兼顾收益／风险的二维择时框架：转债择时在高位震荡环境中如何进化

目录择时因子体系构建与筛选 4择时因子效力评估画像 6择时信号生成 8从历史效力到当月单因子信号 8独立入选：分别构建和因子池 9综合入选：先筛选综合可信因子，再拆分和贡献 9收益机会更难择时，风险环境相对更易识别 10与Score的合成 策略回测结果 5. 结语 14风险提示 152025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。图双低因子各组净值曲线（2018年以来） 图双低因子各组净值曲线（2025年以来），债因子轮动》

，债因子轮动》我们所做的尝试不止风险环境维度的信号（phScoreskScor定上行空间的环境。具体而言，我们分两步走：两种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因子池和因子池，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和信号，更强调入选因子的整体稳健性。两种框架最终均将与Risk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，历史回测对未来波动和回撤环境的提示相对稳定；将二者相对均衡50/50策略年化4.58%，Sharpe4.46%，Sharpe-7.43%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。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和适用算子见表1。表1：转债择时因子大类表因子大类纳入理由与经济含义主要原始指标主要衍生算子转债估值转债估值水平直接反映市场对债底保护、股性弹性和期权价值的定价。纳入转股溢价率、纯债溢价率、YTM、隐含波动率、价格和平价等指标，主要用于判断市场是否处于估值安全区间，或是否存在溢价透支和交易拥挤。转股溢价率；纯债溢价率；YTM；隐含波动率；价格（市场规模加权）；平价（市场规模加权）；等等level；diff1m/3m/6m；pctile60m/120m；dev_ma6m/12m；slope63d/126d转债量价转债市场自身价格趋势和成交活跃度，是判断短期资金行为和赚钱效应的重要线索。纳入指数收益、成交量、换手率等指标，用于识别市场趋势是否延续、成交是否放大，以及行情是由真实趋势推动还是由短期交易热度驱动。中证转债收盘价；成交量；换手率等等ret1m/3m/6m/12m；ma_gap6m/12m；slope63d/126d；rsi14d；vol60d；drawdown6m；pctile60m；chg3m转债内部结构转债内部不同风格、评级、价格和规模分组的相对表现，能够反映资金在市场内部的风险偏好变化。纳入等权相对加权、高价相对低价、低评级相对高评级、小盘相对大盘、行业分化等指标，用于判断行情是广泛扩散，还是集中在少数高弹性或高风险方向。万得各类可转债指数收益；等权相对加权超额；高价相对低价超额；AA-相对AAA超额；小盘相对大盘超额；行业收益分化度；等等。relative_ret1m/3m/6m；ratio_level；vs_cb_ret3m权益环境转债股性部分主要来自正股，权益市场走势和风格轮动会直接影响转债弹性。纳入万得全A、沪深、中证、中证及风格相对收益，用于判断权益Beta是否支持转债上涨，以及小盘、成长等风格环境是否有利于转债表现。万得全A、沪深300、中证500、中证1000等指数收益率；中证1000相对沪深300超额；等等。ret1m/3m/6m；ma_gap6m；drawdown6m；vol60d；slope63d/126d利率环境利率水位影响转债债底价值、机会成本和估值折现，期限利差则反映市场对增长、通胀和政策周期的预期。纳入各期限国债收益率及期限利差，用于识成支撑或压制。各期限国债收益率及期限利差level；diff1m/3m/6m；pctile60m；dev_ma6m/12m；slope63d/126d信用环境信用利差和评级利差反映市场风险偏好与信用压力变化，也会影响低评级、弱资质转债的估值和流动性。纳入各等级中短期票据收益率、信用利差和评级利差，用于判断信用环境是否有利于转债风险溢价收敛。各等级/期限中短期票据收益率；信用利差；期限利差；等级利差；等等level；diff3m/6m；pctile60m；dev_ma6m/12m股债性价比ERP连接权益估值和无风险利率，反映权益资产相对债券资产的赔率。转债作为股债混合资产，其配置价值往往受股债相对性价比影响。纳入不同权益指数相对10年国债收益率的ERP，用于判断转债股性敞口是否具备相对吸引力。各类权益指数相对10年国债收益率ERP（分股息率和市盈率两种口径）宏观基本面宏观景气、价格结构和信用周期决定风险资产中期环境。纳入PMI、PPI、CPI、社融等数据，用于识别经济修复、价格压力和信用扩张阶段，从而判断转债市场所处的中周期背景。各类PMI/PPI/CPI数据；等等宏观流动性货币环境会影响市场风险偏好、资金成本和资产估值扩张空间。纳入M1、M2、社融和存款准备金率等指标，用于判断流动性环境是否支持转债估值扩张和交易活跃度提升。M1、M2；社融；存款准备金率转债供求转债市场供给变化会影响资金承接压力和估值弹性。纳入月度发行、到期、赎回、净融资及净融资/存量规模等指标，用于判断转债市场是否面临新增供给压力，或是否因赎回、到期等因素出现存量收缩。转债月度发行/到期/净融资数据flow_1m；sum3m/6m/12m；to_scale；level；diff3m；pctile60m投资者不同类型投资者的持仓变化反映配置资金与交易资金的行为差异。纳入公募市场转债持仓面值变化做对波动的影响。公募基金/保险/券商等机构持仓面值变动-全市场转债持仓面值变动flow_1m；sum3m/6m；spread；pctile60m2表2：主要算子表算子类型代码后缀/示例实际计算方式主要适用因子大类经济含义月末水平level月频基础字段本身；日频状态变量先取月末最后值，月频发布变量对齐自然月末转债估值；利率环境；信用环境；股债性价比；宏观基本面；宏观流动性；转债供求刻画变量当前绝对水位，是判断估值、利率、信用、宏观和供求状态的基础口径月频差分diff1m/3m/6m当前值减去n个月前数值，即s-s.shift(n)转债估值；利率环境；信用环境；股债性价比；宏观基本面；宏观流动性；转债供求刻画变量边际变化，识别估值扩张/压缩、利率上行/下行、信用压力变化和宏观边际改善月频收益ret1m/3m/6m/12m当前价格或指数相对n个月前的涨跌幅，即s.pct_change(n)转债量价；转债内部结构；权益环境刻画市场趋势和相对表现，是转债自身动量、权益Beta和风格轮动的重要表达历史分位pctile60m/120m当前值在过去60或120个月滚动窗口中的历史分位转债估值；转债量价；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；投资者结构将不同量纲变量统一为历史水位，有助于判断当前处于高位、低位还是中性区间均线偏离ma_gap3m/6m/12m当前价格或指数相对n个月均线的比例偏离，即s/rolling_mean(n)-1转债量价；权益环境；转债内部结构刻画价格相对趋势中枢的位置，用于识别趋势延续、超涨或偏离修复均值偏离dev_ma3m/6m/12m当前值减去n个月滚动均值，即s-rolling_mean(n)转债估值；利率环境；信用环境；股债性价比；宏观基本面；宏观流动性刻画状态变量相对自身中枢的偏离程度，用于识别估值、利率、信用和宏观变量的偏离修复压力窗口回撤drawdown3m/6m/12m当前价格或指数相对过去n个月滚动最高点的跌幅，即s/rolling_max(n)-1转债量价；权益环境；转债内部结构刻画阶段性风险释放程度，识别市场是否处于回撤压力或回撤修复阶段收益加速度accel_ret_1v3m1个月收益减去3个月平均收益，即ret1m-ret3m/3转债量价；权益环境；转债内部结构刻画短期趋势相对中期趋势的变化速度，用于识别趋势加速或动量衰减日频斜率slope63d/126d日频滚动OLS斜率计算后月末取值转债估值；转债量价；权益环境；利率环境；信用环境；股债性价比；跨境流动性刻画日频路径的趋势方向和持续性，比单纯月度差分更能反映过程信息实现波动vol20d/60d/126d日收益滚动标准差年化后月末取值转债量价；权益环境；转债内部结构刻画近期价格波动水平，是风险环境和交易拥挤的重要信号下行波动downside_vol60d/126d仅基于负收益日计算滚动波动后月末取值转债量价；权益环境刻画更偏尾部的下行风险，相比普通波动更强调亏损方向的不稳定性RSIrsi14d/rsi30d基于日频价格计算RSI后月末取值转债量价；权益环境刻画短期超买超卖和交易拥挤状态，用于补充趋势指标对短周期过热/过冷的识别月内最大回撤intramonth_drawdown按月内日频路径计算price/cummax-1的最小值转债量价；权益环境刻画月内尾部风险和路径冲击，补充月末收益无法反映的过程风险月内振幅intramonth_range月内最高值/最低值-1转债量价；权益环境刻画月内价格波动区间，反映交易波动和资金扰动程度月内正收益日占比pos_day_ratio月内正收益交易日数量占比转债量价；权益环境刻画上涨过程的连续性和广度，避免只看月末涨跌幅流量累计sum3m/6m/12m对月频流量变量做n个月滚动求和转债供求；投资者结构；市场流动性刻画中期累计供给压力或资金流入流出强度，避免单月数据噪声过大相对存量to_scale流量或成交额除以对应存量规模转债量价；转债供求将成交、发行、赎回、净融资等流量转化为相对市场体量的压力或强度相对收益relative_ret1m/3m/6m一类指数收益减另一类基准指数收益转债内部结构；权益环境刻画风格相对强弱，例如等权相对加权、高价相对低价、小盘相对大盘、中证1000相对沪深300比值水平ratio_level一类指数或规模相对另一类指数或规模的比值转债内部结构；投资者结构刻画结构变量的相对水位，例如风格指数相对强弱或机构结构占比广度breadth_pos；breadth_outperform行业或分类指数中，收益为正比例或跑赢基准比例转债内部结构刻画上涨是否扩散，识别行情是少数方向抱团还是多数行业共振分化dispersion；top_bottom_spread行业收益截面标准差，或Top组与Bottom组收益差转债内部结构刻画行业轮动强度和结构分化程度，识别市场内部是否存在显著赚钱效应差异价差/差值spread两类资金、利率、信用收益率之差信用环境；利率环境；权益环境刻画相对差异，例如评级利差、期限利差ERP和宏观类更强调水平、差分、历史分位数据质量和低冗余处理。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903。表3：核心监测择时因子池因子大类入选数量核心监测因子主要算子转债估值9转债加权价格60月分位；转债加权平价60月分位；转股溢价率3月变化/60月分位；纯债溢价率3月变化/60月分位；YTM60月分位；隐含波动率3月变化/60月分位pctile60m；diff3m转债量价15中证转债指数1/3/6/12月收益；3/6/12月窗口回撤；1月收益相对3月收益加速度；60日年化波动率；63日路径斜率；成交额3月变化/6月均线偏离/60月分位；月度换手强度3月变化/60月分位ret1m/3m/6m/12m；drawdown3m/6m/12m；转债内部结构7等权相对加权近3月收益；高价相对低价近3月收益；AA相对AAA近3月收益；小盘相对大盘近月收益；双低转债相对中证转债近月收益；高价低溢价转债相对中证转债近月收益；转债行业收益分化度近月relative_ret3m；vs_cb_ret3m；dispersion_3m权益环境8万得全A近3月收益/相对6月均线偏离/近6月回撤；沪深300近3月收益；中证1000近3月收益；中证相对沪深近月收益；转债相对万得全A近月收益；转债相对沪深近月收益ret3m；ma_gap6m；drawdown6m；relative_ret3m利率环境10中国10Y国债收益率3月变化/60月分位；中国10Y-1Y期限利差3/6月变化；中国30Y-1Y期限利差月变化；中国期限利差相对月均值差值；中国期限利差月变化/相对月和月均值差值；美国期限利差月变化diff3m/6m；pctile60m；dev_ma3m/6m信用环境3AA+5Y信用利差3月变化/60月分位；AA+与AAA5Y信用利差分层3月变化diff3m；pctile60m股债性价比8万得全APE口径中国利率ERP60月分位；万得全APE口径GlobalERP近6月变化；万得全A股息率口径中国利率ERP近1/6月变化；万得全A股息率口径GlobalERP近6月变化/60月分位/相对12月均值差值；中证1000PE口径中国利率ERP水平level；diff1m/6m；pctile60m；dev_ma12m宏观基本面12制造业PMI水平月变化；制造业PMI生产近月变化；制造业PMI产成品库存近月变化；制造业PMI生产经营活动预期水平月变化；社融同比近月变化；中长期人民币贷款同比近月变化；PPI-CPI剪刀差水平月变化；PMI新订单-产成品库存水平/3月变化level；diff1m/3m；structure_diff宏观流动性8存款准备金率近3月变化；M2同比水平/3月变化；M2-社融差水平；M1-M2差值水平/3月变化/60月分位/6月斜率level；diff3m；pctile60m；slope6m转债供求转债净融资近3/6月滚动累计；转债净融资60月分位；转债发行额/存量规模近3月滚近3/6月滚动累计sum3m/6m；pctile60m；to_scale_sum3m/6m投资者结构4券商集合理财持仓变化近3月滚动累计；公募基金持仓变化近3月滚动累计；保险持仓变化近3月滚动累计；券商集合理财相对公募基金持仓变化近3月滚动累计sum3m；spread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。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Sharpe和最大回撤之间则用于衡量单位风险下的收益表现。通过这四类目标，可以识别一个因子更偏向收益预测还是风险预测。IC用于衡量36IC用于判断近三年预36ICIR则进一步衡量近期关系的稳定IC、36个月IC36ICIR20%、50%30%60ICICIR。整体来看，该因子在收益端长期表现为反向指SharpeIC2025年下半36ICICIRIC仍为负，这一变化更适合理解为36个月IC明显回升至正值区间，说明隐含波动率分位较高时，未来实现波动仍往IC长期为负，IC同样向零IC近期均出Sharpe维度体现的是传统负向预测关系弱化，波动率维度体现的是高分位对应高波动的风险提示增强，而最大回撤维度则体现高分位对应深回撤的历史关系有所钝化。图3：转债隐含波动率60月历史分位数择时因子画像，为了使四类目标能够使用同一方向解释，我们进一步将原始统计关系转化EvidenceSharpe保持原方向，波动率取反，使“未来波动0代表回撤越浅，因此不再取反。单目标Evidence由长期IC、近36个月IC和近36个月ICIR加权得到，正值表示因子高位更有利，负值表示因子低位更有利。60Evidence均SharpeEvidence分别为-0.103-0.100和-0.070。这意味着，从历史关系看，该因子处于较低位置时，未来收益和SharpeSharpe的解释力度最强。在此基础上，我们进一步将四类目标Evidence归并为三个层次：将收益率和SharpeEvidence按照60%和40%的权重合成为AlphaEvidence，用于刻画因子对未来收益机会及风险调整后收益表现的预测效力；将波动率和最大回撤Evidence等权合成为Evidence，用于刻画因子对未来波动和回撤环境是否友好的预测效力；最后，再按照60%和40%的权重综合与，得到Evidence的绝对值反映历史预测关系的60月历史分位的和Evidence分别为-0.127-0.085和择时信号生成我们描绘因子画像是为了看一个因子在历史上能预测哪些业绩指标、能往从历史效力到当月单因子信号第一步，根据历史效力判断因子方向在T月末，模型可以使用当月已经获得的因子值，但因子历史效力只能使用截至T−1IC、ICIR。对于每个因子，、EvidenceEvidence判断其+1；反之记为−10.030Evidence与上一Evidence0.05第二步，衡量因子当月所处位置Evidence决定了因子是高值有利还是低值有利，那么下一步就需要判断因子在当月末是否处于有利位置。因此，我们将每个因子的当月值转换为Expanding窗口历史标准分：𝑓𝑎𝑐𝑡𝑜𝑟_𝑧𝑖,𝑡=

𝑥𝑖,𝑡−𝜇𝑖,𝑡−1𝜎𝑖,𝑡−1计算得到的factor_z衡量了因子相较于其历史均值而言的所处位置。第三步，将历史有效方向与当月标准分相乘，得到方向统一后的单因子信号：𝑎𝑙𝑖𝑔𝑛𝑒𝑑_𝑎𝑙𝑝ℎ𝑎_𝑧=𝑑𝑖𝑟𝑒𝑐𝑡𝑖𝑜𝑛𝑎𝑙𝑝ℎ𝑎×𝑓𝑎𝑐𝑡𝑜𝑟_𝑧𝑎𝑙𝑖𝑔𝑛𝑒𝑑_𝑟𝑖𝑠𝑘_𝑧=𝑑𝑖𝑟𝑒𝑐𝑡𝑖𝑜𝑛𝑟𝑖𝑠𝑘×𝑓𝑎𝑐𝑡𝑜𝑟_𝑧第四步，候选过滤与主题内精选得到每个因子月末生成的信号后，我们还要进行筛选，决定当月哪些因子信factor_z、Evidence中至少有一个维度达到最低强度，同时至少存在一个明确方向。独立入选：分别构建和Risk因子池第一种方法是将收益机会和风险环境从因子筛选阶段开始彻底分开，分别建立Alpha池子和Risk池子。Sharpe维度上的历史效力。如Evidencefactor_z池子采用相同的处理框架，只考察因子对未来波Evidence足够明确、方向和样本条池子，而不要求其具有明显的收益预测能力。同一个月内，两个池子可能有重叠，也有完全不同的因子。对于两个池子，我们先将每个经济主题内入选因子的𝑎𝑙𝑖𝑔𝑛𝑒𝑑_𝑧值进行等权平均得到主题得分，然后所有主题得分再进行等权平均，得到最后的AlphaScore_独立池和RiskScore_独立池。由收益端有效因子生成，RiskScore由风险端有效因子生成，可以更清楚地识别同一个因子究竟在含更多Alpha与Risk相互分歧的信息。图4：独立因子池生成的alpha与riskscorealpha_score_独立池 risk_score_独立池0.80.60.40.20-0.2-0.421/0121/0321/0121/0321/0521/0721/0921/1122/0122/0322/0522/0722/0922/1123/0123/0323/0523/0723/0923/1124/0124/0324/0524/0724/0924/1125/0125/0325/0525/0725/0925/1126/0126/0326/05，综合入选：先筛选综合可信因子，再拆分和Risk贡献只、Evidence中至少一个维度达到最低要求，而是综合考虑Overall/Alpha/RiskEvidence的绝对强度，以及近期RollingEvidenceEvidenceEvidence是主要依Evidence针对该唯一因子池，我们再分别计算池内每个因子的𝑎𝑙𝑖𝑔𝑛𝑒𝑑_𝑎𝑙𝑝ℎ𝑎_𝑧和𝑎𝑙𝑖𝑔𝑛𝑒𝑑_𝑟𝑖𝑠𝑘_𝑧,AlphaScore_综合RiskScore_和信号产生过强影响。图5：综合因子池生成的alpha与riskscorealpha_score_综合池 risk_score_综合池0.60.50.40.30.20.10-0.1-0.2-0.3-0.421/0121/0321/0121/0321/0521/0721/0921/1122/0122/0322/0522/0722/0922/1123/0123/0323/0523/0723/0923/1124/0124/0324/0524/0724/0924/1125/0125/0325/0525/0725/0925/1126/0126/0326/05，收益机会更难择时，风险环境相对更易识别我们对比了两种分类下的score从四组对比图看，综合入选和独立入选生成的Alpha、Risk在多数阶段方向一致，说明两套框架捕捉到的主要市场信息较为接近，差AlphaScore2023年以来这种错位尤为明显。相较绝对收益，AlphaScoreSharpe的区分更清晰一点，但同样难以相比之下，RiskScore与下一月波动率和最大回撤幅度之间呈现出更清晰的对应关系。RiskScore较低时，后续实现波动通常更高、最大回撤也往往更RiskScore走弱的阶段，未来波动和回撤压力往往同步抬升。两种入选框架生成的RiskScore在主要方向上较为一致，其中独立入选对部分风险状态变化更为敏感，综合入选则相对平滑。与RiskScore主对波动和回撤的提示相对稳定。图Vs次月收益率 图Vs次月夏普比0.60.40.2021/0121/0521/0121/0521/0922/0122/0522/0923/0123/0523/0924/0124/0524/0925/0125/0525/0926/0126/05

次月中证转债收益率（右轴，%）

综合池综合池 独立池5%0%-5%21/0121/0521/0121/0521/0922/0122/0522/0923/0123/0523/0924/0124/0524/0925/0125/0525/0926/0126/05

0.6 alpha_score_独立池150.6 alpha_score_独立池1550-0.2-0.4-0.60-5-10， ，图8：RiskScoreVs次月波动率 图9：RiskScoreVs次月最大回撤（转为正值）综合池综合池 独立池0.60.40

次月中证转债波动率（右轴，%）

25%20%15%21/0121/01 21/05 21/09 22/0122/05 22/09 23/01 23/05 23/09 24/01 24/05 24/09 25/01 25/05 25/09 26/0126/055%0%

0.80.60.40

次月中证转债最大回撤（右轴，%）

综合池综合池 独立池0.0621/0121/01 21/05 21/0922/0122/05 22/09 23/01 23/0523/09 24/01 24/0524/09 25/01 25/05 25/09 26/0126/050.020， ，与Risk的合成ScoreScore𝑆𝑖𝑔𝑛𝑎𝑙𝑡=𝑤𝑎𝑙𝑝ℎ𝑎×𝐴𝑙𝑝ℎ𝑎𝑆𝑐𝑜𝑟𝑒𝑡+𝑤𝑟𝑖𝑠𝑘×𝑅𝑖𝑠𝑘𝑆𝑐𝑜𝑟𝑒𝑡50/50、60/4070/30等固定组合。50/50调收益机会与风险环境的均衡，60/4070/30则逐步提高对收益端信号的0—100%的转债仓位。策略回测结果TT+120212026420265月末。比较基准包括中证转债回测结果显合成信号策略的年化收益和着策略在平均仓位约52%的情况下，较静态半