Informasi Isi Nomor Nonearnings Akuntansi Sebagai Laba Prediktor

t
t
Jane A. Ou
 Jurnal Akuntansi Penelitian, Vol, 28, No. 1. (Spring, 1990),
hlm, 144-163,

URL Stabil: http: // link.jstor.orgisici?SICI = 0021-8456% 28199021%

2928% 3A1% 3C144% 3ATICONA% 3E2.0.00% 3B2-E
Journal of Accounting Research saat ini diterbitkan oleh The Institute of
Professional Accounting, Graduate School of Business, University of
Chicago.
Penggunaan arsip JSTOR menunjukkan persetujuan Anda terhadap Syarat dan
Ketentuan Penggunaan JSTOR ini, tersedia di http:
//www.jstor.orgiaboutiterrns.html. JSTOR s Syarat dan Ketentuan Penggunaan
menyediakan, sebagian, bahwa kecuali jika Anda telah memperoleh izin, Anda
mungkin tidak men-download seluruh isu jurnal atau beberapa salinan dari
artikel, dan Anda dapat menggunakan konten dalam arsip JSTOR hanya untuk
pribadi Anda, penggunaan non-komersial.

Silahkan hubungi penerbit mengenai penggunaan lebih lanjut dari karya ini.
Informasi kontak penerbit dapat diperoleh di http://www.jstor.orgijournalsigrad-
uchicago.html.
Setiap salinan dari setiap bagian dari transmisi JSTOR harus berisi
pemberitahuan hak cipta yang sama yang muncul pada layar atau halaman yang
dicetak dari transmisi tersebut.
JSTOR adalah sebuah organisasi independen tidak-untuk-profit yang
didedikasikan untuk menciptakan dan melestarikan arsip digital jurnal
ilmiah. Untuk informasi lebih lanjut mengenai JSTOR, silakan hubungi
dukungan(jstor.org.
 Jurnal Akuntansi Penelitian
Vol. 28 No, 1 Musim Semi 1990
Dicetak di 11 S, A.

C
o
p
y
r
i
g
h
t
 Informasi Isi
Nomor Nonearnings Akuntansi
sebagai Laba Prediktor
JANE A. OU *
1. Pendahuluan
tulisan ini memberikan bukti empiris pada kemampuan prediktif dan isi
informasi nonearnings nomor laporan tahunan luar itu terkandung dalam laba.
'aku mengambil pendekatan 'laba prediksi' untuk mengatasi masalah konten
informasi tambahan.' dalam pendekatan ini, angka akuntansi nonearnings,
bersama-sama, memainkan peran prediktor perubahan laba masa depan. secara
khusus, saya menyelidiki apakah angka akuntansi nonearnings menyampaikan
informasi tentang laba masa depan yang tidak tercermin dalam pendapatan
saat ini., dan jika mereka melakukannya, apakah konten prediksi inkremental
ini tercermin dalam harga saham.
 * Santa Clara University. makalah ini didasarkan pada disertasi saya di University of California,
Berkeley. aku syukur ac pengetahuan komentar dan saran dari William Beaver, George Foster, James
Clhlson, Stephen Penman, James Sepe, Neal Ushman, Peter Wilson, dan para peserta lokakarya di UC
Berkeley anti Stanford, saya juga ingin berterima kasih kepada wasit anonim untuk menyediakan
banyak wawasan saran. Saya terutama berhutang budi kepada Stephen Penman, ketua disertasi saya,
untuk bimbingan dan bantuan seluruh pengembangan dan revisi dari makalah ini.
Dalam makalah ini, "angka akuntansi nonearnings" mengacu pada semua item data yang
dilaporkan dalam laporan keuangan tahunan selain pendapatan, termasuk komponen laba.
 Penelitian sebelumnya banyak yang diidentifikasi nonearnings item yang sedikit berguna dalam
menjelaskan return saham kontemporer. Contohnya termasuk Lipe [1986] pada komponen pendapatan,
Kaplan dan Paten [1977], Rayburn [1986], dan Wilson [1986; 1987] pada arus kas dan / atau
komponen akrual laba, Griffin [1976] atas dividen, Gonedes 1 [1975; 1978) dan Eskew dan Wright
[1976] pada pos luar biasa, dan Gonedes [1974] pada beberapa rasio keuangan. Banyak studi ini
menemukan konten informasi tambahan dalam berbagai item akuntansi. Untuk review dari studi
sebelumnya, melihat Lev dan Ohlson [1982],

144
 NONEARNINGS ANGKA AKUNTANSI 145
Perspektif informasi akuntansi menyiratkan bahwa hubungan kontemporer
antara angka akuntansi nonearnings dan return saham dapat dilihat sebagai
akibat dari informasi link prediktif antara akuntansi ini nomor dan beberapa,
atribut nilai-relevan teramati dari Byrn.' Meskipun dividen masa depan dan
arus kas masa depan telah sering telah dikutip sebagai proxy untuk atribut-
atribut primitif, bukti menunjukkan bahwa laba masa depan juga nilai-relevan4
Dengan demikian, isi informasi tambahan dari angka akuntansi nonearnings
sebelumnya ditemukan dalam tes berdasarkan asosiasi mereka dengan return
saham mungkin timbul sebagian dari kemampuan angka-angka ini untuk
memprediksi laba masa depan. Makalah ini melengkapi literatur yang ada
dengan menawarkan perspektif ini prediksi, dan interpretasi, isi informasi
tambahan dari angka akuntansi nonearnings. Hasil utama dari studi ini
memberikan bukti untuk kedua "prediksi informasi link" antara beberapa
nonearnings nomor laporan tahunan dan perubahan laba masa depan dan
"valuasi link" antara perubahan laba masa depan diprediksi dan return saham
selama periode laporan penyebaran tahunan.
Link informasi prediksi didirikan oleh pasbiner oneyear depan model
-

labaprediksi data laporan tahunan yang dipilih dan membandingkan model ini
prediksi dengan orang-orang dari model random walk.' Kemampuan prediksi
dari model-tahunan-laporan berdasarkan atas dan di atas bahwa model random
walk harus dikaitkan dengan prediktor nonearnings. saya Hasilmenunjukkan
bahwa beberapa angka akuntansi nonearnings berisi informasi tentang
perubahan laba masa depan tidak tercermin dalam pendapatan saat ini dan
sebelumnya.
 Dalam kerangka ini, asosiasi kontemporer diamati antara data akuntansi dan harga saham adalah
hasil dari sebuah "informasi link" antara data akuntansi dan aliran masa depan manfaat dari. investasi
ekuitas dan "valuasi link" antara manfaat masa depan dan harga saham, pengungkapan Informasi
memicu revisi dari ekspektasi investor manfaat masa depan. Revisi ini kemudian tercermin dalam
harga saham saat ini. Kerangka kerja ini secara resmi disajikan dalam Ohlson [1979] dan Garman
dan Ohlson [1980], dan secara empiris diujioleh Easton [1985].
'Misalnya, temuan Ball dan Brown [1968), Beaver dan Morse [1978), dan Beaver, Lambert, dan
Morse [1980) semua konsistendengan gagasan bahwa harga saham mencerminkan informasi mengenai
laba masa depan. Selain itu, upaya dikeluarkan oleh analis keamanan, manajemen perusahaan, dan
investasi masyarakat umum dalam peramalan laba tampaknya menunjukkan bahwa laba masa depan
harus menjadi nilai yang relevan.
Nonearnings nomor akuntansi dapat menyampaikan informasi prediksi tentang laba masa depan
untuk setidaknya alasan berikut. Pertama, beberapa nomor nonearnings dapat membantu untuk
mengidentifikasi "komponen transitory" pendapatan saat ini yang tidak bertahan dalam jangka panjang.
Kedua, nonearnings data yang mungkin mencerminkan keputusan manajerial yang memiliki implikasi
untuk laba masa depan. Pendapatan saat ini angka, disusun berdasarkan GAAP, umumnya diyakini
mencerminkan beberapa informasi nilai yang relevan dengan lag.
Sebagian besar penelitian yang meneliti sifat time series laba akuntansi telah menyimpulkan
bahwa pendapatan tahunan pada umumnya mengikuti jenis martingale proses (misalnya, Ball dan
Watts [1972]). Dengan demikian, perubahan laba masa depan (bersih drift) tidak dapat diprediksi
berdasarkan penghasilan saat ini dan sebelumnya. Ini telah disebut laba sebagai tahunan menyusul
"random walk" atau 'random walk dengan drift."
146 JURNAL AKUNTANSI PENELITIAN, SPRING 1000

Mengingat informasi link prediksi ini, laporan tahunan dapat dilihat sebagai
menyediakan baik pendapatan saat ini dan prediksi perubahan tahun depan laba.
Ball dan Brown [1968] telah menunjukkan hasil diferensial untuk portofolio
berdasarkan penghasilan saat ini. dengan menggunakan pendekatan portofolio
mereka untuk menganalisis "valuasi link" antara return saham dan sinyal kedua,
saya menemukan bahwa selama laporan tahunan periode penyebaran, return
saham mencerminkan baik perubahan laba saat ini dan prediksi tahunan-laporan
berbasis perubahan laba masa depan. dengan kata lain, harga saham berperilaku
seolah investor (setidaknya sampai batas tertentu) menggunakan nonearnings
nomor laporan tahunan untuk merevisi masa depan mereka ekspektasi laba dan
dengan demikian tawaran up (bawah) harga saham dengan menguntungkan
prediksi (tidak menguntungkan).
 hasil saya juga memberikan penjelasan tambahan untuk res ult di Ball dan
Brown [1968]. Mereka melaporkan bahwa informasi laba yang dilaporkan
diantisipasi oleh pasar sedini 12 bulan sebelum awal pengumuman laba. Mereka
berspekulasi bahwa berita acara lainnya, seperti dividen dan laba interim
pengumuman, mungkin menjelaskan mengapa "penghasilan tak terduga"
diantisipasi. Prediktif Link informasi didokumentasikan dalam penelitian ini
menunjukkan bahwa pelepasan laporan tahunan lengkap tahun sebelumnya, acara
termasuk dalam Ball dan periode akumulasi abnormal return Brown, juga
menyediakan informasi yang berguna untuk membentuk ekspektasi tentang
pendapatan tahun berjalan.
Bagian 2 memperkenalkan logit model pendapatan prediksi. Bagian 3
menjelaskan sampel uji dan periode studi. Bagian 4 menyajikan hasil empiris.
Bagian 5 berisi kesimpulan.
2. Probabilistic Model Laba Perubahan
Studi ini mengkaji kemampuan nonearnings angka akuntansi tahunan untuk
memprediksi tanda perubahan laba satu tahun ke depan. Sebuah model prediksi
yang ditetapkan dengan benar dengan variabel dependen menangkap terus
menerus baik tanda dan besarnya perubahan akan lebih efisien. Namun, mengingat
bahwa outlier sangat umum dalam akuntansi seri data dan bahwa seri data yang
tersedia biasanya singkat, tidak jelas apakah model seperti itu akan tampil lebih
baik di ruang prediksi baru. Sebuah model biner meringankan masalah ini sejak
perubahan ekstrim dalam laba memiliki pengaruh yang lebih besar pada estimasi
parameter model daripada pengamatan lainnya.
Misalkan A “menunjukkan suatu vektor dari perusahaan adalah akuntansi
deskriptor berdasarkan laporan tahunan tahun t dan tahun-tahun sebelumnya, dan
0 menjadi vektor dari perkiraan parameter. Sekarang menyatakan probabilitas
mengamati peningkatan laba pada tahun t + 1, tahun berikutnya, untuk A
diberikan ,, dan 0 oleh Pr (Ai,, 0). Untuk mempermudah dalam perhitungan dan
interpretasi, fungsi distribusi logistik berikut ini diasumsikan untuk Pr (A ,,, 0): Pr
(Ai“0) = (1 ± exp (-A ,, q9))-L.Mengingat setiap A, output dari model logit adalah
probabilitas diperkirakan peningkatan laba pada tahun t 1 perusahaan i. Mengukur
probabilitas ini, dilambangkan Pri,, atau Pr untuk jangka pendek, merangkum
informasi yang terkandung dalam A ,, tentang perusahaan adalah pendapatantahun
t + 1.
 ANGKANONEARNINGS AKUNTANSI 147
Karena terbatasnya jumlah pengamatan time-series untuk perusahaan
individual, estimasi kemungkinan maksimum dari vektor parameter 19 berasal
dari pooling data di semua perusahaan sampel selama periode estimasi model.
Oleh karena itu, model prediksi umum diterapkan untuk semua perusahaan.
Sejauh karakteristik spesifik perusahaan (seperti keanggotaan industri)
menyiratkan proses yang berbeda laba, menggunakan model umum daripada
industri-spesifik atau bahkan model spesifik perusahaan dapat melemahkan
kemampuan prediksi model.
Untuk menerjemahkan setiap prediksi probablistic, Pr, menjadi prediksi
biner dari peningkatan pendapatan atau penurunan, saya menggunakan dua
yang telah ditetapkan skema probabilitas cutoff: (0,5, 0,5) dan (0,6, 0,4). Di
bawah (0,5, 0,5) skema, prediksi peningkatan pendapatan untuk Pr> 0,5 dan
penurunan sebaliknya. Atau, di bawah (0,6, 0,4) skema, prediksi adalah
pendapatan meningkat ketika Pr 0,6 dan penurunan ketika Pr s 0,4; observasi
dengan Pr antara 0,6 dan 0,4 dijatuhkan.
Perubahanperusahaan i pendapatan pada tahun t 1, dilambangkan
ditentukan
sebagai: AXEH-1 EPS, t + 1 - EPS, driftgt, di mana EP & _,J. dan EPSL±
adalah perusahaan i "sebagai melaporkan" laba per saham sebelum pos luar
biasa selama bertahun-tahun t + 1 dan t masing-masing.Istilah hanyut untuk
tahun t diperkirakan sebagai perusahaan berarti i perubahan laba per saham
selama empat tahun sebelum tahun t 1. ini spesifikasi perubahan laba
mendekati "penghasilan tak terduga" di bawah proses submartingale.'
 Meskipun mungkin diinginkan untuk menyertakan satu set besar prediktor
akuntansi dalam model untuk mengeksplorasi sepenuhnya isi informasi dari
nonearnings nomor akuntansi, model seperti itu pasti akan menempatkan
tuntutan terlalu berat pada data. Pengamatan perusahaan harus dijatuhkan jika
hanya satu item akuntansi tidak tersedia. Untuk alasan ini, dan sebagian untuk
kesederhanaan, saya membangun model logit sederhana didasarkan pada
seperangkat pelit prediktor.
 Untuk mengidentifikasi prediktor ini, saya disaring 61 calon prediktor
(kebanyakan rasio keuangan) selama periode 1965-1977.8 skrining mengambil
dua langkah. Pertama, model logit univariat dipasang untuk masing-masing
calon dan hanya mereka 13 deskriptor dengan perkiraan koefisien yang
signifikan pada tingkat 10% dipertahankan. Kedua, model logit multivariat
yang dilengkapi untuk ini 13 deskriptor pada dua set data independen. Delapan
deskriptor dengan koefisien yang signifikan pada tingkat 10% dalam setidaknya
satu dari dua set data tersebut disimpan sebagai prediktor agar sesuai dengan
model logit akhir:
(1) GWINVN: persentase pertumbuhan di "persediaan untuk total aset"
rasio;
Sejak laba meningkat secara signifikan melebihi jumlah pendapatan menurun pada periode tes,
spesifikasi ini dari perubahan laba juga menghilangkan tren perusahaan-spesifik dan menyeimbangkan
jumlah pengamatan pada dua sisi perubahan laba. Hasil utama dari penelitian ini adalah tidak berubah
ketika perubahan laba tidak disesuaikan untuk jangka drift, dan ketika penghasilan dikurangi dengan
ekuitas pemilik daripada dengan jumlah saham yang beredar. Hasil ini dilaporkan dalam Ou [1984).
8
61 deskriptor akuntansi ini dilaporkan dalam Ou [1984, Lampiran A).
148 JANE A. OU

(2) GWSALE: persentase pertumbuhan di "penjualan bersih terhadap total

aktiva" rasio;
(3) CHGDPS: perubahan "dividen per saham," relatif terhadap tahun
sebelumnya;
(4) GWDEP: pertumbuhan persentase "beban penyusutan";
(5) GWCPX1: persentase pertumbuhan di "belanja modal terhadap total
aktiva" rasio;
(6) GWCPX2: GWCPX1, dengan lag satu tahun;
(7) ROB: tingkat akuntansi pengembalian, yaitu, "laba sebelum pos luar biasa"
dibagi dengan "total ekuitas pemilik pada awal tahun";
(8) AROR: perubahan ROB, relatif terhadaptahun RORsebelumnya.
 Sebagian besar dari delapan penjelas ini telah secara langsung atau tidak
langsung diuji dalam studi konten informasi tambahan sebelum bawah pendekatan
yang berbeda.'

3. Data dan Studi Periode

 Model prediksi logit diperkirakan didasarkan pada seperangkat data panel dari
391 perusahaan selama periode 1965-1977. Perusahaan sampel memenuhi
persyaratan data berikut dalam setiap tahun: (1) semua item data yang diperlukan
untuk menghitung prediksi laba delapan dan tahun berikutnya ini laba perubahan
(bersih dari penyimpangan) yang tersedia pada1982 FileCompustat Industri
Tahunan, dan (2) tahun fiskal yang berakhir pada bulan Desember.
 Kemampuan prediksi dari model logit kemudian dinilai selama periode 1978-
1983. Penggunaan masa uji independen dari periode estimasi model menghindari
potensi bias dari overfitting statistik. Uji sampel untuk kinerja prediktif meliputi
637 perusahaan dengan Desember akhir tahun fiskal dan data lengkap pada 1986
Compustat berkasuntuk menghitung delapan akuntansi prediktor dan pendapatan
perubahan setiap tahun dari periode pengujian. Dari 637 perusahaan, 303 di antara
estimasi 391 Model
 Tentang 1.700 Compustat perusahaantersingkir dari sampel uji. Secara
bersama-sama, kebutuhan akhir tahun fiskal dan kebutuhan

Misalnya, Wilson. [1986) dan Rayburn [1986] laporan bahwa komponen akrual saat laba memiliki
kandungan informasi tambahan di luar kas (dan / atau modal kerja) dari operasi. Sebagian besar akrual
saat ini dapat dikaitkan dengan perubahan tingkat persediaan. Dalam meneliti kandungan informasi
inkremental komponen laba atas laba agregat, Lipe [1986] meliputi beban penyusutan dan laba kotor
sebagai komponen laba; penjualan adalah elemen utama dari laba kotor. Tes-tes lain termasuk Wilson
[1986] untuk belanja modal, Freeman, Ohlson, dan Penman [1982] di tingkat akuntansi pengembalian
(ROR), dan Griffin [1976] dan Gonedes [1978] atas dividen.
Kinerja prediksi model logit sangat mirip untuk kedua kelompok perusahaan diperiksa secara
terpisah. Oleh karena itu, tulisan ini hanya melaporkan hasil berdasarkan sampel agregat.
 ANGKA AKUNTANSI NONEARNINGS 149
bahwa data akan terus tersedia untuk tahun 1978-1983 dihilangkan sekitar
48% dari semua Compustat. perusahaan Dari delapan prediktor akuntansi,
persediaan dan belanja modal adalah dua kontributor data yang hilang. Dari
semua perusahaan dengan setidaknya satu item data yang tersedia di
Compustatdi masing-masing enam tahun, sekitar 29% memiliki data yang
hilang pada persediaan dan 18% memiliki data yang hilang pada belanja
modal.
Hubungan antara return saham dan prediksi laba diperiksa selama periode
enam tahun yang sama: 1978-1983. Untuk setiap tahun, sampel uji untuk
analisis keamanan kembali terpilih dari aslinya 637 perusahaan. Untuk
dimasukkan dalam sampel uji untuk tahun tertentu, perusahaan harus memiliki
data return harian tersedia di Harian Mengembalikan Tape dari Pusat
Penelitian di Harga Keamanan (CRSP) selama periode mulai 72 bulan
sebelum, dan berakhir 3 bulan setelah , akhir tahun fiskal dicakup oleh laporan
tahunan. Sebuah sampel dari pengamatan 3692 perusahaan tahun diperoleh:
598, 605, 612, 622, 626, 629 perusahaan selama enam tahun 197.883, masing-
masing.
4. Hasil
4,1 MODEL
The Logist prosedur Analisis Statistik System (SAS) digunakan untuk
menyesuaikan model logit multivariat dengan data dikumpulkan. Tiga
diperkirakan model dilaporkan dalam tabel 1. Model 1, berdasarkan semua
delapan penjelas akuntansi, adalah model prediksi utama dari penelitian ini.
Untuk menunjukkan bahwa kekuatan prediksi dari model 1 tidak tergantung
pada ROR atau AROR (yang meliputi angka pendapatan saat ini di informasi
pengkondisian set), model 2 (yang menghilangkan ROR dan ❑ROR) juga
disajikan. Dalam model 3, ROR adalah satu-satunya prediktor, sehingga hanya
mencakup satu nonearnings akuntansi nomor, ekuitas umum, di set informasi
pendingin. Hasil pengujian berdasarkan model 3 akan dibandingkan dengan
mereka yang berdasarkan pada model 1 untuk memeriksa efek memperluas
informasi pendingin diatur untuk memasukkan lebih banyak nomor
nonearnings (lihat tabel 1).
Tanda-tanda koefisien yang diperkirakan dalam model ini menunjukkan
bahwa pertumbuhan persediaan (GWINVN), perubahan dividen per saham
(ClIGDPS), pertumbuhan depresiasi (GWDEP), pertumbuhan belanja modal
dan jangka yang tertinggal (GWCPX / dan GWCPX2), dan accounting rate of
return (ROR) berkorelasi negatif dengan kesempatan mengamati peningkatan
laba pada tahun berikutnya.' Di sisi lain, pertumbuhan sates (GWSALE) dan
perubahan tingkat akuntansi pengembalian (AROR) berkorelasi positif dengan
kesempatan mengamati laba
 LY Untuk menyelidiki korelasi negatif antara perubahan dividen saat ini dan perubahan laba masa

depan, perubahan dividen per saham yang standar (oleh standar deviasi) untuk masing-masing
perusahaan, dan pengamatan dengan nol perubahan dividen dijatuhkan dari sampel. Tanda koefisien
dividen tetap negatif setelah modifikasi ini,
150 JANE A. OU
TABLE 1
ME.ativariate Legit Laba Prediksi Model(1965-1977)
€1))-
Pr (AX, i> 01A.t, e) = (1 + exp
'`Model
1 Model 2 Model 3
Jumlah Pengamatan 0
AXii.l> 5.08
3
2.86
2
2.23
1
5.08
 3
2.85
2
2.23
1
5.08
3
Model x '(4. /)1' 323,20 (8)b 175,42 (6)h 226.80 (1)h
D-statistic` 0,221 0,168 0,186%
dari Concordant paired 0,664 0,648 0,628
Ranking Correlationr1 0,329 0,298 0,257
Akuntansi Descriptor x"
Intercept 1,07 265,78 0,44 162,13 1,03 279,36
GWINVN -0,58 15,58 -0,65 19,54
GWSALE 0,33 1,68 * 0,70 8,78
GHGDPS - 1,77 47,16 -2,67 105,37
GWDEP -0,10 0,75 * -0,39 12,01
GWCPX1 -0,11 9,81 -0,11 10,22
 -0,12-5,09
134,32 -
GWCPX2
5,72
11,40 12,43
211,22
-0,12
AROR 1,69 9,66
 ' Pr (LX “.“,> 01A, 09 ) adalah perkiraan probabilitas bahwa perusahaan saya akan memiliki peningkatan
laba per saham (bersih dari perkiraan hanyut) di tahun L-1-1, mengingat A ,, dan O. A ,, adalah vektor deskriptor
akuntansi yang diperoleh dari perusahaan adalah laporan tahunan tahun t dan tahun-tahun sebelumnya. e adalah
vektorkemungkinanmaksimum estimates koefisien dari akuntansi descriptors_ vektor ini diestimasi berdasarkan
mengumpulkan data cross-sectional dan time-series.
h
statistik ini tes n ull hipotesis bahwa semua koefisien dalam model yang sama dengan nol. Nilai-nilai ini x'
adalah signifikan pada0,0001 kvel
`Nilai ini adalah ukuran kebaikan-of-fit dari model. Ini adalah nilai seperti bahwa 13 (n. P) (1 D). = Model x2,
di mana p adalah jumlah variabel dalam model termasuk mencegat, dan n adalah jumlah observasi.
▪ Untuk cocok pasang diperkirakan probabilitas dari laba meningkat (Pr) dan Directional menyadari
perubahan laba. Di bawah hipotesis nol,% pasangan konkordan adalah Ea dan korelasi rank adalah nol.
P-nilai xini2 nilai semua signifikan pada, 01 tingkat atau lebih baik kecuali dengan 4.

meningkat.' Tanda negatif dari ROR koefisienkonsisten dengan hasil di Freeman,

Ohlson, dan Penman [1982].
 Statitics deskriptif untuk model logit diperkirakan juga dilaporkan dalam tabel
1. Untuk masing-masing model, "model x'," yang menguji hipotesis nol bahwa
semua koefisien dalam model adalah nol, adalah signifikan pada tingkat 0,0001.
Untuk model 1, D-statistik, yang mengukur kebaikan-of-fit dari model logit,
adalah 0,221," The rank korelasi antara proba- diprediksi
 'Untuk menguji konsistensi tanda-tanda koefisien di waktu dan di seluruh sampel, saya Model
reestimated 1 untuk dua subperiods dan untuk dua subset acak (dan lengkap) dari 391 perusahaan. Na
tanda koefisien setiap berubah.
besarbesaran
The D-statistik adalah analog dari nilaidalam kuadrat biasa (OLS)
pengaturan. Hal ini nilai sehingga D (n p) (1 D) = model
- di mana p adalah jumlah
variabel dalam modeltermasuk mencegat, dan n adalah jumlah observasi yang disesuaikan Re
daridengan. OLS regresipada yang sama data besarnya perubahan laba sebagai dependen
variabeladalah 13,2%.
 NONEARNINGS ANGKA AKUNTANSI 151
bility dari peningkatan pendapatan dan menyadari arah perubahan laba adalah
0,329. persentase pasang sesuai antara dua tindakan ini adalah 66,4%. di
bawah hipotesis nol tidak ada hubungan, yang correlat peringkat ion adalah
nol dan persentase pasangan sesuai adalah 50%. Tes statistik untuk model 2
dan model 3 acara serupa tetapi hasil sedikit lebih lemah.
4.2 PREDICTIVE KINERJA
Tabel 2 menyajikan kinerja prediktif masing-masing model selama periode
1978-1983 di bawah dua skema probabilitas cutoff: (0,5, 0,5) dan (0,6, 0,4).
Keakuratan prediksi laba di bawah masing-masing model dinilai relatif
terhadap prediksi acak berjalan dalam 2 x pengaturantabel2 kontingensi.
Mengingat bahwa 1 mendefinisikan perubahan laba sebagai perbedaan antara
laba per sahamdua tahun berturut-turut setelah memperhitungkan estimasi
drift, yang 'acak berjalan dengan drift'model menyiratkan performa yang
setara prediktif untuk hasil dari strategi acak-tebakan dalam pengaturan ini.
Panel A dari tabel 2 laporan kinerja model I. Di bawah (0,5, 0,5) skema,
xyang dihasilkan2 nilaidi bawah "berturut-turut tetap" x2 tes adalah 174,10,
signifikan pada tingkat 1%. Karenaxini2 nilaitidak membedakan antara
prediksi yang lebih baik-thanrandom-kira dan prediksi buruk-thanrandom-
tebakan, persentase prediksi yang benar (61%) juga dilaporkan; baik
"peningkatan" prediksi dan "penurunan" prediksi memiliki akurasi prediksi
yang sama. Selain itu, ketika salah satu bergerak ke (0,6, 0,4) skema di
manarelatif jelas prediksitelah dihapus, baik x2 statistik dan nilai-nilai
persentase menunjukkan peningkatan yang substansial. Sekarang 69% dari
semua "peningkatan" prediksi dan 67% dari semua "penurunan" prediksi
benar. Dibandingkan dengan hasil yang diharapkan di bawah strategi acak-
tebakan, hasil ini konsisten dengan gagasan bahwa pendapatan tahunan tidak
mengikuti "random walk' jika nonearnings nomor akuntansi juga termasuk
dalam informasi pengkondisian ditetapkan."
Kinerja prediksi model 2 (dengan ROR dan AROR dihilangkan) disajikan
dalam panel B tabel 2. x2 nilai masih signifikan pada tingkat 1%, dan 58% dari
semua prediksi yang benar di bawah (0,5,. 5) skema. Di bawah skema (0,6,
0,4), 64% dari prediksi benar. Selanjutnya, kedua "peningkatan" dan
"menurunkan" prediksi masih memiliki kesempatan yang lebih baik dari 50%
menjadi benar. Hasil ini menunjukkan bahwa angka akuntansi nonearnings
saja melakukan menyampaikan informasi tentang laba masa depan.
Panel C melaporkan kemampuan prediksi model 3, di mana ROI? adalah
satu-satunya prediktor. Kinerja prediksi ini yang paling pelit
 "Kinerja prediksi model 1 juga dibandingkan dengan sebuah 'model tren,' di mana selanjutnya laba
perubahan dalam arah yang sama sebagai perubahan laba saat ini, dan 'model reversal,' di mana
berikutnya laba perubahan dalam arah yang berlawanan dengan perubahan pendapatan saat ini. dalam
uji binomial, model 1 performanya melebihi model laba berbasis pada tingkat signifikansi 1%.
 152 JANE A. OU

TABLE 2
Predbctitie Kinerja model laba Prediksi (1978 -83)
Laba Perubahan Apakah Diprediksi satu Tahun depan pada Dasar Pr'

3822 174,10

P
a
n
eN
lu
m
bA
e:
r
M
o
o
f
d
e
O
l
b
s1
e,
r
vB
aa
ts
ie
o
dn
s
xo
n2

A
o
fl
l
2
xE
2i
g
h
T
at
b
A
l
c
ec
'o
u %
n
to
if
n
g
P
Dr
ee
sd
ci
rc
it
pi
to
on
rs
s
C
 61% 230,15
Prediksi Prediksi 68%
Sebagai Sebagai Prediksi Prediksi
Kenaikan Penurunan Sebagai Sebagai
(0,6, 0,4) Kenaikan Penurunan
1968

2
,
3
4
8

1
,
4
2
2

9
2
6

6
1
%
 Jumlah Pengamatan
salah
Benar%Benar

3822
109,94

1
,
4
7
4
1
,
3
1
4
P 6
a 5
n 4
N
e .
ul
m 9
bB 0
5
e:
r 9
0
M 4
oo
f 4
d
e 4
O 0
lb
s 5
2e
,r 6
9
v
B
a 4
at 1
si 0
eo 2
dn 1
s 4
o
xn 6
2 1
%
S
io 6
xf 9
%
A 6
2c
X 7
c %
2o
u
T
n
at
bi
ln
eg
'
D%
e
s
co
rf
 58% (0,6, 0,4)
Prediksi Prediksi 1365
Sebagai Sebagai
75,63
Kenaikan Penurunan 64%
Diprediksi Diprediksi
Sebagai Sebagai
Kenaikan Penurunan
Jumlah Pengamatan 2
Benar%salah Benar ,
Panel C: Model 3, Berdasarkan Hanya 9
pada ROR (Akuntansi Rate of Return) 5
Probabilitas cutoff Skema '(0,5,0,5) 4 (0,6, 0,4)

8
6
8

1
,
1
1
3

2
5
2
1
,
6
7
5

5
5
2

7
0
3

1
6
9
1
,
2
7
9

3
1
6

4
1
0

8
3
5
7
%

6
4
%

6
3
%

6
7
%
Jumlah Pengamatan 3822 1751
X' dari 2x2 Table' 88,28 120,40
% dari Prediksi Benar Terbuat 58% 66%
Breakdown Selanjutnya Menurut untuk Diprediksi Prediksi Prediksi Prediksi
Prediksi Model Sebagai Sebagai Sebagai Sebagai
Kenaikan Penurunan Kenaikan Penurunan
Jumlah Pengamatan 2426 1396 1250 501.
 Benar 1404 809 840 308
salah 1022 587 410 193%
benar 58% 58% 67% 61%

° Pr adalah perkiraan probabilitas peningkatan laba yang ditunjukkan oleh model prediksi diringkas dalam
tabel 1,
 ▪ di bawah skema (_5, _5), prediksi adalah. pendapatan meningkat untuk Pr> 0,5, dan penurunan
sebaliknya. Di bawah (0,6, 0,4) skema, prediksi adalah pendapatan meningkat ketika Pr 0,6, dan penurunan
ketika Pr 5 0,4; observasi dengan Pr antara 0,6 dan 0,4 dijatuhkan.
▪ Berdasarkan "baris tetap 'y' test. y2 Nilaidari 6,63 adalah signifikan pada tingkat 0,01.

Model ini mirip dengan model 2, Sejak angka pendapatan saat ini digunakan
dalam menghitung ROR, itu diinginkan untuk memeriksa apakah kekuatan
prediksi dari model 3 dan 1 memang "tambahan" untuk yang pendapatan saat
ini. untuk tujuan ini, f diperkirakan model logit dengan "laba sebelum pos luar
biasa" (pembilang dari ROR) sebagaiprediktor tunggal
 aNGKA AKUNTANSI NONEARNINGS 153

dan diterapkan model ini untuk sampel uji yang sama. xyang dihasilkan2 tidak
signifikan pada tingkat 10%. Model memperkirakan 99% dari semua pengamatan
sebagai "meningkatkan" dan memiliki tingkat prediksi yang tepat dari 52%.
dengan demikian tampaknya adil untuk menyimpulkan bahwa angka akuntansi
nonearnings memang mengandung informasi tentang laba masa depan yang tidak
tersedia dalam pendapatan saat ini1980].
Sebagai pengecualian "random walk" sifat pendapatan, Brooks dan Buckmaster
[1976; telah menemukan bahwa laba perubahan ekstrim cenderung diikuti oleh
satu i n arah yang berlawanan. Untuk memastikan bahwa hasil yang disajikan pada
tabel 2 tidak timbul dari pengamatan dengan perubahan laba saat ini ekstrim, uji
kinerja prediktif diulang pada sampel yang pengamatan dengan pendapatan saat
ini mutlak perubahan melebihi satu standar deviasi dihapus. Untuk sampel ini,
Model l's persentase prediksi yang benar turun dari 61% menjadi 58% di bawah
(0,5, 0,5) skema, dan dari 68% ke 64% di bawah skema (, 0,4 0,6); tapi x 2 nilai
dari 2 x 2 tabel masih signifikan pada tingkat 1%. Ketika saya lebih dipersempit
besaran absolut memungkinkan perubahan pendapatan saat ini untuk di bawah
satu standar deviasi (dan dengan demikian dipangkas pergi pengamatan lebih),
model 1 ini akurasi prediksi tidak memburuk lebih jauh. Tampaknya bahwa
setidaknya sebagian besar dari kemampuan prediksi Model l's independen dari
Brooks dan Buckmaster ini temuan dan dengan demikian benar-benar mewakili
inkremental konten prediksiatas pendapatan saat ini
kinerja prediksi Model secara tahunan dilaporkan dalam tabel 3. Hasil
penelitian menunjukkan bahwa keunggulan tiga model logit atas strategi acak-
duga adalah konsisten di seluruh tahun individual, kecuali untuk 1981 (dalam
prediksi 1982 laba). Di bawah model 1, x2 nilaidi masing-masing enam tahun
adalah signifikan pada tingkat 1%. Persentase prediksi yang benar berkisar dari
57% sampai 70% di bawah (0,5, 0,5) skema, kecuali untuk 1981; dan masing-
masing model akurasi prediksi secara konsisten meningkatkan ketika (0,6, 0,4)
skema digunakan. Membandingkan kinerja prediksi model 1, berdasarkan semua
delapan deskriptor akuntansi, dengan itu model 3, hanya berdasarkan satu nomor
nonearnings, mengisolasi efek memperluas informasi pendingin diatur untuk
memasukkan lebih banyak nomor nonearnings. Hasil dalam tabel 2 dan 3
menunjukkan bahwa model 1 melebihi model 3 dalam pengaturan 2 x 2, meskipun
signifikansi perbedaan yang tidak jelas. Tes tambahan (tidak disajikan dalam
tabel) menunjukkan bahwa model 1 dan model 3 memprediksi berbeda di 534 dari
3.822 kasus di bawah skema cutoff (0,5, 0,5). Dalam 534 kasus ini, 61% dari
model waktu 1 menghasilkan prediksi yang tepat. Sebuah tes binomial
menghasilkan sebuah-nilai 4,93, signifikan pada tingkat 1%," Dengan demikian,
prediktor tambahan yang digunakan dalam model 1 tampaknya memiliki
informasi yang disampaikan tentang laba masa depan yang tidak tersedia di
.Untuk.
Di bawah (0,6, 0,4) cutoff, dua model ini menghasilkan prediksi yang berbeda dalam 85 kasus.
model. I. memiliki prediksi yang benar dalam 59 kasus (61%) (binomial uji z-nilai 2.o € 1).

154
JANE A. OU
TABLE 3 Kinerja Tahunan Penghasilan Prediksi Model Laba Perubahan Apakah
Diprediksi Satu-Tahun depan pada Dasar Pr

'SkemaProbabilitas'.
Cutoff (0,5, 0,5) (0,6, 0,4)
Tahun
x 'Nomor x Pengamatan Tabel 2 dari Correct 2 N Prediksi P r (%) k' dari Pengamatan 2
Banyaknya
Benar
Tabelx
2 Prediksi
 (%) Panel A: Model 1, Berdasarkan Semua Delapan Deskriptor Akuntansi 1978 637 15,88
59% 274 21,25 65% 1979 637 7.14 57% 283 16,59 64% 1980 637 32,68 61% 310 42,32
69% 1981 637 15,31 50% 326 22,45 56% 1982 637 51,63 69% 370 35,91 76% 1983 637
21,08 70% 405 30,42 76%
Panel B: Model 2, Berdasarkan Enam Deskriptor Akuntansi 1978 637 13,79 65% 164 2,80
66% 1979 637 5,85 51% 158 5.81 58% 1980 637 31,53 59% 207 22.45 66% 1981 637
18,86 42% 228 5,30 42% 1982 627 19,45 65% 280 6.87 71% 1982 637 2,45 68% 328 0.0
73%
Panel C: Model 3, Berdasarkan Hanya pada RO R (Akuntansi Rate of Return)
1978 637 1,92 55% 229 12,36 64% 1979 637 1,25 53% 242 6,35 59% 1980 637 12,65 57%
270 23,64 66% 1981 637 7.46 48% 286 8,94 50% 1982 637 28,96 66% 358 15,44 76%
1983 637 20,71 68% 366 25,45 73 %
Lihat n. ke meja 2.
1
'Lihat n. b ke meja 2. Lihat n. c ke meja 2.
Sejauh ini, model logit telah dievaluasi berdasarkan frekuensi prediksi yang
benar tanpa memperhatikan besaran. Karena besarnya pendapatan tak terduga
diketahui berkorelasi positif dengan return saham residual (Beaver, Clarke, dan
Wright [1979]), kemampuan untuk memprediksi perubahan laba besar lebih
diinginkan daripada kemampuan untuk memprediksi perubahan kecil. Tabel 4
menunjukkan bahwa rata-rata, model 1 memprediksi perubahan laba besar lebih
berhasil dari perubahan laba kecil. Untuk perusahaan yang penghasilannya
meningkat (panel A) dan penurunan (panel B) pada tahun t + 1, tabel 4 laporan
besaran perubahan laba tersebut. Besarnya rata-rata kenaikan pendapatan atau
penurunan secara substansial lebih tinggi bagi perusahaan-perusahaan yang
perubahan laba telah benar memprediksi dibandingkan mereka salah
memperkirakan. Hubungan ini konsisten di tahun pada periode uji dengan dua
pengecualian (di panel B, 19'78 dan 1983, di bawah (0,6, 0,4) skema) di mana
perbedaan tampaknya tidak material. Dengan demikian, hasil pada tabel 4
menunjukkan bahwa tingkat akurasi prediksi secara keseluruhan dari 61%
melaporkan
NONEARNINGS ANGKA AKUNTANSI 155
TABEL 4 Besaran Realisasi berikutnya Laba Perubahan untuk Benar dan Prediksi Salah
Panel A: Kasus Dimana Laba Perubahan berikutnya Apakah Kenaikan (Le.,> 0)
Probabilitas cutoff Skema'(0,5, 0,5) (0,6, 0,4)
Prediksi Laba Perubahan Sebagai Kenaikan Sebagai Penurunan Sebagai Kenaikan Sebagai
Penurunan
(Benar) (salah) (Benar) (salah)
Nomor Pengamatan 1422 569 904 214 Rata Standardized Laba Setelah Ganti:' 1978 1,05
0,74 2,32 0,72 1979 0,91 0,65L88 0,65 1981 L09 0,90 1,54 0,92 1982 1,66 L16 2,14 1,12
1983 1,82 1,29 2,53 1,60
Berarti Perbedaan Di Enam Tahun 0,34 1,09
Panel B: Kasus Dimana Laba Perubahan selanjutnya Adalah penurunan (yaitu, 0)
Probabilitas cutoff Skema"(0,5, 0,5) (0,6, 0,4)
Prediksi Laba Perubahan sebagai Penurunan sebagai Kenaikan sebagai Penurunan sebagai
Kenaikan (Benar) (salah) (Benar) (Incor rect) Jumlah Pengamatan 905 926 440 410 Rata
Standardized selanjutnya Laba Ganti
-0,83 -0,79 -0,88 1978 -0,90 1979 -1,23 -1,02 -1,27 -0,93 -1,31 -0,98 -1,51 1980 -0,95
1981-2. 0 1 -1,67 -1,96 -1,50 1982-1. 7 4 -1,28 -2,06 -1,20 1983 -2,38 -2,37 - 1. 6 4 -1,77
 Perbedaan Berarti Di Enam Tahun
- 0,31
- 0,34
A Prediksi laba perubahan didasarkan pada tahun Laporan tahunan dan model saya
dalam tabel 1.
sebelumnya."Lihat n b ke meja 2.` Standar oleh masing-masing deviasi perusahaan standar
perubahan laba tahunan. 'perbedaan tahunan antara rata-rata standar pendapatan selanjutnya
perubahan perusahaan diprediksi dengan benar dan dari perusahaan salah memperkirakan,
rata-rata di enam tahun.
pada tabel 2 mungkin telah menangkap sebagian besar, dan mungkin lebih
penting, laba perubahan.
4.3
 ASOSIASI dENGAN PENGEMBALIAN SAHAM dalam studi ini, laporan
tahunan perusahaan tahun t dipandang sebagai mengandung dua sinyal biner.
Pertama, sinyal E (laba) menunjukkan arah perubahan arus (tahun t) laba. sinyal
ini biasanya dirilis dalam pendapatan awal pengumuman "' sebelum publikasi
/ Apakah-tat data kuartalan Sapi Menggunakan, saya diperiksa pelaporan tertinggal
antara akhir. Desember dan pengumuman pendapatan awal bagi perusahaan-perusahaan
sampel saya selama periode pengujian 1978-1983. Dalam setiap tahun, sekitar 80% dari
perusahaan sampel yang dibuat laba pengumuman awal pada akhir Februari. Pelaporan
median tahunan tertinggal kisaran 40-43 hari. Hal ini mirip dengan Chambers dan Penman
ini [1984] Temuan dari mean dan pelaporan median lag dari 44 hari selama 1970-1976.
156
JANE A. OU lengkap laporan tahunan. Kedua, sinyal F (Forecast)
adalah perkiraan ex ante dari arah perubahan laba perusahaan pada tahun
berikutnya (tahun t + 1). Perkiraan ini didasarkan pada angka-angka
akuntansi yang terkandung dalam laporan tahunan tahun t. Ayat ini
membahas asosiasi mental yang incre- dengan sinyal F lebih sinyal E
selama tahun t periode laporan penyebaran tahunan.' Return saham
Ball dan Brown [19.681 perusahaan sampel dibagi menjadi portofolio
accord- ing ke arah perubahan laba saat ini (sinyal E) dan
didemonstrasikan pengembalian diferensial antara perusahaan kabar baik
(E +, orang-orang dengan peningkatan laba saat ini) dan perusahaan berita
buruk ( E-, orang-orang dengan penurunan laba saat ini) selama 12 bulan
sebelum pengumuman pendapatan awal. Saya menggunakan data laporan
tahunan dan model prediksi logit untuk menghasilkan perkiraan dari arah
laba perubahan tahun depan (sinyal F) dan partisi lanjut masing-masing E
+ dan portofolio E- menjadi dua himpunan bagian: (1) F +, mereka dengan
"peningkatan "perkiraan, dan (2) F-, mereka dengan 'penurunan' perkiraan.
Prosedur ini menghasilkan empat portofolio di setiap tahun: E + F +, E +
F, E-F +, dan-upaya. Penelitian ini menilai respon return saham tambahan
untuk sinyal F lebih sinyal E dengan memeriksa perilaku pengembalian
diferensial antara portofolio E + F + dan E + F, dan bahwa antara
portofolio E-F + dan-upaya selama periode 1978-1983. Hasil yang sama
diperoleh untuk ketiga model prediksi; hasil yang dilaporkan didasarkan
pada model 1, kecuali ditentukan lain,
 saya menganggap laporan tahunan lengkap yang sampel perusahaan yang
tersedia dalam tiga bulan setelah akhir Desember (bulan 0); adalah
beberapa prediktor biasanya dikenal sebelumnya. Oleh karena itu, periode
tiga bulan setelah akhir tahun, Januari sampai Maret (bulan 1, 2, dan 3),
ditunjuk periode penyebaran prediktor.
Kinerja masing-masing portofolio diukur dengan abormal kembali
kumulatif (CAR). CAR portofolio diselenggarakan dari bulan m ke bulan n
(baik relatif terhadap bulan 0) dihitung sebagai berikut:
CAR (m, -
Ef
fl (1 + e
i,
“) - 1) iv
E di mana e
di
adalah Model pasar residual bulan t untuk perusahaan i pada 8,1
tahun dan N adalah jumlah total observasi perusahaan-tahun dalam
portofolio.'
"Sebuah korelasi antara sinyal E dan sinyal F diharapkan karena model prediksi logit saya
menggabungkan perubahan laba saat ini dan beberapa komponen pendapatan saat ini dalam
perhitungan prediktor, ini membuat mengontrol efek dari sinyal F yang
diperlukan,"E' Asumsi ini berdasarkan kebutuhan SEC yang mengajukan perusahaan
tahunan 10-K melaporkan dalam waktu 90 hari dari fiskal. akhir tahun,
19
return saham bulanan dari perusahaan individual dihitung dari CRSP harian
mengembalikan tape. Untuk menghitung e
i,
“,
dan diperkirakan dari regresi Olds perusahaan adalah return
bulanan pada berbobot sama pengembalian pasar bulanan dari semua perusahaan NYSE
selama periode 60-bulan sebelum bulan t. Perhatikan bahwa
saya
dan p
l
yang reestimated setiap bulan.
Menggunakan return bulanan dan jangka waktu pengumuman diasumsikan menjalankan
risiko termasuk berbagai acara pengganggu. Tes berdasarkan tanggal informasi yang tepat,
seperti yang di Wilson ¶1987], mungkin akan menghasilkan hasil yang kuat.
ANGKA AKUNTANSI NONEARNINGS 157
Panel A dari tabel 5 laporan CAR dari empat portofolio E + F +, E + F, E-F +,
dan-upaya selama periode 12 bulan [-8, 3], dengan asumsi bahwa portofolio
terbentuk pada awal bulan -8 (April)
berdasarkan
pengetahuan dari laporan tahunan tahun t. The CAR dari E + portofolio
dan portofolio E-, hanya didasarkan pada perubahansaat ini
TABLE5 Cumaative Returns abnormal Portofolio Berdasarkan. Laba saat ini Perubahan
(Signal E.) dan Predictii'sine dari Berikutnya Tahun Laba Perubahan (Signal F) (1978-
1983)
Portofolio
CARS Bulan Sehubungan dengan
Akhir Tahun t
Semua (1) Perusahaan E + E E + F + (3)
E + F E-F +-upaya
Panel A: CAfts Portofolio Dibentuk di Awal Bulan -8, Berdasarkan (0,5, 0,5) Skema
-8 (April) -.0002 0,0191 -.0209 0,0153 0,0241 -.0234 -.0155 -7 (Mei) 0,0023 0,0311 -.0286
0,0344 0,0270 -.0285 -.0288 -6 (Jim) -.0043 0,0365 -.0479 0,0378 0,0348 -.0475 -.0488 -5
(Juli) -.0055 0,0480 -. 0 6 2 6 0,0505 0,0448 -. 0 6 2 6 -. 0 6 2 4 -4 (Agustus) -.0082 0,0507
-.0710 0,0513 0,0499 -.0695 -.0742 -3 (September) -.0130 0,0537 -.0843 0,0543 0,0530 -
.0849 -.0829 -2 (Oktober) -.0213 0,0597 -.1078 0,0564 0,0641 -.1086 -.1059 -1
(November) -.0235 0,0688 -.1221 0,0619 0,0777 -.1253 -.1154 0 (Desember) -.0216 0,0729
-.1229 0,0661 0,0816 -.1214 -.1261 + 1 (J an) - 0 1 5 3 0,0829 -. 1 2 0 2 0,0917 0,0715 -. 1
1 0 4 -. 1 4 0 6 2 (Februari) -.0130 0,0880 -.1209 0,0997 0,0729 -.1067 -.1506 3 (Mar) -
.0157 0,0809 -.1189 0,1035 0,0519 -.1023 -.1539 jumlah Pengamatan 1907 1785 1073
3692 834 1210 575
Panel B: CAR Portofolio Dibentuk di Awal Bulan 1, Berdasarkan (0,5, 0,5) Skema
1 (Jan) 0,0083 0,0104 0,0060 0,0265 - 0,0102 0,0167 -.0165 2 (Februari) 0,0098 0,0158
0,0034 0,0366 -.0109 0,0191 -.0295 3 (Mar) 0,0076 0,0109 0,0041 0,0405 -.0272 0,0227 -
.0350 Median CAR lebih -.0038 0,0003 -.0080 0,0221 -.0289 0,0050 -.0358
Panel C: Portofolio CAR selama Periode Tiga Bulan [1, 3], Berdasarkan (0,6, 4}
Scheme'
 E + F + E + F E-F +-upaya CAR
lebih [1, 3] 0,0751 -.0509 0,0381 -.0489 Jumlah Pengamatan 560 386 717 233
'Semua prediksi didasarkan pada model 1 meja 1.' portofolio ini dibentuk berdasarkan saat
perubahan perusahaan sampel laba (LX ,,) dan model diprediksi probabilitas (Pre) dari
peningkatan laba pada tahun berikutnya (tahun t + 1):
E + terdiri dari perusahaan dengan 44,> 0 ; E- terdiri dari perusahaan dengan 'IL s 0; E + F
+ terdiri dari perusahaan dengan ❑.Xi,> 0 dan. Pr> 0,5; E + F
-
terdiri dari perusahaan dengan AX,> 0 dan Pr s 0,5: E- F + terdiri dari perusahaan
dengan ❑X ,,: 5 0 dan Pr> 0,5; E- F-- terdiri dari perusahaan dengan 0,6, X, s 0 dan Pr s
0,5. E ++ bawah F. + terdiri (0,6, dari 0,4) skema perusahaan, dengan portofolio> 0 adalah
dan membentuk Pr 116;
sebagai berikut:
 E + F terdiri dari perusahaan dengan> 0 dan Pr 5 0,4; E
- F + terdiri dari perusahaan dengan AK,
5 0 dan Pr 0,6; -Upaya terdiri dari perusahaan dengan AX ,,
s 0 dan Pr 0,4.
158
JANE A.
labaOU,juga dilaporkan. Ini mereproduksi hasil Ball dan Brown: portofolio E +
menunjukkan CAR positif dan terus meningkat; sementara portofolio E- memiliki
CAR negatif dan terus menurun selama periode ini. Namun, tren ini berhenti
sebelum bulan 3, mungkin karena pendapatan awal biasanya diumumkan sebelum
bulan 3.
Kolom (3) dan (4) dari tabel 5 laporan perilaku CAR dari empat portofolio
tergantung pada sinyal E dan F (berdasarkan pada (0,5, 0,5) skema cutoff).
Perilaku CAR diferensial antara portofolio E + F + dan E + F pertama kali muncul
di bulan 1 (Januari), ketika CAR E + F- mulai turun, sedangkan CAR E + F +
terus meningkat. Demikian pula, perilaku diferensial antara portofolio E-F + dan
E-F- dimulai pada bulan 0 (Decem- ber), ketika CAR dari E-F + mulai meningkat,
sedangkan CAR dari E-F- terus menurun. Tanggapan tambahan ini saham kembali
ke sinyal F lebih sinyal E diilustrasikan pada Gambar 1.
Sejak respon return saham untuk sinyal F tidak dimulaisampai ke arah
-0,20
-8-9 -8 -7 BULAN -5 RELATIF -4 -3 UNTUK TAHUN-AKHIR
-2-I.
Gambar
I.-kumulatif abnormal return portofolio berdasarkan perubahan saat ini pendapatan
(sinyal E) dan prediksi pendapatan perubahan tahun depan (sinyal F), 1978-1953. Dalam
gambar ini,

■
menunjukkan semua perusahaan; El menunjukkan R + portofolio (perusahaan
dengan peningkatan laba saat ini); • menunjukkan portofolio E- (perusahaan dengan
penurunan laba saat ini); d menunjukkan E + F + portofolio (perusahaan dengan
peningkatan pendapatan saat ini dan peningkatan prediksi laba tahun depan); i
menunjukkan EIF- portofolio (perusahaan dengan peningkatan pendapatan saat ini dan
penurunan diprediksi laba tahun depan); x menunjukkan E-F + portofolio (perusahaan
dengan penurunan laba saat ini dan peningkatan prediksi laba tahun depan);
menunjukkan portofolio E-F- (perusahaan dengan penurunan laba saat ini dan penurunan
diprediksi laba tahun depan). Semua prediksi laba didasarkan pada skema cutoff (0,5, 0,5)
probabilitas.
C
U
M
U
L
A
T
IV
E
A
B
N
O
R
M
A
L
R
E
T
U
R
N
S
ANGKA AKUNTANSINONEARNINGS 159
akhir Desember (bulan 0), perilaku CAR itu ulang dalam periode tiga bulan
Januari sampai Maret. Periode ini berisi pendapatan pengumuman awal dan
laporan tahunan tanggal rilis,' Panel 13 tabel 5 menunjukkan bahwa meskipun
CAR dari kedua E + dan portofolio E- relatif rendah dalam besarnya selama
periode ini, return saham bereaksi secara substansial untuk sinyal F. CAR dari F +
portofolio (yaitu, E + F + dan E-F +, perusahaan dengan kabar baik mengenai laba
masa depan) adalah positif dan terus meningkat selama periode ini. The CAR
portofolio F- (yaitu, E + F dan E-F-, perusahaan dengan berita buruk tentang laba
masa depan) adalah negatif dan terus menurun. Mean CAR tiga bulan yang +
4.05% dan -2,72% untuk E + F + dan E + F, dan + 2,27% dan -3,50% untuk E-F +
dan E-F-, masing-masing. Sebuah tes simulasi yang acak perusahaan sampel untuk
portofolio ini menunjukkan bahwa probablity mendapatkan CAR dengan besaran
yang sama dengan yang dilaporkan dalam tabel 5 adalah kurang dari satu dari
10.000.
Kualitatif hasil yang sama diperoleh ketika sinyal F adalah calcu- lated
berdasarkan model 2 atau model 3. Selama empat portofolio E + F +, E + F, E F +,
dan E-F-, rata-rata tiga bulan CAR selama [1, 3] adalah + 2.10%, -2,34%, +
1,54%, dan -3,47% di bawah model 2, dan + 4,07%, - 2.14%, + 1. € 0%, dan -
3,55% di bawah Model 3, masing-masing. Hal ini konsisten dengan dugaan bahwa
ROR dan nonearnings lainnya prediktor mengandung informasi yang sama
tentang laba masa depan.
Panel C dari tabel 5 menunjukkan bahwa di bawah (0,6, 0,4) skema, perbedaan
CAR antara portofolio dengan perkiraan menguntungkan dan orang-orang dengan
perkiraan yang tidak menguntungkan melebar secara substansial. The CAR dari
empat portofolio E + F +, E + F, E-F +, dan E-F- sekarang + 7.51%, -5,09%, +
3,81%, dan -4,89%, masing-masing.
 Perilaku CAR di setiap tahun selama periode tiga bulan [1, 31 dilaporkan dalam
tabel 6. Untuk masing-masing enam tahun, portofolio E + F + konsisten dan ently
melebihi E4-F-, dan portofolio E-F + melebihi E-F-. Sebuah Mann-Whitney rank-
sum U-statistik dihitung untuk masing-masing pasangan portofolio [E + F + vs E
+ F] dan [E-F + vs E-F-] untuk setiap tahun. Dalam kebanyakan kasus,
menghasilkan asimtotik z-nilai dari U-statistik yang signifikan pada tingkat 1%.
Ketika portofolio dikumpulkan di enam tahun, z-nilai yang dihasilkan signifikan
pada tingkat 0,1%.
Hasil yang disajikan sejauh ini menunjukkan bahwa prediksi logit perubahan
laba masa depan memiliki kekuatan penjelas tambahan untuk perbedaan cross-
sectional dalam distribusi pengembalian atas bahwa dari arah perubahan laba saat
ini. Orang mungkin mempertanyakan apakah respon tambahan pengembalian
diamati untuk sinyal F adalah proxy untuk respon pasar saham terhadap besarnya
sinyal E. Untuk menguji kemungkinan ini, saya menghitung perubahan berarti
setiap portofolio di saat ini (tahun t) laba per saham (skala oleh
21
"periode
ini tidak termasuk pengumuman pendapatan kuartal pertama tahun berikutnya,
sehingga hasil tes tidak terpengaruh oleh respon pasar terhadap pengumuman ini.
160
JANE A. OU
TABLE 6 Returns abnormal kumulatif Portfolio' selama Tiga Bulan periode [1, 4-3,1?
Hasil Tahunan
Semua (1)
Perusahaan
E+
(2)
E
E+P+
(5)
E+F
E-F +
(4)
SF 197 $
0,0011 0,0071 0,0209 0,0539 -.0444 0,0418 -.0079 1979 0,0250 0,0376 -.0021 0,0541
0,0282 0,0040 -.0100 1980 -.0004 -.0131 0,0075 0,0608 -.0693 0,0301 -.0227 1981 -.0153 -
.0075 -.0221 0,0234 -.0551 -.0076 -.0475 1982 .0114 .0248 .0071 .0391 -.0101 0,0302 -
.0820 1983 .0142 .0098 .0218 .0286 -.0650 0,0329 -. 0361 Pooled Di Tahun 0,0076 0,0109
0,0041 0,0405 -.0272 0,0227 -.0350
Mann-Whit ney Rarik-SURN.
U-Test:,E + F + vs E + F
-
vs E
-
F- 2-Nilai
2-Nilai 1978 6,12 *
1,18 1979 1,01 0,15 1980 4.7p 2M1 * 1981 3,69 * 2,36' 1982 1,64 6m3 * 1983 5A3 * 2,68
* Pooled di Tahun 8,50 * 6,85 *
 ° Semua prediksi didasarkan pada model 1 dan skema cutoff 0,5) probabilitas. Lihat n. b
ke meja 5 untuk tugas perusahaan sampel untuk portofolio.
h Periode ini mencakup Januari sampai Maret, tiga bulan segera setelah perusahaan
sampel akhir tahun fiskal.
Signifikan pada tingkat 0,01.
standar deviasi). Perubahan berarti adalah +.810 dan 1,058 untuk E + F + dan E +
F, dan -.989 dan -.318 untuk E-F + dan-upaya. Selain itu, Spearman rank korelasi
antara besarnya skala perubahan pendapatan saat ini dan kemungkinan diprediksi
(Pr) dari laba di- lipatan pada tahun berikutnya adalah negatif: -.0401, signifikan
pada tingkat 5%. Dengan demikian, rata-rata, perusahaan dengan menguntungkan
masa depan pendapatan prediksi (F +) mengalami relatif tidak menguntungkan
perubahan laba saat ini (sinyal F), sementara perusahaan dengan laba masa depan
prediksi yang tidak menguntungkan (F-) mengalami relatif menguntungkan
perubahan pendapatan saat ini. Hasil ini konsisten dengan gagasan bahwa respon
return saham tambahan untuk sinyal F hanya proxy untuk respon kembali ke,
besarnya perubahan pendapatan saat ini.
Hasil dalam bagian 4.2 menunjukkan bahwa model 1, didasarkan pada lebih
nonearnings deskripsi akuntansi, melebihi model 3 dalam memprediksi perubahan
laba masa depan. Untuk melihat apakah kekuatan prediksi superior ini juga
tercermin dalam return saham, saya meneliti apakah strategi portofolio hanya
didasarkan pada model 3 adalah mengungguli oleh salah satu berdasarkan pada
kedua model 1 dan model 3. Tabel 7 laporan hasil. Di bawah strategi pertama, dua
portofolio, F3 + dan F3-, dibentuk menurut masing-masing perusahaan sinyal F
(laba bagian depan cor) berdasarkan model 3 dan skema cutoff (0,5, 0,5)
probabilitas. Di bawah kedua negara, F3 + selanjutnya dibagi menjadi dua
subportfolios,
ANGKA AKUNTANSI NONEARNINGS 161
TABEL 7 Perbandingan CAR Portofolio Berdasarkan Model 3 Sendiri dengan CAR
Portofolio Berdasarkan Model I dan Model 3 Bersama (1978-1983)
Portofolio" Berdasarkan Hanya pada Portofolio Berdasarkan Prediksi Kedua Model Model
3 ini 1 dan Model 31s Prediksi
P3 + F3-
(3)
Tiga Bulan CAR lebih
[1-1, + 3j' Jumlah Pengamatan Mann-Whitney Rank SURN U-'Vest:
(2 ) F3 + Fl +
F3 + F1-P3-F1 +, 0264
2366
-.0258
1327
0,0335
2064
-.0223
301
0,0084
219
-.0326
1108
F3 + F1 + vs F3 + F1-F3-F1 + vs F3-F1-a-Nilai 4,79 * 3,08
*
.Semua prediksi didasarkan pada (0,5, 0,5) skema cutoff .F3 + terdiri dari perusahaan
dengan Pr> 0,5 didasarkan pada model 3;
F3- terdiri dari perusahaan dengan Pr 5
 0,5 berdasarkan model 3; F3 + 11 + terdiri dari perusahaan
dengan Pr> 0,5 berdasarkan pada kedua model 3 dan model 1; F3-P-F1-terdiri dari
perusahaan dengan Pr> 0,5 didasarkan pada model 3, tapi Pr 0,5 berdasarkan model. 1; F3-
Fl + F3-F1-Januari terdiri melalui terdiri dari perusahaan-perusahaan Maret, dengan
perusahaan Pr dengan s tiga 0,5 bulan berdasarkan Pr 5 0.5 pada model berdasarkan segera
3, di tetapi mandi Pr mengikuti model> 0,5 berdasarkan 3 dan sampel
pada model Model 1b 1;
Periode ini mencakup
perusahaan-perusahaan akhir tahun fiskal.
Signifikan pada 0,01 tingkat,
F3 + F1 + dan F3 + F1-, menurut masing-masing perusahaan sinyal F berdasarkan
model 1. dan (0,5, 0,5) cutoff. Demikian pula, F3- dipartisi menjadi F3-F1 + dan
F3-F1-. The CAR tiga bulan disajikan pada tabel 7 menunjukkan bahwa model 1
secara signifikan menyaring prediksi berdasarkan model 3, dan return saham
mencerminkan kekuatan prediksi inkremental ini.
Singkatnya, hasil yang disajikan dalam ayat ini menunjukkan bahwa saham
mengembalikan tidak hanya mencerminkan perubahan dalam pendapatan saat ini,
tetapi juga menanggapi prediksi model logit perubahan laba masa depan selama
periode seputar rilis data laporan tahunan. Dengan kata lain, harga saham
berperilaku seolah investor merevisi harapan mereka dari laba masa depan
berdasarkan nonearnings nomor laporan tahunan.
5. Kesimpulan
Makalah ini mengambil pendekatan pendapatan prediksi untuk menyelidiki
kandungan informasi tambahan dari nonearnings nomor laporan tahunan atas
pendapatan. Ini memberikan bukti empiris untuk informasi link prediktif antara
angka-angka nonearnings dan perubahan laba masa depan. Temuan menunjukkan
bahwa nonearnings nomor laporan tahunan perusahaan mengandung informasi
mengenai arah tahun depan nya perubahan laba yang tidak tercermin dalam
pendapatan saat ini. Sebuah link valuasi antara return saham dan prediksi berbasis
tahunan-laporan ini juga didokumentasikan. Selama periode laporan penyebaran
tahunan, respon return saham dengan prediksi perubahan laba masa depan adalah
atas dan di luar responnya terhadap pendapatan saat ini. Hasil ini konsisten dengan
162 JANE A. OU
pandangan bahwa pengungkapan nonearnings nomor laporan tahunan memicu
revisi dari harapan laba masa depan investor,
PUSTAKA
BALL, R., DAN P. BROWN. "Sebuah Evaluasi Empiris Nomor Pendapatan Akuntansi."
Jurnal Penelitian Akuntansi (Autumn 1968): 159-78. BALL, R., DAN R. WATTS.
"Beberapa waktu-Series Properties Pendapatan Akuntansi."
JurnalKeuangan (Juni 1972): 663-82. BEAVER, WH, dan D. MORSE. "Apa Menentukan
Harga-Laba Rasio?"keuangan
AnalisJournal (Juli / Agustus 1978): 65-76. BEAVER, WH, R. CLARKE, DAN W.
WRIGHT. "Asosiasi Antara Returns sistematis Keamanan dan Besaran Kesalahan Laba
Peramalan." Jurnal Penelitian Akuntansi (Autumn 1979): 316-40. BEAVER, WH, R.
Lambert, DAN D. MORSE. "Informasi IsiSecurity."
 Harga Jurnal Akuntansi dan Ekonomi (Maret 1980): 3-28. BROOKS, L., DAN D.
Buckmaster. "Bukti lebih lanjut dari Seri Waktu Properties dari
Pendapatan Akuntansi." Jurnal Keuangan (Desember 1976): 1359-1373. _____.
"Perbedaan Pertama Sinyal dan Akuntansi Pendapatan Time Series Properties."
JurnalBisnis Keuangan dan Akuntansi 7, no. 3 (1980): 437-55. CHAMBERS, A., DAN S.
Penman. "Ketepatan waktu Pelaporan dan Reaksi Harga Saham terhadap Laba
Pengumuman." Jurnal Penelitian Akuntansi (Musim Semi 1984): 21-47. EASTON, P.
"Laba Akuntansi dan Keamanan Penilaian: Bukti Empiris dari
Links Fundamental." Jurnal Penelitian Akuntansi (Tambahan 1985): 54-77. ESKEW, R.,
DAN W. WRFGHT. "Sebuah Analisis EmpirisPasar Modal Differential
Reaksike Produk Akuntansi Luar Biasa?' Jurnal Keuangan (Mei 1976):. 651-74
FREEMAN, R., J. Ohlson, DAN S. Penman "Buku Keuntungan dan PrediksiEmpiris".
Laba Perubahan:. Sebuah Investigasi Jurnal Penelitian Akuntansi (Autumn 1982, . pt II):.
639-53 Garman, M., dAN J. Ohlson "Informasi dan Penilaian Sequential Aset dalam
Ekonomi Arbitrage-gratis." Jurnal Penelitian Akuntansi (Autumn 1980):.. 420-40
GONEDES, N. "Ekuilibrium Pasar Modal dan Akuntansi Tahunan Nomor:empiris."
Bukti Jurnal Penelitian Akuntansi (Musim semi 1974): 26-62 _____ "Informasi, dan
Pengaruh Produk Akuntansi Khusus tentang Pasar Modal(.
Equilibrium." Jurnal Penelitian Akuntansi Autumn 1975): 220-56 _____ "Perusahaan
Signaling, Akuntansi Eksternal, dan Ekuilibrium Pasar Modal:Biasa."..
Bukti Dividen, Laba, dan Pos luar Jurnal Akuntansi Re- pencarian (Musim semi 1978):.
26-79 Griffen, PA "Informasi Kompetitif di Pasar Bursa. Sebuah Studi Empiris dari Laba,
Dividen dan Prakiraan Analis "Journal of Finance (Mei 1976):. 631-50 KAPLAN, R., DAN
J. PATELL. " Isi Informasi Kas Data Flow Sehubungan dengan
Laba Tahunan" Kerja. kertas, Stanford University, 1977. LEV, B., dAN JA Ohlson,
"Pasar Berbasis empiris Penelitian Akuntansi:. Ulasan, Interpretasi, dan Extension" Jurnal
Penelitian Akuntansi (Tambahan 1982): 249322. Lipe, R. "The informasi Terkandung
dalam Komponen Laba "Journal of Accounting
Research (Tambahan 1986): 37-64, Ohlson, J. Risiko, Return, Keamanan Penilaian, dan
Perilaku Stochastic
".Bilangan Akuntansi"Journal of Financial dan Quantitatiue Analisis ( Juni 1979):. 317-
36 Ou, J. "Informasi Isi Nomor Nonearnings Akuntansi sebagai Laba
Prediktor" Ph.D. disertasi, University of California, Berkeley, 1984. Rayburn, J.
"Asosiasi operasi Arus Kas dan Akrual dengan Security Re-
ternyata.' Jurnal Penelitian Akuntansi (Tambahan 1986): 112-33.