转债机构行为系列研究(一)：如何高频跟踪公募基金转债仓位？

挖掘价值投资成长 东方财富证券研究所 2025年09月29日 相关研究 《土储专项债重启：结构性改革破局》2025.08.06 《年内美联储仍有一定降息概率》2025.08.01《对当前中美债市交易逻辑和货币政策不同点的分析与展望》2025.05.06《柳州：2024化债突破之年的化债突破之地——化债动态系列研究之一》2025.04.11《创新型债券ETF产品发展正当时》2025.04.06 【固收观点】 估值和绝对价格是投资者对转债进行择时的常见参考，从今年表现来看，7月以前使用简单的交易规则即可取得较好的效果，但7月开始，伴随着权益市场不断向上突破，转债估值也持续抬升，单边上行行情中基于均值回归逻辑的策略较易踏空。 估值是资金流向的反映，机构投资者的资金流向往往对行情具有领先意义。回顾6月下旬以来权益市场表现，本轮单边上涨行情始于前期险资等加速入市推升银行板块，使上证指数站上3400点，随后融资余额增长趋于陡峭化，混合型基金和一二级债基权益仓位提升，成长风格开始占优。 公募基金是可转债市场最大的投资者，其行为对可转债市场具有重要影响。公募基金可以分为主动型和被动型。主动型公募基金可转债持仓主要集中在混合型基金和一二级债基，被动型可转债基金共有2只，均为ETF。被动型基金的行为主要反映其背后的银行理财、保险资管和券商自营等的动向。 使用卡尔曼滤波法对公募基金可转债仓位进行高频测算，模型测算的各季末样本基金可转债仓位绝对误差中位数在3pct左右。而对比实际变化方向，模型对样本基金各季度可转债仓位变化方向的估计准确率约为60%。 公募基金在转债配置上呈现较为明显的左侧特征。以样本基金测算转债仓位中位数表征公募基金整体转债配置行为，在2022年1季度、2023年4季度和2024年3季度，公募基金“越跌越买”，而在2022年6月、2024年4季度和今年1、2季度，公募基金随着转债上涨仓位有所降低。 转债6月开始的加速上涨主要推动力量并非公募基金，公募基金转债仓位7月下旬才开始明显抬升。 【风险提示】 市场环境大幅变化风险、模型失效风险 正文目录 1.从估值到资金：择时框架的嬗变................................................................32.公募基金仓位高频测算...............................................................................62.1.卡尔曼滤波..............................................................................................62.2.模型设定..................................................................................................72.3.数据说明..................................................................................................73.模型效果评估..............................................................................................73.1.绝对误差..................................................................................................73.2.方向准确率..............................................................................................83.3.典型样本分析...........................................................................................94.机构行为分析..............................................................................................9风险提示........................................................................................................10 图表目录 图表1：上半年价格中位数简单择时可把握两次重要拐点...........................3图表2：融资余额占沪深A股自由流通市值比重.........................................3图表3：融资成交占沪深A股交易额比........................................................4图表4：今年以来保险公司股票资金运用余额快速增长...............................4图表5：7月下旬公募基金股票仓位开始提高..............................................5图表6：上交所可转债&可交债持有人结构..................................................5图表7：深交所可转债持有人结构................................................................5图表8：主动型、被动型公募基金转债持仓.................................................5图表9：各期样本基金数量...........................................................................7图表10：各期样本基金估计转债仓位绝对误差中位数在3pct左右.............8图表11：各期实际误差分布.........................................................................8图表12：各期样本基金转债仓位变动方向估计准确率约为60%.................8图表13：工银四季收益（164808.OF）仓位测算结果................................9图表14：诺安优化收益（320004.OF）仓位测算结果................................9图表15：7月下旬公募基金股票仓位开始明显提高...................................10 1.从估值到资金：择时框架的嬗变 估值和绝对价格是投资者对转债进行择时的常见参考，从今年表现来看，7月以前使用简单的交易规则即可取得较好的效果，但7月开始，伴随着权益市场不断向上突破，转债估值也持续抬升，单边上行行情中基于均值回归逻辑的策略较易踏空。 资料来源：Choice债券板块-债券数据浏览器，Choice指数板块-指数数据浏览器，东方财富证券研究所 估值是资金流向的反映，机构投资者的资金流向往往对行情具有领先意义。回顾6月下旬以来权益市场表现，本轮单边上涨行情始于前期险资等加速入市推升银行板块，使上证指数站上3400点，随后融资余额增长趋于陡峭化，混合型基金和一二级债基权益仓位提升，成长风格开始占优。 资料来源：Choice股票板块-融资融券，Choice股票板块-板块数据浏览器，东方财富证券研究所 资料来源：国家金融监督管理总局官网，东方财富证券研究所 公募基金是可转债市场最大的投资者，截至今年8月底持有上交所可转债的35%、深交所可转债的36%，其行为对可转债市场具有重要影响。公募基金可以分为主动型和被动型。主动型公募基金可转债持仓主要集中在混合型基金和一二级债基，被动型可转债基金共有2只，均为ETF。被动型基金的行为主要反映其背后的银行理财、保险资管和券商自营等的动向，本篇报告主要聚焦主动型公募基金可转债仓位的高频测算。 资料来源：Choice债券板块-债市二级，东方财富证券研究所 资料来源：深交所官网，东方财富证券研究所 资料来源：Choice基金板块-资产配置，东方财富证券研究所 2.公募基金仓位高频测算 公募基金披露的仓位信息频率较低，且时效性弱，在实际投资中指导意义有限。一方面，公募基金仓位在定期报告中披露，仅每个季度末的时点数据是已知的，频率较低；另一方面，公募基金定期报告披露时点滞后信息采集时点较长时间，削弱了其时效性。 常用的仓位高频测算方法主要包括二次规划法和卡尔曼滤波法。二次规划法主要包括最小二乘法、逐步回归法、最小角回归、岭回归和Lasso，通过设定目标函数也可以融入初值信息。卡尔曼滤波则是一类高效的递归算法，能够从一系列不完全及包含噪声的测量中估计动态系统的状态。 2.1.卡尔曼滤波 作为一类递归算法，卡尔曼滤波通过𝑘−1期状态的估计值以及𝑘期的观测值计算当前状态的估计值。其运行过程包括两个阶段：预测与更新。在预测阶段，滤波器使用𝑘−1期状态的估计值，得到𝑘期状态的估计值。在更新阶段，滤波器利用𝑘期状态的观测值优化在预测阶段获得的预测值，以获得对𝑘期状态更精确的新估计值。 适用卡尔曼滤波器的一般性问题可以表述为：在离散时间过程中，状态变量𝑥∈𝑅𝑛满足如下方程 同时，存在测量值𝑧∈𝑅𝑚满足： 其中，𝑢∈𝑅𝑙为外生的控制变量，𝐴为𝑛×𝑛矩阵，将𝑘期状态变量与𝑘−1期状态变量相关联，也被称为状态转移矩阵，𝐵为𝑛×𝑙矩阵，𝐻为𝑚×𝑛矩阵。随机变量𝑤和𝑣分别表示过程噪声和测量噪声，彼此相互独立，且分别服从协方差矩阵为𝑄和𝑅的正态分布： 定义𝑥̂𝑘−∈𝑅𝑛为在步骤𝑘，基于步骤𝑘之前的信息对状态变量的先验估计；定义𝑥̂𝑘∈𝑅𝑛为在步骤𝑘，结合测量值𝑧𝑘对状态变量的后验估计。先验估计误差和后验估计误差则可以分别定义为： 先验估计误差和后验估计误差协方差矩阵分别为： 我们的目标是最小化后验估计误差𝑒𝑘，这里略去推导过程，直接给出计算𝑥̂𝑘的方程。计算过程可以分为预测和更新两个环节，预测环节方程为： 更新环节方程为： 其中𝐾𝑘被称为卡尔曼增益。 2.2.模型设定 下面将卡尔曼滤波应用于估算基金可转债仓位。假设基金持有的资产类别包括股票、可转债、纯债和现金，资产权重𝑊𝑘、基金收益率𝑅𝑘和资产收益率𝑟𝑘满足 2.3.数据说明 作为可转债配置主力，混合型和一二级债券基金是主要测算对象。在每个季度末选取成立满两个季度、总资产不小于2亿元且持仓可转债市值不小于5000万元的基金作为下一季度的测算样本，同时样本须为开放式基金和初始基金。测试时间区间为2022年1月1日至2025年8月1日。 以基金复权单位净值增长率作为基金收益率，并分别以中证800、中债综合财富和货币市场基金指数收益率代表股票、纯债和现金三类资产的收益率，以中证转债指数和持仓指数收益率的等权均值作为可转债收益率，持仓指数根据基金季报披露的持仓可转债组合构建。 每个季度在上一季度季报披露完毕后依据其信息调整初值并重新迭代，资产权重初值设为上一季度末股票、可转债、纯债和现金四类资产分别占基金总资产的比重，其中，现金定义为除股票、可转债和纯债之外的其他资产。资产权