Het effect van XBRL op de Cost of Equity
Naam: Ismaël Belhaj Studentnummer: 11116811
Onderzoeksbegeleider: ir. drs. A.C.M. de Bakker Datum: 29 januari 2017
Aantal woorden: 7010
MSc Accountancy & Control, specialisatie Accountancy Faculty of Economics and Business, University of Amsterdam
2
Statement of Originality
This document is written by student Ismaël Belhaj who declares to take full responsibility for the contents of this document.
I declare that the text and the work presented in this document is original and that no sources other than those mentioned in the text and its references have been used in creating it.
The Faculty of Economics and Business is responsible solely for the supervision of completion of the work, not for the contents.
3
Abstract
In 2009, the US Securities and Exchange Commission (SEC) made it mandatory for firms to file interactive data using XBRL along with their 10-K and 10-Q reports on EDGAR. There was an initial three-year phase-in period. The first group consisted of US listed firm with a public common equity float over $ 5 billion. I examine how eXtensible Business Reporting Language (XBRL) affects the cost of equity and the financial reporting quality for the first group of mandatory XBRL filings. I eliminate the firms that participated in the voluntary program. The number of observations in the sample which consisted of 256 companies has been large enough to measure the short-term effect of XBRL on the Cost of Equity. Using a one-group pre- and post-test design, which consists of data from 2 years before (2007-2008) and 2 years after (2010-2011) XBRL-adoption, I find that XBRL adoption results in a significant reduction of the cost of equity. Also XBRL adoption slightly reduces the financial reporting quality. This result is not in line with the expectation. This study contributes to research on XBRL by documenting that XBRL-adoption affects the cost of equity capital and that XBRL has a small effect on financial reporting quality.
Keywords: XBRL (eXtensible Business Reporting Language); interactive data; cost of equity; financial reporting quality, capital markets.
4
Voorwoord
Voor u ligt mijn scriptie in het kader van de opleiding Accounting & Control aan de Universiteit van Amsterdam. Het betreft een onderzoek naar de relatie tussen XBRL-adoptie en de Cost of Equity en de relatie tussen XBRL-adoptie en de kwaliteit van financiële informatie.
Dit onderwerp is gekozen omdat het op dit moment erg actueel is en omdat XBRL-adoptie in Nederland binnenkort verplicht wordt gesteld. Benodigde data is in Nederland pas in de toekomst beschikbaar, dus is gekozen om dit onderzoek te richten op Amerikaanse beursgenoteerde ondernemingen waar sinds 2009 in XBRL formaat wordt gerapporteerd. Het leek mij interessant om alvast te speculeren wat het effect van XBRL-adoptie in Nederland teweeg zal brengen.
Gedurende mijn scriptietraject ben ik begeleid door Toon de Bakker. Via deze weg wil ik hem graag bedanken voor zijn geduld en ondersteuning tijdens het scriptietraject. Daarnaast wil ik ook mijn familie bedanken die mij het gedurende het proces hebben gesteund en belangstellend zijn geweest.
5
Inhoudsopgave
1 Introductie ... 7 2 Theoretisch kader ... 10 2.1 XBRL ... 10 2.2 Cost of Equity ... 122.3 Informatie risico theorie ... 13
2.4 Kwaliteit van financiële informatie ... 14
2.5 Hypothese-ontwikkeling ... 17
3 Methodologie ... 20
3.1 Conceptueel model ... 20
3.2 Regressiemodel ... 21
4 Data ... 24
4.1 Algemene financiële informatie ... 24
4.2 Vrijwillige XBRL-adoptie informatie ... 26
4.3 Dataverzameling Bèta informatie ... 27
4.4 Toepassing hulpmodel Modified Jones ... 27
4.5 Beschrijvende statistiek... 28
4.5.1 Kern statistische grootheden ... 28
4.5.2 Correlatiematrix ... 29 4.5.3 Multicollineariteit ... 30 5 Resultaten ... 32 5.1 Resultaten hypothese 1 ... 32 5.2 Resultaten hypothese 2 ... 34 6 Conclusie ... 37
6.1 Conclusie van het onderzoek ... 37
6
6.3 Beperkingen ... 38 6.4 Aanbevelingen ... 39 Bibliografie ... 40
7
1 Introductie
De Amerikaanse beurswaakhond SEC verplichtte de 500 grootste beursgenoteerde ondernemingen in 2009 hun financiële gegevens in XBRL te gaan aanleveren om zo meer transparantie te garanderen in kapitaalmarkten 1 . Volgens de SEC maakt XBRL het voor investeerders mogelijk om financiële overzichten direct in spreadsheets te downloaden en te analyseren. Naast Amerika zijn er wereldwijd verschillende overheden die de afgelopen jaren het delen van financiële informatie middels XBRL als eis stellen. In Nederland bijvoorbeeld is het al sinds 2008 mogelijk om jaarrekeningen in XBRL-formaat te deponeren bij de Kamer van Koophandel. Vanaf 2016 is het zelfs verplicht voor rechtspersonen in de bedrijfsklasse micro en klein. Voor rechtspersonen in de bedrijfsklasse middelgroot geldt de verplichtstelling vanaf boekjaar 2017 en voor grote rechtspersonen vanaf boekjaar 2019. Ook de banken besluiten in 2009 om ten aanzien van kredietinformatie over te gaan op XBRL.
Deze ontwikkelingen op het gebied van rapportage zijn met name gericht op globalisering. Er is een groeiende behoefte om wereldwijd financiële informatie te kunnen uitwisselen en interpreteren. Daarnaast is er in veel landen een beleid ingezet om de administratieve lasten voor bedrijven te verlagen. Doordat verplichtstelling in Nederland steeds dichter bij komt is het een erg interessant onderwerp om in te verdiepen. XBRL is echter een relatief nieuw begrip in de literatuur, er is nog weinig onderzoek naar gedaan. Nu de relevantie voor dit onderwerp bekend is, volgt een korte uiteenzetting van de standpunten die door onderzoekers zijn ingenomen.
Volgens Verrecchia (1983) is één van de redenen voor managers om informatie te verschaffen middels disclosure het vergroten van de marktwaarde van de onderneming. Informatie middels financiële rapportages die gebaseerd zijn op de keuze van het financiële rapportagesysteem van het management kan gemanipuleerd zijn (Stocken & Verrecchia, 2004). Bedrijven met verwachte winsten die lager zijn zouden de transparantie van de financiële informatie kunnen verminderen om zo de prijs van hun aandeel te behouden (Fan & Wong, 2002; Hunton et al, 2006). Stocken (2004) geeft aan dat een manager die strategisch financiële informatie manipuleert om de prestaties van het bedrijf te verbeteren een niet transparante jaarrekening prefereert.
Informatieverschaffing is echter geen substituut voor een goede boekhouding en kan misleidend blijken (Hake, 2005). Zo kan bijvoorbeeld aanvullende informatie in rapportages details bevatten
8
die een andere perspectief bieden dan dat van het financieel overzicht (Li et al, 2006). Over het algemeen worden financiële overzichten doordat ze moeten voldoen aan regelgeving en strikt worden gemonitord bijvoorbeeld door de Securities Exchange Commission (SEC) gezien als een gestructureerde en geformaliseerde manier voor het uitwisselen van financiële informatie. Strikte regelgeving kan echter ook resulteren in financiële informatie die steeds complexer en dus door de tijd heen minder transparant wordt (Heffes, 2005). Toegenomen complexiteit biedt managers mogelijkheden om boekhoudkundige problemen te verbergen en cijfers te manipuleren (Hunton et al, 2006).
Voor internationale ondernemingen bestaat daarnaast het probleem dat in de landen waarin ze opereren aan verschillende regelgeving moet worden voldaan. In Europa bijvoorbeeld wordt de International Accounting Standards (IAS) als dé standaard gezien terwijl Amerika US GAAP promoot. De taak van internationale onderneming om aandeelhouderswaarde te presenteren blijkt lastig, zo niet onmogelijk (Li et al, 2006). Internationale ondernemingen zullen boekhoudkundige standaarden in hun software moeten vastleggen om flexibele rapportering mogelijk te maken (Coffin, 2002).
Het gebrek aan transparantie, de complexiteit van financiële informatie en de mogelijkheden van managers om informatie voor eigen belang te manipuleren leidt tot minder bruikbare informatie en onzekerheid bij de gebruikers. Doordat financiële informatie dan niet de lange termijn winstgevendheid van een bedrijf reflecteert, verhoogt dit het investeringsrisico bij gebruikers. Gebruikers van financiële informatie, bijvoorbeeld investeerders, blijken als gevolg hiervan bereid te zijn om bedrijven die de mate van transparantie vergroten te belonen (Schipper, 1989; Hebb, 2006). Harrington (2005) stelt dat gebruikers steeds vaker om informatie vragen die verbeterd en toegankelijker is.
eXtensible Business Reporting Language (XBRL) kan de transparantie van financiële informatie van bedrijven sterk verbeteren en de complexiteit verminderen. Financiële overzichten in XBRL-formaat laat gebruikers van financiële rapporten rechtstreeks naar relevante informatie zoeken, ongeacht de locatie van de informatie. Hierdoor wordt het makkelijker om financiële informatie van verschillende bedrijven met elkaar te vergelijken (Li et al, 2006). Dit maakt het voor investeerders en schuldeisers makkelijker om juiste keuzes te maken voor het alloceren van kapitaal (Li et al, 2006). Dit blijkt ook uit onderzoek van Hodge (2004) die een experiment uitvoerde met niet-professionele investeerders waarbij één groep door XBRL gefaciliteerde technologie tot zijn beschikking had en de andere niet. Het bleek dat de groep die XBRL gebruikt had beter in staat
9
was om informatie in de voetnoten van een financieel rapport te ontdekken. Ook waren ze beter in staat om deze informatie te integreren met gerelateerde informatie in het financieel overzicht bij het maken van investeringsbeslissingen. Hij concludeert dat de implementatie van XBRL de transparantie van financiële informatie verbetert en search technology gebruikers helpt om relevante informatie te verkrijgen en te integreren. XBRL biedt dus een effectieve en efficiënte tool voor gebruikers van jaarrekeningen. Toch hebben gebruikers en regelgevers bedenkingen bij de bruikbaarheid van XBRL (Harris & Morsfield, 2012).
Onderzoek heeft uitgewezen dat high earnings quality geassocieerd wordt met lagere informatieasymmetrie (Hagerman & Healy, 1992; Heflin et al, 2005; Brown & Hillegeist, 2007) en lagere Cost of Equity (CoE) (Botosan & Plumlee, 2002; Easley et al, 2002; Lambert et al, 2007). De literatuur suggereert dus dat door de voordelen van verhoogde transparantie en vergelijkbaarheid door XBRL de toegang tot kapitaalmarkten voor investeerders verbetert. De verwachting is dat de Cost van Equity beïnvloed wordt door de kwaliteit van financiële informatie. In dit onderzoek zal aangetoond of weerlegd worden dat XBRL-adoptie leidt tot een lagere cost of
equity van beursgenoteerde ondernemingen in Amerika.
De onderzoeksvraag die in dit onderzoek centraal staat luidt:
Wat is het effect van XBRL op de Cost of Equity van Amerikaanse beursgenoteerde ondernemingen?
Het antwoord op deze vraag dicht de kloof in de huidige academische literatuur. Het aantal papers dat de effecten van XBRL op CoE meet, is op één hand te tellen. Dat maakt dit het onderzoek uitdagend en vernieuwend. Doordat het economisch klimaat in Europa en Amerika veel gelijkenissen vertoont is dit onderzoek wellicht ook voor regelgevers en onderzoekers in Nederland interessant.
10
2 Theoretisch kader
In dit hoofdstuk worden aan de hand van de literatuur de theorieën en begrippen omtrent dit onderzoek besproken. Er wordt allereerst ingegaan op de betekenis van XBRL. Daarna volgt een uiteenzetting van de Cost of Equity, de informatie risico theorie en de kwaliteit van financiële informatie. Tot slot wordt de hypothesevorming toegelicht.
2.1 XBRL
XBRL is een op XML gebaseerde computertaal die een standaard voor de elektronische uitwisseling van data tussen bedrijven over het internet aan het worden is. Door middel van tags die aan items van data worden gehangen wordt het mogelijk om deze data efficiënt te verwerken met software. Hierdoor worden handmatige en dure processen met betrekking tot invoer en vergelijking vervangen. Het complexe financiële rapportageproces is hierdoor goedkoper.
Van de tags, die overigens vastgesteld zijn volgens de geldende standaarden en regelgeving, wordt elke data element beschreven in termen van definitie, format, locatie, calculatie en labeling. Tags die aan elkaar gerelateerd zijn kunnen gemakkelijk worden geïdentificeerd en gegroepeerd. Op vrijwel elk vlak van bijvoorbeeld informatie selecteren, analyseren, opslaan, presenteren en uitwisselen is automatisering mogelijk. Dit vergroot de snelheid en betrouwbaarheid van het verwerken van financiële data en verkleint de kans op fouten voor zowel de uitgevers als gebruikers van data (Liu et al, 2006).
XBRL vermindert de onderzoekskosten die geassocieerd zijn met investeringen. Het vergelijken van de solvabiliteit en de prestaties van verschillende bedrijven middels financiële modellen wordt voor investeerders makkelijker (Liu et al, 2006). Met XBRL uitgebreide zoekmachines stellen beleggers zelfs in staat om simultaan gelabelde financiële data te vergelijken. Deze vorm van simultane presentatie helpt de analytische mogelijkheden te verbeteren door discrepanties te onthullen en een vergelijking van diepere reeksen informatie mogelijk te maken (Gray & Miller, 2009; XBRL.US, 2009). XBRL zorgt ervoor dat stakeholders zich kunnen focussen op het analyseren in plaats van het verzamelen en manipuleren van financiële data. Dit komt omdat het een machine-readable formaat is waarbij elke stuk van financiële data zodanig gelabeld wordt dat handmatige processen zoals (her)invoer overbodig worden (Apostolou and Nanopoulos 2009; Burnett et al. 2006; Cohen et al. 2005).
11
XML is door de informatietechnologiegemeenschap geaccepteerd als een primaire methode om efficiënte data communicatie te leveren over het internet (Bergeron, 2003). Verbeterde efficiëntie in XBRL-tagged data zou zich ook kunnen vertalen in een verbeterde informatiestroom en informatieverspreiding op de kapitaalmarkt voor gebruikers die financiële informatie verwerven, integreren en combineren om beter geïnformeerde investeringsbeslissingen te nemen (Gray & Miller 2009; Hodge et al. 2004; XBRL.US 2009).
XBRL is gemakkelijk uitbreidbaar en kan gebruikt worden op meerdere platforms. Voor bedrijven kan informatie die gevraagd wordt door de SEC, IRS of gepubliceerd wordt op de website in één keer worden omgezet in andere formaten. Toezichthouders kunnen problemen met aangiften direct identificeren middels XBRL-software die de gegevens automatisch controleert en verifieert (XBRL International 2011b), wat resulteert in een verbeterde nauwkeurigheid en betrouwbaarheid van financiële gegevens.
De informatie in SEC-aangiften wordt gekenmerkt door een grote mate van complexiteit. XBRL trekt de informatieverwerking van alle investeerders gelijk, inclusief de niet geïnformeerde investeerders, waardoor het op een efficiënte wijze information risk vermindert, zelfs in een onzekere informatie-omgeving (Kim et al. 2012). Het informatierisico vermindert doordat de complexiteit van financiële data in de informatie-omgeving afneemt. Ongeïnformeerde investeerders ervaren betere transparantie in 10-K en 10-Q aangiften (Kim et al. 2012). Liu (2006) stelt daarnaast dat door XBRL de informatiezichtbaarheid toeneemt en de toegankelijkheid tot de kapitaalmarkt voor bedrijven verbetert, waardoor het makkelijker is om investeringskapitaal aan te trekken. Circa 29 en 16 procent van bedrijven die op de NASDAQ respectievelijk New York Stock Exchange zijn genoteerd hebben geen analyst coverage (Li et al, 2006).
XBRL is een beter alternatief voor informatieverspreiding dan de oude methoden van HTML en pdf-bestanden. Debrency et al. (2005) laat zien dat Amerikaanse bedrijven XBRL disclosure als een meer robuust en transparante formaat beschouwen dan HTML disclosure doordat fouten bij invoer van stakeholdergegevens worden verminderd. De HTML of PDF versie van financiële informatie kan vaak moeilijk worden opgenomen in een spreadsheet of analysesoftware omdat de invoer niet vrij van fouten is door knippen en plakken of transcriptie (Kim et al. 2012).
Doordat XBRL de transparantie van financiële informatie vergroot is er meer bruikbare informatie beschikbaar en daalt de onzekerheid bij investeerders (Pinsker & Li, 2008; Liu et al. 2006). De evaluatie van reële waarde determinanten van managers verbetert. Kortom, investeringsbeslissingen worden beter ondersteund door de evaluatie van de kwaliteit van
12
financiële verslagen en begrip van de financiële informatie (Liu et al, 2006). Naast de transparantie heeft XBRL zoals eerder genoemd ook een effect op de kwaliteit van financiële informatie. Yoon et al. (2011) geven aan dat na XBRL adoptie in de Koreaanse aandelenmarkt verbetering van de kwaliteit van financiële informatie door vermindering van informatieasymmetrie waarneembaar is. Zij zien dat als een van de grootste voordelen van XBRL.
2.2 Cost of Equity
De Cost of Equity (CoE) is het rendement dat investeerders eisen voor het aandeel. Een investeerder verwacht dat zijn investering ten minste zal groeien met de CoE. CoE kan berekend worden volgens het Dividend Discount Model (DDM) en het Capital Asset Pricing Model (CAPM). Het DDM gaat ervan uit dat bedrijven altijd dividend uitkeren en dat dividend groeit op een lineaire manier. CAPM daarentegen kan toegepast worden op elk beursgenoteerd bedrijf en los van de groei van het dividend. Ook maakt het CAPM gebruik van schattingen en bedrijfsprestaties in het verleden om de toekomst te voorspellen. Voor het meten van CoE in dit onderzoek wordt het CAPM model gebruikt zoals dat ook is gedaan door Da, Guo en Jagannathan (2012).
𝐸(𝑅) = 𝑅𝑓+ 𝛽 × (𝐸(𝑅𝑚) − 𝑅𝑓) 𝐸(𝑅) = verwacht rendement op het aandeel; CoE 𝑅𝑓 = risicovrije rente (risk free rate)
𝛽 = bèta
𝐸(𝑅𝑚) − 𝑅𝑓 = verwacht marktrendement gecorrigeerd voor risicovrije rente
Verwacht rendement
Het verwacht rendement op het aandeel wordt gegeven door de uitkomst van de formule E(R). Het rendement dat de belegger eist.
Risicovrij rente
Dit is het rendement dat wordt verkregen door te beleggen in effecten die als vrij van kredietrisico worden beschouwd, zoals staatsobligaties. De rentevoet van Amerikaanse Treasury Bills (T-Bills) wordt vaak gebruikt als een proxy voor de risicovrije rente. De risk free rate zal in dit onderzoek worden gemeten door de één jaar deposito interestvoet van Amerikaanse Treasury Bills te nemen.
13 Bèta
De Bèta weerspiegelt het systematisch risico en geeft aan in welke mate de aandelenprijs van een bedrijf reageert op de markt als geheel. Een bèta van één geeft bijvoorbeeld aan dat de prijs van het aandeel van het bedrijf zich in lijn met de markt beweegt. Als de bèta meer dan één is, treft het aandeel de bewegingen van de markt. Een bèta van minder dan één betekent dat het aandeel stabieler is. De bèta wordt gezien als de volatiliteit van het aandeel ten opzichte van de markt. Hoe groter de volatiliteit, hoe groter het systematisch risico. De bèta is gehaald uit historische markt- en aandelenrendementen en is gebaseerd op de 5 jaar maandelijkse rendementen.
Verwacht marktrendement
Het verwacht marktrendement vertegenwoordigt het rendement van investeerders voor het extra risico dat ze nemen door te beleggen op de aandelenmarkt in plaats van op een risicovrije belegging zoals een staatsobligatie (zie risicovrije rente). Het is het verschil tussen de risicovrije rendement en het marktrendement. Het verwacht rendement is gebaseerd op het historisch gemiddelde jaarlijkse extra rendement dat wordt behaald door te beleggen in de aandelenmarkt boven de risicovrije rente. Het is dus gebaseerd op het jaarlijkse rendement op de aandelenindex. Het verwacht rendement voor Amerika wordt voor dit onderzoek gehaald uit beschikbare databases.
2.3 Informatie risico theorie
Dit onderzoek is gebaseerd op de informatie risico theorie die aantoont dat de informatie risk
premium effect heeft op de CoE door informatie-asymmetrie (Admati, 1985). De risk premium is in
feite de compensatie die investeerders eisen voor het nemen van een verhoogd risico op hun investering. Informatierisico is volgens Leuz & Verrecchia (2004) gerelateerd aan lage kwaliteit van
disclosure.
Via de informatie risico theorie zijn er meerdere paden van onderzoek die relevant zijn en meerwaarde hebben als gekeken wordt naar het effect op de CoE.
Het eerste concept is dat een verhoging van de kwaliteit van informatie leidt tot een verlaging van de CoE (Lambert et al, 2007). Een hogere mate van kwaliteit van financiële informatie kan de aandelenliquiditeit verbeteren en daarmee de CoE doen verminderen (Florou & Pope, 2012). Immers, als de kwaliteit van financiële informatie goed is zijn beleggers in staat om betere beslissingen te nemen omdat het zicht op toekomstige kasstromen verbetert. Dit zorgt voor een betere verhandelbaarheid van het aandeel en een lager beleggingsrisico. Wanneer het risico lager is zijn bedrijven minder bereid om een hoge risk premium te betalen en eisen beleggers ook minder
14
hoge rendementen. Francis (2004) heeft de relatie tussen CoE en earnings quality onderzocht en gevonden dat er een negatief effect is tussen beide. Ook in 2008 vindt Francis dat bedrijven waarbij gerapporteerde winsten een goede voorspelling geven van de toekomstige winsten (earnings quality) vaker vrijwillig informatie uitgeven wat leidt tot een lagere CoE. Dit concept is de directe link waarmee XBRL via de kwaliteit van financiële informatie de CoE vermindert.
Het andere concept is dat onderzoekers ook een positieve relatie vinden tussen informatie-asymmetrie en CoE (Kyle, 1985; Amihud & Mendelson, 1986; Diamond & Verrecchia, 1991; Botosan & Plumlee, 2002; Easley et al. 2002; Easley & O’Hara, 2004). Easley (2004) stelt in zijn onderzoek dat informatie-asymmetrie ongeïnformeerde investeerders een risico geeft dat niet te dekken is door diversificatie waarbij deze investeerders een hogere risk premium eisen. Dit concept is de indirecte link waarmee XBRL via de kwaliteit van financiële informatie, met als mediator informatieasymmetrie, de CoE vermindert.
Bhattacharya et al (2012) hebben de directe en indirecte relaties tussen earnings quality en CoE onderzocht en geven aan dat de directe link het belangrijkst is. Om die reden is besloten om die link als uitgangspunt te nemen in dit onderzoek.
2.4 Kwaliteit van financiële informatie
In de literatuur zijn er meerdere manieren om de kwaliteit van financiële informatie te meten. Van Beest et al (2009) noemt dat er twee objectieve methoden zijn om de kwaliteit van informatie te meten; de accruals methode en de value methode. De accruals methode gebruikt earnings quality als een proxy voor de kwaliteit van financiële informatie. De value methode gebruikt markt en boekwaarden als een maatstaf voor de kwaliteit van financiële informatie. Volgens DuCharme et al. (2000) hebben accruals modellen de voorkeur omdat deze methoden de subtiele income
management techniques die gebruikt worden om detectie van earnings management door buitenstaanders
te voorkomen blootlegt. Accruals weerspiegelen niet alleen de keuze van boekhoudmethoden, maar ook het effect van recognition timing op opbrengsten, kosten, waardeverminderingen en schattingswijzigingen.
Besloten is om evenals vorige onderzoeken: Francis et al. (2004), Chen et al. (2015), Espinosa & Trombetta (2007), Gietzmann & Ireland (2005) gebruik te maken van de accruals methode Modified Jones Model van Dechow, Sloan en Sweeney (1995). Dechow et al. (1995) beschrijven vijf accrual modellen, namelijk het Healy model, het DeAngelo model, het Jones model, het Modified Jones model en het Industry model. Het model van Jones en Dechow gebruikt
15
discretionaire accruals om earnings management te meten in tegenstelling tot het model van Healy en DeAngelo die de totale accruals gebruiken. Een mogelijke verklaring om de non-discretionaire accruals uit te sluiten is dat deze gebruikt worden om de gezondheid van een bedrijf reflecteren. Groei van de verkoopopbrengst kunnen niet beheerst worden door manager (Islam et al., 2011) Dechow et al. stellen dat het Modified Jones Model het meest krachtige model is om earnings management op te sporen (Dechow et al., p. 223, 1995). Guay, Kothari een Watts (1996) concluderen dat zowel het Jones als het Modified Jones Model een betrouwbare schatting geven van de discretionaire accruals. Daarnaast stellen Peasnell, Pope en Young (2000) dat beide modellen in staat zijn om krachtige tests te genereren voor earnings management.
Het Modified Jones model is ontwikkeld teneinde de tendens van het inaccuraat meten van de discretionaire accruals wanneer discretie over verkoopopbrengst wordt uitgeoefend door het Jones model (Jones, 1991) te elimineren. De verandering in verkoopopbrengst wordt gecorrigeerd met de verandering in debiteuren. Hieronder wordt stapsgewijs toegelicht hoe het model wordt toegepast.
Stap 1: Meten van de totale accruals
Volgens de Modified Jones Model worden de totale accruals van een onderneming in jaar t op de volgende wijze berekend:
𝑇𝐴𝑡 = (∆𝐶𝐴𝑡− ∆𝐶𝐿𝑡− ∆𝐶𝑎𝑠ℎ𝑡+ ∆𝑆𝑇𝐷𝑡− 𝐷𝑒𝑝𝑡)
𝑇𝐴𝑡 = Totale accruals
∆𝐶𝐴𝑡 = Verandering in vlottende activa ∆𝐶𝐿𝑡 = Verandering in kortlopende schulden ∆𝐶𝑎𝑠ℎ𝑡 = Verandering in liquid middelen
∆𝑆𝑇𝐷𝑡 = Verandering in de schulden opgenomen in de kortlopende schulden 𝐷𝑒𝑝𝑡 = Waardevermindering en afschrijvingen
De totale accruals zijn in feite het verschil tussen de net income en de operating cash flow. 𝑇𝐴𝑡 (Total accruals) = NI (net income) – CFO (operating cash flow)
16
Stap 2: Schatten van het Modified Jones Model
Schattingen van de jaarspecifieke parameters 𝛼1, 𝛼2, 𝛼3 wordt verkregen door gebruik te maken van de volgende vergelijking die gelijk is aan het originele Jones Model:
𝑇𝐴𝑡 𝐴𝑡−1 = 𝛼1 1 𝐴𝑡−1 + 𝛼2 ∆𝑅𝐸𝑉𝑡 𝐴𝑡−1 + 𝛼3 𝑃𝑃𝐸𝑡 𝐴𝑡−1 + 𝜀𝑡 𝑇𝐴𝑡 = Totale accruals 𝐴𝑡−1 = Total activa op t-1
∆𝑅𝐸𝑉𝑡 = Omzet in het jaar t minus de omzet in jaar t-1 𝑃𝑃𝐸𝑡 = Materiële vaste activa in jaar t
𝛼1, 𝛼2, 𝛼3 = Jaarsspecifieke parameters 𝜀𝑡 = Residuals in jaar t
De schattingen van de jaarsspecifieke parameters 𝛼1, 𝛼2, 𝛼3 zijn de regressiecoëfficiënten verkregen door gebruik te maken van een Ordinary Least Squares regressie (OLS) (Chen et al, 2015). De omzet en materiële vaste activa worden geschaald door te delen door de totale activa om het effect van bedrijfsgrootte te elimineren.
Stap 3: Bereken discretionaire accruals
Om vervolgens uit de totale accruals de non-discretionaire accruals te schatten wordt gebruik gemaakt van het Modified Jones Model.
𝑁𝐷𝐴𝑡 𝐴𝑡−1 = 𝛼̂1 1 𝐴𝑡−1+ 𝛼̂2 (∆𝑅𝐸𝑉𝑡− ∆𝑅𝐸𝐶𝑡 ) 𝐴𝑡−1 + 𝛼̂3 𝑃𝑃𝐸𝑡 𝐴𝑡−1
𝑁𝐷𝐴𝑡 = Geschatte non-discretionaire accruals at t t = Een jaar in de event periode
𝐴𝑡−1 = Totale activa op t-1
∆𝑅𝐸𝑉𝑡 = Omzet in het jaar t minus de omzet in jaar t-1
∆𝑅𝐸𝐶𝑡 = Verandering netto ontvangsten van handelsvorderingen 𝑃𝑃𝐸𝑡 = Materiële vaste activa in jaar t
17
Tot slot, worden de discretionaire accruals (DA) berekend door de non-discretionaire accruals (NDA) van de totale accruals (TA) te halen middels de volgende vergelijking.
𝐷𝐴𝑡 = 𝑇𝐴𝑡− 𝑁𝐷𝐴𝑡
2.5 Hypothese-ontwikkeling
Er zijn een aantal redenen te noemen waarom verwacht wordt dat XBRL-adoptie de Cost of Equity zal verlagen. Aanvullende informatie in rapportages kan details bevatten die een ander perspectief bieden dan dat van het financieel overzicht (Li et al, 2006). Informatieverschaffing kan misleidend blijken (Hake, 2005). Daarnaast kan financiële informatie die gebaseerd zijn op de keuze van het financiële rapportagesysteem van het management gemanipuleerd zijn (Stocken & Verrecchia, 2004). En kunnen bedrijven met lage verwachte winsten de transparantie van financiële informatie verminderen om de prijs van het aan deel te behouden (Fan & Wong, 2002; Hunton et al. 2006). Met XBRL wordt informatie inclusief voetnoten zodanig getagd dat het voor investeerders makkelijker zou zijn om informatie over toekomstige kasstromen maar ook de algehele gezondheid van een bedrijf te bepalen. Het taggen van financiële informatie middels XBRL vergroot de transparantie als men dit vergelijkt met overige rapportages zoals HTML of PDF bestanden.
Strikte regelgeving en het uitwisselen van financiële informatie op een geformaliseerde en gestructureerde manier draagt ook bij aan het probleem van verminderde transparantie. Dit komt doordat financiële informatie door de tijd heen steeds complexer wordt (Heffes, 2005). Dit maakt het voor internationale ondernemingen die in de landen waarin ze opereren aan verschillende regelgeving voldoen maar wel goed presteren erg moeilijk om aandeelhouderswaarde te presenteren (Li et al, 2006). Maar toegenomen complexiteit biedt wel mogelijkheden voor slecht presterende bedrijven om boekhoudkundige problemen te verbergen en cijfers te manipuleren (Hunton et al, 2006). De complexiteit van financiële informatie, verminderde transparantie en de mogelijkheid op gemanipuleerde cijfers leidt tot minder bruikbare informatie en onzekerheid bij investeerders en verhoogt het investeringsrisico. Investeerders vragen steeds vaker om informatie die verbeterd en toegankelijker is (Harrington, 2005), en zijn bereid om bedrijven die de mate van transparantie vergroten te belonen (Schipper, 1989; Hebb, 2006).
18
XBRL verbeterd de transparantie van financiële informatie. Informatie in voetnoten wordt beter geïntegreerd met informatie in het financieel overzicht (Hodge, 2004). Dit is van belang bij het nemen van investeringsbeslissingen. XBRL vermindert de transparantie en complexiteit van financiële informatie omdat het gebruikers in staat stelt rechtstreeks naar relevante informatie te zoeken en dit met verschillende bedrijven te vergelijken (Li et al., 2006). De verwachting is dat XBRL het maken van betere investeringsbeslissingen mogelijk maakt, onderzoekskosten geassocieerd met investeringen vermindert en het investeringsrisico vermindert waardoor investeerders een lagere risk premium eisen. De verwachting is dat dit resulteert in een vermindering van de Cost of Equity. De eerste hypothese is dus:
H1: XBRL-adoptie vermindert de Cost of Equity (CoE) van beursgenoteerde ondernemingen
XBRL heeft daarnaast ook een effect op de kwaliteit van financiële informatie. XBRL-adoptie heeft op de Koreaanse aandelenmarkt geleid tot een verbetering van de kwaliteit van financiële informatie door vermindering van informatiesymmetrie (Yoon et al, 2011). Door middel van tags die aan items van data worden gehangen wordt het mogelijk om data efficiënt te verwerken met software. Handmatig processen met betrekking tot invoer en vergelijking worden overbodig (Hodge et al, 2004). Volgens Liu et al (2006) is op vrijwel elk vlak van bijvoorbeeld informatie selecteren, analyseren, opslaan, presenteren en uitwisselen automatisering mogelijk. Dit verkleint de kans op fouten voor de uitgevers van financiële informatie en vergroot de snelheid en betrouwbaarheid van informatie. Het omzetten van financiële informatie in andere formaten die bruikbaar is op meerdere platforms kan in één keer worden omgezet. Toezichthouders kunnen gegevens in aangiften automatisch controleren, wat resulteert in een verbeterde nauwkeurigheid en betrouwbaarheid van financiële informatie (XBRL International 2011b).
De tweede hypothese komt voort uit de verwachting dat XBRL-adoptie door de vermindering van informatie-asymmetrie een positieve impact zal hebben op de kwaliteit van financiële informatie. Informatie-asymmetrie speelt een rol wanneer investeerders hun kapitaal willen alloceren. Als managers meer informatie tot hun beschikking hebben die niet wordt uitgebracht vergroot dit het informatierisico voor investeerders. Informatierisico is volgens Leuz & Verrecchia (2004) gerelateerd aan lage kwaliteit van disclosure. Bedrijven waarbij gerapporteerde winsten een goede voorspelling geven van de toekomstige winsten geven vaker vrijwillig informatie uit (Francis, 2008). Brown en Hillegeist (2007) vinden een negatieve relatie tussen informatiesymmetrie en de kwaliteit van financiële informatie. Dit wordt veroorzaakt doordat de mogelijkheid voor investeerders om te beleggen op basis van private information vermindert.
19
Volgens Kim et al (2012) trekt XBRL de informatieverwerking van alle investeerders gelijk, inclusief de niet geïnformeerde investeerders. Dit komt doordat de complexiteit van financiële informatie in de informatie-omgeving afneemt. Ook ervaren ongeïnformeerde investeerders betere transparantie in 10-K en 10-Q aangiften (Kim et al, 2012). XBRL doet de informatiezichtbaarheid toenemen en verbetert de toegankelijkheid voor bedrijven tot de kapitaalmarkt (Liu, 2006). XBRL vermindert zoals eerder genoemd de onderzoekskosten die geassocieerd zijn met investeringen (Liu et al, 2006). Dit komt omdat het een machine-readable formaat is die elke stuk van financiële informatie zodanig labelt dat handmatige processen van (her)invoer overbodig worden (Apostolou en Nanopoulos, 2009; Burnett et al, 2006; Cohen et al, 2005). Deze reductie in de onderzoekskosten maar ook in de information processing cost kan het gedrag van analisten beïnvloeden. Barth et al. (2001) stellen dat analyst coverage afhankelijk is van de kosten van het volgen van een bedrijf. Doordat XBRL de information processing cost vermindert kunnen bedrijven met gecompliceerde informatie meer analyst coverage krijgen (Bhushan, 1989) en dat heeft als gevolg dat meer informatie aan het publiek zal worden verstrekt. In deze situatie wordt informatiesymmetrie dus verminderd en eisen investeerders ook een lagere risk premium (Botosan en Plumlee, 2002; Easley et al, 2002).
Kortom, niet alleen de transparantie van financiële informatie verbeterd doordat deze overzichtelijker en gemakkelijker interpreteerbaar wordt, maar er is ook sprake van foutreductie, betere interne rapportages en toegenomen controlemogelijkheden door de SEC. XBRL heeft dus zowel indirect, via de vermindering van informatie-asymmetrie, als direct invloed op de kwaliteit van financiële informatie. De tweede hypothese luidt:
20
3 Methodologie
In dit hoofdstuk wordt de onderzoeksmethodologie beschreven. Het doel van dit hoofdstuk is om uitleg te geven over de technieken die worden gebruikt en het voor mede-onderzoekers of geïnteresseerden mogelijk te maken om dit onderzoek te repliceren, reproduceren of falsifiëren. Aan bod komen alle componenten die nodig zijn om de onderzoeksvragen zoals die in de paragraaf Hypothese-ontwikkeling zijn beschreven te beantwoorden. Er wordt ingegaan op het conceptueel model, het regressiemodel en de variabelen die worden gebruikt.
3.1 Conceptueel model
De eerste hypothese geeft een mogelijk positief effect weer van XBRL-adoptie op de Cost of Equity. De voorspelling is dus dat XBRL-adoptie de CoE doet verlagen. De tweede hypothese geeft het effect weer dat XBRL-adoptie op de kwaliteit van financiële informatie heeft. De voorspelling is dat XBRL-adoptie de kwaliteit van financiële informatie doet toenemen. De controlling variabelen hebben een effect op de Cost of Equity en de kwaliteit van financiële informatie. Het conceptueel model is in figuur 1 gepresenteerd.
‘
Figuur 1: Conceptueel model
XBRL Cost of Equity Financial reporting Quality H1 XBRL H2 Size Market-to-book Leverage Beta
21
3.2 Regressiemodel
Zodra de discretionaire accruals zijn bepaald voor alle ondernemingen in de sample, is het mogelijk om de relatie tussen de kwaliteit van financiële informatie en de cost of equity te onderzoeken. Het model dat gebruikt wordt bevat twee perioden, namelijk de periode vòòr en na de adoptie van XBRL. Vergeleken wordt of er verschillen zijn in de mate van earnings quality door het verminderen van earnings management tussen deze perioden. Op deze manier zal de impact van XBRL-adoptie op de kwaliteit van financiële informatie worden weergegeven. Daarnaast wordt weergegeven of er verschillen zijn in de hoogte van de Cost of Equity bij XBRL-adoptie.
Er zal gebruik worden gemaakt van een dummy variabele en een aantal controlevariabelen als onafhankelijke variabelen. De dummy variabele is voor het onderscheid tussen de periode pre XBRL-adoptie en post XBRL-adoptie. De periode voor XBRL-adoptie is van 2007 tot 2008 en na XBRL-adoptie is van 2010 tot 2011. Om de verschillen tussen beide perioden te meten wordt gebruik gemaakt van een multivariate regression analysis. De controlevariabelen zijn er om de verschillen tussen pre-XBRL-adoptie en post-XBRL-adoptie te beheersen. De afhankelijke variabelen zijn Cost of Equity en de kwaliteit van financiële informatie die als een proxy dient voor earnings quality. Het regressiemodel dat gebaseerd is op de hypotheses van dit onderzoek zijn als volgt:
Regressiemodel hypothese 1
𝐶𝐸𝐶𝑖𝑡= 𝛽0 + 𝛽1 d𝑋𝐵𝑅𝐿𝑖𝑡 + 𝛽2 𝑆𝑖𝑧𝑒𝑖𝑡 + 𝛽3 𝐿𝐸𝑉𝑖𝑡 + 𝛽4 𝑀𝐵𝑖𝑡 + 𝛽5 𝐵𝐸𝑇𝐴 + 𝜀𝑡
𝐶𝐸𝐶𝑖𝑡 =Cost of Equity van bedrijf i in jaar t
d𝑋𝐵𝑅𝐿𝑖𝑡 = Dummy variabele met een waarde van 0 als het voldoet aan de criteria van de periode van voor XBRL-adoptie en een waarde van 1 als het voldoet aan de criteria van de periode na XBRL-adoptie
𝑆𝑖𝑧𝑒𝑖𝑡 = Natuurlijke logaritme van de totale activa van bedrijf i in jaar t
𝐿𝐸𝑉𝑖𝑡 = Ratio van totale schulden t.o.v. totale activa voor onderneming i in jaar t 𝑀𝐵𝑖𝑡 = Market-to-book ratio van bedrijf i in jaar t
22 Regressiemodel hypothese 2
|𝐷𝐴𝑖𝑡|= 𝛽0 + 𝛽1 d𝑋𝐵𝑅𝐿𝑖𝑡 + 𝛽2 𝑆𝑖𝑧𝑒𝑖𝑡 + 𝛽3 𝐿𝐸𝑉𝑖𝑡 + 𝛽4 𝑀𝐵𝑖𝑡 + 𝛽5 𝐵𝐸𝑇𝐴 + 𝜀𝑡 |𝐷𝐴𝑖𝑡| = Absolute waarde van discretionaire accruals voor bedrijf i in t
De overige variabelen zijn in regressiemodel voor hypothese 1 benoemd.
Er worden vier controlevariabelen gebruikt om het effect dat deze variabelen op het resultaat (discretionaire accruals) hebben te controleren, namelijk size, growth, leverage en bèta. Er zal gebruik worden gemaakt van controlevariabelen die volgens eerder onderzoek (zie hieronder) effect hebben op de Cost of Equity.
Size wordt gebruikt omdat Fama & French (1992) aangeven dat dit een van de belangrijkste determinanten is van verwachte aandelenopbrengsten. Daarnaast is het zo dat grote ondernemingen meer mogelijkheden hebben om hun winsten te spreiden dan kleine ondernemingen, waardoor bij grote ondernemingen de accruals stabieler blijken (Myers et al., 2003). Ook is uit meerdere onderzoeken gebleken dat grootte van een onderneming een positieve associatie heeft met disclosure van financiële informatie (Botosan, 1997; Botosan en Plumlee, 2002; Hail, 2002; Hail en Leuz, 2006). Een verklaring hiervoor is dat grote ondernemingen zichtbaarder zijn voor de buitenwereld en daarop reageren door meer informatie vrij te geven en dat zij de beschikking hebben over meer financiële middelen om disclosure mogelijk te maken. Disclosure van financiële informatie heeft een positieve invloed op Cost of Capital (Botosan, 1997). Voor de controlevariabele wordt de logaritme van de totale activa in het fiscaal jaar gebruikt. De controlevariabele leverage (LEV) wordt gebruikt omdat deze positief geassocieerd wordt met verwachte opbrengsten. Bij ondernemingen die gebruik maken van vreemd vermogen zijn er connecties te vinden tussen de hoogte van de schuldpositie en het managen van opbrengsten. Ondernemingen die in financiële problemen zitten hebben de neiging om boekhoudmethoden te gebruiken om de opbrengsten te doen toenemen zodat de beperkingen van een grote schuldpositie worden weggenomen (Dichev en Skinner, 2002). Daarnaast hebben ondernemingen met een grote schuldpositie de neiging om meer financiële informatie openbaar te maken zodat zij schuldeisers gerust kunnen stellen en om een positief signaal af te geven aan de markt (Malone et al. 1993). Leverage heeft een positief effect op Cost of Equity (Botosan, 1997; Hail, 2002). Leverage wordt gedefinieerd als de totale schuld gedeeld door de totale activa in het vorig fiscaal jaar.
23
De controlevariabele market-to-book ratio (MB) wordt gebruikt in navolging van het onderzoek van Fama en Franch (1992) die aangeven dat dit de tweede belangrijkste determinant van verwachte aandelenopbrengsten zijn. De Market-to-book ratio geeft het groeipotentieel weer die wordt waargenomen in de markt en is daarmee gerelateerd aan het informatierisico (Kim et al. 2012) en is de marktwaarde in verhouding tot de boekwaarde van een onderneming. Normaliter zal de prijs van het aandeel van een onderneming op de beurs groter zijn dan de boekwaarde per aandeel omdat die prijs rekening houdt met de schattingen van investeerders van de winstgevendheid en toekomstige waarde van de onderneming. Als de marktwaarde van een onderneming groter is dan de boekwaarde is het aandeel overgewaardeerd en andersom ondergewaardeerd. Onderwaardering duidt een slechte investering aan omdat de markt minder waarde hecht aan de onderneming dan haar boekwaarde. Market-to-book ratio heeft een positief effect op de Cost of Equity (Gebhardt et al. 2001; Hail en Leuz, 2006; Fama en French, 1992). De berekening van de Market-to-book ratio is als volgt:
𝑀𝐵 = 𝑀𝑎𝑟𝑘𝑒𝑡 𝑣𝑎𝑙𝑢𝑒
(𝑇𝑜𝑡𝑎𝑙 𝑎𝑠𝑠𝑒𝑡𝑠 − 𝑇𝑜𝑡𝑎𝑙 𝑙𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠)
De controlevariabele BETA wordt gebruikt in navolging op het onderzoek van Chen et al. (2015) die de het effect van XBRL op de Cost of Capital in China hebben gemeten.
24
4 Data
In dit hoofdstuk wordt ingegaan op de wijze waarop de data voor dit onderzoek is verzameld. Het doel van dit hoofdstuk is om het voor geïnteresseerden mogelijk te maken dit onderzoek te reproduceren of aan te vullen. In paragraaf 4.1 wordt toegelicht op welke manier de benodigde financiële informatie van ondernemingen is vergaard. Waarna in paragraaf 4.2 wordt ingegaan op de ondernemingen die XBRL vrijwillig hebben geadopteerd. Vervolgens wordt in paragraaf 4.3 de methode die is gebruikt om aan de bèta’s te komen voor de berekening van de Cost of Equity besproken. In paragraaf 4.4 volgt de toelichting op het toepassen van het hulpmodel voor de berekening van discretionaire accruals middels het Modified Jones Model. In paragraaf 4.5 komt de beschrijvende statistiek aan bod die in sub paragraaf 4.5.1 tot en met 4.5.3 verder wordt uitgediept door een toelichting op de kern statistische grootheden, correlatiematrix en multicollineariteit.
4.1 Algemene financiële informatie
Voor dit onderzoek is Wharton Research Data Services (WRDS) geraadpleegd. De financiële jaarrekening informatie van Amerikaanse beursgenoteerde ondernemingen is gehaald uit de database Compustat North America - Annual Listed companies. Voor de berekening van de Cost of Equity en discretionaire accruals is gebruik gemaakt van historische markt- en aandelenrendementen en historische sectorspecifieke financiële gegevens. De sample bevat data van beursgenoteerde ondernemingen uit alle industrieën waarvan de data van vòòr en na de verplichtstelling van XBRL beschikbaar is. Het onderzoek kan dus vertaald worden naar elk mogelijke sector. Het totaal aantal jaarbedrijfsobservaties is 994 en is per hoofdclassificatie van een industrie door de SEC in tabel 1 weergegeven. Om de data te standaardiseren is gebruik gemaakt van log transformatie.
De data heeft betrekking op een periode van 4 jaren en is van 2007 tot en met 2011, wat resulteert in een periode van 2 jaren voor en na de verplichtstelling van XBRL. Het jaar 2009 is geëlimineerd omdat dit de implementatiejaar is geweest. Debreceny et al. (2010) vinden dat de eerste filings onder het verplichte XBRL programma van de SEC een aanzienlijk aantal fouten bevatten, zoals ongepast gebruik van XBRL-elementen en het rapporteren van onjuiste negatieve waarden waar positieve waarden hadden moeten worden ingevoerd. Aangezien de verplichtstelling van het indienen van jaarrekeningen vanaf 2009 geldt is er genoeg data beschikbaar om de korte en lange termijn invloed van XBRL op de Cost of Equity te meten.
25
Er gebruik wordt gemaakt van een pre- en post-test design. Dit houdt in dat ondernemingen kunnen acteren als hun eigen control group. Dezelfde groep wordt als het ware tweemaal getoetst, namelijk een periode waarin XBRL nog niet is geadopteerd en een periode waarin dat wel is gedaan.
TABEL 1: Industrie hoofdclassificatie Observaties
Construction 10
Finance, Insurance and Real Estate 12
Manufacturing 446
Mining 124
Retail Trade 113
Services 78
Transportation, Communications, Electric, Gas and Sanitary service 84
Wholesale Trade 123
Non-classifiable 4
TOTAAL 994
In de volgende paragrafen zal blijken dat het bijzonder tijdrovend en lastig is geweest om aan geschikte data te komen. Toch is getracht om een zo groot mogelijke sample over te houden, ook gezien de afhankelijke variabele CoE waarvoor geldt hoe meer observaties hoe veelzeggender en krachtiger het onderzoek. Begonnen was met een sample van 470 bedrijven. Hiervan zijn 50 financiële instellingen uit de sample geëlimineerd omdat die aan andere regelgeving moeten voldoen. Dit zijn ondernemingen die in de Standard Industry Classification binnen de range 6000 – 6999 vielen. Vervolgens zijn er 25 ondernemingen geëlimineerd die XBRL vrijwillig hadden geadopteerd en dus voor 2009 al in XBRL rapporteerden. Als laatst zijn er 130 bedrijven geëlimineerd waarvan de bèta niet is gevonden of de overige financiële data onvoldoende is gebleken om daar de benodigde berekeningen op uit te voeren. Tabel 2 geeft een schematische weergave van de totale eliminaties. Er blijven 265 bedrijven in over uit vrijwel alle industrieën zoals die door de SEC zijn gespecificeerd.
26
TABEL 2: Grootte van de sample Aantal bedrijven
Bedrijven met marktwaarde groter dan $ 5 miljard 470
Eliminatie: financiële instellingen -50
Eliminatie: vrijwillige adoptie XBRL -25
Eliminatie: onvoldoende data -130
265
4.2 Vrijwillige XBRL-adoptie informatie
De door de SEC verplichtte XBRL-adoptie is stapsgewijs in 3 jaren ingevoerd. Grote ondernemingen met een wereldwijde public common equity float van meer dan $ 5 miljard moeten hun financiële rapportages voor fiscale perioden eindigend op of na 15 juni 2009 in XBRL-formaat aanleveren. Alle andere grote ondernemingen zoals gedefinieerd onder Rule 12-b van de Security Exchange Act hadden nog tot 15 juni 2010 de tijd. Dit zijn ondernemingen met een marktwaarde van ten minste $ 700 miljoen die ten minste al één jaar onder Rule 12-b vallen en ten minste één jaarrekening hebben moeten publiceren. Als laatste had het restant van de ondernemingen tot 15 juni 2011 (SEC 2009).
Om te bepalen welke ondernemingen verplicht waren om XBRL per 15 juni 2009 te adopteren was informatie nodig van de SEC. Deze informatie die bijvoorbeeld bijgehouden kan worden in een lijst ontbreekt. Om die reden is data van de uitstaande aandelen en aandelenprijs per 15 juni 2009 van alle ondernemingen opgezocht om te bepalen of de marktwaarde groter of gelijk is aan $ 5 miljard. Dit is gegaan met een voorwaardelijke zoekterm in de Compustat North America - Annual Listed database. Het resultaat hiervan is gecontroleerd met het EDGAR database. Dit is een database die door de SEC wordt beheerd, vrij toegankelijk is en de kwartaal- en jaarverslagen bevat van alle ondernemingen. In deze database wordt vanaf medio 2009 aangegeven of ondernemingen financiële gegevens in XBRL formaat hebben aangeleverd. De data van die ondernemingen kan worden gevonden onder de benaming Interactive data.
Daarna bleek dat vrijwillige adoptie door die ondernemingen vòòr 2009 ook mogelijk was. Omdat gebruik wordt gemaakt van een pre- en post-test zouden in de sample dus alleen ondernemingen moeten zijn die voor de cut-off datum van juni 2009 niet in XBRL hadden gerapporteerd. De informatie van welke ondernemingen wanneer in XBRL hadden gerapporteerd is niet beschikbaar in een publiekelijk toegankelijke database. De SEC houdt wel sinds 2005 per maand in een digitaal
27
archief2 bij welke ondernemingen in XBRL hebben gerapporteerd. Hiervoor moesten 60
webpagina’s worden bezocht en honderden ondernemingen worden gecontroleerd. Omdat dit te omslachtig is, is besloten om per e-mail bij de SEC en XBRL US informatie op te vragen. Zowel de SEC als XBRL US had geen lijsten beschikbaar. De methode die is gebruikt om de benodigde informatie toch te vergaren is in eerste opzicht handmatig geweest en na contact op een online programmeurs forum met een vrij beschikbare data mining tool. Hierdoor zijn er 25 ondernemingen uit de sample geëlimineerd die XBRL vrijwillig hadden geadopteerd en dus voor 2009 al in XBRL rapporteerden.
4.3 Dataverzameling Bèta informatie
Er is gebruik gemaakt van de CRSP/Compustat Merged Linking Table om alle Global Company Keys om te zetten naar PERMNO codes. De optie die is gebruikt is de Historical CRSP Permno link to Compustat record. Met de PERMNO codes kan in de Bèta Suite by WRDS naar de market bèta’s per dag of maand worden gezocht. Het aantal records is zo groot gebleken dat de data in delen en per jaar is opgevraagd. Ontbrekende bèta’s konden aangevuld worden via het Ticker symbool. Ook dit is in delen en per jaar opgevraagd. De bèta van het begin van het fiscaal jaar is gebruikt. Van 130 bedrijven is de bèta niet gevonden of de overige financiële data onvoldoende gebleken om daar de benodigde berekeningen op uit te voeren.
4.4 Toepassing hulpmodel Modified Jones
Er zijn twee methoden die kunnen worden toegepast voor het schatten van de alpha’s zoals dat in paragraaf 2.4 onder stap 2 is beschreven: time-series en cross-sectional. Bij de time-series methode gaat men uit van de historische data van een onderneming, bijvoorbeeld van minimaal 10 jaar voor het jaar van onderzoek. Van de uitkomst van de discretionaire accruals van het jaar van onderzoek wordt dan gekeken hoe deze zich verhoudt tot de afgelopen 10 jaar van hetzelfde bedrijf. De time-series methode werkt dus niet voor jonge ondernemingen. De cross-sectional methode vergelijkt de discretionaire accruals van het bedrijf met alle bedrijven in dezelfde sector in hetzelfde jaar. Voor dit onderzoek is besloten om de cross-sectional methode te gebruiken. In tabel 3 wordt een preview gegeven van de geschatte alpha´s van de sectoren mining en construction in het jaar 2011.
28
TABEL 3: Schatting sectorspecifieke coëfficiënten
SIC Sector 1300 Mining -0.188 1.48 -0.262 1400 Mining 2.82 -0.136 -3.681 1500 Construction 0.004 0.003 -0.639 1600 Construction -0.143 -1.052 0.145 4.5 Beschrijvende statistiek 4.5.1 Kern statistische grootheden
In tabel 4 worden de kern statistische grootheden weergegeven van alle variabelen. De kernstatistieken die worden getoond zijn het gemiddelde, de mediaan, de standaarddeviatie, het minimum en het maximum. Voor de variabele market-to-book ratio en leverage zijn er 8 observaties uit de sample gehaald met de optie missing omdat er bijzonder grote outliers blijken te zijn die invloed kunnen hebben op de onderzoeksresultaten. Bij de variabele bèta zijn er 11 observaties uit de sample gehaald. Bij MB is een vrij grote spreiding tussen het minimum en het maximum. Een MB die negatief is mogelijk als de waarde van het aandeel van een onderneming is ondergewaardeerd. Onderwaardering duidt een slechte investering aan omdat de markt minder waarde hecht aan de onderneming ten opzichte van de boekwaarde. Bij de variabele LEV zien we een minimum waarde van 0, dit komt omdat een aantal ondernemingen geen schulden hebben. De gemiddelde debt ratio (LEV) is ook aan de lage kant met een waarde van 0,240 (24%). Van een risico perspectief is een lage debt ratio voor investeerders beter. Hoge debt ratio’s betekent ook hogere interestkosten. Bij de variabele BETA zien we voor het minimum en maximum positieve waarden. Voor sommige ondernemingen volgt de prijs van het aandeel de beweging van de markt en is er een laag systematisch risico. Bij de variabele DA kan het minimum negatief zijn als de net income lager is dan de operating cash flow. Bij sommige variabelen is het verschil tussen het gemiddelde en de mediaan groter. Dit heeft te maken met observaties die hogere waarden hebben en die mediaan minder beïnvloeden dan het gemiddelde.
29
TABEL 4 – Kern statistische grootheden N=994
Variabele Gemiddelde Mediaan Standaard
deviatie Min. Max. |DA| 0,189 0,150 0,339 -,990 3,418 CoE 7,929 7,629 3,168 1,040 22,969 MB 3,022 2,455 3,731 -30,386 35,613 LEV 0,240 0,226 0,147 0,000 0,676 Size 9,536 9,515 1,059 6,399 12,710 Beta 0,942 0,900 0,456 0,035 2,541 4.5.2 Correlatiematrix
In tabel 5 wordt de Pearson correlatiematrix weergegeven. De toets wordt gebruikt om te kijken wat de mate van samenhang is tussen twee variabelen. De Pearson correlatie geeft informatie over in hoeverre een verandering in de eerste variabele samengaat met een verandering in de tweede variabele. De uitkomst zit in een gestandaardiseerde maat is: hij ligt altijd tussen -1 en 1. Een negatieve waarde geeft de sterkte van een negatieve correlatie tussen twee variabelen weer. Een positieve waarde geeft een positieve correlatie weer. De significantie van de correlatie wordt ook weergegeven. Voor de gebruikte variabelen in dit onderzoek is op te merken dat er een significante negatieve correlatie is tussen LEV en COE wat aangeeft dat als de schuldpositie van een bedrijf groter wordt de COE lager wordt. Dit kan komen doordat de instroom van kapitaal via leningen de instroom van kapitaal uit eigen vermogen vervangt. Er is een negatieve correlatie tussen SIZE en COE. Dit kan komen doordat de betere verhandelbaarheid van het aandeel van grotere ondernemingen de risk premium en dus de COE doet verlagen. De overige correlaties zitten allemaal tussen 0,2 positief of negatief en zullen niet nader worden toegelicht. De grootste correlatie die significant is en wel noemenswaardig is, is de positieve correlatie tussen BETA en COE. Een mogelijke verklaring is dat als het systematisch risico (BETA) toeneemt en de prijs van het aandeel dus niet de bewegingen van de markt volgt, dit het investeringsrisico voor beleggers vergroot waardoor zij een hoger risk premium vragen. De grootte van de correlaties tussen de variabelen in geven geen indicatie voor het bestaan van multicollineariteit.
30
TABEL 5 – Pearson correlatiematrix Variabele COE |DA | MB LE V SI ZE BE TA d XBRL COE 1 |DA| -0,028 1 MB -0,025 0,020 1 LEV -0,170** -0,010 0,005 1 SIZE -0,192** -0,057 0,193** 0,109** 1 BETA 0,952** 0,045 -0,022 -0,202** -0,180** 1 dXBRL -0,034 0,198** -0,052 0,029 0,095** -0,002 1 ** Significante correlatie op het niveau van 1% (two-tailed
4.5.3 Multicollineariteit
In deze sub paragraaf worden de uitkomsten van de multicollineariteit weergegeven. Multicollineariteit wordt gemeten om te onderzoeken of er een sterke lineair relatie is tussen de onafhankelijke variabelen. Met andere woorden ze mogen niet praktisch hetzelfde meten. In dit onderzoek wordt dit gemeten door de Variance Inflation Factor (VIF) en het tolerance niveau die in tabel 6 is weergegeven. De hoogste VIF waarde is 1,114 en valt ruim onder de 10 wat een acceptabel niveau aanduidt. Het tolerance niveau mag gemiddeld niet lager zijn dan 0,1. Het laagste tolerance niveau is 0,898. Geconcludeerd kan worden dat er geen sprake is van collineariteit in de data.
31
TABEL 6 – Multicollineariteit
Onafhankelijke variabelen Tolerance VIF
dXBRL 0,987 1,013
SIZE 0,898 1,114
LEV 0,949 1,054
MB 0,936 1,069
32
5 Resultaten
In dit hoofdstuk staat de volgende te beantwoorden vraag centraal: Bestaat er een verband tussen XBRL-adoptie en de Cost of Equity bij Amerikaanse beursgenoteerde ondernemingen? Teneinde deze vraag te beantwoorden zullen in dit hoofdstuk de resultaten van dit onderzoek uiteengezet worden. De twee hypotheses die opgebouwd zijn uit de regressiemodellen zoals die in paragraaf 3.1 aan bod zijn gekomen zullen op basis van de resultaten aangenomen of verworpen worden afhankelijk van of er significante invloed is geconstateerd van XBRL-adoptie op de Cost of Equity en kwaliteit van financiële informatie. Voor beide hypotheses is een lineaire regressie toegepast. In paragraaf 5.1 worden de uitkomsten gepresenteerd van de regressie van hypothese 1 en in paragraaf 5.2 van hypothese 2.
5.1 Resultaten hypothese 1
In tabel 7 zijn de uitkomsten van de regressie voor hypothese 1 te zien die middels een lineaire regressie is getoetst. De tabel geeft het effect weer van de onafhankelijke variabele XBRL-adoptie op de afhankelijke variabele die gemeten is als de Cost of Equity. De verwachting is dat hier een negatief effect is waar te nemen. XBRL-adoptie zou de Cost of Equity doen verlagen.
TABEL 7 – Regressieanalyse hypothese 1
β Std. Error t-value p-value
Constante 2,420 0,299 8,089 0,000 ** dXBRL -0,302 0,057 -5,280 0,000 ** SIZE -0,019 0,029 -0,670 0,503 LEV 0,113 0,201 0,562 0,575 MB -0,014 0,008 -1,711 0,087 BETA 6,095 0,065 94,443 0,000 **
Model summary Anova
R2 0,908 F 1908,878
Adjusted R2 0,908 p-value 0,000 **
N 968
33
Model
De model summary geeft een samenvatting weer van het effect van alle onafhankelijke variabelen samen op de afhankelijke variabele Cost of Equity. Dit gebeurt aan de hand van de R squared en adjusted R squared. In de literatuur wordt vaker naar de adjusted R squared gekeken omdat die strenger is dan de R squared. De adjusted R squared houdt rekening met de grootte van de sample en het aantal variabelen. Beide waarden geven echter hetzelfde weer. Het model correleert met 0,908 (onder R2) met de afhankelijke variabele Cost of Equity. Het model verklaart 90% (onder
Adjusted R2) van de totale variantie van Cost of Equity en is als significant aan te merken op een
niveau van 1% door de ANOVA test met een F-waarde van 1908,878. Dit betekent dat de onafhankelijke variabelen een significante invloed hebben op de uitkomst van de afhankelijke variabele Cost of Equity. Het model dat is gebruikt geeft een bijzonder sterke relatie weer tussen de afhankelijke en onafhankelijke variabelen en verklaart een groot gedeelte van de totale variantie in de afhankelijke variabele Cost of Equity.
Bèta
De bèta geeft aan wat de richting is van het effect en of het een positieve dan wel negatieve effect van de onafhankelijke variabelen op de afhankelijke variabele is. Tabel 7 laat zien dat de coëfficiënt voor de pre- of post-XBRL dummy -0,302 is, wat betekent dat voor elke eenheid toename in de pre- of post-XBRL dummy er een -0,302 eenheid afname is te verwachten in de Cost of Equity als alle andere variabelen constant zijn gehouden. Omdat de XBRL dummy is gecodeerd met een 0 of 1 is de interpretatie dat in de periode post-XBRL de verwachte Cost of Equity -0,302 punt lager is dan in de periode pre-XBRL adoptie. Dit komt overeen met de verwachting dat XBRL-adoptie de CoE zou doen verlagen. De variabele SIZE en MB hebben een negatief effect op de Cost of Equity. Dit betekent dat voor elke eenheid toename in SIZE er een -0.019 afname is in de Cost of Equity. En voor elke eenheid toename van MB is er een -0.014 eenheid afname in de Cost of Equity. De constante, LEV en BETA hebben een positief effect op de Cost of Equity. Bij de BETA is dit effect opvallend groter dan bij de rest. Voor elke eenheid toename in de constante is er een toename van 2,420 eenheid in de Cost of Equity. Voor elke eenheid toename van LEV is er een toename van 0,113 eenheid in de Cost of Equity. Voor elke eenheid toename in BETA is er een toename is van 6,095 eenheid in de Cost of Equity.
34
Significantie
Om te bepalen welke coëfficiënten significant verschillen van nul zal de t-statistic en de bijbehorende p-value worden bekeken. De bijbehorende variabelen hebben dan een significant effect op de afhankelijke variabele Cost of Equity. Dit kan op het niveau van 1% dat is aangeduid met één asterisk of een niveau van 5% dat is aangeduid met twee asterisken. In de tabel is te zien dat er een significant effect is van de constante, de dummy variabele XBRL en de BETA op de Cost of Equity. Het negatieve effect van de dummy variabele komt overeen met de verwachting zoals die in paragraaf 2.5 is gepresenteerd, dat XBRL-adoptie de Cost of Equity doet afnemen. Dit effect is ook nog eens significant op het niveau van 1%. Dit betekent dat de betrouwbaarheid van dit effect maar liefst 99% is. De p-value is kleiner dan 0,001. Ook voor de constante en de BETA is het niveau van significantie 99%.
Resultaat regressie
Gebaseerd op het significantieniveau van de p-waarden en het negatief effect dat is te zien kan worden geconcludeerd dat de hoogte van de Cost of Equity bij Amerikaanse beursgenoteerde ondernemingen vermindert wanneer XBRL is geadopteerd. Dit betekent dat XBRL-adoptie voor wat betreft dit onderzoek leidt tot lagere waarden van Cost of Equity en dat de hypothese
XBRL-adoptie vermindert de Cost of Equity (CoE) van beursgenoteerde Amerikaanse ondernemingen kan
worden aangenomen.
5.2 Resultaten hypothese 2
In tabel 8 zijn de uitkomsten van de regressie voor hypothese 2 te zien die middels een lineaire regressie is getoetst. De tabel geeft het effect weer van de onafhankelijke variabele XBRL-adoptie op de afhankelijke variabele die gemeten is als de absolute waarde van discretionaire accruals. De verwachting is dat hier een negatieve invloed is waar te nemen. XBRL-adoptie zou immers de kwaliteit van financiële informatie vergroten door het verminderen van de discretionaire accruals. In de tabel is echter een positieve invloed van XBRL-adoptie op discretionaire accruals te zien die ook nog significant is op het niveau van 1%.
35
TABEL 8 – Regressieanalyse hypothese 2
β Std. Error t-value p-value
Constante 0,274 0,113 2,421 0,016 * dXBRL 0,136 0,022 6,298 0,000 ** SIZE -0,019 0,011 -1,745 0,081 LEV -0,026 0,076 -0,343 0,732 MB 0,002 0,003 0,608 0,544 BETA 0,028 0,024 1,152 0,250
Model summary Anova
R2 0,044 F 8,861
Adjusted R2 0,039 p-value 0,000 **
N 968
* Significant op het niveau van 5% ** Significant op het niveau van 1%
Model
De model summary geeft een samenvatting weer van het effect van alle onafhankelijke variabelen samen op de afhankelijke variabele discretionaire accruals. R2 is een zogenaamde goodness-of-fit maat.
Het model correleert met 0,044 (onder R2) met de afhankelijke variabele discretionaire accruals.
Het model verklaart 3,9% (onder Adjusted R2) van de totale variantie van discretionaire accruals
en is als significant op een niveau van 1% aan te merken door de ANOVA test met een F-waarde van 8,861. Dit betekent dat de onafhankelijke variabelen een significante invloed hebben op de uitkomst van de afhankelijke variabele |DA|. Kortom, het model geeft een vrij lage verklaring van de totale variantie in |DA|.
Bèta
De bèta geeft aan of er een positieve dan wel negatieve effect van de onafhankelijke variabelen op de afhankelijke variabele is. De variabelen SIZE en LEV hebben een negatief effect op de afhankelijke variabele |DA|. De variabelen dXBRL, MB en BETA hebben een positief effect op de afhankelijke variabele |DA|. Het negatief effect van SIZE en LEV geven aan dat als de SIZE en LEV toenemen de waarde van discretionaire accruals afneemt. En dat als dXBRL, MB en BETA toenemen de discretionaire accruals ook toenemen. Te zien is dat dit niet overeenkomt met de veronderstelling dat XBRL de discretionaire accruals zou doen afnemen. Het grootste effect op de discretionaire accruals is te zien aan de t-stastic. Dit is het geval bij de dummy variabele XBRL met een waarde van 6,298.
36
Significantie
Aan de p-value is te zien welke variabelen een significant effect hebben op de afhankelijke variabele |DA|. Dit kan op het niveau van 1% dat is aangeduid met één asterisk of een niveau van 5% dat is aangeduid met twee asterisken. In de tabel is te zien dat er een significant effect is van de constante en de variabele dXBRL op discretionaire accruals. Bij de constante is er met 95% zekerheid te stellen dat hier sprake is van een positief effect op de discretionaire accruals. Bij de variabele XBRL is er ook een positief effect maar is het niveau van zekerheid zelfs 99%. De variabele valt net onder het significantieniveau van 90%, maar besloten is om alleen tot een niveau van 5% in de tabel te rapporteren.
Resultaat regressie
Het resultaat van de regressie wijst erop dat er een positief effect is van de onafhankelijke variabele dXBRL op de afhankelijke variabele |DA| en dat dit effect met een zekerheid van 99% significant is. Dit resultaat staat haaks tegen de voorspelling die in paragraaf 2.5 is genoemd. Het betekent dat XBRL-adoptie voor wat betreft dit onderzoek leidt tot hogere waarden van discretionaire accruals. De hypothese: XBRL-adoptie verhoogt de kwaliteit van financiële informatie kan dus worden verworpen.
37
6 Conclusie
In dit hoofdstuk wordt er een samenvatting gegeven van het uitgevoerde onderzoek en volgt een conclusie die antwoord zal geven op de onderzoeksvragen. Daarnaast worden de bijdragen van dit onderzoek aan de literatuur beschreven, de beperkingen van dit onderzoek toegelicht en worden aanbevelingen voor toekomstig onderzoek gegeven.
6.1 Conclusie van het onderzoek
In dit onderzoek is er gekeken of XBRL-adoptie effect heeft op de Cost of Equity en de kwaliteit van financiële informatie. Hiervoor is gebruik gemaakt van data van Amerikaanse beursgenoteerde ondernemingen met een common equity float van $ 5 miljard die per 15 juni 2009 verplicht waren om financiële rapportages in XBRL-formaat bij de SEC in te dienen. Uit de resultaten van de regressieanalyse die in hoofdstuk 5 is beschreven is er een significant effect gevonden van XBRL-adoptie op de Cost of Equity. Dit effect is negatief en duidt aan dat XBRL-XBRL-adoptie de Cost of Equity doet afnemen. Dit is in overeenstemming met de verwachting die is geschept in de paragraaf hypothese-ontwikkeling. Dit significant effect komt overeen met het soortgelijke onderzoek dat door Chen et al. (2015) is uitgevoerd. Zij hebben gebruik gemaakt van data van beursgenoteerde ondernemingen in China. Chen et al. (2015) rapporteren dat er één jaar na XBRL-adoptie nog geen significant effect op de Cost of Equity was waar te nemen. Bij meer dan één jaar na XBRL-adoptie was er een significante reductie in de Cost of Equity waar te nemen. Kortom, voor de eerste onderzoeksvraag: XBRL-adoptie vermindert de Cost of Equity van beursgenoteerde ondernemingen kan geconcludeerd worden dat dit aangenomen kan worden.
De tweede hypothese onderzocht of er een negatieve relatie is tussen XBRL-adoptie en de absolute waarde van discretionaire accruals en beantwoord de onderzoeksvraag: XBRL-adoptie verhoogt de
kwaliteit van financiële informatie. Hoe lager de discretionaire accruals, hoe hoger de kwaliteit van
financiële informatie. Voor een positieve associatie tussen XBRL-adoptie en de kwaliteit van financiële informatie hoort er dus een negatieve associatie te zijn tussen XBRL-adoptie en de absolute waarde van discretionaire accruals. Uit de resultaten van de regressieanalyse is een significant effect gevonden van XBRL-adoptie op de discretionaire accruals. Dit effect is echter positief, wanneer XBRL wordt geadopteerd verhoogt dit de discretionaire accruals. Deze uitkomst gaat tegen de verwachting in dat XBRL-adoptie de kwaliteit van financiële informatie zou verhogen.
De periode die in dit onderzoek is gehanteerd reikt tot twee jaar na XBRL-adoptie en is van 2007 tot en met 2011. Het implementatiejaar is niet meegenomen in de sample omdat Debrency (2010)
