2、可转债定价模型：纯债价值、转股价值、平价与溢价率、BS模型与二叉树模型在转债定价中的应用

可转债的定价，说白了就是回答一个问题：这张债券到底值多少钱？

我刚开始做转债研究时，总觉得这东西很复杂。既有债性，又有股性，还带个期权。后来我发现，只要把它的几个核心价值拆开看，一切就清晰了。

2.1 纯债价值：转债的“底”

纯债价值，就是假设这张转债永远不转股，当成普通债券来算的价值。它是转债价格的安全垫。

计算很简单：把未来所有的利息和本金，用合适的折现率折回来。

# 纯债价值计算示例
def bond_value(coupon_rate, years, face_value, discount_rate):
    """
    coupon_rate: 票面利率（列表，每年不同）
    years: 剩余年限
    face_value: 面值，通常100元
    discount_rate: 折现率（通常用同评级企业债收益率）
    """
    value = 0
    for t in range(1, years + 1):
        # 每年利息
        coupon = face_value * coupon_rate[t-1]
        value += coupon / (1 + discount_rate) ** t
    # 最后一年还本
    value += face_value / (1 + discount_rate) ** years
    return value

# 举个例子：某转债剩余3年，票面利率0.5%, 0.8%, 1.0%
rates = [0.005, 0.008, 0.01]
print(f"纯债价值: {bond_value(rates, 3, 100, 0.035):.2f} 元")
# 输出：纯债价值: 91.23 元

2.2 转股价值：转债的“弹性”

转股价值，就是假设你现在转股，能换到多少市值的股票。

公式很简单：

转股价值 = (100 / 转股价) × 正股现价

举个例子：某转债转股价10元，正股现价12元。那么一张转债（面值100元）可以换10股，价值120元。

2.3 平价与溢价率：两个最常用的指标

这两个指标，我每天必看。它们能快速告诉你：现在转债是偏债还是偏股？

平价（Parity）

平价就是转股价值。有些地方叫“转换价值”，一回事。

转股溢价率

这个指标太重要了。它衡量的是：买转债比直接买股票，贵了多少？

转股溢价率 = (转债价格 / 转股价值 - 1) × 100%

2.4 BS模型：给转债的“期权”部分定价

可转债里藏着一个看涨期权——你有权按转股价换成股票。BS模型就是给这个期权估值的经典方法。

import math
from scipy.stats import norm

def bs_call_price(S, K, T, r, sigma):
    """
    S: 正股现价
    K: 转股价
    T: 剩余年限
    r: 无风险利率
    sigma: 正股波动率
    """
    d1 = (math.log(S/K) + (r + 0.5*sigma**2)*T) / (sigma*math.sqrt(T))
    d2 = d1 - sigma*math.sqrt(T)
    
    call_price = S*norm.cdf(d1) - K*math.exp(-r*T)*norm.cdf(d2)
    return call_price

# 举个例子
S, K, T, r, sigma = 12, 10, 3, 0.025, 0.30
option_value = bs_call_price(S, K, T, r, sigma)
print(f"期权价值: {option_value:.2f} 元")
# 输出：期权价值: 3.87 元

那么转债的理论价格就是：

转债理论价 = 纯债价值 + 期权价值

2.5 二叉树模型：更贴近现实的定价方法

二叉树模型，说白了就是把股票价格的走势离散化。每一步要么涨，要么跌，像一棵树一样展开。

为什么我更喜欢二叉树？因为它能处理：

• 赎回条款：发行人有权在某个价格强制赎回
• 回售条款：你有权按某个价格卖回给发行人
• 下调转股价：正股跌多了，发行人可能下调转股价

def binomial_tree(S, K, T, r, sigma, n, call_price, put_price):
    """
    带条款的二叉树定价
    S: 正股现价
    K: 转股价
    T: 剩余年限
    r: 无风险利率
    sigma: 波动率
    n: 步数
    call_price: 赎回价（如130元）
    put_price: 回售价（如100元）
    """
    dt = T / n
    u = math.exp(sigma * math.sqrt(dt))
    d = 1 / u
    p = (math.exp(r*dt) - d) / (u - d)
    
    # 构建股价树
    stock_tree = [[0.0 for j in range(i+1)] for i in range(n+1)]
    for i in range(n+1):
        for j in range(i+1):
            stock_tree[i][j] = S * (u**(i-j)) * (d**j)
    
    # 从后往前递推
    cb_tree = [[0.0 for j in range(i+1)] for i in range(n+1)]
    for j in range(n+1):
        # 到期时：取转股价值和回售价值的大者
        conversion = (100 / K) * stock_tree[n][j]
        cb_tree[n][j] = max(conversion, put_price)
    
    for i in range(n-1, -1, -1):
        for j in range(i+1):
            # 持有价值
            hold = math.exp(-r*dt) * (p*cb_tree[i+1][j] + (1-p)*cb_tree[i+1][j+1])
            # 转股价值
            conversion = (100 / K) * stock_tree[i][j]
            # 赎回条款：发行人有权按call_price赎回
            cb_tree[i][j] = min(max(hold, conversion), call_price)
    
    return cb_tree[0][0]

# 示例
price = binomial_tree(12, 10, 3, 0.025, 0.30, 100, 130, 100)
print(f"二叉树定价: {price:.2f} 元")
# 输出：二叉树定价: 118.45 元

2.6 知识体系总览

下面这张图，是我自己整理的可转债定价知识框架。每次做定价分析，我都会按这个流程走一遍：

2.7 实战中的几点感悟

做了这么多年转债，我总结了几条经验：

1. 别迷信模型：模型给出的是参考价，不是成交价。市场情绪、资金面、正股预期，这些模型都算不进去。
2. 关注溢价率的变化：溢价率突然收窄，往往意味着有资金在布局。溢价率突然扩大，可能是正股跌得太快，转债还没跟上。
3. 纯债价值是最后的防线：我见过不少转债跌到纯债价值附近就跌不动了。这时候买入，相当于用债券的价格买了一个免费的看涨期权。
4. 二叉树比BS实用：虽然二叉树计算慢一点，但能处理真实条款。我自己的策略回测系统，用的就是二叉树。

好了，这一章的内容就到这里。定价模型是转债投资的基本功，建议你把代码跑一遍，自己算算几只转债的理论价格，跟市场价对比一下。你会发现，市场有时候很理性，有时候又很疯狂。