【研报分享】银河证券:策略研究报告模板 经典模型系列之一:基于 Beneish 模型的 A 股指数增强策略

指数增强
标签: #<Tag:0x00007fc05c6273b0>

(Jasperzm) #1

银河证券:策略研究报告模板 经典模型系列之一:基于 Beneish 模型的 A 股指数增强策略

报告目的 通过对西方经典财务模型 Beneish 模型的理论研究,将理论模 型重构且用于 A 股个股分析,以找出财务稳健的个股组合进行指数增强。

报告内容 报告首先分析了以下分类指标在 A 股上的应用:
1) 可调整的资产负债表指标(DSRI、AQI、TATA)
2) 可调整的费用类指标(DEPI、SGAI)
3) 可调整的收入类指标(GMI、SGI)
4) 应该调整的杠杆率指标(LVGI) 然后通过指标组合将 M Score 模型重构成 M Score模型: M Score=91.07-22.9×GMI-49.91×AQI+35.21×SGI-18.17×LVGI

策略效果 组合由市场 5 分之 1 的个股组成,2009 年以来每年的对冲收 益均在 5%以上,月度胜率 68%,季度胜率 90%,年度胜率 100%。

一、Beneish 模型

Beneish 模型是一个西方金融市场上常用的财务模型,它通过分析公司的财务指标,对公 司的财务合理程度进行打分,从而判断一家公司是否有认为操控盈利数据、财务报表作假的现 象。虽然如今的金融市场发展迅速,相关的法律监管越来越完善,公司财务报表作假的现象正 在逐渐改善,但财务操纵的行为在整个世界范围内还是依然存在的。为了保护投资者的权益, 提高监管效率,Beneish 模型对于检验上市公司财务数据的有效性,检验市场信息的对称性是 十分有意义的。
Beneish 模型是由 Messod D. Beneish(1999)在文章中提出的,文中模拟建立了一个检测 利润操纵的模型,模型的变量用来补货利润操纵的可能结果或是可能促使公司进行利润操纵的 先决条件。该模型通过对公司的一些财务比率进行分析计算,为公司进行打分,称为 M 打分 法,其具体的加权打分计算方式如下:
MScore=-4.840+0.920×DSRI+0.528×GMI+0.404×AQI+0.892×SGI+0.115×DEPI-0.172×SGAI -0.327×LVGI+4.697×TATA
分数越高,表明一家公司财务操纵的可能性越大,通常当 M Score 大于-2.22 则认为公司 很有可能出现了财务操纵的行为。综合考虑以上 8 个指数,历史研究证明该模型可以较有效地 判断公司是否有财务操纵行为。其中打分计算中各个指数的系数,是其论文中以 1982-1992 年被美国证监会(SEC)查处的 74 家财务造假公司为观察样本,按照行业和年度配比了 2332 个控制样本,通过统计估计而得来的。
由此可见,该打分方法主要综合考虑了 8 个财务指标,以下部分将分别对这 8 个财务指标 进行说明,以及测试其在中国 A 市场上的效果。

二、子财务指标的说明及其在 A 股市场的效果分析

我们按照财务指标的性质结合原公式的思想可分为以下几类:
1) 可调整的资产负债表指标(DSRI、AQI、TATA)
2) 可调整的费用类指标(DEPI、SGAI)
3) 可调整的收入类指标(GMI、SGI)
4) 应该调整的杠杆率指标(LVGI)
下文将按照以上顺序进行各指标的讲解及其在 A 股市场的效果分析:

(一) 可调整的资产负债表指标

1、DSRI(Days’ sales in receivable index):应收账款指数
计算公式:DSRI=(本期应收账款⁄本期营业收入)/(上期应收账款⁄上期营业收入)
显然 DSRI 指数过高,表明公司可能操控应收账款项目来对营业收入与利润进行控制。
以下部分我们在全 A 里面选股,按照 DSRI 指标从小到大排序,分为五组(1/5 为指标最 小的组别,以此类推),各组别的净值走势如下:从图中可知,本期应收账款比例向下变动的 组别更受 A 股投资者欢迎,因为公式中系数为正数,所以 A 股中效果也和公式原理念相统一。


2、AQI(Asset quality index):资产质量指数
计算公式:AQI=本期非实物资产比例/上期非实物资产比例
AQI 指数检测公司是否可能通过操控非实物资产项目来控制利润率。
以下部分我们在全 A 里面选股,按照 AQI 指标从小到大排序,分为五组(1/5 为指标最 小的组别,以此类推),各组别的净值走势如下:从图中可知,本期非实物资产比例向下变动 的组别更受 A 股投资者欢迎,因为公式中系数为正数,所以 A 股中效果也和公式原理念相统 一。

3、TATA(Total accruals to total assets):总应计项
计算公式:TATA=应计项/总资产
=((∆流动资产-∆货币资金)-(∆流动负债-∆一年内到期长期负债-∆应交税费)-折旧费用)/总资产
TATA 指数检测公司的非货币类的流动资产、流动负债有无异常变动情况,因为非货币类 或长期应计项的认为操控也可以直接影响到最终的利润结果。
以下部分我们在全 A 里面选股,按照 TATA 指标从小到大排序,分为五组(1/5 为指标最 小的组别,以此类推),各组别的净值走势如下:从图中可知,该因子在 A 股中的区分度并不 高。

(二) 可调整的费用类指标

1、DEPI(Depreciation index):折旧率指数
计算公式:DEPI=(上期折旧费用⁄上期固定资产原值)/(本期折旧费用⁄本期固定资产原值)
DEPI 指数检测公司的折旧处理是否在合理范围内。
因为折旧费用在报表中较难获得,本费用类指标暂不考虑。
2、SGAI(Sales and general and administrative expenses index):销售 管理费用指数
计算公式:SGAI=(((本期管理费用+本期销售费用))⁄本期营业收入)/(((上期管理费用+上期 销售费用))⁄上期营业收入)
SGAI 指数检测公司的费用数据是否合理,检测公司是否有可能通过减少费用报告来操纵 利润数据。
以下部分我们在全 A 里面选股,按照 SGAI 指标从小到大排序,分为五组(1/5 为指标最 小的组别,以此类推),各组别的净值走势如下:从图中可知,本期管理销售费用比例向下变 动的组别更受 A 股投资者欢迎,因为公式中系数为负数,所以 A 股中效果也和公式原理念相 反。原因是公式认为费用比例越高财务可信度更高,而在发展中的 A 股市场,费用所占的比 例降低反而说明公司收入增加或成本控制能力强,更受投资者欢迎。

(三) 可调整的收入类指标

1、GMI(Gross margin index):毛利率指数
计算公式:GMI=上期毛利率/本期毛利率
GMI 指数检测毛利率是否有异常变化。当毛利率指数大于 1 时,意味着毛利率缩小了。 原公式认为毛利率缩小是一个消极的信号,前景不明朗的企业更有可能操纵盈余。
以下部分我们在全 A 里面选股,按照 GMI 指标从小到大排序,分为五组(1/5 为指标最 小的组别,以此类推),各组别的净值走势如下:从图中可知,本期毛利率向上变动的组别更 受 A 股投资者欢迎,因为公式中系数为正数,所以 A 股中效果也和公式原理念相统一。


2、SGI(Sales growth index):营业收入指数
计算公式:SGI=本期营业收入/上期营业收入
SGI 指数检验营业收入是否有异常变动,操控利润通常都要通过操控营业收入。销售增长 指数指第本期的销售额与上期的销售额的比率。如果比例增长并不意味着操纵收益,但因为增长中的公司更加容易有财务报表操纵的动力和压力。
以下部分我们在全 A 里面选股,按照 SGI 指标从小到大排序,分为五组(1/5 为指标最小 的组别,以此类推),各组别的净值走势如下:从图中可知,本期营业收入向下变动的组别更 受 A 股投资者欢迎,因为公式中系数为正数,所以 A 股中效果也和公式原理念相统一。

(四) 应该调整的杠杆率指标

1、LVGI(Leverage index):财务杠杆指数
计算公式:LVGI=本期资产负债率/上期资产负债率
LVGI 指数检测公司的债务状况有无变动。原公式认为如果本期负债率上升,财务操纵的 可能性是降低的,因为发展中公司偏向于借债,偿还能力佳,并且将负债显示在报表上更加增 加财务可信度。
以下部分我们在全 A 里面选股,按照 LVGI 指标从小到大排序,分为五组(1/5 为指标最 小的组别,以此类推),各组别的净值走势如下:从图中可知,本期资产负债率上升的组别更 受 A 股投资者欢迎,因为公式中系数为负数,所以 A 股中效果也和公式原理念相统一。

三、函数重构及策略效果

通过以上子指标在A股上的分组验证,我们可以发现大部分的指标在分组上均是有效的。 以下部分我们基于原 Beneish 模型的子指标,通过回归的方法确定系数,以形成适合 A 股市场 的 M score 打分。

(一)函数重构

1、确定子指标数值
下表中为各个子指标数值的分布情况,可以看到七个指标的数值基本上分布在(-0.5,1.5) 这个区间之内。所以我们不需要再进行更多的数学调整以统一单位,大于 1.5 的指标我们设为 1.5,小于-0.5 的指标设为-0.5。


2、降低指标间线性关系
确定了指标数值以后,我们可计算各个指标之间的相关性系数,如下表所示:为了减少多 重共线性给回归带来的影响,我们将在 DSRI,SGI,DSRI 选取一个因子(相关性高的子指标, 黄色标注)

3、考虑区分度
我们按照区分度的好坏给因子加减分,以看其是否应该留在 M score 的计算公式中。其中 区分度计算公式为:∑|(组 t 净值-组 t-1 净值) |。如果区分度越高,我们越偏向留下该因子。
打分后按照区分度排序如下所示:
LVGI>SGI>GMI>DSRI>AQI>SGAI>TATA
因为 TATA 效用较低,且 TATA 和 SGI 因子的线性关系处于中等偏上程度,可考虑:只选 取 SGI 一个因子,并且同时还降低了线性关系。
4、确定回归函数
通过上三步的考量,我们可以将 M score 打分公式变为以下我们认为教适用于 A 股市场的 公式:
M Score=B0+B1×GMI+B2×AQI+B3×SGI+B4×LVGI
我们认为 M score 的打分应该与公司的财务稳健程度是线性关系,而同时稳健程度与财务 报表后的股票走势也是正相关的关系。所以我们将 M socre 映射成为报表后的股票收益率,也 就是回归公式变更为:
Return=B0+B1×GMI+B2×AQI+B3×SGI+B4×LVGI
这样我们就能通过多元线性回归确定系数,形成我们的 M Score的打分公式:
M Score
=91.07-22.9×GMI-49.91×AQI+35.21×SGI-18.17×LVGI

(二)策略步骤

基于前文对因子分析结果,M score指数增强策略步骤如下(换仓成本:双边 0.1%;换 仓周期:5 个交易日):
1) 股票池由全 A 股组成,使用个股最新的报表数据计算 M Score

2) 按照 M Score*从大到小排序取 5 分之一的个股,形成股票池;
需要注意的是,股票池中个股一旦买入均持有到卖出日才卖出,中间只调整权重,持仓时间 平均为一个季度。

(三)策略效果

下图分别为策略扣费后的净值以及相对于中证 500 的超额收益。效果图可见超额收益累计 是十分稳定的。


(四)相关评测

策略对中证 500 的胜率较高,月度胜率为 68%,季度胜率为 90%。从股票数量上看平均 股票数量在 300 只个股,站在对冲的角度风险是可控的。换手率每年均呈现较为平均的分布, 因而总体换手率不高,双边年换手率大约在 3 倍左右。行业和市值上看,行业和市值均与中证 500 的行业差异不大。

作者:银河证券金融工程团队