危雁麟 張俊瑞* 汪方軍 程茂勇

(1.西安交通大學 管理學院,陜西 西安 710049; 2.西安交通大學 經(jīng)濟與金融學院,陜西 西安 710061)

0 引言

隨著大數(shù)據(jù)戰(zhàn)略成為我國重點發(fā)展的戰(zhàn)略,數(shù)據(jù)的獲取、管理、運營、交易等成為新的經(jīng)濟生態(tài)和新的經(jīng)濟增長點。黨的十九大報告高瞻遠矚,提出要“推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合”,以促進經(jīng)濟高質(zhì)量發(fā)展。在數(shù)字經(jīng)濟時代,數(shù)據(jù)作為關鍵的生產(chǎn)要素,打破“數(shù)據(jù)孤島”、充分挖掘數(shù)據(jù)資源的用途、實現(xiàn)數(shù)據(jù)資源共享逐漸成為企業(yè)重要的價值源泉。楊善林和周開樂[1]提出要不斷研究探索以更好地發(fā)現(xiàn)和利用大數(shù)據(jù)的潛在價值。隨著數(shù)據(jù)為企業(yè)帶來越來越高的經(jīng)濟效益和社會價值,數(shù)據(jù)資源已具備了在財務報告中確認為資產(chǎn)的條件。2013年,大數(shù)據(jù)之父維克托在《大數(shù)據(jù)時代》一書中分析了數(shù)據(jù)確認為資產(chǎn)的前景與困境,并樂觀預測“幾乎可以肯定數(shù)據(jù)的價值將顯示在企業(yè)的資產(chǎn)負債表上,成為一個新的資產(chǎn)類別”。此外,截至2019年中國信息通信研究院云計算與大數(shù)據(jù)研究所發(fā)布的《數(shù)據(jù)資產(chǎn)管理實踐白皮書》已更新至4.0版,標志著“數(shù)據(jù)資產(chǎn)”概念已得到廣泛認可。不僅如此,Perrons和Jensen[2]發(fā)現(xiàn)數(shù)據(jù)資產(chǎn)除應用于金融、醫(yī)療、零售等具有豐富數(shù)據(jù)資源的行業(yè),亦存在于能源行業(yè)中;《數(shù)據(jù)資產(chǎn)管理實踐白皮書》以及上市公司年度報告等公開資料也表明,數(shù)據(jù)資產(chǎn)在諸多行業(yè)已普遍存在,不同企業(yè)的數(shù)字化轉型升級、數(shù)字化發(fā)展戰(zhàn)略落地都需要通過打破數(shù)據(jù)孤島、促進數(shù)據(jù)融合和價值挖掘來實現(xiàn)。因此,披露數(shù)據(jù)資產(chǎn)信息的企業(yè)已擴展至股票市場涉及的幾乎所有行業(yè)。

由于越來越多的企業(yè)開始重視數(shù)字化轉型升級,不僅使數(shù)據(jù)資產(chǎn)逐步成為企業(yè)的核心資產(chǎn),而且投資者對企業(yè)數(shù)字化轉型、數(shù)據(jù)資產(chǎn)的應用也越來越關注,提高了數(shù)據(jù)資產(chǎn)信息的價值。此外,投資者對數(shù)據(jù)資產(chǎn)信息需求的日益增長,強化了企業(yè)數(shù)據(jù)資產(chǎn)信息披露對資本市場信息中介的吸引力。分析師作為股票市場上重要的信息中介[3-4],具有豐富的經(jīng)驗和較強的專業(yè)能力,通過收集、處理信息,尤其是專業(yè)化信息為市場其他參與者提供分析服務,保障市場有效性。在我國股票市場發(fā)行由核準制向注冊制過渡之際,監(jiān)管從前端向中后端轉移,分析師作為信息中介的價值不斷提升。Wind數(shù)據(jù)庫中分析師研究報告數(shù)據(jù)顯示,2010年來越來越多的分析師在盈余預測報告中關注上市公司數(shù)據(jù)資產(chǎn)的運用及其價值,其研究報告跟進的上市公司已覆蓋多個行業(yè),說明分析師已逐步在其跟蹤預測中關注上市公司的數(shù)據(jù)資產(chǎn)信息,以期通過運用該信息在未來獲得更多預測收益。因此,很有必要探討企業(yè)數(shù)據(jù)資產(chǎn)信息披露行為如何影響分析師發(fā)揮信息中介的作用。企業(yè)披露數(shù)據(jù)資產(chǎn)信息,是否可以吸引信息中介跟進分析,既能反映數(shù)字化轉型升級后市場對數(shù)據(jù)資產(chǎn)的認知,又為企業(yè)改善信息透明度的自愿披露行為能否提高市場有效性提供了依據(jù)。

從實踐看,已有部分上市公司在年度報告中披露了數(shù)據(jù)資產(chǎn)信息,并有多家上市公司使用了“數(shù)據(jù)資產(chǎn)”概念。但由于《企業(yè)會計準則》尚未發(fā)布數(shù)據(jù)資產(chǎn)確認、計量規(guī)范,中國證券監(jiān)督管理委員會也未將數(shù)據(jù)資產(chǎn)納入強制信息披露范圍,企業(yè)可以自行決定是否確認并披露數(shù)據(jù)資產(chǎn)信息。本文基于構建的“數(shù)據(jù)資產(chǎn)”文本披露詞典,對回歸樣本統(tǒng)計發(fā)現(xiàn),分析師跟進的年度報告披露相關信息的上市公司從2010年的127家上升至2017年的870家,可見大部分上市公司目前仍未直接披露其擁有或使用的數(shù)據(jù)資產(chǎn),導致數(shù)據(jù)資產(chǎn)信息通常難以被外部使用者發(fā)現(xiàn)和運用。

目前學術界對數(shù)據(jù)資產(chǎn)的研究文獻主要集中在:1)闡述企業(yè)數(shù)據(jù)資源的價值,論證數(shù)據(jù)資源確認為資產(chǎn)的合理性,例如Tambe[5]、Perrons和Jensen[2]和謝康等[6]等。2)剖析數(shù)據(jù)資產(chǎn)的類型和估值方式,例如于玉林[7]和翟麗麗和王佳妮[8]等。3)探討數(shù)據(jù)資產(chǎn)的會計處理方式,例如張俊瑞等[9]等。4)數(shù)據(jù)資產(chǎn)管理,例如李紅祥和吳佳坤[10]等。在數(shù)據(jù)資產(chǎn)信息披露方面,一些文獻研究了類似數(shù)據(jù)資產(chǎn)信息披露特點的披露行為對分析師預測準確度的影響。例如,研究發(fā)現(xiàn)企業(yè)自愿披露社會責任報告能夠有效提升分析師預測的準確度,且效果主要表現(xiàn)于首次披露時[11-12]。Chalmers等[13]認為企業(yè)對無形資產(chǎn)的信息披露越少,跟進的分析師預測結果的準確性就越低,從而影響分析師預測報告的質(zhì)量。研究還發(fā)現(xiàn)充分披露可辨認的企業(yè)無形資產(chǎn)能夠提供決定未來業(yè)績的企業(yè)活動和經(jīng)濟環(huán)境的有效信息,說明無形資產(chǎn)信息披露具有顯著的價值相關性,并因此能夠有效提高分析師預測準確度[14-15]。

總體而言,現(xiàn)有文獻對數(shù)據(jù)資產(chǎn)信息披露的研究較少,且未深入剖析數(shù)據(jù)資產(chǎn)信息披露行為與分析師預測的關系,也較少存在數(shù)據(jù)資產(chǎn)信息披露行為對資本市場產(chǎn)生作用和影響的研究結論,尤其是相關實證研究還屬空白。這為本文從數(shù)據(jù)資產(chǎn)信息披露現(xiàn)狀及發(fā)展趨勢出發(fā),研究數(shù)據(jù)資產(chǎn)信息披露對分析師預測行為的影響提供了較大空間。

本文運用獲取的相關數(shù)據(jù),研究了數(shù)據(jù)資產(chǎn)信息披露頻率是否影響分析師的跟蹤預測決策、能否有效改善分析師預測準確度,論證了自愿披露數(shù)據(jù)資產(chǎn)信息的行為對分析師預測的價值,并從企業(yè)前瞻性信息提供及信息透明度兩個視角出發(fā),揭示了數(shù)據(jù)資產(chǎn)信息披露頻率影響分析師預測準確度的作用機制。進而,考慮到數(shù)據(jù)資產(chǎn)信息的揭示作用可能受文本可讀性影響以及牛、熊市下分析師信息收集處理決策可能存在差異,研究了年報文本可讀性水平和牛(熊)市市場狀態(tài)是否影響數(shù)據(jù)資產(chǎn)信息披露頻率對分析師預測準確度發(fā)揮作用的程度。

研究發(fā)現(xiàn):個股年度報告中數(shù)據(jù)資產(chǎn)信息披露頻率越高,分析師對該個股次年每股收益(EPS)的跟蹤預測報告越多,且對每股收益的預測偏誤越低,說明分析師跟蹤預測決策越受到數(shù)據(jù)資產(chǎn)信息披露的影響,同時提高數(shù)據(jù)資產(chǎn)信息披露頻率能夠顯著改善分析師預測準確度;提高數(shù)據(jù)資產(chǎn)信息披露頻率可通過增加企業(yè)前瞻性信息提供和提高企業(yè)信息透明度來顯著提升分析師預測準確度。進一步研究還表明,公司年報可讀性較高或市場處于牛市狀態(tài)時,數(shù)據(jù)資產(chǎn)信息披露頻率的增加,更能改善分析師預測的準確度。

本文的主要貢獻在于:1)分析了企業(yè)數(shù)字化轉型過程中數(shù)據(jù)資產(chǎn)信息披露行為,揭示了數(shù)據(jù)資產(chǎn)的確認和披露對企業(yè)自愿性信息披露的影響。2)拓展了大數(shù)據(jù)時代自愿性信息披露及分析師行為的研究,提供了數(shù)據(jù)資產(chǎn)信息自愿披露對分析師預測行為影響的經(jīng)驗證據(jù),豐富了數(shù)字化轉型推動無形資產(chǎn)擴容背景下分析師信息需求的研究。3)提供了數(shù)據(jù)資產(chǎn)信息披露對分析師盈余預測準確度作用機制的實證證據(jù),將研究視角擴展到數(shù)據(jù)資產(chǎn)信息披露的經(jīng)濟后果方面,對數(shù)據(jù)資產(chǎn)的理論研究具有增量貢獻。

1 理論分析與研究假設

1.1 數(shù)據(jù)資產(chǎn)概念界定

隨著大數(shù)據(jù)時代到來,不同類型的數(shù)據(jù)資源已經(jīng)融合應用于與工業(yè)、農(nóng)業(yè)、金融、交通和電信等諸多行業(yè)緊密相關的系統(tǒng)軟件和整體解決方案,采集、處理并使用自身數(shù)據(jù)資源從而實現(xiàn)企業(yè)經(jīng)濟利益流入的實例越來越多。以我國電信行業(yè)和鋼鐵行業(yè)為例①案例內(nèi)容來自2018年中國信息通信研究院云計算與大數(shù)據(jù)研究所發(fā)布的《數(shù)據(jù)資產(chǎn)管理實踐白皮書》(3.0版),來源鏈接:http://www.caict.ac.cn/kxyj/qwfb/bps/201812/t20181214_190696.htm。,中國電信集團公司建立了數(shù)據(jù)管理委員會,輸出了整個公司的數(shù)據(jù)資產(chǎn)目錄,并基于公司數(shù)據(jù)資產(chǎn)形成了五個系列16個子產(chǎn)品,實現(xiàn)了多個領域的覆蓋;通過提供相關產(chǎn)品,協(xié)助客戶充分發(fā)揮數(shù)據(jù)的內(nèi)在價值。與此同時,中國移動省級公司著力有效推進數(shù)據(jù)資產(chǎn)綜合運營和流通使用,使數(shù)據(jù)資產(chǎn)管理成為利潤中心。而在鋼鐵行業(yè)中,部分大型鋼鐵集團公司開始著眼于將實時數(shù)據(jù)處理結果嵌入生產(chǎn)流程中,以期運用數(shù)據(jù)資源實現(xiàn)自動質(zhì)檢取代人工抽檢,通過有效運用數(shù)據(jù)挖掘分析提高產(chǎn)品質(zhì)檢效率。

與此同時,數(shù)據(jù)資源交易市場也在不斷發(fā)展。互利共贏的數(shù)據(jù)共享是數(shù)據(jù)交易的重要表現(xiàn)形式,目前諸多企業(yè)通過建立數(shù)據(jù)資源聯(lián)盟,與聯(lián)盟企業(yè)互換數(shù)據(jù)資源,從而實現(xiàn)數(shù)據(jù)共享,打破彼此之間的“數(shù)據(jù)孤島”[8];此外,也有企業(yè)通過戰(zhàn)略合作以共享數(shù)據(jù)資源實現(xiàn)經(jīng)濟利益,例如上市公司“初靈信息”2017年年報表明其與“企業(yè)微信”深度合作,借此采集企業(yè)管理數(shù)據(jù)用于提供企業(yè)商業(yè)大數(shù)據(jù)智能服務,幫助企業(yè)提高管理和商業(yè)競爭效率。除此之外,數(shù)據(jù)交易平臺也是數(shù)據(jù)資源交易的重要途徑,2014年2月我國首個大數(shù)據(jù)交易平臺——中關村數(shù)海大數(shù)據(jù)交易平臺啟動后,不同規(guī)模和特點的數(shù)據(jù)交易平臺和交易所紛紛建立。毫無疑問,近年來我國數(shù)據(jù)交易渠道日益豐富,企業(yè)已能夠直接憑借所控制的數(shù)據(jù)資源實現(xiàn)外部經(jīng)濟利益流入企業(yè)。

不難看出,企業(yè)數(shù)據(jù)資源體量不斷增大,數(shù)據(jù)資源的采集、應用和交易等活動日益增多,企業(yè)認可數(shù)據(jù)資產(chǎn)存在的進程加快,相關文獻也提出數(shù)據(jù)資源已具備確認為資產(chǎn)的條件[2,8,16],充分證明了數(shù)據(jù)資源具有實現(xiàn)企業(yè)經(jīng)濟利益流入的能力。中國信息通信研究院連續(xù)四年發(fā)布《數(shù)據(jù)資產(chǎn)管理實踐白皮書》以指導企業(yè)數(shù)據(jù)資產(chǎn)的獲取和管理行為,其中對數(shù)據(jù)資產(chǎn)的定義為:“數(shù)據(jù)資產(chǎn)是由企業(yè)擁有或者控制的,能夠為企業(yè)帶來未來經(jīng)濟利益的,以物理或電子的方式記錄的數(shù)據(jù)資源。”

在明確數(shù)據(jù)資產(chǎn)概念界定的基礎上,數(shù)據(jù)資產(chǎn)的具體類型劃分也備受關注。從數(shù)據(jù)資產(chǎn)特點來看,數(shù)據(jù)資產(chǎn)與無形資產(chǎn)有較多相符之處。于玉林[7]提出,宏觀的無形資產(chǎn)概念應該更加寬泛,不僅局限于《企業(yè)會計準則——無形資產(chǎn)》中列舉的幾類資產(chǎn)。目前除了會計核算體系中提及的無形資產(chǎn)類型,相關研究中將員工滿意度[17]、供應商基本信息[18]等要素也稱為企業(yè)的無形資產(chǎn),甚至一些文獻也直接或間接地支持了數(shù)據(jù)資產(chǎn)屬于一類無形資產(chǎn)[7-8,18]。本文也認為數(shù)據(jù)資產(chǎn)是無形資產(chǎn)的重要組成部分。此外,Warren等[18]提出企業(yè)的表外無形資產(chǎn)亦可稱為“軟資產(chǎn)”。因此,從表外列示的角度看,本文認為數(shù)據(jù)資產(chǎn)是與有形資產(chǎn)等“硬資產(chǎn)”相區(qū)別的一種“軟資產(chǎn)”。

1.2 數(shù)據(jù)資產(chǎn)信息披露行為分析

從信息披露的具體特點來看,數(shù)據(jù)資產(chǎn)信息披露屬于自愿性無形資產(chǎn)信息披露行為。由于無形資產(chǎn)在傳統(tǒng)會計報告中難以充分展現(xiàn),導致盈余與市場收益關系失衡,所以擁有顯著無形資產(chǎn)的企業(yè)更有意愿進行自愿性信息披露以作為會計報告的信息補充[19]。同時,鑒于無形資產(chǎn)信息是外部信息使用者用于評價企業(yè)成長性的重要信息[20],本文認為無形資產(chǎn)信息屬于重要的前瞻性信息,企業(yè)披露數(shù)據(jù)資產(chǎn)信息也是一種前瞻性信息披露。

然而,雖然企業(yè)在一定程度上具有自愿對外披露數(shù)據(jù)資產(chǎn)信息的積極性,但考慮到部分無形資產(chǎn)尚未被確認[21],管理層對于披露各類無形資產(chǎn)信息是否能夠受到投資者關注和采用難以確定[17],因此不同企業(yè)管理層對于無形資產(chǎn)的信息披露意愿也并不一致。數(shù)據(jù)資產(chǎn)作為一種表外無形資產(chǎn),其對企業(yè)的價值雖然越來越重要,但管理層仍未能明確外部信息使用者是否采用數(shù)據(jù)資產(chǎn)信息,從而導致不同企業(yè)管理層對數(shù)據(jù)資產(chǎn)信息披露的決策存在差異。

1.3.1 數(shù)據(jù)資產(chǎn)信息披露與分析師跟進

根據(jù)Bhushan[22]從需求和供給的均衡角度討論分析師跟進的研究框架,本文認為分析師將會依據(jù)企業(yè)數(shù)據(jù)資產(chǎn)信息披露狀況選擇跟進和預測的上市公司。具體來說,從需求角度看,由于各類無形資產(chǎn)信息是投資者判斷企業(yè)未來成長性、分析企業(yè)未來業(yè)績的重要依據(jù)[20,23],而數(shù)據(jù)資產(chǎn)可視為大數(shù)據(jù)時代企業(yè)數(shù)字化轉型過程中重要的表外無形資產(chǎn),因此本文認為投資者將會關注數(shù)據(jù)資產(chǎn)信息,并需要分析師作為信息中介對披露此類信息的企業(yè)提供跟蹤預測。另外,考慮到分析師只能關注有限數(shù)量的個股,更有可能響應投資者的需求,對披露此類信息的企業(yè)進行預測。

從供給角度看,財務報表尚未包含一些對企業(yè)競爭發(fā)展較為重要的無形資產(chǎn)信息,因而會降低傳統(tǒng)財務報表傳遞會計信息的價值相關性,不利于企業(yè)決策[18];擴展至財務報告層面來說,如果企業(yè)部分或全部可自愿確認和披露的可辨認無形資產(chǎn)信息未能充分反映在企業(yè)財務報告中,將削弱財務報告?zhèn)鬟f財務信息的價值相關性[24]?；诖?分析師作為證券市場上重要的信息中介[3-4],通常希望通過較低的成本收集并處理更多具有價值的信息來實現(xiàn)利益最大化[3],由此推論無形資產(chǎn)價值相關性的提升會增強分析師通過財務報告等公開信息渠道獲取和處理企業(yè)無形資產(chǎn)信息的意愿。進一步地,Barron等[25]認為預測擁有大量無形資產(chǎn)公司的收益時,分析師將更關注包括數(shù)據(jù)資產(chǎn)在內(nèi)的企業(yè)自身私有(或特殊)信息,以作為對公司財務信息的補充。同時由于數(shù)據(jù)資產(chǎn)具有可辨認性[9],根據(jù)Ritter和Wells[24]的觀點可以推論,數(shù)據(jù)資產(chǎn)作為對企業(yè)有價值的可辨認無形資產(chǎn),其信息目前并未在財務報表中列示,而是由企業(yè)自行確認并在財務報告中自愿披露,因而在財務報告中披露的數(shù)據(jù)資產(chǎn)信息將有助于緩解財務報告價值相關性的不足。結合以上分析,本文認為分析師作為市場上具有較強專業(yè)能力且對企業(yè)信息具有高度敏感性的信息中介,應該能夠認識到企業(yè)財務報告中披露的數(shù)據(jù)資產(chǎn)信息對提高財務報告的價值相關性、完善企業(yè)估值的作用,因而很有可能關注披露數(shù)據(jù)資產(chǎn)信息的企業(yè),并希望通過對該類企業(yè)的跟蹤分析改善其預測,尤其是那些通過財務報告等方式公開披露數(shù)據(jù)資產(chǎn)信息的企業(yè)。鑒于能以低成本獲取和運用這些信息,分析師可能更愿意增加關于此類企業(yè)跟蹤預測的供給,進而有效幫助外部市場參與者根據(jù)企業(yè)盈余做出合理反應,并提高其預測業(yè)績。

綜上所述,本文認為企業(yè)通過提高數(shù)據(jù)資產(chǎn)信息的自愿披露程度,將受到更多分析師的跟蹤預測,據(jù)此,提出如下假設:

假設1企業(yè)年度報告中數(shù)據(jù)資產(chǎn)信息披露頻率越高,越會吸引更多的分析師進行盈余預測。

1.3.2 數(shù)據(jù)資產(chǎn)信息披露與分析師預測準確度

現(xiàn)有文獻表明,可辨認無形資產(chǎn)與企業(yè)價值顯著相關[24],Wyatt[14]提出對可辨認無形資產(chǎn)的充分披露,能夠提供決定企業(yè)未來業(yè)績的經(jīng)營活動和經(jīng)濟環(huán)境的有效信息,說明企業(yè)強制或自愿確認的可辨認無形資產(chǎn)信息具有明顯的價值相關性,在財務報告中披露這些信息能夠有效提高分析師預測的準確度[15]。

如前文所述,企業(yè)數(shù)據(jù)資產(chǎn)信息披露保證了財務報告的價值相關性。由于數(shù)據(jù)資產(chǎn)信息受到分析師關注并影響其盈余預測的決策,因此分析師通過財務報告越多、越全面地掌握企業(yè)數(shù)據(jù)資產(chǎn)信息,就能夠越多地得到?jīng)Q定企業(yè)未來業(yè)績的經(jīng)營活動和經(jīng)濟環(huán)境的有效信息,并能夠深入分析企業(yè)的價值潛力,對企業(yè)未來做出更好的預測。因此,我們認為分析師通過對企業(yè)數(shù)據(jù)資產(chǎn)信息的分析和處理,能夠有效提高其盈余預測的準確性。

另一方面,由于企業(yè)的無形資產(chǎn)并未全部納入會計核算系統(tǒng),而數(shù)據(jù)資產(chǎn)這類無形資產(chǎn)信息的自愿披露能夠有效提高企業(yè)的信息透明度,提供企業(yè)更多的私有信息,及時獲取和解讀私有信息則是保障分析師盈余預測準確度的重要因素[26]。通過提高信息透明度能夠降低盈余信息質(zhì)量高低對分析師預測的影響,從而在一定程度上提高分析師預測的準確度[27-28]。此外,上市公司信息披露質(zhì)量能夠影響個體信息在分析師預測中所占的比重,從而削弱行業(yè)信息對分析師預測的影響[29],因此提高數(shù)據(jù)資產(chǎn)信息披露頻率能夠進一步提高分析師預測結果的準確度。

綜上所述,本文認為企業(yè)在年度報告中披露數(shù)據(jù)資產(chǎn)相關信息的頻率越高,分析師越能夠獲取更多有價值的企業(yè)特質(zhì)信息,從而越有助于分析師使用有價值信息進行盈余預測?；诖?提出如下假設:

假設2企業(yè)年度報告中數(shù)據(jù)資產(chǎn)信息披露頻率越高,分析師進行盈余預測的準確度越高。

2 研究設計

2.1 樣本獲取

本文以2010—2017年中國A股市場上市公司為樣本,通過構建文本挖掘詞典度量其數(shù)據(jù)資產(chǎn)信息披露頻率,檢驗數(shù)據(jù)資產(chǎn)信息披露頻率對分析師預測準確度的影響。在樣本數(shù)據(jù)方面,本文使用了“WinGo(文構)文本數(shù)據(jù)庫”中計算的相似詞詞典數(shù)據(jù)、年度報告詞頻統(tǒng)計數(shù)據(jù)、年度報告總詞數(shù)數(shù)據(jù)、年度報告可讀性指數(shù)和風險披露指數(shù),以及Wind數(shù)據(jù)庫的企業(yè)業(yè)績預告相關數(shù)據(jù),并通過CSMAR數(shù)據(jù)庫獲得上市公司特征、分析師行為相關變量和市場指數(shù)等其他數(shù)據(jù)。

本文對樣本進行了如下處理:1)剔除次年無分析師對年末每股收益(EPS)水平予以跟蹤預測的個股樣本;2)剔除ST公司;3)剔除金融行業(yè)企業(yè);4)剔除任一變量出現(xiàn)缺失值的樣本。最終,獲得12035個年份-個股觀測值。本文對所有連續(xù)變量在1%水平上進行了winsorize處理。

2.2 變量定義

2.2.1 數(shù)據(jù)資產(chǎn)信息披露

目前數(shù)據(jù)資產(chǎn)雖未被納入企業(yè)資產(chǎn)負債表列示,但已有上市公司在年度報告中自愿披露了數(shù)據(jù)資產(chǎn)信息,使分析師有機會獲取并運用這類信息。因此,本文通過對上市公司年度報告中數(shù)據(jù)資產(chǎn)信息的文本挖掘,來度量企業(yè)數(shù)據(jù)資產(chǎn)信息的披露頻率。

本文參考胡楠等[30]的文本挖掘方法,以“WinGo(文構)文本數(shù)據(jù)庫”(www.wingodata.cn)為數(shù)據(jù)來源,運用“種子詞集+Word2Vec相似詞擴充”方法構建數(shù)據(jù)資產(chǎn)信息披露水平度量的相關詞典,挖掘上市公司年報文本中的數(shù)據(jù)資產(chǎn)信息并評估其披露水平,具體步驟為:1)將“數(shù)據(jù)資產(chǎn)”詞匯納入詞典中。2)考慮到“數(shù)據(jù)資產(chǎn)”一詞尚未被所有上市公司采納并披露為一項資產(chǎn),在數(shù)據(jù)庫中也未成為一個固定詞匯,基于《數(shù)據(jù)資產(chǎn)管理實踐白皮書4.0》中“數(shù)據(jù)資產(chǎn)是能為企業(yè)產(chǎn)生價值的數(shù)據(jù)資源”的觀點,進一步視“數(shù)據(jù)資源”為“數(shù)據(jù)資產(chǎn)”的等價詞,因此將“數(shù)據(jù)資源”也作為種子詞匯。3)依據(jù)種子詞匯,借助“WinGo(文構)文本數(shù)據(jù)庫”中具備的Word2Vec神經(jīng)網(wǎng)絡模型,運用深度學習技術手段,用上市公司披露的海量文本語料進行訓練,構建出詞語相似度計算模型,獲得種子詞匯在WinGo文本數(shù)據(jù)庫中的深度學習相似詞詞集,在此基礎上,僅保留相似度高于0.5的相似詞以保證詞典確實能夠反映企業(yè)數(shù)據(jù)資產(chǎn)信息披露,從而完成詞典構建,并基于數(shù)據(jù)庫提供的相似度數(shù)據(jù)對每個詞頻進行賦權。

關于Word2Vec神經(jīng)網(wǎng)絡模型,根據(jù)WinGo(文構)文本數(shù)據(jù)庫中的數(shù)據(jù)庫說明書,Word2Vec神經(jīng)網(wǎng)絡模型是Mikolov等學者于2013年提出的一種神經(jīng)網(wǎng)絡語言模型,它的本質(zhì)是基于神經(jīng)網(wǎng)絡來完成的Word Embedding方法,能夠?qū)⒃~語表示成一個實值向量,并捕捉語義信息。具體來說,WinGo(文構)文本數(shù)據(jù)庫對Word2Vec神經(jīng)網(wǎng)絡模型的運用是通過Word Embedding中的CBOW模型(continuous bag-of-words model)根據(jù)上下文語義信息將清洗后的海量財經(jīng)文本語料中通過分詞獲得的詞語表示成多維向量用以計算詞語相似度,并據(jù)以篩選種子詞匯的相似詞,而海量的財經(jīng)文本語料也能夠保證相似詞更符合財經(jīng)文本語境。CBOW模型表達式如式(1)所示:

其中,C為語料,w為中心詞,Content(w)為中心詞的上下文。關于詞語相似度計算,則是在由這些實值向量形成的詞向量空間中,以詞向量間的余弦距離作為詞語之間的語義相似度;余弦距離越小,詞語之間的相似度越大。

本文參考王雄元等[31]通過文本挖掘度量風險信息披露頻率的方法,運用如下計算模型來度量企業(yè)數(shù)據(jù)資產(chǎn)信息披露:

其中,DADISit為數(shù)據(jù)資產(chǎn)信息披露頻率變量,Freitn為詞典中第n個詞匯在公司i第t年的年度報告中的精確詞頻。Simn為詞典中第n個詞匯與種子詞匯的相似度(種子詞匯的變量Simn賦值為1)。TotalFreit為公司i在第t年的年度報告的總詞頻(排除英文和數(shù)字)。

2.2.2 分析師預測變量

1)分析師跟蹤預測頻次。本文參考李春濤等[32]的思路,以研究報告為單位,將分析師跟蹤預測的頻次變量Coverageit+1界定為預測了公司i在第t+1年期末EPS的分析師研究報告數(shù)量的自然對數(shù),即無論發(fā)布的報告涉及多少位分析師,本文將發(fā)布了一份研究報告視為一次分析師跟蹤預測,從而檢驗公司更高頻率的數(shù)據(jù)資產(chǎn)信息披露是否能帶來對該公司盈余的更多跟蹤預測,以反映分析師跟蹤預測此類信息披露是否被納入考慮范圍。

2)分析師預測準確度FEit+1。本文參考王雄元等[31]對于分析師預測準確度的度量方法,通過如式(3)所示的計算模型度量分析師預測準確度。

其中,FEit+1為分析師預測公司i在第t+1年末每股收益(EPS)的準確度,Ave_FEPSit+1為第t+1期內(nèi)所有研究報告預測公司i在第t+1期末EPS的平均值,Act_EPSit+1為公司i在第t+1期末的EPS實際值。

與此同時,在計算每一年度分析師跟蹤預測相關變量過程中,為保證分析師預測所用的信息與上市公司年度報告的時間相對應,本文參考王艷艷等[12]的研究,將第t+1期的研究報告篩選窗口界定為第t+1年5月1日至第t+2年4月30日之間發(fā)布的關于第t+1期末EPS的跟蹤預測報告。

2.2.3 控制變量

在實證檢驗中,本文參考Dhaliwal等[11]、王艷艷等[12]和王雄元等[31]等相關文獻,選取控制變量構建模型。模型中的變量匯總如表1所示。

表1 研究變量匯總表Table 1 Summary of research variables

2.3 模型設計

為檢驗假設1,本文參考現(xiàn)有文獻[11-12]構建了回歸模型如式(4)所示,同時控制了年份和行業(yè)固定效應,并進行了基于行業(yè)的聚類(cluster)處理。根據(jù)本文假設1,預計模型中的系數(shù)α1顯著為正。

此外,為了檢驗假設2,本文參考現(xiàn)有文獻[11,31]構建了回歸模型如式(5)所示,同時控制了年份和行業(yè)固定效應,并進行了基于行業(yè)的聚類(cluster)處理。根據(jù)本文假設2,預計模型中的系數(shù)β1顯著為負。

3 實證檢驗結果

3.1 描述性統(tǒng)計

本文各變量的描述性統(tǒng)計結果如表2所示。個股的跟蹤預測頻次變量Coverage的標準差為1.224,最大值為4.450而最小值為0,說明分析師對不同個股下一年度每股收益(EPS)的跟蹤預測偏好有顯著差異。分析師預測準確度FE由分析師預測偏誤表示,且由度量方式可看出偏誤值不小于0.5;描述性統(tǒng)計結果表明,預測偏誤最大為9.544,最小為0.50,而上四分位數(shù)為1.038且平均數(shù)為1.120,說明針對不同個股,分析師對下一年EPS的預測結果與其實際值的偏離度存在較大差異,但總體來說分析師的跟蹤預測通常未與實際值產(chǎn)生過大的偏離,說明分析師具有較強的專業(yè)能力。數(shù)據(jù)資產(chǎn)信息披露水平DADIS的平均值為0.002,最大值為0.034且最小值為0,說明數(shù)據(jù)資產(chǎn)信息披露程度總體較低,較多公司都暫未披露數(shù)據(jù)資產(chǎn)信息。

表2 變量描述性統(tǒng)計特征表Table 2 Descriptive statistics of variables

3.2 假設檢驗結果

3.2.1 數(shù)據(jù)資產(chǎn)信息披露與分析師跟蹤預測數(shù)量

本文運用模型(4)檢驗了假設1,檢驗結果如表3所示。根據(jù)表3可知,解釋變量的系數(shù)為5.356,且在5%置信水平上顯著,說明公司的數(shù)據(jù)資產(chǎn)信息披露頻率與分析師對該公司進行跟蹤預測的頻次顯著正相關。據(jù)此,公司對其數(shù)據(jù)資產(chǎn)相關信息進行的披露越多,跟蹤預測的報告數(shù)量越多,即分析師越傾向于預測此類公司,可以認為分析師在跟蹤預測過程中將數(shù)據(jù)資產(chǎn)信息納入了個股信息分析范圍。這一結果符合假設1的預期。

表3 數(shù)據(jù)資產(chǎn)信息披露與分析師跟蹤預測數(shù)量回歸結果Table 3 Results about regression of data assets disclosure and analyst coverage

3.2.2 數(shù)據(jù)資產(chǎn)信息披露與分析師預測準確度

本文運用模型(5)檢驗了假設2,結果如表4所示?？梢钥闯?解釋變量的系數(shù)為-5.328,且在5%置信水平上顯著,說明公司的數(shù)據(jù)資產(chǎn)信息披露頻率與分析師對該公司進行跟蹤預測的偏差程度顯著負相關。由此可見,公司數(shù)據(jù)資產(chǎn)信息披露頻率越高,分析師的預測結果越接近該公司下一年EPS的實際值,從而顯著提升了分析師跟蹤預測的準確度。因此,可以認為數(shù)據(jù)資產(chǎn)信息披露頻率的提高改善了分析師對相應個股的跟蹤預測準確度,假設2得到了驗證。

表4 數(shù)據(jù)資產(chǎn)信息披露與分析師預測準確度回歸結果Table 4 Results about regression of data assets disclosure and analyst forecast accuracy

3.2.3 內(nèi)生性檢驗

在大數(shù)據(jù)時代,擁有數(shù)據(jù)資產(chǎn)、使用數(shù)據(jù)資產(chǎn)的企業(yè)不斷增加,披露數(shù)據(jù)資產(chǎn)信息的上市公司日益普及,企業(yè)數(shù)據(jù)資產(chǎn)信息也越來越受到市場信息中介的關注。但是,企業(yè)數(shù)據(jù)資產(chǎn)信息披露與分析師跟進預測之間存在一定內(nèi)生性,因此本文采用如下檢驗以控制研究中的內(nèi)生性問題。

1)準自然實驗

本文以2016年頒布的《中華人民共和國國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要》(“十三五規(guī)劃綱要”)作為外生事件,設計了準自然實驗以解決研究中的內(nèi)生性問題。具體來說,“十三五規(guī)劃綱要”提出實施國家大數(shù)據(jù)戰(zhàn)略,把大數(shù)據(jù)作為基礎性戰(zhàn)略資源,全面實施促進大數(shù)據(jù)發(fā)展行動,加快推進數(shù)據(jù)資源共享開放和開發(fā)應用,助力產(chǎn)業(yè)轉型升級和社會治理創(chuàng)新。在國家大數(shù)據(jù)戰(zhàn)略的指引下,企業(yè)的大數(shù)據(jù)業(yè)務越來越普遍,數(shù)據(jù)資產(chǎn)信息日益成為企業(yè)重要的特質(zhì)信息。在貫徹落實“十三五規(guī)劃綱要”過程中,我國各級政府高度重視大數(shù)據(jù)發(fā)展,其中貴州省已將發(fā)展大數(shù)據(jù)提升到“十三五”甚至長期發(fā)展的重大戰(zhàn)略高度,大數(shù)據(jù)戰(zhàn)略重點實驗室發(fā)布的《大數(shù)據(jù)藍皮書:中國大數(shù)據(jù)發(fā)展報告No.1》中視其為貴州大數(shù)據(jù)發(fā)展能夠異軍突起的決定性因素。據(jù)此,本文認為貴州省上市公司受到國家及當?shù)卮髷?shù)據(jù)發(fā)展戰(zhàn)略的影響更強,在披露數(shù)據(jù)資產(chǎn)信息、認可數(shù)據(jù)資產(chǎn)信息等方面,也會更多地受到大數(shù)據(jù)發(fā)展戰(zhàn)略的影響,因而能夠反映出數(shù)據(jù)資產(chǎn)信息披露對于分析師跟蹤預測的作用。

綜上所述,本文構建模型通過準自然實驗進一步檢驗了假設。具體來說,本文基于盈余預測年度,選擇2017和2018年度作為事件后時間窗口,Post賦值為1;2014—2016年度則為事件前時間窗口,Post賦值為0。同時本文將辦公地點位于貴州省的上市公司作為實驗組樣本,其余上市公司作為控制組樣本。根據(jù)表5所示的檢驗結果,交乘項Treatedit×Postit的檢驗系數(shù)為-0.217,且在5%置信水平上顯著,說明“十三五規(guī)劃綱要”頒布后,辦公地點在貴州省的上市公司的數(shù)據(jù)資產(chǎn)信息披露頻率對分析師預測準確度的提升作用相較于其他地區(qū)上市公司的數(shù)據(jù)資產(chǎn)信息披露頻率有顯著加強。由此可見提高公司數(shù)據(jù)資產(chǎn)信息披露頻率能夠顯著改善分析師跟蹤預測的準確度。

表5 準自然實驗回歸結果Table 5 Results about regression of the quasi-natural experiment

2)Heckman兩階段法

考慮到數(shù)據(jù)資產(chǎn)信息披露屬于自愿性披露行為,即企業(yè)管理層能夠選擇是否披露數(shù)據(jù)資產(chǎn)信息,為了控制檢驗中的選擇性偏誤等內(nèi)生性問題,本文采用了Heckman兩階段法中的處置效應模型(treatment effect model)做了進一步檢驗。具體來說,本文借鑒Matsumura等[33]、Kim和Zhang[34]、傅傳銳和洪運超[35]以及曹廷求和張光利[36]等的研究,第一階段選取行業(yè)內(nèi)披露數(shù)據(jù)資產(chǎn)信息的企業(yè)數(shù)量占行業(yè)企業(yè)總數(shù)的比例Disc_Propit為Z變量,并選擇規(guī)模變量LnAssetit、杠桿Leverageit、第一大股東持股比例Firstit、審計師是否來自四大會計師事務所Big4it、當年被分析師關注程度Coverageit、股東基數(shù)Shareholderit、托 賓Q值TobinQit和 現(xiàn) 金 流 水 平CashFlowit為控制變量,運用處置效應模型檢驗了企業(yè)數(shù)據(jù)資產(chǎn)信息披露對分析師預測準確度的影響,檢驗結果如表6所示。根據(jù)表6的內(nèi)容,逆米爾斯比率的檢驗系數(shù)為-0.189,且在1%水平上顯著,說明采用處置效應模型的估計結果更為合理。而解釋變量檢驗系數(shù)為-5.669,且在10%水平上顯著,說明在考慮選擇性偏誤的情況下,企業(yè)數(shù)據(jù)資產(chǎn)信息披露仍能顯著降低分析師預測偏差,從而提高分析師預測準確度。

表6 運用處置效應模型的Heckman兩階段回歸結果Table 6 Results about regression of Heckman two-stage method using the treatment effect model

3.3 機制檢驗

假設檢驗結果表明,數(shù)據(jù)資產(chǎn)信息披露頻率越高,越能改善分析師預測的準確度。根據(jù)前文對假設2的分析,本文借鑒Xu[37]的機制檢驗方法,從前瞻性信息提供和個股信息透明度兩個角度,檢驗數(shù)據(jù)資產(chǎn)信息披露能夠提高分析師預測準確度的具體機制。

3.3.1 前瞻性信息提供程度

年報中的數(shù)據(jù)資產(chǎn)信息披露提供了更多決定企業(yè)未來業(yè)績的經(jīng)營活動和經(jīng)濟環(huán)境的有效信息,有利于分析師了解企業(yè)未來的價值潛力并用于盈余預測,從而能夠有效提高其盈余預測的準確性。據(jù)此,考慮到分析師的有限關注,以及數(shù)據(jù)資產(chǎn)作為一種前瞻性信息的功能,本文認為分析師對企業(yè)前瞻性信息獲得程度的高低會影響其運用數(shù)據(jù)資產(chǎn)信息改善盈余預測的程度,即可獲得的前瞻性信息越少,數(shù)據(jù)資產(chǎn)信息對分析師就越重要,因而也越能發(fā)揮改善預測準確度的作用。

目前企業(yè)的前瞻性信息主要來自年報中的“管理層討論與分析”(MD&A)部分和企業(yè)臨時公告中的業(yè)績預告,前者是企業(yè)披露數(shù)據(jù)資產(chǎn)信息的常見渠道,后者則是企業(yè)前瞻性信息披露的另一來源,自愿性披露是企業(yè)之間前瞻性信息提供程度存在差異的主要原因。具體來說,因出現(xiàn)中國證券監(jiān)督管理委員會股票上市規(guī)則提到的情形而發(fā)布的業(yè)績預告為強制性業(yè)績預告,其他業(yè)績預告則界定為自愿性業(yè)績預告[38]。在操作合規(guī)的前提下,企業(yè)若未強制性地進行業(yè)績預告,說明未出現(xiàn)上述情形,從而間接傳遞了關于企業(yè)未來業(yè)績的某些信息;此時企業(yè)若自愿進行業(yè)績預告,則可進一步披露企業(yè)未來業(yè)績信息,從而提高前瞻性信息的提供程度。由此可見,公司是否進行自愿性業(yè)績預告,將在前瞻性信息的供給方面產(chǎn)生顯著差異。因此,如果作為前瞻性信息的數(shù)據(jù)資產(chǎn)披露能夠提高分析師預測的準確度,那么當企業(yè)未進行自愿性業(yè)績預告時,數(shù)據(jù)資產(chǎn)信息披露更能提升分析師預測的準確度。

綜上,本文根據(jù)企業(yè)是否發(fā)布自愿性業(yè)績預告設定虛擬變量Volunt_Announceit+1,即公司i第t+1年是否進行過自愿性業(yè)績預告,如果是則賦值1,反之為0,并基于該變量進行分組回歸檢驗,檢驗結果如表7所示。由表7可看出,在不存在自愿性業(yè)績預告的樣本組中解釋變量檢驗系數(shù)為-7.698,且在5%置信水平上顯著;而存在自愿性業(yè)績預告的樣本組中解釋變量檢驗系數(shù)為-4.071,但不顯著。因此當企業(yè)未進行自愿性業(yè)績預告時,企業(yè)提供了較少的前瞻性信息,而通過提高數(shù)據(jù)資產(chǎn)信息披露頻率更能改善分析師預測。由此可見,企業(yè)通過披露數(shù)據(jù)資產(chǎn)信息等前瞻性信息,能夠提高分析師預測準確度。

表7 曾(未)發(fā)布自愿性業(yè)績預告組數(shù)據(jù)資產(chǎn)信息披露與分析師預測準確度回歸結果Table 7 Results about regression of data assets disclosure and analyst forecast accuracy in have (have not) issued voluntary earning announcement group

3.3.2 企業(yè)信息透明度

如前文所述,數(shù)據(jù)資產(chǎn)信息披露作為企業(yè)自愿性信息披露決策,能夠提供企業(yè)有價值的私有信息以提高信息透明度,尤其在企業(yè)盈余信息質(zhì)量不理想時,可以起到增量信息的作用,并對分析師的預測準確度產(chǎn)生影響。因此,本文認為當企業(yè)盈余信息質(zhì)量較差時,數(shù)據(jù)資產(chǎn)信息披露頻率的提升更能發(fā)揮改善分析師預測的作用。

本文構建了盈余信息質(zhì)量變量Disc_Accit-1,即公司i第t-1年的操縱性應計利潤水平,由Dechow等[39]提出的修正瓊斯模型計算得到。在滿足Disc_Accit-1不為空的樣本中,以樣本公司歷年盈余信息質(zhì)量的中位數(shù)Mediant作為標準進行分組回歸檢驗。根據(jù)表8列示的回歸結果,在盈余信息質(zhì)量低的樣本組中解釋變量的系數(shù)為-7.572,且在5%置信水平上顯著;而在盈余信息質(zhì)量高的樣本組中解釋變量的系數(shù)為-3.304,但并不顯著。由此可見,當企業(yè)盈余信息質(zhì)量較差時,提高數(shù)據(jù)資產(chǎn)信息披露頻率能夠顯著降低分析師預測偏誤,說明數(shù)據(jù)資產(chǎn)信息能夠提高企業(yè)信息透明度,增加分析師可使用的有效信息,從而提高分析師預測準確度。

表8 高(低)盈余信息質(zhì)量組數(shù)據(jù)資產(chǎn)信息披露與分析師預測準確度回歸結果Table 8 Results about regression of data assets disclosure and analyst forecast accuracy in high (low) earning information quality group

3.4 穩(wěn)健性檢驗

3.4.1 差分方程

在自愿性信息披露的相關研究中,部分文獻提及存在信息的樣板式披露[31],通過查閱披露數(shù)據(jù)資產(chǎn)信息的上市公司年報,我們發(fā)現(xiàn)企業(yè)對數(shù)據(jù)資產(chǎn)的信息披露在不同年度之間亦存在一定樣板化現(xiàn)象。因此參考以往文獻[11,31],本文剔除前一年和當年數(shù)據(jù)資產(chǎn)信息披露頻率均為0的樣本,運用差分方程對假設2的內(nèi)容進行了重新回歸,以消除未隨時間改變要素所帶來的影響。檢驗結果表明,公司的數(shù)據(jù)資產(chǎn)信息披露頻率的變動與分析師預測該公司盈余準確度的變動顯著負相關,因此通過公司數(shù)據(jù)資產(chǎn)信息披露頻率的提高,能夠顯著削弱分析師跟蹤預測偏差程度的上升,從而提高分析師預測的準確性。檢驗結果進一步支持了本文的研究結論。

3.4.2 子樣本檢驗

1)信息披露頻率不為0的子樣本。在分析師發(fā)揮其信息優(yōu)勢挖掘企業(yè)特質(zhì)信息的過程中,如果無法從年報獲得數(shù)據(jù)資產(chǎn)信息等自愿披露的特質(zhì)信息,分析師可能會在考慮信息成本的前提下決定是否挖掘數(shù)據(jù)資產(chǎn)信息;而年報中披露了數(shù)據(jù)資產(chǎn)信息時,分析師將獲取并運用這類特質(zhì)信息,且其披露頻率反映了分析師的可獲取程度,并將影響分析師預測準確度。據(jù)此,本文選取年報數(shù)據(jù)資產(chǎn)信息披露頻率不為0的觀測值作為子樣本,子樣本檢驗結果表明,對于數(shù)據(jù)資產(chǎn)信息披露頻率不為0的公司,數(shù)據(jù)資產(chǎn)信息披露頻率能夠顯著降低分析師對該公司進行跟蹤預測的偏差程度,說明本文的回歸結果具有穩(wěn)健性。

2)樣本期間在2016年之后的子樣本。分析師能夠關注到企業(yè)數(shù)據(jù)資產(chǎn)的價值并使用相應信息,是數(shù)據(jù)資產(chǎn)信息披露能夠改善分析師預測準確度的重要前提,因此本文認為應進一步確保假設前提成立以重新檢驗相關結論。具體來說,“十三五”發(fā)展規(guī)劃綱要發(fā)布后,分析師在大數(shù)據(jù)發(fā)展戰(zhàn)略的宏觀背景下,更有可能認可企業(yè)數(shù)據(jù)資產(chǎn)的作用并關注其信息,更能滿足數(shù)據(jù)資產(chǎn)信息影響分析師預測準確度的前提?；诖?本文選取預測年度為2016—2018年的觀測值來構建子樣本,再次回歸檢驗的結果表明,分析師在預測公司2016—2018年的盈余水平時,公司數(shù)據(jù)資產(chǎn)的信息披露頻率與分析師對該公司盈余預測的偏差程度顯著負相關。檢驗結果說明本文結論具有穩(wěn)健性。

由于篇幅限制,穩(wěn)健性檢驗中檢驗結果的表格不在正文中列示。

4 進一步分析

4.1 文本可讀性

數(shù)據(jù)資產(chǎn)相關信息的文字披露可能涉及一定的專業(yè)詞匯,此時如果企業(yè)年報的文本可讀性較差,報告中關于數(shù)據(jù)資產(chǎn)的專業(yè)表述難以有效反映數(shù)據(jù)資產(chǎn)信息所蘊含的企業(yè)價值潛力,因此數(shù)據(jù)資產(chǎn)信息在吸引分析師對相應個股予以關注的同時,也為分析師分析相關信息從而有效完成盈余預測帶來一定阻礙。因此,本文以年報可讀性作為調(diào)節(jié)變量,借鑒孟慶斌等[40]采用的方法,以所有樣本的個股年報可讀性的中位數(shù)為基準,將研究樣本分為高可讀性組和低可讀性組進行分組回歸,檢驗結果如表9所示。根據(jù)表9的內(nèi)容可知,高可讀性組中,解釋變量的系數(shù)為-8.639,且在5%置信水平上顯著;而在低可讀性組中,解釋變量的系數(shù)為-3.569,但不顯著。結果表明,公司的年報可讀性能夠影響公司數(shù)據(jù)資產(chǎn)信息披露頻率對分析師預測準確度的提升作用,公司年報可讀性越高,其數(shù)據(jù)資產(chǎn)信息的披露頻率越能夠改善分析師對公司跟蹤預測的準確度。

表9 高(低)可讀性組數(shù)據(jù)資產(chǎn)信息披露與分析師預測準確度回歸結果Table 9 Results about regression of data assets disclosure and analyst forecast accuracy in high (low) readability group

4.2 市場狀態(tài)

酈金梁等[41]提出,牛市狀態(tài)下投資者情緒一般傾向樂觀,而熊市狀態(tài)下投資者情緒則傾向悲觀,且市場對信息的反應在牛市狀態(tài)下也更活躍。據(jù)此,本文認為在牛市狀態(tài)下,由于市場對信息的反應更為活躍,分析師的獲利空間更大,因而更有積極性剖析數(shù)據(jù)資產(chǎn)等公司特質(zhì)信息以豐富其信息中介服務,促使數(shù)據(jù)資產(chǎn)信息能夠改善分析師預測的準確度。而在熊市狀態(tài)下,由于市場低迷,分析師預測的獲利水平有限,信息需求相對較弱,因而較少關注和分析數(shù)據(jù)資產(chǎn)相關信息;此外,考慮到在市場低迷時企業(yè)可能會通過在年報中使用晦澀難懂的詞語增大閱讀難度來掩蓋企業(yè)的負面情況[40],因此分析師處理數(shù)據(jù)資產(chǎn)這類專業(yè)性較強信息的難度可能也較大,本文認為,此時提高數(shù)據(jù)資產(chǎn)信息頻率難以改善分析師預測的準確度。

基于上述分析,本文檢驗了不同市場狀態(tài)下數(shù)據(jù)資產(chǎn)信息披露頻率對分析師預測準確度的影響。參考以往文獻[42-43],選取滬深300指數(shù)作為股票市場指數(shù),運用其120日均線將2010—2013年、2016年、2018年劃分為熊市階段,而將2014—2015年、2017年劃分為牛市階段,并按照盈余預測年度將對應樣本分入牛、熊市狀態(tài)組。分組回歸檢驗結果如表10所示,在牛市狀態(tài)組中,解釋變量的系數(shù)為-6.029,且在10%置信水平上顯著;而在熊市狀態(tài)組中,解釋變量的系數(shù)為-3.951,但不顯著?？梢钥闯?在牛市狀態(tài)下數(shù)據(jù)資產(chǎn)信息披露頻率確實能夠改善分析師預測準確度,而在熊市狀態(tài)下數(shù)據(jù)資產(chǎn)信息披露頻率則難以發(fā)揮改善分析師預測的作用。

表10 牛(熊)市狀態(tài)組數(shù)據(jù)資產(chǎn)信息披露與分析師預測準確度回歸結果Table 10 Results about regression of data assets disclosure and analyst forecast accuracy in bull (bear) market group

5 結論

本文通過挖掘2010—2017年我國A股市場上市公司的年度報告文本信息,檢驗了公司數(shù)據(jù)資產(chǎn)信息披露頻率對分析師跟蹤預測該公司盈余準確度的影響。研究發(fā)現(xiàn):1)公司年報中的數(shù)據(jù)資產(chǎn)信息披露頻率越高,分析師對該公司次年每股收益(EPS)的跟蹤預測報告越多,分析師篩選跟蹤預測的個股時越多地考慮了數(shù)據(jù)資產(chǎn)信息的供給;2)公司年報中數(shù)據(jù)資產(chǎn)信息披露頻率越高,分析師對該公司次年每股收益的預測偏誤越低,數(shù)據(jù)資產(chǎn)信息披露越能顯著改善分析師預測的準確度;3)提高數(shù)據(jù)資產(chǎn)信息披露頻率能夠通過提供企業(yè)前瞻性信息和改善企業(yè)信息透明度來提升分析師預測準確度;4)當公司年報可讀性較高或市場處于牛市狀態(tài)時,提高數(shù)據(jù)資產(chǎn)信息披露頻率更能改善分析師預測準確度。

本文的研究結論具有較強的實踐意義:第一,佐證了企業(yè)數(shù)據(jù)資產(chǎn)信息披露能夠通過改善分析師預測條件促進分析師扮演股票市場信息中介的角色。說明在數(shù)字經(jīng)濟迅速崛起過程中,數(shù)據(jù)資產(chǎn)信息已逐步成為企業(yè)有價值的特質(zhì)信息,其信息披露有利于保障市場的有效性。第二,證明了數(shù)據(jù)資產(chǎn)文本信息受分析師關注和信息披露頻率對分析師準確預測未來盈余的影響,促進企業(yè)更加重視數(shù)據(jù)資產(chǎn)的信息披露。第三,為證券監(jiān)管部門順應企業(yè)數(shù)字化轉型升級趨勢、針對性地采取監(jiān)管手段提高企業(yè)自愿性信息披露程度和信息質(zhì)量提供依據(jù)。第四,通過證明企業(yè)披露文本信息時,文本可讀性對分析師依據(jù)這些信息準確預測具有重要作用,影響企業(yè)不斷重視文本信息的科學表達并提高文本信息的可讀性。第五,為分析師評估上市公司信息披露質(zhì)量和在牛、熊不同市場狀態(tài)基礎上制定信息收集決策提供建議。