1、報告正文自從 2017 年之后轉債市場呈現快速增長趨勢，轉債數量與日俱增，目前存量轉債已超過三百只。隨著轉債數量的增加，轉債的投研方法也需要升級，以往一個人兼顧自上而下和自下而上的模式已經不能滿足當前的需要。另外，隨著樣本的增加，一些以往不適合轉債的分析方法也逐漸可以采用，比如股票量化分析中常用的多因子選股和事件研究等方法現在均可以應用到轉債上。因此我們開始推出量化轉債研究系列報告。以多因子研究作為本系列報告的開篇。圖表 1：轉債樣本數量突破 300 只圖表 2：轉債樣本歷史行業分布數據來源：Wind，整理研究起點：轉債定價邏輯和數據處理轉債期權價值的主要影響因素是正股和轉債定位的預期差。轉債

2、在一定程度上看作純債價值和股票期權價值的組合，因此，1）影響純債的因素、2）影響股票期權的因素均會影響到轉債定價。由于 A 股轉債本身的特性以及投資者對轉債的定位，影響股票期權的因素是轉債定價中更核心的部分，這也是本文重點討論的。A 股轉債三大附加條款（回售、下修、贖回）的價值是期權價值的重要組成，但這些條款的定價是相對困難的，預期內的部分會部分體現在轉股溢價率上，還預期外的部分無法刻畫。因此，本文也暫時不考慮這些特殊條款。 一般影響轉債期權價值的影響因素包括正股價格、轉股價、正股波動率、無風險利率等，考慮到轉股價固定、無風險利率影響有限，主要影響因素可以完全用正股去刻畫。另外，轉債實際交易中

3、本身包含了期權價值，這部分可能與實際期權價值存在差異，這本身也是轉債跟正股表現不一致的部分來源。這個部分可以通過修正溢價率進行刻畫。基于此，本篇報告的因子選擇主要考慮正股因子和修正溢價率因子。利用影響股票價格的因子選轉債的前提是，橫截面上轉債的收益率與正股的圖表 1：轉債與正股的秩相關系數收益率存在較強的秩相關性，這樣就可以保證股票多因子也能在轉債上產生一定的選券效果。轉債和正股的 1 日、5 日、20 日的收益率橫截面秩相關系數的歷史數據顯示，平均值和中位數均在 0.5 以上，較為顯著，且隨著窗口的延長，轉債與正股的秩相關系數越大，這說明長期來看轉債與正股的相對走勢較為一致，但在短期內還會受

4、到其他因素的干擾。在股票的多因子研究中，一般較為有效的大類因子包括估值、成長、量價、質量等因子，因此對于轉債的因子研究也會從這些因子中選擇（由于 roe、 roa 等質量因子經測試效果較差，因此本文將不展示質量因子的測試效果）。數據來源：Wind，整理數據處理和研究細節由于 18 年之前的轉債樣本較少，因此本文的測試區間選擇 2018 年 1 月 1 日至 2021 年 3 月 16 日。考慮到轉債的可交易性和穩健性，需要將部分轉債剔除樣本范圍，剔除的標準為：剔除換手率大于 40%的轉債；剔除剩余規模小于 2 億的轉債；剔除正股停牌、ST、ST*、PT 等的轉債；數據處理在進行轉債多因子研究之

5、前需要對因子原始數據進行一定的清洗和處理。異常值處理：利用 zscore 方法，超過正負 3 倍標準差的數據壓縮至正負3 被標準差；標準化處理：由于不同的因子分布存在差異，因此需要對因子進行標準化處理；中性化處理：因為不同的轉債存在行業、市值上的差異，因此需要對因子進行中性化處理，剔除行業和市值的干擾。具體的方法：將行業作為虛擬變量，將因子與行業、市值對數在橫截面上回歸，得到殘差。持倉周期測試多因子表現時會考慮 5、20 個交易日兩個換倉周期（考慮到可轉債的流通性，展示主要以 20 個交易日為主），交易費用雙邊千一，測試結果考慮單因子的單調性效果以及收益表現（單因子相對于基準指數在收益上的效果

6、可能并不太顯著）。轉債樣本分組多因子研究除了需要測試總體因子與收益率之間的相關性，還需要將樣本等分為 N 個組合，對比每個組合的收益效果，進一步驗證因子在分組收益上的效果。由于轉債數量不多，因此本文僅分為 3 組。如無特別說明，后續第 3 組均為表現最好的一組，第 1 組為表現最差的一組。基準指數全市場轉債等權指數（未剔除任何樣本）。評價指標評價指標中的 IC 表示因子與收益率橫截面的 Pearson 相關性系數，一般 2%以上認為相關性顯著；IC_mean 表示歷史每期 IC 均值，IC_IR表示 IC 均值除以 IC 標準差，越高表示相關性越穩健。單調性指標表示各年 度分組收益與組別的相關

7、系數的時間加權指標，越接近當前時間點權重越大，半衰期設定為 5 個交易日，指標值越大表示因子的歷史整體相關性越強且越穩健。轉債多因子的介紹和篩選一、成長因子成長因子衡量企業的成長性，一般的成長因子包括凈利潤同比增速、營業利潤同比增速等。本文選擇的成長因子是 SUE、SUR、單季度財務數據（營業收入、營業利潤、凈利潤等）同比增長率、單季度財務數據（營業收入、營業利潤、凈利潤等）增長率變化、單季度財務數據（營業收入、營業利潤、凈利潤等）增長率穩健性（均值/標準差）等指標。考慮到因子數量眾多，因此本文僅展示部分較為有效的因子（SUE 與 SUR 及其變形）。SUE 與 SUR 在構造方式上一樣，區別

8、在于 SUE 是凈利潤的超預期，SUR 是營業收入的超預期。以 SUE 為例，公司在時間 的超預期 SUE 因子定義為：,= , (,),其中，,表示公司實際公告的最新的單季度凈利潤，(,)表示公告前的單季度凈利潤預期值，,表示單季度凈利潤增長的標準差。(,)和,均通過歷史數據估算獲得。根據 Narasimhan（2006）、Sadka（2006）的研究，關于(,)和,的估計一般采用季節性隨機游走模型。根據季節性隨機游走是否帶漂移項，SUE 存在兩個指標，分別為 SUE、SUE_drift。（1）帶漂移項的模型：, = ,4 + , + （2）不帶漂移項的模型：, = ,4 + 若存在漂移項，

9、則漂移項,可根據過去兩年凈利潤的同比變化, ,4的均值估計得到，預測的標準差,可以通過, ,4的標準差估計；若不存在漂移項，預測的標準差則通過, ,4不帶均值的標準差估計。二者的差別僅在于市場對未來的預期是否會基于過去的增長,。估計過程中的財務數據均為單季度數據，窗口期為過去 12 期單季度數據，且 12 期中至少 8 期為有效數據。回測結果指向 SUR_drift 是最佳成長因子。成長因子與未來轉債收益率呈正比，即當前成長性越好的正股所對應的轉債未來收益相對越好。從 IC 及單調性統計指標來看 SUE_drift、SUR_drift 指標表現均有較為顯著的單調性，從歷史 IC 累計值以及收益

10、指標來看， SUR_drift 的效果優于 SUE_drift，因此成長因子的指標選擇 SUR_drift。營業收入超預期的效果優于凈利潤，可能是因為預期外盈利大概率反映在收入上，且收入受到的盈利管理和操縱更少。.圖表 4：成長因子測試結果因子換倉頻率IC_meanIC_IR單調性abs(IC)大于 2比例多空年化收益多空夏普比率多頭超額收益多頭超額收益IRSUE20D2.30%0.150.7989.40%3.02%0.47-1.09%-0.21SUE_drift20D2.60%0.180.4188.40%3.34%0.540.11%0.02SUR20D2.70%0.210.4588.20%2

11、.06%0.36-1.27%-0.25SUR_drift20D4.10%0.360.5487.70%6.20%0.951.43%0.27數據來源：Wind，整理圖表 5：成長因子分組年化超額收益圖表 6：成長因子分組年化超額收益 IR數據來源：Wind，整理圖表 7：成長因子 IC 累計值圖表 8：成長因子多頭凈值數據來源：Wind，整理圖表 9：成長因子多空凈值曲線圖表 10：成長因子多頭超額凈值數據來源：Wind，整理二、估值因子本文所使用的正股估值因子包括 ep_lyr（用最新年度歸母凈利潤計算的 pe的倒數）、ep_ttm（用歸母凈利潤 TTM 計算的 pe 的倒數）、bp_lr（用最

12、新的歸母股東權益計算的pb 的倒數）、sp_lyr（用最新年度營業收入計算的 ps 的倒數）、sp_ttm（用最新的營業收入 TTM 計算的 ps 的倒數）。ep_ttm 與 pb_lr 存在互補性，將兩者合成作為估值因子。測試結果顯示，正股估值與轉債的收益率呈反比（表格中的 IC 值以及 IC 累計值等指標原本為負值，為了觀測方便均取了正值），即當前估值越高的正股所對應的轉債未來的收益越高，這可能與近幾年股市行情有關系。根據 IC、IC_IR 及單調性指標可以發現估值因子的單調性均較為顯著；雖然從超額收益指標看 ep_ttm 并不顯著，但是從歷史 IC 序列和收益的角度分析，可以發現 ep_

13、ttm 與pb_lr 存在著較強的互補性，因此可以考慮將這兩者等權合成 pepb_factor 估值合成因子，可以顯著提升 IC 顯著性，且超額收益也有顯著提升。.圖表 11：估值因子測試結果因子換倉頻率IC_meanIC_IR單調性abs(IC)大于 2比例多空年化收益多空夏普比率多頭超額收益多頭超額收益IRbp_lr20D4.80%0.350.7389.70%6.29%0.810.04%0.01ep_lyr20D2.20%0.190.8286.10%7.76%1.060.66%0.13ep_ttm20D2.40%0.210.7484.10%5.69%0.90-0.83%-0.18sp_ly

14、r20D3.60%0.290.7388.00%6.81%0.950.45%0.09sp_ttm20D3.40%0.290.7386.40%7.44%1.060.59%0.12pepb_factor20D5.00%0.330.8389.60%9.44%1.231.10%0.21數據來源：Wind，整理圖表 12：估值因子分組年化超額收益圖表 13：估值因子分組年化超額收益 IR數據來源：Wind，整理圖表 14：估值因子 IC 累計值圖表 15：估值因子多頭凈值數據來源：Wind，整理圖表 16：估值因子多空凈值圖表 17：估值因子多頭超額凈值數據來源：Wind，整理三、量價因子本文所使用的量價

15、因子包含動量因子、波動率因子、換手率因子。其中，動量因子中考慮四種算法：第一種是股價除以N 日內股價平均值（price_nD）代表趨勢強度，第二種 N 日內收益率變動（return_nD），第三種是換手率加權的平均收益率（wgt_return_ND）；加權波動率因子選用 N 日內收益率的標準差（std_nD）；換手率因子選用 N 日內換手率的平均值（turn_nD）。 N 可以是 5、10、21、63、126，考慮到因子太多，因此此處僅顯示最終選取的因 子。return_126D 是表現最優的量價因子。綜合動量因子、波動率因子、換手率因子的各個周期表現，最終這三類因子中動量因子選擇的是 ret

16、urn_126D，波動率和換手率因子選擇的周期為 10 個交易日，這些因子與轉債收益率成正比，IC 均值均有效，但無論是 IC 還是收益方面 return_126D 表現均最好。檢測動量、波動率與換手率之間的 IC 相因子換倉頻率IC_meanIC_IR單調性abs(IC)大于 2比例多空年化收益多空夏普比率多頭超額收益多頭超額收益IR圖表 18：量價因子測試結果關性，發現三者相關性均在 0.6 以上，相關性顯著，三者之間因子預測收益的效果互補性較差，任意兩者或三者之間的等權合成效果均打折扣，所以關于量價因子的選擇最終確認為 return_126D。return_126D20D4.90%0.2

17、30.3193.90%6.11%0.671.28%0.19std_10D20D2.70%0.170.3187.30%3.53%0.47-1.00%-0.18turn_10D20D2.00%0.110.3091.70%4.38%0.600.28%0.05數據來源：Wind，整理圖表 19：量價因子 IC 相關性IC 相關性return_126Dstd_10Dturn_10Dreturn_126D1.000.680.61std_10D0.681.000.78turn_10D0.610.781.00數據來源：Wind，整理圖表 20：量價因子分組年化超額收益圖表 21：量價因子分組年化超額收益 IR

18、數據來源：Wind，整理圖表 22：量價因子 IC 累計值圖表 23：量價因子多頭凈值數據來源：Wind，整理 數據來源：Wind，整理四、轉債修正溢價率因子如前文所述，轉債的期權價值除了跟正股相關外，還需要考慮預期因素的影響，考慮到修正溢價率可以較好的刻畫相應的情況，不妨先以此作為轉債的估值因子，修正溢價率的計算方法詳見修正溢價率的體系構建。經過測試，修正溢價率與轉債收益率負相關（表格中的 IC 值以及 IC 累計值等指標原本為負值，為了觀測方便均取了正值），即轉債相對估值越低，未來的收益表現越好。修正溢價率單調性較為穩定，是一個較為有效的選債指標。超額收益方面，2020 年之前可以持續跑贏

19、基準指數，2020 年之后逐漸跑輸指數，低估值的轉債表現相對全市場而言并不占優，2021 年之后低估值轉債又開始跑贏市場。因子換倉頻率IC_meanIC_IR單調性abs(IC)大于 2比例多空年化收益多空夏普比例多頭超額收益多頭超額收益IR圖表 26：修正溢價率因子測試結果modified_prem ium_ratio20D3.90%0.240.9290.80%5.19%0.70-0.34%-0.07 數據來源：Wind，整理圖表 27：修正溢價率因子分組年化超額收益圖表 28：修正溢價率因子分組年化超額收益 IR數據來源：Wind，整理圖表 29：修正溢價率因子IC 累計值圖表 30：修正

20、溢價率因子多頭凈值數據來源：Wind，整理圖表 31：修正溢價率因子多空凈值圖表 32：修正溢價率因子多頭超額凈值數據來源：Wind，整理五、大類合成因子因子換倉頻率IC_meanIC_IR單調性abs(IC)大于 2比例多空年化收益多空夏普比例多頭超額收益多頭超額收益IRSUR_drift20D4.10%0.360.5487.70%6.20%0.951.43%0.27modified_premium_ratio20D3.90%0.240.9290.80%5.19%0.70-0.34%-0.07G_MPR20D5.40%0.410.9588.90%7.89%1.191.11%0.23GV_MP

21、R20D6.90%0.510.8287.80%9.54%1.411.55%0.32GVP_MPR20D7.20%0.450.8392.30%14.80%1.725.40%0.93圖表 33：大類合成因子測試結果根據前文對成長、估值、量價、轉債修正溢價率因子的研究，考慮將這幾類因子逐步合成，測試最終因子的效果。考慮到成長因子和修正溢價率的效果相對更好，因此先將這兩者等權合成為G_MPR 因子，隨后再分別將估值因子、量價因子加入，分別命名為 GV_MPR、GVP_MPR 因子。合成因子的效果相對于單因子改善非常顯著，無論是在單調性方面還是在收益率方面。IC 整體可達到 7.2%，IC_IR 為 0

22、.45，多頭超額收益達到 5.4%（扣費雙邊千一），多頭超額收益 IR 為 0.93。數據來源：Wind，整理圖表 34：大類合成因子分組年化超額收益圖表 35：大類合成因子分組年化超額收益 IR數據來源：Wind，整理圖表 36：大類合成因子 IC 累計值圖表 37：大類合成因子多頭凈值數據來源：Wind，整理圖表 38：大類合成因子多空凈值圖表 39：大類合成因子多頭超額凈值數據來源：Wind，整理轉債策略的構建和分析一、基于多因子的轉債策略由于前文用來測試因子收益或超額收益的部分均是將中性化后的因子等分為三組，依據當前三百只可轉債等分成三組，每個組后大概有一百只左右的轉債，這在實際交易中

23、實用性一般。因此，接下來本文將基于前文的有效合成因子，每期選擇合成因子最高的 N（20）只轉債等權構建組合進行交易（若樣本不足 40 只，則持倉樣本的一半，否則持倉 20 只），選用的換倉周期為 20 個交易日，交易費用為雙邊千一。下述圖表中，net_value_20 表示以雙邊千一的交易費用每期持倉 20 只個券的組合，net_value_20_free 表示以沒有交易費用每期持倉 20 只個券的組合， benchmark 是全市場等權轉債指數。Port_MDD 表示 net_value_20 組合的最大回撤，Ex_MDD 表示 net_value_20 組合的超額最大回撤。根據測試結果，此

24、策略的年化收益 17.08%，夏普比率 0.93；基準指數年化絕對收益超額收益波動率跟蹤誤差夏普比率信息比率最大回撤超額最大回撤超額年度勝率超額月度勝率圖表 40：轉債策略績效綜合表現收益 8.95%，夏普比率 0.75；年化超額收益 8.13%，信息比率 0.78，超額最大回撤-10.34%，且歷史回測的超額收益序列持續上行，綜合表現較好。持倉組合的行業分布中主要是醫藥、計算機、電子、機械、基礎化工、電力及公用事業、電力設備及新能源等持倉較多。持倉個數上除了第一期是 18 只轉債，后續均持有 20 只轉債。net_value_2017.08%8.13%18.31%10.46%0.930.78

25、-14.52%-10.34%75.00%61.54%net_value_20_free18.36%9.40%18.31%10.45%1.000.88-14.32%-10.27%75.00%61.54%benchmark8.95%-12.01%-0.75-12.31%-數據來源：Wind，整理圖表 41：轉債策略凈值表現圖表 42：轉債策略超額收益凈值數據來源：Wind，整理圖表 43：轉債策略分年度收益表現圖表 44：轉債策略分年度夏普比率表現數據來源：Wind，整理圖表 45：轉債策略行業分布圖表 46：轉債策略每期持倉個數數據來源：Wind，整理二、以中證轉債指數為基準的轉債策略在上文的基

26、礎上將基準指數改為中證轉債指數，對比兩者之間的績效表現。當以中證轉債指數為基準時，此策略的年化超額收益 8.75%，信息比率 0.72，超額最大回撤-9.86%，雖然 2020 年 10 月之后策略組合走勢與指數基本持平，但歷史回測的超額收益序列整體持續上行，綜合表現較好。絕對收益超額收益波動率跟蹤誤差夏普比率信息比率最大回撤超額最大回撤超額年度勝率超額月度勝率圖表 47：轉債策略績效綜合表現中證轉債指數net_value_2017.08%8.75%18.31%12.38%0.930.72-14.52%-9.86%50.00%53.85%net_value_20_free18.36%10.03

27、%18.31%12.38%1.000.8-14.32%-9.71%50.00%56.41%中證轉債指數8.33%-10.82%-0.77-12.12%-數據來源：Wind，整理圖表 48：轉債策略凈值表現中證轉債指數圖表 49：轉債策略超額收益凈值中證轉債指數數據來源：Wind，整理三、以深證轉債指數為基準的轉債策略在上文的基礎上將基準指數改為深證轉債指數，對比兩者之間的績效表現。當以深證轉債指數為基準時，此策略的年化超額收益 5.78%，信息比率 0.54，超額最大回撤-8.63%，歷史回測的超額收益序列也是整體持續上行，綜合表現較好。絕對收益超額收益波動率跟蹤誤差夏普比率信息比率最大回撤超

28、額最大回撤超額年度勝率超額月度勝率圖表 50：轉債策略績效綜合表現深證轉債指數net_value_2017.08%5.78%18.31%10.82%0.930.54-14.52%-8.63%75.00%51.28%net_value_20_free18.36%7.05%18.31%10.82%1.000.64-14.32%-8.27%75.00%51.28%深證指數11.30%-13.61%-0.83-12.06%-數據來源：Wind，整理數據來源：Wind，整理四、與轉債型基金相比較將多因子轉債策略組合與轉債型基金的業績做對比，也能夠取得較為優異的表現。選取樣本區間內轉債型基金（無股票持倉）

29、業績排名前五的基金產品，對于波動性相似的基金產品（華寶可轉債、天治可轉債增強、萬家添利），多因子組合能夠獲得更好的收益，2018-2021 分年度表現也有一定優勢；對于收益更加穩健的基金產品（金鷹元祺信用債、金鷹添利中長期信用債），由于轉債倉位并不高且會根據市場進行倉位調整，這些產品在收益穩健性方面占據優勢，若多因子組合也結合一定的擇時和倉位管理在穩健性上也能表現顯著。選取樣本區間內轉債型基金（有股票持倉）業績排名前五的基金產品，對比發現多因子組合的收益表現也占據優勢，分年度看 2018 年-2020 年多因子組合策略年度表現較為亮眼，2021 年初市場快速下跌階段多因子中除了修正溢價率，其他

30、因子均面臨回撤，因此多因子組合回撤相對其他產品回撤較大。圖表 53：多因子轉債組合與轉債型基金（無股票持倉）比較數據來源：Wind，整理圖表 54：多因子轉債組合與轉債型基金（無股票持倉）分年度收益比較數據來源：Wind，整理圖表 55：多因子轉債組合與轉債型基金（有股票持倉）比較數據來源：Wind，整理圖表 56：多因子轉債組合與轉債型基金（有股票持倉）分年度收益比較數據來源：Wind，整理五、持倉個數參數敏感性檢測前文每期持倉 20 只轉債能夠取得較好的收益，接下來將持倉個數變為 10、 15、30，交易費用依舊是雙邊千一，測試轉債個數對組合策略的敏感性。對比結果顯示，持倉個數的變動對收益

31、的影響有限，均能獲得較好的績效表現。 絕對收超額收波動率跟蹤誤夏普比信息比最大回超額最年度勝月度勝圖表 57：轉債策略績效綜合表現變動持倉個數益益差率率撤大回撤率率net_value_1026.68%17.73%23.04%17.23%1.160.99-16.57%-11.37%75.00%64.10%net_value_1519.95%11.00%19.87%12.83%1.000.85-15.59%-9.91%75.00%56.41%net_value_2017.08%8.13%18.31%10.46%0.930.78-14.52%-10.34%75.00%61.54%net_value_

32、3016.97%8.02%17.22%8.35%0.990.94-13.98%-6.94%50.00%48.72%benchmark8.95%-12.01%-0.75-12.31%-數據來源：Wind，整理圖表 58：不同持倉的轉債策略凈值表現數據來源：Wind，整理結論：股票多因子選股可以運用于轉債，將成長、估值、量價、修正溢價率等因子運用于篩選優質轉債可以獲得較好的效果。具體來說：正股和轉債定位的預期差是轉債期權價值的重要影響因素，正股多因子選股方法可運用于轉債選券，轉債定位的預期差可用修正溢價率來刻畫。轉債價值可以在一定程度上看作純債價值和股票期權價值的組合，因此轉債價格會受到股票期權價值變動的影響，而期權價值的主要影響因素是正股和轉債定位的預期差。經統計，轉債收益率與正股收益率的秩相關系數大概 50- 60左右，即兩者存在較強的相關性，可以將正股的多因子用于轉債的選擇；而轉債定位的預期差則可以運用轉債的修正溢價率來表示。成長因子、估值因子、量價