XBRL中的财务信息元素的粒度研究

XBRL财务报告分类标准(Taxonomy)的制定是XBRL财务报告实施的关键环节。XBRL财务报告分类标准制定中的一个重要问题是财务信息元素遴选。目前元素遴选所依据的方法很难实现量化判断,而财务信息元素的粒度能够为元素遴选提供可量化的参考依据。文章从财务信息元素出发讨论了描述财务信息元素粗糙程度的粒度这个概念。在此基础上提出了元素粒度度量模型,进一步研究了粒度量化度量的条件、原理和方法,并给出了具体算例。为解决分类标准制定过程中的问题,提高分类标准质量,提出了基于元素粒度的分类标准元素遴选模型,并阐述了如何在制定分类标准的过程中利用该模型进行元素遴选,以确定分类标准元素边界。     

分类标准的行业扩展有更高的完整性和效率性吗?

为了引导分类标准制定者创建高质量的行业分类标准,需要对不同扩展模式下分类标准的质量进行对比和评价。本文以频数法为基础,从重新定义和复用的视角,统计了信息元素的扩展频数和复用频数,形成了基于频数的密度和信息量,构造出了评价分类标准的完整性和效率性的质量测度,证明了分类标准行业扩展的完整性定理和效率性决定定理。最后,以石油行业上市公司样本中财务报告附注的信息元素为样本,评价了不同扩展模式的完整性和效率性,为分类标准的实践提供了理论依据和经验证据。     

商业报告供应链视角下的XBRL技术研究

文章通过比较商业报告供应链上的两种不同XBRL技术之间的异同点,发现两者在应用领域和数据特征等方面存在显著差异。文章采用混合本体策略,构建了一个商业报告供应链上的集成XBRL本体框架。统一的XBRL本体模型能够实现商业报告供应链上各环节的无缝连接,并彻底发挥XBRL的技术优势,同时为未来的XBRL研究提供了一个有益的方向。     

自愿性信息披露影响因素实证研究——基于XBRL分类标准视角

本文尝试使用XBRL这一实现财务报告量化披露的工具,从XBRL分类标准的视角,以"企业扩展元素总数"来度量自愿性信息披露的程度,使得强制性披露和自愿性披露的界限更加明晰,减少自愿性信息披露研究中可能出现的偏差.在此基础上本文还验证了公司规模越大,自愿性信息披露的程度越高.国有企业、高科技企业、负债程度较高和代理成本较低的企业都可能自愿披露更多的信息.最后本文还提出了相应的政策建议.     

中国XBRL财务报告分类标准研究——基于聚类分析的行业扩展视角

分析不同行业在信息披露的异同点有利于国家进行财务报告分类标准的行业扩展.本文以2011年上交所的815份XBRL报告实例为研究样本,对每家上市公司的XBRL报告实例与上交所分类标准进行匹配,通过实证分析发现不同行业在分类标准使用上存在很大程度的行业差异,但差异并非在所有行业之间都存在.通过聚类分析方法进一步研究,根据各报表项目的披露情况,将21个行业大类划分为7类,并为未来中国分类标准的行业扩展提供制定建议.