Dapatkah kerugian dan pajak tangguhan memprediksi pendapatan di masa depan? Studi ini mengeksplorasi kompleksitas dan beban kepatuhan dari akumulasi rugi fiskal dalam memperkirakan kinerja dan hasil keuangan perusahaan.
/

Apakah informasi tentang kerugian dan akumulasi rugi fiskal dapat membantu memprediksi laba dan arus kas di masa depan?

Dapatkah kerugian dan pajak tangguhan memprediksi pendapatan di masa depan? Studi ini mengeksplorasi kompleksitas dan beban kepatuhan dari akumulasi rugi fiskal dalam memperkirakan kinerja dan hasil keuangan perusahaan.

Memprediksi kinerja perusahaan di masa depan merupakan hal yang penting, namun juga menantang bagi para akademisi, analis keuangan, dan masyarakat luas. Dari perspektif akuntansi, merupakan pertanyaan yang menarik jika laporan keuangan saat ini memberikan informasi tentang kesuksesan perusahaan di masa depan. Hal ini dapat membantu para analis dan juga menjawab sebagian pertanyaan apakah informasi akuntansi tertentu berwawasan ke depan atau tidak. Penelitian ini berfokus pada informasi akuntansi spesifik mengenai akumulasi rugi fiskal (tax loss carryforwards) yang sering dikritik karena kompleksitas dan beban kepatuhannya. Selain itu, penelitian ini memberikan bukti empiris bahwa keuntungan lebih persisten daripada kerugian. Dari perspektif ini, kerugian saat ini mungkin kurang membantu dalam prediksi kinerja jika dibandingkan dengan laba saat ini.

Penelitian terbaru telah mengeksplorasi apakah informasi akuntansi mengenai pajak tangguhan dari rugi pajak ke depan dan kinerja perusahaan yang negatif dapat meningkatkan prediksi kinerja perusahaan di masa depan. Penelitian yang ada memberikan bukti adanya hubungan yang signifikan antara informasi pelaporan keuangan mengenai aset pajak tangguhan dan kinerja perusahaan di masa depan yang meningkatkan kekuatan penjelas atau regresi peramalan. Selain itu, bukti empiris yang luas juga menunjukkan persistensi yang lebih tinggi dari kinerja positif daripada negatif.

Model dapat memiliki kinerja yang sangat berbeda dalam pengujian dalam sampel dan di luar sampel. Bahkan model penjelas yang "benar" pun dapat berkinerja buruk dalam prediksi, karena minimalisasi kesalahan prediksi yang diharapkan tidak sama dengan minimalisasi bias penjelas.

Sebastian Eichfelder

Apakah informasi akuntansi tentang kerugian dapat membantu untuk prediksi?

Sesuai dengan Standar Akuntansi Internasional (IAS) 12.34, aset pajak tangguhan yang berasal dari akumulasi rugi fiskal hanya diakui apabila besar kemungkinan manfaat pajak tersebut dapat direalisasikan. Hal ini hanya terjadi jika perusahaan menghasilkan laba (kena pajak) masa depan yang cukup untuk mengimbangi akumulasi rugi fiskal. Telah diperdebatkan bahwa perusahaan dapat menggunakan aset pajak tangguhan tambahan dari rugi fiskal ke depan untuk memberi sinyal positif kinerja perusahaan di masa depan.

Mempertimbangkan persistensi kerugian yang lebih rendah dibandingkan dengan laba, tampaknya lebih mungkin bahwa kinerja perusahaan yang negatif merupakan sinyal yang lebih lemah. Kerugian sementara adalah alasan utama hal tersebut. Karena siklus bisnis, guncangan ekonomi, restrukturisasi, dan masalah-masalah serupa, perusahaan mungkin dapat mengubah kerugian saat ini menjadi keuntungan di masa depan. Dengan demikian, hasil kinerja positif lebih persisten dan memiliki validitas prediktif yang lebih tinggi daripada kerugian.

Kredit. Midjourney

Informasi mengenai pajak tangguhan dan akumulasi rugi fiskal tidak membantu

Penelitian ini menggunakan panel unik yang dikumpulkan secara langsung dari 835 pengamatan terhadap akun-akun Standar Pelaporan Keuangan Internasional (IFRS) perusahaan-perusahaan yang terdaftar di pasar saham Jerman. Tidak seperti Prinsip Akuntansi yang Berlaku Umum (GAAP) di Amerika Serikat, catatan kaki pajak dari akun-akun IFRS berisi rincian wajib tentang jumlah akumulasi rugi fiskal yang tidak diakui (yaitu komponen yang tidak berharga). Karena informasi ini harus didasarkan pada estimasi internal perusahaan atas laba kena pajak di masa depan, informasi ini dapat menjadi prediktor yang berguna untuk laba sebelum pajak, laba setelah pajak, dan arus kas di masa depan.

Penelitian ini juga menganalisis kegunaan informasi akuntansi yang diungkapkan secara sukarela mengenai akumulasi rugi fiskal (yaitu, jumlah total akumulasi rugi fiskal, nilai buku, dan perubahan penyisihan penilaian aset pajak tangguhan yang berasal dari akumulasi rugi fiskal) untuk prediksi kinerja. Analisis ini mengkonfirmasi temuan sebelumnya yang menunjukkan adanya hubungan negatif antara (pajak tangguhan dari) akumulasi rugi fiskal yang tidak diakui dan kinerja perusahaan di masa depan dalam pengujian dalam sampel (in-sample). Namun, pengujian di luar sampel (out-of-sample), termasuk serangkaian uji ketahanan (robustness), menunjukkan bahwa item-item tersebut biasanya mengurangi validitas prediktif.

Penjelasan teoritis untuk temuan penelitian ini berkaitan denganΒ model overfitting, di mana model menyesuaikan data pelatihannya secara berlebihan, sehingga menangkap hubungan yang tidak stabil. Masalah ini sangat relevan untuk prediktor derau dengan potensi kesalahan pengukuran. Mengenai akumulasi rugi fiskal yang belum diakui (ULCF), ada tiga alasan utama terjadinya kesalahan pengukuran. Pertama, ULCF dihasilkan dari estimasi internal manajer yang dengan sendirinya dapat mengalami kesalahan peramalan. Kedua, penelitian empiris sebelumnya telah menunjukkan bahwa ULCF digunakan untuk manajemen laba, yang mengurangi keakuratan informasi tersebut. Ketiga, perbedaan dalam akuntansi pajak dan keuangan menyebabkan kesalahan pengukuran tambahan jika ULCF digunakan untuk memprediksi laba dan arus kas konsolidasi.

Cara meningkatkan prediksi kinerja dengan informasi kerugian

Studi ini menyajikan bukti empiris yang kuat bahwa pendekatan peramalan umum yang memperlakukan kinerja positif dan negatif secara serupa melebih-lebihkan persistensi kinerja negatif perusahaan saat ini. Hal ini terutama berlaku untuk cakrawala prediksi jangka panjang, sehingga meningkatkan kemungkinan pembalikan kerugian. Mempertimbangkan perbedaan dalam persistensi kinerja negatif dan positif saat ini dalam regresi secara signifikan meningkatkan daya penjelas dan validitas prediksi. Dalam pengujian di luar sampel tambahan, analisis ini memberikan bukti yang beragam untuk proksi standar dari kerugian yang persisten dan sementara. Secara keseluruhan, model prediksi dapat dengan mudah ditingkatkan dengan menambahkan istilah interaksi antara kinerja saat ini dan variabel indikator untuk kinerja negatif atau positif.

Hal-hal penting yang dapat diambil

Penelitian ini memiliki tiga kesimpulan utama. Pertama, meskipun pengujian dalam sampel biasanya menemukan hubungan yang signifikan antara pajak tangguhan dari rugi fiskal ke depan dengan pembayaran pajak di masa depan dan kinerja perusahaan, pengujian di luar sampel menunjukkan bahwa item tersebut biasanya memperburuk prediksi. Hal ini berlaku bahkan untuk prediksi arus kas setelah pajak, yang menunjukkan terbatasnya kegunaan komponen pajak tangguhan dalam memprediksi pajak tunai.

Temuan ini sejalan dengan penelitian terbaru yang mengindikasikan adanya korelasi yang signifikan antara harga saham dan item-item pajak tangguhan, namun tidak dengan harga saham dan aset pajak tangguhan dari akumulasi rugi fiskal. Bukti secara keseluruhan menunjukkan bahwa informasi IFRS tentang akumulasi rugi fiskal tidak membantu dalam prediksi kinerja. Oleh karena itu, bagi auditor dan analis, item-item ini mungkin memiliki relevansi yang terbatas, dan penyusun standar mungkin berpikir untuk menyederhanakan standar yang sesuai (misalnya, IAS 12) untuk mengurangi biaya pelaporan keuangan.

Kedua, terdapat bukti yang kuat dan kokoh bahwa mempertimbangkan asimetri dalam kandungan informasi kinerja negatif dan positif dengan istilah interaksi dummy untuk kinerja negatif dan kinerja saat ini dapat meningkatkan prediksi. Dengan demikian, penelitian ini merupakan cara sederhana untuk meningkatkan prediksi yang dapat membantu para analis, auditor, investor, manajer, dan peneliti. Sebagai implikasi yang lebih umum, penelitian ini mendokumentasikan bahwa kinerja negatif mengandung lebih sedikit informasi dibandingkan dengan kinerja positif karena kurang persisten.

Ketiga, analisis ini mendokumentasikan bahwa model-model dapat berkinerja sangat berbeda dalam pengujian in-sample dan out-of-sample. Dengan demikian, para peneliti dan praktisi mungkin membutuhkan jenis model yang berbeda untuk analisis eksplanatori (yaitu, model yang ingin menjelaskan penyebab suatu fenomena) dan analisis prediktif (yaitu, model yang ingin memprediksi perkembangan di masa depan). Oleh karena itu, sebelum memilih model tertentu, para peneliti dan praktisi harus menentukan dengan jelas target mereka. Meskipun pengujian dalam sampel (in-sample test) merupakan statistik yang tepat untuk model eksplanatori, model prediktif jelas membutuhkan pengujian di luar sampel (out-of-sample test) untuk mengidentifikasi model dengan kinerja terbaik.

πŸ”¬πŸ§«πŸ§ͺπŸ”πŸ€“πŸ‘©β€πŸ”¬πŸ¦ πŸ”­πŸ“š

Referensi jurnal

Dreher, S., Eichfelder, S., & Noth, F. (2023). Does IFRS information on tax loss carryforwards and negative performance improve predictions of earnings and cash flows?. Journal of Business Economics, 1-39. https://doi.org/10.1007/s11573-023-01147-7

Sebastian Eichfelder menjabat sebagai Ketua Bidang Perpajakan Bisnis di Universitas Otto-von-Guericke Magdeburg, di mana beliau juga menjabat sebagai dekan urusan studi di Fakultas Bisnis dan Ekonomi. Sebastian meraih gelar PhD di bidang Ekonomi Bisnis di Universitas Bebas Berlin pada tahun 2009 dan dievaluasi secara positif sebagai profesor junior di Universitas Bergische Wuppertal pada tahun 2012. Dia sering menulis artikel di jurnal akademis yang ditinjau oleh rekan sejawat (European Accounting Review, National Tax Journal, Steuer und Wirtschaft), dalam jurnal praktisi (Deutsches Steuerrecht, Wirtschaftsdienst), dan bertindak sebagai rekan wawancara dan penulis untuk surat kabar dan majalah (misalnya, majalah Manager, Der Spiegel, FAZ).