一、 背景

隨著我國(guó)注冊(cè)制的順利推出，資本市場(chǎng)改革持續(xù)深化， 證券公司融資融券業(yè)務(wù)也迎來(lái)了新的挑戰(zhàn)和機(jī)遇。個(gè)別股票市場(chǎng)波動(dòng)異常，傳導(dǎo)至流動(dòng)性風(fēng)險(xiǎn)，從而引發(fā)部分集中持倉(cāng)的信用賬戶(hù)穿倉(cāng)爆發(fā)信用風(fēng)險(xiǎn)的情況，給行業(yè)目前關(guān)于兩融業(yè)務(wù)風(fēng)險(xiǎn)管控措施的有效性和適應(yīng)性敲響了警鐘。

隨著兩融業(yè)務(wù)的發(fā)展，行業(yè)目前普遍基于授信-擔(dān)保-交易的業(yè)務(wù)風(fēng)險(xiǎn)管理框架需要進(jìn)行優(yōu)化和升級(jí)，以便能夠有效的覆蓋市場(chǎng)上呈現(xiàn)的風(fēng)險(xiǎn)新特征，進(jìn)而提升融資融券業(yè)務(wù)的總體風(fēng)險(xiǎn)管理能力，促進(jìn)兩融業(yè)務(wù)的高質(zhì)量發(fā)展。

二、 兩融業(yè)務(wù)的發(fā)展現(xiàn)狀

我國(guó)融資融券業(yè)務(wù)自2010年3月試點(diǎn)以來(lái)，發(fā)展勢(shì)頭十分迅猛。試點(diǎn)首日，滬深兩市的融資融券余額僅為659萬(wàn)元，而截至2021年9月30日，這個(gè)數(shù)字已經(jīng)達(dá)到18415.25億元，占A股流通市值的2.61%，其中融資余額為16853.41億元，融券余額為1561.83億元。截至2021年9月30日，開(kāi)展融資融券業(yè)務(wù)的證券公司合計(jì)94家，標(biāo)的物經(jīng)歷了多次的擴(kuò)容后，從最初的285只已經(jīng)增加至2147只，上市板塊涉及主板、科創(chuàng)板及創(chuàng)業(yè)板。融資融券信用賬戶(hù)總數(shù)從最初的49477戶(hù)猛增至5909111戶(hù)。從統(tǒng)計(jì)數(shù)據(jù)來(lái)看，近十年間，我國(guó)融資融券業(yè)務(wù)呈現(xiàn)出爆發(fā)式增長(zhǎng)，在頂峰時(shí)期，融資融券余額占A股流通市值的比重一度超過(guò)了4%，融資融券交易額占A股成交額的比重一度超過(guò)19%，可見(jiàn)融資融券交易對(duì)整個(gè)股市的影響是不容小覷的。

圖1：兩市融資融券余額（億元）

圖2：兩融余額占A股流通市值、交易額占A股成交額（%）

三、 兩融業(yè)務(wù)痛點(diǎn)

1、信用風(fēng)險(xiǎn)識(shí)別難度大

兩融業(yè)務(wù)自2010年3月試點(diǎn)開(kāi)展至今，行業(yè)內(nèi)已經(jīng)形成了較為成熟、統(tǒng)一的業(yè)務(wù)運(yùn)作模式和風(fēng)險(xiǎn)管理框架，證券公司普遍采用授信-擔(dān)保-交易-風(fēng)險(xiǎn)監(jiān)測(cè)與處置的管理思路。兩融業(yè)務(wù)屬于融資類(lèi)業(yè)務(wù)，收益來(lái)源與主要業(yè)務(wù)風(fēng)險(xiǎn)集中于融資人的信用風(fēng)險(xiǎn)，但由于兩融業(yè)務(wù)主要涉及自然人客戶(hù)，征授信環(huán)節(jié)可以獲取的信息較為有限，對(duì)于產(chǎn)品戶(hù)融資人，由于其較為復(fù)雜的投資結(jié)構(gòu)，可能存在較自然人更高的信用風(fēng)險(xiǎn)。此外，兩融業(yè)務(wù)作為標(biāo)準(zhǔn)化的場(chǎng)內(nèi)業(yè)務(wù)，業(yè)務(wù)規(guī)則中天然嵌入了擔(dān)保品作為提升融資人信用風(fēng)險(xiǎn)的增信措施，把控兩融業(yè)務(wù)風(fēng)險(xiǎn)的關(guān)鍵落在把控客戶(hù)信用賬戶(hù)中擔(dān)保品的市場(chǎng)風(fēng)險(xiǎn)，這對(duì)融出方市場(chǎng)風(fēng)險(xiǎn)的管理能力提出了較高要求。

2、擔(dān)保品的資質(zhì)評(píng)估缺乏有效工具

擔(dān)保品范圍是業(yè)務(wù)準(zhǔn)入階段的重要風(fēng)險(xiǎn)管控措施，直接決定了信用賬戶(hù)中擔(dān)保品的增信能力。此外，目前行業(yè)對(duì)擔(dān)保品范圍的管理普遍較為寬松，市場(chǎng)上出現(xiàn)了通過(guò)套現(xiàn)繞標(biāo)，最終規(guī)避融資標(biāo)的范圍限制，持倉(cāng)非標(biāo)的證券（擔(dān)保品）的現(xiàn)象，一定程度上降低了擔(dān)保品的整體資質(zhì)，加大了信用賬戶(hù)面臨的市場(chǎng)風(fēng)險(xiǎn)。然而，目前行業(yè)對(duì)于擔(dān)保品資質(zhì)的評(píng)估方法主要停留在較為簡(jiǎn)單的評(píng)分模型，缺乏多維度的有效評(píng)估體系，導(dǎo)致業(yè)務(wù)人員在實(shí)際篩選擔(dān)保品的過(guò)程中缺乏工具抓手，難以保證風(fēng)險(xiǎn)識(shí)別能力。

3、輿情監(jiān)控及風(fēng)險(xiǎn)預(yù)警能力薄弱

風(fēng)險(xiǎn)處置是風(fēng)險(xiǎn)管理的關(guān)鍵環(huán)節(jié)，兩融業(yè)務(wù)風(fēng)險(xiǎn)處置的關(guān)鍵在于擔(dān)保品的變現(xiàn)能力。針對(duì)個(gè)別投資者“炒差、炒小”等投資邏輯，此類(lèi)股票普遍估值較高，價(jià)格波動(dòng)大，一旦市場(chǎng)發(fā)生異動(dòng)，容易導(dǎo)致信用賬戶(hù)維保比例快速下跌，若再疊加流動(dòng)枯竭，極易造成被動(dòng)穿倉(cāng)及業(yè)務(wù)損失。目前同業(yè)在兩融業(yè)務(wù)的事中管控中雖然采購(gòu)了大量的資訊軟件和外部數(shù)據(jù)，但在具體的識(shí)別方法上更多的依賴(lài)于業(yè)務(wù)人員的個(gè)人經(jīng)驗(yàn)，往往導(dǎo)致顧此失彼，而未能及時(shí)發(fā)現(xiàn)的負(fù)面輿情和預(yù)警信息往往導(dǎo)致融出方錯(cuò)失最佳處置窗口期。

四、模型方案建議

對(duì)于證券公司而言，通過(guò)強(qiáng)化個(gè)股的風(fēng)險(xiǎn)評(píng)估，在事前、事中主動(dòng)積極的管理客戶(hù)融資融券賬戶(hù)的業(yè)務(wù)風(fēng)險(xiǎn)，是融資融券風(fēng)險(xiǎn)管理中審慎而有效的一環(huán)。目前證券公司使用的融資融券業(yè)務(wù)風(fēng)險(xiǎn)管理的手段主要包括管理標(biāo)的證券范圍、可沖抵保證金證券折算率、賬戶(hù)集中度和維持擔(dān)保比例等，這些工具手段無(wú)不與個(gè)股風(fēng)險(xiǎn)計(jì)量密切相關(guān)。

對(duì)于模型的要求，一方面需要對(duì)個(gè)股風(fēng)險(xiǎn)的識(shí)別有足夠的提前量，實(shí)現(xiàn)開(kāi)倉(cāng)集中度管控，另一方面能夠快速納入市場(chǎng)信息、響應(yīng)市場(chǎng)的變化，因此，設(shè)計(jì)開(kāi)發(fā)的個(gè)股風(fēng)險(xiǎn)計(jì)量模型，需要在反映低頻的基本面的風(fēng)險(xiǎn)特征的基礎(chǔ)上，實(shí)現(xiàn)日度更新，從而體現(xiàn)高頻的市場(chǎng)行為特征。該模型的結(jié)果會(huì)將風(fēng)險(xiǎn)分為五個(gè)等級(jí)，稱(chēng)其為“五級(jí)分層模型”。

從管理措施的角度考慮，五級(jí)分層模型可以協(xié)助擔(dān)保品池管理和集中度精細(xì)化管理的執(zhí)行。

1、五級(jí)分層模型框架

五級(jí)分層模型一方面從內(nèi)部視角挖掘與公司質(zhì)地直接相關(guān)的財(cái)務(wù)、行情等數(shù)據(jù)，找出上市公司風(fēng)險(xiǎn)特征的根源；另一方面從股東行為、買(mǎi)方行為、賣(mài)方行為、管理層行為等上市公司利益相關(guān)方的行為信息出發(fā)，更全面和中立的洞察風(fēng)險(xiǎn)事件發(fā)生的前兆。

2、模型開(kāi)發(fā)過(guò)程

五級(jí)分層模型的開(kāi)發(fā)包括以下7個(gè)步驟：

1） 數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)包括企業(yè)基本信息、財(cái)務(wù)、行業(yè)、區(qū)域、工商、司法、股權(quán)、輿情、市場(chǎng)行情、買(mǎi)方、賣(mài)方、股東等多方行為數(shù)據(jù)。其中部分?jǐn)?shù)據(jù)為公開(kāi)數(shù)據(jù)，來(lái)自于統(tǒng)計(jì)局網(wǎng)站、官網(wǎng)、年報(bào)、評(píng)級(jí)報(bào)告等公開(kāi)渠道，部分?jǐn)?shù)據(jù)來(lái)自第三方機(jī)構(gòu)，通過(guò)加工而成。

2） “好”“壞”樣本定義

本次建模中我們將連續(xù)縮量暴跌兩個(gè)交易日及以上客戶(hù)定義成“壞”樣本，同時(shí)定義變“壞”前的一段時(shí)間的觀察期內(nèi)的樣本均作為壞樣本，通過(guò)調(diào)整觀察期的時(shí)長(zhǎng)看到模型的前瞻性效果。樣本變“壞”后一段期間內(nèi)，由于其指標(biāo)往往呈現(xiàn)出異常特征，故將其從樣本池中刪除?？紤]到違約重生問(wèn)題，對(duì)于變“壞”后一段時(shí)間的客戶(hù)，如未再次發(fā)生縮量暴跌，則重新入樣本池。

3） 指標(biāo)長(zhǎng)清單

指標(biāo)篩選采用分層的結(jié)構(gòu)，指標(biāo)包括基本面、技術(shù)面和行為面三個(gè)大類(lèi)，具體指標(biāo)篩選如下圖所示：

指標(biāo)檔位的劃分應(yīng)遵循以下三個(gè)原則：

? 業(yè)務(wù)含義：各分檔的切分點(diǎn)需要有合理的業(yè)務(wù)解釋?zhuān)?/p>

? 樣本均衡：分檔后的每個(gè)分組內(nèi)的樣本占比例不宜過(guò)低或過(guò)高，各分組的樣本占比應(yīng)相對(duì)均衡；

? 風(fēng)險(xiǎn)相關(guān)性：各分組的bad rate變動(dòng)趨勢(shì)需要與風(fēng)險(xiǎn)相關(guān)性相符。

4） 單因素分析

單因素分析過(guò)程主要關(guān)注指標(biāo)三個(gè)方面的特性：1）指標(biāo)的獲取難度；2）指標(biāo)的風(fēng)險(xiǎn)區(qū)分能力；3）指標(biāo)與經(jīng)濟(jì)理論假設(shè)的一致性。對(duì)指標(biāo)的獲取難度及風(fēng)險(xiǎn)區(qū)分能力的分析主要通過(guò)統(tǒng)計(jì)分析實(shí)現(xiàn)；對(duì)指標(biāo)與經(jīng)濟(jì)理論假設(shè)的一致性則主要通過(guò)主觀分析判定。

上述指標(biāo)分析及初篩選過(guò)程側(cè)重指標(biāo)的統(tǒng)計(jì)意義，后續(xù)我們以研討會(huì)的形式吸收核心專(zhuān)家的經(jīng)驗(yàn)，在統(tǒng)計(jì)分析的基礎(chǔ)上進(jìn)一步判斷指標(biāo)經(jīng)濟(jì)含義對(duì)評(píng)級(jí)模板的適用性，對(duì)上述分析及初篩選結(jié)果進(jìn)行℡?聯(lián)系：調(diào)，并最終確定短清單。

在篩選短清單指標(biāo)時(shí)，可采用自上而下的方法，將風(fēng)險(xiǎn)要素拆解到不同的層次。與通常的建模思路相一致，基礎(chǔ)指標(biāo)的準(zhǔn)確性、時(shí)效性、完整性都需要作為重要的評(píng)估標(biāo)準(zhǔn)。特別的，現(xiàn)實(shí)中罕見(jiàn)而危險(xiǎn)的風(fēng)險(xiǎn)要素（即“低頻高?！保┤菀仔纬赡Ｐ陀?xùn)練的盲區(qū)，一方面其數(shù)據(jù)獲取往往依賴(lài)于海量的輿情提煉，不易取得結(jié)構(gòu)化的樣本數(shù)據(jù)；另一方面即使獲取到這類(lèi)數(shù)據(jù)，其對(duì)于大量的樣本仍然是沒(méi)有任何區(qū)分能力的（事件未發(fā)生），在模型訓(xùn)練時(shí)這類(lèi)指標(biāo)通常被歸入不具備顯著性的一類(lèi)。

最終入模指標(biāo)是指標(biāo)短清單中指標(biāo)的組合或全量指標(biāo)。而“低頻高危”指標(biāo)如果有較好的前瞻性?xún)r(jià)值，會(huì)流入到評(píng)級(jí)調(diào)整規(guī)則引擎中，而長(zhǎng)清單剩余指標(biāo)則不會(huì)進(jìn)入模型。

5） 模型訓(xùn)練

確定指標(biāo)權(quán)重的過(guò)程，我們稱(chēng)為“多因素分析”過(guò)程。多因素分析，是指對(duì)多個(gè)指標(biāo)組合與“好”“壞”客戶(hù)標(biāo)識(shí)之間的關(guān)系進(jìn)行分析。事實(shí)上，如何基于指標(biāo)短清單挑選出最優(yōu)的組合是多變量分析中需要解決的主要問(wèn)題。而所謂的最優(yōu)變量組合，不僅需要滿(mǎn)足較強(qiáng)的統(tǒng)計(jì)顯著性和區(qū)分能力，同時(shí)也需要具備業(yè)務(wù)適用性。

為提升模型的業(yè)務(wù)解釋性、強(qiáng)化模型的泛化能力，模型的構(gòu)建分為統(tǒng)計(jì)建模算法構(gòu)建基礎(chǔ)模型和納入業(yè)務(wù)經(jīng)驗(yàn)規(guī)則調(diào)優(yōu)模型兩個(gè)步驟。其中統(tǒng)計(jì)建模思路是使用全市場(chǎng)數(shù)據(jù)訓(xùn)練分類(lèi)模型，模型的目標(biāo)變量根據(jù)未來(lái)一段時(shí)期內(nèi)個(gè)股是否發(fā)生重要的價(jià)格風(fēng)險(xiǎn)事件，從而輸出每日的“未來(lái)一段時(shí)期內(nèi)發(fā)生重大價(jià)格風(fēng)險(xiǎn)事件”的概率。從模型輸出在業(yè)務(wù)部門(mén)推廣的角度出發(fā)，模型結(jié)構(gòu)需選取廣義線(xiàn)性模型、決策樹(shù)模型等具備業(yè)務(wù)解釋性的方法，同時(shí)在算法調(diào)優(yōu)階段需基于專(zhuān)家主觀經(jīng)驗(yàn)對(duì)模型參數(shù)的合理性做出細(xì)致的評(píng)估，以降低模型過(guò)擬合的風(fēng)險(xiǎn)。

低頻高危的事件可以調(diào)整項(xiàng)的形式反饋在整體模型輸出之外。最終，模型輸出的風(fēng)險(xiǎn)概率和調(diào)整規(guī)則共同將個(gè)股劃分進(jìn)入對(duì)應(yīng)低風(fēng)險(xiǎn)、中低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)、中高風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)的五個(gè)風(fēng)險(xiǎn)層次（符號(hào)表示為A、B、C、D、E），進(jìn)而風(fēng)險(xiǎn)部門(mén)可采用不同的風(fēng)險(xiǎn)應(yīng)對(duì)措施，例如，將最高風(fēng)險(xiǎn)的個(gè)股移出融資買(mǎi)入標(biāo)的證券范圍，并將其充抵保證金折算率調(diào)整為0%。

6） 模型外調(diào)整

模型外調(diào)整一般會(huì)包括一系列的規(guī)則、規(guī)則引擎的擴(kuò)展。例如 “重大行政處罰事件”、“重大訴訟”等事件一旦觸發(fā)，會(huì)使得個(gè)股的信用質(zhì)量惡化以極快的形式傳播出來(lái)，從而影響價(jià)格波動(dòng)。模型外調(diào)整將通過(guò)這些事件的風(fēng)險(xiǎn)程度對(duì)模型輸出結(jié)果進(jìn)行進(jìn)一步向上或向下的調(diào)整。

7） 模型驗(yàn)證

模型驗(yàn)證從兩個(gè)方面開(kāi)展，一方面將同一組樣本的模型結(jié)果和業(yè)務(wù)專(zhuān)家的專(zhuān)家結(jié)果做對(duì)比，通過(guò)秩相關(guān)函數(shù)評(píng)估其準(zhǔn)確性；另一方面可以通過(guò)混淆矩陣，在監(jiān)督式學(xué)習(xí)下，對(duì)于模型的效果及業(yè)務(wù)解釋性進(jìn)行衡量。

3、五級(jí)分層模型效果

我們對(duì)全市場(chǎng)股票每日更新五級(jí)分層結(jié)果，基于2016年至2021年的6年歷史數(shù)據(jù)統(tǒng)計(jì)，混淆矩陣結(jié)果如下表所示，C、D、E三級(jí)可以捕獲到全市場(chǎng)92%的壞樣本。換句話(huà)說(shuō)，中國(guó)股票市場(chǎng)上，未來(lái)5個(gè)交易日內(nèi)開(kāi)始發(fā)生暴跌的票平均為12只，其中后三類(lèi)C、D和E能識(shí)別其中的11只。

4、個(gè)股風(fēng)險(xiǎn)監(jiān)控案例

以仁東控股為例，從2020年11月25日至12月14日，該上市公司連續(xù)14個(gè)交易日跌停，其股價(jià)從60.17元下跌至13.76元，市值蒸發(fā)260億元。14個(gè)交易日的連續(xù)跌停，使得仁東控股的股價(jià)回到一年前的水平，相關(guān)融資業(yè)務(wù)大規(guī)模出現(xiàn)風(fēng)險(xiǎn)。

· 重要事件的時(shí)間線(xiàn)如下：

1）2019年7月29日，實(shí)際控制人發(fā)生變更，變更前為：霍東，變更后為：北京市海淀區(qū)人民政府國(guó)有資產(chǎn) 監(jiān)督管理委員會(huì) ；

2）2020年11月17日，實(shí)際控制人再度發(fā)生變更，變更前為：北京市海淀區(qū)人民政府國(guó)有資產(chǎn)監(jiān)督管理委員會(huì)， 變更后無(wú)實(shí)際控制人 ；

3）2020年11月25日至2020年12月14日，連續(xù)交易異動(dòng)跌幅偏離值達(dá)7%以上，共計(jì)9次 。

4）2020年4月28日公布2019年年報(bào)，凈利潤(rùn)為2989.97萬(wàn)元，同比增長(zhǎng)- 43.57%。

· 個(gè)股風(fēng)險(xiǎn)分析

1） 基本面薄弱。公司披露2019年凈利潤(rùn)為2989.97萬(wàn)元，同比去年增長(zhǎng)- 43.57%。仁東控股歷史凈資產(chǎn)收益率從14年到2019年分別是，-4.82%、0.87%、 9.86%、-27.79%、5.47%、3.3%。

2） 公司基本面沒(méi)有得到主流機(jī)構(gòu)認(rèn)可。據(jù)2019年年報(bào)顯示，公司前十大股東為北京仁東信息技術(shù)有限公司， 天津和柚技術(shù)有限公司，陳家榮，仁東（天津）科技有限公司，景華，阿拉山口市民眾創(chuàng)新股權(quán)投資有限合伙企業(yè)，重慶信三威投資咨詢(xún)中心（有限合伙）－潤(rùn)澤2號(hào)私募基金，崇左中爍企業(yè)管理咨詢(xún)合伙 企業(yè)（有限合伙），王逑，閻金娥，前十大股東中并未有主流機(jī)構(gòu)的參與。

3） 公司股東質(zhì)押比例高。截至2020年三季度末，仁東控股前十大股東中，已有六大股東合計(jì)質(zhì)押1.96億股?？毓晒蓶|北京仁東信息技術(shù)有限公司質(zhì)押股份占其直接持股比67.63%，第二大股東天津和柚技術(shù)有限公司質(zhì)押比例占其直接持股比***。

· 五級(jí)分層模型從多個(gè)維度提前暴露公司異常：

1）2020年2月2日開(kāi)始，五級(jí)分層模型中的部分指標(biāo)，如股利政策、償債能力、盈利能力與管理層行為等提示異常。如凈資產(chǎn)收益率位于全市場(chǎng)后15%，并且經(jīng)營(yíng)活動(dòng)現(xiàn)金流處于全市場(chǎng)后1%等。而對(duì)于2020年11月15日的國(guó)資撤出，模型對(duì)于這類(lèi)股東變動(dòng)也給予了高風(fēng)險(xiǎn)提示。由此可以看出，五級(jí)分層模型對(duì)于股票的未來(lái)風(fēng)險(xiǎn)具有提前警示作用；

2）自2020年2月起，五級(jí)分層模型的輸出結(jié)果一直處于D或E評(píng)級(jí)，即股價(jià)雖然在不斷反彈上漲，但個(gè)股始終位于中高風(fēng)險(xiǎn)與高風(fēng)險(xiǎn)檔位內(nèi)，說(shuō)明指標(biāo)從公司經(jīng)營(yíng)層面指出了公司的經(jīng)營(yíng)問(wèn)題，成功檢測(cè)出股價(jià)與公司實(shí)際價(jià)值的背離，做出風(fēng)險(xiǎn)預(yù)警。五級(jí)分層模型從公司實(shí)際價(jià)值出發(fā)，深入挖掘風(fēng)險(xiǎn)要素，提示風(fēng)險(xiǎn)信息。

五、應(yīng)用方案建議

1、黑白名單池的管控建議

根據(jù)五級(jí)分層模型的結(jié)果建立擔(dān)保品的準(zhǔn)入標(biāo)準(zhǔn)和黑白名單池。對(duì)于風(fēng)險(xiǎn)級(jí)別為E的擔(dān)保品可直接列入黑名單，對(duì)于風(fēng)險(xiǎn)等級(jí)為A的擔(dān)保品可直接進(jìn)入白名單。一般來(lái)說(shuō)，公司可以將級(jí)別C的證券作為擔(dān)保品的準(zhǔn)入等級(jí)，對(duì)于級(jí)別D，業(yè)務(wù)人員可以結(jié)合個(gè)股風(fēng)險(xiǎn)畫(huà)像的風(fēng)險(xiǎn)特征進(jìn)行復(fù)核，進(jìn)一步確認(rèn)是否準(zhǔn)入。

2、擔(dān)保品折算率的管控建議

在黑白名單池的基礎(chǔ)上，可考慮將五級(jí)分類(lèi)結(jié)果與擔(dān)保品折算率掛鉤，或作為確定擔(dān)保品折算率的重要參考依據(jù)，建立更加多維度及更加精細(xì)的評(píng)估模型及方法，有效地防范融資融券業(yè)務(wù)風(fēng)險(xiǎn)。

3、集中度的管控建議

通過(guò)五級(jí)分層的結(jié)果，設(shè)置集中度的管控指標(biāo)及閾值，集中度管控的范圍包括全量業(yè)務(wù)單票集中度、單一層級(jí)集中度、單一客戶(hù)單票集中度等。對(duì)于單一客戶(hù)單票集中度的管控，可以按維保比例及五級(jí)分層結(jié)果設(shè)置集中度管控指標(biāo)。譬如：當(dāng)客戶(hù)維持擔(dān)保比例低于180%時(shí)，可以設(shè)置所持有的歸屬于E集中度分組的單一證券的市值占信用賬戶(hù)總資產(chǎn)的比例不得超過(guò)5%，達(dá)到判定標(biāo)準(zhǔn)時(shí)，交易系統(tǒng)實(shí)時(shí)限制該只證券的新增融資買(mǎi)入和普通擔(dān)保品買(mǎi)入；當(dāng)客戶(hù)維持擔(dān)保比例低于180%時(shí)，所持有的歸屬于“E”集中度分組的所有證券的市值占信用賬戶(hù)總資產(chǎn)的比例不得超過(guò)20%，即通過(guò)對(duì)集中度為“E”的全部證券集中度分組管控，降低信用資質(zhì)較差擔(dān)保品的風(fēng)險(xiǎn)。

持倉(cāng)集中度限制的本質(zhì)是通過(guò)風(fēng)險(xiǎn)的分散效果降低信用賬戶(hù)整體的市場(chǎng)風(fēng)險(xiǎn)，而借助五級(jí)分層模型，通過(guò)差異化的集中度管控，有效降低了信用賬戶(hù)整體維保比例對(duì)個(gè)別高風(fēng)險(xiǎn)股票的敏感程度，在市場(chǎng)發(fā)生波動(dòng)時(shí)，提高了信用賬戶(hù)整體的抗風(fēng)險(xiǎn)能力，確保信用賬戶(hù)留有足夠的安全邊際，大大降低潛在的凈信用風(fēng)險(xiǎn)敞口，幫助融出方為風(fēng)險(xiǎn)處置預(yù)留更加充足的窗口期。

4、強(qiáng)化維持擔(dān)保比例的測(cè)算

針對(duì)個(gè)別投資者“炒差、炒小”等投資邏輯，此類(lèi)股票價(jià)格波動(dòng)大，估值水平普遍偏高，按照股票市價(jià)測(cè)算的維持擔(dān)保比例可能存在失真，難以真正體現(xiàn)擔(dān)保品的增信能力。實(shí)踐中，可借助五級(jí)分層模型為每個(gè)可準(zhǔn)入的級(jí)別設(shè)定折算率，并計(jì)算考慮折算率后的維持擔(dān)保比例。該調(diào)整后的維持擔(dān)保比例可不作為信用賬戶(hù)平倉(cāng)的判斷依據(jù)，但可用于融出方內(nèi)部對(duì)信用賬戶(hù)風(fēng)險(xiǎn)狀態(tài)實(shí)質(zhì)預(yù)判，從而提高風(fēng)險(xiǎn)發(fā)現(xiàn)效率和識(shí)別能力，把握與客戶(hù)溝通的時(shí)機(jī)，避免信用賬戶(hù)最終出險(xiǎn)。

5、輿情監(jiān)測(cè)與實(shí)時(shí)預(yù)警

市場(chǎng)上各類(lèi)負(fù)面輿情信息導(dǎo)致股價(jià)下跌速度和程度不一，部分負(fù)面事件帶來(lái)的沖擊能夠輕易擊穿預(yù)警/平倉(cāng)線(xiàn)構(gòu)建的安全墊。模型通過(guò)輿情標(biāo)簽場(chǎng)景化定制，梳理信用業(yè)務(wù)特定的重點(diǎn)輿情類(lèi)別，有所側(cè)重的進(jìn)行負(fù)面輿情提示。

除此之外由于個(gè)股本身有著充分的數(shù)據(jù)，可以依托于市場(chǎng)隱含信息理論，通過(guò)模型輸出個(gè)股預(yù)警信號(hào)，比如流動(dòng)性敏感度；也可以以此為基礎(chǔ)通過(guò)進(jìn)行強(qiáng)關(guān)注潛在風(fēng)險(xiǎn)個(gè)股清單（日度）的整理，來(lái)實(shí)現(xiàn)賦能智能盯市，及時(shí)為分公司及營(yíng)業(yè)部提供輿情和預(yù)警信息，營(yíng)業(yè)部和分公司可根據(jù)實(shí)際情況和客戶(hù)保持溝通，及時(shí)提示客戶(hù)規(guī)避潛在風(fēng)險(xiǎn)。

六、總結(jié)

證券公司信用業(yè)務(wù)中的兩融業(yè)務(wù)經(jīng)歷了縮量暴跌、惡性風(fēng)險(xiǎn)事件導(dǎo)致的市值大幅萎縮等一系列事件后，信仰已然打破，目前主流做法主要還是從維持擔(dān)保比率的監(jiān)控入手，不能夠有效及時(shí)的跟蹤擔(dān)保物的質(zhì)量，難以將市場(chǎng)風(fēng)險(xiǎn)引發(fā)的賬戶(hù)信用風(fēng)險(xiǎn)控制在可承受的范圍內(nèi)。針對(duì)該短板，各大頭部機(jī)構(gòu)已經(jīng)開(kāi)始著手建立量化模型，結(jié)合前臺(tái)柜臺(tái)系統(tǒng)實(shí)現(xiàn)實(shí)時(shí)或日終監(jiān)控。

在這個(gè)既蓬勃發(fā)展又危機(jī)四伏的時(shí)代，證券公司應(yīng)具備風(fēng)險(xiǎn)預(yù)判效力，通過(guò)建立客戶(hù)風(fēng)險(xiǎn)畫(huà)像與動(dòng)態(tài)股票分層模型，構(gòu)建覆蓋業(yè)務(wù)全流程的融資融券風(fēng)險(xiǎn)管理體系，并通過(guò)研討、培訓(xùn)等形式，相互學(xué)習(xí)，不斷摸索，共同進(jìn)步，為高質(zhì)量服務(wù)客戶(hù)、穩(wěn)健發(fā)展信用業(yè)務(wù)夯實(shí)基礎(chǔ)。

作者：趙森、郭雅婷、王嘉康，國(guó)融證券， 陳綠原，德勤中國(guó)

免責(zé)聲明
?????????? 本站所有信息均來(lái)自互聯(lián)網(wǎng)搜集
1.與產(chǎn)品相關(guān)信息的真實(shí)性準(zhǔn)確性均由發(fā)布單位及個(gè)人負(fù)責(zé)，
2.拒絕任何人以任何形式在本站發(fā)表與中華人民共和國(guó)法律相抵觸的言論
3.請(qǐng)大家仔細(xì)辨認(rèn)！并不代表本站觀點(diǎn),本站對(duì)此不承擔(dān)任何相關(guān)法律責(zé)任！
4.如果發(fā)現(xiàn)本網(wǎng)站有任何文章侵犯你的權(quán)益,請(qǐng)立刻聯(lián)系本站站長(zhǎng)[QQ:775191930]，通知給予刪除