Nomor pendapatan
Hal ini tidak cukup untuk mempertahankan penyelidikan analitis atas dasar
bahwa asumsi yang secara empiris dukung, untuk bagaimana satu untuk
mengetahui bahwa teori mencakup semua asumsi dukung relevan? Dan
bagaimana seseorang menjelaskan kekuatan prediktif proposisi yang didasarkan
pada asumsi mampu unveri fi seperti maksimalisasi fungsi utilitas? Selanjutnya,
bagaimana satu untuk menyelesaikan perbedaan antara proposisi yang timbul
dari mempertimbangkan aspek yang berbeda dari dunia?
Apa yang ditetapkan sebagai ukuran laba bersih tidak dapat seharusnya fakta.
Dalam arti sama sekali kecuali bahwa itu adalah angka yang terjadi ketika
akuntan memiliki fi yang belum selesai menerapkan prosedur yang ia
mengadopsi!
Tapi tidak semua perbedaan ini tentu informasi baru. Beberapa perubahan dalam
hasil pendapatan dari pembiayaan dan keputusan kebijakan lain yang dibuat
oleh perusahaan. Kami berasumsi bahwa, untuk pendekatan pertama,
perubahan tersebut tercermin dalam perubahan rata-rata pendapatan melalui
waktu. Karena dampak dari kedua komponen perubahan-ekonomi yang luas dan
kebijakan efek - yang dirasakan secara bersamaan, hubungan harus diestimasi
secara bersama-sama. Statistik yang spesifik kasi kita mengadopsi adalah
pertama untuk memperkirakan, dengan Ordinary Least Squares (OLS), koefisien
(am, 114, -,) dari regresi linear dari perubahan pendapatan fi rm j ini (AI, , _,)
pada perubahan dalam pendapatan rata-rata dari semua perusahaanperusahaan (selain fi rm j) di pasar (AM, -, _,) "menggunakan data hingga akhir
tahun sebelumnya (1 = 1, 2, ~~ -, t - 1) :
Perubahan pendapatan tak terduga, atau kesalahan perkiraan (n, -,), adalah
minus perubahan pendapatan yang sebenarnya diharapkan:
Ini adalah kesalahan perkiraan ini yang kita asumsikan menjadi informasi baru
yang disampaikan dengan jumlah pendapatan yang sekarang.
Ini juga telah menunjukkan bahwa harga saham, dan karena itu tingkat
pengembalian dari memegang saham, cenderung bergerak bersama-sama.
Dalam satu studi, "diperkirakan bahwa sekitar 30 sampai 40 persen dari
variabilitas dalam tingkat bulanan saham pengembalian selama periode Maret
1944 sampai Desember 1960 dapat dikaitkan dengan efek pasar yang luas.
variasi pasar-luas dalam pengembalian saham dipicu oleh t-ia rilis informasi yang
menyangkut semua perusahaan-perusahaan. Karena kita sedang mengevaluasi
laporan pendapatan yang berhubungan dengan fi rm individu, isinya dan waktu
harus dinilai relatif terhadap perubahan dalam tingkat pengembalian saham net
fi rm untuk efek pasar yang luas. Dampak dari informasi pasar yang luas di
tingkat bulanan pengembalian dari investasi satu dolar di bursa fi rm j dapat
diperkirakan dengan nilai prediksi dari regresi linear dari kerabat harga bulanan
dari saham biasa fi rm j "pada indeks pasar pengembalian:
'Raja (1966).
(D, -,) + harga penutupan (Pi, -.1-1), dibagi dengan harga pembukaan (p,>,):
Sebuah harga relatif bulanan demikian sama dengan tingkat bulanan diskrit
pengembalian ditambah kesatuan; logaritma natural adalah-dia t tingkat bulanan
pengembalian diperparah COIllinu0 \ 1s1y. Dalam makalah ini, kami
mengasumsikan peracikan diskrit karena hasilnya lebih mudah untuk
menafsirkan dalam bentuk itu. Fama, et al. (1967) menyimpulkan bahwa "regresi
keamanan pada hasil pasar dari waktu ke waktu adalah metode memuaskan
untuk abstrak dari efek kondisi pasar secara umum pada tingkat bulanan
pengembalian sekuritas individual." Dalam tiba pada kesimpulan mereka,
spesifik kation:
di mana PR, - ,,, adalah harga bulanan relatif untuk fi rm j dan bulan m, L adalah
link relatif "Kinerja Investasi Kombinasi Indeks" Fisher [Fisher (l966)], dan 1:, - ,,,
adalah saham kembali sisa untuk fi rm j di bulan m. Nilai [L - ,,, - 1] adalah
perkiraan tingkat bulanan pasar pengembalian. M-subscript dalam sampel kami
mengasumsikan nilai untuk semua bulan sejak Januari 1946 sesuai data yang
tersedia.
Sisa dari regresi OLS diwakili dalam persamaan (3) mengukur sejauh mana
kembalinya menyadari berbeda dari yang diharapkan kembali bersyarat pada
parameter regresi estimasi (b1, b2) dan indeks pasar [L ,,, - 1]. Dengan
demikian, sejak t-ia pasar telah ditemukan untuk menyesuaikan dengan cepat
dan efisien untuk informasi baru, sisa harus mewakili dampak dari informasi
baru, tentang fi rm saja, pada kembali dari memegang saham biasa di
perusahaan.
Salah satu asumsi OLS model regresi pendapatan "adalah bahwa M; dan kamu;
tidak berkorelasi. Korelasi antara mereka dapat mengambil setidaknya dua
bentuk, yaitu masuknya fi rm _7 'dalam indeks pasar pendapatan (M, -), dan
Seperti halnya dengan model regresi pendapatan, model return saham, seperti
yang disajikan, berisi beberapa pelanggaran yang jelas dari asumsi model regresi
OLS. Pertama, indeks pasar pengembalian berkorelasi dengan sisa karena indeks
pasar mengandung t-ia kembali pada fi rm j, dan karena efek industri.
pelanggaran tidak serius, karena indeks Fisher dihitung atas semua saham yang
tercatat di Bursa Efek New York (maka laba atas keamanan j adalah hanya
sebagian kecil dari indeks), dan karena rekening efek industri untuk paling
banyak 10 persen dari variabilitas dalam tingkat pengembalian saham rata-rata.
"Sebuah hasil pelanggaran kedua dari prediksi kami bahwa, selama berbulanbulan tertentu di sekitar tanggal laporan, nilai-nilai yang diharapkan dari vis
adalah nol. Sekali lagi, bias harus memiliki sedikit efek pada hasil, karena ada
rendah, diamati autokorelasi di D, para, "dan dalam kasus tidak adalah fi regresi
return saham tted lebih kurang dari 100 pengamatan. "
SULLWIA RY
Kami berasumsi bahwa dengan tidak adanya tidak mungkin informasi yang
berguna tentang suatu perusahaan tertentu selama periode, laju pengembalian
selama periode yang akan mencerminkan hanya adanya informasi pasar yang
luas yang berkaitan dengan semua perusahaan-perusahaan. Dengan abstrak
dari efek pasar [persamaan (3) 1 kami mengidentifikasi pengaruh informasi yang
berkaitan rms fi terlalu individual. Kemudian, untuk menentukan apakah bagian
dari efek ini dapat dikaitkan dengan informasi yang terkandung dalam jumlah
pendapatan akuntansi fi rm, kita memisahkan unsur-unsur yang diharapkan dan
tak terduga dari perubahan pendapatan. Jika kesalahan perkiraan pendapatan
negatif (yaitu, jika perubahan yang sebenarnya pendapatan kurang dari
ekspektasi bersyarat), kita mendefinisikan itu sebagai berita buruk dan
memprediksi bahwa jika ada beberapa hubungan antara angka laba akuntansi
dan harga saham, kemudian lepaskan dari jumlah pendapatan akan
menghasilkan laba atas efek yang fi rm ini menjadi kurang dari
"Fame, et al. (1967) menghadapi situasi yang sama. Nilai-nilai yang diharapkan
dari residual return saham yang nol untuk beberapa bulan dalam studi mereka.
Regresi Stock pulang dihitung secara terpisah untuk kedua pengecualian dan
masuknya bulan dimana residual return saham yang dianggap nol Mereka
melaporkan bahwa kedua set hasil mendukung kesimpulan yang sama Sebuah
alternatif untuk membatasi mean 1 ';.. menjadi nol adalah untuk mempekerjakan
Pricing Model Sharpe Capital Asset [Sharpe (196-1)] untuk memperkirakan (3b):
di mana RF adalah tingkat ex ante bebas risiko dari imbalan holding period m.
Hasil dari estimasi (3b) (menggunakan US Bills Pemerintah untuk mengukur RF
dan mendefinisikan abnormal return untuk fi rm j di bulan m sekarang sebagai bii
+ vi ) pada dasarnya sama dengan hasil dari (3). Persamaan (3b) masih belum
sepenuhnya memuaskan, namun, karena dampak berarti informasi baru
diperkirakan lebih dari seluruh sejarah saham, yang meliputi setidaknya 100
bulan. Jika (Bb) yang fi tted menggunakan data bulanan, vektor variabel dummy
bisa diperkenalkan untuk mengidentifikasi tahun fiskal dicakup oleh laporan
tahunan, sehingga memungkinkan mean residual bervariasi antara fiskal tahun.
Dampak dari informasi yang tidak biasa diterima di bulan m tahun t kemudian
akan diperkirakan dengan t-ia jumlah konstan, dummy untuk tahun t, dan
dihitung sisa untuk bulan m dan tahun t. Sayangnya, efisiensi memperkirakan
persamaan return saham dalam bentuk tertentu belum diteliti secara
memuaskan, maka laporan kami akan con fi ned hasil dari estimasi (3).
TABEL 1
akan dinyatakan telah diharapkan. "Hasil tersebut (12 <0) akan dibuktikan
dengan perilaku negatif di residual return saham (19 <O) sekitar tanggal laporan
pengumuman tahunan. Kebalikannya harus terus untuk kesalahan perkiraan
positif. Dua dasar ekspektasi penghasilan model telah didefinisikan, regresi
Model dan model naif. Kami melaporkan secara rinci pada dua ukuran laba bersih
pendapatan dan E-PS, variabel (1) dan (2) 1 untuk model regresi, dan salah satu
ukuran [EPS, variabel (3) 1 untuk model naif.
Data
Tiga kelas data yang menarik: isi laporan laba rugi; tanggal pengumuman
laporan; dan pergerakan harga keamanan di sekitar tanggal pengumuman.
ANGKA LABA
nomor pendapatan untuk 1946 melalui 1966 diperoleh dari Standard dan Poor
kaset Compustat. "Distribusi t-ia kuadrat koefisien korelasi" antara perubahan
dalam pendapatan perusahaan-perusahaan dan t-ia berubah dalam indeks
pendapatan pasar "diringkas dalam Tabel 1. Untuk sampel ini individu, sekitar
seperempat dari variabilitas dalam perubahan
TABEL 2
The Wall Street Journal menerbitkan tiga jenis pengumuman laporan tahunan:
perkiraan pendapatan tahun ini, sebagai dibuat, misalnya, dengan Eksekutif
perusahaan lama setelah akhir tahun; laporan awal; dan laporan tahunan
lengkap. Sementara prakiraan sering tidak tepat, laporan pendahuluan biasanya
preview kental dari laporan tahunan. Karena laporan awal biasanya berisi nomor
yang sama untuk laba bersih dan EPS sebagai diberikan kemudian dengan
laporan nal fi, tanggal pengumuman (atau, secara efektif, tanggal dimana jumlah
pendapatan tahunan menjadi umumnya tersedia) diasumsikan tanggal yang
laporan pendahuluan muncul di Wall Street Journal. Tabel 3 menunjukkan bahwa
jeda waktu antara akhir tahun fiskal dan rilis laporan tahunan telah menurun
terus sepanjang periode sampel.
HARGA SAHAM
kerabat harga saham diperoleh dari kaset yang dibangun oleh Pusat Penelitian di
Security Harga (CRSP) di University of Chicago. "Data yang digunakan adalah
harga penutupan bulanan di Bursa Efek New York, disesuaikan dengan dividen
dan perubahan modal, untuk periode Januari 1946 hingga Juni 1966. Tabel 4
menyajikan desil dari distribusi koefisien kuadrat korelasi untuk saham regresi
kembali [persamaan (3)], dan koefisien pertama fi autokorelasi 0rder di residual
saham.
KRITERIA INCLUSIOX
diakhiri pada bulan Juni, 1966. Kriteria seleksi kami dapat mengurangi umum
dari hasil. subpopulasi tidak termasuk perusahaan-perusahaan muda, orangorang yang telah gagal, mereka yang tidak melaporkan pada tanggal 31
Desember, dan orang-orang yang tidak terwakili di Compustat, kaset CRSP, dan
Wall Street Journal. Akibatnya, hal itu mungkin tidak mewakili semua
perusahaan-perusahaan. Namun, perlu diketahui bahwa (1) 261 yang tersisa fi
rms "yang signifikan dalam hak mereka sendiri, dan (2) replikasi dari penelitian
kami pada sampel yang berbeda menghasilkan hasil yang sesuai erat dengan
yang dilaporkan di bawah."
hasil
Kemudian API jejak keluar nilai satu dolar yang diinvestasikan (dalam jumlah
yang sama) di semua surat berharga n (n = 1, 2, - -, N) pada akhir bulan -12
(yaitu, 12 bulan sebelum bulan laporan jurnal) dan diadakan untuk akhir
beberapa periode holding sewenang-wenang (M = -11, -10, - -, T) setelah abstrak
dari pasar mempengaruhi. Interpretasi setara adalah sebagai berikut. Misalkan A
dua individu dan B setuju pada proposisi berikut. B adalah untuk membangun
sebuah portofolio yang terdiri dari satu dolar yang diinvestasikan dalam jumlah
yang sama di N sekuritas. Sekuritas yang dibeli pada akhir bulan -12 dan ditahan
sampai akhir bulan T. Untuk beberapa harga, B kontrak dengan A untuk
mengambil (atau membuat), pada akhir setiap bulan M, hanya keuntungan yang
normal (atau kerugian) dan kembali ke A, pada akhir bulan T, satu dolar plus
atau minus keuntungan atau kerugian yang abnormal. Kemudian APIM adalah
nilai ekuitas A dalam portofolio reksa pada akhir setiap bulan M. "hasil numerik
disajikan dalam dua bentuk. Gambar 1 plot A PI 1 | pertama selama tiga
portofolio dibangun dari semua perusahaan-perusahaan dan tahun di mana
kesalahan perkiraan pendapatan, menurut masing-masing tiga variabel, positif
Karena pertama set hasil mungkin sensitif terhadap distribusi dari gangguan
return saham, "set kedua hasil disajikan. Kolom ketiga di bawah setiap judul
variabel pada Tabel 5 memberikan statistik chi-square untuk. Dua-oleh- dua
klasifikasi dari perusahaan-perusahaan dengan tanda kesalahan perkiraan
pendapatan, dan tanda saham kembali sisa untuk bulan itu.
GAMBARAN
Sebagai salah satu harapkan dari sampel yang besar, kedua set hasil
menyampaikan dasarnya gambar yang sama. Mereka menunjukkan bahwa
informasi yang terkandung dalam jumlah pendapatan tahunan berguna dalam
bahwa jika berbeda pendapatan aktual dari pendapatan yang diharapkan, pasar
biasanya telah bereaksi dalam arah yang sama. anggapan ini didukung baik oleh
Gambar 1 yang mengungkapkan ditandai, hubungan positif antara tanda
kesalahan pendapatan peramalan dan Indeks Kinerja abnormal, dan oleh
statistik chi-square (Tabel 5). Yang terakhir menunjukkan hal ini sangat tidak
mungkin bahwa tidak ada hubungan antara tanda kesalahan perkiraan
pendapatan dan tanda tingkat pengembalian sisa di sebagian besar bulan
sampai dengan yang pengumuman laporan tahunan. Namun, sebagian besar
informasi yang terkandung dalam laba yang dilaporkan diantisipasi oleh pasar
sebelum laporan tahunan dilepaskan. Bahkan, antisipasi begitu akurat bahwa
jumlah pendapatan yang sebenarnya tidak muncul untuk menimbulkan lompatan
yang tidak biasa dalam Indeks Kinerja Abnormal dalam pengumuman bulan.
Untuk menggambarkan, drift atas dan ke bawah mulai setidaknya 12 bulan
sebelum laporan dirilis (ketika portofolio yang pertama fi dibangun) dan terus
selama kurang lebih satu bulan setelah. Kegigihan drift, seperti yang ditunjukkan
oleh tanda-tanda konstan indeks dan oleh kenaikan hampir monoton dalam nilai
absolut (Gambar 1), menunjukkan tidak hanya bahwa pasar mulai
mengantisipasi kesalahan perkiraan awal dalam 12 bulan sebelumnya laporan,
tapi juga bahwa terus melakukannya dengan meningkatkan keberhasilan
sepanjang tahun. "
HASIL KHUSUS
1. Tampaknya ada sedikit perbedaan antara hasil untuk dua variabel model
regresi. Tabel 6, yang dikelompokkan es tanda kesalahan perkiraan kontingen
satu variabel pada saat tanda-tanda kesalahan dari dua variabel lainnya,
mengungkapkan alasannya. Sebagai contoh, pada 1231 kesempatan di mana
kesalahan perkiraan pendapatan adalah positif untuk variabel (1), itu juga positif
pada 1148 kesempatan (dari kemungkinan 1231) untuk variabel (2). Demikian
pula, pada 1109 kesempatan di mana kesalahan perkiraan pendapatan adalah
negatif untuk variabel
(1), itu juga negatif pada 1026 kesempatan untuk variabel (2). Fakta bahwa hasil
untuk variabel (2) ketat mendominasi mereka untuk variabel (1) menunjukkan,
bagaimanapun, bahwa ketika dua variabel tidak setuju pada tanda kesalahan
perkiraan pendapatan, variabel (2) adalah lebih sering benar. Sementara ada
sedikit untuk memilih antara variabel (1) dan (2), variabel (3) (model naif) jelas
terbaik untuk portofolio terdiri dari perusahaan-perusahaan dengan
kesalahan perkiraan negatif. Sebuah faktor adalah sebagai berikut. Model naif
memberikan kesalahan perkiraan sama dengan model regresi akan memberikan
jika (a) perubahan pendapatan pasar yang nol, dan (b) tidak ada penyimpangan
dalam pendapatan perusahaan. Tapi secara historis telah terjadi peningkatan
pendapatan pasar, terutama pada bagian akhir dari periode sampel, karena
kenaikan umum dalam harga dan kuat dalam memengaruhi ekspansi berlarutlarut sejak 1961. Dengan demikian, model naif [variabel (3) 1 biasanya
identifikasi es sebagai perusahaan-perusahaan dengan kesalahan prediksi
negatif yang relatif sedikit perusahaan yang menunjukkan penurunan EPS ketika
sebagian besar perusahaan-perusahaan menunjukkan peningkatan. Dari tiga
variabel, salah satu yang akan paling percaya diri bahwa pendapatan dari orangorang yang menunjukkan kesalahan perkiraan negatif untuk variabel (3)
sebenarnya telah kehilangan tanah relatif terhadap pasar.
di mana E menunjukkan nilai yang diharapkan. Hal ini dapat mudah dilihat
bahwa bias lebih bulan K setidaknya order (K - 1) kali kovarians antara t - ,,, dan
1, - ,, ._ 1 0,2 'Sejak kovarians ini biasanya negatif, "yang Bias juga negatif.
Sementara bias tidak mempengaruhi tenor hasil kami dengan cara apapun,
harus diingat ketika menafsirkan nilai-nilai dari berbagai API. ini membantu
menjelaskan, misalnya, mengapa perubahan mutlak dalam indeks di panel bottom Gambar 1 cenderung lebih besar daripada yang di panel atas, mengapa
indeks di panel atas cenderung tum turun tak lama setelah bulan 0, dan
akhirnya, mengapa drift di indeks di panel bawah cenderung bertahan di luar
bulan pengumuman laporan 3. Kami juga dihitung hasil untuk model regresi
menggunakan tambahan definisi fi de pendapatan:. (a) cash fl ow, seperti
didekati dengan laba operasi, "dan (b) laba bersih sebelum pos tidak berulang
Baik. variabel adalah sebagai sukses dalam memprediksi tanda-tanda dari
residual return saham laba bersih dan EPS. Misalnya dengan bulan 0, Indeks
Kinerja Abnormal untuk kesalahan perkiraan yang positif 1,068 (laba bersih,
termasuk pos tidak berulang) dan 1.070 (pendapatan operasional). Angka-angka
ini dibandingkan dengan 1,071 untuk laba bersih [Tabel 5, variabel (1) 1. Nomor
masing-masing untuk perusahaan-perusahaan dan tahun dengan kesalahan
prediksi negatif 0,911, 0,917, dan 0,907.
4. Kedua API dan uji chi-square pada Tabel 5 menunjukkan bahwa, setidaknya
untuk variabel (3), hubungan antara tanda kesalahan perkiraan pendapatan dan
saham kembali sisa mungkin telah bertahan selama dua bulan di luar bulan
pengumuman laporan tahunan. Satu penjelasan yang mungkin bahwa indeks
pasar pendapatan tidak diketahui pasti sampai setelah beberapa perusahaanperusahaan telah mengumumkan nomor pendapatan mereka. Penghapusan
ketidakpastian tentang pendapatan pasar setelah pengumuman beberapa fi rms
'mungkin cenderung, ketika rata-rata lebih dari seluruh perusahaan dalam
sampel, untuk menjadi tercermin dalam ketekunan dalam drift di API melampaui
pengumuman bulan. Penjelasan ini mungkin dapat dikesampingkan, namun,
karena ketika mereka fi rms yang membuat pengumuman mereka pada bulan
Januari setiap satu tahun dikeluarkan dari sampel untuk tahun itu, tidak ada
perubahan dalam pola API keseluruhan sebagai disajikan pada Gambar 1,
meskipun secara umum ada pengurangan statistik X '. "
Penjelasan kedua bisa menjadi kesalahan acak tanggal pengumuman di. Drift di
API akan bertahan di luar pengumuman bulan jika kesalahan mengakibatkan
kami mengobati beberapa perusahaan seolah-olah mereka telah mengumumkan
nomor pendapatan mereka lebih awal dari pada kenyataannya yang terjadi. Tapi
penjelasan ini dapat juga mungkin dikesampingkan, karena semua tanggal
pengumuman yang diambil dari Indeks Journal Wall Street yang diverifikasi
terhadap 0'ur'm1l Wall Street J. Penjelasan ketiga dapat bahwa laporan awal
tidak dirasakan oleh pasar sebagai fi nal. Sayangnya, masalah ini tidak dapat
diselesaikan secara independen dari hipotesis alternatif, yaitu bahwa pasar tidak
mengambil lebih banyak waktu untuk menyesuaikan diri dengan informasi jika
nilai informasi yang
kurang dari biaya transaksi yang akan dikeluarkan oleh investor yang ingin
mengambil keuntungan dari kesempatan untuk keuntungan abnormal. Artinya,
bahkan jika hubungan cenderung bertahan di luar pengumuman bulan, jelas
bahwa 11X1l SS transaksi biaya yang dalam waktu sekitar satu persen, "
API ,,.
FM - (1 + 1 '...) -
Demikian pula,
AP1, ._, "API ,,, _, '.4PI ,,, _,' (1 'L"' 3 '(1' L "" ") '
tidak ada kesempatan bagi yang abnormal pro fi t sekali informasi pendapatan
telah menjadi tersedia secara umum. Hasil kami sehingga konsisten dengan
bukti lain bahwa pasar cenderung bereaksi terhadap data tanpa prasangka,
setidaknya untuk dalam biaya transaksi.
NILAI TAHUNAN BERSIH RELATIF PENGHASILAN ATAS SUMBER LAIN INFORMASI "
dari apa yang telah diharapkan seandainya tidak ada informasi yang buruk.
Ekuivalen, jika investor mampu mengambil keuntungan dari informasi yang baik
dengan menjual atau dengan mengambil posisi short di muka dari penyesuaian
pasar, maka sisa akan mewakili, mengabaikan biaya transaksi, sejauh mana dia
kembali lebih besar dari biasanya diharapkan. Jika perbedaan antara return
menyadari dan diharapkan diterima sebagai juga menunjukkan nilai informasi
baru, maka jelas bahwa nilai informasi baru, bulanan, baik atau buruk, tentang
saham individu diberikan oleh nilai absolut yang saham kembali sisa untuk bulan
yang diberikan. Ini mengikuti bahwa nilai semua informasi bulanan mengenai
rata-rata fi rm, diterima dalam 12 bulan sebelumnya laporan, diberikan oleh:
di mana TI menunjukkan total informasi. "Untuk sampel kami, rata-rata lebih dari
semua perusahaan-perusahaan dan tahun, jumlah ini adalah 0,731. Untuk setiap
satu saham tertentu, beberapa informasi antara bulan akan offsetting "Nilai
informasi bersih (diterima dalam 12 bulan sebelum laporan-) tentang saham
rata-rata diberikan oleh.:
Dampak dari jumlah pendapatan tahunan juga merupakan jumlah bersih dalam
laba bersih adalah hasil dari kedua peristiwa pendapatan menurun pendapatan
meningkat dan. Jika seseorang menerima model forecast error, "maka nilai
informasi yang terkandung dalam jumlah pendapatan tahunan dapat
diperkirakan dengan rata-rata dari kenaikan nilai dari bulan -11 ke bulan 0,
dimana kenaikan yang rata-rata selama dua portofolio dibangun dari ( membeli
atau menjual pendek) seluruh perusahaan dan tahun sebagai fi klasi ed oleh
tanda-tanda kesalahan perkiraan pendapatan. Itu adalah,
(2) dari 25 persen yang terus berlanjut, sekitar setengah [49%, 50%, dan 47% dihitung sebagai 0,081 / 0,165, 0,083 / 0,165, dan 0,077 / 0,165-untuk variabel
(1 ) - (3) 1 dapat dikaitkan dengan informasi yang terkandung dalam laba yang
dilaporkan.
(3) dari nilai informasi yang terkandung dalam pendapatan dilaporkan, tidak
lebih dari sekitar 10 sampai 15 persen (12%, 11%, dan 13%) belum diantisipasi
oleh bulan laporan; "dan
(4) nilai informasi yang disampaikan oleh jumlah pendapatan pada saat
peluncurannya merupakan, rata-rata, hanya 20 persen (19%, 18%, dan 19%)
dari nilai semua informasi yang datang ke pasar dalam . bulan "kesimpulan
kedua menunjukkan bahwa angka laba akuntansi menangkap sekitar setengah
dari efek bersih dari semua informasi yang tersedia di seluruh 12 bulan
sebelumnya pembebasan mereka; namun kesimpulan keempat menunjukkan
bahwa laba bersih hanya menyumbang sekitar 20 persen dari nilai semua
informasi dalam bulan peluncurannya. Paradoks ini mungkin karena fakta bahwa:
(a) banyak bit informasi biasanya dirilis pada bulan yang sama sebagai
Kita mungkin adalah upaya pertama untuk menilai secara empiris kepentingan
relatif dari jumlah pendapatan tahunan, tetapi memiliki keterbatasan. Misalnya,
hasil kami secara sistematis bias terhadap temuan mendukung laporan
akuntansi karena:
1. asumsi bahwa harga saham dari transaksi yang telah terjadi secara
bersamaan pada akhir bulan;
Penutup
Tujuan awal adalah untuk menilai kegunaan angka laba akuntansi yang ada
dengan memeriksa konten informasi dan ketepatan waktu. Modus analisis
diizinkan beberapa de fi nite kesimpulan yang Kami akan brie fl y menyatakan
kembali. Dari semua informasi tentang fi rm individu yang menjadi-datang
tersedia selama setahun, satu-setengah atau lebih ditangkap di sejumlah
pendapatan tahun itu. isinya karena itu cukup. Namun, laporan pendapatan
tahunan tidak menilai sangat sebagai media yang tepat waktu, karena sebagian
besar isinya (sekitar 85 sampai 90 persen) ditangkap oleh media yang lebih
cepat yang mungkin mencakup laporan interim. Sejak efisiensi pasar modal
sangat ditentukan oleh kecukupan sumber datanya, kita tidak fi nd itu
Hubungan antara besarnya (dan bukan hanya tanda) dari perubahan pendapatan
tak terduga dan terkait penyesuaian harga saham juga bisa diselidiki. ' ini akan
menawarkan cara yang berbeda untuk mengukur nilai informasi tentang
perubahan pendapatan, dan mungkin, di samping itu, memberikan wawasan ke
dalam sifat statistik dari proses pendapatan, proses sedikit dipahami namun
cukup menarik untuk peneliti akuntansi. Akhirnya, mekanisme telah disediakan
untuk pendekatan empiris untuk kelas terbatas dari pilihan kontroversial dalam
pelaporan eksternal.