业绩爆雷的原因和识别方法

文章来源：中信证券

▍基本情况：A股爆雷越发频繁，TMT消费爆雷较多。

我们定义全年业绩低于Wind一致预期20%以上为爆雷。2020年疫情以来，A股爆雷比例（爆雷事件数/爆雷与未爆雷事件总数）从25%快速上升至40%。分组统计，我们发现小市值公司、科技/TMT产业、成长股过去五年的爆雷比例较高、风险较大。相反，大市值公司、医疗健康产业过去五年的爆雷比例较低、风险较小。分行业来看，计算机、电子等科技属性行业过去五年发生的爆雷事件较多，消费者服务、农林牧渔等消费属性行业过去五年的爆雷比例较高。此外，我们还发现爆雷后风险未必出清，爆雷样本中44%会再次爆雷，以及被监管问询越多的公司爆雷比例越高、风险越大。

首先，根据Wind数据统计显示，业绩爆雷主要是由于利润率不及预期，而非收入不及预期。其次，通过整体法看趋势、统计回归、关键词检索三种角度，我们判断各类资产在期末突发减值是利润率不及预期的主要原因。最后，从类型来看，受信用、商誉、存货减值影响的爆雷事件较多，过去五年发生了613/427/412起。由于篇幅限制，本篇主要探讨信用减值的原理及识别方法。

根据新准则规定，可能发生信用减值的科目有：应收账款、其他应收款、合同资产等。其中，应收账款的减值是核心，也是本篇的重点。新准则规定，减值方法由“已发生损失法”变为“预期信用损失法”，即从“损失实际发生时计提坏账”变为“前瞻性地预估未来可能发生的损失，并计提坏账”。新方法弥补了老方法不能识别潜在风险的问题。

根据Wind数据统计显示，建筑、计算机、传媒、电新、建材行业在过去五年受信用减值影响的爆雷事件占比超过10%。以五大行业为例，将受信用减值影响的爆雷事件划分为组合A，未爆雷事件划分为组合B。爆雷前三季报显示，A组的应收周转天数明显大于B组，且A组的周转天数在爆雷当期显著拉长，同比超过10%。说明周转天数可用于区分爆雷样本。我们通过设定阈值（即周转天数高于阈值的样本视为爆雷样本），有效降低了踩雷的概率（取伪概率）。但相对地，弃掉未爆雷样本的概率（弃真概率）明显增加。建议投资者参考文中阈值的同时，结合同行业比较及其他特征分析，来得到更准确的结果。

延续特征一中的分组，爆雷前中报显示，A组1年以上的应收占比明显高于B组，且A组的应收账龄在爆雷前三年逐渐拉长。说明账龄同样可用于区分爆雷样本。但设定阈值后发现，其筛除效果不如周转天数。至于原因，其一账龄数据为原值未考虑减值，其二账龄长未必风险大，其三存在一些缺失值。因此，建议投资者参考文中阈值的同时，综合考虑减值政策及款项的风险特征。

延续特征一中的分组，爆雷前中报显示，A组的应收坏账计提比例明显低于B组。说明爆雷公司的减值政策往往过于乐观，准备计提不足。由于坏账数据缺失较多，所以设定阈值的可靠性较低，建议投资者结合同行业比较定性分析。

根据Wind及深交所数据统计显示，业绩披露前被交易所问询过的样本公司爆雷比例明显高于未被问询过的样本公司。建议投资者密切关注问询函内容以及违规处罚公告。

谢谢分享了！~

谢谢分享

学习，学习

学习，学习

网的初心是互相交流，即使你不发帖，也可以在你了解的方面与大家互相交流的，如果你只是一昧的白嫖，那肯定是不太现实的

流动性越强技术分析越有效或者说技术分析越容易发挥它的作用

谢谢分享