PIOTROSKIS FUNDAMENTALA SIGNALER; ÄR DE VÄRDERELEVANTA?

Transkript

1 UPPSALA UNIVERSITET FÖRETAGSEKONOMISKA INSTITUTIONEN KANDIDATUPPSATS VT 2010 HANDLEDARE: KATERINA HELLSTRÖM DATUM PIOTROSKIS FUNDAMENTALA SIGNALER; ÄR DE VÄRDERELEVANTA? EN NUTIDA STUDIE PÅ STOCKHOLMSBÖRSEN ROSANNA LING & ERICA OHLSSON* ABSTRACT This study aims to evaluate the value relevance of Piotroski s (2000) nine fundamental signals. In order to do this, the signals are tested on the OMX Nordic Exchange Stockholm between the years 2003 and The hypotheses of the study are whether the signals are value relevant and if the value relevance has changed. To test this, a Chi-square test and a regression are used. The tests show that some signals are value relevant, and that some are not. We also find evidence for a change in the value relevance during the years of the observation. Some explanations to why the value relevance has changed is also discussed. Keywords: value relevance, fundamental analysis, Piotroski, abnormal return, market efficiency 1. INLEDNING Fundamental aktieanalys är välanvänd ur investeringssynpunkt och skiljer sig från bland annat teknisk aktieanalys 1 då den utgår från historisk redovisningsinformation för att analysera ett företags tillväxt och framtida aktieavkastning (Lev & Thiagarajan, 1993). Metoden har använts av flertalet forskare under åren, bland annat av Ou och Penman (1989) och Lev och Thiagarajan (1993). Lev och Thiagarajans arbete följdes upp av Abarbanell och Bushee (1998) och låg slutligen till grund för Piotroskis (2000) framgångsrika studie om fundamental portföljstrategi på den amerikanska aktiemarknaden. I 1 Teknisk analys utgår från att identifiera rörelser och mönster i aktiepriser (Lo, Mamaysky & Wang, 2000) * Vi vill tacka handledare Katerina Hellström, opponenterna Lars Gräns och Mattias Sandén samt familj och vänner som bidragit med värdefulla synpunkter under arbetets gång.

2 studien utgår författaren från nio fundamentala nyckeltal, även kallade signaler, och bevisar möjligheten att uppnå överavkastning, aktieavkastning utöver den normala marknadsavkastningen, med en enkel portföljstrategi. Den fundamentala aktieanalysen förutsätter att de nyckeltal som används är värdeskapande och relevanta för användaren, det vill säga värderelevanta. För investerare är detta centralt då icke värderelevant information kan leda till sämre investeringsbeslut (Francis & Schipper, 1999). En eventuell minskning av värderelevansen i redovisningsdata är något som på senare år har diskuterats av både användare och akademiker. Flertalet forskare menar att den minskade värderelevansen leder till att redovisningsinformationen blir mindre användbar för aktieägare och investerare (Dechow & Schrand, 2004; Francis & Schipper, 1999; Lev & Zarowin, 1999 ). Det finns flera definitioner av begreppet värderelevans. I denna studie används definitionen marknadsvärderelevans, vilken mäter associationen mellan finansiell information och marknadspriser (Francis & Schipper, 1999). Redovisningens värderelevans kan testas genom att studera hur väl redovisningsdata korrelerar med aktieavkastning (Holthausen & Watts, 2001). Detta innebär att om redovisningsdata är värderelevant för investerare bör det avspeglas i aktieavkastningen perioden efter att redovisningsdata publicerats (Lev & Thiagarajan, 1993). En förutsättning för att den fundamentala analysen ska generera överavkastning, vilket Piotroskis forskning visar på, är att marknaden inte antas vara helt informationseffektiv. Således finns det information i redovisningsdata som alla investerare inte har observerat och genom utnyttjandet av denna information uppstår möjligheten att uppnå överavkastning (Piotroski, 2000). Detta antagande motsäger den effektiva marknadshypotesen; att på en helt informationseffektiv marknad speglar priset på värdepapper all tillgänglig information (Fama, Fisher, Jensen & Roll, 1969). Många värderingsmodeller utgår dock från antagandet att marknaden är effektiv för att förenkla analysmodellen (Lee, 2001). En av dessa värderingsmodeller är Capital Asset Pricing Model, CAPM, som i grunden är skapad för att analysera vilken avkastning en investering bör generera med hänsyn till risk och marknadsavkastning (Sharpe, 1964). Med utgångspunkt från denna modell går det att analysera och jämföra den faktiska avkastningen med den förväntade. En högre faktisk avkastning i jämförelse med den förväntade innebär en överavkastning (McKinlay, 1997). I diskussionen om redovisningens värderelevans och den fundamentala aktieanalysen finner vi det intressant att undersöka Piotroskis (2000) fundamentala signalers värderelevans ur ett aktuellt perspektiv på svensk data. Vårt syfte med studien är att testa värderelevansen för Piotroskis nio fundamentala signaler på Stockholmsbörsen, OMX Nordic Exchange Stockholm, mellan åren 2003 och Både de specifika signalernas värderelevans och en eventuell förändring i den totala värderelevansen undersöks. 2

3 Vi tycker ämnet är intressant då det idag inte finns någon allmängiltig uppfattning om vilka specifika nyckeltal som är värderelevanta i en fundamental aktieanalys. Det är också aktuellt att analysera om den påstådda minskningen i värderelevans existerar på svensk data. Studien har därför som målsättning att bidra till mer generella slutsatser om ovannämnda aspekter, på en begränsad aktiemarknad. En förhoppning är att studiens resultat ska bidra till bättre investeringsbeslut. Vi vill också uppmärksamma faktorer som påverkar redovisningsdatas värderelevans, för att ge investerare möjlighet att justera för detta. Värderelevansen testas genom ett chitvå-test och en linjär regression. Testerna genomförs varje år för respektive signal. Resultatet visar att vi statistiskt kan säkerställa att vissa signaler är värderelevanta flera år, medan andra endast är värderelevanta ett fåtal eller inget år alls. Den enda signal som är värderelevant samtliga år är avkastning på totala tillgångar medan signalen för förändring i likviditet inte är det något av åren. Testen visar också att antalet värderelevanta signaler varierar från år till år och att värderelevansen har förändrats under tiden för studien. Från resultatet diskuteras möjliga förklaringar till värderelevansens förändring. Vi finner inga bevis för att värderelevansen påverkats av förändringar i redovisningsstandarden (2004:1173). Dock finner vi ett visst samband mellan konjunkturen och graden av värderelevans. Strukturen för uppsatsen är följande. Den inleds med en litteraturgenomgång i avsnitt två där uttrycken värderelevans och den effektiva marknaden klargörs och diskuteras. Även externa faktorer som kan påverka värderelevansen och Piotroskis (2000) signaler förklaras. Teoriavsnittet avslutas med två hypoteser vilka ligger till grund för studien. Därefter följer avsnitt tre med en metodgenomgång som presenterar studiens genomförande. Studiens resultat presenteras i avsnitt fyra där även hypoteserna besvaras. Därefter följer en analysdel under avsnitt fem där olika förklaringar till varför värderelevansen har sett ut som den gör diskuteras. Uppsatsen avslutas med en slutsats i avsnitt sex där det görs en kortare sammanfattning av studien och resultatet. 2. LITTERATURGENOMGÅNG 2.1 VÄRDERELEVANS Forskning inom ämnet värderelevans undersöker bland annat om publicerad redovisningsdata är användbar och värderelevant vid investering i aktier. Om redovisningsdata bidrar med information som är relevant för användaren i sitt investeringsbeslut beskrivs den som värderelevant (Barth, Beaver & Landsman, 2001). Nedan redogörs för Francis och Schippers (1999) fyra definitioner av begreppet värderelevans. De två första mäter värderelevansen utifrån ett bolags verkliga värde medan de resterande två fokuserar på marknadsvärderingen och benämns marknadsvärderelevans. 3

4 Den första definitionen behandlar enligt Francis och Schipper (1999) ett företags verkliga värde. Enligt denna definition leder finansiell information aktiepriser genom att fånga in de verkliga värdena 2 som aktiekursen rör sig mot. Värderelevansen mäts utifrån de vinster som genereras av tillämpning av redovisningsbaserade investeringsstrategier. Denna definition förutsätter att aktiepriser inte speglar verkligt värde men att redovisningsinformation gör det. Problematiken kring denna definition rör riskjusteringar då tidigare forskare mött kritik för bristfällig riskjustering vid implementeringen av investeringsstrategierna. Den andra definitionen fokuserar på relevanta variabler som används i värderingsmodeller. Enligt Francis och Schipper (1999) är finansiell information värderelevant om den innehåller variabler som används i värderingsmodeller eller bidrar till att förutse dessa. Således kan värderingsmodellens värderelevans mätas genom möjligheten till att förutse framtida avkastning, vinster eller kassaflöden. De två första definitionerna utgår därmed från att information är relevant om den speglar företagets verkliga värde. Utifrån den tredje definitionen är redovisningsinformation värderelevant om investerare använder informationen vid värdering och att den då förändrar aktiepriset. Definitionen utgår liksom den fjärde från att informationen är värderelevant om den speglar marknadsvärdet, se skillnad mot företagets verkliga värde i definition ett och två. Detta sker genom att investerare vid uppfångandet av värderelevant information förändrar sina förväntningar vilket även justerar aktiepriset. Denna syn är fokuserad på den tillgängliga informationens betydelse och studier baserade på definitionen är ofta kortsiktiga till perspektivet. Exempelvis testas marknadens kortsiktiga reaktion vid publicering av årsrapporter (Francis & Schipper, 1999). Slutligen mäter den fjärde definitionen associationen mellan ett företags finansiella information och marknadspriset på företagsaktien. Den utgår från att värderelevans mäts via möjligheten för finansiell information att fånga in information kring aktien, oavsett källa, som påverkar aktiepriset. Information som investerare använder härstammar från både årsredovisning och företagsledningens vinstprognoser (Francis & Schipper, 1999). Detta innebär att redovisningsdata kan ses som ett mätinstrument och studier utifrån denna tolkning kan göras på längre sikt genom att testa om det finns ett statistiskt samband mellan finansiell information och marknadspriser eller avkastning på aktier. Francis och Schipper (1999) diskuterar även redovisningsdatas påstådda minskning i värderelevans mellan åren 1952 och Värderelevansen testas som proportionen av den totala avkastning som kan erhållas från finansiell redovisningsinformation. Testet 2 Med verkligt värde menas det värde som fås genom diskontering av framtida kassaflöden (Francis & Schipper, 1999). 4

5 utförs med hjälp av olika hedgeportföljer 3 där bland annat poster från resultaträkning 4, balansräkning 5 och signaler hämtade från Lev och Thiagarajans studie från år 1993 används. Francis och Schipper (1999) testar även för förändringar mellan hög- respektive lågteknologiska företag, men kommer fram till att det inte spelar en avgörande roll för utfallet. Francis och Schipper (1999) kommer i sin slutsats fram till att vissa av portföljerna som används har en statistiskt fastställd minskning i värderelevansen. Detta visas genom att respektive portföljs förklaringsgrad (R 2 ) analyseras. Med förklaringsgrad menas hur väl redovisningsdata förklarar eller förutsäger överavkastningen. Poster från resultaträkningen har enligt studien haft en distinkt nedgång i värderelevans samtidigt som det påvisas en ökning i värderelevansen för poster i balansräkningen. Den genomsnittliga förklaringsgraden för resultatposter är 22 procent och för balansräkningen 41 procent. Således förklarar resultatvariablerna 22 procent av den marknadsjusterade avkastningen och balansräkningen 41 procent. Författarna konstaterar dock att resultaten om huruvida den totala värderelevansen har minskat eller ej inte är entydiga då det beror på vilka poster som studeras. Dock kan det konstateras att en minskning skett i resultatposter och därmed bör investerare vid användning av dessa erhålla en mindre avkastning än tidigare. Det motsatta förhållandet gäller för balansposter (Francis och Schipper, 1999). I sin studie utgår Francis och Schipper (1999) från den fjärde definitionen av värderelevans som även passar denna studies syfte. Med definitionen undersöks det statistiska sambandet på lång sikt mellan redovisningsvariabler och aktieavkastning. Denna definition om marknadsvärderelevans (som är den vi använder) förutsätter även att marknaden antas vara effektiv. Detta innebär att aktiepriser förmodas spegla all tillgänglig information på marknaden omedelbart (Holthausen & Watts, 2001). 2.2 DEN EFFEKTIVA MARKNADEN Huruvida marknaden är effektiv eller ej är något som Fama et al. diskuterade redan år 1969 då även den effektiva marknadshypotesen för första gången definierades. I artikeln argumenterar de för att marknaden är effektiv då den snabbt anpassar sig till ny information (Fama et al., 1969). Efter konstaterandet att marknaden är effektiv fortsätter Fama i en artikel publicerad år 1970 att undersöka marknadseffektiviteten utifrån tre kategorier av marknadseffektivitet; svag, mellanstark och stark form. Fama (1970) menar 3 I en hedgeportfölj är det möjligt att blanka aktier med förutspådd negativ utveckling och köpa aktier med framtida positiv utveckling (Piotroski, 2000). Blankning innebär att aktier lånas och säljs i förhoppning om att aktien sedan ska gå ned i pris och kan återköpas till en lägre kurs. 4 Poster i resultaträkningen visar företagets intäkter och kostnader under en viss period (Lönnqvist, 2006:51). 5 Poster i balansräkningen visar företagets tillgångar och skulder vid slutet av en redovisad period (Lönnqvist, 2006: 35). 5

6 att när marknadseffektiviteten är svag är all historisk information om företaget och aktien diskonterad i aktiepriset. Den mellanstarka formen innebär att marknaden förutom historisk information även har tillgång till och använder sig av aktuell offentligt publicerad information som till exempel pressmeddelanden och årsredovisningar. Den tredje och sista formen av marknadseffektivitet, stark form, förutsätter att alla på marknaden har fullständig information om företaget och att informationen fullständigt reflekteras i aktiepriset. Här innehar marknaden även information som i själva verket endast är avsedd för företagsledningen. Vid den starkare formen är det omöjligt att nå onormal avkastning. Teorin om den effektiva marknaden har enligt Lee (2001) mött stigande kritik och givit upphov till diskussioner om marknadens effektivitet. I modeller utgår flertalet forskare för enkelhetens skull från att marknaden är effektiv. Detta kan dock hävdas vara felaktigt då prissättningen på aktiemarknaden kan anses vara en process och inte något som sker omedelbart. I denna uppsats sker ingen värdering av huruvida marknaden är effektiv eller ej. Däremot utgår de modeller som vi använder för beräkning av avkastning samt vald definition av värderelevans, från antagandet att marknaden är effektiv. Samtidigt tyder ett positivt samband mellan Piotroskis fundamentala signaler och aktieöveravkastning på att all information inte är inkluderad i aktiepriset och därmed kan marknaden inte sägas vara helt effektiv. 2.3 EXTERNA FAKTORERS INVERKAN PÅ VÄRDERELEVANSEN Det finns flera faktorer som kan påverka värderelevansen för redovisningsdata. Några exempel är skillnader i bolagsegenskaper, förändring av det ekonomiska klimatet samt större förändringar i redovisningsstandarder (Runsten, 1998). De externa faktorer vi diskuterar i denna studie är förändringar i redovisningsstandarder samt konjunkturförändringar. I skrivande stund utvecklar den amerikanska standardsättaren Financial Accounting Standards Board, FASB, samt internationella International Accounting Standards Board, IASB, ett enhetligt internationellt ramverk för redovisning. (Peasnell, Dean & Gebhardt, 2009). Då det är av största vikt för standardsättare och övriga användare av informationen att redovisningsdata är rättvisande samt trovärdig är målet att öka redovisningens kvalité, öppenhet och jämförbarhet mellan länder (Peasnell et al., 2009). I enighet med utvecklandet av det internationella ramverket gjordes omarbetningar av den svenska årsredovisningslagen (1995:1554) och förändringarna började gälla från och med den första januari 2005 (2004:1173). Dessa ändringar gäller framförallt koncernredovisningen där samtliga börsnoterade bolag i Sverige ska rätta sig efter de nya internationella redovisningsprinciperna. En ökad öppenhet i rapporter med utökad redovisningsinformation ämnar ge en bättre överensstämmelse mellan redovisningsinformation och aktiepriser (Runsten, 1998). Således bör förändringarna i redovisningsstandarden leda till mer relevant redovisningsinformation och en ökad värderelevans. 6

7 I sin studie från 1998 undersöker Runsten på Stockholmsbörsen hur värderelevansen för redovisningsdata påverkas av konjunkturförändringar. I studien framkommer att redovisningsdatas värderelevans är högre vid lågkonjunktur än vid högkonjunktur 6. Således kan en förklaring till förändringar i värderelevansen finnas i konjunkturutvecklingen. 2.4 PIOTROSKIS SIGNALER Mot bakgrund av tidigare forskning av Ou och Penman (1989), Lev och Thiagarajan (1993) samt Abarbanell och Bushee (1998), testar Piotroski i sin studie år från 2000 om det finns ett samband mellan framtida överavkastning och fundamentala nyckeltal, även kallade signaler. Modellen som Piotroski utvecklar skiljer sig från tidigare forskning då den inte använder enskilda specifika nyckeltal som indikatorer på framtida avkastning utan istället aggregerar informationen till ett samlat mått. Måttet kallas F_Score och inkluderar nio nyckeltal som antar värdet ett eller noll. Värdet beror på om företaget haft en positiv eller negativ utveckling i respektive signal. Denna binära gradering bidrar till en enkelhet i modellen samt gör att det sammanvägda F_Scoret som lägst kan anta siffran noll och högst nio. I Piotroskis studie appliceras F_Scoret på företag med höga värden på book to market, vilket är företag med hög kvot mellan eget kapital och marknadsvärde (Piotroski, 2000). Målet med de nio fundamentala signalerna är att de ska spegla företaget som helhet samt dess möjlighet till framtida prestation. För att täcka helhetsbilden är signalerna indelade i tre kategorier. I den första kategorin inkluderas avkastning på totala tillgångar, förändring i avkastning på totala tillgångar, kassaflödet från den operativa verksamheten samt periodiseringar. Dessa signaler utgår från resultaträkning eller kassaflöde och visar hur väl företaget använder sig av och tillgodogör sig sina tillgångar. I nästkommande kategori mäts företagets finansiella ställning via tre signaler om finansiell skuldsättningsgrad, nyemission samt likviditet. Signalerna mäter förändringar i kapitalstruktur och visar företagens möjlighet att klara av framtida skuldförpliktelser. I den sista kategorin som mäter verksamhetens effektivitet inkluderas nyckeltalen bruttomarginal och kapitalomsättningshastighet (Piotroski, 2000). Piotroskis (2000) studie visar på ett positivt samband mellan investeringsmodellen och överavkastning. Genom att blanka aktier med ett lågt F_score (noll eller ett) och investera i aktier med ett högt F_score (åtta eller nio) genererade strategin via hedgeportföljer upp till 23 procent årlig avkastning utöver den normala, testat mellan åren 1976 och 1996 på amerikansk data. Studien tyder därmed på att det existerar en värderelevans i det aggregerade måttet under de undersökta åren. Det är därför intressant att utifrån 6 Högkonjunktur innebär att ett land har en faktisk BNP som är högre än potentiell BNP. Potentiell BNP definieras som den nivå på produktionen som skulle uppnås om vi hade fullt resursutnyttjande av de idag tillgängliga produktionsfaktorerna arbete och kapital (Konjunkturinstitutet A, 2010). 7

8 denna bakgrund med tidigare forskning samt diskussionen om värderelevans undersöka hur Piotroskis signaler förhåller sig till överavkastning på den svenska aktiemarknaden utifrån ett aktuellt perspektiv. Till detta har det tagits fram två hypoteser som ska besvaras i uppsatsen. Den första hypotesen lyder: H1 Piotroskis nio fundamentala signaler är värderelevanta på Stockholmsbörsen under åren 2003 till Mot bakgrund av tidigare forskning som diskuterat en förändring av värderelevansen genom åren är det även intressant att studera om det har skett en förändring under våra valda år. Vissa forskare har tidigare hävdat en minskning av redovisningsdatas värderelevans där framförallt poster från resultaträkningen visats vara mindre relevanta (Francis & Schipper 2001). Samtidigt sker det idag ett samarbete mellan IASB och FASB för att skapa ett mer enhetligt ramverk för redovisning och förhoppningarna är att detta även ökar värderelevansen. Det finns således belägg från båda sidor att det skett en förändring och därför ställs hypotes två upp för att testa detta. H2 Värderelevansen för Piotroskis fundamentala signaler har förändrats mellan åren 2003 och 2009, på Stockholmsbörsen. 3. METOD 3.1 DATAINSAMLING Undersökningen genomförs på samtliga bolag noterade på Stockholmsbörsen som har tillgänglig information om respektive signal mellan åren 2001 och Efter sortering för företagsdubbletter och för företag som saknar uppgifter om avkastning beräknas urvalet till 185 bolag och 1295 företagsår. Endast en serie aktier (a, b eller c) av respektive bolag används i studien, vi använder den mest handlade aktien av bolaget (Avanza, 2010). Detta för att inte få några dubbletter av företagsdata vilket kan påverka studiens resultat. När vi testar värderelevansen uppstår ytterligare ett bortfall på totalt 578 observationer, i snitt 82 stycken per år. Bortfallet består främst av signalerna förändring i skuldsättning, förändring i likviditet samt förändring i bruttomarginal. Slutligen används observationer i studien. Eftersom vissa signaler bygger på årets genomsnitt av exempelvis totala tillgångar (vilket beräknas utifrån utgående balans från föregående år) är perioden för datainsamling längre än perioden för vilken vi diskuterar värderelevansen. Därför beräknas inga signaler under åren 2001 och 2002, då dessa endast ligger till grund för kommande år. Redovisningsdata hämtas från databasen Thomson Reuters Datastream varje år den första april, efter att årsredovisningarna för föregående år publicerats. Den faktiska och 8

9 förväntade avkastningen mäts från den första april och tolv månader framåt för att se hur nyckeltalen i årsredovisningen påverkar avkastningen på aktien. För att säkerställa att informationen som hämtats från databasen överensstämmer med företagens årsredovisningar har ett flertal stickprov gjorts. 3.2 ÖVERAVKASTNING OCH TEST AV VÄRDERELEVANS Eventuell överavkastning för respektive signal och år används som utgångspunkt för att testa värderelevansen. Överavkastning beräknas enligt formeln nedan (McKinlay 1997): där AR i,t = R i,t E(R i,t ) AR i,t står för överavkastning för den specifika aktien i vid tidpunkt t. R i,t står för den faktiska avkastningen för den specifika aktien i vid tidpunkt t. E(R i,t ) står för den förväntade avkastningen för den specifika aktien i vid tidpunkt t. Överavkastningen beräknas således som den faktiska avkastningen subtraherat från den förväntade. Om den faktiska avkastningen överstiger den förväntade definieras det som överavkastning (McKinlay, 1997). Den förväntade avkastningen E(R i,t ) beräknas enligt CAPM vilket diskuteras närmare under avsnitt 3.5. För att sedermera testa om det finns ett samband mellan signalerna och överavkastningen används fyra utfallskategorier som beskrivs nedan i tabell ett. Tabell 1: Utfallskategorier Utfallskategorier: 1. Signalen är positiv = 1, och överavkastningen är positiv => värderelevant signal 2. Signalen är positiv = 1, och ingen överavkastning => ej värderelevant signal 3. Signalen är negativ = 0, och överavkastningen är positiv => ej värderelevant singal 4. Signalen är negativ = 0, och ingen överavkastning => värderelevant signal Om exempelvis ett företag erhållit en positiv signal (1) för en av signalerna och sedan uppnått överavkastning det kommande året innebär det att signalen är värderelevant. Om företaget istället inte uppnått överavkastning ses signalen som ej värderelevant. Varje signal testas årsvis. 9

10 Utifrån de fyra utfallskategorierna ställs signalerna och avkastningen upp i en korstabell. Tabellen används vanligtvis för att studera flera variabler och sambandet mellan dessa, vilket också är fallet här (Saunders, Lewis & Thornhill, 2009: ). För varje år ställs respektive signal upp med fyra möjliga utfall enligt exemplet nedan (tabell två). Korstabellen visar hur fördelningen ser ut mellan respektive utfallskategori och vi kan därmed få information om hur den totala fördelningen ser ut och hur många signaler som är värderelevanta respektive år. Testet hanterar inte negativa tal och därför ställs överavkastning upp enligt dummyvariablerna ett för erhållen överavkastning och noll för ej erhållen överavkastning. Ett företag vars signal är positiv och där aktien sedermera genererat överavkastning placeras under avkastning ett och signal ett. Tabell 2: Exempel på korstabell (tabellen visar signalen för förändring i avkastning på totala tillgångar 2007) Korstabell Signal 0 Signal 1 Total Avkastning Avkastning Total I samband med korstabellen genomförs även ett tvåsidigt Pearson chitvå-test (X 2 ). Chitvå-testet säkerställer statistiskt om två variabler är associerade med varandra, och hur stor sannolikheten är för detta (Saunders, Lewis & Thornhill, 2009: ). Genom testet är det möjligt att utröna om överavkastningen systematiskt samvarierar med signalerna. Vidare undersöks om det finns en signifikant skillnad mellan de signaler som är värderelevanta och de som inte är värderelevanta. För chitvå-testet använder vi tre signifikansnivåer, 0,1, 0,05 och 0,01. 0,1 innebär att testet är säkert till minst 90 procent, 0,05 ger en säkerhet på minst 95 procent och 0,01 en säkerhet på som lägst 99 procent. (Saunders, Lewis & Thornhill, 2009: ). 3.3 REGRESSION Ett komplement till ovannämnda test är multipel linjär regression. Denna används för att se hur stor del av variationen i aktieavkastningen som kan förklaras av signalerna och modellen. Detta kallas förklaringsgraden och benämns R 2 (Saunders, Lewis & Thornhill, 2009: ). Således visas till hur stor del signalerna statistiskt förklarar överavkastningen. I regressionen används dummyvariabler för respektive signal och överavkastningen testas i procentenheter. Signifikansnivåerna är desamma som för chitvåtestet. Den linjära regressionen som används är: Överavkastning n = β o + β 1 * ROA + β 2 * ΔROA β 9 * ΔTURN + ε 10

11 där Överavkastning är den beroende variabeln. Med det menas att överavkastningen förväntas vara beroende av signalernas utfall. n står för antal företagsår, 1295 stycken. β o står för regressionslinjens brytpunkt med Y-axeln. ROA, ΔROA... etc. står för respektive signal ε är en felvariabel och motsvarar den del av resultatet signalerna inte kan förklara. 3.4 ANVÄNDNING AV PIOTROSKIS MODELL De nio fundamentala signaler Piotroski (2000) använder beräknas enligt följande: Avkastning på totala tillgångar (ROA) Signalen för avkastning på totala tillgångar definieras enligt Piotroski (2000) som nettoavkastning före extraordinära poster. Den beräknas genom att nettoresultatet under året divideras med totala tillgångar i början av året. Om ROA är större än noll ses detta som positivt för företaget då det tyder på att företaget haft en positiv avkastning på sina tillgångar. Signalen får då en etta, om ROA är negativt får signalen en nolla. Förändring i avkastning på totala tillgångar ( ROA) Förändring i avkastning på totala tillgångar jämför årets nettoavkastning före extraordinära poster med föregående års. Även i denna signal beräknas avkastning på totala tillgångar genom att dividera nettoresultatet under året med totala tillgångar i början på året. Om det skett en positiv förändring får signalen en etta, annars får den en nolla. Kassaflöde från den operativa verksamheten (CFO) Signalen kassaflödet från den operativa verksamheten beräknas genom att dividera kassaflödet från den operativa verksamheten med totala tillgångar i början av året. Om CFO är större än noll får signalen en etta och om det är mindre än noll får signalen en nolla. Periodiseringar (ACCRUALS) Signalen för periodiseringar mäts från förhållandet mellan innevarande års ROA och samma års CFO. För uträkning av respektive, se ovan. Om CFO är större än ROA (CFO>ROA) anses det som positivt och signalen ges en etta, annars får signalen en nolla. 11

12 Förändring i finansiell skuldsättningsgrad ( LEVER) Signalen för förändring i finansiell skuldsättningsgrad räknas ut genom att jämföra årets finansiella skuldsättningsgrad med föregående års. Den finansiella skuldsättningsgraden beräknas genom att totala långfristiga skulder divideras med årets genomsnittliga totala tillgångar. En ökad skuldsättningsgrad kan innebära att företaget haft brist på kapital eller av annan anledning lånat pengar. Nya lån innebär att företaget kommer att få ökade räntekostnader och amorteringar nästkommande år. En ökning ses som negativt och ger signalen en nolla. Om skuldsättningsgraden istället har minskat är detta positivt för företaget och signalen får en etta. Förändring i likviditet ( LIQUID) Signalen för förändring i likviditet mäter förändring i balanslikviditet som är kvoten mellan nuvarande storlek på företagets omsättningstillgångar och företagets kortfristiga skulder. En ökning i balanslikviditeten ses som positivt och ger signalen en etta, då det innebär att företaget har betalat av fler kortfristiga skulder än de tagit nya. Om förändringen i likviditet istället är negativ, ges signalen en nolla. Nyemission (EQ_OFFER) Signalen för nyemission visar om företaget genomfört någon nyemission under året. Detta mäts genom en eventuell ökning av antalet utestående aktier. Om det förekommit en nyemission, det vill säga om antalet aktier ökat, ges signalen en nolla. Om företaget inte genomfört en nyemission ses det som positivt och signalen får en etta. Bruttomarginal ( MARGIN) Signalen för bruttomarginal tas fram genom att dividera företagets bruttoresultat (skillnaden mellan försäljning och kostnad sålda varor) med nettoförsäljningen. En ökad bruttomarginal innebär att företaget under nuvarande år intjänat mer pengar för varje såld vara än föregående år. Detta kan bero på till exempel billigare inköpspris på inventarier eller en höjning av priset på företagets produkter. En ökning i bruttomarginalen ges därför en etta och om företagets bruttomarginal minskat får signalen en nolla. Kapitalomsättningshastighet ( TURN) Signalen för kapitalomsättningshastighet mäter förändring i omsättningshastighet för totala tillgångar från föregående år. Kapitalomsättningshastigheten räknas ut genom att dividera företagets totala försäljning under året med årets ingående totala tillgångar. Om omsättningshastigheten ökat från föregående år tyder det på att effektiviteten ökat, vilket ses som positivt för företaget och ger signalen en etta. En ökning i effektiviteten kan ske genom till exempel bättre maskiner eller en ökad försäljning. Om företaget haft en minskning i kapitalomsättningshastighet från föregående år får signalen istället en nolla. 12

13 3.5 BERÄKNING AV CAPM Det finns flera tillvägagångssätt för att beräkna den förväntade avkastningen för en aktie och en välanvänd modell är CAPM (Bruner, Eades, Harris & Higgins, 1998; Graham & Harvey, 2001). CAPM utformades först av nobelpristagaren William Sharpe (1964) och John Lintner (1965). Modellen har sedan dess utvecklats av flera forskare som exempelvis Black (1972) och är även föregångare till andra modeller som beräknar överavkastning, exempelvis Jensens Alpha (Sharpe, 1964; Jensen, 1968; Fama & French, 2004). Liksom många pionjärer inom ett område har CAPM fått utstå mycket kritik (Roll, 1977). Roll (1977) hävdar bland annat att modellen grundas på orealistiska antaganden då den antar att marknaden är effektiv och att investerare har homogena förväntningar. Trots detta används modellen ofta i investeringssammanhang (Bruner et al., 1998; Graham & Harvey, 2001). CAPM består av tre delar; den riskfria räntan, aktiens betavärde 7 samt den förväntade avkastningen för index (Sharpe, 1964; Lintner, 1965). Med hjälp av dessa variabler är det möjligt att i modellen beräkna vilken avkastning som kan förväntas av en aktieinvestering. Vi kommer att beräkna CAPM enligt dess formel: där E(R i ) = R f + β i (E(R M )-R f ) E(R i ) står för den förväntade avkastningen för aktie i. R f står för den riskfria räntan. Den kan sägas vara den samma som ett lands ränta på statsobligationer och en lång löptid är att föredra för ett så korrekt värde som möjligt (Bruner et al., 1998). I uppsatsen används den genomsnittliga räntan på Sveriges statsobligationer med en löptid på 10 år (Riksbanken, 2010). β i står för beta och mäter aktiens marknadsrisk, det vill säga aktiens variation i avkastning i förhållande till index. Om beta för en aktie är mindre än ett varierar aktiekursen mindre än index och har således lägre risk än medelaktien. Om beta är större än ett varierar aktiens kurs mer än index och har en högre risk i förhållande till andra aktier (Sharpe, 1964). Betavärdet hämtas årsvis i Datastream den första april för respektive år. E(R M ) står för den förväntade avkastningen för genomsnittsaktien, det vill säga index för marknaden (Sharpe, 1964; Lintner, 1965). Det jämförelseindex som används i studi- 7 Aktiens betavärdet, den systematiska risken, är den förväntade risken för en aktie, med andra ord aktiens volatilitet i avkastning gentemot marknadsindex (Sharpe, 1964). 13

14 en är OMXSBGI, det inkluderar utdelningar och består av de 80 till 100 största bolagen på OMX Nordic Exchange Stockholm. Detta index finns för hela perioden för studien och anses vara ett bra referensmått för den totala utvecklingen på Stockholmsbörsen (Nasdaq OMX, 2010). Utvecklingen av indexet beräknas genom den årliga kursutvecklingen, som mäts med stängningskurser från den första april. Om vald dag är en helgdag beräknas index från närmast kommande bankdag. 3.6 DEN FAKTISKA AVKASTNINGEN Den faktiska avkastningen för en aktie består av två delar, dels den avkastning som erhålls från kursutveckling och dels direktavkastning i form av utdelningar. Totalavkastning är den totala avkastningen som investeraren erhåller och inkluderar båda delarna. Totalavkastning beräknas enligt modellen för Total Shareholder Return, TSR (Berk & DeMarzo, 2007: ). Den faktiska avkastningen för varje aktie beräknas enligt ekvationen för totalavkastning: där Totalavkastning n = (P t+1 - P t + utdelning) / P t n står för antal företagsår, 1295 stycken. P står för aktiekursen. t står för tidpunkt. Det vill säga kursutveckling under året adderat med eventuell utdelning dividerat med priset i början på året (Berk & DeMarzo, 2007: ). Utdelningar beräknas som utdelning per aktie och totalavkastningens förändring mellan respektive år erhålls i procentuell förändring. 14

15 4. RESULTAT 4.1 RESULTAT AV STUDIEN Den deskriptiva statistiken visar att av de totalt signaler som mäts är 5919 stycken värderelevanta utifrån de fyra utfallskategorierna. Därmed är i snitt 57 procent av signalerna värderelevanta. Tabell tre visar utfallet av korstabellerna och chitvå-testet, procentsatsen visar hur många av företagen som är värderelevanta under respektive signal. Samtliga bekräftar en skillnad mellan utfallen, dock kan endast de gråmarkerade påvisa ett statistiskt säkerställt samband med chitvå-testet. Signifikansnivåerna som används är 0,01, 0,05 och 0,1, dessa har markerats med stjärnor bredvid procentsatserna i tabell tre. Tabell 3: Värderelevans mellan åren 2003 och 2009 utifrån korstabell och chitvå-testet (X 2 ), värden anges i procent. Signaler ÅR Medel ROA 62** 77*** 68*** 61** ** 61 ΔROA 57* 71*** 65*** 61*** 61*** 62*** 53* 62 CFO 63** 73*** 66*** 59*** 53* 39 65** 60 ΔLEVER 55 66*** ΔTURN *** ACCRUALS ** 65*** 54 NYEMISSION 58 67*** ΔLIQUID ΔMARGIN *** 54 63*** 62*** 56** 58 Medel Signifikansnivåer : *** 0,01, ** 0,05, * 0,1. Av tabell 3 går det att utläsa att några signaler är statistiskt signifikanta nästintill varje år. Dessa är avkastning på totalt kapital, förändring i denna samt kassaflödesmåttet. Samtliga har ett högre medelvärde än övriga och förändring i avkastning på totala tillgångar är den enda signalen som är värderelevant samtliga sju år. Signalen som mäter förändring i likviditet är inte värderelevant något år och signalerna för skuldsättning, kapitalomsättningshastighet och nyemission är endast värderelevanta ett av åren. De resterande signalerna, den för periodiseringar och den som mäter bruttomarginal är värderelevanta två respektive fyra år och är nära genomsnittet för samtliga signaler. 8 Efter sortering för företagsår som saknar data för beräkning av signal eller avkastning. 15

16 Diagram 1: Baserad på data från tabell 3, förändring i värderelevans för respektive signal mellan åren 2003 och Respektive signals förändring över åren visas i diagram ett. Även här går det att utläsa att avkastning på totala tillgångar har en hög värderelevans, dock främst mellan åren 2003 och 2006 då den sedan börjar dala. En annan signal som följer samma mönster är kassaflöde från den operativa verksamheten. Samtliga signaler har en nedåtgående trend under år 2005 och börjar vända upp efter flera bottennoteringar åren 2007 och För att styrka och komplettera ovan redovisade resultat visas nedan (tabell fyra) data från den linjära regressionen. Tabellen visar regressionskoefficienternas värden som motsvarar överavkastning i procentenheter. Ett positivt värde indikerar att signalen och avkastningen har ett positivt samband och ett negativt värde att det finns ett negativt samband. Signifikansnivåerna och den totala förklaringsgraden för respektive år anges längst ner i tabellen. Det totala testet är signifikant för samtliga år förutom år 2003 och gråmarkerad data är statistiskt signifikant där signifikansnivån markeras med stjärnor. Förklaringsgraden, R 2, visar hur stor del av utfallet som kan förklaras av sambandet mellan signaler och överavkastning. R 2 är cirka 23 procent i genomsnitt under åren och över 30 procent åren 2004 och Den totala förklaringsgraden visar således hur mycket av överavkastningen som förklaras av signalerna. För varje år går det även att utläsa vilken signal som är drivande för resultatet, den signalen har högst enskild inverkan enligt regressionen. 9 Denna signal är fetmarkerad. De signaler som har högst inverkan under något av åren är avkastning på totala tillgångar, förändring i denna, kassaflöde från den operativa verksamheten samt förändring i bruttomarginal. Slutsatsen överensstämmer med tidigare chitvå-test (se tabell två) där även avkastning på totala tillgångar, förändring i avkastning på totala tillgångar samt bruttomarginal (på senare år) är mer frekvent värderelevant än övriga signaler. Det kan även urskiljas vilka signaler som 9 Detta mäts utifrån Betakoefficienten som är den standardiserade regressionskoefficienten. Beta visar hur stor inverkan koefficenten har för utfallet (Edlund, 1997). 16

17 varken är signifikanta eller verkar bidra till överavkastningen, exempelvis förändring i likviditet samt nyemission. Även det resultatet går i linje med det från chitvå-testet. Tabell 4: Värderelevans mellan åren 2003 och 2009, överavkastning i procentenheter utifrån regressionen. Signaler ÅR ROA -13,52 16,41 34,257* 20,48 4,39 15,41*** 18,91 ΔROA 36,01* 22,46** 0,13 25,45** 6,98 3,89 11,68 CFO 68,80** 22,49 21,51 24,91 14,89-6,81 51,633** ΔLEVER -16,30 19,87** 4,76-5,13-1,66 3,45 25,125** ΔTURN -13,84-10,28 13,66 3,26 2,86 14,929*** -0,13 ACCRUALS -20,54-10,89 9,69-11,72-5,25 16,134*** 27,66 NYEMISSION -9,30 11,33-0,75 0,32-4,64 2,20 27,01 ΔLIQUID 4,42 6,29-0,96-4,12 1,26 0,49 1,49 ΔMARGIN 16,94 4,19 32,75*** -2,58 13,75** 6,37 29,41** Signifikansnivå för samtliga signaler 0,14 0,00 0,00 0,00 0,05 0,00 0,00 R 2 / total Förklaringsgrad i % 11,1 30,5 31,1 20,8 13,3 26,0 25,9 Signifikansnivåer : *** 0,01, ** 0,05, * 0, ÄR SIGNALERNA VÄRDERELEVANTA OCH HUR HAR VÄRDERELEVANSEN FÖRÄNDRATS? För att besvara hypotes ett (H1) kan vi utifrån resultatet konstatera att det statistiskt går att säkerställa att vissa signaler är värderelevanta mellan åren 2003 och 2009 och att andra inte är det. Resultatet kan utläsas i tabell tre och fyra samt visuellt i diagram ett. De fyra signaler som har en stor andel värderelevanta år enligt chitvå-testet samt regressionen är signalerna för avkastning på totala tillgångar, förändring i avkastning på totala tillgångar, kassaflöde från den operativa verksamheten samt förändring i företagets bruttomarginal. Samtliga signaler utom den sistnämnda är inkluderade i signalkategorin som utgår från resultat- och kassaflödesmått. Dessa signaler är värderelevanta fyra eller fler år enligt chitvå-testet, samt två eller fler år och även drivande minst ett år enligt regressionen. De fem signaler som har en mindre andel värderelevanta år är enligt chitvå-testet samt regressionen signalerna som mäter företagets skuldsättningsgrad, nyemission, likviditet, kapitalomsättningshastighet samt periodiseringar. De tre förstnämnda är alla inkluderade i signalkategorin som mäter företagets finansiella ställning. Dessa signaler är värderelevanta två år eller färre enligt både chitvå-testet samt regressionen och är inte drivande något av åren enligt regressionen. 17

18 I enlighet med hypotes två (H2) kan det konstateras att signalernas värderelevans har förändrats under de sju åren i studien. Resultatet skiljer sig något åt mellan chitvå-testet och regressionen vilket går att utläsa i diagram två respektive diagram tre nedan. Enligt chitvå-testet ökar värderelevansen under år 2003 till år 2004 för att sedan sjunka igen fram till år Därefter är värderelevansen på en relativt jämn nivå fram till år 2009 då den ökar igen. Resultatet från regressionen visar en ökning i värderelevansen från år 2004 till år och därefter en minskning år 2006 och år Under år 2008 ökar värderelevansen igen för att sedan stanna på samma nivå under år Även om diagrammen skiljer sig något åt ses en trend där värderelevansen är på en relativt hög nivå under början av perioden, på en lägre nivå under åren 2006 och 2007 samt på en högre nivå igen från år 2008 respektive år Eventuella förklaringar till utfallet samt förändringen diskuteras i nästa avsnitt. Diagram 2: Baserad på data från tabell 3, (utfall från korstabeller), total genomsnittlig värderelevans per år i procent. Diagram 3: Baserad på data från tabell 4 (utfall från regressionen), förändring i total R 2 i procent. 10 År 2003 diskuteras inte då året inte är statistiskt signifikant. 18

19 5. GÅR DET ATT FÖRKLARA FÖRÄNDRINGAR I VÄRDE- RELEVANSEN? 5.1 NYCKELTALETS PÅVERKAN Utifrån de olika nyckeltalen och dess signalkategorier visar resultatet att de signaler som är värderelevanta flest antal gånger är de som härstammar från den första kategorin om resultat och kassaflöde. De signaler som är värderelevanta minst antal år är de som visar på företagets finansiella ställning utifrån balansräkningen. Detta resultat går därmed inte i linje med tidigare forskning av Francis och Schipper (1999) som under deras undersökta period fann en ökning i värderelevans i poster från balansräkningen. Det kan därmed konstateras att de signaler som är värderelevanta flest antal gånger under åren är de signaler som visar på resultat eller faktiska kassaflöden. Avkastning på totala tillgångar samt förändring i denna är två signaler som visas vara värderelevanta till hög grad. Signalerna visar hur väl företaget lyckas förvalta och använda sina tillgångar och, mätt ur en investerares synpunkt, hur väl ledningen förvaltar det kapital som investeras. Kassaflödesmåttet, kassaflöde från den operativa verksamheten, utgår från de faktiska kassaflöden som företaget har och speglar därmed den operativa verksamheten och de in- och utbetalningar som faktiskt sker. Även nyckeltalet bruttomarginal får positivt utslag, möjligt beroende på att även detta nyckeltal är kopplat till den faktiska produktionen i företaget. Således är de poster som framförallt rör företagets kärnverksamhet, kassaflöde, produktion samt företagens möjlighet till att generera vinster och förvalta tillgångarna, de nyckeltal som är mest värderelevanta. Dessa är främst resultatposter och är mer värderelevanta än poster från balansräkningen som istället visar på företagets likviditet och skuldsättning. 5.2 LAGSTIFTANDE PÅVERKAN I enlighet med utformningen av ett internationellt harmoniserat ramverk för redovisning genomfördes i januari år 2005 förändringar i redovisningsstandarden i Sverige (2004:1173). Den nya redovisningsstandarden har som mål att öka jämförbarheten inom EU. Enligt Runsten (1998) ger öppnare årsredovisningar och mer information i dessa en bättre överensstämmelse mellan redovisningsinformation och aktiepriser och därmed bör värderelevansen öka. Med detta i beaktning finns det anledning att analysera om värderelevansen förändrats efter att den nya lagstiftningen år 2005 trädde i kraft. Resultatet av vår studie tyder inte på en självklar ökning av värderelevansen efter införandet av den nya redovisningsstandaren. Från en värderelevans på i snitt 63 procent år 2004, innan lagstiftningen trädde i kraft, minskar värderelevansen till i snitt mellan 54 och 59 procent de nästföljande fyra åren. Antalet värderelevanta signaler är jämfört med 19

20 året innan införandet färre fram till år 2009, vilket visas i tabell tre. Även tabell fyra bekräftar en minskning i värderelevansen efter år 2005 som inte ökar förrän år Således går det inte att, utifrån vår studie, utröna att införandet av den nya lagstiftningen har en positiv inverkan på värderelevansen. Införandet av den nya lagstiftningen påverkar visserligen värderelevansen tidigast år Detta då lagstiftningen först börjar gälla bokslutsåret Även utifrån detta antagande sker ingen förbättring år 2006, det är först år 2008 en uppgång i värderelevansen kan urskiljas. Därmed kan vi inte fastslå att lagstiftningen påverkar värderelevansen. Nedan diskuteras ytterligare en extern faktor, konjunkturförändringar, som möjlig förklaring till förändringen i värderelevansen. 5.3 KONJUNKTURFÖRÄNDRINGARS PÅVERKAN Runsten (1998) menar att värderelevansen på svensk redovisningsdata förändras vid konjunktursvängningar. Under en lågkonjunktur anses redovisningsdata korrelera bättre med aktieinformationen och är därmed mer värderelevant. Under en högkonjunktur gäller det motsatta förhållandet. Detta är någonting som till viss del även styrks i vår studie. Under högkonjunkturen mellan åren 2005 och 2007 kan värderelevansen ses minska under åren 2005 och 2006 för att sedan stanna på en relativt låg nivå år (Konjunkturinstitutet B, 2010). Detta går att utläsa i diagram två och tre. När konjunkturen sedan vänder nedåt under andra halvan av år 2008 ökar värderelevansen vilket kan utläsas i diagram två och tre. År 2009 ökar värderelevansen ännu mer. Således kan en förklaring till att värderelevansen är högre vissa år än andra finnas i konjunkturutvecklingen. Under en lågkonjunktur anses värderelevansen vara högre vilket kan bero på en ökad försiktighet vid investeringar på grund av en lägre riskbenägenhet (Konjunkturinstitutet C, 2010). Detta kan även leda till att investeringar i större grad bedöms utifrån företagens resultat och kärnverksamhet vilket till viss del styrks i vår studie. 5.4 KRITIK OCH FÖRSLAG TILL VIDARE FORSKNING Den litteratur som ligger till grund för studien anser vi hålla hög kvalité, de har granskats med kritiska ögon och jämförts med flertalet studier inom området. De modeller som används, Piotroskis modell för fundamental aktieanalys samt CAPM, har mött kritik. De lämnar dock litet utrymme för egen tolkning och har använts i liknande forskning tidigare. Nackdelen med Piotroskis modell, som är relativt enkel till utformningen, är att det inte görs någon gradering av hur positiv utvecklingen för ett företag varit. Detta innebär att ett företag som har gått bra och ett som gått väldigt bra får samma signal. Modellen kan därför anses ge en något orättvis bild, då företag som haft olika utveckling ändå kan få samma signalvärden. Fördelen är dock att det inte krävs en subjektiv bedömning. Vi an- 20

21 ser att fördelarna överväger nackdelarna då det i vår studie endast är relevant om signalen varit positiv eller inte och om den kan förutsäga en överavkastning eller inte. CAPM som används som utgångspunkt för beräkning av förväntad avkastning och som ligger till grund för överavkastning kräver lite personlig värdering, bland annat vid val av jämförelseindex. Modellen används frekvent (Bruner et al., 1998; Graham & Harvey, 2001) och fyller sin funktion i studien. De statistiska tester som görs i studien har i regel hög signifikansnivå (mellan 90 och 99 procent), vilket innebär att det inte endast är slumpen som är avgörande för utfallet. Även om inte samtliga test av signalerna är signifikanta tycker vi oss se ett mönster som det kan dras slutsatser från. Tidigare studier inom området har använt sig av regression och R 2 -variabeln som förklaringsgrad vilket styrker vårt val (se exempelvis Lev och Thiagarajan (1993), Francis och Schipper (1999) samt Lev och Zarowin (1999)). Eventuella mänskliga fel har minimerats då det gjorts grundliga kontroller samt stickprov i data och uträkningar. Då vi använder oss av multipel regression kan signifikansen och resultatet för de enskilda signalerna till viss del påverkas av de andra signalerna, vilket kallas multikollinearitet (Edlund, 1997). Vid uteslutning av enskilda variabler från regressionen har resultatet inte skiljt sig åt avsevärt från det totala testet. Då regressionen används som komplement till chitvå-testet har vi därför valt att använda oss av multipel regression. Det är möjligt att bortfallen i studien kan påverka resultatet. De företag som inte har tillgänglig data för beräkning av signalerna är till stor del mindre företag, men vi anser att urvalet har en bra spridning av större och mindre företag. Bortfallet på i snitt 82 stycken observationer per år består främst av signalerna förändring i skuldsättning, förändring i likviditet samt förändring i bruttomarginal. Varav de två förstnämnda signalerna inte visas vara värderelevanta till hög grad i studien. Vi anser att fortsatt forskning inom området kan studera en längre tidsperiod samt inkludera uppdelningar och justering för branschtillhörighet för att se om resultatet varierar med bransch. Dock kom Francis och Schipper (1999) i sin analys fram till att skillnader mellan låg- respektive högteknologiska företag inte kunde förklara utfallet. Detta behöver dock inte vara fallet på vår data. Övriga ovan diskuterade faktorer som konjunkturutveckling och förändringar i redovisningsprinciper kan i framtida forskning analyseras och justeras för. Det är även intressant att testa värderelevansen på olika marknader och diskutera anledningar till eventuella skillnader. Eftersom vår studie indikerar på att vissa av signalerna som inkluderas i Piotroskis modell är mindre värderelevanta än andra finns det också anledning att justera modellen och exkludera vissa mått och möjligt inkludera nya och mer värderelevanta. Fortsatta studier kan med hänsyn till konjunkturens påverkan diskutera och utveckla en modell för signaler som passar bättre under lågkonjunktur respektive högkonjunktur. 21