translate artikel akpri_kelompok 5.doc
TRANSCRIPT
Pengaruh Peningkatan Pelaporan Frekuensi pada nonprofesional
Investor Laba Prediksi
Abstrak : pelaporan lebih sering telah menjadi topik perdebatan selama beberapa tahun . Namun,
sedikit yang diketahui tentang kemungkinan efek lebih sering pelaporan pada pengambilan
keputusan investor . Menggunakan percobaan antara - subyek , saya menganalisis bagaimana
frekuensi pelaporan - pendapatan mingguan , sebagai lawan laba kuartalan - mempengaruhi
interval akurasi , dispersi dan keyakinan prediksi laba oleh investor non-profesional . Saya
berhipotesis dan menemukan bahwa hasil pelaporan lebih sering dalam prediksi kurang akurat
dan dispersi yang lebih besar dari prediksi untuk laba dengan pola musiman yang kuat . Saya
juga berhipotesis , tetapi tidak menemukan dukungan , bahwa pelaporan lebih sering secara
signifikan meningkatkan kepercayaanlebar interval antara investor non-profesional . Hasil
penelitian menunjukkan bahwa investor dalam kondisi pelaporan lebih sering terlalu percaya
meskipun prediksi akurat kurang mereka daripada mereka dalam kondisi pelaporan kurang
sering .
Kata kunci : frekuensi pengungkapan , perkiraan pendapatan , akurasi , kepercayaan investor ..
1 . Pengantar
Frekuensi optimal pelaporan laba telah banyak dibahas . Pada satu ekstrim , beberapa
perusahaan Eropa melaporkan setiap semester dan telah menolak upaya oleh regulator untuk
meminta laporan triwulanan ( Komisi 2003 ) . Di lain ekstrim, perusahaan-perusahaan seperti
Cisco , dengan menggunakan in- house teknologi , telah mengadopsi konsep pelaporan internal
real-time , dan teknologi seperti XBRL ( eXtensible Bisnis Pelaporan Bahasa ) diharapkan untuk
membuat pelaporan eksternal lebih sering kemungkinan lebih realistis bagi perusahaan
( Watson , McGuire dan Cohen , 2000) .
Pelaporan lebih sering laba sering dianggap sebagai ketat menguntungkan bagi investor ,
sedangkan pelaporan kurang sering tidak menguntungkan . Seorang mantan Securities & Ketua
Komisi Exchange, Harvey Pitt , berpendapat bahwa " pengajuan kuartalan menghasilkan out-of -
date snap shot daripada jendela real-time " ( Levitt , 2002 ) . Hunton , Wright , dan Wright
( 2003 ) menemukan bahwa sampel dari 215 mangers keuangan , analis dan investor percaya
bahwa meningkatkan frekuensi pelaporan laba akan meningkatkan kegunaan keputusan laporan
keuangan dan kualitas laba .
Sedikit yang diketahui tentang konsekuensi dari pelaporan lebih sering , namun. Salah
satu manfaat utama dari pelaporan lebih sering meningkat ketepatan waktu informasi yang
diberikan kepada investors.1 Mengimbangi manfaat ini , bagaimanapun, adalah potensi efek
negatif pada penilaian subjektif . Evaluasi lebih sering dimungkinkan oleh pelaporan lebih sering
pengembalian efek meningkatkan nonprofesional tayangan investor ketidakpastian pengembalian
( Gneezy dan Potters 1997 ) , dan lebih sering evaluasi laba bisa memiliki efek yang sama .
Selain itu , data yang lebih besar set yang dihasilkan dari pelaporan lebih sering dapat
meningkatkan beban kognitif investor , membuat pengenalan pola lebih sulit , dan membuatnya
lebih mungkin bahwa nonprofesional mengandalkan heuristik sederhana. Teori pengolahan
informasi manusia ( Schroder , Driver and Streufert 1967 ) menunjukkan bahwa ada hubungan
berbentuk U terbalik antara beban informasi dan kualitas keputusan . Set data yang lebih besar
dapat meningkatkan sejumlah kesalahan penilaian yang telah ditunjukkan dalam literatur
psikologi : kegagalan untuk mendeteksi pola yang signifikan dalam seri data ( Klayman 1988) ,
salah identifikasi pola dalam serangkaian data non - acak ( Maines dan Tangan 1996) , atau
kecenderungan untuk melihat pola tidak ada dalam serangkaian acak ( Andreassen 1987 , 1990 ,
Bloomfield dkk , 2001; . Lim dan O'Connor 1996 dan O'Connor et al 1993 . ) .
Investor non-profesional , yang tidak mungkin untuk menggunakan model statistik yang
canggih untuk memprediksi laba , bisa sangat rentan terhadap efek pemrosesan informasi
subyektif. Sebanyak 42 % kepemilikan di atas 1.000 Perusahaan-perusahaan AS terdiri dari
investor non-profesional ( Redaksi , 2000) . Akibatnya , penelitian terbaru telah difokuskan pada
penggunaan investor non-profesional ' laporan pendapatan untuk membuat penilaian tentang laba
masa depan , risiko dan nilai perusahaan ( Maines dan McDaniel 2000; Bartov , Radhakrishnan
dan Krinsky 2000; Maines dan Tangan 1996) .
Dalam studi ini , aku eksperimen memeriksa bagaimana frekuensi pelaporan laba per
saham mempengaruhi interval akurasi , dispersi dan keyakinan laba prediksi investor non-
profesional . Saya menguji efek dari frekuensi pelaporan ketika peserta secara acak ditugaskan
untuk baik lebih sering ( mingguan ) atau kurang sering pelaporan ( triwulanan ) . Seri
pendapatan mingguan dibangun sehingga pendapatan mingguan tidak memberikan keuntungan
atau kerugian statistik dalam mengestimasi laba triwulanan. Akibatnya, studi ini hanya
mengukur efek penilaian pelaporan lebih sering yang tidak karena perbedaan dalam konten
informasi . Laba prediksi dan interval kepercayaan menimbulkan dari para peserta .
Hasil penelitian menunjukkan bahwa , memegang isi informasi lebih dan kurang sering
pelaporan konstan, pelaporan lebih sering mengarah ke kurang akurat dan lebih tersebar prediksi
laba triwulanan. Anehnya , lebih sering pelaporan tidak menimbulkan interval kepercayaan besar
oleh investor non-profesional . Bahkan , hasil menunjukkan bahwa investor dalam kondisi
pelaporan lebih sering sama-sama percaya diri meskipun kurang akurat . Penelitian ini
memberikan kontribusi terhadap perdebatan peraturan , baik di Amerika Serikat dan luar negeri ,
tentang kegunaan sering pelaporan lebih dari penghasilan . Regulator dan peneliti cenderung
berfokus pada manfaat dari pelaporan lebih sering . Studi ini menunjukkan bahwa ada potensi
biaya untuk penggunaan investor yang sering pelaporan dan biaya ini harus dimasukkan ke
dalam perdebatan . Penelitian ini juga memberikan kontribusi terhadap time series sastra
peramalan . Penelitian sebelumnya telah memeriksa efek periodisitas , 2 tren , musiman ,
kebisingan dan ketidakstabilan , tetapi belum meneliti bagaimana frekuensi pelaporan dapat
mempengaruhi peramalan judgments. 3 Sisa dari makalah ini diorganisasikan sebagai berikut :
Bagian 2 berisi tinjauan literatur dan pengembangan hipotesis , Bagian 3 berisi desain
eksperimental, Bagian 4 berisi hasil empiris , dan Bagian 5 kesimpulan.
2. Literature review dan hipotesis pengembangan
Biaya dan manfaat relatif dari peningkatan frekuensi pelaporan telah lama menarik baik
untuk manajer dan investor . Meskipun Securities and Exchange Act of 1934 khusus diizinkan
SEC untuk mandat laporan keuangan tahunan maupun triwulanan untuk perusahaan bursa yang
terdaftar , SEC awalnya dimandatkan laporan tahunan . Pada tahun 1945 , SEC diperlukan
kuartalan pelaporan pendapatan tetapi tidak laba bersih , rupanya acquiescing kritik publik
bahwa informasi pendapatan kuartalan akan dapat diandalkan dan berpotensi menyesatkan
karena sifat musiman beberapa bisnis ' . Laporan triwulanan wajib tidak secara resmi diadopsi
sampai 1970 setelah 1969 Wheat Commission.
Pada tahun 1995 pidato SEC Komisaris Wallman menyerukan pertimbangan
pelaporan lebih sering , menyatakan , " Hari ini , tahunan dan laporan triwulanan bahkan tidak
menangkap dan mengkomunikasikan perkembangan materi dalam waktu yang cukup untuk
memenuhi kebutuhan pasar informasi " ( Wallman 1995) . Pada tahun 2003 , sebuah proposal
untuk sering pelaporan lebih dari penghasilan di Eropa , didorong oleh keinginan untuk lebih
transparan , menimbulkan kekhawatiran bahwa kedua " short - termism " dan manajemen laba
akan meningkat sebagai akibat dari pelaporan lebih sering ( Evans 2003) .
Hasil di pasar modal literatur penelitian arsip menunjukkan bahwa investor non-profesional
kurang berhasil menggabungkan sifat time series pendapatan dalam perkiraan mereka daripada
investor profesional ( Abarbanell dan Bernard 1992; Yakub dan Lys 1996) . Meneliti investor
non-profesional ' penilaian memiliki potensi untuk menambah validitas konvergen dengan hasil
yang ditemukan di ibukota sastra pasar serta memberikan wawasan baru ke investor non-
profesional ' penggunaan data time -series .
Pelaporan lebih sering dapat memiliki efek negatif pada penilaian subjektif dari
nonprofessional investor yang mengimbangi potensi manfaat informasi , dan
memeriksa beberapa efek negatif pada penilaian adalah tujuan utama dari penelitian ini . Pertama
saya menggambarkan model time series yang digunakan untuk menghasilkan data pendapatan
dalam penelitian ini . Selanjutnya saya meringkas proses dimana pelaporan lebih sering dapat
mempengaruhi penilaian investor non-profesional . Akhirnya , menggunakan teori dari literatur
peramalan subyektif, saya memotivasi hipotesis saya tentang efek spesifik lebih sering pelaporan
pada akurasi , dispersi prediksi dan ketidakpastian . Hipotesis ini dimulai dengan mengatasi efek
dari nonprofesional ' menggunakan pelaporan baik lebih sering atau kurang sering . Meskipun
teknologi akan memungkinkan investor akan dapat dengan mudah melihat kedua bentuk
pelaporan , menganalisis bagaimana investor menggunakan baik lebih sering atau kurang sering
pelaporan ini penting karena beberapa alasan . Ada kemungkinan bahwa investor mungkin
percaya bahwa data yang lebih sering dilaporkan lebih informatif daripada yang sebenarnya atau
yang lebih baru . Selain itu, mereka mungkin percaya pelaporan lebih sering menjadi lebih
berguna jika membuat prediksi antara periode triwulanan. Namun , karena kemampuan kognitif
individu, beberapa investor non-profesional dapat memilih untuk menggunakan lebih kecil dan
kurang kognitif menuntut data yang kurang sering dilaporkan . Mereka juga dapat memilih untuk
menggunakan kurang sering melaporkan informasi jika mereka tertarik untuk membuat prediksi
dengan horizon waktu jangka panjang . Akhirnya , penting untuk memahami bagaimana awalnya
investor menggunakan baik lebih atau kurang sering melaporkan informasi karena ini
memberikan bukti terhadap efek lebih sering pelaporan dalam pengaturan sederhana , sehingga
meminimalkan beban kognitif ditempatkan pada investor . tunggal
Kondisi pengujian juga menyediakan investor dengan kesempatan terbaik untuk membuat
prediksi yang akurat dan memungkinkan saya untuk membuat kesimpulan kuat tentang dampak
pelaporan lebih sering .
Model Laba Perilaku
Analisis perilaku time series pendapatan bagi perusahaan AS menunjukkan bahwa
setidaknya beberapa musim hadir dalam hampir setiap industri utama ( Palepu , Bernard dan
Healy , 1996) . Sebagai bagian selanjutnya berpendapat , musiman adalah pola yang bisa lebih
sulit bagi investor non-profesional untuk mendeteksi , memperkirakan , dan gunakan tepat ketika
pelaporan lebih sering meningkatkan volume data tersedia bagi mereka . Untuk menguji
kemungkinan ini , saya menggunakan data pendapatan dengan pola musiman yang kuat , yang
dihasilkan dari model Foster , yang umumnya diajarkan di kelas analisis laporan keuangan
sebagai model laba - prediksi relatif sederhana dan efektif yang menangkap musiman ini
effects.5
E [ Qt ] = Qt - 4 + δ + φ [ Qt - 1 - Qt - 5 ] ( 1 )
Dimana : Qt = Pendapatan kuartalan pada periode berjalan .
Qt - 1 = Pendapatan kuartalan seperempat sebelumnya
Qt - 4 = Pendapatan kuartalan 4 quarter sebelum
Qt - 5 = laba Triwulan 5 kuartal sebelumnya
δ = jangka panjang tren laba kuartalan dari tahun ke tahun semakin meningkat .
φ = tahun perubahan tahun laba kuartalan mengalami paling baru
[ Qt - 1 - Qt - 5 ] .
Maines dan Tangan ( 1996 ) menunjukkan bahwa investor non-profesional subyektif
dapat memperkirakan dan menggunakan komponen musiman dan autoregressive laba kuartalan
series . Karena itu saya berharap bahwa investor non-profesional akan dapat menggunakan data
laba kuartalan berdasarkan model Foster untuk memprediksi laba triwulanan masa depan ,
meskipun mungkin lebih sulit bagi mereka untuk melakukannya ketika mereka memiliki
pendapatan yang lebih sering dilaporkan .
Pengolahan Efek Lebih Sering Pelaporan
Pelaporan lebih sering akan menghasilkan data yang lebih besar ditetapkan untuk jangka
waktu tertentu , yang saya harapkan akan membuat identifikasi pola yang lebih sulit dan
menyebabkan prediksi kurang akurat , penyebaran yang lebih besar dan ketidakpastian yang
lebih tinggi untuk beberapa alasan . Pertama , set data yang lebih besar dapat meningkatkan
beban kognitif dikenakan pada investor non-profesional , sehingga meningkatkan penggunaan
heuristik sederhana seperti keterwakilan dan kebaruan yang dapat mempengaruhi akurasi dan
dispersi dari prediksi . Kedua, pelaporan lebih sering juga mempengaruhi volatilitas dirasakan
laba . Pelaporan lebih sering dapat memiliki efek yang sama seperti ulasan lebih sering
portofolio , yang telah dikaitkan dengan persepsi risiko yang lebih tinggi karena orang menilai
risiko dengan frekuensi return negatif ( Gneezy dan Potters , 1997) . Pendapatan yang lebih
sering dilaporkan cenderung memiliki lebih banyak pembalikan ( switch antara positif dan
negatif perubahan laba ) dalam jangka waktu tertentu sehingga cenderung memiliki perubahan
negatif lebih sering yang mungkin memiliki efek yang sama pada persepsi risiko sebagai
frekuensi pengembalian negatif. Karena investor non-profesional telah terbukti keliru
menggunakan frekuensi laba pembalikan terakhir, sebagai indikasi kemungkinan pembalikan
masa depan ( Bloomfield dan Hales 2002) sejumlah besar pembalikan dapat menyebabkan
persepsi ketidakpastian yang lebih tinggi .
Pengaruh Peningkatan Frekuensi pada Akurasi
Pelaporan lebih sering dapat mempengaruhi keakuratan investor non-profesional ' laba
prediksi karena peningkatan kebisingan yang berhubungan dengan data yang lebih temporal
terpilah . Ini dengan mudah dapat diilustrasikan secara visual . Perhatikan, misalnya , data
musiman identik disajikan dalam format baik mingguan dan triwulanan ( Gambar 1 dan 2
masing-masing). .
Fluktuasi mingguan dalam data pada Gambar 1 dapat mengaburkan pendapatan kuartal
ke-4 peningkatan yang muncul lebih jelas pada Gambar 2 . Jika pola musiman ( atau lainnya )
dikaburkan oleh fluktuasi mingguan , prediksi yang kurang akurat dapat diharapkan .
Lebih sering pelaporan ( yaitu , Gambar 1 ) juga bisa menyebabkan tuntutan kognitif
yang besar, sehingga dalam penggunaan heuristik dan bias diprediksi . Penelitian menunjukkan
bahwa informasi yang berlebihan dapat terjadi dengan sesedikit tujuh plus atau minus dua item
( Miller 1956) . Ketika investor non-profesional memproses sejumlah besar data, mereka tidak
mungkin untuk fokus secara konsisten pada bagian yang paling relevan dari
data ( Bouwman 1982) . Dihadapkan dengan tingkat tinggi beban informasi , investor non-
profesional cenderung untuk menggunakan heuristik untuk membantu dalam proses pengambilan
keputusan . Salah satu kemungkinan adalah bahwa mereka akan mengurangi beban informasi
mereka dengan hanya menggunakan data terbaru sebagai dasar untuk prediksi mereka . Efek
Kekinian ( Tversky dan Kahneman 1974) merupakan suatu penerapan heuristik keterwakilan ,
karena orang percaya data terbaru paling mewakili karakteristik saat seri pendapatan. Hunton
dan McEwen ( 1997) menemukan kebaruan yang sebagian dapat menjelaskan perkiraan
pendapatan kurang akurat oleh para analis . Efek dari kemutakhiran akan berbeda di setiap
kondisi frekuensi pelaporan , namun. Perhatikan, misalnya , skenario di mana investor non-
profesional diberikan tiga tahun laba yang dilaporkan . Asumsikan bahwa investor non-
profesional hanya kognitif dapat memproses 12 titik data . Dalam kasus laporan triwulanan , 12
titik data menyediakan tiga tahun data , yang memberikan investor non-profesional kesempatan
untuk mengidentifikasi dan menggunakan sifat musiman pendapatan . Dalam kondisi pelaporan
mingguan, sebaliknya, data poin 12 lalu tidak cukup sebagai dasar untuk memperkirakan sifat
musiman pendapatan . Akibatnya , efek recency kemungkinan akan menyebabkan prediksi yang
kurang akurat dalam kondisi pelaporan lebih sering daripada di kondisi pelaporan kurang sering .
HIPOTESIS 1 . Kesalahan prediksi mutlak investor non-profesional ' akan lebih besar dalam
kondisi pelaporan lebih sering daripada di kondisi pelaporan kurang sering .
Pengaruh Peningkatan Frekuensi pada Dispersi
Dispersi harapan tentang pendapatan penting dalam praktek karena dapat menyebabkan
peningkatan volume perdagangan . Kesalahan diperkirakan pada H1 meliputi dispersi dan bias ,
H2 berfokus pada dispersi saja .
Laba prediksi kemungkinan akan tersebar bahkan ketika prediksi subjektif individu
didasarkan pada data yang sama , karena kemampuan untuk mengelola beban kognitif meningkat
dan strategi untuk melakukannya mungkin berbeda di seluruh investor non-profesional individu.
Perbedaan individu diharapkan memiliki efek yang lebih besar dengan pelaporan lebih sering .
Ketika pelaporan kurang sering , laporan sedikit yang dihasilkan selama periode waktu tertentu .
Kebanyakan investor non-profesional kemudian dapat menggunakan cukup set data yang besar
( misalnya , 12 laporan kuartalan selama tiga tahun ) untuk mengidentifikasi pola penting dalam
data, sehingga dispersi rendah prediksi . Tiga tahun data mingguan , bagaimanapun, termasuk
156 laporan pendapatan . Banyak investor non-profesional tidak akan menggunakan semua data
ini , dan mereka akan berbeda sehubungan dengan berapa banyak yang mereka gunakan dan apa
kesimpulan yang mereka menarik dari itu .
Orang sering cenderung melihat tren atau goresan dalam seri data yang benar-benar acak,
tetapi mereka tidak semua melihat tren identik atau goresan ( Andreassen , 1987 , 1990;
Bloomfield dkk , 2001; . Lim dan O'Connor , 1996 dan O'Connor et al . , 1993) . Demikian pula ,
investor non-profesional sering salah mengidentifikasi pola-pola dalam seri data yang
nonrandom . Misalnya , Maines dan Tangan ( 1996) menemukan bahwa investor non-profesional
salah terdeteksi komponen autoregressive dalam musiman kuartalan acak
berjalan data. Jumlah yang lebih besar dari titik data dan perubahan lebih sering arah dalam
pelaporan lebih sering kondisi menawarkan kesempatan bagi individu untuk melihat berbagai
pola yang lebih besar tidak ada , serta menutupi pola yang sebenarnya dalam data . Karena
perbedaan individu dalam proses kognitif , dispersi lebih dalam prediksi kemungkinan akan
menghasilkan kondisi pelaporan lebih sering .
HIPOTESIS 2 . Varian prediksi akan lebih besar dalam kondisi pelaporan lebih sering daripada
di kondisi pelaporan kurang sering .
Pengaruh Peningkatan Frekuensi pada Ketidakpastian
Sebelumnya penelitian eksperimental telah mendokumentasikan bahwa penilaian risiko
investor meningkat dengan variabilitas pendapatan ( Maines dan McDaniel 2000; Lipe 1998 ) .
Lebih sering pelaporan laba dapat meningkatkan ketidakpastian subyektif atau variabilitas
dirasakan laba pada investor non-profesional , karena mereka tidak akan data agregat temporal
cakrawala waktu yang relevan dan akan menggunakan fluktuasi jangka pendek dalam
pendapatan sebagai dasar untuk menilai ketidakpastian untuk horizon waktu yang lebih lama .
Jika , seperti yang sering terjadi , nonprofesional adalah investor membeli- dan -terus
bukan pedagang sering , jangka waktu mereka relatif lama , tetapi jika pelaporan lebih sering
tersedia bagi mereka , mereka dapat fokus pada fluktuasi jangka pendek , seperti investor yang
meninjau portofolio pensiun mereka triwulanan atau setiap tahunnya meskipun horizon waktu
mereka dua puluh tahun ( Benartzi dan Thaler 1995). Dalam percobaan, saya meminta orang
untuk prediksi dan interval kepercayaan untuk pendapatan kuartalan , terlepas dari apakah
mereka memiliki mingguan atau kuartalan laporan pendapatan . Horison waktu yang relevan
dalam hal ini adalah triwulanan , dan volatilitas laba kuartalan lebih relevan untuk penilaian
individu daripada volatilitas pendapatan mingguan . Sangat mungkin , bagaimanapun, bahwa
setidaknya beberapa individu akan bukan data mingguan spontan agregat menjadi data kuartalan,
dan akan menggunakan fluktuasi mingguan untuk menilai ketidakpastian laba triwulanan.
Menggunakan data aset - kembali , dan Gneezy Potters ( 1997 ) menunjukkan bahwa
evaluasi yang lebih sering meningkatkan risiko investasi yang dirasakan karena orang menilai
risiko dengan frekuensi return negatif ( return negatif lebih sering dapat diamati selama periode
waktu tertentu jika orang meneliti return bulanan , misalnya , daripada pengembalian tahunan ) .
Demikian pula , Thaler et al . ( 1997 ) menunjukkan bahwa frekuensi evaluasi meningkat ,
investor memilih untuk berinvestasi kurang dalam aset berisiko . Seperti kembali , pendapatan
yang lebih sering dilaporkan akan mencakup lebih fluktuasi ( switch antara perubahan positif dan
negatif ) , dan dengan demikian lebih negatif perubahan laba . Frekuensi perubahan tersebut
dapat menyebabkan investor non-profesional untuk melihat lebih sering melaporkan laba sebagai
lebih stabil , yang menyebabkan ketidakpastian tinggi tentang laba masa depan. Di sisi lain ,
penelitian telah menunjukkan bahwa individu sering sering terlalu percaya ketika disajikan
dengan pengamatan lebih atau titik data ( Oskamp , 1965; Hoge , 1970; Slovic , 1973 ) .
Teori juga menunjukkan bahwa terlalu percaya ini ada bahkan ketika kinerja individu tidak
meningkat . Jika terlalu percaya ada ini akan mengakibatkan ketidakpastian yang lebih rendah
dan akibatnya interval kepercayaan sempit yang dihasilkan oleh individu . Pelaporan lebih sering
cenderung memiliki kedua perubahan sering negatif dan fluktuasi lebih dalam data , yang akan
menyebabkan investor non-profesional untuk menyatakan interval kepercayaan luas sekitar
pendapatan kuartalan prediksi mereka .
HIPOTESIS 3 . Investor non-profesional yang menerima laporan pendapatan lebih sering akan
menunjukkan interval kepercayaan luas sekitar pendapatan kuartalan prediksi mereka daripada
mereka yang menerima laporan laba kurang sering
3 . Desain eksperimental
Desain eksperimental dan Variabel Dependent. Rancangan percobaan adalah 2
( frekuensi pelaporan : kuartalan atau mingguan ) x 2 ( seri laba dibuat dengan dua kesalahan
acak yang berbeda menarik ) x 2 ( arah perubahan : kenaikan atau penurunan antara laba aktual
dalam periode terakhir dilaporkan dan laba yang diharapkan seperti yang diperkirakan oleh
model Foster pada periode diperkirakan ) . Lihat Bagian 3.2 untuk penjelasan menarik kesalahan
acak dan variabel arah. Ketiga variabel dimanipulasi antara subjek .
Variabel dependen diperiksa adalah 1 ) akurasi prediksi pendapatan kuartal depan ,
diukur dengan perbedaan mutlak antara prediksi dan pendapatan diperkirakan oleh model , 2 )
dispersi prediksi , diukur dengan varians ' prediksi dan 3 ) ketidakpastian , yang diukur dengan
peserta peserta interval kepercayaan . Hipotesis 1-3 diuji dengan membandingkan kinerja
penghakiman seluruh kondisi frekuensi .
Variabel Independen dan Data
Tugas peserta adalah untuk memprediksi laba kuartalan per saham berdasarkan data
historis . Dalam kondisi pelaporan lebih sering , peserta menerima sejarah penghasilan mingguan
data per saham . Dalam kondisi pelaporan kurang sering , peserta menerima laba kuartalan
sejarah data per saham .
Model Foster digunakan untuk membuat data pendapatan dengan kuat musiman kuartal
keempat . Pendapatan kuartalan awal adalah orang-orang dari Compaq Computer Perusahaan
untuk tahun 1993, yang buku teks banyak digunakan mempekerjakan sebagai contoh pendapatan
yang dapat diprediksi dengan model Foster ( Palepu et al . , 1996) . Pendapatan diharapkan pada
kuartal berikutnya yang dihasilkan menggunakan nilai Compaq untuk phi ( φ ) parameter .49 dan
delta ( δ ) parameter .09 . Dalam rangka untuk membuat data mingguan pertama 5/4 dihasilkan
dari proses awal yang dipilih . Setiap triwulan dibagi menjadi 13 minggu yang sama dan model
Foster asli diadaptasi untuk membuat data mingguan , sehingga persamaan berikut :
E [ Wi ] = Wit - 4 + δ + φ [ Wit - 1 - Wit - 5 ] ( 2 )
Dimana : Wi = Mingguan laba dalam minggu ini .
Wit - 1 = laba pada minggu aku seperempat sebelumnya
Wit - 4 = Pendapatan dalam seminggu i 4 quarter sebelum
Wit - 5 = The laba pada minggu aku 5/4 sebelum
δw = Tahun ke tahun mingguan laba meningkat .
φw = Sebuah bagian dari tahun ke tahun terus meningkat dalam pendapatan mingguan
berpengalaman paling baru [ Wit - 1 - Wit - 5 ]
Model Foster disesuaikan untuk perhitungan mingguan kemudian digunakan untuk
menghasilkan pendapatan mingguan per saham . Sejumlah kecil kesalahan acak N ( 0 , 01)
ditambahkan ke setiap titik data mingguan . Instrumen akhir mingguan terdiri dari 156 minggu
disajikan dalam 13/4 minggu . Data kuartalan dan instrumen diciptakan dengan menjumlahkan
masing-masing 13 minggu data dan penyajian hanya total kuartalan .
Seri pertama laba diciptakan seperti dijelaskan di atas . Yang kedua dibuat dengan
menggunakan periode yang berbeda 156 - minggu dari data yang dihasilkan oleh Foster model6
dengan arah yang berbeda perubahan antara laba kuartal dilaporkan lalu dan pendapatan
diperkirakan untuk kuartal berikutnya dengan model Foster . Dalam salah satu seri (kenaikan
perkiraan - periode ) , perkiraan pendapatan kuartal berikutnya yang lebih tinggi dibandingkan
laba kuartal dilaporkan lalu , sementara di seri lainnya (penurunan periode diperkirakan ) ,
mereka lebih rendah . Dua versi dari peningkatan seri dan dua versi dari penurunan seri
diciptakan dengan menambahkan dua set berbeda kesalahan acak menarik dari N yang sama ( 0 ,
.01 ) distribusi ke mingguan diharapkan laba yang dihasilkan dari model Foster mingguan . Arah
prediksi dan menarik kesalahan acak dimanipulasi untuk memastikan bahwa hasilnya tidak unik
untuk serangkaian data tunggal .
Data mingguan yang digunakan dalam penelitian ini dibangun untuk memastikan bahwa
konten informasi real adalah konstan di kondisi mingguan dan bulanan dan perbedaan antara
kondisi eksperimental adalah karena perbedaan dalam pengolahan subyektif. Apabila data
mingguan yang sebenarnya telah kurang informatif daripada data kuartalan , hal ini akan
menambah efek negatif dari laporan mingguan . Jika , di sisi lain, data mingguan telah lebih
informatif daripada data kuartalan , kinerja penghakiman akan lebih baik daripada data kuartalan,
tetapi masih akan suboptimal jika pelaporan lebih sering disebabkan negatif psikologis effects.7
Tugas eksperimental dan Prosedur
Peserta menerima paket bersama dengan lembar instruksi . Setiap paket berisi formulir
persetujuan , bahan kasus , dan kuesioner pasca - percobaan . Bahan kasus memberitahu peserta
bahwa kuartal akhir terbaru untuk perusahaan target adalah 31 Desember 2003 . Peserta diminta
untuk memprediksi laba untuk kuartal pertama tahun 2004 . Dalam kondisi pelaporan lebih
sering , hati-hati khusus ditambahkan untuk memastikan bahwa subjek memberikan kuartalan
dan bukan prediksi mingguan . Peserta menerima data pendapatan di kedua tabel dan bentuk
grafik . Selain itu, disk yang berisi data tabular juga diberikan kepada peserta untuk
membantu dalam perhitungan jika mereka diinginkan . Sesi eksperimental terjadi di komputer
laboratorium , dan semua peserta memiliki akses ke spreadsheet . Setelah membuat mereka
prediksi , peserta diminta untuk menghasilkan setara interval kepercayaan 90 % . Lihat Lampiran
untuk contoh instrumen .
Pada akhir tugas prediksi , kuesioner pasca - percobaan diberikan . Pertanyaan yang
disertakan pada peserta ( 1 ) pengalaman pasar saham , ( 2 ) keuangan dan pengetahuan statistika
, ( 3 ) sikap risiko, ( 4 ) penilaian tentang volatilitas yang dirasakan dari data, dan ( 5 ) laporan
tingkat kepentingan dan pengaruh periode waktu terbaru dalam penilaian mereka . Yang terakhir
ini memungkinkan untuk identifikasi efek kebaruan . Pertanyaan ditargetkan untuk menilai
pemahaman peserta dari jangkauan dan varians juga termasuk dalam kuesioner pasca -
percobaan . Akhirnya peserta diminta untuk menjelaskan secara rinci bagaimana mereka
dihasilkan prediksi mereka. Peserta mendapatkan kredit kelas untuk berpartisipasi dalam
percobaan . Selain itu, peserta dengan prediksi dalam $ 0,04 dari laba aktual per saham
memperoleh tambahan $ 10.
Peserta
Peserta dalam percobaan ini adalah 84 tahun pertama dan kedua mahasiswa MBA dan
Magister Akuntansi mahasiswa dari universitas negara besar di Midwest . Peserta direkrut dari
kelas analisis laporan keuangan MBA . Hasil dari 12 peserta tidak dilibatkan karena mereka
menghasilkan laba prediksi mingguan bukannya pendapatan kuartalan prediksi , mengakibatkan
72 peserta yang digunakan dalam analisis. Dua puluh dua ( 31 % ) dari peserta menunjukkan
mereka telah berinvestasi pengalaman, yang berkisar antara satu bulan sampai 84 bulan . Jumlah
rata-rata program keuangan tingkat universitas yang diambil adalah tiga dan rata-rata jumlah
kursus statistik yang diambil oleh peserta adalah dua . Pengumpulan data dilakukan dalam satu
hari dengan beberapa peserta menghadiri sesi pagi sementara yang lain menghadiri sesi malam.
4 . Hasil
Ikhtisar
Hipotesis 1-3 tes antara subyek - efek pelaporan lebih sering pada ketidakpastian ,
kesalahan prediksi mutlak dan dispersi dari prediksi . Oleh karena itu, hanya data dari tugas
pertama yang digunakan dalam analisis , sedangkan data dari tugas kedua digunakan untuk
menganalisis pertanyaan penelitian . Tabel 1 laporan korelasi antara frekuensi pelaporan , akurasi
, dan interval kepercayaan untuk tugas pertama . Korelasi antara kesalahan prediksi mutlak dan
frekuensi pelaporan adalah sedikit signifikan ( r = .21 , p < .08 ) . Selain itu, ada hubungan yang
signifikan antara kesalahan prediksi mutlak dan ketidakpastian ( r = .27 , p < .02 ) . ANOVAs
digunakan untuk menguji H1and H3 meliputi variabel independen tambahan untuk menguji efek
dari set data yang berbeda peserta menerima ( random
imbang kesalahan dan arah prediksi ) serta frekuensi pelaporan . Saya juga diuji untuk efek
pengalaman investasi sebelumnya dan / atau efek dari sesi dan menyertakan
variabel dalam ANOVAs dilaporkan ketika mereka memiliki efek utama atau interaksi yang
signifikan ( p < .05 ) .
Uji hipotesis 1
H1 menyatakan bahwa investor non-profesional ' laba prediksi akan kurang akurat , yang
diukur dengan kesalahan prediksi absolut mereka , dalam kondisi pelaporan lebih sering daripada
di kondisi pelaporan kurang sering . Tabel 2 Panel A melaporkan sel dan standar deviasi . Seperti
yang diharapkan , kesalahan prediksi absolut lebih besar ( rata-rata = 0,14 ) dengan pelaporan
lebih sering dibandingkan dengan kurang sering pelaporan (mean = .09 ) . Perbedaan ini
bermakna , seperti yang ditunjukkan oleh efek utama frekuensi di ANOVA dilaporkan dalam
Tabel 2 , Panel B ( F = 4,04 , p <.05 ) . Ada juga efek utama arah ( F = 15,83 , p < .00 ) dan
imbang kesalahan acak ( F = 25,16 , p < .00 ) . Namun , tidak ada interaksi yang melibatkan
faktor-faktor dan frekuensi (semua F < 1,54 , p itu > .22 ) . Hasil ini memberikan dukungan
untuk H1 .
Dua set analisis tambahan dilakukan untuk memberikan informasi tambahan tentang efek
pengalaman dan sifat dari kesalahan yang dilakukan oleh peserta . Meskipun efek utama
pengalaman dan frekuensi dengan interaksi pengalaman tidak signifikan , saya membandingkan
kesalahan prediksi yang lebih dan kurang berpengalaman peserta untuk meredakan kekhawatiran
bahwa efek frekuensi mungkin sebagian besar tergantung pada peserta yang kurang
berpengalaman . Secara kualitatif , analisis menunjukkan bahwa perbedaan antara kelompok
frekuensi lebih besar bagi mereka peserta yang menunjukkan mereka telah berinvestasi
pengalaman . Di sini , pengalaman diperlakukan sebagai kategoris , 0 - 1 variabel mana 1
merupakan pengalaman investasi sebelumnya dan 0 sebaliknya. Dalam ANOVAs digunakan
untuk menguji hipotesis , pengalaman dimasukkan sebagai variabel kontinu , jumlah
bulan pengalaman investasi . Bagi peserta yang berpengalaman rata-rata kesalahan prediksi
mutlak adalah 08 dalam kondisi pelaporan kurang sering dan .14 dalam kondisi lebih sering .
Bagi peserta berpengalaman rata-rata adalah 0,10 dalam kondisi pelaporan kurang sering dan .14
dalam kondisi lebih sering . Demikian hasil tidak didorong oleh peserta kurang berpengalaman
dalam percobaan .
Kesalahan prediksi mutlak dapat mencakup kesalahan acak dan kesalahan sistematik
(error ditandatangani atau bias) . Error berarti ditandatangani adalah 01 dan tidak signifikan
berbeda dari nol ( t = 0,77 , p < .44 ) . Analisis kesalahan prediksi ditandatangani
mengungkapkan efek utama menarik acak error ( F = 14,75 , p < .00 ) tapi tidak ada efek utama
frekuensi ( F = 0,00 , p < .95 ) dan tidak ada interaksi yang signifikan antara frekuensi dan acak
kesalahan imbang ( F = .38 , p < .54 ) . Bias secara signifikan lebih besar dari 0 ( t = 4.82 , p
< .00 ) dengan satu hasil imbang kesalahan acak , meskipun tidak signifikan dari 0 dengan
lainnya ( t = -.87 , P < .39 ) .
Uji Hipotesis 2
H2 memprediksi bahwa penyebaran prediksi akan lebih besar dalam lebih
Kondisi pelaporan sering daripada dalam kondisi pelaporan kurang sering . Tabel 2 , Panel C
melaporkan varians dari perkiraan pendapatan peserta dan hasil uji- F untuk varian yang sama .
Mengingat hasil uji H1 dan tidak adanya bias penghakiman , dispersi penilaian harus lebih tinggi
dalam kondisi pelaporan lebih sering . Dengan demikian , varians untuk pelaporan lebih sering
Kondisi adalah 0.016 dan varians untuk kondisi pelaporan kurang sering adalah 0.006 ( F = 2,56,
p < .00 ) . Hasil ini mendukung H2 .
Uji hipotesis 3
H3 memprediksi ketidakpastian itu, diukur dengan lebar selang kepercayaan , akan lebih
besar dalam kondisi pelaporan lebih sering . Interval kepercayaan rata-rata adalah 0,57 untuk
kedua kurang dan lebih sering kondisi pelaporan . Hasil ANOVA untuk tugas 1,8 ditunjukkan
pada Tabel 2 , Panel D , menunjukkan tidak ada efek utama frekuensi ( F = .09 , p < .76 ) . Tidak
ada efek utama lain atau interaksi hadir (semua F < 2,44 , p semua itu > .13 ) .
Diskusi Hypotheses1 - 3 Hasil
Konsisten dengan prediksi saya , pelaporan lebih sering menghasilkan kesalahan prediksi
yang lebih besar dan penyebaran yang lebih besar dari prediksi . Meskipun peserta
kurang akurat dalam kondisi pelaporan lebih sering , mereka tidak kurang percaya diri , yang
diukur dengan interval kepercayaan mereka. Bahkan, interval kepercayaan tidak berbeda dalam
kondisi pelaporan lebih sering dibandingkan dengan mereka dalam kondisi pelaporan kurang
sering . Hasil ini menunjukkan terlalu percaya pada bagian dari investor dalam pelaporan lebih
sering condition.9 Hasil ini konsisten dengan literatur yang menunjukkan keyakinan bahwa
meningkat - sementara akurasi tetap sama atau penurunan - dengan penambahan informasi lebih
lanjut ( Oskamp , 1965; Hoge , 1970; Slovic , 1973 ) . Terlalu percaya Investor bermasalah
karena beberapa alasan : Pertama, jika investor menggunakan data yang lebih sering dilaporkan
adalah percaya diri , mereka cenderung melihat kurang sering dilaporkan data, yang akan
membantu memperbaiki kesalahan yang disebabkan oleh pelaporan lebih sering . Kedua,
investor terlalu percaya mungkin gagal untuk menyadari bahwa mereka berada pada kerugian
informasi ketika membuat prediksi dan keputusan perdagangan selanjutnya . Ketiga , terlalu
percaya dapat menyebabkan investor untuk tidak bereaksi terhadap informasi baru . Hal ini dapat
mengakibatkan investor yang memegang keamanan kehilangan terlalu lama atau menjual
keamanan menang terlalu cepat (yaitu , efek disposisi ) . Akhirnya , terlalu percaya
menyebabkan peningkatan perdagangan yang telah terbukti memiliki efek negatif pada investor
(yaitu , Odean 1999; Barber dan Odean 2000) .
Konsisten dengan penjelasan terlalu percaya , peserta tidak menganggap tugas yang lebih
sulit bila menggunakan data yang lebih sering dilaporkan . Dalam lebih sering peserta kondisi
pelaporan memiliki kesulitan yang dirasakan Peringkat dari 3,73 , sedangkan pada pelaporan
kurang sering memiliki rating 3,33 ( F = .57 , P < .45 ) . Jika peserta telah dianggap volatilitas
lebih besar dan dirasakan tugas yang lebih sulit dalam kondisi pelaporan lebih sering , mereka
akan menghasilkan interval kepercayaan yang lebih luas menunjukkan ketidakpastian lebih .
Bertentangan dengan harapan, persepsi peserta volatilitas tidak terpengaruh oleh laporan
lebih sering . Pada kelompok pelaporan lebih sering , peserta memiliki rating volatilitas
dirasakan 4,05 sedangkan pada kondisi pelaporan kurang sering memiliki rating sebesar 4,54 ( F
= 1,25 , p < .27 ) . Hasil yang terkait dengan volatilitas yang dirasakan tidak sesuai dengan
temuan Gneezy dan Potters ( 1997) , yang menyatakan risiko dianggap harus meningkatkan
dengan pelaporan lebih sering .
Hasil dari analisis korelasi juga mengkonfirmasi hasil yang diperoleh dari pengujian
hipotesis . Sementara ada korelasi positif yang signifikan antara kesulitan yang dirasakan dan
volatilitas yang dirasakan ( .24 , p < .04 ) , tidak ada korelasi yang signifikan antara kesalahan
prediksi mutlak dan volatilitas yang dirasakan ( - .04 , p < .72 ) atau kesalahan prediksi mutlak
dan dirasakan kesulitan ( - .04 , p < .73 ) . Demikian pula , tidak ada korelasi yang signifikan
antara interval kepercayaan dan volatilitas yang dirasakan ( .07 , p < .54 ) atau interval keyakinan
dan kesulitan yang dirasakan ( .03 , p < .82 ) .
Meskipun aku tidak berhipotesis efek arah prediksi atau imbang kesalahan acak ,
ANOVAs mengungkapkan efek utama dari kedua faktor ini pada akurasi prediksi . Baik
berinteraksi dengan frekuensi pelaporan , namun. Secara khusus, saya menemukan bahwa
kesalahan prediksi lebih besar ketika perubahan laba pada periode prediksi positif . Dalam
kurang (lebih ) kondisi pelaporan sering, berarti kesalahan prediksi adalah .13 ( .18 ) ketika
perubahan laba positif dan 0,06 ( .10 ) ketika perubahan negatif . Saya juga menemukan bahwa ,
meskipun sifat statistik seri pendapatan dibuat dengan kesalahan acak yang berbeda menarik
yang sama , kesalahan prediksi lebih tinggi dengan hasil imbang satu dibandingkan dengan hasil
imbang dua . Dalam kurang (lebih ) kondisi pelaporan sering, kesalahan prediksi adalah 0,14
( .19 ) dengan kesalahan acak imbang satu dan .05 ( 08 ) dengan kesalahan acak menggambar d
5 . Kesimpulan
Penelitian ini meneliti efek lebih sering pelaporan investor non-profesional ' laba prediksi
. Sebagai hipotesis , saya menemukan bahwa pelaporan lebih sering laba per saham hasil dalam
waktu kurang akurat dan lebih tersebar prediksi laba kuartalan per saham . Saya berhipotesis
tetapi tidak menemukan bahwa pelaporan lebih sering secara signifikan meningkatkan lebar
interval kepercayaan di kalangan investor non-profesional . Bahkan saya menemukan bahwa
tingkat kepercayaan diri mereka tidak berbeda secara statistik atau kualitatif dari mereka yang
menggunakan pelaporan kurang sering . Secara teoritis, jika kepercayaan diri individu baik
dikalibrasi dan lebih sering pelaporan kesalahan, juga harus menghasilkan interval kepercayaan .
Namun , tampak bahwa investor dalam pelaporan lebih sering terlalu percaya pada prediksi
mereka . Terlalu percaya bermasalah karena investor menggunakan data yang lebih sering
dilaporkan cenderung untuk melihat data yang kurang sering dilaporkan , yang akan membantu
memperbaiki kesalahan yang disebabkan oleh pelaporan lebih sering . Selain itu, terlalu percaya
dapat menyebabkan efek disposisi dan / atau peningkatan perdagangan .
Penelitian ini tunduk pada beberapa keterbatasan . Pertama, saya membatasi jumlah
peserta informasi yang diterima . Biasanya, ketika investor mengevaluasi kinerja keuangan dari
suatu perusahaan , informasi lebih lanjut yang tersedia dan lingkungan informasi yang lebih
kompleks . Namun, mengurangi kompleksitas memungkinkan saya untuk membuat kesimpulan
kuat tentang dampak pelaporan lebih sering . Kedua , penelitian ini menggunakan mahasiswa
MBA sebagai pengganti bagi investor non-profesional . Sangat mungkin bahwa mereka memiliki
pengalaman investasi kurang dari banyak investor non-profesional dan karena tindakan mereka
mungkin tidak secara akurat mencerminkan pendapat investor yang sebenarnya . Ketiga ,
penelitian ini meneliti efek dari investor baik menggunakan lebih atau kurang informasi sering
dilaporkan . Teknologi akan memungkinkan bagi investor untuk melihat kedua bentuk secara
bersamaan . Penelitian di masa mendatang harus memeriksa apakah dan bagaimana penyajian
bersama lebih dan kurang sering pelaporan mempengaruhi penilaian investor . Akhirnya ,
penelitian ini menggunakan data pendapatan yang berisi keempat musiman kuartal yang
mungkin tidak berlaku untuk semua perusahaan . Penelitian masa depan harus menyelidiki efek
pelaporan lebih sering ketika data pendapatan memiliki sifat yang berbeda ( yaitu random
walk ) . Penelitian di masa mendatang juga harus memeriksa bagaimana presentasi bersama dari
kedua laporan lebih dan kurang sering dapat mempengaruhi pengambilan keputusan oleh
investor .