肖志超，胡國強

（天津財經大學 商學院，天津 300222）

一、引 言

隨著近年來“從微觀到宏觀”研究范式的興起，會計信息對宏觀經濟增長的預測功能備受關注?，F(xiàn)有研究發(fā)現(xiàn)，資本市場層面匯總的會計盈余與未來GDP增長顯著正相關（Konchitchki和Patatoukas，2014；方軍雄等，2015；唐松等，2015；羅宏等，2016）。然而，正如 Ball和 Sadka（2015）所指出，匯總的會計盈余對經濟增長的預測并非僅由公司層面會計盈余所具有的預測信息簡單加總而來；相關研究在探討匯總會計信息與宏觀經濟變量之間的相關性時，還要深入分析會計信息預測宏觀經濟增長的實現(xiàn)路徑。鑒于此，本文參考Konchitchki和Patatoukas（2014）以及Abdalla和Carabias（2017）的研究思路，基于國民經濟核算體系內在邏輯和會計穩(wěn)健性原則，將凈利潤分解為資產減值損失和不包括資產減值損失的凈利潤（下文簡稱“調整會計盈余”），考察了會計信息對未來GDP增長預測功能的實現(xiàn)路徑。

其理論邏輯是：一方面，在會計準則體系中，會計盈余是收入和費用在權責發(fā)生制下配比核算的結果，反映的是企業(yè)過去發(fā)生的交易和事項，主要體現(xiàn)為歷史成本計量。在國民經濟核算體系下，營業(yè)盈余作為GDP的重要組成部分，同樣以權責發(fā)生制和歷史成本法作為核算基礎，與會計盈余具有高度兼容性（Konchitchki和 Patatoukas，2014；唐松等，2015；羅宏等，2016）。因此，從國民經濟核算體系內在邏輯來看，會計盈余的宏觀經濟預測能力可能來自會計盈余與營業(yè)盈余的“機械”相關。換言之，可以觀測到“當期調整會計盈余?未來營業(yè)盈余?未來GDP增長”這一影響路徑，本文將其概括為“盈余傳導”。

另一方面，資產減值項目作為會計穩(wěn)健原則的集中體現(xiàn)，同樣能預測宏觀經濟增長，并且其預測功能的實現(xiàn)所遵循的路徑可能與“盈余傳導”不同。首先，資產減值損失以可回收金額與賬面價值孰低為計量標準，而可回收金額以資產的公允價值減去?處置費用后的凈額與資產預計未來現(xiàn)金流量的現(xiàn)值中較高者確定（參見《企業(yè)會計準則第8號 資產減值》）。通過將未來預期損失提前確認至當期盈余，資產減值項目體現(xiàn)了管理層對未來經營風險和負面沖擊的估計（Abdalla 和 Carabias，2017；Konchitchki和 Patatoukas，2016；Laurion 和 Patatoukas，2016）。其次，與調整會計盈余的高度序列相關不同，資產減值項目帶有偶發(fā)性特征，并且未包含在國內生產總值的核算中。最后，更重要的是，它是管理者在穩(wěn)健原則下運用會計估計和專業(yè)判斷的結果，包含了管理者有關未來經濟運行風險的大量私有信息。雖然資產減值項目可能成為管理層進行盈余操縱的工具（張然等，2007；譚燕，2008），但市場層面的匯總資產減值項目能抵消公司層面的操縱性“噪音”（Ball和Sadka，2015），體現(xiàn)為管理者對未來宏觀經濟運行風險的“系統(tǒng)性”估計。因此，與匯總調整會計盈余相比，匯總資產減值對經濟增長的預測功能主要通過對未來宏觀經濟運行風險的估計來實現(xiàn)（Konchitchki和Patatoukas，2016），本文將這一實現(xiàn)路徑概括為“風險感知”。

本文利用2003年第一季度至2016年第四季度滬深A股公司匯總的財務數(shù)據(jù)，研究了會計信息通過“風險感知”和“盈余傳導”兩條路徑對GDP經濟增長的預測作用。研究發(fā)現(xiàn)：（1）匯總的資產減值項目和匯總的調整會計盈余均對未來GDP增長具有預測能力。（2）以宏觀經濟先行指數(shù)和企業(yè)家信心指數(shù)作為未來經濟運行風險的代理變量，采用中介效應模型檢驗“風險感知”路徑，發(fā)現(xiàn)宏觀經濟運行風險變量在資產減值項目的預測過程中具有顯著的中介效應，而這一中介效應在調整會計盈余的預測過程中不顯著，支持資產減值項目經由“風險感知”路徑實現(xiàn)預測功能的假設。同時，構建反向回歸模型對“盈余傳導”路徑進行檢驗，發(fā)現(xiàn)調整會計盈余與GDP增長的相關性主要是通過營業(yè)盈余來實現(xiàn)的，而營業(yè)盈余的作用在資產減值項目與GDP增長的相關性中并不顯著，這一結果支持本文提出的“盈余傳導”路徑。（3）在進一步的研究中，本文以宏觀信用利差波動和經濟周期波動來刻畫宏觀經濟下行壓力，檢驗發(fā)現(xiàn)在經濟下行壓力加大時，匯總的資產減值項目與未來GDP增長的負向關系更顯著，而匯總的調整會計盈余與未來GDP增長的正向關系在不同經濟運行狀態(tài)下沒有顯著差異。本文研究表明，會計信息經由“風險感知”與“盈余傳導”兩條路徑對未來經濟增長發(fā)揮預測功能。

本文可能的研究貢獻有：（1）首次將會計穩(wěn)健性原則與國民經濟核算體系相結合，通過將會計盈余分解為資產減值與調整會計盈余，提出并證實了會計信息預測宏觀經濟的“盈余傳導”和“風險感知”兩條路徑。Konchitchki和 Patatoukas（2016）以及 Abdalla和 Carabias（2017）均指出，會計穩(wěn)健性包含了未來宏觀風險的信息，但并未對此進行檢驗。本文以中介效應模型對風險感知路徑進行了檢驗，拓展了Konchitchki和Patatoukas（2014）的研究范式，為宏觀會計領域的相關研究提供了新的思路。（2）現(xiàn)有研究對會計穩(wěn)健性在緩解信息不對稱、降低融資成本以及提高資本市場定價效率等微觀層面的經濟后果進行了充分討論（張敦力和李琳，2011；陳圣飛等，2011；張榮武和伍中信，2010），資產減值項目所體現(xiàn)的穩(wěn)健原則也在微觀層面得到證實（Dechow和 Ge，2006；Callen 等，2010；Roychowdhury 和 M artin，2013）。而在宏觀經濟層面，除了 Craw ley（2015）首次研究了會計穩(wěn)健性在經濟增長中的表現(xiàn)及其對貨幣政策的影響外，這方面的文獻還很少見。本文通過對資產減值項目宏觀預測能力的研究，提供了會計穩(wěn)健性宏觀經濟后果的新證據(jù)。

二、文獻回顧與研究假設

自Ball和Brown（1968）開創(chuàng)性地將實證范式引入會計盈余信息含量的研究以來，如何利用財務信息預測企業(yè)經營績效，始終是財務會計領域的經典問題。會計信息不但是企業(yè)投融資決策、制定發(fā)展戰(zhàn)略的重要基礎，還在反映宏觀經濟波動和支持政府宏觀經濟決策等方面具有重要意義，但后者長期未受到關注（姜國華和饒品貴，2011）。近年來隨著“微觀?宏觀”范式的興起，以宏觀視角對會計盈余信息含量的研究開始增多。Konchitchki和Patatoukas（2014）的研究首次提供了會計盈余在宏觀經濟層面具有信息含量的證據(jù)，發(fā)現(xiàn)季度匯總會計盈余同比增長與未來四個季度的GDP增長均顯著正相關。隨后，延續(xù)其研究思路，唐松等（2015）及羅宏等（2016）利用中國上市公司數(shù)據(jù)，也證實了當期會計盈余與未來GDP增長的相關性，并且發(fā)現(xiàn)新會計準則的采用提高了會計盈余的宏觀預測能力。此外，方軍雄等（2015）發(fā)現(xiàn)分析師的確利用了會計盈余所包含的宏觀經濟信息。

現(xiàn)有研究認為，會計盈余之所以能夠預測GDP增長，原因在于：（1）當期會計盈余不但反映了過去投資活動的回報，也包含未來盈余信息；而企業(yè)盈余在?準則體系下的核算過程與國民經濟核算體系高度兼容，既構成收入法下GDP的重要組成部分 營業(yè)盈余，也與GDP的其他組成部分密切相關（Fischer和Merton，1984）。因此，作為企業(yè)層面的產出信息，會計盈余“天然”地具有將微觀企業(yè)與宏觀經濟聯(lián)系起來的紐帶作用（Konchitchki和Patatoukas，2014；羅宏等，2016）。（2）除了傳遞企業(yè)未來現(xiàn)金流信息外，會計盈余中也包含關于企業(yè)未來經營風險的信息，因此匯總會計盈余能提供有關宏觀經濟增長的實質性預測信息。但現(xiàn)有研究并未深入分析會計盈余如何實現(xiàn)對宏觀經濟增長的預測功能。作為國民經濟核算體系的有機組成部分，會計盈余除了表現(xiàn)出直接、可觀測的“機械”相關性外，是否還能提供不可直接觀測的實質性預測信息？本文以此為切入點，將會計盈余分解為調整會計盈余與資產減值損失兩部分，深入分析會計信息宏觀經濟預測功能的實現(xiàn)路徑。

首先，在會計準則體系中，會計盈余是收入和費用在權責發(fā)生制下配比核算的結果，反映的是企業(yè)過去發(fā)生的交易和事項，主要體現(xiàn)為歷史成本計量。會計盈余作為企業(yè)過去投資行為的收益，提供了未來期間投資回報的信息，而后者作為營業(yè)盈余又是收入法下GDP的重要組成部分。因此，盈余與未來GDP增長之間的“機械”相關，意味著存在“當期會計盈余?未來營業(yè)盈余?未來GDP增長”這一影響路徑。本文認為不包括資產減值項目的調整會計盈余通過“盈余傳導”路徑實現(xiàn)對宏觀經濟增長的預測功能。

其次，資產減值項目作為會計穩(wěn)健原則的集中體現(xiàn)，通過將未來可能要承受的損失和風險提前反映至當期利潤，其計量過程涉及大量會計估計與專業(yè)判斷，反映了管理層關于企業(yè)經營和宏觀經濟運行風險的私有信息。因此，市場層面匯總的資產減值項目在消除公司層面的操縱性“噪音”后（Ball和 Sadkaz，2015；Konchitchki和 Patatoukas，2014；Abdalla和 Carabias，2017），理論上能夠反映管理層對企業(yè)經營和宏觀經濟運行風險的整體判斷，從而為宏觀經濟預測提供實質信息。具體表現(xiàn)有：存貨跌價準備反映了企業(yè)庫存商品未來預期現(xiàn)金流的減少，可能與經濟運行中需求不振有關；壞賬準備反映了微觀企業(yè)層面的流動性壓力，與宏觀經濟下滑或貨幣政策變動有關；而固定資產減值通常與企業(yè)盈利能力下降和技術淘汰有關。這些都反映了宏觀經濟形勢的惡化或者企業(yè)經營層面的負面沖擊。而與資產減值項目所體現(xiàn)的公允價值計量觀不同，調整會計盈余主要基于歷史成本計量，反映的是企業(yè)過去發(fā)生的交易和事項。更重要的是，與調整會計盈余的高度序列相關性相比，資產減值項目帶有偶發(fā)性特征，并且未包含在國民生產總值的核算中。因此，本文預期，在控制調整會計盈余中的預測信息后，資產減值項目依然能夠提供有關宏觀經濟增長的實質性預測信息。換言之，企業(yè)計提的資產減值損失越多，未來經濟增速越低。另外，與“盈余傳導”不同，資產減值項目的預測能力主要通過對未來宏觀經濟運行風險的反映來實現(xiàn)，存在“當期資產減值?未來宏觀經濟風險?未來GDP增長”這一影響路徑，即資產減值通過“風險感知”路徑實現(xiàn)對宏觀經濟增長的預測功能。

綜上分析，本文將會計盈余的宏觀預測功能分解為調整會計盈余的“盈余傳導”與資產減值項目的“風險感知”兩種實現(xiàn)路徑。本文據(jù)此提出以下假設：

假設1：匯總的調整會計盈余與未來GDP增長顯著正相關，匯總的資產減值項目與未來GDP增長顯著負相關。

假設2：調整會計盈余通過對未來營業(yè)盈余的反映實現(xiàn)對GDP增長的預測，即“盈余傳導”路徑。

假設3：資產減值項目通過對未來經濟運行風險的反映實現(xiàn)對GDP增長的預測，即“風險感知”路徑。

三、研究設計

（一）計量模型與變量說明

首先，本文將凈利潤分解為資產減值損失和調整會計盈余（不包括資產減值損失的凈利潤），考察對于未來GDP增長的預測，它們各自是否具有信息含量。借鑒Konchitchk i和Patatoukas（2014）的方法構建如下模型，在控制當期經濟增長和宏觀經濟景氣程度后，檢驗匯總季度資產減值損失與調整會計盈余是否與未來四個季度的GDP增長相關。

）的構建方法與 Konchitchki和 Patatoukas（2014）以及羅宏等（2016）一致，限于篇幅，不再贅述。在模型（1）中，加入當期經濟增長（）與宏觀經濟景氣程度）作為控制變量。由于宏觀經濟景氣程度與當期GDP增長具有較強的多重共線性，本文以宏觀經濟預警指數(shù)季度同比增長率作為宏觀經濟景氣的反向指標，①在穩(wěn)健性檢驗中，我們還以單個或多個景氣指標替換宏觀經濟預警指數(shù)，除了個別變量系數(shù)的顯著性減弱外，主要結論保持不變。季度預警指數(shù)由月度數(shù)據(jù)取均值得到。根據(jù)假設1，本文預期模型（1）中系數(shù)2k顯著為負，系數(shù)3k顯著為正。

其次，本文構建模型（2）至模型（5）來檢驗資產減值損失和調整會計盈余是否通過對宏觀經濟運行風險的反映來實現(xiàn)經濟增長預測功能。

其中，本文以宏觀經濟先行指數(shù)（FORW）和工業(yè)企業(yè)家信心指數(shù)（CONF）作為宏觀經濟運行風險（RISK）的代理變量，在檢驗中采用兩者的同比增長數(shù)據(jù)。宏觀經濟先行指數(shù)作為反映經濟運行風險和景氣狀況的先兆性指標，常用于對經濟運行形勢的預測（郭國峰和鄭召鋒，2010；柳建華等，2015）。而企業(yè)家信心指數(shù)能綜合反映企業(yè)家對當前宏觀經濟形勢和發(fā)展趨勢的樂觀程度，是經濟波動的前瞻性指標（Mehra和Martin，2003；蘇冬蔚和曾海艦，2011）。根據(jù)上文分析，本文預期宏觀經濟運行風險在資產減值損失對未來經濟增長的預測中發(fā)揮顯著的中介效應，而在會計盈余的預測中不具有中介效應。

最后，本文參考 Patatoukas（2014）、Sadka 和 Sadka（2009）以及 Abdalla 和 Carabias（2017）的研究，構建反向回歸模型（6）和模型（7）來檢驗會計盈余對經濟增長的預測是否通過“盈余傳導”路徑實現(xiàn)。本文之所以采用反向回歸模型而非中介效應模型，是因為營業(yè)盈余作為GDP組成部分，并不具有中介變量特征。換言之，營業(yè)盈余與GDP之間的相關性是總體與部分的關系，而非因果關系，不符合中介效應范疇。其中，CORP表示GDP收入法核算下的營業(yè)盈余。由于我國GDP采用部門法和支出法核算，無法直接取得收入法下的營業(yè)盈余，因此采用季度規(guī)模以上工業(yè)企業(yè)利潤總額與銷售收入總額之比的同比增長作為的代理變量。反向回歸模型將營業(yè)盈余與GDP放在同側，體現(xiàn)營業(yè)盈余作為GDP的重要組成部分。本文預期與的相關性主要由當期會計盈余與未來營業(yè)盈余之間的相關性引起的，而LOSS與的相關性較弱。因此，本文預期，模型（6）中2k不顯著，模型（7）中2k顯著。

我們在實證檢驗中采用NW-HAC處理后的標準差來檢驗系數(shù)顯著性。根據(jù)格林（2013）的規(guī)則，N W檢驗滯后階數(shù)為N的0.25次方根，N=56，因此選擇滯后期數(shù)為2。

（二）研究樣本與數(shù)據(jù)來源

本文的研究區(qū)間為2003年第一季度至2016年第四季度，共56個季度觀測值。本文所用季度GDP數(shù)據(jù)和規(guī)模以上工業(yè)企業(yè)利潤總額來自國家統(tǒng)計局官方網站，其他宏觀變量來自中經網宏觀經濟數(shù)據(jù)庫，上市公司數(shù)據(jù)來自國泰安CSMAR數(shù)據(jù)庫。我們對季度全部公司樣本進行了如下處理：（1）剔除被ST、PT或退市的公司；（2）剔除金融行業(yè)樣本；（3）剔除財務數(shù)據(jù)或總市值缺失的樣本；（4）借鑒Konchitchki和Patatoukas（2014）的做法，剔除上市公司季度會計盈余同比增長和季度資產減值損失數(shù)據(jù)小于1%分位數(shù)和大于99%分位數(shù)的樣本。

四、實證結果分析

（一）描述性統(tǒng)計

（二）回歸分析

模型（1）的檢驗結果見表1。不管是將ΔRES與LOSS單獨還是同時放入模型中，ΔRES在未來1期至未來4期對GDP增長均具有顯著的預測能力；而LOSS除在未來1期對GDP增長的影響不顯著外，與未來2期至4期的GDP增長均至少在10%水平上顯著負相關。與假設1一致，在控制當期宏觀經濟變量所包含的預測信息后，調整會計盈余與資產減值對未來GDP增長均發(fā)揮了增量預測作用。

表1 資產減值與調整會計盈余的宏觀預測能力

為深入分析各解釋變量對模型調整R2的邊際貢獻程度，本文計算了各變量的夏普率值。變量的夏普率值越大，表明該變量對經濟增長的解釋能力越強（Shapley，1952）。未報告的結果顯示，隨著預測期間的延長，LOSS對GDP增長的解釋能力逐步增強，由最初的4.46%提升至38.53%，并在未來4期時對經濟增長的解釋能力超過。而資產減值項目占營業(yè)收入的比重平均只有0.6%，與其在損益項目中所占比重相比，它對經濟增長的解釋能力進一步證實了其宏觀經濟預測功能的有效性。

上述檢驗已證實資產減值項目與調整會計盈余對宏觀經濟增長均具有預測功能，那么兩者是否具有相同的實現(xiàn)機制？本文認為，資產減值項目對經濟增長的預測功能主要通過“風險感知”路徑來實現(xiàn)，即“當期資產減值?未來經濟運行風險?未來GDP增長”；而調整會計盈余對經濟增長的預測功能主要通過“盈余傳導”路徑來實現(xiàn)，即“當期調整會計盈余?未來營業(yè)盈余?GDP增長”。

表2 風險感知路徑檢驗：以宏觀經濟先行指數(shù)為中介變量

當以企業(yè)家信心指數(shù)來反映宏觀經濟運行風險時，表3報告了相似的結果。列（1）顯示，資產減值損失與企業(yè)家信心指數(shù)顯著負相關。在同時考慮企業(yè)家信心指數(shù)與資產減值損失后，Panel A顯示，除列（5）外，ΔCONF的系數(shù)均在5%水平上顯著；同時，LOSS估計系數(shù)的顯著性與大小與表1中的各期相比均顯著要低。這表明資產減值損失對經濟增長的影響部分是通過對企業(yè)家信心指數(shù)的影響間接實現(xiàn)的，即企業(yè)家信心指數(shù)在資產減值損失對經濟增長的預測中具有中介效應。對于調整會計盈余，Panel B顯示，除列（2）外，ΔCONF的估計系數(shù)均不顯著；同時，ΔRES對GDP增長的影響依然保持較強的顯著性。未報告的Bootstrap檢驗也顯示，中介效應不顯著。綜上分析，宏觀經濟運行風險的代理變量在資產減值損失對未來經濟增長的預測中表現(xiàn)出顯著的中介效應，支持“風險感知”路徑假設，但這一路徑并非調整會計盈余預測經濟增長的實現(xiàn)路徑。

基于反向回歸對“盈余傳導”路徑的檢驗結果見表4。當因變量為ΔRES時，列（1）顯示，F(xiàn)1.ΔCORP的系數(shù)在1%的水平上顯著為正，F(xiàn)1.ΔGDP不再顯著，說明會計盈余對未來1期GDP增長的預測完全是通過營業(yè)盈余實現(xiàn)的。在列（2）中，F(xiàn)2.ΔCORP和F2.ΔGDP均顯著，說明會計盈余對未來2期GDP增長的預測部分是通過對營業(yè)盈余的預測實現(xiàn)的。而列（3）中F3.ΔCORP不再顯著，列（4）中F4.ΔCORP的系數(shù)顯著為負，與預期不符。當因變量為LOSS時，各期ΔCORP的系數(shù)均不顯著，但各期ΔGDP的系數(shù)均顯著為負?？梢?，至少在未來一個季度至兩個季度，會計盈余通過“盈余傳導”路徑實現(xiàn)了對GDP增長的預測，且這一路徑并不存在于資產減值損失對經濟增長的預測中。

表3 風險感知路徑檢驗：以企業(yè)家信心指數(shù)作為中介變量

表4 盈余傳導路徑檢驗

（三）進一步分析

根據(jù)上文分析，與調整會計盈余相比，資產減值包含了管理層有關未來經濟運行風險的估計與判斷，進而能提供額外的實質性預測信息。若上述假設成立，在穩(wěn)健性原則要求下，資產減值中包含的信息應該與未來經濟下行壓力有關（Dechow和Ge，2006；Callen等，2010）。換言之，與經濟上行期相比，資產減值項目對未來宏觀經濟增長的預測作用在經濟下行期更為明顯。而若調整會計盈余對宏觀經濟增長的預測功能更多來自“機械”關聯(lián)，則調整會計盈余與經濟增長的相關性在不同經濟運行狀態(tài)下應該沒有顯著差異。

為了證實這一推測，本文構建宏觀經濟下行壓力變量與資產減值和調整會計盈余的交互項模型（8），進一步檢驗會計信息對宏觀經濟預測的“風險感知”路徑。在模型（8）中，ΔDOWN表示宏觀經濟下行壓力，本文分別采用宏觀信用利差變化ΔSD和經濟周期波動CY來刻畫。

以宏觀信用利差變化（ΔSD）作為未來宏觀經濟下行壓力的代理變量，其邏輯在于：信用利差是債券到期收益率中高于無風險利率的部分，用于向投資者補償基礎資產的違約風險，通常被認為是企業(yè)信用風險的代表，并與經濟增長負相關（Mody和Taylor，2003）。信用利差對未來宏觀經濟增長具有負向信號功能已得到證實（Faust等，2013；張燃，2010；王雅炯和幸麗霞，2012；熊海芳和王志強，2015）。

本文以債券市場整體信用利差變化率ΔSD來衡量宏觀信用利差變化，債券指數(shù)日收益率數(shù)據(jù)來自銳思金融數(shù)據(jù)庫。其構建方法如下：首先，選擇中債綜合指數(shù)的平均到期收益率（yield）衡量債券市場總體到期收益率。①關于中債綜合指數(shù)以及下文其他債券指數(shù)的具體說明，可參考中國債券信息網“中債價格產品”欄目中的說明文件。然后，以中債央票總指數(shù)的平均到期收益率（frisk）來衡量市場無風險收益率。與國債相比，央票利率期限結構完整，發(fā)行規(guī)模較大，流動性較強，更符合金融市場無風險收益率曲線的特征（梁琪等，2010；姚余棟和譚海鳴，2011，2013）。最后，將兩個指數(shù)的日度到期收益率取算術平均值，得到各自的季度平均到期收益率yieldq和friskq，將yieldq與friskq之差的環(huán)比變化定義為季度宏觀信用利差波動ΔSDq。若q季度SDq相對于q-1季度變大，則意味著未來經濟下行壓力加大，反之亦然。

同時，以宏觀經濟周期的虛擬變量CY作為未來宏觀經濟下行壓力的另一代理變量。由于我國經濟增長趨勢非常明顯，不宜直接采用產出的絕對變化來判斷經濟周期，本文參考羅時空和龔六堂（2014）、吳華強等（2015）以及劉端和薛靜蕓（2015）的思路，以H-P濾波法得到季度GDP增長的波動成分。若波動成分為負，則經濟運行下行壓力較大，虛擬變量CY取1；反之，CY取0。根據(jù)上文分析，當經濟下行壓力較大時，資產減值項目與未來GDP增長的負相關關系更強，而調整會計盈余與未來GDP增長的正相關關系受到經濟周期的影響并不明顯。因此，對于ΔSD和CY，本文預期ΔDOWN與LOSS的交互項系數(shù)3k顯著為負，與ΔRES的交叉項系數(shù)5k不顯著。

表5報告了以宏觀信用利差變化（ΔSD）作為未來宏觀經濟下行壓力代理變量的檢驗結果，除了未來4期外，ΔSD與GDP增長均顯著負相關。這證實了宏觀信用利差能夠有效預測宏觀經濟下行風險，也說明了本文將其作為宏觀經濟下行壓力代理變量的合理性。LOSS和ΔSD的交互項除了在未來1期不顯著外，其系數(shù)在未來2期至4期均顯著為負，而ΔRES和ΔSD的交互項在未來各期均不顯著。這表明資產減值項目中包含的風險信息強化了宏觀經濟下行壓力與未來經濟增長的負相關關系，而調整會計盈余并不具有這一強化作用，這與預期一致。

表6報告了以宏觀經濟周期的虛擬變量CY作為未來宏觀經濟下行壓力代理變量的檢驗結果。引入經濟周期虛擬變量后，LOSS與CY的交互項除了在未來1期不顯著外，其系數(shù)在未來2期至4期均在5%水平上顯著為負，而RES與CY的交互項除了在未來1期顯著為負外，在未來2期至4期均不顯著，與上述預期一致。這表明在經濟下行期，資產減值項目與GDP增長的相關性顯著增強，能對宏觀經濟發(fā)揮更強的預測功能。根據(jù)上文分析，這主要是因為在經濟下行期，資產減值相對于其他損益項目，通過對預期損失的提前確認，將未來宏觀經濟運行風險及時反映到企業(yè)當期損益中，進而對宏觀經濟增長具有更強的預測作用。上述結果進一步證實了會計信息預測宏觀經濟增長的“風險感知”路徑。

表5 資產減值、宏觀經濟運行風險與經濟增長

表6 資產減值、經濟周期與經濟增長

（四）穩(wěn)健性檢驗①限于篇幅，穩(wěn)健性檢驗結果未報告。

1.考慮到模型（6）和模型（7）可能存在模型設定問題，本文構建模型（9）和模型（10）對“盈余傳導”路徑做了進一步檢驗。由于營業(yè)盈余是GDP的重要組成部分，ΔCORP與ΔGDP之間的相關性是機械的，而非因果的。若“盈余傳導”路徑成立，則可以預期1k顯著，而2k不顯著。檢驗結果表明，這一預期至少在未來兩期得到證實。

2. 為增強結果的穩(wěn)健性，本文選用分省的季度GDP數(shù)據(jù)和規(guī)模以上工業(yè)企業(yè)利潤總額、省級層面的匯總資產減值損失和匯總會計盈余對模型（1）、模型（7）和模型（8）進行了檢驗，仍支持上文結論。

3. 替換宏觀經濟運行變量。（1）分別以宏觀經濟景氣指數(shù)、工業(yè)企業(yè)景氣指數(shù)和宏觀經濟一致指數(shù)替代宏觀經濟預警指數(shù)；（2）選取季度工業(yè)增加值替代GDP作為衡量宏觀經濟增長的指標，以H-P濾波法處理工業(yè)增加值以重新界定經濟周期；（3）以中國債券總指數(shù)替換中債綜合指數(shù)，以銀行間國債指數(shù)替換中債央票指數(shù)，重新計算宏觀信用利差波動變量；（4）在計算匯總調整會計盈余和資產減值項目時，將期初市值加權平均法改為取算術平均值。在重新檢驗后，本文結論保持不變。

五、結 論

本文將凈利潤分解為資產減值項目和調整會計盈余兩部分，考察了會計信息宏觀經濟預測功能的實現(xiàn)路徑。研究發(fā)現(xiàn)，匯總資產減值項目和匯總調整會計盈余對GDP增長均具有預測能力，但兩者的預測功能遵循不同的實現(xiàn)路徑。具體來說，資產減值損失反映了管理層對未來宏觀經濟運行風險的判斷與估計，其預測路徑表現(xiàn)為“風險感知”。而調整會計盈余的預測功能則主要是通過與GDP收入法下營業(yè)盈余高度相關實現(xiàn)的，體現(xiàn)為“盈余傳導”。與這一觀點一致，中介效應模型檢驗發(fā)現(xiàn)，宏觀經濟運行風險變量在資產減值項目的預測過程中具有顯著的中介效應，而這一中介效應在調整會計盈余的預測過程中不顯著，支持了“風險感知”路徑。同時，反向回歸模型檢驗發(fā)現(xiàn)，調整會計盈余與GDP增長的相關性主要是通過營業(yè)盈余實現(xiàn)的，而營業(yè)盈余對資產減值項目與GDP增長之間的相關性并沒有顯著影響，支持“盈余傳導”路徑。進一步研究發(fā)現(xiàn)，資產減值因包含更多與未來經濟運行風險相關的信息，在經濟下行壓力加大時，與未來GDP增長的負向關系更為顯著，而匯總調整會計盈余與未來GDP增長的正向關系在不同經濟運行狀態(tài)下沒有顯著差異。本文研究表明，會計信息經由“風險感知”與“盈余傳導”兩條路徑對未來宏觀經濟增長產生預測作用。

本文證實會計盈余包含有關未來經濟運行的實質性信息，是預測未來GDP增長的重要指標。因此，提高企業(yè)會計盈余的信息質量，有助于提高基于微觀數(shù)據(jù)對宏觀經濟變量的預測效率。此外，本文存在一定的局限性和不足：（1）由于現(xiàn)行國民經濟核算體系并未采用收入法核算，以規(guī)模以上工業(yè)企業(yè)利潤總額可能無法刻畫營業(yè)盈余的全貌，進而會影響“盈余傳導”路徑的檢驗結果；（2）本文認為資產減值損失通過對未來宏觀經濟運行風險的感知來實現(xiàn)經濟增長預測功能，但由于樣本期間相對較短，并未從實證角度闡明其對“未來”宏觀經濟風險進行預測的時間尺度；（3）本文并未考慮GDP的其他組成部分可能與會計盈余之間的內在關聯(lián)。

[1]陳圣飛，張忠壽，王燁. 會計穩(wěn)健性研究的理論回顧與展望——基于契約觀和信息觀的視角[J]. 會計研究，2011，（4）：35?42.

[2]方軍雄，周大偉，羅宏，等. 會計信息與宏觀分析師經濟預測[J]. 中國會計評論，2015，（4）：389?412.

[3]郭國峰，鄭召鋒. 中國宏觀經濟先行指數(shù)和一致指數(shù)應用效果檢驗與改進[J]. 數(shù)量經濟技術經濟研究，2010，（10）：131?144.

[4]姜國華，饒品貴. 宏觀經濟政策與微觀企業(yè)行為——拓展會計與財務研究新領域[J]. 會計研究，2011，（3）：9?18.

[5]梁琪，張孝巖，過新偉. 中國金融市場基準利率的培育——基于構建完整基準收益率曲線的實證分析[J]. 金融研究，2010，（9）：87?105.

[6]劉端，薛靜蕓. 經濟周期波動視角下現(xiàn)金持有在企業(yè)產品市場定價中的競爭效應研究[J]. 中國管理科學，2015，（9）：9?18.

[7]羅宏，曾永良，方軍雄，等. 會計信息的宏觀預測價值: 基于中國制度環(huán)境的研究[J]. 會計研究，2016，（4）：9?18.

[8]羅時空，龔六堂. 企業(yè)融資行為具有經濟周期性嗎？——來自中國上市公司的經驗證據(jù)[J]. 南開管理評論，2014，（2）：74?83.

[9]蘇冬蔚，曾海艦. 宏觀經濟因素、企業(yè)家信心與公司融資選擇[J]. 金融研究，2011，（4）：129?142.

[10]譚燕. 資產減值準備與非經常性損益披露管制——來自中國上市公司的經驗證據(jù)[J]. 管理世界，2008，（11）：129?142.

[11]唐松，吳秋君，孫錚. 會計盈余能預測未來 GDP 增長率嗎?[J]. 中國會計評論，2015，（3）：267?284.

[12]王雅炯，幸麗霞. 基于信用價差結構的最優(yōu)對宏觀經濟預測模型的研究[J]. 證券市場導報，2012，（7）：43?48.

[13]威廉·H·格林. 計量經濟分析（第七版）[M]. 北京：中國人民大學出版社，2013.

[14]吳華強，才國偉，徐信忠. 宏觀經濟周期對企業(yè)外部融資的影響研究[J]. 金融研究，2015，（8）：109?123.

[15]熊海芳，王志強. 參數(shù)不穩(wěn)定下利差在宏觀經濟與貨幣政策中的應用[J]. 數(shù)量經濟技術經濟研究，2015，（10）：74?89.

[16]姚余棟，譚海鳴. 央票利率可以作為貨幣政策的綜合性指標[J]. 經濟研究，2011，（2）：63?74.

[17]姚余棟，譚海鳴. 通脹預期管理和貨幣政策——基于“新共識”宏觀經濟模型的分析[J]. 經濟研究，2013，（6）：45?57.

[18]張敦力，李琳. 會計穩(wěn)健性的經濟后果研究述評[J]. 會計研究，2011，（7）：19?23.

[19]張然，陸正飛，葉康濤. 會計準則變遷與長期資產減值[J]. 管理世界，2007，（8）：77?84.

[20]張燃. 信用價差變化與中國實體經濟增長預期[J]. 證券市場導報，2010，（10）：59?64.

[21]張榮武，伍中信. 產權保護、公允價值與會計穩(wěn)健性[J]. 會計研究，2010，（1）：28?34.

[22]Abdalla A M，Carabias J M. From accounting to econom ics：The role of aggregate special items in gauging the state of the economy[R]. SSRN Working Paper，2017.

[23]A li A，Zarow in P. The role of earnings levels in annual earnings-returns studies[J]. Journal of Accounting Research，1992，30（2）： 286?296.

[24]Ball R，Sadka G. Aggregate earnings and why they matter[J]. Journal of Accounting Literature，2015，34： 39?57.

[25]Callen J L，Dan S，Hope O K. The pricing of conservative accounting and the measurement of conservatism at the firmyear level[J]. Review of Accounting Studies，2010，15（1）： 145?178.

[26]Craw ley M J. Macroeconomic consequences of accounting: The effect of accounting conservatism on macroeconom ic indicators and the money supply[J]. The Accounting Review，2014，90（3）： 987?1011.

[27]Dechow P M，Ge W. The persistence of earnings and cash flows and the role of special items: Implications for the accrual anomaly[J]. Review of Accounting studies，2006，11（2-3）： 253?296.

[28]Faust J，Gilchrist S，W right J H，et al. Credit spreads as predictors of real-time econom ic activity: A Bayesian modelaveraging approach[J]. Review of Econom ics & Statistics，2013，95（5）： 1501?1519.

[29]Fischer S，Merton R C. Macroeconom ics and finance: The role of the stock market[J]. Carnegie-Rochester Conference Series on Public Policy，1984，21（1）： 57?108.

[30]Konchitchki Y，Patatoukas P N. From forecasting to nowcasting the macroeconomy：A granular-origins approach using financial accounting data[R]. SSRN Working Paper，2016.

[31]Laurion H，Patatoukas P N. From m icro to macro: Does conditional conservatism aggregate up in the national income and product accounts?[J]. Journal of Financial Reporting，2016，1（2）： 21?45.

[32]Mehra Y P，Martin E W. Why does consumer sentiment predict household spending?[J]. FRB Richmond Econom ic Quarterly，2003，89（4）： 51?67.

[33]Mody A，Taylor M P. The high-yield spread as a predictor of real economic activity: Evidence of a financial accelerator for the United States[J]. IMF Staff Papers，2003，50（3）： 373?402.

[34]Patatoukas P N. Detecting news in aggregate accounting earnings: Implications for stock market valuation[J]. Review of Accounting Studies，2014，19（1）： 134?160.

[35]Patatoukas P N. Dissecting the association between stock returns and GDP grow th forecast surprises：An implied cost of capital approach[R]. SSRN Working Paper，2016.

[36]Roychowdhury S，Martin X. Understanding discretion in conservatism: An alternative viewpoint[J]. Journal of Accounting & Econom ics，2013，56（2-3）： 134?146.

[37]Sadka G，Sadka R. Predictability and the earnings-returns relation[J]. Journal of Financial Econom ics，2009，94（1）：87?106.

[38]Shapley L S. A value for n-person games[J]. Contributions to the Theory of Games，1953，2（28）： 307?317.