Januarieffekten ur ett branschperspektiv

Transkript

1 Kandidatuppsats Januari 2003 Januarieffekten ur ett branschperspektiv Författare: Lennart Dahl Robert Persson Stefan Schneider Handledare: Hossein Asgharian Tore Eriksson

2 Sammanfattning Titel: Januarieffekten ur ett branschperspektiv Författare: Lennart Dahl, Robert Persson, Stefan Schneider Handledare: Hossein Asgharian och Tore Eriksson Fördjupning: Kandidatuppsats i finansiering 10 poäng Problem: Inom vilka branscher är januarieffekten synlig? Syfte: Syftet med vår uppsats är att studera januarieffekten och se, om den skiljer sig åt mellan olika branscher på börsen. Vi vill även analysera branscherna genom att titta på tre olika faktorer som möjligen påverkar januarieffekten. Metod: Utifrån vårt syfte och den tillgängliga informationen har vi valt att använda oss av en kvantitativ metod. Vid analysen av vår undersökning har vi använt oss av deduktiv metod. Tidsperioden för vår undersökning sträcker sig från 1991 till och med 2002, och vi har använt oss av veckovisa indexrörelser för de olika branscherna på den svenska börsen. Undersökningen av januarieffekten på de olika branscherna har utgått ifrån tre utvalda faktorer: branschstorlek, betavärden och avkastningen i december jämförda med januari. Slutsatser: Genom våra undersökningar har vi kommit fram till att det uppstår en onormalt hög avkastning under januari månad, i jämförelse med resterande månader. Denna företeelse kan kallas för januarieffekten. Denna är tydligare inom vissa branscher, men så gott som alltid påtaglig under vår undersökta tidsperiod. De tre undersökta faktorerna verkar ha ett samband med januarieffekten för de olika branscherna, men detta samband är inte tillräckligt tydligt för att vara en entydig orsak till att januarieffekten uppstår. Nyckelord: Januarieffekten, anomali, branscher, Veckans Affärer 1

3 Innehållsförteckning SAMMANFATTNING INLEDNING BAKGRUND PROBLEMFORMULERING SYFTE MÅL AVGRÄNSNING MÅLGRUPP DISPOSITION METOD METOD-TEORI Kvantitativ Metod Kvalitativ Metod Reliabilitet och Validitet Induktiv metod och Deduktiv metod METOD - PRAKTISKT TILLVÄGAGÅNGSSÄTT KÄLLOR TEORI HYPOTESEN OM EFFEKTIVA MARKNADER Nivåer av marknadseffektivitet Random Walk-modellen Fair game -modellen Tester av effektivitetsnivåerna Betydelsen av effektiva marknader JANUARIEFFEKTEN Storlekseffekten Resten av Världen Behavioural Finance Betavärde-Riskpremie Utdelningar-Skatteeffekten-Skattepremien Slutteori EMPIRI BRANSCHBETAVÄRDEN BRANSCHSTORLEK AVKASTNINGEN I DECEMBER JÄMFÖRD MED JANUARI ANALYS BRANSCHBETAVÄRDEN BRANSCHSTORLEK AVKASTNINGEN I DECEMBER JÄMFÖRD MED JANUARI SLUTSATSER AVSLUTANDE KOMMENTARER FRAMTIDA FORSKNING KÄLLFÖRTECKNING...41 BILAGA

4 1 Inledning De senaste åren har börsen blivit mycket uppmärksammad i olika medier. IT-boomen medförde stora kurssvängningar på börsen, mestadels uppgångar, vilket gjorde att även många svenska småsparare började intressera sig för börsen. Många såg möjligheten till en överavkastning 1 jämfört med den gängse bankräntan. Finns det då en möjlighet till en överavkastning på börsen? Mycken forskning har försökt finna en säker eller åtminstone statistiskt säkerställd avkastning. En eventuell möjlighet till överavkastning på börsen är att utnyttja s.k. anomalier. Anomalierna innebär att aktieavkastningen skiljer sig från det normala under vissa, lätt identifierbara, tidsperioder. (Källa: Claesson, Effektiviteten på Stockholms Fondbörs, 1987) Ordet anomali är även ett vanligt begrepp inom psykologin. En definition från detta ämnesområde är: En anomali är något som bryter mot de paradigmatiska förväntningarna; som inte passar in i teorin eller världssynen. (Källa: Internet ) Gemensamt för dessa två definitioner är att ordet anomali innebär något orimligt eller oregelbundet. Det kan röra sig om ett förhållande eller en företeelse. Vi vill i vår uppsats belysa om det finns någon januarieffekt på börsen. Detta är i så fall en anomali, som innebär att börskurserna har en onormalt bra avkastning i januari. En förklaring till denna hypotes är att investerare av skatteskäl säljer sina aktier i december för att sedan öka sina innehav i januari. Således är denna anomali något som kan utnyttjas av den enskilde investeraren, då anomalin är enkel att förstå och lätt att verkställa i ett försök att skapa en överavkastning. Tidigare undersökningar inom ämnet har ofta analyserat börsen som helhet för att se om någon effekt existerar. I vår uppsats tänker vi undersöka januarieffektens omfattning i olika 3

5 branscher för att undersöka om det finns olikheter dem emellan. Detta ska vi göra genom att använda oss av tillgänglig kurshistorik de senaste 11 åren. 1.1 Bakgrund De flesta tidigare utförda studier om januarieffekten har använt hela börsen som studieområde, men vi vill i denna studie se om, och i sådana fall hur, januarieffekten visar sig inom de olika branscherna på svenska börsen. Anledningen till detta är att vi tror att anomalin är mer märkbar inom vissa branscher och med detta uppsatsarbete vill vi försöka påvisa det. Trots starka bevis för att aktiemarknaden är effektiv, finns det studier som har fastställt, att det finns historiska anomalier på aktiemarknaden som motsäger den effektiva marknadshypotesen. Att anomalierna existerar är väl accepterat runt om i världen, men huruvida man kan utnyttja dessa anomalier till att få en överavkastning är fortfarande under diskussion. Aktier i allmänhet och framförallt småbolagsaktier har historiskt genererat onormalt högre avkastningar under januari månad. Enligt Robert Haugen och Phillipe Jorion 2 är januarieffekten förmodligen den mest kända anomalin runt om på världens alla börser. Januarieffekten är speciellt intressant, för den verkar inte vara på väg att försvinna, trots att den är så välkänd och omdebatterad under de två senaste decennierna. I teorin borde en anomali försvinna efter hand som investerare försöker dra nytta av den. Effekten brukar förklaras av skattemässiga avyttringar vid årsskiftet, då aktier med nedtyngda börskurser säljs för att kvittas mot vinster gjorda tidigare under året. Aktierna köps tillbaka i januari och därmed stiger kurserna för dessa bolag, vilket då medför högre avkastning på dessa aktier jämfört med tiden under resten av året. Aktier, som har gått bra under året, brukar som regel behållas in i nästa år, innan man realiserar vinsten. Vissa hävdar, att januarieffekten har flyttat till månaderna november och december, då investerare köper aktier i förhoppning om stigande kurser i januari. En annan intressant aspekt på januarieffekten är att den har observerats i länder som Storbritannien och Australien, där man inte använder sig av den 31:e 1 Med överavkastning menas en avkastning som är högre än genomsnittligt index. 2 Robert Haugen and Philippe Jorion, The January Effect: Still There after All These Years, Financial Analysts Journal, January-February

6 december som skattemässigt årsslut. Detta betyder att det är fler orsaker till januarieffekten än bara den skattemässiga förklaringen. Januarieffekten är inte den enda anomalin på börsen, som har studerats i tidigare undersökningar. Det finns tre anomalier, som har uppmärksammats mest, och de är januarieffekten, veckodagseffekten och småbolagseffekten. Veckodagseffekten innebär, att genomsnittsavkastningen på aktiemarknaden är olika stor under olika veckodagar. Resultatet från tidigare undersökningar 3, främst på den amerikanska marknaden, visar att måndagsavkastningen är sämst, till och med negativ. Resultaten antyder även, att det finns en tendens till hög avkastning på veckans sista dag. Det har tagits fram en rad olika möjliga förklaringar till detta. En av dessa möjliga förklaringar är, enligt French (1980) 4, att företagen väljer veckosluten för att meddela ofördelaktig information och därmed försöka få till följd, att risken för panikförsäljningar och kraftigt sjunkande aktiekurser minskar. Placerarna får då någon eller några dagar att analysera informationen istället för att överreagera och sänka aktien. Det hela resulterar dock fortfarande i sänkta börskurser och därmed sämre avkastning i början av veckan, främst måndagar. Småbolagseffekten visar att bolag med lägre marknadsvärde, ger högre avkastning än bolag med högre marknadsvärde. Småbolagseffekten var först dokumenterad av Rolf W. Banz 5 i hans artikel The Relationship Between Market Value and Return of Common Stock i november I denna undersökning delade Rolf W. Banz upp bolagen, noterade på New York Stock Exchange, i fem grupper beroende på storleken av marknadsvärdet. I undersökningen fann han, att under perioden var avkastningen för gruppen med minst marknadsvärde högre än för alla de andra grupperna. Andra som analyserat småbolagseffekten argumenterar för, att det inte är storleken som är avgörande för denna överavkastning, utan de avgörande faktorerna är uppmärksamheten kring kursutvecklingen och antalet analytiker som följer aktien. Denna anomali har varit utsatt för en intensiv debatt, huruvida det finns ett tillfälle att generera en överavkastning. Vissa undersökningar påvisar, att bolag med låga marknadsvärden ger högre avkastning än bolag med höga marknadsvärden. Men det finns 3 Claesson, Effektiviteten på Stockholms Fondbörs, Claesson, Effektiviteten på Stockholms Fondbörs,

7 även undersökningar där det påvisas, att investerare inte kan realisera dessa överavkastningar. James O Shaughnessy 6 argumenterade i sin bok What Works on Wall Street för att överavkastningen i småbolag beror nästan uteslutande på avkastningen från de allra minsta bolagen, dvs. bolagen med ett marknadsvärde under $25 miljoner. Småbolagen har nästan uteslutande stora skillnader mellan köp- och säljkurser och belastas med stora transaktionskostnader. Därmed kan dessa aktier inte handlas av institutionella investerare, utan att aktiekursen rör på sig avsevärt. Därmed har så kallade småbolagsfonder svårt att dra någon nytta av dessa småbolag. Vad som har framkommit av de undersökningar som gjorts på småbolagseffekten är, att resultaten skiftar. Vissa hävdar, att småbolagseffekten inte finns, och vissa hävdar att den finns, även med hänsyn tagen till transaktionskostnader och skillnader mellan köp- och säljkurser. Resultaten beror på hur undersökningarna är upplagda. Sammanfattningsvis kan det sägas, att det har genomförts många studier och undersökningar om olika anomalier och intresset har varit, och kommer säkert att förbli, mycket stort. Några entydiga förklaringar går ej att fastställa från undersökningarna utan snarare en mångfald olika intressanta förklaringar. Det är kanske dessa som gör, att intresset för anomalierna fortlever. 1.2 Problemformulering Det har visat sig, att det kan finnas anomalier på börsen under januari månad. En del undersökningar har visat, att det har varit en högre avkastning på aktier i januari jämfört med andra månader. Om det finns en januarieffekt på börsen, vill vi undersöka tre faktorer som eventuellt kan bidra till denna effekt? Inom vilka branscher är januarieffekten synlig? Dessa frågeställningar kommer att belysas och besvaras i denna uppsats

8 1.3 Syfte Syftet med vår uppsats är att studera januarieffekten och se, om den skiljer sig åt mellan olika branscher på börsen. Vi vill även analysera branscherna genom att titta på tre olika faktorer som möjligen kan ha påverkan på januarieffekten. 1.4 Mål Vi vill gärna se, om det är möjligt att utnyttja lämpliga situationer att köpa och sälja aktier i de branscher där anomalin uppstår. Frågan blir främst, om kursrörelserna är så stora, att de skapar en förtjänst, som övergår transaktionskostnaderna. 1.5 Avgränsning Vi har valt att begränsa undersökningen till tidsperioden för de olika branscherna, då den information vi fått tillgång till från SIX 7 omfattar denna period. Branschuppdelningen under tidsperioden är hämtad från Veckans Affärers indexuppdelning och består av följande branscher: Verkstadsindustri Skogsindustri Kemi och Läkemedel Övriga företag Handelsföretag Fastighet och Bygg Investment och Förvaltning Bank och Finans IT-bolag Rederi och Transport 7

9 När vi analyserar orsakerna till indexrörelserna i de branscher som vi undersöker närmare, är följande faktorer av intresse: Branschbetavärden Branschstorlek Avkastningen december/januari 1.6 Målgrupp Målgruppen för denna undersökning är medstudenter på kandidatnivån i finansiering och även andra som kan komma att vara intresserade av den välkända anomalin, januarieffekten, och dess påverkan på den svenska börsen. 1.7 Disposition Uppsatsens kapitel 2 består av en redogörelse för vårt metodval och en fördjupad teoretisk beskrivning av metoden. I kapitel 3 behandlar vi, och beskriver den effektiva marknaden och januarieffekten mer utförligt. Vårt insamlade datamaterial presenteras i kapitel 4, och här presenteras även vår empiriska undersökning med fullständig resultatredovisning. Analysen av våra undersökningar kommer att framläggas i kapitel 5, och slutligen kommer vi att framlägga våra slutsatser i kapitel 6. 7 Scandinavian Information Exchange 8

10 2 Metod 2.1 Metod-Teori Metodavsnittet är avsett att visa hur vi har gått tillväga med våra undersökningar och vilka val vi har gjort under arbetets gång. Vi kommer först att förklara generella metodbegrepp, såsom kvalitativa, respektive kvantitativa metoder, validitet och reliabilitet, induktiv och deduktiv metod. Vi kommer att förklara hur de ovannämnda begreppen appliceras på vår uppsats Kvantitativ Metod 8 En kvantitativ metod bygger på att man har ett siffermaterial som man kan tolka, och utifrån det dra olika slutsatser. Holme, Solvang anser, att problemet med kvantitativa undersökningar är, att det finns en övertro på undersökningar av detta slag. Detta beroende på att kvantitativa undersökningar anses ge objektiva resultat. Vid kvantitativa metoder är det inget problem att få tillförlitlig information 9, medan giltigheten inte alltid är så hög. Först kommer vi att genomföra kvantitativa tester. Vi har fått tillgång till statistiken via SIX, vars funktion är att förse kapitalmarknaden med information 10. Vi kommer att undersöka avkastningen månadsvis under valda tidsperioder. Vi tycker, att den kvantitativa metoden passar bäst för det siffermaterial som är tillgängligt för oss, eftersom vi vill kunna generalisera det resultat vi får fram och kunna dra slutsatser om helheten. Vi har fått tillgång till de veckovisa avkastningarna för alla tio branscher. Det är ett relativt lätthanterligt material, så vi kommer att genomföra en totalundersökning. Därefter kommer vi att försöka att analysera, tre olika faktorers betydelse för januarieffekten, även i detta skedet rör det sig om en totalundersökning Kvalitativ Metod 11 Enligt Holme, Solvang är närhet till källan ett kännetecken för kvalitativa metoder. Närheten är viktig för att komma till djupare insikt om den händelse, man vill undersöka. Det är 8 Holme, Solvang, Forskningsmetodik, Holme, Solvang, Forskningsmetodik, Holme, Solvang, Forskningsmetodik,

11 generellt sett inte något problem med giltig information i en kvalitativ undersökning. Däremot kan det vara ett problem att få tillförlitlig information. Vidare nämns det, att utgångspunkten i kvalitativa undersökningar kan komma att färgas av de fördomar vi har. Kvalitativ metod passar inte in på vårt arbete med tanke på det siffermaterial som är tillgängligt för oss Reliabilitet och Validitet Det kan vara svårt finna definitioner på uttryck som är lätta förstå, och som man kan ta till sig. Den bästa definitionen på reliabilitet och validitet som vi fann kommer här nedan. Validitet har vi betecknat som frånvaron av systematiska mätfel, reliabilitet som frånvaron av slumpmässiga mätfel. Förenklat kan man säga att man mäter validitet som graden av överensstämmelse mellan två mätningar med olika mätinstrument, reliabilitet som graden av överensstämmelse mellan två mätningar med samma instrument (Källa: Rosengren, Arvidsson, Sociologisk Metodik, 1991) Validiteten av informationen från SIX är för oss svår att värdera, men vi får anta att den är korrekt. Vi upplever, att vi inte har något val utan får förlita oss på mätningar, som är gjorda av andra. Skulle där finnas systematiska mätfel kommer dessa att drabba även vår undersökning. Vi har ingen möjlighet att själva upprätta branschindex med hjälp av tidigare kursrörelser Induktiv metod och Deduktiv metod 12 Valet mellan induktiv eller deduktiv metod, kan beskrivas som valet mellan att upptäcka eller bevisa. Detta innebär konkret om man tolkar Holme, Solvang, att deduktiv metod är, att man genom gamla teorier försöker få fram något nytt. Man väljer då att inte ifrågasätta de teorier som gäller. Induktiv metod innebär, att man försöker få fram en ny teori, utifrån de empiriska undersökningar som utförts. 12 Holme, Solvang, Forskningsmetodik,

12 Vi kommer att använda oss av en deduktiv metod. Detta för att det har skrivits en hel del om januarieffekten. Det skulle vara oklokt att bortse från den teori som i vetenskapliga sammanhang skrivits angående januarieffekten. Storlekseffekten och betavärdets betydelse för januarieffekten har också undersökts i vetenskapliga sammanhang, således använder vi oss av en deduktiv metod. 2.2 Metod - praktiskt tillvägagångssätt Vi kommer att använda oss av kurshistorik från år 1991 fram till år 2002 från den svenska börsen. År 2002 har vi använt oss av månaderna januari till och med oktober. Detta innebär att när vi beräknade medelavkastningen mellan februari och december under vår tidsperiod har vi under det sista året beräknat medelavkastningen mellan februari och oktober. Denna kvantitativa information har vi fått tillgång till ifrån SIX och branschuppdelningarna är gjorda, enligt Veckans Affärers branschuppdelning. Vi beskriver vårt urval av branscher och tidshorisonten närmare i avsnittet om avgränsningar 13. Kursdata som vi fick tillgång till bestod av branschernas veckoindex under den givna perioden. Således var vi tvungna att skapa månadsavkastningar genom att gruppera veckorna till månader. Vid skapandet av dessa månader har en del dagar hamnat i fel månad. Detta tror vi dock inte har påverkat vår undersökning nämnvärt, eftersom det högst rör sig om en till två dagar per månad. Med hjälp av denna kvantitativa information, uppdelad inom de olika branscherna, kommer vi försöka identifiera anomalin genom att försöka hitta indexrörelser, som styrker att den existerar. Därefter skall vi undersöka följande tre utvalda faktorer, som kan leda till januarieffekten: branschstorlek, branschbetavärden och avkastningen i december jämfört med januari. Branschstorlek - Eftersom undersökningar 14 har visat resultat på att små bolag har uppvisat större januarieffekt, tycker vi att det är intressant att se om branschernas storlek är en möjlig orsak till januarieffekten. Värt att nämna är att små branscher inte nödvändigtvis behöver innehålla små bolag. Vid genomförandet av denna undersökning använde vi oss av Veckans Affärers börsvärde för respektive bransch i slutet av året från 1991 till och med Börsvärdena i slutet av åren har jämförts med medelavkastningarna påföljande år. Anledningen till att vi inte kunde utföra undersökningen längre än till 1996, var att Veckans Affärer ändrade sitt upplägg för branschbörsvärdena, och därmed kunde relevanta Avgränsning 11

13 undersökningar inte genomföras. På grund av denna begränsning kommer IT-branschen inte att finnas med, eftersom denna bransch tillkom först Efter att samlat in branschbörsvärdena, beräknade vi medelvärdet för respektive bransch samt deras andel av marknadens totala börsvärde. Därefter jämfördes branschernas marknadsandelar med genomsnittliga branschavkastningar under tidsperioden för att se eventuella samband med januarieffekten. Här jämförde vi även januariavkastningarna med medelavkastningen mellan februari och december för att undersöka, om den eventuella överavkastningen i januari var tydlig. Branschbetavärden - Vi kommer här att se, om de branscher som utmärker sig mest i januari, har höga eller låga betavärden. Det kan vara intressant att undersöka, om ett samband föreligger, eftersom ett högt branschbetavärde innebär en hög riskpremie, vilket i sin tur bör leda till en hög förväntad avkastning. Vid denna undersökning kommer betavärdena för branscherna att jämföras med genomsnittliga avkastningar för respektive bransch. Vid beräkning av branschbetavärdena använde vi oss av följande formel: β = ( bransch marknad ) Var( marknad ) Cov, Vid beräkning av kovariansen och variansen använde vi oss av funktioner i Excel. Avkastningen i december jämförd med januari - En teori till att börsen går bättre i januari jämfört med andra månader sägs vara, att investerare säljer aktier, som har gått dåligt under året, för att kvitta dessa förluster mot andra vinster gjorda under året. Samma aktier köps sedan tillbaka i januari nästa år, därav stiger aktiernas värde. Här ska vi undersöka om detta resonemang även går att applicera på branschnivå. Vi undersöker därmed, om branschindex sjunker i december, för att sedan vända upp i januari. Detta kommer att presenteras i diagramform med indexrörelserna december-januari under de elva undersökta åren. Vi kommer också att jämföra januari månads avkastning med föregående års avkastning i perioden februari-december. Detta genomförs för att undersöka om en bransch, vars index har sjunkit under året, vänder upp i början av nästa år. 14 Haugen, Lakonishok, The Incredible January Effect,

14 2.3 Källor Under vårt uppsatsarbete har vi använt oss av en rad olika källor, som vi här vill presentera. Vi började med att informera oss om anomalier och då främst januarieffekten med hjälp av finansieringsartiklar (bl.a. från LOVISA och Internet) och annan finanslitteratur. Andra uppsatser i finansiering på C- och D-nivån har varit inspirationskällor under arbetets gång. Vi fick tidigt personlig kontakt med SIX, som gav oss information om kursutveckling i de branscher som vi skulle undersöka. Detta var speciellt viktigt, eftersom branschuppdelningen förändrades Som metodlitteratur har vi använt dels kurslitteratur, dels annan relevant litteratur. 13

15 3. Teori I detta avsnitt behandlar vi teorin om januarieffekten och även den effektiva marknaden. Teorin om effektiva marknaden är relevant, eftersom om marknaden vore effektiv, skulle en januarieffekt inte kunna uppstå. 3.1 Hypotesen om effektiva marknader Hypotesen om effektiva marknader tillkom av en slump 1953, då den brittiske statistikern Maurice Kendall ville undersöka aktieprisernas förhållande. Han hade väntat sig att kurserna skulle följa ett visst mönster, men istället visade det sig, att kurserna rörde sig slumpmässigt. Det var detta som senare ledde till random walk-modellen, Se avsnitt Teorin om effektiva marknader tog form 1970 då Eugene Fama menade, att vid vilken tidpunkt som helst reflekterar priset all given information om en aktie eller en marknad. Detta innebär att det inte är möjligt att göra någon överavkastning på börsen. Den empiriska forskning som genomförts har visat att aktiemarknaden är ett bra exempel på en effektiv marknad. Den främsta förklaringen till detta är aktiemarknadens tillgång till information Nivåer av marknadseffektivitet 17 I teorin om effektiva marknader har man valt att dela upp marknadseffektiviteten i olika nivåer som beskriver hur väl marknaden fungerar, d.v.s. hur effektiv den är. Nedan beskriver vi kort definitionerna av de olika nivåerna: 1. Stark effektivitet - Priserna reflekterar all tillgänglig information på marknaden. I detta fall går det inte att göra överavkastningar. På denna marknad finns således bara investerare som har tur och otur. Man kan inte hitta investerare, som kontinuerligt slår index. Inte ens insiderinformation kan utnyttjas för att göra en överavkastning. 2. Halvstark effektivitet - Marknaden återspeglar historisk information samt allt publicerat material. Varken fundamental- eller teknisk analys kan användas för att 15 Brealey, Myers, Principles of Corporate Finance, Claesson, Effektiviteten på Stockholms Fondbörs, Stycket är baserat på Brealey, Myers, Principles of Corporate Finance,

16 uppnå högre avkastning. Vid en positiv eller negativ företagsnyhet justeras priset direkt på marknaden. 3. Svag effektivitet - Priserna reflekterar kurshistorisk information. Således kan man inte använda sig av teknisk analys för att slå index. Priserna kommer att följa random walk Random Walk-modellen 19 När man först undersökte prisvariationer på aktier, hade man förväntat sig att hitta cykliska prisserier, dvs. att priserna följer ett visst mönster. Istället visade det sig, att priserna var oregelbundna och därmed lika väl kunde gå upp som ner. Det visade sig att kursrörelserna var slumpmässiga, därav uttrycket random walk 20. Ett sätt att förklara anledningen till random walk är att anta, att det fanns aktier som uppträdde cykliskt. Detta skulle leda till att investerare skulle se till att köpa aktien på en låg nivå. Det skulle i sin tur medföra att det gynnsamma priset eliminerades genom stor handel bland investerarna. På en effektiv marknad finns inga givna vinster, eftersom all historisk information återspeglas i aktiepriset Fair game -modellen 21 Det var Fama som 1970 ville definiera en effektiv marknad med hjälp av den s. k. fair gamemodellen. Fama menade, att skillnaden mellan aktiens förväntade verkliga avkastning och marknadens prognostiserade avkastning är lika med noll, om hänsyn tas till den informationsmängd som är inbakad i priset. Kritik, som har riktats mot modellen, har bl. a. gått ut på att begreppet informationsmängd är oklart. Undersökningar på området har oftast tagit med endast en del av informationen, t. ex. alla utdelningsbeslut under en viss period. Leder en sådan undersökning till någon slutsats, eller är den bara tillämpbar för de utdelningsnivåer som beslutades? 18 Se avsnitt Random Walk-modellen. 19 Stycket är baserat på Brealey, Myers, Principles of Corporate Finance, eng. random=slumpmässig 21 Stycket är baserat på Claesson, Effektiviteten på Stockholms Fondbörs,

17 3.1.4 Tester av effektivitetsnivåerna 22 Efter Kendalls 23 upptäckt har det genomförts en rad tester på de olika effektivitetsnivåerna. I de tidigare undersökningarna var det tester i svag form som genomfördes, d.v.s. tester baserade på historiska serier av aktiekurser. Man testade statistiskt, om det fanns några mönster i aktiekursen. Så småningom började man också genomföra tester på effektiviteten i halvstark form. Dessa gick ofta ut på att analysera effektiviteten vid olika sorters informationstillfällen (utdelningar, rapporter, bokslutsmeddelanden etc.). När tester av effektiviteten i stark form har genomförts, har forskare ofta undersökt förvaltare av aktiefonder. Undersökningarna visade, att fondförvaltarna inte ens före avdrag för förvaltningskostnader lyckades uppnå en bättre avkastning än den normala. Senare tester upptäckte empiriska undantag, som man började kalla anomalier. Så länge som dessa inte kan förklaras, bör marknaden betraktas som ineffektiv Betydelsen av effektiva marknader Aktiemarknaden är en del av kapitalmarknaden och har till uppgift att förmedla kapital mellan sparare och investerare. Ur samhällsekonomisk synvinkel är det viktigt att detta sker på ett effektivt sätt. Om så sker, kan båda parter dra fördel av detta. Om marknaden inte vore effektiv, hade det blivit svårt att på en andrahandsmarknad 24 införskaffa pengar, exempelvis genom en nyemission. Om inte all information avspeglas i aktiekursen, så minskar placerarnas benägenhet att investera i nyemitterade aktier. 25 Följande exempel belyser också vikten av en effektiv marknad: Antag att ett företag vill sälja ett stort antal aktier. Detta är bara möjligt om marknaden är effektiv, annars skulle aktiekursen pressas ned på kort sikt. Undersökningarnas resultat har varierat på detta område. En möjlig utveckling är att aktiekursen pressas precis innan försäljningen, eftersom säljaren är i behov av pengar. Kursen kan sedan återhämta sig något efter försäljningen Stycket är baserat på Claesson, Effektiviteten på Stockholms Fondbörs, Se avsnitt 3.2 Hypotesen om effektiva marknader 24 Med andrahandsmarknad menas, att handeln sker med redan existerande aktier. Det är alltså inget nytt kapital som förmedlas. 25 Claesson, Effektiviteten på Stockholms Fondbörs, Ross, Westerfield, Jaffe, Corporate Finance,

18 3.2 Januarieffekten 27 Januarieffekten har funnits länge men det är väldigt få, som har hört talas om den, då den inte alltid syns i index. Anledningen till att den inte syns i indexet är, att januarieffekten inte brukar beröra de stora bolagen i samma utsträckning som den berör de mindre bolagen på börsen. I och med att de stora bolagen väger tyngst i marknadsindexet, blir effekten inte så synlig på själva indexet. Under de senaste 10 åren har hundratals forskare runt om i världen försökt att lösa gåtan om januarieffekten. Det verkar nästan som om, ju mer insikt vi får om januarieffekten, desto mer gåtfull blir effekten för oss alla. Så vad är då denna januarieffekt för något? Under de resterande 11 månaderna av året är avkastningarna på börsen så pass lika, att det inte går att särskilja någon månad från den andra. Tittar man exempelvis på avkastningarna under december månad och april månad kan man inte åtskilja dessa månader. Men tittar man däremot på januari månad, är det en helt annan sak. Ser man på statistik över avkastningarna under januari månad, kan man direkt urskilja dessa ifrån resten av årets månader, och man behöver inte använda sig av några statistiska metoder för att kunna se, att januari månad uppvisar något speciellt, när man ser på avkastningarna. Medelavkastningarna under januari månad är i regel betydligt större än under de andra elva månaderna. Ibland till och med flera gånger större. Naturligtvis är inte avkastningarna under januari alltid stora. Ibland förlorar investerare sina pengar i januari, men tittar man på en 20-års period är avkastningarna större i januari än för resterande månader. Det är inte alla aktier som berörs av denna överavkastning i januari. Som nämndes tidigare, är en av anledningarna att januarieffekten inte har upptäckts tidigare, att den inte alltid syns i själva indexet. De stora bolagen väger tyngst i ett marknadsindex, och det är i dessa bolag som januarieffekten är minst påtaglig. Det har visat sig att januaribonusen blir mindre ju större bolagen är. Det är alltså i de mindre bolagen, som effekten syns mest. Skulle man undersöka avkastningarna på alla aktier under hela året visar det sig att små bolag har i regel större avkastning än de stora bolagen, även om denna skillnad inte är särskilt markant. Men i januari är skillnaden betydligt större. Under januari månad är medelavkastningen för småbolagen i regel gånger större än medelavkastningen för stora bolag. 27 Kapitel 3.1 baseras på Haugen, Lakonishok, 1988, The Incerdible January Effect 17

19 Vissa investeringar i aktier innebär en högre risk, och då förväntar sig investerarna en riskpremie på dessa investeringar. En vanlig investerare tror, att denna riskpremie blir intjänad efterhand som man innehar aktien. Detta är i alla fall vad experter även trott, men det har visat sig att de har fel i detta antagande. Det har istället visat sig, att nästan all riskpremie i en investering i aktier med hög risk är intjänad under en månad, nämligen januari. Aktier med högre utdelning har en högre avkastning på grund av den skattepremie investerare förväntar sig, då de får betala mer i skatt då utdelningarna är högre. Även denna högre avkastning visar sig oftast ske i januari. Under alla andra månader under året är det ingen synbar skillnad i avkastningen mellan hög- och lågutdelningsaktier. Bara i januari tenderar aktier med hög utdelning ha större medelavkastning än aktier med låga utdelningar. Trots detta finns det ytterligare en intressant aspekt som har med bolagens utdelningar att göra, och denna rör medelavkastningarna för bolag med ingen utdelning. Studier har funnit, att medelavkastningen för bolag utan utdelning var så hög som hela 10% under januari månad. Medelavkastningen för bolag med låg utdelning under samma period var 2,5%. Utifrån detta kan man påstå, att både riskpremien och skattepremien är för det mesta intjänade under en enda månad, nämligen januari. Vill man ta del av nästan all förväntad avkastning som marknaden har att erbjuda, skall man gå in i marknaden i början av januari och gå ur i slutet av januari. Resterande månader kan man lika väl undvika allt risktagande, som aktiemarknaden innebär. Varför har januarieffekten funnits så länge? Den borde ha försvunnit med hänsyn till den effektiva marknadshypotesen. Med så många aktörer på marknaden, som vill utnyttja möjligheten till en överavkastning, borde priserna reflektera sina sanna värden och därmed skulle möjligheten till en överavkastning försvinna. Om vi alla är medvetna om att det kommer ske onormala överavkastningar på börsen under januari, kommer vi vilja investera i marknaden första handelsdagen på det nya året. Men eftersom alla vill in på marknaden samtidigt, kommer detta trycka upp börskurserna och vi kommer med all säkerhet inte kunna gå in i marknaden på dess lägsta punkt, vilket vi önskat. Som ett resultat av detta kommer vissa investerare välja att gå in i marknaden i slutet av årets sista handelsdag. Efterhand kommer alltfler vilja göra samma sak, vilket i sin tur leder till högre aktiekurser även denna dag. Detta i sin tur leder till att många går in i marknaden ytterligare en dag tidigare. Denna 18

20 process kan fortgå tills dess att januarieffekten sakta glider in i föregående år och fullkomligt försvinner. Redan 1942 uppmärksammade Sidney Wachtel en marknadseffekt vid årsskiftet. Wachtel skrev om denna effekt i en artikel i Journal of Business. I denna artikel skriver han att stora försäljningar av aktier i mitten av december, för att åstadkomma fördelaktiga skatteförluster, tenderar att driva ner kurserna under deras rättmätiga nivåer, baserade på potentiella vinster. Utifrån denna hypotes kom han fram till att ökande kurser precis vid årets slut och början av nästkommande år är en normal reaktion på de nedtryckta kurserna. Wachtel tog fram ytterligare en hypotes till de nedtryckta kurserna i mitten av december. Denna hypotes grundade sig på att det fanns ett onormalt behov av kontanter några veckor före jul, och därför skedde det många försäljningar av aktier till bäst möjliga kurs, vilket då pressade ner kurserna. Wachtel spekulerade även i att denna effekt skulle vara betydligt mer synlig i vissa aktier än vad som syntes i hela Dow Jones Industrial index, som han hade undersökt. Som det senare visade sig, var detta en mycket riktig slutsats. Som nämnts tidigare, är anledningen till att januarieffekten inte uppmärksammats förrän nu, att den inte kan påvisas på stora index som huvudsakligen relateras till stora bolag, utan är mest synlig hos småbolagen. Ser man på medelavkastningen för varje månad på Standard and Poor s 500 index, kan man inte urskilja januari månads avkastning ifrån resterande månaders avkastning. Med andra ord kan man inte se en januarieffekt på de välbevakade stora indexen och därför har januarieffekten varit oupptäckt under så lång tid. Det skulle ta hela 35 år efter Wachtels hypoteser, innan januarieffekten fick stor uppmärksamhet. Det var i Iowa City, Iowa, april 1975, som professor Mike Rozeff försökte se, om det fanns ett samband mellan storleken på en akties avkastning under en månad med aktiens avkastning under föregående månad. Han sammanställde all data och resultatet, så att resultatet gällde för ett likviktat index av aktieavkastningar. Med andra ord ett index där små bolag har lika stor inverkan på index som stora bolag har. Resultatet var häpnadsväckande, då januarimånaden visade betydligt större avkastning än övriga elva månader. Under hela perioden ( ) producerade januari en medelavkastning på nästan 3,5%. Resterande månader visade en månatlig medelavkastning på ca. 0,5%. Ytterligare undersökningar kom fram till, att nästan en tredjedel av en akties totala årsavkastning skedde under januari månad. 19

21 Denna undersökning av Rozeff och hans kollega Kinney uppmärksammades betydligt mer än vad Sidney Wachtels artikel blev 35 år tidigare. Rapporten om en säsongseffekt på aktiemarknaden under januari väckte stor uppståndelse, förmodligen på grund av hela den ekonomiska professionens tilltro till den effektiva marknaden. Nu fanns det plötsligt bevis för att marknaden kanske inte var så effektiv, som man tidigare hade anledning att tro Storlekseffekten På grund av högre transaktionskostnader och högre risk i samband med handel i småbolag, kan investerare komma att kräva en högre avkastning på småbolagen. Om så är fallet, borde vi kunna se högre avkastningar på småbolagen. Småbolag tenderar även att ha lägre p/e-tal och därmed borde aktier med låga p/e-tal ge en högre avkastning. Att bolag med låga p/e-tal ger en högre avkastning överensstämmer inte med den effektiva marknadshypotesen. Däremot överensstämmer det med den effektiva marknadshypotesen om att bolag med låga p/e-tal ger en högre avkastning för att de just är småbolag. Anledningen till detta är att investeringar i småbolagen innebär en högre risk och högre transaktionskostnader för investeraren, som därmed förväntar sig en högre avkastning. En mera detaljerad studie av denna storlekseffekt, som blev kallad småbolagseffekten, genomförd av Donald Keim (1983), visade att denna effekt inte var så enkel som den först framstod. Keim rangordnade bolagen efter dess totala marknadsvärde, och därefter undersökte han den extra avkastning som bolagen gav. Med extra avkastning analyserade han skillnaden mellan den avkastning bolagen verkligen gav och den förväntade avkastningen för bolaget, i förhållande till bolagets risk. Mätningarna visade att småbolagseffekten börjar göra sig rejält synlig, då man kommer ner till $200 miljoner i totalt marknadsvärde. De allra minsta bolagen visade en helt enastående avkastning för investerare. En småbolagseffekt, i detta fall, överensstämmer med den effektiva marknadshypotesen, eftersom ju mindre företagen är, desto större blir risken. Så även om p/e-effekten inte kan uteslutas helt, kan den effektiva marknadshypotesen förklaras med att en del av januarieffekten beror i själva verket på småbolagseffekten. Denna föreställning höll i sig ända tills det visade sig att nästan hela premien för att handla med småbolag var intjänad under en enstaka månad. 20

22 1983 kom tidningen Journal of Financial Economics ut med en specialutgåva som handlade om småbolagseffekten och januarieffekten. Anledningen till att man tog med januarieffekten var att småbolagseffekten var mest påtaglig i januari månad. En av nämnda artiklar var skriven av Donald Keim. Han kom fram till att småbolagen konsekvent producerade högre avkastning än de större bolagen under åren I sin undersökning tog han även hänsyn till att småbolagen innebar en högre risk, då dessa bolags aktiekurser uppvisar en högre volatilitet i jämförelse med de större bolagen. Det mest intressanta med hans undersökning, var att den största delen av denna småbolagseffekt visade sig under januari månad. Det var till och med så, att den största delen visade sig ske de första fem handelsdagarna i januari. Småbolagen producerade en avkastning som var fyra procentenheter högre än resterande bolag under första handelsdagen i januari Resten av Världen Ytterligare en undersökning som väckte stor uppmärksamhet genomfördes av Bulent och Mustafa Gultekin, Dessa bröder var ifrån Turkiet och hade ett intresse av att se, om januarieffekten var påtaglig även utanför USA, där de flesta undersökningar hade gjorts tidigare. För att se detta applicerade de samma teknik som Rozeff och Kinney använde sig av, fast denna gång på 16 olika länders marknadsindex. Tidsperioden, som de undersökte, var mellan januari 1959 och december 1979 och länderna som ingick i undersökningen var följande: Australien, Österrike, Belgien, Kanada, Danmark, Frankrike, Tyskland, Italien, Japan, Holland, Norge, Singapore, Spanien, Sverige, Schweiz, och England. Resultatet av undersökningen visade, att januarieffekten var påtaglig i samtliga länder och t.o.m. ännu större, än vad som hade visat sig i USA tidigare. Bröderna Gultekin ville se den procentuella förändringen i medelavkastningen under januari månad jämförd med resterande månader. Resultatet visade, vad de hade förutspått, nämligen att januarieffekten var påtaglig i samtliga länders marknader för varje undersökt år. Dessutom var avkastningen i januari ännu större, än vad som tidigare hade visats på den amerikanska marknaden. Från deras undersökning kom de fram till ett antal påståenden som nämns här nedan: Januari är den enda månad med positiv avkastning för samtliga undersökta länder. 21

23 Januari står för mer än 50% av totala årsavkastningen i 65% av de undersökta länderna. För Belgien, Holland och Italien är medelavkastningen i januari större än medelavkastningen för hela året. Detta innebär att medelavkastningen för resterande 11 månader har varit negativ för dessa länder. Utgivandet av Gultekins resultat stimulerade andra till att utföra mer detaljerade undersökningar om januarieffekten på de internationella aktiemarknaderna. Forskare började hitta både småbolagseffekten och januarieffekten tillsammans på en internationell skala. En professor vid namn Kiyoshi Kato från Nanzan University i Japan, började samarbeta med den amerikanske professorn Jim Schallheim, för att se hur den japanska börsen uppträdde under januari månad under åren De undersökte samtliga bolag på börsen och rangordnade dessa efter deras marknadsvärde och skapade därmed 10 olika grupper, baserade på deras storlek. Resultaten visade på stora likheter med tidigare undersökningar, där man kunde se en markant ökning i avkastning under januari månad för samtliga bolag. Även denna gång visade det sig, att det var småbolagen som visade den största ökningen i avkastning. Man skall även ha i åtanke, att man inte har någon skatt på kapitalvinster i Japan, vilket tidigare har varit en hypotetisk förklaring till januarieffekten Behavioural Finance En undersökning med ursprung ur Behavioural Finance, ledde till intressanta iakttagelser om januarieffekten. Denna undersökning gjordes av Werner De Bondt och Richard Thaler vid Cornell University. Professor Thaler var anhängare till Behavioural Finance, vilket innebar att han hyste åsikten att investerare i aktiemarknaden hade en tendens att överreagera på olika saker exempelvis information. Goda nyheter blåste upp aktiekurserna, medan dåliga nyheter ledde till ett rejält kursfall. Enligt De Bondt och Thaler finns det möjligheter till att göra vinster, när marknaden reagerar på detta irrationella vis. Man skall då köpa de aktier, som gått sämst den senaste tiden, och undvika de aktier som gått bäst under samma period. Det var en test av denna hypotes, som de båda ville undersöka genom att analysera aktierna noterade på den amerikanska börsen. För att kunna utföra denna undersökning delade man upp tidsperioden från 1926 och framåt i 5-års perioder. I varje 5-årsperiod delade man upp aktierna efter hur de hade utvecklats under 22

24 denna period. De Bondt och Thaler var främst intresserade av de aktier som hade gått sämst, respektive bäst, under varje 5-årsperiod, och valde därför ut 50 bolag i respektive klass. De hade en prognos på prestationen för de utvalda aktierna de nästkommande 5 åren. Denna prognos baserade sig på att de aktier som hade gått bäst under första perioden, hade fått draghjälp från fördelaktig information, vilket ledde till att marknaden drog upp kurserna till alltför höga nivåer. Det motsatta gällde för de aktier som hade visat den sämsta avkastningen under den första 5-års perioden. Om denna hypotes var sann, skulle överreaktionen följas av en korrigering de nästkommande fem åren, vilket då skulle leda till att vinnarna från första perioden skulle gå sämre än index nästkommande period, samtidigt som förlorarna från första perioden skulle slå marknaden i nästkommande period. De Bondts och Thalers resultat visade precis den korrigering de hade förutspått, nämligen att förloraraktierna ger högre avkastning än index de nästkommande fem åren. Vinnaraktierna rör sig tvärtemot och visar sämre avkastning än index under samma period. Men de observerade ytterligare en intressant sak, nämligen att korrigeringen av förloraraktierna sker stegvis. Aktierna ger en hög avkastning under januari månad och sedan ligger de stilla under resterande månader. Undersöker man deras resultat närmare kan man även se att denna stegvisa korrigering är störst under det första året av den nya 5-års perioden och blir gradvis mindre och mindre. Men man kan fortfarande urskilja januari månad som den månad, där korrigeringen sker. Om resultatet av deras undersökning kan tolkas som att marknaden korrigerar sina historiska misstag, så sker detta i januari månad Betavärde-Riskpremie En basteori inom ämnet finansiering är att investerare i regel är oroliga över variansen i avkastningen på deras portföljer. När de tittar på en individuell investering, till exempel en aktie, vill de gärna ha reda på hur denna aktie kommer att påverka stabiliteten på portföljens avkastning. Man vill då gärna få fram den risk som aktien kommer att bidra till i förhållande till portföljens totala risk. Denna mätning av aktiens bidragande risk kan mätas med hjälp av betavärdet. Betavärdet anger, hur aktien rör sig i förhållande till marknaden. Har en aktie ett betavärde på 1,5 och marknaden visar en avkastning på 1 %, kommer den förväntade avkastningen på aktien bli 1,5 %. Ju större betavärde en aktie har, desto mer känslig är aktien till marknadens rörelse. Man kan även säga, att ju större betavärde, desto större risk. 23

25 Enligt CAPM-modellen, kan den förväntade avkastningen delas upp i två delar. Den första delen består av den riskfria räntan, som är den avkastning man kan förvänta sig av en riskfri investering, till exempel i en statsskuldväxel. Denna avkastning är det minsta man förväntar sig, när man investerar i en aktie. Den andra delen är riskpremien, den delen av avkastningen man förväntar sig, då man investerar i något riskfyllt som exempelvis en aktie. Storleken av riskpremien i en aktie är relaterad till storleken på aktiens betavärde. Större betavärde innebär högre risk, vilket i sin tur innebär större riskpremie. Det avsätts mycket tid för att följa avkastningen på marknaden för att i sin tur kunna mäta och bekräfta riskpremien i den förväntade marknadsavkastningen. En intressant undersökning av riskpremien gjordes av Seha Tinic, professor vid University of Texas, och Richard West, rektor av Graduate School of Business vid New York University. Tinic och West analyserade de månatliga riskpremierna på samtliga noterade aktier på New York Stock Exchange under perioden De kom fram till att aktier med de högsta betavärdena tenderar att producera de högsta avkastningarna under en enstaka månad, nämligen januari. Under resterande månader kunde man inte förvänta sig att högriskaktier skulle producera högre avkastningar än genomsnittet. Den förväntade avkastningen för högriskaktierna var i stort sett samma som för lågriskaktierna under de resterande månaderna. Det var bara i januari, då avkastningarna generellt sett var höga, som aktier med höga betavärden tenderade att producera de högsta avkastningarna. Med andra ord så var det bara i januari, som marknaden levererade sin förväntade riskpremie till investerarna. I genomsnitt levererade marknaden en riskpremie på 6 % under januari månad. Detta innebär att om man kan förvänta sig en månatlig avkastning på 2 % från en aktie med ett betavärde på 0, skulle man kunna förvänta sig en månatlig avkastning på 8 % för en aktie med ett genomsnittligt betavärde på 1. Detta innebär en stor kompensation för att utsätta sig för lite risk under en enstaka månad. Under resterande månader får investerare i stort sett ingen kompensation alls. Slutsatsen av denna undersökning är, att investeringar i aktier innebär en risk under hela året, men kompensationen för denna risk fås under en enstaka månad, januari Utdelningar-Skatteeffekten-Skattepremien Aktier med stora utdelningar innebär högre skattekostnader för investerare, då utdelningarna är skattepliktiga. Aktier utan utdelningar producerar avkastningar i form av kapitalvinster, då 24

26 aktiekurserna ökar, men för dessa aktier kan skatten på kapitalvinsterna bli senarelagda, då man inte behöver betala denna skatt, förrän kapitalvinsten blir realiserad. Om avkastningarna efter skatt på olika aktier skall jämföras, borde avkastningen efter skatt på aktier med höga utdelningar vara högre än för aktier med låga eller inga utdelningar. De aktier som har höga utdelningar borde då ha en skattepremie. Med denna teori skulle man kunna säga, att aktier med höga utdelningar borde ha en utdelningspremie för att kompensera för den skatt investerare blir belastad med, då de får utdelning på dessa aktier. Donald Keim tog fasta på denna teori 1985, när han frågade sig själv om denna utdelningspremie eller skattepremie på något sett skulle visa sig i januari, eftersom så mycket annat verkar ske just i denna månad. Keim undersökte de månatliga avkastningarna på nästan samtliga bolag noterade på New York Stock Exchange. Han räknade ut utdelningen per aktie baserade på totala utdelningar under året som gått, innan det att den månatliga avkastningen för aktien mättes. Sedan delades aktierna upp i sex grupper, där den första gruppen bestod av de bolag där ingen utdelning betalades ut. De nästkommande fem grupperna bestod alla av bolag med utdelningar, där utdelningarna varierar från små utdelningar och ökar till de bolagen med de största utdelningarna. Efter denna gruppering av bolagen, delades året upp på det viset, att han jämförde januari månad med resterande månader. Resultaten från undersökningen visades sig vara väldigt intressanta, då månadsavkastningarna för januari månad var betydligt högre jämfört med resterande månader, som knappt visade någon avkastning över huvudtaget. För de bolag som gav utdelningar, växte avkastningen i januari i takt med att utdelningarna växte. Med andra ord kunde man se en skattepremie, där högre utdelningar innebar högre skatter, vilket i sin tur ledde till högre förväntade avkastningar från investerarna. Men det mest intressanta från undersökningen visade sig hos de bolag som inte gav någon utdelning alls. Den månatliga avkastningen i januari för dessa bolag var i genomsnitt hela 10 %. Varför skulle aktier som inte ger någon utdelning alls, förväntas ge så hög avkastning? Möjligen är det så, att investerare egentligen inte önskar att få utdelning. Varför förväntas i sådana fall inte liknande avkastningar under resterande månader och inte enbart under januari? Det verkar som om den premie som här observerats orsakas av något annat än skatter och den stora frågan är, varför den kommer enbart i januari, precis som riskpremien och korrigeringen av överreaktioner. 25