盈余质量代理变量设计与定义 [page::2][page::3]

• 选取7种盈余质量代理变量，包括ACC（应计利润）、DAC（应计盈余管理）、REM（真实盈余管理）、M-Score等。

- 盈余质量高者信息稳定性强，持续性好，能较准确反映未来业绩，低质量则可能存在盈余操控风险。

业绩传导与投资传导实证检验 [page::9][page::11][page::12]

• 盈余质量高低正向影响未来业绩（AdjROA），ACC、DAC、REM及M-Score指标历年检验显著。

- 投资收益表现方面，高品质组半年报及年报发布期均显著跑赢低品质组，胜率多达75%-88%，超额收益普遍超1%。

• 盈余质量优劣在财报发布期前后明显反映，平时市场未充分定价。

盈余质量代理变量行业适用性分析及行业中性处理 [page::25][page::27]

• ACC、DAC、REM、M-Score在不同行业表现不同，适用行业分别覆盖有色金属、钢铁、建材、医药等。

- 行业中性处理后，DAC指标投资收益胜率及超额收益提升显著，半年报期超额收益达3.64%，年报期达3.41%。

• DAC指标效能优于ACC和REM，M-Score次之。

盈余质量指标组合策略构建 [page::28][page::29]

• 结合代表会计操纵（DAC）与真实活动操纵（REM）的指标组合，筛选长期盈余质量优质股票。

- “低REM+低DAC”组全年超额收益最高达13.59%，且该组合的历年胜率达到100%。

盈余阈值事件驱动策略——“扭亏为盈”事件组合分析 [page::30][page::31]

• 通过DAC指标区分“扭亏为盈”样本中的高低盈余质量组，高质组年均超额收益约13.06%。

- 盈余质量信息在财报正式发布后逐渐被市场消化，表现为财报期投资收益差异明显。

利润平滑因子分析 [page::23][page::24]

• 利润平滑SM2因子虽非显著业绩传导指标，但投资收益表现优异，财报期胜率80%，胜出未平滑组，说明其向市场传递了稳定经营信息。

报告元数据与概览

报告标题：《盈余质量检验及其投资策略构建 —— 数量化专题之一百零五》
作者：刘富兵（分析师）、李栩（研究助理）、陈奥林（分析师）等，来自国泰君安证券金融工程团队
发布日期：未明示，内容包含至2017年，其研究数据起始于2007年左右
研究机构：国泰君安证券研究所
主题议题：上市公司盈余质量的定义、检验方法、代理变量设计及其与未来业绩和投资收益的关系，进一步构建相应投资策略。

核心论点总结：
报告聚焦于通过多种成熟的盈余质量检验模型，设计一套能有效甄别上市公司盈余质量好坏的代理变量体系，并基于此构建投资策略。核心信息包括：

• 市场对真实业绩的关注加强，部分“绩优股”造假暴露，凸显了辨别盈余质量的重要性。

- 利用7个国内外成熟的盈余质量模型进行代理变量设计：应计利润（Accruals）、应计盈余管理、利润平滑、真实盈余管理、损失确认及时性（TLR）、M-Score及Benford定律。

• 其中，应计盈余管理（DAC）、应计利润（ACC）、真实盈余管理（REM）及M-Score四个指标表现出较好的“业绩传导”和“投资传导”能力，能够稳定划分高低盈余质量组合，提供未来半年至一年内的投资超额收益。

- 通过对行业适用性的细化分析，进一步提升了盈余质量投资策略的收益率和准确性。

• 组合策略方面，“低REM+低DAC”指标组合胜率100%，平均相对收益高达13.59%。

- 事件驱动策略方面，结合盈余阈值事件（如“扭亏为盈”）检验高、低盈余质量差异，发现高质量组年平均收益超低质量组9.47%。
[page::0,1]

逐节深度解读

1. 盈余质量的定义

盈余质量指上市公司盈余真实性、稳定性、持续性及对未来业绩预测能力的体现。高盈余质量能够为投资者提供准确、可信的业绩信息，指导合理决策。反之，盈余操纵导致财务信息失真，损害投资者利益。尤其在2017年以来市场环境下，财务造假曝光频发，投资者和监管机构对真实业绩的关注空前上升，报告强调以此为背景开发系统的盈余质量检测工具，以助甄别“地雷股”和挖掘“真成长股”。[page::2]

2. 盈余质量的检验方法

盈余质量无法直接观测，故选择7个代理变量模型基于盈余信息分解原理设计：

• 盈余分解原理：盈余＝高质量盈余 + 低质量盈余

高质量盈余稳定性强、对未来盈余预测性好；低质量盈余缺乏持续性和预测能力。盈余质量的好坏体现高低质量盈余的相对占比。

• 7个盈余质量代理模型：

- 应计利润（Accruals）
- 应计盈余管理（应计利润分离模型，如修正琼斯模型）
- 利润平滑（多角度衡量，包含财务数据波动、应计利润相关性、财报周期重合）
- 真实盈余管理（通过异常现金流、异常生产成本及异常费用反映）
- 损失确认及时性（会计稳健性，如Basu模型和扩展的C-Score）
- M-Score（基于盈余操纵概率的综合指标）
- Benford定律（统计数字分布偏差检测异常）
具体技术细节与计算公式详细阐释，尤以应计盈余管理的修正琼斯模型为例，强调通过回归剔除非操纵成分，残差即为操纵性应计利润，指标数值反映盈余质量好坏。盈余质量代理变量数值的正负指示不同盈余操纵行为（如虚增利润或藏利润）。[page::2,3,4,5,6,7,8]

3. 盈余质量投资

3.1 盈余质量与未来业绩（业绩传导）

• 根据Gunny（2010）方法构建多变量回归模型，使用行业调整后的ROA为未来业绩代理，考察盈余质量代理变量对未来经营绩效的解释能力。

- 纳入多维控制变量（规模、市净率、增长率、财务困境指标）以控制异质性。

• 7个代理变量中，ACC（应计利润）、DAC（应计盈余管理）、REM（真实盈余管理）和M-Score呈显著性，指示这些变量有效反映盈余真实性和未来业绩预期。

- 其余代理（利润平滑、C-Score、Benford等）未显著。

• 表4清晰呈现各变量历年的t统计量，多数年份跨样本显著，赋予其后续应用基础。[page::10,11]

3.2 盈余质量与投资收益（投资传导）

• 通过将市场标的分为高低盈余质量组，根据盈余质量指标（ACC、DAC、REM、M-Score）和分组方法进行回测，观察其超额收益表现和胜率。

- 以超额收益为考察核心，均基于Wind全A指数（剔除金融与石油石化）进行。统计时段一般选自年报发布后至次年年报发布完成，即覆盖1自然年。

3.2.1 ACC指标投资表现

• 采用两种ACC指标（基于利润表与资产负债表）和两种高质量组定义（小数值组和绝对值最小组），构建五分法分组，重点关注最高低组。

- 统计显示，半报期（7-9月）发出信号稳定，年报期（1-4月）效果更强，具体数据如75%至88%的相对胜率，超额收益约1.92%至3.90%。

• 非财报期（如6月）分组效果下降至37.5％胜率，反映盈余真实性信息主要通过财报期间被市场逐步消化。（图2-6）

- 低质量组主要分布在房地产、机械、医药等行业，周期性行业（如钢铁煤炭）低盈余质量公司较少。[page::12,13,14,15]

3.2.2 DAC指标投资表现

• DAC构建方法与ACC类似，分组构建清晰，表现稳定且优异。

- 半年报及年报期胜率均达87.5%，收益稳定超过2%，行业分布集中于房地产、机械、基础化工等。（图7-9）

• 表行业集中趋势有逐年收敛迹象。[page::16,17,18]

3.2.3 REM指标投资表现

• REM指标带来不同表现，分组方法1（按值分组）表现不稳定，分组方法2（按绝对值分组）表现较稳定且有效，年报期胜率75%，收益约1.32%。（图10-12）

- 低盈余质量组主要为医药和消费品行业，行业分布相较ACC和DAC更不均匀，后续采用行业中性处理反映其影响。

• M-Score指标表现略低于前三者，年报期胜率75%，收益1.77%，低盈余质量标的行业分布类似于ACC及DAC。（图13-14）

- C-Score和Benford定律分组表现欠佳，投资收益不稳定，显著性不足。（图15-16）

• 利润平滑（SM2）指标表现有趣，对市场传递稳定信息，相关平滑组胜率达到80%，收益约2%（图17）。该结果支持利润平滑在一定程度上是积极信号。

综合来看，ACC、DAC、REM（分组2）、M-Score为较为有效盈余质量指标（表12-13）。[page::20,21,22,23,24,25]

3.3 业绩传导与投资传导过程深入研究

• 发现盈余质量代理变量在不同行业有效性不均，展开跨行业检验，划分适用行业。

- ACC1适用17个行业，ACC2适用13个，DAC适用15个，REM适用17个，M-Score较少，适用8个行业。

• 行业包括有色金属、钢铁、基础化工、机械等。

- 进一步构建行业中性对照组，高低盈余质量组合在有效行业内进行了对比，得到更加显著且稳定的超额收益。

• 有效性排序为：DAC > ACC1 > REM > M-Score，DAC经行业中性处理后半年报期超额收益达3.64%，年报期3.41%，较未做中性处理分别提升1.16%、1.83%。[page::25,26,27]

3.4 投资策略构建

3.4.1 指标组合

• 结合DAC（会计操纵视角）和REM（真实活动操纵视角）构建组合指标，分别按REM从小到大分三组，三组内再按DAC从小到大分10组，选取低REM且低DAC和其它组合进行比较。

- 发现低REM+低DAC组合表现最佳，年平均超额收益高达13.59%，历年胜率100%（2009-2017年）。

• 这反映该指标组合包涵了同比单一模型更全面的盈余质量视角，筛选效能显著增强。图19，表15体现细节。

3.4.2 事件组合

• 挖掘“盈余阈值”事件特征（ROE分布中0-2区间突变及6-8区间异变），涉及微盈微增、预期管理、承诺对赌、融资并购等多种情形。

- 以“扭亏为盈”事件定义为上一期亏损本期盈余0-0.01之间标的，按DAC指标划分高低盈余质量组。

• 结果显示高盈余质量组全年超额收益13.06%，年报期胜率75%，相较低组收益明显，且财报发布期内信息差异显著，体现盈余质量检验对甄别“真成长股”的价值。图22，表16。[page::28,29,30,31]

图表深度解读

• 图1（盈余质量代理变量设计思路）：呈现盈余拆分为高质量与低质量两部分，强调代理变量的设计目标是量化反映低质量盈余的相对大小，视觉以天平与盈余组成区分形象呈现盈余质量异质性。[page::2]
• 表4（盈余质量代理变量历年t检验）：ACC、DAC、REM、M-Score多年的检验值均显示负向显著，表明其负相关性高盈余质量与未来ROA，稳健且跨年份一致，代表四者均能有效捕捉盈余质量的核心信号。[page::11]
• 图2-6（ACC1-高盈余质量组相对收益趋势）及图7-9（DAC表现）：均展示了高盈余质量标的在财报发布期（尤其是半年报及年报）获得显著正超额收益，且市场在非报告期对质量信息反应迟缓，标的收益分流明显，验证投资传导有效。[page::13-16]
• 图10-12（REM分两分组表现），图13-14（M-Score），图15-16（C-Score & Benford模型）：分别反映真实盈余管理与综合指标在初步分组及改进后表现，前者第二分组后表现稳定，后者整体表现差异化不明显，支持报告结论AMCR的模型有效性排序。C-Score及Benford法组合稳定性与显著性不足。[page::18-23]
• 表12及24（代理变量投资表现汇总）：明确列出各指标的收益率和胜率数据，ACC、DAC、REM（分组2）、M-Score为优选指标，利润平滑SM2虽非业绩显著变量却在投资收益上表现亮眼，显示其特殊地位。[page::24,25]
• 图18及27（行业中性后各指标相对收益）：行业中性处理后，所有指标收益稳定性均得到提升，特别是DAC，达年报期相对胜率88%、收益3.41%，比行业未中性处理时提高显著，突显行业影响修正必要性和增益效果。[page::26,27]
• 图19及表15（REM与DAC组合）：组合效应突出，低REM+低DAC组合标的实现近14%年超额收益，胜率100%，回撤极小，远超单指标表现，具备策略显著实操价值。[page::29]
• 图20-22及表16（“盈余阈值”中的“扭亏为盈”事件分析）：凸显高盈余质量“扭亏为盈”标的表现优异，年超额达13.06%，分财报期胜率70%以上，展示事件驱动选股结合盈余质量的巨大潜力。[page::29-31]

估值分析

报告未详细涉及传统的估值估算方法如DCF、市盈率等，而是着重于盈余质量指标与未来业绩及投资收益的关联性分析，属于基于财务质量信号的量化风格选股策略研究，实为因子投资策略研究的一部分，重点在代理变量优劣及组合效应的实证检验，非传统企业估值计算报告。[page::全文]

风险因素评估

报告没有专门章节系统罗列风险因素，但隐含风险点包括：

• 模型适用性和假设风险： 盈余质量代理变量基于特定的会计和财务逻辑假设，若公司财务结构或披露行为异于假设模型，可能影响代理变量准确性。

- 行业差异风险： 不同模型对各行业的适应程度不同。报告通过行业适用性测试缓解该风险，但模型跨行业应用仍需谨慎。

• 数据质量与宏观环境风险： 研究基于公开数据，数据失真、变更可能导致估计误差，宏观经济、政策环境变化也可能影响结果的稳定性和推广性。

- 市场反应时滞风险： 盈余质量信息在非财报期未充分体现，投资策略回归时间较长，短期可能出现追涨杀跌风险。

报告通过行业中性处理、代理变量稳健性检验和事件组合方式减缓上述风险，但未明确提及具体缓释措施，也未量化风险发生概率。[page::25,26,27]

审慎视角与细微差别

• 报告严格依托于财务和会计学术文献与成熟模型，具备较强理论基础，结果多年份实证支撑，分析体系较为全面。

- 部分盈余质量代理变量（如利润平滑、C-Score、Benford定律）在“业绩传导”和“投资传导”检验中表现不佳，报告对此诚实反映，体现客观性。

• 真实盈余管理REM指标在分组定义上敏感，其价值负向时经济解释不明朗，策略稳定性较弱，提示该模型在应用时需谨慎处理。

- 行业差异性未完全克服，对模型的普适性构成挑战，报告后期强调行业中性处理补救措施，体现深入研究态度。

• 事件组合策略的“扭亏为盈”示范较好，建议未来拓展更多事件样本以增强泛化性。

- 报告全程未涉及传统企业估值方法及市场宏观情绪因素，对短期市场波动和非财务风险因素关注较少。

• 报告中无涉及样本选择偏差、数据缺失可能对研究结果的影响分析，建议谨慎解读推广力度。[page::全文]

结论性综合

本报告全面设计和论证了基于多种成熟模型构建的盈余质量代理变量体系，验证其在实际市场投资回报和预测未来企业业绩中的有效性，提出以下关键结论：

1. 盈余质量定义与检验多维构成： 盈余质量由高质量盈余与低质量盈余组成，后者主导盈余信息失真。报告从应计利润分离、真实盈余管理、损失确认及时性、M-Score及Benford分布等不同角度设计代理变量，力求多层面刻画盈余质量。

2. 有效的盈余质量代理变量为ACC、DAC、REM和M-Score： 这四类指标在跨年份和行业层面均表现出较强的未来业绩预测能力和投资收益显著性，特别是在财报发布期，市场准确反映盈余质量分层。

1. 行业中性处理提高策略准确度和收益率： 行业特性对盈余质量指标表现有明显影响，通过在适用性行业构建高低盈余质量组合，DAC指标超额收益提升至3.64%-3.41%，显著优于全市场横向对比。

4. 指标组合提升策略收益率与稳定性： 结合财务操纵与真实盈余操纵的DAC与REM指标，以“低REM+低DAC”组表现最佳，长期胜率100%，年均超额收益逾13.5%。

1. 事件驱动组合策略有效甄别真成长股： 结合盈余质量分析，“扭亏为盈”事件中高盈余质量组超额收益达13.06%，显著优于低质量组，验证盈余质量对投资回报的实际指导价值。

6. 利弊兼顾的利润平滑指标表现独特： 利润平滑虽然业绩预测显著性不足，但投资收益表现优异，反映其能传递企业经营稳定性信息，有助于投资者合理预期。

1. 风险提醒及稳健解读建议： 虽数据基础扎实、模型丰富，但行业适用性、经济解释及市场动态风险仍需重视，建议投资组合实践中结合多维验证与风险管控。

综上，报告以详实的模型构建、多维实证和细致的行业辨析，系统地展现了盈余质量在投资决策中的核心地位和实用价值，提出了行之有效的跨指标组合及事件驱动策略方案，为证券投资者识别潜在风险与捕捉显著超额收益提供了可操作的量化路径和工具。[page::全文]

---

重要图表

• 盈余质量代理变量设计思路

• ACC1-高盈余质量组1 超额收益趋势（2009-2016）

• DAC高低盈余质量组收益对比

• REM高低组合收益趋势-分组2（年报期表现稳定）

• “低REM+低DAC”组合超额收益

• “扭亏为盈”高盈余质量组收益表现

• 各代理变量行业中性后的相对收益趋势

• 盈余阈值“扭亏为盈”事件所在ROE分布

• 盈余阈值事件组合构建思路

---

总结

本报告通过系统的盈余质量代理变量构造与检验，基于严谨的财务会计理论和丰富的实证数据，深化了盈余质量对于预测未来业绩与驱动资产价格的传导机制认识，实证验证了基于应计盈余管理、真实盈余管理和多指标组合的投资策略的显著稳定超额收益，构建了有别于传统估值方法的财务质量驱动选股体系，具备较强的理论支撑与策略应用价值。

报告