Взаимосвязь между промышленной характеристики фирм и их финансовой отчетности Презентация форматы: эмпирическое исследование в Соединенных Штатах

В данном исследовании мы рассматриваем ли выбор компании дохода формате заявление связано с отраслевыми и конкретной компании компании характеристики бухгалтерского учета. Это исследование использует уникальный набор данных 8353 американских компаний, которые строится путем объединения Compustat Северной Америке базы данных выписки из 10-K заявок от EDGAR базу данных безопасности Соединенных Штатов и биржам. Полученные результаты подтверждают наши предположения, что выбор компании дохода формате заявление связано со стандартом компании отраслевой классификации кода (СИК) и ряд других характеристик учета приписывают финансовых коэффициентов. Наш результат позволяет предположить, что гибкость в выборе формата финансовых ведомостей позволяет компаниям лучше раскрыть их отраслевых характеристик и тем самым способствует более полное раскрытие информации. Наш поиск также предполагает, что такая гибкость должны быть включены в стандарты и инструменты для электронной финансовой отчетности, как XBRL.

Введение

Бови и др.. (2002) и Конг и др. (2001) указали на отсутствие сопоставимости разнообразной структуры финансовой отчетности в первую версию расширяемого языка деловой отчетности GAAP Торгово-промышленной таксономической (XBRL 2000). В 2002 году первый крупный пересмотр XBRL-GAAP Торгово-промышленной таксономической (XBRL 2002) была опубликована. XBRL (2002) упал жесткой структуры, используемые в XBRL (2000) и обратился к сопоставимости вопрос путем предоставления пользователям по своему усмотрению определять свои собственные финансовые структуры заявлением в ссылку пространств (см. XBRL 2002). Этот резкий сдвиг предлагает исследование все будет дебаты comparabiliry-против-гибкость в области бухгалтерского учета (Вулк и др.. 2000) с точки зрения формата представления финансовой отчетности. В частности, формат представления в данном контексте относится к классификации и агрегирования позиций и использование удара остатков в финансовой отчетности.

Это исследование изучает связь между форматов представления о прибылях и убытках и отраслевых характеристик фирм проводить доказательства того, что может поддержать предпочтение гибкости в отношении сопоставимости или наоборот. Формата представления о прибылях и убытках выбрано потому ее диверсификации допускается ОПБУ США и stuthed обеими академических ученых и практиков. Отраслевых характеристик фирм используются для уточненного содержания информации, которая осуществляется путем представления форматов.

В литературе, формат презентации, как правило, исследования с точки зрения классификации и агрегации учета номеров. Например, Фэрфилд и др.. (1996) сообщают, что классификация и уровень дезагрегирования заработка цифры (от о прибылях и убытках) может повлиять на точность предсказания заработка. Этот результат означает, что гибкость формата представления о прибылях и убытках отрицательно связано с качеством раскрытия информации. Мак-Вей (2006) рассматривает классификацию элементов в прибылях и убытках как инструмент управления заработка. Мак-Вей (2006) доклады руководителей оппортунистически сдвиг расходов между категориями переоценить основные заработки пока держит нижней строки доходов без изменений. Исследования о пользе забастовки остатки, также указаны в литературе. Например, Б. Е. Патон (1943) утверждал, что многоступенчатое о прибылях и убытках обеспечить лишь весьма ограниченные конкретной компании или industryspecific информацию по цене сопоставимости. На практике, AICPA сообщил выбор образца 600 компаний доходов форматов заявление презентации в свое ежегодное издание учета тенденции

НИЦ код и финансовые коэффициенты, используемые в литературе для захвата отраслевых характеристик предприятий. Код ПКИ на сегодняшний день является наиболее широко используемым прокси-сервер для промышленности в финансовых и бухгалтерских исследований (Кале и Уолклинг 1996). Использование исключительно код НИЦ может ограничить интерпретируемость результатов его агрегатов всю информацию в промышленности в 1 переменной, и поэтому не может определить более конкретные характеристики. Это хорошо документированы в литературе, бухгалтерского учета финансовых коэффициентов захвата отраслевых особенностей. Ketz и др.. (1990) обнаружили, что 32 широко используются коэффициенты могут быть представлены семь факторов: 1) возвращение "; 2) о движении денежных средств; 3) Денежные средства, 4) Инвентарь, 5) Продажа, 6) ликвидности, а 7) задолженности. Эти факторы послужили размеры охарактеризовать промышленности. Гупта и Huefner (1972) использовать финансовые показатели для классификации компаний и отрасли определены атрибуты (характеристики).

В частности, мы используем отраслевые характеристики представлены в НИЦ код и широко используются финансовые коэффициенты для прогнозирования доходов выбор формата представления заявления в данном исследовании. Выдвинуты две гипотезы: Построенная таким образом:

H1: выбор компании дохода формате заявление связано с НИЦ код компании.

H2: выбор компании дохода формате заявления, связанные с учетом характеристик компании отражены по бухгалтерскому учету отношений.

Методология

Зависимых переменных, выбрали форматы прибылях и убытках, взяты из оригинального о прибылях и убытках, извлеченные из 10-K заявок в базе данных EDGAR (US SEC, 2003). Другие переменные взяты из базы данных Compustat. Мы использовали все 10 74132-K от 18 455 заявок на регистрацию компаний и инвестиционных фондов предоставляется с января 1994 по декабрь 2002 года. 59557 блоков о прибылях и убытках, взяты из опилок. Структурной информации из этих блоков извлекаются и укреплять. 14231 уникальных моделей компании-летний формат определены. Затем объединить 14231 моделей с Compustat ежегодные данные ленту с 1994 по 2002 год. 8353 компаний совпадают.

Для сокращения ошибочной классификации, лучше интерпретируемости и вычислительной устойчивости, мы используем 2-значный код НИЦ в качестве основного прокси-сервер для отраслевых особенностей. Как наш основной интерес в прибыли компании, ориентированные, мы сняли все замечания, которые НИЦ код попадает в диапазон между 8000 и 9999. Окончательный набор данных содержит 64192 наблюдений. 2-значное число кодируется DNUM2. Поскольку нет установленных теории на основе которых финансовые показатели могут быть выбраны (Ketz 1990), мы используем широко используется 32 финансовых коэффициентов на основе Fridson (2002) и Ketz (1990). Независимых переменных, приводятся в таблице 1.

В соответствии с классификацией AICPA форматов прибылях и убытках, мы выбрали три зависимые переменные: 1) CAT_M для одноступенчатой формы по сравнению с многоступенчатой форме, 2) для CAT_MG ли Валовая прибыль используется с учетом многоступенчатого форма приняты, и 3) CAT-ST для ли подоходном налоге показаны отдельно с учетом одного шага используется форма. В таблице 3 приведены зависимых переменных. Для того, чтобы отдельно проверить воздействие 2-значный код НИЦ и финансовые показатели, мы строим деревьев классификации для каждой зависимой переменной на три множества независимых переменных: 1) финансовые отношения лишь, 2) 2-значный код НИЦ только и 3) как финансовые коэффициенты и 2-значный НИЦ кодов. Таким образом, 9 моделей оцениваются. В таблице 2 кратко моделей.

Испытания этих моделей в основном, чтобы найти систему классификации, которая может предсказать, какой формат о прибылях и убытках компании будут выбирать на основе 2-значный код НИЦ и финансовыми показателями. Дискриминантного анализа и логистической регрессии, анализа дерева решений обычно используются для создания таких систем классификации. Анализ дерева решений соответствуют требованиям нашего лучше учиться, чем две другие по ряду причин. Во-первых, анализ дерева решений является непараметрический метод и, следовательно, гораздо менее строгими на предположениях о распределении независимых переменных. Кроме того, анализ дерева решений может обрабатывать замечания с отсутствующими значениями правильно. Кроме того, в отличие от других двух методов анализа дерева решений не использовать большое количество фиктивных переменных, как его можно использовать напрямую категориальные переменные как независимые переменные. Это особенно привлекательным, если размер данных множества больших и вычислительной устойчивости обеспокоен. Наконец, дерево модели легче интерпретировать. Лучше интерпретируемости всегда желательно исследований для изучения отношений между зависимой переменной и независимых переменных величин.

Классификации и регрессии Tree (КОРЗИНА) метод (Breiman и др.. 1984) лучше подходит тем самым значительно улучшает стабильность результата дерева. В-третьих, алгоритм обрезки КОРЗИНА является более стабильным и, следовательно, создает более стабильной, чем деревья других algorkhms дерева. В-четвертых, самостоятельной проверки процедур КОРЗИНА также может облегчить overfitting проблемы. Пять, CART может обрабатывать сотни категориальные переменные при сохранении вычислительных стабильности. И последнее, но главное, КОРЗИНА производит значение индексов независимой переменной на основе вклада каждой независимой переменной делает для построения дерева. Эти показатели функции делать коэффициенты регрессии. Мы использовали наиболее распространенных конфигураций КОРЗИНА, которые включают: 1) индекс Джини деревьев классификации; 2) 2 раза скользящего; 3) не линейная комбинация для расщепления; 4) случайно выбранных случаях для построения модели и проверки и другие параметры по умолчанию. Кроме того, мы ограничили размер дерево должно быть меньше 30 узлов по ликвидации overfitting проблему и сделать модель более интерпретации.

Анализ

В таблице 3 приведены точность предсказания из девяти моделей. Наши результаты показывают, что код НИЦ больше энергии, чем интеллектуального иметь финансовые отношения, когда многоступенчатого против одного шага против валовой прибыли не-брутто-прибыль прогнозируется. Саид-разному, использование только меня 2-значные коды НИЦ может производить высокую точность медиана можно использовать только по финансовым показателям. При зависимой переменной отдельных налоговых доходов против нет, финансовые показатели успеха в предсказательной силы. Кроме того, финансовые показатели также имеют достаточную мощность для интеллектуального всех трех зависимых переменных. Эти высокой точностью поддерживать наших гипотез. Использование боди финансовые показатели и 2-значный код НИЦ добавляет дополнительные ограниченной информации к моделям, которые используют либо группы независимых переменных. Это означает, что информация, которую несет две группы дублирования и предполагает, что код НИЦ служит хорошим агрегатора характеристики приписывают финансовых отношений, когда характеристики используемых для дискриминации форматы о прибылях и убытках.

В левой части таблицы 4 свидетельствует о том значении индексов независимых переменных во мне отношение только для моделей. Финансовые показатели, связанные с продаж (продажи / дебиторская задолженность, дебиторская задолженность / продажи, в текущих активах / продажи), инвентарь (товарно-продажи, товарно-оборотных средств, товарно-активы, CGS / продажи), денежной наличности (WCFO / продажи, СРРО / продаж, СРРО / всего долгов, СРРО и общей стоимости активов) и доходности (OPIPD / продажи, OPINC / продажи), связанные с выбором между многоступенчатые и одноступенчатые формате. Финансовые показатели, связанные с продажами и инвентаря, связанных с выбором между показом валовая прибыль или не в многоступенчатой отчетности. Финансовые показатели, связанные с движением денежной наличности, возврата и инвентаризации, связанные с выбором между указанием налога на прибыль по отдельности или не в singlestep заявления. Во всех трех случаях, мне отношение, связанных с кадастровыми имеют отношение к выбору формата.

Правой панели Таблица 4 показывает важность индексов независимых переменных в модели, которые включают как финансовые коэффициенты и 2-значный код НИЦ. Во всех 3 зависимые переменные, 2-значный код НИЦ является наиболее важной переменной. Кроме того, добавление 2-значный код переменной НИЦ существенно скидки значение показателей финансовых коэффициентов. Этот факт еще раз показывает, что 2-значный код НИЦ "агрегатов" информации, содержащейся в финансовых коэффициентов. Финансовые показатели, связанные с продажами, оборотных средств и возвращения добавить дополнительные информации к тому, что 2-значный код НИЦ вносит свой вклад в выбор между многоступенчатые и одного шага. Финансовые показатели, связанные с продажами и долги являются полезными при выборе между использованием валовая прибыль или не в многоступенчатой отчетности. Финансовые показатели, связанные с возвращением, инвентарь и оборотный капитал являются информативными в выборе между указанием налога на прибыль по отдельности или нет. Во всех трех случаях, отношения, связанные с продажами информативны.

Обсуждения и выводы

В данной работе мы исследовали, является ли выбор компании дохода формате заявление связано с присущими компании. Мы использовали классификацию о прибылях и убытках форматах, принятых AICPA как зависимые переменные, 2-значный код и НИЦ 32 часто используемых финансовых показателей в качестве независимых переменных для построения моделей. Классификации и регрессии Три техника была использована для проверки моделей. Мы обнаружили, что выбор компании дохода формате заявления, связанные с его промышленности и учета характеристик, таких как продажи и запасов.

Наши результаты показывают, что выбор формата финансовых ведомостей не вопрос "свободный выбор". Вместо этого, присущие компании играют важную роль в выборе. Эти характеристики включают отрасли компании, продажи и инвентаризации позиции. Этот вывод имеет два дальнейших последствий. Во-первых, определенная степень гибкости должны быть разрешены для выбора формата финансовых ведомостей, с тем чтобы уникальность компании могут быть должным образом представлена в финансовой отчетности компании. Кроме того, попытки использовать один единый формат для создания единого таксономии финансовой отчетности не может быть практически в рамках ОПБУ США, которая направлена в основном на человека-processingoriented системы финансовой отчетности. Это исследование может быть продлен наряду композицию традиционного заработка компонента исследований (например, Фэрфилд и др.. 1996), чтобы изучить, как выбор формата влияет предсказательной способности зарабатывать компонентов.

Это исследование вносит свой вклад в литературу в трех аспектах. Во-первых, это уникальное исследование, которое рассматривает как выбор фирмы формата представления финансовой отчетности, связанных с отраслевых характеристик компании. во-вторых, в исследовании приводится свидетельство того, что помогает более эффективно разрабатывать XBRL и других протоколов и стандартов для электронного распространения и обработки финансовой отчетности. Наконец, исследование отличается от других исследований, изучить формат представления и учета классификации, как он использует данные, извлеченные из огромный объем реальной финансовой отчетности с базой данных EDGAR сек, используя собственные интеллектуальные системы извлечения текста.

Ссылки

1. Бови, М., Е. Ettredge, Р. М. Srivastava Вашархельи, 2002. Ли до 2000 года XBRL таксономической Устройте Current Business Финансовая отчетность практике? Журнал информационных систем 16 (2): 165-182.

2. Breiman Л., J.H. Фридман, контр-адмирал Olshen и С. J. Стоун, 1984. Классификации и регрессии деревьев. Уодсворт

3. Конг, Ю., А. Коган и Вашархельи, 2001. Информативности Представление финансовой отчетности ": Подход информационной системы. Исходя из AI / ET семинар, AAA ежегодного совещания. Atlanta, GA

4. Фэрфилд, П., Р. Суини и T.L. Йон, 1996. Классификации и учета интеллектуального права заработка. Учет обзора. 71-3: 337-355.

5. Fridson, М. и Ф. Альварес, 2002. Анализ финансовой отчетности: руководство для практических работников, третий ред. Джон Weilly

6. Гупта, М. C., и R.J. Huefner, 1972. Исследование кластерного анализа финансовых показателей и промышленности характеристики. Журнал учета исследований. Том 10-1, с. 77-95.

7. Кал, K.M. И контр-адмирал Уолклинг, 1996. Воздействие промышленности классификации финансовых исследований и разработок. Журнал финансового и количественного анализа. Том 31-3, с. 309-335.

8. Ketz, J.E., R.K. Doogar и степень упругости Jensen, 1990. Межотраслевого анализа финансовых коэффициентов. Кворум Книги, New York, NY

9. Мак-Вей, фондовая биржа, 2006. Доходы управления Использование классификации Сдвиг: Рассмотрение Core Доходы и специальные предметы. Учет обзора. 81-3: 501-531

10. Б. Е. Патон, WA., 1943. Адаптация о прибылях и убытках в современных условиях. Журнал Бухгалтерский учет, 75-1, 8-15.

11. У. С. ценным бумагам и биржам, 2003a. Важная информация о EDGAR, <a target="_blank" href="http://www.sec.gov/edgar/aboutedgar.htm" rel="nofollow"> http://www.sec.gov/edgar/aboutedgar . <HTM / A>.

12. Вулк, H., M.G. Тирни и Дж. Л. Додд, 2000. Теория бухгалтерского учета: концептуальный и институциональный подход, 5-е изд. Юго-Западный колледж Pub. Мэйсон, штат Огайо.

Ю. Конг

Таусон университет

Контактный адрес электронной почты: <a href="mailto:ycong@towson.edu"> ycong@towson.edu </ A>

Ю. Конг

Кафедра бухгалтерского учета

Таусон государственный университет

800-Йорке Rd

Таусон

MD 21252-0001 U.S.A.