因先前業(yè)績預(yù)告與上市公司后續(xù)業(yè)績出現(xiàn)較大偏差而發(fā)布的業(yè)績預(yù)告修正公告,是上市公司信息披露制度的重要組成部分,有助于降低公司內(nèi)外信息不對稱,提高證券市場有效性。美國等西方國家上市公司的業(yè)績預(yù)告并無強制規(guī)定,但是我國資本市場建立相對較遲,市場發(fā)育程度不高,為提高上市公司信息披露質(zhì)量,監(jiān)管部門在強制性業(yè)績修正披露的基礎(chǔ)上,加強了對披露形式的約束,要求預(yù)計業(yè)績精度的區(qū)間范圍不得大于50%,公告最遲應(yīng)于應(yīng)預(yù)告年度次年1月31日發(fā)布。但是,公告披露形式上的“軟約束”仍賦予管理層較大的披露策略選擇空間。相較于市場投資者而言,上市公司管理層對于公司的經(jīng)營狀態(tài)有更為全面和客觀的認識,且對業(yè)績預(yù)告修正公告的“糾偏”程度實質(zhì)上也“了然于胸”。在委托-代理機制下,為了極大化自身利益,管理層極易產(chǎn)生與市場博弈的想法。上市公司管理層有動機利用信息優(yōu)勢,選擇性地遵守“預(yù)計業(yè)績精度”與“修正公告時間”的“軟約束”,粉飾修正公告,以趨利避害。面對管理層精心發(fā)布的修正公告,處于信息劣勢的市場投資者會對管理層修正公告的披露策略進行自行解讀,進而挖掘出自認為“好”或“壞”的消息,以指導(dǎo)自己的投資決策。修正公告的“好”、“壞”消息屬性,導(dǎo)致投資者信念的差異,進而引發(fā)“好”、“壞”消息不對稱的市場反應(yīng)。在經(jīng)歷與管理層的多次信息解讀博弈后,投資者盡管處于信息劣勢但也能夠在一定程度上理解管理層修正公告披露策略選擇的用意。因此,在信息不對稱的條件下,管理層如何利用制度的有限約束選擇修正公告披露策略?投資者能否識破管理層披露策略的用意,并借助股價的波動得以體現(xiàn)?對此問題的研究,有助于完善業(yè)績預(yù)告修正公告制度,提高股票市場配置資源效率。論文基于2007-2017年中國上市公司業(yè)績預(yù)告修正公告,采用事件研究法測算修正公告事件的短期股票市場反應(yīng),并利用多元回歸分析方法對面板數(shù)據(jù)進行檢驗,從預(yù)計業(yè)績精度和修正公告時間兩個維度驗證了“好”、“壞”消息下管理層修正公告披露策略的傾向性,進而探究披露策略如何影響市場對修正公告的反應(yīng)。同時,論文將好消息細分為“更加利好”、“利空轉(zhuǎn)利好”、“利空減弱”;將“壞消息”劃分為“利好減弱”、“利好轉(zhuǎn)利空”以及“利空加劇”的消息類型,以明晰細分樣本下管理層披露策略與市場反應(yīng)。研究結(jié)果表明:(1)相較于之前的業(yè)績預(yù)告,若修正公告為好消息,管理層傾向于盡早發(fā)布高精度的修正公告;反之,則傾向于延遲發(fā)布低精度的修正公告。管理層在“好”、“壞”消息下的傾向性披露策略確實存在。(2)當(dāng)修正公告為好消息時,預(yù)計業(yè)績精度下降或在次年1月后公布會削弱市場對正向修正的反應(yīng);當(dāng)修正公告為壞消息時,預(yù)計業(yè)績精度下降或在會計年度結(jié)束后發(fā)布會增強市場對負向修正的反應(yīng)。這表明,好消息時高精度的披露策略確實能夠增強市場的正向反應(yīng),而壞消息時延遲且低精度的披露策略反而會加劇市場的負向反應(yīng),投資者一定程度上能夠識破管理層的披露策略。(3)進—步的研究表明,管理層在“利空加劇”(壞消息)時披露的預(yù)計業(yè)績精度最低,“利空減弱”(好消息)時披露的預(yù)計業(yè)績精度最高;在“利空轉(zhuǎn)利好”(好消息)時最早披露修正公告,“利好減弱”(壞消息)時最遲披露修正公告。基于此,論文從完善修正公告制度、加大違規(guī)行為處罰力度、對業(yè)績變化幅度過大公司修正公告進行預(yù)審計、加強投資者風(fēng)險教育等角度提出了完善我國資本市場業(yè)績預(yù)告修正公告制度的政策建議。
【學(xué)位單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：F275;F832.51
【部分圖文】：

?一年度業(yè)績預(yù)吿修正合計數(shù)量??圖３．１年度業(yè)績預(yù)告修正公告披露的時間分布圖??圖３．１描繪了樣本的披露時間分布。最終１０２１個樣本中，２０１丨年是年度業(yè)??績預(yù)告修正數(shù)量的分界點，２０１１年之前業(yè)績預(yù)告修正數(shù)量基本維持在６０－８０之??間，而２０１１年后樣本數(shù)量顯著上升。每年于１２月３１日前發(fā)布修正公告的樣本??數(shù)量基本在１０以下，于次年１月３１日后發(fā)布的樣本數(shù)量稍多，但仍少于２０家，??大多公司選擇在次年Ｉ月內(nèi)發(fā)布修正公告。值得注意的是，雖然于１月３１日后??發(fā)布修正公告屬違規(guī)行為，但每年違規(guī)公司仍在１０家左右，且無減少趨勢。??表３．２給出了各連續(xù)變量的描述性統(tǒng)計結(jié)果（對各變量均值進行／檢驗，（檢??驗原假設(shè)為變量均值等于０）。其中，第二列與第三列給出了?“好”、“壞”消??息子樣本下的均值以及／檢驗結(jié)果

不同消息類型會傳遞不同的公司業(yè)績信號，進而影響投資者信念決策。??修正公告業(yè)績與上年公司凈利潤的差異反映了公司今年經(jīng)營狀況，而修正公告??業(yè)績與業(yè)績預(yù)告業(yè)績的差距很大程度上出于對此前業(yè)績預(yù)估差錯的調(diào)整，雖然??此種業(yè)績調(diào)整可能源于客觀業(yè)績變化，但也存在管理層出于利己目的進行盈余??管理的可能，不可避免地投資者對修正公告業(yè)績信息感官更為復(fù)雜，進而管理層??在不同細分樣本下的披露策略可能存在些許差別。因此，有必要在更加細分的修??正公告性質(zhì)下，考察管理層披露策略。除“利空減弱”外，其余５種修正公告屬??性均以虛擬變量表示。表４．３？給出了?“好”、“壞”消息細分樣本下管理層披露策??略的實證檢驗結(jié)果。??？回歸方程中包含了５個代表消息類型的虛擬變量，為避免干擾消息類型解釋變量前??
【相似文獻】

相關(guān)期刊論文 前10條

1 ;信息安全方法和裝置(英文)[J];計算機安全;2002年05期

2 ;中國專利[J];針織工業(yè);1991年02期

3 ;中國專利[J];針織工業(yè);1994年03期

4 賈君君;許金華;范英;;歐盟碳排放權(quán)市場重大公告事件對碳價格的影響[J];中國科學(xué)院院刊;2017年12期

5 ;支持服務(wù)發(fā)現(xiàn)和聯(lián)接的服務(wù)機構(gòu)(英文)[J];計算機安全;2002年05期

6 馬麗莎;;控制權(quán)變更信息披露不同公告日的時差效應(yīng)研究[J];軟科學(xué);2014年07期

7 樊耘;邵芳;;香港上市公司盈余公告日附近異常市場回報率研究[J];國際經(jīng)貿(mào)探索;2011年03期

8 譚躍;梁秀桓;;中國公司債發(fā)行的公告效應(yīng)研究[J];財會通訊;2011年09期

9 張婧昕;李柱;;上市公司高管減持的市場反應(yīng)研究[J];經(jīng)貿(mào)實踐;2017年13期

10 祝昱豐;陶亞民;;我國上市公司股權(quán)激勵公告日的時機選擇[J];經(jīng)濟數(shù)學(xué);2014年01期

相關(guān)博士學(xué)位論文 前2條

1 張慶翠;定期報告披露的市場效應(yīng)研究[D];天津大學(xué);2004年

2 謝琳;上市公司的定向增發(fā)與股票收益研究[D];上海交通大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 吳振源;上市公司重大資產(chǎn)重組業(yè)績補償承諾的公告效應(yīng)研究[D];廈門大學(xué);2017年

2 孫瑾瑜;大股東增減持公告效應(yīng)研究[D];南京大學(xué);2019年

3 高爽;我國上市公司業(yè)績預(yù)告修正公告披露策略及其市場反應(yīng)[D];南京大學(xué);2019年

4 吳華飛;模糊邏輯與并購公告后投資者的認知和反應(yīng)[D];浙江工業(yè)大學(xué);2018年

5 呂晗;投資者異質(zhì)信念對盈余公告效應(yīng)的影響研究[D];湖南大學(xué);2018年

6 沈元彬;交易量與盈余公告信息的非對稱性關(guān)系[D];華東政法大學(xué);2018年

7 姬勝男;盈余公告周五效應(yīng)對管理層擇機披露行為的影響研究[D];南京財經(jīng)大學(xué);2018年

8 鄔倩倩;我國上市公司可轉(zhuǎn)債發(fā)行的公告效應(yīng)研究[D];浙江財經(jīng)大學(xué);2019年

9 褚光宗;舉牌公告對舉牌標(biāo)的公司股價波動影響的實證研究[D];山東財經(jīng)大學(xué);2017年

10 李丹迪;商業(yè)銀行行為風(fēng)險的“公告效應(yīng)”研究[D];福州大學(xué);2017年

本文編號：2886033