时间：2023年12月6日

主题：论文分享与进度汇报

本次组会共分为两个部分，首先，杨劲松报告了题为“The Insurance Hypothesis: An Examination of KPMG’s Audit Clients around the Investigation and Settlement of the Tax Shelter Case”的文章（刊登于Auditing: A Journal of Practice & Theory，作者：Darryl L. Brown, Susan Z. Shu, Billy S. Soo, and Gregory M. Trompeter）。文章讲述了KPMG避税丑闻的情况，为检验保险假设提供了一个自然的实验环境来分离保证假设。作者针对KPMG税务套利调查和和解的情况，提供了一些与审计师提供的保险功能以及股票价格密切相关的证据。研究结果显示，异常回报集中在陷入财务困境并面临更高诉讼风险的公司。研究结果有助于深入理解审计师保险功能的作用及其与客户股票价格的关系，可帮助审计师更好地了解审计服务的定价。

曾老师和同学们的讨论如下：

1.毕马威受到处罚这个刺激性事件的发生与和解对市场的不同反应，与上周分享的文章有相似性，二者都得到了财务困境的公司对市场消息的反应更加显著的结果。

2.区分保证假设和保险假设。保证（无条件）假设增加财务报表的可靠性，降低投资者的风险。保险（有限责任）假设，追回相关损失。

3.之后的关键词可以把英文专有名词放在旁边，方便区分

接着，费一洋报告了题为“数据资源入表政策与资本市场反应”的文章以及进度汇报。当前已完成的研究内容包括：通过政策出台后不同行业对政策冲击的正面与负面反应，将政策冲击的有效性分为激励效应和原假设，引出问题“数据资源入表政策的发布为哪些企业（数据密集型或非数据密集型）带来了何种市场反应（激励效应或原效应）？”实证结果显示，数据资源入表政策在数据密集型企业中得到了显著为正的市场反应，而在非数据密集型企业中得到了显著为负的市场反应。文章的待完成内容还包括：完善样本设计、论证变量建构、更新数据期间、修正机制检验、梳理研究脉络。

曾老师指出：

1.由于解释公告类较短，是否可以去除这一部分。

2.应当补充权威人士对暂行规定这一政策冲击的突然的（surprise）说法。

3.增加“数据二十条”这一事件冲击的相关研究，判断是否给数据密集型企业股价带来显著改变。

4.可以增加数据密集型营业收入视角（信息、数据服务等），支出视角（研发费用）、政府补助视角的研究。

5.找到一个所有企业中都能够代表的指标，如文本类，财务数据类。

6.对数据密集型概念的定义：“企业越大，数据资源越多，用户资源越多，收入越高”？

7.在前面增加不同行业的描述性统计，如当天涨跌幅图等。

曾老师与同学们的相关讨论如下：

1.有些企业虽然市场反映强烈，但是代理商没有数据平台。因此应当如何识别数商企业。

2.如何搜集公司发布的相关公告。

3.医药行业也属于数据密集型，应当如何剔除。

3.应当排除其他事件影响，如当天有没有其他的政策刺激（国内、国际事件等）、当天是否开董事会，发布重大公告等。

4.如何排除同一天内A和B企业股价联动的相关性。

5.除了表明实证结果，还要更深刻的阐述。

6.发挥团队力量，群策群力。

7.对简单的现象进行深入研究和思考，使其具有科学性。