“薪火”量化分析系列研究(二)票据逾期数据中的选股信息
创建于 更新于
摘要
本报告基于上海票据交易所公布的“持续逾期名单”,构建单期、多期及边际变化的逾期组合,验证该数据内含负向选股信息。多期连续逾期股票组合回测显示年化超额收益最高达41.44%,信息比率为1.50,具显著排雷效果。信用好转组合则实现正向超额收益12.56%。整体表明逾期数据是一种有效的信用风险预警因子,为投资者风险控制提供有力工具 [page::0][page::4][page::8]
速读内容
票据逾期数据简介与用法 [page::2]
- 票据为企业融资工具,逾期反映企业财务困境,影响信用评级及股价表现。
- 持续逾期名单基于半年内三次以上逾期且当前有逾期余额企业,具有较强的信息含量。

逾期上市公司数量及行业分布 [page::3]
- 每月披露约30家上市公司逾期,数量有波动但整体呈上升趋势。
- 逾期公司在沪深300、中证500、中证1000指数中的分布比例基本符合各指数成份股比例,说明数据具有代表性。

单期逾期组合绩效表现 [page::4]
- 每月基于最新持续逾期名单构建等权组合,平均持有约20只股票。
- 2021/11-2022/12回测显示,该组合相较市场基准获得约27.36%的年化超额收益,信息比率1.76,月度胜率71.43%,最大回撤6.11%。
- 体现逾期名单中股票具有显著负向选股能力。

多期逾期组合构建与绩效对比 [page::5][page::6]
- 基于过去3期名单频率,分别构建出现1次、2次、3次的逾期组合。
- 出现次数越多,组合负向超额收益越显著,连续出现3次逾期的组合实现超40%负向年化超额收益,信息比率达到1.50,月度胜率75%。
- 不同组合净值走势及持股数量详见图表5-8。



| 指标 | 出现1次 | 出现2次 | 出现3次 |
|-------------|-------------|-------------|-------------|
| 年化收益率 | 9.13% | 10.40% | 41.44% |
| 年化波动率 | 12.99% | 19.44% | 27.55% |
| 信息比率 | 0.70 | 0.53 | 1.50 |
| 月度胜率 | 57.14% | 53.85% | 75.00% |
| 最大回撤率 | 7.21% | 7.70% | 14.74% |
边际逾期变化组合分析 [page::6][page::7]
- 基于前两期逾期变化,构建“新增”(未逾期→逾期)、“好转”(逾期→未逾期)、“连续”(逾期→逾期)三类组合。
- 连续逾期组合负向表现最强,年化超额收益23.27%,信息比率1.03。
- 好转组合能够跑赢市场,年化超额收益12.56%,体现信用改善带来正面股价表现。
- 图表9-12展现各组合的持股数量和净值走势。



| 指标 | 新增 | 好转 | 连续 |
|-------------|-------------|-------------|-------------|
| 年化收益率 | 6.69% | 12.56% | 23.27% |
| 年化波动率 | 14.55% | 15.70% | 22.50% |
| 信息比率 | 0.46 | 0.80 | 1.03 |
| 月度胜率 | 71.43% | 50.00% | 61.54% |
| 最大回撤率 | 11.18% | 9.37% | 11.18% |
综合总结及风险提示 [page::8]
- 票据持续逾期名单中的负向信息具有稳定且显著的排雷能力,多期逾期频率高的组合效果更佳。
- 信用好转组表现为正向超额收益,提示信用变化对股价有显著影响。
- 该数据可为机构选股、风控提供重要参考指标。
- 强调历史数据和模型测算局限,存在未来失效风险。[page::0][page::4][page::8]
深度阅读
量化分析报告详尽解读与深度剖析
---
一、元数据与报告概览
- 报告标题:“薪火”量化分析系列研究(二)票据逾期数据中的选股信息
- 作者:沈芷琦、刘富兵
- 发布机构:国盛证券研究所
- 发布日期:未明确具体发布日期,但系列研究中第二篇,于2022年底前发布
- 研究主题:基于上海票据交易所公布的“票据持续逾期名单”数据,利用这一信用风险信号构建量化选股模型,验证其负面选股效果及潜在投资价值。
核心论点概述:
报告核心聚焦票据逾期信息作为一种市场中较新且独特的信用风险信号,认为该信息能够在股票市场发挥有效的负向选股功能。通过构建不同类型的逾期组合(单期、多个历史期、边际变化),投资者能够识别并规避信用风险较高的企业,成功实现相对于市场基准的显著超额收益,尤其在多期连续逾期的股票组合表现突出。此外,对于信用改善的“好转”组合,则能够实现正向超额收益,展现了信用趋势变化的动态价值。
报告没有采用传统的买入卖出评级结构,更多是聚焦数据探索与实证分析,但明确指出逾期名单具备“排雷”作用及选股指导意义。[page::0]
---
二、逐节深度解读
2.1 票据逾期数据简介
报告首先介绍票据的定义及其作为信用风险指标的逻辑:
- 票据类似于债券,是一种承诺未来支付的融资工具。
- 由于企业经营风险,票据若不能按时支付即逾期,变成一种衡量企业信用状况的有效信号。
- 上海票据交易所自2021年11月底起,定期(月初发布上月数据)公布“持续逾期名单”,该名单囊括半年内出现三次及以上逾期且有未兑付款项的企业。
关键之处在于“持续逾期”的认定条件严苛,反映企业短期内信用问题的持久性和严重性。理论上,这种信用等级的下降有望传导至股票市场造成股价负面影响。因此研究聚焦该数据的选股价值。[page::2]
---
2.2 票据逾期的上市公司数量及分布
- 逾期名单中上市公司数量较少,约30家左右,但呈现上升趋势。
- 名单中的上市公司在沪深300、中证500、中证1000等主要宽基指数的分布与其整体比例相符,表明逾期风险未集中于某一指数成分股。
- 绝大多数逾期企业为非上市企业,上市公司的具体分布则较为均匀。
图表3通过柱状图示意了2021年11月至2022年11月间逾期上市公司的月度数量及其在不同指数的分布,蓝色(中证1000成分股)和灰色(其它)占比相对较高,反映了逾期风险并非局限于大盘蓝筹公司。
说明逾期名单作为一个广泛的信用风险甄别工具,在A股市场具有较好的覆盖面和代表性。[page::3]
---
2.3 票据逾期组合的构建
报告第二大块重点阐述了选股组合的构建逻辑,包括关键方法论和操作细节:
- 数据延迟假设:每月第5个交易日公布前一月逾期名单,组合于第6个交易日构建并持有至次月第5个交易日。
- 组合管理:
- 等权买入名单上的所有股票,持股期间不卖出跌停股票。
- 开仓不买入涨停、停牌或ST状态股票,保证流动性和风险控制。
- 市场基准采用万得全A等权指数(代码8841388.WI),并特别强调逾期组合超额收益计算方式均为“市场基准回报减去逾期组合回报”,即超额收益为正时表明逾期股票跑输市场,是负向选股的体现。
由此构建策略统一且清晰,反映了研究设计既考虑了现实市场操作的限制,又以严谨的统计指标衡量组合表现。[page::3]
---
2.4 单期逾期数据下的逾期组合
- 该策略简单直接:每月以最新逾期名单中股票构建股票池,等权持有一个月。
- 投资规模平均约20只股票。
- 关键绩效指标(2021/11/05-2022/12/30回测):
- 市场基准相对逾期组合年化超额收益:27.36%
- 信息比率:1.76(信息比率衡量的是超额收益相对于跟踪误差的风险,1.76为极高水平,显示策略稳定有效)
- 月度胜率(超越市场基准月份占比):71.43%
- 最大回撤:6.11%(较小,风险控制良好)
图表4清晰展示组合持股数与净值走势,超额净值逐步攀升,表明逾期名单具足够的负面筛选能力。该结果明确说明逾期股票短期内持续跑输市场,有效排雷指示。[page::4]
---
2.5 多期逾期数据构建的组合
- 研究对逾期频率引入梯度划分,对过去3期数据回溯,分别统计股票出现逾期次数为1次、2次、3次。
- 分别构建3个逾期组合,考察出现次数与后续负收益之间的关系。
- 绩效总结:
- 出现次数越多,负向收益幅度越大,且越稳定。
- 其中“出现3次”股票组合表现最坏,年化超额收益达到41.44%,信息比率为1.50,月度超额胜率75%。
- “出现1次”“出现2次”组合表现较弱,年化超额收益仅9-10%,信息比率不足1。
图表5-7展示不同次数组合日期维度的持股数与净值走势,均显示出净值明显弱于市场基准。图表8汇总绩效指标,强化了结论的严谨性。
此分析体现了信用风险的连续性和累积性重要性,持续逾期多次的企业信用显著恶化,更强烈地反应在后续股价表现中。[page::4-6]
---
2.6 逾期情况的边际变化分析
- 边际变化视角关注逾期状态的动态演变,将月初回看两期逾期名单结合,划分为:
- 新增逾期:之前未逾期,本期逾期
- 好转:之前逾期,本期未逾期
- 连续逾期:连续两期逾期
- 构建3个组合,考察各自的后续表现。
- 关键发现:
- 连续逾期组合的负向表现最惨烈,年化超额收益23.27%,信息比率1.03。
- 新增逾期组合负向但较轻,年化超额收益6.69%,信息比率0.46。
- 信用好转组合居然正向跑赢市场基准,年化超额收益12.56%,信息比率0.80,月度胜率50%,表现具有参考价值。
图表9-11展示组合持股及净值走势,图表12汇总指标,反映了逾期状态改善对股价的积极影响。
此分析不仅验证了逾期状态的风险信号,还引入信用趋势动力学,有助于更动态和主动的投资策略构建。[page::6-7]
---
2.7 总结与风险提示
- 总结强调“票据持续逾期名单”作为信用风险信息有显著的选股价值,能够有效甄别及规避潜在风险股票。
- 多期连续逾期组合效果最佳,表现出明显的负向超额收益。
- 信用好转个股能够实现正收益,表明信用信息的双向参考价值。
- 报告多次提醒历史回测及统计模型的局限性,市场结构或宏观环境的改变可能导致模型失效,具有一定风险。
图表13将多种组合绩效一览表格式总结,为整体论证提供最直观数据支撑。[page::8]
---
三、图表深度解读
图表1 & 图表13(汇总超额收益绩效)
- 表格详细列出八种逾期组合的绩效指标,包括年化收益率、波动率、信息比率、月度胜率和最大回撤率。
- 其中:
- “多期数据-出现3次”组合年化收益率最高(41.44%),但波动率也较高(27.55%),表现最极端。
- “单期数据”组合年化收益率27.36%,信息比率达到1.76,风险调整后优异。
- “边际变化-好转”组合唯一实现正向超额收益(12.56%),信息比率0.80。
此表充分凸显逾期次数与趋势的重要性,支持报告所主张的票据逾期数据作为选股因子的价值。[page::0,8]
---
图表2(票据持续逾期名单页面截图)
- 这是真实的逾期名单发布平台截图,增强报告数据的真实性和来源的权威性。
- 从中可以看到名单发布频率、披露时间及余额概况,体现逾期数据的公开透明与及时性。[page::2]
---
图表3(上市公司数量及分布)
- 条形图清晰展现2021年末至2022年11月每月逾期上市公司数量及其指数分布。
- “中证1000成分股”和“其他”板块持续占比高,说明逾期风险主要出现在中小市值板块。
- 该图有助理解逾期名单覆盖范围与潜在投资池规模。[page::3]
---
图表4-7(逾期组合持股数量及净值走势)
- 图表4(单期):持股数20左右,超额净值稳定上升,说明单次逾期即产生明显的负面偏差。
- 图表5-7(多期):随着出现逾期次数从1至3,持股数递减,净值相对于基准跌幅加深,跑输趋势更明显。
- 净值曲线走势紧贴或偏离基准,直观表现股票组合的超额收益水平,配合持股数显示策略活跃度。
图表清晰传达了逾期次数与投资风险强度的内在联系,支持分层逾期筛选逻辑。[page::4-6]
---
图表9-12(边际变化组合)
- 展示新增、好转、连续逾期三种状态的组合持股数与净值曲线。
- 新增与连续组合跑输市场明显,“连续”组合跌幅最大。
- 好转组合净值高于基准,表明信用修复的正面信号价值。
- 图表12的绩效指标表列出三组合的风险收益特性,支持文本所述结论。[page::6-7]
---
四、估值分析
本报告为量化策略与信用风险因子研究,未涉及传统的个股估值分析、DCF或市盈率估值模型。重点在于构建并验证逾期数据的超额收益表现和风险管理效能。超额收益指标(如信息比率和年化收益率)是核心评价标准,体现策略的有效性和持久性。
---
五、风险因素评估
- 研究结论基于历史数据与统计模型,强调历史表现不代表未来必然。
- 市场环境、政策或宏观经济发生根本转变,可能导致信用风险与股价关系变化,令模型失效。
- 逾期名单的公布时点存在时滞,可能导致信号效率下降。
- 小规模持仓(部分组合每月持股较少)可能存在流动性风险。
- 组合排除涨停、跌停及ST股票,实际操作中可能面临交易限制与滑点风险未充分量化。
报告提供了风险提醒,但无具体缓解策略,仅提示投资者谨慎使用,反映模型的统计性质及局限性。[page::0,8]
---
六、批判性视角与细微差别
- 报告整体逻辑严谨,数据支持充分,且对模型局限性有所交代。
- 逾期组合超额收益定义采取“市场基准-组合”方式,使得正数对应跑输市场,表述略异于一般超额收益习惯,需特别留意理解,报告对此做了明确注释。
- 持股数不固定且整体偏少(多数组合20只左右),组合分散度不足,可能影响结论的普适性。
- “边际变化-好转”组合的超额收益计算方式与其他组合相反(组合-市场基准),需要阅读时特别注意,避免误解。
- 逾期数据公布频率与时间滞后可能导致信息时效性不足,对高频操作或短期交易策略效果有限。
- 论文数据截止于2022年12月底,未覆盖更近期的市场动态,后续需关注该因子的稳定性。
- 数据主要来自上海票据交易所,可能存在区域或行业偏差,不排除因数据覆盖不足导致的样本选择偏误。
总体看,报告是对一个较新信用风险指标的创新应用,建议将其作为辅助因子纳入多因子框架,而非单一决策依据。
---
七、结论性综合
本报告系统深入挖掘了上海票据交易所公布的“持续逾期名单”数据对A股上市公司股价的影响,验证了该数据作为负面信用风险信号的强大排雷功能。从不同角度构建逾期组合,实证表明:
- 单期逾期名单构建的组合在近一年多的回测期内,能实现市场基准相对其27.36%的年化超额收益,月度胜率达71.43%,且风险(最大回撤6.11%)受控,展现有效负向选股能力。
- 多期逾期数据强化了筛选效果,逾期次数越多的股票跑输市场的幅度越大,连续三期逾期股票跑输幅度高达41.44%年化,说明逾期持续性是风险大小的有效标尺。
- 逾期状态的边际变化分析更进一步揭示信用风险动态,持续逾期股票最劣,新出现逾期的股票风险较低且波动率较小,而信用好转的股票能够实现正向超额收益,提供了信用状态改变量对投资回报的额外预测能力。
- 报告中的图表均清晰展示了组合的持股规模与净值走势,绩效指标涵盖收益率、信息比率、月度胜率、最大回撤等维度,为投资者量化评价策略表现提供全方位依据。
- 该量化研究为利用企业信用风险票据逾期信息做风险管理和调仓提供了可行路径,且信息数据公开、定期更新,具有较强现实操作意义。
同时,报告亦明确指出历史数据和模型存在局限性,市场环境变化可能导致因子失效,且组合规模限制及数据滞后等因素应纳入实际应用的风险考量之中。
综上,报告立场客观、实证明确,确认“票据持续逾期名单”是一个有效的负面选股工具,推荐将其纳入量化信号体系以实现风险提示和组合优化,尤其宜关注连续逾期频率及信用趋势变化,为主动投资者提供重要风险预警及操作指引。[page::0,2-8]
---
总体评价
该研究报告紧扣数据驱动选股理念,充分发挥新兴的票据逾期信用风险信息,提出清晰的组合构建方案并以多维度绩效指标揭示有效性,具备较强的理论深度和实操意义。投资者和市场研究者可在此基础上结合自身策略进一步开发和应用此类另类信用数据,提升风控和Alpha挖掘能力。