关于机器学习在股权质押风险预测应用的文献综述

崔心怡

（东南大学经济管理学院，江苏 南京 211189）

2013年以前，我国股票质押业务主要是场外模式。同年5月，随着《股票质押式回购交易及登记结算业务办法（试行）》的发布，在对股票质押式回购交易进行规范的同时，也拉起了股票质押式回购业务蓬勃发展的序幕，并在2014年出现了交易规模急速扩张、A股市场“无股不押”的局面。随着股票质押业务的不断发展，诸多问题和风险隐患也逐渐暴露。2018年，股票市场的大幅度价格波动、大股东质押比例的逐步升高以及监管向紧的趋势，加剧了股票质押的风险，人们意识到有可能因此引发股价下跌和强制平仓的恶性循环。2019年以来，虽然业务风险得到缓解，但并未完全解决。Wind数据显示，截至2020年11月20日，市场质押股数4971.23亿股，占总股本的7.04%，市场质押市值为44826.65亿元。其中，大股东质押股数5511.63亿股，占总股本比18.85%，大股东未平仓总市值34156.15亿元，大股东疑似触及平仓市值16937.31亿元。由此看来，防范股票质押风险仍是一个长期而艰巨的任务。

一、文献综述

（一）股权质押

1.股权质押风险的形成原因

股价下跌被认为是引发股权质押风险的主要原因。股价下跌会导致用于质押的股票贬值，质押物市值缩减而引发强制平仓，使市场产生不利预期甚至造成恐慌，形成股价进一步下跌的恶性循环。特别是在市场整体下行时，高频率、大比例的股权质押将会加剧此种风险。此外，市场波动和流动性的缺失、质押方的信用风险及证券融资金融机构整体监管体系的不健全也可能会造成股票质押风险。出质人长期的资本运作会造成稳定还款保障的缺失，从而加剧股权质押中的违约风险，监管制度的不完善则会从根本上导致限制的缺失。

2.股权质押的影响

由于股权质押有允许强制平仓的独特规则，平仓风险一直都是学者注意的重点。一方面，允许强制平仓将会促使债权人在股价下跌时抛售股票，由此向市场传递恐慌信号，加剧市场的内在不稳定性。另一方面，强制平仓将会导致公司实际控制人及其控制权的异常变化，对公司的日常管理和运营，特别是在民营企业中，产生不利影响。

除了平仓风险，股权质押对股价崩盘风险也有较大的影响。一些学者通过实证分析得到股权质押行为会使上市公司的股价崩盘风险上升，并且该风险随着质押比例的上升而升高，特别是在民营企业和控股股东持股比例较低的企业中该现象更明显。从货币政策不确定性的角度看，在宏观经济不稳定的环境中，控股股东股权质押对国有企业产生更大的股价波动影响。另一部分则通过建立回归模型分析则认为，股价崩盘风险会随着控股股东的股权质押而降低。

此外，股权质押还存在信用风险、监管风险和治理风险。在企业经营管理中，由于股权质押与上市公司的股价密切相关，因此实际控制人会有稳定股价的动机，随着监管趋紧，这些行为逐渐暴露将会形成上市公司及其实际控制人违法违规的风险。当控股股东的持股比例较低，强行平仓时若无法及时补充或偿还债务，可能会造成大股东变动，进而涉及企业管理层、治理层的变动，对企业整体经营产生影响。

除了上述可能引发的风险，学者也研究了股票质押在其他方面产生的影响。在企业价值方面，有学者认为股权质押与企业价值之间存在正相关关系，也有学者证实当将质押方的范围缩小至控股股东时股权质押则会导致企业贬值。在企业政策方面，股权质押将在企业不同类型分红的比例、会计的稳健性、高送转政策、回购计划等方面产生影响。随着股权质押数额的增大和比例的提高，公司现金分红比例将上升、股票分红比例则会降低，会计稳健性得到显著增强，实施高送转政策、启动回购计划的可能性将会增加，企业的风险承受能力将有所提高。另外，控股股东的股权质押比例上升将会导致过度投资或投资不足等非效率投资的比例上升。此外，在不同的行业和企业性质中，股票质押风险的影响也会有所不同。相比之下，传媒业以及民营企业中的股票质押风险相对集中。经过对深市股票的研究发现，中小板、创业板股票质押风险对股价和利率的反应更加敏感。也有学者分别从出质人、质权人和中小股东的角度分析了股权质押风险，研究显示三者分别会因市场价格波动、强制平仓和信息不对称受到不利影响。更有学者跳出了通常对控股股东、大股东股权质押行为的研究范围，从内部人士、企业董事等角度进行分析。实证分析的结果显示，有影响力的企业内部人士的股权质押行为会以牺牲外部股东利益为代价而获得私人利益，外部股东会因此而受到更大波动性的影响并且从中无法获得相关利益。

（二）机器学习的发展及应用

近年来，随着机器学习在股票预测领域应用的不断深入，在金融市场、金融机构、金融监管等多方面都产生重大影响，其不同于以往分析方法的独特优势也逐渐显现，越来越多的学者投入其中开展研究。

现代机器学习方法主要包括支持向量机（SVM）、神经网络、随机森林（RF）、动态时间扭曲（DTW）等，学者们通过单独或综合运用这些方法以对股票市场进行预测及研究。不同机器学习方法预测结果的比较较早成为热点之一，但考虑不同学者研究时使用的数据等并不统一，训练所得模型的自学习和自适应能力也存在差异，以及机器学习技术正处于日新月异的发展中，因此尚未得到统一结果。随后有学者对现有机器学习模型进行改进，利用网格搜索法、遗传算法、Early-stopping技术、Mini-batch梯度下降方法等技术和方法对模型进行优化，通过引入注意力机制、多种广义自回归条件异方差模型等实现模型堆叠从而形成新框架。这些方法都提升了预测结果的准度和精度，并在一定程度上缩短了预测时间。

机器学习技术的飞速发展和日趋成熟，也为从海量数据中提取特征优势提供了便利。不同于以往只使用金融特征数据，在模型中加入从社交媒体、新闻等中挖掘的文本、情感、视觉变量等非结构化数据，是现在预测的一个重要方向。得益于此，预测结果得到了显著提升。此外，也有学者认为深度学习算法适用于具有高度波动性和动态特征的流动性指标，因此利用其对股票市场的流动性进行了预测。

除了预测股价趋势这一热门领域，机器学习也被应用于构建风险模型、评估风险水平等方面。通过结合机器学习算法构建风险预判模型和违约风险计算模型，并将其应用在不同场景中，增强金融发展中的风险识别能力及相关平台监测的灵敏度，如应用在银行风险监测中，有利于获取银行间隐藏在资产负债表后的同业内负债关系。此外，还有学者利用算法优化数据的分类、提取等处理效率，从而提升风险系统的预警水平。在股权质押领域，有学者应用LightGBM算法研究股权质押的影响因子，也有学者利用Logistic回归模型建立预警机制，研究对股权质押风险有影响的各项因素并据此提出相关建议。

二、主要结论与思考

通过上文分析可以得到，虽然目前有许多专家学者分别在股权质押、机器学习领域开展研究，但将二者相结合的研究相对较少。股权质押在国内属于近年来的市场特色，其运作机理及影响途径还需要更深入的研究和认识。一般来说，可以利用传统回归方法处理数据、建立模型，从而实现风险预测和评估。但随着市场的不断发展，实证研究逐渐增多使得风险衡量指标也越来越丰富，从简单的股价波动、收益率波动指标，到使用股票收益负收益偏态系数、股票收益上下波动率等指标进行衡量，如何选择该指标成为了难题。一方面需要使指标涵盖的范围尽可能广泛，从多维度衡量股票质押风险；另一方面则需要不断试错，经过不断的梳理和总结最终得出合适的指标。面对新要求新挑战，机器学习技术在数据特征提取、分类等方面的优势逐渐显现，其对海量数据的处理能力更有利于探究传统方法难以解决的非线性问题。此外，在现有研究中，考虑到股权质押中企业异质性问题的研究也相对较少，特别是在我国，如国有企业和民营企业间存在的重要差异将会使影响异质性的研究更有意义。

综上所述，在对股权质押风险预测的研究中还需要进行大量探索和实证，依然有很长的路要走。而将机器学习技术与股票质押风险结合，对后者进行预测研究，根据结果对预测和防范股票质押风险提出相应的建议，对稳定我国证券市场发展具有重要意义。