STRATEGI PERDAGANGAN DAN PENJUALAN BEBAN UMUM DAN ADMINISTRASI

ol
eh

Jennifer Tu BSc, Fudan

University (2011)

dan

Wenying Zhai MMgt, University of Melbourne (2011) BIB,

Universitas Keuangan dan Ekonomi Shanghai (2009)

PROYEK YANG DITERIMA DALAM PERSYARATAN BAGIAN

ATAS PERSYARATAN UNTUK PERSYARATAN UNTUK
PERSYARATAN ATAS GELAR

MASTER ILMU PENGETAHUAN DALAM

KEUANGAN

Dalam Program Magister Ilmu Keuangan

Fakultas Administrasi Bisnis

© Jennifer Tu dan Wenying Zhai, 2019

SIMON FRASER UNIVERSITY

Fall 2019

Semua hak dilindungi undang-undang. Namun, sesuai dengan Undang-Undang

Hak Cipta Kanada, karya ini dapat direproduksi, tanpa izin, dengan ketentuan
untuk Penanganan Wajar. Oleh karena itu, reproduksi terbatas dari karya ini
untuk keperluan studi pribadi, penelitian, kritik, ulasan dan pelaporan berita
cenderung sesuai dengan hukum, terutama jika dikutip dengan tepat.

Persetujuan
Nama: Jennifer Tu dan Wenying Zhai

Gelar: Master of Science di bidang Keuangan

Judul Proyek: Strategi Perdagangan dan Penjualan Umum danAdministrasi

Biaya

Komite Pengawas:

__________________________________________
_

Dr. Amir Rubin

Profesor Senior
Pembimbing

__________________________________________
_

Dr. Alexander
VedrashkoDosen
Pembimbing Profesor
Pembaca Kedua

Tanggal Disetujui: ___________________________________________

Abstrak

Makalah ini mempelajari hubungan antara penjualan,umum dan administrasi

Biaya (SG&A) perusahaan publik Amerika Utara dan kinerja saham mereka. Kami

memperkenalkan ukuran tata kelola perusahaan berdasarkan rasio biaya SG&A terhadap total

pendapatan dan menemukan hubungan negatif kasual antara rasio SG&A dan pengembalian
saham.
 Selain itu, kami membuat strategi perdagangan jangka panjang berdasarkan rasio
SG&A.

Kata kunci: Menjual Biaya Umum dan Administrasi, Tata Kelola, Strategi Perdagangan,

Pengembalian
Abnormal
Ucapan Terima Kasih

Kami ingin mengucapkan terima kasih yang tulus kepada Prof. Amir Rubin untuk waktu
dan

bimbingannya atas proyek ini. Kami juga menghargai saran mendalam Dr. Alexander Vedrashko

tentang kemajuan masa depan di bidang

ini. 1: Pendahuluan

Dalam makalah ini, kami menyelidiki hubungan antara kinerja stok dan penjualan, biaya umum dan
administrasi (SG&A). Beban SG&A dilaporkan dalam laporan laba rugi dan kepentingannya
meningkat karena rata-rata semesta SG&A terhadap total pendapatan meningkat dari 23% pada
tahun 1971 dengan 3510 pengamatan menjadi 304% pada 2018 dengan 5287 pengamatan (dihitung
dari data kami yang diperoleh dari Compustat).

Analisis fundamental tradisional menganggap rasio SG&A terhadap pendapatan sebagai sinyal tata
kelola perusahaan, karena ini terkait erat dengan kemampuan dan efisiensi manajemen. Rasio yang
lebih tinggi dapat menunjukkan strategi pengendalian biaya yang buruk dan rasio yang lebih rendah
dapat menunjukkan bahwa perusahaan itu konservatif dalam biaya. Ketika literatur tata kelola
sebelumnya menemukan hubungan positif antara abnormal return dan governance (Gompers, Ishii, &
Metrick, 2003), perusahaan dengan rasio SG&A terhadap pendapatan yang lebih rendah diharapkan
memiliki abnormal return yang lebih tinggi.

Studi sebelumnya juga menemukan "kekakuan biaya" dari pengeluaran SG&A, yang berarti biaya
SG&A cenderung berkurang secara tidak memadai ketika permintaan menyusut (Anderson et al.
2007; Baumgarten et al. 2010). Oleh karena itu biaya SG&A dapat dianggap lebih sebagai biaya
tetap meskipun sebagian dari biaya SG&A adalah variabel. Perusahaan dengan rasio SG&A
terhadap pendapatan yang lebih tinggi dapat dianggap memiliki leverage operasi yang lebih tinggi.
Berlawanan dengan perspektif tata kelola, perspektif leverage operasi akan berpendapat bahwa
biaya SG&A yang lebih tinggi dikaitkan dengan risiko yang lebih sistematis, yang dapat mengarah
pada pengembalian bahan baku yang lebih tinggi, tetapi tidak diharapkan mempengaruhi
pengembalian abnormal (yaitu, kinerja perusahaan).

Hipotesis kami sesuai dengan perspektif tata kelola; SG&A yang lebih rendah rasio biaya mengarah
pada tata kelola yang lebih baik dan juga kinerja stok yang lebih baik. Kami menganalisis data dalam
dua periode waktu: dari 1970 hingga 2018 dan dari 1999 hingga 2018. Alasannya adalah untuk
mempelajari apakah ada perbedaan antara periode yang lebih panjang dan 20 tahun terakhir.
Penelitian kami mencakup seluruh jagat raya data perusahaan dari CRSP dan Compustat tanpa
prasangka terhadap industri tertentu. Karena Biaya SG&A sebagai Persentase Penjualan bervariasi
berdasarkan sektor industri, kami membandingkan rasio ini dengan rata-rata industri setiap tahun.
Oleh karena itu, hasil dari makalah ini dapat menjadi informatif bagi pedagang institusional yang
tertarik pada portofolio yang beragam, yang tidak spesifik untuk industri. Pendekatan ini juga masuk
akal karena biaya sebagian besar terkait industri dan hanya menyimpulkan bahwa satu industri
memiliki tata kelola yang lebih baik daripada yang lain karena memiliki rasio SG&A yang rendah
mungkin merupakan pernyataan berlebihan yang secara intuitif salah.

Secara keseluruhan, kami menemukan bahwa perusahaan dengan pengeluaran SG&A di bawah
rata-rata industri atas rasio penjualan (tetapi tidak berada dalam persentil 20 terbawah) menghasilkan
kinerja saham terbaik. Ini berlaku untuk menghasilkan keuntungan perdagangan karena abnormal
return secara statistik signifikan dalam pendekatan portofolio waktu-nilai tertimbang kalender.
Namun, alfa yang dihasilkan melalui strategi jangka pendek tidak setinggi strategi jangka panjang
saja, sehingga berdasarkan pada model empat faktor, strategi jangka panjang lebih menguntungkan.
Makalah ini dilanjutkan sebagai berikut. Tinjauan literatur dimasukkan dalam Bagian 2 dan data
dijelaskan dalam Bagian 3. Metodologi disajikan pada Bagian 4 dan hasil analisis empiris disediakan
di Bagian 5. Bagian 6 menyimpulkan.

2: Tinjauan Pustaka

Pengukuran kinerja akuntansi berbasis hasil memotivasi manajer untuk mengambil tindakan
peningkatan pendapatan dan penurunan pengeluaran yang menciptakan kekayaan pemegang
saham secara langsung, sehingga mereka banyak digunakan saat ini (Banker, Huang, & Natarajan,
2011). Sejumlah besar biaya dalam operasi bisnis berasal dari biaya Penjualan, umum, dan
administrasi (SG&A). Rata-rata biaya SG&A terhadap total aset adalah 27 persen sedangkan rasio
penelitian dan pengembangan (Litbang) terhadap total aset hanya 3 persen (Banker, Huang, &
Natarajan, 2011). Investor mulai menyadari pentingnya biaya SG&A dan mencari cara untuk
mengendalikan pengeluaran SG&A. Akibatnya, peneliti dan praktisi mencoba memahami perilaku
biaya SG&A dan peran manajer dalam menyesuaikan biaya (Chen et al., 2012).

Dalam analisis fundamental, rasio biaya SG&A terhadap penjualan telah dipantau dan ditafsirkan
sebagai ukuran efisiensi operasi dan tata kelola perusahaan di studi (Anderson et al., 2007).
Peningkatan rasio ini dalam suatu periode dianggap sebagai a sinyal negatif, mewakili inefisiensi dan
ketidakmampuan manajer untuk mengendalikan biaya, yang menghasilkan laba masa depan yang
lebih rendah dan estimasi yang lebih rendah untuk nilai perusahaan (Guenther, 2014).
Seperti literatur tata kelola sebelumnya menemukan hubungan positif antara abnormal return dan
governance (Gompers, Ishii & Metrick, 2003), perusahaan dengan rasio pengeluaran SG&A yang
lebih tinggi akan memiliki pengembalian abnormal yang lebih rendah. Lebih lanjut, Anderson et al.
(2003) menemukan bahwa pengeluaran SG&A memiliki “kekakuan biaya”, yang berarti biaya SG&A
berkurang lebih sedikit daripada pendapatan ketika permintaan menyusut. Masalah keagenan adalah
alasan penting dari “kekakuan biaya” (Chen et al., 2012), sehingga pengeluaran SG&A terkait
dengan masalah keagenan dan risiko spesifik perusahaan. Akhirnya, kelebihan pengembalian negatif
terkait dengan perubahan rasio SG&A dari suatu perusahaan (Lev & Thiagarajan, 1993). Namun,
menurut temuan empiris, kekakuan biaya juga dapat berkontribusi pada peningkatan rasio biaya
SG&A ketika permintaan menurun (Anderson et al., 2007; Baumgarten et al., 2010). Akibatnya,
SG&A yang tinggi dapat mewakili leverage operasi yang tinggi. Lev (1974) menemukan bahwa
tingkat leverage operasi dapat menjadi penentu nyata beta, sehingga lebih terkait dengan risiko
sistematis. Dari perspektif leverage operasi, SG&A yang tinggi mengarah ke pengembalian mentah
yang lebih tinggi, tetapi bukan return yang abnormal, karena SG&A adalah proksi risiko yang
sistematis. Oleh karena itu, apakah peningkatan rasio biaya SG&A mempengaruhi abnormal return
patut dipertanyakan.

Perspektif penilaian pasar akan mencapai kesimpulan lain. Motivasi di balik manajemen adalah untuk
meningkatkan profitabilitas masa depan dengan berinvestasi di SG&A dengan cara yang
meningkatkan efisiensi operasi di masa depan (Baumgarten et al., 2010). Pengurangan bagian tidak
produktif dari pengeluaran operasi saat ini dan dorongan dalam kegiatan yang menciptakan nilai
masa depan adalah kunci dalam menafsirkan rasio biaya SG&A (Banker, Huang & Natarajan, 2011).
Dalam periode penurunan pendapatan, Anderson et al. (2007) menemukan bahwa abnormal return
positif dapat dicapai oleh perusahaan yang rindu dengan peningkatan tinggi dalam rasio biaya SG&A
dan kekurangan pada perusahaan dengan kenaikan rendah dalam rasio biaya SG&A, yang dapat
dijelaskan oleh pasar yang tidak menyadari manfaat langsung dari pengurangan dalam SG&A. Oleh
karena itu, manajer dan dewan telah mengakui penciptaan nilai dari pengeluaran SG&A dalam
periode penurunan pendapatan, yang juga terkait dengan insentif ekuitas yang kuat (Matějka, 2011).
Akibatnya, rasio SG&A yang lebih tinggi akan berhubungan positif dengan abnormal return.
3: Sumber Data

Data diperoleh dari Wharton Research Data Service (WRDS) dan mencakup seluruh basis data di
semua sektor. Data laporan keuangan dan data pengembalian saham diperoleh dari Fundamentals
Annual of North America - Daily in Compustat - Capital IQ dari Standard & Poor's. Data harga saham
dan saham yang beredar diekstraksi dari File Stok Bulanan dalam Stok / File Keamanan di Pusat
Penelitian Harga Keamanan (CRSP). Data terkait model empat faktor Fama-Prancis diunduh dari
Faktor - Frekuensi Bulanan dalam Fama French & Liquidity Factors.

Periode sampel termasuk data dari Januari 1971 hingga Desember 2018, menghasilkan total
pengamatan 576 bulan (yaitu 48 tahun). Kami juga melakukan analisis dalam periode sub data dari
Januari 1999 hingga Desember 2018, yang berlangsung selama 20 tahun terakhir.

3.1 Data
Perusahaandata
SetXSGA (Penjualan, Umum & Administrasi) dan REVT (Total Pendapatan) memiliki 301.246
pengamatan. Kami pertama-tama mengunduh 507.989 pengamatan tahun-perusahaan selama
periode 1971 hingga 2018 dari Compustat-Capital IQ, dan kemudian kami membuang 185.833
pengamatan tanpa data XSGA dan 20 pengamatan tanpa data REVT. Karena total pendapatan
adalah penyebut dari rasio SG&A, kami mengecualikan pengamatan dengan nol pendapatan.
6.469.144 pengamatan data TRT1M (return saham bulanan) diperoleh dari Compustat-Capital IQ.
3.773.076 pengamatan RRC (harga saham) dan SHROUT (saham beredar) dikumpulkan dari CRSP.
Kami menghitung nilai pasar bulanan setiap saham berdasarkan harga saham dan saham yang
beredar pada hari perdagangan terakhir bulan itu. 5
3.2 Data Model Empat-Faktor Fama-Prancis

576 pengamatan RF (suku bunga bebas risiko - tingkat Treasury Bill satu bulan), MKTRF (kelebihan
pengembalian di pasar), SMB (pengembalian kecil-minus-besar), HML (pengembalian tinggi-minus-
rendah), dan UMD (momentum) diunduh dari Fama French & Liquidity Factors.

3.3 Penanganan Data dari Data Mentah

Untuk meminimalkan pengaruh ukuran perusahaan terhadap biaya SG&A, kami menghasilkan
variabel baru yang disebut Rasio SG&A dengan membagi biaya SG&A tahunan dengan total
pendapatan tahunan. Kami juga percaya bahwa industri yang berbeda memiliki berbagai tingkat
pengeluaran SG&A karena sifat bisnis yang berbeda. Sebagai hasilnya, kami menyesuaikan rasio
SG&A ke tingkat rata-rata industri. Karena 2 digit kode sic pertama sesuai dengan industri yang
berbeda, kami ingin membandingkan perbedaan antara rasio SG&A perusahaan dan rasio SG&A
rata-rata industri. Oleh karena itu, kami menghasilkan dua variabel baru, satu mewakili perbedaan
antara rasio SG&A perusahaan dan rasio SG&A rata-rata industri, yang disebut Rasio SG&A Tidak
Normal. Yang lain juga mewakili perbedaan antara rasio SG&A perusahaan dan rasio SG&A rata-rata
industri, tetapi disesuaikan dengan standar deviasi, yang disebut rasio SG&A yang dinormalisasi dari
rasio SG&A industri. Metodologi perhitungan disebutkan pada 4.1. Setelah menggabungkan semua
dataset sebelumnya, dataset akhir yang digunakan untuk analisis memiliki 1.253.228 pengamatan
untuk periode 1971 hingga 2018, di mana 909.175 pengamatan memiliki nilai pasar lebih tinggi dari $
50 juta. Untuk periode 1999 hingga 2018, jumlah pengamatan dengan nilai pasar lebih tinggi dari $
50 juta adalah 647.559.6
4: Metodologi

Perusahaan disaring berdasarkan waktu dan nilai pasar. Pertama, semua perusahaan yang terdaftar
dari tahun 1971 hingga 2018 dimasukkan untuk analisis. Kedua, hanya perusahaan dengan nilai
pasar lebih tinggi dari $ 50 juta dari tahun 1971 hingga 2018 yang memenuhi syarat. Ketiga, kami
melakukan sub periode analisis20 tahun terakhir, sehingga data perusahaan dengan nilai pasar lebih
tinggi dari $ 50 juta dari 1999 hingga 2018 digunakan. Karena kami berencana untuk menyesuaikan
komponen portofolio dari tahun ke tahun, biaya SG&A tahunan dan data pengembalian total tahunan
diperoleh dari Compustat. Kami mengklasifikasikan perusahaan menjadi lima kelompok berdasarkan
rasio SG&A yang tidak dinormalisasi atau rasio SG&A yang dinormalisasi, membentuk dua set lima
portofolio.

Portofolio diseimbangkan ulang setiap tahun karena perubahan SG&A mereka. Portofolio
pengembalian kelebihan bulanan (pengembalian dikurangi tingkat bebas risiko) dihitung berdasarkan
pengembalian bulanan masing-masing perusahaan.

untuk setiap portofolio dan portofolio jangka

Alpha dihitung berdasarkan model Fama French Four factor (1997). Pengembalian abnormal

pendek dihitung dengan menjalankan regresi pada faktor risiko pasar premium, SMB, HML dan
momentum.

4.1 Pengukuran rasio SG&A yang tidak normal dan Pengukuran rasio SG&A yang
dinormalisasi

Dua ukuran digunakan untuk mengklasifikasikan perusahaan ke dalam portofolio. Salah satu metode
didasarkan pada rasio SG&A yang tidak dinormalisasi, yang merupakan perbedaan antara SG & A /
Total Pendapatan dan rata-rata industri, didefinisikan sebagai: Rasio SG&A yang Tidak Resmi =
Rasio SG&A− Rasio SG&Ao.
Di mana Rasio SG&A yang tidak dinormalkan, t adalah rasio SG&A perusahaan yang disesuaikan
industri
pada tahun t;SG&A Rasio didefinisikan sebagai pengeluaran SG&A (item Kompas XSGA) dibagi dengan
total pendapatan (item Komporat REVT) perusahaan i pada tahun t; Rasio SG&A adalah rata-rata
SG & A ratio (sama tertimbang) dari perusahaan-perusahaan dalam industri yang sama diidentifikasi oleh
pertama2- digit kode SIC pada tahun t.
Variabel lain yang digunakan untuk mengelompokkan perusahaan adalah rasio SG&A yang
dinormalisasi, yang
dihitung dengan membagi rasio SG&A yang tidak normal dengan standar deviasi dari rasio SG&A
industri. Rumus yang digunakan adalah sebagai berikut:
dinormalisasi
Rasio SG&A yang, t = Rasio SG&A, t - rasio SG&Adalam
σind, t
Dimana Rasio SG&A yang dinormalisasi, t adalah rasio SG&A yang disesuaikan industri dari perusahaan
i pada ̅̅̅̅
̅̅̅
tahun t; Rasio SG&Ai, t dan Rasio SG&Aind, t ̅̅̅ memiliki arti yang sama seperti dalam
SG&A yang tidak Rasiodinormalisasi,t rumus; σind, t adalah standar deviasi dari rasio SG&A industri
pada tahun t. Perusahaan kemudian diklasifikasikan menjadi lima kelompok yang sama sesuai dengan nilai
rasio SG&A yang tidak normal dan rasio SG&A yang dinormalisasi di seluruh bagian. Kedua
skema klasifikasi menempatkan perusahaan dengan nilai terendah ke dalam Grup 1, dan perusahaan
dengan nilai
tertinggi ke dalam Grup 5.
4.2 Portofolio waktu-kalender dan pengembalian kelebihan portofolio
Portofolio dibentuk pada hari perdagangan pertama di bulan Januari berdasarkan
rasio SG&A yang tidak dinormalkan atau Rasio SG&A yang dinormalisasi tahun lalu. Bobot perusahaan
dalam portofolio
akan disesuaikan pada akhir setiap bulan, dengan nol biaya perdagangan.
Setiap bulan, baik kelebihan pengembalian tertimbang nilai maupun pengembalian kelebihan bobot sama
dihitung untuk lima portofolio dari 1971 hingga 2018, menghasilkan 576tertimbang nilai
pengembalian kelebihandan total pengembalian kelebihan bobot 576 dalam total untuk setiap portofolio.
Rumusberikut diterapkan untuk menghitung nilai-tertimbang kembali:
Vwretp, m = Σ MKTVi, m-1
MVALp, m-1 × (ri, m - rfm)
MVALp, m = ΣMKTVi, m
Di mana Vwretp, m menunjukkan kelebihan pengembalian nilai tertimbang dari portofolio p (p adalah
antara 1 dan 5) dalam bulan m; MKTVi, m-1 adalah nilai pasar perusahaan i di bulan m-1;
MVALp, m-1 adalah total nilai pasar portofolio p dalam bulan m-1; ri, m adalah pengembalian mentah
perusahaan i dalam bulan m; rfm adalah tingkat bebas risiko dalam bulan m.
diperhitungkan sebagai berikut:
Pengembalian berlebih ekuivalenEwretp, m = r (ri, m - rfm)
Np
Dimana Ewretp, m adalah ekses pengembalian dengan bobot tertimbang dari portofolio p di bulan m; Np
adalah jumlah perusahaan portofolio p; ri, m dan rfm artinya sama dengan dalam rumus Vwret.
4.3. Pengembalian abnormal dan portofolio jangka panjang pendek.
Dengan pengembalian rata-rata portofolio sebagai variabel dependen dan Fama-Prancis, empat
faktor sebagai variabel independen, regresi waktu-serius dapat dijalankan untuk setiap portofolio untuk
mendapatkan pengembalian abnormal untuk setiap portofolio.
Vwretp, m = αp + β1 ∗ MktRfm + β2 ∗ SMBm + β3 ∗ HMLm + β4 ∗ UMDm + em
9
Ewretp, m = αp + β1 ∗ MktRfm + β2 ∗ SMBm + β3 ∗ HMLm + β4 ∗ UMDm + em

Dimana αp yang dihasilkan oleh regresi adalah abnormal return dari portofolio p; MktRfm
adalah premi pasar, didefinisikan sebagai pengembalian pasar dikurangi dengan tingkat
bebas risiko, dalam bulan m (Fama French Portofolio item MKTRF); SMBm dihitung
dengan mengurangi pengembalian portofolio hanya memiliki perusahaan besar dari
pengembalian portofolio hanya memiliki perusahaan kecil, di mana ukurannya didasarkan
pada nilai pasar (Fama French Portofolio item SMB) dalam bulan m; dan HMLm mewakili
perbedaan pengembalian portofolio dengan perusahaan rasio book-to-market yang tinggi
dikurangi pengembalian portofolio dengan perusahaan book-to-market yang rendah;
UMD adalah faktor momentum dalam bulan m, mewakili perbedaan pengembalian
portofolio dengan perusahaan berkinerja baik minus pengembalian portofolio dengan
perusahaan berkinerja buruk; em adalah istilah kesalahan. Uji statistik T pada αp dilakukan
untuk memeriksa signifikansi statistik untuk setiap regresi.

Berdasarkan pengembalian abnormal setiap portofolio, beberapa portofolio jangka pendek-pendek

dibentuk untuk menguji pengembalian strategi. Pertama, perbedaan kelebihan pengembalian dalam
setiap bulan antar kelompok dihitung, sebagai variabel dependen. Kedua, empat faktor Fama-
Perancis digunakan sebagai variabel independen untuk menjalankan regresi. Grup baru dibentuk
dengan menggabungkan dua grup yang ada, seperti Grup [1,2]. Kelebihan pengembalian dari
kelompok penggabungan dihitung menggunakan rumus sebelumnya di 4.2. Dalam penelitian ini, 8
portofolio jangka panjang-pendek diuji. Uji statistik T pada α dilakukan untuk memeriksa signifikansi
statistik untuk setiap regresi.
5:Analisis Empiris

PanelA dan Panel B dari Tabel 1 keduanya menggunakan metodologi dan langkah-langkah yang
sama dalam analisis. Satu-satunya perbedaan adalah bahwa Panel A menggunakan rasio SG&A
yang tidak normal untuk membagi perusahaan menjadi lima kelompok setiap tahun, sementara Panel
B menggunakan rasio SG&A yang dinormalisasi. Misalnya, rasio SG&A yang tidak normal1 mewakili
grup di bawah20dinamai mewakilike persentil-dan rasio SG&A 2 yang tidakkelompok antara20 ke dan-
40ke persentil-.
Selain itu, rasio SG&A yang tidak normal [1,2] merupakan kombinasi dari kelompok satu dan
kelompok dua, juga berarti kelompok tersebut mencakup perusahaan dengan40 yang lebih rendah ke
persentil-berdasarkan pada rasio. Demikian pula, rasio SG&A yang tidak normal [4,5] berarti
kelompok antara60ke dan-100ke persentil-. Portofolio dikelompokkan kembali pada akhir setiap tahun
karena data SG&A masing-masing perusahaan berubah setiap tahun, sehingga masing-masing rasio
SG&A perusahaan yang Tidak Normal atau Normal berubah.

Panel A & B pertama memberikan pengembalian abnormal untuk masing-masing dari tujuh portofolio
dalam tiga kondisi yang berbeda. Pengembalian abnormal, juga disebut alpha, adalah pencegatan
regresi di mana variabel dependen adalah kelebihan pengembalian portofolio, dan variabel
independen mencakup tiga faktor momentum Fama dan French (1993) dan Carhart (1997). Dapat
dilihat dari Panel A bahwa portofolio Rasio SG&A 2 yang tidak normal menghasilkan alpha tertinggi
secara konsisten dengan pengembalian tertimbang dan nilai yang sama dan kemudian mengikuti tren
yang menurun secara umum dari portofolio. Rasio SG&A 2 yang tidak normal terhadap portofolio
lebih praktis daripada pengembalian tertimbang yang sama untuk diterapkan dalam strategi
perdagangan, portofolio jangka panjang 2 menghasilkan

pengembalian abnormal tahunan lebih dari 12,0% dalam ketiga kondisi. Alfa untuk strategi jangka
panjang adalah pencegatan regresi antara perbedaan pengembalian kelebihan portofolio panjang
dan pengembalian kelebihan portofolio pendek dan tiga faktor momentum Fama dan Perancis
(1993) dan Carhart (1997). Dengan strategi jangka panjang, kombinasi terbaik adalah dengan
portofolio lama Rasio SG&A 2 yang tidak normal dan untuk portofolio pendek Rasio 5&G 5 yang
tidak dinormalkan dengan nilai pasar di atas $ 50 juta dari 1971 hingga 2018, yang abnormal
return secara statistik signifikan.

Di Panel B, demikian pula, semua pengembalian abnormal portofolio tunggal secara statistik
signifikan. Portofolio Normalisasi rasio SG&A 2 juga menghasilkan alpha tertinggi di antara
semuanya. Hasil praktis terbaik adalah pengembalian abnormal tahunan 17,04 dari Portofolio
Normalisasi rasio SG&A 2 dengan pengembalian tertimbang nilai dalam kondisi tiga. Namun,
strategi perdagangan jangka panjang menggunakan rasio SG&A yang dinormalisasi untuk
kelompok tidak signifikan secara statistik di bawah semua kondisi pengembalian tertimbang nilai,
sehingga tidak berlaku untuk menggunakan strategi jangka panjang di Panel B.

menggunakan pengembalian
Karena pengembalian nilai-tertimbang lebih praktis dalam strategi perdagangan untuk membentuk portofolio, kami

mentah bulanan tertimbang nilai portofolio untuk menggambarkan pertumbuhan nilai investasi $
100 dalam portofolio tertimbang nilai panjang hanya sejak awal dalam kondisi yang berbeda
seperti yang disebutkan sebelumnya. Membandingkan enam angka di bagian 7, kita dapat
melihat bahwa portofolio 2 memiliki kinerja saham terbaik dalam semua kondisi terlepas dari cara
menghitung rasio SG&A dan periode waktu.

Selain itu, kami menemukan bahwa pengembalian saham jauh lebih baik dengan menggunakan
metode rasio normalisasi SG&A untuk mengelompokkan perusahaan. Ketika investasi $ 100
pada tahun 1970 dalam portofolio, rasio SG&A 2 yang tidak dinormalisasi dengan perusahaan di
atas $ 50 juta kapitalisasi pasar mencapai lebih dari $ 165.000 pada tahun 2018, investasi $ 100
dalam portofolio menormalkan rasio SG&A dengan kondisi lain yang identik, melampaui $
334.000 pada tahun 2018.
6: Kesimpulan
 Studi ini mengeksplorasi hubungan antara pengeluaran SG&A perusahaan publik Amerika Utara
dengan kinerja sahamnya. Dengan meningkatnya kesadaran akan pentingnya praktik tata kelola
perusahaan yang baik di kalangan investor, kami berhipotesis bahwa pengeluaran perusahaan
yang berlebihan untuk biaya SG&A memiliki dampak negatif pada kinerja sahamnya. Tujuan dari
makalah ini adalah untuk menguji kemungkinan ini dan mengeksplorasi apakah ada strategi
perdagangan yang terkait dengan kemungkinan ini. Hasil penelitian kami menunjukkan bahwa
rasio biaya SG&A yang disesuaikan industri memang berdampak pada kinerja sahamnya. Di
antara semua kelompok, kelompok kedua memiliki kinerja saham terbaik dalam semua kasus,
yang merupakan singkatan dari 20th sampai 40th persentil kelompok.

Tidak ada perbedaan yang signifikan dalam pengembalian abnormal antara portofolio dengan
bobot sama dan bobot nilai. Namun, setelah kami mengecualikan perusahaan dengan nilai pasar
kurang dari $ 50 juta, hasilnya menjadi lebih signifikan secara statistik. Metode rasio SG&A yang
dinormalisasi menghasilkan pengembalian mentah yang lebih baik selama periode perdagangan
sementara metode rasio SG&A yang tidak dinormalisasi memberikan strategi jangka panjang-
pendek alternatif dengan manfaat tanpa biaya.

Secara keseluruhan, hasil pengujian kami memberikan beberapa dukungan untuk hipotesis yang
kami angkat. Kami menemukan bahwa perusahaan-perusahaan SG&A yang lebih rendah
cenderung agak berkinerja lebih baik, yang konsisten dengan SG&A menjadi proksi tata kelola
alih-alih proksi pengungkit-biaya / operasional. Perusahaan-perusahaan, yang menghabiskan
sedikit di bawah biaya SG&A rata-rata industri, umumnya memiliki kinerja saham terbaik.
7: Lampiran

Gambar 1 Pertumbuhan Nilai Investasi $ 100 pada Desember 1970 (Seluruh Semesta).

Rasio SG&A yang Normal 1 Rasio SG&A yang Normal 2 Rasio SG&A yang normal 3 Rasio

SG&A yang normal 4 Rasio SG&A yang normal

Gambar 5 Pertumbuhan Nilai investasi $ 100 pada bulan Desember 1970 (Nilai Pasar> $ 50 Juta). Rasio
SG&A yang Normal 1 Rasio SG&A yang Normal 2 Rasio SG&A yang normal 3 Rasio

SG&A yang normal 4 Rasio SG&A yang normal 5

Gambar 6 Pertumbuhan Nilai investasi $ 100 pada bulan Desember 1998 (Nilai Pasar> $ 50 Juta).
Tabel 1 Pengeluaran SG&A danAlphas
PanelA memberikan alpha bulanan (%) untuk portofolio yang dibentuk berdasarkan nilai-nilai rasio SG&A
yang tidak dinormalisasi. Panel B menyediakan alfa bulanan (%) untuk portofolio yang dibentuk
berdasarkan nilai rasio SG&A yang dinormalisasi. Dalam Panel A dan B, pengembalian portofolio
berlebih (dari tingkat bebas risiko) mengalami kemunduran pada empat faktor Fama dan Perancis (1993).
Portofolio diseimbangkan ulang setiap tahun dan ditahan selama satu tahun. Panel A dan B
menggunakan portofolio nilai dan bobot yang sama, a. terindikasi. *, **, dan *** menunjukkan signifikansi
pada level 10%, 5%, dan 1%, masing-masing
Panel A. Alpha berdasarkan Biaya Penjualan Umum & Administrasi (Dikelompokkan oleh rasio
SG&A yang tidak dinormalisasi)