本报告运用Probit模型结合基本因子、成长因子、时序因子与政策因子构建了高送转概率预测体系。模型样本外回测显示在概率超过90%时,预测命中率约为80%。基于2014-2016年数据,剔除2017年政策异常年份,生成了2018年高送转金股组合,为投资决策提供量化支持,同时提示政策风险因素需关注。
| 影响因子类别 | 具体因子 | 预计影响方向 |
|---|---|---|
| 基本因子 | 股价 | + |
| 总股本 | — | |
| 上市年限 | + | |
| 成长因子 | 每股未分配利润 | + |
| 每股资本公积 | + | |
| 每股现金流 | + | |
| EPS(TTM) | + | |
| 时序因子 | 近三年送转比率 | + |
| 近三年分红比率 | — | |
| 中报送转比率 | — |
| 股票代码 | 股票简称 | 高送转概率 |
|---|---|---|
| 300695.SZ | 兆丰股份 | 89.43% |
| 300747.SZ | 锐科激光 | 83.10% |
| 300473.SZ | 德尔股份 | 76.94% |
| 603773.SH | 沃格光电 | 75.89% |
| 601799.SH | 星宇股份 | 74.03% |
| 603666.SH | 亿嘉和 | 68.14% |
| 603180.SH | 金牌厨柜 | 67.85% |
| 002393.SZ | 力生制药 | 60.13% |
| 002757.SZ | 南兴装备 | 55.80% |
| 603639.SH | 海利尔 | 54.65% |
报告标题:《金融工程——基于 Probit 模型的 2018 年度高送转预测》
发布机构: 天风证券股份有限公司研究所
报告发布时间: 2018年11月15日
作者及联系方式:
研究主题:
本报告聚焦于监管新规出台背景下,利用经济计量Probit模型预测2018年中国上市公司的“高送转”概率。高送转指上市公司通过送股或转增股本的方式提高股票流动性和吸引力的行为,受到监管政策影响显著。
核心论点及结论概要:
整体而言,作者通过结合严谨的统计模型和政策实务,对高送转现象提出系统性预测工具,具有较好的实践应用价值。,2,4,5,7]
关键论点:
报告回顾了2018年4月4日上交所与深交所联合发布的《上市公司高送转信息披露指引(征求意见稿)》,此举延续了此前2015年和2016年相关规定,针对操纵高送转行为强化了制度约束。新规明确了主板、中小板和创业板的高送转标准(分别为10送转5以上、10送转8以上和10送转10以上),并细化了必要条件,如净利润连续增长、每股收益限制及限制董事高管减持等。
支撑逻辑:
监管针对高送转“概念炒作”现象,意在抑制信息操纵和内幕交易,确保市场透明度和公正性。条件限制旨在甄别业绩优良且有合理权益分配需求的公司。
总结条款对比核心:
此节奠定了预测模型优化的基础,说明政策变更是模型设计的重要调整维度。
关键论点:
报告基于历史研究,将影响高送转的因素划分为四大类:基本因子、成长因子、时序因子和新增的政策因子。
详解各因子:
因子影响方向及机制:
表2中的“+”或“-”指示因子与高送转概率的预期正负相关。高价股和高成长财务指标正相关,较高的历史送转比率也意味着未来送转倾向。负向影响因子如中报送转比率表示年中已送转,年末再高送转概率减弱。
该部分深入揭示了模型变量选择的合理性和经济解释。
关键论点:
采用经济计量中的 Probit 模型来预测上市公司是否高送转(因变量为二分类0/1)。Probit模型的优势在于其累积分布函数(标准正态分布)能够将自变量线性组合后映射至0-1的概率区间,适用于预测事件发生概率。
公式解析:
( P_i = F(Z_i) = \Phi(\alpha + \beta X_i) ) ,其中 ( \Phi ) 是标准正态分布函数,( X_i )为解释变量向量,α与β为回归系数。
模型优点:
图1直观展现了Probit模型的概率分布形态,与线性概率模型的区别,强调其在边界概率预测上的优势。
通过该模型,作者实现了基于多因子定量计算高送转概率的目标。
关键论点:
通过对2010年至2016年数据进行样本外预测,检验Probit模型的预测准确度。预测过程采用前三年(滑动窗口)数据,剔除总股本及上市年限不符要求的样本,然后拟合模型。
数据分析:
表3显示,在不同预测概率阈值(50%到95%)下,模型预测的命中率随着阈值提升而提高。例如在2010年,当预测概率超过90%时,命中率达到约80%;越高阈值对应模型越高置信度,命中率更好。
2016年命中率较前几年略有下降,主要因监管政策影响使得高送转行为减少,模型未能完全捕捉政策新变化。
2017年实际应用方面,报告列出金工高送转金股组合,验证预测准确度达到80%,仅两支股票未实施高送转,体现了模型的实际适用性。
该部分佐证了模型的稳定性与有效性,进一步为2018年的预测奠定基础。
2017年预测回顾:
表4列出了2017年预测列表中概率较高的股票及其送转比率,其中绝大多数实现了实际送转,个别例外(如金牌厨柜、勘设股份未送转),综合预测准确率达80%。
高送转公司数量趋势:
图2展示了2010至2017年高送转公司数量变化,2017年受到监管限制,公司数量急剧下降,表明数据分布剧烈波动。
2018年模型调整:
鉴于监管态势变化及2017年数据异常,报告采取剔除2017年数据,仅以2014-2016年数据样本重新回归拟合模型,体现报告对模型稳健性的重视。
回归结果(表5):
2018年预测名单(表6):
基于新规及新模型参数,列出2018年度天风金工推荐的高送转股票组合,包括兆丰股份、锐科激光、德尔股份等,概率区间在55%-89%。
该节体现了模型迭代与实践应用的结合,利用政策理解修正历史数据对预测的影响。,7]
报告明确分析师独立执业资质,并声明内容版权及使用范围,强调报告中信息为表达个人看法,非买卖邀请,风险自担,且会因市场变动或信息更新而调整观点,兼顾利益冲突声明,增强研究透明度与合规性。
说明: 对比了2018新规条件与2015、2016年旧规主要条款,突出净利润、送转比例限制、减持禁令等关键变化。
解读: 新规更严格,要求连续净利润增长,强化信息披露,限定送转比例对应财务指标,限制大股东操作,反映监管重点转向风险管控。
逻辑联系: 为理解预测模型中政策因子的设定提供制度背景。
说明: 汇总基本因子、成长因子、时序因子对高送转概率的预期影响。
解读: 大部分财务成长指标与高送转正相关,体现资本实力保障;总股本负相关符合理财学流通股数量对价格影响的理论;中报送转比率与年末送转呈负相关,反映时序逻辑。
文本呼应: 明确说明了模型构建中变量选择及其经济含义。
说明: 曲线展示Probit模型与线性概率模型的区别,Probit模型具备S型(Sigmoid)特征,更合理映射概率区域。
解读: 边界概率(接近0或1)时,线性模型会超出合理范围,而Probit模型自然收敛到合理区间,提高预测准确性。
联系文本: 支撑第4页关于模型科学性的论述,强化方法论基础。
说明: 不同预测阈值(50%-95%)下,历年命中率统计,右侧数字为实际命中率及名义送转数量。
解读: 整体呈现随概率提升,命中率提升趋势,模型对高概率事件准确。2016年命中率下降反映监管影响模型需要调整。
意义: 验证模型稳定性及政策对预测准确率的限制作用,是报告后续2018年模型调整的实证依据。
说明: 列出2017年预测概率最高的十大股票及其送转比率。
解读: 多数预测概率均在90%以上,实际送转比率反映预测符合实际高送转执行情况。两只股票未送转反映市场实际操作可能受多重因素影响。
意义: 展示模型实际应用绩效,说明模型的投资组合价值。
说明: 柱状图展示2010年至2017年每年高送转公司数量。
解读: 2014年以后数量显著增长,于2017年因新规政策锐减,下滑至最低点。
联系文本: 反映监管政策产生深远影响,导致2017年数据异常,作者因此选择剔除该年数据以提高2018预测模型有效性。
说明: 列出2018年回归自变量及对应系数、P值及其理论方向。
解读:
意义: 体现模型变量筛选的科学性和各指标的重要程度,为2018年预测提供参数基础。
说明: 列出2018年预测概率较高的10只股票。
解读: 预测概率从89%至55%不等,反映不同公司高送转倾向,体现模型在实际投资构建中的应用价值。
联系文本: 结合政策规定与模型参数,提供投资者高送转潜力公司的参考名单。
本报告核心为高送转预测,无涉及具体个股估值模型(如DCF、P/E等)的详细讨论。预测基于Probit计量经济学模型,通过概率的形式反映事件风险和可能性。模型输入因子包括股价、财务指标及政策变量,回归系数表征各因子的影响强度和方向。
模型通过最大似然估计样本回归系数,计算预测概率。没有传统估值的直接讨论,但预测概率可视为对市场潜在变动的一种量化参考。
缓解策略主要在于加强对政策变动的跟踪,模型定期更新及结合多维信息研判,降低单一模型依赖风险。,5]
综上,报告虽科学严谨,但需警惕政策变动和市场非理性行为带来的预测偏差。,7]
本报告系统构建并验证了基于Probit模型的高送转概率预测体系,结合政策新规对历史风格和财务指标进行了调整,以适应2018年监管环境变化。主要结论如下:
图表数据支持观点:
总的来说,作者通过严密的计量模型结合深刻的政策理解,实现了对中国资本市场“高送转”现象的有效预测,为投资决策和市场监督提供科学参考。
综上所述,报告呈现对中国高送转行为的系统建模与政策适应性调整,展示了Probit模型在金融工程领域的有效应用,投资建议基于科学分析,风险提示明确,具有较高参考价值。,2,3,4,5,6,7]
金工专题报告:基于Probit模型的2018年度高送转预测.pdf