主要行业
点击进入可选择细分行业
【免责条款】
1. 用户直接或通过各类方式间接使用慧博投研资讯所提供的服务和数据的行为,都将被视作已无条件接受本声明所涉全部内容;若用户对本声明的任何条款有异议,请停止使用慧博投研资讯所提供的全部服务。
2. 用户需知,研报资料由网友上传,所有权归上传网友所有,慧博投研资讯仅提供存放服务,慧博投研资讯不保证资料内容的合法性、正确性、完整性、真实性或品质;
3. 任何单位或个人若认为慧博投研资讯所提供内容可能存在侵犯第三人著作权的情形,应该及时向慧博投研资讯提出书面权利通知,并提供身份证明、权属证明及详细侵权情况证明。慧博投研资讯将遵循"版权保护投诉指引"处理该信息内容;
4.本条款是本站免责条款的附则,其他更多内容详见本站底部《免责声明》;
本篇报告主要研究了企业转债的下修问题,包括下修的流程、规则以及对下修时机的择时分析。http://www.hibor.com.cn【慧博投研资讯】
新规下修披露要求:报告首先介绍了企业转债下修的一般流程,包括在符合特定条件时,公司董事会可以提出转股价格下修方案,并提交给股东大会审议。http://www.hibor.com.cn(慧博投研资讯)之后比较了新规出台前后企业转债下修流程的不同,指出新规对信息披露提出了更高的要求,以增加交易的透明度。并通过两个案例分析(奇正藏药和众兴菌业)展示了新规下企业转债下修流程的实际操作。
拟合数据选取:在下修择时部分,我们采用了Logit模型来进行下修择时的分析,以预测现存转债的下修概率。我们根据公司公告手动整理了2018年至2023年间市场现存的566只转债的下修触发记录,总计843条数据。这些数据包括触发日期、实际下修日期、修正前后的转股价格等信息,之后我们从不同角度对数据进行了描述性统计。为了进行Logit模型拟合,数据被进一步限定在2022年8月至2023年12月之间,总计753条数据,确保样本在新规出台后的环境中进行分析。
具体模型结果:在模型中,以是否下修作为二元因变量(1表示执行下修,0表示未执行下修),解释变量包括前十大股东持股比例合计、扣非归母净利润增长、触发后一周正股涨跌幅、剩余期限、资产负债率、转股价值、对流通股稀释率等,这些都是基于先前研究和市场常识选定的。实际操作中通过Python的statsmodels库来实现模型的构建和估计,初步的分析结果表明,剩余期限、转股价值、对流通股稀释率三个变量对于下修决策影响显著。之后我们通过不同变量组合代入模型比较得到了效果更好的模型,即将初步回归中显著性较强的三个指标单独代入逻辑回归模型进行模型拟合,结果表明这三个变量对下修决策的影响在0.1%的置信水平下均统计显著。
下修预测结果:在下修预测部分,我们筛选了在3月26日触发进度达到100%的356只转债作为研究样本。通过应用后续进一步调整得到的Logit回归模型,对每只转债的下修概率进行了预测。预测结果表明下修概率最高的五只转债分别是重银转债、文科转债、帝欧转债、中装转2和富春转债。
风险提示:模型预测准确性风险、市场波动性风险、转债下修决策的不确定性
为了完善报告评分体系,请在看完报告后理性打个分,以便我们以后为您展示更优质的报告。
您也可以对自己点评与评分的报告在“我的云笔记”里进行复盘管理,方便您的研究与思考,培养良好的思维习惯。
正在加载,请稍候...