第四章 研究方法及步驟
第五節 定價模型參數介紹
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
單一的二項樹模型可以解決可轉債提前轉股的問題，但無法對贖回、回售條 款進行有效的刻畫，準確度不及最小平方蒙地卡羅模擬法。
最小平方法蒙地卡羅的優勢在於準確，當衍生品涉及的變量較多時，也可以 較好的模擬，而且可以算出評價結果的標準誤，可以處理複雜的收益形式。缺點 是計算量較大。為了驗證實際交易價格和理論價格的差異，本文使用以下公式計 算誤差率：
誤差率=（理論價格− 實際交易價格）
實際交易價格 誤差率越大，代表理論價格與實際價格偏差越大。
第五節 定價模型參數介紹
一、無風險利率
中國對可轉債的發行審核較嚴格，因此目前成功發行可轉債的公司大多為大 型國有企業、資產規模及質量良好、業績優秀的公司，其信用等級比較高，因此 使用中國國債收益率作為計算無風險利率的基準。
為了得到每一天的利率，本文採用Nelson-Siegel-Svensson 模型。
Nelson and Siegel (1987)利用 Laguerre 函數來建立了一種瞬間遠期利率參 數化的模型，此一模型之優點之一是模擬出來的殖利率曲線是一連續平滑的曲 線，與實際市場情況比較吻合。且無需依賴複雜的參數即可建構利率期限結構，
方便實用。該模型可寫成：
f 0,m = β0+ β1e−τm+ β2(τm)e−τm （25）
因：
r 0,m =m o1 mf(0,s)ds （26）
故可得瞬間即期利率為：
‧
建立了Nelson-Siegel-Svensson 模型，為：
r 0,m = β0+ β1 1−e− mτ1
該模型是基於Nelson-Siegel 模型基礎上改良而得的國債利率期限結構估計 模型，與Nelson-Siegel 模型相比，多考慮了如何讓利率曲線更具駝峰型，該模 型更善於擬合市場實況中的具有複雜形狀的利率期限結構曲線。
‧
‧
‧
AA-‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
（3）無風險利率
本文所使用的無風險利率是根據Nelson-Siegel-Svensson 模型模擬出來的殖 利率，數據來自於中國國債收益率，使用1 天到 50 年期的零息殖利率，通過 Nelson-Siegel-Svensson 模型求得隱含遠期利率。發行日 2018 年 12 月 31 日的中 國國債收益率數據如表3 所示。
表 3 中國國債收益率
期限（年） 0.00 0.08 0.17 0.25 0.50 0.75 1 3
利率（%） 2.9297 3.0921 3.0148 2.9613 3.167 3.3053 3.3221 3.5697
期限（年） 5 7 10 15 20 30 40 50
利率（%） 3.6609 3.7402 3.7407 4.014 4.053 4.1749 4.2134 4.2294
得到六個參數如表4 所示。
表 4 Nelson-Siegel-Svensson 模型參數
參數區
β0 β1 β2 τ1 β3 τ2
4.3992 -1.4586 -0.0001 5.9373 1.0979 1.1961
根據Nelson-Siegel-Svensson 模型擬合出的中國國債零息殖利率曲線如圖 4-1 所示。
图 4 殖利率曲線
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
（4）股票波動度
本文採用了歷史波動度，利用可轉債上市52 週前的標的股票歷史收盤價來 計算個股的每日波動率，並以每年250 個交易日來估計股票價格的年波動率，具 體數據如下表5 所示。
表 5 可轉債標的股票波動度
可轉債 110044 110045 110047 110048 113020 113504 113505 波動度 0.6492 0.2445 0.2449 0.2547 0.4272 0.3032 0.4926 可轉債 113507 113508 113509 113510 113517 113519 113520 波動度 0.4456 0.5307 0.4020 0.4680 0.6315 0.4216 0.5049 可轉債 113521 113522 113523 123009 123010 123011 123012 波動度 0.4683 0.5290 0.4961 0.4528 0.3807 0.3433 0.4933 可轉債 123015 123016 123017 127006 127007 128035 128036 波動度 0.5067 0.5276 0.6721 0.2916 0.5697 0.4690 0.6106 可轉債 128037 128038 128039 128040 128041 128042 128043 波動度 0.3619 0.4682 0.4787 0.5045 0.5096 3649 0.7652 可轉債 128044 128045 128049 128050
波動度 0.5878 0.3032 0.4044 0.4802
（5）模擬次數
使用最小平方法蒙地卡羅模擬方法進行定價時，為了更精確的處理條款的影 響，本文將蒙地卡羅模擬的步長設定為1/250，即假定每年 250 個交易日，每一 個交易日為一個時點。為了決定最終的模擬次數，本文以一檔轉債為例，測試了 從100 次到 80000 次時，模擬的結果與標準誤如圖 5。
‧
110044 98.6 109.1 123.2 161.2 143.5 159.3 192.3 153.0 142.3 142.0 133.1 128.0 110045 97.7 100.3 105.3 105.2 101.0 100.0 99.0 101.8 100.4 100.9 99.5 100.0 110047 99.7 107.0 114.2 119.0 108.5 106.5 108.8 109.0 107.0 108.5 106.6 112.6 110048 110.2 117.5 120.0 111.3 107.9 111.6 111.6 117.6 116.6 116.6 118.4 121.3 113020 99.5 105.8 115.9 124.3 123.9 112.4 123.0 117.0 116.0 118.5 117.3 117.5 113504 102.6 107.4 114.4 115.0 105.5 103.2 107.1 107.4 108.7 108.9 107.4 108.8 113505 90.7 93.5 104.1 107.9 102.8 100.9 105.6 101.8 101.3 101.9 101.0 99.2 113507 91.1 98.7 112.3 138.0 120.0 144.0 121.5 115.2 117.4 122.3 123.0 113508 96.5 98.3 100.7 106.9 102.5 100.1 100.7 103.1 103.7 104.0 104.6 103.6 113509 95.6 99.0 104.5 108.0 100.7 98.7 99.0 99.8 101.7 103.6 104.0 110.0 113510 93.1 95.3 99.1 104.0 102.4 102.0 108.0 106.1 106.1 108.4 105.9 103.8 113517 105.2 107.7 114.8 129.0 118.0 119.5 112.0 113.1 117.7 114.3 113.2 114.6 113519 98.1 101.5 110.1 117.2 108.5 108.0 108.4 108.8 107.5 107.0 110.7 109.1 113520 106.1 111.0 124.0 151.2 121.0 119.6 124.2 124.2 120.4 122.5 121.0 127.8 113521 92.5 93.3 112.3 113.0 106.0 100.3 101.6 103.8 101.5 108.3 105.4 104.2 113522 103.8 104.4 120.2 113.0 102.2 101.0 105.5 108.2 111.1 115.2 115.5 116.7 113523 100.9 100.0 110.0 111.0 113.0 111.8 126.7 117.5 122.0 119.2 123.3 125.3 123009 99.2 109.6 119.0 115.0 106.0 104.5 103.2 111.9 115.2 114.5 111.5 110.9
‧
123010 91.5 92.8 99.2 109.7 101.8 100.3 102.0 105.5 103.0 104.2 103.9 101.1 123011 96.7 100.3 109.6 112.6 102.0 97.2 98.4 98.2 97.8 106.2 110.0 111.5 123012 94.7 96.8 121.5 124.0 115.0 108.4 106.8 107.1 105.7 111.7 115.0 113.0 123015 91.2 95.2 113.7 126.0 116.0 110.9 111.4 108.3 112.8 111.1 110.7 110.5 123016 102.0 112.7 132.5 145.3 128.0 122.8 126.6 119.5 121.2 123.1 120.0 115.0 123017 96.7 96.2 109.0 112.0 102.7 100.6 98.4 107.0 117.1 119.0 118.6 126.9 127006 96.0 99.5 109.0 108.0 103.0 100.1 101.3 102.0 103.7 105.1 103.5 104.2 127007 94.7 98.8 110.0 120.6 109.0 109.2 110.0 108.6 111.1 111.9 107.5 107.6 128035 97.8 101.8 108.2 110.0 104.0 103.2 104.5 100.0 103.0 108.0 108.5 108.5 128036 87.9 88.2 99.3 115.8 149.5 160.0 137.0 127.5 125.5 117.0 119.7 110.5 128037 87.6 89.9 93.9 101.4 95.0 94.7 94.5 95.4 95.3 96.2 97.6 95.1 128038 90.5 88.0 105.2 132.0 121.6 118.4 113.0 108.0 109.9 107.3 116.4 127.2 128039 94.9 96.2 106.6 117.8 108.8 110.9 107.9 105.4 105.8 112.1 111.4 106.8 128040 89.3 90.6 98.4 107.6 103.2 103.2 101.5 101.0 107.0 108.9 108.0 106.2 128041 103.5 106.7 138.8 155.6 155.0 137.5 144.5 127.4 134.8 137.1 130.4 144.9 128042 94.6 95.3 102.0 109.9 101.7 98.2 99.9 99.5 101.5 102.8 100.3 99.7 128043 94.3 97.0 109.0 114.4 205.0 140.0 141.9 140.3 154.0 176.7 183.8 185.0 128044 95.0 94.2 99.8 114.3 102.0 100.5 100.6 99.8 101.3 103.1 100.1 99.2 128045 105.5 110.6 116.0 118.4 110.0 110.7 112.1 111.4 114.9 114.1 112.1 112.7 128049 91.7 94.4 105.6 117.9 105.5 103.6 103.4 100.5 101.3 102.7 100.8 99.9 128050 93.3 94.7 101.7 109.0 102.0 100.9 100.0 100.8 99.1 101.1 101.3 98.0
表 7 可轉債理論價格與實際價格誤差率-BT 模型
可轉債 1 2 3 4 5 6 7 8 9 10 11 12
110044 51.1% 36.9% 36.9% 24.1% 26.6% 18.9% 1.9% 15.7% 17.3% 24.0% 27.6% 27.2%
110045 4.9% 6.1% 0.8% -1.8% 1.0% 3.3% 4.1% -0.6% 0.0% -1.6% -0.2% -0.7%
110047 20.1% 20.5% 17.9% 6.2% 12.3% 14.2% 10.1% 6.1% 8.4% 7.1% 11.9% 14.6%
110048 7.2% 6.9% 7.5% 10.8% 8.5% 7.7% 5.3% 1.9% 3.1% 5.1% 3.7% 3.3%
113020 23.9% 28.9% 28.8% 26.5% 11.7% 34.9% 12.9% 11.6% 16.1% 16.3% 15.4% 24.2%
113504 -4.2% -5.7% -11.7% -13.0% -5.2% -3.1% -6.5% -7.3% -7.7% -8.6% -6.9% -5.9%
113505 28.7% 41.1% 27.8% 20.8% 25.8% 34.7% 19.3% 20.4% 20.4% 20.9% 16.5% 21.2%
113507 24.6% 20.6% 16.4% -11.0% 10.7% -17.1% -3.6% 1.7% 0.9% -0.5% -3.2%
113508 24.0% 28.6% 14.3% 5.9% 6.8% 9.3% 8.2% 3.8% 3.4% 2.9% 3.1% 5.3%
113509 13.7% 13.5% 8.2% 1.5% 3.5% 4.8% 4.6% 2.9% 4.7% 0.9% 7.3% 3.9%
113510 20.4% 25.7% 23.8% 19.0% 10.9% 15.0% 5.6% 4.9% 6.3% 0.9% 3.6% 10.2%
‧
113519 27.7% 34.4% 33.5% 19.5% 21.2% 22.2% 21.1% 15.5% 15.3% 26.1% 13.0% 13.1%
113520 40.7% 42.6% 48.5% 7.6% 28.2% 12.5% 9.9% 4.2% 9.1% 9.1% 14.0% 14.7%
113521 30.2% 55.3% 30.6% 28.1% 23.0% 30.0% 29.9% 21.2% 32.6% 19.5% 24.3% 41.9%
113522 24.0% 46.3% 20.8% 16.7% 26.3% 26.2% 23.6% 16.9% 25.7% 25.6% 23.8% 28.1%
113523 27.3% 42.1% 29.4% 36.9% 11.6% 18.3% -0.7% 10.3% 6.6% 11.3% 7.7% 9.0%
123009 32.0% 32.0% 20.0% 20.2% 19.5% 18.9% 29.2% 20.0% 17.5% 13.2% 15.0% 28.2%
123010 25.5% 35.0% 27.6% 13.7% 16.7% 23.4% 24.1% 11.4% 13.7% 14.9% 12.4% 17.9%
123011 38.1% 44.8% 32.7% 21.9% 23.2% 30.6% 25.3% 22.9% 39.5% 35.5% 31.7% 38.8%
123012 42.1% 59.9% 29.9% 22.3% 12.1% 17.0% 19.3% 13.4% 22.7% 15.8% 9.9% 17.1%
123015 25.8% 35.2% 18.8% 4.7% 7.5% 11.4% 8.2% 11.5% 5.7% 9.2% 4.6% 7.4%
123016 41.4% 53.4% 38.6% 18.6% 20.8% 17.4% 10.8% 11.6% 14.9% 12.0% 9.5% 24.4%
123017 36.2% 55.7% 36.8% 25.6% 31.2% 30.4% 22.5% 20.0% 14.1% 7.1% 14.7% 17.5%
127006 8.9% 13.4% 4.1% 4.5% 4.4% 7.9% 6.7% 4.7% 2.0% 1.4% 2.3% 4.0%
127007 11.9% 14.1% 9.0% -5.2% 3.1% 3.4% -9.2% -8.0% -9.6% -11.2% -7.6% -6.9%
128035 2.5% 5.5% 1.0% -3.3% -2.2% -0.6% -5.0% 0.3% 0.4% -2.4% -5.0% -1.2%
128036 40.1% 55.4% 57.2% 60.6% 29.3% 3.8% 14.9% 25.1% 19.5% 31.6% 14.8% 24.8%
128037 15.4% 16.8% 18.7% 4.3% 11.3% 9.4% 7.7% 6.4% 5.9% 5.7% 2.6% 5.7%
128038 15.3% 29.4% 15.7% -8.8% -2.9% -2.7% -0.4% 3.4% 0.5% 8.5% 4.1% 10.5%
128039 23.1% 30.4% 23.8% 7.8% 17.3% 11.6% 10.0% 12.7% 18.1% 10.1% 7.3% 16.0%
128040 27.9% 42.3% 40.7% 22.9% 25.4% 21.9% 21.4% 21.6% 20.3% 20.2% 20.8% 24.9%
128041 40.9% 59.4% 31.8% 22.3% 9.1% 24.6% 11.9% 28.9% 23.0% 17.1% 30.9% 12.0%
128042 19.7% 26.2% 23.9% 10.1% 11.5% 17.5% 15.1% 12.3% 10.0% 4.5% 7.8% 10.5%
128043 44.7% 51.7% 42.2% 62.7% -17.8% 20.8% 19.6% 28.3% -9.0% -18.3% -19.3% -16.5%
128044 27.0% 38.8% 36.8% 12.6% 7.0% 8.9% 8.1% 8.5% 6.1% 4.0% 5.8% 8.1%
128045 10.4% 12.0% 10.4% 3.6% 8.6% 6.5% 5.3% 5.9% -0.7% 0.9% 1.0% 4.2%
128049 35.2% 44.0% 44.2% 17.3% 25.1% 25.4% 22.0% 23.2% 23.2% 20.1% 20.2% 29.2%
128050 32.9% 43.0% 41.1% 20.5% 28.7% 28.0% 31.1% 21.5% 22.0% 28.4% 15.7% 23.4%
表 8 可轉債理論價格與實際價格誤差率-LSM 模型
‧
113505 22.0% 28.1% 15.4% 12.4% 18.0% 22.7% 10.8% 12.3% 14.7% 12.1% 10.6% 15.2%
113507 17.9% 13.1% 5.8% -18.5% 1.8% -21.7% -7.5% -3.0% -3.8% -6.6% -9.2%
113521 21.2% 40.0% 14.0% 13.1% 8.6% 19.0% 18.3% 11.3% 18.4% 11.5% 12.4% 25.6%
113522 13.1% 25.2% 5.9% 7.1% 15.7% 14.0% 10.8% 6.7% 11.4% 10.2% 7.7% 11.9%
113523 16.3% 30.7% 15.7% 9.0% 4.6% 3.0% -7.8% -1.7% 1.4% 6.5% 1.0% 4.3%
123009 19.5% 16.1% 5.6% 8.3% 10.5% 12.0% 20.1% 9.0% 8.0% 5.1% 6.3% 14.8%
123010 19.2% 25.7% 17.1% 5.1% 8.9% 13.3% 13.7% 6.5% 7.1% 8.1% 8.8% 10.2%
123011 23.1% 26.5% 15.2% 9.9% 12.3% 21.1% 16.6% 16.2% 24.7% 19.2% 17.6% 21.9%
123012 27.1% 38.1% 10.9% 5.2% 2.0% 4.7% 8.1% 7.3% 12.3% 7.0% 1.8% 5.1%
128040 20.1% 28.4% 26.0% 9.8% 12.7% 9.6% 12.8% 13.9% 11.0% 10.3% 10.7% 14.0%
128041 24.7% 33.0% 10.7% 3.4% -8.7% 4.7% -4.4% 11.3% 4.3% 0.8% 11.8% -4.4%
128042 13.9% 18.2% 15.1% 1.9% 6.9% 13.0% 10.5% 9.6% 6.4% 4.2% 5.8% 7.5%
128043 28.5% 28.2% 20.9% 30.0% -34.0% -2.7% -4.5% 1.8% -19.2% -28.5% -32.0% -30.3%
128044 16.7% 25.1% 19.9% 1.9% 3.0% 4.4% 2.6% 2.9% 3.3% 1.9% 2.7% 4.3%
128045 5.7% 5.5% 3.3% -1.6% 4.3% 1.9% 0.1% 1.5% -3.4% -1.4% -2.1% 0.2%
128049 23.3% 27.7% 27.1% 6.9% 17.0% 13.8% 14.2% 14.8% 12.9% 12.4% 13.4% 21.6%
128050 21.4% 29.0% 23.3% 8.8% 15.9% 18.0% 19.3% 13.9% 13.2% 17.0% 8.7% 13.8%
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 9 可轉債理論價格與實際價格誤差率-BT 及 LSM 模型
可轉債 110044 110045 110047 110048 113020 113504 113505 BT 模型差異 25.68% 1.29% 12.44% 5.92% 20.95% -7.15% 24.81%
LSM 差異 4.04% 0.74% 7.21% 1.08% 8.22% -6.97% 16.20%
可轉債 113507 113508 113509 113510 113517 113519 113520 BT 模型差異 3.58% 9.63% 5.79% 12.19% 13.60% 21.88% 20.10%
LSM 差異 -2.91% 4.51% 3.07% 6.80% 1.87% 12.28% 4.90%
可轉債 113521 113522 113523 123009 123010 123011 123012 BT 模型差異 30.55% 25.34% 17.48% 22.14% 19.69% 32.08% 23.46%
LSM 差異 17.78% 11.64% 6.92% 11.26% 11.97% 18.69% 10.78%
可轉債 123015 123016 123017 127006 127007 128035 128036 BT 模型差異 12.50% 22.78% 25.98% 5.37% -1.34% -0.83% 31.42%
LSM 差異 4.58% 6.28% 10.70% 3.06% -2.52% -1.74% 13.22%
可轉債 128037 128038 128039 128040 128041 128042 128043 BT 模型差異 9.16% 6.05% 15.68% 25.86% 26.00% 14.08% 15.76%
LSM 差異 8.38% 0.70% 7.71% 14.95% 7.27% 9.42% -3.48%
可轉債 128044 128045 128049 128050 BT 模型差異 14.30% 5.67% 27.42% 28.04%
LSM 差異 7.39% 1.16% 17.10% 16.85%
通過表5-9 可以看出，最小平方法蒙地卡羅模型（LSM）和二叉樹模型（BT）
對可轉債的評價都有一定程度的偏差，整體而言，LSM 模型優於 BT 模型，其原 因可能在於LSM 模型考慮了條款的影響，更貼近市場實際情況。
其中，LSM 模型對可轉債的定價平均誤差為 6.95%，而 BT 模型平均誤差為 16.03%。可見 LSM 模型的整體定價結果較為理想，並且從每個時間節點的定價
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
結果來看，LSM 的效果也更好，走勢與市場情況較一致。
在39 檔可轉債中，平均誤差率較大的轉債如表所示，其中鈞達轉債的誤差 率最大，為17.78%。
表 10 誤差率較大的可轉債
轉債代碼 轉債名稱 LSM 平均誤差率
128036 金農轉債 10.70%
128037 岩土轉債 10.78%
128038 利歐轉債 11.26%
128039 三力轉債 11.64%
128040 華通轉債 11.97%
128041 盛路轉債 12.28%
128042 凱中轉債 13.22%
128043 東音轉債 14.95%
128044 嶺南轉債 16.20%
128045 機電轉債 16.85%
128049 華源轉債 17.10%
128050 鈞達轉債 17.78%
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四節 誤差分析
通過以上實證分析，可以看出無論是單個時間節點，還是整體的誤差率，
LSM 模型都比 BT 模型更貼近可轉債的實際價格，但仍與實際價格有一些偏差，
本文總結有以下三個方面的原因。
一、模型因素
首先，由於本文簡化了贖回條款和回售條款，假設在觸發贖回和回售條款時，
即執行贖回和回售，但實際上，不僅贖回公告日和贖回日之間會有一段時間以便 投資者進行轉股，而且這期間的股價也會變動，對轉股價值產生一些影響。另外，
影響可轉債的因素並未全部納入考量，比如違約風險等。
二、市場因素
由於中國的市場還不夠有效，會導致可轉債的市場價格偏離理論價格，比如 缺乏賣空機制、存在套利成本以及資訊不對稱，都會阻礙套利行為的發生，因此 也會導致市場價格和理論價格不一致。
三、其他因素
可轉債作為一種融資方式，會被其他融資方式所影響，比如公司自有資金、
債務融資、股權融資等等，而且可轉債在轉股時會稀釋公司股權，對股價產生一 定影響，繼而影響可轉債的價值。同時，可轉債具有債券的性質，會直接影響公 司的資本結構，從而影響公司的經營決策及財務風險。除此之外，公司發行可轉 債一般會投資特定的項目，會產生跟公司原有項目不同的風險跟收益，也會對公 司經營產生影響，但這些因素並未被考量。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 第六章 結論與未來展望
本文對中國可轉債產品進行了梳理，回顧了中國可轉債的發展過程，並分析 了條款及影響，基於二項樹和最小平方蒙地卡羅模擬的方法，對39 檔可轉債進 行了評價。
本文發現，相比於二項樹模型，最小平方蒙地卡羅模擬法評價結果與市場交 易價格更貼近，且每個節點的誤差率較小，結果較為理想，驗證了最小平方蒙地 卡羅模擬法更貼近可轉債真實的市場價值，可以提高可轉債的定價效率。
此外，本文還發現可轉債價值存在被市場低估的現象，其原因可能有以下三 點：
（1）可轉債作為新型金融產品，在中國發展時間較短，無論是投資者還是發行 人都對其認識不足，使得其內在價值未被充分體現；
（2）整體市場環境較低迷，導致了公司未來股價不被看好，致使內在轉股權的 價值被低估；
（3）估計參數時使用的方法不同，以及股價樣本區間的不同都會導致最後定價 結果的不同，從而產生一定的定價誤差。
本文也有一定的局限性，首先是未把信用風險納入考量，會導致結果不夠精 確；其次，本文未考量可轉債轉股後對原始股權的稀釋作用，這樣會在一定程度 上影響可轉債的定價準確程度。此外，交易費用、股票分紅等其他會影響可轉債 價格的因素也沒有被考慮在本文中。
另外，Nelson-Siegel-Svensson 模型模擬出來的殖利率曲線的期限為 50 年，
但本文只使用前一年的利率，導致準確度不如動態利率模型準確，這也是今後可 以改進的部分。本文同時考量各個條款的影響，以便得出可轉債整體的價值，但 評價每一個條款的價值，即計算單一的權利價值，也是一個值得研究的研究方向。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 參考文獻
Bhattacharya, M., & Zhu, Y. (1997). Valuation and analysis of convertible securities. The Handbook of Fixed Income Securities, 5, 791-817.
Black, F., & Scholes, M. (1973). The pricing of options and corporate liabilities. Journal of political economy, 81(3), 637-654.
Boyle, P. P. (1977). Options: A monte carlo approach. Journal of financial economics, 4(3), 323-338.
Boyle, P. P. (1986). Option valuation using a tree-jump process. International Options Journal, 3, 7-12.
Brennan, M. J., & Schwartz, E. S. (1980). Analyzing convertible bonds. Journal of Financial and Quantitative analysis, 907-929.
Chan, A. W., & Chen, N. F. (2007). Convertible bond underpricing: Renegotiable covenants, seasoning, and convergence. Management Science, 53(11), 1793-1814.
Cheung, W., and Nelken, I. (1994). Costing the converts. Risk, 7(7),47-49.
Cox, J. C., Ross, S. A., & Rubinstein, M. (1979). Option pricing: A simplified approach. Journal of financial Economics, 7(3), 229-263.
Ho, T. S., & Lee, S. B. (1986). Term structure movements and pricing interest rate contingent claims. the Journal of Finance, 41(5), 1011-1029.
Ingersoll Jr, J. E. (1977). A contingent-claims valuation of convertible securities. Journal of Financial Economics, 4(3), 289-321.
Longstaff, F. A., & Schwartz, E. S. (2001). Valuing American options by simulation:
a simple least-squares approach. The review of financial studies, 14(1), 113-147.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Lvov, D., Yigitbasioglu, A. B., & El Bachir, N. (2004, December). Pricing convertible bonds by simulation. In Second IASTED international conference (pp. 259-264).
Moreno, M., & Navas, J. F. (2003). On the robustness of least-squares Monte Carlo (LSM) for pricing American derivatives. Review of Derivatives Research, 6(2), 107-128.
Nyborg, K. G. (1996). The use and pricing of convertible bonds. Applied Mathematical Finance, 3(3), 167-190.
Poensgen, O. H. (1965). The valuation of convertible bonds.
Tsiveriotis, K., & Fernandes, C. (1998). Valuing convertible bonds with credit risk. The Journal of Fixed Income, 8(2), 95.
莊新田, & 周玲春. (2006). 基於雙因素的可轉換債券定價模型. 東北大學學報 (自然科學版), 27(3), 320-323.
袁新熠. (2008). 基於最小二乘蒙特卡洛方法對中國可轉債市場價格的偏差分析 (Master's thesis, 電子科技大學).
唐文彬, & 張小勇. (2008). LSM 可轉債定價模型及其應用研究. 財經理論與實 踐, 29(4), 50-53.
陳盛業, & 王義克. (2007). 奇異期權與中國可轉債定價. 清華大學學報(自然科學 版)(06), 127-130.
張江紅, & 楊善朝. (2007). 可轉換債券定價的三叉樹方法. 太原師範學院學報:
自然科學版, 6(2), 8-11.
張德華, & 陶融. (1999). 布萊克—斯科爾斯期權定價模型在可轉換債券定價中 的應用. 財經理論與實踐, 20(6), 52-54.
鄭振龍, & 林海. (2004). 中國可轉換債券定價研究(Doctoral dissertation).
賴其男, 姚長輝, & 王志誠. (2005). 關於我國可轉換債券定價的實證研究. 金融
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 附錄
一、可轉債基本情況表
債券代碼 債券簡稱 債券全稱 年度 品種類別 發行量（百萬）發行價格
110044 廣電轉債 廣電網絡公開發行可轉換公司債券 2018 附息債 8 100
110045 海瀾轉債 海瀾之家股份有限公司公開發行可轉換公司債券 2018 附息債 30 100
110047 山鷹轉債 2018 年山鷹國際控股股份公司公開發行可轉換公司債券 2018 附息債 23 100
110048 福能轉債 福建福能股份有限公司公開發行可轉換公司債券 2018 附息債 28.3 100
113020 桐昆轉債 2018 年桐昆集團股份有限公司公開發行可轉換公司債券 2018 附息債 38 100
113504 艾華轉債 湖南艾華集團股份有限公司公開發行可轉換公司債券 2018 附息債 6.91 100
113505 杭電轉債 杭州電纜股份有限公司公開發行可轉換公司債券 2018 附息債 7.8 100
113507 天馬轉債 福建天馬科技集團股份有限公司公開發行可轉換公司債券 2018 附息債 3.05 100
113508 新鳳轉債 新鳳鳴集團股份有限公司公開發行可轉換公司債券 2018 附息債 21.53 100
113508 新鳳轉債 新鳳鳴集團股份有限公司公開發行可轉換公司債券 2018 附息債 21.53 100