Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Tersedia online diwww.sciencedirect.com

Ulasan Borsa _Istanbul

Tinjauan Borsa I_stanbul 22-3 (2022) 452e464

http://www.elsevier.com/journals/borsa-istanbul-review/2214-8450

Artikel Panjang Penuh

Efisiensi pasar dan kapasitas harga saham untuk melacak masa depan perusahaan
profitabilitas

Paulo Pereira da SilvaA,B,C

ACMVM-Komisi Sekuritas Portugis, 1050-138, Lisboa, Portugal
BCEFAGE-UE, Universidade de E- vora, 7000-803, E- vora, Portugis
CSekolah Akuntansi dan Bisnis Lisbon (ISCAL), Avenida Miguel Bombarda, 1069-035, Lisboa, Portugal

Diterima 23 November 2020; direvisi 18 Juni 2021; diterima 18 Juni 2021

Tersedia online 25 Juni 2021

Abstrak

Studi ini menilai hubungan antara proksi efisiensi pasar dan kapasitas harga saham untuk mengantisipasi kinerja ekonomi masa depan perusahaan.
Analisis yang mencakup perusahaan dari 31 negara pada periode 1990e2019, mengungkapkan hubungan yang kuat antara skor rata-rata proksi efisiensi
pasar dan sensitivitas pengembalian saham saat ini (“harga normal”) terhadap profitabilitas masa depan. Hasil ini kuat untuk beberapa tes sensitivitas,
termasuk definisi ukuran profitabilitas yang berbeda (pendapatan, arus kas, pendapatan khusus perusahaan, dan ROA). Analisis lebih lanjut mengungkap
heterogenitas dalam hubungan antara proksi populer efisiensi pasar dan sensitivitas pengembalian saham saat ini (“harga yang dinormalisasi) untuk
profitabilitas masa depan. Rasio signal-to-noise dan koefisien penyesuaian parsial adalah ukuran efisiensi pasar yang menampilkan hubungan yang lebih
tinggi dengan kapasitas harga saham untuk melacak profitabilitas masa depan. Secara kritis, indikator lain menunjukkan asosiasi yang lemah setelah
mengendalikan efek likuiditas atau lingkungan informasi.
hak cipta©2021 Borsa I_stanbul Anonim Şirketi. Diterbitkan oleh Elsevier BV Ini adalah artikel akses terbuka di bawah lisensi CC BY-NC-ND (http://
creativecommons.org/licenses/by-nc-nd/4.0/).

klasifikasi JEL:G10; G14

Kata kunci:Keinformatifan harga; efisiensi pasar; Fundamental jangka panjang

1. Perkenalan
Pengumpulan, pemrosesan, dan agregasi informasi yang
tersebar tentang dasar-dasar ekonomi merupakan fungsi penting
dari pasar keuangan. Perdagangan di pasar sekunder menyita
informasi yang diperoleh investor menjadi harga. Efisiensi pasar
mengacu pada sejauh mana informasi yang tersedia disita menjadi
harga sepenuhnya, cepat dan benar (Griffin, Kelly, dan Nardari
2010). Konsep efisiensi bentuk lemah, semi, dan kuat
diperkenalkan olehFama (1970)menerjemahkan sejauh mana
hipotesis pasar yang efisien (EMH) dapat diterapkan ke pasar. Di
bawah bentuk lemah, harga sepenuhnya mencerminkan informasi
yang tersirat dalam
Alamat email:paulosilva@cmvm.pt.
Peer review di bawah tanggung jawab Borsa I_stanbul Anonim Şirketi.
urutan harga masa lalu, dimana perubahan harga saham di masa
depan tidak dapat diprediksi. Bentuk EMH semi-kuat (kuat)
menegaskan bahwa harga menyampaikan semua informasi publik
(publik dan swasta) yang tersedia.
Sejak diterbitkan olehFama (1970), beberapa ukuran efisiensi
bentuk lemah dan semi kuat telah dikembangkan. Namun, sedikit yang
diketahui tentang bagaimana mereka berhubungan satu sama lain,
baik dalam deret waktu maupun lintas bagian dan, yang lebih penting,
apakah mereka menangkap penyimpangan harga pasar dari
penggerak fundamental. Studi ini memajukan pengetahuan kita
dengan memeriksa apakah indikator tersebut menangkap
misalignment harga pasar dari fundamental jangka panjang
perusahaan. Secara khusus, kami menanyakan apakah harga saham
dengan skor efisiensi pasar yang lebih tinggi melacak profitabilitas
masa depan dengan lebih akurat. Laba masa depan dan arus kas
adalah masukan utama dari model penilaian, artinya jika harga secara
akurat mencerminkan kinerja ekonomi masa depan perusahaan, maka,

https://doi.org/10.1016/j.bir.2021.06.010
2214-8450/Hak Cipta©2021 Borsa I_stanbul Anonim Şirketi. Diterbitkan oleh Elsevier BV Ini adalah artikel akses terbuka di bawah lisensi CC BY-NC-ND (http://
creativecommons.org/licenses/by-nc-nd/4.0/).
P.Pereira da Silva
ceteris paribus, penyelarasan harga dengan nilai intrinsik
perusahaan lebih masuk akal.
Dua pendekatan alternatif dieksplorasi untuk mengukur sensitivitas
harga saham terhadap profitabilitas perusahaan di masa depan. Engsel
pertama pada model FERC, yang muncul dari literatur akuntansi (
Collins, Kothari, Shanken, dan Sloan, 1994;Lundholm & Myers, 2002).
Dalam pengaturan ini, pengembalian saham mencerminkan
pendapatan saat ini yang tidak terduga dan perubahan ekspektasi
kontemporer tentang pendapatan masa depan. Dalam praktiknya,
pengembalian saat ini diregresikan terhadap pendapatan masa lalu
yang tertinggal satu tahun, pendapatan saat ini, jumlah pendapatan
untuk periode tiga tahun setelah fiskal saat ini dan pengembalian
saham tiga tahun di masa depan. Koefisien respons laba masa depan
(FERC) sesuai dengan koefisien laba masa depan dan menghitung
jumlah informasi berwawasan ke depan tentang laba masa depan yang
tertanam dalam return saham. Pendekatan kedua dibangun di atas
kerangka kerja yang dikembangkan olehBai, Philippon, dan Savov
(2016)eBPS, yang mengeksplorasi hubungan antara harga
"normalisasi" dan profitabilitas perusahaan di masa depan. Pada
pengaturan dasar, rata-rata pengembalian aset (ROA) untuk periode
tiga tahun setelah tahun fiskal saat ini diregresikan terhadap harga
"normalisasi" saat ini (Tobin's Q). Sensitivitas ROA masa depan yang
lebih besar terhadap Tobin's Q menandakan informasi harga yang
lebih tinggi tentang profitabilitas perusahaan di masa depan.
Efisiensi pasar merupakan variabel laten, yaitu tidak dapat
diamati secara langsung tetapi dapat disimpulkan dari variabel
yang dapat diamati. Konsep efisiensi pasar terdiri dari berbagai
aspek, oleh karena itu beberapa proksi telah dikembangkan
sejauh ini. Analisis dibagi menjadi dua bagian. Yang pertama
membahas hubungan antara skor efisiensi "agregat" dan
kapasitas harga saham untuk melacak kinerja ekonomi masa
depan perusahaan. Sebagai pengganti mempertimbangkan
proksi efisiensi pasar secara terpisah, kami mulai dengan
menggabungkannya menjadi skor tunggal yang
mencerminkan dimensi efisiensi pasar yang berbeda. Sisi yang
berbeda dari efisiensi pasar dianggap sama sekali, yaitu skor
merangkum efek keseluruhan dari efisiensi pasar pada
kapasitas harga saham untuk melacak profitabilitas masa
depan perusahaan.1
Beberapa proxy telah dikembangkan dalam literatur. Kami
fokus pada hal-hal yang dapat diukur pada level stok dan
mengandalkan data mingguan dan harian pada aktivitas
perdagangan.2Skor efisiensi “rata-rata” dibuat menggunakan dua
himpunan bagian dari metrik efisiensi pasar. Yang pertama mirip
dengan konsep efisiensi bentuk lemahedan karenanya, tidak dapat
diprediksiepasar keuangan (Fam 1970, 1991) dan termasuk rasio
varians (Fama, 1970;Lo & MacKinlay, 1988), q Hasbrouck
1Skor gabungan juga diharapkan memberikan sinyal efisiensi pasar yang lebih
akurat daripada proksi individu saja. Biasanya, proxy tunggal terganggu dengan
kesalahan pengukuran. Karena kebanyakan dari mereka hanya berkorelasi
sederhana, agregasi menjadi satu skor memungkinkan kesalahan pengukuran
"rata-rata".
2Kami pada dasarnya mencakup indikator efisiensi pasar yang datanya dapat diakses di
tingkat multi-negara dan yang telah digunakan dalam penelitian yang membahas
dampak terhadap efisiensi relatif dari perubahan peraturan atau kejadian serupa
(misalnya, larangan short-selling, perubahan aturan perdagangan , definisi ukuran tick,
rekonstitusi indeks, dan awal perdagangan derivatif).
453
Tinjauan Borsa I_stanbul 22-3 (2022) 452e464
(Hotchkiss & Ronen, 2002), rasio signal-to-noise (Biais et al., 1999),
penundaan penggabungan berita pasar ke dalam harga (Hou &
Moskowitz, 2005) dan koefisien penyesuaian parsial (Amihud &
Mendelson, 1987). Secara umum, mereka mengukur kesalahan
penetapan harga relatif terhadap apa yang disebut tolok ukur
pasar yang efisien atau kecepatan konvergen harga ke ekuilibrium
baru. Bagian kedua mencakup indikator yang mencerminkan
kapasitas harga untuk mengasimilasi informasi spesifik
perusahaan publik (dan swasta) baru, yaitu ukuran perdagangan
yang diinformasikan (Llorente, Michaely, Saar, dan Wang, 2002),
rasio volatilitas semalam (Prancis & Roll, 1986), dan kontribusi
harga tertimbang (Barclay & Warner, 1993).
Data yang digunakan dalam analisis meliputi perusahaan-
perusahaan yang terdaftar di 31 negara dan periode 1990e2019. Dalam
pendekatan baseline, skor efisiensi ditambahkan ke model FERC yang
dikembangkan olehLundholm dan Myers (2002)DanTucker dan Zarowin
(2006). Lebih khusus lagi, interaksi skor tersebut dengan kovariat dari
model FERC standar diperkenalkan ke dalam pengaturan. Jika interaksi
dengan laba masa depan adalah positif dan signifikan secara statistik,
maka skor efisiensi dikaitkan dengan peningkatan sensitivitas
pengembalian saat ini terhadap laba masa depan yang direalisasikan.
Memang, itulah yang kami temukan. Estimasi loading pada interaksi
tersebut adalah positif dan signifikan secara statistik. Secara numerik,
perubahan rentang interkuartil dari skor efisiensi meningkatkan FERC
sebesar 200%. Skor efisiensi juga dikaitkan dengan peningkatan
sensitivitas ROA di masa mendatang terhadap harga yang
“dinormalisasi”.
Interpretasi kami adalah bahwa saham dengan skor efisiensi yang
lebih besar mengalami penyimpangan yang lebih kecil antara harga
pasar dan nilai fundamental, yang diwujudkan dalam kapasitas harga
saham untuk memprediksi profitabilitas masa depan perusahaan.
Kesimpulan ini ditentang dengan melakukan serangkaian tes
tambahan yang ekstensif. Kami mengkondisikan sebagian besar
analisis kami pada sekuritas yang cukup aktif diperdagangkan, namun
untuk memastikan dampak pemilihan sampel pada kesimpulan kami,
subsampel lain dipertimbangkan saat menjalankan regresi dasar.
Untuk itu, kami menerapkan “filter perubahan harga” alternatif atau
“filter aktivitas perdagangan” saat menentukan sampel.3Sensitivitas
FERC terhadap skor efisiensi bervariasi antar subsampel, tetapi selalu
positif dan signifikan secara statistik. Temuan kami juga kuat dengan
pengenalan determinan lingkungan informasi dan likuiditas saham
dalam regresi. Selain itu, kesimpulan serupa diperoleh ketika
mempertimbangkan arus kas atau komponen laba khusus perusahaan
sebagai metrik profitabilitas dalam analisis. Secara keseluruhan, kami
dapat dengan aman menegaskan bahwa skor efisiensi menangkap
kapasitas harga saham untuk melacak pendorong fundamental sampai
batas tertentu.
Kami juga ingin mempelajari ukuran efisiensi pasar (individu)
mana yang lebih baik menangkap FERC dan kepekaan profitabilitas
masa depan terhadap harga yang "dinormalisasi". Bagian kedua
dari analisis membahas topik itu saat menjalankan pacuan kuda
3"Filter perubahan harga" 30%, 50%, 75% dan 90% diadopsi (yaitu, pengamatan tahun
perusahaan hanya disimpan dalam analisis jika proporsi perubahan harga bukan nol di
atas tingkat ambang batas pada tahun tertentu). Alternatifnya, kami mempertimbangkan
50% "filter aktivitas perdagangan" (yaitu, perdagangan saham di lebih dari 50% sesi
perdagangan).
P.Pereira da Silva
antara proksi efisiensi pasar. Untuk itu, model empiris dijalankan
secara terpisah untuk masing-masing proksi. Secara kritis,
beberapa kesimpulan bergantung pada filter sampel yang diadopsi
atau pengenalan likuiditas dan penentu lingkungan informasi ke
dalam analisis. Hubungan antara koefisien penyesuaian parsial
dan FERC (pengukuran BPS) adalah positif dan secara empiris
sangat kuat di semua tes yang dilakukan. Hal yang sama terjadi
dengan rasio signal-to-noise, meskipun pada tingkat yang lebih
rendah. Sebaliknya, penundaan harga (Hou & Moskowitz, 2005)
kurang berkorelasi dengan indikator FERC dan BPS, terlepas dari
pengaturan empiris yang diterapkan. Hasil yang beragam
diperoleh sehubungan dengan langkah-langkah lain. Setelah
memperhitungkan likuiditas dan kualitas lingkungan informasi
dalam analisis, hubungan antara FERC dan proksi ini menjadi tidak
bermakna.
Popularitas proxy yang dibahas dalam penelitian ini berasal dari
ketersediaan data (diperlukan untuk perhitungannya) dan karena
memungkinkan perbandingan efisiensi pasar lintas saham dan
dari waktu ke waktu. Mereka telah digunakan oleh regulator dan
akademisi untuk mengevaluasi dampak peristiwa regulasi
terhadap kualitas pasar: larangan short-selling (Bris, Goetzmann,
dan Zhu 2007;Saffi & Sigurdsson, 2011); awal perdagangan
derivatif (Pereira da Silva, Vieira, & Vieira, 2018); rekonstitusi indeks
(Daya, Mazouz dan Freeman 2012); dan aturan pasar (Fernandes &
Ferreira, 2009; O'Hara & Ye, 2011;da Silva, 2018). Studi empiris
mengasumsikan bahwa proksi efisiensi pasar menangkap konsep
yang mendasarinya, tetapi kesimpulan kadang-kadang berbeda
dengan proksi yang digunakan. Oleh karena itu, para peneliti
tertarik untuk mempelajari apa yang sebenarnya ditangkap oleh
proksi empiris ini, serta untuk memahami konteks di mana mereka
lebih cocok.
Pekerjaan kami selangkah lebih maju ke arah itu sambil
mengklarifikasi hubungan antara proxy efisiensi pasar dan
fundamental jangka panjang dan membimbing para peneliti
mengenai proxy yang lebih tepat untuk penyelidikan mereka.
Sementara skor efisiensi pasar agregat mendukung kapasitas
harga untuk melacak kinerja ekonomi masa depan, kami gagal
menemukan hubungan serupa untuk sebagian besar proksi
individu, terutama ketika efek likuiditas dan lingkungan
informasi diperhitungkan. Hasil ini memberikan panduan
tentang apakah ukuran yang berbeda dapat digunakan
sebagai pelengkap atau pengganti dalam analisis empiris dan
menyarankan penggunaan skor sintetik, karena menangkap
dimensi yang berbeda dari konsep efisiensi pasar.
Sisa kertas ditetapkan sebagai berikut. Bagian2 mengembangkan
hipotesis penelitian yang dibahas dalam penelitian. Bagian3
menggambarkan kumpulan data dan mendefinisikan variabel,
sedangkan bagian4menyajikan metodologi dan desain penelitian.
Analisis dan pembahasan hasil ditunjukkan pada bagian5. Akhirnya,
bagian6menyajikan kata-kata terakhir.
2. Literatur terkait dan pengembangan hipotesis
Efisiensi pasar adalah konsep kunci dalam ekonomi keuangan. Ada
minat yang kuat untuk menilai sejauh mana pasar keuangan atau
sekuritas individu menampilkan penemuan harga yang efisien. Survei
yang dilakukan olehDoran, Peterson, dan Wright (2010)
454
Tinjauan Borsa I_stanbul 22-3 (2022) 452e464
menunjukkan bahwa sebagian besar profesor percaya pasar lemah-untuk
semi-kuat efisien. Namun, tidak ada konsensus dalam literatur empiris (dan
di kalangan praktisi) tentang validitas dugaan tersebut. Faktanya,
serangkaian penelitian menunjukkan bahwa pengembalian saham dapat
diprediksi, setidaknya sampai tingkat tertentu (Campbell, Lo, dan MacKinlay
1997;Jegadeesh & Titman, 1993;Lehman, 1990). Penelitian keuangan
perilaku mendokumentasikan perilaku irasional dari investor (misalnya,
reaksi berlebihan dan terlalu percaya diri) yang mendorong prediktabilitas
pengembalian (De Bondt dan Thaler 1985). Lebih-lebih lagi,Mandelbrot
(1971), antara lain, menemukan komponen memori jangka panjang dalam
rangkaian keuntungan finansial.
Studi yang membahas bentuk EMH semi-kuat biasanya mengandalkan
studi peristiwa untuk menilai apakah harga menyesuaikan dengan cepat
dan tepat waktu untuk kedatangan informasi publik baru, seperti,
pendapatan, dividen, dan pengumuman merger.Bola dan Cokelat (1968)Dan
Fama, Fisher, Jensen dan Roll (1969)merupakan ilustrasi awal mengenai
penerapan metodologi tersebut.Fama dkk. (1969)menunjukkan bahwa
harga mencerminkan perkiraan langsung dari kinerja prospektif dan
informasi yang memerlukan interpretasi yang lebih halus, namun penelitian
lain menunjukkan bahwa penyesuaian terhadap rilis berita seringkali tidak
lengkap. Analisis studi peristiwa berfokus pada respons harga terhadap
datangnya informasi baru, tetapi tidak memberikan indikasi yang jelas
tentang apakah harga menyatu dengan nilai fundamental. Varians
membatasi literatur (Shiler, 1981) dan literatur noise trader (Hitam, 1986)
berusaha mengatasi masalah itu.Shiler (1981)berpendapat bahwa fluktuasi
harga terlalu besar untuk dijelaskan oleh variabilitas (masa depan) dalam
pembayaran dividen, tetapi metodologi yang diterapkan menimbulkan
kontroversi yang cukup besar (Gilles & LeRoy, 1991).Hitam (1986)
memelopori literatur teoretis tentang "kebisingan" dan "pedagang
kebisingan", yang didefinisikan sebagai agen ekonomi yang berdagang
untuk motif berbasis non-informasi. Antara lain, Barber, Odean, dan Zhu
(2008)mendokumentasikan perdagangan oleh pedagang kebisingan yang
tidak sepenuhnya rasional memindahkan harga dari nilai fundamental.
Di dunia dengan gesekan pasar, di mana informasi mahal dan ada
biaya transaksi, pasar tidak dapat sepenuhnya efisien secara informasi.
Grossman dan Stiglitz (1980)mencatat bahwa jika pasar sepenuhnya
efisien, pengumpulan informasi tidak akan menguntungkan, dan
konsekuensinya, tidak ada orang yang berdagang. Jadi, harus ada
peluang keuntungan yang "cukup", yaitu inefisiensi, untuk mendorong
analisis sekuritas dan menghargai biaya pengumpulan-informasi dan
perdagangan investor. Intinya adalah bahwa EMH harus dianggap
sebagai kasus yang membatasi: harga mencerminkan informasi yang
biaya akuisisi informasi dan biaya transaksi tidak melebihi manfaat
perdagangan.
Sejalan dengan itu dan dimotivasi oleh literatur empiris yang
menantang EMH,Campbell dkk. (1997)mengemukakan konsep efisiensi
relatif. Alih-alih mengambil pandangan semua-atau tidak sama sekali
tentang apakah pasar itu efisien, mereka menggarisbawahi pentingnya
mengukur tingkat efisiensi atau tingkat pengembalian yang dapat
diprediksi. Penelitian terbaru menunjukkan bahwa efisiensi pasar
bervariasi di seluruh saham dan geografi dan dari waktu ke waktu (Yen
& Lee, 2008).Ito dan Sugiyama (2009)DanGu dan Finnerty (2002)
mendokumentasikan efisiensi pasar yang berubah-ubah waktu,
dengan kondisi keuangan yang mengatur tingkat efisiensi. R€osch,
Subrahmanyam, dan Van Dijk (2017)menemukan bahwa
P.Pereira da Silva
perilaku efisiensi pasar yang bervariasi waktu didorong oleh
komponen sistematis.
Perubahan harga dapat berasal dari datangnya informasi yang
tidak terduga dan dari kebisingan perdagangan. Tidak adanya pola
sistematis atau ketergantungan dalam distribusi return saham tidak
menjamin bahwa harga saham secara akurat melacak nilai intrinsik
perusahaan.Griffin dkk. (2010)gunakan skenario ekstrim, di mana
harga tidak pernah mengasimilasi informasi baru tentang fundamental
dan noise trading tidak memiliki struktur korelasi sistematis yang
mendasarinya, untuk mengilustrasikan alasan tersebut. Harga saham
mungkin mengikuti jalan acak yang sempurna, tetapi penetapan harga
sama sekali tidak informatif tentang nilai intrinsik perusahaan dalam
pengaturan itu.4
Studi ini menanyakan apakah kapasitas harga saham untuk
melacak profitabilitas masa depan perusahaan ("membawa masa
depan") didorong oleh tingkat efisiensi pasar yang diukur melalui
lensa proksi populer. Karena efisiensi pasar adalah variabel laten
yang mencakup banyak dimensi dan ditangkap oleh berbagai
proksi empiris, jawaban atas pertanyaan penelitian utama yang
dibahas di sini paling baik ditentukan secara empiris. Selanjutnya,
lingkungan informasieyang membebani jumlah, ketersediaan, dan
biaya informasi yang relevan tentang fundamental perusahaan,
dan dominasi perdagangan kebisingan cenderung memengaruhi
penilaian. Kami pertama-tama memusatkan analisis kami pada
asosiasi skor agregat efisiensi pasar dengan kapasitas harga
saham untuk melacak profitabilitas masa depan perusahaan, dan
pada tahap kedua kami mengulang analisis yang sama
menggunakan proksi individu sebagai pengganti skor agregat.
Pertanyaan penelitian kami adalah sebagai berikut:
RQ1: Apakah skor efisiensi pasar (komposit) memengaruhi
kapasitas harga saham untuk “membawa masa depan ke depan”
sehubungan dengan profitabilitas masa depan?
RQ2: Proksi individu mana yang menunjukkan hubungan yang lebih
besar dengan kapasitas harga saham untuk "membawa masa depan" terkait
profitabilitas masa depan?
Bagian selanjutnya menjelaskan data dan variabel yang digunakan
dalam penilaian.
3. Sumber data dan deskripsi sampel
Data yang digunakan dalam penilaian ini diambil dari tiga sumber
berbeda: Datastream, WorldScope, dan IBES. Mereka mencakup 7370
perusahaan terdaftar dari 31 negara pada periode 1990e2019.
Beberapa filter data diterapkan pada sampel awal. Pertama,
perusahaan dari sektor keuangan (SIC 6000e6999) dikeluarkan dari
penilaian, mengingat bahwa mereka biasanya harus sesuai dengan
standar transparansi yang lebih ketat yang ditentukan oleh regulator.5
Kedua, observasi tahun perusahaan dengan outlier sehubungan
dengan laba dan pengembalian dikecualikan, yaitu (i) jika rasionya
4Dalam hal ini, pasar pada dasarnya terdiri dari transaksi dari pedagang kebisingan yang tidak
mendapat informasi. Kebisingan perdagangan akan menjadi satu-satunya penentu
pengembalian saham. Seorang investor tidak dapat mengembangkan aturan perdagangan yang
menghasilkan pengembalian "berlebih" dari waktu ke waktu, tetapi itu tidak menjamin bahwa
harga saham mewakili perkiraan nilai intrinsik yang tidak bias.
5Dalam uji ketahanan, utilitas (SIC 4900e4949) juga dikeluarkan dari
analisis, tetapi kesimpulan tetap utuh.
455
Tinjauan Borsa I_stanbul 22-3 (2022) 452e464
laba bersih sebelum pos luar biasa terhadap kapitalisasi pasar
tertinggal lebih tinggi (lebih rendah) dari 1 (-1), (ii) jika rasio
penjumlahan laba bersih sebelum pos luar biasa selama tahun tth1, tth
2, dan tthKapitalisasi pasar 3 ke lagged lebih tinggi (lebih rendah) dari 3
(-3), dan (iii) jika nilai absolut pengembalian masa depan tiga tahun
melebihi 1000%. Penerapan filter data sebelumnya mengikutiLundholm
dan Myers (2002). Ketiga, kami menghentikan pengamatan tahun
perusahaan ketika perdagangan terjadi kurang dari 30% dari sesi
perdagangan. Terakhir, observasi tahun perusahaan dengan total aset
senilai di bawah 10 juta USD (diukur dengan harga konstan tahun
2000), nilai buku ekuitas negatif atau kerugian bersih di atas nilai buku
ekuitas tahun sebelumnya juga dikecualikan.
Investigasi dilakukan dalam subsampel yang berbeda dari
kumpulan data utama. Kami membatasi sebagian besar analisis kami
pada sekuritas yang cukup aktif diperdagangkan. Faktanya,
penghitungan proksi efisiensi pasar dapat menjadi sensitif terhadap
jumlah observasi yang tersedia dan aktivitas perdagangan serta
likuiditas saham pada periode tertentu. Untuk memastikan bahwa
kesimpulan tidak bias oleh kesalahan pengukuran dalam estimasi
proksi efisiensi pasar, kami memperkenalkan “filter perubahan harga”
dan “filter aktivitas perdagangan”. Secara khusus, kami mengecualikan
pengamatan tahun perusahaan ketika proporsi pengembalian tidak nol
(NZR) di bawah 30%, 50%, 75% atau 90%. Alternatifnya, ini dianggap
sebagai "filter aktivitas perdagangan" 50%, yaitu, pengamatan tahun
perusahaan dihapus dari analisis jika saham diperdagangkan kurang
dari 50% dari sesi perdagangan.
Variabel yang digunakan dalam estimasi model FERC standar
adalah sebagai berikut: return saham tahun berjalanDRTTH
dihitung sebagai log buy-and-hold return untuk tahun fiskal t
(dihitung selama jangka waktu 12 bulan yang dimulai tiga bulan
setelah awal tahun fiskal t); log buy-and-hold return untuk periode
tiga tahun mulai tiga bulan setelah akhir tahun fiskal t (R3T); laba
bersih sebelum pos luar biasa yang tersedia bagi pemegang
saham biasa pada tahun fiskal t diskalakan oleh kapitalisasi pasar
yang tertinggal (XT); dan jumlah laba bersih sebelum pos luar biasa
yang tersedia bagi pemegang saham biasa selama tahun tth1, tth2
dan tth3, kempis oleh kapitalisasi pasar yang tertinggal (X3T).6
Variabel yang disebutkan di atas diurutkan pada tingkat 1% di
kedua ujung distribusi.
Dalam beberapa spesifikasi model FERC, variabel tambahan
diperkenalkan untuk mengendalikan pengaruh likuiditas dan
lingkungan informasi. Kebalikan dari indikator ilikuiditas
Amihud (Amihud)dan proporsi pengembalian tidak nol (
Bekaert, Harvey, dan Lundblad 2007) digunakan sebagai proxy
untuk likuiditas. Relevansi lingkungan informasi ditangkap
melalui kontrol berikut: kapitalisasi pasar pada awal tahun
fiskal t (UKURAN); pertumbuhan aset (MENANDAI)dihitung
sebagai persentase perubahan total aset dari awal tahun t-1
sampai akhir tahun tth1; cakupan analis (ACovTHdihitung
sebagai jumlah analis yang menerbitkan prakiraan EPS pada
akhir tahun t; variabilitas laba (DapatkanVol)dihitung sebagai
standar deviasi pendapatan untuk tahun fiskal tth1 sampai tth
3, dikurangi dengan kapitalisasi pasar perusahaan pada awal
tahun t;
6Kapitalisasi pasar pada tiga bulan setelah awal tahun fiskal t.
P.Pereira da Silva Tinjauan Borsa I_stanbul 22-3 (2022) 452e464

rasio pasar terhadap buku (M=B)pada awal tahun t; Dan koefisien di antara mereka konsisten dengan gagasan bahwa
KEHILANGAN,yaitu, variabel biner yang menunjukkan apakahX3T proksi ini menangkap aspek berbeda dari konsep yang
negatif. SelainKEHILANGAN,kovariat kontrol diubah menjadi mendasarinya.WPCDanOVRDanaVRDanQadalah pasangan
peringkat persentil dalam kelompok negara-tahun. yang menunjukkan korelasi terbesar (masing-masing 0,77 dan
Adapun pendekatan yang dikemukakan olehBai dkk. (2016), variabel 0,49). Sebaliknya, beberapa pasang variabel menunjukkan
berikut digunakan:ROATdihitung sebagai EBIT saat ini dikurangi koefisien korelasi mendekati nol. Korelasi antara skor agregat
dengan total aset tertinggal;ROATth1/Tth3menunjukkan rata-rata masa dan metrik individual, pada umumnya, tinggi, mulai dari 0,29
depan tiga tahunROA;DanlogQmewakili Tobin's Q dan didefinisikan hingga 0,63.
sebagai rasio log dari nilai pasar ekuitas ditambah utang terhadap total
aset. Variabel-variabel yang disebutkan di atas juga diurutkan pada 4. Metodologi
tingkat 1% di kedua ujung distribusi.
Sehubungan dengan ukuran efisiensi pasar, delapan Studi ini menguji apakah ada hubungan antara (proksi dari) efisiensi
variabel dipertimbangkan: (i) rasio varians (Lo & MacKinlay, pasar dan kapasitas harga saham untuk memprediksi profitabilitas
1988); (ii) penundaan asimilasi berita pasar oleh harga (Hou & masa depan perusahaan, masukan utama dari sebagian besar model
Moskowitz, 2005); (iii) q Hasbrouck (Hotchkiss & Ronen, 2002); penilaian. Untuk itu, kami fokus pada hubungan antara pengembalian
(iv) rasio signal-to-noise (Biais, Hillion, dan Spatt 1999); (v) (sebagai alternatif, Tobin's Q) dan pendapatan masa depan.
ukuran perdagangan yang diinformasikan (gamma)
dikemukakan olehLlorente dkk. (2002); (vi) volatilitas semalam
dibagi dengan total volatilitas (Prancis & Roll, 1986); (vii) Tabel 1
eStatistik sampel dan ringkasan.Panel A mencantumkan negara-negara yang dicakup
kontribusi harga tertimbang dariBarclay dan Warner (1993);
oleh analisis, sedangkan Panel B membuat tabulasi statistik ringkasan. Panel C
dan (vii) koefisien penyesuaian parsial (Amihud & Mendelson,
menunjukkan matriks korelasi untuk metrik efisiensi pasar individual (peringkat
1987). Penjelasan rinci dari masing-masing proxy ditampilkan persentil) dan skor komposit.
dalam lampiran.
Panel A
Proksi efisiensi pasar dihitung setiap tahun untuk setiap saham.
Australia Jerman Portugal
Peringkat persentil dalam sel tahun-negara dihitung untuk setiap
Austria Yunani Rumania
ukuran mentah. Peringkat menurun dihitung untukaVR, Belgium Hungaria Slowakia
Penundaan, AMPAC, SNRDanOVR,sedangkan peringkat naik Bulgaria Islandia Slovenia
dihitung untukgama, WPCDanQ.Selain langkah-langkah Kanada Irlandia Spanyol

sebelumnya, skor sintetis (SKOR) -sesuai dengan peringkat Kroasia Israel Swedia
Republik Ceko Italia Swiss
persentil rata-rata dari tindakan mentah - juga dibangun.
Siprus Luksemburg Britania Raya
PenggunaanSKORdalam model regresi memungkinkan kita, antara Denmark Belanda Amerika Serikat
lain, untuk menentukan hubungan "rata-rata" antara efisiensi Finlandia Norway
pasar dan penyimpangan harga pasar dari fundamental. Perancis Polandia

Panel B
3.1. Statistik ringkasan Berarti Sd Kuartil 1 median Kuartil 3 Interkuartil
Jangkauan

Pengembalian tahunan rata-rata (median) perusahaan yang RT 1,8% 51,8% - 23,0% 5,8% 31,6% 54,6%
dicakup oleh analisis adalah 1,8% (5,8%). Rata-rata (median)R3 XT 2,8% 13,5% 0,9% 5,1% 8,4% 7,5%
adalah 2,7% (12,5%). Pandangan pertama pada ukuran dispersi R3T 2,7% 86,4% -39,2% 12,5% 56,0% 95,2%
(kisaran interkuartil dan standar deviasi) menunjukkan X3T 8,2% 41,4% - 1,0% 15,1% 27,0% 28,0%
DapatkanVolT 7,7% 9,9% 2,0% 4,2% 9,3% 7,3%
heterogenitas yang besar dalam hal kinerja pasar saham.
LnM/BT 50,4% 78,2% 1,0% 47,6% 96,3% 95,3%
Misalnya, rentang interkuartil (standar deviasi) dariRberkisar ROAT 7,3% 13,9% 2,8% 7,3% 12,5% 9,7%
sekitar 55% (52%). Rata-rata (median) dariXadalah sekitar 2,8% ManfaatT 14,1% 14,1% 1,4% 10,6% 22,4% 21,0%
(5,1%), dan rentang interkuartil sekitar 7,5%. Dispersi AsetGrT 16,8% 40,7% -2,6% 11,7% 30,2% 32,8%
meningkat saat mempertimbangkanX3 (kisaran interkuartil UkuranTA 1903 6518 59 209 950 891
AnalisCovT2.8 1.9 0,0 3.0 8.0 8
untuk variabel tersebut adalah 28,0%). Volatilitas pendapatan
tiga tahun, rata-rata, 7,7%. Panel C

Kapitalisasi pasar rata-rata adalah 1903 juta USD. Sekitar aVR Tunda OVR SNR AMPAC q Skor gamma WPC
25% perusahaan dalam sampel memiliki kapitalisasi pasar di aVR 1.00
bawah 59 juta USD, konsisten dengan penyebaran besar dalam Menunda 0,03
1.00
ukuran perusahaan yang dimasukkan dalam analisis. Rata- OVR 0,20
0,05 1.00
SNR 0,06
0,04 0,14 1.00
rata, setiap perusahaan diikuti oleh tiga analis. ROA rata-rata
AMPAC - 0,02 0,00 0,00 - 0,01 1.00
adalah 7,3%, dan median leverage (total utang dibagi total Q 0,49 0,03 0,20 0,07 - 0,02 1.00
aset) sekitar 10,6%. Akhirnya, rata-rata rasio log marketto-book WPC 0,22 0,04 0,77 - 0,13 0,00 0,22 1.00
adalah sekitar 48%. gamma 0,12 - 0,02 0,05 - 0,04 -0,01 0,09 0,06 1.00
Panel C dariTabel 1menyajikan matriks korelasi untuk Skor 0,57 0,34 0,63 0,34 0,29 0,56 0,56 0,34 1.00
proksi efisiensi pasar. Prevalensi korelasi rendah AKapitalisasi pasar dalam jutaan USD.

456
P.Pereira da Silva
Secara khusus, kami memeriksa apakah tingkat efisiensi pasar
yang berbeda mengkondisikan asosiasi itu. Dua pendekatan
alternatif digunakan. Yang pertama ditarik pada model
pendapatan-pengembalian masa depanCollins dkk. (1994),Gelb
dan Zarowin (2002)DanLundholm dan Myers (2002). Yang
kedua dibangun di atas pendekatanBai dkk. (2016).
Model pendapatan-pengembalian masa depan berasal dari literatur
akuntansi. Saat menyelidiki hubungan pengembalian-pendapatan (model
ERC),Bola dan Cokelat (1968)menemukan kekuatan prediksi yang lemah dari
pendapatan saat ini atas return saham.Collins dkk. (1994)menunjukkan
bahwa pengembalian saham saat ini mengandung informasi tentang
pendapatan masa depan, yang menyiratkan bahwa investor mengantisipasi
dan menilai profitabilitas masa depan. Menambahkan laba masa depan
sebagai kovariat tambahan dalam model pengembalian-pendapatan (model
FERC) meningkatkan kekuatan penjelas model (R-kuadrat) secara
substansial.7Mengingat hasil tersebut, koefisien respons laba masa depan
(FERC) telah ditetapkan sebagai indikator kapasitas harga untuk melacak
fundamental jangka panjang. Jika positif dan signifikan, harga saham
mencerminkan ekspektasi yang akurat dari investor tentang laba masa
depan. Harga lebih informatif karena menanamkan prediksi yang lebih baik
tentang profitabilitas masa depan perusahaan, sehingga “membawa masa
depan ke depan.” Pengaturan empiris pertama kami adalah varian dari
model yang dikembangkan olehTucker dan Zarowin (2006)DanLundholm
dan Myers (2002):
RT¼A0thA1*XT-1thA2*XTthA3*X3TthA4*R3TthINDFE
D1TH
thNEGARAFEthTAHUNFEtheT
dengan semua variabel seperti yang didefinisikan di bagian3. Seperti
penelitian sebelumnya (Haw, Bingbing, Lee, dan Wu, 2012), negara, industri
(SIC dua digit) dan efek tetap tahun dimasukkan dalam pengaturan
ekonometrik untuk memperhitungkan heterogenitas yang tidak teramati di
tingkat negara dan industri, dan tren waktu yang umum. Penelitian
sebelumnya menemukan koefisien estimasi negatif (positif) untukXT-1DanR3T
(XT).8Dalam kerangka ini, FERC sama dengan estimasi titik padaX3T, yaitu, AB
3, dan positif jika sejumlah besar informasi tentang pendapatan masa depan
terkandung dalam harga saat ini.
Untuk mengevaluasi hubungan antara proksi efisiensi
pasar dan FERC, persamaan(1)diperluas dengan
menambahkan proksi efisiensi pasar (AKU)dan interaksi
variabel tersebut denganXT-1,XT,X3TDanR3T.
RT¼A0thA1*XT-1thA2*XTthA3*X3TthA4*R3TthB0*AKUT
thB1*XT-1*AKUTthB2*XT*AKUTthB3*X3T*AKUT
thB4*R3T*AKUTthINDFEthNEGARAFEthTAHUNFEtheT
D2TH
7 disajikan pada bagian4, proksi efisiensi pasar denganSKOR,yaitu
Mereka menunjukkan bahwa kekuatan penjelas model FERC tiga sampai enam kali lebih
besar daripada model ERC tradisional. Lebih jauh lagi, mereka menemukan loading estimasi yang
lebih besar untuk pendapatan masa depan daripada pendapatan saat ini.
8Lundholm dan Myers (2002)membenarkan dimasukkannya pengembalian masa depan untuk mengatasi
kesalahan pengukuran dalam menangkap kejutan dalam harapan tentang pendapatan masa depan.
Pilihan untuk menggunakan hingga tiga prospek pada pendapatan dan pengembalian di masa depan
dibenarkan oleh hasilCollins dkk. (1994)DanLundholm dan Myers (2002), yang menemukan bahwa
memasukkan petunjuk lebih lanjut dari variabel-variabel tersebut menambahkan sedikit kekuatan penjelas
pada model.
457
Tinjauan Borsa I_stanbul 22-3 (2022) 452e464
Dalam beberapa spesifikasi, satu set kontrol (KONTROL)
diperkenalkan dalam regresi dengan maksud untuk menangkap
efek penentu lingkungan informasi pada FERC (Haw et al., 2012;
Tucker & Zarowin, 2006).UKURANDanACov (untuk mengendalikan
perbedaan dalam lingkungan informasi perusahaan),MENANDAI
DanM=B (pendapatan perusahaan pertumbuhan bisa lebih sulit
diprediksi daripada perusahaan nilai), dan LOSS dan EARNVol
(kerugian masa depan dan pendapatan yang tidak stabil harus
lebih sulit diprediksi) ditambahkan ke persamaan(2). Vektor dari
KONTROLdibentuk oleh peringkat persentil dari variabel
sebelumnya dan interaksinya denganXT-1,XT,X3TDanR3T. Di ekstensi
lain, kami menyertakan proxy likuiditas (dan interaksi denganXT-1,X
T,X3TDanR3T). Dengan tidak adanya
variabel kontrol tambahan, FERC disampaikan olehAB3th B
B3*AKUT.
Pengaturan model berdasarkanBai dkk. (2016)ditarik pada
gagasan bahwa jika harga saham membawa informasi tentang
profitabilitas masa depan, maka Q Tobin saat ini lebih tinggi (Q)
harus memprediksi profitabilitas yang lebih besar di masa depan.
Dalam pengaturan dasar, ROA tiga tahun ke depan (ROATth1/Tth3)
diregresi terhadap konstanta, log dariQTdan ROA saat ini.
Pengaturan kami memperluas BPS dengan menambahkan proksi
efisiensi pasar dan interaksi variabel tersebut dengan kovariat lain
ke dalam model.
ROATth1/Tth3¼A0thA1*ROATthA2*logQTthQ0*AKUT
thQ1*AKUT*ROATthQ2*AKUT*logQTthINDFE
thNEGARAFEthTAHUNFEtheT
D3TH
Di sini, minat kami adalahA2thQ2*AKUT. Kami berharap
efisiensi pasar menjadi faktor positif hubungan antara ROA
danlogQ.
Bagian selanjutnya menyajikan hasil empiris.
5. Analisis dan pembahasan hasil
Analisis hasil dibagi menjadi dua bagian. Yang pertama meneliti
apakah efisiensi pasar "rata-rata" terkait dengan kapasitas harga
saham "untuk membawa masa depan" sehubungan dengan
profitabilitas masa depan. Pada bagian kedua, kami menjalankan
pacuan kuda untuk mengidentifikasi proxy mentah yang menunjukkan
hubungan terbesar dengan FERC (pengukuran BPS) dan yang
pemanfaatannya dapat menawarkan keuntungan saat melakukan
penelitian empiris.
5.1. Efisiensi relatif "agregat".
Pada subbagian ini, kami menjalankan model regresi yang
rata-rata peringkat persentil dari delapan indikator mentah yang
disajikan dalam lampiran. Efisiensi pasar merupakan variabel laten
yang ditangkap oleh berbagai proksi.9Nilai
9Proksi ini mengekspresikan berbagai aspek efisiensi pasar dan tidak
berkorelasi kuat.
P.Pereira da Silva Tinjauan Borsa I_stanbul 22-3 (2022) 452e464

Meja 2
eSkor efisiensi pasar dan FERC.Meja 2menyajikan hasil estimasi persamaan(2). Pengembalian saat ini (RT) diregresi terhadap konstanta, Xt-1, XT, X3T, R3Tdan interaksi yang
pertama dengan SCORET. Variabel kontrol tambahan dikecualikan (disertakan) di kolom [1]-[5] ([6]-[8]). Untuk menghemat ruang, tabel tidak melaporkan estimasi titik (dan
t-statistik yang sesuai) untuk KONTROL. Negara, industri (SIC dua digit) dan efek tetap tahun ditambahkan ke semua regresi. T-statistik dihitung menggunakan kesalahan
standar kuat heteroskedastik yang dikelompokkan berdasarkan perusahaan. (***), (**), (*) menunjukkan signifikansi statistik pada tingkat 1%, 5% dan 10%.

[1] [2] [3] [4] [5] [6] [7] [8]

Xt-1 - 0,235*** - 0,032 0,018 - 0,007 0,257* - 0,493*** - 0,099 - 0,172
(-5.10) (-0,38) (0,26) (-0,11) (1.86) (-3,42) (-1,23) (-1.21)
XT 0,817*** 0,434*** 0,352*** 0,326*** 0,413** 0,787*** 0,472*** 0,921***
(7.70) (3.10) (3.89) (3.42) (2.14) (3.19) (3.48) (5.14)
X3T 0,335*** 0,022 0,007 - 0,002 - 0,049 0,794*** 0,035 - 0,046
(12.64) (0,46) (0,20) (-0,04) (-0,62) (9.23) (0,63) (-0,56)
R3T - 0,055*** 0,048** 0,051** 0,054** 0,112*** - 0,095*** 0,008 - 0,008
(-2,69) (2.34) (2.47) (2.45) (3.75) (-2,84) (0,47) (-0,27)
SKORT 0,002 0,024 0,015 0,006 - 0,020 0.000 0,027
(0,02) (0,24) (0,16) (0,05) (-0,25) (0,00) (0,28)
Xt-1*SKORT - 0,352* - 0,415** - 0,384** - 0,730*** - 0,257 - 0,754** - 0,490**
(-1,96) (-2,52) (-2,54) (-2,76) (-1,29) (-2.27) (-2.24)
XT*SKORT 0,635** 0,775*** 0,817*** 0,535 0,918*** 1.144*** 1.087***
(2.47) (3.05) (3.18) (1,59) (4.09) (4.09) (3.93)
X3T*SKORT 0,537*** 0,537*** 0,551*** 0,743*** 0,391*** 0,554*** 0,480***
(4.94) (5.53) (5.23) (4.39) (4.58) (5.79) (4.99)
R3T*SKORT - 0,171*** - 0,172*** - 0,176*** - 0,273*** - 0,167*** - 0,296*** - 0,221***
(-3.22) (-3.06) (-2,98) (-3,74) (-4.17) (-4.37) (-4,66)
LIQT - 0,001 - 0,075
(-0,03) (-1,50)
Xt-1*LIQt 0,435* 0,280
(1.78) (1.23)
XT*LIQT - 0,501*** - 0,941***
(-3,48) (-4,84)
X3T*LIQT - 0,028 0,130
(-0,38) (1.43)
R3T*LIQT 0,151*** 0,104***
(3.93) (3.09)
# obs tahun perusahaan. 43.609 39.064 51.805 49.516 21.403 38.028 39.064 39.064
# perusahaan 5865 5517 6875 6674 3304 5442 5517 5517
Adj-R2 42,9% 43,5% 41,8% 41,9% 45,3% 51,9% 43,8% 43,7%
Sampel NZR>75% NZR>75% NZR>30% JIKA>50% NZR>90% NZR>75% NZR>75% NZR>75%
Kontrol TIDAK TIDAK TIDAK TIDAK TIDAK KONTROL Amihud NZR

merangkum informasi tentang efisiensi pasar secara keseluruhan dan
memfasilitasi interpretasi hasil. Prosedur agregasi mengurangi kesalahan
pengukuran dan memberikan sinyal yang lebih jelas tentang efisiensi pasar
secara keseluruhan daripada proksi individual yang dipertimbangkan secara
terpisah.10
10Penelitian keuangan dan akuntansi sebelumnya berurusan dengan variabel laten yang
menggabungkan dan menggabungkan data dari proksi yang berbeda. Mungkin contoh
yang paling mencolok menyangkut likuiditas (Lang & Maffett, 2011), yang dapat
ditangkap oleh berbagai proxy. Sering kali, pilihan proxy bergantung pada data yang
tersedia. Contoh lain dapat ditemukan berkaitan dengan tata kelola perusahaan (Larcker,
Richardson, dan Tuna 2007) dan kualitas laba (Francis et al., 2008). Prosedur ini
memungkinkan diperolehnya sinyal yang lebih bersih untuk variabel laten, karena proxy
mentah diestimasi dengan noise. Ada teknik agregasi yang lebih kompleks yang tersedia
dalam literatur daripada yang digunakan dalam penilaian ini, yaitu komponen utama
atau analisis faktor. Namun, dalam pengaturan kami, metode tersebut menghadirkan
kelemahan dari proxy mentah yang berkorelasi lemah. Komponen utama (analisis faktor)
memanfaatkan variabilitas umum (struktur korelasi), sehingga proksi dengan kesamaan
terendah akan dikeluarkan dari analisis. Dengan demikian, skor kami lebih tepat untuk
menangkap efek “keseluruhan” dari efisiensi pasar pada FERC (ukuran BPS) daripada
ukuran lain yang diekstrak melalui teknik statistik yang lebih kompleks.
Titik awal alami untuk analisis terdiri dari estimasi
persamaan(1). Kami mengondisikan sebagian besar analisis
kami pada saham yang aktif diperdagangkan. Meskipun jelas
bahwa friksi perdagangan menghalangi aliran informasi ke
dalam harga, kami juga ingin menghindari kebisingan dalam
perkiraan proksi efisiensi pasar yang timbul dari adanya harga
basi dan kurangnya aktivitas perdagangan. Untuk dimasukkan
dalam analisis utama, saham harus memiliki variasi harga
bukan nol pada setidaknya 75% hari perdagangan pada tahun
tertentu untuk meminimalkan kesalahan pengukuran yang
disebabkan oleh adanya harga basi. Namun demikian, dalam
uji ketahanan, kami menerapkan filter alternatif, yaitu "filter
perubahan harga" 30%, 50% dan 90% (NZR)dan "filter aktivitas
perdagangan" (JIKA)dari 50%.
Kolom [1] dariMeja 2menyajikan hasil estimasi
persamaan(1)saat mengadopsi 75% “filter perubahan
harga”. Perkiraan pemuatan aktifXT-1DanR3Tadalah
- 0,235 dan -0,055 (t-statistik masing-masing -5,10 dan -2,69).
Estimasi titik untukXTadalah 0,817 (t-stat 7,70), dengan
demikian menunjukkan bahwa harga saat ini dan kontemporer

458
P.Pereira da Silva Tinjauan Borsa I_stanbul 22-3 (2022) 452e464

Tabel 3
eSkor efisiensi pasar dan ukuran BPS.Tabel menyajikan hasil estimasi persamaan(3)menggunakan filter sampel yang berbeda. T-statistik dihitung menggunakan
kesalahan standar kuat heteroskedastik yang dikelompokkan berdasarkan perusahaan. (***), (**), (*) menunjukkan signifikansi statistik pada tingkat 1%, 5% dan 10%.

[1] [2] [3] [4] [5] [6]

logQT 0,068*** - 0,002 0,022 0,011 0,011 0,021
(6.56) (-0,05) (1,00) (0,48) (0,32) (0,95)
ROAT 1.386*** 1.901*** 1.619*** 1,745*** 1.663*** 1.663***
(33.14) (10.49) (13.15) (13.33) (10.43) (13.32)
SKORT 0,028 0,017 0,027 0,046** 0,026
(1.22) (0,96) (1.36) (2.11) (1.43)
SKORT*logQT 0,123** 0,084* 0,101** 0,104* 0,086*
(2.02) (1.87) (2.12) (1,72) (1,92)
SKORT*ROAT - 0,883*** - 0,446** - 0,639*** - 0,516** - 0,511**
0,028 (-2.10) (-2,84) (-1,98) (-2.37)

# obs tahun perusahaan. 41.766 37.325 49.036 46.394 35.310 46.859

# perusahaan 5648 5303 6566 6288 5208 6362
Adj-R2 35,7% 35,9% 35,7% 36,3% 36,0% 36,0%
Saringan sampel NZR>75% NZR>75% NZR>30% NZR>50% NZR>90% JIKA>50%

laba bergerak bersama. Lebih tepatnya, perkiraan koefisien untukX
3T(estimasi FERC) adalah 0,335 (t-stat 12,64), konsisten dengan
harga yang menyampaikan informasi tentang pendapatan masa
depan perusahaan. Hasil yang tidak dilaporkan mengungkapkan
bahwa perkiraan FERC adalah 0,29, 0,30, dan 0,40, ketika
mengadopsi "filter perubahan harga" masing-masing 30%, 50%
dan 90%, dan 0,30 ketika mengadopsi "filter aktivitas
perdagangan" 50%. Estimasi titik pendapatan masa depan selalu
signifikan secara statistik pada tingkat 1%, terlepas dari subsampel
yang digunakan.
Tidak mengherankan, FERC naik dengan aktivitas likuiditas/
perdagangan saham. Secara keseluruhan, estimasi titik dan
signifikansi statistik variabel selaras dengan hasil penelitian
sebelumnya (misalnya,Lundholm & Myers, 2002;Tucker &
Zarowin, 2006). Kolom [2]-[5] dariMeja 2menunjukkan hasil
estimasi persamaan(2)menggunakanSKORsebagai proksi
untuk efisiensi pasar. Tabel ini memungkinkan perbandingan
hasil secara berdampingan di berbagai subsampel. Hebatnya,
estimasi loading onX3*SKORselalu positif dan signifikan secara
statistik, terlepas dari filter sampel yang digunakan.
Mempertimbangkan "filter perubahan harga" 75%, rentang
interkuartil berubahSKORdisertai dengan peningkatan FERC
sebesar 200%.
Berikut ini, “filter perubahan harga” 75% diadopsi, kecuali
dinyatakan lain. Sampai saat ini, kontrol tambahan telah
dikeluarkan dari analisis. Lingkungan informasi dan likuiditas
dapat menjelaskan FERC dan SKOR,yang menimbulkan
kekhawatiran endogenitas.11Kolom [6] dariMeja 2menyajikan
hasil ketikaKONTROLditambahkan ke persamaan(2). Perkiraan
pemuatan untukX3*SKORsangat menurun dalam pengaturan
ini, tetapi tanda dan signifikansi statistik dipertahankan. Kolom
[7] dan [8] menunjukkan
11Model struktur mikro pasar dari efisiensi pasar mendalilkan bahwa deviasi
harga jangka pendek dari tingkat efisiensinya berasal dari friksi yang ditimbulkan
oleh ilikuiditas, seperti bid-ask bounce dan thin-trading.Gulung, 1984). Dengan
demikian, wajar juga untuk mempertanyakan apakah asosiasi antaraSKOR and the
FERC derives from illiquidity.
hasil regresi ketika proksi likuiditas (AmihudDanNZR)
ditambahkan ke persamaan(2). Analisis sebelumnya
memperhitungkan secara tidak langsung pengaruh ilikuiditas
dengan membandingkan hasil regresi pada subsampel saham
yang berbeda. Sekarang, likuiditas dimasukkan langsung ke
dalam spesifikasi model. Peringkat persentil dari indikator
likuiditas (AmihudatauNZR)dan interaksi variabel tersebut
denganXT-1,XT,X3TDanR3Tditambahkan ke persamaan(2).
Estimasi titik padaX3*SKORadalah 0,55 dan 0,48 dan secara
statistik signifikan pada tingkat 1% ketika likuiditas ditangkap
AmihudDanNZR, masing-masing.12
Dengan cara yang serupa,SKORdigunakan sebagai proksi
untuk efisiensi pasar dalam persamaan(3). Yang paling
menarik untuk analisis, estimasi titik padalogQ*SCOREpositif
dan signifikan secara statistik pada tingkat 5% ketika
mempertimbangkan "filter perubahan harga" 75%. Kesimpulan
secara kualitatif sama ketika mengadopsi filter sampel
alternatif (lihatTabel 3). Secara keseluruhan, temuan ini
memvalidasi hipotesis bahwa skor efisiensi pasar agregat (
SKOR)meningkatkan kapasitas harga saham untuk
memprediksi profitabilitas masa depan, yaitu jawaban untuk
RQ1 adalah afirmatif. Kesimpulan ini kuat untuk serangkaian
pengujian, termasuk pertimbangan likuiditas dan faktor
penentu lingkungan informasi dalam model ekonometrik.
Untuk mendapatkan wawasan lebih lanjut tentang
hubungan antara efisiensi pasar agregat dan FERC, angka
pendapatan didekomposisi menjadi (i) arus kas dan angka
akrual dan (ii) komponen laba industri dan spesifik
perusahaan. Laba yang dilaporkan dipengaruhi oleh standar
akuntansi yang diikuti, itulah sebabnya investor juga
mempertimbangkan arus kas (yang kurang dipengaruhi oleh
diskresioner atau manipulasi akuntansi) saat mengevaluasi
kinerja perusahaan. Kami memecah angka pendapatan
menjadi angka arus kas dan akrual dalam analisis selanjutnya
12 Although non-reported, inferences remain intact when considering alternative
subsamples. In non-tabulated tests, we also extend equation (2) with both liquidity
and CONTROLS, but the results remain unchanged.

459
P. Pereira da Silva
check whether conclusions are affected by the profitability
measure considered. For that purpose, equation (4) is
estimated:
Rt ¼a0 þ a1*CFt-1 þ a2*CFt þ a3*CF3t þ a4*ACCt-1
þ a5*ACCt þ a6*ACC3t þ a7*R3t þ b0*MEt
þ b1*CFt-1*MEt þ b2*CFt*MEt þ b3*CF3t*MEt
þ b4*ACCt-1*MEt þ b5*ACCt*MEt þ b6*ACC3t*MEt
þ b7*R3t*MEt þ LIQCONTROLS þ INDFE
þCOUNTRYFE þ YEARFE þ ei
where CFt (ACCt) corresponds to cash flow from operating
activities (accruals) in fiscal year t divided by the market
value of equity; and CF3t (ACC3tÞ denotes the sum of cash
flow from operating activities (accruals) for the year t þ 1
through t þ 3 divided by the market value of equity.13
A careful look at column [1] of Table 4 shows that both CF3*
SCORE and ACC3*SCORE exhibit positive and statistically
significant estimated coefficients. Accordingly, market
efficiencydthe effect of which is summarized by SCOREdshapes
the response of current returns to shocks in future cash flows.
Next, we ascertain whether SCORE loads positively with the
amount of firm-specific information about future earnings
conveyed by stock prices. To that end, we adjust the dependent
variable and covariates from equation
(2), and estimate the following equation:
Table 4
e Cash flows versus accruals and industry-wide versus firm-specific earnings.
The panel presents the results of the estimation of equations (4) and (5). To
conserve space, the table only reports point estimates (and corresponding t-
statistics) for CF3t*SCOREt and ACC3t*SCOREt with respect to equation (4),
and FX3t*SCOREt and IX3t*SCOREt with respect to equation
(5), given that these are the variables with most interest to the assessment. The
75% “price change filter” is applied. T-statistics are calculated using
heteroskedastic robust standard errors clustered by firm. (***), (**), (*) indicate
statistical significance at the 1%, 5% and 10% level.
[1]
FX3t*SCOREt
IX3t*SCOREt
CF3t*SCOREt 0.731***
(5.63)
ACC3t*SCOREt 0.271***
(4.38)
Equation (4)
# firm-year obs. 34,150
# firms 5142
Adj-R2 43.1%
Sample filter NZR>75%
13 Market capitalization three months after the beginning of fiscal year t.
LIQCONTROLS is a vector that comprises Amihud and interactions of that
variable with CFt-1, CFt, CF3t, R3t; ACCt-1, ACCt and ACC3t.
Borsa I_stanbul Review 22-3 (2022) 452e464
ADJRt ¼a0 þ a1*IXt-1 þ a2*IXt þ a3*IX3t þ a4*FXt-1
þ a5*FXt þ a6*FX3t þ a7*ADJR3t þ b0*MEt
þ b1*IXt-1*MEt þ b2*IXt*MEt þ b3*IX3t*MEt
þ b4*FXt-1*MEt þ b5*FXt*MEt þ b6*FX3t*MEt
þ b7*ADJR3t*MEt þ INDFE þCOUNTRYFE
þ YEARFE þ LIQCONTROLS þ ei
ð5Þ
where the dependent variable (ADJRt) is the value-weighted
market-adjusted return for year t. IXt (FXt) is the industrywide
ð4Þ (firm-specific) component of a firm's earnings for year
t. IXt is computed as the median annual earnings (Xt) in the
firm's country-industry group in year t less MXt (median
annual earnings (Xt) in the firm's country in year t). FXt is
calculated as Xt - IXt - MXt. IX3t (FX3t) is the sum of the
industry-wide (firm-specific) component of a firm's earnings
for fiscal year t þ 1 through t þ 3; finally, ADJR3t is the
threeyear future value-weighted market-adjusted return.
An inspection of column [2] of Table 4 shows that the estimated
coefficients on FX3*SCORE and IX3*SCORE are positive and
statistically meaningful. In plain words, SCORE shapes the capacity
of current returns to predict both the firm-specific and industry-
wide components of realized future earnings.
To enrich the analysis, we run supplementary regressions to
see whether the sensitivity of the FERC to SCORE evolved over
time. We estimate equation (2) using five-year rolling windows
from 2000 to 2016. To save space, the results are presented in
the supplementary material, available online. A visual
inspection of Fig. S1 informs that although the positive
association between the FERC and SCORE prevails over the
analyzed period, it became weaker over the last decade.
Because the degree of market efficiency is state-dependent, we
also compare the sensitivity of the FERC to SCORE in bullish
and bearish periods. Specifically, we split the sample of firm-
year observations into two binsda bullish partition and a
bearish partition depending on whether the annual return of
the local market index is above or below its median.
Surprisingly, we find that SCORE produces larger effects on the
[2]
FERC during bearish periods than in bullish ones.14
In a different vein, we also conduct a cross-country analysis
0.247***
(2.78)
to ascertain whether country transparency helps shape the
0.348* association between market efficiency and the FERC. In fact,
(1.75) Griffin et al. (2010) highlight that country specific-variables
influence the set of available information at the disposal of
investors. So, we control for three country-specific mechanisms
that ensure the flow of information in the economy: (i) the
disclosure requirements index (La Porta, Lopez-De-Silanes, &
(5)
39,064
Shleifer, 2006), (ii) CIFAR (Bushman, Piotroski, and Smith 2004)
5517 and (iii) newspaper circulation (Djankov, La Porta, Lopez-de-
19.3% Silanes, and Shleifer, 2008). The sample is split by groups of
NZR>75% countries considering whether they lie above or below the
median with respect to these country-
14 Non-tabulated tests indicate that the coefficient on X3*SCORE is
statistically different in the two analyzed periods.
460
P. Pereira da Silva Borsa I_stanbul Review 22-3 (2022) 452e464

Table 5
e Market efficiency and the FERC: a horserace. Panels A, B and C present the results of the estimation of variants of equation (2). Panel D presents the results of the
estimation of equation (3). Market efficiency proxies are introduced separately in the regressions. Country, industry (two-digit SIC) and year fixed effects are added to all
the regressions. The sample includes firm-year observations with proportion of non-zero returns (NZR) above 75%. To conserve space, only point estimates (and
corresponding t-statistics) for X3t*MEt and MEt*LogQt are reported. T-statistics are calculated using heteroskedastic robust standard errors clustered by firm. (***), (**), (*)
indicate statistical significance at the 1%, 5% and 10% level.

A e Estimation of equation (2) with no CONTROLS and no liquidity variables

[1] [2] [3] [4] [5] [6] [7] [8]
aVR Delay OVR SNR AMPAC q WPC gamma

X3t*MEt 0.013 - 0.001 0.133*** 0.071*** 0.408*** - 0.023 0.134** 0.019

(0.38) (-0.04) (2.66) (2.67) (8.80) (-0.72) (2.57) (0.50)
# firm-year obs. 43,599 42,675 40,905 40,879 43,599 43,599 40,879 42,138
# firms 5863 5797 5659 5655 5863 5863 5655 5753
Adj-R2 43.0% 42.9% 43.4% 43.4% 44.4% 43.0% 43.4% 43.1%
B e Estimation of equation (2) with CONTROLS, but no liquidity variables
[1] [2] [3] [4] [5] [6] [7] [8]
aVR Delay OVR SNR AMPAC q WPC gamma

X3t*MEt - 0.017 0.005 0.075** 0.015 0.344*** - 0.041** 0.067** 0.031

(-0.59) (0.17) (2.01) (0.72) (7.36) (-2.39) (2.00) (0.97)
# firm-year obs. 42,450 41,535 39,841 39,817 42,450 42,450 39,817 41,021
# firms 5781 5715 5584 5580 5781 5781 5580 5673
Adj-R2 51.3% 51.3% 51.7% 51.7% 52.3% 51.3% 51.7% 51.4%
C e Estimation of equation (2) with liquidity variables, but no CONTROLS
[1] [2] [3] [4] [5] [6] [7] [8]
aVR Delay OVR SNR AMPAC q WPC gamma

X3t*MEt - 0.036 - 0.006 0.090* 0.059** 0.409*** - 0.071*** 0.085 0.009

(-1.24) (-0.16) (1.74) (2.41) (8.84) (-2.80) (1.24) (0.24)
# firm-year obs. 42,549 41,724 40,170 40,144 42,549 42,549 40,144 42,138
# firms 5783 5724 5599 5595 5783 5783 5595 5753
Adj-R2 43.2% 43.1% 43.5% 43.5% 44.6% 43.2% 43.5% 43.3%
D e Estimation of equation (3)
[1] [2] [3] [4] [5] [6] [7] [8]
aVR Delay OVR SNR AMPAC q WPC gamma

MEt*logQt 0.043* 0.026 - 0.009 0.037** 0.059*** 0.035 0.029 - 0.036*

(1.83) (1.38) (-0.36) (1.98) (3.42) (1.49) (1.17) (-1.86)
# firm-year obs. 41,756 40,849 39,135 39,109 41,756 41,756 39,109 40,322
# firms 5646 5581 5446 5441 5646 5646 5441 5535
Adj-R2 35.8% 35.7% 35.7% 35.8% 35.8% 35.8% 35.7% 35.9%

specific variables. Fig. S2davailable in the supplementary
materialdshows a larger effect of SCORE on the FERC in
countries which display greater newspaper circulation, lower
accounting quality and below-median disclosure requirement
index, but these differences are not statistically meaningful
(non-reported statistical tests indicate no difference of
coefficients in the contrasting groups).15
5.2. Horserace of raw market efficiency proxies
In what follows, we check whether raw market efficiency
proxies capture the sensitivity of price changes to variation in a
firm's fundamental value. Columns [1]e [8] of panel A of Table 5
report the results of the estimation of equation (2) when raw
proxies are added to the baseline setting. The 75% “price
change filter” is adopted, unless stated otherwise. Raw proxies
and corresponding interactions with Xt-1, Xt, X3t and R3t are
introduced into equation (2). As before, the main interest lies in
the point estimate for MEt*X3t. Interestingly, AMPAC*X3,
OVR*X3, SNR*X3 and WPC*X3 display positive and statistically
meaningful estimated loadings, which is consistent with the
idea that AMPAC, OVR, SNR and WPC go hand in hand with the
FERC. Other raw proxies do not seem to influence the FERC.
The impact of an interquartile range variation of ME on the
FERC ranges from 0% (Delay) to 91% (AMPACÞ.16

15 We conducted similar procedures with respect to other country-specific

transparency variables retrieved from Bushman et al. (2004). However, we

also did not find meaningful differences in these groups with respect to the 16 The FERC of a firm with AMPAC in the first quartile hovers around 0.222,

association between the FERC and the efficiency score. whereas the FERC of a firm with AMPAC in the third quartile is about 0.426.

461
P. Pereira da Silva
In non-tabulated robustness tests, other sample filters are
considered. Interestingly, when stocks lacking liquidity are added
to the sample (e.g., when the 30% and 50% “price change filters”
are adopted), all proxies, apart from Delay, influence the FERC.
Nevertheless, the statistical significance of aVR*X3 and q*X3
vanishes when CONTROLS are considered in equation
(2), despite the inclusion of illiquid stocks in the sample. Panels
B and C report results when equation (2) is extended with the
vector of CONTROLS and a liquidity measure (Amihud and
interactions with Xt-1, Xt, X3t and R3t), respectively. With regard
to panel B, the magnitude of the estimated loadings for
AMPAC*X3, OVR*X3, and WPC*X3 drops considerably, but
statistical significance is retained. As for panel C, AMPAC, OVR
and SNR conserve their (statistically meaningful) association
with the FERC after the inclusion of the liquidity measure in
equation (2). The inclusion of CONTROLS and liquidity in
tandem does not alter the main inferences.
The empirical setting of BPS constitutes an alternative to the
FERC model. The results from regressions on equation (3) are
presented in panel D. As expected, the sensitivity of future ROA
to market valuation does not climb along with all raw proxies.
Only AMPAC, SNR, and aVR exhibit a positive and meaningful
association with the BPS measure (point estimates on
logQ*AMPAC, logQ*SNR, and logQ*aVR are positive and
statistically significant; see columns [1], [4] and [5]).
In light of the results, AMPAC, SNR, OVR and WPC appear to
weigh on the FERC, irrespective of the liquidity/trading activity
exhibited by the stock. aVR, q and Gamma do not influence the
FERC when stocks lacking liquidity are excluded from the
sample, or when the information environment and liquidity are
considered in the main regression. Delay is unable to influence
the FERC regardless of the sample filter adopted. In reality, this
outcome is not so surprising: Griffin et al. (2010) point out the
weakness of Delay while showing that prices in emerging
markets incorporate past market returns faster than prices in
developed markets.17 These results point to large
heterogeneity in the association of market efficiency proxies
with the capacity of stock prices to predict future profitability.
Another relevant point pertains to the analysis of whether raw
measures affect the FERC after accounting for the effect of the
market efficiency score. Previous regression results indicate that
the point estimate on X3*SCORE is always larger than that
obtained for the interaction of X3 with raw proxies. This outcome
informs that the aggregation of proxies mitigates measurement
error, thereby delivering a better signal of market efficiency. We
probe deeper into this issue by re-running an extension of
equation (2) that includes a raw market efficiency measure, the set
of CONTROLS, the proxy for liquidity and the synthetic score (all of
them interacted with Xt-1, Xt, X3t and R3t). Here, the synthetic score (
Scoret;ð-kÞ) consists of the average score of all proxies excluding the
one added to the regression. For instance, when evaluating the
impact of aVR on the FERC, the synthetic
17 In non-tabulated regressions, we re-run equations (4) and (5) considering raw
market efficiency indicators. AMPAC and SNR are the market efficiency metrics
that present the greatest association with the sensitivity of stock returns to future
cash flows and firm-specific earnings.
462
Borsa I_stanbul Review 22-3 (2022) 452e464
score (Scoret;ð-aVRÞ ) is calculated as the average percentile rank
of AMPAC, OVR, WPC, gamma, SNR, delay, and q:
The results are reported in Table S1 of the supplementary
material available online. Strikingly, one feature which is
common to all the regression outcomes is that the estimated
coefficient for Scoret;ð-kÞ*X3t is always positive and statistically
significant. Therefore, the sensitivity of the FERC to SCORE is
not being driven by a specific market efficiency proxy.
Moreover, after accounting for the impact of Scoret;ð-kÞ, only
AMPAC and SNR produce effects on the FERC. Overall, SCORE
appears to do a better job in capturing the FERC than individual
measures considered separately, corroborating the
advantages of the aggregation procedure in empirical work.
6. Final remarks
This study evaluates the link between market efficiency proxies
and the capacity of stock prices to predict a firm's future economic
performance. Our sample covers firms located in 31 countries and
the time frame ranging from 1990 to 2019. Based on a set of
popular market efficiency proxies, a synthetic score is constructed.
Strikingly, that score correlates positively with the sensitivity of
current returns (or market valuations) to future profitability shocks.
To put it another way, aggregate market efficiency bolsters the
capacity of stock prices to predict a firm's future earnings.
However, the results for raw proxies considered individually are
not so clear-cut. While the partial adjustment coefficient and the
signal-to-noise ratio enhance the sensitivity of current returns (or
market valuations) to future profitability shocks, we obtain mixed
findings for other measures.
The conclusions of this study are important to empirical
researchers, regulators, the financial industry (namely stock
exchanges) and policymakers. Indeed, many studies employ
market efficiency proxies when assessing the impacts of
regulation and laws on market quality. Typically, these studies
overlook the association of market prices with fundamentals
and focus on weak-form market efficiency indicators, such as
returns predictability. Our findings suggest that an aggregate
market efficiency score captures the capacity of stock prices to
track long-term fundamentals to some extent, but most
market efficiency proxies alone do not.
Declaration of competing interest:
The author declares that there are no conflicts of interest
regarding the publication of this paper.
Acknowledgments
Authors are pleased to acknowledge financial support
from Fundaç~ao para a Ciência e a Tecnologia and FEDER/
COMPETE (grant UIDB/04007/2020).
Appendix A. Supplementary data
Supplementary data to this article can be found online at
https://doi.org/10.1016/j.bir.2021.06.010.
P. Pereira da Silva Borsa I_stanbul Review 22-3 (2022) 452e464

Appendix. Additional information on the estimation of

market efficiency measures

All the measures are calculated for each firm on a yearly

basis. We apply data filters from Griffin et al. (2010) when
cleaning stock prices series.

Hasbrouck's q The following regression is run: rt ¼ a - ete1 + et. rt respects to the daily stock return in t. An annual estimate of q Hotchkiss and
bounded between 0 and 1 is obtained. Larger q values portend better market quality. Ronen (2002).
s2e - 2a - covðet; et-1Þ
q¼
s2e - ð1 þ aÞ - 2a - covðet; et-1Þ
Gamma The following regression is run: rt ¼ a þ q - rt-1 þ g - rt-1 - Vt-1 - þet: rt respects to the weekly stock return in t; Vte1 is log Llorente et al.
turnover detrended by subtracting a 26-week moving average. Higher g b (the gamma estimate) hints at more (2002)
information-based trading (as opposed to noise or liquidity trading).
Weighted The WPC is the proportion of return determined during trading hours. The WPC of the ith trading period is expressed as: Barclay and
!
price jrtj PT Warner
PT ri;t
contribution WPCi ¼ r -
t¼1 t P T ; and rt ¼ r
t¼1 i;t (1993); Cao,
s¼1jrsj
(WPC) Ghysels, and
ri;t indicates the proportion of return on day t credited to period i.P r jrtj Hatheway
The ratio T measures the proportion of the
t s¼1jrsj (2000)
annual return attributed to day t.
The flow of private information is stronger during trading hours than non-trading hours since informed investors speculate
using their private information while trading. The WPC corresponds to the share of information incorporated on stock returns
during the trading period.
Partial Stock returns are influenced by both noise and the failure of observed prices to adjust to intrinsic values instantly. pt Amihud and
adjustment denotes the log of market prices, vt is the log of the intrinsic value, and et and εt are white noises. The estimation is Mendelson
coefficient undertaken via Kalman filter approach (1987);
(AMPAC) pt - pt-1 ¼ gðvt - pt-1Þ þ et Chelley-
vt ¼ d þ vt-1 þ εt Steeley (2008)
and Daya et al.
varðetÞ ¼ s2 e
(2012)
AMPAC equals j1egj. AMPAC reflects the speed and accuracy of the adjustment of market prices to equilibrium prices. This is
Signal-to- extracted from the output of the regression of close-to-close returns against a constant and close-to-open returns. SNR Luo, Chen,
noise ratio equals the absolute value of one minus the coefficient on close-to-open returns. If SNR converges to zero, then markets are and Yan
(SNR) perfectly efficient. (2014)
Overnight OVR is computed as the ratio between the variance of close-to-open returns and the variance of close-to-close returns. If French and
volatility private information is progressively unveiled through trading, then higher volatility should be observed during trading hours, Roll (1986)
ratio (OVR) not overnight.
Delay Delay consists of the R2 difference from two market model regressions: the unconstrained regression and the constrained Hou and
regression. With respect to the unconstrained regression, weekly stock returns are regressed against a constant, the Moskowitz
contemporaneous returns of a domestic market index (Datastream country indexes), and one lead and one lag of the (2005)
domestic market index return (Dimson, 1979). In the constrained regression, the lag of the market index returns is
suppressed. Delay indicates the share of return variation being captured by lagged market returns. Higher values signify
more time to assimilate new market information.
Variance ratio aVR is computed as the absolute value of the variance of five-day (non-overlapping) stock returns divided by five times the Lo and
(aVR) variance of daily stock returns, minus one (assuming no drift in the computation of the variance). [We undertake a battery of MacKinlay
tests to check whether conclusions are affected by the definition employed. Thus, we also run regression models using (1988);
definitions of the variance ratio in that (i) the indicator is the variance of two-day stock returns divided by two times the Poterba and
variance of daily stock returns, (ii) overlapping returns are utilized in the computation of the variance of five- and two-day Summers
returns, and (iii) assuming a drift in returns when computing variances. As a whole, the results are insensitive to the definition (1988)
of the variance ratio utilized.]

463
P. Pereira da Silva Borsa I_stanbul Review 22-3 (2022) 452e464

References Gilles, C., & LeRoy, S. F. (1991). Econometric aspects of the variance-bounds
tests: A survey. Review of Financial Studies, 4(4), 753e791.
Griffin, J. M., Kelly, P. J., & Federico, N. (2010). Do market efficiency
Amihud, Y., & Mendelson, H. (1987). Trading mechanisms and stock returns:
measures yield correct inferences? A comparison of developed and
An empirical investigation. The Journal of Finance, 42(3), 533e553. Bai, J.,
emerging markets. Review of Financial Studies, 23(8), 3225e3277.
Philippon, T., & Savov, A. (2016). “Have financial markets become
Grossman, S. J., & Stiglitz, J. E. (1980). On the impossibility of informationally
more Informative ? Have financial markets become more Informative ?
efficient markets. The American Economic Review, 70(3), 393e408. Gu, A.
Journal of Financial Economics, 122(3), 625e654. https://doi.org/ 10.1016/
Y., & Finnerty, J. (2002). The evolution of market efficiency: 103 Years
j.jfineco.2016.08.005
daily data of the dow. Review of Quantitative Finance and Accounting, 18(
Ball, R., & Brown, P. (1968). An empirical evaluation of accounting income
3), 219e237.
numbers. Journal of Accounting Research, 6(2), 159e178.
Haw, I. M., Bingbing, H., Lee, J. J., & Wu, W. (2012). Investor protection and
Barber, B. M., Odean, T., & Zhu, N. (2008). Do retail trades move markets?
price informativeness about future earnings: International evidence.
Review of Financial Studies, 22(1), 151e186.
Review of Accounting Studies, 17(2), 389e419.
Barclay, M. J., & Warner, J. B. (1993). Stealth trading and volatility. Which
Hotchkiss, E. S., & Ronen, T. (2002). The informational efficiency of the
trades move prices? Journal of Financial Economics, 34(3), 281e305.
corporate bond market: An intraday analysis. Review of Financial Studies, 15(
Bekaert, G., Campbell, R. H., & Lundblad, C. (2007). Liquidity and expected
5), 1325e1354.
returns: Lessons from emerging markets. Review of Financial Studies, 20(
Hou, K., &Moskowitz, T. J. (2005). Market frictions, price delay, and the cross-
6), 1783e1831.
section of expected returns. Review of Financial Studies, 18(3), 981e1020. Ito,
Biais, B., Hillion, P., & Spatt, C. (1999). Price discovery and learning during
M., & Sugiyama, S. (2009). Measuring the degree of time varying market
the preopening period in the paris bourse. Journal of Political Economy,
inefficiency. Economics Letters, 103(1), 62e64.
107(6), 1218e1248.
Jegadeesh, N., & Titman, S. (1993). Returns to buying winners and selling
Black, F. (1986). Noise. The Journal of Finance, 41(3), 528e543.
losers: Implications for stock market efficiency. The Journal of Finance,
Bris, A., Goetzmann, W. N., & Zhu, N. (2007). Efficiency and the bear: Short
48(1), 65e91.
sales and markets around the world. The Journal of Finance, 62(3), 1029e
La Porta, R., Lopez-De-Silanes, F., & Shleifer, A. (2006). What works in
1079.
securities laws? The Journal of Finance, 61(1), 1e32.
Bushman, R. M., Joseph, D. P., & Abbie, J. S. (2004). What determines
Lang, M., & Maffett, M. (2011). Transparency and liquidity uncertainty in
corporate transparency? Journal of Accounting Research, 42(2), 207e252.
crisis periods. Journal of Accounting and Economics, 52(2e3), 101e125.
Campbell, J. Y., Lo, A. W., & MacKinlay, A. C. (1997). The econometrics of
Larcker, D. F., Richardson, S. A., & Irem, T. (2007). Corporate governance,
financial markets. Princeton, N.J: Princeton University Press.
accounting outcomes, and organizational performance. The Accounting
Cao, C., Ghysels, E., & Frank, H. (2000). Price discovery without trading:
Review, 82(4), 963e1008.
Evidence from the nasdaq preopening. The Journal of Finance, 55(3),
Lehmann, B. N. (1990). Fads, martingales, and market efficiency. Quarterly
1339e1365.
Journal of Economics, 105(1), 1e28.
Chelley-Steeley, P. (2008). Market quality changes in the london stock market.
Llorente, G., Michaely, R., Saar, G., & Wang, J. (2002). Dynamic volume-
Journal of Banking & Finance, 32(10), 2248e2253.
return relation of individual stocks. Review of Financial Studies, 15(4),
Collins, D. W., Kothari, S. P., Shanken, J., & Sloan, R. G. (1994). Lack of
1005e1047.
timeliness and noise as explanations for the low contemporaneuos
Lo, A. W., & MacKinlay, A. C. (1988). Stock market prices do not follow
returnearnings association. Journal of Accounting and Economics, 18(3), 289e
random walks: Evidence from a simple specification test. Review of
324. da Silva, P. P. (2018). Fragmentation and market quality: The case of Euro-
Financial Studies, 1(1), 41e66.
pean markets.” economist (Netherlands).
Lundholm, R., & Myers, L. A. (2002). Bringing the future forward: The effect
Daya, W., Mazouz, K., & Freeman, M. (2012). Information efficiency changes
of disclosure on the returns-earnings relation. Journal of Accounting
following FTSE 100 index revisions. Journal of International Financial
Research, 40(3), 809e839.
Markets, Institutions and Money, 22(4), 1054e1069.
Luo, M., Chen, T., Isabel, K., & Yan. (2014). Price informativeness and
De Bondt, Werner, F. M., & Thaler, R. (1985). Does the stock market over-
institutional ownership: Evidence from Japan. Review of Quantitative
react? The Journal of Finance, 40(3), 793e805.
Finance and Accounting, 42(4), 627e651.
Dimson, E. (1979). Risk measurement when shares are subject to infrequent
Mandelbrot, B. B. (1971). When can price Be arbitraged efficiently? A limit to
trading. Journal of Financial Economics, 7(2), 197e226.
the validity of the random walk and martingale models. The Review of
Djankov, S., La Porta, R., Lopez-de-Silanes, F., & Shleifer, A. (2008). The law
Economics and Statistics, 225e236.
and economics of self-dealing. Journal of Financial Economics, 88(3), 430e
O'Hara, M., & Ye, M. (2011). Is market fragmentation harming market
465.
quality? Journal of Financial Economics, 100(3), 459e474.
Doran, J. S., Peterson, D. R., & Wright, C. (2010). Confidence, opinions of
Pereira da Silva, P., Vieira, C., & Vieira, I. (2018). Central clearing and CDS
market efficiency, and investment behavior of finance professors. Journal of
market quality. Journal of Futures Markets, 38(6), 731e753. https://
Financial Markets, 13(1), 174e195.
doi.org/10.1002/fut.21906
Fama, E. F. (1970). Efficient capital markets-A review of theory and empirical
Poterba, J. M., & Summers, L. H. (1988). Mean reversion in stock prices:
work. The Journal of Finance, 25(2), 383e417.
Evidence and implications. Journal of Financial Economics, 22(1), 27e59. Roll, R.
Fama, E. F. (1991). Efficient capital markets: II. The Journal of Finance,
(1984). A simple implicit measure of the effective bid-ask spread in an
46(5), 1575e1617.
efficient market. The Journal of Finance, 39(4), 1127e1139.
Fama, E. F., Fisher, L., Jensen, M. C., &Roll, R. (1969). The adjustment of stock
R€osch, D. M., Subrahmanyam, A., & Mathijs, A. Van D. (2017). The dynamics
prices to new information. International Economic Review, 10(1), 1e21.
of market efficiency. Review of Financial Studies, 30(4), 1151e1187. Saffi,
Fernandes, N., & Ferreira, M. A. (2009). Insider trading laws and stock price
P. A. C., & Sigurdsson, K. (2011). Market efficiency and short selling.
informativeness. Review of Financial Studies, 22(5), 1845e1887. Francis, J.,
Review of Financial Studies, 24(3), 821e852.
Nanda, D., & Olsson, P. (2008). Voluntary disclosure, earnings
Shiller, R. J. (1981). The use of volatility measures in assessing market effi-
quality, and cost of capital. Journal of Accounting Research, 46(1), 53e99.
ciency. The Journal of Finance, 36(2), 291e304.
French, K. R., & Roll, R. (1986). Stock return variances. The arrival of in-
Tucker, J. W., & Zarowin, P. A. (2006). Does income smoothing improve
formation and the reaction of traders. Journal of Financial Economics, 17(
earnings informativeness? The Accounting Review, 81(1), 251e270. Yen,
1), 5e26.
G., & Lee, C. (2008). Efficient market hypothesis (EMH): Past, present
Gelb, D. S., & Zarowin, P. (2002). Corporate disclosure policy and the
and future. Review of Pacific Basin Financial Markets and Policies, 11(2),
informativeness of stock prices. Review of Accounting Studies, 7(1), 33e
305e329.
52.

464