Evaluasi Empiris Akuntansi

Angka Pendapatan

Teori akuntansi pada umumnya mengevaluasi kegunaan praktik-praktik

akuntansi yang dilakukan sejauh kesepakatan mereka dengan model analisis
tertentu. Model itu hanya terdiri dari beberapa asersi atau mungkin juga sebuah
argumen yang berkembang dengan ketat. Dalam setiap kasus, metode evaluasi adalah
membandingkan praktik yang ada dengan praktik yang lebih digemari yang
diimplikasikan oleh model atau dengan beberapa standar yang modelnya menyiratkan
bahwa semua praktik harus dimiliki. Kelemahan metode ini adalah metode ini
mengabaikan sumber pengetahuan yang signifikan tentang dunia, yaitu, sejauh mana
prediksi dari sebuah model sesuai dengan perilaku yang diamati.
Tidaklah cukup untuk mempertahankan sebuah penyelidikan analitis atas dasar
bahwa asumsi secara empiris mendukung, bagaimana seseorang mengetahui bahwa
sebuah teori mencakup semua asumsi pendukung yang relevan? Dan bagaimana
caranya seseorang menjelaskan kekuatan prediksi dari proposisi yang didasarkan pada
asumsi yang tidak dapat diverifikasi seperti memaksimalkan fungsi utilitas?
Selanjutnya, bagaimana seseorang bisa mengatasi perbedaan antara proposisi yang
muncul dari pertimbangan berbagai aspek dunia?
Keterbatasan pendekatan analitis yang sepenuhnya diilustrasikan dengan
argumen bahwa angka pendapatan tidak dapat didefinisikan secara substantif, bahwa
mereka kekurangan '"arti" dan oleh karena itu merupakan utilitas yang meragukan.
Argumen itu sebagian berasal dari perkembangan praktik-praktik akuntansi untuk
menemukan situasi baru saat mereka muncul. Akuntan harus berurusan dengan
konsolidasi, sewa, merger, penelitian dan pengembangan, perubahan tingkat harga, dan
biaya perpajakan, untuk menyebutkan beberapa area permasalahan. Karena akuntansi
tidak memiliki kerangka teoritis yang mencakup semua, perbedaan dalam
keberlangsungan praktik telah berevolusi. Sebagai konsekuensinya, laba bersih adalah
jumlah komponen yang tidak homogen. Dengan demikian dianggap sosok yang "tidak
berarti", tidak berbeda dengan perbedaan antara dua puluh tujuh meja dan delapan kursi.
Berdasarkan pandangan ini, laba bersih dapat didefinisikan hanya sebagai hasil dari
penerapan satu set prosedur {Xi, X2, } untuk satu set peristiwa {J'l, Y2, } tanpa
maksud substantif definitif sama sekali.
Observasi Canning:
Apa yang ditetapkan sebagai ukuran laba bersih tidak akan pernah bisa menjadi
fakta kecuali itu adalah angka yang dihasilkan saat akuntan telah selesai menerapkan
prosedur yang dia adopsi.

Nilai usaha analitis untuk mengembangkan kemampuan pengukuran dari

interpretasi definitif tidak dipermasalahkan. Yang dipermasalahkan saat ini adalah fakta
bahwa sebuah model analitis tidak menilai sendiri signifikansi keberangkatan dari
pengukuran tersirat. Oleh karena itu berbahaya untuk menyimpulkan, jika tidak ada
pengujian empiris lebih lanjut, bahwa kurangnya makna substantif menyiratkan adanya
kekurangan dari utilitas.
Evaluasi empiris dari angka pendapatan akuntansi mensyaratkan persetujuan-
seperti apa hasil nyata merupakan ujian penggunaan yang tepat. Karena laba bersih
adalah sejumlah bunga tertentu bagi investor, hasil yang kita gunakan sebagai kriteria
prediktif adalah keputusan investasi seperti itu yang tercermin dalam harga aman. Baik
isi maupun waktu yang ada angka laba bersih tahunan akan dievaluasi karena
kegunaannya bisa berupa yang terganggu dengan kekurangan pada keduanya.

Sebuah Uji Empiris

Perkembangan terakhir dalam teori modal memberikan justifikasi untuk memilih
perilaku harga aman sebagai uji coba kegunaan. Sebuah teori terkesan mendukung
proposisi bahwa pasar modal adalah efisien dan tidak bias sehingga jika informasi
berguna dalam membentuk harga modal aset, maka pasar akan menyesuaikan harga
aset dengan informasi tersebut secara cepat dan tanpa meninggalkan kesempatan untuk
mendapatkan keuntungan abnormal. Jika, seperti yang ditunjukkan oleh bukti, harga
aman sebenarnya cepat disesuaikan dengan informasi baru yang saat ini tersedia, maka
perubahan harga aman akan mencerinkan arus informasi ke pasar. Revisi penelitian
tentang harga saham yang terkait dengan pengumuman laporan pendapatan akan
memberi bukti bahwa informasi yang terkumpul dalam angka pendapatan sangat
berguna.
Metode kami yang menghubungkan pendapatan akuntansi dengan harga saham
didasarkan pada teori dan bukti ini dengan memusatkan perhatian pada informasi yang
unik untuk sebuah perusahaan tertentu. Secara khusus, kami membangun dua model
alternatif dari apakah pasar mengharapkan pendapatan dan kemudian menyelidiki
reaksi pasar bila harapannya terbukti salah.

PERUBAHAN PENDAPATAN YANG DIHARAPKAN DAN TIDAK

DIHARAPKAN
Secara historis, pendapatan perusahaan cenderung bergerak bersama. Satu Studi
menemukan bahwa sekitar setengah dari variabilitas di tingkat rata-rata pendapatan
perusahaan per saham (EPS) dapat dikaitkan dengan keseluruhan efek ekonomi.
Mengingat bukti ini, setidaknya sebagian dari perubahan pendapatan perusahaan dari
satu tahun ke tahun berikutnya menjadi yang diharapkan. Jika, pada tahun-tahun
sebelumnya, pendapatan sebuah perusahaan telah dikaitkan dengan pendapatan
perusahaan lain dengan cara tertentu, maka pengetahuan tentang hubungan masa lalu,
bersama dengan pengetahuan tentang pendapatan perusahaan-perusahaan lain tersebut
pada tahun ini, menghasilkan suatu harapan kondisional untuk pendapatan perusahaan
saat ini. Dengan demikian, terlepas dari efek konfirmasi, jumlah informasi baru yang
disampaikan oleh jumlah pendapatan sekarang dapat diperkirakan dengan perbedaan
antara perubahan aktual pendapatan dan ekspektasi kondisionalnya.
Tapi tidak semua perbedaan ini merupakan informasi baru. Beberapa perubahan
dalam hasil pendapatan dari pembiayaan dan keputusan kebijakan lainnya yang dibuat
oleh perusahaan. Kami berasumsi bahwa, untuk pendekatan pertama, perubahan
tersebut akan disempurnakan dalam rata-rata perubahan pendapatan sepanjang waktu.
Karena imbas kedua komponen yaitu perubahan ekonomi dan dampak kebijakan
dirasakan secara bersamaan, hubungan harus bersifat diestimasikan bersama.
Spesifikasi statistik yang kita adopsi adalah yang pertama untuk memperkirakan,
dengan Ordinary Least Square (OLS), koefisien () dari linier regresi perubahan laba
perusahaan j () pada perubahan pendapatan rata-rata dari semua perusahaan (selain
perusahaan j) di pasar () menggunakan data sampai akhir tahun sebelumnya ():
Rumus

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.

BEBERAPA ISU EKONOMETRIK

Salah satu asumsi OLS model regresi pendapatan adalah bahwa Mj dan uj tidak
bisa dikorelasikan. Korelasi di antara mereka dapat menghasilkan setidaknya dua
bentuk, yaitu masuknya perusahaan dalam indeks pasar pendapatan (Mj), dan adanya
efek industri. Yang pertama telah dieliminasi dengan konstruksi (dilambangkan dengan
j pada M), tapi belum ada penyesuaian yang dibuat untuk adanya efek industri.
Diperkirakan bahwa efek industri mungkin hanya sekitar 10 persen variabilitas di
tingkatnya dari penghasilan perusahaan. Untuk alasan ini, persamaan (1) telah diadopsi
sebagai spesifikasi yang sesuai dengan keyakinan bahwa setiap bias dalam estimasi
sebuah a2jt, dan a2jt tidak akan signifikan. Namun, sebagai cek pada efisiensi statistik
dari model, kami juga menyajikan hasil untuk model alternatif, model naif yang mana
memprediksi bahwa pendapatan akan sama untuk tahun ini seperti untuk yang terakhir.
Kesalahan ramalan hanyalah pada perubahan pendapatan sejak tahun sebelumnya.
Seperti halnya model regresi pendapatan, model return saham, seperti yang telah
disajikan, berisi beberapa pelanggaran yang jelas dari asumsi model regresi OLS.
Pertama, indeks pengembalian pasar berkorelasi dengan residual karena indeks pasar
berisi pengembalian perusahaan j, dan menyebabkan efek industri. Tidak ada
pemborosan yang serius, karena indeks Fishers dihitung atas semua saham yang
tercatat di New York Stock Exchange (oleh karena itu retum aman j hanya sebagian
kecil dari indeks), dan karena dampak industri paling banyak 10 persen variabilitas
dalam tingkat pengembalian rata-rata saham. Pelanggaran kedua terjadi akibat prediksi,
untuk bulan-bulan tertentu seputar tanggal laporan, nilai yang diharapkan dari vjs
adalah tidak nol. Sekali lagi, bias apapun seharusnya memiliki sedikit efek pada hasil,
karena ada autokorelasi di vjs, dan tidak ada kasus regresi return saham yang sesuai di
atas kurang dari 100 observasi.

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.

TANGGAL PENGUMUMAN LAPORAN TAHUNAN

Wall Street Journal menerbitkan tiga jenis pengumuman laporan tahunan: perkiraan
pendapatan tahun ini, seperti yang dibuat, misalnya oleh korporasi eksekutif tak lama
setelah akhir tahun; laporan awal; dan laporan tahunan lengkap. Sementara prakiraan
sering kali tidak tepat, laporan awal biasanya merupakan pratinjau ringkas dari
laporan tahunan. Karena laporan awal biasanya berisi angka yang sama untuk laba
bersih dan EPS seperti yang diberikan kemudian dengan laporan akhir, tanggal
pengumuman (atau, efektif, tanggal berapa jumlah pendapatan tahunan secara umum
tersedia) diasumsikan sebagai tanggal di mana laporan awal muncul di Wall Street
Journal. Tabel 3 menunjukkan bahwa lag waktu antara akhir tahun fiskal dan
pelepasan laporan tahunan tersebut telah menurun dengan pasti sepanjang periode
sampel.

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.

NILAI PENDAPATAN TAHUNAN TERKAIT SUMBER INFORMASI LAIN

Hasilnya menunjukkan bahwa informasi yang terkandung dalam angka
pendapatan tahunan berguna karena berkaitan dengan harga saham. Tapi laporan
akuntansi tahunan hanyalah salah satu dari banyak sumber informasi yang tersedia bagi
investor. Tujuan dari bagian ini adalah untuk menilai kepentingan relatif dari informasi
yang terkandung dalam laba bersih, dan pada saat yang sama memberikan beberapa
wawasan terhadap jangka waktu laporan pendapatan.
Disarankan sebelumnya bahwa dampak informasi baru tentang saham individual
dapat diukur dengan nilai residu return saham. Misalnya, sisa negatif akan
menunjukkan bahwa retensi sebenarnya kurang dari perkiraan yang diharapkan karena
tidak ada informasi buruk. Sama halnya jika seorang investor dapat memanfaatkan
informasi tersebut dengan menjual atau dengan mengambil posisi sebelum penyesuaian
pasar, maka residual akan terlihat, mengabaikan biaya transaksi, sejauh mana retumnya
lebih besar daripada yang biasanya diharapkan.
 Perbedaan antara return yang direalisasikan dan yang diharapkan yang diterima
juga menunjukkan nilai informasi baru, maka jelas bahwa nilai informasi baru, bulanan,
baik atau buruk, tentang saham individual diberikan oleh nilai absolut dari sisa return
saham untuk bulan tertentu. Dengan demikian, nilai semua informasi bulanan
perusahaan rata-rata, yang diterima dalam 12 bulan sebelum laporan tersebut, diberikan
oleh:
[RUMUS]
Dan secara umum
[RUMUS]

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]

dimana NI menunjukkan informasi bersih. Jumlah ini adalah 0.165.

Dampak dari angka pendapatan tahunan juga merupakan jumlah bersih dari laba
bersih tersebut yang merupakan hasil dari peristiwa peningkatan pendapatan dan
penurunan pendapatan. Jika seseorang menerima model kesalahan perkiraan, maka
nilai informasi yang terkandung dalam angka pendapatan tahunan dapat diperkirakan
dengan rata-rata kenaikan nilai dari bulan ke-11 sampai bulan 0, di mana kenaikan
tersebut dirata-ratakan selama dua portofolio yang dibuat dari (membeli atau menjual
jangka pendek) semua perusahaan dan tahun yang diklasifikasikan oleh tanda-tanda
kesalahan perkiraan pendapatan. Persamaannya adalah:
[RUMUS]

dimana II menunjukkan informasi pendapatan, dan Nl dan N2 jumlah kejadian dimana

kesalahan perkiraan pendapatan masing-masing positif dan negatif. Angka ini adalah
0,081 untuk variabel (1), 0,083 untuk variabel (2), dan 0,077 untuk variabel (3).
Dari jumlah di atas yang kami simpulkan:
(1) sekitar 75 persen [(731 - .165) / 731] dari nilai semua informasi nampaknya
mengimbangi, yang pada gilirannya berarti bahwa sekitar 25 persen bertahan; dan
(2) dari 25 persen yang bertahan, sekitar setengah [49%, 50%, dan 47% -
dihitung sebagai 0,081 / .165, .083 / .165, dan .077 / .165 untuk variabel (l) - (3)] dapat
dikaitkan dengan informasi yang terkandung dalam pendapatan yang dilaporkan.
Dua kesimpulan lebih lanjut, tidak secara langsung, adalah:
(3) dari nilai informasi yang terkandung dalam pendapatan yang dilaporkan,
tidak lebih dari sekitar 10 sampai 15 persen (12 7o, 11%, dan 13%) belum diantisipasi
pada bulan tersebut dari laporan; dan
 (4) nilai informasi yang disampaikan oleh jumlah pendapatan pada saat
perilisannya merupakan rata-rata, hanya 20 persen (19%, 18%, dan 19%) dari nilai
semua informasi yang masuk ke pasar dalam bulan itu.
Kesimpulan kedua menunjukkan bahwa jumlah pendapatan akuntansi mencakup
sekitar setengah dari pengaruh bersih semua informasi yang tersedia selama 12 bulan
sebelum perilisan mereka; namun kesimpulan keempat menunjukkan bahwa
pendapatan bersih hanya menyumbang sekitar 20 persen dari nilai semua informasi
pada bulan peluncurannya. Paradoks yang nyata mungkin karena fakta bahwa: (a)
banyak bagian informasi lainnya biasanya dirilis pada bulan yang sama dengan
pendapatan yang dilaporkan (misalnya melalui pengumuman dividen, atau mungkin
item lainnya dalam laporan keuangan); (b) 85 sampai 90 persen dari pengaruh bersih
informasi tentang pendapatan tahunan telah dipulihkan dalam harga aman pada bulan
pengumumannya; dan (c) periode laporan tahunan sudah satu-dan-satu-setengah bulan
lamanya.
Usaha kita mungkin merupakan usaha pertama untuk menilai secara empiris nilai
relatif dari jumlah pendapatan tahunan, namun memiliki keterbatasan. Sebagai contoh,
hasil kami secara sistematis bias terhadap temuan yang mendukung laporan akuntansi
karena:
1. asumsi bahwa harga saham berasal dari transaksi yang terjadi secara bersamaan
pada akhir bulan;
2. asumsi bahwa tidak ada kesalahan dalam data;
3. Sifat diskrit dari pungutan harga saham;
4. dugaan validitas dari model "kesalahan dalam ramalan"; dan
5. perkiraan regresi dari kesalahan perkiraan pendapatan adalah variabel acak, yang
menyiratkan bahwa beberapa kesalahan klasifikasi kesalahan perkiraan "benar"
tidak dapat dielakkan.

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.