量化模型与构建方式 1. 风向标定价模型 **模型名称**：风向标定价模型 **模型构建思路**：通过二次曲线拟合转股价值与转债价格之间的关系，以转股价值为100的转债理论价格作为转债市场估值标准[14] **模型具体构建过程**： 1. 剔除转股价值在200以上的高价转债以避免对拟合结果的影响[15] 2. 使用二次曲线拟合转股价值与转债价格的关系，函数形式为： $$P(S) = aS^2 + bS + c$$ 其中P(S)表示转股价值为S时的理论转债价格，a、b、c为拟合参数[8][14] 3. 计算转股价值为100时的理论价格作为风向标估值指数[14] 2. 估值动量因子 **因子名称**：估值动量因子 **因子构建思路**：通过计算当前估值与五日均值的差异来捕捉估值趋势性变化，识别资金流入流出转债市场的信号[23][25] **因子具体构建过程**： 1. 计算风向标估值的5日移动平均值MA5[37] 2. 计算带缓冲的均线值：MA5_buf = MA5 × (1 + 0.0005)[37] 3. 计算估值动量：Mom = value - MA5_buf[4][37] 4. 动量信号判断：Mom > 0时为正向动量信号，Mom ≤ 0时为动量不足信号[37] **因子评价**：该因子能够有效识别估值趋势性上升时期，在这些时期转债市场容易走强，且正股表现较好[25][28][29] 3. 估值分位点因子 **因子名称**：估值分位点因子 **因子构建思路**：通过计算当前估值在最近一年内的分位点水平来判断估值相对高低程度[17][19] **因子具体构建过程**： 1. 使用滚动250个交易日的估值数据[17] 2. 计算当前估值在最近一年估值序列中的分位点位置[19] 3. 将分位点分为5组：Q1(0-0.2)、Q2(0.2-0.4)、Q3(0.4-0.6)、Q4(0.6-0.8)、Q5(0.8-1)[19] 4. 复合择时模型 **模型名称**：高估值区间择时模型 **模型构建思路**：结合估值分位点和估值动量两个维度，在高估值区间不做择时以降低换手率，在配置区间跟随估值动量[43][50] **模型具体构建过程**： 1. 当估值分位点位于80%分位点以上时（高位区），信号为1，维持高仓位不做择时[4][50] 2. 当估值分位点低于80%分位点时（配置区）： - 估值动量Mom > 0时，信号为1，做多/加仓[37][50] - 估值动量Mom ≤ 0时，信号为0，观望/减仓[37][50] **模型评价**：该模型解决了单独使用估值动量因子换手过高的问题，在高估值区间放弃择时降低了换手率，提升了实操可行性[50][51] 5. 低溢价率策略 **策略名称**：低溢价率策略 **策略构建思路**：选取转债溢价率最低的20%转债，构建偏股型进攻性转债策略[61] **策略具体构建过程**： 1. 计算所有转债的溢价率指标 2. 选择溢价率最低的20%转债作为投资组合[61] 3. 根据择时信号进行调仓：取得信号后第二天开盘时点买入或卖出转债[61] 6. 双低策略 **策略名称**：双低策略 **策略构建思路**：选取转债溢价率与价格之和最低的20%转债，构建平衡型转债策略[68] **策略具体构建过程**： 1. 计算所有转债的溢价率与价格之和（双低值） 2. 选择双低值最低的20%转债作为投资组合[68] 3. 根据择时信号进行调仓：取得信号后第二天开盘时点买入或卖出转债[68] 模型的回测效果 1. 低溢价率策略（基准） 年化收益：17.31%[56] 最大回撤：36.17%[56] 年化波动率：22.18%[56] 胜率：52.25%[56] 卡尔玛比率：0.48[56] 夏普比率：0.79[56] 2. 低溢价率策略（择时） 年化收益：21.13%[57] 最大回撤：19.69%[57] 年化波动率：17.85%[57] 胜率：47.20%[57] 卡尔玛比率：1.07[57] 夏普比率：1.11[57] 3. 双低策略（基准） 年化收益：15.08%[65] 最大回撤：15.09%[65] 年化波动率：14.05%[65] 胜率：52.83%[65] 卡尔玛比率：1.00[65] 夏普比率：0.99[65] 4. 双低策略（择时） 年化收益：18.29%[66] 最大回撤：6.74%[66] 年化波动率：11.32%[66] 胜率：48.10%[66] 卡尔玛比率：2.72[66] 夏普比率：1.45[66] 因子的回测效果 1. 估值分位点因子（未来一天收益） Q1分组：平均收益0.030%，收益>0概率50.7%[21] Q2分组：平均收益0.050%，收益>0概率55.1%[21] Q3分组：平均收益0.000%，收益>0概率50.2%[21] Q4分组：平均收益0.010%，收益>0概率53.3%[21] Q5分组：平均收益0.050%，收益>0概率54.2%[21] 2. 估值分位点因子（未来一周收益） Q1分组：平均收益0.17%[19] Q2分组：平均收益0.32%[19] Q3分组：平均收益0.16%[19] Q4分组：平均收益-0.13%[19] Q5分组：平均收益0.19%[19] 3. 估值分位点因子（未来一年收益） Q1分组：平均收益12.57%，收益>0概率90.4%[20] Q2分组：平均收益9.21%，收益>0概率86.1%[20] Q3分组：平均收益5.35%，收益>0概率69.5%[20] Q4分组：平均收益2.52%，收益>0概率51.7%[20] Q5分组：平均收益2.21%，收益>0概率57.0%[20] 4. 估值动量因子（未来一天收益） Q1分组：平均收益-0.05%，收益>0概率45.02%[24] Q2分组：平均收益0.00%，收益>0概率51.90%[24] Q3分组：平均收益0.01%，收益>0概率51.90%[24] Q4分组：平均收益0.04%，收益>0概率50.24%[24] Q5分组：平均收益0.14%，收益>0概率62.00%[24] 5. 估值动量因子（未来一年收益） Q1分组：平均收益5.67%，收益>0概率64.86%[24] Q2分组：平均收益6.53%，收益>0概率74.47%[24] Q3分组：平均收益5.78%，收益>0概率72.44%[24] Q4分组：平均收益5.08%，收益>0概率68.68%[24] Q5分组：平均收益3.83%，收益>0概率58.10%[24] 6. 交叉分组因子（估值分位点×估值动量） Q5分组且因子>0：平均收益0.04%[44][49] Q5分组且因子≤0：平均收益0.06%[44][49]