INFORMATION
Disusun Guna Memenuhi Tugas Mata Kuliah Teori Akuntansi Keuangan
Dosen Pengampu: Prof. Dr. Hadri Kusuma, MBA.
Disusun Oleh:
Nadya Nikita Sheena Soepriyono
21919019
Seperti dijelaskan dalam bab sebelumnya, peneliti akan memperoleh data terakhir pada Rjt dan
RMt dan menggunakan analisis regresi untuk memperkirakan koefisien model. Misalkan dalam
hal ini dihasilkan nilai αj = 0,0001 dan βj = 0.80, seperti yang ditunjukkan pada gambar.
Membandingkan Pengembalian dan Pendapatan
Peneliti empiris sekarang dapat membandingkan return saham abnormal pada hari 0
seperti yang dihitung di atas dengan komponen tak terduga dari laba bersih perusahaan yang
dilaporkan saat ini. Jika laba bersih tak terduga ini adalah kabar baik, maka dengan efisiensi
pasar sekuritas yang wajar, pengembalian saham abnormal positif merupakan bukti bahwa
investor rata-rata bereaksi positif terhadap kabar baik tak terduga dalam pendapatan. Garis
penalaran yang sama berlaku jika pengumuman pendapatan saat ini adalah berita buruk.
Untuk meningkatkan kekuatan penyelidikan, peneliti mungkin juga ingin memeriksa
beberapa hari di kedua sisi hari 0. Ada kemungkinan, misalnya, bahwa pasar mungkin
mengetahui berita pendapatan baik atau buruk satu atau dua hari lebih awal. Sebaliknya,
pengembalian abnormal positif atau negatif dapat berlanjut selama satu atau dua hari setelah
hari 0 sementara pasar mencerna informasi, meskipun efisiensi pasar menyiratkan bahwa
setiap pengembalian berlebih harus segera hilang.
Komplikasi lain adalah estimasi beta perusahaan, yang diperlukan untuk memisahkan
luas pasar dan pengembalian spesifik perusahaan seperti pada Gambar sebelumnya Seperti
disebutkan, estimasi ini biasanya didasarkan pada analisis regresi data masa lalu
menggunakan model pasar. Kemudian, beta yang diestimasi adalah kemiringan garis regresi.
Ada berbagai cara untuk mengatasi komplikasi ini. Misalnya, dimungkinkan untuk
mendapatkan "opini kedua" pada beta dengan memperkirakannya dari informasi laporan
keuangan 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 pasar lebar dan spesifik perusahaan
yang mengabaikan beta. Kita dapat memperkirakan pengembalian spesifik perusahaan
dengan perbedaan antara pengembalian saham perusahaan j selama periode 0 dan
pengembalian rata-rata atas sahamnya selama beberapa periode sebelumnya.
Penyebab Vs Asosiasi
Perhatikan bahwa pengembalian bulanan kumulatif pada Gambar 5.3. Meskipun terjadi
peningkatan yang cukup besar (untuk GN) dan penurunan (untuk BN) rata-rata abnormal
return dalam narrow window 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 bahwa pengembalian terakumulasi terus selama periode tersebut.
Seperti dapat dilihat, jika seorang investor dapat membeli saham semua perusahaan GN satu
tahun sebelum kabar baik dirilis dan menahannya sampai akhir bulan rilis, akan ada
pengembalian ekstra lebih dari 5% dari dan di atas pengembalian seluruh pasar. Demikian
pula, kerugian abnormal lebih dari 9% akan terjadi pada portofolio perusahaan BN yang
dibeli satu tahun sebelum berita buruk dirilis.
Jelas, efek ini terjadi dalam studi BB. Sekilas Gambar diatas mengungkapkan bahwa
sementara ada peningkatan yang signifikan (perusahaan GN) dan penurunan (BN) dalam
pengembalian kumulatif tahunan selama bulan 0, seperti disebutkan sebelumnya, sebagian
besar informasi dalam laba bersih diantisipasi sebelum bulan 0.
Hasil Studi BB
Salah satu hasil terpenting dari BB adalah membuka banyak masalah kegunaan
tambahan. Langkah logis berikutnya adalah menanyakan apakah besarnya pendapatan tak
terduga terkait dengan besarnya respons pasar sekuritas ingat bahwa analisis BB hanya
didasarkan pada tanda pendapatan tak terduga. Artinya, kandungan informasi laba dalam
studi BB hanya diklasifikasikan ke dalam GN atau BN, ukuran yang cukup kasar.
Pertanyaan besarnya respon diselidiki, misalnya, oleh Beaver, Clarke, dan Wright
(BCW) pada tahun 1979. Mereka memeriksa sampel dari 276 perusahaan NYSE dengan 31
Desember berakhir, selama periode 10 tahun 1965-1974. Untuk setiap perusahaan sampel,
untuk setiap tahun periode sampel, mereka memperkirakan perubahan pendapatan yang tidak
terduga. Mereka kemudian menggunakan prosedur model pasar yang dijelaskan dalam
Bagian 4.5.1 dan 5.2.3 untuk memperkirakan pengembalian sekuritas abnormal yang terkait
dengan perubahan pendapatan yang tidak terduga ini.
Setelah membandingkan perubahan pendapatan tak terduga dengan pengembalian
saham abnormal, BCW menemukan bahwa semakin besar perubahan pendapatan tak terduga,
semakin besar respons pasar saham. Selain itu, peneliti akuntansi telah mempelajari respons
pasar sekuritas terhadap laba bersih di bursa saham lain, di negara lain, dan untuk laporan
pendapatan triwulanan, dengan hasil yang serupa. Pendekatan telah diterapkan untuk
mempelajari respons pasar terhadap informasi yang terkandung dalam standar akuntansi baru,
perubahan auditor, dll.