Examensarbete i företagsekonomi, 30 hp, VT 2020 Civilekonomprogrammet, 240 hp
SAMMANFATTNING
Sedan en lång tid tillbaka har det funnits en diskussion om vilken strategi man bör använda sig av för att skapa en överavkastning gentemot aktiemarknadens index. En del hävdar att det bästa är att köpa aktier och behålla dem över tid, medan andra menar på att det går att generera en överavkastning genom att använda sig av teknisk analys. Teknisk analys är ett samlingsnamn för flertalet verktyg och strategier som utnyttjar pris- och volymserier i en aktie där syftet är att försöka förutspå hur priset på en aktie kommer att röra sig framöver. Genom att använda sig av olika verktyg inom teknisk analys kan köp- och säljsignaler signaleras utifrån hur aktiekurserna rör sig. Detta kan ge investeraren ett starkare beslutsunderlag om aktiemarknaden och därmed öka chansen till att skapa en överavkastning mot det jämförande indexet.
En vanlig analysmetod inom teknisk analys är glidande medelvärde, vilket är den metod vi har använt oss av i studien. Den dagliga avkastningen från en handelsstrategi med glidande medelvärden jämförs med den dagliga avkastningen som en buy-and-hold strategi genererar för att se vilken strategi som är mest lönsam. Den huvudsakliga tidsperiod som studeras är 2009-2019. Även börskraschen under finanskrisen undersöks för att se hur glidande medelvärden presterar i ett negativt börsklimat.
Vi har i studien använt oss av en kvantitativ metod och en deduktiv forskningsansats där vi går från teori till empiri för att besvara syftet och problemformuleringen. De två huvudteorierna som använts i studien är effektiva marknadshypotesen och behavioural finance vilka är två teorier som står på motsatta sidor av varandra när det kommer till teknisk analys. Effektiva marknadshypotesen menar att det inte är möjligt att skapa en överavkastning på aktiemarknaden eftersom att all information redan är inprisad, medan behavioural finance beskriver psykologin och irrationaliteten hos investerare som är invävd i de finansiella marknaderna.
Det empiriska resultatet ger ett stöd för effektiva marknadshypotesen då det visar sig vara svårt för glidande medelvärden att prestera bättre en buy-and-hold strategi på OMXS Mid Cap Index. Detta gör att glidande medelvärden snarare bör ses som en trendindikator än en handelsstrategi då säljsignalerna i strategin inte visade sig vara speciellt pålitliga. Utifrån resultatet som tagits fram kan glidande medelvärden inte ses som en ekonomiskt försvarbar strategi för företag vid investeringar av aktier på den svenska mid cap marknaden.
FÖRORD
Vi skulle vilja tacka vår handledare Lars Lindbergh för hans stöd och vägledning under arbetets gång. Vi vill även tacka varandra för ett bra samarbete genom hela examensarbetet.
Handelshögskolan vid Umeå Universitet, 2020–05–18
Rasmus Andersson Anton Mickelsson
INNEHÅLLSFÖRTECKNING
1. INLEDNING 1 1.1 Problembakgrund 1 1.2 Problemdiskussion 3 1.3 Problemformulering 4 1.4 Syfte 4 1.5 Forskningsfrågor 4 1.6 Avgränsningar 41.7 Målgrupp och uppsatsens betydelse 5
1.8 Disposition 6
2. TEORETISKA UTGÅNGSPUNKTER 8
2.1 Effektiva Marknadshypotesen 8
2.1.1 Random Walk Hypotesen 9
2.2 Behavioural Finance 9
2.2.1 Prospect Theory 10
2.3 Summering av valda teorier 10
3. Tidigare studier 12
3.1 Performance of technical trading rules: Evidence from asian stock markets. Tharavanij et
al., 2015. 12
3.2 Profitability of simple technical trading rules of Chinese stock exchange indexes. Jiang et al., 2015.
13 3.3 Stock market trading rule based on pattern recognition and technical analysis: Forecasting the DJIA index with intraday data. Cervello-Royo et al., 2015. 13 3.4 Is the Swedish stock market efficient? Evidence from some simple trading rules.
Metghalchi et al., 2007. 14
3.5 Performance of moving average trading strategies over varying stock market conditions:
the Finnish evidence. Pätäri, Vilska, 2014 14
3.6 Efficient market hypothesis in European stock markets. Borges, 2010. 15
3.7 Summering av tidigare studier 15
4. TEORETISK METOD 16
4.1 Ämnesval och förförståelse 16
4.2 Forskningsfilosofi 16 4.2.1 Ontologisk inriktning 16 4.2.2 Epistemologisk inriktning 17 4.3 Forskningsmetod 18 4.4 Forskningsansats 18 4.5 Litteratursökning 19 4.6 Källkritik 20
5. PRAKTISK METOD 22
5.1 Teknisk analys 22
5.1.1 Glidande medelvärde 23
5.2 Studiens handelsstrategi 26
5.3 Val av undersökningsobjekt 27
5.4 Population och stickprov 28
5.5 Datainsamling och databearbetning 28
5.6 Deskriptiv statistik 29 5.7 Undersökningsfel 31 5.7.1 Mätfel 31 5.7.2 Bearbetningsfel 32 5.7.3 Täckningsfel 32 6. HYPOTESPRÖVNING 33 6.1 Hypoteser 33 6.2 Teststatistika 34
6.3 Signifikansnivå och beslutsregel 35
7. RESULTAT 37 7.1 Buy-and-Hold 37 7.2 MA50/200 37 7.3 MA10/50 38 7.4 MA5/20 39 7.5 Summering av resultatet 40 7.6 Kvalitetskriterier 40 7.6.1 Validitet 41 7.6.2 Reliabilitet 41 7.6.3 Replikerbarhet 42 7.6.4 Generaliserbarhet 42 8. ANALYS 44
8.1 Lönsamheten hos glidande medelvärden 44
8.2 Vilket glidande medelvärde presterar bäst? 45
8.3 Hur pålitliga är säljsignalerna? 46
8.4 Hur stor påverkan får transaktionskostnader på lönsamheten? 47
9. DISKUSSION OCH SLUTSATS 48
9.1 Marknadseffektivitet och Behavioural Finance 48
9.2 Är glidande medelvärden en ekonomiskt försvarbar strategi för företag? 48
9.3 Förslag till framtida studier 49
REFERENSER 51
APPENDIX 1 - OMX Stockholm Mid Cap, samtliga bolag 55
APPENDIX 2 - T-test exklusive transaktionskostnader mellan 2009-2019 57 APPENDIX 3 - T-test exklusive transaktionskostnader, börskrasch 59 APPENDIX 4 - T-test inklusive transaktionskostnader mellan perioden 2009-2019 61 APPENDIX 5 - T-test inklusive transaktionskostnader, börskrasch 63
TABELL-OCH FIGURFÖRTECKNING
Tabell 1. Exempel 3-dagars glidande medelvärde 24
Tabell 2. Skevheten i stickproven. 31
Tabell 3. Typ-I och Typ-II fel 35
Tabell 4. Sammanställning av buy-and-hold strategi mellan 2009-2019 37
Tabell 5. Sammanställning av MA50/200 37
Tabell 6. Sammanställning av MA10/50 38
Tabell 7. Sammanställning av MA5/20 39
Tabell 8. Summering av samtliga hypotestester 40
Figur 1. En hypotetisk värdefunktion mellan förluster och vinster 11
Figur 2. Köpsignal 13
Figur 3. Säljsignal 13
Figur 4. Deduktiva forskningsprocessen 19
Figur 5. Illustration av stöd och motstånd 23
Figur 6. Exempel 3-dagars glidande medelvärde 25
Figur 7. Arbetsgång av handelsstrategi 26
Figur 8. Utveckling OMXSMCGI 2007-2008 27
Figur 9. Utveckling OMXSMCGI 2009-2019 28
Figur 10. Histogram hela stickprovet 30
Figur 11. Normalitetstest hela stickprovet 30
Figur 12. Bevis för att förkasta nollhypotesen 35
1.
INLEDNING
1.1 Problembakgrund
Penningplaceringar är något som har blivit enklare i och med den teknologiska utvecklingen. Det finns många olika alternativ var pengarna kan placeras. Vart pengarna placeras beror helt och hållet på företagens riskpreferens och förväntade avkastning på deras investeringar. Ett alternativ som är vanligt förekommande är att placera kapitalet i aktier. Här finns möjligheten att skapa en stor avkastning, men det finns också en ovisshet då det kan vara tvära kast på aktiemarknaden. Den ena månaden kan börsen rusa uppåt och man nås av känslan att det inte finns något stopp av hur långt upp den kan gå, medan några månader senare rasar börsen lika raskt åt andra hållet. Dessa tvära kast kan leda till att företagen väljer att sälja sina aktier när de tror att börsen kommer att gå ned för att undvika en förlust. På samma sätt kan detta leda till att de väljer att köpa aktier när det finns förväntningar på att börsen kommer gå upp. Denna strategi är inte alltid lyckosam då det är väldigt svårt att försöka tajma marknaden. Finns det någon strategi för att maximera avkastningen? Eller är det bästa alternativet att köpa aktier och hålla dem över tid, och inse att marknadsrörelser inte går att förutspå? Dessa är några frågeställningar som har väckt vårt intresse och fört oss in på denna studie.
Det finns mängder av olika investeringsstrategier som företag kan använda sig av vid investering av aktier, där avkastningen kan skilja sig åt beroende på vilken strategi som appliceras. Det kan leda till svårigheter för företag att veta vilken investeringsstrategi som faktiskt genererar högst avkastning och vilken strategi som de borde välja. Detta företagsekonomiska problem är något som vi i denna studie ska ge en större klarhet i genom att ge en bättre beslutsgrund till vilken typ av investeringsstrategi som företag bör använda sig av. Investeringsstrategier brukar baseras på två olika typer av analyser, vilka är teknisk analys och fundamental analys. Teknisk analys är ett samlingsnamn på en mängd principer och verktyg som utnyttjar historiska pris- och volymserier i exempelvis en aktie, i syfte att försöka säga hur priset på aktien kommer att röra sig framöver. Inom detta område används ofta diagram och grafer för att påvisa hur en aktie har betett sig historiskt sett. Utifrån dessa mönster är det möjligt att analysera om det finns köp- eller säljsignaler i aktien. Detta skiljer sig från den fundamentala analysen där utgångspunkten ligger i det fundamentala i ett bolag som exempelvis dess kassaflöde, framtida vinster och nyckeltal för att ta fram ett värde på vad aktien bör vara värderad till idag. Om denna värdering överstiger det aktuella värdet på aktien aktien bör den köpas (Nilsson &
Torssell, 2000, s. 9-11). I denna studie kommer vi att fokusera på den förstnämnda analysen, vilket är teknisk analys.
Inom teknisk analys är robothandel något som har blivit mer vanligt förekommande i dagens aktiehandel. Enligt Svenska Dagbladet (2019) utgör robothandel idag en fjärdedel av all börshandel på de flesta aktiemarknaderna runt om i världen. Robothandel består av förprogrammerade algoritmer som köper och säljer aktier utifrån tekniska indikatorer beroende på hur aktiepriser rör sig. Finansinspektionen (2012) förklarar att dessa algoritmer handlar efter bestämda instruktioner och parametrar. Dessa instruktioner bestäms av den som programmerar algoritmen. Eftersom robothandeln är en stor del av all aktiehandel har det debatterats om det är något som förstärker de kurssvängningar som sker på marknaden. I en artikel i Omni (2018) samt i Dagens Industri (2018) påpekar experterna Jim Paulsen och Walter Hellwig att börsfallet och de stora nedgångarna i februari 2018 berodde på just robothandeln eftersom algoritmerna reagerar på samma sätt och säljer av då börserna faller nedåt.
Det finns en mängd olika verktyg att använda sig av vid teknisk analys. Exempel på ett sådant verktyg är motståndsnivåer, vilket innebär att en aktie har svårt att fortsätta sin uppåtgående (nedåtgående) trend då det finns en mängd investerare som vill sälja (köpa) aktierna vid specifika nivåer på aktiekursen. Ett annat verktyg är RSI vilket är ett relativt styrkeindex som indikerar om en aktie är överköpt eller översåld (IG, 2020).
I denna studie kommer vi däremot fokusera på glidande medelvärde, vilket är ett verktyg som frekvent används inom teknisk analys. Metoden kallas även MA, Moving Average. Glidande medelvärde är en trendbaserad strategi som genererar köp- och säljsignaler (Shynkevich, 2012, s. 197). I studien kommer både uttrycken glidande medelvärden och MA att användas. När vi pratar om olika långa glidande medelvärden kommer uttrycket MA appliceras för att underlätta för läsaren. Längden på de olika glidande medelvärdena kan variera beroende på vilken tidsperiod som ska undersökas. MA50 mäter exempelvis medelvärdet av aktiens pris de 50 senaste handelsdagarna medan en MA200 mäter medelvärdet av aktiens pris de 200 senaste handelsdagarna. Att medelvärdet är glidande innebär att medelvärdet förskjuts för varje handelsdag som går. Genom att använda sig av interaktioner mellan olika långa glidande medelvärden kan man då hitta köp- och säljsignaler. Till exempel, en köpsignal signaleras då ett MA50 korsar ett MA200 underifrån, medan en säljsignal signaleras då ett MA50 korsar ett MA200 ovanifrån. Detta är en användbar metod som fångar upp både fallande och stigande trender i en aktie (Nilsson & Torssell, 2000, s. 120-121).
Det råder delade meningar huruvida teknisk analys är en användbar analysmetod. Kritik som är riktad mot teknisk analys är att den inte bygger på teorin om effektiva marknader och investerares rationalitet (Shiller, 2003, s. 84). Eugene Fama som är grundaren till denna teori om effektiva marknader, menar att en akties pris speglar all tillgänglig information på marknaden och att investerare agerar rationellt. Att en marknad är effektiv innebär att aktiepriset justeras direkt när ny information tillkommer på marknaden. Teorin säger också att aktiepriser är oberoende av varandra vilket utifrån teorin innebär att teknisk analys inte är applicerbart. Om marknader antas vara fullt effektiva hävdar Fama att överavkastning inte kan skapas då all information
är inprisad i en akties pris. Med överavkastning menar Fama att en avkastning genereras som är högre än det jämförande indexet (Fama, 1970, s. 386). Trots den existerande kritiken använder sig en storbank som Swedbank sig av denna metod som komplement vid deras aktieanalyser för att fånga upp den rådande marknadspsykologin samt trender som visar sig i en aktie. Detta hjälper Swedbank att koordinera köp- och säljtillfällen i en aktie (Swedbank). Även ekonomitidningen Dagens Industri stödjer teknisk analys då de kontinuerligt publicerar artiklar som involverar denna analysmetod (Dagens Industri, 2020).
1.2 Problemdiskussion
Vid handel av aktier går Famas teori om effektiva marknader hand i hand med en buy-and-hold strategi. Buy-and-hold innebär precis som det låter, att aktier köps och hålls över tid, vilket är en bra strategi att använda sig av om man anser att marknader är effektiva och redan har inprisat att tillgänglig information. Buy-and-hold är den mest traditionella metod att använda sig av vid aktiehandel (Cabiri &Cohen, 2015, s. 3189). En stor företrädare för en buy-and-hold strategi är den välkända investeraren Warren Buffett. I boken Warren Buffet Wealth (Miles, 2004, s. 134) citeras Buffet:
“It is not necessary to do extraordinary things to get extraordinary results.”
Han menar att investerare ska hitta trygga och lönsamma bolag att köpa som ska behållas över tid. Oavsett hur mycket börsen fluktuerar menar Buffett att en buy-and-hold strategi är den bästa strategin för att uppnå en positiv avkastning (Elkins, 2018).
Men är verkligen marknader effektiva? Något som effektiva marknadshypotesen utelämnar är den börspsykologi och människors agerande som till stor det påverkar marknadens rörelser. Det finns flertalet studier som visar på att investerare inte agerar lika rationellt som i teorin, vilket vi kommer att gå in djupare på i kapitel två. En faktor som talar emot investerares rationalitet är loss aversion. Loss aversion innebär att investerare hanterar förluster och vinster på olika sätt, eftersom förluster generellt sett väger tyngre än vinster. Det gör att investerare prefererar att hellre undvika en förlust än att ta hem en vinst, vilket avviker från det rationella beteendet där investerare agerar för att uppnå den största möjliga nyttan (De Bondt, Thaler, 1995, s. 385). Annan forskning visar även på att investerares beslutsfattande är påverkat av känslor såsom rädsla och girighet. Detta resulterar i att marknadsrörelser kan vara förutsägbara (Lo, Repin 2001, s. 323). Teknisk analys är något som tar hänsyn till denna börspsykologi som reflekteras i kurserna och kan vara en bra metod att använda för att fånga dessa fluktuationer (Brock et al., 1992, s. 1757).
Kritiken mot teknisk analys är något som funnits ända sedan slutet av 1800-talet när metoden började att användas. Författaren och ekonomen Malkiel (2007, s. 133) menar att det finns uppenbara brister i att använda sig utav teknisk analys för att uppnå lönsamhet på börsmarknaden då ingen metod kommer prestera bättre än en buy-and-hold strategi på lång sikt. Vidare menar Malkiel att historiska priser på aktiekursen inte innehåller tillräcklig information som gör att metoden kan vara mer lönsam än en buy-and-hold strategi. Han menar att en buy-and-hold strategi är en bättre investeringsmetod än teknisk analys för att uppnå lönsamhet på lång sikt.
Det finns även forskare som menar att teknisk analys endast fungerar för att det är en självuppfyllande profetia. Det innebär att om glidande medelvärden visar på en köpsignal i en aktie kommer aktiekursen att röra sig uppåt endast för att investerare handlar på denna signal (Reitz, 2006, s. 121-122). Forskning har även visat det motsatta. Studien av Jiang et al. (2015, s. 84) visar exempelvis att det är möjligt att slå en buy-and-hold strategi med hjälp av tekniska analysmetoder på den kinesiska aktiemarknaden.
Det finns med andra ord forskare som har olika åsikter gällande teknisk analys. Vissa ställer sig tveksamma till om det verkligen är en förlitlig metod att använda sig av som exempelvis Reitz (2006) och Malkiel (2007) menar. Andra är mer positivt inställda till metoden eftersom konceptet innebär att det inte krävs någon djupgående kunskap av det specifika företaget eller marknaden (Brock et al., 1992, s. 1758). Vi anser att tidigare studier leder till ett kunskapsgap. Forskarnas tudelade mening kring teknisk analys, samt att denna metod faktiskt används av en storbank som Swedbank gör att vi vill undersöka detta ytterligare. Med denna studie vill vi kunna stärka bevisen för eller emot teknisk analys samt se om denna metod är applicerbar och mer lönsam än en buy-and-hold strategi vid investering av aktier.
1.3 Problemformulering
Studien innefattar en problemformulering som ligger till grund för studien. Den kommer sen att utvecklas i avsnitt 1.4 och 1.5.
Är glidande medelvärden en applicerbar och lönsam handelsstrategi vid investering av aktier på den svenska mid cap marknaden?
1.4 Syfte
Syftet är att undersöka om en handelsstrategi som bygger på historisk data och glidande medelvärden är mer lönsam än en buy-and-hold strategi vid handel av det svenska mid cap indexet. Vi vill även se om glidande medelvärden är en ekonomiskt försvarbar strategi som företag bör använda sig av vid framtida investeringar av sitt kapital.
1.5 Forskningsfrågor
- Är en handelsstrategi med utvalda glidande medelvärden mer lönsam än en buy-and-hold strategi på OMX Stockholm Mid Cap Index?
- Hur skiljer sig lönsamheten när transaktionskostnader är inkluderade? - Hur presterar glidande medelvärden under en börskrasch på OMX
Stockholm Mid Cap Index?
- Hur pålitliga är säljsignalerna som glidande medelvärdena genererar?
1.6 Avgränsningar
Vi har valt att avgränsa oss till den svenska marknaden, vilken inte är studerad i samma utsträckning som större marknaden som exempelvis USA. För att besvara syftet om glidande medelvärden är mer lönsamma än en buy-and-hold strategi vid handel av svenska mid cap bolag kommer ett index att undersökas som representerar samtliga mid cap bolag på den svenska aktiemarknaden. Det index som kommer att undersökas är OMX Stockholm Mid Cap GI (OMXSMCGI), vilket är ett index som
tar hänsyn till utdelningar. Detta index innehåller alla bolag som har ett börsvärde mellan 150 miljoner euro och 1 miljard euro och som befinner sig på stockholmsbörsen (Avanza, 2020). Det är intressant att studera ett mid cap index då det generellt sett inte är studerat i samma utsträckning som large cap index, samt att volatiliteten är högre jämfört med large cap (SvD, 2007). Vi anser också att likviditeten är tillräckligt stor på mid cap bolag för att kunna genomföra denna studie.
Valet av att använda glidande medelvärden som metod vid teknisk analys har vi gjort då det är en vanligt förekommande strategi som är väldigt enkel med tydliga köp- och säljsignaler. De glidande medelvärden vi kommer att använda oss av är MA5/20, MA10/50 och MA50/200. Anledningen till att vi väljer dessa glidande medelvärden är för att fånga både korta- och långsiktiga trender.
Skatter kommer inte tas hänsyn till i denna studie. Detta för att det redan finns förmånliga sparformer på den svenska aktiemarknaden idag som exempelvis kapitalförsäkring och investeringssparkonton. I och med att skatterna kommer vara ungefär lika oavsett vilken strategi som appliceras anser vi att det inte ger något extra bidrag till studien att inkludera skatter. Tidigare studier har också exkluderat skatter i deras undersökningar vilket gör det enklare att jämföra vårt resultat med det resultat som tidigare studier fått fram.
Perioden som kommer att undersökas är en elvaårsperiod mellan 1 januari 2009 till 31 december 2019. Data kommer även att behöva hämtas 200 dagar innan 1 januari 2009 för att få fram glidande medelvärden vid starten av elvaårsperioden. Vi anser att elva år ger oss en tillräckligt stor datamängd för att få ett statistiskt säkerställt resultat.
När vi ska studera hur glidande medelvärden presterar under en börskrasch använder vi oss av den senaste stora kraschen som vi har återhämtat oss ifrån, vilket är finanskrisen. Det finns ingen exakt definition på när en börskrasch startar och när den slutar. I denna studie definierar vi en börskrasch från den högsta uppmätta kursen nära inpå börsfallet tills den lägsta kursen uppmätts innan börsen vänder uppåt igen. Denna period blir 19 juli 2007 till 21 november 2008
1.7 Målgrupp och uppsatsens betydelse
Studien är riktad till att ge företag som förvaltar kapital en teoretisk och praktisk grund till sina investeringsbeslut där fokuset främst är riktat mot företag som gör investeringar i mid cap bolag. Vi anser också att detta är något som vanliga privatsparare kan ta del av då studiens strategi är enkel att applicera.
Eftersom det redan finns flertalet studier som undersöker glidande medelvärden går det att ställa sig frågan om denna studie fyller något syfte. Vi anser att den här studien fyller ett syfte eftersom det inte finns någon tydlig konsensus inom området för vad som verkligen är den bästa strategin att använda sig av. Vi riktar in oss på en mid cap marknad som inte är studerad i samma utsträckning som andra större marknader. Här skiljer sig också likviditeten från large cap vilket kan leda till att prissättningen inte alltid är helt korrekt. Ju fler studier som genomförs inom detta område desto säkrare blir slutsatserna av vilken som är den lönsammaste strategin. Utifrån en enskild studie kan man inte dra för stora slutsatser av resultatet då det finns många olika aktiemarknader runt om i världen, men genom att många aktiemarknader undersöks
med olika hög grad av marknadseffektivitet leder detta till att beslutsunderlaget för vilket strategi som är lönsammast blir större och mer träffsäker.
1.8 Disposition Kapitel 1
I det första kapitlet har de bakomliggande problem redogjorts som berör denna studie. Syfte och forskningsfrågor har presenterats som senare lett oss in på studiens avgränsningar och uppsatsens betydelse. Kommande avsnitt syftar på att ge en kortfattad översikt över studiens olika delar.
Kapitel 2
Den teoretiska utgångspunkten presenteras med teorier kopplade till de olika synsätt som råder på hur aktiemarknaden fungerar. Teorierna kan också vara till hjälp för att kunna förklara resultatet som tas fram i studien.
Kapitel 3
Tidigare studier inom området presenteras för att ge läsaren en större inblick i hur forskningen har sett ut på området. De studier som tas med studerar aktiemarknader från både USA, Europa och Asien. Detta avsnitt är även av betydelse för analysen där vi vill kunna diskutera vårt resultat i förhållande till tidigare studier.
Kapitel 4
Här presenteras studiens teoretiska metod. Studiens kunskapssyn och vetenskapssyn diskuteras och även valet av att använda oss av en kvantitativ metod. Kapitlet diskuterar även källkritiken i studien samt de etiska och sociala överväganden som anses vara relevanta för studien.
Kapitel 5
Detta är ett omfattande kapitel som innefattar stora delar av den praktiska metod som kommer att genomföras. Teknisk analys och glidande medelvärde berörs i stor utsträckning i kapitlet då dessa områden är av stor vikt i studien. Studiens handelsstrategi förklaras på ett tydligt sätt för att läsaren ska få en bra uppfattning av hur studien är tänkt att genomföras. Vidare behandlas avsnitt om population och urval, val av undersökningsobjekt, datainsamling, databearbetning, samt deskriptiv statistik. Avslutningsvis diskuteras de undersökningsfel som studien eventuellt kan innehålla.
Kapitel 6
Kapitel 6 har ett fokus på hypotesprövningen som kommer att genomföras i studien. Här presenteras de aktuella hypoteserna som ska testas samt vilken beslutsregel och p-värde som kommer att användas.
Kapitel 7
I detta kapitel redovisas studiens empiriska resultat. Här har tabeller tagits fram för att presentera resultatet på ett tydligt sätt för att läsaren ska förstå och kunna jämföra resultatet mellan de olika glidande medelvärdena. I slutet av kapitlet kommer även de kvalitetskriterier som är aktuella för studien att diskuteras.
Kapitel 8
I kapitlet presenteras analysen av det resultat som tagits fram i föregående kapitel. Resultatet kopplas ihop med relevanta teorier som tagits upp tidigare. Det görs även
jämförelser med tidigare studier inom samma område för att se om studiens resultat visar på liknande eller annorlunda slutsatser.
Kapitel 9
Kapitlet innehåller den slutliga diskussionsdelen där studiens resultat diskuteras i förhållande till marknadseffektivitet och behavioural finance. Här presenteras också huruvida glidande medelvärden är en ekonomiskt försvarbar strategi för företag att använda sig av. Avslutningsvis ges förslag till vidare forskning inom området.
2. TEORETISKA UTGÅNGSPUNKTER
2.1 Effektiva Marknadshypotesen
En teori som har stor betydelse när det kommer till investeringar är teorin om effektiva marknader. Eugene Fama som är grundaren till denna teori, menar att det generella begreppet effektiva marknader innebär att en akties pris speglar all tillgänglig information som finns på marknaden och att investerare agerar rationellt. Vidare diskuterar Fama tre förutsättningar som måste till på en marknad för att den ska kvalificera sig som effektiv.
- Vid handel av värdepapper ska inga transaktionskostnader finnas med. - Samtliga aktörer på marknaden ska ha tillgång till all information gratis. - Det ska råda en samsyn på vad informationen har för inverkan på priset
och värdepappret
(Fama, 1970, s. 383-387)
I teorin är dessa förutsättningar väldigt klara och tydliga, men det speglar inte den fulla verkligheten av hur marknaden fungerar i praktiken. Marknadsfriktioner såsom transaktionskostnader, skatter och blankningar kommer alltid att uppstå på marknaden. Även insiderinformation är något som är svårt att undgå. Trots detta menar Fama att dessa förutsättningar endast behöver vara uppfyllda till en viss del för att en marknad ska vara effektiv. Ett exempel som Fama tar upp är att marknaden fortfarande kan vara effektiv trots att alla aktörer på marknaden inte har tillgång till all information. Så länge det inte finns aktörer som kontinuerligt gör bättre utvärderingar av den tillgängliga informationen räcker det med att majoriteten av aktörerna på marknaden handlar efter all tillgänglig information för att en akties pris ska vara korrekt prissatt (Fama, 1970, s. 387-388).
Fama (1970, s. 383-384) menar att marknadseffektivitet delas in i tre olika nivåer beroende på hur stark marknadseffektiviteten är. Den svaga formen av marknadseffektivitet innebär att det inte går att förutspå framtida priser utifrån historiska mönster eftersom aktiepriser är oberoende av varandra. Detta leder till att det inte finns någon lönsamhet i att ta beslut utifrån hur en akties prismönster tidigare har sett ut. Detta kallas att aktiepriser följer en random walk. En semi-stark marknadseffektivitet innebär att all offentlig tillgänglig information reflekteras i en akties pris och är tillgänglig för investerare. Om en semi-stark marknadseffektivitet råder på marknaden kommer aktiepriset att justeras när informationen blir offentlig. En stark form av marknadseffektivitet innebär att all information, både offentlig och icke offentlig information är inprisad i aktiekursen. Detta leder till att det inte finns någon informationsassymmetri då varken investerare eller insiders sitter ensamt på någon ytterligare information. Fama påpekar däremot att det är svårt att mäta hur väl en stark marknadseffektivitet uppfylls.
Det som vi är intresserad av är den svaga formen av marknadseffektivitet eftersom den skulle kunna hjälpa till att förklara det resultat vi får fram i studien. Nedan presenteras den svaga formen av marknadseffektivitet på ett djupare plan.
2.1.1 Random Walk Hypotesen
Random walk hypotesen är en teori som är kopplad till den svaga formen av marknadseffektivitet. Här diskuterar Fama (1970, s. 386) att de prisförändringar som sker är oberoende av varandra och på så vis följer ett slumpmässigt mönster, vilket innebär att de är identiskt fördelade mellan positiva och negativa förändringar. Då prisförändringarna anses vara slumpmässiga och omöjliga att förutspå säger man att priserna följer en random walk. Vidare menar Fama (1990, s. 76) att om marknader är effektiva kommer en akties pris snabbt att justeras när ny information flödar ut på marknaden. I verkligheten kan det däremot uppstå brus och andra oklarheter i exempelvis ett pressmeddelande vilket gör att priset kan stiga över eller under sitt verkliga värde under en kortare tidsperiod innan priset stabiliseras. Om en svag marknadseffektivitet uppfylls kommer inte historiska prisrörelser säga något om framtida prisrörelser. Att förutse dessa framtida fluktuationer i priset menar Fama är lika oberäkneligt som en serie av slumpmässiga siffror. Detta gör att en buy-and-hold strategi kommer vara minst lika lönsam som andra komplexa investeringsstrategier.
Vi anser att denna teori är viktig och relevant att ha med då den helt motsäger funktionen av teknisk analys, detta eftersom random walk hypotesen säger att det inte går att förutspå framtida kursrörelser utifrån tidigare aktiepriser. Om aktiepriser följer en random walk borde en användning av glidande medelvärde inte kunna skapa en överavkastning på börsen.
2.2 Behavioural Finance
Ricciardi & Simon (2001, s. 1) beskriver att behavioural finance är ett teori som har växt de senaste årtiondena då större förståelse har fåtts för hur psykologin är invävd i de finansiella marknaderna. Trots ett större fokus på senare år har forskning och studier genomförts sedan långt tid tillbaka som kan kopplas till behavioral finance. Redan 1841 skrev Charles Mackay sin bok “Extraordinary Popular Delusions And The Madness Of Crowds” som beskriver människors flockbeteenden, vilket kan appliceras på finansiella marknader idag. Ett annat exempel på att behavioural finance går långt bak i tiden är George Charles Seldens bok “Psychology Of The Stock Market”. Den boken publicerades 1912 och beskriver psykologin som sker på aktiemarknaden.
Det finns många definitioner och tolkningar inom behavioural finance och dess innebörd. En tolkning av behavioural finance är att det är en blandning av psykologi, sociologi och finans. Behavioural finance försöker förklara och öka förståelsen för det handlingsmönster investerare har, exempelvis hur investeringsbeslut påverkas av känslor. Inom behavioural finance studeras även finansiella marknader för att skapa en förståelse för avvikelser som sker på aktiemarknaderna. Ett exempel på det är internetbubblan som skapade en krasch på aktiemarknaden under 2000-talet där de höga värderingarna kan förstärkts av psykologiska faktorer (Ricciardi & Simon, 2001, s. 1-3). En annan känd ekonom som har varit aktiv inom Behavioural Finance är Hersh Shefrin. I boken “Beyond Greed and Fear som är skriven av Shefrin (2000, refererad i Ricciardi & Simon, 2001, s. 3) beskrivs interaktionen mellan psykologi och finansiella handlingar och utförandet av dessa handlingar. Shefrin menar på att investerare
tenderar att göra misstag i sitt omdöme när de gör ett investeringsbeslut, samt att en investerares misstag kan komma att bli en annan investerares vinst.
Ett gren inom behavioural finance som vi anser är relevant till studien är begreppet herding, vilket även kallas flockbeteende. Flockbeteende beskriver ett fenomen där individer väljer att följa andra individers beslut och imitera ett gruppbeteende istället för att själv ta ett oberoende beslut. Detta är något som har en påverkan på finansiella marknader då människor tenderar att använda sig av flockbeteende vid perioder fyllda av osäkerhet. I perioder med stor osäkerhet är det svårt att veta vilket beslut som är det bästa, vilket leder till att investerare följer flockens beteende för att undvika misstag (Baddeley, 2010, s. 285). Inom finansiella marknader beskrivs herding som ett beteende där en aktie köps baserat på om aktien har ett momentum medan de klassiska ekonomiska principerna om utbud och efterfrågan ignoreras. Detta är något som kan ha bidragit till den internetbubbla som sprack på 2000 där de flesta internet aktier sjönk runt 70% på ett år (Ricciardi & Simon, 2001, s. 2)
2.2.1 Prospect Theory
Prospect theory är en teori skapad av psykologerna Daniel Kahneman och Amos Tversky. Teorin grundades genom att Kahneman och Tversky riktade kritik mot utility theory, vilket är en ekonomisk teori som handlar om människors rationella beslutsfattande. Utility theory var länge en allmän accepterad ekonomisk teori som applicerades på finansiella marknader. Kahneman och Tversky upptäckte däremot att det fanns brister i denna teori. Detta illustrerades med ett enkelt exempel där investerare har två olika alternativ. Alternativ 1 innebär att investeraren har 50% chans att få 1000 kr och 50% chans att sluta upp med 0 kr. Alternativ 2 innebär att investeraren får 450 kr med 100% säkerhet. Enligt utility theory agerar investerare rationellt för att uppnå den maximala nyttan, men resultatet av denna studie indikerade något annat. Det visade sig att 82% av de som var med i studien valde alternativ 2, trots att den förväntade nyttan var större i alternativ 1. Resultatet kom att ligga till grund för Kahnemans och Tverskys prospect theory (Kahneman & Tversky, 1979, s. 263-264).
Prospect theory inom behavioural finance beskriver hur investerare utifrån sina egna preferenser går igenom två olika faser vid val mellan olika riskfyllda alternativ. Första fasen är att investerare försöker bryta ned de olika alternativen till potentiella vinster och förluster. Värderingen som sker i denna fas kommer ändras om situationen eller förhållandena för investeraren ändras, vilket gör att investerare hela tiden måste göra nya utvärderingar av alternativen. I fas två tvingas sen investeraren välja mellan dessa olika alternativ som den själv har kommit fram till. Valet baseras dels på det upplevda värdet av varje utfall, samt på sannolikheten för utfallen. Dessa två val kombineras sedan med varandra och det utfall som har det högsta kombinerade värdet är det utfall som investeraren kommer att välja. Det som Kahneman och Tversky upptäckte var att när investerare fattar dessa beslut agerar investerare inte rationellt. Resultatet visade att förluster generellt sett väger tyngre än vinster vilket kan beskrivas i värdefunktionen nedan. För en rationell investerare bör en jämlik förlust och vinst väga lika mycket och visa på en rät linje i värdefunktionen, men detta var något som Kahneman och Tverskys studie inte kom fram till (Kahneman & Tversky, 1979, s. 274-279)
Figur 1. En hypotetisk värdefunktion mellan förluster och vinster. (Frazzini, 2006, s.2020). Egen figur
Något som prospect theory har bidragit till är att den kan hjälpa till att förklara hur människor agerar vid handel av tillgångar. Prospect theory hjälper exempelvis till att förklara den dispositionseffekt som uppstår. Det innebär att investerare tenderar att hellre sälja aktier som har stigit i värde och behålla de aktier som har fallit i värde i hopp om att dessa aktier ska vända till en vinst. Detta kan leda till att det uppstår en förutsägbarhet i en akties avkastning (Frazzini, 2006, s. 2020). Om resultatet i vår studie visar på att en strategi med glidande medelvärden är mer lönsam än en buy-and-hold strategi skulle prospect theory kunna hjälpa till att förklara varför det är möjligt att skapa en överavkastning på marknaden.
2.3 Summering av valda teorier
Man skulle kunna argumentera för att teknisk analys bör presenteras i detta kapitel tillsammans med de teorier som har nämnts ovan. Vi ser däremot att teknisk analys är en analysmetod snarare än en teori eftersom teknisk analys innefattar glidande medelvärden som är den strategi vi kommer att undersöka i studien. Därför väljer vi att presentera teknisk analys i kapitel fem som behandlar studiens praktiska metod istället för att ta upp teknisk analys i detta kapitel.
Vi väljer att använda oss av de två huvudteorierna effektiva marknadshypotesen och behavioural finance i denna studie då de ger en övergripande bild på synen av att använda sig av teknisk analys på aktiemarknaden. Vi anser att dessa två teorier är de teorier som bäst kan hjälpa oss förklara det resultat vi får fram och ser inte att andra teorier hade kunnat bidra med en ännu bättre förklaringsgrad än vad dessa teorier ger oss. Eftersom effektiva marknader säger att teknisk analys inte går att applicera på aktiemarknaden är det relevant att ta med denna teori för att se om den stämmer överens med empirin som tas fram i studien. Om det visar sig att buy-and-hold är en mer lönsam handelsstrategi än glidande medelvärden talar det mycket för att den svenska mid cap marknaden är effektiv. Om det däremot visar sig att teknisk analys är lönsamt på den aktiemarknad som studeras kan behavioural finance hjälpa oss att förklara varför effektiva marknadshypotesen inte fungerar eftersom behavioural finance beskriver hur psykologin är invävd i de finansiella marknaderna och att investerare inte alltid agerar lika rationellt som i teorin. Därför anser vi att effektiva marknadshypotesen och behavioural finance är de mest passande huvudteorierna när glidande medelvärden ska ställas mot en buy-and-hold strategi på OMXS Mid Cap Index då de två huvudteorier står på var sin sida när det kommer till teknisk analys.
3. TIDIGARE STUDIER
3.1 Performance of technical trading rules: Evidence from asian stock markets. Tharavanij et al., 2015.
I en studie av Tharavanij et al. (2015) studeras lönsamheten av att använda sig utav metoder inom teknisk analys på asiatiska aktiemarknader. Studien jämför metoder inom teknisk analys mot en buy-and-hold strategi på aktieindex i länder som Thailand, Malaysia, Singapore, Indonesien och Filippinerna mellan åren 2000-2013. De tekniska analysmetoder som används är glidande medelvärde, RSI och DMI. RSI visar på köp- och säljsignaler beroende på om en aktie visar sig vara överköpt eller översåld. DMI används som en trendindikator vilket visar på om en aktie är i en uppåt- eller nedåtgående trend.
Tharavanij et al. (2015) ställer upp hypoteser för att besvara om den dagliga avkastningen för de olika tekniska analysmetoderna skiljer sig från den dagliga avkastningen från en buy-and-hold strategi på de olika aktiemarknaderna. De empiriska resultaten i studien varierar för de olika aktiemarknaderna. Den thailändska aktiemarknaden visar ett signifikant resultat på 5% signifikansnivå för alla tekniska analysmetoder, vilket innebär att handelsstrategier baserade på glidande medelvärden, RSI och DMI presterar bättre än en buy-and-hold strategi på den thailändska marknaden. På den singaporianska marknaden är resultaten de motsatta. Där visar inga tekniska analysmetoder signifikanta resultat. På de övriga marknaderna är resultaten varierande för de olika metoderna. Något som är intressant i denna studie är att glidande medelvärden ger ett signifikant resultat på alla marknader när transaktionskostnader exkluderas. När transaktionskostnader inkluderas blir däremot resultaten annorlunda. Då är det få tekniska analysmetoder som genererar ett signifikant resultat.
En insikt som denna studie tar upp är att tekniska indikatorer inte är mycket till hjälp när det kommer till att tajma marknaden. Det visar sig vara svårt att hitta optimala köp- och säljtillfällen enbart genom att använda sig av teknisk analys. Studien visar däremot att teknisk analys kan vara till stor hjälp när det kommer till att fånga upp det mänskliga beteendet som återspeglas i kursrörelserna. En annan insikt är att strategier inom teknisk analys som exempelvis glidande medelvärden hjälper till att motverka dispositionseffekten som uppstår eftersom investerare tenderar att hålla kvar förlorande aktier och sälja av vinnande aktier för tidigt. Med hjälp av glidande medelvärden kan man fortsätta äga vinnande aktier medan man i ett tidigt skede tar förlusten i de aktier som har en nedåtgående trend. En sista insikt i denna studie är att lönsamma tekniska analysstrategier inte genererar avkastning av att gissa vilket håll marknaden kommer att röra sig, utan genom att maximera de genomsnittliga vinsterna och minimera de genomsnittliga förlusterna. Något som däremot tas upp är att man endast använder några få tekniska analysmetoder, vilket gör att detta resultat inte kan generaliseras för alla tekniska analysmetoder (Tharavanij et al., 2015)
3.2 Profitability of simple technical trading rules of Chinese stock exchange indexes. Jiang et al., 2015.
I denna studie undersöks lönsamheten av teknisk analys på Shanghais aktiemarknadsindex under perioden 1992-2013. Studien vill även undersöka om det är möjligt att förutse prisrörelser i aktieindexet. Metoder som används i studien är glidande medelvärden samt handel på stödnivåer. Vid användning av glidande medelvärden justeras formeln så att en köpsignal signaleras när det kortare glidande medelvärdet passerar det längre glidande medelvärdet med en viss procent för att vara mer säker på att aktien är i en tydlig trend. Denna justering genomförs även för att minska antalet köp- och säljsignaler vilket medför att mindre transaktionskostnader kommer att uppstå i praktiken. För att analysera lönsamheten av de tekniska analysmetoderna används t-test.
Resultaten visar att handel på stödnivåer är signifikanta och slår en buy-and-hold strategi på Shanghais aktieindex under perioden 1992-2013 när man inte tar hänsyn till transaktionskostnader. När transaktionskostnader inkluderas visar sig handel på stödnivåer inte vara lönsamt. Resultatet visar också på att det inte finns något stöd för att glidande medelvärden kan slå en buy-and-hold strategi, även då transaktionskostnader tas ur bilden.
3.3 Stock market trading rule based on pattern recognition and technical analysis: Forecasting the DJIA index with intraday data. Cervello-Royo et al., 2015.
I en studie genomförd av Cervello-Royo et al. (2015) presenteras empiriska bevis som konfronterar den effektiva marknadshypotesen. I denna studie används teknisk analys på amerikanska Dow Jones index, tyska DAX index samt det brittiska FTSE. Här studeras candlesticks observationer mellan åren 2000-2013 för att undersöka om man kan skapa en högre avkastning än index under dessa år. Candlesticks används för att kunna observera de dagliga stängningskurserna samt för att se hur kursrörelserna har sett ut under dagen. Som teknisk analysmetod används flaggmönster, vilket innebär att köp- och säljsignaler visar sig när indexet bryter ut från konsolideringar. Detta illustreras nedan.
Figur 2. Köpsignal. Egen figur Figur 3. Säljsignal. Egen figur Även stopp-lossar används för att hämta hem vinster och ta förluster när indexet når en viss nivå.
Dessa strategier visar sig vara lönsamma då avkastningen som genereras är högre gentemot respektive index för tidsperioden 2000-2013. Överavkastningen för DAX och brittiska FTSE var till och med större än den överavkastning som skapades mot Dow Jones. Något som Cervello-Royo et al. (2015) påpekar är att resultatet inte kan
generaliseras för fler index i Europa och USA då denna studie har ett för litet urval. De empiriska resultaten i studien motbevisar Eugene Famas teori om en svag effektiv marknad. Något som inte tas hänsyn till i denna studie är transaktionskostnaderna som uppstår vid samtliga köp- och säljtillfällen.
3.4 Is the Swedish stock market efficient? Evidence from some simple trading rules. Metghalchi et al., 2007.
Metghalchi et al. (2007) undersöker den svaga formen av marknadseffektivitet på den Svenska aktiemarknaden mellan åren 1986-2004. Studien utgår från Fama (1970), som hävdar att priset på en aktie speglar all tillgänglig information och att priserna följer ett slumpmässigt mönster. Något som påpekas i studien är att Famas teori om effektiva marknader inte är lika aktuell 2007 som den var för 37 år sedan då mycket har skett inom både digitaliseringen och aktiehandeln. Exempelvis är transaktionskostnaderna betydligt lägre idag vilket möjliggör att fler transaktioner kan göras utan att det påverkar lönsamheten i samma utsträckning. Metghalchi et al. (2007) använder sig av glidande medelvärden inom teknisk analys för att försöka förstå och sätta ljus på den motstridighet som finns mot teknisk analys. Studien undersöker huruvida teknisk analys kan förutse prisförändringar på aktier. I undersökningen används tre stycken olika glidande medelvärden under en tidsperiod mellan åren 1986-2004.
Resultatet visar på att glidande medelvärden har en förmåga att förutse och urskilja mönster för lönsam aktiehandel, vilket medför att glidande medelvärden överträffar en buy-and-hold under den studerade tidsperioden. Studien visar även att när transaktionskostnaderna tas med är det några av de glidande medelvärden som ger en högre avkastning än en buy-and-hold strategi. I och med detta resultat konstaterar Metghalchi et al. (2007) att den svenska aktiemarknaden inte uppfyller en svag form av marknadseffektivitet då tekniska analysmetoder kan skapa en överavkastning mot marknaden.
3.5 Performance of moving average trading strategies over varying stock market conditions: the Finnish evidence. Pätäri & Vilska, 2014
I studien av Pätäri & Vilska (2014) testas lönsamheten av glidande medelvärden på den finska aktiemarknaden mellan perioden 1996 till 2012. I denna studie används glidande medelvärden på samtliga individuella aktier som tillhör OMX Helsinki 25 index, för att sedan jämföras mot den totala avkastningen som indexet ger under samma tidsperiod. Motiveringen till att genomföra studien på det här viset är att volatiliteten är högre för enskilda aktier än för indexet som aktierna är med i, vilket kan leda till större vinstmöjligheter vid användning av glidande medelvärden. De glidande medelvärden som används i denna studie sträcker sig från MA1/20 till MA50/200. I studien delas även den totala perioden in i delperioder beroende på om det är en tjur- eller björnmarknad. En tjurmarknad innebär att aktiemarknaden rör sig i en uppåtgående trend medan en björnmarknad innebär att aktiemarknaden befinner sig i en nedåtgående trend. Detta genomförs för att se om glidande medelvärden presterar olika om börsen rör sig uppåt eller nedåt. Definitionen av en tjur- eller björnmarknad i denna studie är att aktiemarknaden måste befinna sig i en uppåt- eller nedåtgående trend i minst ett år.
Resultatet av studien visar att majoriteten av de använda glidande medelvärden överträffar en buy-and-hold strategi över den studerade tidsperioden. De kortare glidande medelvärdena visar på en större andel signifikanta resultat och presterar
bättre än längre glidande medelvärdena. Däremot utlöser de kortare fler köp- och säljtillfällen vilket ökar transaktionskostnaderna. Trots dessa transaktionskostnader ger de korta glidande medelvärdena en stor andel signifikanta resultat då de överträffar avkastningen från en buy-and-hold strategi. Något intressant med denna studie är att den visar på att glidande medelvärden presterar olika beroende på om marknaden befinner sig i en tjur eller björnmarknad. Glidande medelvärden presterade bättre i perioder där aktiemarknaden befinner sig i en björnmarknad än när aktiemarknaden är i en tjurmarknad. Detta beror på att i en björnmarknad hinner positionen säljas av medan aktiemarknaden fortsätter att gå ned, vilket gör att negativa avkastning undviks under denna period.
3.6 Efficient market hypothesis in European stock markets. Borges, 2010. Borges (2010) undersöker den svaga formen av effektiva marknader på Europeiska aktiemarknader. Aktiemarknader som studeras är aktieindex från Storbritannien, Tyskland, Frankrike, Spanien, Grekland och Portugal under tidsperioden 1993-2007. I studien används ett runs test för att se om aktiepriser följer en random walk. I ett runs test tittar man på om förändringar i aktiepriserna är oberoende av varandra eller om det finns en korrelation mellan stängningskurserna på en daglig och veckolig basis. Om förändringar i aktiepriser är oberoende av varandra antas aktiemarknaden uppfylla en svag form av marknadseffektivitet. Även ett varianstest på aktiepriser genomförs för att stärka resultatet.
Resultaten från studien visar sig vara varierande. I Portugal, Grekland och Frankrike ger runs test en positiv korrelation både på daglig och veckolig basis, vilket innebär att framtida avkastning kan förutses från tidigare avkastning. Detta styrker bevisen mot effektiva marknader i dessa länder. I Tyskland, Storbritannien och Spanien visar runs test inget signifikant resultat på 1% signifikansnivå. Varianstestet på aktiepriser visar att det går att förutspå framtida prisrörelser på Portugisiska och Grekiska aktiemarknaden. Resultatet var däremot inte signifikant nog för att kunna förkastas för de övriga ländernas aktiemarknad. Det innebär att de övriga aktiemarknaderna inte anses uppfylla den svaga formen av marknadseffektivitet då successiva aktiepriser antas vara oberoende av varandra.
När resultatet jämförs med resultatet från tidigare studier visade sig resultaten vara olika trots att det är samma marknader som undersökts. Utifrån detta belyser Borges, (2010) betydelsen av att ta med många replikerande studier när en undersökning genomförs för att på så sätt kunna stärka sin hypotes. Borges menar även att marknadseffektiviteten är något som ändras över tid. Det är därför viktigt att inte förlita sig fullt ut på studier som sträcker sig alltför långt bak i tiden.
3.7 Summering av tidigare studier
Som kapitlet visar på har en mängd tidigare studier genomförts inom området för att se om strategier inom teknisk analys historiskt sett har varit mer lönsamma än
buy-and-hold vid investering av kapital. Som de tidigare studierna visar finns det skiljaktiga resultat beroende på vilka marknader som har undersökts och under vilka tidsperioder. Eftersom resultatet från tidigare studier skiljer sig åt anser vi att det finns utrymme för vidare forskning inom området. När studiens resultat analyseras kommer vi att återkomma till vad tidigare studier kommit fram till för att diskutera eventuella likheter och skillnader med resultatet från vår studie.
4. TEORETISK METOD
4.1 Ämnesval och förförståelse
Att skriva inom företagsekonomi grundar sig först och främst i valet av utbildning då båda författarna studerar civilekonomprogrammet på Umeå Universitet. Under programmets gång har kurser lästs inom finans på c-nivå och d-nivå. Många områden har berörts under dessa finanskurser. Exempel på områden är banker, risk, obligationer och fundamental analys. Teknisk analys är däremot något som inte har varit i fokus under finanskurserna. Vi kände därför att detta är ett intressant område att gå in djupare på och analysera. När vi tittade på tidigare forskning inom området kunde vi se att det fanns skiljaktiga meningar kring området, vilket ledde till att vi ville studera detta ytterligare. Då det finns en mängd olika verktyg inom teknisk analys gjorde vi valet att smalna av det och fokusera på ett enskilt verktyg. Det finns flera anledningar till att valet föll på glidande medelvärden. Dels är det en metod som vi båda är bekant med sedan tidigare, Det är också ett flitigt använt verktyg inom teknisk analys vilket styrker att det är en strategin som är relevant att undersöka (Nilsson & Torssell, 2000, s. 112., Ekonomifokus, 2018). Det är även enkelt för både personer som arbetar med placeringar samt vanliga privatsparare att applicera strategin då det inte krävs någon specifik kunskap om företaget eller indexet som undersöks, utan det räcker att endast titta på stängningskurserna.
Under studietiden har grundläggande kunskaper skaffats inom främst företagsekonomi, men även inom nationalekonomi, statistik och juridik. Vi har även ett intresse för aktier och sparande, vilket är till fördel vid genomförandet av denna studie. Det kommer finnas en eftersträvan att vara objektiv i studien. Däremot finns det en förståelse av att en studie är svår att utföra helt utan subjektivitet. Mårtensson & Nilstun (1988, s. 27) belyser exempelvis svårigheten att genomföra en helt objektiv studie då en forskares värderingar är något som kan speglas i texten, utan att forskaren har det i åtanke.
4.2 Forskningsfilosofi
I detta delkapitel beskrivs uppsatsens forskningsfilosofi. Forskningsfilosofin i en uppsats är av stor vikt då den visar på reflektion av hur kunskapen och verkligheten är formad. Här kommer studiens ontologiska och epistemologiska inriktning att förklaras, samt vilket synsätt studien har på inom respektive område.
4.2.1 Ontologisk inriktning
Enligt Saunders et al. (2009, s. 108-110) handlar det ontologiska antagandet om läran om vad som existerar samt hur vi ser på verkligheten och hur detta kan påverka vilka val, strategier och metoder som har använts. Bryman & Bell (2017, s. 52-54) förklarar att det finns en delad syn inom ontologi. Den första synen kallas för subjektivism som säger att sociala entiteter ska ses som en konstruktion av de olika aktörernas uppfattningar av samhället. Den subjektiva synen innebär att vi ser på verkligen på ett
subjektivt sätt, vilket leder till att information och omständigheter är något som är påverkade av våra egna uppfattningar och värderingar. En subjektivistisk inriktning kan exempelvis leda till att resultaten i en studie påverkas av forskarens förutfattade meningar.
Enligt Bryman & Bell (2017, s. 52-54) kallas den andra synen för objektivism vilket innebär att entiteter ska betraktas som objektiva och vara opåverkade av författarnas uppfattningar. Den objektiva synen kännetecknas av att omständigheter och information kan ses som företeelser som vi inte kan styra över. Det skulle exempelvis innebära att forskaren har svårt att påverka det datamaterial som tagits fram i resultatet då detta är information som inte går att påverka. Bryman & Bell argumenterar vidare att människor är bundna av regler som kontrollerar och begränsar våra handlingar i en given miljö, till exempel i en organisation.
I denna studie kommer en objektiv inriktning vara i fokus då stängningskurser för OMX Mid Cap Index kommer att granskas för varje dag. Denna information anses inte vara påverkningsbar eftersom datat är baserat på ren fakta av historiska stängningskurser. Men som tidigare nämnt belyser Mårtensson & Nilstun (1988, s. 27) svårigheten att förhålla sig objektivt till något. Även Ejvegård (2009, s. 19) pratar om svårigheten att undvika sina förutfattade meningar i forskningen. Trots detta är en objektiv inriktning att föredra då statistiska test kommer att genomföras och där slutsatser kommer att dras utifrån resultaten och analysen. Om vi skulle ha ett subjektivt synsätt skulle vi göra egna tolkningar utifrån resultaten från de statistiska testen, vilket går emot anledningen till att använda sig att ett sådant test då vi antingen kommer att förkasta eller inte förkasta de nollhypoteser som ställs upp.
4.2.2 Epistemologisk inriktning
Epistemologi är ett annat ord för kunskapssyn, vilket innebär vad forskaren anser vara accepterad kunskap inom det område som ska undersökas. Det finns två olika synsätt att utgå ifrån inom epistemologin, vilka är positivism och interpretivism. Positivismen menar att allt är mer eller mindre kvantifierbart och att det endast är dessa kvantifierbara områden som är värda att undersöka. Inom positivismen grundas den sociala verkligheten utifrån verklighetssynen som används inom naturvetenskapen. Genom detta antagande anses vetenskapen vara objektiv och fri från subjektiva värderingar. Innehåll som inte kan stärkas genom riktig fakta ska därför i avseendet inte tas med (Bryman & Bell, 2017, s. 47–49). Inom interpretivism är det mer intressant att undersöka de underliggande faktorerna som bestämmer den kvantifierbara variabeln (Saunders et al., 2009, s. 112-113). Interpretivismen fungerar som ett alternativ till positivism och ställer sig frågande till varför den sociala verkligheten ska baseras på endast naturvetenskapliga grunder. Forskare har inom interpretivismen ett samhällsvetenskapligt förhållningssätt och hävdar att kunskap inte kan erhållas om komplexa sociala interaktioner förenklas till objektiva generaliseringar. Inom interpretivismen krävs en större förståelse med utrymme för tolkningar än att bara förutsätta ett rent objektivt synsätt (Bryman & Bell, 2017, s. 49–51). Här bör hänsyn tas till den sociala verklighet som en individ befinner sig i för att se saker ur deras perspektiv (Saunders et al. 2009, s. 114).
Efter att ha bearbetat de två olika synsätten inom epistemologi har vi tagit ett positivistiskt ställningstagande i denna studie. Vi gör detta då vi i denna studien undersöker ett fenomen som innefattar data vilket analyseras genom statistiska
metoder. Anledningen till ett positivistiskt ställningstagande styrks även av att vi vill vara objektiva i denna studie.
4.3 Forskningsmetod
Saunders et al. (2009, s. 151) menar att det finns två huvudsakliga forskningsmetoder, vilka är kvantitativ och kvalitativ metod. Inom kvantitativ metod samlas kvantifierbar data in som kan användas för att dra slutsatser om det studerade området. Enligt Campbell & Stanley (1963, s. 2-4) har kvantitativa studier historiskt sett haft ett positivistiskt perspektiv på sina studier. Mer aktuella kvantitativa studier menar Saunders et al. (2009, s. 151) fokuserar på att testa variabler genom att använda sig av komplexa modeller för att finna svar på det som ska undersökas. I en kvantitativ forskningsansats menar Bryman & Bell (2017, s. 58-59) att en deduktivt tillvägagångssätt används. Detta skiljer sig i jämförelse med en kvalitativ metod där forskaren har ett induktivt tillvägagångssätt för att hitta ett samband mellan teori och forskning, där målet ofta är att generera nya teorier. Bryman & Bell (2017, s. 49–51) beskriver vidare att kvalitativ forskning ofta har ett samhällsvetenskapligt synsätt med ett mer subjektivt utrymme för tolkningar genom ord, löpande text och icke-numerisk data vid insamling och granskning av data. Målet är här att finna en djupare förståelse på det som undersöks
Med vår syn på ontologi och epistemologi finner vi att en kvantitativ metod passar bäst att använda i denna studie. Detta eftersom att historisk data kommer att användas som visar på stängningskurserna från OMX Mid Cap Index, samt att objektiva slutsatser kommer dras utifrån vad resultatet från datat visar. Tanken är också att resultaten ska kunna generaliseras för alla mid cap bolag på Stockholmsbörsen. Som Bryman & Bell (2017, s. 58-59) påpekar är en kvantitativ metod mer passade vid analys av olika tidsperioder där data samlas in som går att mäta och tolka i sifferform, vilket stämmer bra överens med denna studie. Fördelen med att använda sig av en kvantitativ metod är att vi kommer få ett tydligt resultat huruvida det finns en signifikant skillnad i avkastning av att använda sig av glidande medelvärden jämfört med en buy-and-hold strategi. Om utgångspunkten hade varit en kvalitativ metod där vi försöker tolka och skapa förståelse av ett fenomen skulle vi ha svårt att kunna dra en slutsats som kan besvara vårt syfte. Nackdelen att använda sig av en kvantitativ metod kan vara att man inte får svar på varför det finns en skillnad i resultatet. Det är däremot något som en kvalitativ metod skulle kunna hjälpa till att besvara.
4.4 Forskningsansats
I denna studie har vi utgått från teorier och tidigare forskning för att sedan ställa upp egna hypoteser som vi ska testa empiriskt. De teorier som används är effektiva marknadshypotesen, random walk theory, behavioural finance samt prospect theory. Dessa teorier används för att förstå hur marknadsrörelser beter sig och huruvida dessa rörelser är förutsägbara, vilket hjälper oss att svara på studiens syfte gällande om glidande medelvärden är en lönsammare handelsstrategi än en buy-and-hold strategi på Sveriges Mid Cap Index. Forskningsansatsen i vår studie stämmer bra överens med en deduktiv ansats. MacIntosh & O’Gorman (2015, s. 54) beskriver att en deduktiv ansats utgår från befintliga teorier som sedan testas genom empiriska observationer för att komma fram till hur verkligheten bör fungera.
Figur 4. Deduktiva forskningsprocessen. (MacIntosh & O’Gorman, 2015, s. 54) Egen figur.
Om vi inte skulle använda oss av en deduktiv ansats i studien är alternativet en induktiv ansats, vilket innebär att man utgår från empiriska fenomen eller situationer för att sedan dra slutsatser och generera nya teorier. Detta skulle inte vara lämpligt i denna studie då vi har en kvantitativ metod där vi vill ta hjälp av existerande studier och teorier för att generera vår slutsats, och inte tvärtom. Därför anser vi att en deduktiv ansats är det bästa alternativet för denna studie.
4.5 Litteratursökning
Då en deduktiv ansats kommer att appliceras används litteratur till att ta fram teorier, artiklar, samt böcker som kan vara till hjälp för att besvara syftet med studien. För att finna litteratur kopplat till vårt forskningsområde har vi använt oss av flertalet olika källor som exempelvis Umeå Universitetsbibliotek, DiVA och Google Scholar. I litteratursökningen har ett antal nyckelord använts, vilket har varit till hjälp för att hitta relevanta artiklar och tidigare studier.
De nyckelord som använts är: ● teknisk analys ● glidande medelvärde ● aktiemarknaden ● effektiva marknader ● behavioural finance ● random walk ● prospect theory.
Eftersom syftet med denna studie bygger på att jämföra om en handelsstrategi baserat på glidande medelvärde kan vara mer lönsam än en buy-and-hold strategi använder vi oss av teorier kopplade till aktiemarknaden. Även tidigare studier har använts, vilka har visat både signifikanta och icke signifikanta resultat när teknisk analys applicerats på aktiemarknaden. De tudelade meningar som finns kring teknisk analys har gjort att vi i litteratursökningen letat efter teorier som kan hjälpa till att förklara de resultat studien kommer att ge oss. Detta anser vi är viktigt för att öka studiens trovärdighet.