全量可转债：平价底价溢价率与正股PB的单因子分析（附python代码）

我们通常采用平底溢价率指标来判断一只转债的债性强还是股性强：

import pandas as pd
from config import DATA_DIR_BASIC
from datafeed.dataloader import CSVDataloader
#bonds = pd.read_csv(DATA_DIR_BASIC.joinpath('cb_list2.csv'))
#bonds =  bonds[bonds['delist_date'] is None]
#bonds = bonds['ts_code']

df = CSVDataloader.get_df(None, set_index=True, start_date='20210101',path='bonds_all')
df = CSVDataloader.calc_expr(df, ['close+cb_over_rate','roc(close,20)','cb_value/bond_value/100-1'], ['double_low','roc_20','平价底价溢价率'])
df.dropna(inplace=True)
df.index = pd.to_datetime(df.index)
df

我们对“平价底价溢价率”做单因子分析：

IC均值还是不错的，值越大股性越强，与收益负相关，与我们认知一致。

再看单调性：

单调性一般，最中间的百分位的转债收益最好。就是这个因子有相关性，但不单调。当然值最高的，表现最差，也就是高溢价的可转债收益一定不好，这是可以确定的。

我们再用正股的PB来做因子分析：IC还可以。

但单调性仍然一般——位于中间的转债收益最好，也就是说正股的估值，不能太高，太高收益肯定不好，太低的表现在一般，只有估值适中的表达才更好。

分层收益率：

代码在如下位置，已经提交星球：AI量化实验室——2024量化投资的星辰大海，已经更新全量数据，包含已经退市的数据。

吾日三省吾身

很多事情，确实人为想得复杂，想象中的事情，各种可能性，太多关注的。

其实，真实的世界远比想象中的简单。

还有很多人遇事，喜欢先到搜索引擎上查询一下，搜索引擎上的信息，好多是过期的。时代在进步，很多所谓的经验，遇过的坑，早就填上了。

因此，遇事不要先纠结，你按流程去推进就好了，也不是像鸵鸟把头埋进沙子，该关注还关注，还处理去处理，但不必焦虑，更没有必要提前焦虑。

然后，目光长远，做好每天该做好的事情。

要纠结的话，只要你的做事，你在生活，就会不停的有事情涌现出来。

这是宿命，我们要做的是，守好底线，然后大胆一点。

生命只有一次，尽情体验吧。