我国XBRL财务报告应用与会计信息质量基于沪深经验数据的实证分析 王琳，龚昕作者简介：王琳（1963-），女，北京人，教授，，主要从事会计学研究E?mail:wlfj2004@（中国石油大学（北京）工商管理学院，北京102249）摘要：本文选取沪深300成分股2008—2011年的（半）年报为样本，对沪深两市上市公司采用新XBRL标准平台披露财务报告对会计信息质量的影响进行了实证研究研究结果表明，XBRL格式的披露在一定程度上提升了会计信息的可靠性、相关性和可比性，有助于投资者做出更为准确的决策关键词：XBRL财务报告；会计信息质量；累计超额收益率D230：A：1000?176X（2012）11?0124?062009年初，我国深沪两市先后强制要求上市公司披露基于新XBRL标准平台的财务报告，XBRL财务报告的披露是否如其理论分析的那样改善了上市公司的会计信息质量？基于对此问题的思考，本文选取具有良好市场代表性的沪深300成分样本股，对其2009—2011年披露的XBRL格式半年报和年报的会计信息含量与市场反应进行了实证研究，以期为我国XBRL财务报告的进一步推广提供经验数据一、研究设计1.研究思路以Scott为代表的西方实证会计理论认为，在有效市场假说下，会计信息的质量越高，市场对会计盈余的反应系数越大［1］。
Ball 和 Brown在1968年发表的“会计数据的实证评估”中指出若市场有效，公司的全部历史信息都反映在股价中，财务报告一旦含有未预期的信息就会引发投资者对股价做出迅速无偏的反应这些经典研究表明在强型或半强型有效的资本市场中，盈余具有信息含量，股价的变动能及时反映投资者对盈利信息的正确预期，因而信息披露后，累计超额收益率(CAR)将不再变化盈余反应系数(ERC)是衡量证券超额市场回报对该公司报告盈余中非预期因素的反应程度的一种工具，鉴于ERC将未预期盈余与未预期股票回报相结合，本文选用可操作性较强的事件研究法，以XBRL财务报告的披露为特定事件，研究事件发生前后ERC在很短窗口期内的变化来判断上市公司的盈余信息是否具有信息含量［2］2.研究假设与传统财务报告相比，XBRL财务报告实现了报告的生成至披露全程电子化，其标准化数据标签、多维分析功能和数据挖掘功能使信息使用者可以便捷选择与决策相关的报告内容、显示模式和分析形式，有利于使用者快速获取和解析信息，提高决策效率由此，本文拟定如下三个假设：H1信息使用者使用XBRL财务报告能获得更多且更有助于经济决策的信息H2信息使用者使用XBRL财务报告能获得更真实准确的信息。
H3信息使用者使用XBRL财务报告能够更及时地获取所需信息另外，下文实证分析拟采用事件研究法研究ERC在短窗口期内的变化来考察XBRL财务报告信息含量因此，本文增设以下假设：H4所有包含在XBRL财务报告中的价值相关信息都在报告时点对外披露H5盈余反应系数与公司盈余的持续性成正比［3］H6盈余反应系数与公司成长性成正比H7盈余反应系数与公司风险成反比3.窗口期的确定和样本的选取在事件研究中，本文以沪深两市上市公司采用XBRL系统披露财务报告为研究事件，以XBRL财务报告对外披露日为事件时点，选择短窗口期考察事件发生日前后共三天［-1,1］CAR的变化情况，并增设窗口期［-2,2］来控制信息提前泄露而产生的市场反应本文采用具有良好市场代表性的沪深300指数的样本股，根据中证指数每半年公布的沪深300调整名单分别选取2008年年报、2009年半年报、2009年年报、2010年半年报、2010年年报和2011年半年报公告日的样本，剔除ST样本、股价不全或连续停牌的样本、数据明显异常的样本、窗口期内披露其他重大事件的样本以及窗口期后进行更正公告的样本，筛选出六个研究区间共1 265个样本，涉及证监会行业分类（CSRC）的全部13个行业。
样本数据来源于CCER中国经济金融数据库、上交所及深交所的网站，数据处理主要采用SPSS Statistics 19和Exce1 2007软件二、模型的选择和变量的测度1. 模型的选择和变量的计算本文选用比较常见的盈余反应系数定义式：CARi,t=α+βUEi,t+χYt+ε（1）其中，CARi,t为上市公司i在t时期内的累计超额收益率；β为盈余反应系数，UEi,t为未预期会计盈余；Yt为年度虚拟变量；ε为残差项本文不考虑年度虚拟变量，将模型简化为基本二元线性模型：CARi,t=α+βUEi,t+ε（2）本文仍选用是基于一定的理论基础和现实原因的：(1)线性模型是非线性模型的基础，非线性模型的一般分析思路是通过线性模型的分段回归来实现对ERC极其影响因素的研究2)我国资本市场还不够发达，能否直接套用在国外成为主流的非线性模型还值得商榷3)各种非线性模型都存在一定的实用问题，很难判断采用何种更符合现状CAR(Cumulative Abnormal Returns)为窗口期内超额收益率的加总本文采用市场风险调整法来计算CAR：(1)选取窗口期前90个交易日的样本股票日收益和市场证券组合日收益（沪深300指数日收益），计算各样本股票的日收益率Ri,j=(Pi,j－Pi,j－1)/Pi,j(Pi,j为股票i在j日的收盘价)，及对应交易日的沪深300指数日收益率Rm,j=(Indexi,j－Indexi,j－1)/Indexi,j (Indexi,j为沪深300在j日的市场指数)。
2)根据资本资产定价模型Ri,j=αi+βiRm,j+εi，利用窗口期前90个交易日的Ri,j和Rm,j回归估计出参数α*i和β*i，再根据α*i、β*i和窗口期内的Rm,j计算股票i在窗口期内的预期收益率ERi,j=[]α*i+β*iRm,j3)在计算窗口期内股票i的日超额收益率ARi,j=Ri,j－ERi,j的基础上，得出其在窗口期t时期内的累计超额收益率CARi,t=∑ARi,jUE(Unexpected Earnings)指的是公司的实际盈余与投资者对该公司的期望盈余的差额本文将投资者决策的主要影响因素每股盈余（EPS）作为财务报告信息含量的代理变量，运用随机游走模型估算预期盈余，即将上期的实际盈余水平作为本期预期盈余水平的无偏估计值：UEi,t=Yi,t－E(Yi,t)=Yi,t－Yi,t－1=EPSi,t－EPSi,t－1（3）其中，Yi,t为股票i在t时期的盈余水平2. 回归模型的设计和变量的测度本文的回归模型设计为：CARi,t=α+β1ABSUEi,t+β2EP+β3MBIRI+β4TBQ+β5DE+β6SDSY+β7XBRLT+εi,t（4）其中，ABSUE为未预期会计盈余的绝对值；EP为衡量盈余持续性，每股盈余除以年初股价；MBIRI为主营业务收入增长率；TBQ为市场价值与重置成本之比；DE为权益负债率；SDSY为截止到披露日前一周前85个交易日股票收益率的标准差；XBRLT为样本采用新XBRL实施平台输出报告为1，否则为0。
该回归模型考虑了ERC的决定因素，选取盈余持续性、公司成长机会和系统风险这三个决定因素来设计控制变量1)盈余持续性变量盈余持续性是指盈余在较长一段时期保持一种稳健的状态，表示企业上一期盈余能在下一期得以延续的可能性如果一个企业的利润主要来自主营业务收入这类永久性盈余，那么该企业盈余质量可以认为较高，未来现金流也较充足本文采用Basu度量会计信息稳健性的指标EP［4］来量化盈余持续性：其中，EPSi,t为股票i在t年度的每股盈余，Pi,t－1为股票i在t年初的股价2)公司成长机会变量公司成长机会是对公司持续成长能力的刻画拥有良好成长机会的公司向市场发出具有超额盈利能力的信号，只要这种能力延续到未来，未来盈利就会增加公司的资产，这样公司就很容易吸引资金，其盈余反应系数也就越高本文选取主营业务收入增长率和TBQ值作为公司成长机会的衡量指标①主营业务收入增长率MBIRI，摘自财务报表的历史数据，属于已实现的记录性指标：其中，MBIi,t为股票i在t年全年主营业务收入，MBIi,t－1为股票i在t年年初主营业务收入②TBQ表示市场对企业未来价值的评价，用来衡量企业的增长潜力：(3)公司风险变量资本资产定价理论将公司风险划分为系统风险和非系统风险，只有企业无法控制的导致所有股票价格下跌的系统风险才会影响公司的预期报酬率，进而反映在股价上影响公司的ERC。
由于本文在计算CAR采用的市场风险调整法已包含了风险系数的计算，所以选用以下代理变量作为公司风险控制变量：①权益负债率DE②截止到披露日前一周前85个交易日股票收益率的标准差SDSY4)事件影响变量XBRLT本文考察的是沪深两市采用XBRL标准披露年报后对年报信息质量和投资者决策是否有积极影响深交所要求深市公司从2008年年报披露开始全面采用其XBRL服务平台，上交所则从2009年半年报开始推出与国际接轨的新XBRL平台系统于此本文设置XBRLT这一虚拟变量，若样本采用新XBRL平台输出，XBRLT值为1，否则为05)解释变量ABSUEABSUE为未预期盈余的绝对值根据Freeman和Tse的研究结果，CAR和UE之间并非是简单的线性相关，有时会呈现出非线性的特征［5］，而未预期盈余绝对值的引入有利于控制变量之间的非线性关系，实现更精确的回归三、实证研究结果1.XBRL财务报告信息质量的事件研究(1)描述性统计对窗口期［-1,1］内的关键指标CAR进行描述性统计如表1所示2)显著性检验对XBRL财务报告的应用是否引起样本股票CAR的显著变化进行统计检验由于样本量大于30属于大样本，因而本文使用大样本平均值差异的显著性检验，构造Z统计量：其中，X1和X2为两组样本的平均数，S1和S2为两组样本的标准差，n1和n2为两组样本的容量。
根据公式（8），对CAR进行平均值差异的显著性检验由表2可见沪深300六期样本在XBRL财务报告披露前后CAR的Z=3.920大于2.580，P=0.000小于0.010，差异极其显著其中，属于沪市的样本差异也极其显著，属于深市的样本的Z=2.070介于1.960和2.580之间、P=0.049介于0.010和0.050之间，差异显著未含金融行业的总样本在窗口期内CAR的Z=3.690大于2.580，P=0.001小于0.010，差异极其显著其中，属于沪市的样本差异也极其显著，但属于深市的样本的Z=1.820小于1.960，P=0.065大于0.050，差异并不显著3)稳健性检验为了控制因信息提前泄露而产生的市场反应，增加结果的稳健性，现用窗口期［-2,2］的数据对以上结果进行检验，结果如表3所示对比发现，总样本和沪市样本在两窗口期内CAR的均值显著性检验均在1%的水平上显著，而排除金融行业的深市样本的CAR显著性检验在窗口期［-1,1］中不显著，在窗口期［-2,2］中在5%的水平上显著窗口期［-2,2］与窗口期［-1,1］的结果基本一致，窗口期［-2,2］的结果效果相对较好2.XBRL财务报告信息质量的回归分析事件研究法的检验结果发现，XBRL财务报告应用前后沪深300窗口期内CAR的均值有显著变化，沪市样本的显著性较深市突出。
考虑到上交所的XBRL应用处于国内领先地位，其制定和应用的XBRL分类标准获得了XBRL国际组织的认证，相对比较规范，本文在进行回归分析时对样本。