金工专题报告：深度学习增强的可转债量化策略

可转债投资策略及量化模型研究总结

可转债投资策略发展历程

可转债投资策略经历了四个主要发展阶段：

1. 早期简单策略阶段：主要采用纯债投资策略和打新策略。
2. 基于条款和价格的策略发展阶段：主要采用双低策略、下修策略和强赎策略。
3. 多元化与精细化策略阶段：主要采用行业轮动策略、成长股策略和量化投资策略。
4. 最新发展趋势：结合红利策略、关注信用风险定价和利用衍生品进行风险管理。

多因子模型在可转债中的表现

传统因子回顾

• 转股溢价率：衡量可转债股性的强弱。
• 双低：指兼具低转债价格与低转股溢价率的可转债。

传统因子存在的问题

• 转股溢价率因子存在不可比问题，导致IC表现稳定性较差。
• 双低因子逻辑易形成一致预期，导致alpha消失。

改进传统因子

引入时序标准化算子，提升传统因子的稳定性。

可转债多因子模型

• 采用等权合成、历史线性拟合和历史ICIR加权三种方式对因子进行合成。
• 基于所使用的因子，历史ICIR加权相比等权和历史线性回归有较大优势。
• 使用调整因子合成的模型表现提升显著。

可转债GRU模型

基于日行情的GRU因子

• 利用GRU模型从可转债日行情中挖掘信息预测可转债未来收益。
• 多空年化收益率为45.74%，最大回撤为13.04%，夏普比率为3.05。

基于分钟行情的GRU因子

• 将输入端从日行情信息变为日内分钟行情信息。
• 多空年化收益率为49.74%，最大回撤为13.04%，夏普比率为3.51。

股票GRU因子

• 直接使用正股GRU因子映射到可转债上的表现强势，多空收益表现远胜其他模型。
• 使用正股分钟行情训练的可转债GRU因子整体表现弱于正股GRU因子。

结合多因子以及GRU模型

因子表现

• 结合历史ICIR加权的基础因子+调整因子、基于日行情的可转债GRU因子、正股映射到可转债的GRU因子以及基于正股分钟行情训练的GRU因子进行合成。
• 多空年化收益率为113.35%，最大回撤为4.83%，夏普比率为7.17。

组合测试

• 基于最终因子构建的多头组合显著跑赢万得可转债等权指数（889033.WI）。
• 超额年化收益率为8.70%，超额最大回撤为4.64%，信息比率1.96。

总结与反思

• 引入时序标准化算子对传统因子进行调整，显著提升了传统因子的稳定性。
• 可转债行情以及正股行情对可转债未来收益预测均存在有效性。
• 结合GRU模型和多因子模型得到的最终因子表现显著提升。

风险提示

• 因子失效风险。
• 模型失效风险。
• 实盘交易风险。