的股债性构成,直观展示了纯债价值与转股价值对可转债整体价格的影响机制,诠释了本模型估值因子的理论基础。
- 图2:中国可转债余额与数量自2017年起大幅上升,市场活跃度及样本丰富度显著增强,为多因子模型稳定性提供基础支持。
3.2 转债估值因子图示
- 图3-6:"双低"、"转股溢价率6个月时序Zscore"、"隐波差"及其6个月时序Zscore的分组超额收益率图直观表现了优质估值因子策略的持续超额收益,头部收益(G3)逐步累积拉大与尾部收益(G1)的差距,体现了因子强信号。
- 该走势表明,低估转债在未来10日出清获益明显,因子具备统计及经济学意义。
3.3 正股动量及量价因子图示
- 图7显示三种股性转债对应正股的收益滚动相关,偏股型相关性最高,为构建正股因子提供了基础假设。
- 图8-11展示主要正股动量因子(60日涨跌幅及PercentB等)的组别表现,均显示头部组收益持续走高,尾部持续下跌,验证动量类指标对转债具有良好预测能力且稳定。
- 图12、13:Amihud与MFI指标分组超额收益呈正向趋势,反映流动性及成交量动量在收益预测中的价值。
3.4 正股转债结合因子图示
- 图14、15:"转债正股涨跌幅之差"分别用5日和20日数据分别绘制,红色组表现突出累积收益优势,体现了转债与正股之间的价格反转效应极可能为重要选股信号。
- 图7、13中相关性因子表现平淡,提示需谨慎单独使用。
3.5 转债量价因子图示
- 图16、17: 转债换手率多头组收益表现明显强于其他组,且累计超额收益不断积累,验证了活跃度指标对收益的潜在预测力。
- 图18-21: 分钟线RSI与温和收益等因子分组收益图均表现稳定,尤其5至20日窗口表现最佳。
- 图22、23: 日内分钟线收益率方差因子头部组持续积累超额收益,显示收益稳定性的价值。
- 图24-27: 量价相关系数波动率与成交量变化偏度等指标超额收益明显,量价关系波动性也是收益的有效信号。
- 图28-30: 开盘成交量占比多头组累计收益领先,提示开盘交易活跃度为转债收益的前瞻指标。...
3.6 合成因子与策略组合图示
- 图30、31: 合成因子的Rank IC时间序列显示因子预测能力稳定且累积IC正向增长,体现模型稳健性。
- 图32-35: 不同组合分组及头尾表现优异,头部组和尾部组收益差距逻辑清晰,超额回报可持续。
- 图36-38: 在不同股债偏好样本的因子分组收益持续稳定,验证模型跨不同转债类别的适用性。
- 图39、41: TOP N和类型平衡组合净值曲线明显跑赢等权基准,体现策略整体良好收益表现和风险控制。
- 图40、42: 累计超额收益率及最大回撤显示,组合策略整体健康,年化超额收益连续多数年份保持正向。...
4. 估值分析
本报告不直接采用传统公司估值方法(如DCF等),而是基于多因子模型做资产组合的定价与筛选。核心估值因素是转债的期权价值隐含估算和市场行为特征,通过历史表现筛选具备超额收益的因子再合成。
多因子框架下,估值的内涵体现在转债估值类因子,如“双低”、“隐含波动率”及其时序Zscore带来的相对价格低估信号。
因子合成采用等权与正交化加权方式,将单一因子信息优化融合提升预测稳定性,相关收益表现提升验证估值方法优越性。
敏感性体现在因子窗口期(5日、20日、60日等)及因子组合中权重设定调整对整体策略表现有一定影响,但整体IC水平与超额收益稳健。
风险因素已在策略设计中考量换手率,控制交易成本影响。
5. 风险因素评估
- 量化模型失效风险:模型建立基于历史数据统计特征,未来可能因市场结构变化、资金环境及投资者行为改变致使模型失效或表现大幅波动。
- 市场极端情况冲击:诸如市场崩盘、利率剧变、流动性枯竭等极端事件,可能使模型预测能力丧失,投资组合遭受大额亏损。
- 交易成本与流动性风险:尽管本报告设置了交易成本假设,但实际中成本可能进一步增加,尤其是在高频调仓时。
- 数据质量及因子构建风险:因子数据缺失或异常处理不完善可能带来模型风险。
- 报告建议投资者动态监控模型表现,考虑策略多样化和风险对冲措施。
6. 批判性视角与细微差别
- 报告中因子表现对不同时间窗口表现差异较大,部分因子换手率偏高,实际操作时需权衡成本与收益。
- 转债涨跌幅因子反转与动量的矛盾表明短期价格走势复杂,不能单凭简单指标预测。
- 相关系数因子表现欠佳说明部分联合因子需要更精细构造与机器学习等方法辅助提升。
- 报告采用等权与正交化加权,虽然稳健但未详细讨论优化权重方法或非线性组合方法存在潜在提升空间。
- 报告未详细论述市场环境变化对策略长期表现弹性的适应性,未来研究可完善动态因子调整。
- 风险提示较为简略,缺少对大规模市场事件情景分析及策略压力测试的具体说明。
- 报告对样本选择标准和因子筛选过程描述较原则性,实际操作中因子稳定性需持续监督。
7. 结论性综合
本报告系统地探索并验证了股票领域多因子模型在中国可转债市场的适度有效性,基于三大类因子(转债估值、正股量价及转债量价),通过历史数据深度挖掘42个表现优异的单因子。因子合成后,多因子得分表现出较为稳健的预测能力,平均Rank IC超过6.5%,多头超额收益率超10%,信息比率达2.7,反映模型在样本期内对转债未来收益排序具有较强解释力,尤其以转债估值及转债-正股价差动量相关因子效果最佳。
基于合成因子构建的策略(TOP N及类型平衡组合)均取得显著超额收益,TOP30组合年化收益22.26%,超额收益11.18%,回撤控制合理,表现优越。各股性类别下因子发挥稳定,验证模型适用范围广泛。
图表表现清晰,转债估值因子和分钟线级别量价因子等核心因素均能长期捕捉可转债收益差异,且分组收益曲线稳健,波动较小,充分支撑理论推断和实证结论。多因子模型结合因子正交化和等权聚合,处理多维指标相关性,实现较高组合信息比率。
尽管本报告展现了模型的优异表现和应用前景,但需警惕量化模型基于历史数据的限制和极端市场冲击,投资者应谨慎使用并结合动态调整策略。
综上,本报告为可转债投资者提供了系统且成熟的量化因子筛选框架和策略设计参考,为未来转债量化研究和实践提供坚实基础。
附录:关键图表示例标注(示范)
-
图1展示了可转债价格分为纯债价值和平价两部分,纯债溢价和转股溢价反映转债的债性及股性特征之间的差异。
-
图3中“双低”因子表现出显著的分组累计超额收益率,表现最好的分组(G3)持续获得超额收益。
-
图7展示转债与正股60日收益的滚动相关系数,不同股性对应相关度差异明显,支撑正股量价因子的选择依据。
-
图39为TOP N组合净值表现图,显示策略净值在2018年以来稳步上升,远超样本等权基准。
-
图30为合成因子的Rank IC时间序列,Rank IC波动居中且累积Rank IC持续增高,标志模型稳定有效。
结语
本报告综合运用统计实证及金融理论方法,严谨系统地构建并验证了可转债市场的多因子量化模型,揭示了市场中多维信息对未来收益预测的价值,丰富了可转债投资策略库,对于推动转债量化投资的发展具有积极现实意义和理论价值。,,,,,,,,,,,,,,,,,,,,,,,,
如需更具体某章节或图表示例的深度解析,请告知。