可转债|转债强赎条款的风险与套利机会再思考
中信证券研究
2025年股票市场牛市的背景下,强赎条款对转债和正股带来的扰动和“负反馈”却在加大,我们认为原因可能在于超预期强赎的案例增多、权益市场对转债的关注度提升、以及可转债ETF调仓行为的影响。此外,强赎前后的转债、正股超跌现象本质也和固收机构的交易制度有关,因此超跌带来的套利机会也值得重视。建议关注不强赎转债转股溢价率回升策略以及超预期强赎后的转债和正股超跌反弹策略。
▍2025年股票市场牛市的背景下,越来越多的转债触发强赎条款并顺利转股,但超预期强赎与超预期不强赎的事件也在增多。
采用2021年1月31日至2025年11月21日的转债强赎公告与不强赎公告作为研究样本。若在强赎公告前2个交易日转股溢价率大于2%,则判定为超预期强赎,在不强赎公告日前2个交易日转股溢价率小于2%则判定为超预期不强赎。
2025年截至11月21日,超预期强赎转债占比为26%,高于2024年全年的14%。由于转债强赎可能对股债造成阶段性抛压,特别是机构重仓的高等级大规模转债。转债超预期强赎对投资者而言往往是风险。
2025年截至11月21日,超预期不强赎转债占比为44%,2024年为67%,2023年为36%。对于投资者而言,转债不强赎往往更难预测,由于不强赎后转债价格可能有阶段性的期权价值回归,因此转债不强赎对投资者而言往往是套利机会。
▍2025年转债强赎带来的“股债双杀”负反馈加大。
根据我们测算,2025Q4截止11月21日转债在强赎公告日当天的下跌幅度约为2.95%,2025Q3为3.99%,2025Q2为2.36%,2025Q1为1.71%。2025年转债强赎带来的“股债双杀”负反馈实际逐渐加大。
2025年超预期强赎的案例增多。转债强赎条款本质也是投资者与发行人之间的一种博弈。这几年发行人对转债这类资产的学习效应增强,超预期条款执行的事件也在增多。超预期强赎往往会造成机构密集出库个券,造成股债双杀。
随着转债这类资产的逐渐成熟,权益投资者对转债的关注度也在上升,也会在转债强赎条款干扰前后卖出正股躲避下跌,进一步造成负反馈。对于流通稀释率较高的转债,其负反馈甚至会提前。此外,2025年以来,许多发行人借助股票市场牛市对正股进行市值管理,推动转债的转股化债)。有些正股的上涨缺乏基本面支撑,受到转债的强赎干扰也会加大。
2025年可转债的ETF市场占比提高。我们在《可转债指数研究系列之一—基于转债ETF调仓的套利策略》(2025年9月23日)详细探讨了ETF调仓行为对个券的影响。ETF对强赎的转债剔除持仓样本也会造成转债的进一步下跌。
持续的板块热点行情可以掩盖强赎扰动。比如今年比较热门的AI算力行业转债,在强赎前后受到的影响较小。
▍强赎条款带来的套利策略:
不强赎转债转股溢价率回升策略:买入即将触发强赎条款、转股溢价率在2%以下、且发行人可能选择不执行强赎的转债,博弈发行人不强赎后转债期权价值的回升、对正股价格的提振间接抬升转债价格的收益。该策略往往适用于股票牛市。不强赎转股溢价率回升策略本质是信息不对称套利,市场预期不充分的不强赎往往会推动转债期权价值快速回升。此外,股票投资者往往对转债不强赎解读为利好事件,正股的上涨也会进一步推动转债价格上升。
超预期强赎后的转债和正股超跌反弹策略:转债超预期强赎且“股债双杀”后,可以在转债最后存续的几天买入转债,博弈短期转债正股价值回归,或者买入转债并且转股,博弈更长时间的正股价值回归。超预期强赎后的超跌反弹策略本质也是“套机构规则的利”。大部分固收机构要求转债强赎后进行出库、转债不能转股、或转债转股后不能长期持有股票。因此超预期强赎的转债往往会形成超跌。对于交易型投资者而言,可以结合股票市场的行情与板块轮动情况,在超跌转债的最后若干个交易日博弈短期转债正股价值回归。对于不受转债转股后股票持有限制的转债投资者而言,可以买入转债并且转股,博弈更长时间的正股价值回归。
利用强赎价格作为转债定价的锚:强赎条款是一只转债快速转股、结束生命周期的标志性条款,转债在强赎时的价格分布值得关注,往往可以作为转债定价的一种锚。根据我们测算,2024年,转债在强赎公告日的价格中位数为144.75元,在停止交易日的价格中位数为146.47元。2025年截至11月21日,我们测算转债在强赎公告日的价格中位数为140.27元,在停止交易日的价格中位数为138.00元。这意味着转债在退市前的价格中位数往往分布在140-150元。股票牛市期间上市新转债的定价往往也在140-150元,一定程度上是因为打入了转债强赎价格的预期。《可转债指数研究系列之一基于转债ETF调仓的套利策略》(2025年9月23日)中介绍的新券策略也可以采用强赎价格作为转债定价的依据之一。
▍风险因素:
正股退市风险;转债转股价下修被否或下修幅度不及预期的风险;转债超预期信用风险;政策超预期变动风险;样本数据有限带来的统计偏差风险。