婁桂蓮 耿曉媛

一、引言

資本市場的運行效率是信息效率和定價效率的微觀基礎(唐靜武，2010) 。從定價效率來看，股票市場中，價格機制引導著經濟主體的資源配置和投資決策，因而發(fā)揮著至關重要的經濟職能。股票市場有效運行的一個必要條件是股票價格密切跟蹤公司的基本面。資本資產定價（CAPM）模型把股票價格波動劃分為兩個層次，一是與系統(tǒng)風險相關的波動，即市場層面的波動；二是股票收益的特質波動性，即公司層面的波動。這兩個層面的股票價格波動是由于不同的信息所導致的，因而也反映了不同的投資風險。從信息效率的角度考慮，信息決定股市的價格波動。上市公司基本面信息中最為重要的即是其盈利信息，其以兩種方式資本化為股票價格：公共信息發(fā)布后對股票價格的普遍重估，以及收集和掌握私人信息的風險套利者的交易活動（Roll，1988）。Roll（1988）在解釋資產定價模型的低R2時認為，后者在企業(yè)特質信息的資本化中尤為重要。他發(fā)現(xiàn)公司個股價格走勢通常與可識別的信息發(fā)布無關，并承認對他的發(fā)現(xiàn)可能的兩種解釋：要么是私人信息的存在，要么是偶爾的瘋狂。

這兩種可能性形成了需要實證檢驗的不同觀點。自此出現(xiàn)了大量文獻，以股價異步性或股票特質波動率作為股票收益公司特定波動的代理變量，去驗證股票收益公司特定波動反映了與價值相關的公司特質信息還是反映了噪聲。以Morck、Yeung和Yu（2000）（以后簡寫為MYY）觀點引領的一系列文獻認為，較低的R2（較高的股價異步性），或較大的股票收益公司特定波動，表明信息環(huán)境越好，信息透明度越高，即股票價格中包含更多信息和更少的噪音。會計信息中的盈余信息是公司特質信息的主要信息來源。會計信息質量對于股價的公司特定波動的影響可能體現(xiàn)在以下幾個方面。首先，相對于市場信息，投資者可以獲得更多關于透明度更高上市公司的特質信息（Hutton,Marcus and Tehranian（2009）（后簡寫為HMT））。第二，從高質量的會計信息能夠減少逆向選擇意義上講，獲取和交易私有公司特質信息的成本會下降。知情交易的增加提升了體現(xiàn)于價格中的公司特質信息的相對數(shù)量。第三，Jin和Myers（2006）認為，當會計信息質量不高時，透明度較低公司的內部人員能夠不對稱地吸收一部分公司特定風險，這使得股票價格對公司特質（市場范圍）的消息相對較不（更加）敏感。

股票收益公司特定波動反映了股價信息含量，即有效定價的程度，這種觀點并非沒有受到批評。首先，在標準的理性預期模型中，信息流影響投資者解決不確定性的時機，但不影響隨時間的推移解決不確定性的總量或股票收益率總波動性。其次，正如新興的行為金融學文獻所強調的，股價波動可能反映基本信息流或投資者情緒（Shiller，1981）。股票收益率回歸模型中較低的R2可能反映了市場無效，而不是效率（Hou等2013）。從實證角度看，大量研究表明較高的公司收益率特異性波動與較低的會計信息質量相關（如Teoh等（2009）；Dasgupta等（2010）Chen 等(2012) )。

國內很多研究將股價同步性直接作為股價信息含量的代理變量，即較高股價同步性意味著股票價格中包含較少的公司特質信息和股票市場更低的信息效率，并據此得出相應的結論。經驗數(shù)據證明會計信息質量越高，股價波動同步性越低的文獻包括游家興、江偉和李斌（2007）；袁知柱和鞠曉峰(2008) ；周冬華和趙玉潔(2016) ；袁蓉麗等（2021）。當然這一假設前提也受到了質疑（林忠國等（2012）；沈宇和田存志（2014）），王亞平等 ( 2009)支持股價特質性波動是噪音的假說；夏芳（2012）則認為盈余管理使得股價同步性降低，而投資者情緒波動使得股價同步性上升。

綜上所述，無論研究中使用股價同（異）步性，還是股價特質波動性作為股票收益公司特定波動被解釋變量，其與會計信息質量之間的關系均未得到一致的結論。本文圍繞這一主題展開，實證檢驗會計信息質量與股票收益公司特定波動之間的關系。本研究同時使用衡量公司特定收益率波動性的兩個常用代理變量：特質波動性和股價異步性，以避免因二者實質上的不可互換使用而得出相互矛盾的結論（HMT；Rajgopal和Venkatachalam（2011）（后簡寫為RV）；Li, Rajgopal and Venkatachalam (2014)）。本文選擇了兩種不同的會計信息質量代理變量：（1）基于Dechow和Dichev（2002）模型的應計質量指標；（2）HMT在研究中使用的會計信息透明度指標，二者均為會計信息質量的反向指標，即取值越大意味著會計信息質量越低。在此基礎上，本文還檢驗了我國股票市場中股票收益公司特定波動表現(xiàn)出來的時間趨勢特征。最后，作為拓展，檢驗了會計信息質量的不同組成部分對于企業(yè)特定收益波動性的影響。

論文的其余部分組織如下：第二部分討論相關文獻并提出假設。第三部分介紹了變量的選取和模型設定。第四部分描述了樣本和描述性統(tǒng)計數(shù)據。第五部分實證結果分析和相關討論。最后是穩(wěn)健性檢驗和結論。

二、文獻綜述與研究假設

Roll（1988）是第一個提出股價同步性（異步性Asynchronicity）概念的學者，股票同步性是一種衡量股票收益率公司特定波動的指標，較大（小）的股價同（異）步性等同于較低的股票收益特征波動，而股票同(異)步性與股票價格的信息含量呈負（正）相關。研究表明，在有效的市場中，較差的會計信息質量導致股價中公司信息含量減少，股價同步性（異）上升（下降），股票收益公司特定波動變小。因而低會計信息質量與較低的股票收益中公司特定波動相關。也就是說，當會計信息質量較低時，可獲得的企業(yè)特質信息較少，股票價格中包含了較少的公司信息，股價同（異）步性較高（低）。MYY（2000）和Jin和Myers（2006）都認為在產權保護不力情況下，公司信息透明度下降，股票收益公司特定波動減弱，股價同步性上升。因此，較高的會計信息質量將與較高的股票收益公司特定波動性有關。因此，假設可以表述為：

信息假設（H1a）：會計信息質量正向影響股票收益公司特定波動。

與此相反，一些研究表明，股票收益公司特定波動性越大，表明股票價格中噪音更大(Teoh等 2008）。Pastor and Veronesi (2003)的模型表明，如果管理者利用自由裁量權扭曲了報告盈余，由此產生的信息風險可能會增加投資者所面臨的公司未來獲利能力的不確定性，從而影響股票收益波動性。RV發(fā)現(xiàn)，無論從截面看，還是時間序列上，不斷惡化的財務報告質量導致了股票收益特異性波動的不斷升高。進一步的研究表明會計信息披露質量與特質風險之間存在負相關關系（Kelly（2014）；Habib, 等（2020））。如果較高的股票收益公司特定波動代表了在不良信息環(huán)境中常見的更多定價錯誤，而較低的會計信息質量是不良信息環(huán)境的征兆，那么可以推斷較低的會計信息質量將與較高的特質波動率（股價異步性）相關聯(lián)，這與基于噪聲的解釋是一致的。因此假設如下：

噪聲假設（H1b）：會計信息質量負向影響股票收益公司特定波動。

個股價格獨立波動的程度在不同國家和不同時期都有所不同。Campbell et al.（2001）和MYY發(fā)現(xiàn)美國股票收益率中公司特定波動長期上升。一系列研究，將個股收益的更大的特質波動或更低的共變性與制度發(fā)展、監(jiān)管成熟度和股票市場的資本配置效率聯(lián)系起來。Li等 (2004)在大多數(shù)（但不是所有）新興市場發(fā)現(xiàn)了類似的模式，并指出更高的企業(yè)特定波動與更大的資本市場開放度相關。Ryan和Zarowin(2003)指出由于會計盈余越來越多地反映相對于股票價格來說滯后的信息，且越來越不對稱地反映好消息和壞消息，這導致會計盈余對于股票收益的解釋力不斷下降，結果體現(xiàn)為股票收益公司特定波動性的不斷提升。據此提出假設：

H2：我國股票市場中公司特定波動性具有隨著時間推移不斷上升的趨勢。

Francis等（2005）指出，盈余質量不僅受到管理者在財務報告中自由裁量權的驅動（可操控部分），還受到企業(yè)商業(yè)模式和經營環(huán)境固有特征的驅動（固有部分）。一些管理者會使用應計項目來傳遞私人信息，而另一些管理者則是機會主義地使用應計項目（Healy，1996）。Francis等（2005）的研究了區(qū)分了應計質量中固有部分和可操控部分對權益成本的不同影響。Mitra（2016）證實與可操控部分相比，固有部分對公司特定收益波動的影響更大。既然盈余質量的可操控部分將是對業(yè)績、機會主義和噪音的綜合反映，那么管理層自由裁量權的凈效應可能是積極的、消極的或中性的，這取決于哪種效應占主導地位?；趯τ噘|量的固有部分和可操控部分之間的影響差異的預測，得到假設3：

H3：會計信息質量的固有部分對股票收益中公司特定波動的影響大于可操控部分。

三、變量選取與模型設定

（一）股票收益波動性指標

1 . 股票收益特質波動性（Idiosyncratic volatility）。股票特質波動性無法直接觀察到，通常利用資產定價模型，估計其與股票系統(tǒng)性波動的相對值得到。這種方法廣泛應用于金融和會計研究中。本文使用CAPM得出的標準市場模型來估計股票收益特質波動率：

Ri=αi+βiRm+εi(1)

其中，Ri是股票i的收益率，Rm是市場收益率。使用上市公司和市場日收益數(shù)據，針對樣本中各公司逐年估計（1）式。年度設定為當年5月到財務報告年度結束后4個月之間的12個月份，以確保市場可以獲得公司會計信息。數(shù)據來源于國泰安（CSMAR）數(shù)據庫。[бe2]是公司股票收益率對市場收益率回歸的殘差方差。RV（2011）用[бe2]的自然對數(shù)表示股票收益特質波動率，股票收益特質波動率取值越高意味著股票收益公司特定波動性越大。

2.異步性（Asynchronicity）。股價異步性與股價同步性相反，衡量公司股票收益變動中市場和行業(yè)收益無法解釋的部分。Roll（1988）表明，市場模型及其變形所得到的R2可以用來衡量股票收益的同步性。一些研究認為，較高的同步性相當于較低的股票收益特質波動性（即從市場模型得到較高R2，等價于從市場模型得到較低的ln[бe2]），反之亦然。異步性是指公司股票收益率與市場收益率之間缺乏同步運動，（1-R2）是股價缺乏同步性自然度量。由于R2界于0和1之間，這使實證估計變得復雜。本研究遵循MYY和HMT的做法，使用（1-R2）的log變換來定義異步性，其范圍可以從負無窮大到正無窮大：

Asynchronicity(φ)=1n[(1-R2)/R2](2)

其中，R2是根據（1）式的估計得到的判定系數(shù)。R2的對數(shù)變換將介于0和1之間的變量轉換為無限連續(xù)變量。因此，異步性取值越大，表明股票收益公司特定波動性越大。

（二）會計信息質量

1.基 于D e c h o w 和D i c h e v（ 2 0 0 2 ） 模 型 的 應 計 質 量（D D S T D）度量。會計信息質量的第一個衡量指標是應計質量（DDSTD），在Dechow和Dichev（2002）提出基礎上由McNichols（2002）和Francis等（2005）進行了改進。指標估計的基本前提是盈余質量主要是由應計質量決定的，會計應計或者預測未來現(xiàn)金流，或者反映當期或過去現(xiàn)金流的轉回。在確定應計項目時的測量誤差將潛在地扭曲應計項目在預測未來現(xiàn)金流或反映過去和當期現(xiàn)金流的能力。這一誤差可能是源于經營不確定性和管理過失；也可能是管理層進行盈余操控而有意為之。估計模型如如下（除截距外的所有變量均除以平均總資產）：

TCAi,t=φ0+φ1CFOi,t-1+φ2CFOi,t+φ3CFOi,t+1+φ4ΔREVi,t+φ5PPEi,t+νi,t(3)

其中ΔREV為收入變動額，PPE為固定資產原值。本研究針對每個行業(yè)年度估計了方程（3），樣本保證每年每個行業(yè)至少有10家公司。會計信息質量高意味著應計反映了當期、過去和未來現(xiàn)金流中大部分的波動，因此（3）式估計得到的公司個別殘差νi，t是本研究會計信息質量代理變量的基礎。會計信息質量指標（DDSTDi，t）被定義為公司i在t-4到t年間估計殘差的標準差，即DDSTDi，t=б（νi，t-4，t）。殘差的標準差較大（小）表明應計或盈余質量較差（良好）。

2.基于操控性應計絕對值的OPAQUE指標。另一個廣泛使用的基于應計的盈余質量衡量指標是不同版本Jones（1991）模型產生的異常應計的絕對值。這一度量指標理論依據是：企業(yè)應計項目的變動主要取決于企業(yè)基本面的變動，尤其是收入和固定資產的變動。如果應計項目與公司基本面變動所決定的水平有很大的偏離，那么這種偏離就被認為是操控性的，并且這種操控性應計被認為會降低應計和盈余的質量。

作為較早出現(xiàn)的反映操控性應計的模型，Jones（1991）模型在會計研究中得到了深入拓展與應用。在此基礎上，Dechow等（1995）考慮了應收賬款的影響建立了修正瓊斯模型。同時Kothari et al. (2005)認為公司績效是操控性應計水平的重要決定因素。因此，為了確定異常應計項目，每年對至少有10家公司的行業(yè)估計了如下回歸（除截距以外的變量均除以平均總資產）：

TA i,t=δ 0+δ 1(Δ R E Vi,t-Δ A R i,t)+δ2PPEi,t+δ3ROAi,t+ηi,t(4)

其中，TA為應計項目總額，等于TCA扣減折舊和攤銷費用。ΔAR表示應收賬款變動額，ROA為總資產報酬率，由扣除營業(yè)外收支影響后的凈利潤除以平均總資產計算得出。由上式回歸得到非操控性應計的預期值，公司應計項目總額減去非操控性應計得到操控性應計（DiscAcc）水平。由于操控性應計表現(xiàn)出時間趨勢特征，本研究采用HMT提出的會計信息質量度量指標，即：

O PA Q U E=A b s V(D i s c A c c t-1)+AbsV(DiscAcct-2)+AbsV(DiscAcct-3) (5)

OPAQUE指標是年度操控性應計項目絕對值的三年移動之和，反映了財務報告的不透明度。直觀上，這一指標表明：持續(xù)擁有較大的操控性應計絕對值的公司更有可能進行盈余管理，從而更少向投資者披露的公司特定信息。因此，OPAQUE指標取值越大，表明財務報告透明度越低，會計信息質量較差。

3.控制變量。研究表明，除了會計信息質量以外，還有許多因素可以影響股票收益公司特定波動性。參考HMT(2009)、RV(2001)和Li et al.(2014)的研究，我們的控制變量包括公司規(guī)模（SIZE），定義為公司市值的自然對數(shù)；權益賬面價值市場比（BM），定義為權益賬面價值與權益市值的比率；以同期買入并持有公司股票實現(xiàn)的年度收益（RET）計算得到的股票收益率及其平方（RET2）；以提前一期和滯后一期經營活動現(xiàn)金流（CFO）反映會計信息中包含的企業(yè)經營現(xiàn)金流的信息；以五年期滾動計算得到的經營性現(xiàn)金流的標準差衡量現(xiàn)金流的變異性（VCFOO）；以凈收入除以期初所有者權益的賬面價值計量的會計權益報酬率（ROE）衡量的經營業(yè)績；以長期負債與平均總資產之比（LEV）衡量的杠桿率；通過使用虛擬變量（LOSS），公司年度報告虧損時取值為1，否則取值為0，來表示虧損公司；將計算得到的價值加權平均行業(yè)收益率的方差（VARindustry）作為回歸方程中的額外控制變量，因為較高的行業(yè)收益率方差會增加系統(tǒng)風險。最后，根據Jin和Myers（2006）與HTM（2009），我們還將公司日收益率的偏度和峰度作為控制變量納入了回歸中。

四、數(shù)據與描述性統(tǒng)計分析

（一）樣本選取

本文選取的樣本為2000-2019年我國資本市場日交易數(shù)據，根據證監(jiān)會2012年版行業(yè)分類標準，數(shù)據篩選過程如下：（1）剔除樣本期間內ST、＊ST和PT公司和處于退市整理期的公司；（2）剔除上市當年數(shù)據；（3）剔除缺失值數(shù)據;（4）剔除年度內交易天數(shù)不足175天的數(shù)據；（5）剔除了年度中同一行業(yè)上市公司數(shù)量不足10家的數(shù)據。最終得到32625個公司年度數(shù)據，其中包括2000-2019年滬證A股14977個公司年度數(shù)據、深證A股14712個公司年度數(shù)據、2010-2019年創(chuàng)業(yè)板2936個公司年度數(shù)據。數(shù)據均來自于國泰安（CSMAR）數(shù)據庫。

（二）變量描述性統(tǒng)計

表1報告了研究中主要變量的描述性統(tǒng)計。在1%和99%的水平上對所有變量進行縮尾，以減少異常值的影響。

表1 描述性統(tǒng)計

表1顯示，ln[бe2]均為負值，是因為方括號中為市場模型估計殘差平方后得到，小數(shù)點后位數(shù)較多導致的。Asychronity的均值和中位數(shù)分別為0.561和0.493，經過轉換得到R2均值和中位數(shù)分別為0.363和0.379比王亞平等（2009）報告的2004-2007年間的0.412和0.416要低。股票收益特質波動性和股價異步性都表現(xiàn)出實質性的橫截面變化，兩個指標之間的相關性適中，Spearman秩相關系數(shù)為0.18（未報告），這意味著這兩個指標可能包含了同一結構的不同方面，因此有必要使用這兩個指標作為公司收益特異性波動的代理變量。在樣本期內，兩個會計信息質量質量指標之間的Spearman秩相關系數(shù)為0.34（未報告），表明兩個指標分析反映了盈余質量的不同角度。因此，在實證分析中也使用了兩個代理變量?？刂谱兞恐?，平均每家公司的經營現(xiàn)金流占平均總資產的4%，所有者權益的賬面市值比約為0.43，股本回報率為16%，財務杠桿率為35%。平均而言，10%的樣本公司經營虧損。

五、股票特異性波動與盈余質量關系的實證檢驗

研究中同時使用兩個作為股票收益公司特定波動率代理變量指標的作為因變量。根據RV的研究估計回歸模型(6)：

VOLi,t=α0+α1DDSTDi,t-1+α2RET2i,t-1+α3CFOi,t+1+α4VCFOi,t-1+α5CFOi,t-1+α6ROEi,t-1+α7SIZEi,t-1+α8LEVi,t-1+α9BMi,t-1+α10RETi,t+α11LOSSi,t-1+α12KURTOSISi,t+α13SKEWNESSi,t+εi,t(6)

根據HMT的研究估計回歸模型(7)：

VOLi,t=α0+α1OPAQUEi,t+α2RET2i,t-1+α3ROEi,t-1+α4SIZEi,t+1+α5LEVi,t-1+α6BMi,t-1+α7RETi,t+α8VARindustryi,t-1+α9LOSSi,t-1+α10KURTOSISi,t+α11SKEWNESSi,t+εi,t(7)

其中VOLi,t分別代表（ln[бe2]）和Ф。模型中控制了行業(yè)、年度變量。在OLS回歸中使用White(1980)穩(wěn)健標準誤差計算t統(tǒng)計量；在使用面板固定效應模型時，以行業(yè)聚類的穩(wěn)健標準誤差計算t統(tǒng)計量，以便在回歸中得出有效推斷。表2為利用三個市場總體數(shù)據，以DDSTD為解釋變量對（6）式的回歸結果。在OLS回歸中，在模型（1）和（2）中DDSTD的系數(shù)為正，且顯著，這一結果與噪聲假說一致，即會計信息質量越差，股票特質波動性越大，股票收益異步性越強。這一結果沒有得到前期研究中的沖突結果，即當分別使用（ln[бe

表2 以DDSTD為解釋變量的回歸結果

2]）和Ф為被解釋變量時會計質量信息代理變量的系數(shù)是相反，且顯著（RV，HMT，Mitra(2016)）。Li et al. (2014)提出通過將ln(β2)加入解釋變量，得到了與噪聲假說一致的結論。本文也將ln(β2)加入回歸方程中，這對于結果未產生實質性影響（因篇幅限制，未報告）。為了消除個體固定效應對于回歸結果的影響，我們使用面板固定效應模型重新估計了（6）式，得到模型（3）和（4）。其中會計信息質量代理變量的系數(shù)不再顯著，仍然沒有得到支持信息假說的證據。

表3為以OPAQUE為解釋變量對(7)式的回歸結果。無論在OLS回歸中，還是使用面板固定效應模型，會計信息質量代理變量的系數(shù)均為正，且顯著。這一結果與噪聲假說一致，即會計信息質量越差，股票特質波動性越大，股票收益異步性越強。將ln(β2)加入回歸方程中，但對于結果未產生影響(因篇幅限制，未報告)。

表3 以OPAQUE為解釋變量的回歸結果

為了檢驗假設H2，在（6）和（7）的回歸方程中加入時間變量dyear，變量在2000-2019的研究期間內，取值從1到20。同時方程中加入會計信息質量代理變量與時間交乘項，以檢驗兩個變量對于股價波動性的綜合影響。于是得到表4和表5的回歸結果。

表4 以DDSTD為解釋變量加入時間交互項的回歸結果

表5 以OPAQUE為解釋變量的回歸結果

在表4中，以DDSTD度量的會計信息質量為解釋變量時，可以看到在OLS回歸結果中股價異步性存在不斷上升的時間趨勢，并且交互項的系數(shù)為正且顯著，表明隨著時間推移股價異步性的上升趨勢與會計信息質量的不斷惡化有關，這與RV的實證結果一致。但當使用面板數(shù)據固定效應時，交互項不再顯著。

在表5中，以OPAQUE度量的會計信息質量為解釋變量時，可以看到無論股票收益特質波動和股價異步性均表現(xiàn)出不斷上升的時間趨勢。此外，在OLS和面板固定效應模型回歸結果中交互項的系數(shù)均為正且顯著，表明隨著時間推移股票收益特定波動性與公司財務報告透明度的不斷惡化有關，這與RV的實證結果一致。

檢驗第三個假設需要估計盈余質量的固有部分和可操控部分。盈余質量的固有部分是由經營不確定性和商業(yè)模式決定的，而可操控部分是由管理層自主選擇和判斷決定的。根據Francis等（2005）將盈余質量劃分為固有部分和可操控部分的方法，估計如下回歸方程：

AIQi,t=λ0+λ1SIZEi,t+λ2VCFOi,t+λ3VS ALESi,t+λ4OPCYCLEi,t+λ5NEGi,t+μi,t(8)

其中AIQi,t表示會計信息質量的兩個代理變量；SIZE為公司規(guī)模，由公司總資產取自然對數(shù)計算得出；VCFO的計算方法同前。VSALES為銷售波動率，反映主營業(yè)務的不確定性，計算方法與VCFO相同；OPCYCLE為經營周期、NEG為虧損概率，由過去五年中經營虧損年度占比計算得出。

由（8）式中的擬合值得到盈余質量固有部分的估計值（以代理變量加Innate前綴表示），殘差是盈余質量可操控部分的估計值（以代理變量加Disc前綴表示）。該方法對盈余質量的兩個組成部分分別給出不同的估計，并允許在這兩個組成部分之間進行直接比較。為了檢驗第三個假設，將（6）式中的DDSTD分解為InnateDDSTD和DiscDDSTD;將（7）式中的OPAQUE分解為InnateOPAQUE和DiscOPAQUE分別估計兩個會計信息質量代理變量的不同組成部分對于股票收益特定波動的影響。根據推測盈余質量中的固有部分對于股票收益特定波動的影響會更大，即InnateDDSTD和InnateOPAQUE的系數(shù)分別大于DiscDDSTD和DiscOPAQUE的系數(shù)。表6分別報告了回歸結果。

表6 會計信息質量分解變量為自變量的回歸模型

表6 第一部分，在O L S 回歸中，對于特質波動性和非同步性，D D S T D 的兩個分解變量中InnatDDSTD的系數(shù)均為正，且在1%的水平上顯著，而DiscDDSTD的系數(shù)在以股價異步性為因變量的模型中并不顯著。與H3假設一致，表明股票收益特定波動與DDSTD的關系主要是由內在因素驅動的，而不是管理自由裁量權驅動。但在面板數(shù)據固定效應模型中，這一影響均不再顯著。

表6第二部分，無論在OLS回歸還是面板固定模型中，以特質波動性為被解釋的模型中，OPAQUE的兩個分解變量InnatOPAQUE和DiscOPAQUE系數(shù)均為正，且在1%的水平上顯著。但OPAQUE兩個分解變量的系數(shù)之間沒有看到明顯的差異（系數(shù)差距僅為0.304）。表明股票特質波動性與OPAQUE的關系既受到內在因素驅動的，也受到管理自由裁量權驅動，顯然后者的作用也是不容忽視的。以異步性為被解釋變量的模型中，也未能得到支持H3假設的證據。

六、穩(wěn)健性檢驗

本文圍繞會計信息質量與股票收益公司特定波動之間的關系展開，為了檢驗其穩(wěn)健性，分別選擇了兩個代理變量，彼此形成有效的驗證。另外選擇OLS和面板固定效應模型，因為后者考慮了上市公司之間的個體差異，使檢驗結果更可靠。此外，在數(shù)據中刪除金融類上市公司，數(shù)據結果未出現(xiàn)顯著變化?？紤]到數(shù)據可能存在的序列相關。采用滯后三階Newey-West 自相關異方差一致性估計重估原模型，數(shù)據結果未出現(xiàn)顯著變化。最后，為了避免市場之間運行差異導致估計結果的不同，分別針對上證A股、深證A股和創(chuàng)業(yè)板進行了模型重估，數(shù)據結果基本與前一致。

七、結論與建議

本文研究了2000-2019年中國上市公司股票收益公司特定波動與會計信息質量之間的關系。使用OLS和面板固定效應模型，檢驗會計信息質量與股票收益公司特定波動的多元回歸分析?；貧w結果顯示，會計信息質量反向指標的系數(shù)為正且顯著，表明會計信息質量越差，股票收益特質波動性越高，股價異步性越明顯，支持了噪聲假說。在時間趨勢分析中，得到了股票異步性不斷上升的時間趨勢，并認為不斷惡化的會計信息質量可能是這一趨勢的原因。此外，盈余質量中的固有部分和可操控部分均與股票收益公司特定波動相關。當使用不透明度作為會計信息質量代理變量時，發(fā)現(xiàn)可控制部分對于股價波動性的影響是不容忽視的。這表明，在不確定環(huán)境中運營的公司和管理者機會主義地運用應計項目時，股票收益公司特定波動可能更高。本文的研究未發(fā)現(xiàn)支持股票收益公司特定波動性的信息含量假說的證據，因此認為應當慎重解讀將股價異步性作為資本市場信息效率提升的代理變量所得出的結論。