量化专题报告：从传统策略到深度学习的可转债投资

量化专题报告 从传统策略到深度学习的可转债投资 2023年10月09日 可转债是一种在一定条件下可以转换为发行公司股票的债券。可转债市场近 年来不断扩容，交易投资活跃，量化策略有广阔应用前景。截至2023年9月，存量可转债数量已超过500只，可转债余额也突破8000亿，市场成交额20日移动平均超过500亿。 可转债传统投资策略有衰减迹象。双低策略通过投资双低指标较低的转债， 寻找相对正股偏低估并且价格不高的可转债进行投资。双低策略历史上绝对收益 分析师叶尔乐 和超额收益显著，但自2022年以来整体超额收益逐渐衰减，策略有失效迹象。隐波策略寻找转债期权价值相对于理论价值偏低的转债进行投资，本质也是利用转债的估值。隐波策略历史表现出色但近年来超额收益也有衰减迹象。 执业证书：S0100522110002邮箱：yeerle@mszq.com研究助理刘曦远执业证书：S0100123010018 将深度学习应用于可转债投资，策略收益得到显著提升。针对可转债传统投 邮箱：liuxiyuan@mszq.com 资策略近年来超额收益逐渐衰减的问题，利用深度神经网络，学习可转债复杂的 相关研究 1.量化分析报告：九月社融预测：39309亿元 -2023/10/01 2.量化周报：胜率时钟转向乐观-2023/09/243.量化周报：耐心坚守，积极等待-2023/09/ 174.量化分析报告：打造主动配置全栈式驾舱体验：民生金工资产配置平台-2023/09/11 5.量化周报：景气度L型趋势延续-2023/09/ 10 非线性的市场定价逻辑，构建新的投资策略。门控循环单元(GatedRecurrentUnit,GRU)是一种改进的RNN架构，旨在解决传统RNN中的梯度消失问题，并在计算效率上有一定优势。仅考虑量价的GRU模型分组回测效果欠佳，将可转债特有的时序因子引入到GRU模型中，并且将转债截面属性因子与GRU模型输出拼接后预测未来收益，模型表现提升显著。 利用深度学习因子可进行可转债日频多头组合构建。基于深度学习因子构建 全市场TOP30可转债投资组合，组合自2021年初至2023年9月22日，扣费后（买入卖出各1‰）年化绝对收益24.1%，最大回撤-11.4%，相对于中证转债指数年化超额收益为21.1%，年化单边换手率为1365.5%；在平衡和偏债转债中构建的TOP30组合同期年化收益虽有所下降，为22.9%，但夏普比率达到2.49，最大回撤提升至-8.8%，年化单边换手率为1367.6%。 在固收+中融入可转债深度学习策略提升组合风险收益比。可转债兼具股性 与债性，现已成为类固收+基金的重要投资标的。2023年基金中报显示，混合债券型一级、二级基金持有的可转债占基金净值比分别为8.4%和15.2%，可转债成为绝对收益策略的重要投资标的。利用纯债与转债构建低风险固收+组合。纯债转债8比2的配比兼顾绝对收益与回撤风险。8比2的固收+组合自2021年至2023年9月22日，年化绝对收益为7.05%，夏普比达到3.64，最大回撤为-1.9%，卡玛比率为3.79。2023年年初至9月22日，绝对收益达到4.13%，最大回撤仅为-0.5%。 风险提示：量化模型基于历史数据，市场未来可能发生变化，策略模型有失 效可能；计算过程中模型可能存在测算误差。 目录 1可转债简介3 1.1可转债指标介绍3 1.2市场扩容，成交活跃4 2可转债传统策略收益有衰减迹象5 2.1双低策略5 2.2隐波策略6 3可转债深度学习策略构建8 3.1可转债深度学习模型8 3.2GRU量价模型构建9 3.3引入更多因子的GRU综合模型11 3.4模型持仓组合分析14 3.5可转债TOP30组合16 4在固收+中融入可转债深度学习策略18 5总结与展望20 6风险提示21 插图目录22 1可转债简介 1.1可转债指标介绍 可转债是一种在一定条件下可以转换为发行公司股票的债券。每张可转债可以按照比例转换成一定数量的股票，转股价格为可转债转换为公司股票时所需支付的价格。转股价值指投资者如果选择将可转债转换为公司股票的价值，转股价值 =100/转股价格*当前股价。纯债价值指仅以债券的角度来看，可转债的价值，其等于未来票息和本金的折现值之和。平底溢价率=转股价值/纯债价值-1，投资者常根据此指标将转债划分为偏债型、平衡型、偏股型转债。 图1：可转债的风险&收益刻画 资料来源：《TheCaseforConvertibleBonds》CreditSuisseInvestmentPartners,民生证券研究院整理 可转债兼具股性与债性，是一类平衡收益与风险的资产。转债本质为债券+正股看涨期权+强赎、回购等条款的衍生品，兼具股性与债性。其股债属性体现在：相比正股而言，波动较小；相比债券而言，具有权益的收益弹性。 图2：转债相比正股有债性图3：转债相比纯债拥有权益收益弹性 15.0% 2 10.0% 1.5 5.0% 1 0.0% 0.5 -5.0% 0 -10.0% 正股 偏股转债平衡转债 偏债转债 20日平均涨幅(正股上涨情况下)20日平均涨幅(正股下跌情况下)中证转债万得全A中债-新综合指数 资料来源：wind，民生证券研究院。注：统计时间20171229-20230922资料来源：wind，民生证券研究院。注：统计时间20171229-20230922 1.2市场扩容，成交活跃 可转债市场近年来不断扩容。自2018年起，转债市场快速扩容，上市转债数 量从2018年初的30余只迅速上升。截至2023年9月，存量可转债数量已超过 500只，可转债余额也突破8000亿。 可转债市场交易投资活跃，量化策略有广阔应用前景。截至2023年9月，转 债市场成交额20日移动平均超过500亿，达到股票市场成交额的6%左右，转债市场的交易投资活动较为活跃，为量化策略提供了较好的应用场景。 图4：可转债市场不断扩容图5：可转债市场成交活跃 10000 600 2000 20.0% 8000 500 1500 15.0% 6000 400 1000 10.0% 300 4000 200 500 5.0% 2000 100 0 0.0% 0 0 转债市场成交额MA20(亿元) 转债余额(亿元)转债数量(右轴) 转债成交额MA20/A股成交额MA20(右轴) 资料来源：wind，民生证券研究院资料来源：wind，民生证券研究院 2可转债传统策略收益有衰减迹象 传统可转债策略大多是根据转债估值，寻找相对低估的个券进行投资，但伴随转债市场整体估值近年来的抬升，其有效性有衰减迹象。在下文我们介绍两种传统的基于估值的转债投资策略：双低策略与隐波策略。 2.1双低策略 双低策略是可转债经典策略之一，投资双低指标较低的转债，本质是寻找相对正股偏低估并且价格不高的可转债进行投资。其中双低指标=转股溢价率*100+转债价格，选取全市场双低指标排名后20%的转债作为双低转债，对于双低转债而言，较低的转股溢价率保证可转债相对正股估值不高，转债价格保证其绝对价格不高，不过分偏离纯债价值，在权益市场回撤时也有一定的债底作为保护。 图6：双低转债和全市场的平均纯债溢价率对比图7：双低转债和全市场的平均转股溢价率对比 70.0% 70.0% 60.0% 60.0% 50.0% 50.0% 40.0% 40.0% 30.0% 30.0% 20.0% 20.0% 10.0% 10.0% 0.0% 0.0% 双低转债平均纯债溢价率全市场转债平均纯债溢价率双低转债平均转股溢价率全市场转债平均转股溢价率 资料来源：wind，民生证券研究院资料来源：wind，民生证券研究院 双低策略近年来超额收益有衰减迹象。剔除掉评级A-以下且转债余额小于1亿的转债（本报告回测除特别说明外，均以此为标准），选取双低指标全市场排名后20%的转债，每5个交易日换仓，交易的冲击成本设定为买入卖出各1‰，收益如下图所示，2022年至今超额收益逐渐衰减。 图8：双低策略绝对收益净值表现图9：双低策略超额收益净值表现 3.5 3 2.5 2 1.5 1 0.5 0 1.9 1.7 1.5 1.3 1.1 0.9 0.0% -2.0% -4.0% -6.0% -8.0% 双低策略净值转债等权净值超额回撤(右轴)双低策略超额收益 资料来源：wind，民生证券研究院资料来源：wind，民生证券研究院 2.2隐波策略 隐波策略是将转债的期权属性剥离出来，寻找期权价值相对于理论价值偏低的转债进行投资，本质也是利用转债的估值。转债可以看作债券+正股看涨期权+强赎、回售等条款组合在一起的衍生品。关于期权的定价，本报告从简化的角度出发，参考郑振龙,林海(2003)1关于可转债定价的方法，将看涨期权视作敲定价格为到期日债券价值的欧式期权，B-S定价公式如下图所示，我们利用数值优化方法二分法求解隐含波动率�。 日期 2023/8/18 转股比例 16.39 转债个券 海澜转债 转股价值 118.36 正股价格 7.22 期权价格/股 1.25 转债价格 126.27 行权价格 6.59 纯债价值 105.79 无风险利率 2.5% 转股价格 6.1 剩余年限 0.88 图10：可转债期权价值的定价公式图11：计算海澜转债隐含波动率所需指标明细 资料来源：《中国可转换债券定价研究》,民生证券研究院绘制资料来源：wind，民生证券研究院 1中国可转债债券定价研究。郑振龙，林海。厦门大学学报，2003。 以海澜转债(110045.SH)为例，2023年8月18日的正股收盘价为7.22，转债价格为126.27，纯债价值为105.79。转股比例为100/转股价格 =100/6.10=16.39，即一份转债能够转化为16.39股股票。每股股票的期权价格为(126.27-105.79)/16.39=1.25。期权行权价格为到期日债券价值（含息）除以转股比例=108/16.39=6.59，计算出期权的隐含波动率�为31.1%。 隐含波动率反映的是市场对未来正股波动率的预期，减去正股的已实现波动率，得到的差值反映的是市场对于未来波动率与历史波动率的偏差。这个差值越小，转债往往越被低估，未来的超额收益往往越高。 隐波策略近年来超额收益出现回撤。剔除掉评级A-以下且转债余额小于1亿的转债，选取隐波差指标全市场排名后20%的转债，每5个交易日换仓，交易的冲击成本为买入卖出各1‰，收益如下图所示。与双低策略类似，隐波策略近年来超额收益也有衰减迹象。 图12：隐波策略绝对收益净值表现图13：隐波策略超额收益净值表现 3.5 3 2.5 2 1.5 1 0.5 0 1.8 1.6 1.4 1.2 1 0.8 0.0% -2.0% -4.0% -6.0% -8.0% -10.0% 隐波策略净值转债等权净值超额回撤(右轴)隐波策略超额收益 资料来源：wind，民生证券研究院资料来源：wind，民生证券研究院 3可转债深度学习策略构建 3.1可转债深度学习模型 针对可转债传统投资策略近年来超额收益逐渐衰减的问题，我们接下来利用深度神经网络，学习可转债复杂的非线性市场定价逻辑，构建新的投资策略。 循环神经网络(RecurrentNeuralNetwork,RNN)是一类用于处理序列数据的神经网络架构。RNN在处理序列数据时具有记忆功能，可以捕捉序列中的时间相关性。其被称为循环神经网络在于它的循环结构，带有时间序列属性的循环结构允许信息在网络内部持续传递，以处理不同时间步上的输入数据。 门控循环单元(GatedRecurrentUnit,GRU)是一种改进的RNN架构，旨在解决传统RNN中的梯度消失问题。GRU最早提出于2014年，通过引入门控机制，通过更新门和重置门使得网络能够更好地控制最新信息的更新和历史信息的保留，其在保证性能的同时具有较少的参数，在计算效率上有一定优势。 图14：GRU网络