上市公司财报专题研究：财报附注中隐藏的财务风险

（报告出品方/作者：华泰证券，林晓明、王佳星）

上市公司财务质量系列研究的核心思路是将上市公司违规行为作为评价依据，从不同角度 构建上市公司特征集来定量分析企业的违规风险。本文是上市公司财务质量系列研究报告 的第二篇，主要以财务报表附注指标为切入点，全面梳理重要的财报附注指标，识别上市 公司财报中容易被忽视的财务风险。

财务报表附注数据可以对财务报表进行有效补充，能够提供主表会计科目背后具体组成部 分的相关信息，可以提高会计信息的相关性、可靠性和可比性。比如以 2021 年中报为例， 上海建工、中国中冶和龙元建设三家建筑公司主表中给出的应收账款周转率基本一致，但 是附注数据中的账龄结构相差较大，龙元建设有大量在 5 年期以上的应收账款，账龄结构 明显不如上海建工以及中国中冶合理。所以三家上市公司中龙元建设的资金周转问题更加 严重，深入观察附注数据可以看到其潜藏的财务风险。

我们希望在财报附注的帮助下对上市公司报表进行更加细致的分析，寻找到能够更加准确 提示上市公司违规风险的指标，后文的研究内容主要包含以下三部分：

1. 对上市公司附注数据表进行全面整理，对核心指标相关数据进行清洗归纳，构建上市 公司财报附注数据库。

2. 基于显著性检验、门限阈值检验等方法判断附注指标的有效性，寻找能够有效提示上 市公司违规风险的指标。

3. 最后综合财报主表以及财报附注指标库，构建完整的上市公司财务质量打分模型。

财务报表附注在最新版《企业会计准则第 30 号——财务报表列报》（财会﹝2014﹞7 号）（以 下简称《企业会计准则》）中被定义为“对在资产负债表、利润表、现金流量表和所有者权 益变动表等报表中列示项目的文字描述或明细资料，以及对未能在这些报表中列示项目的 说明等”。

《企业会计准则》规定，附注相关信息应当与资产负债表、利润表、现金流量表和所有者 权益变动表等报表中列示的项目相互参照，以有助于使用者联系相关联的信息，并由此从 整体上更好地理解财务报表。一般而言，附注应当按照下列顺序至少披露： 1. 企业的基本情况 2. 财务报表的编制基础 3. 遵循企业会计准则的声明 4. 重要会计政策和会计估计 5. 会计政策和会计估计变更以及差错更正的说明 6. 报表重要项目的说明 7. 或有和承诺事项、资产负债表日后非调整事项、关联方关系及其交易等需要说明的事项 8. 有助于财务报表使用者评价企业管理资本的目标、政策及程序的信息。

中国证监会在《公开发行证券的公司信息披露编报规则第 15 号——财务报告的一般规定》 （2014 年最新修订）中要求，财务报表附注应当对财务报表中相关数据涉及的交易和事项 作出真实、充分、明晰的说明，除特别提及母公司财务报表附注披露事项外，均为合并财 务报表附注披露的事项。证监会对于“报表重要项目”的披露内容及方式进行了更加细致 的规定，且除《企业会计准则》要求披露的内容外，还要求上市公司在附注中披露： 1. 税项 2. 合并范围的变动 3. 在其他主体中的权益 4. 与金融工具相关的风险 5. 公允价值的披露 6. 股份支付 7. 母公司财务报表的重要项目附注。

本文主要关注上市公司财务报表附注中披露的“报表重要项目的说明”和“关联方关系及其 交易”部分内容。后文将对 80 多张 wind 附注数据表进行整理，从中提炼出总计 119 个重要 的财报附注指标，涉及到关联交易、应收账款、成本利润、资金收益和资产明细五大类型。

附注数据处理的难点在于其数据记载形式不够规整、处理起来较为繁琐。目前《企业会计 准则》和证监会并没有做出对于上市公司财务报表附注具体的披露形式和表述用语的规范 性要求，其规定内容只是附注基本元素和制定分类标准的原则性依据，各公司的附注披露 方式还保有弹性空间。例如，在涉及账龄结构的附注披露中，各公司存在披露的账龄上限 和是否按账龄逐年披露等方面的差异；在研发支出项目的披露中，各公司也存在着披露金 额的单位差异问题，等等。

因此，本研究花费较多精力在附注数据的清洗和结构化处理之上。后文将以 windRDF 数据 库中的财报附注相关表格为原始数据，详细介绍不同类别数据的具体形式以及相应清洗方 法，给出可以横向比较的财报附注指标。

本篇报告将继续沿用之前的评估结果进行财务指标有效性检验。

1. 第一步是显著性检验，核心思路是判断正常财务报表和问题报表对应的财务指标是否 存在明显差异，比较典型的方法是双侧 T 检验以及秩和检验：

1) 双侧 T 检验：判断违规样本和正常样本的均值是否存在显著差异。

2) 秩和检验：按照违规样本和正常样本在所有样本中的排序，判断两者在分布位置 上有无明显差距，秩和检验与双侧 T 检验都以 P 值小于 0.01 为筛选标准。

2. 第二步是门限阈值检验，核心思路是在调整财务指标的门限阈值时，判断上市公司违 约概率是否规律性变化。门限阈值检验的要求更为苛刻，一方面，我们需要当某项财 务指标达到一定门限阈值时，上市公司违规概率也需要随之上升；另一方面，最终筛 选的财务指标和上市公司违规概率之间应尽可能存在单调关系，比如当财务指标本身 数值越大（或越小时），上市公司报表违规概率越高。这样最终选出的指标存在较为显 著的逻辑规律。

门限阈值检验关注两个核心指标：（1）最大检出倍数：经过财务指标筛选后问题报表 出现比例与市场参照基准（即所有报表中问题报表占比）之间的比值在本文定义为检 出倍数，也就是对问题报表的识别倍率。我们以参数空间内最大检出倍数为指标有效 性的评判标准，最大检出倍数在 2 以上的指标才算有效。（2）阈值相关系数：计算财 务指标和检出倍数的相关系数，两者绝对值大于 0.5 时为有效指标。

3. 第三步是相关系数检验，核心思路是在筛选出较为有效的指标后，按照相关系数对指 标进行分组聚合，将相似程度较高的财务指标划分为一组。最后力求给出相互独立的 不同组财务指标作为基本指标库。

所有财务指标都基于上述三个步骤检验以确定最终用于报表财务风险评估指标库，相关程 度比较高的财务指标会被划分为同组，最后会给出多组财务指标作为打分基准。（报告来源：未来智库）

本小节我们将逐一介绍关联交易、应收账款、成本利润、资金收益和资产明细五类财报附 注指标的原始数据结构、指标计算方法以及有效性检验结果。

关联交易类附注数据

关联交易通常是指上市公司或者其控股子公司与上市公司关联方之间发生的转移资源、劳 务或义务的行为，在关联方的密切往来之下可能潜藏了很多上市公司的违规行为。

上市公司的关联交易往往错综复杂，容易出现控股股东侵占公司权益以及进行利益输送等 损害中小股东的行为。比如以上市公司保千里为例，公司在 2015 至 2017 年通过控制关联 方购买公司产品累计虚增约 34 亿元销售收入，通过关联交易伪造了大量的账目。虚假的账 目难以掩盖公司已经被掏空的事实，2020 年 4 月保千里成为 2020 年首家被强制终止上市 的公司。

违规关联交易是最为常见的违规行为，一直以来都属于监管部门监督和打击的重点。存在 违规记录的上市公司中，涉及到关联交易违规的公司占比在 30%-40%左右。2020 年证监 会公告有违规行为的 469 家上市公司中，涉及关联交易披露违规的有 173 家，占比达 37%。

本文选用的关联交易类附注数据来自 Wind 的关联方债权债务往来数据表（AShareRelated claimsdebts）和关联方往来及委托理财合计数据表（AShareTrustinvestmentTOT）。

其中，关联方债权债务往来数据表主要披露上市公司与关联方之间的资金往来，通常包含 与关联方之间的借款或贷款、财务资助、股权投资等关联交易行为，以及其他应收、应付 款中涉及关联方的部分金额。具体包括以下四个项目：1）上市公司向关联方提供资金发生 额；2）上市公司向关联方提供资金余额；3）关联方向上市公司提供资金发生额；4）关联 方向上市公司提供资金余额。

关联方往来及委托理财合计数据表主要披露“购买或销售商品”和“提供或接受劳务”类 型的关联交易，其中包含的核心指标主要有两个：1）上市公司向关联方销售产品金额合计； 2）上市公司向关联方采购产品金额合计。

从数据上看，关联方债权债务往来数据表和关联方往来及委托理财合计数据表均披露了上 市公司与关联方的往来资金额。不同的是，前者披露上市公司与每一个关联方之间的资金 往来，后者仅披露上市公司与所有关联方的资金往来总额，且后者将大部分的缺失值都填 充成 0 处理。

在构建关联交易类财务指标时，我们对上市公司同一报告期、同一关联关系下的所有往来 交易金额进行加总处理，加总后的数据与公司经营数据进行比对来刻画关联交易资金的规 模情况。具体指标构建从以下三个方面进行展开：

1. 将资金往来数据与营业收入相比来考察上市公司和关联方之间资金往来的密切程度，相 关指标值越大，说明上市公司和关联方之间资金往来越密切，其关联交易层面的财务风 险越高。

2. 将资金往来数据与现金相关的会计科目进行比较，考察上市公司和关联方之间资金往来 背后的现金支撑情况。

3. 将向关联方销售或采购产品金额分别与营业收入或营业成本相比来考察上市公司主营 业务的经营质量。

经过整理汇总，我们构建了向关联方提供资金发生额占营收比、关联方向上市公司提供资 金发生额占营收比、向关联方销售产品金额占营收比等八个典型的关联交易类指标。

构建的八个指标对上市公司违规风险有着较好识别作用，具体到各项指标来看：

1. 三种关联交易指标总体表现：“关联资金余额”>“关联交易资金发生额”>“向关联方 采购和销售产品金额”。其中关联资金余额反映了上市公司当前存续的关联交易资金状 态，如果关联资金体量比较大、占货币资金比例较高，意味着上市公司对于关联交易过 于依赖，存在较高的财务风险。关联方的资金往来发生额反应了当期（半年或是一整年） 上市公司关联交易情况，适合与当期的营收或是现金流进行比对来评估关联交易的具体 规模。最后向关联方采购和销售产品金额表现相对较弱。

2. 在所有关联交易类附注指标中，向关联方提供资金余额占货币资金比、关联方向上市公 司提供资金余额占现金比两个指标表现最好。前者反映了上市公司向关联方的资金输送 程度，后者反映了关联方向上市公司的资金输送程度，两个指标恰好互为补充，结合起 来能较为全面的反映上市公司与关联方之间的资金往来情况。从背后的逻辑来看，这两 个指标值过大往往预示着上市公司极有可能在利用关联方进行利益输送，损害中小股东 权益，财务违规风险较高。

3. 向关联方采购产品金额占营业成本比和向关联方销售产品金额占营收比的指标方向均 为正向，即当指标值较低时，上市公司的财务风险会略有升高。这一现象说明关联方较 少的小公司财务风险更大，另一方面也体现出正常的采购和销售产品行为并不是财务风 险高的体现，也就是说和关联方正常的贸易往来是合理的现象。

应收账款类附注数据

应收账款反映了上市公司在经营过程中向其他购买单位应当收取的款项，是识别上市公司 财务质量风险的一个重要科目，其变动跟企业的生产销售环节密不可分。主表中只给出应 收账款类指标的汇总统计数据，但是在附注中我们能够看到应收账款具体的账龄结构、坏 账准备、大额应收款占比等重要指标。具体计算时主要用到了以下四类数据：

1. 应收账款结构：主要记录上市公司不同年份的应收账款金额数，根据实际的应收账款类 型分为应收账款账龄结构（AshareAgingstructure）以及其他应收款帐龄结构（Ashare OtherAccountsreceivable）。

2. 前五名应收账款金额：主要记录上市公司前五大应收账款相关情况，反应了公司核心应 收客户，主要包括应收账款前五名金额（Top5ByAccountsReceivable）以及主要其他 应收款明细（AshareMajorreceivables）。

3. 应收票据：应收票据是应收账款里面的核心指标，附注中的应收票据（AShareNotes Receivable）数据表记录了银行承兑票据以及商业承兑票据具体数额情况，可以分析不 同类型的票据数据对于财务风险的识别能力。

4. 资产减值情况：主要指总资产减值损失数据表（AShareIMPAIRLossAssets），该表涵 盖了应收账款类的坏账损失、存货跌价损失等多种资产减值损失数据，本小节主要用到 其中应收账款类相关数据，以“坏账损失”为关键字进行提取。

结合原始数据，我们可以从应收账款账龄结构、主要应收账款集中度、主要应收账款账龄情 况、坏账准备比例、应收票据类型分布以及坏账损失比例六个角度进行相关财务指标的构建。

应收账款账龄结构数据预处理过程较为复杂，各公司具体披露的数据形式存在明显差异。 为获取横向可比的账龄结构，我们对原始应收账款账龄结构数据进行了清洗，从不同口径 的原始数据中提取出最大和最小账龄数据：

1. 首先对于按照年度口径统计的账款情况，需要结合数据具体形式进行针对性处理：

1) 若公司按照账龄长度披露，如“1-2 年”，直接提取最小和最大账龄。

2) 若公司按照具体年份披露，如“2003 年以前”，则需先根据报告期计算出账龄的长 度，再记录最小和最大账龄。

3) 若公司披露纯数字，1 位数字是账龄长度，4 位数字是具体年份，3 位数字是天数。

4) 最后部分数据类型需要单独处理，将“02 年-03 年”等涉及到具体年份情况按照具 体年份处理，将“12 年”、“10 年以上”的情况按照账龄长度处理。

2. 对于按照月度和日度口径统计的账款情况，在提取出具体的数字后，需要分别将数字除 以 12 或 365，将单位统一成年度口径。

3. 对于按信用期数披露的账款情况，统一按照年度口径进行处理。

4. 对于标注为“未逾期”或是“无风险”的账款情况，将账龄按 0 处理；对于标注为若公 司提及账款“预计无法收回”，将账龄参照 Wind 的方式记为最大账龄 9999。

在计算应收账款账龄或是坏账准备类型指标时，我们会对区间内的账目金额按时间占比进 行划分。比如当我们需要统计在三年以上的应收账款占比时，需要通过折算来估计有多少 应收账款预计在此区间，比如说如果公司某个区间账龄为“2-5 年”，则将当前区间账款乘 以 2/3 作为 3 年以上的账款金额。

结合有效性检验的结果来看，应收账款类附注指标整体表现出较好的财务风险识别能力， 其中前五名应收账款集中度、坏账损失占比和以及高账龄应收款占比等指标都能达到 2 倍 以上的检出倍数。从具体情况来看：

1. 应收账款越集中，上市公司存在风险的概率越高。应收账款前 5 名占营收比以及其他应 收账款前 5 名占比都是非常有效的负向指标，也就是正常公司应收账款集中度明显低于 违规公司，集中度越高的公司财务风险越高。应收账款本身是债权的体现，如果过于集 中说明公司产品销售渠道相对单一，经营状况并不算健康。

2. 高账龄应收款占比以及高账龄应收账款坏账准备占比指标本身具有较好的效果，也就是 高账龄的应收账款以及坏账准备越高，上市公司存在的潜在财务风险越大。不过这两个 指标计算同比之后对违规报表的识别能力有一定的提升（检出倍数增大），如果公司应 收款账龄结构突然恶化或是坏账准备突然增多，财务风险增大的概率更高。

3. 在应收票据分布上，银行承兑票据占比指标与商业承兑票据占比指标的检验方向恰好相 反，这体现出两类票据在信用风险上的不同。银行承兑票据的信用风险低，因此其占比 越低，上市公司的财务质量风险越高，指标检验方向为正向；商业承兑票据的信用风险 高，因此其占比越高，上市公司的财务质量风险越高，指标检验方向为负向。

成本利润类附注数据

成本利润类指标能够反应上市公司成本控制能力、研发水平、营业收入和利润质量等基本 情况。附注数据中展示了利润表科目中的具体细分组成部分，可以计算更加详细的公司成 本费用利润来源。

成本利润类附注数据主要来自 14 张 windRDF 数据表，具体包括：管理费用明细 （AShareManagementExpense）、销售费用明细（AShareSaleExpense）、财务费用明细 （AShareFinancialExpense）、研发支出（AShareRDexpenditure）、研发费用（AShare RDExpense）、盈余公积（AShareSurplusReserve）、营业收入和营业成本（AShareOPER REVAndCOST）、营收前 5 名（Top5ByOperatingIncome）、非经常性损益（Asharenon profitloss）、所得税（AShareIncomeTax）、应交税费（AShareTaxesPay）、应付职工薪酬 （AShareCompensationPayable）、财报附注明细附注表（FinNotesDetail），中国 A 股员 工人数变更附注表（AShareStaff）。

部分附注数据仍然需要进一步清洗获取所需数据：

1. 盈余公积和所得税数据表记录类别不够规范，需要采用关键字识别出对应类别数据。比 如对于盈余公积数据，我们以“任意”为关键词识别表中的任意盈余公积金，以“法定” 为关键词识别法定盈余公积金。对于所得税数据，我们以“递延”识别递延所得税，以 “当期”、“当年”、“本期”和屏蔽词“补缴”、“调整”、“上期”等识别当期所得税。

2. 研发支出等数据的单位不统一，容易导致计算错漏。我们将明细项目中金额进行汇总时， “千元”、“万元”、“十万元”等不同单位的金额统一转换为以元为单位的数据。

3. 研发支出数据发生过变更，需要进行数据拼接处理。附注数据表中的本期费用化研发支 出等同于利润表中的研发费用，不过前者从 2013 年开始披露，而后者从 2018 年开始 披露。因此最后统计本期费用化研发支出时，可以用研发费用填充其中的空值，形成拼 接后的更加完整的数据。

4. 营收前 5 名数据存在披露数据超过 5 条的情况，对此我们会去掉合计数据，然后将该公 司同一报告期内的所有客户按营业收入降序排列，汇总前 5 名客户的营收数据重新求取 一下合并金额再进行计算。

经过处理后，我们最终构建了总计 67 个成本利润类相关的附注指标。其中的费用类指标主 要考察各个费用分项具体占比情况；利润类附注指标主要考察营业收入的质量和税费缴纳 的情况；其他指标主要衡量所得税、应交税费、应付职工薪酬等项目的具体规模情况。

成本利润类附注指标整体有效性较高，与财务费用、主营业务规模、管理费用以及研发费 用相关的指标总体表现较好，具体来讲：

1. 财务费用相关指标表现最好，其中利息支出、利息收入以及手续费相关指标有较好的风 险识别能力。利息支出项目反映了企业的借款成本，利息支出占营业收入比与利息支出 占有息负债比两个指标越高，上市公司的利息负担越重，财务状况越差。利息收入一定 程度上反映了是企业本身的现金含量，利息收入占其他应收款比指标越低，说明企业本 身的现金流越弱，是财务状况变差的现象。

2. 基于主营业务收入和主营业务成本构建的指标也有较好表现。主营业务收入增速、主营 业务成本增速以及主营业务毛利率均为负向，说明处于收入增长或是成本上升时的企业 本身处于扩张期，整体经营状况较好。

3. 管理费用表指标也有一定的风险识别能力，折旧摊销、租赁费和管理人员工资类指标都 能反应上市公司经营管理层面上的风险。销售费用相关的项目则表现一般。

4. 研发支出相关指标中，费用化研发支出占净利润比指标效果较好，而且属于正向指标。 背后原因在于资本化研发支出在达到预定用途时转入无形资产，不影响当期损益；而费 用化研发支出列示于利润表的研发费用项目中，影响当期损益。如果费用化的研发支出 占比过低，说明企业很可能选择将研发支出资本化以避免影响当期利润，存在一定的财 务风险。

5. 应交税费有一定的风险识别能力，只是相比于其他成本利润类指标不够明显。应交税费 本质是负债类项目，因此其指标方向均为负向，即指标数值过高时财务风险更高。应交 企业所得税与应交增值税占比指标两个指标相对有效。

资金收益类附注数据

资金收益类附注数据是对资产负债表与利润表中相关会计科目的补充，能够从货币资金质 量、负债现金保障、借款成本和投资收益等角度考察上市公司的资金管理能力。可靠的资 金管理是维持企业正常运转的保障，如果企业周转资金不足、借款成本过高或是出现大额 的投资亏损，往往蕴含了较大的财务质量风险。本研究关注的资金收益类指标具体包含以 下六个维度：

1. 货币资金详细信息：具体关注库存现金、银行存款、其他货币资金、在境外的款项总额 等货币资金具体分项信息，主要参照货币资金数据表（AshareMonetaryfundOfProj）。

2. 财报附注详细信息：主要关注其中短期融资债以及受限制货币资金等指标，对主表指标 做进行补充，具体参照财报附注明细表（FinNotesDetail）。

3. 预付账款账龄信息：预付账款也可以根据账龄情况进行详细拆分，求取不同账龄时间的 预付款信息作为参考，具体参照预付账款表（AShareAdvancePayment）。

4. 长期借款详细信息：关注长期借款中的分项指标，比如质押、抵押、保证借款以及信用 借款等相关项目，具体参照长期借款表（AShareLTLoan）。

5. 应付利息：主要参照应付利息表（AShareINTPayable），区分长期和短期利息。

6. 投资收益详细信息：区分不同的金融资产投资收益情况，比如可以区分可供出售金融资 产以及长期股权投资收益率，具体参照投资收益表（AShareInvestmentIncome）。

资金收益类附注数据需要进行如下预处理，经过整理后我们构建了总计 15 个相关指标：

1. 货币资金附注数据表有按细分项目和按不同币种统计的两种口径，我们只采用了细分项 目口径统计的数据，不同币种数据暂未考虑。

2. 对货币资金、长期借款、应付利息和投资收益数据表，我们均采用关键字识别法提取需 要的明细项目数据。

3. 预付账款附注数据表也会涉及到具体账龄结构信息，我们采用与应收账款账龄数据相同 的数据预处理方法进行整理汇总。

4. 投资收益数据表中长期股权投资收益涉及到成本法和权益法两种方式核算的投资收益。 在合并报表时必须按照权益法进行转换，而成本法核算一般出现在母公司报表，两者相 较之下我们选择保留了权益法核算的长期股权投资收益数据。

测试结果显示，负债现金保障、货币资金质量、预付款账龄结构、货币资金类型分布和短 期借款成本相关的指标对于公司财务风险的检出效果最好，分项指标来看：

1. 货币资金指标整体表现最好，不过在货币资金类型分布中，银行存款占比指标和库存现 金占比指标的检验方向恰好相反，银行存款占比越低，库存现金占比越高，上市公司的 财务质量风险越大。这一方面体现出公司银行存款不足将带来的资金周转风险，另一方 面也说明公司账面上库存现金过多将降低资金利用效率。

2. 一年以上预付账款占营业成本比测试效果优于三年以上预付账款占比指标。说明对于预 付账款而言，若上市公司提前一年以上给对手方支付大额款项，则需要警惕该公司在预 付账款上的财务质量风险

3. 长期借款类型分布中，质押、抵押和保证借款占比指标与信用借款占比指标的检验方向 恰好相反，信用借款占比越低，质押、抵押和保证借款占比越高，上市公司的财务质量 风险越大。这反映出公司信用水平的重要性，如果一家上市公司难以通过自身信誉获取 借款，往往说明其日常经营的经济效益存在一定问题。（报告来源：未来智库）

资产明细类附注数据

资产明细类附注是对存货、固定资产、无形资产等资产项目的补充。我们计算选用的具体 附注表主要包括：存货明细（AshareInventorydetails）、固定资产（AShareFixedAssets）、 无形资产（AShareIntangibleAssets）、总资产减值损失（AShareIMPAIRLossAssets）、商 誉减值准备（AShareGoodwillDEValue）。

我们最终挑选披露率较高的资产明细项目构建了 14 个附注指标，需要的预处理过程如下：

1. 固定资产、无形资产和商誉减值损失附注表需要采用关键字识别法提取出对应的减值准 备和累计折旧数据，仅保留“合计”数据，剔除细分的减值或折旧项目。

2. 总资产减值损失附注数据并未公布合计数据，因此我们对上市公司同一报告期、同一资 产类型项目下的所有减值损失金额进行加总处理。

有效性测试的结果显示，资产跌价准备和资产减值类的指标体现出较好的风险识别能力， 具体到分项指标来看：

1. 资产跌价准备（存货跌价准备占比、商誉减值准备占比、固定资产减值准备占比）与资产 减值损失类指标（固定资产减值损失占比、商誉减值损失占比、存货跌价损失占比）都展 现出稳定的效果，而且出现较多资产跌价准备和减值损失时企业的财务风险均有所升高。

2. 基于存货数据计算的分项指标中占比类指标效果较好，比如存货跌价准备占比、库存商 品占存货比。周转类的存货指标（在产品周转率或是库存商品周转率等）效果一般。

3. 各分项对存货总额的占比类指标中，库存商品占存货比和在产品占存货比指标的检验方 向恰好相反，库存商品占比越高，在产品占比越低，公司的财务风险越高。

根据相关性检验对主表指标与附注指标进行分组

经过显著性检验和门限阈值检验，总计 119 个附注指标中有 38 个通过了最终的筛选。我们 将附注指标和第一篇报告《财务质量分析体系初探》（2021-6-21）中给出的 60 个主表指标 进行组合，构建了一个较为详细的财务指标库。

最终筛选的 98 个财务指标会依据最大检出倍数以及相关系数划分为 35 组。每组含有的财 务指标个数不等，但是尽量选取相关性较高、能够反映同一类财务风险的指标。进行分组 打分的目的也是为了降低模型的过拟合风险，减少相似指标对结果的影响。

“罚分制”的财务指标打分模型

财务指标库确定后，我们会沿用前期报告《财务质量分析体系初探》（2021-6-21）中的打 分方法进行确定上市公司的财务质量评分。具体的做法简述如下： 1. 首先依次遍历所有财务指标，当公司财务指标处于违约概率较高的区间时，给予公司财 报在该指标得分上的“惩罚”； 2. 然后对同组指标的“罚分”求取平均值，计算公司在该组财务指标上的平均得分； 3. 最后将所有分组得分进行加总，在满分为 100 分的基础上扣掉各组罚分，得到上市公 司财务质量的最终评分。

我们对指标“分档罚分”规则进行如下规定：将各项指标的“罚分”区间设定在-5 和 0 之 间，如果财务指标对应的检出倍数在 1.1 以下时不予罚分，介于 1.1 至 1.5 倍之间罚 1 分， 介于 1.5 至 2 倍之间罚 2 分，介于 2 至 3 倍之间罚 3 分，介于 3 至 4 倍之间罚 4 分，介于 4 倍以上时统一罚 5 分。与前期报告相比我们降低了最低罚分的阈值，也降低了最高罚分的 处罚，目的是提高模型对于财报的区分度，减少极端情况对结果的影响。

在计算过程中，考虑到不同行业之间的差异，指标的罚分计算都在一级行业的成分股内进 行计算。事实上每个行业的违规公司占比存在较大差异，我们采用检出倍数作为评分标准 也相当于做了行业间的数据对齐。

最后报表延迟发布或是新上市的公司容易出现财报数据缺失的情况。我们根据财务数据的 重要性以及覆盖程度，选取了 13 个核心财务指标，缺少这 13 个指标的任意上市公司财报 评分会被置为空。

上市公司财报打分结果示例

最终构建的上市公司半年报以及年报评分能够对上市公司财务风险起到较好的提示作用。 在目前的评分体系中，85 分以上的财报处于优秀水平，70 分以上的财报属于良好，低于 50 分的财报风险相对较高。根据 2010 年中报至 2021 年中报数据测算来看，85 分以下的 财报违规概率在 6.4%左右，和基准水平 5.4%持平；70 分以下的财报违规概率上升至 13.6%； 50 分以下的财报违规概率上升至 30%，风险较高。从覆盖度来看，85 分以上的财报在全 市场占比在四分之一左右，70 分以上的财报在全市场占比约 78%，50 分以下的财报在全 市场占比 4%左右。

上市公司附注数据对财报打分体系的补充作用

附注数据能够挖掘到报表中潜在的财务风险，对于主表指标能够形成有效补充，最终构建 的财报打分模型可以对上市公司违规风险进行提示。

比如以康美药业为例，2016-2017 年康美药业存在虚增货币资金等违规行为，我们在 2016 年之后给出康美药业的评分持续低于医药行业平均水平。从 2010 年至 2018 年的评分变化 可以看到，康美药业很明显的从一个医药行业的优质公司逐渐变成劣质公司。基于财报评 分可以对康美药业的基本面变化进行有效跟踪。

财报附注指标在康美药业的财务风险识别过程中起到了较大的作用。如果只依赖主表指标 进行评分，康美药业在医药行业处于平均水平。加入附注指标之后，康美药业在 2016 年中 报后的评分一路向下。财报附注指标及时捕捉到了康美药业在 2016 至 2017 年期间出现的 短期借款利息及利息支出增加、管理费用折旧摊销增加、高账龄应收账款及其坏账准备异 常波动等财务质量风险，并进行了有效罚分。