一、可转债市场概览与做市商制度

1.1 可转债基本概念

可转债,全称「可转换公司债券」。说白了,它就是个「债券+股票期权」的混合体。

你买了它,平时拿利息。股价涨了,你可以换成股票去赚差价。跌了?继续拿着债券,保本保息。

我个人习惯把可转债叫做「下有保底,上不封顶」的品种。为什么?因为债券部分给你兜底,转股权给你想象空间。

核心要素就这几个:

  • 面值:通常100元一张,这是债券的计价基础
  • 票面利率:一般比普通债券低,因为人家给了你转股权
  • 转股价:约定好的换股价格,比如转股价10元,你就能用100元面值换10股
  • 转股期:通常发行后6个月才能开始转股
  • 赎回条款:股价涨到转股价130%以上,公司有权强制赎回
  • 回售条款:股价跌得太惨,你有权把债券卖回给公司

关键点:可转债的定价核心在于「转股溢价率」。溢价率越低,股性越强;溢价率越高,债性越强。做市商盯的就是这个指标。

1.2 中国可转债市场现状

讲真,这几年可转债市场变化太大了。我记得2017年刚入行那会儿,全市场也就几十只转债,流动性差得让人头疼。

现在呢?2024年数据:

指标 数值 备注
存量只数 550+ 沪深两市合计
存量规模 约8500亿 人民币
日均成交额 600-800亿 2024年Q1数据
投资者结构 机构为主 公募、私募、券商自营

为什么会爆发式增长?两个原因:

  1. 注册制改革:上市公司多了,再融资需求大,可转债成了香饽饽
  2. 打新赚钱效应:中一签赚几百,散户蜂拥而入

但这里有个坑——流动性分层。头部20只转债占了60%的成交量,剩下的几百只,一天成交额不到1000万的比比皆是。做市商的价值就在这里体现。

注意:我曾经踩过一个坑——以为所有可转债流动性都差不多。结果做策略回测时,发现小盘转债的滑点能把收益吃掉一半。后来我学乖了,做市策略必须按流动性分层设计。

1.3 做市商制度介绍

做市商,英文叫Market Maker。说白了,就是「报价机器」。

你想想看,一个品种没人报价,你想买找不到卖家,想卖找不到买家,这市场还怎么玩?做市商就是来解决这个问题的。

中国可转债的做市制度,经历了三个阶段:

  • 2018年试点:上交所选了10家券商试点,我当时所在的公司就是其中之一
  • 2020年推广:深交所跟进,做市商扩容到30家
  • 2023年全面实施:所有上市可转债都有至少1家做市商

做市商的核心机制就四个字——双边报价。我同时挂买单和卖单,你买我就卖,你卖我就买。赚的是买卖价差。

小技巧:判断一个做市商是否专业,看它的「报价宽度」和「报价时长」。宽度越窄、时长越长,说明做市商越有底气。我一般用这两个指标来筛选合作做市商。

1.4 做市商的核心职责与盈利模式

做市商不是慈善机构,人家是要赚钱的。但赚钱之前,得先干活。

核心职责有三条:

  1. 持续报价:交易时间内,必须连续挂出买卖双边报价。不能随便撤单,否则会被交易所罚
  2. 控制价差:买卖价差不能超过规定上限。比如某转债现价100元,价差不能超过0.5元
  3. 最小报价量:每笔报价至少要有一定数量,比如1000张

盈利模式呢?主要有三种:

  • 价差收入:低买高卖,赚取买卖价差。这是最稳定的收入来源
  • 返佣激励:交易所会给做市商交易费减免,甚至现金奖励
  • 库存管理:持有转债头寸,等待价格上涨。但这有风险,做不好会亏

核心逻辑:做市商本质上是在「流动性」和「风险」之间做平衡。报价太宽,没人跟你交易;报价太窄,自己亏钱。这个度怎么把握?靠的就是数据驱动的定价模型。

我举个例子。假设某转债现价120元,我作为做市商,挂出119.8元的买单和120.2元的卖单。价差0.4元,每张赚0.2元(扣除手续费)。一天交易10万张,就是2万块。一个月下来,光这一只转债就能赚40-50万。

但风险在哪?万一正股突然暴跌,我手里的库存就亏了。所以做市商必须用对冲工具——比如做空正股或者用股指期货来锁住风险。

嗯,这里要注意:做市不是赌博,是精算。我见过太多人把做市当成高频交易来做,结果亏得底裤都不剩。真正的做市,靠的是对市场微观结构的深刻理解,以及对数据的实时处理能力。

可转债做市数据源整合 · 知识框架 可转债做市数据源 市场行情数据 实时成交 · 买卖盘口 转股溢价率 · 隐含波动率 基本面数据 正股财务 · 评级变化 赎回/回售条款状态 做市商行为数据 报价宽度 · 报价时长 库存变化 · 对冲操作 衍生计算数据 定价模型 · 风险指标 套利信号 · 流动性评分 数据整合引擎 实时流处理 · 批处理合并 数据清洗 · 质量监控 五大数据源构成做市策略的基础设施

我的建议:刚开始做可转债做市,别想着面面俱到。先把「市场行情数据」和「做市商行为数据」这两块吃透,能解决80%的问题。基本面数据可以作为辅助,别一开始就陷入细节。


专注资料整理