Sebuah Evaluasi Empiris Akuntansi

Nomor pendapatan

RAY BALL dan PHILIP BROWN?

teori akuntansi umumnya dievaluasi kegunaan praktik akuntansi dengan tingkat kesepakatan
mereka dengan model analitik tertentu. Model ini dapat terdiri dari hanya beberapa
pernyataan atau mungkin argumen ketat dikembangkan. Dalam setiap kasus, metode evaluasi
telah membandingkan praktik yang ada dengan praktik yang lebih disukai tersirat oleh model
atau dengan beberapa standar yang model menyiratkan semua praktek harus dimiliki.
Kelemahan dari metode ini adalah bahwa ia mengabaikan sebuah fi sumber signifikan dari
pengetahuan tentang dunia, yaitu, sejauh mana prediksi model sesuai dengan perilaku yang
diamati.

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?

Keterbatasan pendekatan yang sama sekali analitis untuk kegunaan diilustrasikan oleh
argumen bahwa angka pendapatan tidak dapat didefinisikan secara substantif, bahwa mereka
kekurangan "makna" dan karena itu utilitas diragukan. 'Argumen sebagian berasal dari
pengembangan kain perca praktik akuntansi untuk memenuhi situasi baru yang muncul.
Akuntan harus berurusan dengan konsolidasi, sewa, merger, penelitian dan pengembangan,
perubahan tingkat harga, dan biaya pajak, untuk nama hanya beberapa masalah daerah.
Karena akuntansi tidak memiliki kerangka teoritis merangkul semua, ketidakmiripan dalam

praktek telah berevolusi. Akibatnya, laba bersih adalah agregat dari komponen yang tidak
homogen. Hal demikian diduga menjadi "berarti" angka, tidak seperti perbedaan antara dua
puluh tujuh meja dan delapan kursi. Di bawah pandangan ini, laba bersih bisa de fi ned hanya
sebagai hasil dari penerapan satu set prosedur {X1, X2, - - -} untuk satu set peristiwa {Y1,
Y2, ~ - -} tanpa definitif makna substantif lainnya sama sekali. Canning mengamati:

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!

Nilai upaya analitis untuk mengembangkan pengukuran mampu de interpretasi definitif tidak
dipermasalahkan. Apa yang menjadi masalah adalah kenyataan bahwa model analitis tidak
sendiri menilai fi signifikansi dari keberangkatan dari pengukuran tersirat. Oleh karena itu
berbahaya untuk menyimpulkan, dengan tidak adanya pengujian empiris lebih lanjut, bahwa
kurangnya makna substantif menyiratkan kurangnya utilitas. Evaluasi empiris nomor laba
akuntansi membutuhkan kesepakatan seperti apa hasil dunia nyata merupakan tes yang sesuai
kegunaan. Karena laba bersih adalah sejumlah kepentingan tertentu kepada investor, hasil
yang kita gunakan sebagai kriteria prediktif adalah keputusan investasi seperti itu tercermin
pada harga sekuritas. "Baik konten dan waktu angka laba bersih tahunan yang ada akan
dievaluasi karena khasiatnya bisa terganggu oleh defisiensi baik.

Sebuah Uji Empiris

Perkembangan terkini dalam teori modal memberikan pembenaran untuk memilih perilaku
harga keamanan sebagai uji operasional kegunaan. Sebuah badan mengesankan teori
mendukung proposisi bahwa pasar modal yang efisien dan berisi dalam bahwa jika informasi
ini berguna dalam pembentukan harga aset modal, maka pasar akan menyesuaikan harga aset
informasi yang cepat dan tanpa meninggalkan setiap kesempatan untuk keuntungan lebih
normal. " Jika, sebagai bukti menunjukkan, harga keamanan yang sebenarnya menyesuaikan
dengan cepat terhadap informasi baru setelah tersedia, maka perubahan harga keamanan akan

mencerminkan aliran informasi ke pasar? Revisi diamati dari harga saham yang terkait
dengan rilis laporan pendapatan sehingga akan memberikan bukti bahwa informasi yang
tercermin dalam jumlah pendapatan berguna. Metode kami berkaitan laba akuntansi terhadap
harga saham didasarkan pada teori ini dan bukti dengan berfokus pada informasi yang unik
untuk sebuah perusahaan tertentu. Secara khusus, kami membangun dua model alternatif apa
pasar mengharapkan pendapatan untuk menjadi dan kemudian menyelidiki reaksi pasar
ketika harapan-harapan membuktikan palsu.

PERUBAHAN LABA USEXPECTED DIHARAPKAN DAN

Secara historis, pendapatan dari perusahaan-perusahaan cenderung bergerak bersama-sama.

Satu studi menemukan bahwa sekitar setengah dari variabilitas dalam tingkat pendapatan
rata-rata fi rm per saham (EPS) dapat dikaitkan dengan efek ekonomi lebar. "Mengingat bukti
ini, setidaknya bagian dari perubahan laba suatu perusahaan dari satu tahun ke depan
diharapkan. Jika, pada tahun-tahun sebelumnya, pendapatan dari suatu perusahaan telah
terkait dengan pendapatan dari perusahaan-perusahaan lain dalam cara tertentu, maka
pengetahuan bahwa hubungan masa lalu, bersama-sama dengan pengetahuan tentang
pendapatan mereka lainnya perusahaan-perusahaan untuk tahun ini, menghasilkan harapan
bersyarat untuk pendapatan tunai dari perusahaan. dengan demikian, terlepas dari efek con fi
knis, jumlah informasi baru yang disampaikan dengan jumlah pendapatan ini dapat didekati
dengan perbedaan antara perubahan yang sebenarnya pendapatan dan yang ekspektasi
bersyarat.

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 perusahaan-perusahaan (selain fi rm j) di pasar (AM,

-, _,) "menggunakan data hingga akhir tahun sebelumnya (1 = 1, 2, ~~ -, t - 1) :

AI, ', ~. - = 51,1 ': + 6 / ZjtAJIj.t-1 + 11; -1 'R = 1, 2, - - ~, t - 1, (1)

dimana topi menunjukkan perkiraan. Perubahan pendapatan yang diharapkan untuk fi rm j

pada tahun t kemudian diberikan oleh prediksi regresi menggunakan perubahan pendapatan
rata-rata untuk pasar di tahun t:

AI, -, = 61, -, + fi ; A.-lllj,

Perubahan pendapatan tak terduga, atau kesalahan perkiraan (n, -,), adalah minus perubahan
pendapatan yang sebenarnya diharapkan:

a, -, = AI, -, - AT, -, (2)

Ini adalah kesalahan perkiraan ini yang kita asumsikan menjadi informasi baru yang
disampaikan dengan jumlah pendapatan yang sekarang.

THE MARKE'1 "S REAKSI

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).

1 "The bulanan relatif harga keamanan j untuk bulan m didefinisikan sebagai dividen

(D, -,) + harga penutupan (Pi, -.1-1), dibagi dengan harga pembukaan (p,>,):

PRIN = (p; _M | + din) / Pin:.

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, mereka menemukan bahwa "diagram
pencar untuk [pengembalian] sekuritas individual [vis-5-vis pasar ret-guci] dukungan yang
sangat baik asumsi regresi linearitas, homoscedasticity, dan kemandirian serial. "Fama, et al.
mempelajari transformasi logaritmik alami dari kerabat harga, seperti yang dilakukan Raja
(1966). Namun, Blurne (1968) bekerja sama dengan persamaan (3). Kami juga melakukan tes
pada alternatif

spesifik kation:

ln. (Prim) = bi; + Biiln. (Ln!) + Vi , (38)

dimana ln, menunjukkan fungsi logaritma natural. Hasil berhubungan erat dengan yang
dilaporkan di bawah ini.

IPR.-. - 11 = itu + b, -iL - 11 + 95 '"; <3 -

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.

BEBERAPA ISU EKONOMETRIKA

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 adanya efek industri. Yang pertama telah

dieliminasi oleh konstruksi (dilambangkan oleh j-subscript pada M), tapi belum ada
penyesuaian dibuat untuk kehadiran efek industri. Diperkirakan bahwa efek industri mungkin
account hanya sekitar 10 persen dari variabilitas dalam tingkat pendapatan suatu perusahaan.
"Untuk persamaan alasan ini (1) telah diadopsi sebagai spesi fi kasi yang sesuai dengan
keyakinan yang bias dalam estimasi 111, -, dan sebagai, -, tidak akan signifikan. Namun,
sebagai cek pada efisiensi statistik model, kami hasil juga hadir untuk alternatif, model yang
naif yang memprediksi bahwa pendapatan akan sama untuk tahun ini sebagai untuk yang
terakhir. Its kesalahan perkiraan hanya perubahan pendapatan sejak tahun sebelumnya.

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 berbulan-bulan 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):

PR, -, _-. - RF "_ 1 = b; - + b;, - [Ln - RF ... ~ 11 + 9; , (Bb)

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

Desil dari Distribusi Squared Koefisien Korelasi, Perubahan Badan dan Penghasilan Market "

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

Desil dari Distribusi dari Koefisien Pertama-Order Autokorelasi dalam Pendapatan Regresi
Residu

pendapatan median perusahaan dapat dikaitkan dengan perubahan indeks pasar. Hubungan
antara tingkat pendapatan perusahaan-perusahaan diperiksa dalam artikel pendahulu [Ball
dan Brown (1967)]. Pada saat itu, kami mengacu pada keberadaan autokorelasi dalam
gangguan ketika tingkat laba bersih dan EPS yang mundur pada indeks yang sesuai. Dalam
tulisan ini, spesi fi kasi telah diubah dari tingkat ke fi perbedaan pertama karena metode kami
menganalisis reaksi pasar saham untuk nomor pendapatan mengandaikan kesalahan perkiraan
pendapatan tidak terduga minimal 12 bulan sebelum tanggal pengumuman. Anggapan ini
tidak pantas ketika kesalahan yang otomatis berkorelasi. Kami menguji sejauh mana
autokorelasi dalam residual dari model regresi pendapatan setelah variabel telah berubah dari
tingkat untuk terlebih dahulu perbedaan. Hasilnya disajikan pada Tabel 2. Mereka
menunjukkan bahwa anggapan tersebut tidak sekarang tidak beralasan.

TAHUNAN TANGGAL LAPORAN PENGUMUMAN

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

Perusahaan termasuk dalam t-ia studi memenuhi kriteria sebagai berikut:

Data penghasilan yang tersedia pada kaset Compustat untuk masing-masing tahun
1946-1966;
fiskal tahun yang berakhir 31 Desember;
Data harga yang tersedia pada kaset CRSP untuk setidaknya 100 bulan; dan
Wall Street Journal pengumuman tanggal yang tersedia. "
Analisis kami terbatas pada sembilan fi tahun fiskal 1957-1965. dengan awal
analisis dengan tahun 1957, kami yakin setidaknya 10 pengamatan saat
mengestimasi persamaan regresi pendapatan. Batas atas (yang fiscal tahun 1965, hasil yang
diumumkan pada tahun 1966) dikenakan karena CRSP fi le diakhiri pada bulan Juni, 1966.
Kriteria seleksi kami dapat mengurangi umum dari hasil. subpopulasi tidak termasuk
perusahaan-perusahaan muda, orang-orang 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 perusahaanperusahaan. 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

De fi ne bulan 0 sebagai bulan pengumuman laporan tahunan, dan API 0,1! , Indeks Kinerja
Abnormal di bulan M, sebagai:

> _ '> -. = MzsHAP1 .. = - (. 1 + 11,) II "-

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

(T-op setengah); kedua, untuk tiga portofolio perusahaan-perusahaan dan tahun di mana
kesalahan perkiraan pendapatan negatif (bagian bawah); dan ketiga, untuk portofolio tunggal
yang terdiri dari semua perusahaan-perusahaan dan tahun dalam sampel (garis yang
mengembara di bawah garis membagi dua bagian). Tabel 5 termasuk angka yang Gambar 1
didasarkan.

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 tandatanda 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 tandatanda 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 berlarut-larut 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 perusahaanperusahaan menunjukkan peningkatan. Dari tiga variabel, salah satu yang akan paling
percaya diri bahwa pendapatan dari orang-orang yang menunjukkan kesalahan perkiraan
negatif untuk variabel (3) sebenarnya telah kehilangan tanah relatif terhadap pasar.

Observasi ini memiliki implikasi yang menarik. Sebagai contoh, menunjuk ke hubungan
antara besaran dari kesalahan perkiraan pendapatan dan besaran penyesuaian harga saham
yang abnormal. Kesimpulan ini diperkuat oleh Gambar 1 yang menunjukkan bahwa hasil
untuk kesalahan perkiraan positif yang lemah untuk variabel (3) dibandingkan dua lainnya. 2.

hanyut The penurunan Indeks Kinerja Abnormal dihitung lebih dari seluruh perusahaan dan
tahun dalam sampel ulang proyek-fl bias komputasi. "Bias muncul karena

Elll <1 + v ..>] H [1 + E (v ..> 1,

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 bot-tom 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 tandatanda 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 perusahaanperusahaan 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
perusahaan-perusahaan 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,

API ,,. API.,. API. ,, _.

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 "

Hasil menunjukkan bahwa informasi yang terkandung dalam jumlah pendapatan tahunan
berguna dalam hal itu terkait dengan harga saham. Tapi laporan akuntansi tahunan hanya
salah satu dari banyak sumber informasi yang tersedia untuk investor. Tujuan dari bagian ini
adalah untuk menilai kepentingan relatif dari informasi yang terkandung dalam laba bersih,
dan pada saat yang sama untuk memberikan beberapa wawasan ke dalam ketepatan waktu
laporan pendapatan. Disarankan sebelumnya bahwa dampak dari informasi baru tentang
saham individual dapat diukur dengan saham sisa pulang. Misalnya, sisa negatif akan
menunjukkan bahwa kembalinya sebenarnya kurang

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:

TI = -i [m_I" 1n <1 + Iv, -m;>] - 1.00, 2 -I dan, secara umum, AP], E = (1 + T + l) (1 +

m) '

Dengan demikian, kembalinya marginal untuk dua bulan setelah tanggal pengumuman pada
port-folio yang terdiri dari perusahaan-perusahaan yang EPS penurunan akan 0,878 / ,887-1
Q - 010.; sama, pengembalian marginal pada portofolio perusahaan-perusahaan yang E-PS
meningkat akan menjadi 1,059 / 1,056-1 Q '0,003. Setelah memungkinkan untuk bias
komputasi, itu akan muncul bahwa biaya transaksi pasti dalam waktu satu persen kesempatan
untuk telah ada selama normal pro fi t dari menerapkan beberapa aturan perdagangan
mekanik. "Analisis ini tidak mempertimbangkan kontribusi marjinal informasi yang
terkandung dalam jumlah pendapatan tahunan. Ini akan menarik untuk menganalisis dividen
di jauh mirip dengan yang kita telah digunakan untuk pengumuman pendapatan. Kami
berharap akan ada beberapa tumpang tindih. Sampai-sampai ada tumpang tindih, kita atribut
informasi ke nomor pendapatan dan mempertimbangkan pengumuman dividen untuk menjadi
media dimana pasar belajar tentang pendapatan. Asumsi ini sangat arti fi cial dalam angka
pendapatan sejarah dan pembayaran dividen mungkin baik hanya akan kembali ections fl
yang sama, penentu informasi lebih mendasar dari harga saham.

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.:

2 r ~ "M; llNIt = -_ m_I1u <. 1 + v .-> ~ 1.o0 |,

di mana NI menunjukkan informasi bersih. jumlah ini adalah 0,165.

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 tandatanda kesalahan perkiraan pendapatan. Itu adalah,

H = Nl (API $ "- 1.00) - 1V2 (AP13" - 1.00) "(N1 + N2) '

mana II menunjukkan informasi pendapatan, dan N1 dan N2 jumlah kesempatan di mana

kesalahan perkiraan pendapatan adalah positif dan negatif masing-masing. Jumlah ini adalah
0,081 untuk variabel (1), 0,083 untuk variabel (2), dan 0,077 untuk variabel (3).

Dari angka-angka di atas kami menyimpulkan:

(1) sekitar 75 persen [. (0,731-0,165) / 731] dari nilai semua informasi tampaknya offset-ting,
yang pada gilirannya menunjukkan bahwa sekitar 25 persen tetap; dan

(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.

Dua kesimpulan lebih lanjut, tidak langsung terlihat, adalah:

(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 penghasilan dilaporkan (misalnya, melalui
pengumuman dividen, atau item mungkin lain dalam laporan keuangan); (B) 85 sampai 90
persen dari efek bersih dari informasi tentang pendapatan tahunan sudah tercermin dalam
harga keamanan dengan bulan pengumuman; dan (c) periode laporan tahunan sudah satu-dansatu-setengah bulan ke dalam sejarah.

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;

2. asumsi bahwa tidak ada kesalahan dalam data;

3. sifat diskrit kutipan harga saham;

4. validitas dianggap dari "kesalahan dalam perkiraan" model; dan

5. perkiraan regresi dari kesalahan perkiraan pendapatan menjadi variabel acak, yang berarti
bahwa beberapa spesifikasi-misclassi dari "benar" penghasilan perkiraan kesalahan yang tak
terelakkan.

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 membingungkan bahwa pasar telah berpaling
ke sumber-sumber lain yang dapat ditindaklanjuti lebih cepat dari laba bersih tahunan. Studi
ini menimbulkan beberapa masalah untuk penyelidikan lebih lanjut. Misalnya, masih ada
tugas mengidentifikasi media mana pasar mampu mengantisipasi laba bersih: apa bantuan
laporan interim dan pengumuman dividen? Untuk akuntan, ada masalah menilai biaya
pembuatan laporan pendapatan tahunan relatif terhadap laporan interim timelier.

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.