证券虚假陈述民事赔偿案件系统风险扣除的量化模型与司法实践研究

摘要

本报告旨在深入探讨证券虚假陈述民事赔偿案件中系统风险扣除的量化模型及其在中国的司法实践。研究发现，理论界与金融实务界已发展出包括多因子模型、CoVaR、SRISK等在内的复杂量化模型用于衡量系统性风险，但这些模型尚未被中国司法系统直接采纳用于损失计算。司法实践层面，尽管最高人民法院的司法解释确立了扣除系统风险的原则，但并未出台统一的计算标准，导致各地法院在裁判方法上存在显著差异。当前，司法实践正从早期的酌情裁量，向更为量化和精细化的方向演进，以上海金融法院为代表的专门性法庭在“同步指数对比法”等方法的应用上做出了积极探索，并日益依赖第三方专业机构出具的分析报告。然而，裁判标准的统一性与科学性仍是该领域面临的核心挑战。本报告将首先分析量化模型的理论框架，随后详细对比不同法院的司法实践与裁判标准，以期为该领域的未来发展提供参考。

引言

在证券虚假陈述引发的投资者索赔诉讼中，如何科学、公正地界定并扣除由市场整体波动（即系统风险）所造成的损失，是确定被告赔偿责任范围的核心与难点。错误地将全部投资损失归因于虚假陈述行为，有违民法上的因果关系与损失填平原则；而如何量化这一风险，则直接考验着司法裁判的专业性与准确性。

近年来，随着中国资本市场法治建设的不断深入，法院普遍认可了在计算投资者损失时应当扣除系统风险影响的原则 。然而，从理论模型到司法裁判之间存在一道巨大的鸿沟。一方面，金融经济学界开发了诸多复杂的量化模型来识别和度量系统风险；另一方面，司法实践由于缺乏明确统一的法律指引，在具体扣除方法的选择和应用上呈现出多样化甚至碎片化的特征 。

本报告以2025年11月的视角，旨在系统梳理用于系统风险分析的多因子量化模型，并深入剖析中国不同法院在系统风险扣除问题上的司法实践、裁判方法与标准差异，以揭示当前存在的问题与未来的发展趋势。

第一部分：系统风险扣除的量化模型理论与应用

在金融理论中，一项资产的收益率波动可以分解为由市场整体因素驱动的系统性风险（Systematic Risk）和由公司自身因素导致的非系统性风险（Unsystematic Risk）。量化模型的核心目标便是将这两种风险进行剥离。

1.1 多因子模型的基本原理与结构

多因子模型是现代量化金融的基石，其基本思想是，资产的预期收益并不仅仅由单一的市场风险（如资本资产定价模型CAPM）决定，而是由一系列能够解释收益率差异的共同“因子”驱动 。其通用表达式为：

Rᵢ = αᵢ + β₁F₁ + β₂F₂ + ... + βₙFₙ + εᵢ

其中，Rᵢ是个股收益率，F是各类风险因子，β是股票在相应因子上的暴露度（因子载荷），αᵢ是超额收益，而εᵢ则是无法被因子解释的残差项，代表了个股的非系统性风险。在证券虚假陈述案件中，理论上可以将由因子F解释的部分视为系统风险导致的波动，而将与虚假陈述行为相关的异常波动归入残差项εᵢ中进行分析。

常见的因子类型包括：

• 宏观经济因子： 如利率、通货膨胀率、GDP增长率等。

• 市场因子： 如大盘指数的整体回报率。

• 风格因子（Fama-French模型族）： 最著名的包括市场因子（Market）、规模因子（SMB, Small Minus Big）、价值因子（HML, High Minus Low） 。后续的五因子模型进一步加入了盈利因子（RMW, Robust Minus Weak）和投资因子（CMA, Conservative Minus Aggressive） 。

• 技术因子： 如动量（Momentum）、波动率、流动性等 。

1.2 模型参数设定与数据来源

多因子模型的有效性高度依赖于其参数设定，但这并非一个有固定答案的过程。

• 因子选择： 因子的选取需要基于经济学理论和实证检验，并应与特定市场环境相适应。例如，Barra公司针对中国市场开发的CNE5模型就包含了特定的国家因子和行业因子 。

• 参数估计： 模型的参数（即因子载荷β）通常通过对历史数据进行时间序列回归或截面回归来估计，常用的方法包括普通最小二乘法（OLS）、广义最小二乘法（GLS）等 。这意味着参数值是动态变化的，而非固定不变的。

• 数据来源与估计窗口： 在中国市场进行研究时，常用的学术和金融数据库包括Wind（万得）和CSMAR（国泰安） 。估计窗口（即用于回归的历史数据长度）的选择对参数的稳定性至关重要，但并无统一标准。

值得注意的是，尽管多因子模型在理论上为剥离系统风险提供了严谨的框架，但搜索结果显示，在中国司法实践中，几乎没有判例直接、完整地运用Fama-French等多因子回归模型来计算具体的扣除比例。其复杂性、对数据和参数设定的高要求，以及模型选择本身可能带来的争议，使其难以直接转化为法庭上易于理解和接受的裁决依据。

1.3 衡量系统性风险的特定指标模型

除了通用的多因子模型，金融学界还发展出一些专门用于衡量系统性风险贡献度和传染性的指标模型，这些模型更多地应用于宏观审慎监管和金融稳定性研究。

• CoVaR (Conditional Value-at-Risk): 衡量在特定机构陷入困境时，整个金融系统所面临的风险价值 。ΔCoVaR则进一步度量了单个机构对系统风险的边际贡献。

• MES (Marginal Expected Shortfall): 测量当市场整体遭遇极端下跌时，单个金融机构的预期损失 。

• SRISK (Systemic Risk Measure): 用于衡量一家金融机构在系统性危机事件中的预期资本短缺 。

这些模型在识别系统重要性金融机构（SIFIs）等方面发挥着重要作用 。然而，与多因子模型类似，SRISK、CoVaR等先进模型目前主要停留在学术和监管研究层面 。搜索结果中未发现任何中国法院在判决中直接引用或依据这些模型进行损失认定的案例 。这表明，尽管理论工具箱非常丰富，司法实践出于对可操作性、透明度和普适性的考量，倾向于采用更为直观的方法。

1.4 监管机构的立场与指引缺失

在探究模型应用时，监管机构的态度至关重要。然而，对中国证监会（CSRC）、中国人民银行（PBOC）等机构自2020年以来发布的相关文件的检索显示，目前尚无任何官方文件明确规定或推荐在证券诉讼的损失计算中使用特定的多因子量化模型来进行系统风险扣除 。监管文件更多地关注金融机构自身的风险控制指标和系统性风险的宏观监测 并未深入到为司法个案提供具体计算工具的层面。这一“监管空白”也解释了为何法院在该问题上拥有较大的自由裁量权，并导致了实践中的标准不一。

第二部分：系统风险扣除的司法实践与裁判标准

与理论模型的复杂性形成对比，中国的司法实践在系统风险扣除问题上展现出一种实用主义和渐进式的发展路径。其核心特征是从“是否扣除”的原则性争议，演变为“如何扣除”的方法论探索。

2.1 司法实践的演进与共识

早期司法实践中，对于是否应扣除系统风险存在较大分歧 。但近年来，随着《证券法》的修订以及相关司法解释的出台，扣除系统风险已成为绝大多数法院的共识 。最高人民法院在相关判例（如“大智慧案”再审裁定）中虽未给出具体计算方法，但也明确承认了扣除的必要性，并指出“尚无确切证据证明某种系统风险扣除的计算方式是完全客观、科学、准确的” ，这为下级法院的探索留下了空间。

2.2 主流裁判方法比较分析

在缺乏统一计算公式的背景下，各地法院在实践中形成了多种裁判方法：

1. 酌定比例法 (Discretionary Method): 法官根据案件具体情况，如虚假陈述的严重程度、市场波动情况等，直接酌情确定一个扣除比例，如10%、20%等 。此方法简单直接，但主观性强，缺乏量化依据和透明度，易引发争议。

2. 指数对比法 (Index Comparison Method): 这是目前司法实践中最为核心和普遍接受的量化方法。其基本逻辑是通过比较个股跌幅与相关市场或行业指数的跌幅来量化系统风险的影响。该方法内部又可细分为多种具体计算方式：

   • 直接比例法： 将指数在相应区间的跌幅直接作为扣除比例 。这种方法过于简化，未考虑个股与指数波动的关联性。

   • 相对比例法 / 个体相对比例法： 以指数跌幅占个股总跌幅的比例作为扣除比例 。计算公式一般为：扣除比例 = 指数跌幅 / 个股跌幅。此方法将个股自身波动纳入考量，相对更为科学。

   • 同步指数对比法 (Synchronous Index Comparison Method): 这是相对比例法的进一步精确化，强调在严格对齐的“损失计算期间”内进行比较。法院会选取一个或多个基准指数（如大盘指数、行业指数），计算在此期间内指数和个股的累计跌幅，并以此为基础确定扣除比例 。该方法因其逻辑清晰、数据可得，正逐渐成为主流。

2.3 不同法院的裁判标准差异与代表性案例

由于缺乏顶层设计的统一标准，不同法院，特别是金融审判经验丰富的法院，形成了各具特色的裁判路径。

• 上海金融法院：实践创新的引领者 上海金融法院在该领域走在了全国前列。在“方正科技案”中，法院没有简单采用单一指数，而是综合选用了上证综合指数、申万一级行业指数和申万三级行业指数，最终采纳三个指数跌幅的平均值与个股跌幅进行对照，体现了精细化的审理思路 。该院还率先引入并规范了“同步指数对比法”和“收益率曲线同步对比法” 甚至对外公布了包含具体计算公式的系统风险扣除参考标准 ，极大地提升了裁判的透明度和可预期性。

• 广州市中级人民法院：重大案件中的方法应用 在社会影响巨大的“康美药业案”中，广州中院采纳了由中证中小投资者服务中心委托专业机构测算的“个体相对比例法” 。该案的特点是明确选取了与公司主营业务高度相关的“医药生物（申万）指数”作为参考基准，这突显了在指数选择上应遵循“关联性优先”原则的司法观点 。

• 山东省高级/青岛市中级人民法院：多元化指数体系的探索 在“恒顺众昇案”中，青岛中院采用了“同步指数法”，并创造性地使用了“3+X”组合指标体系作为参考，即同时考虑大盘指数、行业指数、H股指数等多个维度的指数表现 。这反映了法院试图通过更多元的参照系来更全面地捕捉市场影响，以避免单一指数的局限性。

2.4 第三方专业机构的角色与采信标准

面对系统风险计算的专业性和复杂性，委托第三方专业机构进行测算已成为一种重要趋势 。法院倾向于委托如交易所、中证中小投资者服务中心、金融研究院等具有公信力的机构出具专项报告 。这有助于弥补法官在金融领域的专业短板，增加裁判的科学性和中立性。然而，这也带来了新的问题：第三方机构自身采用的模型和计算标准也并不统一，其报告的论证过程是否充分透明，法院对其采信标准如何把握，仍需进一步规范。最高人民法院在相关裁定中认可上海金融法院委托第三方进行测算并采用“同步指数对比法”的做法，认为其“科学精确、覆盖面广、现实可行” ，这为该模式提供了有力的背书。

2.5 法律依据的现状与展望

截至2025年11月，我国尚未出台专门针对系统风险扣除计算方法的司法解释或指导性案例 。2022年1月发布的《最高人民法院关于审理证券市场虚假陈述侵权民事赔偿案件的若干规定》虽然明确了系统风险是投资者损失的扣除项，但并未提供具体的操作指引。

展望未来，司法实践正朝着更加科学、量化、精细的方向发展。最高人民法院与中国证监会已在相关文件中提出要“统一……系统风险和非系统风险计算指标选取等基本规则” ，这预示着顶层设计有望在未来得到加强。统一裁判标准，明确指数选择的基本原则（如关联性、市场代表性）、损失计算区间的界定方法以及关键参数的设定，将是减少司法争议、保护投资者合法权益、维护市场秩序的必然要求。

结论

本研究报告揭示了系统风险扣除在理论模型与司法实践之间的“二元结构”。一方面，金融学界拥有成熟且复杂的多因子模型和风险度量工具，但因其专业壁垒和操作复杂性，未能直接应用于司法裁判。另一方面，中国司法实践在缺乏统一法律规范的背景下，通过个案探索，逐步从主观酌定走向以“同步指数对比法”为代表的量化分析路径，并通过引入第三方专业机构来提升裁判的科学性。

以上海金融法院为代表的司法机构在方法论创新上发挥了关键的引领作用。然而，不同法院在指数选择、计算公式和裁量尺度上的差异依然显著，导致同案不同判的风险依然存在。

截至2025年末，该领域的核心挑战依然是建立一套既科学严谨又能在司法层面普遍适用的统一标准。未来的发展方向可能在于：由最高人民法院出台更为细化的司法解释或指导性案例，对指数选取原则、计算期间的界定等关键环节予以明确；同时，推动第三方专业机构形成行业性的测算标准与最佳实践，以增强其报告的公信力和一致性。只有这样，才能最终弥合理论与实践的鸿沟，实现证券侵权赔偿案件中系统风险扣除的规范化与科学化。