分类转移盈余管理(McVay模型)

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] — 会计年度
• 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
• CoreEarnings [核心盈余率] — 参考刘宝华、罗宏、周微(2016，《管理世界》)在McVay (2006, TAR)框架下的方法，计算公式为：扣除非经常性损益后的净利润/期初总资产，其中期初总资产为上期期末总资产。衡量经总资产标准化的核心盈余水平。单位：比例
• CoreEarningsChange [核心盈余变化] — 参考刘宝华、罗宏、周微(2016，《管理世界》)的方法，计算公式为：本期核心盈余率-上期核心盈余率，衡量核心盈余的年度变动。单位：比例
• AssetTurnover [总资产周转率] — 参考刘宝华、罗宏、周微(2016，《管理世界》)的方法，计算公式为：营业收入/平均总资产，其中平均总资产为期初与期末总资产的算术平均数。为核心盈余预测模型的自变量。单位：次
• CoreAccruals [核心应计盈余] — 参考刘宝华、罗宏、周微(2016，《管理世界》)的方法，计算公式为：(扣除非经常性损益后的净利润-经营活动现金流量净额)/期初总资产。为核心盈余预测模型的自变量。单位：比例
• SalesGrowth [主营业务收入增长率] — 参考刘宝华、罗宏、周微(2016，《管理世界》)的方法，计算公式为：(本期营业收入-上期营业收入)/上期营业收入。为核心盈余预测模型的自变量。单位：比例
• PredictedCore [预期核心盈余] — 参考刘宝华、罗宏、周微(2016，《管理世界》)的模型(1)，按行业-年度分组对核心盈余率做横截面回归的拟合值，自变量包括上期核心盈余率、总资产周转率、本期与上期核心应计盈余、主营业务收入增长率及其负值项。单位：比例
• UnexpectedCore [非预期核心盈余水平] — 参考刘宝华、罗宏、周微(2016，《管理世界》)的模型(1)，计算公式为：核心盈余率-预期核心盈余(即行业-年度横截面回归的残差)，对应文献中的UE_CE。数值越大表示核心盈余超出正常水平越多，即通过分类转移夸大核心盈余的程度越高。单位：比例
• PredictedCoreChange [预期核心盈余变化] — 参考刘宝华、罗宏、周微(2016，《管理世界》)的模型(2)，按行业-年度分组对核心盈余变化做横截面回归的拟合值，自变量包括上期核心盈余率、上期核心盈余变化、总资产周转率变化、本期与上期核心应计盈余、主营业务收入增长率及其负值项。单位：比例
• UnexpectedCoreChange [非预期核心盈余变化] — 参考刘宝华、罗宏、周微(2016，《管理世界》)的模型(2)，计算公式为：核心盈余变化-预期核心盈余变化(即行业-年度横截面回归的残差)，对应文献中的UE_ΔCE。数值越大表示核心盈余的增长超出正常水平越多，即分类转移程度越高。单位：比例
• NegSalesGrowth

常见问题

「分类转移盈余管理(McVay模型)」是什么数据集？

分类转移盈余管理(McVay模型)，隶属盈余质量。衡量企业通过利润表项目重分类操纵核心盈余的程度。

该数据集的时间范围是？

覆盖 2002-2025 年。

包含哪些变量/指标？

共 21 个变量。核心指标包括：核心盈余率、核心盈余变化、总资产周转率、核心应计盈余、主营业务收入增长率、预期核心盈余、非预期核心盈余水平、预期核心盈余变化、非预期核心盈余变化、NegSalesGrowth。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 83,912 条观测。

数据是如何测算/获取的？

指标定义与计算方法 分类转移是指管理层在编制利润表时，将经常性成本或费用故意错误分类为非经常性损失，或将非经常性收益故意错误分类为经常性收入，从而在不改变净利润总额的前提下夸大核心盈余的行为。由于核心盈余持续性更高、更能预测企业未来盈余，投资者与分析师通常对其给予更高估值，监管制度中涉及会计利润的业绩门槛（如股权激励行权业绩考核、公开增发业绩条件）也普遍要求剔除非经常性损益的影响，这使得分类转移成为一种收益较高而成本较低的盈余管理方式。 本数据集参考刘宝华、罗宏、周微（2016，《管理世界》）在McVay (2006) 框架下针对中国资本市场给出的度量口径，构建两个分类转移指标：非预期核心盈余水平与非预期核心盈余变化。 核心盈余的界定。依据上述文献，核心盈余特指经非经常性损益调整后的净利润，即扣除非经常性损益后的净利润。核心盈余率（$CE$）为该净利润经期初总资产标准化后的结果，其中期初总资产取上期期末总资产： $$CEt = \frac{\text{扣除非经常性损益后的净利润}t}{\text{总资产}{t-1}}$$ 核心盈余变化（$\Delta CE$）等于核心盈余率的本期值减上期值。 模型自变量。总资产周转率（$ATO$）等于营业收入除以平均总资产，平均总资产为期初与期末总资产的算术平均数；$\Delta ATO$ 为其变化值。核心应计盈余（$Acc$）等于核心盈余减经营活动现金流量净额后，经期初总资产标准化： $$Acct = \frac{\text{扣除非经常性损益后的净利润}t - \text{经营活动现金流量净额}t}{\text{总资产}{t-1}}$$ 主营业务收入增长率（$\Delta\%Sales$）等于本期营业收入减上期营业收入后除以上期营业收入；当 $\Delta\%Sales$ 为负时，$Neg\\Delta\%Sales$ 等于 $\Delta\%Sales$，否则等于零。 模型（1）：非预期核心盈余水平。按行业—年度分组进行横截面回归，拟合预期核心盈余，取其残差为非预期核心盈余水平（对应文献中的 $UE\CE$）： $$CEt = \beta0 + \beta1 CE{t-1} + \beta2 ATOt + \beta3 Acct + \beta4 Acc{t-1} + \beta5 \Delta\%Salest + \beta6 Neg\\Delta\%Salest + \varepsilont$$ 模型（2）：非预期核心盈余变化。同样按行业—年度分组进行横截面回归，拟合预期核心盈余变化，取其残差为非预期核心盈余变化（对应文献中的 $UE\\Delta CE$）： $$\Delta CEt = \phi0 + \phi1 CE{t-1} + \phi2 \Delta CE{t-1} + \phi3 \Delta ATOt + \phi4 Acct + \phi5 Acc{t-1} + \phi6 \Delta\%Salest + \phi7 Neg\\Delta\%Salest + \mut$$ 两个指标数值越大，表示核心盈余（或其增长）超出由经济基本面所能解释的正常水平越多，即企业通过分类转移夸大核心盈余的程度越高。二者互为稳健性替代：原文献报告两者高度正相关，说明该度量方式具有内在一致性；本数据集复现所得的相关系数与原文献报告值高度接近。 补充说明 - 行业划分：采用中国上市公司协会行业分类，按公司当年实际所属行业进行动态匹配（制造业取二级代码前两位，其他行业取门类首位）。 - 样本处理：连续变量按年度分组进行上下1%的缩尾处理，以控制极端值的影响。缩尾在年度层面而非行业-年度层面进行，以保证各分位点的估计建立在足够的横截面观测之上。 - 回归要求：行业-年度横截面回归要求组合内有效观测数不少于15个。未达到该要求、或行业分类不可得的公司年度，其预期值与非预期值为空值。 - 滞后项按公司与会计年度严格匹配上一会计年度，当公司在样本中存在年度缺口时不做跨期替代，相应观测的滞后变量为空值。 - 指标选用：模型（1）衡量核心盈余的水平偏离，模型（2）衡量核心盈余增长的偏离。前者适用于考察分类转移的绝对程度，后者对企业盈利水平的长期固有差异更不敏感，适用于关注年度间变动的研究设计。两者可互为稳健性检验。 - 样本口径：本数据集交付全部A股上市公司，未预先剔除金融业与ST公司，也未按原文献的样本区间截取，研究者可按自身研究设计筛选。原文献的样本为非金融行业A股上市公司。 - 由于模型（2）需要核心盈余的两期滞后值，其可得观测数少于模型（1）。 参考文献 - 刘宝华, 罗宏, 周微. 股权激励行权限制与盈余管理优序选择[J]. 管理世界, 2016(11): 141-155. - McVay S E. Earnings management using classification shifting: An examination of core earnings and special items[J]. The Accounting Review, 2006, 81(3): 501-531.

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。