• No results found

28

6. Diskussion

Studiens syfte har varit att redogöra för huruvida reporänteförändringar påverkar den svenska börsen. För att göra detta genomfördes en så kallad eventstudie, där aktiepriserna utan reporänteförändringen först estimeras för att sedan jämföra detta med den faktiska avkastningen som uppkom vid reporänteförändringen. Den normala avkastningen estimerades baserat på de 50 föregående handelsdagarna och jämfördes sedan mot eventfönstrets 2 dagar, dagen innan pressmeddelandet för förändrad reporänta och samma dag som pressmeddelandet för förändrad reporänta. Modellen som används för att estimera den normala, förväntade avkastningen är en EGARCH-modell. Anledningen till att eventfönstret är bestämt till att vara en dag innan pressmeddelandet samt samma dag som pressmeddelandet är för att inkludera eventuell läckt information samt för att någorlunda försöka kontrollera för eventuella förväntningar. Om förändringen av reporäntan ligger i linje med vad marknaden förväntar sig kommer inte priserna att påverkas, eftersom den effektiva marknadshypotesen bland annat påvisar att marknaden då redan prisat in förändringen av reporäntan.

Resultaten ligger inte i linje med de studier som gjorts i andra länders respektive aktiemarknader och styrränteförändringar. Resultatet ligger heller inte i linje med vad studenter tidigare funnit för empiriskt samband mellan reporänteförändringar och den svenska börsen.

Potentiella anledningar till att resultatet inte ligger i linje med tidigare studier kommer därför att diskuteras under detta kapitel.

Tidsperioden studien innefattar, åren 2010 till 2020 har varit ganska speciella. Dels i hur den svenska börsen utvecklats samt dels i hur penningpolitiken bedrivits. I oktober 2014 införde Riksbanken nollränta, vilket betyder att Riksbanken satte reporäntan till 0%. Efter nollräntan upplevde Riksbanken att osäkerheten i världsekonomin ökade ytterligare kombinerat med att inflationstrycket fortsatte vara alldeles för lågt. År 2015 tog därför Riksbanken det drastiska steget att för första gången i historian införa negativ reporänta. Reporäntan sattes i februari 2015 till -0,10%. Utöver detta beslutade Riksbanken att köpa statsobligationer vilket innebär att Riksbanken ökar penningmängden i ekonomin och driver således på inflationen.

Riksbanken skriver i en publikation att negativ reporänta har en expansiv effekt och vid en undersökning svarade 80% av de tillfrågade företagen att den negativa reporäntan haft en positiv effekt för deras verksamhet. Riksbanken fann också stöd för att penningpolitiken är

29

verkningsfull vid negativ reporänta men genomslaget på bland annat utlåningsräntor till hushåll varit svagare och långsammare än normalt (Redogörelse för penningpolitiken 2019, 2019). Det finns således stöd för att penningpolitik åtminstone inte verkar likadant vid negativ reporänta som den gör vid positiv reporänta vilket är en möjlig förklaring till att studiens resultat inte ligger i linje med tidigare studier, då reporäntan varit uteslutande positiv vid tidigare studier.

Det skulle vara intressant att i framtiden forma en studie som försöker besvara hur aktiemarknaden reagerar eller påverkas vid negativ reporänta för att försöka finna om detta faktiskt är anledningen till att det inte går att skilja den genomsnittliga kumulativ avkastningen från noll.

Lite slarvigt brukar man säga att OMXS30 i genomsnitt ökat med 8% per år och att man som investerare därför kan, över tid förvänta sig omkring 6–10% i genomsnittlig årlig avkastningen på sina investerade pengar. Under perioden 1990-2019 har OMXS30 utvecklats med en genomsnittlig årsavkastning om 12,49% (Historisk avkastning för Stockholmsbörsen 1983-2019 (OMXS30), n.d.). Detta betyder att börsen under den senare tiden utvecklats i överkant historiskt sett, vilket kan vara en potentiell- eller delförklaring till varför resultaten från denna studie inte ligger i linje med tidigare studier. Att undersöka hur den svenska aktiemarknaden reagerar på reporänteförändringar under exempelvis en börskris eller under perioder när aktiemarknaden utvecklas negativt skulle därför vara ett intressant område för framtida studier.

En annan anledning till att resultaten inte ligger i linje med tidigare studier kan de facto vara att de sänkningar och höjningar som gjorts under perioden 2010 till 2020 varit helt i linje med vad marknaden förväntat sig. Eftersom den effektiva marknadshypotesen bevisligen verkar till viss nivå, betyder detta att aktiemarknaden inte påverkas av reporänteförändringar eftersom detta redan är inprisat i aktiekurserna vid pressmeddelandet. En parallell från denna anledning går att dra till investerares framtidstro och därigenom beteenden. Investerares beteenden är en stor del av de priser som råder på aktiemarknaden och studier inom området är därför att rekommendera. Ett exempel skulle vara att försöka finna hur stor del av priserna investerarna själva faktiskt bestämmer kontra hur mycket av priserna som utomstående (exogena) faktorer såsom exempelvis penningpolitik påverkar priserna. En eventuell metod för att göra detta skulle kunna vara att se hur stor del av förändringen i reporäntan som är förväntad vilket ger en mer rättvisande bild. För att göra detta är ett exempel att använda terminskontrakt på reporäntan.

30

Att försöka finna hur penningpolitik påverkar priser i allmänhet och aktiepriser i synnerhet är vore intressant för att underlätta och fördjupa förståelsen kring hur penningpolitiken verkar.

Andra exempel på framtida forskning är att testa använda andra GARCH-modeller och eventuellt jämföra dessa mot varandra för att se vilken av alla dessa modeller som faktiskt är bäst lämpad för en studie av denna karaktär.

Slutsatsen blir att resultatet inte ligger i linje med vad tidigare studier påvisar, vilket aldrig klingar särskilt snyggt. Faktum är dock att det vid närmare eftertanke inte behöver klinga så illa som det kanske gör vid första anblick. Som börsen utvecklats under tioårsperioden studien innefattar har den aldrig gjort under modern tid. Samtidigt har Riksbanken bedrivit expansiv penningpolitik vilket leder till att det finns mycket likviditet till låg kostnad i samhället. Denna likviditet måste hamna någonstans och börsen är ofta ett både bra och vanligt alternativ. Utöver detta så har reporäntan varit negativ, vilket den aldrig tidigare i historian varit. Med så stora skillnader gällande omständigheterna gentemot tidigare studier blir det i min mening rimligare att resultaten skiljer sig åt mot för om de skulle vara desamma.

31

Referenser

Armitage, S. (1995). Event Study Methods. In Journal of Economic Perspectives (Vol. 8, Issue 4, pp. 25–52).

Atlas Copco A (ATCO A) - Köp aktier | Avanza. (n.d.). Retrieved April 7, 2020, from https://www.avanza.se/aktier/om-aktien.html/5234/atlas-copco-a

Atlas Copco B (ATCO B) - Köp aktier | Avanza. (n.d.). Retrieved April 7, 2020, from https://www.avanza.se/aktier/om-aktien.html/5235/atlas-copco-b

Bernanke, B. S., & Kuttner, K. N. (2005). What explains the stock market’s reaction to federal reserve policy? Journal of Finance, 60(3), 1221–1257.

https://doi.org/10.1111/j.1540-6261.2005.00760.x

Binder, J. J. (1998). The Event Study Methodology Since 1969. Review of Quantitative Finance and Accounting, 11, 111–137.

Cook, T., & Hahn, T. (1989). The effect of changes in the federal funds rate target on market interest rates in the 1970s. Journal of Monetary Economics, 24(3), 331–351.

https://doi.org/10.1016/0304-3932(89)90025-1

Dålig på index? Här är din guide! | Aktiespararna. (n.d.). Retrieved April 27, 2020, from https://www.aktiespararna.se/artiklar/Reportage/Dalig-pa-index-Har-ar-din-guide Ezzat, H. (2013). The Application of GARCH and EGARCH in Modeling the Volatility of

Daily Stock Returns During Massive Shocks : The Empirical Case of Egypt. In Munich Personal RePEc Archvie.

Forslund, I., & Malmin, J. (2016). Överraskande reporäntebeskeds inverkan på enskilda företags aktiepriser. Umeå.

Gordon, M. J., & Shapiro, E. (1956). Capital Equipment Analysis: The Required Rate of Profit. In Source: Management Science (Vol. 3, Issue 1).

Historisk avkastning för Stockholmsbörsen 1983-2019 (OMXS30). (n.d.). Retrieved May 17, 2020, from https://rikatillsammans.se/stockholmsborsens-arliga-avkastning/

Honda, Y., & Kuroki, Y. (2006). Financial and capital markets’ responses to changes in the central bank’s target interest rate: The case of Japan. Economic Journal, 116(513), 812–

842. https://doi.org/10.1111/j.1468-0297.2006.01113.x

Index info OMXS30, OMX Stockholm 30 Index - Nasdaq. (n.d.). Retrieved April 3, 2020, from http://www.nasdaqomxnordic.com/index/index_info?Instrument=SE0000337842

Ingves, S. (2019). Bostadsmarknadens utmaningar – att väga idag mot imorgon.

Kahneman, D. (2013). Tänka, Snabbt och Långsamt (2nd ed.). Volante.

32

Kuttner, K. N. (2001). Monetary policy surprises and interest rates: Evidence from the Fed funds futures market. Journal of Monetary Economics, 47(3), 523–544.

https://doi.org/10.1016/S0304-3932(01)00055-1

Lobo, B. J. (2000). Asymmetric effects of interest rate changes on stock prices. Financial Review, 35(3), 125–144. https://doi.org/10.1111/j.1540-6288.2000.tb01424.x

Lobo, B. J. (2002). Interest rate surprises and stock prices. Financial Review, 37(1), 73–91.

https://doi.org/10.1111/1540-6288.00005

Mackinlay, A. C., Mitchell, M., & Netter, J. (1997). Event Studies in Economics and Finance.

Jornal of Economic Literature, XXXV(March), 13–39.

Nelson, D. B. (1991). Conditional Heteroskedasticity in Asset Returns : A New Approach.

59(2), 347–370. http://www.jstor.org/stable/2938260

Nilsson, H., Isaksson, A., & Martikainen, T. (2002). Företagsvärdering (1st ed.).

Studentlitteratur AB.

Pressmeddelanden 2010 | Sveriges Riksbank. (n.d.). Retrieved April 2, 2020, from

http://archive.riksbank.se/sv/Webbarkiv/Publicerat/Pressmeddelanden/2010/index.html Redogörelse för penningpolitiken 2019. (2019).

https://www.riksbank.se/globalassets/media/rapporter/rpp/svenska/2020/riksbankens- erfarenheter-av-negativ-reporanta-fordjupning-i-redogorelse-for-penningpolitiken-2019.pdf

Reporänta, in- och utlåningsränta | Sveriges Riksbank. (n.d.). Retrieved April 2, 2020, from

https://www.riksbank.se/sv/statistik/sok-rantor--valutakurser/reporanta-in--och-utlaningsranta/

Riksbanken och den finansiella stabiliteten: Inga medel, därför inget mål | Lars E.O.

Svensson. (n.d.). Retrieved May 26, 2020, from

https://larseosvensson.se/2014/07/22/riksbanken-och-den-finansiella-stabiliteten-inga-medel-darfor-inget-mal/

Robert J. Shiller - Facts. (n.d.). Retrieved April 22, 2020, from

https://www.nobelprize.org/prizes/economic-sciences/2013/shiller/facts/

Så påverkar penningpolitiken inflationen | Sveriges Riksbank. (n.d.). Retrieved April 22, 2020, from https://www.riksbank.se/sv/penningpolitik/vad-ar-penningpolitik/sa-paverkar-penningpolitiken-inflationen/

Sharpe, W. F. (1964). American Finance Association Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk. Source: The Journal of Finance, 19(3), 425–442.

33

Sharpe, W. F. (1966). Mutual fund performance. The Journal of Business, 39(1).

Sharpe, W. F. (1967). A linear programming algorithm for mutual fund portfolio selection.

Management Science, 18(7).

Stock, J. H., & Watson, M. W. (2015). Introduction to Econometrics (3rd ed.). Pearsons.

Svärd, S. (2013). Reporäntans effekt på den svenska aktiemarknaden - En eventstudie justerad för GARCH-effekter. Umeå.

Vad är reporäntan? | Sveriges Riksbank. (n.d.). Retrieved April 20, 2020, from

https://www.riksbank.se/sv/penningpolitik/vad-ar-penningpolitik/vad-ar-reporantan/

Yen, G., & Lee, C.-F. (2008). Efficient Market Hypothesis (EMH): Past, Present and Future

*. Review of Pacific Basin Financial Markets and Policies, 11(2), 305–329.

www.worldscientific.com

34

Appendix

Tabell 1. Räntehöjningar

KAA Coef. Robust Std. Err. t P>[t] [95% conf. Interval]

_cons 0,5594745 1,651783 0,34 0,735 -2,693646 3,812595

Tabell 2. Räntesänkningar

KAA Coef. Robust Std. Err. t P>[t] [95% conf. Interval]

_cons 0,2743066 1,586691 0,17 0,863 -2,850618 3,399232

Tabell 3. Räntehöjning vid positiv reporänta

KAA Coef. Robust Std. Err. t P>[t] [95% conf. Interval]

_cons 2,150609 1,496001 0,144 0,152 -0,7998114 5,101029

Tabell 4. Räntesänkningar vi positiv reporänta

KAA Coef. Robust Std. Err. t P>[t] [95% conf. Interval]

_cons -0,4322455 1,650424 -0,26 0,794 -3,687219 2,822728

Tabell 5. Räntehöjning vid negativ reporänta

KAA Coef. Robust Std. Err. t P>[t] [95% conf. Interval]

_cons -5,009495 5,247318 -0.95 0,344 -15,52536 5,506365

Tabell 6. Räntesänkningar vi negativ reporänta

KAA Coef. Robust Std. Err. t P>[t] [95% conf. Interval]

_cons -5,009495 5,247318 -0.95 0,344 -15,52536 5,506365

by GID: gen target=datenum if date==event_date egen td=min(target), by (GID)

drop target

gen dif=datenum-td

by GID: gen event_window=1 if dif>=-1 & dif<=0 egen count_event_obs=count(event_window), by (GID) by GID: gen estimation_window=1 if dif<-1 & dif>=-51 egen count_est_obs=count(estimation_window), by (GID)

36

set more off

gen predicted_return=.

egen id = group (GID) xtset id date

forvalues i = 1 (1) N { l id GID if id==`i' & dif==0

arch ret DAX30 if id==`i' & estimation_window==1, earch (1) egarch(1) gtolerance(999) difficult iterate (100) predict p if id==`i'

replace predicted_return = p if id==`i' & event_window==1 drop p

}

sort id date

gen abnormal_return = ret-predicted_return if event_window==1 by id: egen cumulative_abnormal_return = sum(abnormal_return)

sort id date

by id: egen ar_sd = sd(abnormal_return)

gen test = (1/sqrt (2)) * (cumulative_abnormal_return /ar_sd) reg cumulative_abnormal_return if dif==0, robust

sum cumulative_abnormal_return if dif==0

Related documents