可转债专题：高频量价视角看转债技术分析

摘要 传统动量因子Ret20 传统动量因子Ret20的构建：计算每只转债近二十个交易日的收益率。等量因子视市场特性不同，可能呈现“动量”或“反转”特性。 传统动量因子Ret20的回测：基于Ret20因子，将全部转债分为两组进行回测。市场上行阶段Ret20呈现动量效应、震荡阶段呈现反转效应。 传统动量因子Ret20的不足：从超额收益角度来看，Ret20因子在转债市场扩容初期区分度不佳且在市场震荡时回撤较大、不够稳定。 转债量价关系相关性因子 量价关系提示后续走势：作为转债技术分析主要的切入点之一，从指数层面可以看到量价关系的配合形态中可能蕴藏对于后续走势的预判。 量价因子的构建：整理2019年至今所有非定向发行可转债，逐分钟高频价格与成交量，计算转债高频量价相关性的平均数与标准差因子。 基于量价因子的组合回测：分别选择平均数与标准差因子作为择券指标建立组合进行回测，两个因子均能起到较为明显的区分效果。 对于量价因子的进一步应用：从转债等权指数周期均线出发，推荐选取转债等权指数3日均线和5日均线作为判断市场风格切换的时点。 量价关系与动量因子的结合 量价关系相关性综合因子：将平均数与标准差因子标准化，数值加总构建新指标Corr_20，市场下行期和震荡期该因子的稳定性明显更低。 量价关系综合因子与动量因子的重叠：在Corr_20的基础上，剔除动量因子Ret_20，构建新综合因子Corr_deRet20，分为五组进行回测，因子值最小的分组5除在回测期刚开始的极短时间内超额收益稍显不稳定，在这之后持续累计超额收益，且在市场下行周期和震荡期内也有较好的表现。 思考：各因子择券效果比较：在市场低成交量期，该时期成交量低，价量关系尚未形成配合，各类因子在该阶段所起到择优选券的作用，均较为有限。市场步入上行区间后，伴随着交易量的明显提升，此时的市场流动性大幅提升，相应的动量因子和价量因子所代表的指标都蕴含了更充分的市场信息。而当市场进入震荡期，考验因子有效性的关键因素就变成了因子对上升期所捕获超额收益的防守特性。 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。 在技术分析领域，量价关系往往被视作核心，其中成交量被视为价格变动的内在动力，成交量的增减往往预示着市场趋势的转变，成交量与价格趋势之间的关系复杂而微妙。以量价分析为首的众多经验法则，被广泛应用于股票的研究分析中，例如最为投资者熟知的量价关系“放量上涨”和“放量下跌”常被用于判断股票的强势和弱势，采用量价分析的思路助力可转债择优选券是否可行？与现行的传统动量因子相比是否有所优化？量价指标能否提示信息并用于持仓调整？我们基于转债的分钟成交与价格入手，并尝试结合量价因子与动量因子进一步构建更加有效的技术分析因子指标。 1传统动量因子Ret20 1.1传统动量因子Ret20的构建 “动量因子”，确切地说是“截面动量因子”，因其简单易懂的计算方式与其经过市场长期验证的有效性，经常被投资者和研究者应用和讨论。动量因子源自Jegadeesh和Titman (1993)提出的动量效应，传统动量因子的计算方式比较容易，例如常见的“一个月期动量因子”（Ret _1M ）的计算公式为： Ret_1M = 𝑃/ 𝑃 − 1 𝑇 𝑇 −1 其中，一个月期动量因子Ret _1M 其实就是某标的过去一个月的收益率，P为该标的价格，T为选取时间期限期末。根据调整T和T-n（n为时间期限）可以计算不同期限的截面动量因子。然而在实际使用时，一个月期动量因子Ret _1M ，其往往被投资者们称为“反转因子”，这个名称的由来是因为上个月收益率相对较高的股票，往往在第二月表现更为糟糕，而上个月收益率相对较低的股票，往往在第二月表现相对更好。 为何会有此类现象？动量因子的“动量”特征和“反转”特征是由市场中众多因素决定的，例如交易的投资者结构和对同一市场选取不同期限的动量会影响动量类型特征，理性投资者交易占比越高的市场，未来“动量”特征越明显，反之“反转”特征越明显；而不同期限的因子收益来源不同造成同一市场下的不同期限的动量表现的特征有所不同。 图1：股票市场中动量因子Ret的表现逻辑 借助上述内容，我们在可转债领域也引入本篇报告的第一个动量因子——Ret20，触类旁通，我们就能知道Ret20为“20个交易日动量因子”，计算公式为： 𝑃𝑃 𝑡 Ret20 = − 1 𝑡 −20 1.2传统动量因子Ret20的回测 这里，我们用回测方式来检验Ret20因子的实战效果。考虑到转债上市初期的上涨预期，我们对于上市时间不足20个交易日的转债进行了剔除。同时，距离到期不足30天、剩余规模不足1个亿的转债，也不在数据的包含范围内。此外，对于出现较为无规律的有条件赎回条款触发情况，我们整理了上述转债有条件赎回条款触发公告，在赎回公告发布当天进行剔除，避免因转债强制赎回导致组合净值异常波动。 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 基于上述公式，我们为选取全部可转债为样本，计算Ret20，以20个交易日为周期进行回测。在每个调仓日，我们根据最新Ret20指标降序排列，将可转债分为两组进行构建组合。回测效果如图。 图2：动量因子Ret20分组回测净值表现 根据上图，综合考虑指数走势以及成交情况，2019年以来的市场可以大致分为三个阶段：转债市场供给扩容初期（2019年-2020年初）、市场上行期（2020年初-2022年8月）和市场震荡期（2022年8月至今）。 分阶段来看，在市场低成交量期，基于Ret20因子分组编制组合后，两组表现区分度极低，市场在此阶段并未体现明显的动量或反转倾向；进入第二阶段，市场步入上行区间。在此阶段，两组合差异开始显现——此前20个交易日涨幅突出的标的倾向于在接下来的20个交易日表现更优，超额收益逐步累积，市场体现动量效应；而进入第三阶段的市场震荡期，两组合净值随市场震荡下行的同时，逐步贴近指数。即此前20个交易日涨幅突出的标的倾向于在接下来的20个交易日表现更差，市场转为反转效应。两个组合与转债等权指数的收益、回撤与波动率表现如表2。 表2：基于Ret20因子的分组回测表现 1.3传统动量因子Ret20的不足 我们以Wind可转债等权指数作为基准，计算了以Ret20因子来分划的两组合在回测期限内的累计超额收益表现。 图3：Ret20因子分组1超额收益 图4：Ret20因子分组2超额收益 总体而言，传统动量Ret20因子考虑作为择券因子，在转债市场的环境中，并非十分适宜。首先，在2019年全年转债市场扩容初期，基于Ret20因子构建的两组合超额收益均极低。这表明无论是出于动量或反转角度考虑，基本没有择券效果；其次，超额收益结果提示市场上行区间更可能呈现动量效果。但即使在2020年上半年的市场上行过程中，由前20个交易日收益较好标的组成的分组1所表现出的超额收益也在市场的短暂震荡中出现了快速调整，幅度达到5%。因此，基于Ret20因子进行的择券尝试，在不同的市场环境之下，总体表现不够稳定。 2转债量价关系相关性因子 2.1量价关系提示后续走势 提及技术分析，自19世纪末查尔斯·道及其同道提出并总结“道氏理论”之后，已经经历了长足的发展。但万变不离其宗的是，量价关系始终为技术分析的核心与最重要的抓手。 价格的跌与涨、成交量的与缩放，两个维度共同组成四个象限，涵盖了资产价格与走势的无限可能。转债的价格与成交量走势，无疑是转债技术分析最优的切入点之一。 图5：2018年至今中证转债指数收盘价与成交量 以中证转债指数为例，量价关系配合往往是较长时间维度内的常态。2020年年初至2021年11月上旬，中证转债指数处于长期上行通道，这段时间内指数的持续上行得到了交易量的配合，总体上显现持续的量价齐升趋势；在本轮上涨即将结束之时，2021年11月中旬至2022年1月初，指数的上行伴随着成交量的快速收缩，随之而来的是长达四个月的指数调整。而从另一个角度看，成交量的异动也可能提示指数企稳反弹。2022年8月中旬开始的指数下行当中，指数成交先是快速下探，而后在10底月开始快速回升，随之而来的是2022年12月底开始的快速上涨。举例不一而足，但这可能提示了量价关系的配合形态中可能蕴藏这对于后续走势的预判。因此，我们认为可以尝试在标的量价关系的角度加以挖掘，寻找择券上的增量信息。 2.2量价因子的构建 尽管在指数层面，量价关系也可提示后续走势的异动，但正如我们所看到，指数层面所体现出的量价关系对于后续走势的预测并不稳定，难以提炼出清晰的范式。这可能是因为在指数层面影响量价指标的因素众多且难以拆分，因此对于指数本身的提示作用相对有限。所以，我们从转债个券入手，对于数据加以挖掘。 首先，我们整理了2019年至今，全市场所有非定向发行可转债，每一个交易日的逐分钟高频价格与成交量情况；第二步，对于每只转债，我们在对于该分钟无成交时段做了剔除之后，计算其每一交易日在分钟尺度上价格与成交量的相关系数，提示其在当天的量价走势相关性；第三步，对于每一交易日，计算该交易日前二十个交易日范围内，每日量价走势相关系数的平均值与标准差。基于此，我们获得以20个交易日为周期的，转债高频量价相关性的平均数Corr_20_avg与标准差Corr_20_std。 𝑡−1𝑡−20 ∑ 𝑐𝑜𝑟𝑟(𝑝, 𝑣)20 𝑡 Corr_20_avg = 𝑡−1 ∑20 − 1 (𝑝, 𝑣) − 𝐶𝑜𝑟𝑟_20_𝑎𝑣𝑔)(𝑐𝑜𝑟𝑟 Corr_20_std = √ 𝑡 𝑡−20 2.3基于量价因子的组合回测 我们将两个指标分别作为择券指标建立组合进行回测。回测具体细节与前文对于Ret20因子进行回测时一致。为了便于比较，我们在这里也同样将全部标的分为两组构建组合。 图6：量价因子Corr_20_avg分组回测净值表现 首先是转债量价相关性平均值指标Corr_20_avg。可以看到，从组合净值角度来看，转债量价相关性平均值指标Corr_20_avg作为分组依据，两组合的收益形态与Ret20指标相似，但总体而言区分度更大，在不同市场阶段表现存在较大的差异。2019年至今各年表现如表3。 表3：基于Corr_20_avg因子的分组回测表现 值得注意的是，两个组合在市场表现不同的区间，展现了截然不同的超额收益表现，凸显了各自更加鲜明的进攻与防守特性区别。在转债市场扩容初期与市场上行期，第一组，即量价相关性平均值位于前50%的一组，体现了较强的超额收益获取能力，累计超额收益最高超过35%。但在2022年8月份之后的市场震荡期，组合1相对于指数表现明显偏弱，并回吐了多数超额收益。而第二组，即量价相关性平均值较低的一组，则展现了几乎与第一组互补的表现——在市场表现亮眼时持续跑输市场，而在市场走弱下行时呈现了较好的防守效果。 图7：Corr_20_avg因子分组1超额收益 图8：Corr_20_avg因子分组2超额收益 如何理解这一现象？量价关系相关性高的标的，其量价表现形态倾向于“放量上涨”或“缩量下跌”。而从选入了较高量价关系相关性标的在市场上行期间表现明显较好的情况来看，在市场表现较好的环境下，当一段时间内某标的量价形态更多地表现为“放量上涨”或“放量下跌”形态，其在接下来一段时间更有可能上涨。但在市场总体表现不佳时，此类标的有较大概率表现不佳；另一方面，如果某标的的量价关系更多显现放量下跌或缩量上涨，其更可能在原地踏步的市场中拥有更强的防御能力，但在市场表现较好时落后于指数表现 。 图9：Corr_20_avg在不同市场环境中的表现 转债量价关系标准差Corr_20_std指标，也显现了类似的效果。相对于Corr_20_avg而言，基于标准差指标构建组合的区分度稍显下降，但仍明显优