會計信息可比性、分析師跟蹤與股票錯誤定價

李美芳 喬貴濤 王欣睿

【摘要】以我國滬深A股非金融類上市公司為樣本， 實證檢驗會計信息可比性對股票錯誤定價的影響。 研究發現： 企業會計信息可比性越高， 股票錯誤定價程度越低; 分析師跟蹤越少， 會計信息可比性對股票錯誤定價的作用越顯著。 進一步研究發現： 股票流動性在會計信息可比性對股票錯誤定價的影響過程中起到中介作用， 會計信息可靠性也可以降低股票錯誤定價程度， 但會計信息可比性對其影響更大， 且二者在作用過程中不會產生交互效應。

【關鍵詞】會計信息可比性;股票錯誤定價;分析師跟蹤;股票流動性;會計信息可靠性

【中圖分類號】F230? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2021）08-0087-11

一、引言

資本市場的基本功能是利用價格機制引導資源的有效配置[1] ， 而股票市場定價的準確性成為影響資源配置效率的重要因素。 資本市場長期的錯誤定價會帶來嚴重的經濟后果， 例如股價的長期錯誤高估會提高企業的股價崩盤風險， 如曾經引起廣泛關注的雅高控股股票崩盤事件; 而股價的長期低估則容易導致惡意收購， 如萬科控制權旁落、格力險被寶能集團收購等事件。 因此， 降低資本市場的股票錯誤定價程度對于提高資源配置效率具有重要意義。 資本市場本質上是一個信息市場[1] ， 投資者主要根據企業提供的各種信息以及其他渠道獲得的信息進行投資決策， 其中企業提供的會計信息是主要的信息來源， 其質量對投資者的決策精度和市場定價效率具有重要影響[2] 。 可比性作為會計信息質量的一個重要特征， 能夠促進企業特質性信息快速融入股價[3] ， 在股票定價中發揮著重要功能。? 那么會計信息可比性能否降低股票錯誤定價程度， 以及通過何種渠道降低股票錯誤定價程度呢？

基于投資者有限注意理論， 個人投資者由于時間、精力和信息處理能力有限， 在進行信息處理時往往傾向于利用能夠引起他們注意的信息而忽視那些有用但不顯著的信息。 會計信息是投資者進行投資決策的重要依據， 但投資者在進行投資決策時不僅利用被投資單位自身的會計信息， 還需要獲取同行業可比公司的會計信息進行參照， 以對被投資單位的內在價值進行準確判斷。 因此， 會計信息可比性較強的公司， 更容易吸引投資者注意， 受到投資者的青睞， 進而成為投資交易的標的， 提升被投資公司的股票流動性[4，5] 。

流動性反映了市場以合理價格迅速交易資產的能力， 是市場生命力的體現。 股票流動性的提升一方面使得公司的股票價格具有快速調整的機會， 不斷逼近股票內在價值[6] ; 另一方面， 股票流動性的提升會吸引機構投資者注意， 提高其持股意愿， 機構投資者較強的信息處理能力會進一步提升股價的信息含量[7] ， 降低股票錯誤定價程度。 然而會計信息可比性僅僅是輔助投資者進行投資決策的機制之一， 市場上的其他機制可能會對會計信息可比性產生替代效應。 例如， 分析師作為重要的信息中介， 在信息搜集和處理方面均具有較大優勢， 即使對會計信息可比性不高的被投資企業， 投資者也可利用分析師傳遞的公開信息來提高投資決策的準確性， 對會計信息可比性的依賴降低， 從而弱化會計信息可比性對股票錯誤定價的影響。

本文可能的研究貢獻如下：第一， 現有文獻較多地關注會計信息可比性對股價崩盤風險的影響， 但股價崩盤僅僅是股價錯誤高估的結果， 無法反映會計信息可比性在抑制股價錯誤低估方面的作用， 本文的研究有助于補充以往文獻的不足; 第二， 揭示了會計信息可比性影響股票錯誤定價的作用機制， 即會計信息可比性通過提升股票流動性來降低股票錯誤定價程度。

二、文獻綜述

（一）會計信息可比性的經濟后果

DeFranco等[8] 首次提出了公司層面會計信息可比性的度量方法， 此后學者們利用這種方法對會計信息可比性的經濟后果進行了大量研究。 相關研究主要集中于對企業內部經營管理以及對外部利益相關者的影響兩方面。

從對企業內部經營管理的影響來看， 企業會計信息可比性的提高有助于降低信息不對稱、緩解代理沖突， 從而提高投資效率[9，10] ; 抑制經理人的機會主義行為， 減少盈余管理， 從而提高薪酬契約有效性， 降低債務融資成本; 緩解融資約束， 提高企業的創新程度和創新產出水平[11] ; 有助于并購過程中對目標公司與同行業可比公司之間盈余差異和財務狀況進行對比， 降低并購溢價風險和并購后商譽損失風險， 提高并購效率。 但會計信息可比性及相關的經營管理決策可能存在相互影響的關系， 也可能同時受到公司治理的影響， 從而存在嚴重的內生性問題[12] 。

從對外部利益相關者的影響來看， 會計信息可比性能夠降低分析師的預測偏差、提高預測精度; 提高股價反映私有信息的能力， 進而增加股價信息含量[3] ; 提高管理層隱藏壞消息的難度， 從而降低股價崩盤風險; 促進盈余信息的跨公司傳遞， 使投資者在進行投資決策時可以更好地利用其他公司的信息[13] ， 更加有效地判斷企業的投資效率乃至整體的經營狀況， 從而做出更為準確的決策[10，14] 。

（二）會計信息質量與股票錯誤定價

我國資本市場的不完善和投資者專業素質與投資能力的不足， 導致資產定價效率低下， 股票市場個股市價偏離其內在價值的現象長期存在， 普遍存在股票錯誤定價現象[15] 。 該現象的存在嚴重抑制了資本市場資本配置功能的發揮， 令投資者難以將資金投放到具有良好發展前景的公司中。 資本市場本質上是一個信息市場[1] ， 企業提供的會計信息是投資者進行投資決策的主要依據， 其質量對投資者的決策精度和市場定價效率具有重要影響[2] 。 現有文獻從盈余質量和會計信息穩健性兩大角度考察會計信息質量對股票錯誤定價的影響。

盈余質量是企業會計信息質量的重要指標。 當企業內部管理者和外部投資者之間存在信息不對稱時， 管理者通過盈余管理能夠削弱會計盈余反映企業基本面信息的能力， 盈余管理水平越高， 管理層隱匿的信息尤其是負面信息越多， 導致外部投資者無法對企業股票價值做出正確判斷， 引起股票錯誤定價程度不斷加深， 從而導致較高的股價崩盤風險。

會計信息穩健性作為衡量會計信息質量的另一個重要指標， 許多學者甚至將其作為會計信息質量的替代變量。 會計信息穩健性的提高有利于管理層及時披露具有不確定性的損失而非收益， 降低企業負面信息隱藏及累積的概率， 降低差項目被評定為好項目的可能性， 有助于企業事前減少、事后及時終止投資收益為負的項目， 減少盈余波動和股價波動， 及時確認壞消息， 有助于抑制管理層的機會主義行為和自利行為， 減少現金流量的不確定性， 降低投資者對企業價值的評估風險。

（三）文獻評述

通過以上文獻回顧可以看出， 學術界均認為會計信息質量的提升有助于投資者準確評估企業價值， 降低企業的股票錯誤定價程度。 但既往研究更多關注盈余質量和會計信息穩健性的影響， 同時研究較多關注對股價崩盤風險的影響， 鮮有研究直接關注對股票錯誤定價的影響。 會計信息可比性作為會計信息質量的重要特征之一， 有利于緩解信息不對稱、改善投資環境， 使投資者在進行投資決策時可以更好地利用其他公司的信息， 提高決策準確性。 但鮮有文獻提及會計信息可比性對股票錯誤定價的影響， 特別是通過何種渠道對股票錯誤定價產生影響。 這為本文研究提供了契機。

三、理論分析與研究假設

（一）會計信息可比性與股票錯誤定價

公司內部盈余信息不能完全解釋股價的變化， 外部信息在公司的股價變化中也具有重要作用， 即投資者同時利用公司內部信息和外部信息來對公司價值進行判斷。 投資者利用外部信息進行價值判斷的主要方式， 就是基于企業內部信息對目標公司進行估值時， 會選擇一個可比公司進行對照和比較。 基于投資者有限注意理論， 個人投資者由于時間、精力和信息處理能力有限， 在進行信息處理時往往傾向于利用能夠引起他們注意的信息而忽視那些有用但不顯著的信息[16] ， 因此不同公司間存在的會計信息系統差異， 增加了投資者在進行會計信息解讀以及企業價值評估時的難度。 具有可比性的公司之間相同項目產生的會計信息具有相似性， 不同項目產生的會計信息存在差異[8] ， 提高資本市場信息透明度， 減少信息不對稱帶來的不確定性[9，10] ， 意味著會計信息在數量和質量上的雙向提升， 因而更能吸引投資者注意， 引起投資者興趣。 同時， 可比性信息可以幫助投資者更好地評估目標企業未來現金流入情況， 有利于投資者準確識別各項經濟業務， 更好地理解會計數字背后的經濟實質， 減少投資者在利用公司盈余報告過程中進行的計算與處理程序[14] ， 確保投資者在進行投資決策時信息充足、面臨的不確定性較低。 因此， 具有可比性的公司一方面會引起投資者注意， 一方面能增強投資者信心， 因此更可能成為投資標的， 促進股票交易量增加， 進而提高股票流動性[4，5] 。

股票流動性是證券市場價格發現功能賴以發揮的基礎[17] ， 流動性的提高會降低股票錯誤定價程度。 一方面， 我國股市存在顯著的流動性溢價， 持有流動性較差的股票意味著在未來交易時面臨更高的預期交易成本， 因此要求更高的未來預期收益; 而流動性的提高可以為投資者提供更多的交易機會， 降低其交易成本[18] ， 使企業特質性信息更多更快地反映在股票價格中[7] ， 提高資本市場信息效率， 從而促進其價格發現功能發揮[6] ， 使交易價格更多地反映股票價值本身。 另一方面， 相對于個人投資者， 機構投資者更加關注與股票流動性有關的風險問題， 偏好于持有流動性較高的股票， 即流動性高的股票更容易被機構等大宗股東持股[19] 。 機構投資者的進入會加強對公司的監督， 他們對會計信息和其他信息的解讀能力更強[20] ， 同時可以進行非公開信息的搜集活動[21] ， 進而促使更多的公司特質性信息反映在股票價格中[7] ， 提升股票價格在融合市場信息方面的迅捷度， 促使價格反映其內在價值， 從而降低股票錯誤定價程度。 即企業的會計信息可比性提高時， 股票流動性也會提高， 從而股票錯誤定價程度會降低。 基于以上分析， 本文提出如下假設：

H1：在其他條件相同的情況下， 會計信息可比性越高， 股票錯誤定價程度越低。

（二）會計信息可比性、分析師跟蹤與股票錯誤定價

分析師跟蹤可以完善企業的外部信息環境， 分析師跟蹤人數越多， 則上市公司外部信息環境越健全。 作為資本市場的信息中介， 分析師擁有豐富的信息渠道、資源優勢以及專業的信息解讀能力， 能夠將挖掘到的私有信息以對外發布研究報告的形式進行市場化公開， 從而降低市場的信息不對稱程度， 拓寬投資者接觸信息的廣度和深度[22] 。 分析師基于其所掌握的財務會計知識、產業調研經驗等提升預測的準確度， 向投資者提供合理反映證券內在價值的信息， 讓信息及時地傳遞到市場上， 提高資本市場定價效率， 降低股票市場的價格偏離度[23] 。 同時， 分析師還可作為外部監督機制， 對企業信息披露起到監督作用。 更多的分析師跟蹤增加了企業操縱盈余被披露的風險， 能夠有效規范上市公司管理層的盈余管理行為。 因此， 分析師跟蹤可提高上市公司信息披露質量， 有利于投資者更好地了解股票內在價值信息， 降低投資者對會計信息可比性的依賴度， 能夠弱化會計信息可比性對股票錯誤定價的抑制作用。 基于以上分析， 本文提出如下假設：

H2：在其他條件相同的情況下， 分析師跟蹤越少， 會計信息可比性對股票錯誤定價的抑制作用越顯著。

四、研究設計

（一）樣本與數據來源

由于我國2007年開始實施現行會計準則， 且準則實施第一年的準則執行質量可能存在問題， 因此本文選取2008 ～ 2018年滬深A股上市公司作為研究樣本。 由于計算會計信息可比性需要前16個季度的數據， 因此， 實際參與回歸的為2012 ～ 2018年滬深A股上市公司。 同時本文按如下標準對樣本進行篩選：①剔除金融類企業; ②剔除ST、?ST類企業; ③剔除上市公司數不足十家的行業; ④剔除數據缺漏的觀測值。 最終得到11332個觀測值。 為避免異常值的影響， 本文對所有連續變量在上下1%位置進行了縮尾（Winsorize）處理。 本文所使用的財務數據均來自國泰安（CSMAR）數據庫。

（二）被解釋變量：股票錯誤定價

本文借鑒Rhodes-Kropf等[24] 、游家興和吳靜[25] 的研究思路， 利用分解賬面市值比的方法來衡量股票錯誤定價， 將M/B分解為以下兩個部分：

M/B=M/V×V/B? ? ? ?（1）

兩邊取自然對數， 并令m=LogM， v=LogV， b=LogB， 得到m-b=（m-v）+（v-b）， 其中（m-v）表示股票市場價值偏離其內在價值的部分， 即股票錯誤定價， （v-b）反映股票真實成長機會。

由于股票市場價值偏離內在價值可能由于公司自身因素造成， 也可能由于行業整體偏差造成， 而本文只需得到企業層面股票錯誤定價以便后續研究， 進一步將個股市場價值對內在價值的偏離分為兩部分：

mit-bit=[mit-v（θit;Ujt）]+[v（θit;Ujt）-

v（θit;Uj）]+[v（θit;Uj）-bit]? ?（2）

其中， j表示i所在行業， 公司i在第t期的公司價值v是個股財務信息θ和財務信息系數U的線性函數。 v（θit; Uj）中公司特定信息集θit的參數向量Uj反映公司內在價值， 與時期t無關。 因此， 式（2）中[mit- v（θit; Ujt）]表示股票價格與同期同行業估值的差異， 即企業層面錯誤定價（errfirm）; [v（θit; Ujt）- v（θit; Uj）]表示公司當期同行業估計值和長期行業估計值的差異， 即行業層面錯誤定價; [v（θit; Uj）- bit]表示長期公司價值和公司當期賬面價值的差異， 即股票的真實成長機會。

參照Rhodes-Kropf等[24] 、游家興和吳靜[25] 的方法， 將公司分年度分行業使用式（3）進行OLS回歸：

mit=U0jt+U1jtbit+U2jt|niit|+U3jtIit|niit|+

U4jtLEVit+εit （3）

其中： m為公司市場價值; LEV為公司財務杠桿， 等于期末總負債/總資產; I是啞變量， 公司凈利潤為負， 其值為1， 否則為0， 該變量的加入有利于對虧損公司進行估計。

t時刻i公司的當期公司價值估計值是利用式（3）OLS回歸系數得出的擬合值， 如式（4）所示：

v（θit;Ujt）=? ?it=? ?0jt+? ?1jtbit+? ?2jt|niit|+

3jtIit|niit|+? ?4jtLEVit （4）

因此， 公司自身層面導致的錯誤定價（errfirm）為：

errfirmit=mit-v（θit;Ujt）=mit-? ?it? ?（5）

本文研究會計信息可比性是否可以有效抑制股票錯誤定價及其抑制程度， 而不關心其高估或低估狀態， 因此對其取絕對值， 得到公司層面的股票錯誤定價（MISPfirm）：

MISPfirm=abs（errfirm）? （6）

（三）解釋變量：會計信息可比性

本文借鑒De Franco等[8] 的盈余—收益模型來衡量會計信息可比性。 De Franco等[8] 將會計信息系統定義為經濟事件轉變為財務報告的過程：給定一系列特定的經濟事件， 公司i和j的會計系統相似時， 會生成相同的財務報表。 相關計算步驟為：

首先， 使用公司i第t期前的連續16個季度數據估計模型（7）， 即為公司i在第t期的會計系統轉換函數。 使用同樣方法估計公司j在第t期的轉換函數。

Earningsit=αi+βiReturnit+εit? ?（7）

其中， Earnings為會計盈余， 等于季度凈利潤與季度初權益市場價值的比值。 Return為季度股票收益率， 代表經濟事件對公司的凈效應。

其次， 假定公司i和j經濟事件相同（即都是Returnit）， 利用公式（8）和（9）， 使用公司i和公司j的估計系數來預測其盈余。

E（Earnings）iit=? ?i+? ?iReturnit （8）

E（Earnings）ijt=? ?j+? ?jReturnit （9）

其中， E（Earnings）iit表示公司i在t時期， 利用公司i的會計系統轉換函數和公司i的股票收益率計算得出的預期盈余; E（Earnings）ijt表示公司j在t時期， 利用公司j的會計系統轉換函數和公司i的股票收益率計算得出的預期盈余。 通過在兩次預測中都使用i的股票收益來保證經濟事件的一致性。

定義公司i和公司j的會計信息可比性為連續16個季度的預期盈余平均絕對差值的相反數， 即：

CAIijt=-[116]×? ? ? |E（Earnings）iit-

E（Earnings）ijt|? （10）

CAIijt表示公司i和公司j之間的會計信息可比性， CAIijt值越大， 表示兩公司間會計信息可比性越強。

最后， 根據公司i和公司j的可比性計算公司i和同行業所有其他公司的年度會計信息可比性。 把公司i和同行業所有其他公司分別進行一一配對， 分別計算每一個組合的會計信息可比性， 然后分別取平均值COMPACCT， 以及在t時期與公司i有著最高可比性的10個j公司的可比性的平均值COMPACCT10作為會計信息可比性指標。

COMPACCTit=? ? ? ? ? ? ? ? CAIijt （11）

COMPACCT10it=? ? ? ? ?CAIijt （12）

式（12）中的j=1 ～ 10， 表示在t時期與公司i有著最高可比性的十家公司j。

同時， 參照Campbell模型， 本文在De Franco等[8] 模型中加入股票收益率的虛擬變量（Neg）和股票收益率的交乘項（Neg×Return）來估算公司的會計系統轉換函數， 模型如下：

Earningsit=αi+βiReturnit+ciNegit+diNegit×

Returnit+εit? ?（13）

其中， Negit為啞變量， 如果季度收益率為負， 其值為1， 否則為0。

控制相同的經濟事件（Returnit）計算公司i和公司j的預期盈余：

E（Earnings）iit=? ?i+? ?iReturnit+? iNegit+

iNegit×Returnit? （14）

E（Earnings）ijt=? ?j+? ?jReturnit+? jNegit+

jNegit×Returnit? （15）

公司i和公司j之間可比性與De Franco等[8] 模型相同， 再將公司i和同行業所有其他公司分別進行一一配對， 分別計算每一個組合的會計信息可比性， 然后分別取平均值COMPACCT_2以及在t時期與公司i有著最高可比性的10個j公司的可比性的平均值COMPACCT10_2作為會計信息可比性指標。

在穩健性研究中， 分別使用基于De Franco等[8] 模型的可比性中位數COMPACCT_md和參照Campbell模型的可比性中位數COMPACCT2_md作為會計信息可比性指標。

（四）控制變量

參考游家興和吳靜[25] 、卿小權等[15] 和張自力等[26] 關于股票錯誤定價的研究， 本文選取如下控制變量：①企業基本面因素， 包括企業規模（Size）、資產負債率（LEV）、盈利能力（ROE）、成長性（Growth）、產權性質（Soe）; ②公司治理因素， 包括董事會獨立性（ND）、第一大股東持股比例（NO1）、管理層持股比例（MStock）、董事會規模（Board）; ③股票特征因素， 包括股票特質波動率（IVOL）、股票成交量（VOL）、流通股比例（Outshare）。

具體變量定義如表1所示。

（五）模型構建

1. 股票錯誤定價影響因素模型。 為了實證檢驗會計信息可比性對股票錯誤定價程度的影響， 構建模型（1）對H1進行檢驗：

MISPfirm=α0+α1COMP+α2Size+

α3LEV+α4ROE+α5Growth+α6Soe+

α7IVOL+α8ND+α9MStock+α10VOL+

α11NO1+α12Outshare+α13Board+

IND+Year+ε （16）

上式中， 被解釋變量為股票錯誤定價（MISPfirm）， 解釋變量為會計信息可比性（COMP）， 分別用COMPACCT、COMPACCT2、COMPACCT10、COMPACCT10_2表示。 根據H1， 預期α1系數為負， 表明在其他條件相同的情況下， 企業股票錯誤定價與會計信息可比性負相關， 即企業會計信息可比性水平越高， 股票錯誤定價程度越低。

2. 分析師跟蹤調節效應模型。 為檢驗分析師跟蹤對會計信息可比性與股票錯誤定價關系的調節效應， 構建以下模型：

MISPfirm=α0+α1COMP+α2COMP×Broker+

α3Broker+α4Size+α5LEV+α6ROE+α7Growth+

α8Soe+α9IVOL+α10ND+α11MStock+α12VOL+

α13NO1+α14Outshare+α15Board+IND+

Year+ε （17）

依據H2， 預期α2系數顯著為正， 表明分析師跟蹤會負向調節會計信息可比性與股票錯誤定價的負相關關系。

五、實證結果分析

（一）描述性統計

表2報告了主要變量的描述性統計結果。 股票錯誤定價MISPfirm的均值為0.236， 標準差為0.208， 最大值和最小值分別為1.073和0.003， 說明所有企業均存在不同程度的股票錯誤定價現象， 且不同企業間股票錯誤定價差異程度較大。

會計信息可比性水平COMPACCT、COMPACCT2、COMPACCT10、COMPACCT10_2均值分別為-0.041、-0.053、-0.009、-0.014， 標準差分別為0.032、0.055、0.013、0.017， 說明不同企業間會計信息可比性存在顯著差異。

（二）回歸分析

1. H1的回歸分析。 根據模型（16）， 進行會計信息可比性與股票錯誤定價的穩健標準誤的OLS回歸， 表3列示了回歸結果。

從表3可以看出， 第（1）列會計信息可比性（COMPACCT）與股票錯誤定價（MISPfirm）的回歸系數為-0.425， 且在1%水平上顯著; 第（2）列會計信息可比性（COMPACCT2）與股票錯誤定價的回歸系數為-0.136， 且在1%水平上顯著; 第（3）列會計信息可比性（COMPACCT10）與股票錯誤定價的回歸系數為-0.627， 且在1%水平上顯著; 第（4）列會計信息可比性（COMPACCT10_2）與股票錯誤定價的回歸系數為-0.494， 且在1%水平上顯著。 以上結果表明會計信息可比性與股票錯誤定價負相關， 即企業會計信息可比性能夠降低企業的股票錯誤定價程度， 從而支持H1。

2. H2的回歸分析。 為了檢驗H2， 根據模型（17）進行回歸， 回歸結果如表4所示。

從表4可以看出， 加入分析師跟蹤交乘項后， 會計信息可比性與股票錯誤定價程度仍然呈顯著負相關關系， 第（1）列中交乘項COMPACCT×Broker的系數為0.413， 在1%的水平上顯著; 第（2）列中交乘項COMPACCT2×Broker的系數為0.169， 在1%的水平上顯著; 第（3）列中交乘項COMPACCT10×Broker的系數為0.649， 在1%的水平上顯著; 第（4）列中交乘項COMPACCT10_2×Broker的系數為0.480， 在1%的水平上顯著。 上述結果表明加入分析師跟蹤交乘項后， 會計信息可比性與股票錯誤定價的負相關關系仍然顯著; 但是相對于分析師跟蹤較少的企業， 更多分析師跟蹤的企業二者之間的負相關關系會減弱， 從而驗證了H2。 這說明對企業進行跟蹤的分析師人數越多， 則投資者獲取關于企業未來信息的途徑越多， 獲得企業發展特質信息的可能性越大， 對企業未來發展情況把握越準確， 對會計信息可比性的依賴程度降低， 則可比性對股票錯誤定價的影響越不明顯。

（三）內生性問題

根據前文分析， 當企業的會計信息可比性越大時， 企業的股票錯誤定價程度越小。 前述分析假定會計信息可比性為外生變量， 但其可能存在內生性問題。 內生性問題主要包括反向因果關系、遺漏變量和樣本選擇偏差。 根據前文相關系數的分析， 股票錯誤定價是一個綜合性較強的指標， 其影響因素復雜多變， 因此本文主要存在的內生性問題為遺漏解釋變量， 直接采用OLS回歸的估計系數可能是有偏的。 為降低遺漏解釋變量對回歸結果的不利影響， 本文采用二階段工具變量（IV）法來解決會計信息可比性和股票錯誤定價之間的內生性問題。

在第一階段， 本文借鑒張永杰等[2] 的方法， 構建了會計信息可比性的因素決定模型， 由于會計信息可比性均為負值， 存在數據截斷問題， 本文采用Tobit方法對其進行回歸。

COMP=β0+β1Size+β2MStock+β3NDTS+

β4Audit+β5NO1+β6MB+β7Z+β8EPS+β9ROA+

β10Growth+β11ROE+β12LEV+β13ND+β14DUAL+IND+Year+ε? ?（18）

其中， NDTS表示非債務稅盾， 等于固定資產折舊除以總資產; Audit為啞變量， 當企業被出具標準無保留意見時取值為1， 否則為0; MB為權益市賬比， 等于股票總市值除以所有者權益; Z為股權制衡度， 等于第一大股東持股比例除以第二大股東持股比例; EPS為每股收益; DUAL為啞變量， 當董事長和總經理為一人時取值為1， 否則為0。

第二階段， 將第一階段回歸得到的會計信息可比性擬合值作為工具變量進行第二階段回歸。

表5給出了第二階段回歸結果， COMPACCT_

DV 、COMPACCT2_DV 、COMPACCT10_DV 、

COMPACCT10_2_DV的系數分別為-10.773、

-7.266、-17.214、-10.941， 均在1%的水平上顯著， 說明在控制了遺漏解釋變量帶來的內生性問題后， 會計信息可比性與股票錯誤定價仍然呈顯著負相關關系， 從而驗證了H1。

（四）穩健性檢驗

1. 股票錯誤定價的其他度量方式。 本文借鑒已有研究， 采用分解Tobin'Q的方法作為股票錯誤定價的另一代理變量。 將Tobin'Q與反映企業基本面的變量組（凈資產收益率ROE、資產負債率LEV、企業成長性Growth、企業規模Size）進行回歸， 控制年度和行業效應， 以回歸的殘差的絕對值作為股票錯誤定價水平的替代變量（AbsMis）， 其中Tobin'Q=企業市值/企業重置成本。 回歸模型為：

Tobin'Qit=α0+α1ROEit+α2LEVit+α3Growthit+α4Sizeit+IND+Year+ε （19）

將AbsMis作為股票錯誤定價水平的替代變量重新對模型（16）進行回歸， 回歸結果見表6。 由表6可以看出， COMPACCT、COMPACCT2、COMPACCT10、COMPACCT10_2的系數分別為

-5.040、-1.501、-7.477、-5.239， 仍然都在1%的水平上顯著， 與表3的回歸結果基本一致， 進一步驗證了H1。

2. 會計信息可比性的其他度量方式。 本文借鑒De Franco等[8] 的盈余修正模型構建會計信息可比性指標， 采用公司與同行業其他所有公司可比性的中位數作為會計信息可比性的替代變量， 將其代入模型（16）進行回歸， 回歸結果如表7所示。 表7結果與表3的回歸結果基本一致， 進一步支持了H1。

3. 聚類調整。 由于混合截面數據的OLS回歸存在偏差， 且同一公司在不同時期的回歸可能存在相關性， 為了修正回歸標準誤偏差以及減弱不同期間自相關的影響， 獲得更加穩健的回歸結果， 本文在公司層面進行聚類調整， 回歸結果如表8所示， 回歸結果與前文基本一致。

六、進一步分析

（一）股票流動性的中介效應

根據前文的理論分析， 當企業的會計信息可比性提高時， 會引起股票流動性的提高， 進而降低股票錯誤定價程度， 即股票流動性在會計信息可比性影響股票錯誤定價過程中起到中介作用。

根據溫忠麟等[28] 有關中介效應檢驗程序， 利用模型（20） ～ （22）進行檢驗：

MISPfirm=α0+α1COMP+α2Size+α3LEV+

α4ROE+α5Growth+α6Soe+α7IVOL+α8ND+

α9MStock+α10VOL+α11NO1+α12Outshare+

α13Board+IND+Year+σ1? ? （20）

Turnover=β0+β1COMP+β2Size+β3LEV+

β4ROE+β5Growth+β6Soe+β7IVOL+β8ND+

β9MStock+β10VOL+β11NO1+β12Outshare+

β13Board+IND+Year+σ2? ? （21）

MISPfirm=γ0+γ1COMP+γ2Turnover+γ3Size+

γ4LEV+γ5ROE+γ6Growth+γ7Soe+γ8IVOL+

γ9ND+γ10MStock+γ11VOL+γ12NO1+

γ13Outshare+γ14Board+IND+Year+σ3 （22）

其中COMP代表會計信息可比性的四種度量指標， 分別為COMPACCT、COMPACCT2、COMPACCT10、COMPACCT10_2。 要驗證股票流動性（Turnover）的中介效應， 首先對模型（20）進行OLS回歸， 如果回歸系數α1是顯著的， 對模型（21）進行OLS回歸; 如果回歸系數β1顯著， 則對模型（22）進行回歸; 如果系數γ2顯著， 則表明中介效應顯著， 進行系數比較; 如果系數γ1不顯著， 則表明只有間接效應， 沒有直接效應， 如果系數γ1顯著， 則表明同時有間接效應和中介效應。 比較β1×γ2與γ1的符號， 如果同號， 則中介效應成立。 回歸結果如表9所示。

表9列示了股票流動性在會計信息可比性影響股票錯誤定價過程中發揮的作用。 股票錯誤定價與會計信息可比性負相關， 式（20）中系數α1顯著小于0， 具體見表3; 股票流動性與會計信息可比性正相關， 式（21）中系數β1顯著大于0， 具體見表9; 股票錯誤定價與會計信息可比性負相關、與股票流動性負相關， 式（22）中系數γ1顯著小于0， γ2顯著小于0， 見表9; β1×γ2與γ1同號， 則可以判定股票流動性在會計信息可比性影響股票錯誤定價的過程中起到中介作用。 會計信息可比性的提高促使投資者的投資意愿增強， 從而提高了股票的流動性， 進而降低了股票錯誤定價程度。

（二）會計信息可靠性與股票錯誤定價

會計信息可靠性作為衡量會計信息質量的重要指標， 決定了相關信息的使用價值， 不可靠的信息是沒有價值的; 同時， 會計信息可靠性是會計信息可比性的基礎， 即可靠性較高的會計信息其可比性才有意義。 那么， 提高會計信息可靠性會降低股票錯誤定價程度嗎？ 可比性和可靠性中哪個對股票錯誤定價程度的降低作用更顯著呢？ 可靠性是否更加有助于可比性在降低股票錯誤定價中的作用發揮呢？

為解決上述問題， 本文構建如下模型：

MISPfirm=α0+α1COMP+α2DA+α3COMP×DA+α4Size+α5LEV+α6ROE+α7Growth+α8Soe+

α9IVOL+α10ND+α11MStock+α12VOL+α13NO1+

α14Outshare+α15Board+IND+Year+ε? ?（23）

模型（23）中解釋變量為會計信息可靠性， 本文采用盈余管理程度（DA1、DA2）作為可靠性的代理變量， 分別由截面Jones模型和修正的截面Jones模型計算得到。 為了便于將其回歸結果與會計信息可比性對股票錯誤定價的影響進行比較， 本文將盈余管理程度（DA1、DA2）取相反數， 則此時DA1、DA2越大表明企業盈余管理程度越小， 會計信息越可靠。

從表10回歸結果可以看出， 除列（1）（2）外， DA回歸系數均在1%或5%的水平上顯著為負， 表明盈余管理程度越高， 股票錯誤定價程度越高， 即會計信息可靠性會降低企業股票錯誤定價程度， 與會計信息可比性對股票錯誤定價有著相同方向的影響; 比較會計信息可比性與會計信息可靠性指標的回歸系數， 進行兩變量系數差異比較， 發現會計信息可比性指標系數絕對值均顯著大于會計信息可靠性指標系數絕對值（F值均大于等于4.03）， 基本可以得出會計信息可比性對股票錯誤定價程度的影響更顯著的結論; 但二者的交乘項均不顯著， 表明會計信息可比性與會計信息可靠性在降低股票錯誤定價程度的過程中不產生交互效應， 可能的解釋是投資者有限注意理論， 即由于投資者注意力的有限性， 無法及時搜集并有效利用關于企業的全部信息， 無法將可比性和可靠性進行融合， 導致二者并未產生交互效應。

七、研究結論與啟示

（一）研究結論

本文以2012 ～ 2018年滬深A股非金融類上市公司為研究對象研究了會計信息可比性對股票錯誤定價的影響， 研究發現：①會計信息可比性能夠顯著降低股票錯誤定價程度; ②分析師對企業未來收益的預測為投資者提供了更多的有用信息， 降低了投資者對財務報告的依賴程度， 形成了對會計信息可比性的替代效應， 因此當企業分析師跟蹤人數較多時， 會計信息可比性對股票錯誤定價的抑制作用會被削弱。

進一步研究還發現：①企業的會計信息可比性提高有利于外部投資者更準確地判斷企業價值， 引起投資者興趣， 增強投資者信心， 更容易成為投資標的， 提高企業的股票流動性， 從而達到降低股票錯誤定價程度的作用， 即股票流動性在會計信息可比性對股票錯誤定價程度的作用過程中起到中介作用; ②提高會計信息可靠性也可以改善投資環境， 降低股票錯誤定價程度， 但其作用弱于會計信息可比性， 且二者在降低股票錯誤定價程度過程中沒有產生交互效應。

（二）政策建議

2006年會計準則體系與國際會計準則趨同后， 我國的會計信息可比性呈逐年上升的趨勢， 但總體上可比性水平仍需進一步提高。 結合本文的研究， 提出如下政策建議：首先， 會計監管部門應采取積極措施， 不斷提高會計信息可比性， 以緩解管理者和投資者之間的信息不對稱程度， 更好地幫助投資者識別企業的真實經營狀況， 提高會計信息的決策有用性， 降低股票錯誤定價程度， 促進資本市場資源配置效率的提高。 其次， 強化外部監督機制， 優化企業外部信息環境， 如培育機構投資者、壯大分析師隊伍等， 以強化會計信息可比性在投資者決策中的作用。 最后， 加強投資者教育， 提高投資者的信息使用水平， 發揮會計信息可靠性與可比性在降低股票錯誤定價程度中的交互效應。

（三）研究不足與展望

首先， 在分析會計信息可比性對股票錯誤定價的影響時， 本文僅考慮了分析師跟蹤對兩者關系的影響， 未來可從公司治理、制度環境等方面展開深入研究， 以加深對會計信息可比性與股票錯誤定價關系的認識。 其次， 會計信息可比性對股票錯誤定價的影響可能還有其他途徑， 本文僅驗證了股票流動性的中介作用， 未來的研究可以從其他角度進行分析， 以期更全面地解釋會計信息可比性如何影響股票錯誤定價。 最后， 行業性質不同的公司可能面臨截然不同的外部產品市場競爭和行業競爭環境， 投資者對其信息披露的要求存在不同， 會計信息可比性對股票錯誤定價的影響也可能存在差異， 未來的研究應該基于不同的行業競爭環境對會計信息可比性與股票錯誤定價的關系進行深入探討。

【 主 要 參 考 文 獻 】

[1] Wurgler J.. Financial Markets and the Allocation of Capital[ J].Journal of Financial Economics，2000（58）：187 ～ 214.

[2] 林鐘高，吳利娟.公司治理與會計信息質量的相關性研究[ J].會計研究， 2004（8）：65 ～ 71.

[3] 袁媛，田高良，廖明情.投資者保護環境、會計信息可比性與股價信息含量[ J].管理評論，2019（31）：206 ～ 220.

[4] Glosten L. R.， P. R. Milgrom， Bid. Ask and Transaction Prices in a Specialist Market with Heterogeneously Informed Traders[ J].Journal of Financial Economics，1985（1）：71 ～ 100.

[5] Kyle A. S.. Continuous Auctions and Insider Trading[ J]. Econometrica，1985（6）：1315 ～ 1335.

[6] 劉志東，姜玲.基于貝葉斯參數估計的期貨市場交易成本、流動性與資產定價研究[ J].管理科學，2017（1）：146 ～ 159.

[7] Chordia T.， Roll R.， Subrahmanyam A.. Liquidity and Market Efficiency[ J].Journal of Financial Economics，2008（2）：249 ～ 268.

[8] De Franco G.， Kothari S. P.， Verdi R. S.. The Benefits of Financial Statement Comparability[ J].Journal of Accounting and Economics，2011（3）：240 ～ 258.

[9] Ozkan N.， Singer Z.， You H.. Mandatory IFRS Adoption and the Contractual Usefulness of Accounting Information in Executive Compensation[ J].Journal of Accounting Research，2012（4）：1077 ～ 1107.

[10] 袁振超，饒品貴.會計信息可比性與投資效率[ J].會計研究，2018（6）：39 ～ 46.

[11] 江軒宇，申丹琳，李穎.會計信息可比性影響企業創新嗎[ J].南開管理評論，2017（4）：82 ～ 92.

[12] 羅忠蓮，田兆豐.上市公司戰略差異度、高質量審計與會計信息可比性[ J].山西財經大學學報，2018（8）：109 ～ 124.

[13] 魯威朝，楊道廣，劉思義.會計信息可比性、需求差異與跨公司信息傳遞[ J].會計研究，2019（4）：18 ～ 25.

[14] Barth M. E.. 財務報告的全球可比性——是什么，為什么，如何做以及何時實現[ J].會計研究，2013（5）：3 ～ 10.

[15] 卿小權，王化成，張偉華，馬曉逵.市場錯誤定價、價值投資超額收益及其成因研究[ J].中國經濟問題，2012（1）：92 ～ 102.

[16] Kahneman D.. Attention and Effort[M].Englewood Cliffs： Prentice-Hall，1973：55 ～ 85.

[17] 陳輝，顧乃康.新三板做市商制度、股票流動性與證券價值[ J].金融研究， 2017（4）：176 ～ 190.

[18] Fang V. W.， Noe T. H.， Tice S.. Stock Market Liquidity and Firm Value[ J].Journal of Financial Economics，2009（1）：150 ～ 169.

[19] Edmans A.， Fang V. W.， Zur E.. The Effect of Liquidity on Governance[ J].The Review of Financial Studies，2013（6）：1443 ～ 1482.

[20] Randolph B. Cohen， Paul A. Gompers， Tuomo Vuolteenaho. Who Underreacts to Cash-flow News？ Evidence from Trading Between Individuals and Institutions[ J].Journal of Financial Economics，2002（23）：409 ～ 462.

[21] 余佩琨，王志文，李玉濤.機構投資者能跑贏個人投資者嗎？[ J].金融研究，2009（8）：147 ～ 157.

[22] Chang X.， Dasgupta S.， Hilary G.. Analyst Coverage and Financing Decisions[ J].The Journal of Finance，2006（12）：3009 ～ 3048.

[23] 朱紅軍，何賢杰，陶林.中國的證券分析師能夠提高資本市場的效率嗎——基于股價同步性和股價信息含量的經驗證據[ J].金融研究，2017（2）：110 ～ 121.

[24] Rhodes-Kropf M.， Robinson D.， Viswanathan S.. Merger Waves and Merger Activity： The Empirical Evidence[ J].Journal of Financial Economics，2005（77）：561 ～ 603.

[25] 游家興，吳靜.沉默的螺旋：媒體情緒與資產誤定價[ J].經濟研究，2012（7）：141 ～ 152.

[26] 張自力，閆紅蕾，張楠.股票網絡、系統性風險與股票定價[ J].經濟學（季刊），2019（1）：329 ～ 350.

[27] 張永杰，潘臨.客戶集中度、公司治理水平與會計信息可比性[ J].山西財經大學學報，2018（11）：110 ～ 124.

[28] 溫忠麟，張雷，侯杰泰，劉紅云.中介效應檢驗程序及其應用[ J].心理學報，2004（5）：614 ～ 620.