转债低价策略的现实研究背景。可转债市场存量标的丰富，但券间价格、估值、信用资质分化显著。低价策略依靠绝对价格筛选个券，凭借债底保护博取权益弹性，逻辑简单可解释，是固收+框架下重要的转债配置思路。但单纯以价格为唯一筛选条件，会混入信用瑕疵、流动性不足的标的，存在价值陷阱，需要增加约束条件完成策略增强。
　　传统低价策略回测与固有短板。本文搭建基准低价策略回测框架，设置信用评级、剩余期限、周度成交额、价格阈值等多重筛选条件。回测显示基准策略整体收益可观，但最大回撤偏高、长周期回撤修复时间偏长；低价券内部YTM、转股溢价率分化大，部分低价来源于基本面风险，仅看绝对价格无法区分真正具备安全垫的标的。
　　AI工具选型与转债专项数据链路搭建。针对转债字段多、非结构化信息繁杂的特点，对比主流大模型、Agent工具与金融数据库接口，选定适配本土转债研究的技术底座。依托API接口完成行情、信用、成交、条款事件等多源数据拉取，同时校验抽样样本，规避AI幻觉带来的数据失真，为低价策略迭代提供可靠的数据底座。
　　借助AI完成策略迭代与自动化回测流程。依托提示词工程完成策略代码开发，在原始低价策略基础上叠加流动性、信用风险、强赎风险过滤条件，构建改良版低价增强策略。利用Skill组件封装整套回测流程，实现数据更新、调仓模拟、绩效指标输出自动化，减少手动清洗、复现的重复工作量，快速完成多组参数敏感性比对。
　　基准与增强低价策略回测效果对比。回测结果表明，增强低价策略相较原始版本，在收益维持的同时，波动率、最大回撤得到优化。但需要注意，回测未充分计入滑点、市场冲击成本；小盘低价券天然存在流动性短板，量化规则也难以完全覆盖公告、正股基本面变化等事件型风险，不能直接照搬回测结果用于实盘。
　　研究启示与AI工具边界提示。AI能够高效实现转债策略的数据处理、编码回测、参数遍历工作，降低量化策略复现门槛，但无法替代研究员做基本面与条款事件的人工甄别。实际投资中，低价增强策略适合作为基础筛选工具，输出标的池后仍需要人工复核信用、强赎、正股经营情况，平衡债底保护与权益弹性，规避低价对应的尾部风险。
　　风险提示：数据完整性风险、交易成本风险、回撤与尾部风险、模型与参数风险、研究结论风险。