基于MD&A的支持向量回归（SVR）法在解释应计项目时的有效性检测（三）【学术前沿】
7、SVR法的灵活性检测
在这一节中，我们通过三种方法来检测SVR法的灵活性：
1、检测它对其他公司基本指标的解释与预测能力。
2、对不同的披露内容进行分析。
3、在不同时间点检测披露内容的信息含量
7.1、MD&A的未来现金流预测
我们首先证明我们的方法可以对另一个公司基本指标——未来现金流进行预测，来展示我们方法的灵活性。SEC认为MD&A应该包含公司盈利与现金流的性质与波动性说明，这样投资者就能判断公司之前的这些数据会不会对未来数据产生影响。所以我们检测SVR法能否依靠MD&A中的语言对未来现金流进行预测。我们复制了原有的SVR过程，将 Accruals[i,t]替换成CFO[i,t+1]，这样我们就可以获得CFO[i,t+1]的一个样本外估计值，我们将它命名为MDA CFO[i,t+1]。
在上图的第一栏中，我们对MDA CFO[i,t+1]做了CFO[i,t+1]回归，如果MDA CFO[i,t+1]可以无误地预测未来现金流，那么我们就定其系数为1.最终我们发现MDA CFO[i,t+1]的因数为0.852，这在1%的水平上是非常显著的。并且我们发现MDA CFO[i,t+1]可以去测45.8%的未来现金流变动，这在经济角度上的意义非常重大。
之后我们分别在包含MDA CFO[i,t+1]和不包含MDA CFO[i,t+1]的条件下评估了以下模型（公式8），来检测MDA CFO[i,t+1]的预测效果，在下模型中对公司未来现金流会产生影响的其他公司基本面因素与操作因素已被控制。
ΔREC[i,t], ΔINV[i,t], ΔAP[i,t], ΔTAX[i,t], and ΔOTH[i,t]等变量都来自于现金流报告，它们分别代表着应收票据、存货、应付账款、应付税款以及净资产与债务的变化除以i公司第t年的总资产。Dep[i,t]代表着公司i第t年的折旧费用除以总资产。公式8的结果也在上图中展示。在第2栏中，不包含MDA CFO[i,t+1]的调整后R方的值为0.512，再添加了MDA CFO[i,t+1]后，我们发现调整后R方的值为0.551（第3栏）。的系数为0.408，这在1%水平上是非常显著的。以上这些结果说明了MD&A包含了对预测未来现金流有用的信息。
7.2、电话会议分析
接下来我们将SVR法应用在营收电话会议记录上来强调我们方法可以在不同披露内容中适用的高灵活性，并比较MD&A与电话会议中所含内容。之前已有研究讨论了电话会议相比10-K或新闻发布等正式披露的好处。例如，10-K披露的信息相对稳定，而电话会议则会随时间变化而变化无常。此外，电话会议的形式可能比10- k会议更容易使企业管理层自发地进行披露，并为他们提供了传达有用信息的机会。之前的研究认为电话会议能够对新闻披露的内容形成补充，因此我们测试管理层在电话会议中所透露的内容是否有助于理解公司现有应计项目水平。我们的方法还可以比较MD&A与电话会议中所披露的内容，当管理层对应计项目发生过程的描述与更正式的MD&A中的不一致时，这一点尤其有用。
我们从FD Wire获得了2002年至2013年期间代表我们样本中18,232个公司年度观测的55,869次季度收益电话会议记录，相当于每个公司年度约3次电话会议。我们按年度汇总了公司的季度记录，并获得所有一词和两个词短语的计数，按照前面解释的过程删除高频率(停止词)和不常见词(不超过10次)。之后我们使用得到的数据集，使用SVR过程按行业和按年份估计应计项目。我们再将这些估计的项目取平均值得到电话会议应计项目期望，我们将其称为CC Accruals[i,t]。
为了达到对比的效果，我们对之前公式2中能够获得电话会议记录的公司样本进行了重新评估。我们在下表8中的第1栏展示了结果，调整后R方等于0.157，比我们之前测得的总样本的R方略小。在第2栏中，我们将使用SVR所产生的基于MD&A的MDA Accruals[i,t]包含在公式中，调整后的R方达到了0.177，比之前高出0.2。在第3栏中，我们将SVR基于电话会议的CC Accruals[i,t]包含在模型中，得到调整后R方为0.176，对比基础的R方增加了0.19，对比MD&A的R方略小0.01。在第4栏中，我们将同时添加入基础模型，得到调整R方为0.184，比单独添加两个变量的值要高。这个结果表明了电话会议与MD&A对于理解应计项目水平都是有帮助的，并且，MD&A与电话会议所含的关于应计项目的内容并不完全重复，因为可以看到当两个变量都被添加进模型时，拥有最大的R方。
7.3、时间序列分析
我们的方法允许我们检查随时间的推移MD&A的信息内容是否有系统的变化。SEC在2003年发布了新的MD&A指南，鼓励公司减少样板文件的披露，并改善MD&A的叙述内容。
萨班斯-奥克斯利法案还增加了一层认证，要求CEO和CFO保证财务报表和脚注披露公平地反映了公司的财务状况和经营成果。Li(2010)在解释未来收益随时间的变化时，对MD&A所含的叙述内容进行了测试，并发现随时间推移略有下降。他的研究结果表明，美国证交会的信息披露监管一直是低效的。
我们对MD&A中可以解释应计项目的内容随时间的变化进行了评测，方法是按年度计算公式1。调整的R方可以代表该年度MDA Accruals[i,t]的解释效果，我们将估测的对象限制为在20年的样本跨度中至少出现十次以上的公司。下图展示了调整后R方值的变化趋势。总的来看，我们观测到了一个明显的逐年递增的调整后R方变化趋势。为了说明MD&A关于应计项目的描述性内容的 增加在统计上是否显著，我们设置了一个时间序列回归。该回归以调整后的R方为因变量，趋势变量在1994年为1，每过一年增加1（一共20年）。在t-stat为4.71的情况下，趋势变量的系数为0.0085，这代表着MD&A的叙述内容随时间的推移增加了。我们的结果与Li的结果有所差别，也许是因为他研究的是MD&A语气对未来收益的预测能力，而我们考虑的是MD&A中的所有词汇并且解释的是当前的应计项目。
8、稳定性测验
8.1、行业特定回归
接下来，我们将提供一些与我们的主要分析相关的稳定性测试，我们在下图中展示了行业特定的回归结果，我们根据GICS行业分类编码做了56份不同的行业回归。第1栏的结果是以MDA Accruals[i,t]作为唯一的回归量，的平均系数为0.459，这在1%的水平上非常显著。行业特定回归的平均调整后R方为0.078，比我们之前做的总体回归的R方略小。这说明在行业水平上考虑的时候，MDA Accruals[i,t]也可以解释 Accruals[i,t]变化的很大一部分。在第2栏中，我们展示了使用Dechow和Dichev (2002)的基础模型在行业水平的测试结果。我们发现系数的平均数与中位数与我们之前做的总回归结果相似。在第3栏，我们发现行业水平回归MDA Accruals[i,t]的系数平均数为0.309，在1%水平上相当显著。这些行业的回归结果相较于我们之前所做的总体回归结果，在经济上也有着巨大的意义。
8.2、与未来现金流相关的MD&A应计项目的解释力
其次，我们检验MD&A解释当期应计项目的能力是否仅仅来源于其对在下期能够转化为现金流的应计项目的解释（如Dechow所描述）。在表外结果中我们发现：MDA Accruals[i,t]与CFO[i,t+1]的正相关关系在1%水平下十分显著。这为“MDA Accruals[i,t]可以解释未来现金流”这一结论提供了初步证据。另外，我们对公式2进行了重新评估，添加了i公司第t+1年的现金流（CFO[i,t+1]）后再重新评估MDA Accruals[i,t]的解释效果，下图的第1、2栏展示了其结果。第1栏中不包含的基础模型的调整后R方的值为0.2，比之前公式2中基础模型算出的调整后R方（0.153）更高。第2栏中包含MDA Accruals[i,t]的调整后R方为0.227，相较于第1栏结果增长了13.5%。变量的系数为0.331，在1%水平上非常显著，这表明MD&A提供了有用的信息，以了解应计项目在接下来一年的变化。然而我们发现当未来现金流不被包含在模型中时R方的增长比13.5%更高，这表明MD&A至少部分解释了第二年实现的现金流。
8.3、MD&A应计项目的及时性
第三，我们的目标是评估MD&A在解释应计项目过程中的叙述内容，而不管应计项目的及时性（应计项目数据是否是当期可用的）。理解MDA Accruals[i,t]是否能够识别应计项目的变动对于进一步了解MD&A叙述的本质很有帮助。当应计项目水平随时间变化很小，并且MD&A中的应计项目描述的变化也很小时，投资者就不太可能通过阅读MD&A来获得及时的信息，即便应计项目水平与MD&A中词汇的相关度非常高。
为了验证MDA Accruals[i,t]是否能够及时识别应计项目，我们向公式2中添加之前的应计项目作为额外的自变量（Accruals[i,t-1]），有效地将我们的应计项目水平分析转化为应计项目变化分析。由于应计项目是正相关的，所以公司应计项目中可以被上一年应计项目解释的部分为应计项目中更加具有持续性的部分。在上图的第3栏中，我们对公式2模型进行包含Accruals[i,t-1]变量的重评估。与我们的期望相同，相较于之前的回归，第3栏中的回归解释了更大部分的应计项目。详细的说，在添加Accruals[i,t-1]变量后，调整后R方提高了22.2%。
在第4栏中我们展现了包含MDA Accruals[i,t]变量的结果，我们发现MDA Accruals[i,t]的系数仍然为正并且足够大。这证明我们的方法识别了足够部分的应计项目变化（在统计上是显著的）。正如我们所期望的，从第3栏到第4栏的调整后R方提高了6.4%,增加的比例比原有结果增加比例明显更小，这表明我们的方法在识别更具持续性的应计项目时效率更高。另外，我们的方法也解释了部分应计项目的变化。
9、总结
我们开发和探索了一种技术的又一用途，将非结构化和定性的披露转换为对公司基本面的估计。尤其是我们使用MD&A中发现的单词计数，通过SVR法来估计当前公司年度应计项目，我们称之为MD&A应计项目（MDA Accruals）。支持向量回归法的使用是必要的，因为在MD&A中发现的独特词汇的数量相对于可用的公司年度观察数据的数量来说太高了，很难使用简单二次回归。我们发现MD&A应计项目解释了营运资本应计项目的很大一部分变化。此外，我们发现MD&A应计项目解释了那些不容易用公司特有的基本数据解释的应计项目，正如修改后的Dechow和Dichev(2002)应计项目模型所确定的那样。实际上，我们发现我们的模型对应计项目的解释效果比Dechow和Dichev的模型提高了24.1%。我们还发现，使用词典法、语气分析等传统方法得到的应计项目解释效果都比不上我们的MD&A应计项目。
在额外的测试中，我们发现当10-K文件的可读性变低时，我们MDA Accruals的解释效果也变差，这说明SVR法不能很好的应对管理层刻意的混淆和掩盖。我们还发现用MDA Accruals解释的应计项目比用其他方法识别的持续性更高，这有助于我们对MDA Accruals本质的理解。
最后我们强调了SVR法的灵活性，在解释公司其他基本数据，或者基于其他披露文件时SVR法都是可用的。我们发现证据说明SVR可以使用MD&A文本预测未来的现金流。我们还提供证据证明SVR可以评估电话会议记录的叙述内容，以解释应计项目。
之前的文献已经针对披露文件的一些特定性质（如语调、可读性）发展了一系列的测量方法，并且研究者们普遍认为文件中单独的单词与公司的基本情况有着关联性。我们的方法与之前的方法有这三点主要的不同。第一，用于识别应计项目的单词以及权重是由SVR确定的，而不是依靠研究人员的智慧或直觉。其次，当研究人员对哪些单词可以与某项公司基本面情况联系有分歧时我们的方法非常适用，在这样的情况下很难确定词典法所用的词典。第三，我们的方法可以被用于任何披露文件，任何语言，任何公司基本面数据或特征研究。我们的方法为非结构性的，定性的披露文件的描述内容测量提供了一条路径。
智能财会系列公益讲座第四期预告
主 题：从云计算到云会计--历史陈述和企业现实
时 间：2020年5月20日（周三）
主讲人：吴武清 中国人民大学商学院副教授、博导
直播间：请点击“阅读原文”或扫描下方图片二维码
“智能财会联盟”共同发起单位邀请函
学术前沿专题回顾
基于MD&A的支持向量回归（SVR）法在解释应计项目时的有效性检测（一）
会计与金融中的文本分析（一）：研究背景，文本结构与可读性会计与金融中的文本分析（二）：几种典型的分析方法会计与金融中的文本分析（三）：文本相似度、实操、展望与总结会计欺诈预测的AUC法与NDCG法更高效的会计欺诈预测模型——集成学习与基于会计原始数据的回归模型预测会计欺诈行为大数据时代对会计与审计标准的新要求大数据审计：五大趋势与五大挑战内部审计的新方法——流程挖掘（Process Mining)当在线学习（online learning）遇上元学习（meta learning)大共享助推中小企业恢复运营的应急管理研究德勤全球机器人卓越中心调查：战略、架构和实践启示AI驱动算法成功预警武汉肺炎，背后的支撑是哪些？阿里达摩院发布2020十大科技趋势AI人机交互趋势研究（2019）新一代人工智能产业白皮书（2019 ）人才&实务专题回顾
会议动态专题回顾