高質(zhì)量股票池構(gòu)造體系Ⅱ事件型風(fēng)險(xiǎn)研究

1、高質(zhì)量股票池構(gòu)造框架回顧在我們于22年5月4日發(fā)布的前篇報(bào)告《高質(zhì)量股票池構(gòu)造體系—量化選股系列報(bào)告之五中我們從真實(shí)交易環(huán)境出發(fā)提出了一個(gè)三層股票池構(gòu)框架包括原始股票池剛性優(yōu)化股票池以及柔性優(yōu)化股票池剛性優(yōu)化保證了股票可交易，柔性優(yōu)化提升了股票池質(zhì)量。在柔性優(yōu)化部分我們僅針對(duì)負(fù)向因子進(jìn)行了剔除本文將延續(xù)之前的優(yōu)化框架對(duì)負(fù)向事件進(jìn)行梳理研究。圖1：高質(zhì)量股票池構(gòu)造流程資料來(lái)源：、柔性優(yōu)化回顧柔性優(yōu)化目的是提升股票池質(zhì)量我們?cè)诒鞠盗械牡谝黄獔?bào)《單因子組合優(yōu)在指數(shù)增強(qiáng)策略中的應(yīng)用—量化選股系列報(bào)告之一中使用組合優(yōu)化的方法市場(chǎng)中常用單因子進(jìn)行了測(cè)試，發(fā)現(xiàn)部分因子在多頭端正向la較弱，但是空頭端負(fù)向la較強(qiáng)。我們認(rèn)為在當(dāng)前的市場(chǎng)環(huán)境下此類因子納入收益模型中很難提供增量信息，但是其空頭端的負(fù)向預(yù)測(cè)能力可以加以利用。柔性剔除的標(biāo)準(zhǔn)可以分成三種類型，分別需要使用不同方式建模分析：負(fù)向事件預(yù)測(cè)剔除主要為財(cái)務(wù)造假預(yù)測(cè)部分財(cái)務(wù)指標(biāo)對(duì)于股票收益的預(yù)能力較差但是對(duì)于財(cái)務(wù)造假事件有預(yù)測(cè)能力因此可以通過(guò)對(duì)財(cái)務(wù)造假事件行建模預(yù)測(cè)，進(jìn)而規(guī)避財(cái)務(wù)造假概率較高的股票。負(fù)向事件發(fā)生后剔除部分負(fù)向事件發(fā)生后股價(jià)會(huì)出現(xiàn)持續(xù)性下跌如果事件發(fā)生后及時(shí)將涉事股票剔除，也可以及時(shí)規(guī)避風(fēng)險(xiǎn)。負(fù)向因子剔除因子型剔除的邏輯較為直接尋找有負(fù)向預(yù)測(cè)能力的因子除期望收益率最低的部分股票。圖2：柔性剔除分類資料來(lái)源：、事件驅(qū)動(dòng)型優(yōu)架事件驅(qū)動(dòng)型包括財(cái)務(wù)造假高管減持等特殊風(fēng)險(xiǎn)事件均為離散變量如果上市公司發(fā)生此類特殊風(fēng)險(xiǎn)事件公司的基本面或股權(quán)等將發(fā)生變動(dòng)發(fā)生此類事后，需要分析事件是否會(huì)驅(qū)動(dòng)股價(jià)變動(dòng)，進(jìn)而決定剔除該股票與否。對(duì)于有明顯負(fù)向收益的事件我們需要對(duì)該事件進(jìn)行主觀分析判斷其是否具預(yù)測(cè)可能性。對(duì)于不可預(yù)測(cè)的事件若負(fù)向超額收益集中在事件發(fā)生后那么我們可以對(duì)件進(jìn)行跟蹤并及時(shí)將涉事股票剔除出股票池。對(duì)于可預(yù)測(cè)事件無(wú)論其負(fù)向超額收益發(fā)生在何時(shí)我們均可構(gòu)建模型進(jìn)行預(yù)測(cè)，提前將涉事股票剔除。下圖展示了基于事件驅(qū)動(dòng)的事后剔除型優(yōu)化框架。圖3：事件驅(qū)動(dòng)型優(yōu)化框架、事件驅(qū)動(dòng)測(cè)試本文采用典型的事件研究法來(lái)考察上市公司在事件發(fā)生并發(fā)布公告后的市場(chǎng)反應(yīng)我們采用市場(chǎng)模型來(lái)估計(jì)預(yù)期收益率并在此基礎(chǔ)上計(jì)算出每日超額收益R和累計(jì)超額收益率ACR以T0為事件發(fā)生日選用[T-T-3為模型的估計(jì)期，對(duì)下列模型進(jìn)行估計(jì)：ttti i im ii然后根據(jù)估計(jì)參數(shù)i和i，計(jì)算事件窗口期T-30,T+30]中第t日的超額收益和截至t日的平均累計(jì)超額收益，如下所示：it

1ntnt

i10其中，m為市場(chǎng)指數(shù)基準(zhǔn)收益率，本文采用中證全指作為基準(zhǔn)；i表示第i股票的收益率。圖4：事件驅(qū)動(dòng)測(cè)試示意圖2、不可預(yù)測(cè)負(fù)向事件跟蹤事件是否具備可預(yù)測(cè)性一般需要主觀分析判斷對(duì)于不可預(yù)測(cè)事件來(lái)說(shuō)若負(fù)向收益發(fā)生在事件發(fā)生后可以通過(guò)及時(shí)監(jiān)測(cè)并剔除的方式避免損失擴(kuò)大本章節(jié)從兩個(gè)維度選取了若干不可預(yù)測(cè)負(fù)向事件進(jìn)行測(cè)試具體來(lái)說(shuō)包括基本面和經(jīng)層面?；販y(cè)區(qū)間我們選取20年1月至1年2月。、基本面負(fù)向事件基本面維度負(fù)向事件的信息來(lái)源主要涉及業(yè)績(jī)預(yù)告我們將季報(bào)半年報(bào)及年的業(yè)績(jī)預(yù)告均納入研究范圍中報(bào)告類型共有8種其中負(fù)向事件包括續(xù)虧減、預(yù)減和首虧。其具體含義如下表所示。表1：業(yè)績(jī)預(yù)告負(fù)向事件含義類型類型 含義續(xù)虧 上年期損預(yù)期損不業(yè)績(jī)比上同變化略減略減 業(yè)績(jī)比年期降度于050之間預(yù)減 業(yè)績(jī)比上同下幅過(guò)5首虧首虧 上年期利預(yù)期從事件發(fā)生數(shù)量上看四種報(bào)告類型在各年度發(fā)生頻率較為均勻事件總數(shù)在年度維持在0左右?；販y(cè)結(jié)果上來(lái)看四種類型報(bào)告均有顯著負(fù)向超額收益其中續(xù)虧類型的報(bào)告向收益強(qiáng)度最大，在事件發(fā)生后7個(gè)交易日，平均累計(jì)超額收益達(dá)到-.14。負(fù)向收益區(qū)間來(lái)看，在四種類型報(bào)告發(fā)布前對(duì)應(yīng)股票均已經(jīng)開始出現(xiàn)負(fù)向收益市場(chǎng)反應(yīng)在一定程度上會(huì)先于業(yè)績(jī)公告數(shù)據(jù)說(shuō)明市場(chǎng)中存“搶跑者負(fù)向收益大幅兌現(xiàn)則是集中于事件發(fā)生后7個(gè)交易日左右及時(shí)跟蹤并剔除涉及此類事件的股票可以避免回撤擴(kuò)大。圖5：業(yè)績(jī)預(yù)告續(xù)虧事件驅(qū)動(dòng)回測(cè) 圖6：業(yè)績(jī)預(yù)告略減事件驅(qū)動(dòng)回測(cè)。注回測(cè)區(qū)間為2010年1月2021年12月橫軸表示距離事件發(fā)生的天（下同。

in，。注：回測(cè)區(qū)間為2010年12021年12月。圖7：業(yè)績(jī)預(yù)告預(yù)減事件驅(qū)動(dòng)回測(cè) 圖8：業(yè)績(jī)預(yù)告首虧事件驅(qū)動(dòng)回測(cè)，。注：回測(cè)區(qū)間為2010年12021年12月。 ，。注：回測(cè)區(qū)間為2010年1月2021年2月。表2：業(yè)績(jī)預(yù)告負(fù)向事件發(fā)生次數(shù)統(tǒng)計(jì)會(huì)計(jì)度業(yè)績(jī)告-業(yè)績(jī)告-業(yè)績(jī)告-業(yè)績(jī)告-201060151190156201113814924217520126021917154282013710343700450201460540956352120155724786496762016560523608524201756943851739320187123787805582019624415898752202048248894211192021129531500553，。注：數(shù)據(jù)區(qū)間為2010年2021年。、經(jīng)營(yíng)層面負(fù)向件經(jīng)營(yíng)層面負(fù)向事件主要涉及公司經(jīng)營(yíng)活動(dòng)相關(guān)事件例如違規(guī)立案調(diào)查高管離職等部分事件對(duì)股價(jià)的負(fù)向沖擊明顯但是預(yù)測(cè)難度較高我們測(cè)試了其中的四類事件分別為公司改名立案調(diào)查董事長(zhǎng)離職以及高管減持超過(guò)0?；販y(cè)結(jié)果上來(lái)看四種事件均有顯著負(fù)向超額收益其中立案調(diào)查事件的負(fù)向益強(qiáng)度最大，在事件發(fā)生后7個(gè)交易日，平均累計(jì)超額收益達(dá)到-3。負(fù)向收益區(qū)間來(lái)看涉及四種事件的個(gè)股在事件發(fā)生后均有持續(xù)的負(fù)向收益中公司改名事件負(fù)向收益延續(xù)長(zhǎng)達(dá)0個(gè)交易日及時(shí)跟蹤并剔除涉及此類事的股票可以避免回撤擴(kuò)大。圖9：公司改名事驅(qū)動(dòng)回測(cè) 圖10：高管減持超過(guò)10件驅(qū)動(dòng)回測(cè)，。注：回測(cè)區(qū)間為2010年12021年12月。 ，。注：回測(cè)區(qū)間為2010年1月2021年2月。圖11：立案調(diào)事件驅(qū)動(dòng)回測(cè) 圖12：董事長(zhǎng)離職事件驅(qū)動(dòng)回測(cè)，。注：回測(cè)區(qū)間為2010年12021年12月。 ，。注：回測(cè)區(qū)間為2010年1月2021年2月。表3：經(jīng)營(yíng)層面負(fù)向事件發(fā)生次數(shù)統(tǒng)計(jì)會(huì)計(jì)度公司名立案查董事離職高管持例超過(guò)10%20103310--2011437--2012405173-20134315193-20149118235-201513745272-201614135323120179745328316201890513481219201975733642501202088684143086202188624382470，。注：數(shù)據(jù)區(qū)間為2010年2021年。其中“-”表未收集相關(guān)數(shù)據(jù)。、不可預(yù)測(cè)負(fù)向跟蹤剔除測(cè)試根據(jù)上述負(fù)向事件的測(cè)試結(jié)果我們構(gòu)建負(fù)向事件跟蹤剔除策略來(lái)測(cè)試剔除負(fù)股票后的收益情況。具體做法為：每個(gè)交易日在全市場(chǎng)中挑選出涉及上述負(fù)向事件的股票并將其納入負(fù)向股池。每個(gè)交易日在全市場(chǎng)股票池中剔除負(fù)向股票池中的股票，剩余股票等權(quán)買入等權(quán)買入全市場(chǎng)股票，作為比較基準(zhǔn)。測(cè)試區(qū)間選擇010年1月4日至1年2月1日。測(cè)試結(jié)果如下圖所示負(fù)向事件剔除組合相對(duì)于基準(zhǔn)組合超額收益穩(wěn)健及時(shí)除負(fù)向事件能夠避免損失擴(kuò)大。圖13：不可預(yù)測(cè)負(fù)向事件跟蹤剔除組合相對(duì)等權(quán)重組合凈值表現(xiàn)，。注：數(shù)據(jù)區(qū)間為2010.01.0—2021.12.31表4：不可預(yù)測(cè)負(fù)向事件跟蹤剔除組合業(yè)績(jī)表現(xiàn)月度率年化益年化夏普率最大撤最大撤始時(shí)間最大撤束時(shí)間20107500%0.3%0.4%2.50.5%201//1201//920117500%0.5%0.9%2.50.2%201//31201//1120128333%1.4%0.8%3.60.1%201//31201//2320137500%1.2%0.4%2.30.2%201/1/1201/1/920146667%1.1%0.2%3.30.1%201//24201//1520155833%0.8%0.1%1.20.3%201/1/3201/1/1620168333%1.6%0.1%4.80.9%201//1201//2420178333%2.7%0.3%7.30.0%201//1201//2620187500%1.3%0.1%3.60.6%201//6201//1320198333%1.7%0.1%1.11.8%201//31201//1220209167%3.4%0.9%4.20.8%202//4202//2620217500%1.2%0.4%2.40.4%202//8202//17全區(qū)間7708%1.8%0.1%2.11.8%201//31201//12資料來(lái)源：ind。注：數(shù)據(jù)區(qū)間為2010.01.0—2021.12.313、可預(yù)測(cè)負(fù)向事件研究學(xué)術(shù)界對(duì)于上市公司業(yè)“暴雷做過(guò)大量研究對(duì)于財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)的預(yù)測(cè)已有了成果公司陷入財(cái)務(wù)危機(jī)是一個(gè)逐步的過(guò)程通常由財(cái)務(wù)狀況正常開始逐惡化最終導(dǎo)致財(cái)務(wù)危機(jī)或破產(chǎn)因此公司的財(cái)務(wù)危機(jī)不但具有先兆而且是可預(yù)測(cè)的。本文將參考已有學(xué)術(shù)研究成果進(jìn)行實(shí)證測(cè)試以財(cái)務(wù)報(bào)表為線索篩選出由財(cái)問(wèn)題導(dǎo)致的財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)事件并構(gòu)造財(cái)務(wù)指標(biāo)進(jìn)行預(yù)測(cè)希望能構(gòu)造出一套供投資者使用的財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)預(yù)測(cè)模型。、財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)對(duì)于財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)，學(xué)術(shù)界有不同的定義方式。大體包括：股票被特別處理（ST/*ST）。公司受到監(jiān)管處罰。我們認(rèn)為與公司財(cái)務(wù)狀況相關(guān)的財(cái)務(wù)危機(jī)是投資者需要關(guān)注的重點(diǎn)而且公財(cái)務(wù)惡化是一個(gè)過(guò)程具備可預(yù)測(cè)性因此我們將對(duì)上述兩類事件進(jìn)行提純只保留與公司財(cái)務(wù)狀況相關(guān)的風(fēng)險(xiǎn)事件。特別處理（ST*ST）特別處（ST/*ST與上市公司的財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)有著緊密聯(lián)系我們對(duì)5年至1年之間特別處理的原因進(jìn)行了統(tǒng)計(jì)發(fā)現(xiàn)由于連續(xù)兩年虧損的特別處理次數(shù)占總次數(shù)的805，顯然這是特別處理最主要的原因。也即最近兩個(gè)會(huì)計(jì)年度的凈利潤(rùn)均為負(fù)數(shù)時(shí)，將發(fā)生財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)。數(shù)量上來(lái)看，隨著近些年處罰力度的增強(qiáng)，8年以來(lái)被特別處理的企業(yè)總數(shù)增多，由虧損導(dǎo)致的被特別處理事件占比下降。事件驅(qū)動(dòng)測(cè)試結(jié)果來(lái)看，股票被特別處理前30個(gè)交易日至后2個(gè)交易日負(fù)向超額收益尤為明顯，預(yù)測(cè)價(jià)值較高。圖14：歷年特別處事件發(fā)生數(shù)量 圖15：特別處理事件驅(qū)動(dòng)回測(cè)資料來(lái)源，。注：數(shù)據(jù)區(qū)間為20050101—2021231 ，。注：數(shù)據(jù)區(qū)間為20050101—2021231綜上我們將特別處理事件作為財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)的樣本此外由于特別處理有種原因，我們還對(duì)特別處理事件數(shù)據(jù)做了提純處理，具體規(guī)則如下：僅使用由于虧損導(dǎo)致的特別處理事件。剔除由ST轉(zhuǎn)為*ST的特別處理事件。剔除由ST/*ST轉(zhuǎn)為退市的特別處理事件。監(jiān)管處罰監(jiān)管處罰相關(guān)數(shù)據(jù)均來(lái)自于wind數(shù)據(jù)庫(kù)的Sarellegaliy數(shù)據(jù)表我們從其中的兩個(gè)維度作為切入點(diǎn)：首先是被處罰標(biāo)的與公司關(guān)系包括公司本身公司股東公司高管等7種關(guān)系根據(jù)需求我們希望提取出能代表企業(yè)發(fā)生財(cái)務(wù)危機(jī)的報(bào)表因此僅使用處罰標(biāo)的為公司本身的樣本。其次是監(jiān)管機(jī)構(gòu)公布的處罰類型，共有五大類，包括（）未按時(shí)披露定期報(bào)告（未及時(shí)披露公司重大事（信息披露虛假或嚴(yán)重誤導(dǎo)性陳（業(yè)績(jī)預(yù)測(cè)結(jié)果不準(zhǔn)確或不及時(shí)（）未依法履行其他職責(zé)。公司的處罰類型可包括一種或多種，我們剔除了上述類別中違規(guī)原因不明確的第五類。從數(shù)量上來(lái)看，隨著近些年監(jiān)管力度加大，上市公司違規(guī)的數(shù)量有明顯的上升其中主要處罰原因“未及時(shí)披露公司重大事項(xiàng)“信息披露虛假或嚴(yán)重誤導(dǎo)性陳述”。回測(cè)結(jié)果來(lái)看，5年-2021年期間，未及時(shí)披露公司重大事項(xiàng)的負(fù)向超額收益更為持續(xù)和明顯，在事件發(fā)生前后30個(gè)交易日均有顯著負(fù)向收益。最終我們將使“未及時(shí)披露公司重大事項(xiàng)“信息披露虛假或嚴(yán)重誤導(dǎo)性述”兩種違規(guī)類型作為財(cái)務(wù)危機(jī)樣本。圖16：違規(guī)類數(shù)量統(tǒng)計(jì)圖 圖17：監(jiān)管處罰事件驅(qū)動(dòng)回測(cè)，。注：數(shù)據(jù)區(qū)間為20050101—2021.1.1 in，。注：數(shù)據(jù)區(qū)間為20050101—2021.1.1。監(jiān)管處罰選取“未及時(shí)披露公司重大事項(xiàng)”和“信息披露虛假或嚴(yán)重誤導(dǎo)性陳述”兩種類型。表5：違規(guī)類型數(shù)量統(tǒng)計(jì)表年份未按披露定期告未及披公司信息露假或重大項(xiàng) 嚴(yán)重導(dǎo)陳述業(yè)績(jī)測(cè)果不準(zhǔn)確不時(shí)未依履行其他責(zé)200511511153120061737125322007103426144200832453272200911542281201002037312520111227467620124412638820130362798020145593314832015152396334201631401791823992017431591163111702018303902311041571201924392173154149120202950919314913532021255561831601751資料來(lái)源：ind。注：數(shù)據(jù)區(qū)間為2005年2021年問(wèn)題報(bào)表確認(rèn)上述兩類負(fù)向事件均可以作為財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)樣本，為了保證負(fù)例樣本的數(shù)量夠，我們將特別處理和監(jiān)管處罰事件合并，作為財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)樣本集合。財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)的發(fā)生一般要經(jīng)歷積年累月的經(jīng)營(yíng)情況惡化問(wèn)題發(fā)生前的財(cái)務(wù)報(bào)告已經(jīng)存在了問(wèn)題因此可以將其納入到負(fù)例樣本中具體來(lái)說(shuō)我們以財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)樣本為基礎(chǔ)，將事件發(fā)生前2個(gè)會(huì)計(jì)年度的財(cái)務(wù)報(bào)表均定義為問(wèn)題報(bào)表以康美藥業(yè)為例，在020年5月3日中國(guó)證監(jiān)會(huì)對(duì)康美藥業(yè)出具的《行政處罰決定書》中判定該公司的68年年度報(bào)告均存在違規(guī)問(wèn)題。此外我們從年報(bào)數(shù)據(jù)中也能發(fā)現(xiàn)端倪康美藥業(yè)屬“存貸雙高型財(cái)務(wù)造假，通過(guò)其年報(bào)數(shù)據(jù)中我們不難發(fā)現(xiàn)，“存貸雙高”現(xiàn)象在16年就開始顯現(xiàn)。圖18：康美藥業(yè)“存貸雙高”現(xiàn)象從2016年開始出現(xiàn)，；注：數(shù)據(jù)區(qū)間為2010年年報(bào)2020年年報(bào)。單位：億元經(jīng)過(guò)篩選，我們總共提取了2份上市公司年報(bào)作為負(fù)例樣本，總共涉及到4家公司從時(shí)間序列分布來(lái)看2013年開始問(wèn)題報(bào)表出現(xiàn)數(shù)量及占比均快速上升，這與A股市場(chǎng)監(jiān)管趨嚴(yán)相吻合。圖19：歷年問(wèn)題報(bào)表數(shù)量及占比資料來(lái)源：in，。注：數(shù)據(jù)區(qū)間為2005年年報(bào)2019年年報(bào)從行業(yè)分布來(lái)看問(wèn)題報(bào)表多存在于化工機(jī)械醫(yī)藥和房地產(chǎn)等行業(yè)國(guó)防和軍工、消費(fèi)者服務(wù)等行業(yè)問(wèn)題報(bào)表出現(xiàn)次數(shù)不多。但是我們所選取的時(shí)間跨度為5年，平均來(lái)看問(wèn)題報(bào)表在行業(yè)分布中相對(duì)較為平均。圖20：?jiǎn)栴}報(bào)表行業(yè)分布情況資料來(lái)源：。注：數(shù)據(jù)區(qū)間為2005年年報(bào)—019年年報(bào)此外我們還對(duì)比了不同寬基指數(shù)中問(wèn)題報(bào)表占比可以看到問(wèn)題報(bào)表大多集于市值較小的指數(shù)中，滬深0指數(shù)成分股出現(xiàn)問(wèn)題報(bào)表的概率并不高。圖21：?jiǎn)栴}報(bào)表在寬基指數(shù)中分布情況，。注：數(shù)據(jù)區(qū)間為2005年年報(bào)2019年年報(bào)、分箱法探究財(cái)標(biāo)與財(cái)務(wù)危機(jī)在銀行借貸場(chǎng)景中評(píng)分卡是一種常用的用來(lái)衡量客戶信用風(fēng)險(xiǎn)的手段通過(guò)給各個(gè)特征進(jìn)行分檔能夠快速對(duì)新客戶給出信用評(píng)分我們將參考銀行系統(tǒng)中常用的評(píng)分卡風(fēng)控模型使用其中的分箱思想為財(cái)務(wù)報(bào)表構(gòu)建一套財(cái)務(wù)質(zhì)量打分體系。分箱的本質(zhì)是將連續(xù)變量離散化使擁有不同屬性的樣本被分成不同的類別終達(dá)到類似于聚類的效果。具體來(lái)說(shuō)，分箱操作有以下三種優(yōu)勢(shì)：將缺失值變成可用數(shù)據(jù)：務(wù)指標(biāo)中難免存在缺失值，在傳統(tǒng)多因子體系中，需要對(duì)缺失值進(jìn)行填充或剔除這種操作可能會(huì)使數(shù)據(jù)失真而分箱可以將缺失值單獨(dú)分成一組，即使數(shù)據(jù)的覆蓋率很低也可以被我們使用。異常值處理傳統(tǒng)的異常值處理方法多為邊界值替換或剔除同樣會(huì)導(dǎo)致數(shù)據(jù)失真的問(wèn)題而分箱操作需要將變量離散化天然具備處理缺失值的功能例如資產(chǎn)增長(zhǎng)率數(shù)據(jù)若出現(xiàn)0的極端值可將其分入100＋∞這個(gè)分箱內(nèi)，從而排除影響。發(fā)現(xiàn)非線性關(guān)系財(cái)務(wù)指標(biāo)與財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)的關(guān)系并非簡(jiǎn)單的單調(diào)關(guān)系例如資產(chǎn)負(fù)債率指標(biāo)一般認(rèn)為該指標(biāo)值處于4至8之間較為良好然而此類非單調(diào)關(guān)系的指標(biāo)一般需憑借主觀經(jīng)驗(yàn)無(wú)法進(jìn)行批量篩選甚至無(wú)法保證該經(jīng)驗(yàn)的正確性。分箱操作能夠刻畫出非線性關(guān)系。分箱評(píng)價(jià)指標(biāo)V與WOE分箱是對(duì)連續(xù)數(shù)據(jù)的離散化必然會(huì)導(dǎo)致信息的損失若分箱數(shù)量過(guò)多則沒(méi)達(dá)到離散化的目標(biāo)若分箱數(shù)量過(guò)少則會(huì)使信息損失過(guò)大因此分箱的過(guò)程中比較重要的問(wèn)題是如何確定箱子的個(gè)數(shù)。為了平衡信息量和財(cái)務(wù)指標(biāo)的預(yù)測(cè)能力，我們使用V（nfrmaionVale）和WOE（WeightfEvidence）指標(biāo)來(lái)輔助判斷分箱個(gè)數(shù)。其中N為分箱個(gè)數(shù)i表示第i個(gè)箱子表示第i個(gè)箱內(nèi)正常財(cái)務(wù)報(bào)表的量，表示全樣本中正常財(cái)務(wù)報(bào)表的數(shù)量。表示第i個(gè)箱子中正常樣本占全部正常樣本的比例，負(fù)樣本同理。表示正常財(cái)務(wù)報(bào)表與異常財(cái)務(wù)報(bào)表比例的對(duì)數(shù)，也即對(duì)數(shù)財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)概率其本質(zhì)是對(duì)比分箱內(nèi)識(shí)別財(cái)務(wù)危機(jī)的概率和全樣本中財(cái)務(wù)危機(jī)概率之間的異。為負(fù)，說(shuō)明該箱子相比于全樣本更能夠識(shí)別出負(fù)例樣本。一般認(rèn)為V與指標(biāo)有效性的關(guān)系如下表所示。從該表中我們可知，V值有兩重要功能，（1）評(píng)價(jià)指標(biāo)有效性（）確定合適的分箱個(gè)數(shù)。V和WOE是我們后續(xù)研究中的重要參考，V值用來(lái)評(píng)價(jià)財(cái)務(wù)指標(biāo)，WOE值是財(cái)務(wù)指標(biāo)分箱后的打分標(biāo)準(zhǔn)。V 特征V 特征預(yù)函數(shù)貢度0.3下 特征乎帶效息對(duì)型貢獻(xiàn)00.3至009 有效息少對(duì)型貢度0.1至.9 有效息般對(duì)型貢度00.3至.9 有效息多對(duì)型貢度0.5及上 有效息常，模的獻(xiàn)常高但此特較可疑有效指標(biāo)篩選建模過(guò)程中若模型訓(xùn)練數(shù)據(jù)中存在較多無(wú)關(guān)數(shù)據(jù)會(huì)影響模型最終的精度與泛化能力因此在建模之前需要對(duì)指標(biāo)有效性進(jìn)行檢驗(yàn)對(duì)指標(biāo)進(jìn)行了初步篩選之后再對(duì)每一個(gè)指標(biāo)進(jìn)行建模尋找對(duì)于公司是否存在對(duì)違規(guī)現(xiàn)象具有解釋能力的指標(biāo)。上一小節(jié)提到，V可以用來(lái)評(píng)價(jià)指標(biāo)的預(yù)測(cè)能力。當(dāng)IV小于1時(shí)，指標(biāo)的有效信息含量較少，對(duì)模型的貢獻(xiàn)度較低。根據(jù)V的計(jì)算公式我們可知，V值與分箱數(shù)量是正向單調(diào)關(guān)系。而根據(jù)后續(xù)的研究我們發(fā)現(xiàn)，分箱數(shù)量較多時(shí)，值的提升有限。因此最終的篩選標(biāo)準(zhǔn)設(shè)定為分箱數(shù)量為30時(shí)V值大于1的指標(biāo)我們從指標(biāo)庫(kù)中的9個(gè)指標(biāo)中最終篩選出了5個(gè)有效指標(biāo)。（詳見附錄）分箱流程概述最終構(gòu)建評(píng)分模型時(shí)會(huì)給予不同箱子中的財(cái)務(wù)報(bào)告不同的分?jǐn)?shù)較好的分箱果是同一個(gè)箱子中的樣本屬性盡可能保持相同不同箱子中的樣本屬性盡可能異明顯。也即達(dá)到“組間差異大，組內(nèi)差異小”的效果。我們通過(guò)卡方檢驗(yàn)的方式來(lái)比較相鄰兩個(gè)箱子之間的相似性若相鄰兩個(gè)箱子的卡方檢驗(yàn)vale較大，則說(shuō)明兩個(gè)箱子非常相似，需要將其合并為一個(gè)箱子具體步驟如下：設(shè)定目標(biāo)分箱值K。對(duì)財(cái)務(wù)指標(biāo)進(jìn)行等頻率分箱，初始分箱數(shù)量默認(rèn)為30。計(jì)算每個(gè)箱子的財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)概負(fù)例樣本占總樣本的比例和WOE值。對(duì)相鄰兩個(gè)箱子進(jìn)行卡方檢驗(yàn)，特征相似的箱子進(jìn)行合并，直到箱數(shù)小設(shè)定的目標(biāo)值K為止。遍歷分箱數(shù)量K重復(fù)上述過(guò)程觀察不同分箱數(shù)量下的V值變化情況找出最合適的分箱個(gè)數(shù)。分箱過(guò)程如下圖所示：圖22：分箱生過(guò)程示意圖分箱法流程小結(jié)本章節(jié)介紹了分箱法的優(yōu)勢(shì)目的以及整體流程其中最核心的是兩個(gè)評(píng)價(jià)指標(biāo)V和WOEV值可以評(píng)價(jià)分箱后數(shù)據(jù)的信息含量以此可以選擇合適的分箱數(shù)量；WOE值用來(lái)評(píng)價(jià)每個(gè)箱子的負(fù)例樣本識(shí)別能力，當(dāng)WOE小于0時(shí)，說(shuō)明該箱的負(fù)例占比要高于全樣本的負(fù)例占比。接下來(lái)我們將使用上述流程對(duì)財(cái)務(wù)指標(biāo)進(jìn)行分箱操作并給出每個(gè)財(cái)務(wù)指標(biāo)的箱結(jié)果。、財(cái)務(wù)指標(biāo)分箱經(jīng)過(guò)V值初步篩選出顯著指標(biāo)后，接下來(lái)我們要通過(guò)分箱構(gòu)建指標(biāo)數(shù)值與財(cái)危機(jī)發(fā)生概率之間的關(guān)系，并計(jì)算出分箱后的WOE值作為評(píng)分標(biāo)準(zhǔn)。財(cái)務(wù)指標(biāo)分箱測(cè)試根據(jù)上一章節(jié)設(shè)定的分箱步驟首先要對(duì)所選財(cái)務(wù)指標(biāo)進(jìn)行排序操作然后對(duì)序后的財(cái)務(wù)指標(biāo)進(jìn)行等頻率分箱我們先對(duì)數(shù)據(jù)進(jìn)行了0等分每組樣本數(shù)相同約包含2200個(gè)樣本點(diǎn)最后計(jì)算各組內(nèi)財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)樣本的比例作為財(cái)務(wù)指標(biāo)在該區(qū)間內(nèi)發(fā)生財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)的概率同時(shí)計(jì)算WOE值作為該組的打標(biāo)準(zhǔn)。分箱操作能夠?yàn)槲覀兲峁﹥蓚€(gè)重要信息：財(cái)務(wù)指標(biāo)與財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)發(fā)生概率的關(guān)系是怎樣的。財(cái)務(wù)指標(biāo)處于哪些區(qū)間時(shí)財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)發(fā)生概率最高。以現(xiàn)金比率指標(biāo)為例通過(guò)財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)概率分布圖可以清晰的看到現(xiàn)金比與財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)發(fā)生概率為負(fù)相關(guān)也即現(xiàn)金比率越低財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)越高該論與經(jīng)驗(yàn)較為符合此外從分布圖中還可以獲得更具體的信息當(dāng)現(xiàn)金比率標(biāo)低于5時(shí)，財(cái)務(wù)危機(jī)發(fā)生概率開始升高。當(dāng)指標(biāo)值低于-0時(shí)，財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)發(fā)生概率為38。圖23：現(xiàn)金比率指標(biāo)與財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)概率關(guān)系圖，。注：數(shù)據(jù)區(qū)間為2005年年報(bào)2019年年報(bào)。橫軸：指標(biāo)分箱結(jié)果；縱軸：財(cái)務(wù)危風(fēng)險(xiǎn)概率（下同?？ǚ綑z驗(yàn)合并箱體從現(xiàn)金比率與財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)的關(guān)系來(lái)看指標(biāo)值在高于之后就已經(jīng)沒(méi)有顯著區(qū)分度了分箱操作只會(huì)為模型引入噪音因此我們使用卡方檢驗(yàn)對(duì)屬性相似箱體進(jìn)行合并。圖24：現(xiàn)金比率指標(biāo)分箱結(jié)果示意圖資料來(lái)源：。注：數(shù)據(jù)區(qū)間為2005年年報(bào)—019年年報(bào)具體來(lái)說(shuō)我們?cè)O(shè)定一個(gè)目標(biāo)分箱數(shù)量K對(duì)所有相鄰的兩個(gè)箱體進(jìn)行卡方檢驗(yàn)，合并pale最高的兩個(gè)箱子后重復(fù)上述操作，直到箱子數(shù)目為K時(shí)停止檢驗(yàn)。我們對(duì)現(xiàn)金比率指標(biāo)執(zhí)行上述操作并設(shè)定分箱數(shù)量為（如何確定分箱數(shù)量下一小節(jié)結(jié)果如下圖所示合并箱體之后的結(jié)果在各個(gè)箱體之間均有較好區(qū)分度，數(shù)據(jù)在離散化的同時(shí)盡可能保留了足夠多的有效信息。圖25：現(xiàn)金比指標(biāo)卡方檢驗(yàn)合并箱體之后財(cái)務(wù)危機(jī)概率分布 圖26：現(xiàn)金比率指標(biāo)卡方檢驗(yàn)合并箱體后WOE分布資料來(lái)源，。注：數(shù)據(jù)區(qū)間為2005年報(bào)2019年年報(bào) ，。注：數(shù)據(jù)區(qū)間為2005年報(bào)2019年年報(bào)表7：現(xiàn)金比率指標(biāo)分箱結(jié)果明細(xì)分箱正常本量異常本量財(cái)務(wù)機(jī)生概率OE-∞,0.5]8643382812%-12.0%-0.1,-.08]9612401998%-7.1%-0.0,-.05]10031981649%-5.6%-0.0,.04]63678391164%-1.2%0.0,008]32723329.1%1488%0.0,018]77466617.6%3220%0.1,+∞)120511888.9%1755%資料來(lái)源：。注：數(shù)據(jù)區(qū)間為2005年年報(bào)—019年年報(bào)確定合適的分箱數(shù)量確定分箱數(shù)量是分箱操作中較為關(guān)鍵的步驟從對(duì)現(xiàn)金比率指標(biāo)的分箱過(guò)程我也能夠發(fā)現(xiàn)，分箱數(shù)量過(guò)多會(huì)導(dǎo)致沒(méi)有區(qū)分度，從而引入噪音。V值可以用來(lái)判斷分箱效果的好壞，確定合適的分箱數(shù)量。具體來(lái)說(shuō)對(duì)財(cái)務(wù)指標(biāo)的分箱數(shù)量進(jìn)行2到0的遍歷操作觀察分箱數(shù)量與值之間的關(guān)系。同樣以現(xiàn)金比率指標(biāo)為例，下圖為分箱數(shù)量與V值關(guān)系圖。隨著分箱數(shù)量的增多，V值呈現(xiàn)單調(diào)上升狀態(tài)，且增速逐漸降低。當(dāng)分箱數(shù)量大于7時(shí)，V值的增速顯著下降繼續(xù)增加分箱數(shù)量無(wú)法為指標(biāo)帶來(lái)更多的信息提升因此我們此來(lái)確定指標(biāo)合適的分箱數(shù)量。圖27：現(xiàn)金比率指標(biāo)不同分箱數(shù)量下的IV值資料來(lái)源：。注橫軸為分箱數(shù)量，縱軸為IV值。分箱結(jié)果展示我們按照上述流程對(duì)5個(gè)指標(biāo)均進(jìn)行了分箱操作按照指標(biāo)影響方向可以分成三類下面展示了三種類型的部分財(cái)務(wù)指標(biāo)在我們測(cè)試的全部財(cái)務(wù)指標(biāo)中其測(cè)試結(jié)果與經(jīng)濟(jì)含義基本一致。正向指標(biāo)指標(biāo)值越大發(fā)生財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)的概率越低我們挑選了兩個(gè)經(jīng)濟(jì)意義較為明確，結(jié)果符合邏輯的指標(biāo)，應(yīng)收款周轉(zhuǎn)率和總資產(chǎn)同比增長(zhǎng)率。應(yīng)收款周轉(zhuǎn)率指標(biāo)一般用來(lái)表示企業(yè)的營(yíng)運(yùn)能力，指標(biāo)值越低表示企業(yè)應(yīng)款周轉(zhuǎn)速度越低，形成壞賬的可能性越大。從擬合結(jié)果上來(lái)看，當(dāng)指標(biāo)值于7時(shí)財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)發(fā)生概率達(dá)到5以上。總資產(chǎn)同比增長(zhǎng)率可以用來(lái)表示企業(yè)的規(guī)模增速。從擬合結(jié)果上來(lái)看，當(dāng)速為負(fù)時(shí)財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)發(fā)生概率開始升高。圖28：應(yīng)收款周轉(zhuǎn)指標(biāo)財(cái)務(wù)危機(jī)概率分布 圖29：應(yīng)收款周轉(zhuǎn)率指標(biāo)WE分布，。注：數(shù)據(jù)區(qū)間為2005年年報(bào)2019年年報(bào) in，。注：數(shù)據(jù)區(qū)間為2005年年報(bào)2019年年報(bào)圖30：總資產(chǎn)同比增率指標(biāo)財(cái)務(wù)危機(jī)概率分布 圖31：總資產(chǎn)同比增長(zhǎng)率指標(biāo)WOE分布，。注：數(shù)據(jù)區(qū)間為2005年年報(bào)2019年年報(bào) ，。注：數(shù)據(jù)區(qū)間為2005年報(bào)2019年年報(bào)負(fù)向指標(biāo)指標(biāo)值越大發(fā)生財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)的概率越高我們挑選了金融負(fù)債占比和應(yīng)收款資金比兩個(gè)指標(biāo)。金融負(fù)債占權(quán)益比表示企業(yè)的負(fù)債水平，根據(jù)企業(yè)的管理不同，其負(fù)債率水平也會(huì)不同。一般經(jīng)驗(yàn)認(rèn)為該指標(biāo)存在一個(gè)合理區(qū)間，根據(jù)結(jié)合結(jié)果可以看到，當(dāng)金融負(fù)債占權(quán)益比高于%時(shí)財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)發(fā)生概率開始升高，該值與傳統(tǒng)經(jīng)驗(yàn)中的警戒線基本一致。應(yīng)收賬款是獲取利潤(rùn)的一種營(yíng)銷手段一般可以表示企業(yè)在供應(yīng)鏈中的低位應(yīng)收款資金占比過(guò)高會(huì)存在較大風(fēng)險(xiǎn)。從擬合結(jié)果上來(lái)看，指標(biāo)值超過(guò)1倍時(shí)財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)發(fā)生概率開始升高。圖32：金融負(fù)占權(quán)益比財(cái)務(wù)危機(jī)概率分布 圖33：金融負(fù)債占權(quán)益比指標(biāo)WOE分布in，。注：數(shù)據(jù)區(qū)間為005年年報(bào)2019年年報(bào) in，。注：數(shù)據(jù)區(qū)間為2005年年報(bào)2019年年報(bào)圖34：應(yīng)收款資占比財(cái)務(wù)危機(jī)概率分布 圖35：應(yīng)收款資金占比指標(biāo)WOE分布in，。注：數(shù)據(jù)區(qū)間為005年年報(bào)2019年年報(bào) in，。注：數(shù)據(jù)區(qū)間為2005年年報(bào)2019年年報(bào)區(qū)間指標(biāo)指標(biāo)值過(guò)高或過(guò)低時(shí)財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)發(fā)生的概率越高我們挑選了毛利率同比和商譽(yù)規(guī)模同比增長(zhǎng)率兩個(gè)指標(biāo)。毛利率同比可以看成是企業(yè)的盈利增速，根據(jù)我們的擬合結(jié)果可以看到，盈利增速過(guò)高或過(guò)低均會(huì)抬升財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)發(fā)生的概率。當(dāng)指標(biāo)值低于-3%高于4時(shí)發(fā)生財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)的概率均較高。商譽(yù)規(guī)模同比指標(biāo)為企業(yè)商譽(yù)的變動(dòng)情況，商譽(yù)發(fā)生變動(dòng)的企業(yè)一般是進(jìn)行了合并或收購(gòu)等行為從擬合結(jié)果上來(lái)看商譽(yù)規(guī)模同比小于0或高于.4%時(shí)發(fā)生財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)的概率開始升高。圖36：毛利率同指標(biāo)財(cái)務(wù)危機(jī)概率分布 圖37：毛利率同比指標(biāo)WOE分布資料來(lái)源，。注：數(shù)據(jù)區(qū)間為2005年報(bào)2019年年報(bào) ，。注：數(shù)據(jù)區(qū)間為2005年報(bào)2019年年報(bào)圖38：商譽(yù)規(guī)同比指標(biāo)財(cái)務(wù)危機(jī)概率分布 圖39：商譽(yù)規(guī)模同比指標(biāo)WE分布，。注：數(shù)據(jù)區(qū)間為2005年年報(bào)2019年年報(bào) ，。注：數(shù)據(jù)區(qū)間為2005年報(bào)2019年年報(bào)分箱結(jié)果小結(jié)本章節(jié)使用前文給出的分箱流程對(duì)指標(biāo)庫(kù)中的5個(gè)財(cái)務(wù)指標(biāo)均進(jìn)行了分箱操作并計(jì)算出分箱后對(duì)應(yīng)的WOE分布根據(jù)指標(biāo)的影響方向來(lái)看大體可以成正向、負(fù)向以及區(qū)間三類指標(biāo)。指標(biāo)的分箱本質(zhì)上也是對(duì)指標(biāo)進(jìn)行單獨(dú)建模接下來(lái)我們要將全部單獨(dú)建模的標(biāo)結(jié)合在一起，構(gòu)建財(cái)務(wù)報(bào)告質(zhì)量評(píng)分模型。、財(cái)務(wù)報(bào)告質(zhì)量卡模型構(gòu)建篩選出有效的財(cái)務(wù)指標(biāo)并進(jìn)行分箱操作之后我們就得到了財(cái)務(wù)指標(biāo)與財(cái)務(wù)危風(fēng)險(xiǎn)概率之間的數(shù)量關(guān)系接下來(lái)我們使分箱后的WOE值對(duì)財(cái)務(wù)報(bào)告進(jìn)行分類打分，構(gòu)建財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)預(yù)測(cè)打分模型。有效指標(biāo)篩選：對(duì)于指標(biāo)的有效性我們使用V值進(jìn)行過(guò)初步篩選，挑選出了V高于1的指標(biāo)然而在分箱過(guò)程中依然會(huì)存在分箱結(jié)果與實(shí)際意義不符、財(cái)務(wù)危機(jī)發(fā)生概率不具備顯著區(qū)分度等問(wèn)題。因此我們還需要對(duì)指標(biāo)進(jìn)行動(dòng)二次篩選。同類指標(biāo)合成財(cái)務(wù)指標(biāo)之間可能有較高的相關(guān)性接下來(lái)還需要對(duì)相關(guān)性較高的財(cái)務(wù)指標(biāo)進(jìn)行合并具體來(lái)說(shuō)首先挑選一個(gè)V值最大的指標(biāo)作為基礎(chǔ)，然后在剩下的指標(biāo)中挑選出與其相關(guān)性在6以上的指標(biāo)作為一組重復(fù)上述操作直到所有指標(biāo)均被分類。指標(biāo)打分：我們使用分組后的指標(biāo)對(duì)股票進(jìn)行打分。對(duì)于打分標(biāo)準(zhǔn)來(lái)說(shuō)以各箱子對(duì)應(yīng)的WOE值作為該箱的分?jǐn)?shù)分?jǐn)?shù)越說(shuō)明發(fā)生風(fēng)險(xiǎn)的概率越大。財(cái)務(wù)指標(biāo)存在安全區(qū)域和風(fēng)險(xiǎn)區(qū)域我們認(rèn)為只有當(dāng)指標(biāo)值處于風(fēng)險(xiǎn)區(qū)時(shí)，股票的打分才有意義。因此僅保留WOE為負(fù)值的部分。最后我們對(duì)同一類別財(cái)務(wù)指標(biāo)的得分進(jìn)行合成其平均值作為該類別指的綜合得分。所有類別的綜合得分相加為最終得分。圖40：財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)預(yù)測(cè)打分模型，。、財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)結(jié)果展示我們對(duì)所有公司的年度報(bào)告均以上述打分模型進(jìn)行評(píng)價(jià)打分其得分越高代表業(yè)發(fā)生財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)的概率越大。以康得新為例根據(jù)打分模型來(lái)看康得新從16年開始財(cái)務(wù)質(zhì)量評(píng)分大幅降低且連續(xù)處于低位此時(shí)股價(jià)依然處于上漲趨勢(shì)市場(chǎng)并沒(méi)有對(duì)康得新的財(cái)質(zhì)量下滑有所反應(yīng)在18年康得新被質(zhì)疑財(cái)務(wù)造假股價(jià)大幅下滑財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)預(yù)測(cè)模型提前2年發(fā)出了預(yù)警。圖41：康得新財(cái)報(bào)歷年得分，。注：數(shù)據(jù)區(qū)間為2010年報(bào)2021年報(bào)財(cái)務(wù)報(bào)告質(zhì)量評(píng)分的優(yōu)化效果構(gòu)建財(cái)務(wù)報(bào)告質(zhì)量評(píng)分模型的初衷是為了優(yōu)化股票池質(zhì)量因此我們使用財(cái)報(bào)量評(píng)分在全市場(chǎng)中進(jìn)行選股測(cè)試。具體回測(cè)參數(shù)設(shè)置如下：股票池：全市場(chǎng)股票剔除銀行及ST/*ST。調(diào)倉(cāng)日期：每年年報(bào)發(fā)布截止日，也即每年的4月0日?；販y(cè)區(qū)間：06年9月1日022年4月9日。分組方式：根據(jù)財(cái)務(wù)報(bào)告質(zhì)量評(píng)分將股票從低到高分成5組加權(quán)方式：等權(quán)重?；販y(cè)結(jié)果來(lái)看財(cái)務(wù)質(zhì)量評(píng)分的分層效果較好評(píng)分高的組合能夠跑贏評(píng)分低的組合此外我們發(fā)現(xiàn)低分組合在016年之后表現(xiàn)明顯弱于高分組合而在此之前并沒(méi)有明顯的區(qū)分度。這是因?yàn)樽?cè)制的推進(jìn)使得低質(zhì)量股票的“殼價(jià)值降低市場(chǎng)不再熱衷于炒作小市值股票財(cái)務(wù)報(bào)告的質(zhì)量對(duì)股價(jià)的正向影響變得越來(lái)越明顯。圖42：206年222年回凈值曲線 圖43：216年222年回凈值曲線，。注：數(shù)據(jù)區(qū)間為20069212022429 in，。注：數(shù)據(jù)區(qū)間為2016312022429表8：財(cái)務(wù)報(bào)告質(zhì)量評(píng)分選股測(cè)試業(yè)績(jī)指標(biāo)分組年化益率年化動(dòng)率夏普率最大撤o-353%2318%-0325704%o1-013%2221%-0195170%o22.3%2255%-0074821%o34.7%2244%0.14603%43.2%2218%-0044650%資料來(lái)源：。注：數(shù)據(jù)區(qū)間為2016年3月1日2022年4月29日財(cái)務(wù)危機(jī)預(yù)警組合構(gòu)建接下來(lái)我們測(cè)試財(cái)報(bào)質(zhì)量評(píng)分對(duì)于滬深0和中證00股票池的提升效果。具體回測(cè)參數(shù)如下：回測(cè)區(qū)間：016年3月1日022年4月9日。調(diào)倉(cāng)日期：每年年報(bào)發(fā)布截止日，也即每年的4月0日。分組方式：股票池內(nèi)財(cái)報(bào)質(zhì)量評(píng)分最低的0作為預(yù)警組合，剩余股票作為對(duì)照組合。加權(quán)方式：等權(quán)重?；販y(cè)結(jié)果來(lái)看，回測(cè)期內(nèi)預(yù)警組合在滬深0和中證50股票池內(nèi)均有顯著負(fù)向收益。剔除預(yù)警組合的剩余股票相對(duì)于預(yù)警組合超額收益明顯，滬深30股票池中年化超額收益2.50，中證0股票池中年化超額收益13.62，剔除預(yù)警組合對(duì)股票池的優(yōu)化效果顯著。圖44：滬深30預(yù)警組合剔除測(cè)試 圖45：中證50預(yù)警組合剔除測(cè)試，。注：數(shù)據(jù)區(qū)間為2016312022429 資料來(lái)源，。注：數(shù)據(jù)區(qū)間為20163.20224.9表9：滬深30預(yù)警組合剔除測(cè)試業(yè)績(jī)表現(xiàn)月度率年化額年化夏普率最大撤最大撤始時(shí)間最大撤束時(shí)間20166000%4.4%7.7%0.24.7%201//16201//2120177500%1774%6.9%2.22.5%201//16201//1620187500%1531%7.0%1.33.4%201/1/12201/1/2920196667%1569%8.1%1.65.6%201//14201//2520207500%2758%8.7%2.24.8%202//7202//1420215000%1.3%1067%-0241114%202//10202//2220225000%0.2%9.5%-0413.3%202//18202//20全區(qū)間6622%1250%8.2%1.21114%202//10202//22資料來(lái)源：ind。注：數(shù)據(jù)區(qū)間為20163120224.9。超額收益為“剔除預(yù)警組合等權(quán)重”與“預(yù)警組合等權(quán)重”的相對(duì)收益。表10：中證50預(yù)警組合剔除測(cè)試業(yè)績(jī)表現(xiàn)月度率年化額年化夏普率最大撤最大撤始時(shí)間最大撤束時(shí)間20165000%-137%5.6%-0907.4%201//29201/1/1420175000%-185%5.9%-1017.0%201//4201//720188333%4076%9.6%4.14.4%201/1/19201/1/2120196667%2473%1080%1.21260%201//31201//720207500%3097%1096%2.67.1%202//19202//820214167%2.0%1044%-0179.2%202//13202//2420225000%-470%1112%-0788.8%202//27202//6全區(qū)間5946%1362%9.3%1.31300%201//29201//7資料來(lái)源：ind。注：數(shù)據(jù)區(qū)間為20163120224.9。超額收益為“剔除預(yù)警組合等權(quán)重”與“預(yù)警組合等權(quán)重”的相對(duì)收益。4、總結(jié)與展望本文延續(xù)了上一篇報(bào)《高質(zhì)量股票池構(gòu)造體系量化選股系列報(bào)告之五中提出的三層股票池構(gòu)造框架在柔性優(yōu)化部分做了進(jìn)一步研究對(duì)負(fù)向事件進(jìn)了梳理研究，將其劃分成可預(yù)測(cè)和不可預(yù)測(cè)兩部分。對(duì)于不可預(yù)測(cè)事件來(lái)說(shuō)我們從兩個(gè)維度選取了若干事件進(jìn)行測(cè)試具體來(lái)說(shuō)括基本面和經(jīng)營(yíng)層面共8個(gè)指標(biāo)每個(gè)指標(biāo)在事件發(fā)生后0個(gè)交易日內(nèi)均有持續(xù)顯著的負(fù)向收益我們對(duì)上述事件進(jìn)行了跟蹤剔除回測(cè)結(jié)果顯示跟蹤并剔涉事股票可以有效避免負(fù)向收益的擴(kuò)大，為投資者降低損失。對(duì)于可預(yù)測(cè)負(fù)向事件來(lái)說(shuō)我們參考風(fēng)控領(lǐng)域中的分箱思想構(gòu)造了一個(gè)財(cái)務(wù)質(zhì)打分模型對(duì)財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。該模型主要有三個(gè)核心步驟：樣本篩選我們對(duì)ST事件和違規(guī)事件進(jìn)行了提純將事件中與財(cái)務(wù)報(bào)相關(guān)的部分提取出作為負(fù)例樣本。財(cái)務(wù)指標(biāo)顯著性檢驗(yàn)我們挑選了分箱數(shù)量為0時(shí)V值大于1的指標(biāo)。對(duì)指標(biāo)庫(kù)中的9個(gè)指