4、联动性量化指标：计算正股与转债的相关系数、Beta值、价格弹性，判断联动强度

做转债交易这些年，我最大的体会就是：不懂正股，就别碰转债。你想想看，转债本质上就是个「债券+看涨期权」的混合体，而那个看涨期权的底层资产，就是正股。所以正股一动，转债必然跟着动——但怎么动、动多少、什么时候动，这就是我们今天要聊的核心。

我个人习惯把联动性拆成三个维度来看：相关性、Beta、弹性。这三个指标就像三把尺子，帮你量清楚正股和转债之间的「亲密度」。

4.1 相关系数：衡量方向一致性

相关系数，说白了就是看正股涨的时候，转债是不是也跟着涨。取值范围在-1到1之间：

• 接近1：正股涨1%，转债大概率也涨，方向高度一致
• 接近0：基本没啥关系，各走各的
• 接近-1：反向走，这种情况在转债里极少见

我在项目中遇到过一只转债，正股连续三天大涨，转债却纹丝不动。一算相关系数，只有0.12。后来发现是这只转债的转股溢价率高达80%，说白了就是「虚值太深」，正股再怎么涨也够不着转股价。嗯，这时候相关系数就帮你排雷了。

计算方式很简单，用Python几行代码就能搞定：

import numpy as np
import pandas as pd

# 假设df包含两列：'stock_ret'和'convertible_ret'
# 都是日收益率序列
corr = df['stock_ret'].corr(df['convertible_ret'])
print(f"相关系数: {corr:.3f}")

# 我习惯加个判断
if corr > 0.7:
    print("强联动，可以重点关注")
elif corr > 0.4:
    print("中等联动，需要结合其他指标")
else:
    print("弱联动，小心陷阱")

4.2 Beta值：衡量敏感度

相关系数告诉你「方向对不对」，Beta值告诉你「幅度够不够」。Beta的数学含义是：正股每变动1%，转债平均变动多少百分比。

举个例子：如果Beta=0.6，正股涨1%，转债理论上应该涨0.6%。如果Beta=1.2，那转债比正股还猛，涨得更多。

我曾经踩过一个坑：有只转债相关系数高达0.85，看着挺美，但Beta只有0.3。正股涨了5%，转债才涨1.5%。为什么？因为这只转债的债券底太厚了，债性把价格「焊死」了。所以光看相关系数不够，Beta才是真正告诉你「能赚多少」的指标。

计算Beta的公式：

# 用线性回归算Beta
from sklearn.linear_model import LinearRegression

X = df[['stock_ret']]  # 正股收益率
y = df['convertible_ret']  # 转债收益率

model = LinearRegression().fit(X, y)
beta = model.coef_[0]
alpha = model.intercept_

print(f"Beta: {beta:.3f}")
print(f"Alpha: {alpha:.4f}")  # 超额收益部分

4.3 价格弹性：衡量瞬时反应速度

相关系数和Beta都是「统计量」，需要一段时间的数据才能算出来。但交易是实时的，你等不了。这时候就需要价格弹性——它衡量的是正股价格变化后，转债在多短时间内做出反应。

我一般用两种方式算弹性：

1. 当日弹性：正股当日涨跌幅 / 转债当日涨跌幅。如果正股涨2%，转债涨1%，弹性就是0.5。
2. 滞后弹性：正股今日涨跌幅 / 转债明日涨跌幅。有些转债反应慢半拍，今天正股涨了，明天转债才跟。

我记得有次做一只小盘转债，当日弹性只有0.3，但滞后弹性高达0.8。这说明什么？说明市场对这个转债的定价效率低，存在套利空间。我当天尾盘买入，第二天开盘果然补涨了。

4.4 联动强度综合判断

三个指标各有侧重，我一般把它们放在一起看：

联动强度	相关系数	Beta值	价格弹性	典型特征
强联动	> 0.7	0.6 - 1.2	> 0.5	股性强，适合做正股替代
中等联动	0.4 - 0.7	0.3 - 0.6	0.3 - 0.5	股债平衡，需结合溢价率判断
弱联动	< 0.4	< 0.3	< 0.3	债性主导，不适合做联动交易

你可能会问：这三个指标如果出现矛盾怎么办？比如相关系数高但Beta低？

我的经验是：优先看Beta。相关系数高说明方向对，但Beta低说明幅度不够，赚不到钱。反过来，如果Beta高但相关系数低，那说明波动大但方向不稳定，风险太高。最理想的状态是三个指标都指向强联动。

4.5 知识体系总览

下面这张图把联动性量化的核心逻辑串起来了，建议你保存下来对照着看：

这张图把整个联动性量化的流程串起来了。从左到右看：先算三个指标，再综合判断强度，最后指导交易决策。我每次做联动分析，脑子里都是这张图。

---

公众号:蓝海资料掘金营，微信deep3321