Anda di halaman 1dari 19

Pengaruh Peningkatan Pelaporan Frekuensi pada nonprofesional Investor Laba Prediksi

Abstrak : pelaporan lebih sering telah menjadi topik perdebatan selama beberapa tahun . Namun, sedikit yang diketahui tentang kemungkinan efek lebih sering pelaporan pada pengambilan keputusan investor . Menggunakan percobaan antara - subyek , saya menganalisis bagaimana frekuensi pelaporan - pendapatan mingguan , sebagai lawan laba kuartalan - mempengaruhi interval akurasi , dispersi dan keyakinan prediksi laba oleh investor non-profesional . Saya berhipotesis dan menemukan bahwa hasil pelaporan lebih sering dalam prediksi kurang akurat dan dispersi yang lebih besar dari prediksi untuk laba dengan pola musiman yang kuat . Saya juga berhipotesis , tetapi tidak menemukan dukungan , bahwa pelaporan lebih sering secara signifikan meningkatkan kepercayaanlebar interval antara investor non-profesional . Hasil penelitian menunjukkan bahwa investor dalam kondisi pelaporan lebih sering terlalu percaya meskipun prediksi akurat kurang mereka daripada mereka dalam kondisi pelaporan kurang sering . Kata kunci : frekuensi pengungkapan , perkiraan pendapatan , akurasi , kepercayaan investor ..

1 . Pengantar Frekuensi optimal pelaporan laba telah banyak dibahas . Pada satu ekstrim , beberapa perusahaan Eropa melaporkan setiap semester dan telah menolak upaya oleh regulator untuk meminta laporan triwulanan ( Komisi 2003 ) . Di lain ekstrim, perusahaan-perusahaan seperti Cisco , dengan menggunakan in- house teknologi , telah mengadopsi konsep pelaporan internal real-time , dan teknologi seperti XBRL ( eXtensible Bisnis Pelaporan Bahasa ) diharapkan untuk membuat pelaporan eksternal lebih sering kemungkinan lebih realistis bagi perusahaan ( Watson , McGuire dan Cohen , 2000) . Pelaporan lebih sering laba sering dianggap sebagai ketat menguntungkan bagi investor , sedangkan pelaporan kurang sering tidak menguntungkan . Seorang mantan Securities & Ketua Komisi Exchange, Harvey Pitt , berpendapat bahwa " pengajuan kuartalan menghasilkan out-of -date snap shot daripada jendela real-time " ( Levitt , 2002 ) . Hunton , Wright , dan Wright ( 2003 ) menemukan bahwa sampel dari 215 mangers keuangan , analis dan investor percaya bahwa meningkatkan frekuensi pelaporan laba akan meningkatkan kegunaan keputusan laporan keuangan dan kualitas laba . Sedikit yang diketahui tentang konsekuensi dari pelaporan lebih sering , namun. Salah satu manfaat utama dari pelaporan lebih sering meningkat ketepatan waktu informasi yang diberikan kepada investors.1 Mengimbangi manfaat ini , bagaimanapun, adalah potensi efek negatif pada penilaian subjektif . Evaluasi lebih sering dimungkinkan oleh pelaporan lebih sering pengembalian efek meningkatkan nonprofesional tayangan investor ketidakpastian pengembalian ( Gneezy dan Potters 1997 ) , dan lebih sering evaluasi laba bisa memiliki efek yang sama . Selain itu , data yang lebih besar set yang dihasilkan dari pelaporan lebih sering dapat meningkatkan beban kognitif investor , membuat pengenalan pola lebih sulit , dan membuatnya lebih mungkin bahwa nonprofesional mengandalkan heuristik sederhana. Teori pengolahan informasi manusia ( Schroder , Driver and Streufert 1967 ) menunjukkan bahwa ada hubungan berbentuk U terbalik antara beban informasi dan kualitas keputusan . Set data yang lebih besar dapat meningkatkan sejumlah kesalahan penilaian yang telah ditunjukkan dalam literatur psikologi : kegagalan untuk mendeteksi pola yang signifikan dalam seri data ( Klayman 1988) , salah identifikasi pola dalam serangkaian data non - acak ( Maines dan Tangan 1996) , atau

kecenderungan untuk melihat pola tidak ada dalam serangkaian acak ( Andreassen 1987 , 1990 , Bloomfield dkk , 2001; . Lim dan O'Connor 1996 dan O'Connor et al 1993 . ) . Investor non-profesional , yang tidak mungkin untuk menggunakan model statistik yang canggih untuk memprediksi laba , bisa sangat rentan terhadap efek pemrosesan informasi subyektif. Sebanyak 42 % kepemilikan di atas 1.000 Perusahaan-perusahaan AS terdiri dari investor non-profesional ( Redaksi , 2000) . Akibatnya , penelitian terbaru telah difokuskan pada penggunaan investor non-profesional ' laporan pendapatan untuk membuat penilaian tentang laba masa depan , risiko dan nilai perusahaan ( Maines dan McDaniel 2000; Bartov , Radhakrishnan dan Krinsky 2000; Maines dan Tangan 1996) . Dalam studi ini , aku eksperimen memeriksa bagaimana frekuensi pelaporan laba per saham mempengaruhi interval akurasi , dispersi dan keyakinan laba prediksi investor nonprofesional . Saya menguji efek dari frekuensi pelaporan ketika peserta secara acak ditugaskan untuk baik lebih sering ( mingguan ) atau kurang sering pelaporan ( triwulanan ) . Seri pendapatan mingguan dibangun sehingga pendapatan mingguan tidak memberikan keuntungan atau kerugian statistik dalam mengestimasi laba triwulanan. Akibatnya, studi ini hanya mengukur efek penilaian pelaporan lebih sering yang tidak karena perbedaan dalam konten informasi . Laba prediksi dan interval kepercayaan menimbulkan dari para peserta . Hasil penelitian menunjukkan bahwa , memegang isi informasi lebih dan kurang sering pelaporan konstan, pelaporan lebih sering mengarah ke kurang akurat dan lebih tersebar prediksi laba triwulanan. Anehnya , lebih sering pelaporan tidak menimbulkan interval kepercayaan besar oleh investor non-profesional . Bahkan , hasil menunjukkan bahwa investor dalam kondisi pelaporan lebih sering sama-sama percaya diri meskipun kurang akurat . Penelitian ini memberikan kontribusi terhadap perdebatan peraturan , baik di Amerika Serikat dan luar negeri , tentang kegunaan sering pelaporan lebih dari penghasilan . Regulator dan peneliti cenderung berfokus pada manfaat dari pelaporan lebih sering . Studi ini menunjukkan bahwa ada potensi biaya untuk penggunaan investor yang sering pelaporan dan biaya ini harus dimasukkan ke dalam perdebatan . Penelitian ini juga memberikan kontribusi terhadap time series sastra peramalan . Penelitian sebelumnya telah memeriksa efek periodisitas , 2 tren , musiman , kebisingan dan ketidakstabilan , tetapi belum meneliti bagaimana frekuensi pelaporan dapat mempengaruhi peramalan judgments. 3 Sisa dari makalah ini diorganisasikan sebagai berikut :

Bagian 2 berisi tinjauan literatur dan pengembangan hipotesis , Bagian 3 berisi desain eksperimental, Bagian 4 berisi hasil empiris , dan Bagian 5 kesimpulan. 2. Literature review dan hipotesis pengembangan Biaya dan manfaat relatif dari peningkatan frekuensi pelaporan telah lama menarik baik untuk manajer dan investor . Meskipun Securities and Exchange Act of 1934 khusus diizinkan SEC untuk mandat laporan keuangan tahunan maupun triwulanan untuk perusahaan bursa yang terdaftar , SEC awalnya dimandatkan laporan tahunan . Pada tahun 1945 , SEC diperlukan kuartalan pelaporan pendapatan tetapi tidak laba bersih , rupanya acquiescing kritik publik bahwa informasi pendapatan kuartalan akan dapat diandalkan dan berpotensi menyesatkan karena sifat musiman beberapa bisnis ' . Laporan triwulanan wajib tidak secara resmi diadopsi sampai 1970 setelah 1969 Wheat Commission. Pada tahun 1995 pidato SEC Komisaris Wallman menyerukan pertimbangan pelaporan lebih sering , menyatakan , " Hari ini , tahunan dan laporan triwulanan bahkan tidak menangkap dan mengkomunikasikan perkembangan materi dalam waktu yang cukup untuk memenuhi kebutuhan pasar informasi " ( Wallman 1995) . Pada tahun 2003 , sebuah proposal untuk sering pelaporan lebih dari penghasilan di Eropa , didorong oleh keinginan untuk lebih transparan , menimbulkan kekhawatiran bahwa kedua " short - termism " dan manajemen laba akan meningkat sebagai akibat dari pelaporan lebih sering ( Evans 2003) . Hasil di pasar modal literatur penelitian arsip menunjukkan bahwa investor non-profesional kurang berhasil menggabungkan sifat time series pendapatan dalam perkiraan mereka daripada investor profesional ( Abarbanell dan Bernard 1992; Yakub dan Lys 1996) . Meneliti investor non-profesional ' penilaian memiliki potensi untuk menambah validitas konvergen dengan hasil yang ditemukan di ibukota sastra pasar serta memberikan wawasan baru ke investor nonprofesional ' penggunaan data time -series . Pelaporan lebih sering dapat memiliki efek negatif pada penilaian subjektif dari nonprofessional investor yang mengimbangi potensi manfaat informasi , dan

memeriksa beberapa efek negatif pada penilaian adalah tujuan utama dari penelitian ini . Pertama saya menggambarkan model time series yang digunakan untuk menghasilkan data pendapatan dalam penelitian ini . Selanjutnya saya meringkas proses dimana pelaporan lebih sering dapat mempengaruhi penilaian investor non-profesional . Akhirnya , menggunakan teori dari literatur peramalan subyektif, saya memotivasi hipotesis saya tentang efek spesifik lebih sering pelaporan pada akurasi , dispersi prediksi dan ketidakpastian . Hipotesis ini dimulai dengan mengatasi efek dari nonprofesional ' menggunakan pelaporan baik lebih sering atau kurang sering . Meskipun teknologi akan memungkinkan investor akan dapat dengan mudah melihat kedua bentuk pelaporan , menganalisis bagaimana investor menggunakan baik lebih sering atau kurang sering pelaporan ini penting karena beberapa alasan . Ada kemungkinan bahwa investor mungkin percaya bahwa data yang lebih sering dilaporkan lebih informatif daripada yang sebenarnya atau yang lebih baru . Selain itu, mereka mungkin percaya pelaporan lebih sering menjadi lebih berguna jika membuat prediksi antara periode triwulanan. Namun , karena kemampuan kognitif individu, beberapa investor non-profesional dapat memilih untuk menggunakan lebih kecil dan kurang kognitif menuntut data yang kurang sering dilaporkan . Mereka juga dapat memilih untuk menggunakan kurang sering melaporkan informasi jika mereka tertarik untuk membuat prediksi dengan horizon waktu jangka panjang . Akhirnya , penting untuk memahami bagaimana awalnya investor menggunakan baik lebih atau kurang sering melaporkan informasi karena ini memberikan bukti terhadap efek lebih sering pelaporan dalam pengaturan sederhana , sehingga meminimalkan beban kognitif ditempatkan pada investor . tunggal Kondisi pengujian juga menyediakan investor dengan kesempatan terbaik untuk membuat prediksi yang akurat dan memungkinkan saya untuk membuat kesimpulan kuat tentang dampak pelaporan lebih sering . Model Laba Perilaku Analisis perilaku time series pendapatan bagi perusahaan AS menunjukkan bahwa setidaknya beberapa musim hadir dalam hampir setiap industri utama ( Palepu , Bernard dan Healy , 1996) . Sebagai bagian selanjutnya berpendapat , musiman adalah pola yang bisa lebih sulit bagi investor non-profesional untuk mendeteksi , memperkirakan , dan gunakan tepat ketika

pelaporan lebih sering meningkatkan volume data tersedia bagi mereka . Untuk menguji kemungkinan ini , saya menggunakan data pendapatan dengan pola musiman yang kuat , yang dihasilkan dari model Foster , yang umumnya diajarkan di kelas analisis laporan keuangan sebagai model laba - prediksi relatif sederhana dan efektif yang menangkap musiman ini effects.5 E [ Qt ] = Qt - 4 + + [ Qt - 1 - Qt - 5 ] ( 1 ) Dimana : Qt = Pendapatan kuartalan pada periode berjalan . Qt - 1 = Pendapatan kuartalan seperempat sebelumnya Qt - 4 = Pendapatan kuartalan 4 quarter sebelum Qt - 5 = laba Triwulan 5 kuartal sebelumnya = jangka panjang tren laba kuartalan dari tahun ke tahun semakin meningkat . = tahun perubahan tahun laba kuartalan mengalami paling baru [ Qt - 1 - Qt - 5 ] . Maines dan Tangan ( 1996 ) menunjukkan bahwa investor non-profesional subyektif dapat memperkirakan dan menggunakan komponen musiman dan autoregressive laba kuartalan series . Karena itu saya berharap bahwa investor non-profesional akan dapat menggunakan data laba kuartalan berdasarkan model Foster untuk memprediksi laba triwulanan masa depan , meskipun mungkin lebih sulit bagi mereka untuk melakukannya ketika mereka memiliki pendapatan yang lebih sering dilaporkan . Pengolahan Efek Lebih Sering Pelaporan Pelaporan lebih sering akan menghasilkan data yang lebih besar ditetapkan untuk jangka waktu tertentu , yang saya harapkan akan membuat identifikasi pola yang lebih sulit dan menyebabkan prediksi kurang akurat , penyebaran yang lebih besar dan ketidakpastian yang lebih tinggi untuk beberapa alasan . Pertama , set data yang lebih besar dapat meningkatkan beban kognitif dikenakan pada investor non-profesional , sehingga meningkatkan penggunaan heuristik sederhana seperti keterwakilan dan kebaruan yang dapat mempengaruhi akurasi dan dispersi dari prediksi . Kedua, pelaporan lebih sering juga mempengaruhi volatilitas dirasakan

laba . Pelaporan lebih sering dapat memiliki efek yang sama seperti ulasan lebih sering portofolio , yang telah dikaitkan dengan persepsi risiko yang lebih tinggi karena orang menilai risiko dengan frekuensi return negatif ( Gneezy dan Potters , 1997) . Pendapatan yang lebih sering dilaporkan cenderung memiliki lebih banyak pembalikan ( switch antara positif dan negatif perubahan laba ) dalam jangka waktu tertentu sehingga cenderung memiliki perubahan negatif lebih sering yang mungkin memiliki efek yang sama pada persepsi risiko sebagai frekuensi pengembalian negatif. Karena investor non-profesional telah terbukti keliru menggunakan frekuensi laba pembalikan terakhir, sebagai indikasi kemungkinan pembalikan masa depan ( Bloomfield dan Hales 2002) sejumlah besar pembalikan dapat menyebabkan persepsi ketidakpastian yang lebih tinggi . Pengaruh Peningkatan Frekuensi pada Akurasi Pelaporan lebih sering dapat mempengaruhi keakuratan investor non-profesional ' laba prediksi karena peningkatan kebisingan yang berhubungan dengan data yang lebih temporal terpilah . Ini dengan mudah dapat diilustrasikan secara visual . Perhatikan, misalnya , data musiman identik disajikan dalam format baik mingguan dan triwulanan ( Gambar 1 dan 2 masing-masing). . Fluktuasi mingguan dalam data pada Gambar 1 dapat mengaburkan pendapatan kuartal ke-4 peningkatan yang muncul lebih jelas pada Gambar 2 . Jika pola musiman ( atau lainnya ) dikaburkan oleh fluktuasi mingguan , prediksi yang kurang akurat dapat diharapkan . Lebih sering pelaporan ( yaitu , Gambar 1 ) juga bisa menyebabkan tuntutan kognitif yang besar, sehingga dalam penggunaan heuristik dan bias diprediksi . Penelitian menunjukkan bahwa informasi yang berlebihan dapat terjadi dengan sesedikit tujuh plus atau minus dua item ( Miller 1956) . Ketika investor non-profesional memproses sejumlah besar data, mereka tidak mungkin untuk fokus secara konsisten pada bagian yang paling relevan dari data ( Bouwman 1982) . Dihadapkan dengan tingkat tinggi beban informasi , investor nonprofesional cenderung untuk menggunakan heuristik untuk membantu dalam proses pengambilan keputusan . Salah satu kemungkinan adalah bahwa mereka akan mengurangi beban informasi mereka dengan hanya menggunakan data terbaru sebagai dasar untuk prediksi mereka . Efek Kekinian ( Tversky dan Kahneman 1974) merupakan suatu penerapan heuristik keterwakilan , karena orang percaya data terbaru paling mewakili karakteristik saat seri pendapatan. Hunton

dan McEwen ( 1997) menemukan kebaruan yang sebagian dapat menjelaskan perkiraan pendapatan kurang akurat oleh para analis . Efek dari kemutakhiran akan berbeda di setiap kondisi frekuensi pelaporan , namun. Perhatikan, misalnya , skenario di mana investor nonprofesional diberikan tiga tahun laba yang dilaporkan . Asumsikan bahwa investor nonprofesional hanya kognitif dapat memproses 12 titik data . Dalam kasus laporan triwulanan , 12 titik data menyediakan tiga tahun data , yang memberikan investor non-profesional kesempatan untuk mengidentifikasi dan menggunakan sifat musiman pendapatan . Dalam kondisi pelaporan mingguan, sebaliknya, data poin 12 lalu tidak cukup sebagai dasar untuk memperkirakan sifat musiman pendapatan . Akibatnya , efek recency kemungkinan akan menyebabkan prediksi yang kurang akurat dalam kondisi pelaporan lebih sering daripada di kondisi pelaporan kurang sering . HIPOTESIS 1 . Kesalahan prediksi mutlak investor non-profesional ' akan lebih besar dalam kondisi pelaporan lebih sering daripada di kondisi pelaporan kurang sering .

Pengaruh Peningkatan Frekuensi pada Dispersi Dispersi harapan tentang pendapatan penting dalam praktek karena dapat menyebabkan peningkatan volume perdagangan . Kesalahan diperkirakan pada H1 meliputi dispersi dan bias , H2 berfokus pada dispersi saja . Laba prediksi kemungkinan akan tersebar bahkan ketika prediksi subjektif individu didasarkan pada data yang sama , karena kemampuan untuk mengelola beban kognitif meningkat dan strategi untuk melakukannya mungkin berbeda di seluruh investor non-profesional individu. Perbedaan individu diharapkan memiliki efek yang lebih besar dengan pelaporan lebih sering . Ketika pelaporan kurang sering , laporan sedikit yang dihasilkan selama periode waktu tertentu . Kebanyakan investor non-profesional kemudian dapat menggunakan cukup set data yang besar ( misalnya , 12 laporan kuartalan selama tiga tahun ) untuk mengidentifikasi pola penting dalam data, sehingga dispersi rendah prediksi . Tiga tahun data mingguan , bagaimanapun, termasuk 156 laporan pendapatan . Banyak investor non-profesional tidak akan menggunakan semua data ini , dan mereka akan berbeda sehubungan dengan berapa banyak yang mereka gunakan dan apa kesimpulan yang mereka menarik dari itu .

Orang sering cenderung melihat tren atau goresan dalam seri data yang benar-benar acak, tetapi mereka tidak semua melihat tren identik atau goresan ( Andreassen , 1987 , 1990; Bloomfield dkk , 2001; . Lim dan O'Connor , 1996 dan O'Connor et al . , 1993) . Demikian pula , investor non-profesional sering salah mengidentifikasi pola-pola dalam seri data yang nonrandom . Misalnya , Maines dan Tangan ( 1996) menemukan bahwa investor non-profesional salah terdeteksi komponen autoregressive dalam musiman kuartalan acak berjalan data. Jumlah yang lebih besar dari titik data dan perubahan lebih sering arah dalam pelaporan lebih sering kondisi menawarkan kesempatan bagi individu untuk melihat berbagai pola yang lebih besar tidak ada , serta menutupi pola yang sebenarnya dalam data . Karena perbedaan individu dalam proses kognitif , dispersi lebih dalam prediksi kemungkinan akan menghasilkan kondisi pelaporan lebih sering . HIPOTESIS 2 . Varian prediksi akan lebih besar dalam kondisi pelaporan lebih sering daripada di kondisi pelaporan kurang sering . Pengaruh Peningkatan Frekuensi pada Ketidakpastian Sebelumnya penelitian eksperimental telah mendokumentasikan bahwa penilaian risiko investor meningkat dengan variabilitas pendapatan ( Maines dan McDaniel 2000; Lipe 1998 ) . Lebih sering pelaporan laba dapat meningkatkan ketidakpastian subyektif atau variabilitas dirasakan laba pada investor non-profesional , karena mereka tidak akan data agregat temporal cakrawala waktu yang relevan dan akan menggunakan fluktuasi jangka pendek dalam pendapatan sebagai dasar untuk menilai ketidakpastian untuk horizon waktu yang lebih lama . Jika , seperti yang sering terjadi , nonprofesional adalah investor membeli- dan -terus bukan pedagang sering , jangka waktu mereka relatif lama , tetapi jika pelaporan lebih sering tersedia bagi mereka , mereka dapat fokus pada fluktuasi jangka pendek , seperti investor yang meninjau portofolio pensiun mereka triwulanan atau setiap tahunnya meskipun horizon waktu mereka dua puluh tahun ( Benartzi dan Thaler 1995). Dalam percobaan, saya meminta orang untuk prediksi dan interval kepercayaan untuk pendapatan kuartalan , terlepas dari apakah mereka memiliki mingguan atau kuartalan laporan pendapatan . Horison waktu yang relevan dalam hal ini adalah triwulanan , dan volatilitas laba kuartalan lebih relevan untuk penilaian

individu daripada volatilitas pendapatan mingguan . Sangat mungkin , bagaimanapun, bahwa setidaknya beberapa individu akan bukan data mingguan spontan agregat menjadi data kuartalan, dan akan menggunakan fluktuasi mingguan untuk menilai ketidakpastian laba triwulanan. Menggunakan data aset - kembali , dan Gneezy Potters ( 1997 ) menunjukkan bahwa evaluasi yang lebih sering meningkatkan risiko investasi yang dirasakan karena orang menilai risiko dengan frekuensi return negatif ( return negatif lebih sering dapat diamati selama periode waktu tertentu jika orang meneliti return bulanan , misalnya , daripada pengembalian tahunan ) . Demikian pula , Thaler et al . ( 1997 ) menunjukkan bahwa frekuensi evaluasi meningkat , investor memilih untuk berinvestasi kurang dalam aset berisiko . Seperti kembali , pendapatan yang lebih sering dilaporkan akan mencakup lebih fluktuasi ( switch antara perubahan positif dan negatif ) , dan dengan demikian lebih negatif perubahan laba . Frekuensi perubahan tersebut dapat menyebabkan investor non-profesional untuk melihat lebih sering melaporkan laba sebagai lebih stabil , yang menyebabkan ketidakpastian tinggi tentang laba masa depan. Di sisi lain , penelitian telah menunjukkan bahwa individu sering sering terlalu percaya ketika disajikan dengan pengamatan lebih atau titik data ( Oskamp , 1965; Hoge , 1970; Slovic , 1973 ) . Teori juga menunjukkan bahwa terlalu percaya ini ada bahkan ketika kinerja individu tidak meningkat . Jika terlalu percaya ada ini akan mengakibatkan ketidakpastian yang lebih rendah dan akibatnya interval kepercayaan sempit yang dihasilkan oleh individu . Pelaporan lebih sering cenderung memiliki kedua perubahan sering negatif dan fluktuasi lebih dalam data , yang akan menyebabkan investor non-profesional untuk menyatakan interval kepercayaan luas sekitar pendapatan kuartalan prediksi mereka . HIPOTESIS 3 . Investor non-profesional yang menerima laporan pendapatan lebih sering akan menunjukkan interval kepercayaan luas sekitar pendapatan kuartalan prediksi mereka daripada mereka yang menerima laporan laba kurang sering 3 . Desain eksperimental Desain eksperimental dan Variabel Dependent. Rancangan percobaan adalah 2 ( frekuensi pelaporan : kuartalan atau mingguan ) x 2 ( seri laba dibuat dengan dua kesalahan acak yang berbeda menarik ) x 2 ( arah perubahan : kenaikan atau penurunan antara laba aktual

dalam periode terakhir dilaporkan dan laba yang diharapkan seperti yang diperkirakan oleh model Foster pada periode diperkirakan ) . Lihat Bagian 3.2 untuk penjelasan menarik kesalahan acak dan variabel arah. Ketiga variabel dimanipulasi antara subjek . Variabel dependen diperiksa adalah 1 ) akurasi prediksi pendapatan kuartal depan , diukur dengan perbedaan mutlak antara prediksi dan pendapatan diperkirakan oleh model , 2 ) dispersi prediksi , diukur dengan varians ' prediksi dan 3 ) ketidakpastian , yang diukur dengan peserta peserta interval kepercayaan . Hipotesis 1-3 diuji dengan membandingkan kinerja penghakiman seluruh kondisi frekuensi . Variabel Independen dan Data Tugas peserta adalah untuk memprediksi laba kuartalan per saham berdasarkan data historis . Dalam kondisi pelaporan lebih sering , peserta menerima sejarah penghasilan mingguan data per saham . Dalam kondisi pelaporan kurang sering , peserta menerima laba kuartalan sejarah data per saham . Model Foster digunakan untuk membuat data pendapatan dengan kuat musiman kuartal keempat . Pendapatan kuartalan awal adalah orang-orang dari Compaq Computer Perusahaan untuk tahun 1993, yang buku teks banyak digunakan mempekerjakan sebagai contoh pendapatan yang dapat diprediksi dengan model Foster ( Palepu et al . , 1996) . Pendapatan diharapkan pada kuartal berikutnya yang dihasilkan menggunakan nilai Compaq untuk phi ( ) parameter .49 dan delta ( ) parameter .09 . Dalam rangka untuk membuat data mingguan pertama 5/4 dihasilkan dari proses awal yang dipilih . Setiap triwulan dibagi menjadi 13 minggu yang sama dan model Foster asli diadaptasi untuk membuat data mingguan , sehingga persamaan berikut : E [ Wi ] = Wit - 4 + + [ Wit - 1 - Wit - 5 ] ( 2 ) Dimana : Wi = Mingguan laba dalam minggu ini . Wit - 1 = laba pada minggu aku seperempat sebelumnya Wit - 4 = Pendapatan dalam seminggu i 4 quarter sebelum Wit - 5 = The laba pada minggu aku 5/4 sebelum w = Tahun ke tahun mingguan laba meningkat .

w = Sebuah bagian dari tahun ke tahun terus meningkat dalam pendapatan mingguan berpengalaman paling baru [ Wit - 1 - Wit - 5 ] Model Foster disesuaikan untuk perhitungan mingguan kemudian digunakan untuk menghasilkan pendapatan mingguan per saham . Sejumlah kecil kesalahan acak N ( 0 , 01) ditambahkan ke setiap titik data mingguan . Instrumen akhir mingguan terdiri dari 156 minggu disajikan dalam 13/4 minggu . Data kuartalan dan instrumen diciptakan dengan menjumlahkan masing-masing 13 minggu data dan penyajian hanya total kuartalan . Seri pertama laba diciptakan seperti dijelaskan di atas . Yang kedua dibuat dengan menggunakan periode yang berbeda 156 - minggu dari data yang dihasilkan oleh Foster model6 dengan arah yang berbeda perubahan antara laba kuartal dilaporkan lalu dan pendapatan diperkirakan untuk kuartal berikutnya dengan model Foster . Dalam salah satu seri (kenaikan perkiraan - periode ) , perkiraan pendapatan kuartal berikutnya yang lebih tinggi dibandingkan laba kuartal dilaporkan lalu , sementara di seri lainnya (penurunan periode diperkirakan ) , mereka lebih rendah . Dua versi dari peningkatan seri dan dua versi dari penurunan seri diciptakan dengan menambahkan dua set berbeda kesalahan acak menarik dari N yang sama ( 0 , .01 ) distribusi ke mingguan diharapkan laba yang dihasilkan dari model Foster mingguan . Arah prediksi dan menarik kesalahan acak dimanipulasi untuk memastikan bahwa hasilnya tidak unik untuk serangkaian data tunggal . Data mingguan yang digunakan dalam penelitian ini dibangun untuk memastikan bahwa konten informasi real adalah konstan di kondisi mingguan dan bulanan dan perbedaan antara kondisi eksperimental adalah karena perbedaan dalam pengolahan subyektif. Apabila data mingguan yang sebenarnya telah kurang informatif daripada data kuartalan , hal ini akan menambah efek negatif dari laporan mingguan . Jika , di sisi lain, data mingguan telah lebih informatif daripada data kuartalan , kinerja penghakiman akan lebih baik daripada data kuartalan, tetapi masih akan suboptimal jika pelaporan lebih sering disebabkan negatif psikologis effects.7 Tugas eksperimental dan Prosedur Peserta menerima paket bersama dengan lembar instruksi . Setiap paket berisi formulir persetujuan , bahan kasus , dan kuesioner pasca - percobaan . Bahan kasus memberitahu peserta

bahwa kuartal akhir terbaru untuk perusahaan target adalah 31 Desember 2003 . Peserta diminta untuk memprediksi laba untuk kuartal pertama tahun 2004 . Dalam kondisi pelaporan lebih sering , hati-hati khusus ditambahkan untuk memastikan bahwa subjek memberikan kuartalan dan bukan prediksi mingguan . Peserta menerima data pendapatan di kedua tabel dan bentuk grafik . Selain itu, disk yang berisi data tabular juga diberikan kepada peserta untuk membantu dalam perhitungan jika mereka diinginkan . Sesi eksperimental terjadi di komputer laboratorium , dan semua peserta memiliki akses ke spreadsheet . Setelah membuat mereka prediksi , peserta diminta untuk menghasilkan setara interval kepercayaan 90 % . Lihat Lampiran untuk contoh instrumen . Pada akhir tugas prediksi , kuesioner pasca - percobaan diberikan . Pertanyaan yang disertakan pada peserta ( 1 ) pengalaman pasar saham , ( 2 ) keuangan dan pengetahuan statistika , ( 3 ) sikap risiko, ( 4 ) penilaian tentang volatilitas yang dirasakan dari data, dan ( 5 ) laporan tingkat kepentingan dan pengaruh periode waktu terbaru dalam penilaian mereka . Yang terakhir ini memungkinkan untuk identifikasi efek kebaruan . Pertanyaan ditargetkan untuk menilai pemahaman peserta dari jangkauan dan varians juga termasuk dalam kuesioner pasca percobaan . Akhirnya peserta diminta untuk menjelaskan secara rinci bagaimana mereka dihasilkan prediksi mereka. Peserta mendapatkan kredit kelas untuk berpartisipasi dalam percobaan . Selain itu, peserta dengan prediksi dalam $ 0,04 dari laba aktual per saham memperoleh tambahan $ 10. Peserta Peserta dalam percobaan ini adalah 84 tahun pertama dan kedua mahasiswa MBA dan Magister Akuntansi mahasiswa dari universitas negara besar di Midwest . Peserta direkrut dari kelas analisis laporan keuangan MBA . Hasil dari 12 peserta tidak dilibatkan karena mereka menghasilkan laba prediksi mingguan bukannya pendapatan kuartalan prediksi , mengakibatkan 72 peserta yang digunakan dalam analisis. Dua puluh dua ( 31 % ) dari peserta menunjukkan mereka telah berinvestasi pengalaman, yang berkisar antara satu bulan sampai 84 bulan . Jumlah rata-rata program keuangan tingkat universitas yang diambil adalah tiga dan rata-rata jumlah kursus statistik yang diambil oleh peserta adalah dua . Pengumpulan data dilakukan dalam satu

hari dengan beberapa peserta menghadiri sesi pagi sementara yang lain menghadiri sesi malam. 4 . Hasil Ikhtisar Hipotesis 1-3 tes antara subyek - efek pelaporan lebih sering pada ketidakpastian , kesalahan prediksi mutlak dan dispersi dari prediksi . Oleh karena itu, hanya data dari tugas pertama yang digunakan dalam analisis , sedangkan data dari tugas kedua digunakan untuk menganalisis pertanyaan penelitian . Tabel 1 laporan korelasi antara frekuensi pelaporan , akurasi , dan interval kepercayaan untuk tugas pertama . Korelasi antara kesalahan prediksi mutlak dan frekuensi pelaporan adalah sedikit signifikan ( r = .21 , p < .08 ) . Selain itu, ada hubungan yang signifikan antara kesalahan prediksi mutlak dan ketidakpastian ( r = .27 , p < .02 ) . ANOVAs digunakan untuk menguji H1and H3 meliputi variabel independen tambahan untuk menguji efek dari set data investasi yang sebelumnya berbeda dan / peserta atau efek menerima dari sesi dan ( random menyertakan imbang kesalahan dan arah prediksi ) serta frekuensi pelaporan . Saya juga diuji untuk efek pengalaman variabel dalam ANOVAs dilaporkan ketika mereka memiliki efek utama atau interaksi yang signifikan ( p < .05 ) . Uji hipotesis 1 H1 menyatakan bahwa investor non-profesional ' laba prediksi akan kurang akurat , yang diukur dengan kesalahan prediksi absolut mereka , dalam kondisi pelaporan lebih sering daripada di kondisi pelaporan kurang sering . Tabel 2 Panel A melaporkan sel dan standar deviasi . Seperti yang diharapkan , kesalahan prediksi absolut lebih besar ( rata-rata = 0,14 ) dengan pelaporan lebih sering dibandingkan dengan kurang sering pelaporan (mean = .09 ) . Perbedaan ini bermakna , seperti yang ditunjukkan oleh efek utama frekuensi di ANOVA dilaporkan dalam Tabel 2 , Panel B ( F = 4,04 , p <.05 ) . Ada juga efek utama arah ( F = 15,83 , p < .00 ) dan imbang kesalahan acak ( F = 25,16 , p < .00 ) . Namun , tidak ada interaksi yang melibatkan faktor-faktor dan frekuensi (semua F < 1,54 , p itu > .22 ) . Hasil ini memberikan dukungan untuk H1 .

Dua set analisis tambahan dilakukan untuk memberikan informasi tambahan tentang efek pengalaman dan sifat dari kesalahan yang dilakukan oleh peserta . Meskipun efek utama pengalaman dan frekuensi dengan interaksi pengalaman tidak signifikan , saya membandingkan kesalahan prediksi yang lebih dan kurang berpengalaman peserta untuk meredakan kekhawatiran bahwa efek frekuensi mungkin sebagian besar tergantung pada peserta yang kurang berpengalaman . Secara kualitatif , analisis menunjukkan bahwa perbedaan antara kelompok frekuensi lebih besar bagi mereka peserta yang menunjukkan mereka telah berinvestasi pengalaman . Di sini , pengalaman diperlakukan sebagai kategoris , 0 - 1 variabel mana 1 merupakan pengalaman investasi sebelumnya dan 0 sebaliknya. Dalam ANOVAs digunakan untuk menguji hipotesis , pengalaman dimasukkan sebagai variabel kontinu , jumlah bulan pengalaman investasi . Bagi peserta yang berpengalaman rata-rata kesalahan prediksi mutlak adalah 08 dalam kondisi pelaporan kurang sering dan .14 dalam kondisi lebih sering . Bagi peserta berpengalaman rata-rata adalah 0,10 dalam kondisi pelaporan kurang sering dan .14 dalam kondisi lebih sering . Demikian hasil tidak didorong oleh peserta kurang berpengalaman dalam percobaan . Kesalahan prediksi mutlak dapat mencakup kesalahan acak dan kesalahan sistematik (error ditandatangani atau bias) . Error berarti ditandatangani adalah 01 dan tidak signifikan berbeda dari nol ( t = 0,77 , p < .44 ) . Analisis kesalahan prediksi ditandatangani mengungkapkan efek utama menarik acak error ( F = 14,75 , p < .00 ) tapi tidak ada efek utama frekuensi ( F = 0,00 , p < .95 ) dan tidak ada interaksi yang signifikan antara frekuensi dan acak kesalahan imbang ( F = .38 , p < .54 ) . Bias secara signifikan lebih besar dari 0 ( t = 4.82 , p < . 00 ) dengan satu hasil imbang kesalahan acak , meskipun tidak signifikan dari 0 dengan lainnya ( t = -.87 , P < .39 ) . Uji Hipotesis 2 H2 memprediksi bahwa penyebaran prediksi akan lebih besar dalam lebih Kondisi pelaporan sering daripada dalam kondisi pelaporan kurang sering . Tabel 2 , Panel C melaporkan varians dari perkiraan pendapatan peserta dan hasil uji- F untuk varian yang sama . Mengingat hasil uji H1 dan tidak adanya bias penghakiman , dispersi penilaian harus lebih tinggi

dalam kondisi pelaporan lebih sering . Dengan demikian , varians untuk pelaporan lebih sering Kondisi adalah 0.016 dan varians untuk kondisi pelaporan kurang sering adalah 0.006 ( F = 2,56, p < .00 ) . Hasil ini mendukung H2 . Uji hipotesis 3 H3 memprediksi ketidakpastian itu, diukur dengan lebar selang kepercayaan , akan lebih besar dalam kondisi pelaporan lebih sering . Interval kepercayaan rata-rata adalah 0,57 untuk kedua kurang dan lebih sering kondisi pelaporan . Hasil ANOVA untuk tugas 1,8 ditunjukkan pada Tabel 2 , Panel D , menunjukkan tidak ada efek utama frekuensi ( F = .09 , p < .76 ) . Tidak ada efek utama lain atau interaksi hadir (semua F < 2,44 , p semua itu > .13 ) . Diskusi Hypotheses1 - 3 Hasil Konsisten dengan prediksi saya , pelaporan lebih sering menghasilkan kesalahan prediksi yang lebih besar dan penyebaran yang lebih besar dari prediksi . Meskipun peserta kurang akurat dalam kondisi pelaporan lebih sering , mereka tidak kurang percaya diri , yang diukur dengan interval kepercayaan mereka. Bahkan, interval kepercayaan tidak berbeda dalam kondisi pelaporan lebih sering dibandingkan dengan mereka dalam kondisi pelaporan kurang sering . Hasil ini menunjukkan terlalu percaya pada bagian dari investor dalam pelaporan lebih sering condition.9 Hasil ini konsisten dengan literatur yang menunjukkan keyakinan bahwa meningkat - sementara akurasi tetap sama atau penurunan - dengan penambahan informasi lebih lanjut ( Oskamp , 1965; Hoge , 1970; Slovic , 1973 ) . Terlalu percaya Investor bermasalah karena beberapa alasan : Pertama, jika investor menggunakan data yang lebih sering dilaporkan adalah percaya diri , mereka cenderung melihat kurang sering dilaporkan data, yang akan membantu memperbaiki kesalahan yang disebabkan oleh pelaporan lebih sering . Kedua, investor terlalu percaya mungkin gagal untuk menyadari bahwa mereka berada pada kerugian informasi ketika membuat prediksi dan keputusan perdagangan selanjutnya . Ketiga , terlalu percaya dapat menyebabkan investor untuk tidak bereaksi terhadap informasi baru . Hal ini dapat mengakibatkan investor yang memegang keamanan kehilangan terlalu lama atau menjual keamanan menang terlalu cepat (yaitu , efek disposisi ) . Akhirnya , terlalu percaya

menyebabkan peningkatan perdagangan yang telah terbukti memiliki efek negatif pada investor (yaitu , Odean 1999; Barber dan Odean 2000) . Konsisten dengan penjelasan terlalu percaya , peserta tidak menganggap tugas yang lebih sulit bila menggunakan data yang lebih sering dilaporkan . Dalam lebih sering peserta kondisi pelaporan memiliki kesulitan yang dirasakan Peringkat dari 3,73 , sedangkan pada pelaporan kurang sering memiliki rating 3,33 ( F = .57 , P < .45 ) . Jika peserta telah dianggap volatilitas lebih besar dan dirasakan tugas yang lebih sulit dalam kondisi pelaporan lebih sering , mereka akan menghasilkan interval kepercayaan yang lebih luas menunjukkan ketidakpastian lebih . Bertentangan dengan harapan, persepsi peserta volatilitas tidak terpengaruh oleh laporan lebih sering . Pada kelompok pelaporan lebih sering , peserta memiliki rating volatilitas dirasakan 4,05 sedangkan pada kondisi pelaporan kurang sering memiliki rating sebesar 4,54 ( F = 1,25 , p < .27 ) . Hasil yang terkait dengan volatilitas yang dirasakan tidak sesuai dengan temuan Gneezy dan Potters ( 1997) , yang menyatakan risiko dianggap harus meningkatkan dengan pelaporan lebih sering . Hasil dari analisis korelasi juga mengkonfirmasi hasil yang diperoleh dari pengujian hipotesis . Sementara ada korelasi positif yang signifikan antara kesulitan yang dirasakan dan volatilitas yang dirasakan ( .24 , p < .04 ) , tidak ada korelasi yang signifikan antara kesalahan prediksi mutlak dan volatilitas yang dirasakan ( - .04 , p < .72 ) atau kesalahan prediksi mutlak dan dirasakan kesulitan ( - .04 , p < .73 ) . Demikian pula , tidak ada korelasi yang signifikan antara interval kepercayaan dan volatilitas yang dirasakan ( .07 , p < .54 ) atau interval keyakinan dan kesulitan yang dirasakan ( .03 , p < .82 ) . Meskipun aku tidak berhipotesis efek arah prediksi atau imbang kesalahan acak , ANOVAs mengungkapkan efek utama dari kedua faktor ini pada akurasi prediksi . Baik berinteraksi dengan frekuensi pelaporan , namun. Secara khusus, saya menemukan bahwa kesalahan prediksi lebih besar ketika perubahan laba pada periode prediksi positif . Dalam kurang (lebih ) kondisi pelaporan sering, berarti kesalahan prediksi adalah .13 ( .18 ) ketika perubahan laba positif dan 0,06 ( .10 ) ketika perubahan negatif . Saya juga menemukan bahwa , meskipun sifat statistik seri pendapatan dibuat dengan kesalahan acak yang berbeda menarik yang sama , kesalahan prediksi lebih tinggi dengan hasil imbang satu dibandingkan dengan hasil imbang dua . Dalam kurang (lebih ) kondisi pelaporan sering, kesalahan prediksi adalah 0,14 ( . 19 ) dengan kesalahan acak imbang satu dan .05 ( 08 ) dengan kesalahan acak menggambar d

5 . Kesimpulan Penelitian ini meneliti efek lebih sering pelaporan investor non-profesional ' laba prediksi . Sebagai hipotesis , saya menemukan bahwa pelaporan lebih sering laba per saham hasil dalam waktu kurang akurat dan lebih tersebar prediksi laba kuartalan per saham . Saya berhipotesis tetapi tidak menemukan bahwa pelaporan lebih sering secara signifikan meningkatkan lebar interval kepercayaan di kalangan investor non-profesional . Bahkan saya menemukan bahwa tingkat kepercayaan diri mereka tidak berbeda secara statistik atau kualitatif dari mereka yang menggunakan pelaporan kurang sering . Secara teoritis, jika kepercayaan diri individu baik dikalibrasi dan lebih sering pelaporan kesalahan, juga harus menghasilkan interval kepercayaan . Namun , tampak bahwa investor dalam pelaporan lebih sering terlalu percaya pada prediksi mereka . Terlalu percaya bermasalah karena investor menggunakan data yang lebih sering dilaporkan cenderung untuk melihat data yang kurang sering dilaporkan , yang akan membantu memperbaiki kesalahan yang disebabkan oleh pelaporan lebih sering . Selain itu, terlalu percaya dapat menyebabkan efek disposisi dan / atau peningkatan perdagangan . Penelitian ini tunduk pada beberapa keterbatasan . Pertama, saya membatasi jumlah peserta informasi yang diterima . Biasanya, ketika investor mengevaluasi kinerja keuangan dari suatu perusahaan , informasi lebih lanjut yang tersedia dan lingkungan informasi yang lebih kompleks . Namun, mengurangi kompleksitas memungkinkan saya untuk membuat kesimpulan kuat tentang dampak pelaporan lebih sering . Kedua , penelitian ini menggunakan mahasiswa MBA sebagai pengganti bagi investor non-profesional . Sangat mungkin bahwa mereka memiliki pengalaman investasi kurang dari banyak investor non-profesional dan karena tindakan mereka mungkin tidak secara akurat mencerminkan pendapat investor yang sebenarnya . Ketiga , penelitian ini meneliti efek dari investor baik menggunakan lebih atau kurang informasi sering dilaporkan . Teknologi akan memungkinkan bagi investor untuk melihat kedua bentuk secara bersamaan . Penelitian di masa mendatang harus memeriksa apakah dan bagaimana penyajian bersama lebih dan kurang sering pelaporan mempengaruhi penilaian investor . Akhirnya , penelitian ini menggunakan data pendapatan yang berisi keempat musiman kuartal yang mungkin tidak berlaku untuk semua perusahaan . Penelitian masa depan harus menyelidiki efek pelaporan lebih sering ketika data pendapatan memiliki sifat yang berbeda ( yaitu random walk ) . Penelitian di masa mendatang juga harus memeriksa bagaimana presentasi bersama dari

kedua laporan lebih dan kurang sering dapat mempengaruhi pengambilan keputusan oleh investor .