20260426-中金公司-转债_引力与轨道_相对定价模型V3_4页_338kb

报告摘要

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。