财务分析一般会有哪些思路和方法？任你博

　　任你博大多数财务分析都是从报表开始的，通过各种财务指标的计算得出一个结论，比如资产负债率过高，流动性差，固定资产占比过高等等，如果分析人是投资机构或债权人，一般也够用了。如果是为企业的管理者提供财务分析的报告，这还远远不够，我们还得分析业务，分析各种管理制度，分析企业文化，甚至分析人性。

　　下面我就举个案例，也是我目前做过最好的一个财务分析，主要讲思路，你可以把它当侦探故事看。

　　背景公司是一家大型出版集团，集团有十家出版社，合并报表上显示三年多的时间，集团的图书库存从7个亿涨到了10个亿，集团领导和上级主管都很崩溃，大会小会都开了，目标也很明确，压库存，可库存就是压不下来，原因到底在那？

　　为了压库存集团财务出过很多财务分析报告，很多都停留在这个层面，流动比率、速动比率，图书分类，图书库龄，图书种类，各种数据都有。大部分都是无用功，几十页纸的报告，主要结论就是图书库存大，但这有什么用？把三年报表拿出来一对比就行了，外行也可能看出来，库存涨了！你把大家都知道的事换个花样再说一遍有什么用，问题是为什么涨对不对？！

　　财务是发现问题，造成问题的责任人还是业务，所以财务分析报告一定要分析业务。集团的财务人员当然也会从业务上找原因。大家认为图书库存的上涨的主要原因是印多了卖不掉！有可能是市场误判，一本书编辑很看好，一印就是二万册，结果只卖了五千，剩下的就积压了，所以有人建议加强市场调研，加大对当事人的奖惩，在选题时就把印数压下来。

　　又有人出来说这都是表面现象，图书多印的主要原因是多印的印制成本低，在印刷厂的报价里，印五百本书和印五千本书的价格是一样的（当然纸张成本不一样），为了降低单书成本，所以社里才多印的，解决办法是更新印刷设备（印刷厂也是集团内部的），把印制成本降下来，如果五百本的印制成本只有五千本的十分之一，出版社当然会选择先少印点，不够再加嘛！

　　还有人说是渠道问题，因为传统出版社的销售渠道以门店为主，一个门店放五十本书，一百个门店就要放五千本了，印少了发货的门店就少，会影响销售。解决的办法是调整渠道，加大线上销售的比重，比如在当当、淘宝上做推广，网店不用放那么多书，谁卖直发过去就行，可以实现零库存。

　　我的意见是：以上说法都有道理，也都是图书库存积压的主要原因，但这些问题三年前也存在，十年前也存在，为什么以前库存量比较稳定，这三年涨了那么多？所以关键问题还是没找到。

　　我分析了公司近三年的库存结构，发现库存商品总额变化并不大，虽然也有增长，但都是随着营收同比增加的。只有发生商品，3个亿的存货增长，有2.2亿是发出商品增长导致的，说明问题出在发出商品上面的。

　　发出商品为什么增加？这就要从集团公司的资金管理政策和考核制度说起。三年前这家出版集团推出了资金集中管理制度，要求所有下属单位的银行存款都要实时向上归集，由集团本部统一管理，本来大家手里有点钱可以买买理财，现在不行了，每年分点利息和一年期存款差不多。虽然资金集中管理对整个集团有利，但算小账下属单位没得到好处。

　　这也就算了，考核却一年比一年严，收入要增长，利润更要增长，利润考核指标的权重达到了70%以上，不达标就影响个人收入。

　　于是大伙就想到了把资金放出去生利的主意，直接对外放款是不可能的，上级单位也不会批准，但可以换一个形式呀。出版社与书商销售结算货款一般是半年一次，现在可以放宽，改成一年，甚至一年半结算一次，这就相当于把自己的钱无偿借给书商使用。当然真免也不至于，利息不收，扣点可以多加一点，这样一年销售额没怎么增长，毛利率却增加了，年度绩效考核完成任务就有了保证。

　　为什么不开票放在存货科目里？因为不开票就可以不结算，这就相当于藏钱在客户那里，什么时候有需要了想开多少就有多少，方便调节，放在应收账款科目就不方便了，目标太明显。

　　看到这里你应该明白了，所谓存货增加是表面现象，其实增加的是债权，是没开票的应收账款。所谓图书毛利增加也是表面现象，真正增加的利息收入。

　　不管存货增加还是应收账款增加，钱放在客户手里总是有风险的，而且有求于人，利息收入不可能按市场价收，甚至可能不收落到了个人口袋，本来集团加强考核、归集资金是为了防范经营财务风险，现在风险反而加大了。

　　怎么解决？很简单，考核方面要加大现金流量指标的考核比重，要求出版社不仅要保利润更要保回款；严查图书销售合同条款，超过半年回款的必须说明理由，否则不得超期结算；适当提高各社归集户存款收益，提高各社存款积极性。

　　喜欢我的文章，请关注微信公众号：猫大叔的财会窝！我会尽量回复来自公众号的问题。

　　在澳门某博企做财务 bp (business partner)，虽然我在公司的正式岗位 title 是 FP&A，但我觉得还是用财务 bp 来形容比较合适，在我看来，同是财务分析，FP&A 比较侧重于财务层面（这问题下各大神的回答也佐证了这一点），财务 bp 则更加侧重于业务层面。Business partner 翻译成中文即为业务伙伴嘛，跟业务打交道远多于跟报表打交道。

　　因此我总结的分析思路可能没那么“财务”，比如不会涉及到很多报表科目、财务指标的分析，而是更加侧重于业务问题的分析。但万变不离其宗，掌握了分析的内核，分析什么都一样的。

　　在我入行之前，我最爱问的问题就是怎样转财务分析（学会计的学生都懂的），得到的答案非常零碎，这个说要熟悉 Excel、SQL、Power BI，那个说要掌握统计学，另外一个又说要会做漂亮的 PPT，总之给人的感觉就是进这个岗位要有三头六臂，财务数学 coding 样样精通。

　　实际上财务知识也好，数据分析技能也好，都是工具，只占整个财务分析地图中很小的一个角落，所有工具的使用都是为了导向最后的结果——即对业务部门提出的问题分析出了什么结论、有什么建议。而初入门的 analyst，尤其是一毕业就做这个的，在工作的前两三年几乎都忙于点亮各种工具的技能树，从而忽略了整张分析地图，因此复盘一下分析思路，就尤为重要。

　　（题外话：在实际工作中，确定思路这一步往往都是 senior 做的，他们捋顺了思路之后会把任务拆成一个个小任务分给下面的 associate，虽然也会开个会跟小朋友探讨一下，但总体而言小朋友负责跑数据、做图表就好，而小朋友要进步，就不能只顾着做个无脑的执行者，要进入 senior 视角，看他们是怎么拆解问题的）。

　　财务 bp 平常的工作内容就是给业务部门和管理层的需求提供解决方案，而业务部门和管理层提需求的时候，往往是模糊的、非财务视角的，他们不会说“我们想知道未来三年公司的营运收入和营运成本”，而是会说“我们想知道未来三年公司会是个什么情况”。

　　这时，接到需求的 bp 首先要做的，就是把需求方的问题具体化，比如这个问题下，什么叫“公司情况”？如何定义“公司情况”呢？首先想到的肯定就是“收入”和“成本”这两个方面，因此这个问题就具体化了为“未来三年公司的收入和成本预测”，而收入又可以拆分为多个业务线的收入，成本又可以拆分为主营业务成本、人力成本、财务成本、销售成本等等，这样下来，就大概明确了要做什么事情。

　　比较常见的进行分析的目的有“复盘成效 (performance review)”、“决策支持 (decision support)”、“风险控制 (risk control)”这几个方面，比如市场部门想知道投放一个新推广项目的效果，叫你给它分析一下项目推出前后客户行为的变化，这就是“复盘成效”；管理层想知道要不要花一大笔钱升级公司核心业务系统，叫你做个升级与不升级系统后的收入增长对比分析，这是“决策支持”；财务部叫你对比一下过去一个季度实际发生费用与预算费用的差异，看看有没有超支，这叫“风险控制”。

　　虽然一个分析项目通常会包含不止一个目的（比如决策支持类项目的分析通常离不开对过往业绩的复盘），但肯定有一个主要目的，而明确这个主要目的的意义，就是确定你的工作范围，比如人家只想知道自己投放的新广告有什么效果，那么你给人家分析收入变化就好，分析成本没有意义。

　　分析报告的受众也是影响具体工作的一个很重要的因素，我们分析团队有句玩笑话，就是“看 manager 要求的报告的字数，就知道是给什么层级的大佬看的了”。这里面反映的是，不同级别的管理人员对于信息密度的要求是不一样的，呈现给中层的往往是一份密密麻麻的报告，而给最高级别的大大大佬的，很可能就只是直指核心的一句话，因为越是高层工作内容就越宏观越战略化，越不会处理细枝末节的东西。而这点对分析工作最直接的影响，就是设计 PPT 或者 Excel dashboard 的时候，是贴一堆图和一大段分析结论，还是一张图和一句结论？

　　明确了任务、目的和受众之后，就要开始设计分析体系的 KPI 了。KPI 就是衡量一样事物的指标，比如我想知道一个国家的经济好不好，那肯定要找出指标来衡量，比如说 GDP，比如说人均可支配收入任你博，总之没有指标那么一切都是空中楼阁。

　　回到第一步的例子，管理层说想知道未来三年公司的情况，我们已经把任务具体化为了未来三年的收支预测，那么我们再假设一下这个分析的目的是为管理层提供“要不要升级业务系统”的决策支持，围绕着这两点，设计什么样的指标才能满足管理层的需求呢？

　　收入方面，更高更快更强的新系统会带来更多的收入是肯定的，但是如何体现呢？我们可以把“收入”指标拆分为“顾客数量”和“客均收入”这两个细分指标来预测，顾客数量方面，老系统只能容纳一万个客户同时在线，而新系统能容纳十万个；客均收入方面，由于新系统能支持更高的在线付款额度，因此预计每位客户每个月会带来额外的 100 块钱的收入。这样合起来，就可以对收入的增长做个预计，还可以分产品线、分地区、分购买渠道来做这种预计。当然上面只是比较粗糙的举例，实际操作比这个精细得多。

　　支出方面，首先要预计的是新系统的购买价格，这个询问供应商就可以做预测；接着要逐个分出公司的大头费用，比如人力费用、销售费用等等，看看里面有没有什么细分费用条目是会随着新系统的投入使用而增长或降低的，比如新系统需要培训员工才会使用，就会产生一笔培训费，预计人力费用增加 XX 万；比如新系统更高效会节省员工工作时间，预计节省工时会导致人力成本降低 XX 万等。这样各个指标（条目）合起来，就是对关于新系统的支出的预测，在这个基础上加上公司原本的支出，就构成了全年的支出预测。

　　预测免不了要做假设（比如假设新系统能容纳十万个客户在线），这个假设通常要作为备注写进分析报告里，也要告诉别人你做这个假设的依据（比如能容纳十万个客户是供应商提供的参数），总之假设是个比较容易忽略的部分，建议每做一条假设的时候都记录下来，以免遗忘。

　　如果只计算几个 KPI 就能得出直观的分析结果，那么这一步就不存在了，直接拿数据进行计算再下结论就好。但实际执行分析任务过程中，往往要结合多个业务流程和维度的 KPI 才能得出结论，因此遇到这种多维度多层次的分析，就不能直接先上手计算 KPI，而是要先确定一个思路和框架，才能开始计算，要不然会造出一堆不知其处于业务链条中哪个位置的 KPI，徒增混乱。

　　一个比较常见的分析思路是多维度拆解，先拆解业务流程，再拆解各个业务流程下的维度，最后确定每个维度下的 KPI。比如 APP 会有“下载→注册→使用免费内容→成为付费用户”这个业务流程，而每个流程都可以分成“用户性别”、“用户地区”等多个维度，每个维度下可以设计“日活量”、“留存率”等 KPI，这样就可以很明确地把分析任务拆分成“计算不同性别用户的日活量”、“计算不同地区用户的留存率”等多个模块，也知道每个模块的 KPI 在整体分析中的位置。

　　以上就不再赘述了。想详细了解分析模型的，可以参加下面这个知乎知学堂数据分析3天实战训练营，主讲人@猴子是中科大硕士、知乎知学堂数据分析首席讲师，他的课的特点是归纳性强、浅显易懂，对小白尤其友好，我在梳理本文过程中也借助了他的书《数据分析思维》来理清思路。课程链接如下：

　　这就来到具体的操作部分了，基本上这就是填满了 junior analyst 的日常工作时间的部分，日常听说过的 financial modeling、数据清洗、Excel（数据透视图、vlookup等）、Power BI、SQL、VBA、Python、商业智能软件 (BI tool)、统计学等概念这下都会粉墨登场了。由于这种技术层面的能力是很多想进 FP&A 的人能自我控制的部分，我就多说一点。

　　先说说 financial modeling（财务建模），我不知道大家跟我入行前有没有同一个困惑，就是什么是财务模型？我本硕加一起学财务学了六年，但都没听过有个东西叫“财务模型”，诚然我们在学财管的时候学过 DCF、WACC、NPV、IRR，这些都可以当作一个个小的财务模型，但这些早已有既定算法、在 Excel 打个公式就可以一键算出的指标，用得着“建模”这个步骤吗？

　　关于这个问题，我入行后问了好多人，说法不一，目前我比较认同的一个说法是，财务模型不是一个具体的既定模型，而是一个“在 Excel 中建立的从数据清洗到用仪表盘 (dashboard) 展示 KPI 和图表的一个完整的工作流程”，这个流程既可以用来做三大表的预测，又可以用来做预算和其他分析，大致包含了以下五个环节：

　　由上面可以看到，整个建模过程都高度依赖基于计算机的数据分析技能，因此对数据透视表、Excel 函数、SQL、Power BI、VBA，甚至 R、SPSS、Python 等能力掌握的要求都是从这来的。有时候为了获取想要的字段 (data field)，还要先在 BI tool 里写点 coding 倒腾一会儿，才能把数据导出来放进 Excel。

　　在我的实际工作中，数据透视表、Excel 函数（vlookup、index + match、if、各种聚合函数）及做图（折线图、柱状图、饼图、圆环图、散点图、瀑布图，需要兼顾美观和实用两个部分）、Power BI（主要是 Power Pivot 和 Power Query） 用得最多，其次是 SQL，掌握次序也建议从 Excel 函数开始，再接着学习 Power BI，最后是 SQL，至于更高阶的，有兴趣就学，没有的话等到工作需要了再现学现卖也不迟。

　　回到计算 KPI 这个目的。KPI 有两种，一种是历史表现的 KPI（比如上个月的销售额），一种是预测的 KPI（比如预测的下个月的销售额），前者只要获取 source data 然后开算即可，而后者涉及到预测就比较复杂，而统计学，就是预测的重要工具。

　　我们来复习一下统计学的概念，引用自。统计学关键词：推断、预测——

　　一看到统计学估计很多人就头大了，我们财务分析学统计学，不是为了栽进理论的世界里感受数学的美妙的，而是为了找到计算 KPI 的对应理论现学现卖融进财务模型里。为了达成这个目的，我们就需要先给统计学理论及其应用场景大概分个类，再看看什么是需要掌握的常识性理论，什么是可以遇到分析任务再现学现套的理论，而不是急吼吼地找回大学的那本统计学原理往回啃。

　　首先我们知道，统计学分为概率论和数理统计两个部分，概率论研究的是数据的各种分布形态（正态分布、长尾分布、二项分布、泊松分布等），而数理统计是通过样本的这种分布形态，来推测出总体的一些特征（如平均数、中位数、极值等）。比如我们随机抽出公司的 1000 名客户，发现他们的年购买金额服从以 500 块为平均值的正态分布，那么我们也可以合理推断出公司全部客户的年购买金额也服从以 500 块为平均值的正态分布，因为 1000 人已经是个大样本了，足以代表整体。如果这时候我们在数据里发现了一个年购买金额达到了 100 万的客户，那么就可以质疑它的合理性了，继续分析下去，也许能发现业务方面的问题，当然，也有可能是单纯数据记录错误。

　　根据我自己在工作中对统计学的应用，我粗糙地把统计学划分成了“抽样”、“描述”、“检验”、“推断”四个部分。

　　当总体的数据量十分庞大的时候，就要用上抽样，通过分析样本来得出对总体的结论。这部分涉及到确定样本容量和选取抽样方法，确定样本容量我们常用的是 Cochran 公式，抽样方法有简单随机抽样任你博、分层抽样、整群抽样、系统抽样等，具体的操作 Excel 中的“抽样”功能可以执行。

　　描述指描述统计，包括描述数据的分布形态（峰度、偏度）、均值、中位数、四分位数、方差、标准差、最大最小值、差异、差异百分比等，用 Excel 的“描述统计”功能可以一键跑出几乎所有的描述性指标和分布图。

　　基础性描述指标就不说了，几乎没人会看不懂。这里说一下数据分布的用途，分布形态可以用来做异常值检测。举个例子，在正态分布中，有个叫“经验法则 (Empirical Rule)”的东西：

　　想象你手头上有全部客户一整年的消费数据，这些数据服从正态分布，你算出了这堆数据的均值和标准差之后，发现有那么一两条数据跟均值的差距竟然大于了 3 个标准差，这时候你就可以合理怀疑这些是异常数据了，因为根据经验法则，99.73%（几乎全部）的数据都应该处于跟均值 3 个标准差的范围内。

　　事实上有个专门的概念就是用来衡量数据距离均值有多少个标准差的，这就是 Z 分数（Z-Score），公式如下：

　　不知道大家还记不记得大学统计学里学的“显著性检验”？这其实是个很实用的东西，想象你在对比两个广告的投放成效，得出了广告 A 比广告 B 更有效的结论，当你把这个结论呈现在管理层面前的时候，管理层问你：你怎么证明广告 A 比广告 B 好不是因为巧合，而是因为两者间确实有差异呢？

　　把管理层的问题转换一下，就是要证明“广告 A 和广告 B 间的成效差异具有显著性”，也就是说，起码要在统计学层面证明两者间的差异是显著的。显著性检验比较常用的是 T 检验，其他的还有卡方检验、Z 检验、F 检验等，每个检验还可以分为单侧检验和双侧检验，要设置置信度和可容忍的误差率，这里就不赘述了。

　　个人认为推断是统计学在财务分析的应用中最综合最好玩的部分。根据我对统计学浅显的认知，我又粗糙地把推断分成了“估计”和“预测”两个部分——

　　估计我们用得不多，我们经常打交道的是预测。之前我们 leader 觉得我们公司每个月的收入预测模型误差过大，让我去改进，我分析了一下原本的时间序列模型，发现它不准的原因是疫情后公司的月收入波动很大，原本的收入规律被破坏了，换句话说，就是历史营收数据的趋势不再能体现疫情后的收入趋势了，所以基于历史数据的规律来预测的时间序列模型就失准了。

　　分析到这的时候我就觉得可以换个模型了。我想到的是多元线性回归，因为回归模型并不需要有“未来会一直延续历史的收入变动规律”的前提假设，它的预测原理是先找出一个个影响收入的变量，再通过历史数据算出每个变量对于预测值（收入）的影响系数，最后形成一条以影响收入的变量为自变量、收入为因变量的回归方程。而影响收入的变量，比如说顾客数量，跟收入的关系可以说大致上是恒定的，疫情前 1 万名顾客大致能贡献 100 万的收入，疫情后也不会差得太远，所以我们用历史数据来算出这个影响系数，然后用这个系数来预测将来，准确度就不会因疫情而下降。

　　只要有自变量和因变量的历史数据，Excel 的“回归分析”功能就能导出每个自变量的影响系数。Excel 还会帮你算出每个自变量的有效程度（P 值），有助于判断自己选取的自变量是不是真的跟因变量有关系。

　　我把这多元线性回归模型砌出来以后，惊喜地发现平均误差率竟然低于 2%（也可以说是惊吓了，部分月份竟然能做到百分之零点几的误差率，原来的时间序列平均误差率是 10%）。其实时间序列和回归都是很常用的预测模型，只不过实际操作中选哪个并不会仅仅考虑准确率，而是会结合建模难度、维护难度和更新难度来进行取舍。

　　（写着写着好像已经脱离了用统计学来预测 KPI 这个范畴，更多在讲统计学在具体分析情景中的应用了 !!!∑(ﾟДﾟノ)ノ 不过这些分析场景广义上也属于完善 KPI 的部分，大家将就着看吧 (Θ３Θ)）

　　还是呼应一下上面说的内容。个人觉得描述性统计（包括常见的分布形态）是怎么样都要懂的常识性部分，而具体的检验和推断方法则可以现学现卖，其实边在手头上操作项目边应用这些知识，掌握的效果会远好于仅仅啃书本。

　　别看上一步好像技术性很强很有专业门槛的样子，实际上真正开始体现分析师价值的，要从这一步开始。

　　想起了我面试的时候，面试之前，我以为数据分析、写 code 这些技术层面的技能会是考察的重点，心里惴惴（作为本硕都学财务的，对这些真不太在行），没想到面试之后，面试官（我后来的 manager）直接说：

　　We dont want an IT guy. If we want someone specialized in IT techniques, you wont be asked to be here.

　　（我们想要的不是纯 IT，如果我们想要一个 IT 方向的人才，你就不会被叫来面试）

　　然后就围绕着我平时想问题、解决问题的思维方式进行了一顿狂轰滥炸式的考察（我足足！面试了！3 个小时！！），比如经典的费米式问题：你给我推测一下全澳有多少家 seven-eleven。

　　回到正题。经过了上一步，我们手头上已经有一堆 KPI 了，比如说营业收入上升了 5%，客户数量上升了 2%，客均消费上升了 10%。于是你写出了这么一条结论：

　　回忆一下第四步的多维度拆解分析法，我们先拆分了业务流程，然后再在业务流程下细分了多个维度，最后再确定各个维度下的 KPI。上面说的收入、客户数量、客均消费这三个 KPI，都可以算作“收入”这个流程下的 KPI，想要它体现出价值，就不能只看一个流程的 KPI，而是要结合多个业务流程来解释这些 KPI。

　　分析 KPI 的一个很主要的方向是——逻辑自洽。我自己总结了三个自洽：业务流程自洽、客户行为自洽、经营业绩与外部环境自洽。

　　用回 APP 的“下载→注册→使用免费内容→成为付费用户”这个业务流程。我们在“成为付费用户”的这个流程里，看到了“营业收入上升 5%，客户数量上升 2%，客均消费上升 10%”，而因为“成为付费用户”已经是最后一个流程了，所以这个流程的 KPI 的变化其实已经在前面的流程里早有反映，不会是突然出现的，与“客户数量上升 2%”这个结果自洽的，大概率是“下载量上升了 X%”、“注册量上升了 Y%”，而如果看到下载量注册量降低，那么“付费用户数量上升”这个结果就很可疑了。但如果它是真的，那么我们就要先推论一下原因，什么会导致注册量下降的同时付费用户量提升：

　　我们可以用上面说到的假设检验，搜集数据来分别验证这两个假设。不论验证了哪个假设是真的，又或者两个假设都是真的，我们都要进一步挖掘原因，比如新注册用户转化率突然间提升，是否是由于 APP 最近推出了什么截然不同的内容或者改变了推广方式，导致吸引了与老注册用户行为特征完全不同的一批群体？大量以往不付费的老用户突然间付费了，是否是因为 APP 最近有什么内容火了，吸引原本不付费的用户付费了？深挖到最底层的那个原因，才会明白业务变化的逻辑，才能有针对性地提出建议。

　　客户行为自洽是指，客户在业务流程中表现出来的行为，是具有一致性的。假如公司有会员卡充值制度，会员每次消费都必须用卡里的钱，那么一个频繁消费的客户，必定也有频繁充值的行为，而且历史总消费金额不可能大于历史总充值金额（除非有那种充值即送或者可用积分换取消费额度的活动，那就要另外分析）。如果发现了跟业务常识相悖的客户行为，那么肯定就是哪个业务流程出问题了，最严重的就是公司的业务系统出错，这种损失就不用多说了。

　　至于客户的哪些具体行为会构成“跟业务常识相悖”，就要视公司的业务情况而定了，所以这种分析，没对业务有一定的了解还真做不出来。比如公司大体知道自己的客户是哪个地方的人多，如果出现了个马里亚纳海沟的客户，那么肯定是需要引起注意的；比如公司大体知道自己的客户每年平均、最高、最低会消费多少钱，而这时候出现了个年消费额远高于历年最高值的，公司就肯定会对这位客户感兴趣。这也是平时定期做监测类分析报告（各种周报、月报、季报）的意义，不知道正常情况，何以判断异常情况？

　　业绩与外部环境自洽，指的是公司经营是受外部大环境所左右的，外面经济萧条，公司就不太可能蒸蒸日上。当然也有逆市而上的情况，比如疫情期，在大家都哀鸿遍野的时候，核酸公司就赚得盘满钵满，不过这种不是主流情况。

　　波特五力模型- 现有竞争者的竞争能力、潜在竞争者进入的能力、替代品的替代能力、供应商的讨价还价能力、购买者的议价能力

　　相信大学时水过创业项目的人多多少少都接触过。不知道大家学生时代用这些模型的时候有没有感觉它们假大空，好像只能用来出一堆泛泛而谈的空论，没有实际的业务价值。

　　实际上，这种分析外部大环境的宏观模型是要结合微观数据分析来用的，比如说我们分析波特五力的时候，说现有竞争者的竞争能力强，那么要具有说服力，论据就不能是泛泛而谈的“竞争者品牌知名度比我们高”、“竞争者规模比我们大”，而是要扒拉出竞争者的财报，分析他们的财务指标，一个个对比我们的财务指标，以证明确实有差距。

　　外部环境也是做预测和制定风险防范措施的重要依据，在知道大环境不好的时候，公司也不是被动挨打的，会提前制定各种成本控制和优化业务流程的措施。而能在哪些方面优化，也涉及到对业务和财务的了解，比如要节流，瞄准的肯定是变动成本或者半变动成本，固定成本大概率是砍不了的；如果要开源，也要先拉出一份“高质量客户”的名单（找这份名单的任务大概率也会落到 bp 头上，又一轮新的想 KPI 定义“高质量客户”的流程开始了……），不会浪费资源在小客户身上。

　　上面举的三个自洽是我个人经验的总结，要想避免一叶障目，也可以多看看业内专家的总结，中科大硕士@猴子的训练营就是个不错的选择：

　　Data visualization 数据可视化，指的是用图表把不直观的、不容易理解的数据转化成直观的、可读的信息。展示方式有 Excel dashboard、PPT、在 BI 软件里生成 dashbaord 等等，什么时候该用哪种方式，其实挺有讲究。

　　上面的图大概率是哪个 BI 软件里的模板。很多 BI 软件都能提供这样好看的模板，但不是每家公司都买这种模板的账的，很多时候业务部和管理层需要的是一个专门针对分析任务的定制化的仪表盘，他们或许还会提需求，“里面要有一个滚动条”、“要有 check box”、“要有下拉清单”，这时候除了手动做一个，别无他法。

　　大部分分析任务的仪表盘我们都会在 Excel 里做，Excel 自带的图表功能能够满足大部分需求。但 Excel 的缺点是刚生成的图表看起来很“生”，配色难看、字体生硬，基本上配色、字体、数字显示单位、坐标轴、标题、图例、数据标识都要人手调一遍，有时候要强调图里的一些特别的数据，还要手动加个框或者改个颜色。

　　我第一次自己做仪表盘的时候，费了很多脑细胞的不是图表怎么拉，而是怎么让整个版面看起来既专业又易读。做出来的效果让我正视了自己美商的不足，后来我打开了团队以前做的仪表盘，每张图表都点进去看里面的字体、字号、背景色、哪里要加粗、哪里要调透明度、header 和 footer 怎么写，然后照搬。就这样一点一点学，做出来的东西才有了点样子。

　　仪表盘一般来说要控制在一版以内，如果做的分析比较复杂，一版展示不完，那么就会用另一种展示方式——PPT。其中 PPT 也分成了需要开会的 PPT 和不需要开会的 PPT，前者尽量多图少文字，多用关键词和 bullet points，需要大段解释的东西就用嘴来讲；后者可以详尽一些，图文并茂解释完善，还要附上附注和附录以便别人查看你的假设、论述和支撑性论据。

　　PPT 我们一般都是用模板做的，因为好看、省事。当然我们自己也会根据需要对模板做一些调整，比如删掉动画效果（我们公司风格比较古板，不喜欢花里胡哨的演示方式）、在母片做一些插入公司 logo 等例行操作等等，如果这份 PPT 要对公司以外的人展示，那么我们就会用公司 logo 的颜色作为主题色，如果不需要，那就随意。

　　BI 软件里的模板 dashboard，上面已经说了，有时候公司不会买账。但 BI 软件毕竟比较灵活，点几下鼠标就能给出那些在 Excel 要写一堆公式才能达成的计算结果，因此很适合那些需要边看着数字的变动边讨论的会议，比如跟业务部门开的预算会议，随着我们点进不同的费用条目，仪表盘上相应的图表和数据都会变，这样业务部门就能很直观地感受到不同费用的变化，比 Excel 和 PPT 清晰多了。

　　这个应该没什么好说的……总之做完上述 7 步之后，senior 或者 officer 肯定要 review 分析师的心血，一般都会有些什么要改，比较大的变动会专门开个会讲清楚，小的变动可能就直接发邮件告诉你怎么改了。公司共享盘里的各种 1.1、1.2、1.3……的 version 就是这么来的。

　　下结论就是把 KPI 反应的现象总结出来，提建议就是提相关的改进建议。其实这一步没有什么很特别的思路，所有的思路都源于前面的梳理以及对业务的了解。但 analyst 要有一个做“事前诸葛亮”的意识，因为再细致的分析都是事后的总结，而从事后总结升级到事前防范，才是更有价值的。

　　而如何进行事前防范，则涉及到公司的风险承受度和对成本的考量。比如 analyst 提出了 10 点改进建议，而公司真正会采取行动的，可能就只会是其中的一两点，因此 analyst 想要发挥出更大的价值，就可以不仅仅停留在给完建议就算，而是想深一步——给出的 10 点建议里面哪个成本最低？哪个最容易实施？哪个最具有成本效益比？这些都可以拉个数据简单估算一下，然后做个简单的对比分析呈现给管理层的（简单对比一下就好，因为这只是提供建议时附带的，不要模糊了重点。如果管理层真的有意采取行动，很可能会在事后叫你做一个更深入的对比）。

　　看到这里不知道有没有人会疑惑，我一个小底层 associate 提出的建议有人听吗？

　　答案是看公司制度完不完善。我看知乎上不少做分析的人吐槽说感觉自己做的事情没有价值，无论是出报告还是给建议都是在走形式，事情不会有任何变化。我想说这是公司的制度架构不合理不完善的原因，上下级间的信息传递不畅，分析团队的 leader 也不善于对外对上沟通，导致做出来的东西只能自娱自乐，对公司产生不了影响。

　　在一个组织完善的公司里面，analyst 没有质疑自己岗位价值的忧虑，甚至也不用考虑提出的建议合不合管理层口味，只管根据客观的数据给出客观的建议就行，至于要不要执行、怎么执行，就是管理层和业务部门的事了。

　　整个工作心得如上，如果以后随着经验的增长出现了新的体会，也会补充到回答里。万字长文不易读，感谢读到这里的每一个人！

　　题目问得挺宽泛的，要写一个系统的答案势必要长篇大论。并且在不同的场景和目的下，财务分析的思路和侧重点也必然有所不同。比如同样是对现金流进行分析，债权人重视的是对方未来现金流的稳定性、对到期债务和利息的覆盖能力；早期风险投资者关心的是资金用途和耗用速度；等待交割的收购方关心的是一个业务周期下需要保留的最低现金储备；等等。这里还是基于财务尽调和审计的出发点，举几个简单的例子。

　　首先还是强调过无数次的，任何有价值的财务分析都是基于理解公司业务模式的前提，在Wifs P：如何写出有深度的财务分析报告？里已经讨论过了，不赘述。

　　在这个前提之下，以下列举的一些日常所用的财务分析方法，实际上大部分人都不会陌生。方法都很基础，主要聊聊方法背后思考问题的思路。

　　－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

　　其一，通过同行业的横向比较，找到分析对象的薄弱环节，并推断其背后的原因和改进方式

　　在上面这个例子中，通过把分析对象的一些财务指标和同行业标杆的财务数据做横向对比，

　　分析对象的毛利率水平高于4家同业竞争对手的平均水平，但销售净利润率低于平均水平，主要原因在于其经营费用占收入的比重较之同业平均水平高出约8%；

　　分析对象的年人均销售额约为同业竞争对手的1/7，人均净利润约为同业竞争对手的1/8，远远低于行业平均水平，人员效率奇低；

　　分析对象的总资产利润率、固定资产及无形资产利润率均只有同业竞争对手平均水平的一半，说明其资产利用水平较低；

　　分析对象的经营现金流量占销售收入的比重，低于大多数同业对手（剔除现金流存在问题的C公司后，可以看到同业的平均水平在17%-19%左右，分析对象的指标仅为同业三分之一），显示其账期显著长于行业标准，应收款管理能力薄弱，收入质量差。

　　2）以上这些结论都是通过财务指标的简单对比就能得出，并没有什么难度。但是财务分析的工作如果到此为止，那就仅仅停留在了表层。分析的目的不单单是发现问题，这只是第一步的工作，发现了之后要解决问题，至少要为解决问题提供有益的指引和参考，这是财务分析在经营管理、投资决策中的价值。仍以这个案子为例，

　　资产回报率低、资产利用水平低，是经营能力的问题，还是资产质量的问题？进一步分析企业的资产构成，发现长期资产中包含了很多非经营性资产，比如员工宿舍楼、闲置设备、对第三方企业的股权投资（其所经营的业务与本公司主业无关）。假如能对这些资产进行剥离或置换任你博，就能有效提升整体的资产周转效率。

　　同样，人均产出低、人员效率低，是管理水平、生产流程的问题，还是人员结构的问题？进一步分析企业的人员结构，发现企业中有大量历史原因遗留的“三类人员”，这些人员不参与生产、对收入和利润没有恭喜，单纯只是成本和费用。由此相比于其他人员结构更为单一的竞争对手来说，人数规模反而成为该分析对象的包袱。

　　3）再进一步，基于上述分析结论，计算相应的财务数据和模拟结果，作为管理决策的信息来源。比如：

　　对于需要剥离资产，这些资产的净值是多少，市值是多少，公允或可行的剥离对价是多少？能否找到合适的资产受让方，是可以在关联企业、集团公司内部解决，还是要到公开市场上去找买家？涉及到股权投资类资产的剥离的方式，是以股权转让为佳，还是资产转让为佳，涉及到的税赋有何差别？

　　对于“三类人员”，能否通过买断的方式来一次性解决历史包袱？如果不能买断，在未来的若干年度内预计要承担多少与主业无关的人员开支、对利润和经营效率的影响能否大致量化？将这些未来支出的现金流贴现后，是否可据此估算买断所能承担的最大对价？假如是一个IPO或并购案例，考虑到IPO成功后的溢价或并购协同效应，是否可以在预计支出现值之上承担更大的买断溢价，如何依据风险权重进行调整？在Wifs P：四大会计师事务所为什么要开展精算业务？中也讨论过类似的情况。当然这些计算可能已经超出了传统财务工作的能力范畴，需要借助外部力量，但至少应当在管理和投资决策过程中，由财务层面提出来作为必须考虑的决策因素提醒公司管理层和股东。

　　此外，通过与同行业标杆的比较，除了能判断经营层面的问题，也能推断在财务处理、会计政策上的潜在问题。

　　上面这个例子中，两家身处同一行业、业务模式和结构几乎完全一样的公司，净利率也大致相当，但毛利率却有极大的差别。看一下利润表的结构，就会注意到把分析对象的成本和营销费用加总后，其之和占收入的比重与对标对象是基本一致的，但两者分别的占比又截然不同，可以由此推断：分析对象对某些支出的分类和会计处理与同行业对手是不同的，某些支出在同行业归集为成本，在分析对象则归集为营业费用。

　　但这是否意味着分析对象的会计处理方法一定有问题呢？也未必，就算对比对象是上市公司数据，大家最好也不要迷信A股/港股上市公司财报的质量，就我所见过的案例中，误解、乱用、刻意歪曲会计准则的例子不在少数，有些被自己更正了，有些被监管查处了，有些现在还堂而皇之挂在年报里。因此对于何种处理方法是恰当的，还是要靠自己对会计准则的理解和对公司业务的理解。

　　－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

　　其二，三张表之间合理性的勾稽。这里所说并非简单的数字勾稽（比如资产负债表里固定资产折旧的变化，与现金流量表里间接法下的折旧是否匹配）。简单的数字勾稽是复核的工作，而不是分析的重点，如果数字都不平那应当把财务总监和签字会计师拉回去打。这里所说的勾稽，是指不同的财务指标体现出来的业务趋势是否协调一致、还是存在令人不解的矛盾。

　　在上图的例子中，一家从事某类工程建造业务的公司，其施工中用到若干类主要的材料。分析存货（尚未完工的工程项目）和已完工结转的成本，发现其中主要原料的构成比例存在比较大的差异。如果工程项目的类型和工艺技术没有发生什么大的变化，那么这种巨大的差别是需要引起注意的。此时需要考虑几种可能：

　　虽然工艺、技术没有发生重大变化，但主要材料的价格是否在本年度内发生过巨动？换种说法，材料成本的量差很少，但价差很大？

　　或者，由于建造周期很长，导致本期完工结转的成本，实际上是很久之前已经发生的建造支出（比如16年完工的项目，其中部分支出发生在14年，而其耗用的材料又是在13年甚至更早时就已购入），从而造成成本结构的不可比？

　　假如上一条成立，报表层面计算出来的存货周转天数与上述从实际项目中观察到的周期是否相符？本年度内采购的材料价格与往年度相比如何，是否会对以后年度的销售成本产生很大的影响？假如目前存货中的材料价格很高，有潜在减值风险吗？

　　如果上述情况都不存在，就要留意是否在成本的归集和结转中是否存在什么问题。一方面通过修改BOM表来修饰成本是一种常见的财务粉饰手段，另一方面BOM更新不及时、或者编制错误也是导致成本核算差错的常见原因。

　　－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

　　分析特定时间段内某些财务数据的变化趋势、或者不同期间的对照比较，是最常用的财务分析方法之一。上例是很常见的一个例子，分析不同时间段里业务收入的波动情况。通常情况下，分析这一点是为了判断业务的走势，以及是否存在季节性变化因素等。但除此之外，这种趋势分析有时还可以提供其他信息。上例是一家文化娱乐领域的企业，每一种产品都代表其开发制作的某一项文娱项目。我们用图表的形式列示各个项目在不同月度的收入变化情况，除了分析整体收入趋势外，还可以很直观地看到各个产品的生命周期，基本上就在6到9个月左右。判断这个产品周期后，很多建筑在此之上的会计估计（比如如何界定某些收款的受益期间，或者某些一次性预付成本的分摊期间等）就可以得到更有力的佐证。除了对历史经营情况的分析外，这样的判断还可以用于对未来业务预期、新项目开发决策、研发投入预算等提供决策信息。

　　上图是我在其他回答中也用过的另一个例子，对营运资本的变化趋势进行分析。可以看到这家公司从2014年开始，从日常经营中获得的自发性负债（应付账款）急剧下降，反而成为了需要向供应商预付款项的结算方式；另一方面应收款则一直居高不下，存货也未减少，使得大量的流动资金被经营活动占用，即使对外借债越来越多，也无法改变其资金存量持续下跌甚至接近告罄的窘迫局面。在这样的局面下，常见的几种原因包括了：

　　经营环境出现重大利空，业务明细下滑。这种假设可以从损益表的分析中得到证实，比如收入下滑、毛利率和净利率下滑等（这又回到了上面第二条所说的报表信息勾稽验证）。

　　为了快速抢占市场份额、拓展新客户，提供了对客户极其有利、而对本方不利的信用政策。这同样可以从利润表分析中得到佐证（但呈现的结果与前一条是相反的）。

　　主要原料的供应发生市场性变化，供不应求，迫使分析对象调整结算政策。这可以从采购价格、原料库存、存货周转速度等分析中得到进一步验证。

　　预付款项中存在“猫腻”，并不全是真实的经营性预付款，比如股东借此套取公司资金、或向关联方转移利润，比如通过预付款的名义将资金套出体外后再伪装成收入注入体内。这些可能性也许不能通过单纯的财务指标分析来得到证实，但起码上述分析结果提供了一个警示和考察方向。

　　总之，无论何种原因被认为是引发上述财务表现的内在因素，都需要通过进一步的分析比对来验证其可信度。

　　曾经做过十年上市公司年报，脱离财务岗位多年后，最近又看了差不多上百份年报，每份都有一百多页（季报页数少一些），我几乎逐字逐句看完。

　　因此从一名报表编制者的角度，分享一下我看财务报表的思路。本答案提到的财技手法，我大多都有过实操。

　　公司领导分析财务报表和市场上的散户投资者分析财务报表，侧重点肯定是不一样的。所以不同的目的，必然会有不同的分析思路。

　　而投资者更注重企业的盈利能力、运营能力、偿债能力等指标，尤其是担心打算投资或者已经投资的企业，基本面有没有坑。

　　站在投资者的角度，企业的财务报表一方面体现了报告期间的经营情况，但另一方面，其真实性是存疑的。或者说，更多的不利于企业的信息藏在会计报表深处，而不是简单的通过F10就能了解到的。

　　我提倡用“构陷法”来分析财务报表，也就是说，我看你利润不太好，或者有虚增利润的主观意愿，那么再结合财务报表中项目的特点，预设这方面你有造假嫌疑，然后看报表的时候就专门向这个方向倾斜。

　　1、坏账准备的少提漏提。资产负债表上有巨额应收账款的企业，其坏账准备是需要深究的。比如中沃科技。

　　2、在建工程没有及时转资。少提了大量折旧，虚增了利润。比如金晶科技、利源精制和中国长城。

　　3、应收账款票据化。比如八一钢铁，大量的应收账款转成商业票据，从而少提坏账准备。

　　4、通过存货虚增利润。比如美图公司，2016年报表存货量远大于其招股说明书的承诺。

　　5、通过投资收益调节利润。尤其是濒临或者已经ST的公司相当普遍，如珠江控股、中昌数据。

　　6、靠政府补贴活着的上市公司。南京高科的员工出差都有政府补贴... ...

　　7、会计估计变更。2013年以来，数十家钢铁企业陆陆续续进行了会计估计变更，统统调长了折旧年限，仅靠此财技，像河北钢铁一年就能增加15亿利润。

　　投资者通过财务分析看企业价值，寻找内在价值和定价之间的差异；审计师通过财务分析看企业是否造假或盈余管理，特别是在风险评估阶段和分析性复核阶段；内部FA研究财报，从财务报表整体把握企业经营成果及潜在经营问题，老板都看财报大数，小兵岂不都得一一理得清清楚楚。银行信贷部门、主并方看的财务报表重点都不一样。

　　财务报表分析，先得根据财务报表分析的基本框架计算主要的财务指标，要求分析师能深度理解每一个财务指标的内涵，超越简单计算的层面。例如流动比率=流动资产/流动负债，这个最主流的偿债指标用于衡量企业短期偿债能力，如果仅仅是会计算这个指标，我想初中生水平足矣，但是是否每个分析人员都足够理解这个指标呢？

　　更深度的解读应该是：企业偿还负债，最健康的方式是通过经营性现金流偿还借债，只有极端情况下才需要变现资产进行偿还，而流动资产的变现能力最强，因此流动比率实质是一种压力测试，一种极端条件下的债务保障能力；同时我们对流动资产的期望是一年内自动变现的，若有积压多年而未计提跌价准备的存货、有本就应该三五年才能分批收到的质保金放在应收款（错误分类的），那么流动资产的变现能力就要打个折扣了，这时候流动比率也就不那么靠谱了。若一家有良好现金流的贸易公司，营运极快，银行的短期负债尽管挂账较大，但良好的现金流能保证实现自我清算，无需担心偿债问题。

　　另一方面，分析师应该保证财务指标的可比性。我不止一次看到，对有增加新业务或剥离老业务的公司，分析师还在机械地对比前后两年的应收账款周转率等指标，这几乎完全不可比嘛。

　　这时候需要一个标准，主要就是纵向对比和横向对比。与自身历史期进行对比，发现指标的变动趋势；与行业可比公司进行对比，发现标的公司财务指标与行业水平的差距、与行业的平均变动趋势是否相符。通常而言，只有重大的变动或差异才需进一步分析判断，寻找原因，若对比出来的各项经营指标均无重大异常，那分析师的心也就能放下一半了。

　　例如：浑水质疑辉山乳业的高毛利，主要是质疑辉山乳业的毛利是同行业的两倍；

　　如何寻找可比公司，对于新手而言有些复杂。我一般通过两个途径，一个是看Wind首页的“行业中心”，目前wind的行业中心板块分类比较细，把A股、新三板公司都做了分类，从这里一般能找到某细分领域的上市（挂牌）公司，一般而言，A股公司的财务数据质量会更高；另一个途径是通过查阅券商的研报，一般行业分析师会cover该领域的主要上市公司，甚至同行业港股、美股等。

　　2. 通过财务报表分析，抓住企业经营特征和商业模式，找到财报分析的关键点（“题眼”）

　　不同的公司有不同的经营模式，大体而言，企业有两种战略选择。低成本战略的公司追求薄利多销，毛利和销量是企业的生命线，需要持续确认产量壁垒和规模效应能否阻挡新进竞争者；差异化战略的公司定价能力更强，毛利高但需要持续的研发创新投入、市场推广投入，企业能否长期投入保持优势以阻挡替代品威胁。

　　在黄世忠老师的书中谈到一个例子：两家航空公司A、B，A航空公司主打低成本战略，面向价格敏感的低收入乘客，飞行舒适度、航班准点率居于次要地位；B航空公司主打差异化战略，通过安全品质、航班准点率等附加值来提高票价。那么两家公司对飞机的折旧政策就存在差异，A航空公司选择更长的折旧期限，目的是降低当期折旧费用、付出更高的保养费用和牺牲航班准点率；而B公司的折旧期限短，定期更换老机型以保持相对新的机队，减少了因飞机保养而导致的飞行延误等。这就是战略选择对会计政策的影响！

　　从个体层面，不同公司的经营策略可谓差异巨大，因此需要在理解商业模式的基础上找到分析的关键点。类似审计会在项目实施前评估高风险领域和重点关注领域。

　　标的公司内部价值链分析，从原材料获取、到产品的销售、再运输到终端客户手中。一家境外林业公司从事板材加工和销售，通过对内部价值链分析和实物链流转分析，发现当地交通运力不足，无法将大量产品运出去，限制了企业进一步发展的规模，找出了企业的关键发展瓶颈，偏向于内部管理决策分析了，这种分析非常厉害，层次和段位都极高（案例来自@Wifs P）。类似的案例瓶颈分析之前也有遇到过，比如浑水做空网秦的时候，对网秦宣称的prepaid card网店和终端门店进行走访，测算这种card的渗透率及潜在规模；此外，某移动端软件宣称自己有3000~5000万的活跃用户，可以稍微测算一下中国安卓用户的总用户数和该款APP的潜在渗透率，你会发现这家公司要实现其承诺的未来盈利规模，需要全国人民人手安装一个。。。

　　生产制造型企业，关注成本的结转过程。如大神@投行小兵所述，有案例将部分人工成本结转到当年的主营业务成本中，部分结转到存货。由于在大批量的生产过程中，成本结转主要通过是分摊、倒挤等方式，缺乏与投入明细一一对应关系，因此操纵的空间较大。在审计中，各种在产品、半成品、库存商品的转入转出，真的是眼花缭乱。

　　存在在建工程转固定资产的公司，需要特别关注转固的金额和时间点选择。通常而言，在建工程是企业造假做平现金流的重要手段（固定资产不像真金白银，值多少钱用眼睛看不出来，所以通过在建工程把公司体内资金掏到体外非常常见），且转固时间的操纵能调整跨期间的折旧费用，有可能对财务报表产生重大影响；

　　产业链上的弱势企业，现金流量表的表现一定不好，需要特别关注营运资本的周转情况。例如某些技术附加值低的系统集成企业，其实只是干组装的活儿，向上游买核心零部件一般是预付款形式，向下游销售一般是长账期的应收款形式（谁叫你技术附加值低呢），如果下游再面对政府部门、大型国企等，公司都能被拖到资金链断掉；比如强势的京东，为什么一直亏着但是现金流很好呢？因为其强势的产业链地位能拖上游供应商的货款，如果京东持续地业务亏损，那么必然会观察到应付的相对规模越来越大。为了促进销售和捆绑用户，京东推了京东白条、分期付这种信用卡性质的产品，这是会拉长应收账款的账期的。但京东的应收账款形成应收账款池，可分散单个消费者的风险，因此这个资产包是很容易拿到质押融资直接回款的，如果质押融资的手续费低于京东收取消费者分期付款的利息，那么这又能稳赚不赔。随着业务的开展和大数据的积累，京东能更加精准地评估每一笔应收款项及整个应收账款池的风险，定价模型也就会更加地精准了。

　　对于集团企业，母公司旗下子公司A向子公司B销售设备，需要特别关注A公司对毛利、期间费用率的确认政策、是否存在操纵等。根据会计母子公司合并规则，如果A公司将100元期间费用策略性地确认为主营业务成本，那么合并抵消后，在集团层面实际上能将这100元期间费用按照折旧年限，分多年进入损益表，当期集团整体的费用就相应变少了。

　　财务报表的编制有一套严格的标注，报表间有严格的勾稽关系，投行经典面试问题，“若折旧多计提10万元，对三张报表会产生怎样的影响”，考察最基础的财务报表逻辑关系。财务报表中一个指标变动势必会影响到其他指标，因此财务造假是很难的，除非假戏真做或者完全体外循环，不然总是能找到一些蛛丝马迹。

　　设备制造型公司，当对外销售时会预提后期维保费用，这部分销售费用应该与收入匹配；

　　浑水做空东方纸业时，蹲点在工厂门口数运输纸张的卡车数量，看是否与收入匹配。计算卡车数量的公式：卡车数量=(产能✖️产能利用率-自身仓库存货容量增加额)/365/单位卡车的运输量/平均每天的运输次数；

　　经营杠杆越大（固定成本越大）的公司，产量上升能更大程度地摊薄单位成本，提升毛利，如航空业（也要防止部分公司通过做大存货买做高毛利的盈余操纵手法）；

　　一家制造型公司，营业收入同比增长了20%~30%，毛利稳中有升，且计算出来的应收账款和存货周转情况均明显好转，但现金流量表的经营性现金流入和经营性现金流出均出现下滑，无需看现金流量表的编制过程就能看出问题，经咨询原因后，发现是标的公司往年现金流量表的编制将票据也计入现金，而当年不再将票据计入现金，导致现金流入流出规模均下降。

　　对于大规模样本，分析数据分布有一定意义。分析游戏公司的用户充值消耗比以确定是否有虚假充值现象，由于用户数量众多，统计分析一般只能看统计指标，例如平均值、方差等，这时候可以画分布图，看充值消耗比的分布，极值情况多不多、是否大多都围绕100%左右，如果大量数据能服从正态分布，能相当程度上让人安心；对充值金额，可以看是否符合长尾分布等特征。例如，对某款游戏2016年top用户的登陆、充值和消费数据进行分析，根据用户最后一次登陆的时间进行分组，看到很多较多用户在11月份最后一次登录，而且平均登陆天数都较短（从第一次登陆到最后一次登陆的时间间隔），因此对这部分用户又按照首次登陆时间进行分组，发现11月份停止登陆的用户主要是10月份的新用户，从而推断出10月份有一次大型的促销活动。

　　财务报表任你博，不仅反映企业的内部经营，还能反映外部信息和外部环境。如果财务报表的内部变化不能充分反映外部环境特征，那要十分警惕。

　　外部证据印证。2017年5月奥瑞德被质疑造假，主要是发现其披露的前五大客户中包含另一家上市公司的子公司，而另一家上市公司也披露了子公司的收入、利润和上市公司前五大采购，对比之下发现奥瑞德披露收入金额远大于外部数据。（在IPO核查中，发行人的采购方、销售方若有上市公司的重大销售方、采购方，则这种外部数据是非常可靠的，但要注意口径，或者多想几种潜在解释。还是拿奥瑞德案例举例，下游客户采购后可能以原材料形式堆着尚未进入成本，对于集团企业，可能设置一个专门的子公司来集中采购，那么就会观察到这个子公司的盈利体量与采购体量差距较大，甚至供销双方因为会计政策不一致而存在一个暂估了另外一个不做暂估，都会导致差异。再假设相互购销的是机器设备，那么采购方的利润表根本不会反应采购成本。所以这些外部证据的判断需要综合考虑。）

　　行业的生命周期、行业集中度、学习成本等。当行业处于快速增长期，各公司的增长收行业规模增长驱动，所谓的“被增长”公司，如果此时发现某公司的增长率低于行业增长水平，无论增长绝对值高低，一定要充分质疑该公司的增长潜力，因为当行业进入红海，这类公司可能最先倒下。当行业增长放缓或停滞，此时各公司为了增长开始进入份额争夺，竞争加剧，可能会导致毛利下降、推广费用上升，行业整合和并购增加（如美国80、90年代的并购潮）。如游戏行业的竞争不断加剧，单位获客成本快速上升，游戏公司用于发行、推广的费用越来越高任你博。

　　对于有公开市场价格的产品，毛利分析更便捷，wind的经济行业数据库中收录了大量商品数据，常见流通商品的产量、销量和价格都能找到，比如某些大宗商品的现货价

　　。例如emerson做空中国宏桥中，根据煤价变动估算了当年单位产电成本的变动情况，产电成本中70%为煤炭成本，30%为设备折旧，当年煤价上升了23%，发电度数为去年1.96倍，则理论产电成本变动为【70%✖（1+23%）+30%/1.96】。

　　最近在重刷黄世忠的《财务报表分析》，有了些新的思考。我认为通过财务报表分析企业价值，可以参考黄老师的分析框架。我简单的复述+自我理解一下。

　　主要指标是收入、净利润的成长性和波动性；毛利率反应了企业的盈利能力及企业投入到研发创新、营销推广中的空间有多大，毛利百分之几的公司是没有闲钱做创新投入的（当然除了烧钱的公司）；收入的现金含量反映了账款回收能力，这是衡量营收能力的重要指标。

　　为什么会关注这几个方面呢？可以看企业的估值公式，企业价值=PE*净利润。

　　：PE倍数体现投资者对公司前景的看好程度，即成长性。成长性的指标多种多样，最直接的指标就是收入、净利润，有些行业还有一些特殊指标，比如电商平台看的是GMV，视频网站看活跃用户数（卖广告）等。

　　：净利润主要不是关注规模，而关注盈利能力，例如毛利率、收入的现金含量、一年以内应收账款占收入的比重等，议价能力强、盈利质量好的企业，其回款理论上是健康的。基于ROE的杜邦分析是对盈利能力的拆解，对比资产回报率和借款利率，可以判断是加杠杆还是去杠杆，用于指导经营活动也是极有必要的。

　　另一方面，投资者都是风险厌恶的，因此风险会减损企业价值。风险就用收入、净利润的波动性来衡量，这也是金融领域常用的风险指标，背后的含义可能是企业应对系统性风险的能力、是否能对抗周期、潜在的政策风险等。对个体风险，越市场化的企业对抗风险的能力越强；上游供应商和下游客户越分散的企业对抗风险的能力越强；多元化经营的企业对抗系统性风险的能力越强，

　　资产结构：资产越重那么退出壁垒越高；固定成本越高经营风险越大、借债越多财务风险越大。

　　现金含量：现金占总资产的比例，可以反映企业的财务弹性，有好的机会能快速抓住，有风险时可以抗住；现金含量高的公司，应收账款、存货相对少，那么减值损失会更少，潜在损失也就越小。

　　自由现金流：在经营性现金流量基础上扣除必要的资本性支出、还本付息和支付股利，这才反应公司为股东创造的超额价值。

　　分析完了，这家公司到底有多好呢？这还是得回到第一层，横向比较和纵向比较。

　　我在大型跨国公司的财务部门待过一段时间，主要是跟着某条产品线财务。公司主营大型设备的设计、生产和销售，在全球多地区进行销售，我所在的产品线为技术服务产品线，业务是附加在设备销售上的。

　　总部的财务部门每个月主要拿着财务报表干啥事呢？主要就是盯着当年的业绩考核指标分析目前gap、根据最新的销售情况滚动预测全年的数据看gap，核心指标就是收入和毛利。当月哪怕1%的数字变动，都会通过数据的拆解找出原因，比如拆到某个地区、拆到某个合同、拆到某笔人工费用等。财报数字不仅仅是企业经营活动的表现，更是业绩考核的标尺，对任意一个风吹草动，财务都能说出“✘✘地区因为✘✘合同导致当月新招了✘✘个新员工，由于7月份✘✘地区短期冲突导致用工紧张，当月用工成本提升了3%，预计下个月会回落到历史平均水平”。