The measure of AQ we employ is base

The measure of AQ we employ is based on predictability of accruals to map into cash flow realizations, given that current accruals represent estimates of future cash flows, and that accruals quality is an inverse function of the precision of these estimates (Dhaliwal et al., 2010, among others). However, we understand that accruals quality may not be an exhaustive proxy for the detection of information risk, but rather one of many potential ones (Core et al., 2008).
As a final note, in contrast to past research, the focus is not on the differential impact of good vs. bad news and earnings surprises on option pricing, but rather on the pricing of accounting quality by option markets around earnings announcements. Truong et al. (2012) examine the information content of good vs. bad news around EA and they testify that positive earnings surprises and positive profit announcements produce higher uncertainty resolution than negative surprises and loss announcements. In contrast, Rogers et al. (2009) predict and find that implied volatility increases more following bad news than good news following management earnings forecasts. In comparison to the above studies, we examine the association between firm accounting quality and implied volatility behavior around EA,
where AQ is employed as a proxy of information risk, and measured by calculating the standard deviation of residuals of a regression model dedicated to capturing whether accruals successfully map into cash flows (Dechow and Dichev, 2002; Francis et al., 2005). In case a firm has consistently larger residuals, the standard deviation of this residuals is expected to be small, resulting in the firm to have relatively good accruals quality, as uncertainty regarding its accruals is low. For such a firm, accruals may map poorly into cash flows, but this should not be a reason for increased uncertainty, as this accrual behavior represents a rather predictable phenomenon (Francis et al., 2005; Demirkan et al., 2012). In this way, the measure of accruals quality we employ is expected to have an explicit focus on the easiness of making predictions by employing accounting numbers i.e., information risk. Nevertheless, we control for the impact of AQ on the behavior of IV around earnings announcement by simultaneously considering whether the firm in question experienced a positive or a negative earnings surprise, in an effort to isolate the impact of information risk on IV behavior from the directional impact of good vs. bad news about the firm on the formation of IV expectations around earnings announcements.
3. Sample selection and methodology
3.1. Methodology for the estimation of accounting quality
Following past research (Francis et al., 2005; Ecker et al., 2006; Srinidhi and Gul, 2007; Dhaliwal et al., 2010; Rajgopal and Venkatachalam, 2011, among others), we estimate accounting quality, based on Dechow and Dichev (2002), by assessing the quality of accruals. Accounting quality is, thus, measured by the extent to which working capital accruals map into current, past, and future cash flows, by looking at the properties of residuals from quarter/sector-specific regressions of changes in working capital accruals on lagged, current, and future cash flows from operations. This measurement of information risk through the estimation of accruals quality, is based on the presumption that information risk relates to the uncertainty or imprecision of information used or desired by investors to price securities (Francis et al., 2005). The underlying assumption is that investors price securities based on their assessments of future cash flows; therefore, there is need of a measure capturing the information uncertainty in cash flows (Francis et al., 2005).
Our base-case accruals quality measure, that is based on Dechow and Dichev (2002), by incorporating the McNichols (2002) modification (through the inclusion of a change in sales and a PP&E regressor in the basic Dechow and Dichev, 2002 equation, following Francis et al., 2005 and Rajgopal and Venkatachalam, 2011, among others), is denoted AQDD. It is estimated as the 4-year (i.e., 16 quarters, from quarter t up to quarter t
16) standard deviation of firm i residuals from the following regression, that is estimated cross-sectionally every quarter t and for every industry with at least 20 firmobservations in a given quarter:

The use of 4 years (16 quarters) of data in the estimation of the standard deviation of residuals from quarter/industry cross-sectional regressions follows from Francis et al. (2005). The Fama and French 49 industry classification is used to arrange firms into sectors for running the regressions. All regression variables (including the constant term) are scaled by total assets (#44), averaged between quarters t
1 and t. Theway our base-case quality measure AQDD is estimated suggests that the higher the standard deviation of residuals is, the more uncertain (volatile) the mapping of accruals into cash flows, thus the lower the quality of information in accruals and the more ‘informationally’ risky the firm is. The second accruals quality measure we employ is an interesting modification to the Dechow and Dichev (2002) and Francis et al. (2005) model, proposed and tested by Prakash (2009). This alternative measure, which we denote AQDD(P), is
again estimated as the 4-year (i.e.,16 quarters, from quarter t up to quarter t
16) standard deviation of firm i residuals from the following regression, that is estimated cross-sectionally every quarter t and for every industry with at least 20 firmobservations in a given quarter

where all variables are as before, and DLossi;t is a dummy variable equal to one if the earnings before extraordinary items (2) of firm i in quarter t is negative, and zero otherwise. Compared to our base-case AQDD, this alternative measure includes a loss dummy variable and its cross-products with the cash flow variables. Since past research has indicated a different behavior of volatility when firms report good vs. bad news to the market (Truong et al., 2012; Rogers et al., 2009), to account for a possible influence of reporting losses in the measure of accruals quality that we use, we explicitly report throughout our study results that are also based on this modified measure suggested by Prakash (2009). Before leaving this subsection a few notes are in order: First, some authors advocate the use of absolute residuals from
regressions (1) and (2) (instead of the standard deviation of residuals) as a measure of accounting quality. For example, Srinidhi and Gul (2007) explicitly state that they need the accruals quality estimate on a firm year basis, and this way use the absolute value of the residual as their measure. However, in our case,we need a qualitymeasure indicating the uncertainty according to which accruals are translated into cash flows, that also takes into account the history of the firmwith respect to the efficiency of this process, thus the firm-specific, 16-quarter standard deviation of residuals was preferred to firm absolute residuals.
Second, a number of research papers have approached the estimation of accruals quality by making use of the Modified Jones model (Dechow et al., 1995) instead of the Dechow and Dichev (2002) one (see for example Rajgopal and Venkatachalam, 2011). We do use the Modified Jones model among our robustness controls, but not as the main proxy for information risk estimation, for reasons that will be immediately explained. According to the Dechow and Dichev (2002) approach, the unexplained portion of the variation in working capital accruals is considered to be an inverse measure of accruals quality, with a greater unexplained portion to imply poorer quality; however, their approach is limited to working capital accruals (Francis et al., 2005). As the application of the Dechow and Dichev (2002) methodology – when using total accruals – could be subject to a significant limitation relating to the existence of long lags between non-current accruals and cash flow realizations (Francis et al., 2005; 302), we additionally estimate accounting quality based on the Modified Jones model (Dechow et al., 1995) in the form of a robustness control.
The use of this last approach, in order to measure accounting quality does not suffer from the same limitations as the Dechow and Dichev (2002) when total accruals are used, however, the modified Jones model identifies accruals as abnormal if they are not explained by a very specific and limited set of fundamentals i.e., PP&E and changes in revenues, resulting in a less direct link to information risk (Francis et al., 2005). For the reasons stated above, we argue that the Dechow and Dichev (2002) model, also employed by other research on the quality of accruals (Francis et al., 2005; Ecker et al., 2006), constitutes the accruals quality proxy which most efficiently captures information risk about how a firm's true economic performance is going to evolve, by not expressing accruals as a function of a limited set of firm fundamentals. Therefore, our main results are based on the measurement of accruals quality according to the Dechow and Dichev (2002) methodology (with the McNichols, 2002; modification), while we complement our analysis with the use of the modified Jones model (following Rajgopal and Venkatachalam, 2011, but applied to quarterly data), in order to affront the above mentioned limitation of the
Dechow and Dichev (2002) approach.
This way, we report results for this model in the paper, as well as for its modification including a loss dummy based on Prakash (2009). Still, in order to ensure that our findings are not driven by the method employed to estimate accruals quality, we estimate and test additional model specifications (including the modified Jones model) proposed in the literature, as described in our ‘robustness tests’ Section 4.3.
Finally, it should be noted that the majority of st

ผลลัพธ์ (ไทย) 1:

วัด AQ ที่เราใช้อยู่ในแอพพลิเคชันของรายการคงค้างต้องเป็นกระแสเงินสด realizations ระบุ ว่าปัจจุบันการรับรู้หมายถึงการประเมินกระแสเงินสดในอนาคต การรับรู้คุณภาพจะเป็นฟังก์ชันผกผันของความแม่นยำของการประเมินเหล่านี้ (Dhaliwal et al., 2010 หมู่คนอื่น ๆ) อย่างไรก็ตาม เราเข้าใจว่า คุณภาพการรับรู้อาจไม่มีพร็อกซีครบถ้วนสมบูรณ์สำหรับการตรวจหาความเสี่ยงข้อมูล แต่ค่อนข้างหนึ่งศักยภาพหลายคน (หลัก et al., 2008) เป็นเหตุสุดท้าย ตรงข้ามงานวิจัย โฟกัสไม่ได้เกี่ยวกับผลกระทบที่แตกต่างของดีเทียบกับข่าวร้ายและประหลาดใจกำไร ในตัวเลือกการกำหนดราคา แต่ค่อนข้าง บนราคาคุณภาพบัญชีโดยเลือกตลาดสถานประกาศกำไร Truong et al. (2012) การตรวจสอบเนื้อหาข้อมูลของดีเทียบกับข่าวร้ายสถานเอ และพวกเขาเป็นพยานว่า ประหลาดใจกำไรบวกและบวกกำไรประกาศผลิตความไม่แน่นอนความละเอียดที่สูงมากกว่าประหลาดใจลบและขาดทุนประกาศ ในทางตรงกันข้าม al. และโรเจอร์ส (2009) ทำนาย และพบว่า ความผันผวนโดยนัยเพิ่มข่าวร้ายเพิ่มเติมต่อไปนี้มากกว่าข่าวดีตามคาดการณ์กำไรบริหาร โดยศึกษาข้างต้น เราตรวจสอบความสัมพันธ์ระหว่างบริษัทบัญชีคุณภาพและลักษณะความผันผวนโดยนัยสถาน EAที่ AQ งานเป็นพร็อกซีของข้อมูลความเสี่ยง และวัด โดยคำนวณส่วนเบี่ยงเบนมาตรฐานของค่าคงเหลือของแบบจำลองถดถอยที่จะจับว่ารับรู้แผนที่เรียบร้อยแล้วเป็นเงินทุนหมุนเวียน (Dechow และ Dichev, 2002 Francis et al., 2005) ในกรณีที่บริษัทมีขนาดใหญ่อย่างต่อเนื่องค่าคงเหลือ ส่วนเบี่ยงเบนมาตรฐานของค่านี้คงเหลือคาดว่าจะมีขนาดเล็ก เกิดขึ้นในบริษัทจะมีการรับรู้ค่อนข้างดีคุณภาพ เป็นความไม่แน่นอนเกี่ยวกับความรับรู้ต่ำ เช่นบริษัท การรับรู้อาจแผนงานเป็นเงินทุนหมุนเวียน แต่นี้ควรไม่เป็นเหตุผลสำหรับความไม่แน่นอนเพิ่มขึ้น รับรู้พฤติกรรมนี้แสดงถึงปรากฏการณ์ที่ค่อนข้างคาดเดาได้ (Francis et al., 2005 Demirkan et al., 2012) ด้วยวิธีนี้ การวัดคุณภาพการรับรู้ที่เราจ้างคาดว่าจะมีการความชัดเจนในความสะดวกสบายในการทำการคาดคะเนโดยใช้หมายเลขบัญชีเช่น ข้อมูลความเสี่ยง อย่างไรก็ตาม เราควบคุมสำหรับผลกระทบของ AQ กับพฤติกรรมของ IV สถานประกาศกำไร โดยพิจารณาว่า บริษัทสอบถามประสบการณ์การบวกหรือลบกำไรประหลาดใจ ในความพยายามที่จะแยกผลกระทบของความเสี่ยงข้อมูลในลักษณะ IV จากทิศทางผลกระทบของดีเทียบกับข่าวร้ายเกี่ยวกับบริษัทเกี่ยวกับการก่อตัวของความคาดหวังของ IV สถานประกาศกำไรพร้อมกัน3. ตัวอย่างการเลือกและวิธีการ3.1. วิธีการสำหรับการประเมินคุณภาพบัญชีขั้นการวิจัย (Francis et al., 2005 ที่ผ่านมา Ecker และ al., 2006 Srinidhi และ Gul, 2007 Dhaliwal et al., 2010 Rajgopal และ Venkatachalam, 2011 หมู่คนอื่น ๆ), เราประเมินคุณภาพบัญชี Dechow และ Dichev (2002), โดยประเมินคุณภาพของการรับรู้ บัญชีคุณภาพ ดัง วัด โดยขอบเขตแผนที่ค้างรับค้างจ่ายซึ่งเงินทุนหมุนเวียนในกระแสเงินสด ปัจจุบัน อดีต และอนาคต โดยดูที่คุณสมบัติของค่าคงเหลือจาก regressions เฉพาะไตรมาส/ภาคของการเปลี่ยนแปลงในเงินทุนหมุนเวียนรับรู้บน lagged ปัจจุบัน และอนาคตกระแสเงินสดจากการดำเนินงาน วัดความเสี่ยงที่ข้อมูลผ่านการประเมินการรับรู้คุณภาพ มี imprecision ข้อมูลใช้ หรือต้อง โดยนักลงทุนราคาหลักทรัพย์ (Francis et al., 2005) หรือตามข้อสันนิษฐานที่ข้อมูลความเสี่ยงที่เกี่ยวข้องกับความไม่แน่นอนที่ เป็นสมมติฐานพื้นฐานว่า นักลงทุนราคาหลักทรัพย์ตามการประเมินกระแสเงินสดในอนาคต ดังนั้น จะต้องวัดจับความไม่แน่นอนข้อมูลในเงินทุนหมุนเวียน (Francis et al., 2005)รับรู้ของเราฐานกรณีที่จะวัดคุณภาพ ตาม Dechow และ Dichev (2002), โดยเพจแก้ไข McNichols (2002) (ผ่านการรวมของการเปลี่ยนแปลงในการขายและการ regressor PP และ E ใน Dechow และ Dichev, 2002 สมการ ต่อ Francis et al., 2005 และ Rajgopal และ Venkatachalam, 2011 หมู่คนอื่น ๆ พื้นฐาน), สามารถบุ AQDD มีประเมินเป็น 4-ปี (เช่น 16 ไตรมาส จากไตรมาสที่ t ถึง t มาส 16) ส่วนเบี่ยงเบนมาตรฐานของบริษัทฉันค่าคงเหลือจากการถดถอยต่อไปนี้ นั่นคือประมาณ cross-sectionally t ทุกไตรมาสและ สำหรับทุกอุตสาหกรรมที่มี firmobservations น้อย 20 ในไตรมาสที่กำหนด:ใช้ 4 ปี (รอบ 16) ของข้อมูลในการประเมินของส่วนเบี่ยงเบนมาตรฐานของค่าคงเหลือจาก regressions เหลวไตรมาส/อุตสาหกรรมดังต่อไปนี้จาก Francis et al. (2005) ประเภทอุตสาหกรรม Fama และฝรั่งเศส 49 จะใช้ในการจัดบริษัทในภาคสำหรับการรันที่ regressions มีปรับตัวแปรถดถอยทั้งหมด (รวมถึงระยะเวลาคง) โดยสินทรัพย์รวม (#44), averaged ระหว่าง t ไตรมาส 1 และ Theway ต.วัดฐานกรณีคุณภาพของเราคือประมาณ AQDD แนะนำที่สูงส่วนเบี่ยงเบนมาตรฐานของค่าคงเหลือว่า ไม่แน่นอนขึ้น (ระเหย) การแม็ปของการรับรู้เป็นเงินทุนหมุนเวียน ต่ำลงคุณภาพของข้อมูลในการรับรู้และมีความเสี่ยงมากขึ้น 'informationally' ของบริษัทจึง วัดที่สองของคุณภาพรับรู้เราจ้างถูกปรับเปลี่ยนเป็น Dechow น่าสนใจ และ Dichev (2002) และ Francis et al. (2005) รุ่น การนำเสนอ และทดสอบ โดยช (2009) วัดอื่นนี้ ซึ่งเราแสดงเป็น AQDD(P)ประเมินอีกครั้ง เป็น 4-ปี (i.e.,16 ไตรมาส จากไตรมาสที่ t ถึง t มาส 16) ส่วนเบี่ยงเบนมาตรฐานของบริษัทฉันค่าคงเหลือจากการถดถอยต่อไปนี้ นั่นคือประมาณ cross-sectionally t ทุกไตรมาสและ สำหรับทุกอุตสาหกรรมที่มี firmobservations น้อย 20 ในไตรมาสที่กำหนดตัวแปรทั้งหมดเป็นมาก่อน และ DLossi; t จะเท่ากับตัวแปรการกระพริบหนึ่งถ้ากำไรก่อนรายการพิเศษ (2) ของบริษัทฉันในไตรมาสที่ t เป็นลบ และศูนย์อื่น เมื่อเทียบกับ AQDD ของเรากรณีฐาน วัดทางเลือกนี้มีตัวแปรกันขโมยขาดทุนและผลิตภัณฑ์ขนของกับตัวแปรกระแสเงินสด เนื่องจากงานวิจัยได้ระบุพฤติกรรมที่แตกต่างของความผันผวนเมื่อบริษัทรายงานดีเทียบกับข่าวร้ายตลาด (Truong et al., 2012 โรเจอร์ส et al., 2009), การบัญชีสำหรับอิทธิพลที่สุดของรายงานขาดทุนจากการวัดคุณภาพการรับรู้ว่า เราใช้ เราชัดเจนรายงานทั้งผลการศึกษาของเราที่ยังยึดนี้ปรับเปลี่ยนวัดแนะนำช (2009) ก่อนออก subsection นี้กี่บันทึกอยู่ในใบสั่ง: ครั้งแรก บางผู้เขียนสนับสนุนการใช้ค่าคงเหลือสมบูรณ์จากregressions (1) และ (2) (แทนส่วนเบี่ยงเบนมาตรฐานของค่าคงเหลือ) เป็นการวัดคุณภาพบัญชี ตัวอย่าง Srinidhi และ Gul (2007) อย่างชัดเจนระบุว่า พวกเขาต้องการรับรู้คุณภาพประเมินประจำปีของบริษัท และวิธีนี้ใช้ค่าสัมบูรณ์ของส่วนที่เหลือจากการเป็นวัดของพวกเขา อย่างไรก็ตาม ในกรณีของเรา เราได้ qualitymeasure ที่ระบุที่ความไม่แน่นอนตามที่รับรู้จะแปลเป็นเงินทุนหมุนเวียน ที่ยัง พิจารณาประวัติศาสตร์เคารพ firmwith เพื่อประสิทธิภาพของกระบวนการนี้ ดังนั้น เฉพาะบริษัท ไตร มาส 16 ส่วนเบี่ยงเบนมาตรฐานของค่าคงเหลือ ถูกต้องเพื่อยืนยันค่าคงเหลือแน่นอนSecond, a number of research papers have approached the estimation of accruals quality by making use of the Modified Jones model (Dechow et al., 1995) instead of the Dechow and Dichev (2002) one (see for example Rajgopal and Venkatachalam, 2011). We do use the Modified Jones model among our robustness controls, but not as the main proxy for information risk estimation, for reasons that will be immediately explained. According to the Dechow and Dichev (2002) approach, the unexplained portion of the variation in working capital accruals is considered to be an inverse measure of accruals quality, with a greater unexplained portion to imply poorer quality; however, their approach is limited to working capital accruals (Francis et al., 2005). As the application of the Dechow and Dichev (2002) methodology – when using total accruals – could be subject to a significant limitation relating to the existence of long lags between non-current accruals and cash flow realizations (Francis et al., 2005; 302), we additionally estimate accounting quality based on the Modified Jones model (Dechow et al., 1995) in the form of a robustness control.การใช้วิธีการล่าสุดนี้ เพื่อวัดคุณภาพบัญชีไม่ประสบข้อจำกัดเดียวกัน Dechow และ Dichev (2002) เมื่อใช้การรับรู้ทั้งหมด อย่างไรก็ตาม รุ่นโจนส์แก้ไขระบุรับรู้เป็นปกติถ้าพวกเขาไม่ได้อธิบายไว้ โดยเฉพาะ และจำกัดมากชุดพื้นฐานเช่น PP และ E และการเปลี่ยนแปลงในรายได้ เกิดขึ้นในการเชื่อมโยงโดยตรงน้อยข้อมูลความเสี่ยง (Francis et al., 2005) ด้วยเหตุผลที่กล่าวข้างต้น เราโต้เถียงว่า Dechow และ Dichev (2002) แบบ ยังว่าคุณภาพของการรับรู้ (Francis et al., 2005 วิจัยอื่น ๆ Ecker และ al., 2006), ถือการรับรู้คุณภาพพร็อกซี่ที่สุดรวบรวมข้อมูลความเสี่ยงเกี่ยวกับวิธีมีประสิทธิภาพทางเศรษฐกิจที่แท้จริงของบริษัทกำลังจะพัฒนา โดยไม่แสดงการรับรู้เป็นฟังก์ชันของชุดพื้นฐานของบริษัทจำกัด ดังนั้น มีผลหลักของเราอยู่กับวัดการรับรู้คุณภาพตามระเบียบวิธี (2002) Dechow และ Dichev (มี McNichols, 2002 แก้ไข), ใน ขณะที่เราเติมเต็มของเราวิเคราะห์ ด้วยการใช้รุ่นปรับเปลี่ยนโจนส์ (ต่อ Rajgopal และ Venkatachalam, 2011 แต่ใช้กับข้อมูลรายไตรมาส), เพื่อ affront ข้างต้นกล่าวถึงข้อจำกัดของการDechow และ Dichev (2002)ด้วยวิธีนี้ เรารายงานผล ในรูปแบบนี้ในเอกสาร และการปรับเปลี่ยนรวมถึงหุ่นสูญเสียตามช (2009) ยังคง เพื่อให้แน่ใจว่า ผลการวิจัยของเราจะไม่ขับเคลื่อน ด้วยวิธีการประเมินคุณภาพการรับรู้ เราประเมิน และทดสอบ แบบจำลองเพิ่มเติมข้อกำหนด (รวมถึงแบบโจนส์แก้ไข) เสนอในวรรณคดี ตามที่อธิบายไว้ในการทดสอบของเรา' เสถียรภาพ' ส่วน 4.3สุดท้าย ควรจะสังเกตที่ส่วนใหญ่ของเซนต์

ผลลัพธ์ (ไทย) 2:

ตัวชี้วัดของ AQ เราจ้างจะขึ้นอยู่กับการคาดการณ์ของรายการคงค้างที่จะแมปลงในความเข้าใจของกระแสเงินสดที่ได้รับว่าคงค้างปัจจุบันเป็นตัวแทนของประมาณการกระแสเงินสดในอนาคตและคุณภาพคงค้างที่มีฟังก์ชั่นผกผันของความแม่นยำของการประมาณการเหล่านี้ (Dhaliwal et al. ที่ 2010 ท่ามกลางคนอื่น) แต่เราเข้าใจว่าคุณภาพคงค้างอาจจะไม่พร็อกซี่ครบถ้วนสมบูรณ์สำหรับการตรวจสอบความเสี่ยงของข้อมูล แต่หนึ่งในคนที่มีศักยภาพมาก (หลัก et al., 2008).
ในฐานะที่เป็นบันทึกสุดท้ายในทางตรงกันข้ามกับการวิจัยที่ผ่านมาโฟกัสอยู่ ไม่ได้เกี่ยวกับผลกระทบที่แตกต่างกันของที่ดีเมื่อเทียบกับข่าวร้ายที่น่าประหลาดใจและผลประกอบการในการกำหนดราคาตัวเลือก แต่ในการกำหนดราคาของคุณภาพการบัญชีโดยรอบตลาดตัวเลือกประกาศกำไร Truong et al, (2012) ตรวจสอบเนื้อหาของข้อมูลที่ดีเมื่อเทียบกับข่าวร้ายรอบอีเอและพวกเขาเป็นพยานว่าน่าประหลาดใจบวกกำไรและการประกาศผลกำไรในเชิงบวกที่ผลิตมีความละเอียดสูงกว่าความไม่แน่นอนที่น่าประหลาดใจเชิงลบและการประกาศการสูญเสีย ในทางตรงกันข้ามโรเจอร์สและอัล (2009) และคาดการณ์พบว่าการเพิ่มขึ้นของความผันผวนมากขึ้นโดยนัยดังต่อไปนี้ข่าวร้ายมากกว่าข่าวดีต่อไปนี้การคาดการณ์ผลประกอบการจัดการ เมื่อเปรียบเทียบกับการศึกษาข้างต้นเราตรวจสอบความสัมพันธ์ระหว่างคุณภาพการบัญชีของ บริษัท และพฤติกรรมความผันผวนโดยนัยรอบ EA
ที่ที่AQ เป็นลูกจ้างเป็นตัวแทนของความเสี่ยงข้อมูลและวัดโดยการคำนวณค่าเบี่ยงเบนมาตรฐานของเหลือของรูปแบบการถดถอยที่ทุ่มเทให้กับการจับภาพได้ว่า ประสบความสำเร็จคงค้างแผนที่เข้าไปในกระแสเงินสด (Dechow และ Dichev 2002. ฟรานซิส, et al, 2005) ในกรณีที่ บริษัท มีเหลือขนาดใหญ่อย่างต่อเนื่องส่วนเบี่ยงเบนมาตรฐานของเหลือนี้คาดว่าจะมีขนาดเล็กส่งผลให้ บริษัท ที่จะมีคุณภาพที่คงค้างค่อนข้างดีเช่นความไม่แน่นอนเกี่ยวกับการคงค้างของ บริษัท อยู่ในระดับต่ำ สำหรับ บริษัท ดังกล่าวค้างแผนที่อาจไม่ดีเข้ามาในงบกระแสเงินสด แต่ไม่ควรเป็นสาเหตุของความไม่แน่นอนที่เพิ่มขึ้นเช่นนี้แสดงให้เห็นถึงพฤติกรรมที่คงค้างเป็นปรากฏการณ์ที่สามารถคาดเดาได้ค่อนข้าง (ฟรานซิส et al, 2005;.. Demirkan et al, 2012) ด้วยวิธีนี้ตัวชี้วัดของรายการคงค้างที่มีคุณภาพเราจ้างคาดว่าจะมีความสำคัญอย่างชัดเจนในความสะดวกสบายของการทำให้การคาดการณ์โดยใช้หมายเลขบัญชีคือความเสี่ยงที่ข้อมูล อย่างไรก็ตามเราควบคุมผลกระทบของ AQ เกี่ยวกับพฤติกรรมของ IV รอบประกาศผลประกอบการโดยพร้อมกันพิจารณาว่า บริษัท ในคำถามมีประสบการณ์เชิงบวกหรือแปลกใจที่ผลประกอบการในเชิงลบในความพยายามที่จะแยกผลกระทบของความเสี่ยงที่ข้อมูลเกี่ยวกับพฤติกรรมที่สี่จากทิศทางที่ ผลกระทบของการที่ดีเมื่อเทียบกับข่าวร้ายเกี่ยวกับ บริษัท ในการก่อตัวของความคาดหวังที่สี่รอบการประกาศผลประกอบการที่.
3 การเลือกตัวอย่างและวิธีการ
3.1 วิธีการประมาณที่มีคุณภาพการบัญชีดังต่อไปนี้การวิจัยที่ผ่านมา (ฟรานซิส, et al, 2005;. Ecker et al, 2006;. Srinidhi และกุล, 2007; Dhaliwal et al, 2010;. Rajgopal และ Venkatachalam, 2011 ท่ามกลางคนอื่น) เราคาด บัญชีที่มีคุณภาพบนพื้นฐานของ Dechow และ Dichev (2002) โดยการประเมินคุณภาพของรายการคงค้าง
คุณภาพการบัญชีจึงวัดจากขอบเขตที่เงินทุนหมุนเวียนแผนที่คงค้างลงในปัจจุบันที่ผ่านมาและงบกระแสเงินสดในอนาคตโดยดูที่คุณสมบัติของเหลือจากไตรมาส / วิเคราะห์เฉพาะภาคของการเปลี่ยนแปลงในรายการคงค้างเงินทุนหมุนเวียนใน lagged ที่ปัจจุบัน และงบกระแสเงินสดจากการดำเนินงานในอนาคต วัดนี้มีความเสี่ยงข้อมูลผ่านการประมาณค่าที่มีคุณภาพคงค้างที่อยู่บนพื้นฐานของข้อสันนิษฐานว่ามีความเสี่ยงที่เกี่ยวข้องกับข้อมูลความไม่แน่นอนหรือไม่แน่ชัดของข้อมูลที่ใช้หรือต้องการโดยนักลงทุนที่จะราคาหลักทรัพย์ (ฟรานซิส et al., 2005) สมมติฐานพื้นฐานที่นักลงทุนราคาหลักทรัพย์ที่อยู่บนพื้นฐานของการประเมินกระแสเงินสดในอนาคต จึงมีความจำเป็นของมาตรการจับความไม่แน่นอนของข้อมูลในงบกระแสเงินสด (ฟรานซิส et al., 2005).
กรณีฐานของเราเงินคงค้างวัดคุณภาพที่เป็นไปตาม Dechow และ Dichev (2002) โดยผสมผสาน McNichols นี้ (2002) การปรับเปลี่ยน (ผ่านการรวมของการเปลี่ยนแปลงในการขายและ regressor PP & E ใน Dechow ขั้นพื้นฐานและ Dichev 2002 สมการต่อไปนี้ฟรานซิส et al., 2005 และ Rajgopal และ Venkatachalam 2011, หมู่คนอื่น ๆ ) จะแสดง AQDD มันเป็นที่คาดว่าเป็น 4 ปี (เช่น 16/4 จากไตรมาสทีถึงเสื้อไตรมาสที่? 16) ส่วนเบี่ยงเบนมาตรฐานของ บริษัท ที่เหลือฉันจากการถดถอยต่อไปนี้ที่เป็นที่คาดกันข้าม sectionally ทุกเสื้อไตรมาสและสำหรับอุตสาหกรรมทุกอย่าง อย่างน้อย 20 firmobservations ในไตรมาสที่ได้รับ: การใช้งาน 4 ปี (16/4) ของข้อมูลในการประมาณค่าเบี่ยงเบนมาตรฐานของเหลือจากไตรมาส / อุตสาหกรรมถดถอยตัดดังต่อไปนี้จากฟรานซิสและอัล (2005) Fama และฝรั่งเศส 49 การจำแนกประเภทอุตสาหกรรมที่ใช้ในการจัดให้ บริษัท เป็นภาคสำหรับการทำงานถดถอย ทั้งหมดตัวแปรถดถอย (รวมระยะคงที่) จะถูกปรับโดยสินทรัพย์รวม (# 44) เฉลี่ยระหว่างไตรมาสที? 1 และเสื้อ theway คุณภาพฐานกรณีของเราวัด AQDD เป็นที่คาดกันแสดงให้เห็นว่าสูงกว่าค่าเบี่ยงเบนมาตรฐานของเหลือคือความไม่แน่นอนมากขึ้น (ระเหย) การทำแผนที่ของรายการคงค้างเข้าสู่กระแสเงินสดจึงต่ำกว่าที่มีคุณภาพของข้อมูลในรายการคงค้างและเพิ่มเติม 'มีข้อมูล' ความเสี่ยงของ บริษัท คือ วัดที่มีคุณภาพคงค้างที่สองเราจ้างเป็นการปรับเปลี่ยนที่น่าสนใจกับ Dechow และ Dichev (2002) และฟรานซิสและอัล (2005) รุ่นที่นำเสนอและทดสอบโดยแกช (2009) มาตรการทางเลือกที่เราแสดง AQDD (P) เป็นที่คาดกันอีกครั้งเป็น4 ปี (เช่น 16/4 จากไตรมาสทีถึงเสื้อไตรมาสที่? 16) ส่วนเบี่ยงเบนมาตรฐานของ บริษัท ที่ฉันเหลือจากการถดถอยต่อไปนี้ที่เป็นที่คาดกัน ข้าม sectionally ทุกเสื้อไตรมาสและสำหรับทุกอุตสาหกรรมที่มีอย่างน้อย 20 firmobservations ในไตรมาสที่กำหนดที่ตัวแปรทั้งหมดจะเป็นก่อนและDLossi; ทีเป็นหุ่นตัวแปรเท่ากับหนึ่งถ้ากำไรก่อนรายการพิเศษ (2) ของ บริษัท ผมใน เสื้อไตรมาสที่เป็นลบและศูนย์อื่น เมื่อเทียบกับ AQDD กรณีฐานของเรานี้มาตรการทางเลือกรวมถึงการสูญเสียตัวแปรดัมมี่และผลิตภัณฑ์ข้ามกับตัวแปรกระแสเงินสด ตั้งแต่การวิจัยที่ผ่านมาได้แสดงให้เห็นพฤติกรรมที่แตกต่างจากความผันผวนของ บริษัท ที่ดีเมื่อเทียบกับรายงานข่าวที่ไม่ดีออกสู่ตลาด (Truong et al, 2012;.. โรเจอร์ส et al, 2009), การบัญชีสำหรับอิทธิพลที่เป็นไปได้ของการสูญเสียในการวัดการรายงานของ ที่มีคุณภาพคงค้างที่เราใช้เราอย่างชัดเจนตลอดทั้งรายงานผลการศึกษาของเราที่จะขึ้นอยู่กับวัดนี้มีการปรับเปลี่ยนการแนะนำโดยแกช (2009) ก่อนที่จะออกหมวดนี้ไม่กี่บันทึกอยู่ในลำดับแรกนักเขียนบางคนสนับสนุนการใช้งานของเหลือที่แน่นอนจากการถดถอย (1) และ (2) (แทนการเบี่ยงเบนมาตรฐานของเหลือ) เป็นตัวชี้วัดคุณภาพการบัญชี ยกตัวอย่างเช่น Srinidhi และกุล (2007) อย่างชัดเจนว่าพวกเขาต้องการการประเมินคุณภาพคงค้างบนพื้นฐานเป็นปีที่ บริษัท และวิธีนี้ใช้ค่าสัมบูรณ์ของที่เหลือเป็นตัวชี้วัดของพวกเขา อย่างไรก็ตามในกรณีของเราเราต้อง qualitymeasure แสดงให้เห็นความไม่แน่นอนตามที่คงค้างแปลงค่าเป็นกระแสเงินสดที่ยังคำนึงถึงประวัติความเป็นมาของการเคารพ firmwith เพื่อประสิทธิภาพของกระบวนการนี้จึง บริษัท เฉพาะ 16 ไตรมาส เบี่ยงเบนมาตรฐานของเหลือเป็นที่ต้องการให้ บริษัท ที่เหลือแน่นอน. ประการที่สองจำนวนของเอกสารงานวิจัยที่ได้รับการทาบทามการประมาณค่าที่มีคุณภาพคงค้างโดยการใช้ประโยชน์จากการปรับเปลี่ยนรูปแบบโจนส์ (Dechow et al., 1995) แทนการ Dechow และ Dichev (2002) หนึ่ง (ดูตัวอย่าง Rajgopal และ Venkatachalam 2011) เราจะใช้รูปแบบการดัดแปลงโจนส์ระหว่างการควบคุมความแข็งแรงของเรา แต่ไม่ได้เป็นตัวแทนหลักในการประมาณค่าความเสี่ยงข้อมูลสำหรับเหตุผลที่จะอธิบายได้ทันที ตามที่ Dechow และ Dichev (2002) วิธีการในส่วนที่ไม่สามารถอธิบายการเปลี่ยนแปลงในการทำงานคงค้างเงินทุนจะถือเป็นมาตรการที่มีคุณภาพผกผันของเงินคงค้างกับส่วนที่ไม่สามารถอธิบายมากขึ้นเพื่อบ่งบอกถึงความด้อยคุณภาพ; แต่แนวทางของพวกเขาจะถูก จำกัด การทำงานคงค้างเงินทุน (ฟรานซิส et al., 2005) ในฐานะที่เป็นแอพลิเคชันของ Dechow และ Dichev นี้ (2002) วิธีการ - เมื่อใช้รายการคงค้างรวม - อาจจะเป็นเรื่องที่เป็นข้อ จำกัด ที่สำคัญที่เกี่ยวข้องกับการดำรงอยู่ของล่าช้าระหว่างคงค้างไม่หมุนเวียนและความเข้าใจกระแสเงินสด (ฟรานซิส et al, 2005. 302 ) เรายังประเมินคุณภาพการบัญชีขึ้นอยู่กับการปรับเปลี่ยนรูปแบบโจนส์ (Dechow et al., 1995) ในรูปแบบของการควบคุมความทนทาน. การใช้วิธีการที่ผ่านมาเพื่อที่จะวัดคุณภาพการบัญชีไม่ประสบข้อ จำกัด เช่นเดียวกับ Dechow และ Dichev (2002) เมื่อรายการคงค้างรวมมีการใช้ แต่มีการปรับเปลี่ยนรูปแบบโจนส์ระบุคงค้างเป็นความผิดปกติถ้าพวกเขาจะไม่ได้อธิบายโดยชุดที่เฉพาะเจาะจงมากและ จำกัด พื้นฐานเช่น PP & E และการเปลี่ยนแปลงในรายได้ส่งผลให้โดยตรงน้อย เชื่อมโยงไปยังข้อมูลความเสี่ยง (ฟรานซิส et al., 2005) ด้วยเหตุผลดังกล่าวข้างต้นเราให้เหตุผลว่า Dechow และ Dichev (2002) รุ่นยังใช้โดยการวิจัยอื่น ๆ ที่เกี่ยวกับคุณภาพของรายการคงค้าง (ที่ฟรานซิส, et al, 2005;.. Ecker et al, 2006) ถือว่าพร็อกซี่ที่มีคุณภาพคงค้างที่ มีประสิทธิภาพมากที่สุดจับความเสี่ยงข้อมูลเกี่ยวกับวิธีการปฏิบัติงานทางเศรษฐกิจของ บริษัท ที่เป็นจริงที่เกิดขึ้นที่จะพัฒนาขึ้นโดยไม่แสดงรายการคงค้างเป็นหน้าที่ของชุด จำกัด จากปัจจัยพื้นฐานของ บริษัท ดังนั้นผลลัพธ์หลักของเราจะขึ้นอยู่กับการตรวจวัดคุณภาพคงค้างตาม Dechow และ Dichev (2002) วิธีการ (ที่มี McNichols 2002; ปรับเปลี่ยน) ในขณะที่เราเติมเต็มการวิเคราะห์ของเราที่มีการใช้การปรับเปลี่ยนรูปแบบโจนส์ (ต่อไปนี้ Rajgopal และ Venkatachalam, ปี 2011 แต่นำไปใช้กับข้อมูลรายไตรมาส) เพื่อที่จะหันหน้าเข้าหาข้อ จำกัด ดังกล่าวข้างต้นของDechow และ Dichev (2002) วิธี. วิธีนี้เรารายงานผลสำหรับรุ่นนี้ในกระดาษเช่นเดียวกับการปรับเปลี่ยนของมันรวมทั้ง หุ่นสูญเสียขึ้นอยู่กับแกช (2009) ยังเพื่อให้แน่ใจว่าการค้นพบของเราไม่ได้ผลักดันโดยวิธีการที่ใช้ในการประเมินคุณภาพคงค้างเราประเมินและข้อกำหนดรูปแบบการทดสอบเพิ่มเติม (รวมทั้งการปรับเปลี่ยนรูปแบบโจนส์) ที่นำเสนอในวรรณคดีที่กล่าวไว้ในมาตราของเราการทดสอบความทนทาน '4.3 . ในที่สุดก็ควรจะตั้งข้อสังเกตว่าส่วนใหญ่ของเซนต์

ผลลัพธ์ (ไทย) 3:

วัดของ AQ เราจ้างจะขึ้นอยู่กับความสามารถในการพยากรณ์ของการรับรู้ด้านแผนที่ในกระแสเงินสด ให้ที่ค้างในปัจจุบันเป็นตัวแทนของประมาณการกระแสเงินสดในอนาคต และคุณภาพที่ค้างเป็นฟังก์ชันผกผันของความแม่นยำของการประมาณการเหล่านี้ ( Dhaliwal et al . , 2010 , หมู่คนอื่น ๆ ) อย่างไรก็ตามเราเข้าใจว่า คุณภาพด้านไม่ได้เป็นพร็อกซี่หมดจดเพื่อตรวจหาข้อมูลความเสี่ยง แต่เป็นคนที่มีศักยภาพมาก ( หลัก et al . , 2008 )
เป็นบันทึกสุดท้าย , ในทางตรงกันข้ามกับงานวิจัยที่ผ่านมามุ่งเน้นไม่ได้อยู่ในอันดับที่ดีกับผลกระทบของข่าวที่ไม่ดีและกำไรที่น่าประหลาดใจในราคาตัวเลือกแต่ในราคาคุณภาพ บัญชี โดยเลือกตลาดรอบกำไรประกาศ โทรง et al . ( 2012 ) ตรวจสอบข้อมูลเนื้อหาดีและข่าวร้ายรอบ EA และพวกเขาเป็นพยานที่น่าประหลาดใจบวกกําไรและประกาศกำไรบวกผลิตความละเอียดความไม่แน่นอนสูงกว่าที่น่าประหลาดใจลบประกาศและการสูญเสีย ในทางตรงกันข้าม , โรเจอร์ et al .( 2009 ) ทำนาย และพบว่า ความผันผวนโดยนัยเพิ่มมากขึ้นต่อไปนี้ข่าวร้ายมากกว่าข่าวดีต่อไปนี้การจัดการผลประกอบการ . ในการเปรียบเทียบกับการศึกษาที่เราศึกษาความสัมพันธ์ระหว่างคุณภาพและความผันผวนโดยนัยพฤติกรรมรอบบัญชี EA บริษัท
ที่ใช้ในฐานะตัวแทนของ AQ เสี่ยงข้อมูลและวัด โดยการคำนวณหาค่าส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนของแบบจำลองการถดถอยโดยเฉพาะการจับค้างเรียบร้อยแล้วว่าแผนที่ในกระแสเงินสด ( dechow และ dichev , 2002 ; ฟรานซิส et al . , 2005 ) ในกรณีที่บริษัทมีความคลาดเคลื่อนอย่างขนาดใหญ่ ส่วนเบี่ยงเบนมาตรฐานของความคลาดเคลื่อนนี้คาดว่าจะมีขนาดเล็ก ส่งผลให้บริษัทมีคุณภาพด้านค่อนข้างดี