会计信息质量与流动性风险关系的研究设计及成果

在本文中，我们假设更高的会计信息质量将使流动性风险降低。同时，我们还对会计信息质量与市场风险的关系进行了部分分析。本文的实证设计在思路上参考了Pastor和Stambaugh（2003）和Jeffy Ng（2011）的方法，但在具体参数的处理上结合中国股票市场的运行实际做了相应的调整，特别是使用Amihud（2002）非流动性指标构建了流动性指标，并在此基础上计算出了流动性风险因子，我们认为非流动性指标所反映的数量价格效应相对于其他的流动性测度指标，能够更好地适应中国股票市场，并反映出投资者对股票的流动性预期。在接下来的部分里，我们将对回归方程进行理论描述，而将具体变量的讨论放到数据及方法部分里。

首先，我们参照Pastor和Stambaugh（2003）的方法构建了流动性风险的实证模型。Pastor和Stambaugh将流动性风险作为市场特征进行了建模：

这里的是测度流动性风险的贝塔值，MCi，t－1是我们所预期的流动性风险的决定因素组成的向量。

接下来我们对模型进行了扩展，以探究会计信息质量是不是流动性风险的决定因素：

这里的ICi，t－1是信息质量指标，它可以是收入报告准确度、应计质量或者综合信息质量。此外，为了对市场特征进行控制，我们还加入了一个企业特征向量FCi，t－1，以此来消除与变量变差相关的数据缺失。

在本文中，我们还对会计信息质量与市场风险之间的关系进行了研究。我们使用会计信息质量与市场风险之间的联系来探究流动性风险和市场风险在相对经济意义上的重要程度，并借此研究会计信息质量影响资本成本的系统性风险机制。与方程（7-2）类似的，市场风险的模型为：

这里的是测度市场风险的贝塔值。

在这里需要补充的是，Pastor和Stambaugh（2003）通过估计企业股票回报率与未预期的总体流动性变化之间的协方差来应用其流动性概念。然后通过对Fama和French（1993）三因素模型纳入一个市场流动性风险因子来进行扩展，从而构建一个包含了流动性风险的实证资产定价模型：

这里的ri，t是股票i在t月的超额回报率，LIQ是t月的市场流动性风险因子，MKT、SMB和HML都是Fama和French（1993）三因素模型中的风险因子。

将方程（7-2）和方程（7-3）代入方程（7-4）的右侧，我们得到以下方程：

然后，我们对流动性风险和市场风险在所有股票中的决定参数进行同样的限制。具体而言，在1998—2010年每年的年末，我们按照方程（7-6）为每只股票构建了历史回报率残差εi，t：(www.xing528.com)

这里的SMB和HML是根据Fama和French（1993）的方法构建的。通过这一步，我们从股票i的残差中剔除了SMB和HML的影响，这样更有利于我们简化对会计信息质量、流动性风险及市场风险所进行的研究步骤。接下来，我们按照方程（7-7）进行了混合面板回归，我们设定股票代码为变量的序列指标，年份为时间指标：

这里的LIQ和MKT与εi，t在时间点上是一致的，因为它们的作用就是度量回报率对这些风险的敏感度。我们对所有其他的因变量都进行了滞后一期的处理以确保投资者能够在下一期股票回报率与流动性风险的相关关系发生调整之前，通过信息对股票做出合理的判断。

区别于Pastor和Stambaugh（2003）的模型，我们采用了更倾向于Jeffy Ng（2011）的方法，为流动性风险和市场风险的决定因素纳入了主要的影响变量，通过这样在存在交互项的情况下按照一般的回归方法进行分析。同时又区别于Jeffy Ng（2011）的模型，这里所使用的LIQ是按照Fama和French（1993）三因素模型的方法，使用Amihud（2002）非流动性指标代替账面市值比计算得出的HML（极为LIQ）。因此省去了对各个变量按照数值大小进行划分并处理成0到1之间的数值的过程，对于变量参数的解释可以直观地理解成高流动性风险的企业与低流动性风险的企业之间的差值。

我们关注收入是因为它对于投资者而言是重要的信息来源。Verrecchia（2001）在他的会计信息质量理论中提到，在其他条件相同的情况下，信息的准确度越低，投资者对于企业价值的不确定性以及逆向选择问题就越严重。在本文中，我们使用了多种测度方法来捕捉收入的准确度。具体而言，我们使用了三个会计信息质量指标，收入报告准确度、应计质量以及在此二者的基础之上构建的综合会计信息质量指标。

收入报告准确度度量的是收入报告中公布的收入的波动水平。我们预期更低的波动水平反映了更为精确的准确度，并且在平均水平上而言是具有更高的会计信息质量的。Dichev和Tang（2009）的研究结果与该观点相一致，他们发现在控制其他经济特征变量之后，更高的收入准确度意味着更高的收入可预测性。因此，仿照Dichev和Tang的方法，我们使用公告收入的标准差作为收入波动率，这里的收入被定义为息税前收入与平均总资产之比。接下来，我们用1减去得到的标准差，从而使更高的数值反映更好的会计信息质量。

接下来，我们使用应计质量作为会计信息质量的反映（Francis等，2005）。一般而言，含有应计部分的收入在现金流中所反映的变化水平越低，通常就会被认为是更精确的收入信息。为了获得应计质量，我们仿照Francis等（2005）的方法，对所有的企业按照下面的截面回归方程进行了估计：

这里的TCAi，t＝流动资产变动-流动负债变动-货币资金变动＋一年内到期的长期负债变动-累计折旧-长期待摊费用支出，CFOi，t是经营现金流净值，ΔREVi，t是销售收入变化，PPEi，t是固定资产净值。我们所使用的年度截面回归得到了企业的年度残差。对于每家企业在每一财年，我们对从前5年到后1年的残差的标准差进行了计算，因此我们至少要获得7年的经营现金流净值才能获得这些计算结果。考虑到更高的标准差意味着更低的信息质量，我们采用了与收入报告质量相似的处理，用1减去残差的标准差，从而使更高的数值反映更好的信息质量。

尽管我们使用了上述两个会计信息质量指标来度量来自企业的收入信号，但我们必须承认这些指标也可能存在噪声或偏差。比如，收入报告准确度和应计质量很可能会包含一些能够在企业内部对资本成本产生影响的因素。

我们采取了两种措施来避免上述问题的发生。首先，为了降低噪声以及各个单独指标之间潜在的偏差，我们构建了一个综合会计信息质量指标。我们在单独指标的基础上，通过对每家企业每年的信息指标进行标准化，然后再对标准化后的会计信息质量指标进行加总得到该数值。其次，我们在回归中使用了众多的控制变量，特别是加入了一些能够反映企业内部特征的变量。