可转换债券,又称“可转债”、“可转换公司债券”,是上市公司发行的一种复合金融工具。由于我国可转债市场步较晚,设计复杂,投资者对可转换债券的认识还普遍处于初级阶段。不少投资者在参与可转债投资时其实并不清楚究竟有哪些因子会显著影响其收益率,也没有形成具体的分析体系来进行投资。随着2017年底我国可转换债券市场开始活跃起来,国内学者也尝试利用多因子模型对其进行研究。但是与股票市场相比,国内学者对可转换债券市场的研究尚存在不足。基于此,笔者首先对多因子量化投资和可转换债券进行了理论分析,通过市场经验和现有应用广泛的量化投资平台,结合机器学习算法挑选了一千多个因子,包括基本面因子、量价因子、债券因子等,再通过MAD去极值法、Zscore标准化法和中位数填充法对因子数据进行预处理得到可以使用的候选因子,然后利用Rank IC值方法对候选因子进行单因子有效性分析,其中最大的IC值在0.08左右,70%的因子IC值在0.03以下,这说明使用单因子进行量化投资效果并不理想,构建多因子组合才是更好的选择。因此,我们通过IC值、适应度函数、超额收益、最大回撤、IR等多种指标对候选因子进行排名,取头部10%的因子来进行大类因子的合并和研究,得到了量价类因子、基本面及另类因子,再分别计算大类因子的IC值、适应度等指标,结果显示大类因子的各方面表现明显好于单因子,这说明多因子组合质量更高。最后对大类因子进行了相关性分析,并使用等权重法、IC加权法、fitness加权法和CMA-ES优化法这4种方法来构建多因子选债模型。在实证部分,使用2017年11月至2020年7月的可转债数据进行回测,结合两种传统的风险模型,分别从超额收益率、信息比率、最大回撤、换手率、收益胜率等多个维度对比采用上述4种权重方案所取得的投资成绩,结果显示,4种方案相较于中证转债指数均能获得超额年化收益,其结果曲线与因子收益结果情况一致:CMA-ES优化法＞fitness加权法＞等权重法＞IC加权法。但由于因子存在周期性失效问题,4种方案在不同维度显现出了各自的优劣势:采用CMA-ES优化法的模型具有高胜率和高IR,采用fitness加权法的模型有高收益率和低换手率,采用IC加权法的模型有高预测性和波段性上涨的特性,采用等权重法的模型具有均摊效应。最后,为了达到各方面优势均衡,本文对4种方案进一步组合优化,得到了最终的可转债多因子量化投资组合。通过对所构建组合进行回测发现,本文所构建的选债模型表现较选取的市场基准中证转债指数更好,证明通过多因子模型建立的可转债投资组合是有效的。本文从投资者角度出发,将多因子模型用于可转债投资,构建了可转债量化投资策略,具有一定的可行性和实践意义,对现有的可转债投资提供了新的思路,具有一定的应用参考价值。