报告概述
本报告从胜率与赔率视角出发，论证了可转债择时的必要性、重要性与可能性，并提出了一个融合宏观与微观因子的量化择时框架。研究对象为中证可转债指数，覆盖2015年至2025年的回测区间。报告系统构建了54个微观因子（包括转债价格、溢价率、量价类等）和146个宏观因子（涵盖经济水平、货币流动性、财政税收等五大维度），通过格兰杰因果检验、IC测试和相关性分析筛选有效因子，并采用ARDL模型进行收益率预测。该框架能够帮助投资者识别不同市场环境下的最优资产配置时机，提升风险调整后收益。
报告的核心结论
可转债择时策略优于简单买入持有
报告显示，简单买入持有可转债策略无法长期跑赢纯债或充分捕捉股牛收益。通过择时配置，理论最优组合净值在10年内可增长至4-7倍，远超单一资产持有收益，证明了择时是优化风险收益比的关键路径。
宏微观因子结合显著提升策略稳定性
微观因子高频高波，主要贡献胜率；宏观因子低频低波，主要贡献赔率。两者相关性较低，结合后能平滑净值波动。月度调仓策略实现年化超额收益7.19%，夏普比率1.6，卡玛比率大于2，最大回撤控制在5%左右，优于单一因子策略。
微观因子主导短期胜率，宏观因子贡献极端行情赔率
微观因子在短期（1-2周）预测中表现突出，股性指标如正股占比（stkratio）ICIR达0.60；宏观因子胜率虽低（月调仓仅33%），但单位胜率超额性价比高，在2024年信用冲击和2025年高估值期间成功发出空仓信号，提供高赔率回报。
不同持有周期下因子表现显著分化
短期（1-2周）股性指标主导；中期（1-3个月）量价类因子和债底价值因子突出；长期（6个月）估值类因子呈现反转特征，高估值显著压制收益。宏观因子中，短期货币市场利率和房地产指标预测力强，3-6个月后对外贸易类指标成为主要驱动。
报告回答的关键问题
可转债为什么需要择时？
报告指出，可转债兼具债底防御和股票弹性，但简单买入持有策略的风险调整后收益效率偏低（近五年夏普0.71，低于纯债的3.06）。不同风格的可转债（如高价/低价、高评级/低评级）表现分化显著，不存在单一风格长期占优，因此必须通过择时切换风格和仓位来优化收益。
宏微观因子如何结合用于可转债择时？
报告构建了54个微观因子（如转债价格、溢价率、换手率）和146个宏观因子（如货币供应量、利率、PPI），通过格兰杰因果检验和IC测试筛选有效因子，使用自回归分布滞后（ARDL）模型进行收益率预测。微观因子提供高频胜率信号，宏观因子在极端行情下提供赔率信号，两者结合形成复合择时策略。
可转债择时策略在极端市场下表现如何？
策略在极端市场环境下展现了较好的风险规避能力。例如，在2024年信用冲击和2025年高估值期间，模型发出持续性空仓信号，有效降低了回撤。宏观因子在胜率仅33%的情况下仍能贡献高赔率回报，引入宏观因子使策略在波动和回撤方面得到优化，契合绝对收益定位。
不同持有周期的可转债择时应关注哪些因子？
报告发现，短期（1-2周）应重点关注股性指标如正股联动因子（stkratio ICIR 0.60）；中期（1-3个月）应关注量价类因子（diffturnover ICIR 0.42）和债底价值因子（bondvalue ICIR 0.49）；长期（6个月）需警惕估值反转，价格因子（priceavg）呈现强烈负向预测（ICIR -1.53）。宏观因子中，短期关注货币利率和房地产指标，中长期关注对外贸易指标。
胜率与赔率在可转债择时中如何权衡？
报告构建了胜率（模型预测准确率）和赔率（收益弹性）相结合的框架。微观因子擅长提升胜率（月调仓胜率57.89%），宏观因子则通过低频但高赔率的信号优化风险收益。两者结合后，策略在月度调仓下胜率56.97%，夏普比率达1.6，兼顾了胜率稳定性和赔率弹性。
报告中的代表性数据
月度调仓策略年化超额收益
2015年至2025年，基于宏微观复合因子的月度调仓择时策略，相对中证可转债指数的年化超额收益。
月度调仓策略夏普比率
2015年至2025年，策略的风险调整后收益指标，夏普比率1.6，显示较好的收益风险平衡。
月度调仓策略最大回撤
2015年至2025年，策略在回测期间的最大绝对回撤，控制在较低水平，体现了宏观因子在极端行情下的保护作用。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整宏观因子框架及名单：涵盖经济水平、消费与价格、货币流动性、财政税收、外部环境五大维度的146个宏观因子，包括GDP、CPI、PPI、货币供应量、利率、进出口等指标的具体名称与差分处理方式。
- 完整微观因子算法及名单：54个微观因子详细定义与算法，涵盖转债价格、溢价率、期权敏感度（如gamma、vega）、量价类因子（如换手率差、振幅差）等，附原始数据来源说明。
- 所有因子平稳性检验结果（ADF检验）：展示宏观与微观因子经差分处理后的平稳性结论，包括差分阶数和处理方法（如环比、同比差分）。
- 格兰杰因果检验完整结果表：针对1周至6个月不同预测周期，列出每个因子与收益率的因果关系类型及P值，区分单向/双向因果关系。
- 时序IC检验详细统计结果：包括各因子在不同周期的IC均值、ICIR、IC大于0比例及P值，以及累计IC时序图（如priceavg、stkratio等关键因子的IC走势）。
- 因子相关性矩阵：展示通过筛选的因子间Pearson相关系数，说明相关性大于0.3的因子对剔除原则和保留因子依据。
- 策略回测表现详细数据：涵盖周、双周、月、季、半年等不同调仓周期的年化收益率、超额收益、年化波动率、夏普比率、最大回撤、卡玛比率和周胜率，以及单宏观因子和单微观因子的对比表现。
- 历史仓位明细表：展示2019年至2026年2月每月仓位（1表示满仓，0表示空仓），直观体现策略在市场关键节点的择时能力。
- 风险提示：包括模型失效风险、正股退市风险、转债转股价下修风险、样本有限带来的统计偏差及政策变动风险等。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
