ST、退市与风险警示：股票也有"病历本"
我的掌握程度：
先掌握这个答案
风险警示阶梯：①ST：财务异常（连续亏损等），±5%涨跌停；②*ST：退市风险警示，随时可能终止上市；③退市整理期：最后交易窗口后摘牌，股票转入三板（流动性几近枯竭）。量化惯例：选股池剔除ST/*ST/退市整理股，理由=退市归零风险+流动性枯竭+涨跌停规则不同（回测复杂度）。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 把行情数字变成可比较的收益
看股票、基金或策略业绩时，先对齐本金、起止日期、现金流与费用。
- 选一个固定区间，记录期初价值、期末价值、分红、出入金和交易费用。
- 没有中途出入金时，用（期末价值＋已取出分红－期初价值－费用）÷期初价值计算收益；有出入金时先区分时间加权与资金加权。
- 用相同区间的基准作比较，同时记录最大亏损；不要单凭一次盈利评价能力。
使用边界
- 不同期限的收益不可直接排名；年化只是换算，不是未来收益承诺。
- 模拟价格不是实时行情。普通股票交易手数、T+1和费用应按具体市场规则核对。
背景 · 从一个困惑说起
一家公司连续亏损、财报造假或资金链断裂，交易所给它戴帽：股票简称前加上ST（特别处理），涨跌幅限制降到±5%，投资者被明确警告「这家公司有病」。
由此产生的问题
ST和退市的规则是什么？为什么几乎所有量化选股池都把ST剔除？「壳价值」的兴衰说明了什么？
核心概念
风险警示阶梯：①ST：财务异常（连续亏损等），±5%涨跌停；②*ST：退市风险警示，随时可能终止上市；③退市整理期：最后交易窗口后摘牌，股票转入三板（流动性几近枯竭）。量化惯例：选股池剔除ST/*ST/退市整理股，理由=退市归零风险+流动性枯竭+涨跌停规则不同（回测复杂度）。
为什么需要它
①尾部毁灭风险：退市股动辄-90%，一只就能摧毁组合年度业绩；②历史注脚：A股曾有「壳价值」——亏损公司因上市资格稀缺而值30亿+，炒壳盛行；注册制（2019+）+退市常态化让壳价值崩塌，「炒差」策略在2021年后被系统性埋葬——制度变迁重塑策略有效性的教科书案例；③数据完整性：退市股常被数据库遗漏→幸存者偏差（q-067）。
实际应用场景
选股池过滤代码：剔除 name含'ST'、上市<120日、停牌（三件套是阶段4的必修）；财务排雷因子（应计利润、审计意见）规避准ST。
与之前知识的联系
q-039的财报概念在此变成「病历本」：连续亏损→ST→退市的阶梯。q-046停牌常与ST伴生。记住结论：散户碰ST是赌博，量化剔ST是纪律。
⚠ 常见误解
- ST便宜是机会：低股价≠低估值，退市归零是真实的尾部；「摘帽行情」存在但属于高风险事件博弈
- 退市了还能等回主板：退市整理期后进三板，流动性几乎为零，「等」的代价是资金永久占用
- 剔除ST会错过收益：历史上小盘含ST策略在2016年前有超额（壳价值），注册制后是毒药——规则环境变了，答案就变了
🛠 本题实践任务
在行情软件找一个ST板块，任选3只看：股价、市值、最近一年跌幅。再查一只已退市股票（如乐视网）的最终价格与退市过程。
💡 提示（先自己想5分钟再看）
乐视网2020年退市，退市前股价从最高44元跌至约1元附近；ST板块行情软件有专门列表。
✅ 验收标准
三只ST股数据+一只退市股的结局记录。问自己：年化多高的收益才值得承担「归零」的尾部？
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（涨跌停、财报），再用案例、公式和代码帮助理解。此功能需要先启用服务。