【广发•早间速递】关注AI在国防领域应用潜力

RECOMMENDATION

REPORT  HIGHLIGHTS

金工：可转债定价研究：考虑赎回、下修及回售条款与退市、信用风险：量化可转债研究之八

转债定价方法： BS模型、二叉树模型、蒙特卡洛模拟，各有优缺。本篇报告将可转债拆解为看涨期权+债底。其中看涨期权部分将考虑三大特殊条款，通过解析解定价，计算精度相对于BS模型有所改善，计算速度相对二叉树和蒙特卡洛模拟，具有数量级的提升；债底部分将考虑退市及信用风险，相对传统用同等级信用债指数YTM贴现的方法，在市场出现信用风险和退市风险预期后，定价更为精确。

考虑三大特殊条款的期权定价： 期权定价部分，我们考虑了赎回、下修、回售三大特殊条款，通过生成正股的七种可能波动路径，在风险中性假设下计算现值，得到奇异期权解析定价。

考虑退市风险与信用风险的债底定价： 对于退市风险，主要考虑交易类退市中的1元退市和市值退市，可以根据退市前转股卖出所获现金流，通过二值期权对债底定价；对于信用风险，可以通过信用债资产负债率相关数据建立回归模型，代入可转债发行主体的资产负债数据，获得考虑信用风险的YTM预测值，并在上述债底定价过程中进行贴现。

定价结果对比： 通过将债底定价与期权定价相加，得到可转债定价。从结果来看，本篇报告模型给出的可转债定价，整体比传统方法给出的定价更低。由此构造定价偏差因子。

因子测算： 通过可转债收盘价与理论定价的偏差构造定价偏差因子，并在全市场可转债中进行分层月频调仓测算，在偏债层、中性层、偏股层中均有效，2019年以来年化收益分别为6.96%、27.38%、53.49%。通过分层市值加权构建的转债组合，2019年以来年化收益30.03%，夏普比率2.15，最大回撤11.82%。

军工：关注AI在国防领域应用潜力

2025年2月3日，美国公司 Palantir披露24年财年Q4业绩，25财年指引积极，美国政府部门收入保持快速增长，领先数据分析及 AI/ML工具平台扩大对军方的支持。自18年以来，美国陆军利用 Palantir 的软件改变了其使用数据和人工智能的方式，从而更有效地执行基本任务，并使整个部队能够更快地做出决策。Vantage 最初侧重于让美国陆军了解人员准备状态和战斗准备状态，如今已成为支持 ADP 的核心软件系统，为作战人员提供支持，并支持多个领域的应用，包括战备、后勤、招募、部队管理、人才管理、财务管理、风险管理和安装管理等。

关注全球AI技术发展浪潮下装备领域潜在的应用场景及投资机遇，建议关注无人装备及智能武器、战场态势感知与决策、电子战&网络空间攻防、仿真及模拟训练、装备维护、AIDC如燃气轮机等。