新闻与公告详情

谢能-中诚信指数服务(北京)有限公司跨资产部落研究员

毕业于中科院物理专业，曾在量化私募从事量化投资工作，主要研究方向为股票量化投资。

一、引言

2020年十月，国务院金融稳定发展委员会在会议中表示，将全面实行股票发行注册制，建立常态化退市机制。这一背景下，投资者开始更多地关注公司风险维度。另一方面，从宏观角度来看，违约事件的产生必然对其股票表现产生严重负向冲击。在这样的大环境下，构造财务危机模型，能够及时地发现公司财务危机，帮助投资者对上市公司进行有效评价，为投资者提供决策依据，同时帮助监管者对市场实施有效监管。

二、理论背景

Campbell（2008）主要研究了美股市场上市公司财务危机的问题，围绕公司破产可能性的预测展开。首先，为预测破产的可能性，作者将核心解释变量分为会计指标和资本市场指标两类，通过运用逻辑回归的方法，将破产的边际概率作为被解释变量。破产指标是一个虚拟变量，当公司在公开的报告或文件中被登记为破产时，数值为1，否则为0。会计指标包括净收益-市值资产比率（NIMTA）、收益-账面资产比率（NITA）、总杠杆-市值资产比率（TLMTA）、总杠杆-账面资产比率（TLTA）短期流动资产-资产比率（CASHMTA）、账面市值比（MB）。资本市场指标包括股票超额收益（EXRET）、过去三个月的收益波动（SIGMA）、公司市值（RSIZE）、每股价格（PRICE）。实证结果证明，所包含的因子均显著。通过将被解释变量替换为破产的条件概率，作者从长期视角观察因子的影响力，实证结果证明市值(RSIZE)、收益波动（SIGMA）和账面市值比(MB)的长期效应较好。

由于A股市场与美股市场存在较大差异，中诚信财务预测模型根据A股进行修正。在因变量部分，参考文献中，作者依据公司破产登记情况构造破产指标。然而由于A股上市公司破产风险难以量化，本模型以股票是否被ST为原始代理变量并对其进行相应加工，作为上司公司财务困境预测模型的因变量（Y）。在解释变量部分，由于在A股市场上，交易所将依据公司净利润、净资产、营业收入状况对不符合规定的公司实施ST，因此模型中加入了LOSS_LAST、NA_LOSS_LAST、OR_LOSS_LAST三个虚拟变量，分别代表公司前一期净利润、净资产及营业收入的情况，同时由于被ST股票多为低价股，本模型修改因子PRICE生成规则为收盘价大于15元时等于ln（15+1）。

三、因变量

被解释变量为二分类变量，具体定义为：ST股票记为1，非ST股票记为0。需要指出的是，以股票被ST为时间原点，往前追溯一年并且向后延长一年皆为财务状况需要警惕的时间段，在标签处理上统一记为1。

针对ST股票进行简单的统计分析，样本空间为2010年至2021年11月的A股上市公司（下同）。下表为不同分域下年度ST股票个数统计，A_ST、HS300_ST、ZZ500_ST、ZZ1000_ST和others_ST分别指代全部A股、沪深300、中证500、中证1000和其他股票（全部A股去除沪深300、中证500和中证1000）的ST股票数目。可以发现最近5年A股ST有逐渐增加的趋势，三大宽基指数成分股被ST比例低于3%。

下图所示为全部A股被ST前后相对万得全A指数的超额收益的平均值、标准差、二者比值以及样本个数，整体来看，股票被ST时的过去两年和未来两年超额收益皆为负值，特别是被ST之前，其负向alpha十分显著。

四、解释变量

从指标类型来看，模型解释变量主要基于三大财务报表中的基本面指标，同时引入波动率类等技术面指标，亦包含A股市场与被解释变量（被ST）直接相关的财务类指标。指标的具体含义如下表所示，依照文献的处理方法，本文对连续型变量进行上下5%的缩尾处理：

五、模型训练

使用Logistic Regression模型，对财务困境状态进行预测。模型形式为：

样本具有一定的不均匀性，非ST标签样本数量为ST标签样本数量的三十多倍，故训练时引入sample_weight。训练过程为第n年至第n+4年的五年样本内数据作为训练集和测试集，确定回归系数，作为未来半年ST预测因子的回归系数。以此类推，每半年利用过去五年的数据训练一次模型，确定未来半年的回归系数。

为有效评估模型效果，我们引入精确率（precision）、召回率（recall）以及F1值（f1-score）三大评价指标。指标的具体含义及构造方式如下所示：

True Positive（TP）：真正类。样本的真实类别是正类，并且模型识别的结果也是正类。

False Negative（FN）：假负类。样本的真实类别是正类，但是模型将其识别为负类。

False Positive（FP）：假正类。样本的真实类别是负类，但是模型将其识别为正类。

True Negative（TN）：真负类。样本的真实类别是负类，并且模型将其识别为负类。

精确率定义：将正类预测为正类数量/(将正类预测为正类数量+将负类预测为正类数量)；

Precision= TP/(TP+FP)

召回率定义：将正类预测为正类数量/(将正类预测为正类数量+将正类预测为负类数量)。

Recall = TP/(TP+FN)

F1值定义：精确率和召回率的调和平均数

下图所示为所有训练周期测试集以及训练集的结果：

以第一行为例，start_date为20060601，end_date为20101201，表示训练集起始时间为20060601，结束时间为20100601，测试集其实时间为20100601，结束时间为20101201。precision_train、recall_train、f1-score_train分别为训练集精确率、召回率以及F1值。precision_test、recall_test、f1-score_test分别为测试集精确率、召回率以及F1值。

六、指数应用

中诚信全指的样本空间是全部在上海证券交易所、深圳证券交易市场中上市交易的A股股票，并剔除ST、*ST股票以及中诚信认定的“中诚信财务预测模型”违约概率最高的5%的股票。

七、ST预测因子分析

计算所得ST预测因子值为0到1之间的概率值，越接近0表示非ST的概率越小（即ST概率越大）。下图所示为2010年至2021年把股票按因子值从小到大分为十组，每组中含有的ST股票数目（预测时已被ST的股票，因子值赋值为0），因子值对ST数目分层效果显著。

下面三个图示分别为2010年至2021年，2010年至2016年以及2017年至2021年因子在全市场的21D（一个月）、63D（一季度）和126D（半年）持仓周期下的分组收益（等权）。可以发现，从2010年到2021年整体来看，因子值与收益呈负相关（ST概率大的收益高），特别是在2010年至2016年，分层收益更加显著。然而从2017年到2021年来看，分层收益亦十分明显，但因子值与收益呈正相关（ST概率小的收益高）。

2017年前后因子表现完全相反，这与有关财务危机研究报告相关结论一致，即：2016年以前，A 股具有显著的壳资源效应，即亏损、ST的个股被认为是潜在的壳资源标的，一旦被借壳，股价可能会大幅度上涨。然而从2017年以来，随着市场规范化程度不断提升，北上资金大举进入A股市场，大盘蓝筹股受到市场青睐，国内资本市场投资者转向对公司基本面的关注，价值投资理念逐渐深入人心。

2010年至2021年

2010年至2016年

2017年至2021年

以下各图不同时间段大市值、中市值和小市值的分组平均收益。整个时间段来看（2010年至2021年），对于大市值股票，ST预测因子与收益正相关且分层收益显著，对于小市值股票，ST预测因子与收益负相关且分层收益也显著。2010年至2016年时，对于小市值股票，ST预测因子与收益负相关且分层收益显著，对大市值分层收益不明显。2017年至2021年时，对于大市值股票，ST预测因子与收益正相关且分层收益显著，对小市值分层收益不明显。对于不同市值，2017年前后因子表现存在差异，叠加效果导致2010年到2021年因子在小市值与大市值上对收益影响相反。

2010年至2021年

2010年至2016年

2017年至2021年

下图为行业市值分组中性化后的分组收益，分层效果不明显。

八、指数增强

本节研究ST预测因子的正向选股：1、全市场按流通市值选择排名前三百位（或三百零一到八百位，八百零一到一千八百位）作为候选股票；2、通过ST预测因子从高到低排序，剔除排序后60%的候选股票；3、剩下候选股票按流通市值加权构成组合，调仓周期为半年。下图所示为所构造指数组合的走势。

基于300指数增强

基于500指数增强

基于1000指数增强

综合来看，ST预测因子用作正向选股构造价格指数增强策略，最近5年相对沪深300、中证500和中证1000的年超额收益约为2%、2%和6%。

九、模型总结

本文主要结论如下：

1. 整个时间段来看（2010年至2021年），对于大市值股票，ST预测因子与收益正相关且分层收益显著，对于小市值股票，ST预测因子与收益负相关且分层收益也显著。2010年至2016年时，对于小市值股票，ST预测因子与收益负相关且分层收益显著，对大市值分层收益不明显。2017年至2021年时，对于大市值股票，ST预测因子与收益正相关且分层收益显著，对小市值分层收益不明显。对于不同市值股票，2017年前后因子表现存在差异，叠加效果导致2010年到2021年因子在小市值与大市值上与收益相关性相反。

2017年前后因子表现完全相反，这与有关财务危机研究报告相关结论一致，即：2017年以前，A 股具有显著的壳资源效应，即亏损、ST的个股被认为是潜在的壳资源标的，一旦被借壳，股价可能会大幅度上涨。然而从2017年以来，随着市场规范化程度不断提升，北上资金大举进入A股市场，大盘蓝筹股受到市场青睐，国内资本市场投资者转向对公司基本面的关注，价值投资理念逐渐深入人心。

ST预测因子负向剔除构建规模指数相对于基准几乎没有超额，这可能来源于ST在规模指数中个数占比较小（小于3%），权重占比更小（小于0.3%），故基于ST剔除对指数收益增强效果不明显。

ST预测因子用作正向选股构造价格指数，最近五年相对沪深300、中证500和中证1000有一定超额收益。