Momentumeffekten på den svenska marknaden
En studie om börstrender på Nasdaq Stockholm och Nasdaq First North
Kandidatuppsats 15 hp
Företagsekonomiska institutionen Uppsala universitet
HT 2019
Datum för inlämning: 2020-01-16
Filip Daberius Henrik Malmberg
Handledare: Jonas Råsbrant
Förord
Den här uppsatsen är skriven som vårt examinationsarbete efter tre års studier vid Uppsala Universitet. En stor mängd tid, möda och arbete har lagts ner för att få färdigt studien i tid. Vi vill främst rikta ett stort tack till vår handledare Jonas Råsbrant som med tålamod och god konstruktiv kritik har stöttat oss genom processen. Vi vill även tacka vår opponentgrupp för ypperlig feedback och tips till förbättring under arbetets gång.
16 januari, 2020 Uppsala
Filip Daberius Henrik Malmberg
Sammandrag
Den här studien undersöker momentum på den svenska marknaden under perioden januari 2010 till december 2018. Studien finner resultat att historiska vinnare fortsätter generera en positiv råavkastning medan historiska förlorare över samma period fortsätter att generera en negativ råavkastning. Resultaten är robusta även vid justering för storlek av bolagen.
Momentum återfinns likväl hos små, medelstora, som stora bolag individuellt. Prövning av avkastningen visar att den inte kan förklaras genom Fama och Frenchs trefaktormodell utan samtliga strategier erhåller en positiv, signifikant avvikelseavkastning. Studien visar också att momentum återfinns till den grad att historiska vinnare på egen hand kan generera en riskjusterad avkastning som slår marknaden. Således presenterar studien resultat som tydligt indikerar ett momentum bland bolag på den svenska marknaden.
Nyckelord: Momentum, investeringsstrategi, avkastning, effektiva marknadshypotesen,
beteendeekonomi, Nasdaq Stockholm, Nasdaq First North.
Innehållsförteckning
1. Introduktion 3
1.1 Problematisering 4
1.2 Syfte och frågeställningar 6
1.3 Vidare disposition 6
2. Teoretiskt ramverk 7
2.1 Den effektiva marknadshypotesen 7
2.2 Riskjusterade prissättningsmodeller 8
2.3 Beteendeekonomi 9
2.4 Tidigare forskning kring momentum 11
2.5 Momentumforskning i Sverige 12
2.6 Momentum i relation till diverse faktorer 13
2.7 Beteendeekonomiska förklaringar till momentum 14
2.8 Hypotesformulering 16
2.9 Kritik mot momentumforskning 16
3. Data och urval 18
4. Metod 20
4.1 Utformande av portföljer 20
4.2 Portföljer efter storleksjustering 21
4.3 Överlappande portföljer 21
4.4 Signifikanstest 22
4.5 Riskjusterad avkastning 23
5. Empiri och analys 24
5.1 Resultat för momentum på den svenska marknaden 24
5.2 Resultat för momentum efter storlek 27
5.3 Resultat för riskjusterad avkastning 29
5.4 Beteendeekonomisk analys 32
6. Slutsats 34
6.1 Förslag till vidare forskning 35
Referenser 36
Appendix 40
3
1. Introduktion
Den traditionella finansiella teorin vilar till stor del på den klassiska forskningen kring Markowitz (1952) portföljteori, Miller och Modiglianis (1958) principer kring arbitrage, Sharpe (1964), Lintner (1965) och Blacks (1972) välciterade prissättningsmodell Capital Asset Pricing Model (CAPM), samt Black och Scholes (1972) klassiska modell för optioner (Pompian, 2011). Dessa teorier kan ses som grunden till ett försök att utforma logiska och matematiska samband mellan tillgångar (Yusuf, 2015). De ämnar även att på ett förenklat och elegant vis förklara finansiella frågeställningar som vid verklig tillämpning ofta är komplexa och svårförklarade (Pompian, 2011). Den traditionella teorin bygger på en uppsättning av antaganden som till stor grad förenklar verkligheten. Bland dessa antaganden är ett av det mest välkända det om människans fullständiga rationalitet (Pompian, 2011; Yusuf, 2015). En individ förutsätts alltid ta all tillgänglig information i beaktning innan man fattar ett beslut och följaktligen fattar man det beslut som gynnar individen mest och därmed är fullt rationell (Yusuf, 2015). Antagandet om att priset på en tillgång reflekterar samtlig tillgänglig information, tillsammans med antagandet om en effektiv arbitrage-mekanism är vad som ligger till grund för hypoteserna kring den effektiva marknaden (Fama, 1970; Yusuf, 2015).
Den effektiva marknadshypotesen etablerades under 1970-talet av Eugene Fama (Fama, 1970) och trots teoriens brett accepterade antaganden och grund inom finansiell forskning har den utmanats av diverse finansiella fenomen som trotsar marknadens förmodade effektivitet (Pompian, 2011; Varvouzou 2012). De potentiellt omotiverade marknadsrörelser som återfinns på börsen och som ter sig svårförklarade av klassisk finansiell teori har kollektivt benämnt till marknadsanomalier (Varvouzou, 2012). Dessa marknadsrörelser har istället försökts förklaras, inte bara genom matematiska modeller, utan även av det mänskliga psyket (Pompian, 2011).
Några forskare som var tidiga med att applicera psykologi inom finansiell forskning var Bondt
och Thaler (1985). Deras resultat visar att det finns många anledningar till att betvivla
rationaliteten hos en investerare och att en möjlig förklarande variabel till en akties rörelser kan
hänvisas till området beteendeekonomi. Deras studie presenterar bevis för en långsiktig trend i
utvecklingen av ett bolags aktiekurs där historiska förlorare över tre år istället tenderar att
överprestera marknaden de kommande fem år. Samtidigt som historiska vinnare under samma
tidsperiod tenderar att istället underprestera marknaden under de kommande fem åren. Detta
4
marknadsfenomen benämns som långsiktiga reversaler
1och De Bondt och Thaler (1985) drar slutsatsen att det finns vissa aspekter av marknaden som inte beter sig fullkomligt rationellt.
Det finns idag ett populärt förhållningssätt hos nationalekonomer att människor tenderar att överreagera i förhållande till ny information (Varvouzou, 2012). Detta förhållningssätt etablerades till viss del av De Bondt och Thalers (1985) resultat som hittar empiriska bevis inom finansmarknaden för överreaktionseffekter. Med hjälp av psykologisk forskning kring hur människan reagerar olika vid vinster och förluster av bland annat Tversky et al. (1974) visar De Bondt och Thaler (1985) att investerare tenderar till att övervärdera ny information.
Därmed tenderar investerare till att driva aktiekursen över (under) dess rationella värdering vid positiva (negativa) nyheter (Morscheck, 2019). De Bondt och Thaler (1985) argumenterar således att efter en överreaktion på marknaden så kommer aktiekursen på lång sikt återgå till sin rationella värdering. Med en härledning från psykologisk empiri och beteendeekonomi som appliceras på finansmarknaden bidrar De Bondt och Thaler (1985) till att formatera grunden för trendbaserad forskning och aktiers förhållandevis omotiverade kursrörelser.
Med ursprung i forskningen från De Bondt och Thaler (1985) presenterar Jegadeesh och Titman (1993) sin studie om trender inom aktiekurser. De undersöker kontinuerliga rörelser hos bolag och dess avkastning på medellång sikt under tre till tolv månader. Genom att kontinuerligt observera historiska vinnare och förlorare finner de, i motsats till De Bondt och Thaler (1985), en fortsatt kontinuerlig trend istället för en reversal av avkastningen. Jegadeesh och Titman (1993) visar att historiska vinnare (förlorare) över tre till tolv månader fortsätter erhålla en positiv (negativ) avkastning under de kommande tre till tolv månaderna. De presenterar sina resultat under benämningen momentum och visar att även på medellång sikt finns det kontinuerliga effekter som inte enbart är drivna av fundamentala förändringar hos bolagen eller informationen kring dem.
1.1 Problematisering
Anomalin momentum, en kontinuerlig rörelse av en akties avkastning baserat på dess historiska avkastning, är något som under lång tid visat sig vara en utmaning för traditionell finansiell forskning att förklara. Dess existens har även varit genomgående på de flesta av världens marknader (Rouwenhorst, 1998; Griffin et al., 2003; Fama & French, 2012; Barroso
&Santa- Clara, 2015). Momentum är idag ett välstuderat marknadsfenomen och en investeringsstrategi
1 Motsvarar termen long-term reversals, myntat av De Bondt och Thaler (1985).
5
baserat på historisk avkastning har visat sig vara ekonomiskt lönsam och till stor grad praktiskt genomförbar (Griffin et al., 2003). Fortsättningsvis skapar resultaten från forskning kring historiska trender av kursrörelser ett argument som potentiellt går emot den effektiva marknadshypotesen. Att erhålla en avvikelseavkastning
2genom en investeringsstrategi som använder sig av historiska rörelser hos ett bolags aktie ska inte vara möjligt enligt den svagaste formen av den effektiva marknadshypotesen (Fama, 1970). Momentumeffekten har historiskt utmanat antagandet om marknadens effektivitet och har försökts förklaras av en bred mängd faktorer. En av dessa faktorer som potentiellt påverkar momentumeffekten enligt bl.a.
Scowcroft och Sefton (2005) är ett bolags storlek, där mindre bolag uppvisar ett mer tydligt företagsspecifikt momentum jämfört med större bolag. Inom många delar av modern finansiell forskning justerar man för momentumeffekten i liknande stil som vid justering för småbolagseffekten och värdeeffekten där långsiktig avkastning studeras (Carhart, 1997).
Momentum har länge attraherat en stor uppmärksamhet inom den finansiella forskningen. Med resultat som tyder på det finns en viss prediktiv förmåga av marknadsrörelser har detta lett till att momentum frekvent används som investeringsstrategi, speciellt på den amerikanska aktiemarknaden (Chan et al., 1996). Empiriska bevis för momentums existens på den amerikanska aktiemarknaden etablerades tidigt av bland annat Jegadeesh och Titman (1993, 2001). Momentum har även bevisats existera under olika tidsperioder och marknader runtom i världen (se bl.a. Rouwenhorst, 1998; Griffin et al., 2003; Fama & French, 2012) vilket indikerar att dess existens inte är slumpmässig utan är ett etablerat fenomen. Resultaten för den svenska marknaden är däremot tvetydiga, där ett flertal studier drar olika slutsatser om existensen av momentum. Exempelvis presenterar Chui et al. (2010), Fama och French (2012) och Gong et al. (2015) signifikanta resultat för existensen av momentum i Sverige. I motsats visar Rouwenhorst (1998) och Griffin et al. (2003) att de inte finner någon signifikant momentumeffekt på en svenska marknaden. Empiri finns även redovisad för att momentum är mer signifikant hos mindre bolag, vilket visar att börsvärde potentiellt spelar en viktig roll i momentumeffekten (Chan et al., 1996; Hong & Stein, 1999; Scowcroft & Sefton, 2005; Fama
& French, 2012). Däremot ser Jegadeesh och Titman (2001) inte någon signifikant skillnad när de undersökte momentum efter justering för börsvärde. Givet denna tvetydighet kring momentums existens samt en avsaknad av momentumforskning som specifikt undersöker
2 Avvikelseavkastning motsvarar engelskans abnormal return och är den avkastning som erhålls utöver den förväntade avkastningen efter utförd riskjustering.
6
momentum efter börsvärde i Sverige, kan det anses vara motiverat att ytterligare utforska och bidra med ökade empiriska resultat från den svenska marknaden. Genom att inkludera storleksjusterade portföljer i denna undersökning kan resultaten potentiellt ytterligare stärka eller ifrågasätta tesen om att mindre bolag uppvisar en mer signifikant momentumeffekt.
Forskning om momentum, dess lönsamhet och applicerbarhet utgör även en utvärdering mot den effektiva marknadshypotesen.
1.2 Syfte och frågeställningar
Med stöd av denna bakgrund och problematisering är syftet för denna studie att undersöka förekomsten av momentum på den svenska aktiemarknaden. Studien baseras således kring tre frågeställningar:
1. Existerar momentum på den svenska marknaden?
2. Är momentumeffekten närvarande för bolag på marknaden oavsett bolagets storlek?
3. Kan man uppnå en positiv avvikelseavkastning genom att investera efter en momentumstrategi?
1.3 Vidare disposition
Resterande del av studien är upplagd enligt följande. Avsnitt 2 innehåller det teoretiska ramverk som studien baseras på. I avsnitt 3 redogörs för den data som har inkluderats i undersökningen.
Avsnitt 4 redogör för vilken metod som har använts. Avsnitt 5 presenterar studiens resultat och
kopplar dessa till tidigare teori. Avsnitt 6 sammanfattar studiens resultat och prövar dess
hypoteser samt ger förslag på vidare forskning.
7
2. Teoretiskt ramverk
2.1 Den effektiva marknadshypotesen
Den effektiva marknadshypotesen utgör en viktig grundsten för motivationen till att studera momentum på kapitalmarknader. Kapitalmarknadens huvudsakliga syfte är att effektivt allokera kapital där priset av en aktie ska representera all underliggande och tillgänglig information för att investerare ska på ett korrekt sätt kunna ta ett investeringsbeslut (Fama, 1970). Traditionell finansiell teori utgår ifrån ett visst förhållningssätt för hur individer bör bete sig. Antaganden för en effektiv marknad baseras på att marknaden är rationell och att potentiella anomalier som uppstår justeras i det långsiktiga loppet eftersom de är slumpmässiga och därav tar ut varandra. Marknaden anses vara rationell, men detta innebär inte nödvändigtvis att investerare inom denna marknad beter sig fullkomligt rationellt. Utgångspunkten i en effektiv marknad där tillgångar är prissatta givet all befintlig information är att endast ny information till marknaden kommer att förändra en akties pris. Ny information kan lika gärna vara positiv som negativ, vilket leder aktiepriser till att följa en “random walk” och irrationella investerares ageranden förväntas ta ut varandra till ett nollsummespel. En fullt effektiv marknad kräver dock även att kostnaden för att handla med dess tillgångar är noll och att all information faktiskt når ut till alla aktörer, samt att arbitrage effektivt korrigeras och inga långvarande systematiska felprissättningar bör existera. En förändring i en akties förväntade pris måste därmed vara ett resultat av förhållandet mellan avkastning och risk, vilken kan förändras (Fama, 1970).
Eftersom kriterierna för en fullt effektiv marknad inte alltid uppfylls kan marknaden följaktligen ha tre nivåer av styrka gällande sin effektivitet (Fama, 1970), en svag, medelstark och stark nivå. Den svaga nivån befäster att all historisk information är inräknad i en akties pris, den medelstarka tar i åtanke all publik tillgänglig information, och slutlitgen utgår den starkaste formen utifrån att all historisk, publik och privat information är inräknad i priset.
Följaktligen bör exempelvis ingen teknisk analys givet den svagaste nivån av effektivitet kunna
användas för att hitta en avvikelseavkastning. Därmed är det den svagaste nivån av effektivitet
som exempelvis Jegadeesh och Titman (1993) och generella momentumbaserade strategier
utmanar, eftersom dessa baseras på tidigare vinnare och förlorare givet en akties historiska
avkastning. Utgångspunkten i momentum, både som marknadsfenomen och som
investeringsstrategi, är just att rörelser för aktier kan förutspås utan någon typ av fundamental
8
analys givet istället endast historisk information. Denna information bör redan vara inräknade i en akties prissättning och framtida avkastning kan vara en avvikelse från den förväntade. En momentumbaserad investeringsstrategi bör således enligt en effektiv marknad inte konsekvent vara lönsam.
2.2 Riskjusterade prissättningsmodeller
Alla tillgångar på marknaden bör vara prissatta fullkomligt korrekt givet någon form av den fundamentala risken som en aktör tar när den investerar i tillgången. Alla typer av felaktiga prissättningar där en tillgång avviker från vad som väntas enligt denna risk bör justeras av välinformerade investerare som utnyttjar detta och inget arbitrage på marknaden bör därmed existera. Den avkastning som en momentumstrategi potentiellt erhåller kan överstiga den av exempelvis ett marknadsindex så som det representativa för Stockholmsbörsen, SIX Return Index, vilket inkluderar återinvesterade utdelningar. Dock räcker inte detta för att bestämma ifall en strategi enligt finansiell teori faktiskt är lönsam, då portföljteori inte endast tar avkastningen i beaktning utan även lägger tung vikt vid vilken risk som denna avkastning uppnås till. Därför behöver en riskjustering utföras för att se vilken risk som medföljer den avkastning som denna undersöknings momentumbaserade portföljer ger. En traditionell modell för att mäta, bland annat, vilken avkastning som kan förväntas av en aktie är CAPM, vilket dock enligt tidigare forskning inte alltid har kunnat förklara all avkastning givet risken för marknadspremien och en akties beta vilket De Bondt och Thaler (1985) finner i sin studie.
Jegadeesh och Titmans (1993) visade även i sina resultat att den systematiska risken inte räcker
för att förklara all avkastning som erhålls enligt deras resultat. CAPM har även erhållit en
relativ mängd kritik (bl.a. Fama & French, 1996)
.Momentum är förhållandevis besvärligt att
förklara genom de traditionella riskbaserade prissättningsmodellerna (Jegadeesh & Titman,
2005) som exempelvis CAPM och av trefaktorsmodellen av Fama och French (1993).
9
Trefaktorsmodellen används ändå frekvent inom forskning för att utföra den riskjustering som krävs i många studier kring avkastning och kommer därmed även att användas i denna undersökning. Ifall den avkastning en momentumstrategi erhåller kan förklaras av modellen kan avkastningen anses vara rimlig givet risknivån en investerare tar, och är därmed ingen avvikelse från vad den faktiska prissättningen av marknaden är. Trefaktorsmodellen är uppbyggd enligt följande:
𝑟
𝑖= 𝑟
𝑓+ 𝛽
1(𝑟
𝑚−𝑟
𝑓) + 𝛽
2(𝑆𝑀𝐵) + 𝛽
3(𝐻𝑀𝐿) + 𝜀 (1)
Där r
i= den förväntade avkastningen för tillgång i, r
f= den riskfria räntan, (r
m− r
f) = marknadens överavkastning mot den riskfria räntan, SMB (Small minus big) = historisk överavkastning för småbolag över stora bolag, HML (High minus low) = historisk överavkastning för värdebolag över tillväxtbolag samt β
1,2,3= känsligheten för tillgångens avkastning mot marknadsrisken, småbolagsfaktorn och värdebolagsfaktorn.
2.3 Beteendeekonomi
Följare av den traditionella finansiella teorin upprätthåller generella antaganden om att människan är nyttomaximerande och rationella individer, men beteendeekonomer menar att detta inte alltid är fallet (Kudryavtsev et al., 2013). Istället för att utgå från sig själv och alltid välja det som är mest rationellt så uppvisar människan tendenser till att följa olika biases som påverkar hur man fattar beslut i olika situationer. Enligt beteendeekonomer fokuserar de traditionella teorierna för mycket på hur en ideal investerare borde agera under perfekta förhållanden och försummar de mänskliga faktorer som spelar in i hur man fattar beslut (Kudryavtsev et al., 2013). Beteendeekonomin är därmed även en essentiell grund för momentum- och annan trendbaserad finansiell forskning och dess diverse förhållningssätt kan bidra till att förklara potentiellt irrationella ageranden på marknaden (Grinblatt & Han, 2005).
Kahneman och Tverskys (1979) prospektteori som De Bondt och Thaler (1985) delvis utgick ifrån i sin studie om överreaktioner på marknaden, behandlar det generella mänskliga beteendet och säger att en investerare bedömer sin potentiella avkastning i förhållande till dess risk på ett icke-rationellt sätt. Prospektteorin ligger till stor del som grund för den beteendeekonomiska forskningen (Pompian, 2011) och är bland de första vetenskapliga teorierna som presenterar empiriska resultat för människans irrationalitet (Kahneman & Tversky, 1979; Pompian, 2011).
Teorin utgår ifrån att en investerare värderar vinster och förluster olika baserat vid vilken
referenspunkt de står vid. Människan är riskavert när de står framför ett riskfyllt alternativ för
10
vinster, där man föredrar att erhålla en lägre förväntad avkastning till en högre sannolikhet. När de istället står inför riskfyllt beslut gällande sina förluster så är de risksökande och föredrar en lägre förväntad avkastning så länge det innefattar möjligheten att undvika ytterligare förluster.
Därmed ifall man står framför ett val där resultatet är okänt så kommer ett beslut tendera att göras baserat på det potentiella värdet av förluster och vinster snarare än själva resultatet. Detta görs även relativt till ens nuvarande förmögenhet som referenspunkt, där en förlust leder till en signifikant mer negativ känsla än en vinst av samma reala värde leder till en positiv känsla.
Detta skapar en funktionskurva som rör sig i en S-form kring referenspunkten som är konkav inom området för vinster, och konvex inom området för förluster. Således är därmed individer inte fullt rationella och nyttomaximerande.
Figur 1 - Diagram över prospektteorin och dess S-form där x-axeln förklarar det reala värdet på utfallet och y- axeln förklarar det upplevda värdet av samma utfall.
Utöver prospektteorin använder sig beteendeekonomin av flertalet olika psykologiska biasers och mänskliga “felbeteenden” för att förklara marknadsfenomen (Pompian, 2011; Varvouzou, 2012; Kudryavtsev et al., 2013). Några av dessa är följande
3:
● Attributionsfel är tendensen att individer felaktige tilldelar orsaken till ett utfall. Är utfallet fördelaktigt är det på grund av eget bevåg, är utfallet negativt tilldelar man orsaker till externa händelser (Pompian, 2011).
3 Termerna motsvarar engelskans self-attribution bias, herding behaviour, samt availability heuristic.
11
● Flockmentalitet syftar till människans tendenser till att istället för att följa sin egen uppfattning och information så väljer man att imitera vad majoriteten väljer att göra, eller försöker att följa rörelserna på marknaden (Sharma et al., 2000; Pompian, 2011).
Man skapar sig således en felaktig trygghet iochmed att man antar att så många personer inte anses kan ha fel samtidigt och beaktar inte rationellt all information som finns tillgänglig (Bartels, 1988).
● Tillgänglighetsheuristik används för att förklara individers förmåga att basera sin uppfattning om kommande utfall på hur troligt man anser det vara. Eftersom individer har enklare att minnas nyligen inträffade event anser man dessa mer troliga än utfall som inträffade för en längre tid sen. Således antar man att kommande utfall mer troligt kommer likna nyligen inträffade utfall (Pompian, 2011).
2.4 Tidigare forskning kring momentum
Den forskning som har utförts kring området momentum är extensiv och breder ut sig över flertalet olika förklaringar till dess förekomst på marknader runtom i världen (Rouwenhorst, 1998; Griffin et al., 2003; Fama & French, 2012). Momentumeffekten är baserad på ett spektrum av tidigare forskning och empiri för dess existens presenterades bland annat av Jegadeesh och Titman (1993). Motivationen till att undersöka tidsperioder på medellång sikt härstammar från att vid denna tidsperiod var det en relativt outforskad tidshorisont. Tidigare forskning har undersökt trender på lång sikt (De Bondt & Thaler, 1985) samt trender på kort sikt (Jegadeesh, 1990; Lehmann, 1990). Jegadeesh och Titman (1993) utformar sina strategier baserat på en akties relativa styrka i dess rörelser på marknaden. De använder sig av avkastningsdata tagen från bolag listade på NYSE (New York Stock Exchange) och från dåvarande AMEX (American Stock Exchange) men som idag går under namnet NYSE American.
Jegadeesh och Titman (1993) operationaliserar frågan om hur man undersöker börstrender
genom en strategi baserad på att köpa börsens vinnare och blanka börsens förlorare valda från
den senaste 3, 6, 9 eller 12 månadersperioden, kallad en formationsperiod. De håller sedan
dessa positioner i 3, 6, 9 eller 12 månader, under hållperioden, där teoretiska portföljer
konstrueras baserat på alla olika kombinationer av dessa tidshorisonter. Detta resulterade sedan
i ett signifikant resultat för momentums existens baserat på den kontinuitet som aktier uppvisar.
12
Endast en period i deras studie uppvisade icke signifikanta resultat för momentum vilket var då innehaven baserades på tre månaders historisk och sedan höll dessa aktier i tre månade r.
Jegadeesh (1990) och Lehmanns (1990) resultat visar på kortsiktiga reversaler hos aktier från en vecka till en månad baserat på dess historiska avkastning för samma tidsperiod. Därmed testar även Jegadeesh och Titman (1993) att justera för detta genom att införa en fördröjningsperiod på en vecka mellan formationsperioden och hållperioden. Den mest lyckade portföljen var den baserad på tolv månaders historisk avkastning och som sedan hålls i tre månader framåt. Denna strategi ger 1,31% genomsnittlig avkastning per månad när det inte finns någon fördröjning mellan tidpunkten för portföljens formationsperiod och hållperiod, när de sedan inkluderar en veckas fördröjning däremellan uppgår den genomsnittliga avkastningen istället till 1,49% (Jegadeesh & Titman, 1993). Deras strategi resulterar i en s.k självfinansierande strategi, eller “zero-cost strategy”. Med detta menas att inkomsten från den blankade positionen finansierar den långa positionen och inget extra kapital krävs, bortsett från att täcka transaktionskostnader (Jegadeesh & Titman, 1993). Jegadeesh och Titman (1993) finner även att avkastningen de erhåller inte kan förklaras av den förväntade enligt prissättningsteorin CAPM vilket ytterligare stödjer deras tes om en momentumeffekt. De replikerar även sin studie för en senare tidsperiod och prövar deras resultat genom att riskjustera med trefaktormodellen och finner även denna gång att deras resultat visar på existensen av momentum samt genererar positiva och signifikanta alphavärden (Jegadeesh och Titman, 2001).
2.5 Momentumforskning i Sverige
Som tidigare beskrivits har resultaten från momentumforskning för Sverige skiljt sig mellan diverse studier. Tidigare studier som undersöker och hittar signifikanta evidens för momentum på den svenska marknaden är bland annat Parmler och Gonzalez (2007), Chui et al. (2010), Fama och French (2012), Leippold och Lohre (2012), Asness et al. (2013) samt Gong et al., (2015). I kontrast till den forskning presenterar Rouwenhorst (1998) och Griffin et al. (2003) att de inte lyckas identifiera några statistiskt signifikanta resultat för momentum på den svenska marknaden. Rouwenhorst (1998) finner exempelvis i sin undersökning för Europa
4att Sverige är det enda land som inte uppvisar signifikanta resultat för momentum. Leippold och Lohre (2012) finner att 13 länder i Europa visar signifikanta resultat för momentum på 5% nivån
4 Länder som inkluderas i undersökningen är Belgien, Danmark, Frankrike, Italien, Nederländerna, Norge, Schweiz, Spanien, Storbritannien, Sverige, Tyskland och Österrike.
13
medan Sverige endast visar resultat signifikanta på 10% nivån. Parmler och Gonzalez (2007) har tittat på Sverige och USA i sitt urval av data, och finner på den svenska marknaden att en momentumstrategi baserad på individuella aktier, genererar en positiv och signifikant avkastning. De tar även hänsyn till effekten av data-snooping i sin studie och trots detta förblir resultaten i linje med vad momentum förespråkar enligt tidigare forskning.
2.6 Momentum i relation till diverse faktorer
För att utveckla teorin bakom momentum och bidra till förklaringen bakom det finns en stor mängd litteratur som försöker ställa momentum i relation till olika variabler. Bland annat finner Chan et al. (1996), Hong och Stein (1999), Scowcroft och Sefton (2005), samt Fama och French (2012) att momentum återfinns till en större grad hos mindre bolag, sett till dess börsvärde.
Vidare finner även Hong och Stein (1999) att deras modeller hittar implikationer av att både kortsiktigt momentum och långsiktiga reversaler sker till en mer signifikant grad i mindre bolag. Detta beror delvis på att informationen som presenteras för mindre bolag verkar absorberas och bearbetas långsammare av marknaden. Något Hong och Stein (1999) delvis hänvisar till att det finns ett färre antal analytiker på marknaden som täcker mindre bolag och använder sig av den presenterade informationen för att värdera dess aktie, jämfört med större bolag. Resultaten från Hong och Stein (1999) kan även kopplas till studien av Chan et al. (1996) gällande analytikernas långsamma anpassning till publicerade resultat som därmed orsakar förhållandevis omotiverade rörelser i marknaden, i och med att aktiens prissättning fördröjs.
Fama och French (2012) hittar bevis för att momentumeffekten är mer signifikant hos mindre
bolag och skillnaden för premien mellan vinnare och förlorare är mindre desto större bolaget
är. Även Jegadeesh och Titman (2001) utvärderar resultaten för momentum i förhållande till
ett bolags storlek. De skalar bort alla bolag med ett aktiepris på $5 eller lägre samt ifall ett
bolag återfinns inom den lägsta decilen för börsvärde för bolag noterade på New York Stock
Exchange (NYSE). De finner dock att detta inte signifikant påverkar resultaten i deras studie
utan endast att denna justering sänker standardfelet inom studien. Jegadeesh och Titman (2001)
gör ytterligare en distinktion mellan stora och små bolag, där gränsen dras vid
medianbörsvärdet för NYSE, där alla bolag över (under) medianvärdet klassas som stora (små)
bolag. De finner att momentumeffekten återfinns hos likväl stora som små bolag men att
skillnaden i avkastningen inte markant skiljer sig från varandra.
14
Scowcroft och Sefton (2005) anser att momentum för stora bolag huvudsakligen drivs av ett industrimomentum där sektorn som ett specifikt bolag befinner sig inom utgör den största förklaringen till potentiell avvikelseavkastning och inte ett företagsspecifikt momentum för individuella aktier. Industrimomentum har även undersökts av Moskowitz och Grinblatt (1999) där de anser att en signifikant del av avkastningen härledd från momentum utgörs av industrirelaterade komponenter och att momentumstrategier är mycket mindre lönsamma när en kontroll utförs av industri. Vidare finner Chung et al. (2012) i sin studie om den prediktiva förmågan hos historisk avkastning, där bland annat momentum undersöks, att den endast är signifikant och robust i tider med en marknadsuppgång. När marknaden befinner sig i recession sjunker den prediktiva förmågan och resulterar generellt i ett icke signifikant resultat.
2.7 Beteendeekonomiska förklaringar till momentum
Följare av beteendeekonomi hävdar att teorierna kring flockmentalitet kan stödja försöken att förklara utbredda och etablerade anomalier på marknaden såsom överdriven volatilitet, momentum och reversaler i aktiepriser (Nofsinger & Sias, 1999
;Kudryavtsev et al., 2013, Chen et al., 2018). Hur starkt flockbeteendet på marknaden är påverkar också effekten av momentum på aktier (Chen et al., 2018; Demirer et al., 2015). Eftersom individens egna beteende sällan på egen hand kan influera en effekt som sedan leder till skift i marknadspriser och avkastning, så kan dessa endast få signifikant effekt ifall de lyckas skapa någon form av känslomässig koppling till andra personer. På så sätt influerar man varandra i en snöbollseffekt som mynnar ut i ett flockbeteende (Kudryavtsev et al., 2013). Flockbeteende kan alltså anses vara en bidragande faktor till möjliga ineffektiviteter på marknaden. Med motivationen att marknadspriserna inte representeras av all tillgänglig information eftersom ett starkt flockbeteende bland investerare skapar en markant uppåt- eller nedåtgående trend på börsen vilket driver priser bortom deras riktiga värde inom den traditionella finansiella teorin (Park &
Sabourian, 2011).
Kumar (2009) skriver att investerare tenderar till att uppvisa större psykologiska biaser när de
handlar i mer svårvärderade bolag. Kumar (2009) resonerar att detta är en möjlig förklaring till
varför mindre bolag uppvisar större momentum då ofta är svårare att värdera och därmed
medför den ökade psykologiska effekten ett större momentum (Kumar, 2009).
15
Ytterligare en beteendeekonomisk förklaring till momentum är över- och underreaktioner som ligger till grund för trendbaserad finansiell forskning (De Bondt & Thaler, 1985). En teori för varför över- och underreaktioner uppstår på marknaden kan enligt Daniel (1998) baseras på två välkända psykologiska attributet. Den första är attributionsfel som orsakar asymmetriska skiften i investerares självförtroende baserat på resultaten av deras utförda investeringar. Den andra är en investerares överdrivna självförtroende som innebär ett överskattat förtroende kring privat informations träffsäkerhet samt ens förmåga att utvärdera denna. Chui et al. (2010) argumenterar för att momentumavkastning kan påverkas av investerares beteenden som karaktäriseras av ett för starkt självförtroende i ens beslut om investeringar, samt även tidigare nämnda attributionsfel.
George och Hwang (2004) undersöker momentum kopplat till en akties relativa styrka och
närmande till sin 52-veckors högsta nivå, hittar signifikanta resultat för momentum. De
konkluderar att kortsiktiga underreaktioner uppstår på grund av förankringseffekten. George
och Hwang (2004) argumenterar för att förankringseffekten därmed spelar en viktig roll i
resultaten kring momentumforskning och marknadens dokumenterade under- och över
reaktioner mot ny information, då investerare använder 52-veckors högsta punkten för en akties
prisnivå som utgångspunkt för sina investeringsbeslut, och kan därmed potentiellt förklara
momentum från ett annat perspektiv. Grinblatt och Han (2005) försöker i sin studie förklara
momentum via olika aspekter av beteendeekonomi och finner både empiriska och teoretiska
bevis för att momentum delvis kan förklaras av dispositionseffekten och använder
prospektteorin och mental bokföring för att förklara detta.
16
2.8 Hypotesformulering
Den tidigare forskning som presenterar skilda resultat angående momentum på den svenska marknaden öppnar för diskussion och vidare studier inom området. Det är även av intresse att undersöka momentum relaterat till börsvärde, både på grund av de motstridiga resultat som tidigare forskning har presenterat samt avsaknaden av sådan forskning på den svenska
marknaden. Givet vad som presenteras under studiens tidigare delar härleds undersökningens hypoteser:
H1: Det finns ett momentum hos bolag på den svenska marknaden i sin helhet.
H2: Momentum återfinns till en högre grad hos mindre bolag än större bolag på den svenska marknaden.
H3: Det erhålls en positiv avvikelseavkastning genom att investera efter en momentumbaserad strategi.
2.9 Kritik mot momentumforskning
Som tidigare diskuterat är metodiken i denna studie baserad på Jegadeesh och Titman (1993)
vilken är välanvänd inom momentumforskning (Rouwenhorst, 1998; Bird och Casavecchia,
2007; Gong et al., 2015; Chen et al., 2018). Det ska dock beaktas att metodiken möter några
begränsningar vid ett realiserande av en momentumbaserad investeringsstrategi. För att erhålla
den totala avkastningen från VMF-portföljerna antar strategin att en investerare har total
tillgänglighet till både långa och korta positioner inom samtliga bolag på marknaden. Detta
beror på hur en teoretisk momentumstrategi är uppbyggd genom sina långa positioner i
historiska vinnare och blankningspositioner i historiska förlorare. Då mindre bolag ofta har en
begränsad tillgänglighet för att ingå blankningspositioner i skapar detta en problematik vid en
real applicering av strategin. Jegadeesh och Titman (2001) finner att blankningspositionerna
bidrar med ungefär hälften av den totala vinsten, vilket innebär att en realiserad strategi som
inte kan ingå i de korta positionerna missar en signifikant del av momentumeffekten. Eftersom
momentum ofta visats vara mer signifikant hos mindre bolag, enligt bland annat Hong och
Stein (1999), skapar detta ytterligare en problematik för ett användande av
momentumstrategier.
17
Fortsättningsvis ska det också nämnas att det är det handelsintensivt att investera efter en
momentumstrategi. Li et al. (2009) finner i sin studie att en stor del av den erhållna
avkastningen från VMF-portföljerna eroderas av transaktionskostnader. Scowcroft och Sefton
(2005) bemöter även kritiken mot komplikationer kring skapandet av likaviktade
momentumportföljer och kommer fram till att man alternativt istället kan använda sig av
värdeviktade portföljer där den statistiskt signifikanta avkastningen istället genereras av de
långa positionerna i vinnarna.
18
3. Data och urval
Urvalet som studien baserar sig på är samtliga bolag vid Nasdaq Stockholm (hädanefter benämnd som Stockholmsbörsen) samt Nasdaq First North. Den sistnämnda inkluderas för att få ett större urval av småbolagsaktier. För varje bolag har dess avkastning på månadsbasis samt börsvärde vid samma tidpunkt hämtats via databasen Refinitiv Datastream. Perioden för datan är mellan januari 2010 till december 2018. Ifall ett bolag har flera noteringar på börsen, såsom A-, B- eller C aktier kommer endast deras primära notering tas i beaktning. För att undvika survivor bias
5har samtliga bolag på Stockholmsbörsen och First North under hela tidsperioden inkluderats. Bolag som alltså har tillkommit till Stockholmsbörsen eller First North efter januari 2010 samt bolag som avnoterats från respektive börs eller handelsplattform har inkluderats under den period då de var tillgängliga. En viss rensning av datan sker däremot för bolag som har försvunnit eller tillkommit till börsen under periodens gång. Eftersom den kortaste undersökta perioden baserar sig på tre månaders historisk avkastning och tre månaders
“framtida” avkastning kräver studien att ett bolag minst har sex månaders noterad avkastning för att kunna inkluderas i datasetet. Är antalet månader färre än sex så har bolaget således eliminerats från datasetet. Tabell 1 visar den slutgiltiga uppsättningen av antal bolag inkluderade i undersökningen. Eftersom antalet bolag kontinuerligt varierar för varje månad finns ingen möjlighet att deskriptivt visa samtliga bolag i alla månader. Istället redovisas endast de minsta samt högsta värdena för varje J/K strategi. Benämningen J/K är ett efterliknande av Jegadeesh och Titman (1993) och hänvisar till antal månader som utgör formationsperioden (J) och hållperioden (K). Vidare är VMF
6benämningen på den totala avkastningen för portföljen varje månad och står för vinnare minus förlorare. Antal bolag i VMF-portföljen motsvaras av det kombinerade antalet bolag i vinnar- och förlorarportföljen, vilket är 20% av det totala urvalet vid varje månad.
5 Möjligheten att urvalet visar en bias mot positivt avkastande bolag genom att exkludera bolag som har försvunnit från den undersökta marknaden under perioden för studien (Jegadeesh & Titman, 1993).
6 VMF motsvarar begreppet WML (Winners minus losers) som används av Jegadeesh och Titman (1993).
19
Tabell 1
Deskriptiv statistik över urvalet och portföljer
Tabellen nedan redovisar den mängd data som har tagits i beaktning för undersökningen. Den J/K-strategi som statistiken refererar till återfinns i den första och andra kolumnen, respektive.
Antal bolag motsvarar hur många bolag som totalt fanns för urvalet vid det minsta och största urvalet för respektive strategi. Antal bolag i VMF-portföljen motsvarar hur många bolag som inkluderades i den minsta och största VMF-portföljen för respektive strategi. Antal VMF- portföljer motsvarar hur många VMF-portföljer som har skapats för respektive strategi under hela undersökningen. Perioden för undersökningen är mellan januari 2010 och december 2018.
För ytterligare undersökningar har även indexet SIX Return Index, SIXRX, inhämtats och har använts som en proxy för den svenska marknadsportföljen. Vidare har de värdeviktade faktorerna från Fama och Frenchs trefaktormodell för den svenska marknaden på månadsbasis, samt den riskfria räntan (motsvarande en 1-månaders statsskuldväxel) inhämtats. Dessa är samtliga inhämtade från The Swedish House of Finance.
Åtkomsten till data skapar en viss problematik för genomförande av undersökningen vilket bör
adresseras innan vidare metodik behandlas. Swedish House of Finance har endast tagit fram
Fama och French faktorer till och med december 2016, något som effektivt gör möjligheten till
att undersöka avvikelseavkastning för åren 2017 samt 2018 omöjliga. Således har de portföljer
under åren 2017 och 2018 uteslutits ur resultaten för den riskjusterade avkastningen.
20
4. Metod
Syftet med denna studie är att undersöka huruvida det existerar en momentumeffekt på den svenska marknaden och ifall en potentiell avvikelseavkastning finns givet möjligheten att investera efter en momentumstrategi. Den grundläggande idéen är att en investerare ämnar kapitalisera på en kontinuitet inom marknadens kursrörelser för en aktie där man baserar sina innehav på historiska trender. Strategin går ut på att man köper (blankar) en portfölj av aktier som har haft en stark (svag) historisk avkastning. Metodiken för denna studie baserar sig på Jegadeesh och Titman (1993). Metoden är välanvänd av andra studier (Rouwenhorst, 1998;
Bird & Casavecchia, 2007; Gong et al., 2015; Chen et al., 2018) vilket gör resultaten i denna studie jämförbara med empiriska resultat från tidigare forskning. Studien avser även undersöka förekomsten av momentum på den svenska marknaden i kombination till bolagens börsvärde, samt ifall resultaten för momentumeffekten och dess eventuella avvikelseavkastning skiljer sig baserat på detta. Lönsamheten av en i praktiken realiserad momentumstrategi kommer inte vara i fokus och således kommer inte någon hänsyn tas till transaktionskostnader. Huruvida dessa urholkar eventuell vinst och påverkar strategin kommer studien låta vara osagt. Utöver det kommer denna undersökning inte att inkludera aspekter av industrispecifika faktorer som exempelvis Moskowitz och Grinblatt (1999) presenterar, utan fokuserar endast på den företagsspecifika momentumaspekten i Sverige.
4.1 Utformande av portföljer
Utformandet av portföljerna är enligt följande. Vid starten av varje månad rangordnas samtliga bolag efter deras avkastning de senaste J månaderna vilket utgör formationsperioden, där J är satt till antingen 3, 6, 9 eller 12 månader. Därefter sorteras den första och sista decilen av bolagen inom varje månad. Bolagen som innehar den högsta (lägsta) historiska avkastningen under formationsperioden J refereras fortsättningsvis som vinnarportföljen (förlorarportföljen).
Vinnarportföljen (förlorarportföljen) hålls sedan med en lång (kort) position i K månader, där
K (hållperioden) är satt till antingen 3, 6, 9 eller 12 månader. Totalt sett genererar det 16 olika
J/K strategier. Alla vinnar- och förlorarporföljer består båda av likaviktade positioner i samtliga
bolag som ingår i portföljen. Givet de långa och korta positionerna i de olika portföljerna så
följer det att ifall vinnarportföljen har gett en positiv avkastning som är större än
förlorarportföljens kommer strategin ha erhållit en positiv totalavkastning, bortsett från
transaktionskostnader. Det totala innehavet är en hopslagen vinnar- och förlorarportfölj och
21
benämnas som vinnare minus förlorare, VMF. I enlighet med Jedageesh och Titman (1993) beräknas den totala avkastningen från VMF-portföljen genom att ta det aritmetiska medelvärdet av avkastningen för vinnarportföljerna minus det aritmetiska medelvärdet av avkastningen för förlorarportföljerna.
För att undvika implikationer av de kortsiktiga reversaler som presenterades av Jegadeesh (1990) och Lehmann (1990) kommer samtliga 16 J/K strategier även testas med en fördröjning på en månad mellan formationsperioden och hållperioden. Även om Jegadeesh och Titman (1993) använder sig av en fördröjning på endast en vecka presenterar både Jegadeesh (1990) och Lehmann (1990) bevis på att kortsiktiga reversaler har en signifikant förekomst på upp till en månad. Genom att introducera en månads fördröjning i undersökningen har resultaten därmed en större chans att visa existensen av momentum.
4.2 Portföljer efter storleksjustering
Momentumeffekten kommer även undersökas i relation till bolagets storlek. För att testa momentum efter storlek etableras tre storleksnivåer, små bolag, medelstora bolag samt stora bolag och motsvarar de 33% minsta, mellersta och största bolagen i urvalet. Dessa gränser ska inte förväxlas med de gränser som finns på Stockholmsbörsen för Large, Mid och Small cap bolag utan är endast baserad på börsvärdet av bolagen i urvalet. Samtliga bolag i urvalet sorterats efter börsvärde vid starten av varje månad. Efter sorteringen följer skapandet av vinnare-, förlorare-, och VMF-portföljer enligt samma metodik som tidigare. Då denna sortering har uppdaterats månadsvis gör det att korrekt bolag inkluderas i rätt storleksjusterade portfölj, oavsett hur deras börsvärde har utvecklats under perioden. Detta möjliggör för undersökningen att inkludera samma antal bolag i dessa storleksjusterade portföljer under varje månad, vilket gör portföljerna jämförbara och med endast börsvärde som separerar dem åt.
4.3 Överlappande portföljer
För att få en så hög precision i estimaten som möjligt och en större chans att erhålla signifikanta
resultat bör så många observationer som möjligt användas (Harris et al., 2017). För att öka
antalet observationer i undersökningen och därmed även öka den signifikansnivå av resultaten
från portföljernas avkastning, så kommer överlappande portföljer att användas.
22
Detta är i linje med tidigare studier inom momentumforskning (Jegadeesh & Titman, 1993;
Rouwenhorst, 1998; Gong et al., 2015; Chen et al., 2018). En illustration av överlappande portföljer för J3/K3 strategin visas i figur 1.
Figur 2 - Illustration som visar överlappande portföljer för strategin J3/K3
För en strategi utan överlappande portföljer kommer man vid början av månad 4 investera allt kapital i Portfölj 1 för att sedan hålla innehaven tills början av månad 7, då man likviderar allt kapital från Portfölj 1 och investerar det i Portfölj 4. Användning av överlappande portföljer innebär att man kommer inneha flera portföljer under samma tidsperiod. Således kommer man vid början av månad 4 investera 100% av allt kapital i Portfölj 1, under månad 5 kommer man ha 50% investerat i Portfölj 1 samt 50% i Portfölj 2. Från månad 6 är man således ⅓ investerad i Portfölj 2, Portfölj 3 samt Portfölj 4 respektive. Detta gäller framöver tills man avser att avsluta strategin, då man kommer investera ⅓ av hela kapitalet i tre olika VMF-portföljer.
4.4 Signifikanstest
Signifikansnivån för den genomsnittliga avkastningen från de olika J/K strategierna har testas genom ett tvåsidigt t-test. Testet genomförs efter följande formel:
𝑡
𝑛−1=
𝑥̅−𝜇0𝑆/√𝑛
(2) Där x̅ = den genomsnittliga avkastningen för portföljen, μ
0= det värde som ska testas
huruvida medelvärdet är större eller mindre än (i detta fall 0), s = standardavvikelsen för portföljen, n = antalet avkastningar för den givna strategin.
Värdet för t-testet jämfördes mot det kritiska värdet i t-fördelningen för att kunna avgöra om
resultatet är signifikant på en 10%, 5% eller 1% nivå, eller om det är insignifikant. Testet
23
genomförs för att undersöka huruvida den genomsnittliga avkastningen signifikant skiljer sig från noll och därmed kan användas som underlag för en vidare diskussion kring momentum på den svenska marknaden. Ifall avkastningen är insignifikant kan den inte skiljas från noll och den kan inte antas vara representativ för momentumeffekten.
4.5 Riskjusterad avkastning
För att avgöra huruvida avkastningen för momentumstrategierna överstiger marknadsavkastningen i relation till den erhållna risken kommer den genomsnittliga avkastningen för samtliga VMF-portföljer att riskjusteras med Fama och Frenchs trefaktormodell. Genom att använda sig av en regression där studien prövar den genomsnittliga avkastningen minus den riskfria räntan mot marknadsriskpremien, småbolagsfaktorn samt värdebolagsfaktorn undersöker studien ifall den erhållna avkastningen kan förklaras av ett ökat risktagande eller om strategierna avkastar en avvikelseavkastning. För att genomföra ovan nämnt test har ekvation (1) justerats till följande regressionsekvation.
𝑟
𝑝− 𝑟
𝑓= 𝛼
𝑝+ 𝛽
1(𝑟
𝑚− 𝑟
𝑓) + 𝛽
2(𝑆𝑀𝐵) + 𝛽
3(𝐻𝑀𝐿) + 𝜀 (3)
Där r
p− r
f= Den erhållna avkastningen utöver den riskfria räntan, α
p= portföljens alpha, eller
avvikelseavkastning, (r
m− r
f) = marknadens överavkastning mot den riskfria räntan, SMB
(Small minus big) = historisk överavkastning för småbolag över stora bolag, HML (High minus
low) = historisk överavkastning för värdebolag över tillväxtbolag samt β
1,2,3= känsligheten
för portföljens avkastning mot marknadsrisken, småbolagsfaktorn och värdebolagsfaktorn,
respektive.
24
5. Empiri och analys
Studiens tre frågeställningar var att undersöka huruvida momentum existerar vid den svenska marknaden, (i), ifall momentumeffekten är närvarande för bolag på marknaden oavsett dess storlek (ii) samt att undersöka om den avkastning som erhålls av att investera efter en momentumstrategi påvisar en positiv avvikelseavkastning efter justering för strategins risktagande, (iii).
5.1 Resultat för momentum på den svenska marknaden
Momentum, som tidigare diskuterats, är en akties kontinuitet i dess pristrend. Ifall en sådan trend existerar bör det visa sig att historiska vinnare fortsätter att överavkasta historiska förlorare (bl.a. Jegadeesh & Titman, 1993; Barroso & Santa-Clara, 2015). Resultaten visar stöd för att momentumeffekten är evident på den svenska marknaden och även i linje med resultat som visats av bl.a. Parmler och Gonzalez (2007), Fama och French (2012), Leippold och Lohre, (2012), Asness et al., (2013) och Gong et al., (2015). Tabell 2 visar råavkastningen för samtliga prövade J/K strategier, där Panel A (Panel B) motsvarar de portföljer utan (med) fördröjning mellan formationsperioden J och hållperioden K. Avkastningen redovisas i procentform och motsvarar den genomsnittliga avkastningen på månadsbasis under hela perioden. Resultaten visar att samtliga VMF-portföljer är statistiskt signifikanta på 1% nivån, oavsett om de har skapats med en månads fördröjning eller inte. Den mest lönsamma strategin i form av råavkastning för portföljerna utan en fördröjning är J9/K6 medan J6/K6 är den mest lönsamma för portföljerna med en månads fördröjning. Dessa motsvaras av en genomsnittlig avkastning per månad på 2,33% och 2,44% respektive. Den minst lönsamma strategin är J3/K12 samt J3/K6 både för portföljerna utan och med en fördröjning, de har en genomsnittlig avkastning på 1,65% samt 1,61% per månad. Detta säger delvis emot bl.a. Jegadeesh och Titman (1993) och Rouwenhorst (1998) som båda finner strategin J12/K3 som den mest lönsamma. Generellt visar undersökningens resultat att för den studerade perioden har en momentumstrategi varit relativt lönsamt, oberoende av vilken formations- och hållperiod som använts.
Momentumstrategier som kontinuerligt investerar i historiska vinnare och blankar historiska förlorare på 3, 6, 9 eller 12 månaders sikt och håller dessa mellan samma tidsperiod har erhållit en genomsnittlig månadsavkastning på 2,08%
7under tidsperioden januari 2010 till december 2018.
7 Den genomsnittliga avkastningen för samtliga VMF-portföljer under Tabell 1, både Panel A och B.
25
Tabell 2
Avkastning från momentumportföljerna
Tabellen nedan redovisar den genomsnittliga avkastningen för momentumportföljerna.
Momentumportföljerna baserar sig på J-månaders ackumulerad historisk avkastning och hålls sedan i K-månader. Värdena för vilken J/K strategi som används presenteras i första kolumnen och översta raden, respektive. Panel A motsvarar de portföljer som skapats direkt efter period J är avslutad, medan Panel B motsvarar de portföljer som skapats med en månads fördröjning mellan sista månaden i period J och första månaden i period K. Vinnarportföljen (förlorarportföljen) baserar sig på de 10% av bolagen som presterat bäst (sämst) under perioden formationsperioden J. VMF-portföljen utgör den totala avkastningen för strategin.
Avkastningen för respektive J/K strategi är den genomsnittliga avkastningen per månad under hållperioden K och presenteras i procentform. Resultaten för t-test presenteras inom parantes.
Perioden för undersökningen är mellan januari 2010 och december 2018.
26
Fortsättningsvis om man tittar på trender kopplade till de formations- och hållperioder som används så återfinns i både strategier med och utan en fördröjningsperiod, att den genomsnittliga avkastningen är lägre för en längre hållperiod.
8Detta indikerar att momentumeffekten är avtagande över tid vilket är i linje med tidigare forskning om att momentum endast existerar på kort till medelfristig sikt (bl.a. Jegadeesh & Titman, 1993;
Rouwenhorst, 1998; Fama & French, 2012). Resultaten stödjer även tidigare forskning att momentumstrategier med en längre formationsperiod har en högre genomsnittlig avkastning, både för strategier med och utan en fördröjningsperiod
9(Jegadeesh & Titman, 1993;
Rouwenhorst, 1998, Chen et al., 2018).
Vidare är jämförelsevis den genomsnittliga avkastningen för svenska marknaden (SIXRX) under samma tidsperiod 0,81%. Samtliga VMF-portföljer presenterar en råavkastning som överstiger denna, även samtliga enskilda vinnarportföljer kan på egen hand överavkasta marknaden i absoluta tal, när inte hänsyn är tagen till erhållen risk. Resultaten visar alltså att momentumeffekten inte bara är närvarande på den svenska marknaden. Man kan potentiellt, utan att ta hänsyn till tagen risk, erhålla en avkastning som överpresterar den av marknadens.
Undersöker man de separata vinnar- och förlorarportföljerna finner man att för samtliga strategier har de historiska vinnarna överpresterat de historiska förlorarna mätt i råavkastning.
Samtliga strategier visar också att historiska vinnare (förlorare) fortsätter ha en positiv (negativ) avkastning under hållperioden K. Samtliga vinnarportföljer är statistiskt signifikanta på 1% nivån, medan förlorarportföljerna är statistiskt signifikanta på antingen 1%, 5% eller 10% nivån. Endast 7 av 32 förlorarportföljer är statistiskt insignifikanta.
10Det faktum att samtliga vinnarportföljer är statistiskt signifikanta på 1% nivån samt att dessa har en genomsnittlig avkastning som överstiger den genomsnittliga marknadsavkastningen
11är intressant av flera skäl. Primärt tyder det på att en momentumbaserad investeringsstrategi som endast utnyttjar momentum hos historiska vinnare kan erhålla en råavkastning som överstiger marknadens för samma period, utan hänsyn till tagen risk. Sekundärt är av intresse att poängtera eftersom det i stort sett renderar den problematik kring begränsade blankningspositioner hos mindre bolag betydelselös. En investerare kan använda en strategi baserad på historiska vinnare
8 K3 har en genomsnittlig avkastning på 2,04% (2,21%), medan K12 har en genomsnittlig avkastning på 1,97%
(1,94%). Strategier med en fördröjningsperiod inom parentes.
9 J3 har en genomsnittlig avkastning på 1,77% (1,87%) medan J12 har en genomsnittlig avkastning på 2,14%
(2,12%). Strategier med en fördröjningsperiod inom parentes.
10 J3/K3, J3/K12, J6/K3, J9/K3 samt J12/K3 utan fördröjning. J3/K6 samt J12/K3 med fördröjning.
11 Samtliga vinnarportföljer har en genomsnittlig avkastning på 1,42%.
27
och erhålla en råavkastning som slår marknaden, utan att ta hänsyn till möjligheten till blankningspositioner.
Vidare så är resultaten i enlighet med Jegadeesh och Titman (1993, 2001) då de presenterar på att strategier som omfattas av en månads fördröjningsperiod i genomsnitt har en högre avkastning än de som inte använder en fördröjningsperiod. I appendix under tabell A1 återfinns samtliga differenser mellan portföljerna med och utan en fördröjningsperiod. Skillnaden i avkastningen varierar från portfölj till portfölj och den totala differensen är så pass liten att studien inte kan anses presentera ett tydligt resultat kring huruvida en månads fördröjning främjar eller försämrar avkastningen från en momentumstrategi.
125.2 Resultat för momentum efter storlek
Efter att ha fastställt att momentum är förekommande på den svenska marknaden i sin helhet används strategin J6/K6 som representativ för momentumeffekten för vidare test.
Fortsättningsvis har momentumeffekten undersökts i relation till bolagens storlek. Genom att dela upp urvalet för denna studie i tre storleksgrupper för varje period kan en genomsnittlig avkastning utläsas på månadsbasis för små bolag, medelstora bolag och stora bolag. Tabell 3 visar samtliga av de storleksjusterade portföljernas genomsnittliga avkastning för respektive storleksgrupp. Formatet på tabell 3 följer det som beskrevs för tabell 2. Samtliga VMF- portföljer är likväl här statistiskt signifikanta på 1% nivån, vilket är i linje med resultatet från undersökningen på den svenska marknaden i sin helhet. I motsats till tidigare forskning finner resultatet att momentumeffekten är som mest närvarande hos medelstora bolag istället för små bolag där portföljen utan fördröjning erhöll högst genomsnittlig avkastning på 2,76%.
12 VMF-portföljerna utan (med) fördröjningsperiod avkastar i genomsnitt 2,07% (2,03%).
28
Tabell 3
Avkastning från de storleksjusterade momentumportföljerna
Tabellen nedan redovisar avkastningen från de storleksjusterade momentumportföljerna.
Momentumportföljerna baserar sig på J6/K6 strategi. Panel A motsvarar de portföljer som skapats direkt efter period J är avslutad, medan Panel B motsvarar de portföljer som skapats med en månads fördröjning mellan sista månaden i period J och första månaden i period K.
Bolagen är uppdelade efter storlek, där små bolag, medelstora bolag och stora bolag motsvaras av de 33% minsta, mellersta och största bolagen ur urvalet. Vinnarportföljen (Förlorarportföljen) motsvaras av de 10% bolag som presterat bäst (sämst) under formationsperioden J. VMF-portföljen motsvarar den totala avkastningen för strategin.
Avkastningen för respektive J/K strategi är den genomsnittliga avkastningen per månad under hållperioden K och presenteras i procentform. Resultatet från t-test presenteras inom parantes.
Perioden för undersökningen är mellan januari 2010 och december 2018.
Intressant nog erhåller medelstora bolag också den högsta genomsnittliga avkastningen av alla
momentumstrategier, inkluderat de som presenteras i tabell 2. I linje med resultaten från tabell
2 fortsätter historiska vinnare att prestera positiv avkastning medan historiska förlorare erhåller
en negativ avkastning. Således visar resultaten ytterligare stöd för att momentum existerar på
den svenska marknaden i och med att historiska vinnare kontinuerligt överpresterar historiska
förlorare, även efter justering för börsvärde. Intressant för studien är att momentumeffekten för
förlorarportföljen sorterat på stora bolag är insignifikant, både med och utan en
fördröjningsperiod. Detta tyder på att momentumeffekten är mindre påtaglig hos större bolag
som eventuellt inte har lika hög volatilitet som medelstora- och små bolag. Detta är något som
stöds av Jegadeesh och Titman (2001) som skriver att både vinnar- och förlorarportföljer
tenderar att bestå av mindre, mer volatila bolag och därmed mer benägna att placeras i de yttre
lägena vid rangordning. Ytterligare intressanta observationer är att för VMF-portföljen
bestående av små bolag svarar förlorarportföljen för en större del av den totala avkastningen
än vinnarportföljen. Resultaten visar också att momentumeffekten är närvarande även vid stora
bolag med en genomsnittlig avkastning på 1,70% för portföljer med fördröjningsperiod och att
29
skillnaden mellan de storleksjusterade VMF-portföljen är relativt tydlig. Sammanfattningsvis är detta i linje med tidigare forskningsresultat som beskriver att momentum tenderar att vara mer närvarande hos mindre bolag (bl.a. Hong & Stein 1999; Scowcroft & Sefton, 2005).
5.3 Resultat för riskjusterad avkastning
Både resultaten för momentumeffekten på den svenska marknaden i helhet och resultaten för den svenska marknaden uppdelat efter storlek tyder på att investeringar gjorda efter en momentumstrategi överpresterar marknaden. Investeringar som baserar sig på att köpa bolag som är historiska vinnare och att blanka bolag som är historiska förlorare ger en god positiv genomsnittlig avkastning. En genomgång av resultaten för VMF-portföljernas månadsvisa avkastning tyder dock på att det finns perioder då den erhåller markanta negativa siffror.
Därmed innehar portföljerna och momentumstrategierna en hög volatilitet och stor medföljande risk. Det är därmed intressant att undersöka ifall den erhållna genomsnittliga avkastningen från tabell 2 och 3 kan förklaras genom ett ökat risktagande. Genom att utföra regressioner av den kontinuerliga avkastningen för samtliga portföljer med Fama och Frenchs trefaktormodell kontrolleras möjligheten att portföljerna tenderar att innehålla bolag med genomgående hög risk.
13Tabell 4 presenterar samtliga VMF-portföljer utan en fördröjningsperiod efter justering för den systematiska marknadsrisken, småbolagsfaktorn, SMB, samt värdebolagsfaktorn, HML. Jegadeesh och Titman (2001) beskriver att ifall den erhållna risken är baserad på ett ökat risktagande bör VMF-portföljerna ha koefficienter för dessa variabler som är positiva och signifikanta. Ifall modellen misslyckas med att förklara den erhållna avkastningen kommer istället koefficienterna vara icke signifikant skilda från noll.
Alphavärdet motsvarar den mängd av avkastningen som inte förklaras av modellen, eller den avvikelseavkastning som erhålls. I linje med tidigare forskning visar resultaten att samtliga momentumstrategier har en positiv genomsnittlig avkastning, som är statistiskt signifikant på 1% nivån, även efter justering för erhållen risk (bl.a. Rouwenhorst, 1998; Jegadeesh & Titman, 2001; Barroso & Santa-Clara, 2015). I linje med tidigare forskning estimerar även trefaktormodellen en högre avvikelseavkastning än vad som faktiskt erhålls enligt tabell 2.
Jegadeesh och Titman (1993, 2001) samt Chen et al. (2018) förklarar detta genom att trefaktormodellen estimerar VMF-portföljerna mer riskfyllda än vad de egentligen är och därmed erhåller de en högre avvikelseavkastning. I kontrast till Jegadeesh och Titman (2001)
13 Som tidigare presenterat är resultaten av den riskjusterade avkastningen endast baserad på den genomsnittliga avkastningen för perioden januari 2010 till december 2016, p.g.a otillgänglighet av Fama och French faktorer för 2017 samt 2018.
30
