一个年化50%的可转债策略

2019年过去了，2018年我第一次真正经历熊市，由于缺少仓位管理的理论，我亏掉了之前的大部分盈利，好在2019年加倍还给了我，这个过程让我深深的体会到基督山伯爵中的那句名言：”人类的一切智慧就包含在这四个字里面的:‘等待’和‘希望“。
经历四年，资金从6000-200，体会就是对我的工作和心态没啥影响，除了2018年。那是我第一次经历那么凶残的市场，之后思考了很多，我更加应该使用手里的技术来规范自己的情绪而不是随波逐流。经历那么久逐渐形成了一套不算完整的投资体系，永远秉持实践是检验真理的唯一标准这一原则，我每一个策略都会经过长时间的测试。

2019年可转债规模近3000亿，按目前的发行速度，2020年将达到6000以上，这是一片小有可为的市场。2019年我们测试了一个多变量加权的可转债策略，全年上涨57%，远远领先于沪深300，最近我们使用机器学习算法对策略进行了优化，后面会公布相关的文章和代码，如果等不及也可以私信我，我自己也会用一个10万元的实盘投入测试。

以后我们专门开一个转债日报的文章，对转债目前的位置，仓位、新债申购等作出评述，同时跟踪我们的策略，欢迎大家关注。

截至2019-12-31日收盘统计了2773 家公司，整体TTM市盈率为: 16.544723 （昨天为16.480857）整体位于 39% 百分位数, 合理仓位估计为 81%。
可转债整体平均价格 117.83元，转股溢价率 22.61%，低于100元的17支，最低价为亚药转债89.64元。
截至2019-12-30收盘转债多因子列表如下：

我从top20中选取算法估值与真实值溢价较高，溢价较低，价格合理者买入，单只不超过20%仓位，目前净值：1.0089 ，持仓如下：

本模型使用了转股价值、剩余规模、市净率、平均股东持有流通市值、初始规模、是否担保、转股价、正股综合得分、转债余额与总市值比率、收入同比、正股变异系数、现金比率、交易量、距离回售天数、剩余年限、roe、成功下调次数、市盈率、距离转股剩余天数、建议下调次数、距离到期天数、发行评级、评级、强制赎回限价、是否可交换债等20多个变量录入机器学习算法评估转债价格。
剔除了亏损个股及收入下降的个股。
本文仅作投资交流参考，策略是双低策略的复杂化，其效果有待观察，决策风险自担。
如需交流数据代码请私信，等机器组装完成后我们会将相关代码写成文章分享。