转债策略研究系列：波动率分解与可转债择券

转债策略研究系列 波动率分解与可转债择券 2023年11月09日 引言 在2023年8月2日发布的《可转债股债性轮动策略初探》报告中，我们基 于所有上市可交易可转债样本，根据平底溢价率将转债分为三种类型，且分别构建了对应的因子选债组合。进一步地，我们构建了相关的择时指标，对三种类型的可转债进行轮动择时，并取得了不错的效果。本篇我们尝试对该模型进行优化。在因子选择以及择时指标方面，针对波动率拆分角度做了一些新的尝试。 分析师谭逸鸣执业证书：S0100522030001电话：18673120168 波动率的拆分 长期以来，波动率因子备受学界和业界关注。TimBollerslev,SophiaZhengziLi等的论文《GoodVolatility,BadVolatility,andtheCrossSection 邮箱：tanyiming@mszq.com研究助理刘宇豪执业证书：S0100123070023电话：13007153705 ofStockReturns》将波动率分解为正负半方差，并引入了RSJ因子，RSJ的全 邮箱：liuyuhao@mszq.com 称是带符号的相对跳跃方差（RelativeSignedJumpVariation），通过计算正、负向波动差再除以两者之和进行标准化得到，是一种衡量资产价格变动中 相关研究 跳跃行为的统计指标。 1.城投随笔系列：提前兑付城投债，会不会 我们参考上述思路，将其运用在可转债中，对波动率因子进行拆分。使用可转债及对应正股的日频数据来构建系列因子：上/下行波动率因子以及RSJ因 有损失？-2023/11/082.利率专题：资金与货币仍是当前主线-2023/11/06 子，检验其在转债择券中的有效性。 3.交易所批文更新跟踪周报20231105：本 对该系列因子进行测试，我们得到了对原有各类别转债因子组合下的有效补充：对偏股型转债，我们加入正股下行波动因子与原有的波动率因子合成；对于偏债型转债，我们在原有因子基础上加入RSJ因子。通过这些操作，对单类别转债以及整体转债组合均有不错的改善。因子调整后的转债轮动组合（估 周“终止”私募债批文明显增加-2023/11/054.信用一二级市场跟踪周报20231105：发行减少，收益率普遍下行、信用利差整体收窄-2023/11/05 值偏差择时下）2018/1/2-2023/10/13期间年化回报率为32.13%，夏普比率 5.可转债周报20231105：十一月可转债多 2.16，卡尔马比率2.43，最大回撤率为12.61%，相对中证转债指数的年化超额 因子组合-2023/11/05 收益为25.92%。 RSJ指标择时 股票价格理论上接近几何布朗运动，其上、下行波动此消彼长，RSJ指标具 有较强的均值回复特性，数据服从正态分布，因此尝试将RSJ作为择时指标对组合中各类型转债做轮动择时。 应用各类型转债余额加权的RSJ指标来做择时轮动，对于原组合具有一定 提升，组合期间年化回报率为31.56%，夏普比率2.04，卡尔马比率2.23，并且2022年以及2023年以来均取得了不错的超额收益。但该指标亦有一定的局限性，例如分类下指标成分券不稳定、因子相关性较低等，未来可以对该指标做一定的调整以改进。 风险提示：模型失效风险，流动性风险，信用风险 目录 1引言3 2波动率的拆分4 2.1因子介绍4 2.2可转债中的实践5 3RSJ指标择时应用11 4总结展望14 5风险提示15 插图目录16 表格目录16 1引言 2017年以来，可转债发行数量迅速上升，截至2023年11月3日，沪深转 债市场存续可转债一共542只，总规模8637.56亿元。且从可转债发行趋势上，未来可转债市场容量仍将继续增长，数量众多的转债支持我们通过量化的方式来进行择券。 图1：转债市场存量规模（亿元，只） 10000 8000 6000 4000 2000 0 600 可转债余额 存续可转债（右） 500 400 300 200 100 0 2023-11-03 2022-12-31 2021-12-31 2020-12-31 2019-12-31 2018-12-31 2017-12-31 资料来源：wind，民生证券研究院 在2023年8月2日发布的《可转债股债性轮动策略》报告中，我们基于所有上市可交易可转债样本，根据平底溢价率将转债分为三种类型，且分别构建了对应的因子选债组合。进一步地，我们构建了相关的择时指标，对三种类型的可转债进行轮动择时，并取得了不错的效果。 当然我们仍然需要继续改进，对该模型进行优化，主要是从因子选择以及择时指标的角度。本篇我们做了一些新的尝试。 我们沿用在报告《可转债多因子策略组合构建初探》、《可转债股债性轮动策略初探》中使用的相关因子评测框架及回测设置。 2波动率的拆分 2.1因子介绍 长期以来，波动率因子备受学界和业界关注。下面要介绍的RSJ因子来源于TimBollerslev,SophiaZhengziLi等的论文《GoodVolatility,BadVolatility,andtheCrossSectionofStockReturns》。RSJ的全称是带符号的相对跳跃方差（RelativeSignedJumpVariation），是一种衡量资产价格变动中跳跃行为的统计指标。 论文中首先定义了日内已实现波动率𝑅𝑉𝑡（RealizedVolatility）：在当日交易时间[𝑡,�+1]取�+1个等距采样点，则每个采样点的价格分别为 𝑝�,𝑝𝑡+1/𝑛,...,𝑝𝑡+1，相应区间的收益率表示为𝑟𝑡+𝑖/�=𝑝𝑡+𝑖/�−𝑝𝑡+(𝑖−1)/𝑛，求其平方和，计算结果就是日内已实现波动率。 � 𝑅𝑉�=∑� 2 𝑡−1+𝑖/� 𝑖=1 � � 如何区分波动率的“好”“坏”呢？进一步地，将日内已实现波动率分解为正负半方差，其中�为示性函数，满足括号内条件函数值为1，否则为0。𝑅𝑉+代表正向波动率，称为“好”波动率；𝑅𝑉−代表负向波动率，称为“坏”波动率。 � 𝑅𝑉+=∑𝑟2� � ，𝑅𝑉−=∑𝑟2� � 𝑖=1 𝑡−1+𝑖/� [𝑟𝑡−1+𝑖/𝑛>0]� 𝑖=1 𝑡−1+𝑖/� [𝑟𝑡−1+𝑖/𝑛<0] 考虑到当个券总体波动率相对较高（较低）时，其正/负向波动率在横截面上可能也显得相对较高（较低）。因此考虑将正向波动率减去负向波动率，得到带符号的跳跃方差𝑆𝐽𝑡，再除以方差𝑅𝑉�进行标准化，即为RSJ因子。 𝑆�=𝑅𝑉+−𝑅𝑉−，𝑅𝑆� 𝑆𝐽� = ��� �𝑅𝑉� 实证部分，论文按周度频率计算，根据RSJ因子因子值从高到低将股票分为5组，构建多空组合，结论是RSJ因子越高的组别，下周收益率越低。根据相关学者的观点，较高的RSJ值往往表示市场中更多的价格跳跃，这意味着更大的波动性和风险，而投资者大多数是风险厌恶的，所以通常来说，RSJ因子与未来收益显著负相关。文章在分别控制了公司规模，波动率，流动性和反转等变量后，结果依然在统计意义上显著。综上，RSJ因子是一个负向指标。 值得注意的是，RSJ因子也有一定的局限性。首先，作为一个高频因子，它的收益预测能力在周度的水平上有显著的统计意义，但是在月度或者更长的时间上可能会失效。其次，不同的参数选择（如波动率采样间隔）可能导致不同的结果，需要谨慎选择参数，以确保结果的可靠性。除此之外，在极端市场条件下，例如黑天鹅事件发生时，价格跳跃可能主要来自于系统性风险，而非个股风险，因此在实际应用中，需要综合考虑市场的其他因素。 2.2可转债中的实践 本文我们参考上述思路，将其运用在可转债中，对波动率因子进行拆分。论文主要是使用高频数据构建相关因子，本文使用日频数据，即可转债及对应正股的日频数据来构建类似的因子。由于可转债正股以及转债本身均具有收益率数据，我们考虑分别对转债正股、以及转债自身的日频收益率序列数据构建低频的上/下行波动率（以下均表示为上/下行波动率因子）以及类似的低频RSJ因子（以下均表示为RSJ因子），时序上选取2018年以来可交易转债数据。 参数周期n(天) IC IR IC为负比例 多头年化收益 多头夏普比 多头卡尔马比 20 -3.30% 34.63% 64.29% 10.37% 0.53 0.45 vol_UP_n 40 -4.80% 54.53% 62.32% 9.81% 0.71 0.46 正股上行波动 60 -4.49% 49.13% 64.71% 10.04% 0.69 0.53 120 -3.56% 39.59% 66.15% 8.44% 0.61 0.44 20 -4.98% 54.34% 72.86% 10.75% 0.81 0.64 vol_DOWN_n 40 -4.74% 50.74% 71.01% 11.42% 0.83 0.61 正股下行波动 60 -4.48% 47.45% 67.65% 11.18% 0.77 0.57 120 -3.29% 33.54% 63.08% 8.57% 0.64 0.51 20 -4.95% 39.46% 68.57% 8.71% 0.66 0.48 cbvol_UP_n 40 -6.75% 56.34% 75.36% 10.08% 0.78 0.66 转债上行波动 60 -5.90% 51.28% 69.12% 8.87% 0.67 0.47 120 -4.91% 45.55% 73.85% 9.11% 0.67 0.52 20 -4.11% 32.65% 65.71% 8.17% 0.60 0.49 cbvol_DOWN_n 40 -5.46% 43.23% 71.01% 8.31% 0.60 0.43 转债下行波动 60 -4.92% 41.32% 69.12% 8.23% 0.62 0.48 120 -3.99% 37.19% 69.23% 8.22% 0.60 0.50 20 -0.07% 0.74% 47.14% 9.66% 0.57 0.45 RSJ_n 40 -1.01% 9.90% 50.72% 11.56% 0.71 0.60 正股RSJ 60 -1.09% 11.67% 54.41% 9.97% 0.67 0.55 120 -2.20% 27.30% 61.54% 7.74% 0.45 0.30 20 -2.48% 21.33% 58.57% 8.66% 0.57 0.42 转债cbRSJ_n 40 -4.26% 43.76% 65.22% 8.38% 0.53 0.37 转债RSJ 60 -4.28% 48.09% 64.71% 8.59% 0.61 0.46 120 -4.89% 53.18% 69.23% 9.01% 0.64 0.45 回测设置：类似前述报告，本节单因子测试，IC值取当期因子值与转债未来20日的收益率截面秩相关系数。分层回测部分，我们每期在截面上对转债按因子得分排序后等数量分为5组，20个交易日调仓，重点参考其多头（第一组）的表现。多因子模型回测部分我们做了一些细节的调整：截面上，新增了剔除价格大于150元同时其转股溢价率大于50%，以及剩余期限小于2年的转债的设置。表1：全体转债 资料来源：wind，民生证券研究院整理 注：此处参数周期n，即每次根据过去n个交易日的收益率数据计算其上/下行波动以及RSJ因子统计数据由2018-01-02至2023-10-13 首先我们对全体转债进行测试。从IC值看，除RSJ因子外，其他因子与转债 未来收益率均具有较强的相关性，且均为负相关。由转债自身收益率计算得到的因子IC值大多高于使用其正股收益率数据计算得到的相关因子，RSJ因子及转债RSJ因子选取参数周期越长，相关性越高。单因子看，转债上行波动因子整体IC绝对值较高，正股下行波动因子（n=20、