XGBoost模型在轉債擇券中的因子貢獻結構及不同約束下的組合表現差異

在3.5年滾動訓練窗口下，XGBoost模型對轉債收益的解釋并未集中于單一債性指標，而是體現為“估值彈性、流動性承接、波動風險和條款博弈”的共同驅動。從維度貢獻看，估值及性價比貢獻占比最高，達到20.62%，其次為流動性及規模、波動及風險、條款事件和價格動量。具體到單因子，轉股溢價率貢獻占比最高，反映在權益市場風險偏好修復環境下，轉債相對正股轉股價值的估值位置成為影響橫截面收益的核心變量；正股流通市值、下修進度、強贖進度等因子貢獻也較為突出，表明模型能綜合識別股性彈性、估值分化及條款影響。 在組合可執行性檢驗中，不同約束情景表現各異： 1. 無約束組合：Top20組合年化收益率達19.66%，年化超額收益率12.96%，雖波動率高于基準指數，但最大回撤明顯優于主要權益指數，Sharpe比率和卡瑪比率均顯著高于指數，驗證了模型原始擇券信號的有效性，適合作為候選券池生成工具。 2. 規避高價組合（剔除130元以上）：年化收益率達19.90%，年化波動率降至16.04%，最大回撤收斂至-20.41%，Sharpe比率提升至1.24。該策略在犧牲較少收益彈性的同時改善了風險調整后收益，適合對正股研究要求較弱、風險偏好相對穩健的投資人。 3. 規避條款風險組合（剔除未來20日可能觸發下修、強贖、回售）：年化收益率降至10.23%，Sharpe比率為0.61。結果表明條款事件并非單純風險，剔除后削弱了模型捕捉收益彈性的能力，適合對凈值波動和條款事件極度敏感、持有周期較長的投資人。 4. 規避低評級組合（剔除評級低于A+）：年化收益率為18.10%，最大回撤-23.73%，Sharpe比率0.85。該策略在控制信用風險基礎上仍保持較好收益，說明模型收益非完全依賴信用下沉，適合信用風險約束較強的穩健型投資人。