会计信息可比性、分析师跟踪与股票错误定价

李美芳 乔贵涛 王欣睿

【摘要】以我国沪深A股非金融类上市公司为样本， 实证检验会计信息可比性对股票错误定价的影响。 研究发现： 企业会计信息可比性越高， 股票错误定价程度越低; 分析师跟踪越少， 会计信息可比性对股票错误定价的作用越显著。 进一步研究发现： 股票流动性在会计信息可比性对股票错误定价的影响过程中起到中介作用， 会计信息可靠性也可以降低股票错误定价程度， 但会计信息可比性对其影响更大， 且二者在作用过程中不会产生交互效应。

【关键词】会计信息可比性;股票错误定价;分析师跟踪;股票流动性;会计信息可靠性

【中图分类号】F230      【文献标识码】A      【文章编号】1004-0994（2021）08-0087-11

一、引言

资本市场的基本功能是利用价格机制引导资源的有效配置[1] ， 而股票市场定价的准确性成为影响资源配置效率的重要因素。 资本市场长期的错误定价会带来严重的经济后果， 例如股价的长期错误高估会提高企业的股价崩盘风险， 如曾经引起广泛关注的雅高控股股票崩盘事件; 而股价的长期低估则容易导致恶意收购， 如万科控制权旁落、格力险被宝能集团收购等事件。 因此， 降低资本市场的股票错误定价程度对于提高资源配置效率具有重要意义。 资本市场本质上是一个信息市场[1] ， 投资者主要根据企业提供的各种信息以及其他渠道获得的信息进行投资决策， 其中企业提供的会计信息是主要的信息来源， 其质量对投资者的决策精度和市场定价效率具有重要影响[2] 。 可比性作为会计信息质量的一个重要特征， 能够促进企业特质性信息快速融入股价[3] ， 在股票定价中发挥着重要功能。  那么会计信息可比性能否降低股票错误定价程度， 以及通过何种渠道降低股票错误定价程度呢？

基于投资者有限注意理论， 个人投资者由于时间、精力和信息处理能力有限， 在进行信息处理时往往倾向于利用能够引起他们注意的信息而忽视那些有用但不显著的信息。 会计信息是投资者进行投资决策的重要依据， 但投资者在进行投资决策时不仅利用被投资单位自身的会计信息， 还需要获取同行业可比公司的会计信息进行参照， 以对被投资单位的内在价值进行准确判断。 因此， 会计信息可比性较强的公司， 更容易吸引投资者注意， 受到投资者的青睐， 进而成为投资交易的标的， 提升被投资公司的股票流动性[4，5] 。

流动性反映了市场以合理价格迅速交易资产的能力， 是市场生命力的体现。 股票流动性的提升一方面使得公司的股票价格具有快速调整的机会， 不断逼近股票内在价值[6] ; 另一方面， 股票流动性的提升会吸引机构投资者注意， 提高其持股意愿， 机构投资者较强的信息处理能力会进一步提升股价的信息含量[7] ， 降低股票错误定价程度。 然而会计信息可比性仅仅是辅助投资者进行投资决策的机制之一， 市场上的其他机制可能会对会计信息可比性产生替代效应。 例如， 分析师作为重要的信息中介， 在信息搜集和處理方面均具有较大优势， 即使对会计信息可比性不高的被投资企业， 投资者也可利用分析师传递的公开信息来提高投资决策的准确性， 对会计信息可比性的依赖降低， 从而弱化会计信息可比性对股票错误定价的影响。

本文可能的研究贡献如下：第一， 现有文献较多地关注会计信息可比性对股价崩盘风险的影响， 但股价崩盘仅仅是股价错误高估的结果， 无法反映会计信息可比性在抑制股价错误低估方面的作用， 本文的研究有助于补充以往文献的不足; 第二， 揭示了会计信息可比性影响股票错误定价的作用机制， 即会计信息可比性通过提升股票流动性来降低股票错误定价程度。

二、文献综述

（一）会计信息可比性的经济后果

DeFranco等[8] 首次提出了公司层面会计信息可比性的度量方法， 此后学者们利用这种方法对会计信息可比性的经济后果进行了大量研究。 相关研究主要集中于对企业内部经营管理以及对外部利益相关者的影响两方面。

从对企业内部经营管理的影响来看， 企业会计信息可比性的提高有助于降低信息不对称、缓解代理冲突， 从而提高投资效率[9，10] ; 抑制经理人的机会主义行为， 减少盈余管理， 从而提高薪酬契约有效性， 降低债务融资成本; 缓解融资约束， 提高企业的创新程度和创新产出水平[11] ; 有助于并购过程中对目标公司与同行业可比公司之间盈余差异和财务状况进行对比， 降低并购溢价风险和并购后商誉损失风险， 提高并购效率。 但会计信息可比性及相关的经营管理决策可能存在相互影响的关系， 也可能同时受到公司治理的影响， 从而存在严重的内生性问题[12] 。

从对外部利益相关者的影响来看， 会计信息可比性能够降低分析师的预测偏差、提高预测精度; 提高股价反映私有信息的能力， 进而增加股价信息含量[3] ; 提高管理层隐藏坏消息的难度， 从而降低股价崩盘风险; 促进盈余信息的跨公司传递， 使投资者在进行投资决策时可以更好地利用其他公司的信息[13] ， 更加有效地判断企业的投资效率乃至整体的经营状况， 从而做出更为准确的决策[10，14] 。

（二）会计信息质量与股票错误定价

我国资本市场的不完善和投资者专业素质与投资能力的不足， 导致资产定价效率低下， 股票市场个股市价偏离其内在价值的现象长期存在， 普遍存在股票错误定价现象[15] 。 该现象的存在严重抑制了资本市场资本配置功能的发挥， 令投资者难以将资金投放到具有良好发展前景的公司中。 资本市场本质上是一个信息市场[1] ， 企业提供的会计信息是投资者进行投资决策的主要依据， 其质量对投资者的决策精度和市场定价效率具有重要影响[2] 。 现有文献从盈余质量和会计信息稳健性两大角度考察会计信息质量对股票错误定价的影响。

盈余质量是企业会计信息质量的重要指标。 当企业内部管理者和外部投资者之间存在信息不对称时， 管理者通过盈余管理能够削弱会计盈余反映企业基本面信息的能力， 盈余管理水平越高， 管理层隐匿的信息尤其是负面信息越多， 导致外部投资者无法对企业股票价值做出正确判断， 引起股票错误定价程度不断加深， 从而导致较高的股价崩盘风险。

会计信息稳健性作为衡量会计信息质量的另一个重要指标， 许多学者甚至将其作为会计信息质量的替代变量。 会计信息稳健性的提高有利于管理层及时披露具有不确定性的损失而非收益， 降低企业负面信息隐藏及累积的概率， 降低差项目被评定为好项目的可能性， 有助于企业事前减少、事后及时终止投资收益为负的项目， 减少盈余波动和股价波动， 及时确认坏消息， 有助于抑制管理层的机会主义行为和自利行为， 减少现金流量的不确定性， 降低投资者对企业价值的评估风险。

（三）文献评述

通过以上文献回顾可以看出， 学术界均认为会计信息质量的提升有助于投资者准确评估企业价值， 降低企业的股票错误定价程度。 但既往研究更多关注盈余质量和会计信息稳健性的影响， 同时研究较多关注对股价崩盘风险的影响， 鲜有研究直接关注对股票错误定价的影响。 会计信息可比性作为会计信息质量的重要特征之一， 有利于缓解信息不对称、改善投资环境， 使投资者在进行投资决策时可以更好地利用其他公司的信息， 提高决策准确性。 但鲜有文献提及会计信息可比性对股票错误定价的影响， 特别是通过何种渠道对股票错误定价产生影响。 这为本文研究提供了契机。

三、理论分析与研究假设

（一）会计信息可比性与股票错误定价

公司内部盈余信息不能完全解释股价的变化， 外部信息在公司的股价变化中也具有重要作用， 即投资者同时利用公司内部信息和外部信息来对公司价值进行判断。 投资者利用外部信息进行价值判断的主要方式， 就是基于企业内部信息对目标公司进行估值时， 会选择一个可比公司进行对照和比较。 基于投资者有限注意理论， 个人投资者由于时间、精力和信息处理能力有限， 在进行信息处理时往往倾向于利用能够引起他们注意的信息而忽视那些有用但不显著的信息[16] ， 因此不同公司间存在的会计信息系统差异， 增加了投资者在进行会计信息解读以及企业价值评估时的难度。 具有可比性的公司之间相同项目产生的会计信息具有相似性， 不同项目产生的会计信息存在差异[8] ， 提高资本市场信息透明度， 减少信息不对称带来的不确定性[9，10] ， 意味着会计信息在数量和质量上的双向提升， 因而更能吸引投资者注意， 引起投资者兴趣。 同时， 可比性信息可以帮助投资者更好地评估目标企业未来现金流入情况， 有利于投资者准确识别各项经济业务， 更好地理解会计数字背后的经济实质， 减少投资者在利用公司盈余报告过程中进行的计算与处理程序[14] ， 确保投资者在进行投资决策时信息充足、面临的不确定性较低。 因此， 具有可比性的公司一方面会引起投资者注意， 一方面能增强投资者信心， 因此更可能成为投资标的， 促进股票交易量增加， 进而提高股票流动性[4，5] 。

股票流动性是证券市场价格发现功能赖以发挥的基础[17] ， 流动性的提高会降低股票错误定价程度。 一方面， 我国股市存在显著的流动性溢价， 持有流动性较差的股票意味着在未来交易时面临更高的预期交易成本， 因此要求更高的未来预期收益; 而流动性的提高可以为投资者提供更多的交易机会， 降低其交易成本[18] ， 使企业特质性信息更多更快地反映在股票价格中[7] ， 提高资本市场信息效率， 从而促进其价格发现功能发挥[6] ， 使交易价格更多地反映股票价值本身。 另一方面， 相对于个人投资者， 机构投资者更加关注与股票流动性有关的风险问题， 偏好于持有流动性较高的股票， 即流动性高的股票更容易被机构等大宗股东持股[19] 。 机构投资者的进入会加强对公司的监督， 他们对会计信息和其他信息的解读能力更强[20] ， 同时可以进行非公开信息的搜集活动[21] ， 进而促使更多的公司特质性信息反映在股票价格中[7] ， 提升股票价格在融合市场信息方面的迅捷度， 促使价格反映其内在价值， 从而降低股票错误定价程度。 即企业的会计信息可比性提高时， 股票流动性也会提高， 从而股票错误定价程度会降低。 基于以上分析， 本文提出如下假设：

H1：在其他条件相同的情况下， 会计信息可比性越高， 股票错误定价程度越低。

（二）会计信息可比性、分析师跟踪与股票错误定价

分析师跟踪可以完善企业的外部信息环境， 分析师跟踪人数越多， 则上市公司外部信息环境越健全。 作为资本市场的信息中介， 分析师拥有丰富的信息渠道、资源优势以及专业的信息解读能力， 能够将挖掘到的私有信息以对外发布研究报告的形式进行市场化公开， 从而降低市场的信息不对称程度， 拓宽投资者接触信息的广度和深度[22] 。 分析师基于其所掌握的财务会计知识、产业调研经验等提升预测的准确度， 向投资者提供合理反映证券内在价值的信息， 让信息及时地传递到市场上， 提高资本市场定价效率， 降低股票市场的价格偏离度[23] 。 同时， 分析师还可作为外部监督机制， 对企业信息披露起到监督作用。 更多的分析师跟踪增加了企业操纵盈余被披露的风险， 能够有效规范上市公司管理层的盈余管理行为。 因此， 分析师跟踪可提高上市公司信息披露质量， 有利于投资者更好地了解股票内在价值信息， 降低投资者对会计信息可比性的依赖度， 能够弱化会计信息可比性对股票错误定价的抑制作用。 基于以上分析， 本文提出如下假设：

H2：在其他條件相同的情况下， 分析师跟踪越少， 会计信息可比性对股票错误定价的抑制作用越显著。

四、研究设计

（一）样本与数据来源

由于我国2007年开始实施现行会计准则， 且准则实施第一年的准则执行质量可能存在问题， 因此本文选取2008 ～ 2018年沪深A股上市公司作为研究样本。 由于计算会计信息可比性需要前16个季度的数据， 因此， 实际参与回归的为2012 ～ 2018年沪深A股上市公司。 同时本文按如下标准对样本进行筛选：①剔除金融类企业; ②剔除ST、?ST类企业; ③剔除上市公司数不足十家的行业; ④剔除数据缺漏的观测值。 最终得到11332个观测值。 为避免异常值的影响， 本文对所有连续变量在上下1%位置进行了缩尾（Winsorize）处理。 本文所使用的财务数据均来自国泰安（CSMAR）数据库。

（二）被解释变量：股票错误定价

本文借鉴Rhodes-Kropf等[24] 、游家兴和吴静[25] 的研究思路， 利用分解账面市值比的方法来衡量股票错误定价， 将M/B分解为以下两个部分：

M/B=M/V×V/B       （1）

两边取自然对数， 并令m=LogM， v=LogV， b=LogB， 得到m-b=（m-v）+（v-b）， 其中（m-v）表示股票市场价值偏离其内在价值的部分， 即股票错误定价， （v-b）反映股票真实成长机会。

由于股票市场价值偏离内在价值可能由于公司自身因素造成， 也可能由于行业整体偏差造成， 而本文只需得到企业层面股票错误定价以便后续研究， 进一步将个股市场价值对内在价值的偏离分为两部分：

mit-bit=[mit-v（θit;Ujt）]+[v（θit;Ujt）-

v（θit;Uj）]+[v（θit;Uj）-bit]   （2）

其中， j表示i所在行业， 公司i在第t期的公司价值v是个股财务信息θ和财务信息系数U的线性函数。 v（θit; Uj）中公司特定信息集θit的参数向量Uj反映公司内在价值， 与时期t无关。 因此， 式（2）中[mit- v（θit; Ujt）]表示股票价格与同期同行业估值的差异， 即企业层面错误定价（errfirm）; [v（θit; Ujt）- v（θit; Uj）]表示公司当期同行业估计值和长期行业估计值的差异， 即行业层面错误定价; [v（θit; Uj）- bit]表示长期公司价值和公司当期账面价值的差异， 即股票的真实成长机会。

参照Rhodes-Kropf等[24] 、游家兴和吴静[25] 的方法， 将公司分年度分行业使用式（3）进行OLS回归：

mit=U0jt+U1jtbit+U2jt|niit|+U3jtIit|niit|+

U4jtLEVit+εit （3）

其中： m为公司市场价值; LEV为公司财务杠杆， 等于期末总负债/总资产; I是哑变量， 公司净利润为负， 其值为1， 否则为0， 该变量的加入有利于对亏损公司进行估计。

t时刻i公司的当期公司价值估计值是利用式（3）OLS回归系数得出的拟合值， 如式（4）所示：

v（θit;Ujt）=   it=   0jt+   1jtbit+   2jt|niit|+

3jtIit|niit|+   4jtLEVit （4）

因此， 公司自身层面导致的错误定价（errfirm）为：

errfirmit=mit-v（θit;Ujt）=mit-   it   （5）

本文研究会计信息可比性是否可以有效抑制股票错误定价及其抑制程度， 而不关心其高估或低估状态， 因此对其取绝对值， 得到公司层面的股票错误定价（MISPfirm）：

MISPfirm=abs（errfirm）  （6）

（三）解释变量：会计信息可比性

本文借鉴De Franco等[8] 的盈余—收益模型来衡量会计信息可比性。 De Franco等[8] 将会计信息系统定义为经济事件转变为财务报告的过程：给定一系列特定的经济事件， 公司i和j的会计系统相似时， 会生成相同的财务报表。 相关计算步骤为：

首先， 使用公司i第t期前的连续16个季度数据估计模型（7）， 即为公司i在第t期的会计系统转换函数。 使用同樣方法估计公司j在第t期的转换函数。

Earningsit=αi+βiReturnit+εit   （7）

其中， Earnings为会计盈余， 等于季度净利润与季度初权益市场价值的比值。 Return为季度股票收益率， 代表经济事件对公司的净效应。

其次， 假定公司i和j经济事件相同（即都是Returnit）， 利用公式（8）和（9）， 使用公司i和公司j的估计系数来预测其盈余。

E（Earnings）iit=   i+   iReturnit （8）

E（Earnings）ijt=   j+   jReturnit （9）

其中， E（Earnings）iit表示公司i在t时期， 利用公司i的会计系统转换函数和公司i的股票收益率计算得出的预期盈余; E（Earnings）ijt表示公司j在t时期， 利用公司j的会计系统转换函数和公司i的股票收益率计算得出的预期盈余。 通过在两次预测中都使用i的股票收益来保证经济事件的一致性。

定义公司i和公司j的会计信息可比性为连续16个季度的预期盈余平均绝对差值的相反数， 即：

CAIijt=-[116]×      |E（Earnings）iit-

E（Earnings）ijt|  （10）

CAIijt表示公司i和公司j之间的会计信息可比性， CAIijt值越大， 表示两公司间会计信息可比性越强。

最后， 根据公司i和公司j的可比性计算公司i和同行业所有其他公司的年度会计信息可比性。 把公司i和同行业所有其他公司分别进行一一配对， 分别计算每一个组合的会计信息可比性， 然后分别取平均值COMPACCT， 以及在t时期与公司i有着最高可比性的10个j公司的可比性的平均值COMPACCT10作为会计信息可比性指标。

COMPACCTit=                CAIijt （11）

COMPACCT10it=         CAIijt （12）

式（12）中的j=1 ～ 10， 表示在t时期与公司i有着最高可比性的十家公司j。

同时， 参照Campbell模型， 本文在De Franco等[8] 模型中加入股票收益率的虚拟变量（Neg）和股票收益率的交乘项（Neg×Return）来估算公司的会计系统转换函数， 模型如下：

Earningsit=αi+βiReturnit+ciNegit+diNegit×

Returnit+εit   （13）

其中， Negit为哑变量， 如果季度收益率为负， 其值为1， 否则为0。

控制相同的经济事件（Returnit）计算公司i和公司j的预期盈余：

E（Earnings）iit=   i+   iReturnit+  iNegit+

iNegit×Returnit  （14）

E（Earnings）ijt=   j+   jReturnit+  jNegit+

jNegit×Returnit  （15）

公司i和公司j之间可比性与De Franco等[8] 模型相同， 再将公司i和同行业所有其他公司分别进行一一配对， 分别计算每一个组合的会计信息可比性， 然后分别取平均值COMPACCT_2以及在t时期与公司i有着最高可比性的10个j公司的可比性的平均值COMPACCT10_2作为会计信息可比性指标。

在稳健性研究中， 分别使用基于De Franco等[8] 模型的可比性中位数COMPACCT_md和参照Campbell模型的可比性中位数COMPACCT2_md作为会计信息可比性指标。

（四）控制变量

参考游家兴和吴静[25] 、卿小权等[15] 和张自力等[26] 关于股票错误定价的研究， 本文选取如下控制变量：①企业基本面因素， 包括企业规模（Size）、资产负债率（LEV）、盈利能力（ROE）、成长性（Growth）、产权性质（Soe）; ②公司治理因素， 包括董事會独立性（ND）、第一大股东持股比例（NO1）、管理层持股比例（MStock）、董事会规模（Board）; ③股票特征因素， 包括股票特质波动率（IVOL）、股票成交量（VOL）、流通股比例（Outshare）。

具体变量定义如表1所示。

（五）模型构建

1. 股票错误定价影响因素模型。 为了实证检验会计信息可比性对股票错误定价程度的影响， 构建模型（1）对H1进行检验：

MISPfirm=α0+α1COMP+α2Size+

α3LEV+α4ROE+α5Growth+α6Soe+

α7IVOL+α8ND+α9MStock+α10VOL+

α11NO1+α12Outshare+α13Board+

IND+Year+ε （16）

上式中， 被解释变量为股票错误定价（MISPfirm）， 解释变量为会计信息可比性（COMP）， 分别用COMPACCT、COMPACCT2、COMPACCT10、COMPACCT10_2表示。 根据H1， 预期α1系数为负， 表明在其他条件相同的情况下， 企业股票错误定价与会计信息可比性负相关， 即企业会计信息可比性水平越高， 股票错误定价程度越低。

2. 分析师跟踪调节效应模型。 为检验分析师跟踪对会计信息可比性与股票错误定价关系的调节效应， 构建以下模型：

MISPfirm=α0+α1COMP+α2COMP×Broker+

α3Broker+α4Size+α5LEV+α6ROE+α7Growth+

α8Soe+α9IVOL+α10ND+α11MStock+α12VOL+

α13NO1+α14Outshare+α15Board+IND+

Year+ε （17）

依据H2， 预期α2系数显著为正， 表明分析师跟踪会负向调节会计信息可比性与股票错误定价的负相关关系。

五、实证结果分析

（一）描述性统计

表2报告了主要变量的描述性统计结果。 股票错误定价MISPfirm的均值为0.236， 标准差为0.208， 最大值和最小值分别为1.073和0.003， 说明所有企业均存在不同程度的股票错误定价现象， 且不同企业间股票错误定价差异程度较大。

会计信息可比性水平COMPACCT、COMPACCT2、COMPACCT10、COMPACCT10_2均值分别为-0.041、-0.053、-0.009、-0.014， 标准差分别为0.032、0.055、0.013、0.017， 说明不同企业间会计信息可比性存在显著差异。

（二）回归分析

1. H1的回归分析。 根据模型（16）， 进行会计信息可比性与股票错误定价的稳健标准误的OLS回归， 表3列示了回归结果。

从表3可以看出， 第（1）列会计信息可比性（COMPACCT）与股票错误定价（MISPfirm）的回归系数为-0.425， 且在1%水平上显著; 第（2）列会计信息可比性（COMPACCT2）与股票错误定价的回归系数为-0.136， 且在1%水平上显著; 第（3）列会计信息可比性（COMPACCT10）与股票错误定价的回归系数为-0.627， 且在1%水平上显著; 第（4）列会计信息可比性（COMPACCT10_2）与股票错误定价的回归系数为-0.494， 且在1%水平上显著。 以上结果表明会计信息可比性与股票错误定价负相关， 即企业会计信息可比性能够降低企业的股票错误定价程度， 从而支持H1。

2. H2的回歸分析。 为了检验H2， 根据模型（17）进行回归， 回归结果如表4所示。

从表4可以看出， 加入分析师跟踪交乘项后， 会计信息可比性与股票错误定价程度仍然呈显著负相关关系， 第（1）列中交乘项COMPACCT×Broker的系数为0.413， 在1%的水平上显著; 第（2）列中交乘项COMPACCT2×Broker的系数为0.169， 在1%的水平上显著; 第（3）列中交乘项COMPACCT10×Broker的系数为0.649， 在1%的水平上显著; 第（4）列中交乘项COMPACCT10_2×Broker的系数为0.480， 在1%的水平上显著。 上述结果表明加入分析师跟踪交乘项后， 会计信息可比性与股票错误定价的负相关关系仍然显著; 但是相对于分析师跟踪较少的企业， 更多分析师跟踪的企业二者之间的负相关关系会减弱， 从而验证了H2。 这说明对企业进行跟踪的分析师人数越多， 则投资者获取关于企业未来信息的途径越多， 获得企业发展特质信息的可能性越大， 对企业未来发展情况把握越准确， 对会计信息可比性的依赖程度降低， 则可比性对股票错误定价的影响越不明显。

（三）内生性问题

根据前文分析， 当企业的会计信息可比性越大时， 企业的股票错误定价程度越小。 前述分析假定会计信息可比性为外生变量， 但其可能存在内生性问题。 内生性问题主要包括反向因果关系、遗漏变量和样本选择偏差。 根据前文相关系数的分析， 股票错误定价是一个综合性较强的指标， 其影响因素复杂多变， 因此本文主要存在的内生性问题为遗漏解释变量， 直接采用OLS回归的估计系数可能是有偏的。 为降低遗漏解释变量对回归结果的不利影响， 本文采用二阶段工具变量（IV）法来解决会计信息可比性和股票错误定价之间的内生性问题。

在第一阶段， 本文借鉴张永杰等[2] 的方法， 构建了会计信息可比性的因素决定模型， 由于会计信息可比性均为负值， 存在数据截断问题， 本文采用Tobit方法对其进行回归。

COMP=β0+β1Size+β2MStock+β3NDTS+

β4Audit+β5NO1+β6MB+β7Z+β8EPS+β9ROA+

β10Growth+β11ROE+β12LEV+β13ND+β14DUAL+IND+Year+ε   （18）

其中， NDTS表示非债务税盾， 等于固定资产折旧除以总资产; Audit为哑变量， 当企业被出具标准无保留意见时取值为1， 否则为0; MB为权益市账比， 等于股票总市值除以所有者权益; Z为股权制衡度， 等于第一大股东持股比例除以第二大股东持股比例; EPS为每股收益; DUAL为哑变量， 当董事长和总经理为一人时取值为1， 否则为0。

第二阶段， 将第一阶段回归得到的会计信息可比性拟合值作为工具变量进行第二阶段回归。

表5给出了第二阶段回归结果， COMPACCT_

DV 、COMPACCT2_DV 、COMPACCT10_DV 、

COMPACCT10_2_DV的系数分别为-10.773、

-7.266、-17.214、-10.941， 均在1%的水平上显著， 说明在控制了遗漏解释变量带来的内生性问题后， 会计信息可比性与股票错误定价仍然呈显著负相关关系， 从而验证了H1。

（四）稳健性检验

1. 股票错误定价的其他度量方式。 本文借鉴已有研究， 采用分解Tobin'Q的方法作为股票错误定价的另一代理变量。 将Tobin'Q与反映企业基本面的变量组（净资产收益率ROE、资产负债率LEV、企业成长性Growth、企业规模Size）进行回归， 控制年度和行业效应， 以回归的残差的绝对值作为股票错误定价水平的替代变量（AbsMis）， 其中Tobin'Q=企业市值/企业重置成本。 回归模型为：

Tobin'Qit=α0+α1ROEit+α2LEVit+α3Growthit+α4Sizeit+IND+Year+ε （19）

将AbsMis作为股票错误定价水平的替代变量重新对模型（16）进行回归， 回归结果见表6。 由表6可以看出， COMPACCT、COMPACCT2、COMPACCT10、COMPACCT10_2的系数分别为

-5.040、-1.501、-7.477、-5.239， 仍然都在1%的水平上显著， 与表3的回归结果基本一致， 进一步验证了H1。

2. 会计信息可比性的其他度量方式。 本文借鉴De Franco等[8] 的盈余修正模型构建会计信息可比性指标， 采用公司与同行业其他所有公司可比性的中位数作为会计信息可比性的替代变量， 将其代入模型（16）进行回归， 回归结果如表7所示。 表7结果与表3的回归结果基本一致， 进一步支持了H1。

3. 聚类调整。 由于混合截面数据的OLS回归存在偏差， 且同一公司在不同时期的回归可能存在相关性， 为了修正回归标准误偏差以及减弱不同期间自相关的影响， 获得更加稳健的回归结果， 本文在公司层面进行聚类调整， 回归结果如表8所示， 回归结果与前文基本一致。

六、进一步分析

（一）股票流动性的中介效应

根据前文的理论分析， 当企业的会计信息可比性提高时， 会引起股票流动性的提高， 进而降低股票错误定价程度， 即股票流动性在会计信息可比性影响股票错误定价过程中起到中介作用。

根据温忠麟等[28] 有关中介效应检验程序， 利用模型（20） ～ （22）进行检验：

MISPfirm=α0+α1COMP+α2Size+α3LEV+

α4ROE+α5Growth+α6Soe+α7IVOL+α8ND+

α9MStock+α10VOL+α11NO1+α12Outshare+

α13Board+IND+Year+σ1    （20）

Turnover=β0+β1COMP+β2Size+β3LEV+

β4ROE+β5Growth+β6Soe+β7IVOL+β8ND+

β9MStock+β10VOL+β11NO1+β12Outshare+

β13Board+IND+Year+σ2    （21）

MISPfirm=γ0+γ1COMP+γ2Turnover+γ3Size+

γ4LEV+γ5ROE+γ6Growth+γ7Soe+γ8IVOL+

γ9ND+γ10MStock+γ11VOL+γ12NO1+

γ13Outshare+γ14Board+IND+Year+σ3 （22）

其中COMP代表会计信息可比性的四种度量指标， 分别为COMPACCT、COMPACCT2、COMPACCT10、COMPACCT10_2。 要验证股票流动性（Turnover）的中介效应， 首先对模型（20）进行OLS回归， 如果回归系数α1是显著的， 对模型（21）进行OLS回归; 如果回归系数β1显著， 则对模型（22）进行回归; 如果系数γ2显著， 则表明中介效应显著， 进行系数比较; 如果系数γ1不显著， 则表明只有间接效应， 没有直接效应， 如果系数γ1显著， 则表明同时有间接效应和中介效应。 比较β1×γ2与γ1的符号， 如果同号， 则中介效应成立。 回归结果如表9所示。

表9列示了股票流动性在会计信息可比性影响股票错误定价过程中发挥的作用。 股票错误定价与会计信息可比性负相关， 式（20）中系数α1显著小于0， 具体见表3; 股票流动性与会计信息可比性正相关， 式（21）中系数β1显著大于0， 具体见表9; 股票错误定价与会计信息可比性负相关、与股票流动性负相关， 式（22）中系数γ1显著小于0， γ2显著小于0， 见表9; β1×γ2与γ1同号， 则可以判定股票流动性在会计信息可比性影响股票错误定价的过程中起到中介作用。 会计信息可比性的提高促使投资者的投资意愿增强， 从而提高了股票的流动性， 进而降低了股票错误定价程度。

（二）会计信息可靠性与股票错误定价

会计信息可靠性作为衡量会计信息质量的重要指标， 决定了相关信息的使用价值， 不可靠的信息是没有价值的; 同时， 会计信息可靠性是会计信息可比性的基础， 即可靠性较高的会计信息其可比性才有意义。 那么， 提高会计信息可靠性会降低股票错误定价程度吗？ 可比性和可靠性中哪个对股票错误定价程度的降低作用更显著呢？ 可靠性是否更加有助于可比性在降低股票错误定价中的作用发挥呢？

为解决上述问题， 本文构建如下模型：

MISPfirm=α0+α1COMP+α2DA+α3COMP×DA+α4Size+α5LEV+α6ROE+α7Growth+α8Soe+

α9IVOL+α10ND+α11MStock+α12VOL+α13NO1+

α14Outshare+α15Board+IND+Year+ε   （23）

模型（23）中解释变量为会计信息可靠性， 本文采用盈余管理程度（DA1、DA2）作为可靠性的代理变量， 分别由截面Jones模型和修正的截面Jones模型计算得到。 为了便于将其回归结果与会计信息可比性对股票错误定价的影响进行比较， 本文将盈余管理程度（DA1、DA2）取相反数， 则此时DA1、DA2越大表明企业盈余管理程度越小， 会计信息越可靠。

从表10回归结果可以看出， 除列（1）（2）外， DA回歸系数均在1%或5%的水平上显著为负， 表明盈余管理程度越高， 股票错误定价程度越高， 即会计信息可靠性会降低企业股票错误定价程度， 与会计信息可比性对股票错误定价有着相同方向的影响; 比较会计信息可比性与会计信息可靠性指标的回归系数， 进行两变量系数差异比较， 发现会计信息可比性指标系数绝对值均显著大于会计信息可靠性指标系数绝对值（F值均大于等于4.03）， 基本可以得出会计信息可比性对股票错误定价程度的影响更显著的结论; 但二者的交乘项均不显著， 表明会计信息可比性与会计信息可靠性在降低股票错误定价程度的过程中不产生交互效应， 可能的解释是投资者有限注意理论， 即由于投资者注意力的有限性， 无法及时搜集并有效利用关于企业的全部信息， 无法将可比性和可靠性进行融合， 导致二者并未产生交互效应。

七、研究结论与启示

（一）研究结论

本文以2012 ～ 2018年沪深A股非金融類上市公司为研究对象研究了会计信息可比性对股票错误定价的影响， 研究发现：①会计信息可比性能够显著降低股票错误定价程度; ②分析师对企业未来收益的预测为投资者提供了更多的有用信息， 降低了投资者对财务报告的依赖程度， 形成了对会计信息可比性的替代效应， 因此当企业分析师跟踪人数较多时， 会计信息可比性对股票错误定价的抑制作用会被削弱。

进一步研究还发现：①企业的会计信息可比性提高有利于外部投资者更准确地判断企业价值， 引起投资者兴趣， 增强投资者信心， 更容易成为投资标的， 提高企业的股票流动性， 从而达到降低股票错误定价程度的作用， 即股票流动性在会计信息可比性对股票错误定价程度的作用过程中起到中介作用; ②提高会计信息可靠性也可以改善投资环境， 降低股票错误定价程度， 但其作用弱于会计信息可比性， 且二者在降低股票错误定价程度过程中没有产生交互效应。

（二）政策建议

2006年会计准则体系与国际会计准则趋同后， 我国的会计信息可比性呈逐年上升的趋势， 但总体上可比性水平仍需进一步提高。 结合本文的研究， 提出如下政策建议：首先， 会计监管部门应采取积极措施， 不断提高会计信息可比性， 以缓解管理者和投资者之间的信息不对称程度， 更好地帮助投资者识别企业的真实经营状况， 提高会计信息的决策有用性， 降低股票错误定价程度， 促进资本市场资源配置效率的提高。 其次， 强化外部监督机制， 优化企业外部信息环境， 如培育机构投资者、壮大分析师队伍等， 以强化会计信息可比性在投资者决策中的作用。 最后， 加强投资者教育， 提高投资者的信息使用水平， 发挥会计信息可靠性与可比性在降低股票错误定价程度中的交互效应。

（三）研究不足与展望

首先， 在分析会计信息可比性对股票错误定价的影响时， 本文仅考虑了分析师跟踪对两者关系的影响， 未来可从公司治理、制度环境等方面展开深入研究， 以加深对会计信息可比性与股票错误定价关系的认识。 其次， 会计信息可比性对股票错误定价的影响可能还有其他途径， 本文仅验证了股票流动性的中介作用， 未来的研究可以从其他角度进行分析， 以期更全面地解释会计信息可比性如何影响股票错误定价。 最后， 行业性质不同的公司可能面临截然不同的外部产品市场竞争和行业竞争环境， 投资者对其信息披露的要求存在不同， 会计信息可比性对股票错误定价的影响也可能存在差异， 未来的研究应该基于不同的行业竞争环境对会计信息可比性与股票错误定价的关系进行深入探讨。

【 主 要 参 考 文 献 】

[1] Wurgler J.. Financial Markets and the Allocation of Capital[ J].Journal of Financial Economics，2000（58）：187 ～ 214.

[2] 林钟高，吴利娟.公司治理与会计信息质量的相关性研究[ J].会计研究， 2004（8）：65 ～ 71.

[3] 袁媛，田高良，廖明情.投资者保护环境、会计信息可比性与股价信息含量[ J].管理评论，2019（31）：206 ～ 220.

[4] Glosten L. R.， P. R. Milgrom， Bid. Ask and Transaction Prices in a Specialist Market with Heterogeneously Informed Traders[ J].Journal of Financial Economics，1985（1）：71 ～ 100.

[5] Kyle A. S.. Continuous Auctions and Insider Trading[ J]. Econometrica，1985（6）：1315 ～ 1335.

[6] 刘志东，姜玲.基于贝叶斯参数估计的期货市场交易成本、流动性与资产定价研究[ J].管理科学，2017（1）：146 ～ 159.

[7] Chordia T.， Roll R.， Subrahmanyam A.. Liquidity and Market Efficiency[ J].Journal of Financial Economics，2008（2）：249 ～ 268.

[8] De Franco G.， Kothari S. P.， Verdi R. S.. The Benefits of Financial Statement Comparability[ J].Journal of Accounting and Economics，2011（3）：240 ～ 258.

[9] Ozkan N.， Singer Z.， You H.. Mandatory IFRS Adoption and the Contractual Usefulness of Accounting Information in Executive Compensation[ J].Journal of Accounting Research，2012（4）：1077 ～ 1107.

[10] 袁振超，饶品贵.会计信息可比性与投资效率[ J].会计研究，2018（6）：39 ～ 46.

[11] 江轩宇，申丹琳，李颖.会计信息可比性影响企业创新吗[ J].南开管理评论，2017（4）：82 ～ 92.

[12] 罗忠莲，田兆丰.上市公司战略差异度、高质量审计与会计信息可比性[ J].山西财经大学学报，2018（8）：109 ～ 124.

[13] 鲁威朝，杨道广，刘思义.会计信息可比性、需求差异与跨公司信息传递[ J].会计研究，2019（4）：18 ～ 25.

[14] Barth M. E.. 财务报告的全球可比性——是什么，为什么，如何做以及何时实现[ J].会计研究，2013（5）：3 ～ 10.

[15] 卿小权，王化成，张伟华，马晓逵.市场错误定价、价值投资超额收益及其成因研究[ J].中国经济问题，2012（1）：92 ～ 102.

[16] Kahneman D.. Attention and Effort[M].Englewood Cliffs： Prentice-Hall，1973：55 ～ 85.

[17] 陈辉，顾乃康.新三板做市商制度、股票流动性与证券价值[ J].金融研究， 2017（4）：176 ～ 190.

[18] Fang V. W.， Noe T. H.， Tice S.. Stock Market Liquidity and Firm Value[ J].Journal of Financial Economics，2009（1）：150 ～ 169.

[19] Edmans A.， Fang V. W.， Zur E.. The Effect of Liquidity on Governance[ J].The Review of Financial Studies，2013（6）：1443 ～ 1482.

[20] Randolph B. Cohen， Paul A. Gompers， Tuomo Vuolteenaho. Who Underreacts to Cash-flow News？ Evidence from Trading Between Individuals and Institutions[ J].Journal of Financial Economics，2002（23）：409 ～ 462.

[21] 余佩琨，王志文，李玉濤.机构投资者能跑赢个人投资者吗？[ J].金融研究，2009（8）：147 ～ 157.

[22] Chang X.， Dasgupta S.， Hilary G.. Analyst Coverage and Financing Decisions[ J].The Journal of Finance，2006（12）：3009 ～ 3048.

[23] 朱红军，何贤杰，陶林.中国的证券分析师能够提高资本市场的效率吗——基于股价同步性和股价信息含量的经验证据[ J].金融研究，2017（2）：110 ～ 121.

[24] Rhodes-Kropf M.， Robinson D.， Viswanathan S.. Merger Waves and Merger Activity： The Empirical Evidence[ J].Journal of Financial Economics，2005（77）：561 ～ 603.

[25] 游家兴，吴静.沉默的螺旋：媒体情绪与资产误定价[ J].经济研究，2012（7）：141 ～ 152.

[26] 张自力，闫红蕾，张楠.股票网络、系统性风险与股票定价[ J].经济学（季刊），2019（1）：329 ～ 350.

[27] 张永杰，潘临.客户集中度、公司治理水平与会计信息可比性[ J].山西财经大学学报，2018（11）：110 ～ 124.

[28] 温忠麟，张雷，侯杰泰，刘红云.中介效应检验程序及其应用[ J].心理学报，2004（5）：614 ～ 620.