核心观点与关键数据
- MC定价模型设计: 研究设计了基于蒙特卡洛方法的转债定价模型,兼顾强赎和下修条款,并提出了相应的边界条件假设,以简化模型运算时间。
- MC定价误差因子择时效果: 银行转债定价误差均值具有择时属性,当银行转债定价误差高于过去一年95%历史分位时,未来一个月转债市场下跌概率为86%;低于过去一年5%历史分位时,未来一个月上涨概率为88%。
- MC定价误差因子择券效果: MC定价误差因子结合动量因子有较好择券效果,2024年全年年化收益约11%,策略波动相对较高,在转债整体表现强时能有更好的超额收益,但回撤也较强。
- MC定价模型与BS公式的比较: 模型定价误差明显低于BS公式,2024年至今,模型定价和实际收盘价差距绝对值超过10元的数据量占比约为21%,相比之下BS公式为33%。
- 个券定价误差: 个券的定价误差也有显著下降,2024年至今,模型定价每日平均误差绝对值在10元以上的转债占比19%,较BS公式的30%明显下降。
研究结论
- MC模型有效性: MC模型在考虑强赎和下修条款的情况下,能够更准确地定价转债,优于传统的BS公式。
- MC定价误差因子应用: MC定价误差因子结合动量因子可以构建有效的择券策略,并在市场整体表现强时获得超额收益。
- 银行转债择时: 银行转债定价误差均值具有择时属性,可用于判断市场情绪和预测市场走势。
风险提示
- 历史统计规律失效风险
- 宏观经济变化超预期风险
- 超预期信用事件风险