会计收益数据的经验评价中文.docx
《会计收益数据的经验评价中文.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.docx（17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
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由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由模型推出的更为可取的操作或由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由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
运用到一系列事件
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由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由。
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。
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。
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。
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（EPS）变动水平的一半左右与宏观经济效应有关。
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（OLS）和到上年为止的数据（
），求出
公司每年的盈余变化（
）关于市场上其他所有公司（除了
公司）的盈余平均变化（
）的线性回归系数和截距项（
）：
（1）
其中，“
”表示估计。
然后，将第
年的市场盈余平均变化代入回归模型，计算出
公司在第
年的预期盈余变化：
未预期盈余变化，或者说，预测残差（
），是盈余变化实际值减去预期盈余变化：
（2）
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（由此也有持有股票的报酬率）的变动具有一致性。
一项研究估计，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由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
公司股票中获得的月回报率上的影响可以由
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：
（3）
其中，
是
公司在第
月的月股票价格比，
是Fisher的“复合投资业绩指数”的环比[Fisher（1966）]，
是
公司在第
月的股票报酬率的残差。
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（3）呈现的普通最小二乘法回归模型（OLS）中的残差计量了基于估计回归参数（
）和市场指数
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
公司单独的新信息对持有
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（OLS）回归模型的一个假设是
和
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
公司以及产业效应的存在。
第一个已经通过构造来估计（指给
加下标
），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司收益率变化的10%。
因为这个原因，等式
（1）可以被用作适合的分析方法，这种方法相信估计值
和
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（OLS）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
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（Fisher’sindex）是由在纽约证券交易所上上市的所有公司股票（因此
公司证券报酬率仅仅是这个指数的一小部分）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%。
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
的期望值不等于零。
再一次说明，任何偏差对结果都没有什么影响，因为可观察的
的自相关性很低，并且用于股票报酬模型的观测值无论如何不会少于100个。
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（即实际收益变动比条件期望变动小），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报酬率比预期的少。
这样一个结果（
）可以由股票报酬残差（
）围绕年度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）中可以获取。
表1对个体公司的盈余变动与市场盈余指数变动之间的相关系数平方的分布进行了总结。
在当前这个样本中，位于中部的公司的盈余变化水平的25%左右与市场指数变化有关。
公司的盈余水平间的联系在先前的一篇文章中检验过[Ball和Brown（1967）]。
那时，在遭遇的困扰中，我们提及，当净收益和每股盈余的数量以适当的指数形式进行回归时，有自相关的存在。
在本文中，操作方案由净收益和每股盈余的数量变成了一阶差分。
因为我们采用的关于证券市场对会计收益数据的反应的分析方法以至少在报告宣布日前的十二个月内盈余预测误差不能被预测为先决条件。
这个假定在误差存在自相关时是不成立的。
当变量从数量变成一阶差分后，我们对盈余回归模型的残差进行了自相关性程度的检测。
其结果在表2中给出。
它们表明，现在假定不再是没有保证的了。
年度报告宣布日
《华尔街日报》登载三类年度报告：
年度盈利预测，由公司经理阶层等在一年结束后迅速编制的；初步报告；完整年度报告。
初步报告是完整年报的典型概述，而预测常常是不准确的。
由于初步报告中的净利润和每股盈余与随后发布的正式报告中的数据相同，假定它的发布时间（或者，更有效地，年度收益数据能被广泛获得的日子）为初步报告在《华尔街日报》上出现的日子。
表3揭露了，在整个样本期间，财政年度结束与年度报告发布之间的时间间隔在稳定下降。
股价
股票价格比可以在芝加哥大学证券价格研究中心（CRSP）构建的数据库中获取。
该数据库中的数据采用纽约证券交易所1946年1月至1966年6月期间的的月收盘价，并进行了股利和资本的调整。
表4呈现了股票报酬回归[等式（3）]的相关系数平方的十分位数，以及股票残差的一阶自相关系数。
选择标准
本研究中选择的公司符合下列标准：
1.1946年至1966年间，每年的盈余数据都能在Compustat数据库中获得；
2.财政年度在12月31日结束；
3.至少100个月的股票价格数据能在CRSP数据库中获取；以及
4.《华尔街日报》年报公告日可以获得。
我们的分析限制在1957-1965的9个财政年度。
从1957年开始分析，我们能确保当估计盈余回归模型时至少有10个观测值。
其上限（财政年度1965年，其结果在1966年公布）的确定则是因为CRSP的档案在1966年结束。
我们的选择标准可能会降低结果的一般性。
子样本不包括那些年轻公司；已经失败的公司；财务年度没有结束于12月31日的公司；以及在Compustat数据库、CRSP数据库和《华尔街日报》中没有记录的公司。
因此，它可能代表不了全部公司。
但是，注意：
（1）选择的261家公司都有重要的权利；
（2）我们用不同的样本对这项研究进行了一次重复实验，其结果与下面报道的结果相一致。
结果
作者将年度报告的宣布日所在的月份定义为0，第M月份的非正常业绩指数为：
因此API就衡量的是一美元等额投资于n种证券在年公报日前（在第-12个月末）投资于一个投资组合到第M月为止消除市场影响外的累计非正常的报酬率。
下面是一个等价的解释。
假定两个个体A和B达成了一下的假定。
B签订了一份投资组合协议包括将一美元等额投资于n种证券。
这些证券在第-12月时被购入并且会持有至第T月。
对于某一价格，B和A达成协议，B可以在第M月末获得正常的收益（或者承担相应的损失），而A可以在第T月证券到期时得到1美元加上非正常收益或者减去非正常损失的回报。
因此，API
就是每个M月末时在这些相互关联的证券组合中A权益的价值。
数值分析的结果可以被分为两类。
图1首先描绘出了由所有的公司的所有年份所建构三个投资组合，它们的收益预测误差对于三个变量中的任意一个都是正的（在图的最上面）；其次，是由所有的公司的所有年份所建构三个投资组合，它们的收益预测误差对于三个变量中的任意一个都是负的（在最下面）；最后是一个包含了样本中所有的公司的所有年份的一个单一的投资组合的情况（它的线徘徊在上下部分的分界线的下面）。
表5给出了图1所基于的数据。
既然已经得出第一种结果可能会对股票收益的随机扰动项的分布比较敏感，我们在这里呈现出第二种结果。
表5中每一个变量下的第三栏给出的关于未预期盈余的信号与未预期股票报酬率的信号的一个一对一卡方统计结果。
概况
正如可以从一个大的样本中预测到的一样，两都种结果所揭示出的图形是一样的。
它们都证明的包含在每年的会计收益数据中的信息是有用的，因为实际收益和预期收益不同的话，市场通常就会朝着相同方向作出反应。
这一结论可以通过图1中得出的收益预测误差信号和非正常业绩指数之间显著正的关系以及卡方统计结果（表5）同时得到证实。
后者显示出在接近年度报告公布的多数月份中收益预测误差信号与股票收益率残差的信号之间是有关系的。
然而，收益报告中所包含的大部分信息在年度收益报告报出之前已经被市场所预测到了。
事实上，预测的结果是如此的精确以至于在收益数据报告月份真实的收益数据并没有引起任何非正常业绩指数的异常波动。
这种上升和下降的漂移至少从报告公布前的12个月就开始了并且回在之后持续大约一个月。
这种有这些指数的持续信号以及它们绝对值的单调增加而揭示出的漂移持续性，表明不仅仅是市场在报告公布之前12个月就开始对收益误差的预测，而且在之后的整年中都在持续成功的做这件事。
特别的结果
1、两个回归模型变量结果之间看起来差异不是很大。
表6（归纳了一个变量预测误差信号伴随着其它两个变量的预测误差信号的情况）揭示了原因。
例如，在1231种情况下变量
（1）的收益预测误差的信号是正的，同时对于变量
（2）来说有1148种情况（包含在1231种情况内）下收益预测误差也是负的。
相类似的，在1109种情况下变量
（1）的收益预测误差的信号是正的，同时对于变量
（2）来说有1026种情况下收益预测误差也是负的。
事实是变量
（2）所得出的结果严格证实了由变量
（1）得出的结果，然而当这两个变量得出的有关收益预测误差信号的结果不同时，变量
（2）的结果会更加真实一些。
然而在变量
（1）和变量
（2）之间很少有选择权，显然变量（3）（幼稚模型）对于那些有负预测误差的公司的证券组合来说是最合适的。
一个关键性因素如下所示。
幼稚模型在a）市场收益的变化为0，并且b）公司的收益没有漂移的情况下可以得到和收益回归模型相同的预测误差。
但是历史数据表明市场收益是增加的（特别是在样本数据期间的后期），由于自从1961年的总体物价上涨以及持续强烈的通货膨胀影响。
因此，幼稚模型（变量（3））代表性的被认为是那些有负的预测误差的公司，这些少数相对于那些大多数都显示出增加的EPS的公司来说显示出是下降的EPS。
对于这三个变量来说，如果说变量（3）预测出的收益误差是负的话，那么一个人就会很自信肯定它与市场脱节了。
这些观测数据包含有很有意思的含义。
比如，它指出了收益预测误差幅度和非正常的股票价格调整幅度之间的关系。
这一结论可以被图1进一步的证实：
变量（3）的正的预测误差对于要小于其它的两个变量。
2、由所有公司所有年份计算出的非正常业绩指数向下的漂移反映出了一个计算误差。
这个误差产生于：
在此E代表的是预期的价值。
可以看出K个月的偏差至少体现在K-1次的
和
的协方差上。
因为协方差很明显是负的，所以这个误差也是负的。
然而这一误差并不会影响我们预测结果方向，当我们解释不同的API的价值时我们应该记住这点。
例如，它可以帮助我们理解为什么在图1中顶部曲线的相对变化没有底部的变化大；为什么顶部曲线在零月之后显示出缓慢的下降；并且，为什么底部曲线的漂移在报告报出的月份仍然是持续的。
3、我们同样用了收益的替代变量来作回归分析并得出了相应的结果。
（a）现金流（用营业收入来估计），以及
（b）非重复性项目前的净收入。
没有一个变量能像净收益和EPS那成功的预测股票收益残差的信号。
比如，在月份0时，和预测误差为正时，非正常业绩指数分别是1.068（包括非重复性项目的净收益）和1.070（经营收益）。
而之前净收益的预测是1.071（表5中的变量
（1））。
而在预测误差负时非正常业绩指数各自的预测分别是0.911,0.917和0.907。
4、表5中API的值和卡方统计量都表明，至少对变量（3）来说，收益预测误差的信号与股票收益残差的信号之间的关系会在每年年报报出之前至少持续两个月。
第一个可能的解释是市场收益指数在一些公司报告出他们的收益数据之前都是不确定的。
由于市场收益的不确定性跟随于公司的报告，因此这一不确定性的消除（当平均样本中的所有公司时）可能就会反应在公司报告之前几个月的API持续的漂移。
然而这一解释很容易就会被排除，因为如果公司的年报是在一年的一月份的话它们这一年的数据将会从样本中被剔除掉，尽管卡方值是降低的，但并不会影响图1所显示的总体的API的规律。
第二个解释是年报的日期会存在随机的误差。
API的漂移会在报告报出月之前持续，如果错误导致我们把一些公司看成是会提早报出它们的收益数据，而事实并不是这个样子。
但是这一解释同样很容易就会被排除。
因为所有报告日的数据都来自于华尔街日报指数，它已通过华尔街日报核对。
第三个解释是初步报告在没有完成之前是不可能被市场所获得。
不幸的是这一问题并不能被一个替代的假设单独解析，也就是说如果说这个信息的价值小于投资者希望利用机会来获取非正常收益而发生的交易成本，市场的确是会花费更多时间来对信息作出调整。
也就是说，即使是这种联系会在报告月之前持续，我们可以看到除非交易成本在1%之内，否则一旦信息被公众可得，就没有机会去获得任何的非正常收益。
因此我们的结论是和其它证据相一致的：
至少是在交易成本之内，市场会对收益数据作出毫无偏差的反应。
相对于其他信息来源的年度净收益价值
研究结果证明年度收益数据中包含的信息是有用的因为它与股价相关。
但是年度会计报告仅仅只是投资者从许多来源获得的信息中的一种。
本部分的目标是评估净收益所包含信息的相对重要性，并且对收益报告的及时性提供一些见解。
有人提出过，对个别股票新信息的影响是可以由股票收益的残差来测度的。
例如，负值的残差意味着实际回报比在没有坏消息时期望回报要少。
也就是说，如果一个投资者能利用这种信息在市场调整前卖出股票或采取空头头寸，在忽略交易成本的情况下，残差将在一定程度上代表着他的回报大于通常的期望。
如果已实现回报与期望回报之间的差额被认为是新信息的价值，很显然，个别股票的新的月度信息的价值由给定月份的非正常报酬率（股票收益率的残差）的绝对值给出。
因此，关于普通公司所有阅读信息的价值在报告前12个月由下式给出：
这里TI代表总的信息。
在我们的样本中，对所有普通的企业和年份，这个总和是0.731。
对于任何一只特定的股票，月份间的某些信息将被抵销。
有关平均的股票的净信息（在报告日的前12个月收到）的价值由下式给出：
这里NI代表净信息。
这个总和是0.165。
年度收益数据的影响也是一个净值因为净收益是收益增加和收益减少两个事件的结果。
如果接受了未预期盈余变化的模型，那么包含在年度收益数据中的信息价值可以由从-11月到0月的平均价值增长来估计，其中增量的平均数是从所有企业和年份构建的由预测误差的符号来划分两个投资组合中得到。
即是：
这里II代表收益信息，N1和N2分别代表收益预测误差为正数和为负数时的次数。
变量1计算出的这个数字为0.081，变量2计算出为0.083，变量3计算出为0.077.
从上面的数据我们可以得到结论：
（1）所有信息价值的大约75%[（0.731-0.165）/0.731]似乎被抵销掉，也就是说相应的有大约25%持续下去；
（2）在持续下去的大约25%中，大概有一半[49%,45%,47%---由0.081/0.165,0.083/0.165,0.077/0.165这3个变量分别计算得到]与报告收益中包含的信息相关。
两个进一步的结论是，没有直接证明：
（3）年度会计盈余公告月没有预料到的报告收益中的信息最多只有10%至15%（12%，11%和13%）；
（4）在收益数据公布月份，收益数据传递的信息平均大约只有所有信息的20%（19%，18%和19%）反映到市场中。
第二个结论显示在会计收益数据公布日前12个月，它占据可获得所有信息净影响的大约一半；而第四个结论表明在公布当月，净收益信息大约只占所有信息的20%。
这看起来的矛盾大概是因为：
（a）许多其他的信息通常与报告收益在同一月份公布（例如，通过股利分配公告，或者也许是财务报告中的其他项目）；（b）年度收益信息净影响中的85%至90%已经在公布月份前反映在股票价格中；（c）年度财务报告期间已经有1个半月已经过去。
我们的研究也许是首次尝试经验估计年度收益数据的相对重要性，但它也有局限性。
例如，我们的结果对会计报表有系统性偏差是因为：
1．没有考虑月末发生交易时股票价格同时变化；
2．没有考虑数据中存在误差；
3．股价的离散性；
4．“预计误差”模型的的无效性
5．收益预期误差的系统偏差，这说明“真的”收益预测误差的错误分类是
不可避免的。
结束语
最初的目标是通过测试会计收益数据信息的内容和及时性估计它们的有用性。
分析模式允许我们简要重述一些确定的结论。
在1年中我们可以获得个别企业的所有信息中，年度收益数据占据一半或者更多。
因此，其内容是相当多的。
然而，年度收益报告不能作为一个及时的信息媒介，因为其大部分内容（大约85%至90%）能够从更及时的信息来源获得，可能包括临时报告。
因为市场信息来源的充分性很大程度上决定了资本市场的有效性，我们并不觉得不安,因为市场已经转向比年度净收益更迅速反映的其他来源。
这项研究产生了进一步调查的几个问题，例如，市场如何预测净收益的变化：
中期报告和股利公告的作用是什么？
对会计师来说，估计准备年度收益报告成本相对于更及时的中期报告的编制成本。
未预期收益变化程度（不仅仅是符号）和相关股票价格调整的关系也值得研究。
这可能提供一种计量收益变化的信息价值的不同方法，同时也有可能提供对收益过程统计性质的认识，这是一个会计研究人员知之甚少而又相当感兴趣的过程。
最后，一种机制已经为外部报告中有争议的选择项的限制分类的经验方法做了准备。
升级会员 