Analys av aktierekommendationer

Diversifieringseffekten som analyseras i avsnittet ovan utgår i mångt och mycket från en institutionell investerares perspektiv. Anyor och Hellman (2014) lyfter fram att storleken på bolagen som analyseras är starkt korrelerande med pricksäkerheten i analyserna. De menar på att incitamenten till detta resultat bygger på att institutionella investerare har möjligheten att lägga ner mer tid och resurser, i kombination med bättre tillgång till kvalitativ information.

-20,00% 80,00% 180,00% 280,00% 380,00% 480,00% 580,00% 680,00% Ack . a v k a st nin g

OMX Nordic SEK PI Exkl. trans. kostnader & skatt Inkl. trans. Kostnader & skatt

Som Hansmann och Kraakman (2004) framhåller, sammanfaller den private investerarens intressen om en stabil avkastning till låg risk allt oftare med den institutionelle investerarens intressen. Detta borde därför betyda att en privat investerare, trots sina begränsade resurser och tid samt informationsunderläge vill skapa en så välgrundad analys som möjligt när de väljer tillgångsslag för att sätta samman sin portfölj. I detta fall spelar aktieanalytikers rekommendationer en stor roll, som på kort tid ger en överskådlig bild och dessutom inkluderar ett riktmärke för hur den private investeraren bör placera sina pengar. Men vad blir då effekterna av att inte ha detta informationsövertag som de privata spararna saknar jämfört med de institutionella investerarna?

Från resultaten av aktierekommendationerna kan vi konstatera att tre av fyra portföljrekommendationer, endast hälsoportföljen undantagen, för de företagen som hade högst nyckeltal fick ett felaktigt utfall jämfört med den rekommendation som de fick. Vidare ser vi att samtliga rekommendationer för de portföljerna med lägst nyckeltal fick ett korrekt utfall. Om Anyor och Hellmans (2014) storleksvariabel är den främsta förklaringen till resultaten eller om det går att klargöra våra resultat ytterligare är därför något som vi ämnar analysera närmre.

En förklarning till att företagen med höga nyckeltal är den grupp som systematiskt har fått felaktiga rekommendationer kan vara att analytikerna överskattar potentialen i dessa företag. Detta skulle i sådana fall vara i linje med Lakonishok et al. (1994) som hävdar att analytiker har svårare att prognostisera tillväxten i tillväxtbolag eftersom antagandena kring kassaflöden, risk och tillväxt blir mycket mer osäkra än för större bolag. Dessa antaganden menar vi skulle kunna bygga på den heuristiska snedvridningen att hjärnan väljer att ta en genväg när den dra sina slutsatser och då väljer att svara på en enklare fråga en den som ursprungligen ställdes (Kahneman & Tversky, 1979).

När prognosen på ett företag ska göras, väljer analytikerna inte sällan ställa sig frågan ”Hur såg historisk data ut i form av tillväxt, risk och kassaflöden?” oavsett om prognosen görs för större eller mindre företag. Omedvetet har analytikern, eller snarare analytikerns hjärna, valt att flytta fokus från den ursprungliga frågan om hur prognosen för framtiden ser ut, till den betydligt enklare frågan om hur företaget presterade historiskt. Frågan vi ställer oss är därför om historisk data är tillräcklig för att göra en rättvis prognos och duger verkligen denna

Det uppenbara svaret med tanke på det mindre smickrande resultaten av vår undersökning kring aktiemarknadsrekommendationer är förstås nej. Allt som oftast kan inte ett företag behålla samma höga tillväxttakt som tidigare år när fokus flyttas från tillväxt till lönsamhet. Detta är faktorer som är svåra att väga in i både de relativvärderings- och kassaflödesmodeller som analytikerna använder sig av. Försvarare av analytikernas prestationer skulle nu förmodligen framhålla att det är i stort sett omöjligt att sia om framtiden och att det blir än svårare när företagen är små tillväxtföretag. Detta är visserligen sant, speciellt med tanke på att analytikernas i större utsträckning har en tradition av att analysera stora företag där det är lättare att få tag på kvalitativ information (Falkenstein, 1996) än för mindre företag. Om företaget dessutom har en bristfällig historik i form av publik information menar Kahneman (2002) att det blir betydligt lättare att skapa en prognos med positiva snarare än negativa framtidsutsikter.

Även om analytiker inte lägger ner lika mycket tid på analyser av mindre bolag borde vi kunna anta att de ändå väljer att titta på hur faktorer som makro- och branschklimat ser ut för dagen, om än i mindre utsträckning. Finns det då någon möjlighet att utöka kunskapen för att förbättra rekommendationerna i grupper där analytiker sällan har rätt? Ett kraftigt men sällan använt redskap, även bland utbildade statistiker, menar Kahneman och Tversky (1979) är den relativa frekvensen som bör användas i större utsträckning än extrapolering av data vid skapandet av prognoser. Genom att ställa sig den enkla frågan ”Det här företaget ser ut som om det skulle klara sig, men den relativa frekvensen för framgång i branschen är extremt låg. Vad säger att det här företaget är annorlunda?” kan vi spara in på dåliga rekommendationer. Frågan gör att analytikern måste tänka en gång till för att försäkra sig om att en rekommendation inte är allt för optimistisk nästa gång den publiceras.

Resultaten visar alltså att analytikerna för det mesta hade fel i vårt stickprov när det gällde portföljer innehållandes företag med höga nyckeltal, men också att det verkar vara lättare att analysera portföljer med företag låga nyckeltal vilket visar på att de åtminstone hade delvis rätt.

Enligt argumentationen tidigare bör det ligga nära till hands att anta att många privata sparare bygger sina portföljer som till stor del bygger på aktierekommendationer på grund av tids- och resursbrist. Antar vi vidare att denna portfölj i många fall innehåller både större och mindre bolag med antingen låga eller höga nyckeltal, är det sannolikt att utfallet för portföljens avkastning ligger nära resultaten från denna studie. Portföljen innehåller därför sannolikt rekommendationer som var både korrekta och felaktiga. Förutsatt att detta stickprov

av rekommendationer är representativt för den stora massan av aktierekommendationer kan vi dra slutsatsen att nästan 50 % av alla rekommendationer är felaktiga.

Att endast hälften av rekommendationerna är korrekta borde inte komma som någon överraskning speciellt med tanke på att vi endast mäter effekten av rekommendationerna under ett år. Som Kahneman (2002) lyfter fram, är sannolikheten stor att en bra prestation, i detta fall lyckade estimat, följs av sämre estimat. Det vi kan observera i denna studie är alltså ett tydligt exempel på regression mot medelvärdet. Följden av denna regression mot medelvärdet blir att investerarens portfölj innehåller både aktier som har gått bra och de som har gått mindre bra vilket skapar en problematik då de måste välja vilka aktier som slutligen ska säljas. Risken finns då att de aktier som har gått med vinst säljs av medan de som har gått med förlust hålls kvar, allt för att undvika en känsla av ånger vilket skapar problematiken kring dispositionseffekten.

Som Odean (1998) framhåller är detta en effekt som har en tendens att försämra avkastningen över tid. Detta är något som potentiellt också hade kunnat ske för portföljerna i denna studie om vi hade valt att sälja aktier som gått bäst istället för att endast köpa de som var lägst värderade.