20260310-国金证券-量化可转债系列专题_基于宏微观胜赔率的可转债择时策略_22页_2mb

基于宏微观胜赔率的可转债择时策略总结

核心内容

本报告提出了一种基于宏观与微观因子结合的胜率与赔率框架，用于构建可转债的量化择时策略。该策略认为，可转债兼具债底防御与股票弹性，但“买入持有”策略无法长期跑赢纯债或充分捕捉股牛收益，因此必须进行风格切换与仓位择时。

通过量化模型，若能精准择时配置最优资产，理论组合净值在10年内可增长至4-7倍，远超单一资产持有收益。同时，各类资产及转债内部风格的胜率分布较为均衡（40%-60%区间），为量化模型识别驱动变量、提升胜率提供了数据基础。

宏微观因子框架与胜赔率策略框架具备较好适配性，微观因子呈现高频、高波特征，主要贡献胜率，适合捕捉短期市场波动和交易机会；宏观因子呈现低频、低波特征，主要贡献赔率，在极端市场环境（如信用冲击、政策变动）下提供领先信号，有助于降低回撤并获取高额回报。

主要观点

• 可转债择时的必要性：可转债在不同市场环境下表现分化显著，不存在单一风格长期占优，因此必须进行风格切换和仓位择时。
• 可转债择时的重要性：通过择时配置，可实现显著的超额收益。例如，季度择时配置可使组合净值增长至4-7倍，远超单一资产收益。
• 可转债择时的可能性：各资产间的胜率普遍分布在40%-60%区间，说明可转债择时策略具备构建的可能性，且胜率与赔率并非严格正相关，需结合两者优化模型整体风险收益。

关键信息

• 因子构建与筛选：本文构建了54个微观因子与146个宏观因子，经过去噪、标准化、平稳性处理，并通过格兰杰因果检验、IC测试、相关性分析等筛选出有效因子。
• 预测模型：采用ARDL模型进行收益率预测，根据预测正负进行满仓或空仓操作。
• 策略回测表现：以月度调仓为例，策略实现年化超额收益 $7.19%$，夏普比率1.6，卡玛比率大于2，最大绝对回撤控制在 $5%$ 左右，优于单因子策略。
• 因子表现：宏观因子在短期（1-2周）表现突出，如金融机构资产负债表、高频利率指标；中长期（3-6个月）则以对外贸易类指标和利率期限结构类因子为主。
• 风险提示：模型依赖历史数据，存在失效可能；正股退市、转债转股价下修、信用风险、样本数据有限及政策变动风险。

模型构建与回测

• 数据预处理：样本内数据为2015年1月-2024年6月，样本外为2024年以来；预测变量共198个，包括微观因子54个、宏观因子146个。
• 因子筛选：采用格兰杰因果检验、IC测试、相关性分析等方法筛选有效因子，剔除多重共线性因子。
• 模型选择：基于残差自相关检验结果，选用ARDL模型进行收益率预测，并结合预测信号进行仓位择时。
• 回测结果：不同持有周期下，策略表现各异。短期（1-2周）股性指标占主导；中期（1-3个月）量价类因子及债底价值因子表现突出；中长期（6个月）估值与价格类因子呈现反转特征。宏观因子在极端行情下提供高赔率回报，微观因子提供稳定胜率支撑，两者结合有效平滑净值波动。

附录与图表目录

• 宏观因子名单：包括经济景气度、消费与价格、货币流动性、财政税收、外部环境等。
• 平稳性检验结果：宏观因子需进行差分处理以达到平稳性要求，微观因子通过常规差分处理。
• 格兰杰检验结果：筛选出对可转债收益率具有显著因果关系的因子。
• 图表目录：包括可转债与权益、债券资产风险收益特征对比、不同风格指数相对走势、胜率视角下的策略框架、因子IC检验结果、模型因子分布统计等，以辅助理解策略表现和因子有效性。

总结

本报告构建了一种基于宏微观因子结合的胜赔率择时策略，以期在不同市场环境下优化可转债的风险收益比。通过因子筛选、模型构建与策略回测，发现宏微观因子在不同周期下具有不同表现，两者结合可提升策略的稳定性与收益。该策略在2015年以来的回测中表现优异，年化超额收益达 $7.19%$，并有效规避了2024年的信用冲击与2025年的高估值风险。