可转债研究系列之-二-：应用遗传算法构建的可转债策略_22页_1mb

江海证券研究基于遗传算法构建可转债多因子策略，通过量价与基本面数据挖掘因子并优化配置。研究提出四种策略，适用于不同投资场景，均跑赢市场基准。其中"持仓数10个加权"策略年化收益率达353%，超额收益2916%，夏普比143%，最大回撤195%，显著优于转债等权与中证转债。策略根据持仓数量（10或50支）及仓位分配方式（等权或加权）分类，满足机构和个人投资者需求。

因子挖掘采用双层运算体系，通过加减乘除计算价量关系，引入滚动窗口统计量识别趋势延续性。研究表明，以收盘价收益率为目标因子稳定性更强，样本外测试（2024年）年化收益达454%。经标准化处理后，筛选出表现稳定的F10、F14、F19三个因子，其分组回测显示超额收益集中度高，回撤控制良好。

优化过程包含变量筛选、共线性去除、权重调整等步骤。共线性处理后第十组表现最优，非线性合成虽提升组合收益但影响策略锐度。持仓数量存在边际效益递减规律，10-50支组合平衡流动性与收益性。加权仓位分配有机动性优势，但需注意数据挖掘风险。

策略表现突出：超出市场基准的年化收益、夏普比、周度胜率等指标。2021年至2024年分年度数据验证模型持续有效性，最大回撤相对年化收益率可控制。但需注意超额收益依赖市场波动环境，在震荡市中需配合仓位调整机制。

研究证实遗传算法在因子合成中的优势，其非线性建模能挖掘传统双低策略未覆盖的市场异象。通过引入正股市值因子与量价特征交互项，有效捕捉小盘转债弹性机会。报告强调模型受多种因素影响，包括参数估计、市场环境变化等，需投资者注意历史数据局限性并综合分析。

策略设计兼顾灵活性与稳定性，既满足机构集中投资需求，又符合个人操作特性。研究显示合理持仓结构与加权配置可提升收益，但存在数据挖掘风险需警惕。未来可探索动态权重调整以增强策略适应性。