🎯 今日核心问题

  1. ROE 有加权/摊薄、扣非/不扣非、期初/期末净资产四个自由度,因子工程上到底该锁哪一组,为什么?
  2. 应计利润(accruals)为什么是学术上最强的质量因子之一,在A股为什么必须做行业中性化和财报滞后处理?

📖 精读提纲

【一】质量因子的共同结构:都是「比率」,都要先解决分母

质量因子全部是「某个利润口径 ÷ 某个资产或收入口径」。陷阱不在分子,而在分母的时间点。ROE = 净利润 / 净资产,净资产用期初、期末还是平均?A股财报只给期末值,标准做法是取(期初 + 期末)/2,要自己从上一期拼接。用期末值,高增长公司的分母被当年利润垫高,ROE 被系统性低估 2-4 个百分点。

ROE 口径建议锁死这一组:归母扣非净利润 + 平均归母净资产。用归母因为市值对应归母权益;用扣非因为补贴和资产处置不可持续;用平均净资产避免分母被当年利润污染。这样算出的 ROE 通常比同花顺的「净资产收益率」低 1-2 个百分点,属正常。

还要做杜邦拆解:净利率 × 总资产周转率 × 权益乘数。ROE=20% 来自 40% 净利率,和来自 5 倍杠杆,是两种完全不同的生意,后者在信用收缩时会瞬间崩塌。把三个分项做成独立因子你会发现,「高净利率」比「高 ROE」稳定得多——因为 ROE 混合了杠杆,而杠杆是顺周期的。

【二】毛利率为什么比净利率更抗操纵

毛利率 =(营业收入 - 营业成本)/ 营业收入,只涉及两行;净利率要穿过销售、管理、研发、财务费用、投资收益、公允价值变动、资产减值、所得税,每一层都能被调节。所以毛利率的信噪比远高于净利率。

更关键的是趋势和波动:常年 35%±1% 说明有定价权,从 30% 掉到 18% 说明竞争恶化。把「毛利率三年标准差」(越小越好)和「毛利率同比变化」拆成两个因子,前者识别稳定性、后者识别拐点。

【三】现金流质量与应计利润:识别纸面利润

现金流质量最直接是「经营现金流净额 / 归母净利润」。健康的消费、软件常年在 1.0-1.5;长期低于 0.7 的公司,利润大概率停在应收账款和存货里。但要看行业:重资产扩张期的制造业可以长期低于 1,银行的经营现金流口径与一般企业完全不同。

应计利润是学术质量因子的核心:应计 =(净利润 - 经营现金流净额)/ 总资产。应计依赖坏账计提、存货跌价、收入确认时点等会计估计,可操纵空间大,而现金收付是硬的。实证结论一致:应计占比高的公司未来收益显著更差(Sloan, 1996),A股在 2015-2018 并购商誉周期里尤其明显。

A股做应计因子有三个必处理问题:财报滞后(一季报4月底、半年报8月底、三季报10月底、年报次年4月底,必须用公告日对齐)、累计口径(A股财报是年初至今累计数,二季度单季应计要用半年报减一季报)、行业差异(金融、地产应计结构完全不同,地产受预收款影响极大,必须中性化或剔除)。

【四】常见误区

💻 代码示例

import akshare as ak
import pandas as pd
import numpy as np

pd.set_option("display.width", 200)

# ── 1. 拉单只股票的财务指标(含报告期与公告日)───────────────────
# 用同花顺/东财的财务摘要接口,字段名以实际返回为准
fin = ak.stock_financial_abstract(symbol="002472")
fin = fin.T
fin.columns = fin.iloc[0]
fin = fin.iloc[1:].reset_index().rename(columns={"index": "报告期"})
fin = fin[fin["报告期"].astype(str).str.match(r"^\d{8}$")]
fin["报告期"] = pd.to_datetime(fin["报告期"], format="%Y%m%d")

def to_num(s):
    return pd.to_numeric(
        s.astype(str).str.replace("%", "").str.replace(",", ""), errors="coerce"
    )

for c in ["归母净利润", "扣非净利润", "归母净资产", "营业总收入", "营业成本",
          "经营活动现金流量净额", "资产总计"]:
    if c in fin.columns:
        fin[c] = to_num(fin[c])

fin = fin.sort_values("报告期").reset_index(drop=True)

# ── 2. ROE:扣非归母净利 / 平均归母净资产 ────────────────────────
fin["avg_equity"] = (fin["归母净资产"] + fin["归母净资产"].shift(4)) / 2
fin["roe_ttm"] = fin["扣非净利润"] / fin["avg_equity"]

# ── 3. 毛利率与杜邦拆解 ──────────────────────────────────────────
fin["gross_margin"] = 1 - fin["营业成本"] / fin["营业总收入"]
fin["net_margin"] = fin["扣非净利润"] / fin["营业总收入"]

# ── 4. 现金流质量与应计利润 ──────────────────────────────────────
fin["cfo_to_ni"] = fin["经营活动现金流量净额"] / fin["扣非净利润"]
# 应计 =(净利润 - 经营现金流)/ 总资产;越大越差
fin["accruals"] = (fin["扣非净利润"] - fin["经营活动现金流量净额"]) / fin["资产总计"]

# ── 5. 单季拆解:累计值 → 单季值,避免季度间不可比 ───────────────
def cum_to_single(df, col, period_col="报告期"):
    df = df.copy()
    y = df[period_col].dt.year
    q = df[period_col].dt.quarter
    prev = df.groupby(y)[col].shift(1)
    df[col + "_q"] = np.where(q == 1, df[col], df[col] - prev)
    return df

fin = cum_to_single(fin, "扣非净利润")
fin = cum_to_single(fin, "经营活动现金流量净额")
fin["accruals_q"] = (fin["扣非净利润_q"] - fin["经营活动现金流量净额_q"]) / fin["资产总计"]

print(fin[["报告期", "roe_ttm", "gross_margin", "cfo_to_ni", "accruals"]].tail(8))

# ── 6. 横截面质量因子(全市场,需先挂行业)──────────────────────
def quality_score(df, ind_col="sw_name"):
    """输入:截面 DataFrame,含 roe/gross_margin/cfo_to_ni/accruals 列"""
    d = df.copy()
    def w(s):
        return s.clip(s.quantile(0.01), s.quantile(0.99))
    def rank_in_ind(s):
        return s.groupby(d[ind_col]).rank(pct=True)

    d["q_roe"] = rank_in_ind(w(d["roe_ttm"]))
    d["q_gm"]  = rank_in_ind(w(d["gross_margin"]))
    d["q_cfo"] = rank_in_ind(w(d["cfo_to_ni"].clip(-3, 5)))
    d["q_acc"] = 1 - rank_in_ind(w(d["accruals"]))      # 应计越低越好
    # 现金流质量给低权重,因为行业差异最大
    d["quality"] = (d["q_roe"] * 0.4 + d["q_gm"] * 0.3
                    + d["q_acc"] * 0.2 + d["q_cfo"] * 0.1)
    return d

✏️ 今日动手

  1. 用 stock_financial_abstract 拉双环传动 002472 最近 12 个报告期,算出四个质量指标,打印成表。检查 roe_ttm 是否有明显跳变——如果有,通常是报告期别(一季报/年报)混用导致 shift(4) 没对齐。
  2. 算一次杜邦拆解:净利率 × 总资产周转率 × 权益乘数,验证乘积是否约等于 ROE。对不上说明某个字段的单位错了(A股财报有的接口是「元」,有的是「万元」)。
  3. 把这套逻辑推广到 50 只股票(任选一个申万行业,比如「汽车零部件」),算出 quality 综合分,看看 Top5 是否和你的直觉一致。
  4. 专门做一件事:找出该行业里「净利润为正但经营现金流连续三年为负」的公司。这些就是应计因子要抓的典型,把名单记下来,明天之后的 IC 检验里验证它们后续收益是否更差。

🔖 明日预告

明天转动量:3/6/12 月动量怎么算才不会被停牌和涨停污染、A股的动量为什么在 1 个月和 3 个月尺度上是「反转」而不是「动量」,以及 2015 年和 2021 年两次动量因子的极端表现说明了什么。