可转债估值定价方法探讨：下修强赎概率预测，及信用评级和折现率优化

衍生品研究 可转债估值定价方法探讨 ——下修强赎概率预测，及信用评级和折现率优化 2023年10月16日 衍生品研究/专题报告 投资要点： 本文主要解决四个问题： 信用评级调整：基于中证信用旗下Ratingdog的YY评级，对个券信用评级进行调整，以更客观及时反映信用风险。 折现率选择：转债投资不同阶段面临的核心风险不同，当正股股价超过转股价（实值期权阶段），转债投资主要面临正股波动风险。我们认为此时，折现率不再适用反映信用风险的贴现率，更适用资本成本（COE或WACC）。 资料来源：最闻 行权概率预测：我们整理了2019年以来转债市场全部下修、强赎记录，引入Python机器学习模块下的逻辑回归模型和数据建模库，对上市公司下修、强赎决策概率进行预测。 相关报告 转 债 主 题 基 金 梳 理 及 优 选 券 挖 掘2023.9.1 回售期权：经验证，由于到期赎回价、下修条款、市场溢价的存在，回售条款几乎无实际意义。因此，我们不再单独计算回售期权，以免高估。 山 证 转 债 分 类 筛 选 评 价 体 系 再 升 级2023.7.14 并表优化资产负债率，出表提升当期营收与净利润-REITs上市如何影响原始权益人报表？2023.6.14 转债估值模型优化及估值效果验证 下修概率预测：我们发现剩余期限、对流通股稀释率、转债市价、转股价值、正股最近180天涨跌幅5个指标，对下修决策影响显著。 强赎概率预测：我们发现实控人持股比例、冲击力度、股票质押率、资产负债率、转债过去15天均价、转股价值、转股溢价率7个指标，对强赎决策影响显著。 山证衍生品团队 估值效果：历史数据显示，加入行权概率后，估值更有效。分解定价法下，2022年、Q123新券估值偏离度平均分别仅0.52%、-2.01%。2022年以来，75%的新券上市首日估值落在未来半年市价区间内。整体法下，优化后MC估值偏离度多在10%之内，63%的个券估值落在未来半年市价区间内。为进一步验证估值效果，我们精选6只存续时间长、交易活跃的个券，比较推导估值与市价的偏离情况，趋势一致，多数偏离度不大。 分析师： 崔晓雁执业登记编码：S0760522070001邮箱：cuixiaoyan@sxzq.com 基于转债估值推导的投资建议 优化后估值模型基础上，目前时点可能存在低估的五只个券：道氏转02、晶澳转债、科顺转债、奥维转债、易瑞转债，建议重点关注。 风险提示：行权概率预测训练数据量较少，预测准确率仍有待提升；历史回测不代表未来，模型可能随时根据市场情况修改。 目录 一、可转债估值方法概述..................................................................................................................................................5 二、债券部分估值推导......................................................................................................................................................7 三、期权部分估值推导....................................................................................................................................................13 2、下修、强赎行权概率预测......................................................................................................................................14 2.1下修案例统计.......................................................................................................................................................152.2强赎案例统计.......................................................................................................................................................212.3引入机器学习，预测上市公司决策概率...........................................................................................................25 四、转债估值推导............................................................................................................................................................30 1、分解定价法下，转债估值推导..............................................................................................................................302、整体定价法下，转债估值推导..............................................................................................................................323、转债估值推导——个券案例..................................................................................................................................35 风险提示..............................................................................................................................................................................40 图表目录 图1：不同情景下，可转债价值分别由债券价值或转换价值支撑...............................................................................8图2：据我们统计，2019年以来转债市场共101次下修记录....................................................................................16图3：据我们统计，2019年以来转债市场共701次强赎触发记录............................................................................21图4：强赎决策结构比较（按企业性质）.....................................................................................................................23图5：强赎决策结构比较（按剩余期限）.....................................................................................................................23图6：强赎决策结构比较（按债券余额）.....................................................................................................................23图7：强赎决策结构比较（按正股总市值）.................................................................................................................23 图8：强赎决策结构比较（按个券过去15天均价）...................................................................................................24图9：强赎决策结构比较（按实控人持股比例）.........................................................................................................24图10：Logistic回归下，下修相关各指标统计意义比较.............................................................................................25图11：优化后Logistic回归模型，下修相关指标效果展示........................................................................................26图12：新债上市首日下修概率分布...............................................................................................................................27图13：中证转债成分券2023/8/31日下修概率分布.....................................................................................................27图14：Logistic回归下，强赎相关各指标统计意义比较.............................................................................................28图15：优化后Logistic回归模型，强赎相关指标效果展示.......................................................................................29图16：新债上市首日强赎概率分布.......................................................................................................