问询函监管、会计信息质量与分析师盈余预测*

宋 力,张明尧

(沈阳工业大学 管理学院,沈阳 110870)

摘 要:分析师盈余预测能帮助投资者进行决策,问询函发放能监督公司披露信息的准确性,有利于维护资本市场的稳定。以2017—2019年A股上市公司为样本,通过文献研究以及多元线性回归分析,全面研究问询函监管与分析师盈余预测的关系。研究结果显示:问询函监管能够提高分析师盈余预测的准确度;会计信息质量在问询函监管与分析师盈余预测准确度之间起到中介作用;会计师事务所出具的审计意见类型能够负向调节会计信息质量与分析师盈余预测准确度的关系。

关 键 词:问询函监管;分析师盈余预测准确程度;会计信息质量;审计意见;多元回归

为深化监管体制改革,以问询函监管为主的“非行政处罚性监管”这一近年来新兴的监管形式成为监管体系的重要补充。证券交易所对上市公司披露的多方面信息进行甄别,判断其真实性、有效性;证券分析师作为企业披露信息的使用者,将问询函作为出具分析报告的重要依据。证券市场中存在很多缺乏专业知识的投资者,证券分析师的预测报告为其提供投资依据,其预测的准确性值得关注。随着中国问询监管的日益健全,问询函的监管效力也同样值得关注,因此问询函监管对分析师预测准确程度的影响是一个非常值得研究的问题。

一、文献述评

已有文献关于问询函的研究主要有以下四个方面:第一,研究问询函的发放是否具有监管效力。陈运森等发现,问询函公告会为市场带来显著的负向反应,而回函会带来显著的正向反应,且问询函的不同特征会影响市场反应的敏感性[1]。李晓溪等认为,并购重组问询函能够突显企业并购重组活动中的潜在风险,信息不对称程度越高越容易收到重组问询函[2]。Bozanic等发现,收到意见函的公司披露的信息会更加详细,提高了披露信息的可读性[3]。Brown等发现,当同一行业内大量企业收到意见函时,其余没有收到的企业会自动提高信息披露的详细程度,以尽量避免收到意见函[4]。陈运森等研究发现,问询监管能够有效抑制上市公司的盈余管理行为,并且公司收到的问询函涉及的问题越多,涉及会计问题时抑制效果越好[5]。Bens等研究指出,有关公允价值意见函的发出,能够显著降低上市公司在对其公允价值进行估计时的不确定性[6]

第二,研究问询函监管与上市公司业绩预告之间的关系。Johnston等检验了SEC意见函与公司业绩预告准确度之间的关系,得出的结果并不显著[7]。然而中国资本市场与国外存在差异,需结合中国市场发展现状对该问题进行探讨。李晓溪等认为,收到年报问询函的公司预告质量更高,并且外部监督越严格问询函的监管效果越显著[8]。翟淑萍等认为,问询函主要通过降低信息不对称水平和盈余管理程度来提高业绩预告的准确性[9]。随着被问询的问题数量增加,业绩预告质量的改善程度有所提高。

第三,公司治理环境。聂萍等认为,公司收到“掏空”相关问题的问询函时,会明显减少大股东“掏空”行为,并且公司内部控制的增强能够降低其对于大股东“掏空”行为的影响[10]。Dechow等发现,公司在收到收入确认相关的意见函前会提高内部交易水平,以此通过关联交易来获利[11]。赵立彬等研究发现,内部控制存在重大缺陷的企业更容易收到证券交易所发放的问询函[12]。余明桂等通过实证分析证明,高质量的公司内部控制能够有效降低收到问询函的概率[13]。邓祎璐等发现,上市公司收到的问询函越多,该公司的高管越容易产生变更,尤其是在公司收到的问询函涉及并购重组、关联交易等重大事项时,高管的变更率会更大[14]。Gietzmann等研究发现,由于代理理论,SEC意见的发放能够对上市公司财务总监变更产生一定影响[15]

第四,问询函监管与审计之间的关系,主要有两个方面,即对于审计质量和审计收费的影响。陈运森等研究发现,收到问询函的企业审计质量会有所提高[16]。陶雄华等的研究表明,年报问询函提升审计质量是通过信息效应和监督效应实现的,其中监督效应占主导地位[17]。陈硕等研究发现,上市公司收到问询函后审计收费会增加,问题数越多,审计收费增加的程度越大[18]。米莉等研究发现,收到问询函的公司审计费用明显比未收到的高,尤其是被问询频度高以及涉及会计问题时[19]。Kubick等研究发现,有避税倾向的公司收到SEC意见函的可能性更大,尤其是税务相关的意见函,其审计风险也会有所增加[20]。沈萍等研究发现,审计师在对上市公司进行风险评估时认为收到年报问询函的公司风险更高,审计费用增加的部分是审计师收取的风险溢价[21]。Miles等研究发现,审计师在目标企业收到意见函时会重新评估企业风险,以调整审计费用[22]

已有的文献较少关注问询函监管与分析师盈余预测之间的关系。问询函监管是近几年兴起的非行政处罚性监管模式,对于其研究主要集中于问询函监管效力以及审计方面。随着问询函监管的日渐成熟,分析师作为问询函信息的使用者,其预测报告的准确程度受到的影响逐渐显著。在资本市场中,有一部分投资人需要借助分析师盈余预测进行投资决策,因此分析师盈余预测的准确程度是一个值得关注的话题。问询函种类繁杂,其中有关企业会计处理等方面的问询能够对分析师预测产生影响,而有些问询对于分析师的预测没有帮助(如对企业财务报告格式或发布日期的问询),因此关于问询函特征与分析师预测关系的研究值得重视。

相比于以往的文献,文章可能在以下两个方面作出贡献:第一,拓宽问询函监管的研究视角和研究思路,关注其对分析师盈余预测的影响,深入探索问询函监管对分析师盈余预测的作用机制和作用路径,验证会计信息质量在问询函监管与分析师盈余预测之间的中介作用,为问询函监管提供新的研究视角,是对已有文献的重要补充;第二,检验审计意见类型在会计信息质量与分析师盈余预测之间的调节作用。

二、理论分析与研究假设

1.问询函监管与分析师盈余预测

为保证证券市场的有效运行,优化资源配置,建立监管机制必不可少。作为证监会等监督机构行政处罚性监管的补充,证券交易所发放的问询函在监督机制中的重要程度逐渐提高。问询函监管能否对分析师盈余预测产生影响,取决于分析师能否通过问询函获得更加有效的信息。首先,证券交易所发放的问询函具有时效性强的特点。行政处罚性监管需要经过调查、取证、立案、判决等环节,往往需要较长时间才能定性企业是否存在违规行为,而证券交易所发放问询函一般需要企业在7个工作日内回函并公告,所以监管效果更及时。其次,问询函的发放,尤其是对于一些重大事件的问询,会引起监管层的重点关注。陈运森等认为,问询函能够揭示财务报告中的重大缺陷,而这些重大缺陷也会引起监管机构对于公司经营活动的关注,从而进行深入调查,被问询公司的违规风险增加[1]。因此,问询函监管的有效性得以证明,证券分析师能够通过问询函对上市公司形成更加全面准确的了解,丰富其盈余预测的依据。同时,问询函的发放使得上市公司与信息使用者之间的信息不对称情况得以改善,证券分析师获取的信息更接近企业的真实情况,而不是企业按照自身需求选择披露的信息。此外,根据信号传递理论,收到问询函会向外界传递出对公司不利的信号,分析师在对收到问询函的公司作出预测时也会更加谨慎。综上所述,本文提出假设:

H1 问询函监管对分析师盈余预测准确度有正向影响。

2.会计信息质量在问询函监管与分析师盈余预测间的作用

证券分析师进行盈余预测分析时,要结合企业自身经营状况以及所处环境的影响,其对于企业经营状况的了解一般只能通过外部信息传递。然而根据信息不对称理论,企业所披露出的会计信息往往有可能是经过加工修饰的,是部分利益相关者根据自己的利益需求所希望外部获得的信息。这种信息丧失了可靠性和有用性,会使信息使用者的决策出现偏差。由于信息不对称现象的存在,现实市场总是与理想化的完全竞争市场存在差距,形成“市场失灵”。公共利益理论认为,监管是抵消或消除“市场失灵”的一种手段。问询函监管作为近年来兴起的监管方式,能够有效抑制这种信息不对称带来的负面影响,提高会计信息质量,从而为信息使用者决策提供有效依据。首先,对于监管机构,根据法律不完备理论,在法律尚不完善的情况下,监管机构的监管行为能够有效约束资本市场的违规行为。证监会等监管机构行政处罚性监管的有效性毋庸置疑,同时证券法明确规定证券交易所对上市公司披露信息进行监督,并且证券交易所发布的“上市规则”也明确规定上市公司应及时回复问询函,因此以问询函为代表的非行政处罚性监管也具有监管效力[5]。其次,媒体及社会公众对问询函的关注,也会促使企业披露信息时更加谨慎。陈运森等认为,当企业收到问询函时,媒体与投资者密切关注,由于回函需要时间,企业对于存在问题的解释说明以及解决方案不能及时被公众认知,公众的“愤怒成本”增加,对证券分析师等中介机构也会传递出不利信号,从而改变分析师预测结果[5]。最后,对于上市公司来说,问询函对其经营活动以及信息披露提出质疑,并要求其进行解释说明,如解释不清楚有可能面临处罚。因此如果披露的会计信息缺乏可靠性会面临较高的违规成本,为了规避违规风险,企业会抑制自身盈余管理行为,提高会计信息质量。胡奕明等发现,证券分析师在进行盈余预测的过程中,对于会计信息的使用远高于管理信息,由此可见会计信息质量对于分析师盈余预测的准确程度存在一定的影响[23]。谷文林等通过实证研究证明了这一点,即会计信息质量越高,分析师预测的准确程度越高。高质量的会计信息更能反映企业的真实经营情况,作为会计信息的使用者之一,证券分析师得到的信息更加准确,其盈余预测的准确程度也就更有保障[24]。综上所述,本文提出假设:

H2 会计信息质量在问询函监管、分析师盈余预测准确程度之间起到中介作用。

3.审计意见类型在会计信息质量与分析师盈余预测间的作用

审计师出具的审计报告,也是证券分析师进行盈余预测时的重要参考资料。会计师事务所作为独立于上市公司与投资者的第三方公司,传递出的信息相对于企业自身披露的信息而言更公正,因此也更有价值。分析师的预测结果会受到所获信息的影响,企业的盈余情况往往是保密的,因而分析师只能根据披露出的信息进行判断。而由于委托代理的存在,企业所有者与管理者通常不一致,那么企业的财务报告可能会被部分利益相关者修饰,使其达到自身需要的效果;管理层可能会因为与绩效挂钩而进行盈余管理;企业所有者也可能为实现自身利益最大化而修改财务报告,使得企业披露的会计信息不能反映真实情况。由于独立审计自身的专业优势,在对公司账务进行审查的过程中,得出的报告更加贴近企业的真实情况,从而使得企业会计信息质量对于分析师预测结果的影响不甚明显。由此可见,审计师出具的审计意见会对会计信息质量与分析师盈余预测的关系产生影响。综上所述,本文提出假设:

H3 审计意见类型能够负向调节会计信息质量与分析师盈余预测的关系。

三、研究设计

1.样本选择与数据来源

选取2017—2019年沪深证券交易所全部A股上市公司中分析师出具了盈余预测信息的企业为样本。问询函数据来自沪深证券交易所官方网站,财务数据来自国泰安(CSMAR)数据库[25]。由于证券分析师的预测报告是基于终止日期前一年的会计信息得出的,所以会计信息质量与问询函数据相对于分析师盈余预测数据要滞后一年。因此,本文选取2016—2018年问询函以及会计信息质量的相关数据进行研究。对数据进行进一步筛选:首先,剔除研究期间被出具ST、ST*的企业;其次,剔除金融类企业;再次,剔除异常值与缺失值;最后,分年度对所有连续变量在1%和99%分位上进行Winsorize缩尾处理。

2.变量定义

(1)被解释变量

选取分析师盈余预测准确程度为被解释变量。分析师盈余预测准确程度是证券分析师预测每股收益对于实际每股收益的偏误程度,是实际每股收益与分析师预测均值差额与实际每股收益比值的绝对值的相反数,用符号Accuracy表示。其值越大,分析师盈余预测准确程度越高,计算公式如式(1)、(2)所示:

式中:Mean(FEPS)表示分析师每股收益预测的均值;EPS表示企业实际的每股收益。

(2)解释变量

选取年报问询函数量(Number)、会计问题数量(Questions)为解释变量。其中,年报问询函数量为企业一年收到年报问询函的数量,会计问题数量为企业一年收到的问询函中涉及会计信息的问题数量。

(3)中介变量

根据Dichev的研究,应计盈余管理是衡量会计信息质量的重要维度,选择盈余管理程度描述会计信息质量(Iq)这一变量[26]。通过截面修正的Jones模型进行回归分析,得到操纵性应计利润(DA),以DA的绝对值来衡量盈余管理程度,其绝对值越大,盈余管理可能性越高,相对的会计信息质量就越低。因此,取DA绝对值的相反数代表会计信息质量,Iq的值越大说明会计信息质量越高,计算公式如式(3)~(6)所示:

式中:NDA t为经过第t-1期期末总资产调整后第t期的非操纵性应计利润;TA t为第t期总应计利润,等于净利润减去经营活动现金净流量;At-1为第t-1期期末总资产;ΔREV t为第t期营业收入和第t-1期营业收入的差额;ΔREC t为第t期应收账款与第t-1期应收账款的差额;PPE t为第t期期末固定资产价值;α1,α2,α3为不同行业、不同年份的特征参数,其估计值运用经过行业分组的不同年份数据进行回归取得;εt为剩余项,代表各公司总应计利润中的操纵性应计利润。

(4)调节变量

将审计意见类型作为会计信息质量与分析师盈余预测关系的调节变量,并用符号Opinion表示。当企业被出具标准审计意见时取1,否则取0。

(5)控制变量

除了问询函监管,还有一些因素能够对分析师盈余预测准确程度产生影响。为了提升模型的拟合程度,参考相关文献并考虑数据的可获得性,选取以下控制变量(Control):股权集中度(Con1),用第一大股东持股比例来衡量;净资产收益率(Roe),为净利润与净资产的比值乘100%;是否为四大审计为(Big4),为虚拟变量,审计师如果来自国际四大会计师事务所取1,否则取0;盈余可预测性(Ke),为营业利润与净利润比值;企业规模(Lna),为总资产的自然对数;资产负债率(Lev),为总负债与总资产比值;资产现金回收率(Ca),为经营活动现金流量净额与总资产比值。

各变量定义及计算方法如表1所示。

表1 变量定义

变量类型 变量名称 变量符号 定义及计算方法被解释变量解释变量中介变量调节变量控制变量分析师盈余预测准确程度 Accuracy 实际每股收益与分析师预测均值的差额与实际每股收益比值的绝对值的相反数年报问询函数量 Number 企业一年收到年报问询函的数量会计问题数量 Questions 企业一年收到的问询函中涉及会计信息的问题数量会计信息质量 Iq 由截面修正的Jones模型得出操纵性应计利润,取其绝对值的相反数审计意见类型 Opinion 虚拟变量,当企业被出具标准审计意见时取1,否则取0。股权集中度 Con1第一大股东持股比例净资产收益率 Roe 净利润/净资产×100%是否四大审计 Big4 虚拟变量,审计师如果来自国际四大会计师事务所取1,否则取0。盈余可预测性 Ke 营业利润/净利润企业规模 Lna 总资产的自然对数资产负债率 Lev 总负债/总资产资产现金回收率 Ca 经营活动现金流量净额/总资产

3.模型设计

为检验假设H1,构建模型1,公式为

为检验假设H2,构建模型2、3,公式为

为检验假设H3,构建模型4、5,公式为

四、实证结果分析

1.描述性统计分析

各变量描述统计结果如表2所示,共有3 027个观察值。分析师盈余预测准确程度最小值为-7.472,最大值为-0.002,标准差为1.085。年报问询函数量最小值为0,最大值为1,标准差为0.293。会计问题数量最小值为0,最大值为8,标准差为2.075。会计信息质量最小值为-0.192,最大值为-0.001,标准差为0.041。通过对解释变量与被解释变量的描述性统计分析,可以看出样本之间存在一定的差异。观察控制变量,第一大股东持股比例最大值为86.010%,均值为34.798%,说明企业的股权集中度较高。盈余可预测性平均值为0.932,说明总体来说企业的盈余被准确预测的可能性较高。资产负债率均值为0.439,可以看出企业总体资产负债率较高,财务风险较大。

表2 描述性统计结果

变量 样本数 最小值 最大值 均值 标准差Accuracy 3 027 -7.472 -0.002 -0.561 1.085 Number 3 027 0.000 1.000 0.090 0.293 Question 3 027 0.000 8.000 0.670 2.075 Iq 3 027 -0.192 -0.001 -0.046 0.041 Con1 3 027 5.280 86.010 34.798 14.829 Roe 3 027 -0.173 0.354 0.100 0.079 Ke 3 027 -0.473 1.344 0.932 0.220 Lna 3 027 20.804 27.104 23.063 1.322 Lev 3 027 0.069 0.847 0.439 0.191 Ca 3 027 -0.116 0.241 0.057 0.063

2.相关性分析

分析师盈余预测准确程度与年报问询函数量、会计问题数量均在5%显著水平上呈正相关关系,与会计信息质量在10%显著水平上正相关,与审计意见类型在5%显著水平上负相关,并且各变量之间相关系数的绝对值小于0.6,说明变量之间不存在严重的多重共线性问题。

3.多元线性回归分析

为了检验假设H1~H3,对各变量进行多元回归分析,结果如表3所示。

表3 (续)

注:括号中为t值;******分别表示1%、5%和10%的显著性水平;下同。

变量 模型(1)Accuracy模型(2)Iq模型(3)Accuracy模型(4)Accuracy模型(5)Accuracy Ca -0.940***0.427***(-2.82)(103.312)-1.077***(-3.16)-0.969***(-2.916)-0.972***(-2.944)R2 0.182 0.979 0.186 0.170 0.180 F值18.98 15 508.069 18.25 62.836 56.277

表3 回归分析结果

变量 模型(1)Accuracy模型(2)Iq模型(3)Accuracy模型(4)Accuracy模型(5)Accuracy Number 0.268***(7.66)0.007**(2.251)0.265***(7.56) - 0.242***(3.226)Questions 0.025***(5.23)0.110***(31.014)0.024***(5.05) - 0.027**(2.564)Iq - - 1.649***(3.45)13.871***(3.400)14.275***(3.520)Opinion - - - -0.264(-0.740)-0.298(-0.841)OpinionIq - - - -12.421***(-3.026)-12.901***(-3.161)Con1 0.000(-0.20)0.111***(33.090)0.000(-0.29)0.001(0.517)0.001(0.557)Roe 4.788***(15.34)-0.826***(-169.397)4.923***(15.39)5.019***(19.291)4.849***(18.641)Big4 -0.022(-0.40)0.043***(15.530)-0.028(-0.50)-0.017(-0.261)-0.015(-0.227)Ke 0.761***(3.87)0.041***(10.245)0.758***(3.88)0.623***(7.449)0.601***(7.225)Lna 0.074***(3.97)0.267***(64.319)0.068***(3.72)0.073***(3.729)0.070***(3.615)Lev -0.699***(-4.82)-0.615***(-145.114)-0.668***(-4.62)-0.524***(-4.141)-0.530***(-4.220)

由表3可知:(1)检验问询函监管和分析师预测的关系。年报问询函数量和会计问题数量都与分析师盈余预测准确程度在1%的水平上显著正相关,假设H1得以验证。(2)检验会计信息质量在问询函监管与分析师盈余预测准确程度之间的中介作用。年报问询函数量与会计信息质量在5%的水平上显著正相关,会计问题数量与会计信息质量在1%的水平上显著正相关。年报问询函数量、会计问题数量和会计信息质量都与分析师盈余预测准确程度在1%的水平上显著正相关,假设H2得到验证。(3)检验审计意见类型在会计信息质量与分析师盈余预测准确程度之间的调节作用。会计信息质量在1%的水平上与分析师盈余预测准确程度显著正相关,会计信息质量与审计意见类型的交互项与分析师盈余预测准确程度在1%的水平上显著负相关。年报问询函数量与分析师盈余预测准确程度在1%的水平上显著正相关,会计问题数量与分析师盈余预测准确程度在5%的水平上显著正相关,会计信息质量与分析师盈余预测准确程度在1%的水平上显著正相关,会计信息质量和审计意见类型的交互项与分析师盈余预测准确程度在1%的水平上显著负相关,假设H3得到验证。

五、稳健性检验

为检验模型的稳健性与研究结论的可靠性,用前一年数据进行稳健性分析。分析师盈余预测采用2016—2018年数据,问询函监管与会计信息质量采用2015—2017年数据。对数据进行多元回归分析,结果如表4所示。

表4 (续)

变量 模型(1)Accuracy模型(2)Iq模型(3)Accuracy模型(4)Accuracy模型(5)Accuracy R2 0.136 0.999 0.141 -0.737***(-4.361)-0.790***(-156.928)F值 13.21 331 016.858 12.65 -1.181***(-2.686)-1.211***(-106.298)

表4 稳健性检验回归结果

变量 模型(1)Accuracy模型(2)Iq模型(3)Accuracy模型(4)Accuracy模型(5)Accuracy Number 0.146**(2.12)0.014***(11.761)0.139**(2.01) - 0.187***(31.062)Questions 0.043***(4.81)0.017***(14.306)0.043***(4.83) - 0.034***(52.753)Iq - - 2.597***(3.75)31.232***(8.777)32.211***(40.625)Con1 0.002(1.14)0.192***(41.770)0.002(1.15)0.055(0.148)-0.083(-0.997)Roe 5.532***(14.65)-0.206***(-201.174)5.680***(14.67)-30.126***(-8.347)-31.214***(-39.344)Big4 0.101(1.64)0.173***(25.313)0.095(1.55)0.003(1.538)0.003***(44.643)Ke 0.298(0.54)-0.005***(-6.818)0.303(0.55)5.534***(18.286)5.505***(473.566)Lna 0.065**(2.81)0.293***(301.750)0.058**(2.53)0.088(1.011)0.099***(34.410)Lev -1.108***(-5.75)-0.297***(-76.766)-1.077***(-5.61)0.448**(2.133)0.443***(42.632)Ca -0.903*(-1.77)0.511***(189.926)-1.145**(-2.22)0.051**(2.023)0.056***(68.374)

由表4可知,年报问询函数量与分析师盈余预测准确程度在5%水平上显著正相关,会计问题数量与分析师盈余预测准确程度在1%水平上显著正相关,并且会计信息质量在问询函监管与分析师盈余预测准确程度之间起到中介作用。表4结果与表3中多元回归分析的结果一致,证明该结果稳健。此外,会计信息质量与分析师预测准确程度在1%显著水平上正相关,审计意见类型与会计信息质量的交互项与预测准确程度在1%的显著性水平上负相关,且验证了审计意见类型对会计信息质量与分析师预测准确度关系的调节作用,可知该结果稳健。

参考文献:

[1]陈运森,邓祎璐,李哲.非处罚性监管具有信息含量吗?——基于问询函的证据[J].金融研究,2018(4):155-171.

[2]李晓溪,杨国超,饶品贵.交易所问询函有监管作用吗?——基于并购重组报告书的文本分析[J].经济研究,2019,54(5):181-198.

[3]Bozanic Z,Dietrich J R,Johnson B.The SEC comment letter and firm disclosure[J].Journal of Accounting and Public Policy,2017,36(5):337-357.

[4]Brown SV,Tian X,Tucker J W.The spillover effect of SEC comment letters on qualitative corporate disclosure:evidence from the risk factor disclosure[J].Contemporary Accounting Research,2018,35(2):622-656.

[5]陈运森,邓祎璐,李哲.证券交易所一线监管的有效性研究:基于财务报告问询函的证据[J].管理世界,2019,35(3):169-185.

[6]Bens D,Cheng M,Neamtiu M.The impact of SEC disclosure monitoring on the uncertainty of fair value estimates[J].The Accounting Review,2016,91(2):349-375.

[7]Johnston R,Petacchi R.Regulatory over sight of financial reporting:securities and exchange commission comment letters[J].Contemporary Accounting Research,2017,34(2):1128-1155.

[8]李晓溪,饶品贵,岳衡.年报问询函与管理层业绩预告[J].管理世界,2019,35(8):173-188.

[9]翟淑萍,王敏.非处罚性监管提高了公司业绩预告质量吗——来自财务报告问询函的证据[J].山西财经大学学报,2019,41(4):92-107.

[10]聂萍,潘再珍.问询函监管与大股东“掏空”——来自沪深交易所年报问询的证据[J].审计与经济研究,2019,34(3):91-103.

[11]Dechow PM,Lawrence A,Ryans J R.SEC comment letters and insider sales[J].The Accounting Review,2016,91(2):401-439.

[12]赵立彬,傅祥斐,李莹,等.交易所问询函能识别公司内控风险吗?——基于年报问询函的经验证据[J].南方金融,2020(10):40-51.

[13]余明桂,卞诗卉.高质量的内部控制能否减少监管问询?——来自交易所年报问询函的证据[J].中南大学学报(社会科学版),2020,26(1):22-31.

[14]邓祎璐,李哲,陈运森.证券交易所一线监管与企业高管变更——基于问询函的证据[J].管理评论,2020,32(4):194-205.

[15]Gietzmann M,Marra A,Pettinicchio A.Comment letter frequency and CFO turnover:a dynamic survival analysis[J].Journal of Accounting,Auditing,and Finance,2016,31(1):79-99.

[16]陈运森,邓祎璐,李哲.非行政处罚性监管能改进审计质量吗?——基于财务报告问询函的证据[J].审计研究,2018(5):82-88.

[17]陶雄华,曹松威.证券交易所非处罚性监管与审计质量——基于年报问询函信息效应和监督效应的分析[J].审计与经济研究,2019,34(2):8-18.

[18]陈硕,张然,陈思.证券交易所年报问询函影响了审计收费吗?——基于沪深股市上市公司的经验证据[J].经济经纬,2018,35(4):158-164.

[19]米莉,黄婧,何丽娜.证券交易所非处罚性监管会影响审计师定价决策吗?——基于问询函的经验证据[J].审计与经济研究,2019,34(4):57-65.

[20]Kubick T R,Lynch D P,Mayberry M A,et al.The effects of regulatory scrutiny on tax avoidance:an examination of SEC comment letters[J].The Accounting Review,2016,91(6):1751-1780.

[21]沈萍,景瑞.年报问询函、审计定价与审计延迟[J].南京审计大学学报,2020,17(2):1-10.

[22]Miles B G,Angela K P.External auditor reassessment of client business risk following the issuance of a comment letter by the SEC[J].European Accounting Review,2014,23(1):57-85.

[23]胡奕明,饶艳超,陈月根,等.证券分析师的信息解读能力调查[J].会计研究,2003(11):14-20.

[24]谷文林,侯勇,张心瑜.会计信息质量对证券分析师预测的多重影响[J].武汉理工大学学报(信息与管理工程版),2015,37(6):790-794.

[25]林明,尹宗成.盈余管理与股价崩盘风险——基于中国股票市场的证据[J].沈阳工业大学学报(社会科学版),2020,13(4):340-347.

[26]Dichev I D,Tang V W.Earnings volatility and earnings predictability[J].Journal of Accounting and Economics,2009,47(1/2):160-181.

Enquiry letter supervision,accounting information quality and analysts’earnings forecasts

SONG Li,ZHANG Ming-yao
(School of Management,Shenyang University of Technology,Shenyang 110870,China)

Abstract:Analysts’earnings forecasts can help investors make decisions,and the issuance of enquiry letters can monitor the accuracy of information disclosed by companies,which is conducive to maintaining the stability of the capital market.Based on the sample of A-share listed companies from 2017 to 2019,the relationship between enquiry letter supervision and analysts’earnings forecast are comprehensively studied through literature research and multiple linear regression analysis.The results show that the supervision of enquiry letters can improve the accuracy of analysts’earnings forecasts,and the quality of accounting information plays an intermediary role between the supervision of enquiry letters and the accuracy of analysts’earnings forecasts.Audit opinions can negatively regulate the relationship between the quality of accounting information and the accuracy of analysts’earnings forecasts.

Key words:enquiry letter supervision;analysts’earnings forecast;accounting information quality;audit opinion;multiple regression

中图分类号:F 230

文献标志码:A

文章编号:1674-0823(2022)04-0350-08

doi:10.7688/j.issn.1674-0823.2022.04.08

收稿日期:2021-02-03

基金项目:辽宁省教育厅项目(WJGD2020005)。

作者简介:宋 力(1963-),男,天津人,教授,博士生导师,主要从事资本市场与公司治理等方面的研究。

* 本文已于2021-10-25 17∶30在中国知网优先数字出版。网络出版地址:http:∥https://kns.cnki.net/kcms/detail/21.1558.C.20211022.1634.004.html

(责任编辑:张 璐)