量化模型与构建方式 模型名称：转债&国债择时策略 - 模型构建思路：基于转债市场的YTM差值与定价偏离度进行择时[8][10] - 模型具体构建过程： 1. 计算3年期AA级信用债YTM与转债YTM的差值，作为价格水平类择时指标[8] 2. 使用CCBA定价模型计算转债的理论定价，并计算定价偏离度=转债价格/CCBA模型定价-1，作为期权估值类择时指标[8] 3. 将上述两个指标计算zscore并形成择时综合打分，月度调整权重构建转债&国债的择时策略[11] - 模型评价：策略几乎每年都能跑赢基准，波动与回撤明显降低[11] 模型名称：低估+动量的偏债增强策略 - 模型构建思路：在低估策略中加入正股动量因子，降低策略尾部风险并增加策略弹性[16] - 模型具体构建过程： 1. 使用ccb_out定价偏离度作为低估值因子[17] 2. 使用正股过去1、3、6个月涨跌幅作为正股动量因子[17] 3. 在偏债转债中找到得到最高的30值转债进行配置[17] - 模型评价：该策略相对于偏债转债基准增强效果稳定，超额收益显著[17] 模型名称：波动率倒数加权策略 - 模型构建思路：通过波动率倒数加权的方式构建月度调仓的策略，实现收益稳定且风险更低的绝对收益策略[19] - 模型具体构建过程： 1. 使用偏债增强策略与7-10年期国债[19] 2. 通过波动率倒数加权的方式构建月度调仓的策略[19] - 模型评价：策略表现稳定，年化收益与回撤控制在较低水平[19] 模型的回测效果 转债&国债择时策略 - 年化收益：8.99%[13] - 年化波动：6.91%[13] - 最大回撤：11.79%[13] 低估+动量的偏债增强策略 - 区间收益：14.9%[19] - 年化波动：8.8%[19] - 最大回撤：12.9%[19] - 区间超额：7.8%[19] - 信息比率：2.30[19] 波动率倒数加权策略 - 区间收益：7.7%[21] - 年化波动：2.7%[21] - 最大回撤：2.8%[21] 量化因子与构建方式 因子名称：ccb_out定价偏离度 - 因子的构建思路：基于可转债赎回调整定价模型（CCBA）计算当前市场转债的理论定价，并计算定价偏离度[8] - 因子具体构建过程： 1. 计算CCBA模型定价[8] 2. 计算定价偏离度=转债价格/CCBA模型定价-1[8] - 因子评价：该因子能够较好地表征转债的期权估值水平[8] 因子名称：正股动量因子 - 因子的构建思路：使用正股过去1、3、6个月涨跌幅作为动量因子[17] - 因子具体构建过程： 1. 计算正股过去1、3、6个月的涨跌幅[17] 2. 将这些涨跌幅作为动量因子进行打分[17] 因子的回测效果 ccb_out定价偏离度 - 区间收益：20.1%[30] - 年化波动：13.7%[30] - 最大回撤：15.6%[30] - 区间超额：12.3%[30] - 信息比率：2.06[30] 正股动量因子 - 区间收益：22.8%[32] - 年化波动：14.3%[32] - 最大回撤：11.9%[32] - 区间超额：14.8%[32] - 信息比率：2.37[32]