20250321-中邮证券-金工专题报告_深度学习增强的可转债量化策略_24页_1mb

可转债投资策略与模型优化研究报告总结

核心内容概述

本报告主要探讨了可转债投资策略的发展历程以及通过引入时序标准化算子和深度学习模型（如GRU模型）对传统因子进行优化，进一步提升可转债多因子模型的预测能力和稳定性。报告通过历史数据回测，分析了不同因子合成方式和模型表现，最终提出了一种结合多因子模型和GRU模型的综合策略。

主要观点与关键信息

1. 可转债投资策略发展

• 早期简单策略阶段：投资者主要采用纯债投资策略和打新策略，关注可转债的债券属性和短期溢价机会。
• 基于条款和价格的策略发展阶段：引入双低策略和下修、强赎等条款相关策略，提高可转债投资的收益和风险控制。
• 多元化与精细化策略阶段：通过行业轮动、成长股和量化投资策略实现更复杂的可转债投资。
• 最新发展趋势：结合红利策略、信用风险定价和衍生品进行风险管理，进一步提升投资效率。

2. 多因子模型在可转债中的表现

• 传统因子：包括转股溢价率、双低、到期收益率、平底溢价率和应计利息因子。但存在稳定性差、回撤节点多等问题。
• 因子改进：引入时序标准化算子，对传统因子进行调整，显著提升了因子的稳定性。
  • 调整后的转股溢价率因子多空最大回撤从28.62%缩小至17.56%，夏普比率从1.91提升至2.60。
  • 调整后的双低因子多空最大回撤从30.43%缩小至10.91%，夏普比率从2.09提升至2.57。
• 因子合成方式：采用等权、历史线性回归、历史ICIR加权三种方式对因子进行合成。
  • 历史ICIR加权因子表现优于等权和线性回归。
  • 调整因子合成的模型表现优于基础因子合成的模型。

3. GRU模型表现

• 日行情GRU因子：多空年化收益率为45.74%，夏普比率3.05。
• 分钟行情GRU因子：多空年化收益率为49.74%，夏普比率3.51。
• 正股映射GRU因子：多空年化收益率为77.18%，夏普比率5.39。
• 正股分钟行情训练的GRU因子：多空年化收益率为51.51%，夏普比率4.67。
• GRU模型有效性：GRU模型能够有效挖掘行情数据中的信息，对可转债未来收益预测具有显著作用。

4. 结合多因子与GRU模型

• 最终因子合成方式：采用历史ICIR加权方式，结合基础因子、调整因子、日行情GRU因子、正股映射GRU因子和正股分钟行情GRU因子。
• 最终因子表现：
  • 多空年化收益率高达113.35%。
  • 最大回撤4.83%，夏普比率7.17。
  • 基于最终因子构建的多头组合显著跑赢万得可转债等权指数（889033.WI）。
  • 超额年化收益率8.70%，超额最大回撤4.64%，信息比率1.96。

模型与策略的综合表现

• 合成因子表现：
  • 多空年化收益率41.25%，夏普比率2.78。
  • 超额年化收益率8.70%，超额最大回撤4.64%，信息比率1.96。
• 回测结果：
  • 策略年化收益率16.01%，基准年化收益率7.31%。
  • 超额收益稳定，除2025年略有回撤外，其余年份均取得正收益。
  • 策略波动率控制良好，最大回撤低于基准。

风险提示

1. 因子失效风险：因子基于历史数据统计，未来市场变化可能导致因子失效甚至反向。
2. 模型失效风险：模型基于历史数据训练，未来市场逻辑变化可能影响模型表现。
3. 实盘交易风险：回测基于理想条件，实际交易中可能因市场环境复杂而产生较大差异。

总结与反思

• 时序标准化算子有效提升了传统因子的稳定性。
• GRU模型在挖掘行情数据中的有效信息方面表现优异，对可转债未来收益预测具有重要价值。
• 多因子模型与GRU模型结合，显著提升了整体投资表现。
• 当前模型虽表现良好，但仍存在局限，如多因子维度较窄、未深入分析正股基本面信息等。

投资要点

• 时序标准化算子显著改善了传统因子的稳定性。
• GRU模型在可转债行情和正股行情预测中均表现出有效性。
• 历史ICIR加权合成方式优于等权和线性回归。
• 结合多因子和GRU模型可获得更高的多空收益与夏普比率。
• 策略在多个年份均跑赢基准，具有较高的投资价值。