现金流量的信息含量研究(参考）

《现金流量的信息含量研究(参考）》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、现金流量的信息含量研究现金流量的信息含量研究证据，并认为大多数公司应将重点放在对过去现金流量的指数加权平均预测上，而不是对当前值的观察。收益和资金流水平的权重随公司的不同而不同。从上述国外文献中可知，对现金流量是否含有增量信息内容，国外的研究结果不一致，莫衷一是。但对于现金流量预测未来现金流量的结论则是完全一致，正如catherinea.finger（1994），j.petergreen（1999），marye.barth等（201X）都认为：现金流量指标的预测能力明显强于会计盈余。（三）国内文献综述在我国关于现金流

2、量信息含量的研究尚很少，赵宇龙（1998）找到了会计盈余数据具有信息含量的经验证据，不过对1994和1995年会计盈余披露的单独检验中，没有发现未预期盈余与非正常报酬率之间的统计关系。赵宇龙（1999）在研究我国证券市场“功能锁定”结果表明，我国证券市场只是机械地对名义eps做出价格上的反应，不能辨别eps中永久性成分的经济含义。陈晓、陈小悦等（1999）在对a股盈余报告的有用性进行了研究。研究结论证实在中国a股市场上盈余数字同样有很强的信息含量。陈建煌（201X）敢为天下先，其博士论文题为“现金流量的经验性评估——

3、来自沪深股市的实证证据”。他提出了三个研究假设，通过对1994年到1998年沪深股市上市公司年度报告数据和股价数据进行统计分析，研究结论如下：（1）当期单位经营活动现金流量与未来单位营业利润的相关性高于当期单位应计营业利润。（2）现金流量在会计盈余中所占的比重越大，其未来的超额投资收益率越高。（3）与未预期应计利润相比，未预期现金流量与未来[5]，对投资者决策更有用的问题。h3：应计项目在盈余中所占的比重高，现金流量的信息含量就会增加。国外有研究证明，在盈余质量不同的公司，现金流量的信息含量是不同的。应计项目多，企业

4、管理当局操纵盈余的可能性就越大，投资者就越需要运用现金流量信息进行股票购买、持有和出售决策，此时现金流量的信息含量就会增加。本文拟用中国的数据对这一假设进行验证，以使投资者能更有效地利用现金流量指标。h4：在预测未来现金流量时，现金流量具有超过盈余数据更强的作用。本假设用于验证现金流量的一个重要应用：预测未来现金流量的数量、时间和不确定性是否具有经验上的证据。fasb认为，当期盈余要比当期现金流量更好地预测未来现金流量，很多国外学者对此进行了实证分析，本文也拟用中国的数据对此进行验证。（二）变量及指标计算1.盈余（e

5、）在国外同类研究中，度量盈余的指标通常包括每股收益（eps）、收益、净利润、投资报酬率和管理层预测等，其中以每股收益较为常见。在国内研究中，陈晓、陈小悦（1999）采用了净资产收益率指标；赵宇龙（1998）采用净资产报酬率和净利润指标；陈建煌采用“营业利润”作为盈余的替代。本文借鉴陈建煌的方法，选取营业利润作为反映盈余的指标，理由是：营业利润消除了非正常损益的投资收益，表现为企业持续经营活动创造的收益，它能更好地与经营现金流量相配比。2.预期盈余（ee）本文的研究主要是对财务报表中的现金流量作出经验性评估。因此我们仍

6、然采用学术界普遍认同的随机游走的模型来描述公司的预期盈余，即：e1=et-1+εt预期盈余eet=et-13.非预期盈余（ue）该指标定义为实际盈余与预期盈余之差。即uet=et-eet4.非正常报酬率（ar）股票的非正常报酬是实际报酬与正常期望报酬之间的差异。计算正常报酬的方法通常有三种：均值调整法（mean-adjusted）、市场调整法（marketadjusted）和风险调整法（riskadjusted）。（均值调整法计算过程简单，缺乏足够的理论依据。）其中，陈晓、陈小悦（1999）等采用了风险调整模型；陈建

7、煌的方法是：采用简单算术平均的市场调整法来计算非正常报酬率，即以全部样本在研究时窗内的实际投资收益率的简单算术平均数作为市场收益率，再以单个股票的实际投资收益率减去市场收益率得该股票的非正常收益率。大多数资本市场研究都采用市场模型（marketmdel）来估计或预测正常条件下企业的报酬率。即：rij=α1+βirmj+εiε-n（0，б2）这里，rij是第i家股票第j月的收益率，rmj是a股第j月的综合市场收益率。其中，rij=（pij-pi，j-1）/pi，j-1，pij是考虑了公司i分红送配因素经过复权处理后的第

8、j月的收盘价。rmj=（ij-ij-1）/ij-1，ij是a股第j月收盘指数。为了估算盈利公布日前后各两个月的非正常报酬率，本文以4月30日（上年度财务报告公告截止日）为基准，向前和往后各推移两个月即每年的3，4，5，6月份为模型的测试期，把测试期前推8个月即从上年度的7月份至本年度的2月份为模型的估计期。测试期各个月份的非正常报酬率用实际报酬