转债择时在高位震荡环境中如何进化

转债择时在高位震荡环境中如何进化 兼顾收益/风险的二维择时框架 本报告导读： 我们构造了收益/风险双维判断+双信号合成的择时框架，兼顾收益获取与持有体验，契合当前高位震荡环境 孙飞帆(分析师)021-23185647sunfeifan@gtht.com登记编号S0880526060003 投资要点： 利率债市场与基础知识ABC 2026.06.19商业不动产REITs箭在弦上，首发项目全梳理2026.06.16中小银行发债放缓的背后2026.06.12沃什首秀前瞻：美联储的“不可能三角”2026.06.10地方债发行久期真的缩短了吗2026.06.08 对此，我们改进了择时思路：不仅要看未来收益维度的信号，也要看未来风险环境维度的信号（后面我们将其命名为AlphaScore和RiskScore）。我们发现，将二者结合，可以更好地应对当下转债市场高位震荡、同时还有一定上行空间的环境。 具体而言，我们分两步走：第一，在择时因子评估层面，我们就注重构建全面的因子画像，系统性评估每个因子对未来收益率、夏普比率、波动率、最大回撤的预测能力，前两者看收益预测能力，后两者看风险预测能力； 第二，在信号合成层面，我们算出每个因子的收益预测能力和风险预 测 能力后，构建出两种因子选择框架：独立入选框架分别建立Alpha因子池和Risk因子池，更充分地保留收益端与风险端的差异化信息；综合入选框架则先筛选收益与风险综合质量较高的因子，再从同一批因子中分别提取Alpha和Risk信号，更强调入选因子的整体稳健性。两种框架最终均将Alpha与Risk按照固定权重合成为最终信号，并映射至0—100%的转债仓位。 我们以中证转债指数为标的进行回测，发现两种信号有效互补，历史回测优于半仓基准，持有体验明显改善。Alpha对未来收益机会的识别具有较强的阶段性，Risk对未来波动和回撤环境的提示相对稳定；将二者均衡地纳入仓位决策，优于单独依赖任一信号。2021年以来，综合入选框架下的Alpha/Risk 50/50策略年化收益为4.58%，Sharpe为0.87，最大回撤为-6.92%，平均仓位52%，优于中证转债半仓基准的3.23%，0.7，-7.56%。 这套策略的定位，是在可控的风险预算下动态调整转债暴露：收益机会和风险环境同时友好时提高参与度，二者同时转弱时降低仓位，出现分歧时则通过连续融合避免简单的“一刀切”。区别于单纯的涨跌预测模型，我们构建的是一套兼顾收益获取与持有体验的转债仓位管理框架，尤其适合当前的高位震荡环境。 2026年5月底的信号略低于4月底（4月底信号映射仓位约20%）：AlphaScore略降，RiskScore略升，50/50合成信号略低于4月底数值。截至6月18日，6月中证转债先下后上，整体收涨0.84%；六月前两周持续下跌，第三周在美伊冲突缓和等利好催化下市场整体修复，但在美联储加息预期带来的风偏回落下又迎下挫。就六月当前表现来看，5月底的指示信号具备较高的参考价值。 风险提示：历史回测结果不代表未来表现，因子效力及作用方向可能随市场结构、转债供需和权益风格变化而失效；模型存在样本区间、因子筛选及参数设定依赖，实际交易还可能受到数据披露与修订、调仓时点、流动性、冲击成本和跟踪误差影响；本文采用月频指数回测及简化交易成本假设，未完全反映实际组合中的个券信用、赎回和流动性风险。 请务必阅读正文之后的免责条款部分 目录 1.择时因子体系构建与筛选.....................................................................42.择时因子效力评估画像.........................................................................63.择时信号生成.......................................................................................83.1.从历史效力到当月单因子信号.........................................................83.2.独立入选：分别构建Alpha和Risk因子池......................................93.3.综合入选：先筛选综合可信因子，再拆分Alpha和Risk贡献..........93.4.收益机会更难择时，风险环境相对更易识别..................................103.5.Alpha与Risk Score的合成............................................................114.策略回测结果.....................................................................................115.结语...................................................................................................146.风险提示............................................................................................15 长期以来，低价、低估值逻辑占优是较为稳定的经验，双低组合持续优于市场等权基准；映射到择时层面，这一经验通常导向均值回归思维：当价格和估值进入历史高位，市场后续的调整风险上升，应当适度降低仓位。但2025年以来，转债市场在较高估值水平下继续跟随权益行情向上突破，价格、估值一度同步扩张。若简单依据估值高位减仓，容易过早离场并错失后续行情。问题在于，各项择时指标的作用强度、方向和适用条件正在随市场环境变化，单一估值信号或单一收益预测已不足以描述转债市场的真实状态。 资料来源：Wind，国泰海通证券研究注：具体因子构造与解读详见专题《因时制宜：周期转换中的转债因子轮动》 资料来源：Wind，国泰海通证券研究注：具体因子构造与解读详见专题《因时制宜：周期转换中的转债因子轮动》 一些数据扩容和方法设计上的手段可以部分应对这一痛点：比如拓展更多具备经济意义的择时指标，并叠加具有技术意义的衍生算子；又比如在信号生成时，给予近期滚动窗口内的历史效力更高的权重。我们所做的尝试不止于此：在择时思路上，我们认为不仅要看未来收益维度的信号，也要看未来风险环境维度的信号（后面我们将其命名为AlphaScore和RiskScore）。我们发现，将二者结合，可以更好地应对当下转债市场高位震荡、同时还有一定上行空间的环境。 具体而言，我们分两步走： 第一，在择时因子评估层面，我们就注重构建全面的因子画像，系统性评估每个因子对未来收益率、夏普比率、波动率、最大回撤的预测能力，前两者看收益预测能力，后两者看风险预测能力；并且在expanding和rolling两种训练窗口下，赋予rolling窗口历史效力更多的权重，以捕捉市场环境变化带来的因子效力变化。 第二，在信号合成层面，我们算出每个因子的收益预测能力和风险预测能力后，构建出两种因子选择框架：独立入选框架分别建立Alpha因子池和Risk因子池，更充分地保留收益端与风险端的差异化信息；综合入选框架则先筛选收益与风险综合质量较高的因子，再从同一批因子中分别提取Alpha和Risk信号，更强调入选因子的整体稳健性。两种框架最终均将Alpha与Risk按照固定权重合成为最终信号，并映射至0—100%的转债仓位。 我们以中证转债指数为标的进行回测，发现两种信号有效互补，历史回测优于半仓基准，持有体验明显改善。Alpha对未来收益机会的识别具有较强的阶段性，Risk对未来波动和回撤环境的提示相对稳定；将二者相对均衡地纳入仓位决策，优于单独依赖任一信号，也优于过度提高Alpha权重。在2021年以来的月频回测中，综合入选框架下的Alpha/Risk 50/50策略年化收益为4.58%，Sharpe为0.87，最大回撤为-6.92%；独立入选框架下的对应策略年化收益为4.46%，Sharpe为0.84，最大回撤为-7.43%。相比中证转债半仓基准，两套策略均在平均仓位约52%的情况下取得了更高收益和更优的风险控制。 这套策略的定位，是在可控的风险预算下动态调整转债暴露：收益机会和风险环境同时友好时提高参与度，二者同时转弱时降低仓位，出现分歧时则通过连续融合避免简单的“一刀切”。区别于单纯的涨跌预测模型，我们构建的是一套兼顾收益获取与持有体验的转债仓位管理框架。 我们接下来将依次论述：一、择时因子体系构建与筛选；二、择时因子效力评估画像；三、从因子效力到择时信号的合成；四、策略回测结果。 1.择时因子体系构建与筛选 我们首先搭建一套转债择时因子体系，涵盖转债估值、转债量价、转债内部结构、权益环境、利率环境、信用环境、股债性价比、宏观基本面、宏观流动性、转债供求和投资者结构等维度，尽可能覆盖影响转债市场的自身状态、外部风险定价和资金供需结构。各大类因子的纳入理由、主要原始指标和适用算子见表1。 在原始指标基础上，我们进一步通过衍生算子，将不同频率、不同量纲的变量转化为可比较的月频因子。具体而言，指数和价格类变量更强调收益、趋势、波动和回撤；估值、利率、信用、ERP和宏观类变量更强调水平、差分、历史分位和均值偏离；供求和投资者结构类变量更强调流量累计、相对存量和结构差值。主要算子的计算方式和适用场景见表2。通过这一处理，我们既能观察变量当前水位，也能捕捉边际变化、趋势强弱和结构分化。 注：表中列示的是因子工程中主要使用的衍生算子。实际构造时，先根据原始字段频率和变量属性统一生成月频基础字段，再按照变量类型匹配适用算子：指数类更强调收益、趋势、波动和回撤；估值、利率、信用、ERP和宏观类更强调水平、差分、历史分位和均值偏离；供求和投资者结构类更强调流量累计、相对存量和结构差值。最终进入核心监测池的因子，还会经过经济可解释性、数据质量和低冗余处理。 相应地，原始指标与各类衍生算子组合后会产生大量备选择时因子。若直接将全部因子纳入模型，一方面，同源变量和相似衍生项容易重复表达同一信息，导致某些维度在后续模型中被过度计票；另一方面，过多相似因子也会增加后续效力评估和信号构建中的多重检验压力，从而放大样本内拟 合风险。为此，我们在全量因子库基础上进一步构建核心监测池。具体而言，我们先保留具有明确经济含义的代表变量，再剔除数据质量不足或近期 不可用的指标，并在同一因子族、同一经济主题内进行低冗余处理。低冗余处理的核心是：对经济含义相近、历史走势高度相关的变量，不根据收益表现挑选所谓“最优因子”，而是优先保留数据覆盖更稳定、解释更直接、窗口更具代表性的少数变量，避免同类信息在模型中重复计票。最终落地的核心监测池包含90个因子，构成后续因子效力评估、动态方向判断和择时得分合成的基础，具体名单见表3。 2.择时因子效力评估画像 在核心监测池确定后，下一步是评估这些因子在历史上究竟发挥了怎样的预测作用。传统择时研究通常更关注因子对未来收益的预测能力，但2025年下半年以来，转债市场运行环境出现明显变化，部分传统因子对收益的单维预测关系有所弱化。仅凭“因子能否预测下月涨跌”来判断其是否有效，已经难以完整描述因子的作用。 我们的应对思路，是将择时因子的效力评估由单一收益维度拓展至收益和风险两个层面。一个因子可能对应更高的未来收益，但同时伴随更高波动和更深回撤；另一个因子未必显著提高收益，却可能提示未来风险环境更加友好。不同因子在收益端和风险端的预测能力并不相同，但都可能为仓位判断提供有价值的信息。 具