前言
本文介紹了現金流研究院團隊在進行細分行業現金流數據分析時所採用的指標衡量方法，該方法已應用於「水落實出」系列行業現金流分析課程中。本文圍繞現金流循環周期展開，討論了兩種現金流分析指標的衡量方法，來判斷企業是否滿足行業普遍的周期規律，以及比較各企業與行業基線的差異性，並可進一步應用於異常企業檢測。
企業經營的現金循環周期，是指消耗現金取得原材料開始到銷售存貨並收回現金為止的這段時間。現金循環周期的長短，不僅體現企業的資產管理水平，還會影響企業的盈利能力和償債能力。
企業經營周期會反映在現金流數據中，在進行企業現金流數據分析時，當所有交易數據混雜在一起時會難以找到清晰的經營周期。因此，在不明顯的情況下可以通過統計經營性/投資性/籌資性/內部轉賬/水/電/稅等的分類單項或組合項來更明晰地找到經營周期。通過見知現金流盡調系統的分類標籤, 我們已經可以方便地篩選和剝離出現金流的收支，如經營性收支、內部轉賬、投資性收支、水電稅費等。
假設同一細分行業或產業鏈的企業有著相似的經營周期，歸納後表現形式分以下兩種情況：
- 現金流同步循環周期
- 部分行業存在會導致經營變化的特定時期（如煙酒銷售行業因逢年過節導致的現金流變化），或所屬行業存在會導致經營變化的季節性因素，如寒暑期規律（如電影行業、農產品生產及加工行業）。在此類行業內的企業普遍具有類似的波峰波谷時期。
注釋：每條線代表一家企業的現金流數值變化。因為所有的周期函數都可由傅里葉變換分解為若干三角函數的和，所以此處以三角函數舉例。下同。
- 現金流非同步循環周期
- 行業內雖然具有類似的生產周期，但不同企業之間存在時間差異（如水泥等建材行業和建築行業）。雖然此類行業企業的循環周期時間相同，但具體的波峰波谷時期存在差異。
在實際分析時，單一項目的流水變化不一定都能找出類似規律。這時我們同樣可以考慮經營性收支，內部轉賬，投資性收支，水電稅費等其他收支，分類後再分月/天/分時段等統計，尋找可能存在的周期性規律。
基於現金流同步周期的異常企業檢測方法
以分月統計經營性現金流為例：我們如何基於企業經營性現金流，比較它們是否具有類似的周期規律？如何判斷他們是否滿足行業的普遍周期規律呢？
圖為一家企業經營性現金流的分月收支情況
首先，為了平衡企業經營規模帶來的誤差，我們選取同行業下具有相近規模的7家企業樣本，分別計算其分月流水佔全年的比例．如下圖所示：
注釋：實際分析時可按需分類統計不同經營規模範圍的企業，比如將同行業中小微和規模以上企業進行區分。
可以看出這7家公司的線十分雜亂，那麼該如何去度量比較它們呢？針對這種情況下的兩種業務場景, 我們給出兩套度量方法：
- 方法一：基於概率密度函數（PDF）找出行業內異常企業。
基於同行業各企業分月流水統計數據，通過概率密度函數（PDF, Probability Density Function）擬合出每月經營性流水佔全年經營性流水的分布規律。
注釋：圖中以一月流水的概率密度分布為例，紅線為預警邊界值，綠線為行業基線。可根據行業實際情況與容忍度左右調整紅線以選取不同的閾值。
上圖中，紅線表示該行業企業一月經營性流水應佔全年 6~14% ，處於兩條紅線區間以外的企業為異常，需進一步調查該企業於該月有何特殊行為。
若該企業存在多月異常，那麼建議關注該企業於該年度有何特殊行為，分析該企業經營實質是否存在異常。
- 方法二：基於行業基線與優化距離度量方法（EDM）比較企業與行業、企業間差異，或同企業不同年份間的差異。
通過比較各公司與行業基線的差異，可用於異常企業檢測。下面以度量各企業與行業基線的差異為例：
行業基線可由數據分析師根據數據情況與應用場景定義。如同行業各企業分月流水比例的均值，或各月分布峰值（上圖中綠線）的加權平均。
記N為特徵數（此例中為12個月），{_}, {_}為待比較樣本：
1、傳統歐式距離度量：
2、優化後的度量模式（EDM, Enhanced Distance Measurement）：
（其中超參數 C 由各指標數據數量級確定；設置正常量 K 從而保證 log 有意義。）
實際效果：(C=50, K=1)
若運用傳統歐式距離去度量，實際應用中將很難量化定義「差異大」的尺度標準。在此例中，我們判斷歐氏距離大於14為差異大（即樣本中大部分企業與基線差距小於14)，但此標準僅針對該樣本有效，且難以判斷10, 11, 12, 13是否也可以定義為「差異大」。
注釋：兩個樣本（樣本間平方距離196）在傳統歐式距離中度量結果為 14，對應優化後的度量模式結果則為 0.9
若運用優化後的度量模式，首先，差異將標準化在[0,1]區間內，我們將有一個相對恆定的異常檢測閾值，該方法可以壓縮大部分正常數據與行業基線的距離度量結果於0.9以內。此外，相比於相似度度量方法（這裡埋個小小的伏筆，我們下次再聊~），該方法可以保留各指標數值大小信息。
