AppLovin (APP) 是一台“广告定向机器”——依托 AI 驱动的优化与双边市场实现增长，同时也需要关注波动性与监管带来的阴影。

* 本报告基于截至 2026-01-07 的数据编制。

1. 简单版：AppLovin 是一家什么样的公司？

用一句话概括，AppLovin (APP) 提供帮助应用与线上商店通过广告实现“销售/安装”的基础设施。这个名字可能让人以为它是“做应用的公司”，但其核心业务非常明确：广告平台。

AppLovin 过去也拥有移动游戏业务，但它在 2025 年 6 月底出售了该移动游戏业务，并明确将重心放在广告平台上。这一转变也让投资者更容易理解“公司在哪里取胜”。

两类客户群体（谁付费 vs. 谁提供库存）

• 广告主（需求侧）：移动应用运营方（游戏、教育、照片编辑等）与电商企业。他们支付广告投放费用，以推动“应用安装”或“产品购买”。
• 发布商（库存所有者＝应用开发者）：能够在自有应用内展示广告的公司。由于他们希望将展示量变现，因此会寻找能以更高且更稳定价格售出库存的工具。

拆解产品：AXON AI（定向）× MAX（售卖）

从本质上看，AppLovin 将“广告市场”（交易发生的场所）与“优化引擎”结合在一起。以中学水平理解，这两部分最关键。

• 面向广告主：AppDiscovery 与 AXON AI……其“核心大脑”用于预测“如果向该用户展示此广告，他/她很可能会购买/安装”，并据此出价以赢得库存拍卖。系统并非仅售卖展示量，而是围绕结果（购买、安装等）构建。
• 面向发布商：MAX（中介）……一种运营工具，用于连接多家广告公司，并帮助在当下选择条款最优的广告进行投放。可以把它理解为“一个控制面板，把应用内广告售货机调到最赚钱的设置”。

如何赚钱：效果越好，市场模型转得越快

目前，广告平台是核心（游戏业务已出售）。变现可从两条主要路径理解。

• 来自广告主的收入：广告主看到的效果越好，就越可能增加投放；AppLovin 的设计是赚取与这些结果挂钩的收入。
• 支持发布商变现：如果发布商通过 MAX 及相关工具提升广告收入，会有更多库存进入平台；进而改善流动性并提升平台整体价值。

前瞻性举措：电商与自助化作为“下一支柱”

应用广告是当下主战场，但以下方向被明确定位为未来上行空间。

• 电商广告（beta）：在 AXON AI 的叙事中，公司表示电商解决方案处于 beta 阶段。这为从应用扩展到“推动实物商品销售的广告”提供了路径。
• Axon 之下的平台化/自助化：据报道，约在 2025 年 10 月，广告平台在 Axon 之下完成重组，并推出了Axon Ads Manager（自助工具）。自助化通常支持“在不增加人手的情况下”实现规模扩张。

一个便于理解的类比

理解 AppLovin 最简单的方式，是把它看作运营一个“市场”的公司：广告主（想投放广告）与发布商（能投放广告）在此相遇，而 AI 会快速决定“哪种匹配最有效”。

2. 长期数据说明了什么“公司类型”：高增长，但轨迹更为颠簸

从长期基本面看，APP 并非典型的“稳定、年年优等生”式公司，能够每年平滑复利增长。更合适的理解是：增长强劲，但盈利存在显著波动的业务。

Lynch 分类：Fast Grower（主）+ Cyclical（次）的混合型

该股票最适合归类为以 Fast Grower（高增长）为主，并带有Cyclical（高波动）特征作为次要分类。这里的 “Cyclical” 与其说是宏观敏感性，不如说更接近 Lynch 所指的“利润波动/周期性”。

• Fast Grower 依据（FY）：5-year EPS CAGR +65.1%，5-year revenue CAGR +36.5%，ROE（latest FY）144.96%。
• 高波动依据（FY/TTM）：FY 历史包含 EPS 与净利润为负的年份，TTM 序列也显示从负转正的剧烈反转。短期增长也呈现加速阶段特征，TTM EPS YoY +150.8%。

5年与10年增长：即便拉长周期，收入与 FCF 仍然强劲

• 5-year（FY）：EPS +65.1% CAGR，revenue +36.5% CAGR，free cash flow +60.8% CAGR，net income +67.7% CAGR。收入、盈利与现金同步上升，非常符合成长型公司的“形态”。
• 10-year（FY）：Revenue +46.1% CAGR，free cash flow +57.4% CAGR。同时，EPS 与 net income 在该期间无法计算，这限制了我们仅凭数据对超长期一致性作出判断。

长期盈利趋势：2023–2024 年似乎进入了“不同区间”

按 FY 口径，近几年利润率与现金创造能力均显著改善。

• Free cash flow margin（FY）：2024 年为 44.5%（轨迹如：2018 年 28.5%，2022 年 14.6%，2023 年 32.2%）。
• Operating margin（FY）：2022 年 -1.7% → 2023 年 19.7% → 2024 年 39.8%。

基于 FY 数据，盈利能力在 2023–2024 年似乎上移至更高区间。

我们处于周期的哪个位置：不在底部，而更偏“复苏后高位”

尽管 FY 历史包含从亏损到盈利的摆动，但最近一期显示出显著盈利（FY net income 15.80億USD）。TTM 水平也较高；至少从数值上看，公司处于“复苏后高位”的一侧。

• TTM 规模：Revenue 55.21億USD，EPS 8.30，free cash flow 33.54億USD，free cash flow margin 60.7%。
• TTM 增长（YoY）：EPS +150.8%，revenue +55.2%，free cash flow +95.3%。

需要注意的是，部分指标（包括利润率与安全性指标）在 FY 与 TTM 之间可能呈现不同表现。这源于时间窗口的捕捉方式不同；与其将其视为矛盾，不如把真正的问题定义为“哪一种视角更接近底层现实”，并通过更多证据加以检验。

3. 近端（TTM / 最近8个季度）：增长动能在“加速”

近端动能看起来是Accelerating，因为 EPS、收入与自由现金流都显示：最近 1 年的增长率高于 5 年平均。

增长率：最近一年强劲（短期同样符合 Fast Grower 画像）

• EPS（TTM YoY）：+150.8%（高于 FY 5-year CAGR 的 +65.1%）
• Revenue（TTM YoY）：+55.2%（高于 FY 5-year CAGR 的 +36.5%）
• Free cash flow（TTM YoY）：+95.3%（高于 FY 5-year CAGR 的 +60.8%）

过去 2 年（约 8 个季度）也显示出向上的强连续性

即便按 2-year CAGR 计算，数据也处于高位：EPS +184.4% CAGR，revenue +29.7% CAGR，free cash flow +79.7% CAGR。方向性（相关性）也很强——EPS +0.99，revenue +0.94，free cash flow +0.99——表明这不仅是一年期的尖峰，而是具有真实的向上连续性。

动能来自哪里：收入增长与盈利能力（效率）改善同时发生

近期，EPS（+150.8%）与 FCF（+95.3%）的增长快于收入（TTM YoY +55.2%）。在不作结构性断言的前提下，这种数据形态与增长同时伴随盈利能力/效率改善时常见的动能一致。

对盈利动能的补充检验（FY）：Operating margin 大幅改善

FY operating margin 从 2022 年的 -1.7% 上升至 2024 年的 39.8%，与短期 EPS 加速相当一致。

4. 现金流质量：EPS 与 FCF 大体一致，但“背离”是关键监测点

在最新 TTM 中，free cash flow 为 33.54億USD，free cash flow margin 为 60.7%，非常强劲，并与 EPS 增长方向一致。至少在当前，这不像是那种“账面有利润但现金不出现”的业务——甚至更接近相反情况。

但 Invisible Fragility 的核心思想是：表面越好看，越难看清模型可能如何断裂。作为实用的识别机制，关键在于“背离”是否开始出现——例如收入仍在上升但利润/现金增速先行放缓，或在收入增速降温时利润率却以不自然的方式扩张。

5. 财务稳健性（直接用于破产风险评估的部分）

APP 是成长型公司，但在财务上不应被视为“零负债、坚不可摧”，而应视为带杠杆的资本结构。这意味着需要将付息能力与现金缓冲一并评估。

负债在不同指标下呈现不同：Debt/Equity 偏高，Net Debt/EBITDA 更可控

• Debt/Equity（latest FY）：3.26x（相对权益看起来负债较大）
• Net Debt / EBITDA（latest FY）：1.20x

由于该结构可能使权益看起来偏小，Debt/Equity 显得较高，而 Net Debt / EBITDA 约在 1x 左右。这些指标讲述不同故事本身就是重要的分析点；在这种情况下，不宜仅凭单一比率就下结论为“安全”或“不安全”。

利息覆盖与现金缓冲：近期观察显示改善

• Interest coverage（FY）：5.95
• 按季度口径，付息能力有所改善，最新季度观察值在 20 多
• Cash ratio（FY）：0.70（按季度口径观察为 1.55）

在某些阶段，利息覆盖与流动性在季度口径下会比 FY 更强，且近期方向并非单向恶化。从破产风险角度看，基于当前可得信息，“迫在眉睫的流动性压力”等信号似乎有限；但鉴于杠杆特征，仍需持续监测：当利润回落时，付息能力是否会成为最先走弱的环节。

6. 资本配置与股东回报：分红难以被定位为“核心”要素

按 TTM 口径，无法获得 dividend yield 与 dividend per share，使得该期间难以评估。年度数据中可确认存在分红支付的年份，但历史有限（有分红年份：3），且也存在分红被下调（或暂停）的年份。

因此，当前更适合将 APP 定位为非以分红为核心的收益型股票，而是一个主要争论点在于增长投入、利润率扩张与财务杠杆之间平衡的标的。值得注意的是，尽管 TTM free cash flow 高达 33.54億USD，但结构中也包含 3.26x 的 Debt/Equity。

7. 增长来源：除收入增长外，利润率改善是重要贡献者

EPS 增长不仅来自强劲的收入增长，也在很大程度上来自operating margin 扩张（从 FY 2022 的负值区间提升至 FY 2024 的约 40%）。按 FY 口径，shares outstanding 略有下降，因此股本数量效应似乎是次要因素。

8. 成功叙事：它为何能赢（APP 的“取胜路径”）

APP 的取胜路径可以归结为广告中最重要的一点：提高广告投放转化为结果的概率（命中率）。

• 以结果为中心（以 ROI 为中心）的设计：广告主在 ROI 有效时投放，在无效时停止。APP 围绕这一现实构建，目标是形成“更多结果带来更多交易”的结构。
• 双边市场飞轮：将广告主（需求）与应用库存（供给）带入同一场域，交易增长带来更多学习机会，从而提高“用得越多越聪明”的概率。
• 将运营产品化（自助化）：从人工驱动运营转向工具驱动、可重复的工作流，力求避免客户获取与运营成本呈线性关系。

9. 叙事是否仍然成立：近期动作与一致性（叙事对齐）

近期公司动作整体上与成功叙事一致，同时一个较新的议题——数据处理——正越来越成为叙事中心。

从“游戏公司”到“广告平台公司”：统一叙事

随着 2025 年 6 月底出售游戏业务，即便在标题层面，也更容易将公司描述为“以广告为核心”。这并非好坏判断；只是叙事变得更为连贯。

从“人工运营”到“自助化”：改变公司的扩张方式

自 2025 年下半年起，自助化叙事增强，表述也从“销售执行”转向“通过产品实现客户增长”。这与将 APP 既有的取胜公式——“以结果为中心 × AI 优化”——更广泛分发的推动方向一致。

与此同时，“数据处理”正在成为核心议题：经营条件更可能被质疑的阶段

广告业务对隐私、监管与平台政策高度敏感，APP 持续更新州法合规与隐私披露。此外，据报道，2025 年 10 月当局正在调查数据收集做法。与效果无关的是，这一变化使得可运营性与问责性更可能成为叙事中心。

10. Invisible Fragility：八种可能的断裂方式——越强势时越值得检查

在这里，我们不主张“现在就很糟”，而是提出结构上合理的失效模式，作为实用的识别点。

• ① 客户依赖集中（持续依赖应用广告）：若向电商等非游戏领域的扩张不推进，核心领域成熟化带来的压力将更为暴露。
• ② 竞争环境快速变化：与中介相邻的空间较为集中，Google/Unity 等主要参与者的功能/条款变化可能迅速重塑格局。
• ③ 差异化丧失（命中率商品化）：优化技术可能扩散，使差异化更多转向数据、运营与连接密度。若衡量约束使差异化更难，竞争可能向价格/条款倾斜。
• ④ “平台依赖”带来的供给约束：OS 所有者或广告生态守门人（标识符、同意、衡量规范）的规则变化，可能发挥供给约束作用。
• ⑤ 组织文化恶化（内部磨损）：2025 年 8 月之后缺乏足够高质量的一手信息，使得该阶段评估困难；但一般而言，在高速增长/高负荷阶段，频繁的优先级切换与跨团队摩擦，可能在后续体现为更弱的落地与支持质量。
• ⑥ 盈利能力恶化（高利润“新区间”回归）：即便收入仍在增长，利润/现金先行放缓——即“背离”——往往会作为早期信号出现。
• ⑦ 财务负担加重（付息能力）：尽管近期付息能力有所改善，但若因效果走弱导致利润下滑，可能迅速恶化。
• ⑧ 监管/应对当局的成本上升：无论是否有调查报道，法律、审计、披露与技术合规负担都可能上升，从而降低经营灵活性。

11. 竞争格局：与谁竞争，以及结果由什么决定

APP 的竞争更少取决于“谁有最新功能”，更多取决于可重复的结果，以及它能否在中介（运营基础）中维持默认位置。

主要竞争对手（在同一赛场竞争/可能去中介化）

• Google (AdMob/Google Ad Manager, etc.)：在 OS/衡量/广告基础设施侧影响力强；规范变化可重塑周边条件。
• Unity (Unity Ads / ironSource＝LevelPlay)：在游戏开发技术栈与供给侧触点深，被广泛视为中介领域的重要力量。
• Meta (Meta Audience Network)：重要的需求来源，被观察为顶级 SDK 覆盖。
• Liftoff (formerly Vungle), Mintegral：成熟的应用导向广告网络，被观察为顶级 SDK 覆盖。
• (Supplementary) Appodeal, Chartboost, etc.：常被提及为更小、边缘的参与者。

补充说明：SDK 覆盖排名是对“安装了该 SDK 的应用占比”的估计，并不直接代表交易量或收入份额。

按领域划分的竞争地图（战场在哪里）

• 广告主侧（获客/结果优化）：关键在于结果的可重复性、在衡量约束下的优化能力，以及向非游戏（电商等）扩张。
• 发布商侧（应用内广告变现/中介）：关键在于标准化实施、运营质量、事故恢复，以及对向竞价制格式迁移的支持。
• 衡量/隐私应对（决定竞争条件的领域）：OS/监管/政策设定“条款”，在数据约束下的运营设计将接受检验。

12. Moat（进入壁垒）：不是一堵墙，而是“累积”形成

APP 的 moat 并非单一不可穿透的壁垒；它是多重优势累积构建的结果。

构建 moat 的要素

• 双边连接（需求 × 供给）：比单边模型更可能形成飞轮。
• 运营数据与学习的积累：可转化为更可重复的结果。
• 作为运营标准嵌入中介：一旦嵌入，SDK/适配器、验证与运营流程往往会形成转换成本。
• 通过自助化扩张：将运营产品化会改变规模扩张的形态。

侵蚀 moat 的要素（可能动摇耐久性的因素）

• 隐私/衡量约束收紧（数据优势被削弱）
• OS 所有者/大型广告平台的规则变化（第三方优化空间变小）
• 与竞价迁移或 SDK 更新相关的运营不稳定（社区中常被讨论的摩擦）
• 广告体验或 UX 的变化反馈到发布商 KPI，可能影响库存与运营决策

转换成本：发布商侧更重但并非“绝对锁定”；广告主会随效果迁移

• 发布商侧（应用开发者）：SDK/适配器实施、配置、A/B 验证与事故响应工作流是真实的成本驱动。但由于中介聚合多家网络，通常比单一网络有更大切换空间。
• 广告主侧：创意、学习、衡量对齐与运营经验是成本驱动，但当效果被判定不足时，流失可能很快。真正的粘性来自可重复的结果。

13. AI 时代的结构性位置：顺风，但优化竞争与数据约束“同时加剧”

在 AI 技术栈中，APP 不是 OS；它位于处理中间层（市场与优化基础设施），负责广告交易与优化。扩展自助工具，是通过增加“易用的 UI”（应用层）来加厚中间层价值的举措。

通常构成顺风的因素

• 网络效应：需求与供给流转越多，学习机会越多，更可能形成“改进推动使用”的飞轮。
• AI 深度集成：AI 不是外挂功能，而是直接驱动结果的核心逻辑。
• 关键任务属性：对广告主而言，它直接关联 ROI，只要能交付结果，预算往往会持续流入。

逆风（或难度上升的领域）

• AI 替代风险的本质：主要风险不在于需求消失，而在于优化竞争加剧、差异化更难。
• 数据处理约束：监管与平台政策可能削弱的不是“效果”，而是“可运营性与自由度”（关于当局调查的报道，是这一轴线上的重要拐点）。

14. 领导力与企业文化：结果（ROI）× 技术（AI）× 纪律（精益运营）

基于公开信息，APP 一贯将其对广告主的价值主张定位在 ROI 而非“收入”；SEC 文件也清晰阐述：广告主在 ROI 目标达成时投放，而这种对齐是增长的关键驱动。

CEO/管理层原则的一致性：广告聚焦与自助化可被解读为“文化的延伸”

• 2025 年出售游戏业务，明确了聚焦广告平台的优先级。
• 诸如“创新文化”“精益运营模型”“产品自我销售（更接近自助化）”“工程驱动的 AI 持续优化”等要素，被描述为一个整合的体系。

人格画像与决策风格（概括性）

• 倾向强调结果、速度与执行（与以 ROI 为中心的世界观一致）。
• 倾向偏好小而精的团队与精益运营。
• 相对而言，可能存在某些阶段更重速度而非谨慎沟通与共识构建，也更重自助化而非高触达的人力支持。

员工评价中常见的概括性模式（不作硬结论）

• 正面：汇总结果往往显示薪酬与福利评分较高；工作被描述为困难但有趣/具挑战性。
• 负面（摩擦）：工作与生活平衡评分往往两极分化；管理层评分往往分化；凝聚力与归属感可能被提及为需要改进的方面。

此外，SEC 文件明确提及高管角色变动（例如 2024 年 11 月从 executive officer 中移除，以及 2025 年 3 月 CMO stepping down/resigning），这也构成对文化与治理的观察点，表明顶层设计并非固定不变。

15. 当前估值处于何处（仅与公司自身历史对比）

这里不与市场均值或同业对比，而只关注当前估值相对于 APP 自身历史区间的位置（主要为过去 5 年，过去 10 年作为补充）。基于价格的指标假设股价为 632.91USD（截至报告日期）。

PEG：高于过去 5/10 年的正常区间（相对历史偏高）

• PEG（基于最近 1 年增长）：0.51

该值高于过去 5 年区间（20–80%）的 0.17–0.31，即便按 10 年视角也高于正常区间上沿。过去 2 年 PEG 呈上行趋势，增长调整后的估值相对历史偏贵（仅在公司自身历史语境下定位）。

P/E：绝对值偏高，但历史区间很宽——“区间内中位略偏高”

• P/E（TTM）: 76.24x

过去 5 年中位数为 71.01x，当前水平略高于该中位数。由于过去 5/10 年正常区间极宽（47.94x–392.51x），当前仍处于区间内。过去 2 年 P/E 呈上行趋势。

Free cash flow yield：处于区间内但偏低（收益率下行）

• Free cash flow yield（TTM）：1.72%

该值低于过去 5 年中位数 2.16%，位于过去 5 年分布的偏低端。过去 2 年收益率呈下行趋势——这通常出现在市场计入较多预期时（此处同样不与投资决策挂钩）。

ROE：远高于过去 5/10 年的正常区间（异常偏高）

• ROE（latest FY）：144.96%

该值超过过去 5 年正常区间上沿 92.16%，也远超过去 10 年上沿 76.91%。过去 2 年呈上行趋势。但由于 APP 的权益历史波动较大（包括权益为负的年份），我们仅限于事实陈述：“其在分布中的位置极高”。

Free cash flow margin：高于历史区间（处于不同的高位区间）

• Free cash flow margin（TTM）：60.75%

该值远超过去 5 年正常区间上沿 34.65% 与过去 10 年上沿 31.45%，相对历史异常偏高。过去 2 年呈上行趋势。

Net Debt / EBITDA：低于历史区间（更小＝更高财务灵活性）

• Net Debt / EBITDA（latest FY）：1.20x

该值低于过去 5 年正常区间下沿 2.11x，也低于 10 年下沿 2.15x。注意该指标为反向指标，数值越小（越负）意味着现金越多、财务灵活性越强，当前水平相对历史更小。过去 2 年呈下行趋势（向更小方向）。

六项指标下的“当前所处位置”

• 估值：PEG 高于历史区间；P/E 处于区间内（略高于中位数）；FCF yield 处于区间内但偏低（靠近底部）。
• 盈利能力/质量：ROE 与 FCF margin 均高于历史区间。
• 财务：Net Debt / EBITDA 低于历史区间（偏小）。

16. 客户看重什么/不满什么：可视化产品的“一线摩擦”

对广告平台而言，强弱最终取决于“是否能在一线持续被使用”。以下为面向投资者的来源文章中提到的概括性模式。

客户通常看重的点（Top 3）

• ① 被感知的实际效果交付能力：对广告主而言是获客、购买等结果；对发布商而言，更高的广告收入往往是关键标尺。
• ② 易于操作（自动化/自助化）：自动化的搭建与优化——以及用小团队运行项目的能力——往往本身就被重视。
• ③ 双边结构带来的飞轮更易形成：需求与供给在同一场域流转越多，学习越能复利累积——这种飞轮往往被重视。

客户通常不满的点（Top 3）

• ① 对依赖上升的焦虑（黑箱化）：结果越好，依赖可能越强——但当无法解释结果为何发生（或为何突然停止）时，会产生挫败感。
• ② SDK/设置/中介的“脆弱性”：更新或集成不匹配可能导致突发不稳定，体现为真实的一线摩擦。
• ③ 隐私/监管合规负担：随着 opt-out 等要求增加，实施负担与问责上升，影响 UX 以及结果的呈现方式。

17. 面向长期投资者的“两分钟”地图（Two-minute Drill）

长期看 APP 的方式可以归结为一个观点：它是一台“提升广告结果的机器”。投资者应建立的基础，是如下这类假设集合（这不是买入建议——只是让逻辑成立的一组有组织条件）。

• 结果的可重复性：在衡量约束与库存变化下，AXON AI 的“命中率”是否仍可重复。
• 规模扩张的形态：自助化（Ads Manager 等）是否推进，并形成客户获取与运营成本不线性上升的结构。
• 扩张的成功：在非游戏（电商等）领域，应用广告的取胜方法能在多大范围内迁移（覆盖广泛客户群，而非少数案例）。
• 对经营条件的韧性：数据处理、监管与平台政策的变化，是否仍停留在“增加成本”的范畴，而非演变为“致命伤”。

从长期“类型”看，该股票偏向 Fast Grower，但也呈现较大的利润波动（类似 Cyclical 的特征）。这意味着数字越强，越需要在三方面寻找“摩擦”：结果的可重复性、运营质量与数据约束。

18. 通过 KPI 树理解：提升企业价值的因果链，以及约束条件

APP 看起来复杂，但一旦拆解因果关系，监测点就会更清晰。

最终结果

• 利润与现金创造（free cash flow）的扩张
• 盈利能力的改善与维持（利润率与现金转化）
• 资本效率提升与财务耐久性的维持（利息覆盖与流动性）

中间层 KPI（价值驱动因素）

• 交易规模：平台承载的广告交易量有多大
• 广告主侧 ROI 的可重复性：只要能交付结果，预算往往会流入；一旦失效也可能迅速停止
• 发布商侧盈利能力：库存聚合，需求“蓄水池”更深
• 需求 × 供给的连接密度：双边市场的飞轮
• 优化表现（命中率）
• 自助化运营的渗透：降低对人手的依赖，使规模扩张呈现非线性
• 客户结构扩张：从以应用为中心走向非游戏
• 运营质量：SDK/设置/衡量集成的稳定性
• 对监管与平台约束的适应：数据约束下的可运营性

约束与瓶颈假设（Monitoring Points）

• 效果导向模型内生的需求不稳定性：当结果恶化时，广告主预算可能快速迁移。
• 运营摩擦：SDK 更新、配置差异与集成不匹配可能损害结果。
• 黑箱焦虑：自助化扩张后，解释能力有限可能成为摩擦。
• 数据/监管/政策约束：相比效果本身，运营自由度与合规成本可能成为瓶颈。
• 财务结构中的固定负担：付息能力与流动性是否会领先于利润变化而恶化。