异常经营现金流因子构建及模型介绍 [page::5][page::6][page::7]

• 研报介绍了三种真实盈余管理模型：Roychowdhury模型、Cohen模型和现金流操纵模型，均以经营现金流与营业收入等变量回归残差构建异常经营现金流因子。

- 异常经营现金流通常反映真实盈余管理行为，对应的现金流异常代表公司短期盈余操纵，有助于分析企业潜在财务风险。

年度异常经营现金流因子表现分析 [page::8][page::9][page::10][page::11][page::12]

| 组别 | 年化收益 | 年化波动 | 夏普比率 | 最大回撤 | 卡玛比率 | 累计净值 |
|-------|----------|----------|----------|----------|----------|----------|
| 第1组 | -4.94% | 21.22% | -0.23 | 50.34% | -0.10 | 0.74 |
| 第5组 | 9.52% | 18.78% | 0.51 | 29.33% | 0.32 | 1.73 |
| 多空 | 14.03% | 10.30% | 1.36 | 25.76% | 0.54 | 2.20 |
| 基准 | 2.27% | 19.02% | 0.12 | 33.50% | 0.07 | 1.14 |

• 三种年度因子多空组合均表现优异，年化收益约14%，夏普比率高于1，表明异常现金流因子蕴含显著超额收益能力。

- 2021年出现一定反转可能由于新收入准则等会计政策变动影响。

季度异常经营现金流因子表现及对比分析 [page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::20][page::21][page::22][page::23]

| 因子池 | 组别 | 年化收益 | 夏普比率 | 最大回撤 | 卡玛比率 | 累计净值 |
|------------------|-------|----------|----------|----------|----------|----------|
| 中证800 - ABCFOQ1 | 第1组 | -2.80% | -0.14 | 39.99% | -0.07 | 0.83 |
| | 第5组 | 11.86% | 0.60 | 31.88% | 0.37 | 2.07 |
| | 多空 | 14.63% | 1.67 | 9.50% | 1.54 | 2.43 |
| 全A - ABCFOQ1 | 第1组 | -4.53% | -0.22 | 47.79% | -0.09 | 0.74 |
| | 第5组 | 9.90% | 0.50 | 28.60% | 0.35 | 1.85 |
| | 多空 | 14.52% | 1.84 | 10.61% | 1.37 | 2.42 |

• 季度因子在剔除金融行业的中证800和全A中均表现突出，第5组与第1组收益差异显著，多空组合年化收益均超14%，比年度因子收益更稳定。

- 季度因子分行业回测显示，在20个行业中多空收益为正，且部分行业（食品饮料、医药、交通运输等）表现优异。

季度异常经营现金流因子与其他风格因子的相关性 [page::23]

| 因子 | 贝塔 | 动量 | 市值 | 盈利 | 残余波动率 | 成长 | 价值 | 杠杆 | 流动性 |
|----------|---------|---------|---------|---------|------------|---------|---------|---------|---------|
| ABCFOQ1 | -2.62% | 7.36% | 7.65% | 15.03% | 0.04% | -0.58% | -4.52% | -6.50% | 0.99% |
| ABCFOQ2 | -2.56% | 7.36% | 7.53% | 14.79% | 0.05% | -0.47% | -4.68% | -6.46% | 0.98% |
| ABCFO_Q3 | -2.32% | 6.57% | 7.26% | 14.49% | -0.13% | -0.29% | -4.17% | -6.13% | 0.80% |

• 季度异常经营现金流因子与主流风格因子相关性较低，尤其市值、动量、成长等因子相关性不足10%，与盈利因子相关为最高约15%，表明其具有独立的投资增量价值。

结论与未来展望 [page::24][page::25]

• 异常经营现金流因子能够有效识别真实盈余管理，帮助甄别高低盈余质量公司，显著改善投资组合表现。

- 未来研究将聚焦因子构建中剔除非操控因素、更优回归方法、因子行业有效性差异及其他相关因子发掘。

基于异常现金流模型的真实盈余管理因子——深入分析报告

---

1. 元数据与报告概览

报告标题：基于异常现金流模型的真实盈余管理因子（一）

发布机构：东北证券股份有限公司

发布日期：报告中未明确具体日期，但研究覆盖数据截止2022年，并在2022年11月完成最新回测。

作者：王琦等东北证券金融工程团队成员

研究主题：围绕中国A股市场，基于异常经营现金流模型构建真实盈余管理因子，探索该因子对股票选股能力的影响以及投资组合超额收益的实现可能。

核心论点：

• 真实盈余管理通过操控经营现金流等真实业务活动粉饰财务报告，短期内提升利润但长期可能损害公司价值，存在投资风险。

- 本文构建并测试了基于异常经营现金流（ABCFO）的真实盈余管理因子，使用三个主流模型（Roychowdhury模型、Cohen模型及现金流操纵模型）计算年度和季度异常经营现金流因子。

• 多数回测结果显示，高异常经营现金流因子组相较于低因子组具有显著更好的股票表现，因子能提炼出一定的alpha，尤其季度因子表现更优且稳定。

- 不同行业中，异常经营现金流因子的有效性存在差异，在食品饮料、医药、交通运输、电力等行业表现更佳。

• 后续研究将持续完善模型，探讨不同行业、股票池的有效性差异，并扩展因子类型。

投资评级与提示：

报告未针对具体标的发布买卖建议，而是聚焦因子研究与投资策略构建，风险提示指出基于历史数据的测试，可能因市场、政策或模型失效而失效。[page::0,3,4]

---

2. 逐节深度解读

2.1 引言部分

报告强调财务报告的重要性和盈余管理的双重分类：应计盈余管理与真实盈余管理。真实盈余管理是通过实际业务操作影响财务结果，隐蔽且更具恶劣后果，管理层短期行为可能损害长期公司业绩。该部分回顾了真实盈余管理的学术研究演变：从Schipper(1989)、Healy&Wahlen(1999)等早期定义，到Roychowdhury(2006)提出的三大异常因子（经营现金流，酌量费用，生产成本）模型，再到后续Cohen(2020)、Vorst(2016)等对模型的改进与修正。论文基础扎实，采用了影响力较大的经典模型理论基础，为后续中国A股实证提供了坚实依托。[page::3]

2.2 真实盈余管理的研究意义

强调真实盈余管理行为对后续业绩的负面影响，有利于投资者通过因子方式降低投资风险，提高组合稳健性。报告采用Roychowdhury、Cohen和张俊瑞等模型中的异常经营现金流相关指标，旨在用量化手段代理真实盈余管理行为，并检验其选股能力。这一紧密连接理论与实践的方向，具有应用价值。[page::4]

2.3 样本与模型介绍

• 样本选取：2016-2022年中国A股剔除金融行业，数据源Wind和通联数据。
• 模型：

1. Roychowdhury模型：分别建立异常经营现金流、异常生产成本和异常酌量费用模型，通过分行业年度OLS回归测算残差作为异常因子。模型形式严谨，以资产规模和销售收入及其变动调整现金流等财务指标。[page::5,6]

2. Cohen模型：对Roychowdhury模型进行改进，增加了收入变动方向变量的交叉项，捕捉非线性效应，增强模型拟合度。算法复杂但更贴合真实市场反应。[page::6]

3. 现金流操纵模型（张俊瑞等）：基于现金流结构，加入税费、职工现金支付、其他经营现金流构成变量，试图更全面测度异常经营现金流，减少非操控性影响。[page::7]

• 因子方向分析：根据学理，异常经营现金流和异常酌量费用因子正向，异常生产成本因子负向。本文主要聚焦异常经营现金流因子，因其信息含量更丰富及风险指示明显。[page::7]

---

3. 年度异常经营现金流因子表现

基于3个模型分别计算了年度异常经营现金流因子（ABCFOY1,Y2,Y3），以每年4月底调仓，剔除金融行业进行分组测试。

• 回测结果：

- 所有模型最高组（盈余质量高）股票收益明显优于最低组（盈余质量低）股票，年化收益差距显著（多空组合达14%左右）。
- 最大回撤方面，高盈余质量组最大回撤显著低于低盈余质量组，夏普率和卡玛比率均反映出更优风险调整收益。
- ABCFOY3（现金流操纵模型）多空组合最大回撤最低（14.44%），表现最为稳定。
- 2021年至2022年期间出现收益反转，可能受年度调仓影响或收入准则变更影响，ABCFOY3反转较轻。[page::8-12]

• 图表及数据解读：

- 图1、3、5具体展示不同年份最高组与最低组收益走势，蓝色阴影标记收益差异显著区间。
- 表1、2、3详细提供每组年化收益、波动、夏普率、最大回撤、卡玛比率，凸显分组风险收益特征。
- 图2、4、6呈现因子全区间累计净值趋势，多空组合净值明显优于基准显示因子alpha属性。[page::8-12]

---

4. 季度异常经营现金流因子表现

鉴于真实盈余管理在季度层面更细划分，捕捉更及时，本文构造了季度异常经营现金流因子（ABCFOQ1,Q2,Q3），分行业分季度回测，调仓时间为每年4月、8月和10月。

4.1 ABCFOQ1 （基于Roychowdhury模型）

• 在中证800和全A市场中，多空组合年化收益分别达14.63%和14.52%，最大回撤分别9.50%和10.61%，均显著优于基准，且收益曲线表现稳定。相比年度因子，季度因子体现出更强稳定性和更低的回撤风险。

- 各行业回测中，有20/27行业多空收益为正，21/27行业多头收益优于行业指数，表现较佳行业包括食品饮料、医药、交通运输、电力设备及新能源等；表现不佳行业主要为有色金属、农林牧渔、计算机等。

• 图7/8与表4/5清晰展示分组净值走势及绩效指标，图9/10及表6展示行业层面超额收益排序和具体数据，反映行业差异明显。[page::13-16]

4.2 ABCFOQ2 （基于Cohen模型）

• 表现整体与Q1因子类似，但多空组合收益略逊于Q1，多空年化收益率分别约10.50%（中证800）和12.77%（全A），最大回撤相对较低，分层效果单调性良好。

- 行业多空表现整体与Q1接近，食品饮料、电力及公用事业、医药、电子表现突出，而有色金属、通信、石油石化等表现较弱。

• 图11-14和表7-9对应分组及行业表现，进一步验证了季度因子优于年度因子的结论。[page::16-19]

4.3 ABCFOQ3 （现金流操纵模型）

• 相较Q1和Q2，Q3因子的分组表现稍弱，但最高组与最低组表现依然显著分离，多空组合年化收益约9.4%，最大回撤低于基准，表明有效选股能力。

- 行业分组中19个行业多空收益为正，17个多头收益优于行业指数，表现依旧优于多数基准。

• 图15-18及表10-12体现了该因子在市场和行业的具体表现特征。[page::20-22]

4.4 季度异常经营现金流因子与常见风格因子相关性

• 三个季度异常经营现金流因子与传统风格因子spearman秩相关系数低，最高与盈利因子相关约15%，这表明异常经营现金流因子具备一定独立信息，有助于投资组合构建实现风险分散和收益增厚。[page::23]

4.5 小结

季度异常经营现金流因子在市场宽度和行业分布中展现良好的alpha获取能力，且相比年度因子具备更高的风险调整表现和更低的回撤，尤以ABCFOQ1因子表现最佳。行业视角显示结论的适用性和局限性，并为后续细分行业因子优化提供依据。[page::23]

---

3. 图表深度解读

本报告图表丰富，以时间序列的累计净值曲线展示多空因子组的股票组合表现，表格则给出分组收益、波动率、夏普比率、回撤与卡玛比率等多维度风险收益度量，具体说明如下：

• ABCFOY系列年度因子图表（图1-6）：连续6年多空分组收益差异明显，绿色（低因子组）和红色（高因子组）净值线逐步拉开，尤其多空策略表现极佳，反映alpha显著。异常经营现金流酌量费用和生产成本模型表现略有差异，现金流操纵模型更稳定，回撤较低。[page::8-12]
• 季度因子图表（图7-18）：以中证800和全A为股票池，蓝紫区分不同组别，最高组持续走高，回撤淡化，尤其Q1因子在不同数据集中表现稳定。行业内的柱状图（图9,10,13,14,17,18）揭示因子在行业间存在明显差别，某些防御和传统行业表现好于周期性行业。[page::13-22]
• 相关性矩阵（图19）：呈现低相关性，尤其反映因子具有投资组合多样化和信息增量的潜力。[page::23]

图表的数据来源均为wind和东北证券自身数据，数据严谨全面，回测期覆盖多个经济周期，增强结论的稳定性和可信度。

---

4. 估值分析

本报告核心在因子研究和投资组合构建，未涉及单个公司估值分析，因而无DCF、市盈率等估值方法的应用和论述。不涉及股票目标价或评级判定，核心在于因子层面的alpha挖掘与风险控制。[page::0-29]

---

5. 风险因素评估

报告末尾明确提示：

• 因子回测基于历史数据，受限于样本选择、模型设定及变量准确性，存在模型失效风险。
• 政策变更（如收入准则调整），市场环境变化可能导致因子失效。
• 组合构建依赖于标的股票的流动性和市场结构，存在流动性风险和市场风险。

报告未细化缓解措施，但研究正视风险、将持续模型优化，提示谨慎使用历史因子结果指导未来投资。[page::27]

---

6. 审慎视角与细微差别

• 报告多次提及2021年因子表现出现收益反转，推断由会计政策变更和年度调仓引起，反映出模型存在结构性局限。
• 现金流操纵模型相对更稳定，这可能与模型引入现金流操作更细变量有关，提示未来模型细化方向。
• 行业表现差异显著，可能受行业现金流特征和经营策略不同影响，定制化因子或更优。
• 虽然多个模型均得到正面反馈，因子收益主要来自多空对冲组合，说明该因子在纯收益提升中有制约，实际应用中需要结合其他风险因子共同使用。
• 因子与传统风格因子相关性较低，表明提供的信息增量，但也可能导致组合更复杂，交易与管理成本上升。
• 项目模型均基于线性回归残差，潜在对非线性关系检测不足，后续研究建议利用机器学习等非参数方法进一步挖掘。[page::8-12,23,24-25]

---

7. 结论性综合

本报告基于中国A股市场，运用Roychowdhury、Cohen和现金流操纵三大经典异常现金流模型，构建年度与季度异常经营现金流因子，深度探讨了其识别真实盈余管理行为、选股能力及投资组合表现的有效性。核心发现包括：

• 因子有效性显著：三个年度异常现金流因子和三个季度异常现金流因子的多空组合均表现出客观且显著的alpha，年化收益在10%-15%区间，远超市场基准，验证了异常现金流模型捕捉真实盈余管理信息的能力。
• 季度因子优于年度因子：季度异常经营现金流因子在风险调整后收益更稳定，最大回撤明显降低，具有更高的投资组合运用价值。
• 行业适用性差异存在：食品饮料、医药、交通运输和电力等行业表现优异，说明异常现金流因子在不同经营和财务特征行业可带来不同的收益。
• 因子与传统风格因子低相关：反映因子包含较多独立信息，具备投资组合多样化价值。
• 实际运用建议：异常经营现金流因子可作为风险因子应用于基金组合管理，选取高异常现金流因子股票或剔除低因子股票均能带来业绩提升，尤其在中长期，适合配合其他风格及基本面因子使用。
• 未来研究方向：优化因子剔除非操控性因素，采用更先进回归和机器学习方法，探究行业和股票池效应，扩展其他真实盈余管理因子。

综上，基于异常现金流模型的真实盈余管理因子为投资者提供了一条有效识别公司财务质量并规避潜在风险的路径，具备较强的理论和实证支持，适合在中国A股市场中应用和推广。[page::0-25]

---

附：关键图表示例解读

图示解读示范：

• 图7（ABCFOQ1 在中证800中的分组效果）：图表清晰展示了ABCFOQ1因子各组的净值走势，最高组（layer5，紫色）净值逐年显著上涨，最低组（layer1，蓝色）净值表现较弱并逐渐下滑，分组差异明显。灰色阴影为多空净值，体现净值差值及风险调整效果。数据支持该因子可用于剔除真实盈余管理行为股票，提升组合表现。
• 表4（ABCFOQ1 各组合绩效指标）：最高组年化收益11.86%，夏普比率0.6，最大回撤31.88%，均好于基准（4.84%收益，0.26夏普）。多空组合年化收益14.63%，夏普1.67，最大回撤仅9.50%，显示该策略在收益与风险控制方面均表现较优。
• 图9与图10（Q1行业多头及多空收益排序）：柱状图展示行业间差异，食品饮料行业多头收益和多空收益排在首位，提示该因子在该行业最具收益潜力；有色金属行业表现较弱，投资者使用时需结合行业特性。

以上图表示例充分体现作者对季度异常现金流因子在选股功能及行业适用性的详尽分析与实证验证。[page::13-16]

---

通过本文详尽的因子构建、理论依据、实证回测和行业分析，投资者可以对异常经营现金流因子的投资价值有较为全面的认识，理解其作为真实盈余管理风险预警及选股筛选工具的实际应用潜力。

报告