可转债市场介绍
关于可转债，从发行到投资你需要知道的
可转债研究框架与历史回顾
探讨可转债投资策略
基于二叉树模型的可转债定价
可转债的Delta对冲套利策略
美国转债市场多大？
美国投资者如何投资可转债？
转债定价专题研究（1）：可转债定价方法综述
转债定价专题研究（2）：细节决定成败
转债定价，你应该知道的事之一：可转债票面利率规律探析
转债定价，你应该知道的事之二：可转债转股价格和转股溢价率规律探析
转债定价，你应该知道的事之三：债底的作用
转债定价，你应该知道的事之四：条款博弈与价格
转债定价，你应该知道的事之五：退市方式全解析
转债定价，你应该知道的事之六：投资者结构与行为
转债定价，你应该知道的事之七：一级申购的故事
转债定价，你应该知道的事之八：转债的信用风险
转债定价，你应该知道的事之九：转债下修知多少
转债量化投资策略思考（Ⅰ）
转债量化思考（II）：转股溢价率与价格的二维分析
转债量化思考（III）：存在超涨超跌的机会吗？
转债量化思考（IV）：可转债Delta策略
可转债专题之一：历史已退市可转债分析：可转债收益源自何处？
可转债专题之二：可转债定价模型研究
可转债专题之三：银行及券商类转债分析
可转债专题之四：可转债基础知识手册
可转债专题之六：2018年可转债下修回顾
可转债专题之七：2019年可转债下修预测
可转债研究系列一：纵览转债市场，探索“价值投资”
可转债研究系列二：了解转债条款，寻找价值“洼地”
可转债研究系列四：股债轮动：可转债股性和债性的博弈
可转债研究系列五：事件驱动：可转债之转股、赎回与下修
可转债研究系列六：发现价格异动，捕捉转债套利机会
可转债提前赎回条款研究
高价转债风险收益初探
关于转债回售的二三事
转债供给冲击专题研究：千淘万漉虽辛苦，吹尽狂沙始到金
医疗行业转债专题研究：晴空一鹤排云上，便引诗情到碧霄
转债专题研究之新经济转债：黄沙百战穿金甲，不破楼兰终不还
可转债正股投资组合：事件效应下的投资机遇
可转债正股投资组合：探寻可转债正股投资的量化因子
转债“大时代”系列专题之一：转债定价及其希腊字母分析
转债“大时代”系列专题之二：年转债市场回顾
转债“大时代”系列专题之三：基金持仓行为历史大盘点
转债“大时代”系列专题之四：大数据看转债史
转债“大时代”系列专题之五：银行业转债分析手册
转债“大时代”系列专题之六：TMT之手机产业链转债分析手册
转债“大时代”系列专题之七：煤炭、钢铁行业转债分析手册
转债“ 大时代”系列专题之八：汽车整车行业转债分析手册
转债“大时代”系列专题之九：汽车零部件行业转债分析手册
转债“大时代”系列专题之十：新能源汽车产业链转债分析手册
转债“大时代”系列专题之十一：PCB产业链转债分析手册
转债“大时代”系列专题之十二：转债和交换债信用分析初探
转债“大时代”系列专题之十三：电气设备行业转债分析手册
转债“大时代”系列专题之十四：转债择券策略系列：基于量、价、投资指标体系的行业选择
转债“大时代”系列专题之十五：转债择券策略系列：基于财务指标体系的正股选择
转债“大时代”系列专题之十六：转债择券策略系列：基于价格、溢价率和流动性的转债选择
转债“大时代”系列专题之十三：电气设备行业转债分析手册
转债“大时代”系列专题之十八：高价转债的历史表现梳理上篇：绝对价格维度
转债“大时代”系列专题之十九：如何识别下修博弈机会
转债“大时代”系列专题之二十：从货币信用周期看转债在大类资产中的比价关系和轮动规律
[h1]【国信宏观固收】转债“大时代”系列专题汇编[/h1]国信固收研究
国信转债“大时代”系列专题回顾
转债“大时代”系列专题之一：转债定价及其希腊字母分析
转债“大时代”系列专题之三：基金持仓行为历史大盘点
转债“大时代”系列专题之四：大数据看转债史
转债“大时代”系列专题之五：银行业转债分析手册
转债“大时代”系列专题之六：TMT之手机产业链转债分析手册
转债“大时代”系列专题之七：煤炭、钢铁行业转债分析手册
转债“大时代”系列专题之八：汽车整车行业转债分析手册
转债“大时代”系列专题之九：汽车零部件行业转债分析手册
转债“大时代”系列专题之十：新能源汽车产业链转债分析手册
转债“大时代”系列专题之十一：PCB产业链转债分析手册
转债“大时代”系列专题之十二：转债和交换债信用分析初探
转债“大时代”系列专题之十三：电气设备行业转债分析手册
转债“大时代”系列专题之十四：转债择券策略系列：基于量、价、投资指标体系的行业选择
转债“大时代”系列专题之十五：转债择券策略系列：基于财务指标体系的正股选择
转债“大时代”系列专题之十六：转债择券策略系列：基于价格、溢价率和流动性的转债选择
转债“大时代”系列专题之十七：转债择券策略系列：基于行业、公司和转债的综合评分体系
转债专题报告：2017年-2018年转债打分择券策略回测
转债“大时代”系列专题之十八：高价转债的历史表现梳理上篇：绝对价格维度
转债“大时代”系列专题之十九：如何识别下修博弈机会
转债“大时代”系列专题之二十：从货币信用周期看转债在大类资产中的比价关系和轮动规律
转债“大时代”系列专题之二十一：什么是定向可转债？
转债“大时代”系列专题之二十二：关于转债回售的二三事
转债“大时代”系列专题之二十三：国信转债交债风格指数编制
转债“大时代”系列专题之二十四：国信转债交债高流动性指数编制
国信转债投资策略报告回顾
2019年转债市场策略：底部蛰伏，出击平衡型转债
2018年三季度转债市场回顾
2018年下半年转债市场策略：转债正处于风险收益比极佳的位置
2018年上半年转债市场回顾
2018年春季转债市场策略：守“价值”之正，出“创新”之奇
2018年转债投资策略：“飓风”过岗，“秀木”可存
2017年转债市场回顾
[h1]【中金固收·可转债】简易的转债策略测试框架——以及python实现方法 20190519[/h1]中金固定收益研究
作者杨 冰分析员，SAC执业证书编号： S0080515120002
房 铎联系人，SAC执业证书编号： S0080117080049
姬江帆分析员，SAC执业证书编号：S0080511030008；SFC CE Ref: BDF391
简易的转债策略测试框架[quote]策略好不好，测了才知道 —— 但对于转债来说，可能没那么容易。虽然转债已经基本告别当年迷你市场的窘境，但依然是一个小市场，这是我们在年度回顾报告中的一个判断 —— 而附带的一个影响是，很多配套的东西还不完备，比如策略测试的代码框架。幸好开源的理念之下，这些事情自行处理也并不太复杂。我们在此介绍一个简单的测试框架及其Python实现方法。
首先还是看大的框架，然后再一步一步完成细化实现。大体的流程应该包括：
1、初始化定义：测试的时间段、考虑的转债的范围（比如含不含EB、含不含那些因股改而退市的品种）、调仓周期、以及最终的返回值——策略的净值和必要的记录；
2、进入测试循环：计算净值、并在调仓的时点上进行调仓；
3、返回结果。此时的Python代码如下：
# 引入三个必须引用的库
import datetime as dt
import pandas as pd
import numpy as np
def frameStrategy(obj, start='2015/12/31'):
'''
这里的参数还不完全，为了简单先只留最简单的两个
obj是我们自己设定的一个class，进行日常的转债数据维护和计算，不过此时投资者不必太过在意，因为后面我们将只用其作为数据库的功能obj.DB
例如 obj.DB['Amt']将返回一个记录转债成交额的pd.DataFrame，index是yyyy/mm/dd型的日期，columns是各转债的代码
'''
# 设定起始日期在库中的位置（我们的数据从2002年开始，这里要返回一个整数，记录start在其中的位置，比如2015/12/31对应的是3391）
# 这个getStartLoc将在后面介绍，后面还有很多这类函数
intStart = getStartLoc(obj, start)
# dfRet是最终要返回的表，'NAV'这一列就是最重要的了：策略净值（我们这里是100为起点）
dfRet = pd.DataFrame(index=obj.DB['Amt'].index[intStart:],columns=['NAV','LOG:SEL','LOG:WEIGHT'])
# 这个表记录了持仓，index是转债代码，初始先设定成[Nothing]
dfAssetBook = pd.DataFrame(index=['Nothing'],columns=['costPrice', 'w'])
# 需要一个变量来记录持仓中的现金（或者借款）
cash = 100.0
# 设定转债代码范围
codes = defineCodes(obj, defineMethod)
# 一个调仓的日期列表，这里设定的是每21个交易日调仓一次
isAdjustDate = roundOfAdjust(obj, start, 21)
# 进入循环，enumerate是python里面一个很好用的迭代函数
for i,date in enumerate(dfRet.index):
# 这一步来记录净值变化
checkBook(obj, dfRet, dfAssetBook, cash,date)
# 判定当日是否需要调仓
if date in isAdjustDate:
# 如果需要调仓，进入selectCodes函数，根据策略选择个券
sel = selectCodes(obj, codes, date, selMethod)
if sel:
# 这一步得到权重变量
w = getWeight(obj, sel, date, weightMethod)
else:
sel = ['Nothing']
w = 0.0
dfAssetBook = pd.DataFrame(index=sel, columns=['costPrice', 'w'])
dfAssetBook['costPrice'] = 100.0
dfAssetBook['w'] = w
# 无论如何，都用dfRet来记录当日持仓的个券和权重
# join函数非常实用，用来连接字符串
dfRet['LOG:SEL'][date] =','.join(list(dfAssetBook.index))
# [func(t) for t in ...] 是非常具备python特色的一个处理方法
dfRet['LOG:WEIGHT'][date] =','.join([str(t) for t in list(dfAssetBook['w'])])
return dfRet
下面来逐个击破中间的小函数。首先是getStartLoc，实际上pd.DataFrame的index有一个get_loc的方法也能得到这个结果，但早期的版本没考虑过万一要找的变量不在index中怎么办。而后来的版本中，虽然给予了一定容忍度，但也基本没考虑过当index本身是不可比变量时的处理。所以此时我们要进行简单的改造，如下：
def getStartLoc(obj,date):
# 如果get_loc能解决，就交给它吧
if date in obj.DB['Amt'].index:
i= obj.DB['Amt'].index.get_loc(date)
else:
# 如果解决不了，要先把index转化成datetime型，而非原本的字符型，这样get_loc就能万用了
fakeIndex = obj.DB['Amt'].index.map(str2dt)
i= fakeIndex.get_loc(str2dt(date),method='ffill')
return i
接下来是定义个券大致范围的defineCodes：一般要剔除因股改而退市的那些转债，有时候我们也希望剔除EB。投资者也可以设定其他的规则，这就需要用到一个python特性：函数可以作为参数传入另一个函数。这样的话，投资者可以自行编写一个函数，作为定义范围的方法。实现如下：
def defineCodes(obj,method='default'):
if method== 'default':
return obj._excludeSpecial()
elif method== 'nonEB':
return obj._excludeSpecial(hasEB=0)
elif hasatrr(method,’__call__’): # 这一句是判断method是不是一个函数，如果是，则调用这个函数
return method(obj)
# _excludeSpecial() 是我们的obj中的方法，如下：
def _excludeSpecial(self,hasEB=1):
columns = set(list(self.DB['Amt'].columns))
# 这个cb_data.lstSpecial里面存了那些因股改而退市的转债的代码
columns -= set(cb_data.lstSpecial)
columns = list(columns)
# 如果不要EB，进入下面的程序
if not hasEB:
for code in columns:
if code[:3] == '132' or code[:3] == '120':
columns.remove(code)
return columns
下面是择券的代码，也是对策略决定意义最大的函数。在调仓日期会调用这个函数。同样，为了给予投资者外部接口，这里也要保留传入函数的可能性。如下：
def selectCodes(obj, codes, date,selMethod=None):
i = getStartLoc(obj,date)
n = min([i,5])
# 这里利用一下pandas.DataFrame的逻辑运算做最基本的条件设定：前5个交易日必须有最少10万的交易
# 且存量不低于3000万
condition = (obj.DB['Amt'].iloc[i-n:i][codes].fillna(0).min() >100000.0) & \
(obj.DB['Outstanding'].iloc[codes]> 30000000.0)
## 如果selMethod不为空
If selMethod:
tempCodes= list(condition[condition].index)
moreCon= selMethod(obj, codes, date, tempCodes)
condition&= moreCon
# 这个函数最后返回的变量是这个
retCodes = list(condition[condition].index)
# 如果一个都没有，进入这里，并给出提示
if not retCodes:
print 'its a empty selection, when date: ',date
return retCodes
# 下面以低价策略举例，如果我们希望在调仓时买入所有价格低于均价的品种，则可以写下面这个函数，并把_lowprice作为selMethod传入上面的函数：
def _lowPrice(obj, codes, date, tempCodes):
avgPrice = obj.DB['Close'].loc[date][tempCodes].mean()
return obj.DB['Close'].loc[date, codes] |
|
转播
