量化视角下的边际增量：如何高效参与转债下修博弈？-241118-浙商证券-12页.pdfVIP

证券研究报告|金融工程专题

金融工程专题报告日期：2024年11月18日

如何高效参与转债下修博弈？

——量化视角下的边际增量

核心观点分析师：陈奥林

执业证书号：S1230523040002

我们从市场隐含下修概率这一全新的视角为转债下修提供更多的增量信息补充，相比chenaolin@

历史实际频率，模型预测准确率从9.5%提升至38.9%，以模型信号参与下修平均收益分析师：张烨垲

率6%，胜率超60%。执业证书号：S1230523090001

zhangyekai@

相关报告

❑转债下修有很强的时效性，参与博弈需要前瞻预测：下修公告次一交易日的收

1《强美元下的蓄力，备战12

益幅度和确定性都是最高的，次一交易日平均涨幅1.9%，显著高于其他所有时

月》2024.11.17

点的单日涨幅，如果按照公告后一个交易日收盘价参与，胜率将从80%降低至

2《大财政时代开启，内需牛

60%-70%，参与性价比显著降低。

蓄势待发》2024.11.14

3《主动基金的反击时刻，

❑我们从5个维度构建对下修具有指示意义的指标，其中市场隐含下修概率是当

2025如何脱颖而出？》

前市场尚未使用的全新视角。5个维度：市场隐含下修预期、市场整体下修意

2024.11.13

愿、当前偿债概率/偿债能力、发行动机、历史下修情况，各个维度包含多个细

分指标。其中，模型结果显示，剩余期限、隐含下修概率、过去3个月市场平均

下修概率、现金覆盖率、财务费用率指标重要性居前。

❑预测准确率从9.5%提升至38.9%：我们使用机器学习模型对指标进行综合处

理，在样本外测试集中，模型预测下修的样本实际下修的概率为38.9%，作为对

比，测试集中下修样本占比为9.5%，换言之，假设我们不做预测，对所有下修

样本都参与，那么参与成功率为9.5%，加入模型预测之后可以使成功率提升至

原来的4.1倍，模型整体有较强的预测效果。

❑事件博弈收益6%、胜率超过60%：实战角度，在样本外测试集中，预测结果

为“下修”的样本在达到条件后的40个交易日内平均累计可以获得6%的绝对

收益，在不同时间点的平均胜率整体维持在60%以上。

❑风险提示

1.本报告结论基于定量模型，未来模型可能存在失效的风险。

2.报告中收益率统计为历史回测统计，历史结果不代表未来收益。

http://1/12请务必阅读正文之后的免责条款部分