财务会计研究展示-第8组-自愿性信息披露.pptVIP

* 所以通过以上的研究，可以证明好消息更倾向于以对年度EPS的点估计或者区间估计的形式进行披露，而坏消息则更倾向于以一种定性的方式在季度公告中披露出来。也就是说假设一是成立的。 作者在后面又对披露的动机进行了补充，作者认为，坏消息的披露的动机是为了事先向市场上渗透一些大额的负面一些盈余意外。而对好消息进行披露仅仅是为了向投资者传达信息说，我们公司现在经营的很好。 * 回顾一下假设2：相对于其他类型的盈余消息，当季度报告中含有大量的负向盈余意外的话，管理层更有可能对这些负面信息进行披露。 直观一点表述就是，作者认为，大额的负盈余的信息，管理者会提前披露，而除了大额的负面消息之外的其他消息管理者不会主动性的事先披露。 在这个假设里就出现了一个大额的一个概念，前面假设一只是简单的好消息和坏消息的区分，好的程度和坏的程度作者并没有进行界定。在假设2中，作者对这个问题进行了深一步的计算。 * 这个深一步的计算指的就是对消息的量化。作者引入了earnings change这个值来对消息进行量化。 分子是这样的，current 是。。。prior是。。。前面提到过对好消息或者坏消息的界定是看今年实际的盈余和市场预期之间的差异，所以作者根据随机游走模型，将去年的实际盈余信息作为今年投资者对于盈余的预期。 举个例子。 分母的是那样的，选取60天前的呢是因为。。。作者认为，在盈余公告日前几天，虽然还没有正式披露，信息或多或少的会泄露一些，导致股价产生相应的变动，也就是说盈余公告日附近的股价已经包含了还未发布的盈余公告的信息，所以作者选用的是盈余公告日60个工作日前的股价信息。 作者用这个公示计算earnings change，如果为负是坏消息，正的就是好消息，绝对值越大，说明好消息或者坏消息的程度就越大。 样本选取，292是怎么来的。跟374也不一样，因为有些季度会披露很多次，作者就只选了一次，有一些公告并没有具体包含好消息或者坏消息。也被剔除掉了。 * 表3的panel A把样本的盈余公告分成三类：非常坏、中等、和非常好的消息。非常坏的消息是指用上面的那个公式算出来的earnings change-0.05，如果earnings change+0.05的话就是非常好的消息，这中间的就是中等的消息。 假设2认为管理者会更频繁的披露非常坏的消息，而其他类型的消息管理者是没有动机进行披露的。通过table3 的数据可以看，在156份非常坏的盈余公告中，有25%的消息被实现披露了出来。这25%的比例，比中等的和非常好的，以及整体样本的平均值都要高出很多。 作者对这一个结果进行了一个二项检验，证明25%和其他三个比例之间存在显著差异，而这三个比例内部不存在显著差异。 Panel A在一定程度上说明了，坏消息是比其他类型的消息披露的更频繁的。 * 表3的panel B对于消息的程度有了一个更细致的划分，前面那个表格只是将消息的程度分成了三类，无法看出来变化的临界值是多少。作者把这2647份公告按照earnings change的大小排序，然后分成了十份，每一份都近似等于264，中间那有一点不对，是因为。。 通过表中的数据可以看到，消息最坏的那一组，事先披露的比例最高，是22%。在前五项中，随着消息越来越好，管理者对这些信息事先披露的比例也越来越少。 对于这个表，作者也进行了一个二项检验。二项检验的结果说明，红框和紫框的比例两两之间是有显著差异的，而紫框的内部，可以看出虽然他们的消息的程度不同，但是比例的值却都差不多，二项检验的结果也说明这个8个比例互相之间是不存在显著差异的。 红框推出这个，紫框推出这个，这两部分结论可以在一定程度上说明假设2是成立的，但是比例不高。 * 作者随后对这一问题给出了可能的解释，就是在计算earnings change的时候，作者用去年的盈余数据来近似的替代今年市场投资者的预期，因为数据是去年的，这种过时的数据很可能会对实验结果产生偏差。 比如说，一些归类为非常坏的消息，这些消息可能已经被市场参与者充分的预料到了，对于管理者来说也就不再需要事先披露这些信息了，所以就没有披露，也就导致了对非常坏的消息事先披露比例不是很高这一现象。 * 接下来由我对剩下的实证结果和结论部分进行讲解。之前作者将每季度的报告盈余按盈余意外的大小进行分组，并计算这些报告的盈余中已被事先自愿性披露的比率，用这种方法来验证假设2， 除此之外，作者还运用了逻辑回归的方法，同样选用这2647个盈余的报告作为样本，并选用了不同的自变量进行了三次回归，表4中的这三行分别表示了三个回归的结果。三次回归模型的因变量是相同的，是一个虚拟变量，表示相应的盈余信息是否已被提前预测和披露，若已被提前披露则取值为1，否则为0. 我们先来看一下第一个回归，它的自变量是news，这