Để đánh giá tác động của thông tin EPS trên BCTC đến giá cổ phiếu, điều quan trọng là phải xác định thông tin về EPS của các doanh nghiệp trong thời gian khảo sát là thông tin có lợi (good news) hay thông tin bất lợi (bad news). Nghĩa là phải chia tổng mẫu nghiên cứu thành 2 nhóm trong từng tháng khảo sát T: nhóm chứa các doanh nghiệp cung cấp thông tin bất lợi (được gọi là mẫu bất lợi) và nhóm chứa các doanh nghiệp cung cấp thông tin có lợi (được gọi là mẫu có lợi). Giả thiết thị trường hiệu quả cho rằng các thông tin có lợi được công bố sẽ khiến giá cổ phiếu có chiều hướng tăng và ngược lại, thông tin bất lợi sẽ khiến giá cổ phiếu đi xuống. Việc xác định thông tin EPS đó là bất lợi hay có lợi có nhiều phương pháp khác nhau.
Benos & Rockinger (2000) đã đưa ra 3 phương pháp để xác định thông tin về EPS được công bố là thông tin có lợi hay bất lợi.
- Phương pháp 1: Dựa vào tín hiệu của thông tin EPS hiện hành trên BCTC để xác định đó là thông tin có lợi hay bất lợi. Với phương pháp này, nếu thông tin EPS trên BCTC năm hiện hành là dương (+) thì sẽ được coi là thông tin có lợi. Ngược lại, nếu thông tin EPS trên BCTC năm hiện hành là âm (-) thì sẽ được coi là thông tin bất lợi.
- Phương pháp 2: Dựa vào khoản chênh lệch của EPS năm hiện hành và EPS năm trước trên BCTC. Nếu khoản chênh lệch này dương (+) thì sẽ được phân loại là thông tin có lợi. Ngược lại, nếu khoản chênh lệch này là âm (-) sẽ được phân loại thành thông tin bất lợi.
- Phương pháp 3: Dựa vào sai số ngẫu nhiên trong việc dự đoán EPS. Đây là phương pháp thích hợp nhất để xác định thông tin EPS là thông tin bất lợi hay có lợi. Độ lớn của sai số ngẫu nhiên trong dự đoán EPS được tính bằng cách lấy EPS trên BCTC năm hiện hành trừ (-) đi EPS dự đoán trên các các báo cáo của doanh nghiệp cũng trong năm đó. Nếu sai số ngẫu nhiên là dương (+) sẽ được phân loại thành thông tin có lợi. Nếu sai số ngẫu nhiên là âm (-) sẽ được phân loại thành thông tin bất lợi.
Ngoài ra, còn có một số phương pháp để xác định thông tin EPS của doanh nghiệp công bố là có lợi hay bất lợi. Chúng ta có thể dựa sai số trong việc dự đoán EPS theo sự thay đổi chung của toàn thị trường để phân loại như trong nghiên cứu của R. Ball & P. Brown (1968).
Đầu tiên chúng ta sẽ xác định thay đổi trong thu nhập có thể dự đoán được (khoản thu nhập ở đây là EPS) của công ty i trong năm t bằng cách hồi quy tuyến tính phương trình sau:
E(ΔIi,t) = αi,t + βi,t ΔMi,t
Trong đó: E(ΔIi,t): Thay đổi trong thu nhập có thể dự đoán của công ty i trong năm t.
ΔMi,t : Thay đổi trong thu nhập trong tất cả công ty trên thị trường (ngoại trừ công ty i) trong năm t.
αi,t , βi,t: Hệ số hồi quy của công ty i trong năm t.
Sai số ngẫu nhiên µi,t của công ty i trong năm t được tính bằng cách lấy sự thay đổi trong thu nhập năm hiện hành ΔIi,t của công ty i trong năm t trừ (-) đi sự thay đổi trong thu nhập có thể dự đoán được công ty i trong năm t.
µi,t = ΔIi,t - E(ΔIi,t)
Trong đó: µi,t : Sai số ngẫu nhiên trong dự đoán thu nhập của công ty i trong năm t.
ΔIi,t: Sự thay đổi trong thu nhập năm hiện hành của công ty i trong năm t.
E(ΔIi,t): Thay đổi trong thu nhập có thể dự đoán của công ty i trong năm t.
- Nếu µi,t > 0: Xác định đây là thông tin có lợi. - Nếu µi,t < 0: Xác định đây là thông tin bất lợi.
Tuy phương pháp thứ 3 của Benos & Rockinger (2000) và phương pháp được sử dụng trong nghiên cứu của R. Ball & P. Brown (1968) tỏ ra thích hợp hơn trong việc xác định thông tin EPS có lợi hay bất lợi, nhưng do khó khăn trong việc thu thập dữ liệu cũng như một số dữ liệu không có sẵn trên thị trường Việt Nam nên tác giả sẽ sử dụng phương pháp thứ 2 của Benos & Rockinger (2000), dựa vào khoản chênh lệch của EPS năm hiện hành và EPS năm trước trên BCTC để xác định đâu là thông tin có lợi và đâu là thông tin bất lợi trong nghiên cứu này.