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 .