
大数据时代,解开企业信披“新密码”
为了在大数据时代寻找提高企业与投资者之间信息匹配效率的新途径,人们需要深入了解和认识大数据时代企业与投资者之间沟通方式的变革,以及其对企业信息披露的挑战。在这一原则指导下,美国大萧条之后通过不断规范企业和投资者之间的关系对资本市场进行了全面改革。
信息披露是改善企业与投资者关系的重要保障
路易斯·布兰迪斯早在100年前就提出:“阳光是最好的消毒剂,灯光是最好的警察。”从美国资本市场过去80多年的发展历史看,信息披露对市场监管和监督功能的发挥起了至关重要的作用。信息披露制度是规范和改善企业与投资者关系的重要保障。
所谓企业与投资者关系,是指企业向投资者披露相关信息,而为资本增值寻找途径的投资者根据这些信息来做出相应的投资决策。这种出资方和筹资方的关系类似于工人选择合适的共同基金或投资顾问来制定自己的养老金计划、机构投资者确定合适的长期投资项目,以及分析师选择合适的研究对象开展研究。
随着人类社会步入大数据时代,进一步改善投资者和企业之间的关系、创新企业信息披露模式,以保持和进一步发挥信息披露在资本市场发展中的重要作用显得越来越重要。在大数据时代,寻找和改善企业与投资者关系的新途径和提高投资者和企业之间匹配效率的新方法,也是监管机构面临的越来越重要的任务。
在此背景下,美国证券交易委员会正在对以下两个方面进行重要改革。
其一,改造现有的“电子化数据收集、分析及检索系统”(Electronic DataGathering,Anal-ysis,and Retrieval,下文简称EDGAR)。对EDGAR的改造是“为开发下一代电子信息披露系统而进行的一项长期改革”。
1995年,美国证券交易委员会投入使用EDGAR,电子文件从此代替传统的纸质文档,投资者通过网络随时获取自己所需的信息,大大加快了企业信息传播的速度。时至今日,EDGAR仍然充当着美国证券交易委员会的中央数据储存库的角色,每年接收来自企业、投资公司以及个人披露的信息文件多达70多万份。
其二,进一步加强企业和投资者之间的沟通交流,即提高“信息披露有效性”。例如,美国证券交易委员会最近颁布了“业务及财务披露”概念,并就企业信息披露的形式和内容问题进行大量调查和研究。但有必要指出,证券交易委员会在发布“业务及财务披露”这一概念时也有考虑不周,比如公司治理信息披露、公司业绩衡量(如非公认会计准则能否真实公允地计量公司业绩)等重要内容未能在文本中顾及到。
重新定位信息披露制度极具挑战
在大数据时代,企业和投资者越来越需要更新原有的交流方式———投资者需要更多更好的有用信息,企业也希望减轻信息披露负担。而大数据时代新技术的发展和利用可以使双方的诉求得以满足。
因此,美国证券交易委员会为了顺应时代发展而对大数据时代的企业信息披露制度进行了改革。所谓大数据时代的信息披露,指的是使用正确的技术、在正确的时间、提供正确的信息。为了保证上述两项改革的顺利进行,美国证券交易委员会需要拓宽视野,追求更高目标,例如对大数据时代企业信息披露概念进行重新定义、对企业和投资者的沟通交流方式进行重新定位等,这些都是极具挑战性的目标和需要长期完成的任务。
事实上,欲解开大数据时代企业信息披露的“新密码”,需回答以下3个问题。
投资者需要怎样的信息
企业向外披露信息时必须明确投资者现在和未来需要什么样的信息。有研究证明,投资者对企业信息的需求不在于量,而在于质。如果企业想在资本市场上成功筹集资金,就必须快速准确地把握投资者对信息的需求,并为其提供公平、中立并对决策有用的信息,让他们心甘情愿把钱投入到企业。投资者的信息需求会随着社会变化而变化,企业要想提高信息披露的效率,必须先了解投资者对信息的需求。
作为监管机构,美国证券交易委员会也要在规范企业信息披露中有效发挥其职能,例如向投资者征求书面意见、进行投资者测试等。“投资者测试”类似于很多私营企业所做的“消费者测试”。现在,投资者测试的重要性越来越引起了证券交易委员会的重视。
大数据时代,投资者所需信息内容也发生了变化。他们不再仅凭企业盈亏信息来进行投资决策,而是越来越意识到可持续发展的重要性。可持续发展战略一方面会对企业发展产生重大影响,另一方面也有利于增加投资者对企业的信心、信任以及企业员工的忠诚度。研究表明,越来越多的投资者会在决策时考虑企业关于环境保护、社会责任和公司治理等方面的发展战略。
有数据为证,在2014年初,美国投资基金旗下的资产中用于投资可持续发展的战略项目超过六分之一,总金额高达6.57万亿美元,比2012年初增长了76%,比1995年增长了927%,而且可以预见这种增长趋势还会在未来一段时间内持续下去。究其原因,一方面是因为进入新千年后社会意识形态发生了改变;另一方面,很多实证研究结果也表明采取可持续发展战略的企业业绩明显好于其他企业。因此,在制定信息披露制度时,证券交易委员会也需要充分考虑可持续发展理念对企业信息披露的影响。
除可持续发展理念外,网络安全和气候变化等一些风险因素也成了投资者关注的新热点。在大数据时代,投资者还希望了解企业如何应对大规模的网络攻击,以及全球气候变化对单个企业或某个行业发展的影响。
企业应该如何披露信息
在传统的纸媒时代,企业一般是根据信息使用者的阅读习惯来决定信息提供方式。企业提供的信息与信息使用者取得的信息是完全相同的。虽然现在投资者已经可以在网上或从EDGAR上查看企业披露的信息,但美国证券交易委员会在制定“业务及财务披露”概念时也只针对了纸媒时代的信息披露方式。大数据时代的电子信息披露方式方便了企业随时随地发布相关信息,信息披露格式也无需再局限于信息使用者的阅读习惯。比如在纸媒时代,印刷在报纸上的内容会根据其重要性分别安排在封面、中缝或封底等不同的版面,而在电子阅读环境下,信息使用者可以毫无差别地获取这些曾被区别对待的信息。
电子化信息披露要求企业提前准备结构化数据或机器可读的数据,以方便信息使用者获取或发布信息。结构化信息不再依据投资者获得信息的方式(阅读和处理模式)来决定企业信息披露模式(报告格式),大大提高了信息的披露效率。
例如企业可以把所需披露的信息进行“打包”后再向外发布。这些打包发布的文件包括了一旦发布就无需重复披露的公司基本信息,以及随时根据变化情况进行更新的业务数据库。结构化数据大大加快了企业的信息传播速度,同时也方便了分析师对不同企业的数据进行对比,降低了信息研究成本,加深了投资者对目标企业的了解,从而有助于企业在资本市场上成功筹集资金。对于那些需要不断对数据进行格式调整和重新打包的企业来说,结构化数据也降低了信息披露成本。
此外,信息及时性、相关性和可靠性也有助于提高资本市场上企业股票定价的有效性。可以预见,在不久的将来,信息使用者可以随时从智能手机或社交平台上查询美国证券交易委员所有的数据,自由地在数据平台上使用动态数据,快速对不同的企业进行对比。
目前,EDGAR上明文规定企业可使用的信息披露形式就有500多种。企业可以自行选择合适的披露形式,及时为投资者提供所需的信息。投资者所需的信息多种多样,结构化数据和机器可读的数据大大方便了投资者对企业信息的访问速度,更及时地为投资者提供了急需的信息。作为监管机构,证券交易委员会应尽量确保这些信息一旦形成便可以立即向外披露。当然,在企业信息向外披露之前,监管部门还应该对这些结构化数据的质量进行严格审查和监控,这会在一定程度上影响信息提供的及时性。
证券交易委员会在信息披露原则的修订中也应充分考虑这个问题。
企业采用何种形式披露信息
大数据时代的技术创新为企业向投资者披露可视性信息提供了可能性。
企业可以通过图像或视频的方式来向投资者披露信息,而投资者也有能力从图像资料中有效获取自己所需信息。也就是说,可视性信息披露不仅需要企业解决一系列的技术问题,还要求投资者具备一定的学习能力和素质。
例如,如果你需要了解某个企业的信息,你可以先打开该企业的信息导航图,再点击相应的信息导航图便可以获得企业财务报表等资料。现在,越来越多的投资者都通过手机访问互联网。企业应该思考如何在4英寸大小的手机显示屏上向股东披露更多更好的信息。
让我们冲破传统的文本信息和二维信息的局限,共同迎接可视性信息技术时代的到来吧!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14