> **来源：[研报客](https://pc.yanbaoke.cn)** # 转债 | 引力与轨道——相对定价模型V3 总结 ## 核心内容 本文总结了中金公司研究部在转债市场中相对定价模型的演进历程，并介绍了最新版本（V3）的模型结构与优化方向。相对定价模型与绝对定价模型在理念和技术上存在显著差异，前者更注重市场中相似券种的相对关系，而后者依赖数学模型和参数输入。 ## 主要观点 - **相对定价模型的演变**： 相对定价模型的发展经历了从主观经验（如“找可比券”）到量化模型的转变。2019年发布的初版模型采用简单的维度匹配与平价-价格关系拟合，2022年则在两个关键维度进行了提升：一是利用百元溢价率曲线预测个券偏离距离，二是引入注意力学习机制优化权重分配。 - **模型结构优化**： V3版本在模型设计上更注重简洁性和稳定性，避免引入过多参数，同时保留了对关键因子的敏感性。模型采用 $y = a * \exp(-b * x) + c$ 的非线性函数形式替代之前的 $y = a + b * x + c / x$，以确保其单调性、非负性等特性。 - **注意力机制的应用**： 通过引入对角 Mahalanobis Nadaraya-Watson 核，模型能够动态地对不同维度赋予不同的权重，从而更有效地捕捉转债的相对位置。这一机制提升了模型对赎回风险等复杂因素的感知能力，尽管仍无法直接判断公司是否倾向于赎回。 - **训练方法改进**： V3版本采用 L1 损失函数替代均方差，以减少极端值对模型的影响。同时，由于不使用 dropout 机制，引入 weight decay 来控制参数的维度，防止过拟合。 - **模型效果提升**： 从样本外测试结果来看，V3版本的相对误差在 $1\%$ 以内的占比从 $10\%$ 提升至 $17\%$，$3\%$ 以内的占比从 $31\%$ 提升至 $48\%$，$5\%$ 以内的占比从 $49\%$ 提升至 $63\%$，显示模型在实际应用中的表现显著改善。 - **市场应用建议**： 投资者可关注当前转债市场中表现强势的品种，结合技术指标如 MACD 金叉，以及关注弱势品种是否出现短线过热现象。同时，可参考上期报告中列出的十大转债进行择券。 ## 关键信息 - **模型目的**：为转债提供基于市场相对关系的定价参考，而非依赖绝对定价方法。 - **主要优化点**： - 替换百元溢价率曲线，提升模型稳定性与适用性。 - 引入注意力机制，动态调整因子权重。 - 采用 L1 损失函数，避免极端值干扰。 - 引入 weight decay 控制参数维度，防止过拟合。 - **模型局限**： - 仍无法完全识别离群点。 - 模型依赖于历史数据，样本量有限可能影响其预测能力。 - 模型对市场基本面变化、宏观流动性收缩等外部因素的适应性有限。 - **风险提示**： - 个券基本面超预期 - 宏观流动性收缩超预期 - 样本个券数量有限 - 模型习得的比较经验对后续市场参考性减弱 ## 附录：模型代码简要说明 - **拟合函数**： 使用 `curve_fit` 对 $y = a * \exp(-b * x) + c$ 进行拟合，设定参数范围并回退机制以应对样本不足或拟合失败的情况。 - **注意力权重计算**： 通过 `attentionWeightV3` 类实现对角 Mahalanobis Nadaraya-Watson 核，计算各券种与目标券的距离权重。 - **训练设置**： 采用 L1 损失函数和 Adam 优化器，设置学习率为 0.3，weight decay 为 0.01。 ## 结论 相对定价模型V3在保持简洁性和稳定性的同时，显著提升了模型的预测精度与适用性。尽管仍存在局限，但其在实际市场中的表现已优于前代模型，为投资者提供了更有效的参考依据。