Väcker fotboll lika mycket känslor på börsen som på läktaren? : En empirisk studie som undersöker matchresultats påverkan på aktiekursen

(1)

ÖREBRO UNIVERSITET

Handelshögskolan

Nationalekonomi, magisteruppsats

Handledare: Mikael Stenkula

Examinator: Dan Johansson

VT 2016

Väcker fotboll lika mycket känslor på börsen som på

läktaren?

En empirisk studie som undersöker matchresultats påverkan på aktiekursen

Författare:

Jacob Pelgander 900729

(2)

Abstract

The purpose of this paper is to investigate whether or not the outcome of football games affect the share price of football clubs on the stock exchange. By regression and panel analysis we test if the result of a football game has any effect on the abnormal return for ten different football clubs’ share price. The variables used in the regression are the outcome of the game; wins, draws and losses, the venue, the type of competition and the expectations before the games. The findings show that the share price is affected, more often in a negative way than in a positive. For most clubs losses and draws have a significant negative affect on the share price. Only one of the clubs has a significant positive affect for wins throughout the testing process. European Cup losses has a greater affect than losses in the domestic league in the panel analysis.

(3)

Innehållsförteckning

1. Inledning ... 1

2. Teoretisk bakgrund ... 3

2.1 CAPM ... 3

2.2 Finansiell beteendevetenskap ... 5

2.3 Teori tillämpad på fotbollsklubbar ... 6

3. Tidigare studier ... 7 4. Data ... 10 5. Empirisk modell ... 14 6. Resultat ... 17 6.1 Regressionsanalys ... 17 6.2 Paneldataanalys ... 21 7. Diskussion ... 25 7.1 Diskussion för regressionsanalys ... 25 7.2 Diskussion för paneldataanalys ... 26

7.3 Brister och begränsningar ... 28

8. Slutsatser ... 29

(4)

1

1. Inledning

Ökad konkurrens inom den Europeiska toppfotbollen har fört med sig ett allt större behov av finansiering från utomstående investerare. Behovet av finansiering har lett till att en del fotbollsklubbar valt att bli offentliga bolag som handlas på börsen. Tottenham Hotspurs var den första klubben att ta steget in på den publika marknaden 1983, och sedan dess har många fotbollsklubbar följt i deras fotspår (Peenstra & Scholtens, 2009). Många av de fotbollsklubbar som blev introducerade på börsen har sedan dess blivit uppköpta och åter borttagna från börsen. Då fotbollsklubbar på börsen är en relativt ny företeelse är det av intresse att undersöka hur information om fotbollslagen påverkar aktiekursen. Information om hur bra lagen är ges ungefär en gång i veckan i form av en match mot ett konkurrerande lag, medan information om fotbollsklubbens ekonomiska status ges likt andra företag, i form av kvartalsrapporter och press-meddelanden med mera.

Syftet med uppsatsen är att undersöka om det sportsliga resultatet för fotbollsklubbar påverkar klubbarnas aktiekurs. Uppsatsen kommer undersöka sambandet mellan matchresultat och aktiekurser för tio fotbollsklubbar; Juventus FC, SS Lazio, AS Roma, SL Benfica, Sporting Lissabon, FC Porto, Celtic FC, Borussia Dortmund, Olympique Lyon och Manchester United.

Det finns ett flertal studier som har undersökt hur matcher påverkar fotbollsklubbars aktiekurs. Danis och Demir (2011) undersöker tre börsnoterade lag i Turkiet. De analyserar hur vinst-, förluster-, oavgjorda, hemma-, borta-, liga- och Europamatcher och förväntningar på matchen påverkar kursen. Danis och Demir kommer fram till att en förlust har en signifikant negativ påverkan på den avvikande avkastningen dagen efter match oavsett om matchen spelas hemma, borta, i ligan eller ute i Europa. Vinst har endast en positiv signifikant påverkan på den avvikande avkastningen när vinsten är starkt oväntad. Peenstra och Scholtens (2009) undersöker ett liknande syfte som Danis och Demir men skillnaden är att de gör en paneldataanalys. De använder sig av 1274 spelade matcher mellan åren 2000-2004. Variablerna som används är vinst, förlust eller oavgjord samt om matchen spelas hemma, borta, i ligan eller i Europa. Peenstra och Scholtens använder också förväntningar på matchen som en förklarande variabel. Resultaten de kommer fram till är att förlust har en signifikant negativ påverkan på aktiekursen, och den är fortsatt signifikant negativ oavsett om matchen är hemma eller borta, i ligan eller ute i Europa. Peenstra och Scholtens resultat visar även att vinst har en signifikant positiv påverkan på aktiekursen.

(5)

2

Den effektiva marknadshypotesen säger att prissättningen sker utifrån all tillgänglig information om framtida avkastning samt att investerare agerar rationellt. Förutom ny information om sådant som kan påverka företagets ekonomiska resultat kan priset också påverkas av investerares humör. Det finns många typer av irrationella beslut som kan förklaras med finansiell beteendevetenskap. I de fall som en fotbollsaktie ägs av en fotbollssupporter finns risk att investeraren har en övertro på vad laget i fråga kan prestera. Ett matchresultat antas ha stark påverkan på en supporters humör, vilket kan leda till att investeraren överreagerar på en liten bit information som egentligen har lite eller ingen betydelse för fotbollsklubbens ekonomi. (Gavelin & Sjöberg, 2012)

För att se hur aktiepriset påverkas dagen efter match tar vi fram ett mått på avvikande avkastning baserat på capital asset pricing model (CAPM). Den metod som används för att undersöka syftet är en regressionsanalys för varje lag och en paneldataanalys för lagen gemensamt. Regressionsanalyserna görs utifrån fyra modeller. I den först modellen tas vinster, oavgjorda och förluster med. Sedan byggs modellen på med hemma- och bortamatcher. Den tredje modellen tar med om matchen spelas i ligan eller ute i Europa och den fjärde och sista modellen tar med förväntningar på matchen i form av odds.

Resultatet visar att aktiekursen påverkas av matchresultat. Flera klubbars aktiekurs har signifikant negativ avvikande avkastning dagen efter match vid förlust och oavgjord. En av klubbarna har signifikanta positiva resultat vid vinst. I paneldataanalysen har oavgjord och förlust signifikant negativ påverkan på aktiepriset.

Uppsatsens disposition är som följer. I kapitel två tas den finansiella teori upp som ligger till grund för uppsatsen. I kapitel tre tas tidigare studier som undersökt ett liknande syfte upp. I kapitel fyra beskrivs den data som används i uppsatsen. I kapitel fem går vi igenom den empiriska modell som används i uppsatsen. I kapitel sex visas resultaten och i kapitel sju diskuteras dessa resultat. Slutsatserna tas upp i kapitel åtta.

(6)

3

2. Teoretisk bakgrund

2.1 CAPM

En av de mest grundläggande modellerna inom investeringsteori kallas för Capital asset pricing model (CAPM). CAPM grundas på antaganden om att alla investerare är rationella, har tillgång till samma information, att alla tillgångar handlas offentligt, investerare kan låna till en gemensam riskfri ränta, marknaden är stor och investerare är pris-tagare samt att det inte finns någon skatt eller transaktionskostnader. (Bodie, Kane, & Marcus, 2014)

Den rationella investeraren vill hitta den kombination av tillgångar som ger högsta möjliga förväntad avkastning till lägsta möjliga risk. I modellen används varians som mått på risk. De optimala kombinationerna av tillgångar hittas längs den effektiva fronten. När lånemarknaden tas in i modellen tillkommer ytterligare placeringsmöjligheter. Investerare kan låna pengar till en riskfri ränta men även placera pengar på banken till samma ränta. Lånemarknaden gör det möjligt att skapa kapitalmarknadslinjen, vilken utgör de effektivaste investeringsmöjligheterna. I figur 1 illustreras effektiva fronten av den positivt lutande delen av den tunna svarta linjen och kapitalmarknadslinjen av den tjocka rätalinjen. (Bodie, Kane, & Marcus, 2014)

Figur 1. Kapitalmarknadslinjen

En möjlig vidareutveckling på figur 1 är att ersätta x-variabeln varians mot beta. Beta är ett mått på hur väl en tillgång korrelerar med marknaden. Om en tillgångs beta är 1 innebär det att en procents uppgång på marknaden leder till en procents uppgång av tillgångens värde. I Figur 2 används beta istället för varians på x-axeln. Linjen som erhålls kallas Security market line (SML). (Bodie, Kane, & Marcus, 2014)

(7)

4 Figur 2. Security market line

Enligt CAPM finns det en förväntad avkastning för en given tillgång baserat på den riskfria räntan, tillgångens korrelation med marknaden samt marknadens avkastning. Den avkastning som inte kan förklaras av beta kommer i fortsättningen av denna uppsats kallas för avvikande avkastning. Avvikande avkastningen erhålls genom att ta den observerade avkastningen minus den förväntade avkastningen.

Effektiva marknadshypotesen bygger på att aktier och värdepapper är prissatta utifrån all tillgänglig information som finns. Aktier och andra värdepapper är rationellt prissatta och de framtida förändringarna i kursen är slumpmässiga. Det finns tre olika former av den effektiva marknaden. De tre formerna är svag form, mellanstark form och stark form. Svag form innebär att aktiekurserna förklaras av historiska priser. I den mellanstarka formen så ingår all publik information om bolagen. Stark form innebär att all publik och privat information ingår i aktiekurserna. Stark form är svårt att uppnå då det skulle innebära att det sysslades med insider handel som är olagligt. (Gavelin & Sjöberg, 2012)

De antaganden som ligger tillgrund för CAPM och effektiva marknadshypotesen kan dock ifrågasättas. Flera studier påvisar att upp- och nedgångar på börsen kan förklaras av andra faktorer än risk och förväntad avkastning. Tidigare studier har även visat att investerares beslut inte alltid är rationella och att investeringsbeslut även styrs av humör eller andra mänskliga faktorer. Hirshleifer och Shumway (2003) hittar i sin studie bevis för att väder har en signifikant påverkan på marknadens avkastning. Andra studier har påvisat samband mellan sportsliga resultat och börsutveckling. Edmans m fl, (2007) hittar bevis för att ett lands börs sjunker när dess landslag blir utslaget från Världsmästerskapen i fotboll. Det finns även empiriska bevis för

(8)

5

att matchresultat i klubblagsfotboll kan påverka börsen. I Turkiet finns samband mellan börsen och matchresultat för de fotbollsklubbar som anses ha hängivna supportrar (Berument, Ceylan, & Ogut-Eker, 2009).

2.2 Finansiell beteendevetenskap

1979 presenterade de två psykologerna Tversky och Kahneman resultatet från en studie som skapade en helt ny gren av ekonomi, nämligen finansiell beteendevetenskap. Grunden för finansiell beteendevetenskap är att traditionell marknadsteori inte tar hänsyn till hur människor faktiskt beter sig och hur de tar beslut. Människors irrationella beteenden kan förklaras av två typer av fel. Vid den första typen av fel saknar investeraren tillräckligt med information för att ta rätt beslut. Den andra typen av fel är att investeraren har rätt information men ändå tar beslut som inte ger dem bästa möjliga utfall. Undersökandet av den andra typen av fel ledde till att Kanheman fick Sveriges Riksbanks pris i ekonomisk vetenskap till Alfred Nobels minne år 2002. (Gavelin & Sjöberg, 2012)

Kahenman och Tversky (1979) kom i sin studie fram till att människor uppfattar vinster och förluster på olika sätt. Människor tenderar att vara känsligare för förluster än vinster, vilket innebär att en förlust gör mer ont än vad en vinst gör gott. Ett annat psykologiskt fenomen brukar kallas för spelarens misstag. Det innebär att investeraren tror att en händelse som precis har inträffat har lägre sannolikhet att inträffa igen. Till exempel om det har kommit klave 20 gånger i rad på slantsingling så tror flertalet att krona kommer att dyka upp nästa gång, men sannolikheten ändras inte utan det är fortfarande 50 procents chans att klave kommer igen (Gavelin & Sjöberg, 2012).

En psykologisk faktor som brukar nämnas i finansiell beteendevetenskap är förankring. Vid förankring fäster en investerare ett värde på en tillgång utan stöd av relevanta fakta. Ett exempel är att investerare håller kvar vid sjunkande aktier för att de anser att aktien egentligen är värd den köpkursen de köpte aktien för. Ett annat irrationellt tankemisstag är mentala konton. Människor tenderar att dela upp sina tillgångar i olika mentala konton. Investeraren gör skillnad mellan olika konton och tar olika stor risk beroende på vad kontot representerar. Andra förekommande beteenden är övertro på sin egen förmåga, överreaktion på ny information, flockbeteende och att investerare söker efter information som bekräftar vad de själva redan tror. (Gavelin & Sjöberg, 2012)

(9)

6

2.3 Teori tillämpad på fotbollsklubbar

De teorier som har tagits upp i detta avsnitt försöker förklara hur investerare tänker och agerar på aktiemarknaden. Den finansiella beteendevetenskapen och effektiva marknadshypotesen är två olika teorier om hur investerare fungerar. Uppsatsen avser undersöka hur fotbollsresultat påverkar fotbollsklubbarnas aktiekurser.

Finansiella beteendevetenskapen visar att människor inte alltid agerar rationellt utan att det finns förklaringar till att investerare inte är rationella. Dessa förklaringar kan även tillämpas på investerare i fotbollsklubbar. Om det är supportar som är aktieägare kan det finnas övertro och en överreaktion på hur laget och aktiekursen ska gå. En förlust kan till exempel ta hårt vilket innebär att en supporter kan agera irrationellt på aktiemarknaden då den överreagerar på den lilla information som ges vid match.

Resultatet från en enskild match i fotboll har inte några direkta ekonomiska effekter på klubben och därför ska inte enskilda matcher påverka klubbens aktiepris enligt den effektiva marknadshypotesen. Det finns givetvis undantag från detta, till exempel i Cup-spel där en enskild match kan innebära avancemang och inkomster till klubben. Matchresultatet från enskilda ligamatcher kan ses som en bit information om hur laget kan förväntas prestera under säsongen men saknar direkt påverkan på klubbens ekonomiska resultat. Det är lagets slutplacering i ligan som avgör vilken ekonomisk kompensation klubben får. Med detta sagt så borde inte enskilda matcher ha en stor påverkan på aktiekursen enligt den effektiva marknadshypotesen, utan det är i slutet av säsongen när investerare vet vilken slutplacering laget får som det borde visas i aktiekursen.

Avvikande avkastning för börshandlade fotbollsklubbar dagen efter en match borde därför förklaras av irrationellt beteende snarare än rationalitet och ekonomisk data. Psykologiska effekter kan ha betydelse för fotbollsklubbarnas aktiepris dagen efter match. Om det finns signifikant påverkan på aktiepriset dagen efter en spelad fotbollsmatch så antas det i denna uppsats att det till största del beror på psykologiska effekter.

(10)

7

3. Tidigare studier

Att undersöka hur matchresultat påverkar klubbarnas aktiepriser har undersökts i flera tidigare studier. Forskningen visar resultat som tyder på att matchernas resultat påverkar aktiepriserna. De påverkar olika mycket beroende på vilket/vilka lag som undersöks och även var matchen är spelad.

Hakan Danis och Ender Demir (2011) undersöker tre klubbar i den turkiska högsta ligan och hur deras matchresultat påverkar aktiekurserna. Tidsperioden sträcker sig från den dagen lagen blev börsnoterade till slutet av säsongen 2009. De klubbar som undersöks är Fenerbahce, Galatasaray och Besiktas. De förklarande variabler som används för att undersöka syftet är vinster, oavgjorda, förluster, om matchen spelades hemma eller borta och om den spelades i den inhemska ligan eller ute i Europa. De använder sig även av odds för att få med de förväntningar som finns på matchens resultat. Oddsen räknas om till sannolikheter i syfte att avgöra om matchens resultat var förväntat eller inte. Om sannolikheten för vinst var större än 0,6 och laget vann så räknas det som en förväntad vinst. Metoden som används är en regressionsanalys för vardera lagen där avvikande avkastning är den beroende variabeln. De resultat som Danis och Demir kommer fram till är att en förlust har en signifikant negativ påverkan på den avvikande avkastningen även oavgjord har en signifikant negativ påverkan. Förlust ger signifikant negativ påverkan oavsett om matchen spelas hemma eller borta i cupspel eller i ligan och oavsett vilket det förväntade matchresultatet är. Vinst har en positiv signifikant påverkan på avvikande avkastning för ett av lagen när vinsten var starkt oväntad.

Luc Renneboog och Peter Vanbrabant (2000) studerar sambandet mellan matchresultat och aktiekursen för de 17 brittiska lag som var listade på London stock exchange market (LSE) och på alternative investment market (AIM) mellan åren 1995-1998. Renneboog och Vanbrabants metod är en paneldataanalys, där de undersöker hur aktiekursen påverkas de fem första dagarna efter match. De förklarande variabler som används i studien är vinster, förluster och oavgjorda men även vilken typ av match som spelas. Syftet med att dela upp matcherna i olika kategorier är att se om det är någon skillnad i påverkan på en vanlig ligamatch mot till exempel en ligamatch som gäller uppflyttning/nedflyttning. Resultaten visar att vinster har en positiv signifikant effekt på avkastningen samt att förlust och oavgjord har en negativ signifikant effekt. De flesta signifikanta resultat infaller dagen efter match. Det finns dock vissa matchresultat som har signifikant påverkan tre eller fyra dagar efter match men dessa resultat har mindre

(11)

8

påverkan och en lägre signifikansnivå. Alla typer av matcher med signifikanta resultat har signifikanta resultat första dagen efter match. Renneboog och Vanbrabant kommer även fram till att effekten är större när det är en uppflyttnings-/nedflyttningsmatch som spelas än en vanlig ligamatch.

Wijtze Peenstra och Bert Scholtens (2009) undersöker i sin artikel 1274 spelade fotbollsmatcher mellan åren 2000-2004 för att se hur de påverkar aktiekursen. De tar fram den avvikande avkastningen som de använder som beroende variabel. De förklarande variabler som används i studien är vinster, förluster, oavgjorda, liga eller Europamatch och förväntningar på matchresultatet. De använder sig av paneldataanalys för att undersöka deras syfte och resultaten de kommer fram till är att vinster ger en svag positiv avkastning samtidigt som förluster och oavgjorda matcher ger en negativ effekt på den avvikande avkastningen. När förväntningar och om matchen var en liga eller Europamatch tas med i modellen ges liknande svar. Oavsett om förlusten är väntad eller oväntad så ger det en negativ påverkan på avkastningen för både ligamatcher och Europamatcher. Vinsterna ger fortfarande en positiv påverkan oavsett om vinsten var väntad eller oväntad i den inhemska ligan, för Europamatcher ger det en positiv påverkan om vinsten var oväntad.

John M. Gandar, Reinhold P. Lamb, Richard A. Zuber & Patrick Yiu (2005) undersöker tio börsnoterade lag i England mellan tidsperioden 1997-2000. De använder sig av avvikande avkastning som beroende variabel och sedan variabler som vilken typ av match, om det är hemma eller borta, förväntningar på matchen och även målskillnad som förklarande variabler. De har även med två dummy variabler som beskriver om laget ligger i topp fem eller bland de tre sista då de ligaplaceringarna har en extra ekonomisk betydelse. De använder sig av regressionsanalys för varje enskilt lag samt en paneldataanalys. Gandar m.fl resultat visar knappt på några signifikanta skattningar och hittar därmed inga bevis för att matcher påverkar aktiekursen. Den signifikans de hittar är att vilken typ av match som spelas har betydelse. Cupmatcher har en positiv påverkan på den avvikande avkastningen.

Ramzi Benkraiem, Pierre Marques och Waël Louhichi (2009) undersöker 745 matcher utspridda på 18 europeiska lag i sju länder. Syftet är att se hur aktiekursen och handelsvolymen påverkas kring matchdagen, alltså både innan och efter en spelad match. Den beroende variabel som undersöks är den avvikande avkastningen och den avvikande handelsvolymen. De förklarande variablerna som används är vinster, oavgjorda, förluster samt om matchen spelas

(12)

9

hemma eller borta. Benkraiem m fl använder sig av en regressionsanalys för att undersöka syftet. De finner signifikans att matcher påverkar den avvikande avkastningen och handelsvolymen. Handelsvolymen påverkas både före och efter att matchen har spelats. Dagen efter match finner de signifikanta resultat för avvikande avkastning för matchresultaten förlust och oavgjord. Matchresultatet vinst har däremot signifikanta resultat för avvikande avkastning dagen innan matchen spelas.

(13)

10

4. Data

I detta avsnitt så beskrivs de data som används i uppsatsen. De data som används har hämtats från yahoofinance, worldfootball och oddsportal. Det som undersöks är tio europeiska fotbollslag under tidsperioden 2010-2015. Fotbollsklubbarnas resultat är inhämtat från internetsidan worldfootball, oddsen är hämtade från sidan oddsportal och aktiekurserna är hämtade från yahoofinance. De fotbollsklubbar som undersöks är AS Roma, SS Lazio, Juventus FC, FC Porto, SL Benfica, Sporting Lissabon, Borussia Dortmund, Olympique Lyon, Celtic FC och Manchester United. Data för Manchester United går från augusti 2012 till slutet 2015 på grund av att de inte blev börsnoterade på Nasdaq förrän augusti 2012, anledningen till att Manchester United är med i uppsatsen trots att data för hela tidsperioden inte finns är för att Manchester är det enda engelska laget som är börsnoterat.

Variablerna som används i denna uppsats motiveras genom de tidigare studier som undersökt en liknande frågeställning. I Danis & Demir (2011) så används förutom vinster, oavgjorda och förluster även om det var hemma/bortamatch, Europa/ligamatch och förväntningar på matchen. I denna uppsats kommer liknande variabler att tillämpas.

(14)

11 Tabell 1. Deskriptiv statistik

Variabel Observationer Medelvärde Standard avvikelse Min Max Vinst 20967 0,07 0,26 0 1 Oavgjord 20967 0,03 0,16 0 1 Förlust 20967 0,03 0,16 0 1 Hemmavinst 20967 0,04 0,2 0 1 Hemmaoavgjord 20967 0,01 0,11 0 1 Hemmaförlust 20967 0,01 0,09 0 1 Bortavinst 20967 0,03 0,17 0 1 Bortaoavgjord Bortaförlust Europavinst Europaoavgjord Europaförlust Ligavinst Ligaoavgjord Ligaförlust Förväntad vinst Svagt oväntad vinst Starkt oväntad vinst Förväntad oavgjord Positiv oväntad oavgjord Negativ oväntad oavgjord Förväntad förlust

Svagt oväntad förlust Starkt oväntad förlust

20967 20967 20967 20967 20967 20967 20967 20967 20967 20967 20967 20967 20967 20967 20967 20967 20967 0,02 0,02 0,01 0,01 0,01 0,06 0,02 0,02 0,04 0,02 0,01 0,01 0,01 0,01 0,01 0,01 0,01 0,12 0,13 0,11 0,08 0,08 0,24 0,14 0,14 0,2 0,14 0,09 0,1 0,09 0,09 0,11 0,09 0,07 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Avvikande avkastning 20967 -0,0027 0,04 – 0,68 0,64

Den beroende variabeln är klubbarnas avvikande avkastning, alltså avkastningen på klubbarnas aktier när aktiekurserna är jämförda med indexet. Avvikande avkastningen är framräknad genom att skatta ett beta och alfa för varje aktie och sedan använda sig av CAPM för att räkna fram den avvikande avkastningen. Avvikande avkastningen avser nästa handelsdag efter matchen har spelats, om till exempel matchen spelades på söndagen så används den avvikande avkastningen för måndagen. Tabell 1 visar att den avvikande avkastningens medelvärde för de tio lagen gemensamt är -0,027 procent.

(15)

12

De förklarande variablerna som används i denna uppsats är vinster, förluster, oavgjorda, hemma, borta, liga, Europa och förväntningar på matcherna. Samtliga förklarande variabler är dummy-variabler. Det innebär att värdena för variablerna är binära och antar antingen värdet 0 eller 1.

I tabell 1 visas deskriptiv statistik över undersökningens variabler. I den andra kolumnen är antalet observationer. Totalt har 20967 dagar undersökts för samtliga variabler. Kolumn tre visar medelvärde. För dummy-variablerna visar medelvärdet hur stor andelen av observationerna som antar värdet ett. Till exempel antar variabeln vinst värdet ett 1472 antal gånger, då 0,0702 * 20967 = 1472. I kolumn fyra visas standardavvikelse och i kolumn fem och sex visas min och maxvärde för varje variabel.

Den förklarande variabeln vinst inträffar 1472 gånger utav de 2553 spelade matcher, alltså är den gemensamma vinstprocenten för lagen 57,6 procent. Oavgjord står för 21,3 procent av matcherna och förluster de resterande 21 procenten.

Utav de 2553 spelade matcher så spelades 1272 av dessa på hemmaplan och 1281 av matcherna på bortaplan. 79,5 procent av matcherna var inhemska ligamatcher och de andra 20,5 procenten var Europamatcher. Under tidsperioden 2010-2015 så var det 18414 dagar utan match och 2553 matchdagar.

Förväntningar på matchen räknas ut med hjälp av odds, genom att räkna ut den inverterade sannolikheten för varje enskild match. Om sannolikheten för vinst är större än 0,6 och laget vinner så räknas matchen som en förväntad vinst. Är sannolikheten för vinst lägre än 0,4 innebär det att laget förväntas förlora, och en sannolikhet mellan 0,6 och 0,4 innebär att matchen förväntas sluta oavgjort. Denna beslutsregel används i Danis & Demir (2011) och i Gandar m fl (2005).

AS Roma spelade en match mot Genoa CFC den 20 december 2015. Oddsen för Romaseger var 1,53, oddsen för oavgjord var 4,21 och oddsen för Romaförlust var 6,76. Den inverterade sannolikheten för dessa odds är 0,629, 0,229 och 0,142. Då Roma vann matchen och sannolikheten för seger var större än 0,6 blir matchen placerad i kategorin “Förväntad vinst(fv)”. I tabell 2 visas de nio variabler som matcherna delas in i utifrån de förväntningar som finns.

(16)

13 Tabell 2. Förväntningsvariablerna

Förväntat resultat Faktiskt resultat Variabelutfall

Vinst Vinst Förväntad vinst (fv)

Oavgjord Vinst Svagt oväntad vinst (sov)

Förlust Vinst Starkt oväntad vinst (stov)

Oavgjord Oavgjord Förväntad oavgjord (fo)

Förlust Oavgjord Positiv oväntad oavgjord (Poo)

Vinst Oavgjord Negativ oväntad oavgjord (Noo)

Förlust Förlust Förväntad förlust (ff)

Oavgjord Förlust Svagt oväntad förlust (sof)

Vinst Förlust Starkt oväntad förlust (stof)

En av svagheterna med datasetet är att Manchester United inte handlades på Nasdaq förrän 2012, vilket leder till avsaknad av data och en obalanserad panel. Samtliga fotbollsklubbar i datasetet är börsnoterade bolag men alla fotbollsklubbar handlas inte lika frekvent. Det finns betydande skillnader mellan bolagens handelsvolymer på börsen. En fotbollsklubb som inte handlas frekvent kan ge sämre resultat då handelsvolymen dagen efter match kan vara noll.

En annan svaghet är att sannolikhetsnivåerna som avser förväntningar på matchen är godtyckligt valda, men beslutsregeln har används i flera tidigare studier. Därför kommer även beslutsregeln gälla i denna uppsats. Hade andra beslutsregler används så hade resultaten kunnat se annorlunda ut.

(17)

14

5. Empirisk modell

Modellen i denna uppsats bygger på tidigare studiers använda modell. Danis och Demir (2011) använder regressionsanalyser för att få fram matchresultats påverkan på den avvikande avkastningen. I denna uppsats kommer en liknande modell att användas både för att räkna ut den avvikande avkastningen för vardera lagen samt regressionsanalyserna för att se hur matchresultaten påverkar aktiekursen.

Den avvikande avkastning som används som beroende variabel i denna uppsats räknas ut på följande sätt. I modell 1 räknas avkastningen för varje lag ut, genom att ta den naturliga logaritmen av aktiepriset dag t minus den naturliga logaritmen för aktiepriset dag t-1.

𝑅𝑡= ln(𝑃𝑡) − ln(𝑃𝑡−1) (1)

Avkastningen från modell 1 används sedan i en regression i modell 2 för att estimera fram ett alfa och beta för respektive lag.

𝑅𝑖𝑡 = 𝛼𝑖 + 𝛽𝑖𝑅𝑚𝑡+ 𝜀 (2)

Där 𝑅_𝑚𝑡 står för marknadens avkastning. De estimerade alfa- och betavärdena används sedan i modell 3 för att få fram den avvikande avkastningen. Det är den avvikande avkastningen som används i regressionerna.

𝐴𝑅_𝑖𝑡 = 𝑅_𝑖𝑡− (𝛼̂_𝑖+ 𝛽̂_𝑖𝑅_𝑚𝑡) (3)

I tabell 3 visas alfa- och betavärdena för varje lag.

(18)

15 Tabell 3. Alfa- och Betavärdena

Lag Alfa Beta

Roma -0,0000122 0,24 Lazio 0,0001965 0,28 Porto -0,0002235 0,28 Sporting -0,0000478 0,11 Benfica -0,0003273 0,34 Dortmund 0,000562 0,44 Juventus -0,0005567 0,32 Celtic 0,000209 -0,00 Lyon -0,0006516 0,31 Manchester United 0,0000562 0,48

Efter att den avvikande avkastningen är framräknad görs fyra olika regressionsmodeller för att se hur matchresultat påverkar den avvikande avkastningen. Regressionerna görs med minsta kvadratmetoden. Det finns tre antaganden som ska uppfyllas när minsta kvadratrotsmetoden används. De tre antagandena är att medelvärdet på feltermen ska vara noll, variablerna i regressionen är oberoende av varandra och har samma fördelning samt att extremvärden är osannolika. I modell 4 görs en regression för varje lag för att se hur vinst, oavgjord och förlust påverkar den avvikande avkastningen.

𝐴𝑅𝑡 = 𝛼 + 𝛽1𝐷𝑉𝑖𝑛𝑠𝑡+ 𝛽2𝐷𝑂𝑎𝑣𝑔𝑗𝑜𝑟𝑑+ 𝛽3𝐷𝐹ö𝑟𝑙𝑢𝑠𝑡 + 𝜀𝑡 (4)

Hypotesprövningen för samtliga variabler ser ut som följer: 𝐻0: 𝛽1 = 0

𝐻₁: 𝛽₁ ≠ 0

Modell 5 bygger vidare på modell 4 och tillför hemma och bortaplan för att se om den avvikande avkastningen påverkas olika om matchen spelas hemma eller borta

𝐴𝑅_𝑡 = 𝛼 + 𝛽₁𝐷_ℎ𝑣+ 𝛽₂𝐷_ℎ𝑜+ 𝛽₃𝐷_ℎ𝑓+ 𝛽₄𝐷_𝑏𝑣+ 𝛽₅𝐷_𝑏𝑜 + 𝛽₆𝐷_𝑏𝑓 + 𝜀_𝑡 (5)

Variablerna i modell 5 är avvikande avkastning (AR), hemmavinst (hv), hemmaoavgjord (ho), hemmaförlust (hf), bortavinst (bv), bortaoavgjord (bo) samt bortaförlust (bf).

(19)

16

I modell 6 undersöks om avvikande avkastningen påverkas olika om matchen är en ligamatch eller Europamatch.

𝐴𝑅_𝑡 = 𝛼 + 𝛽₁𝐷_𝑒𝑣+ 𝛽₂𝐷_𝑒𝑜+ 𝛽₃𝐷_𝑒𝑓+ 𝛽₄𝐷_𝑙𝑣+ 𝛽₅𝐷_𝑙𝑜+ 𝛽₆𝐷_𝑙𝑓+ 𝜀_𝑡 (6)

Variablerna i modell 6 är Europavinst (ev), Europaoavgjord (eo), Europaförlust (ef), ligavinst (lv), ligaoavgjord (lo) och ligaförlust (lf).

I modell 7 tas förväntningarna på matchen med i regressionen.

𝐴𝑅_𝑡 = 𝛼 + 𝛽₁𝐷_𝑓𝑣+ 𝛽₂𝐷_𝑠𝑜𝑣+ 𝛽₃𝐷_{𝑠𝑡𝑜𝑣} + 𝛽₄𝐷_𝑓𝑜+ 𝛽₅𝐷_𝑃𝑜𝑜+ 𝛽₆𝐷_𝑁𝑜𝑜+ 𝛽₇𝐷_𝑓𝑓 + 𝛽₈𝐷_𝑠𝑜𝑓 + 𝛽₉𝐷_{𝑠𝑡𝑜𝑓}+ 𝜀_𝑡 (7)

Variablerna i modell 7 är förväntad vinst (fv), svagt oväntad vinst (sov), starkt oväntad vinst (stov), förväntad oavgjord (fo), positiv oväntad oavgjord (Poo), negativ oväntad oavgjord (Noo), förväntad förlust (ff), svagt oväntad förlust (sof) och starkt oväntad förlust (stof).

Vidare kommer även en panel undersökas. För att se om det finns några generella slutsatser som kan dras för de tio lagen gemensamt. Paneldataregressionerna är samma som modell 4-7 fast för alla lag gemensamt. I regressionen för panelen används fixa effekter för att ta hänsyn till de skillnader som finns mellan fotbollsklubbarna men som är samma över tid.

(20)

17

6. Resultat

6.1 Regressionsanalys

I tabell 4 visas resultat från regressionen av modell 4 för varje enskilt lag. Fem lag har signifikant negativ avvikande avkastning vid förlust. Tre lag har signifikant negativ avvikande avkastning vid oavgjord och endast ett lag har en positiv signifikant avvikande avkastning vid vinst, vilket betyder att nollhypoteserna förkastas. Vid en Romaförlust är den avvikande avkastningen dagen efter match i genomsnitt -1,31 procent.

Tabell 4. Regressionsanalys för modell 4

Lag Konstant Vinst Oavgjord Förlust 𝑹𝟐

Roma 0,03 (0,07) 0,02 (0,3) -0,17 (0,42) -1,31*** (0,41) 0,0047 Lazio 0,06 (0,08) -0,41 (0,32) -0,55 (0,46) -1,09*** (0,4) 0,0045 Porto -0,03 (0,12) -0,12 (0,41) -0,49 (0,79) -0,81 (1,02) 0,0005 Sporting -0,04 (0,15) -0,03 (0,62) 0,03 (0,91) -0,76 (0,93) 0,0003 Benfica -0,04 (0,12) -0,31 (0,41) -1,71** (0,79) -3,19*** (0,81) 0,009 Dortmund 0,04 (0,05) 0,46** (0,18) -0,98*** (0,31) -0,97*** (0,28) 0,0131 Juventus 0,09 (0,07) -0,24 (0,24) -1,03*** (0,36) -0,38 (0,45) 0,0044 Celtic -0,00 (0,02) -0,01 (0,06) -0,11 (0,13) -0,11 (0,12) 0,0007 Lyon 0,03 (0,06) 0,16 (0,23) 0,32 (0,31) -0,91*** (0,31) 0,0049 Manchester United -0,03 (0,05) -0,03 (0,19) 0,26 (0,3) -0,08 (0,28) 0,0007

Not: Robusta standardfel inom parentes. *, ** och *** anger statistisk signifikans på 10, 5 och 1 procents signifikansnivå. Siffrorna är angivna i procent.

I tabell 5 visas resultaten för modell 5 då matcherna delas upp i hemma- och bortamatcher. Endast ett av tio lag har en signifikant positiv avvikande avkastning på hemmavinster. Tre av lagen har signifikant negativ avvikande avkastning på hemmaoavgjord, tre lag har signifikant negativ avvikande avkastning på hemmaförluster. Skattningarna på bortamatcherna visar

(21)

18

liknande resultat där ett av lagen har en signifikant positiv avvikande avkastning på bortavinst, två av lagen har en signifikant negativ avvikande avkastning på bortaoavgjord dock har ett lag en signifikant positiv avvikande avkastning vid bortaoavgjord. Fem lag har en signifikant negativ avvikande avkastning vid bortaförluster. . Nollhypoteserna förkastas för alla variabler med signifikanta resultat.

Tabell 5. Regressionsanalys för modell 5

Lag Konstant Hemmavinst Hemmaoavgjord Hemmaförlust Bortavinst Bortaoavgjord Bortaförlust 𝑹𝟐

Roma 0,03 (0,07) 0,01 (0,39) -0,37 (0,59) -1,5** (0,70) 0,03 (0,46) 0,02 (0,58) -1,23** (0,5) 0,0048 Lazio 0,06 (0,08) -0,49 (0,4) -0,78 (0,68) -0,79 (0,7) -0,25 (0,52) -0,36 (0,62) -1,24** (0,48) 0,0047 Porto -0,03 (0,12) -0,42 (0,53) -0,55 (1,36) -2,06 (1,99) 0,31 (0,63) -0,45 (0,97) -0,37 (1,18) 0,0011 Sporting -0,39 (0,15) 0,13 (0,79) -1,75 (1,35) -2,39 (1,77) -0,03 (0,99) 1,48 (1,22) -0,14 (1,09) 0,0024 Benfica -0,04 (0,12) -0,82 (0,52) -4,63*** (1,29) -1,55 (1,72) 0,44 (0,62) 0,02 (1) -3,66*** (0,92) 0,0144 Dortmund 0,04 (0,05) 0,39* (0,24) -1,19** (0,48) -1,26*** (0,47) 0,54** (0,27) -0,83** (0,41) -0,81** (0,35) 0,0136 Juventus 0,09 (0,07) -0,22 (0,31) -1,05** (0,53) -0,17 (0,83) -0,27 (0,36) -1,01** (0,48) -0,47 (0,53) 0,0044 Celtic -0,00 (0,02) -0,57 (0,08) -0,11 (0,2) -0,02 (0,21) 0,05 (0,09) -0,1 (0,16) -0,16 (0,15) 0,0012 Lyon 0,03 (0,06) -0,04 (0,29) -0,43 (0,45) -1,41*** (0,52) 0,47 (0,36) 0,97** (0,42) -0,66* (0,37) 0,0085 Manchester United -0,03 (0,05) -0,16 (0,24) 0,05 (0,5) -0,13 (0,45) 0,18 (0,31) 0,37 (0,37) -0,04 (0,35) 0,0016

I tabell 6 visas resultat för modell 6 då matcherna har delats upp i liga- och Europamatcher. Inget av lagen har några signifikanta skattningar på Europavinster. Två lag har en signifikant negativ avvikande avkastning på Europaoavgjorda. Fem lag har signifikant negativ avvikande avkastning på Europaförluster. Ett lag har en signifikant positiv avvikande avkastning på ligavinster. Två lag har signifikant negativ avvikande avkastning på ligaoavgjorda och fyra lag har signifikant negativ avvikande avkastning på ligaförluster. . Nollhypoteserna förkastas för alla variabler med signifikanta resultat.

(22)

19 Tabell 6. Regressionsanalys för modell 6

Lag Konstant Europavinst Europaoavgjord Europaförlust Ligavinst Ligaoavgjord Ligaförlust 𝑹𝟐

Roma 0,03 (0,07) -0,44 (1,34) -0,96 (1,09) -1,77* (0,91) 0,04 (0,31) -0,04 (0,45) -1,19*** (0,46) 0,0051 Lazio 0,06 (0,08) -0,05 (0,79) -7,11 (0,95) -3,46** (1,44) -0,47 (0,35) -0,5 (0,53) -0,9** (0,42) 0,0059 Porto -0,03 (0,12) 0,18 (0,88) 0,19 (1,46) -1,55 (1,32) -0,19 (0,46) -0,76 (0,94) 0,27 (1,59) 0,0010 Sporting -0,04 (0,15) -0,01 (1,37) -1,08 (1,9) -0,63 (1,62) -0,03 (0,69) 0,35 (1,03) -0,82 (1,33) 0,0005 Benfica -0,04 (0,12) 0,06 (0,86) -2,22* (1,22) -4,33*** (1,13) -0,41 (0,45) -1,34 (1,04) -2* (1,16) 0,0102 Dortmund 0,04 (0,05) 0,52 (0,4) -2,35*** (0,68) -3,04*** (0,54) 0,44** (0,2) -0,62* (0,35) -0,20 (0,33) 0,0247 Juventus 0,09 (0,07) -0,53 (0,57) -0,9 (0,67) -9,03 (0,95) -0,18 (0,26) -1,08*** (0,42) -0,24 (0,50) 0,0047 Celtic -0,00 (0,02) 0,02 (0,17) -0,07 (0,23) -0,2 (0,18) -0,01 (0,07) -0,12 (0,15) -0,04 (0,17) 0,0009 Lyon 0,03 (0,06) 0,41 (0,52) 0,78 (0,72) -1,8*** (0,58) 0,1 (0,25) 0,22 (0,34) -0,58* (0,35) 0,0068 Manchester United -0,03 (0,05) 0,58 (0,48) -0,16 (0,7) -0,00 (0,65) -0,14 (0,21) 0,35 (0,33) -0,1 (0,31) 0,0026

I tabell 7 visas resultat för modell 7 då förväntningarna på matcherna är med. Tre lag har en negativ signifikant skattning vid förväntade vinster, ett lag har en signifikant positiv skattning vid svagt oväntade vinster, två lag har en signifikant positiv skattning vid starkt oväntade vinster. För variabeln förväntad oavgjord har två lag en signifikant negativ skattning. Ett lag har en signifikant positiv och ett lag har en signifikant negativ skattning på variabeln svagt oväntad oavgjord match. Tre lag har en signifikant negativ skattning på starkt oväntad oavgjord match. För variabeln förväntad förlust har fyra lag en signifikant negativ skattning, variabeln svagt oväntad förlust har tre signifikant negativa skattningar och för variabeln starkt oväntad förlust har två lag en signifikant negativ skattning. Nollhypoteserna förkastas för alla variabler med signifikanta resultat.

(23)

20 Tabell 7. Regressionsanalys för modell 7

Lag Konstant Förväntad vinst Svagt oväntad vinst

Starkt oväntad vinst Förväntad oavgjord Positiv oväntad oavgjord

Negativ oväntad oavgjord

Förväntad förlust Svagt oväntad förlust Starkt oväntad förlust 𝑹𝟐

Roma 0,03 (0,07) -0,39 (0,46) 0,18 (0,45) 0,59 (0,7) -0,82 (0,73) 0,44 (0,67) -0,27 (0,76) -1,39** (0,58) -0,64 (0,69) -2,6** (1,04) 0,0073 Lazio 0,06 (0,08) -1,19* (0,62) 0,15 (0,49) -0,5 (0,56) -1,25* (0,71) 0,27 (0,65) -1,93 (1,58) -1,25*** (0,47) -0,64 (0,79) -1,14 (2,04) 0,0075 Porto -0,03 (0,12) -0,12 (0,47) -0,38 (0,95) 0,71 (1,67) -0,48 (1,59) -1,66 (1,99) -0,18 (1,02) -1,5 (1,41) 1,24 (1,99) -1,59 (2,15) 0,0015 Sporting -0,04 (0,15) -0,01 (0,82) -0,21 (1,09) 0,34 (1,77) -0,45 (1,4) 0,02 (1,77) 0,64 (1,58) -0,61 (1,26) -0,3 (1,77) -1,88 (2,17) 0,0006 Benfica -0,04 (0,12) -0,95** (0,47) 0,84 (0,86) 3,79** (1,63) -0,2 (1,43) -0,66 (1,49) -3,5*** (1,22) -2,93*** (1,13) -2,61* (1,38) -5,47*** (2,1) 0,0160 Dortmund 0,04 (0,05) 0,12 (0,23) 1,02*** (0,34) 0,93* (0,49) -0,7 (0,49) -1,92*** (0,72) -0,82* (0,48) -0,71 (0,51) -1,5*** (0,46) -0,61 (0,49) 0,0177 Juventus 0,09 (0,07) -0,14 (0,31) -0,3 (0,43) -0,61 (0,71) -1,44*** (0,52) 0,3 (0,91) -1,06* (0,57) -0,11 (0,64) -0,84 (0,73) -0,12 (1,13) 0,0061 Celtic -0,00 (0,02) 0,02 (0,07) -0,07 (0,17) -0,42 (0,32) -0,02 (0,43) -0,07 (0,24) -0,13 (0,16) -0,22 (0,19) -0,07 (0,25) -0,02 (0,21) 0,0018 Lyon 0,03 (0,06) -0,12 (0,38) 0,39 (0,35) 0,18 (0,45) -0,25 (0,51) 0,78* (0,46) 0,31 (0,7) -0,85** (0,4) -0,88* (0,51) -1,39 (0,98) 0,0066 Manchester United -0,03 (0,05) -0,49* (0,25) 0,44 (0,31) 1,02 (0,65) 0,44 (0,44) 0,05 (0,48) 0,25 (0,7) -0,49 (0,42) 0,48 (0,5) -0,05 (0,54) 0,0096

(24)

21

Sammanfattningsvis visar resultaten att vissa av lagen saknar signifikanta skattningar, till exempel Celtic, Sporting och Porto. Manchester United har endast en signifikant variabel och den är på tio procents signifikansnivå. Lagen Dortmund, Roma, Lazio, Benfica och Juventus har minst en signifikant variabel i varje modell. Resultaten visar att det finns fler signifikanta resultat som tyder på att den avvikande avkastningen påverkas mer av en förlust än av en vinst.

6.2 Paneldataanalys

I tabell 8 visas resultaten för modell 4. Oavgjord och förlust har en signifikant negativ skattning medan vinst har en ickesignifikant skattning. Nollhypoteserna förkastas för variablerna oavgjord och förlust. Vid förlust är den avvikande avkastningen dagen efter match i genomsnitt - 0,97 procent för samtliga fotbollsklubbar i undersökningen.

Tabell 8. Paneldataanalys modell 4

Modell 4 Vinst -0,05 (0,08) Oavgjord -0,43* (0,2) Förlust -0,97*** (0,22) Konstant 0,01 (0,01) Observationer 20967 𝑹𝟐_(within) _0,0018

I tabell 9 visas resultaten för modell 5. Hemmaoavgjord, hemmaförlust och bortaförlust har signifikant negativa skattningar, de andra variablerna har icke signifikanta skattningar. Nollhypoteserna för hemmaoavgjord, hemmaförlust och bortaförlust förkastas.

(25)

22 Tabell 9. Paneldataanalys för modell 5

Modell 5 Hemmavinst -0,19 (0,12) Hemmaoavgjord -1,01** (0,32) Hemmaförlust -1,09*** (0,23) Bortavinst 0,14 (0,1) Bortaoavgjord 0,01 (0,27) Bortaförlust -0,92** (0,3) Konstant 0,01 (0,01) Observationer 20967 𝑹𝟐_(within) _0,0024

I tabell 10 visas resultatet för modell 6 där Europaoavgjord, Europaförlust och ligaförlust har signifikant negativa skattningar. De andra variablerna har icke signifikant resultat. Nollhypoteserna förkastas för Europaoavgjord, Europaförlust och Ligaförlust.

(26)

Modell 6 Europavinst 1 (0,11) Europaoavgjord -0,79** (0,33) Europaförlust -1,81*** (0,51) Ligavinst -0,09 (0,08) Ligaoavgjord -0,32 (0,18) Ligaförlust -0,65*** (0,16) Konstant 0,01 (0,01) Observationer 20967 𝑹𝟐_(within) _0,0023

Både ligaförlust och Europaförlust har signifikanta negativa skattningar vid en procents signifikansnivå, därför görs ett F-test för att se om en av dessa variabler har en större effekt än den andra.

F(1, 9) = 6.67 Prob > F = 0.0295

Testet visar att de är signifikant skilda från varandra. Detta innebär att Europaförlust har en signifikant större negativ påverkan på aktiekursen än ligaförluster.

I tabell 11 visas resultatet för modell 7 där förväntad vinst, förväntad oavgjord, förväntad förlust, svagt oväntad förlust och starkt oväntad förlust har signifikant negativa skattningar. De andra variablerna har icke signifikanta resultat. Nollhypoteserna förkastas för alla variabler med signifikanta resultat.

(27)

Modell 7

Förväntad vinst -0,26*

(0,14)

Svagt oväntad vinst 0,21

(0,14)

Starkt oväntad vinst 0,33

(0,3)

Förväntad oavgjord -0,67***

(0,2) Positiv oväntad oavgjord 0,06

(0,22) Negativ oväntad oavgjord -0,62

(0,36)

Förväntad förlust -1,02***

(0,21) Svagt oväntad förlust -0,75**

(0,24) Starkt oväntad förlust. -1,21**

(0,45)

Konstant 0,01

(0,01)

Observationer 20967

𝑹𝟐_(within) _0,0023

(28)

25

7. Diskussion

7.1 Diskussion för regressionsanalys

I modell 4 visar fem av lagen signifikant negativa resultat vid förlustmatcher, tre av lagen visar även signifikant negativa resultat vid matchresultatet oavgjort. När hemma-/bortaplan tas med i regressionerna så visas liknande resultat som i den första modellen. Förlust och oavgjorda matcher har fortfarande signifikant negativ påverkan på aktiekursen för flera av lagen. När sedan information om matchen spelades i den inhemska ligan eller ute i Europa så kvarstår de resultat att förluster och oavgjorda har negativ signifikant påverkan på aktiekursen. I modell 7 tas förväntningar på matcherna med, resultaten som visas även där är att förlust och oavgjorda matcher har en signifikant negativ påverkan på aktiekursen oavsett om matchens resultat är oväntad eller inte. Det som är intressant är att tre av lagen får en signifikant negativ skattning när matchen var en förväntad vinst.

Resultatet stämmer överens med den tidigare studie som använt en liknande metod. Danis och Demir (2011) finner signifikant negativa resultat vid förlust och oavgjord för de tre turkiska lag som de undersöker. Den skillnad i resultat för modell 4 är att vi har ett lag som visar på signifikant positiv påverkan vid vinst. När modellerna för hemma/borta och Europa/ligamatcher jämförs så är resultaten också liknande. Danis och Demirs resultat visar att förlust och oavgjord ger signifikant negativa resultat oavsett om matchen spelas hemma eller borta eller i ligan/ute i Europa vilket även stämmer överens med våra resultat. Dock finns det även skillnader i dessa modeller. I våra resultat visar Dortmund på positiva signifikanta resultat vid ligavinst och vid hemma-/bortavinst. En annan skillnad är att Lyon visar ett signifikant positivt resultat vid bortamatch som slutar oavgjord. I modell 7 får vi också liknande resultat som Danis och Demir. Det som skiljer är att vi får signifikant negativ påverkan för Lazio, Benfica och Manchester för variabeln förväntad vinst.

Finansiell beteendevetenskap diskuterar fel investerare gör när investerare inte beter sig rationellt. Felen kan till exempel vara övertro eller överreaktion. Övertro kan vara en förklaring till att signifikanta resultat finns på förluster och oavgjorda men inte på vinster. Investerarna kan vara supportrar och de tror alltid att sitt lag ska vinna. När laget vinner ändras inte aktiekursen då vinsten redan är inräknad i aktiepriset. Dortmund har dock signifikant positiva resultat på vinster vilket skulle kunna bero på att investerarna har lägre och mer realistiska förväntningar på sitt lag. Dortmund saknar signifikanta resultat när matchresultatets utfall är

(29)

26

det förväntade, det vill säga förväntad vinst, förväntad oavgjord och förväntad förlust. Vilket också tyder på att Dortmund-investerare är mer rationella än andra investerare i de andra fotbollsklubbarna med signifikanta resultat.

En annan förklaring till att förlust har mer signifikanta resultat än vinster kan var den så kallade “prospect theory”. Kahnemann och Tversky (1979) kom fram till i sin studie om prospect theory att människor tar förluster hårdare än vad vinster ger glädje. Detta kan överföras till supportrar som då tar en förlorad match mycket hårdare än en vinst, vilket i sin tur kan leda till mer signifikanta resultat vid förlust än vinst.

I uppsatsens teoridel nämns överreaktion på information som ett marknadsmisslyckande. Benfica har stora förändringar i avvikande avkastning i jämförelse med övriga lag i vår undersökning. Vid förlust har Benfica -3,19 procent medan övriga lag ligger runt -1 procent eller lägre. Benficas starkt avvikande avkastning skulle kunna förklaras med överreaktion. Ett enskilt matchresultat borde ha liten betydelse för klubbens ekonomiska resultat. Därför kan vi dra slutsatsen att den avvikande avkastningen, åtminstone till viss del, är känslostyrd.

I analysen för varje enskilt lag finns en del ovanliga resultat. Juventus visar endast negativt signifikant resultat vid matchresultat oavgjord och inte vid förlust. Förklaringen till att förlust inte är signifikant negativ för Juventus kan vara att det finns få matcher med resultatet förlust under datainsamlingsperioden. Vissa lag i vår undersökning saknar signifikanta resultat. En förklaring till att lagen visar stor skillnad på antalet signifikanta resultat kan vara att handelsvolymen på dessa aktier skiljer sig åt. Celtic, Porto och Sporting handlas inte lika frekvent som övriga lag och har flera dagar då de inte handlas alls. Detta kan vara en förklaring till att Celtic, Porto och Sporting saknar signifikanta resultat i samtliga modeller.

7.2 Diskussion för paneldataanalys

Paneldataanalysens resultat visar på att förlust och oavgjord har signifikant negativ påverkan på den avvikande avkastningen. När modellerna tar med om matchen spelades hemma eller borta så har förlust fortfarande en signifikant negativ påverkan. Hemmaförlusten är signifikanta negativa vid 1 procents signifikansnivå och bortaförlust är signifikant negativ vid 5 procent. Oavgjord har endast signifikant negativ påverkan på hemmamatcher. När Europa- och liga matcher tas med i modellen så visar resultaten att förlust har signifikant negativ påverkan oavsett om förlusten var i ligan eller i Europa och oavgjord har endast signifikant negativ

(30)

27

påverkan när matchen spelas i Europa. Vinst har inga signifikanta skattningar i modellerna. När förväntningar tas med så har förlust en negativ signifikant påverkan oavsett om förlust var väntad eller oväntad. Det som är lite underligt med resultaten för förväntningarna är att de förväntade vinsterna har en signifikant negativ påverkan på den avvikande avkastningen vilket är resultat som tidigare studier inte har fått.

Gandar m.fl. (2005) finner i sin paneldataanalys signifikant påverkan för vilken typ av match som spelas. De finner att en cupmatch ger en positiv effekt på avvikande avkastningen gentemot en ligamatch. Vi finner liknande resultat i vår studie. Efter det genomförda F-testet för att skilja Europaspel från ligaspel, kommer vi fram till att Europaspel har en större påverkan på avvikande avkastningen än ligaspel. Att Europaspel har en större påverkan på aktiekursen beror troligtvis på att de matcherna har en mer direkt påverkan på klubbarnas ekonomi. Europaförlustens större påverkan förklaras alltså inte bara av att matchen är mer känsloladdad utan även av rationellt beteende då klubben faktiskt kan påverkas ekonomiskt.

Peenstra och Scholtens (2009) resultat visar att förlust och oavgjord har en signifikant negativ påverkan men även att vinst har en signifikant positiv påverkan på aktiekursen. Även Renneboog och Vanbrabant (2000) resultat visar att förlust och oavgjord har en signifikant negativ påverkan men också att vinst har en positiv signifikant påverkan på den avvikande avkastningen, detta liknar våra resultat förutom att Peenstra och Scholtens samt Renneboog och Vanbrabant får en signifikant positiv skattning för vinst. Förlust ger signifikant negativ påverkan oavsett om matchen spelas i Europa eller i ligan i både Peenstra och Scholtens studie samt i Renneboog och Vanbrabants studie, dessa resultat stämmer överens med de resultat vi får i vår uppsats.

En skillnad mellan vår och Renneboog och Vanbrabants studie är urvalet av fotbollsklubbar. Alla fotbollsklubbar i vår undersökning har lag som ofta befinner sig i toppen av tabellen, medan Renneboog och Vanbrabant har 17 lag från Storbritannien vilket ger dem en blandning av topp-, botten- och mittenlag. Resultaten skulle kunna blivit annorlunda om vi haft tillgång till data för lag som vanligtvis befinner sig lägre ner i tabellen. En vunnen match för ett bottenlag är antagligen högre värderad än en vunnen match för ett topplag.

Resultaten i paneldataanalysen visar att investerare i de fotbollsklubbarna vi har undersökt reagerar på matchresultat. Vinst saknar signifikant resultat, medan förlust och oavgjord

(31)

28

påverkar den avvikande avkastningen. Resultatet kan förklaras med både prospect theory eller övertro. Även resultaten av paneldataanalysen när förväntningar tas med stödjer den finansiella beteendevetenskapen om att investerare är känslostyrda.

7.3 Brister och begränsningar

Genomgående i de modeller vi har undersökt så är det låga förklaringsgrader vilket kan vara en svaghet i uppsatsen, dock har tidigare studier också haft låga förklaringsgrader vilket mer tyder på att den avvikande avkastningen påverkas lite av matchresultat men även av mycket annat.

En svaghet i vår undersökning är urvalet av fotbollsklubbar. Som tidigare nämnts i diskussionen så skulle resultaten för variabeln vinst kunna blivit annorlunda om vi haft tillgång till data för lag som vanligtvis befinner sig lägre ner i tabellen. En vunnen match för ett sämre lag är antagligen högre värderad än en vunnen match för ett bättre lag. Dock så finns det inte så många fotbollsklubbar som idag är börsnoterade vilket försvårar att undersöka lag från varierande liga positioner.

(32)

29

8. Slutsatser

Syfte med uppsatsen är att undersöka om fotbollsklubbars aktiekurs påverkas av sportsliga resultat. Syftet undersöks genom att se om aktien har en avvikande avkastning när laget spelar match. När varje lag undersöks enskilt syns flera olika resultat. Vissa lag saknar signifikanta resultat, ett av lagen har signifikanta resultat vid vunna matcher och flera av lagen har signifikanta resultat vid matcher med resultat förlust och oavgjord. I paneldataanalysen blir resultatet att förlust och oavgjord har signifikant negativ påverkan på aktiepriset. Paneldataanalysen visar att förlust har signifikant negativa resultat oavsett om matchen spelas i ligan eller ute i Europa men F-testet som görs visar att Europaspel har en signifikant större negativ påverkan på aktiekursen än ligaspel.

Resultaten visar att investerare i fotbollsklubbar inte beter sig rationellt. Att matcher påverkar aktiepriset mer negativt än positivt kan förklaras med finansiell beteendevetenskap. Det kan bero på en övertro på det egna lagets förmåga att prestera samt överreaktion då prisförändringar är stora dagen efter match. En annan rimlig förklaring till investerares beteende kan vara att människor tenderar att reagera starkare på förluster än vinster. Båda dessa resultat tyder på att investerare är supportrar.

Lagen som undersöks är toppklubbar i sina respektive ligor och resultatet avser därmed inte att spegla alla fotbollsklubbar, därför kan det vara intressant i framtida forskning att undersöka lag som skiljer sig mycket åt i ligapositioner för att se om resultaten varierar. Det kan även vara intressant i framtida forskning att ta med fler variabler för att undersöka detta ämne. Variabler som till exempel handelsvolym, målskillnad, matchens betydelse med flera är variabler som skulle kunna påverka och därför vara intressanta att ta med. Det kan även vara intressant att undersöka andra sporter som har klubbar som är aktiebolag för att se om liknande resultat går att hitta även i de sporterna.

(33)

30

9. Referenslista

Internetkällor

Worldfootball: Matchresultat, hemma/bortamatch och typ av match

http://www.worldfootball.net/ [2016-03-21]

Oddsportal: Odds

http://www.oddsportal.com/ [2016-03-21]

Yahoofinance: Aktiekurser, index

http://finance.yahoo.com/ [2016-03-21]

Tryckta Källor

Benkraiem, R., Louichi, W., & Pierre, M. (2009). Market reaction to sporting results. Management Decision, 100-109.

Berument, H. M., Ceylan, N. B., & Ogut-Eker, G. (2009). Soccer, stock returns and fanaticism: Evidence from Turkey. The Social science journal, 594-600.

Bodie, Z., Kane, A., & Marcus, A. J. (2014). Investments. Maidenhead: McGraw-Hill Education.

Danis, H., & Demir, E. (2011). The effect of performance of soccer clubs on their stock prices: Evidence from Turkey. Emerging Markets Finance and Trade, 58-70.

Edmans, A., García, D., & Norli, Ø. (2007). Sports sentiment and stock returns. The journal of finance, 1967-1998.

Gandar, J. M., Lamb, R. P., Yiu, P., & Zuber, R. A. (2005). Investor-fans? An examination of the performance of publicly traded English permier league teams. Applied Financial

Economics, 305-313.

Gavelin, L., & Sjöberg, E. (2012). Finansiell ekonomi i praktiken. Lund: Studentlitteratur AB.

Hirshleifer, D., & Shumway, T. (2003). Good day sunshine: Stock returns and the weather. The journal of Finance, 1009-1032.

(34)

31

Kahneman, D., & Tversky, A. (1979). Prospect Theory: An analysis of decision under risk. Econometrica, 263-291.

Renneboog, L., & Vanbrabant, P. (2000). Share price reactions to sporty performances of soccer clubs listed on the london stock exchange and the AIM. CentER Discussion Paper, 1-28.

Scholtens, B., & Peenstra, W. (2009). Scoring on the stock exchange? The effect of football matches on stock market returns: an event study. Applied Economics, 3231-3237.