1.1.1 Aktiemarknaden och Stockholmsbörsen
En aktiemarknad är en handelsplattform där handel med värdepapper sker (Kamal, 2013).
Denna handel kan ske på olika plattformar men den vanligaste typen är en aktiebörs, till exempel Stockholmsbörsen eller NASDAQ. Den största delen av handeln på Stockholmsbörsen utgöras av en andrahandsmarknad av aktier (Kamal, 2013). Dagens investerare på Stockholmsbörsen är svenska hushåll, utländska ägare samt institut (Boxir, 2020) som ställer höga krav på den finansiella marknaden. Dessa krav innefattar bland annat transparens och tillgänglighet på aktier (finansinspektionen, 2001).
Den främsta anledningen till att aktiemarknaden existerar är att möjliggöra för investerare att köpa aktier men även för organisationer att kunna sälja en del av sitt företag (Sveriges rikes lag, 2018). Aktiemarknaden fungerar som en medlare mellan investerare och företag och skapar säkerhet för båda parter (Atack & Neals, 2009). Anledningen till att företag skulle sälja delar eller hela organisationen är vanligtvis för att skapa en viss likviditet för företaget, vilket i sin tur kan ge organisationen många fördelar, exempelvis att göra det möjligt för organisationen att kunna växa snabbare eller för att lära känna sitt eget värde på marknaden (Atack & Neals, 2009). Huvudmotivet för investerare att köpa aktier i en organisation är en förväntan på en positiv avkastning framöver (Schreder, 1962).
Stockholmsbörsen som även agerar under namnet Nasdaq Stockholm är den primära aktiemarknaden som är verksam i Sverige med över 200 nordiska aktier. Sektorn för dessa företag är grundläggande material, konsumtionsvaror, konsumenttjänster, ekonomi, vård och omsorg, industri, råvaror, teknik, telekommunikation och verktyg. Utöver detta är det viktigt att notera att det finns ett index som heter OMX30 vilket inkluderar de trettio mest omsatta aktierna på Stockholmsbörsen. Detta index är skapat för att representera hela den svenska aktiemarknaden. (Nasdaq,2020) (omxs30,2020).
9 Likviditeten på en aktie avgörs av hur stor handeln är i den aktuella aktien. En större handel leder till högre likviditet och gör det enklare för investerare att köpa och sälja det aktuella värdepappret. En hög likviditet leder ofta till att fler investerare är intresserade av att handla med den underliggande aktien då en låg likviditet leder till svårigheter och högre kostnader för att köpa och sälja aktien. Prissättningen på aktiemarknaden sker löpande och innebär att globala händelser eller nyheter i det underliggande bolaget kan leda till snabba och stora kursförändringar. Volatiliteten i en aktie innebär kursförändringar i aktien, en hög volatilitet innebär stora kursförändringar gentemot medelvärdet på aktien. (Malagon, et al., 2018).
1.1.2 Risktagande på aktiemarknaden
Studier tyder på att investerare med en kortsiktig investeringshorisont är mer intresserade av irrationell felprissättning eller rationella förskjutningar i underliggande riskpremier medan investerarna med en längre horisont är betydligt mer intresserade av långsiktiga komponenter.
En viktig faktor som påverkar valet av en lång- eller kortsiktig investering är den underliggande risken i investeringen, till exempel risken för felprissättning och risken för bolagskonkurs.
(Botshekan & Lucas ,2017) Enligt Liu finner vi ingen korrelation mellan risk och avkastning på kort sikt. På lång sikt finner vi dock en signifikant positiv korrelation mellan risk och avkastning för den kinesiska aktiemarknaden, vilket kan bero på rationaliteten på lång sikt.
Däremot på kort sikt finner vi inte samma korrelation på grund av det som Liu kallar för kaos, vilket innefattar risken för under- och övervärdering kopplat till informationsflöden och globala händelser (Liu, 2020).
En faktor som minskar risken i portföljen är diversifiering. Detta görs vanligtvis genom att investera i företag som normalt sett inte påverkar varandra (Crezée & Swinkels, 2010) (Bessler, et al, 2017). Enligt Kryzanowski så fungerar diversifiering så att den totala risken för en portfölj konvergerar till ”Systematisk eller marknadsmässig eller icke-synkretisk risk eftersom portföljens storlek tenderar att vara oändlig” (Kryzanowski, 2010). Detta innebär att om en aktie plötsligt faller i pris innebär det inte att hela aktiemarknaden faller.
Sharpe-ratio, även känd som Sharpe index, används ofta som ett alternativ för att beräkna en investerings resultat efter justering för dess risk. Resultat av sharpe-ratio som är under 1 anses dålig, överstiger 1 anses bra, överstiger 2 anses mycket bra och över stiger 3 anses som exceptionellt bra. (Kaplanski et al, 2016) (Corporate Finance Institutet, 2020).
10 1.1.3 Högfrekvenshandel och användandet av algoritmer på aktiemarknaden
I samband med att den amerikanska aktiemarknaden decimaliserades, började handlas i cent och inte enbart hela dollar, och att enskilda aktier fragmenterades, började handlas på flertalet olika marknadsplatser, så uppstod det som kallas för högfrekvenshandel (HFT). HFT har och fortsätter att utvecklas kontinuerligt i och med digitaliseringen. Investerare tänker sällan på att liknande fenomen har funnits sedan aktiemarknaden introducerades år 1862 då institutionella handlare som på bästa sätt försöker utföra kundordrar och day-trades med förhoppningen om en positiv avkastning genom att köpa aktier billigt och sälja dem dyrt, skillnaden med HTF är enbart att den utförs elektroniskt. (Vindevåg, 2016) HFT påverkar eventuellt enskilda aktier men också aktiemarknaden som helhet (Idrees,2019).
1.1.4 För- och nackdelar med högfrekvenshandel och användandet av algoritmer
HFT skapar både för- och nackdelar för investerare på aktiemarknaden så som ökad likviditet men också en lägre volatilitet. Att använda sig av algoritmer inom aktiehandeln kan innebära att mer rationella beslut fattas och att de emotionella aspekterna kopplade till beslutsfattandet elimineras.
HFT kan dock även leda till felaktiga beslut i oförutsedda situationer. En konsekvens av att finansmarknaderna automatiseras är en högre omsättningshastighet och då finns det mindre tid för mänsklig eftertanke i stressade situationer. (Brownlee,2018)
Knight Capital var ett bolag som ägnade sig åt HFT och som 2012 förlorade över 460 miljoner dollar på en halvtimme efter teknisk problematik med en algoritm. Företaget återhämtade sig aldrig efter denna händelse trots att Knight Capital innan det var den största aktören på den amerikanska marknaden med sina 17,3% marknadsandelar på New York Stock Exchange (NYSE) samt 16,9% på NASDAQ och med sina handelsvolymer som uppgick till 3,3 miljarder affärer om dagen.
(Securities Exchange act, 2013) Studier kring HFT kan eventuellt förhindra liknande händelser att uppstå vilket i sin tur kan förhindra ekonomiska krascher på marknader som HFT och algoritmer används på (Hagströmer & Nordén,2013).
Även om flertalet personer förknippar HFT med enbart negativa aspekter kan HFT bidra till en mer gynnsam likviditet samt en stabiliserad volatilitet på marknaden. Detta gynnar de privata investerarna likväl som företag och institut i en stor utsträckning. Utvecklingen det senaste decenniet visar också stora regelförändringar som gjort marknaden väldigt fragmenterad, att enskilda aktier handlas på flertalet olika marknadsplatser. Det gynnar robothandlarna som använder sig av HFT, men skapar en komplex och svårhanterlig situation för övriga investerare på aktiemarknaden.
När samma värdepapper handlas på många olika handelsplatser, så som alternativa aktiemarknader
11 och så kallade dark pools är det svårare för övriga investerare att få överblickpå vad som pågår på aktiemarknaden. (Brogaard et al, 2018) (Hagströmer & Nordén,2013). Utöver detta skall investerare som ej använder sig av HFT eller algoritmer ta hänsyn till hur lång- eller kortsiktig investeringen skall vara. Detta gör investeringarna än mer komplexa. (Brogaard et al, 2015) 1.1.5 Maskininlärning och användande av algoritmer samt K-betydelsemetoden
Maskininlärning är en typ av inlärningsmetod hos robotar. Det är en beräkningsmetod som medför en viss grad av intelligens och som har visat sig vara framgångsrik inom flertalet olika områden som kräver analyser av datamängder som är komplexa till sin natur. Detta gör att det även har använts på aktiemarknaden och det har visat sig att det leder till en ökad avkastning i aktieportföljen. (Verbraeken, 2020) Det finns flertalet olika typer av maskininlärning varav en kallas för oövervakad maskininlärning. Denna kräver en specifik algoritm som skapar, sammansätter samt analyserar portföljen vilket kallas K-betydelsemetoden (Zhu et al, 2018).
K-betydelsemetoden har inte använts i någon större utsträckning på aktiemarknaden vilket gör studier av denna metod aktuella. Detta för både dagens och framtidens forskning, och för att kunna skapa en förståelse för händelser som inträffar på aktiemarknaden kopplade till användande av algoritmer och i förlängningen HFT.