一只刚上市、几乎没有价格历史的股票，遇到市场抛售时会和谁一起跌？传统方法通常要从过往收益中估算相关性——也就是两项资产是否经常同涨同跌。历史不够长，压力测试便少了一块关键拼图。
据 Risk.net 报道，一种新方法绕开了这道门槛：用公司规模、盈利、杠杆和行业等变化较慢的基本面数据训练神经网络，让模型学习从公司特征到资产相关结构的对应关系。报道援引量化研究者称，这种只依赖基本面的模型，在判断哪些股票可能同步下跌时，可达到传统方法的水平，也能为没有收益历史的标的生成假设性压力情景。
它的价值不在于预言哪天会崩盘，而是让新品种也能进入“如果冲击发生，组合会怎样受损”的演练。需要保留的是，现有材料没有披露样本范围、评价指标和具体结果数字，因此模型在不同市场与极端行情下是否稳定，暂时无法判断。