關(guān)于機器學(xué)習(xí)在股權(quán)質(zhì)押風(fēng)險預(yù)測應(yīng)用的文獻綜述

2013年以前，我國股票質(zhì)押業(yè)務(wù)主要是場外模式。同年5月，隨著《股票質(zhì)押式回購交易及登記結(jié)算業(yè)務(wù)辦法（試行）》的發(fā)布，在對股票質(zhì)押式回購交易進行規(guī)范的同時，也拉起了股票質(zhì)押式回購業(yè)務(wù)蓬勃發(fā)展的序幕，并在2014年出現(xiàn)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(zhì)押業(yè)務(wù)的不斷發(fā)展，諸多問題和風(fēng)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(zhì)押比例的逐步升高以及監(jiān)管向緊的趨勢，加劇了股票質(zhì)押的風(fēng)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(wù)風(fēng)險得到緩解，但并未完全解決。Wind數(shù)據(jù)顯示，截至2020年11月20日，市場質(zhì)押股數(shù)4971.23億股，占總股本的7.04%，市場質(zhì)押市值為44826.65億元。其中，大股東質(zhì)押股數(shù)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(zhì)押風(fēng)險仍是一個長期而艱巨的任務(wù)。一、文獻綜述（一）股權(quán)質(zhì)押1.股權(quán)質(zhì)押風(fēng)險的形成原因股價下跌被認為是引發(fā)股權(quán)質(zhì)押風(fēng)險的主要原因。股價下跌會導(dǎo)致用于質(zhì)押的股票貶值，質(zhì)押物市值縮減而引發(fā)強制平倉，使市場產(chǎn)生不利預(yù)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(quán)質(zhì)押將會加劇此種風(fēng)險。此外，市場波動和流動性的缺失、質(zhì)押方的信用風(fēng)險及證券融資金融機構(gòu)整體監(jiān)管體系的不健全也可能會造成股票質(zhì)押風(fēng)險。出質(zhì)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(quán)質(zhì)押中的違約風(fēng)險，監(jiān)管制度的不完善則會從根本上導(dǎo)致限制的缺失。2.股權(quán)質(zhì)押的影響由于股權(quán)質(zhì)押有允許強制平倉的獨特規(guī)則，平倉風(fēng)險一直都是學(xué)者注意的重點。一方面，允許強制平倉將會促使債權(quán)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(nèi)在不穩(wěn)定性。另一方面，強制平倉將會導(dǎo)致公司實際控制人及其控制權(quán)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(chǎn)生不利影響。除了平倉風(fēng)險，股權(quán)質(zhì)押對股價崩盤風(fēng)險也有較大的影響。一些學(xué)者通過實證分析得到股權(quán)質(zhì)押行為會使上市公司的股價崩盤風(fēng)險上升，并且該風(fēng)險隨著質(zhì)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(xiàn)象更明顯。從貨幣政策不確定性的角度看，在宏觀經(jīng)濟不穩(wěn)定的環(huán)境中，控股股東股權(quán)質(zhì)押對國有企業(yè)產(chǎn)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(fēng)險會隨著控股股東的股權(quán)質(zhì)押而降低。此外，股權(quán)質(zhì)押還存在信用風(fēng)險、監(jiān)管風(fēng)險和治理風(fēng)險。在企業(yè)經(jīng)營管理中，由于股權(quán)質(zhì)押與上市公司的股價密切相關(guān)，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(fēng)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(wù)，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(jīng)營產(chǎn)生影響。除了上述可能引發(fā)的風(fēng)險，學(xué)者也研究了股票質(zhì)押在其他方面產(chǎn)生的影響。在企業(yè)價值方面，有學(xué)者認為股權(quán)質(zhì)押與企業(yè)價值之間存在正相關(guān)關(guān)系，也有學(xué)者證實當將質(zhì)押方的范圍縮小至控股股東時股權(quán)質(zhì)押則會導(dǎo)致企業(yè)貶值。在企業(yè)政策方面，股權(quán)質(zhì)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(zhuǎn)政策、回購計劃等方面產(chǎn)生影響。隨著股權(quán)質(zhì)押數(shù)額的增大和比例的提高，公司現(xiàn)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(zhuǎn)政策、啟動回購計劃的可能性將會增加，企業(yè)的風(fēng)險承受能力將有所提高。另外，控股股東的股權(quán)質(zhì)押比例上升將會導(dǎo)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(zhì)中，股票質(zhì)押風(fēng)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(zhì)押風(fēng)險相對集中。經(jīng)過對深市股票的研究發(fā)現(xiàn)，中小板、創(chuàng)業(yè)板股票質(zhì)押風(fēng)險對股價和利率的反應(yīng)更加敏感。也有學(xué)者分別從出質(zhì)人、質(zhì)權(quán)人和中小股東的角度分析了股權(quán)質(zhì)押風(fēng)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(xué)者跳出了通常對控股股東、大股東股權(quán)質(zhì)押行為的研究范圍，從內(nèi)部人士、企業(yè)董事等角度進行分析。實證分析的結(jié)果顯示，有影響力的企業(yè)內(nèi)部人士的股權(quán)質(zhì)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(guān)利益。（二）機器學(xué)習(xí)的發(fā)展及應(yīng)用近年來，隨著機器學(xué)習(xí)在股票預(yù)測領(lǐng)域應(yīng)用的不斷深入，在金融市場、金融機構(gòu)、金融監(jiān)管等多方面都產(chǎn)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(xiàn)，越來越多的學(xué)者投入其中開展研究。現(xiàn)代機器學(xué)習(xí)方法主要包括支持向量機（SVM）、神經(jīng)網(wǎng)絡(luò)、隨機森林（RF）、動態(tài)時間扭曲（DTW）等，學(xué)者們通過單獨或綜合運用這些方法以對股票市場進行預(yù)測及研究。不同機器學(xué)習(xí)方法預(yù)測結(jié)果的比較較早成為熱點之一，但考慮不同學(xué)者研究時使用的數(shù)據(jù)等并不統(tǒng)一，訓(xùn)練所得模型的自學(xué)習(xí)和自適應(yīng)能力也存在差異，以及機器學(xué)習(xí)技術(shù)正處于日新月異的發(fā)展中，因此尚未得到統(tǒng)一結(jié)果。隨后有學(xué)者對現(xiàn)有機器學(xué)習(xí)模型進行改進，利用網(wǎng)格搜索法、遺傳算法、Early-stopping技術(shù)、Mini-batch梯度下降方法等技術(shù)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(xiàn)模型堆疊從而形成新框架。這些方法都提升了預(yù)測結(jié)果的準度和精度，并在一定程度上縮短了預(yù)測時間。機器學(xué)習(xí)技術(shù)的飛速發(fā)展和日趨成熟，也為從海量數(shù)據(jù)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(shù)據(jù)，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(jié)構(gòu)化數(shù)據(jù)，是現(xiàn)在預(yù)測的一個重要方向。得益于此，預(yù)測結(jié)果得到了顯著提升。此外，也有學(xué)者認為深度學(xué)習(xí)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(yù)測。除了預(yù)測股價趨勢這一熱門領(lǐng)域，機器學(xué)習(xí)也被應(yīng)用于構(gòu)建風(fēng)險模型、評估風(fēng)險水平等方面。通過結(jié)合機器學(xué)習(xí)算法構(gòu)建風(fēng)險預(yù)判模型和違約風(fēng)險計算模型，并將其應(yīng)用在不同場景中，增強金融發(fā)展中的風(fēng)險識別能力及相關(guān)平臺監(jiān)測的靈敏度，如應(yīng)用在銀行風(fēng)險監(jiān)測中，有利于獲取銀行間隱藏在資產(chǎn)負債表后的同業(yè)內(nèi)負債關(guān)系。此外，還有學(xué)者利用算法優(yōu)化數(shù)據(jù)的分類、提取等處理效率，從而提升風(fēng)險系統(tǒng)的預(yù)警水平。在股權(quán)質(zhì)押領(lǐng)域，有學(xué)者應(yīng)用LightGBM算法研究股權(quán)質(zhì)押的影響因子，也有學(xué)者利用Logistic回歸模型建立預(yù)警機制，研究對股權(quán)質(zhì)押風(fēng)險有影響的各項因素并據(jù)此提出相關(guān)建議。二、主要結(jié)論與思考通過上文分析可以得到，雖然目前有許多專家學(xué)者分別在股權(quán)質(zhì)押、機器學(xué)習(xí)領(lǐng)域開展研究，但將二者相結(jié)合的研究相對較少。股權(quán)質(zhì)押在國內(nèi)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(shù)據(jù)、建立模型，從而實現(xiàn)風(fēng)險預(yù)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(fēng)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(shù)、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(zhì)押風(fēng)險；另一方面則需要不斷試錯，經(jīng)過不斷的梳理和總結(jié)最終得出合適的指標。面對新要求新挑戰(zhàn)，機器學(xué)習(xí)技術(shù)在數(shù)據(jù)特征提取、分類等方面的優(yōu)勢逐漸顯現(xiàn)，其對海量數(shù)據(jù)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(xiàn)有研究中，考慮到股權(quán)質(zhì)押中企業(yè)異質(zhì)性問題