基于机器学习线性回归算法,利用股指期货对冲折价可转债吃折价策略分析

许多可转债的转股溢价率非常低,甚至有负溢价非常大的可转债,如果我们买入负溢价的可转债做空对应的正股,我们就可以吃到这部分折价收益。但是在实际操作中我们很难融到对应的股票进行做空,这样有折价我们也不可能安全地吃到这部分折价,即使能融到券,融券的利率也太高了,会降低很大收益。但是对于持有股票的股东来说,将股票转换成折价的可转债倒是可以比单纯持有股票多赚一些额外的折价收益。
虽然我们融不到券,但是可不可以用股指期货进行对冲呢?如果投资单一股票的可转债并用期货对冲存在一定的问题,单个个股的变动有时会与期货对应指数变动存在较大的差别,这样对冲起不到相应的作用。如果我们将折价的或者溢价非常低的可转债构建一个等权重组合,并用相应的期货对冲这样是否可行呢?
一、假设:能够实现对股票组合完全对冲
我们要想对冲可转债的价格下跌,其实就是对冲对应股票的下跌,我们将等权的可转债组合转化成对应的等权的股票组合,将股票组合视作一个指数(在此称为等权股票指数),对其最近30个交易日的价格涨跌与三大股指期货进行相关性分析,确定等权股票指数和股指期货对应的对冲数量。如果能实现完全对冲的话,我们可以完全规避掉转债对应价格的变动风险,获取到相应的折价收益,如果股票价格大幅下跌,转债的债性会使转债价格下跌较少导致转债转股溢价率上升,我们也可以获取到相应的溢价上升的收益,也可以称为对冲的股指期货比转债下跌多带来的额外收益。 如果股票价格上涨,股指期货和等权股票指数进行了对冲,我们只获取了转债的折价带来的收益。
二、如何实现完全对冲股票的风险
我们持有的转债对应的股票等权指数中有时既有大盘股、中盘股、小盘股,如果单纯用一个期货来对冲的话,是非常难实现完全对冲的。我们考虑按照三大股指期货的比例与股票等权指数进行对冲。在此可以利用机器学习中的线性回归进行比例的计算。
具体计算过程供参考:
核心计算方程:Y=W1*X1+W2*X2+W3*X3+B
Y:因变量,股票等权指数的每日涨跌幅
W1,X1:上证50指数的权重和每日涨跌幅
W2,X2:沪深300指数的权重和每日涨跌幅
W3,X3:中证500指数的权重和每日涨跌幅
B:截距

1.计算等权股票指数前30日的每日价格涨跌幅,作为因变量Y.
2.获取股指期货对应的每个指数前30日的每日涨跌幅作为自变量X1,X2,X3
3.利用机器学习线性回归算法进行比例(或相关性系数)计算,确定对冲数量。

比如我们计算出的比例为1:2:2
我们可以卖空1手50期货,2手沪深300期货,2手中证500期货,并买入等市值的等权股票指数对应的可转债。如果可转债对应的股票大盘股多一些,做空上证50和沪深300期货对应的比例要大些;否则中证500对应的比例就大些。这和我们的直观感觉也差不多。
在操作过程中,由于可转债折溢价率的变动,我们会对可转债组合进行调仓,调仓后对冲可能会面临一定的风险敞口,我们需要重新进行计算对冲比例保持效果。通过不断地进行买入折价转债,卖出溢价转债并做好对冲来获取收益。
风险:转股溢价率为负或者较低的转债通常是最近一段时间正股涨幅较大,处在一个高位。当后来整体行情上涨时,可转债正股由于透支了涨幅后期上涨无力导致转债上涨也无力,对冲的损失大于转债的收益。
还有其他没考虑到的地方请大家及时指出,多多交流学习!

发表评论

关闭菜单