上市公司财報專題研究：财報附注中隐藏的财務風險

（報告出品方/作者：華泰證券，林曉明、王佳星）

上市公司财務質量系列研究的核心思路是将上市公司違規行為作為評價依據，從不同角度 構建上市公司特征集來定量分析企業的違規風險。本文是上市公司财務質量系列研究報告 的第二篇，主要以财務報表附注指标為切入點，全面梳理重要的财報附注指标，識别上市 公司财報中容易被忽視的财務風險。

财務報表附注數據可以對财務報表進行有效補充，能夠提供主表會計科目背後具體組成部 分的相關信息，可以提高會計信息的相關性、可靠性和可比性。比如以 2021 年中報為例， 上海建工、中國中冶和龍元建設三家建築公司主表中給出的應收賬款周轉率基本一緻，但 是附注數據中的賬齡結構相差較大，龍元建設有大量在 5 年期以上的應收賬款，賬齡結構 明顯不如上海建工以及中國中冶合理。所以三家上市公司中龍元建設的資金周轉問題更加 嚴重，深入觀察附注數據可以看到其潛藏的财務風險。

我們希望在财報附注的幫助下對上市公司報表進行更加細緻的分析，尋找到能夠更加準确 提示上市公司違規風險的指标，後文的研究内容主要包含以下三部分：

1. 對上市公司附注數據表進行全面整理，對核心指标相關數據進行清洗歸納，構建上市 公司财報附注數據庫。

2. 基于顯著性檢驗、門限阈值檢驗等方法判斷附注指标的有效性，尋找能夠有效提示上 市公司違規風險的指标。

3. 最後綜合财報主表以及财報附注指标庫，構建完整的上市公司财務質量打分模型。

财務報表附注在最新版《企業會計準則第 30 号——财務報表列報》（财會﹝2014﹞7 号）（以 下簡稱《企業會計準則》）中被定義為“對在資産負債表、利潤表、現金流量表和所有者權 益變動表等報表中列示項目的文字描述或明細資料，以及對未能在這些報表中列示項目的 說明等”。

《企業會計準則》規定，附注相關信息應當與資産負債表、利潤表、現金流量表和所有者 權益變動表等報表中列示的項目相互參照，以有助于使用者聯系相關聯的信息，并由此從 整體上更好地理解财務報表。一般而言，附注應當按照下列順序至少披露： 1. 企業的基本情況 2. 财務報表的編制基礎 3. 遵循企業會計準則的聲明 4. 重要會計政策和會計估計 5. 會計政策和會計估計變更以及差錯更正的說明 6. 報表重要項目的說明 7. 或有和承諾事項、資産負債表日後非調整事項、關聯方關系及其交易等需要說明的事項 8. 有助于财務報表使用者評價企業管理資本的目标、政策及程序的信息。

中國證監會在《公開發行證券的公司信息披露編報規則第 15 号——财務報告的一般規定》 （2014 年最新修訂）中要求，财務報表附注應當對财務報表中相關數據涉及的交易和事項 作出真實、充分、明晰的說明，除特别提及母公司财務報表附注披露事項外，均為合并财 務報表附注披露的事項。證監會對于“報表重要項目”的披露内容及方式進行了更加細緻 的規定，且除《企業會計準則》要求披露的内容外，還要求上市公司在附注中披露： 1. 稅項 2. 合并範圍的變動 3. 在其他主體中的權益 4. 與金融工具相關的風險 5. 公允價值的披露 6. 股份支付 7. 母公司财務報表的重要項目附注。

本文主要關注上市公司财務報表附注中披露的“報表重要項目的說明”和“關聯方關系及其 交易”部分内容。後文将對 80 多張 wind 附注數據表進行整理，從中提煉出總計 119 個重要 的财報附注指标，涉及到關聯交易、應收賬款、成本利潤、資金收益和資産明細五大類型。

附注數據處理的難點在于其數據記載形式不夠規整、處理起來較為繁瑣。目前《企業會計 準則》和證監會并沒有做出對于上市公司财務報表附注具體的披露形式和表述用語的規範 性要求，其規定内容隻是附注基本元素和制定分類标準的原則性依據，各公司的附注披露 方式還保有彈性空間。例如，在涉及賬齡結構的附注披露中，各公司存在披露的賬齡上限 和是否按賬齡逐年披露等方面的差異；在研發支出項目的披露中，各公司也存在着披露金 額的單位差異問題，等等。

因此，本研究花費較多精力在附注數據的清洗和結構化處理之上。後文将以 windRDF 數據 庫中的财報附注相關表格為原始數據，詳細介紹不同類别數據的具體形式以及相應清洗方 法，給出可以橫向比較的财報附注指标。

本篇報告将繼續沿用之前的評估結果進行财務指标有效性檢驗。

1. 第一步是顯著性檢驗，核心思路是判斷正常财務報表和問題報表對應的财務指标是否 存在明顯差異，比較典型的方法是雙側 T 檢驗以及秩和檢驗：

1) 雙側 T 檢驗：判斷違規樣本和正常樣本的均值是否存在顯著差異。

2) 秩和檢驗：按照違規樣本和正常樣本在所有樣本中的排序，判斷兩者在分布位置 上有無明顯差距，秩和檢驗與雙側 T 檢驗都以 P 值小于 0.01 為篩選标準。

2. 第二步是門限阈值檢驗，核心思路是在調整财務指标的門限阈值時，判斷上市公司違 約概率是否規律性變化。門限阈值檢驗的要求更為苛刻，一方面，我們需要當某項财 務指标達到一定門限阈值時，上市公司違規概率也需要随之上升；另一方面，最終篩 選的财務指标和上市公司違規概率之間應盡可能存在單調關系，比如當财務指标本身 數值越大（或越小時），上市公司報表違規概率越高。這樣最終選出的指标存在較為顯 著的邏輯規律。

門限阈值檢驗關注兩個核心指标：（1）最大檢出倍數：經過财務指标篩選後問題報表 出現比例與市場參照基準（即所有報表中問題報表占比）之間的比值在本文定義為檢 出倍數，也就是對問題報表的識别倍率。我們以參數空間内最大檢出倍數為指标有效 性的評判标準，最大檢出倍數在 2 以上的指标才算有效。（2）阈值相關系數：計算财 務指标和檢出倍數的相關系數，兩者絕對值大于 0.5 時為有效指标。

3. 第三步是相關系數檢驗，核心思路是在篩選出較為有效的指标後，按照相關系數對指 标進行分組聚合，将相似程度較高的财務指标劃分為一組。最後力求給出相互獨立的 不同組财務指标作為基本指标庫。

所有财務指标都基于上述三個步驟檢驗以确定最終用于報表财務風險評估指标庫，相關程 度比較高的财務指标會被劃分為同組，最後會給出多組财務指标作為打分基準。（報告來源：未來智庫）

本小節我們将逐一介紹關聯交易、應收賬款、成本利潤、資金收益和資産明細五類财報附 注指标的原始數據結構、指标計算方法以及有效性檢驗結果。

關聯交易類附注數據

關聯交易通常是指上市公司或者其控股子公司與上市公司關聯方之間發生的轉移資源、勞 務或義務的行為，在關聯方的密切往來之下可能潛藏了很多上市公司的違規行為。

上市公司的關聯交易往往錯綜複雜，容易出現控股股東侵占公司權益以及進行利益輸送等 損害中小股東的行為。比如以上市公司保千裡為例，公司在 2015 至 2017 年通過控制關聯 方購買公司産品累計虛增約 34 億元銷售收入，通過關聯交易僞造了大量的賬目。虛假的賬 目難以掩蓋公司已經被掏空的事實，2020 年 4 月保千裡成為 2020 年首家被強制終止上市 的公司。

違規關聯交易是最為常見的違規行為，一直以來都屬于監管部門監督和打擊的重點。存在 違規記錄的上市公司中，涉及到關聯交易違規的公司占比在 30%-40%左右。2020 年證監 會公告有違規行為的 469 家上市公司中，涉及關聯交易披露違規的有 173 家，占比達 37%。

本文選用的關聯交易類附注數據來自 Wind 的關聯方債權債務往來數據表（AShareRelated claimsdebts）和關聯方往來及委托理财合計數據表（AShareTrustinvestmentTOT）。

其中，關聯方債權債務往來數據表主要披露上市公司與關聯方之間的資金往來，通常包含 與關聯方之間的借款或貸款、财務資助、股權投資等關聯交易行為，以及其他應收、應付 款中涉及關聯方的部分金額。具體包括以下四個項目：1）上市公司向關聯方提供資金發生 額；2）上市公司向關聯方提供資金餘額；3）關聯方向上市公司提供資金發生額；4）關聯 方向上市公司提供資金餘額。

關聯方往來及委托理财合計數據表主要披露“購買或銷售商品”和“提供或接受勞務”類 型的關聯交易，其中包含的核心指标主要有兩個：1）上市公司向關聯方銷售産品金額合計； 2）上市公司向關聯方采購産品金額合計。

從數據上看，關聯方債權債務往來數據表和關聯方往來及委托理财合計數據表均披露了上 市公司與關聯方的往來資金額。不同的是，前者披露上市公司與每一個關聯方之間的資金 往來，後者僅披露上市公司與所有關聯方的資金往來總額，且後者将大部分的缺失值都填 充成 0 處理。

在構建關聯交易類财務指标時，我們對上市公司同一報告期、同一關聯關系下的所有往來 交易金額進行加總處理，加總後的數據與公司經營數據進行比對來刻畫關聯交易資金的規 模情況。具體指标構建從以下三個方面進行展開：

1. 将資金往來數據與營業收入相比來考察上市公司和關聯方之間資金往來的密切程度，相 關指标值越大，說明上市公司和關聯方之間資金往來越密切，其關聯交易層面的财務風 險越高。

2. 将資金往來數據與現金相關的會計科目進行比較，考察上市公司和關聯方之間資金往來 背後的現金支撐情況。

3. 将向關聯方銷售或采購産品金額分别與營業收入或營業成本相比來考察上市公司主營 業務的經營質量。

經過整理彙總，我們構建了向關聯方提供資金發生額占營收比、關聯方向上市公司提供資 金發生額占營收比、向關聯方銷售産品金額占營收比等八個典型的關聯交易類指标。

構建的八個指标對上市公司違規風險有着較好識别作用，具體到各項指标來看：

1. 三種關聯交易指标總體表現：“關聯資金餘額”>“關聯交易資金發生額”>“向關聯方 采購和銷售産品金額”。其中關聯資金餘額反映了上市公司當前存續的關聯交易資金狀 态，如果關聯資金體量比較大、占貨币資金比例較高，意味着上市公司對于關聯交易過 于依賴，存在較高的财務風險。關聯方的資金往來發生額反應了當期（半年或是一整年） 上市公司關聯交易情況，适合與當期的營收或是現金流進行比對來評估關聯交易的具體 規模。最後向關聯方采購和銷售産品金額表現相對較弱。

2. 在所有關聯交易類附注指标中，向關聯方提供資金餘額占貨币資金比、關聯方向上市公 司提供資金餘額占現金比兩個指标表現最好。前者反映了上市公司向關聯方的資金輸送 程度，後者反映了關聯方向上市公司的資金輸送程度，兩個指标恰好互為補充，結合起 來能較為全面的反映上市公司與關聯方之間的資金往來情況。從背後的邏輯來看，這兩 個指标值過大往往預示着上市公司極有可能在利用關聯方進行利益輸送，損害中小股東 權益，财務違規風險較高。

3. 向關聯方采購産品金額占營業成本比和向關聯方銷售産品金額占營收比的指标方向均 為正向，即當指标值較低時，上市公司的财務風險會略有升高。這一現象說明關聯方較 少的小公司财務風險更大，另一方面也體現出正常的采購和銷售産品行為并不是财務風 險高的體現，也就是說和關聯方正常的貿易往來是合理的現象。

應收賬款類附注數據

應收賬款反映了上市公司在經營過程中向其他購買單位應當收取的款項，是識别上市公司 财務質量風險的一個重要科目，其變動跟企業的生産銷售環節密不可分。主表中隻給出應 收賬款類指标的彙總統計數據，但是在附注中我們能夠看到應收賬款具體的賬齡結構、壞 賬準備、大額應收款占比等重要指标。具體計算時主要用到了以下四類數據：

1. 應收賬款結構：主要記錄上市公司不同年份的應收賬款金額數，根據實際的應收賬款類 型分為應收賬款賬齡結構（AshareAgingstructure）以及其他應收款帳齡結構（Ashare OtherAccountsreceivable）。

2. 前五名應收賬款金額：主要記錄上市公司前五大應收賬款相關情況，反應了公司核心應 收客戶，主要包括應收賬款前五名金額（Top5ByAccountsReceivable）以及主要其他 應收款明細（AshareMajorreceivables）。

3. 應收票據：應收票據是應收賬款裡面的核心指标，附注中的應收票據（AShareNotes Receivable）數據表記錄了銀行承兌票據以及商業承兌票據具體數額情況，可以分析不 同類型的票據數據對于财務風險的識别能力。

4. 資産減值情況：主要指總資産減值損失數據表（AShareIMPAIRLossAssets），該表涵 蓋了應收賬款類的壞賬損失、存貨跌價損失等多種資産減值損失數據，本小節主要用到 其中應收賬款類相關數據，以“壞賬損失”為關鍵字進行提取。

結合原始數據，我們可以從應收賬款賬齡結構、主要應收賬款集中度、主要應收賬款賬齡情 況、壞賬準備比例、應收票據類型分布以及壞賬損失比例六個角度進行相關财務指标的構建。

應收賬款賬齡結構數據預處理過程較為複雜，各公司具體披露的數據形式存在明顯差異。 為獲取橫向可比的賬齡結構，我們對原始應收賬款賬齡結構數據進行了清洗，從不同口徑 的原始數據中提取出最大和最小賬齡數據：

1. 首先對于按照年度口徑統計的賬款情況，需要結合數據具體形式進行針對性處理：

1) 若公司按照賬齡長度披露，如“1-2 年”，直接提取最小和最大賬齡。

2) 若公司按照具體年份披露，如“2003 年以前”，則需先根據報告期計算出賬齡的長 度，再記錄最小和最大賬齡。

3) 若公司披露純數字，1 位數字是賬齡長度，4 位數字是具體年份，3 位數字是天數。

4) 最後部分數據類型需要單獨處理，将“02 年-03 年”等涉及到具體年份情況按照具 體年份處理，将“12 年”、“10 年以上”的情況按照賬齡長度處理。

2. 對于按照月度和日度口徑統計的賬款情況，在提取出具體的數字後，需要分别将數字除 以 12 或 365，将單位統一成年度口徑。

3. 對于按信用期數披露的賬款情況，統一按照年度口徑進行處理。

4. 對于标注為“未逾期”或是“無風險”的賬款情況，将賬齡按 0 處理；對于标注為若公 司提及賬款“預計無法收回”，将賬齡參照 Wind 的方式記為最大賬齡 9999。

在計算應收賬款賬齡或是壞賬準備類型指标時，我們會對區間内的賬目金額按時間占比進 行劃分。比如當我們需要統計在三年以上的應收賬款占比時，需要通過折算來估計有多少 應收賬款預計在此區間，比如說如果公司某個區間賬齡為“2-5 年”，則将當前區間賬款乘 以 2/3 作為 3 年以上的賬款金額。

結合有效性檢驗的結果來看，應收賬款類附注指标整體表現出較好的财務風險識别能力， 其中前五名應收賬款集中度、壞賬損失占比和以及高賬齡應收款占比等指标都能達到 2 倍 以上的檢出倍數。從具體情況來看：

1. 應收賬款越集中，上市公司存在風險的概率越高。應收賬款前 5 名占營收比以及其他應 收賬款前 5 名占比都是非常有效的負向指标，也就是正常公司應收賬款集中度明顯低于 違規公司，集中度越高的公司财務風險越高。應收賬款本身是債權的體現，如果過于集 中說明公司産品銷售渠道相對單一，經營狀況并不算健康。

2. 高賬齡應收款占比以及高賬齡應收賬款壞賬準備占比指标本身具有較好的效果，也就是 高賬齡的應收賬款以及壞賬準備越高，上市公司存在的潛在财務風險越大。不過這兩個 指标計算同比之後對違規報表的識别能力有一定的提升（檢出倍數增大），如果公司應 收款賬齡結構突然惡化或是壞賬準備突然增多，财務風險增大的概率更高。

3. 在應收票據分布上，銀行承兌票據占比指标與商業承兌票據占比指标的檢驗方向恰好相 反，這體現出兩類票據在信用風險上的不同。銀行承兌票據的信用風險低，因此其占比 越低，上市公司的财務質量風險越高，指标檢驗方向為正向；商業承兌票據的信用風險 高，因此其占比越高，上市公司的财務質量風險越高，指标檢驗方向為負向。

成本利潤類附注數據

成本利潤類指标能夠反應上市公司成本控制能力、研發水平、營業收入和利潤質量等基本 情況。附注數據中展示了利潤表科目中的具體細分組成部分，可以計算更加詳細的公司成 本費用利潤來源。

成本利潤類附注數據主要來自 14 張 windRDF 數據表，具體包括：管理費用明細 （AShareManagementExpense）、銷售費用明細（AShareSaleExpense）、财務費用明細 （AShareFinancialExpense）、研發支出（AShareRDexpenditure）、研發費用（AShare RDExpense）、盈餘公積（AShareSurplusReserve）、營業收入和營業成本（AShareOPER REVAndCOST）、營收前 5 名（Top5ByOperatingIncome）、非經常性損益（Asharenon profitloss）、所得稅（AShareIncomeTax）、應交稅費（AShareTaxesPay）、應付職工薪酬 （AShareCompensationPayable）、财報附注明細附注表（FinNotesDetail），中國 A 股員 工人數變更附注表（AShareStaff）。

部分附注數據仍然需要進一步清洗獲取所需數據：

1. 盈餘公積和所得稅數據表記錄類别不夠規範，需要采用關鍵字識别出對應類别數據。比 如對于盈餘公積數據，我們以“任意”為關鍵詞識别表中的任意盈餘公積金，以“法定” 為關鍵詞識别法定盈餘公積金。對于所得稅數據，我們以“遞延”識别遞延所得稅，以 “當期”、“當年”、“本期”和屏蔽詞“補繳”、“調整”、“上期”等識别當期所得稅。

2. 研發支出等數據的單位不統一，容易導緻計算錯漏。我們将明細項目中金額進行彙總時， “千元”、“萬元”、“十萬元”等不同單位的金額統一轉換為以元為單位的數據。

3. 研發支出數據發生過變更，需要進行數據拼接處理。附注數據表中的本期費用化研發支 出等同于利潤表中的研發費用，不過前者從 2013 年開始披露，而後者從 2018 年開始 披露。因此最後統計本期費用化研發支出時，可以用研發費用填充其中的空值，形成拼 接後的更加完整的數據。

4. 營收前 5 名數據存在披露數據超過 5 條的情況，對此我們會去掉合計數據，然後将該公 司同一報告期内的所有客戶按營業收入降序排列，彙總前 5 名客戶的營收數據重新求取 一下合并金額再進行計算。

經過處理後，我們最終構建了總計 67 個成本利潤類相關的附注指标。其中的費用類指标主 要考察各個費用分項具體占比情況；利潤類附注指标主要考察營業收入的質量和稅費繳納 的情況；其他指标主要衡量所得稅、應交稅費、應付職工薪酬等項目的具體規模情況。

成本利潤類附注指标整體有效性較高，與财務費用、主營業務規模、管理費用以及研發費 用相關的指标總體表現較好，具體來講：

1. 财務費用相關指标表現最好，其中利息支出、利息收入以及手續費相關指标有較好的風 險識别能力。利息支出項目反映了企業的借款成本，利息支出占營業收入比與利息支出 占有息負債比兩個指标越高，上市公司的利息負擔越重，财務狀況越差。利息收入一定 程度上反映了是企業本身的現金含量，利息收入占其他應收款比指标越低，說明企業本 身的現金流越弱，是财務狀況變差的現象。

2. 基于主營業務收入和主營業務成本構建的指标也有較好表現。主營業務收入增速、主營 業務成本增速以及主營業務毛利率均為負向，說明處于收入增長或是成本上升時的企業 本身處于擴張期，整體經營狀況較好。

3. 管理費用表指标也有一定的風險識别能力，折舊攤銷、租賃費和管理人員工資類指标都 能反應上市公司經營管理層面上的風險。銷售費用相關的項目則表現一般。

4. 研發支出相關指标中，費用化研發支出占淨利潤比指标效果較好，而且屬于正向指标。 背後原因在于資本化研發支出在達到預定用途時轉入無形資産，不影響當期損益；而費 用化研發支出列示于利潤表的研發費用項目中，影響當期損益。如果費用化的研發支出 占比過低，說明企業很可能選擇将研發支出資本化以避免影響當期利潤，存在一定的财 務風險。

5. 應交稅費有一定的風險識别能力，隻是相比于其他成本利潤類指标不夠明顯。應交稅費 本質是負債類項目，因此其指标方向均為負向，即指标數值過高時财務風險更高。應交 企業所得稅與應交增值稅占比指标兩個指标相對有效。

資金收益類附注數據

資金收益類附注數據是對資産負債表與利潤表中相關會計科目的補充，能夠從貨币資金質 量、負債現金保障、借款成本和投資收益等角度考察上市公司的資金管理能力。可靠的資 金管理是維持企業正常運轉的保障，如果企業周轉資金不足、借款成本過高或是出現大額 的投資虧損，往往蘊含了較大的财務質量風險。本研究關注的資金收益類指标具體包含以 下六個維度：

1. 貨币資金詳細信息：具體關注庫存現金、銀行存款、其他貨币資金、在境外的款項總額 等貨币資金具體分項信息，主要參照貨币資金數據表（AshareMonetaryfundOfProj）。

2. 财報附注詳細信息：主要關注其中短期融資債以及受限制貨币資金等指标，對主表指标 做進行補充，具體參照财報附注明細表（FinNotesDetail）。

3. 預付賬款賬齡信息：預付賬款也可以根據賬齡情況進行詳細拆分，求取不同賬齡時間的 預付款信息作為參考，具體參照預付賬款表（AShareAdvancePayment）。

4. 長期借款詳細信息：關注長期借款中的分項指标，比如質押、抵押、保證借款以及信用 借款等相關項目，具體參照長期借款表（AShareLTLoan）。

5. 應付利息：主要參照應付利息表（AShareINTPayable），區分長期和短期利息。

6. 投資收益詳細信息：區分不同的金融資産投資收益情況，比如可以區分可供出售金融資 産以及長期股權投資收益率，具體參照投資收益表（AShareInvestmentIncome）。

資金收益類附注數據需要進行如下預處理，經過整理後我們構建了總計 15 個相關指标：

1. 貨币資金附注數據表有按細分項目和按不同币種統計的兩種口徑，我們隻采用了細分項 目口徑統計的數據，不同币種數據暫未考慮。

2. 對貨币資金、長期借款、應付利息和投資收益數據表，我們均采用關鍵字識别法提取需 要的明細項目數據。

3. 預付賬款附注數據表也會涉及到具體賬齡結構信息，我們采用與應收賬款賬齡數據相同 的數據預處理方法進行整理彙總。

4. 投資收益數據表中長期股權投資收益涉及到成本法和權益法兩種方式核算的投資收益。 在合并報表時必須按照權益法進行轉換，而成本法核算一般出現在母公司報表，兩者相 較之下我們選擇保留了權益法核算的長期股權投資收益數據。

測試結果顯示，負債現金保障、貨币資金質量、預付款賬齡結構、貨币資金類型分布和短 期借款成本相關的指标對于公司财務風險的檢出效果最好，分項指标來看：

1. 貨币資金指标整體表現最好，不過在貨币資金類型分布中，銀行存款占比指标和庫存現 金占比指标的檢驗方向恰好相反，銀行存款占比越低，庫存現金占比越高，上市公司的 财務質量風險越大。這一方面體現出公司銀行存款不足将帶來的資金周轉風險，另一方 面也說明公司賬面上庫存現金過多将降低資金利用效率。

2. 一年以上預付賬款占營業成本比測試效果優于三年以上預付賬款占比指标。說明對于預 付賬款而言，若上市公司提前一年以上給對手方支付大額款項，則需要警惕該公司在預 付賬款上的财務質量風險

3. 長期借款類型分布中，質押、抵押和保證借款占比指标與信用借款占比指标的檢驗方向 恰好相反，信用借款占比越低，質押、抵押和保證借款占比越高，上市公司的财務質量 風險越大。這反映出公司信用水平的重要性，如果一家上市公司難以通過自身信譽獲取 借款，往往說明其日常經營的經濟效益存在一定問題。（報告來源：未來智庫）

資産明細類附注數據

資産明細類附注是對存貨、固定資産、無形資産等資産項目的補充。我們計算選用的具體 附注表主要包括：存貨明細（AshareInventorydetails）、固定資産（AShareFixedAssets）、 無形資産（AShareIntangibleAssets）、總資産減值損失（AShareIMPAIRLossAssets）、商 譽減值準備（AShareGoodwillDEValue）。

我們最終挑選披露率較高的資産明細項目構建了 14 個附注指标，需要的預處理過程如下：

1. 固定資産、無形資産和商譽減值損失附注表需要采用關鍵字識别法提取出對應的減值準 備和累計折舊數據，僅保留“合計”數據，剔除細分的減值或折舊項目。

2. 總資産減值損失附注數據并未公布合計數據，因此我們對上市公司同一報告期、同一資 産類型項目下的所有減值損失金額進行加總處理。

有效性測試的結果顯示，資産跌價準備和資産減值類的指标體現出較好的風險識别能力， 具體到分項指标來看：

1. 資産跌價準備（存貨跌價準備占比、商譽減值準備占比、固定資産減值準備占比）與資産 減值損失類指标（固定資産減值損失占比、商譽減值損失占比、存貨跌價損失占比）都展 現出穩定的效果，而且出現較多資産跌價準備和減值損失時企業的财務風險均有所升高。

2. 基于存貨數據計算的分項指标中占比類指标效果較好，比如存貨跌價準備占比、庫存商 品占存貨比。周轉類的存貨指标（在産品周轉率或是庫存商品周轉率等）效果一般。

3. 各分項對存貨總額的占比類指标中，庫存商品占存貨比和在産品占存貨比指标的檢驗方 向恰好相反，庫存商品占比越高，在産品占比越低，公司的财務風險越高。

根據相關性檢驗對主表指标與附注指标進行分組

經過顯著性檢驗和門限阈值檢驗，總計 119 個附注指标中有 38 個通過了最終的篩選。我們 将附注指标和第一篇報告《财務質量分析體系初探》（2021-6-21）中給出的 60 個主表指标 進行組合，構建了一個較為詳細的财務指标庫。

最終篩選的 98 個财務指标會依據最大檢出倍數以及相關系數劃分為 35 組。每組含有的财 務指标個數不等，但是盡量選取相關性較高、能夠反映同一類财務風險的指标。進行分組 打分的目的也是為了降低模型的過拟合風險，減少相似指标對結果的影響。

“罰分制”的财務指标打分模型

财務指标庫确定後，我們會沿用前期報告《财務質量分析體系初探》（2021-6-21）中的打 分方法進行确定上市公司的财務質量評分。具體的做法簡述如下： 1. 首先依次遍曆所有财務指标，當公司财務指标處于違約概率較高的區間時，給予公司财 報在該指标得分上的“懲罰”； 2. 然後對同組指标的“罰分”求取平均值，計算公司在該組财務指标上的平均得分； 3. 最後将所有分組得分進行加總，在滿分為 100 分的基礎上扣掉各組罰分，得到上市公 司财務質量的最終評分。

我們對指标“分檔罰分”規則進行如下規定：将各項指标的“罰分”區間設定在-5 和 0 之 間，如果财務指标對應的檢出倍數在 1.1 以下時不予罰分，介于 1.1 至 1.5 倍之間罰 1 分， 介于 1.5 至 2 倍之間罰 2 分，介于 2 至 3 倍之間罰 3 分，介于 3 至 4 倍之間罰 4 分，介于 4 倍以上時統一罰 5 分。與前期報告相比我們降低了最低罰分的阈值，也降低了最高罰分的 處罰，目的是提高模型對于财報的區分度，減少極端情況對結果的影響。

在計算過程中，考慮到不同行業之間的差異，指标的罰分計算都在一級行業的成分股内進 行計算。事實上每個行業的違規公司占比存在較大差異，我們采用檢出倍數作為評分标準 也相當于做了行業間的數據對齊。

最後報表延遲發布或是新上市的公司容易出現财報數據缺失的情況。我們根據财務數據的 重要性以及覆蓋程度，選取了 13 個核心财務指标，缺少這 13 個指标的任意上市公司财報 評分會被置為空。

上市公司财報打分結果示例

最終構建的上市公司半年報以及年報評分能夠對上市公司财務風險起到較好的提示作用。 在目前的評分體系中，85 分以上的财報處于優秀水平，70 分以上的财報屬于良好，低于 50 分的财報風險相對較高。根據 2010 年中報至 2021 年中報數據測算來看，85 分以下的 财報違規概率在 6.4%左右，和基準水平 5.4%持平；70 分以下的财報違規概率上升至 13.6%； 50 分以下的财報違規概率上升至 30%，風險較高。從覆蓋度來看，85 分以上的财報在全 市場占比在四分之一左右，70 分以上的财報在全市場占比約 78%，50 分以下的财報在全 市場占比 4%左右。

上市公司附注數據對财報打分體系的補充作用

附注數據能夠挖掘到報表中潛在的财務風險，對于主表指标能夠形成有效補充，最終構建 的财報打分模型可以對上市公司違規風險進行提示。

比如以康美藥業為例，2016-2017 年康美藥業存在虛增貨币資金等違規行為，我們在 2016 年之後給出康美藥業的評分持續低于醫藥行業平均水平。從 2010 年至 2018 年的評分變化 可以看到，康美藥業很明顯的從一個醫藥行業的優質公司逐漸變成劣質公司。基于财報評 分可以對康美藥業的基本面變化進行有效跟蹤。

财報附注指标在康美藥業的财務風險識别過程中起到了較大的作用。如果隻依賴主表指标 進行評分，康美藥業在醫藥行業處于平均水平。加入附注指标之後，康美藥業在 2016 年中 報後的評分一路向下。财報附注指标及時捕捉到了康美藥業在 2016 至 2017 年期間出現的 短期借款利息及利息支出增加、管理費用折舊攤銷增加、高賬齡應收賬款及其壞賬準備異 常波動等财務質量風險，并進行了有效罰分。