本文刊登在2024年12月28日出刊的《上财风险管理论坛》杂志2024年第4期（总第30期）“洞见”栏目，经过作者的授权在“风控博士沙龙”微信公众号发布。
声明：文章的版权属于作者，如需转发请事先征得作者本人及风控博士沙龙的同意。文章的观点仅代表作者个人的观点，不代表所在机构的观点。
作者简介
顾相隽，女，上海财经大学金融统计专业毕业，考入招商银行风险管理培训生，后入职外资银行，接受体系化风控和数据分析建模培训。五年零售银行风控数据分析经验，十一年负责企业信贷、投资、财务分析和风控稽核经验，期间在职进修EMBA。曾师从海内外风险管理和建模专家，精通SAS、SQL编程/数据分析建模。2018年创办素镜科技，专注金融智能风控领域。
本文将通过数据的方式，展示分析A股三十年来经营、造假、处罚、退市等状况和风险演变，模拟估算A股最优的退市企业数量。造假定义：利用行为评分技术，还原造假动机，包括：（1）虚构、虚增收入；（2）虚增利润；（3）虚增资产；（4）虚减负债；（5）隐藏负债程度，如表外化负债、明股实债；（6）资金占用转移信号；（7）利益输送等。前四类归于严格会计学意义造假，后三类更多利用会计漏洞，修饰业绩或谋取私利，其对企业造成的风险和损失，有时甚至远超某几个合同或业绩造假。笔者致力于智能风控，不囿于会计学理论。造假预警定义：单期报告造假达到极高风险程度，或者多报告期造假，累计超过一定时间和程度，通常累计造假或资金占用比超过30%，预计对公司后续正常经营有重大影响，风险极高的，将被系统自动识别进入造假预警库。经营预警定义：经营下滑恶化，经营画像分通常国企跌破-40违约预警线，民企跌破-30违约预警线，或维持数年在违约预警线徘徊，将被系统自动识别进入经营预警库。模型评估报告期说明：由模型系统自动产生，输入至少三期完整财务数据和行业分类标签，输出各期评估结果。对于A股，自动引擎设置的最早评估期为2010年，因此数据库存储的评估数据最早追溯至2010年。2024年4月12日，上交所、深交所分别发布《上海证券交易所股票上市规则（征求意见稿）》、《深圳证券交易所股票上市规则（2024年修订征求意见稿）》、《深圳证券交易所创业板股票上市规则（2024年修订征求意见稿）》对退市部分的条款进行了修订。落实《关于严格执行退市制度的意见》要求，严格重大违法类、规范类、财务类和交易类四类强制退市标准，更加精准实现“应退尽退”，推动形成进退有序、及时出清的格局。一是扩大重大违法强制退市适用范围。调低财务造假退市的年限、金额和比例，增加多年连续造假退市情形。对现行“连续两年虚假记载金额合计达到5亿元以上，且超过该两年披露合计金额的50%”的造假退市指标进行修改，区分一年、连续两年、连续三年及以上三个层次：一年为虚假记载金额“2亿元且占比30%”；两年为“合计3亿元且占比20%”；三年及以上被认定虚假记载即退市，坚决打击恶性和长期系统性财务造假。一年、连续两年标准适用于2024年度及以后年度的虚假记载行为；三年及以上标准适用于2020年度及以后年度的虚假记载行为。前述虚假记载科目包括营业收入、净利润、利润总额和资产负债表资产或者负债科目。此外，为加大对财务造假公司的监管和约束力度，加强财务造假公司风险揭示，督促其积极整改，新增一项ST情形，对于未触及退市标准的造假行为，行政处罚事先告知书显示公司财务会计报告存在虚假记载，即实施ST。公司完成处罚事项的追溯调整且行政处罚决定作出满十二个月的，方可申请摘帽。（1）新增控股股东大额资金占用且不整改退市，即“公司被控股股东（无控股股东，则为第一大股东，下同）或者控股股东关联人非经营性占用资金的余额达到2亿元以上或者占公司最近一期经审计净资产绝对值的30%以上，被中国证监会责令改正但未在要求期限内完成整改”情形，切实增强对大股东侵占监管震慑，督促公司加强内部控制，维护资产财务独立性。（2）新增多年内控非标意见退市，连续两年内控非标或未按照规定披露内控审计报告实施*ST。第三年内控非标或未按照规定披露内控审计报告即退市，压实审计机构责任，督促公司完善内部治理、规范运作。（3）新增控制权无序争夺退市，增加一类“信息披露或者规范运作重大缺陷”情形，即“公司出现控制权无序争夺，导致投资者无法获取公司有效信息”，督促股东在制度框架内解决控制权争议，切实保障中小投资者知情权。三是收紧财务类退市指标。提高主板亏损公司营业收入退市指标，将其“净利润为负+营业收入”中的营业收入从现行“1亿元”提高至“3亿元”，加大力度淘汰缺乏持续经营能力公司。结合创业板公司成长性和收入规模特点，本次不作调整，维持“1亿元”不变。将“利润总额”纳入“亏损”考量，修改后的组合指标为利润总额、净利润、扣非净利润三者孰低为负值，且营业收入低于3亿元（创业板1亿元）。此外，对财务类*ST公司引入财务报告内部控制审计意见退市情形，提高摘星规范性要求。四是提高主板A股公司市值退市指标。将主板A股（含A+B股）市值标准从现行“3亿元”提高至“5亿元”，进一步发挥市场化退出功能，推动上市公司提高质量和投资价值。B股和创业板市值退市指标本次不作调整，维持“3亿元”不变。
表1将监管措施由重到轻统计：退市、ST、证监财务相关处罚、交易所处罚（财务相关）+公函。从累计上市数量角度看，曾被监管采取财务相关措施的上市公司比例已达74.7%，其中仅证监财务类处罚比例30.4%，退市占比4.2%，目前正被ST占比2.3%。相较2024年5月底统计，增加了不少，尤其是证监财务类处罚，半年增加了7.4%。![]()
从表1可以看到，上市越早被处罚，淘汰退市的比例越高，2017年以前上市的企业，几乎八九成比例被交易所采取措施或发函；2012年以前上市的企业中，一半以上已被证监会财务类因素处罚；85%的ST公司和90%的退市企业，在2012年及以前上市。
此外，上市年份越近，被监管采取措施的比例越低，表1的绿色部分2021年以后上市企业，退市和ST部分都为空，证监会和交易所措施比例逐年递减。那么是因为后来上市的企业质量越来越好？还是因为时间短还未暴露？后文将做详细解析，帮助发现潜在造假和经营恶化趋势。
从表2退市公司上市年代看，46.5%来自于1990年代，29.8%来自2010年代，22.8%来自2000年代，2020年代目前2家。上市公司退市呈现提早化趋势，上市五年内就退市全部来自2010-2020年代上市企业。2000年代上市企业基本都在十年后才开始退市。
表2：上市公司在册年数
![]()
根据经验可知，上市短期内就退市，往往IPO造假。表2的数据是否能说明：（1）2010年以来，上市公司质量下降，审核未能有效应对激增的上市数量，退市淘汰过程冗长，效率低？（2）暴露出来的大部分是沉疴旧疾，新进入的上市公司潜在风险还未显现？本文将逐步深入挖掘。以下进一步观察退市群体。模型自动引擎设置的最早评估期为2010年，提取2010年后退市企业204家，取经营或造假预警孰先，其预警分布如表3。![]()
从表3可以看到，有7家未预警企业，其中6家2009年前上市，查了一下退市当年的新闻，均为合并重组，主动退市，大部分为央国企，目前基本都已注销；1家2015年上市，被吸收合并，主动退市。有3家退市年份等于或早于预警，其中2家在模型最早评估期2010年前财务造假被证监处罚后，数年未完整披露财务，退入新三板披露财报后，模型预警；1家被合并，主动退市，具体详见表4。表4：退市未预警企业明细以及退市年份等于或早于预警企业的明细
![]()
修正后，退市企业与模型预警重叠度为100%。除一家经营预警早于造假预警，其余均先造假预警，也即99.5%的退市企业有极高造假信号。经营预警占比91.2%，经营和造假同时预警占比90.7%。从以上数据可见，退市群体造假信号大于经营信号。从经验看，退市企业引爆造假雷的导火索有两个：（1）重要媒体曝光；（2）造假藏不住，经营恶化，造成违约、诉讼等等严重不良后果。大部分暴雷企业的风险演化规律为：经营下滑—财务造假—经营恶化—造假加重—暴雷，此间大致经历五年以上的震荡起伏；只有少量企业未严重造假，仅因常年经营不善，持续经营预警至少五年后，随着外因变化而爆雷。退市企业从模型初次预警到最后退市，历经时间很长，短则3年，长则十几年，提取204-10=194家退市企业，（退市年份—造假最早预警年）的平均值为10.5年，该值可以粗略估算企业从造假到退市的过程时长。
截止2024年12月10日，ST公司总计176家，较上次五月底统计减少50家，其中有的退市，有的摘帽。50%的ST公司在2009年以前上市，97%在2017年前上市，只剩3%在2018年及以后上市，也即ST处罚主要分布在老旧企业。但有意思的是，在2018年以后上市，被ST的企业，几乎都位于黄色虚线下方，也即IPO造假预警信号极高，详见表5。
表5：预警Vintage—ST企业
![]()
被ST公司与模型预警重叠度为99.2%，其中96%的企业造假预警，98.5%经营预警，ST群体经营恶化信号略高于造假。仅1家在单期报告造假（资金占用）预警，企业未进入预警库，经查为实控人资金占用，目前已偿还占用款项，即将摘帽，详见表6。
表6：相关公司的列表
![]()
该公司因为连亏三年被ST，其在2020年经营已跌破民企违约预警线-30分，2021年进一步跌破-40分国企违约预警线，进入经营预警库，所以该企业主要是经营不善。造假成分相对不高，可能有少量调节，因此只是在2021-2022年是“较高风险”预警。该公司在2020年6月因为遭遇电信诈骗，被证监会立案调查。不过相对于造假，该企业的经营更差，其在上市之初，经营便跌破违约预警线，此后十年经营持续恶化，维持在经营预警库。而其造假程度，只在2020-2021年单期报告“高风险预警”，因此未进入造假预警库。查询监管调查结果，其2019-2020年开展无商业实质的虚假贸易业务，虚增营业收入占比在9%左右。造假程度基本与模型“较高风险”判断吻合，模型测算造假比低于30%的，基本不会进入造假预警库，只会在单期报告提醒。企业的造假信号仅在2019-2021年报告预警，但经营在上市第二年便跌破违约预警线。查监管处罚的原因，主要是由于债务逾期、诉讼等未及时披露。公司的2023年报被普华永道出具非标意见，主要争议在其子公司的股权交易是否是关联交易。从笔者的模型看，其经营状况不佳，曾经营预警，但造假信号未预警。监管调查后，认为其未履行审议程序，也未及时对外披露。公司的实控人资金占用，仅在2019-2021年单期报告造假（资金占用）预警，企业总体未预警，目前已偿还占用款项，即将摘帽。
表7对2010年开始监管机构采取的措施事项进行归类。其中，有同一公司被多次采取措施，同一措施符合多种违规事项分类，也有措施到相关自然人的情况。
表7：金融监管措施次数统计
![]()
总的看，财务相关措施次数居前。本文对处罚的分析，将采用以下红色字体标注的19项违规事项。
取被证监最早一次处罚（含立案）年份，总计1663家上市公司在2010年以后被处罚，占A股累计上市公司数30.4%。计算得到（证监最早处罚年份—最早预警年份）的平均值=6.1，也即从最初预警到证监会第一次采取措施，平均需要6.1年，比5月底统计的数据6.5年缩短了些。可能的原因是监管的效率提高了。从表8可以看到，六成以上被证监处罚公司，预警时间超过十年，也即大部分为沉疴旧疾。虚线上方，主要情况是：财务数据缺失，较轻的口头警告，已单期报告提前预警，后期才进预警库。135家占比8.1%未预警，证监处罚与笔者的模型预警重叠度为91.9%，其中造假预警占比85.4%，经营预警占比83.2%，也即在证监处罚案例中造假信号略高。随机抽样未预警企业，基本为非财务造假被处罚，或单期造假程度未达到预警，未有造假或经营恶化未被发现的情况。
表8：最早预警年份统计
![]()
在上文证监会措施类型（19项财务相关）的基础上，加入交易所监管措施，如关注函、问询函等。证监会处罚和交易所发函，日期取其最早，提取到4088家上市公司，占累计上市比74.7%，自2010年起，被“疑似”财务、经营相关类型采取过监管措施。写“疑似”的原因，在于有些关注函、问询函涉及减持、股价波动、操纵市场、媒体报道等等跟财务经营不太直接相关的事项。按惯例，监管流程一般是：交易所发函—如果进一步演变则证监会立案调查—再证监会发布调查结果—如果调查到问题则证监会处罚—再交易所处罚—根据严重程度决定是否ST或退市。从表9可以看到，监管措施与笔者的模型预警的重叠度为84%，其中造假预警75%，经营预警69.9%，两者同时预警占比60.9%，造假信号略高。![]()
计算（最早监管措施年份—造假最早预警年份）的平均值=3.6，也即从最初预警到交易所关注，平均需要3.4年，比五月底3.6年略微减少。如果这样倒推的话，那么2021年以后上市的公司，目前大概率处于监管发现的真空期。后文将进一步挖掘。另有657家公司被采取监管措施，但模型造假和经营都未进入预警库，经随机抽样，绝大部分为非财务造假被处罚，或单期造假程度未达到预警，未有造假或经营恶化未被发现的情况。
风险在不断演变，许多历史问题公司已经爆雷，历史风险已经释放，又或企业已变更股东、重组，或退市后又重新上市等等，例如顺丰控股在2017年借壳前的表现极差，但现在造假信号低。在笔者的数据库里，许多曾经预警企业，2024三季报已不再预警。将目光聚焦到当下潜在风险。表10抓取A股2024年三季报仍在造假预警库的公司（剔除退市），总计2524家，占存量比48.1 %，其中82.3%曾被监管采取财务相关措施，剩余448家占比17.7%目前无任何监管措施。
表10：2024年三季度造假信号预警
![]()
IPO造假信号公司（红色字体）占比29%，大部分为2019年以后上市。其中无任何财务类监管措施的448家（见表11)，占存量比8.5%。IPO造假信号公司(红色字体)占比51.6%，而其中八成为2021年以后上市企业，与上文推算的监管措施延滞时间约为3.4年吻合。
表11：2024年三季度造假信号预警——无监管措施
![]()
在无监管措施的预警企业中，上交所的比例最高，占上交所存量上市公司11.3%，需关注科创板，见表12。
表12：2024年三季度造假预警交易所分布——无监管措施
![]()
A股2024年三季报仍在经营预警库的公司（剔除退市），总计1843家，占存量比35.1 %，其中84.3%曾被监管采取财务相关措施，291家无监管措施。
哈佛大学的诺瓦克（Martin A. Nowak）提出一个理论：从众人群比例超过临界值，群体可能无法做出最优选择。这位教授以关于合作行为的研究闻名，他基于仿真模型，结合博弈论提出：如果一个群体中背叛者的比例超过三分之一时，群体会迅速演化为由背信弃义者组成。这其中三分之一便是一个关键的临界点。上文已列出了，不同处罚等级在总体中的占比，以及与笔者的模型预警的重叠度，可以说A股市场的造假比例肯定是超出三分之一的临界值。目前有48.1%的企业造假信号预警，假设其中误差和市场自我修复比例5%（如变更股东、业务转型、泛金融行业未剔除等等），如果将造假比例降到33%以下，A股就会变清明，那么需下降10%才能低于临界点。估计要退市约500家上市公司，才能让造假比低于临界值。而从上文数据中，我们可以看到，历史上的一家上市公司从造假预警到退市经历漫长十年，不过目前中间监管环节速度在加快，详见图1。图1：从模型的初次预警到退市的周期
![]()
根据笔者的数据库，目前A股造假和经营仍同时在预警的企业多达1398家，占存量比26.6%，无任何监管措施190家，今后退市的企业八九不离十也会从这里出来吧。
《上财风险管理论坛》杂志2025年第1期（总第31期）将于3月28日出刊，本期主题是"风险管理的行稳致远"，欢迎广大业界人士赐稿。
1、文章的选题需紧扣风险管理的主题，题目自拟；
2、文章撰写的要求包括：一是实用性，文章贴近并服务于日常工作；二是可读性，文风朴实，行文流畅；三是文章字数不少于2000字，可以配有图和表；
3、文章请投杂志的专用邮箱shufe_cro@126.com，征文截止日是3月15日。
《上财风险管理杂志》编辑委员会
2025年1月7日
为加强《上财风险管理论坛》杂志的作者团队与读者之间、以及读者相互之间的沟通与交流，已建立《上财风险管理论坛》读者交流微信群，目前成员接近1200人，包括知名金融机构的首席风险管理、风险管理部负责人、风险管理领域知名学者等专业人士，竭诚欢迎广大的风险管理从业者加入该微信群，共同打造一个讨论风险管理的专业社区。如希望入群，烦请给本微信公众号留言（留下个人微信号），我们将会主动联系并且邀请入群！
为了积极推进AI大模型在金融尤其是风险管理领域的落地，创建了“衍生品、风控与AI大模型社区”微信群，目前成员接近1300人，包括了金融机构高管、AI大模型科学家等，致力于打造一个集学习、讨论金融衍生产品、风控以及用AI大模型实现前两者功能的开发社区！如希望加入，请留下个人微信号，我们将主动联系并邀请入群！
