“学海拾珠”系列之五十九：如何用现金流特征定义企业生命周期？
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”系列第五十九篇，本期推荐的海外文献研究使用企业的现金流特征来判断公司所处哪个生命周期。现金流特征分类法计算简便，且不受分布假设的影响，研究表明基于现金流特征分类下的生命周期对公司未来盈利和股票收益均有一定的预测能力。
回到A股市场，研究企业的生命周期是一个较为崭新的视角，可以比较现金流特征法和财务指标法（资本支出、股息支付率、年龄和营收增长率）的分类结果的合理性，用股票收益和盈利增速对两种分类结果进行评判。此外，我们也可以检验PB-ROE策略、超预期类策略、投机类策略在不同生命周期的公司域中的选股效果，一方面能更深入地了解策略收益的来源，另一方面可以分股票域构建策略提升总收益。
- 处于不同生命周期的企业的盈利能力持续性不同
盈利能力会随着时间的推移均值回归，了解盈利能力的演变规律有助于更准确地做出盈利预测。具体来说，即使在生命周期投资组合构建的五年后，处于衰退期和成熟期的公司之间的RNOA仍保持3%到10%的差异，且这种差异在统计上具有显著性，这表明企业生命周期的差异一定程度上阻碍了盈利的均值回复。
-
基于现金流特征的分类方法比现有分类方案更符合盈利的分布特征
经济理论预测生命周期与财务绩效之间存在非线性关系，例如利润、净运营资
回报率(RNOA)、资产周转率(ATO)、利润率(PM)、销售收入、杠杆、股息支付、规模和年龄，这与使用现金流特征作为生命周期代理变量所产生的绩效分布相一致。现金流特征分类法优于以往文献中的其他生命周期的代理变量（包括年龄），并且能更好地解释了企业未来的盈利能力。
-
生命周期包含的增量信息与市场较低的定价效率有关
研究发现，市场并没有完全纳入生命周期代理变量提供的信息，因此处于成熟期的公司在下一年将获得正超额回报。换句话说，投资者低估了处于成熟期的公司持续增长的盈利能力，而是期望他们的盈利能力在接下来的一年中会恢复到“正常”水平。
\
-
风险提示
本文结论基于历史数据与海外文献进行总结；不构成任何投资建议
\
简介
企业是一种不断进化的实体，其进化道路由内部因素（如战略选择、财务资源和管理能力）和外部因素（如竞争环境和宏观经济因素）共同决定。企业的生命周期是由这些因素的变化所形成的不同阶段，其中大多源自于企业所进行的战略活动。尽管公司生命周期对于理解公司的财务绩效具有重要意义，但如何使用一种稳健的方法来衡量公司生命周期并对其进行财务分析和估值的相关研究是相对稀缺的（Anthony和Ramesh1992）。
在公司层面（而不是在单个产品或行业层面）捕捉生命周期是一项艰巨的任务。公司是多种产品的集合，每个产品都有不同的产品生命周期。此外，该公司可以在多个行业内竞争，因此其产品供应非常多样化。因此，公司级别的生命周期很难评估，因为它是许多重叠但不相同的产品生命周期的组合。然而，经济学文献已经解决了生命周期理论的个体属性，例如生产行为（Spence1977,1979,1981；Wernerfelt1985；Jovanovic和MacDonald1994）、学习/经验（Spence1981）、投资（Spence1977、1979;Jovanovic1982;Wernerfelt1985)、进入/退出模式(Caves1998)和市场份额(Wernerfelt1985)。通过结合这些研究成果，基于对不同生命周期中运营、投资和融资现金流的预测，作者对一个公司层面生命周期代理变量进行研究。与之前研究生命周期代理变量的方法不同（比如，Anthony和Ramesh1992），作者的分类方法是基于公司绩效和资源分配的结果。
本研究具有较为重要的意义：首先，一些财务会计和财务报表分析教科书经常提到现金流和生命周期之间的联系（例如，参见Stickney等人2010，210-212；Kieso等人2010，1246-1247；Kimmel等人2009,606；等等）。虽然这些书籍经常生动地描述产品生命周期中的现金流，但很少有实证性证据支撑这些观点。本研究对现金流、未来业绩和生命周期之间的关系进行了严格的分析。
其次，作者发现基于现金流特征的分类方法比现有分类方案更符合公司盈利性的分布特点。经济理论预测生命周期与绩效变量之间的非线性关系，例如利润、净运营资产回报率(RNOA)、资产周转率(ATO)、利润率(PM)、销售收入、杠杆、股息支付、规模和年龄，这与使用现金流特征作为生命周期代理变量产生的分布相一致。
第三，现金流特征识别了不同生命周期中盈利能力的持续性和跨期均值回复规律中的差异。先前的研究表明，盈利能力会随着时间推移均值回归（Brooks和Buckmaster1976；Freeman等人1982；Fairfield等人1996；Fama和French2000；Nissim和Penman2001）并且充分了解盈利能力的演变规律后能提高对盈利的预测能力。具体来说，作者发现，即使在初始生命周期组合构建五年后，在衰落型和成熟型公司之间RNOA仍保持3%到10%的差异。这种差异在经济上是显著的，表明企业生命周期的差异阻碍了盈利能力的均值回归。
第四，本文研究的对生命周期的划分指标对企业未来盈利能力具有一定解释力。先前的研究表明，未来盈利回报（特别是RNOA）的变化可以通过当前盈利能力的水平和变化、净运营资产的增长以及资产周转率(ATO)的增加来解释（Fairfield和Yohn2001）。鉴于公司生命周期对盈利能力的解释存在差异，包括生命周期的现金流特征代理变量也提供了有关RNOA未来变化的增量信息，并且现金流特征变量优于其他表征生命周期的代理变量。另外，作者发现ATO的变化对未来RNOA变化的影响集中在成熟的公司中。这种规律与预测竞争压力驱使成熟企业关注效率和成本控制的理论是一致的（Selling和Stickney 1989）。此外，Penman和Zhang(2006)发现利润率(PM)的增加会导致未来的RNOA为负，因为这些增加是通过减少不可持续的运营费用来实现的。同样，这种影响集中在成熟的公司中，这些公司产品差异化的程度（体现在PM中）已经达到收益递减的阶段（Oster1990；Shy1995）。
最后，现金流特征指标与市场较低的定价效率有关。由于生命周期影响盈利能力的均值回复并与未来盈利能力的决定性因素相互作用，基于现金流特征的分类方法在了解企业价值和预测股票回报方面发挥一定的作用。市场并没有完全纳入生命周期代理变量提供的信息，因此成熟的公司会在下一年获得正超额回报。这一发现表明，投资者低估了成熟公司持续增长的盈利能力，而是期望他们的盈利能力在接下来的一年中恢复到“正常”水平。
总之，本研究提出并验证了现金流特征能作为识别公司生命周期的代理变量。在以下情况下，该分类可能有利于从业者（例如投资者、债权人、分析师、审计师和监管者）和研究人员：(1)更好地评估估值模型中的增长率和预测的时间范围；(2)更好地理解经济基本面如何影响未来盈利水平和收敛性；(3)根据生命周期的差异，识别存在潜在未识别风险因素或被市场错误定价的公司；(4)作为公司生命周期相关的不同经济特征的控制变量。
基于现金流的生命周期分类法的有效性研究
Gort 和 Klepper(1982)定义了五大生命周期：(1)初创期；(2)生产者数量急剧增加的成长期；(3)生产者数量达到最大的成熟期；(4)生产者数量开始减少时的震荡期；(5)新进参与者(Net Entry)基本上为零的衰退期。作者建议使用现金流来捕捉这些不同生命周期的财务特征。Livnat和Zarowin(1990)证明了将现金流分解为经营、投资和融资活动对股票收益的影响是不同的。因此，现金流反映了公司盈利能力、增长和风险的差异，并且将三类现金流的组合映射到生命周期理论中以推导出对生命周期分类的方法。表1总结了与生命周期相关的理论研究以及按类型划分的对现金流的相关预测。
现金流与生命周期理论的关系
现金流特征的组合代表了企业的资源配置、运营能力与其战略选择之间的相互作用，其中对不同生命周期中三种现金流的判断依据来自于经济理论。
经营现金流
初创公司缺乏成熟的客户，并且在潜在收入和成本方面存在知识性缺陷，这两者都会导致经营现金流为负（Jovanovic1982）。在投资和效率增加期间，利润率最大化（Spence 1977, 1979, 1981;Wernerfelt1985），这意味着经营现金流在成长和成熟阶段为正。Wernerfelt (1985) 指出，增长率下降最终会导致价格下降，因此随着公司进入衰落阶段，经营现金流减少（并变为负值）。
投资现金流
管理乐观主义 (Jovanovic 1982) 鼓励公司进行早期投资，以阻止竞争对手进入市场 (Spence 1977, 1979, 1981)。因此，投资现金流对初创型和成长型公司都是负的。虽然成熟型公司相对于成长型公司减少了投资，但它们会继续投资以维持资本（Jovanovic 1982；Wernerfelt 1985）。如果维护成本随着时间的推移而增加（即价格上涨），尽管幅度小于初创型和成长型公司的投资现金流的流出，但成熟型公司的投资现金流依旧为负。衰退型公司清算资产以偿还现有债务并支持运营，从而导致投资产生正现金流。
融资现金流
啄食顺序理论预测公司最初获得银行债务，然后是股票发行（Myers 1977, 1984; Diamond1991）。Barclay和Smith(2005)解释说，公司试图平衡债务的税收优惠（即利息费用的可扣除性）与过度借贷的困境成本。初创型或成长型公司需要债务来成长，但随着他们增加杠杆，他们最终将需要在偿还债务时减少现金流（Myers 1977；Barclay和Smith 2005）。然而，Barclay和Smith(2005)指出，随着公司的成长，对未来流动性减少的预期导致对正净现值项目的投资不足。总之，因为初创型（和可能成长型）公司获得信贷进行扩张，所以融资现金流预计是正的。
根据他们的定义，成熟型公司已经用尽了他们的正净现值项目，这意味着他们未来的投资机会更少（除非他们推动自己回到成长阶段）。即使这些公司处于最佳财务状况的时候这样做（Barclay和Smith，2005），这种机会的缺乏也会使额外借款的需求最小化。然而，Jensen (1986)认为情况正好相反，尽管回报较低，但因为成熟型公司产生正现金流，所以过度投资于他们的核心业务（或不相关的收购）。
因为成熟型公司已经用尽了正的净现值投资机会，所以他们开始偿还债务并向股东分配现金，或者他们过度投资于降低整体盈利能力的次优项目。信号理论的相关文献表明，公司向投资者分配自由现金流以证明他们没有投资于亏损的项目（Jensen1986；Barclay和Smith 2005；Oler和Picconi 2010）。假设信号理论成立以及缺乏投资机会，作者预测成熟型公司偿还债务和/或回购股权，导致负融资现金流。关于衰退型公司的现金流融资，因为文献中未充分研究，所以没有事先做出方向预测。
生命周期代理变量的构建
净经营、投资和融资现金流的组合在每个报告期都能对公司的生命周期进行分类。三种净现金流的符号各有正或负两种情况，共产生八种可能的现金流特征组合。根据表 1 中预期的现金流特征，作者将八种分类映射到五个生命周期中（在本节开头提到）：初创、成长、成熟、震荡和衰退。
现金流特征指标的一个好处是它使用包含在经营、投资和融资现金流中的整个财务信息集而不是单一指标来确定公司生命周期。如上一节所述，先前的研究对诸如年龄、营收增长率、资本支出率、股息支付这些变量的组合进行排序，以评估生命周期(Anthony和Ramesh 1992；Black 1998)。然而，这些方法的缺点是，对于生命周期数量的分布需要事先假设（本质是对单变量排序构建组合）。相反，现金流特征分类法反映企业在特定阶段下经营的结果，更符合经济理论（即正态分布）。
公司市值和年龄作为生命周期代理变量
规模和企业年龄都是在文献中提到的生命周期的常见代理变量。使用规模或年龄作为代理变量时的一个隐含假设是公司在其生命周期中单向移动。之所以出现这种假设，是因为产品生命周期的特点是从初创到衰退的顺序发展。然而，一家公司是多种产品的组合，每种产品都可能处于不同的产品生命周期。大量的产品创新、向新市场的扩张和结构变化可能导致公司无序地跨越生命周期。出于这个原因，公司生命周期本质上可能是周期性的，公司应该努力将自身保持在收益风险结构优化的成长阶段和成熟阶段之间。
理论上，企业可以从任何其他阶段进入衰退期。文献证实了“新进入缺陷”现象（Stinchcombe1965; Jovanovic1982; Freeman等人1983; Amit and Schoemaker 1993），这意味着初始禀赋水平（货币资源、技术或管理能力等）与企业死亡率相互关联。因此，处于衰落阶段的公司很可能源自于初创阶段的年轻公司，因为初期的企业死亡率通常较高。
最后，经验式学习现象（experientiallearning）会导致企业生命周期和企业年龄之间的不匹配。由于反馈机制（即会计质量）的不完善，同一年龄的公司可能以不同的速度学习。上述所有因素都会导致业绩与企业年龄之间的错位，表现为生命周期与年龄之间的非线性关系。根据本节概述的理论预测，规模和年龄将在整个生命周期（从初创到衰退）中呈现倒“U”形。然而，由于成功到达成熟阶段的公司的道德风险率下降，这两个因素都在成熟阶段中最大。
现金流特征指标的有效性验证
分析的第一步是验证基于现金流特征的生命周期分类是否与经济理论一致。作者描述了下面的示例，然后概述了验证步骤。
样本选择
样本由在纽约证券交易所、美国证券交易所和纳斯达克交易所（不包括美国存托凭证）上市的公司以及 Compustat 上的数据组成。样本期从1989年（现金流量表适用于所有公司的第一年）到2005年。因为小分母会扭曲盈利比率，所以平均净营业资产 (NOA)、营业收入、股权账面价值或股权市值低于一百万美元的公司被排除在样本之外。最后，因为资本的限制极大地改变了金融公司相对于其他行业公司的现金流结构，所以它们也被排除在外。筛选后，共有48,369个样本（公司-年）。
生命周期的数量分布
成熟型企业的特点是稳定，而衰退期则是相对短暂的。鉴于这些特征，预计成熟（衰落）期的样本数最高（最低）。表2中的A组证实了这一预测，41 (5)% 的公司被归类为成熟（衰退）。
不同生命周期代理变量的描述性分析
图表2检验了经济特征是否随基于现金流特征分类（A组）和Anthony和Ramesh（1992；后文统一称AR）分类（B组）所确定的生命周期而发生规律性变化。AR计算过去5年股息支付率、营收增长和资本支出率（以市值为分母）的中位数。这些值加上公司年龄共同用于给企业打分，以综合得分来构建五个股票数相等的投资组合，分别标记为成长、成长/成熟、成熟、成熟/停滞和停滞。
正如 A 组中的每股收益 (EPS) 和净运营资产回报率 (RNOA) 所显示的那样，经济理论预测盈利能力在成熟期最大。然而，AR 分类（B 组）在停滞阶段显示出最大盈利能力，即与预期不符。接下来，作者检验盈利能力、利润率和资产周转率的组成部分。Selling 和 Stickney (1989)指出产品差异化公司专注于研发、广告和产能增长。此类支出应会导致更高的利润率 (PM)，现金流分类结果（A组）显示的利润率在成长 (5.63%) 和成熟 (5.62%) 阶段最大。然而，AR的分类结果（B组）显示在停滞阶段是最大的（5.90%）。
Selling和Stickney (1989) 还预测，随着企业的成熟，竞争加剧，运营重点转向降低成本和提高产能利用率。这一预测等同于成熟期中资产周转率 (ATO) 的提高，这在A组中得到证实（成熟型公司为2.03）。而初创期(2.02)的ATO较高可以通过对未资本化资产的投资来解释，例如研发和经营租赁。这些支出的即时费用会导致较低的GAAP资产水平，这反过来会增加ATO。然而，使用AR衡量的ATO在生命周期没有显著变化，只能观察到停滞期公司较低的周转率（B组中1.82），这也可以在现金流分类结果中找到。总之，EPS、RNOA
、PM 和 ATO 结果表明，与AR代理变量相比，基于现金流特征的分类法更合乎逻辑。
公司的营收增长(GrSALES)和资本投资(GrNOA)应该在整个生命周期中单调下降 (Spence 1977, 1979, 1981)，这两者都在A组（现金流特征）中均得到验证。震荡和衰落期的负 GrNOA 中位数与这些公司清算净运营资产（通过重组或陷入困境）相一致。类似的，AR分类结果（B组）也显示营收增长和资本投资从成长到停滞期单调下降。总体而言，这两个生命周期代理变量都捕捉到经济理论预测的增长。
关于其他风险指标，作者检验了财务杠杆 (LEV) 和资产贝塔(ASSET BETA)。公司预计在成长期会利用更多的债务（Myers1984；Diamond1991），在A组中，成长型公司的 LEV最大（0.30）。然而，基于AR 标准的分类下（图 B），停滞阶段的公司的 LEV 最高（0.44）。处在成熟阶段的公司的资产贝塔预计最小（在 A组中证实，数值为0.63）。同样，与理论相反，AR法下停滞阶段公司的资产 BETA最小 (0.53)。由于投资机会减少，成熟型公司更有可能支付股息 (DIVPAY)（A组中成熟阶段公司的股息支付率最高，为 21.95%）。相反，在B组中，停滞阶段公司的DIVPAY最高。显然，就风险角度而言，现金流指标是比 AR 衡量指标更好的分类方法。
接下来，作者研究宣传、创新和收购行为。公司在早期的宣传强度 (ADVINT) 和研发 (INNOV) 力度预计会更高。现金流特征（A组）结果表明，在初创阶段 ADVINT 和 INNOV 提高（分别占收入的 1.23% 和 14.47%）。处在衰落阶段的公司似乎也增加了他们的研发（收入的 24.55%），这可能是为了扭转局面，或者是因为收入的下降速度比研发支出的下降速度更快。类似地，AR衡量指标（B组）显示处在成长阶段公司的ADVINT 和 INOV最大（分别占收入的 1.05% 和 10.03%）。细分市场 (SEGMENTS) 的数量预计会随着成熟度的增加而增加，因为增长是通过产品或地域扩张来实现的，这在结果中得到了证实（在A组中发现细分市场的成熟公司数量最多）。相反，在AR分类结果中，停滞阶段公司的细分市场数最多。这一发现是有问题的，因为陷入困境的公司可能会重组或出售表现不佳的部门以筹集资金。成长型公司的并购活动 (MERGER) 预计会更高，因为它们很可能成为收购目标。A组中的结果表明，初创和成长期是并购最密集的地方（分别占所有并购活动的18.40% 和 27.05%）。AR衡量指标的结果（B组）是相似的；然而，与现金流特征分类相比，AR各个阶段的并购占比分布差异不太明显。综上所述，与AR分类方案相比，现金流特征的分类结果更符合经济理论对宣传、创新和收购行为的预测。
最后，A组中成熟型公司的规模（SIZE）和年龄（AGE）最大（分别为 5.78 和 15.13），这两个变量与生命周期是非线性一致的。在B组中，处在停滞阶段的公司的规模和年龄都最大（分别为 6.62 和 27.86），这凸显了AR 衡量指标的线性特点。总结以上结果，基于现金流特征的分类方法更符合生命周期现象背后的经济理论。
生存期与过渡期
生存期
幸存者偏差是跨期分析中的一个固有问题。在表3中，A 组检验了在第 t 年生命周期识别之后存活五年的公司比例。样本期的跨度是从1989年到2000年，以确保对每个公司都有五年的数据可供分析和研究，这使得公司的年观测样本量减少到 33,088 个。在样本中，只有78.15%的公司能够在识别后的未来五年中生存。公司合并、向私有制过渡或破产是样本流失可能的原因。表3中A组的最后两列显示了根据退市前一年生命周期的成员，因合并或业绩相关原因退市的公司比例。此外，超过65%的并购活动涉及成长型或成熟型公司，超过68%的与业绩相关的退市涉及初创型或衰落型公司。
过渡期
图表3中B组检验了公司在随后的年份中从一个生命周期到另一个阶段的转变。粗体数据代表在初始投资组合形成之后的几年中仍处于初始阶段的公司比例。例如，60.13%的成熟型企业在初始分类后一年仍处于成熟状态，这一比例在t+5年单调下降至55.97%，注意到在随后每一年的生命周期分类中成熟期比例都是最高的。
统计结果表明：(1)初创型公司很可能保持在初创阶段或进入成长或成熟阶段（5年后超过80%的样本），(2)成长型公司是相当稳定的，但很大一部分（从t+1年的33.11%到t+5年的43.23%）将走向成熟，(3)成长型和成熟型的公司不太可能走向衰落（分别低于3.6%和2.1%，在t+5年后开始下降)，(4)成熟型公司稳定的，并且在未来五年内30%左右回到成长期，(5)一小部分处在衰落阶段的公司保持衰退趋势（五年后仅下降18%），但转向初创阶段（第5年为25%）、成长阶段（23%）、成熟阶段（20%）或震荡阶段（12%）也相当普遍。综上所述，初创型和衰退型企业往往会提高自己在生命周期中所处的阶段，而成长型和成熟型企业相对稳定。
生命周期和未来盈利能力
先前的研究表明，盈利能力随着时间推移均值回归（Brooks和Buckmaster 1976；Freeman等人1982；Fairfiel等人1996；Fama和French2000；Nissim和Penman2001），并且了解盈利能力的演变规律能提高对其的预测能力。Stigler(1963)提出，盈利能力显示出强烈的中枢性，但这种均值回复是不完全的。他指出，均值回归的阻碍源于与需求变化、技术进步和宏观经济因素。而作者认为均值回复的另一个潜在阻碍是不同企业生命周期下盈利能力的差异性。
划分的盈利能力属性
不同生命周期盈利能力的收敛性
深入了解盈利能力的均值回复特性可以在估值模型中的增长率和预测时间范围方面做出更好的决策。具体来说，如果不同生命周期盈利的收敛特性不同，则该信息可用于根据公司当前的生命周期来细化估值模型的参数。
为了按生命周期检验盈利能力的收敛特征，作者检验了生命周期分类之后五年内RNOA的年度中位数的平均值。这些结果展示在图表4的A组中。汇总的RNOA随着时间的推移相对恒定，范围从8.30%到9.12%。同样，成熟阶段的特点是盈利能力稳定，RNOA在10%到11%之间。然而，初创型和衰落型公司的RNOA随着时间的推移单调增加。
按生命周期划分的RNOA中位数在第三年部分收敛，但成熟型公司(10.41%)和衰落型公司(3.26%)之间的RNOA中位数差异在五年后明显不同到第t年（鉴于样本的RNOA在投资组合形成年份的中位数为9.12%，相差7.15%，这一差异很大）。成长型和震荡型企业在随后五年的RNOA相对稳定，但RNOA低于成熟型企业。事实上，成熟型公司在生命周期的其他阶段保持着可持续的优势，而初创型公司即使在五年后RNOA也相当低（成熟型公司的RNOA为10.41%，而初创型公司的RNOA为5.31%）。因此，RNOA的均值回复周期在五年结束时仍然不完整，表明生命周期信息对未来RNOA的预测有重大影响。
不同生命周期下的盈利能力
Nissim和Penman（2001年，图4b）构建了RNOA的十分组，并测试了十分位数组构建后五年内各组的盈利收敛情况，以反映RNOA如何随时间变化。结果表明，即使在五年后，最高和最低十分组之间的RNOA仍存在差异。如果差异可归因于公司所处的生命周期，那么在最低和最高的RNOA十分位数中生命周期的数量分布应明显不均匀。
经过测试，与预期一致，表4的B组显示，近三分之二的初创型公司(66%)和四分之三的衰落型公司(78%)位于RNOA最低的三个十分位数组中。相比之下，只有17%的成熟型公司包含在最低的三个RNOA十分位数内。因此，RNOA部分不收敛的特性可归因于企业生命周期的差异。
能解释未来盈利能力吗
不同未来盈利能力的基准模型
鉴于前几节中展示的RNOA的差异，关于公司生命周期的信息应该有助于解释企业未来的盈利能力。作者采用Fairfield和Yohn(2001)的未来盈利能力模型来测试生命周期能否为解释未来一年盈利变化提供增量效应。因为已知当前盈利能力与未来盈利能力是相关的，所以作者将当前盈利能力（当前RNOA的水平和变化）包含在基准模型中。因为先前的研究表明盈利能力是均值回复的（Brooks和Buckmaster1976；Freeman等人1982；Fairfield和Yohn 2001），所以当前RNOA和△RNOA的系数预计为负。未来盈利能力的变化也受到分母或NOA增长的影响。该模型控制增长(GrNOA)，以确保未来盈利能力的变化不仅仅由投资变化驱动。先前的研究表明GrNOA的系数为负，因为对NOA的投资会受到收益递减的影响（Fairfield和Yohn2001）。
RNOA分解为两个组成部分：资产周转率(ATO)和利润率(PM)。资产周转率表示产生销售额所需的资产规模，而利润率表示公司将销售额转化为利润的能力。成本领先战略旨在提高资产周转率，而产品差异化战略旨在提高利润率。Fairfield和Yohn (2001) 研究了ATO和PM的大小和变化对RNOA未来变化的影响。ATO的变化表明生产效率的提高，应与未来盈利是正相关的（Fairfield和Yohn 2001；Penman和Zhang 2006）。Penman和Zhang (2006) 发现利润率变化与未来盈利能力之间存在负相关关系。他们认为PM的增加源于当前运营费用的减少，这是不可持续的，因此对未来的盈利能力产生负面影响
将生命周期纳入未来盈利能力预测模型
接下来，作者加入生命周期代理变量（即现金流特征法、Anthony和Ramesh[1992]的分类）以确定哪种分类方法更能解释未来的盈利能力。模型1如下：
对于生命周期，如果公司处于该阶段，则设置为1，否则为0。截距表示成熟公司（对于现金流特征和AR分类）或“中年”公司（年龄五分组）。表5报告了模型1的结果。
基于现金流分类的每个生命周期系数都具有统计显著性，成熟阶段与未来盈利能力呈正相关（系数为0.039，p<0.01）。剩余的生命周期都与未来盈利能力的变化呈负相关（尽管震荡阶段只是轻微的负相关）。在AR分类中，初创阶段与未来盈利能力的变化显著负相关（系数为-0.040，p<0.01）。然而，AR代理指标分类结果显示，震荡和衰退阶段与未来盈利能力显著正相关（系数分别为0.023和0.035，p<0.01），这与理论相反。因此，以现金流衡量的生命周期更符合未来盈利能力的相关理论预测。
将生命周期交互项纳入未来盈利能力预测模型
Fairfield和Yohn (2001) 发现△ATO可以提供信息来解释未来的盈利能力，经济理论表明处于成熟阶段的公司应该从生产效率的提高中受益最多(Spence 1977,1979,1981;Wernerfelt1985)。之所以出现这种预期，是因为成熟企业产生了高于正常水平的利润，从而吸引了现有企业和新进入者进入产品市场的竞争。为了保持当前的盈利水平，成熟型企业必须在竞争加剧的情况下专注于成本控制和生产效率。Selling和Stickney(1989)表明效率的运营收益反映在ATO的变化中。因此，作者预测△ATO对未来盈利能力的解释能力集中在成熟公司（即交互项Mature×△ATO的正系数）。
而产品差异化应该体现在更高的利润率上（Selling和Stickney1989），成长型公司可能会尽最大努力建立他们的品牌形象和市场份额（Spence1977,1979,1981）。这表明成长型公司在未来从产品差异化中受益最大，因此作者预计成长型公司与PM变化之间的交互系数为正，Growth×△PM。然而，鉴于Penman和Zhang(2006)的研究表明，由于利润率增加而导致的盈利能力增加是不可持续的，所以作者预计产品差异化战略的增量收益会在公司达到成熟时减少。这表明，Mature×△PM的相互作用应该与未来盈利能力的变化呈负相关。模型2如下：
表5呈现了模型2的结果。与模型1一样，生命周期指标变量包括初创期、成长期、震荡期和衰退期阶段，而成熟型公司则通过截距表示。△ATO和△PM表示这些变量对成熟型公司的△RNOAt+1的影响。交互项模拟剩余的生命周期对△RNOAt+1的增量影响。然而，与模型1类似，表5（模型2）系数表示对△RNOAt+1总效应（截距中的成熟效应加上每个生命周期的增量效应）。然而，报告的显著性检验（t-statistics）涉及成熟阶段系数是否显著不等于零，或者在其他生命周期的情况下，系数是否与成熟阶段公司的系数在统计上显著不同。
正如预测的那样，ATO的增加对成熟公司的未来盈利能力的影响最大（并且具有统计显著性），这种影响被现金流分类（系数为0.028，p<0.01）和年龄（系数为0.022，p<0.01)所解释。因此，一旦市场饱和，提高效率对于成熟企业来说更为重要。另外，与预测相反，对于任何生命周期分类中的成长型公司，PM的增加与△RNOAt+1的增加无关。
鉴于现金流分类方法对基本面的预测能力以及计算的简便性，现金流指标提供了一种更为通用的生命周期的衡量方式。虽然年龄也是一个简单的代理变量，但年龄对未来盈利能力的解释是模棱两可的。
能预测未来回报吗
现金流特征为公司生命周期提供了可靠的代理变量。迄今为止的结果表明，在成熟期达到（并持续）最高的盈利水平。然而，如果投资者没有充分认识到生命周期的估值影响（也就是在财报日期认识到现金流特征的信号），他们可能会低估成熟型公司的价值。如果出现这种潜在的低估，那么成熟型的信号应该与未来的超额回报呈正相关。这一发现表明市场低估了成熟公司RNOA的持续性。另一方面，如果投资者认识到企业生命周期的经济基本面，特别是成熟企业优越的盈利能力，这个信号就会被反应到价格中，那么成熟期公司的未来超额收益应为零（即市场就生命周期信号中包含的信息而言是有效的）。
作者通过计算未来一年的买入以及持有规模和账面市值比调整后的回报，研究投资者是否认识到成熟阶段公司的持续盈利能力。作者根据每个月的市值十分位数和账面市值比十分位数（100个投资组合回报）构建投资组合回报，并从公司的原始月回报中减去对应的投资组合回报，得出调整后的超额回报。作者在t年末确定生命周期信号之后，从t+1年的第四个月开始到t+2年的第三个月计算累积超额收益。此步骤可确保投资者在投资组合构建之前可以获得已披露的财务报表数据。
作者使用无截距模型回归来表示生命周期代理变量的超额回报。结果表明，成熟型公司获得了1.6%的显著(p<0.01)的正年度超额回报，尽管超额回报很小，但投资者并未完全意识到成熟生命周期的持续盈利能力。虽然没有假设对其他生命周期的事前预测，但有证据表明，平均而言，初创型和成长型公司在之后的一年中获得显著的负超额回报（分别为-4.8%和-1.2%；分别p<0.01和p=0.015）。与直觉相反，处于衰退阶段的公司未来一年获得了13.5%的正超额回报（p<0.01）。但是，应谨慎解释该结果，因为样本中仅包含在现金流特征信号构建之后生存至少15个月的衰退型公司，存在幸存者偏差。
总体而言，投资者并未完全认识到现金流信号所反映的生命周期的信息，与未来超额收益相关。此外，通过构建成熟阶段公司的长期买入和持有投资组合，可以实现可盈利且风险相对较低的交易策略。因此，现金流特征可用于识别暂时被定价错误的股票。
\
总结
本文使用现金流特征研究和证实了一种有效的表征企业生命周期的代理变量。一些财务绩效指标和公司特征，如盈利能力、规模和年龄与公司生命周期存在非线性关系。出于这个原因，若使用财务指标打分法来划分生命周期会导致错误分类。
为了探索作为企业生命周期代理变量的现金流特征，作者首先研究了代理变量是否与现存的经济理论一致。接下来，作者检验了现金流特征如何相对于过去研究中使用的代理变量（即Anthony和Ramesh[1992]的分类和公司年龄五分组）更好地反映生命周期背后的经济含义。现金流指标解释了公司之间盈利持续性的差异，实际上未来盈利能力是否均值回归因生命周期而异。具体而言，即使在投资组合构建五年后（根据现金流特征信号构建投资组合），在成熟型公司和衰退型公司之间RNOA仍保持3%到10%的差异。
此外，过去对RNOA组成部分的研究表明，资产周转率的变化是RNOA未来变化的重要驱动因素（Fairfield和Yohn2001），而利润率提高而导致的未来盈利能力改善是不可持续的（Penman和Zhang2006）。正如预测的那样，这两个结论主要体现在成熟型公司。由于优越的利润吸引到产品市场的竞争加剧，因此提高运营效率对于成熟型公司来说至关重要。与此同时，在这些相同的公司中，产品差异化程度体现出的收益递减是显而易见的。
最后，作者研究了生命周期（由现金流特征解释）与市场定价效率之间的联系，发现成熟型公司在下一年会获得正的超额回报。这一发现表明，尽管低效率较为微小，但是市场确实没有有效地使用现金流代理变量中包含的生命周期信息。因此，投资者可以利用数据中包含的实证性规律，根据公司生命周期构建交易策略。
文献来源：
核心内容摘选自VictoriaDickinson在THE ACCOUNTING REVIEW上的论文Cash Flow Patterns as a Proxy for Firm LifeCycle。
风险提示
本文结论基于历史数据与海外文献进行总结；不构成任何投资建议。