量化方法在债券研究中的应用三：可转债K线技术分析与K线形态因子

摘要 本文定量研究可转债K线形态，并构建K线形态因子，增量可转债形态信息。 首先量化定义单根和多根K线形态，量化遍历各个K线形态在可转债中出现的次数以及统计未来收益表现。本文通过实体、上影线、下影线绝对值大小将单根K线划分为16种形态；结合单根K线形态和相邻K线之间关系定义多根K线形态。 然后，结合价格趋势和成交量趋势分析K线形态。 从可转债的数据统计来看，可转债长上影线信号相对积极，而长下影线信号相对消极。可转债T+0交易机制，日内高频交易导致上下影线长度噪音，而非真实阻力或支撑。有些影线陷阱可以通过反向交易获益。 在单K分析中，在下跌趋势中，出现放量的阴线A6形态、缩量的阴线A7形态的反转上涨胜率较高，在60%以上，未来5日超额收益率分别为48.04%和67.40%。 放量的阴线A6形态（长下影线）反映卖压释放且底部有承接，缩量的阴线A7形态（长上影线）反映抛压枯竭，多头尝试向上推高价格。 在2K分析中，在价格震荡中，阳线B5形态加上第二天跳空高开B3形态是启动上涨的信号。在上涨趋势中，前一天出现小阴线A1形态，紧接着第二天跳空低开B5形态，虽然第二天收盘大阳线，但警惕缺口缺乏支撑，短期调整概率较大，未来5日超额收益率表现较差。 最后，我们构建可转债K线形态因子。在样本期（2020/01-2024/02）内，可转债形态因子在2020-2021年两年表现较差，2022年至今因子表现较好。因子的IC均值分别为0.11，IC胜率为66.31%，ICIR为0.43，说明了两个因子的有效性和稳定性。分组检验方向与IC符号方向保持一致，形态因子得分高的可转债具有正超额收益。多头组合组1的年化收益率为6.34%，相对中证转债指数的年化超额收益率为6.27%，超额收益率胜率为70.08%。 综合IC序号和分组检验来看，2022年以来形态因子是可转债因子中表现较好的因子，与隐含波动率、YTM因子表现相当。可转债形态因子与其他因子相关系数较低，信息重合度较低。 风险提示：本文的研究是基于对历史数据的统计和分析，因子的历史收益率不代表未来收益率。若市场环境发生变化，因子的最终表现可能发生改变。同时可能存在第三方数据提供不准确风险。模型结论基于统计工具得到，在极端情形下或存在解释力不足的风险，因此其结果仅做分析参考。 本文探究可转债K线形态在可转债预测中的作用，首先量化定义K线形态，遍历统计所有K线形态在可转债中出现的次数以及未来收益表现。其次，从数据统计角度，寻找在可转债中具有预测性的K线形态；最后，从量化模型角度，构建可转债K线形态因子，从K线形态方面增量可转债因子信息。 1可转债K线图量化分析 1.1可转债K线形态 在之前系列报告可转债的研究中，我们发现，可转债量价因子大多表现较差，可转债量价因子的表现也与股票有一定差异，比如换手率因子。作为正股的衍生品，以及可转债债底保护和条款约束等差异，可转债本身的量价因子对于可转债的预测没有股票量价因子效果好。 这篇报告中我们发现可转债K线分析也与股票表现出一定差异，值得细致深入研究。可转债价值除了债底和转股价值外，还有一部分期权价值，因此可转债每天涨跌幅跟正股并不一致，K线走势特征也具有差异性。比如浦发银行和浦发转债年初至今的K线图，除了实体差异，上下影线都有较大差异。2025年1月27日前几天浦发转债都有较长的上影线，实体较短，而浦发银行实体较长，后续价格走势两者也有差异。 图1：浦发转债K线走势 图2：浦发银行K线走势 1.2K线形态量化 K线图由一定周期内的开盘价、收盘价、最高价、最低价、前收盘价绘制而来，分为阳线和阴线两种，图形上包括实体、上影线、下影线三个部分。 阳线：收盘价>开盘价。阴线：收盘价<开盘价。 𝑎𝑏𝑠(收盘价−开盘价) 实体= 前收盘价 ) 最高价−max(收盘价,开盘价 上影线= 前收盘价 最高价−𝑚𝑖𝑛(收盘价,开盘价) 下影线= 前收盘价 图3：K线组成部分图解 我们量化和识别单K形态，在总结市场上已有的K线形态中我们发现，大多数K线形态描述是模糊的，比如锤子线：有较长的下影线，实体较短，上影线较短或者没有上影线。 市场上量化的方式可以总结为2种，一种是实体、上影线、下影线的相对关系，比如“下影线长度大于实体长度的2倍”；另一种是长度绝对大小度量，比如“实体长度小于1%，下影线长度大于2%”。 我们采用第二种绝对大小的量化方式。数值分段划分得越多，K线形态种类越多越精细，但相对的出现频率会越低、特殊性偶然性会越强。考虑简单、普遍的K线形态和信息，我们将实体、上影线、下影线分别划分为2种： 阴线，收盘价<开盘价{ 短实体，实体长度≤ 2%{ 阳线阴线： 实体： 阳线，收盘价>开盘价 长实体，实体长度> 2% 短上影线，上影线长度≤ 1%{ 短下影线，下影线长度≤ 1%{ 上影线： 下影线： 长上影线，上影线长度> 1% 长下影线，下影线长度> 1% 单根K线由这4个部分组合起来共有2*2*2*2=16种形态。划分阈值的设置考虑数值波动范围，上下影线波动范围小于实体，实体长度的均值和波动率是上影线的1.5倍，是下影线的2倍。 多根K线形态不仅是多个单K形态的简单组合，因为单根K线的实体、上影线、下影线度量的是当天各个价格的相对关系，并不涉及相邻K线之间的关系。我们用当天K线的开盘价与昨天K线的最高价、最低价的大小关系来度量相邻K线的关系，主要考虑跳空高开、跳空低开信息。 跳空高开，{ 𝑜𝑝𝑒𝑛> ℎ𝑖𝑔ℎ< 𝑜𝑝𝑒𝑛< ℎ𝑖𝑔ℎ𝑜𝑝𝑒𝑛< 𝑙𝑜𝑤 𝑡 𝑡 −1 相邻2K之间关系： 中开， 𝑙𝑜𝑤 𝑡−1 𝑡 𝑡 −1 跳空低开， 𝑡 𝑡 −1 因此，2K形态由单K形态*相邻K线关系*单K形态组成，共有16*3*16=768种形态 。 N N−1 N根K线组成的形态共有16∗ 3 种形态。 最后，在各根K线形态基础之上，结合价格趋势和成交量信息，K线形态含义更完整、预测性更强。 第一，结合价格趋势（下跌、震荡、上涨）：当前收盘价在过去一段时间价格中所处分位数。 下跌，分位数<于10%{ 价格趋势： 上涨，分位数>于10%震荡，其余情况 第二，结合成交量趋势（缩量、震荡量、放量）：当前成交量与过去一段时间成交量关系。 缩量，当前成交量>过去一段时间日成交量的最大值{ 成交量趋势： 放量，当前成交量<过去一段时间日成交量的最小值震荡量，其余情况 1.3现有K线形态汇总 本文梳理现有研究中的K线形态，主要是股票的K线形态研究，没有针对可转债K线形态的研究。 K线数量一般在5根以内，对后续看涨的K线形态共有45种，对后续看跌的K线形态共有42种。2根和3根K线组成的形态较多，3根以上K线形态较少。这些形态描述结合定性和定量，有的形态描述比较模糊。这些形态在这篇报告中不进行讨论，在后续报告中会测试讨论。 这篇报告主要从量化角度，通过遍历所有K线形态，找出对可转债K线形态信息。 图4：看涨K线形态 看跌K线如下： 图5：看跌K线形态 表1：K线形态举例说明 1.4构建K线形态因子 不同K线形态体现不同的信息，我们构建可转债K线形态因子。我们不通过在全样本寻找具有预测性的形态，再用这些形态预测，这样因子中存在未来信息。在前文中寻找表现好的K线形态，是展示历史上的形态模式供参考。在因子构建中，我们采用滚动窗口，用窗口期内K线形态表现对当前可转债形态打分，用于预测可转债未来一段时间的表现。 我们考虑持有期为20个交易日，月度换仓。可转债c在T时刻的因子KP计算如下： c ,T 首先，用过去2年（480个交易日）所有可转债的每日K线形态和该K线未来20个交易日的收益率作为单K形态表现打分的样本，单K形态p（p属于16种形态集合）的分值为： 𝑚𝑒𝑎𝑛(r)𝑠𝑐𝑜𝑟𝑒= 𝑝 𝑝 std(r) 𝑝 𝑠𝑐𝑜𝑟𝑒为窗口期内形态p的所有K线对应的未来20个交易日收益率的均值除以标准差。 𝑝 其次，我们用形态分值对可转债最近40个交易日每日K线形态进行打分加总： 𝑇 ∑ 𝐾𝑃 = w∗ 𝑠𝑐𝑜𝑟𝑒 𝑐,𝑇 𝑡 𝑐,𝑡 𝑡=𝑇−40 (𝑝𝑎𝑡𝑡𝑒𝑛 | 𝑝 ∈ {1,2,3, … ,16}) 𝑠𝑐𝑜𝑟𝑒 = 𝑠𝑐𝑜𝑟𝑒 = 𝑝𝑎𝑡𝑡𝑒𝑛 𝑐,𝑡 𝑝 𝑐,𝑡 𝑝 𝑇−𝑡𝜆 ()1 w= 0.5 𝑡 我们采用半衰期指数权重w对每日K线形态分值进行加权，时间越近的K线分值权重越大。权重因子如式（1）所示，λ表示半衰期，取窗口期的一半（T/2），t日权重为w，T-t表示t日到当前时刻T的天数。 𝑡 𝑡 1.5数据来源与处理 数据处理和参数设置有以下几点说明： （1）数据区间：2018.01-2025.02期间沪深交易的所有可转债，上市2个交易日后、退市50个交易日前。筛选债券余额大于1亿元、债项评级A-及以上、正股非st/*st、没有赎回、过去20天平均成交额前90%的可转债。 （2）可转债交易涨跌幅20%限制规则自2022年8月1日起实施。在统计情况时，对于2022年8月之前的数据，因为没有涨跌幅限制，有些涨跌幅超大值会影响结论。因此我们把涨跌幅大于21%的K线删除，这部分数据共180条，在全样本占比不到1‰。 单根K线各个部分的描述性统计如下，实体长度的平均值、波动率、25%分位数、75%分位数均是下影线长度的2倍左右，上影线长度的平均值和波动率在两者之间。基于此，上影线和下影线长度的划分范围小于实体长度。我们将实体长度按照2%划分，将上影线和下影线均按照1%划分。 实施20%涨跌幅限制以来，各部分数据的25%、50、75%分位数差异不大，最大值和75%分位数以上的部分差异较大，就是20%涨跌幅以上的K线会带来部分差异。总体来说，实施20%涨跌幅限制后，可转债K线性质无较大差异。 表2：K线实体、上影线和下影线数据的描述性统计 （3）在统计K线形态的表现时，我们统计K线形态出现的次数、未来一段时间超额收益率、超额收益率的胜率，基准收益率为中证可转债指数收益率。期间收益率均年化处理 。 2单K形态数据分析 2.1单K遍历形态统计 在这部分，我们探究日K线的形态和信息，探究短期技术分析，因此我们统计未来5日超额收益率的表现。 首先，我们探究可转债上下影线蕴含的信息，按照日K的上下影线对K线进行分类统计。 在传统K线技术分析中，长上影线通常被解读为消极信号，因为它反映了股价冲高后被卖方打压回落的情况；长下影线通常被视为一种积极的信号，表明买方力量较强或下方有较强支撑。从可转的数据统计来看，可转债长上影线信号相对积极，而长下影线信号相对消极。 从数据中我们可以看出： （1）（长上影线_短下影线）K线的可转债未来上涨空间更大，未来5日超额收益率平均为11.24%，远高于其他K线形态。（短上影线_长下影线）K线和（长上影线、长下影线）K线的可转债未来下跌幅度较大。 （2）仅根据上下影线形态择时可转债的超额收益率胜率都在50%以下，还要根据其他信息提高看涨形态的胜率。整个样本可转债相对中证转债超额收益率胜率在46%左右。 （3）将划分标准从1%提高到2%，上下影线大于2%的K线出现次数降低，未来超额收益率越显著。在划分形态时，要在频率和胜率之间做个权衡，形态越极致含有的信息越多，胜率有可能越高；划分得越平均，胜率越接近中位数。 可转债T+0交易机制，日内高频交易导致上下影线长度噪音，而非真实阻力或支撑。有些影线陷阱可以通过反向交易获益。可转债长上影线更多反映短期抛压释放而非阻力趋势反转，长上影可能成为多头蓄势信号。 表3：可转债按照