Datainsamling

Clinicaltrials.gov är en databas som samlar in information och publicerar data från kliniska

studier runtom i världen. Databasen innehåller bland annat information om de aktiva substanser som ordinerats i genomförda studier såväl som antal deltagare och information om vilket eller vilka bolag, universitet eller andra organisationer som ligger bakom studiens utformande och genomförande. Vidare publiceras utförlig information om studiernas utfall. Utfallen som publiceras presenterar numeriska resultat från de aktuella studierna. Huruvida informationen skall tolkas som positiv eller negativ kan svårligen utläsas från informationen i databasen. Informationen från databasen har därmed använts i syfte att kartlägga vilka läkemedelsbolag noterade på den svenska börsen som har publicerade resultat från en eller flera kliniska studier under den undersökta tidsperioden.

För att säkerställa de korrekta datapunkterna för studiens genomförande har en sökning i databasen genomförts för respektive bolag. Genom databasens avancerade sökfunktion har ”Terminated” och ”Completed” markerats under ”Status”. Detta i syfte att endast inkludera studier som har ett avslut med tillhörande resultat. Under ”Targeted Search” har sedan respektive bolag angetts som ”Sponsor/Collaborator”. Detta innebär att sökresultaten inkluderar resultat från kliniska studier där bolaget i fråga haft huvudansvar för studiens genomförande såväl som där man innehaft en roll som samarbetspartner till bolaget med det övergripande ansvaret för studiens genomförande. Vidare har ”Phase 1”, ”Phase 2” och ”Phase

3” angetts som ”Phase” under ”Additional Criteria”. På så sätt inkluderar sökresultaten

endast den typ av kliniska studier som är av intresse för att besvara uppsatsens syfte. Vidare har en tidsavgränsning gjorts. Under ”Primary Completion” har ”01/01/2011” ”to” ”12/31/2020” angetts för att enbart inkludera de kliniska studier som är av intresse för uppsatsen med hänsyn till den undersökta tidsperioden. Av de initialt utvalda 202 bolagen kunde efter denna genomsökning konstateras att 34 av dessa bolag kvalificerades för studiens slutgiltiga urval.

Genom att utgå från clinicaltrials.gov har det säkerställts att de datapunkter som inkluderats är av samma karaktär utifrån databasens förhållningssätt till de kliniska studierna. Ett alternativt förfaringssätt som under studiens genomförande har diskuterats har varit att hämta datapunkterna direkt via de inkluderade bolagens pressmeddelanden, utan att utgå från de studier som publicerats på clinicaltrials.gov. Efter noga övervägande valdes denna metod för datainsamling bort. Fördelen med att använda clinicaltrials.gov bedöms bland annat ha varit att utrymmet för feltolkningar av meddelade resultat via pressmeddelanden har minskat. Att genomföra en studie som enbart grundar sig i bolagens egna publiceringar av genomförande och resultat bedöms inte vara en irrelevant undersökning. Däremot bedöms denna datainsamlingsmetod kunna bidra till en försvagning av studiens validitet då tolkningen av datapunkternas lämnas helt till författarnas omdöme. Sådana feltolkningar har bedömts som förödande för möjligheten att besvara studiens syfte. I de fall pressmeddelanden på bolagens hemsidor saknats under tidsperioden har denna information istället inhämtats från Nasdaq OMX Nordic respektive Spotlight Stock Market.

För att säkerställa en tillförlitlig metod för insamlingen av data har ytterligare åtgärder vidtagits. En problematik som upptäcktes vid insamlingen av data är att flera av de bolag som inledningsvis valdes ut för undersökningen har genomgått ett namnbyte under den undersökta tidsperioden. Ett bolag som genomgått ett namnbyte under den undersökta tidsperioden kan därmed potentiellt ha registrerat en klinisk studie i det tidigare namnet. Studierna som finns registrerade på clinicaltrials.gov ger i dessa fall inte utslag när ”Sponsor/Collaborator” angetts som det nuvarande företagsnamnet. Därmed fanns innan genomsökning av databasen ett behov av att grundligt undersöka vilka bolag som genomgått ett namnbyte under den relevanta tidsperioden för att undvika bortfall av datapunkter. Sammanlagt fanns fem av de bolag som senare inkluderades i studien ha genomgått ett namnbyte under den undersökta tidsperioden.

Annan problematik som tagits i beaktning berör börsintroduktionen för de inkluderade i bolagen. En stor andel av dessa har noterats på den svenska marknaden under tiden för undersökningsperioden. De kliniska studier som avslutats innan datum för börsintroduktionen har därmed uteslutits av anledningen att mätbara data i form av aktiekurs saknats för dessa event. Därmed finns en möjlighet att den data som presenteras i senare kapitel inkluderar kliniska studier som påbörjats men inte avslutats innan tiden för börsintroduktionen. Principen om att det är det publicerade resultatet som skall infalla mellan 2011 och 2020 har genomgående efterlevts.

Ett problem som upptäckts i samband med datainsamlingen har varit den bristande överensstämmelsen mellan databasen på clinicaltrials.gov och de publicerade

pressmeddelanden som hämtats från respektive bolags hemsida. Med anledning av detta har insamlingen försvårats, vilket potentiellt har bidragit till att relevanta datapunkter saknas i det slutgiltiga materialet. Problemet bedöms inte vara av sådan art att detta gör studiens resultat mindre tillförlitligt. Det bedöms med andra ord i stor, men inte fullständig, utsträckning varit möjligt att säkerställa när informationen kommit till marknadens kännedom. Totalt sett saknades ett pressmeddelande för 30 av de avslutade studier som gick att finna på clinicaltrials.gov.

Utöver detta problem finns en problematik kring huruvida bolagen offentligt rapporterar resultaten från de kliniska studierna. Givet att rapporteringen sker enligt de föreskrivna regelverken skall informationen om studierna finnas tillgänglig via clinicaltrials.gov. Att all den information som är av intresse för att besvara studiens syfte har funnits tillgänglig ses som osannolik. Trots de skärpta regleringarna kring rapporteringen har i en nyligen genomförd studie upptäckts att nära en tredjedel av resultaten överhuvudtaget inte rapporteras samtidigt som ungefär en fjärdedel av resultaten rapporteras in utanför den godkända tidsramen (Piller, 2020). De resultat som inte offentliggjorts har av förklarliga skäl inte kunnat inkluderas i studien.

Tabell 2 visar fördelningen av de insamlade datapunkterna som till följd av studiens utformning utgör de event som skall undersökas. 49 av de 74 event som upptäckts härrör från tillkännagivanden från fas 2. Anledningen till denna snedvridna fördelning beror bland annat på att flera av bolagen har tillkännagivit resultat från fas 1- och 2-studier vid samma tillfälle. I dessa fall har dessa kategoriserats som resultat från fas 2. En mer noggrann analys av denna kategorisering har inte gjorts, då studien inte syftar till att besvara hur avkastningen i eventperioden skiljer sig beroende på vilken av de tre faserna som berörs. Däremot har en bedömning gjorts att en sådan jämförelse kräver ett större urval för respektive kategori. Av denna anledning tar den slutligen applicerade kategoriseringen endast hänsyn till om utfallet från de undersökta kliniska studierna varit positivt eller negativt. Utifrån tabellen uppgår antalet positiva utfall till 60, medan antalet negativa utfall uppgår till 14.

Tabell 2. Insamlade datapunkter. Egen tabell.

Fas 1 Fas 2 Fas 3

År Positivt Negativt Positivt Negativt Positivt Negativt

2011 0 0 0 0 0 0 2012 0 1 1 2 0 0 2013 1 0 2 0 0 1 2014 2 0 1 0 3 0 2015 0 0 3 2 0 1 2016 1 0 5 2 0 0 2017 2 0 8 0 1 0 2018 5 0 6 1 0 0 2019 1 0 6 2 2 0 2020 2 1 7 1 1 0 Antal datapunkter 14 2 39 10 7 2

Antal datapunkter per fas 16 49 9

3.6 Bortfall

Vid datainsamlingen har en stor andel av det initiala urvalet fallit bort. Inledningsvis genomfördes en screening på databasen Börsdata. Inom kategorin ”health care” hittades 202 bolag noterade på Stockholmsbörsen. Därefter genomfördes en manuell genomsökning i databasen clinicaltrials.gov. 67 av de 202 bolagen hade enligt clinicaltrials.gov minst en avslutad klinisk studie mellan åren 2011 och 2020. Kategorin som applicerades i Börsdata är en bred sådan, varför ett stort bortfall av bolag var ett väntat utfall. Av dessa 67 bolag bedömdes tre bolag vara involverade i alltför många kliniska studier parallellt. Konsekvensen av detta bedömdes i detta skede vara att effekten av varje enskild klinisk studie svårligen kunde isoleras. Ett av dessa bolag har i databasen resultat från nära 1000 genomförda kliniska studier under den undersökta tidsperioden. Vidare försvann ytterligare 30 bolag då den nämnda databasen för kliniska studier jämfördes med de, i detta skede, inkluderade bolagens pressmeddelanden. Att ett offentliggörande av denna information saknas kan som tidigare diskuterats bland annat bero på att det finns en ovilja att tillkännage negativa studieresultat då aktiekursen tenderar att påverkas starkt av dessa besked. Slutligen återstod därmed 34 bolag som uppfyllde samtliga kriterier för inkludering i studien. Sammanlagt har dessa bolag annonserat resultat från 74 olika kliniska studier som kan kopplas till resultatet från en klinisk studie på clinicaltrials.gov under perioden 2011–2020.

Tabell 3: Bortfall i datainsamlingen. Egen tabell.

Initialt urval av bolag 202

Klinisk studie saknas på clinicaltrials.gov 135

Exkludering av storleksskäl 3

Koppling mellan clinicaltrials.gov och pressmeddelande saknas 30

Antal inkluderade bolag 34

Antal kliniska studier fördelade på dessa bolag (2011-2020) 74

3.7 Statistisk analys

3.7.1 Statistiska analysmodeller

Vad som i praktiken testas i en eventstudie är huruvida eventet under det undersökta eventfönstret bidrar till en abnormal avkastning som är signifikant skild från noll (MacKinlay, 1997). I denna studies kontext innebär detta att läkemedelsbolagens aktiekurs jämförs med ett marknadsindex i samband med att resultatet från en klinisk studie annonseras. För att säkerställa den statistiska styrkan av eventens effekt på avkastningen har ett parametriskt t- test utförts för AAR och CAAR. Vanligen testar man detta på en femprocentig signifikansnivå (Bryman & Bell, 2017). I denna studie testas resultaten även på en enprocentig liksom en tioprocentig signifikansnivå för att möjliggöra en jämförelse av den statistiska signifikansen för de olika resultat som presenteras i komman kapitel.

Ett större urval innebär att man med större sannolikhet kan säkerställa statistiskt signifikanta resultat. Mindre urval, såsom det urval bestående av negativa besked i denna studie, tenderar att visa upp höga värden för kurtosis och skewness. De signifikansnivåer som detta urval uppvisar måste med anledning av detta analyseras med viss försiktighet (Brown & Warner, 1985). Fenomenet är emellertid vanligt förekommande vid hantering och bearbetning av finansiella dataserier. Serra (2002) beskriver det som att finansiella serier vid mätning av abnormal avkastning tenderar att präglas av en högervriden snedfördelning samt en distribution som uppvisar feta svansar i normalfördelningskurvan. Detta innebär i praktiken att den centrala gränsvärdessatsen inte uppfylls (Kothari & Warner, u.å.) och att man därför inte kan anta att urvalet är normalfördelat. Till följd av dessa statistiska problem har det funnits ett behov av ett icke-parametriskt test för att komplettera det parametriska testet.

Icke-parametriska test används sällan i isolerade sammanhang, utan verkar istället som ett komplement till det parametriska testet (MacKinlay, 1997). Medan det parametriska testet förutsätter ett normalfördelat urval kan det icke-parametriska testet användas för urval som inte uppfyller kraven för normalfördelning. Dessa test lämpar sig således väl för att undersöka den statistiska signifikansen beträffande små urval, som mer sällan uppvisar

normalfördelning (Smalheiser, 2017). I denna studie uppgår antalet negativa studieresultat till 14 observationer. Som en konsekvens av detta, och att finansiella serier i allmänhet sällan är normalfördelade dataserier, har ett Wilcoxon Signed-Rank-test genomförts. Testet har genomförts med avsikten att ge ett resultat som kan vara signifikant utan krav på att underliggande dataserier är normalfördelade.

3.7.2 Multivariat regressionsanalys

En vanligt förekommande metod i eventstudier är att genomföra en multivariat analys där de oberoende variablerna kodas till dummyvariabler (MacKinlay, 1997). Dummyvariablerna representerar en binär kategorisering av de oberoende variablerna i syfte att testa huruvida en specifik egenskap hos det undersökta fenomenet påverkar den uppmätta avkastningen. I denna regressionsanalys har CAR applicerats som den beroende variabeln. Dummyvariablerna antar i denna regressionsanalys kvalitativa egenskaper och beskrivs nedan.

De första två oberoende variablerna som applicerats kopplas till insiderhandel. Den ena av dessa variabler berör insiderköp. Om insiderköp har skett i tidsperioden T (-60, -1) ges värdet 1 medan värdet 0 ges i de fall att sådana köp inte genomförts. En motsvarande dummyvariabel har skapats för insidersälj. I de fall insidersälj har skett T (-60, -1) ges dummyvärdet 1. Branschen har tidigare varit påverkad av insiderhandel, där det i närhet finns konkreta evidens för att insiderhandel förekommer. Insiderhandel har i tidigare studier visats sig vara en ekonomiskt signifikant händelse som kan ge konkreta implikationer för den efterföljande avkastningen (Finnerty, 1976; Jaffe, 1974; Lorie & Niederhoffer, 1968). Denna implikation har ett extra stort värde i branscher som liknar läkemedelsbranschen (Aboody & Lev, 2000). Effekten av insiderhandel har därtill misstänkts påverka avkastningen i studier som liknar denna (Overgaard et al., 2000; Rothenstein et al., 2011).

Därtill har ytterligare tre oberoende variabler kopplade till bolagens storlek applicerats. Om bolaget har ett marknadsvärde i den övre kvartilen av de inkluderade bolagen har dummy- värdet 1 applicerats. För övriga observationer tilldelas 0. För att vidare diskutera marknadsvärdets betydelse för den abnormala avkastningen har en motsvarande dummyvariabel skapats för de bolag som har ett marknadsvärde i den nedre kvartilen av de observerade bolagen. Anledningen till att marknadsvärdet appliceras i två olika regressioner är för att förbättra sannolikheten att uppmäta statistiska samband som kan förklara om ett storleksfenomen kan upptäckas i studiens kontext. Tidigare forskning indikerar att de mer signifikanta resultat som uppvisades i studien av Overgaard et al. (2000) jämfört med Rothenstein et al. (2011) kan härledas till urvalet bestående av mindre bolag i den förstnämnda av studierna. Ytterligare en storleksbaserad variabel har adderats, där bolag

vars omsättning understiger 500 000 SEK under det senaste verksamhetsåret har getts dummyvärdet 1. En sådan regression bedöms meningsfull till följd av att mindre läkemedelsbolag i större utsträckning kan tolkas som en realoption, där utfallet av en klinisk studie till följd av den volatilitet som präglar realoptioner kan tänkas ge en mycket stor effekt på den abnormala avkastningen. Läkemedelsbolag är till stor del värderade utifrån en sannolikhetsbedömning om huruvida läkemedlen kan föras till marknaden (Lewellen 1977; Robichek & Myers 1966; Stewart et al., 2001). Detta indikerar att marknaden borde reagera mycket starkt när ett sådant bolag lämnar besked om resultat från en klinisk studie.

Vidare har de fyra kontrollvariablerna sponsor, preliminära resultat, nyemission samt efter

regulation inkluderats i den multivariata analysen. Samtliga kontrollvariabler har adderats

då de av olika anledningar har potential att påverka utfallet och därmed förvränga signifikansen hos de oberoende variablerna. Sponsorvariabeln har inkorporerats i regressionen för att undersöka huruvida huvudägaren av projektet ges en bättre avkastning vid respektive genomförande av en klinisk studie. Då sponsorn är huvudansvarig för framtagningen finns anledning att misstänka att högre avkastning väntas vid positiva resultat och vice versa. Även preliminära resultat har adderats som kontrollvariabel då ett redan delgivet resultat utifrån den effektiva marknadshypotesen bör leda till att resultatet inte kan väntas följas av en lika stor rörelse i samband med att studieresultatet annonseras. Detta kan ses som en konsekvens av att marknaden i dessa fall redan fått information som påverkar investeringsbeslutet. Variabeln nyemission har lagts till då nyemissioner, allt annat lika, i enlighet med den effektiva marknadshypotesen resulterar i ett lägre aktiepris och har därmed potential att påverka kursen negativt. Den fjärde variabeln, efter regulation, syftar till de skärpta regleringar som EU har genomfört avseende kraven för rapportering av resultat från kliniska studier. De nyinförda regleringarna bedöms potentiellt kunna påverka avkastningen i samband med att resultaten från de kliniska studierna offentliggörs då informationsunderlaget för investerare potentiellt förändras till följd av regleringen. Sammanfattningsvis har dessa fyra variabler bedömts kunna påverka och förklara avkastningen och har därför inkluderats i regressionsanalysen.

3.8 Regressionernas antaganden

För att säkerställa resultatens tillförlitlighet har ett antal statistiska tester genomförts. Innebörden och utformningen av testerna samt dess bakomliggande antaganden presenteras i detta avsnitt. Resultaten från dessa tester presenteras i resultatkapitlet.

3.8.1 Autokorrelation

När ett beroende för efterföljande observationer uppvisas i en tidsserie eller regression benämns detta som att autokorrelation föreligger. Ett grundläggande antagande vid

insamling av observationer är att observationerna är oberoende i förhållande till varandra. Om ett beroende påvisas tenderar beräknade standardfel att anta lägre värden än vad som är förenligt med verkligheten. Som en konsekvens av detta riskerar resultaten att uppvisa en alltför hög signifikansnivå vilket leder till att slutsatserna riskerar att bli missvisande (Huitema & Laraway, 2006). Redogörande av autokorrelation är av stor vikt då random walk är en förutsättning för Famas (1970) effektiva marknadshypotes redan vid dess svaga form. Vid den svaga formen av den effektiva marknadshypotesen kan inte framtida avkastning förutspås utifrån historisk avkastning. Vid en signifikant autokorrelation håller inte detta antagande då morgondagens avkastning till hög grad kan förklaras av dagens avkastning som en konsekvens av det inbyggda beroende som finns i tidsserien. För att undersöka om autokorrelation är föreliggande i den applicerade regressionsmodellen har ett Durbin- Watson-test utförts. Testet ämnar med hjälp av en hypotesprövning att testa om signifikant autokorrelation kan upptäckas i regressionen (Durbin & Watson, 1950). Hypotesprövningen formuleras enligt:

H0:

Tidsseriens avkastning är inte autokorrelerad.

Tidsseriens avkastning är autokorrelerad.

3.8.2 Heteroskedasticitet

Vid hantering av linjära regressioner är förekomsten av heteroskedasticitet inget ovanligt (Cribari-Neto, 2004). Anledningen till fenomenet kan härledas till att felvariansen för observationerna skiljer sig åt. En potentiell orsak till att en dataserie uppvisar heteroskedasticitet kan spåras till att variabler som inte undersöks påverkar regressionen. När dessa inte kvantifieras och implementeras i regressionsanalysen riskerar mönster som tyder på heteroskedasticitet att uppvisas. Homoskedasticitet är motsatsen till heteroskedasticitet. Testet som utförts i syfte att testa huruvida heteroskedasticitet föreligger har baserats på Breusch & Pagan (1979). I praktiken genomförs testet för att avgöra om det finns en signifikant skillnad på variansen i beroendevariabeln när värdet för oberoende variabler fluktuerar. Vid genomförandet appliceras en hypotesprövning. Om Ho förkastas

tyder prövningen på att tidsserien uppvisar någon grad av heteroskedasticitet. Hypotesprövningen formuleras enligt:

Ho:

Tidsseriens avkastning är homoskedastisk.

Tidsseriens avkastning är inte homoskedastisk.

3.8.3 Normalfördelning

Att en dataserie är normalfördelad innebär att dataseriens residualfördelning på ett symmetriskt sätt kretsar kring medelvärdet. Med andra ord samlas en stor mängd av observationerna omkring medelvärdet medan sannolikheten för extrema utfall är lika stor för positiva som negativa värden. Finansiella tidsserier följer som regel inte kraven för att klassas som normalfördelade, varför normalfördelningsantagandet riskerar att bli lidande i en studie som behandlar sådan data. Detta diskuterades även som ett problem i

eventstudiemetodikens kontext, där problematiken som härrör från

normalfördelningsantagandet sällan bidrar till oöverkomliga problem för eventstudier (MacKinlay, 1997). Vanligen följs finansiella serier av en fördelning som liknas vid Students

T-fördelning (Student, 1908), där fördelningen av observationer dessutom präglas av en

högervriden skevhet. Ett normalfördelningstest har genomförts med ett Shapiro-Wilks-test (Shapiro & Wilk, 1965). Hypotesprövningen formuleras enligt:

Ho:

Tidsseriens avkastning är normalfördelad.

Tidsseriens avkastning är inte normalfördelad.

3.8.4 Multikollinearitet

Då studien innehåller en multivariat regression av dummyvariabler har ett test av mulitkollineariteten genomförts för att undersöka variablernas korrelation. Hög korrelation mellan förklarande variabler är problematiskt vid fastställandet av de oberoende variablernas inverkan på den beroende variabeln (Gujarati, 2004). Vid hög korrelation mellan två oberoende variabler är det således inte möjligt att säkerställa vilken av de två variablerna som haft inverkan på den beroende variabeln. För att stärka studiens validitet kommer ett VIF-test och en korrelationsmatris att konstrueras och redogöras för.

3.9 Metodkritik

3.9.1 Reliabilitet

Reliabilitet åsyftar huruvida studien kan genomföras vid upprepade tillfällen med samma resultat (Bryman & Bell, 2017). Med andra ord kan reliabiliteten tolkas som studiens tillförlitlighet. Generellt tenderar kvantitativa studier att upprätthålla en hög reliabilitet. I jämförelse med en kvalitativ studieansats kan den kvantitativa ansatsen antas minska risken för felbedömningar och misstolkningar av den data som insamlats (Bryman & Bell, 2017). Däremot innehåller samtliga mätningar någon form av oöverkomlig felkälla (Campbell et al., 1963). Således kan studiens tillvägagångssätt omöjligen exkludera alla felkällor, varför målet är att minimera dessa med hjälp av noga överväganden avseende genomförande och metod.

Då studiens ansats vilar på analys av aktiekursförändringar har insamlingen och hanteringen av denna data varit av stor vikt för att upprätthålla en hög reliabilitet.

Datapunkterna som insamlats benämns som sekundärdata. Dessa har tagit formen av dagliga aktiekurser som använts för att beräkna abnormal avkastning, skattningar för event- och

estimeringsfönster och andra hänförliga beräkningar vid applicering av

eventstudiemetodiken. Denna data har hämtats från Thomson Reuters databas Refinitiv