Anggraeni Nur Putri

SENIN, 27 NOVEMBER 2017

terjemahan ringkasan Chapter 5 scott : The Value Relevance Of

Accounting Information

MAKSI MEGA KUNINGAN

UNIVERSITAS TRISAKTI

CHAPTER 5 SCOTT
THE VALUE RELEVANCE OF ACCOUNTING INFORMATION
A. OUTLINE OF THE RESEARCH PROBLEM
1. Reasons for Market Response
Mengapa kita memprediksi bahwa harga pasar saham suatu perusahaan akan merespon
informasi laporan keuangan perusahaan tersebut. Alasannya adalah :
a. Investor telah memiliki keyakinan awal mengenai performance suatu perusahaan, terkait dengan
deviden, arus kas dan atau laba, yang mempengaruhi ekspektasi return dan resiko saham perusahaan.
b. Pada saat perusahaan mengeluarkan informasi tentang laba bersih tahunan, investor tertentu akan
memutuskan untuk menggali informasi lebih dalam dengan menghitung angka-angka laba tersebut.
Contoh : bila laba bersih tinggi, atau lebih tinggi dari harapan investor maka hal ini adalah informasi
bagus. Demikian sebaliknya.
c. Investor yang merubah keyakinan awalnya mengenai predisi performance suatu saham akan
meningkatkan pembelian saham perusahaan pada harga pasar sekarang.
d. Kita akan berharap untuk mengamati peningkatan volume saham yang diperdagangkan saat
perusahaan melaporkan laba bersihnya.
Beaver (1968) melalui suatu penelitian klasik menguji Reaksi volume transaksi perdagangan
saham. Beaver menemukan suatu peningkatan yang dramatis dalam volume perdagangan pada
minggu pelepasan informasi pengumuman laba. Reaksi harga pasar dapat menyediakan suatu
pengujian yang kuat atas kebermanfaatan pengambilan keputusan dibandingkan reaksi volume
saham.
2. Finding the Market Response
a. Teori efisiensi pasar menegaskan bahwa pasar akan bereaksi cepat terhadap informasi yang baru
dikeluarkan. Sehingga penting untuk mengetahui kapan suatu laporan laba bersih akan diketahui oleh
publik.

b. Berita bagus atau berita buruk dalam laporan laba bersih biasanya dievaluasi secara relatif terhadap
apa yang menjadi harapan investor. Berita bagus akan memicu perubahan / revisi keyakinan investor
terhadap performance perusahaan.
c. Selalu saja terdapat event yang mempengaruhi harga dan volume saham. Artinya suatu respon pasar
terhadap pengumuman laba sangat sulit ditemukan.

3. Separating Market-Wide and Firm-Specific Factors

Seperti yang dijelaskan di bagian 4.5, model pasar banyak digunakan untuk mengeposkan faktor
pasar dan faktor spesifik perusahaan yang berbeda yang mempengaruhi tingkat pengembalian
keamanan. Gambar 5.2 memberikan ilustrasi grafis model pasar untuk bentuk j untuk periode t, di
mana kita memperhitungkan panjang periode sebagai satu hari. Periode waktu yang lebih lama,
seperti minggu, bulan, atau tahun, dan bahkan periode yang lebih pendek, juga digunakan oleh
peneliti.
Angka tersebut menunjukkan hubungan antara return on firm j's dan return on market portfolio
(misalnya, oleh indeks industri rata-rata dow jones atau indeks komposit S&P/TSK).

Persamaan model pasar:

Rjt = αj + βjRMt + єjt
Para peneliti akan memperoleh data yang lalu pada Rjt dan RMt dan menggunakan analisis
regresi untuk menentukan koefisien model. Misalnya ini menghasilkan αj = 0,0001 dan
βj 0,080.
Sekarang, dengan perkiraan model pasar untuk perusahaan ini, peneliti dapat berkonsultasi
dengan media keuangan untuk mengetahui hari pengumuman pendapatan perusahaan saat ini. Sebut
ini "hari 0" misalkan untuk hari ke 0 kembalinya indeks industri dow jones adalah 0,001. Maka
perkiraan model pasar perusahaan j digunakan untuk memprediksi return j's saham untuk hari ini.
Seperti yang ditunjukkan pada gambar 5.2 ini diharapkan return adalah 0,0009. Sekarang berasumsi
bahwa return aktual saham perusahaan j untuk hari ke 0 adalah 0.0015. Maka selisih antara actual
dan expected return adalah 0,0006 (yaitu €jt = 0,0006 untuk hari ini) 0,0006 ini adalah perkiraan
abnormal, atau firm-specific, return pada saham perusahaan j untuk hari itu. Return abnormal ini juga
diinterpretasikan sebagai tingkat pengembalian saham perusahaan j untuk hari 0 setelah
menghilangkan pengaruh faktor pasar secara keseluruhan. Perhatikan bahwa interpretasi ini
konsisten dengan contoh 3.2, dimana kita membedakan antara faktor spesifik pasar dan perusahaan.
Prosedure inimemberikan cara operasional untuk membuat pemisahan.

4. Comparing Returns and Income

Peneliti empris sekarang dapat membandingkan keuntungan saham menyimpang pada hari 0
seperti dihitung diatas dengan komponen tak terduga dari net income terlapor terbaru dari perusahaan.
Jika pendapatan net tak terduga ini adalah “berita baik” (yaitu, pendapatan net tak terduga yang positif)
kemudian, diberikan efisiensi pasar keamanan, keuntungan menyimpang positif merupakan bukti bahwa
investor rata-rata bereaksi bermacam-macam terhadap berita baik tak terduga pada pendapatan. Garis yang
sama dari alasan terlaksana jika pengumuman pendapatan terbaru adalah berita buruk.
Untuk meningkatkan kekuatan penyelidikan, peneliti mungkin juga ingin memeriksa beberapa
hari di kedua sisi hari itu. Mungkin saja, misalnya, pasar mungkin akan belajar kabar kabar baik atau buruk
satu atau dua hari lebih awal. Sebaliknya, abnormal return positif atau negatif dapat berlanjut selama satu
atau dua hari setelah hari o sementara pasar mencerna informasi, walaupun efisiensi pasar menyiratkan
bahwa pengembalian berlebih harus segera mati. Akibatnya, penjumlahan abnormal return untuk jendela
sempit tiga sampai lima hari di sekitar hari o tampaknya lebih masuk akal daripada hanya memeriksa hari
saja. Ini juga membantu melindungi terhadap kemungkinan bahwa tanggal pengumuman penghasilan saat
ini mungkin bukan perkiraan akurat dari tanggal ketersediaan publik mereka.
Jika return positif dan negatif positif seputar berita laba baik atau buruk ditemukan untuk
memegang sampel perusahaan, peneliti dapat menyimpulkan bahwa prediksi berdasarkan teori keputusan
dan teori pasar sekuritas yang efisien didukung. Hal ini pada gilirannya akan mendukung pendekatan
kegunaan keputusan terhadap akuntansi dan pelaporan keuangan, karena, jika investor tidak menemukan
informasi laba bersih yang dilaporkan bermanfaat, respons pasar hampir tidak akan dapat diamati.
Tentu saja, metodologi ini tidak mudah dilakukan, sejumlah asumsi dan perkiraan harus dilakukan
sepanjang jalan. Salah satu komplikasinya adalah informasi spesifik perusahaan lainnya sering muncul
bersamaan dengan pengumuman pendapatan perusahaan. Misalnya, jika perusahaan j mengumumkan
pemecahan saham atau perubahan dividen pada hari yang sama dengan merilis laba saat ini, akan sulit
untuk mengetahui apakah respons pasar disebabkan oleh satu atau lain hal. Namun, peneliti dapat
mengatasi hal ini dengan menyingkirkan perusahaan semacam itu dari sampel.
Komplikasi lain adalah beta perusahaan estimasi, untuk memisahkan kebutuhan untuk
memasarkan hasil spesifik yang luas dan spesifik seperti pada Gambar 5.2. Seperti yang disebutkan,
estimasi ini biasanya didasarkan pada analisis regresi data masa lalu dengan menggunakan model pasar.
Kemudian, beta yang diperkirakan adalah kemiringan garis regresi. Namun, beta perusahaan dapat berubah
dari waktu ke waktu, misalnya saat perusahaan mengubah operasinya dan / atau struktur modalnya. Jika
taksiran beta berbeda dengan beta sejati, ini mempengaruhi perhitungan abnormal return, kemungkinan
bias hasil investigasi.
Ada berbagai cara untuk mengatasi komplikasi ini. Misalnya, mungkin untuk mendapatkan opini
kedua "di beta dengan memperkirakannya dari informasi keuangan negara daripada dari data pasar.
Sebagai alternatif, beta dapat diperkirakan dari periode setelah Pengumuman pendapatan dan dibandingkan
dengan perkiraan dari periode sebelum pengumuman.
Selain itu, ada cara untuk memisahkan pengembalian spesifik pasar dan perusahaan yang
mengabaikan beta. Sebagai contoh, kita dapat memperkirakan return spesifik perusahaan dengan selisih
antara return saham perusahaan j selama periode 0 dan return rata-rata atas sahamnya selama beberapa
periode sebelumnya. Atau, kita bisa mengambil selisih antara return perusahaan j selama periode o dan
return pada portofolio pasar untuk periode yang sama. Sebagai alternatif, seperti pada Easton dan Harris
(1991), kita dapat dengan total return saham dan tidak memperhitungkan pengembalian kerja pasar secara
keseluruhan sama sekali.
Dasar pemikiran untuk prosedur yang lebih sederhana ini adalah bahwa tidak ada jaminan bahwa
model pasar secara memadai menangkap proses nyata menghasilkan pengembalian saham. Sejauh model
pasar tidak sepenuhnya menangkap kenyataan, penggunaannya dapat menimbulkan kesalahan lebih
banyak dalam memperkirakan beta dan abnormal return daripada mengurangi pengembalian pasar secara
keseluruhan dan mengendalikan risiko. Komplikasi lebih lanjut adalah bahwa ada beragam indeks
pengembalian portofolio pasar yang tersedia, dimana Dow Jones Industrial Average hanya satu. Mana
yang harus dipakai?
Isu-isu ini diperiksa oleh Brown dan Warner (1980) dalam sebuah studi simulasi. Meskipun
masalah pemodelan dan pengukuran seperti yang baru saja disebutkan, Brown dan Warner menyimpulkan
bahwa, untuk jendela pengembalian bulanan, prosedur berbasis model pasar yang diuraikan dalam Bagian
5.2.3 dilakukan dengan cukup baik dibandingkan dengan alternatif di atas. Akibatnya, inilah prosedur yang
akan kita konsentrasi.
 Dengan menggunakan prosedur ini, nampaknya pasar bereaksi terhadap informasi pendapatan
Menggunakan teori yang diprediksi. Kami sekarang akan meninjau bukti signifikan pertama dan inter
pretasi dari reaksi ini, Ball 1968 yang terkenal dan Brown.

B. THE BALL AND BROWN STUDY

1. Methodology and findings

Pada tahun 1968, Ball dan Brown menjadi orang pertama yang menemukan bukti ilmiah
bahwa return saham perusahaan merespon isi informasi dalam laporan keuangan perusahaan. Tipe
penelitian ini disebut Event Study, karena penelitian ini mempelajari reaksi pasar saham atas suatu
even khusus, dalam penelitian itu kasusnya adalah pengumuman laba bersih tahunan suatu
perusahaan.
Salah satu hasil terpenting dari penelitian Ball dan Brown adalah bahwa penelitian itu telah
membuka pembahasan isu-isu kebermanfaatan informasi.
BB meneliti sampel dari 261 perusahaan Bursa Efek New York (NYSE) selama sembilan tahun
sejak 1957 sampai 1965. Mereka berkonsentrasi pada isi informasi pendapatan, pada eksklusi
komponen pernyataan finansial informatif secara potensial yang lain seperti struktur likuiditas dan
modal. Satu alasan untuk ini, seperti disebutkan sebelumnya, adalah pendaptan untuk perusahaan
NYSE diumumkan secara tipikal dalam media sebelumnya pada peluncuran aktual laporan tahunan
supaya relatif mudah untuk menentukan saat informasi pertama tersedia secara publik.
Tugas pertama BB adalah untuk mengukur isi informasi pendapatan, yaitu, apakah
pendapatan terlapor lebih besar daripada apa yang diharapkan pasar (GN), atau kurang dari yang
diharapkan (BN). Tentu saja, ini membutuhkan wakil untuk harapan pasar. Satu wakil yang mereka
gunakan adalah pendapatan aktual tahun lalu, dari yang mengikuti bahwa pendaptan tak terduga
adalah hanya perubahan pendapatan. Jadi, perusahaan dengan pendapatan lebih tinggi daripada
tahun lalu diklasifikasikan sebagai GN, dan sebaliknya perusahaan dengan pendapatan lebih rendah
dari tahun lalu diklasifikasikan sebagai BN
Tugas selanjutnya adalah mengevaluasi return pasar saham perusahaan sampel di dekat
waktu pengumuman pendapatan masing-masing. Hal ini dilakukan sesuai dengan prosedur
pengembalian abnormal yang diilustrasikan pada Gambar 5.2. Satu-satunya perbedaan adalah bahwa
BB mengukur return saham di atas jendela pengembalian satu bulan (pengembalian harian tidak
tersedia di database pada 196 Analogously to Figure 5.2, anggap bahwa perusahaan j melaporkan
pendapatan 1957 pada bulan Februari 1958, dan bahwa pendapatan ini adalah GN. Misalkan juga
bahwa kembalinya portofolio pasar NYSE pada bulan Februari 1958 adalah 0,001, menghasilkan
return perusahaan yang diharapkan sebesar 0,0009. BB kemudian akan menghitung return aktual
saham perusahaan untuk bulan Februari 1958. Misalkan ini adalah 0,0015, menghasilkan return
abnormal untuk Februari 0,0006. Sejak pendapatan perusahaan pada tahun 1957 dilaporkan pada
bulan Februari 1958 dan karena sahamnya menghasilkan 0,0006 di atas dan di atas pasar pada bulan
ini, orang mungkin menduga bahwa alasan untuk pengembalian abnormal yang positif adalah bahwa
investor bereaksi positif terhadap informasi GN Dalam pendapatan
Pertanyaannya kemudian, apakah pola ini berulang di sampel? Jawabannya adalah ya. Jika
kita mengambil semua pengumuman pendapatan GN dalam sampel (ada 1.231), rata-rata return
 pasar keamanan abnormal di bulan rilis pendapatan sangat positif. Sebaliknya, rata-rata abnormal
return untuk 1.109 pengumuman berita buruk dalam sampel sangat negatif. Ini memberikan bukti
substansial bahwa pasar merespons kabar baik atau buruk dalam pendapatan selama jendela sempit
yang terdiri dari pengumuman pengumuman bulan pengumuman.
Aspek menarik dan penting dari studi BB adalah bahwa mereka mengulangi perhitungan
pengembalian pasar keamanan abnormal mereka untuk jendela lebar yang terdiri dari masing-masing
11 bulan sebelum dan enam bulan setelah bulan rilis pendapatan (bulan o) BB menghitung rata-rata
abnormal Kembali untuk setiap bulan dari jendela 18 bulan ini. Hasilnya ditunjukkan pada Gambar
5.3, diambil dari BB.
Bagian atas Gambar 5.3 menunjukkan hasil abnormal rata-rata kumulatif untuk perusahaan
pengumuman pendapatan GN dalam sampel; Bagian bawah menunjukkan hal yang sama pada
perusahaan pengumuman BN. Seperti yang dapat dilihat, perusahaan GN sangat mengungguli sampel
total (sampel total mendekati tingkat pengembalian pasar), dan perusahaan BN sangat kurang, selama
periode 11 bulan menjelang bulan rilis pendapatan.

2. CAUSATION VERSUS ASSOCIATION

Perhatikan bahwa pengembalian bulanan kumulatif pada Gambar 5.3. Meskipun ada peningkatan
yang substansial (untuk GN) dan penurunan (untuk BN) rata-rata abnormal return di bursa saham sempit
yang terdiri dari bulan 0, seperti yang dijelaskan di atas, Gambar 5.3 menunjukkan bahwa pasar mulai
mengantisipasi GN atau BN sebanyak Tahun sebelumnya, dengan hasil yang mengembalikan accumu.
Lated terus selama periode. Seperti yang bisa dilihat, jika seorang investor bisa membeli semua perusahaan
GN satu tahun sebelum kabar baik itu dilepaskan dan menahan mereka sampai akhir bulan peluncuran,
akan ada pengembalian ekstra lebih dari 5% dari Dan di atas tingkat pengembalian pasar. Demikian pula,
kerugian abnormal lebih dari 9% telah terjadi pada portofolio perusahaan BN yang dibeli satu tahun
sebelum berita buruk tersebut dilepaskan?

Hal ini menyebabkan perbedaan penting antara studi jendela sempit dan lebar. Jika reaksi pasar
keamanan terhadap informasi akuntansi diamati selama jendela sempit beberapa hari (atau, dalam kasus
BB, satu bulan) yang mengelilingi pengumuman pendapatan, dapat dikatakan bahwa informasi akuntansi
merupakan penyebab reaksi pasar. . Alasannya adalah bahwa selama jendela yang sempit terdapat relatif
sedikit kejadian spesifik perusahaan selain laba bersih untuk mempengaruhi tingkat pengembalian saham.
Juga, jika kejadian lain terjadi, seperti pemecahan saham atau pengumuman dividen, perusahaan yang
terkena dampak dapat dikeluarkan dari sampel, seperti yang disebutkan. Jadi, hubungan jendela yang
sempit antara pengembalian keamanan dan informasi akuntansi menunjukkan bahwa pengungkapan
akuntansi adalah sumber Informasi baru kepada investor.
Evaluasi pengembalian keamanan melalui jendela yang lebar, bagaimanapun, membuka mereka ke
sejumlah peristiwa lain yang mempengaruhi harga saham. Misalnya, sebuah perusahaan mungkin telah
menemukan cadangan minyak dan gas baru, terlibat dalam proyek litbang yang menjanjikan, atau
meningkatkan penjualan dan pangsa pasar. Seiring pasar mempelajari informasi ini dari sumber yang lebih
tepat waktu, seperti artikel media, pengumuman perusahaan, kondisi ekonomi dan industri, laporan
triwulanan, dan pembelian orang dalam (untuk GN) dan penjualan (BN), harga saham akan mulai
meningkat. Hal ini mencerminkan Sifat keamanan harga yang sebagian informatif karena, dalam harga
keamanan pasar yang efisien mencerminkan semua informasi yang ada, tidak hanya informasi akuntansi.
Jadi, harga yang benar-benar dilakukan dengan baik seharusnya memiliki banyak efek pada pangsa yang
 diantisipasi oleh pasar sebelum GN muncul dalam laporan keuangan. Artinya, karena adanya lag
pengakuan, harga memimpin laba atas jendela yang lebar. Dengan demikian, sebagian besar yang dapat
diperdebatkan untuk jendela yang luas adalah bahwa laba bersih dan pengembalian terkait. Artinya, ini
adalah kinerja ekonomi yang nyata dan mendasari perusahaan yang menghasilkan asosiasi, karena harga
saham dan laba (dengan lag) bersih mencerminkan kinerja sebenarnya.
Jelas, efek ini terjadi dalam penelitian BB. Sekilas pada Gambar 5.3 menunjukkan bahwa walaupun
ada kenaikan yang signifikan (perusahaan GN) dan penurunan (BN) dalam pengembalian tahunan
kumulatif selama bulan 0, seperti yang telah dicatat sebelumnya, sebagian besar informasi dalam laba
bersih diantisipasi sebelum bulan 0. Sebenarnya , BB memperkirakan bahwa rata-rata 85% -90% informasi
dalam pendapatan tahunan sudah masuk dalam harga saham pada saat pendapatan tahunan diumumkan.
Namun demikian, hasil jendela yang sempit tetap ada; Pasar tidak mengantisipasi semua informasi
mengenai laba bersih, sehingga mendukung teori pasar dan teori pasar yang efisien dan relevansi nilai dari
informasi akuntansi.

3. OUTCOMES OF THE BB STUDY

Salah satu hasil terpenting BB adalah membuka sejumlah besar masalah kegunaan tambahan.
Langkah selanjutnya yang logis adalah bertanya apakah besarnya pendapatan tak terduga terkait dengan
besarnya respon pasar keamanan mengingat analisis BB hanya didasarkan pada tanda pendapatan tak
terduga. Artinya, informasi pendapatan dari penelitian BB hanya dikelompokkan ke dalam GN atau BN,
ukurannya cukup kasar.
Pertanyaan besarnya tanggapan diselidiki, misalnya oleh Beaver, Clarke, dan Wright (BCW) pada
tahun 1979. Mereka memeriksa sampel 276 perusahaan NYSE dengan 31 Desember berakhir, selama
periode 10 tahun dari 1965 sampai 1974. Untuk setiap perusahaan sampel, untuk setiap tahun periode
sampel, mereka memperkirakan perubahan pendapatan tak terduga. Mereka kemudian menggunakan
prosedur model pasar untuk memperkirakan hasil keamanan abnormal yang terkait dengan perubahan
pendapatan yang tidak terduga ini.
Setelah membandingkan perubahan pendapatan yang tidak diharapkan dengan hasil keamanan
abnormal, Bcw menemukan bahwa semakin besar perubahan pendapatan tak terduga, semakin besar
respons pasar keamanan. Hasil ini konsisten dengan CAPM dan kegunaan keputusan, karena yang lebih
besar adalah pendapatan tak terduga, semakin banyak rata-rata investor memperkirakan perkiraan kinerja
perusahaan masa depan dan hasil investasi mereka, mengembalikan hal-hal yang sama.
Juga, sejak tahun 1968, para peneliti akuntansi telah mempelajari respon pasar terhadap pendapatan
bersih di bursa-bursa efek lain, di negara-negara lain, dan untuk laporan-laporan penghasilan tiap kuartal,
dengan hasil-hasil serupa. Pendekatan tersebut telah digunakan untuk mempelajari respon pasar terhadap
informasi yang terdapat dalam standar-standar akuntansi baru, perubahan-perubahan auditor, dll. Di sini,
bagaimanapun juga, kita akan berkonsentrasi pada apa yang mungkin merupakan perluasan BB yang
terpenting, koefisien-koefisien respon penghasilan-penghasilan. Macam penelitian ini mengajukan suatu
pertanyaan yang berbeda dari BCW, yaitu, untuk suatu jumlah tertentu dari penghasilan-penghasilan yang
tidak diharapkan, apakah respon pasar sekuritas lebih besar untuk beberapa perusahaan daripada untuk
yang lain

C. EARNING RESPONSE COEFFICIENTS

 Mengapa pasar saham akan memberi respon lebih kuat terhadap berita baik/berita buruk
atas laba untuk satu perusahaan dan tidak untuk perusahaan lain? Bila jawaban dari pertanyaan
ini dapat dijawab maka para akuntan akan dapat meningkatkan pemahaman mereka tentang
bagaimana informasi akuntansi bermanfaat bagi investor.
Konsekuensinya satu arahan yang paling penting adalah penelitian empiris akuntansi
keuangan yang mengikuti Brown dan Ball telah mengidentifikasi dan menjelaskan berbagai
macam respon pasar yang berbeda terhadap informasi laba. Hal ini disebut penelitian earning
response coefficient (ERC).
ERC mengukur peningkatan abnormal return saham dalam merespon komponen yang
tidak diharapkan dalam pengumuman laba perusahaan yang mengeluarkan saham.
Berbagai macam respon pasar yang berbeda disebabkan oleh beberapa hal berikut :

1. Beta

2. Kualitas Earning

3. Pertumbuhan kesempatan

4. Kesamaan dalam harapan investor

5. Nilai informasi dari Harga saham

Mengapa para akuntan seharusnya memperhatikan respon pasar terhadap informasi akuntansi
keuangan adalah karena pemahaman yang berkembang mengenai respon pasar mengarahkan bahwa
respon pasar dapat lebih meningkatkan kegunaan pengambilan keputusan atas laporan keuangan.

D. IMPLIKASI of ERC RESEARCH

Mengapa akuntan tertarik dengan respons pasar terhadap informasi akuntansi keuangan?
Intinya, alasannya adalah bahwa pemahaman yang lebih baik mengenai respons pasar menunjukkan
cara-cara agar mereka dapat memperbaiki kegunaan keputusan laporan keuangan lebih lanjut.
Sebagai contoh, bukti empiris hubungan positif antara ERC dan kualitas laba menunjukkan bahwa
kualitas pendapatan yang lebih tinggi adalah nilai dari investor ekuitas.
Juga, temuan bahwa ERC lebih rendah untuk perusahaan yang sangat levered mendukung
argumen untuk memperluas pengungkapan sifat dan besaran instrumen keuangan, termasuk aset
yang berada di luar neraca. Jika ukuran relatif kewajiban perusahaan mempengaruhi respons pasar
terhadap laba bersih, maka diharapkan semua kewajiban diungkapkan. Ingat dari bagian 1.3 bahwa
kewajiban neraca dari lembaga keuangan merupakan faktor yang berkontribusi terhadap krisis pasar
2007-2008.
Pentingnya peluang pertumbuhan bagi investor menunjukkan, misalnya, keinginan untuk
mengungkapkan segmen akan memungkinkan investor untuk mengisolasi operasi perusahaan yang
menguntungkan dan tidak menguntungkan. MD & A juga memungkinkan perusahaan untuk
mengkomunikasikan prospek pertumbuhannya, seperti yang dijelaskan di bagian 3.6.
Akhirnya, pentingnya persistensi pendapatan ke ERC berarti pengungkapan komponen laba
bersih bermanfaat bagi investor. Banyak detail dalam laporan laba rugi, di neraca, dan dalam
informasi tambahan membantu investor menafsirkan ketekunan jumlah pendapatan saat ini.
 Argumen ini didukung oleh jones dan smith (2011), yang mempelajari ketekunan keuntungan dan
kerugian yang tidak biasa dan tidak berulang (disebut item khusus oleh penulis), berdasarkan sampel
perusahaan A.S selama periode 1986-2005. Mereka melaporkan bahwa barang-barang khusus
bertahan rata-rata selama paling sedikit lima tahun.
Jones dan smith juga memeriksa ketekunan pendapatan komprehensif lainnya (OCI; bagian
1.10). Mereka melaporkan bahwa item OCI bersifat sementara, bertahan rata-rata hanya dalam satu
tahun.

E. MEASURING INVESTOR’S EARNING EXPECTATIONS

Seperti yg disebutkan sebelumnya, para peneliti harus memperoleh proxy untuk pendapatan
yang diharapkan, mengingat pasar efisien akan bereaksi hanya pada porsi dari pengumuman
pendapatan yang tidak diharapkan. Jika sebuah proxy yang layak/pantas tidak diperoleh, peneliti bisa
gagal dalam mengidentifikasi reaksi pasar ketika muncul, atau bisa menyimpulkan dengan salah
bahwa reaksi pasar ada ketika itu tidak ada. Sehingga, pemerolehan prakiraan yang layak dari harapan
penghasilan adalah komponen penting dari nilai relevansi penelitian.
Dibawah syarat ideal, penghasilan yg diharapkan adalah pertambahan secara sederhana dari
potongan harga pembukaan perusahaan. Ketika syarat-syaratnya tidak ideal, bagaimanapun juga,
harapan penghasilan adalah lebih kompleks. Satu pendekatan untuk proyek time series (susunan
waktu) dibentuk oleh laporan lama penghasilan bersih perusahaan-yaitu sebagai, dasar ekspektasi
masa depan pada performa lama.
Sebuah proyeksi yang layak, bagaimanapun juga, tegantung pada ketekunan pendapatan.
Untuk melihat ini, pertimbangkan perbedaan besar dari 100% pendapatan tetap dan nol pendapatan
tetap. Jika pendapatan tetap secara utuh, pendapatan yang diharapkan untuk tahun ini adalah hanya
pendapatan aktual tahun lalu. Kemudian, pendapatan yang tidak diharapkan diperkirakan berubah
dari tahun lalu. Pendekatan ini telah digunakan oleh Ball dan Brown, seperti yang dijelaskan di section
5.3. jika pendapatan dari nol ketekunan, kemudian tidak ada informasi pada pendapataan tahun lalu
tentang pendapatan masa depan, dan semua arus pendapatan tidak terperkirakan. Sehingga,
pendapatan yg tidak diharapkan sama dengan tingkat pendapatan tahun ini. Pendekatan ini
digunakan oleh Bill Cautious.
Perbedaan yang mana yang mendekati kebenaran? Ini dapat dievaluasi dengan tingkat
korelasi antara uang jaminan dan perkiraan pendapatan yg tidak diharapkan, sebuah pertanyaan
diujikan oleh Easton dan Harris (1991). Menggunakan analisis regresi dari contoh yang banyak/luas
dari perusahaan-perusahaan Amerika antara periode 1969-1986, mereka mendokumentasikan
sebuah korelasi antara uang jaminan 1 tahun dan kembalian dalam pemasukan bersih, sejalan dengan
pendekatan dari Ball dan Brown. Bagaimanapun juga, ada korelasi lebih kuat yg genap antara
kembalian dan tingkat pemasukan bersih. Lebih jauh lagi, ketika keduanya perubahan dan tingkat
penghasilan digunakan, dua variabel yg digabungkan membentuk pekerjaan yang lebih baik yg
signifikan dari prediksi kembalian daripada variabel secara terpisah. Hasil2 ini menyarankan bahwa
kebenaran dimanapaun ditengah, keduanya berubah dan tingkat pemasukan bersih adalah komponen
dari ekspektasi pendapatan pasar, dimana berat relatif pada 2 komponen bergantung pada ketekunan
pendapatan.
Pembahasan di depan berdasarkan semata-mata pada pendekatan urutan waktu,
bagaimanapun juga. Sumber lain dari ekspektasi pendapatan adalah analisa ramalan. Ini sekarang
tersedia secara luas untuk kebanyakan perusahaan2 besar. Jika analisa ramalan lebih akuurat dari
ramalan urutan waktu, mereka menyediakan perkiraan lebih baik dari ekspektasi pendapatan, sejak
rasional investor akan kiranya menggunakan ramalan paling akurat. Bukti oleh Brown, Hagerman,
Griffin, dan Zinijewski (1987), yang mempelajari performa peramalan selama triwulan dari satu
organisasi peramalan (Value Line), menyarankan bahwa analis outperform model urutan waktu
dalam istilah ketepatan. O’Brien (1988) juga menemukan bahwa analis ramalan penghasilan triwulan
lebih akurat dari ramalan urutan waktu. Hasil2 ini yang kita harapkan, sejak analis dapat membawa
untuk menunjang informasi dibalik yang terkandung dalam penghasilan lalu ketika membuat
proyeksi penghasilan mereka.
Meskipun bukti bahwa ramalan analis cenderung lebih akurat daripada ramalan berdasarkan
urutan waktu, bukti lain (Easton dan Sommers, 2007) menyarankan bahwa ramalan analis
menyimpang dengan pasti, terutama untuk perusahaan kecil. Namun, penelitian terbaru tentang
informasi berisi pendapatan cenderung berdasarkan ekspektasi pendapatan pada analisis ramalan.

qoutes
"everybody is a Genius.
but if you judge by its ability to climb a tree,
it will spend its whole life believing that it is stupid.
-Albert Einstein-"

source :
Scott, William R (William Robert). 1931. Financial Accounting Theory. Seventh Edition. Canada:
Pearson Canada Inc.

Diposting oleh anggraeni nur putri di 19.12

Kirimkan Ini lewat EmailBlogThis!Berbagi ke TwitterBerbagi ke FacebookBagikan ke Pinterest
Label: accounting theory

Tidak ada komentar:

Posting Komentar
Posting Lebih BaruPosting LamaBeranda
Langganan: Posting Komentar (Atom)
MENGENAI SAYA

anggraeni nur putri

Lihat profil lengkapku

ARSIP BLOG 

 ► 2018 (2)
 ▼ 2017 (5)
o ► Desember (1)
o ▼ November (1)
 terjemahan
ringkasan Chapter 5
scott : The Value ...
o ► September (3)
 ► 2013 (1)
 ► 2012 (6)

Tema Jendela Gambar. Diberdayakan oleh Blogger.