2018年A股个股亏损分布与创业板商誉减值情况 [page::3]

• 2018年92%的个股收益为负，69%亏损超过25%。

- 创业板商誉减值达到517亿，超过净利润300亿，风险显著。

主动投资转向指数，ETF规模快速增长 [page::3]

• 2014年以来新成立ETF数目及规模持续增长，2019年新增基金中ETF占比约50%。

监管对资产负债表异常关注聚焦应收账款、存货和固定资产 [page::5][page::6]

• 监管问询函多集中于年报资产负债表中的货币资金、应收账款、存货和固定资产项目。

- 资产负债表作为财务造假的重要揭示科目，监管审核效率高，异常指标易于发现。

财务异常指标构建及多空收益测试 [page::7][page::8][page::9][page::10][page::11][page::12]

• 构造因子包括利息收入比货币资金、应收账款比营收、其他应收款比应收账款、预付账款比营收、预付账款占流动资产比例、固定资产比营收、存货比营收、营业外收入占比、营业收入比筹资现金流等。

• 经过行业及排名差分处理后，多个因子表现出显著负的多空收益，年化负收益率均超过2%。

- 应收账款、固定资产和存货相关因子负收益明显，具备识别财务异常效果。

多因子复合构建及组合表现 [page::13][page::14]

• 采用等权复合方法，将表现较好因子加权生成复合因子，年化多空收益达-0.8%。

• 按异常因子处于尾部个数分组，尾部因子最多（≥7）组合收益明显最差，年化负收益高达-14%，胜率达100%。

| 年份 | 多头收益 | 基准收益 | 多头-基准 |
|------|----------|----------|------------|
| 2012 | -14% | -1% | -12% |
| 2013 | -18% | 18% | -36% |
| 2014 | 39% | 51% | -12% |
| 2015 | 18% | 20% | -2% |
| 2016 | 9% | 26% | -17% |
| 2017 | -29% | -18% | -11% |
| 2018 | -30% | -25% | -5% |

• 多因子组合可作为有效负面清单筛选工具，帮助投资者规避负alpha风险。

研究总结与后续方向 [page::14]

• 财务异常因子具备稳定负向收益，提示股价负面风险。

- 等权复合因子与尾部分组方式均有效揭示负alpha。

• 后续研究将深入挖掘更多角度的负alpha因子，完善清单体系。

金融工程深度报告《负 alpha 专题系列一：如何从财务角度构建负面清单？》详尽分析

---

1. 元数据与概览

• 报告标题：《负 alpha 专题系列一：如何从财务角度构建负面清单？》

- 报告机构：中信建投证券研究发展部金融工程团队

• 主要作者：丁鲁明（首席分析师）、郭彦辉（研究助理）

- 发布日期：2019年8月15日

• 主题：围绕A股市场财务异常指标筛选导致负 alpha 因子，即研究哪些财务指标反映公司潜在风险较高、未来带来投资亏损的因子，进而构建负面清单，用于提前规避风险资产。

核心论点与结论

• 2018年以来多起个股财务造假暴雷事件频发，指数化投资不断壮大，市场投资者对负 alpha 研究需求上升。

- 财务异常尤其体现在资产负债表的存货、应收账款、固定资产等指标，监管机构问询重点多集中于这些科目的真实性与合理性。

• 以多空收益（多头组合收益减去空头组合收益）为评估指标，构造的应收账款比营业收入、固定资产比营业收入、存货比营业收入等异常因子均表现出显著负面收益，且排名变化（排名差分）后的因子效果更佳，年化多空收益绝对值可达6%以上。

- 等权复合因子综合上述财务异常指标后，年化多空收益约-8%，构建尾部财务异常信号数量的组合（即股票处于多个异常因子尾部）则呈现年化-14%以上收益，显示高度的风险预警能力。

• 该研究为系列开篇，未来将进一步多角度探索负 alpha 因子，为投资者预警踩雷风险提供有效工具。[page::0,1,3,14]

---

2. 逐节深度解读

2.1 研究背景与意义

• 市场环境回顾：2018年市场整体表现惨淡，约92%的个股亏损，超过69%的个股跌幅超过25%，取得正收益极为艰难。创业板2018年商誉减值达517亿，远远超过净利润（300亿），风险暴露明显加剧（图1和图2）。

- 投资者行为变化：ETF及指数型基金大量兴起，占比不断提升（图3和图4），反映投资者避险倾向明显，由主动个股投资向指数化投资迁移。

• 投资理念引入：引用巴菲特“永远不要亏损本金”的投资原则，强调亏损对复利影响巨大，说明提前识别负 alpha 因子避免亏损的重要性。

- 研究需求：鉴于市场大量因踩雷导致亏损，尤其财务造假与异常频发，如何从财务角度筛选负 alpha 因子具有迫切投资价值。[page::3,4]

2.2 雅百特案例详解

• 江苏雅百特公司存在多重财务造假行为：虚构海外项目及合同，虚增收入，实质业绩承诺压力与股东高管套现动机驱动。

- 其资产结构极不合理，2014-2016年期间存货及应收账款占比高达80%，应收账款远高于营业收入增速，赊销风险极高（图6）。

• 公司因会计差错更正被监管处罚，净利润调整幅度巨大，暴露财务数据严重失真。

- 该案例凸显应收账款、存货等财务指标对识别财务异常和潜在风险的关键作用。

• 监管问询函以三安光电和四川金顶为例，大量集中在资产负债表相关科目的真实性验证，原因是资产负债表科目反映更容易揭示和检测财务异常。

- 图7对财务造假传导链条做出形象说明，利润表的虚增收入和虚减成本最终通过调整资产负债表的货币资金、应收账款、固定资产和存货等反映出来，是监管重点。[page::4,5,6,7]

2.3 财务异常因子整理与测算

• 报告系统整理了多个资产负债表、利润表及现金流量表的关键异常指标作为因子，如：利息收入比货币资金、应收账款比营业收入、其他应收款比应收账款、预付账款比营收、固定资产比营收、存货比营收、营业外收入比营收、营收比筹资现金流等（表1）。

- 以多空收益为衡量指标，对所有股票按因子值排序，构成多头（最高值）与空头（最低值）组合，测算两者收益差异，用于判断因子的有效性。

• 利息收入比货币资金因子：理据为货币资金应当产生存款利息，若利息收入过低，说明现金管理差且潜在风险大（图8、9）。排名变化处理后，因子表现显著提升，多空收益累计达25%，表现良好。

- 应收账款比营业收入因子表现显著，表明该比率过高的企业潜藏风险较大，经排名变化后年化多空收益达-6%。

• 其他应收款比应收账款及预付账款比营业收入等因子亦显示稳定的负收益表现。

- 固定资产比营业收入及存货比营业收入因子作为财务造假高发科目，长期表现优秀，多空收益显著负向（图18-21）。

• 利润表的营业外收入比营收因子和现金流量表的营收比筹资现金净流量因子分别反映财务造假以及资金链困境的信号，也表现出稳定的负多空收益（图22-25）。

- 总结来看，应收账款比营收、固定资产比营收和存货比营收三项资产负债表因子表现最佳，且均有显著的负收益验证，能有效识别潜在踩雷风险。[page::7,8,9,10,11,12]

2.4 财务异常因子复合构建

• 将表现优异的五个财务异常单因子（应收账款比营收、预付账款比营收、固定资产比营收、存货比营收、非营业收入比营收）等权加总，构建复合因子。

- 复合因子多空收益表现更强，年化达-8%（图26-28），其中多头组合相对空头组合及基准组合均存在负收益，剔除含该因子的股票更有利于防范踩雷。

• 复合因子分年度分析显示，除2009及2010年偶尔正向表现外，其余年份多头组合收益均显著负于基准，胜率高达83%。

- 另一复合手段是统计股票在所有异常因子中处尾部（后20%）的信号数，信号数越多表明潜在财务风险越大。

• 结果显示，信号数越多，组合表现越差，信号数≥7的组合年化收益约-14%，2012年以来胜率100%，高强度验证了财务异常因子组合的有效性（图29-31）。[page::12,13,14]

---

3. 图表深度解读

3.1 个股收益与商誉减值（图1，图2，页3）

• 图1显示2018年A股有54%的个股亏损25%-50%，亏损压力重且极端负收益占比较大。

- 图2圆饼图展示创业板2018年商誉减值占比高达63%，远超净利润额，表明商誉减值对净利润侵蚀巨大，风险传导严重。

3.2 ETF发展趋势（图3，图4，页3）

• 图3、4列示2014-2019年股基新增数和筹资额稳步上升，尤其ETF占比显著提升，2019年ETF新增比例达到50%。这反映市场主动选股难度增加，投资者趋向指数化投资降低风险。

3.3 财务造假链条示意（图7，页7）

• 图7以图示形式揭示虚增收入或成本的利润表欺诈行为最终体现在资产负债表科目异常，特别是货币资金、应收账款、固定资产和存货四大科目，监管重点即在于验证这些资产端科目真实性。

3.4 财务异常因子多空收益时间序列（图8-25，页8-12）

• 图8、9展示利息收入比货币资金经过排名变换处理后，多空收益累积长期走高，说明该指标筛选出高质量企业。

- 图10、11（应收账款比营收）表现为多空收益持续为负，排名变换后年化多空收益接近-6%，异常比例过大反映企业潜在坏账和赊销风险。

• 图12、13（其他应收款比应收账款）及图14-17（预付账款相关指标）均显示财务异常信号有效，管理层挪用、欺诈和风险积累风险显著。

- 图18-21（固定资产、存货比营收）长期表现同样恶劣，反映过度投资、资产泡沫及存货积压风险。

• 图22-25（营业外收入及营收对筹资现金流净额比），揭示公司经营现金流情况不佳，融资压力大，经营收入难以支撑融资，风险显著。

3.5 复合因子及尾部信号个数组合（图26-31，页13-14）

• 图26-28等权复合因子表现出更强负多空收益，说明组合利用多因子共振提高了风险识别能力。

- 图29-31显示财务异常信号个数越多组合收益越差，尾部组合年化损失高达14%，且历史胜率达到100%，验证信用风险累积效应明确有效。

---

4. 估值分析

• 本报告核心不聚焦传统估值方法，而是使用多空收益等量化多因子模型评估财务异常因子对股票负收益的筛选能力。

- 多空收益定义为“多头组合收益减去空头组合收益”，用来衡量因子在横截面排序上对收益的预测力，越负代表该因子越能识别出未来表现差的股票。

• 因子经过排名中性处理（如差分排名值）后，排除行业与宏观影响，实现因子稳定性及普适性提升。

- 复合因子采用等权叠加，简单且有效避免个别因子权重过大导致噪声放大。

• 通过构建尾部异常信号数量，简单统计法进一步强化风险聚合效应，形成负面清单筛选工具。

---

5. 风险因素评估

报告通过监管问询函事实及财务造假链条分析明确了以下关键风险因素：

• 财务造假风险：虚构收入、成本虚减导致利润虚增，传导至资产负债表异常。

- 应收账款风险：高比例赊销且坏账准备不足，导致资金回收不确定。

• 存货风险：存货过高或周转缓慢存在积压与减值风险。

- 固定资产风险：固定资产高企或折旧计提不足可能藏匿经济泡沫。

• 现金流风险：经营现金流不足导致频繁筹资，流动性风险加剧。

- 产业结构与行业风险：宏观经济、行业景气度变化影响异常指标表现。

报告并未详述风险缓解策略，但通过构建负面财务因子组合，实现“多头剔除法”，即主动避开负面因子高的股票，降低踩雷概率，是披露的核心风险管理手段。

---

6. 批判性视角与细微差别

• 报告对负 alpha 因子的选取和效用逻辑充分且数据支撑充分，但因为采用的是多空收益的横截面排序方法，整体回测基于过去数据，未来环境和监管变化可能影响因子有效性。

- 个别年份（如2009、2010年）复合因子表现较优，反映市场极端环境下财务异常聚合特征可能弱化，预警信号准确度有限。

• 研究主要采用排名变化的处理方式，中性化未详细披露行业中性或市值中性具体实施细节，可能存在行业集中度影响风险。

- 报告没有深入探讨负面清单实施后的实际操作成本，如流动性影响及剔除股票对整体投资组合结构的影响。

• 报告关注重点在财务异常指标，但未完全覆盖其他如业绩公告异动、董监高减持、资金链紧张等非财务因子，未来研究应多维度结合。

整体来看，报告数据详实、逻辑严谨，但因固有统计方法限制，投资应用需审慎验证适应当下市场环境。

---

7. 结论性综合

本文报告通过系统整理并量化测试多个财务异常因子，主要聚焦于应收账款比营业收入、固定资产比营收和存货比营收三大财务指标，结合利息收入比货币资金、预付账款比营收和非营业收入比营收等辅助因子，构建了有效的财务异常因子体系。各单因子均表现出显著的负多空收益，尤其排名变化处理后多空收益年化负率显著提升。将多个因子等权复合及根据异常信号个数构建尾部组合，更显著地识别了高风险股票，复合因子年化多空收益达到-8%，而异常因子达7个及以上的尾部组合收益达年化-14%，显示出极强的踩雷预警能力。

图表数据充分说明，财务异常指标对筛选负 alpha 个股具有强大识别能力，而监管问询函和典型财务造假案例更为该理论提供了实证背书。报告总体表明，基于财务基础数据构建负面清单，不仅能降低投资组合风险，还具有较高的实用价值和推广前景。本文为系列研究开篇，期待多角度扩展以深化风险控制研究。

投资者参考报告所构建的负面财务因子体系，可以有效规避未来可能暴雷的个股，从而保护本金安全，实现负 alpha 的早期预警，顺应市场主动向指数转移的大趋势。[page::0,3,7,8,12,13,14]

---

主要图表示意汇总

| 图表编号 | 内容描述 | 关键数据点及见解 | 关联章节页码 |
| -------- | ----------------------------------------- | ------------------------------------------------------------ | ---------------------------- |
| 图1 | 2018年个股亏损分布 | 54%个股亏损25%-50%区间，市场整体负面压力巨大 | 研究背景（页3） |
| 图2 | 创业板2018年商誉减值与净利润对比 | 商誉减值占63%，超出净利润总额，影响业绩真实性严重 | 研究背景（页3） |
| 图7 | 财务造假传导链条 | 利润表虚增收入/虚减成本通过资产负债表货币资金、存货、应收账款反映 | 财务造假逻辑（页7） |
| 图8-25 | 主要财务异常因子多空收益时间序列图 | 大多数因子经过排名变换处理后多空收益更显著，均表现为负收益 | 因子表现分析（页8-12） |
| 图26-28 | 等权复合财务异常因子多空收益 | 复合因子年化多空收益约-8%，多头组合表现持续较弱 | 复合因子构建（页13） |
| 图29-31 | 财务异常信号个数与组合收益关系及其年化表现 | 异常信号≥7组合年化负收益超-14%，2012年起胜率达100% | 尾部个数组合（页14） |

---

术语解释

• 多空收益：是多头组合（因子值最高20%的股票）与空头组合（因子值最低20%的股票）收益之差，反映因子对股票未来表现的分辨能力。

- 排名变化（中性化处理）：通过对因子值进行跨期排名并计算差分，消除行业与宏观环境影响，提高因子在不同市场环境中的稳定度。

• 负 alpha：投资组合相对基准获得负风险调整收益的情况，即产生亏损或低于市场的超额收益。

- 复合因子：将多个单因子以一定权重（一般等权）融合，用于提升信号强度和降低单因子噪音。

• 尾部组合：基于某财务指标处于全市场最低20%（异常末尾）的股票构成的组合。

- 资产负债表科目：公司财务报表中的资产和负债项目，是体现公司财务状况的静态快照。

---

整体来看，该报告通过严谨的数据驱动方法和翔实案例阐释，系统解析了财务异常因子对于构建负面清单、规避个股风险的核心价值，为投资者提供实用且科学的风险筛选工具，具有较高的学术及实务参考价值。

报告