投资聚焦：多因素提升负向 Alpha 研究价值 [page::2]

• 退市机制完善提升公司风险关注度，2020年相关实施方案推动强制退市标准执行。

- 融券业务近年增长迅速，2021年融券余额达1513亿元，规模增近10倍，为负向Alpha应用创造良好条件。

• 多空策略在私募策略指数中表现突出，收益更高且波动更低，负向Alpha转化成正向Alpha为优势所在。

财务风险指标构建及其测试分析 [page::3][page::5][page::6][page::7][page::8]

• 从资产负债表、现金流量表、利润表提取22项风险指标，如存贷双高、资产减值、经营现金流净额等，分类为造假风险、现金流风险和经营风险。

- 注意风险指标的尾部性、行业可比性及适用性，多数指标排除金融和军工等行业。

• 单指标在不同一级行业测试表现差异，指标能有效反映风险且产生显著负超额收益，部分例外如计算机行业的“存贷双高”指标反向表现，需具体情况分析。

- 22个指标之间重合度低，信息增量充足，综合指标提升风险识别能力。

指标视角和行业差异分析 [page::9][page::10][page::11]

| 指标 | 年化负超额收益(%) |
|------------------------|------------------|
| 营业收入同比增长 | -6.3 |
| 营业利润率 | -5.7 |
| 应收账款占比 | -5.4 |
| 净资产收益率 | -5.4 |
| 经营活动现金流净额＜0 | -5.3 |

• 选股阈值越高，负向超额收益越明显且选股数减少，阈值8时行业平均负超额达-9.21%。

- 家电、食品饮料、电力设备及新能源等行业表现最佳，交通运输和钢铁等行业表现一般。

负向组合构建与回测表现 [page::11][page::12][page::13]

• 按行业权重和自由流通市值加权构建负向组合，风险阈值设6。

- 全市场负向组合2010-2021年年化超额收益为-7.35%，近5年为-11.93%，信息率均为负。

• 中证800非金融选股池的负向组合年化超额收益更显著，整体达-15.42%，近五年达-19.68%，验证策略应用价值。

负向超额延续的潜在原因与市场背景 [page::13][page::14]

• 2017年前负向超额表现平平，之后显著增加，与价值投资理念普及和投资者结构变化相关。

- 负向组合股票的未来成交额相对市场整体呈下降趋势，支持市场风险偏好及理念转变带来的长期结构性变化。

风险因素和研究限制 [page::15]

• 财务指标可能未反映公司实际运营状况。

- 股价可能与基本面背离。

• 宏观环境及行业政策重大变革会影响策略表现。

财务视角下的负向组合构建研究——全面深度分析报告

---

一、元数据与概览

报告标题：《财务视角下的负向组合构建研究》
作者及团队：王兆宇（首席量化策略分析师）、赵文荣（首席量化策略分析师）、马普凡、张依文、赵乃乐，均来自中信证券研究部
发布日期：2021年5月20日
研究主题： 本报告聚焦于“负向Alpha”研究，主要从财务角度出发，构建反映公司潜在风险的财务指标体系，并基于此构建负向投资组合，旨在评估和利用负向Alpha的投资价值。负向Alpha指某种财务风险指标所筛选出的股票组合在未来表现普遍落后市场基准，揭示潜在风险。
核心论点及结论：

• 随着退市机制完善和融券业务的快速发展，负向Alpha的研究价值得到极大提升。

- 从存贷双高、资产减值、现金流风险等财务指标切入，构建具备显著负向超额收益的风险筛选组合。

• 测试表明，负向组合在全A市场（非金融）和中证800非金融股票池上的年化超额收益分别为-11.9%和-19.7%，表现稳健且显著。[page::0]

---

二、逐节深度解读

1. 投资聚焦：多因素提升负向Alpha研究价值

报告首先从市场环境切入，指出退市机制的完善极大增强了投资者对上市公司风险的关注。2020年11月新退市方案通过，注册制进一步推进，科创板和创业板设立财务类强制退市条件，这使得投资者对公司财务风险的敏感度显著上升。
融券业务的快速扩容（2021年5月达到1513亿元，是2019年底的十倍）为负向策略提供了完善的实操基础。多空策略通过利用负向Alpha实现正向收益，提高了风险调整后收益率，并减少了波动性。由于传统多头策略关于正向Alpha的“红海竞争”，负向Alpha具有广阔的挖掘空间和潜力。[page::2]

图1清晰显示，2019年以来融券余额及占流通市值比例陡增，体现负向投资适用环境急速改善（详见图1）。
此外，图2展示私募策略中“股票多空”策略相较于“股票多头”“市场中性”等策略在累计收益上的优势，支持负向Alpha利用的战略意义。

2. 财务风险指标的构建与分析逻辑

从三大财务报表入手，构建体现公司风险的22个财务指标，划分为三大类风险：

• 造假风险：如“存贷双高”（货币资金与有息负债均高的反常现象）、资产减值损失等，捕捉疑似会计造假、财务违规的企业。

- 现金流风险：关注现金覆盖负债的能力，经营活动现金流净额是否为负，说明资金链紧张。

• 经营风险：分析盈利质量与经营效率，如毛利率、净资产收益率、应收账款占比与增长情况、存货水平及周转率、非主业投资比重及其潜在风险。

表1清晰列举指标名称、风险逻辑、筛选方式及行业适用范围，体现了筛选的系统性和细致性。应用倒序或正序排序，以及尾部极端筛选（10%-20%尾部），强调指标尾部属性的捕获效果。
报告指出，同一指标在不同二级行业中具有更好的可比性，避免跨行业的财务结构差异带来的误判。因金融行业业务本质差异，此行业排除于测试之外。[page::3][page::4][page::5]

3. 财务风险指标测试

通过单指标单行业测试，报告显示大多数指标选出的负向组合历史上均实现了显著负超额收益。例如，资产减值指标在农林牧渔行业年化负超额收益达到-14.2% ，表明该指标能有效捕捉潜在风险（案例分析提及2014、2015年獐子岛事件）。
同时观察到异常，如存贷双高指标在计算机行业产生正超额，归因于具体个股用友网络的复杂资金结构，提示指标应用时需注意特例合理性。
表2、3对22个指标在不同一级行业的年化超额收益详细展示，数值差异反映不同行业风险暴露及指标表现的显著分化。
此外，指标的选股重叠度仅有4.8%超过20%，表明不同指标捕捉的风险信息互补性强，可通过多指标综合提升选股效果。[page::7][page::8][page::9]

图3统计了各指标在全市场的历史超额收益排名，营业收入同比增长、营业利润率、应收账款与营业收入比例、高净资产收益率及经营现金流为负等指标表现突出，均具有显著的负超额收益，强调了多因素综合筛选的必要性。

4. 行业视角及负向组合构建

采用投票法，以风险阈值定义纳入标准，结果显示随着阈值提升，选股数目下降但平均行业负超额收益增大。阈值8时，全市场平均行业超额收益达到-9.21%。
在此基础上，家电、食品饮料和电力设备及新能源等行业负向表现尤为显著，年化负超额收益均超15%，反映这些行业潜在风险或结构性问题更突出。
基于阈值6，构建全市场和中证800非金融的负向组合，并对其净值表现进行对比和统计分析。
全市场负向组合年化超额收益为-7.35%，近5年升至-11.93%，信息率表现也显著。中证800中的负向组合超额收益更显著，整体年化负超达-15.42%，近5年达到-19.68%，显示在主流精选股票池中风险暴露更为明显。该组合波动率较基准略高，夏普比率和信息率均为负，强调了该组合主要发挥风险识别和辅助对冲的作用而非纯收益贡献。[page::10][page::11][page::12][page::13]

图6和图7分别展示了全市场及中证800非金融股票池中的负向组合净值走势，呈现明显偏离基准的下行趋势，形象说明负向组合历史上的性能表现。

5. 负向超额收益的延续性与市场理念变迁

报告进一步分析了自2017年以来负向超额收益显著加大现象。通过对亏损股组合的历史表现分析(图8)，发现2017年前亏损股还能跑赢基准，2017年后持续跑输，反映了市场对风险认知的结构性变化。
结合投资理念转向“价值投资”，市场逐渐偏好财务稳健、盈利稳定的公司，忽视财务状况较差的企业。
成交额对比（图9）显示负向组合个股成交量相对下降，反映资金流向和市场关注度结构调整。报告认为这种理念的变迁带来长期且难以逆转的负向Alpha效应，除非出现整体估值调整或绩优股调整，负向超额将持续存在甚至强化。[page::14]

---

三、图表深度解读

图1：融券余额快速增长图

• 展示了2010年至2021年5月融券余额及其占A股流通市值比例。

- 数据显示自2020年初起融券余额迅速攀升，至2021年5月达到约1513亿元，市值占比超0.2%。

• 融券业务如日中天，为负向Alpha策略提供“做空”能力，逻辑紧密支持报告观点。[page::2]

图2：私募策略指数各类策略表现比较

• 对比债券基金、套利策略、组合基金、股票多头、多空、市场中性策略的净值成长。

- 股票多空策略累计收益最高且波动相对温和，说明多空策略成功利用负向Alpha进行风险对冲及Alpha转化。

• 佐证财务指标构建负向组合的潜在收益优势。[page::3]

图3：各财务风险指标历史超额收益排行条形图

• 营业收入同比增长、营业利润率、应收账款/营收等指标负超额收益最显著，均在-5%以上，显示这些指标对风险捕捉效力更好。

- 这些指标均从经营效率及盈利质量角度捕捉问题企业，体现财务指标体系选取的有效性。[page::10]

图4：不同风险阈值下的选股数目与行业超额收益关系

• 随阈值增加，选股数目从2500逐步降至约400，负超额收益从接近0递减到-10%以上。

- 表明通过更严格风险叠加筛选可显著提升风险暴露度，但样本规模减少，存在流动性等权衡。

• 支持报告后续采用固定阈值（如6或8）构建综合负向组合的方法。[page::10]

图5：行业负向组合相对指数超额收益（阈值8）

• 家电、食品饮料、电力设备等行业负超收益超过15%，显示结构性财务风险较多。

- 交通运输、钢铁等传统基建行业负超收益较弱甚至正超，行业间风险暴露差异明显。

• 该图揭示行业视角的重要性及负向指标的行业依赖性。[page::11]

图6与图7：负向组合净值曲线（全市场与中证800非金融）

• 两图均显示负向组合净值从2015年股市高峰后明显低于基准，尤其是2017年后的快速分化。

- 曲线差异直观反映负向组合的负超额效果及其时间演变。

• 结合表5和表6数据，量化了负向组合的收益、波动、夏普比率和信息率，凸显策略的系统性风险收益特征。[page::12][page::13]

图8与图9：亏损股组合净值及负向组合成交量对比趋势

• 图8显示亏损股组合2017年前可超越指数，后期持续跑输，反映市场较早期对风险认知的变化。

- 图9成交量比例下降趋势显示市场对高风险股票的关注度降低，进一步解释负向超额加强的内在逻辑。

• 支持报告关于市场理念变迁及价值投资盛行的核心论断。[page::14]

---

四、估值分析

报告主要以财务风险指标构建筛选模型，没有展开传统的估值方法（如DCF、市盈率倍数等）详解。负向组合的表现与选股框架紧密相连，信息率和超额收益度量为核心评价指标。利用多指标投票法及阈值调节实现组合构建，对于阈值的敏感性有交代（如阈值6、8的效果对比）。总体遵循量化投资的风险定价思想，未直接估值讨论，但充分运用财务指标作为风险警示信号。

---

五、风险因素评估

报告列出了主要风险：

• 财务指标未完全反映公司实际经营状况，可能导致模型误判。

- 股价走势可能短期脱离基本面，影响负向组合的实际跟踪效果。

• 宏观经济环境或行业政策的重大变化可能改变财务指标与风险间的关系，影响模型稳定性和预测能力。

报告未详述缓解策略，建议投资者结合基本面、政策以及市场环境动态审慎应用负向策略。[page::0][page::15]

---

六、批判性视角与细微差别

• 报告高度依赖历史财务数据，指标虽细致但可能受会计政策差异、季节性变动及非经常性项目影响。部分指标在特定行业或已解释特例中出现异常（如计算机行业存贷双高正超现象），说明财务指标需结合行业背景解读。

- 负向组合普遍表现为年化负超额，伴有较高波动率及信息率为负，显示该策略更多作为风险识别或对冲工具，而非绝对收益来源，使用场景需明确。

• 报告强调“价值投资”理念兴起导致负向超额加剧，但未深入探讨其他可能的市场结构或流动性因素。

- 阈值设定和指标投票方法简洁有效，但未深入优化权重模型或动态调整方案，未来空间值得拓展。

• 对融券业务的发展联动解读颇具亮点，但其在具体负向Alpha表现中的量化贡献未定量披露。

整体分析框架专业、严谨，数据丰富，但对部分假设的有效性和长期稳定性存有待观察的空间。

---

七、结论性综合

本报告系统且详尽地从财务视角构建并验证了负向Alpha指标体系，实现通过多因素综合筛选检测潜在风险股票。

• 结合退市制度完善和融券业务扩展，负向Alpha策略具备越来越成熟的制度与市场环境支撑。

- 22个风险指标从资产质量、现金流、盈利能力等多个维度捕捉企业风险，指标覆盖面广、信息互补性强，行业适用及尾部筛选有助于提高风险识别准确性。

• 单指标及综合负向组合均在2010年至2021年区间实现显著负超额收益，尤其是近5年，表明市场风险定价机制的演变显著加强对财务风险的识别。

- 行业分析揭示家电、食品饮料等行业财务隐病突出，负向超额明显，说明行业风险暴露具有差异性。

• 市场“价值投资”理念的转变深刻影响了风险资产的定价结构，负向超额表现具有较强的延续性和长期性。

- 负向组合年化超额收益最高接近-20%，信息比也远低于-1，表明该组合具有较强的负向风险筛查效能，是量化策略中的重要补充。

图表支撑了上述所有结论，尤其是融券余额增长（图1）、多空策略表现（图2）、各财务指标负超额深度对比（图3）、行业阈值选股与表现关系（图4、5）、以及负向组合净值趋势（图6、7）和市场理念演变影响（图8、9），构建了完整而清晰的研究逻辑链条。

综上，报告提供了一个全面、客观且数据驱动的负向Alpha研究框架，为投资者识别和管理潜在财务风险、构建多元化量化策略提供了有力的支持和实践指导。[page::0,2,3,5,7,10,11,12,13,14]

---

参考文献与数据来源

• 中信证券研究部，Wind数据库，朝阳永续数据库

- 相关公司公告与行业报告

• 量化策略专题研究系列（详见报告尾部相关研究与声明）

---

（全文完）

报告