郝玉貴，賀廣宜，李昀澤

(杭州電子科技大學 會計學院，浙江 杭州 310018)

一、 引言

2006年FASB在其發(fā)布的《公允價值計量》(SFAS No.157)中首次提出了公允價值分層計量的概念及披露要求，對采用公允價值計量的相關資產(chǎn)或負債，上市公司應根據(jù)公允價值估值過程中輸入值的可靠程度，將該相關資產(chǎn)或負債劃分三個層次并披露公允價值層級的劃分，這樣不僅可為評價計量結果的可靠程度提供權威依據(jù)，同時還能夠通過充分的披露來彌補潛在的計量缺陷，以最大限度地均衡相關性和可靠性質量特征，從而受到國際會計界普遍歡迎[1]。2011年5月，IASB在其發(fā)布的《公允價值計量》(IFRS No.13)中也借鑒了SFAS No.157的做法。我國財政部在2006年發(fā)布的新企業(yè)會計準則體系中引入了公允價值計量模式，在2014年發(fā)布的《企業(yè)會計準則第39號——公允價值計量》中，對公允價值相關表述進行了完善，將公允價值定義為參與者在計量日發(fā)生的有序交易中，出售一項資產(chǎn)所能收到或者轉移一項負債所需支付的價格，公允價值計量時按輸入值分為三個層次。其中第一層次輸入值是在計量日能夠取得的相同資產(chǎn)或負債在活躍市場上未經(jīng)調(diào)整的報價；第二層次輸入值是除第一層次外相關資產(chǎn)或負債直接或間接可觀察輸入值；第三層次輸入值是相關資產(chǎn)或負債的不可觀察輸入值。實際操作中優(yōu)先使用第一層次輸入值，其次使用第二層次，最后使用第三層次。

公允價值計量準則對部分金融工具(以公允價值計量)的確認、計量、列報有著直接的影響，關于公允價值計量分層信息的價值相關性研究多集中于金融工具占比最大的金融行業(yè)。但現(xiàn)有研究中未考慮金融業(yè)其細分行業(yè)間監(jiān)管力度及資產(chǎn)規(guī)模存在較大差異，銀行業(yè)與保險業(yè)的監(jiān)管力度和資產(chǎn)規(guī)模明顯大于證券業(yè)及其他金融業(yè)，這使得兩者公允價值信息相關性有所不同，實證中需要對其進行分類回歸。

2008年美國次貸危機、國際金融危機及其之后的歐洲主權債務危機暴露了與公允價值相關的會計核算和風險披露等會計問題，這引起了學術界、實務界乃至政界對公允價值計量的激烈爭論，金融界甚至一度將金融危機歸咎于公允價值計量存在的缺陷，這使得公允價值的使用受到極大質疑，部分學者認為應當審慎看待公允價值會計的推廣[2]。同在2008年，《自然》雜志推出了名為“大數(shù)據(jù)”的封面專欄，使得“大數(shù)據(jù)”成為2009年互聯(lián)網(wǎng)技術行業(yè)中的熱門詞匯；其后由麥肯錫公司(McKinsey)最早應用，并于2011年發(fā)布了關于“大數(shù)據(jù)”的報告，認為金融業(yè)在大數(shù)據(jù)價值潛力指數(shù)中排名第一[3]，這說明與其他行業(yè)相比，大數(shù)據(jù)對金融業(yè)的影響更為明顯。2012年底《大數(shù)據(jù)時代》一書出版，使得“大數(shù)據(jù)”一詞為各個行業(yè)群體所熟知，同時學術界與實務界紛紛開展相應針對大數(shù)據(jù)的研究。在公允價值會計領域中，學者有著大數(shù)據(jù)將促進公允價值計量使用的共識，但缺少實證證據(jù)。

本文研究貢獻在于：(1)針對劉寶瑩、鄧永勤等學者在金融業(yè)公允價值會計信息的價值相關性研究中僅對金融業(yè)整體進行回歸的局限[4-5]，本文對金融細分行業(yè)進行分類回歸，發(fā)現(xiàn)相比于其他金融行業(yè)，銀行業(yè)與保險業(yè)的公允價值信息價值相關性較高；(2)率先以實證方式驗證大數(shù)據(jù)戰(zhàn)略對公允價值計量分層信息的價值相關性具有增強效應，公司采用大數(shù)據(jù)戰(zhàn)略可以顯著增強其資產(chǎn)公允價值第一、第二層次的價值相關性，效果隨著計量層次降低而下降，對第三層次無顯著影響；同時顯著增強了其負債公允價值第一二層次的價值相關性，但對第三層次無顯著影響。

二、 文獻回顧

(一) 公允價值的價值相關性研究

會計準則制定機構希望財務報告信息能夠最大限度地反映企業(yè)的真實價值，使得財務信息使用者對持有的證券較為準確地定價，促使資本市場以更高效率發(fā)揮定價和資源配置功能。而公允價值相比歷史成本擁有更高的相關性，如果得以全面應用，則財務會計將有可能反映企業(yè)的價值，公允價值計量也是財務會計的發(fā)展趨勢[6]。在金融行業(yè)中，金融工具及其衍生工具作為公允價值計量使用最為廣泛的項目，早已有價值相關性研究：Barth等發(fā)現(xiàn)銀行和保險公司投資證券的公允價值具有價值相關性[7]；Petroni和Wahlen發(fā)現(xiàn)股票和國債的公允價值具有價值相關性，而市政債券和企業(yè)債券的公允價值不具有價值相關性，表明了在活躍市場中進行交易的證券其價值能更可靠地被投資者認知[8]；鄧傳洲對1997—2004年我國B股樣本進行了分析，發(fā)現(xiàn)按照公允價值計量的投資利得或損失具有較弱的增量解釋能力，并且投資的公允價值調(diào)整沒有顯示出價值相關性[9]。

公允價值計量結果所屬的層次取決于對公允價值計量整體具有重要意義的最低層次的輸入值，進而按照規(guī)定的標準，披露公允價值計量所使用的估值技術、輸入值、估值流程等信息，整個過程向財務信息使用者清晰地展示了企業(yè)如何獲得公允價值計量結果。這使得投資者能較為完整地了解企業(yè)公允價值分層計量信息并做出決策，最終反映在財務報表公布日股價中。很多研究也表明不同層次的信息具有不同程度的價值相關性。Goh發(fā)現(xiàn)投資者對按第一層次公允價值計量的凈資產(chǎn)估值比按第二層次公允價值計量的凈資產(chǎn)估值高，但對按第二、第三層次公允價值計量的凈資產(chǎn)估值沒有顯著差異[10]；與此不同，Song等以2008年美國銀行業(yè)季報為樣本，發(fā)現(xiàn)按第一、第二層次計量的公允價值信息的價值相關性沒有顯著差異，且均大于第三層次[11]；劉寶瑩發(fā)現(xiàn)對于資產(chǎn)項目，按第一層次計量的具有價值相關性，而按第二、第三層次計量的不具有價值相關性，對于負債項目，按第一、第二層次披露的相關性大于第三層次[4]；鄧永勤等以2007—2013年披露公允價值層次信息的中國金融業(yè)上市公司為樣本，發(fā)現(xiàn)公允價值層次信息整體上具有價值相關性；隨著計量層次由第一層次到第三層次，公允價值計量資產(chǎn)的價值相關性逐漸降低，而一、二、三層次公允價值負債的價值相關性沒有顯著差異[5]。

(二) 大數(shù)據(jù)界定以及對會計理論與實務的影響

大數(shù)據(jù)自出現(xiàn)開始就受到眾多學者的關注，相關定義也汗牛充棟，大多數(shù)觀點認為大數(shù)據(jù)具有四大特征(容量、種類、速度和價值)[12]，以此為基礎，大數(shù)據(jù)技術應用可表述為在合適工具的輔助下，對結構多樣、分布零散的數(shù)據(jù)源快速進行采集、重組、存儲，再對數(shù)量巨大的數(shù)據(jù)進行數(shù)據(jù)分析與挖掘，從中提取有益的知識并利用恰當?shù)姆绞綄⒔Y果展現(xiàn)給終端用戶[13]，其核心是數(shù)據(jù)挖掘過程，即從大幅增加的數(shù)據(jù)中發(fā)現(xiàn)被忽略的價值信息。大數(shù)據(jù)技術不是一項孤立的技術，云計算、人工智能與大數(shù)據(jù)技術密不可分。一方面，大數(shù)據(jù)與云計算如同硬幣兩面，大數(shù)據(jù)技術的實現(xiàn)離不開分布式處理、分布式數(shù)據(jù)庫和云存儲、虛擬化技術[14]，云計算也需要大數(shù)據(jù)來體現(xiàn)價值，兩者相輔相成；另一方面，人工智能發(fā)展以大數(shù)據(jù)與云計算為基礎，同時大數(shù)據(jù)與云計算的發(fā)展也必將走向人工智能，這三者的相互聯(lián)系難以分割。

在會計領域，眾多學者認為大數(shù)據(jù)對企業(yè)會計信息化發(fā)展有著積極的促進作用，越來越受到學者們的關注，從2012年開始相關研究逐年增多[15]。黃世忠認為會計界必須樹立跨界創(chuàng)新的精神，對財務與會計進行重大變革和創(chuàng)新，以應對信息技術發(fā)展的沖擊，從而推動會計學科的繁榮與發(fā)展[16]。樊燕萍等認為大數(shù)據(jù)聯(lián)合云會計將會引領會計信息化模式變革，在大數(shù)據(jù)時代，會計數(shù)據(jù)的特殊性主要體現(xiàn)在會計數(shù)據(jù)的空間分離、安全性、及時獲取性、相關性等方面[17]。面對大數(shù)據(jù)時代對會計工作的影響，秦榮生針對性地提出了推進大數(shù)據(jù)分析平臺建設、建設財務共享服務中心、提升大數(shù)據(jù)會計服務能力等若干措施[18]。方恒陽認為大數(shù)據(jù)技術改變了公允價值計量過程，為公允價值的使用提供了新的方法與思路，例如在對金融工具的公允價值進行計量時，大數(shù)據(jù)技術中的數(shù)據(jù)挖掘技術更好地反映了金融工具的價值[19]。

綜上所述，現(xiàn)有研究公允價值分層計量信息的價值相關性的文章，普遍采用金融業(yè)上市公司為樣本，但未考慮金融業(yè)細分行業(yè)間監(jiān)管力度與企業(yè)資產(chǎn)規(guī)模的顯著差異，因此，得到的相關結論有待商榷；多數(shù)學者認為大數(shù)據(jù)對公允價值計量有積極的作用，但未提出完整的影響路徑，同時缺乏實證證據(jù)支持該觀點。

三、 理論分析與假說提出

圖1 大數(shù)據(jù)技術對公允價值會計信息價值相關性影響路徑

金融業(yè)屬于信息密集型服務產(chǎn)業(yè)，其主要產(chǎn)品是金融工具及其衍生金融工具等非實體產(chǎn)品，其產(chǎn)品表現(xiàn)為一系列數(shù)據(jù)的組合，伴隨著交易將產(chǎn)生大量數(shù)據(jù)信息流；隨著大數(shù)據(jù)時代到來，金融行業(yè)除了通過客戶資料庫等傳統(tǒng)內(nèi)部渠道獲得數(shù)據(jù)，還可直接通過云端、交易社交平臺獲得相關數(shù)據(jù)，使得數(shù)據(jù)獲取速度提升，數(shù)量大大增加，而數(shù)據(jù)價值密度卻大幅降低。因此金融行業(yè)最有利用“大數(shù)據(jù)”思想，采用數(shù)據(jù)挖掘、數(shù)據(jù)分析等手段提升效率的動力。而大數(shù)據(jù)技術的應用影響了金融企業(yè)在公允價值計量中的具體操作，提升了公允價值會計信息的可靠性、及時性，同時提高了公允價值會計信息的預測與反饋價值，最終影響了投資者的決策。大數(shù)據(jù)技術對公允價值會計信息相關性影響路徑，如圖1所示。

(一) 大數(shù)據(jù)技術增加了公允價值信息的可靠程度

以往數(shù)據(jù)的記錄、儲存和分析手段較落后，硬件設備難以承受對大量數(shù)據(jù)進行儲存和分析的壓力，所以在公允價值計量過程中總是以抽樣方式來取得相關數(shù)據(jù)，然后以抽樣的數(shù)據(jù)和特征來推斷總體特征，從而得到公允價值會計信息。這一手段不可避免地存在誤差與風險，包括系統(tǒng)性的抽樣風險和人為有偏向地選擇樣本空間導致的風險。大數(shù)據(jù)時代的到來，標志著數(shù)據(jù)處理的能力得到了很大提高，大量平臺、云端的應用導致數(shù)據(jù)信息量極速膨脹，由以往GB級變?yōu)門B級、PB級甚至EB級，大量數(shù)據(jù)的出現(xiàn)改變了以往數(shù)據(jù)貧瘠的窘境。在可以搜集幾乎全部的數(shù)據(jù)情況下，公允價值計量不局限于部分樣本，而變?yōu)槿w對象，總體性分析將取代抽樣分析，總體的性質和特征不再依賴于抽取的樣本數(shù)據(jù)及其特征，有效避免了以往公允價值計量中系統(tǒng)性及人為的偏差，這使得公允價值會計信息可靠性大大增強。

(二) 大數(shù)據(jù)技術提高了公允價值信息的時效性

公允價值計量需要企業(yè)收集充分相關的數(shù)據(jù)信息以及對大量信息進行分析處理，大量數(shù)據(jù)的收集與處理常常需要較長時間，這使得公允價值會計信息的及時披露受到一定影響。大數(shù)據(jù)技術的應用，使得金融工具及衍生金融產(chǎn)品的數(shù)據(jù)系統(tǒng)更加完善，相關云端、交易平臺得到巨大發(fā)展，使得公允價值會計數(shù)據(jù)可以直接通過網(wǎng)絡在交易平臺、云端上獲取，甚至出現(xiàn)專業(yè)的數(shù)據(jù)代理商，更為專業(yè)地搜集所有相關的網(wǎng)頁信息，信息獲取速度及效率有了巨大的提升，不再受到時間與空間的限制，會計信息的及時性得到有效保障，避免了公允價值信息披露的滯后。

(三) 大數(shù)據(jù)技術提高了公允價值信息的預測與反饋價值

大數(shù)據(jù)應用改變了對會計數(shù)據(jù)分析的方式，由從因果關系了解經(jīng)濟事項，轉變?yōu)閺南嚓P關系分析了解經(jīng)濟事項[20]，而相關關系數(shù)據(jù)分析在極其龐大完備的數(shù)據(jù)信息儲備支持下，通常有著比傳統(tǒng)因果分析方式更高的效率*例如谷歌利用大數(shù)據(jù)處理4.5億個不同的數(shù)字模型，發(fā)現(xiàn)了45條檢索詞條的組合，一旦將它們用于一個數(shù)學模型，它們的預測與2007年和2008年疾病預防控制中心記錄的實際流感病例進行對比后，兩者相關性高達97%。。在公允價值計量過程中，利用大數(shù)據(jù)相關性分析技術對需要公允價值計量的金融工具及衍生產(chǎn)品等資產(chǎn)或負債的相關數(shù)據(jù)進行分析，相比其他方法可以減少計算偏差，得到的公允價值會計信息與產(chǎn)品實際價值之間的差異更小，對于投資者而言，可以依據(jù)差異更小的公允價值信息分析得到被投資企業(yè)的現(xiàn)時實際價值以及預測企業(yè)未來價值，從而更好地進行價值投資，提升了公允價值會計信息的預測價值。

企業(yè)不單是公允價值會計信息的需求者，同時也是供給者，獲取信息的同時也創(chuàng)造著信息。在大數(shù)據(jù)時代，一方面，企業(yè)自身產(chǎn)生的大量數(shù)據(jù)可以保存，可以為未來決策提供數(shù)據(jù)基礎，同時也可以驗證企業(yè)以往決策是否正確，避免重蹈覆轍，提升了公允價值會計信息的反饋價值；另一方面，大數(shù)據(jù)技術的使用在一定程度上打破了企業(yè)信息孤島，使得不同企業(yè)間公允價值會計信息相關數(shù)據(jù)得以共享，一家企業(yè)決策信息可以為另一家企業(yè)的決策提供指導與驗證，提升了公允價值會計信息的預測與反饋價值。

綜上所述，大數(shù)據(jù)技術的使用，一方面提高了公允價值會計信息的可靠性與及時性，降低了公允價值會計信息的信息不對稱，提高了會計信息預測價值與反饋價值，從而影響投資者決策；另一方面通過基于龐大完備數(shù)據(jù)的相關性分析技術、企業(yè)間公允價值會計信息相關數(shù)據(jù)共享，提高了公允價值信息的預測與反饋價值，最終影響投資者決策。

在實務中，企業(yè)對大數(shù)據(jù)技術應用的態(tài)度是不同的，可分為被動承受型與主動接受型。主動接受大數(shù)據(jù)技術的公司能主動將新技術引入企業(yè)并利用該類技術，在公允價值會計信息數(shù)據(jù)采集、挖掘方面有著更大優(yōu)勢。在公允價值計量方面具體表現(xiàn)為活躍市場上的報價、相關資產(chǎn)或負債在活躍市場上的報價將高效、迅速以及廣泛地被獲取[20]，其他估值方法也可以得到更多、更為可靠的數(shù)據(jù)支持，這將大大提高公允價值計量的可靠性和可操作性[20]，而該類企業(yè)通常將大數(shù)據(jù)置于戰(zhàn)略高度，以求為企業(yè)整體帶來變革，例如，國有四大銀行與BATJ(百度、阿里、騰訊、京東)分別簽署戰(zhàn)略合作協(xié)議，在互聯(lián)網(wǎng)技術方面達成合作協(xié)議，以彌補銀行在互聯(lián)網(wǎng)金融以及新一代信息技術方面的不足，其中大數(shù)據(jù)技術應用是很重要的一部分合作內(nèi)容。大數(shù)據(jù)能提升公允價值相關性，而公允價值信息又是由三個層級計量，所以大數(shù)據(jù)能提升一二三層級相關性，故本文提出如下假說。

H1：采用大數(shù)據(jù)戰(zhàn)略的公司較未采取大數(shù)據(jù)戰(zhàn)略的公司，以公允價值一、二、三層次計量的資產(chǎn)價值其價值信息含量更高。

H2：采用大數(shù)據(jù)戰(zhàn)略的公司較未采取大數(shù)據(jù)戰(zhàn)略的公司，以公允價值一、二、三層次計量的負債價值其價值信息含量更高。

公允價值計量中第一、第二層次輸入值是可觀察值，由活躍市場、主要市場以及其他市場報價組成，第三層次是不可觀察值，通常由一致認可的估值模型計算得到。大數(shù)據(jù)的應用對可觀察值提取有著更直接的作用，能夠整合各類行業(yè)企業(yè)信息，打破行業(yè)信息壁壘，最終建立健全一套完整的、有效的、有著極高共享度的巨型數(shù)據(jù)庫，甚至可以建立智能系統(tǒng)，只需輸入信息要求就可以迅速匹配，篩選出最為恰當?shù)馁Y產(chǎn)或負債項目。例如對于公允價值計量第一層次輸入值為未調(diào)整的活躍市場報價而言，這時數(shù)據(jù)庫可根據(jù)市場熱度(例如點擊量、關鍵詞搜索量)對市場進行活躍程度分析，找出最活躍市場，再提取相關報價，這一方面大大提高計量效率，另一方面也降低了傳統(tǒng)人工操作當中易出現(xiàn)的紕漏，增加了公允價值會計信息的可靠性、及時性，提升了其預測與反饋價值，最終影響投資者決策。公允價值計量第二層次與之類似，可以更快更好地找出類似資產(chǎn)或負債在活躍市場或者非活躍市場的報價，但由于非活躍市場數(shù)據(jù)通常不公開，大數(shù)據(jù)技術應用難度較大。因此相比第一層次計量，大數(shù)據(jù)對第二層次計量作用稍弱。

對于公允價值計量第三層次，一方面估值方法的選擇需要一致認同，短時間內(nèi)難以發(fā)生變化，大數(shù)據(jù)技術的應用對估值方法選擇的影響短時間內(nèi)難以體現(xiàn)，另一方面估值模型輸入變量多為各類經(jīng)濟指標，大數(shù)據(jù)技術的應用難以直接影響此類指標，使得大數(shù)據(jù)技術對第三層次計量的影響難以比擬第一二層次計量，故本文提出如下假說。

H3：重視大數(shù)據(jù)的公司對公允價值計量的資產(chǎn)其價值信息含量提升效果按第一層次、第二層次、第三層次逐漸減弱。

H4：重視大數(shù)據(jù)的公司對公允價值計量的負債其價值信息含量提升效果按第一層次、第二層次、第三層次逐漸減弱。

中國金融細分行業(yè)存在監(jiān)管力度與企業(yè)規(guī)模的差異，這影響了公允價值計量層次信息披露，最終影響了公允價值計量層次信息的價值相關性。金融業(yè)不同細分行業(yè)受到的監(jiān)管力度不同。銀行業(yè)與保險業(yè)，相比證券業(yè)與其他行業(yè)受到了更為嚴格的監(jiān)管。這使得銀行業(yè)與保險業(yè)更為迅速地建立了公允價值會計信息計量、披露與報告體系(表1)。金融業(yè)不同細分行業(yè)企業(yè)規(guī)模存在顯著差異，銀行業(yè)與保險業(yè)資產(chǎn)規(guī)模均值或中位數(shù)明顯大于證券業(yè)與其他行業(yè)(詳見表4)。從企業(yè)角度出發(fā)，規(guī)模大的企業(yè)也掌握更加龐雜的資源，這需要建立完善的會計信息系統(tǒng)以更好地保障其日常運行，同時大規(guī)模企業(yè)常常財務人員數(shù)量更多、分工更為細致、相關制度更為完善，進而其公允價值信息披露的質量更好，使得投資者對其認可程度更高，公允價值會計信息有著更好的價值相關性；從資本市場角度出發(fā)，大規(guī)模金融業(yè)上市公司公開發(fā)行股票總價值較高，不易受到股票市場沖擊，使得股票價值中噪音較小，從而使得公允價值會計信息與投資者決策有著更好的相關性。綜上，金融業(yè)細分行業(yè)監(jiān)管力度與企業(yè)規(guī)模不同，投資者對于銀行業(yè)與保險業(yè)的公允價值會計信息的重視程度要高于金融業(yè)其他行業(yè)，故本文提出如下假說。

H5：銀行業(yè)與保險業(yè)相比金融業(yè)其他行業(yè)，其公允價值會計信息的價值相關性更高。

四、 研究設計

(一) 樣本選擇

表1 披露公允價值計量信息的A股金融上市公司行業(yè)及年度分布情況

本文選擇2010—2015年A股金融上市公司為樣本，剔除未公布或未完整公布公允價值層次信息以及數(shù)據(jù)缺失信息公司，共取得樣本177個。其中股本(或實收資本)、基本每股收益、股票市價等數(shù)據(jù)來自國泰安CSMAR數(shù)據(jù)庫，公允價值等披露信息來源于上市公司財務報告附注(金融風險管理)部分，涉及交易性金融資產(chǎn)、衍生金融資產(chǎn)、可供出售金融資產(chǎn)、衍生金融負債等項目。樣本年度分布如表1，從年度分布情況可以看出，2014年新《公允價值計量準則(財會[2014]6號)》的出臺，明顯提高了我國上市公司公允價值信息披露的完整程度。從行業(yè)分布來看，銀行業(yè)占總樣本的47.46%，占比最大。從時間來看，銀行業(yè)與保險業(yè)披露公允價值計量信息速度明顯快于金融業(yè)內(nèi)其他行業(yè)。

(二) 變量定義與模型選擇

在模型選擇中，鄧永勤等選擇單獨評價資產(chǎn)負債表信息的模型[5]，未將企業(yè)利潤表信息加入，存在一定缺陷。本文以修正的Ohlson(1995)價格模型為基礎，借鑒Goh和Song等的方法[10-11]，將企業(yè)資產(chǎn)負債表信息分解為公允價值部分與非公允價值部分(非公允價值計量凈額NFVALi,t)，再將公允價值部分進一步分解為第一層計量的資產(chǎn)(FAL1i,t)、第二層次計量的資產(chǎn)(FAL2i,t)、第三層次計量的資產(chǎn)(FAL3i,t)和第一、第二層次計量的負債(FLL12i,t)、第三層次計量的負債(FLL3i,t)，用于檢驗不同層次公允價值資產(chǎn)、負債信息的價值相關性，最終建立模型(1)。本文通過描述性統(tǒng)計發(fā)現(xiàn)每股第一層次公允價值計量的負債很小，同時由于第一、第二層次公允價值都是基于可觀察的數(shù)據(jù)得出，故我們將i公司t年末每股以第一、第二層次公允價值計量的負債合并計算。具體模型如下：

Pi, t+1=λ0+λ1FAL1i, t+λ2FAL2i, t+λ3FAL3i, t+λ4FLL12i, t+λ5FLL3i, t+λ6NFVALi, t+λ7BEPSi, t+ζi, t

(1)

對于上市公司而言，年度報告應當披露其市場環(huán)境、商業(yè)模式以及管理層討論與分析等。大數(shù)據(jù)的使用難以直接觀察得出，但是大數(shù)據(jù)戰(zhàn)略作為重要的信息化戰(zhàn)略，應當出現(xiàn)在年報報告中。本文以年報中出現(xiàn)“大數(shù)據(jù)”、“云計算”、“人工智能”等詞的次數(shù)，作為公司采用大數(shù)據(jù)戰(zhàn)略程度的指標，設置虛擬變量BIGi,t作為金融企業(yè)是否采用大數(shù)據(jù)戰(zhàn)略虛擬變量。由于大數(shù)據(jù)、云計算與人工智能三者相互關聯(lián)難以分割，故將其等同。報表中提及“大數(shù)據(jù)”“云計算”“人工智能”視為采用了大數(shù)據(jù)戰(zhàn)略的公司(BIG=1)，其他(包括未提及相關詞與大數(shù)據(jù)時代到來以前的公司)為未采用大數(shù)據(jù)戰(zhàn)略的公司(BIG=0)。大數(shù)據(jù)提及頻次的相關數(shù)據(jù)，通過對年報內(nèi)容進行“大數(shù)據(jù)”“云計算”“人工智能”關鍵詞搜索得到，實際查找報表發(fā)現(xiàn)提及“云計算”“人工智能”的公司全部提及了“大數(shù)據(jù)”一詞。在模型(1)基礎上，本文將BIGi,t與公允價值計量三個層次的資產(chǎn)負債數(shù)據(jù)相互交乘，構成模型(2)。

Pi, t+1=λ0+λ1FAL1i, t+λ2FAL2i, t+λ3FAL3i, t+λ4FLL12i, t+λ5FLL3i, t+λ6NFVALi, t+λ7BEPSi, t+β1BIG_FAL1i, t+β2BIG_FAL2i, t+β3BIG_FAL3i, t+β4BIG_FLL12i, t+β5BIG_FLL3i, t+ζi, t

(2)

當BIG_FAL1i,t、BIG_FAL2i,t、BIG_FAL3i,t系數(shù)顯著為正時說明大數(shù)據(jù)確實增加了公允價值計量的第一、第二、第三層次資產(chǎn)信息的價值相關性，顯著為負說明降低了公允價值分層計量的資產(chǎn)信息的價值相關性，不顯著說明大數(shù)據(jù)對公允價值分層計量的資產(chǎn)信息的價值相關性無明顯影響；當BIG_FLL12i,t、BIG_FLL3i,t系數(shù)顯著為負時說明大數(shù)據(jù)確實增加了公允價值計量第一、第二、第三層次負債信息的價值相關性，顯著為正說明降低了大數(shù)據(jù)對公允價值分層計量的負債信息的價值相關性，不顯著說明大數(shù)據(jù)對公允價值分層計量的負債信息的價值相關性無明顯影響。

五、 描述性統(tǒng)計分析

(一) 公允價值分層計量占比情況

表4金融業(yè)細分行業(yè)總資產(chǎn)情況單位：億元

Nmeanp25p50p75sd銀行業(yè)8462793.7118716.8536606.60112439.5059696.22保險業(yè)1917161.746605.6014105.8024483.2012793.02證券業(yè)641209.08309.03721.491507.291380.60其他金融10455.4881.5399.43854.73539.12

表3列示了177家金融類上市公司公允價值分層計量占比情況，可以發(fā)現(xiàn)公允價值計量的資產(chǎn)平均占公司資產(chǎn)總額比重(FAL/TotalAssets)、公允價值計量的負債平均占公司負債總額比重(FLL/TotalLiabilities)的16.22%、1.36%，均較低，但是比鄧永勤等統(tǒng)計描述2007—2013年金融業(yè)上市公司占比的要高3.32%和0.75%[5]，說明隨著時間推移，公允價值制度不斷完善，公允價值使用量也在逐漸上升。以公允價值計量的資產(chǎn)中，第一層次、第二層次計量分別占總資產(chǎn)比重為5.92%、9.53%，遠大于第三層次比重0.76%，說明在金融業(yè)上市公司中所持有的金融工具大多處于可觀察范圍內(nèi)，且第二層次計量的資產(chǎn)占比最大，以公允價值計量的負債也有類似特點。

(二) 金融業(yè)細分行業(yè)資產(chǎn)規(guī)模情況

本文對金融細分行業(yè)的總資產(chǎn)進行統(tǒng)計(表4)，發(fā)現(xiàn)銀行業(yè)企業(yè)總資產(chǎn)規(guī)模最大(均值為62793.71億元)，與保險業(yè)(均值為17161.74億元)差距較小，但與證券業(yè)(均值為1209.08億元)及其他金融行業(yè)(445.48億元)差距較大(對銀行業(yè)與保險業(yè)和金融業(yè)其他行業(yè)資產(chǎn)規(guī)模進行檢驗，t值為22.92，有顯著差異)，這是由行業(yè)特征決定的。

表5 企業(yè)年報中大數(shù)據(jù)提及其行業(yè)分布情況

(三) 提及大數(shù)據(jù)的企業(yè)及其行業(yè)分布

從年度分布來看(表5)，2013—2015年度提及大數(shù)據(jù)企業(yè)數(shù)量和大數(shù)據(jù)提及頻次呈現(xiàn)增長態(tài)勢，其中2013年至2014年增長最為快速，通過查詢“大數(shù)據(jù)”一詞的百度指數(shù)也印證了這一點。就公司年報中提及大數(shù)據(jù)的企業(yè)行業(yè)分布來看，貨幣金融服務業(yè)(即銀行業(yè))的企業(yè)數(shù)量以及占比最大，說明銀行業(yè)企業(yè)最為關注大數(shù)據(jù)技術，并將其列入了公司發(fā)展戰(zhàn)略中。

表6 各變量描述性統(tǒng)計

(四) 各變量描述性統(tǒng)計

從表6中可以看出，樣本公司平均P為14.52，F(xiàn)AL1、FAL2、FAL3平均值為2.48、6.75、0.70，F(xiàn)LL12、FLL3平均值為0.39、0.13，BEPS平均值為0.99，BIGi,t平均值為0.35，說明樣本中有35%公司采用大數(shù)據(jù)戰(zhàn)略。數(shù)據(jù)說明A股金融類上市公司披露的以公允價值計量的金融工具主要集中在第二層次。

六、 回歸結果分析以及穩(wěn)健性檢驗

(一) 回歸結果分析

本文首先，對面板數(shù)據(jù)進行混合模型和固定效應模型選擇的F檢驗，F(xiàn)(43,124)=2.27，Prob>F=0.0002，說明選取數(shù)據(jù)存在顯著個體效應。再進行hausman檢驗，Prob>chi2=0.78，故本文選擇隨機模型。全樣本和分類樣本回歸結果如表7、表8所示。

1. 全樣本回歸結果

全樣本模型(1)的回歸結果顯示，在公允價值計量的資產(chǎn)和負債與股價相關性方面，公允價值第一、第二、第三層次計量的資產(chǎn)與股價顯著正相關，且第一層次回歸系數(shù)顯著大于第二、第三層次回歸系數(shù)，說明公允價值計量資產(chǎn)相關性隨著計量層次由第一層次到第三層次而下降；公允價值第一、第二、第三層次計量的負債與股價顯著負相關，但系數(shù)不存在顯著差異，說明公允價值計量資產(chǎn)相關性未隨著計量層次降低而下降，這一結果與鄧永勤等與劉寶瑩以中國金融業(yè)為樣本的實證結果相符[4-5]。

本文對全樣本模型(2)進行回歸，BIG與公允價值分層計量的資產(chǎn)信息交乘項系數(shù)結果顯示，BIG_FAL1與股價顯著正相關，而BIG_FAL2、BIG_FAL3不顯著，說明中國金融業(yè)上市公司采用大數(shù)據(jù)戰(zhàn)略顯著增強其公允價值第一層次計量資產(chǎn)的價值相關性，但沒有顯著增強第二、第三層次計量資產(chǎn)的價值相關性，部分支持本文假說1；在BIG與公允價值分層計量的負債信息交乘項中，BIG_FLL12回歸系數(shù)為-1.13，T統(tǒng)計量為-2.30，與股價顯著負相關，而BIG_FLL3回歸系數(shù)為0.36，回歸系數(shù)不顯著異于0，說明金融業(yè)上市公司采用大數(shù)據(jù)戰(zhàn)略，顯著增強了公允價值第一、第二層次計量負債的價值相關性，未顯著增強第三層次計量負債的價值相關性，部分支持本文假說2。全樣本模型(2)的系數(shù)比較結果中，BIG_FAL1系數(shù)、BIG_FAL2系數(shù)、BIG_FAL3系數(shù)之間有著顯著差異，說明投資者對公允價值第一層次計量的資產(chǎn)價值重視程度顯著大于第二、第三層次，對第二、第三層次重視程度沒有顯著差異，部分支持假說3；BIG_FLL12=BIG_FLL3的卡方值為0.55，BIG_FLL12系數(shù)與BIG_FLL3系數(shù)沒有顯著差異，說明企業(yè)采用大數(shù)據(jù)戰(zhàn)略對公允價值第一、第二、第三層次計量的負債影響沒有顯著差異，拒絕假說4，原因可能是投資者對于第三層次計量的負債關注度不強，對企業(yè)是否重視大數(shù)據(jù)戰(zhàn)略這一信息沒有顯著反應，BIG_FLL3系數(shù)難以反映重視大數(shù)據(jù)戰(zhàn)略影響下第三層次計量的負債信息含量，與BIG_FLL12做比較檢驗沒有通過。

2. 分類回歸結果

然而以上分析均未考慮金融細分行業(yè)差異帶來的影響，故本文將樣本進行分類回歸。其中銀行業(yè)與保險業(yè)的模型(1)回歸結果顯示公允價值資產(chǎn)與股價整體呈顯著正相關性，與全樣本相比變量顯著性得到提高；公允價值負債與股價整體呈顯著負相關性，相比全樣本，其公允價值第三層次負債與股價由不顯著相關變?yōu)轱@著負相關。本文單獨以銀行業(yè)為樣本，進行模型(1)回歸，結果與以銀行業(yè)及保險業(yè)為樣本的回歸結果相似，但與Song等(以美國銀行業(yè)為樣本)的研究結果比較，發(fā)現(xiàn)顯著性水平明顯低于后者[11]。這說明我國股票持有者的投資決策與公允價值會計信息相關性相比美國較弱，這預示著我國股票持有者并不像美國股票持有者那樣重視關注公允價值會計分層信息，也說明我國市場完善、活躍以及制度規(guī)范程度與歐美國家有一定差距，相比美國等國家在公允價值相關知識普及與認同上較為欠缺。而張敏等人通過問卷調(diào)查發(fā)現(xiàn)公允價值相關知識在企業(yè)會計人員中的普及度比較高，但是了解程度不深，也反映這一現(xiàn)象[21]。

以證券業(yè)以及其他金融業(yè)為樣本的回歸結果與以銀行業(yè)與保險業(yè)為樣本的回歸結果存在極大差異，除NFVAL(每股非公允價值凈額)與股價呈顯著正相關外，公允價值計量層次信息與會計盈余與股價均沒有顯著正相關關系，說明證券業(yè)以及金融其他行業(yè)的公允價值計量層次信息與會計盈余的價值相關性遠低于銀行業(yè)與保險業(yè)，假說5得以驗證。

文章以銀行業(yè)及保險業(yè)為樣本，對模型(2)進行回歸分析，以此重新驗證假說1—假說4。發(fā)現(xiàn)在BIG與公允價值分層計量的資產(chǎn)信息交乘項中，BIG_FAL1與股價顯著正相關，BIG_FAL2與股價顯著正相關，而BIG_FAL3不顯著，說明銀行業(yè)及保險業(yè)上市公司采用大數(shù)據(jù)戰(zhàn)略顯著增強其公允價值第一、第二層次計量資產(chǎn)的價值相關性，但沒有顯著增強第三層次計量資產(chǎn)的價值相關性，部分支持假說1；BIG_FAL1、BIG_FAL2、BIG_FAL3回歸系數(shù)為0.64、0.15、-1.22，BIG_FAL3系數(shù)為負可能是因為在大數(shù)據(jù)技術下上市公司第三層次計量的資產(chǎn)中有著良好可靠性的優(yōu)質金融工具轉化為了第一、第二層次計量，剩余公允價值計量資產(chǎn)的可靠性較弱，相比以前其信息含量反而降低。在BIG與公允價值分層計量的負債信息交乘項中，BIG_FLL12回歸系數(shù)為-2.34，Z統(tǒng)計量為-1.76，與股價顯著負相關，而BIG_FLL3回歸系數(shù)為0.36，回歸系數(shù)不顯著異于0，說明金融業(yè)上市公司采用大數(shù)據(jù)戰(zhàn)略，顯著增強了公允價值第一、第二層次計量負債的價值相關性，未顯著增強第三層次計量負債的價值相關性，部分支持假說2。以銀行業(yè)及保險業(yè)為樣本的模型(2)的系數(shù)比較結果中，BIG_FAL1系數(shù)、BIG_FAL2系數(shù)、BIG_FAL3系數(shù)之間有著顯著差異，說明投資者對公允價值第一層次計量的資產(chǎn)價值重視程度顯著大于第二、第三層次，對第二層次計量的資產(chǎn)價值的重視程度顯著大于第三層次，支持了假說3；BIG_FLL12=BIG_FLL3的卡方值為0.55，BIG_FLL12系數(shù)與BIG_FLL3系數(shù)沒有顯著差異，說明企業(yè)采用大數(shù)據(jù)戰(zhàn)略對公允價值第一、第二、第三層次計量的負債影響沒有顯著差異，拒絕假說4，原因可能是投資者對于第三層次計量的負債關注度不強，對企業(yè)是否重視大數(shù)據(jù)戰(zhàn)略這一信息沒有顯著反應，BIG_FLL3系數(shù)難以反映重視大數(shù)據(jù)戰(zhàn)略影響下第三層次計量的負債信息含量，與BIG_FLL12做比較檢驗沒有通過。

由于以證券業(yè)以及其他金融業(yè)樣本的模型(1)回歸結果顯示其公允價值信息含量較低，進一步回歸分析沒有實際意義，故本文不做討論。而全樣本由于銀行業(yè)及保險業(yè)樣本占比較大，所帶來的回歸偏差，使得回歸結果與以銀行業(yè)及保險業(yè)為樣本的回歸結果較為接近。

表7 模型回歸結果與系數(shù)比較檢驗

表8 變量系數(shù)比較結果

(二) 穩(wěn)健性檢驗

為確保實證結果可靠性，本文分別對模型(1)和模型(2)進行以下穩(wěn)健性檢驗，其結果如表9所示。

表9 穩(wěn)健性檢驗

首先，采用大數(shù)據(jù)戰(zhàn)略與公允價值計量價值相關性可能同時受到企業(yè)經(jīng)營思維影響，產(chǎn)生內(nèi)生性問題，一般認為公司規(guī)模、企業(yè)性質、是否對外發(fā)行股票對企業(yè)經(jīng)營思維有直接影響，故本文先對是否采用大數(shù)據(jù)BIGi,t與規(guī)模大小(Size)、企業(yè)性質(Type：國有企業(yè)為1，否則為0)及是否對外發(fā)行股票(Outside：對外發(fā)行股票取1，未對外發(fā)行取0)做logit回歸(限于篇幅，回歸過程省略)，發(fā)現(xiàn)國有企業(yè)比非國有企業(yè)更可能采用大數(shù)據(jù)戰(zhàn)略，而企業(yè)規(guī)模、是否對外發(fā)行股票對是否采用大數(shù)據(jù)戰(zhàn)略無顯著影響，再對銀行業(yè)及保險業(yè)的樣本進一步分析，根據(jù)回歸結果認為企業(yè)性質(國有與非國有)對公允價值計量信息的價值相關性沒有顯著影響，本文據(jù)回歸結果認為不存在內(nèi)生性問題。

其次，考慮會計政策變化產(chǎn)生的影響，本文通過國泰安數(shù)據(jù)查詢企業(yè)關于公允價值計量的會計政策變化，發(fā)現(xiàn)僅在2014年(新公允價值計量準則的出臺)報表中對公允價值表述進行了變更，將政策變更(Change)與公允價值信息交乘，其系數(shù)發(fā)現(xiàn)未顯著異于0。

再者，為避免因企業(yè)提及大數(shù)據(jù)存在一定偶然性帶來回歸結果偏差，本文將僅提及一次“大數(shù)據(jù)”且未提及“云計算”“人工智能”的公司除去(去除16個樣本)，重新回歸，發(fā)現(xiàn)結論沒有顯著變化。

最后，以金融業(yè)上市公司i+1年公布i年年報公布日后連續(xù)15天股價的平均值為被解釋變量，本文重新進行檢驗，其中hausman檢驗結果P值為0.73，選擇隨機模型，最后回歸結果未發(fā)生重大變化，文章結論不變。

七、 結論與展望

本文以2010—2015年金融類上市公司為樣本，以實證的方法，分析了金融企業(yè)行業(yè)特征和采用大數(shù)據(jù)戰(zhàn)略對于公允價值分層計量價值相關性的影響，得出以下結論。第一，以銀行業(yè)與保險業(yè)為樣本，發(fā)現(xiàn)其公允價值計量的資產(chǎn)與負債整體有著顯著的價值相關性，但以證券業(yè)及其他行業(yè)為樣本發(fā)現(xiàn)沒有顯著相關性，而鄧永勤、劉寶瑩等學者研究中金融業(yè)全樣本有顯著相關性的回歸結果可能受到銀行業(yè)與保險業(yè)樣本影響[4-5]，產(chǎn)生回歸偏差。第二，進一步對銀行業(yè)與保險業(yè)樣本分析，發(fā)現(xiàn)中國金融業(yè)上市公司采用大數(shù)據(jù)戰(zhàn)略將顯著提高投資者決策時對其資產(chǎn)公允價值計量第一、第二層次賦予的權重，且該提高效果隨著公允價值計量隨著計量層次由第一層次到第三層次而下降；中國金融業(yè)上市公司采用大數(shù)據(jù)戰(zhàn)略同時顯著提高了其負債公允價值計量第一、第二層次賦予的權重。

本文結論有以下啟示：(1)證券業(yè)及其他行業(yè)其會計信息計量、披露及報告體系建設有待加強；(2)本文以實證方式證明了大數(shù)據(jù)對公允價值計量具有積極作用，為大數(shù)據(jù)戰(zhàn)略推廣提供有力支持；(3)大數(shù)據(jù)戰(zhàn)略可以作為加快推動公允價值計量使用與增強公允價值會計信息的信息含量的方式和手段，使得我國在公允價值計量使用與推廣上實現(xiàn)“彎道超車”，更快達到國際領先水平。

本文局限性與進一步研究方向：(1)由于樣本量限制，難以對金融業(yè)四個細分行業(yè)分別做回歸，隨著樣本量的增加可以進一步檢驗金融不同細分行業(yè)之間公允價值信息價值相關性的區(qū)別；(2)文章僅探討了金融業(yè)公司大數(shù)據(jù)戰(zhàn)略對公允價值計量的影響，隨著公允價值信息披露不斷完善，未來研究可擴展至其他行業(yè)。

[1]于永生.公允價值級次:邏輯理念、實務應用及標準制定[J].審計與經(jīng)濟研究,2009(4):44-49.

[2]蔣燕輝.全球金融危機凸顯國際會計準則缺陷——基于公允價值會計模式[J].審計與經(jīng)濟研究,2009(3):66-70.

[3]Manyika J，Chui M，Brown B，et al．Big Data: The next frontier for innovation，competition，and productivity[M]. New York:McKinsey & Company，2011.

[4]劉寶瑩.公允價值分層計量的經(jīng)濟后果研究[D].長春：吉林大學,2014.

[5]鄧永勤,康麗麗.中國金融業(yè)公允價值層次信息價值相關性的經(jīng)驗證據(jù)[J].會計研究,2015(4):3-10.

[6]葛家澍.關于在財務會計中采用公允價值的探討[J].會計研究,2007(11):3-8.

[7]Barth M.Fair value accounting: evidence from investment securities and the market valuation of banks[J].The Accounting Review,1994,69(1):1-25.

[8]Petroni K, Wahlun J.Fair values of equity and debts securities and share prices of property liability insurers[J].Journal of Risk and Insurance,1995,62(4):719-737.

[9]鄧傳洲.公允價值的價值相關性:B股公司的證據(jù)[J].會計研究,2005(10):55-62.

[10]Goh B W. Market pricing of banks’ fair value assets reported under SFAS 157 during the 2008 economic crisis[J].Journal of Accounting & Public Policy,2014,34(2):129-145.

[11]Song C J, Thomas W B,Han Yi. Value relevance of SFAS 157 fair value hierarchy information and the impact of corporate governance mechanisms[J].The Accounting Review,2010,85(4):1375-1410.

[12]舍恩伯格.大數(shù)據(jù)時代：生活、工作與思維的大變革[M].杭州:浙江人民出版社,2013.

[13]孟小峰,慈祥.大數(shù)據(jù)管理:概念、技術與挑戰(zhàn)[J].計算機研究與發(fā)展,2013(1):146-169.

[14]何清.大數(shù)據(jù)與云計算[J].科技促進發(fā)展,2014(1):35-40.

[15]郝玉貴,李思雨.大數(shù)據(jù)下財務與會計研究:主題與展望——基于2012—2016年中國知網(wǎng)核心期刊的初步證據(jù)[J].財會研究,2016(12):20-24.

[16]黃世忠.移動互聯(lián)網(wǎng)時代財務與會計的變革與創(chuàng)新[J].財務與會計,2015(21):6-9.

[17]樊燕萍,曹薇.大數(shù)據(jù)下的云會計特征及應用[J].中國流通經(jīng)濟,2014(6):76-81.

[18]秦榮生.大數(shù)據(jù)思維與技術在會計工作中的應用研究[J].會計與經(jīng)濟研究,2015(5):3-10.

[19]方恒陽.大數(shù)據(jù)在公允價值計量中的應用[J].財經(jīng)界(學術版),2016(7):183-183.

[20]楊文鶯.論大數(shù)據(jù)對會計計量屬性的影響[J].商業(yè)會計,2016(15):95-97.

[21]張敏,簡建輝,張雯,等.公允價值應用:現(xiàn)狀·問題·前景——一項基于問卷調(diào)查的研究[J].會計研究,2011(4):23-27.