NAMA : ARYA AZHARI

KELAS : MAKSI 23 A

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 prediksi 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 α j = 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 ini memberikan 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.
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.