会计信息相关性再思考：来自上市公司数据资源“入表”的证据

李　诗　洪景伦　陈　薇

收稿日期：2024-08-19

基金项目：福建省社会科学规划一般项目（FJ2023B042）

作者简介：李诗，厦门国家会计学院教授，财务会计与审计研究所副所长；

洪景伦，厦门国家会计学院硕士研究生；

陈薇，厦门国家会计学院硕士研究生。

摘要：在数字经济时代，数据作为关键生产要素的价值日益凸显。《企业数据资源相关会计处理暂行规定》自2024年1月1日起施行。本文对2024年三次定期报告中披露数据资源的上市公司进行统计分析，回归财务报告概念框架，通过实践现状分析、财务指标测算、市场反应检验，希冀能从实践上助力实务界认识数据资源会计处理现状、应对相关挑战，理论上为学界探讨如何修订更适配数字经济时代的会计准则提供启发。

关键词：数据资源；数据产品；会计信息质量特征；会计准则

中图分类号：F230　文献标识码：A　文章编号：2095-8838（2025）02-0117-12

一、引言

国家数据局发布的《数字中国发展报告（2023年）》显示，我国数字经济核心产业增加值占GDP比重达10%左右。数字技术和数据要素深度耦合发展，成为拉动数字经济增长新的爆发点。然而，这种增长的背后隐藏着一个潜在的挑战：如果会计系统不反映数据资源，将会对经济发展产生不利影响（刘峰等，2023）。为规范企业数据资源相关会计处理，强化相关信息披露，2023年8月，财政部制定印发了《企业数据资源相关会计处理暂行规定》（下文简称《暂行规定》），自2024年1月1日起施行。从2024年第一季度报告（下文简称一季报）开始，企业数据资源在财务报表中得到反映。数据资源“入表”(1)助推数据要素释能，使其更加直接地影响决策过程，但数据资源“入表”是否切实提高了会计信息的相关性？这个问题值得深入探讨。从国际会计准则理事会（下文简称IASB）发布的《财务报告概念框架》（Conceptual Framework for Financial Reporting，下文简称《概念框架》）中可以看出，相关性是有用的财务信息的两大基本特征之一。结合我国实际情况，《企业会计准则——基本准则》对会计信息质量特征提出要求，对应可靠性、相关性、可理解性、可比性等八个信息质量特征。而孟凡利（1999）等学者认为相关性更为重要，只要信息使用者需要且会计上有提供的可能，信息提供者就应考虑尽可能提供。具体而言，相关性强调会计信息对决策者的影响，关键在于数据资源“入表”能否提供决策所需的实质信息。

数据资源“入表”效果不仅体现在微观层面企业财务指标的变化上，还体现在宏观层面行业与地理分布等特征中。鉴于此，本文以上市公司2024年第三季度报告（下文简称三季报）为主体，结合一季报和半年度报告（下文简称半年报），通过剖析其披露的数据资源相关信息，探究《暂行规定》对会计信息相关性的影响。在回顾梳理相关政策、制度、文献的基础上，本文以三季报在表内披露数据资源的上市公司为样本进行了统计分析，并模拟“不入表”场景的财务指标、测算财务指标与市场反应的相关系数以评估数据资源“入表”对会计信息相关性的实际影响，最后对监管层、上市公司与投资者提出建议。

本文的研究贡献体现在：第一，回归财务报告概念框架，从相关性的基本质量特征出发，剖析数据资源“入表”对会计信息相关性的影响，为后续完善会计准则提供理论支持；第二，对数据资源“入表”现状进行分析，揭示数据资源确认、计量和报告的实践效果与潜在挑战，为实践中更好地利用数据资源提供参考。

二、制度发展与理论文献

（一）制度发展历程

数据资源在现代社会中具有重要地位，为充分发挥数据价值，我国正积极推进数据资源制度体系的建设与完善，其主要制度如表1所示。

表1　数据资源部分相关制度发展历程

资料来源：根据公开信息整理。

2023年8月，财政部制定印发《企业数据资源相关会计处理暂行规定》，根据持有目的、形成方式、业务模式以及经济利益的预期消耗方式等，将数据资源作为存货或无形资产进行确认、计量和报告，是数据资源“入表”的一种尝试。《暂行规定》的发布贯彻落实了党中央、国务院关于发展数字经济的决策部署，通过在企业财报中反映数据资源的经济实质，激发经济活力。

（二）理论基础与文献回顾

1．会计信息质量特征

会计信息质量特征是衡量会计信息披露能否满足使用者需求的关键，尤其在市场经济深化改革背景下愈发重要。随着资本市场的成熟和信息透明度要求的提升，股东、债权人等利益相关者更加依赖高质量会计信息制定决策。会计信息质量的衡量是会计研究的挑战（Barth等，2008）。Schipper和Vincent（2003）认为，会计准则的核心目标是确保信息的决策有用性，主要通过相关性、可靠性和可比性实现。Dechow等（2010）强调相关性的重要性。Zeghal等（2012）突出及时性和稳健性。Dancer等（2014）强调相关性和可靠性的核心地位。Pǎşcan（2015）则提出了可比性、可核实性、及时性和可理解性。我国学者也进行了大量研究。吴水澎（1999）强调可靠性、充分性、相关性和可比性。葛家澍和陈守德（2001）将信息质量特征进一步分解为相关性与可靠性（主要），重要性与可比性（次要），与IASB《概念框架》中将相关性作为基本特征之一相一致。葛家澍（1992）建议将相关性改为决策相关性，以符合信息使用者要求。总的来说，学者们普遍认为，相关性是会计信息的核心特征之一，是作出有用决策的基础。

明确了会计信息的主要质量特征及其对使用者决策的重要性后，我们不难发现，当前企业财务报告面临的挑战与这些质量特征息息相关。郭莉平（2022）认为，财务报告质量影响财务状况、经营成果和现金流量的真实反映，进而影响企业价值评估和未来发展判断。黄世忠（2018）、易平良（2021）、王恒金（2022）等认为，信息滞后、披露不全、财务信息失真等问题削弱相关性，限制其决策指导作用。吴兆军和周年平（2024）认为，财务信息失真源于会计政策选择、财务舞弊、内部控制失效等。可见，会计信息质量直接影响经济决策。因此，本文围绕相关性这一会计信息质量特征探究数据资源“入表”的影响。

2．数据资源的确认

学术界有关数据资源确认的讨论主要聚焦于确认条件的界定。上官鸣和白莎（2018）提出对大数据进行资产确认时将形成基础的要求延伸至未来，并强调未来事件的预估期不宜过长，且应接近于确定型事件。陈思静等（2019）则持相反观点，认为数据资源在产权、价值产生及应用场景上的不确定性，使得其会计确认面临挑战，并引入朴素贝叶斯分类法尝试解决这一问题。张俊瑞等（2020）通过对比国际财务报告准则和我国《企业会计准则》，认为数据资源符合资产的定义标准，从而支持其会计确认的合理性。吕艳娜和杨世忠（2022）认为数据资源需同时满足“经济利益很可能流入企业”、“能够可靠计量成本或价值”方可作为资产进行确认，否则建议通过财务报表附注进行信息披露。许宪春等（2022）则从国民经济核算的视角出发，提出数据要纳入资产核算范畴，必须兼具经济所有权明确和收益性两个基本属性，为数据资源确认提供了更为宏观和系统的考量。

关于数据资源的确认与披露标准，学术界仍存分歧。有观点认为数据资产具有无限复制性，将同时适用于两种用途下的会计处理原则，因此需要同时确认为无形资产和存货（张俊瑞和危雁麟，2023）；也有学者认为数据如果符合资产定义和确认标准，就应通过会计程序确认为数据资产，否则只能作为数据资源，在表外披露（黄世忠等，2023）；亦有学者认为在商品服务场景中，数据资源作为产品和服务的核心内容，宜列入存货，通过“库存商品”科目进行核算（王世杰和刘喻丹，2023）。上述研究不仅加深了学术界对数据资源确认的理解，也为不同场景下数据资源的会计处理提供了理论支持和实践参考。

3．数据资源的计量

在计量方面，学者们深入探讨了现有的计量模式与数据资源估值技术，形成了多样化的研究视角。唐莉和李省思（2017）提出初始计量时仅依赖投入成本入账存在局限性，提倡采用收益现值法，综合考量企业整体价值以进行评估。Short和Todd（2017）则将数据价值进一步细分为资产价值、活动价值与预期价值，为数据的精细化评估提供了框架。李永红和张淑雯（2018）通过引入数据资产影响因子，构建了新的数据资产估值模型。随着研究的深入，陈芳和余谦（2021）区分了数据资产与其他无形资产的贴现率，并建立了基于剩余法的多期超额收益评估模型。近年来，互联网企业对数据资源价值的挖掘更加重视，张雪等（2022）认为资产化变现路径能有效释放数据资产的持续经济价值，并强调了收益现值法的适用性。刘阳（2022）的研究则揭示了数据资产价值的动态性特征，提出以增量收益法替代成本法，可以更准确地反映其价值变化。张俊瑞和危雁麟（2023）聚焦于后续计量难题，建议企业根据数据资产的实际寿命与经济效益，设定合理的摊销或减值测试规则。与此同时，罗玫等（2023）从会计的谨慎性原则出发，考虑到数据资产交易市场尚不成熟，提出了将调整成本法作为后续计量的备选方案。随着《暂行规定》的发布，符合条件的数据资源被明确分类为无形资产或存货，并需依据相应会计准则进行后续计量，这一变革为数据资源的会计处理提供了更为清晰和统一的指导思路。

4．数据资源的报告

在列报与披露数据资源相关信息时，企业承担着向利益相关方真实反映其运营状况的责任，这是诚信与透明度的重要体现（叶陈毅等，2011）。然而，面对具有高度不确定性的数据资源，在《暂行规定》出台前，关于确认、计量和报告的要求限制了其在财务报告中的披露。这种局限不仅削弱了企业财务状况与运营成果的准确性，还使得企业难以全面展示其在数字经济中的价值创造因素，从而影响了会计信息在反映企业真实运营状态和未来潜力方面的完整性。

数据列报与披露的不充分性对数据资产的未来发展构成了潜在威胁，不利于外部利益相关者对企业整体价值的全面评估与了解（Mattioli，2014）。学术界对此进行了深入探讨，并围绕数据资源的报告方式提出了多种观点，主要可归纳为表内确认观、表外披露观及无须确认观。黄世忠（2020）从财务报表完整性的角度，强调表内确认数据资源的重要性，认为这有助于提升信息透明度与决策有用性，而单纯的表外披露不足以全面反映数据资产的价值；表外披露观则主张在财务报告之外详细披露数据资源的使用情况、成本构成等信息，以弥补表内披露的不足（王世杰和刘喻丹，2023）；无须确认观则基于数据资源计量的困难，认为其不适合在财务报表中列报。

关于数据资源信息列报与披露的具体方式，学者们亦提出了多样化的建议。从将大数据资产归类为存货或无形资产（陈宗智和常欣，2016），到构建多层次财务报告体系以全面反映数据资产的复杂性和价值（刘国英和周冬华，2021），再到提出在资产负债表与“第四张报表”中混合列报数据资产（张俊瑞和危雁麟，2021），这些观点均为数据资源的信息披露提供了理论参考。最终，《暂行规定》的出台，将数据资源纳入存货或无形资产准则框架，并采取强制与自愿披露相结合的方式，既体现了对学术研究成果的吸纳，也为企业数据资源的信息披露提供了实操性的指导规范。

5．文献评述

已有文献在数据资源的确认、计量与报告方面取得了一定成果，为数据资源的会计处理提供了理论支持和实践参考，但仍存在以下不足：其一，在学术研究中，学者们曾就数据资源是否应纳入财务报表及对应的会计科目进行了深入探讨，随着《暂行规定》的发布，关于数据资源“入表”科目的分歧暂时得到了解决，焦点开始转向围绕《暂行规定》的政策研究，但较少超越其框架进行更广泛的探索；其二，财务报告目标之一为决策有用性（刘峰等，2023），要求企业如实向财务报告使用者提供与决策相关的会计信息，然而，现有研究往往忽视了对会计信息相关性的验证，未能就如何提升会计信息相关性以提高决策有用性提供有效建议。

因此，本文在对数据资源“入表”现状进行深入分析后，采用事件研究法考察上市公司披露数据资源信息前后的市场收益变化，通过公司价值的变动评估其提供的会计信息是否满足相关性要求，从而总结实践中的潜在问题，为推动会计准则的演进和数字经济的健康发展提供参考。这一研究不仅有助于深化对数据资源会计处理的理解，还能为完善会计准则、提升财务报告质量提供有益参考。

三、数据资源“入表”现状与思考——上市公司数据分析

A股上市公司三季报可知，共有52家(2)确认了数据资源，其中15家连续三次披露、20家连续两次披露。本文从整体现状与会计处理两大视角，分析数据资源“入表”效果，深入探索上市公司“入表”背后的管理层动机、融资需求等真实原因，旨在评估数据资源“入表”对会计信息相关性的改善情况。在刘峰和赵永超（2024）及王竞达等（2024）等学者研究成果的基础上，本文进一步挖掘了数据产品交易情况、原有会计处理、自愿披露内容等更多市场信息。此外，本文还模拟“不入表”情景下的财务指标、检验市场反应，以期全面审视数据资源“入表”带来的效果。

（一）数据资源“入表”现状

1．企业性质与市值规模

从实际控制人类型看，三季报52家企业中，50%实际控制人为个人，50%为国有控股企业；而在一季报的15家企业中，该数据分别为9家和6家(3)。究其原因，一方面，以自然人为控股股东的民营企业在面对政策时通常表现出更高的灵活性和创新积极性（徐佳和崔静波，2020），数据资源“入表”有望创新融资方式、打破融资困境，因而积极性较高；另一方面，国有企业也加快了“入表”步伐，展现出对政策的高配合度（温来成等，2024）。

市值规模方面，在三季报截止披露时点（2024年10月31日），上述企业中总市值超过1 000亿元的有5家，处于500亿元至1 000亿元的有3家，其余企业市值均不足500亿元。而一季报的15家企业总市值均在500亿元以内，市值低于100亿元的企业约占53.33%。可见，数据资源“入表”企业仍以小市值公司为主。究其原因，在全面注册制下，上市公司供给增加，小市值公司面临因市场资金分流而被边缘化的趋势（杨丰强等，2023），不仅市场关注度较低，而且面临更高的退市风险。同时，《国务院关于加强监管防范风险推动资本市场高质量发展的若干意见》明确，加快形成应退尽退、及时出清的常态化退市格局，且《关于严格执行退市制度的意见》等政策相继发布，打击各种违法“保壳”、“炒壳”行为。而数据资源“入表”可以增加小市值公司的资产价值，并有助于其推动数字化转型和进一步发展，因此成为小市值公司的重要关注点。

2．区域分布

三季报52家企业分布在16个省市，其中北京市最多，有14家。结合五大数据交易所的所在地(4)来看，有27家企业所在的省市拥有较为成熟的数据交易市场。进一步结合实际交易情况（截至2024年10月31日），有19家企业挂牌交易数据产品（其中9家企业在多地挂牌），合计挂牌产品数量超过750种。这些企业将数据产品有效融入价值链的各个环节。其中，中国移动在4个交易所挂牌产品总数为250种；合合信息旗下“启信宝”业务在广州数据交易所有212种产品挂牌交易。

3．行业分布

根据证监会行业分类（2012），52家企业分布在11个行业（见图1），且并非都是计算机相关领域。三季报中还新增了科学研究和技术服务业、采矿业2个行业，数据资源“入表”实践正在向更多行业扩展，高质量的数据产品不断涌现，引领、创造新需求（任保平和王思琛，2023），更好服务经济社会发展。《中共中央办公厅　国务院办公厅关于加快公共数据资源开发利用的意见》明确，深化数据要素配置改革，扩大公共数据资源供给，因此，数据要素将在更多重要行业、重点领域进一步发挥作用。

图1　行业分布情况

资料来源：根据东方财富Choice数据、网络资料整理。

（二）数据资源相关会计处理

1．确认

整体来看，科目以“无形资产”为主，约占三季报披露数据资源“入表”企业总数的67.31%（见图2）。其中，结合披露期初值，天威视讯、中远海科、中文在线、小商品城、观典防务5家企业的数据资源是在原有“无形资产”报表项目下的重分类，从“无形资产”一级项目调整至“无形资产——数据资源”。此外，海天瑞声也存在数据资源期初值，其列报的数据资源是原有“存货”报表项目下的重分类。

图2　三季报数据资源“入表”科目与金额

资料来源：根据东方财富Choice数据、网络资料整理。

2．计量

在初始计量方面，数据资源“入表”金额占比较小。从相对值看，数据资源占资产总额比均值仅为0.30%。其中，观典防务“入表”金额占比最大，达3.58%；有6家企业数据资源占净资产比超过1%，12家企业超过0.5%。从绝对值看，仅2家企业披露的金额超过1亿元。值得关注的是，计入“开发支出”的企业中，有9家企业的“开发支出”项目完全由数据资源贡献，数据资源“入表”或增加了这些企业的资产总额。

在后续计量方面，计入“存货”的企业中，海天瑞声、观典防务的数据资源相较于半年报有所减少，这可能是因为其持有周期较短。根据《暂行规定》，确认为存货的数据资源应是“日常活动中持有、最终目的用于出售”。在高度定制化情况下，存货在生产前已经能够确定最终购买方，一旦交付且验收通过即可完成交易，从而导致三季报金额减少。计入“无形资产”的企业中，中远海科、观典防务的数据资源期末值较期初值有所减少，合理推测，上述两家企业计提了摊销。

3．报告

上述52家企业虽均在表内披露了数据资源，但三季报披露内容较为简单、披露形式较为单一，没有按照《暂行规定》对数据资源类型进行拆分。仅每日互动和上海钢联披露了数据资源的应用场景或业务模式等额外信息。而一季报和半年报分别有1家和9家企业披露摊销方法，多数采用直线法摊销，预计使用年限普遍为3至5年，圆通速递则采用了较长的5至10年的摊销期限。值得注意的是，每日互动和卓创资讯两家企业出于数据本身时效性的考虑选择了加速摊销法，且均确定摊销年限为5年。

季度报告本身的内容相对简单，公司按照格式要求完成相应内容填列即可（刘峰和赵永超，2024），其目的在于提供高效、精炼的信息摘要，而非详尽无遗的财务报告。同时，《暂行规定》的框架下，信息披露采取了“强制+自愿”相结合的模式，企业享有根据自身实际情况自愿披露的灵活性。因而，三季报以仅披露数据资源“表内金额”为主展现了信息披露的灵活性与针对性。但在资本市场投融资活动中，信贷机构更多以非国有上市公司的自愿性信息披露作为评估其潜在价值与风险的重要指标（鲍新中等，2023），三季报自愿性信息披露程度的降低可能影响决策准确性。

4．评述

（1）数据资源“入表”项目分布不均

三季报数据资源以存货“入表”的只有3家企业。不少学者认为，数据资源的会计处理与企业的商业模式和业务模式是否转移数据所有权属密切相关（袁红等，2022；黄世忠等，2023）。基于这些学者的观点，本文认为，数据资源“入表”类别分布不均衡，归根结底在于企业对商业模式和数据所有权属转移的综合判断存在差异。

根据《暂行规定》，数据资源按照《企业会计准则第6号——无形资产》（财会〔2006〕3号，下文简称无形资产准则）和《企业会计准则第1号——存货》（财会〔2006〕3号）等进行会计处理。不同商业模式下，数据资源主要通过内部成本削减和外部收益实现两种方式来创造价值。企业使用的数据资源能够服务于经营决策、业务流程，通过业务的数据化来提升自身或客户的盈利能力（胡亚茹和许宪春，2022）。但原始数据采集、加工等通常涉及商业机密，企业在对外提供服务时一般不愿意将所有权予以转移，更多是授予使用权，提供同质性的标准化产品。对外出售且授予使用权的商业模式下，若符合准则定义和确认条件，企业可将其确认为无形资产（黄世忠等，2023）。而企业日常活动中持有、最终目的用于出售的“存货——数据资源”，则通常始于客户的需求，具有高度定制化的特征，最终以交付数据产品的形式进行交易（张逸瑞和张津豪，2023）。基于客户个性化场景需求生产的定制化数据产品，其他方一般不能替代使用，即使是企业自身也难以就其获取几乎全部的经济利益。在数据产品交付且验收完成时，其所有权也随之转移。

简而言之，将数据资源确认为存货的关键在于该数据产品的所有权是否发生转移。由于数据权属、应用场景等限制，企业更多将数据资源用于自身的降本增效或业务流程中，如咨询行业中算法的输入信息、电力行业中大数据产品的分析依据，而高度定制化的、转移所有权的数据产品则较为少见。“入表”的数据资源以无形资产为主恰恰印证了上述观点。

（2）数据资源后续摊销方法不唯一

对于确认为无形资产的数据资源，其使用寿命和摊销方法的确定受管理层主观判断影响较大，加之使用寿命估计值在区间范围内合理分布，且有多种摊销方法可供选择，因此，同一无形资产在不同企业的使用寿命和摊销方法往往不尽相同。但根据无形资产准则第十七条和第十九条规定，上述披露部分摊销信息的企业均判断对应数据资源的使用寿命为有限的。进一步结合半年报，企业选取的“无形资产——数据资源”的摊销方法并不唯一，如卓创资讯就在半年报中披露其选用年数总和法按5年对数据资源进行摊销，每日互动披露选用加速摊销法按5年进行摊销，还有7家企业披露采用直线法进行摊销。

根据无形资产准则第十七条的规定，企业选择的无形资产摊销方法，应当反映与该项无形资产有关的经济利益的预期实现方式。由于不同数据资源对应产品的商业模式、所有权转移情况不同，摊销方法不唯一容易为投资者所认可。而根据无形资产准则第十九条的规定，使用寿命不确定的无形资产不应摊销。这可以减少数据资源相关会计处理的复杂性。但就目前披露信息看，没有企业选择将数据资源视为“使用寿命不确定的无形资产”，这很可能与数据资源自身特征相关。使用寿命的判断主要参照无形资产准则第十六条的规定，无法预见无形资产为企业带来经济利益期限的，应当视为使用寿命不确定的无形资产。“场景性”是数据资源有别于传统资产的特质之一，即数据资源价值与应用场景高度相关（Gu等，2022）。应用场景特定化为预见无形资产为企业带来经济利益期限的判断提供了条件，降低了企业评估数据资源收益的难度（汤珂，2023）。因此，数据资源难以符合无形资产准则中“使用寿命不确定的无形资产”相关定义。

此外，根据《企业会计准则第8号——资产减值》（财会〔2006〕3号）第四条的规定，若确认为“使用寿命不确定的无形资产”，企业每年都应当对其进行减值测试。而数据资源的减值测试需要复杂的评估过程，要体现其重复利用性、非实物等特征（张琪和程建君，2024），可能将会给企业带来额外负担。

（三）数据资源财务指标相关性检验

1．“不入表”情景下的财务指标模拟测算

数据资源“入表”对财务绩效的改善主要体现在以下两方面：一方面，数据资源“入表”有可能增加存货、无形资产和开发支出等报表项目的金额（赵英会和张喆，2024），进而降低企业的资产负债率；另一方面，费用化支出的减少使企业能够留存更多的利润，从而提高企业的销售净利率。本文对上述52家企业首次列报数据资源当期的财务状况进行分析，如卓创资讯第一次披露为一季报则模拟对应时点（一季报）“不入表”情况下的指标，并与实际指标进行对比，如表2所示。

表2　数据资源首次“入表”影响（前十）

注：资产负债率增减情况=实际资产负债率-模拟资产负债率；销售净利率增减情况=实际销售净利率-模拟销售净利率；模拟资产负债率=负债总额/（资产-数据资源总额）；模拟销售净利率=（净利润-数据资源总额）/营业总收入。

剔除将原有报表项目进行重分类的企业后，从表2中可以看出，首次披露数据资源“入表”当期，卓创资讯的资产负债率降低最多，降低0.28%；每日互动的销售净利率提高程度位于第一，为12.82%。但整体来看，资产负债率降低幅度不高，销售净利率提高程度不明显。可见，数据要素价值释放有限。

2．市场反应与财务指标的相关系数检验

为进一步研究数据资源“入表”对会计信息相关性的改善程度，本文采用事件研究法对企业披露数据资源前后的超额收益情况进行研究，利用市场反馈评估会计信息是否满足了决策者的需求。本文将各公司披露交易日选为0时点（如卓创资讯一季报为2024年4月26日）；选择0时点前后2个交易日作为事件期，即事件窗口为[-2，2]。本文参照陈浪南和姚正春（2000）的方法确定累计超额收益率，借助资本资产定价模型计算股票的预期正常收益率，结合实际收益率确定超额收益率（Abnormal Return，下文简称AR）、累计超额收益率（Cumulative Abnormal Return，下文简称CAR）。其中，β系数从东方财富Choice数据获取；市场收益率为上证A股日收益率；无风险利率以十年期国债日收益率近似确定（桂玉敏，2019；赵志君等，2023）。CAR[-2，2]的总体情况如表3所示（因篇幅限制，未列出每家企业的AR及CAR）。

表3　CAR[-2,2]描述性统计结果

⑤原为40家，因海科新源、华菱精工、华阳变速、如意集团、聚赛龙、首药控股6家企业可能存在错行填列等现象，予以剔除。

⑥剔除了合合信息，该公司于2024年9月26日首发上市，其他因素影响明显。

在不考虑其他因素的影响下，大部分企业数据资源“入表”有积极的市场反应。以每日互动为例，其半年报取得31.88%的CAR，当期数据资源“入表”使销售净利率（计算方法同表2）从-8.32%增至2.43%，实现扭亏为盈。然而，仍有部分企业的CAR为负数，这表明这些企业会计信息的相关性没有因数据资源“入表”得到改善。同时，相较于一季报和半年报，三季报传递出的信号强度有所减弱。由此可见，数据资源“入表”行为本身不足以保证产生正面的市场影响。

在此基础上，本文将三次财务报告披露的数据资源会计信息与同期的CAR进行相关性检验，旨在假设不存在其他重大影响因素的条件下，验证两者之间的相关性。具体而言，本文将每个企业在不同报告时点的财务指标和同期的CAR[-2，2]视为独立的数据点，例如海天瑞声在2024年的三份财务报告均披露了数据资源，则该公司需要分别检验三次CAR[-2，+2]。

由表4和表5可知，CAR与数据资源占总资产的比例和数据资源占净资产的比例正相关，且在5%的水平上显著。数据资源“入表”总体上传递了积极信号，为投资者提供了一个深入理解企业价值的途径。随着相关会计信息披露的完善，投资者可能会更加关注企业的资产结构（如数据资源占比），尤其是企业对数据资源的依赖程度和利用情况。

表4　各项指标的描述性统计

表5　市场反应与财务指标的相关系数矩阵

注：***、**、*分别表示在1%、5%、10%的水平上显著。

四、启示与建议

（一）启示

数据资源“入表”作为数字经济时代的重要创新实践，为会计信息的相关性提供了新的视角和机遇。然而，其在实际操作中仍面临诸多挑战，如数据资源规模较小、后续计量难度较大、信息披露不充分等。这些问题不仅影响了会计信息的相关性等质量特征，也在一定程度上限制了数据资源价值的充分释放。数据资源的高度流动性、快速贬值以及整合增值之间的矛盾，使得其长期效果尚待进一步检验。未来，随着数字经济的深入发展，数据资源的会计处理将面临更多挑战，如会计准则的修订完善、企业估值模式的重塑以及监管框架的全面升级等。这些因素将对会计信息的相关性提出更高要求，进而推动会计理论与实践的进一步发展。

（二）建议

监管层、上市公司与投资者均面临如何精准评估与高效利用数据资源价值的紧迫任务。监管层需确保数据资源“入表”的规范性与透明度，以维系市场秩序；上市公司需紧盯数据资源“入表”的即时经济回报与长远潜能，为战略调整提供指引；投资者则需深入分析数据资源对企业的影响，并作出投资决策。基于此，我们提出如下建议：

监管层应密切关注数据资源“入表”后的实际效果，通过财务报表和市场反馈评估其对资源配置优化、业务创新能力提升和融资能力增强等显性成效的影响。同时，强化上市公司对数据资源来源、性质、计量方法及使用情况的信息披露，确保信息的透明度和可理解性。此外，还需前瞻性地评估数据资源“入表”可能引发的长期影响，如企业竞争力重塑、创新能力提升和市场地位变化等，并建立长效跟踪评估机制，定期审视数据资源对企业发展的综合效应。同时，警惕资产泡沫、数据泄露及合规风险，制定应对策略。

上市公司应聚焦数据资源“入表”的即时经济效应，确保财务报表中数据资源信息的准确性和完整性，以提升会计信息的相关性。在实施过程中，严格遵循会计准则，确保数据资源的确认、计量与报告合规，降低操作风险。同时，加强内部管理，确保数据资源的安全合规使用，为企业的数字化转型和可持续发展奠定坚实基础。此外，上市公司还需预见数据资源“入表”的长期影响，灵活调整战略与业务模式，以适应数据驱动的新趋势。

投资者应细致审视上市公司财务报表中数据资源的披露细节，评估其对上市公司盈利能力、运营效率和市场竞争力的直接影响。同时，重视上市公司对数据资源信息的准确披露，为投资决策提供坚实基础。此外，投资者还需洞察数据资源“入表”可能带来的长期潜在价值，保持投资审慎，充分考虑伴随的风险与挑战。结合上市公司财务状况、市场前景及风险承受能力，作出理性决策。

综上所述，数据资源“入表”不仅是会计实务的创新探索，更是对会计学理论的挑战。这要求我们在会计理论的发展中，既要关注直接、显性的经济效果，也要重视间接、长期的影响与后果；既要坚持会计信息的基本定性特征，也要顺应数字经济的发展趋势，构建适应新环境的会计信息质量标准与评估体系。唯有如此，方能精准把握数字经济时代的脉搏，推动会计学不断前行，为经济社会的可持续发展提供更为坚实有力的信息支撑与决策依据。

主要参考文献：

［1］鲍新中，李佳航，谢文静，吴冬晓．知识产权自愿性信息披露、投资者信心与债务融资成本——来自创业板的文本信息证据[J]．财务研究，2023，（4）：63-72．

［2］陈芳，余谦．数据资产价值评估模型构建[J]．财会月刊，2021，（23）：21-27．

［3］陈浪南，姚正春．我国股利政策信号传递作用的实证研究[J]．金融研究，2000，（10）：69-77．

［4］陈思静，王磊，尹波，干胜道．朴素贝叶斯分类法与数据资产会计确认——难题与突破[J]．会计之友，2019，（19）：58-61．

［5］陈宗智，常欣．大数据资产走进大数据企业会计报表的研究[J]．经济师，2016，（9）：112-113．

［6］葛家澍．制定中国会计准则如何借鉴国际经验[J]．会计研究，1992，（2）：16-19．

［7］葛家澍，陈守德．财务报告质量评估的探讨[J]．会计研究，2001，（11）：9-18．

［8］桂玉敏．基于可持续增长的房地产行业EVA调整项目分析[J]．财会通讯，2019，（2）：79-83．

［9］郭莉平．扎根理论下企业财务报告质量影响因素研究[J]．北方经贸，2022，（9）：82-85．

［10］胡亚茹，许宪春．企业数据资产价值的统计测度问题研究[J]．统计研究，2022，39（9）：3-18．

［11］黄世忠．旧标尺衡量不了新经济——论会计信息相关性的恶化与救赎[J]．当代会计评论，2018，（4）：1-23．

［12］黄世忠．信息资源的七大定律及其确认与计量[J]．财会月刊，2020，（4）：3-9．

［13］黄世忠，叶丰滢，陈朝琳．数据资产的确认、计量和报告——基于商业模式视角[J]．财会月刊，2023，（8）：3-7．

［14］李永红，张淑雯．数据资产价值评估模型构建[J]．财会月刊，2018，（9）：30-35．

［15］刘峰，袁红，苏雅拉巴特尔，王世杰．再论财务报告的目标——兼评《企业数据资源相关会计处理暂行规定》[J]．会计研究，2023，（4）：3-15．

［16］刘峰，赵永超．表内还是表外：是个问题！——上市公司一季报数据资产入表情况分析[EB/OL]．（2024-06-07）．https://mp.weixin.qq.com/s/8Ox0FajnO4R4lDL5Zb1Dbw.

［17］刘国英，周冬华．IASB概念框架下数据资产准则研究[J]．财会月刊，2021，（21）：66-71．

［18］刘阳．基于增量收益法的数据资产计量研究[D]．中央财经大学，2022．

［19］罗玫，李金璞，汤珂．企业数据资产化：会计确认与价值评估[J]．清华大学学报（哲学社会科学版），2023，38（5）：195-209．

［20］吕艳娜，杨世忠．企业数据资产的会计处理研究[J]．商业会计，2022，（14）：33-36．

[21]孟凡利.论环境会计信息披露及其相关的理论问题[J].会计研究，1999，（4）：17-26.

［22］任保平，王思琛．新发展格局下我国数据要素市场治理的理论逻辑和实践路径[J]．天津社会科学，2023，（3）：81-90．

［23］上官鸣，白莎．大数据资产会计处理探析[J]．财务与会计，2018，（22）：46-48．

［24］汤珂．数据资产化[M]．北京：人民出版社，2023．

［25］唐莉，李省思．关于数据资产会计核算的研究[J]．中国注册会计师，2017，（2）：87-89．

［26］王恒金．影响财务报告质量的因素分析与解决的对策[J]．商业观察，2022，（14）：38-40．

［27］王竞达，马里斌，梅延拓．从2024年上市公司一季报看数据资源入表[EB/OL]．（2024-05-22）．https://mp.weixin.qq.com/s/EIG81NKBi8BhkLDRZ5WQ0A.

［28］王世杰，刘喻丹．论数据资产的确认及计量[J]．财会月刊，2023，（8）：85-92．

［29］温来成，莫钰杰，李林．财政政策导向、国有企业配合度与债务风险——基于最优杠杆率偏离度的检验[J]．中央财经大学学报，2024，（9）：20-34．

［30］吴水澎．会计准则理论·会计准则基本概念·会计基本理论——对我国会计理论研究的一些看法[J]．上海会计，1999，（7）：3-8．

［31］吴兆军，周年平．企业会计信息失真辨析及对策[J]．审计观察，2024，（3）：32-36．

［32］徐佳，崔静波．低碳城市和企业绿色技术创新[J]．中国工业经济，2020，（12）：178-196．

［33］许宪春，张钟文，胡亚茹．数据资产统计与核算问题研究[J]．管理世界，2022，38（2）：16-30．

［34］杨丰强，刘雨薇，张莉莹．全面注册制下A股退市格局、风险评估与防范对策[J]．经济纵横，2023，（10）：98-107．

［35］叶陈毅，聂莎莉，李娜．上市公司社会责任会计信息披露问题探讨[J]．企业经济，2011，30（6）：170-172．

［36］易平良．上市公司财务报告质量定性评价探研[J]．新会计，2021，（11）：14-17．

［37］袁红，陈雪颖，熊枫，刘峰．数字化与会计学研究：新理论、新问题与新方法——“数字化与会计：重构未来”国际学术研讨会会议综述[J]．会计研究，2022，（11）：183-189．

［38］张俊瑞，危雁麟．数据资产会计：概念解析与财务报表列报[J]．财会月刊，2021，（23）：13-20．

［39］张俊瑞，危雁麟．数据资产会计：现状、规制与展望[J]．财会月刊，2023，（12）：3-11．

［40］张俊瑞，危雁麟，宋晓悦．企业数据资产的会计处理及信息列报研究[J]．会计与经济研究，2020，34（3）：3-15．

［41］张琪，程建君．业财融合视角下数据资产会计处理探析[J]．财会通讯，2024，（3）：94-98．

［42］张雪，张楠，吴武清．数据资产的会计计量问题研究[J]．国际商务财会，2022，（1）：72-78．

［43］张逸瑞，张津豪．数据资源入表：怎么入？[EB/OL]．（2023-10-16）．https://mp.weixin.qq.com/s/Xhhn4vpjvYh9D6UtyrshWg．

［44］赵英会，张喆．企业数据资源会计核算例解与信息列报分析要点[J]．财务与会计，2024，（13）：39-43．

［45］赵志君，刘美欣，张晓奇．多风险资产的投资组合选择与异质性资产定价研究[J]．经济学动态，2023，（4）：59-78．

［46］Barth, M. E., Landsman, W. R., Lang, M. H. International accounting standards and accounting quality [J]. Journal of Accounting Research, 2008, 46（3）: 467-498.

［47］Dancer, H., Filieri, R., Grundy, D. eWOM in online customer support communities: Key variables in information quality and source credibility [J]. Journal of Direct, Data and Digital Marketing Practice, 2014, 15（4）: 290-305.

［48］Dechow, P., Ge, W., Schrand, C. Understanding earnings quality: A review of the proxies, their determinants and their consequences [J]. Journal of Accounting and Economics, 2010, 50（2/3）: 344-401.

［49］Gu, Y., Madio, L., Reggiani, C. Data brokers co-opetition [J]. Oxford Economic Papers, 2022, 74（3）: 820-839.

［50］Mattioli, M. Disclosing Big Data [J]. Minnesota Law Review, 2014, 99: 535.

［51］Păşcan, I. D. Measuring the effects of IFRS adoption on accounting quality: A review [J]. Procedia Economics and Finance, 2015, 32: 580-587.

［52］Schipper, K., Vincent, L. Earnings quality [J]. Accounting Horizons, 2003, 17: 97-110.

［53］Short, J., Todd, S. What’s your data worth？ [M]. MIT Sloan Management Review, 2017.

［54］Zeghal, D., Chtourou, S. M., Fourati, Y. M. The effect of mandatory adoption of IFRS on earnings quality: Evidence from the European Union [J]. Journal of International Accounting Research, 2012, 11（2）: 1-25.

Reconsidering the Relevance of Accounting Information:Evidence from Listed Companies’ Accounting Treatment for Data Resources

LI Shi, HONG Jinglun, CHEN Wei

Abstract: In the era of digital economy, the value of data as a key factor of production has become increasingly prominent. The Interim Provision on Accounting Treatment of Enterprise Data Resources has been in effect since January 1, 2024. This paper makes a statistical analysis of listed companies that disclose data resources in the three periodic reports in 2024, returns to the conceptual framework of financial reporting, and through the analysis of practical status, calculation of financial indicators and examination of market responses, hopes to practically assist the practitioners to understand the current accounting treatments of data resources and cope with relevant challenges, while theoretically provide inspiration for the academicians to explore how to revise accounting standards to fit for the era of digital economy.

Key words: data resources; data products; the quality characteristics of accounting information; accounting standards

（责任编辑　杨亚彬）

(1)参考刘峰等（2023），“入表”是会计上的术语，包括计入资产负债表和利润表，前者是作为主体的资产，后者则是计入当期损益。

(2)原为55家，因南京熊猫、应流股份、首药控股3家企业可能存在错行填列现象，予以剔除。

(3)原为18家，剔除恒信东方、博敏电子、平安电工3家企业。其中，恒信东方2024年8月30日公告取消一季报数据资源“入表”，博敏电子、平安电工在后续半年报和三季报中未再披露数据资源。

(4)具体指北京国际大数据交易所、上海数据交易所、广州数据交易所、深圳数据交易所、贵阳大数据交易所。