条件稳健性(ACF模型)

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [股票简称] — 股票简称
• 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
• IndustryGroup [行业回归分组] — 中上协行业分组编码(制造业取2位如C3，非制造业取首字母如K)
• ACC [应计项目比率] — 参考Ball & Shivakumar (2006, JAR)的方法，计算公式为：(净利润-经营活动现金流量净额)/滞后期末总资产。单位：比例
• CFO [经营现金流比率] — 计算公式为：经营活动现金流量净额/滞后期末总资产。单位：比例
• DCFO [现金流方向虚拟变量] — 是否经营现金流为负(0=否，1=是)
• BSConservatism [会计稳健性系数] — 参考Ball & Shivakumar (2006, JAR)的方法，为行业-年度OLS回归中DCFO*CFO交互项系数b1，b1>0表示存在条件稳健性，该指标为行业-年度组级变量，越大代表会计越稳健，用作研究变量
• BSResidual [回归残差] — 行业-年度回归的个体残差，反映个体公司应计项目与模型预测值的偏差
• GroupN [分组样本量] — 行业-年度分组的观测数量。单位：个
• GroupR2 [分组R方] — 行业-年度回归的拟合优度。单位：比例
• NIncome
• NCashflowAct
• TotalAssets
• LagTotalAssets

常见问题

「条件稳健性(ACF模型)」是什么数据集？

条件稳健性(ACF模型)，隶属盈余质量。衡量会计稳健性中的条件稳健性（非对称及时性）。

该数据集的时间范围是？

覆盖 2001-2025 年。

包含哪些变量/指标？

共 23 个变量。核心指标包括：行业回归分组、应计项目比率、经营现金流比率、现金流方向虚拟变量、会计稳健性系数、回归残差、分组样本量、分组R方、NIncome、NCashflowAct、TotalAssets、LagTotalAssets。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 76,877 条观测。

数据是如何测算/获取的？

指标定义与计算方法 本数据集基于Ball和Shivakumar（2006）提出的应计-现金流模型（ACF模型），从应计项目角度衡量上市公司的条件稳健性。条件稳健性，又称非对称及时性，指会计系统对坏消息（如经济损失）的确认比对好消息（如经济收益）的确认更为及时和充分。在ACF模型中，这种非对称性表现为应计项目对负的经营现金流比对正的经营现金流具有更强的反向修正作用。 为计算该指标，首先需要构建基础变量。应计项目（$ACC$）定义为净利润与经营活动现金流量净额之差，并使用期初总资产（$A{t-1}$）进行标准化，以消除公司规模的影响，即 $ACC = (NI - CFO) / A{t-1}$。其中，$NI$为净利润，$CFO$为经营活动现金流量净额。经营现金流比率（$CFO$）同样以期初总资产标准化，即 $CFO / A{t-1}$。此外，定义一个虚拟变量$DCFO$，当标准化后的经营现金流为负时取值为1，否则为0，用以区分“坏消息”与“好消息”。 核心的会计稳健性度量通过以下分行业-年度的横截面回归模型估计得出： $$ACC{it} = \alpha0 + \alpha1 DCFO{it} + \beta0 CFO{it} + \beta1 DCFO{it} \times CFO{it} + \epsilon{it}$$ 其中，$ACC{it}$为公司$i$在$t$年的应计项目比率，$CFO{it}$为经营现金流比率，$DCFO{it}$为现金流方向虚拟变量。交互项$DCFO \times CFO$的系数$\beta1$是衡量条件稳健性的关键参数。理论上，由于应计项目会及时确认损失（负现金流）从而部分抵消现金流的负向影响，因此预期$\beta1 0$。$\beta1$的数值越大，表明会计处理对坏消息的确认越及时，即条件稳健性越强。在中国A股市场的研究中，该系数常为负值，这可能反映了收益平滑等盈余管理行为。数据集中的核心指标BSConservatism即为该回归得到的交互项系数$\beta1$。同时，回归产生的残差BSResidual记录了每个公司年度观测值与模型预测值的偏差。 行业分组依据中上协行业分类标准进行，其中制造业取二级代码前两位，其他行业取门类首位字母。对每个形成的行业-年度组合分别进行上述OLS回归，以控制行业特性和宏观经济周期的影响。回归的分组样本量（GroupN）和拟合优度（GroupR2）也一并提供以供参考。 补充说明 - 样本范围为中国A股非金融类上市公司。 - 回归分析按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）分年度进行。 - 每个行业-年度分组需满足最小观测数要求，以确保回归估计的可靠性。 参考文献 [1]Ball R, Shivakumar L. The role of accruals in asymmetrically timely gain and loss recognition[J]. Journal of Accounting Research, 2006, 44(2): 207-242.

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。