Illegala handlingars påverkan på publika företags aktievärde: – En eventstudie på den svenska marknaden

(1)

på publika företags aktievärde

– En eventstudie på den svenska marknaden

Kandidatuppsats 15 hp

Företagsekonomiska institutionen Uppsala universitet

HT 2017

Datum för inlämning: 2018-02-26

Fredrik Broström

Gonzalo Diaz Sanchez

Handledare: Joachim Landström

(2)

Sammandrag

Illegala handlingar som publika företag begår bevakas ofta av media. Dessa illegala handlingar kan leda till repressalier för företaget. Tidigare studier har undersökt hur illegala handlingar påverkar aktiepris och hittar ett negativt samband, men det finns begränsat med forskning

gällande om olika illegala handlingar har olika inverkan på företags aktievärde. Syftet med denna studie är att undersöka om det finns en skillnad i abnormal avkastning för publika företag på den svenska marknaden vid publiceringen av de illegala handlingarna, samt om olika illegala

handlingar leder till olika marknadsreaktioner. Eventstudie samt differenstest genomförs för att undersöka detta. Studien utgår från ett urval på 213 publicerade illegala handlingar mellan 2007 till 2017. Studien finner stöd för att marknaden reagerar negativt vid publicering av illegala handlingar samt att olika illegala handlingar påverkar marknaden på olika sätt.

Nyckelord: Abnormal avkastning, Eventstudie, Illegala handlingar, Aktievärde, publika företag,

Marknadsreaktioner.

(3)

Innehållsförteckning

1. Inledning _____________________________________________________________ 1 1.1 Bakgrund och problematisering _ 1 1.2 Syfte 3 1.3 Illegala handlingar 3 2. Teoretiskt ramverk___________________ 5

2.1 Effektiva Marknadshypotesen _________ 5 2.2 Agentteori _ 6 2.3 Signalteorin och informationsasymmetri _ 7 2.4 Illegala handlingars påverkan på aktiepriset 9 2.5 Hypoteser _ 13 3. Metod _______________________________ 14

3.1 Datainsamling ____________________________________ 14 3.2 Urval 15 3.3 Eventstudie _ 17 3.4.1 Eventfönster ______ 18 3.4.2 Estimeringsperiod 18 3.4.3 Normal avkastning _ 19 3.4.4 Operationalisering av hypoteser 23 3.4.5 Databearbetning _________________________________________________ 23

4. Empiriskt resultat och diskussion _____________________________________________ 24 4.1 Effekt av olika typer av illegala handlingar på aktievärde _ 24 4.2 Olika illegala handlingars påverkan på marknaden 27 5. Konklusion _______________________________________________________________ 33

5.1 Slutsats ________________________________________________________________________________________________ 33

5.2 Förslag till vidare forskning ________________________________________________________________________ 34

6. Referenser ____________________________________________________________________________________________ 35

(4)

1 1. Inledning

I avsnittet presenteras bakgrund, problematisering och studiens syfte, samt begreppsdefinition av illegala handlingar.

1.1 Bakgrund och problematisering

Företagsskandaler som uppmärksammas runt om i världen medför att företag står inför ökade påtryckningar från sina kunder att ”göra rätt för sig” (Brønn & Vidaver-Cohen 2009). Även externa företagsobservatörer och journalister som arbetar på tidskrifter (bl.a. Fortune, Forbes och Financial Times) bevakar hur företag lever upp till sitt sociala ansvar (Brønn & Vidaver-Cohen 2009). Det uppdagas dock med jämna mellanrum att en del företag eller anställda på företag ägnar sig åt illegala ageranden, exempelvis insiderhandel, mutor, illegala transaktioner, brott mot mänskliga rättigheter (arbetsförhållanden, tvångsarbete), diskriminering av anställda eller

miljöbrott (Rao & Hamilton 1996).

Dobson (1999) framhåller att företag vill maximera sin vinst, vilket ibland kan medföra bemyndigande av illegala handlingar. Dobson (1999) menar att företag rättfärdigar sina handlingar genom olika företagsekonomiska teorier, där målsättningen är att maximera

marknadsvärdet. En förutsättning för det är att företag bedrivs konkurrenskraftigt inom lagliga

ramar (Dobson 1999). Vidare belyser Dobson (1999) att företags moraliska ståndpunkt påverkas

av vilka värderingar som organisationens beslutsfattare agerar efter. Han beskriver att dessa

ageranden exempelvis kan leda till att konsumenter uppmärksammar att delar av företagets

produktion har en negativ påverkan på miljön. Uppmärksammandet kan påverka konsumtion av

företagets produkter negativt och därmed även företagets vinst. Dobson (1999) framhåller att det

i sin tur kan leda till att företagsledningen förändrar delar av produktionen för att minska den

negativa påverkan på miljön och följaktligen skydda aktieägarnas intresse. Dobson (1999) menar

att företagsledningen då inte har tagit en moralisk ståndpunkt utan de har agerat av ekonomiska

skäl på grund av påverkan från den allmänna moraliska uppfattningen och agerat i linje med

aktieägarnas vilja att maximera vinst.

(5)

2 Sims (1992) belyser att det i vissa fall kan vara sammanhanget som företagen befinner sig i som tvingar dem att utföra illegala handlingar. Sims (1992) beskriver att ett sådant sammanhang är när ett företags konkurrenter använder mutor för att genomföra affärer som är ett acceptabelt

beteende i vissa länder. Företaget blir då tvungna att anpassa sig, även om det är en illegal handling i företagets hemland. En av svårigheterna med etiska och moraliska standarder,

förklarar Sims (1992), är att dessa kan ligga i en gråzon, där gränsdragningen mellan vad som är rätt eller fel kan vara svår att identifiera. Han beskriver även att när illegala handlingar publiceras i media är det inte ovanligt att individer och organisationer försöker dölja eller rättfärdiga sina handlingar, även om det är på bekostnad av någon annan till förmån för sina egna intressen. Sims (1992) menar att ytterligare något som påverkar eller kan förstärka individernas oetiska beteende eller illegala handlande är organisationskulturen. Vinsterna från dessa beteenden kan däremot vara mer kortsiktiga än långsiktiga i sin natur, eftersom företaget kan få svårigheter i det långa loppet att överleva om dess värderingar och kultur inte är förenligt med samhällets värderingar (Sims 1992).

När företag agerar illegalt kan det uppmärksammas i media. Flera företag i Sverige har under de senaste åren blivit föremål för sådan publicitet. Scandinavian Airlines (SAS) är ett av de företag som uppdagades i media när företaget var involverade i en Kartellverksamhet, vilket ledde till en böter (SVT 2017). Teliasonera har även anklagats för mutbrott på 6 miljarder kronor till

presidentfamiljen i Azerbajdzjan (SVT 2015). Ett annat exempel på illegalt agerande är när två anställda på Fingerprint AB dömdes till fängelse på grund av bland annat insiderbrott (SvD 2017).

Tidigare forskning (se exempelvis Baucus & Baucus 1997; Gunthorpe 1997; Zeidan 2013; Rao &

Hamilton 1996; Reichert et al. 1996) visar att när ett företags illegala handlingar publiceras i media är marknadens reaktion negativ. Rao & Hamiltons (1996) forskning beskriver även att minskningen i aktiepriset är märkbar under en längre tid. Zeidan (2013) framhåller i sin

forskningsstudie att upprepning av illegala handlingar som publika banker utför inte leder till mer

negativ påverkan än när de utför handlingen för första gången. Det finns även en tidigare studie

gjord av Song & Hun Han (2015) i Sydkorea som visar att finansiella brott påverkar marknaden

(6)

3 mer negativt än operativa brott. Sims (1992) menar att illegala handlingar kan tolkas olika i olika länder.

Det finns inga tidigare studier som undersöker hur aktiepriset påverkas av illegala handlingar på den svenska marknaden. Avsaknaden av forskning i Sverige är en av anledningarna till varför ämnet är av intresse att undersöka. Det är av intresse att studera om det råder ett liknande samband i Sverige som i andra länder eller om andra förutsättningar råder på den svenska marknaden. Denna studies fokus kommer främst vara att undersöka hur marknaden reagerar när olika typer av illegala handlingar publiceras i media. Förhoppningen med studien är att försöka bidra till forskningsområdet genom ökad kunskap om hur medias publikation av illegala

handlingar påverkar aktievärdet, vilket även kan vara av intresse för investerare, publika företag och dess intressenter vid investeringsbeslut.

1.2 Syfte

Syftet med studien är att undersöka om och hur aktievärdet hos publika svenska företag påverkas när företags illegala handlingar publiceras i media. Studien undersöker även om olika typer av illegala handlingar har olika inverkan på företags aktievärde.

1.3 Illegala handlingar

Illegala handlingar definieras i denna studie i enlighet med Baucus & Baucus (1997) definition.

Deras definition av en illegal handling inom ett företag är när en anställd eller företagsledningen agerar med vinstintresse och utför en illegal handling. En illegal handling är en handling som inte sker inom lagliga ramar. Baucus & Baucus (1997) beskriver att handlingen är illegal oavsett om individerna agerar oavsiktligt eller avsiktligt. De illegala handlingarna denna studie undersöker är: Insiderbrott, Arbetsvillkor Brott, Mutbrott, Skattebrott, Miljöbrott, Kartell, Barnarbete och Patentbrott. Beskrivning till dessa återfinns i Tabell 3 (se sida 16) .

Nedan motiveras varför insiderbrott och barnarbete inkluderas som illegala handlingar, även om

dessa handlingar inte alltid kan eller får rättsliga påföljder för företaget. Insiderbrott har i tidigare

forskning (Rao & Hamilton 1996) tagits med som en av de undersökta illegala handlingarna där

(7)

4 de framhåller att brottet påverkar företags aktievärde. Insiderbrott är något som företag inte själva blir dömda för eller får rättsliga konsekvenser av då det inte är företaget självt som utför den illegala handlingen, närmare bestämt är insiderbrott inte olagligt för företaget. Däremot är det vanligtvis individer inom företaget (exempelvis företagsledningen/agenten) som utför den illegala handlingen och följaktligen riskerar rättsliga konsekvenser för sitt agerande, det vill säga

insiderbrott är olagligt för den som utför handlingen. Agenten har genom att utföra insiderbrott utnyttjat sin position och sitt informationsövertag för att maximera sin egennytta (Jensen &

Meckling 1976). Då agenten kan bli dömd och riskera fängelsestraff medför det att företaget påverkas indirekt av insiderbrott. Agentens oegentligheter kan även påverka företagets anseende samt att förtroendet mellan principalen (aktieägarna) och agenten kan ta skada (Song & Hun Han 2015). Om individer i företagsledningen blir dömda och det publiceras i media förväntas det påverka företagets anseende samt aktievärdet negativt. Det beskrivs vidare i avsnitt 2.2 Agentteori och informationsasymmetri.

Barnarbete bedrivs vanligtvis av dotterbolag eller underleverantörer anlitade av företag i utlandet, vilket medför att företaget inte alltid riskerar rättsliga konsekvenser i Sverige. Företaget kan ha haft kännedom av barnarbetet eller haft bristande kontroll i produktionsleden. Publiceringen av barnarbete kan leda till att företagets anseende tar skada. Faktorerna i barnarbete och insiderbrott kan medföra negativa signaler till marknaden och resultera i indirekta kostnader för företaget samt påverka aktiepriset negativt som beskrivs i tidigare studier (Song & Hun Han 2015;

Alexander 1999; Zeidan 2013). Därav undersöks även dessa handlingar i denna studie då de

anses påverka hela företaget och inte bara de som begått handlingen.

(8)

5 2. Teoretiskt ramverk

I avsnittet redogörs för teoretiska utgångspunkter och begrepp som berör studien för att kunna analysera och förklara samband mellan olika typer illegala handlingar och dess påverkan på aktievärdet. Sedan presenteras tidigare forskning i ämnet och därefter formuleras hypoteser för denna studie.

2.1 Effektiva Marknadshypotesen

Fama (1970) använder den effektiva marknadshypotes (EMH) för att beskriva hur marknaden kan reagera vid olika typer av information som finns tillgängliga på marknaden. Fama (1970) beskriver att tillräckliga förhållanden för att en marknad ska klassas som effektiv är; inga

transaktionskostnader för värdepapper, all tillgänglig information är kostnadsfritt tillhandahållen till marknadsaktörerna samt att alla aktörer är överens om hur den tillgängliga informationen påverkar dagens och det framtida priset för värdepapper.

Fama (1970) definierar tre nivåer av marknadseffektivitet, svag, medelstark och stark. I den svaga nivån beskriver Fama (1970) att all historisk information är inkluderad i aktiepriset. Den svaga nivån antyder att det inte går att överavkasta genom att investera med historisk

information. Fama (1970) menar att förändringarna av aktiens pris är slumpmässiga och följer en så kallad “random walk” där successiva förändringar sker oberoende av historiska förändringar.

Vid den medelstarka nivån är även all publik information inkluderad i aktiepriset. Det går inte att överavkasta genom att investera med publik information eftersom den är inkluderad i aktiepriset (Fama 1970). Den starka nivån förutsätter förutom att all information är inkluderad i aktiepriset även information av typen insider-information (Fama 1970). Vid den starka nivån går det inte att överavkasta vid investering med typen insider-information då den redan är inkluderad i

aktiepriset. I denna studie undersöks om publicerade illegala handlingar påverkar marknaden, den medelstarka nivån förutsätts och testas genom medias publicering av de illegala handlingarna.

Kothari (2001) finner att när finansiell rapportering presenteras leder det till förändring av

aktiepriset, vilket tyder på att marknaden reagerar vid ny information och därigenom att

marknaden åtminstone är medelstark.

(9)

6 2.2 Agentteori

Att marknaden är effektiv enligt Famas (1970) medelstarka nivå innebär att det finns aktörer på marknaden som vid något tillfälle inte har haft tillgång till samma information. Ett av dessa tillfällen kan vara när företags illegala handlande sker utan aktieägarnas kännedom, något som kan bero på informationsasymmetri mellan företagsledning och aktieägare.

Informationsasymmetri kan uppstå när ägande och kontroll i företaget separeras, vilket gör att ledningen (agenten) har mer information om verksamheten än aktieägarna (principalen)

(Hamberg 2004, s. 265). Jensen & Meckling (1976) förklarar med Agentteorin de problem som kan uppstå när ägande och kontroll separeras i ett företag. De beskriver att relationen mellan principalen och agenten är som ett kontrakt, där principalen överlåter till agenten att verkställa vissa tjänster i deras ställe (Jensen & Meckling 1976). Det innebär att agenten åtar sig att via delegering utöva makt och beslutsfattande inom företaget. Jensen & Meckling (1976) belyser vidare att en svårighet med relationen mellan agenten och principalen är att det kan uppstå intressekonflikter mellan dem på grund av att de har olika preferenser avseende nyttomaximering (exempelvis vinstmaximering) inom företaget. Jensen & Meckling (1976) menar att det kan leda till att agenten inte alltid agerar i linje med principalens intresse. Vidare menar Dobson (1993) att den underliggande motivationen hos agenten är personlig vinstmaximering samt framhåller att handlande i linje med personlig vinstmaximering kan leda till att agenten inte alltid agerar på ett trovärdigt sätt mot principalen. I vissa fall leder det även till illegalt agerande enligt Dobson (1993).

Song & Han Hun (2015) framhåller att företagsledare (agenten) kan begå illegala handlingar genom att exempelvis inte tillhandahålla information till aktieägarna för att uppnå personlig vinstmaximering och för att förbli i sin position. Song & Hun Han (2015) beskriver att aktieägare (principalen) kan dra nytta av den ökade avkastningen från agentens illegala agerande till dess att de illegala handlingarna publiceras i media. De framhåller även att om den illegala handlingen publiceras i media kan det leda till att företagets anseende skadas, styrningen ifrågasätts och att principalen samt företagets intressenter förlorar förtroende för agenten (Song & Han Hun 2015).

Företagets anseende är viktigt att bevara enligt Dobson (1993), då det kan ge företaget framtida ekonomiska fördelar. I denna studie förväntas att agentens opålitliga agerande gällande

insiderhandel påverkar marknadens uppfattning om företaget negativt och således även

(10)

7 aktiepriset. Det förväntas även att om anseendet skadas vid publicering av illegala handlingar kommer det sedan reflekteras i aktiepriset.

2.3 Signalteorin och informationsasymmetri

Connelly et al. (2011) menar att Signalteorin är användbar för att förklara beteenden mellan individer och organisationer när det råder informationsasymmetri. Enligt Kurian (2013, s. 251) kan Signalteorin förklaras som att företag blir motiverade av att sända signaler till marknaden.

Kurian (2013, s. 251) menar att det kan förklara informationsasymmetrin mellan det faktiska och det förväntade utfallet av en investering. Enligt Signalteorin bestämmer avsändaren av

information om och hur informationen ska kommuniceras och mottagaren måste välja hur informationen tolkas (Connelly et al. 2011). En viktig aspekt i Signalteorin är att mottagare av signalen ska kunna använda informationen fördelaktigt (Connelly et al. 2011). Exempelvis kan publiceringen av en illegal handling i media uppfattas som en negativ signal, medan ökad utdelning kan ses som en positiv signal till marknaden. Levy & Lazarovich-Porat (1995)

framhåller att företagsledare i praktiken har tillgång till mer information i företaget än investerare och därav kan sända information till investerare på olika sätt genom att exempelvis välja

utdelningspolicy. Tidigare forskning (se exempelvis Baucus & Baucus 1997; Gunthorpe 1997;

Zeidan 2013; Rao & Hamilton 1996; Reichert et al. 1996) visar att medias publicering av illegala handlingar skickar negativa signaler till marknaden.

De negativa signalerna illegalt handlande medför kan även innebära direkta och/eller indirekta kostnader för företaget (Alexander 1999; Zeidan 2013). Direkta kostnader innebär kostnader som exempelvis böter eller juridiska kostnader, medan indirekta kostnader innebär kostnader för exempelvis företagets anseende där aktieägarna inklusive kunder, anställda och investerare drabbas (Ziedan 2013). Karpoff & Lott Jr. (1993) menar att vid företagsbrott är de indirekta kostnaderna så pass höga att böter från myndigheter inte egentligen är nödvändigt.

I en studie av Song & Hun Han (2015) undersöks de negativa signaler på den Sydkoreanska

marknaden gällande operativa och finansiella brott. Enligt Song & Hun Han (2015) definieras

operativa brott som brott mot arbetslagen, miljöbrott eller kartellverksamheter, medan finansiella

(11)

8 brott beskrivs som exempelvis överträdelse av SEC ¹ regler eller redovisningsbrott. De som påverkas av operativa brott är exempelvis anställda eller konkurrenter, medan de som påverkas av finansiella brott är aktieägarna (Song & Hun Han 2015). Resultaten de finner visar att finansiella brott påverkar marknaden mer negativt än operativa brott. Song & Han Hun (2015) menar att det kan bero på att förtroendet mellan principalen och agenten skadas vid finansiella brott medan operativa brott kan generera vinst till aktieägarna tills brotten uppdagas och publiceras i media.

Akerlof (1970) menar att om aktörer på marknaden inte besitter samma information som finns att tillgå uppstår det informationsasymmetri. Enligt Akerlof (1970) har en sådan marknad lägre förtroende då det finns aktörer på marknaden som drar fördel av sitt informationsövertag, då exempelvis agenten kan ha undanhållit information om sitt illegala agerande. Black (1986) framhåller att informationsbrus kan vara en faktor för en marknad när det råder

informationsasymmetri. Informationsbrus innebär, enligt Black (1986), osäkerhet om rätt information kommer fram som i sin tur kan leda till viss marknads ineffektivitet. Grossman &

Stiglitz (1980) och Shiller (2003) menar även att det inte finns någon marknad där informationsbrus helt saknas. Black (1986) tar upp att om det råder informationsbrus kan

investerare bilda en felaktig uppfattning om marknaden. För att minska informationsasymmetrin på en marknad kan media användas. Deephouse (2000) beskriver att medias bevakning av företag är som en allmän utvärdering, vilken påverkar hur företag uppfattas på marknaden. Enligt

Deephouse (2000) fungerar även medias bevakning som en informationskälla av företags olika aktiviteter för mindre insatta intressenter. Han menar att när information publiceras i media så kan informationsasymmetrin reduceras mellan företag och deras intressenter (Deephouse 2000). I studien förväntas att publicering av illegala handlingar kommer att minska

informationsasymmetrin.

1

United States Securities and Exchange Commission, exempel på SEC överträdelser är exempelvis insiderbrott

eller bedrägerier.

(12)

9 2.4 Illegala handlingars påverkan på aktiepriset

Hur illegala handlingar påverkar marknaden när dessa kommer till allmänhets kännedom, visar ett flertal studier (se exempelvis Baucus & Baucus 1997; Gunthorpe 1997; Zeidan 2013; Rao &

Hamilton 1996; Reichert et al. 1996). Dessa studier presenteras nedan. I Tabell 1 nedan

sammanställs tidigare studiers resultat.

(13)

10 Tabell 1: Sammanställd översikt av publika illegala handlingars påverkan på aktiepris.

Artikel Urval Metod Definition av illegal handling och urval Resultat/Effekt

Rao &

Hamilton (1996)

Wall Street Journal.

1989-1993, 58 företag undersöks.

Eventstudie samt t-test. Illegala transaktioner, Insider trading, Affärsetik, Diskriminering av anställda och miljöbrott.

Signifikant negativt samband mellan illegalt handlande och aktievärde.

Gunthorpe (1997)

Wall Street Journal.

1988-1992, 69 företag undersöks.

Eventstudie samt t-test. Bedrägeri, falsk marknadsföring, värdepappers bedrägeri och fylla i falska testresultat.

Signifikant negativt samband mellan illegala handlingar och aktievärde. Etik bör integreras inom ekonomiutbildningar.

Reichert et al.(1996)

Wall Street Journal.

1980-1990.

83 företag undersöks.

Eventstudie. Tvärsnittlig regressionsmodell för att förklara sina variabler.

Företaget behöver vara åtalat, potentiella fördelar påverkar företaget och inte individen som utförde handlingen.

Stora företagsbrott har en signifikant och varaktig negativ påverkan. Större företag påverkas mindre proportionellt sett till aktieavkastning. Företag som är skyldiga har långsiktig negativ avkastning medan de som friats inte har det.

Baucus &

Baucus (1997)

Fortune 300. 67 dömda företag och 188 icke dömda företag.

Använder tre prestationsmått vilka jämförs mot deras data.

Använder sedan regression för att visa variablernas

signifikans etc.

Definierar illegala handlingar som avsiktliga samt oavsiktliga, där

definitionen av illegal handling är när en medlem eller företagsledare agerar med företagets vinning som primärt fokus.

Avslöjande av brott samt publicering av påföljder (penalties) påverkar aktiepriset negativt direkt. En investerare har bara de illegala handlingarna i åtanke mellan en dag till två veckor.

Zeidan (2013)

Publika banker i USA från Fed, OCC och SEC.

128 företag med 164 totala överträdelser.

Eventstudie samt t-test genom regressionsanalys.

Har fem nivåer för banköverträdelser.

5. Stänga banken 4. Banken upphör 3. Skriftliga avtal

2. Civil penning straff (höga) 1. Civil penning straff (låga)

Signifikant negativt samband mellan avkastning och illegal handling. Inget samband mellan nivå av överträdelse med aktieavkastning eller om banken upprepade en överträdelse.

Tabell 1: Sammanfattar urval, metod som används, hur författarna definierar illegala handlingar samt deras resultat.

(14)

11 Rao & Hamilton (1996) använder information från Wall Street Journal och undersöker åren 1989–1993. Motivet till deras val är att illegalt agerande visas både externt och internt i företag, men eftersom den interna informationen är svår att mäta undersöker de extern information (Rao

& Hamilton 1996). Vid insamlingen av data delar de sedan in illegala beteenden i fem kategorier vilka är illegala transaktioner, insiderbrott, affärsetiska brott, diskriminering av anställda och miljöbrott. Deras resultat visar ett statistiskt signifikant samband mellan publicering av illegala handlingar och aktievärde genom att visa att de undersökta företagen avkastar sämre än den förväntade avkastningen för marknaden. De visar även att den negativa avkastningen pågår under en längre tid (Rao & Hamilton 1996).

Gunthorpe (1997) undersöker hur och om allmän kännedom av affärsetik (exempelvis Bedrägeri, falsk marknadsföring, värdepappers bedrägeri) resulterar i specifika åtaganden hos företag, om etik ska integreras i universitetsutbildningar inom ekonomi samt om det finns något ekonomiskt incitament bakom handlingarna för att inkorporera etik hos företag i USA. För att genomföra studien använder sig Gunthorpe (1997) av information från Wall Street Journal mellan åren 1988–1992. Urvalet är baserat på företag som begått eller misstänks ha begått illegala handlingar publicerat i Wall Street Journal. Resultatet visar att företag straffas vid misstanke samt om de ertappas utföra en illegal handling. Gunthorpe (1997) påstår även att etik bör integreras i

universitetsutbildningar inom ekonomi, dock går hon inte närmare in på varför det bör integreras.

Reichert et al. (1996) förklarar hur illegal affärsetik kan påverka företags intressenter. Företagen de undersöker är misstänkta för eller har begått en illegal handling. De undersöker hur företags storlek, bötesbelopp samt relationen mellan potentiellt bötesbelopp med den observerade

förlusten på marknaden påverkar företagets aktiepris. Likt tidigare studier (Gunthorpe 1997; Rao

& Hamilton 1996) hämtar Reichert et al. (1996) data från Wall Street Journal mellan år 1980 till

1990. I studien finner de att stora företagsbrott har en signifikant och varaktig negativ påverkan

för företagets avkastning. Resultaten tyder även på att när större företag begår en illegal handling

påverkas deras avkastning proportionellt mindre än små företag som begår samma illegala

handling. Slutligen tyder resultaten på att de företag som dömts skyldiga för brott visar på en

långsiktig negativ marknadsreaktion. Företag som i slutändan visat sig vara oskyldiga påverkades

inte av en långsiktig negativ marknadsreaktion (Reichert et al. 1996).

(15)

12 Baucus & Baucus (1997) undersöker hur illegala handlingar påverkar aktieavkastningen

långsiktigt. Deras definition av illegala företagshandlingar är handlingar där medlemmar eller ett företags ledning agerar efter vinstintresse. De förklarar att denna definition innefattar både avsiktliga ageranden som till exempel samarbete med konkurrenter för att manipulera priset och oavsiktliga som exempelvis allvarlig skada för konsumenter resulterat av användning från företagets produkter (Baucus & Baucus 1997). Urvalet hämtas från Fortune 300, vilket är en databas utformad av en tidigare undersökning av Baucus & Near (1991). Resultaten visar att avslöjande av brott och publicering av påföljder påverkar aktiepriset direkt, samt att investerare endast verkar ha de illegala aktiviteterna i åtanke under en kort period (mellan en dag till två veckor).

Zeidan (2013) undersöker hur värdet hos publika banker förändras vid överträdelser samt brott.

Han definierar illegala handlingar för bankerna i fem nivåer, vilka är presenterade i Tabell 1.

Zeidans (2013) urval hämtas från publika banker i USA som han undersöker under en

tjugoårsperiod. Han finner samma resultat som tidigare forskning (se exempelvis Gunthorpe

1997; Rao & Hamilton 1996) att marknaden reagerar negativt när den illegala handlingen

publiceras. Han tittar även på skillnader i marknadsreaktion vid repetition av samma illegala

handling samt om nivån (se Tabell 1) av illegal handling påverkade, men hittade inget signifikant

samband för något av dessa påståenden.

(16)

13 2.5 Hypoteser

Den tidigare forskningen som presenterats om illegala handlingar visar en negativ

marknadsreaktion vid medias publicering av dessa (se exempelvis Baucus & Baucus 1997;

Gunthorpe 1997; Zeidan 2013; Rao & Hamilton 1996; Reichert et al. 1996; Song & Hun Han 2015). Förväntningarna för denna studies resultat är att det råder en negativ abnormal avkastning när den illegala handlingen publiceras i media. Vi förväntar oss också att likt Song & Hun Han (2015) finna att finansiella brott påverkar marknaden mer negativt än operativa brott. Dessutom förväntas studien finna att indirekta kostnader kommer att ha större påverkan på aktiepriset än direkta kostnader. Förväntan är även att vissa brott påverkar företags aktievärde mer än andra på grund av att de rimligtvis skickar olika signaler till marknaden, att de bevakas olika frekvent i media samt att informationsbrus och informationsasymmetri påverkar hur informationen uppfattas av intressenter. Nedan formuleras studiens tre hypoteser.

Alternativ hypotes 1a: Marknaden reagerar negativt vid medias publicering av illegala handlingar.

Alternativ hypotes 1b: Olika typer av publicerade illegala handlingar i media har olika negativ inverkan på marknaden.

Alternativ hypotes 1c: Medias publicerande av finansiella brott påverkar marknaden mer

negativt än publicerade operativa brott.

(17)

14 3. Metod

Kapitlet redogör för metod och tillvägagångssätt under studiens arbetsprocess. Avsnittet börjar med hur data har samlats in samt vad det är för sorts urval. Sedan kommer en förklaring till vad en eventstudie är samt hur hypoteserna operationaliseras.

3.1 Datainsamling

Studiens empiriska material består av data från aktiekurser från publika företag noterade på Nasdaq OMX Stockholm som har utfört en illegal handling vilken publicerats i media. För att genomföra studien används företagsdata för åren 2007–2017, där data samlas in för att kunna genomföra Mackinlay’s (1997) eventstudiemodell. Efter sammanställning av data genomförs differenstest för att undersöka om olika illegala handlingar påverkar aktiepriset på olika sätt samt undersökning om finansiella brott påverkar mer än operativa brott.

Insamling av data sker genom Thomas Reuters EIKON samt Thomas Reuters Datastream. Vid insamling av data för de olika illegala handlingarna används först applikationen SCREENER i EIKON. I applikationen hämtas data genom att sortera ut controversies ² det vill säga

kontroversiella ageranden. Flera kontroversiella ageranden som inte anses vara illegala sorteras bort, dessa är exempelvis relaterade till hur nöjda konsumenter var eller om arbetstagare fick rättvisa löner. Business ethics inkluderas som ett kontroversiellt agerande på grund av att denna i vissa fall innehåller publicerad information om bland annat mutbrott eller brott mot mänskliga rättigheter. För att kunna säkerställa att det var en illegal handling som utförs studeras nyheten i relation till handlingen vilket nyhetsdatabasen i EIKON används för. Mackinlay (1997) menar att ett problem som kan uppstå vid eventstudier är att avgöra den exakta tidpunkten för händelsen. I denna studie säkerställs publiceringsdatumet för nyheten genom att kontrollera datumet med andra källor (exempelvis Finansinspektionen, Ekobrottsmyndigheten, Swedwatch). I

applikationen SCREENER fann studien totalt 105 observationer av publicerade illegala handlingar. Då urvalet bedöms vara för litet för att kunna genomföra studiens andra och tredje hypotes används nyhetsdatabasen i EIKON. Först avgränsas sökningen till Sverige i EIKONS

2

Human rights, Child labor, Bribery, corruption and fraud, Business ethics, Tax fraud, Insider dealings, Anti

competition- controversies.

(18)

15 nyhetsdatabas genom att i fliken land välja Sweden. Därefter används sökord på engelska som exempelvis white collar crime eller bribery and corruption. Sökorden används i samband med specifika företag som Hennes & Mauritz (H & M) eller SAS, även sökningar genomförs på svenska för exempelvis mutor, insider eller barnarbete i nyhetsdatabasen. Det resulterar i ytterligare 108 observationer, vilket innebär att studiens slutgiltiga antal observationer är 213.

Data för observationer per år presenteras nedan.

Tabell 2: Antal observationer per år.

År: 2007 2008 2009 2010 2011 2012

Observationer: 13 10 10 16 18 16

År: 2013 2014 2015 2016 2017 Total

Observationer: 23 24 19 37 27 213

Tabell 2 visar antalet observationer per år.

Efter insamling av illegala handlingar används Thomas Reuters Datastream för att hämta data för avkastningsindex RI för alla företag som begått illegala handlingar. Total avkastning på

Stockholmsbörsen OMXS hämtas även. RI hämtas in i procentuell form genom funktionen PCH#.

RI och OMXS hämtas för åren 2006 till 2017 för att kunna beräkna estimeringsfönstret i Macklinlays (1997) eventstudiemodell.

3.2 Urval

På liknande sätt som Baucus & Baucus (1997) undersöker studien oavsiktliga och avsiktliga illegala handlingar som begås av en anställd eller företagsledningen. Studien delar även likt tidigare studier (se Rao & Hamilton 1996, Zeidan 2013) upp de illegala handlingarna i olika kategorier, det görs för att visa om vissa illegala handlingar är överrepresenterade samt för att kunna jämföra dem sinsemellan. De illegala handlingarna som undersöks är: insiderbrott, miljöbrott, arbetsvillkor brott, marknadsmissbruk, kartell, mutbrott, barnarbete, skattebrott, patentbrott, bedrägerier, informations spionage och pengatvätt.

På grund av bristfällig data om bedrägerier, företagsspionage, pengatvätt och marknadsmissbruk

utesluts dessa från studien. Ytterligare bortfall tillkom även när publiceringsdagen inte kunde

(19)

16 säkerställas i EIKON. Även företag vars volatilitet anses vara för hög tas bort eftersom det är svårt att fastställa om aktiens upp och nedgångar beror på den illegala handlingen eller andra faktorer. Totalt resulterar bortfallet i 32 observationer. Handlingar vilka inte anses uppfylla kraven för att vara illegala utesluts även, exempel på dess finns i avsnittet 3.1 Datainsamling.

Tabell 3: Beskrivning av illegala handlingar och antal observationer.

Insiderbrott Miljöbrott Arbetsmiljöbrott Kartell

Användning av information okänd för allmänheten för ekonomisk vinning vid handel med värdepapper och försök till

manipulering av pris av värdepapper.

Handlingar som skadar naturen. Exempelvis förorena mark, luft vatten eller annan skadlig påverkan på miljön.

Företag som har blivit dömda för arbetsmiljöbrott eller medias rapportering av brott mot mänskliga rättigheter.

Överenskommelser mellan företag för företagets vinning genom att sätta marknadsmässig

konkurrens ur spel. Även publik information om prisfixering inkluderas i Kartellverksamheter.

Antal Observationer: 28 Antal Observationer: 30 Antal Observationer: 26 Antal Observationer: 34

Mutbrott Barnarbete Skattebrott Patentbrott

Mutor till individer eller företag i maktposition för företagets egen vinning.

Rapportering av företags involvering i barnarbete.

Rapportering av företagets undvikande av beskattning (skattefusk).

Illegal användning av annat företags patent vid producering av egna produkter.

Antal Observationer: 31 Antal Observationer: 17 Antal Observationer: 23 Antal Observationer: 24

I Tabell 3 beskrivs de olika typer av illegala handlingar och antal observation som har undersökts i studien.

Brotten barnarbete, insiderbrott, mutbrott samt karteller observeras vara de med mest frekvent mediabevakning. Skattebrott samt arbetsmiljöbrott publiceras oftast i samband med böter.

Miljöbrott och patentbrott observeras ha minst frekvent mediabevakning. Patentbrott var även något som företag sällan blir dömda för jämfört med andra brott, då tvisterna resulterade i förlikning.

Därefter delas de olika typerna av illegala handlingar in två grupper: finansiella och operativa

brott. Studien använder Gottschalk (2010) definition av finansiella brott där mutbrott, insiderbrott

och skattebrott stämmer överens med definitionen. Resterande brott delas in som operativa brott

likt Song & Han Hun (2015) definition kartell, arbetsmiljöbrott, miljöbrott, barnarbete och

(20)

17 patentbrott. Anledningen till att Song & Han Huns (2015) definition inte används för finansiella brott var på grund av att den anses vara för ospecifik och därav kan misstolkas.

3.3 Eventstudie

Studien utgår från en kvantitativ metod i form av en eventstudie, vilket Binder (1998) menar är en bra modell för att visa vilken riktning avkastningen går mot. Kothari & Warner (2004)

beskriver vidare att eventstudier är väl passande vid undersökning av kapitalmarknader där syftet är att testa marknadens effektivitet. De beskriver det genom att testerna för kapitalmarknader ger utslag när information påverkar olika värdepapper på ett oväntat sätt.

Enligt Binder (1998) har eventstudier blivit en standardmetod för att mäta värdepappers prisreaktion vid tillkännagivanden. Metoden kan användas för att genom EMH undersöka om något event påverkar aktieägarnas förmögenheter med avseende på tillgänglig publik

information, samt för att testa hur väl marknaden inkorporerar information i aktiepriset (Fama 1991). Mackinlay (1997) menar att vid användning av eventstudie är det centralt att mäta abnormal avkastning. Mackinlay (1997) beskriver att det finns ett flertal modeller för att uppskatta aktiens normala avkastning, där han kategoriserar dem i två grupper: statistiska och ekonomiska. De statistiska modellerna är oberoende av ekonomiska resonemang och följer statistiska antaganden gällande avkastningen. De ekonomiska modellerna grundar sig inte enbart på statistiska antagande utan tar även antagande om investerarnas beteende i beaktning.

Mackinlay (1997) lyfter fram de två vanligaste statistiska modellerna: marknadsmodellen och konstanta medelvärdesmodellen. Mackinlay (1997) menar att marknadsmodellen är en förbättrad version av konstanta medelvärdesmodellen. Mackinlay (1997) förklarar att genom att ta bort den del av avkastningen som är relaterad till variationen i marknadsavkastningen leder det till att variansen i den abnormala avkastningen minskar. Tidigare studier (se exempelvis Rao &

Hamilton 1996; Gunthorpe 1997; Zeidan 2013) använder marknadsmodellen för att mäta om illegala handlingar leder till abnormal avkastning. Denna studie använder sig därav av

marknadsmodellen, där undersökning sker om hur marknaden reagerar när olika typer av illegala

ageranden publiceras i media.

(21)

18 3.4.1 Eventfönster

Det första som bestäms vid genomförande av en eventstudie är vilket event som är av intresse och att identifiera perioden som avses att undersökas (Mackinlay 1997). Perioden som undersöks definieras som eventfönster, det vill säga de dagar som jämförs med normala avkastningen innan, under och efter perioden. Mackinlay (1997) beskriver att genom uppdelning av eventfönstret i åtminstone tre dagar, dagen före, under och efter eventet finns möjligheten att fånga upp effekterna på aktiepriset dagarna kring publiceringen av den illegala handlingen. Längre eventfönster om 12 månader eller mer ökar osäkerheten att fånga upp effekterna av eventet, eftersom det kan finnas andra faktorer som kan påverka aktiens abnormala avkastning (Kothari &

Warner 2004). Eventet som undersöks i denna studie är när företags illegala handlingar

publiceras i media. Tidigare studier använder sig av eventfönster på fem dagar (Gunthorpe 1997), tre dagar (Zeidan 2013) eller på flera månader som Rao & Hamilton (1996). Eventfönstret i denna studie består av tre dagar liksom Zeidans (2013) studie för att försöka fånga upp effekterna av när den illegala handlingen publiceras i media. En dag innan publiceringsdagen (t -1 ),

publiceringsdagen (t 0 ) och en dag efter publiceringsdagen (t +1 ).

3.4.2 Estimeringsperiod

Estimeringsperioden är den tidsram som används för att beräkna den förväntade avkastningen för respektive aktie. Den förväntade avkastningen representerar vad aktievärdet hade varit om

eventet inte ägt rum (Mackinlay 1997). Enligt Mackinlay (1997) kan en 120 dagars estimeringsperiod användas för att beräkna den normala avkastningen. Han menar att eventfönstret exkluderas från estimeringsperioden, för att undvika att eventet påverkar estimeringen av den förväntade avkastningen. För att undvika eventuella effekter av

informationsläckage använder denna studie en estimeringsperiod om 120 dagar som sträcker sig

till två dagar (t -2 ) innan publiceringsdagen (t 0 ) för att estimera aktiens förväntade avkastning.

(22)

19 Figur 1: Studiens estimeringsfönster och eventfönster.

Figur 1. Illustrationen visar en tidslinje över studiens estimeringsfönster och eventfönster.

3.4.3 Normal avkastning

Marknadsmodellen är en statistisk modell vilken jämför den faktiska avkastningen av en aktie med den beräknade avkastningen hos marknaden (Mackinlay 1997). Den normala avkastningen baseras på en vald estimeringsperiod, denna studie använder data från EIKON. Beräkning av den normala avkastningen möjliggör sedan beräkning av den abnormala avkastningen.

Formel 1: Normal avkastning.

R i,t = α i +β i R m,t +ε i,t

R

i,t

Normal avkastning för aktie i vid tidpunkt t.

α

i

Osystematisk risk (alfa) för aktie i.

β

i

Systematisk risk (beta) för aktie i.

R

m,t

Avkastning på marknadsportföljen vid tidpunkt t.

ε

i,t

Felterm som representerar abnormal avkastning.

(Källa: Mackinlay 1997)

Abnormal avkastning (AR )

För att observera effekten som information eventuellt har på aktiepriset är det grundläggande enligt Mackinlay (1997) att beräkna den abnormala avkastningen. Abnormala avkastningen för varje event beräknas genom att subtrahera normala avkastningen från den förväntade

avkastningen (Mackinlay 1997). En positiv abnormal avkastning innebär överavkastning och en negativ abnormal avkastning innebär underavkastning.

t -120 t -2 t -1 t 0 t +1

Estimeringsfönster Eventfönster

(23)

20 Formel 2: Abnormal avkastning.

AR i,t = R i,t - (α i +β i R m,t )

AR

i,t

Abnormal avkastning för aktie i vid tidsperiod t.

R

i,t

Normal avkastning för aktie i vid tidsperiod t.

(α

i

+β

i

R

m,t

) Förväntad avkastning för aktie i vid tidsperiod t.

(Källa: Mackinlay 1997)

Genomsnittlig abnormal avkastning (AAR)

Den genomsnittliga abnormala avkastningen används för att kunna beräkna univariat test för kumulativa genomsnittliga abnormala avkastningen (CAAR) samt z-test för respektive dag t -1 till t +1 .

Formel 3: Genomsnittliga abnormal avkastning.

AAR t = ¹

𝑁 ∑ ^𝑁 _𝑖=1 𝐴𝑅 _𝒊,𝒕

AAR

t

Genomsnittlig abnormal avkastning vid tidsperiod t.

AR

i,t

Abnormal avkastning för aktie i vid tidsperiod t.

N Antal observationer.

(Källa: Mackinlay 1997)

Genomsnittlig kumulativ abnormal avkastning (CAAR)

Nästa steg är att beräkna den genomsnittliga kumulativa abnormala avkastningen CAAR, vilken används för univariat test.

Formel 4: Genomsnittlig kumulativ abnormal avkastning.

CAAR ( t -1 ,t +1 ) = ∑ ^𝑡 _{𝑡= 𝑡}

⁺¹

𝐴𝐴𝑅 _𝑡

−1

CAAR(t

-1

,t

+1

) Genomsnittlig kumulativ abnormal avkastning under tidsperioden t

-1

till t

+1

. AAR

t

Genomsnittlig abnormal avkastning vid tidsperiod t.

(Källa: Mackinlay 1997)

(24)

21 Varians

Variansen för den genomsnittliga abnormala avkastningen beräknas i Formel 5. Formel 6 används sedan för att beräkna variansen för den genomsnittliga kumulativa abnormala avkastningen genom att summera variansen från Formel 5.

Formel 5: Variansen för genomsnittlig abnormal avkastning.

var(AAR t ) = ¹

𝑁

²

∑ ^𝑁 _𝑖=1 𝜎 _𝜖 ²

var(AAR

t

) Variansen för den genomsnittliga abnormala avkastningen vid tidpunkten t.

N Antal observationer.

𝜎

𝜖²

Varians för aktie i under estimeringsfönstret t

-2

till t

-120

. (Källa: Mackinlay 1997)

Formel 6: Varians för genomsnittlig kumulativ abnormal avkastning.

var(CAAR (t-1,t+1) ) =∑ ^𝑡 _𝑡=𝑡

⁺¹

𝑉𝑎𝑟(𝐴𝐴𝑅 _𝑡 )

−1

var(CAAR

(t-1,t+1)

) Variansen för CAAR under estimeringsfönstret t

-2

till t

-120

. var(AAR

t

) Variansen för abnormal avkastning vid tidpunkten t.

(Källa: Mackinlay 1997)

Z-test

För att testa om illegala handlingar påverkar aktiepriset för respektive dag under eventfönstret genomförs ett Z-test för att beräkna signifikansen av abnormal avkastning under eventfönstret som tidigare studier (Gunthorpe 1997, Zeidan 2013).

Formel 7: Z-test.

Z t = √𝑁 _𝑡 [ ^𝐴𝑅 ^𝑡

𝜎 _𝑡 ]

Z

t

Z-test variabel vid tidpunkten t.

N

t

Antal observationer.

𝜎

𝑡

Standardavvikelsen för abnormal avkastning vid tidpunkten t.

(Källa: Gunthorpe 1997)

(25)

22 Univariat-test

Formel 8 används för att kunna beräkna signifikansen av studiens CAAR. I formeln delas den genomsnittliga kumulativa abnormala avkastningen med variansen framräknad i Formel 6 upphöjt till 1/2. Det uträknade värdet är signifikansen för hypotestestet.

Formel 8: T-test.

𝜃 ₁ = ^{𝐶𝐴𝐴𝑅(𝑡} ⁻¹ ^,𝑡 ⁺¹ ⁾

𝑣𝑎𝑟(𝐶𝐴𝐴𝑅(𝑡 ₋₁ ,𝑡 ₊₁ )) ^½

(Källa: Mackinlay 1997)

Differenstest

För test om det är någon signifikant skillnad i CAAR mellan de olika illegala handlingarna genomförs ett t-test mellan CAAR. Illegal handling 1 är exempelvis barnarbete, vilken testas mot illegal handling 2 exempelvis insiderbrott. Alla illegala handlingar testas mot varandra. Ett test genomförs även för att jämföra finansiella och operativa brott.

Formel 9: Differenstest.

𝑡 = 𝑥 ̅̅̅ − 𝑥 ₁ ̅̅̅ ₂

√ 𝑉𝑎𝑟 ₁

𝑛 ₁ + 𝑉𝑎𝑟 ₂ 𝑛 ₂

𝑡 t-värdet för differensen.

𝑥

₁

CAAR för illegal handling 1.

𝑥

₂

CAAR för illegal handling 2.

𝑉𝑎𝑟

1

Varians från estimeringsfönstret under tidsperioden t

-2

till t

-120

för illegal handling 1.

𝑉𝑎𝑟

₂

Varians från estimeringsfönstret under tidsperioden t

-2

till t

-120

för illegal handling 2.

𝑛

1

Antal observationer för illegal handling 1.

𝑛

2

Antal observationer för illegal handling 2.

(26)

23 3.4.4 Operationalisering av hypoteser

Studiens första hypotes testas genom att beräkna CAAR för alla observerade illegala handlingar.

För att undersöka om hypotesen är signifikant genomförs ett ensidigt hypotestest eftersom det finns en riktad förväntan på resultatet. Förväntan är att det råder negativ abnormal avkastning vid publicering av illegala handlingen. Den alternativa hypotesen accepteras om CAAR är signifikant högre vid publicering av illegala handlingar i media.

För att testa studiens andra samt tredje hypotes genomförs differenstest mellan de olika illegala handlingarna. CAAR från eventfönstret jämförs mellan de olika handlingarna. För att undersöka om hypoteserna är signifikanta genomförs två ensidiga hypotestest. De alternativa hypoteserna (1b och 1c) accepteras om det råder signifikant skillnad mellan de olika illegala handlingarna samt om finansiella brott påverkar mer än operativa brott.

3.4.5 Databearbetning

För att undvika att extremvärden snedvrider resultatet tillämpas winsorizing för att ta bort de

största och de minsta värdena i urvalet. I datasetet tillämpades en winsorizing på 90 procent,

vilket innebär att alla värden över 95 procent sätts till värdet på 95 procent och alla värden under

fem procent sätts till värdet på fem procent. Winzsorizing tillämpades på alla avkastningsindex

RI för respektive företag i studien. Det väljs istället för trimming då det hade resulterat i att

många observationer hade behövts tas bort, eftersom studien generellt förväntar större värden vid

publicering av illegala handlingar.

(27)

24 4. Empiriskt resultat och diskussion

I kapitlet presenteras och analyseras det empiriska resultatet. Kapitlet börjar med att beskriva hur olika illegala handlingar påverkar marknaden följt av om de olika handlingarna påverkar marknaden på olika sätt.

4.1 Effekt av olika typer av illegala handlingar på aktievärde

Tabell 4. Genomsnittlig abnormal avkastning under eventfönstret.

Insider Barnarbete Skattebrott Mutbrott Miljöbrott Patentbrott Kartell Arbetsmiljö Sammanställning

AAR

t-1

-0.0006 0.0004 0.0058 **

(1.9456) 0.0022 0.0032 0.0011 -0.0005 -0.0058 **

(-1.8222) 0.0007

AAR

t0

-0.0120 ***

(-3.6772) -0.0035 -0.0021 -0.0087 ***

(-6.1142) -0.0022 0.0044 * (1.4417)

-0.009 ***

(-4.0544) -0.0032 -0.0050 ***

(-4.8614)

AAR

t+1

0.0019 -0.0064 **

(-2.2429) -0.0014 0.0015 0.0007 -0.0038 **

(-1.9200) 0.0042 -0.0004 0.0001

CAAR

(t-1-t+1)

-0.0106 ***

(-3.3728)

-0.0095 ***

(-2.8244) 0.0022 -0.005 **

(-2.1207) 0.0018 0.0017 -0.0053 **

(-1.7955)

-0.0094 ***

(-2.9873)

-0.0042 ***

(-3.9150)

I Tabell 4 presenteras genomsnittliga abnormala avkastningen (AAR) för dagen innan (t

-1

), dagen under (t

0

) och dagen efter publiceringen (t

+1

) av respektive

illegal handling samt för hela marknaden i sammanställning. Ett Z-test presenteras (inom parantes) inom för respektive dag för att visa om AAR är signifikant

skild från noll. Vidare presenteras också genomsnittliga kumulativa abnormala avkastningen (CAAR) under hela eventfönstret (t

-1

till t

+1

), univariat test (inom

parantes). Hela urvalet består av 213 illegala handlingar och resultaten i tabellen presenteras efter winsorizing. Alla värden inom parantes representerar värdena

för respektive test. Statistiskt signifikant på 10 procentsnivån, Statistiskt signifikant på 5 procentsnivån, * Statistiskt signifikant på 1 procentsnivån.*

(28)

25 Tabell 4 visar statistik för genomsnittlig abnormal avkastning (AAR) och resultaten från Z-testet inom eventfönstret vid dagen före och efter publiceringsdagen (t 0 ). Resultatet visar att dagen innan publiceringsdagen (t -1 ) av illegalt agerande förekommer det signifikant abnormal

avkastning för marknaden på fem procents signifikansnivå för arbetsmiljöbrott och skattebrott.

Resultatet tyder på lite eller inget läckage av information dagen innan publicering av de illegala handlingarna (t -1 ), då en signifikans på fem procentsnivå inte anses vara tillräcklig för att kunna uttala sig om att det alltid råder detta samband. Publiceringsdagen (t 0 ) visar en signifikant

nedgång på en procents nivå för handlingarna insiderbrott, mutbrott och kartell, där nedgångarna för AAR är -1.2 procent, -0,87 procent respektive -0.9 procent. Dagen efter publiceringsdagen (t +1 ) av den illegala handlingen tyder barnarbete och patentbrott på signifikanta nedgångar på fem procents nivå där AAR är -0.64 procent respektive -0.38 procent. Det visar att marknaden reagerar vid publicering av ny information, vilket är i linje med Famas (1970) medelstarka nivå av marknadseffektivitet. Att marknaden inte reagerar vid publiceringsdagen för barnarbete och patentbrott kan bero på att de negativa signalerna handlingar medför tar längre tid för marknaden att absorbera och sedan reagera på. En anledning till att informationen tar längre tid att reagera på skulle kunna bero på informationsasymmetri då avsändaren av informationen, enligt Connelly et al. (2011), bestämmer hur informationen ska kommuniceras. Vid brotten barnarbete och

patentbrott behöver intressenter då inte nödvändigtvis tolka informationen som avsändaren avser och därav sker ingen signifikant reaktion under publiceringsdagen (t 0 ). Tolkningen kan även leda till att mottagaren bildar en felaktig uppfattning om marknaden vilket, i enlighet med Blacks (1986) teori, kan bero på att rätt information inte kommit fram genom informationsbrus.

Tabell 4 visar även den genomsnittliga kumulativa abnormala avkastningen (CAAR) för dag t -1

till dag t +1 för de illegala handlingarna. Resultatet visar en nedgång på en procents

signifikansnivå för de illegala handlingarna Insiderbrott, Barnarbete och Arbetsmiljöbrott.

Dessutom visar resultatet att mutbrott och kartell har en nedgång på fem procent signifikansnivå.

För brotten barnarbete och arbetsmiljöbrott visar resultatet för CAAR att marknaden reagerar

negativt under hela eventfönstret (t -1 till t +1 ). Däremot visar resultatet ingen förändring på en

procent signifikansnivå för dessa observationer under enskilda dagar. Det skulle kunna bero på

att det tar längre tid för marknaden att reagera vid dessa brott, då publiceringen av den illegala

handlingen inte nödvändigtvis fångas upp av marknaden direkt. Värt att notera är däremot att vid

(29)

26 arbetsmiljöbrott tyder resultatet på att marknaden reagerar negativt redan vid dag t -1 , vilket kan vara en indikation på att information har läckt ut innan publiceringsdagen (t 0 ). Att information läckt ut innan publiceringsdagen skulle kunna bero på att alla undersökta arbetsmiljöbrott är publicerade domar för brotten. Att ett företag kommer bli dömt kan därmed ha läckt ut innan domen publiceras i media exempelvis när företaget har blivit delgiven om misstanke till brott eller när tid för domstolsprocessen blivit offentlig och därav påverkat aktiepriset. Att brottet barnarbete inte visar någon nedgång på en procent signifikansnivå skulle kunna bero på att det ofta är underleverantörer till företagen som begår den illegala handlingen. Det leder då möjligtvis till att marknaden vill säkerställa sig om att rätt information kommit fram och därav sker

minskningen på fem procent signifikansnivå dagen efter publiceringsdagen t +1 istället. Vidare tyder mutbrott, karteller och insiderbrott på att marknaden reagerar negativt vid publicering av de illegala handlingarna, dock varar nedgången endast en dag. Det skulle kunna bero på att det är likartade företag som utför dessa brott och att marknaden då återhämtar sig snabbare, det är däremot inte något som undersöks närmare i studien. En annan anledning skulle kunna vara att mutbrott, karteller och insiderbrott sänder negativa signaler när de publiceras som marknaden först reagerar negativt på, men som är något marknaden sedan snabbt bortser från. Att

publiceringen av de illegala handlingarna skickar negativa signaler till marknaden borde, i linje med Deephouse (2000) även minska informationsasymmetrin mellan företag och deras

intressenter. Det eftersom information snabbt blir tillgänglig för alla aktörer på marknaden.

Slutligen visar Tabell 4 hur marknaden i genomsnitt reagerar vid publicering av alla de

undersökta illegala handlingarna under kolumnen sammanställning. Marknadsreaktionen visar

likt tidigare studier (Gunthorpe 1997, Reichert et al. 1996) en nedgång av aktiepriset vid dag t 0 ,

där resultatet visar negativ AAR på -0,5 procent, även CAAR för eventfönstret är negativ på

-0,42 procent. Både den genomsnittliga avkastningen för alla undersökta illegala handlingar AAR

dag t 0 och CAAR är signifikanta på en procentsnivå. Resultatet visar att marknaden reagerar

negativt vid publicering av företagens illegala handlingar och således accepteras första alternativa

hypotesen (1a). Resultatet stämmer överens med tidigare studie av Gunthorpe (1997) vilken visar

signifikant negativ AAR vid publicering av de illegala handlingarna, men ingen signifikant

förändring före (t -1 ) eller efter (t +1 ) publiceringsdagen. Till skillnad från Reicherts et al. (1996)

studie som visade negativ förändring i aktiepriset både dagen innan och efter publiceringsdagen

(30)

27 på fem procents signifikansnivå, finner denna studie ingen signifikant nedgång för dagen innan eller efter publiceringsdagen. Att resultaten från Tabell 4 skiljer något från Reicherts et al. (1996) studie kan bero på urvalsstorlek. Reichert et al. (1996) använder sig av 83 observationer för deras undersökning jämfört med denna studie som använder 213 observationer samt att denna studie undersöker en större mängd olika illegala handlingar vilket kan påverka resultatet. En annan anledning till att resultaten skiljer sig kan även vara tidsaspekten. Reichert et al. (1996) undersökte publicerade illegala handlingar mellan åren 1980-1990 medan i denna studie undersöks publicerade illegala handlingar mellan åren 2007-2017. Det kan medföra att andra faktorer påverkat skillnaden i marknadsreaktion.

4.2 Olika illegala handlingars påverkan på marknaden

För att undersöka om olika illegala handlingar påverkar aktiepriset på olika sätt genomförs ett differenstest. Testet genomförs genom att ställa de olika illegala handlingarna mot varandra för att undersöka skillnader i marknadsreaktion mellan dem. I Tabell 5 jämförs CAAR för varje illegal handling mot CAAR för alla andra undersökta illegala handlingar. Exempelvis insiderbrott jämförs med barnarbete där CAAR är -0,0106 respektive –0,0095 (se Tabell 4) vilket ger en differens på -0,0012 (se Tabell 5). Sedan genomförs ett t-test för att undersöka om skillnaden mellan handlingarna är signifikanta. En skillnad kan indikera att en publicerad illegal handling påverkar marknadens reaktion mer än annan publicerad illegal handling. Nedan

diskuteras de signifikanta skillnaderna mellan handlingarna.

(31)

28 Tabell 5: Jämförelse och differenstest mellan de olika illegala handlingarna

Insider mot: Barnarbete Skattebrott Mutbrott Miljöbrott Patentbrott Kartell Arbetsmiljö

∆CAAR

(Differenstest) -0.0012 -0.0129 ***

(-14.6664)

-0.0056 ***

(-7.6262)

-0.0124 ***

(-15.3108)

-0.0124 ***

(-14.3313)

-0.0054 ***

(-6.9047) -0.0013

Barnarbete mot: Insider Skattebrott Mutbrott Miljöbrott Patentbrott Kartell Arbetsmiljö

∆CAAR

(Differenstest) 0.0012 -0.0117 ***

(-11.2803)

-0.0044 ***

(-4.8147)

-0.0112 ***

(-11.4475)

-0.0112 ***

(-10.9202)

-0.0042 ***

(-4.4061) -0.0001

Skattebrott mot: Insider Barnarbete Mutbrott Miljöbrott Patentbrott Kartell Arbetsmiljö

∆CAAR (Differenstest)

0.0129 ***

(-14.6664)

0.0117 ***

(11.2803)

0.0073 ***

(9.4159) 0.0005 0.0005 0.0075 ***

(9.1707)

0.0116 ***

(13.017)

Mutbrott mot: Insider Barnarbete Skattebrott Miljöbrott Patentbrott Kartell Arbetsmiljö

∆CAAR (Differenstest)

0.0056 ***

(-7.6262)

0.0044 ***

(4.8147)

-0.0073 ***

(-9.4159)

-0.0068 ***

(-9.7889)

-0.0068 ***

(-8.9523) 0.0002 0.0043 ***

(5.7536)

Miljöbrott mot: Insider Barnarbete Skattebrott Mutbrott Patentbrott Kartell Arbetsmiljö

∆CAAR (Differenstest)

0.0124 ***

(-15.3108)

0.0112 ***

(11.4475) -0.0005 0.0068 ***

(9.7889) 0 0.007 ***

(9.4361)

0.0111 ***

(13.4983)

Patentbrott mot: Insider Barnarbete Skattebrott Mutbrott Miljöbrott Kartell Arbetsmiljö

∆CAAR (Differenstest)

0.0124 ***

(-14.3313)

0.0112 ***

(10.9202) -0.0005 0.0068 ***

(8.9523) 0 0.007 ***

(8.7165)

0.0111 ***

(12.6542)

Kartell mot: Insider Barnarbete Skattebrott Mutbrott Miljöbrott Patentbrott Arbetsmiljö

∆CAAR (Differenstest)

0.0054 ***

(-6.9047)

0.0042 ***

(4.4061)

-0.0075 ***

(-9.1707) -0.0002 -0.007 ***

(-9.4361)

-0.007 ***

(-8.7165)

0.0041 ***

(5.159)

Arbetsmiljö mot: Insider Barnarbete Skattebrott Mutbrott Miljöbrott Patentbrott Kartell

∆CAAR

(Differenstest) 0.0013 0.0001 -0.0116 ***

(-13.017)

-0.0043 ***

(-5.7536)

-0.0111 ***

(-13.4983)

-0.0111 ***

(-12.6542)

-0.0041 ***

(-5.159)

I Tabell 5 presenteras deskriptiv data över differensen mellan de olika handlingarnas genomsnittliga kumulativa

abnormala avkastning (CAAR) inom eventfönstret samt om förändringen mellan dem är signifikant. Exempelvis

CAAR för insiderbrott jämförs med CAAR för barnarbete vilket ger en differens på -0,0012. Differensen testas

genom ett differens-test för alla olika illegala handlingar och t-värden presenteras inom parantes. Statistiskt*

signifikant på 10 procentsnivån, Statistiskt signifikant på 5 procentsnivån, Statistiskt signifikant på 1*

procentsnivån.