Kalenderanomalier på den svenska aktiemarknaden:
En portföljstudie baserad på Stockholmsbörsens tio branschindex.
Författare: Sebastian Brindelid Nicklas Grünhagen Handledare: Rickard Olsson
Student
Handelshögskolan Vårterminen 2013 Examensarbete, 30 hp
Sverige klassificerades år 2004 som det aktietätaste landet i världen, då hela 77 procent av befolkningen var exponerad mot aktiemarknaden i någon form. År 2012 uppgick innehaven på svenska börsen till 3 715 miljarder kronor. Utvecklingen på aktiemarknaden är därför något som berör merparten av Sveriges befolkning.
Investerare har sedan börsens introduktion försökt förutse marknadens utveckling för att finna de vinnande aktierna. Detta har utmynnat i flera olika sätt att analysera marknaden, exempelvis genom teknisk och fundamental analys. En tredje omtalad metod är kalenderanomalier, vilket baseras på kända mönster som tenderar att inträffa under vissa perioder på handelsåret. Detta sätt att prediktera börsens utveckling har väckt författarnas intresse och ligger till grund för studiens genomförande.
Studien har undersökt fem av de mest kända kalenderanomalierna; Januarieffekten, Januaribarometern, Turn-of-the-month, Sell-in-May och Holiday Effect. Syftet har varit att utvärdera om dessa anomalier existerar på Stockholmsbörsens tio officiella branschindex, samt om investerare kan utnyttja dem för att uppnå högre riskjusterad avkastning än respektive index. För att utvärdera anomaliernas existens samt investerares möjlighet till överavkastning har författarna skapat 55 syntetiska portföljer. Detta motsvarar en portfölj för varje anomali och bransch, samt för OMXSB. Undersökningsperioden som portföljerna varit aktiva på sträcker sig från 2000-01-03 till 2012-12-31. När portföljerna inte varit aktiva på marknaden har dessa investerats i SSVX 3 mån, vilket har använts som riskfri ränta i studien.
Med ett deduktivt angreppssätt och en positivistisk kunskapssyn har författarna genomfört en kvantitativ undersökning på Stockholmsbörsens officiella branschindex.
Studiens teoretiska referensram baseras på tre välkända teorier, varav två motsätter sig anomaliers existens medan den tredje bekräftar. De teorier som talar mot kalenderanomaliers existens är Random Walk och Effektiva Marknadshypotesen medan Behavioral Finance är den teori som ställer sig positiv till anomalierna. För att säkerställa studiens statistiska resultat har en regressionsanalys samt ett t-test används.
Dessutom har Jensens Alfa legat till grund för att beräkna portföljernas riskjusterade avkastning.
Studiens resultat bekräftar att kalenderanomalier existerar på flera av Stockholmsbörsens branschindex samt OMXSB. Starkaste anomalierna är Turn-of- the-month och Sell-in-May som återfinns på flera av branscherna medan resterande kalenderanomalier endast uppvisat svaga resultat. Intressantast ur en investerares perspektiv är givetvis om resultatet går att använda för att uppnå överavkastning.
Totalt är det 16 portföljer som kan användas av investerare för att uppnå högre riskjusterad avkastning än respektive index. Resultatet indikerar därför att den svenska marknaden inte är helt effektiv men att kalenderanomalier inte alltid går att utnyttja.
1. INLEDNING: ... 1
1.1 Problembakgrund: ... 1
1.2 Problemdiskussion: ... 3
1.3 Problemformulering: ... 5
1.4 Syfte: ... 5
1.5 Teoretiskt och praktiskt bidrag: ... 5
1.6 Avgränsningar: ... 5
1.7. Motivering till valda anomalier: ... 7
2. TEORETISK METOD: ... 8
2.1 Förförståelse: ... 8
2.1.1 Teoretisk förförståelse: ... 8
2.1.2 Praktisk förförståelse: ... 8
2.2 Vetenskapligt synsätt och perspektiv: ... 9
2.3 Kunskapssyn: ... 9
2.4 Angreppssätt: ... 10
2.5 Metodval: ... 10
2.6 Etik och Moral: ... 11
2.7 Litteratursökning: ... 11
2.8 Källkritik -‐ Teoretisk Metod: ... 12
3. TEORETISK REFERENSRAM: ... 14
3.1 Effektiva marknadshypotesen: ... 14
3.1.1 Svag form av marknadseffektivitet: ... 16
3.1.2 Semistark form av marknadseffektivitet: ... 16
3.1.3 Stark form av marknadseffektivitet: ... 17
3.2 Random Walk: ... 17
3.2.1 Rationella investerare: ... 18
3.3 Behavioral Finance: ... 19
3.3.1 Flockbeteende: ... 19
3.3.2 Social acceptans: ... 21
3.3.3 Investerares psykologiska förhållningssätt till risk: ... 21
3.3.4 Prospect Theory: ... 22
3.4 Kalenderanomalier: ... 23
3.4.1 Januarieffekten: ... 23
3.4.2 Januaribarometern: ... 23
3.4.3 Turn-‐of-‐the-‐month: ... 24
3.4.4 Holiday effect: ... 24
3.4.5 Sell-‐in-‐May: ... 24
3.5 Sammanfattande teoretisk referensram: ... 25
3.5.1 Effektiva Marknadshypotesen: ... 25
3.5.2 Random Walk: ... 25
3.5.3 Behavioral Finance: ... 25
3.5.4 Kalenderanomalier: ... 26
4. TIDIGARE EMPIRISK FORSKNING: ... 27
4.1 Tabell av tidigare forskning: ... 27
4.2 Genomgång av tidigare studier: ... 28
5. PRAKTISK METOD: ... 33
5.1 Tillvägagångssätt: ... 33
5.1.1 Undersökningsobjekt: ... 34
5.1.2 Val av riskfri ränta och generalindex: ... 35
5.1.3 Undersökningsvariabler: ... 35
5.1.4 Tidsintervall: ... 35
5.2 Portföljallokering: ... 37
5.2.1 Portfölj -‐ Januarieffekten: ... 38
5.2.2 Portfölj -‐ Januaribarometern: ... 38
5.2.3 Portfölj -‐ Turn-‐of-‐the-‐month: ... 39
5.2.4 Portfölj -‐ Holiday Effect: ... 39
5.2.5 Portfölj -‐ Sell-‐in-‐May: ... 39
5.3 Beräkningar av avkastning och risk: ... 39
5.3.1 Ränta på ränta: ... 40
5.3.2 Förväntad Avkastning: ... 40
5.3.3 Faktisk avkastning: ... 41
5.3.4 Abnormal avkastning: ... 41
5.3.5 Jensens Alfa: ... 41
5.4 Studiens signifikans & statistiska modeller: ... 42
5.4.1 Hypoteser: ... 43
5.4.2 T-‐test & p-‐värde: ... 43
5.4.3 Regressionsanalys ... 45
5.5 Datainsamling: ... 46
5.5.1 Insamling och bearbetning: ... 46
5.5.2 Bortfall: ... 46
5.6 Källkritik -‐ Praktisk Metod: ... 47
5.6.1 Data ... 47
5.6.2 Courtage ... 47
5.6.3 Skatt ... 48
5.6.4 Riskfri ränta ... 48
5.6.5 Stängningskurser ... 48
5.6.6 Mätperiod ... 48
6. RESULTAT & ANALYS: ... 49
6.6 Resultatets signifikans: ... 49
6.6.1 Anomaliernas signifikansnivå: ... 49
6.6.2 Portföljernas risk: ... 51
6.6.3 Korrelation och förklaringsgrad: ... 51
6.2 Januarieffekten: ... 51
6.2.1 Anomali-‐ och portföljutvärdering: ... 53
6.2.2 Analys -‐ Januarieffekten: ... 54
6.3 Januaribarometern: ... 55
6.3.1 Anomali-‐ och portföljutvärdering: ... 55
6.3.2 Analys -‐ Januaribarometern: ... 57
6.4 Turn-‐of-‐the-‐month: ... 58
6.4.1 Anomali-‐ och portföljutvärdering: ... 58
6.4.2 Analys -‐ Turn-‐of-‐the-‐month: ... 60
6.5 Holiday Effect: ... 61
6.5.1 Anomali-‐ och portföljutvärdering: ... 61
6.5.2 Analys -‐ Holiday Effect: ... 63
6.6 Sell-‐in-‐May: ... 64
6.6.1 Anomali-‐ och portföljutvärdering: ... 64
6.6.2 Analys – Sell-‐in-‐May: ... 65
6.7 Sammanfattande Analys & Diskussion: ... 66
7. SLUTSATSER: ... 68
7.1 Anomaliernas existens på aktiemarknaden: ... 68
7.1.1 Investerares avkastningsmöjligheter: ... 69
7.1.2 Teoretiskt och praktiskt bidrag: ... 69
7.2 Framtida forskning: ... 70
8. SANNINGSKRITERIER: ... 71
8.1 Reliabilitet: ... 71
8.2 Replikation: ... 72
8.3 Validitet: ... 72
9. REFERENSER: ... 74
APPENDIX: Appendix 1: Appendix 2: Appendix 3: Appendix 4: Appendix 5: Appendix 6: Appendix 7: Appendix 8: FIGURFÖRTECKNING: Figur 1: Val av anomalier. ... 7
Figur 2: Deduktiva processen. (Bryman, 2011, .s 26) ... 10
Figur 3: Illustrering av effektiv marknad (Keown & Pinkerton, 1981, s. 861) ... 15
Figur 4: Nyheters kurspåverkan (Busse & Green, 2002, s. 422) ... 16
Figur 5: Beräkning av dagspris ... 18
Figur 6: Investerares flockbeteenden (Prechter, 2001, s. 122) ... 20
Figur 7: Investerares verderingsfunktion (Kahneman &Tversky, 1979, s.279) 22 Figur 8: Undersektorer av branschindelning. ... 34
Figur 9: Beräkning av avkastning medräknat utdelningar. ... 34
Figur 10: Signifikanta händelser på aktiemarknaden, 2000-‐2013. ... 36
Figur 11: Handlingsmönster för kalenderanomalier. ... 38
Figur 12: Genomsnittlig avkastning. ... 40
Figur 13: Ränta på ränta. ... 40
Figur 14: Faktisk avkastning 1. ... 41
Figur 15: Faktisk avkastning 2. ... 41
Figur 16: Abnormal avkastning. ... 41
Figur 17: Beräkning av Jensens Alfa. ... 42
Figur 18: Beräkning av Beta. ... 42
Figur 19: Årsavkastning 1 & 2. ... 42
Figur 20: Standardavvikelse ... 44
Figur 21: Normalfördelningskurva (Studemnund, 2001, s. 120) ... 44
Figur 22: P-‐värden (Anderson et al., 2007, s. 300) ... 45
Figur 23: Linjär regression ... 45
Figur 24: Januari relativt resterande år. ... 53
Figur 25: Binomalträd för Januaribarometern. ... 56
Figur 27: Avkastning för anomalin Holiday effect. ... 62
Figur 28: Avkastning för anomalin Sell-‐in-‐May. ... 64
TABELLFÖRTECKNING: Tabell 1: Genomgång av tidigare studier. ... 28
Tabell 2: Exemplifiering av syntetisk portfölj. ... 37
Tabell 3: Statistiska mått ... 50
Tabell 4: Förklaring av tabellen statistiska mått. ... 50
Tabell 5: Månadsavkastning. ... 52
Tabell 6: Januarieffekten -‐ Portfölj vs Index. ... 53
Tabell 7: Januaribarometern -‐ Portfölj vs Index. ... 57
Tabell 8: Turn-‐of-‐the-‐month -‐ Portfölj vs Index. ... 59
Tabell 9: Holiday Effect -‐ Portfölj vs Index. ... 62
Tabell 10: Sell-‐in-‐May -‐ Portfölj vs Index. ... 65
1. INLEDNING:
Aktiehandel är populärt för många svenskar och information om bolag och börskurser når ut till svenska befolkningen via en mängd olika medier dagligen. Det finns ett stort antal analytiker som följer de noterade företagen. Dessa analyserar företagen för att kunna ge köp- eller säljrekommendationer så att investerarna på marknaden ska kunna uppnå bästa möjliga avkastning. Ett omdiskuterat alternativ till den tekniska och fundamentala analysen, som investerare i regel använder sig av, är anomalier. I detta kapitel kommer vi förklara lite närmare kring området kalenderanomalier samt ge en bakgrundsförklaring till detta fenomen. Kapitlet har för avsikt att ge läsaren en grundläggande förståelse över ämnet och en förklaring av ämnesvalet. Studiens syfte samt problemformulering kommer att redovisas och begreppet anomali kommer förklaras, detta för att ge läsaren de förkunskaper som krävs för att följa studiens utveckling. Om läsaren finner det svårt att förstå komplicerade ord och förkortningar under studiens gång presenteras begreppsförklaringar i Appendix 1.
1.1 Problembakgrund:
Aktiemarknaden är något som påverkar många svenskar, vilket kan bekräftas i det stora antal privatpersoner som har ett direkt ägande i något noterat företag. I juni 2012 klassificerades nästan 1,5 miljoner svenskar som direkta aktieägare, vilket motsvarar cirka 15,3 procent av den totala svenska befolkningen. Den samlade förmögenheten av innehaven uppgick i juni 2012 till hela 3 715 miljarder kronor (Jonsson &
Lindblad, 2012, s. 4). År 2004 var Sverige det aktietätaste landet i världen där 77 procent av befolkningen var exponerad mot marknaden, aktiefonder inkluderat (Larsson, 2006, s. 99). Dock så har andelen aktieägare minskat sedan 2002 då 22,6 procent av befolkningen ägde aktier (Jonsson & Lindblad, 2012, s. 4).
Detta visar att aktier som sparform är mycket populärt i Sverige. Aktiemarknaden fyller en viktig funktion för hela det ekonomiska systemet där överskottslikviditet kan investeras i företag som söker kapital och därmed driva utvecklingen framåt.
Stockholmsbörsen, som grundades år 1863, ägs och sköts numera av Nasdaq OMX.
Under börsen första handelsdag gjordes 22 stycken avslut, vilket kan jämföras med de 225 000 avslut per dag som i genomsnitt gjordes under år 2012. Omsättningen på Nasdaq OMX har även ökat på senare år, från 2,1 miljarder 1974 till omkring 237 miljarder 2011 (Nasdaq OMX, 2013; Wedin, 2012). Detta visar på den enorma tillväxt och betydelse som börsen haft sedan uppstarten för 150 år sedan.
Genom åren har världens finansmarknader blivit mer och mer transparanta och den omfattande digitala utvecklingen har medfört att information i realtid når investerare på några millisekunder. Lagar och regler har dessutom införts för att öka transparensen hos bolagen och därmed skydda investerarna (Bodie et al., 2011, s. 37, 932). Utvecklingen har även öppnat upp för en ny marknad med internetbanker där kunderna kan öppna depåer och därmed själva utföra exekvering av aktieaffärer.
Analyser, realtidskurser samt en oändlig tillgång till nyheter och finansiell data har medfört ett minskat beroende av rådgivning och assistans från banker och mäklarhus (Wilke, 2011, s. 105-107).
Mycket har förändrats på världens finansmarknader sedan Stockholmsbörsen slog upp sina dörrar år 1863. De mest påtagliga faktorerna är globaliseringen, den tekniska utvecklingen samt derivatmarknandes ökade betydelse och inflytande. Detta i kontrast med ständigt hårdare regleringar från myndigheter. Något som dock inte har förändrats genom åren är investerares ständiga strävan att uppnå överavkastning.
Aktörerna på marknaden söker de vinnande aktierna och försöker identifiera olika mönster som tenderar att upprepa sig. Investerare har utvecklat en rad olika analysmetoder för att kunna filtrera fram de aktier som bör ge den bästa avkastningen.
De två huvudgrenarna inom aktieanalys är fundamental- och teknisk analys, där den fundamentala analysen bygger på företagets räkenskaper medan den tekniska analysen enbart fokuserar på aktiens utveckling och genom olika modeller och mönster prediktera den framtida kursutvecklingen (Haskel, 2012, s. 15-16).
Investerares ständiga strävan att finna mönster och utnyttja dessa för att uppnå bättre avkastning än marknaden har under lång tid intresserat författarna och förklarar valet av undersökningsområde. I dagsläget finns det en mängd olika studier inom teknisk aktieanalys där forskare och studenter har testat olika analysmetoder och formationer i kursgrafer för att se om mönstren över tiden går att utnyttja och därmed skapa överavkastning. Ett ämnesområde som dock är mindre undersökt på den svenska aktiemarknaden är olika former av kalenderanomalier. Kalenderanomalier kan liknas med den tekniska analysens identifiering av trender, men anomalin tenderar att uppkomma endast under vissa kalenderperioder.
Anomalier är en direkt kritik mot den effektiva marknadshypotesen, som bygger på en perfekt prissatt marknad, där varje känt mönster utnyttjas av investerare till den grad att fenomenet är utjämnat (Fama, 1965a, s. 56). Med andra ord ska formationer i kursgrafer som indikerar köp eller säljsignaler i aktien inte kunna upprepa sig när de väl blivit kända. De första anomalierna upptäcktes dock inte i forskning som var direkt kopplad till marknadseffektivitet (Claesson, 1987, s. 17). Dock så visade denna forskning på att mönster i aktieutvecklingen tenderar att upprepas, vilket blev uppkomsten för anomalier och kritiken mot den effektiva marknaden. Nedan ges två definitioner av vad anomali är för något:
”Anomalies are empirical results that seem to be inconsistent with maintained theories of asset-pricing behavior” (Schwert, 2003, s. 939)
“Anomalies represent inexplicable events. They cannot be explained by existing scientific theory” (Cataldo et al., 2000, s. 3)
Det kanske mest uppmärksammade området inom anomalier är de så kallade kalenderanomalierna. En av de tidigaste studierna som publicerats inom området var Kemmerer’s (1911) studie ”Seasional Variations in the New York Money Market”
som publicerades i början av 1900-talet. Några av de mest kända kalenderanomalierna, vilka många investerare någon gång hört talas om, är Januarieffekten, Sell-in-May, Turn-of-the-month, Day-of-the-week, och Holiday Effect. Det intressanta kring detta område, trots vetskapen bland många investerare, är att dessa anomalier tenderar att fortsätta återkomma år efter år. Dagens Industri skrev i januari 2013:
”Räkna med en stark januaribörs, Stockholmsbörsen har en unik egenskap, den stiger nästan alltid i januari och ingen kan förklara varför” (Vilenius, 2013)
Vi ämnar undersöka om det finns någon vetenskaplig grund för att anomalierna fortfarande existerar och huruvida branschtillhörighet har någon inverkan. Många studier har gjorts inom området, men då främst på de amerikanska marknaderna. Vi vill forska djupare och enbart fokusera på om investerare kan utnyttja dessa mönster på Stockholmsbörsen. Dessutom ämnar vi undersöka i vilka branscher anomalierna tenderar att uppkomma och OMXSB. OMXSB är ett index som är uppbyggt för att spegla rörelsen på Stockholmsbörsen och används ofta i investeringsprodukter eller som jämförelseindex för investerare (OMXgroup, 2005). Många studier har åsidosatt transaktionskostnaderna, detta är enligt oss en viktig och ofrånkomlig faktor för alla som gör affärer på de finansiella marknaderna. Däremot kommer vi, likt tidigare studier, att exkludera courtage eftersom beräkningar av detta är väldigt komplext och tidskrävande. I en studie med ännu större omfattning skulle transaktionskostnader inkluderas, men på grund av den tidslimit som arbetet kräver kommer kostnaderna inte att beaktas. Vid alla kapitalplaceringar vill investerare ha kompensation för risk, en högre risknivå innebär att investeraren förväntar sig högre avkastning (Wilke, 2011, s. 32). Vi kommer därför att undersöka vårt resultat då vi inkluderar risken av en investering med hjälp av modellen Jensen Alfa.
1.2 Problemdiskussion:
Forskningsämnet anomalier är ett väl undersökt område som har diskuterats flitigt i cirka 100 år sedan dess existens bekräftades första gången. Ända sedan anomaliernas inträde på forskningsscenen har det tvistats huruvida de existerar och i så fall om de går att förklaras. En av de främsta forskarna som motsatt sig anomalier har varit Eugene Fama (1965a, 1965b, 1970) som skapade den effektiva marknadshypotesen, EMH, vilken hävdar att det inte går att uppnå högre avkastning än vad marknaden genererar. Abnormal överavkastning kan alltså inte uppnås genom nyttjandet av anomalier i en effektiv marknad. Hypotesen utgår från att det inte finns några transaktionskostnader, all information är tillgänglig för alla på marknaden, det aktuella priset är alltid korrekt och speglar all tillgänglig information (Fama, 1970, s.
387).
Random Walk är ytterligare en teori som motsätter sig anomalier. Den beskriver att priset idag är oberoende av historiken och att det alltid är 50 procent chans att en aktie stiger eller sjunker i värde. Vid ett flertal tillfällen har börskursens rörelse likställs med sannolikheten för att singla en slant. Två kända forskare som diskuterat detta är Eugene Fama (1965b, 1970) och Sidney Alexander (1964). Om dessa motsättande teorier skulle stämma innebär det att anomalier inte kan existera eftersom det strider mot de antaganden som finns. Dock finns det ett antal teorier som stödjer anomalier, ett exempel är Behavioral Finance.
Av de tidigare studier som gjorts inom området har resultaten varit tvetydliga.
Dzharbarov och Ziemba (2010, 2011) har nyligen undersökt de mest kända kalenderanomalierna och deras resultat bekräftar existensen av ett flertal undersökta anomalier. Det är enbart för Turn-of-the-month som de förkastat det prediktiva värdet. Dessutom ger de ett antal tänkbara förklaringar till varför de bekräftade anomalierna existerar.
Även i Donald Keims (1983, s. 29-31) studie bekräftas Januarieffekten och han diskuterar ett antal möjliga förklaringar till dess uppkomst. Några alternativ är antingen skattemässiga skäl eller på grund av den stora informationsmängd som offentliggörs under januari månad, hänfört av bokslut och uppstart av nytt räkenskapsår.
På den svenska marknaden var Kerstin Claesson (1987) en pionjär då hon undersökte kalenderanomalier och påvisade dagseffekten på den svenska fondbörsen i sin doktorsavhandling. Utöver Claesson (1987) har flera studier gjorts på den svenska marknaden, några av dem är Gultekin & Gultekin (1983) och Darrat et al., (2011).
Darrats et al., (2011) resultat skiljer sig dock från Gultekin & Gultekin´s (1983, s.
480) studie som visar på en Januarieffekt, inte bara i Sverige utan i större delen av de 18 länder de undersökt. Resultatet från Darrats et al., (2011, s. 113) studie påvisar däremot att ingen specifik anomali går att urskilja i januari utan att det snarare är december och april som är avvikande.
Det finns en mängd studier som talar emot anomalier, på senare år har Worthingon (2008) samt Coutts & Sheik (2002) lagt fram resultat för att kalenderanomalier inte existerar. Coutts & Sheik (2002, s. 869) går så långt att de förkastar samtliga av Januarieffekten, DOW, TOM och Holiday Effect i deras studie. Trots att omfattande forskning har gjorts inom området visar studierna fortfarande varierande resultat.
Studier av anomalier baserat på bransch är däremot relativt outforskat. Det finns däremot en kandidatuppsats författad av Albertsson et al., (2005) från Lunds Universitet där de undersöker anomaliers existens ur ett branschperspektiv på Stockholmsbörsen under perioden 1996-2004. De analyserar dock enbart DOW utifrån branscherna på svenska marknaden. Förutom denna studie har det inte gjorts någon branschundersökning på den svenska marknaden, varken före eller efter. Vad som gör en branschundersökning extra intressant är att Darrat et al., (2011, s. 111) rekommenderar framtida studier att undersöka säsongsanomalier baserat på bransch:
”At least two lines of future research present themself. An examination of seasonal anomalies across different industries seems fruitful.”
Baserat på ovanstående problemdiskussion anser författarna att en branschstudie av kalenderanomalier på den svenska aktiemarknaden skulle vara intressant att utföra.
Kalenderanomalier är ett väl undersökt ämne men av resultaten som gjorts i de tidigare studierna råder det delade meningar huruvida dessa anomalier verkligen existerar. Vidare kan det vara intressant att göra en jämförelse baserat på branschtillhörighet då detta inte undersökts i någon större utsträckning och dessutom har rekommenderats som framtida forskningsämne. När anomaliernas avkastning har beräknats kommer dess statistiska signifikans att utvärderas. Det finns relativt få studier på den svenska marknaden som har fått erkännande i ekonomiska tidskrifter, dessutom visar de varierande resultat. Författarna finner det därför aktuellt och intressant att göra en studie inom ämnesområdet.
1.3 Problemformulering:
Existerar kalenderanomalier bland Stockholmsbörsens olika branschindex och OMXSB?
- Kan investerare uppnå högre riskjusterad avkastning än respektive branschindex med hjälp av någon kalenderanomali?
1.4 Syfte:
Studiens huvudsyfte är att utvärdera huruvida kalenderanomalier existerar på Stockholmsbörsens tio branscher samt generalindex, OMXSB, under tidsintervallet 2000-01-03 till 2012-12-31. Delsyftet är att kartlägga huruvida investerare kan utnyttja kalenderanomalierna för att uppnå högre riskjusterad avkastning än respektive index.
1.5 Teoretiskt och praktiskt bidrag:
Studiens teoretiska bidrag är främst en ökad kunskap inom området kalenderanomalier på den svenska aktiemarknadens tio branscher samt OMXSB.
Generellt är forskningen kring anomalier relativt uttömmande, dock koncentrerar merparten av studierna endast på aktiemarknaden i sin helhet. Det finns få studier där forskarna segmenterat vilka delar av marknaden som anomalier tydligast visar sig, förutom efter bolagsstorlek. Majoriteten av studierna fokuserar även på den amerikanska marknaden. Författarna menar därför att området är relativt outforskat och studien ska därmed berika marknaden med kunskap gällande vilka branscher som uppvisar de tydligaste anomalierna och vilka anomalier som existerar.
Studiens mätperiod startar 2000-01-03 och fortgår fram till 2012-12-31.
Undersökningen kommer att skapa syntetiska portföljer för att replikera anomaliernas tradingstrategier. Portföljerna kommer att använda sig av förvalda tradingstrategier och undersöka huruvida det går att uppnå överavkastning med hjälp av kalanderanomalierna. Här uppnås en direkt skillnad mot stora delar av tidigare forskning som enbart undersöker index. Studien kommer även avhandla de främsta motsättningarna mot anomalier såsom den effektiva marknadshypotesen och Random Walk. Resultatet av studien kommer att utmynna i en ökad teoretisk förståelse för kalenderanomalier på Stockholmsbörsen samt ge en inblick huruvida de skiljer sig över tid och bransch.
Praktiskt kommer studien att tillgodose investerare en alternativ placeringsstrategi baserad på kalenderanomalier och möjligheten att replikera dessa syntetiska portföljer samt handelsmönster. Resultatet kommer att visa om det är lukrativt för investerare att följa dessa kalenderanomalier. Om det går att göra ekonomisk vinning ämnar sig resultatet i första hand till större investerare och fonder. Investerarna kan använda sig av resultatet för att skapa egna portföljer baserade på kalenderanomalier. Dessutom kan resultatet användas av andra studenter, främst inom finansiering, för att få en ökad praktisk och teoretisk förståelse av kalenderanomaliers existens på Stockholmsbörsen.
1.6 Avgränsningar:
Författarna har valt att avgränsa studiens undersökningsområde enbart till Sverige.
Varför vi har valt att avgränsa oss till den svenska marknaden har två tydliga orsaker.
Fram till år 2013 har det enbart publicerats en studie (Albertsson et al., 2005) som undersöker anomalier utifrån bransch på Stockholmsbörsen, vad vi har funnit, och den
studien sträcker sig enbart till 2004. Detta innebär att det inte finns någon undersökning av den svenska aktiemarknaden med samma tidsintervall och samansättning som författarna kommer undersöka, vilket förklarar vårt forskningsbidrag. Den andra förklaringen är vår begränsade tid för att hinna behandla all data. Att göra en liknande undersökning som denna, men på ett flertal internationella aktiemarknader skulle bli för omfattade att bearbeta rent praktiskt.
Databehandligstiden för en sådan omfattande studie skulle kräva en betydligt längre forskningsperiod än vad som tilldelats vid denna studie.
I Sverige finns det idag flera börser. Den mest kända, i folkmun kallad Stockholmsbörsen, är NASDAQ OMX Stockholm AB. Stockholmsbörsen är den största handelsplatsen i Sverige med flest antal noterade företag och en marknadsandel på 70 procent. I denna studie ämnar vi att undersöka om kalenderanomalier existerar och går att utnyttja av både stora och små investerare genom att skapa syntetiska portföljer baserat på anomaliernas mönster. Likviditet är därför en viktig faktor för att vi ska kunna undersöka det valda området och göra det på ett realistiskt sätt. Stockholmsbörsen svarar för den överlägset bästa likviditeten och de mest välkända bolagen är noterade på listorna Large Cap, Mid Cap och Small Cap. Vi avgränsar oss därför helt till att utföra våra tester på NASDAQ OMX Stockholm AB. Bolag med ett marknadsvärde mindre än 150 miljoner euro, vilket är noteringskravet på Small Cap, är därför inte inom ramen för denna studie. Vi kommer att avgränsa oss till ICBs branschindex vilket är samma som Stockholmsbörsens tio branscher är indelade i (Nasdaq OMX, 2012, s. 6-7).
Författarna har valt att begränsa mätperioden till 2000-01-03 till 2012-12-31.
Anledningen till denna avgränsning grundas i att det inte går att finna data från ICBs branschindex före detta datum. Mätperioden på 13 år anses vara tillräckligt representativ för att statistiskt kunna säkerställa studiens resultat. Under det valda undersökningsintervallet återfinns även två stora börskrascher, vilket gör studiens data ännu mer intressant. Vi kommer att använda Nasdaq OMX officiella branschindelning, indelat i de tio branscherna; ”Olja & Gas, Råmaterial, Industriverksamhet, Konsumentvaror, Sjukvård, Konsumenttjänster, Telekommunikation, Allmännyttiga tjänster, Teknik och Ekonomi” (Nasdaq OMX, 2012, s. 6). Dock innefattar studien enbart branschindex baserade på ICBs branschindelning, studien kommer inte att undersöka något annat finansiellt instrument då tiden är en begränsande faktor och möjlighet att behandla mer data anses orimlig.
Ytterligare en begränsning är att studien kommer utgå från index på de olika branscherna utifrån ICB istället för att analysera samtliga aktiers individuella avkastning. Spread kommer inte medtas i studien och de kurser som kommer att användas är enbart respektive handelsdags slutkurs för vederbörande index.
Transaktionskostnader har exkluderats på grund av komplexiteten av att beräkna dessa på ett trovärdigt sätt och det blir för omfattande i förhållande till den tidsram som författarna har. Ytterligare ett problem med transaktionsavgifterna är att de flesta mäklare och fondkommissionärer har olika courtageavgifter vilket gör det svårare att på ett realistiskt sätt beräkna denna kostnad. Utöver detta kommer vi inte ta hänsyn till några andra kostnader som är kopplade till själva handeln.
1.7. Motivering till valda anomalier:
Det finns ett stort antal anomalier som uppmärksammats och testats på de finansiella marknaderna med blandade resultat. Inom ämnesområdet anomalier har författarna specifikt valt att undersöka kalenderanomalier, vilka kopplas till kursmönster som tenderar att återupprepas periodvis under handelsåret. Det finns ett stort antal kalenderanomalier som går att undersöka och författarna var därför tvungna att avgränsa sig till ett axplock av dessa. Författarnas ambition var att undersöka de mest kända kalenderanomalierna, men att avgöra vilka som anses mest kända är dock en tolkningsfråga. Vid själva selekteringsprocessen mellan de olika anomalierna utgick författarna helt från tidigare forskning, detta för att få en uppfattning vilka anomalier som erkända forskare har lagt störst vikt vid att undersöka. De kalenderanomalier som författarna funnit mest forskning kring definierades som mest kända.
Vidare upprättade författarna tre kriterier vid val av vilka dessa anomalier som skulle undersökas i studien. Dessa tre kriterier var följande: anomalin ska inte vara väl undersökt på svenska branschindex, kriterium två: anomalin ska kunna användas av ordinära investerare, alltså en relativt låg komplexitet. Det tredje och sista kriteriet var att anomalin ska vara möjlig att mäta genom historisk kursdata. Samtliga anomalier nedan uppfyller författarnas tre kriterier.
Efter en omfattande genomgång av tidigare forskning utmynnade det i ett antal kalenderanomalier som författarna hade att välja mellan, vilka presenteras nedan.
Dessa kalenderanomalier återkommer ständigt i den forskning som författarna har behandlat och samtliga anomalier undersöks även i boken ”The January Effect and other Seasonal Anomalies” (Cataldo et al., 2000). Nästa steg i selekteringsprocessen var att välja ut fem av dessa elva aktuella kalenderanomalier. I detta skede strävade författarna efter så stora olikheter som möjligt eftersom ett flertal av anomalierna påminner om varandra. De anomalier som författarna valt att undersöka är Januarieffekten, Januaribarometern, Holiday Effect, Turn-of-the-month samt Sell-in- May. Dessa fem anomalier uppfyller kriterierna ovan och fyra av dem är dessutom helt olika varandra vilket gör portföljtesterna mer intressanta att jämföra.
• Januarieffekten
• Januaribarometern
• Sell-in-May
• End-of-the-year
• Turn-of-the-year
• Month-of-the-year
• Turn-of-the-month
• End-of-the-month
• Day-of-the-week
• Weekend Effect
• Holiday Effect
Figur 1: Val av anomalier.
Januarieffekten Januaribarometer Sell-in-May Holiday Effect Turn-of-the-month
2. TEORETISK METOD:
Med metod avses det vetenskapliga sätt som ett ämne behandlas på och valet av metod är något som påverkar hela uppsatsens utfall (Ejvegård, 1996, s. 29). I detta kapitel kommer läsaren att få förklarat vad författarna har för ingående kunskaper inom ämnet samt de ståndpunkter och tillvägagångssätt som studien ämnar använda.
Studiens etiska och moraliska ståndpunkter kommer att diskuteras och de teoretiska tillvägagångssätten kommer att motiveras och beskrivas. Läsaren kommer även erfara hur källor har granskats och varför den underliggande litteraturen har valts.
2.1 Förförståelse:
Det finns en mängd olika faktorer som skulle kunna påverka en studies genomförande. Värderingar eller praktiska synpunkter är två exempel som kan påverka en studie, det är därför viktigt att uppmärksamma och kontrollera dessa. På senare år har det blivit vanligare att forskare belyst bakomliggande förståelse samt hur denna kan ha påverkat studien (Bryman, 2011, s. 43-44). Vi kommer därför att redogöra för den teoretiska och praktiska förförståelse som de haft innan arbetets start och hur det kan tänkas påverka studies genomförande och resultat.
2.1.1 Teoretisk förförståelse:
Vår teoretiska förförståelse har till stor del uppkommit under de sju terminerna på Handelshögskolan vid Umeå Universitet, där båda studerat civilekonomprogrammet med inriktning mot finansiering. Utöver kursplanen har både Brindelid och Grünhagen studerat kurser inom fundamental och teknisk analys eftersom de delar ett starkt intresse för aktiemarknaden. Den förförståelse som författarna har angående anomalier kommer främst från litteratur som de berört privat, men även från ett antal kurser på civilekonomprogrammet som behandlat de finansiella marknaderna.
Vi besitter, utöver ovanstående förståelse, en generell ekonomisk förkunskap. Den kommer att vara värdefull för att kritiskt kunna granska den information som framkommer i studien, samt utnyttja resultatet på bästa möjliga sätt. Brindelid och Grünhagen har även studerat statistik vid Umeå Universitet vilket kan vara till stor hjälp under databehandlingsprocessen.
Studiens resultat bör inte påverkas nämnvärt i någon riktning av den förförståelse författarna förfogar över, däremot kommer det att vara till en stor hjälp i processen för att nå fram till resultatet. Eftersom en kvantitativ metod kommer att appliceras där produkten består av data, anses våra värderingar och förkunskap ha vag påverkan på studiens utfall. Att författarna dessutom är medvetna om den förförståelse som de besitter kan reducera den påverkan som det annars skulle haft för studien.
2.1.2 Praktisk förförståelse:
Vi har god praktiskt förförståelse inom det valda ämnet. Båda två har ett långvarigt intresse för de finansiella marknaderna och har regelbundet gjort affärer mot de svenska och nordiska börserna sedan många år tillbaka. Grünhagen har drygt två års erfarenhet av professionell aktiehandel som aktiemäklare/affärsstöd på Handelsbankens regionala mäkleri i Umeå, där han arbetat halvtid vid sidan av studierna. Detta ger en god praktisk förförståelse hur de finansiella marknaderna verkligen fungerar samt en god kunskap inom både teknisk och fundamental aktieanalys. Denna förförståelse kan även appliceras på anomalier eftersom ett antal produkter på marknaden handlar efter dessa. Dessutom är likheterna till den tekniska
analysen stor. Grünhagen har även ett antal certifieringar inom finansiell rådgivning samt optionshandel.
Brindelid har tidigare erfarenhet från Swedbank där han både arbetat med placeringar samt annan finansiell rådgivning. Han har även praktisk erfarenhet från arbete på en revisionsfirma vilket ger en bra kunskapsgrund och förståelse hur ett företag verkligen är uppbyggt. Den praktiska erfarenheten tror författarna är en stor styrka och kommer vara till stor hjälp när vi ska utreda vårt valda ämnesområde.
Vi är dock medvetna om att den praktiska förförståelsen kan färga vårt arbete något och att vi inte blir tillräckligt lyhörda för nya infallsvinklar. Men genom att ständigt ifrågasätta varandras resonemang, data och teorier räknar vi med att aktivt kunna motverka detta. Vi ämnar uppfylla vårt syfte med en objektiv studie som baseras på samband mellan faktisk data och vetenskapliga teorier.
2.2 Vetenskapligt synsätt och perspektiv:
De ontologiska frågeställningarna grundar sig i hur en individ betraktar verkligheten. Det reflekteras huruvida det finns en yttre objektiv verklighet för samtliga individer eller om varje individs verklighet påverkas av individuella handlingar och uppfattningar. De två synsätt som man kan utgå ifrån kallas objektivism och konstruktionism. Objektivism är den ståndpunkt som hävdar att de sociala särdragen, och dess mening, är oberoende av individens egna åsikter och att det finns en verklighet som är lika för alla. Konstruktionismen hävdar däremot att den verklighet som var och en verkar i är beroende av individens egna tolkningar och att verkligheten ständigt uppdateras och påverkar omgivningen (Bryman, 2011, s. 35-37).
Vi genomför en studie med hjälp av data som inte kan påverkas av våra synpunkter.
Data har importerats från Thompson Reuters Datastream, därefter har den enbart legat till grund för skapandet av de syntetiska portföljerna. Denna process blir helt objektiv då författarna inte har möjlighet att påverka resultatet utan att manipulera siffrorna.
Dessutom är vi av uppfattningen att det bara finns en korrekt verklighet, vilket förklarar vårt val av ett objektivt synsätt. Ejvegård (1996, s. 17) hävdar att det är svårt att upptäcka sina egna förutfattade meningar och fördomar men som forskare är det en skyldighet att sträva efter objektivitet. Vi anser att det statistiska stöd vi vill finna för anomaliers existens på Stockholmsbörsen kommer att resultera i samma utfall oberoende av hur vi ser på de siffror vi får fram. Ovanstående resonemang förklarar tydligt vårt val av det objektiva synsättet.
2.3 Kunskapssyn:
Valet av kunskapsteoretisk frågeställning eller epistemologi beror på vart gränsen för vad som bör bedömas som kunskap inom ämnesområdet går (Bryman, 2011, s. 29).
Vanligtvis påverkas epistemologin direkt av huruvida studien kommer utgå från en kvalitativ eller kvantitativ undersökning, men sambandet är inte deterministiskt (Bryman, 2011, s. 544).
Vår studie ämnar undersöka huruvida anomalier existerar på Stockholmsbörsens olika branscher och för att analysera detta tar vi hjälp av statistiska modeller och syntetiska portföljer. Grunden till studien kommer att baseras på de tidigare belysta teorierna inom området såsom EMH, Random Walk och Behavioral Finance. För att applicera detta på vår studie kommer vi att använda oss av ett naturvetenskapligt angreppssätt
och en positivistisk kunskapssyn. Anledningen till att den positivistiska kunskapssynen passar väl in på denna studie grundas i att den representerar en kunskapsteoretisk utgångspunkt. Denna förespråkar metoder av naturvetenskaplig karaktär för studier av den sociala verkligheten (Bryman, 2011, s. 30).
Vi föredrar därför att välja den positivistiska synen framför den hermeneutiska kunskapssynen som snarare är utformad för att tolka och förstå diverse texter eller beteenden (Bryman, 2011, s. 507). Efter att ha utvärderat alternativen fastslog vi att den hermeneutiska kunskapssynen inte lämpar sig att användas. Detta eftersom vi kommer att utgå från börsdata, för att sedan med hjälp av statistiska modeller analysera huruvida det finns mönster som går att urskilja. Studien kräver enbart att faktiska utfall uppmärksammas, subjektiva analyser är ej applicerbara.
2.4 Angreppssätt:
Det finns två typer av angreppssätt och dessa kallas för induktion och deduktion.
Även om de skiljer sig åt så finns det drag av båda i respektive process. Det induktiva angreppssättet utgår från det resultat som studien genererar för att sedan skapa en teori. Det deduktiva angreppssättet utgår från den teori som redan finns för att därefter nå ett resultat. I vår studie har vi valt att använda oss av den deduktiva ansatsen som är den vanligaste formen (Bryman, 2011, s. 22, 26 & 28).
Vi utgår från relevanta teorier och tidigare studier om kalenderanomalier. Utifrån dessa formulerade vi en problemformulering och skapade syntetiska portföljer. Efter att vi bestämt oss för vilka anomalier som ska undersökas fokuserade författarna på att samla in relevant data för studien från Thompson Reuters Datastream. Data som samlades in angående börskurser på Stockholmsbörsen sammanställdes därefter i Microsoft Excel där modeller byggdes för att kunna redovisa ett resultat. Resultatet ställdes därefter mot de hypoteser vi myntat för att utvärdera anomaliernas existens.
Slutligen analyserades resultatet för att i slutsatsen kunna omformulera teorin inom området.
Figur 2: Deduktiva processen. (Bryman, 2011, .s 26)
2.5 Metodval:
Det finns två typer av metodologiska frågeställningar vars skillnader varit tvetydliga bland forskare. Skillnaderna har dock blivit allt viktigare och tydligare på senare år enligt Bryman (2011, s. 39). De två metoder som finns att tillgå är en kvalitativ respektive kvantitativ undersökning och vi har valt att använda den senare till denna studie. En kvalitativ undersökning är mer inriktad på ord än siffror (Bryman, 2011, s.
340). Därför anser vi inte att denna metod är applicerbar på det valda undersökningsområdet. Vanligen passar kvantitativ undersökning bäst då stora urval ska göras och slutsatser skall genereras från analyser av statistisk data (Cozby &
Bates, 2011, s. 114).
Med utgångspunkt i vår problemformulering och syfte, där vi förklarat att vi ämnar undersöka kalenderanomalier, har vi valt att göra en kvantitativ undersökning med numeriska variabler. Den kvantitativa metoden har valts då den kan visa på små
Teori Hypoteser Datainsamling Resultat Bekräfta eller
förkasta hypotes
Omformulering av teori
skillnader och är ett konsekvent verktyg. Dessutom används den kvantitativa metoden för att uppnå exakta skattningar och beräkningar samt sätta siffror på undersökningsmaterialet (Bryman, 2011, s. 155; Eliasson, 2010, s. 30). Vid kvantitativ forskning betonas kvantifiering och Bryman (2011, s. 40) rekommenderar att använda denna metod vid en positivistisk kunskapssyn och en deduktiv prövning av teorier, vilket vi ska använda i denna studie.
2.6 Etik och Moral:
Det etiska och moraliska förhållningssätten innefattar såväl att presentera faktiska siffror utan att manipulera dessa, men även att försöka handla i enighet med den världsbild och kunskapssyn som studien applicerat (Eliasson, 2010, s. 166-167). Det vore exempelvis moraliskt inkorrekt att frångå den objektiva syn som studien har för att vinkla resultaten till sin favör. Det är dessutom viktigt att förklara författarnas ställningstagande, om sådana finns då detta kan påverka studien nämnvärt (Eliasson, 2010, s. 167).
Författarna anser att ämnesvalets etiska och moraliska stödpunkt är relativt god. Det finns inga dilemman huruvida anomaliernas existens har negativ påverkan på varken etik eller moral. De områden som är mer tvetydiga i dessa sammanhang är investerares agerande och förhållningssätt till vissa bolag på aktiemarknaden.
Exempelvis finns det flertalet forskare såsom Bentzen (2009), Lakonshok & Smidt (1988) och Dzhabarov & Ziemba (2010) som försöker förklara anomalier likt TOM och Januarieffekten med Window Dressing. Detta koncept innebär att investerare säljer aktier som är mindre moraliskt försvarbara innan månadsskiftet för att inte visa dessa innehav för allmänheten och därefter köper de tillbaka dem igen. Det är viktigt att poängtera att det inte är anomalierna som påverkar dessa negativa beteenden, det är beteendena som påverkar anomalierna. Att investerare utnyttjar kalenderanomalier anser författarna därför som både etiskt och moraliskt försvarbart.
2.7 Litteratursökning:
Med litteratur avses i forskningssammanhang större delen av allt tryckt material såsom böcker, vetenskapliga artiklar, rapporter och uppsatser. Dessa typer av källor samlas in för att bistå som referensram vid val av teori och utgångspunkter (Ejvegård, 1996, s. 42-43). Studien inleddes med en omfattande litteratursökning i Google Scholar, Business Source Premier, Uppsatser.se och Diva. I samtliga sökmotorer undersöktes det huruvida det fanns tidigare studier inom kalenderanomalier och vad dessa inkluderade. Uppsater.se och Diva användes enbart för att säkerställa att inga tidigare studier berört samma ämnesområde. För att säkerhetsställa reliabiliteten hos artiklarna som valts ut efter en första litteratursökning valde författarna att söka efter dessa i flera databaser för att se hur erkända respektive verk var.
De sökord som har används är följande: anomali, anomalier, anomalier Sverige, anomalies Sweden, season anomalies, seasonal anomalies, seasonal effects, kalenderanomali, säsongseffekter, januarieffekten, January effect, veckodagseffekten, stock anomalies, anomalies market, Stockholmsbörsen, Stockholms fondbörs, market efficiency anomalie, anomalier europa, kalenderanomalier Europa, Season anomalies europe, avvikelser svenska börsen, anomali svenska börsen, anomaly Swedish stock market, anomalier Norden, anomalies Scandinavia och anomali OMX.
Sökningarna på dessa ord gav oss utslag på mellan 10 och 275 000 träffar. Vi kombinerade därför flera av dessa för att minska antalet träffar och bibehålla sökningens validitet. Av de artiklar som samlades in sammanställde vi en lista på de författare som förekommit oftast för att leta upp deras verk. Dessa granskades för att se om det gick att applicera på vår forskning. Google Scholar användes på samtliga artiklar för att utvärdera hur många gånger de var refererade, vilket kan ses som ett mått av deras dignitet. Därefter valdes de artiklar som ansågs mest relevanta, vilka ska användas som underlag för vår forskning.
2.8 Källkritik - Teoretisk Metod:
Det är av stor vikt att informationen är adekvat och källorna är tillförlitliga vid alla typer av studier. Allt material som används har därför granskats kritiskt av båda författarna och i det akademiska resultatet har elektroniska källor, såsom hemsidor och artiklar online, undvikits i största möjliga mån då dessa anses mindre trovärdiga.
Bedömningen av de källor vi har använt oss av har till stor del baserats på två viktiga kriterier. Det första kriteriet är hur erkänd författaren är inom ämnesområdet medan det andra är hur valid källan är för vår studie. Vi har utöver dessa kriterier även beaktat äkthetskravet, oberoendekravet, färskhetskravet och samtidskravet, vilka Ejvegård (1996, s. 59-61) beskriver som de viktigaste kontrollerna vid källkritiskt granskande. På grund av de kontroller som författarna tagit i beaktning anses informationen som används vara tillförlitlig och stärker därmed resultatets trovärdighet.
Informationen som använts har i samtliga fall refererats tillbaka till dess primärkälla.
Det är alltid bättre att referera till ursprungskällan än de sekundärkällor som kan ha tolkat informationen. Författarna har ägnat mycket tid och arbetsinsats för att kunna referera tillbaka till primärkällan vid samtliga refereringar. Bryman (2011, s. 121) beskriver en sekundärkälla som en referering till en källa, som i sin tur citerar eller refererar tillbaka till tidigare verk. Det kan vara problematiskt om en studie förlitar sig på för många sekundärkällor eftersom beroendet av andra forskares tolkningar blir påtaglig.
Den teoretiska referensramen i studien har enbart underbyggds av kända litterära verk och vetenskapliga artiklar, vilka merparten har blivit klassificerade som “peer review”. Elektroniska källor anses osäkra och dessa kan vara svåra att kontrollera reliabiliteten på, varför de i största möjliga mån har valts bort. De elektroniska källor som ändå har används återfinns i problembakgrunden. Trots att dessa är elektroniska har författarna säkerställt att informationen är hämtad från respekterade sidor såsom Statistiska Centralbyrån och Aktiespararna. Enbart en studie frångår de kriterier som myntats för en källas kvalité, denna är Albertsson et al.,(2005). Motiveringen till valet av denna studie grundas i att dessa författare var de enda som undersökt någon anomali utifrån branschindex.
Som nämndes under litteratursökning har artiklarna hämtats i etablerade och erkända databaser såsom Business Source Premier och därefter testats i Google Scholar för att se hur många refereringar som är kopplad till det vetenskapliga verket. Artiklar med en hög andel refereringar har därför i första hand används. Aktualiteten på samtliga källor har granskats vid urval av fakta, men ett antal äldre artiklar har inkluderats då dessa fortfarande anses relevanta och utgör en betydande del av ämnesvalet.
Exempelvis ansåg författarna det relevant att inkludera Fama (1965a, 1965b, 1970) då
studien diskuterar effektiva marknadshypotesen eller Claesson (1987) eftersom författarna undersöker kalenderanomalier på Stockholmsbörsen. Fama (1965a, 1965b, 1970) och Claesson (1987) utgör en betydande del av respektive forskningsområde och vi anser därför att deras forskning måste inkluderas, även om de kan anses gamla.
3. TEORETISK REFERENSRAM:
Detta kapitel skall ge läsaren en teoretisk referensram att förhålla sig till för att bättre förstå och kunna applicera studiens resultat. De viktigaste teorier inom ämnet kommer grundligt att förklaras och de anomalier som studien härrör kommer att belysas. Tanken är att ge läsaren information om teorier både för och emot säsongsanomalier för att bibehålla det objektiva synsätt som präglar studien.
Teorierna som kommer att presenteras är EMH, Behavioual Finance, Random Walk och kalenderanomalier.
3.1 Effektiva marknadshypotesen:
EMH är en direkt kritik mot ämnesområdet anomalier och den enskilt största motsättningen till denna studies undersökningsområde. Huruvida marknaden prissätts och anpassar sig till ny information har varit ett hett omdiskuterat ämne under många år på finansmarknaden. År 1970 publicerade forskaren Fama (1970) artikeln
”Efficient Capital Markets: A review of theory and empirical work” i Journal of Finance. Många anser att detta var startskottet kring diskussioner om marknadens effektivitet. En effektiv marknad innebär att all tillgänglig information reflekteras i värdepapperets kurs och när marknaden tillförs nya uppgifter prisas informationen in direkt (Fama, 1970, s. 383). Detta innebär att investerare inte kan uppnå överavkastning genom att handla på publik information eftersom marknadspriset alltid anses vara det korrekta. Fama (1970, s. 383) menar dock att ett antal kriterier måste vara uppfyllda för att en effektiv kapitalmarknad skall kunna råda.
För att en marknad ska vara helt effektiv får inga transaktionskostnader existera och all information ska vara tillgänglig, kostnadsfritt för samtliga aktörer. Det tredje kriteriet är att aktörerna på marknaden måste vara överens om den rådande informationen och därefter basera sina investeringsbeslut efter detta. Enligt Fama (1970, s. 388) ska det leda till en korrekt prissättning av det finansiella instrumentet.
Detta kan tolkas som att det krävs rationella investerare på marknaden för att full effektivitet skall råda. Det finns tre nivåer av marknadseffektivitet, svag, semistark och stark form. Dessa kommer beröras i slutet av detta kapitel.
Dock skriver Fama (1970, s. 388, 389) att de ovan nämnda kriterierna inte är helt nödvändiga för att en effektiv marknad ska råda. Exempelvis kan transaktionsavgifter existera så länge dessa inte är så stora att det hämmar investerarnas tänkta affärer. Om ingen av dessa faktorer skulle råda innebär det; transaktionskostnader, information som inte är fritt tillgänglig för alla investerare samt oenighet hur informationen ska tolkas, men trots detta behöver marknaden inte vara ineffektiv. Fama (1970, s. 389) menar att detta existerar i verkligheten men att det bara är potentiella faktorer som kan störa effektiviteten, marknaden kan även vara delvis effektiv. Alla aktörer behöver inte ha tillgång till informationen, huvudsaken är att tillräckligt många har samma vetskap. Dessutom behöver inte alla tolka informationen på samma sätt. Det viktigaste är att majoriteten av investerarna värderar informationen lika (Fama, 1970, s. 389). Ett test av EMH är alltid ett så kallat joint test vilket innebär att både marknadseffektiviteten och investerares rationella förväntningar testas (Fama, 1970, s.
384). För att testa marknadseffektiviteten krävs det en modell som kan justera avkastningen till risk. Om marknadseffektiviteten inte kan bekräftas, exempelvis för att portföljer uppnått abnormalt hög avkastning, kan det bero på att marknaden inte är effektiv eller att en felaktig modell har använts (Campbell, Lo & MacKinlay, 1997, s.
24).
Illustrering av en effektiv marknad:
Figur 3: Illustrering av effektiv marknad (Keown & Pinkerton, 1981, s. 861)
Figuren ovan beskriver en effektiv marknad och är hämtad från studien ”Merger Announcements and Insider Trading Activity” författad av Keown & Pinkerton (1981). Grafen visar att marknadspriset förändras direkt när ny information når ut till marknaden. Den underliggande informationen till grafen är baserad på företag som varit föremål för uppköp med en stor premie. X-axeln representerar dagar till tillkännagivande, där 0 är den dagen då informationen släpps, medan y-axeln mäter kumulativ genomsnittlig avkastning. Tillkännagivandet av det eventuella uppköpet antas innebära att aktien stiger kraftigt. Detta bekräftas av Keown & Pinkerton´s (1981, s. 860-863) test, som visar att så är fallet för de 194 undersökta bolagen, vilket tydligt syns i graden ovan. Däremot stiger inte aktierna märkbart mycket dagarna efter tillkännagivandet. Keown & Pinkerton (1981) menar att marknaden, under handelsdagen då informationen offentliggjorts, redan prissatt aktien rätt, med bakgrund av premien som aktieägarna erbjudits samt vad uppköpet innebär för företaget. Anledningen till uppgången strax innan tillkännagivandet tros vara illegal handel baserat på insiderinformation. Grafen stödjer dock semistark form av EMH eftersom marknadspriset justerats dagen efter tillkännagivandet (Keown & Pinkerton, 1981, s. 865-866).
Figur 4 visar aktiekursers reaktion på nyheter från CNBC. Grafen kommer från Busse
& Green (2002) som i sin studie, ”Market Efficiency in Real Time”, visar hur ny okänd information minutvis prisas in i kursen av marknaden. De har undersökt bolag som den stora amerikanska ekonomikanalen CNBC berör i två av sina program, Mornig Call och Midday Call. Vid tidpunkt 0 i grafen nedan nämns företaget första gången i respektive nyhetssändning. Linjerna representerar positiva och negativa nyheter för de olika programmen och som det går att utläsa i grafen tar det inte mer än fem minuter för marknaden att prisa in den nya informationen. Som syns i grafen nedan ger inte information som presenterats i Morning Call lika starkt genomslag i kursen såsom information i Midday Call. Efter cirka 12 minuter planer kursen ut och den nya informationen är helt inprisad i marknaden. Grafen ger en god illustration av den effektiva marknadshypotesen eftersom priset korrigeras utifrån den nya informationen nästan omedelbart.
Informations påverkan på kursutveckling:
Figur 4: Nyheters kurspåverkan (Busse & Green, 2002, s. 422)
De tre former av marknadseffektivitet som Fama (1970, s 383) anser att marknaden kan befinna sig i är; svag form, semi-stark form och stark form. Desto mer information som marknaden speglar, desto högre effektivitetsgrad anses råda.
3.1.1 Svag form av marknadseffektivitet:
Den svaga formen av effektivitet innebär att all historisk kursdata är inprisad i den aktuella kursen (Fama, 1970, s. 383). Investerare kan därför inte skapa sig fördelar på marknaden genom att studera historisk kursmönster (Jensen, 1978, s. 97) och utnyttja detta genom exempelvis teknisk analys. Resonemanget bygger på att mönster, som tyder på köp eller säljsignal i aktien, redan är kända i marknaden och investerare har då lärt sig att utnyttja dessa. Signalerna tappar då sitt värde när alla känner till dem, priset anpassar sig då omedelbart och ger därför ingen fördel för investerare (Bodie et al., 2010, s. 231-232).
3.1.2 Semistark form av marknadseffektivitet:
Den semistarka formen av effektivitet bygger på att priset på de finansiella instrumenten speglar all publik information som finns att tillgå på marknaden (Fama, 1970, s. 383). Detta innefattar fundamental data som finansiell ställning, patent, vinstprognoser, redovisningsrutiner och rapporter. Den semistarka formen har även prisat in historisk kursdata, vilken ingår i svag form. Om marknaden känner till denna information kommer priset på det finansiella instrumentet att vara rätt, så fort ny information når marknaden kommer priset justeras därefter (Bodie et.al, 2010, s. 232).
Investerare kan därför inte skapa sig ett informationsövertag eftersom allt känt rörande bolaget reflekteras redan i den aktuella kursen.
by Barber and Loeffler (1993) and Liang (1999) for stock picks in the Wall Street Journal’s Dartboard column. For instance, Stickel finds positive abnormal returns for two days following publication of the Value Line rankings, and then a reversal on day three. Compared to previous research, we find that prices respond more quickly:
a positive return in the first two minutes, with a partial reversal in the third minute.
The response of positive reports during the Morning Call is less dramatic.
Although the average one-minute return after the event is positive (6.8 basis points), the cumulative half-hour return is negative. The small response to positive reports during the Morning Call suggests that the segment provides information that is either not highly relevant or not new.
Negative reports elicit a larger but more gradual response. The one-minute price change after negative reports during the Morning Call and Midday Call is !29 basis points and !23 basis points, respectively, whereas the 15-minute returns are –93 and
!75 basis points. The delayed response could reflect the higher costs of short selling.
Juergens (2000), by comparison, studies the price response to analysts’ upgrades and downgrades distributed through First Call, a real-time PC-based subscriber service used by professional investors. She finds a 0.79% price increase for upgrades and a 0.83% price decrease for downgrades in the half hour surrounding the release on First Call, which are similar in magnitude to the 0.46% and !0.92% half hour
-1.50%
-1.25%
-1.00%
-0.75%
-0.50%
-0.25%
0.00%
0.25%
0.50%
0.75%
-15 -10 -5 0 5 10 15
Cumulative return
Midday-Positive Morning-Positive
Midday-Negative Morning-Negative
Minutes relative to mention
Fig. 1. Stock price reaction to CNBC reports. The figure shows the reaction of stock prices to on-air stock reports during the Morning Call and Midday Call segments on CNBC. The chart plots cumulative returns beginning 15 minutes before the stock report. The plot partitions reports into groups depending on whether the reports are positive or negative. A solid marker denotes that the cumulative average return is significantly different from zero at the five percent level using bootstrap empirical p-values. The data cover 322 stock reports from June 12, 2000 through October 27, 2000.
J.A. Busse, T. Clifton Green / Journal of Financial Economics 65 (2002) 415–437 422
