關于機器學習在股權質押風險預測應用的文獻綜述

2013年以前，我國股票質押業(yè)務主要是場外模式。同年5月，隨著《股票質押式回購交易及登記結算業(yè)務辦法（試行）》的發(fā)布，在對股票質押式回購交易進行規(guī)范的同時，也拉起了股票質押式回購業(yè)務蓬勃發(fā)展的序幕，并在2014年出現了交易規(guī)模急速擴張、A股市場“無股不押”的局面。隨著股票質押業(yè)務的不斷發(fā)展，諸多問題和風險隱患也逐漸暴露。2018年，股票市場的大幅度價格波動、大股東質押比例的逐步升高以及監(jiān)管向緊的趨勢，加劇了股票質押的風險，人們意識到有可能因此引發(fā)股價下跌和強制平倉的惡性循環(huán)。2019年以來，雖然業(yè)務風險得到緩解，但并未完全解決。Wind數據顯示，截至2020年11月20日，市場質押股數4971.23億股，占總股本的7.04%，市場質押市值為44826.65億元。其中，大股東質押股數5511.63億股，占總股本比18.85%，大股東未平倉總市值34156.15億元，大股東疑似觸及平倉市值16937.31億元。由此看來，防范股票質押風險仍是一個長期而艱巨的任務。一、文獻綜述（一）股權質押1.股權質押風險的形成原因股價下跌被認為是引發(fā)股權質押風險的主要原因。股價下跌會導致用于質押的股票貶值，質押物市值縮減而引發(fā)強制平倉，使市場產生不利預期甚至造成恐慌，形成股價進一步下跌的惡性循環(huán)。特別是在市場整體下行時，高頻率、大比例的股權質押將會加劇此種風險。此外，市場波動和流動性的缺失、質押方的信用風險及證券融資金融機構整體監(jiān)管體系的不健全也可能會造成股票質押風險。出質人長期的資本運作會造成穩(wěn)定還款保障的缺失，從而加劇股權質押中的違約風險，監(jiān)管制度的不完善則會從根本上導致限制的缺失。2.股權質押的影響由于股權質押有允許強制平倉的獨特規(guī)則，平倉風險一直都是學者注意的重點。一方面，允許強制平倉將會促使債權人在股價下跌時拋售股票，由此向市場傳遞恐慌信號，加劇市場的內在不穩(wěn)定性。另一方面，強制平倉將會導致公司實際控制人及其控制權的異常變化，對公司的日常管理和運營，特別是在民營企業(yè)中，產生不利影響。除了平倉風險，股權質押對股價崩盤風險也有較大的影響。一些學者通過實證分析得到股權質押行為會使上市公司的股價崩盤風險上升，并且該風險隨著質押比例的上升而升高，特別是在民營企業(yè)和控股股東持股比例較低的企業(yè)中該現象更明顯。從貨幣政策不確定性的角度看，在宏觀經濟不穩(wěn)定的環(huán)境中，控股股東股權質押對國有企業(yè)產生更大的股價波動影響。另一部分則通過建立回歸模型分析則認為，股價崩盤風險會隨著控股股東的股權質押而降低。此外，股權質押還存在信用風險、監(jiān)管風險和治理風險。在企業(yè)經營管理中，由于股權質押與上市公司的股價密切相關，因此實際控制人會有穩(wěn)定股價的動機，隨著監(jiān)管趨緊，這些行為逐漸暴露將會形成上市公司及其實際控制人違法違規(guī)的風險。當控股股東的持股比例較低，強行平倉時若無法及時補充或償還債務，可能會造成大股東變動，進而涉及企業(yè)管理層、治理層的變動，對企業(yè)整體經營產生影響。除了上述可能引發(fā)的風險，學者也研究了股票質押在其他方面產生的影響。在企業(yè)價值方面，有學者認為股權質押與企業(yè)價值之間存在正相關關系，也有學者證實當將質押方的范圍縮小至控股股東時股權質押則會導致企業(yè)貶值。在企業(yè)政策方面，股權質押將在企業(yè)不同類型分紅的比例、會計的穩(wěn)健性、高送轉政策、回購計劃等方面產生影響。隨著股權質押數額的增大和比例的提高，公司現金分紅比例將上升、股票分紅比例則會降低，會計穩(wěn)健性得到顯著增強，實施高送轉政策、啟動回購計劃的可能性將會增加，企業(yè)的風險承受能力將有所提高。另外，控股股東的股權質押比例上升將會導致過度投資或投資不足等非效率投資的比例上升。此外，在不同的行業(yè)和企業(yè)性質中，股票質押風險的影響也會有所不同。相比之下，傳媒業(yè)以及民營企業(yè)中的股票質押風險相對集中。經過對深市股票的研究發(fā)現，中小板、創(chuàng)業(yè)板股票質押風險對股價和利率的反應更加敏感。也有學者分別從出質人、質權人和中小股東的角度分析了股權質押風險，研究顯示三者分別會因市場價格波動、強制平倉和信息不對稱受到不利影響。更有學者跳出了通常對控股股東、大股東股權質押行為的研究范圍，從內部人士、企業(yè)董事等角度進行分析。實證分析的結果顯示，有影響力的企業(yè)內部人士的股權質押行為會以犧牲外部股東利益為代價而獲得私人利益，外部股東會因此而受到更大波動性的影響并且從中無法獲得相關利益。（二）機器學習的發(fā)展及應用近年來，隨著機器學習在股票預測領域應用的不斷深入，在金融市場、金融機構、金融監(jiān)管等多方面都產生重大影響，其不同于以往分析方法的獨特優(yōu)勢也逐漸顯現，越來越多的學者投入其中開展研究?，F代機器學習方法主要包括支持向量機（SVM）、神經網絡、隨機森林（RF）、動態(tài)時間扭曲（DTW）等，學者們通過單獨或綜合運用這些方法以對股票市場進行預測及研究。不同機器學習方法預測結果的比較較早成為熱點之一，但考慮不同學者研究時使用的數據等并不統(tǒng)一，訓練所得模型的自學習和自適應能力也存在差異，以及機器學習技術正處于日新月異的發(fā)展中，因此尚未得到統(tǒng)一結果。隨后有學者對現有機器學習模型進行改進，利用網格搜索法、遺傳算法、Early-stopping技術、Mini-batch梯度下降方法等技術和方法對模型進行優(yōu)化，通過引入注意力機制、多種廣義自回歸條件異方差模型等實現模型堆疊從而形成新框架。這些方法都提升了預測結果的準度和精度，并在一定程度上縮短了預測時間。機器學習技術的飛速發(fā)展和日趨成熟，也為從海量數據中提取特征優(yōu)勢提供了便利。不同于以往只使用金融特征數據，在模型中加入從社交媒體、新聞等中挖掘的文本、情感、視覺變量等非結構化數據，是現在預測的一個重要方向。得益于此，預測結果得到了顯著提升。此外，也有學者認為深度學習算法適用于具有高度波動性和動態(tài)特征的流動性指標，因此利用其對股票市場的流動性進行了預測。除了預測股價趨勢這一熱門領域，機器學習也被應用于構建風險模型、評估風險水平等方面。通過結合機器學習算法構建風險預判模型和違約風險計算模型，并將其應用在不同場景中，增強金融發(fā)展中的風險識別能力及相關平臺監(jiān)測的靈敏度，如應用在銀行風險監(jiān)測中，有利于獲取銀行間隱藏在資產負債表后的同業(yè)內負債關系。此外，還有學者利用算法優(yōu)化數據的分類、提取等處理效率，從而提升風險系統(tǒng)的預警水平。在股權質押領域，有學者應用LightGBM算法研究股權質押的影響因子，也有學者利用Logistic回歸模型建立預警機制，研究對股權質押風險有影響的各項因素并據此提出相關建議。二、主要結論與思考通過上文分析可以得到，雖然目前有許多專家學者分別在股權質押、機器學習領域開展研究，但將二者相結合的研究相對較少。股權質押在國內屬于近年來的市場特色，其運作機理及影響途徑還需要更深入的研究和認識。一般來說，可以利用傳統(tǒng)回歸方法處理數據、建立模型，從而實現風險預測和評估。但隨著市場的不斷發(fā)展，實證研究逐漸增多使得風險衡量指標也越來越豐富，從簡單的股價波動、收益率波動指標，到使用股票收益負收益偏態(tài)系數、股票收益上下波動率等指標進行衡量，如何選擇該指標成為了難題。一方面需要使指標涵蓋的范圍盡可能廣泛，從多維度衡量股票質押風險；另一方面則需要不斷試錯，經過不斷的梳理和總結最終得出合適的指標。面對新要求新挑戰(zhàn)，機器學習技術在數據特征提取、分類等方面的優(yōu)勢逐漸顯現，其對海量數據的處理能力更有利于探究傳統(tǒng)方法難以解決的非線性問題。此外，在現有研究中，考慮到股權質押中企業(yè)異質性問題