Abstract
摘要
新股上市初期涨幅的主要来源及主导力量变迁
因时制宜,多视角看新股首日涨幅预测模型
全面注册制背景下的网下打新参与策略探讨
风险
Text
正文
新股上市初期涨幅的主要来源及主导力量变迁
全面注册制已至,如何提升网下打新收益?
图表1:网下打新策略的核心决策环节
资料来源:中金公司研究部
图表2:2022年网下打新收益的敏感性分析(以2亿元A类账户为例)
资料来源:Wind,中金公司研究部;备注:按新股上市日2022.1.1至2022.12.31统计;入围率的敏感性分析仅针对注册制新股,核准制新股假设为入围率100%;中性假设的注册制发行新股入围率为70%,中性假设的单股确认涨幅取注册制新股上市首日卖出均价相较发行价涨幅、核准制新股开板日卖出均价相较发行价涨幅
图表3:网下报价入围率分布(2022年)
资料来源:Wind,中金公司研究部,注:按初步询价起始日统计,数据区间2022.1.1~2022.12.31,取不同配售对象在各季度的网下报价入围率均值,入围率=有效报价次数合计/初步询价次数合计
图表4:新股上市初期涨幅分布(2022年)
资料来源:Wind,中金公司研究部;备注:按新股上市日2022.1.1至2022.12.31统计
注册制新股发行新特征:博弈强化,情绪驱动,周期性破发
图表5:新股上市初期涨幅双因素拆解框架
资料来源:中金公司研究部
图表6:新股上市初期涨幅双因素分解(季度均值)
资料来源:Wind,中金公司研究部;备注:按新股上市日2006.10.1至2023.5.18统计,不含北交所上市新股;统计季度均值时,为避免极端异常值影响,对上图各指标做剔除分位数[5%,95%]以外的取值处理
询价新规正式实施以来,新股上市初期涨幅呈现明显的情绪驱动特征。从上述双因素分解结果,我们得以发现,在定价管制阶段,定价偏差往往对新股上市初期涨幅具有较高贡献,而在定价市场化程度更高的政策阶段,情绪偏差则往往占据主导地位。我们回顾全面注册制过渡时期的发展历程,从2019年7月首批科创板新股上市,到2020年8月改革进一步迈向创业板存量市场,情绪偏差的收益贡献均高于定价偏差,然而同期机构抱团压价等行为也助推了定价偏差呈现一定的抬升。自2021年10月,询价新规后首批新股上市以来,机构报价集中度明显下降,新股定价市场化程度随之提振,网下打新市场进入了相对稳定的情绪驱动阶段。2023年一季度,新股上市初期涨幅的情绪偏差中枢为93%,定价偏差中枢则为-31%。除此之外,我们还观察到,新股上市初期涨幅与权益市场的走势也颇为相关,2022年注册制新股上市首日涨幅(月度均值)与同期沪深300指数涨幅的相关系数为0.54,一定程度上印证了当前网下打新市场的情绪驱动特征。
图表7:注册制新股上市首日涨幅与权益市场走势对比
资料来源:Wind,中金公司研究部;备注:按新股上市日统计,新股上市首日涨幅数据取月度均值
图表8:询价新规以来,报价集中度明显下行
资料来源:Wind,中金公司研究部;备注:按新股询价起始日统计
图表9:询价新规以来,有效报价占比明显提升
资料来源:Wind,中金公司研究部;备注:按新股询价起始日统计
图表10:新股破发比例变化
资料来源:Wind,中金公司研究部;备注:按新股上市日统计,仅包含网下发行的注册制新股;本文对新股破发的定义为,新股上市首日/开板日成交均价不及发行价
因时制宜,多视角看新股首日涨幅预测模型
新股首日涨幅预测模型构建流程
图表11:预测新股首日涨幅的框架结构
资料来源:中金公司研究部
注册制新股首日涨幅影响因素:四维度指标体系构建及其时序演变
图表12:基于经济逻辑构建新股首日涨幅预测的指标库
资料来源:中金公司研究部
图表13:备选指标与新股首日涨幅的相关系数统计(2019.7.22-2020.8.23)
资料来源:Wind,中金公司研究部;备注:按新股上市日统计
图表14:备选指标与新股首日涨幅的相关系数统计(2020.8.24-2021.10.19)
资料来源:Wind,中金公司研究部;备注:按新股上市日统计
图表15:备选指标与新股首日涨幅的相关系数统计(2021.10.20-2023.3.31)
资料来源:Wind,中金公司研究部;备注:按新股上市日统计
图表16:部分代表性指标有效性的时序变化
资料来源:Wind,中金公司研究部;备注:上图展示了不同时间区间内,指标对新股首日涨幅回归的t值序列
图表17:备选指标测试效果与指标筛选
资料来源:Wind,中金公司研究部;备注:指标测试区间为训练集;标红表示t绝对值>2;逐月滚动回归的回归时长为8个月
图表18:训练集、验证集与测试集的划分
资料来源:中金公司研究部
图表19:纳入新股首日涨幅预测模型的有效指标一览
资料来源:Wind,中金公司研究部;备注:指标测试区间为训练集
图表20:有效指标间的相关性一览
资料来源:Wind,中金公司研究部
图表21:逐步回归结果展示
资料来源:Wind,中金公司研究部
图表22:因子合成后的多元线性回归结果展示
资料来源:Wind,中金公司研究部;备注:公司特征因子中仅纳入是否国企、是否IPO时尚未盈利两个0-1变量
多维度搭建新股首日涨幅预测模型
图表23:上市前时点,模型选择与样本内参数调优结果
资料来源:Wind,中金公司研究部
图表24:上市前时点,新股首日涨幅预测模型的特征重要性排序输出结果
资料来源:Wind,中金公司研究部
图表25:多元线性回归模型中,样本内预测效果展示
资料来源:Wind,中金公司研究部
图表26:多元线性回归模型中,样本外预测效果展示
资料来源:Wind,中金公司研究部
图表27:上市前时点,各模型预测结果的分组展示
资料来源:Wind,中金公司研究部
图表28:上市前时点,多元线性回归模型的新股首日涨幅周度分层测试结果
资料来源:Wind,中金公司研究部
图表29:样本内统计:国企新股破发概率相对较低
资料来源:Wind,中金公司研究部
图表30:样本内统计:未盈利新股破发概率相对较高
资料来源:Wind,中金公司研究部
图表31:上市前时点,各模型预测新股是否上市首日破发的样本外效果统计
资料来源:Wind,中金公司研究部
图表32:随机森林模型预测新股是否破发的混淆矩阵
资料来源:Wind,中金公司研究部
图表33:XGBoost模型预测新股是否破发的混淆矩阵
资料来源:Wind,中金公司研究部
图表34:上市前时点,对于新股是否破发具有一定区分度的特征分布情况展示
资料来源:Wind,中金公司研究部
图表35:询价前预测时点的可得指标与指标替代方案
资料来源:Wind,中金公司研究部;备注:指标测试区间为训练集;逐月滚动回归的回归时长为8个月
图表36:询价前时点,模型选择与样本内参数调优结果
资料来源:Wind,中金公司研究部
图表37:询价前时点,各模型预测结果的分组展示
资料来源:Wind,中金公司研究部
图表38:询价前时点,新股首日涨幅预测模型的特征重要性排序输出结果
资料来源:Wind,中金公司研究部
图表39:询价前时点,各模型预测新股是否上市首日破发的样本外效果统计
资料来源:Wind,中金公司研究部
全面注册制背景下的网下打新参与策略探讨
图表40:2023年4月以来,新股首日涨幅预测情况展示
资料来源:Wind,中金公司研究部;备注:仅统计新股上市日在2023年4月1日至2023年5月10日的网下发行注册制新股;各维度得分计算方式详见“注册制新股首日涨幅影响因素”章节
Source
文章来源
本文摘自:2023年5月31日已经发布的《网下打新:全面注册制时代,如何预测新股上市首日涨幅?》
联系人 李钠平 SAC 执业证书编号:S0080122070045
分析师 胡骥聪 SAC 执业证书编号:S0080521010007 SFC CE Ref:BRF083
分析师 刘均伟 SAC 执业证书编号:S0080520120002 SFC CE Ref:BQR365
Legal Disclaimer
法律声明
联系客服