【方正固收】择券先择股——可转债量化择券体系初探

来源：方正证券研究

◆◆

摘要

◆◆

1、在可转债择券时，投资者大多采用定性的研究方法，遍历所有标的并逐一判断其投资价值。纯定性择券方法在转债不断扩容、行业与品类全覆盖的大趋势下越发显得吃力。我们希望通过量化的手段，使投资决策定量化、体系化、纪律化。

2、正股行情是影响转债行情的最主要因素，在条款设置不极端的情况下，可以说“选转债就是选正股”。我们借鉴多因子模型，找出用于正股选择的有效因子组合，对所有转债正股进行筛选，从而聚焦择券范围。

3、具体操作时，我们选取成长、质量、每股指标、风险、动量、情绪6类共17个因子作为基准，通过单因子分析、因子暴露度分析、因子相关强度分析加以筛选，将营业收入增长率、销售净利率、流通市值、每股收益TTM、20日收益方差、换手率相对波动率这六个因子作为最终因子组合。我们以沪深300为基准，2010.1.1-2019.1.1为回测周期进行回测，结果表明该因子组合具有较稳健的选股能力。

4、运用该因子组合，我们对2019.11.29现存可转债的正股进行筛选。剔除已强赎、即将退市及余额1亿元以下标的后，以2018-2019年的因子值计算207只正股的总排名分。在排名较高的前30只正股中，综合考虑转债价位、流动性、评级等因素后，我们相对看好视源转债、星源转债，同时建议关注顺丰转债、福特转债的上市情况，择机吸筹。

5、在未来，我们可以依据此模型进行月度转债推荐，在实践中验证并改进该模型，将量化投资应用于可转债投资。

风险提示：结论基于历史数据，未来市场可能发生重大变化；因子有效性减弱或反转风险；因子选择存在差异。

◆◆

目录

◆◆

1 多因子模型

2 因子选股能力分析

    2.1 因子初步选取

    2.2 单因子有效性检验

3 确定因子组合

    3.1 因子暴露度分析

    3.2 因子相关性分析

    3.3 因子组合确定

4 回测与正股选择

5 相对看好视源、星源，关注顺丰、福特

◆◆

正文

◆◆

可转债具有债券与股票的双重属性，正股行情是影响转债行情的最主要因素，在条款设置不极端的情况下，可以说“选转债就是选正股”。

目前，在可转债的择券上，投资者大多采用定性的研究方法，遍历所有标的并逐一判断其投资价值，“拍”的意味很重。随着转债规模的不断扩容、行业与品类的全覆盖、新老券的加速更新换代，这种方法越来越显得吃力，我们希望通过量化的手段，使投资决策定量化、体系化、纪律化。

本文对此做出尝试，我们的思路是：首先，借鉴多因子模型，找出用于正股选择的有效因子组合，对所有转债正股进行筛选，聚焦择券范围；其次，定性综合考虑转债因素，如价位、流动性、评级、条款博弈、债底保护等，筛选出推荐转债标的。此后，我们可以依据此模型进行月度转债推荐，并在实践中验证并改进该模型。

1多因子模型

多因子模型建立在CAPM、APT理论和FF三因子模型的基础上，即认为股票收益率是由一系列因素（因子）决定的。投资者从经济金融理论或市场经验出发，发现一系列影响证券收益的因子，经过对历史数据的拟合和统计分析进行验证和筛选，最后以这些因子的组合作为选股标准，买入满足这些因子的股票。

具体分为4个步骤：因子选取、因子有效性检验、因子筛选、模型回测。目前，多因子模型基本应用在选股领域，债券市场上较少涉及，我们试图用该模型聚焦可转债择券范围。

2 因子选股能力分析

2.1  因子初步选取

在选取因子时，我们借助Jion Quant（聚宽量化交易平台），聚宽提供的因子库涵盖229个因子，分为成长类、质量类、每股指标因子、风险类、动量类、情绪类、技术指标因子、基础科目及衍生类因子这8大类。我们初步选取了成长、质量、每股指标、风险、动量、情绪6类共16个因子，又在“每股指标”类别下加入了“流通市值”，用这17个在A股市场较为有效且广为应用的指标来构建模型。值得注意的是，由于此后要进行一系列检验，因此我们的“初步因子池”范围较宽，意在逐步筛除、择优选用。

其中，①成长类因子从公司盈利增长的角度考察公司的成长性，我们选取了营业收入增长率、净利润增长率、归母净利润增长率。②质量类因子用来衡量公司的盈利能力、盈利质量和盈利稳定性，我们选取了总资产报酬率、销售净利率、经营活动产生的现金流量净额与营业收入之比。③每股指标因子大类中我们选取了每股收益TTM、每股营业利润以及每股经营活动产生的现金流量净额，又加入了“流通市值”指标。④风险类因子用来衡量股价波动性、标的股票的风险与收益情况，我们选取20日夏普比率、20日收益方差。⑤动量类因子是分析股价波动的中短期技术分析指标，我们采用当前价格处于过去1年股价的位置、多头力道两个指标。⑥情绪类因子反映了投资者情绪，集中表现为成交层面数据，我们选取了威廉变异离散量、20日资金流量、20日平均换手率、换手率相对波动率指标。

我们对这17个因子分别做了IC测试，rank_IC是当期因子排序与下一期股票收益率排序的截面秩相关系数，rank_IC的绝对值越大，说明该因子的预测能力越强。测试之前，对所有因子都进行了中位数去极值（MAD）、行业市值对数中性化、Z-Score标准化的处理。

1）MAD去极值

对于因子数据集X1,X2,…,Xn,MAD定义为数据点到中位数的绝对偏差中位数。也就是说，先计算出数据与它们的中位数之间的残差（偏差），MAD就是这些偏差的绝对值的中位数。确定参数n，从而确定因子值合理的范围，针对超出合理范围的值做如下调整：

2）行业市值对数中性化

为了在用因子时去除行业、市值因素的影响，我们对因子进行行业市值中性化处理。具体做法是，将因子值和行业亚变量、市值对数做线性回归，得到的残差就是中性化后的因子值。

3）Z-Score标准化

为了去除各指标的量纲不同对统计分析带来的影响，我们对每个指标进行标准化，做如上变换。Z-Score标准化是将因子值按比例缩放，使之落入一个特定区间。

因子在经过上述处理后，我们以沪深300为股票池进行信息系数（IC）测试，测试周期为月度，回测周期为10年，测试结果如下：

从效果上来看，成长类和动量类因子的IC均值整体低于其他类因子，情绪类、质量类和每股指标因子相对更加有效。rank_IC绝对值排名前五的因子分别是：换手率相对波动率(turnover_volatility)、20日平均换手率(VOL20)、每股收益TTM(eps_ttm)、经营活动产生的现金流量净额与营业收入之比(cash_rate_of_sales)和每股经营活动产生的现金流量净额(net_operate_cash_flow_ per_share)。

2.2  单因子有效性检验

为了从多个维度考察因子对于解释股票收益的有效性，我们仍以沪深300为股票池进行分位数组合测试。每10个交易日，将沪深300成分股根据因子值大小进行排序，如果因子为正向，即因子值越大收益越高，则降序排序；如果因子为反向，即因子值越小收益越高，则升序排序。

将排序后的股票根据因子值大小分为数量基本相等的5组合，每个组合等权配置，若第一分位组合收益远高于第五分位组合，说明因子有效，回测区间为2017年11月29日至2019年11月29日。

（1）成长类因子。

从营业收入增长率(operating_revenue_growth _rate)、净利润增长率(net_profit_growth_rate)和归属母公司股东的净利润增长率(np_parent_company_ owners_growth_rate)三个因子的5分位累计收益来看，营业收入增长率因子表现较好，营业收入增长率和归属母公司股东的净利润增长率表现一般，故我们保留

营业收入增长率因子

。

（2）质量类因子。从总资产报酬率(ROAEBITTTM)、销售净利率(net_profit_ratio)、经营活动产生的现金流量净额与营业收入之比(cash_rate_of_sales)三个因子的分位数测试结果来看，销售净利率、经营活动产生的现金流量净额与营业收入之比的1分位和5分位区分更为明显，故保留这两个因子。

（3）每股指标因子。从每股收益TTM(eps_ttm)、每股经营活动产生的现金流量净额(net_operate_cash_flow_per _share) 和流通市值(circulating_market_cap)三个因子的分位数测试结果来看，每股收益TTM、流通市值的1、5分位数区分度较大，因此，我们保留这两个因子。

（4）风险类因子。从20日夏普比率(sharpe_ratio_20)和20日收益方差(Variance20)的分位数测试结果看，20日收益方差的1、5分位的累计收益区分更加明显。因此我们只保留20日收益方差因子。

（5）动量因子。从“当前价格处于过去1年股价的位置(fifty_two_week_close_rank)”和多头力道(bull_power)两个因子的分位数测试结果来看，二者表现一般；且多头力道的rank_IC值仅为-0.009，显著性不强，故我们筛除动量因子。

（6）情绪因子。根据威廉变异离散量(WVAD)、20日资金流量(money_flow_20)、20日平均换手率(VOL20)和换手率相对波动率(turnover_volatility)的分位数累计收益来看，20日资金流量的1、5分位数累积收益没有明显的单调性，其余三个因子都具有较强的解释力度，因此，我们保留威廉变异离散量、20日平均换手率和换手率相对波动率。

综上，我们初步构建因子池：营业收入增长率、销售净利率、经营活动产生的现金流量净额与营业收入之比、每股收益TTM、流通市值、20日收益方差、威廉变异离散量、20日平均换手率和换手率相对波动率。

为进一步考察因子的选股能力，我们分别在A股市场、中证500、沪深300、上证50中做了IC测试。如下图，周平均rank_IC值基本都在0.03以上，说明因子的解释力度较好。同时，整体上来看，IC绝对值均值的最高值集中在上证50，说明该因子组合对于上证50的选股能力更强。

3  确定因子组合

3.1  因子暴露度分析

我们以上证50、沪深300，中证500为标的，检验以上9个因子近一年来对于不同指数的暴露情况。具体计算步骤如下：

1） 以周为频率将因子按照从大到小排序；

2） 对于不同的指数标的，取出属于该指数的成分股，计算成分股对应的因子的排序均值；

3） 计算全市场对应的因子的排序中间值；

4） 利用(指数因子排序均值-全市场因子排序中间值)/全市场股票数量这一指标来测算因子相对于全市场的偏离程度。

以上统计了三大股指2018.11.29-2019.11.29的因子平均暴露，从整体上看：

1）流通市值因子的偏离度最高。该因子在上证50中的偏离度接近50%，沪深300的偏离度在45%左右，而中证500的偏离度接近30%。

2）中等偏离程度的因子包括：销售净利率、每股收益TTM、营业收入增长率、经营活动产生的现金流量净额与营业收入之比、20日平均换手率、换手率相对波动率和20日收益方差因子。

3）威廉变异离散量偏离度最小。对于三大股指的偏离度几乎为0，说明大盘股、蓝筹股、小盘股在开市期间买卖双方爆发力程度方面差异不大。因此我们考虑将该因子移出。

3.2  因子相关性分析

在考虑了因子的暴露之后，我们对因子之间的相关性进行分析，剔除相关性较高的因子中表现较差的因子，以减少多重共线性的风险，增加预测的准确性。

我们使用相关强度作为判断因子相关性强弱的指标，计算公式为：相关强度=相关性的均值/相关性的标准差，既考虑了相关性的平均值，也考虑了相关性的稳定情况，其绝对值越大，说明因子之间的相关性越强。

同样的，我们以上证50、沪深300，中证500为标的，测试近一年来各因子的相关强度：

1）在上证50成分股中，相关强度最高的因子是换手率相对波动率和20日平均换手率，为24；其次是每股收益TTM和销售净利率，为11。

2）在沪深300成分股中，相关强度最高的因子是换手率相对波动率和20日平均换手率，为16；其次是流通市值与销售净利率，为10。

3）在中证500成分股中，相关强度最高的因子是20日平均换手率和换手率相对波动率，为26；其次是20日收益方差和换手率相对波动率，为12。

3.3  因子组合确定

通过对因子进行单因子分析、暴露度分析、相关强度分析，我们得出以下结论：

1) 每股收益TTM、20日平均换手率、20日收益方差、换手率相对波动率的选股能力较强，经营活动产生的现金流量净额与营业收入之比的选股能力较弱，其他因子选股能力差别不大。

2）流通市值的偏离度最高，威廉变异离散量的偏离度最低，中等偏离程度的因子包括销售净利率、每股收益TTM、营业收入增长率、经营活动产生的现金流量净额与营业收入之比、20日平均换手率、换手率相对波动率和20日收益方差。

3）相关强度较强的组合为20日平均换手率和换手率相对波动率。

我们将因子是否纳入最终组合的标准分为三点：因子绝对选股能力强，因子暴露程度高，因子之间的相关强度低，因此流通市值、销售净利率、每股收益TTM、营业收入增长率、换手率相对波动率、20日收益方差这六个因子作为我们的因子组合较为合适。

4  回测与正股选择

我们利用因子组合中的6个因子作为排序指标进行正股选择，每只正股根据每个排序指标的次序与权重，分别得到一个排名分，最后将排名分相加，得到股票的总排名分，根据排名分的高低，买入分数高的正股，卖出分数低的正股。

我们在Jion Quant平台对策略进行回测，周期为2010.1.1-2019.1.1，基准为沪深300，初始买入金额10万元人民币，调仓周期为20个交易日，卖出印花税为1‰，买入佣金为3‰，卖出佣金为3‰，按流通市值比例买入。从回测结果来看，策略收益大幅跑赢等权基准，策略收益45.35%,年化6.13%，而基准收益为-15.80%，策略的超额收益最高可达76.66%，超额收益夏普比率为0.469。

在回测结果较为有效的情况下，我们利用该因子组合作为排序指标进行当前正股选择。截止2019年11月29日，存续216只可转债、可交债（含未上市标的），我们剔除强赎与即将退市标的，以及余额1亿元以下的标的，对其余207只标的进行正股筛选。

首先，我们以2019年11月29日为止计算207只可转债对应正股的因子。其次，对因子的数值进行0-1标准化处理，对换手率相对波动率、20日资金流量这两个逆序指标（其余4个为顺序指标）的次序进行调整。再次，对201只转债对应的正股进行排序（鼎胜新材、金力永磁、文灿股份、通威股份、华夏航空、长城科技6只转债数据缺失，不参与排序），采用等权重的方法，每只正股根据每个排序指标的次序，分别得到一个排名分。最后，将流通市值、营业收入增长率、销售净利率、每股收益、换手率相对波动率、20日资金流量这6个指标的排名分相加，得到201只转债对应的正股的总排名分。我们建议优先关注分数高的正股对应的转债。

5  相对看好视源、星源，关注顺丰、福特

我们综合考虑转债价位、流动性、评级等，从前述正股池中筛选出建议的投资标的：相对看好视源转债、星源转债，同时建议关注顺丰转债、福特转债的上市情况，择机吸筹。

1） 视源股份旗下教育信息化应用工具品牌希沃seewo，和高效会议平台MAXHUB符合交互教育、VR领域方向。公司作为全球最大的液晶显示主控板供应商，充分受益于智能电视对普通电视的替换进程，享有游戏、教育、商务会议三极优势。视源转债当前价格虽位于120元以上，但年内2次触及赎回线，弹性较强，强赎前的10元空间可期。

2） 星源材质属于新能源汽车产业链中的核心标的，汽车销量有望企稳回升，可酌情关注。此外公司近期限售股解禁或暂时打压股价，当前转债价格位于110元附近，转股溢价率不足20%，具备一定比较优势，若逢调整可积极关注。

（感谢实习生杨安康、吴尧对本报告的重要贡献。）

免责声明：自媒体综合提供的内容均源自自媒体，版权归原作者所有，转载请联系原作者并获许可。文章观点仅代表作者本人，不代表新浪立场。若内容涉及投资建议，仅供参考勿作为投资依据。投资有风险，入市需谨慎。