20181115-天风证券-基于Probit模型的2018年度高送转预测_9页_507kb

金融工程：基于Probit模型的2018年度高送转预测总结

核心内容概述

本报告分析了2018年上市公司高送转行为的预测模型，重点探讨了高送转新规对预测模型的影响，并基于Probit模型构建了2018年高送转预测体系。报告结合基本因子、成长因子、时序因子和政策因子，对高送转概率进行了预测，并提供了2018年天风金工高送转金股组合。

主要观点

• 高送转新规背景：2018年4月4日，上交所与深交所发布《上市公司高送转信息披露指引（征求意见稿）》，对高送转行为进行了更严格的监管，旨在遏制概念炒作、信息合谋操纵及内幕交易等行为。
• 新规影响：新规对高送转实施设定了更明确的限制条件，包括对减持、限售解禁、净利润增长、每股收益等指标的约束。
• 高送转预测模型调整：在原有三因子基础上，增加了政策因子，使模型更符合监管环境的变化。
• Probit模型预测效果：模型在样本外预测中表现良好，命中率随着预测概率阈值的提高而上升，尤其在高概率区间（如>90%）命中率接近80%。
• 2018年预测方法：剔除2017年数据，采用2014-2016年数据进行回归，以更准确反映2018年的市场环境。

关键信息

高送转新规主要限制条件

1. 减持与限售解禁：相关股东在前3个月或后3个月内不得有减持行为。
2. 净利润要求：净利润必须两年持续增长，且不得为负值。
3. 每股收益要求：送转后每股收益不得低于0.5元，若复合增速不满足，则需最近3年每股收益均不低于1元。

送转影响因素分析

Probit模型构建

• 模型形式：是否高送转作为因变量（0或1），采用Probit模型进行回归分析。
• 预测公式：$ P_i = F(\alpha + \beta X_i) = F(Z_i) $，其中 $ Z_i = \alpha + \beta X_i $。
• 模型应用：通过选取前三年数据进行拟合，剔除非显著因子，最终得到显著因子的回归参数。

模型样本外预测效果

2017年预测结果（部分）

2018年预测结果（部分）

模型预测效果说明

• 2010-2016年样本外预测命中率随送转概率阈值上升而提高。
• 2016年因政策影响，预测准确率有所下降。
• 2017年高送转金股组合准确率达80%。
• 2018年预测剔除了2017年数据，采用2014-2016年数据进行回归，以提高预测的准确性。

模型回归参数（2018年）

结论

本报告基于Probit模型，结合高送转新规对预测模型进行了政策化调整，提高了预测的准确性和适用性。2018年高送转预测结果表明，模型在不同概率区间内均具有较高的预测效果，尤其在高概率区间内命中率接近80%。天风金工高送转金股组合的构建基于模型预测与新规筛选，为投资者提供了参考依据。