Evaluasi Empiris Accounting Income Numbers

Para ahli teori akuntansi pada umumnya mengevaluasi kegunaan praktik-praktik akuntansi
dengan sejauh mana kesepakatan mereka dengan model analitik tertentu. Model dapat terdiri
dari hanya beberapa pernyataan atau mungkin argumen yang dikembangkan dengan ketat.
Dalam setiap kasus, metode evaluasi adalah untuk membandingkan praktik yang ada dengan
praktik yang lebih disukai yaitu • ptlw '.Jy •, ih, rnuuln' atau wri: lr stnne: st11l1Ulnu 'wrhbr,
ihl' rnuuln 'iinptlei, ml' praktik harus memiliki. Kelemahan dari metode ini adalah bahwa ia
mengabaikan sumber signifikan pengetahuan dunia, yaitu sejauh mana prediksi model sesuai
dengan perilaku yang diamati.

Tidaklah cukup untuk mempertahankan penyelidikan analitis atas dasar bahwa asumsinya
dapat didukung secara empiris, karena bagaimana orang mengetahui bahwa sebuah teori
mencakup semua asumsi yang relevan yang dapat didukung? Dan bagaimana seseorang
menjelaskan kekuatan prediksi proposisi yang didasarkan pada asumsi yang tidak dapat
diverifikasi seperti maksimalisasi fungsi utilitas? Lebih lanjut, bagaimana seseorang
menyelesaikan perbedaan antara proposisi yang muncul dari mempertimbangkan berbagai
aspek dunia?

Keterbatasan dari pendekatan analitis penuh terhadap kegunaan diilustrasikan oleh argumen
bahwa angka pendapatan tidak dapat didefinisikan secara • stabil, bahwa mereka tidak
memiliki "makna" dan karenanya memiliki kegunaan yang diragukan. ' Argumen sebagian
berasal dari pengembangan tambal sulam praktik akuntansi untuk memenuhi situasi baru saat
mereka muncul. Akuntan harus berurusan dengan konsolidasi, sewa, merger, penelitian dan
pengembangan, perubahan tingkat harga, dan biaya perpajakan, untuk menyebutkan hanya
beberapa bidang masalah. Karena akuntansi tidak memiliki kerangka teori yang mencakup
semua, perbedaan dalam praktik telah berkembang. Sebagai akibatnya, pendapatan bersih
merupakan agregat komponen yang tidak homogen. Oleh karena itu dikatakan sebagai sosok
"tidak berarti", tidak berbeda dengan perbedaan antara dua puluh tujuh meja dan delapan
kursi. Di bawah pandangan ini, laba bersih hanya dapat didefinisikan sebagai

hasil penerapan seperangkat prosedur {X1, X ,, • • • l ke satu set

peristiwa {l'i, Y,, • • • l tanpa makna substantif definitif lainnya sama sekali. Canning
mengamati:
Apa yang ditetapkan sebagai ukuran pendapatan bersih tidak pernah dapat dianggap sebagai
fakta dalam arti apa pun kecuali bahwa itu adalah angka yang dihasilkan ketika akuntan telah
selesai menerapkan prosedur yang ia adopsi.

Nilai dari upaya analitis untuk mengembangkan pengukuran yang mampu interpretasi
definitif tidak dipermasalahkan. Apa yang dipermasalahkan adalah kenyataan bahwa model
analitis tidak dengan sendirinya menilai signifikansi penyimpangan dari pengukuran yang
tersirat. Oleh karena itu berbahaya untuk menyimpulkan, dengan tidak adanya pengujian
empiris lebih lanjut, bahwa kurangnya makna substantif menyiratkan kurangnya utilitas.

Evaluasi empiris dari angka-angka pendapatan akuntansi mensyaratkan persetujuan apa hasil
dunia nyata yang merupakan uji kegunaan yang tepat. Karena laba bersih adalah sejumlah
minat khusus bagi investor, hasil yang kami gunakan sebagai kriteria prediktif adalah
keputusan investasi karena tercermin dalam harga keamanan. ' Baik konten dan waktu angka
pendapatan bersih tahunan yang ada "tidak dapat dievaluasi karena kegunaannya dapat
dipasangkan dengan kekurangan di keduanya.

Tes Empiris

Perkembangan terbaru dalam teori modal memberikan justifikasi untuk memilih perilaku
harga sekuritas sebagai uji operasional kegunaan. Tubuh teori yang mendukung teori
mendukung proposisi bahwa pasar modal efisien dan tidak memihak dalam hal jika informasi
berguna dalam membentuk harga aset modal, maka pasar akan menyesuaikan harga aset
dengan informasi itu dengan cepat dan tanpa meninggalkan peluang untuk memperoleh
keuntungan abnormal lebih lanjut. • Jika, seperti bukti menunjukkan, harga sekuritas
sebenarnya menyesuaikan dengan cepat ke informasi baru begitu tersedia, maka perubahan
dalam harga sekuritas akan kembali.

2 Canning (1929), hlm. 98.

3 Pendekatan lain yang dilakukan oleh Beaver (1968) adalah menggunakan keputusan
investasi, sebagaimana tercermin dalam volume transaksi, untuk kriteria prediktif.
'Sebagai contoh, Samuelson (1965) menunjukkan bahwa pasar tanpa bias dalam evaluasi
informasi akan memunculkan serangkaian harga waktu yang berfluktuasi secara acak.

Lihat juga Cootner (ed.) (1964); Fama (1965); Fama dan Blume (1966); Fama, dkk.

(1967); dan Jensen (1968).

mencerminkan aliran informasi ke pasar. ' Revisi yang diamati dari harga saham terkait
dengan rilis laporan pendapatan akan memberikan bukti bahwa informasi yang tercermin
dalam angka pendapatan berguna.

Metode kami yang menghubungkan pendapatan akuntansi dengan harga saham didasarkan
pada teori dan bukti ini dengan berfokus pada informasi yang unik untuk perusahaan tertentu.
' Secara khusus, kami membangun dua model alternatif dari apa yang pasar harapkan dari
pendapatan dan kemudian menyelidiki reaksi pasar ketika ekspektasinya terbukti salah.

PERUBAHAN PENDAPATAN YANG DIHARAPKAN DAN TIDAK DIHARAPKAN

Secara historis, pendapatan perusahaan cenderung bergerak bersama. Satu studi menemukan
bahwa sekitar setengah dari variabilitas dalam tingkat laba per saham (EPS) rata-rata
perusahaan dapat dikaitkan dengan efek ekonomi secara luas. ' Sehubungan dengan bukti ini,
setidaknya sebagian dari perubahan dalam pendapatan perusahaan dari satu tahun ke tahun
akan diharapkan. Jika, pada tahun-tahun sebelumnya, pendapatan perusahaan telah dikaitkan
dengan pendapatan perusahaan lain dengan cara tertentu, maka pengetahuan tentang
hubungan masa lalu itu, bersama dengan pengetahuan tentang pendapatan perusahaan-
perusahaan lain untuk tahun ini, menghasilkan ekspektasi bersyarat untuk pendapatan
perusahaan saat ini. Dengan demikian, terlepas dari efek konfirmasi, jumlah informasi baru
yang disampaikan oleh jumlah pendapatan saat ini dapat diperkirakan dengan perbedaan
antara perubahan aktual dalam pendapatan dan harapan kondisionalnya.

Tetapi tidak semua perbedaan ini merupakan informasi baru. Beberapa perubahan dalam
pendapatan dihasilkan dari pembiayaan dan keputusan kebijakan lainnya yang dibuat oleh
perusahaan. Kami berasumsi bahwa, untuk perkiraan pertama, perubahan tersebut tercermin
dalam perubahan rata-rata pendapatan sepanjang waktu.
Karena dampak dari dua komponen perubahan-ekonomi-luas ini dan efek kebijakan-
dirasakan secara bersamaan, hubungan harus diperkirakan bersama. Spesifikasi statistik yang
kami adopsi adalah yang pertama kali memperkirakan, dengan Ordinary Least Squares
(OLS), koefisien (a1jt , a2jt) dari regresi linier dari perubahan pendapatan perusahaan j (∆I j, t-T)
pada perubahan pendapatan rata-rata semua perusahaan (selain perusahaan j) di pasar ((∆M j,
) 8 menggunakan data hingga akhir tahun sebelumnya (T = 1, 2, ......, t - 1):
t-T

∆I j, t-T = d1jt + d2j t ∆M j, t-T + Ȗj,t-T T = 1, 2, ..........., t - 1

Satu karakteristik pasar keamanan yang terdokumentasi dengan baik adalah bahwa sumber
informasi yang berguna ditindaklanjuti dan sumber yang tidak berguna diabaikan. Ini tidak
mengherankan karena pasar terdiri dari sejumlah besar aktor yang bersaing yang dapat
memperoleh manfaat dari bertindak berdasarkan interpretasi masa depan yang lebih baik
daripada orang-orang dari saingan mereka. Lihat, misalnya, Scholes (1967); dan catatan kaki
4 di atas. Evaluasi pasar keamanan ini sangat berbeda dari evaluasi Chambers (1966, hlm.
272-73).

Lebih tepatnya, kami fokus pada informasi yang tidak umum untuk semua perusahaan,
karena beberapa efek industri tidak dipertimbangkan dalam tulisan ini.

Sebagai alternatif, 35 hingga 40 persen dapat dikaitkan dengan efek umum untuk semua
perusahaan ketika pendapatan didefinisikan sebagai Pengembalian Modal yang Disesuaikan
dengan pajak yang dipekerjakan. [Sumber: Ball and Brown (196i), Tabel 4.]

Kami menyebut M sebagai "indeks pasar" pendapatan karena ini dibangun hanya dari
perusahaan yang diperdagangkan di New York Stock Exchange.

di mana topi menunjukkan perkiraan. Perubahan pendapatan yang diharapkan untuk

perusahaan j di tahun t kemudian diberikan oleh prediksi regresi menggunakan perubahan
dalam pendapatan rata-rata untuk pasar di tahun t:

∆Ijt = d1jt + d2jt ∆Mjt

Perubahan penghasilan yang tidak terduga, atau kesalahan perkiraan ('12;,), adalah perubahan
penghasilan aktual dikurangi yang diharapkan:

Ȗjt= ∆Ijt −∆Ȋjt

Ini adalah kesalahan perkiraan yang kami asumsikan sebagai informasi baru yang
disampaikan oleh angka pendapatan saat ini.

REAKSI PASAR

Juga telah diperlihatkan bahwa harga saham, dan karenanya tingkat pengembalian dari
memegang saham, cenderung bergerak bersama. Dalam satu studi, diperkirakan bahwa
sekitar 30 hingga 40 persen dari variabilitas dalam tingkat pengembalian bulanan saham
selama periode Maret 1944 hingga Desember 1960 dapat dikaitkan dengan efek pasar secara
luas. Variasi pasar luas dalam pengembalian saham dipicu oleh rilis informasi yang
menyangkut semua perusahaan. Karena kami mengevaluasi laporan pendapatan yang terkait
dengan perusahaan individual, konten dan waktunya harus dinilai relatif terhadap perubahan
tingkat pengembalian saham perusahaan setelah efek pasar-luas.

Dampak informasi pasar-luas pada tingkat pengembalian bulanan dari investasi satu dolar
dalam saham perusahaan j dapat diperkirakan dengan nilai yang diprediksi dari regresi linier
dari kerabat harga bulanan saham biasa perusahaan j pada indeks pasar pengembalian :

King (1966)

Kerabat harga keamanan bulanan untuk bulan m didefinisikan sebagai dividen

(djm) + harga penutupan (pj, m+1), dibagi dengan harga pembukaan (pjm):

PRjm = (pj, m+1 + djm) / pjm

Karenanya, harga relatif bulanan sama dengan tingkat pengembalian bulanan diskrit plus
kesatuan: logaritma naturalnya adalah tingkat pengembalian bulanan yang terus bertambah.
Dalam tulisan ini, kami menganggap peracikan diskrit karena hasilnya lebih mudah untuk
ditafsirkan dalam bentuk itu.

Fama, dkk. (1967) menyimpulkan bahwa "regresi keamanan pada pengembalian pasar
lembur adalah metode yang memuaskan untuk abstrak dari efek kondisi pasar umum pada
tingkat pengembalian bulanan pada sekuritas individu." Dalam sampai pada kesimpulan
mereka, mereka menemukan bahwa "diagram pencar untuk [pengembalian atas] sekuritas
individual [vis-A-vis pengembalian pasar] mendukung dengan sangat baik asumsi regresi
linearitas, homoseksualitas, dan independensi serial." Fama, dkk. mempelajari transformasi
logaritmik alami dari kerabat harga, seperti yang dilakukan King (1966). Namun, Blume
(1968) bekerja dengan persamaan (3). Kami juga melakukan tes pada spesifikasi alternatif:

di mana Ln, menunjukkan fungsi logaritmik alami. Hasilnya sesuai dengan yang dilaporkan
di bawah ini.

[PRjm - l] = b1j+ b2j[Lm - l] + Ûjm

di mana PRjm adalah harga relatif bulanan untuk perusahaan j dan bulan m, Lis hubungan
relatif dari "Indeks Kinerja Investasi Kombinasi" [Fisher (1966)], dan v; m adalah sisa
pengembalian saham untuk perusahaanj di bulan m. Nilai [L m - l] adalah perkiraan tingkat
pengembalian bulanan pasar. Subskrip m dalam sampel kami mengasumsikan nilai untuk
semua bulan sejak Januari 1946 yang datanya tersedia.

Sisa dari regresi OLS yang diwakili dalam persamaan (3) mengukur sejauh mana
pengembalian yang direalisasikan berbeda dari pengembalian yang diharapkan tergantung

pada parameter regresi yang diestimasi (b1j , b2j) dan indeks pasar [Lm - I]. Dengan demikian,
karena pasar telah ditemukan untuk menyesuaikan dengan cepat dan efisien untuk informasi
baru, residu harus mewakili dampak dari informasi baru, tentang perusahaan j saja, pada
pengembalian dari memegang saham biasa di perusahaan j.

BEBERAPA MASALAH EKONOMETRIS

Salah satu asumsi model regresi pendapatan OLS12 adalah bahwa Mj; dan uj; tidak
berkorelasi. Korelasi di antara mereka dapat mengambil setidaknya dua bentuk, yaitu
dimasukkannya perusahaan j dalam indeks pasar pendapatan (Mj), dan adanya efek industri.
Yang pertama telah dieliminasi oleh konstruksi (dilambangkan dengan j-subscript pada M),
tetapi tidak ada penyesuaian telah dilakukan untuk kehadiran efek industri. Diperkirakan
bahwa efek industri mungkin hanya sekitar 10 persen dari variabilitas dalam tingkat
pendapatan perusahaan. "Untuk alasan ini persamaan (1) telah diadopsi sebagai spesifikasi
yang sesuai dengan keyakinan bahwa ada bias dalam estimasi a1jt dan a2jt tidak akan
signifikan. Namun, sebagai pengecekan efisiensi statistik dari model, kami juga menyajikan
hasil untuk alternatif, model naif yang memprediksi bahwa pendapatan akan sama untuk
tahun ini seperti untuk Terakhir, kesalahan ramalannya hanyalah perubahan pendapatan sejak
tahun sebelumnya.

Seperti halnya dengan model regresi pendapatan, model pengembalian saham, seperti yang
disajikan, mengandung beberapa pelanggaran yang jelas dari asumsi model regresi OLS.
Pertama, indeks pengembalian pasar berkorelasi dengan residual karena indeks pasar
mengandung pengembalian atas perusahaan i, dan karena efek industri. Keither pelanggaran
serius, karena indeks Fisher dihitung atas semua saham yang terdaftar di Kew York Stock
Exchange (karenanya pengembalian atas keamanan j hanya sebagian kecil dari indeks), dan
karena efek industri menyumbang paling banyak 10 persen dari variabilitas dalam tingkat
pengembalian saham rata-rata. Pelanggaran kedua dihasilkan dari prediksi kami bahwa, untuk
bulan-bulan tertentu di sekitar tanggal laporan, nilai yang diharapkan dari vj adalah bukan
nol. Sekali lagi, bias apa pun harus memiliki sedikit efek pada hasil, karena ada autokorelasi
yang diamati dan rendah dalam Vj, dan dalam kasus tidak ada regresi pengembalian saham
dipasang lebih dari kurang dari 100 pengamatan.

Artinya, asumsi yang diperlukan untuk OLS menjadi penaksir varians minimum, linier, tidak
bias.

Besarnya dampak industri tergantung pada seberapa luas suatu industri ditentukan, yang pada
gilirannya tergantung pada aplikasi empiris tertentu yang dipertimbangkan. Perkiraan 10
persen didasarkan pada skema klasifikasi dua digit. Ada beberapa bukti bahwa efek industri
mungkin mencapai lebih dari 10 persen ketika asosiasi diperkirakan dalam perbedaan
pertama [Brealey (1968)].