股票收益波動(dòng)性與會(huì)計(jì)信息質(zhì)量

婁桂蓮 耿曉媛

一、引言

資本市場的運(yùn)行效率是信息效率和定價(jià)效率的微觀基礎(chǔ)(唐靜武，2010) 。從定價(jià)效率來看，股票市場中，價(jià)格機(jī)制引導(dǎo)著經(jīng)濟(jì)主體的資源配置和投資決策，因而發(fā)揮著至關(guān)重要的經(jīng)濟(jì)職能。股票市場有效運(yùn)行的一個(gè)必要條件是股票價(jià)格密切跟蹤公司的基本面。資本資產(chǎn)定價(jià)（CAPM）模型把股票價(jià)格波動(dòng)劃分為兩個(gè)層次，一是與系統(tǒng)風(fēng)險(xiǎn)相關(guān)的波動(dòng)，即市場層面的波動(dòng)；二是股票收益的特質(zhì)波動(dòng)性，即公司層面的波動(dòng)。這兩個(gè)層面的股票價(jià)格波動(dòng)是由于不同的信息所導(dǎo)致的，因而也反映了不同的投資風(fēng)險(xiǎn)。從信息效率的角度考慮，信息決定股市的價(jià)格波動(dòng)。上市公司基本面信息中最為重要的即是其盈利信息，其以兩種方式資本化為股票價(jià)格：公共信息發(fā)布后對(duì)股票價(jià)格的普遍重估，以及收集和掌握私人信息的風(fēng)險(xiǎn)套利者的交易活動(dòng)（Roll，1988）。Roll（1988）在解釋資產(chǎn)定價(jià)模型的低R2時(shí)認(rèn)為，后者在企業(yè)特質(zhì)信息的資本化中尤為重要。他發(fā)現(xiàn)公司個(gè)股價(jià)格走勢(shì)通常與可識(shí)別的信息發(fā)布無關(guān)，并承認(rèn)對(duì)他的發(fā)現(xiàn)可能的兩種解釋：要么是私人信息的存在，要么是偶爾的瘋狂。

這兩種可能性形成了需要實(shí)證檢驗(yàn)的不同觀點(diǎn)。自此出現(xiàn)了大量文獻(xiàn)，以股價(jià)異步性或股票特質(zhì)波動(dòng)率作為股票收益公司特定波動(dòng)的代理變量，去驗(yàn)證股票收益公司特定波動(dòng)反映了與價(jià)值相關(guān)的公司特質(zhì)信息還是反映了噪聲。以Morck、Yeung和Yu（2000）（以后簡寫為MYY）觀點(diǎn)引領(lǐng)的一系列文獻(xiàn)認(rèn)為，較低的R2（較高的股價(jià)異步性），或較大的股票收益公司特定波動(dòng)，表明信息環(huán)境越好，信息透明度越高，即股票價(jià)格中包含更多信息和更少的噪音。會(huì)計(jì)信息中的盈余信息是公司特質(zhì)信息的主要信息來源。會(huì)計(jì)信息質(zhì)量對(duì)于股價(jià)的公司特定波動(dòng)的影響可能體現(xiàn)在以下幾個(gè)方面。首先，相對(duì)于市場信息，投資者可以獲得更多關(guān)于透明度更高上市公司的特質(zhì)信息（Hutton,Marcus and Tehranian（2009）（后簡寫為HMT））。第二，從高質(zhì)量的會(huì)計(jì)信息能夠減少逆向選擇意義上講，獲取和交易私有公司特質(zhì)信息的成本會(huì)下降。知情交易的增加提升了體現(xiàn)于價(jià)格中的公司特質(zhì)信息的相對(duì)數(shù)量。第三，Jin和Myers（2006）認(rèn)為，當(dāng)會(huì)計(jì)信息質(zhì)量不高時(shí)，透明度較低公司的內(nèi)部人員能夠不對(duì)稱地吸收一部分公司特定風(fēng)險(xiǎn)，這使得股票價(jià)格對(duì)公司特質(zhì)（市場范圍）的消息相對(duì)較不（更加）敏感。

股票收益公司特定波動(dòng)反映了股價(jià)信息含量，即有效定價(jià)的程度，這種觀點(diǎn)并非沒有受到批評(píng)。首先，在標(biāo)準(zhǔn)的理性預(yù)期模型中，信息流影響投資者解決不確定性的時(shí)機(jī)，但不影響隨時(shí)間的推移解決不確定性的總量或股票收益率總波動(dòng)性。其次，正如新興的行為金融學(xué)文獻(xiàn)所強(qiáng)調(diào)的，股價(jià)波動(dòng)可能反映基本信息流或投資者情緒（Shiller，1981）。股票收益率回歸模型中較低的R2可能反映了市場無效，而不是效率（Hou等2013）。從實(shí)證角度看，大量研究表明較高的公司收益率特異性波動(dòng)與較低的會(huì)計(jì)信息質(zhì)量相關(guān)（如Teoh等（2009）；Dasgupta等（2010）Chen 等(2012) )。

國內(nèi)很多研究將股價(jià)同步性直接作為股價(jià)信息含量的代理變量，即較高股價(jià)同步性意味著股票價(jià)格中包含較少的公司特質(zhì)信息和股票市場更低的信息效率，并據(jù)此得出相應(yīng)的結(jié)論。經(jīng)驗(yàn)數(shù)據(jù)證明會(huì)計(jì)信息質(zhì)量越高，股價(jià)波動(dòng)同步性越低的文獻(xiàn)包括游家興、江偉和李斌（2007）；袁知柱和鞠曉峰(2008) ；周冬華和趙玉潔(2016) ；袁蓉麗等（2021）。當(dāng)然這一假設(shè)前提也受到了質(zhì)疑（林忠國等（2012）；沈宇和田存志（2014）），王亞平等 ( 2009)支持股價(jià)特質(zhì)性波動(dòng)是噪音的假說；夏芳（2012）則認(rèn)為盈余管理使得股價(jià)同步性降低，而投資者情緒波動(dòng)使得股價(jià)同步性上升。

綜上所述，無論研究中使用股價(jià)同（異）步性，還是股價(jià)特質(zhì)波動(dòng)性作為股票收益公司特定波動(dòng)被解釋變量，其與會(huì)計(jì)信息質(zhì)量之間的關(guān)系均未得到一致的結(jié)論。本文圍繞這一主題展開，實(shí)證檢驗(yàn)會(huì)計(jì)信息質(zhì)量與股票收益公司特定波動(dòng)之間的關(guān)系。本研究同時(shí)使用衡量公司特定收益率波動(dòng)性的兩個(gè)常用代理變量：特質(zhì)波動(dòng)性和股價(jià)異步性，以避免因二者實(shí)質(zhì)上的不可互換使用而得出相互矛盾的結(jié)論（HMT；Rajgopal和Venkatachalam（2011）（后簡寫為RV）；Li, Rajgopal and Venkatachalam (2014)）。本文選擇了兩種不同的會(huì)計(jì)信息質(zhì)量代理變量：（1）基于Dechow和Dichev（2002）模型的應(yīng)計(jì)質(zhì)量指標(biāo)；（2）HMT在研究中使用的會(huì)計(jì)信息透明度指標(biāo)，二者均為會(huì)計(jì)信息質(zhì)量的反向指標(biāo)，即取值越大意味著會(huì)計(jì)信息質(zhì)量越低。在此基礎(chǔ)上，本文還檢驗(yàn)了我國股票市場中股票收益公司特定波動(dòng)表現(xiàn)出來的時(shí)間趨勢(shì)特征。最后，作為拓展，檢驗(yàn)了會(huì)計(jì)信息質(zhì)量的不同組成部分對(duì)于企業(yè)特定收益波動(dòng)性的影響。

論文的其余部分組織如下：第二部分討論相關(guān)文獻(xiàn)并提出假設(shè)。第三部分介紹了變量的選取和模型設(shè)定。第四部分描述了樣本和描述性統(tǒng)計(jì)數(shù)據(jù)。第五部分實(shí)證結(jié)果分析和相關(guān)討論。最后是穩(wěn)健性檢驗(yàn)和結(jié)論。

二、文獻(xiàn)綜述與研究假設(shè)

Roll（1988）是第一個(gè)提出股價(jià)同步性（異步性Asynchronicity）概念的學(xué)者，股票同步性是一種衡量股票收益率公司特定波動(dòng)的指標(biāo)，較大（?。┑墓蓛r(jià)同（異）步性等同于較低的股票收益特征波動(dòng)，而股票同(異)步性與股票價(jià)格的信息含量呈負(fù)（正）相關(guān)。研究表明，在有效的市場中，較差的會(huì)計(jì)信息質(zhì)量導(dǎo)致股價(jià)中公司信息含量減少，股價(jià)同步性（異）上升（下降），股票收益公司特定波動(dòng)變小。因而低會(huì)計(jì)信息質(zhì)量與較低的股票收益中公司特定波動(dòng)相關(guān)。也就是說，當(dāng)會(huì)計(jì)信息質(zhì)量較低時(shí)，可獲得的企業(yè)特質(zhì)信息較少，股票價(jià)格中包含了較少的公司信息，股價(jià)同（異）步性較高（低）。MYY（2000）和Jin和Myers（2006）都認(rèn)為在產(chǎn)權(quán)保護(hù)不力情況下，公司信息透明度下降，股票收益公司特定波動(dòng)減弱，股價(jià)同步性上升。因此，較高的會(huì)計(jì)信息質(zhì)量將與較高的股票收益公司特定波動(dòng)性有關(guān)。因此，假設(shè)可以表述為：

信息假設(shè)（H1a）：會(huì)計(jì)信息質(zhì)量正向影響股票收益公司特定波動(dòng)。

與此相反，一些研究表明，股票收益公司特定波動(dòng)性越大，表明股票價(jià)格中噪音更大(Teoh等 2008）。Pastor and Veronesi (2003)的模型表明，如果管理者利用自由裁量權(quán)扭曲了報(bào)告盈余，由此產(chǎn)生的信息風(fēng)險(xiǎn)可能會(huì)增加投資者所面臨的公司未來獲利能力的不確定性，從而影響股票收益波動(dòng)性。RV發(fā)現(xiàn)，無論從截面看，還是時(shí)間序列上，不斷惡化的財(cái)務(wù)報(bào)告質(zhì)量導(dǎo)致了股票收益特異性波動(dòng)的不斷升高。進(jìn)一步的研究表明會(huì)計(jì)信息披露質(zhì)量與特質(zhì)風(fēng)險(xiǎn)之間存在負(fù)相關(guān)關(guān)系（Kelly（2014）；Habib, 等（2020））。如果較高的股票收益公司特定波動(dòng)代表了在不良信息環(huán)境中常見的更多定價(jià)錯(cuò)誤，而較低的會(huì)計(jì)信息質(zhì)量是不良信息環(huán)境的征兆，那么可以推斷較低的會(huì)計(jì)信息質(zhì)量將與較高的特質(zhì)波動(dòng)率（股價(jià)異步性）相關(guān)聯(lián)，這與基于噪聲的解釋是一致的。因此假設(shè)如下：

噪聲假設(shè)（H1b）：會(huì)計(jì)信息質(zhì)量負(fù)向影響股票收益公司特定波動(dòng)。

個(gè)股價(jià)格獨(dú)立波動(dòng)的程度在不同國家和不同時(shí)期都有所不同。Campbell et al.（2001）和MYY發(fā)現(xiàn)美國股票收益率中公司特定波動(dòng)長期上升。一系列研究，將個(gè)股收益的更大的特質(zhì)波動(dòng)或更低的共變性與制度發(fā)展、監(jiān)管成熟度和股票市場的資本配置效率聯(lián)系起來。Li等 (2004)在大多數(shù)（但不是所有）新興市場發(fā)現(xiàn)了類似的模式，并指出更高的企業(yè)特定波動(dòng)與更大的資本市場開放度相關(guān)。Ryan和Zarowin(2003)指出由于會(huì)計(jì)盈余越來越多地反映相對(duì)于股票價(jià)格來說滯后的信息，且越來越不對(duì)稱地反映好消息和壞消息，這導(dǎo)致會(huì)計(jì)盈余對(duì)于股票收益的解釋力不斷下降，結(jié)果體現(xiàn)為股票收益公司特定波動(dòng)性的不斷提升。據(jù)此提出假設(shè)：

H2：我國股票市場中公司特定波動(dòng)性具有隨著時(shí)間推移不斷上升的趨勢(shì)。

Francis等（2005）指出，盈余質(zhì)量不僅受到管理者在財(cái)務(wù)報(bào)告中自由裁量權(quán)的驅(qū)動(dòng)（可操控部分），還受到企業(yè)商業(yè)模式和經(jīng)營環(huán)境固有特征的驅(qū)動(dòng)（固有部分）。一些管理者會(huì)使用應(yīng)計(jì)項(xiàng)目來傳遞私人信息，而另一些管理者則是機(jī)會(huì)主義地使用應(yīng)計(jì)項(xiàng)目（Healy，1996）。Francis等（2005）的研究了區(qū)分了應(yīng)計(jì)質(zhì)量中固有部分和可操控部分對(duì)權(quán)益成本的不同影響。Mitra（2016）證實(shí)與可操控部分相比，固有部分對(duì)公司特定收益波動(dòng)的影響更大。既然盈余質(zhì)量的可操控部分將是對(duì)業(yè)績、機(jī)會(huì)主義和噪音的綜合反映，那么管理層自由裁量權(quán)的凈效應(yīng)可能是積極的、消極的或中性的，這取決于哪種效應(yīng)占主導(dǎo)地位?；趯?duì)盈余質(zhì)量的固有部分和可操控部分之間的影響差異的預(yù)測，得到假設(shè)3：

H3：會(huì)計(jì)信息質(zhì)量的固有部分對(duì)股票收益中公司特定波動(dòng)的影響大于可操控部分。

三、變量選取與模型設(shè)定

（一）股票收益波動(dòng)性指標(biāo)

1 . 股票收益特質(zhì)波動(dòng)性（Idiosyncratic volatility）。股票特質(zhì)波動(dòng)性無法直接觀察到，通常利用資產(chǎn)定價(jià)模型，估計(jì)其與股票系統(tǒng)性波動(dòng)的相對(duì)值得到。這種方法廣泛應(yīng)用于金融和會(huì)計(jì)研究中。本文使用CAPM得出的標(biāo)準(zhǔn)市場模型來估計(jì)股票收益特質(zhì)波動(dòng)率：

Ri=αi+βiRm+εi(1)

其中，Ri是股票i的收益率，Rm是市場收益率。使用上市公司和市場日收益數(shù)據(jù)，針對(duì)樣本中各公司逐年估計(jì)（1）式。年度設(shè)定為當(dāng)年5月到財(cái)務(wù)報(bào)告年度結(jié)束后4個(gè)月之間的12個(gè)月份，以確保市場可以獲得公司會(huì)計(jì)信息。數(shù)據(jù)來源于國泰安（CSMAR）數(shù)據(jù)庫。[бe2]是公司股票收益率對(duì)市場收益率回歸的殘差方差。RV（2011）用[бe2]的自然對(duì)數(shù)表示股票收益特質(zhì)波動(dòng)率，股票收益特質(zhì)波動(dòng)率取值越高意味著股票收益公司特定波動(dòng)性越大。

2.異步性（Asynchronicity）。股價(jià)異步性與股價(jià)同步性相反，衡量公司股票收益變動(dòng)中市場和行業(yè)收益無法解釋的部分。Roll（1988）表明，市場模型及其變形所得到的R2可以用來衡量股票收益的同步性。一些研究認(rèn)為，較高的同步性相當(dāng)于較低的股票收益特質(zhì)波動(dòng)性（即從市場模型得到較高R2，等價(jià)于從市場模型得到較低的ln[бe2]），反之亦然。異步性是指公司股票收益率與市場收益率之間缺乏同步運(yùn)動(dòng)，（1-R2）是股價(jià)缺乏同步性自然度量。由于R2界于0和1之間，這使實(shí)證估計(jì)變得復(fù)雜。本研究遵循MYY和HMT的做法，使用（1-R2）的log變換來定義異步性，其范圍可以從負(fù)無窮大到正無窮大：

Asynchronicity(φ)=1n[(1-R2)/R2](2)

其中，R2是根據(jù)（1）式的估計(jì)得到的判定系數(shù)。R2的對(duì)數(shù)變換將介于0和1之間的變量轉(zhuǎn)換為無限連續(xù)變量。因此，異步性取值越大，表明股票收益公司特定波動(dòng)性越大。

（二）會(huì)計(jì)信息質(zhì)量

1.基 于D e c h o w 和D i c h e v（ 2 0 0 2 ） 模 型 的 應(yīng) 計(jì) 質(zhì) 量（D D S T D）度量。會(huì)計(jì)信息質(zhì)量的第一個(gè)衡量指標(biāo)是應(yīng)計(jì)質(zhì)量（DDSTD），在Dechow和Dichev（2002）提出基礎(chǔ)上由McNichols（2002）和Francis等（2005）進(jìn)行了改進(jìn)。指標(biāo)估計(jì)的基本前提是盈余質(zhì)量主要是由應(yīng)計(jì)質(zhì)量決定的，會(huì)計(jì)應(yīng)計(jì)或者預(yù)測未來現(xiàn)金流，或者反映當(dāng)期或過去現(xiàn)金流的轉(zhuǎn)回。在確定應(yīng)計(jì)項(xiàng)目時(shí)的測量誤差將潛在地扭曲應(yīng)計(jì)項(xiàng)目在預(yù)測未來現(xiàn)金流或反映過去和當(dāng)期現(xiàn)金流的能力。這一誤差可能是源于經(jīng)營不確定性和管理過失；也可能是管理層進(jìn)行盈余操控而有意為之。估計(jì)模型如如下（除截距外的所有變量均除以平均總資產(chǎn)）：

TCAi,t=φ0+φ1CFOi,t-1+φ2CFOi,t+φ3CFOi,t+1+φ4ΔREVi,t+φ5PPEi,t+νi,t(3)

其中ΔREV為收入變動(dòng)額，PPE為固定資產(chǎn)原值。本研究針對(duì)每個(gè)行業(yè)年度估計(jì)了方程（3），樣本保證每年每個(gè)行業(yè)至少有10家公司。會(huì)計(jì)信息質(zhì)量高意味著應(yīng)計(jì)反映了當(dāng)期、過去和未來現(xiàn)金流中大部分的波動(dòng)，因此（3）式估計(jì)得到的公司個(gè)別殘差νi，t是本研究會(huì)計(jì)信息質(zhì)量代理變量的基礎(chǔ)。會(huì)計(jì)信息質(zhì)量指標(biāo)（DDSTDi，t）被定義為公司i在t-4到t年間估計(jì)殘差的標(biāo)準(zhǔn)差，即DDSTDi，t=б（νi，t-4，t）。殘差的標(biāo)準(zhǔn)差較大（小）表明應(yīng)計(jì)或盈余質(zhì)量較差（良好）。

2.基于操控性應(yīng)計(jì)絕對(duì)值的OPAQUE指標(biāo)。另一個(gè)廣泛使用的基于應(yīng)計(jì)的盈余質(zhì)量衡量指標(biāo)是不同版本Jones（1991）模型產(chǎn)生的異常應(yīng)計(jì)的絕對(duì)值。這一度量指標(biāo)理論依據(jù)是：企業(yè)應(yīng)計(jì)項(xiàng)目的變動(dòng)主要取決于企業(yè)基本面的變動(dòng)，尤其是收入和固定資產(chǎn)的變動(dòng)。如果應(yīng)計(jì)項(xiàng)目與公司基本面變動(dòng)所決定的水平有很大的偏離，那么這種偏離就被認(rèn)為是操控性的，并且這種操控性應(yīng)計(jì)被認(rèn)為會(huì)降低應(yīng)計(jì)和盈余的質(zhì)量。

作為較早出現(xiàn)的反映操控性應(yīng)計(jì)的模型，Jones（1991）模型在會(huì)計(jì)研究中得到了深入拓展與應(yīng)用。在此基礎(chǔ)上，Dechow等（1995）考慮了應(yīng)收賬款的影響建立了修正瓊斯模型。同時(shí)Kothari et al. (2005)認(rèn)為公司績效是操控性應(yīng)計(jì)水平的重要決定因素。因此，為了確定異常應(yīng)計(jì)項(xiàng)目，每年對(duì)至少有10家公司的行業(yè)估計(jì)了如下回歸（除截距以外的變量均除以平均總資產(chǎn)）：

TA i,t=δ 0+δ 1(Δ R E Vi,t-Δ A R i,t)+δ2PPEi,t+δ3ROAi,t+ηi,t(4)

其中，TA為應(yīng)計(jì)項(xiàng)目總額，等于TCA扣減折舊和攤銷費(fèi)用。ΔAR表示應(yīng)收賬款變動(dòng)額，ROA為總資產(chǎn)報(bào)酬率，由扣除營業(yè)外收支影響后的凈利潤除以平均總資產(chǎn)計(jì)算得出。由上式回歸得到非操控性應(yīng)計(jì)的預(yù)期值，公司應(yīng)計(jì)項(xiàng)目總額減去非操控性應(yīng)計(jì)得到操控性應(yīng)計(jì)（DiscAcc）水平。由于操控性應(yīng)計(jì)表現(xiàn)出時(shí)間趨勢(shì)特征，本研究采用HMT提出的會(huì)計(jì)信息質(zhì)量度量指標(biāo)，即：

O PA Q U E=A b s V(D i s c A c c t-1)+AbsV(DiscAcct-2)+AbsV(DiscAcct-3) (5)

OPAQUE指標(biāo)是年度操控性應(yīng)計(jì)項(xiàng)目絕對(duì)值的三年移動(dòng)之和，反映了財(cái)務(wù)報(bào)告的不透明度。直觀上，這一指標(biāo)表明：持續(xù)擁有較大的操控性應(yīng)計(jì)絕對(duì)值的公司更有可能進(jìn)行盈余管理，從而更少向投資者披露的公司特定信息。因此，OPAQUE指標(biāo)取值越大，表明財(cái)務(wù)報(bào)告透明度越低，會(huì)計(jì)信息質(zhì)量較差。

3.控制變量。研究表明，除了會(huì)計(jì)信息質(zhì)量以外，還有許多因素可以影響股票收益公司特定波動(dòng)性。參考HMT(2009)、RV(2001)和Li et al.(2014)的研究，我們的控制變量包括公司規(guī)模（SIZE），定義為公司市值的自然對(duì)數(shù)；權(quán)益賬面價(jià)值市場比（BM），定義為權(quán)益賬面價(jià)值與權(quán)益市值的比率；以同期買入并持有公司股票實(shí)現(xiàn)的年度收益（RET）計(jì)算得到的股票收益率及其平方（RET2）；以提前一期和滯后一期經(jīng)營活動(dòng)現(xiàn)金流（CFO）反映會(huì)計(jì)信息中包含的企業(yè)經(jīng)營現(xiàn)金流的信息；以五年期滾動(dòng)計(jì)算得到的經(jīng)營性現(xiàn)金流的標(biāo)準(zhǔn)差衡量現(xiàn)金流的變異性（VCFOO）；以凈收入除以期初所有者權(quán)益的賬面價(jià)值計(jì)量的會(huì)計(jì)權(quán)益報(bào)酬率（ROE）衡量的經(jīng)營業(yè)績；以長期負(fù)債與平均總資產(chǎn)之比（LEV）衡量的杠桿率；通過使用虛擬變量（LOSS），公司年度報(bào)告虧損時(shí)取值為1，否則取值為0，來表示虧損公司；將計(jì)算得到的價(jià)值加權(quán)平均行業(yè)收益率的方差（VARindustry）作為回歸方程中的額外控制變量，因?yàn)檩^高的行業(yè)收益率方差會(huì)增加系統(tǒng)風(fēng)險(xiǎn)。最后，根據(jù)Jin和Myers（2006）與HTM（2009），我們還將公司日收益率的偏度和峰度作為控制變量納入了回歸中。

四、數(shù)據(jù)與描述性統(tǒng)計(jì)分析

（一）樣本選取

本文選取的樣本為2000-2019年我國資本市場日交易數(shù)據(jù)，根據(jù)證監(jiān)會(huì)2012年版行業(yè)分類標(biāo)準(zhǔn)，數(shù)據(jù)篩選過程如下：（1）剔除樣本期間內(nèi)ST、＊ST和PT公司和處于退市整理期的公司；（2）剔除上市當(dāng)年數(shù)據(jù)；（3）剔除缺失值數(shù)據(jù);（4）剔除年度內(nèi)交易天數(shù)不足175天的數(shù)據(jù)；（5）剔除了年度中同一行業(yè)上市公司數(shù)量不足10家的數(shù)據(jù)。最終得到32625個(gè)公司年度數(shù)據(jù)，其中包括2000-2019年滬證A股14977個(gè)公司年度數(shù)據(jù)、深證A股14712個(gè)公司年度數(shù)據(jù)、2010-2019年創(chuàng)業(yè)板2936個(gè)公司年度數(shù)據(jù)。數(shù)據(jù)均來自于國泰安（CSMAR）數(shù)據(jù)庫。

（二）變量描述性統(tǒng)計(jì)

表1報(bào)告了研究中主要變量的描述性統(tǒng)計(jì)。在1%和99%的水平上對(duì)所有變量進(jìn)行縮尾，以減少異常值的影響。

表1 描述性統(tǒng)計(jì)

表1顯示，ln[бe2]均為負(fù)值，是因?yàn)榉嚼ㄌ?hào)中為市場模型估計(jì)殘差平方后得到，小數(shù)點(diǎn)后位數(shù)較多導(dǎo)致的。Asychronity的均值和中位數(shù)分別為0.561和0.493，經(jīng)過轉(zhuǎn)換得到R2均值和中位數(shù)分別為0.363和0.379比王亞平等（2009）報(bào)告的2004-2007年間的0.412和0.416要低。股票收益特質(zhì)波動(dòng)性和股價(jià)異步性都表現(xiàn)出實(shí)質(zhì)性的橫截面變化，兩個(gè)指標(biāo)之間的相關(guān)性適中，Spearman秩相關(guān)系數(shù)為0.18（未報(bào)告），這意味著這兩個(gè)指標(biāo)可能包含了同一結(jié)構(gòu)的不同方面，因此有必要使用這兩個(gè)指標(biāo)作為公司收益特異性波動(dòng)的代理變量。在樣本期內(nèi)，兩個(gè)會(huì)計(jì)信息質(zhì)量質(zhì)量指標(biāo)之間的Spearman秩相關(guān)系數(shù)為0.34（未報(bào)告），表明兩個(gè)指標(biāo)分析反映了盈余質(zhì)量的不同角度。因此，在實(shí)證分析中也使用了兩個(gè)代理變量。控制變量中，平均每家公司的經(jīng)營現(xiàn)金流占平均總資產(chǎn)的4%，所有者權(quán)益的賬面市值比約為0.43，股本回報(bào)率為16%，財(cái)務(wù)杠桿率為35%。平均而言，10%的樣本公司經(jīng)營虧損。

五、股票特異性波動(dòng)與盈余質(zhì)量關(guān)系的實(shí)證檢驗(yàn)

研究中同時(shí)使用兩個(gè)作為股票收益公司特定波動(dòng)率代理變量指標(biāo)的作為因變量。根據(jù)RV的研究估計(jì)回歸模型(6)：

VOLi,t=α0+α1DDSTDi,t-1+α2RET2i,t-1+α3CFOi,t+1+α4VCFOi,t-1+α5CFOi,t-1+α6ROEi,t-1+α7SIZEi,t-1+α8LEVi,t-1+α9BMi,t-1+α10RETi,t+α11LOSSi,t-1+α12KURTOSISi,t+α13SKEWNESSi,t+εi,t(6)

根據(jù)HMT的研究估計(jì)回歸模型(7)：

VOLi,t=α0+α1OPAQUEi,t+α2RET2i,t-1+α3ROEi,t-1+α4SIZEi,t+1+α5LEVi,t-1+α6BMi,t-1+α7RETi,t+α8VARindustryi,t-1+α9LOSSi,t-1+α10KURTOSISi,t+α11SKEWNESSi,t+εi,t(7)

其中VOLi,t分別代表（ln[бe2]）和Ф。模型中控制了行業(yè)、年度變量。在OLS回歸中使用White(1980)穩(wěn)健標(biāo)準(zhǔn)誤差計(jì)算t統(tǒng)計(jì)量；在使用面板固定效應(yīng)模型時(shí)，以行業(yè)聚類的穩(wěn)健標(biāo)準(zhǔn)誤差計(jì)算t統(tǒng)計(jì)量，以便在回歸中得出有效推斷。表2為利用三個(gè)市場總體數(shù)據(jù)，以DDSTD為解釋變量對(duì)（6）式的回歸結(jié)果。在OLS回歸中，在模型（1）和（2）中DDSTD的系數(shù)為正，且顯著，這一結(jié)果與噪聲假說一致，即會(huì)計(jì)信息質(zhì)量越差，股票特質(zhì)波動(dòng)性越大，股票收益異步性越強(qiáng)。這一結(jié)果沒有得到前期研究中的沖突結(jié)果，即當(dāng)分別使用（ln[бe

表2 以DDSTD為解釋變量的回歸結(jié)果

2]）和Ф為被解釋變量時(shí)會(huì)計(jì)質(zhì)量信息代理變量的系數(shù)是相反，且顯著（RV，HMT，Mitra(2016)）。Li et al. (2014)提出通過將ln(β2)加入解釋變量，得到了與噪聲假說一致的結(jié)論。本文也將ln(β2)加入回歸方程中，這對(duì)于結(jié)果未產(chǎn)生實(shí)質(zhì)性影響（因篇幅限制，未報(bào)告）。為了消除個(gè)體固定效應(yīng)對(duì)于回歸結(jié)果的影響，我們使用面板固定效應(yīng)模型重新估計(jì)了（6）式，得到模型（3）和（4）。其中會(huì)計(jì)信息質(zhì)量代理變量的系數(shù)不再顯著，仍然沒有得到支持信息假說的證據(jù)。

表3為以O(shè)PAQUE為解釋變量對(duì)(7)式的回歸結(jié)果。無論在OLS回歸中，還是使用面板固定效應(yīng)模型，會(huì)計(jì)信息質(zhì)量代理變量的系數(shù)均為正，且顯著。這一結(jié)果與噪聲假說一致，即會(huì)計(jì)信息質(zhì)量越差，股票特質(zhì)波動(dòng)性越大，股票收益異步性越強(qiáng)。將ln(β2)加入回歸方程中，但對(duì)于結(jié)果未產(chǎn)生影響(因篇幅限制，未報(bào)告)。

表3 以O(shè)PAQUE為解釋變量的回歸結(jié)果

為了檢驗(yàn)假設(shè)H2，在（6）和（7）的回歸方程中加入時(shí)間變量dyear，變量在2000-2019的研究期間內(nèi)，取值從1到20。同時(shí)方程中加入會(huì)計(jì)信息質(zhì)量代理變量與時(shí)間交乘項(xiàng)，以檢驗(yàn)兩個(gè)變量對(duì)于股價(jià)波動(dòng)性的綜合影響。于是得到表4和表5的回歸結(jié)果。

表4 以DDSTD為解釋變量加入時(shí)間交互項(xiàng)的回歸結(jié)果

表5 以O(shè)PAQUE為解釋變量的回歸結(jié)果

在表4中，以DDSTD度量的會(huì)計(jì)信息質(zhì)量為解釋變量時(shí)，可以看到在OLS回歸結(jié)果中股價(jià)異步性存在不斷上升的時(shí)間趨勢(shì)，并且交互項(xiàng)的系數(shù)為正且顯著，表明隨著時(shí)間推移股價(jià)異步性的上升趨勢(shì)與會(huì)計(jì)信息質(zhì)量的不斷惡化有關(guān)，這與RV的實(shí)證結(jié)果一致。但當(dāng)使用面板數(shù)據(jù)固定效應(yīng)時(shí)，交互項(xiàng)不再顯著。

在表5中，以O(shè)PAQUE度量的會(huì)計(jì)信息質(zhì)量為解釋變量時(shí)，可以看到無論股票收益特質(zhì)波動(dòng)和股價(jià)異步性均表現(xiàn)出不斷上升的時(shí)間趨勢(shì)。此外，在OLS和面板固定效應(yīng)模型回歸結(jié)果中交互項(xiàng)的系數(shù)均為正且顯著，表明隨著時(shí)間推移股票收益特定波動(dòng)性與公司財(cái)務(wù)報(bào)告透明度的不斷惡化有關(guān)，這與RV的實(shí)證結(jié)果一致。

檢驗(yàn)第三個(gè)假設(shè)需要估計(jì)盈余質(zhì)量的固有部分和可操控部分。盈余質(zhì)量的固有部分是由經(jīng)營不確定性和商業(yè)模式?jīng)Q定的，而可操控部分是由管理層自主選擇和判斷決定的。根據(jù)Francis等（2005）將盈余質(zhì)量劃分為固有部分和可操控部分的方法，估計(jì)如下回歸方程：

AIQi,t=λ0+λ1SIZEi,t+λ2VCFOi,t+λ3VS ALESi,t+λ4OPCYCLEi,t+λ5NEGi,t+μi,t(8)

其中AIQi,t表示會(huì)計(jì)信息質(zhì)量的兩個(gè)代理變量；SIZE為公司規(guī)模，由公司總資產(chǎn)取自然對(duì)數(shù)計(jì)算得出；VCFO的計(jì)算方法同前。VSALES為銷售波動(dòng)率，反映主營業(yè)務(wù)的不確定性，計(jì)算方法與VCFO相同；OPCYCLE為經(jīng)營周期、NEG為虧損概率，由過去五年中經(jīng)營虧損年度占比計(jì)算得出。

由（8）式中的擬合值得到盈余質(zhì)量固有部分的估計(jì)值（以代理變量加Innate前綴表示），殘差是盈余質(zhì)量可操控部分的估計(jì)值（以代理變量加Disc前綴表示）。該方法對(duì)盈余質(zhì)量的兩個(gè)組成部分分別給出不同的估計(jì)，并允許在這兩個(gè)組成部分之間進(jìn)行直接比較。為了檢驗(yàn)第三個(gè)假設(shè)，將（6）式中的DDSTD分解為InnateDDSTD和DiscDDSTD;將（7）式中的OPAQUE分解為InnateOPAQUE和DiscOPAQUE分別估計(jì)兩個(gè)會(huì)計(jì)信息質(zhì)量代理變量的不同組成部分對(duì)于股票收益特定波動(dòng)的影響。根據(jù)推測盈余質(zhì)量中的固有部分對(duì)于股票收益特定波動(dòng)的影響會(huì)更大，即InnateDDSTD和InnateOPAQUE的系數(shù)分別大于DiscDDSTD和DiscOPAQUE的系數(shù)。表6分別報(bào)告了回歸結(jié)果。

表6 會(huì)計(jì)信息質(zhì)量分解變量為自變量的回歸模型

表6 第一部分，在O L S 回歸中，對(duì)于特質(zhì)波動(dòng)性和非同步性，D D S T D 的兩個(gè)分解變量中InnatDDSTD的系數(shù)均為正，且在1%的水平上顯著，而DiscDDSTD的系數(shù)在以股價(jià)異步性為因變量的模型中并不顯著。與H3假設(shè)一致，表明股票收益特定波動(dòng)與DDSTD的關(guān)系主要是由內(nèi)在因素驅(qū)動(dòng)的，而不是管理自由裁量權(quán)驅(qū)動(dòng)。但在面板數(shù)據(jù)固定效應(yīng)模型中，這一影響均不再顯著。

表6第二部分，無論在OLS回歸還是面板固定模型中，以特質(zhì)波動(dòng)性為被解釋的模型中，OPAQUE的兩個(gè)分解變量InnatOPAQUE和DiscOPAQUE系數(shù)均為正，且在1%的水平上顯著。但OPAQUE兩個(gè)分解變量的系數(shù)之間沒有看到明顯的差異（系數(shù)差距僅為0.304）。表明股票特質(zhì)波動(dòng)性與OPAQUE的關(guān)系既受到內(nèi)在因素驅(qū)動(dòng)的，也受到管理自由裁量權(quán)驅(qū)動(dòng)，顯然后者的作用也是不容忽視的。以異步性為被解釋變量的模型中，也未能得到支持H3假設(shè)的證據(jù)。

六、穩(wěn)健性檢驗(yàn)

本文圍繞會(huì)計(jì)信息質(zhì)量與股票收益公司特定波動(dòng)之間的關(guān)系展開，為了檢驗(yàn)其穩(wěn)健性，分別選擇了兩個(gè)代理變量，彼此形成有效的驗(yàn)證。另外選擇OLS和面板固定效應(yīng)模型，因?yàn)楹笳呖紤]了上市公司之間的個(gè)體差異，使檢驗(yàn)結(jié)果更可靠。此外，在數(shù)據(jù)中刪除金融類上市公司，數(shù)據(jù)結(jié)果未出現(xiàn)顯著變化?？紤]到數(shù)據(jù)可能存在的序列相關(guān)。采用滯后三階Newey-West 自相關(guān)異方差一致性估計(jì)重估原模型，數(shù)據(jù)結(jié)果未出現(xiàn)顯著變化。最后，為了避免市場之間運(yùn)行差異導(dǎo)致估計(jì)結(jié)果的不同，分別針對(duì)上證A股、深證A股和創(chuàng)業(yè)板進(jìn)行了模型重估，數(shù)據(jù)結(jié)果基本與前一致。

七、結(jié)論與建議

本文研究了2000-2019年中國上市公司股票收益公司特定波動(dòng)與會(huì)計(jì)信息質(zhì)量之間的關(guān)系。使用OLS和面板固定效應(yīng)模型，檢驗(yàn)會(huì)計(jì)信息質(zhì)量與股票收益公司特定波動(dòng)的多元回歸分析?；貧w結(jié)果顯示，會(huì)計(jì)信息質(zhì)量反向指標(biāo)的系數(shù)為正且顯著，表明會(huì)計(jì)信息質(zhì)量越差，股票收益特質(zhì)波動(dòng)性越高，股價(jià)異步性越明顯，支持了噪聲假說。在時(shí)間趨勢(shì)分析中，得到了股票異步性不斷上升的時(shí)間趨勢(shì)，并認(rèn)為不斷惡化的會(huì)計(jì)信息質(zhì)量可能是這一趨勢(shì)的原因。此外，盈余質(zhì)量中的固有部分和可操控部分均與股票收益公司特定波動(dòng)相關(guān)。當(dāng)使用不透明度作為會(huì)計(jì)信息質(zhì)量代理變量時(shí)，發(fā)現(xiàn)可控制部分對(duì)于股價(jià)波動(dòng)性的影響是不容忽視的。這表明，在不確定環(huán)境中運(yùn)營的公司和管理者機(jī)會(huì)主義地運(yùn)用應(yīng)計(jì)項(xiàng)目時(shí)，股票收益公司特定波動(dòng)可能更高。本文的研究未發(fā)現(xiàn)支持股票收益公司特定波動(dòng)性的信息含量假說的證據(jù)，因此認(rèn)為應(yīng)當(dāng)慎重解讀將股價(jià)異步性作為資本市場信息效率提升的代理變量所得出的結(jié)論。