策略概述 基于近五年的历史数据，建立中观行业景气轮动模型用于优选行业，并基于凯利公式在微观层面确认个券的时序配置。中观行业选择与微观标的配置上的一脉相承，提供了可持续、可实施的投资思路。
　　中观行业景气模型
　　参数选取 以申万行业分类（2021版）作为分类依据，除“综合”行业未发行转债之外，对于余下的30个行业进行全面覆盖，采用共三大类九小类共计49个参数用于模型构建。
　　循环神经网络模型 为兼顾参数数量与时间序列效果，选用循环神经网络（RNN）构建模型。经过充分训练，对于训练集实现15名正确率68.85%。
　　预测成果 模型提示交通运输、石油石化、医药生物等行业可能迎来景气抬升。其中石油石化、医药生物与Wind转债行业指数覆盖范围内本月涨跌幅位居第二、第三名的能源、医疗保健基本吻合，均优于中证转债同期表现。
　　微观凯利配置模型
　　模型原理 核心思想是确定每次投资的数额，以实现既要追求财富增长率最大化，又要避免因投资比例过高而损失本金离场。
　　回测结果 在参与回测且触发了凯利模型的652只个券中，405只实现正超额收益，占比62.12%，平均年化正超额收益为30.40%；247只存在负的超额收益，平均年化负超额收益约有-18.67%。相对平均年化正超额收益明显较低，显示模型的突出性价比。
　　结论 
　　历史回测 基于中观行业模型与微观凯利模型提供的行业配置提示，我们在两种杠杆水平限制下分别对近五年来的历史情况进行回测。在不加杠杆时，采用凯利配置策略与等权重投资效果接近，但均明显优于转债表现；当限制杠杆上限不超过150%时，凯利配置策略相对于等权配置与中证转债，分别实现了2%与5%的年化超额收益。
　　未来预测 预测模型提示，交通运输、医药生物、基础化工三个行业景气度或迎抬升且目前仓位较高，提示中度或重度配置仓位。
　　风险提示：数据统计误差，市场出现极端波动。
　　

研究报告全文：202TableReportInfo3年10月20日证券研究报告固定收益专题报告可转债专题研究剑指何方量化视角下的转债配置策略摘要西南证券研究发展中心TableSummary策略概述基于近五年的历史数据建立中观行业景气轮动模型用于优选行TableAuthor分析师杨杰峰业并基于凯利公式在微观层面确认个券的时序配置中观行业选择与微观标执业证号S1250523060001的配置上的一脉相承提供了可持续可实施的投资思路电话18190773632邮箱yangjfswsccomcn中观行业景气模型联系人谷岳洪参数选取以申万行业分类2021版作为分类依据除综合行业未发电话18188609878行转债之外对于余下的30个行业进行全面覆盖采用共三大类九小类共计邮箱guyhswsccom49个参数用于模型构建相关研究循环神经网络模型为兼顾参数数量与时间序列效果选用循环神经网络防守属性突显震荡中寻觅确定性RNN构建模型经过充分训练对于训练集实现15名正确率688512023-10-08预测成果模型提示交通运输石油石化医药生物等行业可能迎来景气抬升2震荡持续密切关注权益热点其中石油石化医药生物与Wind转债行业指数覆盖范围内本月涨跌幅位居第2023-09-24二第三名的能源医疗保健基本吻合均优于中证转债同期表现3可转债市场策略平衡下的选择2023-09-10微观凯利配置模型4转债行业图谱之半导体制造材料篇2023-09-07模型原理核心思想是确定每次投资的数额以实现既要追求财富增长率最大化又要避免因投资比例过高而损失本金离场回测结果在参与回测且触发了凯利模型的652只个券中405只实现正超额收益占比6212平均年化正超额收益为3040247只存在负的超额收益平均年化负超额收益约有-1867相对平均年化正超额收益明显较低显示模型的突出性价比结论历史回测基于中观行业模型与微观凯利模型提供的行业配置提示我们在两种杠杆水平限制下分别对近五年来的历史情况进行回测在不加杠杆时采用凯利配置策略与等权重投资效果接近但均明显优于转债表现当限制杠杆上限不超过150时凯利配置策略相对于等权配置与中证转债分别实现了2与5的年化超额收益未来预测预测模型提示交通运输医药生物基础化工三个行业景气度或迎抬升且目前仓位较高提示中度或重度配置仓位风险提示数据统计误差市场出现极端波动请务必阅读正文后的重要声明部分剑指何方量化视角下的转债配置策略目录1策略概述12中观行业景气模型221参数选取222循环神经网络模型723预测成果83微观凯利配置模型931模型原理932参数选择1133模型构建1134回测结果124结论1341历史回测1342未来预测145风险提示14请务必阅读正文后的重要声明部分剑指何方量化视角下的转债配置策略1策略概述进入四季度2023年进度条所剩无多回望已过去的十月有余震荡一词贯穿始终开年以来市场在疫后复苏进程中一路震荡上行于五月初蹒跚到达3400点上方后随即掉头向下七月份上攻3300点遗憾未能企稳九月之后震荡下行至今已回到最初的起点兜兜转转之中转债的表现差强人意尽管转债行情仍基本取决于大盘走势但仍存在一定的相对收益截至2023年10月13日2023年中存续过的577只转债中有331只取得正收益平均收益900246只收益为负平均收益-865这意味着盲选一只转债持有约有57的概率在2023年内赚钱在一定程度上体现转债的配置意义的同时这也说明如不对标的加以筛选预期胜率并不能令人满意那么是否存在某种体系能够在转债投资中获取更强的确定性呢图1中证转债相对上证指数仍存相对收益415345034004103350330040532503200400315031003953050中证转债上证指数数据来源wind西南证券整理我们基于近五年的历史数据建立了中观行业景气轮动模型用于优选行业并基于在投资领域声名显赫的凯利公式在微观层面确认个券的时序配置在宏观经济筑底复苏的大背景之下我们的模型暂不对宏观经济背景进行多余的论述而是希望尝试从中观的行业轮动以及微观的个券择时角度出发共同给出上文问题的答案请务必阅读正文后的重要声明部分1剑指何方量化视角下的转债配置策略图2自上而下投资体系的直观划分数据来源西南证券整理中观的行业景气模型方面我们聚焦行业中观数据通过量化回归手段建立模型梳理回顾全市场现有研究成果对于行业景气轮动的探讨并不鲜见但采用量化方式构建完整轮动模型的相对较少微观的凯利配置模型方面本文在基于模型推导的基础上进行合理的假设与发散引入个券的实际数据计算得出其理论最优投资仓位解决转债投资中遴选标的择时投资比重等问题业内对于凯利公式应用于权益市场已有研究但由于模型参数特性所限等因素将凯利公式应用于转债领域的观点仍较为稀缺本文创新性地将中观行业景气模型与微观标的配置模型相结合实现中观行业选择与微观标的配置上的一脉相承提供了可持续可实施的投资思路并为存在进一步择券需求的投资者提供了有价值的决策参考工具2中观行业景气模型21参数选取首先我们以申万行业分类2021版作为分类依据需要注意的是现有数据中2021年之前的申万行业分类为2014版我们依据申万宏源证券发布的申万行业分类标准2021版说明将2021年前的历史行业分类数据进行回溯统一确认为2021年分类口径在申万行业分类标准2021版共计31个行业中除综合行业下近五年未发行过转债之外模型对于余下的30个行业进行了全面覆盖表1申万2021版行业分类列表一级分类二级分类一级分类二级分类种植业纺织制造农林牧渔渔业纺织服务服装家纺林业饰品请务必阅读正文后的重要声明部分2剑指何方量化视角下的转债配置策略一级分类二级分类一级分类二级分类饲料造纸农产品加工包装印刷轻工制造农业综合家居用品畜禽养殖文娱用品动物保健化学制药化工原料中药化学制品生物制品医药生物化学纤维医药商业基础化工塑料医疗器材橡胶医疗服务农化制品电力公用事业非金属材料燃气冶钢原料航运港口钢铁普钢物料交通运输特钢铁路公路金属新材料航空机场工业金属房地产开发房地产有色金属贵金属房地产服务小金属贸易能源金属一般零售半导体商贸零售专业连锁元件互联网电商光学光电子旅游零售电子消费电子旅游及景区电子化学品体育其他电子本地生活服务社会服务汽车零部件专业服务汽车服务酒店餐饮汽车摩托车及其他教育乘用车国有大型银行商用车股份制银行白色家电银行城商行黑色家电农商行小家电其他银行家用电器厨卫电器证券照明设备非银金融保险家电零部件多元金融其他家电综合综合食品加工水泥食品饮料建筑材料白酒玻璃玻纤请务必阅读正文后的重要声明部分3剑指何方量化视角下的转债配置策略一级分类二级分类一级分类二级分类非白酒装修建材饮料乳品计算机设备休闲食品计算机IT服务调味发酵品软件开发房屋建设电视广播装修装饰游戏建筑装饰基础建设广告营销专业工程传媒影视院线工程咨询服务数字媒体电机社交其他电源设备出版光伏设备煤炭开采电力设备煤炭风电设备焦煤电池油气开采电网设备石油石化油服工程通用设备炼化及贸易专用设备通讯服务通讯机械设备轨交设备通信设备工程机械环境治理环保自动化设备环保设备航天装备个护用品航空装备美妆护理化妆品国防军工航海装备医疗美容地面兵装军工电子数据来源申万宏源证券西南证券整理作为一个中观行业模型我们尽量在中观范围内选取参数以避免覆盖的参数超越中观范畴导致越俎代庖经过综合考虑参数性质与更新频率我们选取了三大类九小类共计49个参数用于模型构建其中基本面指标主要涉及该行业的基本面状况预测指标覆盖该行业的市场一致预期转债特有指标则对于转债层面的成交情况加以考虑模型涉及参数较多下表列出具有部分具有代表性参数表2中观行业景气模型部分参数一级分类二级分类参数名称更新频率净资产收益率-平均整体法季度总资产报酬率整体法季度总资产净利率整体法季度基本面指标盈利能力销售净利率整体法季度销售毛利率整体法季度营业利润营业总收入整体法季度请务必阅读正文后的重要声明部分4剑指何方量化视角下的转债配置策略一级分类二级分类参数名称更新频率营业总成本营业总收入整体法季度EBITDA营业总收入整体法季度净利润营业总收入整体法季度投入资本回报率算术平均季度总资产报酬率ROATTM算术平均季度营业利润利润总额算术平均季度所得税利润总额算术平均季度收益质量经营活动净收益利润总额算术平均季度价值变动净收益利润总额算术平均季度经营活动产生的现金流量净额营业收入整体法季度现金流量资本支出折旧和摊销整体法季度经营活动产生的现金流量净额经营活动净收益整体法季度存货周转率整体法季度应收账款周转率整体法季度流动资产周转率整体法季度营运能力总资产周转率整体法季度营业周期整体法季度存货周转天数整体法季度应收账款周转天数整体法季度资产负债率整体法季度流动资产总资产整体法季度非流动资产总资产整体法季度资本结构有形资产总资产整体法季度非流动负债负债合计整体法季度流动负债负债合计整体法季度营业收入合计同比增长率季度营业利润合计同比增长率季度净利润合计同比增长率季度成长能力净资产收益率整体法同比增长率季度每股净资产整体法相对年初增长率季度资产总计合计相对年初增长率季度预测每股收益整体法月度预测主营业务收入合计月度预测指标预测指标预测净利润合计月度预测净资产收益率算术平均月度预测市盈率整体法月度成交量合计日度正股行情成交金额合计日度行情指标换手率流通市值加权平均日度转债行情行业内转债数量日度请务必阅读正文后的重要声明部分5剑指何方量化视角下的转债配置策略一级分类二级分类参数名称更新频率该行业转债成交量合计日度该行业转债成交额合计日度该行业换手率算术平均日度被解释变量行业行情行业月度收益率算术平均月度数据来源西南证券整理图3基本面指标相关性数据来源wind西南证券整理请务必阅读正文后的重要声明部分6剑指何方量化视角下的转债配置策略图4预测指标相关性图5行情指标相关性数据来源wind西南证券整理数据来源wind西南证券整理考虑到预测的时效性与实用性我们希望以月度频率构建模型进行回归与预测由于基本面数据普遍以季度频率更新我们使用季频数据为当季度三个月进行赋值将基本面数据加密到月度口径对于日频更新的转债行情数据我们通过平均或加总的方式将其调整为季度口径值得注意的是部分预测指标在2018年至2020年间有数据缺失的情况为避免引入不必要的影响因素我们采用该指标下全部数据的均值进行填充22循环神经网络模型对于模型的输入与输出进行审视尽管考虑模型的输入时已经避免涉及宏观层面但模型仍需考虑包含基本面市场预期个券行情等在内的大量繁杂参数此时简单的回归将面临诸如过拟合在内的许多问题模型输出为各行业表现亦或是行业景气程度的衡量结合常识不难得知行业景气程度往往呈现周期性波动即存在明显的时间序列关系而解决时间序列常用的自回归模型可能在捕捉长期的依赖关系上存在困难对于高维的输入数据自回归模型可能需要更多的样本来获得稳定的估计自回归模型主要描述的是线性关系对于非线性关系的处理效果不尽如人意而神经网络模型对上述两个问题均有较好的表现因此我们选择了循环神经网络RecurrentNeuralNetworkRNN作为建模方法RNN是一种特殊的神经网络它在序列数据上进行递归每个节点都与前一个节点链式连接由于这种结构RNN的隐藏层不仅接收来自输入层的信息用于本次预测的参数还接收上一个隐藏层的输出可近似理解为此前市场走势带来的经验这意味着RNN可以捕获到时间序列数据的特点使其成为处理此类问题的理想选择适用于当前场景下行业动模型的构建请务必阅读正文后的重要声明部分7剑指何方量化视角下的转债配置策略我们以2018年10月至今共计58个月的参数与各行业市场表现训练神经网络模型取57个月作为训练集最后1个月作为测试集经过160次训练160Epoch后模型对于训练集数据可实现预测前15名正确率6885此时选用测试集检验模型效果可实现预测前15名正确率60在当前情境的数据量限制下令人较为满意23预测成果使用训练集数据对模型训练完毕后尝试对于每个月的突出行业进行预测此处以每月预测的首选行业为例模型预测成果在多个月份取得突出成效表3验证中观行业景气模型所预测的历史行业表现时间当月预测首选行业当月行业实际表现2019-05食品饮料42020-05食品饮料22021-04医药生物12021-09公用事业12021-12交通运输32022-07公用事业42022-10医药生物3数据来源西南证券整理我们尝试基于上述中观行业景气模型对于十月份的行业轮动结果进行预测由于三季度基本面数据暂未更新我们暂时使用二季度基本面数据替代其余参数均采用9月最新数据预测结果如下表格所示表4通过中观行业景气模型预测2023年10月份转债行业景气排名序号行业1交通运输2石油石化3医药生物4基础化工5通信6轻工制造7零售商贸8建筑材料9环保10食品饮料数据来源西南证券整理请务必阅读正文后的重要声明部分8剑指何方量化视角下的转债配置策略图6Wind行业系列指数2023年10月涨跌幅截至2023年10月18日000-050-057-100-150-160-200-216-250-254-300-271-291-307-307-350-376-400金融医疗保健能源公用事业信息技术工业材料可选消费日常消费品数据来源wind西南证券整理由于暂无完整的转债行业指数此处使用Wind编制的行业转债指数验证模型预测准确性即使Wind编制的行业转债指数并未全面覆盖全部行业仍可发现模型提示本月景气程度可能较高的石油石化医药生物两行业与Wind转债行业指数覆盖范围内本月涨跌幅位居第二第三名的医疗保健能源基本吻合且均低于月内中证转债跌幅这提示即使是在季度数据未能更新部分参数采用过时数据的情况下基于循环神经网络的中观行业景气模型仍然体现了一定的预测能力待季度数据正常更新之后再进行预测其预测结果准确性或可进一步提升3微观凯利配置模型31模型原理凯利公式由贝尔实验室的JLKelly于1956年提出值得一提的是这一信息论的副产品促使Kelly的同事大名鼎鼎的信息论之父克劳德香农发现了投资的新大陆并在35年内取得了年化28的投资收益凯利公式的最初目的是在一个期望净收益为正获胜概率大于50的重复对局中试图寻找倾向于确保财富最大化的投资技巧其核心思想是确定每次投资的数额以实现既要追求财富增长率最大化又要避免因投入比例过高而输光本金离场随后这一公式由于其简洁实用的特性被广泛运用于金融投资甚至博彩等相关领域以不同的形式为其使用者赚取财富凯利公式有两种较常用变体分别基于伯努利分布与正态分布两种假设伯努利分布下的凯利公式为两种常用模式中较为简单的一种假设某人基于小道消息参加赛马如果获胜可赢回一倍本金输了则血本无归在消息不完全可靠的情况下他的获胜几率为失败几率为1且已知05假设初始资本每次投资比例为次对局过后假设此人的获胜与失败次数分别为此人的剩余财富应为请务必阅读正文后的重要声明部分9剑指何方量化视角下的转债配置策略11而要使财富最大化应使其增长率取得最大值对上式左右同除以再求导后可得111令导数为零时财富增长率最大化此时可解得21即当投资比例为21亦或说投资比例是获胜概率与失败概率的差值时其财富值增长最快而本文所使用的凯利公式选用正态分布假设假设某资产符合对数正态分布期望收益率收益率方差2起始资本最优投资比例为为无风险收益率则投资后某一时点资本应为11基于这一表达式计算此时财富增长率并取期望用表示得到ln1考虑该资产符合对数正态分布结合上式令上式导数等于零时财富增长率最大此时可解得2此时以作为投资比例可取得财富增长率最大值分子端为该风险资产相对无风险收益率的超额收益超额收益越高应进行越多配置而风险资产的波动率越高则更应该慎重对待从上式来看仅有当转债超额收益为正数时才具备投资价值这与转债投资的实际情况有所出入不同于权益类等收益来源相对单一的资产影响转债价格的因素除转债本身基本面情况之外其条款触发情况正股价格变动均会对转债收益率有所贡献通过对2018年10月至今存续过的800只转债进行日频涨跌幅与每日超额收益的Pearson相关性检验可知绝大多数转债的收益率与其超额收益并不存在明确的相关性或相关性为负值比例达到9750另有一只转债因上市时间过短暂时未纳入统计表5近五年历史存续转债超额收益与收益率之间的相关关系检验结果转债总数无相关关系有相关关系正相关20799691108负相关88数据来源西南证券整理请务必阅读正文后的重要声明部分10剑指何方量化视角下的转债配置策略在此前提下我们主张对上述模型进行微调我们将上式中对于无风险收益率的系数修改为05使得更多转债可以通过凯利公式进行实现配置且不必担心调整超额收益门槛会拉低凯利公式遴选出的个券胜率经调整后的投资比例为05232参数选择要将上式运用于转债的个券配置计算首先明确所选用的指标不同于权益资产仅需将其市盈率取倒数便可获取预期收益率要确定转债资产的期望收益率需小费一番周折我们认为转债的预期收益率可按其来源拆分为股性与债性收益率其中股性收益率来自转债转股可分享的公司净利润债性收益率为计算时点转债票面利率据此可以构建如下关系股性收益率债性收益率转股获取的公司净利润转债当期票面利率转债价格转股比例每股净利润转债当期票面利率转债价格对于无风险利率我们选用调仓周期内的十年期国债收益率均值对于方差指标2的选取由于因为不希望模型的预测结果沦为明日黄花我们希望所选用的波动率能够衡量未来的波动率情况因此我们选用转债的隐含波动率作为价格的波动率水平实际操作中为避免转债的隐含波动率起伏过于剧烈引发投资比例的大幅调整我们采用选取一段固定时长作为隐含波动率的滚动计算周期而不是采用某一日的波动率水平那么这个固定的时长如何选取33模型构建为了确认模型中余下两个超参数调仓周期与隐含波动率计算周期我们选取了多组较为合理的参数组合以近五年来存续过的800只转债进行回测将触发了凯利公式的个券胜负情况及超额收益表现统计并列出用以选取最优结果此处将触发凯利公式定义为经过凯利公式计算具有配置价值的情况表6凯利公式不同参数选择结果一览待确定参数正负超额收益平均正超额平均负超额正超额转债数量负超额转债数量调仓周期隐含波动率计算周期个券数量比值年化收益年化收益5103932705928326856-1932355204052476212303975-1866675304072316379296582-17174710103592555847296135-21030410203582465927289618-237899请务必阅读正文后的重要声明部分11剑指何方量化视角下的转债配置策略待确定参数正负超额收益平均正超额平均负超额正超额转债数量负超额转债数量调仓周期隐含波动率计算周期个券数量比值年化收益年化收益10303612336077307896-20144215103382445808319868-22237115203392375885271153-22690615303502176173295329-19725720103122515542258783-24562720203192275842295778-21161120303202126015256590-216729数据来源西南证券整理从实际结果来看尽管正负超额收益个券数量与收益规模两个指标难以既要又要但调仓周期为5个交易日时两个指标的表现均明显更佳调仓周期定为5个交易日似乎已经没有悬念另一方面隐含波动率计算周期为20或30个交易日的表现相差甚微但考虑到历史隐含波动率需逗留30个交易日才可退出对于模型灵活性以及对市场变化反映及时性的潜在影响选取20个交易日的性价比明显更为突出因此当调仓周期为5个工作日隐含波动率计算周期为20个工作日时模型基于现有数据的回测表现最好在参与回测且触发了凯利模型的652只个券中405只实现正的超额收益占比6212实现正超额收益的转债中平均年化正超额收益为303975可以说采用凯利配置模型有较大概率可以实现增厚收益的效果且增厚幅度相对可观另一方面在存在负超额的转债中其平均年化负超额收益约有-186667相对平均年化正超额收益明显较低该模型存在突出的性价比34回测结果基于当前模型我们将近五年市场上存续过的全部转债按照申万行业分类2021版进行归类进行回测并采取等权配置作为对比特殊地由于凯利公式可以兼容杠杆的使用此处考虑到多数资管产品的投资仓位限制我们对于不同的杠杆水平进行了多次回测最低投资仓位定为80不足部分以中证转债指数补齐回测结果如下表表7不同杠杆限制下的行业回测结果一览正负超额收益杠杆限制正超额行业数量负超额行业数量平均正超额收益平均负超额收益个券数量比值10018121500042749-5408811019111727354587-524171502282750093193-54541数据来源西南证券整理如上表所示当杠杆限制放宽时凯利配置策略的表现明显提升这表明通过计算标的相关参数来判断加仓时点获取超额收益的能力是凯利策略的关键能力当投资者可以根据模型提示加杠杆增加仓位时更能发挥模型优势但尽管如此即使将杠杆水平限制在100凯利策略仍提供了60的胜率相对等权配置仍具有一定参考价值请务必阅读正文后的重要声明部分12剑指何方量化视角下的转债配置策略4结论41历史回测基于中观行业轮动模型提供的行业选择与微观凯利配置模型提供的配置提示在100与150两种杠杆水平限制下我们分别对近五年来的历史情况进行回测并以中证转债以及景气行业下的等权转债收益情况作为对照回测结果如图所示可以发现在两种杠杆水平下以五年的时间维度来看采用中观行业景气模型的凯利策略模型与等权配置模型均显著优于中证转债的相对表现年化超额收益接近3但在100的杠杆水平下凯利策略对于仓位控制的能力并不能完全体现故仅与等权配置模型取得了非常接近的收益水平图7100杠杆限制下历史回测结果20018016014012010080凯利策略模型净值等权配置模型净值中证转债相对净值数据来源wind西南证券整理而当杠杆上限提升至150可以看到凯利策略模型净值相对于杠杆限制为100时有了明显提升同样以5年的时间维度来看运用凯利策略相对于等权配置模型年化超额收益超过2相对中证转债指数的年化超额收益接近5请务必阅读正文后的重要声明部分13剑指何方量化视角下的转债配置策略图8150杠杆限制下历史回测结果20018016014012010080凯利策略模型净值等权配置模型净值中证转债相对净值数据来源wind西南证券整理42未来预测我们尝试基于上述中观行业景气模型对于十月份的行业轮动结果进行预测由于三季度基本面数据暂未更新我们暂时使用二季度基本面数据其余参数均采用9月最新数据预测模型提示交通运输石油石化医药生物基础化工通信等行业可能迎来景气度抬升另一方面根据微观凯利配置模型上述行业中交通运输医药生物基础化工三个行业当前均提示了80及以上的总仓位配置建议结合投资组合管理需求考虑进行中度或重度仓位配置5风险提示数据统计误差市场出现极端波动请务必阅读正文后的重要声明部分14剑指何方量化视角下的转债配置策略分析师承诺本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师报告所采用的数据均来自合法合规渠道分析逻辑基于分析师的职业理解通过合理判断得出结论独立客观地出具本报告分析师承诺不曾因不因也将不会因本报告中的具体推荐意见或观点而直接或间接获取任何形式的补偿投资评级说明报告中投资建议所涉及的评级分为公司评级和行业评级另有说明的除外评级标准为报告发布日后6个月内的相对市场表现即以报告发布日后6个月内公司股价或行业指数相对同期相关证券市场代表性指数的涨跌幅作为基准其中A股市场以沪深300指数为基准新三板市场以三板成指针对协议转让标的或三板做市指数针对做市转让标的为基准香港市场以恒生指数为基准美国市场以纳斯达克综合指数或标普500指数为基准买入未来6个月内个股相对同期相关证券市场代表性指数涨幅在20以上持有未来6个月内个股相对同期相关证券市场代表性指数涨幅介于10与20之间公司评级中性未来6个月内个股相对同期相关证券市场代表性指数涨幅介于-10与10之间回避未来6个月内个股相对同期相关证券市场代表性指数涨幅介于-20与-10之间卖出未来6个月内个股相对同期相关证券市场代表性指数涨幅在-20以下强于大市未来6个月内行业整体回报高于同期相关证券市场代表性指数5以上行业评级跟随大市未来6个月内行业整体回报介于同期相关证券市场代表性指数-5与5之间弱于大市未来6个月内行业整体回报低于同期相关证券市场代表性指数-5以下重要声明西南证券股份有限公司以下简称本公司具有中国证券监督管理委员会核准的证券投资咨询业务资格本公司与作者在自身所知情范围内与本报告中所评价或推荐的证券不存在法律法规要求披露或采取限制静默措施的利益冲突证券期货投资者适当性管理办法于2017年7月1日起正式实施本报告仅供本公司签约客户使用若您并非本公司签约客户为控制投资风险请取消接收订阅或使用本报告中的任何信息本公司也不会因接收人收到阅读或关注自媒体推送本报告中的内容而视其为客户本公司或关联机构可能会持有报告中提到的公司所发行的证券并进行交易还可能为这些公司提供或争取提供投资银行或财务顾问服务本报告中的信息均来源于公开资料本公司对这些信息的准确性完整性或可靠性不作任何保证本报告所载的资料意见及推测仅反映本公司于发布本报告当日的判断本报告所指的证券或投资标的的价格价值及投资收入可升可跌过往表现不应作为日后的表现依据在不同时期本公司可发出与本报告所载资料意见及推测不一致的报告本公司不保证本报告所含信息保持在最新状态同时本公司对本报告所含信息可在不发出通知的情形下做出修改投资者应当自行关注相应的更新或修改本报告仅供参考之用不构成出售或购买证券或其他投资标的要约或邀请在任何情况下本报告中的信息和意见均不构成对任何个人的投资建议投资者应结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信息并自行承担风险本公司及雇员对投资者使用本报告及其内容而造成的一切后果不承担任何法律责任本报告及附录版权为西南证券所有未经书面许可任何机构和个人不得以任何形式翻版复制和发布如引用须注明出处为西南证券且不得对本报告及附录进行有悖原意的引用删节和修改未经授权刊载或者转发本报告及附录的本公司将保留向其追究法律责任的权利请务必阅读正文后的重要声明部分剑指何方量化视角下的转债配置策略西南证券研究发展中心上海地址上海市浦东新区陆家嘴21世纪大厦10楼邮编200120北京地址北京市西城区金融大街35号国际企业大厦A座8楼邮编100033深圳地址深圳市福田区益田路6001号太平金融大厦22楼邮编518038重庆地址重庆市江北区金沙门路32号西南证券总部大楼21楼邮编400025西南证券机构销售团队TableSalesPerson区域姓名职务座机手机邮箱蒋诗烽总经理助理销售总监021-6841530918621310081jsfswsccomcn崔露文销售经理1564296031515642960315clwswsccomcn谭世泽销售经理1312290088613122900886tszswsccomcn薛世宇销售经理1850214642918502146429xsyswsccomcn岑宇婷销售经理1861624326818616243268cyryfswsccomcn汪艺销售经理1312792053613127920536wyyfswsccomcn张玉梅销售经理1895715733018957157330zymyfswsccomcn上海陈阳阳销售经理1786311185817863111858cyyyfswsccomcn李煜销售经理1880173251118801732511yfliyuswsccomcn卞黎旸销售经理1326298330913262983309blyswsccomcn龙思宇销售经理1806260825618062608256lsyuswsccomcn田婧雯销售经理1881733740818817337408tjwswsccomcn阚钰销售经理1727520260117275202601kyuswsccomcn魏晓阳销售经理1502648011815026480118wxyangswsccomcn李杨销售总监1860113936218601139362yflyswsccomcn张岚销售副总监1860124180318601241803zhanglanswsccomcn杨薇高级销售经理1565228570215652285702yangweiswsccomcn北京王一菲销售经理1804006035918040060359wyfswsccomcn姚航销售经理1565202667715652026677yhangswsccomcn胡青璇销售经理1880012395518800123955hqxswsccomcn请务必阅读正文后的重要声明部分剑指何方量化视角下的转债配置策略王宇飞销售经理1850098186618500981866wangyufswsccom路漫天销售经理1861074155318610741553lmtyfswsccomcn马冰竹销售经理1312659032513126590325mbzswsccomcn郑龑广深销售负责人1882518974418825189744zhengyanswsccomcn杨新意销售经理1762860991917628609919yxyswsccomcn龚之涵销售经理1580800192615808001926gongzhswsccomcn广深丁凡销售经理1555998968115559989681dingfyfswsccomcn张文锋销售经理1364263978913642639789zwfswsccomcn陈紫琳销售经理1326672363413266723634chzlyfswsccomcn陈韵然销售经理1820880135518208801355cyryfswsccomcn请务必阅读正文后的重要声明部分