Can Capital Market Information Predict Corporate Risk Before Financial Deterioration? Evidence from Sci-Tech Firms

在金融领域，公司的表现经常被用来评判其价值，就像学生会被根据上一份成绩单进行评分一样。几十年来，贷款机构和投资者一直依赖标准的财务数据——例如一家公司欠了多少债、赚了多少利润以及从客户那里收回资金的速度——来决定资助某家企业是否安全。然而，这种方法在面对科技和科学类公司时存在一个显著的盲点。这些公司通常以极少的实物资产运营，在可能多年都无法产生回报的研究上投入巨资，并且面临着难以预测的未来现金流。等到它们的传统财务数据开始变得糟糕时，往往已经太晚，无法阻止危机发生。研究人员长期以来一直追问的问题是：股票市场本身——凭借其不断的股价波动和交易活动——是否可以作为一个预警系统，在官方财务报告显示出问题之前就发现隐患。

一组研究人员试图通过观察中国科创板（通常被称为 STAR Market）上的一组特定高科技公司来回答这个问题。他们收集了 454 家此类公司在 2019 年至 2024 年五年期间的数据。研究人员并没有仅仅关注最终的数字，而是构建了一个复杂的预测系统，将传统的财务数据与广泛的市场信号相结合。这些信号包括股价波动的幅度、这种运动的具体模式、公司在行业内的关联度，以及至关重要的一点：这些公司分享研发信息的连贯性。他们使用了一种强大的计算机算法（一种能够发现数据中复杂非线性模式的机器学习技术），来观察这些市场信号是否可以预测哪些公司在接下来的季度会面临财务困境、监管问题或审计问题。

研究首先测试了一个特定的观点：即股票价格随时间变化的运动方式所包含的信息量，要比单纯的过去波动率更多。研究人员发现，一种名为“条件波动率”的指标（它捕捉了市场对风险预期的每日变化）为他们预测问题的能力提供了显著的提升。当他们在模型中加入这种动态市场指标时，他们正确识别风险企业的能力有了明显的改善。然而，他们也发现，股票市场的剧烈波动与公司风险之间的关系并不是一条简单的直线。并不是说股票价格波动越大，公司就越危险。相反，数据显示，当波动率处于中高水平时，财务困境的风险最高。当波动率变得极其剧烈时，即时性的财务崩溃风险反而略有下降，这表明极端的市场恐慌可能是由短期冲击驱动的，而非由公司健康状况的缓慢恶化所致。

除了股票市场的运动之外，研究人员还调查了公司实际在做什么以及它们是如何沟通的。他们发现，公司在信息披露方面的自身行为是风险最强大的预测因子。具体而言，公司在研发报告上的缺口是一个重大的警示信号。当一家公司停止分享其研究项目的进展，或者出现连续几期信息缺失时，这便预示着未来出现问题的可能性很高。这比公司的行业网络连接信号更为强烈，因为一旦考虑了公司的自身市场行为，其网络连接在预测中并不会增加太多额外价值。研究还强调，虽然高额的研发投入通常被视为积极信号，但投资的连贯性和现金流的质量，在衡量安全性方面，远比单纯的创新投入金额更为重要。

最终的模型结合了所有这些不同类型的信息，并被证明在对公司进行风险分类方面非常有效。当研究人员将该系统应用于从未见过的新数据时，它能够以极高的准确度识别出那些将面临麻烦的公司。该系统特别擅长捕捉那些最有可能失败的公司，确保极少有高风险企业能逃过检测。这表明，对于科技公司而言，通往财务困境的路径并不总是显现在资产负债表上，直到为时已晚。相反，预警信号往往隐藏在市场对公司的反应方式，以及公司讲述其故事的连贯性之中。

这些发现的意义对于任何涉及向科技企业提供贷款或进行投资的人来说都是明确的。仅仅依赖传统的财务报告对于这些充满动态变化的业务是不够的。一种更好的方法是观察市场的脉搏，并密切关注公司披露内容的连续性。如果一家高科技公司突然停止谈论其研究工作，或者其股价开始呈现出某种不稳定的运动模式，这些很可能都是早期信号，出现在利润转负之前。通过将这些市场信号和披露模式整合到风险评估中，贷款机构和投资者可以从被动应对（等待财务数字恶化）转变为主动预防（洞察先于危机的微妙变化）。这项研究证实，市场确实是一个强大的发现工具，但前提是我们知道如何解读其复杂的非线性语言。