基于Cox比例風險模型的ST公司復發(fā)風險影響因素分析

摘要： 自證監(jiān)會對財務狀況異常的上市公司實施ST制度以來，一些公司屢次被實施ST，“戴帽-摘帽-又戴帽”現(xiàn)象頻繁發(fā)生。上市公司的ST復發(fā)風險已成為我國資本市場上不可忽視的監(jiān)管問題。為有效評估ST公司的復發(fā)風險，文章選取1999-2020年在滬深兩市上市經歷過“戴帽-摘帽”的A股公司為樣本，運用生存分析方法構建Cox比例風險模型，提取影響上市公司ST復發(fā)風險的保護因素及危險因素，分別為現(xiàn)金比率、資本密集度、成本費用利潤率、每股收益及成立年限;進一步，為驗證模型的有效性，利用Harrell的C指數(shù)估算Cox比例模型預測能力，得出其預測精度達0.779，具有較高的預測能力。本研究結果可為證監(jiān)會監(jiān)管ST類公司提供精準監(jiān)管指標，有利于防控系統(tǒng)風險，實施有效的監(jiān)管措施并引導市場理性投資。

關鍵詞： 特別處理（ST）; 復發(fā)風險; 生存分析; Cox比例風險模型

中圖分類號： F275文獻標識碼： ADOI： 10.3963/j.issn.1671-6477.2022.03.004

一、 引言

特別處理（Special Treatment，簡稱ST）是我國證券市場于1998年推出的一項制度，規(guī)定當上市公司出現(xiàn)財務或其他狀況異常時，將對其股票實施特別處理。其處理規(guī)則為：股票被ST期間，交易價格日漲跌幅為±5%;股票縮寫前添加“ST”標記，俗稱“戴帽”。被實施ST的公司，會采取有效手段改善其財務狀況，恢復上市地位，一般有成功摘帽恢復正常上市狀態(tài)及從交易所退市兩種結局。然而，基于當前的現(xiàn)實及宏觀監(jiān)測數(shù)據(jù)來看，許多ST公司成功摘帽后，再次陷入財務或其他狀況異常的概率呈現(xiàn)上升趨勢，部分企業(yè)出現(xiàn)反復“戴帽-摘帽-戴帽”的現(xiàn)象。根據(jù)CSMAR數(shù)據(jù)庫中“股票市場系列/特別處理與特別轉讓/特殊處理變動文件”數(shù)據(jù)統(tǒng)計，截止2020年12月31日，中國股票市場上發(fā)生過一次ST事件的公司共有789家，此后有225家公司再次被ST，ST復發(fā)占比為37.63%?？梢?，股票市場上發(fā)生ST復發(fā)事件的現(xiàn)象十分常見，復發(fā)公司數(shù)量較多，上市公司ST復發(fā)的風險較大。

本文中研究的ST復發(fā)風險，是指第一次被ST，即“戴帽-摘帽”后恢復正常狀態(tài)的公司再次被ST的風險，即經歷了“戴帽-摘帽-戴帽”，俗稱的二次ST現(xiàn)象。上市公司在被實施ST后，市場估值呈下滑趨勢，投資者對ST公告作出理性的負面反應，ST制度起到一定的預警作用[1]。

以ST制度為研究背景，將ST公司作為主體的研究得到學界的廣泛關注。早期的研究者較多關注ST制度能否在資本市場上發(fā)揮政策預期的警示作用[2-3]及ST制度對公司治理及企業(yè)績效的影響[4-5]。近些年，ST公司的摘帽方式研究成為學者們關注的主要內容，其研究的主體主要包括企業(yè)的并購重組[6-7]、盈余管理[8-9]、公司治理[10-11]及獲得政府補助[12-13]等摘帽方式。在研究方法上，學者們通過利用企業(yè)被ST作為陷入財務困境數(shù)據(jù)，運用判別分析模型[14-15]、多元條件概率模型[16]、生存分析模型[17-18]等方法建立不同的財務危機預警模型，以判別上市公司是否會發(fā)生財務危機。但前述研究更多集中于上市公司首次被ST的情形，對于上市公司“二次戴帽”的現(xiàn)象較少關注。因此，本文利用CSMAR數(shù)據(jù)庫中我國A股上市公司中ST類企業(yè)的ST復發(fā)數(shù)據(jù)，將生存分析方法中的Cox比例風險模型應用到ST復發(fā)風險的研究中，探究預示ST復發(fā)的影響因素，構建風險預警模型，為上市公司監(jiān)測企業(yè)日常生產經營活動中的風險提供依據(jù)，為監(jiān)管部門有效監(jiān)管提供模型決策。

二、 研究方法

（一） 生存分析基本概念

如果將上市公司看作一個生命體，被ST復發(fā)的過程，可類比為一個生命體患病康復又復發(fā)的過程。生存分析（survival analysis）是研究終點事件已發(fā)生或未發(fā)生之前，經歷時間的一種統(tǒng)計分析方法，分為非參數(shù)、半參數(shù)及參數(shù)模型，已在生物學、醫(yī)學及經濟學等領域廣泛應用[19]。生存時間（survival time）是指從某個起始事件開始到被觀測終點所經歷的時間，觀測終點通常是感興趣的事件發(fā)生時或觀測期終止時。通常在觀測期結束時，某些個體仍未發(fā)生感興趣的事件，生存分析中定義此類現(xiàn)象為刪失，并稱其為刪失數(shù)據(jù)（censored data）;當個體在觀測期內發(fā)生感興趣的事件，則稱其為完全數(shù)據(jù)（complete data）。

生存分析中一般涉及四個基本函數(shù)，T表示生存時間的隨機變量，t表示生存時間的某一特定取值。

累計概率密度函數(shù)：F（t）=P（T≤t）=∫t0f（x）dx（1）概率密度函數(shù)：f（t）=dF（t）dt=F′（t）（2）生存函數(shù)：S（t）=P（Tgt;t）=1-F（t）=∫

（二） Cox比例風險模型基本形式

Cox比例風險模型是英國統(tǒng)計學家D.R.Cox于1972年提出的一種半參數(shù)模型。本文將Cox比例風險模型由醫(yī)學領域的疾病復發(fā)事件引入到上市公司被ST復發(fā)現(xiàn)象的研究中，其主要優(yōu)勢有三點：

（1）可利用刪失數(shù)據(jù)及完整的企業(yè)生存時間數(shù)據(jù)，其中刪失數(shù)據(jù)是指研究期內尚未發(fā)生ST復發(fā)事件的企業(yè)，也可考慮成研究樣本;（2）模型不必事先給出生存時間的具體分布，但其模型估計結果仍具有穩(wěn)健性;（3）模型在不用估計基準生存率的情況下，仍能估計出影響因素的系數(shù)，據(jù)此評估影響因素的影響程度，適用于多因素分析研究。

Cox比例風險模型的基本形式如下：

hi（t）=h0（t）exp（xiβ）=h0（t）expβ1xi1 +β2xi2+…+βkxik （5）

該模型表示任何個體i 在時間t 時的風險率hi（t）是兩個因素的乘積：

1.基準危險率函數(shù)h0（t）;

2.協(xié)變量的指數(shù)線性函數(shù)exp β1xi1+β2xi2+…+βkxik其中，xik 代表個體i 的第k 個協(xié)變量的取值，βk 是xk 的系數(shù)。

（三） Cox比例風險模型的比例風險假設及風險比

根據(jù)Cox比例風險模型的基本形式，假設兩個個體的協(xié)變量分別為X 和X*，則任意兩個個體的風險函數(shù)之比可表示為：

等式左邊被稱為風險比，可以看出風險比是一個與時間t 無關的常數(shù)，比例風險模型因此得名。通過回歸分析可以得出系數(shù)β，βi 表示當其他變量不變時，Xi 每變化一個單位，風險相對變化expβi 個單位。若βi gt;0，該因素為危險因素，會使風險增大;若βi lt;0，該因素為保護因素，會使風險減小。

（四） Cox比例風險模型的參數(shù)估計

Cox模型的參數(shù)β =（β1，…，βk）通過偏似然函數(shù)估計得到。假設對n 個企業(yè)的ST復發(fā)時間進行觀測，ti 表示個體的生存時間，即ST復發(fā)時間。當企業(yè)在觀測期內發(fā)生ST 復發(fā)事件，即為完整數(shù)據(jù)樣本，記δi =1，ti =ST企業(yè)第一次摘帽至再次被ST的時間;當企業(yè)在觀測期內未發(fā)生ST復發(fā)事件，即為刪失數(shù)據(jù)樣本，記δi =0，ti =ST企業(yè)第一次摘帽至觀測終止的時間。樣本的觀測數(shù)據(jù)可表示為：

ti，δi，xi ，i=1，2，…，n，δi=0或1 （7）

將所有發(fā)生ST復發(fā)事件樣本的生存時間（ST復發(fā)時間）按從小到大的順序排列：t1 lt;t2 lt; … lt;tn ;定義生存時間大于tj 的所有樣本個體組成的在時間tj 上的集合為風險集，用R（tj）表示;當存在刪失數(shù)據(jù)時，構造針對所有樣本個體生存時間數(shù)據(jù)的偏似然函數(shù)為：

L（β）=Πjexp（xTjβ）

通過對上式進行最大似然估計，即可得到系數(shù)β 的估計值。

（五） Cox比例風險模型的預測精度評價指標C指數(shù)

評價模型的好壞不僅要看模型的擬合優(yōu)度，還要考察模型的預測精度。C 指數(shù)（concordance index）是評價Cox比例風險模型預測精度的一種方法，也被稱為一致性指數(shù)。C指數(shù)最早由范德堡大學生物統(tǒng)計教授Frank E Harrell Jr于1996年提出，主要用于計算生存分析中的Cox模型預測值與真實值之間的區(qū)分度。

計算C指數(shù)時首先把所有樣本隨機地兩兩配對，再觀測配對樣本的預測生存概率，若概率的順序結果與樣本實際生存時間的比較結果一致，則認為預測結果與實際結果相一致。通過計算C指數(shù)配對樣本占總配對樣本的比值，評估模型的精度。通常認為，C指數(shù)在0.50～0.70為低準確度，在0.71～0.90之間為中準確度，高于0.90則為高準確度。

三、 研究設計和數(shù)據(jù)選取

ST類上市公司根據(jù)風險警示等級，可分為一般風險警示公司（ST 公司）和退市風險警示公司（*ST公司），ST與*ST都是對上市公司風險狀況的一種提示，本研究將ST 或*ST 均定義為ST 狀態(tài)，不再作具體區(qū)分。本研究所有ST公司相關的生存時間及財務數(shù)據(jù)均來自于CSMAR 數(shù)據(jù)庫，采用的數(shù)據(jù)分析工具為R語言。

（一） 樣本選擇

本文以1999-2020年間在滬深兩市上市經歷過“戴帽-摘帽”的A 股公司為樣本，研究關注的終點事件為上市公司繼首次“摘帽”后再次被ST 的事件。生存時間起點為上市公司第一次摘帽的時間，終點為2020年12月31日，采用的時間尺度為年，定義上市公司ST復發(fā)當年生存時間t=1。初始樣本經過以下標準篩選：

1.僅包含發(fā)行A 股上市的公司。

2.剔除因賣“殼”而實現(xiàn)摘帽的企業(yè)。ST公司出售其“殼”資源背后是公司實質的更換，其指標數(shù)據(jù)無法代表原公司的發(fā)展狀態(tài)，不具有連續(xù)性。

3.剔除數(shù)據(jù)缺失較多的公司89家。

因此，最終有效樣本中共有227個公司，其中：房地產行業(yè)8家，工業(yè)169家，綜合行業(yè)29家，公用事業(yè)14家，商業(yè)7家。在樣本觀測期內，共有57家公司發(fā)生了ST 復發(fā)事件，ST 復發(fā)率為25.11%。

表1統(tǒng)計了不同ST復發(fā)事件時間間隔年份的ST復發(fā)公司占總樣本的比重。

圖1為根據(jù)樣本數(shù)據(jù)運用生存分析中的非參數(shù)法Kaplan-Meier方法估計的樣本總體生存曲線。從生存曲線來看，有73.1%以上的公司在首次ST 摘帽后正常經營超過10年未發(fā)生ST 復發(fā)事件;其中，企業(yè)生存率在前7年下降較快，7年之后，生存率保持著相對平穩(wěn)的狀態(tài)。

（二） 協(xié)變量的選擇

上市公司的財務報表能反映出企業(yè)某一時期內的經營成果和財務狀況變動，預示公司的發(fā)展前景，幫助報表使用者了解公司狀況，也是進行各類分析研究的可靠資料。本文選取39個指標作為初始風險預警指標，如表2所示。這些指標綜合反映了企業(yè)的償債能力、經營能力、盈利能力、發(fā)展能力、現(xiàn)金流量和公司基本情況等信息。為避免部分ST 公司摘帽時可能會對財務數(shù)據(jù)進行修飾，從而造成估計結果有偏，研究所用指標數(shù)據(jù)為ST公司摘帽后半年的財務報表數(shù)據(jù)。

四、 模型構建與檢驗

由于研究中初選影響因素較多，且財務指標間的高度相關性可能造成模型結果不準確。本文首先采用Lasso方法對初始協(xié)變量進行初篩，以降低變量間多重共線性的影響，再將經過Lasso方法篩選出的變量，引入Cox模型中進行逐步回歸，篩取ST復發(fā)風險關鍵影響因素，構建Cox比例風險模型。其次，對篩選出的影響因素進行多重共線性檢驗，對最終模型進行比例風險假設檢驗和模型整體的顯著性檢驗。最后，利用Harrell的C指數(shù)判斷模型預測值與真實值之間的區(qū)分度，評價模型的預測精度。

（一） Cox比例風險模型構建

1.Lasso方法篩選變量

Lasso（the Least absolute shrinkage and selection operator）是由Robert Tibshirani于1996年提出的一種壓縮估計方法，它是在回歸系數(shù)的絕對值之和小于等于一個常數(shù)λ 的約束條件下，使logL（β）最大，來將某些變量的系數(shù)壓縮為0，從而得到參數(shù)估計值?？梢?，Lasso方法篩選變量的關鍵在于調和參數(shù)λ 的取值，對變量個數(shù)的壓縮程度取決于λ 的取值。若λ 取值過大，則導致模型參數(shù)趨于0，不能篩選出需要的變量;若λ 取值過小，則可能出現(xiàn)過度擬合，使過多變量進入模型，達不到降維的目的。最優(yōu)λ值的確定可以通過K折交叉驗證進行估計，通過R語言中的glmnet包，采用十折交叉驗證，確定最優(yōu)λ 值為0.0397，同時得到Lasso方法初步刪選出的變量為X3、X11、X13、X16、X19、X23、X28、X29、X33、X34、X35、X36、X39。圖2為通過Lasso方法選擇變量的CV 圖。

2.Cox比例風險模型的參數(shù)估計

根據(jù)Lasso方法初步篩選的13個變量建立Cox比例風險模型，篩選出影響ST公司復發(fā)風險的最終可解釋變量，其變量的參數(shù)估計結果如表3所示。

因此，企業(yè)ST復發(fā)Cox比例風險模型如下：

hi（t）= h0（t）e-3.09061X3 -0.04209X16 -2.77051X23 -1.73036X35 +0.07902X39

（二） 模型檢驗

1.多重共線性檢驗

盡管研究已建立好ST公司的Cox比例風險模型，但變量的多重共線性問題仍值得關注。因此，需要對進入Cox比例風險模型的5個最終變量進行多重共線性檢驗，以保證模型所選變量的有效性。本文通過計算變量之間的相關系數(shù)和方差擴大因子（VIF）來識別變量之間的共線性。一般地，當相關系數(shù)低于0.5時，視為低度相關;當VIF大于10時，認為存在嚴重的多重共線性。

根據(jù)表4可知，最終進入Cox模型中的變量之間的相關系數(shù)最大不超過0.5，VIF值均小于10，說明所選擇的變量之間不存在嚴重的共線性，可作為有效變量進行參數(shù)估計。

2.Cox比例風險（PH）的假設檢驗

檢查比例風險假設的方法有三種：圖形方法、擬合優(yōu)度方法及時間依存變量方法。本文使用擬合優(yōu)度方法和圖形法對比例風險假設進行檢驗，利用R軟件對各協(xié)變量和模型整體的擬合優(yōu)度測試（goodness-of-fit）進行測試，結果見表5。模型中變量在5%的顯著性水平上均不顯著，且模型整體也不拒絕比例風險的原假設，因此可認為模型總體通過了PH 檢驗。

同時，可以繪制出各變量的Schoenfeld殘差圖對PH 假設作進一步檢驗，如圖3所示。從圖形檢查來看，線條以0為中心，基本平行于X 軸，不隨時間規(guī)律變化，可以認為各協(xié)變量均滿足比例風險假設。

3.模型顯著性檢驗

根據(jù)前述參數(shù)估計的結果可知，最終進入模型的協(xié)變量各參數(shù)的統(tǒng)計量p 值均遠小于顯著性水平0.05，說明模型的協(xié)變量參數(shù)通過了顯著性檢驗。

對于模型整體的顯著性檢驗結果如表6所示，無論是似然比檢驗、Score檢驗還是Wald檢驗，顯著水平均為p lt;0.0001，表明三個檢驗都拒絕了總體參數(shù)為零的原假設，可認為模型整體具有顯著性。

4.模型預測精度檢驗

利用R軟件中的survival包的coxph函數(shù)，即可計算出構建的ST 復發(fā)風險Cox模型的C指數(shù)為0.779，可見，基于Cox比例風險模型構建的ST復發(fā)風險模型可達到中等的預測準確度。

五、 ST公司復發(fā)風險影響因素分析及建議

（一） 模型結果分析

本文運用Cox比例模型方法構建的ST公司復發(fā)風險預警模型的實證研究，得出現(xiàn)金比率、資本密集度、成本費用利潤率、每股收益、成立年限這五個指標與ST公司復發(fā)風險顯著相關。其中，在Cox比例風險模型中，參數(shù)估計為正值的變量為危險因素，參數(shù)估計系數(shù)為負值的變量為保護因素;在此基礎上，估算的風險比數(shù)值能夠精確衡量各影響因素對ST公司復發(fā)風險的影響程度。接下來，對本研究篩選出的5個ST公司復發(fā)風險的影響因素進行詳細分析。

指標一現(xiàn)金比率是衡量企業(yè)短期償債能力的指標，反映公司不依靠存貨銷售及應收款的情況下，支付公司債務的能力。根據(jù)模型結果顯示，現(xiàn)金比率X3 的系數(shù)β3 lt;0，是ST復發(fā)風險的保護因素，其風險比為0.0454，說明現(xiàn)金比率每增加一個單位，ST復發(fā)風險下降95.46%?，F(xiàn)金比率越高，說明企業(yè)變現(xiàn)能力越強，企業(yè)立即償還到期債務的能力越強。企業(yè)被ST的一個重要指標即是期末凈資產為負值，企業(yè)流動性不足會導致無法償還到期債務，進而引發(fā)財務困境，導致企業(yè)經營狀況進一步惡化。

指標二資本密集度是衡量企業(yè)賺取一單位收入所需的資本數(shù)量指標。根據(jù)模型結果顯示，資本密集度X16 的系數(shù)β16 lt;0，是ST復發(fā)風險的保護因素，其風險比為0.9588，說明資本密集度每增加一單位，ST復發(fā)風險下降4.12%。這可能是由于高資本密集度說明公司業(yè)務更偏向資本密集而不是勞動密集，資本密集度高的公司通常采用更先進的生產技術和設備，更有條件創(chuàng)造出更高的勞動生產率，幫助公司降低其ST復發(fā)的風險。

指標三成本費用利潤率是企業(yè)一定期間的利潤總額與成本、費用總額的比率，反映每付出一單位成本費用可獲得的利潤，體現(xiàn)企業(yè)經營成果。根據(jù)模型結果顯示，成本費用利潤率X23 的系數(shù)β23 lt;0，是ST復發(fā)風險的保護因素，其風險比為0.0626，說明成本費用利潤率每增加一單位，ST 復發(fā)風險下降93.74%。成本費用利潤率越高，說明企業(yè)付出單位成本的回報率越大，企業(yè)獲取利潤的效率越高，即企業(yè)經營業(yè)務的盈利能力越強，而盈利能力的提高有利于降低ST復發(fā)的風險。

指標四每股收益是衡量普通股股東每持有一股所能享有的企業(yè)凈利潤或需承擔的企業(yè)凈虧損，能夠反映企業(yè)的經營成果，衡量普通股的獲利水平及投資風險。根據(jù)模型結果顯示，每股收益X35 的系數(shù)β35 lt;0，是ST復發(fā)風險的保護因素，其風險比為0.1772，說明每股收益每增加一個單位，ST復發(fā)風險下降82.28%。每股收益是投資者評價企業(yè)盈利能力、預測企業(yè)成長潛力的重要財務指標之一，該比率反映了每股創(chuàng)造的稅后利潤，該比率越高，表明企業(yè)創(chuàng)造的利潤越多，其經營績效越好，越不易發(fā)生ST復發(fā)事件。

指標五成立年限指標衡量公司成立至第一次摘帽經歷的時間。根據(jù)模型結果顯示，成立年限X39的系數(shù)β gt;0，是ST復發(fā)風險的危險因素，其風險比為1.08223，說明成立年限每增加一個單位，ST復發(fā)風險上升8.22%。企業(yè)成立時間越久，其發(fā)生ST復發(fā)事件的風險就越高，探究其原因，企業(yè)的經營風險隨時間推移呈現(xiàn)累積趨勢，企業(yè)不再具備上市早期充裕的資源，且在遭遇困境后，也更難以快速調整企業(yè)業(yè)務結構以適應新的市場環(huán)境，改善企業(yè)經營狀況。

整體來看，本文利用Cox比例風險模型篩選出的現(xiàn)金比率、資本密集度、成本費用利潤率、每股收益以及成立年限能夠刻畫出上市公司ST 復發(fā)風險概率，同時根據(jù)C指數(shù)估算的模型預測精度可達0.779。因此，相對來說，一家現(xiàn)金比率高、資本密集度高、成本費用利潤率高、成立年限短的公司，首次被ST后再次被ST的風險更低，這些指征對于企業(yè)管理者關注企業(yè)財務風險具有重要的指導意義，能夠幫助企業(yè)有效監(jiān)控自身風險水平，有效進行資產配置，改善財務狀況。

（二） 結論與建議

隨著新證券法的正式實施，我國證券市場逐漸轉變?yōu)椤皩掃M寬出”的新機制，一方面，加劇ST 類公司的生存壓力;另一方面，也向監(jiān)管部門提出較大挑戰(zhàn)。對上市公司ST 復發(fā)風險進行預警分析，可以幫助上市公司加強對自身經營風險的監(jiān)控，提前制定風險防范和應對策略;幫助政府部門加強對上市公司ST復發(fā)風險的監(jiān)管，及時化解市場風險。

文章以1999-2020年在A 股上市的經歷過第一次ST后又“摘帽”的公司作為研究對象，采用Lasso方法篩選變量以解決財務指標多重共線性嚴重的問題;進而構建Cox比例風險模型對篩選后的指標進行研究，提取出有顯著性的影響因素;最后運用Harrell的C指數(shù)判斷模型預測值與真實值之間的區(qū)分度，評價模型的預測精度，研究發(fā)現(xiàn)：（1）現(xiàn)金比率、資本密集度、成本費用利潤率、每股收益是ST 復發(fā)風險的保護因素，這些指標的改善能夠降低公司的ST復發(fā)風險，其中現(xiàn)金比率和成本費用利潤率的影響最為明顯，分別可降低ST復發(fā)風險95.45%和93.74%;上市公司成立年限是ST復發(fā)風險的危險因素，可使ST復發(fā)風險上升8.22%。（2）根據(jù)模型構建的生存曲線可對“摘帽”公司的ST復發(fā)風險進行預測，其預測精度根據(jù)C指數(shù)評估為0.779，具備較高的預測準確度?；谝陨涎芯拷Y果，對降低上市公司ST復發(fā)風險，提出兩點建議：

第一，從最終篩選的ST復發(fā)風險關鍵影響因素來看，上市公司應著重關注現(xiàn)金比率及成本費用利潤率這兩個指標，它們分別反映了公司的償債能力和盈利能力?？梢姡瑸榉婪丁岸未髅薄钡娘L險，公司管理層在統(tǒng)籌管理的基礎上，可適當將管理重點落在公司償債能力和盈利能力的改善上，管理好現(xiàn)金比率及成本費用利潤率的指標值，在生產經營中提升盈利水平，避免過高的負債比率，將有助于公司防范ST復發(fā)風險。

第二，政府機構應加強監(jiān)管，實施精準有效的監(jiān)督措施引導市場理性投資。一方面，根據(jù)圖1的生存曲線可得到上市公司ST復發(fā)風險的時間規(guī)律，監(jiān)管部門可結合此特性對處于不同時間節(jié)點的公司采取不同力度的監(jiān)管措施;另一方面，結合構建的ST 復發(fā)風險模型，監(jiān)管部門據(jù)此可對上市公司的未來風險進行合理預測，對高風險公司重點關注、實時監(jiān)管，從而實施有針對性的監(jiān)管措施，引導上市公司積極進行風險防控。

[參考文獻]

[1] 王震，劉力，陳超.上市公司被特別處理（ST）公告的信息含量與影響因素[J].金融研究，2002（09）：61-71.

[2] 張海燕，陳曉.投資者是理性的嗎？ ———基于ST公司交易特性和價值的分析[J].金融研究，2008（01）：119-131.

[3] 張耀杰，李杰剛，史本山.ST摘帽如何影響公司價值和股價[J].運籌與管理，2020，29（04）：212-220.

[4] 趙麗瓊，柯大鋼.我國財務困境公司的長期績效研究：基于ST上市公司重組摘帽前后的實證分析[J].山西財經大學學報，2009，31（02）：113-118.

[5] 張耀杰，郭靖，史本山.ST“戴帽”能夠提高公司價值和經營績效嗎：基于傾向值匹配和雙重差分模型的因果推斷

[J].工業(yè)工程與管理，2017，22（04）：127-133.

[6] 李哲，何佳.支持、重組與ST公司的“摘帽”之路[J].南開管理評論，2006（06）：39-44.

[7] 張彤玉，丁業(yè)震.我國ST公司資產重組績效的實證研究[J].理論學刊，2010（03）：53-57.

[8] 蔣大富，熊劍.非經常性損益、會計準則變更與ST公司盈余管理[J].南開管理評論，2012，15（04）：151-160.

[9] 周莎，章之旺.ST公司“摘帽”行為中盈余管理的識別：基于Benford法則計算FSD 值的實證研究[J].會計之友，2021（07）：39-48.

[10]過新偉，胡曉.CEO 變更與財務困境恢復：基于ST上市公司“摘帽”的實證研究[J].首都經濟貿易大學學報，2012，14（03）：47-54.

[11]張新民，褚洪生.ST企業(yè)高管薪酬與企業(yè)業(yè)績變化關系研究[J].中國軟科學，2016（05）：79-92.

[12]杜巨瀾，黃曼麗.ST公司與中國資本市場的行政性治理[J].北京大學學報（哲學社會科學版），2013，50（01）：142-151.

[13]胡寧，靳慶魯.社會性負擔與公司財務困境動態(tài)：基于ST制度的考察[J].會計研究，2018（11）：28-35.

[14]陳靜.上市公司財務惡化預測的實證分析[J].會計研究，1999（04）：3-5.

[15]Zhang L，Altman E I，Yen J.Corporate financial distress diagnosis model and application in credit rating for listingfirms in China[J].Frontiers of Computer Science in China，2010，4（2）：220-236.

[16]高小雪.基于多元概率比回歸模型的上市公司財務危機預警分析[J].企業(yè)經濟，2015（04）：188-192.

[17]田軍，周勇.ST公司基于財務數(shù)據(jù)的動態(tài)分析[J].數(shù)理統(tǒng)計與管理，2014，33（02）：317-328.

[18]鮑新中，陶秋燕，傅宏宇.基于變量聚類和COX 比例風險模型的企業(yè)財務預警研究[J].系統(tǒng)管理學報，2015，24（04）：517-523，529.

[19]楊麗嬌，丁曉楠，蔣新宇.洪澇災害情景下企業(yè)停產及恢復時間研究：基于余姚市“菲特”臺風受損企業(yè)調查數(shù)據(jù)[J].災害學，2020，35（03）：110-117.

（責任編輯 文 格）

Risk Factors of ST Recurrence Companies Based on Cox Proportional Risk Model

ZHAN Jie1， CHENG Hang2， YANG Li-jiao2

（1.The Department of Finance，Wuhan University of Technology，Wuhan 430070，Hubei，China;2.School of Management，Wuhan University of Technology，Wuhan 430070，Hubei，China）

Abstract：Since the CSRC implemented ST system for listed companies with abnormal financial conditions，some companies have been repeatedly implemented ST，and the phenomenon of “wearing hats-removing hats-rewearing hats”occurs frequently.ST recurrence risk of listed companies has become a regulatory issue that cannot be ignored in China’s capital market.In order to effectively evaluate the recurrence risk of ST companies，A-share companies listed in Shanghai and Shenzhen stock markets during 1999-2020 were selected as samples，and Cox proportional risk model was constructed by survival analysis method.Protective factors and risk factors affecting ST recurrence risk of listed companies were extracted as follows：cash ratio，capital intensity，cost-expense margin， earnings per share and establishment years.Furthermore，in order to verify the validity of the model，Harrell’s C-index is used to estimate the prediction ability of Cox proportional model，and the prediction accuracy is 0.779，which has high prediction ability.This study can provide precise regulatory indicators for the supervision of ST companies by the CSRC，which is conducive to the prevention and control of systemic risks，the implementation of effective regulatory measures and the guidance of rational market investment.

Key words：special treatment （ST）; recurrence risk; survival analysis; Cox proportional risk model