“学海拾珠”系列之三十九：现金流能比利润更好地预测股票收益率吗
由crisvalentine创建，最终由crisvalentine 被浏览 24 用户
报告摘要
主要观点
本篇是“学海拾珠”系列第三十九篇。作者通过实证得出结论：用直接现金流的计量方法可以比一般的计量方法更好地预测股票收益率，而间接现金流的计量方法又往往优于基于毛利润、营业利润或净利润的各种利润表盈利能力的计量方法。
回到A股市场，行业研究员对企业进行估值的步骤和本文的直接现金流法较为类似，从营业收入端开始“抽丝剥茧”最终计算得到自由现金流，再以合理的假设对企业进行估值。从量化研究的角度，如何依据行业和风格特性更精准地对不同类型的企业依据不同的假设来推算得到自由现金流，以更“纯粹”的现金流指标构建因子有助于提高因子表现。
- 直接现金流模板有助于投资者更好地估计公司股权的真实内在价值
作者创建了一个新的模板去计算现金流，将具有相似经济特征的现金流量汇总，将具有不同特征的现金流量分解，将来源于经营项目的现金净流入与来源于资产出售、税收返还或外汇收益的现金流入分开计算以区别于经常性价值创造项目。
- 基于新的现金流指标构建的多空组合收益差异更显著
作者利用直接现金流模板构建新的现金流指标对公司进行排名，并将整个股票池从最低（P1）到最高（P10）分为十等分。以最高（P10）和最低（P1）组合收益率之间的收益率差来估计多空组合收益率。然后，作者检验了不同指标的收益率差异的显著性，发现多空组合的alpha为正且显著。
- 控制了传统风险因素后，结果仍显著
作者通过Fama-MacBeth三因子模型和五因子模型回归，测试了不同的持有期，控制了风险因素，并进行了行业中性的稳健性检查，都得出了类似的结论，直接现金流法的DMCF资产收益率测算和DMCF收益率测算在预测股票收益方面普遍优于间接现金流法测算，而间接现金流法测算又普遍优于基于盈利能力的利润表测算，并表明税收、资本支出和经营性现金流等信息的重要性递增。
风险提示
本文结论基于历史数据、海外文献进行总结；不构成任何投资建议。
\
简介
虽然基于利润表构建的各种计量方法可以预测股票的横截面收益，但用直接现金流计量方法的预测能力更强。作者将间接的现金流量表进行了划分，分为来自业务和其他来源的现金流量，并以现金流为基础取十分位数构建投资组合。作者的结果在投资期限、各种风险因素和行业控制上都是稳健的。作者还指出，除了经营性现金流信息外，现金税和资本支出也提供了额外的预测能力。
投资者依靠财务信息（如企业盈利能力、企业现金流相关的财务信息）来评估公司的内在权益价值，并预测股票横截面收益。Fama和French（2006）发现，盈利能力越强的公司，其预期收益越高。Novy-Marx（2013）研究表明，以毛利与资产之比来衡量的盈利指标和账面市值比指标一样，都可以预测股票横截面收益。Fama和French（2015）将盈利能力指标作为一个新的因子，扩展了他们著名的三因子模型。Hou，Xue和Zhang（2015，2016）建立了一个q因子模型，纳入了盈利能力因素，在解释异象时表现良好。Ball、Gerakos、Linnainmaa和Nikolaev（BGLN 2015）表明，能够更好匹配当期支出和收入的经营盈利能力指标，可以更好的预测收益，同时也指出，预测结果也取决于分母是总资产还是公司市值。因此，研究者依然在寻找可以更好地预测股票收益的财务信息。
虽然利润表一直是财务报表分析的核心，但大家还是怀疑利用利润表来评估股票价值和预测股票收益的有效性。包括安然和世通在内的臭名昭著的破产事件说明，盈利的GAAP利润表会出现亏本项目产生正的自由现金流的现象。更具体地说，作者认为，现有的GAAP准则允许过多的替代性财务指标；这类信息过于综合，可能会出现实际信息和列报的不一致的情况，使投资者难以理解会计信息是如何列报的以及其与公司实际经营成果之间的关系。Novy-Marx（2013）在这方面的直觉无疑是正确的。利润表越往下看，盈利指标就越受污染，与真实的盈利能力的关系就越小。然而以权责发生制的会计利润计量方法，并没有将以现金为基础去衡量业绩和价值的作为标准。
从理论上讲，如果财务数据的来源是相同的，那么在作出投资决定时，使用利润表和使用现金流量表应该没有区别。然而，如果这一假设不成立(如安然公司和世界通信公司的情况)，就说明使用利润表代表的是一种状况，而现金流量表则是另一种状况。作者认为，由于报表所报告的内容缺乏统一性，而且报表的表述也不连贯，使得投资者极难检验公司历史业绩的质量，也很难对行业内和行业间的业绩进行比较。作者的研究表明，通过使用标准化的直接现金流模板，投资者可以更好地了解公司历史、当期的经营状况并更好地预测收益。
国际财务报告准则(IFRS)和美国通用会计准则都鼓励公司采用直接法的财务报表列报方式来报告经营性现金收支。但绝大多数公司选择采用间接法报告经营性现金流。在间接法下，现金流量表中没有列出经营性现金收入或支付。相反，净收入与经营性现金流的调节只是通过调整不产生或不使用现金的会计分录，包括折旧；应收/应付款或税款，以及终止业务、重组或特别费用。因此，间接现金流量表中净收入（或损失）反应更多的是非现金经营项目而不是经营性现金收支部分。此外，由于现金的流入和流出没有按照共同的经济特征进行分组，因此无法对未来现金流的规模、频率、时间和波动性进行建模。举一个完全赊销的例子，由于客户延迟付款而导致的应收账款的增加，并没有使收入和净收入产生变化，与已经收到全额付款没有区别。用户只有独立研究经营性现金流量表，才能了解到现金流入减少了，应计项目增加了。此外，应收账款的变化没有直接与收入归为一组，而是与营运资金变化归为一组。缺点显而易见：间接现金流量表从经营项目中得出净现金流量，而不单独列示任何经营性现金收支。虽然财务会计准则委员会(FASB)认为权责发生制通过平滑现金流的暂时性波动，提高了用利润去衡量公司业绩的能力。但作者认为，由于缺乏来自迟延客户的现金流入，以及由此导致的几张财务报表的列报不一致，将很容易导致证券被错误定价。
投资者通常会通过使用自由现金流与权益比率（FCFE）等近似值来调整其中的一些问题。FCFE与我们的直接现金流模板计算(D)非常吻合，经资本支出调整后，如图表1所示。
在作者的研究中，最感兴趣的是了解投资者是如何通过公司产生自由现金流的能力与净收入去对公司的持续竞争优势进行定价。换句话说，作者认为，那些通过不定期的非经营性项目或非常规项目或资本筹集（如债务、优先股或股权）产生现金流的公司，不如那些通过经常性的经营项目产生现金流的公司。如表2所示，作者对直接现金流的计量（如CFODM，对直接法营业现金流的计量）与FCFE指标（表2中的CFONM）存在实质性差异。当用总资产平减时，这两个变量之间的相关性仅为45%，而用股票市值平减时，相关性降至-17%。虽然标准的FCFE和间接现金流计量方法可以通过进行类似的计算来调整，但作者赞成广泛采用直接法现金流量表，认为这是一种更优的方法，并有可能发现新的因子。
直接现金流量法（DMCF）将具有相似经济特征的现金流量汇总，将具有不同特征的现金流量分解，例如，投资者可以将来源于经营项目的现金净流入与来源于资产出售、税收返还或外汇收益的现金流入分开计算。利用现有的间接现金流量表，这种计算实际上是不可能的。投资者还可以计算与经营、融资、税收和非经常性项目相关的现金流变化百分比。在作者的研究中，强调了投资者如何通过替换常用的盈利比率（包括股本收益率和市盈率倍数）来实现更多的风险调整收益。这一推理与研究表明盈利目标会影响会计决策，从而产生强烈的激励，使应计项目发生偏离。作者认为，如果不参考直接现金流报表的结构逻辑和内部效率，增量alpha（本文后面将讨论）是不可能的。
作者的主要发现是，直接现金流的计量方法可以比一般的计量方法更好地预测股票收益率，而间接现金流的计量方法又往往优于关注毛利润、营业利润或净利润的各种来源于利润表的盈利指标。在作者的研究中，首先将现有的收入法和间接法现金流量表结合起来生成直接现金流量近似值；也就是说，作者创建了一个新的报表，将经营、筹资、税收和非经营性现金流量进行分拆，以区别于经常性价值创造项目。然后，创建了一系列基于现金的财务指标，并将其与BGLN（2015年）的经营利润率指标、Novy-Marx（2013年）的毛利润率指标以及传统的资产收益率（ROA）指标进行比较(作者用资本收益率的指标以及传统的股权收益率指标重复分析，发现结果在本质上是相同的)。与BGLN（2015）一致，作者以公司市值为分母进行重复分析。在本文中，作者表明，新的方法比那些基于标准利润表信息的方法有更高的风险调整收益。作者的结果在不同的投资期限和风险因素下都是稳健的，包括控制行业差异。
作者的研究与Novy-Marx（2013）和BGLN（2015），以及Hou、Karolyi和Kho（2011）的研究相似，并对其进行了扩展。虽然Novy-Marx（2013）认为毛利润率是真实经济利润率的最干净的会计计量方法，BGLN（2015）也得出了改进的营业利润率计量方法，但作者认为，侧重于现金流量表和股东可获得的现金收益的方法可以得到“更干净”的计量方法。与BGLN（2015）一样，作者考察了分类信息，但重点是现金流而不是会计计量。与Hou et al.(2011)一样，作者发现以现金为基础的计量方法能够捕捉到股票收益率时间序列的显著变化；但作者关注的是美国市场而非全球市场，除了计量现金流的价格 (扣除折旧和摊销等非现金费用前的现金收益)外，还考察了更广泛的现金计量类型。实证检验了基于DMCF的现金流估计与美股市场未来股票收益率之间的关系，来检验直接现金流法可以更好的预测股票收益的猜想。
作者通过经营现金流减去资本支出后经融资和税收调整的各种测算，构建了新的盈利指标。与BGLN（2015）一致，在这些比率的分母中用了总资产和市值。作者将这些比率与Novy-Marx（2013）的毛利润率指标、BGLN（2015）的经营利润率指标、资产收益率以及基于公司市值的盈利价格比（E/P）和其他指标进行比较后发现，以多空组合收益率、信息比率和风险调整后的alpha来衡量，推导出的基于现金的比率与未来股票收益之间存在显著的正向关系。在控制了众所周知的风险因素后，现金流最高的十分位数股票组合比现金流最低的十分位数股票组合年收益率高出10%。相比之下，在1994-2013年的标普1500指数样本中，其他盈利能力和基于收益的比率与未来收益率的关系普遍相对较弱。作者还表明，除了经营性现金流信息外，现金、税收和资本支出信息也能提供额外的预测能力。
\
直接现金流模板
作为传统的利润和现金流量表的替代方法，作者提供了一个直接现金流量模板和一套基于现金的资本效率和估值比率。与调整净收入和非现金经营项目的间接现金法不同，直接现金流模板将财务信息按照经济特征分类整理好，从而使投资者了解价值创造的过程，并进行判断。这样，与竞争优势相关的经营项目就会增强价值，并有可能重复经营。虽然获得最佳的资本结构可以提高价值（考虑到债务和利息可在扣除部分税收的好处，但要与相关的风险相平衡），但反映在利息支出上的融资项目本身并不能提高价值。某些税收结构的潜在好处最近受到了媒体的广泛关注（即大型盈利公司只需缴纳很少的税款），这种结构可能会提升价值，因为缴纳的现金税越少越好；但其可持续性值得怀疑。其他非经营性项目也可能具有一定的价值提升属性，但可能是不可持续的。这种概述与早期的研究一致，这些研究表明，以现金为基础的盈利比以权责发生制为基础的盈利部分更持久，因此质量更高（Sloan 1996）。
作者认识到，这个模板并不能产生FASB（2008）所设想的实际的直接现金流，因为公司不需要经营性和非经营性现金流分开公布。但作者认为，直接现金流相比普通的会计指标可以更好的估计企业的内在价值。尽管现金流的所有项目都是公开的，但在研究中推测，仅靠项目的可用性并不能确保它们能够及时整合并被投资者用来估计内在价值。在股票价格能够反映这些会计信息之前，必须先分类、揭示和应用这些项目。作者的分析还强调了什么类型的会计信息最有参考价值。
直接现金流模板（表1）的工作原理如下。首先，直接估算经营项目的净现金流。从收入的主现金流入开始，根据应收账款、递延收入和其他经营项目现金流入的变化进行调整。减去销售成本以及销售费用、一般费用和管理费用，然后根据经营项目中应付账款的变化和存货的变化进行调整。结果是对经营性净现金流的估计（A），与Ball、Gerakos、Linnainmaa和Nikolaev（2016）类似。
其次，作者估算了融资项目后的经营项目现金净流量(B)减去利息支出，并对其他融资收入和支出进行调整。随后，通过减去与税收项目有关的现金流量--包括损益表上的税金，并根据应交税金和递延税金的变化进行调整来估算筹资和税收项目后的净现金流量(C)。最后，通过核算其他非经营性项目，包括终止经营、外汇和养老金相关项目，估算融资、税收和非经常性项目后的经营性现金流量净额（D）。为完整起见，并使该现金流估计与传统的股东自由现金流相一致，作者通过简单地减去与资本支出相关的现金流出来核算投资项目的现金流。作者推测，减去融资项目后的经营项目现金净流量或减去融资和税收项目后的经营项目现金净流量，应该是最能预测未来股票收益率的计量方法，这和价值提升税收结构的可持续性有关。
\
数据与方法
作者从标准普尔的Xpressfeed北美数据库中获取基本面和价格数据。作者的样本投资范围是标准普尔1500指数，由市场规模最大的500只股票、中型股400只和小型股600只组成。作者选择标准普尔1500指数，为了确保这些股票真正具有投资价值，并保证经过测试的投资策略和市场的相关度。标普1500指数的历史成分股也来自Xpressfeed。对于每个月，作者获得了标普1500指数当时的股票列表，以避免任何幸存者偏差。正如依赖会计指标的研究中常见的那样--考虑到金融公司和非金融公司之间的主要结构性差异（如杠杆率），在作者报告的大部分分析中，排除了金融公司（银行、保险公司和房地产信托基金），约占总体样本的15%。其中盈利为负的公司（约占样本的13%）和经营性现金流为负的公司（约占样本的6%）。作者使用了1994年10月-2013年12月的数据；美国从1987年开始才强制要求编制现金流量表，而标普1500指数的实际指数成份股从1994年10月开始才有现成可用的数据库形式。
作者在研究中使用的主要基本变量如下（Xpressfeed符号）。
按照行业惯例，作者为基本变量建立了12个月的跟踪值（TTM）。作者用每个季度的新信息更新了这些TTM值，并将其与月度收益数据结合起来进行测试。尽管有季度更新，但为了避免任何前瞻性偏差（look-ahead bias），只使用滞后四个月的会计数据，用两个变量对各种计量指标进行标准化。(1)总资产包括流动资产、投资、无形资产以及每个公司资产负债表上报告的财产、厂房和设备；(2)市值以流通的普通股乘以月末价格来衡量。
在表1的模板定义基础上，作者建立了直接和间接自由现金流的各种计量方法。 CFAFAT代表融资和税收项目后的经营项目现金净流量（C）减去资本支出；CFAF代表融资项目后的经营项目现金净流量（B）减去资本支出；CFO代表经营项目现金净流量（A）减去资本支出。作者将这些直接法现金流（DMCF）计量方法与间接法现金流计量方法CFIM进行了比较，CFIM定义为经营项目净现金流（OANCF）减去资本支出。这里需要注意，这种间接计量方法OANCF的结果与表1中扣除融资、税收和非经常性项目后的经营项目净现金流（D）相同。
然后，作者使用这些自由现金流的定义来构建现金资产收益率和自由现金流收益率的各种指标。变量CFAFAT/TA是以直接自由现金流指标CFAFAT除以总资产来衡量的现金资产收益率。变量CFAF/TA、CFO/TA和CFIM/TA是资产收益率的另一种指标，分子分别为CFAF、CFO和CFIM。作者将这些衡量指标与一些基于会计的衡量指标进行了比较。营业利润的分子指标OP/TA为营业利润（由BGLN[2015]从销售额中减去销售成本和销售、一般费用和行政费用（不包括研发）来估算），分母为总资产。Novy-Marx(2013)的毛利与总资产之比的分子GP/TA是以销售额减去销售成本后的毛利。传统的资产收益率是以IBCOM(普通股股东的扣除特殊项目前的收入)除以总资产来衡量的。价格收益率的测算方法与之前介绍的测算方法类似，只是用股票的市场价值（MVE）代替总资产作为分母。需要注意的是，传统的E/P（市盈率的倒数）是以IBCOM或净收入除以股票市值来衡量的，并简单地注明为NI/MVE。根据在上一节的讨论，作者预计那些分子中含有CFAFAT和CFAF的衡量指标会更优。
对于每个月，作者按照资产收益率或收益率的特定指标对标准普尔1500公司进行排名，并将整个股票池从最低（P1）到最高（P10）分为十等分。作者以市值加权的方式计算了一个月前的投资组合收益率（作者也考虑了其他期限）。按照标准的方式，作者以最高（P10）和最低（P1）组合收益率之间的收益率差来估计多空组合收益率。然后，作者检验了收益率差异的显著性。
\
现金流项目中的信息
在分析之初，作者首先考察了现金流的各个项目对现金流的影响，以了解这些项目如何提供预测股票收益的增量信息。例如，除了有关公司经营的信息外，现金流中是否有关于融资、税收、投资或其他非经营项目的增量信息？作者还将经营性现金流信息与会计计量的毛利和营业利润进行比较。
如表3所示，作者首先考察了不同现金流计量方法的各个项目与等权重加权公司之间的的时间序列（缩尾在1%和99%）的相关性。作者对直接法经营现金流的度量，CFODM；对间接法现金流的度量，CFODIM；Novy-Marx（2013）的自由现金流指标，即净收入加折旧/摊销减去营运资本变化减去资本支出，CFONM；融资项目，FinAct（该和其他项目指标的定义见表1）；税收项目，TaxAct；其他项目，OthAct；资本支出，Capex。作者用总资产(TA)或股票市值(MVE)对每个变量进行了平减。
不出所料，CFODM/TA、CFOIM/TA和CFONM/TA计量之间存在较高的相关性。前两个指标为0.81，第一和第三个指标降至0.45。与BGLN（2015）一致，分子相同但分母为MVE或TA的变量之间的相关性在很多情况下都相当低。CFODM为0.28；CFOIM为0.32；CFONM为0.47。这些结果显示了总资产的账面价值的影响，总资产的账面价值随着时间的推移变化缓慢，而市值则变化频繁，而且变化幅度更大。
在三个被TA平减的现金流衡量指标中，作者看到FinAct（负）、TaxAct（正）和Capex（正）的相关性规律一致。FinAct的相关性绝对值普遍较低，低于0.23，而Capex的相关性绝对值普遍略高，TaxAct的相关性绝对值仍然较高（高于0.48）。 OthAct与CFODM和CFOIM变量之间的相关性绝对值较低，但OthAct与CFONM之间的相关性绝对值竟然很高（0.55）。意料之中的是，以MVE为分母的相关性往往较低。这些初步结果促使作者对现金流的项目进行更严格的考察。
按照BGLN（2015），作者进行了Fama和MacBeth（1973）的横截面回归。对于样本的每个月，将每个股票的未来一个月的收益率对经营性净现金流进行回归，即净CF ops（表1模板中的A）。在其他的回归中，加入了一些其他独立变量。以利息支出±其他融资收入/支出，衡量的融资项目。以利润表上的税金衡量±应交税金的变化±递延税金的，衡量税收项目。终止经营/特别费用±外汇收益/损失±养老金收益/损失/缴款，去衡量其他非经营性项目，以及资本支出（资本支出）。作者通过总资产的账面价值对所有这些变量进行了平减。与BGLN(2015)类似，作者加入了一些控制变量：log(BVE/MVE)是股权账面价值与市值之比的自然对数；log(ME)是以市值的自然对数衡量的规模变量。是该股票过去一个月的收益；以及是该股上年的收益（跳过一个月）。作者根据第1和99百分位数对所有独立变量进行了缩尾。作者还进行了单独的回归，将净CF运营变量替换为（1）Novy-Marx（2013）的毛利润度量，（2）BGLN（2015）的运营利润度量，（3）作者基于间接现金流法（CFOIM）的运营现金流度量，或者（4）Novy-Marx（2013）的自由现金流度量，即净收入加折旧/摊销减去运营资本变化减去资本支出（CFONM）。
表4报告了作者的结果，包括Fama-MacBeth（1973）斜率系数的平均值及其t值。第1列是仅对毛利和控制变量的收益率进行回归，第2列对营业利润和控制变量进行了同样的回归，而第3列对净运营现金流和控制变量进行了同样的回归。在第1列中作者可以看到，毛利的指标只是略微显著，t统计量为1.81。在第2列中，营业利润的测度是显著的，t统计量为3.38；在第3列中，净CF运营系数估计也是显著的，且数量级相近，t统计量为3.22。
通过第4列和第5列报告的回归结果，可以比较第1列和第2列的结果与加入净CF ops测度的效果。在第4列中，可以看到，现金流计量包含了毛利，毛利不再显著。第5栏显示，营业利润和现金流都不显著（可能是由于多重线性），尽管现金流的t统计量确实略微高一些。
第6、7和8列中的回归结果重复了第1、2和3列中的分析，但增加了与融资项目、税收项目、非经营项目和资本支出(投资项目)有关的现金流项目。在所有情况下，调整后的都会增加。在第6列中，毛利的显著性下降，t统计量为1.64，而现金流项目均不显著。考虑到之前的结果表明（对于样本）毛利度量指标被其他衡量指标所解释，这一结果并不令人惊讶。在第7列中，营业利润仍然显著，t统计量为3.85。但是，税收项目系数估计值和资本支出系数估计值都略微显著，且为负值。第8列净CF运营结果类似。除了净资本运营变量仍然显著，t统计量为3.60之外，税收项目系数估计值为负且略微显著，t统计量为-1.91；资本支出系数估计值也为负且显著，t统计量为-2.03。
作者发现融资项目系数估计值没有显著性，这与最初的猜想是一致的，同时也与BGLN（2015）一致，BGLN（2015）发现他们全样本内（剔除迷你股）的利息系数估计值没有显著性。但与BGLN（2015）不同的是，作者发现税收项目系数估计为负且显著。作者预计随着现金税的增加，会与股东的内在价值呈负相关。
资本支出变量的系数估计为负，这与之前的文献一致，被称为投资效应或资产增长效应。其中，增加投资的公司(如以资本支出占总资产的百分比来衡量)随后会经历较低的风险调整收益。有两种可能的解释，q投资理论和过度投资理论。在第一种解释中，当股票收益低于预期时，公司会加大投资。在第二种解释中，增加投资的公司可能会过度投资。市场可能会将一些资本投资解释为低效率；例如，大型、高风险项目的资本支出可能会导致不利的结果。
第9列列出了CFOIM和与融资项目、税收项目、非经营项目和资本支出（投资项目）相关的现金流项目的控制变量回归的结果。正如预期的那样，CFOIM的系数估计是显著的，t统计量为3.71。与第7列和第8列的结果一致，资本支出系数估计值显著为负，税收项目系数估计值仍为负，但不显著，而非经营项目系数估计值为负，且略有显著。最后，第10列列出了与第9列类似的回归，但用自由现金流（CFONM）代替了CFOIM的指标，指标为净收入加折旧减去营运资本变化减去资本支出（Novi-Marx，2013）。只有非经营项目变量是显著的。
总的来说，作者的结果表明，以现金流项目来预测横截面收益时，存在额外的信息。特别是，除了经营性现金流所包含的信息外，在税收项目和资本支出方面也有增量信息。在支付相对较低的现金税和相对较少的资本支出的同时，产生强劲的经营现金流的公司往往表现最好。
\
现金流、盈利收益率指标及投资组合未来月收益
接下来，作者用总的现金流计量方法分析了结果。表5报告了1994年10月-2013年12月期间各种市值加权组合（P1至P10）的月度收益率，以及P10-P1高低组合收益率差的结果，并根据一个月前的资产收益率或收益率指标进行排序。表5还显示了P10-P1收益率的标准差、P10-P1收益率的t显著性统计、P10-P1月度观测值的最小值和最大值，以及以年化P10-P1收益率除以收益率差的年化标准差来衡量的信息比率（IR）。如同预期的那样，所有的衡量指标都存在着普遍的（但不是完美的）单调关系，较高的衡量指标往往比较低的衡量指标表现出更高的单月收益。表的上半部分是以总资产为分母的计量指标。
各个计量指标的收益率一般都是以某种单调的方式从低到高增加。从表4中可以看到，在ROA变量中，Novy-Marx（2013）GP/TA变量的P10收益率最大，但P10-P1差值并不是最大的，因为很多现金流的指标有较多的横向变化。对于根据三个DMCF效率衡量指标（CFAFAT/TA、CFAF/TA和CFO/TA）进行排序的投资组合，高低（P10-P1）收益差显著为正（t统计范围为2.14～2.73），月度收益差在0.64%～0.82%之间（或年均8.0%～10.3%）。信息比从0.489到0.623不等。对于间接法现金流收益率测算（CFIM/TA），高低月收益率差下降到0.49%（年收益率6.0%），但并不显著，信息比下降到0.356。按营业利润占总资产比例（OP/TA）排序的投资组合的收益率差异与CFIM/TA变量的收益率差异非常相似（0.49%；年均6.0%），但不显著，信息比相同（0.356）。基于利润总额占总资产比例（GP/TA）的指标的高低组合收益率也很相似（0.49%；6.1年），但鉴于标准差较低，是显著的，t统计量为2.10；信息比率较高，为0.480。最后，对于资产收益率（NI/TA）的衡量，月度高低收益率差值只有0.06%（年均0.7%），且与零无显著差异，信息比降至0.040。与猜想一致，在这些现金流收益率的指标中，表现最好的多空组合是基于CFAF指标（融资项目后的经营项目现金流量净额[表1中的B]减去资本支出）进行排序构建的。这个指标的信息比率也是最高的。这些初步的结果表明，在多空头寸中，现金流度量优于盈利能力度量，因为：（1）与现金相关的信息可能更有参考价值；（2）现金流度量构建的投资组合具有更强的分散程度。
表5的下半部分列出了以市值为分母的衡量指标。可以看到，根据作者的三个直接法现金流收益率度量（CFAFAT/MVE、CFAF/MVE和CFO/MVE）和间接法现金流收益率度量（CFIM/MVE）进行排序的投资组合的收益率差异均显著为正（t统计量范围从1.91～3.03），月度收益率差在0.55%～0.77%（年收益率6.9%～9.6%）。信息比率在0.436～0.692之间。以营业利润率(OP/MVE)排序的投资组合的收益率差为0.70%(年收益率为8.7%)，略微显著，但信息比率较低(0.380)。对于毛利收益率（GP/MVE），多空收益差为0.58%（年均7.2%），但并不显著，信息比降至0.313。最后，对于盈利收益率的测算（NI/MVE），月度多空收益差为0.43%（年均5.2%），且不显著，信息比仅为0.271。与猜想一致，在这些现金流收益率衡量指标中，表现最好的多空组合又是基于CFAF/MVE（融资后经营现金流净额[表1中的B]减去资本支出）的排序，产生的信息比最高。按AFAT和AF DMCF指标进行的排序产生了更高的信息比率。比对间接现金流计量（CFIM/MVE）的排序要好。作者的结果（在指标的分母为股权市值的情况下）表明，与盈利能力指标相比，现金流指标的优越性具有稳健性。作者的结果在各时期也是稳健的。
作者对表5中结果的总体解释如下。直接现金流计量方法往往优于间接现金流计量方法，因为将经营、筹资和税收项目分开提供了额外的信息。现金流计量方法往往比盈利能力计量方法（营业利润、毛利和净利润）更好的预测股票收益率，因为与现金相关的计量方法在经济上比盈利能力计量方法更干净，而且与公司的估值方式更密切相关。因此，权责发生制财务报表列报方式的不一致，会使那些试图通过财务报表推断信息和判断价值创造项目是否可持续的投资者感到困惑。
\
投资组合分类回归
作者进一步对风险进行调整，使用投资组合P1到P10的收益以及P10-P1的收益差（即投资组合按资产收益率变量或收益率变量进行排序），来对众所周知的风险因素进行回归。作者使用了1994年10月-2013年12月整个样本期的月度数据。回归模型是：
因变量是表5中每个月分组构建的十分位数投资组合从P1(低)到P10(高)，以及按资产收益率和收益率指标(i)排序的各种投资组合的P10-P1收益差。例如，作者将1994年11月的收益率(t+1)根据1994年10月底的信息(t)进行回归。自变量为Fama-French(1993)三因素模型，其中MKTRF为市场风险溢价(超过无风险利率的市场收益率)，SMB为小市值减大市值(规模)因子，HML为高BP减低BP(账面市值)因子(本文后面将讨论Fama-French五因素模型)。在控制了所有这些风险因素后，截距alpha，解释为alpha或异常收益。如果alpha为正且显著，则意味着其他因子不能组合成一个均值-方差效率的投资组合，这表明投资者何将投资组合向盈利策略倾斜，例如投资于近期相对于其总资产或股票市值产生高现金流的投资组合。作者使用White（1980）的异方差一致性标准误差。为了便于比较，作者提取了月度国库券的超额平均月度收益率（来自KenFrench的网站）。
表6总结了回归结果。A组列出了按收益率和收益率指标排序的P1（低）组合的回归结果。B组列出了按收益率和收益率指标排序的P10（高）投资组合的回归结果。C组显示了以相同的指标排序的P10-P1收益率差的回归结果。
在各组中，可以看到，从P1到P10，各种资产收益率和收益率指标的组合alpha（和平均收益率）增加。在A组（P1结果）中，大部分的alpha都是负的，但不显著，而在B组（P10结果）中，除了CFO/MVE、OP/MVE和GP/MVE之外，所有的alpha都是正的，而且大部分是显著的。与表4中的结果一致，在C组中，DMCF收益率和收益率衡量指标P10-P1的三个收益率差异都是显著为正的（CFO/MVE除外），间接衡量指标收益率差异也是显著为正的。OP收益率差异相对于总资产显著为正，但相对于市值则不显著。在大多数情况下，基于现金流的衡量指标的alpha值高于相应的OP衡量指标。GP计量以TA为分母时显著，但以MVE为分母时不显著，在这两种情况下，其alpha值均低于相应的OP计量。对于净收入测度，结果略显显著。大多数DMCF变量的结果alpha都比间接法变量大。在以TA为分母的DMCF变量中，CFAF的alpha为1.11%，折合年收益差为14.2%；CFO的alpha为1.07%，折合年收益差为13.6%，甚至强于表5的结果。以MVE为分母，CFIM的alpha为0.67%，年收益差为8.3%。因此，即使控制了风险因素，作者也发现使用直接现金流报表所提供的信息具有重要价值。一般来说，直接现金流计量往往优于间接现金流计量，而间接现金流计量又往往优于盈利计量；在盈利计量中，营业利润计量往往优于毛利计量，而毛利计量又优于净利润计量。
作者将P10-P1结果与Novy-Marx（2013，表2）的结果进行对比。尽管在方法上存在一些差异，作者发现，alpha衡量毛利占总资产比例的估计值0.59%，与估计的0.52%接近。因此得出的结论并不是说在不同的样本和设计下，计量方法表现不佳，而是基于现金的计量方法表现更好。
最近，Harvey、Liu和Zhu（2016）对声称发现新因子的实证研究的提出了批评意见。他们强调了数据挖掘方面的问题，提出报告t统计的阈值应该远远高于传统的2.0水平，提高到3.0左右。然而，他们指出，从第一原则而不是纯粹的经验性研究中挖掘出来的因子可以说有一个较低的阈值。请注意，在C组结果中，所有以总资产为分母的现金流指标都轻松地超过了3.0的水平，营业利润指标也是如此，但毛利润和净收入指标则不然。对于以MVE为分母的计量指标，现金流计量指标的t统计量普遍高于2.0，但低于3.0，而所有盈利计量指标的t-统计量均低于2.0。作者认为，现金流测度是在直接现金流测度的基础上根据第一原理推导出来的。
正如Fama和French（1992）和BGLN（2015）所指出的那样，各种资产收益率和收益率的指标与未来股票收益之间的关系可以用理性或非理性的资产定价来解释。错误定价可以用非理性投资者的行为和偏见或短期交易摩擦来解释；或者，可能存在回归模型中三个因素没有体现的风险因素。下一节讨论的收益的持久性，如果假设交易摩擦不应该在较长时期内持续存在，则可能符合理性的解释。在下一节中，作者还考虑了一个五因素模型，以捕获更多的风险因素。
\
稳健性检查
在介绍的稳健性检验时，作者使用Fama-French五因素（而不是三因素）模型回归重新检验了P10-P1收益率的alpha值，考虑了更多的期限范围，并进行了重复分析，但P10-P1收益率为行业中性。
Fama和French（2015）最近引入了一个五因素模型，该模型建立在其原有的三因素模型基础上。
两个附加因子是RMW，即稳健型经营盈利组合的平均收益减去弱势型经营盈利组合的平均收益；CMA，即保守型（低）投资组合的平均收益减去激进型（高）投资组合的平均收益。他们认为，这个模型在捕捉规模、价值、盈利能力和投资模式方面比他们的三因素模型更好。他们还认为，如果对这五个因素的暴露能捕捉到预期收益的所有变化，那么截距或alpha应该为零。
加入RMW因子与本文的研究密切相关，因为作者认为，基于现金的计量方法中存在着基于会计的盈利指标计量方法所不能体现的信息。如果结果是稳健的，发现P10-P1多空组合的alpha为正且显著，就可以有信心地得出结论，基于现金的变量比盈利指标计量更重要。事实上，这就是作者发现的，在表7中报告的结果。在相对于总资产的度量中，所有与现金相关的alpha值仍然为正且显著，就像Fama-French三因素模型的情况一样（表7重复了表6的结果并进行比较）。营业利润计量也是显著的，但小于所有与现金相关的alpha计量（虽然非常接近间接法计量）。毛利对alpha的衡量和净收入对alpha的衡量都不显著。在相对于股票市值的计量中，现金计量的alpha（除财务总监外）高于盈利计量的alpha，且略显显著，而盈利计量的alpha均不显著。因此，根据现金分组测算，这五个因素的暴露并不能反映预期收益的所有变化。
稳健性检查
作者通过考虑不同的持有期，包括3个月、6个月和12个月，重新考察了投资组合市值加权收益率结果。结果与一个月的收益率结果基本一致。三个月的收益率差异在所有的现金流收益率计量以及营业利润（OP/TA）和毛利润（GP/TA）计量中都显著为正，而传统的资产收益率计量（NI/TA）则不显著。DMCF计量的收益率差异最大，其次是GP/TA计量，然后是间接法现金流计量。CFAF/TA计量的三个月收益率差异为2.1%（年化8.7%）。盈利收益率测度方面，所有的收益率差值均显著为正，CFAF/MVE、CFIM/MVE、OP/MVE和GP/TA测度的收益率差值的数量级相近，而收益率NI/MVE的收益率差值仅略为显著。CFAF/MVE指标的三个月收益率差异为2.1%（年化8.6%）。在资产收益率的衡量指标中，鉴于收益率的标准差要低得多，GP/TA的信息比率最高。在衡量收益率的指标中，现金流指标的信息比率远高于盈利指标。
在6个月的期限内，除NI/TA指标外，其他资产收益率指标的收益率差异均为显著正值。收益差异最大的是CFAF/TA变量，6个月的收益率为3.4%（年化6.9%）。 在收益率指标中，CFIM/MVE和GP/MVE的六个月收益率几乎相同，约为3.8%（年化7.7%）。在资产收益率测算中，GP/TA测算的信息比率最高，其次是各种现金流测算；在收益率测算中，现金流测算的信息比率占主导地位。12个月收益率的结果与6个月收益率的结果相似。在资产收益率测度和收益率测度中，与间接测度相比，DMCF测度表现出优越的信息比率。大部分DMCF和间接法资产收益率测度的收益率差普遍优于收益率测度，而收益率测度又优于NI/TA和NI/MVE测度的收益率差。即使在12个月的期限内，高低CFAF/MVE组合也提供了近7.5%的收益。总的来说，作者的不同期限的结果与之前的结果一致，同时也表明，尽管仍然是正的和显著的，但在较长的期限内，收益率差异只是小幅缩小。
虽然较长的持有期导致所有衡量指标的收益率略低，但权衡之下，较长的持有期也降低了交易额，从而降低了交易成本。作者试图通过研究各种不同的测试指标的换手率去量化交易成本。对于一个月的持有期，以总资产为分母，四种现金流计量方法的平均换手率为19%，以股票市值为分母，换手率为25%。在三种盈利能力指标中，以总资产为分母的月平均换手率为10%，以股权市值为分母的月平均换手率为24%。就年度持有期而言，在四个现金流指标中，以总资产或股权市值为分母的平均换手率为113%。在三个盈利能力衡量指标中，以总资产为分母的年平均换手率为78%，以股权市值为分母的年平均换手率为100%。按照Leclerc，L'Her，Mouakhar和Savaria（2013），假设换手率百分之一个点的0.882个基点为双向再平衡成本（样本代表了最大的和最具流动性的股票）。在整个现金流衡量中，如果以总资产为分母，月净收益率将减少约0.17%，如果以股票市值为分母，则减少0.22%。在三个盈利能力指标中，若以总资产为分母，每月净收益将减少0.09%，若以股票市值为分母，则减少0.21%。就现金流指标而言，年度净收益率将减少0.09%，以总资产为分母的净收益率将减少0.21%。以总资产为分母，年净收益率约为0.99%，以股权市值为分母，年净收益率约为1.00%。在三种盈利能力的指标中，以总资产为分母的情况下，年度净收益率将减少0.69%，以股票市值为分母的情况下，净收益率将减少0.88%。即使在考虑再平衡成本后，结果也是稳健的，以现金流为基础的指标比盈利能力指标提供了更高的收益。作者还发现，每月与每年的再平衡会带来更优的净收益。
\
行业分析
为了检查结果是否具有行业特性，作者进行了一系列测试。首先，将样本在10个全球行业分类标准(GICS)行业中进行分类：能源、材料、工业、常规消费、大宗商品、医疗保健、金融、信息技术、电信服务和公用事业(金融行业没有包含在之前的结果中，但由于结果是按行业划分的，所以在这里被包含在内)。作者对每个行业内的每个衡量指标进行了信息比率的估计。在未统计结果的基础上，作者发现所有行业没有一致的模式，但可以将结果总结如下。对于以总资产为分母的衡量指标，现金流衡量指标往往比各种盈利能力和盈利衡量指标表现更好，尤其是在能源和工业行业，但在材料、可选消费、医疗保健、电信和金融行业也是如此。电信公司的信息比率在所有的指标中都很强，其中营业利润率的指标表现最好。大宗商品（NI/TA除外）和公用事业的信息比率在所有衡量指标中都很低。对于以市值为分母的指标，现金流指标往往比各种盈利能力和盈利指标表现更好，特别是在工业、可选消费和信息技术行业，在大宗商品和电信业表现也很好。盈利能力衡量指标往往在能源、材料和医疗保健行业表现更好。信息比率在公用事业的所有指标中都很低，只有NI/MVE在金融部门表现良好。
表8报告了关于股票行业中性多空组合的另一组稳健性检验。为了控制行业差别，作者创建了行业中立的投资组合。作者在24个GICS行业组中的20个行业组中分别重复了排序程序（金融-银行、保险公司、多元化金融和REITs不在样本中）。P1(P10)由每个行业内表现最低(表现最高)的股票按十分位数填充。
表8的A组列出了单月市值加权收益率的结果，除了一些明显的例外，这些结果与表3的结果基本一致。对于资产收益率的结果，可以看到，除了NI/TA的指标表现非常好之外，现金流指标的收益率差异和信息比率往往高于盈利能力指标。有趣的是，OP/TA收益率差异和GP/TA收益率差异都不显著，这说明在其他研究中这些变量的结果可能是受益于一个行业的股票多头仓位和另一个行业的空头仓位。在收益率测度中，只有GP/MVE测度的结果略微显著，而其他收益率差异均显著。
对于最后的行业稳健性检验，表8的B组报告了回归分析的行业中性组合结果。这些结果与表6中的结果类似，但也有类似于A组中未发现的例外情况。OP/TA和GP/TA的alpha低于相应的现金计量的alpha。对于收益率计量，OP/MVE和GP/MVE的alpha不显著。因此，作者的结果似乎并没有受到行业特定表现的影响。此外，对于样本来说，在行业中性的环境下，对营业利润和毛利的排序不如现金流排序那么表现优异。
\
结论
受Novy-Marx(2013)的启发，最近很多人关注利润报表相关指标的重要性，如毛利占总资产的比例，作为横截面收益率的预测指标。在本文中，作者表明，常用的利润报表相关指标，包括资产收益率和盈利收益率，具有一定的预测能力，但一般来说，以现金为基础的指标优于经营利润率和总资产利润率的指标。作者研究了使用变形后的财务报表与DMCF来估计自由现金流的策略，这些策略产生了了更高的风险调整收益。作者创建了一个直接现金流模板，将经营性现金流与融资、税收、非经营性和投资相关项目分开。作者认为，这种分离有助于投资者理解价值是如何创造的，从而更好地估计公司股权的真实内在价值。作者发现，DMCF资产收益率测算和DMCF收益率测算在预测股票收益方面普遍优于间接现金流法测算，而间接现金流法测算又普遍优于基于盈利能力的利润表测算。在控制了一般的风险因素后，作者发现了类似的结果。作者还测试了不同的持有期，并进行了控制行业表现的稳健性检查，发现了类似的结果。Fama- MacBeth回归表明，税收、资本支出和经营性现金流等信息的重要性递增。未来的研究可能会进一步解释为什么这些变量在预测股票收益率方面很重要。
作者的结论是：除了经营性现金流信息外，用现金流单独核算投资项目和税收可以渐进的提供更多信息，这为国际会计准则委员会（IASB）和美国财务会计准则委员会（FASB）要求重构财务报表的倡议提供了支持。从投资的角度来看，投资者可以通过依赖现金流，将来自融资、税收、投资、非经营性和非经常性项目的经营性现金流进行分解，而不是依赖利润表的盈利能力指标，从而获得更好的投资前景信息，从而获得未来的股票收益。虽然基于各种基本面标准的优质投资策略最近声名鹊起，但作者的研究表明，分析师和投资者最好还是跟着现金走。
本文核心内容摘选自S & T & G在ForthcominginFinancialAnalystsJournal上发表的《现金流能比利润更好地预测股票收益率吗？》。
\
风险提示
本文结论基于历史数据、海外文献进行总结；不构成任何投资建议。