20240329-东吴证券-固收深度报告_转_机系列（五）-Logit模型拟合下的转债下修多因子分析_15页_719kb

报告总结：转债下修多因子分析

本报告来自东吴证券固收深度研究，重点分析可转债（转债）下修问题，包括流程规则、多因子Logit模型预测下修概率，以及风险评估。内容基于2018年至2023年数据，选用Logit回归模型，结果指出剩余期限、转股价值和对流通股稀释率等变量对下修决策影响显著。

主要观点

• 本报告主要研究企业转债下修流程、规则，以及利用Logit模型进行下修择时分析，旨在预测下修概率。
• 下修流程包括预警公告、董事会审议和信息披露等步骤，新规强化了提前披露要求，以提高市场透明度。
• Logit模型分析显示，下修决策受剩余期限、转股价值和对流通股稀释率显著影响；模型基于2022年8月至2023年12月的数据，预测了特定转债下修可能性。
• 预测结果显示，重银转债等五只转债下修概率最高，提供投资参考。
• 报告包含风险提示，包括模型预测局限性、市场波动和个人决策不确定性的潜在影响。

下修流程与规则分析

• 触发条件：当公司股票连续交易中收盘价低于转股价格一定比例时，可能触发下修，需董事会审议。
• 新规变化（2022年起）：上市公司必须在预计触发下修条件前5个交易日公告，确保信息及时性。举例对比奇正藏药和众兴菌业案例，显示新规提高了信息披露规范性。
• 关键步骤：包括预警公告、董事会决策、公告披露和后续程序，未按法规履行视为不修正。

Logit模型分析

• 模型设定：以是否下修作为二元因变量，解释变量包括剩余期限、转股价值、对流通股稀释率等。模型基于753条限期内数据构建。
• 变量选择与效果：剩余期限、转股价值和对流通股稀释率对下修影响显著（置信水平超过99%）。数据结果显示，剩余期限短、转股价值低或稀释率高的转债更可能下修。
• 回归估计：初步和进一步分析确认这些变量的独立影响，无多重共线性问题。筛选变量组合后，模型预测准确度提高。

下修概率预测结果

• 样本选择：基于3月26日触发进度100%的356只转债，使用模型预测下修概率。
• 高概率转债：预测下修概率前五的转债是重银转债（60%）、文科转债（48%）、帝欧转债（43%）、中装转2（38%）和富春转债（37%）等。
• 分布情况：下修概率呈多样化，多数转债概率在20-50%之间。

风险提示

• 模型预测可能不准确，由数据偏差或遗漏变量所致。
• 市场波动可能影响转债价格和下修决策，增加不确定性。
• 下修决策本身具有主观性，公司可能延迟或拒绝执行。
• 免责声明：本报告仅供参考，不构成投资建议，市场风险自负。