1. 研究目的与意义、国内外研究现状(文献综述)
一、研究意义及国内外研究现状
(一)研究意义
1.研究背景
2. 研究的基本内容和问题
二、研究的目标、内容和拟解决的关键问题
(一)研究目标
利用2007至2018年我国沪深a股上市公司的财报数据,在考虑了公司规模的情况下描述和比较中国上市公司投资水平,从管理者乐观预测角度,利用解释变量管理层乐观预测的准确性构建多元线性回归模型,以探索其对投资支出的影响。并且,在此基础上研究环境不确定性对其的调节作用,使得投资者能够判断管理者发布的预测性披露信息的准确性,并且促使管理者有发布更真实的盈利预测数据的动机。
3. 研究的方法与方案
三、研究方法、技术路线、实验方案及可行性分析
(一)研究方法
1.描述性方法和比较分析方法
本文采用描述性分析方法和比较分析的方法分析了我国上市公司投资水平现状,纵向和横向比较2007年至2018年期间沪深两市上市公司中考虑公司规模的投资水平现状。
2..实证研究方法
本文采用实证研究的方法,选取2007年1月1日至2018年12月31日期间我国自愿发布管理者盈利预测信息的A股上市公司为研究样本,检验了管理层乐观盈利预测准确性对投资支出的影响。
(1)样本选择和数据来源
本文选取2007年1月1日至2018年12月31日间自愿发布了管理者盈利预测的A股上市公司作为初始研究样本。在此基础上,对样本进行了如下筛选:①剔除公司数量小于5的行业,原因在于,公司会计政策的选择易受行业影响,进而会影响公司的盈余管理程度;②剔除金融类公司、ST、ST*类公司;③剔除数据缺失的公司。
(2)解释变量的选择和计算
本文所研究的企业对投资的新增支出(Invi,t)局限在企业在固定资产、在建工程、工程物资以及无形资产方面的投资,因此本研究定义其数值等于固定资产、在建工程、工程物资以及无形资产的年度净增加额与年初总资产的账面价值的比例。
(3)被解释变量的选择和计算
现有文献关于管理者盈利预测的测算主要运用的以下测算方法:[管理层盈利预测每股收益(净利润)的具体预测数值或闭区间预测数据的中间数值-真实的每股收益(净利润)]/股票价格(真实的净利润)×100%。本研究在此测算方式的基础上考虑到定性和定量两个方面,因此利用基于方向的测量和基于程度的测量相结合来确定管理者盈利预测EF。首先,根据管理层盈利预测方向和公司发布财务报告中真实盈利的实际方向是否吻合进行判断,若二者方向不一致,则认定为盈利预测具有偏差,记为1,否则为0;第二步,对于二者方向一致的盈利预测(即前一步骤中为0的样本),进一步采用程度指标加以判定。由于中国证监会在1996年开始执行的《关于股票发行工作若干规定的通知》中规定,若年度报告的利润实现数低于预测数10%~20%,发行公司及其聘任的注册会计师应在指定报刊上作出公开解释并致歉。由此项规定可以看出,盈利预测数据与年报实际数据差异在10%以内为证监会可容忍偏差,因此本研究将10%以内的差异界定为盈利预测正确,超过10%界定为盈利预测错误。因此将计算出管理层盈利预测程度偏差的绝对值按10%进行划分,若管理层盈利预测程度偏差绝对值大于10%,则记为1,否则为0。
具体模型如下:
EF=Einv Control ε(1)
其中,Control为公司规模Size、资产负债率Lev、公司成长Grow、独立董事比例Indd、产业集中度H、CEO年龄Ceo_ age、CEO性别Ceo_ gender、CEO的财务背景Ceo_ finance、第一大股东持股变动Big1_ change、行业Industry、年度Year。具体描述见表1中变量定义部分。
(4)调节变量解释
研究所需要的调节变量环境不确定性EU,需用企业过去三年经总资产标准化后的营业利润的标准差来衡量,并以其年度中位数为标准将样本划分为环境不确定性程度较高组与环境不确定性程度较低组,对模型(1)进行分组回归。根据假设H2,预期相比于环境不确定性程度较低组,环境不确定性程度较高组其投资效率与盈利预测准确性之间的相关系数更大且更为显著。
(5)控制变量解释
本文选取的控制变量包括公司规模、资产负债率、成长性、独立董事比例和CEO特征等作为控制变量。此外,本文还控制了行业影响和年度效应的影响。
以上所有变量的具体描述和定义见表1。
表 1变量定义
| 变量名 | 变量符号 | 变量定义 |
| 管理者盈利预测(Earnings Forecast) | EF | [管理层盈利预测每股收益(净利润)的具体预测数值或闭区间预测数据的中间数值-真实的每股收益(净利润)]/股票价格(真实的净利润)×100%。 |
| 新增投资支出 | Invi,t | 固定资产、在建工程、工程物资以及无形资产的年度净增加额与年初总资产的账面价值的比值。 |
| 环境不确定性 | EU | 企业过去三年经总资产标准化后的营业利润的标准差。 |
| 公司规模 | Size | 公司年末总资产账面价值的自然对数。 |
| 资产负债率 | Lev | 公司年末的总负债与总资产的比值 |
| 公司成长 | Grow | 营业收入增长率来代表公司的成长性,即(本年营业收入-上年营业收入)/上年营业收入 |
| 独立董事比例 | Indd | 独立董事在董事会中所占的比例。 |
| 产业集中度 | H | 赫芬达尔指数。 |
| CEO年龄 | Ceo_ age | 无形资产与总资产账面价值之比 |
| CEO性别 | Ceo_ gender | 男性为1,女性为0。 |
| CEO的财务背景 | Ceo_ finance | CEO有财务背景则为1,否 则为0。 |
| 第一大股东持股变动 | Big1_ change | 第一大股东持股发生变动设定为 1,否则为 0 |
| 行业 | Industry | 行业哑变量,用来控制行业因素影响,按证监会分类标准划分。 |
| 年度 | Year | 年度哑变量,以 2007 年为基准年,设立12个虚拟变量。 |
4. 研究创新点
四、可能的创新之处
(一)研究内容
以往的研究大多数是探讨管理者自身特征对盈利预测准确性的影响,很少将管理者能力进一步拓展到管理者凭借能力做出的投资决策上。本研究将对管理者“能力”的研究,引申到对管理者做出的投资决策进行研究,探讨管理者盈利预测准确性是否会影响管理者的投资决策。
5. 研究计划与进展
| 时间 | 阶段 | 预期进展 |
| 2019.10-2019.11 | 前期准备阶段 | 学习相关理论知识、查阅文献资料、研究已有学术成果并进行深入阅读和整理,了解盈利预测方面的研究状况,深入了解管理者投资支出的影响因素,找出需要的所有变量,为后期的数据收集和数据分析做好准备。 |
| 2019.11-2019.12 | 数据收集阶段 | 为事先设定的各个变量,利用学校里线上和线下的资源收集所要研究的变量数据。把收集到的数据和信息进行筛选、整理和初步统计。 |
| 2020.01-2020.03 | 数据分析阶段 | 利用收集的数据,利用SPSS等软件对数据进行分析汇总,应用描述性统计与回归模型对数据进行处理。 |
| 2020.03-2020.04 | 修改完善阶段 | 综合数据分析结果,以及理论分析,完成初期报告,得到相关结论与总结,与老师进行沟通和修改,逐步完善。 |
| 2020.04-2020.05 | 报告完成阶段 | 在不断的修改基础上,征求老师意见,及时修改优化细节,完成报告的撰写。 |
