基于股票特别处理的 A 股财务困境预测研究
创建于 更新于
摘要
本报告以被实施特别处理(ST)的上市公司为财务困境标志,基于A股市场实际,采用Fisher判别与Logistic回归模型构建财务困境预警指标。指出ST实施前后公司股价均显著承压,市场对ST风险提前反应明显。两模型各具优势:Logistic模型对极端值识别更优,Fisher判别对全样本适应性强。报告进一步揭示自2017年起,随着监管趋严及投资者风险偏好下降,财务健康公司相对溢价逐步显现,并预测该趋势将持续。[page::0][page::4][page::5][page::6][page::13][page::15]
速读内容
ST实施对股价的显著负面影响及市场提前反应 [page::4][page::5]

- 2016-2018年被ST股票在实施前150个交易日内累计超额收益平均下降31.32%,事后超额收益持续负向,达25.7%。
- 市场对ST风险提前反应明显,股价在ST实施前100个交易日即出现负向超额收益。
财务困境预测模型构建:Fisher判别与Logistic回归分析 [page::7][page::9][page::11][page::12]
- Fisher判别方法通过线性判别分析将财务指标投影到一条判别线上,实现ST与非ST公司区分。
- 选取15个关键财务指标,涵盖盈利能力、偿债能力、营运能力、成长能力、资本结构及盈余操纵。
- 通过逐步回归筛选变量并动态调整判别式系数,得分越低公司被实施ST风险越高。
- Logistic回归基于全样本数据,模型中加入净利润是否为负的二值变量以提升预测效果,适用于极端情况判断。
- 两种模型均采用横截面百分位数阈值(10%或50%)划分风险等级,阈值选择影响误判率(Type I 和 Type II错误)。
| 模型 | 阈值百分位 | Type I 错误率(漏报概率) | Type II 错误率(误报概率) |
|-----------|------------|--------------------------|----------------------------|
| Fisher 判别 | 10% | 8%~9% | 17%~33% |
| Fisher 判别 | 50% | 0%~7% | 49% |
| Logistic 回归 | 10% | 8%~9% | 9%~31% |
| Logistic 回归 | 50% | 2%~8% | 49% |
市场对财务健康状况的定价表现 [page::13][page::14]

- 按Fisher判别得分分组,财务健康公司年化收益略优,但差距不大。

- 多空组合显示2017年起财务健康公司逐渐取得相对超额收益。
- 2014-2016年“壳市场”盛行,ST股票因“壳资源”吸引短期资金,中间阶段财务困境公司曾有相对超额收益。


- 自2017年监管加强,市场更重视基本面,财务健康公司的相对溢价开始稳定提升。
结论与投资建议 [page::15]
- ST风险对股价产生持续且提前的负面影响,应及早规避高风险标的。
- Fisher判别和Logistic回归模型均有效,适用场景存在差异,建议结合使用。
- 随着投资者风险偏好变化,财务健康指标在定价中的参考价值逐渐增强。
深度阅读
基于股票特别处理的A股财务困境预测研究 — 全面分析报告
---
一、元数据与概览
- 报告标题: 基于股票特别处理的A股财务困境预测研究——数量化专题之一百一十四
- 作者与机构: 国泰君安证券“金融工程团队”发布,主要分析师包括陈奥林、李辰、孟繁雪等,附研究助理支持。
- 发布日期: 2018年(报告中引用数据截止至2018年)
- 研究主题: 聚焦中国A股市场被实施“特别处理”(ST)的上市公司,研究如何构建预测财务困境的量化模型,帮助投资者提前识别财务风险,规避相关风险。
核心论点与目标信息:
本报告核心在于通过对实施特别处理(ST)的A股上市公司事件及财务数据的深入分析,利用Fisher判别分析和Logistic回归两种模型技术,构建有效的财务困境预测工具。报告指出,ST公司股价在ST实施前后均面临较大负面冲击,尤其是ST实施前的市场预期已导致负超额收益。两种模型均表现良好:Logistic回归优势于极端风险识别,Fisher判别在综合样本中表现更优。未来财务健康股票的相对溢价有望持续扩大,投资者需强化风险管理与优选。
---
二、逐节深度解读
1. 研究背景及政策环境
- 市场竞争与风险现实: 报告首先指出在宏观供给侧改革和国际贸易摩擦(如美国关税)等环境影响下,企业财务困境风险增加。2018年1-5月,中国债券市场出现多起违约事件,其中民企上市公司违约比例上升,债市风险溢出至股市,股市投资者风险偏好下降。
- 财务困境定义的特殊性: 由于中国上市公司尚无破产案例,且“买壳上市”普遍存在,故ST实施作为标志财务困境的指标更为合适。ST制度由证监会设立,针对连续两年净利润为负、净资产为负、审计报告非标、信息披露违规等情形发出风险警示。
- ST样本统计特征: 在2007-2018年间,累计发生449次ST事件,85.3%源于连续两年净利润为负[page::2][page::3][page::4]。
- 事件研究表明: ST股票在ST实施前后150个交易日的累计超额收益明显偏负,2018年ST实施前150个交易日平均超额收益达-31.32%,实施后仍维持-25.7%,表明市场对ST风险提前且持续地反应,投资者应提前规避这类公司[page::4][page::5]。
逻辑与推理: 报告分析中强调ST作为财务困境信号的合理性并符合中国市场制度环境,较破产更具可观测性和操作性;事件研究有效揭示了市场理性预期机制,即ST风险被市场在事件之前部分消化,说明提前预测模型有重要现实意义。
---
2. 财务困境预测模型
2.1 Fisher判别分析
- 模型原理: Fisher判别为线性判别分析方法,通过线性投影使得同类企业财务指标投影紧凑、异类样本投影分离最大化,以此对企业分类。其数学优化目标是最大化类间均值差异平方与类内方差之和的比值,实现最优线性判别向量$\boldsymbol{w}$[page::7][page::8]。
- 指标体系与变量选取: 选取盈利能力、偿债能力、营运能力、成长能力、资本结构和盈余操纵等15个代表性财务指标作为判别变量(详见表3),如资产收益率、资产负债率、存货周转率、净利润增长率、市值负债比等,覆盖公司生产经营各维度[page::8]。
- 模型构建流程强调自学习和动态调整: 每4年作为训练期,行业配对匹配非ST样本,通过逐步回归筛选显著指标,得到动态判别系数进行下一期预测。此方法避免固定阈值的时序不可比问题,统一采用横截面分位阈值分类[page::9][page::10]。
- 预测表现与误判分析: 在10%分位数阈值下,判别模型对ST公司有超过2/3的捕获率(Type I Error在20%-30%左右),Type II Error约为8%-9%;宽阈值(50%分位)时可大幅降低遗漏率,但误杀率攀升至近50%[page::10]。
- 合理性与实用性分析: 该模型兼顾了样本数据的动态变化和行业特性,符合实际市场条件。误差率分布说明该模型在极端风险中场显著,但宽松阈值下对非ST公司的误判率偏高,适合风险偏好差异化的投资者制定不同门槛。
2.2 Logistic回归分析
- 模型逻辑与变量输入: Logistic回归通过logit函数将财务指标和净利润负值的二值变量映射为预测ST的概率,独立于正态分布等严格假设,泛用性强。因ST股票受“壳价值”炒作影响,股价等市场变量反而弱化,故未纳入市场变量[page::11][page::12]。
- 变量选择: 逐年训练期不同,关键指标围绕净利润是否为负及存货周转率、净利润增长率、负债权益比等,体现盈利稳定性和偿债压力[page::12]。
- 误判率情况: 在10%阈值,Logistic模型Type I Error一般小于Fisher模型,多数年份低于10%,Type II Error表现略逊于Fisher;50%阈值观测误判率相仿,仍不放弃Fisher的优势[page::12][page::13]。
- 模型优劣对比总结: Logistic模型以其更少的分布假设,在极端财务困境预测中表现更优,尤其在低阈值检测时更有效;Fisher判别适合全局样本预测,更适合宽松风险控制。
---
3. ST风险与资本市场表现
- 股价表现聚焦: 通过按照Fisher得分或Logistic概率指标,将A股公司分为五组(市值中性)观察收益,发现:
- 财务健康股年化收益优势有限(约17.9% vs 15.4%),短期差异不显著。
- 多空组合(健康公司做多,困境公司做空)从2017年开始展现增长趋势,反映市场对基本面关注提升,风险定价更合理[page::13][page::14]。
- 监管与市场情绪影响: 2015-2016年“壳市场”热度抬高ST及潜在ST公司股价,导致市场风险偏好临时变动,但监管加强后投资者回归基本面,风险溢价收敛[page::14]。
- 图表解读亮点:
- 图5、图6(Fisher得分组合收益)显示多空收益自2017年后稳步改善。
- 图7、图8(Logistic概率组合)反映出财务健康股早期的相对溢价和2016年逆转,随后市场回归理性。
- 宏观展望: 结合金融监管及合格境外机构投资者(QFII)的持续放开,财务困境风险被市场逐步更合理定价,投资者关注财务健康属性的趋势将保持。
---
4. 总结与结论
- 主要结论:
- ST实施对公司股价具有明显负向影响,且市场有提前反应。
- Fisher判别和Logistic回归两种模型均较好地预测ST风险。
- Logistic模型在极端值预测方面表现更强,特别是在低阈值预警。
- Fisher判别分析对整体样本拟合更好,适合宽松阈值风险管控。
- A股市场从“壳价值”炒作逐步转向基本面关注,ST风险溢价趋于合理,财务健康公司预计维持相对溢价。
- 投资策略启示: 投资者应依据自身风险偏好灵活选择预测模型和阈值水平,提前规避ST风险显著个股,结合宏观监管环境调整投资组合。
---
三、图表深度解读
表1 & 图1:ST公司实施原因与时间分布
- 内容描述: 表1详列ST实施原因频次,以连续两年净利润为负最为主要(85.3%),其次是无法表示审计意见(5.1%)。图1呈现2007-2018年各类原因的样本年分布。
- 解读趋势: 样本整体数量波动,近年来因审计意见非标样本数量增加,隐含财务报告质量问题加剧,是ST风险加重的信号。
- 意义联系: 指导模型选择更需重视财务报告质量指标。
图2 & 表2:ST事件前后累计超额收益
- 内容描述: 图2显示2016-2018年ST事件前后累计超额收益明显下跌,尤其ST实施日附近断层式下跌,至后期仍持续低位。表2提供分年平均累计超额收益。
- 数据洞察: 2018年ST事件前收益平均-31.32%,后续-25.7%,说明市场风险提前反映。
- 文本联系: 有效验证市场对ST风险具备“理性预期”,提示建模应注重提前信号。
图3 & 图4:Fisher判别的几何示意
- 内容描述: 图3二维示意Fisher判别目标是将不同类别样本聚拢投射,图4展示同一类样本投射到直线上的分布区别。
- 解读: 落实判别分析通过最大化类间差异和最小化类内差异实现分类,图形直观表达了判别准则。
- 说明: 深化理解模型构建机制,为后续指标选取和优化提供方法论支持。
表3:指标定义
- 内容描述: 指标涵盖盈利、偿债、营运、成长、资本结构和盈余操纵等领域15项具体财务比率。
- 意义: 指标覆盖全面,有助精准反映财务健康状况,提升模型区分能力。
表4-6 & 表7-9:模型选取指标与误判率
- 表4、7: 展示两个模型训练期选择的指标组合,Fisher集中于资产收益率、负债率等传统财务指标,Logistic纳入净利润负值指示变量和周转率等。
- 表5、6(Fisher)与表8、9(Logistic): Type I 和 II 错误率对比,Logistic模型在低分位阈值下误判率更低,显示其极端风险识别优势;Fisher模型在宽阈值区间更具样本适应性。
- 重要启示: 投资者可依风险偏好在两模型间做选择,亦可结合两模型优势。
图5-8:模型分组收益表现
- 图5、6(Fisher): 五组组合累计收益差距不大,但多空组合自2017年后收益明显向好,体现基本面投资价值回归。
- 图7、8(Logistic): 区分较为明显,虽2016年出现“壳市场”炒作效应,但长期趋势显示财务健康股溢价提升。
- 解读: 说明模型得分和概率是市场认可的财务健康风向标,且能映射市场结构性变化。
---
四、估值分析
报告本身未深入涉及传统估值模型(如DCF、PE、EV/EBITDA等)计算,但通过Fisher判别得分与Logistic概率模型间接量化财务健康,赋予股票不同风险溢价,反映在股价的超额收益差异上。模型提供了对财务风险溢价的定量衡量,是财务评估的补充工具。
---
五、风险因素评估
- 模型误判风险: Type I Error(漏判ST企业风险)与Type II Error(误判健康企业为风险企业)均存在,需根据投资者偏好权衡。
- 模型适用局限性: A股市场“买壳”现象、信息披露不透明性、监管政策变化可能影响模型稳定性。
- 宏观经济与市场环境风险: 突发经济冲击或政策调整可能影响模型预测准确度。
- 缓解措施: 动态滚动训练、多个模型联合使用、结合政策及市场信号动态调整阈值。
---
六、批判性视角与细节
- 模型变量稳定性不足: 两模型所选变量每期均变化,可能导致时间序列上可比性差,尤其Fisher模型得分缺乏固定阈值。
- 数据解释的潜在偏差: A股市场特殊制度安排(如“壳”资源及炒壳市场影响)可能扭曲纯财务数据与市场表现的关系。
- 市场炒作因素弱化了模型的单纯财务信号作用,尤其Logistic模型外部变量剔除带来的信息损失。
- 报告中未提供敏感性分析或模型准确率(如ROC曲线、AUC值等)进一步佐证预测能力,未来可以完善。
---
七、结论性综合
本报告围绕A股上市公司特别处理制度,创新地将ST实施作为财务困境的核心指标,结合中国市场特点,成功构建并比较了Fisher判别和Logistic回归两种模型,用以预测公司陷入财务困境的概率。
通过详实的事件研究揭示ST事件对股价的负面影响及市场提前反应,模型利用15项涵盖全面的财务指标实现动态自适应预测,具有较好的预测准确度。Logistic回归在低阈值下具备更优极端风险识别能力,而Fisher判别在整体样本上的适应性更强。
进一步,报告以模型得分为基础,构造分组收益分析,验证财务健康度被逐渐市场认可,尤其是在2017年后资本市场基本面选股风格加强的大背景下。这意味着投资者可通过该预测模型提前规避财务困境风险,优化投资组合。
报告最后强调,在制度加强、投资者风险意识提升的环境中,ST相关财务风险溢价将维持较高,财务健康公司的价值被持续认可,维持投资者关注和风控的必要性。
---
总体评价
国泰君安团队本研究结合中国股票市场实际,较好地融合了财务指标与统计学模型理论,为投资者提出一套实用且具操作性的财务困境预测解决方案。该方案在理论严谨性和实证分析深度上表现突出,为A股中财务风险管理及投资策略提供重要参考。
---
附录:关键图像索引
- 特别处理公司样本统计[图1]:
- 2016-2018年ST前后累计超额收益[图2]:

- Fisher判别二维示意图[图3]:
- Fisher判别投影方式[图4]:

- Fisher判别分组收益曲线[图5]:
- Fisher判别多空组合收益[图6]:

- Logistic概率分组收益[图7]:
- Logistic概率多空组合收益[图8]:

---
[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]