盈余分解對提高盈余預測能力的作用研究

摘要：文章以A股上市公司為研究對象，采用實證研究方法探討盈余分解在提高盈余預測水平上的作用。研究發現，從凈利潤到把凈利潤分解成主營業務利潤、投資收益等八個盈余項目的過程中，盈余分解能夠持續提高盈余預測水平，盈余分解預測模型的預測能力明顯優于幼稚模型和基本模型，結果顯示，營業收益的持續性高于非營業收益，投資收益亦有一定的持續性。

關鍵詞：盈余分解；盈余持續性；盈余預測

在經典的估值模型中，公司的價值等于公司未來股利或現金流量的貼現值。而股利或現金流量都與盈余，尤其是未來的盈余有密切的聯系。Ramakrishnan and Thomas（1991）認為會計盈余可以分為三類：永久性會計盈余、暫時性會計盈余以及由會計變更而造成的會計盈余，其中永久性盈余是企業通過正常經營獲得的，預期在未來可以持續的收益，而其它兩類盈余雖然也作為當期盈余的一部分，但是它們持續到未來的程度則相對較差。而盈余的持續性和盈余預測能力又是緊密相關的，某個盈余項目在未來重復發生的可能性越大，利用它來對未來盈余進行預測時所得到的預測效果會越好。

由于構成會計盈余的不同盈余項目存在著不同的持續性和盈余預測能力，有學者認為，區分不同盈余項目在盈余持續性上的差異可以提高當期盈余信息的盈余預測能力。根據Freeman et al.（1982）的研究，本期盈余對下期盈余的基本預測模型為：Earningst+1=a0+a1Earningst+et。

Sloan（1996）認為這個預測模型暗含了一個假設：不同盈余項目對未來收益的預測能力相同，體現為相同的回歸系數a1。而實際上，本期盈余包含了不同來源、不同持續性的盈余項目。因而，如果在本期盈余對未來盈余的基本預測模型中引入預測能力存在差異的盈余項目信息，就可以得到相對于基本預測模型更好的盈余預測模型。

國外已有實證研究證實了這一點。Fairfield，Sweeney and Yohn（1996）的研究表明，當把當期盈余按照利潤表的分步結構不斷進行分解，經盈余分解形成的預測模型相對于基本預測模型具有更好的盈余預測能力，能夠提高對未來盈余的預測精度。本文利用中國上市公司的資料探討這一問題。

一、 研究設計

根據上述研究文獻，本文提出以下假設：在基本預測模型的基礎上，將凈利潤按照利潤表的分步結構不斷進行分解，得到若干不斷細化的預測模型，它們對未來收益的預測能力將會持續提高。

為研究這一假設是否成立，本文根據上市公司利潤表的分步結構，按以下步驟對盈余做出分解，建立相應的盈余預測模型：

第一步，建立基本的本期盈余對下期盈余的預測模型，即基本預測模型。即得預測模型（一）：NIt+1=α+βNIt+ε。

第二步，將凈利潤分成營業利潤、非經營性利潤以及所得稅三個盈余項目，其中非經營性利潤是凈利潤減去營業利潤、所得稅之后的部分，包括投資收益、補貼收入、營業外收支以及其他項。即得預測模型（二）：NIt+1=α+β1OPIt+β2NONOPIt+β3TAXt+ε。

第三步，在營業利潤與所得稅保持不變的情況下，對非經營性利潤作進一步的分解，分解為投資收益、補貼收入、營業外收支凈額以及其他項。即得預測模型（三）：NIt+1=α+β1OPIt+β2TAXt+β3INVESTt+β4SUBSIDYt+β5OTH-INCOMEt+β6OTHER+ε。

第四步，在所得稅及非經營性利潤的各個分解項保持不變的情況下，把營業利潤分解為主營業務利潤、其他業務利潤以及期間費用三個盈余項目。即得預測模型（四）：NIt+1=α+β1TAXt+β2INVESTt+β3SUBSIDYt+β4OTH-INCOMEt+β5OTHERt+β6GMt+β7EXPt+β8OTH-PROFITt+ε。

第五步，在所得稅、其他業務利潤、期間費用以及非經營性利潤的各個分解項保持不變的情況下，把主營業務利潤分解為主營業務收入、主營業務成本以及主營業務稅金及附加。即得預測模型（五）：NIt+1=α+β1TAXt+β2INVESTt+β3SUBSIDYt+β4OTH-INCOMEt+β5OTHERt+β6EXPt+β7OTH-PROFITt+β8SALEt+β9COSTt+β10DUTYt+ε。

在對上述模型進行檢驗時，為了消除公司規模及模型中異方差性的影響，我們使用公司各年年末的股東權益（equity）對上述五個模型中所有的變量進行平減。

有鑒于不少學者在研究盈余時都假設公司年度盈余服從隨機游走過程（趙宇龍，1998），即認為當期的盈余是下期盈余的最好預測值。為驗證這一幼稚模型（Naive Model）在中國的有效性，本文比較了五個預測模型與幼稚模型在盈余預測精度上的優劣。

考慮到會計政策在1998年前后變動較大這一事實，本研究以1998年~2004年為研究窗口，共選擇了552家上市公司從1998年~2004年共7年的年度財務數據。

二、 實證檢驗

本文首先對所有樣本公司的各年盈余項目變量做出描述性統計，結果發現，所選取的552家上市公司從1998年~2004年的平均凈資產收益率為7.29%。在構成凈利潤的各個盈余項目中，營業利潤占了很高的比重，而非經營性利潤的比重則相對較小。進一步剖析非經營性利潤，發現投資收益的均值要大過非經營性利潤的均值。

對所有樣本從1998年~2004年的數據進行混合數據回歸，其結果見表1。從中可以看到，從預測模型（一）~預測模型（四），回歸方程的擬合優度調整R2從25.3%持續提高到28.2%。而模型（五）與模型（四）相比，提高幅度很小。從回歸系數值的大小來看，營業利潤的回歸系數要比非經營性利潤的回歸系數大，而主營業務利潤的回歸系數又要大于其他業務利潤的回歸系數。

檢驗發現，營業利潤和主營業務利潤在回歸結果中都保持了顯著為正的回歸系數，這顯示出它們有著較好的持續性。非經營性利潤雖然也保持著顯著的回歸系數，但是其回歸系數值在所有回歸結果中均小于營業利潤的回歸系數。其他業務利潤在不同年度的回歸方程中回歸系數值波動非常大，持續性不強。

為進一步驗證盈余分解在提高盈余預測水平上的作用，我們采用樣本外數據（Out of Sample）檢驗。具體做法是，對于預測模型（一），通過將99年各公司的盈余項目值代入表模型（一）由1998年~1999年度數據得出的回歸結果，可以得到預測模型（一）對2000年凈利潤的預測值。由2000年的實際值與預測值之差為預測誤差，其絕對值為絕對誤差。以此類推，最后每個預測模型都能夠得到關于2000年~2004年共5年的ROE預測值，進而得到一組相應的絕對預測誤差。通過比較這一誤差的大小，并利用T檢驗和無參數Wilcoxon檢驗方法檢驗兩兩預測模型的絕對預測誤差是否存在顯著的差異，以此來判斷彼此之間的預測能力。

T檢驗和Wilcoxon檢驗的結果見表2，表明從模型（一）~模型（四）預測誤差都有明顯的降低，但模型（四）與模型（五）在預測能力上差距不大，不能通過顯著性檢驗。

表2各預測模型預測能力比較

注：表中*、**、***分別表示兩者差異在10%、5%和1%顯著性水平上顯著。

綜上所述，我們認為可以接受上述假設，但最適宜的分解層次到第四步之止。

三、 小結

通過以上分析與比較，我們發現：從幼稚模型、基本模型到預測模型（四），把盈余分解成主營業務利潤、其他業務利潤、投資收益等八個盈余項目，由此形成的盈余預測模型對未來收益的解釋力得到不斷提高，對未來收益的預測誤差不斷降低。但進一步分解到模型（五）則無意義。這使我們有理由認為，實證研究中常用的幼稚模型、基本模型在中國的有效性較差，誤差較大。并且，在上市公司利潤表的各個盈余項目中，營業利潤的持續性要好于非經營性利潤，主營業務利潤的持續性要好于其他業務利潤，非經營性利潤中投資收益亦有較好的盈余持續性。

此研究結論一方面說明中國的證券市場通過十多年的發展已經呈現出一定的理性特征，盈余具有了一定的可預測性，與國際趨勢有一定的趨同；另一方面，該結論對投資者投資證券市場有一定的現實意義。

參考文獻：

1．Fairfield，P．M．，R．J．Sweeney and T．L．Yohn．Accounting Classification and the Predictive Content of Earnings．The Accounting Review，July，1996：337-355．

2．Sloan，R．Do Stock Prices Fully Reflect Information in Accruals and Cash Flows about Future Earning?．The Accounting Review，1996，71：289-315．

3．趙宇龍．會計盈余披露的信息含量——來自上海股市的經驗證據．經濟研究，1998，（7）：41-49．

基金項目：廣東省哲學社會科學規劃項目（05E—08）。

作者簡介：湯光華，博士，中山大學管理學院副教授；唐偉，中山大學管理學院碩士生。

收稿日期：2007-08-13。

注：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。