智能財務(wù)分析與診斷機器人的開發(fā)及實證檢驗
——來自我國A股上市公司的經(jīng)驗證據(jù)

吳世農(nóng) 林曉輝 李柏宏 王舉明

(1.廈門大學(xué)管理學(xué)院，福建 廈門 361005；2.廈門大學(xué)公司金融研究中心，福建 廈門 361005)

一、引言

自1946年第一臺計算機在美國誕生以來，計算機在企業(yè)管理中的應(yīng)用越來越深入且廣泛。1954年GE應(yīng)用計算機進行工資管理，此后，從基于計算機操作系統(tǒng)(DOS)的單項管理發(fā)展到管理信息系統(tǒng)(MIS)、物料需求計劃(MRP)、制造資源計劃(MRPII)和企業(yè)資源規(guī)劃(ERP)等。隨著高端服務(wù)器、互聯(lián)網(wǎng)、大數(shù)據(jù)、深度學(xué)習(xí)算法和類腦芯片的發(fā)展，以互聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能為特征的第四代科技革命已經(jīng)到來。

在諸多產(chǎn)業(yè)中，金融業(yè)正在經(jīng)歷一場基于互聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能技術(shù)所引發(fā)的變革。2019年，美國注冊金融分析師研究院(Charted Financial Analyst Institute，CFA Institute)出版了《投資管理中的人工智能領(lǐng)先者》(AI Pioneers in Investment Management)一書，介紹了全球成功應(yīng)用大數(shù)據(jù)和人工智能技術(shù)解決投資管理問題的10個案例，中國人壽資產(chǎn)管理公司、中國證券評級投資公司和中國平安名列其中。在過去二十年中，大數(shù)據(jù)和人工智能技術(shù)不僅廣泛地應(yīng)用于商業(yè)銀行的存取款等業(yè)務(wù)，而且已開始廣泛應(yīng)用于金融投資行業(yè)的股票投資決策、銀行信貸決策、債券信用管理、投資組合管理、私人財富管理和首席投資官(CIO)的決策。并且，由于互聯(lián)網(wǎng)和大數(shù)據(jù)，會計核算和財務(wù)報表編制可以實現(xiàn)流程自動化；初級的審計智能化，即基于大數(shù)據(jù)發(fā)現(xiàn)關(guān)鍵審計問題的技術(shù)，開始應(yīng)用于會計師事務(wù)所的審計實踐。但是，財務(wù)管理智能化的研究和應(yīng)用明顯滯后于商業(yè)銀行、金融投資、會計與審計。這主要是因為基于企業(yè)財務(wù)數(shù)據(jù)的財務(wù)分析、比較、評價、識別、診斷、管理和決策，涉及更多元、更復(fù)雜的分類、認知、判斷和選擇，對人工智能技術(shù)的要求更高，技術(shù)實現(xiàn)和應(yīng)用的難度更大。

我國具有全球最多的移動用戶數(shù)、最多的企業(yè)數(shù)，以及豐富的大數(shù)據(jù)及其應(yīng)用場景，因此開展企業(yè)財務(wù)分析、比較、評價、診斷、管理與決策的智能化研究具有一定的優(yōu)勢。本文作者基于我國上市公司的財務(wù)數(shù)據(jù)開發(fā)了一款“智能財務(wù)分析與診斷機器人”(artificial intelligent based financial analyst and diagnostician，AI-FAD)。開發(fā)AI-FAD的主要目標(biāo)有二：一是實現(xiàn)快速分析企業(yè)財務(wù)報表，并診斷和發(fā)現(xiàn)企業(yè)潛在的關(guān)鍵問題，從而替代企業(yè)財務(wù)部門的分析人員機械和重復(fù)的人工財務(wù)分析工作，以及解決人工的財務(wù)分析耗時長、受人為主觀因素的影響多、分析專業(yè)化程度低等問題；二是應(yīng)用AI-FAD分析與評價上市公司的財務(wù)績效，根據(jù)上市公司的財務(wù)績效構(gòu)建投資組合直接進行或輔助進行投資決策。因此，AI-FAD具有雙重功能：第一，直接功能，即企業(yè)財務(wù)狀況的分析、財務(wù)績效評價和財務(wù)問題診斷功能；第二，間接功能，即通過AI-FAD對上市公司財務(wù)分析與診斷的結(jié)果進行投資管理與決策功能。

本文將首先討論AI-FAD的開發(fā)思路、基本目標(biāo)和總體的技術(shù)路線，并展示目前已經(jīng)開發(fā)完畢正在試運行的AI-FAD；其次將討論應(yīng)用AI-FAD于股票投資的一個簡單實驗結(jié)果。本文的主要貢獻在于：一是具有重要應(yīng)用價值，即率先開發(fā)一款智能化的財務(wù)分析與診斷機器人，實現(xiàn)了企業(yè)財務(wù)分析與診斷的智能化，并證明其具有應(yīng)用價值；二是具有理論價值，即開拓財務(wù)智能化及其相關(guān)實驗研究領(lǐng)域，并嘗試“開發(fā)-實驗-實證”的新型研究范式，為財務(wù)智能化研究提供了探索性的經(jīng)驗。

二、文獻回顧

目前，企業(yè)財務(wù)分析、評價、診斷、管理與決策的智能化研究仍然是個“空白”，但金融、投資、審計和財經(jīng)媒體報道方面的智能化研究已悄然興起。Ban et al.(2018)[1]曾研究如何應(yīng)用機器學(xué)習(xí)進行投資組合的優(yōu)化，發(fā)現(xiàn)通過機器學(xué)習(xí)構(gòu)建的“基于業(yè)績準(zhǔn)則”(performance-based regularization，PBR)投資組合是一種具有前景的面向風(fēng)險的模型范例，對未來類似的決策研究具有推廣價值。Blankespoor et al.(2018)[2]研究發(fā)現(xiàn)，基于人工智能機器人編輯處理的盈利的文字報告，顯著地影響股票的交易量和流動性，同時沒有證據(jù)表明其會改進或阻礙交易價格的速度。Sutherland(2018)[10]發(fā)現(xiàn)由于信息分享技術(shù)的發(fā)展，信貸報告導(dǎo)致“關(guān)系借貸”明顯下降。由于信息共享可以降低“關(guān)系轉(zhuǎn)換成本”(relationship-switching cost)，尤其對于年輕、小型或之前沒有違約的公司更是如此。Buchak et al. (2018)[3]則研究金融科技、常規(guī)套利和影子銀行的崛起，發(fā)現(xiàn)使用金融科技的信貸公司，相對于其他影子銀行，服務(wù)于更有信譽的借款人，在再融資市場上更加活躍，其貸款利率高14～16個基點，因此使用金融科技的信貸公司給予借款人更高的便利性而非低成本信貸。Goldstein et al.(2019)[9]于2017年提出金融科技未來的一些潛在研究方向，包括：支付變革如對等支付系統(tǒng)和加密貨幣，信貸、債權(quán)和股權(quán)投資、區(qū)塊鏈及分布技術(shù)、清算與交易系統(tǒng)、數(shù)字化金融服務(wù)如財務(wù)咨詢和財富管理、金融大數(shù)據(jù)分析、保險模型和產(chǎn)品、金融科技與普惠金融。Chen et al.(2019)[5]研究金融科技創(chuàng)新的價值，發(fā)現(xiàn)金融科技創(chuàng)新為創(chuàng)新者提供了巨大價值，位居前列的是物聯(lián)網(wǎng)、機器人咨詢和區(qū)塊鏈；金融機構(gòu)引入來自非金融性創(chuàng)業(yè)公司的破壞性技術(shù)，會對金融機構(gòu)的價值產(chǎn)生負面影響，而金融巨頭自己投入金融科技創(chuàng)新可以避免這種負面作用。Fuster et al.(2019)[8]研究金融科技在房屋按揭貸款中的作用，結(jié)果發(fā)現(xiàn)2010―2016年應(yīng)用金融科技的美國房屋信貸公司的市場占有份額從2%上升到8%，其處理貸款的效率比不使用金融科技房屋信貸公司快20%，但沒有證據(jù)表明這些公司降低了借貸的門檻。Zhu(2019)[11]在研究大數(shù)據(jù)的治理機制中，應(yīng)用實證研究分析了選擇性數(shù)據(jù)有用性的兩個效應(yīng)：股票價格的信息含量效應(yīng)和管理層的自律效應(yīng)，結(jié)果發(fā)現(xiàn)：選擇性數(shù)據(jù)通過降低信息成本從而提高了股價的信息含量，對于那些想要揭開公司信息的老練投資者尤其如此；選擇性數(shù)據(jù)降低了管理層的機會主義交易，同時提高了投資效率。D’Acunto et al.(2019)[6]探討機器人投資咨詢的發(fā)展前景和未來挑戰(zhàn)，發(fā)現(xiàn)接受機器人咨詢的投資者從多元化中獲得收益，并顯著地減少了行為偏差，包括交易處置、追漲殺跌和排序效應(yīng)；同時指出，未來人工智能機器人提供用于投資管理與決策的咨詢將無所不在。我國學(xué)者也開始探討金融科技的利弊和作用(龔曉葉和李穎，2020)[13]以及監(jiān)管問題(張紅偉和陳小輝，2018)[14]。

德勤(2019)[12]對全球人工智能的發(fā)展進行探討，指出人工智能正在全方位商業(yè)化，重塑各行業(yè)，主要包括金融、教育、醫(yī)療、政務(wù)、零售、制造、交通和城市管理等；其中，人工智能推動了金融業(yè)構(gòu)建更大范圍的高性能的商業(yè)生態(tài)系統(tǒng)，提高了金融機構(gòu)的商業(yè)效能，改變了其內(nèi)部經(jīng)營全過程。

CFA Institute(2019)[4]研究了高盛、英仕曼集團等全球10家著名金融投資公司后，確認了三種應(yīng)用人工智能和大數(shù)據(jù)于投資管理的模式：一是使用自然語言技術(shù)、計算機圖像技術(shù)和語音技術(shù)有效地處理文件、圖像和影響數(shù)據(jù)；二是應(yīng)用機器語言，包括深度學(xué)習(xí)及其技術(shù)，提高投資管理的算法有效性；三是應(yīng)用人工智能技術(shù)處理大數(shù)據(jù)，包括選擇性數(shù)據(jù)和非結(jié)構(gòu)數(shù)據(jù)進行投資前瞻性管理。同時，還專門發(fā)布兩篇“焦點研究報告”：一是機器學(xué)習(xí)可以快速解決現(xiàn)代投資組合的有效疆界；二是使用智能搜索技術(shù)收集和處理信息可以替代大量重復(fù)性工作和節(jié)約初級分析師的時間。

2019年美國《Review of Financial Studies》發(fā)起一期特刊，專門研究金融科技問題。從2017年1月15日至2017年3月15日，該刊收到來自全球409位作者的156篇論文，其中美國占49.9%，中國位居第二位占11.5%。三類最重要的論文入選：一是區(qū)塊鏈技術(shù)在商業(yè)和金融的應(yīng)用；二是金融服務(wù)的技術(shù)變革，包括對等支付系統(tǒng)、在線借貸評價與決策和人工智能機器人投資管理與決策咨詢等；三是大數(shù)據(jù)分析及其在金融業(yè)的應(yīng)用。

綜上可見，一是由于這一領(lǐng)域?qū)儆谛屡d交叉學(xué)科，學(xué)術(shù)研究成果不多且顯現(xiàn)滯緩，甚至理論和應(yīng)用的研究落后于金融科技業(yè)企業(yè)的研究和實踐；二是隨著金融科技應(yīng)用于金融企業(yè)，案例研究越來越多；三是多數(shù)研究停留在理論推演，或?qū)鹑诳萍紤?yīng)用結(jié)果的調(diào)查研究層面，或?qū)⒔鹑诳萍甲鳛橐粋€外部變量研究其對金融企業(yè)風(fēng)險的影響，缺少可用于金融實踐的技術(shù)性成果。本文嘗試“開發(fā)-實驗-實證”這種新型的研究范式，即在開發(fā)智能財務(wù)分析與診斷機器人的基礎(chǔ)上，通過實驗獲得更多數(shù)據(jù)，而后開展實證研究，探討智能財務(wù)分析與診斷機器人的成效。

三、AI-FAD的開發(fā)思路、基本目標(biāo)與技術(shù)路線

AI-FAD的開發(fā)思路是集大數(shù)據(jù)技術(shù)、人工智能技術(shù)、統(tǒng)計分析技術(shù)、會計-財務(wù)分析技術(shù)于一體，具有財務(wù)狀況分析、財務(wù)績效評價、財務(wù)問題診斷三大功能，可替代初、中級財務(wù)分析人員或證券分析師完成任意一家企業(yè)的財務(wù)分析與診斷的任務(wù)。總體而言，AI-FAD主要由三大系統(tǒng)，即數(shù)據(jù)庫、智能財務(wù)分析與診斷系統(tǒng)、報告編寫系統(tǒng)，六大技術(shù)模塊，即數(shù)據(jù)庫構(gòu)建技術(shù)、會計分析、財務(wù)分析技術(shù)(財務(wù)狀況-財務(wù)績效-財務(wù)診斷)、統(tǒng)計分析技術(shù)、人工智能技術(shù)(編程與算法)、語言表述與編寫技術(shù)構(gòu)成。因此，將三大系統(tǒng)、六大技術(shù)模塊有機且科學(xué)地結(jié)合起來，應(yīng)用計算機技術(shù)實現(xiàn)上述三大功能，保障智能財務(wù)狀況分析、財務(wù)績效評價、財務(wù)問題診斷的科學(xué)性、準(zhǔn)確性、時效性，是AI-FAD研發(fā)的基本目標(biāo)。

AI-FAD研發(fā)的總體技術(shù)路線是(見圖1)：第一，確定具體需求和目標(biāo)。廣義的財務(wù)分析一般包括分析企業(yè)的財務(wù)狀況，評價財務(wù)績效，以及在上述分析與評價的基礎(chǔ)上，診斷企業(yè)主要的財務(wù)問題并提出對策與建議，即一方面探究企業(yè)財務(wù)狀況變化的成因，另一方面探究財務(wù)績效變化的成因，據(jù)此提出決策建議。第二，構(gòu)建基于人工智能的財務(wù)分析、評價與診斷的相關(guān)模型，包括財務(wù)狀況分析和歸因模型和財務(wù)績效評價和歸因模型；在此基礎(chǔ)上確定算法，編制程序和編寫代碼；此后根據(jù)數(shù)據(jù)庫中的數(shù)據(jù)反復(fù)測算與迭代；最終獲得科學(xué)、合理、可用、具有普適性的財務(wù)狀況分析與診斷模型和財務(wù)績效評價與診斷模型。第三，輸入或抓取特定企業(yè)的相關(guān)數(shù)據(jù)。對于上市公司，計算機可自動從各類數(shù)據(jù)庫中抓取相關(guān)數(shù)據(jù)；對于非上市公司，需要輸入特定企業(yè)的相關(guān)數(shù)據(jù)。第四，從數(shù)據(jù)庫中搜索、匹配并合成相關(guān)財務(wù)分析與診斷模型所需的數(shù)據(jù)。第五，自動啟動人工智能技術(shù)，依據(jù)財務(wù)狀況分析與診斷模型和財務(wù)績效評價和診斷模型等，提取數(shù)據(jù)庫中的數(shù)據(jù)和輸入的數(shù)據(jù)進行計算，并根據(jù)計算結(jié)果進行分類或聚類、分析、比較、識別、判斷、選擇或決策。第六，將分類或聚類、分析、比較、識別、判斷、選擇或決策過程和結(jié)果轉(zhuǎn)入語言編寫系統(tǒng)，自動編寫和生成相關(guān)的財務(wù)分析與診斷報告。報告分為四部分：一是研究摘要；二是公司簡介；三是財務(wù)分析與診斷；四是基本結(jié)論和應(yīng)關(guān)注問題。第七，輸出和打印并提供相關(guān)企業(yè)的智能財務(wù)分析與診斷報告，供決策者參考和使用。第八，向三大系統(tǒng)(數(shù)據(jù)庫、智能分析與決策系統(tǒng)、報告編寫系統(tǒng))反饋有關(guān)信息，調(diào)整算法以修正系統(tǒng)中的模型，促進系統(tǒng)不斷 完善。

圖1 智能財務(wù)分析與診斷機器人(AI-FAD)研發(fā)的技術(shù)路線

目前，基于我國上市公司的AI-FAD已經(jīng)完成開發(fā)并進入試運行階段，其具有五大特點：一是速度快，時效性強，在具有底層數(shù)據(jù)(上市公司)或輸入相關(guān)數(shù)據(jù)(非上市公司)后，只需3～5秒鐘(上市公司)或5～10分鐘(非上市公司)即可完成一個公司五年期間的財務(wù)分析與診斷，并輸出其財務(wù)分析與診斷的文字報告；二是智能化程度較高，AI-FAD基本上可替代初、中級財務(wù)分析人員的工作；三是專業(yè)能力較強，具有與高級財務(wù)專家基本同等的智能；四是相對公平公正，基于專業(yè)視角，較客觀地分析公司的財務(wù)績效和評價公司的財務(wù)狀況；五是應(yīng)用性廣，實用性較強，不僅可用于上市公司，還可用于非上市公司；不僅可用于滬深上市公司，還可用于在港交所上市的公司；既可通過PC網(wǎng)頁獲得專業(yè)版和高管版二種版本的財務(wù)分析與診斷報告，還可通過手機小程序直接獲得高管版的財務(wù)分析和診斷報告。

如前所述，AI-FAD具有財務(wù)狀況分析、財務(wù)績效評價、財務(wù)問題診斷三大功能，三大功能需要構(gòu)建相關(guān)的理論模型。其中，綜合財務(wù)績效評價模型，是綜合國內(nèi)外財務(wù)績效優(yōu)秀公司的財務(wù)特征，梳理和構(gòu)建一個5個維度由16個主要財務(wù)指標(biāo)加權(quán)平均的綜合績效評價模型，包括“創(chuàng)利能力”即利潤的創(chuàng)造能力指標(biāo)、“創(chuàng)現(xiàn)能力”即經(jīng)營凈現(xiàn)金的創(chuàng)造能力指標(biāo)、“創(chuàng)值能力”即EVA的創(chuàng)造能力指標(biāo)、“風(fēng)控能力”即流動性以及負債和償債能力指標(biāo)、“成長能力”即收入、利潤和經(jīng)營凈現(xiàn)金的成長能力指標(biāo)，稱之為PCVRG(Profit-Cash-Value-Risk-controlling-Growth)模型，以此評價和辨識公司的綜合績效高低和變化特征。

四、實驗設(shè)計和檢驗方法

本文研究的第二個問題是探討所研發(fā)的智能財務(wù)分析與診斷機器人(AI-FAD)的實際應(yīng)用效果檢驗。若AI-FAD是有效的，那么，一是其分析和診斷結(jié)果應(yīng)該在“時效性”“專業(yè)性”和“準(zhǔn)確性”三方面優(yōu)于財務(wù)或金融分析師的人工分析與診斷結(jié)果；二是其分析與診斷結(jié)果可以作為擇股的依據(jù)，且所選擇股票具有明顯的超額收益，即應(yīng)具有明顯的“擇股能力”。AI-FAD的時效性或速度顯而易見，無需再進行實驗；由于對AI-FAD進行“財務(wù)專家賦能”，因此一般而言，其準(zhǔn)確性和專業(yè)性較高。因此，本文設(shè)計并進行了檢驗擇股能力的兩個 實驗。

(一)擇股能力的實驗設(shè)計

第一步：構(gòu)建2014―2019年我國上市公司(不含科創(chuàng)板和金融板塊)的財務(wù)數(shù)據(jù)庫。

第二步：啟動AI-FAD對上述上市公司進行財務(wù)分析與診斷，AI-FAD將根據(jù)其分析、評價與診斷結(jié)果，自動對上市公司的綜合財務(wù)績效進行行業(yè)排序。AI-FAD對2014―2019年上述樣本公司的財務(wù)分析與診斷后，得到2015―2019年綜合財務(wù)績效分布如表1所示。

第三步：根據(jù)AI-FAD的分析與診斷結(jié)果，為了進行實驗，將上市公司按其綜合財務(wù)績效分為四類：(1)高績效型，即5年的綜合財務(wù)績效排序均為行業(yè)75%以上；(2)低績效型，即5年的綜合財務(wù)績效排序至少4年均為行業(yè)25%以下；(3)績效上升型，即綜合財務(wù)績效排序4年呈現(xiàn)增長或3年增長且首末年增幅(末年績效分位數(shù)-首年績效分位數(shù))＞5%；(4)績效下降型，即綜合財務(wù)績效4年呈現(xiàn)下降或3年下降且首末年降幅＜-5%。

第四步：根據(jù)上述對高績效型公司與低績效型公司的定義，對績效上升型公司和績效下降型公司的定義，分別設(shè)計兩種實驗：個股實驗和組合實驗，一是比較高績效型與低績效型的累計超額收益率(cumulative abnormal return)CAR；二是比較績效上升型和績效下降型的累計超額收益率CAR。同時，觀測和檢驗兩者是否存在顯著 區(qū)別。

表1 2015―2019 年樣本公司綜合財務(wù)績效分布

個股實驗的具體步驟如下：分類后抽樣選取5家高績效型公司，并按照行業(yè)匹配原則，選取5家低績效型公司，與之進行比較，原則上，這兩種類型中所選的公司在行業(yè)上要具有一定的可比性；同理，選取5家績效上升型公司，并按照行業(yè)匹配原則，選取5家績效下降型公司與之進行比較，原則上，這兩種類型中所選的公司在行業(yè)上要具有一定的可比性。選樣結(jié)果如表2所示。然后，依次計算每家公司對比行業(yè)日收益率的超額日收益率以及累計超額收益率，并按照匹配結(jié)果進行成對比較。

組合實驗的具體步驟如下：根據(jù)AI-FAD的分析與診斷結(jié)果，對全樣本中的高績效型公司和低績效型公司分別構(gòu)建兩個投資組合，分別計算組合中個股的超額收益率和累計超額收益率，并計算組合的累計超額收益率，然后比較兩個組合的累計超額收益率；同理，對全樣本中的績效上升型公司和績效下降型公司分別構(gòu)建兩個投資組合，分別計算組合中個股的超額收益率和累計超額收益率，并計算組合的累計超額收益率，然后比較兩個組合的累計超額收益率。

第五步：擇股能力觀測和檢驗。一是若高績效型的上市公司或組合存在顯著的正超額收益率，低績效型的上市公司或組合存在顯著的負超額收益率，則表明賣出低績效型的個股或組合買入高績效型的個股或組合可以產(chǎn)生顯著的超額收益，即AI-FAD具有明顯和有效的擇股能力；二是若績效上升型的上市公司或組合存在顯著的正超額收益率，績效下降型的上市公司或組合存在顯著的負超額收益率，則表明賣出績效下降型的個股或組合買入績效上升型的個股或組合可以產(chǎn)生顯著的超額收益，AI-FAD具有明顯和有效的擇股能力。

為此，本文進行兩個實驗：實驗一是賣出低績效型個股或組合買入高績效型個股或組合，實驗二是賣出績效下降型個股或組合買入績效上升型個股或組合。

(二)AI-FAD擇股能力的檢驗方法

本文關(guān)注以下問題：基于AI-FAD辨識和輸出的綜合財務(wù)績效所構(gòu)建高績效型與低績效型的組合，績效上升型與績效下降型的組合，在不同的時間或年份，其CAR是否存在顯著差異？換言之，綜合財務(wù)績效信息類型與CAR是否具有顯著的相關(guān)性？為檢驗上述問題，將CAR與年份(T)進行簡單回歸分析，檢驗這種相關(guān)性是否隨著時間(T)的推移，持續(xù)穩(wěn)定地存在？換言之，根據(jù)AI-FAD辨識和輸出的綜合財務(wù)績效，若一個連年高績效型、績效上升型的股票或組合，其CAR顯著為正，且不斷增長，說明根據(jù)AI-FAD選股和構(gòu)建組合具有持續(xù)穩(wěn)定、顯著為正的CAR；若一個連年低績效型、績效下降型的股票或組合，其CAR顯著為負，且不斷下降，說明根據(jù)AI-FAD選股和構(gòu)建組合具有持續(xù)穩(wěn)定、顯著為負的CAR。

本文借鑒Fama(1965)[7]提出的“事件研究法”中累計超額收益率的計算方法，以2016年5月3日為起始日，2020年5月3日為結(jié)束日，依交易日計算個股或組合的超額日收益率AR，即：

其中Ri是個股或組合的日收益率；Rm是個股所屬行業(yè)所有股票的日平均收益率，本文取個股所屬申萬三級行業(yè)指數(shù)的日收益率。

1.個股累計超額收益率的計算方法

以2016年5月3日為t=1，依交易日順序累計至2020年5月3日的第i只股票的超額日收益率，獲得第i只股票的累計超額日收益率CARi，即

2.組合累積超額收益率的計算方法

以2016年5月3日組合內(nèi)公司的流通市值作為權(quán)重，計算各類組合相對所屬行業(yè)的累計超額收益率CARp，即

值得指出的是，由于各組合內(nèi)的部分上市公司2016年5月3日前未上市，若無交易數(shù)據(jù)，則扣除該樣本公司后，以剩余樣本公司計算組合的累計超額收益率。

3.擇股能力穩(wěn)定性的實證檢驗方法

本文對個股或各類組合相對所屬行業(yè)日收益率的累計超額日收益率與交易時間(日)變量進行相關(guān)性與線性回歸分析，即構(gòu)建個股的線性回歸模型(4-1)和組合的線性回歸方程(4-2)：

表2 實驗樣本公司名稱和所屬行業(yè)分布

其中CARi代表個股相對所屬行業(yè)平均收益率的累計超額收益率，CARp代表組合相對所屬行業(yè)平均收益率的累計超額收益率，T代表時間(交易日)。

根據(jù)模型(4-1)和(4-2)，當(dāng)β顯著大于零，表明CAR與T顯著正相關(guān)，投資和持有高績效型股票或組合、績效上升型股票或組合的CAR隨年份的推移持續(xù)顯著增長；當(dāng)β顯著小于零，表明CAR與T顯著負相關(guān)，投資和持有低績效型股票或組合、績效下降型股票或組合的CAR隨年份的推移持續(xù)顯著下降。

五、實驗和實證檢驗結(jié)果與分析

(一)個股的實驗結(jié)果與分析

1.實驗一：高績效型vs.低績效型

圖2是1家高績效型公司的實驗結(jié)果，圖3是1家低績效型公司的實驗結(jié)果。其中，左邊的柱狀圖是AI-FAD對樣本公司2015―2019年的綜合財務(wù)績效評價結(jié)果，右邊是樣本公司2016年5月3日至2020年3月3日的累計超額收益率。

圖2 FYB實驗圖(高績效型)

圖3 STZ實驗圖(低績效型)

由圖2可見，經(jīng)AI-FAD分析與診斷后，這家公司2015―2019年的綜合財務(wù)績效始終處于該行業(yè)的75%以上，同期，其累計超額收益率總體上為正數(shù)且呈現(xiàn)顯著的上升態(tài)勢。對樣本中其它高績效型公司的實驗結(jié)果類似。這一結(jié)果表明，買入高績效的公司股票可獲取顯著的超額收益，且累計超額收益率越來越高。

由圖3可見，經(jīng)AI-FAD分析與診斷后，這家公司2015―2019年的綜合財務(wù)績效至少4年處于該行業(yè)的25%以下，同期，其累計超額收益率總體上為負數(shù)且呈現(xiàn)顯著的下降態(tài)勢。對樣本中其它低績效型公司的實驗結(jié)果類似?？梢?，應(yīng)用AI-FAD的分析與診斷結(jié)果選股，買入高績效型股票可以獲得顯著的超額收益，且累計超額收益率越來越高，同時可以規(guī)避投資低績效型股票的投資損失。若可賣空買空，賣空低績效型公司股票可獲取顯著的超額收益，且累計超額收益率越來越高；或賣空低績效型公司股票買空高績效型公司股票，不僅規(guī)避投資低績效型股票的投資損失，還可獲取更高的超額收益。

圖4 LXJ實驗圖(績效上升型)

2.實驗二：績效上升型vs.績效下降型

圖4是1家績效上升型公司的實驗結(jié)果，圖5是1家績效下降型公司的實驗結(jié)果。其中，左邊的柱狀圖是AIFAD對樣本公司2015―2019年的財務(wù)績效評價結(jié)果，右邊是樣本公司2016年5月3日至2020年3月3日的超額累計收益率。

由圖4可見，經(jīng)AI-FAD分析與診斷后，這家公司2015―2019年的綜合財務(wù)績效呈現(xiàn)上升態(tài)勢并最終處于該行業(yè)的75%以上，同期，其累計超額收益率總體上為正數(shù)且呈現(xiàn)顯著的上升態(tài)勢。對樣本中其它績效上升型公司的實驗結(jié)果類似。這一結(jié)果表明，買入績效上升型的公司股票，可獲取顯著的超額收益，且累計超額收益率越來越高。

圖5 TCZ實驗圖(績效下降型)

表3 樣本個股累計超額收益率的實證檢驗結(jié)果

由圖5可見，經(jīng)AI-FAD分析與診斷后，這家公司2015―2019年的綜合財務(wù)績效呈現(xiàn)下降態(tài)勢并最終處于該行業(yè)的25%以下，同期，其累計超額收益率總體上為負數(shù)且呈現(xiàn)顯著的下降態(tài)勢。對樣本中其它績效下降型公司的實驗結(jié)果類似。由此可見，應(yīng)用AI-FAD的分析與診斷結(jié)果選股，投資績效上升型公司的股票可獲取顯著的超額收益，且超額收益率越來越高，同時可以規(guī)避投資績效下降型股票的投資損失。若可賣空買空，賣空績效下降型的公司股票可獲取顯著的超額收益，且累計超額收益率越來越高；或賣空績效下降型股票買空績效上升型股票可獲取更高的超額收益。

(二)個股的實證檢驗結(jié)果與分析

由20只個股的實驗結(jié)果(圖2～圖5)和實證檢驗結(jié)果(表3)可見，隨著時間的推移，個股的累計超額日收益率顯著增長，統(tǒng)計檢驗表明20只個股的CAR與交易日T顯著相關(guān)，即5只高績效型股票的CAR和5只績效上升型股票的CAR均與T顯著正相關(guān)；5只低績效型股票的CAR和5只績效下降型股票的CAR均與T顯著負相關(guān)。這表明AIFAD具有有效的選股能力，具體來說，應(yīng)用AI-FAD對我國上市公司進行財務(wù)分析與診斷，并依據(jù)其分析與診斷結(jié)果，輸出上市公司過去5年的綜合財務(wù)績效及其變動態(tài)勢，再對上市公司的綜合財務(wù)績效進行分類，然后根據(jù)上市公司的綜合財務(wù)績效進行投資決策：一是賣出低績效型的股票買入高績效的股票，可以獲取明顯的超額收益。即使在沒有賣空的條件下，規(guī)避買入低績效型的股票明顯可以避免投資虧損，投資高績效型的股票可以獲得明顯的超額收益。二是賣出績效下降型的股票買入績效上升型的股票，可以獲取明顯的超額收益。即使在沒有賣空的條件下，規(guī)避買入績效下降型的股票明顯可以避免投資虧損，投資績效上升型的股票可以獲得明顯的超額收益。

(三)組合的實驗結(jié)果與分析

為獲得更加嚴謹?shù)膶嶒灲Y(jié)論，本文進一步通過投資組合進行實驗和實證檢驗。根據(jù)AI-FAD的綜合財務(wù)績效評價結(jié)果，將全A股股票分組，并構(gòu)建四類投資組合，即高績效型股票的投資組合與低績效型股票的投資組合、績效上升型股票的投資組合與績效下降型股票的投資組合。通過比較各組投資組合的累計超額收益率數(shù)據(jù)，檢驗AI-FAD的擇股能力。

表4 A 股上市公司綜合財務(wù)績效的分組分布與樣本量

表5 四類組合個股累計超額日收益率的描述性統(tǒng)計(2016 年5 月3 日―2020 年5 月3 日)

1.組合累計超額日收益率的描述性統(tǒng)計

根據(jù)AI-FAD的綜合財務(wù)績效評價結(jié)果，本文將全A股上市公司(扣除金融、科創(chuàng)板上市公司)分為五組：高績效型組合、低績效型組合、績效上升型組合、績效下降型組合、其他組合。前面四類投資組合將用于本文的實驗和實證檢驗。各類組合的構(gòu)建標(biāo)準(zhǔn)和樣本量如表4所示；各類組合中樣本個股的累計超額日收益率的統(tǒng)計結(jié)果如表5所示。

四類組合的累計超額日收益率的描述性統(tǒng)計結(jié)果(見表6)顯示，高績效型組合的累計超額日收益率的平均值、中位數(shù)均顯著高于低績效型組合，績效上升型組合的累計超額日收益率、中位數(shù)均顯著高于績效下降型組合，初步表明相對行業(yè)累計超額日收益率與綜合財務(wù)績效具有明顯的相關(guān)性。但值得注意的是，績效上升型組合的累計超額日收益率明顯低于高績效型組合的累計超額日收益率，初步表明在四類組合中，高績效型組合具有最高的累計超額日收益率。

表6 四類組合累計超額日收益率的描述性統(tǒng)計(2016 年5 月3 日―2020 年5 月3 日)

2.組合的實驗結(jié)果與分析

為進一步分析綜合財務(wù)績效與各類組合累計超額日收益率之間的關(guān)系，圖6～圖9列示了四類組合的綜合財務(wù)績效與其累計超額日收益率。其中，各公司的綜合財務(wù)績效由AI-FAD生成，各類組合的綜合財務(wù)績效則采用市值進行加權(quán)平均。由圖6～圖9可見，高績效型組合、績效上升型組合的累計超額日收益率總體上為正，且呈現(xiàn)上升態(tài)勢；低績效型組合、績效下降型組合的累計超額日收益率總體上為負，且呈現(xiàn)下降態(tài)勢。

圖6 高績效組合的綜合財務(wù)績效與累計超額收益率變化

圖7 低績效組合的綜合財務(wù)績效與累計超額收益率變化

圖8 績效上升組合的綜合財務(wù)績效與累計超額收益率變化

圖9 績效下降組合的綜合財務(wù)績效與累計超額收益率變化

組合的實驗結(jié)果表明，買入高績效型的投資組合，賣出低績效型的投資組合，可獲取顯著的超額收益，且累計超額收益率越來越高。即使在不可賣空的條件下，規(guī)避買入低績效型的投資組合，投資高績效型的投資組合，也可以獲得明顯的超額收益。同樣，買入績效上升型的投資組合，賣出績效下降型的投資組合，可獲取顯著的超額收益，且累計超額收益率越來越高。即使在不可賣空的條件下，規(guī)避買入績效下降型的投資組合，投資績效上升型的投資組合，也可以獲得明顯的超額收益。由此可見，無論是否可以賣空，應(yīng)用AI-FAD的分析與診斷結(jié)果選股構(gòu)建和管理投資組合，存在明顯的超額收益，且累計超額收益率隨著時間的推移逐漸上升，表明AI-FAD具有穩(wěn)定的擇股能力。

(四)組合的實證檢驗結(jié)果與分析

根據(jù)上述實驗結(jié)果可進行實證檢驗，即針對高績效型組合、低績效型組合、績效上升型組合、績效下降型組合，分別計算各類組合中個股相對行業(yè)的累計超額收益率，再計算組合的累計超額收益率，然后根據(jù)模型(4-2)，將四個組合的CAR與時間(T)進行相關(guān)性分析。模型(4-2)的回歸結(jié)果和相關(guān)系數(shù)如表7所示，可見：

(1)高績效型組合的系數(shù)β顯著為正，而低績效型組合的系數(shù)β顯著為負，表明AI-FAD模型可有效擇股，即基于AI-FAD的綜合財務(wù)績效分析與診斷模型選股可以獲取顯著的超額收益，買入高績效股票組合，或賣出低績效股票組合可以獲得超額收益。換言之，在可買空賣空的情況下，買入高績效和賣出低績效可以獲得更高的超額收益，因此基于AI-FAD的綜合財務(wù)績效分析與診斷模型的投資決策穩(wěn)健且持續(xù)有效。

表7 組合累計超額收益率的實證檢驗結(jié)果

表8 穩(wěn)健性檢驗(以滬深300 指數(shù)為基準(zhǔn))

(2)績效上升型組合的系數(shù)β顯著為正，同時績效下降型組合的系數(shù)β顯著為負，表明AI-FAD模型有效，即基于AI-FAD綜合財務(wù)績效分析與診斷模型選股可以獲取顯著的超額收益，買入績效上升型的股票組合，或賣出績效下降型的股票組合可以獲得超額收益。換言之，在可買空賣空的情況下，買入績效上升型的股票組合和賣出績效下降型的股票組合可以獲得更高的超額收益，因此基于AI-FAD綜合財務(wù)績效分析與診斷模型的投資決策穩(wěn)健且持續(xù)有效。

(3)值得指出的是，高績效型組合、低績效型組合的累計超額收益率與時間的相關(guān)性很高，β系數(shù)顯著且較大，意味著以績效高低進行選股的投資決策相對更有效；績效上升型組合的累計超額收益率與時間的相關(guān)性較低，β系數(shù)雖然顯著但較小，意味著單純根據(jù)綜合績效上升來選股的投資決策的效益相對較低。可見，在不可買空的條件下，相對于績效上升型的投資組合，高績效型投資組合的累計超額收益率最高，因此投資效益 最高。

(五)穩(wěn)健性檢驗

為保障研究結(jié)論的穩(wěn)健性，本文在計算樣本股票的超額日收益率和累計超額日收益率時，用滬深300指數(shù)的收益率替代行業(yè)指數(shù)的收益率，檢驗結(jié)果如表8所示。結(jié)果表明：除了績效上升型組合外，其他三類組合的結(jié)論依然穩(wěn)健，其中高績效型組合的累計超額收益率最高最穩(wěn)定?？冃仙徒M合的β系數(shù)顯著為負的主要原因在于市場收益率整體波動較大，且目前市場上缺少合適的績效上升型的指數(shù)可進行匹配對比。此外，使用Wind300除金融指數(shù)和Wind全A股指數(shù)后，結(jié)論不變(限于篇幅，不再報告)。

六、結(jié)論與展望

全球正在經(jīng)歷一場以互聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能為特征的第四代科技革命，并正在或即將快速推動企業(yè)、產(chǎn)業(yè)和社會各方面的變革。本文依據(jù)現(xiàn)代財務(wù)分析理論與方法，基于我國上市公司財務(wù)數(shù)據(jù)，構(gòu)建了我國上市公司財務(wù)狀況和綜合財務(wù)績效的分析與評價模型；在此基礎(chǔ)上，應(yīng)用人工智能技術(shù)開發(fā)一款智能財務(wù)分析與診斷機器人(AI-FAD)。該款機器人可以代替人工的財務(wù)分析與診斷，對比財務(wù)分析師，其具有快速高效、客觀公正和專業(yè)準(zhǔn)確的特點，展示出廣泛的應(yīng)用前景。

本文應(yīng)用AI-FAD于股票投資決策，即根據(jù)AI-FAD對我國上市公司2015―2019年綜合財務(wù)績效的分析與評價結(jié)果，將上市公司的綜合財務(wù)績效分為四種類型，結(jié)果發(fā)現(xiàn)：(1)在不可賣空交易的情況下，避免投資低績效型股票或組合和績效下降型股票或組合可規(guī)避投資損失，買進高績效型股票或組合和績效上升型股票或組合可獲取明顯的超額收益；(2)在可賣空買空交易的情況下，賣空低績效型股票或組合和績效下降型股票或組合，買空高績效型股票或組合和績效上升型股票或組合，可獲得更高的超額收益；(3)對比績效上升型股票或組合，高績效型股票或組合的累計超額收益率更高更 穩(wěn)定。

本文的實驗設(shè)計還可以進一步改進和完善：一是在計算超額收益率時，可以增加比較基準(zhǔn)，如與績優(yōu)股的投資基金或成長型的投資基金，甚至與最優(yōu)秀的投資基金的收益率進行比較；二是與人類思維一樣，AI-FAD是基于理論建模和歷史數(shù)據(jù)推演的人工智能機器人，其中的財務(wù)分析、評價和診斷模型暫未考慮未來變化和不確定性的影響?？傊?，盡管AI-FAD在分析、比較、評價、識別、判斷和選擇等方面仍存在一些有待改進的局限性，但至少展示了人工智能技術(shù)應(yīng)用于企業(yè)財務(wù)分析、比較、評價、識別、診斷以及投資管理和決策的可能性和可行性。

注釋

※感謝廈門大學(xué)管理學(xué)院財務(wù)學(xué)系吳育輝教授的建議和審閱。本文所使用的“智能財務(wù)分析與診斷機器人(AI-FAD)”由北京同仁慧研科技有限公司資助研發(fā)，特此致謝。