会计稳健性(Khan-Watts C-Score)

字段字典

• Symbol [股票代码] — 股票代码
• StkName [证券简称] — 证券简称
• Year [年份] — 财务年度
• Province [省份] — 公司注册所在省份
• ProvinceCode [省份代码] — 省份行政区划代码(6位)
• City [城市] — 公司注册所在城市
• CityCode [城市代码] — 城市行政区划代码(6位)
• County [区县] — 公司注册所在区县
• CountyCode [区县代码] — 区县行政区划代码(6位)
• IndustryCode [行业代码] — 中上协行业分类代码
• IndustryName [行业名称] — 中上协行业分类名称
• Industry
• AnnualReturn [年度股票收益率] — 计算公式为：(年末收盘价-年初收盘价)/年初收盘价。单位：比例
• ReturnNeg [负收益虚拟变量] — 是否年度收益率为负(0=否，1=是)
• NI_TA [净利润/总资产] — 计算公式为：归属母公司净利润/平均总资产，其中平均总资产=(期初+期末)/2。单位：比例
• Size [公司规模] — 计算公式为：ln(年末总市值)，总市值单位为万元
• MTB [市净率] — 参考Flannery & Rangan (2006, JFE)的方法，计算公式为：(总资产-净资产+总市值)/总资产。单位：倍
• Leverage [资产负债率] — 账面杠杆率，计算公式为：总负债 / 总资产。单位：%
• GScore [好消息及时性] — Khan & Watts (2009) G-Score，计算公式为：mu1+mu2*公司规模+mu3*市净率+mu4*资产负债率，系数来自年度Basu扩展模型横截面回归
• CScore [会计稳健性] — Khan & Watts (2009) C-Score，计算公式为：lambda1+lambda2*公司规模+lambda3*市净率+lambda4*资产负债率，值越大表示会计稳健性越强
• TotalCons [总及时性] — 计算公式为：好消息及时性+会计稳健性，反映盈余对所有消息的总体及时反应程度。单位：比例
• AsymTimeliness [非对称及时性] — Basu (1997)非对称及时性指标，计算公式为：会计稳健性/好消息及时性，衡量坏消息相对好消息的及时性倍数。单位：倍
• BasuCoef [Basu系数] — 年度横截面Basu扩展回归中D*R的系数，原始Basu模型的稳健性度量
• ConservatismRank [稳健性行业排名] — 会计稳健性在同年同行业内的百分位排名(0-100)
• ConservatismDecile [稳健性十分位] — 会计稳健性在同年全市场的十分位组(1-10)，10为最保守
• SampleFlag [样本标识] — 是否纳入回归样本(0=否，1=是)，剔除金融行业和数据缺失样本

常见问题

「会计稳健性(Khan-Watts C-Score)」是什么数据集？

会计稳健性(Khan-Watts C-Score)，隶属盈余质量。衡量企业会计盈余对坏消息确认的及时性程度。

该数据集的时间范围是？

覆盖 1994-2025 年。

包含哪些变量/指标？

共 26 个变量。核心指标包括：年度股票收益率、负收益虚拟变量、净利润/总资产、公司规模、市净率、资产负债率、好消息及时性、会计稳健性、总及时性、非对称及时性、Basu系数、稳健性行业排名、稳健性十分位、样本标识。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

数据频率和层级是怎样的？

频率为年度，上市公司层级。

样本量有多大？

约 60,648 条观测。

数据是如何测算/获取的？

指标定义与计算方法 会计稳健性是财务会计的一项基本原则，要求对坏消息（如损失）的确认比对好消息（如利得）的确认更为及时和充分。Khan & Watts (2009) 在 Basu (1997) 模型的基础上，提出了一个公司年度层面的会计稳健性度量指标（C-Score），该指标捕捉了公司对坏消息确认的增量及时性。其核心思想是将 Basu 模型中的稳健性系数表示为公司特征的线性函数，从而得到一个随时间变化的、公司层面的稳健性度量。 Basu (1997) 的盈余-收益反转模型是衡量会计稳健性的经典方法，其基本模型为： $$ NI\TA = \beta0 + \beta1 R + \beta2 D + \beta3 D \times R + \epsilon $$ 其中，$NI\TA$ 为净利润除以平均总资产，$R$ 为年度股票收益率，$D$ 为负收益虚拟变量（若 $R<0$ 则取值为1，否则为0）。系数 $\beta3$ 衡量了盈余对坏消息（负收益）相对于好消息（正收益）的增量反应速度，即会计稳健性。Khan & Watts (2009) 将 $\beta3$ 和 $\beta1$ 分别定义为公司特征（规模、市净率、杠杆率）的函数，以捕捉稳健性（C-Score）和好消息及时性（G-Score）的横截面差异。 具体地，首先在每一年度进行横截面回归，估计以下扩展的 Basu 模型： $$ NI\TA = \mu0 + \mu1 Size + \mu2 MTB + \mu3 Leverage + \mu4 R + \mu5 R \times Size + \mu6 R \times MTB + \mu7 R \times Leverage + \mu8 D + \mu9 D \times R + \mu{10} D \times R \times Size + \mu{11} D \times R \times MTB + \mu{12} D \times R \times Leverage + \epsilon $$ 其中，$Size$ 为公司规模，取年末总市值的自然对数；$MTB$ 为市净率，计算公式为 $(总资产 - 净资产 + 总市值) / 总资产$；$Leverage$ 为资产负债率，即总负债除以总资产。 通过上述年度回归，可以得到一系列系数估计值。好消息的及时性（G-Score）和会计稳健性（C-Score）的计算公式分别为： $$ GScore = \mu4 + \mu5 Size + \mu6 MTB + \mu7 Leverage $$ $$ CScore = \mu9 + \mu{10} Size + \mu{11} MTB + \mu{12} Leverage $$ 其中，$\mu4, \mu5, \mu6, \mu7$ 和 $\mu9, \mu{10}, \mu{11}, \mu{12}$ 分别为对应年度回归中相应交互项的系数。$GScore$ 衡量了盈余对好消息的反应速度，而 $CScore$ 则衡量了盈余对坏消息的增量反应速度，即会计稳健性程度，其值越大表示会计稳健性越强。 基于这两个核心指标，可以进一步计算总及时性 $TotalCons = GScore + CScore$，反映盈余对所有消息的总体反应程度；以及非对称及时性 $AsymTimeliness = CScore / GScore$，衡量坏消息相对好消息的及时性倍数。此外，数据集还提供了原始的 Basu 模型稳健性系数 $BasuCoef$，即年度横截面回归中 $D \times R$ 项的系数 $\beta3$。 为了便于横截面比较，数据集还计算了 $CScore$ 的行业相对排名和全市场十分位分组。$ConservatismRank$ 为 $CScore$ 在同年、按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）分组内的百分位排名（0-100）。$ConservatismDecile$ 为 $CScore$ 在同年全市场范围内的十分位组（1-10），其中10代表最保守。 补充说明 - 回归样本剔除了金融行业的公司以及关键变量（如净利润、总资产、市值、收益率）存在缺失的观测值。 - 在计算 $CScore$ 和 $GScore$ 所需的年度回归系数时，对连续变量在1%和99%分位数上进行了缩尾处理，以减轻极端值的影响。 - 年度横截面回归要求有足够数量的观测值，以确保系数估计的可靠性。 参考文献 - Basu S. The conservatism principle and the asymmetric timeliness of earnings[J]. Journal of Accounting and Economics, 1997, 24(1): 3-37. - Khan M, Watts R L. Estimation and empirical properties of a firm-year measure of accounting conservatism[J]. Journal of Accounting and Economics, 2009, 48(2-3): 132-150.

如何获取该数据集？

通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。