全面注册制改革意义重大，影响深远，上市条件拓宽及发行流程简化，使股票数量快速扩容，丰富投资范围；新股定价市场化以及涨跌幅限制放宽，使股票估值差异拉大，促进市场分层；退市渠道多元以及退市机制完善，将减少壳资源炒作机会，促进市场“新陈代谢”。

　　市场环境的改变对融资融券业务产生了潜移默化的影响，本文通过梳理全面注册制下融资融券交易风险新特征，发现股票分层分化越发明显，证券评估必要且关键。本文运用逻辑回归分析算法建立证券评估模型，为融资融券风控指标设置提供借鉴意义，同步提出融资融券风控体系优化建议。

　　全面注册制下融资融券交易面临新风险

　　随着注册制改革的不断深化，市场发行机制、交易机制以及退出机制都发生了较大改变。我们通过解读注册制下的政策变迁，分析市场风险环境变化，观测市场表现是否与分析相符，梳理出注册制下融资融券面临的风险新特征。

　　一是融资融券标的扩容，流动性可能出现分层。

　　自2010年试点开展至今，遵循“从严到宽、从少到多、逐步扩大”的原则，主板股票融资融券标的范围已经历6次扩容，实现了对沪深300指数成分股全覆盖，但是仍有数量限制（上海证券交易所不高于1000只，深圳证券交易所不高于1200只），并且选取条件较为严格，对上市时间、流通股本、股东人数、交易指标均有要求。这说明针对注册制以外的股票，沪深交易所在选取融资融券标的时已考虑了股票的估值合理性、股份流动性、价格波动稳定性等因素，大大减轻了证券公司依赖自身风控体系遴选标的证券的压力。

　　注册制股票标的资格选取条件较为宽松，无流通股本、股东人数、交易指标等要求，上市首日纳入融资融券标的证券，无数量限制且逐日调整。该政策有利于优化融资融券标的结构，提升市场活跃程度，更好地发挥融资融券促进市场价格发现的作用。但是由于短期内市场整体流动性较为稳定，标的扩容可能使得部分股票流动性被稀释，出现显著的流动性分层，甚至出现流动性枯竭的股票。流动性薄弱的股票股价易发生异常波动，市场风险较为突出，不适合作为融资融券标的。

　　从市场表现看，股票交易的活跃程度出现明显分化。我们选取沪深交易所全部融资融券标的为样本，以2023年5、6、7月的日均成交额和日均换手率为分类指标，按交易活跃程度将融资融券标的划分为不活跃、较不活跃、一般、较活跃、活跃五档（划分标准如图1所示）。

图1：融资融券标的活跃程度散点图

　　结合图1与图2的核准制与注册制数据对比，可清晰感知注册制股票流动性分层更为明显：核准制标的呈现出流动性普遍较好的特征，成交额与换手率水平区分度不大，没有不活跃的股票，较不活跃标的占比仅4%；而注册制标的流动性特征较为分散，各个分类层次均有标的分布，活跃标的占比与较不活跃、不活跃标的合计占比接近，层次更鲜明。

图2：融资融券标的活跃程度分类家数占比

　　市场数据验证了我们的政策分析，融资融券标的流动性将进一步分化，证券公司应加强标的资格主动管理，将极不活跃的股票排除在标的证券范围之外。

　　二是涨跌幅限制扩大，担保物价值波动可能加剧。

　　全面注册制下，股票发行定价由基于市盈率的先验定价机制转变为市场化询价定价机制，并且上市前5日无涨跌幅限制，5个交易日之后涨跌幅限制普遍放宽，科创板和创业板涨跌幅20%、北交所股票涨跌幅30%。这一系列变革显然能让资本市场价格发现功能得到更充分的发挥，使中国市场逐步向国际成熟市场看齐。

　　但是中国资本市场散户化特征仍较为明显，股票价格波动空间加大，若叠加非理性交易因素如羊群效应、噪音交易行为等，可能引起股价剧烈波动。对融资融券业务的直观影响表现为，融资融券账户内担保物价值剧烈波动，进而引起可用保证金和维持担保比例大幅波动，风险增加。

　　从市场表现看，注册制股票价格波动幅度更大。我们选取A股市场全部担保物股票为分析对象，剔除折算率为0的股票，以2023年5、6、7月的日均股价收益波动率为波动幅度衡量指标。

　　日均股价收益波动率：

　　，其中ri为股价日收益率，E(r)为股价日收益率的均值。

图3：注册制与核准制收益波动率分布对比

　　核准制与注册制担保物股票波动率分布情况如图3所示，图中标注线分别为核准制、注册制股票波动率中位数。核准制股票波动率中位数小于注册制股票，并且在低波动率区域（左侧），核准制股票占比较高，而高波动率区域（右侧），注册制股票占比较高；注册制波动率高于7的股票50只，占比4.79%，而核准制股票波动率均小于7。可见注册制股票整体波动情况较核准制股票更为剧烈，与政策分析结论相符。

　　为了应对股价波动幅度加大的风险，在现有评估机制的基础上，证券公司应在担保物折算率及集中度管理过程中充分考虑股票价格的波动性，同时应加强投资者教育，提高投资者风险意识，防范跟风投资带来的风险。

　　三是退市常态化，可能出现穿仓风险。

　　作为注册制的重要配套，退市制度近年一直在深化改革，在延续交易类、财务类、规范类、违法类四类退市方式的基础上，不断优化退市指标、加强信息披露以及简化退市流程，如从严设置造假类退市指标，降低财务造假容忍度；优化组合类财务退市指标，完善企业财务状况判定标准；细化交易类退市指标，使交易类强制退市指标更为合理；取消暂停上市和恢复上市环节，取消交易类退市情形的退市整理期，退市流程更为精简。

　　退市机制日渐完善，有助于促进市场“新陈代谢”，增强市场活力。但是，上市公司退市时，往往伴随着股票市值的大幅萎缩，投资者收益受损。若融资融券账户持有大量即将退市的股票，因退市整理期首日不设涨跌幅限制或连续多日跌停，账户总资产可能大幅缩水，维持担保比例急剧下降，融资人和证券公司将面临平仓困难甚至穿仓的风险。

　　从市场表现看，退市趋于常态化，穿仓风险显现。如图4所示，A股退市公司数量近年来显著上升，其中2023年退市公司数量37家（仅统计至7月31日），除1家公司因换股吸收合并而主动退市外，其余36家公司均为强制退市。目前A股退市公司数量占比仍然较低，与国际成熟市场存在一定差距，可预计未来A股退市数量还将持续上升，退市已趋于常态化。

图4：A股退市公司数量及占比

　　以2023年强制退市的36只股票为例，它们自2023年初至退市时，股价平均跌幅为-74.57%，其中23只股票退市前经历了退市整理期，进入整理期首日的平均跌幅为-67.25%，其余13只股票因股价持续低于1元触发交易类强制退市，未进入退市整理期，但是均经历了较多的跌停交易日，2023年内跌停天数平均为17.62天。

　　无论是退市整理期首日大幅下跌，还是退市前连续多日跌停，都会给融资人及证券公司带来平仓困难，可能引发融资融券账户穿仓风险。假设某退市股票退市整理期首日或经连续跌停后，累计跌幅为70%，在不同初始维持担保比例和不同持仓集中度情况下，维持担保比例变化如图5所示。初始维比300%时，退市股票持仓集中度高于95%，将发生穿仓；初始维比180%时，持仓集中度高于63%，将发生穿仓。

图5：不同初始维比、持仓集中度下的维比变化情况

　　上述“维比-集中度”安排源自于券商行业融资融券集中度管理要求的平均水平，可见目前行业普适的集中度管理体系无法应对退市股票带来的穿仓风险，证券公司应采取一些特异性安排以防范该风险。

　　四是融资融券账户套现动机可能增加。

　　上海、深圳、北京三交易所均明确通知，注册制下股票和存托凭证暂不作为股票质押回购及约定购回交易标的证券。该制度安排有助于防范股票质押、约定购回业务风险，保障市场稳健运行。但是由于持有注册制股票的大股东无法进行股票质押操作，其利用融资融券账户进行绕标套现的动机可能增加。绕标套现交易违背了融资融券业务初衷，存在合规隐患，规避了信披要求，扰乱了交易机制，还会引起融资融券与股票质押业务风险传染，信用风险加大。

　　融资融券账户套现操作较为隐蔽，难以通过市场表现捕捉该行为。为了防范融资融券风险扩大，切实保障市场稳健运行，证券公司应加强交易管理，采取有效管控措施，谨防绕标套现操作。

　　全面注册制下如何有效评估证券并进行分层管理成融资融券风险管理关键

　　全面注册制下，股票市场表现分化越发显著，如何有效评估证券并进行分层管理成为融资融券风险管理的关键。本文运用逻辑回归分析算法建模，在综合考虑证券估值合理性、股份流动性、价格波动性、财务状况、风险特征等维度的基础上，得到证券分层结果，并尝试将评估结果应用于风控指标设置。

　　模型评估对象为A股市场有担保物资格的股票，我们从2021年7月1日至2023年7月31日的市场数据中，每月随机抽取一个交易日数据，即25个交易日共119443条数据作为建模样本，随机选取其中80%的交易日数据作为训练集，剩余20%作为测试集。自变量为样本股票估值指标、流动性指标、价格波动性指标、财务指标以及风险特征指标，因变量为样本股票观测日是否被实施风险警示、进入退市整理期、静态市盈率在300倍以上或者为负数，是则标记为1，其余标记为0。截至2023年7月31日A股市场担保物股票共5206只，其中被实施风险警示、进入退市整理期，静态市盈率在300倍以上或者为负数的A股股票共1153只。

　　基于数据情况和业务理解，我们选取市盈率、市净率、总市值作为估值合理性指标；成交量、成交额、换手率、流通市值作为股份流动性指标；振幅、股价偏离度、股价波动率、β作为价格波动性指标；每股收益、净资产收益率、每股经营活动产生的现金流量净额、商誉占比等作为财务状况指标；股票整体质押率、大股东质押集中度、负面舆情、成分股类型、上市板块、发行制度等作为风险特征指标。

　　上述待选指标中既有定量指标，也有定性指标，共21项指标。首先，计算信息价值（Information Value，IV）、相关性、结合业务逻辑判断等进行指标初筛，得到14个候选指标。其次，对初筛指标进行更细化的分箱调整和证据权重（Weight of Evidence，WOE）转换，分箱调整主要采用卡方分箱，关注各指标分箱个数、保证每个分箱中的样本比例、业务可解释性等因素，使得各个指标分箱更加合理。最后，计算WOE转换后各指标的方差膨胀因子（Variance Inflation Factor），对于多重共线性较强的一组指标，仅保留IV值较高或更加符合业务逻辑的一个指标，得到最终9个候选指标。

　　在模型拟合方面，采用逐步回归的方法对候选指标进行筛选并拟合逻辑回归模型。为了综合考虑模型的简洁性和准确性，逐步回归时采用AIC信息准则（Akaike Information Criterion，AIC），同时为了衡量特征在训练集和测试集的稳定性，我们还计算了特征在训练集和测试集之间的样本稳定指数（Population Stability Index，PSI），得到最优逻辑回归模型结果如下：

　　x1至x9为各入模指标经WOE转换之后的指标，具体含义见表1。

　　表1：入模指标

　　我们用测试集数据来验证模型效果，模型检验结果如表2所示。

　　表2：模型检验结果

　　结果显示，模型整体召回率为89.32%，即实际为风险的股票中有89.32%被正确识别；准确率为88.63%，即全部股票中有88.63%被正确识别；精确率为64.83%，即模型识别为风险的股票中，有64.83%被正确识别。模型精确率相对不高的原因是进行股票风险监测的主要目的在于发现和识别风险股票，因此更关注模型的召回率，即模型命中实际风险股票的比例越高越好，而扩大命中比例相应会降低精确率。

　　表3：模型效果评价

　　以上各指标表明模型对高风险股票的预测能力较好，对高风险股票和非高风险股票有较强的区分能力，模型效果良好；同时训练集和测试集分数对比的PSI较低，模型较为稳定。

　　我们尝试按模型结果将股票进行分层分类，分层结果可综合应用于标的资格筛选、折算率调整、集中度控制等方面。

　　以测试数据集中的某单日数据为例，我们根据模型结果将所有股票综合评分进行升序排列，等距划分为15个小组，股票排序分布如图6所示，左侧肥尾特征明显，主要为被实施风险警示、进入退市整理期，静态市盈率在300倍以上或者为负数的股票，风险突出，应针对性的设置较为严苛的风控指标。

图6：模型结果排序分布

　　以模型构建过程中定义风险股票的基准分和股票最高得分为基点，中间按股票占比和分数区间划分档位，我们得到了全市场担保物股票6档分层结果，如图7所示。

图7：股票分层结果

　　其中风险特征最高的F档占比23.80%，与被实施风险警示、进入退市整理期，静态市盈率在300倍以上或者为负数的股票在市场中的实际占比接近。该分档结果可应用于标的资格管理，比如落在尾部一定区间内的股票剔除融资融券标的资格；亦可应用于折算率调整，比如A类股票折算率设置为交易所折算率上限，后续分类股票依次在折算率上限的基础上降低对应基点；还可应用于集中度管理，比如结合维持担保比例档位，进行压力测试分析，形成集中度管理矩阵。

　　完善证券评估模型分析 优化融资融券风险管理体系

　　综上，为应对全面注册制下，市场风险特征新变化，建议完善证券评估模型分析，从标的资格管理、折算率调整机制、集中度管理、退市风险应对、绕标套现管控等方面优化融资融券风险管理体系。

　　一是完善保证金比例调整机制，细化标的证券资格管理。

　　标的证券资格管理一直是证券公司融资融券风险管理体系中的薄弱环节，部分证券公司依赖交易所公布的标的证券资格名单，采用“照单全收”的被动管理模式，仅对个别风险突出的证券进行手工调整。保证金比例设置，也大都采用“一刀切”的模式，或者仅针对特殊板块股票进行差异化设置，控制方式比较粗放。

　　由于全面注册制下，股票上市首日即纳入融资融券标的范围，新上市股票市场交易表现存在不确定性，且市场流动性分层越发明显，建议证券公司建立完善的标的证券资格调整机制，将极不活跃的证券排除在标的证券范围外。针对已入选标的资格的证券，建议证券公司在充分考虑证券流动性、业务集中度、市场集中度等因素后，进行分层管理，分别设置不同的保证金比例要求，引导业务健康发展。

　　二是优化证券评估模型，完善折算率评估及集中度管理机制。

　　折算率评估及集中度管理是融资融券业务风险管控的关键手段，各证券公司关于折算率评估和集中度管理的机制不尽相同。一些券商采用评估模型对证券进行评分，根据评分结果划分不同档位以对应不同的折算率调整幅度以及集中度管理指标；一些券商的证券评分模型仅应用于折算率调整，而集中度指标则以交易板块或是否注册制作为分类标准；还有一些券商尚未建立自动化的证券评估模型，折算率调整仍以手工操作为主。

　　全面注册制下，层次丰富的市场结构逐渐形成，折算率调整以及集中度管理的精细化是大势所趋，建议证券公司加强历史数据回溯和压力测试分析，不断优化证券评估模型，还可以考虑针对不同的证券类别、交易阶段等设置差异化的评估模型，以期对证券做出更精准的综合评估。评估结果可综合应用于标的资格筛选、折算率调整、集中度控制等方面，根据业务实际情况在调整频率、档位划分上分别独立设置。建议证券公司同步加强系统建设，以支持更智能的证券评估以及指标设置。

　　三是增强主动管理能力，以应对退市常态化。

　　上市公司退市常态化，有助于促进股市资源优化配置，但是股票退市时市值急剧下跌，可能引发个别融资融券账户的穿仓风险。建议证券公司在现行风控指标体系的基础上，加强证券主动管理，及时预警风险，可以考虑建立交易类退市指标预警模型并进行系统监测，同步建立舆情监控系统，加强舆情监控，关注上市公司是否存在财务类、规范类、违法类等其他退市风险，对存在退市风险的股票及时预警。

　　对于进入退市风险预警的股票，建议及时调降其折算率以及持仓集中度比例上限，或者将其调出担保物范围，同步梳理融资融券账户中退市风险股票持仓，并进行压力测试，对存在平仓风险的账户进行专项风险提示，提示融资人主动处置风险股票。

　　四是针对融资融券账户套现问题，加强前端控制和定期排查。

　　为防范绕标套现操作，建议证券公司从前端管控、交易管理、定期排查等方面加强风险管理。在客户引入环节，建议加强尽职调查力度，对客户的绕标交易需求进行甄别并予以拒绝，同时完善系统前端控制，防止大股东、董监高等主体将存在减持受限的股票转入融资融券账户进行套现操作；在融资交易环节，注意完善系统交易权限、规则等设置，不为客户绕标交易操作提供便利，同时加强投资者教育，引导融资融券客户规范交易；注意定期跟踪排查，利用技术手段清查进行绕标套现操作的融资融券账户，并通过风险提示、降低授信、禁止展期等方式要求其限期整改，规范操作。

　　（作者：冯玉泉，东吴证券股份有限公司首席风险官、总裁助理兼风险管理部总经理；吉濛，东吴证券股份有限公司风险管理部副总经理；董子珍，东吴证券股份有限公司风险管理部信用风险管理副总监；刘诚，东吴证券股份有限公司风险管理部总量风险管理副总监；李春洪，东吴证券股份有限公司机构业务部融资业务总监。）