• 财务造假与负alpha背景引发指数化投资偏好 [page::1]

- 2018年个股亏损严重，92%个股收益为负，其中69%亏损超25%。
- 主动型投资难以持续alpha，投资者转向低风险指数产品。

• 财务异常因子构建及指标体系梳理 [page::5][page::6]

| 财务表 | 科目 | 指标 |
|------------|------------|---------------------------|
| 资产负债表 | 货币资金 | 利息收入比货币资金TTM |
| | 应收账款 | 应收账款比营收（单季度） |
| | 其他应收款 | 其他应收款占比应收款 |
| | 预付账款 | 预付账款比营收（单季度） |
| | 流动资产 | 流动比率 |
| | 固定资产 | 固定资产比营收（单季度） |
| | 存货 | 存货比营收（单季度） |
| | 短期债务 | 短期债务占比 |
| 利润表 | 毛利率 | 毛利率 |
| 现金流量表 | 筹资现金流 | 营收比筹资活动现金流量净额|

• 主要财务异常因子多空收益表现及改进 [page::6][page::7][page::8][page::9][page::10][page::11]

- 利息收入比货币资金因子：多空收益年化累计达约25%，改进的排名变化方法显著提升效果。
- 应收账款比营收因子：排名变化后多空收益年化约-6%。
- 其他应收款比应收账款、预付账款比营收及占流动资产比均表现明显负收益，显示财务异常。
- 固定资产、存货比营业收入因子多空收益均显著多头组合为负，说明此类异常信号预示负收益。

• 复合因子策略构建与表现 [page::14][page::15]

- 等权复合五因子组合多空收益表现优异，年化收益达-8%。
- 财务异常信号尾部个数越多，组合表现越差，个数≥7时年化收益超过-14%，2012年以来胜率100%。
- 多头组合负收益绝对值大于空头正收益，建议使用多头端剔除亏损风险股票。

• 监管机构关注重资产与应收账款异常体现财务风险 [page::3][page::4][page::5]

- 问询函重点聚焦资产负债表项目，确认存货、应收账款、固定资产等真实性。
- 资产负债表反映静态结果，监管成本低，财务造假最易从中暴露端倪。
- 案例：江苏雅百特存货及应收账款占比异常且增速远超营业收入。

• 量化视角系统挖掘财务异常因子，辅助构建负面清单风险管理策略 [page::16]

- 报告为系列开篇，后续将扩展更多角度负alpha因子研究。

【建投金工丁鲁明团队】深度专题75：负alpha专题系列一——从财务角度构建负面清单的详尽分析

---

一、元数据与报告概览

• 报告标题：深度专题75：负alpha专题系列一：如何从财务角度构建负面清单？

- 作者与团队：丁鲁明、郭彦辉，鲁明量化全视角团队

• 发布机构：中信建投证券研究发展部

- 发布日期：2019年8月16日

• 研究主题：挖掘带来负alpha的财务异常因子，构建投资组合的负面清单以规避风险。

- 核心论点：
- 资本市场个股爆雷风险激增，投资者逐渐倾向指数化投资，迫切需要构建能够识别负alpha的因子来规避投资风险。
- 重点从财务报表特别是资产负债表角度，筛选暴雷可能性较大的因子，如应收账款比营业收入、固定资产比营业收入、存货比营业收入等。
- 财务异常因子的构建及组合有效识别负收益股票，可为市场投资者提供风险剔除工具。

• 主要结论：

- 应收账款比营收、固定资产比营收、存货比营收三大因子表现最优，单因子年化负多空收益率超过5%。
- 多因子等权复合因子年化多空收益率约-8%，尾部因子数（异常信号）超过7的组合年化负收益达到-14%，展示高度的负alpha特性。
- 通过排名和中性化处理，因子效果得以显著提升。

此专题开启负alpha因子研究系列，为市场提供了从财务视角筛选避雷股的实用框架与工具。[page::0,1,5,6,13,14,15,16]


---

二、逐节深度解读

2.1 研究背景与意义

• 个股频频暴雷背景：

- 2018年以长生生物、坚瑞沃能、康得新及康美药业为例的个股财务造假案件频发，凸显投资个股风险巨大，指数化投资日益流行。
- 2018年A股市场约92%个股录得负收益，69%个股跌幅超过25%，体现市场艰难环境及极端波动（图1）[page::1,2]。
- 创业板2018年商誉减值损失（517亿）超过净利润（300亿）的两倍，暗示健康财务指标被严重侵蚀（图2）[page::2]。

• ETF及指数投资兴起：

- 股票型ETF新增数量和规模近年来明显增长，尤其2019年基金新成立中有50%为ETF，投资者趋向选择风险分散的指数产品避免踩雷（图3，图4）[page::2,3]。

• 控制亏损的投资哲学：

- 引用巴菲特“永远不要亏损本金”原则，指出负收益的累积效应及难以逆转，强调从根源避免亏损的重要性而非试图后期弥补（举例说明即使50%盈利率依然难保资本不缩水）[page::3]。

• 负alpha研究的迫切性与目标：

- 负alpha因子研究旨在提前识别可能带来亏损的股票，为投资者提供风险避让清单。本文即基于财务异常指标进行负alpha探索。[page::1,3,16]

• 典型财务造假案例分析——江苏雅百特：

- 雅百特因财务造假退市风险曝出，主要手法为虚构合同、虚增应收及存货，其存货与应收占资产高达80%，2015-16年应收账款激增远超营收，显著财务异常表明负面清单因子应包括应收账款与存货类指标（图5，图6）[page::3,4]。

2.2 监管关注与问询函重点分析

• 2019年5月，三安光电、四川金顶等公司收到深交所问询函，焦点集中于资产负债表科目如应收账款、存货、预付款项、固定资产等异常指标，充分体现对财务表项真实性的监管重点[page::4,5]。
• 财务造假传导链条：

- 利润表造假靠虚增收入、虚减成本，资产负债表受影响，尤其货币资金、应收账款、固定资产和存货等科目明显偏离正常逻辑，成为监管重点（图7）[page::5]。

• 监管关注资产负债表主要是因为其中科目属静态结果，监管成本较低且易发觉异常，收入确认等利润表项目监管难度大。[page::5]

2.3 负面清单因子构建与单因子效果

• 因子选取逻辑：

- 基于做空报告和财务造假案例，挑选对应财务异常的指标，包括：利息收入比货币资金、应收账款比营收、其他应收款占比、预付账款比营收、存货比营收、固定资产比营收等（表1）[page::6]。

• 因子多空收益方法：

- 以所有股票为横截面，按因子排序，构建多头（因子值最高）和空头（因子值最低）组合，计算多空收益差，多空收益显著为负指示因子能识别负收益股票。

• 关键因子多空收益表现及解读：

1. 利息收入比货币资金：
- 逻辑：货币资金理应产生利息收入，利息收入与货币资金比率不应远低于银行存款利率。
- 测试结果：原始因子多空收益略显负（图8），排名变化处理后多空收益显著正，累计达到+25%（图9），体现因子具有有效区分能力。
- 解释：该因子正向指标，高利息收入率反映资金利用有效，反之可能存在资金管理问题。

2. 应收账款比营业收入：
- 逻辑：该比例稳定为正常状态，异常提高暗示议价能力降低或虚假交易。
- 结果：原始因子多空收益为负，经过排名变化后负多空收益增强，年化达到-6%（图10，11），有效识别风险。

3. 其他应收款比应收账款：
- 逻辑：其他应收款通常风险较低，该比率过低为财务异常信号。
- 结果：图12和图13显示排名变化处理后该因子多空收益显著上升，说明能有效反映风险信号。

4. 预付账款比营业收入及预付账款占流动资产比：
- 逻辑：预付账款占比过高表示资金被占用，议价能力弱；占比过低则反映计提风险。
- 结果：两指标排名变化后多空收益均显著为负，反映财务异常。

5. 固定资产比营业收入 & 存货比营业收入：
- 逻辑：规模长期过高或过快增长存在虚增风险。
- 结果：排名变化后，两个因子多空收益均稳定呈负，年化多空负收益超过5%（图18-21）。

6. 营业外收入占比：
- 逻辑：非主营收益比重大，经营收入不可持续且易被造假。
- 多空收益显著为负，提示其异常信号属性。

7. 营业收入比筹资现金流净额：
- 逻辑：正常经营扩张应带来筹资增长，但筹资过大而经营增长不足反映财务压力。
- 多空收益显著为负，体现筹资现金流与营收不匹配的风险。

综上，所有因子均表现出对应的负多空收益的特性，排名变化或中性化处理能够显著提升多空收益指标，验证因子的稳健性与实用性。[page::6,7,8,9,10,11,12,13]

2.4 复合因子构建与多因子组合表现

• 等权复合因子：

- 选择应收账款、预付账款、固定资产、存货、非营业收入五个表现较好因子进行等权加总。
- 复合因子多空收益效果较单因子更显著，年化达到-8%（图26），多头组合负收益绝对值大于空头正收益，说明用该复合因子剔除股票更有效。
- 该因子2007-2018年逐年表现稳定，除2009、2010年外多头多空收益均为负，验证了组合的持续有效性（表28）[page::14].

• 尾部信号个数组合：

- 定义每个股票每期位于后20%因子尾部的因子数目作为异常信号个数。
- 股票按异常因子数目分组，尾部因子数越多的组合收益表现越差。
- 个数≥7组合年化收益达到-14%，2012年以来胜率达100%（图29，30，31），显示高风险的财务异常股票群体极具明显负alpha属性。[page::15]

---

三、图表深度解读

| 图表编号 | 描述与内容概要 | 关键数据与趋势解读 | 关联文本及逻辑说明 |
| -------- | ------------------------------------------------------------------ | ------------------------------------------------------------ | ------------------------------------------------------------ |
| 图1 | 2018年A股个股收益分布直方图 | 92%的个股为负收益，69%股跌幅超25%，极端市场震荡环境 | 强调市场环境恶劣，需避开负收益风险 |
| 图2 | 创业板2018年商誉减值与净利润对比饼图 | 商誉减值占净利润63%，严重侵蚀盈利 | 商誉减值及类似风险成为系统负面alpha来源 |
| 图3-4 | 2014-2019年股票型ETF新增基金数及规模趋势 | ETF比例快速上升，2019年ETF数占比达到50%，规模占比上升至40%以上 | 反映投资者主动转向宽基指数产品，规避个股风险 |
| 图5-6 | 雅百特违规处分文件及2015年报应收账款异常指标柱状图 | 2016年应收账款激增至2500，较前几个月翻倍状态 | 模拟财务造假典范，突出异常财务指标的警示作用 |
| 图7 | 财务造假传导链条示意图 | 虚增收入、虚减成本导致资产负债表中货币资金、应收账款、固定资产及存货异常 | 资产负债表为财务造假重要关节点，监管重点方向 |
| 图8-9 | 利息收入比货币资金因子多空收益及排名变化处理后多空收益 | 初始有负结果，经排名变化后多空收益累计提高至+25%，方法提升因子识别能力 | 说明因子值调整处理重要性，利息收入验证现金质量 |
| 图10-11 | 应收账款比营收因子多空收益和排名变化后效果 | 多空收益年化负6%，稳定为负，进一步确认其作为财务风险指标的有效性 | 反映应收账款异常与财务质量恶化密切关联 |
| 图12-13 | 其他应收款比应收账款因子多空收益及排名变化后 | 多空收益稳定且上升，显示异常较为持续 | 通过比值区分应收款项质量，提示潜在坏账风险 |
| 图14-17 | 预付账款相关比率因子多空收益表现 | 多空收益显著为负，在扣除行业效应后表现更佳 | 资金被预付占用高反映议价能力弱，流动资产结构异常 |
| 图18-21 | 固定资产及存货比营收多空收益及排名变化后 | 多空收益负幅大，年化均超过5%，表现稳定 | 固定资产与存货过高均反映企业经营风险 |
| 图22-23 | 营业外收入占比因子多空收益表现 | 明显负多空收益，提示主营业务可持续性差及异常收入风险 | 非主营收益过重易为造假及业绩泡沫 |
| 图24-25 | 营业收入比筹资活动现金流量净额因子多空收益 | 多空收益显著负，业务难以真实承载大规模筹资，潜藏财务困境 | 企业扩张与筹资失衡为财务异常信号 |
| 图26-28 | 等权复合财务异常因子整体多空收益与逐年表现 | 年化负8%，多头负收益绝对值大于空头正收益，超过83%年份呈现稳定负alpha | 投资者剔除由复合因子筛选的股票，有望规避主要财务风险 |
| 图29-31 | 财务异常信号数量与组合收益历史表现 | 异常信号多组合表现越差，个数7以上组合年化达-14%，2012年以来表现持续负alpha | 形象展现异常信号累积影响风险提高，提供简易财务异常度量方法 |

以上图表辅以详尽的上下文，使方法论与实证、案例与数据完美结合，体现了深厚的研究价值及资金管理实用性。

---

四、估值分析

本报告聚焦于负alpha敏感因子的筛选及多因子组合构建，未涉及单个标的公司价值评估或典型估值模型应用（如DCF、市盈率倍数法等）分析，故无估值方法详解。

---

五、风险因素评估

• 本报告本身旨在识别潜在负alpha因子并构建负面清单，该因子构建基于历史财务数据表现，存在以下风险：

- 统计关系不代表因果关系，未来表现可能受宏观经济、产业政策或市场结构变化影响而失效。
- 部分行业特殊性较强，指标适用性有可能局限于部分行业或时间区间。
- 排名变化等预处理方法依赖于横截面数据，若行业集中度极高或数据异常，可能影响因子稳定。

• 报告建议结合复合因子与尾部异常个数筛查，提高筛选稳健性，降低单因子失效风险。

- 报告基于公开数据与监管函内容，若企业财报披露不充分或更深层次造假技术性掩盖，因子识别困难。

报告未提供具体缓释策略，事实已通过多因子组合及尾部检测策略对冲部分风险。

---

六、批判性视角与细微差别

• 该报告立足于财务异常因子检测，但未充分考虑非财务数据对股票风险的综合影响，如宏观经济、行业竞争、管理层变化等。

- 部分因子效果表现与行业变动密切相关，若忽视行业轮动及经济周期，负alpha预测可能出现过拟合。

• 利息收入比货币资金因子呈现正向多空收益，报告虽解释为资金管理能力反映，但反向解读为“财务异常因子”的定位尚存疑问，暗示货币资金案例如其他指标前后一致性需审慎评估。

- 排名变化中性化虽显著提升指标表现，但市场与行业波动可能掩盖真实风险，需谨慎解读。

• 个别分析依赖单因子阈值界定（如尾部20%），敏感度与阈值选择对结果有较大影响，缺乏敏感性测试披露。

总体而言，报告逻辑严密、数据翔实，但应结合更多多维度指标与回测验证以提升因子稳健性。

---

七、结论性综合

本报告以严谨的财务分析视角切入负alpha因子研究，针对近年来资本市场频繁出现的个股财务风险，采用多维财务指标构建负面清单体系，有效识别并规避高风险股票。

• 通过理论结合监管问询函与真实案例（雅百特），确立资产负债表中的货币资金、应收账款、预付账款、固定资产与存货等指标为核心异常因子。

- 定性分析搭配大量历史量化实证，采用多空收益检验，清晰揭示独立因子及排名变化因子对负alpha标的的区分能力。

• 复合因子构建与尾部异常指标个数组合，体现了综合剔除效果，年化负收益强劲且长期稳定，具备实际操作指导意义。

- 图表直观呈现：2018年市场极端负表现，分项多空收益及复合指标强化了财务异常识别的兼顾性和准确性。

• 该研究为投资管理者提供了量化财务异常的实操工具，有助于指数化基金和主动管理者匹配风险剔除需求。

作者基于本研究明确表达了通过财务数据构建负面清单的理念，为随后负alpha专题系列奠定坚实基础，期待未来更多角度拓展负alpha因子挖掘。

---

附：主要图表汇总

主要图示举例

• 

图1：2018年A股个股收益分布
显示市场下跌的普遍性及极端跌幅占比。

• 

图7：财务造假（异常）传导链条
结构性说明财务报表中异常点的传递关系。

• 

图8：利息收入比货币资金因子多空收益（原始）
显示因子的原始效果与后续处理效果的对比。

• 

图30：财务异常信号个数≥7组合收益
展示异常因子累积效应的收益趋势。

---

【全文溯源】[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]

---

结束语

本报告清晰展示了负alpha因子的构建路径、实证验证及组合应用，既具备理论深度也兼具实操价值，适合作为量化投资风险管理及股票投资剔除策略的重要参考。投资者及策略开发者可基于此研究进行扩展与迭代，持续优化负面清单体系，以提高市场风险识别与防范能力。

报告