现金流能比利润更好地预测股票收益率吗

1、正文目录 HYPERLINK l _TOC_250010 简介 4 HYPERLINK l _TOC_250009 直接现金流模板 6 HYPERLINK l _TOC_250008 数据与方法 7 HYPERLINK l _TOC_250007 现金流项目中的信息 9 HYPERLINK l _TOC_250006 现金流、盈利收益率指标，以及投资组合未来月收益 11 HYPERLINK l _TOC_250005 投资组合分组回归 13 HYPERLINK l _TOC_250004 稳健性检查 15 HYPERLINK l _TOC_250003 不同期限收益率 16 HYPERLINK

2、 l _TOC_250002 行业分析 17 HYPERLINK l _TOC_250001 10 结论 19 HYPERLINK l _TOC_250000 风险提示： 19图表目录图表 1 直接现金流模板 7图表 2 XPRESSFEED 变量 8图表 3 相关系数 9图表 4 盈利能力和现金流项目的 FAMA-MACBETH 回归 10图表 5 1994 年 10 月至 2013 年 12 月的各类收益率指标和组合未来一个月收益率 12图表 6 1994 年 10 月至 2013 年 12 月各类收益率指标的回归结果 14图表 7 1994 年 10 月-2013 年 12 月各类收益率

3、指标的 FAMA-FRENCH 五因素模型回归结果 16图表 8 1994 年 10 月至 2013 年 12 月各类收益率指标的行业中性测试结果 18简介虽然基于利润表构建的各种计量方法可以预测股票的横截面收益，但用直接现金流计量方法的预测能力更强。作者将间接的现金流量表进行了划分，分为来自业务和其他来源的现金流量，并以现金流为基础取十分位数构建投资组合。作者的结果在投资期限、各种风险因素和行业控制上都是稳健的。作者还指出，除了经营性现金流信息外，现金税和资本支出也提供了额外的预测能力。投资者依靠财务信息（如企业盈利能力、企业现金流相关的财务信息）来评估公司的内在权益价值，并预测股票横截面收

4、益。Fama 和French（2006）发现，盈利能力越强的公司，其预期收益越高。Novy-Marx（2013）研究表明，以毛利与资产之比来衡量的盈利指标和账面市值比指标一样，都可以预测股票横截面收益。Fama 和 French（2015）将盈利能力指标作为一个新的因子，扩展了他们著名的三因子模型。 Hou，Xue 和 Zhang（2015，2016）建立了一个 q 因子模型，纳入了盈利能力因素，在解释异象时表现良好。Ball、Gerakos、Linnainmaa 和Nikolaev（BGLN 2015）表明，能够更好匹配当期支出和收入的经营盈利能力指标，可以更好的预测收益，同时也指出，预测结

5、果也取决于分母是总资产还是公司市值。因此，研究者依然在寻找可以更好地预测股票收益的财务信息。虽然利润表一直是财务报表分析的核心，但大家还是怀疑利用利润表来评估股票价值和预测股票收益的有效性。包括安然和世通在内的臭名昭著的破产事件说明，盈利的 GAAP 利润表会出现亏本项目产生正的自由现金流的现象。更具体地说，作者认为，现有的 GAAP 准则允许过多的替代性财务指标；这类信息过于综合，可能会出现实际信息和列报的不一致的情况，使投资者难以理解会计信息是如何列报的以及其与公司实际经营成果之间的关系。Novy-Marx（2013）在这方面的直觉无疑是正确的。利润表越往下看，盈利指标就越受污染，与真实的

6、盈利能力的关系就越小。然而以权责发生制的会计利润计量方法，并没有将以现金为基础去衡量业绩和价值的作为标准。从理论上讲，如果财务数据的来源是相同的，那么在作出投资决定时，使用利润表和使用现金流量表应该没有区别。然而，如果这一假设不成立(如安然公司和世界通信公司的情况)，就说明使用利润表代表的是一种状况，而现金流量表则是另一种状况。作者认为，由于报表所报告的内容缺乏统一性，而且报表的表述也不连贯，使得投资者极难检验公司历史业绩的质量，也很难对行业内和行业间的业绩进行比较。作者的研究表明，通过使用标准化的直接现金流模板，投资者可以更好地了解公司历史、当期的经营状况并更好地预测收益。国际财务报告准则(

7、IFRS)和美国通用会计准则都鼓励公司采用直接法的财务报表列报方式来报告经营性现金收支。但绝大多数公司选择采用间接法报告经营性现金流。在间接法下，现金流量表中没有列出经营性现金收入或支付。相反，净收入与经营性现金流的调节只是通过调整不产生或不使用现金的会计分录，包括折旧；应收/应付款或税款，以及终止业务、重组或特别费用。因此，间接现金流量表中净收入（或损失）反应更多的是非现金经营项目而不是经营性现金收支部分。此外，由于现金的流入和流出没有按照共同的经济特征进行分组，因此无法对未来现金流的规模、频率、时间和波动性进行建模。举一个完全赊销的例子，由于客户延迟付款而导致的应收账款的增加，并没有使收入

8、和净收入产生变化，与已经收到全额付款没有区别。用户只有独立研究经营性现金流量表，才能了解到现金流入减少了，应计项目增加了。此外，应收账款的变化没有直接与收入归为一组，而是与营运资金变化归为一组。缺点显而易见：间接现金流量表从经营项目中得出净现金流量，而不单独列示任何经营性现金收支。虽然财务会计准则委员会(FASB)认为权责发生制通过平滑现金流的暂时性波动，提高了用利润去衡量公司业绩的能力。但作者认为，由于缺乏来自迟延客户的现金流入，以及由此导致的几张财务报表的列报不一致，将很容易导致证券被错误定价。投资者通常会通过使用自由现金流与权益比率（FCFE）等近似值来调整其中的一些问题。FCFE 与我

9、们的直接现金流模板计算(D)非常吻合，经资本支出调整后，如图表 1 所示。在作者的研究中，最感兴趣的是了解投资者是如何通过公司产生自由现金流的能力与净收入去对公司的持续竞争优势进行定价。换句话说，作者认为，那些通过不定期的非经营性项目或非常规项目或资本筹集（如债务、优先股或股权）产生现金流的公司，不如那些通过经常性的经营项目产生现金流的公司。如表 2 所示，作者对直接现金流的计量（如 CFODM，对直接法营业现金流的计量）与 FCFE 指标（表 2 中的 CFONM）存在实质性差异。当用总资产平减时，这两个变量之间的相关性仅为 45%，而用股票市值平减时，相关性降至-17%。虽然标准的 FCF

10、E 和间接现金流计量方法可以通过进行类似的计算来调整，但作者赞成广泛采用直接法现金流量表，认为这是一种更优的方法，并有可能发现新的因子。直接现金流量法（DMCF）将具有相似经济特征的现金流量汇总，将具有不同特征的现金流量分解，例如，投资者可以将来源于经营项目的现金净流入与来源于资产出售、税收返还或外汇收益的现金流入分开计算。利用现有的间接现金流量表，这种计算实际上是不可能的。投资者还可以计算与经营、融资、税收和非经常性项目相关的现金流变化百分比。在作者的研究中，强调了投资者如何通过替换常用的盈利比率（包括股本收益率和市盈率倍数）来实现更多的风险调整收益。这一推理与研究表明盈利目标会影响会计决策

11、，从而产生强烈的激励，使应计项目发生偏离。作者认为，如果不参考直接现金流报表的结构逻辑和内部效率，增量 alpha（本文后面将讨论）是不可能的。作者的主要发现是，直接现金流的计量方法可以比一般的计量方法更好地预测股票收益率，而间接现金流的计量方法又往往优于关注毛利润、营业利润或净利润的各种来源于利润表的盈利指标。在作者的研究中，首先将现有的收入法和间接法现金流量表结合起来生成直接现金流量近似值；也就是说，作者创建了一个新的报表，将经营、筹资、税收和非经营性现金流量进行分拆，以区别于经常性价值创造项目。然后，创建了一系列基于现金的财务指标，并将其与 BGLN（2015 年）的经营利润率指标、No

12、vy-Marx（2013 年）的毛利润率指标以及传统的资产收益率（ROA）指标进行比较(作者用资本收益率的指标以及传统的股权收益率指标重复分析，发现结果在本质上是相同的)。与 BGLN（2015）一致，作者以公司市值为分母进行重复分析。在本文中，作者表明，新的方法比那些基于标准利润表信息的方法有更高的风险调整收益。作者的结果在不同的投资期限和风险因素下都是稳健的，包括控制行业差异。作者的研究与Novy-Marx（2013）和 BGLN（2015），以及 Hou、Karolyi 和Kho（2011）的研究相似，并对其进行了扩展。虽然 Novy-Marx（2013）认为毛利润率是真实经济利润率的最

13、干净的会计计量方法，BGLN（2015）也得出了改进的营业利润率计量方法，但作者认为，侧重于现金流量表和股东可获得的现金收益的方法可以得到“更干净”的计量方法。与 BGLN（2015）一样，作者考察了分类信息，但重点是现金流而不是会计计量。与Hou et al.(2011)一样，作者发现以现金为基础的计量方法能够捕捉到股票收益率时间序列的显著变化；但作者关注的是美国市场而非全球市场，除了计量现金流的价格 (扣除折旧和摊销等非现金费用前的现金收益)外，还考察了更广泛的现金计量类型。实证检验了基于 DMCF 的现金流估计与美股市场未来股票收益率之间的关系，来检验直接现金流法可以更好的预测股票收益的

14、猜想。作者通过经营现金流减去资本支出后经融资和税收调整的各种测算，构建了新的盈利指标。与 BGLN（2015）一致，在这些比率的分母中用了总资产和市值。作者将这些比率与 Novy-Marx（2013）的毛利润率指标、BGLN（2015）的经营利润率指标、资产收益率以及基于公司市值的盈利价格比（E/P）和其他指标进行比较后发现，以多空组合收益率、信息比率和风险调整后的 alpha 来衡量，推导出的基于现金的比率与未来股票收益之间存在显著的正向关系。 在控制了众所周知的风险因素后，现金流最高的十分位数股票组合比现金流最低的十分位数股票组合年收益率高出 10%。相比之下，在 1994-2013 年的

15、标普 1500 指数样本中，其他盈利能力和基于收益的比率与未来收益率的关系普遍相对较弱。作者还表明，除了经营性现金流信息外，现金、税收和资本支出信息也能提供额外的预测能力。直接现金流模板作为传统的利润和现金流量表的替代方法，作者提供了一个直接现金流量模板和一套基于现金的资本效率和估值比率。与调整净收入和非现金经营项目的间接现金法不同，直接现金流模板将财务信息按照经济特征分类整理好，从而使投资者了解价值创造的过程，并进行判断。这样，与竞争优势相关的经营项目就会增强价值，并有可能重复经营。虽然获得最佳的资本结构可以提高价值（考虑到债务和利息可在扣除部分税收的好处，但要与相关的风险相平衡），但反映在

16、利息支出上的融资项目本身并不能提高价值。某些税收结构的潜在好处最近受到了媒体的广泛关注（即大型盈利公司只需缴纳很少的税款），这种结构可能会提升价值，因为缴纳的现金税越少越好；但其可持续性值得怀疑。其他非经营性项目也可能具有一定的价值提升属性，但可能是不可持续的。这种概述与早期的研究一致，这些研究表明，以现金为基础的盈利比以权责发生制为基础的盈利部分更持久，因此质量更高（Sloan 1996）。作者认识到，这个模板并不能产生 FASB（2008）所设想的实际的直接现金流，因为公司不需要经营性和非经营性现金流分开公布。但作者认为，直接现金流相比普通的会计指标可以更好的估计企业的内在价值。尽管现金流

17、的所有项目都是公开的，但在研究中推测，仅靠项目的可用性并不能确保它们能够及时整合并被投资者用来估计内在价值。在股票价格能够反映这些会计信息之前，必须先分类、揭示和应用这些项目。作者的分析还强调了什么类型的会计信息最有参考价值。直接现金流模板（表 1）的工作原理如下。首先，直接估算经营项目的净现金流。从收入的主现金流入开始，根据应收账款、递延收入和其他经营项目现金流入的变化进行调整。减去销售成本以及销售费用、一般费用和管理费用，然后根据经营项目中应付账款的变化和存货的变化进行调整。结果是对经营性净现金流的估计（A），与 Ball、Gerakos、Linnainmaa 和Nikolaev（2016

18、）类似。图表 1 直接现金流模板资料来源：整理其次，作者估算了融资项目后的经营项目现金净流量(B)减去利息支出，并对其他融资收入和支出进行调整。随后，通过减去与税收项目有关的现金流量-包括损益表上的税金，并根据应交税金和递延税金的变化进行调整来估算筹资和税收项目后的净现金流量(C)。最后，通过核算其他非经营性项目，包括终止经营、外汇和养老金相关项目，估算融资、税收和非经常性项目后的经营性现金流量净额（D）。为完整起见，并使该现金流估计与传统的股东自由现金流相一致，作者通过简单地减去与资本支出相关的现金流出来核算投资项目的现金流。作者推测，减去融资项目后的经营项目现金净流量或减去融资和税收项目后

19、的经营项目现金净流量，应该是最能预测未来股票收益率的计量方法，这和价值提升税收结构的可持续性有关。数据与方法作者从标准普尔的Xpressfeed 北美数据库中获取基本面和价格数据。作者的样本投资范围是标准普尔 1500 指数，由市场规模最大的 500 只股票、中型股 400 只和小型股 600 只组成。作者选择标准普尔 1500 指数，为了确保这些股票真正具有投资价值，并保证经过测试的投资策略和市场的相关度。标普 1500 指数的历史成分股也来自 Xpressfeed。对于每个月，作者获得了标普 1500 指数当时的股票列表，以避免任何幸存者偏差。正如依赖会计指标的研究中常见的那样-考虑到金融

20、公司和非金融公司之间的主要结构性差异（如杠杆率），在作者报告的大部分分析中，排除了金融公司（银行、保险公司和房地产信托基金），约占总体样本的 15%。其中盈利为负的公司（约占样本的 13%）和经营性现金流为负的公司（约占样本的 6%）。作者使用了 1994 年 10 月-2013 年 12 月的数据；美国从 1987 年开始才强制要求编制现金流量表，而标普 1500 指数的实际指数成份股从 1994 年 10 月开始才有现成可用的数据库形式。作者在研究中使用的主要基本变量如下（Xpressfeed 符号）。图表 2 Xpressfeed 变量资料来源：整理按照行业惯例，作者为基本变量建立了 1

21、2 个月的跟踪值（TTM）。作者用每个季度的新信息更新了这些TTM 值，并将其与月度收益数据结合起来进行测试。尽管有季度更新，但为了避免任何前瞻性偏差（look-ahead bias），只使用滞后四个月的会计数据，用两个变量对各种计量指标进行标准化。(1)总资产包括流动资产、投资、无形资产以及每个公司资产负债表上报告的财产、厂房和设备；(2)市值以流通的普通股乘以月末价格来衡量。在表 1 的模板定义基础上，作者建立了直接和间接自由现金流的各种计量方法。 CFAFAT 代表融资和税收项目后的经营项目现金净流量（C）减去资本支出；CFAF代表融资项目后的经营项目现金净流量（B）减去资本支出；CFO

22、 代表经营项目现金净流量（A）减去资本支出。作者将这些直接法现金流（DMCF）计量方法与间接法现金流计量方法 CFIM 进行了比较，CFIM 定义为经营项目净现金流（OANCF）减去资本支出。这里需要注意，这种间接计量方法 OANCF 的结果与表 1 中扣除融资、税收和非经常性项目后的经营项目净现金流（D）相同。然后，作者使用这些自由现金流的定义来构建现金资产收益率和自由现金流收益率的各种指标。变量 CFAFAT/TA 是以直接自由现金流指标 CFAFAT 除以总资产来衡量的现金资产收益率。变量 CFAF/TA、CFO/TA 和CFIM/TA 是资产收益率的另一种指标，分子分别为 CFAF、C

23、FO 和CFIM。作者将这些衡量指标与一些基于会计的衡量指标进行了比较。营业利润的分子指标 OP/TA 为营业利润（由 BGLN2015从销售额中减去销售成本和销售、一般费用和行政费用（不包括研发）来估算），分母为总资产。Novy-Marx(2013)的毛利与总资产之比的分子 GP/TA 是以销售额减去销售成本后的毛利。传统的资产收益率是以 IBCOM(普通股股东的扣除特殊项目前的收入)除以总资产来衡量的。价格收益率的测算方法与之前介绍的测算方法类似，只是用股票的市场价值（MVE）代替总资产作为分母。需要注意的是，传统的 E/P（市盈率的倒数）是以 IBCOM 或净收入除以股票市值来衡量的，并

24、简单地注明为 NI/MVE。根据在上一节的讨论，作者预计那些分子中含有 CFAFAT 和CFAF 的衡量指标会更优。对于每个月，作者按照资产收益率或收益率的特定指标对标准普尔 1500 公司进行排名，并将整个股票池从最低（P1）到最高（P10）分为十等分。作者以市值加权的方式计算了一个月前的投资组合收益率（作者也考虑了其他期限）。按照标准的方式，作者以最高（P10）和最低（P1）组合收益率之间的收益率差来估计多空组合收益率。然后，作者检验了收益率差异的显著性。现金流项目中的信息在分析之初，作者首先考察了现金流的各个项目对现金流的影响，以了解这些项目如何提供预测股票收益的增量信息。例如，除了有关

25、公司经营的信息外，现金流中是否有关于融资、税收、投资或其他非经营项目的增量信息？作者还将经营性现金流信息与会计计量的毛利和营业利润进行比较。如表 3 所示，作者首先考察了不同现金流计量方法的各个项目与等权重加权公司之间的的时间序列（缩尾在 1%和 99%）的相关性。作者对直接法经营现金流的度量，CFODM；对间接法现金流的度量，CFODIM；Novy-Marx（2013）的自由现金流指标，即净收入加折旧/摊销减去营运资本变化减去资本支出，CFONM；融资项目，FinAc（t 该和其他项目指标的定义见表 1）；税收项目，TaxAct；其他项目，OthAct；资本支出，Capex。作者用总资产(T

26、A)或股票市值(MVE)对每个变量进行了平减。图表 3 相关系数资料来源：整理不出所料，CFODM/TA、CFOIM/TA 和 CFONM/TA 计量之间存在较高的相关性。前两个指标为 0.81，第一和第三个指标降至 0.45。与 BGLN（2015）一致，分子相同但分母为 MVE 或 TA 的变量之间的相关性在很多情况下都相当低。 CFODM为 0.28；CFOIM 为 0.32；CFONM 为 0.47。这些结果显示了总资产的账面价值的影响，总资产的账面价值随着时间的推移变化缓慢，而市值则变化频繁，而且变化幅度更大。在三个被 TA 平减的现金流衡量指标中，作者看到 FinAct（负）、Ta

27、xAct（正）和 Capex（正）的相关性规律一致。FinAct 的相关性绝对值普遍较低，低于 0.23，而Capex 的相关性绝对值普遍略高，TaxAct 的相关性绝对值仍然较高（高于 0.48）。OthAct 与CFODM 和CFOIM 变量之间的相关性绝对值较低，但 OthAct 与 CFONM之间的相关性绝对值竟然很高（0.55）。意料之中的是，以 MVE 为分母的相关性往往较低。这些初步结果促使作者对现金流的项目进行更严格的考察。按照 BGLN（2015），作者进行了 Fama 和 MacBeth（1973）的横截面回归。对于样本的每个月，将每个股票的未来一个月的收益率对经营性净现金

28、流进行回归，即净 CF ops（表 1 模板中的 A）。在其他的回归中，加入了一些其他独立变量。以利息支出其他融资收入/支出，衡量的融资项目。以利润表上的税金衡量应交税金的变化递延税金的，衡量税收项目。终止经营/特别费用外汇收益/损失养老金收益/损失/缴款，去衡量其他非经营性项目，以及资本支出（资本支出）。作者通过总资产的账面价值对所有这些变量进行了平减。与 BGLN(2015)类似，作者加入了一些控制变量：log(BVE/MVE)是股权账面价值与市值之比的自然对数；log(ME)是以市值的自然对数衡量的规模变量。1,1是该股票过去一个月的收益；以及12,2是该股上年的收益（跳过一个月）。作者

29、根据第 1 和 99 百分位数对所有独立变量进行了缩尾。作者还进行了单独的回归，将净 CF 运营变量替换为（1）Novy-Marx（2013）的毛利润度量，（2）BGLN（2015）的运营利润度量，（3）作者基于间接现金流法（CFOIM）的运营现金流度量，或者（4）Novy-Marx（2013）的自由现金流度量，即净收入加折旧/摊销减去运营资本变化减去资本支出（CFONM）。表 4 报告了作者的结果，包括Fama-MacBeth（1973）斜率系数的平均值及其 t 值。第 1 列是仅对毛利和控制变量的收益率进行回归，第 2 列对营业利润和控制变量进行了同样的回归，而第 3 列对净运营现金流和控

30、制变量进行了同样的回归。在第 1 列中作者可以看到，毛利的指标只是略微显著，t 统计量为 1.81。在第 2 列中，营业利润的测度是显著的，t 统计量为 3.38；在第 3 列中，净 CF 运营系数估计也是显著的，且数量级相近，t 统计量为 3.22。图表 4 盈利能力和现金流项目的 Fama-MacBeth 回归资料来源：整理通过第 4 列和第 5 列报告的回归结果，可以比较第 1 列和第 2 列的结果与加入净 CF ops 测度的效果。在第 4 列中，可以看到，现金流计量包含了毛利，毛利不再显著。第 5 栏显示，营业利润和现金流都不显著（可能是由于多重线性），尽管现金流的 t 统计量确实略

31、微高一些。第 6、7 和 8 列中的回归结果重复了第 1、2 和 3 列中的分析，但增加了与融资项目、税收项目、非经营项目和资本支出(投资项目)有关的现金流项目。在所有情况下，调整后的2都会增加。在第 6 列中，毛利的显著性下降，t 统计量为 1.64，而现金流项目均不显著。考虑到之前的结果表明（对于样本）毛利度量指标被其他衡量指标所解释，这一结果并不令人惊讶。在第 7 列中，营业利润仍然显著，t 统计量为 3.85。但是，税收项目系数估计值和资本支出系数估计值都略微显著，且为负值。第8 列净 CF 运营结果类似。除了净资本运营变量仍然显著，t 统计量为 3.60 之外，税收项目系数估计值为负

32、且略微显著，t 统计量为-1.91；资本支出系数估计值也为负且显著，t 统计量为-2.03。作者发现融资项目系数估计值没有显著性，这与最初的猜想是一致的，同时也与 BGLN（2015）一致，BGLN（2015）发现他们全样本内（剔除迷你股）的利息系数估计值没有显著性。但与 BGLN（2015）不同的是，作者发现税收项目系数估计为负且显著。作者预计随着现金税的增加，会与股东的内在价值呈负相关。资本支出变量的系数估计为负，这与之前的文献一致，被称为投资效应或资产增长效应。其中，增加投资的公司(如以资本支出占总资产的百分比来衡量)随后会经历较低的风险调整收益。有两种可能的解释，q 投资理论和过度投资

33、理论。在第一种解释中，当股票收益低于预期时，公司会加大投资。在第二种解释中，增加投资的公司可能会过度投资。市场可能会将一些资本投资解释为低效率；例如，大型、高风险项目的资本支出可能会导致不利的结果。第 9 列列出了CFOIM 和与融资项目、税收项目、非经营项目和资本支出（投资项目）相关的现金流项目的控制变量回归的结果。正如预期的那样，CFOIM 的系数估计是显著的，t 统计量为 3.71。与第 7 列和第 8 列的结果一致，资本支出系数估计值显著为负，税收项目系数估计值仍为负，但不显著，而非经营项目系数估计值为负，且略有显著。最后，第 10 列列出了与第 9 列类似的回归，但用自由现金流（CF

34、ONM）代替了 CFOIM 的指标，指标为净收入加折旧减去营运资本变化减去资本支出（Novi-Marx，2013）。只有非经营项目变量是显著的。总的来说，作者的结果表明，以现金流项目来预测横截面收益时，存在额外的信息。特别是，除了经营性现金流所包含的信息外，在税收项目和资本支出方面也有增量信息。在支付相对较低的现金税和相对较少的资本支出的同时，产生强劲的经营现金流的公司往往表现最好。现金流、盈利收益率指标，以及投资组合未来月收益接下来，作者用总的现金流计量方法分析了结果。表 5 报告了 1994 年 10 月- 2013 年 12 月期间各种市值加权组合（P1 至P10）的月度收益率，以及 P

35、10-P1 高低组合收益率差的结果，并根据一个月前的资产收益率或收益率指标进行排序。表 5还显示了 P10-P1 收益率的标准差、P10-P1 收益率的 t 显著性统计、P10-P1 月度观测值的最小值和最大值，以及以年化 P10-P1 收益率除以收益率差的年化标准差来衡量的信息比率（IR）。如同预期的那样，所有的衡量指标都存在着普遍的（但不是完美的）单调关系，较高的衡量指标往往比较低的衡量指标表现出更高的单月收益。表的上半部分是以总资产为分母的计量指标。图表 5 1994 年 10 月至 2013 年 12 月的各类收益率指标和组合未来一个月收益率资料来源：整理各个计量指标的收益率一般都是以

36、某种单调的方式从低到高增加。从表 4 中可以看到，在 ROA 变量中，Novy-Marx（2013）GP/TA 变量的 P10 收益率最大，但 P10-P1 差值并不是最大的，因为很多现金流的指标有较多的横向变化。对于根据三个 DMCF 效率衡量指标（CFAFAT/TA、CFAF/TA 和 CFO/TA）进行排序的投资组合，高低（P10-P1）收益差显著为正（t 统计范围为 2.142.73），月度收益差在 0.64%0.82%之间（或年均 8.0%10.3%）。信息比从 0.489 到 0.623 不等。对于间接法现金流收益率测算（CFIM/TA），高低月收益率差下降到 0.49%（年收益率

37、 6.0%），但并不显著，信息比下降到 0.356。按营业利润占总资产比例（OP/TA）排序的投资组合的收益率差异与 CFIM/TA 变量的收益率差异非常相似（0.49%；年均 6.0%），但不显著，信息比相同（0.356）。基于利润总额占总资产比例（GP/TA）的指标的高低组合收益率也很相似（0.49%；6.1 年），但鉴于标准差较低，是显著的， t 统计量为 2.10；信息比率较高，为 0.480。最后，对于资产收益率（NI/TA）的衡量，月度高低收益率差值只有 0.06%（年均 0.7%），且与零无显著差异，信息比降至 0.040。与猜想一致，在这些现金流收益率的指标中，表现最好的多空组

38、合是基于 CFAF 指标（融资项目后的经营项目现金流量净额表 1 中的 B减去资本支出）进行排序构建的。这个指标的信息比率也是最高的。这些初步的结果表明，在多空头寸中，现金流度量优于盈利能力度量，因为：（1）与现金相关的信息可能更有参考价值；（2）现金流度量构建的投资组合具有更强的分散程度。表 5 的下半部分列出了以市值为分母的衡量指标。可以看到，根据作者的三个直接法现金流收益率度量（CFAFAT/MVE、CFAF/MVE 和 CFO/MVE）和间接法现金流收益率度量（CFIM/MVE）进行排序的投资组合的收益率差异均显著为正（t 统计量范围从 1.913.03），月度收益率差在 0.55%0

39、.77%（年收益率 6.9%9.6%）。信息比率在 0.4360.692 之间。以营业利润率(OP/MVE)排序的投资组合的收益率差为 0.70%(年收益率为 8.7%)，略微显著，但信息比率较低(0.380)。对于毛利收益率（GP/MVE），多空收益差为 0.58%（年均 7.2%），但并不显著，信息比降至 0.313。最后，对于盈利收益率的测算（NI/MVE），月度多空收益差为 0.43%（年均 5.2%），且不显著，信息比仅为 0.271。与猜想一致，在这些现金流收益率衡量指标中，表现最好的多空组合又是基于 CFAF/MVE（融资后经营现金流净额表 1 中的 B减去资本支出）的排序，产生

40、的信息比最高。按 AFAT 和 AF DMCF 指标进行的排序产生了更高的信息比率。比对间接现金流计量（CFIM/MVE）的排序要好。作者的结果（在指标的分母为股权市值的情况下）表明，与盈利能力指标相比，现金流指标的优越性具有稳健性。作者的结果在各时期也是稳健的。作者对表 5 中结果的总体解释如下。直接现金流计量方法往往优于间接现金流计量方法，因为将经营、筹资和税收项目分开提供了额外的信息。现金流计量方法往往比盈利能力计量方法（营业利润、毛利和净利润）更好的预测股票收益率，因为与现金相关的计量方法在经济上比盈利能力计量方法更干净，而且与公司的估值方式更密切相关。因此，权责发生制财务报表列报方式

41、的不一致，会使那些试图通过财务报表推断信息和判断价值创造项目是否可持续的投资者感到困惑。投资组合分组回归作者进一步对风险进行调整，使用投资组合 P1 到 P10 的收益以及 P10-P1 的收益差（即投资组合按资产收益率变量或收益率变量进行排序），来对众所周知的风险因素进行回归。作者使用了 1994 年 10 月-2013 年 12 月整个样本期的月度数据。回归模型是：,+1 = + 1 + 2 + 3 + ,+1 = 1, . . . , 因变量是表 5 中每个月分组构建的十分位数投资组合从 P1(低)到 P10(高)，以及按资产收益率和收益率指标(i)排序的各种投资组合的P10-P1 收益

42、差。例如，作者将 1994 年 11 月的收益率(t+1)根据 1994 年 10 月底的信息(t)进行回归。自变量为 Fama-French(1993)三因素模型，其中 MKTRF 为市场风险溢价(超过无风险利率的市场收益率)，SMB 为小市值减大市值(规模)因子，HML 为高 BP 减低BP(账面市值)因子(本文后面将讨论 Fama-French 五因素模型)。在控制了所有这些风险因素后，截距 alpha，解释为 alpha 或异常收益。如果 alpha 为正且显著，则意味着其他因子不能组合成一个均值-方差效率的投资组合，这表明投资者何将投资组合向盈利策略倾斜，例如投资于近期相对于其总资产

43、或股票市值产生高现金流的投资组合。作者使用 White（1980）的异方差一致性标准误差。为了便于比较，作者提取了月度国库券的超额平均月度收益率（来自KenFrench 的网站）。表 6 总结了回归结果。A 组列出了按收益率和收益率指标排序的P1（低）组合的回归结果。B 组列出了按收益率和收益率指标排序的 P10（高）投资组合的回归结果。C 组显示了以相同的指标排序的P10-P1 收益率差的回归结果。图表 6 1994 年 10 月至 2013 年 12 月各类收益率指标的回归结果资料来源：整理在各组中，可以看到，从 P1 到P10，各种资产收益率和收益率指标的组合 alpha（和平均收益率）

44、增加。在 A 组（P1 结果）中，大部分的 alpha 都是负的，但不显著，而在B 组（P10 结果）中，除了CFO/MVE、OP/MVE 和 GP/MVE 之外，所有的 alpha 都是正的，而且大部分是显著的。与表 4 中的结果一致，在 C 组中，DMCF收益率和收益率衡量指标P10-P1 的三个收益率差异都是显著为正的（CFO/MVE 除外），间接衡量指标收益率差异也是显著为正的。OP 收益率差异相对于总资产显著为正，但相对于市值则不显著。在大多数情况下，基于现金流的衡量指标的 alpha 值高于相应的 OP 衡量指标。GP 计量以 TA 为分母时显著，但以 MVE 为分母时不显著，在这

45、两种情况下，其 alpha 值均低于相应的 OP 计量。对于净收入测度，结果略显显著。大多数 DMCF 变量的结果 alpha 都比间接法变量大。在以 TA 为分母的 DMCF 变量中，CFAF 的 alpha 为 1.11%，折合年收益差为 14.2%；CFO 的 alpha为 1.07%，折合年收益差为 13.6%，甚至强于表 5 的结果。以 MVE 为分母，CFIM的 alpha 为 0.67%，年收益差为 8.3%。因此，即使控制了风险因素，作者也发现使用直接现金流报表所提供的信息具有重要价值。一般来说，直接现金流计量往往优于间接现金流计量，而间接现金流计量又往往优于盈利计量；在盈利计

46、量中，营业利润计量往往优于毛利计量，而毛利计量又优于净利润计量。作者将 P10-P1 结果与 Novy-Marx（2013，表 2）的结果进行对比。尽管在方法上存在一些差异，作者发现，alpha 衡量毛利占总资产比例的估计值 0.59%，与估计的 0.52%接近。因此得出的结论并不是说在不同的样本和设计下，计量方法表现不佳，而是基于现金的计量方法表现更好。最近，Harvey、Liu 和Zhu（2016）对声称发现新因子的实证研究的提出了批评意见。他们强调了数据挖掘方面的问题，提出报告 t 统计的阈值应该远远高于传统的2.0 水平，提高到 3.0 左右。然而，他们指出，从第一原则而不是纯粹的经验

47、性研究中挖掘出来的因子可以说有一个较低的阈值。请注意，在 C 组结果中，所有以总资产为分母的现金流指标都轻松地超过了 3.0 的水平，营业利润指标也是如此，但毛利润和净收入指标则不然。对于以MVE 为分母的计量指标，现金流计量指标的 t 统计量普遍高于 2.0，但低于 3.0，而所有盈利计量指标的 t-统计量均低于 2.0。作者认为，现金流测度是在直接现金流测度的基础上根据第一原理推导出来的。正如Fama 和French（1992）和 BGLN（2015）所指出的那样，各种资产收益率和收益率的指标与未来股票收益之间的关系可以用理性或非理性的资产定价来解释。错误定价可以用非理性投资者的行为和偏见

48、或短期交易摩擦来解释；或者，可能存在回归模型中三个因素没有体现的风险因素。下一节讨论的收益的持久性，如果假设交易摩擦不应该在较长时期内持续存在，则可能符合理性的解释。在下一节中，作者还考虑了一个五因素模型，以捕获更多的风险因素。稳健性检查在介绍的稳健性检验时，作者使用Fama-French 五因素（而不是三因素）模型回归重新检验了 P10-P1 收益率的 alpha 值，考虑了更多的期限范围，并进行了重复分析，但P10-P1 收益率为行业中性。Fama 和French（2015）最近引入了一个五因素模型，该模型建立在其原有的三因素模型基础上。,+1 = + 1 + 2 + 3 + 4 + 5

49、+ ,+1 = 1, . . . , 两个附加因子是 RMW，即稳健型经营盈利组合的平均收益减去弱势型经营盈利组合的平均收益；CMA，即保守型（低）投资组合的平均收益减去激进型（高）投资组合的平均收益。他们认为，这个模型在捕捉规模、价值、盈利能力和投资模式方面比他们的三因素模型更好。他们还认为，如果对这五个因素的暴露能捕捉到预期收益的所有变化，那么截距或 alpha 应该为零。加入 RMW 因子与本文的研究密切相关，因为作者认为，基于现金的计量方法中存在着基于会计的盈利指标计量方法所不能体现的信息。如果结果是稳健的，发现 P10-P1 多空组合的 alpha 为正且显著，就可以有信心地得出结论

50、，基于现金的变量比盈利指标计量更重要。事实上，这就是作者发现的，在表 7 中报告的结果。 在相对于总资产的度量中，所有与现金相关的 alpha 值仍然为正且显著，就像Fama-French 三因素模型的情况一样（表 7 重复了表 6 的结果并进行比较）。营业利润计量也是显著的，但小于所有与现金相关的 alpha 计量（虽然非常接近间接法计量）。毛利对 alpha 的衡量和净收入对 alpha 的衡量都不显著。在相对于股票市值的计量中，现金计量的 alpha（除财务总监外）高于盈利计量的 alpha，且略显显著，而盈利计量的 alpha 均不显著。因此，根据现金分组测算，这五个因素的暴露并不能反

51、映预期收益的所有变化。图表 7 1994 年 10 月-2013 年 12 月各类收益率指标的 Fama-French 五因素模型回归结果资料来源：整理不同期限收益率作者通过考虑不同的持有期，包括 3 个月、6 个月和 12 个月，重新考察了投资组合市值加权收益率结果。结果与一个月的收益率结果基本一致。 三个月的收益率差异在所有的现金流收益率计量以及营业利润（OP/TA）和毛利润（GP/TA）计量中都显著为正，而传统的资产收益率计量（NI/TA）则不显著。DMCF 计量的收益率差异最大，其次是 GP/TA 计量，然后是间接法现金流计量。CFAF/TA 计量的三个月收益率差异为 2.1%（年化

52、8.7%）。盈利收益率测度方面，所有的收益率差值均显著为正，CFAF/MVE、CFIM/MVE、OP/MVE 和 GP/TA 测度的收益率差值的数量级相近，而收益率 NI/MVE 的收益率差值仅略为显著。CFAF/MVE 指标的三个月收益率差异为 2.1%（年化 8.6%）。在资产收益率的衡量指标中，鉴于收益率的标准差要低得多， GP/TA 的信息比率最高。在衡量收益率的指标中，现金流指标的信息比率远高于盈利指标。在 6 个月的期限内，除 NI/TA 指标外，其他资产收益率指标的收益率差异均为显著正值。收益差异最大的是 CFAF/TA 变量，6 个月的收益率为 3.4%（年化 6.9%）。在收

53、益率指标中，CFIM/MVE 和 GP/MVE 的六个月收益率几乎相同，约为 3.8%（年化 7.7%）。在资产收益率测算中，GP/TA 测算的信息比率最高，其次是各种现金流测算；在收益率测算中，现金流测算的信息比率占主导地位。12 个月收益率的结果与 6 个月收益率的结果相似。在资产收益率测度和收益率测度中，与间接测度相比， DMCF 测度表现出优越的信息比率。大部分 DMCF 和间接法资产收益率测度的收益率差普遍优于收益率测度，而收益率测度又优于 NI/TA 和NI/MVE 测度的收益率差。即使在 12 个月的期限内，高低 CFAF/MVE 组合也提供了近 7.5%的收益。总的来说，作者的

54、不同期限的结果与之前的结果一致，同时也表明，尽管仍然是正的和显著的，但在较长的期限内，收益率差异只是小幅缩小。虽然较长的持有期导致所有衡量指标的收益率略低，但权衡之下，较长的持有期也降低了交易额，从而降低了交易成本。作者试图通过研究各种不同的测试指标的换手率去量化交易成本。对于一个月的持有期，以总资产为分母，四种现金流计量方法的平均换手率为 19%，以股票市值为分母，换手率为 25%。在三种盈利能力指标中，以总资产为分母的月平均换手率为 10%，以股权市值为分母的月平均换手率为 24%。就年度持有期而言，在四个现金流指标中，以总资产或股权市值为分母的平均换手率为 113%。在三个盈利能力衡量指

55、标中，以总资产为分母的年平均换手率为 78%，以股权市值为分母的年平均换手率为 100%。按照 Leclerc，LHer，Mouakhar和 Savaria（2013），假设换手率百分之一个点的 0.882 个基点为双向再平衡成本（样本代表了最大的和最具流动性的股票）。在整个现金流衡量中，如果以总资产为分母，月净收益率将减少约 0.17%，如果以股票市值为分母，则减少 0.22%。在三个盈利能力指标中，若以总资产为分母，每月净收益将减少 0.09%，若以股票市值为分母，则减少 0.21%。就现金流指标而言，年度净收益率将减少 0.09%，以总资产为分母的净收益率将减少 0.21%。以总资产为分

56、母，年净收益率约为 0.99%，以股权市值为分母，年净收益率约为 1.00%。在三种盈利能力的指标中，以总资产为分母的情况下，年度净收益率将减少 0.69%，以股票市值为分母的情况下，净收益率将减少0.88%。即使在考虑再平衡成本后，结果也是稳健的，以现金流为基础的指标比盈利能力指标提供了更高的收益。作者还发现，每月与每年的再平衡会带来更优的净收益。行业分析为了检查结果是否具有行业特性，作者进行了一系列测试。首先，将样本在 10个全球行业分类标准(GICS)行业中进行分类：能源、材料、工业、常规消费、大宗商品、医疗保健、金融、信息技术、电信服务和公用事业(金融行业没有包含在之前的结果中，但由于结果是按行业划分的，所以在这里被包含在内)。作者对每个行业内的每个衡量指