金工专题报告：深度学习增强的可转债量化策略

证券研究报告：金融工程报告 2025年3月21日 研究所 分析师肖承志 SAC登记编号S1340524090001 Emailxiaochengzhicnpseccom 金工专题报告 深度学习增强的可转债量化策略 研究助理：金晓杰 SAC登记编号S1340124100010 Emailjinxiaojiecnpseccom 近期研究报告 《春季行情进入补涨阶段，行业轮动模型均看多食品饮料行业轮动周报20250316》20250318 《QwQ32b媲美DeepSeekR1671b，Manus引发智能体浪潮AI要闻周报20250310》20250310 《ETF资金仍聚焦科创芯片与机器人，主题行情下行业轮动有效性回撤行业轮动周报20250309》20250309 《泛科技大幅回调，融资资金和ETF资金逆市流入行业轮动周报20250302》20250303 《高波不再持续，多数风格切换中邮因子周报20250302》20250303 《3月胜率最高的策略：多微盘空1000微盘股指数周报20250302》 20250302 《Deepseek背景综述及在金融领域应用场景初探》20250226 《扩散指数有高位回调风险微盘股指数周报20250216》20250217 《基本面回撤，高波风格持续中邮因子周报20250209》 20250210 《各资金持续流入机器人，短期注意回调风险，行业轮动开始超配成长 行业轮动周报20250209》 20250210 《全面牛市正在到来，微盘有望修复前高微盘股指数周报20250209》 20250210 投资要点 时序标准化算子能够显著改善传统可转债因子的稳定性。量化多因子模型在可转债市场有一定作用，GRU模型能够从可转债行情数据和正股行情数据中挖掘有效信息，显著提升可转债多因子模型的表现。 可转债传统因子改进 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。改进后的转股溢价率因子多空最大回撤从2862缩小至1756，多空夏普比率从191提升至260。改进后的双低因子多空最大回撤从3043缩小至1091，多空夏普比率从209提升至257。 可转债多因子模型表现 运用不同的合成方式和因子构建可转债多因子模型。基于所使用的因子，从合成方式上看，历史ICIR加权相比等权和历史线性回归有较大优势，历史线性回归略弱于等权。从因子角度看，使用调整因子合成的模型相比基础因子合成的模型的表现提升显著。结合基础因子和调整因子的模型多头收益表现进一步提升。 GRU模型表现 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。基于可转债日行情的GRU模型多空年化收益率4574，最大回撤1304，夏普比率305。可转债分钟行情的GRU模型多空年化收益率4974，最大回撤1304，夏普比率351。正股映射的GRU因子多空年化收益率7718，最大回撤736，夏普比率539。基于正股分钟行情训练的可转债GRU模型多空年化收益率5151，最大回撤1023，夏普比率467。 结合GRU模型和多因子模型 结合GRU模型和多因子模型得到的最终因子表现显著提升。多空年化收益率高达11335，最大回撤483，夏普比率717。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（889033WI），超额年化收益率870，超额最大回撤464，信息比率196。 风险提示： 因子失效风险；模型失效风险；实盘交易风险。 目录 1可转债投资策略发展5 11早期简单策略阶段5 12基于条款和价格的策略发展阶段5 13多元化与精细化策略阶段5 14最新发展趋势6 2多因子模型在可转债中的表现6 21传统因子回顾6 22传统因子存在的问题7 23改进传统因子8 24可转债多因子模型11 3可转债GRU模型13 31基于日行情的GRU因子13 32基于分钟行情的GRU因子15 33股票GRU因子16 4结合多因子以及GRU模型18 41因子表现18 42组合测试19 5总结与反思21 6风险提示22 61因子失效风险22 62模型失效风险22 63实盘交易风险22 图表目录 图表1：转股溢价率因子IC表现7 图表2：转股溢价率因子多空收益7 图表3：双低因子IC表现7 图表4：双低因子多空收益7 图表5：双低因子IC表现（转债价格130）8 图表6：双低因子IC表现（转债价格130）8 图表7：调整转股溢价率因子IC表现9 图表8：调整转股溢价率因子多空收益9 图表9：转股溢价率因子分年度表现对比9 图表10：调整双低因子IC表现10 图表11：调整双低因子多空收益10 图表12：转股溢价率因子分年度表现对比10 图表13：转股溢价率因子分年度表现对比11 图表14：等权因子（基础调整）累积IC表现12 图表15：等权因子（基础调整）多空收益12 图表16：线性拟合因子（基础调整）累积IC表现12 图表17：线性拟合因子（基础调整）多空收益12 图表18：ICIR加权因子（基础调整）累积IC表现13 图表19：ICIR加权因子（基础调整）多空收益13 图表20：模型结构图14 图表21：日行情GRU因子IC表现14 图表22：日行情GRU因子多空收益14 图表23：日行情GRU因子分年度表现15 图表24：分钟行情GRU因子IC表现15 图表25：分钟行情GRU因子多空收益15 图表26：分钟行情GRU因子分年度表现16 图表27：正股GRU因子IC表现16 图表28：正股GRU因子多空收益16 图表29：正股GRU因子分年度表现17 图表30：正股分钟行情GRU因子IC表现17 图表31：正股分钟行情GRU因子多空收益17 图表32：正股分钟行情GRU因子分年度表现17 图表33：因子相关性18 图表34：合成因子IC表现18 图表35：合成因子多空收益18 图表36：合成因子分年度表现19 图表37：合成因子组合表现19 图表38：组合分年度表现20 1可转债投资策略发展 11早期简单策略阶段 纯债投资策略：在可转债市场发展初期，市场规模较小，投资者主要将可转债视为一种固定收益工具，类似于普通债券。他们关注可转债的票面利率、到期时间等债券属性，以获取稳定的利息收入为主要目标，投资决策相对简单。 打新策略：随着市场的发展，投资者发现新发行的可转债在上市后往往会有一定的溢价，于是打新策略逐渐兴起。投资者通过申购新发行的可转债，在上市后迅速卖出，以获取短期的差价收益。这种策略在市场初期成功率较高，吸引了大量投资者参与。 12基于条款和价格的策略发展阶段 双低策略：即选择价格低且转股溢价率低的可转债。该策略认为，价格低的可转债具有一定的安全边际，而低溢价率则意味着可转债与正股的联动性较强，当正股上涨时，可转债有更大的机会跟随上涨。双低策略在市场中得到了广泛应用，成为了一种经典的可转债投资策略。 下修策略：投资者关注可转债的下修条款，当正股价格持续下跌，触发下修条件时，公司可能会向下修正转股价格，从而提升可转债的转股价值。投资者可以通过提前布局这类可转债，等待下修机会来获取收益。 强赎策略：当正股价格大幅上涨，达到强制赎回条件时，公司可能会行使赎回权。投资者需要密切关注强赎条款，在公司发布强赎公告前，及时卖出可转债或转股，以避免因强赎而导致的损失。同时，也可以利用强赎前的市场波动进行短期交易获利。 13多元化与精细化策略阶段 行业轮动策略：结合宏观经济形势和行业发展趋势，选择不同行业的可转债进行投资。例如，在经济复苏期，增加对周期行业可转债的配置；在经济衰退期，加大对防御性行业可转债的投资。通过行业轮动，提高投资组合的收益。 成长股策略：关注具有良好成长潜力的公司所发行的可转债。这些公司的股票在未来可能有较大的上涨空间，从而带动可转债价格上升。投资者需要对公司的基本面、行业前景等进行深入研究，以筛选出具有投资价值的成长股可转债。量化投资策略：利用数学模型和计算机程序，对可转债市场进行大数据分析 和挖掘，寻找投资机会。量化投资策略可以克服人类情绪的影响，实现更加客观、高效的投资决策。例如，通过建立多因子模型，综合考虑可转债的价格、溢价率、正股基本面等因素，筛选出具有较高投资价值的可转债。 14最新发展趋势 结合红利策略：红利相关资产受到关注，结合红利策略进行可转债投资，可能为投资组合带来额外收益。例如，选择那些分红稳定、股息率较高的公司所发行的可转债，不仅可以享受债券的固定收益和转股潜力，还能获得一定的红利收入。 关注信用风险定价：随着市场的发展，投资者对信用风险的认识和定价能力不断提高。在选择可转债时，更加注重对发行主体信用状况的评估，通过合理的信用风险定价，选择具有较高性价比的可转债。 利用衍生品进行风险管理：一些投资者开始利用衍生品工具，如股指期货、期权等，来对冲可转债投资组合的风险。例如，通过买入看跌期权，在市场下跌时保护投资组合的价值；或者利用股指期货进行套期保值，降低系统性风险。 本文主要基于可转债以及其正股的行情，结合量化方法对传统的可转债因子进行改进，并通过深度学习模型对传统多因子模型选债进行补充，更加充分地挖掘量价信息对于可转债未来收益的预测能力。 2多因子模型在可转债中的表现 21传统因子回顾 转股溢价率：指转股时所付出的成本较转股价值的溢价程度。 计算公式：转股溢价率转债价格转股价值转股价值100 一般来说，转股溢价率低比较好。低的转股溢价率意味着转债价格相对合理，与转股价值比较接近。当转股溢价率为负数时，就出现了折价，此时转债有更大 的转股价值空间。而高转股溢价率可能表示转债价格被高估了，转股会比较不划算。（IC统计口径为周度的RankIC。多空收益计算方式为：每周按最新因子排序等权选取前50只转债作为多头，后50只转债作为空头，数据截止2025年2 月28日。若无特殊说明，本报告涉及相关内容均为此处理方式。） 图表1：转股溢价率因子IC表现图表2：转股溢价率因子多空收益 资料来源：Wind，聚源，中邮证券研究所资料来源：Wind，聚源，中邮证券研究所 双低：双低可转债，是指兼具低转债价格与低转股溢价率的可转债。 图表3：双低因子IC表现图表4：双低因子多空收益 资料来源：Wind，聚源，中邮证券研究所资料来源：Wind，聚源，中邮证券研究所 22传统因子存在的问题 转股溢价率的高低衡量了可转债股性的强弱，转股溢价率越高，转债与正股联动 性越低，股性越弱，反之亦然。从截面选债的角度看，由于不同转债的具体条款和不 同发行主体的信用评级存在差异，转股溢价率因子会存在不可比的问题。所以简单的 转股溢价率因子IC表现稳定性较差。 双低因子的两个组成部分都包含转债价格，与转债价格有极大的负相关性。传统 双低因子较好的表现基本上得益于高价格转债的负收益。高价格转债的负收益是由 于强赎条款的存在，而这种简单的逻辑在市场上很容易形成一致预期进而导致因子 alpha消失。 如果我们事先将可转债按照价格分为两组，可以发现双低因子在价格较低的转 债池内的IC表现明显衰减，所以传统的双低因子的主要优势在于空头强势。 图表5：双低因子IC表现（转债价格130）图表6：双低因子IC表现（转债价格130） 资料来源：Wind，聚源，中邮证券研究所资料来源：Wind，聚源，中邮证券研究所 23改进传统因子 引入时序标准化算子： factorfactorfactorrollingdmean factorrollingdstd 其中d表示回看交易日天数。 引入时序标准化算子后，传统因子值经过调整变为因子值近期分布，一方面可以避免不同转债之间的条款差异，另一方面可以避免某些指标在绝对数值上不同的影响。 调整后的转股溢价率因子IC明显得到改善，解决了原始转股溢价率2022年后方向改变的问题。调整转股溢价率因子的多空收益和多头收益整体相较于原始 转股溢价率因子有所减弱，但是在多空收益的稳定性明显提升，