量化可转债研究（一）：多因子模型在可转债中的应用

│ 多因子模型在可转债中的应用 作者 分析师：陆豪 证券研究报告 2024年04月10日 ——量化可转债研究（一） 可转债的多因子模型 多因子模型在量化选股中是比较成熟的方法之一，近年来，头部量化私募的成功吸引了越来越多的投资者开始研究挖掘各类股票因子，这也导致多因子模型的有效性在选股领域出现一定程度下降，但是在可转债领域，国内目前采用量化因子进行组合管理的机构相对较少，所以经典的多因子模型可能在可转债选择领域有一定的参考价值。 正股因子于转债 可转债的市场价格与正股有着非常强的关联性，除却转债自身因子外，转债对应正股的价值、情绪、动量、质量等因子均有可能潜藏丰富的alpha信息 可转债的分层 Wind根据可转债“平价底价溢价率”这一指标将可转债分成了偏债型可转债偏股型可转债、平衡型可转债三大类，不同类别可转债的股性债性表现各异各个因子对于不同类型的可转债来说可能影响性不同，我们对可转债进行分层后对不同类型可转债分别拟合多因子模型。 业绩比较基准选定 为研究量化多因子模型相较于传统转债投资策略的优劣性，我们选择转债经典的“双低”策略构建额外基准，研究量化多因子模型在风险、收益上是否优于传统策略。 筛选因子拟合模型 我们对各个类型可转债首先进行单因子筛选，根据IC、ICIR、因子多头收益率、多空收益率等要素对因子库中的因子做了筛选，选出对多头收益水平影响较高的因子，在排除多重共线性影响后进行多因子拟合。 分层可转债多因子模型各具优势 测试结果上看，平衡型转债模型在风险、收益上均要优于“双低”策略；偏债型转债模型在保证收益的前提下拥有最小的回撤；偏股型转债模型在权益市场表现较好时能博取较高的收益。 执业证书编号：S0590523070001邮箱：luhao@glsc.com.cn 分析师：康作宁 执业证书编号：S0590524010003邮箱：kangzn@glsc.com.cn 联系人：陈阅川 邮箱：chenyc@glsc.com.cn 金融工程 金融工程专题 风险提示：报告基于历史数据得到的结论，历史回测结果不代表未来。未来市场可能发生变化，因子有效性变化可能导致策略失效。 相关报告 1、《基于遗传规划的因子挖掘优化模型》 2024.03.24 2、《股指衍生品专题系列报告：——基于股指贴水的择时》2024.03.14 正文目录 1.研究背景3 1.1可转债规模变化3 1.2多因子模型简介3 1.3因子范围选定4 1.4因子评估方法4 1.5多因子模型比较基准5 2.可转债的分层6 2.1转债类型划分6 2.2不同类型可转债的表现差异7 3.单因子模型选择8 3.1偏债型可转债因子参数8 3.2偏股型可转债因子参数8 3.3平衡型可转债多因子模型9 4.多因子模型10 4.1模型拟合10 4.2模型评价10 5.风险提示12 图表目录 图表1：可转债存续规模以及月度成交额3 图表2：可转债与正股收益率相关系数4 图表3：“双低”策略组合净值5 图表4：分层可转债分布6 图表5：分层可转债组合净值7 图表6：偏债型可转债模型因子列表8 图表7：偏股型可转债模型因子列表9 图表8：平衡型可转债模型因子列表9 图表9：各类型转债策略组合净值10 图表10：各类型转债策略测试结果11 图表11：分年度各策略表现情况11 1.研究背景 1.1可转债规模变化 截止2024年3月，沪深两市共有近560只可转债存续，可转债市场合计规模约 8400亿元，可转债月度交易量也常年维持在6000亿以上。得益于市场可转债总体规模增长以及其独特的交易机制，我们把股票多因子选股的方法应用到可转债上。 图表1：可转债存续规模以及月度成交额 资料来源：wind，国联证券研究所 1.2多因子模型简介 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），该理论最早由StephenRoss(1976)提出。套利定价理论是一种资产定价理论，旨在解释资产回报差异的来源，并基于市场的套利机会来确定资产的合理价格。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： 𝑅�=𝑎�+𝑏𝑖1𝐹1+𝑏𝑖2𝐹2+𝑏𝑖3𝐹3+⋯+𝑏𝑖𝑘𝐹�+∈� 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。 1.3因子范围选定 可转债作为一种复杂的衍生品，兼具股票期权与债券的性质。因此，影响其期权价值与债券价值的因素，都会对可转债的定价有所影响。 横截面上，正股的涨跌幅与转债涨跌幅存在着强相关性（如图表2），这是转债定价受正股影响的直接体现。因此，除了转债自身的各类因子之外，正股因子、正股与转债的的联动也可以作为因子选择的来源。 图表2：可转债与正股收益率相关系数 资料来源：wind，国联证券研究所注：收益率为可转债与正股的周度收益率 为了保证转债的流动性与稳定性，在进行可转债多因子测试时，我们把样本池限定在余额大于1.5亿，且正股不处于ST或*ST状态的转债。换仓频率方面设定为周度换仓。 最终我们选定了可转债特有因子、可转债正股因子合计268个进行模型初步拟合筛选。 1.4因子评估方法 与传统股票多因子模型一致，本文对可转债的因子评估指标也采用常见的RankIC体系和分组收益表现两种方法来评定某单因子的表现： RankIC：当期因子值与未来一期(未来5日)回报率的截面秩相关系数，该 值的绝对值越大，表示因子的对下期的收益预测能力较强； 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较高； 分组收益：我们希望根据可转债的偏股、偏债属性进行大类分组，在每一大类分组中分别构建模型，而我们既关注因子的分组单调性，同时也关注头部及尾部的表现，因此本文考虑如下分组方法，在每期调仓时按照因子值的排序构建top20组合，这样的设定更加关注因子多头方向的表现。 1.5多因子模型比较基准 此外，我们希望探究多因子模型方法是否在某些方面优于传统转债投资方法，因此除却中证转债指数外，我们还根据经典的转债“双低”策略额外构建了一只基准进行比较。 “双低”策略：选取市场当期双低值=转债现价+（转股溢价率×100）最低的 N只转债构建轮动组合。 图表3：“双低”策略组合净值 资料来源：Uqer，国联证券研究所 2.可转债的分层 2.1转债类型划分 可转债兼具股性和债性。可转债的债性表现为：如果债券持有人不执行转股条款，且没有提前赎回，可转债可以看作一个固定利率且到期还本的普通债券；此时可以利用票面利率、到期收益率和到期时间计算出该普通债券的价值，称为可转债的纯债价值，又称为底价，计算公式为： � 纯债价值=∑𝐶𝐹� (1+𝑟)� � 其中𝐶𝐹�为每一期的现金流，�表示可转债对应评级的到期收益率，T表示可转债到期日的时间。 可转债的股性表现为可转债价格对正股价格波动的敏感程度。根据可转债的转股比率，可以计算出可转债转换为股票后的价值，称为可转债的转股价值，又称为平价。正股股价的变化带动可转债转股价值的变动，进而影响转债价格。可转债每100面值的转股价格计算公式如下： 转股价值= 100 转股价格 ∗当前股价 可转债股性和债性的大小影响着不同因子在可转债上的表现，因此有必要根据可转债的股性和债性将可转债进行分层，对不同性质的可转债分层分析。常见的可转债分层依据有可转债的平价以及可转债“平价/底价”的比值。我们根据可转债“平价/底价-1”这一指标，按照±20%将可转债划分为三层：偏债型可转债、平衡型可转债和偏股型可转债。 图表4：分层可转债分布 资料来源：Uqer，国联证券研究所注：数据未进行样本剔除 上图展示了在测试区间内，三种类型的转债的各自数量的变化。整体来看，同期平衡型可转债相较于偏债、偏股型可转债数量上要更多，三类可转债各自数量也会随着整体权益市场变化而变化。 2.2不同类型可转债的表现差异 下图采用每期不同类型可转债等权构建了三个不同类型可转债组合，展示了区间内3种不同组合的净值数据。 在图中可以看出，偏股型转债组合波动最大，收益水平不稳定；偏债型转债组合波动率最小，收益水平较为平稳；平衡性转债则介于两者之间。 由于不同类型转债的风险、收益特性不同，投资者投资该类标的的偏好、依据也不尽相同，所以本文中采用对不同类型转债分别拟合多因子模型的方法，希望可以得到更为精确的拟合结果。 图表5：分层可转债组合净值 资料来源：Uqer，国联证券研究所 3.单因子模型选择 在分层后的转债样本中，我们对各个因子计算其截面IC值，初步选定影响力较高的因子，再计算各个因子的多头能力，两者结合初步筛选该模型的因子库，随后通过方差膨胀因子（VIF）方法进行因子筛选排除模型多重共线性，最终选定我们将要拟合的多因子模型的因子列表。 确定各个模型因子及其系数后，我们根据模型对各类型转债进行打分，选取当期得分top20的转债等权作为我们目标持仓，形成策略组合，选取当期得分bottom20的转债作为对比策略组合。 我们对各个因子进行测试： 测试区间：2021.1.8-2024.2.8 测试频率：周度调仓 3.1偏债型可转债因子参数 排除多重共线性影响后，最终确定了如下15个因子进行最终模型拟合，各个因子具体表现如下： 图表6：偏债型可转债模型因子列表 资料来源：Uqer，国联证券研究所 3.2偏股型可转债因子参数 排除多重共线性影响后，最终确定了如下14个因子进行最终模型拟合，各个因子具体表现如下： 图表7：偏股型可转债模型因子列表 资料来源：Uqer，国联证券研究所 3.3平衡型可转债多因子模型 排除多重共线性影响后，最终确定了如下12个因子进行最终模型拟合，各个因子具体表现如下： 图表8：平衡型可转债模型因子列表 资料来源：Uqer，国联证券研究所 4.多因子模型 4.1模型拟合 在确定各个模型最终因子组合后，我们将因子组合在每一截面对当期收益率做多元线性回归，再将每一期确定的因子系数取均值得到模型最终的因子系数。 随后我们选取每期模型得分最高的20个转债等权构建投资组合，进行策略回测： 测试区间：2021.1.8-2024.2.8 测试频率：周度调仓 交易费用：双边0.1% 4.2模型评价 各策略组合净值如图表9所示，可见三种策略区间内整体表现都要优于中证转债指数以及我们构建的“双低”策略。 图表9：各类型转债策略组合净值 资料来源：Uqer，国联证券研究所 图表10：各类型转债策略测试结果 资料来源：Uqer，国联证券研究所 整体来看，测试区间内，偏债策略年化收益率22.22%，偏股策略年化收益率24.54%，平衡策略30.09%，“双低”策略年化收益率11.04%；平衡策略与偏债策略在风险与收益指标上均优于“双低”策略，换手率相对较高；偏股策略的回撤与波动较大，但是整体收益率要优于偏债策略与“双低”策略。 由于可转债的价格受其正股的价格直接影响，在2021年到2024年，市场经过了牛市行情、震荡调整、企稳回升等不同阶段，这为我们研究不同策略在不同市场环境下的表现提供了很好的研究背景。我们列出了各个策略在不同时间段的表现： 图表11：分年度各策略表现情况 资料来源：Uqer，国联证券研究所 如图表11所示，在2021年，偏股策略的收益水平要明显高于其他三种策略，而 其在2022年至2023年表现