会计收益数据的经验评价中文 读书笔记.docx
《会计收益数据的经验评价中文 读书笔记.docx》由会员分享，可在线阅读，更多相关《会计收益数据的经验评价中文 读书笔记.docx（6页珍藏版）》请在冰豆网上搜索。
会计收益数据的经验评价中文读书笔记
会计收益数据的经验评价中文（读书笔记）
会计收益数据的经验评价 雷·鲍尔菲利普·布朗?
会计理论家们大体上通过会计实务与特定分析模型的相符程度来评价其有用性。
这种会计分析模式可能仅仅一些主张或断言组成，或者，它可能是一种经过严格推理的理论。
无论哪种情况，会计研究方法一直是将现行惯例和模型推出的更为可取的操作或模型推出的所有会计实践都应拥有的标准进行对比。
这种方法的缺点是它忽视了世界上知识的一个重要来源，就是模型预测符合观测行为的程度。
在某个探析的假设均能被经验验证这样的基础上为该探析辩护是不够的。
因为，如何能得知一个理论包含了所有相关的有证据支持的假设？
同时，如何解释基于无法证实的前提，如效用函数最大化，得出的结论的预测能力？
此外，如何分析在考虑了世界不同方面后产生的结论之间的差异？
对会计实务的有用性进行完全分析方法的局限会计数据本质上不能被定义的争论来说明。
会计数据本质上不能被定义是因为它们缺乏“意义”，从而它 1 们的作用令人质疑。
争论中心在一定程度上源自为适应新经济环境，相应出现会计实务的发展。
仅举一些出现问题的领域。
随着实务的发展，会计人员需要处理合并、租赁、并购、研发费用、物价波动和税项支出等实务。
因为会计缺少一个统一的理论框架，所以在这些会计实务中出现了不一致的现象。
其结果是，净收益是不同质部分的累计。
因而，净收益被认为是一个“无意义”的数字，跟27张桌子和8把椅子之间的差别没什么不同。
在这种观点下，净盈余只能被定 ?
义为一系列程序?
X1,X2,?
?
运用到一系列事件?
Y1,Y2,?
?
后得到的结果，没有什么实质内涵。
Canning观察到：
净盈余的计量结果在任何意义上都不能认为是真实的，除了它是一个数字，是会计人 2 员中止他所采用的程序的应用后得出的结果。
尝试提高计量方式解释能力的分析方法的价值是无争议的。
有争议的是这样一个事实：
一个分析模型本身没有评估脱离它所隐含计量方式的意义。
因此，在没有进行经验检验的基础上，根据会计分析模式得出于会计收益数据缺乏实质内涵导致它缺乏有用性的结论是不妥的。
会计收益数据的经验验证需要关于现实世界成果构成的效用实验的协议。
因为净收益是一个投资者感兴趣的数字，所以我们用来作为预测标准的结果的是 3 反映在证券价格里的投资决策。
净收益数据的内容以及发布时间两项会被用来 ?
芝加哥大学。
西澳大利亚大学。
作者感谢芝加哥大学会计研究工作组的同事们：
MyronScholes教授、Messrs教授、OwenHewett教授和IanWatts教授。
1 关于这个问题的不同争论出现在Canning（1929）；Gilman（1939）；Paton和Littleton（1940）；Vatter（1947）,第2章；Edwards和Bell（1961）,第1章；Chambers（1964）,第267-68页；Chambers（1966）,第4页和第102页；Lim（1966）,特别是第645页和第649页；Chambers（1967）,第745-55页；Ijiri（1967）,第6章,特别是第120-31页；和Sterling（1967）,第65页。
2 Canning（1929）,第98页。
3 Beaver（1968）推行的另一种方法是使用反映在交易量里的投资决策作为预测标准。
?
共同验证会计收益数据的有用性，因为这两项的缺失均会破坏会计收益数据的有用性。
经验检验 资本理论的最新发展为将证券价格的表现视作会计收益数据有用性的运行测试提供了合理理。
大量令人印象深刻的理论证实，如下的资本市场是有效和无偏的，原因在于如果信息对形成资本资产的价格是有用的，资本市场就会根据这种信息迅速地调整资产的价格，使投资者不能获得更多的非正常报酬。
4证据显示，如果证券价格确实根据新信息进行迅速地调整，那么证券价格的变化就会反映信息向资本市场的流动。
5可观测的股票价格波动与收益表发布之间的联系可以证明会计收益数据所反映的信息是有用的。
我们采用的将会计收益同股票价格相联系的研究方法就建立在上述理论和通过仅关注影响特定公司股票价格的特定信息得到证据的基础上。
6具体来说，我们构建了市场预期收益的两个选择模型来考察当市场预期不准确时市场是如何反应的。
预期盈余变动和未预期盈余变动 根据过去的事实，所有公司的盈余变动具有一致性。
一项研究发现，公司平均每股盈余变动水平的一半左右与宏观经济效应有关。
7根据这个证据，公司收益从某年到次年的变动中至少有部分可以被预测。
在上一年，如果某公司的盈余通过某种特定方式与其他公司的盈余相联系，那么了解了过去的这种特定联系，再加上其他企业当年盈余信息，就可以得到该企业当年盈余的条件期望。
因而，除去确定的影响，当前收益所传递的新信息含量通过实际收益变动与条件期望变动的差异得到估计。
但不是所有的这种差异都是新信息。
盈余的一些变化源自公司财务和其他政策的改变。
我们假定，在第一次估计前，这些变化已经随时间被收益的平均变化所反映。
因为，上述变动的两个组成部分——宏观经济和政策——的影响是同时的，它们的联系可以被联合估计。
我们采用的统计流程是：
首先采用最小二乘法和到上年为止的数据，求出j公司每年的盈余变化 4 例如，Samuelson（1965）已证明，一个对信息评估无偏的市场会增加证券价格时间序列的随机波动性。
同样可见，Cootner（ed.）（1964）；Fama（1965）；Fama和Blume（1966）；Fama以及其他人（1967）；和Jensen（1968）.5 证券市场的一个得到充分证实的特征是信息的有用来源会起作用而信息的无用来源会被忽略。
这一点也不奇怪，因为市场大量通过比竞争对手更充分地分析企业的前景来做出投资决策从而获得收益的投资者组成。
比如见，Scholes（1967）以及上面的附注4。
证券市场的这种评估方法与Chambers（1966,第272-3页）有很大的不同。
6 更确切地说，关注那些不对所有公司证券价格都有影响的信息，因此，在本论文中，一些产业效应不被考虑到。
7 或者，当收益被定义为纳税调整后的已投资资本回报时，公司平均每股盈余变化的35%-40%与系统因素有关。
[来源：
Ball和Brown（1967）,表4] 关于市场上其他所有公司的盈余平均变化的线性回归系数和截距项：
?
1jt?
a?
2jt?
?
?
?
u?
j,t?
?
?
?
?
?
a8 ?
?
1,2,?
t?
1 其中，“?
”表示估计。
然后，将第t年的市场盈余平均变化代入回归模型，计算出j公司在第t年的预期盈余变化：
?
?
a?
1jt?
a?
2jt?
Mjt?
Ijt?
jt）未预期盈余变化，或者说，预测残差?
jt?
?
Ijt?
?
I ujt我们假定的当前收益所传递的新信息就是这个预测残差。
市场反应 同样被证明的是，股票价格的变动具有一致 性。
一项研究9估计，在1944年三月到1960年十月期间，股票月报酬率变化的30%-40%左右与市场效应有关。
股票报酬中的市场性变化与所有公司相关的信息的发布所引起。
既然我们在评估与个体公司相关的收益表，它的内容和发布时间就应该与剔除了市场效应的公司股票报酬率变化联系起来估计。
市场性信息在投资一美元到j公司股票中获得的月回报率上的影响可以 1011 j公司普通股月股票价格比关于市场报酬率的线性回归中得出的预测价值来 估计：
?
?
?
jm ?
?
PRjm?
1?
?
?
b1j?
b2j?
Lm?
1?
?
v其中，PRjm是j公司在第m月的月股票价格比，L是Fisher的“复合投资业绩 我们叫M盈余的“市场指数”，因为它仅仅是那些在纽约证券交易所上市的公司的会计盈余数据构造 成的。
9 King（1966）. 810 ，除以开盘价：
j证券在第m月的月价格比被定义为红利+收盘价 PRjm?
?
pj,m?
1?
djm?
pjm 此，月价格比就等于分离的月报酬率加上不变乘数；它的自然对数是连续复利计算的月报酬率。
在 中，我们假定用用非连续复利计算，因为在这种形式下，结果容易解释。
11 Fama以及其他人得出如下结论：
“为了从单个证券月报酬率中抽取掉一般市场状况的影响，用证券报酬率对市场报酬率进行回归是一个令人满意的方法。
”为了达成他们的结论，他们发现“单个证券报酬率关于市场报酬率的散点图十分支持回归的假设，即线性、同方差性和序列独立性”。
Fama等人，以及King（1966），研究了价格比的自然对数形式。
然而，Blume（1968）运用了等式。
我们同样进行变量替换测试：
’’ln?
?
PRjm?
?
b1’j?
b2ln（L）?
vj?
mjm 其中，ln?
表示自然对数函数。
其结果与下面报告的结果相当一致。
指数”的环比[Fisher（1966）]，vjm是j公司在第m月的股票报酬率的残差。
?
Lm?
1?
的值是对市场的月报酬率的估计。
我们样本中下标m呈现了自1946年1 月开始的所有能获取数据的月份数。
等式呈现的普通最小二乘法回归模型中的残差计量了基于估计回归参数和市场指数?
Lm?
1?
的实际报酬率与预期报酬率之间差异的程度。
因此，既然发现市场会根据新信息迅速有效地调整，那么这个残差一定代表了j公司单独的新信息对持有j公司普通股的报酬率的影响。
一些计量问题 盈余的普通最小二乘法回归模型的一个假设12是Mj和uj是不相关的。
这两者之间的相关性至少体现在两方面，即盈余的市场指数中包含了j公司以及产业效应的存在。
第一个已经通过构造来估计，但是产业效应的存在却没有进行任何的调整。
可以估计产业效应大概仅能解释某个公 13 司收益率变化的10%。
因为这个原因，等式可以被用作适合的分析方法，这种方法相信估计值a1jt和a2jt的偏差是不显著的。
不过，作为模型统计有效性的一个检验，我们同样提供了一个选择模型即幼稚模型的结果。
幼稚模型预测去年的盈余和今年的盈余是一样的。
它的预测误差仅仅是上年度至今的盈余变动。
如下所示，与盈余回归模型的情况一样，股票报酬率模型明显违背了普通最小二乘法回归模型的一些假设。
首先，市场报酬率与残差有关，因为市场报酬率包含了j公司的报酬率，同时也因为产业效应。
但是这些违背都是不严重的，因为费式指数是在纽约证券交易所上上市的所有公司股票计算出来的，同时，产业效应最多能解释股票平均报酬率变化的10%。
14第二个违背源自我们的预测，即，在报告日附近的某几个月中，残差vj的期望值不等于零。
再一次说 ?
j的自相关性很低15，并且明，任何偏差对结果都没有什么影响，因为可观察的v 1213 即，普通最小二乘法的一个必要假设是最小方差性、线性和无偏估计。
归属于产业效应的量取决于行业定义的广度，这转而取决于所考虑的特别的经验应用。
10%的估计是以两位数分类表为基础的。
一些证据显示，当某公司和产业效应之间的联系用一阶差分进行估计时，产业效应可能可以解释某个公司收益率变化的10%以上[Brealey（1968）]。
14 这个10%的估计是因为King（1966）.Blume（1968）对产业效应的量开始质疑，提出这个量可能稍微低于10%。
他的观点以下的发现得出：
产业效应的重要性取决于股票报酬率隐含的参数分布的假定。
15 看下面的表4。
用于股票报酬模型的观测值无论如何不会少于100个16。
总结 我们假定，在一段时期中的某个公司的有用信息几乎不可能缺失的情况下，这个公司在那段时期的报酬率会仅仅只反映与所有公司相关的市场信息的存在。
通过剔除市场效应[等式（3）],我们识别出个体公司的特殊信息的影响。
然后，为了判断其部分影响是否与公司的会计收益数据包含的信息有关，我们将会计盈余变动分成预期和非预期盈余变动两部分。
如果盈余预测误差是负值，我们将其定义为坏消息并预测，如果会计收益数据与股票价格之间存在某些联系，那么会计收益数据信息的发布将导致该公司的股票 17 ?
?
0）可以股票报酬残差（v?
?
0）围绕年度报酬率比预期的少。
这样一个结果（u报告宣布日的消极表现得到正式。
反之亦然。
两个基本的盈余预测模型已经被定义了，一个是回归模型，一个是幼稚模型。
在回归模型中，我们用盈余的两种计量方式[净收益和每股盈余（EPS）,分别记为变量
（1）和变量
（2）]来详细报告；在幼稚模型中，我们用盈余的一种计量方式[每股盈余（EPS）,变量（3）]来详细报告。
数据 感兴趣的数据有三类：
收益报告的内容、报告宣布日和报告期前后的证券价格变动。
盈余数据 1946年到1966年的收益数据在标准普尔公司会计数据库（Compustat）中可 16 Fama以及其他人（1967）遭遇了同样的状况。
在他们的研究中，他们发现有些月份的股票报酬率残差的期望值是非零的。
于是，他们对包含和不包含那些股票报酬残差的期望值被认为是不为零的月份这两种情况分别进行了股票报酬回归模型的操作。
他们得出结论，两类结果均支持同样的结论。
能够迫使vj的均值为零的一种选择是使用夏普的资本资产定价模型（CAPM）[Sharpe（1964）]来估计等式（3b）:
’’PRjm?
RFm?
1?
b1’j?
b2j?
Lm?
RFm?
1?
?
vjm （3b） 其中，RF是持有证券的m期间的事前无风险报酬率。
等式（3b）（用美国政府债券利率来计量RF，同时，现在定义 j公司在m月的非正常回报为b1’j?
v’jm）的结果与等式（3）的结果本质上是相同的。
然而，等式（3b）仍然不完全适合，因为新信息的平均影响是通过证卷的整个历史记录来估计的。
这个历史 至少涵盖了100个月。
如果等式（3b）适合使用月度数据，那就需要引入一个虚拟变量矢量来识别年度报告涵盖的财政年度，此使得残差均值可以在各财政年度进行区分。
然后，第i年的第m月的异常信息的影响就可以常数项、第i年的虚拟变量值和第i年第m月的计算残差的总和来估计。
不幸地是，以这种特殊的方式来估计股票报酬等式的有效性一直没经过适当地研究，因此我们的报告仅限于估计等式（3）得出的结论。
17 稍后，我们将总报酬分成两部分：
“正常报酬率”，其定义为，在给定某证券报酬率与市场报酬率一种常规联系后可以被预测出来的报酬率；“异常报酬率”，即实际报酬率与正常报酬率之间的差异。
正式地说，这两部分b1j ?
b2j?
Lm?
1?
和vjm给出。
升级会员 