投資者關(guān)注度與會計穩(wěn)健性研究

摘要：為了驗證現(xiàn)有措施是否有效地保護了中小股東的利益，本文通過收入-費用模型刻畫會計穩(wěn)健性，與投資者關(guān)注度進行交互后進行回歸分析，后又用C_Score模型作為會計穩(wěn)健性的檢驗，對兩者的關(guān)系進行了驗證。通過實證分析本文發(fā)現(xiàn)，投資者關(guān)注度與會計穩(wěn)健性兩者之間的OLS回歸系數(shù)為正，兩者之間呈現(xiàn)明顯的正相關(guān)關(guān)系。證明了投資者關(guān)注度越高，會計穩(wěn)健性越強的假設(shè)。同時也證實了現(xiàn)有舉措可以有效地保護中小股東的利益，本文建議投資者在對上市公司進行投資時，在其他條件大致相同的情況下，選擇關(guān)注度更高的上市公司，使投資回報更加可靠。

關(guān)鍵詞：投資者關(guān)注度;會計穩(wěn)健性;信息不對稱

中圖分類號：F275;F832.51文獻識別碼：A文章編號：

2096-3157（2020）05-0150-03

一、引言

現(xiàn)今的上市公司中，企業(yè)經(jīng)營權(quán)與所有權(quán)分離。投資者與管理層之間存在利益沖突。根據(jù)信息不對稱理論，持有信息較多的一方可以用自己手中的信息來為自己謀利，從而引發(fā)“逆向選擇”的現(xiàn)象。

國家與各機構(gòu)也相應(yīng)設(shè)立了信息平臺以降低信息不對稱程度。本文建立數(shù)學(xué)模型，對投資者關(guān)注度與會計穩(wěn)健性之間的關(guān)系進行檢驗，對國內(nèi)現(xiàn)有的促進信息披露的機制進行有效性考察，并根據(jù)結(jié)論提出合理建議。

二、文獻回顧與理論分析

1.信息不對稱理論下投資者關(guān)注度與會計穩(wěn)健性

信息不對稱的存在會導(dǎo)致逆向選擇與道德風險，從而影響市場的正常秩序。陳忠陽等（2016）證明美國中小銀行更傾向于將劣質(zhì)資產(chǎn)證券化，證明了美國銀行業(yè)存在逆向選擇。張衛(wèi)東等（2016）發(fā)現(xiàn)同樣的情況也存在于中國市場。

針對市場中信息不對稱現(xiàn)象引發(fā)的諸多問題，政府與及學(xué)者做了諸多努力，發(fā)現(xiàn)，對大股東的力量進行制衡對減弱信息不對稱的現(xiàn)象有很強的促進作用（馬連福等，2016）。此外，加強信息披露也是行之有效的辦法（岑維等，2016）。

加強信息披露的關(guān)鍵在于提供更多能夠真實反映公司狀況的信息。而這來源于公司日常經(jīng)營中穩(wěn)健的會計政策。經(jīng)營狀況的真實體現(xiàn)，進一步加強了公司的會計穩(wěn)健性，從而可以保護中小投資者的經(jīng)濟利益。

三、研究假設(shè)

基于上文分析，投資者在關(guān)注到某一上市公司后，會去獲取上市公司的相關(guān)信息，平臺上的信息可以使信息不對稱程度得到降低，也可以使上市公司提供更多信息，促使上市公司的信息披露質(zhì)量得到提高。而披露更多信息的上市公司可以減少投資者的決策成本，從而使得該上市公司的投資者關(guān)注度進一步提升。被吸引來的投資者則還會通過這些平臺來對公司進行進一步的了解。如此形成一個如圖所示的正向循環(huán)：

圖?信息交流平臺作用機制

在這個正向循環(huán)的過程中，中小投資者利益受到保障的力度會一直保持上升狀態(tài)。其中，信息披露質(zhì)量來源于公司對于日常經(jīng)濟業(yè)務(wù)的謹慎會計處理，因為這樣才可以更加真實地反映公司的狀況，才可以提供高質(zhì)量的信息。因此，本文將選用投資者關(guān)注度與會計穩(wěn)健性為參考指標，對平臺是否有效保護中小投資者經(jīng)濟利益進行驗證。本文提出如下假設(shè)：

H1：投資者關(guān)注度越與公司的會計穩(wěn)健性正相關(guān)，即投資者關(guān)注度越高，會計穩(wěn)健性越高。

四、研究設(shè)計與相關(guān)變量

1會計穩(wěn)健性的計量

會計穩(wěn)健性的計量主要分為條件穩(wěn)健性與非條件穩(wěn)健性。Lee（2010）在研究非條件穩(wěn)健性的計量時，根據(jù)收入—費用相匹配原則，設(shè)計了如下公式：

REVENUEi，t=α0+α1EXPi，t-1+α2EXPi，t+α3EXPi，t+1+ε?（1）

其中，EXPi，t代表i公司第t年的成本費用支出，該公式設(shè)計的中心思路為：?若本期所得收入只與本期所付出的成本費用有關(guān)聯(lián)，那么α2>0且α1，α3都等于0;根據(jù)穩(wěn)健性原則，與收入相對應(yīng)的費用將會被提前確認，此時α1>0，且其數(shù)值大小反映了公司盈余報告穩(wěn)健性的程度。

Khan?&?Watts（2009）用市凈率、公司規(guī)模、財務(wù)杠桿等公司特征作為投資機會集的代理變量。由于公司對好壞消息確認的及時性差異可以體現(xiàn)出公司的會計穩(wěn)健性水平，那么每個公司在每一個年份里對好消息確認的及時程度?（G_Score）?與對壞消息確認的及時程度（C_Score，?代表會計穩(wěn)健性），可以作為代表公司穩(wěn)健性特征的變量：

G_Score=μ1+μ2Sizei+μ3M/Bi+μ4Levi

C_Score=λ1+λ2Sizei+λ3M/Bi+λ4Levi

將上述兩式帶入Basu（1997）提出的差異模型中，即：

Xi=β1+β2Di+β3Ri+β4DiRi+εi（2）

方法是令β3=C_Score;β4=G_Score

可以得到：

Xi=β1+β2Di+Ri（μ1+μ2Sizei+μ3M/Bi+μ4Levi）+

DiRi（λ1+λ2Sizei+λ3M/Bi+λ4Levi）+

（δ1Sizei+δ2M/Bi+δ3Levi+δ4Sizei+δ5M/Bi+δ4Levi）+εi（3）

在本回歸式（2）中，Di是啞變量，當Ri小于零時，Di等于1，反之則為0。Size為公司的規(guī)模大小，M/Bi為股權(quán)市值除以股權(quán)賬面價值。

2.投資者關(guān)注度的計量

尹力博等（2017）利用Google?Trends作為代理變量，投資者關(guān)注來分析不確定沖擊與人民幣匯率兩者之間的關(guān)系，認為投資者關(guān)注的不確定沖擊也能被用來預(yù)測人民幣匯率的變動情況。

隨著互聯(lián)網(wǎng)科技與搜索引擎技術(shù)的不斷發(fā)展，搜索引擎成為投資者們最易于也是最傾向于采用的獲取信息的渠道，是認可度較高的代理變量。本文決定采用谷歌指數(shù)作為投資者關(guān)注度的代理變量。公式為：

Search=In（1+搜索量）（4）

五、回歸方程設(shè)計

由于會計穩(wěn)健性可細分為條件型和非條件型，因此，本文從兩方面著對假設(shè)進行驗證。首先，驗證各個主要變量之間的相關(guān)性，利用收入-費用（1）模型來驗證會計穩(wěn)健性的存在，再利用公式（3）測算出的各公司的關(guān)注度數(shù)據(jù)，以上述數(shù)據(jù)為基礎(chǔ)，建立模型進行回歸分析，回歸模型如下：

REVENUEi，t=α0+α1EXPi，t-1+α2EXPi，t+α3EXPi，t+1

+α4EXPi，t-1*Search+ε（5）

其中，EXPi，t-1*Search?是搜索指數(shù)與前期費用支出的交互項。如果α4為正，那么說明投資者關(guān)注度和會計穩(wěn)健性之間是正相關(guān)的關(guān)系。預(yù)期α4為正。

為了彌補條件穩(wěn)健性的不足，是研究結(jié)果更穩(wěn)健。經(jīng)過大量的文獻閱讀研究，本文決定采用Khan的C_Score模型來刻畫會計穩(wěn)健性，對上一個模型得出的結(jié)論進行檢驗，模型如下：

C—Score=α0+α1Search+α2Size+α3Lev+α4EXPT+α5GRO+α6ROA+ε（6）

其中，Search代表搜索量，Size代表公司規(guī)模，α1表示投資者關(guān)注度與會計穩(wěn)健性之間的關(guān)系，同時加入了行業(yè)及年份作為控制變量。若α1為正，則說明投資者關(guān)注度與會計穩(wěn)健性呈正相關(guān)關(guān)系。此外，Lev（資產(chǎn)負債率），EXPT（成本費用支出）、GRO（收入增長率）、ROA（資產(chǎn)收益率）以及行業(yè)、年度虛擬變量作為控制變量。收入—費用模型中的數(shù)據(jù)來源于瑞思數(shù)據(jù)庫，C_Score模型中的數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。

六、實證結(jié)果

表2給出了收入-費用模型涉及變量的描述性統(tǒng)計結(jié)果。Rev代表收入，Search代表搜索量，expt_before代表前一年成本支出，expt代表觀察年份的成本支出，expt_after代表后一年成本支出?？梢钥闯?，rev均值為3.21，最小值為0.003，最大值為283.02，方差為14.61，表明樣本公司收入水平的分布較為分散，差異較大。Search的均值為43844次，最小值為0，最大值為726152，即樣本公司平均每年的搜索量為43844次，最多的上市公司被搜索了726152次。在后文的實證分析過程中，本文將搜索量做了標準化處理。

表3為收入-費用模型主要變量的相關(guān)系系數(shù)表，可以看出，search、expt_before、expt、expt_after均與收入在1%水平下顯著相關(guān)。以expt_before為例，其與Search的相關(guān)系系數(shù)為0.4287，且在1%水平下為正，說明兩者之間有顯著的相關(guān)關(guān)系。

表4中，回歸（1）是未加入搜索量的收入-費用模型，可以看出expt_before的回歸系數(shù)為1.353，T值為7.969，在1%水平下顯著為正，表明樣本公司具有一定的會計穩(wěn)健性。

回歸（2）中，本文加入了search與expt_before的交乘項，其系數(shù)代表了關(guān)注度對會計穩(wěn)健型的影響?；貧w（2）中，exptb_before*search的回歸系數(shù)為0.258，且在1%水平下顯著為正，說明關(guān)注度越高，search的回歸系數(shù)就越大，會計穩(wěn)健型也就越強。因此，本文的結(jié)果顯著支持原假設(shè)H1：關(guān)注度越高、會計穩(wěn)健性越高。

本文又利用C_Score模型來表示會計穩(wěn)健性，作為穩(wěn)健性檢驗，結(jié)果如表5所示。

從表5可以看出，search的回歸系數(shù)為0.023，且在1%水平下顯著為正，說明search與cscore存在顯著的正相關(guān)關(guān)系，即關(guān)注度越高，企業(yè)的會計穩(wěn)健性越強，這與本文前文的研究結(jié)論一致，表明本文的研究結(jié)論較為可靠。

七、研究結(jié)果及建議

本文以信息不對稱為理論基礎(chǔ)，利用“收入-費用”模型和C_Score模型從研究會計穩(wěn)健性與投資者關(guān)注度之間的關(guān)系。得出了隨著投資者關(guān)注度的提升，會計穩(wěn)健性越強的結(jié)論，證實了前文提出的假設(shè)。說明了當企業(yè)受到越來越多的關(guān)注時，其會計穩(wěn)健性確實會提升。同時也證明了，目前存在的信息交流平臺確實有地保護了中小投資者的經(jīng)濟利益。

信息不對稱現(xiàn)象在我國證券市場中是真實存在的，且相比于美英法等發(fā)達國家國，我國證券市場的成熟度有待提升，法律體系也有待加強。本文建議政府與相關(guān)機構(gòu)進一步加強相關(guān)法規(guī)制度的同時，加強對信息交流平臺的設(shè)立與完善，鼓勵中小投資者通過網(wǎng)絡(luò)加深對投資對象的了解。從加強監(jiān)管與提高自我保護意識兩方面加強對中小投資者的保護。

參考文獻：

[1]王化成，曹豐，葉康濤.監(jiān)督還是掏空：大股東持股比例與股價崩盤風險[J].管理世界，2015，（02）：45～57+187.

[2]岑維，童娜瓊，何瀟悅.投資者關(guān)注度與中小股東利益保護——基于深交所“互動易”平臺數(shù)據(jù)的實證研究[J].證券市場導(dǎo)報，2016，（02）：54～62.

[3]仵志忠.信息不對稱理論及其經(jīng)濟學(xué)意義[J].經(jīng)濟學(xué)動態(tài)，1997（01）：66～69.

[4]陳忠陽，李麗君.資產(chǎn)證券化中存在逆向選擇嗎？——基于美國銀行層面數(shù)據(jù)的實證分析[J].國際金融研究，2016，（02）：66～74.

[5]馬連福，胡艷，陳德球.大股東制衡、投資者關(guān)系管理與盈余管理[J].山西財經(jīng)大學(xué)學(xué)報，2008，（12）：73～79.

[6]張金鑫，王逸.會計穩(wěn)健性與公司融資約束——基于兩類穩(wěn)健性視角的研究[J].會計研究，2013，（09）：44～50+96.

[7]Watts?R.L.Conservatism?in?Accounting?Part?I：Explanations?and?Implications[J].Accounting?Horizons，2003，（3）：207～221

[8]尹力博，吳優(yōu).不確定沖擊與人民幣匯率動態(tài)演化——基于投資者關(guān)注的視角[J].金融經(jīng)濟學(xué)研究，2017，32（02）：3～19.

作者簡介：

劉敏行，北方工業(yè)大學(xué)碩士研究生;研究方向：互聯(lián)網(wǎng)金融。