模型验证
百元溢价率回归结构
本节沿用模型构建中的变量定义与样本规则，依次比较截距、线性项和样本筛选的影响。
验证口径
每张图仅比较两种方法：实线对应左轴的三年历史分位，半透明面积对应右轴的每日拟合 MAE，均使用 20 个交易日简单移动平均。历史分位按各方法自身的全局分位数来计算，与常见展示的移动分位不同，主要是用来验证模型的实际效果。
验证使用平价 90–110 元的有效券样本，观察模型在这些样本上的误差表现，误差表现越好，说明模型整体的估计会更加稳健，我们在构建百元溢价率模型时，模型本身的估计稳健性是我们的首要目标。
截距
采用相同筛选规则，比较 与 。
两者有时给出相近的历史估值位置，但不代表拟合能力相同。月末截面留出检验中，加入截距将 MAE 从 0.09171 降至 0.07533，降低约 18%，截距是一个需要保留的配置项。
当然，更强有力的保留截距理由在于数学形式上的约束。令 ，无截距模型 就变成了 ，即强制变换后的回归直线经过原点。带截距的拟合曲线则可以写成：
在百元点 处，拟合溢价率为 ，相对于 的斜率为 。无截距要求 ，也就强制 ，将估值水平与曲线斜率绑定；加入截距则允许两者分别估计。当真实关系需要非零截距时，这能减少模型通过改变百元估值水平来迁就样本平价分布的情况。
线性项
保留截距与筛选规则，比较 与 。
加入线性项后，MAE 从 0.07533 降至 0.07514，改善约 0.26%，在样本中增益有限，选择不加入线性项，就实际效果而言，是否加入线性项对结果的呈现还有误差表现影响都很小，基本属于“无功无过“的小改动。
样本筛选
固定为带截距的反比例模型，再次基础上检验是否针对样本进行筛选，选择平价 70 - 130 元范围内的样本，以及 85% 的溢价率阈值。
筛选后，留出 MAE 从 0.09892 降至 0.07533，降低约 24%，当然采取这种筛选手段并不完全来源于实验结果，从实际的市场表现来看，炒作券本身就容易集中在平价 130 元以上的样本中，这些券从实际的角度也应该是对整体估值的噪声。
除此以外，我们还会对样本的筛选进行剔除 10% 拟合最差样本的二次拟合，这种做法同样能较明显降低全局的拟合误差。
为什么不采用分组百元溢价率
不同价位转债可能存在不同的估值状态，这种差异值得研究。但按价格分组后分别拟合百元溢价率，会混入平价分布、样本迁移和个券差异的影响，难以清楚区分真正的估值变化。因此，我们不采用分组百元溢价率，而不是忽略不同价位转债的估值差异。
实验将公募转债与公募可交债按全价分为低价（低于 120 元）、中价（120 元至不足 150 元）和高价（150 元及以上）三组。使用全平价样本的反比例、指数曲线作参照，均剔除初次拟合误差最大的 10% 样本，不沿用前节的平价区间和 85% 阈值。第一项直接检验分组百元点，后两项通过同券池分解和个券分布，说明组内变化为什么不能简单归结为估值水平的变化。
估值关系不变，分组指标也会波动
固定期初市场曲线和个券残差，只让平价按实际路径变化，再按新价格重新分组。即使估值关系没有变化，组内重新拟合的百元点仍会移动；这里统计两端各组均至少有 10 只有效券的月度区间。
高价组的月度绝对变动中位数达到 4.47–6.28 个百分点，低、中价组约为 0.41–0.55 个百分点。这些变化发生在估值关系被固定的条件下，说明分组百元点可能将平价移动、样本迁移和拟合变化表现为“估值变化”，尤其不能直接把高价组指标的波动解释为额外变贵或变便宜。
高价券溢价率上涨，不等于相对市场更贵
固定 2025 年末的同一批 40 只高价券，观察到 2026 年 9 月 18 日的变化，依次扣除平价移动和市场曲线整体变化，避免中途换券干扰比较。
平均溢价率实际上升 8.80 个百分点，扣除平价移动后为 +2.61；再扣除市场曲线变化后为 −3.29。换用指数参考曲线，最后一项仍为负。这段上涨并不支持“高价券相对市场额外变贵”的判断：要研究价位之间的估值差异，需要分开识别平价移动、市场整体变化与组内额外变化，按价格分组本身不能完成这种区分。
分组均值可能被少数个券左右
以 2025 年 6 月末的 46 只高价券为例，用指数参考曲线扣除随后一个月的平价移动，观察每只券剩余的溢价率变化。
其中 26 只向上，中位数为 +1.84 个百分点，均值却为 −1.53。图中红色的三只大幅下降券足以改变均值方向。因此，即便扣除了平价移动，也不能把一个分组汇总值直接当成该价位转债共同的估值变化，还需要观察组内分布。
综合来看，不同价位的估值差异是值得研究的问题，但分组百元溢价率不是衡量这种差异的合适工具。 我们保留整体百元溢价率，不在这一指标中进一步叠加价格分组；价位之间的相对估值另行分析，结合固定券池、平价与市场曲线调整，以及个券分布来判断。
Last updated on