股权质押风险因子：平仓线上的负面清单 • halo 的技术博客

2018 年 Q4 的 A 股给所有做量化的人上过一课：市值因子、低波因子在那个季度集体失灵，跌得最惨的不是高 beta 股，而是控股股东质押比例最高的那批公司。股价下跌→质押股触及平仓线→券商强平或市场恐慌抛售→股价加速下跌→更多质押盘爆仓——一个教科书级的正反馈螺旋，最后要靠纾困基金入场才刹住。那一轮之后，“控股股东质押比例”从财务报表附注里的冷门字段，变成了 A 股风控清单上的必查项。

股权质押风险因子的特殊之处在于它不是收益预测因子，而是尾部风险因子：平时几乎不产生超额收益差异，一旦市场进入下跌 regime，高质押股票的下跌会被平仓机制非线性放大。这篇文章用 500 股 × 36 月的合成面板把这个不对称性量化出来，拆解平仓螺旋的机制，并给出它唯一正确的用法——负面清单。

结论先放这：**在植入”熊市非线性放大”机制的面板里，按控股股东质押比例五分组，全期月均收益 Q5（最高质押）只比 Q1 低约 0.7 个百分点——信噪比低到做多空组合毫无价值；但在 5 个熊市月里，Q5 月均 -8.0% vs Q1 -5.2%，每个熊市月被多砸约 2.9 个百分点。**把 Q5 从等权组合里剔除：年化从 6.5% 提到 7.9%，Sharpe 从 0.43 到 0.50，最大回撤从 -36.0% 收窄到 -33.6%——改善全部来自熊市段，牛市里两条净值几乎重合。这就是这个因子的全部性格：平时是死数据，跌起来是加速器。

质押为什么会变成加速器#

控股股东把持股质押给券商或银行换取贷款，是 A 股极普遍的融资方式。合成面板里 65% 的公司存在控股股东质押，有质押公司的中位质押比例接近 49%——这个分布形态与真实市场高峰期（2018 年前后）的截面高度一致。

质押合同里有两条线决定了它的尾部行为：

预警线：通常是履约保障比例 160%。质押 20 元的股票、质押率 50%（融资 10 元），股价跌到 16 元触及预警，质押人需要补充担保；
平仓线：通常 140%，对应 14 元。跌破且无法补仓，券商有权强制平仓。

pledge_price = 20.0
loan = pledge_price * 0.5      # 质押率50%, 融资10元
warn = loan * 1.6              # 预警线: 股价16.0元
close_line = loan * 1.4        # 平仓线: 股价14.0元

python

单看是普通的风控条款，组合起来是一台正反馈机器：

平仓螺旋：跌破预警线引发担忧抛售，跌破平仓线触发强平，下跌加速

上图模拟了完整的螺旋路径：股价阴跌接近预警线（16 元）时，知道质押情况的资金开始提前撤退（谁也不想和强平盘做对手方），抛压使下跌加速；跌破平仓线（14 元）后强平预期兑现，日跌幅进一步放大，模拟路径最低砸到 12.9 元。关键的非线性在于：质押比例越高，补仓能力越弱——控股股东 90% 的股票都押出去了，拿什么补充担保？质押比例本身就是”补仓弹药余量”的反向指标，这就是为什么 80% 以上的质押比例在风控清单上是接近一票否决的存在。

更隐蔽的第二层传导：质押融资的资金用途。相当比例的控股股东质押融资投向了体外项目或”市值管理”，股价下跌时不仅平仓线告急，资金链本身也在恶化——质押风险和基本面风险在下跌中同时兑现，这是高质押股在熊市中超额下跌的另一半来源。

面板构造：把非线性写进收益方程#

500 股 × 36 月，质押比例双峰分布（35% 公司无质押，其余 Beta(2, 2.2) 分布），市场路径植入一段 5 个月的熊市：

import numpy as np
rng = np.random.default_rng(7)
N, T = 500, 36

no_pledge = rng.random(N) < 0.35
pledge_ratio = np.where(no_pledge, 0.0, np.clip(rng.beta(2, 2.2, N), 0, 1))

mkt = rng.normal(0.026, 0.040, T)
mkt[14:19] = [-0.04, -0.07, -0.09, -0.04, -0.03]   # 5个月熊市

beta = rng.normal(1.0, 0.25, N)
for t in range(T):
    bear = mkt[t] < -0.03
    # 核心机制: 平时线性小折价, 熊市中二次项爆发
    drag = -0.002 * pledge_ratio + (mkt[t] * 0.9 * pledge_ratio**2 if bear else 0)
    ret[:, t] = beta * mkt[t] + drag + rng.normal(0, 0.075, N)

python

注意 drag 的两段结构：平时只有 -0.002 × 质押比例 的线性小拖累（对应质押公司平均更差的治理质量和更紧的资金链）；熊市月里追加 mkt × 0.9 × 质押比例² 的二次项——质押 30% 的公司在 -9% 的市场月里被额外拖累 -0.7%，质押 80% 的公司被拖累 -5.2%。二次项就是平仓螺旋的简化表达：风险不随质押比例线性增长，而是随”距离补仓能力耗尽的远近”加速增长。

质押比例分布：双峰形态，50%预警关注线与80%无补仓能力线

五分组检验：不对称性的直接证据#

按质押比例五分组，分别统计全期和熊市月的月均收益：

五分组月均收益：全期差异温和，熊市中高质押组被碾压

分组	全期月均	熊市月均
Q1（最低质押）	+0.95%	-5.17%
Q3	+0.6% 左右	-6% 左右
Q5（最高质押）	+0.26%	-8.03%

两个读数决定了这个因子的用法：

全期 Q5-Q1 月差只有约 -0.7 个百分点，在个股月度 7.5% 的噪声背景下，做成月度调仓的多空因子组合，信息比惨不忍睹，还要承担做空 A 股个股的现实不可行性。把它当 alpha 因子是用错了工具。

熊市月 Q5-Q1 差达到 -2.9 个百分点，且这是月度数字——5 个熊市月累计，高质押组比低质押组多跌约 14 个百分点。风险的时间集中度极高：这个因子 90% 的信息量在 15% 的时间里释放。

这种”平时无感、危机放大”的收益形态，在因子测试的标准流程里非常吃亏——全样本 IC 低、ICIR 低、分组单调性弱，按常规筛选流程早就被扔掉了。它的正确评价指标不是 IC，而是条件于市场 regime 的尾部贡献：熊市月的分组差、对组合最大回撤的边际影响。用错评价框架，就会用错（或错过）这类因子。

负面清单：唯一正确的用法#

既然做多空没价值、做择时信号又太稀疏，剩下的用法只有一种：从多头组合里把最危险的尾巴剔掉。等权 500 股 vs 剔除 Q5 后等权：

负面清单净值对比：改善全部来自熊市段，牛市两条线重合

全样本等权：年化 6.5%，Sharpe 0.43，最大回撤 -36.0%
剔除高质押 Q5：年化 7.9%，Sharpe 0.50，最大回撤 -33.6%

净值图上两条线在牛市段几乎贴着走——剔除 Q5 没有牺牲任何上行；分化全部发生在熊市段（图中阴影区），每个熊市月剔除组平均少跌约 0.5 个百分点。这是负面清单类因子的典型收益形态：不求跑赢，只求少输，而少输的复利在长周期里就是跑赢。

实盘的清单规则可以更立体，三个维度叠加：

# 负面清单三维打分(示意)
danger = (
    (pledge_ratio > 0.5).astype(int)          # 控股股东质押比例>50%
  + (dist_to_warn < 0.15).astype(int)         # 现价距预警线<15%
  + (total_pledge_mv / float_mv > 0.2)        # 全部质押市值/流通市值>20%
)
exclude = danger >= 2                          # 三中两条即剔除

python

第二个维度——现价距预警线的距离——比静态质押比例更锋利，因为它直接刻画”还有多远触发螺旋”。质押 60% 但股价远在预警线上方 80% 的公司，短期风险远低于质押 40% 但已贴着预警线的公司。可惜这个字段需要逐笔质押的成本价数据（公告里有，但要自己爬和维护），大多数数据商给的只有比例快照——这恰恰构成了信息优势的来源：越难算的字段，定价越不充分。

四个实盘会翻车的地方#

**一、质押数据的时点错位。**质押和解押都以公告为准，但公告有滞后，数据商的快照更新频率不一。用”当前快照”回测历史，会把后来才发生的质押算到之前的截面上——典型的 look-ahead。回测必须用公告日对齐的 point-in-time 数据。

**二、政策 regime 把历史弄脏了。**2018 年 Q4 之后，纾困基金入场、质押新规限制质押率和集中度，平仓螺旋被行政力量钝化。用 2018 年的螺旋烈度外推今天的风险会高估；但反过来，把这个因子当成”已被政策修复、不再需要”同样危险——纾困救的是系统性爆仓，救不了单个公司的资金链恶化。合成面板的价值就在这：机制参数可调，你可以按当前政策环境把二次项系数打个折再做压力测试。

**三、质押比例与市值、行业高度相关。**高质押公司集中在中小市值、民企、传统行业——直接剔除 Q5 会带来隐性的风格暴露（偏大市值、偏国企）。归因时要把质押因子对 size 和所有制正交化，确认剔除动作的收益不只是”变相买大盘股”。面板里没有建这层相关性，真实数据里它是主要的混淆变量。

四、别用它做左侧抄底的反向信号。“高质押股跌多了会有纾困、会反弹”在 2018 年底确实发生过，但那是一次性政策事件。质押爆仓公司的分布是双峰的：一部分被纾困救回，另一部分直接走向 ST 和退市——左侧接高质押下跌股的期望收益被后一半的深坑吃掉。负面清单的逻辑不可逆着用。

总结#

股权质押风险因子是 A 股特色的尾部风险因子，机制链条清晰可验证：质押比例决定补仓弹药，预警线/平仓线制造非线性，下跌 regime 触发正反馈螺旋。合成面板量化出它的不对称性格——全期五分组月差不到 1 个百分点，熊市月差 2.9 个百分点，90% 的信息量集中在 15% 的时间。它考不好 IC 这张卷子，但在”最大回撤”这门课上是优等生：负面清单用法零预测含量、不牺牲上行、专砍左尾。

对量化组合而言，这类因子的意义不在多赚，而在于当螺旋再次启动时，你的持仓不在名单上。

参考文献#

Field, L. C., & Hanka, G. (2001). The Expiration of IPO Share Lockups. Journal of Finance, 56(2).
谢德仁, 郑登津, 崔宸瑜 (2016). 控股股东股权质押是潜在的”地雷”吗？管理世界.
中国证券登记结算公司. 股票质押式回购交易业务数据（周频）.