债券量化系列（一）：使用多因子模型构建分类型可转债周度策略.pdf

上传者：1*****
时间：2026/06/22
热度：99
0人点赞
举报

本报告旨在利用多因子模型构建分类型可转债周度策略，以应对低利率背景下投资者对精细化配置的需求。报告首先梳理了转债估值、量价、深度学习、分钟、Level2高频、正股量价及正股基本面七个维度的因子，并进行单因子测试。测试结果表明，转债估值、正股基本面及动量因子逻辑较强，效果较好；深度学习因子效果不错但逻辑不透明；分钟和Level2高频因子虽在偏股型转债上表现尚可，但逻辑弱且易过拟合。基于单因子测试结果，报告针对偏债型、平衡型、偏股型三类可转债分别筛选有效因子构建多因子模型。偏债型主要选用估值和深度学习因子；平衡型选用估值、量价和深度学习因子；偏股型则综合选用估值、量价、深度学习、分钟高频及正股基本面因子。报告构建了各类型多头组（前20%）组合，并进行了等权配置。为降低高换手率带来的交易成本侵蚀，进一步引入了控制换手率的组合优化模型，设定双边换手率上限为50%。回测数据显示，等权配置控制换手率组合历史年化收益为22.03%，相对中证转债指数年化超额收益为14.87%，超额最大回撤为-10.34%。考虑双边千三交易费用后，年化超额收益为11.02%；考虑双边千二费用后，年化超额收益为12.3%。2026年以来，该策略收益为16.45%，费后超额收益为9.66%。报告指出，量化模型基于历史数据构建，存在过拟合及市场环境变化导致失效的风险。