基于XBRL标准的年报信息含量研究_股票论文

基于XBRL标准的年报信息含量研究，本文主要内容关键词为：年报论文,含量论文,标准论文,信息论文,XBRL论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

中国证监会在2003年底确定将XBRL标准作为未来信息披露的技术规范开始，上海证券交易所和深圳证券交易就加快了XBRL年报的披露工作。在经过几年的试点后，深圳证券交易所在2009年初推出了以XBRL标准化数据为基础的面向中小投资者的“XBRL上市公司信息服务平台”，该平台能够展示、分析及下载上市公司的年报信息，便于投资者更好地利用年报信息。上海证券交易所也在2009年半年报披露之前推出了全新的XBRL平台系统。自此，中国的资本市场完成了XBRL年报的全面披露工作。然而，XBRL年报是否真的能够提高公司的透明度，增加投资者对财务数据的利用效率？本文通过考察XBRL年报披露前后盈余反应系数(ERC)的变化来验证XBRL年报的信息含量。

一、理论分析及假设研究

Ball和Brown写道：“如果我们发现股票的价格随年报的公布而异常变化，就说明反映在年报中的财务信息是有用的”。这句话的意思是，在一个有效的市场里，公司的全部历史信息都已反映在股票的价格中，如果财务报告含有未预期到的信息，就会引发投资者对公司股价作出迅速无偏的反应。已有的论文，采用各种不同的方法多检验财务报告的有用性。常用的方法是事件研究法(Event Study Method)，其核心思想是：如果一个资本市场达到半强型效率，在信息公开披露（事件发生）后，累计超过收益率不再变化。在一个强势或者半强型有效的资本市场中，投资者能在信息公布前正确地预期到财务信息的含义，与此同时股价变动能及时地反映这种预期。

我们运用Choi和Salamon以及Holthausen和Verrecchia的分析框架解释为什么XBRL数据的披露影响市场的意外盈余价值(Valuation of earning surprises)，即影响盈余反应系数(ERC)。盈余反应系数是用来衡量某一证券的超额市场回报相对于该证券发行公司报告的盈余中的非预期因素的反应程度。

上式说明，对于给定的意外盈余，盈余反应系数(ERC)和未来现金流的不确定性，会计信息系统的质量和收入信号成正比。

如果投资者不相信新的信息标准能够改善企业的信息系统，投资者就会对财务报告的质量产生更多的不确定性，如将会增加，因此盈余反应系数(ERC)将会小于采用新标准之前。相反，如果投资者相信新的标准能够增加财务报告的质量，ERC将会大于采用新标准之前。

上述理论分析模型没有考虑ERC的决定因素，已有的研究发现ERC有四个决定因素：盈余持续性(earnings persistence)、系统风险(systematic risk)、公司成长性(growth opportunities)和无风险利率(risk-free interest rate)。按照Kothari，ERC同收益公司风险成反比，同收益持久性成正比，同公司成长性成正比。

1.盈余持续性。Choi将盈余持续性定义为当期盈余在未来保持和增长的可能性；Sun将盈余持续性定义为本期盈余中未预期到的变动对未来盈余预期按同方向修正的程度。两者的表述虽然不同，但实质是一致的，都将盈余持续性表示为现有盈余对未来盈利的反映能力。

盈余持续性从质量上分为两类：永久盈余(permanent earnings)和暂时盈余(transitory earnings)。永久盈余就是那些能够影响公司未来长期持续发生的盈余事件，比如，公司新的专利产生所带来的长期性收益，而暂时盈余类似于营业外收入，是指那些仅限于影响当期盈余的项目，如公司短期投资变现所获得的浮动盈余。对公司而言，如果盈余主要来自永久性盈余，则可认为其收益质量越高，未来现金流也越强，因而盈余质量也越高。盈余持续性通过投资者对股票未来预期的影响最终反映在股票价格上。已经有大量研究关注盈余和股价关系，其中就包括ERC决定因素的研究。Miller和Rock研究发现，收益对未预期盈余反映的程度是盈余持续性的函数。Kormendi和Lipe用实证研究检验了上述结论。Ohlson最早提出了盈余持续性同股票定价的模型，其模型反映的是股票的市场价值、权益账面价值、超常收益和其他信息的线性函数。

2.公司成长性。公司成长性是指公司在发展过程中通过优化生产要素与生产成果而获得公司价值的增长能力。成长性反应了企业未来的盈利能力，也能够通过投资者的预期影响股价。Hanlon指出，公司的成长性越高，表示越有可能赚取超额盈余；同样，Ohlson模式中公司成长性越高，则评价模式中未来盈余所占的权重就越大，公司就越被看好。因此，公司成长性通过影响市场对公司未来盈余的预期，改变股票的价格。

3.公司风险。根据资本资产定价理论(CAPM)的观点，风险有市场的系统风险与本身非系统风险两种，但只有系统性风险会对公司的预期报酬率有所贡献，进而反映在公司的股价上。然而，投资者在投资上所在意的不外乎报酬与风险，大家常以资本资产定价模型中的β系数来衡量股票中的系统性风险。而公司风险的变化最终通过投资行为的改变反映到股票价格上，影响公司的ERC水平。

二、研究设计

（一）样本的选择

本文采用沪深300成分股股票，选取2008年年报、半年报和季报，2009年半年报以及第一、第三季度的季报作为初始样本。剔除了如下样本：(1)窗口期内公司对外披露了其他重大事件；(2)窗口期内股价不全，或者连续停牌的公司；(3)窗口期内累计非正常报酬率大于或者小于50%的，作为异常值提出；(4)剔除了估计期窗口内连续10天没有交易的股票；(5)提出ST/PT类上市公司，这类公司自身状况很差，因此本身包含了影响市场反应的信息。最后获得有效样本1479个，其中上海证券交易所986个，深圳证券交易所493个。样本数据均来自Wind资讯终端系统，行业类型数据由于Wind所提供的不够完整，另取自CSMAR数据库。数据处理主要基于Microsoft Excel和SPSS，其中，数据的基本处理采用Excel，描述性统计和回归分析则基于SPSS。

（二）模型的选择和变量的测度

通常情况下使用两种ERC测度方法，这两种方法都是估计累计非正常报酬率和季度意外盈余的相关关系。

式中，CAR是累计非正常报酬率，ES是季度的意外盈余，参数就是ERC。依据对CAR和ES的不同测度，产生两种不同的ERC。

已有的文献用关联分析法(Association approach)或者事件分析法(Event study)计算ERC。关联分析法通过考察信息披露前后3个月内的累计非正常报酬率和季度的意外盈余之间的相关关系，季度意外盈余=（实际每股收益-上年同期每股收益）／季度第一天的股票价格。由于选择的是3个月的累计非正常报酬率，我们称这种ERC研究为长窗口。在事件研究方法(Event study)下，研究的是信息披露前后3天内的累计非正常报酬率和季度意外盈余之间的相关关系。我们称这种ERC为短窗口。

依据市场参与者对财务信息的反应程度和时间，长窗口和短窗口方法估计得到的ERC对不同的研究而言各有利弊。如果所有包含在财务报告中的价值相关信息都在报告时点对外披露，则短窗口研究方法更合适。相反，如果所有价值相关的信息在整个季度都在影响市场中的参与者，则长窗口的研究方法更好。在具体研究中如何选择窗口估计ERC，依赖于我们所要研究的问题。本文我们选择短窗口。

1.研究窗口

本研究以事件日为基准（即XBRL报告报送日），估计期窗口定为事件日前90个交易日(T-90)到事件前1个交易日(T-1)；事件期窗口定为[-1,1]如上图所示。[-1,1]作为窗口期经常在事件研究方法中被使用，以控制信息的提前泄露所产生的市场反应；[-2,2]也会被用来作为窗口期，一般情况下能够得出和[-1,1]相似的结论。

2.回归模型

3.定义变量

(1)计算超额回报。CAR为调整后的累计非正常报酬率，我们借鉴Givoly和Palmon的做法，采用累计非正常报酬率(CAR)来测定年报及时性的市场反应，并采用调整后市场模型计算CAR。股票超额回报的原理是：若盈余公告带有信息含量，则应该观察到在公告日附近CAR有明显增加；若市场对信息的反应是无偏的（不存在系统性的高估或低估），则CAR应在公告日后基本保持在一定水平上。股票的超额回报是实际回报与正常（期望）回报间的差异。计算“正常回报”的方法通常有三种：均值调整法、市场调整法和风险调整法。本文采用的是累计超额异常收益率计算中的市场模型法。

(2)计算意外盈余。FERR为意外盈余，由于每股盈余是上市公司的一个主要指标，也是投资者投资决策的主要依据，因此，选用每股收益作为代理变量，代表财务报告的信息含量。如果预期的每股收益和财务报告报出日实际报送的每股收益不一样，就会产生未预期的信息含量。我们选用随机游走模型估计预期盈余，即用上年的盈余作为本年度盈余的预测值。该方法虽然简单，但其有效性并不比其他的复杂模型差。

PERIOD为哑变量，如果公司财务报告披露的时间是在首次披露XBRL数据之后，其值为1，否则为0。

(3)控制变量的选择和测度

盈余持续性：已有的研究发现，当期收益为负的时候公司的盈余持续性较差。因此，我们定义LOST为哑变量，如果当期收益为负，其值为1，否则为0。

公司风险：已有的研究经常根据CAPM模型估计公司的风险β，但是本文在计算累计超额异常收益率时采用的是市场模型法，包含了计算β。因此我们利用两个代理变量描述公司风险：①DE权益负债率；②STDRET截至财务信息披露日的7天以前90天以内每天股票收益率的标准差，剔除了连续10天没有交易的股票。

主营业务增长率或Tobin Q值对于公司成长性的衡量：主营业务增长率衡量的是企业过去的增长，Tobin Q用市场做参考对公司未来价值做出评价，表示公司未来的增长潜力，我们同时使用这两个指标来衡量公司成长性。其中，主营业务增长率GROW为本期主营业务收入相对于上期的增长率；Tobin Q=市场价值／重置成本=（每股价格×流通股股份数+每股净资产×非流通股股份数+负债账面价值）／总资产。

其他控制变量：除了上述影响ERC的因素外，我们还选取如下控制变量：ABSFERR为意外盈余(PERR)的绝对值，用来控制ERC研究中的非线性关系；FORT4为哑变量，如果观察值是第四季度的时候其值为1，否则为0；SIZE为总资产的自然对数，用来控制公司规模；INDUSTRY为行业类型变量，依据证监会关于上市公司行业分类指引将样本公司的行业类型分为23类，然后以制造类上市公司为参照，设置23个行业类型哑变量(IND1～IND22)。

三、数据处理及分析

（一）描述性统计

表1分别描述了XBRL年报披露前后回归模型中各个变量的均值的标准差，CAR在XBRL年报披露前后并没有显著的差异，FERR在XBRL年报披露前后则有显著性差异，这可能是因为我国股市经历了大涨大跌，因此改变了人们对市场的预期。其他控制变量前后两期都有明显的差异。

（二）回归分析

1.相关性分析

Pearson和Spearman相关系数。表2的相关系数检验说明，变量之间不存在明显的多重共线性，因为最大的相关系数也只是在SIZE和TOBINQ之间的-0.54。

2.回归分析

我们将总样本分为深市和沪市，并分别进行敏感性测试，考察不同环境下XBRL年报披露对ERC的影响是对总体样本的一个很好补充。表3显示，在考虑了公司特征以及市场因素等一些控制变量的前提下，对于沪深300中的样本来说，年报披露表现出很强的市场反应，总样本和沪市样本在5%的水平上显著，深市样本在1%的水平显著；在沪市样本中，XBRL年报的披露在10%的显著性水平上影响ERC。也就是说，XBRL年报的披露具有一定的信息含量，但是在总样本和深市样本中我们没有发现类似规律。另外，公司规模、盈余持续性、公司风险等都显著地影响CAR，这与已有的研究一致。

四、研究结论与不足

本文运用事件分析法和回归分析法对XBRL年报披露的信息含量进行了检验，将沪深300指数股作为样本，在短窗口[-1,1)的背景下我们得出了如下结论：虽然整体来看市场并没有对XBRL年报的披露产生异常波动，但是对于沪市而言，XBRL年报的披露在10%的显著性水平上影响ERC，这就说明XBRL年报的信息含量已经有所表现。我们的研究虽然得出了一定的结论，但是并没有发现XBRL年报具有很强烈的市场反应。对此我们认为有以下几点原因：首先，尽管XBRL未来将取代传统的报告模式，但它已经影响着世界各国的资本市场。然而在我国，XBRL作为新技术在证券市场的应用还没有完全体现出它的优势，尽管交易所从2002年就开始了XBRL的相关工作，但是投资者由于路径依赖，可能会更多地从原有的渠道获取信息，因此，在推广XBRL报告方面还需要相关部门继续努力。其次，XBRL年报的对外公布从2008年才开始陆续在交易所实现，因此，从样本量来看，我们没有足够的数据进行时间序列分析。最后，在考察的样本窗口期中，中国股市经历了大涨到大跌的过程，上证指数在2007年底超过了6000点，而后一路下行。因此，在实证分析中本文没有能够完全剔除股市行情对研究的影响。综上所述，结论的偏颇还期待未来进一步地研究。

表1