我國上市公司盈利時間序列研究：國際借鑒與方法探析

摘 要：國外學者在盈利時間序列的刻畫方式、模型測度效果和序列性態的影響因素等方面做了深入的研究，而我國由于受到公司上市時間長度和會計制度不斷變遷的影響，對上市公司的盈利時間序列進行研究具有較大的困難。以行業為主要研究對象，以近期的季度盈利時間序列為研究數據，以已有的簡便研究方法和普遍認可的模型為研究手段對我國上市公司的盈利時間序列進行研究是克服目前諸多障礙的現實選擇。

關鍵詞：上市公司；盈利時間序列；研究方法

中圖分類號：F234.4

文獻標識碼： A

文章編號：1003-7217(2007)02-0083-06

盈利時間序列是一個充滿挑戰性的研究課題，西方學者長達20多年孜孜不倦的研究取得了豐碩的成果；由于受到一些客觀條件的制約，國內有價值的研究成果卻不是很多，適合我國國情的盈利時間序列研究方法亟需得到探索和總結。

一、盈利時間序列研究的價值分析

瓦茨和齊默爾曼曾在其經典的《實證會計理論》一書中，精辟地概括了盈利時間序列研究的三個重大應用領域：證券的模型估價、證券價格變動研究和盈余管理的檢驗^{[1]（P114－117)}。這三個方面的概括獨到而深刻，蘊含著豐富的內涵，中外學者數十年來在這方面的研究基本上是沿著這些軌跡在前進。

（一）證券的模型估價

公司證券的大多數估價模型是根據企業未來的現金流量來對索償權進行計價，如費希爾模型、資本資產計價模型都具有這個特征。由于現金流量數據難以得到，現在通常采用會計盈利的預測額來對企業的未來現金流量進行替代，在建立起盈利時間序列模型的前提下，即可在當前對證券的價格作出無偏的估計。到20世紀80年代后期，通過Ohlsont和 Penman等人的努力^[2][3]，計價觀成為一個初具雛形的研究框架，根據盈余資本化計價模型，股票價格P=E*/r，E*代表公司的每股經濟盈余，r為盈余資本化率，采用盈利的時間序列作為E*的近似替代，即可得到證券價格的直接估計。O'HanLon認為，計價模型和盈利時間序列模型的組合對權益證券的估價有著劃時代的意義，這將為盈利時間序列的研究提供強勁的推動力^[4]。但由于現階段各種數據的獲取有難度，盈利時間序列模型本身尚待改進，其預測效果需得到更充分的檢驗，因此，盈利時間序列模型在證券估價方面的應用暫時只停留在理論上的研究，還缺少實踐中的應用。

（二）證券價格變動的研究

對證券價格變動的研究實質是對資本市場有效性的檢驗，這始于Ball和Brown1968年實證會計的開山之作。這類研究的目的在于找到非正常報酬與未預期盈利之間的關系，因此，盈利必須要被分解成預期盈利和未預期的盈利，市場對未預期的盈利所作出的反應成為檢驗市場有效假說（EMH）的依據，進一步還可作為市場反應程度、會計信息含量、盈余反應系數等重要市場指標的研究方式。要想分離出未預期盈利，必須首先確認預期盈利，由于預期盈利本身具有事先不可獲得且事后難于檢驗的特征，采用恰當的盈利時間序列模型來生成替代變量成為一種可行的選擇。從Ball和Brown1968的研究開始，隨機游走（random walk）模型在研究中被大量運用，從這一意義上來說，盈利的時間序列模型具有作為實證會計基礎性研究課題的重要價值。

（三）盈余管理的研究

盈余管理研究是實證會計研究中的一個重要組成部分，國內外這一方面的研究文獻可謂卷帙浩繁。這類研究的前提是要對盈余管理進行識別，瓦茨和齊默爾曼在《實證會計理論》中對收益均衡化的檢驗作了理論上的假定，即管理人員使報告收益的均衡化會導致報告盈利的殘差小于人為操縱前盈利的殘差。但由于該種檢驗尚不具備可操作性（主要是無法確認操縱前的真實殘差），在實際研究中很少運用，瓦茨和鮑爾（Ball）的研究（1972）^[5]也并未用到該種方法。目前，普遍使用可操控性應計利潤來對盈余管理的方向和程度進行測度，使用該方法必須對應計利潤進行分離，通常使用模型來估計不可操控性利潤，分離出可操控性利潤，從而對盈余管理的方式和程度進行識別。使用較廣的主要有Healy模型、Deangelo模型、Jones模型、修正的Jones模型和擴展的Jones模型^[6]以及這幾種模型的一些變形。這一些模型當中，嚴格的計量經濟學意義上的單變量時間序列模型主要是Healy模型和Deangelo模型（實質上相當于隨機游走模型），其它三種Jones模型均是比較典型的建立在因果關系假設基礎上的結構式模型，所以也被稱作截面模型。有學者認為三種Jones模型的橫截面應用效果優于時間序列應用的效果^[7]，這是由其模型特征所決定的。目前在盈余管理的識別研究方面用得比較多的是三種Jones模型，這與瓦茨和齊默爾曼當初的設想有差異。截面模型與時間序列模型各適用于不同性態的數據，截面模型適用于面板數據，也可以用于時間序列數據；時間序列模型更適用于時間序列數據。如果在任何情況下都一概只運用三種Jones模型，而缺少對更有效的時間序列模型進行研究和運用，那將是研究方法上的一種缺陷。

（四）實踐中的意義

除了瓦茨和齊默爾曼所總結的上述三大研究領域的應用價值外，盈利時間序列研究在現實中也有著非常重要的意義。有效的盈利時間序列模型可以實現對未來盈利的無偏預測，找到經濟領域中的重要規律，引導投資者進行理性的投資，從而實現社會資源更有效地配置，提高資本市場的效率，這對于我國欠成熟的資本市場有著更加特殊的意義。從微觀的角度來看，有效的盈利時間序列模型還可以幫助企業的投資者和經營者對企業所面臨的風險和回報作出更為科學的預期，對企業財務資金作出更好的籌化和管理。

二、盈利時間序列研究文獻回顧

（一）國外的研究成果

利特爾和雷納（1962、1966）對英國公司的會計盈利增長率進行的調查研究認為，年度盈利是一種隨機現象，即呈現隨機游走的狀態；鮑爾和瓦茨(1972)對1946～1970年美國700家公司的盈利時間序列進行了研究^[8]，他們分別進行了游程檢驗、序列相關檢驗、連續時段差分均方檢驗和部分調整模型的擬合檢驗，也得出了盈利服從隨機游走過程的結論。但和其后的許多研究一樣，他們的研究是建立在橫截面數據基礎之上的時間序列，無法反映個別公司的時間序列特征，而且無法排除不同公司之間的結構性差異導致整體盈利隨機游走的可能性。為了解決這一問題，在這之前，瓦茨（1970）就曾對三個行業32家個別企業的盈利變化進行了研究，通過Box-Jenkins模型與隨機模型的對比研究，發現有部分企業的盈利時間序列不同于隨機游走過程，而同行業的盈利變化過程具有相似性，但Box-Jenkins模型在預測能力上并無優勢，其后瓦茨和列夫威奇（1977）進一步的改進研究也得到了類似結論。Callen，kwan，cheung and Yip(1993)^[9]對美國263家公司1955～1985年的年度EPS分別運用極大熵法（MEM）和混合自回歸平均移動模型（ARIMR）技術進行了模型構造和檢驗，但發現ARIMA財經理論與實踐(雙月刊)2007年第1期2007年第1期(總第145期)丁方飛：我國上市公司盈利時間序列研究：國際借鑒與方法探析 預測效果比隨機游走模型差，這使簡單的隨機游走模型占據了主導的地位，在研究中得到大量的應用。

考慮到年度的時間跨度較長，年度盈利有可能會掩蓋這一跨度內存在的一些局部結構特征，瓦茨（1975、1978）、格里芬（1977）^[10]和福斯特（1977）^[11]分別對季度盈利的時間序列進行了研究，發現Foster模型不但是一個高效的預測模型，而且以此為基準所測算的未預期盈利與市場累計的非正常報酬率存在較好的相關，能大致反映市場對季度盈利的預期值。比弗、拉姆伯特和莫斯（1980）研究了1958～1976年部分上市公司的盈利數據，認為Box-Jenkins模型比隨機游走模型能作出更好的描述。這一系列的研究成果說明，對季度盈利的時間序列進行研究有可能更準確地刻畫盈利時間序列。此后的Bernald(1990)^[12]和 Batov(1992)^[13]等運用了幼稚的季度盈利時間序列模型（隨機游走）來研究和評判市場對季度盈利的預期反應；Ray Ball和Batov（1996）進一步研究認為，市場對于更復雜的季度盈利模型能夠作出反應，大體上能正確認識季度盈利差分的系列相關系數的特征^[14]，這不但說明了季度盈利時間序列模型在研究領域的重大意義，而且還證明更復雜的盈利時間序列模型有可能會被市場所識別。Lev. B.（1983）^[15]就企業的經濟因素對時間序列模型的影響作了研究，發現生產非耐用品和所處行業具有較高的進入壁壘的企業具有更高的盈利自相關系數。此后的Collins kothari(1989)，Baginski(1999)進行了類似的研究，得出了相似的結果，均認為公司規模、產品類型、資本密集度和進入壁壘等經濟因素會對盈利時間序列模型產生影響，經濟因素對高階的ARIMA模型會產生更大的影響。

有學者對不同的時間序列模型的測度效果作了對比分析，如巴斯克和洛克（1984）^[16]對美國240個公司1962～1977年的季度盈利數據進行研究，將帶漂移的隨機游走模型和ARIMA模型（實際上是Box-Jenkins模型）進行了對比研究，發現三種ARIMA模型的預測能力明顯優于隨機游走的模型。福斯特（1977）運用Box-Jenkins模型對69家美國公司1946～1974年的盈利數據分別建立了統一結構模型（Uniform Model）和個別特征模型(Firm-Specific Model)，前一種模型是假定所有的公司具有同一時間序列性態，對它們建立統一的盈利時間序列模型，后一種模型則假定不同的公司具有不同的時間性態，分別為每一家公司建立單獨的模型，結果發現統一的結構模型具有更好的預測效果。此外，Jeffrey L.Callen等（1996）對紐約股市296家公司從1962～1985年的季度盈利分別運用人工神經元網絡技術和Box-Jenkins模型進行的研究結果發現，人工神經元網絡模型的預測誤差顯著地大于Box-Jenkins模型^[17]。

（二）國內的研究成果

由于客觀條件限制，國內的盈利時間序列研究成果比較少。較早出現的盈利時間序列研究是黃志忠和陳龍（2000）對中國上市公司盈利成長規律所作的實證研究^[18]，他們指出了中國學者大量運用隨機游走模型或Jones模型而未加檢驗的缺陷，并對上交所的上市公司6年以來的盈余數據進行了研究，否定了被中國學者普遍假設存在的盈利隨機游走的時間性態，提出了帶增量因子的成長模型。這一研究結果事實上對我國許多實證研究結論產生了沖擊。周家利用最新的時間序列計量經濟學方法對會計盈利和股票價格的動態關系進行了研究，認為格朗日因果關系存在于兩變量之間，會計盈利更趨向于均衡值，加入股價信息更有助于解釋會計盈利^[19]。朱峰對盈利時間序列研究重要性、方法和模型作了系統的總結^[20]。其他的一些學者在盈余管理、市場盈余反應、盈余公告效應等方面的研究都運用了盈利時間序列模型，主要是隨機游走模型和簡單的ARIMA模型，但大多僅是直接加以運用而缺少基本的檢驗，其可靠性值得懷疑。

三、我國上市公司盈利時間序列研究的重要性與方法分析

（一）我國上市公司盈利時間序列研究的意義與客觀條件的制約

從我國資本市場的成熟健康發展來看，從引導社會資源的有效流動、科學認識產業發展的內在規律從而指導合理有效的投資來看，盈利的時間序列研究都具有深遠意義。但由于我國上市公司盈利時間序列研究成果少，盈利的時間性態檢驗不夠，這使得相關的實證研究缺少堅實的基礎，嚴重影響了這些研究在理論上的說服力，損害了這些實證研究的科學性。

我國上市公司的盈利時間序列研究存在諸多的客觀條件制約。從時間序列模型的構建和檢驗來看，長時間序列無疑對研究有著重要的意義，國外發達資本主義國家的資本市場經歷了100多年的發展歷程，樣本公司有效的年度盈利數據一般可達到幾十個。而我國資本市場始建于上世紀90年代初期，年度盈利只有十幾年的數據，其中會計制度又是幾經變遷，市場監管處于一個不斷完善的過程，不同年度的盈利數據在內容和質量上還具有不可比的特性，且調整的難度很大，這些都使得最后可用來進行盈利時間序列研究的數據少得可憐。然而，進行時間序列研究必須有足夠的時間序列數據，否則對樣本的自相關性進行檢驗就會受到數據的限制。如Durbin-Watson檢驗至少需要15個數據；許多隨機游走的檢驗利用了Dickey和Fuller設計的單位根檢驗，這類檢驗一般需要25個以上的序列數據才能有較好的效果；對于更復雜的齊次的非平穩過程由于要進行差分，每一次差分都要造成有效數據的減少；對于復雜的ARIMA（混合自回歸移動平均）模型，由于有多個自回歸和移動平均參數需要估計，會極大地減少自由度，從而影響模型構建，等等。我國資本市場現有的年度盈利數據顯然無法滿足這樣的研究條件，這也是我國的盈利時間序列研究成果較少的原因。在現有的條件下，只能采用一些特定的簡便方法盡可能對其進行研究，即使只是作出較粗略的刻劃，也是有意義的。

（二）我國上市公司盈利時間序列研究的方法分析

1.研究時段的選取。2000年，財政部發布了《股份有限公司會計制度》和10個具體會計準則；2006年又發布了與國際會計趨同的一系列新準則，并在2007年開始實施，這意味著我國上市公司的盈利時間序列數據質量會更高，并將為研究提供更好的條件。2007年之后的盈利數據雖然會與2007年之前的盈利數據有差異，但調整難度并不大，因此，一般以2000年為起點確定研究時段是較為合理的。但7個年度的數據顯然不能滿足研究需要，為解決這一問題，黃志忠和陳龍應用了面板數據來進行分析，且將盈利進行標準化以解決不同公司間的異方差性，此方法依然假定不同公司間盈利具有相同的時間性態。瓦茨認為，對年度盈利的最佳時間序列預測模型可能成型于對季度盈利數據的運用；而非對年度盈利數據的運用，有學者認為運用模型可能對季度盈利序列作更準確的刻劃。我國的上市公司自2002年起在證監會的要求下提供季度報告，如果算到2006年就已經有了20個盈利數據，具備了進行研究的意義，因此，選取2002年開始的季度盈利數據不失為一個可行的方式。

2.研究對象的選取。對上市公司的盈利序列進行整體的研究，還是進行個別的研究，是研究之前要解決的關鍵問題，其實質是是否假定不同公司具有相同的盈利時間序列特征。瓦茨（1970）的研究已經說明，個別公司之間可能存在結構性差異，所以，建立統一結構模型可能是比較武斷的；Foster（1977）的研究說明，統一結構模型能比個別結構模型產生更好的預測結果，Foster認為這可能是由于統一結構模型因為估計參數少具有更高的自由度，因而擬合的程度可能更好；且在單個公司時間序列發生結構性變化的情況下，統一結構模型可能會因不同公司間的變化部分抵消而顯得更為穩健。不管是什么原因，這樣的結果都不能說明統一結構模型的假設是合理的。個別研究從邏輯上來說是最為科學的，但由于其構建模型的工作量大（有多少個公司就要構建多少個模型），且受到我國盈利數據少的制約，并不可取。瓦茨（1970）認為，同行業企業的盈利變化過程具有相似性，因此，以行業為對象來進行研究是比較可取的方式，同一行業的上市公司往往具有許多相同或近似的特征：資本結構、治理結構、行業風險、經營周期、競爭程度、產品類型等，這些因素決定了同業內的上市公司最有可能具有近似的盈利時間序列性態。以行業為一個整體進行研究，建立統一結構模型是合乎邏輯的。

3.模型構建的方法

（1）利用自相關函數和偏自相關函數識別時間序列特征。前面已經提到，對簡單的隨機游走模型和更復雜的ARIMA模型進行構造和檢驗都需要大量的序列數據，在我國現在難以滿足這些條件，因此，在現有的條件下應著重于自相關函數和偏自相關函數的研究，根據相關系數的外在特征對序列特征進行辨識。對一個隨機過程進行完全的描述通常是不可能的，尤其是在數據量有限的情況下，而自相關函數可以為建造模型部分地刻劃隨機過程，告訴我們時間序列鄰近數據點之間存在多大程度的相關^[21]。對自相關函數進行Bartlett檢驗或Box和Pierce的Q統計量檢驗，可以識別“白噪音”的存在，觀察序列的自相關函數可以判別是否是平穩序列，以及由非平穩序列構造平穩序列的差分階數；可以通過觀察自相關函數有規律的峰值來識別那些有規律的季節性，甚至可以識別那些時間序列本身無法辨別的季節性峰值，這對于季度盈利數據的研究往往是非常重要的。自相關函數對于較為簡單的低階ARIMA模型的構造也有著非同尋常的含義，低階ARIMA模型的基本特征可以通過自相關函數來進行識別，例如，利用平穩序列的自相關函數隨著時期差k的增加而趨近于0，可以識別隨機過程移動平均和自回歸的階數；而偏自相關函數可提供更多的關于自回歸過程的信息。總之，低階的ARIMA模型基本可以利用自相關函數和偏自相關函數來進行初步的識別。

（2）運用已有模型進行擬合。在充分利用自相關函數的基礎上，可以有針對性地選用一些已得到部分證實且應用較廣的模型或其變形來進行研究。現有的應用較廣的模型主要是隨機游走模型和低階的ARIMA模型，在時間序列研究方面，混合自回歸移動平均模型（ARIMA）構造被認為是標準的時間序列模型構造技術，許多種類的模型都是簡單的ARIMA模型或其變形，在盈利時間序列研究方面也可作為模型分類的基準，應用于盈利時間序列時，基礎形式如下：

式（8）變形為式（9）后，即可清楚地看出這是隨機游走模型，當Ｅ的系數為0時，就是最簡單的隨機游走模型，在我國的金融和會計的實證研究中運用得較多；當其系數為1時，就是一個帶固定漂移的隨機游走模型，在盈利序列研究中具有較廣泛的用途。它的相關函數不會隨著k的增加而快速地減小。

如果ω＜1，則Et的一階差分后跟隨一系列的衰減同號的差分，使得E漸近于一個新的水平，一階差分的自相關函數也呈幾何級數遞減。在盈利時間序列中，ΔＥt－1可以作為衡量一個公司的成長因子，黃志忠和陳龍（2000）的研究就認為上述模型更能解釋中國上市公司盈利時間序列的隨機過程。

在這一模型中，一階的自相關函數值為1，而更高階的自相關函數值為0。

John O'HanLon（1995）認為，對于不同行業而言，可能遵循哪一盈利時間序列模型，很大程度上取決于行業準入（或退出）壁壘所容許的盈利變動持續程度，對于盈利變動持續短的，很可能是ARIMA（0，0，0）和ARIMA（0，0，1）；對于盈利變動緩慢衰減的，可能是ARIMA（1，0，0）；盈利變動持久存在的則是d=1的ARIMA過程。

此外，格里芬（1977）、福斯特（1977）、布朗和羅澤夫（1979）^[22]等分別運用Box-Jkensin模型（包括AR、MA、ARMA、ARIMA等模型）對季度盈利進行研究，這些模型對會計季度盈利均產生了較好的描述，具有廣泛的影響力，在會計盈利研究中被普遍采納，值得關注，其具體形式如下：

Foster模型：

以上幾種Box-Jkensin模型都來源于簡單ARIMA模型的變形，是在研究季度盈利時應重點考慮的模型，可以看到，模型中為了體現季度盈利的季節性，滯后項的間隔期一般為4，因此，對于季度盈利應主要觀察間隔期為4的自相關函數特征來識別時間序列的性態。四、總結

我國現階段的客觀條件對我國上市公司盈利時間序列研究有較大制約，應該以行業為主要研究對象，以2002年以后的季度盈利序列為主要研究數據進行研究，研究中要考慮到數據的限制，重點觀察分析自相關函數和偏自相關函數，利用現有的得到普遍認可的簡單ARIMA模型和季度盈利的Box-Jkensin模型進行研究。

參考文獻：

[1]羅斯.L.瓦茨，杰羅爾德.L.齊默爾曼，陳少華，黃世忠等譯．實證會計理論[Ｍ]．大連：東北財經大學出版社，1999．

[2]Ohlson J A. The Theory of Value and Earnings and An Introduction to the Ball-Brown Analysis[J]. Contemporary Accounting Rearch，1991，27(4):pp.1-9．

[3]Penman S. H. Return to Fundamental.Journal ofAccounting Auditing and Finance[J]. 1992，17(4):pp.465-483

[4]John O'HanLon The Univariate Time Series Modelling of Earnings: A Review[Ｊ]．British Accounting Review，1995(27).pp.187-210．

[5]Ball R. J.，R. Watts， Some Time Series Properties of Accounting Income[Ｊ]．Journal of Finance 27(June 1972)，pp.300-323.

[6]陸建橋．中國虧損上市公司的盈余管理研究[Ｊ]．會計研究 1999，（9）：25-30．

[7]周長青，章永奎．盈余管理測度研究綜述[Ｊ]．石家莊經濟學院學報，2001，（6）：263-268．

[8]Ball R. J.，R. Watts， Some Time Series Properties of Accounting Income[Ｊ]．Journal of Finance 27(June 1972)，pp.300-323.

[9]Callen，L.，Kwan，cheung ，C.and Yip，R.An empirical investigation of the random character of annual earnings[Ｊ]．Jounal of Accounting，Auditing and Finance（1993），151-162．

[10]Griffin，P.A.， The Time Series Behavior of Quarterly Earnings:Preliminary Evidence[Ｊ]．Journal of Accounting Research 15(Spring 1980），255-268.

[11]Foster，G.，Quarterly Accounting Data: Time-Series Properties Predictive -Ability Results[Ｊ]． Accounting Review 52(January 1977)，1-21．

[12]Bernald， V.L. and J.K. Tonas，1990， Evidence That Stock Prices Do Not Fully Reflect The Implications of Current Earnings for Future Earnings[Ｊ]．Journal of Accounting and Economics 13， pp.305-340.

[13]Batov，E.， 1992.， Patterns in Unexpected Earnings as An Explanation For Post-announcement Drift[Ｊ]．The Accounting Review 67，pp.610-622.

[14]Ball， R. and Batov，E.， 1996，How Na?ve Is The Stock Market Use Of Earnings Information[Ｊ]．Journal Of Accounting and Economics 1996(21)，pp.319-337．

[15]Lev. B. Some Economics Determinanta of time series properties of earnings[Ｊ]．Journal of Accounting and Ecnomics 1983， pp.31-48．

[16]Bathke and Lorek， 1984， The Relationship Between Time Series Models and the Security Markets Expectation of Quarterly Earnings[Ｊ]．The Accounting Review(April，1984)，pp.163-176.

[17]Jeffrey L. Callen，Clarence C.Y. Kwan，Patrick C.Y. Yip.Yufei Yuan， Neural network forecasting of quarterly accounting earnings[Ｊ]．Internatioal Journal of Forecasting 12(1996)，pp.475-482．

[18]黃志忠，陳龍．中國上市公司盈利成長規律實證分析[Ｊ]． 經濟研究， 2000，（12）：11-15．

[19]周家．利用時間序列分析股票價格和會計盈利的動態關系[Ｊ]．現代財經，2004，（2）：35-40．

[20]朱峰．公司盈利的時間序列分析[Ｊ]．蘭州商學院學報，2002，（5）：11-14．

[21]胡榮才，王芳．滬市A股上市公司盈利性時間變遷研究[Ｊ]．財經理論與實踐，2004，（3）：59-62．

[22]Brown and Rozeff， Univariate Time Series Models of Quarterly Accounting Earning Per Share: A Propasal Model[Ｊ]．Journal of Accounting Resarch (Spring，1979)，pp.179-189

A Study on Eearnings's Time Series of Chinese Listed Companies:

Ｉnternational Reference and Ananysis on Methods DING Fang-fei

 (School of Accounting， Hunan university，Changsha，Hunan 410079，Ｃhina)Abstract：Referring to the foreign methods and outcomes of research on time series of income， this paper makes an analysis on the restriction to extend this type of research in the Chinese listed companies. It is pointed out that the realistic method to overcome the present difficulties is to target the listed industries， adopt the recent quarterly income data and apply the simple and generally accepted models and methods.

Key words： Listed Companies;Earnings' Time Series;Studying Methods

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”