Angka Pendapatan
dimana hal ini menunjukkan perkiraan. Perubahan pendapatan yang diharapkan untuk
perusahaan j pada tahun t kemudian diberikan oleh prediksi regresi dengan
menggunakan perubahan rata-rata pendapatan untuk pasar pada tahun t:
Rumus
Perubahan pendapatan tak terduga, atau kesalahan perkiraan (), adalah perubahan minus
pendapatan yang sebenarnya yang diharapkan:
Rumus
Kesalahan perkiraan inilah yang kita anggap sebagai informasi baru yang disampaikan
oleh jumlah pendapatan sekarang.
REAKSI PASAR
Hal ini juga telah ditunjukkan bahwa harga saham, dan tingkat return dari
memegang saham, cenderung bergerak bersama. Dalam sebuah penelitian, telah
diperkirakan sekitar 30 sampai 40 persen variabilitas dalam tingkat return saham
bulanan selama periode Maret 1944 sampai Desember, 1960 bisa dikaitkan dengan efek
di seluruh pasar. Variasi luas pasar dalam return saham dipicu oleh pelepasan informasi
yang sesuai dengan semua perusahaan. Karena kita mengevaluasi laporan pendapatan
yang berkaitan dengan individu perusahaan, isi dan waktunya harus dinilai relatif
terhadap perubahan dalam tingkat return pada saham perusahaan dari efek pasar secara
keseluruhan.
Dampak dari seluruh informasi pasar pada tingkat return bulanan dari investasi
satu dolar dalam saham perusahaan j dapat diperkirakan dengan memprediksi nilai dari
regresi linier harga bulanan relatif saham biasa perusahaan j pada indeks pengembalian
pasar:
[Rumus]
di mana PRjm adalah harga bulanan relatif untuk perusahaan j dan bulan m, L adalah
link relatif dari Fisher's "Combination Investment Performance Index" (Fisher (1966)],
dan Uj ^ adalah tingkat return saham sisa untuk perusahaan j di bulan m. Nilai [I ^ - 1]
adalah perkiraan tingkat return bulanan pasar. m dalam sampel kami mengasumsikan
nilai untuk semua bulan sejak Januari, 1946 untuk data mana yang tersedia.
Residual dari regresi OLS diwakili dalam persamaan (3) pengukuran sejauh mana
pengembalian yang direalisasikan berbeda dari perkiraan return bersyarat pada
perkiraan parameter regresi (oleh, bzj) dan indeks pasar [L ^ - 1]. Dengan demikian,
sejak pasar telah ditemukan untuk menyesuaikan dengan cepat dan efisien terhadap
informasi baru, residu harus mewakili dampak dari informasi baru, tentang perusahaan
j saja, pada return dari memegang saham biasa di perusahaan j.
RINGKASAN
Kami berasumsi bahwa dalam informasi yang berguna tentang perusahaan tertentu
selama suatu periode, tingkat returnnya selama periode tersebut hanya akan
mencerminkan adanya informasi di seluruh pasar yang berkaitan dengan semua
perusahaan. Dengan abstrak dari efek pasar [persamaan (3)], kami mengidentifikasi
pengaruh informasi yang berkaitan dengan masing-masing perusahaan. Kemudian,
untuk menentukan apakah bagian dari efek ini dapat dikaitkan dengan informasi yang
terdapat di dalam jumlah pendapatan akuntansi perusahaan, kami memisahkan unsur-
unsur perubahan pendapatan yang diharapkan dan yang tak terduga. Jika kesalahan
perkiraan pendapatan negatif (artinya, jika perubahan pendapatan sebenarnya kurang
dari harapan yang dikondisikan), kita mendefinisikannya sebagai berita buruk dan
memprediksi bahwa jika ada hubungan antara jumlah pendapatan akuntansi dan harga
saham, maka pelepasan angka pendapatan akan mengakibatkan return pada sekuritas
perusahaan itu kurang dari yang telah diharapkan.
TABEL 1
Hasil tersebut (u<0) akan menjadi bukti perilaku negatif dalam residual tingkat
pengembalian saham (u<0) sekitar tanggal pengumuman laporan tahunan.
Kebalikannya harus berlaku untuk sebuah kesalahan perkiraan yang positif.
Model ekspektasi pendapatan dasar telah didefinisikan menjadi sebuah model regresi
dan model naif. Kami melaporkan, secara rinci tentang dua ukuran pendapatan [laba
bersih dan EPS, variabel (1) dan (2)] untuk model regresi, dan satu ukuran [EPS,
variabel (3)] untuk model naif.
Data
Tiga kelas data menarik: isi laporan pendapatan; tanggal pengumuman laporan; dan
pergerakan harga aman sekitar tanggal pengumuman.
ANGKA PENDAPATAN
Angka pendapatan untuk tahun 1946 sampai 1966 diperoleh dari kaset Standard dan
Poors Compustat. Distribusi koefisien kuadrat dari korelasi antara perubahan
pendapatan perusahaan individual dan perubahan indeks pendapatan pasar dirangkum
dalam Tabel 1. Untuk sampel saat ini, sekitar seperempat variabilitas dalam
perubahan nilai tengah pendapatan perusahaan dapat dikaitkan dengan perubahan di
indeks pasar.
TABEL 2
Hubungan antara tingkat pendapatan perusahaan diperiksa dalam artikel pelopor [Ball
and Brown (1967)]. Saat itu, kami dirujuk adanya autokorelasi dalam gangguan saat
tingkat laba bersih dan EPS mengalami penurunan pada indeks yang sesuai. Didalam
jurnal ini, spesifikasi telah berubah dari tingkat ke perbedaan pertama karena metode
kami menganalisis reaksi pasar saham terhadap pendapatan angka mengandaikan
perkiraan pendapatan yang tidak dapat diprediksi tidak dapat diprediksi pada minimal
12 bulan sebelum tanggal pengumuman. Anggapan ini tidak tepat bila kesalahannya
adalah autokorelasi.
Kami menguji sejauh mana autokorelasi pada residu dari model regresi
pendapatan setelah variabel berubah dari tingkat awal ke tingkat perbedaan yang
pertama. Hasilnya disajikan pada Tabel 2. Mereka menunjukkan bahwa anggapan
sekarang tidak beralasan.
HARGA SAHAM
Harga saham relatif diperoleh dari kaset yang dibuat oleh Pusat Penelitian
Harga Aman (CRSP) di University of Chicago. Data yang digunakan adalah harga
penutupan bulanan di New York Stock Exchange, disesuaikan dengan dividen dan
perubahan modal, untuk periode Januari 1946 sampai Juni 1966. Tabel 4 menyajikan
desil dari distribusi dari kuadrat koefisien untuk regresi return saham [persamaan (3)],
dan koefisien autokorelasi orde pertama di residu saham.
KRITERIA PENYERTAAN
Perusahaan yang termasuk dalam studi ini memenuhi kriteria berikut:
1. Data laba tersedia di kaset Compustat untuk masing-masing tahun 1946-1966;
2. tahun buku yang berakhir pada tanggal 31 Desember;
3. data harga yang tersedia pada kaset CRSP paling sedikit 100 bulan; dan
4. tanggal pengumuman Wall Street Journal yang tersedia.
Analisis kami dilakukan pada sembilan tahun fiskal 1957-1965. Dengan awal
analisis pada 1957, kami yakin setidaknya ada 10 pengamatan saat memperkirakan
persamaan regresi pendapatan. Batas atas (fiskal tahun 1965, yang hasilnya
diumumkan pada tahun 1966) dikenakan karena file CRSP diakhiri pada bulan Juni
1966.
Kriteria seleksi kami dapat mengurangi generalitas hasil. Subpopulasi tidak
termasuk perusahaan yang masih muda, yang gagal, yang tidak melaporkan pada
tanggal 31 Desember, dan yang tidak terwakili pada Compustat, kaset CRSP, dan
Wall Street Journal. Hasilnya, hal itu mungkin tidak mewakili semua perusahaan.
Namun, perhatikan bahwa (1) 261 perusahaan yang tersisa penting dalam hak mereka
sendiri, dan (2) replikasi penelitian kami pada sampel yang berbeda menghasilkan
hasil yang sesuai untuk yang dilaporkan di bawah ini.
Hasil
Tentukan bulan 0 sebagai bulan pengumuman laporan tahunan, dan , APIm, Indeks
Kinerja abnormal pada bulan M, sebagai:
[Rumus]
Kemudian API melacak nilai satu dolar yang diinvestasikan (dalam jumlah yang
sama) di semua sekuritas n (n = 1, 2, , N) pada akhir bulan -12 (yaitu, 12 bulan
sebelum bulan laporan tahunan) dan diadakan sampai akhir beberapa periode (M = -
11, -10, , T) setelah mengambil intisari dari pengaruh pasar. Penafsiran yang
setara adalah sebagai berikut. Seharusnya dua individu A dan B setuju dengan
proposisi berikut. B adalah untuk membangun portofolio yang terdiri dari satu dolar
yang diinvestasikan dalam jumlah yang sama di sekuritas N. Sekuritas harus dibeli
pada akhir bulan -12 dan diadakan untuk akhir bulan T. Untuk beberapa harga, B
kontrak dengan A untuk mengambil (atau membuat), pada akhir setiap bulan M,
hanya keuntungan normal (atau kerugian) dan kembalikan ke A, pada akhir bulan T,
satu dolar plus atau minus setiap keuntungan atau kerugian abnormal. Kemudian
APIm adalah nilai ekuitas A di portofolio pada akhir setiap bulan M.
Hasil numerik disajikan dalam dua bentuk. Gambar 1 plot APIm pertama untuk tiga
portofolio yang dibangun dari semua perusahaan dan tahun di mana kesalahan
perkiraan pendapatan, menurut masing-masing dari ketiga variabel tersebut, positif
(bagian atas); kedua, untuk tiga portofolio perusahaan dan tahun di mana kesalahan
perkiraan pendapatan negatif (bagian bawahnya); dan ketiga, untuk sebuah portofolio
tunggal yang terdiri dari semua perusahaan dan tahun dalam sampel (garis yang
membentang tepat di bawah garis membagi dua bagian). Dalam Tabel 5 terdapat
angka yang digunakan pada Gambar 1.
GAMBAR 1
Dari hasil set pertama mungkin sensitif terhadap distribusi gangguan return saham,
hasil set kedua disajikan. Kolom ketiga di bawah setiap variabel yang berada pada
Tabel 5 menampilkan statistik chi-square untuk klasifikasi dua kali dua perusahaan
dengan tanda kesalahan perkiraan pendapatan, dan tanda residual return saham untuk
bulan itu.
TINJAUAN
Seperti yang diharapkan dari sampel besar, kedua set hasil tersebut menyampaikan
gambar yang intinya sama. Mereka menunjukkan bahwa informasi berada pada angka
pendapatan tahunan berguna jika pendapatan sebenarnya berbeda dari pendapatan
yang diharapkan, pasar biasanya telah bereaksi ke arah yang sama. Pendapat ini
didukung baik oleh Gambar 1 yang menunjukkan adanya tanda, asosiasi positif antara
tanda kesalahan dalam peramalan pendapatan dan Indeks Kinerja Abnormal, dan
dengan statistik chi-square (Tabel 5). Yang terakhir menunjukkan bahwa sangat tidak
mungkin tidak ada hubungan antara keduanya tanda kesalahan perkiraan pendapatan
dan tanda tingkat return residual sepanjang bulan sampai pengumuman laporan
tahunan.
TABEL 5
Namun, sebagian besar informasi yang terkandung dalam pendapatan yang dilaporkan
adalah antisipasi oleh pasar sebelum laporan tahunan dirilis. Bahkan, antisipasi sangat
akurat sehingga jumlah pendapatan sebenarnya tidak nampak menyebabkan lompatan
yang tidak biasa di Indeks Kinjerja Abnormal di bulan pengumuman. Sebagai
ilustrasi, batas ke atas dan ke bawah dimulai setidaknya 12 bulan sebelum laporan
dirilis (saat portofolio pertama dibuat) dan berlanjut sekitar satu bulan setelahnya.
Ketekunan dari batas-batas, seperti yang ditunjukkan oleh tanda konstan dari indeks
dan dengan peningkatan nilai monotonik yang absolut (Gambar 1), menunjukkan
tidak hanya pasar mulai mengantisipasi kesalahan perkiraan di awal 12 bulan sebelum
laporan tersebut, namun juga terus melakukannya dengan meningkatkan kesuksesan
sepanjang tahun.
TABEL 6
HASIL SPESIFIK
1. Tampaknya ada sedikit perbedaan antara hasilnya untuk kedua variabel model
regresi Tabel 6, yang mengklasifikasikan tanda salah satu variabel kontingen
kesalahan perkiraan pada tanda-tanda kesalahan dari dua variabel lainnya
mengungkapkan alasannya. Misalnya, pada 1231 kali di mana Kesalahan
perkiraan pendapatan positif untuk variabel (1), hal itu juga positif 1148 kali (dari
kemungkinan 1231) untuk variabel (2). Demikian pula, di 1109 kali di mana
kesalahan perkiraan pendapatan negatif untuk variabel (1), juga negatif pada
1026 kali untuk variabel (2). Fakta bahwa Hasil untuk variabel (2) mendominasi
secara ketat variabel yang (1) menyarankan, Bagaimanapun, bahwa ketika kedua
variabel tersebut tidak setuju dengan tanda kesalahan perkiraan pendapatan,
variabel (2) lebih sering benar.
Meskipun ada sedikit pilihan antara variabel (1) dan (2), variabel (3) (model naif)
jelas terbaik untuk portofolio terdiri atas perusahaan dengan kesalahan perkiraan
negatif. Faktor yang berkontribusi adalah sebagai berikut. Model naif
memberikan kesalahan prediksi sama dengan yang model regresi berikan jika (a)
perubahan laba pasar adalah nol, dan (b) tidak ada penyimpangan di pendapatan
perusahaan. Tapi secara historis telah terjadi peningkatan pendapatan pasar,
terutama selama bagian akhir dari periode sampel, karena kenaikan umum dalam
harga dan pengaruh kuat dari ekspansi berkelanjutan sejak 1961. Dengan
demikian, model naif [variabel (3)] biasanya diidentifikasi sebagai perusahaan
dengan kesalahan prediksi negatif yang relatif sedikit dimana perusahaan
menunjukkan penurunan EPS ketika sebagian besar perusahaan menunjukkan
peningkatan. Dari tiga variabel, salah satu yang akan paling yakin bahwa
pendapatan mereka yang menunjukkan kesalahan perkiraan negatif untuk
variabel (3) telah pada kenyataannya relatif kehilangan pasar.
Observasi ini memiliki implikasi yang menarik. Sebagai contoh, menunjuk ke
sebuah hubungan antara besaran kesalahan perkiraan pendapatan dan besaran
penyesuaian harga saham yang abnormal. Kesimpulan ini diperkuat oleh Gambar
1 yang menunjukkan bahwa hasil untuk perkiraan kesalahan positif lebih lemah
untuk variabel (3) dibandingkan dua lainnya.
2. Melihat ke indeks kinerja abnormal yang dihitung selama semua perusahaan dan
tahun dalam sampel mencerminkan bias komputasi. Bias muncul karena:
[Rumus]
di mana E menunjukkan nilai yang diharapkan. Hal ini dapat dengan mudah
dilihat bahwa bias pada bulan K setidaknya urutan (K - 1) kovarians antara
Um dan Um-i . Jika kovarians ini negatif, bias juga negatif.
Selama bias tidak mempengaruhi tenor hasil kami dengan cara apapun, hal itu
harus diingat ketika menafsirkan nilai-nilai dari berbagai API. Ini membantu
menjelaskan, misalnya, mengapa perubahan mutlak dalam indeks di panel bawah
Gambar 1 cenderung lebih besar daripada dalam panel atas; mengapa indeks di
panel atas cenderung menolak tak lama setelah bulan 0; dan akhirnya, mengapa
drift di indeks di panel bawah cenderung bertahan di luar bulan pengumuman
laporan.
3. Hasil Kami juga dihitung untuk model regresi menggunakan tambahan definisi
pendapatan:
(a) arus kas, yang hampir sama dengan pendapatan operasional, dan
(b) laba bersih sebelum pos tidak berulang.
Tidak ada variabel yang sukses dalam memprediksi tanda-tanda tingkat
pengembalian residu saham sebagai laba bersih dan EPS. Misalnya pada bulan
0, Indeks Kinerja Abnormal untuk kesalahan perkiraan yang positif adalah 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)]. Angka masing-masing untuk perusahaan dan tahun dengan kesalahan
prediksi negatif adalah 0,911, 0,917, dan 0,907.
4. API dan uji chi-square pada Tabel 5 menunjukkan bahwa, di setidaknya untuk
variabel (3), hubungan antara tanda bagian depan kesalahan perkiraan
pendapatan dan dari sisa tingkat pengembalian saham mungkin telah
berlangsung selama dua bulan di luar bulan pengumuman laporan tahunan. Satu
penjelasan yang masuk akal bahwa indeks pendapatan pasar tidak diketahui pasti
sampai setelah beberapa perusahaan telah mengumumkan angka pendapatan
mereka. Menghilangkan ketidakpastian tentang pendapatan pasar selanjutnya
terhadap pengumuman beberapa perusahaan mungkin lebih berpengaruh, ketika
rata-rata semua perusahaan dalam sampel, akan tercermin dalam ketekunan API
di luar bulan pengumuman. Penjelasan ini mungkin bisa dikesampingkan ,
namun, sejak perusahaan-perusahaan yang membuat pengumuman mereka di
bulan Januari dikeluarkan dari sampel untuk tahun itu, tidak ada perubahan
dalam pola API keseluruhan seperti disajikan dalam Gambar 1, meskipun secara
umum ada penurunan di statistik x2.
Penjelasan kedua bisa menjadi kesalahan acak di dalam tanggal
pengumuman. Penyimpangan di API akan tetap ada di luar bulan pengumuman
jika kesalahan mengakibatkan kami memperlakukan beberapa perusahaan
seolah-olah mereka telah mengumumkan angka pendapatan mereka lebih awal
dari pada kenyataannya yang terjadi. Tapi penjelasan ini juga dapat mungkin
dikesampingkan, karena semua tanggal pengumuman diambil dari Indeks Wall
Street Journal yang telah diverifikasi Wall Street Journal.
Penjelasan ketiga adalah laporan awal tidak dianggap oleh pasar sebagai
akhir. Sayangnya, masalah ini tidak dapat dipecahkan secara independen dari
hipotesis alternatif, yaitu bahwa pasar membutuhkan lebih banyak waktu untuk
menyesuaikan diri dengan informasi jika nilai informasi itu kurang dari biaya
transaksi yang akan ditimbulkan oleh investor yang ingin memanfaatkan
kesempatan untuk keuntungan abnormal. Artinya, bahkan jika hubungan tersebut
cenderung bertahan di luar bulan pengumuman, maka jelas kecuali biaya
transaksi berada dalam sekitar satu persen, tidak ada kesempatan untuk
mendapatkan keuntungan abnormal setelah informasi pendapatan tersedia secara
umum. Hasil kami konsisten dengan bukti lain bahwa pasar cenderung bereaksi
terhadap data tanpa bias, setidaknya untuk biaya transaksi.
dimana TI menunjukkan total informasi. Untuk sampel kami, rata-rata di atas semua
perusahaan dan tahun, jumlah ini adalah 0,731. Untuk satu saham tertentu, beberapa
informasi antarbulan akan mengimbangi. Nilai informasi bersih (diterima dalam 12
bulan sebelum laporan) tentang rata-rata saham diberikan oleh:
[RUMUS]
Penutup
Tujuan awal adalah untuk menilai kegunaan angka-angka pembukuan akuntansi
yang ada dengan memeriksa kandungan informasi dan ketepatan waktu. Modus analisis
memungkinkan beberapa kesimpulan pasti yang akan kita umumkan kembali. Dari
semua informasi tentang perusahaan perorangan yang tersedia selama setahun, satu
setengah atau lebih ditangkap pada angka pendapatan tahun itu. Oleh karena itu isinya
sangat bagus. Namun, laporan pendapatan tahunan tidak memberi nilai tinggi sebagai
media tepat waktu, karena sebagian besar kontennya (sekitar 85 sampai 90 persen)
ditangkap oleh media yang lebih cepat yang mungkin mencakup laporan sementara.
Karena efisiensi pasar modal sebagian besar ditentukan oleh kecukupan sumber
datanya, kita tidak menganggapnya membingungkan bahwa pasar telah beralih ke
sumber lain yang dapat ditindaklanjuti dengan lebih cepat lagi dengan laba bersih
tahunan.
Studi ini mengangkat beberapa isu untuk penyelidikan lebih lanjut. Sebagai
contoh, tetap ada tugas untuk mengidentifikasi media dimana pasar mampu
mengantisipasi laba bersih; dari bantuan apa yang sementara, laporan dan pengumuman
dividen? Bagi akuntan, ada masalah dalam menilai biaya penyusunan laporan
pendapatan tahunan dibandingkan laporan interim yang lebih tepat waktu.
Hubungan antara besaran (dan bukan hanya tanda) dari perubahan pendapatan
yang tak terduga dan penyesuaian harga saham terkait juga dapat diselidiki. Ini akan
menawarkan cara yang berbeda untuk mengukur nilai informasi tentang perubahan
pendapatan, dan mungkin juga sebagai tambahan memberikan wawasan tentang sifat
statistik dari proses pendapatan, sebuah proses yang walau sedikit dipahami namun
sangat menarik bagi peneliti akuntansi.
Akhirnya, sebuah mekanisme diberikan untuk pendekatan empiris terhadap kelas
pilihan kontroversial yang kontroversial dalam pelaporan eksternal.