Finns det ett samband mellan graden av periodiseringar och inflationsjusterade skattade framtida rörelseresultat?

UPPSALA UNIVERSITET

FÖRETAGSEKONOMISKA INSTITUTIONEN MAGISTERUPPSATS HT 2010

HANDLEDARE: KARIN BRUNSSON

Finns det ett samband mellan graden av periodiseringar och inflationsjusterade skattade framtida rörelseresultat?

- Empirisk studie av den europeiska aktiemarknaden.

Mikael Bondegård & Joakim von Oldenskiöld

ABSTRACT: In line with Sloan (1996) but on European data (STOXX 600) we are investigating whether stock prices reflect information about future earnings contained in the accrual and cash flow components. The extent to which current earnings performance persists into the future earnings performance is shown to depend on the relative magnitudes of the cash and accrual components of current earnings. Moreover, we still find a significant positive excess return (Jensen’s alpha and size-adjusted return) by replicating Sloans (1996) hedge portfolio by taking a long position in the stock of firms reporting relatively low levels of accruals and a short position in the stock of firms reporting relatively high levels of accruals. However, we find no evidence of negative excess returns for companies with relatively high accruals, this somewhat lower the total excess returns for all the portfolios. We also build a modified portfolio based on the same idea but with estimated future earnings adjusted for inflation as an additional condition. We use inflation in relation to changes in estimated earnings as a simple approximation for investor’s earnings forecasts. We take a long position in stock of firms reporting relatively low level of accruals in conjunction with positive inflation adjusted change in estimated earnings. Correspondingly, we select a short position in a stock of firms reporting relatively high level of accruals along with negative inflation adjusted change in estimated earnings. We find that the modified zero-beta hedge portfolio generates significantly higher excess return (Jensen’s alpha and size-adjusted return).

Key Words: Accruals, Cash flows, Earnings, Estimated earnings, Excess return, Inflation, Size-adjusted return.

2 Innehållsförteckning

Finns det ett samband mellan graden av periodiseringar och inflationsjusterade skattade

framtida rörelseresultat? ... 1

1. Inledning ... 3

2. Fundamental analys ... 4

2.1 Den effektiva marknadshypotesen ... 4

2.2 Kritik mot den effektiva marknadshypotesen – att det går att uppnå överavkastning ... 5

2.3 Relationen mellan företagets rörelseresultat och aktieavkastning ... 6

2.4 Vikten av rörelseresultat ... 10

3. Urval och variabelbeskrivning ... 12

3.1 Datainsamling och urval ... 12

3.2 Skattning av framtida rörelseresultat ... 13

3.3 Formulering av handelsstrategi ... 15

4. Empirisk analys och resultat ... 22

4.1 Deskriptiv statistik ... 22

4.2 Test av framtida rörelseresultat ... 25

4.3 Test av handelsstrategi i termer av överavkastning ... 27

4.4 Test av handelsstrategi i termer av marknadsjusterad avkastning ... 31

5. Slutsats ... 34

6. Appendix ... 36

Appendix 1 – Ordlista ... 36

Appendix 2 – CAPM ... 37

Appendix 3 – Hedge ... 39

Appendix 4 – Korrelation periodiseringar och kassaflöde samt skattade rörelseresultat ... 40

Appendix 5 – Förändring i inflationsjusterade rörelseresultat och korrelation mellan faktiska rörelseresultat ... 41

Litteraturförteckning ... 43

3 1. Inledning

Flera forskare visar att det går att förutspå överavkastning¹ (abnormal returns) baserat på historiska data [t.ex. Ball och Brown (1986), Watts (1978), Foster et al. (1984), Bernard och Stober (1990), Sloan (1996), Piotroski (2000) och Fama och French (2008)]. Andra forskare visar även att företag som uppfyller eller slår marknadens förväntningar i fråga om rörelseresultat ofta premieras genom en positiv kursförändring. På motsvarande sätt straffas företag som inte uppfyller marknadens förväntningar, då ofta genom en negativ kursutveckling [Graham et al. (2005), Bartov et al. (2002) och Kasznik och McNichols (2002)]. Sloan (1996) visar att det är möjligt att förutse framtida rörelseresultat genom att identifiera periodiseringar och kassaflödet från den operativa verksamheten, där periodiseringar bidrar mindre till framtida rörelseresultat relativt kassaflöde från den operativa verksamheten. Vidare redogör han för sambandet mellan graden av periodiseringar och framtida aktieavkastning, där företag med liten andel periodiseringar tenderar att uppvisa starkare kommande kursutveckling än marknaden. På motsvarande sätt uppvisar företag med stor andel av periodiseringar en sämre marknadsjusterad avkastning.

Vårt syfte är att först ta reda på om Sloans (1996) samband mellan framtida rörelseresultat och graden av periodiseringar fortfarande stämmer, nu 15 år senare och på den europeiska marknaden. I linje med Sloan (1996) testas även om denna investeringsstrategi fortfarande går att använda i termer av positiv överavkastning. Vidare utvecklar vi modellen genom att approximera investeras förväntningar med inflationsjusterade skattade framtida rörelseresultat.

Vårt resultat ger, likt Sloans (1996), ett tydligt samband mellan framtida rörelseresultat, periodiseringar och kassaflöde från den operativa verksamheten. Periodiseringar bidrar relativt mindre till framtida rörelseresultat än kassaflödet från den operativa verksamheten. Resultatet indikerar också att det går att få en positiv och signifikant riskjusterad överavkastning genom att välja ut företag med liten andel periodiseringar avräknat mot företag med stor andel periodiseringar². Slutligen uppnås en ännu högre överavkastning genom att ta hänsyn till om, skattade rörelseresultaten slår föregående års inflation.

Vår studie är främst av intresse för analytiker, långsiktiga investerare samt för forskare som studerar sambandet mellan informationen som går att finna i företagens rapporteringar, makroekonomiska data och avkastning.

1 Med överavkastning menas skillnaden mellan den förväntande avkastningen och den faktiska avkastningen. Vi mäter överavkastning i linje med Sloan (1996) dels med hjälp av Jensens Alpha som bygger på CAPM (Capital Asset Pricing Model) och dels genom size-adjusted returns. Den sistnämnda metoden mäter avkastningen genom att jämföra företag med liknande marknadsvärde. Mer om CAPM och size-adjusted returns finns i appendix 1 – ordlista.

2 Liten andel periodiseringar respektive stor andel periodiseringar jämfört med alla företag under samma år.

4 2. Fundamental analys

I detta avsnitt redogör vi först för den effektiva marknadshypotesen (EHM), följt av kritik av EHM.

Sedan presenterar vi relationen mellan rörelseresultat och avkastning och slutligen redogör vi för betydelsen av rörelseresultat.

2.1 Den effektiva marknadshypotesen

Den effektiva marknadshypotesen (EHM) bygger på att marknaden är effektiv, då priset på en tillgång (exempelvis aktier, valutor, räntor eller råvaror) återspeglar all tillgänglig information och priset på denna tillgång därigenom är lika med den kollektiva analysen av dess egentliga värde (Fama et al.

1969). Hypotesen innebär att det inte är möjligt att konsekvent överträffa marknaden (erhålla överavkastning) genom användande av information som marknaden redan känner till. Fama et al. (1969) hävdar även att EHM operationellt bör indelas i graderna: svag, halvstark och stark. Vid svag form är det inte möjligt att generera riskjusterad avkastning med hjälp av historiska data, exempelvis tidigare årsredovisningar. Vid halvstark form menar Fama (1970) att det inte är möjligt att generera riskjusterad avkastning med både tillgång till historiska data samt offentlig information, exempelvis löpande vinstprognoser och kursdrivande nyheter. Slutligen, om marknaden visar en stark form; då är marknaden så effektiv att det inte ens är möjligt att generera en riskjusterad avkastning med hjälp av insiderinformation, till exempel tillgång till kursdrivande information som ännu ej är tillgänglig för allmänheten.

EMH bygger på idén att investerare kontinuerligt strävar efter att eliminera alla möjligheter till överavkastning, vilken uppstår då aktier tillfälligt är felaktigt prissatta på marknaden. Investerares bedömning av värdet på en aktie grundar sig på tron om framtida kassaflöden i det aktuella bolaget.

Denna tro grundar sig på att all den information som finns tillgänglig på marknaden är mottagen och värderad av investerarna. Det finns två typer av information; dels den öppna information vilken per definition är offentlig och därför tillgänglig för intressenter och dels den privata informationen vilken av sin natur är svårtillgänglig. För att få tag i den privata informationen om företag och deras verksamhet måste investerare lägga ner extra kraft på att samla in data (vilka ännu ej är offentliga). Exempel på detta kan vara att en investerare samlar in egen information, genom intervjuer med det aktuella bolagets personal, konkurrenter eller samarbetsparter. Sådan privat information kan därför användas av investerare för att nyttja att de vet mer än marknaden igenom att ta en position i aktien och på så vis tjäna pengar.

Detta lilla extra kallas även för informationspremium vilket innebär att framtida prognoser justeras på grundval av tidigare okända faktorer. Exempelvis företagsekonomiska eller rättsliga faktorer. De

5 företagsekonomiska faktorerna kan bland annat vara förändringar i vinst eller omsättning men också nya samband med andra företagsekonomiska värden. De rättsliga faktorerna kan exempelvis vara nya patent eller upplupna tvister. I detta avseende håller inte EMH fullt ut, men när investerare med privat information handlar justeras aktiepriset. Utvecklingen tenderar att fortsätta till dess att aktiepriset har kommit i nivå med EMH igen. (Berk & DeMarzo, 2007, p. 268)

2.2 Kritik mot den effektiva marknadshypotesen – att det går att uppnå överavkastning

EHM har genom åren testats på flera håll och det finns viss tvekan till dess effektivitet. Rosenberg et al. (1985) testar ett par handelsstrategier, varpå resultatet visar på en ineffektivitet på marknaden.

Andra forskare, t.ex. Ou & Penman (1989, 1990) pekar på att ett företags faktiska värde går att utläsa ur dess redovisningsinformation men att marknadsvärdet stundtals avviker från detta vilket leder till en ineffektivitet på marknaden. De finner aktier som för tillfället är felaktigt prissatta på marknaden genom att se till offentlig information som för stunden inte är reflekterad i aktiepriset.

Abarbanell & Bushee (1998) ser till hur olika redovisningsfaktorer kan användas för att prognostisera oväntad avkastning. De finner att marknaden felaktigt värderar effektiva skattesatser, kapitalomsättning och förändringar i inventarier som mindre vinstpådrivande. Men även att marknaden reagerar felaktigt på annan befintlig information. De finner att detta leder till en felaktig prissättning och således en ineffektivitet på marknaden.

EMH har även, under senare år, utsatts för kritik ifrån den teorifalang inom den finansiella forskningen som benämns behavioural finance. Denna teorifalang grundar sig på en kombination av beteendevetenskap, finansteori och psykologi. Man anser här att EMH inte stämmer då investerare, i motsats till vad Fama et al. (1969) menar, inte är rationella. Enligt Behaviour finance-teorin kan de systematiska fel som då uppstår leda till felprissättning även på längre sikt. Den långtgående fel- prissättning som rådde under IT-yran i slutet av 90-talet är ett uttalat exempel på detta, där investerare snarare följde den rådande trenden än att se till reella fakta. Ett annat, mer närstående exempel är den stora ekonomiska krisen (finanskrisen). De europeiska börserna föll mellan åren 2008 och 2009 med närmare 40 procent.³ I enlighet med den effektiva marknadshypotesen har marknaden en adekvat reaktion på kurspåverkande information och ser därför till så att marknadspriset i så stor utsträckning som möjligt speglar det reella värdet för den aktuella tillgången, givet en effektiv marknad. Det scenario som bevittnades under finanskrisen visar dock på någonting annat. Situationen tedde sig paradoxal då det under en kort tidsperiod blev väldigt kraftiga korrigeringar på marknaden. EMH stämmer förvisso i ett

3 Observerat värde, se tabell 4

6 avseende: marknaden reagerar kraftfullt på de dåliga nyheterna. Däremot kan man även tydligt se argument för att EMH inte uppfylldes under perioden före finanskrisen, då marknaden påstås vara effektiv och därför borde ha reagerat på informationen, mer pö om pö och i ett tidigare skede.

Grossman och Stiglitz (1980) presenterar en paradox: ”Grossman-Stiglitz paradoxen”, i vilken de matematiskt redogör för en tänkbar omöjlighet i den effektiva marknadshypotesen. Den paradoxala situationen grundar sig i att investerare på en perfekt marknad med tillgång till full information inte skulle använda sig av denna för beslut i sin handel då de antar att den redan är in-prisad. Om investerare omvänt inte använder sig av denna information, inkluderas den aldrig i priset och marknaden blir ineffektiv.

Även Sloan (1996) kommer fram till en tänkbar ineffektivitet i marknaden då investerare felaktigt värderar kassaflöde och periodiseringsposternas inverkan på företagets rörelseresultat. Detta leder till felaktiga aktiepriser och därmed en marknadsineffektivitet. Hans förklaring till detta går inte ut på att investerarna är irrationella då kostnaden för informationsflödet även bör tas med i beräkningen. Detta leder till att kostnaden för att hitta ny privat information och nya strategier måste sättas i relation till den alternativkostnad som uppkommer.

Som ovan nämnts är den effektiva marknadshypotesen kritiserad från flera håll men ett viktigt faktum kvarstår: Det finns ingen annan förklaring till att marknaden reagerar på information som den gör. Därför är EHM fortfarande en viktig del av den moderna finansiella marknadsteorin.

2.3 Relationen mellan företagets rörelseresultat och aktieavkastning

Att det finns ett samband mellan avkastning och rörelseresultat har konstaterats inom forskningen under flera decennier. Många studier, där ibland Ball och Brown (1968), påvisar samband mellan företags rörelseresultat och deras aktiepris. Sambandet förklaras av att intäktsförändringar är en central faktor för hur aktiepriser påverkas. Ball och Brown (1968) konstaterar att framtida rörelseresultat ceteris paribus är, lika med nuvarande rörelseresultat, förutsatt att inget oväntat inträffar. Med andra ord ”samma väder imorgon som idag”. Ball och Brown (1968) genomför sin studie på den amerikanska aktiemarknaden genom att göra ett antal antaganden vilka leder till hypotesen: ”Bra respektive dåliga nyheter bör vara relaterade till positiva respektive negativa förändringar i fråga om överavkastning.” De menar också att marknaden förutser 80 procent av de kursdrivande nyheterna innan det reellt fastställts i resultatrapporterna.

Ou och Penman (1989) och Bernard och Stober (1990) finner att investerares övertro till det kända sambandet mellan ett företags rörelseresultat och aktiens avkastning kan vara en anledning till

7 investerares fixering vid rörelseresultat vid sin aktieanalys. För att förklara investerares naiva intäktsprognoser bygger de upp en ”Random walk hypotes”⁴ genom vilken de förklarar att intäktsposten i ett företag är mer eller minde oförutsägbar. Andra studier motbevisar ”random walk hypotesen” genom att påvisa ett mönster för att förutse framtida rörelseresultat. Exempelvis Freeman et al. (1982), vilka lyckas tyda ett signifikativt samband mellan ett företags framtida rörelseresultat och dess historiska avkastning och därför förkastar ”random walk hypotesen”. Bernard och Stober (1989) finner inga bevis för att aktiekurser systematiskt reagerar på information om kassaflöde och periodiseringar, men uttrycker samtidigt att dessa intäktskomponenter i sig troligen inte är systematiskt olika.

Bernstein (1993, p. 461) ser kassaflöde från den operativa verksamheten som ett tydligare lönsamhetsmått än rörelseresultat. Detta har lett till att somliga investerare tror att ett högt kassaflöde från den operativa verksamheten går att härleda till god kvalitet på rapporterade rörelseresultat. Dechow et al.

(2002) menar då också att det omvända gäller, till exempel kan ett företag med höga rörelseresultat, men ett litet kassaflöde använda sig av mindre kvalitativa periodiseringar för att öka kassaflödet temporärt. De mindre kvalitativa periodiseringarna kan exempelvis vara att ett företag säljer sina fakturor (kundfordringar) med några procents avdrag för att på så sätt stärka kassan inför årsbokslutet. Dechow et al. (2002) menar att skillnaden mellan kvalitativa periodiseringar och mindre kvalitativa periodiseringar är att det senare skapar ett konstgjort kassaflöde vilket i ett senare skede får en motverkande effekt. Den motverkande effekten blir inkomstbortfallet för sålda fakturor vilket slår direkt mot rörelseresultat och indirekt på kassaflöde.

Sloan (1996) tillför resonemanget om naiva investerares övertro till rörelseresultat fört av Ou och Penman (1989) och Bernard och Stober (1989) genom bryta ut periodiseringar och kassaflöde från rörelseresultatet. Vid uträkning av periodiseringar använder Sloan (1996) sig av en formel⁵ först publicerad av Dechow et al. (1994).

Vidare standardiserar Sloan (1996) periodiseringar, kassaflöde från den operativa verksamheten och framtida rörelseresultat med genomsnittliga tillgångar eftersom han anser att mätningen kan påverkas av heteroskedasticitet ⁶ om man inte tar hänsyn till företagens kapitalstruktur. Att man standardiserar olika variabler är vanligt förkommande inom forskningen. Exempelvis använder Cheng och Hollie (2006) på motsvarande sätt tillgångar men vid årets slut, McVay (2006) använder försäljningsintäkter som bas och

4 ”Random walk” är ett matematiskt begrepp inom sannolikhetsläran (stokastiska processen). Medan ”Random walk hypotsen” är en finansiell teori som använder sig av metoden ”random walk” för att förklara aktieprisernas slumpmässiga vandring på börsen med andra ord att priset på en tillgång inte beror på historiska priser.”Random walk hypotesen” härstammar bland annat från Fama (1965).

5 Periodiseringar = (Δ Kortfristiga tillgångar (t-1,t) – Δ Likvida medel (t-1,t)) – (Δ Kortfristiga skulder (t-1,t) - Δ Långfristiga skulder (t-1,t) - Δ Inkomstskatt (t-1,t)) – Avskrivningar (Dechow et al., 1994)

6 Heteroskedasticitet innebär att variansen för urvalet kan variera mellan perioder. Konsekvenserna av stor heteroskedasticitet är att både hypoteserna och standardavvikelsen kan bli missledande. (Hill et al. 1994)

8 Piotroski (2000) använder en blandning av båda. Vidare menar Sloan (1996) att kassaflödes- och periodiseringskomponenterna är systematiskt olika, men att aktiekurser inte in-prisar denna tillgängliga information förrän den tydligt uppenbarar sig i intäktsposten. Han anser även att investerare är naiva när de fixerar rörelseresultat som en homogen post i sina aktieanalyser istället för att se till periodiseringar.

Han visar även att investerare inte förstår vikten av kassafördes- och periodiserings-komponenterna samt att denna insikt går att utnyttja för att erhålla en överavkastning. Detta leder till ett samband där företag med stor andel periodiseringar ofta har en negativt avvikande framtida lönsamhet och kursutveckling. Omvänt påvisar han även att företag med en liten andel periodiseringar ofta har en högre framtida lönsamhet och kursutveckling.

Fenomenet att det finns ett samband mellan ett företags periodiseringar, operationella kassaflöde och inkomst är förvisso ingen ny uppfattning hos forskare. Detta samband har uppmärksammats tidigare bland annat genom Lev & Thiagarajan (1993), Bernard och Stober, (1989) och Wilson (1987). Den stora skillnaden mot Sloan (1996) är att dessa forskare inte finner några tydliga bevis för att aktiekurser systematiskt svarar på information om kassaflöde och periodiseringar.

Sloans artikel från 1996 är en av de mer refererade⁷ artiklarna inom den finansiella forskningen. Flera senare studier inom detta område använder Sloan (1996) som utgångspunkt, då främst för hans bidrag gällande det konkreta sambandet mellan periodiseringar, kassaflöde och rörelseresultat. En av de senare, mer uppmärksammade studierna som bygger på hans idéer är Piotroski (2000). Han skapar en utökad modell för att generera en marknadsjusterad avkastning på high-book-to-market⁸ företag. Modellen bygger, likt en skönhetstävling, på poängsättning där företag samlar poäng baserat på redovisade nyckeltal. Exempelvis, vid positiv förändring av periodiseringar, kassaflöde och omsättningshastighet får ett företag ett poäng. Om förändringen är negativ får företaget noll poäng. Dessa poäng summeras och de företag med störst andel poäng blir troliga framtida vinnare på marknaden och vice versa. Andra forskare, bland annat Fama och French (2008), bygger även på Sloan (1996) då de visar att det finns ett starkt samband mellan graden av periodiseringar, nyemissioner, lönsamhet, tillväxt och onormal avkastning samt att en negativ avkastning ofta kopplas till en hög grad av periodiseringar. Metoden för deras studie går ut på att onormal avkastning testas med hjälp av olika anomalier, för att på så vis få fram en tvärsnittsregisson vilken används för att sortera företag efter graden av avvikelser.

Med vår första hypotes ämnar vi testa om sambandet mellan framtida rörelseresultat, periodiseringar och kassaflöde från den operativa verksamheten fortfarande stämmer. Hypotes ett blir då:

7 En sökning på Sloan (1996) ger 300 referat på Business Source Premier

8 High-book-to-market är företag som har ett högt bokvärde i förhållande till marknadsvärde.

9 H1: Att Sloans (1996) samband angående periodiseringar bidrar mindre till framtida rörelseresultat än kassaflöde från den operativa verksamheten. Nu på senare data och på den europeiska marknaden.

För att mäta överavkastning använder Sloan (1996) Jensens Alpha först publicerad av Ibbotson (1975) och size-adjusted returns [t.ex. Ou och Penman (1989) och Bernard och Thomas (1990)].

Tekniken att mäta överavkastning med hjälp av Jensens alpha har vissa begräsningar då den antar att investerare faktiskt använder sig av CAPM⁹ (Sloan, 1996). Metoden att mäta förväntad avkastning med hjälp av CAPM är kritiserad. Fama och French (2003) konstaterar att CAPM aldrig varit någon lyckad modell ur ett empiriskt perspektiv. Detta leder till att överavkastning som fås fram med hjälp Jensens alpha kan vara missledande i den bemärkelsen då den övervärderar förväntad avkastning för aktier med stor risk respektive undervärderar förväntning för aktier med liten risk (Friend and Blume, 1970). På grund av kritiken har CAPM modellen utvecklas under åren genom att ta hänsyn till fler faktorer, exempelvis marknadsvärde (Fama et al. 1992;1993). I linje med Sloan (1996) väljer vi att använda den traditionella CAPM modellen först framtagen av Sharpe (1964) och Lintner (1965) då främst i syfte att replikera Sloan (1996) modell. För att gardera oss mot eventuella missvisande resultat använder vi precis som Sloan (1996) size-adjusted returns. Överavkastningen fås genom att jämföra portföljernas avkastning mot portföljer med liknande marknadsvärde.

Den efterföljande hypotesen blir då att i linje med Sloan (1996) ta reda på om det fortfarande går att finna en överavkastning baserad på historiska data där företag med liten (stor) andel periodiseringar presterar bättre (sämre) på aktiemarknaden. Hypotes två blir då:

H2: Att det fortfarande finns ett samband mellan företag som rapporterar en liten (stor) andel periodiseringar och överavkastning (underavkastning).

9 CAPM, capital asset pricing model först publicerad av Sharpe (1964) och Lintner (1965), se appendix 2

10

2.4 Vikten av rörelseresultat

Investerare påverkas av företags redovisade och förväntade rörelseresultat. Graham et al., (2005) drar slutsatsen att investerare bygger förväntningar baserat på tidigare års rörelseresultat och att detta är företagsledningens viktigaste referenspunkter när det gäller att påvisa företagets framgång. Att rapportera ett marginellt negativt resultat, påverkar ofta aktiekursen tydligt negativt och företaget betraktas av marknaden som misskött. På motsvarande sätt stiger aktiekursen om företaget rapporterar ett positivt resultat. Bartov et al. (2002) konstaterar att företag som uppfyller eller slår analytikers förväntningar ofta erhåller en högre aktieavkastning under det kommande kvartalet än företag som inte gör det. Deras resultat visar att företag med oväntat stora rörelseresultat ofta blir ordentligt premierade i fråga om aktiepris medan företag med lägre rörelseresultat än väntat får en tydligt ogynnsam aktieutveckling.

Kasznik et al. (2002) tar resonemanget en bit längre när de undersöker i vilken grad marknaden premierar företag som uppfyller sina vinstförväntningar. De visar att den onormala avkastningen är betydligt större hos företag som uppfyller förväntningarna än för de som inte gör det. Resultatet av deras studie indikerar att marknaden belönar företag som lever upp till förväntningarna och att detta leder till en marknadsmässig premie ovanpå analytikers förväntningar på framtida rörelseresultat. Slutsatsen blir att aktiekursen för bolag som infriar marknadens förväntningar är tydligt högre än för de bolag som inte gör det. I enlighet med den effektiva marknadshypotesen bör aktiepriset ta hänsyn till marknadens förväntningar och dessa bör därför vara in-prisade i aktien. Vi bedömer det därför intressant att utveckla Sloans (1996) modell genom att välja in företag med liten andel periodiseringar som har en positiv förändring i skattade rörelseresultat. På motsvarande sätt väljer vi in företag med stor andel periodiseringar som har en negativ förändring i skattade rörelseresultat. Med detta menar vi att företag med framtida rörelseresultat som är större (mindre) än året innan bör ha en positiv (negativ) kursutveckling. Hypotes 3 (i) blir då:

H3 (i): Att det finns ett samband mellan företag som rapporterar en liten (stor) andel periodiseringar justerat för positiva (negativa) förändringar i skattade rörelseresultat och överavkastning (underavkastning).

11 Hypotesen ovan har vissa begräsningar då den inte fullt ut mäter analytikernas förväntningar på ett adekvat sätt. Den mäter förvisso förändringen i rörelseresultat mellan två perioder men den förklarar inte helt och hållet analytikernas förväntningar. Dessa förväntningar är viktiga för aktiekursen vilket bland annat konstateras av Graham et al., (2005) och Bartov et al. (2002). För att approximera förväntningarna tas därför hänsyn till ytterligare en parameter, inflation. Fama och Eugene (1981) konstaterar ett negativt samband mellan aktiepriser och inflation. Detta förbryllade den rådande forskningen, då man tidigare hade utgått ifrån att en akties pris per automatik är justerat mot inflation. Detta negativa samband mellan aktiepriser och inflation innebär kortfattat att en högre (lägre) inflation ger en lägre (högre) marknadsavkastning. Detta samband tycker vi är väl värt att testa. Det gör att de framtida rörelseresultaten justeras för inflation. Med andra ord, måste företaget inte bara slå föregående års rörelseresultat utan man måste också slå föregående års inflation.

För att dra detta antagande till sin spets viktar vi om inflationen så att de företag som är troliga framtida vinnare på aktiemarknaden måste redovisa en förändring i rörelseresultaten som är större eller lika med än förra årets inflation multiplicerat med 1,5. Omvänt menar vi att företag som är troliga framtida förlorare endast behöver ha en negativ förändring av rörelseresultaten som är större eller lika med en inflation multiplicerat med ett. Detta resonemang bygger på Bartov el al. (2002) där de menar att företag som har oväntat höga rörelseresultat (multiplicerat med 1,5) får en positiv kommande kursförändring och på motsvarande sätt, företag som på marginalen redovisar sämre rörelseresultat (multiplicerat med 1,0) får en negativ kursutveckling. Antagandet är exemplifierat i appendix 5. Hypotes 3 (ii) blir då:

H3 (ii): Att det finns ett samband mellan företag som rapporterar en liten (stor) andel periodiseringar justerat för positiva (negativa) förändringar i skattade rörelseresultat avräknat mot inflation och positiv (negativ) överavkastning.

12 3. Urval och variabelbeskrivning

I detta avsnitt beskrivs hur urvalet och datainsamlingen gått till följt av en redogörelse över de olika variablerna och slutligen en formulering av vår handelsstrategi.

3.1 Datainsamling och urval

Vårt empiriska test är baserat på årsredovisningar för åren 2002 till 2008. För datainsamling används databasen DATASTREAM från Thomson Reuters. Ur denna databas hämtas först redovisningsdata och inflation under åren 2002 till 2008. Sedan hämtas riskfria räntan och aktieavkastning inkluderat utdelning respektive exkluderad utdelning för åren 2003 till 2010. Att åren skiljer sig åt är ett ex ante- och ex post- samband. Testet mäter redovisningsdata (ex ante) och framtida avkastning (ex post).

Urvalet består av det europeiska index som innehåller ca 600 företag (DJ STOXX 600) vilket kan ses som en motsvarighet till amerikanarnas Standard & Poor (S&P) 500 index. Indexet DJ STOXX 600 innehåller en blandning av företag inom den europeiska unionen. Företagens redovisnings data och aktier är i euro. Det totala antalet observationer är 3507¹⁰. Ur detta urval sorteras de företag som saknar nödvändiga data bort, t.ex. redovisningsrelaterade variabler, avkastningsvariabler samt företag med brutna räkenskapsår. I linje med Sloan (1996) tas även finansiella bolag bort då redovisningsstandarden skiljer sig åt. Sedan grupperas urvalet på både industri och år. Till exempel bildar alla företag inom en bransch och under året 20x1 grupp A. På motsvarande sätt bildas fler grupper tills hela urvalet täcks. Varje grupp, alltså företag inom en viss typ av industri och ett valt år, blir föremål för regressionsprövning¹¹. Vidare gör Sloan (1996) ingen skillnad på minsta antal observation per grupp. För att säkerställa ett tillräckligt urval per grupp väljer vi ut de grupper som har 15 eller fler observationer (McVay 2006). Sist, för att hantera extremvärden tas alla observationer som har en standardavvikelse på +/-5 eller mer bort, detta för att undvika att göra några subjektiva bedömningar. Detta leder till att det slutgiltiga urvalet minskar till 1937 observationer. Figur 1 visar processen grafiskt

10 Sloan (1996) använder sig av annan databas (Compustat) för inhämtning av data samt företag på NYSE (New York Stock Exchange) under åren 1962 till 1991 (30 år). Antal observationer är 71732 men reduceras till 41679 på motsvarande sätt.

11 För att sedan använda de skattade rörelseresultaten i modell 2 och modell 3 återanvänds urvalet men utan någon sortering på år. Modell 2 och modell 3 använder sig av industrispecifika koefficienter.

13

Figur 1 visar urvalsprocessen

3.2 Skattning av framtida rörelseresultat

Sambandet mellan periodisering, kassaflöde och framtida rörelseresultat spinner vidare på den fundamentala insikten att framtida rörelseresultat kan ses som en funktion av nuvarande rörelseresultat utifrån historiska data (Ball & Brown 1968). Freeman et al (1982) presenterar följande relation mellan aktuella (period 0) rörelseresultat och framtida rörelseresultat (period 1) som:

12En störningsterm et+1 används för att fånga in alla andra faktorer som kan tänkas påverka den beroende variabeln. I det klassiska fallet antas att et+1 har en normal sannolikhetsfördelning med förväntat värde på noll.

EARNINGSt+1 = α0 + α1EARNINGSt + et+1 (1) Förklaringar

EARNINGSt+1 = Framtida rörelseresultat delat på genomsnittliga totala tillgångar EARNINGSt = Nuvarande rörelseresultat delat på genomsnittliga totala tillgångar et+1 = Störningsterm¹² med förväntat värde noll

Population

3507 observationer

Företag som saknar data

Företag som är finansiella

Företag som har brutna räkenskapsår

Urvalet Filtreras bort

1937observationer

14 Alltså, ekvation (1) visar hur rörelseresultatet i period 1 (t+1) kan skattas med hjälp rörelseresultatet i period 0 (t) på historiska data. Alternativt tankesätt: rörelseresultatet i period 0 (t) kan skattas med hjälp av rörelseresultatet i period -1 (t-1). Enligt Sloan (1996) är ekvation (1) felaktigt specificerad då den begränsar koefficienterna i periodiseringar och kassaflöde till att påvisa samma lutning som nuvarande rörelseresultat. En bättre modell bör därför i enlighet med Sloan vara följande:

Ekvation (2) skattar på samma sätt rörelseresultatet för period 1 (t+1) men med hjälp av periodiseringar och kassaflöde istället för rörelseresultatet för period 0 (t). Den visar också att sambandet mellan koefficienterna där γ1 < γ2. Med andra ord, koefficienten för periodiseringar ska vara mindre än koefficienten för kassaflöden, vilket leder till att periodiseringar bidrar till relativt mindre till resultatutveckling än kassaflöden. Denna skattning har visat sig vara mer robust än ekvation (1) då den uppvisar högre förklaringsvärde och faktiskt har andra variabler än rörelseresultat för att förklara framtida rörelseresultat (Sloan 1996). Ekvation (2) blir också vår början till analys vilket för in resonemanget i hypotesen H1¹³.

Alla variabler i både ekvation (1) och ekvation (2) standardiseras med storleken på företaget, det vill säga delat på genomsnittliga totala tillgångar. Att företag standardiseras med totala tillgångar gör att det mildrar heteroskedasticiteten eller med andra ord, att mätningen inte påverkas av skillnader i kapitalstruktur (Sloan, 1996; Cheng & Hollie, 2008).

13 Hypotes 1 i alternativform: γ1 < γ2

EARNINGSt+1 = γ0 + γ1ACCRUALSt + γ2CFOt + et+1 (2) Förklaringar

EARNINGSt+1 = Framtida rörelseresultat delat på genomsnittliga totala tillgångar

ACCRUALSt = Periodiseringar delat på genomsnittliga totala tillgångar, periodiseringar erhålls genom ACCRUALSt = EARNINGSt – CFOt.

CFOt = Kassaflöde från den rörelsen delat på genomsnittliga totala tillgångar et+1 = Störningsterm med förväntat värde noll

15

3.3 Formulering av handelsstrategi

Nästa steg är att testa i vilken grad avkastningen kan bero på sammansättningen av periodiseringar och kassaflöde från företagens operativa verksamhet. I likhet med Sloan (1996) skapas aktieportföljerna¹⁴ fyra månader efter räkenskapsårets slut och hålls fast under ett år. Alford et al (1994) menar då att de flesta årsredovisningar finns tillgängliga för allmänheten fyra månader efter räkenskapsårets slut.

Aktieavkastningen inklusive och exklusive utdelningar hämtas för varje företag i urvalet. Om företaget försätts i likvidation får det en avkastning om -100% för det aktuella året (Sloan, 1996). Figur 2 visar hur portföljskapandet går till. Portföljerna bildas och behålls under ett år vilket betyder att man börjar köpa (låna) den 31 mars och sälja (köpa, sedan sälja) av 31 mars nästa år, man tillämpar en så kallad 1 årig buy-and-hold strategi.

Figur 2 illustrerar processen för en portfölj där man tillämpar en 1 årig buy-and-hold strategi.

Det avsnitt som följer är uppdelat på följande sätt. Först presenteras modell 1 vilken är en replikering av Sloan (1996). Vi gör detta för att ta reda på om detta samband fortfarande stämmer, nu på senare urvalsperiod och på europeiska data. Modell 2 och modell 3 är en utveckling av modell 1 på samma data för att se om denna kan generera bättre avkastning. För att sedan testa både modellernas avkastning används i linje med Sloan (1996) uträkning av överavkastning, vilket fångar upp den avkastningen som är utöver den förväntade avkastningen.

14 Aktieportföljer betyder sammansättning av olika aktier. Vidare hänvisas aktieportföljer som endast portföljer.

Ex ante (31 mars 20x0)

1.Redovisningsdatablir tillgänglig för allmänheten

2. Portföljerna skapas

3. Ackumulering av avkastningen per portfölj börjar

Ex post (31 mars 20x1)

1.Ackumulering avkastningen per portfölj upphör.

16 3.3.1 Modell 1 - ”Sloans modell”

Precis som Sloan (1996) skapar vi portföljerna genom att välja de företag som har störst andel periodiseringar respektive minst andel periodiseringar för den aktuella perioden. Indelningen sker per decil, det vill säga i den tionde decilen hamnar företag med störst andel periodiseringar i förhållande till alla företag och i den första decilen hamnar företag med minst andel periodiseringar under den aktuella perioden. Den tionde decilen betecknar vi som HIGH_ACCRUALS portfölj och den första decilen betecknar vi som LOW_ACCRUALS portfölj. I Portföljen LOW_ACCRUALS väljer vi att köpa tillgångarna då företagen i denna portfölj ses som framtida (positiv aktiekursförändring) sannolika vinnare. Portföljen HIGH_ACCRUALS ser vi som framtida sannolika förlorare (negativ aktiekursförändring) och vilket gör att vi blankar¹⁵ denna portfölj. Portföljen HEDGE¹⁶ består LOW_ACCRUALS där man tar en lång position (köper) på marknaden avräknat mot HIGH_ACCRUALS där man tar en kort position (blanka) på marknaden. Figur 3 visar detta grafiskt.

Figur 3: Modell 1 ”Sloans modell”

15 För blakning se appendix 3

16 För hedging se Se appendix 3 Förklaring

LOW_ACCRUALS = Första decilen av alla förtag med liten andel periodiseringar väljs in i denna portfölj.

HIGH_ACCRUALS = Tionde decilen av alla förtag med stor andel periodiseringar väljs in i denna portfölj.

HEDGE =

LOW_ACCRUALS – HIGH_ACCRUALS

= Hedge 1 består LOW_ACCRUALS där man tar en lång position på marknaden avräknat mot HIGH_ACCRUALS där man tar en kort position (blankar) på marknaden.

Alla företag (marknaden)

LOW_ACCRUALS

HIGH_ACCRUALS

HEDGE

17 3.3.2 Skatta rörelseresultat

De skattade framtida rörelseresultaten från ekvation (2) bildas genom att man grupperar företagen per industri. Detta gör att estimeringen per industri blir bättre då det fångar upp de olika förutsättningarna hos företagen (Lev, 1983). Skattningen av framtida rörelseresultat görs industrivis men för alla 7 år för att få fram ett robust värde på koefficienterna för att senare använda dessa i modell 2 och modell 3.

3.3.3 Modell 2 - skattade framtida rörelseresultat

Modell 2 formuleras på samma sätt som modell 1. Indelning sker per decil där företag där liten andel av periodiseringar väljs in i LOW_ACCRUALS och företag med stor andel av periodiseringar väljs in i HIGH_ACCRUALS. Efter indelning av de två portföljerna LOW_ACCRUALS respektive HIGH_ACCRUALS görs ytterligare en indelning på skattade framtida rörelseresultat. De företag i LOW_ACCRUALS som har ett högre förväntat värde på rörelseresultat än året innan tas med i den nya portföljen LOW_ACCRUALS_2 och resten förkastas. På motsvarande sätt väljs företag in i HIGH_ACCRUALS_2 som har ett lägre skattat värde på rörelseresultat än året innan. Den hedgade portföljen HEDGE_2 skapas på samma sätt som tidigare genom att avräkna HIGH_ACCRUALS_2 mot LOW_ACCRUALS_2. Resonemanget till att använda skattade framtida rörelseresultat härrör från den enkla idén att om företaget slår föregående års resultat borde marknaden ta detta i beaktande. Grunden till resonemanget är dock inte nytt. Graham et al. (2005) drar slutsatsen att analytikernas förväntningar och tidigare rörelseresultat spelar en betydande roll när det kommer till framtida avkastning. Bartov et al.

(2002) menar också att små negativa rörelseresultat i relation till analytikernas förväntningar kan bidra till en negativ kursförändring, då det ger investerare en uppfattning om att företaget inte är välskött. Vidare menar Kasznik och McNichols (2002) att företag, genom att uppnå eller slå det från analytikernas förväntande rörelseresultat ger investerare en positiv uppfattning. Med andra ord, företag premieras på marknaden genom att uppnå eller slå ställda förväntningar och företag straffas på motsvarande sätt genom att inte nå till de förväntningar som externa parter ställer. Detta samband¹⁷ kan verka basalt, men det ger en insikt vilken är värd att implementera i modell 2. Figur 4 visar detta grafiskt.

17 Rankkorrelationen (SPEARMAN) mellan företagens aktieavkastning och förändring i skattade rörelseresultat är 0,15** baserat på hela urvalet utan någon portföljindelning. Se appendix 4. Vidare rankkorrelationen mellan avkastning och förändring i faktiska rörelseresultat är 0,20** baserat på hela urvalet utan någon portföljindelning. Se appendix 5. */** visar 5% respektive 1% signifikants.

18

Figur 4: Modell 2 med skattade framtida rörelseresultat

3.3.4 Modell 3 – Inflationsjusterade skattade rörelseresultat

För att utveckla modell 2 skapas en modell där man tar hänsyn till inflation för att se om det går att uppnå en ännu bättre överavkastning. Fama och Eugene (1981) konstaterar ett negativt samband mellan aktiepriser och inflation. Utifrån detta konstaterande är det därför intressant att testa detta samband till sin spets genom att lägga till inflation som parameter vid sortering av företag. På samma sätt som tidigare skapas tre portföljer, LOW_ACCRUALS_3, HIGH_ACCRUALS_3 och HEDGE_3. Portföljen LOW_ACCRUALS_3 innehåller alltså som tidigare, företag med liten andel periodiseringar och en positiv förändring mellan rörelseresultat. Det nya i denna nämnda modell är att företag sorteras ytterligare en gång, nu på inflation¹⁸. Den positiva förändringen av rörelseresultaten ska vara föregående års inflation multiplicerat med 1.5. Anledningen till att vi multiplicerar inflationen med 1,5 för företag som är

18 Rank korrelationen (SPEARMAN) mellan företagens aktieavkastning och förändring i rörelseresultat justerat för inflation är 0,17** baserat på hela urvalet.Se appendix 4. Vidare rank korrelationen mellan avkastning och förändring i faktiska rörelseresultat justerat för inflation är 0,32** baserat på hela urvalet utan någon

portföljindelning. Se appendix 5. */** visar 5% respektive 1% signifikants.

Förklaring

E(EARNINGS t+1) = Skattade framtida rörelseresultat från ekvation (2) LOW_ACCRUALS_2

E(EARNINGS t+1) > EARNINGS t

= Företag i LOW_ACCRUALS som har högre skattade framtida rörelseresultat än nuvarande rörelseresultat HIGH_ACCRUALS_2

E(EARNINGS t+1) < EARNINGS t

= Företag i HIGH_ACCRUALS som har lägre skattade framtida rörelseresultat än nuvarande rörelseresultat

HEDGE_2 = Hedge 2 består LOW_ACCRUALS där man tar en lång

position på marknaden avräknat mot HIGH_ACCRUALS där man tar en kort position på marknaden

Alla företag (marknaden)

HEDGE_2 LOW_ACCRUALS_2

E(EARNINGS t+1) > EARNINGS t

HIGH_ACCRUALS_2

E(EARNINGS t+1) < EARNINGS t

19 sannolika framtida vinnare på aktiemarknaden är resultatet från Bartov et al (2002), där företag som har oväntat stora förändringar i rörelseresultat ofta blir ordentligt premierade. Exempelvis tas ett företag med i portföljen LOW_ACCRUALS_3 om det har en positiv förändring i rörelseresultatet om 3% eller högre givet att föregående års inflation är 2%. Portföljen HIGH_ACCRUALS_3 innehåller på motsvarande sätt som tidigare företag med högst andel periodiseringar och negativa förändringar mellan rörelseresultaten men där den negativa förändringen i rörelseresultat endast måste vara högre än inflationen multiplicerat med 1 (inflation*1). Till skillnad från tidigare multiplicerar vi inte inflationen med 1,5, detta i linje med både Bartov et al (2002) och Graham et al. (2005) då företag som rapporterar marginellt lägre rörelseresultat än förväntat får en negativ kursutveckling. Grunden till antagandena i detta resonemang är alltså företag som rapporterar marginellt lägre rörelseresultat jämställs enbart föregående års inflation.

Den hedgade portföljen HEDGE_3 skapas på samma sätt som tidigare genom att avräkna HIGH_ACCRUALS_3 mot LOW_ACCRUALS_3. Figur 5 visar detta grafiskt.

Figur 5: Modell 3 med inflationsjusterade skattade rörelseresultat

Förklaring

E(EARNINGS t+1) = Skattade framtida rörelseresultat från ekvation (2) LOW_ACCRUALS_2

E(EARNINGS t+1) >

(INFLATION*1,5+ EARNINGS t)

= Företag i LOW_ACCRUALS som har högre skattade framtida rörelseresultat än nuvarande rörelseresultat justerat för föregående års inflation multiplicerat med 1,5

HIGH_ACCRUALS_2

E(EARNINGS t+1) < (INFLATION*1 +EARNINGS t)

= Företag i HIGH_ACCRUALS som har lägre skattade framtida rörelseresultat än nuvarande rörelseresultat justerad för föregående års inflation

HEDGE_2 = Hedge 2 består LOW_ACCRUALS där man tar en

lång position på marknaden avräknat mot HIGH_ACCRUALS där man tar en kort position på marknaden.

Alla företag

(marknaden) ^HEDGE_3

LOW_ACCRUALS_3

E(EARNINGS t+1) > (Inflation*1,5+EARNINGS t)

HIGH_ACCRUALS_3

E(EARNINGS t+1) < (Inflation*1+EARNINGS t)

20 3.3.5 Uträkning av avkastning

Avkastning går att mäta på flera sätt. Det viktigaste är att inte hur den mäts, utan att få fram vad man vill förklara. Precis som Sloan (1996) mäter vi genom att räkna ut överavkastning (eng. abnormal returns). Överavkastningen tydliggör den del av avkastningen som uppstår utöver den förväntade avkastningen enligt Capital Pricing Asset Model¹⁹ (CAPM). Om exempelvis portföljen går upp med 14%

justerat för den riskfria räntan men den förväntande avkastningen givet risken för samma portfölj är 10%

justerat för den riskfria räntan blir det en överavkastning om 4% (14% - 10%). För att räkna ut över- respektive underavkastning på de olika portföljerna används Jensens alpha, först publicerad av Ibbotson (1975). Detta medför att man måste göra en regression, i form av en tidsserie, för varje portfölj. Modellen för att mäta Jensens alpha är följande:

Regressionen används för varje portfölj mellan 2003 och 2010. Den relativa risken (beta) för varje portfölj mäts av beta βp och överavkastning för varje portfölj mäts av alpha αp. Den riskfria Rf är EURIBOR 1 månad och är tagen från den europeiska centralbanken. Marknadsavkastningen Rmt är tas från DJ EUROSTOXX 600 index. I linje med Sloan (1996) beräknas portföljens avkastning Ppt genom att ta medelvärdet av valda aktier. Slutligen skiljer vi även på de olika portföljerna när det gäller avkastning.

Den portfölj vi köper (LOW_ACCRUALS, LOW_ACCRUALS_2 samt LOW_ACCRUALS_3) innehåller avkastningar som både inkluderar prisförändringar i aktierna, utdelningar och andra kapitaltillskott som man får när man köper (äger) aktier. På motsvarande sätt innehåller portföljen vi säljer (HIGH_ACCRUALS, HIGH_ACCRUALS_2 samt HIGH_ACCRUALS_3) endast prisförändringar

19 Capital asset pricing model (CAPM) först framtagen av William Sharpe (1964), Lintner (1965) och Mossin (1966). för mer info se appendix 2

(Rpt – Rft) = αp + βp(Rmt - Rft) + ept (3) Förklaring

Rpt = avkastningen för portföljen p under period t baserat på jämnviktade aktier

Rft = Risk-fria räntans avkastning under period t

αp = Jensens alpha, koefficienten som mäter över/under avkastning för portföljen p

βp = Beta, mäter risken för portföljen p i förhållande till marknaden Rmt = Marknadens avkastning under period t

et+1 = Störnings term

21 i aktierna. Anledningen till detta är att när man blankar (säljer) äger man inga aktier därför erhåller man ingen utdelning eller andra kapitaltillskott.

Det uppkommer dock ett antal begränsningar. Tekniken att mäta överavkastning kräver att investerare faktiskt använder sig av CAPM för att mäta den förväntade avkastningen (Sloan, 1996). I linje med Sloan (1996) använder vi även size-adjusted returns (storleksjusterad avkastning). Denna teknik används av andra forskare bland annat Ou och Penman (1989) och Bernard och Thomas (1990). Metoden går ut på att rangordna alla företag per decil på marknadsvärde. Företag med stort marknadsvärde sorteras in i den 10:e decilen och företag med litet marknadsvärde sorteras in i den 1:a decilen. Periodiseringsportföljerna matchas sedan mot marknadsportföljerna som har ett liknande marknadsvärde. För att mäta avkastningen avräknas faktiska avkastningen för marknadsportföljen mot den faktiska avkastningen för periodiseringsportföljen. Om förändringen i avkastningen är positiv, har periodiseringsportföljerna haft en överavkastning. I linje med Sloan (1996) används marknadsvärde vid räkenskapsårets slut, alltså sista mars då man börjar mäta portföljernas avkastning.

Den andra begräsningen är att detta tillvägagångssätt antar att avkastningen för varje portfölj är fixerad per år, där årsredovisningarna släpps ut fyra månader efter räkenskapsårets slut. Detta gör att endast företag med räkenskapsår med början i januari och slut i december tas med i utvärderingen.

Följaktligen blir det först att testa H2²⁰ om Sloans modell (modell 1) genom att bryta ut periodiseringar fortfarande genererar en överavkastning, nu 14 år senare och på den europeiska marknaden. Den andra frågan H3(i)²¹ blir då att genom att använda vår modifierade modell 2 med skattade framtida rörelseresultat få en ännu högre överavkastning. Sist och inte minst blir det att testa H3(ii)²² modell 3 om det går att få en ytterligare överavkastning när hänsyn till inflation tas med jämfört mot modell 2.

20 Hypotes 2 i alternativ form: HEDGE αp > 0

21 Hypotes 3(i) i alternativ form: HEDGE_2 αp > Portfölj HEDGE αp 22 Hypotes 3(ii) i alternativ form: HEDGE_3 αp > Portfölj HEDGE_2 αp

22 4. Empirisk analys och resultat

I detta avsnitt presenteras först deskriptiva data ifrån modell 1, modell 2 samt modell 3. Sedan görs en redogörelse för skattningen av framtida rörelseresultat följt av ett test av handelsstrategin för alla tre modeller.

4.1 Deskriptiv statistik

I tabell 1 redovisas deskriptiv statistik för hela urvalet och per portfölj. Medelvärde (median) visas för periodiseringar (ACCRUALS), kassaflöde från den operativa verksamheten (CFO) samt rörelseresultat för samma år (EARNINGS). Följt av riskfaktorn beta för portföljerna.

I tabell 1 sammanställning 1 presenterar vi deskriptiva data för hela urvalet. Medelvärdet för periodiseringar och kassaflöde från den operativa verksamheten är -0,05 respektive 0,10. Medelvärdet för rörelseresultat är 0,05. Detta visar hur det har gått för alla företag i hela urvalet. Syftet att presentera dessa siffor är att de ska ge en tydlig bild om hur sammansättning hos företagen ser ut jämfört med företagen i portföljerna.

Tabell 1 sammanställning 2 visar deskriptiva data för modell 1. Medelvärdet (medianen) av ACCRUALS ökar från -0,19 (-0,14) i portföljen LOW_ACCRUALS till 0,05 (0,05) i portföljen HIGH_ACCRUALS. Medelvärdet (medianen) av CFO faller från 0,25 (0,18) i portföljen LOW_ACCRUALS till 0,03 (0,01) i portföljen HIGH_ACCRUALS. Medelvärdet (medianen) av EARNINGS är 0,01 (0,03) i portföljen LOW_ACCRUALS och 0,08 (0,06) i portföljen HIGH_ACCRUALS. Företag i portföljen LOW_ACCRUALS uppvisar negativa periodiseringar, höga kassaflöden från den operativa verksamheten och små positiva rörelseresultat medan företagen i portföljen HIGH_ACCRUALS uppvisar det omvända, positiva periodiseringar, låga kassaflöden från den operativa verksamheten och större positiva rörelseresultat. Detta motsatsförhållande tyder på att det finns en negativ korrelation mellan periodiseringar och kassaflöden från den operativa verksamheten ²³.

Portföljbeta (BETA β) och företagsstorlek (SIZE, marknadsvärde) visar risknivå. Vårt Portföljbeta är uträknat, i linje med Sloan (1996), genom användandet av ekvation (3). Precis som Sloan (1996) finner vi ett samband i att beta har ett ”u-format” mönster . Beta för portföljen LOW_ACCRUALS är 1,29 för att sedan minska till 0,86 i den 3:e decilen och senare öka så att betavärdet för portföljen HIGH_ACCRUALS blir 1,16. Det andra måttet SIZE visar naturlogaritmen av marknadsvärdet i

23 Rank korrelationen (Spearman) mellan ACCRUALS och CFO är -0,53 (-0,5288) vilket stämmer överens jämfört med Sloan (1996), vilken är också -0,53. Se appendix 4.

23 genomsnitt per portfölj. Portföljen LOW_ACCRUALS har ett SIZE värde på 7,30 vilket stiger 8,17 i den 5:e decilen för att åter minska till 7,45 för portföljen HIGH_ACCRUALS. I linje med Sloan (1996) följer SIZE ett inverterat ”u-format” mönster. Detta indikerar att portföljextremerna LOW_ACCRUALS och HIGH_ACCRUALS innehåller i genomsnitt företag med lägre marknadsvärde vilket leder till högre risk.

Dock är denna ökande risk inte lika stor jämfört mot Sloan (1996). Den procentuella förändringen i SIZE mellan portföljerna LOW_ACCRUALS och 5:e decilen i vårt urval jämfört med Sloan (1996) är 12%

respektive 30%²⁴.

Även om portföljerna LOW_ACCRUALS och HIGH_ACCRUALS innehåller högre risk så blir bildandet av en hedgeportfölj med lika viktade långa och korta positioner på marknaden nettot av detta.

Med andra ord, att ta en lång position i LOW_ACCRUALS och en kort position i HIGH_ACCRUALS ger ett beta på endast 0,13. Detta beta innebär att risken för den aktuella portföljen nära noll, med andra ord nära den riskfria räntan²⁵. Om avkastningen på denna hedgeportfölj är lika med eller högre än marknaden har man då alltså tagit en risk som är nära med den man erhåller när man har pengarna på banken.

I tabell 1 sammanställning 3 visas på motsvarande sätt medelvärden (medianer) för modell 2, där vi tillsätter skattade framtida rörelseresultat. Även här finns ett negativt samband mellan periodiseringar och kassaflöde från den operativa verksamheten. Medelvärdet för CFO faller från 0,20 (0,17) i portföljen LOW_ACCRUALS_2 till 0,03 (0,03) i portföljen HIGH_ACCRUALS_2. Det andra sambandet stämmer också då medelvärdet (medianen) för EARNINGS stiger från 0,01 (0,02) i portföljen LOW_ACCRUALS_2 till 0,14 (0,10) i portföljen HIGH_ACCRUALS_2.

I tabell 1 sammanställning 4 visas slutligen resultatet för den modell 3. Förutom skattade rörelseresultat tillsätts inflation. Företagen i portföljen LOW_ACCRUALS_3 har i genomsnitt lägre värden för periodiseringar -0,26 (-0,19) och rörelseresultat -0,06 (0,01) än de tidigare modellerna.

Portföljen HIGH_ACCRUALS_3 uppvisar däremot ingen större skillnad för motsvarande variabler.

24 Vår procentuella förändring: (8,17-7,30) / 7,30 = 0,12 jämfört mot Sloan (1996) vilken är (4,95-3,8) / 3,8 = 0,30.

25 Se appendix 2 CAPM

24 Tabell 1

Medelvärden (median) för värden som används i analysen för bildandet av portföljerna i modell 1. Urvalet består av totalt 1937 årsredovisningar mellan 2001 till 2009.

Portföljer ACCRUALSt CFOt EARNINGSt BETA β SIZE

Sammanställning 1: deskriptiva data för hela urvalet

Hela urvalet -0,05 0,10 0,05 7,86 (7,77)

Sammanställning 2: deskriptiva data för modell 1 per decil

M1: LOW_ACCRUALS (1) -0,19 (-0,14) 0,25 (0,18) 0,01 (0,03) 1,29 7,30

M1: 2:e decilen 0,98 7,94

M1: 3:e decilen 0,86 8,19

M1: 4:e decilen 1,05 8,04

M1: 5:e decilen 1,01 8,17

M1: 6:e decilen 0,94 8,21

M1: 7:e decilen 0,96 8,10

M1: 8:e decilen 0,98 7,71

M1: 9:e decilen 1,01 7,59

M1: HIGH_ACCRUALS (10) 0,05 (0,05) 0,03 (0,01) 0,08 (0,06) 1,18 7,45

M1: HEDGE 0,13

Sammanställning 3: deskriptiva data för modell 2

M2: LOW_ACCRUALS -0,19 (-0,13) 0,20 (0,17) 0,01 (0,02) 1,33 7,29

M2: HIGH_ACCRUALS 0,07 (0,05) 0,04 (0,03) 0,14 (0,10) 1,19 7,46

M2: HEDGE 0,14

Sammanställning 4: deskriptiva data för modell 3

M3: LOW_ACCRUALS -0,26 (-0,19) 0,20 (0,20) -0,06 (0,01) 1,48 7,14

M3: HIGH_ACCRUALS 0,10 (0,08) 0,04 (0,03) 0,14 (0,10) 1,24 7,41

M3: HEDGE 0,24

Förklaringar

ACCRUALS t = Periodiseringar i period t delat på genomsnittliga totala tillgångar, nuvarande periodiseringar erhålls genom ACCRUALSt = EARNINGSt – CFOt.

CFO t = Kassaflöde från den operativa verksamheten för period t delat på genomsnittliga totala tillgångar

EARNINGS t = Rörelseresultat i period t delat på genomsnittliga totala tillgångar

EARNINGS t+1 = Rörelseresultat i period t+1 (nästa period) delat på genomsnittliga totala tillgångar BETA β = Beta β koefficienten från ekvation 3 över hela urvalsperioden (7 årig BETA) SIZE = Naturlogaritmen av marknadsvärdet vid slutet av räkenskapsåret.

25

4.2 Test av framtida rörelseresultat

Den första hypotesen H1(i) är att ta reda på om periodiseringar bidrar i relativt mindre än kassaflödet från den operativa verksamheten till nästa års rörelseresultat. I tabell 2 sammanställning 1 visas i linje med Sloan (1996) både medelvärde och median per år och industri för regressionerna. Vidare visas även sammanställd data (polade observationer) ²⁶. Koefficienten för periodiseringar γ1 för den polade regressionen är 0,703 medan koefficienten för kassaflöde från den operativa verksamheten γ2 motsvarande är 0,954. Medelvärde (median) för regressioner per år och per industri uppvisar liknande samband, där periodiseringar bidrar relativt mindre till nästa års rörelseresultat än kassaflöde från den operativa verksamheten. Av alla körda regressioner per industri och år visar det sig att 81% av dessa uppvisar ett samband där γ1< γ2. Vidare uppvisar både periodiseringar och kassaflöde från den operativa verksamheten tydlig signifikans.

I tabell 2 sammanställning 2 visas industrispecifika koefficienter. Dessa används som underlag för skattning av framtida rörelseresultat i modell 2 och modell 3. Anledningen till att vi endast grupperar industrier, men väljer alla år, är för att få fram ett robust värde över hela perioden för skattning av framtida rörelseresultat. För att förtydliga detta ges ett exempel²⁷. Regressionernas förklaringsgrad (r²) för de olika industrierna varierar mellan 34,6% till 68,4% med ett genomsnitt på 55%. Detta gör att det kan uppkomma felaktiga skattningar i vårt test. Vi hävdar då att det är omöjligt att hitta modeller inom ekonomin som helt exakt kan förutspå händelser i förväg, vilket medför en begränsning där man antar att störningsterm har förväntat värde noll [t.ex. Ball och Brown (1968) eller Sloan (1996)]. Vi anser då att de skattade rörelseresultaten är tillräckligt robusta för att testas i modellerna 2 och 3.

26 Polade observationer innebär att man slår samman hela urvalet utan att ta hänsyn till vare sig år eller industri, detta för att se om det om hela underlaget uppvisar liknande samband.

27 För att ge ett exempel: koefficienterna (y1 och y2) för sektorn Läkemedel är 0,305 och 0,998 med ett förklaringsvärde om 55,6% baserat på 158 observationer, vilket då representerar hur mycket periodiseringar och kassaflöde från den operativa verksamheten har bidragit till framtida rörelseresultatet under åren 2002 till 2009.

Antag vidare att ett företag i industrin läkemedel har 0,10 i periodiseringar och 0,05 i kassaflöde från den operativa verksamheten. För att skatta det framtida rörelseresultatet för detta företag summeras följande: -

0,018+0,305*0,10+0,998*0,05 = 0,0624. För att ta reda på skattningens styrka används förklaringsvärdet, i detta fall är det (r2=0,556). Alltså, regressionen (som innehåller periodiseringar och kassaflöden) kan förklara nästa års rörelseresultat med 55,6%. Om förklaringsgraden skulle vara 100% skulle det verkliga utfallet stämma helt överens med det skattade värdet.

26 Tabell 2

Resultat från ekvation (2) (EARNINGSt+1 = γ0 + γ1ACCRUALSt + γ2CFOt + et+1) Framtida rörelseresultat i relation med periodiseringar och kassaflöden från den operativa

verksamheten HELA URVALET

Urvalet består av totalt 1937 företagsår från 2002-2009

Panel 1: Visar i linje med Sloan (1996) koefficienterna årsvis och industrivis samt sammanslagen data.

Industrier/bransch γ0 γ1 γ2 r²

Medelvärde per år och sektor 0,006 0,677** 0,951** 0,59

Median per år och industri -0,004 0,706** 1,003** 0,59

Polad alla år och alla sektorer -0,001 0,703** 0,954** 0,55

γ 0 (sig. %) γ 1 (sig. %) γ 2 (sig. %) y1<y2

% andel av regressionerna 19% 83% 91% 81%²⁸

Panel 2: Visar underlaget för skattade framtida rörelseresultat där koefficienterna visas industrivis Dessa används senare i modell 2 respektive modell 3. Koefficienterna är industrispecifika.

Industrier/bransch γ0 γ1 γ2 r² n

Industrier 0,001 0,615** 0,923** 0,543 684

Bruksföremål 0,001** 0,850** 0,817** 0,533 179

Konsumenttjänster 0,003 0,745** 0,885** 0,684 415

Konsumentvaror -0,008 0,801** 1,065** 0,601 357

Läkemedel -0,018 0,305** 0,998** 0,556 158

Gas och olja 0,008 0,678** 0,995** 0,346 157

Förklaringar

γ0 = Betecknar interceptet

γ1 = Betecknar koefficienten för periodiseringar (ACCRUALS)

γ2 = Betecknar koefficienten för kassaflöde från den operativa verksamheten (CFO)

r² = Betecknar den justerade förklaringsgraden (adj. r²)

n = Betecknar antal observationer

* = Betecknar signifikans vid 0,05 nivå (dubbelsidigt t-test)

** = Betecknar signifikans vid 0,01 nivå (dubbelsidigt t-test)

28 Jämfört med Sloan (1996) är andelen där periodiseringar bidrar relativt mindre framtida rörelseresultat (y1<y2) 86%.

27

4.3 Test av handelsstrategi i termer av överavkastning

I tabell 3.1, tabell 3.2 och tabell 3.3 redovisas överavkastningen för de olika portföljerna. I tabell 3.1 presenteras modell 1, vilken kan ses som en replikering av Sloan (1996). Eftersom detta är en replikering visas alla portföljer per decil. Förutom portföljerna LOW_ACCRUALS (1:a decilen) och HIGH_ACCRUALS (10:e decilen) visas också portföljerna mellan den 2:a till den 9:e decilen.

Genom att visa detta per decil ser vi hur beta får ett u-format mönster, från att vara 1,29 för portföljen LOW_ACCRUALS för att senare minska till 0,86 i 3:e decilen och senare öka till 1,16 för portföljen HIGH_ACCRUALS.

Portföljen LOW_ACCRUALS har genererat en överavkastning om 1,5%²⁹ (t = 4,72) och portföljen HIGH_ACCRUALS har genererat en överavkastning om 0,3%³⁰ (t = 1,39) vilket till skillnad från Sloan (1996) är positivt men inte signifikant. Målet med HIGH_ACCRUALS är att portföljen ska generera en negativ överavkastning (underavkastning) för senare avräkna den mot portföljen LOW_ACCRUALS.

Detta omvända resultat leder till att marknaden på senare tid måste ha förstått vikten av att företag med en stor andel periodiseringar eventuellt tenderar att generera en underavkastning. Portföljen HEDGE skapar då en total överavkastning på 1,0%³¹ (t = 3,42). Risken (beta β) för portföljen blir följaktligen 0,13 (t = 2,04), vilket är signifikant. Detta skapar dock statistiska bevis att det faktiskt går att uppnå överavkastning men att det kan förklaras med att det finns en viss risk om 0,13. Jämfört med Sloan (1996) är överavkastningen lägre³² och det finns nu en relativt liten risk. Vi ser att resultaten från size-adjusted returns är i ungefär lika.

29 Jensens α (t-värde) från Sloan (1996) för LOW_ACCRUALS är 0,039 respektive (2,01)*

30 Jensens α (t-värde) från Sloan (1996) för HIGH_ACCRUALS är -0,064 respektive (-4,68)**

31 Jensens α (t-värde) från Sloan (1996) för HEDGE är 0,104 respektive (4,42)**

32 Sloan (1996) får ett Beta β på den hedgade portföljen om 0,02