社区

免责声明：本文仅用于研究与学习，不构成任何投资建议。历史结果不代表未来表现。

价值投资听起来很简单：买便宜的。

但实际操作中你会发现，找到便宜的公司容易，筛掉其中的烂公司才是难点。买到价值陷阱时，那种"我明明买得很便宜，为什么还能一直跌"的感觉，就像抓了一把往下掉的刀。

这也是 Piotroski（2000）那篇经典论文想解决的问题。在价值股（高 BM / 低 PB）的大池子里，能不能用财报里已经发生的事实，把未来的赢家和输家分开？

本文会先用最短的篇幅讲清楚经典的 Piotroski F-Score。

然后介绍我在 Chat2Report 里引入的新版（改良版）F-Score，它把单年的 0/1 打分升级成长期一致性评分，并引入了 ROIC/CROIC、利息覆盖、债务成本、Beta、回购等维度，让筛选更贴近实操。

经典 Piotroski F-Score - 价值股里的排雷器

Piotroski 的原始思路非常克制：

先锁定便宜的公司（高 BM）。

再用 9 个财务信号做体检（每项 0 分或 1 分），得到 F-Score = 0~9。

高分更可能是正在修复的价值股，低分更可能是继续恶化的价值陷阱。

论文里明确指出：高 BM 价值股内部收益分化很大，所以便宜不是终点，只是起点。

原版的 9 项指标（每项 0 或 1 分）

原版的主要原则是指标不求最优，但求好理解、好实现、能落地。主要包含以下三大项，细项满足即得 1 分。

盈利能力（4项）

ROA（总资产收益率）> 0

CFO（经营活动现金流）> 0

ΔROA（当期 ROA - 上期 ROA）> 0

Accrual: CFO > ROA（经营现金流/资产 > 净利润/资产，即盈利含金量高）

杠杆/流动性/融资（3项）

杠杆下降（ΔLEVERAGE < 0，长期负债/资产下降）

流动比率改善（ΔCURRENT > 0，流动资产/流动负债上升）

未增发（EQ_OFFER = 0，当期未发行新股，不依赖外部权益融资）

运营效率（2项）

毛利率改善（ΔMARGIN > 0）

资产周转率改善（ΔTURN > 0，销售收入/资产上升）

为什么它能在价值股里奏效？

Piotroski 的结论里有一个非常关键的点，对高 BM 公司（常伴随困境/被忽视的特征）来说，历史财报往往是最可靠、最容易获得的信息来源之一。

同时通过筛选财务更强的高 BM 公司，可以把收益分布整体向右推（即提高盈利概率、降低亏损风险），同时还能提升平均收益，论文里提到至少提升约 7.5% / 年。

一个现实问题：原版 F-Score 只看单年，评分太绝对

我很喜欢原版 F-Score 的思路，但是在实操时经常会遇到三个尴尬的问题：

只看一年变化：只看一年同比变化，很容易被周期性、一次性事件、会计处理影响。

评分太绝对：一年达标就 1 分，不达标就 0 分；差一点和差很多看起来一样。

偏反转、偏困境：它特别擅长抓正在修复的价值股，但对长期稳健高质量的公司，解释力反而一般（因为它关注的是改善，而不是持续优秀）。

所以当前采用了一个改良版思路：

不只问：今年好不好？

而是问：过去 10 年里，你有多大比例的年份是好的？

这样可以过滤掉运气好的一年，让那些长期稳定兑现的公司更容易浮出来。

新版 F-Score：从财务体检到长期一致性评分

新版仍然保持 9 项合计 0~9 分的直觉，但把指标换成了更贴近质量 + 增长 + 财务韧性的组合。

新版的 5 类 9 项指标

Growth（增长，3项）

Revenue YoY > 0（营收同比增长）

EBITDA YoY > 0（息税折旧摊销前利润同比增长，衡量核心经营盈利能力）

EPS YoY > 0（每股收益同比增长）

注：YoY = Year over Year

Profitability（盈利能力，2项）

ROIC > 10%（投入资本回报率）

CROIC > 10%（CROIC = 自由现金流 / 投入资本）

Debts（债务状况，2项）

EBITDA / Interest Expense > 6（利息覆盖倍数，即 EBITDA 是利息支出的6倍以上）

Interest Expense / Total Debt < 5%（债务成本，公司当年利息支出占总债务的比例）

Market sensibility（市场敏感度，1项）

Beta ≤ 1（波动率不高于市场）

Investment（投资策略，1项）

股本下降（加权平均流通股数下降，视作回购信号）

打分方式：每项不是 0/1，而是 0.0~1.0

新版的关键不是换指标，而是改评分方式：

对大多数指标：先生成每年的 0/1 序列（达标=1），再在 10 年窗口里求平均。比如：过去 10 年有 7 年满足 ROIC > 10%，那 ROIC 项得分 = 0.7。

Beta 是例外：直接给 0/1（≤1 记 1，否则记 0），不做时间平均。

最终得分公式：

F-Score = ebitda + revenue + eps + beta + ebitda_cover + debt_cost + buyback + roic + croic

各项得分范围：0.0 ~ 1.0

总分范围：0 ~ 9

怎么用它筛选价值股

Step 1：先做价值门槛

先用估值指标筛一遍，否则你最后会筛出一堆很优秀但太贵的公司。这一步确保你买的是价值股，不是在为成长预期买单。

常见的估值筛选方式（任选其一）：

低 PB / 高 BM

低 EV / EBIT

低 EV / FCF

或者行业内相对便宜的分位数规则

Step 2：用新版 F-Score 做质量确认

把 F-Score 当成质量过滤器：

分数高：说明长期增长、资本回报、偿债能力、回购等更稳定。

分数低：说明长期维度里经常掉链子（即使它现在看起来很便宜）。

实操建议：

≥ 6.5：值得放进候选清单。

≤ 4.5：除非有非常强的反转逻辑，否则宁愿不碰。

（阈值因市场与行业不同会变化，别把它当成硬规则）。

Step 3：补一层人工风控

再高的分数也无法完全规避以下风险：

会计造假 / 一次性因素

行业周期拐点

资产负债表里的雷（表外担保、诉讼、重大减值等）

所以最后还是要做一点人工常识校验。

局限性：F-Score 不是万能的

主要适用于中小企业

Piotroski 论文里很明确，财务报表分析带来的超额表现更集中在中小市值公司、低换手、缺乏分析师覆盖的公司。

直白点说，市场越不在意你，这套方法越可能有用。而如果你研究的是超级大盘股、机构全天候盯着的公司，那么公开财报信号的超额收益空间往往更小。这也就是我们常说的局限：它更适用于中小企业/被忽视的公司。

新版的额外局限

行业偏差：ROIC、利息覆盖、债务成本等指标对轻资产/重资产行业天然不公平。

利率环境偏差：固定用 5% 作为债务成本的门槛有问题。当整体利率很低时（比如2015年），5% 不算什么；但当整体利率很高时（比如2023年），5% 就是很优秀的水平了。

可能错过反转股：10 年一致性会"惩罚"刚修复的公司（这类公司反而是原版 F-Score 的强项）。

Beta 不等于风险：低 Beta 不一定更安全，高 Beta 也不一定更差，它更多是波动特征。

回购并非总是好事：高位回购可能毁价值；股本变化也可能受股权激励 / 公司动作影响。

交易成本与流动性：如果你真把策略落到小盘价值股，滑点、冲击成本、退市风险都要认真考虑。