20260615-西南证券-从线性失效到非线性重构_基于XGBoost算法的可转债选券框架再优化_25页_3mb

从线性失效到非线性重构：基于XGBoost算法的可转债选券框架再优化总结

核心内容概述

本文探讨了基于XGBoost算法的可转债择券框架的再优化，重点在于因子体系的扩展与质量提升、训练窗口的选择以及模型在不同约束情景下的表现。随着市场环境的复杂化，传统线性多因子模型的局限性逐渐显现，XGBoost模型因其非线性关系识别能力，在当前转债市场定价逻辑中展现出更强的适应性。

主要观点

• 市场环境变化：2023年以来，国内利率中枢、权益风险偏好、转债估值水平及外部冲击均经历多轮切换，导致转债定价逻辑从单一因素转向多个维度的交互作用。
• 模型选择转变：XGBoost模型相较于传统线性模型，能够识别因子之间的非线性关系与交互效应，更适合当前复杂的市场定价环境。
• 因子体系优化：因子库从19个扩展至41个，筛选出26个核心因子，涵盖估值、动量、风险、流动性、正股属性和条款事件等维度，提升了模型对转债收益来源的覆盖能力。
• 训练窗口选择：通过滚动窗口测试，发现3.5年训练窗口在收益弹性、风险控制和市场适配性方面表现最佳，累计收益达577.52%，最大回撤为-15.72%，胜率为56.73%。
• 模型有效性验证：在月度调仓框架下，无约束组合年化收益率达19.66%，超额收益率达12.96%；加入价格、信用和条款约束后，组合表现依然稳健，说明模型收益并非完全依赖信用下沉。
• 因子贡献分析：在3.5年训练窗口下，估值及性价比贡献占比最高（20.62%），其次是流动性及规模（19.13%）、波动及风险（16.52%）、条款事件（15.98%）和价格动量（14.61%），表明转债定价不仅依赖债底保护因子，还受到股性弹性、交易属性和条款博弈的影响。

关键信息

• 因子扩展：引入了转债5日、6-20日、21-60日动量，以及转债相对正股动量等交易型变量，细化强赎进度、下修进度等条款类指标。
• 模型表现：在无约束情景下，Top20组合年化收益率达19.66%，超额收益率达12.96%；剔除高价、低评级和条款风险标的后，组合表现依然稳健。
• 训练窗口选择：3.5年滚动窗口在收益弹性、风险控制和市场适配性之间达到最佳平衡，模型净值达到6.78，累计收益达577.52%。
• 模型适应性：XGBoost模型在非线性关系识别和因子交互处理方面具有优势，适合用于当前复杂的转债市场定价逻辑。
• 风险提示：模型可能存在与未来市场环境不匹配、数据误差、市场风格切换及交易成本等因素导致的阶段性失效风险。

模型结构与流程

1. 数据输入：原始数据包括价格、转股溢价率、YTM、正股动量、波动率、流动性、条款进度等多维变量。
2. 数据处理：进行数据清洗、异常值填充、因子对齐、标准化处理及时间划分。
3. 特征工程：构建包含估值、动量、风险、流动性、正股估值与行业、条款事件等维度的因子体系。
4. 模型训练：采用XGBoost算法，通过多轮决策树逐步拟合目标收益，利用验证集调参。
5. 收益预测：输出转债未来收益预测值或排序得分，用于横截面收益解释。
6. 策略输出：根据预测得分选取Top N转债，加入价格、信用和条款约束，形成最终组合权重。
7. 效果检验：通过RankIC、ICIR、分组收益等指标评估模型稳健性与市场适应性。

回测与绩效表现

• 无约束组合：年化收益率19.66%，年化超额收益率12.96%，各年度表现稳定。
• 约束情景表现：
  • 剔除高价转债：年化收益率19.90%，波动和回撤有所收敛。
  • 剔除低评级转债：年化收益率18.10%，收益并非完全来自信用下沉。
  • 剔除条款风险标的：组合收益下降，表明条款事件可能是收益来源，也可能是风险因素。
• 3.5年窗口优势：在收益弹性、风险控制和策略稳定性方面表现最优，2024年以来各年度表现均衡，未依赖单一年份。

风险提示

• 模型训练窗口和参数设置可能与未来市场环境不完全匹配。
• 因子口径处理和数据统计可能存在误差。
• 市场风格快速切换或极端事件冲击可能导致模型阶段性失效。
• 转债信用风险、条款风险、流动性风险和交易成本可能影响组合实际表现。
• 历史回测结果不代表未来收益。

附录与相关研究

• 模型目标函数：XGBoost模型通过多棵决策树的迭代预测，公式为：$\hat{y}i = \sum{k=1}^{K} f_k(x_i)$。
• 相关研究：包括可转债策略、利率策略、海外中央银行研究等，为模型提供了理论和实证支持。

结论

优化后的XGBoost模型在因子体系、训练窗口和组合约束方面具备较强扩展价值。无约束组合适用于模型原始择券能力评估，规避高价和低评级组合适合稳健型资金，而条款风险约束组合则适合信用风险较强的投资者。整体来看，该模型更适配当前“股性弹性增强+估值分化+条款影响上升”的定价特征，因子贡献结构也验证了其在非线性框架下的适应性。