可扩展商业报告语言(ExtensibleBusinessReportingLanguage，XBRL)是一种基于互联网，可跨平台操作，专用于商业领域中数据处理的计算机语言。它独特的技术优势使得全球商业领域发生了一场前所未有的信息化变革。在这种新的技术环境下，如何提高财务信息质量成为社会各界共同关注的焦点。本文通过规范研究的方法，详细分析了XBRL对财务信息质量的影响，得出了对XBRL分类标准进行扩展是提高财务信息质量的有效手段的结论，并将分类标准扩展的度量问题作为研究重点。即针对进入分类标准元素数量的多少，也就是扩展的细致、粗糙程度进行详细的研究后构建出了XBRL分类标准扩展的度量模型。该模型不仅为合理地选择元素提供科学依据，也为今后信息的选取和处理提供“基于信息粒度”这样一个全新的视角。　　本文从XBRL分类标准研究、XBRL对财务信息质量影响以及粒度理论这三个方面对国内外的研究现状进行了具体阐述。详细介绍了XBRL分类标准扩展的相关理论，并将粒度理论创新性的运用到XBRL分类标准扩展研究的理论框架中。通过深入分析XBRL对财务信息质量的影响，进而指出XBRL的分类标准是制约财务信息质量的关键因素。在此基础上，提出了分类标准必须扩展的构想，并将分类标准扩展的度量作为研究重点，构建出了XBRL分类标准扩展的度量模型。该模型重点解决了元素结构粒度的计算以及元素粒度控制的问题。最后以上交所XBRL应用平台上发布的中国神华能源股份有限公司和深交所的XBRL上市公司信息服务平台上发布的山西西山煤电股份有限公司为例进行了算例分析，具体计算了两家公司呈报的XBRL格式的资产负债表中“存货”科目，并利用模型对“存货”这一财务元素的度量问题进行了详细的分析和演示。