案例背景
2026年9月21日，A股上市公司2026年前三季度业绩预告披露正式拉开帷幕。据第一财经报道，截至当日已有38家公司披露前三季度经营情况（含业绩预告），其中约六成公司业绩预喜，AI产业链高景气度持续兑现。需要注意的是，38家相对于A股五千余家上市公司的总体只是一个极小的子集合，其代表性必须论证之后才能用于推断全市场盈利状况，否则容易把样本特征误读为总体特征。
厘清统计口径是分析的前提。所谓前三季度经营情况披露，实际由两类构成：一类是依据交易所规则触发的强制预告，覆盖净利润转负、扭亏为盈、同比变动幅度越过门槛等情形；另一类是公司基于投资者关系管理需要主动发布的经营简报与自愿预告。两者的触发机制完全不同，前者具有风险警示性质，后者完全由信息供给方决定。同期评论还提出，AI产业链正迈入盈利扩散周期，机会从算力硬件向应用与细分赛道扩散，这一判断需要横向结构分解与纵向时间序列共同检验。对教师与学生而言，这组素材的价值在于：它把课堂上抽象的选择性偏差、幸存者偏差与指数编制原理，压缩进一个可以当场复算的真实场景。
核心分析
一、自愿披露机制下的样本选择性偏差
统计推断的第一步是判断样本是否随机。业绩预告并非对全部上市公司的普查，而是规则强制与公司自愿混合而成的非概率样本。自愿披露存在明显的正向选择性：管理层倾向于在经营改善时主动释放信息，而在业绩承压时推迟披露或保持沉默，这在统计上称为选择性报告，其后果是样本预喜比例系统性高于总体预喜比例。因此，约六成预喜更合理的理解是预喜概率的上偏估计，而非全市场盈利面的无偏推断。研究设计中常用的修正办法包括：以同行业、同规模但未披露公司为对照组构造 Heckman 两阶段修正，或按行业与市值做倾向得分匹配后计算处理组平均效应。
二、盈利扩散的证据链与结构分解
盈利扩散指的是行业增长受益面由少数龙头向更广泛的市场主体扩展。检验扩散需要三个层面的证据：一是广度，即预喜公司的行业分布与数量变化，若主体从少数龙头扩展至二三线供应商，则广度提升；二是强度，即净利润增速的中位数与均值之差是否收敛，两者收敛说明增长不再由个别极值拉动；三是层级，即从算力硬件环节向应用软件、数据服务、细分赛道迁移的节奏。可借鉴集中度指标的思路，计算预喜增量的赫芬达尔指数或前若干家公司的贡献份额，若贡献份额随时间下降而受益公司数上升，即可量化地确认扩散确实发生，而不是仅有龙头独自增长。
落实到财报科目层面，扩散还可以通过一组交叉验证来确认：查看合同负债与预收账款是否随订单扩大同步上升，观察毛利率在营收扩张时是被摊薄还是保持稳定，检查研发费用率在二三线公司中的抬升幅度是否延续。同时必须扣除基期效应，若去年同期存在低基数或一次性损益，本期的高增速只是统计镜像而非真实景气改善。
三、用结构化指标识别景气拐点
单期预告难以支撑趋势判断，应建立多指标合成的景气监测框架。可效仿采购经理指数 PMI 的编制原理：对若干分项指标分别判断改善、持平、恶化，赋正值、零、负值后加总，再换算为扩散指数百分比，高于50%视为扩张区间。具体可选三类分项：先行类的在手订单、合同负债同比；同步类的营收增速与产能利用率；滞后类的存货周转天数与应收账款周转天数。此外必须警惕幸存者偏差：仅跟踪现存上市公司会遗漏已退市、未上市以及被并购退出统计视野的主体，导致景气度被持续高估。补救办法是把披露样板与行业协会的出货量、用电量与用工人数等物量指标交叉比对，用非上市口径的数据为本样本做外部校正。
管理启示
第一，任何以自愿披露为基础的比例关系都要先做代表性修订，再进入决策链条，否则容易把披露意愿当成经营景气。第二，产业判断应从总量视角转向结构视角，用广度和集中度双重分解替代单一增速读数。第三，拐点识别要依靠规则化、可回溯的指数框架，而非单点数据或个案叙事，这样才能在不同时间窗口之间保持可比。
这套方法同样适用于高校科研团队与企业的经营监测实践：先用口径清单明确分母是谁，再用对照组修正偏差，最后用指数语言表述趋势，形成口径、方法、结论三者的闭环。
其他思考
- 如果强制披露规则扩大覆盖面，预喜比例大概率会下降，这种统计口径变化应如何与真实景气变化相区分？
- 要验证盈利扩散假说，你会优先选择广度类指标还是强度类指标，两类指标背离时应如何解释？
- 在存在显著幸存者偏差的样本中，有没有办法通过加入退出样本或替代数据源来还原更接近真实的行业图景？
关键词：业绩预告、选择性偏差、扩散指数
来源：第一财经 | 整理：经管大课堂
原文链接：https://www.rcbom.com/econstat/6330.html
