BallBrown全文中文翻译

1、会计收益数据的实证评价芝加哥大学。西澳大利亚菲利普布朗大学。作者感谢芝加哥大学会计研究工作组的同事：迈伦斯克尔斯教授、梅斯教授、欧文休伊特教授和伊恩沃茨教授。会计理论家通常通过与特定分析模型的一致性来评估会计实践的有用性。这种会计分析模型可能只由一些命题或断言组成，也可能是一种经过严格推理的理论。在这两种情况下，会计研究方法总是将当前的实践与更可取的操作或标准进行比较，而这些操作或标准是从模型中派生出来的所有会计实践都应该具备的。这种方法的缺点是它忽略了世界上一个重要的知识来源，即模型预测与观察到的行为相符合的程度。仅仅根据所有的假设都可以被经验证实来为分析辩护是不够的。因为，我们怎么知道一个

2、理论包含所有相关的有证据支持的假设？同时，如何解释基于未经证实的前提下的结论的预测能力，如效用函数最大化？此外，在考虑了世界的不同方面之后，如何分析结论之间的差异？会计数据本质上不能定义的论点说明了全面分析会计实务有用性的方法的局限性。会计数据本质上无法定义，因为它们缺乏“意义”，因此它们的功能是有问题的。坎宁(1929)在这个问题上出现了不同的观点；吉尔曼(1939)；帕顿和利特尔顿(1940)；瓦特(1947)，第2章；爱德华兹和贝尔(1961)，第1章；钱伯斯(1964)，页267-68；钱伯斯(1966)，第4和102页；林(1966)，特别是第645和649页；钱伯斯(1967)，页

3、745-55；艾吉里(1967)，第6章，特别是第120-31页；斯特林(1967)，第65页。在某种程度上，争论的焦点源于会计实务的相应发展，以适应新的经济环境。仅举几个有问题的领域。随着实务的发展，会计师需要处理诸如合并、租赁、合并、研发成本、价格波动和税务支出等实务。由于会计缺乏统一的理论框架，这些会计实务中存在不一致的现象。因此，净收入是不同质量成分的积累。因此，净收入被视为一个“无意义”的数字，这与27张桌子和8把椅子之间的差异没有什么不同。在这种观点下，净盈余只能被定义为一系列程序应用于一系列事件后获得的结果，没有任何实质性的内涵。坎宁观察到：净盈余的计量结果在任何意义上都不能被认

4、为是真实的，除非它是一个数字，是在会计暂停应用他所使用的程序后获得的结果。坎宁(1929)，第98页。对于试图提高测量方法解释能力的分析方法的价值没有争议。有争议的是这样一个事实，即一个分析模型本身并不评估偏离它所隐含的测量方法的重要性。因此，在没有实证检验的基础上，根据会计分析模型得出会计收益数据缺乏实质性内涵而缺乏有用性的结论是不合适的。会计收入数据的经验验证需要对真实世界结果的效用实验达成一致。因为净收入是投资者感兴趣的一个数字，我们使用的预测标准的结果是反映在证券价格中的投资决策。比弗(1968)引入了另一种方法，用交易量反映的投资决策作为预测标准。净收入数据的内容和发布时间将用于共同

5、验证会计收入数据的有用性，因为两者的缺失将破坏会计收入数据的有用性。经验检验资本理论的最新发展提供了一个合理的理由，将证券价格的表现作为会计收益数据有用性的操作测试。大量令人印象深刻的理论已经证实，下列资本市场是有效和不偏不倚的，因为如果信息有助于形成资本资产的价格，资本市场将根据这一信息迅速调整资产价格，从而防止投资者获得更多的异常回报。例如，萨缪尔森(1965)已经证明，在信息评估中不偏不倚的市场将增加证券价格时间序列的随机波动性。同样，库特纳(ed。)(1964年)；Fama(1965年)；Fama和blume (1966年)；Fama等人(1967年)；詹森(1968)。有证据表明，如

6、果证券价格确实根据新信息迅速调整，那么证券价格的变化将反映信息向资本市场的流动。证券市场的一个公认特征是有用的信息来源将发挥作用，而无用的信息来源将被忽视。这并不奇怪，因为市场是由大量投资者组成的，他们通过比竞争对手更全面地分析企业前景来做出投资决策，从而获得回报。例如，参见上面的Scholes(1967)和注释4。证券市场的这种评估方法与钱伯斯(1966，第272-3页)的方法大不相同。可观察到的股价波动与损益表的发布之间的关系可以证明会计收益数据中反映的信息是有用的。我们用来将会计收入与股票价格联系起来的研究方法是基于上述理论和证据，这些理论和证据是通过只关注影响特定公司股票价格的特定信息

7、而获得的。更准确地说，要注意不影响所有公司证券价格的信息。因此，本文不考虑某些工业效应。具体来说，我们构建了两个预期市场回报的选择模型，以检验当市场预期不准确时市场的反应。预期收益的变化和意外收益的变化根据过去的事实，所有公司的收益变化是一致的。一项研究发现，公司平均每股收益变化水平的大约一半与宏观经济效应有关。或者，当收入被定义为税后投入资本的回报时，公司平均每股收益变化的35%-40%与制度因素有关。来源：鲍尔和布朗(1967)，表4根据这一证据，至少可以预测公司一年到下一年的收益变化。在前一年，如果一家公司的收益以特定的方式与其他公司的收益联系在一起，那么了解过去这种特定的联系，再加上其

8、他公司当年的收益信息，我们就可以得到该公司当年收益的有条件预期。因此，排除确定的影响，当前收入传递的新信息内容由实际收入变化和有条件预期变化之间的差异来估计。但并非所有这些差异都是新信息。收益的一些变化是由于公司财务和其他政策的变化。我们假设在第一次估算之前，这些变化已经反映在收入随时间的平均变化上。这是因为上述变化的两个组成部分的宏观经济和政策影响是同时的，并且它们的联系可以被联合估计。我们采用的统计过程是：首先，我们使用最小二乘法(OLS)和截止到去年的数据()找出公司的年度盈余变化()关于市场上所有其他公司(除了公司)的平均盈余变化()我们称之为盈余的“市场指数”，因为它只由那些在纽约证

9、券交易所上市的公司的会计盈余数据构成。线性回归系数和截距项()为：(1)”说着估计其中。然后，将第一年市场盈余的平均变化代入回归模型，计算公司第一年预期盈余的变化：意外盈余变化，或预测剩余()，是盈余变化的实际值减去预期盈余变化：(2)我们假设当前收入所传递的新信息是这一预测的残差。市场反应同时也证明了股票价格的变化(以及持有股票的回报率)是一致的。金(1966)，一项研究。据估计，在1944年3月至1960年10月期间，约30%-40%的月度股票收益率变化与市场效应有关。股票收益的市场变化是由所有公司相关信息的发布引起的。由于我们正在评估与单个公司相关的损益表，其内容和发布时间应根据公司股票

10、收益率的变化(不包括市场效应)进行估算。市场信息对投资一美元于公司股票所获得的月回报率的影响可以定义为股息()收盘价()除以开盘价():因此，月价格比等于分离的月回报加上常数乘数。它的自然对数是按连续复利计算的月收益率。在本文中，我们假设复利计算是不连续的，因为在这种形式下，结果很容易解释。Fama等人(1967)对市场收益率得出如下结论：“为了从单个证券的月收益率中提取一般市场条件的影响，使用证券收益率来返回市场收益率是一种令人满意的方法。”为了得出他们的结论，他们发现“单个证券收益率对市场收益率的散点图强烈支持回归假设，即线性、同形异义和序列独立性”。法玛等人和金(1966)研究了自然对数

11、形式的价格比率。然而，布鲁姆(1968)应用了等式(3)。我们还执行变量替换测试：(3a)其中，它代表一个自然对数函数。结果与下面报道的完全一致。要估计从以下各项的线性回归中获得的预测值：(3)其中，它是公司第一个月的月度股价比率，费希尔的“综合投资业绩指数”(Fisher (1966)的环比，以及公司第一个月的剩余股票收益率。的价值是对市场每月回报率的估计。我们样本中的下标m表示自1946年1月以来所有可用月份的数量。等式(3)中给出的普通最小二乘回归模型(OLS)中的残差基于估计回归参数()和市场指数来测量实际收益率和预期收益率之间的差异程度。因此，由于发现市场会根据新信息快速有效地进行调

12、整，那么这一残差必然代表公司单独的新信息对公司持有的普通股收益率的影响。一些测量问题OLS剩余回归模型的一个假设是，OLS的一个必要假设是最小方差、线性和无偏估计。是与否。两者之间的相关性至少体现在两个方面，即剩余市场指数()包括企业和产业效应的存在。第一个已经通过结构进行了估计(参见下标)，但产业效应的存在并没有得到调整。可以估计，产业效应只能解释一个公司大约10%的回报率。归因于一个行业的影响程度取决于行业定义的广度，而行业定义的广度又取决于所考虑的具体经验应用。10%的估计是基于两位数的分类表。有证据表明，当一个公司与产业效应之间的关系用一阶差分估计时，产业效应可以解释超过10%的公司收

13、益率变化Brealey (1968)。为此，等式(1)可以用作合适的分析方法，该方法认为估计值之和的偏差是不显著的。然而，为了测试模型的统计有效性，我们还提供了选择模型的结果，即朴素模型。天真的模型预测，去年的盈余与今年的盈余相同。它的预测误差只是从去年到现在的盈余变化。如下图所示，在收益回归模型的情况下，股票收益率模型明显违反了普通最小二乘(OLS)回归模型的一些假设。首先，市场收益率与剩余相关，因为市场收益率包括公司的收益率，也因为产业效应。然而，这些违规行为并不严重，因为费希尔指数是由纽约证券交易所上市的所有公司的股票计算出来的(因此公司证券的回报率只是该指数的一小部分)，而产业效应最多

14、只能解释10%的股票平均回报率的变化。这10%的估计是由于金(1966)和布鲁姆(1968)质疑工业效应的数量，这表明这个数量可能略低于10%。他的观点来自以下发现：产业效应的重要性取决于股票收益率中隐含的参数分布假设。第二个违规源于我们的预测，即在报告日期前后的几个月内，残值的期望值不等于零。同样，任何偏差对结果都没有影响，因为观察到的自相关非常低。见下表4。在任何情况下，股票收益模型的观察值都不会小于100 Fama等人(1967)遇到的相同情况。在他们的研究中，他们发现在某些月份股票收益剩余的期望值是非零的。因此，他们分别对两种情况下的股票收益率回归模型进行了操作，即包括和不包括那些股票

15、收益率残差的期望值被认为是非零的。他们得出结论，两种类型的结果支持相同的结论。一个可以强制均值为零的选项是使用夏普的资本资产定价模型(CAPM)夏普(1964)来估计等式(3b):(3b)其中，它是持有证券期间的优先无风险收益率。等式(3b)(以美国政府债券利率衡量，现在将公司当月的异常回报定义为)的结果与等式(3)的结果基本相同。然而，等式(3b)仍然不完全适用，因为新信息的平均影响是通过证书的整个历史来估计的。这段历史至少涵盖了100个月。如果等式(3b)适用于使用月度数据，则需要引入虚拟变量向量来识别年度报告涵盖的会计年度，从而能够区分每个会计年度的剩余均值。然后，第一年的第一个月中的异

16、常信息的影响可以通过常数项、第一年中的虚拟变量的值和第一年的第一个月中计算的残差的总和来估计。不幸的是，以这种特殊的方式估计股票收益方程的有效性还没有得到适当的研究，所以我们的报告仅限于估计方程(3)的结论。摘要我们假设，当一家公司在一段时间内几乎不可能丢失有用信息时，该公司在这段时间内的回报率将只反映与所有公司相关的市场信息的存在。通过消除市场效应等式(3)，我们确定了个别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会计盈余数据中包含的信息有关，我们将会计盈余的变化分为两部分：预期和意外的盈余变化。如果盈利预测误差为负(即实际盈利变化小于条件预期变化)，我们将其定义为坏消息，并预测如果会计盈利数据与股票价格之间存在某种联系，会计盈利数据信息的披露将导致公司股票收益率低于预期。稍后，我们将把总回报分成两个部分：“正常回报率”，即给定某一证券的回报率和市场回报率之间的常规联系，可以预测的回报率；“异常收益率”是指实际收益率与正常收益率之间的差额。根据官方说法，这两个部分是由和给出的。这样的结果()可以通过年度报告公告日的负业绩周围的股票收益率残差()来形式化。反之亦然。已经定义了两种基本的收益预测模