量化可转债研究框架：宏中微三位一体，Alpha与风控并重
　　作为可转债量化系列专题第三篇，该系列搭建起了相对丰富、完善的量化可转债系列研究。从前端Alpha模型来看，围绕宏观仓位择时、中观行业轮动、微观选券合计构建8个以上子策略，微观选券策略可进一步细分为为基本面类（对标绝对收益的期权策略+对标超额收益的双低增强）、交易面类（放量+缩量策略）。除Alpha模型外，本系列专题相对差异化的开发了组合优化和风控模型，以应对震荡市背景下，投资者更为急迫的控回撤、降波动的诉求。
　　具体来看，量化择时策略主要服务于仓位管理，根据宏微观因子调整转债组合的参与程度；期权策略从转债与正股的相对波动差异出发，在转债的债性保护与正股弹性之间寻找机会；双低增强策略在价格和转股溢价率约束之外补充相对分位等更多收益线索；放量与缩量策略则分别关注机构交易活跃度和资金盘口利空出净的个券机会。风控模型通过聚类模型实现更为客观的可转债分组，以降低持仓转债相关性，实现分散化投资目标。上述策略彼此并列，分别对应仓位管理、估值约束、波动错配、交易状态、风险控制等不同问题，为不同风险偏好和投资目标的客户提供多元选择。
　　可转债行业轮动策略背景与复盘
　　行业覆盖持续扩容，为中观轮动提供可投资基础。近年来，可转债市场的行业覆盖逐步完善，具备可转债标的的申万一级行业由2017年的18个增加至2026年的29个，行业可投资范围明显扩大。与此同时，不同行业转债在收益、估值、股性和交易热度等方面持续分化，行业间的相对强弱也呈现阶段性变化。更完整的行业覆盖与持续存在的收益差异，为行业比较和分散配置提供了现实基础，中观行业轮动仍是可转债量化策略体系中值得持续研究的收益来源。
　　正股端行业轮动模型往往在策略弹性和踏空风险之间反复“走钢丝”。原行业轮动模型选择对标超额收益稳定性，亦难逃上述“魔咒”。此前行业轮动模型主要从转股溢价率、转债动量和交易活跃度等角度寻找行业机会，历史上曾取得较好的配置效果。后随转债估值持续上行，转股溢价率作为此前最大的稳定超额收益贡献来源，样本外收益和风险收益性价比有所下降。综合考虑机构客户投资目标，现补充开发对标绝对收益的可转债行业轮动策略。
　　对标绝对收益的可转债行业轮动策略
　　对标绝对收益的可转债行业轮动策略不以单一IC排序指标作为因子评估依据，而是更加关注行业信号能否转化为稳定的绝对收益和更好的实际持有体验。本文从24类、501个候选指标出发，综合考察数据覆盖、行业区分能力、分组收益、样本外稳定性和信号互补性，最终形成由振幅变化、低波变化、溢价率变化、Vega和Gamma组成的新五因子模型。新模型从价格波动、转债股性和期权特征三个角度刻画行业机会，减少对传统估值和交易指标的集中依赖。策略每周对各行业进行综合评价，选择得分最高的5个行业等权配置。
　　回测显示，新五因子行业轮动策略全样本年化收益为21.19%，最大回撤较之前减少1.2%，夏普比率为1.47；2024年6月30日以后，样本外年化收益为18.03%，夏普比率为1.27。相较原四因子模型，新模型在样本外收益和近期表现方面有所改善。截至2026年8月21日，模型最新推荐方向指向环保、煤炭、家用电器、轻工制造、传媒，行业主题偏周期消费，边际增持煤炭、轻工制造、传媒，主要由转股溢价率因子、gamma因子贡献。
　　风险提示
　　模型依赖于历史数据的统计、建模、训练完成，存在模型失效的可能，可转债策略有效性有待长期观察验证；策略模型回测效果不代表未来收益；存在正股退市风险，转债转股价下修风险等；存在政策变动风险；基金相关信息及数据仅作为基金研究使用，不作为募集材料或者宣传材料，本文涉及所有基金历史业绩均不代表未来表现。