投资外股探究论文

摘要:在新投资方式不断革新的今日,长期股权投资问题显得尤为重要,对投资进行划分更是会计核算处理的依据。比较新旧准则对长期股权投资划分的变动,且与相关国际准则规定进行对比分析,并通过中国石化AH股年度报表披露比较,得出若干思考。以下是小编精心整理的《投资外股探究论文(精选3篇)》的相关内容，希望能给你带来帮助!

投资外股探究论文 篇1：

投资者关注与股市收益

摘   要：采用股吧发帖量衡量个股投资者关注度，并构建了市场整体的关注度指标以及关注度风险因子，通过对市场整体以及异质性股票的实证检验，结果发现：（1）总体关注度指标只对当期市场收益率有影响，对未来预测能力的影响并不显著，同时投机性较强的股票对关注度指标的敏感性更高;（2）在控制了现有定价因子（MKT、SMB、HML、MOM、ILLIQ）后，关注度因子仍然能够获得显著的正阿拉法收益;（3）多因子回归结果显示关注度因子对投资组合收益率有显著的解释能力，说明关注度因子能够为现有的定价模型带来增量信息。总体来看，采用个股关注度简单加权的市场总体关注度指标并不能对市场收益率进行有效预测，但是采用分组排序法构造的关注度因子却对市场收益率具有较强的解释能力。

关键词：投资者关注;投资者情绪;资产定价;风险定价;风险因子

DOI：10.19647/j.cnki.37-1462/f.2021.04.009

一、引言

有效市场理论认为投资者是理性的，但是行为金融学却指出投资者容易受到自身情绪的影响，从而使得资产价格偏离其内在价值，致使金融市场非有效。常用来衡量投资者情绪的方法包括直接调查以及利用间接指标两种，其中直接调查是调查机构直接询问被访者对经济或市场的观点，常见的有密西根大学消费者情绪指数、UBS/GALLUP投资者乐观指数等;间接指标主要是基于市场交易数据，常见的有交易量、封闭式基金折溢价、IPO、VIX、共同基金资金流入等。相对于直接调查，间接指标能够获得相对高频的数据，但是间接指标的变动可能是由于经济形势而不是情绪造成的，从而出现估计错误。Qiu和Welch（2006）[1]指出，怎样用输出变量来衡量“输入→输出”的过程，显然间接指标就是输出变量，而投资者情绪却是影响输入到输出的过程变量。但是，直接指标就一定有效吗？一方面，调查情绪往往只有月度或季度数据，无疑限制了分析的及时性和实际应用过程中的可操作性;另一方面，被调查者往往不会仔细或准确地回答问题，尤其当问题过于敏感的时候，比如“你是否失业了”“贵公司是否面临困境”等（Singer，2002）[2]。

随着互联网技术的迅猛发展，采用网络数据可以直接对投资者情绪进行衡量。相对于调查情绪，网络情绪更为高频、准确和有效。如Da等（2011）[3]最早采用谷歌搜索指数代表的投资者关注度来衡量市场情绪;Loughran和McDonald（2011）[4]通过对网络媒体信息进行文本分析，提取出投资者情绪，并对未来的股票波动进行预测。但是，鉴于很多搜索行为的发起者不一定是证券市场投资者，如可能只是关注公司的产品或者工作机会等，因此，搜索指数的噪声仍然较大。相对于搜索指数，股吧作为投资者交流的平台，其参与者几乎都是证券投资者，因此，采用股吧数据来衡量投资者关注度无疑更为准确。但由于我国股市投机氛围较重，庄股较多，股吧中散布的虚假信息也较多，因此，采用文本分析有时反而不能得到准确的信息。鉴于此，本文聚焦于股吧中个股的发帖量来对投资者关注进行衡量，既可以较准确地衡量出投资者的情绪，也可以避免文本中过多的虚假信息。本文基于个股数据构造了投资者整体关注度指标，研究了其对市场的影响，并采用分组排序法构建了基于关注度的风险因子，验证了其在股票市场中的定价能力。相对于已有研究，本文既是对行为金融学理论的有力补充，也可以为投资管理实践提供较强的现实指导。

二、文献综述

（一）行为金融学的理论基础

传统金融学假设投资者都是理性的，依照预期效用最大化来进行决策，因此，股票的价格应该等于未来全部现金流的现值。但Shiller（1981）[5]的研究表明，股价的波动远高于公司未来现金流的波动;De Bondt和Thaler（1985）[6]指出一些投资策略可以获得风险水平无法匹配的超额收益;DeLong等（1990）[7]更是认为，噪声交易者会基于情绪做出投资决策，而套利交易者会遭遇套利限制，因此，情绪变动会导致噪声交易、错误定价以及超额的市场波动。这些实证发现都和传统金融学理论相左，行为金融学则对这些异象进行了很好的解释。

行为金融学认为人们的信念并不是完全理性的，容易产生过度外推（extrapolation）和过度自信（overconfidence）（Eyster等，2019）[8]，且认知限制（cognitive limits）会导致投资者无法对全部信息进行及时处理（Dellavigna和Pollet，2009）[9]。对于决策偏好，行为金融学认为人们在做决策时也难以做到完全理性，因此，前景理论（prospect theory）以及模糊厌恶（ambiguity aversion）能够比预期效用理论更好地描述人如何在不确定条件下做决策（Ingersoll和Jin，2013）[10]。总体而言，行为金融学是从微观个体行为以及产生这种行为的心理动因来解释、研究和预测金融市场的发展。这一研究视角认为投资行为其实很大程度上受投资者的情绪左右，情绪和认知偏差的存在使投资者无法做到理性预期和效用最大化，造成市场非有效和资产价格偏离内在价值，从而可能进一步导致金融市场整体产生系统性偏差（周亮，2017）[11]。因此，从21世纪初期开始，投资者情绪引起了学术界的广泛关注。

（二）投资者情绪的实证研究

早期的研究主要关注股票市场中投资者情绪的作用，发现投资者情绪能够显著影响股票的横截面收益率（Baker和Wurgler，2006;Huang等，2015）[12，13]。随后有学者将投资者情绪引入其他资本市场，Nayak（2010）[14]研究了投资者情绪对企业债券利差的影响，Simon和Wiggins（2001）[15]、Wang（2004）[16]研究了投资者情绪对股指期货市场的影响，Bahloul和Bouri（2015）[17]、周亮（2019）[18]研究了投资者情绪对商品期货市场的影响。但是，投资者情绪对资产收益的影响方向却有不同的研究结果，Ben-Rephael等（2012）[19]、文凤华等（2014）[20]等学者认为投资者情绪对资产收益有正向影响;Aissia（2014）[21]的研究却表明投资者情绪是资产收益的反向预测指标;周亮（2017）[11]发现投资者情绪对短期股票指数有反方向影响，对跨期的股票指数有正方向影響。

對股市投资者情绪的度量主要包括：采用市场调查等方式获取消费者对市场涨跌看法的直接指标法（Lemmon和Portniaguina，2006;余佩琨和钟瑞军，2009）[22，23]，以及采用如基金资金净流入、换手率、新增投资者开户数等客观指标来反映投资者情绪的间接指标法（Delong，1990;Baker和Wurgler，2006;池丽旭等，2012）[7，12，24]。由于商品和债券市场的信息数量要少于股票市场，因此，对这两个市场投资者情绪的度量，大体可以归类为基于市场自身的数据（Simon和Wiggins，2001）[15]及基于交易者的数量（杨阳和万迪昉，2010;陈标金和谭莹，2017）[25，26]两种。随着互联网的迅猛发展，很多学者通过微博、财经论坛等社交媒体来提取投资者情绪指标（Da等，2015;Dimpfl和Kleiman，2016;易洪波等，2015）[27-29]。

（三）简要述评及创新之处

综上可以看到，国内外学者对行为金融学尤其是投资者情绪的测度及影响方面进行了大量的研究，并得到了很多一致的结论，正如Baker和Wurgler（2007）[30]所指出的，投资者情绪会影响股票价格，这是毫无异议的，唯一存在争论的是如何去度量投资者情绪以及量化它的影响。随着互联网的发展，相对于传统的直接调查和间接指标，用投资者的网络行为来衡量投资者情绪更为直接和准确，因此，越来越多的研究聚焦于互联网大数据的挖掘。但是，网络数据也存在噪声，如搜索行为可能并不是由投资者发起、文本信息包含大量虚假信息等，因此，本文拟聚焦于投资者在金融论坛的发帖行为，用发帖数量来衡量投资者关注度，并研究其对股票市场的影响。相对于已有的研究，本文的主要创新之处在于：一是利用大数据挖掘技术，聚焦于投资者的发帖行为，通过投资者关注度的变化能够更准确地衡量出投资者情绪;二是利用个股投资者关注度数据，构造出了投资者关注度定价因子，并通过资产定价模型验证了该因子的有效性，补充和完善了现有资产定价理论。

三、研究设计

（一）投资者关注度的构建

东方财富股吧是目前我国股市投资者最主要的交流平台，因此，本文通过设计爬虫程序，收集东方财富股吧中个股的发帖量来对个股投资者关注进行衡量。主要包括以下步骤：第一步，利用爬虫程序获取样本区间内每只个股每周的发帖数量总和;第二步，取个股周发帖数的对数差作为个股关注度的原始指标;第三步，考虑到个股关注度的极端值较多，因此，进行5%缩尾得到最终的个股关注度[Attentioni，t]（其中i表示个股，t表示时间）;第四步，采用等权重法构造出市场总体的投资者关注度指标[AttentionEWt]，同时采用市值加权法构造出关注度指标[AttentionVWt]，检验[AttentionEWt]的稳健性（两者相关系数高达0.98）。

我国股市可以分为主板、中小板、创业板及科创板等板块，相对于其他板块，在创业板发行上市的大多是科技型企业，这些企业规模普遍较小，所处行业发展较快，估值普遍较高，更容易受到投资者情绪或者市场关注度的影响。科创板虽然与创业板较为相似，但是上市时间过短，数据量过小，因此，本文选择创业板上市公司作为分析对象。由于创业板2009年10月30号才上市，到2010年12月31日上市公司数量只有160余家，因此，本文的样本区间为2011年1月—2019年8月。相对于日数据的波动频繁以及月数据的相对滞后，周数据的稳定性及可操作性更强，因此，本文最终选择了样本区间的所有周数据进行分析，共443周。

图1报告了创业板指数与[AttentionEWt]在样本区间的走势图，可以看到，在2015年6月创业板指数达到牛市顶点时，投资者关注度也达到了阶段性高点;而在随后的反弹高点处（2015年12月），投资者关注度同样处于阶段性高点;在近期的一个小高点处（2019年4月），投资者关注度同样达到了一个小高点。说明从走势上看，投资者关注度与市场指数间存在着一定的关联性。但是，从图1也可以看出，两者之间的走势也存在着很多不相吻合的地方，如2017年8月和2017年10月相继出现了关注度的最小值和最大值，而创业板指却没有明显的波动。因此，要更深入地探究投资者关注度与市场指数间的关系，需要建立更准确的实证模型。

（二）模型设计与数据描述

1. 投资者关注与指数收益率。为了检验投资者关注度对市场指数的影响，本文设计了如下模型：

其中[Rt+k]为市场指数收益率，k表示对市场收益率的向前预测，其中，k=0表示投资者关注度对市场指数收益率当期的影响，k=1表示投资者关注度对市场指数下一期收益率的影响，依次类推，本文实证中对k分别设定为0、1、2、3;[Controli，t]代表一系列控制变量，参考周亮（2017）[11]等学者的研究，采用工业增加值（IVA）、CPI、M2增速、SHIBOR利率（采用7天利率的周平均值）、期限利差（Spread，用10年期国债收益率与1年期国债收益率的差值表示）等作为控制变量。表1报告了各变量的描述性统计情况，可以看到，指数收益率、等权重关注度和市值加权关注度的均值均接近于0，中位值均大于0，而偏度显示三个序列均为左偏，下尾更长。

2. 投资者关注与股票异质性。投资者关注除了会对股票指数产生影响之外，还会对异质性股票产生不同的影响。本文采用总体关注度分析其对异质性股票的影响差异，根据不同特征（比如根据市值、估值、波动率等指标）将所有股票按照从小到大的顺序分为10组，对每组股票采用等权重的方式构造投资组合，并将（1）式中的[Rt+k]替换成不同异质性股票组合的收益率，考察[β]系数在不同分组中的差异，结果见图2。

除此以外，相对于其他很多学者的研究，本文所研究的投资者关注度指标是基于个股数据获得的，因此，可以直接利用个股数据分析投资者关注对股票收益及股票特征的影响。表2报告了不同程度投资者关注下股票特征的变化情况，从1到10依次表示投资者关注从最低到最高的分组，最后一行表示最高组与最低组间的差异，括号内为t检验值。借鉴Da等（2015）[27]等学者的研究，本文选择了如下股票特征进行分析：（1）规模（Scale）。采用股票流通市值来表示。（2）估值（Value）。采用市净率来衡量，如果市净率小于0，则缩尾到0。（3）市场贝塔（StockBeta）。市场贝塔主要用来衡量股票的系统性风险，通过过去一年个股周收益率和市场指数周收益率计算得到，计算公式为[βi=cov（Ri，RM）var（RM）]，其中[Ri]为个股收益率序列，[RM]为市场指数收益率序列，cov和var分别表示计算协方差和方差。（4）股价（Price）。采用股票的前复权收盘价格来表示。（5）波动率（RangeVol）。考虑到极差波动率在度量股票风险时也能体现出较好的效果，因此，采用计算相对简单的极差波动率来衡量个股风险，计算公式为[σrng，i=14Nln2i=1N（lnhili）2]，其中[hi]为某段时间的最高价，[li]为某段时间的最低价。（6）换手率（Turnover）。采用周成交额除以流通市值来衡量。（7）动量（Mom）。借鉴Carhart（1997）[31]的构造方法，采用前12个月股票收益率（即48周）来衡量。（8）非流动性（ILLIQ）。采用Amihuid（2002）[32]的非流动性指标来衡量，计算公式为[ILLIQi=RiVoli]，其中[Ri]为个股收益率，[Voli]为个股成交量。

从表2第1列可以看出，最低投资者关注组的流通市值平均值为41.65亿，最高投资者关注组的流通市值平均值为43.69亿，最后一行显示最高最低组间差值为2.04亿，t检验值仅为1.07，说明两者之间并无显著差异，即不同投资者关注度股票间的市场规模不存在显著差异。同样可以发现，不同投资者关注度股票间的估值（BookToMarket）、市场贝塔（StockBeta）、价格（Price）和动量（Mom）并无显著差异，但是其波动率（RangeVol）、换手率（Turnover）及非流动性（ILLIQ）却存在显著差异，表现为高投资者关注度股票的波动率更大、换手率更高、非流动性更明显，波动率大、换手率高、流动性较差的股票往往是投机性更强的股票，也就说明投资者关注度越高的股票投机程度也越高，符合行为金融学的一般假设。

四、投资者关注对市场的影响

（一）投资者关注对指数收益率的影响

利用模型（1）分析投资者关注度对指数收益率的影响，表3报告了相关回归结果，其中，Panel A是采用等权重关注度[AttentionEWt]的回归结果，Panel B是采用市值加权关注度[AttentionVWt]的回归结果。其中，每个Panel均包含4列，分别是对当期[Rt]、未来一期[Rt+1]、未来二期[Rt+2]和未来三期[Rt+3]指数收益率的预测结果。由于因变量和核心解释变量[Attentiont]均为差分序列，因此，对所有自变量同样取差分序列，差分后的序列均平稳，可以直接建立回归模型，无须进行协整检验。

从表3可以看到，无论是等权重还是市值加权，投资者关注度在当期都会对指数收益率有正向影响，在未来一期影响转为负向，在未来二期和未来三期又转为正向，这与Da等（2015）[27]的研究结论较为相似。投资者关注度的短暂提高会使得当期指数超涨，未来一期指数价格因为均值回复趋势而导致收益率发生下跌，且下跌幅度会超过当期的涨幅，但是，在未来两期或三期，指数价格又会回到原有的趋势轨道。观察[Attentiont]系数的t值，只有当期系数在10%水平下是显著的，未来一期、二期和三期的系數均不显著，说明投资者关注度虽然表现出了行为金融学的某些特征，但对市场整体收益的影响并不大。从控制变量来看，只有CPI和SHIBOR对当期和未来一期的指数收益率有显著影响，且系数均为负，说明通胀越厉害、市场利率越高时，指数收益率越低，符合经济基础理论。

（二）投资者关注对异质性股票的影响

从表2初步看到，不同投资者关注的股票其特征会存在一定的差异，本节将从数理角度分析投资者关注对异质性股票的影响。具体步骤为：首先，将所有的股票按照不同特征从小到大的顺序分为10组;其次，将每组股票的收益率进行等权重加总为组合收益率;最后，按照模型（1）分析投资者关注对不同组合收益率的影响（由于表3中只有当期收益率的系数显著，因此将k取0）。由于等权重关注度与市值加权关注度的影响差异不大，因此，图2中只汇报了等权重关注度的分析结果（市值加权关注度的分析结果可以向作者索取）。图2展示了关注度回归系数[β]的变动情况，可以看到，规模分组（Scale）的[β]系数变动趋势并不明显，先是增大，随后又发生了下跌;估值分组（Value）在第7组前基本保持着上涨的趋势，但从第8组开始又转向了下跌;市场贝塔分组（StockBeta）和价格分组（Price）均没有表现出明显的趋势;波动率分组（RangeVol）前面组别变动幅度较小，但是在第10组发生了极其明显的上涨;换手率分组（Turnover）、动量分组（Mom）和非流动性分组（ILLIQ）均保持了较为明显的上涨趋势。总体来看，投资者关注度对规模、估值、市场贝塔和价格四个特征分组的股票敏感性较小，而对波动率、换手率、动量和非流动性特征分组的股票敏感性较大，即对投机性较强的股票敏感性更大。

为了更准确地观察投资者关注对异质性股票的影响，表4报告了不同特征股票分组下，投资者关注度对10-1组合收益率（即最高组和最低组的收益率之差）的回归分析结果，控制变量和模型（1）一致。Panel A报告了等权重关注度的回归系数，Panel B报告了市值加权关注度的回归系数，可以看到与图2相似的结果，规模、估值、市场贝塔和价格四个特征下的投资者关注度对10-1组合收益率的[β]系数并不显著，而换手率、波动率、动量及非流动性四个特征下的[β]系数显著为正，其中数值和显著性最高的均为非流动性特征，其系数高达0.0263，t值也高达3.4，说明非流动性对投资者关注最敏感。

五、投资者关注作为定价因子

（一）定价因子及描述性统计

常见的风险定价模型包括CAPM模型、Fama-French三因子模型、加入动量因子的四因子模型、加入非流动性因子的四因子模型，以及将这五个因子都涵盖在内的五因子模型。本文选择这五个因子来研究关注度因子的有效性，其中FF三因子（MKT、SMB和HML）数据来自锐思数据库;动量因子（MOM）和非流动性因子（ILLIQ）采用10组分组法，利用第10组的组合收益率减去第1组的组合收益率进行构建;关注度因子的构造方法与MOM和ILLIQ类似，将关注度最高组（第10组）的组合收益率减去关注度最低组（第1组）的组合收益率，得到投资者关注度因子（ATT）。

表5报告了6个因子的描述性统计结果以及因子间的相关系数矩阵。可以看到，在样本区间内，市场因子收益率仅为0.01%，且t值不显著;其他五个因子均能获得显著的正收益率，t值均在5以上，收益率最高的是非流动性因子，其周均收益率高达0.88%，最小的是规模因子，但是也有0.29%。从相关系数来看，除了规模因子（SMB）与估值因子（HML）、SMB与MOM、HML与MOM的相关系数均超过了0.6，其他因子间相关系数均不大;关注度因子（ATT）除了与市场因子（MKT）保持一定的正相关性外，与其他四个因子均是负相关关系，且数值均不大。因此，初步看来，ATT因子不同于目前常用的定价因子。

（二）因子回归分析

为了更准确地判断关注度因子是否不同于现有的定价因子，即是否能够为资产定价模型提供增量信息，采用各因子模型对ATT因子进行回归，模型如公式（2）所示：

回归结果如表6所示，可以看到，动量因子和非流动性因子对ATT因子的回归系数均不显著，MKT、SMB和HML三因子的回归结果均是显著的，其中，MKT和HML的回归系数显著为正，而SMB的回归系数显著为负。无论采用哪种模型，Alpha系数均是显著为正的，说明ATT因子包含了三因子甚至五因子所无法解释的部分，能够为资产定价模型带来增量价值。此外，模型的R2均小于0.2，也说明ATT因子与现有的风险因子具有显著的差异性。因此，在接下来的分析中采用ATT和其他风险因子共同为投资组合进行定价研究。

（三）因子定价能力分析

本文采用关注度分组来研究因子的定价能力，即按照关注度从低到高的顺序将所有股票分为10组，并分别对每组的等权重投资组合收益率进行因子回归，模型如公式（3）所示：

其中，[Rt]为各投资组合的收益率，回歸结果见表7。从第1列可以看到，不同关注度分组下投资组合的平均收益率并没有显著的变化趋势，除了第9组和第10组外，其他组合的收益率均值均小于0;从第2列收益率的标准差看，随着关注度的升高，投资组合的风险不断上升，最低关注度组的标准差仅为3.74%，但最高关注度组的标准差达到5.84%。第3到9列报告了因子定价回归结果，可以看到，除了市场因子、非流动性因子和关注度因子在绝大部分投资组合下的回归系数显著外，规模因子回归系数仅在第1、9和10组显著，而估值因子和动量因子的回归系数在绝大部分组合下均不显著。除了第3组和第7组外，其他组合的[α]系数均不显著，说明因子模型能够很好地对组合收益定价。这从R2也可以看出，所有投资组合的R2均在0.9以上，模型拟合效果很好。从系数的变化趋势来看，无论[α]系数，还是MKT、SMB、HML、ILLIQ和MOM的系数，均没有明显的趋势变化，但是ATT的系数却具有明显的上涨趋势，从最低组的-0.2445到最高组的0.7555，说明ATT因子对不同关注度组合的影响存在着显著差异。因此，总体来看ATT因子是具有显著定价能力的。

为了使研究结果更稳健，表8采用Fama-French的分组方法，将所有股票按照规模和估值分为S/H（小规模高估值）、S/M（小规模中估值）、S/L（小规模低估值）、B/H（大规模高估值）、B/M（大规模中估值）和B/L（大规模低估值）六组，再对每组构造等权重组合，利用模型（3）检验风险因子对组合收益率的定价能力。从表8可以看到，风险因子的定价能力较强，表现为除了S/H和S/L组的[α]系数显著外，其他四组的[α]系数均不显著，且所有组合的R2均在0.95以上（除S/L组为0.8）。从风险因子来看，MKT回归系数在所有组合中均显著，SMB和HML的回归系数也在绝大部分组合中显著，ILLIQ回归系数仅在S/H和S/L组显著，MOM回归系数在S/H、B/H和B/L组显著，而ATT回归系数在S/M、S/L和B/L组显著。所以综合来看，ATT因子具有一定的定价能力，尤其是在低估值的股票组合中表现得更为明显（S/L和B/L组的回归系数极为显著），而且对小规模股票的定价能力一般为正，而对大规模股票的定价能力一般为负。综合表7和表8来看，采用投资者关注来构造定价因子，能够对现有的资产定价模型进行一定的补充。

六、结论与讨论

基于2011年1月—2019年8月的创业板上市公司数据，通过设计爬虫程序挖掘出创业板个股每周在东方财富网的发帖量，从而获得个股的投资者关注信息，并分别采用等权重法和市值加权法构造出市场整体的投资者关注度指标，以及采用定价因子的构造方法构造了关注度因子。通过对市场整体以及异质性股票的实证检验，结果发现：市场总体的关注度指标只对当期的指数收益率有影响，对未来的预测能力并不显著，同时投机性较强的股票（包括波动率、换手率、动量和非流动性较大的股票）对总体关注度指标的敏感性更高;关注度因子与常见的定价因子间的相关性并不高，且在控制了现有定价因子（MKT、SMB、HML、MOM、ILLIQ）后，关注度因子仍然能够获得显著的正阿拉法收益，说明关注度因子不同于现有的定价因子;利用多因子模型对不同投资组合的收益率进行回归，发现关注度因子对投资组合的收益率有显著的解释能力，能够为现有的定价模型带来增量信息。

本文的研究结论既是对行为金融理论的有力补充，也对投资者、金融机构和金融监管层具有较为重要的现实价值：首先，对于投资者而言，一方面应尽量避免个人情绪影响到投资决策，如严格执行交易规则、坚持价值投资等;另一方面也可以关注与情绪相关的变量，短期内可以利用其他投资者的不理性行为获利，如买入投资者关注度更高的股票，长期则应避免在市场情绪高涨时入市。其次，对于金融机构而言，可以充分利用其规模优势和研究优势，通过大数据或人工智能技术，监控并追踪投资者情绪的变化情况，并以此为基准开发相关金融产品，既为投资者提供了更广泛的投资产品，也可以为市场提供更多的流动性。最后，对于监管层而言，应紧密监测投资者情绪变动情况，可以将投资者情绪作为系统性金融风险的一个前瞻指标，通过对其监测和引导，为防范和化解金融风险提供数据支持。

参考文献：

[1]Qiu L，Welch I. 2006. Investor Sentiment Measures[R].Working Paper，Brown University.

[2]Singer E. 2002. The Use of Incentives to Reduce Nonresponse in Household Surveys [R].Working Paper，University of Michigan.

[3]Da Z，Engelberg J，Gao P J. 2011. In Search of Attention [J].Journal of Finance，66（5）.

[4]Loughran T，McDonald B. 2011. When is a Liability not a Liability？ Textual Analysis，Dictionaries，and 10-Ks [J]. Journal of Finance，66（1）.

[5]Shiller R J. 1981. Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends？ [J]. American Economic Review，71（3）.

[6]De Bondt W F M，Thaler R. 1985. Does the Stock Market Overreact？ [J].Journal of Finance，40（3）.

[7]DeLong J B，Shleifer A，Summers L H，Waldmann R J. 1990. Noise Trader Risk in Financial Markets [J].Journal of Political Economy，98（4）.

[8]Eyster E，Rabin M，Vayanos D. 2019. Financial Markets where Traders Neglect the Informational Content of Prices [J].Journal of Finance，74（1）.

[9]Dellavigna S，Pollet J M. 2009. Investor Inattention and Friday Earnings Announcements [J].Journal of Finance，  64（2）.

[10]Ingersoll J E，Jin L J. 2013. Realization Utility with Reference-Dependent Preferences [J].Review of Financial Studies，26（3）.

[11]周亮.投資者情绪及其对股票市场的影响研究[J].湖南财政经济学院学报，2017，（3）.

[12]Baker M，Wurgler J. 2006. Investor Sentiment and the Cross-Section of Stock Returns [J].Journal of Finance，61（4）.

[13]Huang  D，et al. 2015. Investor Sentiment Aligned： A powerful Predictor of Stock Returns [J].Review of Financial Studies，28（3）.

[14]Nayak S. 2010. Investor Sentiment and Corporate Bond Yield Spreads [J].Review of Behavioral Finance，2（2）.

[15]Simon D P，Wiggins R A. 2001. S&P Futures Returns and Contrary Sentiment Indicators [J].Journal of Futures Markets，21（5）.

[16]Wang C. 2004. Futures Trading Activity and Predictable Foreign Exchange Market Movements [J].Journal of Banking&Finance，28（5）.

[17]Bahloul W，Bouri A. 2015. Profitability of Return and Sentiment-Based Investment Strategies in US Futures Markets [J].Research in International Business and Finance，36（2）.

[18]周亮.投资者情绪对商品期货价格及波动率的影响研究——以螺纹钢期货为例 [J].武汉金融，2019，（6）.

[19]Ben-Rephael A，Kandel S，Wohl A. 2012. Measuring Investor Sentiment with Mutual Fund Flows [J].Journal of Financial Economics，104（2）.

[20]文凤华，肖金利，黄创霞.投资者情绪特征对股票价格行为的影响研究 [J].管理科学学报，2014，（3）.

[21]Aissia B D. 2014. IPO First-Day Returns：Skewness Preference，Investor Sentiment and Uncertainty Underlying Factors [J].Review of Financial Economics，23（3）.

[22]Lemmon M，Portniaguina E. 2006. Consumer Confidence and Asset Prices：Some Empirical Evidence [J].Review of Financial Studies，19（4）.

[23]余佩琨，钟瑞军.个人投资者情绪能预测市场收益率吗 [J].南开管理评论，2009，（1）.

[24]池丽旭，张广胜，庄新田，宋大雷.投资者情绪指标与股票市场——基于扩展卡尔曼滤波方法的研究 [J].管理工程学报，2012，（3）.

[25]杨阳，万迪昉.投资者情绪对我国金属期货市场的影响 [J].系统工程，2010，（11）.

[26]陈标金，谭莹.信息、交易者情绪与中国农产品期货价格波动 [J].金融经济学研究，2017，（2）.

[27]Da Z，Engelberg J，Gao P. 2015. The Sum of all FEARS Investor Sentiment and Asset Prices [J].Review of Financial Studies，28（10）.

[28]Dimpfl  T，Kleiman V. 2019. Investor Pessimism and the German Stock Market：Exploring Google Search Queries [J].German Economic Review，20（1）.

[29]易洪波，赖娟娟，董大勇.网络论坛不同投资者情绪对交易市场的影响——基于VAR模型的实证分析[J].财经论丛，2015，（1）.

[30]Baker M，Wurgler J. 2007. Investor Sentiment in the Stock Market [J].Journal of Economic Perspectives，21（2）.

[31]Carhart M M. 1997. On Persistence in Mutual Fund Performance [J].Journal of Finance，52（1） .

[32]Amihuid Y. 2002. Illiquidity and Stock Returns Cross-Section and Time-Series Effects [J].Journal of Financial Markets，5（1）.

作者：周亮

投资外股探究论文 篇2：

新CAS下长期股权投资划分的比较思考

摘要:在新投资方式不断革新的今日,长期股权投资问题显得尤为重要,对投资进行划分更是会计核算处理的依据。比较新旧准则对长期股权投资划分的变动,且与相关国际准则规定进行对比分析,并通过中国石化AH股年度报表披露比较,得出若干思考。

关键词:新CAS;长期股权投资划分;趋同

文献标识码:A

1 引言

2010年4月,我国正式颁布《中国企业会计准则与国际财务报告准则持续趋同路线图》,旨在推动全球统一高质量会计准则的制定、实现我国会计准则与国际标准的持续趋同。路线图表示,国际会计准则理事会(IASB)已确认了中国特殊情况和环境下的一些会计问题,其中就包括了同一控制下的企业合并。这涉及到作为投资方对长期股权投资进行最初划分的问题。从这一角度考虑,长期股权投资的划分或者说相关准则的专门制定,将直接影响企业财务信息的公告和比较。尽管在2006年颁布的我国新企业会计准则(新CAS)中,长期股权投资的划分得到了进一步规范和完善。但由于改革仓促和时间有限,在2007年至2009年这三年的新准则执行期间,长期股权投资在实务中的划分仍存在不少问题。

2 新CAS下长期股权投资划分的改进

2.1 我国长期股权投资划分规范文件

为规范投资行为的会计信息披露,提高会计信息的有用性,推动证券市场的发展,我国财政部于1998年先后颁布了《股份有限公司会计制度——会计科目和会计报表》和《企业会计准则—投资》(即旧投资准则),后又于2001年11月修订了旧投资准则。为顺应经济全球化和与国际财务报告准则趋同之势,财政部借鉴了国际准则中有关投资准则的会计处理规范,于2006年2月颁布了《企业会计准则第2号——长期股权投资》(CAS2),并要求于2007年1月1日起在上市公司范围内施行,随后逐步推广到所有大中型企业。

2.2 新CAS对长期股权投资划分的改进

可以说,在2006版新CAS中,变动最大并且对其他准则产生重大影响的准则,就有CAS2。CAS2作为对原准则概念下的“投资”进行全新分类结果的一个重要部分,将“长期”的“股权”投资行为从原准则的“短期投资”和“长期投资(包括长期股权投资和长期债券投资)”中单独划分出来,以区别于新准则下的“金融资产”等其他投资行为和投资项目,并以单一的准则对之进行规范。

这一单一准则CAS2规定,在初始计量时要区分企业合并的类型,从而采取相应的核算方法;并在投资持有的期间,根据投资企业对被投资企业的影响程度及是否存在活跃市场、公允价值能否可靠取得等条件,将企业分为四类:控制,共同控制,重大影响,无共同控制且无重大影响,并应当分别采用成本法及权益法进行后续计量。

尽管新CAS体系并没有对股权投资提出明确而具体的划分,但从准则对股权投资核算原则与要求上看,按照“投资的意图和能力”,股权投资可划分为以下几类:

①投资企业能够对被投资单位实施控制的投资;

②投资企业对被投资单位具有共同控制或重大影响的投资;

③投资企业对被投资单位不具有控制、共同控制或重大影响,并且在活跃市场中没有报价、公允价值不能可靠计量的权益性投资;

④交易性投资和指定为公允价值计量且其变动计入当期损益的投资;

⑤初始确认时即被指定为可供出售的非衍生金融资产,以及不能被明确归入其他各类投资的非衍生金融资产。

由此可见,考虑到投资企业管理层管理意图与决策等因素,除第④外,其余四项均可包含于“长期股权投资”的范围之内,而这些也是长期股权投资选择核算方法的几个子类别。

3 长期股权投资划分的国际比较分析

3.1 与相关国际准则划分规定的比较

在国别会计准则国际趋同大势下,我国2006版新CAS体系在很大程度上借鉴了国际会计准则(IAS)的处理方法。与长期股权投资准则CAS2相对应的,便是国际会计准则中的IAS27《合并财务报表和单独财务报表》、IAS28《对联营企业的投资》和IAS31《合营中的权益》。但由于国情差异和我国资本市场的特殊情况,我国长期股权投资的会计处理规范与国际准则仍存在差异。尽管从表面上看,差异是由长期股权投资核算方法的适用范围来体现的,但事实上,对长期股权投资进行划分,或者说,对投资进行合理的划分,才是投资项目会计处理初始计量、后续核算、报表呈报的依据和前提,其对投资核算方法的采用具有决定性作用。

(1)单独的“长期股权投资”准则。

总观国际准则,并没有对“长期股权投资”作出单独且明确的规定,因此也就不存在基于投资方角度所考虑的多种长期股权投资的划分。从这个角度来说,我国的CAS2比相应的国际准则对长期股权投资的规定则显得更具针对性和更为详细。但这种划分是否合理,或者说以单独的“长期股权投资”角度去探讨投资问题是否有益,还值得深入探究。

(2)初始取得时的投资划分。

CAS2规定,在长期股权投资取得并按初始投资成本入账时,要分为“企业合并”和“非企业合并”两种情况。国际会计准则对长期股权投资初始计量也分为以下两种情况:通过合并形成的和非合并形成取得的长期股权投资。可见从总体上考虑,CAS2与相关国际准则对长期股权投资的划分是一致的。但CAS2针对企业合并形成的长期股权投资又依据企业合并的类型划分为“同一控制”和“非同一控制”。而对“同一控制”企业合并的会计处理,正是目前我国准则与国际准则存在的少数差异之一。

(3)投资持有期间的投资划分。

CAS2并没有专门就长期股权投资的类型进行划分,而是根据后续计量的方法限定了方法适用的范围。在投资持有的期间,根据投资企业对被投资企业的影响程度,可将企业分为四类:控制,共同控制,重大影响,无共同控制且无重大影响。其中,“对被投资单位实施控制的长期股权投资”和“对被投资单位不具有共同控制或重大影响且在活跃市场没有报价、公允价值不能可靠计量的长期股权投资”属于成本法的适用范围,“对被投资企业具有共同控制或重大影响的长期股权投资,即对合营企业及对联营企业投资”属于权益法的适用范围。

国际准则不存在单独针对“长期股权投资”持有期间投资划分的准则,但分别就“合并”、“联营”、“合营”等单个类别投资行为所造成结果的核算作出规定。在国际准则中,只有IAS27对成本法的适用范围作出规定。从总体上看,CAS2在成本法适用范围上的规定与IAS27一致,即对采用成本法核算的投资类型持统一观点;但CAS2比IAS27在何时采用成本法、何时遵循金融工具准则来处理投资分类的规定则显得更为详细。同时,IAS27所强调的“单独财务报表”则明确了“长期股权投资”的投资方所处的角度和立场。而这一点在我国准则中还没有得到明确体现。

而IAS28和IAS31对权益法适用范围作出的规范与CAS2也不尽相同。CAS2将合营企业和联营企业的投资划入权益法适用范围。IAS28和IAS31则在对合营企业和联营企业的基础上限制了权益法适用的范围,表示这两条准则均不适用于风险资本组织、共同基金、信托公司和类似主体的投资。可见,国际准则考虑到了特殊主体投资的情况,对权益法采用范围企业的划分作出了更为严格的限定,并以此与一般企业主体投资行为相区分。

(4)投资划分的标准。

CAS2最显著的特征便是在长期股权投资的划分中强调了投资的“经济实质”而非“法律形式”,不再将投资仅依据一定的比例数值进行划分,而是综合采用“实质控制法”与“持股比例”这两种标准,作为划分成本法与权益法适用条件的判断依据。这被认为是与国际准则相似。同时CAS2还要求在报表附注中对投资企业的持股比例和表决权比例、被投资单位向投资企业转移资金的能力受到严格限制的情况等进行披露。针对长期股权投资划分的标准和评判要求的披露方面,由于国际准则是有单独的“合并”、“联营”和“合营”准则,因此相关规定更为详细和具体。

3.2 相关报表呈报比较

为更好地体现我国CAS对长期股权投资的划分以及相关国际准则的划分规定,本文选取了同时发行A股和H股的一家上市公司——中国石油化工股份有限公司(下文称“中国石化”)为例,对其2009年按照我国财政部颁布的企业会计准则规定所编制的年度财务报告(下文称“A表”)和遵循IASB所发布的国际财务报告准则编制的财务报表(下文称“H表”)中有关长期股权投资划分部分的披露信息进行分析。

在A表合并资产负债表中,“长期股权投资”作为单独的一项,列于“非流动资产”的下一层;H表合并资产负债表,并不存在单独的“长期股权投资”科目,而是以“于联营公司的权益”、“于合营公司的权益”以及“投资”三个科目来表示中国石化的长期股权投资情况,使得投资情况更为显而易见。H表合并利润表的“投资收益”科目中,单独列示了“来自联营及合营公司的损益”,而A表则是一概而括,没有子科目。同样的现象也出现在合并现金流量的“投资活动”中。

在财务报表附注中,A表将“长期股权投资”分为“对合营公司投资”、“对联营公司投资”和“其他股权投资”三类,而H表分别列示了“于附属公司的投资”、“于联营公司的投资”、“于合营公司的投资”以及“投资”。值得注意的是,H表附注的“投资”包括了“可供出售的金融资产(含上市的权益证券和其他可供出售的证劵投资,以及非上市的其他证券投资)”,这与我国CAS对股权投资的划分要求有所不同。

4 结论

通过上述对比阐述和年度报表分析,我国新CAS对长期股权投资的划分在实质上与国际准则相同,但存在着角度和宽度的不同。我国有独立的“长期股权投资”准则,并依据“实质控制法”与“持股比例”将长期股权投资划分为“控制”、“共同控制”、“重大影响”和“无共同控制且无重大影响”四类,并以之为后续核算方法采用的判断依据。而国际准则之所以没有专门制定“长期股权投资”准则,是因为其已立足于已有的分类基础,如“合并”、“联营”、“合营”等单个类别投资行为所造成结果的核算处理。因此,国际准则对类似划分的规定及处理显得更为具体和明确,对于划分企业的对象,如权益法采用的企业范围,则有所限制。

长期股权投资的划分,就是要把实际过程中发生的长期股权投资归到哪种类型中,也就是要选择一个比较公平合理的标准,将不同类型的长期股权投资进行归类,并就其共同之处选择一个适宜的计量方法,以达到正确计量,从而有效地为各利益相关方服务。尽管CAS2完善了投资企业实施“控制”、“共同控制”、“重大影响”等概念的界定,更为关注投资企业对被投资企业实际权力的大小,考虑了投资企业对被投资企业经济管理业务的实际参与程度,而不是仅仅以投资份额的比例来作为长期股权投资划分的评判标准。这充分体现了实质重于形式原则,也使得会计信息的质量得到了进一步提升。但是长期股权投资的划分直接影响到了长期股权投资交易事项的记录、确认、计量和报告,同时也间接对企业整体的经济活动产生了重大影响。在准则国际趋同之路上,我国长期股权投资的划分已达到“神似”,但能否最终形成“形似”,划分的角度与宽度是否也需与国际保持持续一致,值得再作思考。

参考文献

[1]财政部.企业会计准则第2号——长期股权投资[S].(2006).

[2]中国注册会计师协会.2010年度注册会计师全国统一考试辅导教材:会计[M].北京:中国财政经济出版社,2010,(3).

[3]中国石油化工股份有限公司.2009年年度报告(A股:600028;H股:0386)[R].

作者：余俊仙 叶正虹

投资外股探究论文 篇3：

不同产权性质下会计稳健性与非效率投资行为实证研究

摘要：在我国现行投资制度背景下，会计稳健性对上市公司非效率投资行为的影响亟待深入研究。本文基于委托代理理论和信息不对称理论，选取 2008～2010年我国沪深A股3303 个样本，就不同产权性质下会计稳健性对投资过度和投资不足等非效率投资行为的影响进行实证研究。研究结果表明：会计稳健性能抑制企业投资过度，加剧企业投资不足；国有企业中会计稳健性抑制投资过度的程度强于非国有企业，非国有企业中会计稳健性加剧投资不足的程度强于国有企业。

关键词：会计稳健性；投资过度；投资不足；产权性质

Key words：accounting conservatism； over investment； under investment； property rights nature

1引言

由美国次贷危机所引发的全球金融危机推动了会计实务界和理论界对会计职能的深层思考，作为会计信息质量要求之一的会计稳健性成为新的研究课题。2010年9月8日，FASB和IASB联合概念框架第一阶段项目研究成果公布，稳健性不在“有用的财务信息质量特征”范围之列，这引发了国内外对会计稳健性的研究热潮，尤其是对会计稳健性经济后果的探讨。

在成熟的资本市场中，如果企业中未出现代理冲突和信息不对称，则会存在最优投资水平可以实现企业价值最大化，而实际上公司的投资行为却并非都是有效率的，经理人与股东之间的代理冲突会引发企业过度投资，而信息不对称的存在会导致企业投资不足。投资过度和投资不足等非效率投资行为无法使企业资本达到最优配置状态，进而难以实现企业价值最大化。在中国现行的投资制度背景下，由于存在公司治理问题、各方面监管滞后等原因，代理冲突和信息不对称在我国上市公司比较突出，由此所引发的非效率投资问题相对于西方国家更为普遍。因此，探究我国上市公司非效率投资行为的动因和治理途径具有重要的理论和现实意义。

在会计学术界，对会计稳健性经济后果的研究主要是对企业融资成本和投资行为的影响，目前对前者的研究已有不少[1]，但是，却缺乏对会计稳健性与企业投资行为相关性的探讨。从理论上来说，稳健的会计信息有助于公司辨别投资机会，降低信息不对称，并且具有抑制经理人机会主义行为的治理作用，能够有效指导投资行为，提高资源利用效率。针对我国上市公司普遍存在的投资过度和投资不足等现象，会计稳健性能否在我国的制度背景下治理非效率投资行为亟待深入研究。

2理论分析与研究假设

在现代企业制度下，所有权与经营权的分离会引起股东与经理人之间的代理冲突。股东委托经理人对公司进行经营管理，通过公司资本持续增值而增加股东自身收益。但是经理人在进行投资决策时，如果缺乏有效的监督和激励机制，经理人出于自身利益最大化的考虑很可能会选择投资于高风险高收益的项目，甚至会因投机主义动机投资于净现值为负的项目或不会立即从亏损的项目中撤回资金，从而发生投资过度行为。在法律法规不健全、资本市场不成熟的发展中国家，这种过度投资行为尤其突出。然而，会计稳健性通过及时确认和报告“坏消息”、推迟或分期确认“好消息”，使得经理人不能转嫁投资项目失败的责任，也不能立即全部获得投资成功带来的投资效益，这样便可以降低代理成本，抑制上市公司的投资过度行为。

上市公司投资不足行为是由信息不对称问题带来的融资约束所引起的。对于会计稳健性较强的企业，向外界传递的会计信息可能会过于保守，这将使外部投资者和债权人因信息不对称而降低对公司的信心，企业的外部融资成本提高，而高昂的外部融资成本又使得企业不得不放弃净现值为正的投资项目，更易导致投资不足行为。另外，会计稳健性强调“不高估资产或者收益，也不低估负债或者费用”，这使得投资决策者做出保守的估计，往往低估企业价值或投资项目的盈利状况，对原本有利可图的项目失去了投资信心，从而进一步加剧了投资不足。因此，本文提出以下假设：

假设1a会计稳健性能抑制企业投资过度行为。

假设1b会计稳健性能加剧企业投资不足行为。

国外学者研究证实，发展中国家的投资效率明显低于发达国家，我国国有企业和非国有企业具有不同的经营和发展模式，所表现出投资效率的差异值得深入研究，因此，研究我国现行投资制度背景下不同的产权性质下会计稳健性对非效率行为影响程度的差异具有重要的意义[2]。我国会计界学者普遍认为，会计稳健性在国有企业中的体现要比非国有企业弱，一是因为对国有企业管理者合理运用会计稳健性的监督和激励程度较低，二是因为国有企业依赖于政府干预就能以较低的融资成本获取更多的银行贷款而无须提供更加稳健的会计信息[3]。由此可知，在我国制度背景下，会计稳健性对国有企业和非国有企业非效率投资行为的影响程度是存在差异的。

在社会主义市场经济条件下，会计稳健性对投资过度的作用很大程度上受国企债务软约束、内部控制和政府干预等现象的影响。其一，我国金融体系受到政府的干预较强，形成了“中央政府—国有商业银行—国有企业”的双重预算软约束，与非国有企业相比，国有企业更能容易获得融资成本更低的投资资金[4]。国有商业银行在对国有企业放贷时对其投资效益不够重视，对会计稳健性的关注程度也较低，这削弱了其对国有企业投资过度行为的制约作用。其二，政府作为国有股东不会仅考虑某一企业的发展，还要重视GDP增长、就业率等问题，这使国企的经营目标存在多重性。即使经济环境的恶化使某一投资项目亏损，国有企业也难以从中立即撤资，可见，会计稳健性对于国企投资过度的制约作用受限。因此，国有控股性质会削弱会计稳健性与企业投资过度的负相关关系。

与国有企业相比，非国有企业在融资、投资等方面享受的种种优惠政策明显不足，由于受到更多的融资约束而可能更容易产生投资不足行为。由于政治关系和非国有企业规模普遍较小，商业银行对非国有企业的“惜贷”现象屡见不鲜。非国有企业在贷款时会面临债权人更为严格的审查，资金使用情况会受到债权人更为密切的监督，这增大了对非国有企业会计稳健性的需求，而且即使企业处于投资不利情况政府也较少给予非国有企业以资金和政策上的补助，进一步恶化投资不足现象。另外，政府较少干预非国有企业管理人员的聘用，股东就会加大对经理人的监督，这将提高对会计稳健性的需求，进一步约束非国有企业的投资决策。因此，国有控股性质会削弱会计稳健性与投资不足的正相关关系。基于上述分析，提出如下假设：

假设2a会计稳健性对国有企业投资过度的抑制程度比非国有企业小。

假设2b会计稳健性对国有企业投资不足的加剧程度比非国有企业小。

3研究设计

3.1样本选取与数据来源

本文实证研究选自2008～2010年在沪深A股非金融行业上市公司作为样本，除最终控制人性质外所有数据来自锐思金融数据库（RESSET），最终控制人性质数据来自国泰安数据库（CSMAR）。样本选取过程中剔除数据缺失、当年IPO、同时发行B或H股及被特殊处理的上市公司。数据处理采用Excel，SPSS 16.0等软件完成。

经过筛选后的样本总数为3303个。按照年度划分，2008年、2009年、2010年分别占总样本的30.6%、32.0%、37.5%，样本分布较为平均；按照证监会行业分类标准（剔除了金融类上市公司）划分为12个行业，制造业的样本数量最大，达到58.3%，房地产业、批发和零售贸易业与电力、煤气及水的生产和供应业在5%～10%之间，传播与文化产业的所占比例最小为0.33%，其他行业均介于1%到5%之间，因此样本具有一定的代表性。

4实证检验与结果分析

4.1描述性统计分析

将全样本按照残差ε的大小排序，将3303个样本从高到低依次分为投资过度组、中间组和投资不足组，每组样本数均为1101个。通过比较C_Score均值可知，中间组大于投资过度组大于投资不足组（0.0222>0.0186>0.0169），说明两个非效率投资样本组的会计稳健性水平较中间组低。而通过比较非效率投资指数IE_Inv可知，投资过度组大于投资不足组大于中间组（0.0683>0.0567>0.0181），反映了投资过度组和投资不足组样本的非效率投资水平显著高于中间组。从以上简单的描述性统计分析可以推断，会计稳健性越高，越能抑制投资过度和加剧投资不足。

三组样本组的最终控制人性质State的均值均大于0.5，说明我国上市公司中产权性质为国有的企业数量大于非国有企业。将全样本按照最终控制人性质分为国有企业和非国有企业两个样本组，各组分为投资过度组、中间组和投资不足组。国有组和非国有组样本容量分别为1891个和1412个，国有组占全样本的57.25%，非国有组占全样本的42.75%，国有组样本容量大于非国有组，可见我国上市公司中最终控制人性质为国有的比例更大。通过比较可知，国有组C_Score均值小于非国有组，说明国有组样本公司的会计稳健性整体上低于非国有组；无论国有组还是非国有组，C_Score均值仍然都符合中间组大于投资过度组大于投资不足组的规律，说明两组非效率投资样本的会计稳健性水平较中间组低。

通过比较各样本组的非效率投资指数IE_Inv可知，无论国有组还是非国有组，仍然都符合投资过度组大于投资不足组大于中间组的规律，反映了会计稳健性越高，越能抑制投资过度和加剧投资不足。另外，国有投资过度组、国有投资不足组的非效率投资指数分别低于投资过度组、投资不足组，非国有投资过度组、非国有投资不足组的非效率投资指数分别高于投资过度组、投资不足组，这可以表明，国有控股性质会削弱会计稳健性与非效率投资行为的负相关关系。

4.2.3稳健性检验

鉴于Richardson模型的一个假定条件是上市公司整体资本投资行为正常，不存在系统性的投资过度或投资不足行为，否则在使用（5）式中的残差测度投资过度和投资不足水平时易产生系统性偏差。因此，在得出上述结论后，本文还进行了如下稳健性检验：将（5）式的残差ε按照大小排序后平均分为10组，每组分别赋值（IE_Inv’=0.1，0.2，…，1.0），IE_Inv’越大表示投资过度，越小表示投资不足，然后再对（6）式进行回归分析。通过对回归结果比较发现，用两种方法得出的实证结果是一致的。

5研究结论与建议

在我国现行投资制度背景下，本文选取2008～2010年沪深A股3303个样本，对会计稳健性影响我国上市公司非效率投资行为的问题进行了实证研究，得出的研究结论如下：

（1）会计稳健性抑制企业投资过度行为，加剧投资不足行为。实证研究结果表明假设1a成立，证明会计稳健性与企业投资过度呈负相关关系。在我国现行的公司治理环境下，股东与经理人之间、债权人与经理人之间、股东与债权人之间的委托代理问题普遍存在，代理冲突会导致投资过度行为，而会计稳健性可以通过外部监督和内部激励作用促使管理者及时纠正次优的投资决策，降低代理成本，从而抑制投资过度行为。实证研究结果表明假设1b成立，说明会计稳健性加剧企业投资不足行为。从我国企业现状来看，包括会计信息在内的信息不对称问题严重，会计稳健性的缓解作用较为微弱，融资约束使企业外部融资成本高居不下，从而导致甚至加剧投资不足行为；会计稳健性会使投资决策者保守地估计投资项目的获利能力，或者使外部投资者对公司缺乏信心而提高了外部融资成本，致使投资不足的现象恶化。（6）式中会计稳健性指数前面系数的显著性并不高，即对投资不足的抑制作用不明显，主要原因是企业会计准则中与会计稳健性有关的多项规定赋予了相关会计从业人员更多运用职业判断的空间，如公允价值的运用、资产减值准备的计提等等，但我国会计信息披露制度还不完善，企业管理层为了追求企业利润的最大化而不能很好地运用会计准则中的稳健性原则，因此，会计稳健性不能有效地改善投资不足现象和发挥对优化投资决策的作用。

（2）国有企业中会计稳健性抑制投资过度的程度强于非国有企业。理论上，由于会计稳健性作用的发挥很大程度上受国企债务软约束、内部控制和政府干预等现象的影响，国有控股性质会削弱会计稳健性与企业投资过度的负相关关系，但实证结果却表明假设2a不成立，主要原因有以下几个方面：第一，与国有控股性质企业相比，我国大部分非国有企业的发展时间较短、规模较小、效益较低、且大多不属于国家基础产业，较难达到上市条件，因此在上市公司中整体上国有企业所占的比例较大，并且从样本量来看国有企业比非国有企业多近1/4，缩小了不同产权性质下会计稳健性对投资过度影响程度的差异。第二，在我国现行制度背景下，国有企业受各级政府部门的监督和约束较多，经营灵活性和市场化程度低，而非国有企业发展的鼓励程度正不断加大，这也会造成国有企业中会计稳健性抑制投资过度更为显著。第三，近年来国资委不断深化国有企业改革，对其审计力度日益加大，并且国有企业的利益相关者对会计信息的稳健性更加关注，因此委托代理冲突进一步缓解，从而使得国有企业会计稳健性对投资过度行为的抑制作用较非国有企业更加显著。

（3）非国有企业中会计稳健性加剧投资不足的程度强于国有企业。实证结果中假设2b成立，表明在非国有企业会计稳健性对投资不足行为的影响更加明显，这是因为我国非国有企业自筹资金、自主经营、自负盈亏，在融资、财政补贴等方面享受的优惠政策与国有企业相比明显较少，银行及其他金融机构对非国有企业“惜贷”造成的融资约束根深蒂固，投资不足的现象比国有企业严重，这加大了非国有企业对会计稳健性的需求，所以非国有企业中会计稳健性加剧投资不足的程度强于国有企业。

根据上述研究结论，本文提出以下建议：针对政府财政部门，应在深入调研后对上市公司如何采取稳健的会计政策出台具体化、标准化的规范，在实现与国际会计准则趋同的过程中确保会计稳健性原则在企业中得到适度的运用以提高上市公司财务报告质量；要进一步完善上市公司的财务信息披露系统，健全政府监管机制，提高信息的透明度，有助于提高我国的资本市场运行效率和企业投资效率；加大产权制度改革力度，实现政府国有资产所有权与行政职能的真正分离，同时减少政府干预以给予国有企业投资决策的灵活性，提高投资效率和经营水平，使非国有企业与国有企业真正平等竞争；中央和地方政府应在税收和财政补贴、信贷、投资等方面加大对非国有企业发展的政策扶持力度，以缓解会计稳健性对非国有企业投资不足行为的影响。针对企业个体，会计稳健性的运用应综合考虑各方面因素来优化投资决策，比如对于管理者投资过度倾向比较明显、债务软约束、内部控制人现象较为严重的企业而言，应当加大对会计稳健性的运用有助于抑制投资过度的发生，而在企业面临融资约束、管理者厌恶风险等情况下，应避免过度运用会计稳健性而造成投资不足。针对企业的债权人及投资者等其他利益相关者，在对企业放贷或投资前应判断企业财务报告是否具有稳健性，尽可能保证风险和收益可控，在一定程度上也有助于企业提高投资效率。

参考文献：

[1]刘运国，吴小蒙，蒋涛.产权性质、债务融资与会计稳健性——来自中国上市公司的经验证据[J].会计研究，2010，（1）：4450.

[2]蔡吉甫.法治、政府控制与公司投资效率[J].当代财经，2012，（5）：6272.

[3]张长海，吴顺祥.国有产权、会计稳健性与权益资本成本——来自中国证券市场的证据[J].财经理论与实践，2012，（5）：6871.

[4]辛清泉，林斌.债务杠杆与企业投资：双重预算软约束视角[J].财经研究，2006，（7）：7383.

[5]Khan M， Watts R L. Estimation and validation of a firm year measure of conservatism[J]. Journal of Accounting and Economies， 2009， 48（2）： 132150.

[6]张兆国，刘永丽，李庚秦.会计稳健性计量方法的比较与选择——基于相关性和可靠性的实证研究[J].会计研究，2012，（2）：3741.

[7]Richardson S A. Overinvestment of free cash flows[J]. Review of Accounting Studies， 2006， 11（23）： 159189.

[8]杨华军，胡奕明.制度环境与自由现金流的过度投资[J].管理世界，2007，（9）：99106.

[9]Biddle G C， Hilary G， Verdi R S. How does financial reporting quality relate to investment efficiency[J]. Journal of Accounting and Economics， 2009， 48（23）： 112131.

[10]Lara J M G， Osma B G， Penalva F. Conditional conservatism and cost of capital[J]. Review of Accounting Studies， 2010， 16（2）： 247271.

作者：李瑛　杨蕾