Amsterdam Business School
Heeft de accountantsduur invloed op het effect
van foutenherstel op de aandelenkoers?
Naam: A.G. de Boer Studentnummer: 10680985
Eerste beoordelaar: dr. S.W. Bissessur Tweede beoordelaar: dr. ir. S.P. van Triest Datum: 9 januari 2016
Versie: Finale versie Aantal Woorden: 15103
MSc Accountancy & Control, specialisatie Accountancy
Statement of Originality
This document is written by student Alex de Boer 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.
Samenvatting
In deze paper is de invloed van de accountantsduur, waarbij accountantsduur is opgesplitst in ervaren en onervaren accountants, op het effect van foutenherstel op de aandelenkoers onderzocht. Foutenherstel is het corrigeren van financiële informatie, welke in het verleden is gecontroleerd en goedgekeurd door een accountant. De verwachting was dat er negatiever gereageerd zou worden bij foutenherstel aangekondigd door de ervaren accountants, doordat investeerders meer vertrouwen hebben in deze groep accountants (Ghosh & Moon, 2005).
Op basis van de Efficient Market Theory, die bewijst dat de aandelenkoers reageert op nieuwe accounting informatie, van Fama et al. (1969) is er gekozen voor een event studie. In het specifiek voor een 2-daags event vanaf aankondiging van foutenherstel (MacKinlay, 1997). In het onderzoek is 1.396 aantal foutenherstel uit de V.S. over de periode 2003 tot en met 2014 gebruikt.
Op basis van de multiple regressieanalyse blijkt dat er geen significant verband is tussen de accountantsduur en het effect van foutenherstel op de aandelenmarkt. Tevens is er ook geen significant resultaat bij foutenherstel met impact in het operationele resultaat. De toegevoegde waarde van het onderzoek is een aanvulling op de kennis van accounting informatie. Uit deze paper blijkt dat er geen verschil is in het effect op de aandelenmarkt bij het corrigeren van accounting informatie door een ervaren of onervaren accountant.
Inhoudsopgave
1 Introductie ... 6 1.1 Onderzoeksvraag ... 6 1.2 Relevantie ... 7 2 literatuur ... 9 2.1 Accounting informatie ... 9 2.2 Decision usefulness ... 102.2.1 Efficient Market Theory ... 10
2.3 Foutenherstel ... 11 2.4 Voorgaande onderzoeken ... 12 2.5 Accountantskwaliteit ... 13 2.5.1 Agency Theory ... 13 2.5.2 Vertrouwen accountant ... 14 3 Onderzoeksmethode ... 16 3.1 Hypothese ... 16 3.2 Onderzoekmodel ... 17 3.2.1 Event studie ... 18 3.2.2 Afhankelijke variabele ... 20 3.2.3 Onafhankelijke variabele ... 20 3.2.4 Controlevariabele ... 21 3.3 Data ... 23 3.3.1 Periode ... 23 3.3.2 Dataset ... 23 3.3.3 Samenvoegen dataset ... 26 3.4 Methodologie ... 27 3.4.1 Beschrijvende statistiek ... 28
4 Resultaten ... 33
4.1 Resultaat hypothese 1 ... 33
4.1.1 Theorie resultaat hypothese 1 ... 35
4.1.2 Discussie regressiemodel hypothese 1 ... 35
4.2 Resultaat hypothese 2 ... 38
4.2.1 Theorie resultaat hypothese 2 ... 38
4.2.2 Discussie regressiemodel hypothese 2 ... 39
5 Conclusie ... 41
5.1 Conclusie van de hypotheses ... 41
5.2 Beperkingen van het onderzoek... 42
5.3 Aanbevelingen ... 42
Referentie ... 44
1 Introductie
1.1 Onderzoeksvraag
Accounting informatie wordt intern gebruikt om contractkosten te minimaliseren en de bedrijfswaarde te maximaliseren. (Smith Jr. & Watts, 1992). Accounting informatie wordt gebruikt door externe partijen ten behoeve van het efficiënt toewijzen van kapitaal. Accounting informatie dient ervoor te zorgen dat investeerders geholpen worden bij de keuze van hun investering. Er kan ook gesteld worden dat accounting informatie de ‘decision usefulness’ van de gebruiker dient te verhogen. Accounting informatie wordt voornamelijk gepubliceerd in financiële rapportages. Deze financiële rapportages streven naar een hoge relevantie van accounting informatie, waardoor het de ‘decision usefulness’ voor de gebruikers verbetert.
Financiële rapportages kunnen ook fouten bevatten zowel, on- als opzettelijke fouten. Deze fouten kunnen worden opgemerkt door het management, toezichthouders (bijvoorbeeld de Securities and Exchange Commission (SEC) in de Verenigde Staten), de externe accountant of een combinatie daarvan. Opgemerkte fouten dienen hersteld te worden. Deze correcties van accounting informatie noemt men foutenherstel (ook wel restatements genoemd in de Anglosaksische literatuur). Foutenherstel is dus een correctie op accounting informatie die gebruikt kan zijn door belanghebbende bij hun beslissingen.
Dat de aandelenkoers reageert op accounting informatie is bewezen door de ‘Efficient Market Theory’ (Fama e.a., 1969). Deze theorie stelt dat de aandelenkoers van een bedrijf reageert op alle nieuwe beschikbare informatie die van invloed is op het verwachte dividend. Accounting informatie is relevant voor een belanghebbende indien het informatie bevat dat impact heeft op de toekomstige kasstromen.
Uit voorgaande onderzoeken is gebleken dat er een effect is van foutenherstel op de aandelenkoers (Palmrose, Richardson, & Scholz, 2004). Door het gebruik van foutenherstel wordt het corrigeren van accounting informatie meetbaar en wordt specifiek het moment van aankondiging van foutenherstel gebruikt. Aan deze relatie voeg ik in mijn onderzoek de moderator accountantsduur toe. Ik wil gaan onderzoeken of de accountantsduur een negatieve invloed heeft op het effect van foutenherstel op de aandelenkoers.
De moderator accountantsduur moet het vertrouwen in de accountant vertegenwoordigen. Het vertrouwen in de accountant is gebaseerd op de kwaliteit van zijn controle en mate van onafhankelijkheid en objectiviteit. Uit onderzoek van Ghosh & Moon (2005) blijkt dat investeerders meer waarde hechten aan de financiële rapportage naar mate de lengte van de
accountantsrelatie toeneemt. Uit voorgaande onderzoeken blijkt tevens dat de kwaliteit van de accountant toeneemt naar mate de accountantsduur langer wordt, aangezien klant specifieke kennis verloren gaat bij wisseling van partner (Litt, Sharma, Simpson, & Tanyi, 2014). Tevens stelt Dart (2011) dat investeerders de mate van onafhankelijkheid van de accountant niet bepalen aan de hand van de lengte van de klantrelatie. Deze paper gaat dus onderzoeken of accountantsduur een negatieve invloed heeft op het effect van foutenherstel op de aandelenkoers.
1.2 Relevantie
Dit onderzoek is relevant omdat het meer inzicht geeft over accounting informatie en het impact van correcties op accounting informatie op de aandelenmarkt. De voormalig voorzitter van de SEC heeft gezegd dat investeerders de afgelopen jaren miljarden hebben verloren op de aandelenmarkt door correctie in de financiële rapportage1. Door het negatieve effect van
foutenherstel op de aandelenmarkt en de relatie van de accountantsduur op dit effect te onderzoeken, komt er meer informatie over accounting informatie en de rol van de accountant. Dit onderzoek wilt gaan aantonen dat het vertrouwen in de accountant wel degelijk een effect heeft op de aandelenmarkt bij foutenherstel.
Het is van belang dat belanghebbende van accounting informatie kunnen vertrouwen op de relevantie en betrouwbaarheid van de informatie. Met andere woorden, dat accounting informatie moet bijdrage aan de ‘decision usefulness’ voor investeerders. Dit is niet altijd het geval doordat er onjuiste informatie is verstrekt waardoor er foutenherstel optreedt om een correctie op de accounting informatie door te voeren. Door dit herstel vindt er ook een correctie plaats op de aandelenmarkt, aangezien informatie over de verwachte toekomstige kasstromen wordt gewijzigd. In dit onderzoek wordt er onderzocht of het vertrouwen in de accountant invloed heeft op het effect tussen herstel van accounting informatie en de aandelenkoers, waarbij het vertrouwen van de accountant is gebaseerd op zijn kwaliteit, onafhankelijkheid en objectiviteit. In dit onderzoek wordt onderzocht of investeerders sterker reageren op correcties van accounting informatie als zij meer vertrouwen hebben in de accountant.
De accountant dient op basis van de agency theorie de agent te monitoren. Dit doet hij door de verstrekte accounting informatie te controleren op juistheid en volledigheid waardoor de accounting informatie een waar en getrouw beeld geeft over de organisatie (Moral Hazard). Naast dat de kwaliteit van de accountant effect heeft op de kwaliteit van de accounting informatie wordt
in deze paper onderzocht of de kwaliteit van de accountant ook effect heeft op de aandelenkoers bij een correctie op accounting informatie. Door onderscheid te maken tussen accountantsduur tot en met 3 jaar en langer dan 3 jaar, wordt er onderscheid gemaakt tussen een beginnende en ervaren accountant. Dit onderscheid is gemaakt op basis van voorgaande onderzoeken waarin is vastgesteld dat de kwaliteit van de accountant tot en met het 3e jaar van lagere kwaliteit is (Litt e.a.,
2014). Hierdoor krijgen wij meer informatie over het effect van het vertrouwen in de accountant op correcties van accounting informatie.
De verwachting is dat indien investeerders meer vertrouwen hebben in de accountant dus ook meer vertrouwen zullen hebben in de accounting informatie. Doordat investeerders meer vertrouwen hebben in de accounting informatie van de ervaren accountant, zullen zij negatiever reageren bij foutenherstel in de accounting informatie. Indien de investeerders minder vertrouwen hadden in de accountant zal de ‘decision usefulness’ van de informatie lager zijn geweest, waardoor de verwachting is dat het effect op de aandelenkoers minder sterk zal zijn.
Uit voorgaande onderzoeken is gebleken dat de accountant wel degelijk aansprakelijk gehouden wordt voor foutenherstel, aangezien er een positieve reactie van de aandelenkoers is bij ontslag van de accountant (Hennes, Leone, & Miller, 2014). Echter maakt dat onderzoek geen onderscheid in de mate van vertrouwen in de accountant door de investeerders. In mijn onderzoek wil ik aantonen dat investeerders meer vertrouwen hebben in accounting informatie gecontroleerd door een ervaren accountant. Door het effect van foutenherstel te meten op de aandelenkoers en daarbij onderscheidt te maken in de accountantsduur.
Samenvattend is deze paper een bijdrage aan de wetenschap over het effect van accounting informatie. In hoofdstuk 2 wordt de theoretische achtergrond van dit onderzoek beschreven. Waarna in hoofdstuk 3 de onderzoeksmethode wordt beschreven en daaropvolgend wordt het resultaat van het onderzoek besproken. Tot slot wordt in hoofdstuk 5 de conclusie van de paper geformuleerd.
2 literatuur
Om de paper goed te begrijpen is het van belang dat er achtergrondinformatie wordt verstrekt over de theorie van accounting informatie. Tevens wordt er informatie verstrekt over ‘decision usefulness’ en de relatie tot accounting informatie. Verder wordt de theorie met betrekking tot het foutenherstel beschreven. Ter verduidelijking van mijn onderzoek is er ook een paragraaf opgenomen met resultaten van vergelijkbare onderzoeken. Tot slot wordt de moderator accountantsduur theoretisch toegelicht.
2.1 Accounting informatie
Accounting informatie is bruikbaar voor investeerders als het hun inschatting over de bedrijfswaarde doet veranderen. Dit betekent dat accountinginformatie relevant en betrouwbaar moet zijn, anders is het niet bruikbaar. Informatie is relevant wanneer het de gebruiker nieuwe inzichten geeft over het desbetreffende onderwerp. Relevantie van accounting informatie is een van de basis elementen van accounting kwaliteit (Francis, LaFond, Olsson, & Schipper, 2004). Het is ook van belang dat informatie betrouwbaar is, dit betekent dat het juist en volledig dient te zijn. Accounting informatie kan worden opgesplitst in 2 doeleinde namelijk ‘Valuation role’ en ‘efficient contracting role’. Volgens Barth et al. (2001) dient de jaarrekening als primaire focus te hebben het helpen bij het maken van goede investeringsbeslissingen dus ter ondersteuning van de ‘valuation role’. Echter zijn er ook wetenschappers die stellen dat de jaarrekening ter monitoring moet fungeren (Watts & Zimmerman, 1978).
Accounting informatie wordt gebruikt om de informatieasymmetrie tussen de agent en de principaal te verkleinen. De theorie waarbij de economische structuur tussen deze 2 partijen wordt beschreven is de ‘Agency Theory’. In deze theorie is er een relatie tussen de principaal (investeerders) en de agent (bestuurders) waarbij de principaal beslissingsbevoegdheden verstrekt aan de agent (Jensen & Meckling, 1976) (Ross, 1973). De principaal en agent hebben tegengestelde belangen, zo kan de agent eigen belangen nastreven in plaats van de belangen van het bedrijf. Tevens heeft de principaal niet de mogelijkheid om de agent te controleren, omdat de principaal niet over de volledige informatie en mogelijkheid beschikt om de agent te monitoren. Deze informatieasymmetrie kan leiden tot twee risico’s, namelijk ‘Moral Hazard’ en ‘Adverse Selection’. Moral Hazard is dat de agent acties kan ondernemen die niet gecontroleerd kunnen worden door de principaal. Adverse Selection heeft de agent informatie die de principaal niet bezit.
Accounting informatie is een publiek goed en kan door iedereen geraadpleegd en gebruikt worden (Leftwich, 1980). De gebruikers van de financiële rapportages zijn onder andere investeerders, schuldeisers, leveranciers, vakbonden etc. Doordat accounting informatie een publiek goed is, zitten er ook nadelen aan verbonden. Doordat het publiekelijk is kan er geen prijs aan verbonden worden, dus ook geen specifieke kwaliteitseisen worden gesteld door de gebruiker. De gebruikers kunnen de niet-gebruikers niet uitsluiten van het product, aangezien er geen prijs tegenover staat. Doordat er geen prijs gebonden is aan accounting informatie, is de gebruiker afhankelijk van het framework voor het ontvangen relevante accounting informatie.
2.2 Decision usefulness
Accounting informatie wordt weergegeven in een conceptueel framework ontworpen door de Financial Accounting Standards Boards (FASB) onder Amerikaanse wetgeving. Het doel van het financiële rapport is om informatie te geven die relevant is, voor potentiële investeerders en schuldeisers en andere gebruikers, bij het maken van beslissingen2 (Benston e.a., 2007). Het
framework ontwikkelt voor de financiële rapportage van accounting informatie richt zich dus voornamelijk op de ‘valuation role’ van accounting.
De afgelopen jaren hebben de FASB en IASB de beslissingsbruikbaarheid van de financiële rapportage geprobeerd te verbeteren door het aanpassen van de accountingstandaarden (Hitz, 2007). De standaarden werden voornamelijk aangepast van historische kostprijs naar reële benadering. Doelstelling van deze wijzigingen is om relevante accounting informatie te tonen aan de gebruikers van de financiële rapportages.
2.2.1 Efficient Market Theory
Om de decision usefulness van de accounting informatie te kunnen meten wordt gebruikt gemaakt van de aandelenkoers. Uit voorgaande studies blijkt dat de ‘Random Walk Theory’ van toepassing is op een aandelenkoers (Horne & Parker, 1967). Dit betekent dat een aandelenkoers niet beter voorspeld kan worden op basis van gegevens uit het verleden, aangezien er geen verband is tussen gebeurtenissen uit het verleden en de aandelenkoers in de toekomst. Met andere woorden op basis van historische gegevens kan een aandelenkoers niet beter voorspeld worden dan zonder deze gegevens.
2Bron:
Echter reageert de aandelenkoers op informatie die van invloed is op de toekomstige kasstromen, dit is vastgesteld in het ‘Efficient Market Theory’ geïntroduceerd door Fama et al. (Fama e.a., 1969). In dit onderzoek is bewezen dat de aandelenkoers volledig reageert op beschikbare informatie op dat moment die van invloed is op het dividend. Met andere woorden de aandelenkoers wordt bepaald op basis van de beschikbare kennis over de verwachte toekomstige kasstromen. Tevens wordt er ook gesteld dat de aandelenmarkt in evenwicht is als de prijs volledig reageert op de beschikbare informatie (Fama, 1970). Uit het bovenstaande blijkt dus, dat investeerders geïnteresseerd zijn in informatie die betrekking heeft op de toekomstige kasstromen van een bedrijf.
2.3 Foutenherstel
Foutenherstel is het corrigeren van informatie uit het verleden weergegeven in een gedeponeerde jaarrekening. Zoals Skinner (1997) uitlegt, het management heeft de verplichting om een fout uit het verleden te corrigeren als die zorgt voor misleiding van de gebruiker van de jaarrekening. Het corrigeren van een fout in een gedeponeerde jaarrekening is een foutenherstel met andere woorden een correctie op informatie uit het verleden.
Het bedrijf, SEC, onafhankelijke accountant of een combinatie kunnen verantwoordelijk zijn voor doorvoeren van foutenherstel. Indien de accountant een fout van materieel belang ontdekt uit voorgaande rapportage, dan dient conform Genarally Accepted Auditing Standards (GAAS) de accountant een voorstel van correctie te doen bij de klant.3 Tevens dient de accountant te
waarborgen dat het wordt aangepast en wordt toegelicht in het juiste document. In de V.S. dient foutenherstel te worden toegelicht in een ‘Form 8-K’ of aanvullend bij een ‘Form 10-K’. Een Form 8-K is een formulier die relevante informatie over het bedrijf geeft ten behoeve van de investeerders of SEC. Een Form 10-K wordt weergegeven in de jaarrekening, aangezien er een paragraaf wordt opgenomen over het foutenherstel.
Uit onderzoek blijkt dat de afgelopen jaren het aantal foutenherstel weer is gedaald van zijn piek in 2006, namelijk met in 2006 een totaal van 1.771 aantal foutenherstel naar 922 in 2008 en 803 in 2010. In 2003 was er nog maar 475 keer foutenherstel. Deze stijging vanaf 2003 is hoogst waarschijnlijk veroorzaakt door de invoering van SOX en complexere accounting standaarden (Plumlee & Yohn, 2010). Foutenherstel kan optreden om verschillende redenen en kan opgedeeld worden in 4 categorieën: interne fouten (57%), fraude (3%), complexiteit van de transactie (3%)
of door accounting standaarden (37%) (Francis, Michas, & Yu, 2013). Andere wetenschappers stellen dat de accounting complexiteit de hoofdoorzaak is van de stijging van het aantal fouten (Ciesielski & Weirich, 2006).
Op basis van bovenstaande heeft de SEC de ‘Advisory Commitee on Improving Financial Reporting (ACIFR) opgericht wat als doel heeft om de complexiteit van de financiële rapportage te verminderen. Zij willen van ‘rules-based’ naar meer ‘principles-based’ standaarden, waardoor de complexiteit van de accounting standaarden wordt verminderd. Volgens hen komt deze verandering ten goede aan de betrouwbaarheid van de financiële rapportage, waardoor het meer waarde heeft voor de investeerders.
Foutenherstel zorgt niet alleen voor een correctie in het financieel rapport, maar kan ook reputatieschade als gevolg hebben. Zo hebben Gerten, van Riel & Berens (2006) bewezen dat naast de correctie in de jaarrekening, foutenherstel ook zorgt voor reputatieschade. Tevens zorgt het ook voor het ontdekken van substantiële fouten in de interne beheersing of corporate governance. Reputatieschade en bedrijfswaarde vermindering kan beperkt worden door informatie en uitleg te verschaffen aan de aandeelhouders. Hieruit blijkt dat het verstrekken van meer accounting informatie zorgt voor een risicoverlaging bij de investeerders.
2.4 Voorgaande onderzoeken
De ‘Efficient Market Theory’ van Fama et al. (1969) heeft bewezen dat de aandelenkoers reageert op informatie met betrekking tot de toekomstige kasstromen. Uit deze theorie blijkt dat aandeelhouders erg gefocust zijn op nieuwe informatie die van invloed is op de toekomstige kasstromen. Echter uit ander onderzoek blijkt dat ook correcties op versterkte informatie die van invloed is op toekomstige kasstromen effect heeft op de aandelenkoers. Volgens Palmrose et al. (2004) zorgt foutenherstel voor een gemiddelde koersdaling van 9 procent over een 2-daags event vanaf aankondiging van het herstel. Volgens dit onderzoek zorgen de volgende fouten voor een negatieve effect op de aandelenkoers, namelijk: fraude, effect op meerdere grootboekrekeningen en verlagen van de omzet. Dit onderzoek geeft aan dat de aandelenkoers ook reageert op correcties van informatie uit het verleden, daarmee aantoont dat investeerders ook reageren op nieuwe informatie over resultaten uit het verleden.
Dit resultaat kan verklaard worden doordat toekomstige winstverwachtingen meestal gebaseerd worden op basis van de resultaten uit het verleden. Op basis van de resultaten uit het verleden wordt een verwachting voor de komende jaren opgesteld, door bijvoorbeeld een jaarlijkse groei van 2 procent in de omzet te realiseren.
Tevens is er in voorgaande onderzoeken ook vastgesteld dat de soort en mate van de fout ook van invloed is op de reactie van de aandelenprijs. Zo heeft Turner et al. (2001) aangetoond dat er een verschil van reactie op de aandelenkoers is per soort fout, namelijk correctie in de omzet een gemiddelde koersdaling van 12 procent veroorzaakt en bijzondere waardeverminderingen van activa zorgt voor een koersdaling van 5 procent.
In voorgaande onderzoeken is er ook aangetoond dat er een verschil in reactie op de aandelenmarkt is bij foutenherstel door fraude of onopzettelijke fout. Uit onderzoek van Palmrose et al. (2004) blijkt dat de aandelenkoers bij fraude daalt met 20 procent en een onopzettelijke fout maar 6 procent. Dit significante verschil is ook bewezen door Hennes et al. (2008) waarbij foutenherstel door fraude een negatief effect op de aandelenkoers heeft van 14 procent en onopzettelijke fouten maar 2 procent.
2.5 Accountantskwaliteit
In dit onderzoek wordt het verband van de accountantsduur en de relatie tussen het foutenherstel en de aandelenkoers onderzocht. Uit voorgaande onderzoeken is gebleken dat er en relatie is tussen de accountant en foutenherstel. Een accountant wordt eerder ontslagen nadat er meerdere malen een foutenherstel is geweest (Hennes e.a., 2014). Ditzelfde onderzoek heeft ook vastgesteld dat Non-Big 4 accountants eerder ontslagen worden dan de Big 4 accountants en dat complexe en grote organisaties hun accountant minder snel ontslaan. Tevens is er een positieve reactie van de aandelenmarkt bij de aankondiging van het ontslaan van de accountant na foutenherstel en aannemen van een gelijkwaardige of grotere nieuwe accountant ondanks de bijkomende overstapkosten (Hennes e.a., 2014). Het ontslaan van de accountant heeft geen effect op de toekomstige kasstromen, maar zorgt wel voor een reactie op de aandelenkoers. Deze bevindingen zijn niet consistent aan de ‘Efficient Market Theory’, aangezien een accountant geen impact heeft op de toekomstige kasstromen van een onderneming.
2.5.1 Agency Theory
Dat de accountant verantwoordelijk wordt gesteld voor foutenherstel kan worden verklaard met de Agency Theory. Zoals in paragraaf 2.1 staat beschreven gaat de Agency Theory over de relatie tussen de principaal (investeerder) en de agent (bestuurders). Door het gebruik van relevante en betrouwbare accounting informatie kan een investeerder een betere beslissing maken (Adverse Selection). Echter als het financiële rapport onjuiste informatie bevat, is het alsnog niet relevant voor de gebruiker.
Om te zorgen dat accounting informatie relevante en betrouwbare informatie bevat dient de principaal ervoor te zorgen dat de agent in het belang van de onderneming werkt (Moral Hazard). Het beheersen van de agent kan op meerdere manieren. Dit kan bewerkstelligd worden door de beloning van de manager te koppelen aan het rendement van de aandeelhouder (Eisenhardt, 1989), waardoor ze dezelfde belangen behartigen. Tevens kan de principaal toezicht laten houden op de acties van de agent door een 3e partij in te schakelen. Het toezichthouden gebeurt op de accounting
informatie verstrekt door de agent.
Het controleren van accounting informatie gebeurt door een onafhankelijke partij, namelijk de externe accountant. De accountant moet ervoor zorgen dat de financiële verslaggeving een waar en getrouw beeld geeft van de werkelijke prestaties van het bedrijf. Het is hierbij van belang dat de principaal de accountant kan vertrouwen op zijn onafhankelijkheid, objectiviteit en kwaliteit van zijn werk.
2.5.2 Vertrouwen accountant
De rol van de accountant is om een juiste weerspiegeling te geven van de prestatie van een bedrijf. Hij moet ervoor zorgen dat de jaarrekening een waar en getrouw beeld geeft van de werkelijkheid. Vertrouwen in de accountant is gebaseerd op de kwaliteit zijn controle en mate van onafhankelijkheid en objectiviteit. Uit onderzoek van Ghosh & Moon (2005), die zowel de kwaliteit als onafhankelijkheid van de accountant hebben meegenomen, blijkt dat investeerders meer waarde hechten aan de financiële cijfers naar mate de lengte van de klantrelatie toeneemt. Dat de kwaliteit van de controle van beginnend accountant lager is dan van een ervaren accountant is onderzocht door Litt et al. (2014). Zij hebben bewezen dat de kwaliteit van de controle in het eerste jaar na de partner wisseling bij een Big 4 accountant lager is dan in de andere jaren (Litt e.a., 2014). Bij Non-Big 4 accountants is de kwaliteit zelfs de eerste 3 jaren na de roulatie van de partner lager. Dit komt doordat klant specifieke kennis verloren gaat bij partner wisseling met betrekking tot de risico’s van de controle, operationele activiteiten en interne beheersing. Deze punten zijn cruciaal voor het ontdekken van materiële fouten in de jaarrekening (Daugherty, Dickins, Hatfield, & Higgs, 2012). Investeerders geven aan, dat kennis van het controleteam een van de maatstaven is voor het bepalen van de kwaliteit van de accountantscontrole (Christensen, Glover, Omer, & Shelley, 2013)
Meer vertrouwen in een accountant wordt niet alleen beïnvloed door de kwaliteit van zijn werk, maar ook door zijn onafhankelijkheid en objectiviteit. Hoe onafhankelijker en objectiever de accountant des te meer vertrouwen krijgen investeerders in de betrouwbaarheid en kwaliteit van het geleverde werk (Ryan e.a., 2001). Volgens de U.S. House of Representatives is een nieuwe
accountant onafhankelijker doordat er een ‘frisse blik’ wordt geworpen op de jaarrekening4. Echter
stelt Dart (2011) dat investeerders de mate onafhankelijkheid van de accountant niet bepalen op basis van de lengte van de klantrelatie. Investeerders houden rekening met de economische onafhankelijkheid5 van de accountant en het aandeel van de niet-controle opdrachten in
verhouding tot de controle opdrachten van de klant. De lengte van de klantrelatie heeft geen invloed op de beoordeling van de onafhankelijkheid van de accountant voor investeerders. Samenvattend betekent dit dat een investeerder meer waarde hecht aan informatie van een ervaren accountant omdat deze klant specifieke kennis heeft en de duur van de klantrelatie geen impact heeft op de onafhankelijkheid. Doordat er meer vertrouwen is in een ervaren accountant verwacht ik een negatiever effect van foutenherstel bij een ervaren accountant dan een onervaren accountant.
4 U.S. House of Representatives. 2002. The Sarbanes-Oxley Act of 2002. Public Law 107-204 [H. R. 3763]. Washingotn, DC: GPO.
5 Economische onafhankelijkheid betekent het aandeel van de totaal aan opbrengsten van de klant in verhouding tot de totale opbrengsten van de gehele portefeuille van de partner. Waarbij de vuistregel is dat minder dan 5% zorgt voor economische onafhankelijkheid.
3 Onderzoeksmethode
In de paragraaf onderzoeksmethode wordt de hypothese van de paper beschreven. Tevens wordt er toelichting gegeven over het regressiemodel en de verschillende variabele van het onderzoek. Daarnaast wordt de totstandkoming van de dataset van het onderzoek beschreven.
3.1 Hypothese
Om vast te kunnen stellen dat het vertrouwen in de accountant wel degelijk van invloed is op het effect van foutenherstel op de aandelenkoers is de onderstaande hypothese beschreven.
De hypothese van de paper is als volgt:
H1: De accountantsduur heeft een negatieve invloed op het effect van foutenherstel op de aandelenkoers.
Met deze hypothese moet de sterkere reactie van foutenherstel op de aandelenkoers door een langere accountantsduur worden bewezen. Op basis van de theorie is de verwachting dat bij een ervaren accountant de aandelenkoers negatiever zal reageren bij foutenherstel.
De invloed van de accountantsduur wordt bepaald door onderscheid te maken tussen 2 groepen accountants en het resultaat van beide groepen met elkaar te vergelijken. Er wordt onderscheid gemaakt tussen een beginnend accountant die 0 tot en met 3 jaar een bedrijf controleert en een ervaren accountant die langer dan 3 jaar controleert.
De lengte van de accountantsduur wordt in deze paper bepaald vanaf het moment dat de accountant is aangesteld als accountantskantoor voor het bedrijf tot aan het moment van de aankondiging van het foutenherstel. Wanneer een accountant per 1 januari 2012 bij een bedrijf controleert en op 1 juli 2015 foutenherstel wordt aangekondigd dan controleert de accountant 3,5 jaar.
De term accountant in mijn onderzoeksvraag heeft betrekking op de duur van de relatie tussen de klant en het accountantskantoor. In de Verenigde Staten wordt een controleverklaring niet persoonlijk ondertekend door de partner. De wet voor persoonlijke ondertekening door de accountant is nog niet ingevoerd6. Hierdoor kunnen investeerders niet weten door welke partner
er is afgetekend. Vandaar dat de term accountant in mijn onderzoeksvraag doelt op het accountantskantoor bijvoorbeeld KPMG, Deloitte, EY etc.
Door Turner et al. (2001) is bewezen dat het effect op de aandelenkoers verschillend is per soort foutenherstel. Er is vastgesteld dat het effect van foutenherstel op het operationele resultaat een grotere impact heeft op de aandelenkoers dan overige oorzaken zoals afwaardering van MVA of reclassificaties van posten op de balans of winst en verlies. Doordat het effect op de aandelenkoers bij foutenherstel op het operationele resultaat een groter effect heeft, is de verwachting dat de invloed van de accountantsduur sterker te meten is bij foutenherstel in het operationele resultaat. Vandaar dat er een 2e hypothese is toegevoegd aan mijn paper.
De 2e hypothese is als volgt:
H2: De accountantsduur heeft een negatieve invloed op het effect van foutenherstel in het operationele resultaat op de aandelenkoers.
Bij deze hypothese wordt er alleen gekeken naar foutenherstel die effect heeft in het operationele resultaat. Voorbeelden van foutenherstel in het operationele resultaat zijn correcties in de omzet, kostprijs omzet en overige bedrijfskosten etc. De overige type foutenherstel wordt in deze hypothese niet meegenomen zoals waarderingen van goodwill, overlopende activa en/of passiva etc. Met deze hypothese dient de negatieve invloed van de accountantsduur op het effect van foutenherstel op de aandelenkoers duidelijker te zijn. In appendix 1 is per categorie foutenherstel aangegeven of het betrekking heeft op het operationele resultaat.
3.2 Onderzoekmodel
Het onderzoekmodel van de paper is in figuur 1 weergegeven. Dit model is toegevoegd aan de paper ter verduidelijking van de relatie tussen de afhankelijke en onafhankelijke variabelen van het onderzoek. Dit onderzoek wordt uitgevoerd door middel van een event studie. In deze paragraaf wordt het event studie verder toegelicht.
Figuur 1: Predictive Validity Framework
3.2.1 Event studie
De event studie is geïntroduceerd door Fama et al. (1969) waarin werd aangetoond dat de aandelenkoers direct reageert bij aankondiging van nieuwe informatie die betrekking heeft op de toekomstige kasstromen van een bedrijf. In die event studie is het ‘Efficient Market Theory’ bewezen. Event studies focussen zich op het effect van nieuwe informatie rond de datum van de aankondiging van de nieuwe informatie. Er zijn de laatste tientallen jaren veel event studies geweest. Zo zijn er bijvoorbeeld event studies geweest over de aankondiging van aandelenemissie waaruit een negatief abnormaal effect komt van 2,7 procent (Asquith & Mullins Jr., 1986), aankondiging van overname van bedrijven met een positief effect van 20 procent op de aandelenkoers (Jarrell & Poulsen, 1989).
Tevens blijkt uit voorgaande onderzoeken dat voor event studies vaak gebruik wordt gemaakt van de aandelenkoers per dag en niet het resultaat over een maand. Uit onderzoek van Brown & Warner (1985) blijkt dat de abnormaliteit van het resultaat van de aandelenkoers sterker bepaald kan worden op basis van een dagelijks event dan per maand. Tevens is een dagelijks event ook accurater in het meten van het abnormale effect dan bij een maandelijks event. Hieruit kan geconcludeerd worden dat een dagelijks event zorgt voor een nauwkeurige en sterkere meting van het abnormale resultaat van het event.
Het analyseren van een abnormale beweging van een event kan worden gemeten door het framework (zie figuur 2) dat is ontwikkeld voor event studies. Het is gebruikelijk bij event studies om het framework groter te maken dan alleen het moment van de gebeurtenis. In mijn event studie wordt er gebruikt gemaakt van ‘short horizon studie’. In de wetenschap wordt verstaan onder een
short horizon studie, een event studie met een event dat korter is dan een jaar. (Kothari & Warner, 2004)
Figuur 2: Framework event studie (MacKinlay, 1997)
Volgens MacKinlay (1997) is het van belang om het framework groter te maken dan het daadwerkelijke event. Dit is omdat vaak aankondigingen gedaan worden nadat de beurs is gesloten, waardoor de dag na de aankondiging beïnvloed wordt door het event (Berkman & Truong, 2009). Tevens kan de markt ook informatie over de aankondiging van foutenherstel hebben ontvangen voor de officiële aankondiging. Echter uit onderzoek van Palmrose et al. (2004) blijkt dat het abnormale resultaat van de dag voor aankondiging van foutenherstel een gemiddeld negatief effect heeft van 0,5% op de aandelenkoers. Daartegenover staat een gemiddeld negatief effect van 5,3% op de dag van aankondiging en gemiddeld negatief effect van 4,0% op de dag na aankondiging van foutenherstel. In dat onderzoek is er uiteindelijk voor gekozen om de regressie te draaien op basis van de dag van aankondiging en dag na de aankondiging.
Op basis van bovenstaande informatie is er in deze paper voor gekozen om de dag van aankondiging en dag na de aankondiging in het framework te plaatsen. De CAR bestaat dus uit dag 0 en dag 1. Er is gekozen om de dag vooraankondiging niet mee te nemen bij het berekenen van de CAR, omdat op basis van voorgaand onderzoek is vastgesteld dat het abnormale resultaat beduidend minder is. Waardoor het effect van de CAR door het meenemen van dag -1 wordt afgezwakt. Vandaar dat mijn framework bestaat uit 2 dagen, namelijk dag van aankondiging (dag 0) en de dag erna (dag 1).
Er zijn verschillende methodes om het event te bepalen. Volgens MacKinlay (1997) kan het worden opgesplitst in twee groepen, namelijk statistisch en economisch model. Het statistische model wordt gebruikt bij bijvoorbeeld het rendement op bezittingen en is niet afhankelijk van economische redeneringen. Het economische model daarentegen is gebaseerd op de aannames van investeerders. In mijn onderzoek wil ik gebruik maken van het statistische model, aangezien er door foutenherstel informatie over voorgaande resultaten wordt aangepast. Ook wordt het foutenherstel niet beïnvloedt door economische verwachtingen, maar gebaseerd op correcties uit het verleden.
In het specifiek wil ik gebruik gaan maken van het statistische ‘Market-Adjusted Model’, waarbij gebruik wordt gemaakt van de lineaire relatie tussen het resultaat van de aandelenkoers tegenover dat van de markt. Tevens is in voorgaande studies, zoals dat van Palmrose et al. (2004), het effect van foutenherstel op de aandelenkoers ook bepaald door middel van de Market-Adjusted Model. Hierbij wordt het resultaat van de aandelenkoers over het event afgezet tegenover het resultaat van de markt, waardoor het abnormale resultaat bepaald kan worden. Dit wordt ook wel de ‘Cumulative Abnormal Return (CAR)’ genoemd.
3.2.2 Afhankelijke variabele
In deze paper is de afhankelijke variabele de aandelenkoers. De aandelenkoers wordt beïnvloed door verandering van informatie over de toekomstige kasstromen. In het geval van mijn onderzoek wordt er gekeken naar het effect van informatie over foutenherstel. Om het effect op de aandelenkoers te kunnen meten word er een event studie uitgevoerd. In de event studie wordt de afhankelijke variabele gemeten op het moment van het event en afgezet tegenover de normaal verdeling van de koers over het event.
De afhankelijke variabele wordt gemeten over 2-daags event window (CAR 0,1) namelijk:
Dag 0: De dag waarop het foutenherstel wordt aangekondigd.
Dag 1: De eerste beursdag na aankondiging van het foutenherstel.
Zoals theoretisch onderbouwd in paragraaf 3.2.1 ‘Event Studies’ zijn er regelmatig aankondigingen van gebeurtenissen na sluiting van de beursdag. Dit zorgt ervoor dat het effect van de gebeurtenis, in mijn geval het foutenherstel, plaats vindt op de dag na aankondiging. Vandaar dat in mijn event studie de dag na aankondiging ook wordt meegenomen om het effect van het foutenherstel te meten. Tevens is er vastgesteld dat het abnormale resultaat de dag voor aankondiging beduidend lager is, waardoor het uit mijn event wordt gehouden.
3.2.3 Onafhankelijke variabele
De onafhankelijke variabele in deze paper betreft het foutenherstel, aangezien een correctie van accounting informatie wordt verwerkt door middel van foutenherstel. Foutenherstel is het corrigeren van accounting informatie van de gedeponeerde jaarrekening.
Uit voorgaande onderzoeken is gebleken dat er een relatie bestaat tussen de afhankelijke en onafhankelijke variabele. Zo stelt Palmrose et al. (2004) dat foutenherstel zorgt voor een gemiddelde koersdaling van 9%. Om het effect van de onafhankelijke variabele te meten wordt er gebruik gemaakt van Market-Adjusted model. In dit model wordt er gesteld dat er een lineair verband is met de markt. Het effect van de onafhankelijke variabele foutenherstel op de
afhankelijke variabele aandelenkoers wordt door middel van de Cumulative Abnormal Return (CAR) bepaald.
Om de Cumulative Abnormal Return te bepalen dient het resultaat van het bedrijf over het event te worden afgezet tegen het resultaat van de markt over dezelfde periode. Het resultaat van het bedrijf over het event wordt bepaald door uit de database van The Center for Research in Security Prices (hierna: CRSP) het dagelijkse resultaat zonder dividend te pakken. Dit resultaat wordt afgezet tegen de ‘Equal-Weighted Return (excluding dividends)’ uit CRSP, waarmee het resultaat van de markt wordt bepaald. Door het resultaat van het bedrijf te verminderen met het resultaat van de markt is het abnormale effect van het foutenherstel over het event bepaald. Het abnormale effect van een event is de afhankelijke variabele CAR.
Om het effect van de moderator accountantsduur te kunnen meten wordt er een dummyvariabele toegevoegd, waarbij er onderscheid gemaakt wordt tussen de beginnende accountant (0 tot en met 3 jaren) en de ervaren accountant (meer dan 3 jaar). Eerst wordt per foutenherstel bepaald hoeveel jaar de accountant het bedrijf controleert tot aan het moment van aankondiging van het foutenherstel. Op die manier is er per foutenherstel de accountantsduur bepaald waarna het wordt onderverdeeld in ‘0’ beginnend accountant en ‘1’ ervaren accountant.
Ten behoeve van de 2e hypothese wordt het foutenherstel onderverdeeld in 2 categorieën, namelijk
effect op het operationele resultaat en geen effect op het operationele resultaat. Om dit onderscheid weer te geven wordt er een dummyvariabele toegevoegd aan mijn dataset, waarbij foutenherstel die invloed heeft op het operationele resultaat een ‘1’ krijgt en geen invloed een ‘0’. Hierdoor kan er ten behoeve van de 2e hypothese een regressie gedraaid worden met de dataset.
In appendix 1 is per categorie foutenherstel aangegeven of het wel of niet betrekking heeft op het operationele resultaat.
3.2.4 Controlevariabele
Uit voorgaand onderzoek van Palmrose et al. (2004) is gebleken dat er bedrijfsafhankelijke variabele zijn die van invloed zijn op het effect tussen foutenherstel en de aandelenkoers. Dit wordt ook wel ‘cross-sectional test’ genoemd en test het effect van de aandelenkoers door bedrijfsafhankelijke variabele (Kothari & Warner, 2004). Zij stellen tevens dat het effect van bedrijfsafhankelijke bij zowel ‘short event’ als ‘long event’ van toepassing is. Zo is er vastgesteld dat de grootte van het bedrijf van invloed is op de reactie van de aandelenkoers. Er is bewezen dat verandering van het resultaat een groter impact heeft op een kleiner bedrijf dan voor een groot bedrijf. (Collins, Kothari, & Rayburn, 1987) (Gordon, Henry, Peytcheva, & Sun, 2008). Om de bedrijfsafhankelijke karaktereigenschappen die van invloed zijn op de reactie van de markt te
beheersen, wordt de variabele ‘totaal aan bezittingen’ toegevoegd. Deze controlevariabele is het totaal aan bezittingen per balansdatum van het boekjaar voorafgaand aan de aankondiging van het foutenherstel.
Er is ook bewezen dat de aandelenmarkt beïnvloedt wordt door de schuldratio van een bedrijf (Dhaliwal & Reynolds, 1994). In deze paper is de variabele schuldratio opgenomen in het regressiemodel en blijkt uit het resultaat dat een investeerder negatiever reageert bij een bedrijf met een hogere verhouding schulden. De controlevariabele schuldratio wordt in mijn onderzoek gecreëerd door het totaal aan langlopende schulden te delen door het totaal aan bezittingen per balansdatum van het boekjaar voorafgaand aan de aankondiging van het foutenherstel.
Tevens wordt er ook een controlevariabele aan het regressiemodel toegevoegd om de prestatie van de aandelenkoers van het bedrijf voorafgaand aan het event mee te nemen. Er wordt gesteld dat bij een zwakkere koers voorgaand aan het event, er een sterker effect zal zijn op de aandelenkoers (Gleason, Jenkins, & Johnson, 2008). Om het markteffect mee te nemen in mijn regressiemodel wordt er gebruik gemaakt van de buy-and-hold return van de 30 beursdagen voorafgaand aan het event. De buy-and-hold return dekt hiermee de ‘estimation window’ (figuur 2) van het framework. In voorgaand onderzoek wordt er een ‘estimation window’ van 120 dagen genomen om de prestatie van het bedrijf op de aandelenkoers te meten, echter is dit een voorbeeld en geen wetenschappelijke richtlijn (MacKinlay, 1997). In mijn paper is er voor een ‘estimation window’ van 30 beursdagen voorafgaand aan het event gekozen.
Figuur 3: Formule voor het berekenen van de buy-and-hold return (Barber & Lyon, 1997)
De controlevariabele buy-and-hold return wordt berekend door het resultaat van het bedrijf op de aandelenmarkt over de 30 beursdagen voorafgaand aan het event af te zetten tegen het rendement van de markt, waardoor het rendement op de investering in het bedrijf over de 30 beursdagen voorafgaand aan het event berekend wordt. De informatie voor het berekenen van de buy-and-hold return wordt gehaald uit de database van CRPS, waarbij er gebruik gemaakt wordt van het dagelijkse resultaat zonder dividend voor het bedrijf en Equal-Weighted Return (excluding dividends) voor de markt.
3.3 Data
3.3.1 Periode
In deze paper wordt er een event studie uitgevoerd om de negatieve invloed van de accountantsduur op het effect van foutenherstel op de aandelenkoers vast te leggen. Ten behoeve van de event studie wordt er data gebruikt uit de Verenigde Staten over de periode 2003 tot en met 2014. Er is voor deze periode gekozen omdat op 30 juli 2002 de wet Sarbanes-Oxley (SOX) is ingevoerd, nadat er vele accounting schandalen hadden plaatsgevonden in de V.S. De keuze van 2003 is om er zeker van te zijn dat het foutenherstel onder de wet SOX valt. Door de invoering van deze wet zijn er een aantal veranderingen doorgevoerd die van invloed zijn op de kwaliteit van financiële informatie en daarmee ook van invloed zijn op foutenherstel, zoals strafrechtelijke vervolgbaar zijn voor CEO en CFO en invoering SOX 404 (Interne beheersing). Door de invoering van SOX is het aantal foutenherstel flink toegenomen ten opzichte van de periode ervoor (Scholz, 2008). Dit komt doordat bedrijven door de invoering van SOX meer druk voelen om foutenherstel toe te passen dan voorheen.
Door de invoering van SOX is de reactie van de investeerders op foutenherstel ook veranderd. Uit onderzoek van Burks (2011) blijkt dat investeerders minder sterk reageren op foutenherstel dan voor de invoering van SOX. Door de invoering van SOX is er minder verwarring bij de investeerders over de prijsstelling van de koers, waardoor eventuele correcties door foutenherstel op de aandelenkoers lager zijn dan ervoor. Op basis van bovenstaande argumenten is de invoering van SOX gebruikt voor de afgrenzing van mijn dataset.
3.3.2 Dataset
De data is gehaald uit de database van Wharton University of Pennsylvania7 (hierna: WRDS). Bij
het zoeken van de data is er onderscheid gemaakt tussen foutenherstel en de aandelenkoers. Beide gegevens moeten uit een aparte database gehaald worden en zijn daarna samengevoegd tot een dataset, waarin de afhankelijke variabele CAR ontstaat.
Bij het selecteren van de dataset voor het foutenherstel is er gekozen voor ‘Non-Reliance Restatements’ over de periode 2002 tot en met 2014 uit WRDS. ‘Non-Reliance Restatement’ zijn fouten die gecorrigeerd moeten worden in de jaarrekening en een verwijzing opgenomen moet worden in de accountantsverklaring. De Ticker is geselecteerd als company code, deze code komt van toepassing bij het samenvoegen van de datasets. Ticker geeft de bedrijfsnaam aan door middel
van 1 tot en met 4 letterige code die per bedrijf uniek is. Bij het draaien van de dataset is er informatie opgevraagd over het foutenherstel, bedrijfsinformatie en accountant. Er is voor foutenherstel bijvoorbeeld informatie opgevraagd over het type foutenherstel, periode van foutenherstel, datum van aankondiging foutenherstel. Bij bedrijfsinformatie is de naam van het bedrijf en beursnotering opgevraagd. Informatie over de accountant gaat over wie was het accountantskantoor ten tijde van het foutenherstel, wie het foutenherstel heeft ontdekt, accountant van de klant sinds.
Op basis van de bovenstaande criteria is er een dataset uitgekomen met 5.007 meldingen van foutenherstel over de periode 2002 t/m 2014. In de dataset is er vervolgens gefilterd op foutenherstel die betrekking heeft over de periode na 2002, aangezien SOX is ingevoerd op 30 juli 2002. Er is gefilterd op beursnotering in de V.S. en zijn alle deelwaarnemingen zonder Ticker eruit gehaald, anders kan het foutenherstel niet worden gelinkt aan een aandelenkoers. Op basis van deze filters bleven er nog 2.900 deelwaarnemingen over (Tabel 1).
Tabel 1 Filteren dataset
Omschrijving Aantala
Totaal aantal potentiele foutenherstel over 2002 t/m 2014b 5.007 Foutenherstel zonder Ticker, geen beursnotering in V.S., periode voor 2003.c (2.107) Totaal aantal foutenherstel over 2003 t/m 2014 2.900 a Het aantal foutenherstel dat is geïdentificeerd voor het onderzoek uit de database van WRDS.
b Betreft het totaal aan foutenherstel of potentiele foutenherstel voor het onderzoek over de periode 2002 t/m 2014 uit de database van WRDS.
c Het aantal foutenherstel dat uit de dataset voor het onderzoek is gehaald, aangezien het foutenherstel niet voldoet aan een van de volgende punten: foutenherstel na 2002, Ticker gekoppeld aan het foutenherstel, beursnotering in de V.S.
In de dataset heb ik de variabele accountantsduur toegevoegd om de duur van de relatie van het accountantskantoor te bepalen tot aan het moment van aankondigen van het foutenherstel. Bij een aantal foutenherstel was er geen informatie over de accountantsduur, waardoor het uit mijn dataset is verwijderd. Daarna is er een dummyvariabele toegevoegd om de accountantsduur op te splitsen in groepen, namelijk de onervaren accountant (0 t/m 3 jaar) en ervaren accountant (langer dan 3 jaar). Op basis van mijn dataset zijn er 820 onervaren accountants, 1.842 ervaren accountant en over 238 deelwaarnemingen is geen informatie over de accountantsduur beschikbaar. Doordat er
bij 238 deelwaarnemingen geen informatie beschikbaar is over de accountantsduur, zijn er nog 2.662 bruikbare deelwaarnemingen (Tabel 2).
a Het aantal foutenherstel dat is geïdentificeerd voor het onderzoek uit WRDS.
b De definitie van een onervaren accountant is, vanaf het moment van aankondiging van het foutenherstel korter dan 3 jaar werkzaam zijn voor de klant als accountantskantoor.
c De definitie van een ervaren accountant is, vanaf het moment van aankondiging van het foutenherstel langer dan 3 jaar werkzaam zijn voor de klant als accountantskantoor.
In paragraaf 3.2.3 ‘Onafhankelijke variabele’ is beschreven dat er onderscheid gemaakt moet worden in de kenmerken van het foutenherstel. Voor de tweede hypothese is het van belang dat er onderscheid wordt gemaakt tussen wel of geen impact op het operationele resultaat. In appendix 1 ‘categoriseren foutenherstel’ wordt per categorie aangegeven of het impact heeft op het operationele resultaat van de onderneming of niet. In tabel 3 wordt er ten behoeve van hypothese 2 onderscheid gemaakt in foutenherstel met impact in het operationele resultaat of geen impact.
Tabel 3
Uitsplitsing dataset ten behoeve van hypothese 2
Omschrijving Aantal
foutenherstela Foutenherstel - impact operationeel resultaatb 706
Foutenherstel - geen impact operationeel resultaatb 1.956 Totaal aantal deelwaarnemingen foutenherstel 2.662 a Betreft foutenherstel bij een bedrijf uit de Verenigde Staten over de periode 2003 t/m 2014. Bron van de informatie is WRDS.
b Er is onderscheid gemaakt in foutenherstel met wel of geen invloed op het operationele resultaat. In appendix 1 is de categorisering van het foutenherstel in wel of geen impact.
De data met betrekking tot de aandelenkoers is gehaald uit de database van CRSP via WRDS. CRSP heeft de meest uitgebreide verzameling van aandelenprijzen met betrekking tot de
Tabel 2
Verdeling populatie in ervaren en onervaren accountant
Omschrijving Aantala
Foutenherstel bij een onervaren accountant ( 0 t/m 3 jaar)b 820 Foutenherstel bij een ervaren accountant (3 jaar of langer)c 1.842 Totaal aantal deelwaarnemingen foutenherstel 2.662
Amerikaanse beurs zoals NYSE, AMEX en NASDAQ. Naast de mogelijkheid om de aandelenkoers of het resultaat van een bedrijf te krijgen, is er ook de mogelijkheid om het resultaat van de gehele markt te krijgen. Het resultaat van de gehele markt wordt gebruikt om uiteindelijk de CAR te kunnen berekenen van het event. Uit CRSP wordt het ‘Return without Dividends’ gehaald om het resultaat van het bedrijf te bepalen. Dit resultaat wordt afgezet tegen het resultaat van de markt door de ‘Equal-Weighted Return (excluding dividends)’. De data met betrekking tot de aandelenkoers wordt per jaar uit WRDS gehaald gezien de omvang van de dataset.
3.3.3 Samenvoegen dataset
Om de afhankelijke variabele CAR te kunnen bepalen dient ieder foutenherstel gekoppeld te worden aan de bijbehorende resultaten uit CRPS, namelijk de return without dividend en Equal-Weighted Return (excluding dividends). In de dataset foutenherstel is de datum van aankondiging van ieder foutenherstel bekend. De dag van aankondiging is dag 0 in mijn event en de eerst volgende beursdag is dag 1 in mijn event. In Excel wordt de informatie van het foutenherstel gekoppeld aan de informatie over de aandelenkoers.
Het linken van beide datasets gebeurt door het creëren van een unieke code, zodat het foutenherstel aan de juiste aandelenkoers wordt gekoppeld. De unieke code bestaat uit een uniek kenmerk van het bedrijf en de datum van aankondiging van foutenherstel. Het symbool ‘Ticker’ wordt gebruikt als unieke kenmerk per bedrijf. De datum is door een 8-cijferige code beschreven. Hierdoor krijgt bijvoorbeeld foutenherstel bij Eastman Kodak CO op 9 november 2005 het volgende unieke kenmerk: KODK20051109. Door middel van de VLOOKUP-functie binnen Excel is voor het event (dag 0 en 1) van alle 2.662 deelwaarnemingen de bijbehorende ‘Return without Dividends’ en ‘Equal-Weighted Return (excluding dividends)’ gezocht in de dataset van CRPS. Op basis van de VLOOKUP-functie zijn er 1.461 resultaten gevonden.
In de dataset ontbreekt nu alleen nog de informatie met betrekking tot de controlevariabelen. De bedrijfsafhankelijke controlevariabelen bedrijfsomvang, schuldratio en buy-and-hold return dienen nog toegevoegd te worden aan de dataset. De controlevariabele bedrijfsomvang is gehaald uit Compustat North America8 (hierna: Compustat) via WRDS door te kiezen voor de boekwaarde
van het totaal aan assets van alle bedrijven in de V.S. over de periode 2002 tot en met 2014. Waarna er door middel van een unieke code, bestaande uit de Ticker en het boekjaar voorafgaand aan de aankondiging van foutenherstel, de juiste waarde van het totaal aan assets gekoppeld is aan het foutenherstel. Uit Compustat is ook informatie gehaald over het totaal aan langlopende schulden
per balansdatum voor iedere onderneming in de VS over de periode 2002 tot en met 2014. Daarna is de uniek code toegevoegd aan de dataset en is de informatie over de langlopende schulden gekoppeld aan het foutenherstel. Vervolgens is het totaal aan langlopende schulden gedeeld door het totaal aan bezittingen, waardoor de controlevariabele schuldratio is ontstaan.
De controlevariabele buy-and-hold return is gecreëerd door eerst per foutenherstel een uniek kenmerk te maken voor beursdag -1 tot en met beursdag -30 t.o.v. het event. Daarna is het resultaat van het bedrijf over de 30 beursdagen voorafgaand aan het event bepaald door het ‘return without dividend’ uit de database van CRPS en voor de markt de Equal-Weighted Return (excluding dividends) te gebruiken. Het totaal resultaat van het bedrijf is vermindert met het resultaat van de markt, waardoor de buy-and-hold return is ontstaan. Na het toevoegen van de controlevariabelen zijn er nog 1.396 deelwaarnemingen, die gebruikt kunnen worden voor het dataonderzoek. De 1.396 bruikbare deelwaarnemingen wordt in onderstaande tabel onderverdeeld in verschillende groepen, welke van belang zijn voor de beantwoording van mijn hypotheses. De kenmerken zijn ervaren en onervaren accountant en wel of geen invloed op het operationeel resultaat.
Tabel 4
Dataset ten behoeve van de regressieanalyses
Ervarena Onervarenb Foutenherstel - impact operationeel resultaatc 290 60
Foutenherstel - geen impact operationeel resultaatc 801 245 Totaal aantal deelwaarnemingen foutenherstel 1.091 305
a De definitie van een ervaren accountant is, vanaf het moment van aankondiging van het foutenherstel langer dan 3
jaar werkzaam zijn voor de klant als accountantskantoor. Informatie foutenherstel uit WRDS.
b De definitie van een onervaren accountant is, vanaf het moment van aankondiging van het foutenherstel korter dan 3 jaar werkzaam zijn voor de klant als accountantskantoor. Informatie foutenherstel uit WRDS.
c Er is onderscheid gemaakt in foutenherstel met wel of geen invloed op het operationele resultaat. In appendix 1 is
de categorisering van het foutenherstel in wel of geen impact.
3.4 Methodologie
In deze paragraaf wordt de onderzoeksmethode beschreven die wordt gehanteerd in mijn paper. Het programma SPSS wordt gebruikt om mijn data te verwerken tot resultaten voor mijn onderzoek. In mijn hypothese wordt er gesteld dat er tussen 2 groepen een verschil is in het effect op de aandelenkoers bij foutenherstel. De 2 groepen zijn de ervaren accountant en onervaren accountant. Voordat de invloed van de accountantsduur op het effect van foutenherstel (variabele
X) op de aandelenkoers (variabele Y) kan worden gemeten dient eerst het effect tussen variabele X en Y gemeten te worden.
Het effect van foutenherstel op de aandelenkoers wordt gemeten door de ‘Cumulative Abnormal Return’ (CAR) te berekenen per dag van het event en het gehele event. Eerst is er in SPSS een nieuwe variabele toegevoegd aan de dataset en dat is de ‘Abnormal Return’ (AR) per foutenherstel, ook wel de afhankelijke variabele. De afhankelijke variabele AR wordt berekend door de “Return without dividend minus Equal-Weighted Return (excluding dividends)” te doen. De variabele AR wordt berekend voor dag 0, dag 1 en dag 0 & 1 dit betreft het event van mijn hypothese.
Om de hypothese H1 en H2 te kunnen beantwoorden wordt er is SPSS gebruik gemaakt van de Multiple Regressie Analyse, waarmee er meerdere onafhankelijke variabelen in een regressiemodel geanalyseerd kunnen worden. In dit regressiemodel kunnen zowel continue als categoriale onafhankelijke variabele, waardoor het geschikt is voor mijn onderzoek. De variabele accountantsduur is bijvoorbeeld categoriaal en de variabele buy-and-hold return juist weer een continue. Tevens is de Multiple Regressie Analyse geschikt voor het analyseren van een regressie met een enkele afhankelijke variabele. Mijn onderzoek heeft de CAR als afhankelijke variabele. Dit regressiemodel zal de invloed van de accountantsduur op het effect van foutenherstel op de aandelenkoers bepalen, waardoor de hypothese van deze paper beantwoordt kan worden.
3.4.1 Beschrijvende statistiek
In de beschrijvende statistiek wordt er informatie gegeven over de populatie van de afhankelijke, onafhankelijke en controlevariabelen. Voor de beschrijvende statistiek van de afhankelijke variabele CAR (tabel 5) wordt er voor de bepaling van de t-score gebruik gemaakt van de One Sample T-test. Deze test meet de afwijking van het gemiddelde van de populatie CAR ten opzichte van de nulhypothese. De Z-score wordt bepaald door middel van de Wilcoxon signed ranks Tests. Bij de Wilcoxon signed ranks Tests wordt het verschil in de medianen tussen 2 groepen getest, waarbij er in deze test het verschil tussen de populatie van de return van het bedrijf en return van de markt met elkaar worden vergeleken.
Tabel 5
Beschrijvende statistiek van de afhankelijke variabele CAR
CAR (Dag 0)a CAR (Dag1)a CAR (Dag 0,1)a
Gemiddelde -0,48 -0,31 -0,80
T-scoreb -3,8*** -2,65*** -4,72***
Eerste kwartiel -1,61 -1,58 -2,57
Mediaan -0,12 -0,1 -0,39
Derde kwartiel 1,14 1,11 1,50
Z-scorec -2,92*** -2,8*** -4,47***
*, ** en *** betreft respectievelijk het significatielevel van 0.1, 0.05 en 0.01 bij een tweezijdige-test.
a CAR is de afhankelijke variabele van de paper en geeft het verschil tussen het resultaat van het bedrijf en de markt op dag X van het event. Het resultaat van de markt is berekend door de equally weighted index. De informatie voor het berekenen van de CAR komt uit de database van CRPS via WRDS.
b De T-score geeft de score van de nulhypothese van CAR door middel van de One Sample T-test, waarbij het bepaald in hoeverre de CAR afwijkt van de nul.
c De Z-score is bepaald door de Wilcoxon signed ranks test, waarmee de medianen van beide reeksen met elkaar vergeleken worden.
Uit de beschrijvende statistiek blijkt dat de CAR over het event gemiddeld een abnormaal resultaat heeft van 0,8 negatief en een standaarddeviatie van 6,37. De CAR heeft op dag 0 een T-score van -3,8 en het gemiddelde van de populatie significant afwijkt van nul. De t-score is ook significant bij de afhankelijk variabele op dag 1 van het event en het gehele event. De Z-score van de afhankelijke variabele CAR is over de 3 periodes significant. Dit betekent dat de mediaan van de populatie resultaat bedrijf significant afwijkt van de mediaan equally weighted index.
De beschrijvende statistiek is ook bepaald voor de onafhankelijke en controlevariabelen (Tabel 6). Hieruit blijkt dat het gemiddelde resultaat van de CAR bij de onervaren groep -0,76 betreft en bij de onervaren accountants is het -0,97. Uit de ANOVA-tabel van de lineaire regressieanalyse blijkt dat de gemiddelde CAR van beide groepen niet significant van elkaar afwijken, gezien de niet significante F-score van 0,254. Tevens is er door middel van een Mann-Whitney U Test de distributie van de populatie van beide groepen met elkaar vergeleken, hieruit is een niet significante Z-score gekomen van -0,79.
De gemiddelde waarde van de controlevariabele ‘Totaal bezittingen’ is 12.422.000 dollar per balansdatum van het boekjaar voorafgaand aan het foutenherstel. Deze bedrijven hebben per balansdatum voorafgaand aan de aankondiging van foutenherstel een schuldenratio van gemiddeld 20,9%. De controlevariabele buy-and-hold return heeft een gemiddeld resultaat van -0,01 over de 30 beursdagen voorafgaand aan het event. Tevens is er door middel van een lineaire regressie vastgesteld dat de controlevariabele buy-and-hold return de afhankelijke variabele statistisch gezien juist verklaard, aangezien er een significant resultaat.
Tabel 6
Beschrijvende statistiek onafhankelijke en controlevariabele Aantala Gemiddelde of
percentagee
CAR (Dag 0, 1)b F-score Z-score
Onafhankelijke variabele f Ervaren 1.091 0,78 -0,76 0,254c -0,79d Onervaren 305 0,22 -0,97 Controlevariabele f Buy-and-hold return 1.396 -0,01 -0,80 6,48**c Totaal bezitting 1.396 12.422g Schuldratio 1.396 20,9%
*, ** en *** betreft respectievelijk het significatielevel van 0.1, 0.05 en 0.01 bij een tweezijdige-test.
a Betreft het aantal foutenherstel aangekondigd over de periode 2003 t/m 2014 in de Verenigde Staten uit de database van WRDS.
b Betreft afhankelijke variabele CAR over het event (dag 0 en 1.
c De F-score is bepaald door een lineaire regressie in SPSS, waarbij de informatie uit het ANOVA-tabel is gebruikt. F-score geeft het significante verschil tussen beide groepen weer of de continue onafhankelijke variabele (BAHR) de afhankelijke variabele CAR verklaard.
d De Z-score is bepaald door de Mann-Whitney U Test in SPSS, waardoor het verschil in de distributie van de populatie tussen verschillende groepen wordt bepaald.
e Waarbij het gemiddelde staat voor de gemiddelde waarde van de controlevariabelen en verhouding voor de onafhankelijke variabele accountantsduur op een totaal van 1.
f De onafhankelijke en controlevariabelen zijn als volgt (volgorde van de tabel): Ervaren= als het accountantskantoor langer dan 3 jaar bij aankondiging van het foutenherstel de klant controleert, Onervaren= als het
accountantskantoor korter dan 3 jaar controleert, Buy-and-hold return= betreft het buy-and-hold return 30 beursdagen voorafgaand aan de aankondiging van foutenherstel, Totaal bezitting= totaal aan bezittingen per balansdatum van het boekjaar voorafgaand aan de aankondiging van het foutenherstel, Schuldratio= verhouding langlopende schulden met totaal aan bezittingen per balansdatum van het boekjaar voorafgaand aan de aankondiging van het foutenherstel.
g Betreft waarde in dollars en dient vermenigvuldigt te worden met 1000.
De beschrijvende statistiek dient niet alleen bepaald te worden over de gehele populatie van het onderzoek, maar ook over de populatie foutenherstel met impact op het operationele resultaat. Dit is de populatie die gebruikt wordt voor de regressieanalyse van hypothese 2, waarbij er alleen maar gekeken wordt naar het effect van foutenherstel met impact op het operationele resultaat.
In tabel 7 wordt de beschrijvende statistiek van de onafhankelijke variabele en controlevariabele bij foutenherstel in het operationele resultaat weergegeven.
Tabel 7
Beschrijvende statistiek onafhankelijke en controlevariabele bij foutenherstel in het operationele resultaata Aantala Gemiddelde of
percentagee
CAR (Dag 0, 1)b F-score Z-score
Onafhankelijke variabele f Ervaren 290 0,83 -1,3978 0,874c -0,935 Onervaren 60 0,17 -2,5004 Controlevariabele f Buy-and-hold return 350 -0,18 -1,5869 13,380***c Totaal bezitting 350 16.975h Schuldratio 350 21,5%
*, ** en *** betreft respectievelijk het significatielevel van 0.1, 0.05 en 0.01 bij een tweezijdige-test.
a Betreft het foutenherstel welke impact heeft op het operationele resultaat van een bedrijf uit de Verenigde Staten over de periode 2003 t/m 2014. Bron is WRDS. Zie voor de categorisering van het foutenherstel Appendix 1. b Betreft afhankelijke variabele CAR over het event (dag 0 en 1).
c De F-score is bepaald door een lineaire regressie in SPSS, waarbij de informatie uit het ANOVA-tabel is gebruikt. F-score geeft het significante verschil tussen beide groepen weer of de continue onafhankelijke variabele (BAHR) de afhankelijke variabele CAR verklaard.
d De Z-score is bepaald door de Mann-Whitney U Test in SPSS, waardoor het verschil in de distributie van de populatie tussen verschillende groepen wordt bepaald.
e Waarbij het gemiddelde staat voor de gemiddelde waarde van de controlevariabelen en verhouding voor de onafhankelijke variabele accountantsduur op een totaal van 1.
f De onafhankelijke en controlevariabelen zijn als volgt (volgorde van de tabel): Ervaren= als het accountantskantoor langer dan 3 jaar bij aankondiging van het foutenherstel de klant controleert, Onervaren= als het
accountantskantoor korter dan 3 jaar controleert, Buy-and-hold return= betreft het buy-and-hold return 30 beursdagen voorafgaand aan de aankondiging van foutenherstel, Totaal bezitting= totaal aan bezittingen per balansdatum van het boekjaar voorafgaand aan de aankondiging van het foutenherstel, Schuldratio= verhouding langlopende schulden met totaal aan bezittingen per balansdatum van het boekjaar voorafgaand aan de aankondiging van het foutenherstel.
g Betreft waarde in dollars en dient vermenigvuldigt te worden met 1000.
Uit de beschrijvende statistiek blijkt dat bij foutenherstel in het operationele resultaat er een gemiddeld resultaat van de CAR is van -1,3978 bij de ervaren accountants en -2,5004 bij de onervaren accountants. Uit de ANOVA-tabel van de lineaire regressieanalyse blijkt dat de
gemiddelde CAR van beide groepen niet significant van elkaar afwijken. De distributie van beide groepen is met elkaar vergeleken door middel van de Mann-Whitney U test, hieruit is een niet significant Z-score gekomen van -0,935.
De bedrijven met foutenherstel in het operationele resultaat hebben het boekjaar voorafgaand aan de aankondiging van het foutenherstel een gemiddelde waarde aan totaal bezittingen van 16.975.000 dollar en een schuldratio van 21,5%. Op basis van de lineaire regressie is er vastgesteld dat de controlevariabele buy-and-hold return de afhankelijke variabele CAR statistisch gezien verklaard.
4 Resultaten
In dit hoofdstuk worden de resultaten van mijn onderzoek weergegeven. Aan de resultaten worden conclusies verbonden op basis van de onderliggende theorieën en worden getest op betrouwbaarheid door aanvullende analyses.
4.1 Resultaat hypothese 1
Zoals beschreven in voorgaand hoofdstuk wordt hypothese 1 beantwoord met de multiple regressieanalyse. Onderstaand is de hypothese ter verduidelijking nog een keer beschreven:
H1: De accountantsduur heeft een negatieve invloed op het effect van foutenherstel op de aandelenkoers.
Het resultaat van de regressieanalyse is weergegeven in tabel 8. De regressieanalyse geeft door middel van de Adjusted R square weer dat alle onafhankelijke variabelen uit de test voor 0,3% de afhankelijke variabele CAR bepalen, waarbij de adjusted R square rekening houdt met het aantal variabele voor de voorspelling van de afhankelijke variabele. Uit de regressie blijkt dat er geen significant resultaat is bij de voorspelling van de afhankelijke variabele door de onafhankelijke variabelen, aangezien het resultaat van de F-statistiek 1,891 niet significant is.
Tabel 8
Resultaten regressieanalyse voor alle foutenherstel en foutenherstel in het operationele resultaat. De afhankelijke variabele betreft de CAR over dag 0 en 1.e
Onafhankelijke variabele f Alle foutenherstelc Foutenherstel in het operationele resultaatd
Coefa T-testb Coefa T-testb
Test variabele Accountantsduur 0,010 0,365 0,046 0,872 Controlevariabele Totaal bezitting 0,017 0,618 0,036 0,692 Schuldratio 0,020 0,754 0,079 1,498 Buy-and-hold return 0,066 2,444*** 0,186 3,534*** Model statistiek Aantal 1.396 350
