📰 研报摘要
查看全文 ➔摘要： 本报告提出了一种基于多因子模型的分类型可转债周度调仓策略。通过将可转债分为偏债型、平衡型和偏股型三类，并针对不同类型筛选有效的估值、量价、深度学习、高频及正股基本面因子，构建多头组合并进行等权配置，旨在提升相对于中证转债指数的超额收益。
核心观点：
- 分类型量化有效性：针对不同属性（偏债、平衡、偏股）的转债分别构建多因子模型比单一模型更具针对性。
- 因子贡献差异：估值因子、正股基本面和正股量价动量因子逻辑较强且回测效果好；深度学习因子效果显著但逻辑透明度较低；分钟和高频因子在偏股型转债中更为有效。
- 策略收益显著：控制换手率后的最终等权组合历史回测年化收益 22.03%，相对中证转债年化超额 14.87%，超额最大回撤 -10.34%。
论据支撑：
- 单因子测试：双低、纯债到期收益率、转股溢价率 Z-Score 等因子在不同类型转债中表现出较强的 RankIC 和超额收益。
- 组合回测：偏股型多头组合年化收益最高（31.27%），平衡型（21.27%）和偏债型（19.53%）亦均能获得显著超额。
- 优化机制：通过施加个券权重上限和双边换手率（50%）约束，有效降低了交易成本对收益的侵蚀，使周度双边换手率从 92.35% 降至 53.0%。
局限性/风险：
- 过拟合风险：量化模型基于历史数据构建，尤其是高频和深度学习因子存在数据挖掘导致的过拟合可能。
- 环境失效风险：市场环境变化可能导致历史规律失效，导致样本外表现不及预期。