摘要
·基本面研究的本質是對企業未來增長的分析，結合既有文獻的方法，本文構造了一個綜合的基本面指標，對企業未來的盈利能力進行預測。
·基於基本面的盈利預測因子對於A股是一個不錯的選股指標，在一定程度上表明基本面投資在A股市場中是有效的。
·基本面盈利預測因子和市場上已有的預測指標之間，比如分析師的一致預測數據，並不存在很高的相關性，這對投資者進行預測分析，提供了另外一個角度。
·從行業的角度，基本面盈利預測因子更適合進行新興產業的研究。
一、前言
金融市場的不確定性，使得金融資產的估值存在幾乎無限的假設條件和參數設計。如何評估各類變量對資產價格變動的影響，也一直是金融學界和業界工作的重點。粗略對這些工作的方向進行劃分，可以發現一部分研究試圖通過挖掘數據本身的規律性對未來收益做出預測，另一部分則試圖從傳統基本面財務分析的角度出發，提取投資決策的輔助信息。
兩類做法並無高下之分，近年來隨著金融科技的進步，兩種方法也有了很多交叉之處，實際上兩者都是基於歷史的數據對未來進行估計，方法的根本邏輯都是相似的。比如基本面投資的關鍵在於尋找以合適的價格買入具備持續創造價值能力的企業，此時使用更高效的數據清洗和分析方法，可以更好地提高研究效率。而這也是倍發系統工作內容的一個重要組成部分。
按照基本面分析的邏輯，如果需要討論企業持續創造價值的能力，實際上就是通過既有企業公開的信息，評估其未來的盈利水平。從經典金融分析的角度，這樣的做法似乎是無利可圖的，因為傳統金融理論認為價格已經反映了所有公開信息，投資者很難通過歷史信息牟利。但無論是業界實踐還是學界研究，都傾向於認為挖掘基本面信息可以有效地提高未來超額收益，比如有金有險之前介紹過的QMJ因子，就很好地體現了這一點。
更進一步地，如果要預測企業未來的盈利水平，就要根據企業報表的數據，排除對盈利估計的干擾，得到一個更真實的企業盈利評估。那麼具體應該怎麼做呢？
二、因子設計
本文對企業未來盈利預測的方法，基於汪榮飛和張然發表於2018年的論文（參考文獻見文末）。他們選取了6個既有研究中認為可以有效反映未來企業盈利情況的指標，並將指標合成為一個基本面收益預測的因子。他們所選取的指標及選取原因如下：
表1企業收益預測的基本面指標選擇
根據以上分析，6個指標既反映了企業生產經營活動中的情況，也含有企業財務操縱的可能，因此可以從這兩個方面同時預測企業未來的盈利情況。除此之外，表中的指標都被冠以“異常”兩個字，原因在於，本文進行計算時，增加了一個企業現金流增長情況的分析。理論上來說，存貨等6個指標的變化速度如果比企業現金流的變化速度快（或者慢），才可以稱之為異常。因此本文使用企業季度財報數據，設計正常增長率因子如下：
接下來，就對“異常”的6個指標 進行計算。方法是根據以上6個財務數據，分別與乘以正常增長率的四個季度前的同類財務數據相減，再除以本季度的總資產來獲得。以異常存貨為例，其計算公式如下：
其他5個指標計算的方法類似。在表格的分析中可以發現，由於6個指標對未來盈利預測的評估作用的方向並不一致，本文在計算異常存貨、異常應收賬款、異常其他應收款和異常銷售管理費用時在前面乘以-1，這樣得到的指標與盈利預測的理論預期一致（即上述4個指標越小，未來盈利越高），而另外兩個指標則正常計算。
計算得到的上述指標，可能會受到單位數量級的影響，因此本文采取文獻中的方法，對6個指標全部進行標準化處理，然後加總6個標準化的值，對這個值再次進行標準化。也就得到了基本面盈利預測的合成因子，在本文中將其稱為基本面盈利預測因子。此後的分析也將基於這個指標展開。
三、基本面盈利預測因子的初步回測
基於前面得到的基本面盈利預測因子，本文對2010年以來的全部A股進行了回測（由於金融類企業財務數據的差異，這裡按照申萬一級行業分類，剔除了所有金融類企業）。回測方法為自2010年1月第一個交易日開始，在每個月的第一個交易日進行換倉。依據因子值的大小，將所有股票均分為5組，第一組（F1）為基本面盈利預測因子值較大的企業，也就是被認為未來盈利較高的企業，第五組（F5）則為未來盈利較低的企業。每個分組中，每隻股票權重一致，以避免小市值效應的影響。
△圖1 基本面盈利預測因子的全A股回測情況
從回測結果來看，基本面盈利預測因子值較高的企業的確有較高的投資收益，相較於未來低盈利能力的企業，兩者的多空對沖年化收益為2.17%，年信息比為0.41。從這個層面來說，基本面盈利因子具有一定的選股能力，這也與汪榮飛和張然（2018）的研究結果一致。
四、與分析師一致預測結果的比較
在金融市場中，對企業未來情況進行預測的一個重要指標，就是各個專業分析師的預測。通常來說，人們認為分析師有更全面的數據獲取能力、更便捷的信息獲取渠道和更專業的分析評估方法，因此他們的結果可能更有說服力。如果現實的確如此，那麼似乎也沒有專門構建一個基本面預測因子的必要。
但現實裡分析師一致預測的情況卻不太盡如人意，比如以分析師對未來一年企業利潤總額的預測數據為例（與之前回測對象、方法和區間相同），可以發現，分析師認為未來企業利潤總額較高的企業，投資收益的表現卻是最差的。這個結果就比較尷尬。
△圖2 分析師對未來一年企業利潤總額一致預測因子全A股回測情況
類似地，分析師預測數據與本文構建的基本面盈利預測因子存在一定差異。如下圖所示，比較高基本面盈利預測組合和低基本面盈利預測組合中分析師對未來一年EPS的預測情況，可以發現低基本面盈利預測組合的分析師預測EPS更高，這與前述分析師估計的相反，也能一定程度上印證圖2所反映的信息。
△圖3 高低基本面盈利預測因子組合間分析師EPS一致預測差異
進一步地，本文比較了高基本面盈利組合與幾個主要的分析師盈利預測指標之間的關係，這裡採用的是各個指標高因子值組合與滬深300指數高低對沖收益的相關係數，所使用的分析師盈利預測指標均為對未來一年的預測數據。
△圖4 因子相關係數矩陣
注：顏色越接近深綠色意味著正相關性越大，相反越接近深紅色意味著負相關性越大
從結果來看，基本面盈利預測因子與分析師預測因子的相關性並不高，而各個分析師預測數據之間的相關性倒是比較突出。結合基本面盈利預測因子的分析效果，可能表明分析師的盈利預測數據並未有效地挖掘出企業未來潛在的盈利增長能力，而基本面預測因子是對預測信息的一個良好補充。
五、基本面盈利預測因子的分行業回測
前述分析肯定了基本面預測因子在市場投資中的有效性，不過與此同時，由於各個行業之間存在顯著的增長差異和盈利水平差異，基於全A股的測試可能不能完全反映這個因子對企業未來盈利水平的預測能力。因此本文基於申萬一級行業分類，在剔除金融類行業的基礎上，對基本面盈利預測因子進行了分行業回測。分行業回測的具體方法與之前一致，結果如下表所示：
表2 基本面盈利預測因子分行業回測情況
注：因子IC均值表示因子對未來收益的預測能力，IC均值的絕對值越大意味著預測能力越強；IC均值/IC標準差則表示預測能力的穩定性，越大意味著穩定性越好
從分行業的情況來看，基本面盈利預測因子對信息類產業的預測評估能力比較出色，比如計算機和通信行業，高基本面盈利預測因子都有更好的選股能力。而對於一些近年來表現良好的行業，比如醫藥生物和食品飲料行業，可以發現高基本面盈利預測因子組合的年化收益都比較出色，但是相較低基本面盈利預測因子組合並沒有優勢，這或許說明這類行業的投資者並不太看重企業表現和實際經營能力的脫節，更傾向於支付高的溢價來支撐企業當下的業績。另外有趣的是鋼鐵行業，行業中高基本面盈利預測因子組合的年化收益為負，並且嚴重低於低基本面預測因子組合，或許對於這類夕陽型的產業來說，投資者根本不看重或者不看好企業未來的盈利能力改善。
總體來說，基本面盈利預測因子可以在一定程度上幫助投資者更好地挖掘企業未來的成長信息，獲得更高的超額收益，並且對分析師的分析預測數據，是一個有效的補充，這些分析與王榮飛與張然（2018）的研究結果近似。此外，從成長性的角度來說，基本面盈利預測因子對新興產業的評估作用更為明顯，這也符合基本面分析方法的基本框架。
參考文獻
汪榮飛，張然。 《基本面分析在中國A股市場有用嗎?——來自季度財務報表的證據》， 金融學季刊, 2018(1)。
閱讀更多 有金有險 的文章
