“投资范围包括ICE全球高收益指数的成分债券，筛选为金融、公用事业或工业部门的美元计价债券。数据来自ICE和IHS Markit。构建每日做空特征，使用LASSO回归预测下个月的收益。做多LASSO预测的前20%发行人，投资组合按等权重配置并每月再平衡。”
资产类别：债券 | 地区：美国 | 频率：每月 | 市场：债券 | 关键词：做空因子，公司债券
策略概述
投资范围包括ICE全球高收益指数的成分，进一步筛选为金融、公用事业或工业部门中以美元计价的债券。债券数据来自ICE，做空数据来自IHS Markit。首先，构建个别债券的每日做空特征：债券做空兴趣作为做空名义金额除以票面价值，股票做空兴趣作为做空股票数量除以流通股数量，债券利用率作为做空名义金额除以可借出名义金额，股票利用率作为做空股票数量除以可借出股票数量，股票和债券的指示性费用分别定义为隔夜利率减去指示性回扣。数据在95%处进行缩尾处理，并通过指数加权（lambda为0.5）聚合至月度频率。使用LASSO回归预测下个月的收益（发行人债券的加权平均收益），所有做空特征作为解释变量。模型基于扩展窗口进行训练，初始36个月的数据作为训练集，超参数调优使用接下来的24个月。做多基于LASSO预测的前20%发行人，投资组合按等权重配置并每月再平衡。
策略合理性
利用做空数据的策略的关键假设是，做空最多的资产可能被高估。一些股票策略倾向于“顺应潮流”跟随做空者，而该策略采取了不同的视角，选择做空最少的债券。此外，研究还考察了结合使用所有债券/股票做空指标的混合策略。因此，策略的有效性不仅归因于多指标的使用（作为个别构建块），还归因于惩罚LASSO回归的使用，它可以缩减系数并处理多重共线性问题。
论文来源
The Impact of Short Selling in the Cross-Section of Corporate Bond Returns [点击浏览原文]
- Desislava Vladimirova, Thomas Markl, Philip Messow，Quoniam资产管理，Robeco资产管理
<摘要>
本研究通过分析最长期的数据并引入多个做空代理变量，填补了文献空白，解释了做空信息与债券表现之间的关系。我们考察了来自债券和股票市场的做空信号，发现它们对未来公司债券收益具有预测性，尤其是对于高收益债券。此外，我们发现债券和股票做空信号的结合优于个别因素，产生了正阿尔法，即使在成本之后。混合信号的表现对下行市场（如新冠疫情期间的波动性）具有鲁棒性。
回测表现
| 年化收益率 | 7.5% |
| 波动率 | 7.5% |
| Beta | N/A |
| 夏普比率 | 1 |
| 索提诺比率 | N/A |
| 最大回撤 | N/A |
| 胜率 | N/A |
