【天风研究·固收】孙彬彬

转债的行业轮动存在，且与权益市场的轮动存在一定差异：首先，转债市场与权益市场行业标的池的差异性会导致转债分行业表现的横向比较结果与权益产生一定差异。其次，从溢价率的表现来看，部分行业的溢价率确实掺杂了行业表现的预期，这说明市场上确实有人在交易正股表现之外的转债行业预期。其中，在汽车、机械等行业中，溢价率残差走势与行业指数走势是基本一致的，这说明投资者在对这些行业溢价率做定价时会考虑行业景气度的变化，并且这种定价是顺周期的；而在交运，公共事业等行业中，溢价率残差与行业指数走势存在明显的负相关关系，即说明投资者对行业景气度预期相对稳定，当前行业的景气表现反而会降低投资者对行业未来的预期；在计算机、建筑、非银等板块，溢价率残差与行业表现基本不相关。

(资料图片)

我们从动量、一致预期两个维度入手对一些传统择股的单因子进行筛选，以期寻找到胜率较高的转债行业因子。一致预期指标中，PEG、ROE_FY1、Net_yoy、delta_ROE_FY1是相对有效的行业因子。动量因子方面，整体来看转债行业指标在长期存在一定程度的反转效应，MOM_100有较好的IC、胜率表现。我们选用相关性较弱的MOM_100、ROE_FY1、Net_yoy、PEG四个单因子采用等权重方法构筑复合因子，因子IC达到8.64%，较中证转债胜率稳定超过60%，其中预测5个行业平均收益跑赢平均值的概率超过77%。从7月以来因子推荐行业来看，我们的因子具有一定行业配置能力。

基于前述转债行业因子，我们构建了一套基于自上而下逻辑的转债月度择券方案：先基于前文所述的行业因子预测未来一个月表现最好的5个行业，在行业中根据公司历史财务指标选出基本面质地较好的公司，最后根据转债的技术面特征选择相对便宜的标的。从结果来看，该方案能获得相对中证转债较为稳健的超额收益：年化收益率18.94%，整体夏普比1.01,2023年以来获得6.35%的收益，卡玛比1.18。

风险提示：统计规律失效风险；行业表现不及预期风险；量化策略容量受限风险；海外紧缩超预期风险；汇率贬值超预期风险；宽松政策效果不及预期风险。

1. 转 债 市 场 轮 动 的 特 点

无论是哪个行业，转债的标的均远少于正股，且转债的行业分布和股票存在一定差异。截止2023年7月21日，在市转债共507只，中信行业指数的权重券共4878只，平均下来每个行业转债正股比大约在1：8.75左右。分布方面，转债在基础化工、建筑、银行等板块的分布比例明显高于正股，而在传媒、煤炭、通信、地产等板块明显更低。另外，转债市场在部分行业仅有零星分布，如当前市场上存续的房地产转债仅有1只，商贸零售行业仅有3只等等。如果再考虑机构的转债入库标准，那么部分行业中能分析的转债更是少之又少。

行业内标的数量越少，该行业内标的定价的趋同性或越强。这是因为在自上而下的定价逻辑中，如果标的质量没有特别剧烈的差异，行业内有限的选择会限制同行业标的的价差。一个极端的例子：如上文所述，如果投资者在确定要买入转债的情况下，判断下一季度通信行业或有较好的表现，当下只能在永鼎、烽火、纵横、润健四者中选择——如果考虑到永鼎、纵横只有不到3亿的存量，润健已经公告强赎，那么选择范围会更窄。

基于此，转债的行业轮动存在，且与权益市场的轮动存在一定差异。

首先，转债市场与权益市场行业标的池的差异性会导致转债分行业表现的横向比较结果与权益产生一定差异。比如考虑2023年6月转债等权重行业指数与中信行业指数涨跌幅的相对排名情况，即使不考虑地产、消费者服务、商贸零售这些转债分布少的行业，家电（转债排名第1，正股排名第12）、有色（转债排名第12，正股排名第6）等等行业正股行业表现和转债行业表现仍具有较大差异。

其次，从溢价率的表现来看，部分行业的溢价率确实掺杂了行业表现的预期，这说明市场上确实有人在交易正股表现之外的转债行业预期。采用多项式回归的方法，将正股对溢价率的影响从溢价率中剔除，再来看行业平均的回归残差（即溢价率剔除平价影响的部分）与转债等权重行业指数整体走势的关系，做相关系数的计算。可以看到结果存在明显的两极分化。并且，从平价/债底与前述相关系数的关系来看，我们判断这种相关性和行业内转债的股性/债性或并不相关。

在汽车、机械等行业中，溢价率残差走势与行业指数走势是基本一致的，这说明投资者在对这些行业溢价率做定价时会考虑行业景气度的变化，并且这种定价是顺周期的；而在交运，公共事业等行业中，溢价率残差与行业指数走势存在明显的负相关关系，即说明投资者对行业景气度预期相对稳定，当前行业的景气表现反而会降低投资者对行业未来的预期；在计算机、建筑、非银等板块，溢价率残差与行业表现基本不相关。

2.转 债 行 业 轮 动 因 子 构 建

我们从动量、一致预期、历史财务指标三个维度入手对一些传统择股的单因子进行筛选，以期寻找到胜率较高的转债行业因子。

为了降低其他转债定价因素对行业选择的影响，我们在每个交易日的转债筛选方案如下：（1）剔除已经宣布强赎/回售的转债；（2）剔除流动性较低/当期停盘的转债，我们的方案是排除近3个交易日（不包括当日）成交金额不足1000万的可转债；（3）剔除A及以下评级的转债；（4）剔除双高转债，我们的方案是剔除①平价高于100元且转股溢价率高于45%②平价小于100且价格高于150元。另外，考虑到转债行业分布以及转债数量，我们的回测期从2018年开始，到2023年7月结束。

在单因子验证过程中，我们主要考虑如下三个指标：（1）转债行业等权重指数未来一个月涨跌幅与该行业对应因子值之间的spearman秩相关系数，记作IC。在整个回测期IC的平均值反映了该因子预测未来转债行业收益排名的能力，一般来说IC值大于3%能称为有效因子。（2）IC的t值，它反应了因子预测能力的稳定性，一般大于2说明IC值稳定大于0，有一定预测能力。（3）胜率，它是指因子选出的n个行业未来一个月跑赢中证转债指数的概率。

一致预期指标中，PEG、ROE_FY1、Net_yoy、delta_ROE_FY1是相对有效的行业因子。一致预期因子是分析师对公司基本面进行预测的平均值/中位数，是权益市场用于预测公司股价未来表现的经典因子之一。我们定义转债正股基本面指标的一致预期平均值（或中位数）为转债该行业该指标的一致预期。

从上述指标的回测结果来看，PE/G是正向预测，即当期预期PE/G较高的行业未来一个月转债表现相对更好的概率更大，而其他因子表现出反向预测能力。另外，因子的预测能力呈现出明显的周期性以及趋势特征，过去较短时间内预测能力显著则未来预测效果好概率较大。从3年回测期的表现看，日历效应不明显，没有明显表现特别好的月份。从胜率来看，一致预期净利润同比因子（Net_yoy）单因子回测效果较好，相对中证转债胜率超过70%，但预测单行业胜率仅59%。

另外，我们也测算了中信行业指数一致预期指标构成的因子的回测表现，除了ROE_FY1在IC方面有提高，ROE_yoy在胜率方面略有提升外，其余指标预测能力均全面下滑。这也一定程度上印证了我们前述转债和正股轮动存在一定差异性的说法。

动量因子方面，考虑到我们构造可转债行业等权重指数采用的是转债收盘价数据，无法完成高频及相对复杂的趋势因子构造，因此我们仅选择了过去20日、100日、150日转债等权重指数涨跌幅进行测算，从中期以及长期的角度来看转债行业因子的动量效应。整体来看转债行业指标在长期存在一定程度的反转效应，MOM_100有较好的IC、胜率表现。动量因子预测能力整体不及一致预期因子。但从因子合成的角度来看，有差异性地构造因子有助于复合后的因子预测能力提升。

经过测试，我们选用相关性较弱的MOM_100、ROE_FY1、Net_yoy、PEG四个单因子采用等权重方法构筑复合因子，因子IC达到8.64%，较中证转债胜率稳定超过60%，其中预测5个行业平均收益跑赢平均值的概率超过77%。

从7月以来因子推荐行业来看，我们的因子具有一定行业配置能力：7月初至7月中旬因子主要推荐金融、基础化工、轻工制造、煤炭等顺周期行业；国防军工等。从目前表现来看，除国防军工、轻工制造存在明显回撤外，其余板块有一定程度景气上行表现。

3.从行业因子到自上而下择券方案

我们构建了一套基于自上而下逻辑的转债月度择券方案：先基于前文所述的行业因子预测未来一个月表现最好的5个行业，在行业中根据公司历史财务指标选出基本面质地较好的公司，最后根据转债的技术面特征选择相对便宜的标的。从结果来看，该方案能获得相对中证转债较为稳健的超额收益：年化收益率18.94%，整体夏普比1.01,2023年以来获得6.35%的收益，卡玛比1.18。

如何进行公司基本面质地筛选？借鉴前人的研究成果，我们分别选取周首华（1996）关于公司财务困境的研究以及Piotroski（2000）对公司基本面景气度的研究，提炼出基于财务困境的F分数以及公司景气度F分数，分别对第一步选出的标的池做“加减法”。具体来看，基于财务困境的F分数构建了五个维度的因子，并对因子值简单加权，这一分数越低，说明公司处于财务困境可能性越大。公司景气度F分数则从公司盈利能力、安全性、成长性三个维度入手，构建了9个指标对公司基本面进行打分，分数越高说明公司基本面健康程度或越高。

具体到策略构建上，我们在每个交易日选择行业因子最高的前5个行业，基本面F分数不小于4的转债，并剔除掉其中财务困境F分数在全样本后20%的个券。

由于该方法不适用金融板块标的筛选，因此在本策略构建中排除了银行、非银板块。

第三步选择低估标的中，我们采取相对传统的“双低”方案，并与之比较。具体来讲，为了保证能够在每个调仓日尽可能的选出标的来，我们选择调仓当日120元以下标的中，溢价率最低的10个转债进行投资。

回测参数方面，基于F分数相关参数的可得性以及数据量问题，我们选择2020年—2023年7月14日作为回测期，调仓频率为固定20个交易日，交易费率双边千四，若转债宣布赎回则在赎回后一个交易日以收盘价卖出，仅选择A+以上，存续余额不低于1.5亿，近3日平均成交量不低于1000万，已经上市超过5个交易日的非“双高”转债进行投资。

整体而言，仅是第一、第二步的大类筛选就能有相对较好表现。在不进行第三步筛选的情况下，策略年化收益8.22%，除2020年外，其余年份均跑赢中证转债。

7月14日前述策略仓位：

进行了“双低”筛选的结果较仅进行1、2步筛选的结果有明显强化，但可以选出的标的数量有所下降。一方面是因为固定调仓频率限制下，当日不一定有双低标的可供选择，另一方面也有双低策略近年来本身策略容量下降的缘故，详见此前团队周报《当前怎么看双低转债的投资价值》。另外，2020年9月策略出现较大波动，主要系当时仓位中仅有两只标的维格、起步，而起步当期存在较大波动所致。

与仅进行第三步筛选的“双低”策略比较，我们给出的自上而下筛选方案具有明显优势，这或在一定程度上验证了通过行业因子+公司基本面量化筛选的“自上而下”策略能够有效增厚收益，前提是付出一定的仓位限制的代价。

风险提示

统计规律失效风险；行业表现不及预期风险；量化策略容量受限风险；海外紧缩超预期风险；汇率贬值超预期风险；宽松政策效果不及预期风险。