孫金帥

（1.北方國(guó)際信托股份有限公司博士后科研工作站，天津 300201；

2.天津財(cái)經(jīng)大學(xué)應(yīng)用經(jīng)濟(jì)學(xué)博士后科研流動(dòng)站，天津 300222）

■經(jīng)濟(jì)學(xué)

上市公司會(huì)計(jì)信息質(zhì)量與市場(chǎng)風(fēng)險(xiǎn)的關(guān)系研究
——基于面板VAR模型的實(shí)證分析

孫金帥1,2

（1.北方國(guó)際信托股份有限公司博士后科研工作站，天津 300201；

2.天津財(cái)經(jīng)大學(xué)應(yīng)用經(jīng)濟(jì)學(xué)博士后科研流動(dòng)站，天津 300222）

市場(chǎng)風(fēng)險(xiǎn)是證券投資領(lǐng)域中備受關(guān)注的主題，一直是理論界和實(shí)務(wù)界的研究熱點(diǎn)。本文以滬深兩市A股上市公司作為研究樣本，從應(yīng)計(jì)質(zhì)量視角來(lái)度量上市公司的會(huì)計(jì)信息質(zhì)量水平，運(yùn)用面板VAR模型實(shí)證檢驗(yàn)了會(huì)計(jì)信息質(zhì)量對(duì)市場(chǎng)風(fēng)險(xiǎn)的影響。研究結(jié)果表明，上市公司會(huì)計(jì)信息質(zhì)量水平在短期內(nèi)與其市場(chǎng)風(fēng)險(xiǎn)呈現(xiàn)顯著負(fù)相關(guān)關(guān)系，經(jīng)過(guò)長(zhǎng)期的調(diào)整過(guò)程，這種沖擊效應(yīng)逐漸弱化，逐漸趨向于0；通過(guò)方差分解得出，會(huì)計(jì)信息質(zhì)量是市場(chǎng)風(fēng)險(xiǎn)的重要影響因素。在實(shí)證檢驗(yàn)的基礎(chǔ)上，提出了完善會(huì)計(jì)信息披露制度的政策建議。

上市公司；會(huì)計(jì)信息質(zhì)量；市場(chǎng)風(fēng)險(xiǎn)；面板VAR模型

一、引言

在證券投資領(lǐng)域，風(fēng)險(xiǎn)是一個(gè)永恒存在且備受關(guān)注的主題，其中市場(chǎng)風(fēng)險(xiǎn)是最常見(jiàn)和最普遍的風(fēng)險(xiǎn)。市場(chǎng)風(fēng)險(xiǎn)是由于利率、匯率、股票指數(shù)、物價(jià)指數(shù)和通貨膨脹率等市場(chǎng)因子的不利變化所引起的證券預(yù)期收益水平的不確定性。在資本市場(chǎng)中，市場(chǎng)風(fēng)險(xiǎn)的存在，嚴(yán)重影響了投資者參與市場(chǎng)投資的積極性，降低了資本市場(chǎng)的有效性，因此，對(duì)于市場(chǎng)風(fēng)險(xiǎn)的研究一直是理論界和實(shí)務(wù)界的熱點(diǎn)。

信息作為市場(chǎng)效率的核心，在資本市場(chǎng)運(yùn)行過(guò)程中發(fā)揮著至關(guān)重要的作用。會(huì)計(jì)信息是市場(chǎng)信息的重要組成部分，其質(zhì)量高低影響到證券投資的市場(chǎng)風(fēng)險(xiǎn)。應(yīng)計(jì)項(xiàng)目是公司管理層用來(lái)操縱盈余的重要工具，公司面臨的市場(chǎng)風(fēng)險(xiǎn)均會(huì)在應(yīng)計(jì)項(xiàng)目的變動(dòng)中得到體現(xiàn)。因此，從應(yīng)計(jì)質(zhì)量視角來(lái)度量上市公司的會(huì)計(jì)信息質(zhì)量水平，研究其對(duì)市場(chǎng)風(fēng)險(xiǎn)的影響，是一個(gè)很好的切入點(diǎn)，具有重要的現(xiàn)實(shí)意義。

二、理論分析

信息披露是連接上市公司和投資者的紐帶，高質(zhì)量的信息披露可以降低證券發(fā)行與交易過(guò)程中的信息不對(duì)稱，防范市場(chǎng)風(fēng)險(xiǎn)，提高資源配置效率，從而提高上市公司的市場(chǎng)競(jìng)爭(zhēng)力，促進(jìn)資本市場(chǎng)的繁榮。Clarkson認(rèn)為提高公司的信息披露質(zhì)量，有助于提高投資者對(duì)公司財(cái)務(wù)參數(shù)估計(jì)的精確度，降低股票收益率的預(yù)測(cè)風(fēng)險(xiǎn)，減少投資損失[1]。Healy和Palepu指出高質(zhì)量的信息披露可以減少投資的不確定性，降低投資風(fēng)險(xiǎn)[2]。Brown和Hillegeist運(yùn)用三階段最小二乘法，實(shí)證檢驗(yàn)發(fā)現(xiàn)整體信息披露質(zhì)量與市場(chǎng)風(fēng)險(xiǎn)存在負(fù)相關(guān)關(guān)系，同時(shí)，采用季度、年度和投資者關(guān)系等整體信息的三個(gè)主要成分進(jìn)行檢驗(yàn)，上述關(guān)系仍然成立[3]。因此，在資本市場(chǎng)運(yùn)行過(guò)程中，信息披露制度一直是最基本的制度之一。對(duì)于上市公司而言，信息披露質(zhì)量越高，越能夠幫助投資者制定有效的投資決策，降低投資者面臨的市場(chǎng)風(fēng)險(xiǎn)。

會(huì)計(jì)信息作為信息披露制度的核心內(nèi)容，已經(jīng)引起了準(zhǔn)則制定機(jī)構(gòu)的高度關(guān)注，會(huì)計(jì)信息質(zhì)量對(duì)于防范市場(chǎng)風(fēng)險(xiǎn)的重要性不言而喻。在財(cái)務(wù)報(bào)表定期發(fā)布時(shí)，處于信息劣勢(shì)的外部投資者可以了解公司的相關(guān)信息，降低與控股股東以及管理層之間的信息不對(duì)稱程度，從而據(jù)此做出較理智的投資決策，降低投資者面臨的市場(chǎng)風(fēng)險(xiǎn)。一方面，高質(zhì)量的會(huì)計(jì)信息披露可以提高市場(chǎng)的透明度，向投資者提供正確的估值信息，減少因錯(cuò)誤定價(jià)所造成的損失；另一方面，高質(zhì)量的會(huì)計(jì)信息披露可以降低信息不對(duì)稱的程度，約束管理層的機(jī)會(huì)主義行為，保護(hù)外部投資者的利益。高質(zhì)量的會(huì)計(jì)信息可以使投資者更為清楚地了解被投資單位的真實(shí)狀況，減少投資的不確定，降低投資風(fēng)險(xiǎn)。Scott提出上市公司有必要擴(kuò)大披露與市場(chǎng)風(fēng)險(xiǎn)有密切關(guān)系的會(huì)計(jì)項(xiàng)目，如金融工具的數(shù)量和性質(zhì)、重要的負(fù)債等項(xiàng)目[4]。然而，鮮有學(xué)者從會(huì)計(jì)信息質(zhì)量角度對(duì)上市公司的市場(chǎng)風(fēng)險(xiǎn)進(jìn)行研究。

根據(jù)上述理論分析，我們提出假設(shè)：上市公司會(huì)計(jì)信息質(zhì)量與市場(chǎng)風(fēng)險(xiǎn)呈負(fù)相關(guān)關(guān)系。

三、變量定義與模型設(shè)定

（一）會(huì)計(jì)信息質(zhì)量的度量

關(guān)于應(yīng)計(jì)質(zhì)量的度量模型主要有Healy模型、DeAngelo模型、Jones模型、DS行業(yè)模型、修正的Jones模型（即DSS模型）、DD模型以及FLOS模型。王鴻隨機(jī)選取了我國(guó)A股市場(chǎng)中處于IPO、配股和再發(fā)行期間的上市公司作為研究樣本，實(shí)證檢驗(yàn)了Healy模型、Jones系列模型、KS模型、BS模型、DD模型和FLOS模型對(duì)于會(huì)計(jì)信息質(zhì)量的度量效果[5]。研究結(jié)果表明，F(xiàn)LOS模型對(duì)于我國(guó)A股市場(chǎng)會(huì)計(jì)信息質(zhì)量水平的度量效果最好。本文在此研究的基礎(chǔ)上，對(duì)FLOS綜合模型進(jìn)行改進(jìn)，以期得到更加精確的度量模型[6]。

為了更好地說(shuō)明無(wú)形資產(chǎn)和其它長(zhǎng)期資產(chǎn)以及業(yè)績(jī)水平對(duì)流動(dòng)性應(yīng)計(jì)利潤(rùn)的綜合效應(yīng)[7-8]，在FLOS模型的基礎(chǔ)上，同時(shí)將兩者引入到FLOS模型中，構(gòu)建如下模型1（IRFLOS模型）①[9-11]。

（二）市場(chǎng)風(fēng)險(xiǎn)的度量

在股票市場(chǎng)中，波動(dòng)性是重要的市場(chǎng)環(huán)境特征，代表著市場(chǎng)風(fēng)險(xiǎn)的大小，因此可以采用如下方法來(lái)度量上市公司的市場(chǎng)風(fēng)險(xiǎn)大小。

ht表示過(guò)去全部殘差的正加權(quán)平均值，與波動(dòng)率的聚集效應(yīng)相符合，本文采用GARCH（1，1）模型計(jì)算的波動(dòng)性來(lái)表示市場(chǎng)風(fēng)險(xiǎn)的大小。

（三）模型構(gòu)建

本文采用面板VAR模型（PVAR模型）進(jìn)行分析[14-15]，面板VAR模型綜合了時(shí)間序列模型和面板數(shù)據(jù)模型的優(yōu)點(diǎn)，不僅能夠控制樣本效應(yīng)和時(shí)間效應(yīng)，還能夠分析面對(duì)沖擊時(shí)經(jīng)濟(jì)變量的動(dòng)態(tài)反應(yīng)。在分析過(guò)程中，根據(jù)廣義矩估計(jì)估計(jì)系數(shù)的t統(tǒng)計(jì)值和脈沖響應(yīng)函數(shù)的收斂情況，本文最終選擇了滯后2階的面板VAR模型。PVAR（2）模型如下：

面板VAR模型主要由三個(gè)部分組成：（1）、面板矩估計(jì)（GMM），說(shuō)明變量之間的回歸關(guān)系；（2）、脈沖響應(yīng)函數(shù)，通過(guò)動(dòng)態(tài)的脈沖響應(yīng)函數(shù)圖，觀察各變量對(duì)沖擊的反應(yīng)情況；（3）、誤差項(xiàng)的方差分析，可以說(shuō)明誤差項(xiàng)的影響因素大小。

四、樣本選擇

本文選取滬深兩市A股上市公司作為研究對(duì)象，剔除金融類上市公司、ST類上市公司以及數(shù)據(jù)缺失和規(guī)范不合格的公司，得到組成面板數(shù)據(jù)后的有效完整樣本為605家。其中，財(cái)務(wù)數(shù)據(jù)來(lái)自RESSET數(shù)據(jù)庫(kù)，樣本區(qū)間為 2007-2010年。同時(shí)，為了克服異常值的影響，本文對(duì)所選的變量在樣本 1%和99%分位數(shù)處進(jìn)行了Winsorized縮尾處理。

五、實(shí)證結(jié)果與分析

（一）變量的統(tǒng)計(jì)特征

表1：所選變量的描述性統(tǒng)計(jì)

由表1的統(tǒng)計(jì)結(jié)果可以看出，會(huì)計(jì)信息質(zhì)量的均值為0.414，中位數(shù)為0.334，略微呈現(xiàn)右偏斜狀態(tài)，最大值為2.123，最小值為0.004，表明不同上市公司間的會(huì)計(jì)信息質(zhì)量水平有較大的差異。采用RV模型和GARCH模型度量的市場(chǎng)風(fēng)險(xiǎn)，也表現(xiàn)為右偏斜狀態(tài)，不同公司間的市場(chǎng)風(fēng)險(xiǎn)差異水平較明顯。

（二）面板單位根檢驗(yàn)

為了避免一種檢驗(yàn)方法所造成的偏差，保證檢驗(yàn)結(jié)果的穩(wěn)健性，本文分別采用 LLC方法、ADF-Fisher方法和PP-Fisher方法對(duì)會(huì)計(jì)信息質(zhì)量和市場(chǎng)風(fēng)險(xiǎn)變量進(jìn)行單位根檢驗(yàn)，檢驗(yàn)結(jié)果如下表2所示。

表2：面板單位根檢驗(yàn)結(jié)果

從表2檢驗(yàn)結(jié)果可知，對(duì)會(huì)計(jì)信息質(zhì)量和市場(chǎng)風(fēng)險(xiǎn)的水平值進(jìn)行檢驗(yàn)時(shí)，檢驗(yàn)結(jié)果均在1%水平下通過(guò)單位根檢驗(yàn)，說(shuō)明各變量均為平穩(wěn)序列。

（三）面板協(xié)整檢驗(yàn)

由于變量會(huì)計(jì)信息質(zhì)量和市場(chǎng)風(fēng)險(xiǎn)均表現(xiàn)為同階平穩(wěn)性序列，因此，可以對(duì)其進(jìn)行面板協(xié)整檢驗(yàn)，以檢驗(yàn)會(huì)計(jì)信息質(zhì)量與市場(chǎng)風(fēng)險(xiǎn)之間是否存在著長(zhǎng)期的均衡關(guān)系。本文運(yùn)用 Pedroni協(xié)整檢驗(yàn)方法進(jìn)行檢驗(yàn)，結(jié)果如表3所示。

表3：面板協(xié)整檢驗(yàn)結(jié)果

由表3可知，所有的統(tǒng)計(jì)量均在1%水平下顯著，通過(guò)了面板協(xié)整檢驗(yàn)，說(shuō)明會(huì)計(jì)信息質(zhì)量與市場(chǎng)風(fēng)險(xiǎn)之間存在長(zhǎng)期協(xié)整關(guān)系。

（四）市場(chǎng)風(fēng)險(xiǎn)采用RV方法度量的實(shí)證結(jié)果

1、面板VAR模型的估計(jì)

在進(jìn)行廣義矩估計(jì)（GMM估計(jì)）時(shí)，需要消除面板VAR模型中的時(shí)間效應(yīng)和樣本固定效應(yīng)。本研究在橫截面上進(jìn)行均值差分法消除時(shí)間效應(yīng)，采用前向均值差分法（即Helmert過(guò)程）消除樣本固定效應(yīng)。估計(jì)結(jié)果如下表4所示。

從估計(jì)結(jié)果可以看出，在市場(chǎng)風(fēng)險(xiǎn)作為因變量時(shí)，會(huì)計(jì)信息質(zhì)量滯后一期的系數(shù)顯著為負(fù)，滯后二期的系數(shù)為負(fù)，但是不顯著，這說(shuō)明上市公司會(huì)計(jì)信息質(zhì)量水平對(duì)市場(chǎng)風(fēng)險(xiǎn)有明顯的負(fù)向影響。隨著時(shí)間的推移，會(huì)計(jì)信息質(zhì)量水平對(duì)市場(chǎng)風(fēng)險(xiǎn)的負(fù)向影響有略微減弱的趨勢(shì)，系數(shù)由-0.000 574變?yōu)?0.000 532。同時(shí)，市場(chǎng)風(fēng)險(xiǎn)對(duì)其自身滯后一期的t值檢驗(yàn)顯著，滯后二期的t值檢驗(yàn)較小，說(shuō)明市場(chǎng)風(fēng)險(xiǎn)存在一定程度的短期相關(guān)性。

表4：面板VAR模型GMM估計(jì)結(jié)果

2、正交脈沖響應(yīng)函數(shù)的建立

脈沖響應(yīng)函數(shù)是用來(lái)刻畫單位隨機(jī)擾動(dòng)項(xiàng)tμ的沖擊對(duì)其他變量路徑走勢(shì)的影響，可以直觀地觀測(cè)到變量之間的動(dòng)態(tài)交互作用和效應(yīng)，并從中判斷變量間的時(shí)滯關(guān)系。本文通過(guò)Monte Carlo方法模擬1000次得到圖1脈沖響應(yīng)函數(shù)圖，并給出了90%的置信度區(qū)間。

圖1：面板VAR模型脈沖響應(yīng)函數(shù)圖

在脈沖響應(yīng)函數(shù)圖中，橫軸表示沖擊反應(yīng)的響應(yīng)期數(shù)，滯后期數(shù)為6期，縱軸表示變量對(duì)于沖擊反應(yīng)的響應(yīng)程度，中間的曲線表示受到?jīng)_擊反應(yīng)后，脈沖響應(yīng)函數(shù)的點(diǎn)估計(jì)值序列，上下兩條曲線表示90%置信水平下的上下界限。

從會(huì)計(jì)信息質(zhì)量對(duì)市場(chǎng)風(fēng)險(xiǎn)的脈沖響應(yīng)走勢(shì)可以看出，會(huì)計(jì)信息質(zhì)量的一個(gè)新息沖擊會(huì)對(duì)市場(chǎng)風(fēng)險(xiǎn)產(chǎn)生持續(xù)顯著的負(fù)面影響，并且波動(dòng)較大，在1-2期達(dá)到峰值，隨著時(shí)間的推移，沖擊效應(yīng)會(huì)越來(lái)越小，在第3期之后，逐步收斂為0。

3、方差分解

為了更清楚地分析會(huì)計(jì)信息質(zhì)量對(duì)市場(chǎng)風(fēng)險(xiǎn)的影響程度，通過(guò)方差分解的方法，考察隨著時(shí)間的積累，會(huì)計(jì)信息質(zhì)量水平的變化對(duì)市場(chǎng)風(fēng)險(xiǎn)波動(dòng)的解釋程度。表5給出了10年、20年和30年的方差分解結(jié)果。

表5：面板VAR模型方差分解結(jié)果

從方差分解結(jié)果可以看出，10年、20年和30年對(duì)方程分析的結(jié)果是一致的，說(shuō)明10年后，系統(tǒng)已經(jīng)處于穩(wěn)定狀態(tài)。市場(chǎng)風(fēng)險(xiǎn)的波動(dòng)約有 4.68%是由會(huì)計(jì)信息質(zhì)量水平的變化引起的，說(shuō)明會(huì)計(jì)信息質(zhì)量是影響市場(chǎng)風(fēng)險(xiǎn)的重要因素。因此，提高上市公司的會(huì)計(jì)信息質(zhì)量水平是至關(guān)重要的。

（五）市場(chǎng)風(fēng)險(xiǎn)采用GARCH模型度量的實(shí)證結(jié)果

為了更好地說(shuō)明會(huì)計(jì)信息質(zhì)量對(duì)市場(chǎng)風(fēng)險(xiǎn)的影響，本部分采用GARCH模型度量的市場(chǎng)風(fēng)險(xiǎn)來(lái)進(jìn)行分析，計(jì)算結(jié)果如下所示。

1、面板VAR模型的估計(jì)

表6：面板VAR模型GMM估計(jì)結(jié)果

從模型計(jì)算結(jié)果可知，在市場(chǎng)風(fēng)險(xiǎn)作為被解釋變量時(shí)，會(huì)計(jì)信息質(zhì)量滯后一期和二期的系數(shù)均顯著為負(fù)，說(shuō)明會(huì)計(jì)信息質(zhì)量水平對(duì)市場(chǎng)風(fēng)險(xiǎn)存在明顯的負(fù)向影響。隨著時(shí)間的推移，會(huì)計(jì)信息質(zhì)量水平對(duì)市場(chǎng)風(fēng)險(xiǎn)的負(fù)向影響有略微減弱的趨勢(shì)，系數(shù)由-0.098 924變?yōu)?0.055 184。同時(shí)，市場(chǎng)風(fēng)險(xiǎn)對(duì)其自身滯后一期的t檢驗(yàn)效果顯著，滯后二期的t檢驗(yàn)效果不明顯，說(shuō)明市場(chǎng)風(fēng)險(xiǎn)本身存在一定程度的短期相關(guān)性。

2、正交脈沖響應(yīng)函數(shù)的建立

圖2：面板VAR模型脈沖響應(yīng)函數(shù)圖

從會(huì)計(jì)信息質(zhì)量對(duì)市場(chǎng)風(fēng)險(xiǎn)的脈沖響應(yīng)函數(shù)可以看出，一個(gè)會(huì)計(jì)信息質(zhì)量的變化沖擊，會(huì)造成市場(chǎng)風(fēng)險(xiǎn)水平先表現(xiàn)為顯著負(fù)向效應(yīng)，在1-2期達(dá)到峰值，第2期后略微呈現(xiàn)正向效應(yīng)，隨著時(shí)間的推移，沖擊效應(yīng)會(huì)越來(lái)越小，在第3期之后，逐步收斂為0。

3、方差分解

表7：面板VAR模型方差分解結(jié)果

從方差分解結(jié)果可以看出，10年、20年和30年對(duì)方程分析的結(jié)果是一致的，說(shuō)明10年后，系統(tǒng)已經(jīng)處于穩(wěn)定狀態(tài)。但是，市場(chǎng)風(fēng)險(xiǎn)的波動(dòng)約有54%是由會(huì)計(jì)信息質(zhì)量水平的變化引起的，說(shuō)明會(huì)計(jì)信息質(zhì)量是影響市場(chǎng)風(fēng)險(xiǎn)的主要因素，與上述研究有著顯著的差異。因此，提高上市公司的會(huì)計(jì)信息質(zhì)量水平是至關(guān)重要的。

無(wú)論采用RV方法度量市場(chǎng)風(fēng)險(xiǎn)，還是采用GARCH模型度量市場(chǎng)風(fēng)險(xiǎn)，運(yùn)用面板VAR模型所進(jìn)行的實(shí)證檢驗(yàn)結(jié)果基本一致。

六、研究結(jié)論

根據(jù)上述研究過(guò)程，可以得出如下結(jié)論，在我國(guó)目前的情況下，上市公司會(huì)計(jì)信息質(zhì)量水平在短期內(nèi)與其市場(chǎng)風(fēng)險(xiǎn)呈現(xiàn)顯著負(fù)相關(guān)關(guān)系，經(jīng)過(guò)長(zhǎng)期的調(diào)整過(guò)程，這種沖擊效應(yīng)逐漸弱化，逐漸趨向于0；通過(guò)方差分解可以看出，會(huì)計(jì)信息質(zhì)量是市場(chǎng)風(fēng)險(xiǎn)的重要影響因素。因此，為了有效避免市場(chǎng)風(fēng)險(xiǎn)，需要提高上市公司的會(huì)計(jì)信息質(zhì)量水平。

在現(xiàn)階段的會(huì)計(jì)改革中，需要完善會(huì)計(jì)信息披露制度，提高會(huì)計(jì)信息質(zhì)量水平，提升會(huì)計(jì)信息的決策有用性，從而控制上市公司的市場(chǎng)風(fēng)險(xiǎn)程度?？梢詮囊韵聨讉€(gè)方面加以完善：（1）財(cái)政部門加強(qiáng)會(huì)計(jì)信息披露監(jiān)管，致力于制定更高質(zhì)量的會(huì)計(jì)準(zhǔn)則體系；政府部門建立一套規(guī)范、標(biāo)準(zhǔn)的會(huì)計(jì)信息質(zhì)量評(píng)價(jià)體系，并在上市公司間推廣應(yīng)用。（2）加強(qiáng)市場(chǎng)化改革，減少政府干預(yù)，鼓勵(lì)外部投資者積極參與公司治理。（3）加強(qiáng)審計(jì)市場(chǎng)建設(shè)，充分發(fā)揮其監(jiān)督作用。（4）上市公司增強(qiáng)自身的自律性，能夠積極主動(dòng)地進(jìn)行真實(shí)的會(huì)計(jì)信息披露。

[注 釋]

① 本文運(yùn)用預(yù)測(cè)誤差方法和可操縱性應(yīng)計(jì)利潤(rùn)暫時(shí)性效應(yīng)檢驗(yàn)?zāi)Ｐ蛯?duì)改進(jìn)后的 IRFLOS模型進(jìn)行了檢驗(yàn)，發(fā)現(xiàn)IRFLOS模型與FLOS模型相比，IRFLOS模型能夠更精確地度量出上市公司的會(huì)計(jì)信息質(zhì)量水平。同時(shí)，本文的應(yīng)計(jì)質(zhì)量等同于會(huì)計(jì)信息質(zhì)量。

② 感謝世界銀行Inessa Love博士提供的關(guān)于Panel VAR模型在Stata統(tǒng)計(jì)軟件中使用的程序語(yǔ)言和操作步驟。

[1] CLARKSON S,DJANKOV S.Information Disclosure Policy and Risk in Equity Markets[J].Journal of Finance,1996,54:471-517.

[2] HEALY P,PALEPU K.Information Asymmetry,Corporate Disclosure,and the Capital Markets:A Review of the Empirical Disclosure Literature[J].Journal of Accounting and Economics,2001(31):405-440.

[3] BROWN S,FINN M,HILLEGEIST AS.Disclosure Quality and the Probability of Informed Trade[J].The Accounting Review,2003(9):65-97.

[4] SCOTT G.Financial Accounting and Corporate Governance,A Discussion[J].Journal of Accounting and Economics,2003,32:335-347.

[5] 王鴻.應(yīng)計(jì)質(zhì)量與資產(chǎn)定價(jià)——基于中國(guó)證券市場(chǎng)的分析[D].成都:西南交通大學(xué),2010.

[6] FRANCIS J,LAFOND R,OLSSON P M,et al.The Market Pricing of Accruals Quality[J].Journal of Accounting and Economics,2005(2):295-327.

[7] 陸建橋.中國(guó)虧損上市公司盈余管理實(shí)證研究[J].會(huì)計(jì)研究,1999(9):25-35.

[8] KOTHARI S P,REW J LEONE,CHARLES E WASLEY.Performance Matched Discretionary Accrual Measures[J].Journal of Accounting and Economics,2005,39:163-197.

[9] THOMAS J,ZHANG X J.Identifying Unexpected Accruals:A Comparison of Current Approaches[J].Journal of Accounting and Public Policy,2000,19:347-376.

[10] SLOAN R G.Do Stock Prices Fully Reflect Information in Accruals and Cash Flows About Future Earnings?[J].The Accounting Review,1996(3):289-315.

[11] XIE H.The Mispricing of Abnormal Accruals[J].The Accounting Review,2001(3):357-373.

[12] 葉五一,繆柏其.已實(shí)現(xiàn)波動(dòng)與日內(nèi)價(jià)差條件下的CVaR估計(jì)[J].管理科學(xué)學(xué)報(bào),2012(8):60-71.

[13] BOLLERSLEV TIM.Generalized Autoregressive Conditional Heteroscedasticity[J].Journal of Econometrics,1986,31:307-327.

[14] I LOVE,L ZICCHINO.Financial Development and Dynamic Investment Behavior:Evidence from Panel VAR[J].The Quarterly Review of Economics and Finance,2006(46):190-210.

[15] 高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模:EViews應(yīng)用及案例[M].北京:清華大學(xué)出版社,2009:3.

本文推薦專家：

馮玉梅，山東財(cái)經(jīng)大學(xué)金融學(xué)院，教授，研究方向: 金融工程與金融風(fēng)險(xiǎn)管理。

梅世強(qiáng)，天津大學(xué)管理與經(jīng)濟(jì)學(xué)部，副教授，研究方向：公司財(cái)務(wù)與公司治理。

The Relationship Study of Accounting Information Quality and Market Risk on Listed Companies: An Empirical Analysis Based on Panel VAR Model

SUN JINSHUAI1,2
(1.Post-doctoral Scientific Research Workstation, Northern International Trust CO.,LTD, Tianjin, 300201, China;2.Post-doctoral Scientific Research Station of Applied Economics, Tianjin University of Finance and Economics, Tianjin,300222, China)

Market risk is a topic highly concerned in the field of securities investment, which has been a research focus of the theoretical and practical circles. This paper chooses the Shanghai and Shenzhen A-share listed companies as samples, measures the accounting information quality of listed companies from the perspective of accruals quality, and empirically tests the effect of accounting information quality on market risk using the panel VAR model. The results show that the level of accounting information quality of listed companies and its market risk presents a significant negative relation in the short term. After a long process of adjustment, this shock effect gradually weakens, and gradually tends to zero. The variance decomposition draws that the accounting information quality is an important impact factor of market risk. At last, we propose policy recommendations to improve the accounting information disclosure system based on the empirical test.

listed company; accounting information quality; market risk; panel VAR model

F276.6

A

1008-472X(2014)05-0060-09

2014-02-17

教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目（11YJC630067）

孫金帥（1984-），男，山東日照人，北方國(guó)際信托股份有限公司博士后科研工作站博士后研究人員，天津財(cái)經(jīng)大學(xué)應(yīng)用經(jīng)濟(jì)學(xué)博士后科研流動(dòng)站博士后研究人員。