Eventfönster

Eventfönstret omger eventet och gör det möjligt att mäta avkastningen även för dagar som ligger i anslutning till den dag då eventet har inträffat. Ett vanligt tillvägagångssätt är att mäta den abnormala avkastningen under en tredagarsperiod som förutom eventdagen även inkluderar dagen före såväl som dagen efter att eventet inträffat (MacKinlay, 1997). Ett kortare eventfönster verkar i syftet att träffsäkert avgöra effekten av det undersökta eventet

utan risk för påverkan av andra yttre faktorer som påverkar avkastningen. Sådana faktorer skulle kunna vara ett offentliggörande av årets bokslut eller annonseringar av företagsförvärv (MacKinlay, 1997). Ett kort eventfönster innebär med andra ord att utomstående brus kan undvikas, och säkerställer att det endast är effekten av det undersökta eventet som påverkar avkastningen. Vid applicering av ett kort eventfönster riskerar emellertid en stor del av marknadens reaktion att förbli oupptäckt under tiden för mätningen då en stor del av den övergripande reaktionen uppvisas före och efter eventdagen (Oler et al., 2008). I denna studie är det med hänsyn till detta även relevant att applicera ett längre eventfönster. Valet att applicera ett längre eventfönster stöds ytterligare av att tidigare forskning uppvisat evidens för abnormal avkastning från långt före dagen då eventet har ägt rum (Overgaard et al., 2000; Rothenstein et al., 2011). Valet att applicera flera olika eventfönster görs för att på ett övergripande och mer fullständigt sätt kartlägga aktiemarknadens avkastning i samband med de event som undersöks.

Det första eventfönstret som appliceras mäter den abnormala avkastningen dagen före eventdagen, eventdagen samt den efterföljande dagen, T (-1, +1). Denna mätning syftar till att enklare kunna upptäcka avkastningsmönstret i direkt anslutning till eventdagen, och leder enligt beskrivningen ovan till en mätning med mindre brus. Utöver denna anledning är urvalets storlek ytterligare ett skäl till applicering av detta eventfönster. Det krävs endast sex datapunkter för att på ett statistiskt signifikant sätt säkerställa den ekonomiska effekten av ett event där den abnormala avkastningen uppmäts till 10% (Kothari & Warner, u.å.). Om man istället avser att mäta effekten av eventet under ett eventfönster som uppgår till sex månader krävs 200 datapunkter. Trots denna datamängd lyckas man endast upptäcka abnormal avkastning som uppgår till 10% vid 65% av tillfällena vid applicering av ett sådant eventfönster (Kothari & Warner, u.å.). Ett kortare eventfönster innebär utifrån detta att man med större sannolikhet kan säkerställa den statistiska signifikansen av det event som undersöks.

Figur 1: Eventfönster T (-1, +1). Egen figur.

Det andra eventfönstret som appliceras är T (-60, +60). Den omfattande insiderhandel som tidigare diskuterats ger skäl för att undersöka denna aspekt ytterligare. Rothenstein et al. (2011) liksom Overgaard et al. (2000) har tidigare gjort just detta och funnit abnormala avkastningsmönster långt före det inträffade eventet. Till följd av dessa undersökningar, och andra bevis för insiderhandel i branschen, är det relevant att undersöka om sådana mönster kan upptäckas på den svenska aktiemarknaden. Därtill har regleringarna stramats åt sedan de ovan nämnda studierna genomfördes, vilket potentiellt innebär att nyttan av insiderhandel har försämrats. Liksom diskuterat i tidigare litteratur kan annonsering av ny information även leda till att en aktie på kort sikt följs av en över- eller underreaktion direkt i samband med att den nya informationen kommer till marknadens kännedom. Därefter följs sådana reaktioner av en återanpassning i prissättningen. Genom att undersöka de efterföljande 60 dagarna kan studien dra slutsatser om en potentiell över- eller underreaktion när informationen officiellt annonseras.

Figur 2: Eventfönster T (-60, +60). Egen figur.

Utöver dessa har ytterligare två eventfönster applicerats för att ge en mer komplett bild över avkastningen för de studerade eventen. Dessa eventfönster mäter avkastningen för perioderna T (-15, +15) samt T (-3o, +30) och illustreras i Figur 3. Appliceringen av dessa två eventfönster skapar till exempel underlag för att dra slutsatser om i vilka tidsperioder omkring ett event där man kan se störst abnormal avkastning. Resultaten från dessa eventfönster presenteras liksom ovanstående eventfönster i resultatkapitlet.

3.4 Beräkning av avkastning

3.4.1 Marknadsmodellen

Eventstudiemetodiken har använts i syfte att mäta abnormal avkastning i ovan presenterade eventfönster. För att mäta abnormal avkastning krävs emellertid en referenspunkt som tar hänsyn till respektive bolags förväntade avkastning. Denna referenspunkt tas i denna studie fram via marknadsmodellen (eng. market model), som representerar den förväntade avkastningen. Den förväntade avkastningen kan beskrivas som den avkastning man kan räkna med givet att eventet inte ägt rum (Brown & Warner, 1980). De vanligaste metoderna för att beräkna den förväntade avkastningen är constant-mean-return model och marknadsmodellen. Den förstnämnda modellen förutsätter att avkastningen för ett enskilt värdepapper är konstant över tiden. Marknadsmodellen utgår däremot från marknadsavkastningen och förutsätter att relationen mellan marknadens avkastning har ett linjärt samband med det enskilda värdepapperets utveckling (MacKinlay, 1997). Marknadsmodellen beskrivs som en simpel men träffsäker modell, och nyttan av att använda mer komplicerade flerfaktormodeller bedöms inte nämnvärt förbättra mätningens träffsäkerhet (Brown & Warner, 1980, 1985).

Vidare kan valet av marknadsmodellen spåras till dess statistiska fördelaktighet. Genom att exkludera den del av avkastningen som kan härledas till marknadens fluktuationer kan man minska den varians som finns i anslutning till den abnormala avkastningen. I praktiken förbättrar detta möjligheterna att upptäcka effekter på avkastningen som kan härledas till det event som undersöks (MacKinlay, 1997). Trots att denna modell för beräkning av avkastning i eventstudiesammanhang kan beskrivas som vedertagen finns problematik kring dess användning. En stor del av denna problematik kan förklaras av svårigheten att estimera alfa på ett representativt sätt. Om bolag med en stark aktiekurshistorik utgör en stor del av urvalet kommer alfa-värdet uppnå ett positivt värde, som i sin tur bidrar till vad som benämns som ett upward bias vid beräkningen av abnormal avkastning (Pettengill & Clark, 2001). Detta innebär att estimeringen av avkastningen tenderar att bli för hög givet argumentationen ovan. Effekten i fråga tenderar att bli större vid applicering av längre eventfönster och kan utifrån resonemanget främst förväntas påverka resultatet för eventfönstret T (-60, +60). Vid användningen av marknadsmodellen är valet av aktieindex viktigt. I denna studie har det nationella aktieindexet OMXSPI använts. OMXSPI består av samtliga aktier som finns noterade på Stockholmsbörsen, och ger därmed en representativ bild av hur avkastningen i Sverige har fortlöpt under aktuell period. Valet av ett brett, nationellt index är adekvat i de fall där urvalet återfinns i ett och samma land, då det bäst antas kunna representera den förväntade avkastningen ur ett nationellt perspektiv (Park, 2004).

3.4.2 Estimeringsfönster

För att mäta den förväntade avkastningen har ett estimeringsfönster tagits fram. Det är under denna mätperiod som marknadsmodellen appliceras i syfte att ta fram en referenspunkt för den förväntade avkastningen. Mätperioden för att kartlägga den förväntade avkastningen kan med fördel baseras på avkastningen från de 120 dagar som föregår eventperioden vid användande av marknadsmodellen och data på daglig basis (MacKinlay, 1997). Tidsintervallet har tidigare applicerats av bland andra Rothenstein et al. (2011) och Sarkar & de Jong (2006), och har använts även i denna studie. Andra menar att den applicerade mätperioden kan sträcka sig från allt mellan 100 och 300 dagar före starten av eventperioden (Mitchell & Netter, 1994).

I äldre litteratur som tillämpat eventstudiemetodiken har ett vanligt tillvägagångssätt varit att använda ett långt estimeringsfönster, där datapunkterna har uppmätts på månatlig basis. Detta förfaringssätt har med bakgrund i statistiska test förkastats som underlägset den kortare tidsperioden med mätpunkter på daglig basis (Kothari & Warner, 1997; Lyon et al, 1999). Konsekvensen av dessa upptäckter är att man med hjälp av den kortare mätperioden, inklusive mer frekventa mätpunkter, kan komma fram till slutsatser som utifrån en statistisk synpunkt bättre kan estimera effekten av eventet (Kothari & Warner, u.å.). Utöver detta finns stöd för att en mätperiod om ca 100 dagar bäst kan användas för att estimera alfa och beta, vilka är två av beståndsdelarna i marknadsmodellen (Armitage, 1995). Alfa och beta ligger till grund för beräkningen av den förväntade avkastningen, varför en mer korrekt uppskattning av dessa leder till mer träffsäkra beräkningar av den abnormala avkastningen. Sammantaget förväntas dessa val på ett tillförlitligt sätt kunna bidra till att mäta effekten av de event som undersöks.

3.4.3 Förväntad avkastning

Förväntad avkastning ses som den avkastning som man kan förvänta sig givet att eventet inte ägt rum. Denna sätts senare i relation till den avkastning som uppstått som en konsekvens av eventet för att bedöma vilken effekt eventet har haft på avkastningen. Den förväntade avkastningen har via marknadsmodellen beräknats enligt:

Förväntad avkastning = 𝛼𝑖 + 𝛽𝑖𝑅𝑚𝑡 + 𝜀𝑖𝑡

3.4.4 Faktisk avkastning

Genom att inom eventfönstrets ramar beräkna den faktiska avkastningen ges en indikation på vilken effekt eventet har haft på den relevanta aktiekursen. I denna studie har den faktiska avkastningen beräknats på daglig basis enligt diskussionen i tidigare avsnitt. Vid beräkning

av den faktiska avkastningen har värdena logaritmerats. Att logaritmera den faktiska avkastningen bedöms vara överlägset en beräkning med de diskreta värdena vid hantering av finansiella tidsserier (Strong, 1992).

R

= LN (

Pit

Pit−1)

Pit = Kurs för aktie i vid tidpunkt t

Pit-1 = Kurs för aktie i vid tidpunkt t-1