年报可读性对公司未来绩效的影响研究

（贵州大学，贵州 贵阳 550025）

一、引言

上市公司年报是投资者了解公司信息的重要工具，年报的可读性能影响投资者对公司信息理解的程度。近年来，有些公司出现了信息披露的问题，上市公司年报披露的用语逐渐引起证监会的关注。2015 年11 月，证监会首次提出年报披露的语言要“浅白、易懂”。2016 年对年报中的非财务信息提出“语言表达平实，清晰易懂，力戒空洞、模版化”的要求。根据代理理论，管理者为了自身的利益，可以通过降低年报可读性隐瞒坏消息。根据印象管理理论，对于当年绩效差的公司，管理层会通过装饰年报来掩盖坏消息（Clatworthy and Jones，2006）或写出更晦涩难懂，冗长的年报，这会导致阅读障碍的增加，降低年报可读性（Bloomfield，2008）。当公司坏消息积累到一定程度反应到市场中时，会造成公司未来的绩效变差，导致股价不稳定。因此，研究年报的可读性与公司未来绩效的关系对于创造更好的投资环境，维持金融市场的稳定性有着重要的价值。

国外主要通过Fog Index（Li，2008；Miller，2010；Lawrence，2013）和Flesch 指数作为衡量年报可读性的重要指标。Loughran and McDonald（2014）[1]提出运用年报内存作为可读性测量方式更加准确，直接且极易操作。而国内现在还没有对年报可读性的衡量方式。因此，本文选择年报内存作为年报可读性的衡量变量。

本文的主要贡献体现在两个层面：（1）国内针对年报可读性的研究较少，本文引入了年报内存这个新颖的测量方式作为年报可读性的替代变量；（2）由于绩效好的公司可能会向外界传递更多的信息，从而增加年报的长度，因此，绩效好的年报对公司未来绩效的影响还不明确。因此，本文对于绩效好的公司与绩效差的公司进行了区分。

二、文献回顾与假设提出

1.Li（2008）[2]认为Fog 指数越高，年报可读性越小，公司的后续盈利会下降，并且管理者会通过增加年报的复杂性隐瞒坏消息。根据信息不对称理论，管理者通过对于年报的操纵会造成信息不对称，从而使公司的未来绩效变差。反之，公司未来绩效变好。并且Lawrence（2008）[3]研究表明，散户投资者更喜欢投资年报简短，可读性强的公司。Miller（2010）[4]研究发现年报的可读性越强，在年报发布日期期间的小投资者的交易活动越多。因此，有些投资者更偏向投资年报简短的公司，这可能会造成公司未来绩效的上升。基于上述分析，本文提出假说：

H1：限制其他条件不变，年报内存越大，公司未来绩效越差。

2.Tessarolo 等（2010）[5]研究发现，在公司绩效不好的年份，信息披露中含有大量外界环境因素给公司带来的不利，以转移投资者注意力，降低可读性，然而增大了篇幅。投资者对于年报的反应存在滞后效应，这会导致公司未来绩效下降。而根据信息传递理论，Lopes 等（2010）[6]研究表明，当公司绩效好或盈利的时候，管理层更喜欢提供更多的信息来吸引更多的投资者，从而导致企业绩效变好。基于以上分析，提出两个假说：

H2：限制其他条件不变，对于绩效差的公司，年报内存越大，公司未来绩效越差。

H3：限制其他条件不变，对于绩效好的公司，年报内存越大，公司未来绩效越好。

三、研究设计

（一）主要变量的衡量

1.被解释变量：托宾Q。本文是围绕公司股价来进行衡量公司绩效，以体现公司在资本市场中的价值。西方学者进行公司绩效测评时通常采用托宾Q值如Lang（1997），国内学者颉茂华等（2014）[7]选取托宾Q 值作为公司绩效的替代变量进行实证研究。因此本文选择托宾Q 作为被解释变量。

2.解释变量：上市公司年报可读性log（file）。本文借鉴Loughran 和McDonald（2014）对可读性的衡量方式，以年报内存的自然对数作为年报可读性的替代变量。

3.控制变量：本文借鉴了颉茂华等（2014）对控制变量的选取，将总资产报酬率、资产负债率、规模、行业以及年份加入模型中进行控制。

（二）研究模型和变量定义

为检验假设H1-H3，本文构建模型（1）：

模型的变量定义如表1 所示。

表1 变量定义

（三）样本选择和数据来源

本文选取2010—2016 年深沪两市的A 股上市公司为样本，研究年报可读性对公司未来绩效的影响。公司年报内存数据来自于巨潮网手工收集，其余数据均来自CSMAR 数据库。本文剔除了金融行业和主要财务数据缺失的观测值以及ST，*ST 股票，并对连续变量在1%和99%分位上进行了Winsorize 处理，最终本文获得10 829 个有效观测值。

四、实证结果分析

（一）描述性统计和相关性分析

各变量的描述性统计结果如表2 所示，从表2可以看到，托宾Q 的均值和中位数分别为2.588 649和2.043 714，标准差为1.708 265。年报内存的均值和中位数分别为3.30 296 和3.375 115，标准差为0.2 508 003。

表2 描述性统计

表3 为各变量的Pearson 相关性检验，公司的未来绩效Q1 与年报内存Log（file）和资产总报酬率（roa）在1%水平上显著正相关，且与资产负债率（lev）、公司规模（size）在1%水平上显著负相关。但此衡量方式并未控制其它变量。因此，还需进一步进行研究。

表3 Pearson 相关系数

（二）多元回归分析

本文首先对年报可读性与公司未来绩效的关系进行了回归，表4 是模型（1）的回归结果，结果显示公司的内存大小与公司未来绩效呈显著负相关，即年报可读性与公司未来绩效呈正相关关系，且在5%的水平下显著，回归系数为-0.112，支持了H1假说，与Li（2008）的观点一致。公司年报内存越大，可读性越小，信息不对称程度越高，从而使公司未来绩效下降。对于其它控制变量，总资产报酬率（roa）与公司未来绩效在1%水平上显著正相关，而公司规模（size）与公司未来绩效在1%水平上显著负相关，系数分别为5.856 与-0.741。这些结果与前人的研究结论保持一致（颉茂华，2014）。

由于对于绩效好的公司，年报内存与公司未来绩效的关系还不确定，因此本文进行了进一步研究。表5 是将公司分为绩效好的公司和绩效差的公司，将其分别进行回归。本文将公司的总资产报酬率（roa）大于行业roa 中位数的公司计为1，公司roa小于行业roa 中位数的公司记为0，R=0 为绩效差的公司，R=1 为绩效好的公司。研究结果表明，当期绩效差的公司，年报内存越大，年报可读性越差，公司未来的绩效越差，结果在5%水平上显著，系数为-0.156，支持了H2 假说。说明对于绩效差的公司，内存越大的年报，里面的内容经过操纵变得晦涩难懂，从而影响信息的透明度，并且有些散户可能会投资年报简短、可读性强的公司（Lawrence，2013），以上原因会引起公司未来绩效下降。而对于绩效好的公司，年报内存与公司未来绩效并无显著关系，因此结果拒绝了H3 假说。

表4 年报可读性与公司未来绩效

表5 当期绩效好与绩效差的公司分别与公司未来绩效

（三）稳健型检验

由于徐炜和胡道勇（2006）[8]研究发现股权集中度与公司绩效呈显著性正相关。黄娟和张配配（2017）[9]认为管理层权力越大，公司绩效越好。阮素梅和杨善林（2013）[10]认为股权激励、薪酬激励与资本结构三者的共同实施能够提高公司绩效。因此，本文加入前五大股东持股比例（CR5）作为控制变量进行稳健性检验。

结果如表6 所示，（1）列对所有的公司进行回归，（2）列与（3）列对公司绩效进行了区分，结果表明，加入了控制变量CR5 后并未对结果造成太大的改变，结论与前面的结果一致。

表6 加入控制变量

五、研究结论

本文以2010—2016 年深沪两市的A 股上市公司为样本，研究年报可读性对公司未来绩效的影响。结果表明公司年报的内存越大，年报的可读性越小，公司未来的绩效越差。进一步研究发现，对于当期绩效差的公司，公司年报内存越大，可读性越小，公司的未来绩效也越差，而当期绩效好的公司与公司未来绩效的关系并不显著。本文的研究结论提供以下启示：

第一，建立强制性“平实语言”的使用。虽然证监会提及了年报用语规范问题，但并没有强制性。年报的非财务数据部分为管理者提供了更多的操纵行为。因此，证监会必须严格规定年报用语行为，真正做到年报可读性高，语言通俗易懂。

第二，媒体等机构应当加强监督力度，对使用模糊用语的公司以及投资者投诉的公司进行报道，监督信息披露中的用语行为。