Aktierekommendationers påverkan på abnormal
avkastning
- En studie av Stockholmsbörsen 2017
Kandidatuppsats 15 hp
Företagsekonomiska institutionen Uppsala universitet
VT 2018
Datum för inlämning: 2018-06-01
Jonathan Spånberger Per Westlund
Handledare: Lars Frimanson
1
Sammandrag
Denna studie berör aktierekommendationers påverkan på abnormal avkastning. Studien undersöker rekommendationer utgivna under 2017 av professionella analytiker för aktier på Stockholmsbörsen och diskuterar skillnader mellan positiva och negativa rekommendationer, samt skillnader mellan marknader med olika stor konkurrens bland analytiker. Studien visar att abnormal avkastning uppstår på publiceringsdagen för både positiva och negativa
rekommendationer. Den abnormala avkastningen som uppstår vid publicering av positiva rekommendationer halveras inom 20 dagar efter publicering, i enlighet med
prispresshypotesen, medan den är beständig för negativa rekommendationer. Betydande skillnader i informationsinnehåll konstateras således utifrån om rekommendationerna har ett positivt eller negativt innehåll. Inga betydande skillnader kan konstateras mellan
rekommendationers påverkan på Stockholmsbörsen och resultat från amerikanska studier, trots en förväntan om större svårigheter för analytiker att identifiera felvärderade aktier på den lägre konkurrensutsatta Stockholmsbörsen.
Nyckelord: aktierekommendationer, abnormal avkastning, analytiker, prispresshypotesen.
2
1. Inledning
Syftet med denna studie är att undersöka hur publicering av analytikers
aktierekommendationer påverkar abnormal avkastning. En aktierekommendation är ett formellt uttalande, oftast från en professionell analytiker eller en journalist, om en akties framtida prisutveckling och dess möjligheter att generera avkastning till investerare. Lidén (2007) är en av få tidigare studier på ämnet som utförts på Stockholmsbörsen och undersöker rekommendationer utfärdade av både analytiker och journalister. Lidéns (2007) studie visar att abnormal avkastning uppkommer vid rekommendationens publiceringstillfälle, men att den därefter antingen återgår eller förstärks, beroende på om rekommendationens innehåll är positivt eller negativt. Liknande fenomen har påvisats i studier av amerikanska
aktiemarknader (Liu et al. 1990, Barber & Loeffler 1993).
En aktiemarknad fyller primärt två syften: ur företagens perspektiv syftar den till att generera nytt kapital och ur investerarnas perspektiv syftar den till att generera maximal avkastning på det investerade kapitalet. Denna studie kommer utgå från investerarnas perspektiv på
aktiemarknaden. En relevant fråga ur detta perspektiv är om det strukturellt går att förutsäga framtida aktiekursutveckling och därmed analysera sig fram till abnormal avkastning, eller om lyckade förutsägelser sker slumpmässigt. Abnormal avkastning innebär att ett aktiepris förändras mer än förväntat, exempelvis utifrån dess historiska utveckling i förhållande till marknadens index1 (MacKinlay 1997).
De (o)möjligheter som finns att förutspå abnormal avkastning ryms inom begreppet marknadseffektivitet2. Vilken form av marknadseffektivitet som råder är en omdiskuterad fråga som varit aktuell även under stora delar av 1900-talet. Den gängse bilden av
marknadseffektivitet utgår från den effektiva marknadshypotesen (Fama 1970) och innebär att abnormal avkastning är omöjlig att förutspå, då aktiepriser redan reflekterar all tillgänglig information. Det finns dock alternativa syner på marknadseffektivitet, där priser antas bara delvis reflektera den tillgängliga informationen. Detta eftersom informationsasymmetri3 råder på marknaden till följd av att informationsmängden är alltför stor för att investerarna till fullo ska kunna bearbeta den (Grossman & Stiglitz 1980).
1 Ett aktieindex visar utvecklingen för sammanslagning av olika aktier, exempelvis samtliga aktier på en börs.
2 Marknadseffektivitet beskriver till vilken grad aktiepriser reflekterar tillgänglig information.
3 Informationsasymmetri innebär att vissa aktörer på en marknad har mer information/kunskap om exempelvis en akties värde än andra aktörer.
3 Utifrån synen på vilka möjligheter som finns att förutspå abnormal avkastning utformar investerare sina investeringsstrategier. Den som tror att det är svårt eller omöjligt att förutspå abnormal avkastning väljer kanske en strategi som går ut på att investera i passivt förvaltade indexfonder4 med låga avgifter, eller en diversifierad aktieportfölj som delar egenskaper med något aktuellt index. Den som istället tror att det är möjligt att förutspå abnormal avkastning väljer kanske en strategi baserad på egna aktieanalyser, aktivt förvaltade fonder och
aktierekommendationer från externa parter.
Abnormal avkastning kan uppkomma till följd av en mängd olika slags händelser, såsom publicering av information direkt från företag, information i externa nyheter, eller
aktieanalyser och -rekommendationer. Publicering av aktierekommendationer grundar sig i antagandet att det går att förutspå abnormal avkastning genom analys av ett företag och förmedlar vanligtvis en positiv, negativ eller neutral syn på en akties framtida prisutveckling.
Abnormal avkastning, till följd av publicering av rekommendationer, har i många fall kunnat uppvisas, men avkastningens omfattning har varierat mellan studierna (Liu et al. 1990, Barber
& Loeffler 1993, Womack 1996, Barber et al. 2001). Dessutom har skillnader uppvisats mellan hur abnormal avkastning utvecklas till följd av positiva respektive negativa rekommendationer.
Påvisandet av skillnader mellan positiva och negativa rekommendationer är gemensamt för flera studier (Liu et al. 1990, Womack 1996, Barber et al. 2006, Lidén 2007), men det finns däremot en variation i form av vilka skillnader som uppmätts. Ingen studie har heller
fullständigt kunnat förklara varför skillnaderna existerar (Lidén 2007). I och med variationen i de empiriska resultaten har såväl forskare som investerare problemet att inte kunna förutsäga exakt hur abnormal avkastning kommer påverkas av olika slags händelser. I denna
undersökning kommer vi att fokusera på hur publicering av analytikers
aktierekommendationer påverkar utvecklingen av abnormal avkastning och jämföra positiva och negativa rekommendationer.
Tidigare forskning är till största del utförd på de amerikanska aktiemarknaderna (Cowles 1933, Liu et al. 1990, Barber & Loeffler 1993, Womack 1996, Barber et al. 2001, Barber et al.
4 Fond med ett fast aktieinnehav som motsvarar ett särskilt index.
4 2006). Jämfört med dessa är Stockholmsbörsen betydligt mindre i såväl antal bolag som i bolagens storlek, och har ett mindre antal analytiker som bevakar de noterade bolagen (Lidén 2007). Med färre analytiker följer lägre konkurrens, vilket kan resultera i större svårigheter för analytiker att identifiera felvärderade aktier och därigenom förutspå abnormal avkastning (Jegadeesh & Kim 2006). Analytiker i exempelvis USA, ett land med hög konkurrens bland analytiker, har konstaterats ha högre yrkesskicklighet än sina kollegor i andra länder
(Jegadeesh & Kim 2006), vilket i högre grad kan möjliggöra för dem att förutspå abnormal avkastning.
Svårigheter med att förutspå abnormal avkastning på marknader med låg konkurrens, likt Stockholmsbörsen, har påvisats för rekommendationer på den turkiska aktiemarknaden (Kiymaz 2002, Muradoglu & Yazici 2002). Jämförelse av dessa studier med de amerikanska studierna påvisar att det kan finnas skillnader mellan olika konkurrensutsatta marknader.
Skillnaderna gör att det blir relevant att fortsätta undersöka hur publicering av aktierekommendationer påverkar abnormal avkastning för aktier på andra lågt konkurrensutsatta marknader, såsom Stockholmsbörsen.
2. Litteraturgenomgång 2.1. Abnormal avkastning
Marknadseffektivitet på en aktiemarknad handlar om hur aktier prissätts utefter den
information som finns om respektive aktie. Eugene Fama formulerade för knappt 50 år sedan den standardteori som benämns den effektiva marknadshypotesen (EMH) (Fama 1970).
Teorin grundar sig på fenomenet random walk (Kendall 1953), som beskriver det faktum att en dags aktiekursutveckling kan vara slumpmässigt kopplad till den föregående dagens kursutveckling. Utifrån detta fenomen formuleras EMH som att aktiepriser reflekterar all tillgänglig information, med implikationen att det är omöjligt att hitta felvärderade aktier och förutspå abnormal avkastning, utan att inneha information som inte är tillgänglig för andra investerare (Fama 1970).
5 Abnormal avkastning innebär att avkastningen från en aktie avviker från det normala5, vilket kan estimeras exempelvis utifrån faktorer såsom marknadsindex, aktiens historiska utveckling och aktiens risknivå (MacKinlay 1997). Avvikelsen kan vara såväl negativ som positiv, beroende på vad som genererar den abnormala avkastningen, men är i absoluta tal skild från noll. Utifrån EMH justeras aktiepriser omedelbart när ny information blir tillgänglig, så att de reflekterar hela värdet i informationen (Fama 1970). Marknadseffektivitet kan således existera i tre former: svag, mellanstark och stark form (Fama 1970). Starkast bevis har funnits för de svaga och mellanstarka formerna (Brealey, Myers och Allen 2012, s. 333–335). Den svaga formen innebär att priserna reflekterar alla historiska priser och den mellanstarka formen innebär att priserna även reflekterar all annan publikt publicerad information (Fama 1970).
Informationsasymmetri skulle kunna leda till en annan marknadseffektivitet än den Fama (1970) påvisat, där det är omöjligt för priser att helt reflektera all tillgänglig information på en marknad (Grossman & Stiglitz 1980). Eftersom kostnader i form av tid och resurser de facto läggs på att leta och tolka information om aktier, krävs det att de som utför dessa aktiviteter kompenseras, och det måste utifrån detta finnas abnormal avkastning att förutspå och erhålla (Grossman & Stiglitz 1980). Utifrån denna argumentation kan en modell skapas där priser istället bara delvis reflekterar informationen hos informerade individer och där förekomsten av informationsasymmetri ligger till grund för värdet i professionella analyser (Grossman &
Stiglitz 1980).
Geografiska skillnader i förekomst av abnormal avkastning, påvisas av Jegadeesh & Kim (2006), som i en studie av G7-länderna6 visar att möjligheten för analytiker att erhålla abnormal avkastning, genom att identifiera felvärderade aktier, skiljer sig åt mellan länder.
Störst möjlighet finns i USA och Japan, vilket beror på att dessa aktiemarknader är störst och är de som i högst grad bevakas av analytiker (Jegadeesh & Kim 2006). I studien finns en jämförelse av amerikanska aktier som bevakats av både amerikanska och utländska analytiker, där rekommendationerna som publicerats av de amerikanska analytikerna
genererat större abnormal avkastning. Den högre konkurrensen bland amerikanska analytiker antas ha lett till högre kvalitet på analyserna; vilka möjligheter som finns att identifiera felvärderade aktier påverkas således av analytikernas yrkesskicklighet (Jegadeesh & Kim 2006). Antagandet finner stöd även i studier av aktiemarknader med lägre konkurrens bland
5 Förväntad avkastning.
6 G7-länderna omfattar Frankrike, Italien, Japan, Kanada, Storbritannien, Tyskland och USA.
6 analytiker (Turkiet) än i USA och Japan (Kiymaz 2002, Muradoglu & Yazici 2002). Dessa studier visar på små möjligheter för investerare att där erhålla abnormal avkastning från aktierekommendationer. I Lidén (2007) återfinns liknande svårigheter för investerare att erhålla abnormal avkastning från publicerade positiva aktierekommendationer, men däremot finns stöd för att det kan vara möjligt att erhålla abnormal avkastning genom att följa negativa rekommendationer. Dessa studier, tillsammans med Jegadeesh & Kims (2006) resultat, visar att möjligheterna att erhålla abnormal avkastning kan skilja sig åt mellan olika hårt
konkurrensutsatta aktiemarknader.
2.2. Aktierekommendationer publicerade av analytiker
Aktierekommendationer publiceras framför allt av professionella analytiker och journalister och grundar sig i en analys av ett företags värde, samt en prognos av dess aktiers framtida kursutveckling. Analysen görs utifrån en tro om att abnormal avkastning kan förutspås.
Rekommendationerna publiceras ofta utan koppling till att någon övrig ny information publicerats (Womack 1996) och förmedlar vanligtvis en positiv (köp), negativ (sälj) eller neutral (behåll) syn på aktiens framtida utveckling inom en bestämd tidsperiod. Till skillnad från journalister, som har ett bredare fokus, följer analytiker på analyshus vanligtvis ett
mindre antal bolag, mer ingående och över längre tid, och har ofta ett tätare samarbete med de analyserade bolagen (Lidén 2007). Rekommendationer från analytiker publiceras offentligt i affärspressen, men görs primärt till förmån för betalande kunders räkning (ibid). Kunderna får ta del av rekommendationerna innan de publiceras offentligt och har visats dra nytta av
informationen i handel under perioder inför offentlig publicering (ibid).
Informationsinnehållet i rekommendationer publicerade av analytiker är att betrakta som andrahandsinformation (Barber & Loeffler 1993, Lidén 2007). Det gäller särskilt när
analytiker enbart analyserar redan publik information, men gäller även när det rör sig om en rekommendation som publicerats utifrån att en analytiker, genom samarbete med det
analyserade bolaget, innehar en särskild förståelse för detsamma. I det senare fallet är det fråga om andrahandsinformation eftersom analytikern och dess betalande kunder själva innehar informationen, och först sedan de själva tillgodogjort sig rekommendationernas värde publicerar dem offentligt (Lidén 2007).
7 Marknadseffektivitet kopplat till aktierekommendationer undersöktes först av Alfred Cowles (1933). I denna studie jämförs analytikers och journalisters rekommendationer av aktier på de amerikanska aktiemarknaderna med slumpmässigt valda aktier. Resultatet kan inte påvisa att rekommendationerna genererar någon abnormal avkastning i förhållande till de slumpmässigt valda aktierna (ibid). Flera studier om aktierekommendationers avkastning från de senaste 30 åren visar dock att analytiker kan ha förmåga att förutsäga aktiekursutveckling, och att rekommendationer bestående av sådana förutsägelser kan ha ett värde för investerare (Womack 1996, Barber et al. 2001).
I Womacks (1996) studie undersöks aktierekommendationer utfärdade av professionella analytiker mellan 1989 och 1991 för de amerikanska aktiemarknaderna. Urvalet i studien består enbart av aktier som fått en ny positiv/negativ rekommendation tillagd eller borttagen, samt rekommendationer som ändrats från positiv/negativ till negativ/positiv. Urvalet
exkluderar därmed exempelvis upprepade rekommendationer, såsom köp till köp (Womack 1996). Studiens resultat ligger i linje med Grossman & Stiglitz (1980) antaganden om
marknadseffektivitet och visar att abnormal avkastning kan förutspås. Liknande resultat finns även i Barber et al. (2001). Ur denna studie av amerikanska aktiemarknader under 1985–1996 går det att utläsa att investerare kan erhålla abnormal avkastning med en investeringsstrategi baserad på att köpa aktierna med mest fördelaktiga konsensusrekommendationer och blanka7 aktierna med minst fördelaktiga konsensusrekommendationer.
Positiva och negativa rekommendationer har i tidigare studier visats skilja sig åt (Womack 1996, Barber et al. 2006, Lidén 207, Barber & Odean 2008). Det har klarlagts att det existerar en skillnad mellan antalet köp- och säljrekommendationer som publiceras, med en ratio på 7 köprekommendationer per 1 säljrekommendation på amerikanska aktiemarknader (Womack 1996) och en 5:1-ratio för Stockholmsbörsen (Lidén 2007). Överrepresentationen av positiva rekommendationer antas ha sin grund i att en (felaktig) säljrekommendation kostar mer för en analytiker än en (felaktig) köprekommendation (Womack 1996), vilket medför en större försiktighet med publicering av negativa rekommendationer. En grund för de större
kostnaderna kopplade till negativa rekommendationer kan vara att analytiker som arbetar på investmentbanker har ett problematiskt beroende till de analyserade bolagen, där en negativ
7 Blankning innebär lån och därefter försäljning av aktier, i förhoppning om att kursen ska utvecklas negativt, så att de kan köpas tillbaka billigare och därmed ha genererat vinst för investeraren (Brealey, Myers och Allen 2012, s. 342).
8 analys kan straffa analytikern om bolagen också är kunder till banken (Womack 1996, Barber et al. 2006). Ytterligare grunder för de större kostnaderna är dels att analytiker kan ha
svårigheter att få särskild information från bolaget som ska analyseras om de inte har en positiv inställning (Womack 1996) och dels att det finns ett generellt större intresse för positiva rekommendationer än negativa bland individuella investerare (Barber & Odean 2008).
2.3. Aktierekommendationers påverkan på abnormal avkastning
Post publication drift (PPD), ibland benämnt post earnings announcement drift, är ett utvecklingsmönster för abnormal avkastning som strider mot Famas (1970) bild av
omedelbara prisjusteringar. Fenomenet har uppvisats för tillkännagivanden av aktieåterköp på de amerikanska aktiemarknaderna (Ikenberry et al. 1995), men har visat sig vara applicerbart även i fallet aktierekommendationer (Womack 1996). Förekomsten av PPD visar att
investerare initialt kan underreagera på ny information, men följden att en akties kumulativa8 abnormala avkastning fortsätter öka även på lång sikt efter publicering av informationen (Ikenberry et al. 1995). PPD återfinns i studier om aktierekommendationer utförda av Womack (1996) och Barber et al. (2001), vilka uppvisar en ökning av aktiers kumulativa abnormala avkastning under perioder efter att rekommendationer har publicerats.
Prispresshypotesen (PPH) beskriver ett annat utvecklingsmönster för abnormal avkastning, kopplat till abnormal handelsvolym, och är en hypotes som vuxit fram ur forskning av framför allt Kraus & Stoll (1972) och Scholes (1972). Grunden i PPH är att när någon försöker
köpa/sälja en abnormalt stor mängd aktier krävs en kompensation i form av ett abnormalt högt/lågt pris för att övertyga tillräckligt många att sälja/köpa aktierna (Kraus & Stoll 1972, Scholes 1972). Detta medför att priset efter publicering återgår till lägre nivåer; den
abnormala avkastningen som uppkommit är därmed, helt eller delvis, tillfällig och har inte föregåtts av någon ny relevant information. PPH är applicerbar i studier om
aktierekommendationer, eftersom publicering av rekommendationer leder till abnormal handelsvolym (Liu et al. 1990, Barber & Loeffler 1993, Lidén 2007), men fenomenet har också uppvisats i andra situationer, såsom vid förändringar i ett aktieindex
bolagssammansättning (Harris och Gurel 1986).
8Successivt adderande, exempelvis dag för dag.
9 I studierna av Liu et al. (1990), Barber & Loeffler (1993) och Lidén (2007) finns resultat som, likt Womack (1996) och Barber et al. (2001), ger stöd åt att aktierekommendationer kan leda till abnormal avkastning, men ur dessa studier kan även slutsatser dras till stöd för PPH.
Fenomenet med kumulativt minskande abnormal avkastning, finner stöd i Barber & Loefflers (1993) undersökning av amerikanska aktiemarknader år 1988–1990, gällande publicering av positiva rekommendationer. Minskningen omfattar cirka hälften av de initiala nivåerna av kumulativ abnormal avkastning och sker under en period om 25 dagar efter publicering (Barber & Loeffler 1993). Liknande stöd, utvidgat till även journalisters rekommendationer, finns i Liu et als (1990) undersökning av amerikanska aktiemarknader år 1982–1985 och i Lidéns (2007) studie av rekommendationer utfärdade av både analytiker och journalister på Stockholmsbörsen mellan 1995 och 2000. I Lidéns (2007) studie är minskningen dock av större magnitud, eftersom den kumulativa abnormala avkastningen nästan helt försvinner under en period om 20 dagar efter publicering av en positiv rekommendation.
I Liu et als (1990) och Lidéns (2007) undersökningar återfinns stödet för PPH dock enbart för positiva rekommendationer. För negativa rekommendationer ökar istället den kumulativa abnormala avkastningen efter publiceringsdagen, i linje med PPD samt Womack (1996) och Barber et al. (2001). Skillnader mellan positiva och negativa rekommendationer identifieras även i Womack (1996), men i denna studie består skillnaden inte i något stöd för PPH utan istället av att PPD är signifikant för säljrekommendationer under en längre period efter publicering.
2.4. Hypotesutveckling
Utifrån den effektiva marknadshypotesen ska det vara omöjligt för investerare att erhålla abnormal avkastning från publicerade aktierekommendationer, eftersom de består av andrahandsinformation. Ur Grossman & Stiglitz (1980) alternativa syn på
marknadseffektivitet vid informationsasymmetri har aktierekommendationer dock undersökts med en förväntan om att de möjliggör abnormal avkastning. I Womacks (1996) och Barber et als (2001) studier av de amerikanska aktiemarknaderna finns stöd för att
aktierekommendationer från professionella analytiker leder till abnormal avkastning som kan erhållas av investerare. Med stöd i dessa studier formuleras studiens första hypotes:
10 H1: Publicering av en analytikers aktierekommendation genererar abnormal
avkastning
Hur abnormal avkastning utvecklas efter en aktierekommendations publiceringsdag finns det motstridigt empiriskt underlag för, särskilt gällande positiva rekommendationer. I
amerikanska studier av Womack (1996) och Barber et al. (2001) finns stöd för att en ökning av kumulativ abnormal avkastning (PPD) sker efter publicering av både positiva och negativa rekommendationer. I studier av Liu et al. (1990) och Lidén (2007) finns stöd för samma fenomen för negativa rekommendationer, men gällande positiva rekommendationer finns det i samma studier stöd för ett motsatt fenomen, med minskad kumulativ abnormal avkastning efter publicering (i enlighet med PPH). PPH för positiva rekommendationer påvisas även i Barber & Loeffler (1993). Lidéns (2007) studie av Stockholmsbörsen skiljer sig från de amerikanska studierna, eftersom den uppvisar en prispresseffekt av större magnitud.
Utifrån Jegadeesh & Kim (2006) har vi fog att anta att aktiemarknader med lägre konkurrens bland analytiker leder till större svårigheter för analytiker att identifiera felvärderade aktier.
Detta får implikationen att svenska aktierekommendationer riskerar att ha en lägre
tillförlitlighet än amerikanska och därmed skapas en stark förväntan om en prispresseffekt just för Stockholmsbörsen. En jämförelse av Lidén (2007) med Liu et al. (1990) och Barber &
Loeffler (1993) visar dessutom tendenser på en mer omfattande prispresseffekt på svenska marknader än amerikanska. Tidigare studiers empiriska resultat gör, tillsammans med antagandet om den svenska aktiemarknadens särdrag, att studiens andra och tredje hypotes formuleras enligt följande:
H2: 20 dagar efter publicering av en analytikers positiva rekommendation är den absoluta kumulativa abnormala avkastningen mindre än på publiceringsdagen
H3: 20 dagar efter publicering av en analytikers negativa rekommendation är den absoluta kumulativa abnormala avkastningen större än på publiceringsdagen
11
3. Metod
3.1. Eventstudie
Våra hypoteser om abnormal avkastning har formulerats utifrån teori om marknadseffektivitet och tidigare studiers empiriska resultat gällande aktierekommendationer. För att kunna
bekräfta hypoteserna har en eventstudie (MacKinlay 1997) utformats. En eventstudie mäter en beroende variabel i förhållande till ett event/oberoende variabel under ett eventfönster, i vårt fall hur en akties abnormala avkastning har påverkats av publicering av analytikers
aktierekommendationer under en period om 31 dagar. I likhet med andra eventstudier har vi använt en estimeringsperiod, som sträcker sig fram till eventfönstrets start, för att estimera normal (och därigenom abnormal) avkastning.
En begränsning med eventstudier är att de primärt lämpar sig för studier på kort sikt. Detta beror på att eventfönster om längre perioder riskerar att omfatta allt för mycket brus eftersom det kan finnas en mängd andra aspekter som påverkar den beroende variabeln (MacKinlay 1997, Kothari & Warner 2007, s. 3–36). Ju större eventfönstret är, desto mindre är
sannolikheten att det uppmätta resultatet kan isoleras till det undersökta eventet; därför är metoden mest lämplig vid studier på kort sikt (MacKinlay 1997). Eftersom tidigare studier (Liu et al. 1990, Barber & Loeffler 1993, Lidén 2007) dock visat att effekten av
aktierekommendationers publicering, på ett reliabelt sätt, kan mätas på kort sikt har vi bedömt metoden som lämplig för vår undersökning.
Vårt eventfönster sträcker sig från 10 handelsdagar före till 20 handelsdagar efter
rekommendationernas publiceringsdag. Tidigare studier (Liu et al. 1990, Barber & Loeffler 1993, Lidén 2007) har uppvisat en förändring av kumulativ abnormal avkastning inom 10–25 handelsdagar efter publicering. Utifrån dessa resultat har vi valt att följa MacKinlays (1997) metod med ett eventfönster bestående av 20 dagar efter publiceringsdagen, vilket har bedömts innebära ett valitt sätt att mäta utvecklingen av kumulativ abnormal avkastning.
Valet att även inkludera en period före publiceringsdagen i eventfönstret har motiverats av att tidigare studier uppmätt abnormal avkastning även innan publicering, till följd av att
analyshusen själva och deras betalande kunder antagits ha handlat på rekommendationerna (Lidén 2007). Valet att begränsa perioden till endast 10 dagar före publicering har motiverats utifrån ett behov av att minimera bruset i mätningen. Estimeringsperioden för aktiernas
12 normala avkastning har omfattat de 120 handelsdagarna närmast före eventfönstrets start, i enlighet med modellen i MacKinlay (1997) och Kothari & Warner (2007, s. 3–36).
–130 –10 0 20
Estimeringsperiod Eventfönster
Figur 1: Tidslinje över eventstudie.
3.2.1 Estimering av abnormal avkastning
I studien har en särskiljning gjorts mellan rekommendationer med olika innehåll, genom att positiva och negativa rekommendationer delats upp i två portföljer. Samtliga beräkningar har genomförts separat för de två olika portföljerna. För att kunna estimera abnormal avkastning för aktierna har först normal avkastning behövt estimeras. Normal avkastning har estimerats utifrån marknadsmodellen9 (MacKinlay 1997, Kothari & Warner 2007, s. 3–36) genom OLS- regression10 av respektive aktie och OMXSPI-indexet11; detta under en estimeringsperiod om 120 handelsdagar. Aktiernas observerade, dagliga, avkastning under eventfönstret har därefter jämförts med den normala avkastningen utifrån marknadsmodellen (ekv. 1) och differensen utgör den abnormala avkastningen (ekv. 2). Medelvärdet (ekv. 3) för samtliga event i de båda portföljerna har beräknats och kumulerats (ekv. 4) inom eventfönstret.
Ekvation 1 nedan har använts i regressionsanalys av respektive akties observerade avkastning och indexavkastning under estimeringsperioden, för att beräkna respektive akties normala avkastning.
9Marknadsmodellen estimerar en akties normala avkastning utifrån ett marknadsindex rörelser.
10Ordinary Least Square. Metoden är en standardmetod för linjär regression mellan oberoende och beroende variabler.
11OMXSPI är ett värdeviktat index för samtliga aktier på Stockholmsbörsen (Nasdaq Nordic).
13
𝑹𝒊,𝒕= 𝒊+ 𝒊𝑹 ,𝒕+ 𝜺𝒊,𝒕 (ekv. 1)
𝑹𝒊,𝒕 = Observerad avkastning för aktie i under tidsperiod t
𝒊 = Regressionskoefficient för osystematisk risk för aktie i
𝒊 = Regressionskoefficient för systematisk risk för aktie i 𝑹 ,𝒕 = Faktisk avkastning för OMXSPI
𝜺𝒊,𝒕 = Felvariabel (med medelvärdet 0)
Ekvation 2 har använts för att beräkna respektive akties dagliga abnormala avkastning under eventfönstret.
𝑨𝑹𝒊,𝒕= 𝑹𝒊,𝒕− 𝒊+ 𝒊𝑹 ,𝒕 (ekv. 2)
𝑨𝑹𝒊,𝒕 = Abnormal avkastning för aktie i under tidsperiod t 𝑹𝒊,𝒕 = Observerad avkastning för aktie i under tidsperiod t
𝒊+ 𝒊𝑹 ,𝒕 = Normal avkastning för aktie i under tidsperiod t
Ekvation 3 har använts för att beräkna genomsnittlig abnormal avkastning för de två portföljerna bestående av positiva respektive negativa rekommendationer.
𝑨𝑹𝒕
̅̅̅̅̅ =𝑵∑𝒊= 𝑨𝑹𝒊,𝒕 (ekv. 3)
𝑨𝑹𝒕
̅̅̅̅̅ = Genomsnittlig abnormal avkastning under tidsperiod t
𝑵 = Antal rekommendationer
𝑨𝑹𝒊,𝒕 = Abnormal avkastning för aktie i under tidsperiod t
Ekvation 4 har använts för att kumulera den genomsnittliga abnormala avkastningen för respektive portfölj.
𝑪𝑨𝑹̅̅̅̅̅̅ 𝒕 , 𝒕 = ∑𝒕𝒕=𝒕 𝑨𝑹̅̅̅̅̅𝒕 (ekv. 4)
𝑪𝑨𝑹̅̅̅̅̅̅ 𝒕 , 𝒕 = Genomsnittlig kumulativ abnormal avkastning från tidpunkt t1 till t2
𝑵 = Antal rekommendationer
𝑨𝑹𝒕
̅̅̅̅̅ = Genomsnittlig abnormal avkastning under tidsperiod t
14 Valet av marknadsmodellen har grundat sig i dess förmåga att väga in samvariationen, mellan en akties observerade avkastning och marknadsavkastningen, i estimeringen av normal avkastning (MacKinlay 1997). Av denna anledning har vi bedömt marknadsmodellen som lämplig för att identifiera abnormal avkastning till följd av publicering av
aktierekommendationer. Kritik har framförts av exempelvis Elton (1999) mot att skapa förväntningar på framtida avkastning utifrån historisk avkastning. Elton har påpekat att enstaka händelser (signifikanta informationsevent) kan påverka i så stor omfattning att när de inkluderas i förväntningarna på framtida avkastning gör de att förväntningarna blir
orealistiska (Elton 1999). Skulle extrema händelser inkluderas i vår estimeringsperiod skulle därmed vår definition av normal avkastning kunna bli missvisande och därigenom även vår mätning av abnormal avkastning. I vår studie har denna problematik undvikits genom att vi rensat vår data i estimeringsperioderna från extremvärden genom winsorizing12.
3.2. Data och datainsamling
Den data som analyserats har bestått av aktierekommendationer för Stockholmsbörsens tre listor (Large, Mid och Small Cap-listorna13), publicerade av analytiker på analyshus mellan den 16 januari 2017 och den 29 november 2017 (analyserad tidsperiod blir därmed hela 2017). Insamlingen av data har primärt skett genom manuell sökning på orden "Dagens aktierekar" i databasen Mediearkivet (Retriever) för att inhämta de dagliga sammanställningar av analytikers aktierekommendationer som publiceras av banken Avanzas webbtidning
Placera.se. Denna sökväg har därefter kompletterats med en sammanställning av dagliga aktierekommendationer från Privataaffarer.se. Komplettering har gjorts för att uppnå en mer fullständig insamling av publicerade rekommendationer, eftersom de båda
sammanställningarna inte haft fullständig koherens.
Insamlingen resulterade i 1 281 aktierekommendationer, fördelade över 210 unika aktier.
Placera.se publicerar sammanställningar av rekommendationer tidigt på morgonen innan börshandeln öppnat för dagen, medan Privata Affärer publicerar rekommendationerna
löpande under dagen. Variationerna i publiceringstidpunkt har medfört en viss osäkerhet kring mätningen av vilken dag som är publiceringsdag; beroende på vilken källa som använts kan det finnas skillnader på upp till en dag. En rekommendation som exempelvis publicerats av ett
12 En statistisk metod för att hantera extremvärden. Används genom att exempelvis de tre största extremvärdena ersätts med det fjärde största.
13 Listor på Stockholmsbörsen omfattande företag med ett börsvärde på >1 miljard, 150 miljoner–1 miljard, respektive <150 miljoner € (Nasdaq Inc 2017).
15 analyshus den 20 augusti får den 20 augusti som publiceringsdag när Privata Affärer
rapporterar om den, oavsett om publiceringen skett före, under eller efter börsens öppettider.
När istället Placera.se rapporterar om samma rekommendation, får den 20 augusti som publiceringsdag bara om den publicerats före börsens öppettider; övriga tider får den publiceringsdag 21 augusti.
Det finns ingen enhetlig terminologi för aktierekommendationer, men de har generellt ett positivt, negativt eller neutralt innehåll. Rekommendationerna har utfärdats av cirka 40 olika analyshus, med säte i Skandinavien, Europa och Nordamerika, varför terminologin av naturliga skäl inte är enhetlig. Positiva benämningar som förekommit i de publicerade rekommendationerna är köp, outperform, starkt köp, öka, samt övervikt. Negativa
benämningar som förekommit är minska, sälj, underperform, samt undervikt, och neutrala benämningar som förekommit är behåll, equal weight, jämvikt, market perform, sector perform, samt sektorvikt. Dessa benämningar har vi valt att behandla som enbart positiva, negativa och neutrala, eftersom benämningarna ofta inte handlar om varierande styrka utan om att olika analyshus använder olika nomenklatur. Ett urval har gjorts av de
rekommendationer som har ett positivt eller negativt innehåll, eftersom de neutrala rekommendationerna inte uppmanat mottagaren till någon aktiv handling och därmed inte kunnat antas ha haft någon påverkan på den abnormala avkastningen. Urvalet resulterade i 820 rekommendationer, varav 601 positiva och 219 negativa. För att kunna estimera normal avkastning samlades aktiekurshistorik för de rekommenderade aktierna in, samt historik för aktieindexet OMXSPI, för perioden 2016–07–13 till 2017–12–29.
Eftersom en eventstudie syftar till att undersöka ett specifikt events påverkan, finns en problematik i metoden i och med att aktierekommendationer publiceras dagligen. För en betydande del av de rekommendationer vi samlat in hade en ny positiv eller negativ
rekommendation publicerats för samma aktie inom eventfönstret. De rekommendationer som publicerades under samma dag för samma aktie har behandlats som en enda rekommendation i de fall de haft samma innehåll (positiv/negativ). Publicering under samma dag med olika innehåll, samt under övriga datum inom eventfönstret medförde dock att eventfönstret upphörde att beskriva endast ett events påverkan på aktiens abnormala avkastning. Detta resulterade således i ett bortfall av alla rekommendationer som åtföljdes eller föranleddes av en ytterligare rekommendation inom eventfönstret.
16 Eftersom beräkningen av normal avkastning krävde historiska data över kursutveckling under en estimeringsperiod, har även de rekommendationer vars aktier saknade tillräcklig historiska data över kursutveckling fallit bort från urvalet. Dessa bortfall har resulterat i en kvarvarande datamängd bestående av 302 rekommendationer, varav 239 positiva och 63 negativa, fördelat över totalt 163 unika aktier. Antal rekommendationer i urval och bortfall presenteras i
Tabell 1.
Tabell 1: Urval och bortfall.
Antal rekommendationer
Positiva Neutrala Negativa Totalt
Total datamängd 601 461 219 1281
Urval 601 0 219 820
Urval efter bortfall 239 0 63 302
Bortfallet (63 % - 518 av 820 rekommendationer) skulle kunna ha varit problematiskt, men eftersom en eventstudie kräver ett eventfönster som omfattar endast ett event, var bortfallet nödvändigt för ett rättvisande resultat. För att säkerställa att vårt urval ändå var representativt för hela populationen har särskilda kontroller och jämförelser utförts av exempelvis
företagens storlek. Eftersom bortfallet följer av hög bevakning av vissa aktier var det naturligt att främst rekommendationer av större bolag skulle falla bort från urvalet, eftersom dessa antagits vara de bolag vars aktier bevakats i störst omfattning. Bortfallet medförde således en risk för att rekommendationer av större bolag var underrepresenterade i urvalet.
För att säkerställa att vårt urval ändå var representativt gjordes en jämförelse mellan andelen rekommendationer per lista på Stockholmsbörsen i vår totala datamängd av publicerade rekommendationer och i vårt urval efter bortfall (Tabell 2). Urvalet efter bortfall omfattade en mindre andel rekommendationer gällande bolag listade på Large Cap, och en större andel listade på Mid Cap, än den totala datamängden, men eftersom storleksordningen listorna emellan bestod, bedömde vi urvalet som tillräckligt representativt. Den något mer utjämnade fördelningen mellan rekommendationer av aktier på Large och Mid Cap bedömdes också kunna vara fördelaktig ur perspektivet att mer generella slutsatser kan dras av resultaten.
Utifrån fördelningen i den totala datamängden, med drygt 73 % avseende Large Cap, hade det varit svårare att dra generella slutsatser för aktierekommendationer, som inte automatiskt också skulle kopplats till bolagsstorlek, en problematik som urvalet efter bortfall inte omfattas av på samma sätt.
17
Tabell 2: Fördelning av insamlade rekommendationer per lista på Stockholmsbörsen.
Lista Rekommendationer, total datamängd
Rekommendationer, urval efter bortfall
Andel (%), total datamängd
Andel (%), urval efter bortfall
Large Cap 940 168 73,4 55,6
Mid Cap 309 123 24,1 40,7
Small Cap 32 11 2,5 3,6
3.3. Statistiska metoder för hypotesprövning
För att kunna utföra parametriska test såsom OLS-regressioner har vi behövt undersöka den insamlade datans fördelning för att se om den är normalfördelad. 20 stickprov har gjorts där avkastningen under respektive estimeringsperiod har sammanställts i ett histogram
(appendix 1) och undersökts okulärt. Skevhet14 och kurtosis15 har beräknats för samtliga events estimeringsperioder och ett stickprov har gjorts där avkastningen logaritmerats med den naturliga logaritmen för att undersöka om någon märkbar förändring uppstod.
Logaritmeringen fick begränsad effekt på skevhet och kurtosis, varför vi istället använde rådata i våra beräkningar. För att minska kurtosis och skevhet genomfördes winsorizing på 5 % för de event som hade en skevhet större/mindre än +/– 0,5 och kurtosis större/mindre än +/–1. Genom winsorizing erhöll vi avkastning som kunde analyseras i parametriska test.
Prövningen av våra hypoteser har utgått från en signifikansnivå på 5 %. Hypotes 1 undersöker om abnormal avkastning uppkommer vid publicering av analytikers aktierekommendationer.
På grund av osäkerheten i datainsamlingen gällande vilken dag som skulle räknas som publiceringsdag har hypotes 1 prövats mot mätning av kumulativ abnormal avkastning under en period av 1 dag före till 1 dag efter den observerade publiceringsdagen. Hypotes 1
bekräftas om kumulativ genomsnittlig abnormal avkastning för båda portföljerna är signifikant skild från 0 för perioden –1 till +1.
Hypotes 2 undersöker abnormal avkastning i förhållande till publicering av analytikers positiva rekommendationer och hur den kumulativa abnormala avkastningen utvecklas under perioden efter rekommendationens publiceringsdag. Hypotes 2 bekräftas om kumulativ genomsnittlig abnormal avkastning för portföljen bestående av positiva rekommendationer är signifikant mindre än 0 för perioden +2 till +20.
14 Statistiskt mått över asymmetri i en sannolikhetsfördelning. En perfekt normalfördelning är exempelvis symmetrisk kring medelvärdet.
15Statistiskt mått över toppighet i en sannolikhetsfördelning. Beskriver hur sannolika mer extrema utfall är.
18 Hypotes 3 undersöker, på motsvarande sätt som hypotes 2, abnormal avkastning i förhållande till publicering av analytikers negativa rekommendationer. Hypotes 3 bekräftas om kumulativ genomsnittlig abnormal avkastning för portföljen bestående av negativa rekommendationer är signifikant större än 0 för perioden +2 till +20.
För att testa hypoteserna har ett signifikanstest i form av ett t-test16 (ekv. 5) genomförts.
𝒕 = 𝑪𝑨𝑹̅̅̅̅̅̅ 𝒕 ,𝒕
𝒗𝒂𝒓 𝑪𝑨𝑹̅̅̅̅̅̅ 𝒕 ,𝒕 / (ekv. 5)
𝑪𝑨𝑹̅̅̅̅̅̅ 𝒕 , 𝒕 = Genomsnittlig kumulativ abnormal avkastning från tidpunkt t1 till t2 𝒗𝒂𝒓 𝑪𝑨𝑹̅̅̅̅̅̅ 𝒕 , 𝒕 = Varians i kumulativ genomsnittlig abnormal avkastning från tidpunkt
t1 till t2
För att kunna genomföra signifikanstestet har variansen i den abnormala avkastningen under estimeringsperioden beräknats för varje event och använts i beräkning av variansen i den genomsnittliga abnormala avkastningen under estimeringsperioden (ekv. 6).
𝒗𝒂𝒓 𝑨𝑹̅̅̅̅̅ =𝒕 𝑵 ∑𝑵 𝝈𝜺𝒊
𝒊= (ekv. 6)
𝒗𝒂𝒓 𝑨𝑹̅̅̅̅̅ 𝒕 = Varians i genomsnittlig abnormal avkastning under tidsperiod t
𝑵 = Antal rekommendationer
𝝈𝜺𝒊 = Varians i abnormal avkastning för aktie i under estimeringsperioden
Variansen i den genomsnittliga abnormala avkastningen har därefter använts för att beräkna variansen i den kumulativa genomsnittliga abnormala avkastningen (ekv. 7).
𝒗𝒂𝒓 𝑪𝑨𝑹̅̅̅̅̅̅ 𝒕 , 𝒕 = 𝒗𝒂𝒓 𝑨𝑹̅̅̅̅̅ × 𝒕 − 𝒕 + 𝒕 (ekv. 7)
𝒗𝒂𝒓 𝑪𝑨𝑹̅̅̅̅̅̅ 𝒕 , 𝒕 = Varians i kumulativ genomsnittlig abnormal avkastning från tidpunkt t1 till t2
𝒗𝒂𝒓 𝑨𝑹̅̅̅̅̅ 𝒕 = Varians i genomsnittlig abnormal avkastning under tidsperiod t
16 Statistisk hypotesprövning där konfidensintervall beräknas vid små stickprov. T-värden beräknas då fram utifrån en särskild fördelning, Students t-fördelning.
19
4. Resultat och analys
Vårt fokus i denna studie har varit att undersöka huruvida publicering av analytikers
aktierekommendationer leder till abnormal avkastning och utreda vilka olika reaktioner som följer av rekommendationers skilda innehåll. Resultaten för de båda portföljerna under eventfönstret i sin helhet presenteras i Tabell 3.
Tabell 3: Abnormal avkastning, t-kvot samt kumulativ abnormal avkastning för positiva och negativa rekommendationer under eventfönstrets 31 dagar.
Positiva rekommendationer Negativa rekommendationer Dag Abnormal
avkastning (%) T-kvot
Kumulativ abnormal avkastning (%)
Abnormal avkastning (%)
T- kvot
Kumulativ abnormal avkastning (%)
-10 -0,002 -0,020 -0,002 0,045 0,248 0,045
-9 0,022 0,228 0,020 0,257 1,430 0,302
-8 -0,016 -0,164 0,004 0,108 0,600 0,410
-7 -0,130 -1,341 -0,126 -0,212 -1,177 0,198
-6 -0,066 -0,676 -0,192 -0,226 -1,260 -0,029
-5 -0,096 -0,992 -0,288 -0,072 -0,398 -0,100
-4 -0,171 -1,763* -0,460 -0,116 -0,644 -0,216
-3 0,068 0,696 -0,392 -0,396 -2,201* -0,612
-2 -0,089 -0,918 -0,481 -0,086 -0,478 -0,698
-1 0,548 5,637*** 0,067 -0,544 -3,027** -1,242
0 1,654 17,017*** 1,721 -2,238 -12,447*** -3,480
1 -0,004 -0,044 1,717 -0,206 -1,144 -3,686
2 -0,176 -1,806* 1,541 0,097 0,539 -3,589
3 0,055 0,569 1,597 0,039 0,215 -3,550
4 -0,009 -0,092 1,588 0,388 2,159* -3,162
5 -0,168 -1,733* 1,419 -0,287 -1,597 -3,449
6 -0,112 -1,157 1,307 0,196 1,089 -3,253
7 -0,044 -0,448 1,263 0,004 0,022 -3,249
8 -0,014 -0,145 1,249 -0,076 -0,425 -3,326
9 -0,138 -1,424 1,111 -0,032 -0,176 -3,358
10 -0,163 -1,679* 0,948 -0,172 -0,956 -3,529
11 -0,026 -0,269 0,921 -0,052 -0,289 -3,581
12 0,142 1,462 1,063 0,208 1,155 -3,374
13 -0,083 -0,850 0,981 -0,220 -1,224 -3,594
14 0,043 0,440 1,024 -0,096 -0,532 -3,689
15 0,020 0,210 1,044 -0,067 -0,374 -3,757
16 -0,107 -1,098 0,937 -0,227 -1,262 -3,984
17 -0,101 -1,040 0,836 0,104 0,581 -3,879
18 0,073 0,753 0,909 0,043 0,242 -3,836
19 -0,016 -0,161 0,894 -0,101 -0,561 -3,936
20 -0,096 -0,984 0,798 0,102 0,567 -3,835
Noter:
* Statistiskt säkerställt på 5 %-nivån.
** Statistiskt säkerställt på 1 %-nivån.
*** Statistiskt säkerställt på 0,01 %-nivån.
20 Likt tidigare studier återfann vi en högre förekomst av positiva rekommendationer än negativa rekommendationer. Vårt urval om 239 positiva rekommendationer och 63 negativa
rekommendationer innebär en ratio på ca 3,8:1 där alltså 3,8 gånger fler positiva än negativa rekommendationer publiceras av analytiker. Vår ratio kan jämföras med Womacks (1996) ratio om 7:1 för analytiker och Lidéns (2007) ratio om 5:1 för analytiker och journalister.
Utifrån denna jämförelse tycks således vårt urval uppvisa en jämnare fördelning än tidigare amerikanska och svenska studier, även om positiva rekommendationer fortsätter att vara överrepresenterade.
4.1 Abnormal avkastning på publiceringsdagen
För att kunna besvara vår första hypotes har kumulativ genomsnittlig abnormal avkastning beräknats för positiva respektive negativa rekommendationer under period -1 till 1. Resultatet presenteras i Tabell 4.
Tabell 4: Kumulativ genomsnittlig abnormal avkastning och statistisk sannolikhet för period -1 till 1.
Period -1:1
Kumulativ abnormal
avkastning (%) T-kvot Varians för kumulativ abnormal avkastning
Frihetsgrader (N-1)
T-värde (0,01 %) Positiva
rekommendationer 2,198 13,054*** 0,000003 238 3,719
Negativa
rekommendationer -2,988 -9,594*** 0,000010 62 -3,954
Noter:
T-kvot beräknas för att kunna testa statistisk signifikans genom jämförelse med t-värde. T-kvoten för period -1:1 beräknas enligt ekv. 5.
T-värden anges för respektive signifikansnivå i Students t-fördelning.
*** Statistiskt säkerställt på 0,01 %-nivån.
Utifrån dessa resultat accepterar vi hypotes 1 med en signifikansnivå om 0,01% och slår fast att publicering av analytikers aktierekommendationer genererar abnormal avkastning. Våra resultat ligger i linje med tidigare studiers resultat, såsom Barber & Loeffler (1993), Womack (1996) och Lidén (2007). Utifrån antagandet att rekommendationerna består av
andrahandsinformation kan inte uppkomsten av abnormal avkastning förklaras av Famas (1970) syn på marknadseffektivitet, men stämmer däremot väl överens med Grossman &
Stiglitz (1980) bild av densamma. Utifrån att aktiepriser, på grund av att
informationsasymmetri råder, bara delvis reflekterar den tillgängliga informationen bör publicerandet av aktierekommendationer leda till uppkomst av abnormal avkastning.
Anledningen till det är att informationen i rekommendationerna blir tillgänglig för fler och att informationsasymmetrin därmed minskar. Aktiepriserna reflekterar efter publicering ett
21 tillstånd där informationen de facto är tillgänglig för fler, vilket är vad vi kunnat uppmäta i form av abnormal avkastning under period -1 till 1.
4.2 Abnormal avkastning från positiva rekommendationer efter publiceringsdagen
För att kunna besvara vår andra hypotes har kumulativ genomsnittlig abnormal avkastning beräknats för portföljen bestående av positiva rekommendationer under period 2 till 20.
Resultatet presenteras i Tabell 5.
Tabell 5: Kumulativ genomsnittlig abnormal avkastning och statistisk sannolikhet för period +2 till +20.
Period 2:20 Kumulativ abnormal avkastning (%)
T-kvot Varians för kumulativ abnormal avkastning
Frihetsgrader (N-1)
T-värde (5 %) Positiva
rekommendationer -0,919 -2,168* 0,000018 238 -1,960
Noter:
T-kvot beräknas för att kunna testa statistisk signifikans genom jämförelse med t-värde. T-kvoten för period 2:20 beräknas enligt ekv. 5.
T-värden anges för respektive signifikansnivå i Students t-fördelning.
* Statistiskt säkerställt på 5 %-nivån
Utifrån dessa resultat accepterar vi hypotes 2 med en signifikansnivå om 5 % och konstaterar att den kumulativa genomsnittliga abnormala avkastningen, för positiva rekommendationer, är mindre efter 20 dagar än på publiceringsdagen. Resultatet kan förklaras av prispresshypotesen (PPH) och ligger i linje med studier av Liu et al. (1990), Barber & Loeffler (1993) och Lidén (2007). Fenomenet visualiseras i Figur 2.
Figur 2: Kumulerad genomsnittlig abnormal avkastning för positiva rekommendationer.
-1,0%
-0,5%
0,0%
0,5%
1,0%
1,5%
2,0%
-10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
ABNORMAL AVKASTNING
HANDELSDAGAR
POSITIVA REKOMMENDATIONER
22 Vårt resultat antas, utifrån PPH, kunna förklaras av att en abnormal handelsvolym
uppkommer till följd av publicerandet av positiva aktierekommendationer, när naiva
investerare känner sig pressade/lockade att köpa den rekommenderade aktien. Den abnormala efterfrågan måste därmed pressa upp priset till en abnormal nivå för att kunna motsvaras av ett tillräckligt stort utbud. När efterfrågan därefter återgår till mer normala nivåer och investerarna vill realisera sina vinster, sjunker istället priset, vilket vårt resultat uppvisar i form av negativ abnormal avkastning under perioden 2 till 20. När den kumulativa abnormala avkastningen under period 2 till 20 om –0,92 % jämförs med motsvarande +2,20 % under period –1 till 1 kan det dock konstateras att inte hela den abnormala avkastningen vid publiceringsdagen återgår, vilket måste innebära att rekommendationerna också har ett informationsinnehåll. Denna beständiga abnormala avkastning kan förklaras av en minskad informationsasymmetri, utifrån Grossman & Stiglitz (1980) bild av marknadseffektivitet.
4.3 Abnormal avkastning från negativa rekommendationer efter publiceringsdagen
För att kunna besvara vår tredje hypotes har kumulativ genomsnittlig abnormal avkastning beräknats för portföljen bestående av negativa rekommendationer under period 2 till 20.
Resultatet presenteras i Tabell 6.
Tabell 6: Kumulativ genomsnittlig abnormal avkastning och statistisk sannolikhet för period +2 till +20.
Period 2:20 Kumulativ abnormal avkastning (%)
T-kvot Varians för kumulativ abnormal avkastning
Frihetsgrader (N-1)
T-värde (5 %) Negativa
rekommendationer -0,149 -0,190 0,000061 62 -1,670
Noter:
T-kvot beräknas för att kunna testa statistisk signifikans genom jämförelse med t-värde. T-kvoten för period 2:20 beräknas enligt ekv. 5.
T-värden anges för respektive signifikansnivå i Students t-fördelning.
T-kvot ej statistiskt säkerställt på 5 %-nivån
Vårt resultat uppvisar en svag tendens till post publication drift (PPD), med en negativ kumulativ genomsnittlig abnormal avkastning under perioden. Resultatet saknar dock statistisk signifikans och vi kan därför inte dra några slutsatser om att tendensen vi uppmätt faktiskt representerar verkligheten. Vi förkastar därför hypotes 3. Den kumulativa
genomsnittliga abnormala avkastningen för portföljen bestående av negativa rekommendationer visualiseras i Figur 3.
23
Figur 3. Kumulerad genomsnittlig abnormal avkastning på negativa rekommendationer
Vad vi dock kan konstatera är att det för portföljen bestående av negativa rekommendationer, i kontrast till portföljen med positiva rekommendationer, även saknas en motsvarande
minskning av kumulativ abnormal avkastning. Vår förväntan om en skillnad i reaktion på positiva och negativa rekommendationer har därmed kunnat bekräftas, trots att vårt resultat inte följer mönstret i tidigare studier, såsom Liu et al. (1990), Womack (1996) och Lidén (2007), med en ökad kumulativ abnormal avkastning efter publicering av negativa
rekommendationer. Skillnaden antas ha ett samband med att positiva rekommendationer är överrepresenterade i vårt urval, vilket antas spegla andelen positiva rekommendationer som publiceras överlag.
Överrepresentationen kan ses i ljuset av argumenten i Womack (1996) och Barber et al.
(2006) om att (felaktiga) negativa rekommendationer är kopplade till större kostnader och mindre potentiella belöningar för en analytiker, och därför inte publiceras lika lättvindigt som positiva rekommendationer. Ur dessa argument får negativa rekommendationer ett större informationsinnehåll än positiva rekommendationer och bör, av investerare, anses ha större tillförlitlighet, vilket kan förklara den skillnad i kumulativ abnormal avkastning vi uppmätt.
Vad som vidare kan konstateras utifrån resultaten för den negativa portföljen är att stödet för Grossman & Stiglitz (1980) syn på marknadseffektivitet, där kostnader för insamling och tolkning av publik information måste kompenseras, stärks ytterligare, eftersom inga tendenser till en minskning av den kumulativa abnormala avkastningen kunnat skönjas och bevisen för
-4,5%
-4,0%
-3,5%
-3,0%
-2,5%
-2,0%
-1,5%
-1,0%
-0,5%
0,0%
0,5%
1,0%
-10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
ABNORMAL AVKASTNING
HANDELSDAGAR
NEGATIVA REKOMMENDATIONER
24 att publicering av analytikers aktierekommendationer genererar beständig abnormal
avkastning därmed stärks. Eftersom abnormal avkastning uppkom under period -1 till 1, men bara små, statistiskt ej signifikanta, abnormala prisrörelser kunde uppmätas under period 2 till 20, tolkar vi resultatet som att prisjusteringen följer det mönster av omedelbar prisanpassning som Fama (1970) beskriver med den effektiva marknadshypotesen. Förekomsten i sig av abnormal avkastning från aktierekommendationer motsäger däremot samma hypotes och följer istället Grossman & Stiglitz (1980) modell.
4.4 Abnormal avkastning inför publiceringsdagen
Eftersom det är konstaterat att aktiehandel i linje med rekommendationerna sker under en period innan publicering (Lidén 2007) var det inte heller otänkbart att vi skulle upptäcka en förekomst av abnormal avkastning i linje med rekommendationerna redan innan offentlig publicering (period -10 till -2). Våra beräkningar visade dock tvärtom en signifikant negativ kumulativ genomsnittlig abnormal avkastning för portföljen bestående av positiva
rekommendationer. För portföljen bestående av negativa rekommendationer upptäcktes visserligen en negativ kumulativ genomsnittlig abnormal avkastning, men denna var inte signifikant. Resultatet för period -10 till -2 sammanfattas i Tabell 7.
Tabell 7: Kumulativ genomsnittlig abnormal avkastning och statistisk sannolikhet för period -10 till -2.
Period Dag -10: -2 Kumulativ abnormal avkastning (%)
T-kvot Varians för kumulativ abnormal avkastning
Frihetsgrader (N-1)
T-värde (5 %) Positiva
rekommendationer -0,481 -1,645* 0,000009 238 -1,645
Negativa
rekommendationer -0,698 -1,294 0,000029 62 -1,670
Noter:
T-kvot beräknas för att kunna testa statistisk signifikans genom jämförelse med t-värde. T-kvoten för period -10:-2 beräknas enligt ekv. 5.
T-värden anges för respektive signifikansnivå i Students t-fördelning.
T-värde ej statistiskt säkerställt på 5 %-nivån
Bristen på abnormal avkastning i rekommendationernas riktning under perioden är svårt att förklara utifrån uppsatsens teoretiska ramverk. En tänkbar förklaring kan dock vara att vårt eventfönster varit för kort för att omfatta handeln inför publicering. Den negativa abnormala avkastningen för positiva rekommendationer skulle då kunna förklaras av att en
prispresseffekt kan ha uppkommit till följd av denna handel, där då enbart den negativa abnormala avkastningen inrymts i eventfönstret. En annan tänkbar förklaring är att vårt eventfönster innehållit för mycket brus och att eventfönstret under perioden föregående publicering därmed inrymt prisutveckling till följd av annat än just vårt event.
25
4.5 Särdrag för Stockholmsbörsen
Utifrån argumentationen i Jegadeesh & Kim (2006) och uppvisandet i Lidén (2007) av en nästan fullständig kumulativ återgång av den abnormala avkastningen från de positiva rekommendationernas publiceringsdagar, fanns en förväntan om särdrag för den svenska aktiemarknaden jämfört med de amerikanska. Därför har en jämförelse av vår uppmätta kumulativa abnormala avkastning gjorts med liknande amerikanska studier. Resultatet presenteras i Tabell 8.
Tabell 8: Jämförelse av kumulativ genomsnittlig abnormal avkastning.
Positiva rekommendationer Negativa rekommendationer Periodens omfattning Liu et al.
(1990) (%)
Barber &
Loeffler (1993) (%)
Womack (1996) (%)
Spånberger
& Westlund (2018) (%)
Liu et al.
(1990) (%)
Womack (1996) (%)
Spånberger
& Westlund (2018) (%) Period
1 (P1) -1 till 1 2,38 3,94 4,00 2,20 -3,16 -3,87 -2,99
Period
2 (P2) 2 till 10 -0,94 - - - -0,32 - -
2 till 20 - - - -0,92 - - -0,15
2 till 25 - -2,08 - - - - -
1 månad efter publ. - - 1,87 - - -1,51 -
Kvot
(P1/P2) -40% -53% 47% -42% 10% 39% 5%
På grund av studiernas variation där olika urval har studerats och med variationer i
eventfönstrens längd, kan inga definitiva slutsatser dras av jämförelsen, utan vi har endast ämnat göra en översiktlig jämförelse. Resultatet i Womack (1996) skiljer sig klart från övriga studier, men kan förklaras av att studien haft ett smalare urval där exempelvis upprepande rekommendationer sorterats bort. Detta smalare urval skulle kunna innebära att endast de rekommendationer med högst tillförlitlighet omfattas, vilket därmed skulle kunna förklara varför post publication drift (PPD) uppmätts även för positiva rekommendationer och ingen minskning i linje med prispresshypotesen (PPH) kunnat skönjas. Våra resultat för portföljen bestående av positiva rekommendationer liknar dock de resultat som Liu et al. (1990) samt Barber & Loeffler (1993) uppvisar för perioderna efter publicering: en minskning till cirka hälften av den kumulativa abnormala avkastning som uppmätts under perioden –1 till 1. För portföljen bestående av negativa rekommendationer syns heller inga tydliga skillnader mellan Liu et al. (1990) och vår studie.
Utifrån Jegadeesh & Kims (2006) argumentation och Lidéns (2007) resultat hade skillnader i prispresseffektens omfattning inte varit otänkbara vid en jämförelse av vår studie och
