摘 要

　　本文以全A股股票为股票池，建立了一个基于logistic回归的高转送预测模型。虽说现在在刘主席的监管下，高转送等炒作可能会逐渐失效。但是没有关系，通过找一些feature建立模型来预测事件发生的可能性，这种思路永远不会过时。倘若高转送不行了，我们可以很容易的切换到预测有党性的高分红事件嘛。

　　1

获取高转送数据

　　这里我们调用DataAPI，EquDivGet获取历史上各只股票的分红送转情况，参考了兴业证券的研报，将高转送定义为转股比例加上送股比例大于0.5。

　　如上便是各年份的发生高送转的数量，我国07年会计准则发生过大的改变，我们选取07年至16年作为我们的样本区间。

　　2

　　建立模型

　　目标：我们通过11月份已知的信息来预测当年年终该股票是否会发生高转送。

　　考虑变量(信息)

每股资本公积金与留存收益之和

EPS(TTM)

总股本

20个交易日平均股价

是否新股(上市250个交易日以内)

上市时间(年)

年中是否有分红

去年是否有高转送

　　汇总所有变量

　　得到解释变量与被解释变量构成的矩阵，其中Total_PS是每股资本公积金与每股留存收益之和，EPS是TTM的每股收益、Total_Shares是总股本单位为亿、listYear是上市时间单位年、ifNew是虚拟变量表示是否是新股、MidHasTransfer是虚拟变量表示年中是否有过高转送、LastHasTransfer是虚拟变量表示去年是否有过高转送，一共7个解释变量；isTransfer是被解释变量表示年终是否真的高转送。

　　最终的回归结果如上所示，可以看出Total_PS（每股资本公积金与每股留存收益之和）与EPS越大，年终进行高转送的概率也越大，并且显著性非常高；Total_Shares（总股本）和listYear（上市时间）越小，年终进行高转送的概率也越大，并且显著性非常高；而ifNew（是否是新股）系数是正的，但是不显著性，MidHasTransfer（年中是否高转送）也不显著；LastHasTransfer（去年是否高转送）比较显著。

　　3

　　样本内与样本外预测

　　依据我们得到的模型进行样本内外预测

　　大家可以对比其预测高转送概率（predict_probability）与是否发生了高转送（isTransfer）。以2015年年终的高转送实际情况，作为样本外点预测。

　　2015年样本外解释变量如上所示。

　　样本外的预测概率与是否转化如上所示，我们可以做一个简单的统计。

　　383 2762 0.138667632151

　　25 13 0.52

　　62 32 0.516129032258

　　383 153 0.399477806789

　　可以看出，在2015年末2762只股票中共有383只股票进行了高转送；如果我们瞎蒙的话大概有14%的概率蒙中。根据我们的预测模型，选取发生概率大于0.5的股票共有25只，其中13只实际发生了高转送，准确度为52%；选取发生概率大于0.4的股票共有62只，其中32只实际发生了高转送，准确度为51.6%;选取发生概率前383只的股票中共有153只实际发生了高转送，准确度为40%。总体来说，我们模型的效果相对于瞎猜有了很大的提高，但准确度看起来还不够高，有进一步优化的空间。

优矿专业版，助您的投资更有深度！

　　优矿专业版除了已有的 400+因子库、归因、并行计算及风险模型，即将推出深度学习框架！

扫二维码免费试用优矿专业版，助您的投资更有深度！

　　优矿社区传送门，点击查看源代码！