上市公司会计信息披露及时性的信息含量分析.doc

上市公司会计信息披露及时性的信息含量分析
（正文)
1. 研究问题、文献回顾与研究假说
1。1 研究问题
及时性是衡量会计信息含量的重要原则之一,也是会计理论研究的重要范畴之一。其实质是会
计信息能够在规定的时间范围内或使用者要求的时间限度内达到使用者。国际会计准则委员会
(IASC）在其 1989 年 7 月公布的《关于编制和提供财务报表的框架》规定及时性为相关性和可靠
性的制约因素之一；根据及时性会计原则,IASC 在 1997 年修订的《国际会计准则第 1 号——财务
报表的列表》中规定了会计报表披露的合理期限；美国财务会计准则委员会(FASB）于 1980 年颁
布了第二辑财务会计概念公告—-《会计信息质量》,该公告包括了会计信息的质量主要为可靠性与
相关性。其中相关性包括了三个构成成分：预测价值、反馈价值和及时性.尽管 FASB 与 IASC 对
及时性的规定有一定的差异,但是他们都肯定了及时性是影响会计信息质量的重要问题之一。
会计信息含量实质是会计信息与证券价格之间的影响关系,信息是否具有信息含量取决于投资
者能否从会计信息的公布中获得新的信息或能否影响股价.在资本市场上，对上市公司信息披露的
要求源于管理层和外部股东之间的信息不对称和利益冲突.为降低信息的不对称,减少双方利益的
冲突，信息披露制度营运而生。按照有效市场理论，由于股价可以对公司信息做出准确的反应，从
而实现资本市场对管理层的有效约束。然而由于中国上市公司中存在大量的非流通股份，大股东拥
有着上市公司的实际控制权.在这种情况下,信息披露越迟，信息向大股东泄露的可能性越大，由
内幕信息给大股东带来的非正常收益也越大。因此,为了维护中小投资者利益，监管部门要求上市
公司及时披露那些能够影响投资者决策的信息，而年度报告作为投资者进行决策的重要基础性信息
之一,其披露的及时性更是引人关注.
1。2 文献回顾
自 Ball and Brown 首次发表有关论文以来，资本市场和财务报表之间的关系已经扩展为一个广
泛的研究领域。在会计文献中，对于会计信息披露及时性的研究主要关注于两个方面：一是披露滞
后现象的解释,最早引起人们注意的就是“好消息早，坏消息晚"的披露规律；二是及时性的信息
含量分析.
在以美国为代表的成熟市场的研究已经提供了大量的经验证据。如 Gilvoly 和 Palmon（1982）
经过对 1960—1974 年在纽约证券交易所上市的公司年报披露及时性进行分析，证实了股价对较早披
露盈余的反应要强于对晚披露盈余的反应。之后,Chambers 和 Penman（1984）研究了早披露公司
非正常收益要显著大于晚披露公司.于此同时,Kross 和 Schroeder（1984）证实了盈余公告的及时
性与盈余公告日附近的非正常收益相关，而且早披露盈余公告的公司非正常收益也显著大于晚披露
公司。因此,对于国外市场经验研究提供的证据显示出，早披露公司的非正常收益显著大于晚披露
公司，而且非正常收益对公告的及时性有联系。
但是对于我国这一新兴市场,很多学者对这一问题也进行了深入的研究。Haw et al.（2000）和
陈汉文等（2004)年分别对上市公司的盈余公告及时性与业绩变动之间的关联性进行检验,指出在
中国市场上也存在“好消息早，坏消息晚”的披露规律。程小可(2004）进一步验证盈余披露类型
与及时性之间有一定联系的同时，盈余披露及时性显著影响了盈余的质量.对于作为基础性信息源
的年度报告而言，除盈余信息外，还包含影响决策的审计意见.巫升柱（2006）进一步提出年度报
告披露时滞与年报中的盈利与否有关系。
上述学者对及时性的研究主要集中于信息披露的解释方向,而对信息含量未进行详尽阐述.本
1
文将在这方面展开研究.
1.3 研究假说
中国证监会要求所有上市公司于每年4月30日前公布其上一年度财务报告， 1997年预约披露制
度出台， 交易所按照均衡披露的原则统筹安排上市公司的年报披露工作, 在这种背景下, 上市公司
年报披露时间上的灵活性受到一定限制, 也对信息披露工作产生了时间上的压力, 由此导致了不同
的市场行为。因此本文对及时性的分析主要侧重于及时性与市场反应之间的关联性.股权分置改革
之前， 我国上市公司的股份由流通股和非流通股构成， 某些上市公司可流通股份的市场价值很低，
而且个别大股东控制大部分可流通股份的现象非常少见.因此， 信息披露越迟, 相关信息泄露的可能
性越大， 由信息披露所引起的市场反应也就越小。基于此提出本文的研究假设： 早披露年报的上市
公司市场反应强于晚披露公司.在本文的研究中， 使用反常收益和累积超额回报衡量年报披露日附
近的市场反应， 则本文的研究假设可进一步解释为： 早披露年报上市公司的反常收益和累积超额回
报显著大于晚披露公司.
图1 研究逻辑框架图
2。 研究设计
2。1 研究设计概述
2。1.1 研究设计思想
本文基于前人对会计领域的资本市场的研究，进一步的提出针对我国这一新兴市场上，不仅存
在“好消息早，坏消息晚”的披露规律,而且信息披露越迟由信息披露所引起的市场反应就越小。
进而提出本文的研究假设:早披露年报的上市公司市场反应强于晚披露公司。在本文研究中，为了
进一步量化市场反应的强弱，作者采用了事件研究法,即早披露年报的上市公司的反常收益和累积
超额回报显著大于晚披露公司。
本文在基于描述性统计分析，采用了三个不同的模型从不同角度对文章研究假设进行实证研究。
首先,通过研究年报公布日期附近股票的超额回报与公告时滞之间的关系来探讨其市场反应,即讨
论公告时滞是否与公司股票超额回报变化之间存在联系。其次,通过比较早晚披露公司的累积超额
回报是否存在显著性差异来进一步的验证研究假设。最后，采用多元回归的方法，通过控制其他相
关变量，研究未预期披露时滞是否能够为解释累积超额回报减少提供帮助,即考察未预期披露时滞
的回归系数显著小于 0.
通过以上的模型设计,进行样本确定、数据提取和实证分析，最终得出数据处理的结果的出结
论。
2。1.2研究设计框架图
图 2 研究设计框架图
2。2
本文主要的分析方法采用的是事件研究方法，具体的分析方法说明如下。
2。2。1 窗口的选择
间长的适合长窗口
间
窗口中存在,所以本文采用 3 个对称的窗口期［—5，5]、[—2，2]、［—1，1］来考察年报公布效应。
2。2。2 测超额收益的计算方法
超额收益（AR）的计算模型主要有三种:
分析方法说明
窗口选择主要考虑的因素有：
① 事件影响力的时间长短，时
② 其他事件的干扰(噪音）
本文使用最大窗口期［-20，5］进行分析，在窗口的具体选择上主要基于以下考虑：一方面由于正
常的潜在信息泄露市场反应会先于年度报告的实际公布日期,因此本文采用[—20，-3］、［—20,2］时间段
来考察可能发生的信息泄露；另一方面在一个相对有效率的市场，年报披露的效应不应该在长时① 市场模型： ( ) it i i mt
Er r α β =+
② 市场调整收益模型： （） it mt
Er r =
③ 均值调整模型: (） it i
Er μ = ，
11
0
1
10
1 T
ii
tT
r
TT
μ
−
=
=
− t ∑
这三种模型既相互联系，又有所区别市场模型是主导性的资产收益计量模型，这是因为与均值
调整收益模型相比,市场模型能够分离出与市场收益波动相关的那以部分股价收益，从而降低了异
常收益的方差,提高了统计推断的精度。但是二者差异并不大。但是均值调整模型不适用于样本股
票的收益率波动的巨大的情况。至于市场调整收益模型,考虑到它对市场模型参数的限制可能使结
果产生较大偏差,一般认为只有难以利用估计窗口的情况下才运用该模型。
本文采用的是市场调整收益模型，即第二种模型.
2。2。3 回归模型的选择
本文共采用了两个回归模型,分别是模型 1 和模型 3。
模型 1 是基于边际信息含量的研究。所谓边际信息含量的研究是考察一项特定的会计数据是否
能够增加投资者可获得的信息集。这种研究通常采用事件研究方法以确定一项会计数据的公布是否
与公司的价值变化之间存在联系。价格反映通常被认为是价值相关性的证据.本文的模型 1正是基
于边际信息含量的研究设计的.作者采用事件研究的方法确定年报时滞与上市公司的超额回报之间
存在着一定的联系.
模型 3 是基于增量联系研究的基础上。所谓增量联系研究是考察在控制其他特定变量的前提下，
有关会计数据是否能够为解释公司价值提供帮助。如果所估计的会计数据的回归系数显著不为 0，
那么该会计数据通常被认为是价值相关的。本文的模型 3正体现了增量联系研究的特点,通过建立
多元回归模型找出累积超额回报(CAR)与未预期披露时滞（URlag)之间的联系.多元回归中，
URlag 前的系数体现了未预期披露时滞对累积超额回报的影响的大小。
2。3 分析步骤说明
为了考察研究假设的正确性，本文作者通过四个步骤来进行分析检验.
2.3。1 描述统计分析步骤说明
在市场反应分析之前,应通过对及时性替代变量进行基本的描述统计分析。根据年报披露时滞
的月份和年报披露时滞的天数分别进行了频数的统计，并形成图表,以便观察年报披露的时间上的
趋势以及样本数据的分布情况.同时，对于及时性替代变量——年报时滞、年报时滞系数和未预期
披露时滞三个变量，作者检查了均值、中值、标准差、最小值和最大值.均值是集中趋势的最主要
的测度值, 它利用了全部的数据信息.中值则是数据中间位置的代表值,不受数据极端值的影响，
可以很好的体现大部分数据的倾向。另外，标准差体现了数据的离散程度，最大最小值体现了数据
的极端情况.通过以上分析，可以得出及时性替代变量的分布趋势。
2.3。2 模型 1的分析步骤说明
在模型 1 中,文章作者采用了一元回归的模型进行分析。将超额回报(AR)作为因变量，年报
时滞（Rlag）作为自变量,通过回归来探讨二者之间的关系，进而探讨市场反应。具体模型如下:
01
ˆ it i
AR a a Rlag a = ++
若系数 是显著小于 0 的数,则说明年报时滞越大超额回报越小，即早披露上市公司的超额回
报显著大于晚披露公司。
本文分别对相对日期—11到 5 的超额回报（AR）和年报时滞（Rlag）进行回归，并分析回归结
果。
2.3。3 模型 2的分析步骤说明
经过描述统计分析，样本数据拒绝了正态分布的假设检验,因此本文采用了 mann-whitney U非
参数检验。这种 mann—whitney U非参数检验可以考察出早晚披露组均值间的显著性差异，它相当于
参数检验中的 t 检验。在大样本的情况下相当于参数检验中的 Z 检验。这种方法通过找出非正态分
布的总体中服从 t 分布的统计量，然后进行假设检验。通过该模型,可以检验两个总体的显著性差
异。
要进行非参数检验首先对早晚披露公司进行分组，具体的分组标准时：
① 按照年报披露时间：1、2 月份披露组为早披露组，3、4 月份披露组为晚披露组；
② 按照 URlag符号的不同:URlag〈0组为早披露组,URlag>=0 组为晚披露组；
③ 按照年报披露时滞系数 RLI的不同：RLI〈0.3 为早披露组，RLI>0。7 为晚披露组;
然后在每一个分类标准下，利用软件对不同的五个窗口分别进行检验.得出结果，进行分析。
2。3.4 模型 3的分析步骤说明
在模型 3 中,本文作者采用了多元回归的模型进行分析，控制诸如公司规模、消息类型、审计
意见等公司特征和市场因素等变量。对于这些变量,首先进行分析，转化为在 CSMAR 数据库可以
直接提取的数据。分析整理后，利用统计软件进行多元回归可以得出分析结果.
2。4 样本与变量
2.4.1 样本的筛选
样本的筛选主要是要选定适当的筛选标准。筛选样本的标准可以是样本的时间跨度、上市地点、
所属行业,或者公司的某些特征。
本文的筛选标准如下：
① 金融类上市公司。在 CSMAR 数据库中可以查到哪些公司是金融类上市公司；
② ST/SP 类上市公司；
③ 期间各年 4月 30 日之后披露年报的上市公司；
④ 部分数据缺失或数据无法获取的上市公司。
2。4.2 相关变量
1。 年报时滞（Rlag)—-上一会计年度末（12 月31 日）至年报披露日之间所包含的交易日天数。
2. 未预期披露时滞（URlag)—-随机游走模型确定了期望披露时，即 1 (） t
E Rlag Rlagt− =
则 .
1 tt
URlag Rlag Rlag − =− t
3。 年报时滞系数(RLI)--RLI=n/N,n 是上市公司在第 n 个交易日公布年报,N 是年报规定披
露时限内的交易天数总和，据统计 N=78.
4. 反常收益（AR）--简单理解为没有预期到的收益的部分，即 it it mt
AR R R = − ，其中 是
第 i 家公司t日的反常收益率， 是第i 家公司t 日的日收益率，
it
AR
mt
R 是第 i 家公司 t 日的正
常收益率(在文中，采用市场调整模型，即以总市值加权的日市场收益作为 mt
R 的估计值）.
5. 累计超常收益(CAR）——将研究窗口内的每一天的超常收益加以汇总，得到的即 CAR，即
2
1
12 （， )
t
t
t
CAR t t AR = ∑
2。4.3CSMAR数据库提取
从 CSMAR数据库提取时，确定了尽量减少不必要的数据过多堆砌,以及数据完整性的原则，
在数据库中使用了条件追加选择，剔除了样本外的不必要字段。
在三个模型中，总共使用了 14 个变量。其中年报时滞 RLag、未预期年报时滞 URLag 和年报时
滞系数 RLI用来表征信息披露及时与否；反常收益 AR、累积超额回报 CAR 用于衡量信息披露所引
起的市场反应；公司规模SIZE 变量，以上市公司会计期末总资产的自然对数表示；流通股比例 PUBL
以上市公司会计期末流通股数与总股本比例计算确定；模型中 INDU 代表上市公司所处的行业变量,
工业类上市公司 INDU = 1，其他行业INDU = 0；在对公司业绩指标的选择上,本文选择了每股收
益指标 EPS，主要是考虑到每股收益是衡量会计盈余的常用做法，每股收益 EPS =净利润/年度末总
股本；由于国内分析师预测尚处空白，未预期盈余 UE 变量利用随机游走模型计算确定，即
；资产负债率 LAR 以会计期末总负债与总资产的比值计算确定,即 LAR =年
度末总负债/总资产；AUD I 表示审计意见类型， 我国现行审计准则规定的四种审计意见类型中，除
了标准无保留审计意见外，其他几种类型审计意见报告的签发有可能影响投资者对财务报告有用性
的判断，因此如果上市公司被出具的是标准无保留审计意见，则令 AUD I =0,其他类型的审计意见
则令 AUD I = 1；EXCH表示交易所变量， 深市赋值为 1，沪市赋值为 0；YEAR 是年度变量,令 2003
年 YEAR =0,2004年 YEAR=1。
1 − −= t t
EPSEPSUC
而这 14 个变量中，未预期披露时滞、年报时滞系数、反常收益、累积超额回报、未预期盈余这
5 个变量为计算所得，故在 CSMAR 数据库中因提取的是计算该类变量的数据,不能直接提取。收
集数据过程中,以条件（包括会计期间、披露日期、窗口区间以及报表类型等）作为筛选依据,将
2002 年到 2004 年所需要的数据完整的提取。
3. 实证过程与结果
3。1 实证分析过程
3.1。1 样本与数据
1。 样本选择的标准和步骤
本文的样本期间涵盖了2002—2004年三年， 样本公司为发行A股的在深沪两市上市的全部公司。
在完成CAR等计算后， 剔除如下类型的上市公司：
(1) 金融类上市公司
(2） ST/PT类上市公司
（3) 样本期间各年 4月 30 日之后披露年报的上市公司；
(4) 部分数据缺失、数据无法获取的上市公司。
由此， 进入本文研究的样本公司共3460家, 由于数据计算的需要， 多元回归分析模型减少一年数据，
共计2353个样本.
2. 数据来源
2002—2004年上市公司年度报告披露时间数据、财务数据、交易数据, 通过提取CSMAR数据库
获得。同年交易所休市日信息由网上交易所休市公告得到.
3. 数据处理方法
本文所使用的数据处理和分析软件包含: EXCEL、ACCESS、STATA 等。其中， 基本数据采用
EXCEL 软件处理， 数据匹配采用 ACCESS 软件,CAR 计算、回归分析及非参数检验等采用 STATA
统计软件。
3。1。2 数据处理
1。 数据处理流程
本文数据处理可分为五部。一,进行年报时滞（R lag)的计算，并由此得出年报时滞系数(RL I）及
未预期年报时滞(UR lag)。二，在 ACCESS 中,完成数据匹配,将数据整合起来，并计算得出超常收益
（AR）.三,将数据从 ACCESS 导出到 STATA ，计算出累计超额回报（CAR)。四,剔除不符合要求
的样本.五，完成描述统计、模型1及 CAR 的多元回归分析。
图3 数据处理流程图示
2. 数据处理过程
1） 年报时滞
在 CSMAR 数据库中,可以提取到会计截止日期及年报披露日期。首先进行调整，对休市日披
露年报的企业,将其年报披露日期调整到下一个交易日.又根据休市日信息，可以计算出，会计截
至日与调整后年报披露日间的交易日天数，即年报时滞(R lag)。
通过实际计数可以知道，2002-2004 年，年初至同年 4 月 30 日都有 78 个交易日。因此，年报
时滞系数（RL I）为年报时滞除以 78。未预期年报时滞为,一家上市公司该年年报时滞与上一年年
报时滞之差。
上述过程均可以在 Excel中完成.
2) 数据匹配及 AR 计算
在实证研究中,有多个模型估计正常收益。本文采用市场调整收益模型，即正常收益为当日市场综
合回报率，超常收益=个股回报率-市场综合回报率。由于市场回报率与个股回报率在不同的数据文件中，
所以，需要创建 ACCESS 数据库,将数据匹配,并进一步计算得到超常收益（AR）。
3) CAR 计算
从 ACCESS 中导出数据到 STATA ，运行编写好的程序，即可直接得到所需的不同窗口下的累计超
额回报。
4） 剔除样本
在此剔除金融类上市公司、ST/PT 类上市公司及晚披露的上市公司。留下的样本及为本文实际
研究的对象。
5） 描述统计、AR—R lag 回归及 CAR 的多元回归分析
〈1〉 描述统计
本文2002—2004年上市公司年报披露频数按多种标准进行了基本的描述统计，借以从中发现并展示年
报披露时滞的规律。
在完成 CAR 的计算并进行筛选后，本文按照披露时间、时滞系数及未预期时滞三种标准比较分组，
求出累计超额回报的均值及标准差，并使用非参数检验的方法进行比较,从而进一步论证早披露年报的
公司向市场传递更大的信息量。
〈2〉 AR—R lag 回归
在相同的相对日期下，用年报时滞回归超常收益,可以表现出推迟年报披露对于超常收益的影
响。通过 STATA 统计软件的处理,可以计算得到交易日相对于事件日的相对日期，并由此按照相
对日期分组，完成 AR-R lag 的回归分析。
〈3> Mann—whitney U非参数检验
首先，根据分组标准将样本分为早披露组和晚披露组.再将数据导入统计软件中，即可作出分
析结果.
〈4〉 CAR 的多元回归分析
在实际情况中，累计超额回报受到多方面因素的影响,如未预期盈余、审计意见等。通过多元
回归分析，控制某些公司特征、市场因素后，分析累计超额回报与披露及时性的关系，可以更好地
印证本文结论.使用 Access 软件将从 CSMAR数据库提取出来相关数据进行匹配，再导出到统计软
件中,即可完成多元回归分析。
3。2 实证分析结果
3。2。1 描述统计部分
在验证研究假设之前,本文首先对及时性替代变量进行了基本描述统计分析,见表 2 至表4。
表 2 2002—2004 年上市公司年报披露频数统计表(I）
1月 2月 3月 4月
年份 样本数
数目 比例 数目 比例 数目 比例 数目 比例
2002 1107 56 5。06% 112 10.12％ 430 38。84％ 509 45.98％
2003 1136 17 1。50％ 137 12。06% 499 43。93％ 483 42。52％
2004 1217 35 2.88％ 113 9。29% 506 41.58% 563 46。26％
合计 3460 108 3。12％ 362 10。46％ 1435 41。47％ 1555 44。94％
表 3 2002-2004 年上市公司年报披露频数统计表（Ⅱ）
天数 1—15 16-25 26—35 36—45 46-55 56—65 66-78 合计
2002 14 52 102 118 265 193 363 1107
2003 24 61 112 120 312 174 333 1136
2004 16 80 87 141 299 201 393 1217
合计 54 193 301 379 876 568 1089 3460
表 4 2002—2004 年上市公司年报时滞描述统计表
变量 均值 中值 标准差 最小值 最大值
RLAG 54.15 55 16.36 7 78
RLI 0。69 0。71 0.21 0.09 1
URLAG 0。83 0 16。65 —56 61
表 2 中，1 月和 2 月披露年报的公司共 470 家，远远小于 3、4 月公布年报的公司数量 2990 家.
在 4 月披露年报的样本公司 1555 家,比例高达（44.94％) ，显著多于 1 月（108，3。12％）和 2 月
(362,10.46％），略高于 3 月(1435，41.47％）.为了进一步分析年报披露时间的分布规律，本文以
10 个交易日为单位对年报披露频数做详细统计和分析，其结果列于表 3.表中可见三年期间 46～55
和 66~78 交易日区间，披露年报的公司数都表现出突然大幅度增加的现象，在 46~55和 66～78交易
日区间公布年报的公司分别为 876家和 1089 家,数量上多于其他区间,而且对比相邻区间数量上的
增加表现出突然性。表 4 是对 RLAG、RL I和 URLAG三个变量的描述统计分析结果，其中 RLAG均值 54。15，RL I 中值 0.69.这些证据表明大多数上市公司较迟披露年报，而且信息披露的时间并
不是一个随机性选择，其本身蕴涵着更多的信息.
2. 市场反应分析
在本文的研究中及时性市场反应是通过反常收益 AR 和累积超额回报 CAR 两变量进行衡量的,
表 5～表9 给出了披露早、晚所引起的反常收益 AR 和累积超额回报 CAR （模型 1～3）的分析结果。
表5 反常收益AR度量的及时性市场反应结果
相对日期 系数 T 检验值 F 值 P 值
—11 -0.0000001870 —0。010 0.000 0。992
—10 —0。0000345000 —1.670 2。790 0。095
—9 0.0000054500 0。260 0。070 0。792
—8 —0。0000341000 —1.660 2。760 0。097
—7 —0.0000345000 -1.630 2。670 0.103
—6 —0.0000514000 —2.400 5。770 0。016 ＊
—5 -0。0000096600 —0.430 0。180 0。670
—4 -0.0000934000 -4。060 16。470 0。000 *＊
—3 —0。0000664000 -2。850 8。110 0.004 ＊＊
—2 —0。0000686000 —2。850 8。120 0。004 ＊＊
-1 —0.0000357000 —1。390 1。930 0.165
0 0。0001872000 5。500 30。240 0.000 ＊＊
1 0。0000669000 2。600 6。780 0。009 *＊
2 0.0000670000 2.860 8。210 0.004 ＊*
3 0。0000982000 4。280 18。350 0。000 ＊＊
4 0.0000288000 1.230 1。520 0。218
5 0.0000914000 3。850 14。830 0。000 **
＊＊0。01 的水平上显著.＊0。05 的水平上显著
表 5 是反常收益 AR 和年报时滞 RLag 关联性分析结果。在所有 17 个观察日内,共有 9 个观察
日的回归系数在 0.05或0。01 的水平上显著,这种统计上的显著性尤其体现在交易日附近，此外还可
以观察到共有 11 个观察日的回归系数小于零.以上证据表明年报时滞的延长会显著减弱反常收益
AR。
表6 披露时间分组累计超额回报CAR比较
均值 标准差
窗口
一二月 三四月 一二月 三四月
Z检验值 P 值
[—20，-3] 0。0103 0。0021 0。0897 0.0724 1。9810 0.0476*
［-20,+2] 0。0068 0。0033 0.0927 0。0910 -0.3870 0.6990
［—5，5］ 0。0076 —0。0002 0。0624 0。0752 -3。7520 0。0002＊*
［-2，2] 0。0012 —0。0043 0。0475 0.0548 —1.9650 0。0494＊
［—1，1］ —0.0057 -0.0006 0。0382 0.0452 -2。6160 0.0089**
＊＊0.01 的水平上显著.*0。05 的水平上显著
表7 RLI分组的累计超额回报CAR比较
均值 标准差
窗口
RLI〈0.3 RLI>0。7 RLI〈0。3 RLI〉0。7
Z检验值 P 值
［—20,—3］ 0.0214 0.0003 0.0975 0。0769 2。2680 0.0233＊
［—20,+2］ 0。0123 0.0028 0.1019 0。1006 1。0780 0。2811
［-5，5] 0。0084 -0。0119 0。0668 0。0840 —3。0240 0。0025*
［—2,2］ 0。0026 —0。0103 0。0508 0。0608 —2。5250 0.0116＊
[—1，1] 0.0011 -0.0083 0。0406 0.0492 —2。5560 0。0106＊
＊＊0.01 的水平上显著.＊0.05 的水平上显著
表8 URLAG分组累计超额回报CAR比较
均值 标准差
窗口
URLAG〈0 URLAG〉=0 URLAG<0 URLAG〉=0
Z检验值 P 值
［—20，—3］ 0。0086 —0。0030 0。0793 0.0851 2.8090 0。0050*＊
［—20,+2] 0。0088 —0。0027 0.0918 0.1018 2。4220 0。0154*
[—5，5］ 0.0069 0.0055 0.0759 0。0797 0。1160 0.9080
[—2,2］ 0。0003 0.0000 0。0554 0。0598 —0。2850 0。7758
［—1,1] —0.0015 -0。0006 0。0471 0。0489 -0。4860 0。6269
＊*0。01 的水平上显著。*0。05 的水平上显著
表 6 是 1、2月披露组和 3、4 月披露组累积超额回报均值差异比较分析结果。在全部 5 个研究
时段内，共有4 个区间早披露组(1、2 月组）的 CAR 显著大于晚披露组（3、4 月组） .例如 1、2 月
披露组的 CAR（— 20, —3） 均值为 0.0103，3、4 月披露组的 CAR （— 20， — 3）均值为 0.0021， 并且，
这说明早披露组 CAR 均值在统计上显著大于晚披露组。
此外，按照 URLag和 RL I变量的不同将样本分组后的超额回报 CAR 比较结果分别列于表 7 和
表 8.以上分析结果都显著的支持了本文的研究假设,即相较晚披露公司而言, 早披露公司向市场传
递了更大量的信息。
表 9 多元回归分析结果
CAR（—20,-3） CAR(-20，+2)
回归系数 t 值 P 值 回归系数 t 值 P 值
URLAG -0。000319 —2。9300 0.0030＊＊ —0.000212 —1.6300 0。1040
EXCH 0。009568 2.6900 0.0070*＊ 0。013779 3。0800 0。0020＊＊
NDU —0。005106 —1.4400 0.1500 -0.009750 —2。1700 0。0300＊
YEAR —0。012722 -3.6700 0。0000＊＊ -0.022390 —5。1100 0。0000*＊
AUDI 0.002400 0。3200 0。7520 0。004417 0。4500 0。6520
SIZE 0。002643 1。4000 0。1630 0。002545 1。1000 0.2720
LAR 0。000000 0。1500 0.8850 0。000000 -0。3000 0.7650
EPS 0.038454 7。5400 0。0000＊* 0.069278 9。6500 0.0000＊＊
UE —0.002603 -0。1500 0。8780 -0。022302 —0.8600 0。3900
PUBL -0.010541 —0.7400 0.4580 —0.027226 —1。5300 0.1250
＊＊0。01 的水平上显著。＊0。05 的水平上显著。窗口（-20。—3)R2
为0.0522，窗口（-20，2）R2
为0。0810。
表 9 给出了在控制了某些公司特征、市场因素等变量后,及时性与累积超额回报的关联性分析
结果。CAR（- 20, - 3）和 CAR （ - 20, + 2)的回归分析表现出类似的特征,即 URLag 变量的系数
小于 0,并在 0。01 的水平上具有统计的显著性,说明越早披露所引起的累积超额回报 CAR 越大，
此外业绩变量 EPS与 CAR 显著正相关，流通股比例 PBUL 与 CAR 显著负相关。以上的这些变量系
数结果分析表明:更早披露，业绩更好以及被出具标准无保留意见的上市公司年报有更强的市场反
应,从而也进一步证实了本文的研究假设。
4. 结论与体会
4.1 研究结论
本文利用我国 2002—2004年所有 A股上市公司年报的有效数据，对会计信息及时性的信息含量
问题进行经验分析。
本文首先对样本进行了描述性统计分析，经验证据显示我国的大多数上市公司较迟披露年报；
然后，经过对年报时滞与反常收益的关联性的考察，证实了公告日附近的反常收益与年报时滞之间
存在显著的负相关关系；再次,对于早、晚披露组在公告日附近的累积超额回报进行均值的分析比
较，结果表明早披露组累积超额回报显著大于晚披露组；最后，在控制了公司规模、收益和交易所
等变量后,进一步的证明早披露组的市场反应更强。
通过这四个层次的分析结果,证明了本文的研究假设，即早披露上市公司的市场反应显著强于
晚披露公司.
通过多个模型的检验,充分证实了研究假设的正确性和可靠性。但是这样的可靠性却影响了文章可
以建立更有效的模型得出更多的实证结论。同时在计算超额收益的模型选择，可以选取多个模型增
加文章的可靠性.
4。2 体会与不足
经过这次文章复制,我们进步了很多,涉足了更多以前从未了解的会计知识以及计量经济学和
统计软件的学习。我们小组充分利用了暑假的短暂时间完成了该次复制。在暑假之前对类似实证论
文都还没有过真正意义上的接触,这一次的复制让我们近距离的观察和体验了一次,感触很多。
4.2。1 理论学习的进步
理论是实践的基础,通过这次的论文复制我们学习了许多经典的理论知识。自 Ball and Brown
首次发表有关论文以来，资本市场和财务报表之间的关系已经扩展为一个广泛的研究领域。在会计
文献中,对于会计信息披露及时性的研究主要关注于两个方面：一是披露滞后现象的解释，最早引
起人们注意的就是“好消息早，坏消息晚”的披露规律；二是及时性的信息含量分析.Gilvoly 和
Palmon（1982）,Chambers 和 Penman(1984），Kross 和 Schroeder(1984)等人都通过自己的研究
证实了在西方资本市场里早披露公司的非正常收益显著大于晚披露公司,而且非正常收益对公告的
及时性有联系.
而在我国的不健全的资本市场里,也有许多学者都作出了相应的研究。陈汉文等（2004）年分
别对上市公司的盈余公告及时性与业绩变动之间的关联性进行检验，指出在中国市场上也存在“好
消息早,坏消息晚"的披露规律。程小可（2004)进一步验证盈余披露类型与及时性之间有一定联
系的同时，盈余披露及时性显著影响了盈余的质量.对于作为基础性信息源的年度报告而言，除盈
余信息外，