Internationell Diversifiering
En studie om korrelationsmönster mellan tillväxtmarknader och utvecklade marknader
Industrial and Financial Management Företagsekonomiska Institutionen
Handelshögskolan vid Göteborgs Universitet Handledare: Anders Axvärn
Vårterminen 2010
Författare: Födelseårtal:
Nils Storckenfeldt 870306-5014 Montazar Shir Ali 860502-1016
Förord
Vi vill tacka de personer som bidragit till slutförandet av denna studie. Framförallt riktar vi ett stort tack till vår handledare Anders Axvärn som bidragit med råd och vägledning.
Det har varit oerhört lärorikt och intressant att få studera diversifieringseffekter i ett internationellt perspektiv. Idag är tillväxtmarknader ett hett byte i den riskbenägna investerarens portfölj och vi som författare har fått en stor insyn hur dessa investerare agerade – eller bör ha agerat under mitten av 90-talet och fram tills idag.
Vi har förhoppningar om att studien skall skapa förståelse och nyfikenhet för att vidare studera ämnet! Vi vill även tacka Alexandra Casén och Fatima Al-mashat som bidragit med idéer och granskning av studien.
Handelshögskolan Göteborg 2010 i juni
Nils och Monty
SAMMANFATTNING
Titel: Internationell diversifiering – En studie om korrelationsmönster på tillväxtmarknader och utvecklade marknader under 1996-2010, IT-krisen och Finanskrisen
Seminariedatum: 2010-06-08
Kurs: FEA 414 – Examensarbete magisternivå, 15 högskolepoäng Författare: Nils Storckenfeldt & Montazar Shir Ali
Handledare: Anders Axvärn
Nyckelord: Internationell diversifiering, aktiemarknad, finansiella marknader, tillväxtmarknader, utvecklade marknader, korrelation, regression, riskreducering, IT-kris, Finanskris.
Syfte: Vi har tre syften som ämnar besvara våra problemfrågeställningar. Vårt första syfte är att kartlägga hur diversifieringseffekterna för investerare förändrats mellan tillväxtmarknader och utvecklade marknader under perioden 1996-2010. Vårt andra syfte är att undersöka de två kriserna, IT-krisen och Finanskrisen, och hur korrelationen mellan dessa två kriser har förändrats. Vårt tredje syfte är att undersöka i vilken grad Sveriges aktiemarknad påverkades av andra marknader under perioden 1996-2010, IT-krisen och Finanskrisen.
Metod: Metoden består av en analysmodell som omfattar två verktyg; regressions- och korrelationsanalys. Regressionsanalysen avser att undersöka om det finns ett samband mellan Sveriges aktiemarknad och övriga utländska aktiemarknader. Korrelationsanalysen avser mäta om det har förekommit en låg eller negativ korrelation mellan tillväxtmarknader och utvecklade marknader under perioden 1996-2010, IT-krisen och Finanskrisen.
Teoretiska perspektiv: Vi har valt teorier som förklarar global integrering, internationell diversifiering, riskreducering och teorier kring korrelationsmönster i kriser.
Slutsats: I vår slutats konstaterar vi att korrelationen varierar mellan tillväxtmarknader och utvecklade marknader. Indien och Sydafrika har lägst korrelation i förhållande till de utvecklade marknaderna. När vi undersökte om en förändring i en utländsk börs påverkar den svenska börsen, konstaterar vi att Storbritanniens börs (FTSE) har störst påverkan av alla marknader på den svenska börsen (OMX).
ABSTRACT
Title: International diversification – a comparison between emerging- and developed markets Seminar Date: 2010-06-08
Course: FEA 414 - Degree Project Master Level, Business Administration, 15 University Credits Points (UPC) or ECTS-credits
Authors: Nils Storckenfeldt & Montazar Shir Ali Advisor: Anders Axvärn
Keywords: International diversification, stock market, financial markets, emerging markets, developed markets, correlation, regression, risk reducing, IT-crisis, financial crisis.
Purpose: We have three purposes that will answer our problem questions. Our first purpose is to identify how diversification effects for investors changed between emerging markets and developed markets in the period 1996-2010. Our second purpose is to examine the two crises, IT and financial crisis, and if the correlations between these two crises have changed. Our third purpose is to examine to what extent the Swedish stock market was influenced by other markets in the period 1996-2010, the IT and financial crisis.
Methodology: The method is based on an analytic model consisting of two tools; Regression- and Correlation analysis. The Regression analysis will be used when investigating if a change in a foreign stock market affects a change on the Swedish stock market. The Correlation analysis is used when studying the correlation pattern between emerging and developed markets.
Theoretical perspectives: We´ve chosen to use theories such as global integration, international diversification, risk reducing and theories how explain correlation patterns in financial crisis.
Conclusion: We state that correlation pattern varies between emerging and developed markets. Our result indicates that India and South Africa has the lowest correlation in the relation to the developed markets. When studying if a change in a foreign stock market affects a change on the Swedish stock market, we found strong evidence stating that the British stock market (FTSE) has the greatest impact among the studied stock markets.
BEGREPPSDEFINITION
Diversifiering – när investerare sprider sitt kapital över olika tillgångar/värdepapper.
Generalindex – värde viktad index för en marknad.
Integration – när två eller flera länder ekonomiskt öppnar sig för varandra för att underlätta transaktioner.
Internationell diversifiering – investerare sprider tillgångar över olika länder/marknader.
Korrelation – analysverktyg som mäter ett linjärt samband mellan två variabler, det vill säga om det är lämpligt att beskriva sambandet mellan variablerna med en rät linje (se appendix:
Ekonometrisk teori).
Regression – analysverktyg som mäter relationen mellan en given variabel och en eller flera andra variabler (se appendix: Ekonometrisk teori).
Utvecklade marknader – Tyskland, USA, Storbritannien och Japan DAX INDEX – Tyskland (Generalindex för börs) DOW JONES INDEX – USA (Generalindex för börs) FTSE INDEX– Storbritannien (Generalindex för börs) NIKKEI INDEX – Japan (Generalindex för börs) Tillväxt marknader – Brasilien, Sydafrika, Indien och Ryssland
BRAZIL IBX PRICE INDEX – Brasilien (Generalindex för börs) DJ SOUTH AFRICA INDEX – Sydafrika (Generalindex för börs) INDIA BSE INDEX – Indien (Generalindex för börs)
RUSSIA RTS INDEX – Ryssland (Generalindex för börs) Sveriges marknad
OMXSPI INDEX – Sverige (Generalindex för börs)
INNEHÅLLSFÖRTECKNING
1. INLEDNING ... 1
1.1 BAKGRUND ... 1
1.2TIDIGARE STUDIER AV ÄMNET ... 2
1.2.1 Studier om korrelationsmönster ... 2
1.3 RELATIONEN MELLAN SVERIGES MARKNAD OCH ÖVRIGA MARKNADER ... 4
1.4SAMBANDET MELLAN KRISER OCH KORRELATION ... 5
1.5SYFTE ... 6
2. METOD ... 7
2.1ANALYSMODELL:REGRESSIONS- OCH KORRELATIONSANALYS ... 7
2.2URVAL OCH DATAINSAMLING ... 8
2.2.1 Val av marknad ... 8
2.2.2 Val av period ... 10
2.2.2.1 Hela perioden ... 10
2.2.2.2 IT-krisen ... 10
2.2.2.3 Finanskrisen ... 10
2.2.3PRIMÄR DATAINSAMLING ... 11
2.2.4SEKUNDÄR DATAINSAMLING ... 11
2.2.5VALIDITET ... 12
3. EMPIRI ... 14
3.1 UTFALL AV KORRELATIONSANALYS ... 14
3.1.1HELA PERIODEN... 14
3.1.2ANALYS PER TILLVÄXTMARKNAD FÖR HELA PERIODEN... 15
3.1.3IT-KRISEN ... 17
3.1.4FINANSKRISEN ... 18
3.2 UTFALL AV ENKEL LINJÄR REGRESSION ... 19
3.2.1HELA PERIODEN... 19
3.2.2IT-KRISEN ... 20
3.2.3FINANSKRISEN ... 21
3.3 UTFALL AV MULTIPEL REGRESSION; ALLA MARKNADER ... 22
3.3.1HELA PERIODEN... 22
3.3.2IT-KRISEN ... 22
3.3.3FINANSKRISEN ... 22
3.4 UTFALL AV MULTIPEL REGRESSION; TILLVÄXTMARKNADER ... 22
3.4.1HELA PERIODEN... 22
3.4.2IT-KRISEN ... 23
3.4.3FINANSKRISEN ... 23
3.5 UTFALL AV MULTIPEL REGRESSION; UTVECKLADE MARKNADER ... 23
3.5.1HELA PERIODEN... 23
3.5.2IT-KRISEN ... 23
3.5.3FINANSKRISEN ... 23
4. DISKUSSION AV RESULTAT ... 24
4.1 RESULTAT AV KORRELATIONSANALYS ... 24
4.1.1 Hela perioden ... 24
4.1.2 IT-krisen ... 25
4.1.3 Finanskrisen ... 26
4.2SAMBANDET MELLAN KRISER OCH KORRELATION ... 27
4.3 RESULTAT AV REGRESSIONSANALYS ... 28
4.3.1 Hela perioden ... 28
4.3.2 IT-krisen ... 29
4.3.3 Finanskrisen ... 29
5. SLUTSATS ... 31
5.1SLUTSATS ... 31
5.2FÖRSLAG TILL VIDARE FORSKNING ... 33
6. REFERENSLISTA... 34
6.1TRYCKTA KÄLLOR ... 34
6.2INTERNETBASERADE KÄLLOR ... 36
APPENDIX... 37
TABELL- OCH FIGURFÖRTECKNING Figur 1: Egen bearbetning av Solnik (1974). ”Why not diversify internationally rather than domestically” – sid 3.
Figur 2: Egen bearbetning från Bloomberg (www.bloomberg.com). Marknadernas generalindex som procent av världsindex från mars 2010 – sid 9.
Figur 3: Korrelation för Ryssland i förhållande till de andra marknaderna under perioden 1996-2010 – sid 15.
Figur 4: Korrelation för Indien i förhållande till de andra marknaderna under perioden 1996-2010 – sid 15.
Figur 5: Korrelation för Brasilien i förhållande till de andra marknaderna under perioden 1996-2010 – sid 16.
Figur 6: Korrelation för Sydafrika i förhållande till de andra marknaderna under perioden 1996-2010 – sid 16.
Figur 7: Korrelationsmönstret för tillväxtmarknader i förhållande till de utvecklade marknaderna under IT-krisen – sid 17.
Figur 8: Korrelationsmönstret för tillväxtmarknader i förhållande till de utvecklade marknaderna under Finanskrisen – sid 18.
Figur 9: Korrelationsmönster för tillväxtmarknader i förhållande till de utvecklade marknaderna under 1996-2010 – sid 24.
Figur 10: Korrelationsmönster för tillväxtmarknader i förhållande till de utvecklade marknaderna under IT-krisen – sid 26.
Figur 11: Korrelationsmönster för tillväxtmarknader i förhållande till de utvecklade marknaderna under Finanskrisen – sid 26.
Figur 12: Medelvärdesberäknad korrelationsmönster för tillväxtmarknader i förhållande till de utvecklade marknaderna under 1996-2010, IT-krisen och Finanskrisen – sid 27.
Tabell 1: Korrelationsmatris månadsdata för perioden 1996-2010 21 – sid 14.
Tabell 2: Utfall av enkel linjär regression under 1996-2010. Sammanställning av figur 1-3 i appendix – sid 19.
Tabell 3: Utfall av enkel linjär regression under IT-krisen. Sammanställning av figur 4-6 i appendix – sid 20.
Tabell 4: Utfall av enkel linjär regression under Finanskrisen. Sammanställning av figur 7-9 i appendix – sid 21.
1 1. INLEDNING
I detta kapitel beskrivs bakgrunden till problemet och tidigare forskning som mynnar ut i problemformuleringar och syfte.
1.1 BAKGRUND
Under senare delen av 1970-talet har företag blivit allt mer internationaliserade, där fokus på investeringsmöjligheter har flyttas från inhemska marknader till ett mer globalt perspektiv. I takt med att regleringar har slopats runt om i världen har nytt kapital flödat ut internationellt samtidigt som andelen av multinationella företag eskalerat. Informationsutbytet mellan länderna har utvecklats samtidigt som kostnaden för informationssamling har minskat till följd av teknologiska framsteg. Till följd av detta har den globala integrationen och tillgängligheten mellan världsmarknaderna ökat och därmed även möjligheten för en ökad internationell diversifiering. Men globalisering och diversifiering av företag och marknader har även fört med sig effekter som vissa aktörer inte välkomnar fullt ut, en minskad internationell diversifieringseffekt (Butler, 2009; Classens & Gooptu, 1993).
Internationell diversifiering i tillväxtländer har blivit allt mer populärt, där investerare erbjuds en högre avkastning, men till en högre riskexponering. Tillväxtländerna antas vara lågt korrelerade med de mer traditionella marknaderna, och därför är en internationell diversifieringseffekt möjlig i dessa länder (Bai & Greens, 2010). Brasilien, Ryssland, Indien och Kina är de allra hetaste länderna för svenska fondförvaltare, visar en undersökning som Laika Consulting gjort.1
Den globala ekonomin gjorde i september 2008 tvärstopp i samband med Lehman Brothers kollaps, och aktiviteten på samtliga finansiella marknaderna avtog samtidigt. Världsekonomin påverkades parallellt som en konsekvens av finanskrisen, vilket tyder på att marknaden blivit mer integrerad och att det har skett en förändring de senaste åren där marknaderna gått igenom en internationaliseringsprocess (Berk & Demarzo, 2007). Även de nordiska börserna har speglats av denna utveckling och i slutet av 2006 invigdes OMX Nordiska börs, där Sveriges, Danmarks och Finlands börshandel integrerades (Berben & Jensen, 2005). De nationella ekonomierna är mer frekvent påverkade av oroligheter från utländska
1 Dagens Industri 20 maj 2010. (www.di.se).
2 aktiemarknader, och dessa störningar tenderar att ha större konsekvenser på ekonomierna än vad forskare tidigare förmodat. 2
1.2 TIDIGARE STUDIER AV ÄMNET
1.2.1 STUDIER OM KORRELATIONSMÖNSTER
Hilliard (1979) undersökte tidsfördröjning i korrelationen mellan stängningspriset och öppningspriset i världens tio största börser och fann ett positiv samband. Eun och Shim (1989) undersökte daglig avkastning för nio industrialiserade marknader, medans Barclay, Litzenberger och Warner (1990) fokuserade på daglig pris volatilitet och volym för de vanligaste handlade aktierna på New York och Tokyo börsen. Dessa forskare kommer fram till en gemensam slutsats, där samtliga finner positiv korrelation mellan börserna. Westerfield och Jaffe (1985a och 1985b) studerade dagsstängningskurser för Kanada, Australien, Storbritannien, Japan och USA börserna och de hittar också positiv korrelation i avkastning för dagliga stängningskurser mellan aktiemarknader.
Knif & Pynnönen (1998) gjorde en studie som omfattade USA, Japan, Schweiz, Storbritannien, Frankrike, Tyskland, Hong Kong och Skandinavien. De använde en konintegrationsanalys med daglig indexavkastning. Resultatet indikerade att en prisförändring i USA påverkar alla andra marknader följande dag.
Berben och Jansen (2005) studerade under 1980 till 2000 utvecklingen av korrelationen mellan Tyskland, Storbritannien, Japan och USA. De menar att korrelationen mellan USA, Storbritannien och Tysklands aktiemarknad har mer än dubblerat, mellan åren 1980 till 2000 från (0,30 till 0,65). I kontrast till detta, har Japans korrelation mellan de andra tre marknaderna varit oförändrad (0,30).
Annan forskning som inte påvisar ökad korrelation mellan marknader är bland annat Taylor &
Tonks (1989) studie. De studerade aktiemarknaderna i Storbritannien, Tyskland, Japan och USA under 1973 till 1989. De fann ingen signifikant ökning av korrelationen på aktiemarknaderna på kort sikt, men de hittar bevis på att länderna korrelerar med varandra på längre sikt. Forskarna förklarar att en internationellt diversifierad portfölj ger på längre sikt minimal eller ingen förtjänst. Goetzmann, Li & Rouwenhorst (2005) undersökte
2 Se vidare Berben & Jensen (2005); Bai & Green (2010); Solnik (1974)
3 korrelationsutveckling mellan fyra utvecklade länder, USA, Frankrike, Tyskland och Storbritannien, under 1900-talet. De fann att det har skett en ökad integrering av de fyra marknaderna, men att korrelationen har minskat under slutet av 1900-talet. Grubel och Fadner (1971) hittar även de ett lågt korrelationsmönster mellan USA, Japan, Tyskland under 1960- talet.
Den första forskaren som påvisade ett samband mellan internationell diversifiering och korrelation var Solnik (1974). Han menar att en investerare har störst nyttoeffekt av internationell diversifiering om korrelationen mellan marknaderna är låg eller negativ. I sin studie studerade han 300 europeiska aktier, i sju olika länder, där han jämför internationell diversifiering med inhemsk diversifiering. Diversifiering på enbart den amerikanska eller den brittiska börsen kunde reducerat risken med 27 procent respektive 34,5 procent, men genom internationell diversifiering i båda länderna kan risken reduceras med approximativt 11,7 procent (se figur nedan). Vidare konstaterar han att riskspridning är positivt korrelerad med antal tillgångar, desto fler antal tillgångar desto högre riskreducering. Solnik menar att en diversifierad portfölj får avtagande marginell fördel genom köp av ytterligare en tillgång. Det är optimalt med cirka 20 slumpmässigt valda aktier och då uppnås en minskning av risken med approximativt 30 procent, och att lägga till ytterligare en aktie ger en marginell skillnad.
Detta samband kan studeras i figuren nedan, där kurvan avtar och stabiliserare sig runt 12 procent efter 20 aktier.
Figur 1: Egen bearbetning av Solnik (1974). ”Why not diversify internationally rather than domestically”
Solnik (1974) menar att internationell diversifiering är bättre än inhemsk riskspridning om korrelationen är låg eller negativ mellan marknaderna., och som slutsats indikerar han att investerare tjänar på att diversifiera sina portföljer internationellt, men att det har minskat på grund av en högre korrelation på de finansiella marknaderna.
4 En som gick i samma spår som Solnik var Lessard (1975). Han undersökte korrelationsmönstret mellan USA, Tyskland, Frankrike, Japan och Sverige och menar att om en investerare skulle ha investerat internationellt istället för enbart i Sverige skulle avkastningen ökat med 3,27 procent.
En senare studie av Solnik & Jacquillat (1978) visar att en internationell portfölj med 50 aktier placerade på de största marknaderna i världen är tre gånger mindre riskfylld än för lika många aktier placerade i en diversifierad portfölj enbart på den amerikanska börsen.
Forskarna kommer fram till slutsatsen att en investerare skulle tjänat på att diversifiera sina portföljer internationellt.
Internationell diversifiering har som verktyg och fenomen kommit att växa i moderna finansiella teorier, och har nyligen diskuterats i en studie av forskarna Bai & Greens (2010).
De menar att kapitalutflödet till tillväxtmarknader i början av 90-talet berodde i stor del på att investerare ansåg att diversifieringseffekten ökade med dessa länder. De konstaterar att tillväxtmarknader är mindre korrelerade med andra mer utvecklade och industrialiserade marknader. Även under senare tid har andelen kapital ökat i tillväxtmarknader, eftersom dessa marknader antas vara mer riskfyllda och därmed kunna genera en högre avkastning (Balaban, 1994). Vi finner det därför intressant att undersöka om det fortfarande finns potentiella diversifieringseffekter för en investerare att inkludera tillväxtmarknader i sin portfölj. En av våra problemformuleringar är; hur har korrelationsmönstret varit mellan tillväxtmarknaderna och utvecklade marknaderna under perioden 1996-2010?
1.3 RELATIONEN MELLAN SVERIGES MAR KNAD OCH Ö VRIGA MARKNADER
För att undersöka om en svensk investerare får positiva effekter av internationell diversifiering i tillväxtmarknader och utvecklade marknader, måste vi undersöka eventuell integrering mellan den svenska marknaden och övriga marknader. Detta utförs enklast med en regressionsmodell, där den svenska marknaden antagligen påverkades eller inte påverkades av de övriga marknaderna. I problembakgrunden och inom den tidigare forskning, som vi presenterat tidigare i arbetet, nämnde vi att forskare har olika syn på vilka länder som anses korrelerade. Vare sig det är låg eller hög korrelation, är de flesta forskare ense om att korrelation förekommer, vilket innebär att marknader antingen rör sig i samma riktning eller motsatt riktning.
5 Hursomhelst är det generellt att marknader tenderar att röra sig i en viss riktning. En motivering till detta skulle kunna vara globaliseringen som har kommit att integrera världens marknader. Vi såg med Lehman kraschen i september 2008 att alla marknader påverkades parallellt och detta kan vara till följd av en ökad integration av världens marknader. Det är därför intressant att studera om Sveriges marknad påverkades av andra marknaderna under denna tid för att kunna förklara i vilken grad Sveriges marknad är integrerad med de övriga marknaderna.
Genom att studera sambandet mellan Sveriges aktiemarknad och övriga marknader vill vi kunna uttala oss om vilka länder som påverkade Sveriges marknad under perioden 1996-2010.
En av våra problemformuleringar är därför; i vilken grad påverkades Sveriges aktiemarknad av andra marknader under perioden 1996-2010, IT-krisen och Finanskrisen?
1.4 SAMBANDET MELLAN KRISER OCH KORRELATION
Efter att undersökt om andra internationella marknader påverkar den svenska marknaden samt om en svensk investerare får positiva effekter genom internationell diversifiering i tillväxtmarknader och utvecklade marknader, undrar vi om likartad trend fanns under IT- krisen och Finanskrisen. Andra forskare som studerat förhållandet mellan kriser och korrelationstrender, är Roll (1988) som studerade korrelationen mellan 23 marknader under börskraschen 1987. Han menar att korrelationen eskalerade mellan aktiemarknaderna under krisen. Vidare förklarar Roll att volatila tidsperioder som uppstår till följd av en kris har visat sig ha en negativ effekt på internationell diversifiering.
Baig & Goldfain (1998) visar att Thailands, Malaysias, Indonesiens, Koreas och Filipinernas korrelation ökade under Asien-krisen 1997. Dessa forskare är eniga om att aktiemarknader har en tendens att reagera mer likartat i kristider än under normala förhållanden, det vill säga att korrelationen ökar. Goetzmann, Li & Rouwenhorst (2005) menar också att korrelationen ökar mellan marknaderna när att de drabbas av en finansiell kris. Butler och Joaquin (2002) föreslår att investerare skall omplacera sitt kapital från marknader med en relativt högre korrelation i en nedåtgående marknad till marknader med lägre korrelation i en fallande marknad.
Baserat på dessa forskares studier finner vi det intressant att undersöka förhållandet mellan tillväxtmarknaderna och de utvecklade marknaderna under IT-krisen och Finanskrisen. Vi vill undersöka korrelationsmönstret och därmed uttala oss om eventuella samband eller avvikelser
6 under de båda kriserna. En av våra problemformuleringar är därför; hur såg korrelationen ut under IT-krisen och Finanskrisen?
1.5 SYFTE
Vi har tre syften som ämnar besvara våra problemfrågeställningar. Vårt första syfte är att kartlägga hur diversifieringseffekterna för investerare förändrats mellan tillväxtmarknader och utvecklade marknader mellan perioden 1996-2010.
Vårt andra syfte är att undersöka de två kriserna, IT-krisen och Finanskrisen, och om korrelationen mellan dessa två kriser har förändrats.
Vårt tredje syfte är att undersöka i vilken grad Sveriges aktiemarknad påverkades av andra marknader under perioden 1996-2010, IT-krisen och Finanskrisen.
7 2. METOD
I andra kapitlet introducerar vi vald analysmodell som består av våra två verktyg;
regressions- och korrelationsanalys. Vi presenterar i slutet av detta kapitel vårt tillvägagångssätt för insamlig av data och urval samt diskuterar validiteten i vår analysmodell.
2.1 ANALYSMODELL : REGRESSIONS- OCH KORRELATIONS ANAL YS
Med denna studie ämnar vi studera eventuella samband mellan tillväxtmarknader och utvecklade marknader. Vi vill undersöka om det har förekommit en låg eller negativ korrelation mellan tillväxtmarknader och utvecklade marknader, och om så är fallet, borde då investerarna ha kunnat erhålla en potentiell riskreducering genom en internationell diversifiering? Detta mäter vi genom korrelationskoefficienter som sammanställs i en korrelationsmatris.
Vi vill även studera om en internationell marknad påverkar den svenska marknaden, och detta mäter vi genom en regressionsanalys. De variabler vi har använt oss av är den procentuella förändringen på den svenska marknaden och den procentuella förändringen i en utländsk marknad. I samband med regressionsanalysen väljer vi att även genomföra Durbin Watsons D-test för att testa om residualerna är autokorrelerade.
Vid analys av tidsserier brukar forskare använda statistiska mätvariabler, där korrelations- och regressionsvariabler är centrala. Vi valde en femprocentig signifikansnivå i regressionsanalysen, eftersom detta anses vara mest vanligt samt att den förekom frekvent vid tidigare studier. Vi har tagit intryck av andra forskare som har studerat förhållandet mellan marknader och därför använder vi oss av dessa mått.3
Den beroende variabeln förklarar vi som procentuell förändring i det svenska generalindexet, där förändring i det svenska generalindexet definieras som värdet för månad 1 subtraherat med värdet för månad 0, dividerat med värdet för månad 0.
3 Se vidare Bai & Green (2010); Hilliard (1979); Roll (1988); Harvey (1995).
8 Den oberoende variabel förklarar vi som procentuell förändring i ett utländsk generalindex, där förändring i ett utländsk generalindex definieras som värdet för månad 1 subtraherat med värdet för månad 0, dividerat med värdet för månad 0.
De två analysmodeller har genomförts i datorprogrammet SPSS, en populär och välkänd datorapplikation som omfattar starka analytiska verktyg. Datorprogrammet SPSS anses vara tillförlitlig och används i stor utsträckning vid statistiska och ekonometriska analyser som omfattar tidsserier.
2.2 URVAL OCH DAT AINS AMLING
2.2.1 VAL AV MARKNAD
Val av datainsamling är inte konstruerad för att kunna generaliseras till alla tillväxtmarknader och utvecklade marknader, utan vi vill endast fokusera på att undersöka korrelationen mellan de tillväxtmarknader och utvecklade marknader som vi studerat. Vi har valt att undersöka fyra tillväxtmarknader och fyra utvecklade marknader. Populationen för de utvecklade länderna är baserad på Group of Eight (G8)4, där de största industrialiserade ekonomier i världen är samlade. Dessa är; Frankrike, Italien, Japan, Kanada, Ryssland, Storbritannien, Tyskland och USA. Vi vill kunna uttala oss ur en svensk investerares perspektiv om de utvecklade marknaderna, därför är det svenska generalindex valt. Urvalet för de utvecklade marknaderna gjordes genom att välja fyra marknader som är per definition stora ekonomier, eftersom dessa påverkar i större utsträckning andra marknader.
Kriterier som vi baserar vårt urval på är att ekonomierna måste ha genomgått en industrialiseringsprocess och är geografiskt spridda. De utvecklade länderna som vi valt är;
Japan, Storbritannien, Tyskland och USA.
Populationen för tillväxtmarknaderna är baserade på International Finance Corporation5. De har specificerat 24 tillväxtmarknader och dessa är samlade i Emerging Markets Data Base (EMDB). Länderna är Argentina, Brasilien, Chile, Colombia, Egypten, Filipinerna, Indien,
4 Information hämtad från www.go8.edu.au
5 IFC är medlemmar i World Bank Group med fokus på tillväxtländer. (www.ifc.org).
9 Indonesien, Israel, Kina, Korea, Malaysia, Mexiko, Marocko, Pakistan, Peru, Polen, Ryssland, Sydafrika, Taiwan, Thailand, Tjeckien, Turkiet och Ungern.
Vi har valt tillväxtmarknader som är geografiskt spridda och vi har fokuserat på att välja ett land från respektive världsdel. Vi valde följande tillväxtländer; Brasilien, Indien, Ryssland, och Sydafrika. Detta val är till stor del influerat av”BRIC-länderna”, en term för att beskriva en grupp snabbväxande länder (avser Brasilien, Ryssland, Indien och Kina). Vi ansåg att Brasilien, Ryssland och Indien är intressanta att studera men vår önskan var att få ett land som kunde representera Afrika, därför valde vi även Sydafrika.
Indien och Ryssland har på senare tid varit omdebatterade och är därför intressanta att studera.
Ryssland som blev uppmärksammad efter att deras börs eskalerade under början av 2000- taket . Brasilien tyckte vi är intressant eftersom det på senare tid har blivit populärt placeringsalternativ bland svenska fondförvaltare (Dagens Industri 20 maj 2010). Brasilien har även ökat med 266,6 % mellan perioden 2004-2009, vilket är den största ökningen av alla våra tillväxtmarknader.6
I figuren nedan presenteras de olika marknadernas generalindex som procent av världsmarknaden i mars 2010. De största marknaderna är USA, Japan och Storbritannien. De andra marknaderna är relativt små.
Figur 2: Egen bearbetning från Bloomberg (www.bloomberg.com). Marknadernas generalindex som procent av världsindex från mars 2010
6 Bespoke Investment Group. (http://bespokeinvest.typepad.com/bespoke/2008/06/percent-of-worl.html).
5%
14%
5%
2%
11%
2% 2%
5%
54%
% av världsmarknaden
Brasilien Japan Indien Ryssland Storbritannien Sverige Sydafrika Tyskland USA
10 2.2.2 VAL AV PERIOD
Valet av period är av stor betydelse för studiens utfall och resultat, där oförutsägbara förändringar och kriser i världens börsmarknader kan ändra studiens utfall på grund av extremvärden. Med detta menar vi att extremvärdena påverkar dagsdata mer än månadsdata och veckodata eftersom resultatet blir mer volatilt med kortare tidshorisont. Vi har beskrivit korrelationen under IT-krisen och Finanskrisen för de valda marknaderna men det hade varit till fördel att ha två referenspunkter, en innan och en efter krisen, som kunnat jämföras.
För utförandet av regressions- och korrelationsanalysen har vi valt att skapa tre perioder som täcker hela undersökningsperioden från 1996 till 2010. Valet av den relativt långa perioden motiveras av att historiska mönster och trender kommer att tydliggöra vårt resultat samt stärka våra slutsatser. De tre perioderna presenteras nedan.
2.2.2.1 HELA PERIODEN
Hela undersökningsperioden omfattar åren 1996 till 2010, det vill säga de 15 år som vi kommer att bygga våra regressions- och korrelationsanalyserna på. Korrelationen som Hela perioden bygger på är ett medelvärde som kriserna kan avvika från.
2.2.2.2 IT-KRISEN
IT-krisen uppmärksammades globalt när dataföretaget Intel år 1999 presenterade en förlustrapport, vilket fick teknikaktierna att drastiskt sjunka i värde. Samtidigt lanserades IT- bolaget ”Boo.com”, som senare gick i konkurs år 2000 på grund av bristande intresse från riskkapitalister och IT-krisen var ett faktum. IT-krisen definieras från mars 2000 till och med oktober 2002, då den svenska börsen rasade med hela 73 procent (Lindstedt, 2002).
2.2.2.3 FINANSKRISEN
Finanskrisen uppmärksammades i USA år 2007 i samband med de höga räntorna för Subprimelånen och de fallande huspriser. De obligationer som hade utfärdats med bolånen blev värdelösa, och banker blev tvungna att skriva ner värdet på dem världen över - finanskrisen var ett faktum (Rogoff, 2009). Enligt Rogoff, tidigare chef på internationella valutafonden IMF och ekonomiprofessor vid Harvarduniversitetet, tog finanskrisen fart när Lehman-Brothers ansökte om konkurs september 2008 och började avta i samband med
11 stabiliseringspolitiken november 2009 (Rogoff, 2009). Finanskrisen definieras från juni 2007 till och med november 2009.
2.2.3 PRIMÄR DAT AINS AMLING
I samband med datainsamlingen förde vi diskussioner kring typen av insamlad data. Studien bearbetar data som förhåller sig över en vidsträckt tidsperiod som omfattar 15 år. Typ av data som är tillgänglig är baserad på;
1) Dag 2) Vecka 3) Månad 4) År
Vi vet inte om det skulle kunna finnas en skillnad på om vi väljer att fokusera på dagsdata, månadsdata, veckodata eller årsdata, eftersom vi behandlar samma test oavsett datatyp.
Tidigare uppsatser och forskningsarbeten brukar ofta utgå från en typ av insamlad data och därefter föreslå en ändring av datatypen. Denna diskussion gjorde oss nyfikna angående hur typen av insamlad data kan påverka utfall och resultat. Vi bestämde oss för att basera den empiriska datainsamlingen på de tre första datatyperna; dag, vecka och månad. Motiveringen till detta val är att andra forskare vanligtvis använder månadsdata7.
Dagsdata och veckodata fördjupar vi oss inte i eftersom andra forskare menar att Random Walk är ett vanligt fenomen i dessa tidserier. Vi kommer därför att fokusera på månadsdata8 samt presentera veckodata och dagsdata i diskussionsform för att se om Random walk förekommer. Vi hoppas kunna presentera ett utfall av det empiriska resultatet samt uttala oss om metoden, och därmed presentera intressanta synpunkter om typen av insamlad data och om det finns skillnader i utfallen.
2.2.4 SEKUNDÄR DAT AINS AMLING
Vi har samlat in generalindex för Sverige (OMXSPI index), Japan (NIKKEI index), Storbritannien (FTSE index), Tyskland (DAX index), USA (DOW JONES index), Brasilien (IBX Price index), Indien (BSE index), Ryssland (RTS index) och Sydafrika (DJSA index)
7 Se vidare diskussion Taylor och Tonks (1989); Berben & Jansen, (2005)
8 Se vidare Dufour & Roy (1985); Cochrane (1987); Shiller & Perron (1985)
12 under en period om 15 år. Data gällande generalindex över de 15 åren har hämtats från programvaran Datastream, vilket är frekvent använt inom den finansiella forskarvärlden.9 Insamlad data och diagram för korrelation samt regressionsanalys hanterades i datorprogrammet Excel och för utförandet av regressions- och korrelationsanalysen använde vi oss av det statistiska datorprogrammet SPSS. Vi valde dessa datorprogram för att de är lättillgängliga och finns på universitet. De är också väldigt populära samt används ofta som bas för denna typ av undersökning.
Teoretiskt material har hämtats från Göteborg Universitetsbibliotek, Kurs- och tidningsbiblioteket samt den elektroniska litteraturdatabasen Gunda. Vetenskapliga artiklar har hämtats från Göteborgs universitetsartikeldatabas Business Source Premier. De vetenskapliga artiklar som vi använt i studien är hämtade från kända och tillförlitliga journaler vid skolans elektroniska databas, vilket också kan öka tillförlitligheten i vår studie.
2.2.5 VALIDITET
För att öka validiteten har vi genomfört ett antal kontroller på olika nivåer på den insamlade datan under arbetets gång. Vi har tidigare i studien nämnt att diskussioner hade förts kring typen av insamlad data, och vad som anses vara passande enligt tidigare uppsatser och forsningsmetoder. Vi visste inte om det skulle finnas en skillnad vid val av dagsdata, veckodata eller månadsdata för vi behandlar samma test oavsett datatyp. Datainsamlingen är självklar en kritisk faktor för utfall och resultat där validitet kommer att ifrågasättas. Efter att ha utfört samtliga regressions- och korrelationsanalyser fann vi mest signifikans för månadsdata.
Uppsatsens resultat hade troligtvis förändras om vi använt oss av dagsdata eller veckodata, eftersom dessa tenderar att bli mer volatila. Vi fann det intressant att analysera de tre nämnda datatyperna för att kunna uttala oss om metoden och uppsatsens resultat.
Vårt resultat visar att dessa data inte visar på någon trend och eftersom det föreligger stor risk för Random Walk valde vi bort dessa tidshorisonter och bara fokuserade på månadsdata. Vi kan utifrån vår undersökning uttala oss och rekommendera andra forskare att välja månadsdata för framtida forskning, eftersom denna typ av data ger ett mer stabilt mönster.
9 Datastream är en välkänd finansiell databas som drivs av Thomson Reuters och har används i ett flertal studier
13 Vi har använt oss av följande sökord under arbetet av studien; internationell diversifiering, aktiemarknad, finansiella marknader, tillväxtmarknader, utvecklade marknader, korrelation, regression, riskreducering, korrelationsmönster, kriser, IT-kris, international diversification, stock market, financial markets, emerging markets, developed markets, correlation pattern, developed countries, regression, risk reducing, IT-crisis, financial crisis.
14 3. EMPIRI
I detta kapitel presenteras utfallet av analysmodellen som omfattar korrelations- och regressionsanalysen. Detta kommer att illustreras med figurer, tabeller och tillhörande analys. Figurerna bygger på tabeller som presenteras i appendix. Avsikten med detta kapitel är att beskriva sambandet mellan tillväxtmarknader och utvecklade marknader.
3.1 UTFALL AV KORREL ATIONSANALYS
3.1.1 HELA PERIODEN
Resultatet för hela perioden (1996-2010) redovisas i tabellen nedan och är baserade på månadsdata. De flesta utvecklade marknaderna följde en specifik trend, där USA, Japan, Tyskland och Storbritannien var lågt eller negativt korrelerade med Indien och Sydafrika. Den marknaden som hade lägst korrelation med Indien var Storbritannien (-0,076) och USA (-0,06). Sydafrika hade även en låg korrelation med USA. Alla marknaderna tenderade att korrelera i samma trend med Brasilien, där samtliga börser låg runt (0,5). Vidare konstaterar vi att alla marknaderna var högt korrelerade med Ryssland.
Tabell 1:
Korrelationsmatris månadsdata för perioden 1996-2010 Korrelationsmatris månadsdata för period 1996-2010
Usa Japan Tyskland Storbritannien Ryssland Indien Brasilien Sydafrika
Usa 1 0,491 0,633 0,677 0,423 -0,06 0,498 0,009
Japan 0,491 1 0,628 0,619 0,373 0,014 0,464 0,141
Tyskland 0,633 0,628 1 0,831 0,455 0,007 0,475 0,072
Storbritannien 0,677 0,619 0,831 1 0,447 -0,076 0,486 0,26
Ryssland 0,423 0,373 0,455 0,447 1 0,114 0,503 0,267
Indien -0,06 0,014 0,007 -0,076 0,114 1 0,054 0,505
Brasilien 0,498 0,464 0,475 0,486 0,503 0,054 1 0,132
Sydafrika 0,009 0,141 0,072 0,26 0,267 0,505 0,132 1
Enligt veckodatan som presenteras i appendix (tabell 31) stabiliseras korrelationen mellan marknaderna. Resultatet för insamlad dagsdata redovisas i appendix (tabell 32) och visar att det blir mer volatilt med en kortare tidshorisont. Det går att urskilja en klar trend enligt månadsdatan, men den trenden blir mer otydlig desto kortare tidshorisonten blir.
15 3.1.2 ANALYS PER TILLVÄXTMARKNAD FÖR HELA PERIODEN
Figuren nedan visar att Ryssland, enligt månadsdata, hade en hög korrelation med de utvecklade marknaderna och låg korrelation med Indien, Brasilien och Sydafrika.
Figur 3: Korrelation för Ryssland i förhållande till de andra marknaderna under perioden 1996-2010
Figur 4: Korrelation för Indien i förhållande till de andra marknaderna under perioden 1996-2010
Figuren ovanför visar att Indien hade en låg eller negativ korrelation med USA, Japan, Tyskland, Storbritannien och Brasilien. Indien hade en förhållandevis hög korrelation med Sydafrika (0,505), enligt månadsdata.
0 0,2 0,4 0,6 0,8 1 1,2
Ryssland
-0,2 0 0,2 0,4 0,6 0,8 1 1,2
Indien
16
Figur 5: Korrelation för Brasilien i förhållande till de andra marknaderna under perioden 1996-2010
Figuren ovanför visar att Brasilien hade en korrelation runt (0,5) med USA, Japan, Tyskland, Storbritannien och Ryssland. Vidare konstaterar vi att Brasilien var lågt korrelerad med Indien och Sydafrika.
Figur 6: Korrelation för Sydafrika i förhållande till de andra marknaderna under perioden 1996-2010
Under Hela perioden visade Sydafrika på en låg korrelation med USA, Japan, Tyskland, Storbritannien och Brasilien. Vidare visar resultatet att Sydafrika hade en marginellt högre korrelation med Indien (0,505).
0 0,2 0,4 0,6 0,8 1 1,2
Brasilien
0 0,2 0,4 0,6 0,8 1 1,2
Sydafrika
17 3.1.3 IT -KRISEN
Under IT-krisen, enligt månadsdata, ökade korrelationen mellan tillväxtmarknaderna och de utvecklade marknaderna. Korrelationen mellan Indien, Brasilien och Sydafrika och de utvecklade marknaderna eskalerade under kristiden. USA och Storbritannien korrelerade lägst med Indien, (-0,26) respektive (-0,271). Vidare visar figuren nedan att USA och Tyskland korrelerade lågt med Sydafrika, (-0,117) respektive (-0,044).
Ett annat intressant resultat är att USA har lägst korrelation med samtliga tillväxtmarknader och Tyskland har högst korrelation.
Figur 7: Korrelationsmönstret för tillväxtmarknader i förhållande till de utvecklade marknaderna under IT- krisen
Veckodatan (se appendix tabell 33) visar att korrelationen avtar, men det går inte att urskilja ett trendmönster. Resultatet för insamlad dagsdata för IT-krisen redovisas i appendix (tabell 34) och visar att datan blir mer volatil med en kortare tidshorisont.
-0,4 -0,3 -0,2 -0,1 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
Ryssland Indien Brasilien Sydafrika
Usa Japan Tyskland Storbritannien
18 3.1.4 FINANSKRISEN
Resultatet för korrelationsanalysen under Finanskrisen visar enligt månadsdata att det finns en tydlig trend, där de utvecklade marknaderna var lågt korrelerade med Indien och Sydafrika, och relativt högt korrelerade med Brasilien och Ryssland. Korrelationsmönstret i figuren nedan är förhållandevis linjär, där alla marknader tenderar att röra sig i ett visst mönster, vilket innebär att en diversifiering hade varit möjlig under Finanskrisen.
Figur 8: Korrelationsmönstret för tillväxtmarknader i förhållande till de utvecklade marknaderna under Finanskrisen
Det går att urskilja ett mönster under veckodatan, där korrelationen mellan tillväxtmarknaderna och de utvecklade marknaderna stabiliserar sig och intervallet låg runt (0,3 till 0,56). (Se appendix tabell 35).
-0,2 -0,1 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Ryssland Indien Brasilien Sydafrika
Usa Japan Tyskland Storbritannien
19 3.2 UTFALL AV ENKEL LINJÄR REGRESSION
Alla regressioner är utförda med en fem procentig signifikansnivå och för samtliga regressioner (enkla och multipla) har vi använt Sveriges marknad som beroende variabel (y) och övriga marknader som förklarande eller oberoende variabler (x).
3.2.1 HELA PERIODEN
Nedan presenteras resultatet från regressionsanalysen för hela perioden.
Tabell 2:
Utfall av enkel linjär regression under 1996-2010. Sammanställning av figur 1-3 i appendix
Tabellen ovan visar utfallen från analysen baserade på typ av data med dess förklaringsgrad (R2). (Se appendix; Ekonometrisk teori). Förklaringsgraden för Tyskland och Storbritannien är högst bland samliga marknader och indikerar att dessa två marknader förklarar 21,5 respektive 13,6 procent av förändringen i Sveriges marknad. Vidare finner vi ingen autokorrelation under denna period (se appendix tabell 10-12), då samtliga värden för Durbin Watson d-test ligger nära 2 (se appendix; Ekonometrisk teori).
Börs Dag R² Vecka R² Månad R²
Tyskland 0,03 0,095 0,042 0,168 0,019 0,215
Storbritannien 0,009 0,103 0,026 0,098 0,001 0,136
Japan 0,001 0,009 0,006 0,03 0 0,082
USA 0,004 0,022 0,027 0,089 0,003 0,057
Brasilien 0,004 0,018 0,052 0,051 0,013 0,075
Indien 0,002 0,004 0,013 0,023 0,001 0,003
Ryssland 0,003 0,015 0,024 0,032 0,001 0,006
Sydafrika 0,002 0,017 0,015 0,074 0,005 0,008
20 3.2.2 IT -KRISEN
Nedan presenteras resultatet från regressionsanalysen för IT-krisen.
Tabell 3:
Utfall av enkel linjär regression under IT-krisen. Sammanställning av figur 4-6 i appendix
Tabellen ovanför visar utfallen från analysen baserade på typ av data med dess förklaringsgrad. Förklaringsgraden (R²) för Japan är högst bland samtliga börser och detta indikerar att denna marknad, utav samtliga som är baserat på månadsdata, förklarar 13,8 procent av förändringen på Sveriges marknad under IT-krisen. För perioden som omfattar IT- krisen och som är baserat på månadsdata är det endast Japan och Storbritannien som visar signifikant resultat, vilket innebär att en förändring i dessa två marknader påverkar Sveriges marknad. Vidare förekommer det inte någon autokorrelation (appendix tabell 10-12).
Börs Dag R² Vecka R² Månad R²
Tyskland 0,537 0,083 0,972 0,161 0,067 0,079
Storbritannien 0,359 0,072 0,947 0,109 0,022 0,037
Japan 0,349 0,002 0,976 0,065 0,021 0,138
USA 0,402 0,048 0,972 0,089 0,609 0,024
Brasilien 0,325 0,01 0,666 0,035 0,078 0,07
Indien 0,321 0,001 0,772 0,053 0,214 0,019
Ryssland 0,2 0,025 0,44 0,032 0,925 0,033
Sydafrika 0,249 0,023 0,672 0,031 0,619 0,025
21 3.2.3 FINANSKRISEN
Nedan presenteras resultatet från regressionsanalysen för finanskrisen.
Tabell 4:
Utfall av enkel linjär regression under Finanskrisen. Sammanställning av figur 7-9 i appendix
Tabellen ovanför visar utfallen från analysen baserade på typ av data med dess förklaringsgrad. Förklaringsgraden (R²) för Storbritannien är högst bland samtliga marknader och indikerar att denna marknad, utav samtliga som är baserat på månadsdata, förklarar 32 procent av förändringen i Sverige under Finanskrisen.
Detta resultat skapar ett antal argument om integrationen mellan Sveriges marknad och Storbritanniens marknad under Finanskrisen. Vad som är värt att nämna är den trend som uppstår mellan Storbritannien och Sverige under Finanskrisen och IT-krisen, då Storbritannien är den enda marknaden, bortsett från Japan under IT-krisen, som har störst påverkan på Sveriges marknad utav alla marknader.
Börs Dag R² Vecka R² Månad R²
Tyskland 0,186 0,152 0,311 0,224 0,204 0,055
Storbritannien 0,294 0,128 0,34 0,203 0,046 0,32
Japan 0,263 0,031 0,232 0,126 0,188 0,004
USA 0,269 0,025 0,335 0,135 0,283 0,015
Brasilien 0,142 0,028 0,379 0,135 0,197 0,136
Indien 0,157 0,034 0,455 0,135 0,238 0,017
Ryssland 0,263 0,058 0,487 0,055 0,288 0,022
Sydafrika 0,332 0,061 0,245 0,053 0,286 0,006
22 3.3 UTFALL AV MULTIPEL REGRESSION; ALLA MARKNADER
3.3.1 HELA PERIODEN
Utfallet ur den multipla regressionsanalysen för hela perioden visade enligt månadsdata signifikans för två marknader; Tyskland och Storbritannien (se appendix; tabell 13). Detta innebär att en förändring i någon av dessa två marknader påverkar Sveriges marknad. Övriga marknader visade ingen signifikans till skillnad från tidigare test som utfördes vid den enkla regressionen då samtliga marknader visade signifikans.
Det tydliga sambandet är att Tyskland och Storbritannien tillsammans visade störst förklaringsgrad (R²) vid den enkla regressionsanalysen och för samma period (månadsdata). I samband med den multipla analysen är det endast Tyskland och Storbritannien som visade statistisk signifikans, vilket riktar argument mot att Storbritannien har en specifik påverkan på Sveriges marknad.
3.3.2 IT -KRISEN
Resultatet ur den multipla regressionsanalysen för IT-krisen visade enligt veckodata signifikans för Japan (se appendix; tabell 15). Övriga marknader visade ingen signifikans, vilket gör förklaringsgraden till ett mått som inte fullständigt förklarar sambandet.
3.3.3 FINANSKRISEN
Resultatet ur den multipla regressionsanalysen för Finanskrisen visade enligt månadsdata signifikans för Storbritannien (se appendix; tabell 17). Detta förtydligar sambandet som finns mellan Storbritannien och Sveriges marknad, då ytterligare en regression har visat signifikans för att en förändring på Storbritanniens marknad påverkar Sveriges marknad.
3.4 UTFALL AV MULTIPEL REGRESSION; TILLVÄXTMARKNADER
3.4.1 HELA PERIODEN
Resultatet ur regressionsanalysen gällande tillväxtmarknader för hela perioden visade enligt månadsdata signifikans för Ryssland (se appendix; tabell 19). Övriga marknader visade ingen signifikans. Förklaringsgraden är inte stark nog för en specifik slutsats och det råder ingen autokorrelation (se appendix; tabell 20).
23 3.4.2 IT -KRISEN
Resultatet ur regressionsanalysen gällande tillväxtmarknader för IT-krisen visade enligt veckodata signifikans för Indien och Brasilien (se appendix; tabell 21). Förklaringsgraden är inte övertygande nog för en slutsats och vidare råder det ingen autokorrelation (se appendix;
tabell 22).
3.4.3 FINANSKRISEN
Resultatet ur regressionsanalysen gällande tillväxtmarknader för Finanskrisen visade enligt månadsdata signifikans för Brasilien (se appendix; tabell 23). Det råder ingen autokorrelation och förklaringsgraden är inte stark nog för en slutsats (se appendix; tabell 24).
3.5 UTFALL AV MULTIPEL REGRESSION; UTVECKLADE MARKNADER
3.5.1 HELA PERIODEN
Resultatet ur den multipla regressionsanalysen för hela perioden, visade enligt månadsdata signifikans för två marknader; Japan och Storbritannien (se appendix; tabell 25). Detta innebär att en förändring i någon av dessa två marknader påverkar Sveriges marknad. Vidare konstaterar vi att förklaringsgraden (R²) är 70 procent, vilket är betydligt högre än den förra regressionen som endast omfattade tillväxtmarknader. Det råder ingen autokorrelation. (se appendix; tabell 26).
3.5.2 IT -KRISEN
Resultatet ur regressionsanalysen gällande de utvecklade marknaderna för IT-krisen visade enligt dagsdata signifikans för Japan (se appendix; tabell 27). Förklaringsgraden är 58 procent och vidare råder det ingen autokorrelation (se appendix; tabell 28).
3.5.3 FINANSKRISEN
Resultatet gällande Finanskrisen visade signifikans för Storbritannien (se appendix, tabell 29).
Förklaringsgraden visar på ett värde som överstiger 80 procent vilket i sig är väldigt högt, och detta innebär att Storbritanniens marknad förklarar cirka 80 procent av förändringen i Sveriges marknad (se appendix tabell 30). Vidare ser vi ingen signifikans på vare sig positiv eller negativ autokorrelation (se appendix, tabell 30).
24 4. DISKUSSION AV RESULTAT
I detta kapitel diskuterar vi resultatet av utfallet. Tidigare forskning och presenterade teorier används för att säkerhetskälla resultatets giltighet och för att skapa en diskussion.
Avslutningsvis presenteras en diskussion angående validiteten i studien.
4.1 RESULTAT AV KORRELATIONS ANALYS
4.1.1 HELA PERIODEN
Korrelation för alla länder presenteras i diagrammet nedan enligt månadsdata och för Hela perioden (1996-2010). Ryssland och Brasilien korrelerade högt med de utvecklade länderna.
Indien och Sydafrika korrelerade lågt eller negativt med de utvecklade länderna. Solnik (1974) menar att genom internationell diversifiering av tillgångar i olika länder kan en investerare erhålla en högre förväntad avkastning, beroende på hur korrelation förhåller sig mellan tillgångarna och länderna. Figuren nedan visar att Indien och Sydafrika är lågt eller negativt korrelerade med de utvecklade länderna, vilket möjliggör internationell diversifiering.
Figur 9: Korrelationsmönster för tillväxtmarknader i förhållande till de utvecklade marknaderna under 1996- 2010
Det optimala hade varit för en investerare att placerat kapital i de utvecklade länderna och Indien, eftersom Indien är lågt eller negativt korrelerad med de utvecklade marknaderna.
-0,2 -0,1 0 0,1 0,2 0,3 0,4 0,5 0,6
Hela perioden RYSSLAND
Hela perioden INDIEN
Hela perioden BRASILIEN Hela perioden SYDAFRIKA
25 Om USA:s marknad går upp, då går Indiens marknad ner och då har investeraren minimerat risken. Eftersom både Indien och Sydafrika korrelerade lågt med USA och Tyskland, enligt figuren ovanför, då borde ytterligare diversifieringseffekter kunnat erhållas. Ett optimalt scenario, menar Solnik (1974), är om en marknad (till exempel Indien) hade varit fullständigt imperfekt korrelerad (-1) med andra marknader (de utvecklade länderna), då hade internationell diversifiering maximerats.
Bai & Greens (2010) studie visar fördelarna med internationell diversifiering på tillväxtmarknader, där de framhäver att en diversifiering i tillväxtmarknader innebär en lägre riskexponering i en investerares portfölj. Detta fenomen förklaras genom att korrelationen är låg mellan utvecklade marknader och tillväxtmarknader. Genom detta erbjuder tillväxtmarknaderna en högre förväntad avkastning, men även den förväntade risken är högre.
Enligt vårt resultat kan detta fenomen stämma, då en investerare skulle haft en potentiell riskreduceringseffekt om en placering skett internationellt på flera lågt korrelerade marknader.
Eftersom det är en låg eller negativ korrelation mellan Indiens marknad och de utvecklade marknaderna kunde en potentiell riskreducering varit möjlig under 1996-2010. När de utvecklade marknaderna går upp, då går Indiens marknad ner på grund av låg eller negativ korrelation. Vi finner även att Sydafrika har en låg korrelation med USA och Tyskland, vilket skulle inneburit ytterligare en riskreduceringseffekt. Genom att diversifiera på dessa marknader får investeraren en riskreduceringspotential. Vi kommer fram till att en investerare hade fått en högre förväntad avkastning om placering av kapital skett i de utvecklade länder och Indien.
4.1.2 IT -KRISEN
Figuren nedan presenterar IT-krisen enligt månadsdata, och vi konstaterar att en riskreducering kunde ha varit möjlig under denna period. Alla utvecklade länder är lågt eller negativt korrelerad med Indien och lågt korrelerade med Sydafrika. Detta skulle ha inneburit att den bästa riskreduceringseffekten som kunnat uppnås hade varit om investeraren valt att ha exponering mot Indien och de utvecklade marknaderna.
26
Figur 10: Korrelationsmönster för tillväxtmarknader i förhållande till de utvecklade marknaderna under IT- krisen
4.1.3 FINANSKRISEN
Figuren nedan presenterar Finanskrisen enligt månadsdata. Det framgår att Indien och Sydafrika var lågt eller negativt korrelerad med de utvecklade länderna. En hög diversifieringseffekt hade uppnåtts under Finanskrisen om investeringar placerats i de utvecklade länderna, Indien och Sydafrika.
Figur 11: Korrelationsmönster för tillväxtmarknader i förhållande till de utvecklade marknaderna under Finanskrisen
-0,2 -0,1 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
IT-kris RYSSLAND IT-kris INDIEN IT-kris BRASILIEN IT-kris SYDAFRIKA
-0,4 -0,3 -0,2 -0,1 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
Finanskris RYSSLAND Finanskris INDIEN Finanskris BRASILIEN Finanskris SYDAFRIKA
27 4.2 SAMBANDET MELLAN KRISER OCH KORRELATION
Figuren nedan visar månadsdata för Hela perioden, IT-krisen och Finanskrisen och presenterar normalfall samt avvikelser från normalfallet. Vi definierar normalfallet som Hela perioden och avvikelserna som IT-krisen och Finanskrisen. Uträkningen är medelvärdesberäknad per tillväxtmarknad i förhållande till de utvecklade marknadernas korrelation. (Se tabell 39-42 för vidare information).
Figur 12: Medelvärdesberäknad korrelationsmönster för tillväxtmarknader i förhållande till de utvecklade marknaderna under 1996-2010, IT-krisen och Finanskrisen
Resultatet indikerar att Brasiliens och Rysslands genomsnittliga korrelationer med de utvecklade länderna var runt (0,42) respektive (0,48) under Hela perioden för att senare chockhöjdas under IT-krisen till nivåer runt (0,7). Sydafrikas och Indiens korrelation steg även marginellt under samma period. Under IT-krisen ökade korrelationerna för samtliga tillväxtmarknader och utvecklade marknader.
Under Finanskrisen stabiliserades Brasiliens korrelation och Rysslands sjönk under normalfallet, vilket indikerar en minskad korrelation för Ryssland under Finanskrisen.
Sydafrikas och Indiens korrelation avtar under samma period, vilket resulterar i en minskad korrelation under Finanskrisen för samtliga tillväxtmarknader och utvecklade marknader.
Vårt resultat indikerar på att korrelationen ökade under IT-krisen för samtliga tillväxtmarknader och utvecklade marknader men avtog under Finanskrisen. Andra forskare som funnit ökad korrelation under kriser är Roll (1988) och Baig & Goldfain (1998).
-0,2 -0,1 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8
Hela perioden IT-Krisen Finanskrisen
Ryssland/utvecklade länder
Indien/utvecklade länder
Brasilien/utvecklade länder
Sydafrika/utvecklade länder
