可转债兼具债券的防御属性与股票的弹性特征：债性为下行风险提供保护，股性则能捕捉市场上涨机会。然而，2019 年到 2025 年10 月31 日股票市场波动较大，传统“买入持有”策略难以有效控制回撤，亦不易把握右侧交易时机。本报告围绕可转债投资中的两大核心问题——“何时买”与“买什么”，系统性地构建了“先择时、后择券”的分析框架。
1、两种不同的择时策略
在择时层面，我们重点介绍了两种方法论：其一为股债差择时，通过构建中证500 指数收益率与十年期国债收益率之差这一关键指标，量化界定转债资产的股性与债性区间，为仓位调整提供客观阈值；其二为情绪指数择时，利用期权市场反推的隐含波动率（IV）作为市场情绪的“温度计”，通过识别情绪指数的极端变化，指导偏股型与偏债型转债的轮动配置。
2、五种不同的择券策略
在择券层面，我们深入评估并改良了五种主流策略：经典的双低策略（低价格、低转股溢价率）在稳健与弹性间寻求平衡；因子三低策略在传统三低基础上引入正股 Alpha 等基本面因子，进一步优化筛选标准；动量策略捕捉市场情绪的上升惯性，并与双低策略结合以控制风险；哑铃策略通过同时配置偏股型与偏债型转债，力求在不同市场环境下兼顾进攻与防御；此外，报告亦对高价低溢价策略在趋势性行情中的有效性与弹性进行了专项检测。本框架旨在为投资者提供一套从大势判断到个券选择、可复制、可跟踪的转债配置路径，以应对市场波动，优化投资组合的风险收益比。
1、中证 500 指数与十年期国债收益率初窥
1.1、中小盘股市和债市的“风向标”
中证 500 指数是中证指数公司于 2007 年推出的中小市值成长股代表指数，选取全市场中剔除沪深 300 成分股及过去一年日均总市值前300 名的股票后，过去一年日均总市值排名前 500 的股票组成，每半年（6 月、12 月）调整一次成分股，每次调整比例一般不超过 10%。该指数聚焦高成长性的新兴产业，覆盖工业、原材料、信息技术、医药卫生等领域，反映中国经济转型期的创新活力。截至 2025 年 10 月末，指数的行业分布见图 1，其中电子行业的成分股最多。从行业结构看，中证 500 指数的行业分布与中国经济转型方向高度契合，除电子行业成分股数量居首外，工业、信息技术、医药卫生等领域的标的占比合计超过50%，这些行业正是科技创新、产业升级的核心载体。相比之下，金融、地产等传统行业占比显著低于沪深 300，更能反映实体经济中创新驱动的活力。这种行业偏向使得指数在经济转型期表现出独特的弹性：在科技周期上行、产业政策发力阶段，中证 500 往往因成分股的高成长预期获得超额收益；而在市场风险偏好收缩时，其波动性高于沪深 300 的特点也会显现，这源于中小盘股对资金流动和情绪变化更为敏感。
中证 500 指数的编制逻辑使其天然具备对中小市值企业成长轨迹的精准追踪能力。相较于聚焦大盘蓝筹的指数，它更深入地覆盖了那些处于成长期、具备创新潜力的中小企业，这些企业往往是细分领域的隐形冠军，在技术突破、模式创新上更具灵活性，其发展动态直接映射着实体经济中最活跃的增长动能。当市场风格偏向成长赛道时，这类企业因业绩的高弹性更容易获得资本青睐，推动指数展现出强劲的上升动力；而当市场转向价值防御时，其对资金敏感度高的特点也会使其波动相对显著，但这种波动恰恰反映了中小企业在不同经济环境下的真实生存状态与发展韧性。 作为观察中小盘股整体走势的核心指标，中证500 指数不仅为投资者提供了把握成长机遇的窗口，也为市场参与者理解产业结构变迁提供了重要视角。它所覆盖的新兴产业标的，其业务扩张与技术迭代往往领先于行业整体趋势，指数的起伏变化无形中成为判断产业政策效果、市场资金流向的晴雨表。对于构建多元化投资组合的投资者而言，中证 500 指数因其与大盘指数的风格差异，能够有效分散单一市场风格带来的风险，同时通过捕捉中小盘成长红利，为组合注入长期增长潜力，成为平衡风险与收益的关键配置工具。
十年期国债作为中国财政部发行的 10 年期主权债务工具，以国家信用为终极担保，在全球金融市场的风险定价体系中占据“无风险资产”的核心地位。其独特属性源于：中央政府依托其庞大的经济体量与审慎的财政政策，构建了高度稳健的国家信用体系。中国主权债券在国际市场上被广泛视为具备高信用资质，其十年期国债流动性充裕、偿付记录稳定，已成为国内金融体系中的核心定价锚。这一特性使其成为机构投资者长期资产配置的基石：保险公司依赖其匹配长期负债结构，以有效管理利率风险、保障偿付能力；养老金通过持有长期国债锁定未来现金流，对冲人口老龄化带来的支付压力；商业银行则将其作为高流动性押品，在货币市场工具与信贷资产间搭建风险缓冲垫。十年期国债因其固有的避险属性，能成为资金避险的“安全港”，进一步印证了其“压舱石”价值。十年期国债因其固有的避险属性，成为资金的“安全港”。 另一方面，其收益率绝非单率纯指的标利，而是宏观经济周期、货币政策取向与市场预期的“综合晴雨表”：当经济步入扩张周期，GDP 增速突破潜在增长率、PMI 连续数月处于荣枯线以上时，企业盈利修复带动资本开支扩张，叠加大宗商品价格上涨推升通胀预期（如 2021 年 PPI 一度突破13%），市场会预判央行将通过加息、缩表等方式收紧流动性，以抑制经济过热——此时长期资金因“机会成本”上升而要求更高回报，十年期国债收益率随之走高，2021年二季度该收益率曾升至 3.2%，较年初上行 0.5 个百分点。反之，当经济增速放缓（如2020年一季度疫情冲击下 GDP 同比下降 6.8%），稳增长成为核心目标时，央行会启动降准、降息等宽松操作：2020 年初至 5 月累计降准释放资金1.75万亿元，年末 1 年期 LPR 较年初下调 30 个基点，推动长端资金成本持续下行，直接降低政府发债成本与企业长期融资利率。这种与宏观经济周期的深度绑定，让十年期国债收益率成为观察政策走向与市场预期的关键锚点。
1.2、指标表现：中证500 波动更为剧烈，两者有限相关性下存在择时价值
中证 500 波动幅度远超十年期国债收益率的波动幅度，两者对市场的反映具有投资价值。图 2 列出了两个指标 2019 年以来逐日涨跌幅的极差与标准差。中证500 作为中小盘产权的益标资杆，收益特征锚定成长溢价与风险偏好，交易结构呈现多元主体博弈特征，情绪面冲击易通过跟风交易放大波动，其1.38%的日涨跌幅标准差，本质映射盈利预期与风险偏好的双重波动溢价；十年期国债作为无风险利率锚，收益定价锚定期限溢价与货币政策预期，理性交易行为叠加货币政策的可预测性，赋予其低波动属性，0.02%的日涨跌幅标准差，彰显利率定价的均值回归特性。极端波动维度的对比更显分化，中证500 样本期内单日涨跌幅极值常突破±0.3%区间，且 6 次触及±3%阈值，暴露权益市场的尾部风险敞口；十年期国债收益率单日涨跌幅基本始终收敛于±0.05%窄幅区间，历史极值未突破±0.15%，印证无风险资产的波动约束性。
从涨跌联动特征切入，股债同涨同跌的发生频率逾五成。一方面，股债作为大类资产并非绝对对立，而是受共同宏观因子协同驱动。货币宽松周期中流动性的泛化扩散、系统性风险冲击下避险与投机需求的同步释放，均会驱动资金同步向股债市场迁徙，催生近半时间维度的同涨同跌行情。另一方面，即使趋势同向，资产收益弹性的本质差异仍会放大结果分化。同涨阶段，权益资产依托成长溢价与风险偏好的双重催化，收益弹性远高于债券，故股性占优的资产更易捕获超额收益。同跌阶段，权益资产受盈利预期下修与情绪抛售的双重冲击，回撤暴露显著高于债市，债性支撑强的资产更能抑制价值损耗。而在剩余时段的非同涨同跌场景中，市场则呈现清晰的相对强弱格局。股强债弱或债强股弱的方向信号具备更强辨识度，为基于股债相对强弱的择时策略提供核心交易场景。
因此，两个相关性有限的指标可从股市与债市双维度分析兼具股性与债性的资产，为资产组合的配置时机提供指引。报告后续将从可转债市场背景切入，逐步构建运用上述两个因子的择时策略，力求搭建一系列转债换仓方式，实现显著跑赢市场的投资效果。
2.1、择时背景：转债市场尾部风险与机遇
转债市场长期呈现明显的上行趋势，同时在这一过程中包含多个调整周期。我们关注 2019 年以来中证转债指数的表现，走势见图4。一方面，指数长期趋势向上，正股的上涨构成了驱动转债价格的核心力量，此时市场对转债股性的关注远超过债性，债券本身的债底保护功能退居次要位置；另一方面，在长期上行的大趋势中，市场会因各类因素进入调整周期，这些调整阶段里，转债的债性特征开始占据主导，其作为债券的抗跌属性凸显，展现出债性层面的投资价值。进一步地，上述两种市场走向在市场情绪、流动性等因素的影响下，可能被进一步放大，从而出现极端的大涨或大跌现象。其分布特征见图5。可以看到，日度涨跌幅分布存在明显的尖峰特征，即大部分交易日的波动集中在一个较窄的区间内，呈现出相对平稳的状态；除此以外，分布呈现一定程度的左偏，意味着下跌方向的极端波动更为常见，跌幅的尾部分布明显比上涨方向更厚，这与市场资金在恐慌时的抛售行为以及整体的资金偏好密切相关；进一步观察可见，越接近市场尾部，涨跌幅的分布越稀疏，这一特征暗示着，当市场波动突破某一临界值后，出现更深幅度下跌或过度上涨的可能性会随之增大。转债的尾部市场中，资产价格间的线性关联大幅降低，使得常规市场中适用的历史经验难以直接套用，而传统的择时因子由于未将尾部数据纳入回测范围，在这类市场中往往表现不佳。因此，我们以第一部分所述两个指标之差作为新的择时因子，据前文分析，此因子在尾部市场至少有两个适配点：尾部市场中股债市场的分化更为极端，使得因子所传递的信号强度远超常态，具有很强的辨识度；同时，尾部市场的股债逻辑更为纯粹，资金的大规模流动能够清晰反映出资金是从股市转向债市，还是从债市涌入股市，即大类资产的极端选择倾向，这种信号不受行业政策等杂项因素的干扰，更为直接和可靠。择时因子准确把握市场尾部趋势。将作差并经过策略历史回测收益部分第一步处理后的因子与中证转债日度涨跌幅做比较，见图6。我们发现，在中证转债发生大幅震荡时，择时因子放大了这种震荡，使权益市场的变化更加清晰，在极端场景中具有很强的韧性。此外，图中两者的同涨同跌现象十分明显，Pearson相关系数达到 0.81，考虑到因子内部波动率的差异，在日度维度上，可转债的股性似乎强于债性，因子在股性维度的捕捉可能比债性维度更牢固。
因子对尾部市场的关注，并非主动选择小概率事件，而是源于尾部市场对转债投资的决定性影响、传统因子在尾部的普遍失效，以及因子自身对极端分化信号的天然敏感性。其本质是通过聚焦影响最大、信号最清晰的尾部场景，致力于解决转债投资中“黑天鹅防不住、白天鹅抓不住”的核心痛点。
2.2、择时构建：结合市场股债性分布划定阈值
阈值选择时考虑中证转债尾部分布与事前分析。在判断尾部市场发生时，我们考虑到中证转债日度涨跌幅左尾厚，右尾薄的特点与图6中我们得出的“股性抓手”构想，我们选择相对而言更宽的股性市场阈值与较窄的债性市场阈值。具体而言，我们选择择时因子分位数<2%作为债性市场的阈值，此时我们认为市场处于调整周期中，市场情绪低迷；分位数>95%作为股性市场的阈值，认为市场正较为快速地上行。
2.3、择时回测：合适的择时频率与客观的准确度
我们采用如下逻辑进行市场回测，记录 2019 年以来中证转债日度涨跌幅的变化；根据策略历史回测收益部分构建指标的逐日历史分位数，如若因子>95%且下个交易日中证转债日度涨跌幅>0，则说明指标预测正确，反之预测错误，而若因子<2%且下个交易日中证转债日度涨跌幅<0，则说明指标预测正确，反之预测错误，其余情况不在因子回测范围内。
最终约有 6.98%交易日进行择时，这与我们之前分析尾部分布的比例基本一致，因此我们可以说择时频率是合适的。进一步地，之前设定的阈值中对左侧尾部收窄，总共仅有 33 次择时，准确率相比>95%段下滑明显，可见指标可能更适合作为“股性抓手”。总体而言，准确率高达 68.64%，尾部市场走势能力较强。接下来我们将使用本因子构建投资策略。
3.1、筛选转债组合：偏股偏债与平衡的不同配比
我们从转股溢价率、纯债溢价率、剩余期限三个角度出发，将研究的转债分为偏股型、偏债型和平衡型。基本逻辑是在择时因子>95%时，我们将会偏好偏股型的转债；反之<2%时，我们将会选择偏债型的转债，平衡型用来控制交易风险，在择时因子处于其它值时，我们将保持原本的持仓直到择时因子再一次突破阈值。
根据不同的风险偏好，我们选择不同的偏股/偏债与平衡型的配比进行历史回测，从 0%到 100%以 10%作为间隔构造了 11 种不同的“哑铃”型策略进行分析。以偏股/偏债与平衡型为 8：2 为例。
3.2、策略历史回测收益部分：偏股偏债比例越高，年化夏普比率越高
按照筛选转债组合部分的换仓逻辑与择时构建部分的择时信号，以2019年至2025 年 10 月 24 日的日度交易日为回测窗口，不同配比策略组合的年化收益、标准差与夏普比率数据。可以看到，随着平衡型比例逐步降低，择时因子的投资价值逐步显现：年化收益率维度，随偏股/偏债占比提升，年化收益率上升，但增速逐步放缓；波动层面，标准差的弹性相对有限，相较于纯平衡型组合，纯偏股偏债组合的标准差仅增加 0.78。与之相对应，年化夏普比率的较高增速表明，随平衡型转债占比降低，年化收益率跑赢标准差。将策略与中证转债对比，一方面，数据印证了择券效果，即便是与择时因子完全无关的全平衡型组合，其年化收益率与夏普比率亦显著高于中证转债；另一方面，择时效果表现同样亮眼，随择时策略权重提升，夏普比率持续上升，达到5.02。
按平衡型转债比例降低的顺序，最终收益率呈阶梯式递增，从92.38%逐步攀升至 142.35%，且全部超越中证转债指数的 70.94%。这一趋势的核心逻辑在于偏股属性对收益的放大效应：随着平衡型转债占比下降，偏股型转债的配置权重提升，其与正股更强的联动性，在转债市场长期趋势上行的背景下，能更直接地承接正股的成长红利，将权益端的收益弹性充分转化为组合收益。但收益递增的背后，风险与收益的共生关系已隐现端倪——偏股型转债的高波动率，为后续回撤维度的分析埋下伏笔；而 2020-2022 年部分时段的收益逆向现象，也侧面印证：当市场阶段性切换至债性主导逻辑，高偏股暴露的组合会因股性拖累暂时陷入被动，这与择时因子约 69%的回测准确度形成呼应，揭示了短期失效的内在动因。
而进入 2020 年后，择时因子的投资价值开始逐步显现。随着经济复苏动能增强，市场风险偏好持续抬升，转债定价逻辑从股债均衡转向股性主导，正股表现对转债价格的影响权重显著提升。此时，择时因子对股债相对强弱的判断信号变得更为清晰，策略依据信号调整偏股型转债占比的操作，能够更精准地捕捉权益市场的上涨红利，超额收益随之持续扩大，与权益指数的走势差距也逐渐拉开。
3.3、策略历史回测波动部分：回撤高于市场，与择时失效有关
因偏股型转债高波动和因子短期准确率下降，且高回撤常伴随较高年化收益，需更高风险承受能力。权益市场中，2022 年、2023 年出现了较为明显的回调，其余年份的回调幅度较小。择时因子的回撤相比权益市场更大，最大回撤出现在100%偏股偏债组合2022年，高达 22.37%，较同期市场最大回撤高出约 10 个百分点。总体来看，随着偏股型与偏债型比例的升高，回撤也随之增大。一方面，偏股型在择时中占比很高，其价格波动率高于其余两种转债，导致回撤更高；另一方面，择时因子在某些时间段的准确率会短暂下降，导致收益下滑，也会推高回撤。考虑到夏普比率仍然可观，高回撤往往伴随着较高的年化收益，这或许需要更高的风险承受能力。
从择时收益波动来看，收益波动在 15%到-10%之间均有分布，极差较大。其呈现出波动幅度随股债配比提升而放大、极端行情下脉冲式涨跌频发的特征。从择时收益波动来看，其区间覆盖了 20%到-10%的广泛范围，极差显著，这一特征直观反映了策略在不同市场环境下的收益弹性——既包含了在趋势明确时的显著盈利空间，也涵盖了市场转向时的阶段性回调风险，展现出策略对市场细微变化的高度敏感与响应能力。进一步观察可见，这种波动呈现出清晰的结构性特征：波动幅度会随股债配比的提升而逐步放大，且在极端行情中，脉冲式的涨跌现象尤为频发。这背后的逻辑在于，股债配比的提升意味着组合中偏股型与偏债型转债的占比增加，而这两类转债对市场情绪、资金流动的敏感度远高于平衡型转债；当市场迎来极端行情（无论是快速上涨还是深度调整）时，资金的集中涌入或撤离会引发价格在短期内的剧烈变动，形成类似“脉冲”的涨跌节奏——例如在股性主导的强势行情中，高股配比组合会因正股的持续拉升而快速积累收益，而在债性主导的调整行情中，同样的组合也可能因权益市场的拖累出现较深回调。
具体而言，股配比越高的组合，收益波动就越剧烈，这一现象直接彰显了择时因子的股性主导属性：因子对股债相对强弱的判断中，对权益市场信号的捕捉更为敏锐，当市场偏向股性时，因子会引导组合提高偏股型转债占比，而偏股型转债的收益与正股表现深度绑定，自然会随权益市场的波动放大整体收益的起伏；反之，平衡配比越高的组合，收益波动则越平缓，这体现了平衡型转债的对冲防御价值——平衡型转债兼具股债双重特性，在市场上涨时能分享部分权益收益，在下跌时又能依靠债底保护缓冲跌幅，因此当组合中平衡型转债占比提升时，即便股债市场出现大幅震荡，其也能起到“稳压器”的作用，平滑整体收益的波动。
这种波动与配比之间的关联，以及极端时刻的脉冲式反应，并非偶然现象：一方面，它验证了择时因子对股债分化尾部信号的精准捕捉能力——在常规市场中难以显现的极端分化，通过因子的放大作用清晰传递给组合，使策略能敏锐感知市场的极端倾向；另一方面，它也深刻揭示了策略的核心逻辑：通过动态择时判断市场属性（股性或债性），并同步调整股债与平衡型转债的配比，在股强阶段主动提高股配比以放大收益，在债强阶段增加债配比与平衡配比以控制回撤，形成“进攻-防御”的灵活切换机制。因此，因子日度收益呈现的“分化波动”并非随机波动，而是策略根据市场周期（如经济扩张与收缩、货币政策宽松与收紧）主动适配的具象化体现——当市场处于扩张期、风险偏好上升时，波动偏向正向放大以捕捉收益；当市场处于收缩期、风险偏好下降时，波动偏向平缓以防御风险，最终实现与市场周期的深度协同。
1、隐含波动率，可转债择时的有效指南针
可转债作为一种“进可攻、退可守”的混合型证券，其核心价值源于其独特的股性与债性双重特征。债性为可转债价格提供了债底保护，使其下行风险相对可控；而股性则赋予了它分享正股上涨收益的潜力。然而，这种双重特性也使得可转债价格与标的股票市场的波动紧密相连，其投资表现高度依赖于股市的整体走势。因此，如何精准地判断市场趋势，在预期上涨时增强组合的股性以博取收益，在预期下跌时转向债性以规避风险，即构建有效的择时策略，成为了优化转债投资组合绩效的关键难题。 传统的择时指标如均线、动量等往往存在滞后性。为了寻找更具前瞻性的信号，本报告将目光投向隐含波动率（IV）。隐含波动率由期权市场价格反推得出，反映了市场对未来资产价格波动程度的预期。在金融实践中，它被广泛视为衡量市场恐慌与贪婪情绪的“温度计”。当市场预期风险升高、不确定性加大时，投资者对期权的避险需求会推高其价格，导致 IV 飙升；反之，当市场情绪平稳乐观时，IV 则维持在较低水平。这种对市场风险的前瞻性预测能力，使IV成为一个较具潜力的择时工具。
检验基于 IV 的择时策略在中国市场的有效性。为了全面捕捉不同板块的市场情绪，我们选取了代表不同市值风格的 IV 指数作为研究对象，包括50ETFIV（大盘蓝筹）、沪 500ETF IV、深 500ETF IV、沪深 300 IV（宽基基准）以及中证1000IV（小盘成长）。我们将对每个指数分别应用两种数据处理方法来生成交易信号：第一种是 Z-Score 标准化方法，它通过统计学的均值回归原理来识别情绪指数的极端值；第二种是 IV 涨跌幅阈值方法，它更直接地衡量情绪指数的剧烈变化。最终，我们将依据这些信号构建具体的转债择时策略，即每日判断应持有偏股型还是偏债型转债组合。策略的有效性将通过“胜率”来量化评估，即策略所指示的持仓方向与上证指数、中证转债指数自身短期的牛市或熊市状态保持一致的天数占总交易日的比例。通过这种严谨的回测对比，本报告期望能为基于市场情绪的转债择时提供切实可行的实证依据，并找出针对不同指数的最优策略组合。
2、策略构建：情绪指数驱动下的债性股性轮动
情绪指数策略利用情绪指数进行择时，在其上升超过一定标准时，策略认为市场预期波动上升，市场具有较高不确定性，此时持有偏债型可转债仓位，抵御波动的同时获得稳健收益；当情绪指数下降到一定标准时，策略认为市场预期波动下降，市场走势稳定，此时持有偏股型可转债仓位，追求较高风险收益。可转债天然具备“债性”与“股性”双重属性，使其在不同市场环境下均具备一定的配置价值。为了更充分挖掘可转债在策略层面的多维表现，报告采用基于转股溢价率与纯债到期收益率的双因子分类方法，利用每半年第一个交易日开盘价，将转债划分为“偏股型”与“偏债型”两类，并以每半年为调仓周期，构建轮动型组合。
2.1、数据来源:隐含波动率和标的指数
研究数据主要涵盖两大类核心信息：一类是作为策略信号源的隐含波动率（IV）指数，另一类是作为检验基准的标的指数，两者共同构成了策略回测与评估的完整数据体系。 其中，隐含波动率（IV）指数是直接采用 Wind 计算并发布的标准化指标，这类指数通过期权市场价格反推得出，能够直观反映市场参与者对不同标的指数未来一段时间内波动率的预期，是衡量市场情绪指数或不确定性的核心指标。具体来看，本研究选取的 IV 指数包括五大类，分别对应不同市场规模的标的：50ETF IV 跟踪上证 50 指数，上证 50 指数由沪市规模大、流动性好的50只股票组成，因此该 IV 指数主要代表大盘蓝筹股的市场情绪指数，其在Wind上的数据起始日期为 2019 年 1 月 2 日；沪深 300 IV 跟踪沪深300 指数，该指数由沪深两市中规模大、流动性好的最具代表性的300 只证券组成，是A股市场整体走势的重要晴雨表，对应的 IV 指数数据从 2019 年12 月23 日开始发布；中证 1000 IV 则跟踪中证 1000 指数，该指数聚焦于A 股市场中小市值企业，反映小盘股的市场情绪变化，数据起始于 2022 年7 月22 日；此外，沪500ETFIV与深 500ETF IV 分别对应跟踪中证 500 指数的沪市和深市代表性ETF，中证500指数选取全市场中剔除沪深 300 成分股及过去一年日均总市值前300名的股票后，过去一年日均总市值排名前 500 的股票组成，这两个IV指数共同刻画了中盘股的市场情绪指数者，在且W两ind 上的数据起始日期均为2022 年9月19日。
所有 IV 指数的数据截止日期统一设定为 2025 年10 月22 日，以确保研究数据的时效性与统一性。需要特别说明的是，由于各IV 指数在Wind平台上具有独立的发布起始日期，这是由不同标的指数期权市场的发展进程和数据积累周期决定的，因此本研究并未对数据进行人为截断以统一起始点，而是选择尊重各IV指数自身的数据历史。这一处理方式意味着每个IV 指数所对应的策略都将在其自身完整的、可用的历史数据范围内进行独立的回测与评估，既能最大限度地利用已有历史信息，避免因数据截断导致的信息损失，也能更真实地展现每个IV指标在其特定生存周期内的策略表现，符合实际投资中指标使用的时间逻辑。在标的指数方面，为了检验 IV 指数策略在不同市场环境下的有效性，本研究选取了上证指数和中证转债指数的每日收盘价作为评估基准。上证指数作为A股市场较具代表性的综合指数，反映沪市主板整体的市场表现；中证转债指数则涵盖在沪深证券交易所上市的可转债，代表可转债市场的整体走势。这两个标的指数的数据覆盖了所有 IV 指数的完整回测期，即从最早的2019 年1月2日至2025年 10 月 22 日，从而确保在任何一个 IV 策略的有效期内，都能有对应的标的指数收盘价数据用于胜率计算，为策略效果的评估提供了一致且全面的基准参照。
2.2、市场状态定义:牛熊市划分
为准确计算各 IV 指数策略的胜率，需先对作为评估基准的上证指数和中证转债指数进行短期市场状态定义，明确牛市与熊市的判定标准。这一环节是胜率计算的基础，其合理性直接影响策略效果评估的客观性，因此我们将构建简洁且具有实际意义的判定规则。 具体而言，对于上证指数和中证转债指数，我们分别计算其每日的20日移动平均线（MA20）。20 日移动平均线作为短期趋势分析的常用指标，能够平滑短期价格波动，更清晰地反映指数在近 20 个交易日内的运行方向。计算过程中，每日的 MA20 值由该指数过去 20 个交易日的收盘价算术平均值得出，确保数据计算的客观性和可重复性；对于上市时间不足 20 个交易日的指数初期数据，我们将待其积累足够交易日数据后再开始计算 MA20，以保证指标的有效性。在此基础上，为提升状态判定的稳定性，避免因市场短期频繁波动导致状态划分过于琐碎，对持续时间过短的牛熊市状态不予单独标识。具体操作上，当某一市场状态持续时间低于预设阈值时，将其合并入包含该时间段且持续时间更长的相邻牛熊市状态中，从而形成更具连续性的市场阶段划分，使最终的状态判定结果更能反映具有一定持续性的趋势特征。
基于计算得到的 MA20，每日市场状态的判定规则如下：若当日指数收盘价高于其对应的 20 日移动平均线（MA20），则判定当日市场处于短期牛市状态；若当日指数收盘价低于其对应的 20 日移动平均线（MA20），则判定当日市场处于短期熊市状态。该定义通过收盘价与短期移动平均线的相对位置关系捕捉市场短期趋势，既能够有效区分指数的短期上涨与下跌走势，又避免了过度复杂的指标构建，符合“短时间段”分析的简洁性要求，同时与实际投资中投资者对短期市场趋势的判断逻辑一致，使得胜率计算结果更具现实参考价值。
2.3、择时策略数据处理方法
在确定了数据基础之后，我们需要将原始的隐含波动率指数转化为可执行的择时信号。本研究采用两种在逻辑上有所区别的数据处理方法，以期从不同角度捕捉市场情绪的突变。 方法一为 Z-Score 标准化法。这种方法的核心思想是基于统计学的正态分布假设，通过识别当前恐慌指数相对于近期历史的极端值，来判断市场情绪是否出现了显著偏离。具体步骤如下：首先对每个 IV 指数进行滞后一期处理，即采用t-1日的 IV 值作为信号生成依据，避免当日数据的实时性偏差。其次计算70日滚动窗口的均值和标准差，窗口范围为从 t-71 日至t-1 日，通过滚动窗口的设置确保参数能及时反映近期市场情绪特征。在此基础上计算Z-Score 值，计算公式为Z=(IV-均值)/标准差，其中 IV 为 t-1 日的 IV 指数值，均值和标准差均为70日滚动窗口内的统计结果。
方法二为 IV 涨跌幅阈值方法。与第一种方法基于统计分布的理论不同，第二种方法更为直观，它直接衡量恐慌指数自身的剧烈变化幅度。该方法不采用滞后，而是直接使用当日（t 日）的 IV 值。我们计算该值与过去30 个交易日平均IV值的百分比涨跌幅。这个涨跌幅直接量化了当日情绪指数相较于过去一个月平均水平 的 膨 胀 或 收 缩 程 度 。 我 们 将 涨 跌 幅 的上阈值和下阈值分别设为5%/10%/15%/20%/30%/35%和 5%/0%/-5%/-10%, 通过测算比较, 我们选定了30%和-10%作为关键阈值。若涨跌幅>30%，表明情绪指数出现显著上升，市场不确定性增加，此时持仓调整为偏债；若涨跌幅<-10%，说明情绪指数显著下降，市场趋于稳定，持仓转为偏股；若涨跌幅介于-10%至+30%之间，情绪指数变化处于温和区间，持仓保持前一日状态。该方法的原理是，涨跌幅能够直接量化IV指数的变动幅度，反映情绪指数的变化速率，阈值的设定则参考了市场历史波动特征，在保证策略敏感性的同时避免频繁调仓，实现简单易行与有效性的平衡。
2.4、胜率计算
胜率是衡量我们择时策略有效性的核心量化指标，它直观地反映了策略“做对方向”的频率。 在策略运行的每一个交易日，我们都会得到一个明确的偏股或偏债的持仓指令，同时市场自身也会呈现出一个牛市或熊市的状态。胜率计算的核心就在于逐日比对这两者是否同步。我们定义，当策略的持仓指令与市场的实际状态相匹配时，即持仓偏股且市场同时处于牛市，或者持仓偏债且市场同时处于熊市，该交易日的操作就被判定为“正确”或“一致”。反之，任何其他组合，例如在牛市中持有偏债组合，或在熊市中持有偏股组合，则被视为“不一致”的操作。为了将这种一致性转化为一个简洁而有力的评估指标，我们采用以下公式进行计算：胜率等于所有检验期内被判定为“一致”的天数之和，除以该策略版本下的总交易日天数，最后以百分比的形式呈现。这个百分比数值直接回答了“在百分之多少的交易时间里，我们的情绪择时策略成功地站在了市场正确的一边”这一根本问题。 最终，我们将为每一个可能的组合进行独立的胜率核算。这意味着，每一个隐含波动率指数与每一种数据处理方法所构成的策略，都将分别计算其相对于上证指数和中证转债指数的两个独立胜率。通过这种网格化的逐一计算与后续的横向对比，我们能够清晰地辨别出，哪一种 IV 指数与哪一种处理方法相结合，能够最为精准地捕捉特定市场的脉搏，从而得出最具指导意义的最佳择时策略结论。
3、IV 择时策略在不同标的指数下的表现
3.1、Z-Score 标准化法
根据 Z-Score 标准化法的回测结果，各隐含波动率指数在不同标的指数上表现出显著的胜率差异，这一现象揭示了不同市场维度情绪指标的有效性边界。从对上证指数的择时效果来看，深 500ETF IV 表现最为突出，胜率达到64.41%，紧随其后的是沪 500ETF IV，胜率为 58.18%。这表明，代表中盘股情绪的500系列 IV 指数在捕捉上证指数趋势转折方面具有独特优势。相比之下，50ETFIV和沪深 300 IV 这两个大盘股指标的胜率相对较低，分别为56.49%和50.60%。这一梯度分布暗示，上证指数的走势更多地受到中盘股情绪的影响，而非单纯由大盘蓝筹或小盘股情绪所驱动。 在对中证转债指数的择时效果方面，50ETF IV 以63.53%的胜率位居榜首，沪深 300 IV 以 58.40%的胜率次之，这反映出转债指数与大盘股情绪之间存在较强的内在关联。相比之下，500 系列和中证 1000 IV 在转债指数上的胜率均集中在 50%-54%区间，表现相对平庸。这一反差说明，虽然中盘股的情绪指数能有效预测上证指数，但转债市场的投资者更关注大盘蓝筹股的稳定性。值得注意的是，各指标的回测时间范围存在较大差异。50ETF IV和沪深300IV凭借更长的历史数据提供了更稳健的统计结果，而其他指标虽然在某些方面表现优异，但相对较短的回测周期意味着其稳定性仍需更长时间的检验。
从实证结果分析，不同波动率指数在各市场中呈现出明显的差异化特征。其中深 500ETF IV 在上证指数择时中展现出优异表现，50ETF IV则在中证转债指数走势中具备领先优势，这两类现象共同反映出市场情绪传导的复杂机制。这种差异化表现不仅体现在数据层面，在市场动态走势中也得到了充分验证。观察中盘股情绪与大盘的走势可以发现，在多个关键时点，深500ETFIV的阶段性峰值均准确预示了市场趋势的转折。该指数快速攀升时，往往伴随着市场情绪指数的集中释放；而其随后的回落，则预示着市场情绪逐步修复及指数的企稳回升。这种先导关系进一步印证了中盘股情绪作为上证指数风向标的重要价值。同样具有启示意义的是大盘股情绪与转债市场的联动机制。当市场出现剧烈波动时，50ETF IV 的极端值常与转债市场的关键位置相互印证。转债指数在恐慌时期表现出相对抗跌性，在情绪修复时期又能实现弹性恢复，这一特点凸显了大盘股情绪指标在转债择时中的独特优势，也为理解转债市场的运行规律提供了新的视角。
3.1.1、Z-Score 标准化法：30 日滚动期50ETF IV
报告选取的回测区间为 2019 年至 2025 年 10 月20 日，回测结果显示，基于30 日滚动期 50ETF IV 驱动的转债配置策略在多个维度上均表现优于中证转债指数的表现。择时情绪指数策略 2019 年至 2025 年10 月20 日表现出较高的年化收益率（11.86%），同时最大回撤（15.49%）和年化波动率（29.47%）相对适中，优于偏股型基金的风险控制，收益又明显高于中证转债和偏债型基金。
从收益能力来看，策略投资组合整体收益能力优于中证转债指数，存在超额收益。2020 年和 2021 年，中证转债指数表现强劲，取得了较高的正收益，年化收益分别为 5.25%和 13.48%，然而，策略投资组合在同一时期展现出更为突出的收益特征，年化收益分别达到了 8.97%和 20.81%，而在2022年和2023年中证转债指数呈现负增长，分别为-10.02%和-0.47%时，策略投资组合在同时期也明显更优，其年化收益率分别为-3.27%和 5.98%。特别是在震荡市环境中依然能够捕捉结构性机会，实现稳健增长。
从风险控制能力来看，策略投资组合在保持较高收益水平的同时，也展现出较强的风险管理能力。2020 年至 2025 年 10 月20 日，策略投资组合仅在2022年的年化波动率低于中证转债指数，其余年份均高于该指数，表明策略投资组合整体价格波动更为显著，风险水平相对较高。在 2020 年、2021 年、2022 年、2023 年及 2025 年等市场波动加剧或风格切换频繁的阶段，依托于情绪因子构建的择时策略机制，有效规避了市场下行风险并捕捉到阶段性上行机会。此时，策略能够充分发挥出择时优势带来的超额收益。
从风险回报来看，策略投资组合的夏普比率优于中证转债指数，在2020年、2022年、2023 年和 2025 年(截至 10 月 20 日)，中证转债指数的夏普比率分别为0.20%、-1.29%、-0.54%和 2.05%，而策略投资组合在同一时期的夏普比率表现更优，分别为 0.46%、-0.66%、0.48%和 2.13%。 从收益风险的平衡来看，策略投资组合在 2022 年和2023 年的最大回撤控制更为有效，中证转债指数的最大回撤分别为 12.17%和7.57%，而同年策略投资组合分别为 10.15%和 5.43%。在市场下行阶段，更加体现出策略投资组合的风险控制能力与债性特征。 在 2020 年和 2023 年的卡尔马比率中，策略投资组合的表现也更佳，其中中证转债指数的卡尔马比率分别为 0.64%和-0.06%，而策略投资组合为0.83%和1.10%，说明其在控制极端风险下的盈利能力也要优于中证转债指数。从风险调整后收益的角度评估，策略投资组合在部分年度上优于中证转债指数，展现出一定投资性价比。
3.1.2、Z-Score 标准化法：70 日滚动期50ETF IV
报告选取的回测区间为 2019 年至 2025 年 10 月22 日，回测结果显示，基于情绪指数驱动的转债配置策略在多个维度上均表现优于中证转债指数的表现。择时情绪指数策略 2019 年至 2025 年 10 月 22 日表现出较高的年化收益率（12.17%），同时最大回撤（17.02%）相对较低，年化波动率（29.23%）相对适中，优于偏股型基金的风险控制，收益又明显高于中证转债和偏债型基金；从2021 年至 2025 年 10 月 22 日，策略投资的净值显著优于中证转债指数、偏股型和偏债型；从 2022 年至 2025 年 10 月 22 日，偏股型和偏债型的复利累计收益率都显著优于中证转债指数。
从收益能力来看，策略投资组合整体收益能力优于中证转债指数，存在超额收益。2020 年、2021 年和 2024 年，中证转债指数表现强劲，取得了较高的正收益，年化收益分别为 5.25%、18.48%和 6.08%，然而，策略投资组合在同一时期展现出更为突出的收益特征，年化收益分别达到了11.90%、29.37%和7.46%，而在 2022 年和 2023 年中证转债指数呈现负增长，分别为-10.02%和-0.47%时，策略投资组合在同时期也明显更优，其年化收益率分别为-7.95%和3.83%。特别是在震荡市环境中依然能够捕捉结构性机会，实现稳健增长。从风险控制能力来看，策略投资组合在保持较高收益水平的同时，也展现出较强的风险管理能力。2020 年至 2025 年 10 月22 日，策略投资组合仅在2022年的年化波动率低于中证转债指数，其余年份均高于该指数，表明策略投资组合整体价格波动更为显著，风险水平相对较高。在 2020 年至 2024 年等市场波动加剧或风格切换频繁的阶段，依托于情绪因子构建的略择机时制策，有效规避了市场下行风险并捕捉到阶段性上行机会。此时，策略能够充分发挥出择时优势带来的超额收益。
从风险回报来看，策略投资组合的夏普比率优于中证转债指数，在2020年、2021年和 2023 年，中证转债指数的夏普比率分别为0.20%、1.76%和-0.54%。而策略投资组合在同一时期的夏普比率表现更优，分别为0.69%、2.50%和0.17%。从收益风险的平衡来看，策略投资组合在 2022 年和2023 年的最大回撤控制更为有效，中证转债指数的最大回撤分别为 12.17%和7.57%，而同年策略投资组合分别为 11.71%和 4.96%。在市场下行阶段，更加体现出策略投资组合的风险控制能力与债性特征。 在 2020 年、2021 年和 2023 年的卡尔马比率中，策略投资组合的表现也更佳，其中中证转债指数的卡尔马比率分别为 0.64%、3.09%和-0.06%，而策略投资组合为 1.10%、3.22%和 0.77%，说明其在控制极端风险下的盈利能力也要优于中证转债指数。 从风险调整后收益的角度评估，策略投资组合在多个维度上均优于中证转债指数，展现出更具吸引力的投资性价比。
3.2、IV 涨跌幅阈值方法
基于 IV 涨跌幅阈值方法的回测结果展现出与 Z-Score 方法不同的特征格局。总体而言，该方法在各 IV 指数对上证指数的择时胜率上表现更为出色，多个指标的胜率突破了 70%的关键水平，显示出直接衡量情绪变化幅度的独特优势。从上证指数的择时效果观察，沪深 300 IV、沪500ETF IV、中证1000IV的胜率均超过了 70%，分别为 74.39%/72.15%/73.46%。这一结果与Z-Score方法形成鲜明对比，表明当以涨跌幅直接度量情绪变化时，宽基指数尤其是沪深300的情绪波动对大盘走势具有更强的解释力。值得注意的是，50ETFIV在此方法下胜率为 63.98%，虽较自身在 Z-Score 方法下的表现有所提升，但在各指标中相对偏低，反映出不同处理方法下各 IV 指数的相对效能会发生显著变化。在中证转债指数的择时方面，沪 500ETF IV 以 65.29%的胜率领先，50ETFIV以61.52%的胜率次之，这一格局与上证指数的排序存在明显差异。
IV 涨跌幅阈值方法的整体优异表现，特别是其在上证指数择时上的高胜率，说明直接捕捉情绪变化的幅度相较于识别情绪水平的极端值，可能更能有效地预测市场短期走势。这种方法的敏感性使其能够更快地响应市场情绪的结构性变化，但也可能带来信号频率较高的特点，在实际应用中需要结合适当的过滤机制。综合比较两种处理方法，IV 涨跌幅阈值方法在多数情况下展现出更优的择时能力，特别是在宽基指数的趋势判断上优势明显。这一发现对实际投资策略的构建具有重要指导意义，建议在权益类资产择时中优先考虑基于涨跌幅的情绪信号生成机制。
3.2.1、IV 涨跌幅阈值法：沪 500ETF IV
报告选取的回测区间为 2022 年 10 月 21 日至2025 年10 月22日，回测结果显示，基于情绪指数驱动的转债配置策略在多个维度上均表现优于中证转债指数的表现。择时情绪指数策略 2022 年 10 月 21 日至2025 年10 月22日表现出较高的年化收益率（8.69%），同时最大回撤（14.48%）和年化波动率（19.47%）相对较低，优于偏股型基金的风险控制，收益又明显高于中证转债和偏债型基金；而偏股型和偏债型基金的净值和复利累计收益率都显著优于中证转债指数。
从收益能力来看，策略投资组合整体收益能力优于中证转债指数，存在超额收益。2024 年和 2025 年（截至 10 月 22 日），中证转债指数表现强劲，取得了较高的正收益，年化收益分别为 6.08%和 20.21%。然而，策略投资组合在同一时期展现出更为突出的收益特征，年化收益分别达到了7.49%和26.91%，特别是在震荡市环境中依然能够捕捉结构性机会，实现稳健增长。
从风险控制能力来看，策略投资组合在保持较高收益水平的同时，也展现出较强的风险管理能力。2022 年 10 月 21 日至 2025 年10 月22 日，策略投资组合仅在 2022 年的年化波动率低于中证转债指数，其余年份均高于该指数，表明策略投资组合整体价格波动更为显著，风险水平相对较高。在 2023 年、2024 年及 2025 年等市场波动加剧或风格切换频繁的阶段，依托于情绪因子构建的择时策略机制，有效规避了市场下行风险并捕捉到阶段性上行机会。此时，策略能够充分发挥出择时优势带来的超额收益。
从风险回报来看，策略投资组合的夏普比率优于中证转债指数，在2023年、2024年和 2025 年（截至 10 月 22 日），中证转债指数的夏普比率分别为-0.54%、0.39%和 2.11%。而策略投资组合在同一时期的夏普比率表现更优，分别为-0.05%、0.39%和 2.18%。 从收益风险的平衡来看，策略投资组合在 2023 年的最大回撤控制更为有效，为7.75%，而同年中证转债指数的最大回撤却是7.57%。在市场下行阶段，更加体现出策略投资组合的风险控制能力与债性特征。在 2023 年和 2024 年的卡尔马比率中，策略投资组合的表现也更佳，其中中证转债指数的卡尔马比率分别为-0.06%和 0.60%，而策略投资组合为0.31%和0.55%，说明其在控制极端风险下的盈利能力也要优于中证转债指数。从风险调整后收益的角度评估，策略投资组合在多个维度上均优于中证转债指数，展现出更具吸引力的投资性价比。
3.2.2、IV 涨跌幅阈值法：沪深 300 IV
报告选取的回测区间为 2020 年 2 月至 2025 年10 月22 日，回测结果显示，基于情绪指数驱动的转债配置策略在多个维度上均表现优于中证转债指数的表现。择时情绪指数策略 2020 年 2 月至 2025 年 10 月22 日表现出较高的年化收益率（10.84%），同时最大回撤（16.41%）相对较低，年化波动率（27.89%）相对适中，优于偏股型基金的风险控制，收益又明显高于中证转债和偏债型基金；偏股型和偏债型基金的净值显著优于中证转债指数，复利累计收益率从2022年至2025 年 10 月 22 日都显著优于中证转债指数。
从收益能力来看，策略投资组合整体收益能力优于中证转债指数，存在超额收益。2020 年 2 月以来、2021 年和 2025 年（截至10 月22 日），中证转债指数表现强劲，取得了较高的正收益，年化收益分别为5.10%、18.48%和20.21%，然而，策略投资组合在同一时期展现出更为突出的收益特征，年化收益分别达到了 11.02%、31.04%和 25.54%，而在 2022 年和2023 年中证转债指数呈现负增长，分别为-10.02%和-0.47%时，策略投资组合在同时期也明显更优，其年化收益率分别为-7.88%和 6.19%。特别是在震荡市环境中依然能够捕捉结构性机会，实现稳健增长。 从风险控制能力来看，策略投资组合在保持较高收益水平的同时，也展现出较强的风险管理能力。2022 年 2 月至 2025 年 10 月22 日，策略投资组合年化波动率均高于中证转债指数，表明策略投资组合整体价格波动更为显著，风险水平相对较高。 在 2020 年、2021 年、2022 年、2023 年及 2025 年等市场波动加剧或风格切换频繁的阶段，依托于情绪因子构建的择时策略机制，有效规避了市场下行风险并捕捉到阶段性上行机会。此时，策略能够充分发挥出择时优势带来的超额收益。
从风险回报来看，策略投资组合的夏普比率优于中证转债指数，在2020年（2月以来）、2021 年 2022 年和 2023 年，中证转债指数的夏普比率分别为0.19%、1.76%、-1.29%和-0.54%。而策略投资组合在同一时期的夏普比率表现更优，分别为 0.64%、2.53%、-0.97%和 0.47%。 从收益风险的平衡来看，策略投资组合在 2020 年（2 月以来）和2022年的最大回撤控制更为有效，中证转债指数的最大回撤分别为8.89%和12.17%，而同年策略投资组合分别为 8.73%和 13.60%。 在 2020 年（2 月以来）和 2021 年的卡尔马比率中，策略投资组合的表现也更佳，其中中证转债指数的卡尔马比率分别为 0.57%和3.09%，而策略投资组合为 1.26%和 3.40%，说明其在控制极端风险下的盈利能力也要优于中证转债指数。 从风险调整后收益的角度评估，策略投资组合在多个维度上均优于中证转债指数，展现出更具吸引力的投资性价比。
3.2.3、IV 涨跌幅阈值法：中证 1000 IV
报告选取的回测区间为 2022 年 8 月 24 日至2025 年10 月22 日，回测结果显示，基于情绪指数驱动的转债配置策略在多个维度上均表现优于中证转债指数的表现。择时情绪指数策略 2022 年 8 月 24 日至2025 年10 月22日表现出较高的年化收益率（6.84%），同时最大回撤（14.85%）相对较低，年化波动率（19.97%）相对适中，优于偏股型基金的风险控制，收益又明显高于中证转债和偏债型基金；而偏股型和偏债型基金的净值和复利累计收益率显著优于中证转债指数。
从收益能力来看，策略投资组合整体收益能力优于中证转债指数，存在超额收益。2024 年和 2025 年（截至 10 月 22 日），中证转债指数表现强劲，取得了较高的正收益，年化收益分别为 6.08%和 20.21%，然而，策略投资组合在同一时期展现出更为突出的收益特征，年化收益分别达到了7.99%和25.54%，而在2023 年中证转债指数呈现负增长（-0.47%）时，策略投资组合在同时期也明显更优，其年化收益率为 2.20%。特别是在震荡市环境中依然能够捕捉结构性机会，实现稳健增长。
从风险控制能力来看，策略投资组合在保持较高收益水平的同时，也展现出较强的风险管理能力。在 2022 年 8 月 24 日至 2025 年10 月22 日，策略投资组合的年化波动相比于中证转债指数明显更高，反映出策略投资组合的价格波动更大，风险更大。 在 2023 年 2024 年及 2025 年等市场波动加剧或风格切换频繁的阶段，依托于情绪因子构建的择时策略机制，有效规避了市场下行风险并捕捉到阶段性上行机会。此时，策略能够充分发挥出择时优势带来的超额收益。
从风险回报来看，策略投资组合的夏普比率优于中证转债指数，在2024年，中证转债指数的夏普比率为 0.39%，而策略投资组合在同一时期的夏普比率表现更优，为 0.42%。 从收益风险的平衡来看，策略投资组合在 2022 年（8 月24 日-12月31日）和2023 年的最大回撤控制更为有效，中证转债指数的最大回撤分别为8.37%和7.57%，而同年策略投资组合分别为 7.72%和7.93%。在市场下行阶段，更加体现出策略投资组合的风险控制能力与债性特征。在 2023 年和 2024 年的卡尔马比率中，策略投资组合的表现也更佳，其中中证转债指数的卡尔马比率分别为-0.06%和 0.60%，而策略投资组合为0.28%和0.58%，说明其在控制极端风险下的盈利能力也要优于中证转债指数。从风险调整后收益的角度评估，策略投资组合在多个维度上均优于中证转债指数，展现出更具吸引力的投资性价比。
3.3、最优择时策略
基于前述实证分析结果，我们针对不同市场基准提出差异化的最优择时策略配置建议。 对于上证指数的择时，IV 涨跌幅阈值方法结合沪深300 IV 指数展现出卓越的预测能力，胜率达到 74.39%。这一组合的优势在于能够敏锐捕捉市场情绪的方向性变化及其强度，沪深 300 指数作为 A 股市场最具代表性的宽基指数，其隐含波动率的变动能够全面反映市场整体风险偏好的迁移。涨跌幅阈值方法通过直接度量情绪变化的幅度，有效识别市场情绪的转折点，为权益类资产的配置切换提供高胜率的决策依据。 针对中证转债指数的择时，Z-Score 标准化法结合50ETF IV指数则以63.53%的胜率表现最佳。这一组合的优势在于其基于统计分布的极端值识别机制，能够有效过滤市场噪音，捕捉可转债市场关键的趋势转换节点。50ETFIV作为历史最久、市场关注度最高的波动率指标，其极端值往往对应着可转债市场重要的风险释放或机会显现的时点。Z-Score 方法的均值回归特性与可转债的“下有保底、上不封顶”属性形成良好契合，为转债资产的股债仓位调配提供可靠信号。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
