Direktinvesteringar och risk: Finns ett samband?

NATIONALEKONOMISKA INSTITUTIONEN Uppsala Universitet

Examensarbete D Författare: Per Haldén Handledare: Martin Holmén Ht 07

Direktinvesteringar och risk

– Finns ett samband?

Sammanfattning

Beslut om och var man ska genomföra en direktinvestering grundar sig på en rad faktorer. En av dessa är den risk som är förknippad med investeringen. Den här uppsatsen tar upp risk i form av volatilitet dels på aktiemarknader men också för växelkurser. Med utgångspunkt från två teorier där den ena säger att hög risk är förenat med en lägre nivå av direktinvesteringar samt en motsatt som istället menar att hög risk leder till en högre direktinvesteringsnivå undersöker jag situationen för USA och Sverige. Genom att undersöka just dessa länders marknader får man en bild av ekonomins storleks betydelse för huruvida risken påverkar direktinvesteringar eller inte. Resultatet tyder på att risk i form av aktiemarknads- samt växelkursrisk inte påverkar andelen direktinvesteringar i en liten ekonomi som Sveriges men att det i USA’s fall finns ett positivt samband mellan andelen direktinvesteringar och aktiemarknadsrisk samt ett negativt samband mellan andelen direktinvesteringar och växelkursrisk.

Nyckelord: direktinvesteringar, fdi, risk, aktiemarknadsvolatilitet, växelkursvolatilitet

Innehållsförteckning

1 Inledning... 3

2 Teori ... 5

2.1 Hög risk avskräcker... 5

2.2 Realoptionsteorin ... 6

3 Tidigare studier ... 7

4 Metod ... 8

4.1 Att mäta risk ... 8

4.2 Att testa för ett eventuellt samband... 9

4.3 Stationäritet ... 10

4.4 Slutgiltig modell ... 11

5 Data ... 11

6 Resultat... 13

6.1 Enhetsrot... 13

6.2 Estimering ... 15

7 Slutsats ... 18

Referenser... 20

1 Inledning

Med utländska direktinvesteringar, eller bara direktinvesteringar menas: ”Investeringar i ett främmande land varvid den investerande parten (ett aktiebolag eller ett företag av annan typ) erhåller kontrollen över den gjorda investeringen. Normalt tar direktinvesteringen den formen att ett företag startar ett dotterbolag i utlandet eller skaffar sig ägarkontroll över ett redan existerande företag där”. (Dickson, Luukkainen & Sandelin, 1986)

Genom direktinvesteringar i utlandet kan ett företag vinna en rad fördelar. Man kan till exempel vinna skattefördelar och komma åt naturtillgångar, billigare arbetskraft och ny teknik för att förbättra sin konkurrenskraft (Rugman, 1998).

Var vill då företag investera? Svaret kan delas upp i två delar. Den ena delen är förenat med konsumtion och det andra med produktion. Ett exporterande företag kan vilja flytta sin produktion närmare sina konsumenter och då helt enkelt välja att genomföra en direktinvestering på den marknad där dess konsumenter finns. Vad det gäller produktionsperspektivet så hänger det närmare ihop med kostnader för arbetskraft, lagstiftning och landets politiska och ekonomiska situation.

Som är fallet med de flesta investeringar är även utländska direktinvesteringar förenade med en viss risk. Det råder delade meningar om hur denna risk påverkar viljan att genomföra direktinvesteringar. Vid tidigare studier har man dels funnit belägg för att hög risk är förenat med lägre direktinvesteringsflöden men även för motsatsen, att hög risk ger högre direktinvesteringsflöden. Man har dock, så vitt jag vet, endast ägnat sig åt att undersöka stora ekonomier som USA, Tyskland och Japan samt en rad utvecklingsländer. Syftet med den här uppsatsen är att undersöka om det finns några skillnader mellan hur denna risk påverkar andelen direktinvesteringar i en stor ekonomi som USA jämfört med en liten, men ändå välutvecklad ekonomi som Sverige. Jag kommer att utgå ifrån två olika teorier som ger motsatta implikationer. Den ena grundar sig på CAPM-modellen, som helt enkelt säger att systematisk högre risk kräver högre avkastning och att det därmed finns ett negativt samband mellan direktinvesteringar och risk. Den andra teorin bygger istället på att investeringen är att se som en realoption där investeringens värde ökar med risken då investeraren har möjligheten att utvidga eller avbryta investeringen med tiden (Ross m.fl., 2005). En större risk på en marknad skulle i detta fall innebära ökade investeringar.

Vad som menas med risk är i det här fallet inte självklart. I tidigare studier har man främst behandlat risk i form av växelkursvolatilitet. Variation i växelkurser ökar osäkerheten vid investeringsbeslut då investerarens kostnader, både vad det gäller löner men också material och andra produktionskostnader, påverkar den investerande partens konkurrenskraft mot övriga aktörer. Även jag kommer att använda mig av växelkursvolatilitet som ett riskmått.

Dessutom kommer jag även att använda aktiemarknadsvolatiliteten som en proxy för generell risknivå i landet. En hög aktiemarknadsvolatilitet borde tyda på en osäker marknad och därmed vara förenat med högre risk vid investeringsbeslut.

Med dessa bägge teorier i åtanke estimerar jag regressionsmodeller för direktinvesteringar som andelen av totala investeringar mot de två riskmåtten aktiemarknads- och växelkursvolatilitet. Jag inkluderar även kontrollvariabler i regressionen för att kunna isolera riskmåttens eventuella påverkan.

Resultatet tyder på att Sverige och USA skiljer sig åt. I Sverige finns inget samband mellan andelen direktinvesteringar och de bägge riskmåtten men i USA indikerar resultatet att risk i form av aktieindexvolatilitet leder till en högre andel direktinvesteringar men att risk i form växelkursvolatilitet istället leder till en lägre andel direktinvesteringar, ceteris paribus.

Nästa avsnitt behandlar de teorier som ligger bakom uppsatsen. Avsnittet inleds med två teorier som behandlar risk. Sedan behandlas tillvägagångssättet när man mäter risk följt av en genomgång av statistiska aspekter som bör beaktas vid test av ett eventuellt samband.

Efter teoriavsnittet följer en genomgång av vad tidigare författare kommit fram till inom samma och angränsande områden. Det visar sig att man funnits belägg för både positiva och negativa samband mellan direktinvesteringar och risk.

Sedan behandlar jag den metod som används för att testa sambandet mellan direktinvesteringar och risk. I korthet undersöker jag först tidsseriernas egenskaper för att sedan vidta lämpliga statistiska åtgärder och slutligen skatta parameterestimat.

Dataavsnittet som följer efter metoddelen ger en beskrivning av de underliggande data som används vid parameterskattningen. Här motiveras val av variabler och undersökta marknader.

Slutligen följer två avsnitt där först resultaten av tester och skattningar presenteras för att sedan en övergripande bild av det eventuella sambandet ska kunna ges varpå slutsatser kan dras.

2 Teori

På vilket sätt risken hos en marknad påverkar nivån av direktinvesteringar är inte glasklart.

Man kan dela in de möjliga händelseförloppen i två alternativ. Den ena säger att högre risk avskräcker företag att genomföra direktinvesteringar då osäkerheten ökar. Den andra menar istället att en högre risk är förenat med större vilja att genomföra dessa investeringar då den högre risken medför ett större avkastningsintervall och således en potentiellt högre avkastning jämfört med låg risk. Nedan följer en genomgång av dessa bägge teorier.

2.1 Hög risk avskräcker

En variant av den klassiska CAPM-modellen är den internationaliserade varianten IAPM (International Asset Pricing Model). Den säger att den förväntade avkastningen är beroende av en marknads korrelation med världsmarknaden.

( ( )

)

i r E r r

r

E( )= + − β_,

Där

= ) (r_i

E den förväntade avkastningen för investeringen i.

f =

r den riskfria räntan

( )

E den förväntade genomsnittliga avkastningen på marknaden m och,

m

βi, = ett riskmått enligt formen: _, ^,₂

m m i m

i σ

β =σ

där σ_i,m är kovariansen mellan investeringen i’s avkastning och den genomsnittliga investeringsavkastningen på marknaden och σ_m² är variansen för marknadens investeringsavkastning.

Eftersom kovariansen, σ_i,m definieras som produkten av korrelationskoefficienten (ρ) och standardavvikelserna för avkastningen för investeringen och för marknaden (σ_mσ_i),

i m m

i ρσ σ

σ _, = ,

leder en ökad standardavvikelse till en ökad kovarians varpå betakoefficienten också stiger.

Då jag i den här uppsatsen fokuserar på risk i form av volatilitet mätt som en avkastnings- eller växelkursvarians innebär det att en hög standardavvikelse är förenat med hög volatilitet.

Detta leder i sin tur till att investeraren kräver en högre förväntad avkastning för att genomföra en investering och att färre investeringar således genomförs.

2.2 Realoptionsteorin

I många fall sker en investering i flera olika steg. I motsats till den föregående ”risk avskräcker-teorin” kan man då se på direktinvesteringar ur ett realoptionsperspektiv.

Investeringsmöjligheter är att likställa med optioner vilka således ger rättigheten, men inte skyldigheten att gå vidare med investeringen i framtiden. Då värdet av en option ökar med den underliggande tillgångens värdes standardavvikelse betyder det i investeringssammanhanget att direktinvesteringens värde ökar med dess risk. Detta grundar sig på att till exempel en köpoption inte utnyttjas om den underliggande tillgångens värde är lägre än lösenpriset (omvänt gäller för säljoption) och att en högre standardavvikelse endast påverkar värdet i positiv riktning (se figur 1).¹

1 För en utförligare diskussion hänvisas till Merton (1973)

Figur 1

Värdet av en köpoption

De grå markeringarna avser möjliga priser för den underliggande tillgången, S. Som framgår av figuren är större spridning av de möjliga utfallen (högre volatilitet) förenat med en högre värderad option då köpoptionen endast utnyttjas om värdet av den underliggande tillgången överstiger lösenpriset.

X – Excersise price, ST – Share price at maturity, c – value of option

3 Tidigare studier

En stor mängd studier har ägnats åt fenomenet direktinvesteringar. Dessa studier har gjorts ur en rad olika synvinklar, dels med mål att hitta direktinvesteringarnas bestämningsfaktorer men även med målet att titta närmare på vissa av dessa bestämningsfaktorer. Bland den senare kategorin, där den här uppsatsen hör hemma, finns en stor mängd arbeten som fokuserar på sambandet mellan direktinvesteringar och växelkurser. Dessa arbeten tar visserligen upp variabeln risk i form av växelkursvolatilitet men mycket få, om någon, fokuserar på risk som volatilitet på aktiemarknaden. Då den här uppsatsen fokuserar på risk både i form av aktiemarknads- och växelkursvolatiliteten är det relevant att titta på vad man kommit fram till inom området för växelkurseffekter på direktinvesteringar.

Cushman (1985) fann, genom att poola årliga, bilaterala, direktinvesteringsflöden från USA till Storbritannien, Frankrike, Tyskland, Kanada och Japan mellan 1963 och 1978 ett positivt samband mellan växelkursvolatilitet och direktinvesteringar varpå högre växelkursvolatilitet

alltså ger ett ökat flöde av direktinvesteringar. Tio år senare hittade även Goldberg och Kolstad (1995) ett positivt samband när även de undersökte USA, Kanada, Japan och Storbritannien.

Det finns dock även gott om resultat som pekar på motsatsen. Urata och Kawai (2000) bekräftar CAPM-teorin vid en undersökning av japanska företags utländska direktinvesteringar och finner belägg för att hög växelkursvolatilitet påverkar direktinvesteringar negativt. Även Bénassy-Quéré, Fontagné och Lahrèche-Révil (1999) fann ett negativt samband mellan direktinvesteringar och växelkursvolatilitet när de analyserade 42 utvecklingsländer som mottog direktinvesteringar mellan 1984 och 1996.

4 Metod

4.1 Att mäta risk

Med risk menas allt som oftast volatilitet. Volatilitet är i sin tur ett mått på hur något avviker från ett medelvärde. I fallen för CAPM- samt realoptionsteorierna innebär det alltså att man mäter volatiliteten som den kvadrerade standardavvikelsen på en marknads eller tillgångs avkastning under en viss tidsperiod alternativt växelkursers avvikelse från ett medelvärde. Då jag vill undersöka sambandet mellan risk och direktinvestering, som är noterat på kvartalsbasis kommer jag att använda mig av en proxy för volatiliteten för varje kvartal genom att beräkna genomsnittet av de månatliga avkastningarnas avvikelser från kvartalets medelvärde i kvadrat. Alltså använder jag mig först av aktieindex för att beräkna varje månads avkastning. Sedan beräknar jag medelvärdet för kvartalets avkastning. Med hjälp av dessa variabler beräknar jag sedan de kvadrerade avvikelserna för varje månad och använder sedan kvartalets genomsnitt som mitt mått för volatilitet.

En annan faktor som kan tänkas påverka beslut om direktinvesteringar är växelkursrisk.

Denna risk kan även den mätas som volatilitet och innebär då att högre volatilitet ger högre osäkerhet genom till exempel potentiella valutaförluster och konkurrensförändringar (lönenivåer, materiel etc.) (Urata & Kuwai, 2000). En riskavert investerare skulle då kräva en högre förväntad avkastning då investeringens osäkerhet ökar.

Sett ur ett realoptionsperspektiv blir situationen annorlunda. Som tidigare nämnts innebär en realoption att investeringen sker i flera steg varpå investeraren har möjligheten men inte

skyldigheten att gå vidare med investeringen i framtiden. En hög växelkursvolatilitet skulle då innebära att både de potentiella vinsterna och förlusterna ökar, eller med andra ord, intervallet för de möjliga utfallen ökar. I optionsfallet betyder det att ökad osäkerhet leder till att optionens värde också ökar.

4.2 Att testa för ett eventuellt samband

För att få bästa möjliga resultat när det gäller skattningen av ett eventuellt samband mellan direktinvesteringar och risk bör man ha vissa saker i åtanke. Det första som bör beaktas är de olika tidsseriernas egenskaper. Många tidsserier som behandlar makrodata innehåller någon form av tidstrend, ofta deterministisk eller stokastisk. Detta betyder att de har medelvärden, varianser och kovarianser som inte är tidsoberoende, även kallat icke-stationära (se figur 1).

Vanliga OLS- eller GLS-estimat med dessa serier skulle då leda till missvisande, eller spuriösa resultat (Ramirez, 2000).

Figur 2

Stationär och ickestationär tidsserie

0 40 80 120 160 200 240 280 320 360

84 86 88 90 92 94 96 98 00 02 04 06

Icke-stationär tidsserie

-60 -40 -20 0 20 40 60 80

84 86 88 90 92 94 96 98 00 02 04 06

Stationär tidsserie

Ett sätt att göra ickestationära tidsserier stationära är att skriva dem i differensform (Pindyk &

Rubinfeld, 1998). Det betyder alltså att man subtraherar varje observationsvärde med föregående tidsperiods observationsvärde:

)...

( ₁

1 −

− = −

−

=

ΔY_t Y_t Y_t β X_t X_t

Slutligen bör man även ta hänsyn till att det rimligtvis är en viss fördröjning mellan ett investeringsbeslut och dess genomförande. Enligt Jeanneret (2007) tas investeringsbeslut ett år eller ibland ännu längre innan investeringen görs. Därför kommer jag även att skatta en modell där direktinvesteringsvariabeln för ett visst antal tidpunkter fram i tiden, t+k, ställs mot de andra variablerna vid tidpunkten t. Detta är alltså motsatsen till lags och kallas för

”leads”, vilket också är den benämning jag använder mig av framöver.

Som framgår av teoridelen ovan kommer jag att använda mig av två olika riskmått vid skattningen av sambandet mellan direktinvesteringar och risk. Dessa riskmått fås fram genom att skatta den genomsnittliga volatiliteten hos ett lands växelkurs samt aktiemarknad vid varje kvartal (se avsnittet om Data).

För att kunna isolera och urskilja hur just riskmåtten påverkar direktinvesteringarna tar jag även med några andra variabler i regressionen. Jag inkluderar BNP, real ränta och ett trendmått i form av aktiemarknadens index utveckling. För en utförligare diskussion om valet av variabler hänvisar jag till avsnittet om Data.

4.3 Stationäritet

Många makroekonomiska tidsserier uppvisar, som tidigare nämnts, ickestationära egenskaper.

Det innebär att de i så fall måste differentieras tills de blir stationära. För att testa huruvida de variabler jag inkluderar i min modell uppvisar dessa egenskaper kommer jag att använda mig av ett klassiskt test för enhetsrot, nämligen Augumented Dickey-Fullertestet. Det går ut på att testa nollhypotesen att β =0ochρ =1 i ekvationen

t p

j

j t t

t t y y

y α β ρ

∑

= −

− + Δ +

+ +

=

1

1 .

där t är en trendvariabel och

∑

= Δ −

p

j

j

yt 1

λ är antalet lagar som inkluderas för att eliminera

autokorrelationen. Detta antal bestäms utifrån Akaike’s informationskriterium. Kan nollhypotesen inte förkastas antar man att variabeln innehåller en enhetsrot och att den då måste differentieras för att bli stationär (Pindyck & Rubinfeld, 1998).

4.4 Slutgiltig modell

Efter att ha testat samtliga variabler för enhetsrot kommer jag som sagt att differentiera de variabler där man inte kan förkasta nollhypotesen att en enhetsrot existerar. Detta kommer då att leda fram till en modell med endast stationära variabler varpå det är möjligt att dra korrekta slutsatser om hur de båda riskmåtten påverkar direktinvesteringarna i respektive land. Modellen, där direktinversteringsvariabeln noteras som ”FDI”, kommer då att se ut enligt följande (notera att vissa variabler kan komma att differentieras):

växelkurs

aktieindex Vol

Vol rend

Akteindext ränta

BNP

FDI =α +β₁ +β₂ +β₃ +β₄ +β₅

5 Data

Jag använder mig av kvartalsdata från 1984:1 till 2006:4 hämtad från Datastream och Ecowin.

Anledningen till att använda just kvartalsdata är att direktinvesteringar inte görs på daglig basis och då kräver ett datamaterial med större tidsintervall. Att valet föll på just kvartalsdata grundar sig också på att måtten för aktiemarknads- och växelkursvolatilitet skulle kunna bli väldigt missvisade med till exempel årsdata då aktiemarknader och växelkurser kan tänkas hinna förändras markant under denna tidsperiod.

De länder jag fokuserar på är Sverige och USA. Valet att analysera sambandet mellan direktinvesteringar och risk för just dessa två länder grundar sig på två huvudanledningar. För det första är det två stycken välutvecklade länder vilket gör att insamlandet av data underlättas väsentligt. Längre tidsserier ger större stickprov och då även större statistisk säkerhet. Den andra anledningen till att välja just dessa länder är storleksskillnaden mellan dem. USA är världens största ekonomi medan Sverige tillhör de mindre (sätt till utvecklade länder).

Direktinvesteringarna är beräknade som nettot av inkommande direktinvesteringar i respektive land. Det betyder att förutom nya direktinvesteringar i länderna tas även hänsyn till så kallade utflyttade investeringar när till exempel utländska företag väljer att flytta produktion från landet i fråga. Dessa direktinvesteringar är sedan angivna som andelen av de totala investeringarna i respektive land för att slippa inflationsproblem samt att försöka

undvika ickestationäritet. Detta gör att en ökad andel direktinvesteringar kan bero på dels att direktinvesteringarna ökat men även att de inhemska investeringarna minskat.

I fallet för Sverige lyckades jag inte hitta uppgifter för de totala investeringarna. I stället adderade jag statliga och privata investeringar för att erhålla motsvarande variabel. Notera här att andelen direktinvesteringar i Sverige är väldigt hög för vissa perioder. En sådan period är andra kvartalet 1999 då andelen direktinvesteringar uppgår till så mycket som 95 procent.

Detta skulle eventuellt kunna bero på de omständigheter som rådde kring den dåvarande IT- bubblan.

Aktiemarknadsvolatiliteten i Sverige och USA mäts som volatiliteten på avkastningen av Affärsvärldens generalindex, AFGX respektive Dow Jones Industrial Avarege, DJIA.

Anledningen till valet av just dessa index är att de bägge är stora index som viktar företagens påverkar och därför ger en bra bild av landets investeringsklimat. Dessutom har de funnits under en väldigt lång tidsperiod vilket underlättar datainsamlandet.

De växelkurser jag använder mig av är SEK/USD och USD/EUR. Anledningen till att jag använder mig av just dessa växelkurser är främst att de är vanligt förekommande i diskussioner gällande relaterade ämnen och att de finns lättillgängliga i Ecowin för min valda tidsperiod.

Valet av kontrollvariabler grundar sig på en rad faktorer. Dels är de flitigt använda vid tidigare arbeten inom samma område. Enligt Janicki & Wannuva (2004) är ekonomins storlek en avgörande faktor för nivån av direktinvesteringar. Således inkluderar jag BNP som en variabel i min modell. Vidare är den reala räntan en annan viktig parameter (Buckley &

Casson, 1981). Vid investeringar är långa räntor av större vikt än korta varpå jag använder mig av en tioårig obligationsränta. Indextrenden är tänkt att ge en långsiktig bild av hur landets ekonomi utvecklar sig och tas med på grund av att en positiv utveckling bör attrahera direktinvesteringar och vice versa.

En annan anledning till att jag inkluderar just dessa variabler är att de är objektiva och då inte innehåller någon subjektiv bedömning.

6 Resultat

Nedan följer en presentation av resultatet av parameterskattningarna. Innan dessa skattningar gör jag, som tidigare nämnts, test för att undersöka huruvida tidsserierna uppvisade stationära egenskaper eller ej.

6.1 Enhetsrot

Jag använder mig av Augumented Dickey Fuller-testet för att testa för enhetsrot. Testet görs både med konstant och med konstant och trend. Visar det sig att man inte kan förkasta nollhypotesen om enhetsrot kommer jag att använda mig av förstadifferensen av tidsserierna vid kommande parameterskattningar.

Nedan följer en tabell med resultatet av ADF-testet. Signifikanta resultat markeras med asterix. Notera att FX-står för växelkurs.

Tabell 1

ADF-test för enhetsrot

Testet förkastar nollhypotesen att enhetsrot existerar för de bägge variablerna afgx-volatilitet och växelkursvolatilitet. För variablerna fdi och ränta fökastas hypotesen att enhetsrot existerar vid i ett av de två fallen. Test för variablerna BNP och afgx-trend visar att enhetsrot existerar för dessa.

Sverige

Konstant Konstant och trend

ADF I(0) Lag ADF(1) Lag ADF I(0) Lag ADF(1) Lag

FDI -2.417813 3 -11.87768 * 2 -7.931317 * 0 -11.80793 * 2 BNP -0.654634 5 -4.022143* 4 -2.420858 4 -3.988000** 4 Ränta -1.166233 1 -6.183554* 0 -4.332806 * 1 -6.161994 * 0 AFGX-vol -8.774207 * 0 -9.753450 * 2 -8.750257 * 0 -9.705352 * 2 FX-vol -10.10408 * 0 -12.44387 * 1 -10.12873 * 0 -12.37616 * 1 AFGX trend -0.366424 1 -5.846736* 0 -2.385853 1 -5.894963 * 0

USA

Konstant Konstant och trend

ADF I(0) Lag ADF(1) Lag ADF I(0) Lag ADF(1) Lag

FDI -2.858108 *** 1 -20.86670* 0 -2.988491 1 -20.75017 * 0 BNP 2.720090 2 -2.852267 ** 1 -0.120846 2 -4.063804 * 1 Ränta -2.167512 0 -5.602784 4 -4.706411 * 1 -5.873974 * 4 DJIA-vol -9.296438 * 0 -8.948495 * 1 -9.425714 * 0 -8.909054 * 3 FX-vol -8.392062 * 0 -10.22676 * 1 -8.449203 * 0 -10.16714 * 1

DJIA trend 0.200598 0 -8.816338 * 0 -1.752336 0 -8.813624 * 0

H(0)=Enhetsrot existerar. *, ** och *** indikerar signifikant skild från 0 på 1%, 5% samt 10% nivå

Signifikansnivåer enligt MacKinnon (1998)

Som framgår av tabell 1 kan man för de bägge riskmåtten förkasta hypotesen att enhetsrot existerar i både Sveriges och USA’s fall. För variablerna för direktinvesteringar ger testet inte glasklara resultat. Då testen indikerar att man inte kan behålla hypotesen att enhetsrot existerar i samtliga fall väljer jag att behandla direktinvesteringsvariablerna som stationära tidsserier. Samma resonemang går att föra när det kommer till variabeln för ränta för de bägge länderna. I likhet med direktinvesteringsvariablerna väljer jag även i det här fallet att betrakta variablerna som stationära.² För de resterande variablerna, BNP och aktieindextrend, visar testet tydligt att man inte kan förkasta hypotesen att enhetsrot existerar varpå jag använder mig av förstadifferensen vid min slutgiltiga estimering.

Således skattar jag följande modell för Sverige:

t vol t vol

trend t

t t

k

t BNP ränta AFGX AFGX _t FX _t

FDI₊ =α +β₁Δ +β₂ +β₃Δ +β_{4 .} +β_{5 .} +ε samt för USA:

t vol vol

trend t

t t

k

t BNP ränta DJIA _t DJIA _t FX _t

FDI₊ =α +β₁Δ +β₂ +β₃Δ +β_{4 ..}+β_{5 .} +ε

6.2 Estimering

Som nämndes i metoddelen är det en fördröjning mellan det att ett investeringsbeslut tas tills det genomförs. Således kommer jag att köra regressioner med en direktinvesteringsvariabel med mellan fyra och sex leads och sedan väga samman resultatet för att kunna dra korrekta slutsatser (Jeanneret, 2007). Resultatet presenteras i Tabell 2 a och b nedan.

2 Vid test där direktinvesterings- och räntevariablerna betraktades som icke-stationära och därför

förstadifferentierades gav modellerna en förklaringsgrad nära noll och inga parameterskattningar var signifikant skilda från noll.

Tabell 2 a

Koefficientskattningar (med t-värden), Sverige

Modellen skattas med 4, 5 och 6 leads för direktinvesteringsvariabeln, FDI.

Variablerna BNP och afgx-trend är förstadifferentierade då test tyder på att de är ickestationära. Endast parameterskattningarna för ränta och afgx-trend är signifikanta varpå de bägge riskmåtten ej kan sägas påverka andelen direktinvesteringar i Sverige.

Antal leads i FDI

4 5 6

∆BNP 0.000710 -0.001032 0.002113

(0.348054) (-0.499161) (0.986157)

ränta -1.184080 * -1.076478 * -1.260748 *

(-3.142719) (-2.780609) (-3.131970)

∆AFGX trend 0.001411 *** 0.001395 *** -0.000381

(1.887078) (1.838977) (-0.486196)

AFGX vol -0.848020 -4.158972 2.669341

(-0.196880) (-0.953471) (0.597279)

FX vol -0.268158 0.178619 -0.226786

(-0.892760) (0.586312) (-0.725962)

*,** och *** indikerar skild från noll på 1%, 5% och 10% signifikansnivå

Tabell 2 b

Koefficientskattningar (med t-värden), USA

Modellen skattas med 4, 5 och 6 leads för direktinvesteringsvariabeln, FDI.

Variablerna BNP och afgx-trend är förstadifferentierade då test tyder på att de är ickestationära. Parameterskattningen för aktieindexvolatilitet är signifikant i majoriteten av fallen och påverkar andelen direktinvesteringar i USA positivt.

Parameterskattningen för den andra riskvariabeln, växelkursvolatilitet är signifikant i ett av fallen och är därför mera svårtolkad. Koefficienten är negativ och påverkar då andelen direktinvesteringar i USA negativt. Av övriga

parameterskattningar är de för aktieindextrend och ränta signifikanta i samtliga fall och den för BNP inisignifikant i samtliga fall.

Antal leads i FDI

4 5 6

∆BNP 2.19E-05 2.60E-05 2.32E-05

(0.732392) (0.878573) (0.714119)

ränta -0.123237 ** -0.121022 *** -0.119196 ***

(-1.882834) (-1.865306) (-1.751466)

∆DJIA trend 9.16E-06 * 8.75E-06 ** 7.06E-06 **

(2.662868) (2.574846) (1.978279)

DJIA vol 1.462760 ** 2.001867 * 0.775877

(2.053123) (2.841994) (1.049541)

FX vol -2.279969 -2.415236 *** -2.021182

(-1.564198) (-1.676481) (0.1849)

*,** och *** indikerar skild från noll på 1%, 5% och 10% signifikansnivå

För Sveriges del är det endast koefficienterna för variablerna för ränta och aktieindextrend som är signifikant skilda från noll. Koefficienten för räntan är negativ och signifikant på en procents nivå i samtliga fall och koefficienten för aktieindextrend postitiv och signifikant på tio procents nivå i två av tre fall. En procents förändring av räntan medför en minskning av andelen direktinvesteringar på i genomsnitt 1,2 procent. För aktieindextrenden är påverkan så pass liten att den kan försummas. Koefficientskattningarna för aktieindexvolatilitet samt växelkursvolatilitet kan inte sägas påverka den beroende variabeln direktinvesteringar i det här fallet.

För USA är resultatet annorlunda. Vid skattning med fyra leads i direktinvesteringsvariabeln finner man att koefficienten för räntan är negativ och signifikant skild från noll på fem procents nivå, koefficienten för aktieindextrenden positiv på en procents nivå och koefficienten för aktieindexvolatiliteten positiv på fem procents nivå. Vidare kan inte hypotesen att BNP-variabelns och växelkursvolatilitetens koefficienter är lika med noll förkastas varpå de då inte påverkar andelen direktinvesteringar.

När regressionen körs med fem stycken leads i direktinvesteringsvariabeln är koefficienterna för räntan negativ och aktieindextrenden postitv samt signifikanta på tio respektive fem procents nivå. Vidare är de bägge koefficienterna för riskmåtten, aktieindexvolatilitet och växelkursvolatilitet, positiv respektive negativ och signifikanta på en procents respektive tio procents nivå. Koefficienten för BNP-variabeln är även i det här fallet insignifikant och påverkar då inte andelen direktinvesteringar.

Vid sex leads i direktinvesteringsvariabeln är det endast koefficienterna för aktieindextrend (positiv) och ränta (negativ) som är signifikant skilda från noll. Detta innebär alltså att varken aktieindexvolatilitet eller växelkursvolatilitet tenderar att påverka andelen direktinvesteringar i det här fallet.

Sammanfattningsvis kan man säga att det även i USA’s fall finns ett negativt samband mellan räntan och andelen direktinvesteringar. I det här fallet är dock räntans påverkar betydligt mindre och en procents höjd ränta innebär en minskning av andelen direktinvesteringar med i genomsnitt 0,1 procent. I likhet med hur det är i Sverige är även aktiendextrendens påverkan på andelen direktinvesteringar i USA så liten att den är försumbar.

Vidare är det endast i USA’s fall de bägge riskmåtten har en påverkan på andelen direktinvesteringar. Aktieindexvolatiliteten påverkar i två av tre skattade modeller och växelkursvolatiliteten i en av tre. Eftersom aktieindexvolatiliteten påverkar andelen direktinvesteringar i majoriteten av de skattade modellerna för USA och växelkursvolatiliteten inte har någon påverkan i majoriteten av modellerna kan man hävda att aktieindexvolatilitet påverkar andelen direktinvesteringar medan växelkursvolatilitet inte gör det. Man kan dock också hävda att det är modellen med fem leads som är den bäst lämpade vilket då innebär att både risk i form av aktieindexvolatilitet och växelkursvolatilitet påverkar andelen direktinvesteringar.

Vad det gäller tecken och storlek på koefficienten för aktieindexvolatilitet så är den först och främst positiv. Således finns ett positivt samband mellan andelen direktinvesteringar och aktieindexvolatilitet i USA. Storleken på koefficienten är i genomsnitt 1,6. Det betyder att för varje procents volatilitetsökning ökar andelen direktinvesteringar med 1,6 procent. Tecknet på koefficienten för växelkursvolatilitet är istället negativt och storleken är 2,4. Alltså existerar det ett negativt samband mellan andelen direktinvesteringar och växelkursvolatilitet i USA där varje procents volatilitetsökning minskar andelen direktinvesteringar i landet med 2,4 procent.

7 Slutsats

I den här uppsatsen har jag tittat närmare på det eventuella sambandet mellan direktinvesteringar och risk i form av aktieindexvolatilitet och växelkursvolatilitet. Detta har gjorts med målet att dels kunna identifiera hur detta samband ser ut men även med målet att undersöka huruvida det förekommer skillnader mellan en stor ekonomi som USA och en liten som Sverige. För att kunna isolera den del av sambandet som beror på de två riskmåtten har jag inkluderat kontrollvariablerna BNP, ränta och aktieindextrend i modellerna.

Efter att ha vägt samman de olika skattningarna kan man dra slutsatsen att det inte finns något samband mellan andelen direktinvesteringar och de två riskmåtten i Sverige. I USA finner man dock ett positivt samband mellan andelen direktinvesteringar och aktieindexvolatilitet.

Man ska dock inte lägga allt för stor vikt vid just själva koefficientskattningen 1,6. Storleken på den är beroende av hur man definierar volatiliteten och man bör således nöja sig med att konstatera att det verkar finnas ett positivt samband och att högre risk i form av

aktieindexvolatilitet alltså ses som något positivt när det gäller viljan att göra direktinvesteringar i USA. Således finns här belägg för att Realoptionsteorin håller.

Som nämnts i resultatdelen ovan kan man inte utesluta att även växelkursvolatilitet påverkar andelen direktinvesteringar i USA’s fall. Till skillnad från aktieindexvolatilitet är dock sambandet här negativt vilket tyder på att ”risk avskräcker”-teorin gäller.

Som synes påverkar de två riskmåtten andelen direktinvesteringar på olika sätt. Orsaken eller orsakerna till detta är något som skulle vara intressant att utforska närmare i framtida studier.

En anledning till att det finns ett positivt samband mellan direktinvesteringar och aktieindexvolatilitet i just USA skulle kunna vara USA’s ställning som världsledande ekonomi. I perioder då USA’s aktiemarknad ses som riskabel är rimligtvis även många andra länders aktiemarknader det. Eftersom USA ses som en stor och stark ekonomi kan det då finnas en viss trygghet att genomföra investeringar just där jämfört med andra, ännu osäkrare länder.

Anledningen till att sambandet mellan växelkursvolatilitet och andelen direktinvesteringar i USA skiljer sig från aktieindexvolatilitetssambandet och är negativt skulle kunna vara att en osäker växelkurs i USD inte nödvändigtvis betyder att andra valutors växelkurser är osäkra varpå direktinvesteringar i andra länder skulle kunna vara att föredra. Detta är dock ett ämne som bör utredas mer vetenskapligt och grundligt i framtiden.

Referenser Böcker

Dickson, Luukkainen & Sandelin, (1986), Termer i Nationalekonomi, Liber förlag, Stockholm

Pindyk, R. S. & Rubinfeld, D. L., (1998), Econometric Models and Economic Forecasts, Irwin McGraw-Hill, Boston, MA, 4^th edition

Ross, S., Westerfield, R. & Jaffe, J., (2005), Corporate Finance, McGraw-Hill, Boston, MA, 7^th edition

Artiklar

Bénassy-Quéré, A., Fontagné, L. & Lahrèche-Révil, A., (1999), Exchange Rate Strategies in the Competition for Attracting FDI, CEPII, document de travail, No. 99-16

Buckley, P. & Casson, M., (1981), Models of the Multinational Enterprise, Journal of International Busienss Studies, Vol. 29, No. 1, pp. 21-44

Cushman, D. O., (1985), Real Exchange Rate Risk, Expectations and the Level of Direct Investment, The Review of Economics and Statistics, Vol. 67, No. 2, pp. 297 - 308

Goldberg, L. S. & Kolstad, C. D., (1995), Foreign Direct Investment, Exchange Rate

Variability and Demand Uncertainty, International Economic Review, Vol. 36, No. 4, pp 855- 873

Janicki, H. & Wannuva, P., (2004), Determinants of Foreign Direct Investment: Empircal Evidence from EU Accession Candidates, Applied Economics, 36:5, 505-509

Jeanneret, A., (2007), Foreign Direct Investment and Exchange Rate Volatility: a Non-Linear Story, University of Luasanne – Swiss Finance Institute

Merton, R., (1973), Theory of Rational Option Pricing, The Bell Journal of Economics and Management Science, Vol. 4, No. 1, pp. 141-183

Ramirez, M., (2000), Foreign Direct Investment in Mexico: A Cointegration Analysis, Journal of Development Studies, 37:1, 138-162

Rugman, A., (1998), Multinational Enterprises and Public Policy, Journal of International Business Studies, Vol. 29, No. 1, pp. 115-136.

Urata, S. & Kawai, H., (2000), The Determinants of the Location of Foreign Direct

Investment by Japanese Small and Medium-sized Enterprises, Small Business Economics, No.

15, pp. 79-103