• No results found

HUR PÅVERKAR REPORÄNTAN DEN SVENSKA BÖRSEN?: Finns det en skillnad om reporäntan är positiv eller negativ?

N/A
N/A
Protected

Academic year: 2022

Share "HUR PÅVERKAR REPORÄNTAN DEN SVENSKA BÖRSEN?: Finns det en skillnad om reporäntan är positiv eller negativ?"

Copied!
40
0
0

Loading.... (view fulltext now)

Full text

(1)

Enheten för nationalekonomi Civilekonomprogrammet Kandidatuppsats, 15 HP, VT 2020

Handledare: Niklas Hanes

HUR PÅVERKAR REPORÄNTAN DEN SVENSKA BÖRSEN?

Finns det en skillnad om reporäntan är positiv eller

negativ?

Johannes Göthe

(2)

[Medvetet lämnad tom sida]

(3)

Innehållsförteckning

1. INTRODUKTION ... 1

2. TEORETISK REFERENSRAM ... 5

2.1DEN EFFEKTIVA MARKNADSHYPOTESEN ... 5

2.1.1 Bakgrund ... 5

2.1.2 EMH idag ... 6

2.2AKTIEVÄRDERINGSMETODER ... 6

2.2.1 Utdelningsbaserad värdering ... 7

2.2.2 Kassaflödesbaserad värdering ... 8

2.3DEN PENNINGPOLITISKA TRANSMISSIONSMEKANISMEN ... 9

2.3.1 Räntekanalen ... 10

2.3.2 Kreditkanalen ... 10

2.3.3 Växelkurskanalen ... 10

2.4PROSPEKTTEORIN ... 11

3. EMPIRISK METOD ... 13

3.1EVENTSTUDIE ... 13

3.2TIDSPERIODER ... 15

3.2.1 Event och eventperiod ... 15

3.2.2 Estimeringsperiod ... 15

3.3URVALSKRITERIER ... 16

3.4NORMAL- OCH ABNORMAL AVKASTNING ... 16

3.4.1 Marknadsmodellen ... 16

3.4.2 Abnormal avkastning ... 17

3.4.4 GARCH-modellen ... 18

3.4.5 EGARCH-modellen ... 19

3.5KUMULATIV ABNORMAL AVKASTNING ... 20

3.6TEST ... 21

4. DATA ... 23

4.1DATAINSAMLING ... 23

4.2BORTFALL ... 23

4.3VAL AV INDEX ... 24

5. RESULTAT ... 25

5.1RÄNTEHÖJNINGAR ... 25

5.2RÄNTESÄNKNINGAR ... 25

6. DISKUSSION... 28

REFERENSER ... 31

APPENDIX ... 34

KOMMANDON I STATA ... 35

(4)

[Medvetet lämnad tom sida]

(5)

1

1. Introduktion

Penningpolitik är de ekonomisk-politiska åtgärder som påverkar penningmängd, kreditgivning och räntenivå i ett land. Denna politik bedrivs av landets eller valutaunionens centralbank.

Majoriteten av världens utvecklade länder har självständiga banker som utan inflytande av politiker bedriver penningpolitiken i landet. En centralbanks huvuduppgifter är att säkra landets finansiella stabilitet, handha utgivning och tillverkning av landets valuta samt förvalta landets reserv av guld och utländska valutor. Riksbanken är Sveriges centralbank. Riksbankens huvudsakliga instrument för att genomföra penningpolitiska åtgärder är reporäntan.

Reporäntan är sedan mitten av 1994 riksbankens styrränta (Vad är reporäntan? | Sveriges Riksbank, n.d.). Riksbanken kan, genom att höja eller sänka reporäntan påverka andra räntor i Sverige vilket i sin tur påverkar efterfrågan i den svenska ekonomin och därmed inflationen (Reporänta, in- och utlåningsränta | Sveriges Riksbank, n.d.). Således kan Riksbanken indirekt styra produktion, sysselsättning och inflation via reporäntan (Bernanke & Kuttner, 2005).

Efter den senaste finanskrisen har penningpolitiken varit mycket central inom makroekonomisk analys och debatt. Debatten handlar ofta om huruvida Riksbanken är tillräckligt träffsäkra i sina prognoser och om penningpolitiken är väl avvägd eller om penningpolitik missar målet för pris- och finansiell stabilitet. Den kanske största kritiken har argumenterat för att Riksbanken systematiskt missar sitt mål. Exempel på kritiker och kritik är Lars E.O. Svensson vid handelshögskolan i Stockholm. Svensson skrev 2014 att Riksbanken inte har några medel och därför heller inte något mål för att uppnå finansiell stabilitet. Svensson menar i debattartikeln att Riksbanken endast bryr sig om inflation och arbetslöshet vilket leder till att den finansiella stabiliteten inte prioriteras (Inga medel, därför inget mål | Lars E.O. Svensson, n.d.). Sedan finanskrisen har Riksbanken kämpat med att nå upp till sitt inflationsmål samtidigt som andra tillgångspriser har stigit kraftigt de senaste tio åren, exempelvis bostadspriser och aktiepriser.

Denna utveckling har skapat en viss oro kring penningpolitikens utveckling (Ingves, 2019).

Den hårda bevakningen av Riksbankens penningpolitiska arbete är naturligt då penningpolitiken påverkar produktion, sysselsättning och inflation genom en rad olika kanaler (Bernanke & Kuttner, 2005). Dessa kanaler sammanfattas till den penningpolitiska transmissionsmekanismen och denna är central för att dels beskriva hur penningpolitiken påverkar den reala ekonomin och dels för att beskriva tidsperspektivet för penningpolitikens effekter. Den mest omedelbara effekten av Riksbankens beslut och kommunikationen av dessa

(6)

2

beslut kommer att finnas på de finansiella marknaderna i tillgångsslag såsom obligationer, aktier och valutor eftersom förändringar i reporäntan direkt påverkar priser och avkastningar.

På grund av detta har nationalekonomer intresserat sig för de finansiella marknaderna eftersom det tydligast går att se den penningpolitiska transmissionsmekanismens verkan på dessa marknader. Genom att studera ekonomiskt beteende underlättas förståelsen för den penningpolitiska transmissionsmekanismen, som leder till att det går att effektivisera processen.

Länken mellan olika tillgångspriser och den penningpolitiska transmissionsmekanismen är således av stor vikt.

Den penningpolitiska transmissionsmekanismen är inte en utan i själva verket flera olika mekanismer som verkar samtidigt. Dessa olika mekanismer beskrivs i termer av kanaler som i sin tur beskriver hur penningpolitiken bland annat påverkar landets produktion, sysselsättning och inflation. Transmissionsmekanismen kan huvudsakligen beskrivas med tre av dessa kanaler genom vilka marknadsräntorna påverkar efterfrågan; räntekanalen, kreditkanalen och växelkurskanalen.

En av anledningarna till att utvecklingen på finansiella marknader är viktig inom det nationalekonomiska forskningsområdet är således för att effekterna av penningpolitiska förändringar snabbast och mest direkt syns här. Det finns dock fler aspekter av kopplingen mellan penningpolitik och finansiella marknader. En av dem är förmögenhetsbildningen hos hushållen i landet. Förmögenhetsbildningen för oss till aktiemarknaden eftersom aktier är hushållens vanligaste investering, antingen direkt eller indirekt via fonder. Både för hushållens kortsiktiga sparande och långsiktiga sparande, exempelvis pensionssparandet.

Enligt Bernanke & Kuttner (2005) som undersökt området förändras aktiepriserna på två sätt;

genom ”the wealth effect” som innebär att ökad personlig förmögenhet leder till ökad konsumtion och således ekonomisk tillväxt och genom ökad kostnad för kapital hos företag, även känt som ökad viktad kapitalkostnad (Bernanke & Kuttner, 2005). Teoretiska värderingsmetoder såsom utdelnings- eller kassaflödesbaserad värdering av aktier talar för att aktiepriser ska innefatta all framtida vinst och således prisar in all tillgänglig information – varav information från Riksbankens inte är något undantag. Mer om dessa värderingsmetoder under kapitel 2.2.

(7)

3

Forskningen inom området är enig om att det finns empiriska bevis för att förändringar i reporäntan påverkar priserna på aktiemarknaden (Cook & Hahn, 1989; Honda & Kuroki, 2006;

Kuttner, 2001; Lobo, 2000, 2002). Det finns alltså klara bevis för att en negativ korrelation mellan reporänteförändringar och aktiepriser existerar. Bernanke & Kuttner (2005), Kuttner (2001), Cook & Hahn (1989) och Lobos studier (2000, 2002) fann empiriskt stöd för att den amerikanska börsen korrelerar negativ med förändringar i den amerikanska centralbankens (FED) styrränta och Honda & Kuriko (2006) fann samma empiriska stöd mellan den japanska börsen och förändringar i den japanska centralbankens styrränta.

Slutsatsen blir att forskningen är enig om att förändringar av styrräntan i ett land, direkt påverkar samma lands aktiemarknad. Det finns även bevis för att världens aktiemarknader korrelerar med varandra och det går därför att argumentera för att en negativ korrelation mellan reporänteförändringar och den svenska börsen existerar. Empiriska bevis för detta finns dock inte. Det som har gjorts i Sverige är gjort av studenter. Studenterna har tittat på om Riksbankens pressmeddelande påverkar den svenska aktiemarknaden och resultaten ligger i linje med forskningen som gjorts (Forslund & Malmin, 2016; Svärd, 2013).

Syftet med denna uppsats är att studera om förändringar i reporäntan påverkar den svenska aktiemarknaden samt om den svenska aktiemarknaden reagerar annorlunda huruvida förändringen sker vid positiv eller negativ reporänta. Studiens bidrag är främst att studera om förändrad reporänta påverkar den svenska aktiemarknaden under de senaste tio åren vilket är en mer aktuell tidsperiod jämför med tidigare studier. Ytterligare bidrag är att tidsperioden innefattar tiden efter finanskrisen vilket har varit en speciell period både sett till penningpolitik och börsklimat samt tillåter studien att undersöka om effekterna på aktiemarknaden skiljer sig åt under positiv respektive negativ reporänta.

Studien avgränsas till att innefatta aktier inkluderade i OMXS30. OMXS30 är ett index över de 30 mest omsatta aktierna noterade på stockholmsbörsen. Motiveringen till att använda dessa aktier är för att aktierna i indexet är de som omsätts mest i Sverige och således bör exogena händelser snabbast och effektivast synas i dessa aktier. Baserat på den effektiva marknadshypotesen som förklaras i kapitel 2.1 handlas aktier nästan uteslutande på information och av den anledningen är pressmeddelandet om förändrad reporänta av intresse och inte den faktiska förändringen av reporäntan. Av denna anledning kommer pressmeddelandet att beaktas och inte den faktiska ändringen av reporäntan.

(8)

4

Studien resulterar i att det inte finns något empiriskt stöd för att förändrad reporänta påverkar den svenska börsen, vilket inte ligger i linje med tidigare studier. Att studiens resultat inte ligger i linje med tidigare studier kan bero på många saker, men negativ reporänta är högst troligt en anledning. Riksbanken skriver i en publikation att negativ reporänta har en negativ effekt och påverkar företag positivt. Riksbanken fann också stöd för att penningpolitiken är verkningsfull vid negativ reporänta men genomslaget till hushåll är både svagare och långsammare. Det finns således stöd för att penningpolitikens verkan skiljer sig åt vid negativ kontra positiv reporänta och detta kan ses som en förklaring till att studiens resultat skiljer sig från tidigare studier (Redogörelse för penningpolitiken 2019, 2019).

Studien är upplagd enligt följande; under avsnitt 2 presenteras den teoretiska referensramen. I avsnitt 3 diskuteras den empiriska modellen och metoden. Under avsnitt 4 redovisas data och deskriptiv statistik. Resultaten redovisas i avsnitt 5 och uppsatsens avslutas med en diskussion i avsnitt 6.

(9)

5

2. Teoretisk referensram

2.1 Den effektiva marknadshypotesen 2.1.1 Bakgrund

I ett modernt samhälle finns det någon form av kapitalmarknad med funktionen att länka samman investerare och förvaltare, speciellt inom företagssektorn. Genom direkt finansiering eller indirekt finansiering, är finansiella tillgångsslag tillgängliga till företag som sedan kan vidarekanalisera tillgångsslagen till produktiva användare såsom exempelvis privatpersoner eller institutioner. Finansiella marknader, specifikt aktiemarknader är en komposition av flera spelare på både efterfråge- och utbudssidan där avslut dagligen sker vilket betyder att dessa marknader troligtvis hanterar information gällande respektive aktie bättre än andra marknader.

På grund av detta är EMH en av de mest empiriskt testade propositioner som finns i den finansiella litteraturen och det är därför omöjligt att redogöra för all tillgänglig tidigare forskning (Yen & Lee, 2008). Därför kommer endast de stora genombrotten redogöras.

Starten för vad som idag kallas EMH kom för över ett sekel sedan, då Bachelier (1900, citerad i Yen & Lee, 2008) fann att aktiepriser följer en så kallad Brownsk rörelse, vilket innebär att aktiepriser följer en slumpmässig vandring (även känt som en ”random walk”). Utifrån detta kunde Bachelier påvisa att framtida aktiekurser är oförutsägbara. Det bör tilläggas att det rent empiriskt är nästintill omöjligt att testa för en slumpmässig vandring (Yen & Lee, 2008). Efter detta hände knappt något gällande EMH, tills en statistiker vid namn Maurice G. Kendall tog vid (1953, citerad i Yen & Lee, 2008). Kendall fortsatte och påvisade på nytt att aktiepriser faktiskt följer en slumpmässig vandring vilket senare backades upp av Samuelsson (1965, citerad i Yen & Lee, 2008) och Mandelbrot (1966, citerad i Yen & Lee, 2008). Om aktiepriserna följer en slumpvandring är det inte långsökt att anta att information gällande tillgången i fråga kommer att reflekteras i tillgångens pris. Fama (1970, citerad Yen & Lee, 2008) konstaterade att aktier följer en slumpvandring och definierade utifrån detta det som idag går under namnet den effektiva marknadshypotesen. EMH enligt Fama finns i tre olika nivåer, beroende på hur väl informationen reflekteras i priserna. Om tidigare eller redan känd information reflekteras till 100% uppvisas svag marknadseffektivitet. Om publik information reflekteras till 100%

uppnås svag- eller semistark effektivitet och slutligen, om all tillgänglig information uppvisas är marknaden starkt effektiv (Yen & Lee, 2008). Forskningen är oense om vilken av dessa grader som faktiskt gäller, men är enig om att aktiemarknader världen över uppvisar någon av graderna (Yen & Lee, 2008). Avslutningsvis menar Yen & Lee att dagens empiriska upptäckter

(10)

6

gällande EMH baseras nästan uteslutande på modeller där forskaren själva måste skapa en estimerad avkastningsmodell som innehåller väldigt mycket antaganden som i sin tur kan leda till att resultaten blir snedvridna och detta leder till att priser inte innehåller all information eller att marknader är effektiva, men forskare specificerar avkastningsmodellerna felaktigt och når då inte slutsatsen att marknader är effektiva. Oavsett så går det inte att avgöra till vilken grad marknader idag är effektiva eller inte (Yen & Lee, 2008).

2.1.2 EMH idag

Forskningen idag har som sagt skilda meningar gällande EMH och en av de mest framstående forskarna, Robert Shiller, ställer sig emot EMH. Shiller var en av tre forskare som år 2013 tilldelades Sveriges Riksbanks pris i ekonomisk vetenskap till Alfred Nobels minne för sitt arbete med empirisk analys av tillgångspriser (Robert J. Shiller - Facts, n.d.). Vid pristilldelningen höll Shiller en föreläsning om sin forskning (Robert J. Shiller - Facts, n.d.).

I föreläsningen påvisar Shiller att han motbevisat att marknader är fullständigt effektiva. Shiller är dock noggrann med att marknader är effektiva till viss grad och att mycket information således reflekteras i priserna. Hela Shillers föreläsning finns tillgänglig på nobelprize.org under Robert J. Shiller – Prize Lecture.

Slutsatsen blir att marknader är effektiva till nivån Fama kallade för semi- eller halvstark marknadseffektivitet vilket är väsentligt för studien som ska utföras eftersom studien bygger på att pressmeddelandet om reporänteförändring (information) ingår i aktiepriserna (priser) nästintill omedelbart.

2.2 Aktievärderingsmetoder

Företagsvärdering används oftast som ett övergripande begrepp för värdering av alla typer av företag. Det är dock viktigt att skilja mellan företagsvärdering och aktievärdering, eftersom i en mer preciserad definition separeras företagets totala värde (företagsvärdet) från värdet på aktieägarnas aktier i företaget (aktievärdet). Den tydligaste skillnaden är således att aktievärdet inte tar hänsyn till företagets skulder. Vidare tar man vid aktievärdering heller inte hänsyn till andra effekter såsom exempelvis vad dominerande kontroll skulle kunna innebära i form av exempelvis koncernöverföringar (Nilsson et al., 2002). För studien som genomförs är endast aktievärdering av intresse och av den anledningen förklaras inte företagsvärdering vidare.

(11)

7

Ett flertal metoder finns tillgängliga för att värdera aktier. I allmänhet kan man skilja mellan två olika ansatser; substansvärdering (tillgångsvärdering) och avkastningsvärdering.

Substansvärdering utgår från en värdering av företagets tillgångar och skulder, medan de avkastningsbaserade modellerna alla i allmänhet baseras på prognoser om framtiden (Nilsson et al., 2002). Det mest vedertagna och allmänt kända tillvägagångssättet vid värdering av aktier är prognosbaserad avkastningsvärdering och av denna anledning kommer de att diskuteras vidare.

2.2.1 Utdelningsbaserad värdering

Vid värdering baserad på utdelningar beräknas det egna kapitalet genom att nuvärdesberäkna (diskontera) alla framtida prognostiserade utdelningar. Utdelningarna är de faktiska utbetalningar som företaget gör till sina ägare (Nilsson et al., 2002). Matematisk ser detta ut enligt följande;

𝑉 = 𝐷1

(1 + 𝑟)+ 𝐷2

(1 + 𝑟)2 + 𝐷3

(1 + 𝑟)3… (1)

Vilket alternativt kan skrivas som;

𝑉 = ∑ 𝐷𝑡 (1 + 𝑟)𝑡

𝑡−1

(2)

Där

• V = Företagets värde (uppskattat värde på eget kapital).

• r = diskonteringsräntan, vilken skall avspegla investeringens risk och tidens inverkan på pengars värde.

• D = de framtida utdelningarna (dividends) vid respektive period.

Avkastningskravet eller diskonteringsräntan (r), kan beräknas på flera olika varav en metod är Capital Asset Pricing Model (CAPM). Grunden till CAPM lades 1964 och har sedan dess utvecklats och blivit ett vedertaget sätt för att beräkna den viktade kapitalkostnaden (företagets totala kostnad för kapital) (Sharpe, 1964, 1966, 1967). CAPM skrivs matematiskt som;

(12)

8

𝐸(𝑅𝑗) = 𝑅 + [𝐸(𝑅𝑚) − 𝑅]𝛽𝑗 (3)

Där

• 𝐸(𝑅𝑗) = 𝑟, 𝐸(𝑅𝑚) är marknadsavkastningen och 𝑅 den så kallade riskfria räntan, i vilken bland annat styrräntan ingår.

• 𝛽𝑗 är företag j:s systematiska risk, vilket innebär risken som inte är företagsspecifik.

Termen visar således hur den enskilda aktiens volatilitet korrelerar med marknaden.

Grundarna till utdelningstillväxtmodellen är Gordon och Shapiro (1956). Eftersom det är extremt mödosamt att prognostisera en oändlig ström av utdelningar utgick forskarna från att företag återinvesterar en del av sina vinster efter skatt och att företag har en viss konstant avkastning på det egna kapitalet. Med dessa antaganden blir det möjligt att uttrycka en modell som innefattar en konstant tillväxt av utdelningar (Gordon & Shapiro, 1956). Denna modell har fått namnet Gordon Growth Model och noteras som;

𝑉0 = 𝐷1 𝑟 − 𝑔

(4)

Där 𝑉0 är aktiens värde, 𝐷1 den förväntade utdelningen nästa år, 𝑟 aktieägarnas avkastningskrav och 𝑔 den årliga tillväxttakten i utdelningarna.

Värderingsmodellen baseras alltså på en prognos av utdelningarna ett år framåt i tiden och därefter ett antagande om konstant tillväxt i utdelningarna (Nilsson et al., 2002). Långt ifrån alla företag har en utdelning, vilket medför att Gordons tillväxtmodell inte alltid kan användas.

2.2.2 Kassaflödesbaserad värdering

Likt en utdelningsbaserad värderingsmodell beräknas vid en kassaflödesbaserad värdering det egna kapitalet genom att nuvärdesberäkna (diskontera) alla framtida prognostiserade kassaflöden. Ett företags kassaflöde kan i enkelhet definieras som skillnaden mellan företags inbetalningar och utbetalningar (Nilsson et al., 2002). Det går därför att påstå att kassaflödet är

”rent” i den aspekten att det är fritt från redovisningsmässiga principer eller hur stor del av det egna kapitalet företaget beslutar att dela ut till aktieägarna. Skillnaden mellan utdelningar och kassaflöden är att kassaflödet visar företagets potentiella utdelningsförmåga medan utdelningar är den faktiska utdelningen. Matematiskt skrivs kassaflödesmodellen;

(13)

9

𝑉 = 𝐾𝐹1

(1 + 𝑟)+ 𝐾𝐹2

(1 + 𝑟)2+ 𝐾𝐹3

(1 + 𝑟)3…. (5)

Vilket alternativt kan skrivas som:

𝑉 = ∑ 𝐾𝐹𝑡 (1 + 𝑟)𝑡

𝑡−1

(6)

Där den enda skillnaden från den utdelningsbaserade modellen är att 𝐾𝐹𝑡 är de framtida kassaflödena vid respektive period. Samma problem som i en utdelningsbaserad värdering uppstår; det är mycket mödosamt att prognostisera en oändlig ström av kassaflöden, vilket leder till att en kassaflödestillväxtmodell kan skrivas som:

𝑉0 = 𝐹𝐾𝐹1 𝑟 − 𝑔

(7)

Där 𝑉0 är aktiens värde, 𝐹𝐾𝐹1 är det förväntade fria kassaflödet nästa är, 𝑟 aktieägarnas avkastningskrav och 𝑔 den årliga tillväxttakten i kassaflödet. En kassaflödesbaserad värdering är alltså att föredra, eftersom denna bygger på företagets egentliga lönsamhet eftersom ett företag i praktiken kan vara extremt lönsamt men ändå inte dela ut pengar till aktieägarna.

2.3 Den penningpolitiska transmissionsmekanismen

Bernanke & Kuttner (2005) påvisar att företag påverkas av penningpolitiska åtgärder av tre anledningar; (1) att förväntningar på framtida utdelningar ändras, (2) att diskonteringen av de framtida förväntade utdelningar förändras på grund av att diskonteringsräntan förändras (där styrräntan ingår) eller (3) att de förväntade framtida överavkastningar förändras (Bernanke &

Kuttner, 2005). Som nämns i inledningen resulterar deras studie i att det inte är förändringen i diskonteringsräntan som är den bakomliggande faktorn utan aktiemarknadens reaktion verkar komma från förväntade framtida utdelningar eller förväntad framtida överavkastning. Detta är inte orimligt, eftersom diskonteringsräntan är homogen i den aspekten att den är lika för alla företag (om de är av samma nationalitet). De två kvarstående anledningarna (2 och 3), är heterogena (företagsspecifika), påverkas starkast av penningpolitik genom transmissionsmekanismen. Transmissionsmekanismen är inte en utan i själva verket flera olika mekanismer som verkar samtidigt och är således ett samlingsord för hur finanspolitik påverkar

(14)

10

ekonomin. Som nämnt i inledningen kan den penningpolitiska transmissionsmekanismen beskrivas genom huvudsakligen tre kanaler, genom vilka marknadsräntorna påverkar efterfrågan; räntekanalen, kreditkanalen och växelkurskanalen (Så påverkar penningpolitiken inflationen | Sveriges Riksbank, n.d.).

2.3.1 Räntekanalen

Högre räntor leder normalt till att hushållens konsumtion dämpas. Högre räntor gör det attraktivt att spara. Att spara är att skjuta konsumtionen framåt i tiden. En annan faktor är att högre räntor gör räntebetalningen på befintliga lån större vilket lämnar mindre kvar för konsumtion vilket leder till lägre konsumtion. Slutligen gör högre räntor att nuvärdet av den framtida avkastningen minskar, eftersom diskonteringsräntan minskar. Det blir även dyrare att låna pengar – genom vilket företags investeringar minskar. Om både konsumtion och investeringar minskar, minskar den totala efterfrågan i ekonomin vilket leder till en lägre takt i ekonomin (Så påverkar penningpolitiken inflationen | Sveriges Riksbank, n.d.).

2.3.2 Kreditkanalen

Kreditkanalen beskriver hur penningpolitiken påverkar efterfrågan i ekonomin via banker och andra finansiella institut. Som beskrivs under räntekanalen leder högre räntor till att priset på tillgångar faller. Eftersom både finansiella och reala tillgångar används som säkerhet vid lån blir bankerna, i och med en räntehöjning, mer restriktiva i sin utlåning när värdet på dessa sjunker. Detta leder i sin tur till att bankerna ökar sina räntemarginaler eller minskar utlåningen genom att ställa hårdare krav på nya krediter. Sammantaget förstärker kreditkanalen effekten av den högre reporäntan genom att både hushåll och företag får det svårare att låna pengar, vilket leder till att både investeringar och konsumtion minskas (Så påverkar penningpolitiken inflationen | Sveriges Riksbank, n.d.).

2.3.3 Växelkurskanalen

Växelkurskanalen beskriver hur penningpolitiken påverkar värdet på valutan. Normalt leder en höjning av reporäntan till att den svenska kronan stärks. En starkare växelkurs påverkar ekonomin på framförallt två sätt, genom att utländska varor blir billigare gentemot inhemska varor (import ökar och export minskar). Lägre efterfrågan på inhemska varor bidrar till att aktiviteten i ekonomin sjunker (Så påverkar penningpolitiken inflationen | Sveriges Riksbank, n.d.)

(15)

11

2.4 Prospektteorin

En av grundarna till den så kallade prospektteorin heter Daniel Kahneman. Prospektteorin bygger på teorin om förväntad nytta som låg till grund för den rationella aktörsmodellen och än idag är en av de viktigaste teorierna inom samhällsvetenskapen. Denna teorin var inte avsedd att användas som psykologisk modell utan var en logik för valsituationer på grund av läggande regler för rationalitet, förenklat kan detta beskrivas som att det rationella valet är det val med positivt väntevärde. Grunden till att kopplas samman samhällsvetenskapens teori om förväntad nytta lade Daniel Bernoulli så tidigt som år 1738. Bernoulli tillämpade Fechners resonemang på sambandet mellan pengars psykologiska värde (som idag kallas nytta) och den faktiska summan pengar. Bernoulli hävdade att en gåva på 10 dukater motsvarade samma nytta för någon med 100 dukater som en gåva på 20 dukater för någon med 200 dukater (Kahneman, 2013).

Bernoulli lät denna psykologiska instinkt om förmögenheters nytta ligga till grund för ett helt nytt sätt att bedöma spel utifrån sitt väntevärde. Bernoulli gjorde dock misstaget att det är förmögenhetens nytta som bestämmer människors lyckonivå, vilket inte stämmer. Kahneman påvisar detta med ett exempel; både Jack och Jill har idag 5 miljoner vardera. Igår hade Jack 1 miljon och Jill 9 miljoner. Kahneman skriver sedan ”det krävs ingen examen i psykologi för att förstå att Jack i dag strålar av glädje och Jill är knäckt”. Kahneman och Amos insåg Bernoullis misstag och tog vid där Bernoulli slutade. Utvecklingen kom att resultera i prospektteorin (Kahneman, 2013).

Prospektteorins bygger på förlustaversion, vilket betyder att vi är riskaversiva och därför kräver mer (högre) kompensation vid negativa besked än vid positiva besked. Intuitionen bakom förlustaversion och prospektteorin är relativt simpel och förklaras enklast med en graf. Grafen nedan visar det psykologiska värdet av förluster och vinster, vilka är värdebärarna i prospektteorin.

(16)

12 Figur 1

Kurvan har två delar, en till höger och en till vänster om den neutrala referenspunkten. Ett utmärkande drag är kurvans S-form, som innebär att känsligheten för såväl vinster som förluster avtar när vinsten eller förlusten ökar. S:ets båda kurvor inte är symmetriska utan kurvans lutning förändras radikalt i referenspunkten; reaktionen på förluster är starkare än på motsvarande vinster vilket är definitionen av förlustaversion (Kahneman, 2013).

(17)

13

3. Empirisk metod

Studiens största och mest komplexa del är den empiriska metoden. I detta kapitel kommer det empiriska tillvägagångssättet att beskrivas och i nästa beskrivs studiens data. Utgångspunkten är hur en studie av denna karaktär, även kallad eventstudie, går till.

3.1 Eventstudie

En eventstudie är en empirisk analys som utförs på en tillgång för att undersöka huruvida en viss händelse påverkar tillgångens pris. Med hjälp av eventstudier kan man således utvinna viktig information gällande hur priset på en viss typ av tillgång påverkas givet en viss typ av event.

Grunden till metodologin lades av Fama, Fisher, Jensen och Roll år 1969 (Binder, 1998). Fama et al. undersökte hur en aktiesplit påverkade aktiepriset. För att isolera effekten av aktiespliten på aktiepriset, kontrollerade Fama et al. för den ”normala” relationen mellan aktien och avkastningen från ett bredare index under samma tidsperiod. På detta sätt kunde de estimera vad den ”normala” avkastningen skulle ha varit, om händelsen (aktiespliten) aldrig ägt rum, vilket sedan jämfördes mot vad den faktiska avkastningen blev. Skillnaden mellan den estimerade ”normala” avkastningen och den faktiska avkastningen kom att kallas för den abnormala avkastningen (Binder, 1998). Sedan uppkomsten har eventstudier använts flitigt för att undersöka hur priser påverkas av exogena förändringar såsom ändrade redovisningsregler, vinstvarningar, regleringar eller penningpolitik (Binder, 1998). Metoden har de facto blivit standard vid studier som undersöker hur exogena händelser påverkar priset på olika tillgångar.

Det finns enligt Mackinlay et al. (1997) flera olika tillvägagångssätt för att estimera den normala avkastningen. Dessa kan löst grupperas i två grupper; statistiska och ekonomiska. De statistiska metoderna baseras på statistiska antaganden gällande avkastning och tar inte hänsyn till ekonomiska antaganden. De ekonomiska metoderna däremot baseras på både statistiska och ekonomiska antaganden. Ekonomiska antaganden är bland annat investerares beteenden.

Exempel på statistiska metoder är marknadsmodellen och constant mean return model.

Exempel på ekonomiska modeller är capital asset pricing model (CAPM) och arbitrage pricing model (ABT) (Mackinlay et al., 1997). Av de statistiska modellerna är marknadsmodellen att föredra då denna är en förbättring av constant mean return model. Gällande de ekonomiska

(18)

14

modellerna är CAPM vanligast förekommande. Ett problem med användandet av ekonomiska modeller såsom CAPM är att resultaten varierar kraftigt från studie till studie. Mackinlay et al.

förklarar att anledningen till detta är för att ekonomiska modeller kräver mycket antaganden som är upp till respektive forskare att göra. Att modellen således specificeras olika mellan olika forskare leder till att resultaten vid användandet av en ekonomisk modell går att ifrågasätta eftersom det alltid kommer finnas en viss typ av snedvridning på grund av de antaganden forskaren gör när denne specificerar sin modell (Mackinlay et al., 1997). Eftersom denna typ snedvridning är enkel att undvika genom att använda marknadsmodellen, har användandet av ekonomiska modeller nästintill försvunnit helt (Mackinlay et al., 1997). Studien som genomförs kommer att använda marknadsmodellen för att estimera den normala avkastningen och marknadsmodellen förklaras vidare under kapitel 3.3.

Händelseförloppet i en eventstudie kan summeras i fem punkter (Mackinlay et al., 1997):

• Tidsperioderna definieras – tidsperioderna är eventperioden som är den tidsperiod effekten av varje enskild händelse undersöks samt estimeringsperioden som utgör tiden den estimerade normala avkastningen ska baseras på.

• Urvalskriterier definieras – detta steg utgör exempelvis vilka företag studien ska innefatta, t.ex. de inom en bransch eller noterade på en viss börs.

• Estimera förväntad avkastning – den förväntade avkastningen är den normala avkastningen som antas uppstått om händelsen aldrig ägt rum, som i denna studie estimeras med marknadsmodellen.

• Definiera vad som ska testas – här kan variabler lämpliga för studien definieras samt att nollhypoteser kopplade till dessa formuleras.

• Bestäm hur nollhypotesen ska testas – sist definieras de statistiska metoderna lämpliga för att testa nollhypotesen formulerad i föregående steg.

(19)

15

3.2 Tidsperioder

Det finns ingen exakt bestämmelse om hur långa tidsperioder som krävs i en eventstudie. Målet är att fånga så mycket som möjligt i perioden innan händelsen äger rum för att på så sätt åstadkomma den mest rimliga estimeringen av den normala avkastningen samt att fånga hela fönstret när händelsen påverkar tillgångspriset (Armitage, 1995).

3.2.1 Event och eventperiod

I studien är eventet Riksbankens pressmeddelande om förändrad reporänta. Eventperioden är i enlighet med Lobo (2002) och Svärd (2013) bestämd till två dagar, samma dag som pressmeddelandet går ut och en dag innan pressmeddelandet går ut (Lobo, 2002; Svärd, 2013).

3.2.2 Estimeringsperiod

Estimeringsperiodens syfte är att estimera vad den normala avkastningen skulle varit utan händelsen och för detta krävs det att en så kallad estimeringsperiod definieras. I studien som genomförs är estimeringsperioden 50 handelsdagar innan dagen då Riksbanken gick ut med pressmeddelandet (eventet). Med andra ord estimeras vad aktiepriset bör varit om Riksbanken aldrig gått ut med pressmeddelandet, baserat på de 50 föregående handelsdagarna (Armitage, 1995).

Tidsaspekterna kan sammanfattas i figur 2 nedan.

Figur 2

(20)

16

3.3 Urvalskriterier

Urvalet studien grundar sig i är aktierna inkluderade i indexet OMXS30. Anledningen för detta är att dessa är de 30 börsnoterade företag som omsätts mest i Sverige. Det blir således naturligt att använda OMXS30 eftersom desto högre omsättning, desto snabbare prisas information in i aktiepriserna, med grund i den effektiva marknadshypotesen (EMH). Detta leder till att prissättningen, vid pressmeddelandet om förändrad reporänta effektivt prissätts utifrån den nya informationen. Eftersom dessa 30 företag omsätts mest och snabbast i landet kommer informationen återspeglas mest korrekt i dessa aktier vilket också återspeglar marknaden så tydligt och rättvist som möjligt.

I marknadsmodellen krävs ett index (se nedan). Data på flera olika index insamlades och en korrelationsmatris skapades. Högst korrelation med OMXS30 hade det tyska indexet DAX30, varav det är det index som används i studien. Mer om indexkorrelation i kapitel 4.

3.4 Normal- och abnormal avkastning 3.4.1 Marknadsmodellen

Som nämnt ovan kommer marknadsmodellen att användas för att estimera den normala avkastningen. En normal avkastning definieras som den prisutveckling tillgången bör uppvisat om händelsen aldrig ägt rum.

Marknadsmodellen relaterar avkastningen från tillgången till marknadens avkastning.

Marknadsmodellen skrivs enligt följande (Mackinlay et al., 1997);

𝑅̂ = 𝛼𝑖𝑡 𝑖+ 𝛽𝑖𝑅𝑚𝑡+ 𝑒𝑖𝑡 (8)

Där 𝑅̂ är avkastningen för tillgång i, 𝑅𝑖𝑡 𝑚𝑡 är avkastningen för marknaden m, 𝛼𝑖 och 𝛽𝑖 är regressionskoefficienter och 𝑒𝑖𝑡 är feltermen.

Modellen är en enfaktorsregression som estimeras med minsta-kvadratmetoden (OLS).

(21)

17

3.4.2 Abnormal avkastning

När den normala avkastningen för tillgång i (𝑅̂ ) estimerats fås den abnormala avkastningen 𝑖𝑡 genom att subtrahera den estimerade, normala avkastningen med den faktiska avkastningen;

𝐴𝑅𝑖𝑡 = 𝑅̂ − (𝛼𝑖𝑡 𝑖+ 𝛽𝑖𝑅𝑚𝑡) (9)

Där 𝐴𝑅𝑖𝑡 är den abnormala avkastningen för tillgång i under perioden t som påvisar hur den exogena händelsen reflekteras i priset (Armitage, 1995).

Ett problem som uppstår med finansiella tidsserieanalys är att de grundläggande OLS- antagande inte är uppfyllda. De grundläggande antagandena är att väntevärdet ska vara noll, vilket innebär att feltermens väntevärde ska gå mot noll, studiens urval ska vara oberoende och slumpmässigt, det är osannolikt med stora outliers och det får inte förekomma perfekt multikollinearitet. Vanligast är problem med heteroskedasticitet eftersom aktiekursen idag korrelerar kraftigt med aktiekursen igår för respektive aktie. Det är högst osannolikt att en aktie som idag kostar exempelvis 400 kronor kommer att kosta 20 kronor imorgon och mycket mer sannolikt att samma aktie idag kostar 380 kronor. Det finns alltså en intern korrelation inom varje observation, vilket gör att det första antagandet, att feltermens väntevärde ska gå mot noll inte håller. Mer matematiskt kan detta beskrivas som att feltermen (𝑒𝑖𝑡), är beroende av den förklarande variabeln (𝑅𝑚𝑡) vilket i ekonometriska termer betyder att feltermen är heteroskedastisk (Stock & Watson, 2015). Således kan inte en modell estimeras med minsta- kvadratmetoden (OLS).

För att komma runt detta använder exempelvis Lobo (2002) och Svärd (2013) en form av GARCH-modell för att estimera variansen (Lobo, 2002; Svärd, 2013). Modellen de båda använder kallas EGARCH och tar hänsyn till att vi människor kräver mer vid negativa nyheter än vid positiva som förklaras under prospektteorin i kapitel 2 (Lobo, 2002; Svärd, 2013).

Studien som genomförs kommer att använda en EGARCH-modell för att estimera den normala avkastningen.

(22)

18

3.4.4 GARCH-modellen

För att förstå EGARCH-modellen är det viktigt att förstå GARCH-modellen som i sin tur bygger på ARCH-modellen vilken utvecklades av Robert Engel (Engel 1982, refererad i Stock

& Watson, 2015). ARCH-modellen modellerar feltermen (𝑒𝑖𝑡) som normalt distribuerad med medelvärde noll och variansen 𝜎𝑡2, där variansen (𝜎𝑡2) beror på tidigare värden av feltermen i kvadrat (𝑒𝑖𝑡2). Detta visas enklast och bäst med ett exempel. Anta att utgångspunkten är en laggad OLS-modell enligt följande, med variansen 𝜎𝑡2;

𝑌𝑖𝑡 =  + 𝛽𝑋𝑡−1+ 𝑒𝑡 (10)

Med ARCH för period p, benämnd som ARCH(p) blir variansen (𝜎𝑡2);

𝜎𝑡2 =  + 𝛽1𝑒𝑡−12+ 𝛽2𝑒𝑡−22+ ⋯ + 𝛽3𝑒𝑡−𝑝2 (11)

Där , 𝛽1, 𝛽2, … , 𝛽𝑝 är okända koefficienter. Om dessa är positiva och de senaste feltermerna i kvadrat är stora kommer ARCH-modellen att förutspå att nästa felterm i kvadrat också kommer att vara stor med avseende på variansen (𝜎𝑡2) (Stock & Watson, 2015). Således kontrollerar en ARCH-modell för just problemet med heteroskedasticitet i aktiekursdatat beskrivet ovan eftersom den använder ett viktat genomsnitt av feltermen i kvadrat istället för bara feltermen i kvadrat likt en OLS-modell. Detta är även känt som volatilitetsklustering.

GARCH står för generalized autoregressive conditional heteroskedasticity och är alltså en generaliserad ARCH-modell. Tim Bollerslev utvecklade år 1986 ARCH till GARCH (Bollerslev 1986, refererad i Stock & Watson, 2015). Skillnaden mellan ARCH-modellen och den generaliserade ARCH-modellen är att GARCH utökar ARCH till att både baseras på den laggade feltermen i kvadrat (𝑒𝑖𝑡2) och den laggade variansen (𝜎𝑡2) (Stock & Watson, 2015).

Både ARCH- GARCH-modellen estimeras genom maximum likelihood-metoden (ML- metoden). ML-metoden estimerar den beroende variabeln genom att välja det värde på den beroende variabeln, givet de oberoende variablerna för att hitta det utfall i den oberoende variabeln som är högst sannolikt givet de insamlade värdena på de beroende variablerna (Stock

& Watson, 2015).

(23)

19

3.4.5 EGARCH-modellen

EGARCH-modellen är som tidigare nämnt den modell som används av bland annat Lobo (2002) och Svärd (2013). Det EGARCH-modellen åstadkommer är att denna tar hänsyn till hur människor tar emot information. EGARCH-modellen är en utvecklad GARCH-modell och står för ”the exponential GARCH model”. EGARCH skapades av Nelson år 1991 (Nelson, 1991).

Nelson fann tre problem med GARCH-modellen; (1) det fanns en negativ korrelation mellan nuvarande avkastningar och framtida avkastningars volatilitet, (2) GARCH-modellen skapar restriktioner i parametrar som ofta blir förstörda av estimerade koefficienter vilket leder till att dynamiken i modellens varians blir förstörd och (3) att det är väldigt svårt att mäta om chocker i variansen är långvariga eller inte (Nelson, 1991).

För att åtgärda detta logaritmerade Nelson (1991) variansen (𝜎𝑡2). Eftersom informationsassymetri förekommer införde Nelson (1991) också en leverege-term (𝛾) som genom att öka eller minska effekten av störningstermen tar hänsyn till den informationsassymetri forskningen påvisat existerar (Nelson, 1991).

Således tar modellen hänsyn till både volatilitesklustering (heteroskedasticitet) och leverege- effekter (prospektteorin, informationsassymetri).

EGARCH-modellen presenteras matematiskt som (Ezzat, 2013);

𝑙𝑛 𝜎𝑡2 = 𝜔 + 𝛽𝑙𝑛𝜎𝑡−12 + 𝛼 |𝑒𝑡−1

𝜎𝑡−1| + 𝛾 |𝑒𝑡−1

𝜎𝑡−1| (12)

Där 𝜔 är en konstant, 𝛽 är GARCH-termen med logaritmerad varians, 𝛼 är ARCH-termen, 𝜎 är standardavvikelsen, 𝛾 är leverege-termen.

Feltermen (𝑒𝑖𝑡) är i modellen den abnormala avkastningen (𝑅̂ − (𝛼𝑖𝑡 𝑖+ 𝛽𝑖𝑅𝑚𝑡)) där 𝑅̂ 𝑖𝑡 estimeras med marknadsmodellen. Är leverage-termen (𝛾) signifikant och avviker från noll betyder det att det existerar informationsassymetri under mätperioden (Ezzat, 2013).

(24)

20

3.5 Kumulativ abnormal avkastning

När den abnormala avkastningen estimerats enligt ovan måste alla abnormala avkastningar aggregeras för att skapa möjligheten att dra en total slutsats (Mackinlay et al., 1997), det vill säga en slutsats för alla aktier eftersom dessa i denna studie representerar den svenska börsen.

Aggregeringen är tvådimensionell; över tid och över olika aktier eftersom Riksbanken under tidsperioden gått ut med flera pressmeddelanden. Det första steget är således att aggregera alla pressmeddelanden (event) för varje aktie. Steg två blir sedan att aggregera alla aktier (Mackinlay et al., 1997).

För att aggregera den kumulativa abnormala avkastningen (KAA) över tid för varje enskild aktie används eventfönstret som i denna studie är satt till två dagar, samma dag som pressmeddelandet och en dag före pressmeddelandet. Således ska KAA definieras från 𝑡1till 𝑡2 där 𝑡1 är dagen innan pressmeddelandet och 𝑡2 är samma dag som pressmeddelandet. Med andra ord är 𝑡 = 𝑡1− 𝑡2 = 2. Härifrån kommer uttrycket (Mackinlay et al., 1997);

𝐾𝐴𝐴(𝑡1, 𝑡2) = ∑ 𝐴𝑅𝑖𝑡

𝑡2

𝑡=𝑡1

(13)

Nästa steg blir att slå samman aktiernas KAA för att aggregera hela datat till den kumulativa abnormala avkastningen för hela studien (över både tid och aktier). För att göra detta används 𝐴𝑅𝑖𝑡 från det föregående steget (Mackinlay et al., 1997). Givet N antal event under perioden fås uttrycket (Mackinlay et al., 1997);

𝐴𝑅̂ 𝑖𝑡 = 1

𝑁∑ 𝐴𝑅𝑖𝑡

𝑁

𝑖=1

(14)

Det är nu möjligt att beräkna hela marknadens KAA över tidsperioden, vilket är nödvändigt eftersom studien undersöker huruvida förändrad reporänta påverkar hela den svenska aktiemarknaden. Den genomsnittliga kumulativa abnormala avkastningen beräknas på samma sätt som KAA för varje aktie (Mackinlay et al., 1997);

(25)

21

𝐾𝐴𝐴̂(𝑡1, 𝑡2) = ∑ 𝐴𝑅̂𝑖𝑡

𝑡2

𝑡=𝑡1

(15)

När den genomsnittliga KAA är beräknad enligt ovan blir det möjligt att testa för signifikans med ett vanligt t-test.

3.6 Test

Vid detta stadie är alla parametrar estimerade och den genomsnittliga kumulativa abnormala avkastningen är beräknad. Det som återstår är att se huruvida den abnormala avkastningen modellen beräknat är en slump eller inte. För att göra detta används 5% signifikansnivå, vilket innebär att riktigheten i resultaten med 95% sannolikhet är korrekta om modellen uppvisar signifikans på 5% signifikansnivå (Stock & Watson, 2015).

På grund av studiens natur kommer sex hypoteser initialt ställas upp, där de två första kan ses som mest väsentliga;

1. Den abnormala avkastningen kan inte skiljas från noll vid reporäntehöjning 2. Den abnormala avkastningen kan inte skiljas från noll vid reporäntesänkning 3. Den abnormala avkastningen kan inte skiljas från noll om reporäntehöjningen

sker vid positiv reporänta

4. Den abnormala avkastningen kan inte skiljas från noll om reporäntehöjningen sker vid negativ reporänta

5. Den abnormala avkastningen kan inte skiljas från noll om reporäntesänkningen sker vid positiv reporänta

6. Den abnormala avkastningen kan inte skiljas från noll om reporäntesänkningen sker vid positiv reporänta

Dessa hypoteser kan alla sammanfattas som;

𝐻0: 𝐾𝐴𝐴̂ = 0 (16)

𝐻𝑎: 𝐾𝐴𝐴̂ ≠ 0 (17)

(26)

22

Om testerna uppvisar ett p-värde < 0,05 kommer nollhypotesen att förkastat och det går att med 95% sannolikhet säga att den genomsnittliga kumulativa abnormala avkastningen är skild från noll (Stock & Watson, 2015).

(27)

23

4. Data

4.1 Datainsamling

Aktiekursdatat består av den dagliga stängningskursen för respektive bolag. Datat är hämtat från databasen Thomson Reuters Eikon via Umeå Universitetsbibliotek och sträcker sig över perioden 02/4–10 till och med 31/3–2020. De aktier den dagliga stängningskursen inhämtades för är de aktier som utgör indexet OMXS30. Vilka aktier som utgör indexet redogör Nasdaq, som äger indexet för. (Index info OMXS30, OMX Stockholm 30 Index - Nasdaq, n.d.).

Aktiedatat sammantaget består av 2 510 observationer för 28 stycken aktier vilket resulterar i 562 240 datapunkter.

Data berörande reporäntan samt pressmeddelandet om förändring är båda hämtade från Riksbankens hemsida den 02/4-2020 (Pressmeddelanden 2010 | Sveriges Riksbank, n.d.;

Reporänta, in- och utlåningsränta | Sveriges Riksbank, n.d.). Antalet pressmeddelanden i studien uppgår till 60 stycken varav 20 är en förändring av reporäntan och de resterande 40 ett pressmeddelande om oförändrad reporänta. Förändringarna av reporäntan består av 9 höjningar och 11 sänkningar. Observationerna för vad reporäntan var vid pressmeddelandet uppgår till 60 stycken, varav 20 kommer användas baserat på pressmeddelanden där reporäntan de facto förändrats. Av dessa 20 observationer är 13 förändrad reporänta vid positiv reporänta och 7 stycken förändrad reporänta vid negativ reporänta.

Indexdatat som använts för att se hur olika marknader korrelerar med varandra är hämtad från Thomson Reuters Eikon via Umeå Universitetsbibliotek och innehåller 2 608 observationer över totalt 32 index, vilket resulterar i totalt 333 824 datapunkter. Mer om index under 4.3.

4.2 Bortfall

Ur indexet OMXS30 exkluderas aktien Atlas Copco B samt Essity. Atlas Copco B för att både Atlas Copco A och B finns med i indexet. A-aktien har högst omsättning och av på grund av detta exkluderas B-aktien ( Köp aktier | Avanza, n.d.).

Essity exkluderas eftersom Essity endast funnits i indexet sedan den 15 juni 2017 och studien sträcker sig från juli 2010 till och med februari 2020 (Index info OMXS30, OMX Stockholm 30 Index - Nasdaq, n.d.).

(28)

24

4.3 Val av index

Utifrån beskrivningen av marknadsmodellen under 3.4.1 är det tydligt att modellen kräver ett index för att estimera den normala avkastningen. Att använda OMXS30 anses inte vara optimalt, eftersom aktierna indexet består av är urvalet i studien. Skulle OMXS30 användas som index, skulle således en stor del av den heterogena reaktion som förväntas uppkomma vid pressmeddelandet om reporänteförändring till stor del försvinna eftersom aktiepriserna som studeras utgör indexet. För att lösa problemet samlades data på en rad olika index in för att se korrelationen dem sinsemellan.

Tabell 1 - korrelationsmatris

OMXS30

FTSE Eurotop 100 0.9289*

Stoxx Global 1800 0.9441*

FTSE Eurofirst 300 0.9550*

Stoxx Europe 600 0.9616*

CAC40 0.9172*

DAX30 0.9727*

OMXHPI 0.9254*

S&P 500 0.9241*

JPXNK400 0.9253*

ASX200 0.9237*

*signifikant vid 1% signifikansnivå

I matrisen är bara de index som korrelerar med över 0.9 gentemot OMXS30 medtagna.

Anmärkningsvärt är att det svenska indexet OMXS30 uppvisar hög korrelation med Australien (ASX200), Japan (JPXNK400) och USA (S&P 500) vilket ökar sannolikheten för att resultaten från den tidigare forskningen som gjorts (både i USA och Japan) går att applicera på den svenska marknaden eftersom dessa marknader uppvisar hög korrelation.

Indexet som används för studien är, utifrån korrelationsmatrisen, DAX30 eftersom detta index korrelerar till högst grad med den svenska marknaden (OMXS30). DAX30 visar utvecklingen för de 30 mest omsatta aktierna i Tyskland (Dålig på index? Här är din guide! | Aktiespararna, n.d.).

(29)

25

5. Resultat

De hypoteser som ställdes upp i kapitel 3.6 kan som tidigare nämnt sammanfattas som:

𝐻0: 𝐾𝐴𝐴̂ = 0 (18)

𝐻𝑎: 𝐾𝐴𝐴̂ ≠ 0 (19)

Där t-testet som utförs avgör om pressmeddelandet om förändrad reporänta påverkar den svenska aktiemarknaden eller inte. Om den genomsnittliga kumulativa abnormala avkastningen (𝐾𝐴𝐴̂ ) är skild från noll resulterar testet i ett p-värde mindre än 0,05 och nollhypotesen kan förkastas. Visar testet ett p-värde större än 0,05 kan nollhypotesen inte förkastas och det finns således inget empiriskt stöd för att den abnormala avkastningen är skild från noll.

5.1 Räntehöjningar

Resultaten för de hypoteser berörande räntehöjningar redovisas nedan och ingen av de tre nollhypoteserna kan förkastas. Det går således inte att finna empiriskt stöd för att reporäntehöjningar påverkade den svenska börsen mellan slutet av 2010 och inledningen av 2020.

5.2 Räntesänkningar

Resultaten gällande räntesänkningar visar också att ingen av nollhypoteserna kan förkastas.

Således finns inget empiriskt stöd för att reporäntesänkningar påverkade den svenska börsen mellan slutet av 2010 och inledningen av 2020.

(30)

26

Tabell 2 - Resultat

Den abnormala avkastningen kan inte skiljas från noll vid reporäntehöjning.

Medelvärde P-värde

𝐾𝐴𝐴̂ 0,559 0,735

Den abnormala avkastningen kan inte skiljas från noll om reporäntehöjningen sker vid positiv reporänta.

Medelvärde P-värde

𝐾𝐴𝐴̂ 2,151 0,152

Den abnormala avkastningen kan inte skiljas från noll om reporäntehöjningen sker vid negativ reporänta.

Medelvärde P-värde

𝐾𝐴𝐴̂ -5,009 0,344

Den abnormala avkastningen kan inte skiljas från noll vid reporäntesänkning.

Medelvärde P-värde

𝐾𝐴𝐴̂ 0,274 0,863

Den abnormala avkastningen kan inte skiljas från noll om reporäntesänkningen sker vid negativ reporänta.

Medelvärde P-värde

𝐾𝐴𝐴̂ -0,432 0,794

Den abnormala avkastningen kan inte skiljas från noll om reporäntesänkningen sker vid positiv reporänta.

Medelvärde P-värde

𝐾𝐴𝐴̂ -5,009 0,344

Resultaten ovan ligger inte i linje med tidigare forskning på området vilket är oroväckande men behöver inte vara konstigt. Potentiella anledningar till resultaten som uppvisas diskuteras i nästkommande kapitel.

Att resultaten ovan inte är signifikanta betyder inte att modellen eller datat inte. Testernas syfte är undersöka om den abnormala avkastningen är skild från noll eller inte när pressmeddelandet gällande ändrad reporänta släppts. Att resultatet inte är signifikant betyder att det inte går att empiriskt bevisa att den abnormala avkastningen är skild från noll, vilket med andra ord innebär att det inte går att bevisa empiriskt att reporänteförändringar påverkar den svenska börsen.

(31)

27

Det finns inga bestämmelser om hur många dagar estimeringen av den normala avkastningen skall göras på eller hur stort eventfönstret ska vara vid eventstudier. Test med olika kombinationer av respektive har gjorts utan förändrat resultat. De olika kombinationerna har bestått av olika estimeringsperioder respektive eventfönster. Gällande estimeringsperioder har test utförts med estimeringsperioder inom spannet 100 till 30 handelsdagar före eventet.

Gällande eventfönstret har test utförts med eventfönstret satt till; två dagar innan pressmeddelande samt samma dag som pressmeddelandet (tre dagar), dagen för pressmeddelandet (en dag) och dagen för pressmeddelandet samt en dag efter pressmeddelandet (två dagar).

(32)

28

6. Diskussion

Studiens syfte har varit att redogöra för huruvida reporänteförändringar påverkar den svenska börsen. För att göra detta genomfördes en så kallad eventstudie, där aktiepriserna utan reporänteförändringen först estimeras för att sedan jämföra detta med den faktiska avkastningen som uppkom vid reporänteförändringen. Den normala avkastningen estimerades baserat på de 50 föregående handelsdagarna och jämfördes sedan mot eventfönstrets 2 dagar, dagen innan pressmeddelandet för förändrad reporänta och samma dag som pressmeddelandet för förändrad reporänta. Modellen som används för att estimera den normala, förväntade avkastningen är en EGARCH-modell. Anledningen till att eventfönstret är bestämt till att vara en dag innan pressmeddelandet samt samma dag som pressmeddelandet är för att inkludera eventuell läckt information samt för att någorlunda försöka kontrollera för eventuella förväntningar. Om förändringen av reporäntan ligger i linje med vad marknaden förväntar sig kommer inte priserna att påverkas, eftersom den effektiva marknadshypotesen bland annat påvisar att marknaden då redan prisat in förändringen av reporäntan.

Resultaten ligger inte i linje med de studier som gjorts i andra länders respektive aktiemarknader och styrränteförändringar. Resultatet ligger heller inte i linje med vad studenter tidigare funnit för empiriskt samband mellan reporänteförändringar och den svenska börsen.

Potentiella anledningar till att resultatet inte ligger i linje med tidigare studier kommer därför att diskuteras under detta kapitel.

Tidsperioden studien innefattar, åren 2010 till 2020 har varit ganska speciella. Dels i hur den svenska börsen utvecklats samt dels i hur penningpolitiken bedrivits. I oktober 2014 införde Riksbanken nollränta, vilket betyder att Riksbanken satte reporäntan till 0%. Efter nollräntan upplevde Riksbanken att osäkerheten i världsekonomin ökade ytterligare kombinerat med att inflationstrycket fortsatte vara alldeles för lågt. År 2015 tog därför Riksbanken det drastiska steget att för första gången i historian införa negativ reporänta. Reporäntan sattes i februari 2015 till -0,10%. Utöver detta beslutade Riksbanken att köpa statsobligationer vilket innebär att Riksbanken ökar penningmängden i ekonomin och driver således på inflationen.

Riksbanken skriver i en publikation att negativ reporänta har en expansiv effekt och vid en undersökning svarade 80% av de tillfrågade företagen att den negativa reporäntan haft en positiv effekt för deras verksamhet. Riksbanken fann också stöd för att penningpolitiken är

(33)

29

verkningsfull vid negativ reporänta men genomslaget på bland annat utlåningsräntor till hushåll varit svagare och långsammare än normalt (Redogörelse för penningpolitiken 2019, 2019). Det finns således stöd för att penningpolitik åtminstone inte verkar likadant vid negativ reporänta som den gör vid positiv reporänta vilket är en möjlig förklaring till att studiens resultat inte ligger i linje med tidigare studier, då reporäntan varit uteslutande positiv vid tidigare studier.

Det skulle vara intressant att i framtiden forma en studie som försöker besvara hur aktiemarknaden reagerar eller påverkas vid negativ reporänta för att försöka finna om detta faktiskt är anledningen till att det inte går att skilja den genomsnittliga kumulativ avkastningen från noll.

Lite slarvigt brukar man säga att OMXS30 i genomsnitt ökat med 8% per år och att man som investerare därför kan, över tid förvänta sig omkring 6–10% i genomsnittlig årlig avkastningen på sina investerade pengar. Under perioden 1990-2019 har OMXS30 utvecklats med en genomsnittlig årsavkastning om 12,49% (Historisk avkastning för Stockholmsbörsen 1983- 2019 (OMXS30), n.d.). Detta betyder att börsen under den senare tiden utvecklats i överkant historiskt sett, vilket kan vara en potentiell- eller delförklaring till varför resultaten från denna studie inte ligger i linje med tidigare studier. Att undersöka hur den svenska aktiemarknaden reagerar på reporänteförändringar under exempelvis en börskris eller under perioder när aktiemarknaden utvecklas negativt skulle därför vara ett intressant område för framtida studier.

En annan anledning till att resultaten inte ligger i linje med tidigare studier kan de facto vara att de sänkningar och höjningar som gjorts under perioden 2010 till 2020 varit helt i linje med vad marknaden förväntat sig. Eftersom den effektiva marknadshypotesen bevisligen verkar till viss nivå, betyder detta att aktiemarknaden inte påverkas av reporänteförändringar eftersom detta redan är inprisat i aktiekurserna vid pressmeddelandet. En parallell från denna anledning går att dra till investerares framtidstro och därigenom beteenden. Investerares beteenden är en stor del av de priser som råder på aktiemarknaden och studier inom området är därför att rekommendera. Ett exempel skulle vara att försöka finna hur stor del av priserna investerarna själva faktiskt bestämmer kontra hur mycket av priserna som utomstående (exogena) faktorer såsom exempelvis penningpolitik påverkar priserna. En eventuell metod för att göra detta skulle kunna vara att se hur stor del av förändringen i reporäntan som är förväntad vilket ger en mer rättvisande bild. För att göra detta är ett exempel att använda terminskontrakt på reporäntan.

(34)

30

Att försöka finna hur penningpolitik påverkar priser i allmänhet och aktiepriser i synnerhet är vore intressant för att underlätta och fördjupa förståelsen kring hur penningpolitiken verkar.

Andra exempel på framtida forskning är att testa använda andra GARCH-modeller och eventuellt jämföra dessa mot varandra för att se vilken av alla dessa modeller som faktiskt är bäst lämpad för en studie av denna karaktär.

Slutsatsen blir att resultatet inte ligger i linje med vad tidigare studier påvisar, vilket aldrig klingar särskilt snyggt. Faktum är dock att det vid närmare eftertanke inte behöver klinga så illa som det kanske gör vid första anblick. Som börsen utvecklats under tioårsperioden studien innefattar har den aldrig gjort under modern tid. Samtidigt har Riksbanken bedrivit expansiv penningpolitik vilket leder till att det finns mycket likviditet till låg kostnad i samhället. Denna likviditet måste hamna någonstans och börsen är ofta ett både bra och vanligt alternativ. Utöver detta så har reporäntan varit negativ, vilket den aldrig tidigare i historian varit. Med så stora skillnader gällande omständigheterna gentemot tidigare studier blir det i min mening rimligare att resultaten skiljer sig åt mot för om de skulle vara desamma.

(35)

31

Referenser

Armitage, S. (1995). Event Study Methods. In Journal of Economic Perspectives (Vol. 8, Issue 4, pp. 25–52).

Atlas Copco A (ATCO A) - Köp aktier | Avanza. (n.d.). Retrieved April 7, 2020, from https://www.avanza.se/aktier/om-aktien.html/5234/atlas-copco-a

Atlas Copco B (ATCO B) - Köp aktier | Avanza. (n.d.). Retrieved April 7, 2020, from https://www.avanza.se/aktier/om-aktien.html/5235/atlas-copco-b

Bernanke, B. S., & Kuttner, K. N. (2005). What explains the stock market’s reaction to federal reserve policy? Journal of Finance, 60(3), 1221–1257.

https://doi.org/10.1111/j.1540-6261.2005.00760.x

Binder, J. J. (1998). The Event Study Methodology Since 1969. Review of Quantitative Finance and Accounting, 11, 111–137.

Cook, T., & Hahn, T. (1989). The effect of changes in the federal funds rate target on market interest rates in the 1970s. Journal of Monetary Economics, 24(3), 331–351.

https://doi.org/10.1016/0304-3932(89)90025-1

Dålig på index? Här är din guide! | Aktiespararna. (n.d.). Retrieved April 27, 2020, from https://www.aktiespararna.se/artiklar/Reportage/Dalig-pa-index-Har-ar-din-guide Ezzat, H. (2013). The Application of GARCH and EGARCH in Modeling the Volatility of

Daily Stock Returns During Massive Shocks : The Empirical Case of Egypt. In Munich Personal RePEc Archvie.

Forslund, I., & Malmin, J. (2016). Överraskande reporäntebeskeds inverkan på enskilda företags aktiepriser. Umeå.

Gordon, M. J., & Shapiro, E. (1956). Capital Equipment Analysis: The Required Rate of Profit. In Source: Management Science (Vol. 3, Issue 1).

Historisk avkastning för Stockholmsbörsen 1983-2019 (OMXS30). (n.d.). Retrieved May 17, 2020, from https://rikatillsammans.se/stockholmsborsens-arliga-avkastning/

Honda, Y., & Kuroki, Y. (2006). Financial and capital markets’ responses to changes in the central bank’s target interest rate: The case of Japan. Economic Journal, 116(513), 812–

842. https://doi.org/10.1111/j.1468-0297.2006.01113.x

Index info OMXS30, OMX Stockholm 30 Index - Nasdaq. (n.d.). Retrieved April 3, 2020, from http://www.nasdaqomxnordic.com/index/index_info?Instrument=SE0000337842

Ingves, S. (2019). Bostadsmarknadens utmaningar – att väga idag mot imorgon.

Kahneman, D. (2013). Tänka, Snabbt och Långsamt (2nd ed.). Volante.

(36)

32

Kuttner, K. N. (2001). Monetary policy surprises and interest rates: Evidence from the Fed funds futures market. Journal of Monetary Economics, 47(3), 523–544.

https://doi.org/10.1016/S0304-3932(01)00055-1

Lobo, B. J. (2000). Asymmetric effects of interest rate changes on stock prices. Financial Review, 35(3), 125–144. https://doi.org/10.1111/j.1540-6288.2000.tb01424.x

Lobo, B. J. (2002). Interest rate surprises and stock prices. Financial Review, 37(1), 73–91.

https://doi.org/10.1111/1540-6288.00005

Mackinlay, A. C., Mitchell, M., & Netter, J. (1997). Event Studies in Economics and Finance.

Jornal of Economic Literature, XXXV(March), 13–39.

Nelson, D. B. (1991). Conditional Heteroskedasticity in Asset Returns : A New Approach.

59(2), 347–370. http://www.jstor.org/stable/2938260

Nilsson, H., Isaksson, A., & Martikainen, T. (2002). Företagsvärdering (1st ed.).

Studentlitteratur AB.

Pressmeddelanden 2010 | Sveriges Riksbank. (n.d.). Retrieved April 2, 2020, from

http://archive.riksbank.se/sv/Webbarkiv/Publicerat/Pressmeddelanden/2010/index.html Redogörelse för penningpolitiken 2019. (2019).

https://www.riksbank.se/globalassets/media/rapporter/rpp/svenska/2020/riksbankens- erfarenheter-av-negativ-reporanta-fordjupning-i-redogorelse-for-penningpolitiken- 2019.pdf

Reporänta, in- och utlåningsränta | Sveriges Riksbank. (n.d.). Retrieved April 2, 2020, from https://www.riksbank.se/sv/statistik/sok-rantor--valutakurser/reporanta-in--och-

utlaningsranta/

Riksbanken och den finansiella stabiliteten: Inga medel, därför inget mål | Lars E.O.

Svensson. (n.d.). Retrieved May 26, 2020, from

https://larseosvensson.se/2014/07/22/riksbanken-och-den-finansiella-stabiliteten-inga- medel-darfor-inget-mal/

Robert J. Shiller - Facts. (n.d.). Retrieved April 22, 2020, from

https://www.nobelprize.org/prizes/economic-sciences/2013/shiller/facts/

Så påverkar penningpolitiken inflationen | Sveriges Riksbank. (n.d.). Retrieved April 22, 2020, from https://www.riksbank.se/sv/penningpolitik/vad-ar-penningpolitik/sa- paverkar-penningpolitiken-inflationen/

Sharpe, W. F. (1964). American Finance Association Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk. Source: The Journal of Finance, 19(3), 425–442.

References

Outline

Related documents

Då tanken med utbildningen är att alla ska bli bättre på att ge positiv feedback medför det att alla medarbetare kan bli bättre på att tala om för varandra när de gör

förbättringsåtgärd är att pedagogerna behöver får mer kompetensutbildning kring de digitala verktygen för att ge eleverna de förutsättningarna som krävs för ett de skall

Om man använder sig av Deegan och Gordons (1996) kriterier för vad som är positiv respektive negativ information och applicerar det på de undersökta företagen visar

Därmed utgår teorin från att ledningen antas besitta mest kunskap om vilka finansiella beslut som kommer vara mest fördelaktiga för bolagets kapitalstruktur och valet av finansiering

Motionerna lämnades till riksdagen 1951 (FK 1951:45 och AK1951:65) och däri yrkade motionärerna att det som skulle kunna ses som kränkning av föreningsrätten skulle utvidgas

Gruppen där psykiska besvär låg bakom sjukskrivningen skiljde sig klart från dem med andra diagnoser genom att andelen individer som angav positiv eller negativ påverkan

ligaste gränstrakterna. Kanada! Majoren kunde inte säga det ordet förrän han också nämnde Robert W. Services alla dikter och ballader utantill. Ju längre kvällen led och ju mera

The studies in this thesis confirm that LHPT is very common, that it has biochemical and pathophysiological characteristics which differ from primary hyperparathy- roidism (the