Piotroski F-Score：用 9 项财务信号筛出真便宜股

2000 年，芝加哥大学会计学教授 Joseph Piotroski 在《Journal of Accounting Research》发表了一篇后来被引用 超过 4000 次的论文《Value Investing: The Use of Historical Financial Statement Information to Separate Winners from Losers》。论文提出一个看似朴素的问题：在低 PB（低账面/市值比）的便宜股票池中，如何区分真便宜和价值陷阱？^[1]

Piotroski 的答案是 9 项基于会计报表的财务信号 — 每项满足得 1 分，不满足得 0 分，加总形成 0-9 分的 F-Score。原始论文回测显示，在 1976-1996 年美国市场低 PB 组中，F-Score ≥ 8 组合录得年化 +13.4% 市场调整收益，F-Score ≤ 1 组合 −9.6%，高低分差约 23pct^[1]。这一发现被 Damodaran、AAII、CFA Institute 引入主流估值与质量教材^[2][3][4]。

本文从定义、9 项信号详解、学术回测、A 股与美股双案例、与 Altman Z / Beneish M / Magic Formula 对比、失效场景、FAQ 七层展开。

一、F-Score 是什么：9 分质量筛选器的设计哲学

F-Score 的全名是 Piotroski Score 或 F_SCORE（论文中的变量名）。「F」代表 Fundamental（基本面）。这个评分系统的设计哲学有三个特点^[1][2]。

第一，二元打分而非加权。每项信号要么 1 分要么 0 分，避免了主观加权的风险。这意味着模型简单到任何人都能用 Excel 一分钟算完。

第二，看变化方向而非绝对水平。9 项信号中 5 项是同比变化（ROA 改善、毛利率上升、资产周转率上升、流动比率上升、长期负债率下降）。Piotroski 的核心洞察是：便宜股票的关键不在于「现在多便宜」，而在于「基本面是改善还是恶化」。

第三，专为低 PB 池设计。原始论文明确说明，F-Score 在低 PB（账面/市值比最高 20%）股票中效果最强；放到全市场或成长股池子里效力大幅下降。这是 F-Score 与 Magic Formula、ROIC 等通用质量指标的关键差异^[1][3]。

需要观察的是：F-Score 不是一个「选股得分」，而是一个 价值陷阱过滤器。低 PB 股票池历史上回报参差不齐（很多是基本面持续恶化的「便宜股」），F-Score 用基本面信号把池子里的两类公司分开：真便宜（财务向好）和价值陷阱（财务继续恶化）^[1][5]。

二、9 项信号详解：盈利 4 + 杠杆/流动性 3 + 效率 2

9 项信号分为三个维度。每项满足条件得 1 分，不满足得 0 分。Piotroski (2000) 原文定义如下^[1]。

每项信号背后都有清晰的逻辑。ROA 为正意味着公司能赚钱；CFO 为正意味着赚的不只是账面利润；ROA 改善意味着盈利能力在提升；CFO > 净利润意味着应计质量高、没有用应收账款堆利润^[1][2]。

杠杆与流动性维度更直接 — Piotroski 的逻辑是：处于低 PB 池的公司多数财务承压，降杠杆 + 增流动性 + 不增发 三项同时满足的公司，财务方向是修复的^[1]。

经营效率两项捕捉的是经营改善的早期信号 — 毛利率上升说明产品定价能力恢复，资产周转率上升说明资产利用效率提升。两者同时出现往往领先于 ROA 改善 1-2 个季度^[2][3]。

分数解读：8-9 分 = 财务强劲、5-7 分 = 平庸、0-4 分 = 财务恶化。Piotroski 建议买入 8-9 分组合，回避 0-2 分组合^[1]。

三、原始论文回测：低 PB 池中的 23pct 利差

Piotroski (2000) 的核心回测覆盖 1976-1996 年美国市场全部上市公司，每年 4 月 30 日（财报披露完成后）按 PB 排序取最高 20%（即低 PB 组），约 14,043 个公司-年观测^[1]。

这意味着两层结论。第一，在低 PB 这个「便宜池子」中，F-Score 系统性区分了 winners 和 losers，最高分组比最低分组年化高 23pct。第二，这个效应在 小盘股 + 低分析师覆盖股 中最强 — Piotroski 在论文 Table 6 中显示，小盘 + 低 ADR 覆盖子样本的多空收益达到 +39.7%^[1]。

需要观察的是：F-Score 效应在过去 25 年被多个学术研究复制验证。Mohanram (2005) 把类似框架应用到高 PB（成长股）池子构建 G-Score；Mohr (2012) 在欧洲市场验证；Hyde (2018) 在亚太市场验证；CFA Institute 在 2020 年综述中将其列为 最 robust 的 anomaly 之一^[2][4][5]。

四、案例一（美股）：低 PB 价值修复 — 埃克森美孚 XOM

以 2021 年初的低 PB 美股 埃克森美孚（XOM） 为案例（用其 FY2020 vs FY2019 数据打分）^[6]。2020 年 XOM 因油价暴跌全年净亏损 224 亿美元，但 2021 年油价 V 型反转，市场关心：用 F-Score 是否能在 2020 年底识别出后续修复？

FY2020 末 XOM 的 F-Score 只有 4 分 — F-Score 在 2020 年底其实 不会推荐买入。这是 F-Score 的特性：它捕捉的是「已经在修复中」的公司，而不是「将要修复」的公司。XOM 的 FY2021 年报披露后（约 2022 年 2 月），F-Score 跳升至 8 分（ROA +10.5%、CFO 480 亿、毛利率从 14.9% 升至 26.3%、ROA 改善 +17.4pct），此时股价已从 41 美元涨到 75 美元^[6]。

这意味着 F-Score 的应用方式是 季度滚动评分，而非一次性打分。当一只标的从 F = 4 跳升到 F = 8 的信号强度，远大于另一只标的常年保持 F = 7。前者是修复确立，后者是质量稳定但无 catalyst^[1][3]。

五、案例二（A 股）：高股息低 PB 央企 — 中国神华

以 中国神华（601088.SH） 的 FY2024 数据为案例（vs FY2023）^[7]。神华长期处于低 PB（约 1.0-1.3 倍）、高股息（DR 8-10%）状态，是 A 股典型的「低 PB 央企」样本。

神华 F-Score = 6/9，处于「平庸偏上」区间。三个加分项很扎实：高 CFO 含量（CFO/净利润 = 1.62，应计质量极好）、降杠杆、不增发。三个失分项都是周期性原因 — 煤价从 2023 年高位回落，导致 ROA、毛利率、资产周转率均微降^[7]。

需要观察的是：神华 6 分的解读应该结合 行业背景。煤炭板块整体处于价格回落期，6 分意味着神华在周期下行中财务韧性优于多数同行（同期兖矿能源 4 分、陕西煤业 5 分）。如果煤价企稳，神华下一年的得分大概率回到 7-8 分^[7]。

这是 F-Score 在 A 股使用的一个适配技巧：把 F-Score 与同行业横向对比相结合，而不是单纯看绝对分数。低 PB 央企（电力、煤炭、银行）常年处在 5-7 分区间，跳升到 8-9 分往往是基本面拐点^[5][7]。

六、与其他量化模型对比：定位与组合用法

F-Score 不是唯一的量化筛选模型。市场上常被一起提到的还有 Altman Z-Score（破产预测）、Beneish M-Score（盈利操纵检测）、Greenblatt Magic Formula（神奇公式）^[2][3][8]。

四个模型实际上是 互补关系。Piotroski 自己在论文结论中指出，F-Score 应该被视为价值投资工具箱中的一个工具，而非完整选股系统^[1]。机构常见的组合用法有三种^[3][5][8]。

组合一：Magic Formula + F-Score。先用 Magic Formula 在全市场选出 50-100 只便宜好公司（高 ROIC + 高 EBIT/EV），再用 F-Score 过滤掉 ≤ 4 分的标的。Joel Greenblatt 在 2010 年的访谈中明确表示他后续策略加入了 F-Score 类的质量过滤^[8]。

组合二：低 PB + F-Score + Altman Z。先按 PB 取最低 20%，再用 F-Score ≥ 7 选优质修复股，最后用 Altman Z > 1.81 排除潜在破产标的。这是 AAII（American Association of Individual Investors）官方 Piotroski Screen 的标准流程^[3]。

组合三：F-Score + Beneish M。F-Score 看质量改善方向，Beneish M 看是否有人为操纵嫌疑。两者结合可以避免「F-Score 拿到 8 分但盈利操纵嫌疑高」的标的（如 2018-2019 年的康美药业、辉山乳业类公司）。

七、F-Score 的失效场景：周期顶、窗口公司、高成长

F-Score 不是万能。三类场景会显著失效^[2][5]。

失效场景一：周期股顶部。周期高点 ROA 大幅改善、CFO 强劲、毛利率扩张、资产周转率上升 — 容易让公司打满 9 分。但 9 分往往出现在周期顶部，接下来就是周期下行。典型案例：2021 年航运（中远海控）、煤炭（陕西煤业）、化工（华鲁恒升）在景气高点都拿过 8-9 分，但随后 12-24 个月 ROA 大幅回落^[7]。

应对方法：F-Score 与 ROIC 5 年滚动均值 结合 — 如果当年 ROIC 显著高于 5 年均值，可能是周期高点，F-Score 高分需要打折看。

失效场景二：会计窗口公司。CFO 改善可能来自延期付款给供应商（应付账款上升），毛利率改善可能来自一次性资产处置或会计政策变更。这类账面好看但本质未改善的公司，F-Score 会给出虚假高分^[2][5]。

应对方法：F-Score 与 Beneish M-Score 结合 — 同时看 DSRI（应收账款指数）、AQI（资产质量指数）。如果 F-Score 高但 Beneish M 也高（≥ −1.78），需要质疑财务真实性^[8]。

失效场景三：高成长公司。成长股早期 CFO 为负（用户/客户预付款不足以覆盖增长投入）、ROA 偏低（重资产 + 重研发）、流动比率因增发而下降 — F-Score 自然低分。但用 F-Score 否决高成长公司会错过亚马逊、特斯拉、Shopify 类机会。Piotroski 在原始论文中明确说明 F-Score 适用于 低 PB（价值股）池子，不适用于高 PB（成长股）池子^[1]。

应对方法：成长股用 Mohanram G-Score（Mohanram 2005 年提出的高 PB 池版本质量评分，覆盖增长稳定性、现金转换、研发强度等 8 项信号），而不是 F-Score^[5]。

八、操作要点：何时打分、看什么趋势

F-Score 的实操有四个要点^[1][3][5]。

第一，年度打分为主，季度滚动为辅。原始论文用年报数据（4 月底披露完成后）。实操中可以季度滚动打分（TTM 数据），但要注意季度数据的季节性波动可能放大噪音。

第二，看趋势比看绝对分更重要。一只标的从 F = 4 跳升到 F = 8 的信号强度，远大于另一只标的常年保持 F = 7。前者是修复确立，后者是质量稳定但无 catalyst。

第三，必须叠加估值过滤。F-Score 高的优质公司如果 PB > 5、PE > 40，已经被市场充分定价，超额收益将大幅缩窄。原始论文的回测设定明确包含低 PB（最高 20%）前提^[1]。

第四，组合而非单股。F-Score = 9 的单只股票仍可能跑输市场（噪音 + 黑天鹅），但 F-Score = 8-9 的 30-50 只股票等权组合在历史回测中显示出 稳定的超额收益。这是 Piotroski 模型适合 组合化使用 而非单股押注的原因^[1][3][5]。

九、常见问题（FAQ）

Q1：Piotroski F-Score 是什么？为什么是 9 分？

Piotroski F-Score 是芝加哥大学会计学教授 Joseph Piotroski 在 2000 年发表的财务质量评分系统，由 9 项基于会计报表的二元信号（满足得 1 分，不满足得 0 分）相加而成，总分 0-9。9 项信号覆盖三个维度：盈利能力 4 项（ROA 为正、CFO 为正、ROA 同比改善、CFO > 净利润）、杠杆与流动性 3 项（长期负债率下降、流动比率上升、未增发股票）、经营效率 2 项（毛利率上升、资产周转率上升）。F-Score 设计的核心理念是：在便宜股票池中（低 PB），用基本面信号区分真便宜（财务向好）和价值陷阱（财务恶化）^[1]。

Q2：Piotroski 原始论文的回测结果如何？

Piotroski (2000) 在 1976-1996 年美国市场，将低 PB 组（账面市值比最高 20%）按 F-Score 分层。低 PB 组整体一年期市场调整收益约 +7.5%；F-Score ≥ 8 组合录得 +13.4%，F-Score ≤ 1 组合 −9.6%，高低分差约 23pct。组合层面，做多高 F、做空低 F 的多空策略在 1976-1996 年录得年化约 23.0% 收益。后续学术研究（Mohr 2012、Hyde 2018 等）在欧洲、亚太、新兴市场重复验证，效应在小盘价值股中最强^[1][4][5]。

Q3：F-Score 与 Altman Z-Score、Beneish M-Score、Magic Formula 的差异？

四个量化模型目标不同。Altman Z-Score（1968）预测破产概率，5 个比率加权；Beneish M-Score（1999）检测盈利操纵，8 个比率加权；Piotroski F-Score（2000）筛选质量改善方向，9 项二元信号；Joel Greenblatt Magic Formula（2005）筛选高 ROIC + 高盈利收益率的便宜好公司，2 个排名。F-Score 与 Magic Formula 常被组合使用：先用 Magic Formula 选便宜好公司，再用 F-Score 过滤财务恶化标的。F-Score 与 Altman Z 是互补关系（一个看质量改善方向、一个看破产风险）^[2][3][8]。

Q4：F-Score 在 A 股有效吗？

学术研究显示 F-Score 在 A 股有效但存在三个适配问题。一是会计准则差异（CFO 口径与美国 GAAP 略有差异），二是国企比例高导致融资行为非市场化（增发信号需谨慎），三是 A 股小盘股流动性壁垒。Yu & Lou (2015) 对 1998-2014 年 A 股回测显示，低 PB 组 F ≥ 7 年化超额收益约 5-8%，弱于美国但仍显著。实操中建议把『未增发股票』信号放宽（很多优质央企会做配股或可转债融资）^[5][7]。

Q5：F-Score 在哪些场景会失效？

三类场景显著失效。一是周期股顶部：周期高点 ROA 大幅改善、CFO 强劲、毛利率扩张容易让公司打满分，但接下来就是周期下行（如 2021 年航运、煤炭）。二是会计窗口公司：CFO 改善可能来自延期付款给供应商，毛利率改善可能来自一次性资产处置。三是高成长公司：成长股早期 CFO 为负、ROA 偏低，F-Score 自然低分，但用 F-Score 否决高成长公司会错过亚马逊型机会。F-Score 的最佳使用场景是稳定行业 + 低 PB 池子^[1][2][5]。

引用　[1] Piotroski (2000), Journal of Accounting Research 38, 1-41；[2] Damodaran, Investment Philosophies, NYU Stern；[3] AAII Stock Investor Pro Piotroski Screen 官方文档；[4] CFA Institute Research Foundation, Anomaly 综述 (2020)；[5] Mohanram (2005) 与 Yu & Lou (2015) A 股 F-Score 实证；[6] ExxonMobil FY2019-FY2021 10-K；[7] 中国神华 2023-2024 年报；[8] Greenblatt (2005) The Little Book That Beats the Market 与 Beneish (1999) The Detection of Earnings Manipulation。

By m8 康哥。关注时效性资讯与跨市场综述。

免责声明：本文为基于公开资料的概念教学与方法论梳理，不构成任何投资建议、买卖推荐或目标价预测。投资者应独立判断、自行承担风险。所引用学术研究与机构数据仅作参照，不代表 m8 立场。