行业比较专题：全A违规影响、预测及应用手册.pdfVIP

策略报告|投资策略专题

内容目录

1.全A违规统计及个股表现6

1.1.全A违规及类型统计6

1.2.违规行为披露后的市场表现7

2.XGBoost的上市公司违规风险识别模型构建8

2.1.XGBoost模型简介8

2.2.变量选取及研究方法8

2.3.模型结果分析10

3.风险提示10

图表目录

图1：【事件研究法】各类违规事项真实披露后股价超万得全A累积收益率统计3

图2：【真实违规概率】近4年模型预测精准率在73%以上4

图3：【股票回测】模型预测具有违规风险的股票组合累计收益率超万得全A整体为跌...4

图4：【股票回测】模型预测具有违规风险的股票组合累计收益率超万得微盘股指数稳定下

跌4

图5：【行业指数回测】模型预测具有违规风险的申万一级行业指数组合累计收益率超万得

全A整体为跌5

图6：【行业指数回测】模型预测具有违规风险的申万二级行业指数组合累计收益率超万得

全A整体为跌5

图7：【行业指数回测】模型预测具有违规风险的申万三级行业指数组合累计收益率超万得

全A整体为跌5

图8：基于2024年中报的最新模型结果5

图9：违规公司数量统计：发生违规事件公司显著上升趋势6

图10：全A违规类型统计：“其他”、“虚假记载误导性陈述”是我国上市公司中存在的

最主要的违规行为7

图11：全A各行业违规类型统计：基础化工、机械设备、医药生物是违规事件的高发行业

7

图12：变量释义8

请务必阅读正文之后的信息披露和免责申明2

策略报告|投资策略专题

【核心结论】：本文模型对多方主体有着较高的实践参考意义。本文构建的模型，近4年

预测精准率在73%以上，能够较好地筛选出具有违规风险的公司，通过本报告模型提前做

出判断从而更好地进行风险控制。股票市场方面，本报告基于事件研究法