Page 92 - 201903

第 34 卷摇 第 3 期 吕兆德, 李摇 霜: 会计稳健性抑制卖空了吗?

信息边际收益,因此此类公司是卖空者的长期重点 性。 因此,本文参照 Khan & Watts 的计量方法
关注对象。 另外,持续不稳健的公司,市场预期其 设定会计稳健性指标。 具体计算过程如下,变
未来也倾向于采用不稳健的会计政策,这加大了市 量说明见注释 。
淤
场定价误差,增加了预期卖空收益水平,使得卖空 X = 茁 + 茁 D + 茁 R + 茁 D R + 着 (1)
i 1 2 i 3 i 4 i i i,t
者有利可图。 据此,本文提出以下假设。 Gscore = 茁 = 滋 + 滋 Size + 滋 Mb + 滋 Lev (2)
3 1 2 i 3 i 4 i
假设 3c:持续不稳健会减弱会计稳健性对卖 Cscore = 茁 = 酌 + 酌 Size + 酌 Mb + 酌 Lev (3)
4 1 2 i 3 i 4 i
空的抑制作用。 把(2)和(3)代入(1),得到如下(4)式:
三、研究设计 X = 茁 + 茁 D + (滋 + 滋 Size + 滋 Mb + 滋 Lev )R +
i 1 2 i 1 2 i 3 i 4 i i
(一)数据来源 (酌 + 酌 Size + 酌 Mb + 酌 Lev )D R + 着 (4)
1 2 i 3 i 4 i i i i,t
本文选取从 2010 年 3 月 31 日融资融券试点 对式(4) 进行分年度回归,得到各年度的回
以来至 2016 年 12 月 31 日,A 股市场所有融资融 归系数并代回式(3),计算出每个公司对应年度
券标的证券的年度公司样本作为研究的初始样 的会计稳健性指标 Cscore。
本,数据来自 CSMAR 数据库。 本文剔除了以下 2郾 融券卖空水平
样本:(1) 金融类公司和存在相关变量缺失的公 结合 Jain et al. 的做法 [14] ,本文使用会计年
司;(2)当年上市的公司;(3)某年 5 月至第次年 4 度内日融券余额平均值/ 流通股总股数来衡量融
月期间任意月份个股月回报率缺失的公司;(4) 券卖空水平(Short)。 同时,为了缓解内生性的影
上一年权益市场价值缺失的公司。 将融券数据与 响,将模型中的解释变量滞后一期。
会计稳健性及公司基本面数据合并,最终得到共 3郾 研究模型
计 2 305 个样本观测值。 另外,本文对所有连续 为了检验本文提出的研究假设,本文构造了
变量进行了 1% 的 Winsorize 处理,以消除极端值 如下基本模型:
的影响。 Short = 茁 + 茁 Cscore + 撞control + 着
i,t 0 1 i,t - 1 i,t i,t
(二)模型设定与变量定义 (5)
1郾 会计稳健性 模型中的变量定义见表 1。
张长海等 [12] 通过实证检验验证了 Khan & 式(5)中的 茁 度量了融券卖空水平与会计
1
[13] 会计稳健性指数( Cscore) 在中国的适应
Watts 稳健性之间的关系。 根据假设 1, 会计稳健性
摇 摇 表 1摇 研究模型中变量的定义
摇 摇
变量类型 变量名 定义 衡量方式
被解释变量 Short 融券卖空水平 会计年度内日融券余额平均值/ 流通股总股数
解释变量 Cscore 会计稳健性指标 参照式(4)中 Cscore 的计量方法
Topratio 大股东持股比例 第一大股东持股数量/ 总股数
LnTA 资产规模 总资产的自然对数
Lev 资产负债率 负债总额/ 总资产
Roa 资产收益率 净利润/ 总资产
Mb 市净率 每股市价/ 每股净资产
控制变量 TV 股票年交易规模 股票年交易量/ 总股数
MV 股票总市值 股票年交易额的自然对数
Institution 机构持股 一个会计年度内每季度末机构持股比例的平均值
State 国有企业 国有企业为 1,非国有企业为 0
根据证监会行业分类标准,剔除金融行业后共 18 个行业,
Industry 行业
定义了 17 个哑变量
Year 年度 年度哑变量

· 8 7 ·