标签：das   com   数据分析   pandas   info   http   主板   软件服务   职业生涯   

点击上方“Python读数”，选择“星标”公众号
重磅干货，第一时间送达
可转债是一种兼具债性和股性的投资品种，其投资风险介于债券和股票之间。可转债的玩法有很多，打新是一种相对比较安全且容易入门的理财方法，那可转债打新真的能赚钱吗？风险大吗？打新收益率受什么因素的影响？笔者调取了2018-2019两年的数据，带你看看可转债打新是否真的能赚钱。
数据来源：Tushare
注：收益率的计算方式为 （新债上市第一天的开盘价 - 面值100）/100

收益率分析

先看一下可转债打新的收益率分布状况，整个收益率呈微右偏分布，峰值大概处于1.5%的位置，说明大多数的可转债打新收益率集中在这附近。图中收益为0处为盈亏分界线，分界线左侧的阴影面积代表了亏损的概率为27.32%（考虑到手续费等因素，这里把亏损的和不亏不赚的都设定为亏损），与之对应的盈利概率为72.68%。总体而言，可转债打新的赢面还是比较大的（当然不同风险接受能力的人会有不同看法）。
大概清楚可转债打新的盈亏分布并综合考虑各方面的风险后，如果想要进一步参与的话，就该研究一下选择哪些可转债可以有更高的胜率和收益率，下面就一些可能的影响因素进行分析。

公司市值与收益率关系

收益率和发债公司的大小（这里用市值来衡量）有什么关系吗？是不是市值越大的公司其可转债打新收益率越高？下面的数据告诉你。

绘制了收益率和公司市值的散点图后发现，大多数的发债公司的市值较小，位于0-250亿这个区间，当市值大于500亿时，只有两个可转债的打新收益为负，大多数的收益在5%以上，最大的亏损为5%。为了更清楚地看看公司市值在0-500亿这个区间内的收益情况，下面把该区间放大了看。

把区间放大来看之后，还是可以看到比较明显的正相关性的，尤其是当市值大于200时（图中红线往右），所有可转债的打新收益均为正。所以，从市值的角度来看，虽然并不能得到市值越高收益率越高的结论，但在参与可转债打新时，如果想承担较小的风险，选择200亿以上市值的公司较为安全，相应的胜率更高。

板块与收益率的关系

目前的上市公司所处板块可以划分为主板、中小板以及创业板，主板市场主要是一些大型的蓝筹企业，中小板则包括一些中型稳定发展的企业，创业板则主要是科技成长型企业。不同板块的公司对应的风格有所不同，那这对可转债打新收益有影响吗？

如果以中位数来代表整体收益率，则不同板块整体收益率创业板>中小板>主板。创业板和主板的公司所对应的收益率下四分位均位于0处，说明这两个板块上，胜率均达到了75%。从最坏的结果来看，创业板的公司最大亏损幅度居首为-10%，其波动率相对其他两个板块也较大。总结来说，位于创业板的公司虽整体收益较高，但需要承担的风险也较大。

行业与收益率的关系

接下来研究一下收益率是否具有行业效应，由于有些行业样本量较小，在这里给予剔除，选取5个样本以上的行业，看看其收益率（中位数）排名。

从行业的角度来看，软件服务、食品行业的可转债打新收益大幅领先于其他行业。虽受制于样本较少，入选的行业仅有12个，代表性相对较差，但将此处的行业效应和上方的板块效应相结合，在进行可转债的选择时具有一定的参考意义。

收益率的时间效应

上面从市值、行业和板块的角度进行了分析，下面从时间的角度，看看打新收益率是否具有时间效应，如不同月份的打新收益和胜率是否有明显的不同。

上方的热力图显示了12个月份的收益率的主要统计量。从整体收益来看，不论是用均值还是中位数来表示该月份的整体收益情况，可以比较明显地看出，3月、4月和9月的收益水平较高，同时5月、6月以及8月整体收益水平较低。从本金安全性（最小值）来看，2月、3月、8月、10月和11月的最大亏损均小于1%。综合收益情况和需要承担的风险，如果想要进行可转债的打新，从时间的角度来看，比较适合的时间是2-4月以及10-12月这两个时间段。
以上便是针对可转债打新收益率的影响因素分析，相关的数据集已经为大家准备好了，想要练手的小伙伴公众号后台回复【01】即可获取相关数据集和代码。
想获取其他金融数据进行研究的也可以到Tushare官网https://tushare.pro/register?reg=134799或点击下方阅读原文进行简单注册，之后便可以调用相关接口。

往期精彩回顾

互联网寒冬下，数据分析师还吃香吗？

大话NBA | 用数据带你回顾乔丹的职业生涯

Pandas数据处理三板斧，你会几板？

Pandas数据分析——超好用的Groupby详解

关注我

1529321439513643.jpg
公众号：Python读数

一个记录成长的公众号
原创不易，如果觉得有点用，
可以点下 ”在看“ 噢，拜谢各位老铁。

可转债打新能赚钱吗？Python数据分析告诉你！

标签：das   com   数据分析   pandas   info   http   主板   软件服务   职业生涯   

原文地址：https://blog.51cto.com/14915204/2525831