【华泰金工林晓明团队】财务质量系列研究之三:公司治理行为与企业违规风险

（以下内容从华泰证券《【华泰金工林晓明团队】财务质量系列研究之三:公司治理行为与企业违规风险》研报附件原文摘录）
　　林晓明 S0570516010001 研究员 SFC No. BPY421 王佳星 S0570521100001 研究员 本文源自2022年6月6日发布的研报《公司治理行为与企业违规风险》，对本文的完整理解请参见研报原文。 摘要 本文从公司治理行为入手，扩充上市公司财务质量评分指标体系 本报告是上市公司财务质量系列研究报告的第三篇，旨在基于已有的研究思路与框架，探索公司治理指标与企业违规风险间的关系。我们从管理层特征、公司股权结构以及股东持股异动等维度入手，构建共68个公司治理相关指标，并通过显著性检验等方式筛选出25个对公司违规行为解释性较强的指标。最终基于财报主表指标、附注指标以及公司治理指标构建了上市公司综合财务评分体系，对上市公司的财报质量进行打分评价。具有低财务评分的上市公司具有更高的违规风险，从股价回测上也呈现出显著的负alpha效果。 管理层特征指标：上市公司的管理层越稳定，违规风险越小 本文对管理层特征的研究主要分为管理层规模、管理层结构、管理层稳定性、管理层薪酬、管理层成员特征五个方面。从测试结果上来看，上市公司的管理层越稳定，对应的违规风险也越小，比如离职较少、平均任期较长或是成员年龄相对较大的管理层。具体来看，管理层人数占员工比例、董事会成员平均任期、董事会和监事会成员离职比例、高管报酬占市值比、董事会成员年龄等指标对于上市公司违规风险均有较好的提示作用。 股权结构指标：股权越集中的上市公司违规风险越小 股权结构指标主要包括股权集中度及机构投资者持股两个方面，其中股权集中度指标关注主要股东持股占比情况，机构投资者持股指标主要关注专业投资者对公司未来的判断。从测试结果上来看，股权集中度指标对于上市公司违规风险有较好的提示作用，前几大股东持股占比总体越低，上市公司的违规风险越大。 持股异动指标：股权质押与冻结对于上市公司违规风险有较好提示作用 股东持股异动指标主要包含股权质押及股权冻结两个方面，股权质押是公司常见的融资手段，但是高额的质押往往存在较大的风险；股权冻结则往往意味着公司在财务等方面存在风险或法律纠纷。质押与冻结相关指标对问题报表都有较好检出效果，存在股权冻结的上市公司违规风险可以达到正常公司的4倍以上，存在股权质押的上市公司违规风险也在正常公司2倍左右。 完善上市公司财报打分体系，最终评分展现出较好负alpha效果 财务报表评分结果能够有效反映公司财务质量，该结果一方面能够筛选财务表现良好的公司，获得稳定的市场回报，另一方面也能暴露企业风险，规避市场表现不佳的股票。比如评分70分以下的公司历史违规风险在17%以上，基本上打分排名处于全市场后20%。从回测结果上来看，低财务评分的股票具有明显的负alpha效果。在中证800股票池内财务评分的回测IR也能达到0.57左右。财务质量评分以上市公司是否违规为基准构建，但是也能和股价产生关联性，可以客观反应公司财务质量在选股过程中起到的效果。 风险提示：模型根据历史规律总结，历史规律可能失效；市场出现超预期波动，导致拥挤交易；报告中涉及到的具体行业或股票不代表任何投资意见，请投资者谨慎、理性地看待。 正文 本文导读：公司治理行为对上市公司违规风险有预警作用 财务质量系列研究旨在从基本面视角对上市公司违规风险进行定量刻画，在首篇报告《财务质量分析体系初探》（2021-6-21）中，我们进行了上市公司违规数据集的构建，并且基于财报主表指标确立了一套财务指标评估以及企业财务风险度量体系。在第二篇报告《财报附注中隐藏的财务风险》（2021-12-31）中，我们以财报附注指标为切入点，识别上市公司财报中容易被忽视的财务风险。 本篇报告作为系列研究的第三篇，旨在基于已有的研究思路与框架，分析公司治理行为与企业违规风险之间的关系，挖掘公司治理信息中潜藏的异常状况。进一步筛选与公司违规风险有较高解释性的指标，完善上市公司财务风险评分体系。 公司治理因素往往是决定企业违规行为的本质动因或限制企业违规的重要条件。一般来说，公司治理信息往往包括管理层特质、公司组织结构、股东情况等，是公司所有权、经营权之间的关系，也是公司内部股东、董事会和管理层之间形成的相互制衡的制度安排。 根据经典的公司治理理论，企业经营过程中所有权和经营权的分离会产生委托代理问题，即股东与管理层之间存在利益不一致的问题，这种利益不一致为管理层操纵公司财务、甚至产生舞弊行为提供了动机，而完善的公司治理结构则能够起到监督制约的作用，限制公司管理层的舞弊行为，减少企业潜在的财务风险。 从公司分析舞弊动因的GONE模型来看，公司舞弊行为出现的风险主要由个人动机及组织结构共同决定，管理层的“贪婪”和公司层面的“需要”决定了进行舞弊的动机强度，而公司内部治理和外部监管共同形成的组织结构则决定了是否存在舞弊的机会及舞弊行为暴露的风险，“贪婪”因子受管理层自身特征影响，而“机会”和“暴露”因子则与公司治理结构、股权特征等息息相关，此外，公司层面的“需要”因子往往也与公司经营状况密切相关，而公司治理也是影响企业绩效的重要因素。因此，对公司治理的研究能够有效揭示公司在经营、治理中的潜在“雷区”，从而对可能存在的财务风险起到预警作用。 与公司治理相关的异常信息也是识别企业风险的重要雷达。以康美药业为例，2018年底康美药业被证监会立案调查，最终调查发现其2016年、2017年、2018年年度报告虚增营业利润分别高达6.56亿元、12.51亿元及1.65亿元。实际上，从公司治理的层面来看，康美药业 “暴雷”的隐患早已初现端倪。 自2010年6月康美药业首次控股股东股权质押公告起，康美药业控股股东陆续进行了54笔股权质押，且质押频率越发频繁，尤其是2014年起，公司开启了“解除质押——再次质押”的融资循环路径，仅2016年公司控股股东就进行了11笔股权质押，新质押涉及股票占公司总股份的比例接近30%；此外，康美药业控股股东康美实业持有的股票中处于质押状态的股票占比一直居高不下，其质押的股份占持有股份的比例长期高于85%。可以说，早在康美药业遭到证监会调查前，其控股股东异常的股权质押行为就有通过股权质押进行套现的嫌疑，为公司“暴雷”埋下重重隐患。 公司治理信息可以反映出公司在经营、管理、监督等多方面存在的风险和隐患，在预警财务风险方面有着非常重要的作用。本报告将重点介绍公司治理相关数据的处理方式以及对应指标的构建。考虑到公司治理通常包括管理层、股权制衡、股东情况等方面的信息，我们将从管理层特征、公司股权结构及股东持股异动三个维度入手进行相关指标构建，并在显著性检验及门限阈值检验结果的基础上分析公司治理特征与财务风险之间的关系，筛选出对上市公司违规风险有解释力的相关指标并纳入我们的财务风险评分体系。 公司治理类指标检验方法 我们在第一篇报告《财务质量分析体系初探》（2021-6-21）中对A股上市公司违规记录进行全面整理，从上千条上市公司违规记录中确认存在“问题行为”的财务报表，本篇报告将继续沿用之前的评估结果进行财务指标有效性检验。同时我们也继续沿用第一篇报告中给出的方法检验公司治理指标是否具有识别上市公司违规风险的能力： 1. 第一步是显著性检验，核心思路是判断正常财务报表和问题报表对应的财务指标是否存在明显差异，比较典型的方法是双侧T检验以及秩和检验： 1) 双侧T检验：判断违规样本和正常样本的均值是否存在显著差异。 2) 秩和检验：按照违规样本和正常样本在所有样本中的排序，判断两者在分布位置上有无明显差距，秩和检验与双侧T检验都以P值小于0.01为筛选标准。 2. 第二步是门限阈值检验，核心思路是在调整财务指标的门限阈值时，判断上市公司违约概率是否规律性变化。门限阈值检验的要求更为苛刻，一方面，我们需要当某项财务指标达到一定门限阈值时，上市公司违规概率也需要随之上升；另一方面，最终筛选的财务指标和上市公司违规概率之间应尽可能存在单调关系，比如当财务指标本身数值越大（或越小时），上市公司报表违规概率越高。这样最终选出的指标存在较为显著的逻辑规律。 门限阈值检验关注两个核心指标：（1）最大检出倍数：经过财务指标筛选后问题报表出现比例与市场参照基准（即所有报表中问题报表占比）之间的比值在本文定义为检出倍数，也就是对问题报表的识别倍率。我们以参数空间内最大检出倍数为指标有效性的评判标准，最大检出倍数在2以上的指标才算有效。（2）阈值相关系数：计算财务指标和检出倍数的相关系数，两者绝对值大于0.5时为有效指标。 3. 第三步是相关系数检验，核心思路是在筛选出较为有效的指标后，按照相关系数对指标进行分组聚合，将相似程度较高的财务指标划分为一组。最后力求给出相互独立的不同组财务指标作为基本指标库。 所有财务指标都基于上述三个步骤检验以确定最终用于报表财务风险评估指标库，相关程度比较高的财务指标会被划分为同组，最后会给出多组财务指标作为打分基准。本文的上市公司相关指标以及数据统计分析均采用2010年至2022年一季报数据计算，舍弃了2010年前的数据。 管理层特征指标构建及有效性检验 上市公司管理层直接进行企业的风险决策，不同的管理层结构、管理层特征必然会导致差异化的管理特质，引导不同的企业经营行为。事实上，企业财务报告违规行为大多都与管理层的行为密切相关，因此对管理层特征的研究是衡量企业违规风险的重要考量之一。 比如当管理层大量离职的时候，很有可能意味着公司的经营状况或财务情况出现重大问题。中国高科（000587.SZ）2015年底开始的高管“辞职潮”就能很好地佐证这一观点。2015年12月至2017年8月间，中国高科公司总裁、副总裁、财务总监、董事长等近十名重要管理人员相继请辞，在此期间公司及相关管理人员又因披露问题屡遭监管处罚。值得注意的是，公司在过去十年从未出现高管主动辞职公告。 2017年5月，公司收到证监会《行政处罚决定书》，因未及时披露关联关系、未及时披露2012年发生的关联交易受到处罚；此后仅半年左右，中国高科又收到处分决定，相关文件指出，中国高科不仅未及时披露2012年发生的2笔对公司净利润产生重大影响的关联交易，还存在虚增2014年营业收入、2015年营业收入及2016年前三季度营业收入问题，涉及金额分别高达2.28亿元、8.55亿元、11.18亿元，时任董事长韦俊民、时任总裁郑明高、时任财务总监刘丹丹等重要管理人员均因此受到处罚。 由此不难看出，管理层变动往往能够反映出潜在的内部信息，其中就包括公司内部存在违规行为或较大风险。对公司管理层信息的监控是研究企业风险的重要一环。 本文对管理层特征的研究主要分为管理层规模、管理层结构、管理层稳定性、管理层薪酬、管理层成员特征五个方面，数据来源于Wind的AShareManagement上市公司管理层信息数据库、AShareManagementHolderReward上市公司管理层薪酬数据库及AShareStaff上市公司员工信息库。在进行指标计算前，为了便于后续处理、提高数据质量，我们对数据进行如下处理： 1. 根据公告日期填充缺失的管理层到任日期，将缺失的离任日期填充最新日期；对管理层成员是否属于董事会或监事会进行规范，其中，名誉董事长、荣誉董事长等无实际职责的职务不属于董事会成员范畴； 2. 对管理层受教育程度一项构建离散变量：小学-0，初中-1，高中-2，中职-2，专科-3，本科-4，硕士-5，博士-6。最终的得分为管理层学历的平均值，该项指标越高表明管理者受教育程度越高； 3. 在计算管理层总薪酬（管理层报酬+持股市值）时，若报酬及持股数量均为缺失值，则管理人总薪酬记为缺失；另外，计算管理层持股市值时按照持股数量*财务报告期末收盘价进行计算； 4. 计算上市公司员工总数时，用前一期数据对缺失值进行填充。 另外，由于AShareManagement数据库信息并不是按照财务报表披露频率进行披露，而是根据管理层变动进行披露，因此我们需要将数据折算到每季度末报告期对应时间，具体遵循以下原则：1. 到任日期早于该财报期最后一日；2. 离任日期晚于该财报期最后一日；3. 职务及管理层类别不同时为空。 我们围绕管理层规模、管理层结构、管理层稳定性、管理层薪酬、管理层成员特征五个方面构建共36个和管理层特征相关的指标。 管理层数据选取上我们主要考虑董事长、董事会及监事会成员具体情况。其中董事会相关信息是最重要的维度，董事会直接负责企业和业务经营活动的指挥与管理，对企业财务状况影响最为明显；监事会作为公司的监督机构，代表股东大会执行监督职能，对企业违规有积极监督作用。 在管理层薪酬指标的构建上，我们主要考虑工资收入前三名的管理层收入水平及管理层总体收入水平。在进行前三大高管收入水平计算时，报酬及总薪酬（报酬+持股市值）的前三名分别计算。在衡量管理层薪酬高低时，采取相对薪酬的形式，将管理层收入与公司市值之比作为衡量指标，以排除公司规模的影响。 管理层特征指标1：规模类指标检验结果 在研究管理层规模时，我们从绝对规模及相对规模两方面进行考量。绝对规模关注管理层人数具体数量，相对规模主要是董事会成员、监事会成员或公司披露的管理层成员人数与公司员工总数之比，或是董事会监事会成员与管理层总人数之比。 从检验结果来看，管理层规模指标对上市公司违规风险有一定区分能力，不过绝对规模指标效果整体弱于相对规模指标。按照检出倍数来看，最有效的三个指标是董事会相对员工比例、监事会相对员工比例、相对高管规模。 从数据统计结果来看，违规上市公司管理层相对规模显著大于正常上市公司。一方面，我们认为过于冗余的管理层可能影响企业经营效率，提高潜在的违规风险；另一方面，公司规模增长与管理层人数增加往往不成正比，违规样本管理层相对规模均值更大，也意味着公司整体员工规模更小，这类公司更容易存在管理规范性更差、治理结构不完善等问题。 因此，我们更推荐将公司管理层人数数据与公司员工数量合并到一起来构建指标，评估公司的管理层规模相比于当下的公司人数是否合理。 管理层特征指标2：结构类指标检验结果 管理层结构方面的指标主要包含两个方面，管理层性别比例及管理层独立性： 1. 公司管理层性别结构可能影响管理层面对风险时的态度及处理方法，进而影响公司的财务质量。何威风等对高管背景的研究发现女性高管与财务重述行为显著负相关（2010）。我们以董事会男性占比、监事会男性占比及公司公布的管理层中男性占比为衡量指标。 2. 管理层独立性主要关注上市公司设置的独立董事数量对于公司财务质量的影响。独立董事的设立可以弥补董事会的自我监督缺位，达到管理人员的相互监督与制衡，维护股东权益，降低企业财务风险。在衡量管理层独立性时，我们选取独立董事在董事会中的占比作为衡量指标。 根据门限阈值检验的结果，董事会、监事会、管理层人员性别比例以及独立董事在董事会占比对公司财务风险并无显著影响（最大检出比例低于2），在构建相关策略时可以暂时不考虑。 我们认为管理层结构数据目前不具有太高的区分性，这是数据对于违规风险识别能力较差的主要原因。 首先，男性高管占比非常的高，各家公司的管理层性别比例数值分布基本没有区分度。董事会成员全为男性和监事会成员全为男性的样本占比均超过30%，因此上述指标对于提示公司潜在风险的作用有限。 其次，独立董事数据也不具有统计意义。在所有上市公司数据中，有近一半的样本董事会中独立董事占比1/3，这恰好符合证监会发布的《关于在上市公司建立独立董事制度的指导意见》中对独立董事规模的最低限制。大部分公司都是依照证监会标准设立的独立董事，所以独立董事数量难以真正衡量董事会的独立性及公司内部监督系统的有效性。 管理层特征指标3：稳定性指标检验结果 管理层稳定性也是重要的上市公司违规风险评估维度，如果公司董事会或监事会异常变动可能意味着公司存在较大风险： 1. 首先，需要关注董事会及监事会成员离职情况，在短期内有大量管理层人员离职时，很可能意味着公司经营出现重大问题或面临其他重大风险； 2. 其次，需要关注当前管理层平均在任时长，管理层在任时间越长，意味着公司的经营策略持续性较好，出现违规报表的概率理论上更低。 涉及到管理层任期长短的指标我们构建了三个：董事会成员平均任期、监事会成员平均任期、董事长任期。三个指标方向均为正向且通过显著性检验，也就是管理层任期时间越长公司违规风险越低。董事会成员平均任期指标最大检出倍数最高，相关数据测试效果最为明显。 从统计数据上来看，董事会成员的平均任期与违规风险之间具有比较确定的统计关系。对比来看，违规公司的董事会成员平均任期约为3.4年，正常公司的董事会成员平均任期为3.6年。正常公司的任期数据分布比违规样本更集中，较多出现在任职期限2-4年左右。此外，正常样本中董事会成员平均任职期限短于一年的样本仅占4%左右，而违规样本中董事会成员平均任期短于一年的样本达到8.6%左右，约是正常样本的2倍。 结合管理层离职与公司违规之间的关系，我们认为公司出现风险或违规行为时，往往伴随着董事会成员频繁变动或大量董事会成员离职，因此违规样本董事会平均任期在数值较小的区间占比更大。 我们基于管理层离职成员比例与是否有董事会成员离职来判断管理层离职情况。从检测结果上来看，董事会成员和监事会离职成员比例对于违规风险的提示作用都非常明显。不过董事会成员相关指标效果更显著，比如五年内离职董事会成员比例指标最大检出倍数在4以上，高于其他几个指标。 管理层特征指标4：薪酬指标及检验结果 管理层薪酬指标的选取主要包括管理层薪酬相对公司市值及管理层的收入结构两个方面。从测试结果上看，大部分和管理层薪酬类相关指标的检验效果表现一般，对违规风险的提示能力较弱。 在衡量管理层薪酬的指标中，前三大高管报酬均值比公司市值指标效果相对较好，从统计结果上来看，正常样本前三大高管报酬均值与公司市值之比平均低于违规样本，也就是高管薪酬占比越高，上市公司违规风险越大。 管理层特征指标5：成员特征指标及检验结果 管理成员特征的选取主要从管理层成员自身出发，考虑管理层人员的年龄及学历，我们认为这两个特征能够反映出管理层在决策能力、管理理念、风险偏好、理性决策等方面存在的差异，进而影响公司潜在的财务风险。 首先，年龄是影响管理层动机及行为的重要因素之一。一般来说，年轻管理者可能更偏好激进的投资策略，对风险的厌恶情绪弱于年长的管理者。 另外，管理层受教育水平也是一个重要的因素。管理层的受教育程度一定程度上体现了管理层的认知能力和专业特长，同时会影响管理层决策偏好，姜付秀等对管理层受教育水平和企业过度投资的研究表明，管理层成员受教育程度越高，其投资决策越理性，即高教育水平一定程度上能够抑制过度投资行为（2009）。 根据显著性检验的结果我们发现，管理层成员年龄及学历指标均通过显著性检验，且违规样本均值显著小于正常样本，也就是管理层年龄和学历越高，上市公司违规风险相对越小。 但在门限阈值检验中，仅管理层年龄类指标通过检验。董事长年龄、董事会成员平均年龄、管理层成员平均年龄均对违规报表有一定识别能力。学历相关指标均未通过检验，我们认为这主要是由于管理层受教育水平是一个较持续的稳定指标，难以对某一报告期具体的问题样本进行识别，因此检出表现相对较弱。 从数据统计来看，违规样本董事长年龄、董事会成员平均年龄及管理层成员平均年龄均值分别为50.5岁、49.2岁及48.2岁，而正常样本上述三个指标均值分别为52.2岁、50.5岁及49.2岁。但通过行业分析我们发现，不同行业在相关指标上呈现出不同特征，如在食品饮料、综合、消费者服务、纺织服装、钢铁、石油石化、电力及公用事业、汽车、轻工制造等行业，违规样本都呈现出管理层年龄明显小于正常样本的特征，但部分行业却出现相反表现，如房地产、煤炭等行业，在董事会成员平均年龄、董事长年龄、管理层平均年龄三个指标上都出现违规样本均值大于正常样本的情况。 股权结构指标构建及有效性检验 股权结构是指股份公司总股本中不同股东持有股份所占的比例及其相互关系，股权结构决定了公司的权力结构及利益分配结构，进而影响企业的经营行为。在所有股东中，大股东及机构投资者无疑是最有话语权、最能影响企业经营决策的主体。本报告将重点研究公司持股集中度及机构投资者持股两大维度。 持股集中度不仅决定了股东在公司的话语权，对公司经营、投资等决策产生重要影响，同时也可能影响管理者的行为动机。第一大股东持股比例较高时，股东利益趋同效应占主导，大股东持股比例对公司绩效有显著正向影响，财务风险随之降低，但另一方面，股权过于集中且缺乏内部监督机制时，管理层对公司控制权过强，舞弊暴露风险小，有可能滋生严重的舞弊问题。 机构投资者持股同样是股权结构层面需要考虑的重要维度之一。从理论上来说，一方面，机构投资者掌握更全面的信息且具备专业分析能力，因此机构投资者持股一定程度上反映出基于专业分析的理性投资偏好；另一方面为了获取较好的收益，持有公司股票的机构投资者越多，对公司信息披露的关注度也就越高，从而推动企业信息披露质量的提升，一定程度上降低由于信息披露质量带来的潜在风险。 本文对股权结构的研究主要包括股权集中度及机构投资者持股两个方面，构建指标的数据来源于Wind的？AShareInsideHolder中国A股前十大股东数据库、？AShareFloatHolder 中国A股流通股东数据库、AShareEquityRelationships中国A股股权关系数据库以及AShareinstHolderDerData机构投资者持股数据库。 在进行指标计算前，我们需要对上述数据进行如下处理，以获取公司第一大股东、控股股东及实际控制人信息： 1. 从AShareInsideHolder数据库中提取每个报告期持股比例最高的股东ID，并且通过用前一报告期第一大股东ID填充缺失值的方式得到上市公司每一报告期第一大股东ID； 2. 在AShareEquityRelationships数据库中筛选出直接持有上市公司股票的控股股东及实际控制人，提取对应日期及相应股东ID，由于股东信息并非每年披露，因此通过用前一报告期股东ID填充缺失值的方式补全对应股东信息，形成控股股东ID数据集及实际控制人ID数据集。 完成上述股东数据集信息整理后，我们围绕股权集中度及机构投资者持股情况构建了共12个指标。其中，股权集中度主要用第一大股东持股比例、控股股东持股比例、实际控制人持股比例等9个指标衡量，当公司存在多个控股股东或多名实际控制人时，股东持股比例为所有对应股东持股比例之和；机构持股部分指标主要关注机构投资者持股总比例及不同性质机构投资者持股所反映的信息。 股权结构指标1：股权集中度指标及检验结果 在衡量股权集中度的相关指标中，所有指标均通过显著性检验，且出现正常样本均值大于违规样本均值的特点。其中，第一大股东持股比例、控股股东持股比例、实际控制人持股比例、前五大股东持股平方和、前三大股东持股平方和5个指标通过门限阈值检验。 统计结果显示，正常公司往往比违规公司持股比例更加集中。比如对于第一大股东持股比例数据来说，在所有一级行业中违规样本第一大股东持股比例均值均低于正常样本均值，也就是正常公司第一大股东持股比例更高。在持股比例较高的区间，正常样本中第一大股东持股比例不低于40%的样本占比约36%，而违规样本中只有不到23%的样本第一大股东持股比例满足上述条件。这一现象同样发生在控股股东持股比例、实际控制人持股比例等指标中。 通过分析行业违规样本占比与第一大股东持股比例间的关系可以看到，随着行业违规样本占比下降，第一大股东持股比例呈上升趋势。无论是对比行业内违规样本与正常样本平均水平还是比较行业间违规概率，都可以看出第一大股东持股比例低、持股分散的样本相对违规概率更高。 持股集中度高不仅意味着公司整体权力更加集中，大股东在公司管理、经营上拥有更大的话语权，对公司控制力更强，同时也代表公司表现对核心控制人持有资产价值的影响更大。 公司大股东有更强的动机行使其在公司管理层面的话语权，监督管理者行为，推动管理层提升公司经营绩效及信息披露质量，以期在资本市场获取更良好的表现，提升其持有公司股权的价值。因此整体来看大股东持股比例较高的公司违规风险更小。 股权结构指标2：机构投资者持股指标及检验结果 机构投资者持股不仅意味着机构投资者能够通过直接或间接的渠道影响公司治理及企业行为，同时也代表专业投资者对公司信息综合整理后的理性判断，主流观点认为，机构投资者能对企业绩效产生积极影响，同时其持股比例还与公司信息披露质量呈正相关。 在机构投资者中，以基金为代表与上市公司通常没有直接的业务往来的独立机构投资者一般存在较强的业绩压力，因此往往对企业的经营状况较为关注，对选择持有的股票也更加慎重。而一般法人、非金融类上市公司等可能与上市公司存在潜在利益关联或商业联系的非独立机构投资者也持有企业股权，不过这类机构投资者持股信息披露频率不够高。不同机构对上市公司股价的影响可能存在差异。因此在构建指标时，我们不仅考虑机构投资者持股，还根据机构投资者独立性进行划分，构建不同性质机构投资者持股比例指标。 根据对机构投资者独立性的定义，与企业无潜在业务关联且不存在利益冲突的投资者称为独立机构投资者，反之则定义为非独立机构投资者。根据我国机构投资者的特点，本文将证券投资基金、社保基金、合格境外机构投资者（QFII）、券商、银行、企业年金等划分为独立机构投资者，将一般法人、非金融类上市公司划分为非独立机构投资者。 毫无疑问，独立机构投资者中基金是最主要的组成部分。以2010年以后的数据为例，有基金持股的样本覆盖率超过78%，在所有存在基金持股的样本中，其平均持股水平约为5.6%。从样本覆盖水平来看，券商集合理财、阳光私募也是独立机构投资者的重要组成部分，这两类机构持股覆盖的样本分别约为33.6%、24.6%，其余机构投资者的样本覆盖度均不到20%，且除银行外，其余机构投资者平均持股比例均不大于3%；而银行持股数据体现出高集中度的特点，尽管其样本覆盖率不足1%，但存在银行持股的样本中其平均持股水平高达6%。 非独立机构投资者的最主要构成为一般法人，其平均持股比例达到32%，且样本覆盖率超过89%；其次为非金融类上市公司，尽管这类机构投资者样本覆盖度不足10%，但其平均持股比例达到11.3%，也具有一定影响力。 从历史水平来看，机构投资者平均持有上市公司股权比例不断上升，早期机构投资者主要由独立机构投资者构成，但其平均持股比例经历短暂上升后，不断下降并稳定在6%左右，相反，非独立机构投资者持股比例不断上升，非独立机构投资者在2008年以后成为机构投资者的主要构成部分。当前非独立机构投资者平均持股增速放缓，其平均持股比例稳定在30%左右。 根据指标筛选结果，机构投资者持股相关指标均表现出正常样本均值显著高于违规样本均值。但上述指标在门限阈值检验中表现并不突出，检出倍数最高的机构投资者持股比例这一指标最大检出倍数也仅约1.62，尽管有一定识别问题样本的能力，但未达到指标筛选标准。基于上述结果，我们认为机构投资者持股的确能够一定程度上反映企业财务质量及潜在风险，但不足以作为识别问题报表的有效指标。 股东持股异动指标构建及有效性检验 公司大股东往往主导着企业的经营决策，因此其一举一动都受到市场的密切关注。一般情况下，为了维持对公司的控制权以及稳定市场预期，大股东持股通常较为稳定，但这也意味着大股东持股的非常规变动往往伴随着股东或公司经营状况的变化。其中，股权质押及股权冻结尽管不直接影响大股东对企业的控制权，但都存在股权发生变动的风险。因此，本报告将围绕股权质押及股权冻结两个方面，研究上市公司大股东持股异动传递出的风险信号。 本文围绕股权质押及股权冻结两个方面构建股东持股异动指标，构建指标的数据主要来源于Wind的？AShareEquityPledgeInfo上市公司股权质押数据库、？AShareEquFroInfo上市公司股权冻结数据库和ASharePledgeproportion上市公司股票质押比例数据库，此外，上市公司总股本数据来源于Wind的AShareEODDerivativeIndicator数据库。 其中，？AShareEquityPledgeInfo股权质押数据库包含上市公司每笔质押涉及的股东、股票数量、质押起始和结束时间以及解押日期；？AShareEquFroInfo股权冻结数据库结构与股权质押数据库类似，主要包括上市公司每笔冻结涉及的股东、股票数量、冻结起始和结束时间以及解冻日期；ASharePledgeproportion数据库包括A股上市公司股权质押总数以及其中有限售质押股份及无限售质押股份数量。 股权质押及冻结并非市场常态，部分公司不存在质押及冻结相关数据，且为规范每笔质押及冻结涉及起止日期，在进行股权质押及股权冻结数据处理及指标计算时，我们遵循以下原则： 1. ？每笔质押优先以解押日期作为结束日期，若相关质押不存在解押日期，则以质押结束时间为准，上述两个日期均为空值且质押开始时间在2011年10月1日以后的数据，以统计日为结束时间，其余缺少结束时间的数据按照质押跨度为10年计算，根据质押开始时间计算结束日期； 2. 考虑到股权质押及股权冻结并非常规股东行为，当公司不存在股权质押或股权冻结信息时，我们假设公司质押或冻结股票比例为0； 3. 为排除股权质押及冻结可能存在的周期性波动，在进行新产生质押或冻结相关指标计算时，计算当前报告期截止日期前一年内新产生的质押或冻结。 基于上述原则，围绕第一大股东、实际控制人及控股股东几个关键股东，从总量及新增两个角度，构造与股票质押和股票冻结相关的指标共20个。 股东持股异动指标1：股权质押指标及检验结果 股权质押指出质人以自已拥有或有权处分的公司股权为质押，为某个经济行为作担保。对上市公司股东来说，股权质押是一种高效且成本较低的融资手段。通常来说，股权质押最直接的风险来源于股价下跌带来的强制平仓，这将导致股票市场出现利空信号，损害股东利益。因此，大股东在股权质押期间有足够强的动机进行市值管理以规避潜在风险，其中一种重要的方式就是操控信息披露。钱爱民等人研究发现，存在大股东质押时，公司更倾向于及时披露好消息，同时隐瞒或延迟披露坏消息，且对坏消息的预测偏差更大（2018）。此外，控股股东股权质押还会增大现金流权和控制权的分离度，增强控股股东侵占效应，增加大股东占款等掏空行为。 从历史数据看，在2018年以前，使用股权质押的上市公司占比呈上升趋势，股权质押越来越广泛地成为上市公司股东常用的融资手段，近年来有股权质押的上市公司比例有所回落，但仍占全部上市公司的50%以上。 从平均质押水平来看，违规样本平均质押水平长期高于正常样本，2010年后违规样本平均质押水平明显上升，而正常样本平均质押比例增幅较小，二者间分化增大；2018年后股权质押比例均值明显下滑，正常样本平均股权质押比例与违规样本平均股权质押比例间差距逐渐减小，这一现象同样出现在控股股东质押股票占公司股本比例、第一大股东质押股票占公司股本比例等指标中。对比正常样本与违规样本行为不难看出，市场上股权质押活跃期间，存在违规风险的公司股东更倾向于通过股权质押套取现金，导致违规样本及正常样本间出现明显分化。 在统计检验中，总质押股份比例、无限售股份质押比例、有限售股份质押比例3项指标在显著性检验、门限阈值检验中有较好表现，均呈现出违规样本均值高于正常样本的特征；其他指标违规样本均值均显著高于正常样本，其中，控股股东质押股票占公司股本比例、控股股东新质押股票比例两项指标最大检出倍数均大于1.6，且阈值相关系数均大于0.5，虽然检出倍数未达到筛选标准，但仍具有一定检验效果。 根据门限阈值检验示意图，公司存在有限售质押时，违规概率为基准水平的1.5倍以上，存在无限售质押时，违规样本占比超过9%。是否存在质押一定程度上已经反映出公司潜在的风险信息，随着质押股份比例不断提高，违规样本占比也不断上升，股票质押信息对筛选违规报表起到非常重要的作用。 股东持股异动指标2：股权冻结指标及检验结果 股权冻结是人民法院通过限制股权所有者提取或转移持有股权的一种强制措施，其主要目的在于限制股东处分股权，从而达到财产保全的目的，尽管股权冻结本身并不影响企业经营，但其发生往往意味着企业或股东存在财务方面的风险或法律纠纷，因此可以说股权冻结直接与公司风险相关，有很强的提示作用。 一般而言，股权冻结不常发生，在违规样本中存在股权冻结的样本不到20%，正常样本中存在股权冻结的样本甚至仅占5%左右（图57），但股权冻结往往揭示企业已经存在严重问题。根据截止到2022年一季度的数据显示，所有存在股权冻结的917家公司中，有425家公司从未发生过违规行为，通常这类公司涉及的股权冻结比例都较小，上述425家公司中近七成公司冻结股权平均比例不到20%，而在剩余有过违规行为的492家公司中，近80%的公司在首次发生股权冻结前存在违规行为，其中370家公司在首次股权冻结前存在多次违规，即股权冻结往往意味着公司已身陷较大危机，许多问题已暴露在此前的财务报告中。 股权冻结相关指标中，实际控制人冻结股票占公司股本比例、实际控制人新冻结股票比例及新产生长期冻结股份比例3个指标由于数据量过少，在缺失值均设为0的情况下，违规样本及正常样本均值均为0，因此在统计检验中不予考虑；其余6个指标均表现出违规样本均值显著高于正常样本均值，且最大检出倍数均在7以上，从统计结果上来看，股权冻结相关指标能够十分有效地筛选问题报表。 股权冻结指标对违规公司的识别能够起到明显效果。当公司报表披露股份冻结比例大于0时，即使只是少量股权冻结，出现违规报表的概率都接近20%。这意味着上市公司一旦出现股权冻结信息，无论冻结数量多少都需要格外关注。此外新冻结股份比例指标效果更加明显，出现新股份冻结的财务报表当期违规概率能够上升到22.5%。 通过检验的公司治理指标汇总 经过计算，我们在总计68个公司治理指标中筛选了25个用于进行上市公司财务质量评分。最后选择的指标中，股权冻结类指标效果最好，股权质押、管理层稳定性、持股集中度类指标表现居次，管理层规模和管理层成员类指标最弱。 上市公司财务质量打分体系以及最新评分结果 财务质量打分体系回顾 本报告将继续沿用财务质量研究系列报告的打分体系，采用“罚分”的方式，对数值处于违规概率较高区间的指标进行扣分惩罚，主要评分步骤如下： 1. 首先依次遍历所有财务指标，当公司财务指标处于违约概率较高的区间时，给予公司财报在该指标得分上的“惩罚”； 2. 然后对同组指标的“罚分”求取平均值，计算公司在该组财务指标上的平均得分； 3. 最后将所有分组得分进行加总，在满分为100分的基础上扣掉各组罚分，得到上市公司财务质量的最终评分。 我们对指标“分档罚分”规则进行如下规定：将各项指标的“罚分”区间设定在-5和0之间，如果财务指标对应的检出倍数在1.1以下时不予罚分，介于1.1至1.5倍之间罚1分，介于1.5至2倍之间罚2分，介于2至3倍之间罚3分，介于3至4倍之间罚4分，在4倍以上时统一罚5分。与前期报告相比我们降低了最低罚分的阈值，也降低了最高罚分的处罚，目的是提高模型对于财报的区分度，减少极端情况对结果的影响。 在计算过程中，考虑到不同行业之间的差异，指标的罚分计算都在一级行业的成分股内进行计算。事实上每个行业的违规公司占比存在较大差异，我们采用检出倍数作为评分标准也相当于做了行业间的数据对齐。 最后报表延迟发布或使新上市的公司容易出现财报数据缺失的情况。我们根据财务数据的重要性以及覆盖程度，选取了13个核心财务指标，缺少这13个指标的任意上市公司财报评分会被置为空。 加入公司治理指标后的最终评分体系以及结果 经过本系列前三篇报告的整理归纳，我们已经构建了一套涵盖财报主表指标、附注指标以及公司治理指标的相对完整的上市公司财务评分打分体系。最后经过有效性评估以及相关性分析，我们筛选出了总共94个指标用于计算最终的财务评分。并按照相关系数总共分成了42组。为了避免同类指标打分被稀释，在选取指标时每类指标不会超过五个。 这42组指标中，主表和财报附注指标总计33组，公司治理指标单独划分出来，总共有9组。基于这42组指标的数据变化，我们可以给出相对客观完整的上市公司财务质量打分，再进一步对上市公司潜在的违规风险进行评估。 针对所有非金融行业的上市公司，我们可以给出每季度财报的具体评分。比如以豆神教育的为例，可以看到该公司在2015年之后财报打分逐年下降，逐渐得分低于计算机行业的平均得分，我们可以在2016年的时间初步判断豆神教育的财报存在一些隐患。以2015年年报扣分项为例，豆神教育在手续费、商誉规模、偿债能力等20个维度上都有扣分，我们也可以判断公司在这几项财务数据的表现相对较弱。 原则上每个股票财报打分可以直接对比，因为我们对每个股票的打分是参照行业平均财务指标表现得到的。总体上看，上市财报评分呈现出一定的厚尾分布特征，大部分的财报评分集中在70-90分区间。基本上70分以下的财报数量在全市场只占20%左右。 财报打分的分值越低，对应到历史公司的违规风险就越高。70分以下的财报需要警惕，可能存在部分违规风险较大的异常项目。从统计结果上来看，评分70分以下的公司历史违规风险在17%以上，基本上打分排名处于全市场后20%。 本文给出财报评分总体上和上市公司违规风险成反比。70分是根据统计得出来的经验基准，最后上市公司的违规风险可以综合行业平均得分以及历史平均得分进行判断。 财务质量综合打分的负alpha选股效果以及衍生因子 上市公司财务质量得分能够反映公司在经营绩效、信息披露质量等方面的表现，同时也是帮助识别公司潜在风险的重要依据。财务报表评分较低意味着公司的财务数据、治理数据反映出公司存在风险。 我们将财务评分较低的股票构建投资组合，测算相比于全市场的收益情况。从2017年初至2022年5月末的回测结果显示，财务质量评分的负alpha效果比较显著。随着财报打分阈值不断降低，目标阈值下股票组合收益率也逐渐下降。评分低于50分的股票组合在2017年初至2022年5月内年化负超额收益达到5%以上。 在第一篇报告《财务质量分析体系初探》（2021-6-21）中我们有过相关介绍，财务质量评分的负alpha效果在2017-2021年较为明显，主要是因为2017年后随着退市制度逐渐完善以及注册制改革等推进，垃圾股的市场配置价值逐渐减弱。我们认为在愈加理性的投资环境下，财务质量的关注度也会越来越高。 我们也可以将财务评分作为alpha因子进行测试： 计算每个财报打分对应的具体打分，根据每个财报原始报表的发布日期，将财报评分按照发布日期折算成月度数据。 2. 计算每月最新的财报打分，按照财报打分的高低作为选股因子。 3. 回测时选择中证800股票池，对因子进行去极值、市值和行业中性化处理。回测区间选取为2012年1月至2022年5月27日，无手续费月度调仓。 4. 除了原始的财报打分数据，我们可以基于财务打分变化构建财务质量衍生因子，比如： a) 过去四期平均：计算过去四个季度财报打分平均值。 b) 打分偏离度：计算最新一期财报打分相比于过去四个季度平均值的偏离度。 c) 打分差值：计算最新一期财报打分和上个季度的差值。 d) 相比于行业平均分差值：计算财报打分相比于同期行业平均分的差值。 e) 行业内排名：计算个股财务评分在行业内的排名，归一化到0-1区间。 f) 行业内排名差值：计算本期排名和上个季度之间的差值，排名归一化到0-1区间。 从测试结果来看，财务质量打分具有较为明显的分层效果。原始财报打分、行业内排名、相比于行业平均分三个指标IR均在0.5以上，展现出一定的选股能力。 本文给出的财务质量评分以上市公司是否违规为基准进行构建，训练过程和股价表现无关。不过从测试结果上来看财务评分可以和股价产生较为密切的关联。财务评分的选股收益可以客观反应公司财务质量在选股过程中起到的效果。 风险提示 1) 模型根据历史规律总结，历史规律可能失效。 2) 市场出现超预期波动，导致拥挤交易。 3) 报告中涉及到的具体行业或股票不代表任何投资意见，请投资者谨慎、理性地看待。。 免责声明与评级说明 公众平台免责声明 本公众平台不是华泰证券股份有限公司（以下简称“华泰证券”）研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求，本公众号内容仅面向华泰证券客户中的专业投资者，请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者，请取消关注本公众号，不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限，若给您造成不便，烦请谅解！本公众号旨在沟通研究信息，交流研究经验，华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。 本公众号研究报告有关内容摘编自已经发布的研究报告的，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。如需了解详细内容，请具体参见华泰证券所发布的完整版报告。 本公众号内容基于作者认为可靠的、已公开的信息编制，但作者对该等信息的准确性及完整性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。 在任何情况下，本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。 本公众号版权仅为华泰证券股份有限公司所有，未经公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。 林晓明 执业证书编号：S0570516010001 华泰金工深度报告一览 金融周期系列研究（资产配置） 【华泰金工林晓明团队】2020年中国市场量化资产配置年度观点——周期归来、机会重生，顾短也兼长20200121 【华泰金工林晓明团队】量化资产配置2020年度观点——小周期争明日，大周期赢未来20200116 【华泰金工林晓明团队】风险预算模型如何度量风险更有效-改进风险度量方式稳定提升风险模型表现的方法 【华泰金工林晓明团队】周期双底存不确定性宜防守待趋势——短周期底部拐头机会渐增，待趋势明朗把握或更大20191022 【华泰金工林晓明团队】二十年一轮回的黄金投资大周期——黄金的三周期定价逻辑与组合配置、投资机会分析20190826 【华泰金工林晓明团队】如何有效判断真正的周期拐点？——定量测度实际周期长度提升市场拐点判准概率 【华泰金工林晓明团队】基钦周期的长度会缩短吗？——20190506 【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（下） 【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（上） 【华泰金工林晓明团队】周期轮动下的BL资产配置策略 【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究 【华泰金工林晓明团队】市场拐点的判断方法 【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告（上） 【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究 【华泰金工林晓明团队】周期三因子定价与资产配置模型（四）——华泰金工周期系列研究 【华泰金工林晓明团队】周期三因子定价与资产配置模型（三）——华泰金工周期系列研究 【华泰金工林晓明团队】周期三因子定价与资产配置模型（二）——华泰金工周期系列研究 【华泰金工林晓明团队】周期三因子定价与资产配置模型（一）——华泰金工周期系列研究 【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索 【华泰金工林晓明团队】市场周期的量化分解 【华泰金工林晓明团队】周期研究对大类资产的预测观点 【华泰金工林晓明团队】金融经济系统周期的确定（下）——华泰金工周期系列研究 【华泰金工林晓明团队】金融经济系统周期的确定（上）——华泰金工周期系列研究 【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列 行业指数频谱分析及配置模型：市场的周期分析系列之三 【华泰金工林晓明团队】市场的频率——市场轮回，周期重生 【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探 周期起源 【华泰金工林晓明团队】金融经济周期的耗散结构观——华泰周期起源系列研究之十 【华泰金工林晓明团队】经济系统中有序市场结构的进化——华泰周期起源系列研究报告之九 【华泰金工林晓明团队】企业间力的产生、传播和作用效果——华泰周期起源系列研究之八 【华泰金工林晓明团队】耦合振子同步的藏本模型——华泰周期起源系列研究之七 【华泰金工林晓明团队】周期在供应链管理模型的实证——华泰周期起源系列研究之六 【华泰金工林晓明团队】不确定性与缓冲机制——华泰周期起源系列研究报告之五 【华泰金工林晓明团队】周期是矛盾双方稳定共存的结果——华泰周期起源系列研究之四 【华泰金工林晓明团队】周期是不确定性条件下的稳态——华泰周期起源系列研究之三 【华泰金工林晓明团队】周期趋同现象的动力学系统模型——华泰周期起源系列研究之二 【华泰金工林晓明团队】从微观同步到宏观周期——华泰周期起源系列研究报告之一 FOF与金融创新产品 【华泰金工林晓明团队】养老目标基金的中国市场开发流程--目标日期基金与目标风险基金产品设计研究 【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一 因子周期（因子择时） 【华泰金工林晓明团队】市值因子收益与经济结构的关系——华泰因子周期研究系列之三 【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二 【华泰金工林晓明团队】因子收益率的周期性研究初探 择时 【华泰金工林晓明团队】波动率与换手率构造牛熊指标——华泰金工量化择时系列 【华泰金工林晓明团队】A股市场低开现象研究 【华泰金工林晓明团队】华泰风险收益一致性择时模型 【华泰金工林晓明团队】技术指标与周期量价择时模型的结合 【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用 中观基本面轮动 【华泰金工林晓明团队】行业配置落地：绝对收益型ETF轮动策略——华泰中观基本面轮动系列之十八 【华泰金工林晓明团队】行业配置策略：资金流向视角——华泰中观基本面轮动系列之十七 【华泰金工林晓明团队】行业配置策略：投资时钟视角——华泰中观基本面轮动系列之十六 【华泰金工林晓明团队】行业配置落地：科技主题基金筛选——华泰中观基本面轮动系列之十五 【华泰金工林晓明团队】行业配置落地：消费主题基金筛选——华泰中观基本面轮动系列之十四 【华泰金工林晓明团队】行业配置策略：机构调研视角——华泰中观基本面轮动系列之十三 【华泰金工林晓明团队】行业配置落地：医药主题基金筛选——华泰中观基本面轮动系列之十二 【华泰金工林晓明团队】行业配置落地：指数增强篇(2)——华泰中观基本面轮动系列之十一 【华泰金工林晓明团队】行业配置落地：指数增强篇——华泰中观基本面轮动系列之十 【华泰金工林晓明团队】行业配置策略：拥挤度视角——华泰中观基本面轮动系列之九 【华泰金工林晓明团队】行业配置策略：景气度视角——华泰中观基本面轮动系列之八 【华泰金工林晓明团队】行业配置策略：趋势追踪视角——华泰中观基本面轮动系列之七 【华泰金工林晓明团队】行业配置策略：宏观因子视角——华泰中观基本面轮动系列之六 【华泰金工林晓明团队】行业全景画像：投入产出表视角——华泰中观基本面轮动系列之五 【华泰金工林晓明团队】行业全景画像：改进杜邦拆解视角——华泰中观基本面轮动系列之四 【华泰金工林晓明团队】行业全景画像：风格因子视角 ——华泰中观基本面轮动系列之三 【华泰金工林晓明团队】行业全景画像：宏观因子视角 ——华泰中观基本面轮动系列之二 【华泰金工林晓明团队】确立研究对象：行业拆分与聚类——华泰中观基本面轮动系列之一 行业轮动 【华泰金工林晓明团队】不同协方差估计方法对比分析（二）——华泰行业轮动系列报告之十三 【华泰金工林晓明团队】拥挤度指标在行业配置中的应用——华泰行业轮动系列报告之十二 【华泰金工林晓明团队】基于投入产出表的产业链分析 ——华泰行业轮动系列报告之十一 【华泰金工林晓明团队】不同协方差估计方法对比分析——华泰行业轮动系列报告之十 【华泰金工林晓明团队】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九 【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八 【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七 【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六 【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五 【华泰金工林晓明团队】动量增强因子在行业配置中的应用——华泰行业轮动系列报告之四 【华泰金工林晓明团队】财务质量因子在行业配置中的应用——华泰行业轮动系列报告之三 【华泰金工林晓明团队】周期视角下的行业轮动实证分析——华泰行业轮动系列之二 【华泰金工林晓明团队】基于通用回归模型的行业轮动策略——华泰行业轮动系列之一 Smartbeta 【华泰金工林晓明团队】重剑无锋：低波动 Smart Beta——华泰 Smart Beta 系列之四 【华泰金工林晓明团队】投资优质股票：红利类Smart Beta——华泰Smart Beta系列之三 【华泰金工林晓明团队】博观约取：价值和成长Smart Beta——华泰Smart Beta系列之二 【华泰金工林晓明团队】Smart Beta：乘风破浪趁此时——华泰Smart Beta系列之一 【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一 多因子选股 【华泰金工林晓明团队】华泰单因子测试之历史分位数因子——华泰多因子系列之十三 【华泰金工林晓明团队】桑土之防：结构化多因子风险模型——华泰多因子系列之十二 【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一 【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十 【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九 【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八 【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七 【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六 【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五 【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四 【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三 【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二 【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一 【华泰金工林晓明团队】五因子模型A股实证研究 【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二 人工智能 【华泰金工林晓明团队】新闻舆情分析的HAN网络选股——华泰人工智能系列之五十六 【华泰金工林晓明团队】图神经网络选股的进阶之路——华泰人工智能系列之五十五 【华泰金工林晓明团队】基于遗传规划的一致预期因子挖掘——华泰人工智能系列之五十四 【华泰金工林晓明团队】揭秘微软AI量化研究——华泰人工智能系列之五十三 【华泰金工林晓明团队】神经网络组合优化初探——华泰人工智能系列之五十二 【华泰金工林晓明团队】文本PEAD选股策略——华泰人工智能系列之五十一 【华泰金工林晓明团队】再探cGAN资产配置——华泰人工智能系列之五十 【华泰金工林晓明团队】SinGAN 单样本生成——人工智能系列之四十九 【华泰金工林晓明团队】对抗过拟合：cGAN应用于策略调参——人工智能系列之四十八 【华泰金工林晓明团队】cGAN模拟宏观指标——人工智能系列之四十七 【华泰金工林晓明团队】AlphaNet改进：结构和损失函数——华泰人工智能系列之四十六 【华泰金工林晓明团队】cGAN应用于资产配置——华泰人工智能系列之四十五 【华泰金工林晓明团队】深度卷积GAN实证——华泰人工智能系列之四十四 【华泰金工林晓明团队】因子观点融入机器学习——华泰人工智能系列之四十三 【华泰金工林晓明团队】图神经网络选股与Qlib实践——华泰人工智能系列之四十二 【华泰金工林晓明团队】基于BERT的分析师研报情感因子——华泰人工智能系列之四十一 【华泰金工林晓明团队】微软AI量化投资平台Qlib体验——华泰人工智能系列之四十 【华泰金工林晓明团队】周频量价选股模型的组合优化实证——华泰人工智能系列之三十九 【华泰金工林晓明团队】WGAN生成：从单资产到多资产——华泰人工智能系列之三十八 【华泰金工林晓明团队】舆情因子和BERT情感分类模型——华泰人工智能系列之三十七 【华泰金工林晓明团队】相对生成对抗网络RGAN实证——华泰人工智能系列之三十六 【华泰金工林晓明团队】WGAN应用于金融时间序列生成——华泰人工智能系列之三十五 【华泰金工林晓明团队】再探AlphaNet：结构和特征优化——华泰人工智能系列之三十四 【华泰金工林晓明团队】数据模式探索：无监督学习案例——华泰人工智能系列之三十三 【华泰金工林晓明团队】AlphaNet：因子挖掘神经网络——华泰人工智能系列之三十二 【华泰金工林晓明团队】生成对抗网络GAN初探——华泰人工智能系列之三十一 【华泰金工林晓明团队】从关联到逻辑：因果推断初探——华泰人工智能系列之三十 【华泰金工林晓明团队】另类标签和集成学习——华泰人工智能系列之二十九 【华泰金工林晓明团队】基于量价的人工智能选股体系概览——华泰人工智能系列之二十八 【华泰金工林晓明团队】揭开机器学习模型的“黑箱” ——华泰人工智能系列之二十七 【华泰金工林晓明团队】遗传规划在CTA信号挖掘中的应用——华泰人工智能系列之二十六 【华泰金工林晓明团队】市场弱有效性检验与择时战场选择——华泰人工智能系列之二十五 【华泰金工林晓明团队】投石问路：技术分析可靠否？——华泰人工智能系列之二十四 【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三 【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二 【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一 【华泰金工林晓明团队】必然中的偶然：机器学习中的随机数——华泰人工智能系列之二十 【华泰金工林晓明团队】偶然中的必然：重采样技术检验过拟合——华泰人工智能系列之十九 【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八 【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七 【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六 【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五 【华泰金工林晓明团队】对抗过拟合：从时序交叉验证谈起 【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三 【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二 【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一 【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十 【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九 【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八 【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七 【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六 【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五 【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四 【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三 【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二 指数增强基金分析 【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告 【华泰金工林晓明团队】酌古御今：指数增强基金收益分析 【华泰金工林晓明团队】基于回归法的基金持股仓位测算 【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证 基本面选股 【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究 【华泰金工林晓明团队】华泰价值选股之FFScore模型 【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究 【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究 【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究 【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究 财务质量 【华泰金工林晓明团队】财务质量分析体系初探-财务质量系列研究之一 【华泰金工林晓明团队】财报附注中隐藏的财务风险-财务质量系列研究之二 基金定投 【华泰金工林晓明团队】大成旗下基金2018定投策略研究 【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四 【华泰金工林晓明团队】基金定投3—马科维茨有效性检验 【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法 【华泰金工林晓明团队】基金定投1—分析方法与理论基础 基金评价 【华泰金工林晓明团队】基金评价及筛选全流程研究框架——股票型与债券型基金多种维度定量与定性评价法 【华泰金工林晓明团队】基金选股择时能力的定量分析法——我国公募基金大多具有较强选股能力 【华泰金工林晓明团队】基金业绩持续性的规律与策略构建——采用有效影响因子筛选出持续性较好的绩优基金 ETF季度盘点 【华泰金工林晓明团队】2021Q2中国ETF市场盘点回顾 【华泰金工林晓明团队】2021Q1中国ETF市场盘点回顾 【华泰金工林晓明团队】2020Q4中国ETF市场全景回顾——总规模创新高，行业主题类ETF渐成市场新主角20210112 【华泰金工林晓明团队】2020年三季度中国ETF市场回顾——产品百花齐放、投资者结构日渐成熟，规模创新高20201021 【华泰金工林晓明团队】ETF产品细分差异化或成突围之道——2020二季度中国ETF市场全景回顾盘点与展望20200803 【华泰金工林晓明团队】ETF规模数量大涨品类不断丰富——2020一季度中国ETF市场全景回顾盘点 其它 【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二 A股市场及行业的月份效应——详解历史数据中的隐藏法则

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）