可转债专题：高性价比转债择券及更具现实意义的回测路径

摘要 基于历史成交情况的回测路径 回测路径的重要性：2019年至今，新发行转债规模分布、日均成交额分布、日均转债总规模与成交额均发生持续改变，提示无论是转债个券还是市场整体的流动性在不同时段均有不同表现。基于市场对于模型的承载能力进行评估，可能有着不低于模型本身账面收益表现的重要性。 更具现实意义的回测路径：标的当期的流动性也应纳入回测的考虑范畴。在给定策略初始规模的前提下，基于标的的历史成交表现来估计模型在特定交易日所能交易的数量，并基于模拟交易来编制估值表、计算策略净值，能够更好地展示模型在真实市场环境下的表现。 高性价比的转债择券 基础设置：通过对于转债信用等级、距离退市时长、转债存续规模以及转债质地进行把控，我们先剔除“低性价比”转债。基于筛选规则剔除部分转债后，仍可保留市场存续转债中90%左右的选择。 因子设置：通过对因子池中10个因子逐个进行回测，我们获得了各因子2021年至今的总体表现。其中，包括收盘价、转股溢价率、到期收益率等在内的数个因子，在收益率或最大回撤角度具有显著优势。 模型构建：从各年的收益率与回撤幅度两个角度出发，我们从上述10个因子中，选取收盘价、转股溢价率、转股市净率、到期收益率、纯债溢价率五个因子，用于从多个角度衡量转债的价格与质地，衡量转债的“性价比”特性。基于上述5个因子构建的择券模型，在绝对收益、相对收益、最大回撤等方面均取得了较好的表现。 从择时角度实现仓位优化 引入择时指标进行仓位管控后的策略收益表现：我们引入波动性差值与百元溢价率与择券模型结合实现择时。2021年至2024年5月下旬，两种择时指标优化仓位策略的组合收益表现均优于未引入择时指标的策略。从收益角度来看，多数年份的收益率均有明显增厚；从最大回撤的角度来看，在2022年至今市场较为波动的环境当中，两组择时模型所提供的最大回撤相对于高杠杆率组合优势明显，提示采用择时指标进行仓位管理能够在多数市场环境中显著降低回撤幅度。 风险提示：（1）市场出现极端波动，市场成交与流动性发生显著改变；（2）模型遗漏重要变量，样本数据遗漏，统计出现偏差等。 众所周知，数量化回测框架是用来检验策略有效性的重要方式，它允许投资者以相对较为准确且无实质成本地来测试效果。在这其中，除了策略对于标的的选择之外，最重要的因素环节之一便是模拟历史持仓以及收益情况。然而，转债市场不同于权益市场，受到包括行业特性在内的各类因素影响，不同转债的规模差异巨大，而对于多数规模不大的转债，其市场容量、成交活跃度往往有限——这使得在转债标的流动性差异对于策略承载能力的影响成为房间中的大象。我们从这一角度出发，尝试更具有现实意义的回测路径，并以一种“高性价比”策略进行验证。在此基础上，我们也考虑择时指标对于策略仓位管控上的帮助效果 。 1基于历史成交情况的回测路径 1.1回测路径的重要性 正如前文所描述，一方面，由于发行人行业、性质等影响，不同转债发行规模存在巨大差异，导致每年发行转债的规模分布变动明显。另一方面，随着转债新发与退出，全市场转债总规模也处于持续变化当中。我们统计了2019年至今，每一年新发转债的规模分布与年内日均转债存续规模。如图，从新发转债的规模分布来看，伴随着发行转债数量与个体特性的改变，其规模分布变动亦较为明显。2020年新发转债中，发行规模在10亿以下的转债相对上年占比有明显提升；2021年后至今，发行规模在50亿以上的新发大盘转债占比持续下行。另一方面，从全市场日均转债存续规模角度来看，2019至2023年，全市场日均转债存续规模持续上升，2024年1至5月，由于新发转债数量的极致压缩，出现一定的下行趋势。 因此，在不同的时点，市场上不同规模转债的分布结构区别较大。叠加转债存续规模总量的持续增长，可能难以用相对恒定的眼光去审视转债市场的流动性。 图1：2019年至今新发转债规模分布与日均转债总规模 从更直观的角度，我们统计了2019年至今全市场转债的日均交易额分布情况与全市场转债的平均成交额。首先，从2019至2022年，全市场转债的日均成交额分布趋势明确，即日均成交在0.5亿以下的转债数量基本保持稳定，但单日平均成交额0.5亿以上各个区间的转债数量总体上在稳定增加，提示单日平均成交额相对较高的转债占比在提升。2023年，全市场转债数量提升约15%，但当年单日成交额在0.5亿元之下的转债数量从上年的171只暴增至314只，增速远大于全市场转债数量增长速度，提示相当数量单日平均成交额相对较高的转债落回至该区间。2024年1至5月，在存续转债数量转向下滑的环境之下，日均成交额不足0.5亿的转债数量继续提升，其余区间转债数量持续压缩。从右轴的全市场转债平均成交额也可验证。2019年至2022年，全市场当年存续转债平均成交额从0.55亿持续提升至2.25亿元，触达阶段性高点。2023年开始转向快速下滑。2023年全年存续转债平均成交额1.45亿元，2024年1至5月回落至1亿元下方。 图2：2019年至今全市场转债日均成交额分布及全市场转债平均成交额 综上，随着转债供给以及市场环境的持续变化，无论是转债个券还是整体的流动性在不同时段均有不同表现。然而我们此前在撰写转债策略时，常常忽视这一细节所带来的影响——理论上可行的策略，可能因市场流动性因素无法如愿实现配置或及时卖出，而在交易层面折戟沉沙，最终导致模型的收益或承载能力被高估。例如，以小盘转债为主的策略可能由于其目标标的较低的成交额，或付出高额的冲击成本，导致难以完成所需转债的配置因导致直面上较为可观的收益难以落地。因此，基于市场对于模型的承载能力进行评估，可能有着不低于模型本身账面收益表现的重要性。 1.2更具现实意义的回测路径 这里，我们所指的更具现实意义的回测路径并不难以理解。既然我们的择券模型本身建立在标的的历史表现之上，那回测时也应将标的当期的流动性纳入考虑。这里，我们在要求给定策略初始规模的前提下，基于标的的历史成交表现来估计模型在特定交易日所能交易的数量，并基于模拟交易来编制估值表、计算策略净值。这样的回测路径，能够更好地展示模型在真实市场环境下的表现。同时，在给定调仓期限后，我们考虑了“交易窗口”的设置，仅允许在调仓日后的数个交易日来完成相关交易（假设该标的的市场流动性不足以支撑模型所需买卖数量），以评估在交易窗口快速消失的情况下策略的实际效果。值得注意的是，这样的一套回测体系，仍有一个重要的参数需要估计——在给定某标的当日总交易量的情况下，模型可以参与多少市场成交？这里我们当前所暂定的成交额占比为10%，即假设一位交易员可以以成交量加权平均价作为目标价格参与该标的在任一交易日所发生的10%的交易额。当然这一比例可以基于市场的活跃程度、某转债的实际流动性、交易员的交易能力等因素进行调整，但总体上这一参数设置越高，模型可显现出更优的实际效果与更强的承载能力。 下一步，在这样的回测框架下，我们以立足于高性价比来进行的转债择券为例，审视回测路径的实际意义。 2高性价比的转债择券 2.1基础设置 在开始择券之前，我们先对用来选取标的的转债池进行总体过滤。 首先，我们在这里希望筛选高性价比，自然要在第一步就对于“低性价比”转债进行剔除。长时间以来，我国的转债市场并未出现真正意义上的“信用风险”，并无转债发生实质性违约。4月12日，国务院印发《关于加强监管防范风险推动资本市场高质量发展的若干意见》（新“国九条”），标志着金融监管环境与股票退市要求趋严。5月17日，搜特转债发行人搜于特集团发布《关于“搜特退债”回售结果的公告》，称“公司目前可用货币资金余额无法覆盖‘搜特退债’剩余票面总金额及利息”，成为首只实质性违约转债。在这样的背景之下，信用因素是成为我们不得不考虑的问题之一。我们在基础筛选环节，仅保留“A+”及以上评级的转债。截至2024年5月24日，全市场537只转债中，满足信用评级在“A+”及以上的转债共计508只。 其次我们对于转债退市时间和转债存续规模进行筛选，主要是处于转债价格的稳定性考虑。一方面，转债在退市期间临近时，尽管以转股作为主要的最终出口，仍有相当一部分投资者可能在退市临近时进行交易，同时转债价格可能逐渐趋近于转换价值，转股溢价率归零，则有可能对策略净值造成损失。因此我们对于距离退市不超过60个自然日的转债进行剔除； 另一方面，对于存续规模较低的转债，其价格更可能受到异常交易的影响。因此，对于存续规模在1亿以下的转债进行剔除。截至2024年5月24日，全市场537只转债中，满足剩余期限大于60个自然日且存续规模大于1亿元的转债共计523只。 此外，“性价比”中对于转债本身质地的要求也不应忽视。这里，我们主要从财务稳健性和估值角度进行总体的控制。在每个调仓日，转债市净率小于1的转债样本将被剔除。另一方面，资产负债率不存在类似转债市净率这样更具标志意义的点位。从实测角度出发，当转债发行人的资产负债率不大于100%，可以剔除负债压力较大的部分标的。截至2024年5月24日，全市场537只转债中，满足转债市净率大于1且发行人资产负债率不大于100%的转债共计495只。 模型择券与回测当中所应用的参数设置如下表。 表1：不同波动率差值对应不同时间段后中证转债指数涨跌幅 基于以上描述对于转债样本进行基础筛选后，模型在每个调仓日可选转债数量变化如下。 图3：2021年至今执行基础筛选后可选转债数量变化 在2021年至今的回测期限内，应用上述基础设置后，可以保证每期转债样本池中的转债占全市场存续转债总量的比例基本在90%以上。在总体控制组合风险的同时较好地保留了选择余地，回测期间的前后一致性较好。 2.2因子设置 我们在《一种高效的可转债择券路径》中曾经对于各类因子的表现进行了具体的评判。 彼时，我们使用XGBoost机器学习模型帮助进行因子筛选，故提供了较多的可能性。本次我们在此基础上，对于因子池进行了精简。本次供选取的因子列表如下，共计选取了包括转债、正股行情与估值指标在内的共计10个不同指标。 表2：选取因子概览 在第一节所描述回测设置的基础上，我们对于上述列出的10个可能影响组合收益的因子进行测试。测试方法为逐个选取因子，分别按照升序与降序进行排序，并基于排序顺序构建组合。再对于获取的组合，基于历史交易情况，进行模拟交易，并计算模拟收益。各因子的较高组合和较低组合，相对于中证转债指数的表现对比，依次如下图所示。 收盘价因子角度，高收盘价与低收盘价组合在2021年下半年至2022年初，曾经双双超越中证转债基准，但高收盘价组此段表现明显更为动荡。2022年之后，低收盘价组合缓慢积累优势，高收盘价组合则表现不佳、一路下行。可以看到，收盘价因子的效果体现在低收盘价组合凭借其较低的价位可以相对稳定地跑赢市场，在2021年至2023年始终较为有效。而进入2024年后，低收盘价组合出现一定的波动，但迅速实现反弹。 图4：收盘价因子表现 换手率因子，是本次纳入的10个因子当中为数不多的、长期来看无论是高换手率组或是低换手率组合均难以相对于中证转债建立显著优势的因子。2021年至2022年底，高低换手率组合表现围绕中证转债指数运行。2023年后二者表现均弱于中证转债指数。 图5：换手率因子表现 相比之下，转股溢价率的表现更加明确。2021年中之后，转股溢价率较低的转债组合迅速发力，表现明显优于中证转债，2022年上半年遭遇明显回调后再次积累超额收益。但2023年之后总体表现平平。进入2024年以来，转股溢价率的表现有所好转。总体而言，转股溢价率受到市场表现的影响较大，结合此前收盘价因子的表现，这也解释了由转股溢价率与收盘价两因子共同组成的双低策略近两年表现不佳的原因。 图6：转股溢价率因子表现 转股市净率因子的表现中规中矩。2021年至今，低转股市净率组合表现持续处于中证转债上方，高转股市净率组2022年中之前波动明显，与中证转债差距不大。2022年9月后差距逐步显现。值得一提的是，2023年之后