基于ST预测的财务困境测度与股票横截面收益

摘要：

本文利用特别处理(ST)这一我国资本市场特有的现象和机器学习的方法构造了一个新的刻画上市公司财务困境的测度指标,并研究了财务困境与股票横截面收益的关系.首先利用机器学习的方法建立了上市公司ST的预测模型;再通过预测模型构造上市公司被特别处理的预测概率PrST,并以PrST刻画上市公司的财务困境;最后利用这一新的财务困境测度指标研究了 PrST对公司股票收益的影响.研究发现:(1)事件分析结果显示,市场对特别处理公告做出显著的负面反应;(2)以预测模型得到的PrST构造资产组合,PrST高的资产组合收益率显著低于PrST低的资产组合,一个多空股票组合可以产生平均每月约-1.40％的超额收益;(3)构造PrST因子,Fama-MacBeth回归也得到显著的结果.综上,本文的实证研究表明:构造的财务困境指标PrST能有效解释股票横截面收益,PrST因子是一个被定价的风险因子.

关键词：特别处理、财务困境、机器学习、股票横截面收益

所属期刊栏目：31

分类号：F830.91(金融、银行)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2023-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：138-149