知识库 / 财务分析 / 盈利质量与造假识别

盈利质量与造假识别

🤖
本篇关联 AI 技能 financial-statement-analyzer,可在平台中使用对应技能进行实战分析。 登录 后即可使用。

盈利质量与造假识别

入门

并非所有利润都是"真实"的。学会识别盈利质量,是保护自己不踩雷的关键。

利润质量的核心判断:

信号好的迹象危险信号
经营现金流持续为正,>净利润长期为负或远低于净利润
应收账款增速 ≤ 营收增速增速远超营收增速
存货周转天数稳定或缩短周转天数持续拉长
非经常损益占比小占利润大头
审计意见标准无保留保留意见/无法表示意见

💡 一句话:利润可以"做"出来,但现金流很难造假。 看利润先看现金流是否匹配。

进阶

财务造假的常见手法

1. 虚增收入

识别方法:

2. 隐藏费用

识别方法:

3. 现金流造假

识别方法:

Altman Z-Score(破产预警)

Z-Score 是经典的财务危机预警模型:


Z = 1.2×X1 + 1.4×X2 + 3.3×X3 + 0.6×X4 + 1.0×X5
Z 值判断
> 2.99安全区域
1.81 - 2.99灰色地带,需关注
< 1.81危险区域

Beneish M-Score(造假预警)

M-Score 专门检测盈余操纵:

重点关注 8 个指数:

1. 应收账款周转天数指数(恶化 = 危险)

2. 毛利率指数(下降 = 危险)

3. 资产质量指数(恶化 = 危险)

4. 营收增速指数(过高 = 可能虚增)

5. 折旧率指数(下降 = 可能少提折旧)

6. 销售管理费用指数(下降过快 = 可能隐藏费用)

7. 杠杆指数(上升 = 风险增加)

8. 流动比率指数(下降 = 偿债压力)

M-Score > -2.22 时,盈余操纵的概率较高。

实用的排雷检查清单

每次分析一家公司,过一遍这个清单:

本平台的 financial-statement-analyzer 技能会自动计算 Z-Score、M-Score,并执行排雷检查清单,标记潜在风险。

← 返回知识库 AGU 投资知识库