可转债脉冲统计

前言

可转债策略里面很重要的内容是轮动。包括低溢价轮动和双低轮动等。

很多大佬也提出了当出现涨幅较大的脉冲时，需要卖出回避。这里，我也统计一下相关数据，看看会得出什么结论。

数据

可转债相关数据为从2016-01-29开始至2022-03-04为止，所有转债在这些交易日的涨跌幅数据，共23万多个。超出这个时间段的数据我手上没有，暂时不考虑。不过这些数据量也足够了。

初步分析

先看看这些数据，所有涨跌幅的分布如下图。图像主要集中在左侧，这是因为有一些异常值。



涨幅榜第一位的是正元转债，在2020年10月22日，涨幅176.41%，成交金额高达101亿。日K是这个效果的，这么长的一根阳线。



之所以涨成这样，与沪深两市对可转债的临停制度有关，按深市交易规则，涨跌超过20%，临停30分钟，涨跌超过30%再临停30分钟，之后涨跌不再临停；按沪市交易规则，涨跌超过20%，临停30分钟，涨跌超过30%，临停至收盘前3分钟。

从规则上看，沪市的转债涨幅超过30%，会导致长时间停牌，仅留下3分钟交易，可转债流动性丧失，而深市转债，最多停牌1小时，有剩余的3个小时的交易。

跌幅最大的是再升转债，2020-03-10，下跌53%，收盘价188.39元

除了这些异常值，如果我们看涨幅在正负20以内的分布如下图。它是一个很对称的分布。也符合我们常说的涨跌都是50%概率的认知。



统计结果显示，涨幅基本是对称正态分布。均值为0.07%，标准差为2.38%。

涨跌幅分组

下面，我按照T日涨跌幅对所有数据进行分组，然后对每个分组内的每个转债在T+3和T+5日时，这3天或5天的累积涨跌幅。

例如，T日涨幅0% - 5%以内的转债，在T+3、T+5日的累积涨跌幅分布如下图所示

图中，蓝色的是T+5日的累积涨跌幅，黄色的是T+3日的累积涨跌幅。涨幅0% - 5%以内的转债较多，统计得到的是一个很高的峰。但是，其均值是小于0的。

统计结果

先看一下统计结果，这是一个多索引的表格。
表中，行名limit是指涨跌幅的区间，两个数字以下划线连接。每行又分为2小行，分别是T+5日的累积涨跌幅，T+3日的累积涨跌幅。
右边有两大列，zhangfu代表转债涨跌幅，cum_change代表累积涨跌幅。



如果从中位数看，当T日涨了之后，T+3\T+5就会跌，反过来也一样。但是同样要看到，这些数据的方差很大，也就是分布范围是很大的，很发散。

箱线图

如果画到箱线图上是这样的。箱体覆盖的区域占据样本的50%（25%分位-75%分位），图中菱形为异常点（超出规定范围的点）。



箱线图的含义如下图



从图中的分布看，不同涨幅限值下，T+3和T+5天的数据并没有统计显著性，仍然是在一个较大的范围内分布。

只能说涨多了就会跌。跌多了就会涨。

累积概率

如果我们把对应的样本集计算一个累积概率，那么可以计算出跌的概率以及50%概率时对应的涨跌幅，放在下面的表里：



如上表，当T日涨跌幅为10-15%区间时，T+3日累积涨跌幅<0的概率为64%，并且有50%的概率，累积涨跌幅<-3.36%。

从表上看，似乎当涨幅超过15%时，概率和幅度都有个较大的提升。不过需要考虑到的是，涨幅超过15%的时间较少。
另外，10%-15%时，概率较5%-10%保持不变，但是跌幅提升了，也是一个不错的选项。

行业区分

看一下上述数据与转债行业之间的关系。

首先是，T日涨幅5%以上，不同行业的T+3，T+5涨跌。能够看到不同行业还是有差异的，但是差异不大。



再看看T日涨幅10%以上。



这就能看到明显差异了。有些行业涨了还能再涨，有些则有很大概率下跌。不过需要注意的是，涨幅10%以上的数据量不大，再按照行业一分数据量更小了，所以图中的数据有没有统计意义还有待确认。大家看看就好。

结论

从统计上看，转债涨跌是对称的，都是50%的概率。并且，在0%附近的涨跌次数最多，单日5%以上的就明显减少了。由于涨跌幅度的均值为0，所以涨多了就会跌，跌多了就会涨。所以T日涨幅较大的，在后面3天或5天就会逐渐跌下来，其均值和中位数都是负的，但是这个分布是非常广的。也就是既会出现强者恒强，也会出现过强转弱。

以上都是正确但是没用的。

从累积概率角度，似乎能找到一点理由说明在涨幅超过10%或15%时进行卖出操作。

目前，我还不能得出更有力的结论。