• 样本池筛选与因子构建方法 [page::4][page::5]：

- 剔除非标准审计意见、ST/预期ST、违规立案和亏损等样本，约覆盖70%-80%Wind全A股票。
- 构建财报信息质量因子，包含应收账款/其他应收款账龄与坏账比、资产摊销和减值政策偏离、非折旧型资产占比及所得税率波动率。

• 应收账款账龄与坏账比因子表现分析 [page::7][page::8][page::10]：

- 应收账款及其他应收款账龄越长、坏账比例越高的股票，未来ROE与净利润同比增速均明显较低，且股票表现跑输赛道。
- 因子多空组合净值走势显示高账龄或高坏账比组持续弱于低组。

• 资产摊销与减值政策偏离因子及非折旧资产占比偏离因子表现 [page::11][page::12][page::13]：

- 存货跌价准备及固定资产折旧率、减值准备、长期待摊费用摊销率和无形资产摊销率偏离行业中位数的绝对值累积量对应股票表现差，多空组合显示优异的收益及盈利可持续性。
- 非折旧资产占比偏离显示类似趋势，偏离大的公司ROE及净利润增长波动较大。

• 所得税率波动率因子与风险筛选 [page::14][page::15][page::16]：

- 所得税率波动率高的股票未来盈利可持续性较差，多空组合表现优异。
- 利用异常因子筛选标记风险池，异常组合平均跑输大盘，且覆盖大量未来非标意见与违规立案样本，说明因子具备良好排雷和风险识别能力。

• 综合财报信息质量评分与股票表现 [page::17][page::18]：

- 综合评分将各类因子归纳为7类并市值/行业中性化，评分越高股票未来收益越好，组合年化收益正向单调递增，多头组合表现优于空头，且盈利波动性更低。

• 财报信息质量与盈余惯性（PEAD）的关系 [page::18][page::19]：

- 高质量财报分组中，超预期股票存在明显正向价格漂移；低质量财报分组中，未达预期股票存在显著负向价格漂移。
- 结合财报信息质量指标可改善超预期策略表现，表现曲线稳健优异。

• 高ROE与财报信息质量结合的策略优势 [page::19][page::20][page::21]：

- 基于ROE与信息质量因子得分对样本筛选可剔除潜在风险较高股票，有效提升策略收益。
- 增强策略与剔除策略分别通过均分法及剔除异常因子股票实现较基准策略显著超额收益，夏普率及信息比均有提升。
- 策略在业绩真空期表现尤为出色，增强策略月度超额收益高于基准。


| 策略 | 总收益 | 年化收益 | 年化波动率 | 夏普比(SR) | 年化超额收益 | 年化超额波动率 | 信息比(IR) | 最大回撤 |
|-------------|---------|----------|------------|------------|--------------|----------------|------------|----------|
| 基准策略等权 | 477.32% | 18.93% | 29.38% | 0.64 | 10.28% | 5.82% | 1.77 | 53.53% |
| 增强策略等权 | 677.66% | 22.49% | 29.74% | 0.76 | 13.58% | 5.90% | 2.30 | 52.58% |
| 剔除策略等权 | 561.41% | 20.54% | 30.08% | 0.68 | 11.78% | 7.54% | 1.56 | 55.74% |
| 基准策略市值加权 | 399.99% | 17.25% | 28.29% | 0.61 | 12.14% | 10.43% | 1.16 | 50.96% |
| 增强策略市值加权 | 661.83% | 22.24% | 28.25% | 0.79 | 16.90% | 11.19% | 1.51 | 47.70% |
| 剔除策略市值加权 | 499.83% | 19.38% | 29.11% | 0.67 | 14.17% | 12.51% | 1.13 | 53.71% |

• 风险提示及未来展望 [page::0][page::22]：

- 盈余调节手段复杂多样，因子库难以涵盖全部情形，模型未来存在失效风险。
- 未来研究方向包括更精确量化盈利夸大程度及结合财报质量与盈利成长因子提升基本面可比性及选股效果。

量化专题报告《多因子系列之十四：刻画财报信息质量》详尽分析报告

---

一、元数据与报告概览

报告标题：多因子系列之十四：刻画财报信息质量
作者：分析师刘富兵，李林井
发布机构：国盛证券研究所
发布时间：约2020年中（含2009-2020年数据测试区间）
研究主题：基于量化因子构建，系统刻画中国上市公司财报信息质量，评估财报中盈余调节对盈利数据质量和可持续性的影响，进一步结合财报质量提升投资策略表现。

核心论点总结：

• 上市公司可能通过盈余调节手段（盈余管理）粉饰利润，导致财报利润数据失真，影响投资决策。

- 构建综合因子体系刻画财报信息质量，反映公司盈余调节程度及账面资产的真实性。

• 探讨财报信息质量因子在风险识别上的补充价值及其对股票超额收益的区分力。

- 深入分析财报信息质量因子与盈余惯性之间的关系，并结合盈利能力提升超预期策略的绩效。

• 通过大量数据及实证结果，验证财报信息质量对投资风险和收益的双重影响，提出利用该因子池辅助改善量化投资模型和风险管理的建议。[page::0,1,3,21]

---

二、逐节深度解读

2.1 研究动机与方法

报告指出，基本面因子多依赖企业财报数据，但盈余调节行为导致盈利数据失真，从而影响因子稳定性和预测能力。鉴于盈余调节动机复杂且涉及多科目，难以凭单一指标还原企业真实盈利，研究视角转向“财报信息质量”的构建及量化评价，力图通过分析盈余调节行为对财报账面资产真实性和会计政策稳定性的影响来识别企业盈余质量。[page::3]

2.2 财报信息质量定义及盈余调节特征

公司财报信息质量高意味着盈余调节程度低，财报信息更真实；而财报信息质量低往往代表利润被积极调节，存在风险。盈余调节行为的四大典型特征如下：

1. 应收账款及其他应收款账龄和坏账比例异常偏高（收入确认激进导致坏账风险上升），账龄越长坏账率越高企业风险越大。

2. 资产折旧/摊销和坏账/跌价/减值准备计提政策大幅偏离行业中值，表明会计政策波动较大，利润波动和盈余管理迹象明显。

1. 非折旧资产（如无形资产、在建工程、商誉等）占比异常偏高，暗示潜在的资本化支出及账面资产夸大风险。

4. 所得税率波动率高，反映财务报告中税务处理不稳定，可能存在利润“粉饰”。

以上特征成为财报信息质量因子的主要构建逻辑。[page::0,3,4]

2.3 基础排雷指标筛样

为保证因子库的有效性，首先利用排雷指标剔除非标审计意见、ST及预期ST企业、违规立案企业、亏损及扭亏为盈企业和壳公司，以免严重失真或数据污染对模型造成冲击。样本筛选后，覆盖比例维持在70%以上（图表3），保证量化分析的代表性同时控制风险。[page::4,5]

2.4 因子体系详细构建

2.4.1 应收款账龄及坏账比因子

• 应收账款的账龄分为1年以内、1-2年、2-3年、3年以上及单项计提，账龄越大，坏账计提比例越高，坏账风险加大。

- 图表5提供某上市公司2019年应收账款账龄及坏账数据示例，体现坏账计提的递增趋势。

• 统计实证显示：应收账款及其他应收款账龄高的多空组合表现跑输账龄低组（图表6、8），未来roe和净利润同比增长均较低（图表7、9），对应盈利质量较差。[page::6,7]
• 应收账款坏账比偏离行业中值的绝对值和趋势，对企业盈余调节揭示更加深入。

- 不同计提策略（偏高、偏低、接近行业中值）对应不同股价和盈利表现。多次低于行业中值的企业（negative-g9）表现相对优异，多次偏离及过高计提企业（abs-g9、positive-g9）长期跑输市场（图表16、17），盈利波动性也更大（图表18、19）。

• 相似逻辑及表现应用于其他应收款坏账比因子（图表12、13）。[page::8,9,10]

2.4.2 资产折旧/摊销及减值计提政策因子

• 包括存货跌价准备（图表20、21）、固定资产折旧率（图表22、23）、固定资产减值准备（图表24、25）、长期待摊费用摊销率（图表26、27）、无形资产摊销率（图表28、29）等，均采用偏离行业中值的绝对值和方式衡量。

- 多空组合收益及未来基本面演化显示，计提比例稳定，且波动小的组盈利持续性和增速均优于偏离大的组。[page::11-13]

2.4.3 非折旧资产占比因子

• 非折旧资产包括在建工程、无形资产、商誉、开发支出等，占比异常往往暗示资本化支出膨胀或商誉减值风险。

- 因子基于超出行业中位数的绝对偏离程度。多空组合净值表现同样支持高偏离组表现较差（图表30、31）。[page::13]

2.4.4 所得税率波动率因子

• 以税法及相关规定计算的当期所得税占净利润比率的波动率作为财报税务稳定性的代理指标，考虑递延所得税资产和负债的影响（图表32说明）。

- 波动率高的企业表现出较低投资回报和较大盈利波动（图表33、34）。[page::13,14]

2.4.5 因子综述及应用

• 表35汇总上述因子及其指标名称、定义和计算方式。

- 两种应用：①非线性异常标记（因子值超过2倍标准差为异常，统计异常指标数用于股票风险池构建）；②线性加权综合评分（标准化、去极值、市值行业中性处理后均值计算）用于股票排序及投资决策。[page::14,15]

---

2.5 历史表现及风险识别效果

• 异常因子得分补充已有排雷指标，在数据2009-2018年26570样本中，新增覆盖435条非标/违规样本，非标意见召回率提升至91.8%。[page::15,16]
• 异常因子数越高，次年非标意见和违规率显著升高，异常组合连续下跌跑输市场（图表36-38）。

- 说明因子有效识别了部分潜在财务风险企业，具备辅助风险预警功能。[page::15,16]

---

2.6 综合财报信息质量评分的表现

• 综合评分根据前述七大类因子合成，长期回测2009-2020年，十档分组超额收益表现出显著单调正向关系，说明财报信息质量能有效区分投资回报率（图表39、40）。

- 多空组合净值曲线显示，高评分组合持续跑赢低评分组合，且未来三年盈利指标（ROE、净利润同比）表现更优，波动性更低，盈利持续性更强（图表41-44）。

• 投资者对不同财报信息质量反应不足（盈余惯性现象），支持质优公司超预期信息的正向价格漂移和质差公司未达预期信息的负向价格漂移明显（图表45-47）。[page::17,18,19]

---

2.7 财报信息质量与盈余惯性及策略增强

• 报告基于盈余惯性PEAD理论，构建以ROE与财报信息质量相结合的超预期收益策略。

- 测试表明，质量因子能够剔除高风险股票，同时增强超预期组合的正收益和盈余惯性。

• 策略月频调仓，剔除异常因子高的样本，有效降低风险，提升收益夏普比和信息比（表49）。

- 剔除及增强策略在业绩真空期（未发布新财报的月份）仍保持超额收益优势（图表51、52）。

• ROE与信息质量分组后发现，高ROE+高质量组非标意见风险最低，映射风险可控性（图表50）。[page::19,20,21]

---

三、重要图表深度解读

• 图表3：样本池占wind全A比例（第5页）

显示通过排雷指标筛选前后样本覆盖率变化，保持70%+覆盖比例，保证代表性。

• 图表6/8：应收账款及其他应收款账龄因子多空组合收益（第7页）

账龄越长的股票组合相对于账龄低组合明显跑输市场，且未来ROE和净利润同比持续偏低，验证账龄为劣质资产指标。

• 图表10-13：应收账款及其他应收款坏账比因子多空收益及未来基本面（第8页）

账龄长与坏账比高呈显著负面关联，坏账高的组合表现持续跑输并盈利波动加剧。

• 图表16-19：坏账计提偏离策略表现（第10页）

通过对偏离行业中值的绝对值建因子，形成三个分组组合，结果显示中值附近（abs-g0）表现优于偏离较大组(abs-g9)，偏离较大组后续盈利和盈利持续性较差。

• 图表20-31：存货跌价准备、固定资产折旧与减值准备、长期待摊和无形资产摊销、非折旧资产占比因子多空表现（第11-13页）

各资产计提偏离大的组合未来表现普遍逊色，验证资产处理政策稳定性与盈利可持续性的联系。

• 图表32-34：所得税率波动率多空组合收益及未来基本面（第14页）

所得税率大幅波动的公司表现差，稳定性较差。

• 图表36-38：异常因子得分覆盖非标和违规样本及组合净值（第16页）

展示异常因子在风险发现中的重要补充作用及风险组合亏损趋势。

• 图表39-42：财报信息质量综合评分分组收益与净值曲线（第17页）

复合评分十档排序呈现稳定的超额收益梯度，多头净值明显跑赢空头。

• 图表43-44：多空组合未来ROE与净利润同比及波动率演化（第18页）

高财报信息质量组盈利指标平均水平更高，波动率更低。

• 图表45-47：财报信息质量与超预期因子双因子分组年化收益及净值曲线（第19页）

高质量组的超预期股票表现出更明显正向价格漂移，低质量组未达预期股票负向漂移更明显。

• 图表50：ROE与财报信息质量交叉分组非标意见分布（第20页）

高ROE高质量组非标风险明显降低，显示质量因子在盈利优质企业筛选中的辅助作用。

• 图表51-52：月度超额收益季节性分析（第21页）

业绩发布集中期（1-4月等）三策略收益差距缩小，业绩真空期高质量策略优势明显。

所有图表论证严谨，数据覆盖全面，反映清晰，支持文本中构建因子有效性及财报信息质量在投资中的运用价值。[page::5-21]

---

四、估值分析

本报告核心为因子研究与投资策略构建，未涉及个股估值具体模型或目标价测算，不含DCF、PE、EV/EBITDA等传统估值模型的详细应用。主要通过量化回测、因子效应分析养成投资判断和风险识别能力。

---

五、风险因素评估

报告识别主要风险：

1. 盈余调节手法复杂多样，因子库难以穷尽所有情况，存在遗漏风险。

2. 因子构建基于历史数据及统计模型，数据质量或未来政策环境变化可能导致模型失效。

1. 排雷指标和因子筛选存在主观参数设定（如2倍标准差阈值），可能导致部分异常公司未被识别或错杀优质企业。

4. 财报信息质量因子为量化代理变量，其解释力有限，投资时需结合其他多重维度信息。

报告中也对风险提出部分缓解措施，如数据处理的去极值、行业中性化、复合因子构建，且强调定期更新因子及优化模型设计。[page::0,21,22]

---

六、批判性视角与细微差别

• 因子构建依赖公开财务数据，无法捕捉更隐蔽或非财务维度的信息失真，且存在数据空缺和披露差异问题。

- 应用绝对值求和对多年数据进行累积，虽然避免了调节正负抵消问题，但可能放大短期异常的影响。

• 财报信息质量仍不能完全替代盈利能力和成长能力指标，盈余惯性解释存在有限性，仍需结合市场、行为金融等多因素分析。

- 因子测试覆盖期主要为2009-2020年，中国资本市场特色明显，应用于其他市场需谨慎。

• 部分分组因子超预期收益间存在一定波动，受宏观及市场环境影响大，投资者应结合时点调整策略。

- 样本剔除后覆盖率约70%，剔除行为可能导致行业或规模代表性偏差。

整体来看报告逻辑严谨，将会计学、财务分析与量化投资相结合，系统构建和实证，创新解决盈余调节问题，但任何财务指标均有局限，投资需综合多元维度考量。[page::0-22]

---

七、结论性综合

本报告聚焦“财报信息质量”构建及应用，系统梳理盈余调节的主要途径，设计了多维度因子构建框架，重点涵盖应收账款账龄与坏账计提的延展指标，资产折旧摊销及减值准备政策稳定性，非折旧资产占比异常波动，以及所得税率波动幅度四大维度。通过长期历史回测与多样化行业市值样本验证，显示财报信息质量因子具有以下显著价值：

• 风险识别：异常因子值高度相关未来非标审计意见和违规处罚，弥补了传统排雷指标的覆盖不足，有效降低投资组合中潜在违规风险和财务造假风险。

- 收益区分：综合信息质量评分形成的多空组合年化收益高达6.9%，夏普比1.10且IC值显著，表明高质量财报公司的股价表现优异且稳健，盈利波动率及净利润同比波动均更低，盈利持续性显著。

• 盈余惯性：财报信息质量高的股票池中，超预期事件对应明显正向市场价格漂移，市场对真实盈余信息反应不足，价格调整延续性强；反之，低质量区域未达预期股票负向漂移显著，表明盈余质量影响市场信息消化。

- 策略提升：结合ROE与财报信息质量双因子筛选，实现策略整体收益和信息比提升，异常因子剔除策略显著规避潜在风险，质量调整增强策略月度多空超额收益明显，尤其在业绩发布之外的真空期表现更优。

报告最后指出，财报信息质量与盈利能力非完全重合，未来研究可进一步细化盈利夸大程度刻画及更科学融合质量与成长基本面因子，提升量化选股策略的基础准确性与可持续性。整体来看，报告以严谨扎实的数据与实证支持财报信息质量因子的有效性，体现了财务精细分析与量化技术融合的新方向，对投资机构提升风险管理和增益挖掘价值提供有力工具。[page::0-22]

---

主要图表附件示例

• 图表3：样本池占wind全A比例

• 图表6：应收账款账龄因子多空组合收益

• 图表10：应收账款坏账比因子多空组合收益

• 图表16：应收账款坏账计提偏离因子超额收益净值

• 图表39：wind全A分十组超额收益

• 图表45：财报信息质量与超预期因子分组年化收益

• 图表50：ROE与财报信息质量分组后非标意见频率

(见原文数据表)

• 图表51：等权策略平均月度超额收益

---

总体评价

本报告系统而深入地构建了上市公司财报信息质量度量因子，结合丰富历史数据和逻辑严谨的财务理论，获得了丰富的实证支持，是连接财务会计视角与量化投资实践的典范。通过精细分析企业盈余调节手段和政策波动对投资风险收益的影响，为投资者提供重要的风险识别和因子增强工具，提升投资组合稳定性和超额收益。报告结构清晰、论证透彻、数据翔实，是金融量化研究领域优秀的研究成果。

---

参考文献附录

报告文末详细列举了多篇学术文献和专业书籍，增加研究可信度和学术深度。[page::22]

报告