可转债量化实盘 - 因子的分层加权测试与优化（附Python回测源代码）

作者：admin 点击次数：636 发布时间：2025-06-02

提示：关注摸鱼智讯，获取更多量化策略相关讲解和实盘策略模型，扫码关注，联系客服领取模型福利！

01 引言
上一期，我们讲到可转债股性和债性的大小影响着不同因子在可转债上的表现。我们根据可转债“平价/底价-1”这一指标，按照±15%将可转债划分为三层：偏债层、中性层和偏股层。我们在可转债多因子的文章，讲到了不同的可转债多因子维度，转债相关因子方面，包括转债估值、债券属性、溢价率和可转债价量；正股相关因子方面，包括价值、质量、规模、价量、流动性、杠杆、成长和盈利，累计十四类（想要不同类别因子的小伙伴，可以关注我们，免费加学习群获取）。

纯债价值、可转债溢价率类和价量因子、正股质量类和规模类因子在偏债层表现较好；纯债价值、可转债价量类因子、正股收益率、正股规模类因子在中性层表现较好；可转债估值类因子、转股溢价率、可转债长期收益率、正股收益率在偏股层表现较好。在分层的前提下，每一期我们采用滚动一年的窗口，计算因子ICIR，根据因子历史表现，在每一类别中筛选因子并确定打分权重，根据12类因子综合打分选债。2025年以来，偏债层组合年化收益率为8.15%，夏普比率为0.75；中性层组合年化收益率为9.62%，夏普比率为0.62。偏股层组合年化收益率为29.94%，夏普比率1.19。02 可转债因子梳理 择债常用的因子主要分为两方面，一方面是可转债本身的因子，另一方面是可转债所关联正股的因子。转债本身的因子包括转债的估值、债券属性、溢价率和价量等类别的因子，正股的因子包括价值、质量、规模、价量、流动性、杠杆、成长和盈利等类别的因子。

对于每一个单因子进行IC和分层测试（这部分内容偏基础，已会的小伙伴可以自行跳过）每周的周末根据“平价/底价-1”等于±15%将可转债分为三层。每层内根据因子的历史表现确定因子在该层的方向，并根据因子打分进行排序。选取前10%的可转债构建多头组合，选取后10%的可转债构建空头组合，基于多头组合和空头组合构建多空组合。投资于下一周。可转债之间采用等权组合。计算各个因子在每个分层的净值曲线和因子IC值序列。从分层上看，偏股层在收益方面有着突出的表现，偏债层组合的收益率稍低，但在波动风险方面的表现上明显更优，中性层则介于二者之间。从因子上看，纯债价值、可转债溢价率类和价量因子、正股质量类和规模类因子在偏债层表现较好；纯债价值、可转债价量类因子、正股收益率、正股规模类因子在中性层表现较好；可转债估值类因子、转股溢价率、可转债长期收益率、正股收益率在偏股层表现较好。隐含波动率因子表现如下：

隐波差因子表现如下：

转股价因子表现如下：

纯债价值因子表现如下：

票面利率因子表现如下：

转债收益率（1个月）因子表现如下：

转债收益率（3个月）因子表现如下：

转债收益率（6个月）因子表现如下：

整体，测算表现如下：

03 创新因子测试

创新因子对于可转债的日频级别超额贡献度非常高，因为可转债相比股票类，主要是基于正股转债，条款博弈等因素影响波动和超额。以下列出了部分创新因子：

（1）条款博弈因子

下修预期概率：通过历史下修事件、公司财务压力（如偿债现金流、大股东质押率）、股价位置（是否低于下修条件）等建模，预测下修可能性。

赎回/回售倒计时：临近赎回期的转债可能面临强赎风险，需量化剩余天数与正股价格的关系（如是否接近赎回触发价）。

条款博弈弹性：结合条款触发后的理论收益（如转股价下修后的潜在涨幅）与市场预期差。

（2）市场微观结构因子

流动性分层指标：根据换手率、买卖价差、盘口深度等，识别流动性溢价或折价。

大单异动监测：跟踪机构或大股东持仓变化（如大宗交易、转债持仓披露），捕捉主力资金动向。

订单流不平衡（OFI）：高频数据中买方/卖方订单流的动态变化，反映短期供需失衡。

（3）机器学习衍生因子

NLP情绪得分：对财报、公告、新闻进行自然语言处理，提取管理层态度（如“下修意愿”关键词）或风险提示。

图神经网络（GNN）：构建转债与正股、行业、大盘的关联网络，挖掘跨资产传导效应。

机器学习衍生因子的稳定性最高，下图所示：

我们进一步遍历不同权重下分层加权组合的策略表现。x轴表示偏债层的权重，y轴表示偏股层的权重，中性层的权重为100%-x%-y%。z轴表示策略评价指标。摸鱼量化关注夏普比率和年化收益率的分布。可以看到，重仓偏股层权重的情况下，适当配置偏债和中性可转债可以提升策略的收益风险比，其中最优的权重为偏债层47%，中性层0%和偏股层53%，最优的夏普比率为1.26，其最大回撤为18.86%。

04 优化后模型近期表现

可转债具有期权的属性，业界常常根据转债平底溢价率的区间将转债划分为偏股型、平衡型和偏债型，从平均表现上看，可以看出偏股型转债具有更高的波动和更高的收益，平衡型转债次之，而偏债型转债则具有低波动、低收益的特点。因此，股性和债性的相对强弱很明显的将转债的收益波动风格划分开来，因此对于基于转债估值和量价特征的因子择券的效果，也因转债的类型而异。另一方面，对于不同的转债类型，投资者的偏好和配置权重往往各异，从挖掘因子的角度，如果对每一类转债分开进行研究，会更加契合投资者的需求。即在每个类型的转债样本中构建多因子模型的可能性，基于估值和量化两个大类逻辑，分别测试在不同组别的表现，进而筛选出样本内表现较好的因子。

05 介绍

我们会在学习群每日发布量化信号，让摸鱼学员每天及时获得量化信号进行跟踪和测试，欢迎加入我们的学习群，联系客服就可以免费加入！   通过本节讲解，本期测试转债估值、正股量价、转债量价和转债高频 4 大类的因子有效性，并且验证了因子的IC有效性，单因子有效性测试，后续我们将进行多策略组合。想进一步了解策略的可以加群学习。
  下一期可转债多因子专题，我们将阶段性展示每一类高频因子和低频因子的测试结果，想了解更多策略内容，欢迎私信客服留言，加入我们的金牌策略学习群，三中一华小伙伴等你来一起学习成长，就这样，我们下期见！