1992年,我国成功发行的第一只可转债开启了可转债的历史新纪元,在2017年以后几年间可转债市场迎来了大爆发,可转债发行在数量和融资额上的巨大增速受到市场投资者极大关注。我国可转债市场由于起步较晚,对可转债定价研究较少,金融产品的核心在于流通,合理定价是流通的基础,因此对可转债合理定价对我国可转债市场发展有重要意义。本文首先从市场流通的可转债中随机选取了10只可转债样本,使用国外通用的基于B-S方法的价值拆解思路进行定价,发现定价结果和实际市场价格偏差较大,误差平均在8%左右。这一结果说明国外的通用方法并不完全适用于我国的市场,根据前人的研究,这些误差是来自于我国可转债附带的向下修正等特殊条款,使用上述方法难以将这些特殊条款对可转债价值的影响合理量化。基于我国可转债的特殊性,本文尝试采用基于机器学习的回归方法对可转债进行定价研究。机器学习相较于传统定价方法,可以通过指标选取覆盖所有影响可转债价值的因素,并且不需要去人为考虑如何量化可转债的特殊条款等因素对可转债价值的影响。本文通过搜集市场上存续流通的409只可转债发行以来交易日各维度的数据,尽可能选取所有影响因素作为特征,对比了随机森林、投票器、支持向量机等几种机器学习方法定价效果,得出基于随机森林的Ada Boost有最好的定价效果,在测试集上表现最优。接着使用该算法对选取的10只可转债样本进行定价,结果表明预测精确度和稳定性远高于基于B-S的价值拆解定价方法,平均误差控制在2%左右。因此考虑在未来对可转债进行定价研究时使用基于随机森林的Ada Boost算法作为定价参考,并且在未来不断扩大训练数据库,进一步优化模型的定价效果。