DOSSIER · No.164
欧森破产评分
用九个财务比率估算破产概率：最安全的公司对比最危险的公司。
失效
财报与事件
数据 C 级
月度调仓
是否仍有效（策略本身）
失效
论文发表后夏普比率接近或低于零
是否跑赢基准（买入持有 SPY）
未跑赢基准
论文发表后，夏普比率 -0.35 对比 0.87；年化收益低于基准。
「仍有效」只说明策略没有失效，不代表比基准更好，也不构成任何建议。2026-10-18 更新。
来源论文：James A. Ohlson (1980). Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research.
原理
1980 年，James Ohlson 在《会计研究期刊》上发表了一个用公开财报预测公司破产的模型，后来被称为 O-Score。和更早的 Altman Z-Score 相比，它用的是逻辑回归，可以把分数直接换算成"一年内破产的概率"，并且纳入了更多维度：公司规模、负债率、营运资本、流动性、盈利水平、经营资金对负债的覆盖、是否连续亏损、利润的变化方向等九项指标。规模越小、负债越重、越缺流动性、越亏损的公司，O-Score 越高，破产风险越大。
O-Score 本来是信用分析工具，但它很快被用来检验一个问题：破产风险高的股票，收益是不是也更高？ 按"高风险高收益"的逻辑，应该是的。可后来的研究（如 Dichev 1998、Griffin 和 Lemmon 2002）发现了相反的现象：财务困境越严重的公司，后续股票收益反而越低，这被称为"财务困境异象"。
常见解释是投资者对坏消息反应不足，或者困境股像彩票一样被过度追捧。
所以这里的交易方向是：做多 O-Score 最低（最安全）的公司，做空最高（最危险）的公司。问题是，在标普 500 这些相对健康的大公司里，O-Score 的高低还能不能区分未来收益？
封
以下内容仅对会员开放
这份卷宗剩下的部分已封存。
- 含成本的完整回测与净值曲线
- 论文发表前后、最近三年分段对比
- 逐条交易规则与结果解读
- 可直接运行的 Python 代码下载
已有账号？登录
在闲鱼搜索「nagi 」，下单后自动发送激活码
历史回测不代表未来收益，仅供学习研究，不构成投资建议。