个股多维度质量监控雷达构建

近年来，A股市场蓬勃发展，上市公司数量不断增加。截至2024 年8月30日，A股上市公司数量已达5349家。同时，近年来A股投资也经历了“市值下沉”，微盘股颇受投资者关注。2023年，微盘股指数表现一骑绝尘，成为亮眼的风景，然而2024年微盘股波动剧烈，引发投资疑虑。 可以看出，众多的上市公司不仅拓宽了投资者的可选范围，也大幅增加了投资者的研究负担。

与此同时，自2020年退市制度改革以来（统计区间为2021年1月1日至2024年8月31日），沪深两市退市 A股达156家，常态化退市平稳开局。 对部分投资者来说，避免极端损失（例如买到退市的个股）可能比获取收益更为重要。

因此，本文希望搭建多维度个股质量监控体系，帮助投资者优选低风险个股。 具体的，我们从 规则推演、财务模型 两维度对个股进行综合评价。

2024年4月12日，证监会发布《 关于严格执行退市制度的意见》 ，对退市制度的细节进行多角度的完善与维度。本次退市新规拓宽了退市类型、收紧不少退市要求，促使更多个股面临退市压力，例如营业收入大于1亿元但小于3亿元的主板上市个股。

回溯历史，A股退市规则一直在不断的完善丰富。2012年以来，资本市场退市制度先后经历了多次大的改革，已经建立了 财务类、规范类、交易类、重大违法类等四类强制退市指标体系和主动退市情形 。同时近期在2020年和2024年迎来较大的修订，对财务类、规范类、交易类、重大违法等4类强制退市指标体系和主动退市进行完善。

下面我们对大家较为关注的政策问题进行解答。

1、 ST和*ST是何含义，有何区别？

上市公司出现财务状况或其他状况异常，导致其股票存在终止上市风险，或者投资者难以判断公司前景，其投资权益可能受到损害的，证券交易所对该公司股票交易实行特别处理，进行风险警示。

风险警示分为警示存在强制终止上市风险的风险警示（简称退市风险警示）和警示存在其他重大风险的其他风险警示。

上市公司股票交易被实施退市风险警示的，在股票简称前冠以“*ST”字样；被实施其他风险警示的，在股票简称前冠以“ST”字样，以区别于其他股票；公司同时存在退市风险警示和其他风险警示情形的，在股票简称前冠以“*ST”字样。

二者最大的区别是：ST不是退市风险警示，主要是为了提示投资者关注公司的风险；*ST表示该只股票被实施了“退市预警”，已经处于退市边缘。一旦当挂上*ST的公司达到相关退市标准，就直接退市。

2、 个股被*ST与被退市的关联？

我们进一步通过对退市规则分析整理，提炼相应信号，帮助投资者从规则推演角度进行个股质量监控。同时我们设定如下：

1、 我们重点研究个股被*ST的相关准则，暂不考虑ST；

2、 其中重大事项违法的情况较难进行逻辑推演，下文暂不考虑。

我们首先对财务类规则进行梳理，并提取定量叠加定性逻辑可以推演信号的规则。（ 其中标红色为与2020年版本相比有更改的条目，下划线为我们提炼出可以进行预测的条目，下同 ）

2.2.1、 预测准则一:营业收入叠加净利润复合条件

在上述准则中有两个核心指标： 净利润与营业收入 ，我们基于下述方法预测净利润和营业收入:

1）在 N年的1-4月，预测N-1年的年报 数据：使用 业绩快报数据、业绩预告数据以及N-1年三季度数据线性外推 分别对营业收入和净利润进行预测；

2）在 N年的5-8月，我们预测N年的年报数据 ，即使用 最新可得季报数据线性外推方法 分别对营业收入和净利润进行预测。

其中线性外推方法为去年同期的比例推演计算，以三季报净利润为例：

预测净利润 = （(三季报净利润) ∗ 𝐚𝐛𝐬(去年年报净利润)）/𝐚𝐛𝐬（去年三季报净利润）

我们基于上述预测方法构建2020年1月1日至2024年4月30日的质量监控股票池，具体来说若预测净利润小于0且预测营业收入小于1亿元，则作为质量监控股票池（即准则高概率命中的股票池）。同时我们计算股票池未来一年被*ST的预测准确率，可以看出预测准确率大体呈阶梯型走势。 我们认为这主要是由于基于一季度推演全年净利润难度较大，而后随着接近正式财报发布时间，预测准确率明显增加。

下面为2024年4月1日的质量监控股票池样例，可以看出一共19只个股中有14只个股真实被*ST,预测准确率高达73.68%。

新《上市规则》规定的财务类强制退市风险警示情形以上市公司 2024年年报为首个适用的年度报告 。在放大了营业收入阈值后，拟受影响的个股有明显的增加，因此我们认为这条准则从2024年三季报发布（预测准确率明显较高）至2025年4月正式年报发布期间（会有个股实际被*ST）值得着重关注。

2.2.2 、 预测准则一:营业收入叠加净利润复合条件

下面我们提炼净资产准则信号，其具体规定如下所示。

我们基于上述预测方法构建2020年1月1日至2024年4月30日的净资产准则质量监控股票池，即预测净资产小于0，则进行质量监控。

下面我们对规范类强制退市政策进行梳理，可以看出规范类准则在2024年的新规中新增了两条：

1、 公司被控股股东（无控股股东，则为第一大股东）及其关联人非经营性占用资金，余额达到最近一期经审计净资产绝对值30%以上，或者金额达到2亿元以上，被中国证监会责令改正但公司未在规定期限内改正；

2、 连续2个会计年度的财务报告内部控制被出具无法表示意见或者否定意见的审计报告，或者未按照规定披露财务报告内部控制审计报告。

2.3.1 、 预测准则一:延迟发布报告

我们提炼延迟发布报告准则相应信号，其具体规定如下所示。

我们通过引入财务报告预约披露日字段，若个股超过财务报告预约披露日后仍然未发布正式报告，则我们需要关注。

同时此信号仅在4月和8月的月底最后五天触发。

2.3.2 、 预测准则二:审计内控报告非标

此条为2024年退市新规的新增规定。我们筛选2023年财务报告内部控制被出具非标意见的公司，一共有41家。（由于 最近一个会计年度财务报告内部控制被出具无法表示意见或否定意见的审计报告，或未按照规定披露财务报告内部控制审计报告，会被ST，因此这41家大部分是ST状态，买到概率并不高） 。

截至2024年8月30日，今年有32家公司因连续20个交易日股票收盘价低于人民币1元，告别A股。因此交易类退市也成为大家重点关注的规则之一。

我们对历史被面值退市（由于连续20个交易日的每日股票收盘价均低于人民币1元）而被退市的公司进行分析。首先从公司属性来看，因为股价低于面值而退市的公司中无公司属性为央国企的公司，非央国企公司中民营企业因为股价低于面值退市的较多，数量为60只；其次从总市值分布来看，退市时总市值在50亿元以上的公司仅有一家，而总市值处于50亿元以下的公司有71家， 因此非央国企、总市值处于50亿元以下的公司比较容易因为股价低于面值而退市 。

因此，我们进一步针对公司不同的市值和企业属性特征制定了不同的股价标准，我们相应调低央国企、大市值公司的预警收盘价，调高小市值公司的预警收盘价：

1、总市值50亿元以上公司预警收盘价为1.5；

2、总市值50亿元以下的央国企预警收盘价为1.5；

3、总市值50亿元以下的其他企业预警收盘价为2。

我们将满足以上条件的股票纳入交易类预测准则预警股票池。可以看出2024年以来预警股票池数目有明显增加。但需要注意的是，在历史上纯因交易类准则退市的个股极少，大多个股是由于触及财务类准则被特殊处理后股价下跌而触及交易类准则，因此此条历史预测准确率较低。

上述我们通过提炼退市规则，分析了“营业收入叠加净利润”、“净资产”、“延迟发布报告”等准则，并构建了相应质量监控股票池。通过准则构建的股票池预测准确率相对较高，但考虑到部分准则难以通过定量的方式简单获取，且准则推演的方法覆盖的个股数目相对较少，本文进一步基于财务指标构建特殊处理预测信号，丰富我们的特殊处理风险监控体系。

在报告 《未雨绸缪，个股财务风险监控雷达》 中，我们构建财务预警指数进行个股财务危机风险监控。但通过后续与客户的沟通交流，确实发现其中存在不少值得进一步更改的点。因此，在本报告中我们对财务风险模型进行进一步改进。

我们选取财务风险预测指标的核心思路为：基于财务指标异常股票池（极端水平股票池）的风险预测准确率时间序列和全A股票池的准确率时间序列 ，检验两者均值是否存在显著区别----观 察指标异常股票池的特殊处理概率是不是明显更高 ，我们在前述模型上进行了下述适应性更改：

1、 预测频率调整 ：原模型采用年频更新，过于滞后。因此在本文中加入半年报信息，改为每年预测两次；

2、 预测周期调整 ：原模型仅对未来三年的特殊处理概率进行考虑，不少客户提出三年周期过长，可能对投资指引意义有限，因此我们进一步加入半年、一年时间周期；

3、 当下已知特殊处理个股剔除 ：原模型在预测时未考虑目前当下已被特殊处理个股，而这不符合投资实践。因此本文我们在计算准确率时剔除当下已被特殊处理公司从而找到更符合我们需求的指标；

4、 预测指标库扩充 ：原模型搜集上十个质量维度指标，本文在此基础上对指标进行了进一步扩充，例如加入了附注指标。

3.2.1 、 指标列表

我们首先对于底层的近百个质量、成长、分析师预期等因子均进行了上述测试，同时测试指标进行行业中性化处理前后表现。行业中性化方法为在行业内计算分位数后选择头部（或者尾部）5%的个股作为异常股票池。最终我们选取以下五个维度的指标构建主表维度指标体系。

3.2.2 、 指标测试结果

1）短期偿债能力

对债权人来说，企业要具有充分的偿还能力才能保证其债权的安全，按期取得利息，到期取回本金；对投资者来说，如果企业的短期偿债能力发生问题，就会牵制企业经营的管理人员耗费大量精力去筹集资金，以应付还债，还会增加企业筹资的难度，或加大临时紧急筹资的成本，影响企业的盈利能力。本文在短期偿债能力维度选取流动比率和速动比率指标进行监控。

2）长期偿债能力

与短期偿债能力相比，长期偿债能力度量的是公司净资产归还相应长期负债的能力。我们选取净资产长期负债比指标进行监控，其主要含义为指企业长期负债与企业净资产的比重，是衡量企业长期偿债能力的一个重要指标，反映了企业清算时，所有者权益对债权人利益的保证程度。如果净资产长期负债比过高则说明企业负债越高。

3） 费用结构

在财务报表中，除了营业成本外，还有一个不可忽视的企业运营成本，这部分企业费用水平也能展示出企业的风险点。下面我们选取销售费用利润率和三费收入比两个费用衍生指标作为此维度的监控指标。销售费用利润率是企业净利润与销售费用的比例，此指标特别小（换言之，销售费用相对来说特别大）的公司可能代表产品竞争力较弱，销售风险大；三费收入比是企业销售费用、管理费用和财务费用这三费占收入的比例，三费收入比越高，一般情况下企业的经济效益越差。

4）经营效率

企业经营效率是指企业经营活动过程中投入资源与产出之间的对比关系，经营效率过低可能代表着公司经营不善。我们在此维度选择应收账款周转率和存货周转率指标进行监控。

5）资产管理

企业资产管理也是重要维度，如果净资产增长过慢或者呈负增长介意认为企业经营不善概率较大，是较大的风险点。

3.3.1 、 附注指标结果

进一步，在报告《财务附注中的alpha》中，我们基于财务附注数据进行了alpha因子的构建，本文测试财务附注相关因子对于未来特殊处理风险的预测能力（附注指标测试周期为2015年5月以来），最终选取了下述六个细分指标作为质量监控指标。

3.3.2 、 指标测试结果

下面为附注指标的测试结果，可以看出各附注指标亦能起到较好的效果。

我们基于打分法进行合成，具体步骤如下：

1、 主表信号生成：根据测试，主表财务指标进行了行业中性化后表现更佳，因此我们对其均进行申万一级行业中性化；

2、 附注信号生成：而对于附注的指标，综合效果，同时考虑到财务附注指标的测试效果较为一般，因此我们采用原始指标数值；

3、 综合信号生成：最终我们基于五个主表维度和一个附注维度（细分附注指标的并集）来构建我们的综合打分。

同时我们在不同主流宽基指数中也尝试了相应测试，可以看出在国证2000指数的中、长期预测准确率都较高，但也可以看出沪深300若出现多个质量监控维度异常点，值得重点关注。

我们将规则类和财务模型类两者取并集，构建综合质量监控股票池，观察其相应预测结果，具体构建方式如下：

1、规则类质量评价股票池：包括“营业收入叠加净利润”、“净资产”、“延迟发布报告”、“交易类准则”等；

2、财务类质量评价股票池：我们选取触及4个质量监控异常点的股票池进行重点关注。

同时考虑到交易类准则历史预测准确率较低，且2024年交易类准则触及数目有显著增加，我们也进一步测试是否纳入交易类准则股票池的结果。

我们计算质量监控股票池结果，可以看出不管是否纳入交易类准则准确率均较高（统计10月份至次年4月）。 对比来看，纳入交易类准则后股票池的预测准确率稍逊，但股票池召回率有提升。

同时，我们观察组合的股价表现。具体的，本文基于以下方式构建组合:

1、回测区间：2020年12月31日至2024年6月30日；

2、调仓频率：月度；

3、加权方式：等权；

4、选股方式：基于综合质量监控股票池（纳入交易类）进行测试。

可以看出组合负alpha显著，长期来看显著跑输中证1000指数。同时分年度来看近年来表现较差，特别是2024年负向alpha显著。

本文构建个股质量监控体系，从而对企业可能或将要面对的风险进行预测和分析，优选低风险个股。具体的，我们从准则触发概率、财务质量评价两个维度对个股进行综合质量评价。

1）个股规则推演类质量监控体系 ：本文通过梳理财务类、交易类、规范类和重大违法类等强制退市准则要求，帮助投资者从规则推演角度对个股进行质量监控。以净利润和营业收入复合准则为例，我们基于业绩预告、业绩快报、历史财务报告线性外推对核心指标净利润、营业收入进行预判，构建可能触发此准则的质量监控股票池，此股票池预测准确率（*ST预测）可达75%。

2）个股财务模型类质量监控体系 ：本文通过量化手段对企业的财务报表信息进行分析，希望将企业已面临的危险情况预先告知投资人。具体的，我们构建五个主表（短期偿债能力、长期偿债能力等）和一个附注的六维度质量维度监控体系，此体系预测准确率（特殊处理风险预测）较高，中长期预期准确率可达50%。

最终， 我们通过规则推演和财务模型两维度股票池并集构建综合个股质量监控重点池 。 以纳入交易类准则的综合质量监控股票池为例，池子未来一年特殊处理的预测准确率为 40.81%，未来三年被特殊处理的概率达55.36% 。同时综合质量股票池负alpha显著，等权组合的年化收益率为-27.21%，近年来持续贡献显著负收益。

风险提示： 报告中的结果均通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。