Hur kan val av dag påverka underprissättningen på svenska börsintroduktioner?

Transkript

1 Hur kan val av dag påverka underprissättningen på svenska börsintroduktioner? Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet VT 2017 Datum för inlämning: Rikard Bilger André Karlsson Handledare: David Andersson

2 Sammanfattning Den här studien använder förstadagsavkastning på börsintroduktioner från Nasdaq OMX Stockholm, First North, NGM MTF och Aktietorget för perioden februari 2007-april Data från totalt 307 börsintroduktioner användes för att undersöka om det förekommer en veckodagseffekt på förstadagsavkastningen för svenska börsintroduktioner. Det finns bevis att en veckodagseffekt förekommer på amerikanska börsintroduktioner, resultaten i vår studie blev icke signifikanta men indikerar på en svag måndagseffekt på den svenska marknaden. Den genomsnittliga förstadagsavkastningen på måndagar var 10 procent, mot veckans genomsnitt på 6,5 procent. Vi misstänker att veckodagseffekten börjar avta med åren i takt med att internet blir mer lättillgängligt och att investerarna blir bättre på att använda sig av informationssökning. Nyckelord: veckodagseffekt, måndagseffekt, kalendereffekt, börsintroduktioner, IPOs, underprissättning

3 Innehållsförteckning 1. INLEDNING PROBLEMATISERING OCH BAKGRUND SYFTE DISPOSITION TEORETISK REFERENSRAM KALENDEREFFEKTEN WINNER S CURSE HANDELSMÖNSTER METOD METODVAL STATISTISK PRÖVNINGSMETODIK DATAINSAMLING OCH URVAL BEROENDE OCH OBEROENDE VARIABEL KONTROLLVARIABLER DATAMETOD RESULTAT & ANALYS KONKLUSION BEGRÄNSNINGAR FRAMTIDA FORSKNING KÄLLFÖRTECKNING... 29

4 1. INLEDNING 1.1 PROBLEMATISERING OCH BAKGRUND Under 2016 noterades två företag på Aktietorget, PEN Concept och Sleepo. PEN Concept noterades måndagen den 1 augusti med en förstadagsavkastning på 7 procent (Skatteverket, 2017a; Avanza, 2017a). Sleepo noterades fredagen den 15 januari med en förstadagsavkastning på -18 procent (Skatteverket, 2017b; Avanza, 2017b). Gemensamt för båda bolagen är att de verkar inom detaljhandeln och noterades på samma marknad, men varför var skillnaden i avkastning så markant? På 1920-talet upptäckte Kelly (1930 ur Pettengill, 2003) en anomali på den amerikanska marknaden, en anomali som vi idag kallar kalendereffekten. Kalendereffekten kom till att bli välstuderad och forskningen kunde visa att samma effekt kunde hittas på flera marknader runt om i världen. Det visade sig att aktier presterade sämre, oftast negativt, på måndagar i västvärlden och tisdagar i Asien gentemot övriga veckodagar (Dubois & Louvet, 1996). Kamara (1997) studerade flertalet index på den amerikanska marknaden under perioden och fann att man efter 1982 inte kunde se något samband på måndagseffekten och stora bolag listade på S&P 500. Teorierna kring detta var många, Kamara själv menar att de stora bolagen började visa positiv avkastning på måndagar eftersom de institutionella ägarna, som bedriver mindre handel på måndagar, tog allt fler andelar på marknaden. Peterson & Philpot (2011) menar att måndagseffekten har försvunnit på stora bolag som ett resultat på att investerare har uppmärksammat anomalin och börjat handla därefter. Möjligtvis har kalendereffekten börjat fasas ut på grund av att internet är allt mer lättillgängligt för investerare. Perfect & Peterson (1997) var en av de första att studera detta fenomen för Initial Public Offerings (IPO) på lång sikt. Deras syfte var att se huruvida det fanns en signifikant anormal avkastning på en specifik veckodag, även kallad veckodagseffekten, samt hur detta påverkade avkastningen på lång sikt för IPOs jämfört med index. Deras studie visade på att IPOs påverkas av veckodagseffekten i större grad än andra tillgångar och deras resultat var signifikanta under deras treåriga undersökningsperiod. Aktierna i undersökningen visade starkt negativa avkastningar på måndagar och tisdagar medan onsdag till fredag visade starkt positiva avkastningar. Veckodagseffekten motsäger sig den effektiva marknadshypotesen vilket leder till teoretiska problem för bland annat finansforskare då detta är en anomali som inte kan förklaras med de vanligt förekommande ekonomiska antagande. Genom att applicera forskning 4

5 från beteendeekonomi samt diskutera teorier kring handelsmönster, vill vi förklara hur och varför en veckodagseffekt kan uppstå på aktiemarknaden. Perfect & Peterson (1997) nämner att potentiella förklaringar till veckodagseffekten är bland annat timingen av pressmeddelanden av negativ karaktär samt spridningen av köp- och säljpris. Den negativa effekten på måndagar och tisdagar kan också förklaras av att privata investerare inte har tid att fokusera på informationsinhämtning under veckodagarna och istället använder helgerna för att fatta investeringsbeslut. Detta resulterar i en mer säljinriktad start på veckan vilken kan påverka aktiepriserna negativt (Perfect & Peterson, 1997). Underprissättning på IPOs är utöver kalendereffekten en av de mest välkända anomalierna på aktiemarknaden. Ritter & Welch (2002) studerade den genomsnittliga underprissättningen för IPOs under perioden Deras studie fann att den genomsnittliga avkastningen var cirka 20 procent under första handelsdagen. Samma fenomen har studerats i Europa och Sverige där den svenska genomsnittliga förstadagsavkastningen på IPOs uppgick till cirka 38 procent under 80-talet. Jones & Ligon (2009) tog vidare Perfect & Peterson (1997) forskning och undersökte ifall val av teckningsdag var en påverkande variabel för underprissättning på den amerikanska marknaden. Deras studie visade att det förekom en effekt på IPOs förstadagsavkastning beroende på vilken veckodag de introducerades. Författarna hittade bevis på att börsintroduktioner som sker på måndagar har i genomsnitt en högre initial avkastning än andra veckodagar. Jones och Ligon är de enda som forskat kring kalendereffektens påverkan på förstadagsavkastning för börsintroduktioner i USA och till vår bästa kunskap, är detta helt outforskat i Sverige. Sedan januari 2007 har 326 IPOs ägt rum i Sverige, se graf 1. En IPO sker när ett bolag väljer att noteras på börsen (Nasdaq, 2015). Befintliga ägare väljer att sälja av hela eller delar av sitt innehav till allmänheten, ibland tillsammans med nyemitterade aktier, för att dra in kapital till bolaget. Bolaget väljer en garant, oftast en eller flera banker, som hjälper dem ut på marknaden. Tillsammans skriver de ett prospekt till allmänheten. Ett prospekt är en handling som ska innehålla all nödvändig information som en investerare behöver för att göra en välgrundad bedömning av emittenten (Finansinspektionen, 2017). Garanten sätter sedan ett teckningspris för introduktionen. Först erbjuds aktier till stora investerare innan allmänheten får tillgång till budgivningen (Nasdaq, 2015). 5

6 Diagram 1. Antal noterade IPOs i Sverige 80 Antal IPOs i Sverige Antal IPOs i Sverige IPOs noterade på Nasdaq OMX Stockholm, First North, Aktietorget, NGM Equity samt NGM NTF under 1 februari 2007 till 31 april Anledning till att bli börsnoterat är många, det kan handla om att företaget vill samla kapital för att utöka sin verksamhet och skaffa sig en större marknad att verka på (Ritter & Welch, 2002, s. 1798). Vidare nämns anledningar som att ägarna vill konvertera sina aktier till pengar för att få avkastning på sitt arbete och de vill kapitalisera på sitt företag när de tycker det är undervärderat. Ett välkänt problem som ofta dyker upp bland IPOs är underprissättning och det sker när det teckningspris en garant sätter är lägre än det pris aktien slutar på sin första börsdag. Differensen mellan teckningspriset och aktiens slutpris på första dagen benämns oftast som money left on the table (Ritter & Welch, 2002) vilket är den intäkt företaget och garanten går miste om och som hamnar direkt i investerarnas ficka. Denna uppsats undersöker huruvida veckodagseffekten är ett fenomen som generellt existerar på svenska IPOs. Undersökningen grundar sig på svenska börsintroduktioner från februari 2007 till april 2017 för att undersöka om veckodagseffekten har en signifikant påverkan på den initiala förstadagsavkastningen. Detta kontrolleras genom utförande av en regressionsanalys med de vanligast förekommande variablerna, vilket är storlek, ålder, teckningskurs samt dummyvariabler för teknologiska företag och vilken börs de blir listade på. 6

7 1.2 SYFTE Vårt syfte är att undersöka hur val av dag påverkar underprissättningen på svenska börsintroduktioner under februari 2007 april DISPOSITION Uppsatsen fortsatta uppbyggnad är uppdelat enligt följande. I kapitel 2 presenteras forskningsresultat från tidigare studier samt studiens teoretiska ramverk. Kapitel 3 presenterar vår metod som följs av kapitel 4 där vår data presenteras och analyseras i förhållande till den valda teoretiska referensramen. Avslutningsvis behandlas konklusion, begränsningar samt framtida forskning i kapitel TEORETISK REFERENSRAM 2.1 KALENDEREFFEKTEN Kalendereffekten är en välstuderad anomali som blivit observerad för flera olika tillgångar, se tabell 1. Kalendereffekten beskriver den anomali som kan skapa positiv eller negativ effekt på tillgångar, där månad eller dag är den påverkande faktorn. I de fall då en specifik dag är den påverkande faktorn, benämner vi detta som en veckodagseffekt. Mitchell, Ong & Izan (2000) undersökte bensinpriser i Australien och de kom fram till att bensin var billigare mellan mars och maj jämfört med juli till augusti. De fann även en signifikant veckodagseffekt, en skillnad i bensinpriset mellan måndag-tisdagar jämfört med torsdagarfredagar. En annan marknad som blivit undersökt är vinmarknaden. Lean & Chong (2012) undersökte flertalet vinindex med bas i London, de fann signifikanta mars-, maj- och junieffekter uppdelat på tre olika index. Jadevicius & Lee (2017) undersökte olika fastighetsfonder i Storbritannien och fann veckodagsanomalier. De konstaterade att man kunde köpa en fond på måndag och sälja den mitt i veckan alternativt på fredag och göra en anormal positiv avkastning. På flera aktiemarknader runtom i världen har det visat sig att avkastningen är lägre, till och med negativ, på måndagar i relation till andra veckodagar (Peterson & Philpot, 2011). Kalendereffekten på aktiemarknaden började studeras och uppmärksammas redan på 1920-talet då Kelly (1930 ur Pettengill, N. G, 2003) konstaterade att måndagar var den dag då 7

8 aktier presterade sämst. Kellys forskning togs vidare och började studeras på riktigt efter andra världskriget då Merrill (1966 ur Pettengill, N. G, 2003) undersökte kalendereffekten för perioden , även denna studien visade på att måndagar presterar sämre än andra veckodagar. Studier gjorda av Dubois & Louvet (1996) visade att tisdagar i motsats till måndagar var den dag som presterade sämst på den japanska och australiensiska marknaden, detta kan förklaras av att den asiatiska marknaden ligger en dag efter den amerikanska och således påverkas av tidsskillnaden. Tabell 1. Översikt på tidigare forskning för kalendereffektens påverkan på tillgångar. Forskare Period Land Tillgång Resultat Mitchell, Ong & Izan (2000) Australien Bensin Bensin var billigare mars-maj och dyrare juli-augusti. Veckodagseffekt upptäcktes mån-tis och tors-fre. Lean & Chong (2012) Storbritannien Vin Fann tre olika positiva månadseffekter på tre olika vinindex. Jadevicius & Lee (2017) Storbritannien Fastighetsfond (REIT) Avkastningen var större i mitten av veckan samt fredagar men negativ på måndagar. Kamara (1997) upptäckte ett skifte hos stora bolag på S&P 500 efter Han studerade perioden och kunde se en signifikant förändring efter 1982 där måndagseffekten inte påverkade aktieavkastning i stora bolag. Detta styrks av studier gjorda av bland annat Mehdian och Perry (2001), Gu (2004) och Cho, Linton & Whang (2007) på S&P 500. Kamara (1997) menar på att skiftet från negativ till positiv måndagsavkastning dels beror på att institutionella investerare tenderar i större utsträckning att investera i stora bolag, vilket stöds av Lakonishok och Maberly (1990) som argumenterar för att måndagseffekten kan härledas från institutionella och privata handelsmönster. De studerade New York Stock Exchange under perioden och deras forskning visade att privata investerare tenderar att sälja mer och handla mindre på måndagar vilket skapar en negativ effekt på marknaden, men som stabiliserades på stora bolag tack vare institutionella investerare. Peterson & Philpot (2011) 8

9 menar att effekten har försvunnit eftersom måndagseffekten har uppmärksammats på stora bolag och att investerarna börjat handla därefter. Tidigare forskning har visat att IPOs tenderar att underprestera de kommande åren efter sin börsintroduktion och att effekten kan finnas kvar i upp till sex år (Loughran 1993 ur Perfect & Peterson, 1997). Flera forskare har studerat veckodagseffekten på aktier där man har hittat bevis på att måndagar är den dag i veckan som presterar sämst, tätt följt av tisdagar. Forskningen visar även att mindre bolag påverkas i större grad av veckodagseffekten än större bolag. Perfect & Peterson (1997) undersökte vilken påverkan veckodagseffekten har på den långsiktiga avkastningen på IPOs och om denna effekt bli kvar även när företaget växer sig större. För att studera sambandet använde Perfect & Peterson (1997) data från 1523 stycken IPOs som börsintroducerades i USA under perioden De använde den dagliga avkastningen från IPOs på New York Stock Exchange, American Stock Exchange och Nasdaq hämtat från statistikprogrammet CRSP för att ge ett jämförelseindex på den dagliga avkastningen. Deras eventfönster var 750 handelsdagar för varje IPO och varje dag jämfördes mot deras jämförelseindex för att se om veckodagseffekten påverkade avkastningen på lång sikt. Perfect & Peterson (1997) fann att IPOs gav en signifikant negativ avkastning på måndagar och tisdagar samt en signifikant positiv avkastning på onsdagar, torsdagar och fredagar. Även om IPOs i genomsnitt presterar sämre på lång sikt än mogna företag kunde författarna hitta bevis på anormal positiv avkastning under onsdagar, torsdagar och fredagar. Detta indikerar att den negativa långsiktiga avkastningen för IPOs inte sker jämt under veckan utan kan härledas till måndagar och tisdagar. De kunde även se att veckodagseffekten var något starkare hos yngre IPOs. Till skillnad från Perfect & Peterson (1997) ville Jones & Ligon (2009) studera om val av veckodag påverkade underprissättningen för IPOs. Deras data bestod av 6427 amerikanska IPOs mellan åren 1980 och 2003 som de hämtade från databasen SDC New Issues. De fann att signifikant lägst antal IPOs genomfördes på måndagar, vilket de nämner kan vara en effekt av att garanter vill säkra upp sig för eventuella weekend uncertainies. Med detta menar författarna att garanter inte vill chansa att genomföra en IPO på måndagar på grund av eventuella händelser som kan ske över helgen. Däremot gav dessa IPOs i särklass den högsta förstadagsavkastningen under veckans alla dagar. De kontrollerade resultatet genom att göra en regressionsanalys med kontrollvariabler för att se om dessa påverkade underprissättningen. 9

10 Veckodagseffekten bekräftas som signifikant efter att de plockat bort uteliggare samt IPOs med ett teckningspris under fem dollar. Författarna väljer sedan att bryta ner hela tidsperioden i fem underperioder. Här konstaterar de att måndagseffekten är störst för perioden 1980 till 1994, samt är närvarande mellan 1995 till 2003 men endast för IPOs som handlar på deras öppningsdag. De konstaterar att under perioden 1995 till 2003 är det torsdagar som ger högst förstadagsavkastning. Utöver detta tittar Jones & Ligon (2009) även på dagliga mönster i hur IPOs handlas. Störst genomsnittlig volym handlas dagen efter första handelsdag, för att sedan minska de fyra nästkommande dagarna. Detta mönster gäller för alla dagar i veckan bortsett från fredag. Tabell 2. Översikt på tidigare forskning på kalendereffektens påverkan på aktier och IPOs Forskare Period Land Dag Resultat Kelly (1930) Merrill (1966) Dubois & Louvet (1996) Kamara 1997 Lakonishok & Maherly (1990) Perfect & Peterson (1997) Higgins, Howton & Perfect (2000) Loughran & Ritter (2004) Jones & Ligon (2009) talet USA måndag Negativ effekt på aktier. USA måndag Negativ effekt för aktier på lång sikt USA, England, Japan, Australien, USA USA USA USA USA USA tisdag måndag måndag måndag & tisdagar måndag Negativ effekt i Japan och Australien för aktier på lång sikt. Måndagseffekt försvann på aktier för stora bolag efter 1982 Härledde effekten på aktier från privata och institutionella handelsmönster Negativ avkastning för IPOs på måndagar och tisdagar på lång sikt Investerares beslut om att investera i en IPO grundade sig på hur marknaden presterat dagen före, inte på hur IPOs presterat. Underprissättningen har förändrats pga mer fokus på informationssökning. Måndagar gav den högsta veckodagsavkastningen 10

11 2.2 WINNER S CURSE Rock publicerade en artikel om teorin winner s curse år 1986 där han menar på att sämre informerade investerare får större tilldelning i mindre kvalitativa bolag och det är därför en aktie är underprissatt. Med mindre kvalitativa bolag menas sämre presterande bolag och med kvalitativa bolag menas bättre presterande bolag. Enligt Rock består marknaden för IPOs av en mindre grupp informerade investerare och en större grupp sämre informerade investerare. Han menar att det finns en kostnad för att samla information och genom underprissättning löser man detta problem. Enligt författarens modell finns det två typer av bolag som går till börsen: kvalitativa bolag samt mindre kvalitativa bolag. De informerade investerarna ägnar resurser på att samla information om bolagen och tecknar endast upp sig för kvalitativa bolag medan de sämre informerade investerarna inte lägger ner någon större ansträngning när det gäller informationssamling om bolagen. Detta resulterar i att de sämre informerade investerarna blir tilldelade en stor andel aktier i de mindre kvalitativa bolagen, då de informerade investerarna endast väljer att köpa aktier i de kvalitativa bolagen. De sämre informerade investerarna vinner alltså mer aktier, dock i de mindre kvalitativa bolagen därav winner s curse. (Rock, 1986) Man kan anta att de informerade investerarna uppmärksammat veckodagseffekten på IPOs och börjat handla därefter. Vilket i sin tur leder till att de sämre informerade investerarna får större tilldelning i de bolag som noteras på dagar med generellt sämre avkastning. 2.3 HANDELSMÖNSTER För att förklara en anomali som kalendereffekten behöver man undersöka investerarnas handelsmönster. Den effektiva marknadshypotesen är en välkänd teori som beskriver hur marknaden reagerar på tillgänglig information. Fama (1970) delade upp effektiviteten i tre delar: svag, semistark och stark marknad. För att vara fullständigt effektiv menar Fama (1970) att informationen är den viktigaste komponenten. Detta når man genom att ta bort alla transaktionskostnader och att all tillgänglig information ska vara fullständig och ersättningsfri för alla aktörer och intressenter som verkar på marknaden. Dessa aktörer skall vara fullt medvetna om de konsekvenser den nya informationen har på både lång och kort sikt (Fama, 1970). 11

12 Kendall (1953) studerade prisförändringarna på olika handelsvaror och upptäckte att dessa följde en random walk. Han menade på att priserna förändrades från vecka till vecka beroende på slumpen och inte av ny information. Fama (1970) baserade sin svaga modell efter Kendalls random walk teori och menade på att den svaga formen endast tar hänsyn till observerade prisdifferenser men främst på den historiska data som fanns tillgänglig. Den svaga formen kan karaktäriseras av en investerare som köper aktier när den haft en positiv avkastning under ett antal dagar och säljer ifall den haft en negativ avkastning. Investeraren kommer inte ta hänsyn till annan tillgänglig information som till exempel företagsförvärv, nyemissioner eller årsrapporter. Fama (1970) menar att aktörerna på marknaden under semistark form har tillgång till all historisk information samt tar all publik information i hänsyn när de tar ett investeringsbeslut. Priserna justeras direkt vid släpp av pressmeddelanden, årsrapporter eller företagsförvärv och det enda sättet att göra anormala vinster är att ha tillgång till insiderinformation. Efter den semistarka har vi den starka formen. Här har alla aktörer tillgång till historisk, publik samt insiderinformation. I detta läge menar Fama att det är omöjligt att göra anormala vinster då marknaden kan avgöra om en aktie är över, under eller korrekt prissatt och detta justeras direkt. Likt Fama (1991) utgår vi från att det är den semistarka formen som råder på marknaden idag, detta eftersom man i dagsläget kan göra anormala vinster på insiderinformation men inte på publik. Det vill säga att aktörer tar hänsyn till all tillgänglig information på marknaden i sina investeringsbeslut samt att priser justeras direkt efter släpp av information. Eftersom vi utgår ifrån att det är den semistarka formen som råder på marknaden idag borde anomalier som kalendereffekten inte uppstå. Kamara (1997) samt Peterson & Philpot (2011) argumenterar för att kalendereffekten är en konsekvens av handelsmönster. Ett aktiepris borde inte påverkas av handelsmönster enligt den effektiva marknadshypotesen då priserna endast skall reflektera all publik information samt framtida förväntade kassaflöden. Beteendeekonomi tillämpas då man inte kan förklara människors beteende med hjälp av de traditionella ekonomiska modellerna. Kalendereffekten, som bland annat motsäger sig den effektiva marknadshypotesen, är ett bra exempel på en anomali som är svår att förklara utan beteendeekonomi. Kalendereffekten kan grunda sig i handelsmönster från investerare snarare än pressmeddelanden som Perfect & Peterson (1997) nämnde som potentiell orsak i deras artikel. Detta kan bland annat förklaras av teorin om begränsad rationalitet. Teorin 12

13 beskriver hur informationen individen besitter begränsar rationaliteten och skapar kognitiva samt tidsmässiga begränsningar för att fatta ett beslut (Williamsson, 1981). På så sätt är individen delvis rationell men påverkas likväl av känslomässiga och irrationella handlingar vid sitt beslutsfattande. På aktiemarknaden kan man hitta tydliga tecken på flockbeteende bland investerare. Denna typ av egenskap beskriver beteendet att följa efter eller kopiera andra istället för att följa rationalitet och logik för att fatta egna beslut. Denna teori motsätter sig antagande om att alla individer är rationella, vilket igen kan förklara kalendereffektens uppkomst. En orsak till flockbeteende är att privatpersoner förmodar att andra investerares information är överlägset ens egna (Banerjee, 1992) vilket resulterar till att de väljer att anamma samma investeringsbeslut som dem. Detta kan kopplas ihop med Perfect & Peterson (1997) antagande om att privatpersoner samlar in merparten av sin information under helgen, vilket leder till en mer säljinriktad måndag som i sin tur sänker priserna. Privatinvesterare har tillgång till samma ekonominyheter och mediala flöde om aktier och företag online. Scleifer & Summers (1990) studerade detta flockbeteende och fann att investerare har en benägenhet att fånga uppmärksamheten av de aktier och värdepapper som på senaste tiden haft en större positiv kursutveckling. Detta i sin tur lockar medial uppmärksamhet vilket skapar ett flockbeteende som resulterar i en större prisuppgång på den aktuella aktien. 3. METOD 3.1 METODVAL Vid en kvalitativt studie använder man sig vanligtvis av ett induktivt angreppssätt, vilket betyder att man skapar en teori utifrån verkliga iakttagelser och praxis. Vid en kvantitativ studie används vanligtvis ett deduktivt tillvägagångsätt vilket betyder att man använder sig av befintliga teorier som sedan testas i verkligenheten för att pröva förutbestämda hypoteser (Bryman & Bell, 2013, s. 31). Eftersom vi har valt att studera huruvida val av dag för börsintroduktioner påverkar underprissättningen har vi valt att använda oss av ett deduktivt tillvägagångssätt. För att samla in vår data har vi valt att använda oss av en kvantitativ metod där vi utgår ifrån data från Sveriges två största börser samt tre handelsplattformar. Genom att använda en kvantitativ metod menar Bryman & Bell (2013, s. 32) att resultatet blir mindre beroende av forskarens 13

14 egna värderingar då man grundar sina resultat i historisk forskning. Den kvantitativa metoden går dock miste om den mer djupförklarande delen till varför en viss effekt äger rum vilket kan ge en ofullständig bild av studien. Jones & Ligons (2009) forskning utgör den grund vår studie behöver för att studera veckodagseffekten på den svenska marknaden. Vi kommer, med hjälp av deras modeller och ekvationer, undersöka ifall samma anomali sker i Sverige. 3.2 STATISTISK PRÖVNINGSMETODIK CHI-TVÅ Chi-två test används för att fastslå att två fördelningar är signifikant skilda från varandra (Edling & Hedström, 2003, s. 80). Testet jämför det observerade och förväntade värdet och om testet blir signifikant, betyder det att skillnaden mellan fördelningarna inte beror på slumpen (Bryman & Bell, 2013, s.362). Ett chi-två test i sig har ingen mening utan kan bara tolkas i relation till den statistiska signifikansnivå som är relevant för den. Det är inte bara värdets storlek som avgör om ett chi-två test är signifikant eller ej utan även dess frihetsgrader. Frihetsgrader är de kolumner samt rader, subtraherat med ett, som använts i testet, multiplicerat med varandra (Edling & Hedström, 2003, s 84) REGRESSION En regressionsanalys används när man ska undersöka en beroende variabel och dess samband med en eller flera oberoende variabler (Edling & Hedström, 2003, s.87). Som Jones & Ligon (2007) använde vi oss av en Ordinary Least Squared (OLS) regression, även kallad minstakvadratmetoden, som bygger på principen att den mest passande linjen är den som minimerar summan av alla kvadrerade avvikelser mellan observerade oberoende värden och linjen som beskriver sambandet mellan variablerna (Edling & Hedström, 2003, s. 88). För att få ett övergripande mått på hur bra linjen sammanfattar vår data tittar vi på p-värdet. För att avgöra om en regression är signifikant eller inte använder man sig av en förklaringsgräns på 5 procent. Determinationskoefficienten, R 2, förklarar hur mycket av de oberoende variablerna som förklarar variationen i den beroende variabeln (Edling & Hedström, 2003, s. 93). För att inkludera variabler som mäts på nominal- eller ordinalskalenivå i en regression måste man göra om dessa till dummyvariabler, dessa variabler kan endast anta värdena 0 eller 1 (Edling & Hedström, 2003, s. 102). 14

15 3.2.4 VIF-TEST Multikollinearitet antyder att två eller flera av kontrollvariablerna i en multipel regressionsmodell är nära korrelerade med varandra. Högt korrelerade kontrollvariabler ger ett högt standardfel. Detta leder till att skattningarna av regressionskoefficientera och estimatet blir mindre pålitliga i den mening att de kommer variera betydligt mer mellan olika stickprov än vad de annars skulle göra. (Edling & Hedström, 2003, s ) För att undersöka huruvida det förekommer multikollinearitet i ett datamaterial kan man gå vidare med ett VIF-test (variance inflation factor). Testet utgår ifrån hur mycket en given förklarande variabel kan bli förklarad av alla de andra förklarande variabler i ekvationen. VIF-testet gör man på samtliga variabler för att få ett index på hur mycket multikollineariteten har ökat variansen av en estimerad koefficient. Om variansen R 2 =1 indikerar det perfekt multikollinearitet och vid variansen R 2 =0 ingen multikollinearitet. En tumregel för VIF-test är att alla värden större än 5 bedöms som hög multikollinearitet. Stöter man på en eller flera variabler med för hög multikollinearitet kan man öka storleken på urvalet eller ta bort variabler som skapar det höga VIF-värdet för att minska multikollineariteten. I vissa fall påverkar inte multikollinearitet t-värdet tillräckligt för att göra testet icke signifikant eller ändra β-värdet på så sätt att de skiljer sig från förväntningarna, i de fallen låter man det vara kvar i regressionerna. (Studenmund, 2011, s ) 3.3 DATAINSAMLING OCH URVAL Vi använde en tvärsnittsstudie grundat på aktiekurser från samtliga börsintroduktioner som ägt rum på börserna Nasdaq OMX Stockholm, NGM Equity samt handelsplattformarna Nasdaq First North, Aktietorget och NGM MTF, där perioderna för att hämta data varierade. På Aktietorget, som är den plattform med minst tillgänglig information, kunde vi som tidigast hämta data från 1 februari 2007, således är vår datahämtning för samtliga börser baserad på data från 1 februari 2007 fram till 30 april Vi sparade ned liständringar från Nasdaq OMX Stockholm, Nasdaq First North, NGM Eqtuiy, NGM MTF och Aktietorget. Detta gav oss företagsnamn samt vilket datum den aktuella liständringen gjordes. Därefter hämtade vi teckningspriset genom att söka på företagsnamnet på skatteverkets hemsida, vid de fall då skatteverket inte hade information om teckningspris sökte vi upp företagets prospekt antingen via finansinspektionens prospektregister eller på företagets hemsida. För att hämta in information om vilken bransch 15

16 och vilket år företaget registrerades använde vi oss av respektive företags prospekt. Prospekten anses som en pålitlig källa då anlitade oberoende revisorer utfärdat dessa. Vi använde Eikon för att få tillgång till slutpriset och totala marknadsvärdet på första handelsdagen för att bedöma hur stort företaget är. I vårt urval fanns det företag som endast hade utfört listbyte eller gjort en sekundärnotering, dessa exkluderades från vår data. Eftersom vi enbart studerar rena IPOs har vi valt att även exkludera så kallade avknoppningar. En avknoppning är ett dotterbolag som blivit sålt och introducerat på börsen av moderbolaget. Vi anser att dessa börsintroduktioner ger ett snedfördelat resultat då dotterbolaget varit med i finansiella rapporter från moderbolaget som rapporterat hur dess verksamhet går. För de börsintroduktioner där man erbjöd units, det vill säga ett paket med aktier och optioner, exkluderas då teckningspriset inte går att jämföra med vanliga IPOs. Samma argument gäller för de företag som enbart väljer att notera en preferensaktie men inte hela företaget. Preferensaktier och IPOs med ofullständig data kommer att exkluderas från vår datasamling. Vår urvalsram resulterade i totalt 711 IPOs men efter systematisk exkludering av data blev det slutgiltiga urvalet totalt 326 IPOs, se figur 1, där alla observationer från NGM Equity exkluderades på grund av bristfällig data. Figur 1. Urvalsram Vår urvalsram Bortfall listbyte Bortfall sekundär notering Bortfall avknoppning Bortfall units Bortfall preferensaktier Bortfall ofullständig data Vårt urval 16

17 3.4 BEROENDE OCH OBEROENDE VARIABEL UNDERPRISSÄTTNING (UNDERP) Den beroende variabeln, företagets underprissättning, erhålls genom att räkna ut den procentuella skillnaden mellan aktiens stängningskurs på introduktionsdagen och teckningskursen dividerat med teckningskursen. Formel 1, underprissättning underprissättning = (stängningskurs på introduktionsdagen teckningskursen) teckningskursen Underprissättning kan konstateras om aktien på introduktionsdagen stänger på en högre kurs än vad teckningskursen var VAL AV DAG (DMAN) Den oberoende variabeln är måndag. Vi har kontrollerat hur val av dag påverkade underprissättningen med en dummyvariabel, i enlighet med Jones & Ligon (2009). 3.5 KONTROLLVARIABLER I detta avsnitt presenteras de kontrollvariabler som vi använde i vår regression för att utesluta att någon av dessa förklarar underprissättningen under veckodagarna, se tabell 3. Eftersom tidigare studier (Perfect & Peterson, 1997; Loughran & Ritter, 2004; Jones & Ligon, 2009) har använt sig av liknande kontrollvariabler anser vi att dessa är det bästa valet vid kontroll av veckodagseffekten. Tabell 3. Deskriptiv statistik för kontrollvariabler Variabler Genomsnitt Max Min St. Av. Underprissättning (%) 12, ,2 Företagsstorlek (Tkr) Företagets ålder (år) 13, ,7 Teckningspris per aktie (kr) 22, ,1 25,9 17

18 3.5.1 FÖRETAGETS STORLEK (LNSIZ) Rogalski (1984) visade i sin studie att genomsnittlig avkastning är direkt relaterat till företagets storlek. Vidare har det konstaterats att underprissättning generellt är större i mindre bolag (Loughran & Ritter, 2004). Ritter (1998) nämnde informationsassymetrin och menade att denna blev mindre när företag blev större. Anledningen till detta var att företaget behövde ge ut mer ekonomisk information till intressenter såsom investerare och stat. Företagets storlek definieras som det totala värdet på företaget, det beräknas genom att multiplicera antalet aktier efter utfärdandet med teckningskursen (Loughran & Ritter, 2004; Jones & Ligon, 2009). Denna variabel logaritmeras, likt tidigare studier, för att undvika snedfördelningar. Formel 2, företagets storlek ln(teckningskurs antal aktier efter IPO) ÅLDER (LNAGE) I sin forskning kom Loughran & Ritter (2004) fram till att yngre företag är mer underprissatta än äldre. Detta ligger i linje med vad tidigare forskning konstaterat, till exempel Carter, Dark & Singh (1998) som menar att detta beror på att äldre företag i en IPO är mindre riskfyllda och borde då leda till en lägre underprissättning än jämförelsevis yngre företag. Megginson & Weiss (1991) tog upp att informationsasymmetrin blev större hos yngre företag än hos äldre. I tidigare studier definieras variabeln ålder som antalet år mellan företagets registreringsår och året de börsintroduceras (Megginson & Weiss, 1991; Loughran & Ritter, 2004; Jones & Ligon, 2009). Skillnaden logaritmeras sedan likt tidigare variabler samt adderas med 1 för att undvika snedfördelningar. Formel 3, företagets ålder ln (1 + (företagets registreringsår börsintroduceringsår)) TECKNINGSKURS (LNOFF) Chalk & Peavy (1987) var tidiga med att konstatera att ett samband finns mellan teckningskurs och underprissättning. De kommer fram till att lågt satta teckningskurser, 1 dollar 18

19 och lägre, är generellt mer underprissatta än högt satta teckningskurser, i detta fallet 10 dollar och över. Denna teori revideras senare till att även högt prissatta teckningskurser, över 18 dollar, var signifikant underprissatta (Fernando, Krishnamurthy & Spindt, 2004). I denna studie var även de lågt satta teckningskurserna, under 6 dollar, underprissatta likt Chalk & Peavy s upptäckt. Att sambandet mellan teckningskurser och underprisättning är U-format bekräftades även på den svenska marknaden (Abrahamsson, De Ridder & Råsbrant, 2011). Teckningskurs definieras som det pris per aktie investerare erbjuds vid introduktionstillfället BRANSCH (DIND) Vi ville även undersöka ifall vilken typ av bransch företaget tillhörde är av påverkande effekt. Vi har därför valt att klassificera företag efter hur Nasdaq OMX Stockholm gör, det vill säga efter ICB (Industry Classification Benchmark). De delar upp företagen i tio olika branscher: Oil & Gas, Basic materials, Industrials, Consumer services, Consumer Goods, Health care, Financials, Technology, Telecommunications & Utilities (Nasdaq, 2017a). Loughran & Ritter (2004) menar att teknologiska företag underprissätts mer, detta är en variabel vi valt att kontrollera. I regressionen använder vi en dummyvariabel där Technology är 1 och resten jämförelseindex LISTA Börserna samt handelsplatserna vi studerade är Nasdaq OMX Stockholm, Aktietorget, NGM MTF och Nasdaq First North. På First North finns segmentet First North Premier som har striktare regler gällande informationsutgivning samt redovisningsprinciper än övriga bolag på First North. På grund av för få observationer i detta segmentet har vi valt att inkludera dessa med övriga IPOs på First North. Vi valde att kontrollera om underprissättningen påverkades beroende på vilken handelsplats de introducerades på. Anledningen till detta var att kraven på företagen på de olika börserna och handelsplatserna är olika. På till exempel Nasdaq OMX Stockholm är kraven högre när det gäller öppenhet och redovisning än på handelsplattformar (Nasdaq, 2017b). Detta resulterar i att investerare får olika mängd information inför ett investeringsbeslut i en IPO bland de olika börserna. Förutom att informationen är av högre kvalité hos till exempel Nasdaq OMX Stockholm, misstänkte vi även att förtroendet bland börserna skiljde sig åt. Ett högre förtroende borde resultera i en mindre 19

20 underprissättning då garanterna inte behöver locka investerare på samma sätt som de behöver på en börs med lägre förtroende. Likt bransch har vi även här använt oss av dummyvariabler för de olika börserna. 3.6 DATAMETOD Vi utfärdade deskriptiv statistik, som illustreras i diagram 2, över hur många IPOs som skett på de olika veckodagarna. Sedan verifierade vi att antalet IPOs är signifikant utspridda över veckans alla dagar genom ett Chi-två test i enlighet med studien gjord av James & Ligon (2009). Testet används för att undersöka om det finns någon signifikant skillnad på spridningen av antalet IPOs under veckodagarna. Diagram 2. Diagram över antal IPOs samt deras genomsnittliga förstadagsavkastning Måndag Tisdag Onsdag Torsdag Fredag Antal IPOs Genomsnittlig förstadagsavkastning (%) 0 Diagram över antal IPOs samt deras genomsnittliga förstadagsavkastning under perioden februari 2007-april 2017 Likt James & Ligon (2009) utgick vi från den deskriptiva statistiken för att se vilken dag underprissättningen var som störst. Vi exkluderade uteliggare för att få ett rättvisare resultat. Vi valde att undersöka måndagar för att den genomsnittliga avkastningen var störst samt att måndagar hade näst flest IPOs som introducerades, se diagram 2. För att kontrollera 20

21 om underprissättning för måndagar var signifikant utförde vi en OLS regression med en dummyvariabel för måndagar: Regression 1. Underp = α + β 1 DMan + e I regression 1 är interceptet, är den estimerade koefficienten som anger lutningen på dummyvariabeln och e som är en felterm. Detta visade om underprissättningen var signifikant större just denna dag jämfört med resterande dagar på veckan. Den andra regressionen utfördes för att kontrollera att veckodagseffekten inte beror på andra faktorer, vi kontrollerade även för multikollinearitet och uteslöt dummyvariabeln för Aktietorget för att den visade för höga VIF-värden. Regressionen som kontrollerade för övriga faktorer illustreras i ekvation 2: Regression 2. Underp = α + β 1 DMan + β 2 LnSiz + β 3 LnAge + β 4 LnOff + β 5 DInd + β 6 DNM + β 7 DFN + e Där Underp är underprissättningen, är interceptet, DMan är en dummyvariabel där 1 är noteringsdag måndag, LnSiz är storlek, LnAge är ålder, LnOff är teckningskursen och DInd är en dummyvariabel där 1 är teknologiska företag och 0 resterande företag. De resterande variablerna är dummyvariabler i följande ordning för NGM MTF, First North och där OMX Stockholm blir jämförelseindex. 21

22 4. RESULTAT & ANALYS Tabell 4 ger oss en översikt på vilken förstadagsavkastning samt standardavvikelse vårt urval av IPOs har. Av de 326 IPOs ser vi en genomsnittlig avkastning på 12,6 procent. Måndagar, vilket är den dag vi valt att studera, gav en genomsnittlig förstadagsavkastning på 14 procent vilket var den näst högsta avkastningen bland veckodagarna innan vi kontrollerat för uteliggare. Högst avkastning hade fredagar med en genomsnittlig förstadagsavkastning på 15 procent. Minst förstadagsavkastningar kan vi se på tisdagar, där den genomsnittliga avkastningen endas gav 7,8 procent. Tabell 4. Genomsnittlig förstadagsavkastning för IPOs uppdelat per dag före borttagandet av uteliggare. Genomsnittlig avkastning (%) Standardavvikelse (%) Antal IPOs Måndag 14 33,8 72 Tisdag 7,8 30,1 54 Onsdag 12,5 41,4 62 Torsdag 12,5 37,6 66 Fredag 15 49, ,6 326 Generellt kan vi se att spridningen mellan förstadagsavkastningen under veckodagarna skiljer sig åt, standardavvikelserna varierar mellan 30 till 49 procent. I motsats till James & Ligon (2009) kunde vi inte hitta ett samband mellan genomsnittlig avkastning och standardavvikelse. I deras studie kunde man se att ju högre genomsnittlig avkastning en veckodag hade, ju högre standardavvikelse. Vi kan konstatera att fredagar med högst avkastning har även den högsta standardavvikelsen samt att tisdagar med den lägsta genomsnittliga avkastningen har den lägsta standardavvikelsen. Detta går i linje med James & Ligon (2009) men resterande dagar går emot deras studie, tex. måndagar som har näst högst avkastning har näst lägst standardavvikelse. Jones & Ligon (2009) valde att kontrollera för uteliggare i deras regressionsanalys. De exkluderade observationer som var längre än två standardavvikelser bort från genomsnittet. Eftersom spridningen av underprissättningen var så pass stor i vårt urval, 30 22

23 till 49 procent, beslutade vi oss för att exkludera dessa uteliggare. Huvudanledningen till detta var att vi ville få en så rättvisande bild som möjligt av den generella genomsnittliga förstadagsavkastningen. Vi anser att ett urval med uteliggare ger en skev bild av genomsnittlig avkastning och påverkar resultatet för mycket i negativ bemärkelse. Efter att ha exkluderat uteliggare fick vi ett tydligt resultat där måndagar gav den högsta genomsnittliga avkastningen, se tabell 5. Vi har i vår studie fortsatt att använda vår data där vi exkluderat uteliggarna. Tabell 5. Genomsnittlig förstadagsavkastning för IPOs uppdelat per dag med uteliggare exkluderade. Genomsnittlig avkastning (%) Standardavvikelse (%) Antal IPOs Måndag 10,0 25,0 67 Tisdag 4,3 20,5 50 Onsdag 6,9 26,3 60 Torsdag 5,2 23,9 62 Fredag 5,3 22,0 68 6,5 307 I tabell 5 kan man se att flest IPOs utfördes på måndagar och fredagar, 67 stycken respektive 68 stycken. Lägst antal kunde vi hitta på tisdagar med 50 stycken genomförda IPOs. För att säkerställa att det är flest IPOs genomförda på måndagar och fredagar kontra lägst på tisdagar har vi utfört ett Chi-två test. Testet gav oss ett icke signifikant resultat, anledningen till att resultatet inte var signifikant beror på att vårt urval var för jämt utspritt över veckodagarna, det vill säga att spridningen av antalet IPOs över dagarna beror på slumpen eller tillfälligheter. Skulle någon av dagarna vara signifikant avvikande jämfört med genomsnittet hade det visat på att garanterna undviker att utföra en notering på den aktuella dagen. Jones & Ligons (2009) studie gav ett signifikant resultat på 1 procents nivån där måndagar var den dag då minst antal amerikanska bolag genomförde sin IPO. De menar på att företag undviker att genomföra sin IPO på måndagar för att undkomma weekend uncertainties. Vårt resultat motsätter sig det Jones & Ligon (2009) fick, eftersom måndagar tillsammans med fredagar är de dagar med högst antal genomförda IPOs på den svenska marknaden under de senaste tio åren. Våra resultat indikerar att svenska garanter inte tar hänsyn till weekend uncertainties. 23

24 För att statistiskt säkerställa att måndagar ger den högsta genomsnittliga förstadagsavkastningen har vi utfört en dummyvariabelsregression. Dummyvariabel är 1 om teckningsdagen är på en måndag och resterande dagar fungerar som jämförelseindex. Regression 1 gav oss ingen signifikant måndagseffekt. Förklaringsgraden blev väldigt låg vilket även den justerade förklaringsgraden blev, detta betyder att vår modell är för svag för att förklara måndagseffekten. Vi tror inte att det beror på ett för litet urval, utan att det grundar sig i en alltför jämn genomsnittlig avkastning mellan dagarna. Enligt Jones & Ligon (2009) kontrollerade dem för att se om deras signifikanta måndagseffekt berodde på andra variabler än veckodagseffekten. Även om vi inte kom fram till ett signifikant resultat, testade vi våra kontrollvariabler för att se om dessa var av förklarande grad. Tabell 6. Regressionsanalys över måndagar och förstadagsavkastning Regressionsanalys Regression 1 Regression 2 DMan 0,045 0,040 (1,393) (1,195) LnSize 0,011 (0,424) LnAge 0,074** (2,051) LnOff -0,010 (-0,655) DInd 0,019 (0,425) DNM -0,109 (-1,603) DFN -0,031 (-0,996) Intercept 0,055*** -0,073 (3,585) (-0,384) Förklaringsgrad 0,006 0,038 Justerad förklaringsgrad 0,003 0,015 p-värde 0,165 0,116 Antal observationer Tabell 6 visar resultaten från de genomsnittliga avkastningarna mellan februari 2007-april Regression 1 visar hur måndagar påverkar underprissättningen. Regression 2 visar hur måndagar samt kontrollvariabler påverkar underprissättningen. Båda regressionerna är exklusive uteliggare. T-värdet visas i parentesen. *, **, *** motsvarar en signifikansnivå på 10, 5 och 1% nivån. 24

25 I regression 2 fick vi ett p-värde för modellen på 11,6 procent vilket inte är signifikant. De förklarande variablerna LnSize och DInd, blev inte signifikanta, vilket skiljer sig mot Jones & Ligon (2009) som fick ett signifikant resultat på 1 procent. Variablerna LnSize och DInd blev likt Jones & Ligons (2009) studie positiva, det vill säga att ju större företag är, desto högre underprissättning. Det visade sig även att underprissättningen ökade i de fall företagen var teknologiska. LnOff, DNM och DFN blev inte av förklarande grad. LnAge var den variabel som blev signifikant på 5 procents nivån, detta skiljer sig från Jones & Ligon (2009) vars åldersvariabel endast förklarade underprissättningen för en av deras två kontrollregressioner. Vår åldersvariabel blev positiv, att ju äldre ett företag var, ju högre blev underprissättningen. Detta skiljer sig från Jones & Ligon som fick en negativ variabel som menar att yngre företag var mer underprissatta. Undersökningens syfte var att undersöka hur val av dag påverkar svenska börsintroduktioner. Resultatet av denna studie indikerade att det förekom en svag måndagseffekt på IPOs under perioden februari 2007 april 2017, däremot var resultaten ickesignifikanta och vi kan därför inte hävda att måndagseffekten existerar på svenska IPOs. Detta skiljer sig från Jones & Ligons (2009) studie på den amerikanska marknaden, där de fann att måndagseffekten var signifikant på 5 procentsnivån. De grundade sin undersökning på data från , där författarna såg att måndagar hade en högre genomsnittlig förstadagsavkastning under hela perioden. Noterbart från författarnas data är att den största skillnaden mellan måndagar och resterande dagar går att finna mellan perioden Jones & Ligons (2009) resultat indikerade på att måndagseffekten var avtagande efter 1994 vilket kan relateras till vår studie och möjligen förklara varför våra resultat inte blev signifikanta. Som tidigare nämnt menade Peterson & Philpot (2011) att måndagseffekten hade försvunnit på stora bolag eftersom investerare har uppmärksammat anomalin. Detta kan även vara en förklarande faktor till varför måndagseffekten är allt mer avtagande och varför den i Sverige inte är signifikant under perioden februari april Som tidigare nämnt borde en anomali som kalendereffekten inte finnas enligt den effektiva marknadshypotesen. Eftersom vi antagit att den semistarka formen är den som råder på marknaden idag skall aktiepriserna enbart reflektera all tillgänglig och nysläppt information. Vi tyckte att det var intressant att läsa om att måndagseffekten var avtagande efter 1994 på den amerikanska marknaden. En möjlig förklaring till att måndagseffekten avtagit kan vara att internet blivit allt vanligare hos institutionella och privata investerare. Med internet behöver 25

26 inte investerarna vänta på morgondagens tidning för att få tillgång till publik information, utan kan numera med ett enkelt knapptryck få den relevanta information dem behöver för att göra ett välgrundat investeringsbeslut. Man kan också tycka att internetanvändningen har blivit allt mer sofistikerad, där analysverktyg, såsom Eikon och många fler, revolutionerat dagens informationshämtning. Därmed kan vi inte motsätta oss den effektiva marknadshypotesen då vi inte kan säkerställa att en måndagseffekt finns på den svenska marknaden efter februari En annan anledning till varför IPOs generellt sett är mer underprissatta på måndagar kan vara den rådande efterfrågan på marknaden. Eftersom måndagar generellt underpresterar på aktiemarknaden kan garanten välja att underprissätta sin IPO i större mån för att locka till sig fler investerare som annars har ett mer säljinriktat handelsmönster på måndagar. Jones & Ligon (2009) menar att det förekommer weekend uncertainties hos garanter och att detta kan vara en bidragande faktor till en måndagseffekt. Detta menar vi skiljer sig från den svenska marknaden och de svenska garanterna. De IPOs vi undersökte var relativt jämt fördelat mellan veckodagarna, men där måndagar och fredagar var de dagar som hade flest börsnoteringar. Detta tycker vi indikerar på att svenska garanter inte tar weekend uncertainties i beaktande inför en kommande börsnotering. Våra resultat skiljde sig inte bara på måndagseffekten, utan även hur signifikanta våra kontrollvariabler var. Våra kontrollvariabler för storlek och teknologiska företag blev inte signifikanta jämfört med Jones & Ligon (2009). Vi kan alltså inte konstatera att större företag som går till börsen generellt sett är mer underprissatta. Detta är ett resultat som vi finner märkbart då det är en variabel som i flertalet tidigare studier förklarar underprissättning. I vår data på svenska IPOs var 148 av 307 företag klassade som teknologiska, variabeln var icke signifikant vilket resulterar i att vi inte kan dra någon slutsats ifall teknologiska företag är mer underprissatta än icke teknologiska. En anledning till detta kan vara skillnaden i klassificeringen av dessa företag, vår och Jones & Ligons studie emellan. Vi har utgått från ICB s klassificering som Nasdaq använder sig utav medan Jones & Ligon utgår från SIC-koder som i detta fall möjligen kan vara mer specifikt inriktade på ännu mer avancerade teknologiska företag och att då underprissättningen som sker för de företagen är högre. Vi fick åldersvariabeln signifikant i vår studie, något som Jones & Ligon endast fick i en av sina två kontrollregressioner. Den största skillnaden studierna emellan gällande denna variabel var att vår förklarade att äldre företag var mer underprissatta jämfört med deras som förklarade att yngre företag var mer underprissatta. Även detta resultat finner vi märkbart. Anledningen till 26