摘要：可轉(zhuǎn)債是“固收+”策略中一項(xiàng)重要的配置標(biāo)的，其“進(jìn)可攻、退可守”的特性受到投資者青睞。本文分別運(yùn)用量化模型和宏觀因子模型構(gòu)建了偏股型可轉(zhuǎn)債策略、偏債型可轉(zhuǎn)債策略和利率久期輪動(dòng)策略，并通過(guò)回測(cè)證實(shí)，三類子策略的收益風(fēng)險(xiǎn)表現(xiàn)相較基準(zhǔn)指數(shù)均有提升。在構(gòu)建“固收+”策略時(shí)，本文通過(guò)下行風(fēng)險(xiǎn)平價(jià)模型對(duì)以上三類子策略進(jìn)行配置，相較基準(zhǔn)指數(shù)取得了明顯的超額收益，且收益風(fēng)險(xiǎn)比有所提高。

關(guān)鍵詞：“固收+” 可轉(zhuǎn)債 利率久期輪動(dòng) 下行風(fēng)險(xiǎn)平價(jià)模型

引言

在低利率時(shí)代來(lái)臨和泛權(quán)益市場(chǎng)震蕩不斷的背景下，“固收+”策略投資者不僅需要努力挖掘不同類資產(chǎn)的收益來(lái)源，還需要精細(xì)化管理自己的投資組合與投資入選標(biāo)的。資產(chǎn)策略層面，可攻可守的可轉(zhuǎn)債策略與無(wú)信用風(fēng)險(xiǎn)的利率久期輪動(dòng)策略是兩個(gè)值得深入研究的方向。在可轉(zhuǎn)債策略上，除了常見(jiàn)的“雙低”“單低”策略以外1，高智威和許坤圣（2024）指出，還可以考慮運(yùn)用多因子模型對(duì)可轉(zhuǎn)債尤其是偏股型可轉(zhuǎn)債進(jìn)行策略研究。在利率久期輪動(dòng)策略上，Bektic等（2020）列舉了一系列關(guān)于因子投資在債券收益率預(yù)測(cè)上的運(yùn)用總結(jié)，為固定收益投資研究人員提供了豐富的債券量化思路。然而，伴隨著單資產(chǎn)研究手段的不斷豐富，針對(duì)不同資產(chǎn)策略精細(xì)化管理的研究目前尚顯匱乏，羅漫和吳文倩（2024）提出可以運(yùn)用下行風(fēng)險(xiǎn)平價(jià)模型對(duì)各類子策略進(jìn)行配置管理，從而提高組合收益風(fēng)險(xiǎn)比。

本文旨在從中國(guó)可轉(zhuǎn)債市場(chǎng)和利率債市場(chǎng)中發(fā)掘有效因子，并對(duì)其投資策略進(jìn)行深入分析，最終通過(guò)運(yùn)用相應(yīng)資產(chǎn)配置模型構(gòu)建精細(xì)化管理的“固收+”策略組合。本文首先分別構(gòu)建量化可轉(zhuǎn)債策略與利率久期輪動(dòng)策略，然后在此基礎(chǔ)上運(yùn)用下行風(fēng)險(xiǎn)平價(jià)模型構(gòu)建“固收+”投資組合，并分析了該組合的投資價(jià)值與持倉(cāng)風(fēng)格，旨在為市場(chǎng)從業(yè)人員提供行之有效的論據(jù)支持。

可轉(zhuǎn)債市場(chǎng)簡(jiǎn)介和文獻(xiàn)綜述

近年來(lái)，伴隨著權(quán)益市場(chǎng)的走弱，市場(chǎng)對(duì)兼顧股性與債性的可轉(zhuǎn)換債券的關(guān)注度不斷提高。由于內(nèi)含股票期權(quán)，相對(duì)于傳統(tǒng)債券，可轉(zhuǎn)債可以獲取相對(duì)權(quán)益市場(chǎng)的超額收益；又由于其債券屬性，相對(duì)于股票，可轉(zhuǎn)債的底部?jī)r(jià)值更容易估量。因此，可轉(zhuǎn)債具有“進(jìn)可攻、退可守”的優(yōu)勢(shì)。截至2024年6月11日，以5年為考察區(qū)間，中證可轉(zhuǎn)債指數(shù)年化收益率為5.14%，年化波動(dòng)率為8.99%；同期萬(wàn)得全A指數(shù)年化收益率為3.20%，年化波動(dòng)率為18.57%。無(wú)論從收益還是風(fēng)險(xiǎn)層面來(lái)看，可轉(zhuǎn)債較境內(nèi)權(quán)益資產(chǎn)都具有一定優(yōu)勢(shì)，因此在“固收+”策略中加入可轉(zhuǎn)債能起到提升風(fēng)險(xiǎn)收益特征的效果。

目前，基于中國(guó)可轉(zhuǎn)換債券的學(xué)術(shù)研究主要從定價(jià)角度出發(fā)。鄭振龍和林海（2004）提出根據(jù)可轉(zhuǎn)債的期權(quán)屬性，結(jié)合中國(guó)可轉(zhuǎn)債條款構(gòu)建不同于海外的定價(jià)模型。周其源等（2009）的可贖回可轉(zhuǎn)換貼現(xiàn)債券完全拆解定價(jià)法在Black-Scholes期權(quán)模型假設(shè)框架下，依據(jù)風(fēng)險(xiǎn)中性定價(jià)原理，將可贖回可轉(zhuǎn)換貼現(xiàn)債券完全拆解為以下5種簡(jiǎn)單證券的組合（普通貼現(xiàn)債券、兩種立即支付型規(guī)則美式二值買權(quán)、上敲出買權(quán)、延遲支付型規(guī)則美式二值買權(quán)），并據(jù)之推導(dǎo)出定價(jià)解析式。而我國(guó)從業(yè)人員則逐漸拓寬可轉(zhuǎn)債投資研究方法，除定價(jià)方法外，還運(yùn)用股票多因子思路嘗試對(duì)可轉(zhuǎn)債市場(chǎng)進(jìn)行研究，高智威和許坤圣（2024）從量?jī)r(jià)類因子、可轉(zhuǎn)債基本面類因子、正股基本面類因子構(gòu)造了偏股型可轉(zhuǎn)債多因子策略。

在純債市場(chǎng)研究方面，除了信用下沉策略、票息策略等傳統(tǒng)策略研究外，近年來(lái)研究人員也逐漸將目光投向久期輪動(dòng)策略，通過(guò)運(yùn)用各類因子對(duì)收益率曲線進(jìn)行判斷從而構(gòu)建長(zhǎng)短久期輪動(dòng)策略。Li等（2022）發(fā)現(xiàn)在預(yù)測(cè)中國(guó)國(guó)債收益率水平上，宏觀因子、財(cái)政因子相較于政策面因子更為行之有效。Jiang等（2024）發(fā)現(xiàn)宏觀因子與中國(guó)國(guó)債收益存在非線性關(guān)系，并運(yùn)用對(duì)應(yīng)機(jī)器學(xué)習(xí)模型建立了宏觀因子到中國(guó)國(guó)債收益率預(yù)測(cè)的橋梁。

大類資產(chǎn)配置是“固收+”策略收益的重要來(lái)源，一直以來(lái)都是學(xué)術(shù)界與業(yè)界的研究熱點(diǎn)之一。除了常見(jiàn)的均值方差（MVO）模型、風(fēng)險(xiǎn)平價(jià)模型，近些年運(yùn)用下行風(fēng)險(xiǎn)2特性構(gòu)建的資產(chǎn)配置模型也較受歡迎。Kim等（2022）提出通過(guò)對(duì)下行風(fēng)險(xiǎn)進(jìn)行放縮，可以構(gòu)建出收益風(fēng)險(xiǎn)特征更優(yōu)秀的投資組合。而同期Luo等（2022）則基于下行風(fēng)險(xiǎn)概念構(gòu)建了下行風(fēng)險(xiǎn)平價(jià)模型（Downside Risk Parity，DRP），并證明了該模型能夠較普通的風(fēng)險(xiǎn)平價(jià)模型獲得更好的風(fēng)險(xiǎn)調(diào)整后表現(xiàn)。羅漫和吳文倩（2024）運(yùn)用下行風(fēng)險(xiǎn)平價(jià)模型搭配不同資產(chǎn)子策略，證明了該模型在配置資產(chǎn)子策略上也能獲得更好的風(fēng)險(xiǎn)調(diào)整后收益。

可投標(biāo)的選取和概念定義

在構(gòu)建具體量化可轉(zhuǎn)債策略時(shí)，本文出于對(duì)投資可落地性的考慮，首先確定可轉(zhuǎn)債基礎(chǔ)可投標(biāo)的池。基于對(duì)信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、輿情風(fēng)險(xiǎn)、政策性風(fēng)險(xiǎn)等方面的考量，本文要求可投可轉(zhuǎn)債需滿足：1.可轉(zhuǎn)債信用評(píng)級(jí)AA-及以上；2.信號(hào)日3可轉(zhuǎn)債及正股非漲跌停；3.信號(hào)日對(duì)應(yīng)正股近3個(gè)月不存在被終止上市的風(fēng)險(xiǎn)（如*ST、ST、S、S*ST、SST類股票）；4.可轉(zhuǎn)債存續(xù)市值不少于5億元；5.信號(hào)日可轉(zhuǎn)債近20個(gè)交易日日均交易額不少于500萬(wàn)元；6.可轉(zhuǎn)債對(duì)應(yīng)正股公司滿足近3年分紅大于凈利潤(rùn)的30%或5000萬(wàn)元?；販y(cè)區(qū)間方面，由于從2018年開(kāi)始可轉(zhuǎn)債市場(chǎng)較前期有了較大轉(zhuǎn)變，因此本文研究范圍為2018年1月至2024年6月。同時(shí)，本文按照慣例，根據(jù)平價(jià)溢價(jià)率（轉(zhuǎn)股價(jià)值/純債價(jià)值-1）將可轉(zhuǎn)債整體劃分為偏股型可轉(zhuǎn)債（平價(jià)溢價(jià)率>20%）、平衡型可轉(zhuǎn)債（-20%≤平價(jià)溢價(jià)率≤20%）、偏債型可轉(zhuǎn)債（平價(jià)溢價(jià)率<-20%）等三類可轉(zhuǎn)債，并聚焦在具有進(jìn)攻性的偏股型可轉(zhuǎn)債與具有防守特性的偏債型可轉(zhuǎn)債上進(jìn)行策略開(kāi)發(fā)。

子策略一：偏股型可轉(zhuǎn)債策略

（一）策略構(gòu)建思路

偏股型可轉(zhuǎn)債策略方面，本文借鑒高智威和許坤圣（2024）思路，分別從量?jī)r(jià)因子、可轉(zhuǎn)債基本面因子和正股基本面因子這三大類維度出發(fā)構(gòu)造小類因子，再取截面標(biāo)準(zhǔn)化后的小類因子均值作為偏股型可轉(zhuǎn)債優(yōu)選大類因子，最后再將三大類因子等權(quán)合成為偏股型可轉(zhuǎn)債優(yōu)選因子。部分因子構(gòu)造細(xì)節(jié)如表1所示。

本文分別測(cè)試了在5日和10日的不同調(diào)倉(cāng)頻率下大類因子合并后的表現(xiàn)。因子回測(cè)細(xì)節(jié)為：信號(hào)日第二天根據(jù)因子打分購(gòu)買符合要求的前10只偏股型可轉(zhuǎn)債，分別持有5個(gè)交易日和10個(gè)交易日，同時(shí)交易費(fèi)用為雙邊0.3%，交易滑點(diǎn)4為0.1%。在回測(cè)區(qū)間2018年1月至2024年6月內(nèi)，大類因子合并后的策略在5日換倉(cāng)、10日換倉(cāng)下的收益風(fēng)險(xiǎn)指標(biāo)為：年化收益率分別為14.45%、12.10%，年化波動(dòng)率分別為17.29%、17.11%，區(qū)間最大回撤分別為-20.17%、-19.84%。

（二）策略回測(cè)表現(xiàn)

本文選取中證可轉(zhuǎn)換債券偏股策略指數(shù)（931653.CSI）作為比較基準(zhǔn)。在回測(cè)區(qū)間內(nèi)，5日換倉(cāng)策略的年度收益率中位數(shù)為7.07%，平均數(shù)為13.65%；10日換倉(cāng)年度收益率中位數(shù)為8.37%，平均數(shù)為11.04%；比較基準(zhǔn)年度收益率中位數(shù)為2.77%，平均數(shù)為5.28%?？梢园l(fā)現(xiàn)，本文構(gòu)建的偏股可轉(zhuǎn)債策略在不同的換倉(cāng)頻率下都對(duì)比較基準(zhǔn)有一定超額表現(xiàn)（見(jiàn)表2）。

子策略二：偏債型可轉(zhuǎn)債策略

（一）策略構(gòu)建思路

根據(jù)特性而言，偏債型可轉(zhuǎn)債的表現(xiàn)更像是純債型資產(chǎn)，日常波動(dòng)較小，因此在“固收+”策略中，配置偏債型可轉(zhuǎn)債往往可以起到在控制組合波動(dòng)情況下適當(dāng)增厚收益的效果。但偏債型可轉(zhuǎn)債與債券相關(guān)性較高，因此組合里需要有一定倉(cāng)位來(lái)配置相關(guān)性相對(duì)較低的股票策略或偏股型可轉(zhuǎn)債策略。

關(guān)于偏債型可轉(zhuǎn)債策略，本文通過(guò)構(gòu)建兩個(gè)高股息策略并對(duì)其進(jìn)行融合來(lái)得到最終策略。第一個(gè)高股息策略根據(jù)稅前到期收益率與中債中短期票據(jù)AAA到期收益率的差值由高到低排序，最終選取15只偏債型可轉(zhuǎn)債；第二個(gè)高股息策略根據(jù)過(guò)去20日稅前到期收益率均值由高到低排序，并剔除轉(zhuǎn)股溢價(jià)率低于-5%或超過(guò)20%的可轉(zhuǎn)債，最終選取15只偏債型可轉(zhuǎn)債。最后，本文對(duì)兩個(gè)高股息策略進(jìn)行等權(quán)融合，當(dāng)出現(xiàn)重復(fù)可轉(zhuǎn)債時(shí)，不作去重處理。

（二）策略回測(cè)表現(xiàn)

本文分別測(cè)試了在5日和10日的不同調(diào)倉(cāng)頻率下的策略表現(xiàn)，其他相關(guān)回測(cè)細(xì)節(jié)與偏股型可轉(zhuǎn)債回測(cè)一致。在回測(cè)區(qū)間內(nèi)，本文構(gòu)建的偏債型可轉(zhuǎn)債5日換倉(cāng)策略年化收益率為12.43%、年化波動(dòng)率為9.07%，區(qū)間最大回撤為-16.54%；10日換倉(cāng)策略年化收益率稍弱，為10.89%，對(duì)應(yīng)年化波動(dòng)率和區(qū)間最大回撤分別為9.24%和-15.84%。

子策略三：利率久期輪動(dòng)策略

（一）策略構(gòu)建思路

近年來(lái)，伴隨著投資者對(duì)信用下沉風(fēng)險(xiǎn)的擔(dān)憂與低利率情景下票息策略的不斷走弱，利率久期輪動(dòng)策略逐漸受到了更多投研人員的關(guān)注。除了常見(jiàn)的主觀研究方法論，部分研究人員也在嘗試將股票中常用的多因子方法體系運(yùn)用在對(duì)債券收益率的預(yù)測(cè)上，從而構(gòu)建久期輪動(dòng)策略。然而，不同于股票資產(chǎn)的投研側(cè)重從自下而上的視角出發(fā)，主要關(guān)注公司基本面、量?jī)r(jià)因子；對(duì)于固收資產(chǎn)，投研則需要站在自上而下的角度，首要考慮宏觀基本面、政策面、資金面等因素的影響。具體而言，本文從工業(yè)生產(chǎn)、股票、經(jīng)濟(jì)增長(zhǎng)、景氣指數(shù)、外匯外貿(mào)、消費(fèi)財(cái)政等維度分別構(gòu)造宏觀大類因子，并基于多因子模型來(lái)構(gòu)建月度輪動(dòng)的長(zhǎng)短久期輪動(dòng)配置策略。如表3所示，本文從每大類指標(biāo)中分別列舉一子類指標(biāo)進(jìn)行說(shuō)明。

在具體的指標(biāo)構(gòu)建中，由于宏觀因子更新的滯后性，本文統(tǒng)一采取向前取數(shù)方式，以此避免引入未來(lái)數(shù)據(jù)。具體的指標(biāo)組合方式為：在子類指標(biāo)層面，當(dāng)子類指標(biāo)發(fā)出看多信號(hào)時(shí)，對(duì)應(yīng)大類指標(biāo)記“1”；子類指標(biāo)發(fā)出看空信號(hào)時(shí)，對(duì)應(yīng)大類指標(biāo)記“-1”，最終得到大類指標(biāo)觀點(diǎn)。在大類指標(biāo)層面，如果大類指標(biāo)得分為正則記“1”，得分為負(fù)則記“-1”。最終本文基于各大類指標(biāo)得分加總后的分?jǐn)?shù)正負(fù)匯總得到最終觀點(diǎn)，即分?jǐn)?shù)為正表示看多，分?jǐn)?shù)為負(fù)表示看空。當(dāng)信號(hào)看多時(shí)，策略滿倉(cāng)配置代表長(zhǎng)久期的7—10年國(guó)開(kāi)債指數(shù)（931472.CSI）；信號(hào)看空時(shí)，策略滿倉(cāng)配置代表短久期的中債短融總指數(shù)（CBA01803.CS）5；信號(hào)無(wú)明確觀點(diǎn)時(shí)，策略等權(quán)配置長(zhǎng)久期和短久期資產(chǎn)。

策略構(gòu)建具體而言，本文以每月末交易日為信號(hào)日，下一個(gè)交易日為調(diào)倉(cāng)日，根據(jù)模型信號(hào)判斷配置方向。對(duì)于策略的有效性評(píng)測(cè)，本文統(tǒng)一以相較基準(zhǔn)策略的超額收益來(lái)衡量指標(biāo)是否有效，其中基準(zhǔn)策略為等權(quán)配置長(zhǎng)久期與短久期。

（二）策略回測(cè)表現(xiàn)

回測(cè)區(qū)間2018年1月至2024年6月內(nèi)，輪動(dòng)策略波動(dòng)2.02%，較比較基準(zhǔn)的1.25%有所提高，但年化收益率達(dá)到5.98%，較基準(zhǔn)年化收益增厚1.54%；同時(shí)，輪動(dòng)策略最大回撤為-1.29%，較基準(zhǔn)-2.78%有明顯改善?？梢钥闯?，除波動(dòng)率指標(biāo)外，久期輪動(dòng)策略風(fēng)險(xiǎn)收益指標(biāo)較基準(zhǔn)策略有一定提升。策略具體表現(xiàn)如表4所示。

“固收+”策略

（一）策略構(gòu)建思路

在“固收+”策略組合的具體構(gòu)建中，除了對(duì)子策略與資產(chǎn)的研究之外，合理構(gòu)建大類資產(chǎn)投資組合或策略組合也往往會(huì)帶來(lái)一定額外收益。本文采用Luo等（2022）提出的下行風(fēng)險(xiǎn)平價(jià)模型來(lái)對(duì)不同類別資產(chǎn)進(jìn)行融合。該模型證明了其在資產(chǎn)組合方面較普通的風(fēng)險(xiǎn)平價(jià)模型能夠獲得更好的風(fēng)險(xiǎn)調(diào)整后表現(xiàn)，而羅漫和吳文倩（2024）證明了在運(yùn)用該模型對(duì)不同策略融合亦能獲得較好的風(fēng)險(xiǎn)調(diào)整后表現(xiàn)。該模型的基礎(chǔ)為風(fēng)險(xiǎn)平價(jià)模型，風(fēng)險(xiǎn)平價(jià)模型通常假定組合中每個(gè)資產(chǎn)的風(fēng)險(xiǎn)貢獻(xiàn)均相等，算法可以簡(jiǎn)單表述如下：

設(shè)r=（r1， …， rn）'和x=（x1， …， xn）'分別為n個(gè)資產(chǎn)的回報(bào)和權(quán)重，組合的回報(bào)和標(biāo)準(zhǔn)差可以表示為：

每類資產(chǎn)對(duì)于組合的風(fēng)險(xiǎn)貢獻(xiàn)TRC表示如下：

風(fēng)險(xiǎn)平價(jià)要求組合中每個(gè)資產(chǎn)的風(fēng)險(xiǎn)貢獻(xiàn)相等，那么，權(quán)重的求解就可以轉(zhuǎn)化為如下最優(yōu)化問(wèn)題：

在下行風(fēng)險(xiǎn)平價(jià)模型中，定義組合下行風(fēng)險(xiǎn)

，此時(shí)類似風(fēng)險(xiǎn)平價(jià)

模型中風(fēng)險(xiǎn)貢獻(xiàn)TRC的下行風(fēng)險(xiǎn)貢獻(xiàn)TDRC為：

其中Iit為示性函數(shù)，當(dāng)t期資產(chǎn)i的收益小于等于目標(biāo)收益時(shí)取1，反之為0，通常目標(biāo)收益rtarget可以取0。

此外，這里需要指出下行風(fēng)險(xiǎn)平價(jià)模型關(guān)注的是資產(chǎn)對(duì)組合下行風(fēng)險(xiǎn)的貢獻(xiàn)，而非資產(chǎn)下行風(fēng)險(xiǎn)的簡(jiǎn)單加權(quán)平均，在實(shí)踐中也需要注意這里的細(xì)微差別。

（二）策略回測(cè)表現(xiàn)

本文“固收+”組合采取月度調(diào)倉(cāng)，每月末通過(guò)輸入3個(gè)子策略過(guò)去近6個(gè)月凈值數(shù)據(jù)進(jìn)入下行風(fēng)險(xiǎn)平價(jià)模型并得到未來(lái)一個(gè)月的策略配置權(quán)重。由于需要?dú)v史近6個(gè)月策略凈值數(shù)據(jù)，“固收+”策略的回測(cè)區(qū)間為2018年6月至2024年6月。整體來(lái)看，回測(cè)區(qū)間內(nèi)，偏股可轉(zhuǎn)債策略、偏債可轉(zhuǎn)債策略、利率久期輪動(dòng)策略的平均倉(cāng)位分別為6.31%、9.33%、84.36%，因此本文選取與投資標(biāo)的相近的一級(jí)債基作為比較基準(zhǔn)?；販y(cè)區(qū)間內(nèi)，本文構(gòu)建“固收+”策略年化收益率達(dá)到7.00%，相較于基準(zhǔn)（萬(wàn)得混合債券型一級(jí)基金指數(shù)：885006.WI）有2.48%的超額收益，但在保持進(jìn)攻的同時(shí)在年化波動(dòng)率（策略年化波動(dòng)率2.95%，基準(zhǔn)年化波動(dòng)率1.92%）、區(qū)間最大回撤（策略區(qū)間最大回撤為-3.16%，基準(zhǔn)區(qū)間最大回撤為-2.53%）上有一定犧牲（見(jiàn)圖1）。

從拆分收益貢獻(xiàn)來(lái)看，除2022年、2024年以外，“固收+”策略均在3個(gè)子策略基礎(chǔ)上做到了有效的收益增強(qiáng)，基本滿足了“固收+”投資策略的設(shè)計(jì)初衷，即根據(jù)不同資產(chǎn)的風(fēng)險(xiǎn)收益特征調(diào)節(jié)債券資產(chǎn)和其他多類風(fēng)險(xiǎn)資產(chǎn)的配置比例，從而在略微高于債券資產(chǎn)的風(fēng)險(xiǎn)特征之上獲得組合有效的收益增強(qiáng)，并盡可能使得投資組合能面對(duì)不同市場(chǎng)環(huán)境與資產(chǎn)價(jià)格的劇烈波動(dòng)（見(jiàn)表5）。

除收益表現(xiàn)和收益歸因外，本文還對(duì)可轉(zhuǎn)債具體持倉(cāng)細(xì)節(jié)進(jìn)行了梳理。從持倉(cāng)行業(yè)來(lái)看，可轉(zhuǎn)債策略整體持倉(cāng)行業(yè)較為分散，前五大行業(yè)平均總持倉(cāng)僅32.15%，第一大重倉(cāng)行業(yè)為銀行板塊，且銀行板塊平均持倉(cāng)權(quán)重未超過(guò)10%。同時(shí)，從評(píng)級(jí)層面來(lái)看，可轉(zhuǎn)債策略持倉(cāng)主要集中在AA-和AA評(píng)級(jí)可轉(zhuǎn)債，兩者分別占比30.89%、38.38%，加總占比為69.27%；高評(píng)級(jí)可轉(zhuǎn)債AA+和AAA類型可轉(zhuǎn)債持倉(cāng)較均衡，平均持倉(cāng)分別為15.93%、14.80%。

總結(jié)

對(duì)于“固收+”策略構(gòu)建，JCpd7Z6e8qpOB49Ec9nqCg==以往大部分研究都集中在對(duì)股票策略、信用下沉策略、杠桿策略和票息策略等方面，而對(duì)量化可轉(zhuǎn)債策略、利率債久期輪動(dòng)策略、組合配置策略尚缺乏足夠深入的研究。本文首先構(gòu)造了一個(gè)投資實(shí)操性較強(qiáng)的可轉(zhuǎn)債投資池，并通過(guò)量化模型分別構(gòu)建出偏股型可轉(zhuǎn)債策略與偏債型可轉(zhuǎn)債策略；其次，通過(guò)構(gòu)建宏觀量化模型，開(kāi)發(fā)月度調(diào)倉(cāng)的利率債久期輪動(dòng)配置策略，該策略較基準(zhǔn)策略有明顯超額收益；最后，通過(guò)運(yùn)用下行風(fēng)險(xiǎn)平價(jià)模型合理分配不同策略倉(cāng)位，從而使得組合在收益與風(fēng)險(xiǎn)上取得了較好平衡，且底層持倉(cāng)在行業(yè)、評(píng)級(jí)上較為分散。最終的“固收+”策略年化收益率達(dá)到7.00%，較基準(zhǔn)組合一級(jí)債基指數(shù)獲得2.48%的超額，且組合波動(dòng)率與回撤并未明顯削減，而夏普表現(xiàn)有所提升。

本文旨在為“固收+”投資實(shí)踐研究提供不同思路的補(bǔ)充。在真實(shí)的市場(chǎng)投資環(huán)境下，資產(chǎn)價(jià)格表現(xiàn)的背后往往是一個(gè)龐大且復(fù)雜的系統(tǒng)，受到很多主客觀、內(nèi)外部因素的影響，很難僅靠一個(gè)理論、一個(gè)策略模型就達(dá)到“一勞永逸”的效果。因此，投資者不能簡(jiǎn)單依賴歷史數(shù)據(jù)，或過(guò)度依賴某類單一策略。投資者應(yīng)該根據(jù)不同市場(chǎng)環(huán)境作出自主分析，盡可能開(kāi)發(fā)多個(gè)低相關(guān)性的資產(chǎn)配置策略及不同風(fēng)格資產(chǎn)的子策略，并結(jié)合自身投資偏好與當(dāng)下經(jīng)濟(jì)環(huán)境，構(gòu)建更為靈活且具有市場(chǎng)適配性的投資組合，以期達(dá)到相對(duì)應(yīng)的投資目標(biāo)。

注：

1.雙低、單低策略為兩種常見(jiàn)的可轉(zhuǎn)債策略，其中雙低策略指的是買入價(jià)格低且溢價(jià)率低的可轉(zhuǎn)債，單低策略指的是買入溢價(jià)率低的可轉(zhuǎn)債。

2.下行風(fēng)險(xiǎn)指的是資產(chǎn)價(jià)格下跌時(shí)的風(fēng)險(xiǎn)。

3.信號(hào)日指的是策略換倉(cāng)日的前一個(gè)交易日。

4.交易滑點(diǎn)指的是下單的指定交易點(diǎn)位和最后成交的實(shí)際點(diǎn)位存在的偏離。

5.短融在牛市、熊市中攻守兼?zhèn)?，同時(shí)兼顧流動(dòng)性和信用偏好，在短久期債券中具有較好的風(fēng)險(xiǎn)調(diào)整后收益，因此本文短久期債券資產(chǎn)選擇短融。

參考文獻(xiàn)

[1] 高智威，許坤圣.如何基于偏股型轉(zhuǎn)債的擇時(shí)擇券構(gòu)建固收+策略[R]. 2024.

[2] 羅漫，吳文倩.如何構(gòu)建有效的低波“固收+”策略[J].金融市場(chǎng)研究，2024（4）.

[3] 鄭振龍，林海.中國(guó)可轉(zhuǎn)換債券定價(jià)研究[J].廈門大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2004（2）.

[4] 周其源，吳沖鋒，劉海龍.可贖回可轉(zhuǎn)換貼現(xiàn)債券完全拆解定價(jià)法[J].管理科學(xué)學(xué)報(bào)，2009，12（4）.

[5] Bektic D， Hachenberg B， Schiereck D. Factor-based investing in government bond markets： A survey of the current state of research[J]. Journal of Asset Management， 2020， 21（2）： 94-105.

[6] Li X， Yang B， Su Y， et al. Macro factors and bond returns in China[J]. Emerging Markets Finance and Trade， 2022， 58（7）： 1871-1882.

[7] Jiang Y， Liu X， Liu Y， et al. Bond return predictability： Macro factors and machine learning methods[J]. European Financial Management， 2024.

[8] Kim H， Kim S. Managing downside risk of low-risk anomaly portfolios[J]. Finance Research Letters， 2022（46）： 102388.

[9] Luo R， Wang H， Liu W. Downside Risk-Parity Portfolio[J]. Journal of Portfolio Management， 2022， 48（4）.