Post-earnings-announcement drift på Stockholmsbörsen: En studie med prisbaserad modell

Post-Earnings-Announcement

Drift på Stockholmsbörsen -

En studie med prisbaserad modell

Kandidatuppsats 15 hp

Företagsekonomiska institutionen

Uppsala universitet

HT 2019

Datum för inlämning: 2020-01-16

Aron Andersson

Olle Ohlsson Björck

Sammandrag

Post-earnings-announcement drift är en anomali på finansmarknaden vilken indikerar en drift i aktiepriset i samma riktning som överraskningen från kvartalsrapport anger. Denna studie undersöker ifall driften existerar på Stockholmsbörsen. Med hjälp av en prisbaserad modell påvisas en signifikant positiv drift för de aktier vars vinstöverraskning ligger bland de högsta decilerna åren 2013–2018 mätt under 10- och 30-handelsdagar. En lång position i de högsta decilerna visa på en årlig kumulativ abnormal avkastning (CAR) om 26,98% (10 handelsdagar), samt 22,79% (30 handelsdagar). Studien finner däremot inga signifikanta resultat för den negativa driften i de lägre decilerna. Den positiva PEAD-reaktionen korrelerar med styrkan som en rapportsignal ger. En större överraskning vid rapporten, ger högre drift kommande period.

Nyckelord: abnormal avkastning, marknadsanomalier, prisbaserad modell,

Innehållsförteckning

1. Introduktion 2

1.1 Syfte 2

2. Teori och tidigare forskning 3

2.1 Potentiella förklaringar till uppkomsten av PEAD 6

3. Data och metod 7

3.1 Data 7

3.2 Vinstöverraskning 7

3.3 Abnormal avkastning 8

3.4 Eventfönster 9

3.5 Deciler 10

3.6 Beräkningar och modeller 11

4. Resultat 13

4.1 CAR över 10 handelsdagar 13

4.2 CAR över 30 handelsdagar 14

4.3 Analys 15 5. Diskussion 16 5.1 Risk 18 5.2 Survivor-bias 18 5.3 Framtida forskning 19 6. Slutsats 19 Referenser 20

1. Introduktion

Sedan Fama (1970) presenterade sin hypotes om den effektiva marknaden har senare forskning identifierat olika typer av anomalier på marknaden, vilka motsäger den effektiva marknadshypotesen. Att identifiera dessa anomalier är av stort intresse för investerare då de kan utnyttjas för att erhålla överavkastning. Enligt tidigare studier (Ball & Brown 1968; Bernard & Thomas, 1989) existerar det på vissa marknader en post-earnings-announcement drift (PEAD). Detta är en marknadsanomali som visar att aktiepriset fortsätter röra sig i riktningen av en vinstöverraskning under en period efter en finansiell rapport har släppts (Kothari, 2001). Medför rapporten en positiv vinstöverraskning, fortsätter vanligtvis aktiens prisutveckling i samma riktning, samt vice versa för en negativ vinstöverraskning. Är denna avkastning större än vad jämförbar marknad presterar anses den vara abnormal (Chordia et al, 2009). Setterberg (2011) belyser att nivån av PEAD som kan identifieras till stor grad beror på tillvägagångssättet för mätningen av förväntad vinst. I tidigare studier har en mängd olika modeller använts för att estimera detta. Foster et al (1984) använder en prisbaserad modell, vilken fångar upp vinstöverraskningen genom att studera den faktiska reaktionen på aktiepriset vid ett rapportdatum, och ställer det mot motsvarande marknad. Detta tillvägagångssätt motiveras med att den faktiska prisreaktionen bör fånga upp en stor del av de samlade förväntningarna som finns på bolaget inför en finansiell rapport, och inte enbart förväntningarna på själva vinsten. Vidare kringgår den prisbaserade modellen de avvikelser som estimat riskerar föra med sig. Till vår kännedom har ingen tidigare prisbaserad studie avhandlat PEAD på den svenska marknaden, går PEAD att identifiera på denna kan detta utnyttjas av investerare för att erhålla abnormal avkastning. Således avser denna studie ge svar på om detta är fallet.

1.1 Syfte

Syftet med denna studie är att undersöka om det med hjälp av en prisbaserad modell går att identifiera en post-earnings-announcement drift på Stockholmsbörsen de kommande perioderna om 10- respektive 30 handelsdagar efter att en kvartalsrapport presenterats.

2. Teori och tidigare forskning

PEAD identifieras redan 1968 av Ball & Brown (1968). I deras studie jämförs förändringar i bolags resultat mellan olika år samt förändringar i genomsnittsresultaten för alla bolag på marknaden. De genomsnittliga resultaten används sedan för att estimera det förväntade resultatet som i sin tur jämförs med det faktiskt rapporterade. Studiens resultat visar att bolag som överträffar förväntningar på sina finansiella rapporter tenderar att överavkasta marknaden den kommande perioden. De finner även att detsamma gäller omvänt; ett bolag som underpresterar gentemot förväntningarna som är ställda på rapporten tenderar att underprestera marknaden den kommande tiden (Ball & Brown, 1968).

Efter Ball & Browns resultat redovisats har flertalet studier utförts, vilka påvisar en drift på den långa positionen (Jones & Litzenberger, 1970; Forner et al, 2009), den korta positionen (Kallunki, 1996; Vieru et al, 2005), samt på både den långa och den korta positionen (Booth et

al, 1996; Hew et al, 1996; Dische, 2002; Booth et al, 2006).

Bernard & Thomas (1989) visar effekten hos amerikanska företags rapporterade kvartalsvinster perioden 1974–1986. De finner att en investeringsstrategi som involverar att ta en lång position i de företag som har den största positiva vinstöverraskningen, och en kort position i de företag som har den största negativa vinstöverraskningen, under en 60-dagarsperiod gav en abnormal avkastning på 4,2%, vilket omvandlas till ~18% på årsbasis. Även en förskjutning i marknadens reaktion identifieras, vilken visas hålla i sig i upp till 240 handelsdagar. Majoriteten av avkastningen uppkommer dock de första 60 (Bernard & Thomas, 1989).

Det finns därmed flertalet studier som stöder PEADs existens, men ser vi till deras metoder, uppdagas olikheter i hur detta påvisas. En påfallande skillnad i tidigare studier är tillvägagångssättet att mäta den förväntade vinsten. Enligt Livnat & Mendenhall (2006) använder majoriteten av PEAD-studier sig av tidsserie-modeller för att definiera den förväntade vinsten. Jones & Litzenberger (1970) använder sig av tidsserier genom att utgå från tidigare rapporterade kvartalsvinster och antar att de växer linjärt för att estimera den framtida kvartalsvinsten. Kallunki (1996) undersöker PEAD på den finska marknaden genom att estimera den förväntade vinsten med hjälp av en tidsseriemodell som jämför årets vinst med den från föregående år och sedan definierar avvikelsen som vinstöverraskning.

Studien av Livnat & Mendenhall (2006) visar på att den PEAD som identifieras är signifikant större om analytikers estimat istället används för att skatta den förväntade vinsten. Konsensusestimaten från analytikerna jämförs med de faktiskt rapporterade vinsterna för att avgöra om vinsten är oförväntad. Dische (2002) visar att en stor spridning i analytikerkårens estimat betyder att de framtida vinstestimaten är osäkra. Detta innebär att desto större enigheten är i analytikernas konsensus, desto tydligare blir PEAD. Likaså blir osäkerheten i de framtida vinsterna större om konsensusen är spretig, och PEAD blir då lägre (Dische, 2002; Francis et

al, 2007).

Dessa två tillvägagångssätt att definiera förväntad vinst lider dock var och en av sin egen problematik;

Att basera vinstöverraskningen på ett konsensusestimat blir direkt problematiskt då det kan skilja sig stort mellan förväntningarna hos analytiker och de faktiska investerarna. Enligt Axelsson (2019) är det i vissa fall väldigt få analytiker som täcker ett bolag. Risken är då att det blir en stor spridning i estimaten, vilket kan medföra en ännu större divergens mellan analytikerestimaten och den resterande marknadens förväntningar. Huruvida analytiker är kapabla till precisa prediktioner är dessutom något som kan diskuteras, vilket påvisas i studier som uppdagar en otillfredsställande tillförlitlighet för dessa (Easton & Sommers, 2007).

Att å andra sidan basera vinstöverraskningen på en tidsserie riskerar att ge en missvisande bild då dessa är statiska i sin natur. De kräver väldigt långa tidsspann för att exkludera den påverkan eventuella svängningar i marknaden som helhet riskerar ha på resultaten. Modeller med tidsserier riskerar följaktligen bli alltför mekaniska (Kmenta, 2015).

Då tidsserier och konsensusestimat för med sig dessa problem, söker vi ett alternativt metodsätt. Vi landar i att använda en prisbaserad modell för att identifiera vinstöverraskningar. Denna typ av modell används exempelvis i studier av Foster et al (1984) och Liu et al (2003). Tidigare studier av Beaver et al (1980) och Foster (1981) finner stöd för att aktiens prissättning innehåller central information när det gäller att estimera förväntningar på rapporter. Antaganden görs om att aktiepriset visar hela marknadens förväntan på aktiens värde och ger en helhetsbild över läget för bolaget. Den prisar in vilka förväntningar som finns på rapporten och visar med hjälp av avkastningen på rapportdagen hur dessa förväntningar motsvaras av rapporternas resultat. Därmed antas den direkta prisreaktionen också vara en bra proxy för att

beskriva avvikelser mellan förväntningar och utfall på rapporter då de förmodas inkludera hela marknadens förväntan.

I studien av Foster et al (1984) används den prisbaserade modellen med motiveringen att en akties utveckling och avkastning reflekterar en stor del av de förväntningar och den information som finns på och om bolaget. Liu et al (2003) menar att den ger en mer objektiv mätning av vinstöverraskningen och bör därmed fånga värderelevansen på ett bättre sätt. Modellen mäter en akties avkastning på eller runt rapportdagen och ställer det i relation till en marknadsproxy. Är reaktionen större är marknadens avkastning, sägs aktien ha reagerat avvikande och givit en abnormal avkastning. Foster et al (1984) mäter reaktionen under två perioder, varav en längre period som är 60 handelsdagar inför rapporten samt rapportdagen. Den långa perioden ger möjlighet att fånga in eventuell läckande rapportinformation inför rapporten i aktiens reaktion, men bär samtidigt med sig en nackdel; avkastningen riskerar att påverkas av andra händelser som inte hör till rapporten (Foster et al, 1984).

Liu et al (2003) mäter vinstöverraskningen med hjälp av alla tre tidigare presenterade metoder. Deras resultat visar att den prisbaserade modellen leder till den största driften i priset. Detta på grund av att den antas inkludera alla nyheter i kvartalsrapporten, och inte bara jämför med en förväntad vinst.

För att ge en överskådlig blick på tidigare forskning redovisas nedan ett urval av de studier som påvisat existensen av PEAD inom diverse marknader.

Tabell 1. Översikt tidigare forskning

Författare Marknad Tidsperi od Tidsspann Förväntad avkastning PEAD/år Lång position Kort position Jones & Litzenberger (1970)

USA 1962-1967 2 år Tidsserie 25,80% Positiv n/a

Foster et al (1984) USA 1974-1981 60d för/ 60d efter Tidsserie/ prisbaserad Stor variation, 0,46- ~30% Positiv Negativ Bernard & Thomas (1989)

USA 1974-1986 240 dagar Tidsserie 18% Positiv Negativ

Hew et al (1996)

Storbritannien 1989-1992 180 dagar Tidsserie 7,3% Positiv Negativ

Kallunki (1996) Finland 1990-1993 10 dagar Tidsserie Nästan

obefintlig

Ingen Negativ

Dische (2002) Tyskland 1987-2000 12 månader Analytikerkonsensus 12,7% Positiv Negativ Liu et al (2003) Storbritannien 1988-1998 3, 6, 9, och 12

månader Tidsserie/ analytikerkonsensus/ prisbaserad 29%, 29%, 27% och 26,7% Positiv n/a Setterberg (2007) Sverige 1990-2005 6 och 12 månader

2.1 Potentiella förklaringar till uppkomsten av PEAD

Varför PEAD uppstår har än så länge inte kunnat ges en definitiv rationell förklaring (Kothari, 2001), men det existerar ett flertal tankar kring frågan. En förklaring till förekomsten av PEAD kan vara att människor inte alltid agerar rationellt. Den effektiva marknadshypotesen förutsätter att investerare är rationella och kan tolka ny information på rätt sätt. Denna hypotes som antar att all ny information på marknaden direkt inkluderas i priset, står i kontrast till PEAD (Dongcheol & Myungsun, 2003). Driften i aktiepriset kan tolkas som en felprissättning på marknaden, vilket tyder på att marknaden inte är effektiv i den halvstarka formen (Setterberg, 2011). Tidigare studier förklarar PEADs förekomst med att marknaden är ineffektiv eftersom investerarna är irrationella och långsamma med att ta till sig ny information på grund av försiktighetsprinciper (Bernard & Thomas, 1990). Marknadsaktörer kan även vara långsamma med att bearbeta den nya informationen om de värderar äldre information högre än nyare (Setterberg, 2011). Hur aktörer på marknaden agerar skiljer sig mellan individer och påverkas av hur de bearbetar den information de har till handa. Hur information tolkas, och hur beslut tas utifrån dem, begränsas av individers kognitiva fördomar och begränsningar. Exempel på detta är över- och underoptimism, hybris, samt att låta sig påverkas av hur andra omkring sig agerar. Allt detta leder till över- och underreaktioner på information och som därefter återspeglas i över- och undervärderingar på aktiemarknaden (Kirkpatrick & Dahlquist, 2015).

En förklaring till varför PEAD tillåts fortleva på flera marknader, trots att fenomenet har varit identifierat sedan länge, kan vara de transaktionskostnader som investerare i verkligenheten är tvungna att betala. Courtage, aktielån, spreadar etc, gör att den reella avkastningen blir lägre och att det därmed inte är lika lönsamt att handla på den överavkastning som PEAD erbjuder (Chordia et al, 2009). Även andra marknadsfriktioner som skatter och blankningsförbud kan förhindra rationella investerare från att agera på felprissättningar (Felixsson, 2015). Det gör att anomalier som PEAD kan leva vidare. Chordia et al (2009) visar även på att likviditeten i aktierna kan påverka PEAD. En mer illikvid aktie tenderar att ha en högre drift i priset än en som är mer likvid.

3. Data och metod

3.1 Data

Urvalet till studien består av 6299 observerade kvartalsrapportdatum från 309 bolag noterade på Stockholmsbörsen under perioden första januari 2013 till sista december 2018. Perioden är vald med avsikten att få en så pass aktuell tidsperiod för studien som möjligt med hänsyn tagen till datatillgänglighet samt att den infaller efter Setterbergs (2011) undersökningsperiod. För att samla in data till denna studie använder vi oss av två källor: Från Thomson Reuters Datastream hämtas total return index (RI) för varje aktie, samt datumen för kvartalsrapporterna (WC05905A och WC05905AQ). Data för marknadsindex OMXSGI under samma period har hämtats direkt från NASDAQ Nordics hemsida.

Ett ogynnsamt bortfall i urvalet är bolag som avnoterats under perioden, vilka per automatik exkluderades vid datainsamlingen. Detta är något som gör att vår data riskerar att drabbas av survivor-bias, vilket diskuteras mer djupgående i avsnitt 5.2. Vidare är bolag som är huvudnoterade utomlands exkluderade i listan från Datastream. Nynoterade bolag är däremot inkluderade, vilket gör att antalet observerade kvartalsrapporter är större i senare delar av åren. Ett antal datum för rapporterna saknas i den ursprungliga listan (WC05905A och WC05905AQ). Dessa datum har därför kompletteras manuellt med information hämtade från respektive bolags publicerade pressmeddelanden.

Något som är vanligt bland studier grundade på tidsserier- och konsensusestimat, vilka är baserade på rapporterade vinster, är att de exkluderar finansiella bolag från urvalet på grund av dess skilda redovisningsprinciper. Detta är något som vi i denna studie inte behöver ta ställning till, då den är prisbaserad, vilket i sin tur öppnar upp för ett mer omfattande urval.

3.2 Vinstöverraskning

Förekomsten av PEAD påverkas i stor grad av hur förväntad vinst mäts (Setterberg, 2011). Som föregående kapitel visar, finns det ett flertal olika modeller för detta ändamål. Tidsserier och konsensusestimat jämför antingen historiska vinster eller prognoser från en samlad analytikerkår med de vinster som faktiskt rapporteras, och skillnaden mellan dessa sägs vara vinstöverraskningen. I den prisbaserade modellen vi använder jämförs aktieavkastningen under eventfönstret med marknadsavkastningen, skillnaden mellan de två definieras som vinstöverraskning. Den visar på om marknadens förväntningar på rapporten är för högt eller

lågt satta. Fördelarna med prisbaserade modeller är att de är mindre känsliga för proxy-effekten (Foster et al, 1984). Den bör också bättre fånga värde-relevansen av hela vinstöverraskningen (Liu et al, 2003). Denna studie gör inga uppskattningar av marknadsavkastningen, utan mäter den direkt mot indexet OMXSGI. Vi menar att en prisbaserad modell som mäter vinstöverraskningen som aktiens avkastning minus marknadsindex bör fånga hela marknadens förväntningar och reaktioner på rapporten.

3.3 Abnormal avkastning

Efter att en vinstöverraskning har identifierats mäts aktiernas abnormala avkastning genom en marknadsjusterad modell de följande 10- respektive 30 handelsdagarna. Likt beräkningen av vinstöverraskning, görs detta genom att ställa aktiernas avkastning mot marknadsindexet OMXSGI. Det som kvarstår efter att ha subtraherat marknadsavkastningen definieras därefter som abnormal avkastning. Alternativa tillvägagångssätt att beräkna detta är exempelvis konstanta medelvärdesmodellen och marknadsmodellen (MacKinlay, 1997). Skillnader dessa modeller har gentemot den marknadsjusterade modellen är att de bygger på historiska priser och rörelser för aktierna och med hjälp av medelvärden, alpha och beta från dessa räknar ut en förväntad avkastning. Kothari & Warner (2006) belyser betydelsen valet av modell för att beräkna förväntad avkastning har för estimeringen av abnormal avkastning. De hävdar att det inte finns någon konsensus i vilken modell som är mest korrekt att använda. Fördelen med en marknadsjusterad modell är dess enkelhet och intuitivitet. Nackdelen är dock att den inte tar hänsyn till systematiska riskfaktorer som exempelvis marknadsmodellen gör, vilket riskerar att överskatta den abnormala avkastningen. Fama (1998) menar att olika prognosproblem med modeller som estimerar avkastningen blir mindre allvarligt för mätperioder som bara sträcker sig över några dagar, men att det växer i takt med att mätperioden blir längre. Görs inte justeringar för detta, riskerar resultatet att överskattas. Den abnormala avkastningen kan i värsta fallet enbart härröra från den ökade risken som är tagen. Eftersom eventfönstret och mätperioden i den här studien är relativt kort, bör inte diverse problem som olika modeller kan medföra, innebära någon större påverkan på resultatet.

När den abnormala avkastningen räknats ut, summeras den sedan för olika perioder och benämns som cumulative abnormal return (CAR). Vi använder CAR för att mäta både signalen i eventfönstret och även PEAD-effekten den kommande mätperioden på 10- respektive 30 handelsdagar. För att illustrera hur CAR påverkas av positiva och negativa drifter används figur 1.

Figur 1. CAR ökar eller minskar över tid till följd av driften i aktiepriset.

Vi kan med hjälp av figuren se att om det är en drift i portföljens pris, leder det till en drift i ackumulerad avkastning. Tidigare forskning har därför valt att beskriva PEAD som både en drift i priser, samt en drift i avkastning (Setterberg, 2011).

3.4 Eventfönster

Dagen då kvartalsrapporten presenteras benämns 𝑡₀ och är en del av eventfönstret. I tidigare studier har eventfönstret definierats som alltifrån 𝑡₋₆₀ till och med 𝑡₀ och 𝑡₋₁till och med 𝑡₀ (Foster et al, 1984) samt 𝑡₋₁till och med 𝑡₊₂ (Liu et al, 2003). Detta för att öka sannolikheten att de olika perioderna fångar upp reaktionen på kvartalsrapporten. Den utökade mätningen efter rapporten görs delvis på grund av att det inte alltid är säkert att en rapport släpps under handelsdagen den dagen som är registrerad rapportdag. Presenteras rapporten först efter börsens stängning kommer inte reaktionen i marknaden förrän dagen efter, det vill säga 𝑡₊₁. Den utökade mätningen före rapporten motiveras med att fånga upp eventuell i förtid läckt information från rapporten samt förväntningar på den (Foster et al, 1984). Problemet som en förlängd mätperiod för med sig är att det i majoriteten av fallen inte mäter det som enbart är syftet med studien. Målet är att mäta den initiala reaktionen på en dag, för att se om den reaktionen kan ge upphov till en fortsatt drift i priset. Majoriteten av kvartalsrapporterna på Stockholmsbörsen släpps antingen på morgonen före börsens öppning eller under dagens pågående handel, det är därmed bara ett fåtal rapporter som kommer efter stängning och riskerar att dess reaktion mäts på fel dag. Förlängs mätperioden till att omfatta flera dagar före eller efter rapport får vi ett mätresultat som i majoriteten av observationerna omfattar mer än det som är syftet. Vi väljer att gardera oss på ena punkten och även inkludera 𝑡₊₁ i

CAR

Tid när kvartalsrapport släpps

Portfölj med överpresterande aktier

eventfönstret, men vi tar inte hänsyn till att information om en rapport kan läcka till marknaden i förtid, därmed exkluderar studien perioden innan 𝑡0. Således definieras eventfönstret som perioden 𝑡₀ till och med 𝑡₊₁.

Tidigare undersökningar har använt en rad olika tidsspann för att mäta PEAD, från några dagar till två år (se Tabell 1). Bernard & Thomas (1989) finner tecken på att majoriteten av driften sker under de 60 nästkommande handelsdagarna efter eventfönstret, varav de fem första dagarna stod för ca 17% av denna. Om vi antar att driften är avtagande under perioden bör den största delen av avkastningen finnas i periodens tidigare del. Därmed väljer vi att fokusera mätperioden till de kortare tidsspannen om 10- respektive 30 handelsdagar efter eventfönstret.

Figur 2. Tidslinje som visar eventstudien. Figuren visar eventfönstret med rapportdag 𝑡0samt nästkommande handelsdag 𝑡1 . Den efterkommande mätperioden består av 𝑡2till och med 𝑡11respektive 𝑡31

3.5 Deciler

För att mäta resultatet under mätperioden delas rapportreaktionerna från eventfönstret in i deciler (Foster et al, 1984; Bernard & Thomas, 1989; Setterberg, 2011). Den lägsta decilen motsvarar de rapporter som givit den största negativa abnormala avkastningen och sedan hela vägen upp till den sista decilen som visar de rapporter som givit den högsta positiva abnormala avkastningen (se Tabell 2). Decilerna är likaviktade, vilket innebär att varje observation väger lika mycket och det görs ingen skillnad på om observationer kommer från en större eller mer omsatt aktie. Uppdelningen möjliggör att studera den abnormala avkastningen baserat på hur stor reaktionen är på rapporten. Decilerna ger olika gränsvärden vilka kan sägas agera som signaler för vilken mängd avkastning som i snitt går att förvänta sig från en rapportreaktion under efterkommande mätperiod.

Tabell 2. Gränsvärden för deciler

Tabell 2 visar gränsvärden i avkastningen vid en kvartalsrapport (period 𝑡0till 𝑡1).

10 20 30 40 50 60 70 80 90

3.6 Beräkningar och modeller

Utifrån Datastreams return index (RI) beräknas avkastningen för varje aktie. RI mäter totalavkastningen och inkluderar därmed eventuell utdelning under perioden. Avkastningen mäts per dag och är beräknad enligt:

𝑅_𝑖,𝑡 = 𝑅𝐼𝑖,𝑡

𝑅𝐼𝑖,𝑡 −1− 1 (1)

Där:

𝑅_𝑖,𝑡 = Totalavkastningen för aktie 𝑖 under period 𝑡

𝑅𝐼_𝑖,𝑡 = Datastream return index (RI) för aktie 𝑖 under period 𝑡

Aktiens avkastning jämförs därefter mot marknadsavkastningen under samma period för att svara på frågan om den har överträffat förväntningarna. Skillnaden sägs vara abnormal avkastning. OMXSGI får agerar proxy för vad vi i studien definierar som den normala avkastningen. Den abnormala avkastningen räknas ut med Setterbergs (2011) fjärde ekvation:

𝐴𝑅_𝑖,𝑡 = 𝑅_𝑖,𝑡− 𝑅𝑚_𝑡 (2)

Där:

𝐴𝑅_𝑖,𝑡 = Den abnormala avkastningen för aktie 𝑖 under period 𝑡

𝑅_𝑖,𝑡 = Totalavkastningen för aktie 𝑖 under period 𝑡

𝑅𝑚_𝑡 = Avkastningen för OMXSGI för period 𝑡

Därefter summeras avkastningen för eventfönstret 𝑡₀ till 𝑡₊₁vilket ger en ackumulerad abnormal avkastning (CAR) för rapportdagen. Detta är signalen som avgör styrkan i vinstöverraskningen. CAR mäts med MacKinlays (1997) tionde ekvation:

𝐶𝐴𝑅_𝑖(𝑡₁, 𝑡₂) = ∑ 𝐴𝑅𝑡2 _𝑖,𝑡

𝑡1 (3)

Där:

𝐶𝐴𝑅_𝑖(𝑡₁, 𝑡₂) = Den ackumulerade abnormala avkastningen för aktie 𝑖 under period 𝑡

𝐴𝑅_𝑖,𝑡 = Den abnormala avkastningen för aktie 𝑖 under period 𝑡

Observationerna delas därefter in i deciler, där varje event är likaviktat. Decilerna sorteras efter den abnormala avkastningen de har givit. Den lägsta (1:a) decilen innefattar de rapportdagar

som givit lägst avkastning och den högsta (10:e) decilen visar de rapportdagar som givit högst avkastning. Decilernas värden signalerar magnituden och riktningen för vilken abnormal avkastning som kan tänkas erhållas under kommande mätperiod.

Därefter mäts CAR de kommande 10- respektive 30 handelsdagarna för varje observation inom varje decil för att ta reda på om PEAD förekommer. Till exempel, alla rapporter som ger en abnormal avkastning över 8,31% under eventfönstret mäts de kommande 10- och 30 handelsdagarna och ger över alla dagar en ackumulerad abnormal avkastning (CAR). För detta används återigen ekvation 3. Efter det mäts den genomsnittliga CAR för varje decil för att finna den genomsnittliga PEAD:en. Detta görs enligt MacKinlays (1997) sjuttonde ekvation:

𝐶𝐴𝑅(𝑡_1,𝑡₂) = 1

𝑁∑ 𝐶𝐴𝑅𝑖(𝑡1,𝑡2) 𝑁

𝑖=1 (4)

Där:

𝐶𝐴𝑅(𝑡_1,𝑡₂) = Genomsnittlig ackumulerad abnormal avkastning för period 𝑡₁ till 𝑡₂

N = Antalet observationer

För att testa signifikansen för den ackumulerade abnormala avkastning genomförs ett one-sample t-test för varje decil. T-värdet visar om decilernas medelvärde skiljer sig signifikant från 0 och beräknas med:

𝑡 =𝐶𝐴𝑅(𝑡1,𝑡2)− 0

𝜎𝑡1,𝑡2/√𝑛 (5)

Där:

𝐶𝐴𝑅(𝑡_1,𝑡₂) = Genomsnittlig ackumulerad abnormal avkastning inom varje decil

T-värden som är lika med eller större än (+/-) 1,645 visar på signifikans på 10% nivån, t-värden som är lika med eller större än (+/-) 1,960 visar på signifikans på 5%-nivån och t-värden som är lika med eller större än (+/-) 2,576 visar på signifikans på 1%-nivån.

4. Resultat

4.1 CAR över 10 handelsdagar

Tabell 3. 10-dagars CAR

Decil 1 2 3 4 5 6 7 8 9 10 Gräns- värden < -7,70% -7,70% - -4,61% -4,60% - -2,64% -2,63% - -1,28% -1,27% - 0,04% 0,05% - 1,24% 1,25% - 2,82% 2,83% - 4,98% 4,99% - 8,31% > 8,31% CAR 0,11% -0,21% 0,25% 0,05% 0,36% 0,50%** -0,12% 0,81%*** 0,54%* 0,96%*** t-test 0,29 -0,73 0,89 0,16 1,24 1,99 -0,48 2,85 1,93 2,72 Årsavk. CAR 2,83% -5,51% 6,36% 1,15% 9,42% 13,30% -3,00% 22,46% 14,43% 26,98% N 629 630 630 627 630 623 629 630 629 630

Tabell 3 visar CAR för 10 handelsdagar efter kvartalsrapporten. Årsavkastningen är beräknad på 250 handelsdagar. Gränsvärdena visar uppdelningen i deciler som görs i eventfönstret. N är antalet observationer inom varje decil. Signifikansnivåer från ett tvåsidigt t-test: *** motsvarar 1%-nivån, ** motsvarar 5%-nivån, * motsvarar 10%-nivån.

Tabell 3 visar CAR för de nästkommande 10 handelsdagarna efter en vinstöverraskning som är uppmätta inom varje decil av observationerna. En rapport som ger en abnormal avkastning under eventfönstret på 8,31% förväntas även fortsätta ge positiv abnormal avkastning den kommande perioden om PEAD existerar. 8,31% är gränsvärdet för decilen, eller signalen som rapporten ger. Enligt PEAD-teorin förväntas det en drift i aktien i den riktning som rapportreaktionen signalerar om, en högre signal bör korrelera med en högre drift kommande period (Foster et al, 1984). För de kommande 10 handelsdagarna efter en rapport är det bara de övre decilerna som visar på en signifikant CAR. Övriga deciler ger otydliga signaler och det går inte med säkerhet att konstatera att dess avkastning är skiljt från noll.

En aktie från den högsta decilen förväntas i genomsnitt generera 0,96% (t-test = 2,72) i CAR. Från den lägsta decilen, de bolag som har den största negativa reaktionen på rapportdagen, är CAR 0,11% (t-test = 0,29) kommande 10 handelsdagar. Detta resultat är däremot inte signifikant.

Resultaten från mätperioden 10 handelsdagar visar inte på ett tydligt mönster med lägst snittavkastning i den första decilen och en ökande avkastning upp till den sista. Avkastningen är istället varierande mellan decilerna, de tre högsta decilerna indikerar förvisso att det finns en fortsatt drift i priset i den riktningen som signalen anger. Dock går driften ner från den åttonde till den nionde decilen, trots det att signalen från den nionde är starkare än för den åttonde. Den sjunde decilen vittnar om en negativ CAR om -0,12% (t-test = -0,48) den

kommande 10-dagarsperioden. Detta är tvärtemot vad som skulle kunna förväntas av signalen där gränsvärdena är mellan 1,25% och 2,83%, då dessa är positiva. Trots att de fyra lägsta decilerna ger rapportreaktioner som är negativa, är CAR de kommande 10-dagarna inte negativ i mer än en av dem. Det är endast den andra decilen som också ger en negativ CAR om -0,21% (t-test = -0,73), vilket inte heller är ett signifikant resultat.

4.2 CAR över 30 handelsdagar

Tabell 4. 30-dagars CAR

Decil 1 2 3 4 5 6 7 8 9 10 Gräns- värden < -7,70% -7,70% - -4,61% -4,60% - -2,64% -2,63% - -1,28% -1,27% - 0,04% 0,05% - 1,24% 1,25% - 2,82% 2,83% - 4,98% 4,99% - 8,31% > 8,31% CAR -0,52% -0,48% -0,39% 0,09% 0,85%* 0,92%** 1,02%** 0,99%** 1,90%*** 2,49%*** t-test -0,88 -1,04 -0,85 0,21 1,70 2,03 2,07 2,11 3,99 4,00 Årsavk. CAR -4,41% -4,07% -3,33% 0,79% 7,27% 7,95% 8,82% 8,55% 16,96% 22,79% N 629 630 629 627 630 622 629 629 629 630

Tabell 4 visar CAR för 30 handelsdagar efter kvartalsrapporten. Årsavkastningen är beräknad på 250 handelsdagar. Gränsvärdena visar uppdelningen i deciler som görs i eventfönstret. N är antalet observationer inom varje decil. Signifikansnivåer från ett tvåsidigt t-test: *** motsvarar 1%-nivån, ** motsvarar 5%-nivån, * motsvarar 10%-nivån.

Tabell 4 visar CAR för 30 handelsdagar som är uppmätt inom varje decil av observationerna Resultaten av 30-dagarsmätningen följer tydligare ett förväntat PEAD-mönster än resultaten från 10 handelsdagar. De lägre decilerna uppvisar en ökande negativ avkastning och de högre uppvisar en ökande positiv. Skillnaden i resultaten mellan decilerna är dock inte helt linjär. Liksom vid 10-dagars mätperioden är det en aningen ojämn utveckling i CAR bland de högre decilerna. Från den sjunde decilen till den åttonde går den genomsnittliga abnormala avkastningen ner från 1,02% till 0,99%, för att sedan öka igen till den nionde decilen.

Den högsta decilen har en CAR på 2,49% (t-test = 4,00) vilket är signifikant på 1%-nivån. Vidare har den 9:de decilen en CAR på 1,90% (t-test = 3,99) vilket är något lägre än den högsta decilen. Den genomsnittliga avkastningen blir sedan lägre för nästan varje decil till de lägsta decilerna där den blir negativ, vilket är i linje med vad signalerna för varje decil har vittnat om. Det är även en tydligare skillnad jämfört med 10-dagarsmätningen då CAR för de lägre decilerna ej var negativt i alla fallen och inte heller signifikant. Endast resultaten från de högsta decilerna är signifikanta. Det är de deciler som ger de extremaste signalerna som visar på störst positiv CAR.

4.3 Analys

Resultaten visar på att det finns en positiv drift på den svenska marknaden om vinstöverraskningen mäts med en prisbaserad modell. De högsta decilerna i båda mätperioderna visar på signifikanta resultat. Årsavkastning för den högsta decilen är något lägre för 30 handelsdagar (22,79%) jämfört med 10 handelsdagar (26,98%) vilket innebär att CAR är kraftigare tätare inpå rapporten för att sedan avta något. Det bekräftar Bernard & Thomas (1989) iakttagelse om att den största delen av abnormal avkastning sker perioden närmast rapporten. Liu et al (2003) påvisar även de en hög årlig abnormal årsavkastning på 26,7% i den högsta decilen med hjälp av en prisbaserad modell. Likt deras resultat finner vi en relativt hög CAR vid användandet av liknande typ av modell. Deras prisbaserade modell ger däremot ett jämnare utslag av en årlig abnormal avkastning om mellan 26–29% under alla deras mätperioder, 3-, 6-, 9-, och 12-månader.

Till skillnad från studien av Foster et al (1984), som också genomför studier med en prisbaserad modell, finner vi vissa signifikanta resultat som visar att det existerar en PEAD den kommande perioden. Foster et al (1984) undersökning på den amerikanska marknaden gav inga signifikanta resultat på 1%-nivån för de prisbaserade modellerna de kommande 60 handelsdagarna efter en rapport. De finner enbart signifikanta bevis för PEAD när dess existens undersöks med tidsseriemodeller. Prisbaserade modeller kan precis som tidsserier mäta den förväntade vinsten på olika sätt beroende på hur de definieras. Foster et al (1984) använde sig i sin studie av två olika typer av prisbaserade modeller. Den ena mätte avkastningen från 60 handelsdagar innan rapporten till och med rapportdagen. Detta riskerar att fånga in mycket brus än enbart reaktionen från rapporten. Vinstöverraskningen på rapporten mäts då på ett annorlunda sätt jämfört med om rapportens eventfönster enbart innefattar två handelsdagar som i denna studie, vilket kan göra det vanskligt att jämföra prisbaserade modeller rakt av.

En skillnad mot Setterbergs (2011) studie på den svenska marknaden är sättet som förväntad vinst mäts. Den tidsseriemodell som användes då visade på en årlig abnormal avkastning om 12%, vilket är betydligt lägre än vad en den prisbaserade modellen som används i den här studien visar. En slutsats som går att dra av det skulle kunna vara att sättet som förväntad vinst mäts på i stor grad påverkar förekomsten av PEAD, det vill säga att en prisbaserad modell visar på en större drift. Å andra sidan går det inte att helt utesluta att andra faktorer också har påverkat skillnaden i avkastning studierna emellan. Tidsperioderna som data är hämtad från skiljer sig åt, vilket gör att olika marknadsförhållanden möjligen kan råda.

Rapporter som ger en mindre tydlig signal åt något håll genererar ingen signifikant CAR. I likhet med exemplet i MacKinlays (1997) artikel som visar att CAR är mindre i de företag som rapporterar lägre vinstöverraskningar, det vill säga som avviker mindre från marknadens förväntningar, visar resultaten från den här undersökningen också på mindre extrem avkastning bland de decilerna som är närmare mitten, vilket är de rapporter som ger en svagare signal. Resultaten härifrån visar istället att rapporter som har en större reaktion på rapportdagen kommer att generera en större CAR den kommande perioden. Dessa iakttagelser går i linje med PEAD-teorin, att riktningen och styrkan av CAR efter en rapport korrelerar positivt med riktningen och styrkan av vinstöverraskningen (Foster et al 1984; Setterberg, 2011).

Våra resultat visar inte på någon signifikant CAR för de rapporter som är negativa. Även om flertalet deciler visar på att en liten negativ CAR förekommer i våra tester, är den inte signifikant skild från noll. Detta går emot den allmänna PEAD-teorin som säger att driften i priserna ska fortsätta i samma riktning som vinstöverraskningen vid kvartalsrapporten gav signal om (Ball & Brown, 1968; Setterberg, 2011). Anledningen till att det enbart syns i de lägre decilerna kan vara för att investerare i större utsträckning tar till sig negativa nyheter och tar längre tid på sig att prisa in information som är positiv. Tar det längre tid att anpassa sig till positiv information och den istället prisas in lite allt eftersom, kan det vara en anledning till att PEAD uppstår. Detta bekräftar Setterbergs (2011) resultat som inte heller visade på någon signifikant negativ drift i aktiepriserna efter en negativ vinstöverraskning, i stort sett all PEAD återfanns i de positiva vinstöverraskningarna. Det skiljer sig däremot från flertalet andra studier som även har påvisat att PEAD existerar även på negativa vinstöverraskningar (Foster et al, 1984; Bernard & Thomas, 1989).

5. Diskussion

Driften i aktiepriser vi observerar tyder på det Setterberg (2011) anför; att aktörer på marknaden i viss mån ej agerar rationellt, och därav underreagerar på ny information. Denna underreaktion gör att aktiepriser inte absorberar och reflekterar ny information direkt, utan tar tid för marknaden att smälta. Vi menar på att det Bernard & Thomas (1990) beskriver som försiktighetsprinciper bland investerare är utbrett. Det är trots allt till största delen människor som ligger bakom investeringsbeslut, och det kan förmodas att dessa hellre tar i för lite än för mycket, det vill säga är generellt mer riskaverta. Förmodas detta stämma, kan vi därför vänta

den effektiva marknadshypotesen, ges utrymme för investerare att med hjälp av exempelvis PEAD, slå marknaden under olika tidsperioder.

Studien är, sett till ren avkastning, signifikant då det hade varit av stor vinst för investerare att handla utefter PEAD på marknaden under perioden, frågan är däremot till vilken grad det är praktiskt möjligt att göra detta effektivt i verkligheten. Då vi endast finner starka abnormala avkastningar i de högsta decilerna, uppstår en eventuell problematik då det kan vara mycket svårt att definiera dessa i realtid. Hur pass mycket en vinstöverraskning måste vara för att ge en stark abnormal avkastning är därför något som behöver estimeras kontinuerligt, vilket i sin natur öppnar upp för en ökad osäkerhet.

I verkligheten finns det förmodligen många fler faktorer att ta i beaktning när vi talar om PEAD. Det är inte bara så enkelt som att säga att här på den svenska marknaden existerar det en drift i aktiepriserna. I verkligheten måste investerare förhålla sig till alla rörliga delar på marknaden. Denna studie har inte undersökt skillnaden i PEAD mellan stora och små bolag. Sker en stor del av driften i mindre bolag som andra studier har påvisat (Setterberg, 2011; Bernard & Thomas, 1989), kan det bli svårare för investerare att nyttja denna anomali på grund av den vanligtvis lägre omsättningen och likviditeten i dessa aktier (Chordia et al, 2009). Vi behöver även ta transaktionskostnader som provisionskostnader och spreaden mellan köp- och säljpriser i beaktning. Dessa är förvisso inte nödvändigtvis signifikanta för stora institutioner, men för den enskilde investeraren kan detta bli en starkt påverkande faktor kring ifall en strategi utformad efter PEAD blir tillräckligt lönsam. Med dessa praktiska svårigheter i åtanke kan vi tänka oss att resultaten förmodligen är något överdrivna om de skulle replikeras i verklig handel.

Vidare är perioden uppmätt under en högkonjunktur. Detta gör det lättare att få en abnormal avkastning på den långa positionen än vad är på den korta, vilket även vårt resultat visar på. Detta är något som intuitivt hade kunnat vara tvärtom i en period med recession och sämre ekonomiska utsikter. För att få bekräftelse för detta behöver ytterligare en studie genomföras, vilken behandlar en likvärdig tidsperiod inom en lågkonjunktur. Om resultatet av en sådan undersökning stämmer överens med vår intuition, bör således det aktuella ekonomiska läget tas i beaktning vid val av en lång, eller kort position med hjälp av PEAD.

5.1 Risk

Vid beräknandet av abnormal avkastning justeras denna oftast efter vilken risk som investeringen i fråga för med sig. Görs inte detta riskerar den påvisade abnormala avkastningen innefattas av sådant som inte är mer än en skälig kompensation för investeraren att bära en större risk, det vill säga den förväntade riskpremien. Ett problem är dock hur denna risk beräknas. Vanligtvis används diverse modeller, vilka syftar till att framställa den förväntade avkastningen i relation till vilken risk den bär jämfört med marknaden. Vanliga exempel på dessa är Capital Asset Pricing Model (CAPM) och Fama-French’s trefaktormodell, vilka ligger till grund till merparten av tidigare studier. Emellertid omfattas dessa av det inneboende dilemmat att dessa modeller är, som Fama (1998), beskriver dem: “any asset pricing model is just a model”. Samtliga prissättningsmodeller bär således med sig brister, vilka resulterar i inkompletta beskrivningar av genomsnittliga avkastningar (Fama, 1998).

Utöver de beskrivna problem som prissättningsmodeller för med sig, finns det även begränsningar i hur mycket en riskjustering påverkar resultaten beroende på vilken tidshorisont som en studie behandlar. Kothari & Warner (2006) menar att riskjustering är viktigt vid långa tidshorisonter, och har stor inverkan vid beräkningen av den abnormala avkastningen. Detta är däremot något som de argumenterar för inte alls är lika förekommande vid korta tidshorisonter. Den påverkan en felaktig riskjustering må ha på beräkningen av den abnormala avkastningen är i dessa fall försvinnande liten. Även om betavärdet i en portfölj skiljer sig med hela 50% mot det antagna (1,0 vid ojusterade data), blir avvikelsen relativt låg gentemot den abnormala avkastningen som vanligtvis påvisas i studier med korta tidshorisonter. Därav är det typiskt irrelevant med riskjustering vid dessa (Kothari & Warner, 2006).

Med den oprecisa beräkningen av risk som prissättningsmodeller medför, samt våra korta tidshorisonter (Kothari & Warner (2006) definierar en kort tidshorisont som mindre än 12 månader) i bakgrunden, anser vi att vårt val att utelämna riskjustering av de abnormala avkastningarna, ej bör ses som en stor svaghet i studien.

5.2 Survivor-bias

Då datasetet innehåller nylistade bolag, men ej avnoterade under den studerade perioden, ställs frågan om en eventuell survivor-bias riskerar påverka resultatet. Survivor bias implicerar i detta fall att de bolag som återfinns i urvalet är de som gått affärsmässigt bra, vilket i sin tur skulle betyda att de bolag som fallit bort under perioden gått affärsmässigt dåligt och avnoterats på

Att detta är en absolut förklaring till avnotering är något vi ställer oss kritiska till. Svagheter i verksamheten är endast en av flertalet anledningar till att en avnotering sker (Avanza, 2019). Vidare är en vanlig anledning till avnotering att bolag blir uppköpta. Vi argumenterar för att köpare inte är ute efter ruttna äpplen, utan söker bolag de anser går bra och har hög potentiell framtida avkastning. Därmed är survivor bias något som vi inte finner vara tillräckligt betydande för att förvränga våra resultat.

5.3 Framtida forskning

Denna studie som behandlar Stockholmsbörsen, visar på relativt stora drifter i priserna under de perioder närmast en vinstöverraskning. Detta väcker frågan om huruvida detta fenomen även förekommer inom de andra handelsplattformarna i Sverige, vilket kan vara av intresse för framtida studier att undersöka. Även hur faktorer som bolagsstorlek och likviditet i handeln av aktien påverkar förekomsten av PEAD i Sverige.

Vi har även nämnt att vår studie omfattade en period, vilken sammanföll med en högkonjunktur i Sverige, vilket intuitivt borde påverka nivån av abnormal avkastning i de olika positionerna (lång/kort). Därav skulle det, för att möjligen konfirmera vårt tidigare presenterade antagande, vara intressant att följa upp denna studie med en undersökning då finansmarknaderna omfattas av en lågkonjunktur.

Även det faktum att resultaten i denna studie riskerar att överskattas på grund av avsaknaden av kontroll för risk öppnar upp för tänkvärda möjligheter där denna studie och dess resultat genomgår ytterligare tester som justerar för detta.

6. Slutsats

Syftet med denna studie var att undersöka förekomsten av post-earnings-announcement drift på Stockholmsbörsen från första januari 2013 till sista december 2018. Utifrån ett urval om 6299 kvartalsrapporter från 309 bolag mätte vi driften i avkastning från aktier efter en vinstöverraskning i samband med publiceringen. Om en lång position tagits i den översta decilen med högst positiv vinstöverraskning, hade detta resulterat i en aggregerad abnormal avkastning om 26,98% per år under en period om 10 handelsdagar, samt 22,79% under en period om 30 handelsdagar efter eventfönstret. Studien visar således tecken på att PEAD existerar på den svenska marknaden.

Referenser

Avanza. 2019. ‘Kan ett företag avnoteras från börsen?’. https://www.avanza.se/lar-dig- mer/avanza-akademin/borsintroduktioner-emissioner-foretagshandelser/kan-ett-foretag-avnoteras-fran-borsen.html [hämtad 2019-12-22]

Axelsson, J., 2019. ’Nordea lämnar exklusiva analyspakten’ Dagens Industri,

https://www.di.se/nyheter/nordea-lamnar-exklusiva-analyspakten/ [hämtad 2019-11-14]

Ball, R., Brown, P., 1968. ‘An empirical evaluation of accounting income numbers’, Journal

of Accounting Research, Vol. 6. pp 159-178.

Beaver, W., Lambert, R., Morse, D., 1980. ‘The information content of security prices’

Journal of Accounting and Economics. Vol 2 Issue 1. pp 3-28.

Bernard, V.L., Thomas, J.K., 1989. ‘Post-earnings-announcement drift: delayed price response or risk premium?’, Journal of Accounting Research. Vol 27, 1989, pp 1-36.

Bernard, V.L., Thomas, J.K., 1990. ‘Evidence that stock prices do not fully reflect the implications of current earnings for future earnings’ Journal of Accounting and Economics. Vol 12 Issue 4 pp. 305-340.

Booth, G., Kallunki, J-P. och Martikainen, T., 1996. ‘Post-announcement drift and income smoothing: Finnish evidence’, Journal of Business Finance and Accounting. Vol. 23 Issue 8, pp 1197-1211.

Booth, G., Kallunki, J-P., Sahlström, P. och Tynnelä, J., 2006. ‘Foreign vs. domestic

investors and the post-earnings announcement drift: evidence from share ownership records’, Working Paper, European Accounting Association Annual Congress, 2006.

Chordia, T., Goyal, A., Sadka, G., Sadka, R., Shivakumar, L., 2009. ‘Liquidity and the post-earnings announcement drift’ Financial Analysts Journal. Vol 65 Issue 4. pp 18-32.

Dische, A., 2002. ‘Dispersion in analyst forecasts and the profitability of earnings momentum strategies’, European Financial Management, Vol. 8 Issue 2, pp 211-228.

Dongcheol, K., Myungsun, K., 2003. ‘A multifactor explanation of post-earnings

announcement drift’. Journal of Financial and Quantitative Analysis. Vol 38 Issue 2. pp 283-398.

Easton, P.D., Sommers, G.A., 2007, "Effect of analysts' optimism on estimates of the expected rate of return implied by earnings forecasts", Journal of Accounting Research, vol. 45, no. 5, pp. 983-1015.

Fama, E., 1970. ‘Efficient capital markets: a review of the theory and empirical work', The

Journal of Finance. Vol 25 Issue 2. pp 383-417.

Fama, E., 1998. ‘Market efficiency, long-term returns, and behavioral finance’. Journal of

Financial Economics Vol 49 Issue 3. pp 283-306.

Felixsson, K., 2015. ’Psykologi vid investeringar’ Affärsmagasinet Forum. https://www.forummag.fi/psykologi-vid-investeringar/ [hämtad: 2019-12-16]

Forner, C., Sanabria, S., Marhuenda, J., 2009. ‘Post-earnings announcement drift: Spanish evidence’, Spanish Economic Review. Vol 11 Issue 3. pp 207-241.

Foster, G., 1981. ‘Intra-industry information transfers associated with earnings releases’

Journal of Accounting and Economics. Vol 3 Issue 3. pp 201-232.

Foster, G., Olsen, C., Shevlin, T., 1984. ‘Earnings releases, anomalies and the behavior of security returns’. The Accounting Review. Vol 59 Issue 4. pp 574-603.

Francis, J., Lafond, R., Olsson, P., Schipper, K., 2007. ‘Information uncertainty and post-earnings-announcement-drift’ Journal of Business Finance & Accounting. Vol 34 Issue 3-4. pp 403-432.

Hew, D., Skeratt, L., Strong, N., Walker, M., 1996. ‘Post-earnings-announcement drift: some preliminary evidence for the UK’, Accounting and Business Research, vol. 26, pp 298-293.

Jones, C. P., Litzenberger, R. H., 1970. ’Quarterly earnings reports and intermediate stock price trends’ The Journal of Finance. Vol 25 Issue 1. pp 143-148

Kallunki, J-P., 1996. ‘Stock returns and earnings announcements in Finland’, The European

Accounting Review, Vol. 5 Issue 2, pp 199-216.

Kirkpatrick, C.D., Dahlquist, J.R., 2015. Technical Analysis: The Complete Resource for

Financial Market Technicians, Third Edition, 3rd edn, FT Press, chapter 4.

Kmenta, J., 2015. ‘Time Series Econometrics: A Critique’, Open Journal of Applied

Sciences, vol. 5, 2015, pp 841-843.

Kothari, S.P., 2001. ‘Capital markets research in accounting’. Journal of Accounting and

Economics. Vol 31 Issue 1. pp 105-231.

Kothari, S.P., Warner J., B., 2006. ‘Econometrics of event studies’ Working Paper. Forthcoming in Eckbo, B., E., Handbook of Corporate Finance: Empirical Corporate

Finance.

Liu, W., Strong, N., Xu, X., 2003 ‘Post-earnings-announcement drift in the UK’. European

Financial Management. Vol 9 Issue 1. pp 89-116.

MacKinlay, A. C., 1997. ‘Event studies in economics and finance’ Journal of Economic

Literature. Vol 35 Issue 1. pp 13-39.

Livnat, J., Mendenhall, R. R., 2006. ‘Comparing the post-earnings announcement drift for surprises calculated from analyst and time series forecasts’ Journal of Account Research. Vol 44. pp 177-205.

Setterberg, H., 2011. ‘The Pricing of Earnings, Essays on the Post-Earnings Announcement Drift and Earnings Quality Risk’, Dissertion for PhD, Stockholm School of Economics.

Vieru, M., Perttunen, J., Schadewitz, H., 2005. ‘Impact of investors’ trading activity to post-earnings announcement drift’, Working Paper, European Accounting Association Annual Congress, 2005.