[设为首页] [加入收藏]
您现在的位置:主页 > 跑狗图2018自动更新 >

基于股票特别处理的A股财务困境预测研究

[时间:2021-06-23 18:33来源:未知作者:admin浏览:]

  从短期事件研究的角度来看,一个处于正常状态的公司不论是实施ST之前还是之后都会对其股价产生明显的负向压力,特别是在ST实际实施日附近产生明显的负向超额收益。从2018年被实施ST的公司平均表现来看,ST实施前150个交易日的平均超额收益达到-31.32%,事后截至报告写作时间的短期超额收益为-25.7%。因此投资者对具有ST风险的公司应该提前规避。

  本文以被实施股票特别处理(ST)作为上市公司财务困境的指标,结合中国A股市场的现实状况和相关政策特征,使用Fisher判别和Logistic回归分析的方法,对A股上市公司的财务状况进行预测。

  两类模型均具有较好的预测效果,Logistic模型体现出更强的极端值预测能力,而Fisher判别分析在则在全样本的情况下有更强的适应性,两种模型可各取其优。

  随着市场风险偏好持续走低,ST风险溢价持续扩大。从股票的收益表现来看,自2017年开始,财务健康公司相对财务困境公司体现出明显的溢价趋势,并且我们基于宏观金融环境预测财务健康公司的相对溢价会在未来继续保持。

  在供给侧改革的大背景下,企业之间的市场竞争日趋激烈,市场瞬息万变,再加上以美国关税政策为代表的国际因素的影响,企业的财务困境风险已客观存在。若企业不能及时有效地规避和防范风险,很有可能会陷入财务困境,上市公司也不例外。

  今年1-5月,债券市场共发生违约事件20起,涉及违约主体12家,与过去两年相比,不但违约规模有所增长,违约的主体还存在向民企上市公司集中的趋势。

  除了对债券投资人的资产价值产生严重影响外,也会对股票市场产生一系列的影响。从宏观角度来看,如果市场中违约的公司数目较多,表示实体经济资金面紧张,企业生存艰难,直接影响投资者的风险偏好。更为直接的是,在2018年违约的20支债券中,6支涉及上市公司,违约事件的产生必然会对其股票表现产生严重的负向冲击。在金融监管加强的大环境下,权益类投资者避免具有财务风险的投资标的是一项基本的风险控制措施。

  国外大部分的研究将依照法律规定宣告破产作为企业陷入财务困境的标志,主要基于两个原因:一方面,企业提出破产申请是客观发生并容易观测的行为,适合作为研究样本;另一方面,破产作为企业经营失败的最直接表现,对股权、债权人利益产生的影响较大,因此容易引起他们的重视。

  但是当研究对象转为中国企业之后,对于财务困境的定义可能需要更多的结合市场的现实状况。在以上市公司为研究对象的研究中,国内学者倾向于将我国上市公司中被戴帽的企业定义为财务困境公司,主要原因之一是我国到目前为止还没有出现过上市公司破产清算的案例。

  所谓戴帽,是考虑到部分上市公司业绩下滑、生产经营效率低下,导致其财务状况不断恶化,针对这一情况,为了让上市公司提高警惕,让广大投资者和债权人注意投资风险,中国证监会在上个世纪九十年代出台了上市公司风险预警制度。当上市公司出现财务状况或者其他状况异常,可能导致其股票退市或损害投资者利益的,其股票交易将被实施风险警示。

  对于风险警示的公司股票,在公司股票简称前冠以“ST”字样,以区别于其他股票,这类股票价格的日涨跌幅限制为5%。2018年度年报已经披露完毕,基于最新年报信息,沪深两市共计有81家上市公司处于风险警示的特别处理状态。

  在本文考虑的样本区间内(2007-2018),A股市场上共计出现了449次上市公司被实施ST的情况,从表1统计中可以看出,85.3%都是由于最近两个会计年度经审计的净利润连续为负值或者被追溯重述后连续为负值导致的,占据了绝大多数的样本。其次,导致股票ST的重要原因是被注册会计师出具无法表示意见或否定意见的审计报告。

  每一年被实施ST的样本总数目及其导致原因展示于图1中。从时间序列上来看,每年被实施特别处理的上市公司数目并没有特别明显的变化规律。从ST原因的角度来观察,本文发现最近两年由于被注册会计师出具无法表示意见或否定意见的审计报告的样本数目较往年明显增多,会计师之所以出具“非标意见”,表示其认为财务报表质量不合格,也就意味着除了较为直观的账面经营亏损之外,财务报告质量也在逐渐成为上市公司被实施退市风险警示的重要原因之一。

  那么实施ST对个股收益存在什么样的影响呢?本节首先采用事件研究的方式,考察个股ST前后的累计超额收益表现。事件日定义为由正常交易状态转为ST的第一个交易日。

  具体而言,我们计算每个ST状态转换前后150个交易日的累计超额收益。超额收益的计算采用每个公司相对其所属申万一级行业的行业指数的超额收益,定义式如下:

  Rit为为i股第t日的日收益,RIt为i股所对应的申万一级行业指数在t日的收益,ARit则代表个股的日度超额收益。累计超额收益CUMRETit是日度超额收益的逐日累加。

  图2展示了2016-2018年期间个股被实施ST前后150个交易日的累计超额收益表现。市场对具有潜在ST风险个股的负面反应在ST实际实施前100个交易日就已经启动,并且在ST落地公告发布之后的短期内,市场表现出强烈的看空效应,在收益曲线上表现出断层式的下跌,此后累计收益曲线缓慢向下漂移,这种负面效应对个股的影响事后仍将维持近80个交易日。

  关于实施ST公司的分年平均超额收益统计如表2。从事前的角度来看,针对被ST的公司,市场大概率会做出提前的负向反应,事后的超额收益也几乎全部为负,特别是在今年,市场对ST公司的规避表现得更加明显。

  现行的退市风险预警制度是针对上市公司出现财务异常以后采取的相关措施,提供的是一种事后信息。从图2中累计净值收益曲线的形态可以看出,在投资者具有理性预期的情况下,股价的负向反应可能在特别处理实际实施之前就已经形成,从而使投资者利益遭受巨大损失,因此投资者在决策时更需要事前信息。通过对上市公司建立财务预警模型,投资者可以对上市公司的财务状况进行实施跟踪,并预测其未来发展趋势,从而对股票的优劣做出评判,有助于减少投资的盲目性。

  本文的研究目的就是在总结现有国内外研究方法的基础上,结合中国的相关政策和经济环境,采用相对更加科学的方式建立一套适合我国上市公司的财务困境预测模型,通过这个模型来预测上市公司陷入财务困境的可能性,并希望预测结果能为投资者、债权人和监管部门等提供一定的参考。

  本文将被实施ST的个股定义为陷入财务困境的公司,预测公司是否将被ST实际上是个二分类问题。

  目前市场上的信用风险评分方法通常包括定性法、单变量法、多变量法,目前广泛采用多变量方法,包括判别分析(Discriminant Analysis)、逻辑回归(Logit Regression)和非线性模型如神经网络等。

  线性判别分析(Linear Discriminant Analysis)是一种经典的线性学习方法,在二分类问题上因为最早由Fisher(1936)提出,所以也被称为“Fisher”判别。

  根据周志华老师在《机器学习》中的论述,线性判别的思想就是给定训练样例集,通过数据自学习的方法将样例投影到一条直线上,使得同类样例的投影点尽可能接近、异类样例的投影点尽可能远离;在对新样本进行分类时,将其投影到同样这条直线上,再根据投影点的位置来确定新的样本类别。

  本文总结了现有国内外关于中国A股上市公司的财务困境相关研究,选取了如表3所示的15个财务指标作为判别分析中的备选指标,选取的指标分别从盈利能力、偿债能力、营运能力、成长能力、资本结构和盈余操纵的角度描述了公司的生产经营和财务健康状况。

  通过上文的描述可知,判别分析中最重要的一步就是构建判别式。在Altman的财务困境预测模型中,用于计算Z-Score的判别式的系数和变量都是事先给定的,本文在此基础上尝试使用变系数和非固定投入变量的模型构建方法,使用当期年报披露指标去预测下一期年报披露之后,公司是否会被实施特别处理。具体方式如下:

  Step1.选取过去一段时间(t-4,t-1)作为样本训练期(本文设定为4年),在每个横截面上,对被实施ST的公司寻找与之配对的非ST样本,配对样本的寻找选择是同申万一级行业分类中,规模最为接近的公司,因此训练集的公司数目是过去4年ST样本数的两倍。

  Step2.以配对样本为训练集,从15个备选指标中选取合适的指标。这里采用逐步回归的方式筛选变量,设置显著性水平为5%。也就是说实际选择的指标需要满足在两类样本中具有足够的区分度,T检验在5%水平上显著,并且尽可能降低指标之间的相关性。

  Step3.以Step2中选择的变量为投入变量,求解(1)式的优化方程,得到判别系数。

  Step4.将判别系数带入到实际指标值在t期的实际值中,得到公司在t+1期的y值,y值为该公司投影的位置,之后则可根据投影的位置预测公司下一期是否被ST。

  整个过程本身其实并不复杂,但是有几个要点值得一提。首先,判别式中变量的选择较为关键,必须在预先设定的备选集中甄选对不同类别样本区分度较强的变量。其次,模型的预测效果对训练期长短的选择并不敏感,但是由于A股市场中每年被实施ST的公司样本数目不多,为了充分捕捉ST公司特征,训练期的选择也不宜过短。

  将判别系数带入到相应指标后,可以得到每家公司对应的得分(类比于Z-Score),得分越低的公司被实施ST的风险就越高。Altman在计算每家公司的得分之后,通过预先设定的固定阈值,例如在传统的Z-Score模型中,将得分低于1.8的公司归为困境公司。

  但是在本文的模型设定方式下,固定阈值显然是不尽合理的。首先,www.333396.com由于每一期自学习得到的判别式的系数和变量均不固定,公司得分在时间序列上缺乏可比性。其次,固定阈值会导致新的参数引入,可能会导致样本内过度拟合,样本外失效的担忧。

  鉴于此,本文认为公司在每一期的得分在横截面上可比,因此可以设定横截面上的百分位水平作为分类标准。分类效果可以通过统计中的Type I & Type II Error来测定。

  Type I Error表示选假设为正确的情况下,错误地拒绝了原假设的概率,Type II Error衡量了原假设为错误的情况下,错误地接受了原假设的概率,在统计分布中,两类错误存在此消彼长的关系。映射到本文的研究问题,Type I Error对应实际ST但被模型预测为非ST的概率,Type II Error对应实际非ST但模型将其预测为ST的概率。

  本文分别选取10%和50%分位数为阈值,也就是认为每一期得分分别低于前10%和50%分位数的公司是下一期被实施ST的备选公司。对应的Type I & Type II Error分别统计在表5和表6的最后一列。

  在10%分位数的阈值下,每一期超过2/3的实际被ST公司都落在预测ST范围内。当阈值扩展到50%,犯第一类错误的概率可以降低到10%以内,只有极少数的“漏网之鱼”没有被预测ST范围所覆盖,其中2014年的第一类错误率为0。但是不可避免的是,随着阈值的放松,第一类错误率在降低的同时,第二类错误率也在同样增长。

  阈值的选择可灵活由投资经理根据自身的投资风格和风险偏好决定。对于投资风格激进、风险偏好较强的投资经理,可以选择较低的阈值,排除少量风险较高的公司。对于投资风格保守、风险厌恶的投资经理而言,则可设定较高的阈值,尽可能全面地规避财务困境公司,从财务状况健康稳健的公司中寻找投资标的。

  本节构建的Logistic模型同样基于上一节中表3列举出的各项表示上市公司经营状况的财务指标。另外,鉴于以往绝大多数上市公司都是因为连续两年净利润为负而被实施ST,当年实现负净利润的公司属于高危公司,因此本节在Logistic模型中加入了指示当年净利润是否为负的二值变量。整体模型设定如下:

  在进行模型预测时,被解释变量为实施ST的条件概率,也就是在t-1期没有被ST的公司,在t期的ST状况。

  Logit模型用于实际预测的过程与Fisher判别相类似,首先选取四年的样本训练期,选取具有显著预测效果的投入变量并得到其相应系数,用于下一期数据的预测,每一期向后滚动。从而得到每只股票对应的下一期被实施ST的概率。

  需要注意的是,Fisher判别构建的判别式是基于ST和非ST个股的配对样本,而Logistic回归分析模型的搭建是基于全样本,因此两类模型方法选择的变量并不相同。

  在2009-2012的训练期内,除了指示净利润为负的响应变量之外,其余变量均没有通过相关显著性检验。仅有的二值分类变量只能将全部样本划分为两个部分,不足以用于预测,因此模型失效。为了保持结果完整,我们退而求其次地将全部指标丢入到模型中,不关注其显著性,最终模型的预测效果应该会受到影响。表8和表9分别展示了选取10%和50%分位数水平下,模型预测的Type I & Type II Error。

  对比Logistic回归分析和Fisher判别的预测效果,当阈值设定为10%分位数,Logistic回归分析的预测效果相对更好,体现为模型犯第一类错误的概率更低。但是当阈值扩展到50%分位数的情况下,与Fisher判别模型在相同阈值的情况相比,却没有明显的优势。该结果说明Logistic回归分析与Fisher判别方法相比,在极端值的判断上具有一定的优势,但是对整体分布的拟合缺乏优势。

  不论是Fisher判别分析计算的得分值还是Logistic回归分析计算的ST概率,均能够反映上市公司被实施ST的风险,也即代表上市公司的财务健康状况,在A股市场中,市场是如何对财务健康状况进行定价的呢?

  在每年的四月底年报披露完毕之时,我们可以通过模型计算每一家上市公司对应的财务状况指标,在横截面上根据指标的大小将所有公司等分成五组,分组时考虑市值中性,组合年度调仓。而后分别计算每组公司的平均收益。

  图5展示的是根据Fisher判别分析得分进行分组的组合累计收益曲线,从五条收益曲线的表现来看,组合之间的差距并不明显。财务状况最为健康的分组年化收益为17.9%,财务状况最差的分组年化收益为15.4%,差距甚微。多空组合的收益表现如图6所示,多头组合为财务健康的公司,空头组合为财务困境公司,多空收益在2017年之前无明显表现,但是自2017年以后呈现稳定向上的趋势。

  自2017年以来多空组合出现的趋势性特征本文认为与国内资本市场投资者转向从对公司基本面的关注息息相关。在A股市场上,上市资格一直作为一种稀缺资源存在,ST公司可能作为一种“壳资源”成为其他非上市企业“借壳上市”的目标。通过资产重组,原本的ST公司直接“咸鱼翻身”变成短期内股价飞涨的香饽饽。因此投资者对于“炒壳”的热情会淹没ST公司本身内涵的风险。

  但是2017年以后,随着金融监管的加强,投资者的风险偏好逐渐降低,越来越多的投资者开始关注上市公司的经营质地,一些短期的概念难以炒作,特别是以ST为代表的财务困境公司会让人避而远之,很难再有炒作空间。

  Logistic回归分析相应的分组收益表现对应于图7和图8,246心水玄机资料,整体结论与Fisher判别对应的图5图6十分类似,但又稍有不同,体现出更加明显的区间特征。

  从图8中的多空收益表现可看出,财务健康公司的相对溢价自2014年底就表现出了一定趋势,但在2016年发生逆转,财务困境公司反而获得了相对超额收益。2015年7月4日,伴随市场指数震荡下跌,证监会暂缓IPO发行,拟上市公司开启了排队上市之路,进而开启了2016年的“壳市场”,当时的资本市场的“壳概念”被炒得异常火热,ST以及潜在ST个股在二级市场游资、资产方的热烈追捧下收益急速增长。2017年以后,市场才对于财务健康回归理性定价。

  本文认为,虽然财务健康指标从较长历史回溯期间来看表现并不稳定,但是在金融监管加强、逐步放开合格境外机构投资者投资的金融大环境下,投资者对于价值投资的关注短期内发生变化的可能性不大,财务健康状况被市场正确定价的趋势也将继续保持。

  本文以被实施股票特别处理(ST)作为上市公司财务困境的指标,结合中国A股市场的现实状况和相关政策特征,使用Fisher判别和Logistic回归分析的方法,对A股上市公司的财务状况进行预测。

  从短期事件研究的角度来看,一个处于正常状态的公司不论是实施ST之前还是之后都大概率对其股价产生负向压力,因此投资者对具有ST风险的公司应该提前规避。

  两类模型均具有较好的预测效果,Logistic模型在阈值较低情况下的预测效果相对更好,体现为更强的极端值预测能力。Fisher判别分析在宽阈值的条件下预测效果更胜,两种模型可各取其优。

  从ST个股的市场表现来看,随着市场对基本面选股的关注度提升和对“炒壳”热情的衰退,ST股票所蕴含的风险越来越高,市场对公司财务健康状况给予的定价自2017年开始趋于合理,并且我们基于宏观金融环境预测财务健康公司的相对溢价会在未来继续保持。香港开码直播现场

  详细报告请查看20180621发布的国泰君安金融工程专题报告《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》返回搜狐,查看更多

网站首页新版跑狗图每期更新扬红公式心水坛ww700488c跑狗图跑狗图2018自动更新www.6227227.com