上篇文章，我们通过分享2018年11月刊载在《会计研究评论review of accounting studies》的论文《绩优股减垃圾股quality minus junk》（作者:纽约大学教授frazzini，AQR资本的asness, 以及哥本哈根大学商学院pederson）向投资者介绍了如下的投资理念：
1、市场更加认可绩优股，绩优股的估值更高
2、绩优股虽然估值高，但未来的超额回报更高。当前市场价格往往没有完全反映出绩优股的价值。
3、市场存在“逃逸至绩优股flight to quality”现象，即资产泡沫时投资者抛弃绩优股而热衷于炒垃圾股，绩优股超额收益下降，但经济衰退时投资者热衷于持有绩优股，绩优股此时常获得更高回报。
读完论文，我们惊叹于作者强劲的建模、数据处理跟分析能力，以及通过市净率基本公式出发，使用市净率成分评估“高质量股票”的探索，解释“逃逸至高质量股”现象带来超额收益的尝试&朴素逻辑。在读到论文【参考文献】部分时，我们发现了一位大神——joseph D piotroski（F-score筛选方法的提出者，曾任职芝加哥大学教授，现任斯坦佛大学商学院讲座教授，研究资本市场参与人使用上市公司财务信息进行估值&投资行为的先驱之一）。他早在20年前（2000年）就已经用类似方法挖掘财务信息构建超额收益组合的有效策略。它将低市净率股票组合中的绩优股进一步剥离出来，构建有效提升超额收益的策略。今天，我们就来欣赏一下他的论文（节选），为2020下半年投资策略作一些参考。
*2000年刊登于《会计研究杂志journal of accounting research》——《价值投资：使用历史财务信息区分优劣公司value investing: the use of historical financial statement information to separate winners and losers》，论文使用了3个简单的评估维度（盈利性、流动性、营业效率），共10个指标（盈利性：资产回报率、资产回报率增量、现金流、应急收入/现金流规律；流动性：流动比率增量、杠杆率增量、是否发行股票；营业效率：周转率增量，毛利率增量），针对个股建立了一个简单的评分机制（跟去年相比，指标好转得1分、恶化得0分，10个指标一共10分），并展示出得分越高，公司表现越好，未来收益越高。
—（汪小勉：wc~athene_1988）—
这篇论文讨论了在低市净率公司组合中，使用简单财务基本面分析构建策略能否提升投资收益。许多论文都在研究低市净率跟回报的关系（rosenberg, reid, lanstein(1984),fama & french(1992), lakonishok, shleifer & vishny(1994)），但这个策略的成功仅取决于少数公司的强劲表现，同时经受了许多衰退公司的糟糕表现。论文发现低市净率组合在过去两年，仅有不超过44%的公司获取了超额收益。由于组合实际收益分化，投资者能通过事前辨明公司优劣提升收益。而本文正是通过简单财务分析方法来探索区分公司优劣的可能性。论文还揭示了低市盈率组合一些有趣的表现，提供了近期行为金融学理论语言的证据。（汪小勉：当前估值并未完全反应所有市场信息，资产估值偏离使得获取未来超额收益的可能）。
低市净率公司（所谓的价值股）提供了一个独特的使用简单财务分析区分公司优劣的机会。首先，价值股常被忽略，只有少量分析师追踪（汪小勉：大多数在追踪热门股），也很少引起投资者的兴趣。由于缺乏分析覆盖，价值股常常在分析师预期跟荐股中缺席。其次，它们缺乏散布“内部”信息渠道，他们的自愿披露也常因近期股价糟糕的表现而被认为可信度不高。第三，它们常面临“财务压力”。作为结果，这类公司的估值常关注杠杆、流动性、盈利趋势&现金流充足，这些财务特征可以从公开财务信息中获取。
本文的目的在于之展示投资者如何使用简单的财务数据筛选，构建出盈利更好的价值投资组合。如果有效，价值投资者最终可以通过区分绩优股跟垃圾股获取更好收益。论文的结果证明了这种可行性。首先，价值投资者可以通过在低市盈率组合中进一步选择业绩强劲的股票提升收益——至少每年收益+7.5%。其次，真实回报分布右移。论文用组合平均回报作为评价依据，在实施财务数据筛选后，回报分布（包括10%分位数，25%，中位数）的左尾大幅正向提升（汪小勉：财务数据筛选后剔除了很多回报不佳的成分）。再次，一个简单的做多绩优股做空垃圾股策略在1976年~1996年获取了年化23%的收益。策略在各时间段，控制了其他因子以后依然稳健。而且，区分优质公司的指标不局限于某个特定的财务指标。附加测试使用了其他可选的，补充的历史业绩表现数据。另外，论文提供了一些近期行为金融学预言的证据（hong and stein(1999), barbaris, shleifer, and vishny(1998), daniel, hirshleifer & subrahmanyam(1998)）。类似于动量因子（hong, lim and stein(2000)），论文发现在快速信息传播环境中低市净率策略的市场调整回报会消失。（大公司，分析师追踪多的公司，交易量大的公司）。在缓慢信息传播环境中，基本面分析策略区分低估值公司的效果最好。
最后，论文发现该策略的成功来自预测公司未来表现的能力，同时市场却没有发现这个预测模式的能力。公司目前（财务）指标较弱则未来实现回报较差，相比指标较好的公司，差公司由于业绩问题退市的可能性要高出5倍。市场系统性的表现出对这两类公司的未来业绩公告的“意外性surprised”。对于四个季度公告后3天内的市场反应加总，“预测赢家”在报告周期的回报高出“预测输家”4.1%。这种业绩年报公告带来的回报差异，跟laporta(1997)发现的四个季度“价值”VS“投机”业绩公告带来的回报差异具有可比性。年度回报总差异的1/6产生于优劣业绩公告发布的12天内。
论文还发现了市值小、财务压力大的公司回报跟其历史业绩表现的关系。有趣的是，这些小公司在很多研究中都展现出回报“异象”（fama 1998）。结果发现这些公司的历史信息可以区分出未来回报较好的公司。事前区分未来回报高低以及策略的盈利性暗示市场当前股价并未有效地反映出它们（所有的）过去信息。
2.1 低市净率投资策略
本文测试了一个根据低市净率策略优化的投资策略。古人的研究（rosenberg, reid and lanstein(1984), fama & french(1992), lakonishok, shleifer & vishny(1994)）证明了低市盈率股票组合回报较高。明显的回报差异同时都能作为市场有效性跟无效性的证明。fama & french(1992)认为，市盈率是捕捉资本市场风险的变量，因此回报表现了公允的风险定价。高市净率股票的持续性的低回报也支持这种理解（fama & french 1995, penman 1991），可能跟高市净率股票的杠杆&其他财务风险指标有关（fama & french(1992), chen and zhang(1998)）。对于市盈率高低带来的回报差异，第二中解释是“市场定价谬误market mispricing”。低市净率是一种“常被忽视”的股票，它过往糟糕的回报导致“过于悲观”预期的形成。（lakonishok,shleifer,& vishny(1994)）。这种悲观隐藏在未来预期，在未来季度报告发布时产生“意外”的超额正收益（laporta et all. 1997）。
讽刺的是，作为投资策略，分析师并不推荐低市净率公司，而喜欢推荐近期飙涨的股票（stickel(1998)——高市净率“博彩型”公司且强劲的飙涨）。一个潜在的解释是价值股的表现常弱于市场且分析师知道策略的成功依赖于买入【全部】低市净率股票。第二个解释是分析师本质上就喜欢推荐近期飙涨的股票。
从基本面出发，价值股本质上比成长股（“博彩”股）更得力于财务分析。成长股估值主要根据长期营业收入预测&现金流，验证依赖“非业绩”信息，甚至只基于动量效应（asness,1997）。相反，价值股估值基于近期基本面变化（比如财务杠杆，流动性，盈利性以及现金流充沛），这些特性评估需要严谨的历史业绩报表研究。因此，在低市净率效果上，投资者可以使用财务分析挖掘具有投资价值，基于公司特性的高回报策略。
2.2 财务分析研究
区分公司优劣往往通过评估公司内含价值以及市场预期的系统性谬误。这种策略需要投资者买入延迟反映基本价值的股票（frankel & lee,1998）（汪小勉：这种延迟在行为金融学中天然、必然存在！）。低估值来自分析师的盈利预测&基于会计的估值模型（比如剩余盈利模型），这个策略在超过3年的投资时间线上成功产生高额盈利。类似的，市场对长期盈利增长预估的系统性偏差可以解释限制性投资策略&估值的作用（dechwo & sloan(1997), laporta(1996)）。
作为常备忽略的股票，低市净率公司缺乏可靠的盈利预估。分析师一般不关注近期表现较弱，低交易量或小型公司（hayes[1998], mcnichols & obrien[1997]）,而且面临财务压力的管理层在主动跟资本市场沟通未来预期时将面临可信度问题（koch[1999], miller & piotroski[1999]）。因此，基于预测的估值在区分公司优劣上缺乏实用性。相反，对于低市净率公司的未来预期，财务报告是最好最相关的信息源（小勉：我们应该使用当前的实际数据分析，而非预测数据或者“不可证伪”的“纸面逻辑”）。
很多研究发现投资者可以通过一些财务表现的信号获益。相比基于风险溢价或者回报特性（比如动量）的投资组合策略，这些策略似乎在捕捉市场无法全部反映某些财务信号“异象”的回报。这些策略包括但不限于，业绩报告后跃升（bernard & thomas[1989,1990], foster,olsen & shevlin[1984]）,应计收入（sloan[1996]）, 季度分红（loughran & ritter[1995]）, 回购（ikenberry,lakonishok & vermaelen[1995]）, 股息率（michaely, thaler & womack[1995]）。
更加动态的策略包括使用公司业绩内涵的多种信息。历史的财务比率指标组合能预测未来利润变化（ou and penman[1989]），类似的，一些统计学方法成功的预测股票的超额收益（holthausen & larcker[1992]）。但这两个研究的局限性在于需要复杂的方法论&大量历史数据。lev & thiagrarajan[1993]提炼了12个有用的财务分析指标，在控制了利润操控，公司规模&宏观经济环境后，发现它们跟未来收益相关。
在有限时间内，市场无法完全反映出跟估值相关的所有信息，abarbanell & bushee[1997]研究了lev & thiagarajan[1993]提出的用于分析未来利润、利润变化的财务指标的预测能力，结果这12个指标可以产生很高的“异象回报”。
本文扩张了上述研究，使用特定业绩指标区分优劣公司。除了考察公司未来利润跟财务信号的关系，还整合了一系列财务指标，并根据公司全局信息建立投资组合。在关注价值股的基础上，财务分析的好处在于：（1）历史业绩报告代表最好跟最相关的，关于公司财务情况的信息，（2）在低市净率公司这样的经济基础上，最大化选择财务指标的优势。
2.3 在低市净率公司中使用的财务表现区分信号
通常，低市净率公司面临业绩压力（fama & french 1995, chen & zhang 1998）。这种压力来自低净利率，净利润，现金流，流动性或者财务杠杆上升，反映了经济环境的变化，因此在预测公司未来表现上是有用的。这个逻辑可以明确本文指标信号的作用。
论文选择了9个财务指标来评估【三项公司情况】：盈利性，财务杠杆/流动性，&经营效率。指标容易理解，容易获得，在很多上市公司表现统计中出现。本文根据指标对未来回报及盈利性的实现度（realiziation）来定义为“好的”或“坏的”指标。我们用变量（0~1）来评价信号的实现度，如果实现1分，否则0分。总分=9个信号的分数加总定义为【F-score(F分数)】。总分表示整体业绩的质量或者强劲程度，得分高低是买卖股票的决策根据。
任何财务信号对未来盈利性或股价的影响并不明确。本文所说的信号预测效果多少基于这些公司某种程度面临财务压力的事实。例如，理论上公司加杠杆既有正面意义，也有负面意义（harris and raviv[1990]，myers & majluf[1984], miller & rock[1985]）。面临财务压力的公司，加杠杆的负面意义应该大于削减代理成本或增强监控带来的正面意义。因此在低市净率公司中，这些信号对未来表现的预测力不同，总得分在区分公司优劣的效果也有强弱。
2.3.1 业绩表现信号：盈利性
当前盈利性跟现金流落地代表公司内生资金能力。鉴于价值股过往的糟糕表现，任何公司目前产生现金流或者利润会证明其运营活动的有效性。净利润增长的趋势暗示公司潜在产生未来现金流能力的提升。
本文采用4个指标衡量【盈利性】：ROA，CFO，ROA增量，应计收入。ROA & CFO是指剔除非经常损益利润&经营现金流，再除以年初总资产。如果公司ROA或者CFO是正的，ROA或者CFO的F分数=1，为负=0。ROA增量是指今年ROA减去年的结果。如果ROA增量＞0，则ROA增量F分数=1，否则=0.
论文也考虑净利润&现金流的关系。sloan（1996）提出由应计收入驱动的净利润（净利润＞经营现金流）是未来盈利跟回报的“坏信号”。这种关系对价值股尤为重要，这种公司通过正的应计收入操控净利润的动机很强（避免亏损，sweeney[1994]）。本文将【应计收入】定义为“剔除非经常损益净利润减去经营现金流”，再除以年初总资产。如果CFO＞【应计收入】则应计F分数=1，否则为零。
2.3.2 财务表现信号：杠杆，流动性，资金来源
本文用三个指标用来衡量公司的资本结构及未来偿付能力变化：杠杆增量，流动性增量&股票发行。低市净率股票面临融资限制，杠杆增加、流动性衰退，或者借贷是财务风险的“坏信号”。
杠杆增加量衡量公司长期债务水平。杠杆增加来自长期负债/总资产比率的历史变化，财务杠杆增加代表负面信号。外部融资意味着面临财务压力的公司内生资金能力减弱（myers & majluf[1984], miller & rocki[1985]）。另外，融入长期债务可能限制公司财务弹性。因此，如果公司杠杆率下降，杠杆率增量F分数=1，否则=0。
流动性增量来自公司流动比率的增加，流动比率=流动资产/流动负债。流动性好转（流动性增量＞0）是公司兑付未来偿付义务能力提升的“好指标”。若流动性增量＞0，则F分数=1，否则=0.
论文中定义，如果公司在本年度没有发行普通股，股票融资指标=1，否则=0。跟增加长期融资一样，面临财务压力的公司从外部融资意味着内生资金能力下降，未来偿付能力削弱。（myers & majluf[1984], miller & rock[1985])。这些公司事实上喜欢在股价承压时发行普通股，显示出自身窘困的财务状况。
2.3.3 财务表现信号：经营效率
衡量公司经营效率使用了：毛利率增量&周转率增量两个指标，它们是解构资产周转的关键成分，非常重要。
毛利率增量是公司的当前毛利润比率（毛利润/总资产）相对于去年的增量。毛利率增加意味着成本因素利好，比如库存成本下降或公司产品价格上升。如果毛利率增加，毛利率增量F分数=1，否则=0。
周转率增量是指公司当前资产周转率（销售总金额/期初总资产）相对去年的变化。资产周转率增加意味着公司资产效能提高，这可能来自更有效的经营（更少的资产产生更多的营业额）或者销量增加（公司产品的市场表现变好）。如果增量＞0，指标“周转率增量F分数”=1，否则为0。
本文所选取的指标跟lev & thiagarajan[1993]，abarbanell & bushee[1997,1998]的研究有所重合，但大多数还是之前研究没有涉及的。主要是因为：1、本文的研究对象偏向小公司、面临财务压力的公司，这些指标倾向于捕捉公司的盈利性&违约趋势。诸如LIFO/FIFO选择、资本支出决策、税率影响、有资质审计意见等在更广泛的判断公司的健康上，似乎是“二阶”项。2、bernard[1994] & sloan[1996]的研究证明会计净利润跟现金流在评估未来表现的重要性。捕捉这些变量在分析时非常重要。最后，无论是lev & thiagarajan[1993]还是abarbanell and bushee[1997;1998]都【不是】最佳指标选取。因此，使用替代的、补充的财务指标只是为了证明财务分析的广阔应用场景。
2.3.4 综合得分构成
综合前述，F分数来自每个公司二元（0或1）信号的加总，即F分数=F分数（ROA+ROA增量+CFO+应计收入+净利润增量+周转率增量+杠杆率增量+流动性增量+普通股发行）。在此基础上，F分数的值域是0~9，而低分意味着公司缺乏“好信号”。论文为了挖掘现在基本面能否预测未来基本面，认为F分数跟未来表现跟股票回报正相关。本文的投资策略根据高F分数构建，而非依靠任何单一指标。相对于ou & penman[1989]，holthausen & larker[1992]的论文，本文的分析过程“后退”了一步——并不使用概率模型或者年度调整，而是单纯的9个二元（1或0）信号加总。
这种方法提供了一种简单的基本面分析来区分公司优劣，但面临两个问题。第一，简单的分数转换可能过滤有用信息。论文采用这种方式仅出于“简化”的要求，这些简单因子的后续细化研究十分必要。论文的稳健性测试使用了其他方法——信号落地根据年度排序并加总。
第二，目前联合使用特定指标缺乏理论研究，本文采用的指标也只是“临时”的。由于这个方法论的目的在于区分公司优劣，构建组合时，其他用来诊断公司财务健康的指标也可以定位到这些公司。论文也研究了其他类似的方法。比如根据财务压力（altman's Z-统计）、历史盈利变化拆分低市净率公司。或者把ROA增量拆分成毛利率增量&资产周转率增量。这些方法都展示了财务基本分析区分公司优劣的稳健性，评估公司时使用综合财务信息的好处。
—（汪小勉,wc~athene_1988）—
不得不说，实证理论研究对投资理念的影响相当大。早在2000年初，学者已经着手对1934年格雷厄姆&dodd提出的价值投资理念加以实证研究并改进优化，比如使用量化方法剥离、论证《证券分析》中过于看中低估值的片面性跟局限性，引入公司质量特性评分、行为金融学、CAPM等方法优化价值投资策略。
20年后的今天，仍然有许多秉持各类所谓波浪理论、技术指标追涨杀跌，抑或固守市盈率市净率低迷资产，抛离业绩空谈“纸面逻辑”、“政策分析”的投资者跟媒体。但幸运的是，正是这类市场参与者的长期存在，才使得简单朴素的价值投资策略仍然“惊人”的有效。如我们过去一直强调的，投资组合的构建应该适度分散，及时跟踪业绩调整成分，避免使用个股、特例或者“不可证伪的纸面逻辑”。我们要通过连续持有绩优股组合来获得长期稳健的超额收益。