在当前“资产荒”的大背景下,实体经济回报率下滑,市场中大量资金找不到合适的投资品,出现资产配置混乱的局面,同时也造成市场中某类投资品在短期内被过度投资,具体的表现就是在股市,债市和二手房地产市场出现的暂时性投资过热。为了能在这样的经济环境中寻找合适的投资组合资产,获得较高的投资回报,笔者从浑水公司的做空手法中得到启发,尝试构建了基于财务舞弊甄别的反向阿尔法套利策略。研究发现通过虚增利润进行财务舞弊的上市公司,在报表发布日之后阿尔法值要明显低于报表发布之前,理论上就可以通过对冲系统性风险,剥离出负阿尔法得到正的绝对收益。在舞弊甄别模拟中,通过比较不同甄别模型的外推预测效果,笔者发现基于机器学习算法的随机森林分类模型要明显的好于其他分类器,而在选取的解释变量中,估值指标市销率,纵向对比指标舞弊前一年成本费用利润率以及偿债能力指标利息保障倍数对舞弊甄别有着较高解释水平。最后,笔者基于夏普单指数模型剥离阿尔法构建策略组合,分别测试了策略在牛市,熊市和震荡市三种行情中表现,模拟出的结果表明,策略在熊市行情中的表现最为突出,120个自然日内的累积收益达到34%以上,而在牛市和震荡市中,策略的月度收益也能达到5%左右,结果非常理想,但同时也应该注意到,因为策略中对系统风险对冲不足,导致了策略收益率在熊市溢价在牛市中折价的情况。