风险研究价值及背景 [page::2][page::3]

• 绝对收益类产品高度关注最大回撤风险。

- 融资融券业务及股票质押回购对股票最大跌幅尤为重视。

• 股票权重集中度高时，下跌风险对组合影响加剧。

- 融资融券余额快速增长，证券公司风险管理需求提升。

VaR多因子模型构建及方法论 [page::5][page::6][page::7]

• 介绍VaR风险测量方法，采用历史模拟法、蒙特卡罗模拟，重点历史模拟法。

- 根据20天至240天最大跌幅预测，采用多因子回归分析构建风险测度模型。

• 使用中证全指成分股2005-2014年数据，处理异常值及缺失值，分段计算相关系数。[page::7]

单因子相关性分析及表现总结 [page::8-19]

| 因子类别 | 因子示例 | 240天最大跌幅相关系数 | 预测能力总结 |
|------------|---------------|-----------------------|------------------------------------|
| 估值因子 | BP | 0.32 | 估值越高风险越大，预测能力较强 |
| 收益率因子 | 240天收益率 | -0.23 | 历史收益高，未来下跌概率更大 |
| 风险因子 | 120天波动率 | -0.22 | 波动率大，未来最大跌幅概率增高 |
| 规模因子 | 流通市值(对数) | -0.25 | 小市值股风险较大，规模与风险非线性 |
| 股价因子 | 非复权收盘价 | -0.30 | 低股价对应低风险，非线性关系 |
| 流动性因子 | 相对换手率 | 0.04 | 预测能力不明显 |
| 杠杆因子 | 净资产负债比 | -0.02 | 预测能力低，无显著影响 |
| 运营因子 | 净资产周转率 | -0.05 | 预测能力极弱 |
| 盈利因子 | ROE | -0.10 | 盈利高但无法持续则风险增加 |
| 成长因子 | 营收增长率 | -0.07 | 高成长面临业绩不达预期风险 |
| Beta因子 | 60天Beta | -0.01 | 对最大跌幅预测性极低 |

（相关性结果均显示因子对未来最大跌幅有一定预测力度，估值类及规模类因子表现最优）

多因子模型效果 [page::21-24]

• 选取BP、240天收益率、120天波动率、非复权股价、流通市值对数等7个因子构建多因子风险预测模型。

- 多因子模型相关系数对240天最大跌幅达到0.41，显示良好预测能力。

• 模型区分度明显，因子值最低与最高风险区间VaR相差近50％。

- 采用因子排序打分模型稳定性更优，预测远期最大跌幅能力更强。

大盘及行业风险跟踪 [page::25-27]

• 中证全指及沪深300指数涨幅同步带动未来下跌最大跌幅风险显著上升，创业板风险最高超过70%。

- 银行业板块风险最低，计算机和军工行业风险最高，需重点关注。

“深坑雷达”个案分析：昌九生化爆仓 [page::28-29]

• 昌九生化因借壳预期股价暴涨后突然崩盘，融资盘爆仓巨亏。

- 多因子模型提前预警该股未来最大跌幅风险，240天最大跌幅VaR一度达到-77%。

风险提示 [page::29]

• 研究基于历史市场数据，模型可能在样本外失效，未来市场异常波动可能导致风险测度偏差。 [page::29]

方正证券《股票风险“深坑雷达”——股票最大跌幅多因子研究》报告详尽分析

---

一、元数据与报告概览

• 报告标题：股票风险“深坑雷达”——方正证券研究所股票最大跌幅多因子研究

- 发布机构：方正证券研究所

• 分析师：楼华锋（金融工程高级分析师）、高子剑（金融工程首席分析师）

- 联系方式：详见报告封面

• 发布日：2015年7月4日

- 主题：通过多因子量化模型，基于VaR（风险价值）方法，预测A股股票未来最大跌幅的风险，对投资者的风险管理、融资融券业务及股票质押式回购的风险控制提出定量工具和参考。

核心论点：

• A股市场在经历迅速上涨后出现快速回调，个股最大跌幅风险显著。

- 当前市场环境下，传统关注收益的视角不够，需引入系统化、定量化的下跌风险测度。

• 采用VaR多因子模型结合单因子效能筛选，实现股票未来最大跌幅风险的定量预测。

- 行业和市场板块风险差异显著，科技和军工板块风险突出。

• 提供投资者关于极端市场跌幅风险预警的新“深坑雷达”视角，辅助投资者规避重大亏损或爆仓风险。[page::0,2]

---

二、逐节深度解读

1. 股票下跌风险的研究价值（第1章）

报告首先强调下跌风险测度的重要性。具体包括四方面：

• 绝对收益产品对最大回撤非常敏感，单只股票的剧烈下跌会触发止损，影响整体产品收益。故单股跌幅预测对绝对收益类投资至关重要；
• 融资融券业务对股票最大跌幅尤为重视，当前余额已超过约2万亿元，杠杆放大价格波动风险，且券商采用的统一折算率缺乏风险调整，应有科学的量化依据支持风险定价；
• 股票质押式回购高度依赖质押股票价格稳定，质押比例大且价格易波动，会增加融出方风险，清晰测度质押股风险能有助风险管控；
• 权益投资持股结构集中时，流动性和风险加剧，重仓高风险股票将放大组合风险，应重点关注持股集中股票的最大跌幅风险。

报告引用基金经理陈扬帆“盈亏同源”的投资理念，强调风险控制优先于收益追求，体现风险衡量工具的必要性。[page::2,3,4]

---

2. “深坑雷达”原理及VaR模型（第2章）

报告介绍VaR的发展背景和理论基础，将股票最大跌幅风险量化为一定置信水平（通常90%）下的最大可能损失。VaR方法融合了资产定价理论（预测价格敏感度）和风险因素的统计模型。

• 计算方法：

- 局部估价法（Delta-Normal）简化计算但假设回报正态分布，难以捕捉非正态厚尾风险；

- 完全估价法包括：

- 历史模拟法：用历史因子序列模拟未来损益分布，无分布假设，能反映极端波动，缺点是依赖历史代表性，计算量大；

- 蒙特卡罗模拟法：通过随机过程模拟资产价格路径，灵活而精准，但计算成本高，且对模型选择敏感。

报告基于历史模拟法，平衡实际市场特征和计算可行性，构建最大跌幅多因子预测模型。其优势在于考虑历史极端情形，适应市场非对称性和厚尾特征。[page::5,6]

---

3. 最大跌幅多因子预测模型构建（第3章）

3.1 单因子分析

报告选取11类共计40余个因子用于单因子分析，覆盖估值、收益、风险、规模、流动性、股价、杠杆、运营、成长、盈利和Beta因子。

• 样本为中证全指成分股，时间跨度2005年1月至2014年12月，按月数据频率，采用历史模拟法计算$90\%$置信度VaR。
• 通过因子与未来20、60、120、240天最大跌幅相关系数分析，评估各因子对股票跌幅预测能力。

关键单因子及解读：

• 估值类因子（BP、PE、SP）：BP因子（账面价值市价比）相关系数由0.15（20天）递增至0.32（240天），说明估值越低，未来最大跌幅风险越小，因估值代表风险承受度，估值过高风险大。（图表4、5）
• 收益率因子：如240天收益率，相关系数为-0.23，即过去涨幅高的股票跌幅风险更大，逻辑是高收益短期积累了股价泡沫，未来调整可能幅度大。（图表6、7）
• 风险类因子（波动率）：120天波动率相关系数约-0.22，波动率高的股票未来下跌幅度较大，符合波动率作为风险度量的直观理解。（图表8、9）
• 规模类因子（流通市值）：负相关显著，但贡献相对中性，体现市值小者更容易大幅波动（流动性不足、估值偏高等因素），但当市值达到一定阈值后效应减弱，且大市值中有低风险行业股票。（图表10、11）
• 股价因子：非复权收盘价负相关，价格低的股票风险相对较低，多为低估蓝筹，且股价越高风险逐渐增加，涨幅过大会引发调整。（图表12、13）
• 流动性因子：换手率及相对换手率与未来最大跌幅相关很低，说明换手率不是跌幅风险的有效预测指标。（图表14、15）
• 杠杆因子：如净资产负债比相关性极低，杠杆对股价未来最大跌幅预测力差，可能因杠杆的利弊并存。（图表16、17）
• 运营因子（净资产周转率等）相关度较低，不能有效预测股价最大跌幅。（图表18、19）
• 盈利因子（ROE等）负相关，ROE高股票下跌风险增加，反映盈利高成长难续期导致股价调整风险。（图表20、21）
• 成长因子（营业收入增长率）表现与盈利因子类似，成长高提升收益预期但也提高调整风险。（图表22、23）
• Beta因子相关性低，波动弹性与未来最大跌幅无显著线性关系。（图表24、25）

这一阶段筛选出对预测未来最大跌幅相关度较高的因子主要是：长期收益率（240天收益率）、估值因子（BP）、长期波动率（120天波动率）、股价、规模因子，用于后续多因子模型构建。[page::7-19]

3.2 多因子模型构建与表现

• 选取7个关键因子（240天收益率、BP、PE、SP、120天波动率、非复权股价、流通市值自然对数）作为多因子模型输入。
• 将所有因子进行归一化或排序转化，利用单因子与最大跌幅相关系数作为权重计算多因子评分。
• 评估多因子模型与未来20、60、120、240日最大跌幅相关性：

- 因子值打分模型相关系数分别为0.21、0.24、0.30、0.41，显示对未来最大跌幅有明显预测能力，且对长期跌幅预测更佳（图表27、28）；

- 因子排序打分模型相关性略低（分别0.20、0.23、0.29、0.41），但模型打分分布更均衡且稳定性更高，因而被采纳为报告后续分析基础（图表29、30）。

• 通过模型得分将股票区分为不同跌幅风险等级，最高和最低分组之间涨跌幅差异近50%，该模型能有效识别高危险股票。
• 利用该多因子模型对市场指数及行业指数风险跟踪分析，观察VaR值均值变化趋势，反映市场整体和细分行业的风险演进情况。[page::20-24]

---

4. 最大跌幅多因子模型走势跟踪（第4章）

• 定义指数VaR为成分股VaR均值。
• 通过时间序列分析发现，中证全指指数上涨之时，其成分股VaR均值也同步升高，表明牛市中伴随风险上升。例如2015年行情加速导致下半年风险明显抬升，达到了2007年高点水平。
• 沪深300等权指数与VaR均值统计也支持这一结论，但风险水平略低于中证全指。
• 创业板风险最高，2015年最大跌幅VaR值超过70%，反映其高估值高波动状态，风险尤甚。
• 各行业风险水平也显著不同，银行业风险最低，计算机、军工等行业风险最高，最大跌幅均超过70%。（图表31-34）

这一分析为投资者识别市场风险周期及行业板块风险差异提供了有效量化依据。[page::25-27]

---

5. “深坑雷达”个股案例：昌九生化爆仓案（第5章）

• 昌九生化于2012年底至2013年5月股价暴涨近3.5倍，主要受市场对赣州稀土借壳上市预期刺激。
• 2013年11月稀土借壳消息破灭，公司股价遭遇连续跌停，导致融资盘爆仓，约3亿元融资资金受损。
• 通过报告多因子模型反映出，涨停前几个月，昌九生化的多因子VaR指标尖锐上升，未来240天最大跌幅预测曾达-77%，120天-54%，60天-38%，表明下跌风险早已有量化信号，是典型的“深坑雷达”成功案例。

案例验证了报告多因子模型在实际风险预测中具有重要参考价值，对避免潜在爆仓风险提供科学依据。[page::28-29]

---

6. 风险提示（第6章）

报告明示基于历史模拟VaR估计，未来市场环境若发生大变化或极端事件，模型预测可能失效，存在样本外风险，用户应理性看待模型结果。[page::29]

---

三、图表深度解读

• 图表1（融资融券余额）显示融资余额自2010年至2015年快速攀升，2015年突破2万亿，杠杆叠加加剧市场波动敏感性。
• 图表2（质押比例最高股票Top20）揭示多只股票质押比例超50%，对这类股票未来股价下跌风险及杠杆风险需重点监控。
• 图表4-25（单因子相关性分析系列）：

- 频率柱状图显示不同因子取值分布，曲线表示对应区间90%置信度下最大跌幅VaR，趋势清晰揭示：

- 估值因子BP越高（估值越低）最大跌幅越小；

- 长期收益率越高跌幅VaR越大；

- 波动率越大跌幅VaR越大；

- 大市值一般跌幅VaR较低；

- 杠杆、流动性等因子相关性低，影响有限。

• 图表26（因子相关系数汇总）直观展示各单因子与最大跌幅的统计相关水平，便于筛选关键指标。
• 图表27-30（多因子模型评分及VaR分组）显示多因子综合评分在区分股票未来最大跌幅风险上的有效性，评分低的股票普遍面临更严重的潜在跌幅。
• 图表31-34（市场及行业VaR走势）直观反映大盘及创业板以及细分行业风险变化，便于投资者把握系统性风险。
• 图表35-36（昌九生化个股走势与VaR预警）案例数据支持多因子模型动态跟踪个股风险能力。

所有图表均明确附带数据来源方正证券和wind资讯，符合市场实证研究标准。[page::0,3,9-15,21-27,28-29]

---

四、估值分析

本报告核心为风险估值而非价格估值，没有涉及传统意义上的公司股价估值模型（如DCF、P/E等）。其关键估值工具为VaR（Value at Risk）：

• VaR定义为在给定置信度下某资产在特定持有周期内最大预计损失（本报告以90%置信度）。
• 通过多因子回归加权构建VaR多因子模型，模型权重来源于单因子与未来最大跌幅的统计相关性。
• 采用历史模拟法估计基于多因子评分划分的VaR曲线，模型可输出具体股票未来最大跌幅风险估值，辅助投资及风控决策。

报告突出的估值意义是基于统计学和风险管理视角对股票潜在亏损幅度的科学评估，而非传统的静态市盈率估值。[page::5,6,20-24]

---

五、风险因素评估

报告明确识别以下风险：

• 模型样本外风险：VaR基于历史数据模拟，市场如果出现全新极端情形，模型预测能力可能下降。
• 因子选择与权重假设：因子与未来跌幅相关性受历史环境影响，假设未来因果关系不变，存在变动风险。
• 市场结构变化风险：如监管政策、融资制度变化可能影响风险传递机制。
• 数据缺失与异常处理风险：报告采用行业均值填充缺失，可能对部分股票预测产生偏差。

报告提醒模型结果仅为参考手段，需结合市场状态与投资者自身风险承受能力进行综合评估。[page::29]

---

六、批判性视角与细微差别

• 模型局限性：报告利用历史模拟法，固有效依赖历史事件，假设未来风险特征类似，或对结构性变化的预测不足。
• 因子相关性普遍较低：尽管选出相关性最高的7个因子，但最大跌幅与单因子相关系数多在0.2-0.4区间，说明预测仍存在较大不确定性。
• 杠杆因子和流动性因子预测效用有限，和理论上杠杆更高应风险更大存在一定出入，说明可能存在数据质量或样本特殊性影响。
• 未覆盖宏观和系统性风险，主要基于个股因子，系统性黑天鹅风险难以量化纳入。
• 多因子模型权重仅简单权衡相关性，未体现因子间可能的多重共线性，对因子交互效应未深入探讨。
• 缺乏对模型预测误差的后验检验及稳健性测试，如最大回撤预测偏差或异常样本分析。

报告虽体现严谨的数据处理，但因历史样本限制及建模假设，须警惕模型可能的偏误与适用范围限制。

---

七、结论性综合

本报告创新性地利用VaR多因子模型系统量化并预测A股股票未来最大跌幅风险，丰富了传统投资研究中以收益为中心的视角，为投资者及市场参与方提供了一种科学的风险度量工具。

• 张力强的多因子预测模型基于11大类因子中的关键指标筛选（长期收益率、估值、波动率、股价及市值），其模型对长期(240天)未来最大跌幅预测最为有效，相关系数高达0.4以上。
• 通过因子值及排序两种打分体系建模，模型能显著区分不同风险水平股票，明示最高风险个股VaR最高超过70%，最低区间跌幅远低于此，预警能力突出。
• 行业及市场层面，随着指数上涨，整体VaR值同步提高，体现市场普遍风险积聚现象；创业板及科技、军工行业最大跌幅VaR最高，需求重点风险监控。
• 昌九生化个案充分论证多因子模型预警能力，其在股价暴涨前毒辣显现出极高跌幅风险，成功揭示潜在爆仓隐患，提示单股风险管理必要性。
• 报告详细解析了因子预测能力的异同、VaR计算方法及风险管理应用，理论基础与数据实证相结合，兼具学术深度和实际可操作性。
• 风险提示恰当，强调模型基于历史数据，存在样本外及假设风险，投资者应结合市场实际谨慎应用。

总体来看，本报告不仅从学理上丰富了股票风险量化预测理论体系，也为实务中的绝对收益产品、融资融券、质押回购提供了具有现实意义的风险管理工具，“深坑雷达”概念直观生动，具备良好市场推广潜力。

---

附：主要图表示例说明

• 图表0 - “VaR多因子打分分布”：频率柱状图显示样本股票多因子打分的分布区间，配合4条曲线分别描述20、60、120、240天最大跌幅VaR。整体趋势曲线显示打分越低（风险越大），未来最大跌幅越大，且长期跌幅VaR明显高于短期，支持模型预测能力。
• 图表28（多因子模型VaR及均值）：展示多因子打分结果对股票最大跌幅的90%置信度VaR区间及均值。图中频数分布反映多因子评分的分布统计，VaR曲线明显向下弯曲确认风险区分度，最大跌幅可超过70%，最安全区间跌幅小于30%，风险分层清晰。
• 图表31（中证全指VaR与指数走势）：红色表示中证全指指数走势，蓝色线表示所有成分股VaR均值。两线呈明显负相关，指数上涨叠加风险积聚。2015年数值接近2007年历史峰值，风险警示明显。
• 图表35-36（昌九生化案例）：前者表示该股股价历史波动，后者用多因子模型绘制未来不同持有期限最大跌幅VaR动态，显示股价上涨时风险上升，跌停前风险接近最高峰，结构化风险预警典范。

---

以上为方正证券《股票风险“深坑雷达”》多因子模型研究报告的详尽解构与分析，涵盖报告的理论基础、模型构建、实证分析及风险提示，及全部重要图表的深度解读，充分说明了其在A股风险管理领域的创新突破与应用价值。[page::0-30]

报告