图源：pixabay

摘要：本文基于1997年至2018年中国A股上市公司股票日度交易数据，建立了中国股票市场个股崩盘概率预测模型。结合事件研究法检验了预测模型对个股崩盘识别能力。结果表明模型对未来发生股价崩盘的个股具有一定的识别能力，同时模型具有较好的股票崩盘临界点预测能力。在预测模型基础上，本文研究了中国股票市场中，公司特征变量在股票间崩盘风险传染中所起的作用。本文从个股崩盘风险预测入手，将个股崩盘风险与风险传染问题相结合，为相关研究做出了贡献。
关键词：股价崩盘；崩盘风险；超额收益；风险传染

一、研究背景与意义

股价崩盘是指金融市场中某些金融资产或指数价格在短期内快速剧烈下跌的现象。股价崩盘事件在历史上屡见不鲜，如2000年美国互联网泡沫的破灭、2008年美国次贷危机引发的全球金融市场动荡、2015年中国股票市场的“股灾”等。从宏观角度看, 股价崩盘事件不仅令广大投资者损失惨重，同时也严重危害资本市场的健康良性发展，甚至可能冲击实体经济, 进而诱发经济危机。从公司层面看，股价崩盘事件会严重影响公司财务稳定性, 降低公司竞争力。2008年美国次贷危机爆发，股票大量崩盘，这种崩盘风险很快蔓延到了全球资本市场，造成了全球经济衰退。此后，股价崩盘风险和股票风险传染这两个密切相关的问题越来越受到广大投资者和学者们的关注。

随着中国金融体系的快速发展，党中央愈发重视对金融风险的预警与防范。党的十九大要求“健全金融监管体系，守住不发生系统性金融风险的底线”。《第十四个五年规划和2035年远景目标纲要》提出“健全金融风险预防、预警、处置、问责制度体系，落实监管责任和属地责任，对违法违规行为零容忍，守住不发生系统性风险的底线”。一系列政策方针显示出当前金融体系发展的难点与关键是对金融风险的防范与化解。股票市场作为金融市场重要组成部分，其具有筹集资金、优化资源配置，从而推动实体经济发展的作用。同时股票市场中包含了大量的机构与普通投资者，防范和管理股票市场的风险具有重大意义。

当下，在新冠疫情的持续影响下，美国的通货膨胀率持续走高，全球能源、粮食和矿产品供应陷入危机。为了应对这样的局面，美联储持续加息，这意味着美国长达十四年的货币宽松政策面临终结，对经济衰退的担忧让处在高位的美国股市岌岌可危，由此可能造成的新一轮金融危机令人担忧。在这样的大背景下，本文以股价崩盘风险与风险传染的预警和评估为主题进行相关的研究。

现有关于股价崩盘风险相关研究主要集中在股价未来崩盘风险的影响因素上。已经有部分学者对指数崩盘临界点进行预测，但对个股崩盘风险关键时点预测方面的研究仍然较少。对个股崩盘风险关键时点预测一方面可以动态识别具有高风险的个股，从而进行及时的规避。另一方面，对个股崩盘风险关键时点预测实际上也是对指数崩盘风险的一种预测。大量股票的集中崩盘会引发股票市场发生“股灾”，从而发生风险传染，使得市场系统性风险全面爆发。由此可见，崩盘风险关键时点预测和评估对于防范金融风险与控制风险传染显得尤为重要。风险传染与股价崩盘风险密切相关。但在股票风险传染的研究中，跨区域、跨市场的传染问题已经得到充分的研究，但在股票市场内股票之间存在的风险传染问题仍需进一步研究。在信息不对称条件之下，个人投资者的恐慌情绪、风险偏好的变化会导致羊群效应等现象出现，会使得市场内出现显著的风险传染。相比较于国外成熟的股票市场，中国股票市场呈现出个人投资者比例较大、市场崩盘次数较多的特点。对中国股票市场内股票间的风险传染研究更有意义。

二、文章主要内容

本文的研究主要从股价崩盘风险预测的角度入手，着重研究股价崩盘临界点的识别问题以及中国股票市场内股价崩盘风险传染与公司特征变量关系问题。本文选取1997年1月1日至2018年3月31日沪深两市所有上市公司A股股票日度数据为股票交易数据样本。对样本按照一定的规则剔除部分不可用的数据后，将上市公司财务数据与股票交易数据进行匹配。股票交易数据与上市公司财务数据均来源于Wind数据库。

首先，本文运用logit回归的方法构建了股价崩盘预测模型，并对模型的样本内预测能力进行了检验。其次，对模型预测结果运用事件研究法检验了模型对个股股价崩盘临界点的预测能力，再次，运用构建投资组合的方法对股价崩盘概率和股票未来超额收益之间的关系进行研究，验证了模型对于未来发生崩盘股票的识别能力。然后，利用个股股价崩盘概率构建出股票市场崩盘概率，分析比较不同市场状态下崩盘个股的特征。最后，本文研究了“股灾期间”，股票间风险传染的特征，特别是公司特征变量市值和价值在识别股票间风险传染中所起的作用。

三、文章主要结论

本文以1997年至2018年中国A股上市公司股票日度数据作为样本，选择logit模型作为中国股票市场个股崩盘概率预测模型，引入了市场交易特征变量和公司特征变量来度量个股崩盘概率，在此基础上研究了大市值、高价值股票对小市值、低价值股票崩盘概率的动态预测能力。检验了预测模型对股价崩盘临界点的识别能力，并动态地研究了个股崩盘风险与未来超额收益的关系。

本文研究发现：（1）本文构建的logit模型对中国股票市场个股崩盘有一定的预测能力。样本内预测的准确度为0.8661。根据Vasslou和Xing提出的计算模型准确度方法，样本外预测的准确度为0.4653。这说明市场交易特征变量和公司特征变量能够较好地预测个股的崩盘风险。（2）中国股票市场的“股灾”是由大市值、高价值股票大量崩盘所引起的。随着“股灾”的持续，越来越多的小市值、低价值股票具有较高的崩盘风险。预测模型的结果验证了“股灾”期间的崩盘风险从大市值、高价值股票逐步向小市值、低价值股票蔓延，最终导致市场系统性风险的全面爆发。这意味着对于股票市场指数崩盘风险的预警应当主要监控大市值、高价值股票，它们的大量崩盘往往预示着市场系统性风险的爆发。（3）我们发现在股票或指数价格发生崩盘之前，往往伴随着股票或指数价格持续快速的上升。这说明股票或指数价格崩盘前连续上涨累积的大量泡沫可能是后续崩盘的动力之一。（4）崩盘概率位于前10%的股票所组成的投资组合会产生异常低的未来超额收益表现。说明模型对未来发生股价崩盘的个股具有一定的识别能力。模型具有较好的股价崩盘时点预测能力。这也表明了通过对个股崩盘风险关键时点预测来对指数崩盘风险进行预警是可行的。

四、边际贡献与未来拓展

相比于已有的研究，本文的研究贡献主要包括如下几个方面。

第一，不同于大多数学者对市场指数崩盘风险进行预测与研究，本文从个股崩盘风险预测角度入手进行研究，这是对崩盘风险预测的相关研究进行补充与拓展。

第二，本文研究证明模型能够识别出高崩盘风险个股股价崩盘临界点。这对股价崩盘风险集中释放的关键临界点预测的相关研究提供了一种新方法，也为股票市场系统性风险预警提供了从微观个股入手的新思路。

第三，不同于以往大量针对市场系统性风险与跨市场风险传染的研究思路，本文研究侧重于将微观个股崩盘风险与市场内股票间的风险传染问题相结合。最后，本文还试图从公司特征变量角度入手来研究“股灾期间”股票间的风险传染特征。
未来拓展：本文对于股票间的风险传染研究仅限于研究股票间风险传染的公司变量特征，即存在着由大市值、高价值股票向小市值、低价值股票的传染路径。但本文并没有分析这种传染路径的内在作用机理，即是什么原因导致了从大市值、高价值股票向小市值、低价值股票进行风险传染的模式。

这可能与投资者情绪，资产减价出售等方面息息相关，未来可针对股票间风险传染的内在作用机理这一问题进行深入的研究。充分理解股票市场内风险传染的规律与作用机理，有助于监管和化解金融风险，这符合当下中国金融体系的发展要求。

本文摘编自《系统工程理论与实践》第42卷第11期论文《股票间的风险传染——基于对股价崩盘风险的预测》（点击题目链接全文）；
作者：荆思寒¹, 博士研究生；王振山¹, 博导教授；隋聪^2,3；博导教授；马天一^2,3；任昭诺³, 博士研究生
        1. 东北财经大学 金融学院, 大连 116025;
        2. 大连海事大学 航运经济与管理学院, 大连 116026;
        3. 大连海事大学 综合交通运输协同创新中心, 大连 116026