ST实施及退市家数呈现增加趋势 [page::2]

• 2024年及2025年ST实施家数达到154和157家，创历史新高。

- 退市家数自2022年快速提升，2024年达到52家。

• ST实施存在明显月度效应，4-5月即年报发布期为高峰，8月至次年2月为低谷。

素镜科技财报辩伪分与企业画像分有效预测ST事件 [page::3][page::4][page::5][page::6][page::7]

• 财报辩伪分高的公司ST概率显著更高，企业画像分低的公司ST概率更明显。

- 财报辨伪分>=70时，未来一个月ST概率0.99%，画像分<-15时为1.01%。

• 年报披露后风险预测效果更佳，财报辩伪分对应ST概率达2.79%，画像分达3.36%。

- 两分数模型年均召回率稳定在80%-90%以上。

• 两者AUC分别为0.806（财报辩伪分）和0.865（企业画像分），显著优于归母净利润（AUC=0.656）。

生存分析模型识别多类风险事件对ST影响 [page::9][page::11][page::12][page::13][page::14]

• 事件类型包括交易所函件（关注函、问询函、警示函、监管函）、股权风险（拟减持、股权冻结、司法拍卖）、监管措施（立案调查、通报批评、公开谴责）。

- 关注函及问询函生存曲线有较大差异，司法拍卖和公开谴责对ST风险影响最大，拟减持影响较小。

• Cox回归结果显示股权冻结风险比最高，拟减持事件在基于次数的模型中变为显著，表明其影响存在累积效应。

生存分析模型的预测能力和实用价值 [page::15][page::16]

| 年份 | 准确预测ST(家) | 未预测ST(家) | 召回率 |
|------|----------------|--------------|--------|
| 2016 | 25 | 29 | 46.30% |
| 2017 | 32 | 20 | 61.54% |
| 2018 | 22 | 20 | 52.38% |
| 2019 | 61 | 11 | 84.72% |
| 2020 | 83 | 10 | 89.25% |
| 2021 | 54 | 11 | 83.08% |
| 2022 | 48 | 4 | 92.31% |
| 2023 | 50 | 12 | 80.65% |
| 2024 | 70 | 9 | 88.61% |
| 2025 | 79 | 25 | 75.96% |

• 生存分析模型2019年后召回率稳定在85%以上，且AUC达到0.81。

- 模型优势在于灵活可更新、对高频风险事件动态反映。

• 模型帮助投资者及时识别高风险股票，避免极端损失。

风险提示 [page::0][page::17]

• 模型可能因监管制度变动而失效。

- 风控评分数据的“黑箱”性质带来一定风险。

• 该模型不保证完全避免所有ST风险。

基于风险评分与风险事件生存分析的ST预测 — 中邮金工研究报告详尽分析

---

一、元数据与概览

• 报告标题：《基于风险评分与风险事件生存分析的ST预测》

- 作者：肖承志，李子凯

• 发布机构：中邮证券有限责任公司

- 发布日期：2025年8月5日

• 研究主题：针对中国A股上市公司ST（特别处理）事件的预测方法，聚焦风险评分体系及生存分析模型的构建与验证，旨在为投资者规避退市风险和特别处理风险，提高风险识别与控制效率。

- 核心论点与结论：
- 结合财报辩伪分和企业画像评分的风险评分体系，以及基于风险公告事件的生存分析模型，能够有效预测ST事件。
- 通过两个模型对比，企业画像分的效果优于财报辩伪分，同时生存分析具有灵活性强、能够高频跟踪的优势。
- 风控模型召回率高，生存分析模型2019年起保持85%左右召回率，模型AUC均在0.8以上，均显示较好预测能力。
- 报告同时强调模型风险，包括模型失效风险、监管政策变化风险及评分系统黑箱风险。[page::0,1]

---

二、章节详解

1. 引言与制度背景

内容概述：
ST制度是监管层对财务或其他异常情况上市公司采取的特别标记措施，随着注册制的推进和监管严格化，ST及退市数量达到历史高点。月份上，ST事件具有周期性，4-5月为高峰，与年报披露期相关，8月至翌年2月为低谷。[page::1,2]

意义：
说明ST事件的制度环境和季节性趋势，为后续模型设计和策略提供背景支持。

---

2. 风险评分分类预测详解

2.1 素镜科技风险评分描述及统计

• 财报辩伪分：衡量财务报表虚假及相关风险，包括虚构收入、掩盖负债等，分数越高风险越大。

- 企业画像分：基于企业经营行为和状况，反映企业经营稳健程度，分数越高经营状况越好。

两者均以财报数据为基础，更新频率同步年报。非ST与ST企业两评分出现显著差异，ST企业财报辩伪分右偏（风险更高），企业画像分整体偏低（经营状况较差）。[page::3,4]

2.2 分类效果及统计指标

• 阈值设定：财报辩伪分≥70，企业画像分< -15定义为高风险。

- 分类效果：
- 财报辩伪分≥70时，全样本内未来1月ST概率0.99%，明显高于非高风险组0.10%；年报后则提升至2.79% vs 0.28%。
- 企业画像分< -15时，全样本ST概率1.01%，年报后上升至3.36%，分类效果优于财报辩伪分，表明企业画像对经营风险的反映更加即时敏感。

• 召回率表现：

- 两评分在年报后预测ST的平均召回率均高达90%左右，且最低不低于80%。即模型能捕获大多数ST事件，性能稳定可靠。
- 预测时间点提前至年报前三季度，召回率略有下降（不足2%），但仍表现良好，说明预测模型具有一定的前瞻性。[page::4,5,6,7]

2.3 ROC曲线验证

• 企业画像分的AUC为0.865，优于财报辩伪分的0.806，两者均明显优于传统财务指标如归属母公司净利润扣非的0.656，显示素镜科技提供的评分在ST预测中具更强辨别能力。[page::7,8]

总结：分类模型基于财务信息，尤其企业画像分预测效果显著，采用该类因子帮助风险识别具应用价值，但预测范围较大，覆盖约40%市场股票。

---

3. 基于风险事件的生存分析预测详解

3.1 生存分析方法介绍

借鉴医学中的生存分析，定义股票从上市至ST的“生存时间”；ST即事件终点。生存函数S(t)代表股票生存超过时间t的概率，具偏态分布，研究中考虑删失数据（未观察到ST）。该方法适用于高频监测市场公告和风险事件，能动态评估风险。[page::8,9]

3.2 风险事件定义

选取公告中的交易所函件（关注函、问询函、警示函、监管函）、股权风险事件（拟减持、股权冻结、司法拍卖）及监管措施（立案调查、通报批评、公开谴责）作为模型协变量，覆盖2010-2025年7月。[page::9,10,11]

3.3 单事件生存曲线与统计检验（Kaplan-Meier）

• 发现：

- 四类交易所函件均对生存曲线有明显区分，尤以关注函、问询函区分度最大。
- 股权相关事件中拟减持对风险影响较小，股权冻结、司法拍卖生存概率显著降低，部分趋近于0。
- 监管措施亦显著影响生存概率，且在统计显著性(Log-rank检验p<0.05)上全部通过，显示事件确有ST预测价值。[page::12,13]

3.4 Cox比例风险模型

• 引入多变量协变量（风险事件0-1变量）回归：

- 股权冻结风险比最高，监管措施风险较高，问询函风险比也高。
- 拟减持事件不显著，理由或为股东减持行为对ST风险影响较为缓和，且多发生在股价相对较高时。

• 改用风险事件次数作为连续变量：

- 模型拟合效果下降（AIC增加），不过拟减持事件变为显著，提示拟减持对ST风险影响存在“累积效应”。

• 以模型估算个股ST风险程度，公布了2025年7月31日部分高风险个股名单，为投资决策提供参考。[page::13,14,15]

3.5 生存分析预测有效性回测

• 回测期定于2016-2025年，单次预测时间点为每年2月底，预测随后的3-7月内ST事件。

- 预测样本定义为ST概率排名前40%，2019年起平均召回率提升至约85%，模型表现稳定。

• 生存分析模型AUC为0.810，高于常规指标，效果稳健。

- 本模型优势在于：
- 高频风险公告数据支持动态跟踪。
- 不依赖财报披露，实时反映监管和股权事件风险。
- 模型灵活，可据新规或规则纳入新风险事件扩展预测能力。[page::15,16]

---

4. 风险提示

• 模型失效风险：基于历史风险事件拟合，如未来事件特征变更，模型可能失效。

- 监管政策风险：监管规则发生重大且不可预期的调整，影响预测准确性。

• 评分黑箱风险：素镜科技评分模型对外为黑箱，外部使用者无法完全理解评分机制，存在一定的不确定性和风险。[page::16,17]

---

三、图表深度解读

图表1 & 图表2：ST实施家数与退市家数趋势

• 2010-2025年数据显示，ST事件自2019年开始大幅跃升，2024年突破150家，2025年继续维持高位（157家）。

- 退市数量自2019年起显著提升，2024年达到52家高点，表明监管趋严及市场调节加速。

• 反映出注册制深化背景下，监管力度加强及退市制度完善的效果明显。[page::2]

图表3：ST实施月度分布

• ST实施月份集中于4-5月，明显高于其他月份，契合年报披露时间节点。

- 8月至翌年2月为ST实施相对低谷期，具有显著季节效应。

• 该时间规律为模型时间窗口设置和风险管理提供有力依据。[page::2]

图表4 & 图表5：财报辩伪分与企业画像分分布

• 非ST企业财报辩伪分呈偏左且集中分布，ST企业分布右偏，显示其风险更严重。

- 企业画像分方面，非ST企业画像分均较高，ST企业显著偏低，反映其经营质量差异。

• 图形直观展示了两评分因子对区分ST与非ST公司的判别能力。（素镜科技原始数据，图表轴标略）[page::3,4]

图表6-9：分类效果统计与风险概率

• 高风险股（阈值切分）未来1月ST概率显著高于低风险股，无论财报辩伪分还是企业画像分，年报后效果尤佳。

- 企业画像分显示更强的风险识别能力，或因其更能反映企业即期经营风险。

• 数据表格式清晰展示样本家数及事件概率，展示模型预测潜力及实际表现。[page::4,5]

图表10-13：年度召回率

• 财报辩伪分及企业画像分的召回率均保持在80%-98%间，表现出高度稳定性与准确性。

- 提前至三季度报告时间点预测，召回率仅轻微下降，显示模型具有良好前瞻性。

• 表格清晰展示了年度波动和整体趋势，反映模型实操中逢低调整的效果。[page::5,6,7]

图表14-16：ROC曲线对比

• 企业画像分AUC最高（0.865），财报辩伪分其次（0.806），而传统财务指标（归母净利润）低得多（0.656）。

- 曲线图显示两模型远高于随机分类器（对角线）性能，具有显著区分力。

• 强调引入多层次、多维度风险信息的重要性。[page::7,8]

图表17：生存曲线示意

• 典型的生存分析曲线示范两组不同生存时间的概率。

- 直观展示两组风险水平不同导致存活概率差异的机制，贴合ST预测模型应用。

• 数学符号和曲线配合帮助理解生存分析框架。[page::9]

图表18-28：风险事件定义及生存曲线

• 各交易所函件与监管措施及股权风险事件定义完整，数据来源严谨，筛选标准明确，保证数据质量。

- Kaplan-Meier法估计的生存曲线揭示所有事件均对ST风险有显著区分力，尤其股权冻结与司法拍卖事件显著降低生存概率至近零。

• 图表配色区分事件发生与未发生样本，曲线显著分离，反映强烈的风险预警作用。

- Log-rank检验确认生存概率差异的统计显著性，增强结论的科学性与可信度。[page::10,11,12,13]

图表29：Cox比例风险回归模型风险事件对数风险比

• 图中显示股权冻结风险比最高，公开谴责、立案调查等监管措施风险较高，各类函件风险亦显著，拟减持风险较低且不显著。

- 置信区间展示统计稳定性，显示部分事件风险在经济意义与统计意义上均显著。

• 进一步说明事件权重的定量评估，为模型优化提供依据。[page::14]

图表30：高风险个股名单

• 列示截至报告时期风险模型综合评分领先的20家公司，为投资者关注名单。

- 有助于市场关注重点个股的风险预警。

• 体现模型实际应用价值。[page::15]

图表31-32：生存分析年度召回率与ROC

• 年度召回率提升趋势明显，2019年后稳定维持在80%以上，说明模型训练样本量足够、指标逐渐收敛，预测有效性提升。

- AUC为0.810，良好区分ST与非ST个股，模型稳定性与预测能力均居应用水平。

• ROC图表直观显示模型性能优异。[page::16]

---

四、估值分析

报告暂未涉及传统财务估值方法（如DCF、PE等）内容，主要聚焦于风险事件与评分的预测模型和概率输出。因此无估值分析章节。

---

五、风险因素评估

• 模型失效风险：基于历史事件拟合，模型可能无法充分捕捉新增或未识别风险事件，或因数据缺失、市场变化导致预测失效。

• 监管制度风险：ST及退市监管规则若发生超预期重大调整，模型原有假设及标记体系将失准，影响模型适用性。

• 评分黑箱风险：素镜科技评分模型内部机制未完全透明，缺乏充分解释可能限制模型的直接信赖度，外部用户应谨慎理解评分意义。

报告提醒投资者务必结合全面信息采取理性判断，提示风险不可忽视。[page::16,17]

---

六、批判性视角与细微差别

• 报告以大量实证数据细致验证模型性能，科学严谨。

- 素镜科技评分达到高召回率，但覆盖约40%市场股票，存在一定的“误警报”风险，需要投资者做好风险收益权衡。

• 生存分析模型未将风险事件次数直接入模的效果较差，暗示风险事件影响是非线性的，提示未来模型可采用更多复杂方法，如非线性回归或机器学习模型进一步提效。

- 风控模型依赖公告数据，可能存在数据滞后、公告不充分及信息披露不真实等隐患。

• 当前模型重点在于风险识别，尚未涉及风险缓解路径，实际应用需结合其他资产配置及风控手段。

- 报告强调监管政策风险，但未具体预测或模拟制度突变对模型影响，未来研究可加强制度敏感性分析。

• 评分黑箱风险指出评分结果不可完全外部验证，存在断层，建议开发开放透明的评分体系以增强信任度。

---

七、结论性综合

本报告精确阐述了ST事件预测的两大路径：以素镜科技财报辩伪与企业画像评分为核心的分类预测模型，以及基于风险公告事件构建的生存分析模型。

素镜科技的评分体系在区分ST与非ST公司方面表现优异，企业画像分尤其有效，年报后预测连续多年召回率稳定达90%以上，且ROC曲线AUC达0.865，显示财务与经营层面风险信息的重要性和预警能力。

风险事件生存分析模型采用Cox比例风险模型整合多类风险公告与监管措施，揭示不同事件对ST风险的相对影响，股权冻结风险最高。该模型优势在于利用高频、精细化风险事件信息进行动态跟踪，预测灵活性高，逐年召回率于2019年后稳定保持在85%，AUC达到0.810，反映其较强预测效力和现实应用潜力。

从图表体现趋势看，ST及退市事件受严格监管影响明显增多，且ST具有显著的季节性分布，模型预测时间窗口和实时风险事件捕捉对投资者具有重要指导作用。

风险提示理性提醒投资者关注模型假设、监管变化及评分黑箱风险，均衡利用预测工具。总体而言，报告提出的基于风险评分与生存分析的ST预测体系为投资者提供了行之有效的风险预警机制，在提升风险识别效率、控制极端损失方面贡献显著。

---

重要图片汇总

• 图表1：2010年至2025年ST实施家数趋势

• 图表2：2010年至2025年退市家数趋势

• 图表3：2010年以来各月份ST实施家数分布

• 图表14：企业画像分类ROC曲线

• 图表15：财报辩伪分类ROC曲线

• 图表29：风险事件对数风险比（Cox模型）

• 图表32：生存分析模型ROC曲线

---

参考文献

• 中邮证券研究所，《基于风险评分与风险事件生存分析的ST预测》2025年8月5日

- 素镜科技风控评分

• Wind资讯数据库

- 聚源资讯数据库

---

总结：本报告通过风险评分及事件生存分析双管齐下，科学严谨地揭示了ST风险的动态演变及预测路径，为市场投资者提供了一套较为完善的ST预警工具，具有重要参考价值和实际应用潜能。[page::0-17]

报告