可转债量化系列之一：可转债定价模型探索与多因子组合策略-20230920-东北证券-31页_3mb

可转债定价模型探索与多因子组合策略总结

核心内容

可转债是一种兼具债性和股性的结构化产品，具有相对稳定的收益和灵活的退出机制。本文通过构建基于最小二乘蒙特卡洛模拟（LSMC）的定价模型，对可转债进行估值，并基于此构建估值因子和多因子模型，提出“低估值+正股动量”策略，以提升组合收益与风险优化能力。

主要观点

1. 可转债定价模型：

   • LSMC模型相比传统Black-Scholes模型更为灵活，可考虑更多条款，如下修、赎回等，且估值偏离和MAPE均优于BS模型。
   • LSMC模型通过模拟股价路径，从终点倒推计算期望存续价值，并结合平价和赎回价进行决策，最终折现得到理论价值。
   • BS模型仅考虑转股权，忽略赎回权对价值的压缩，导致定价偏离较大，基本高估。

2. 估值因子构建：

   • 基于LSMC模型和BS模型构建的估值因子包括期权溢价率、隐含波动率、隐波差等。
   • LSMC价差因子表现最佳，月度IC均值为-7.29%，ICIR为-0.34，多空组合年化收益为18.40%，信息比率为1.80，多头超额年化收益为8.13%，信息比率为1.40。
   • 隐波类因子表现不稳定，而期权溢价率因子相对表现平平。

3. 量价因子选择：

   • 量价因子包括正股收益率、转债正股收益率差、日均换手率、日换手率标准差等。
   • 转债正股收益率差因子表现最佳，月度IC均值为-3.91%，多空组合年化收益为12.56%，信息比率为1.47，多头年化超额收益为5.90%，信息比率为1.03。
   • 流动性因子表现不稳定，可能因市场过热导致短期波动，但长期效果有限。

4. 多因子模型构建：

   • 合成因子通过排序打分法融合估值因子和量价因子，其中合成因子1（LSMC价差+转债正股收益率差）表现最佳。
   • 合成因子1的多空组合年化收益为18.40%，信息比率为2.03；多头超额年化收益为9.04%，信息比率为1.63。
   • 合成因子2（LSMC价差+日换手率标准差）表现次之，多头超额年化收益为11.08%，信息比率为1.69。

5. “低估值+正股动量”策略：

   • 该策略通过LSMC价差因子识别低估值转债，并结合正股收益率差因子评估正股拉动力。
   • 月度调仓实现年化超额收益9.04%，信息比率为1.63；周度调仓实现年化超额收益11.08%，信息比率为2.18。
   • 周度调仓策略更稳定，超额收益主要集中在2020年和2021年。

关键信息

• 可转债市场概况：
  截至2023年8月31日，公募可转债市场余额达8697.73亿元，存续544只。银行、电新、基础化工等行业占比较高，2017年后市场进入黄金时期。

• 定价模型对比：

  • BS模型：平均估值偏离-4.96%，MAPE为9.71%。
  • LSMC模型：平均估值偏离0.50%，MAPE为5.66%，更接近市场价。

• 策略表现：

  • 周度调仓：年化超额收益11.08%，夏普比率1.76，信息比率2.18。
  • 月度调仓：年化超额收益9.04%，夏普比率1.46，信息比率1.63。
  • 合成因子1：分层组合年化收益从0.36%至18.83%，多头超额收益显著，信息比率稳定。

• 风险提示：
  本研究基于数学模型和历史数据，存在模型失效的可能性。

附录：图表与数据

结论

本文通过构建LSMC模型，提升了可转债的定价准确性，并基于此构建了有效的估值因子和多因子模型。合成因子1（LSMC价差+转债正股收益率差）在多因子模型中表现最佳，其构建的“低估值+正股动量”策略在周度调仓下表现更为稳定，超额收益显著。未来研究将继续优化模型，提升策略稳定性与有效性。