Förmedlar riktkurser bolagsspecifik eller industrigemensam information?

Transkript

1 Stockholm School of Economics Department of Accounting Bachelor Thesis in Accounting and Financial Management 15th of May 2017 Förmedlar riktkurser bolagsspecifik eller industrigemensam information? Jonatan Berggren (23256) och Johan Hallberg (20849) Handledare: Henrik Andersson ABSTRACT Using a framework from Liu (2011), we study firm specific and industry-wide components of abnormal stock return around target price changes. On average, there is a positive (negative) firm specific return component associated with positive (negative) target price changes. No significant effects from industry return components could be observed for either positive or negative target price changes. Hence, we conclude that analysts affect market prices by supplying firm-specific, rather than industry-level, information @student.hhs.se 20849@student.hhs.se

2 1. Inledning Problemområde Syfte Avgränsningar och antaganden Begrepp Disposition Tidigare litteratur Köp- och säljsideanalytiker Incitament för produktion av information Rapporter, resultatprognoser och riktkurser Informationsvärde och marknadsreaktioner Abnormal avkastning vid informationsöverföringar Abnormal avkastning och marknadseffektivitet Informationsinnehåll i analytikerdata Faktorer i aktieprisbildning Överföring av industrigemensam information Överföring av bolagsspecifik information Data Riktkurser Analyserade aktier Justeringar Metod Hypoteser Bolagsspecifik och industrigemensam information Eventstudie Kvintilindelning Beräkning av komponenter Hypotesprövning Kompletterande undersökning CAPM Värdeviktning Resultat Kvintilindelning

3 5.2 Skattning av betavärden Marknadsreaktion i eventfönstret Effekt av marknads-, industri-, och bolagsspecifika komponenter Hypotesprövning Kompletterande undersökning Diskussion Sammanfattning av resultat Diskussion Vidare forskning Litteraturförteckning Appendix Appendix I. Notation Appendix II. Undersökta aktier Appendix III. Analysbolag Appendix IV. Kompletterande undersökning: Värdeviktad industriportfölj Appendix V. Kompletterande undersökning: CAPM

4 1. Inledning 1.1 Problemområde Banker, aktiemäklare och investmentbolag avsätter kontinuerligt avsevärda resurser på olika typer av analyser av de finansiella marknaderna. Dessa analyser utförs av anställda analytiker, som mot bakgrund av tillgänglig information så precist som möjligt söker förutsäga hur marknaden kommer att utvecklas. Utflödet från dessa analyser är köp- och säljrekommendationer, prognoser, rapporter och andra informationssammanställningar. Analytikers bedömningar tillmäts betydelse inte bara av aktörer på de finansiella marknaderna, utan också i nyhetsrapportering. Bolag vars resultat eller utdelning avviker från vad som prognosticerats rapporteras slå eller underträffa förväntningarna. Från akademiskt perspektiv är analytikeraktivitet intressant ur flera, delvis relaterade, perspektiv. Tillför analytiker värde i den mening att marknaden reagerar på den information som förmedlas genom exempelvis riktkurser? Vidare, i den mån analytiker producerar värdefull information, vari består värdet? Analytikerinformations marknadspåverkan studeras i Womack (1996), Brav och Lehavy (2003), Asquitha, Mikhailb och Auc (2005). Resultaten från dessa studier är att information från analytiker har en effekt på marknaden, såtillvida att en abnormal avkastning kan observeras i samband med publicering av analytikerdata. Vilken typ av information analytiker förmedlar är dock inte entydigt i litteraturen. Vissa studier (Gilson, Healy, Noe och Palepu 2001, Pietroski och Roulstone 2004, Chan och Hameed 2006) visar att analytiker i första hand besitter industrikompetens. Den information de överför till marknaden avser därför branscher som helhet snarare än specifika bolag. Annan forskning tyder på att analytiker snarare är experter på ett eller flera enskilda bolag (Mikhail, Walther och Wills, 1997, Park och Stice, 2000, Forbes, Hujigen och Plantinga, 2006, Liu, 2011). Information de överför skulle således i högre grad relatera till det enskilda bolaget och dess förutsättningar, snarare än faktorer som påverkar industrin som helhet. 1.2 Syfte Vår avsikt är att närmare undersöka vilken typ av information analytiker förmedlar. Ökad insikt om vilken information analytiker producerar gör det möjligt att bättre förstå analytikers roll i det finansiella systemet. Detta har ett värde både för investerare och andra som 4

5 använder analytikerinformation, men är också intressant ur ett akademiskt perspektiv; Abnormal avkastning i samband med publicering av analytikerdata implicerar att marknaden inte redan kände till denna information. Vilken typ av information säger således indirekt något om vilken information som reflekteras och inte reflekteras i priser. Som nämnts ovan råder inte konsensus i litteraturen om huruvida analytiker producerar bolagsspecifik eller industrigemensam information. Därtill kommer att relativt få studier specifikt undersöker denna fråga. Ett av undantagen är Liu (2011) som undersöker förekomsten av industri- och bolagsinformation i samband med förändringar av aktierekommendationer avseende amerikanska börsbolag. Med utgångspunkt i Lius metod och ramverk (med vissa modifieringar) avser vi därför undersöka huruvida riktkurser avseende svenska bolag förmedlar bolags- eller industriinformation. 1.3 Avgränsningar och antaganden Studien avgränsas datamässigt till att studera svenska bolag, definierade som aktier handlade på OMX Stockholmsbörsen. Denna avgränsning gäller dock inte de studerade riktkurserna, som kan härstamma från analysbolag såväl i som utanför Sverige. Kronologiskt avgränsas studien till (2016 är den senaste tidpunkten för vilken fullständig riktkursdata finns att tillgå). Undersökningen avgränsas till att gälla data från säljsideanalytiker, eftersom data från köpsideanalytiker endast kan tas fram indirekt (se vidare avsnitt 2.1). 1.4 Begrepp Riktkurs: Ett analysbolags värdering av en viss aktie. Anges normalt i den valuta aktien handlas i. Riktkursförändring: Uppdatering av en befintlig riktkurs. Analytikerdata: Samlingsbegrepp för informationssammanställningar producerade av analytiker, exempelvis rekommendationer, riktkurser och prognoser. Analysbolag: Samlingsbegrepp för bolag som publicerar riktkurser och annan analytikerinformation (exempelvis banker, aktiemäklare och analyshus). 5

6 1.5 Disposition Undersökningen är disponerad som följer: I kapitel två redogörs för tidigare litteratur avseende analytiker, deras informationsinhämtning och vilken påverkan de har på marknaden. Avsikten är att redogöra för vilken typ av information analytiker kan tänkas producera, samt hur och varför denna information påverkar marknaden. I kapitel 3 beskrivs uppsatsens dataunderlag. I korthet består detta av riktkurser hämtade från Institutional Brokers Estimates System (IBES), samt aktie- och marknadsindex perioden I kapitel 4 redogörs för undersöknings metod. Inledningsvis beskrivs undersökningens hypoteser närmare. Därefter beskrivs beräkningen av riktkursförändringar. Runt dessa förändringar konstrueras eventfönster, inom vilken avkastningen på den analyserade aktien mäts. Denna avkastning jämförs med en förväntad avkastning, baserad på marknadens utveckling och aktiens beta, beräknad genom en regressionsmodell. Skillnaden mellan faktisk och förväntad avkastning (abnormal avkastning) delas därefter upp i avkastning härrörande till bolagsinformation respektive industriinformation, baserat på betavärden från regressionsmodellen. Resultatet grupperas i kvintiler baserat på riktkursförändringens storlek, och medelvärden för varje kvintil beräknas. I kapitel 5 redogörs för utfallet av regressionerna. Därefter redovisas medelvärden för avkastning härrörande till marknadsfaktorer, industrifaktorer och bolagsspecifika faktorer per kvintil. Mot dessa värden prövas avslutningsvis hypoteserna. I kapitel 6 diskuteras och analyseras erhållna resultat. 6

7 2. Tidigare litteratur 2.1 Köp- och säljsideanalytiker En vanlig kategorisering av analytiker är en uppdelning i köpsida (buy-side) och säljsida (sell-side). Köpsideanalytiker anställs av institutionella investerare. Deras uppgift är typiskt sett att skapa underlag för den anställande institutionens handel, genom att ge förslag på undervärderade aktier för köp. Till sakens natur hör därför att köpsideanalytiker inte offentliggör den information de tar fram, eftersom poängen är att hitta tillgångar som är undervärderade av marknaden (Hobbs och Singh, 2015). Säljsideanalytiker anställs av banker, mäklarbolag och motsvarande aktörer. Analyserna används inte för arbetsgivarens egen handel, utan är istället en tjänst som andra aktörer använder sig av. I utbyte betalar dessa kunder för analyserna, direkt eller indirekt, via courtage eller andra typer avgifter (Hobbs och Sing, 2015). 2.2 Incitament för produktion av information Womack (1996) påpekar att informationsproduktion är kostsam. Att producera information om aktier och värdepapper är således bara rationellt i den utsträckning som informationen kan användas för att generera intäkter. För köpsideanalytiker sker detta genom att det analysbolaget använder informationen i sin investeringsverksamhet. För säljsideanalytiker genereras intäkterna istället indirekt. Det sker genom att informationen säljs, eller används som bytesvara i andra transaktioner, s.k. soft dollar transactions (Blume 1993, Conrad et al 2001). I en soft dollar transaction utgör informationen ett slags rabatt på mäklartjänster Kunden betalar courtage för att få en transaktion genomförd och får på köpet ta del av information sammanställd av aktiemäklaren. Fenomenet har sitt ursprung i 1950-talets USA, där mäklararvoden var reglerade. Detta skapade ett behov av att konkurrera med något annat än pris, vilket gav upphov till soft dollar transactions. Priserna avreglerades sedermera, men fenomenet bestod. (Blume, 1993). Ramnath, Stone och Shane (2008) konstaterar att precision i prognoser genererar mediauppmärksamhet. Att publicera riktkurser som har ett värde skulle således kunna attrahera kunder till analysbolaget. 7

8 2.3 Rapporter, resultatprognoser och riktkurser Information kommuniceras vanligen från analytikern till marknaden i rapporter. Dessa kan innehålla både historiska data som analyser och prognoser om framtiden. Ett inslag i dessa rapporter är resultatprognoser (earnings forecasts), som kommunicerar det resultat analytikern förväntar sig för en viss tidsperiod. Resultatprognoser bildar i sin tur ofta underlag för riktkurser och/eller köp- och säljrekommendationer. En riktkurs över (under) aktiens nuvarande marknadsvärde alternativt en köprekommendation (säljrekommendation) indikerar att aktien i analytikerns mening i nuläget är övervärderad (undervärderad) och bör köpas (säljas). Riktkurser uttrycks normalt i samma valuta som aktien handlas i, medan köpoch säljrekommendationer vanligen kommuniceras genom en femgradig skala, från starkt köp till starkt sälj. 2.4 Informationsvärde och marknadsreaktioner Abnormal avkastning vid informationsöverföringar Womack (1996) undersöker effekter av rekommendationer från aktiemäklare i USA under perioden 1989 till Undersökningen visar att det finns en positiv abnormal avkastning i samband med att köprekommendationer publiceras och säljrekommendationer återkallas. Omvänt associeras återkallelse av köprekommendationer och publicering av säljrekommendationer med negativ abnormal avkastning. Effekten tycks vara permanent och följs alltså inte av en återgång till medelvärdet (reversion to the mean) i den efterföljande perioden. Womack drar därför slutsatsen att köp- och säljrekommendationer faktiskt innehåller information av värde, i motsats till att endast ha en tillfällig effekt. Brav och Lehavy (2003) studerar marknadsreaktionen på förändringar av riktkurser. Baserat på förändringens storlek, delas publicerade riktkurser in i deciler. I en eventstudie studeras sedan avkastning i anslutning till publiceringsdagen. Resultatet visar en abnormalt negativ avkastning i de lägre decilerna och en abnormalt positiv avkastning i de högre. Brav och Lehavy visar således dels att det förekommer abnormal avkastning vid riktkursförändringar och dels att storleken på denna avkastning ökar med storleken på riktkursförändringen. 8

9 2.4.2 Abnormal avkastning och marknadseffektivitet Förekomsten av abnormal avkastning i samband med publicering av analytikerdata som observerats i tidigare studier implicerar att analytiker överför värdefull information till marknaden. Detta antyder i sin tur en brist på marknadseffektivitet. Analytiker använder sig typiskt av historisk data, årsredovisningar och andra analytikers informationssammanställningar i sin informationsinhämtning (Ramnath, Stone och Shane (2008). Den information analytiker överför är således åtminstone teoretiskt tillgänglig, men reflekteras inte i marknadspriset. I enlighet med Grossman och Stieglitz (1980) expanderade teori om marknadseffektivitet är dock den här typen av abnormal avkastning att förvänta - marknadspriser kan med nödvändighet inte reflektera all tillgänglig information, om framtagandet av denna information är förenat med en kostnad. Att inhämta information skulle i så fall vara en förlorande strategi, eftersom motsvarande resultat alltid skulle kunna uppnås genom att bara observera priset. Å andra sidan, om alla aktörer bara skulle observera priser, skulle dessa snabbt sluta reflektera all tillgänglig information. För att priser ska reflektera ny information krävs därför att det finns en informationsasymmetri och en därmed förenad vinst av att inhämta information. Den expanderade hypotesen om marknadseffektivitet innebär således att det finns en premie för att inhämta information, men att den balanseras av att sådan inhämtning är kostsam. Vissa aktörer kommer därför att betala för att inhämta information eftersom det finns en kompenserande ersättning. 2.5 Informationsinnehåll i analytikerdata Faktorer i aktieprisbildning King (1966) föreslår att prisförändringar kan förstås som reaktioner på ny information. En del av denna information, såsom förändringar av den ekonomiska politiken, påverkar hela marknaden (marknadsfaktorer). Annan information, exempelvis förändrad försvarspolitik, påverkar bara vissa aktier, eftersom dessa besitter vissa gemensamma karaktäristika (industrifaktorer). Genom att studera aktier i ett antal olika branscher (bl. a. tobak och olja) visar King att sådan industrigemensam information har ett förklaringsvärde för prisförändringar. 9

10 King noterar dock att marknads- och industrifaktorer endast delvis förklarar prisförändringar, vilket implicerar prissättningen åtminstone till del beror på information som enbart berör det enskilda bolaget (bolagsspecifika faktorer). Kings resultat är i linje med senare forskning, bl.a. Blume (1976) Överföring av industrigemensam information En möjlig förklaring till att analytiker kan överföra värdefull information är insikt i industrifaktorer. Riktkurser skulle då informera marknaden om trender och mönster relaterade till hela industrier, såsom efterfrågan på vissa varor, råvarupriser och lagstiftning. Viss empiri stödjer denna tes, bl. a. Gilson, Healy, Noe och Palepu (2001), Pietroski och Roulstone (2004) samt Chan och Hameed (2006). Gilson, Healy, Noe och Palepu (2001) undersöker splittring av konglomeratbolag. Hypotesen är att splittringen av konglomerat innebär att dess respektive dotterbolag kan inordnas i den industri de tillhör, vilket medför att de börjar följas av analytiker som är experter på den aktuella branschen. Om analytiker tillför värde genom industrigemensam information, borde precisionen i analyserna av de nya bolagen öka. I studien framkommer att splittringar leder till att dotterbolagen i högre grad följs av industrispecialister. Vidare analysprecisionen både för dotterbolag och moderbolag, mätt i genomsnittligt resultatprognosfel (Average Earnings Forecast Error). Delar av denna effekt kan tillskrivas att transparensen kring både moderoch dotterbolag ökar till följd av splittringen. Förbättringen är dock större för de bolag som följs av industrispecialister, vilket talar för att analytiker tillför värde genom industriinformation. Pietroski och Roulstone (2004) undersöker informationsöverföring till marknaden från insiders, institutionella investerare och analytiker. Den teoretiska utgångspunkten är att prisbildning kan förklaras som en kombination av marknadskomponenter, industrispecifika komponenter och bolagsspecifika komponenter. Eftersom den bolagsspecifika komponenten inte direkt kan mätas, bygger undersökningen på förhållandet mellan marknads- respektive industrikomponenten och det aktiens marknadspris. En hög synkronicitet (R 2 ), det vill säga att marknads- och industrifaktorer i hög grad förklarar priset, indikerar en relativt lägre betydelse av bolagsspecifik information, och vice versa. Insiderhandel minskar synkroniciteten, vilket innebär att förklaringsvärdet industrifaktorer har för prisutvecklingen 10

11 minskar. Omvänt leder ökad analytikeraktivitet, mätt som antal publicerade analyser, till större synkronicitet, vilket indikerar överföring av industrigemensam information. Chan och Hameed (2006) bygger vidare på Pieotroski och Roulstones forskning och undersöker aktieprissynkronicitet på tillväxtmarknader. Liksom Pietroski och Roulstone finner de att ökad analytikeraktivitet förknippas med högre grad av synkronicitet och att analytiker således bidrar med industrigemensam information. Denna effekt tillskrivs det faktum att det på tillväxtmarknader kan vara svårt att dra nytta av bolagsspecifik information, varför analytiker istället fokuserar på faktorer som påverkar hela branscher Överföring av bolagsspecifik information Mikhail, Walther och Wills (1997) undersöker hur analytikers erfarenhet av att analysera en specifik aktie påverkar precisionen i vinstprognoser. Det genomsnittliga absoluta procentuella felet (Mean Absolute Percentage Error, MAPE) minskar ju mer erfaren analytikern är. För de minst erfarna, med 1-5 tidigare analyser av det aktuella bolaget, är felet 0,017 %, och för de mest erfarna (>40 analyser) 0,007 %. Denna skillnad i precision värderas av marknaden, såtillvida att marknadsreaktionen på publicering av en vinstprognos blir större om analytikern är erfaren. Värdet analytikern tillför marknaden förefaller således härröra från kunskap om ett specifikt bolag. Författarna noterar dock att deras resultat inte utesluter att även industrierfarenhet kan öka precisionen i resultatprognoser. Park och Stice (2000) undersöker skickligheten hos enskilda analytiker. Genom att klassificera analytiker i tre grupper, under genomsnitt, genomsnittlig och över genomsnitt (inferior, normal, superior), baserat på precisionen i tidigare vinstprognoser, kan marknadsreaktioner i relation till skicklighet mätas. Liksom för Mikhail et al (1997) blir resultatet att absolutvärdet av marknadsreaktionen ökar med analytikerns skicklighet. Vidare studerar Park och Stice huruvida skicklig analys av ett bolag innebär ökad tilltro från marknaden även för analys av andra bolag. Marknadsreaktionen på vinstprognoser för andra bolag än det för vilken analytikern visat skicklighet undersöks därför, men ingen spillovereffekt kan identifieras. Marknaden värderar således analytikerns kompetens som bolagsspecifik, snarare än industrigemensam. Forbes, Hujigen och Plantinga (2006) undersöker lands-, industri- och bolagsspecifik information vinstprognosrevideringar. I linje med tidigare forskning visas att prognosrevideringar har en viss förklaringskraft gällande aktiepriser för enskilda bolag. 11

12 Denna effekt kan dock inte aggregeras till industri- eller landsnivå. Att aktier förknippade med ett visst land eller en viss industri i genomsnitt har fått prognosrevideringar i en viss riktning säger således inget om en lands- eller industrifaktor. Liu (2011) undersöker industrigemensam och bolagsspecifik information i aktierekommendationer. Inledningsvis diskuteras analytikers incitament att producera olika slags information. En analytiker vid ett givet tillfälle inhämta information om enskilda bolag och/eller en industri. Högre precision i informationen leder till ökade intäkter (i form av försäljning till investerare), men är också kostsammare. En vinstmaximerande analytiker kommer således att producera information till den punkt där marginalkostnaden är lika med marginalvinsten. Hur mycket av respektive typ av information som produceras beror på två saker. För det första kommer det vid en given tidpunkt att på marknaden finnas mer information om en industri än ett enskilt bolag. Det beror på att alla bolag signalerar information om industrin de tillhör, medan bolagsspecifik information bara signaleras från bolaget i fråga. Därför, menar Liu, kommer industriinformation att prissättas snabbare på marknaden än bolagsspecifik information, vilket stöds av tidigare empiri (Ayers och Freeman, 1997). Liu benämner detta överspillningseffekten (spillover effect). Å andra sidan kommer information om industrin också att vara mer lönsam att förmedla, då att den kan användas i fler transaktioner (och därmed säljas till fler investerare). Liu kallar detta skalfördelseffekten (economies-of-scale effect). Dessa effekters relativa storlek kommer att påverka analytikers beteende. Om överspillningseffekten är större än skalfördelseffekten, kommer analytiker att producera mer bolagsspecifik än industrigemensam information och vice versa. Dessa effekter undersöks genom en uppdelning av avkastningen vid publicering av rekommendationerna i marknads-, industri- och bolagskomponenter. Liu finner att den bolagsspecifika komponenten i genomsnitt är avsevärt större än den industrigemensamma. 12

13 3. Data 3.1 Riktkurser Riktkursdata har inhämtats från ett dataset konstruerat av Institutional Brokers Estimates System (IBES). Sammanlagt ingår riktkurser från 85 analysbolag under perioden En lista över analysbolagen återfinns i Appendix III Analyserade aktier I urvalet av aktier att studera har ett antal olika kriterier beaktats: Aktien ska ha varit noterad på Stockholmsbörsen under hela perioden Aktien ska handlas i SEK. Riktkurser ska ha funnits tillgängliga i IBES dataset. I studier där bolag grupperas efter industri används ofta SIC-koder (Standard Industrial Classification). SIC-koder är dock förenade med vissa problem, bland annat i form av diskrepans mellan olika datakällor och låg förklaringskraft vad gäller jämförbarhet (Kahle och Walkling, 1996). Industriindelningen följer därför här en annan modell, med högre grad av manuell justering. För varje industri väljs minst 4 och högst 8 bolag. När både A- och B-aktien är noterade inkluderas endast den med högst omsättning. Listan på aktier sorteras inledningsvis enligt Global Industry Classification Standard, GICS, en standard framtagen av Morgan Stanley och Standard & Poor. Traditionellt på Stockholmsbörsen följer analytiker dock endast löst denna fördelning och istället jämförs bolag mot konkurrenter som mer direkt påverkas av liknande faktorer. Byggbolag styrs av byggkonjunkturen, fastigheter av räntor och inhemsk konjunktur, verkstadsbolag påverkas av den investeringstunga världskonjunkturen. Bygg: Består av Stockholmsbörsens fyra största byggbolag, tillika de enda bolag som uppfyller tidigare nämnda grundkriterium. Av dessa är NCC, Peab och Skanska klassificerade som Industrials medan JM klassificeras som Financials. 13

14 Fastighet: Baseras på Stockholmbörsens industrikategori Financials. Listan är rensad för banker, byggbolag, investmentbolag och kreditinstitut. Av återstoden valdes de bolag med högst börsomsättning. Verkstad: Baseras på Stockholmsbörsens industrikategori Industrials. Rensad från teknikbolag (Fingerprint), tjänstebolag (Securitas), byggbolag (Skanska) och försvarsindustri (SAAB). Av återstoden valdes de åtta med högst börsomsättning. Kläddetaljister: Kläddetaljister: Baseras på Stockholmsbörsens industrikategori Consumer Service och inkluderar samtliga fyra kläddetaljister på denna lista som varit listade under hela tidsperioden. Konsult: Baseras på Konsultguidens ratinglistor. Konsultguiden sammanställs av mediehuset Alma Talents. Samtliga bolag på listan som uppfyller de grundläggande kriterierna har inkluderats. Skog: Baseras på Stockholmsbörsens industrikategori Materials. Inkluderade bolag har skogsrelaterad verksamhet som huvudsaklig intäktskälla. Bergs Timber exkluderades på grund av avsaknad av riktkursdata. Därtill har SCA, med under perioden betydande verksamhet inom skogsindustrin, inkluderats. 3.3 Justeringar Kriterierna ovan ger en fördelning av datapunkter enligt tabell 1. Antalet riktkursförändringar per år varierar mellan 1088 (2007) till 2064 (2010), med ett medelvärde om

15 Tabell 1A. Antal riktkursförändringar per år. År Antal riktkursförändringar Totalt För att kunna isolera effekten av en riktkursförändring måste överlappande riktkursförändringar exkluderas. Denna exkludering sker i två steg. Inledningsvis kontrolleras data för riktkursförändringar publicerade samma dag. Av dessa väljs den från det analysbolag som uppvisat störst aktivitet i industrin, mätt som antalet riktkurser publicerade i den analyserade aktiens industri under perioden. Övriga riktkurser exkluderas. Därefter exkluderas alla riktkurser som sker inom tre dagar från en tidigare riktkursförändring. Se vidare avsnitt 4.3 Eventstudie. Antalet datapunkter efter rensning framgår av tabell 1B. Antalet riktkurser som kvarstår varierar mellan 522 (2007) och 798 (2011), med ett årligt medelvärde av

16 Tabell 1B. Antal datapunkter per år data efter rensning. År Antal riktkursförändringar Totalt

17 4. Metod 4.1 Hypoteser Baserat på Liu (2011) undersöker vi två motstående hypoteser om analytikers informationsproduktion: hypotesen om överspillningseffekter och hypotesen om skalfördelseffekter. Dessa hypoteser bygger på att en analytiker kan inhämta information om både bolag och industri. Inhämtad information säljs till investerare, som använder den för att göra lönsamma aktieaffärer. Analytikerns vinst vid försäljning av information är proportionell mot investerarens vinst, som i sin tur är proportionell mot informationens precision. Analytikern har således incitament att producera så precis information som möjligt. Kostnaden för produktion av information ökar dock med precisionen, varför analytikern bara kommer att producera så mycket information att marginalkostnaden är lika med marginalvinsten. Hypotesen om överspillning implicerar att bolagsspecifik information är mer lönsam att producera än industrigemensam dito. Det beror på att det vid ett givet tillfälle kommer att finnas mindre information tillgänglig om ett bolag än en industri. Att så är fallet beror på överspillningseffekten bolag signalerar till marknaden information dels om det egna bolaget, dels om industrin. Marknaden kommer därför att motta flera signaler om industrin, men bara en signal om varje bolag, vid ett givet tillfälle. Under hypotesen om överspillningseffekter kommer därför industriinformation att prissättas snabbare av marknaden, vilket gör det svårare att producera värdefull information av den typen. Under hypotesen om skalfördelar kommer istället industrigemensam information att vara mer lönsam. Industrigemensam information kan användas för handel i alla bolag i en industri, medan bolagsspecifik information bara kan användas i ett. Information om industrin kommer därför att vara mer värdefull för investeraren, vilket i förlängningen gör den mer värdefull för analytikern. Under hypotesen om skalfördelseffekter kommer en analytiker därför att producera mer industrigemensam än bolagsspecifik information. Detta resonemang bildar underlag för våra hypoteser: H1A: Överspillning dominerar skalfördelar: I marknadsreaktionen är den bolagsspecifika effekten större än industrieffekten. 17

18 H1B: Skalfördelar dominerar överspillning: I marknadsreaktionen är industrieffekten större än den bolagsspecifika effekten. 4.2 Bolagsspecifik och industrigemensam information För att separera industrigemensam från bolagsspecifik information i riktkursförändringar använder vi oss av samma metod som Liu (2011). Aktiens förhållande till marknaden och industrin undersöks genom en regression. Givet att den analyserade aktiens avkastning för en viss dag beror på bolagsspecifika, industrigemensamma och allmänna marknadsfaktorer, kan, aktiens marknadsbeta, och, aktiens industribeta, skattas med regressionen: ( ) ( ) ( ( ) ( ( ))) ( ) betecknar avkastning för aktie n under en viss tidsperiod. Aktiens avkastning förklaras således av marknadens avkastning, ( ), och industriportföljens avkastning, ( ). Industriportföljen konstrueras av alla bolag i samma bransch som n, men exkluderar aktie n, för att undvika korrelation mellan avkastning för industrin och aktie n. betecknar marknadsbetat för industriportföljen, och skattas enligt en enkel regression: ( ) = ( ) där ( ) är avkastningen för industriportföljen associerad med aktie n under en given tidsperiod. Eftersom industriportföljen inkluderar alla bolag i en industri utom aktie n, konstrueras lika många portföljer som det finns bolag i varje industri. Resultatet av dessa regressioner ger skattningar av marknadsbeta för aktie n,, industribeta för aktie n,, och marknadsbeta för industriportföljen associerad med aktie n,, för varje år under tidsperioden Samtliga industriportföljer har likaviktats. Därmed undviks att enskilda bolag dominerar hela industriindex, och att uträknade betavärden därmed beräknas mot ett enskilt bolag snarare än industrin som helhet (exempelvis utgör Hennes & Mauritz mer än 99 % av börsvärdet i sin industriportfölj). Kompletterande beräkningar med värdeviktade portföljer har dock genomförts, se vidare avsnitt

19 4.3 Eventstudie Effekterna av industrigemensam och bolagsspecifik information undersöks i en eventstudie. Metodologiskt bygger en eventstudie på att ett tidsfönster runt den studerade händelsen, i det här fallet riktkursförändringen, identifieras. Teoretiskt sett är det möjligt att studera eventfönster på bara en dag, eller till och med ännu kortare tid. MacKinlay (1997) påpekar dock att det i fråga om studier av kursförändringar kan finnas en poäng i att utsträcka eventfönstret till åtminstone en dag före och en dag efter händelsedagen t=0. Logiken i detta resonemang är dels att det inte är säkert att hela effekten av händelsen fångas upp av att studera eventdagen och dels att det är fullt möjligt att händelsen får effekt redan innan den blir offentlig, då det är möjligt att vissa aktörer får tillgång till informationen på förhand (informationsläckage). I fråga om riktkursförändringar blir risken för informationsläckage relevant av flera anledningar. Dels är publiceringsdatumet för en riktkurs i någon mån godtyckligt, såtillvida att riktkursförändringen inte nödvändigtvis sker så fort det analysbolaget får tillgång till ny information. Dels förekommer fenomen som tidigare diskuterade soft dollar-transaktioner, som skapar ett ekonomiskt incitament att selektivt sprida den inhämtade informationen. Det är således inte otänkbart att informationsinnehållet i en riktkursförändring i någon mån blir känt redan innan publiceringen. Informationsläckage från säljsideanalytiker studeras i Irvine, Lipson och Puckett (2007), samt Juergens och Lindsey (2009). Irvine, Lipson och Puckett (2007) finner att institutionell handel ökar före publicering av en initieringsrapport (initieringsrapporter publiceras där ett analysbolag börjar publicera riktkurser för en viss aktie). Juergens och Lindsey (2009) bygger vidare på dessa resultat och konstaterar att volymen säljorder ett analysbolag mottar är abnormalt hög i perioden före publiceringen av riktkurssänkning. Detta tyder på att information åtminstone delvis blir tillgänglig redan innan eventdagen. Eventfönstret utgörs av perioden från en dag före offentliggörandet av riktkursförändringen till en dag efter. Detta kan i viss mån kompensera för eventuellt informationsläckage, samtidigt som kursförändringar även dagen efter publicering fångas upp. Risken för informationsläckage skulle kunna motivera ett eventfönster som inkluderar fler dagar före publiceringen. Detta innebär emellertid ökad risk för att andra händelser än riktkursförändringen fångas upp, varför vi i likhet med Liu (2011) och Brav och Lehavy 19

20 (2003) begränsar eventfönstret till tre dagar. Som noterats i avsnitt 3.2 exkluderas riktkurspubliceringar med överlappande eventfönster. 4.4 Kvintilindelning I urvalet ingår riktkursförändringar i både positiv och negativ riktning. I linje med tidigare forskning förväntar vi oss en positiv (negativ) abnormal avkastning vid riktkurshöjningar (- sänkningar). För att undvika att positiva och negativa effekter tar ut varandra måste riktkurserna därför grupperas. Liu (2011) delar upp sina data i höjningar respektive sänkningar av rekommendationer. Eftersom våra data baserar sig på riktkursförändringar kan uppdelningen bli något mer högupplöst. Vi följer därför en metod liknande Brav och Lehavy (2003) och indelar data enligt riktkursförändringens procentuella storlek, definierad som: där är en riktkurs i SEK, publicerad av analysbolag m med index x. betecknar förändringen jämfört med närmast föregående riktkurs från samma analysbolag. Det innebär att den första riktkursen (x=1) för varje analysbolag och aktie bortfaller, eftersom inte kan beräknas. Baserat på kvoten delas de publicerade riktkurserna in i kvintiler. Den första kvintilen innehåller de mest negativa förändringarna och den femte kvintilen de mest positiva. För att öka jämförbarheten och undvika att enskilda kvintiler domineras av enstaka år eller industrier, sker kvintilindelningen på årsbasis för varje industri. 4.5 Beräkning av komponenter För varje riktkursförändring beräknas den kumulativa avkastningen för den analyserade aktien n, ( ), under eventfönstret, där t=0 är publiceringsdagen, enligt ( ) ( ( ))( ( ))( ( )) där ( ) är den dagliga avkastningen för den analyserade aktien n under dag t. Denna kumulativa avkastning utgör summan av marknads-, industri och bolagskomponenten för aktie n under eventfönstret, det vill säga: 20

21 ( ) ( ) ( ) ( ) där ( ) är marknadskomponenten, ( ) är industrikomponenten och ( ) är den bolagsspecifika komponenten. Baserat på de regressionskoefficienter som beräknats i 4.2 kan storleken på dessa effekter beräknas. ( ) beräknas med formeln ( ) ( ) där är det skattade marknadsbetat för aktie n under året före riktkursförändringen. ( ) betecknar marknadsavkastningen under eventfönstret. Industrikomponenten, ( ) beräknas med formeln ( ) ( ( ) ( )) där är det skattade industribetat för aktie n under föregående år. ( ) är industriportföljens avkastning under eventfönstret. är samma industriportföljs marknadsbeta och ( ) är marknadsavkastningen i eventfönstret. Industrikomponenten beräknas alltså som industriportföljens överavkastning multiplicerat med aktiens industribeta. Baserat på dessa beräkningar kan i sin tur den bolagsspecifika komponenten beräknas enligt ( ) ( ) ( ) ( ) Dessa tre värden beräknas för varje riktkursförändring. 4.5 Hypotesprövning För varje kvintil beräknas det genomsnittliga värdet av bolags- och industrikomponenten. Hypoteserna prövas för varje kvintil för sig. Om H1A (H1B) är sann kommer ( ) vara större (mindre) än ( ) i de kvintiler där ( ) är positiv, och mindre (större) i de kvintiler där ( ) är negativ. 21

22 4.6 Kompletterande undersökning CAPM I ovanstående beräkningar används i likhet med Liu (2011) marknadsmodellen. Som komplement genomförs också samtliga beräkningar i en CAPM-modell Värdeviktning I ovanstående beräkningar används likaviktade industriportföljer, för att kunna fånga upp kursförändringar även i relativt små bolag. Som komplement görs samtliga beräkningar även med värdeviktade industriportföljer. 22

23 5. Resultat 5.1 Kvintilindelning Resultatet av kvintilindelningen framgår av tabell 2. Då kvintilindelning skett för varje industri och år för sig är de värden som redovisas för en kvintil är aggregat av flertal kvintilindelningar. Värdet för variabeln är därför inte nödvändigtvis alltid lägre i lägre kvintiler jämfört med högre, eftersom fördelningen skiljer sig mellan industrier och år. Börsnedgången 2008 har vidare viss inverkan på minvärdena. Tabell 2. Kvintilsvisa värden för (i procent). Kvintil Medelvärde Standardavvik. Min Max MIN( ) ( ) 1-13,44 11,64-70,00 2,70 2-3,32 5,63-27,78 7,69 3 1,30 4,94-18,18 16,36 4 5,87 5,71-10,00 27, ,69 37,81-5,88 900, Skattning av betavärden I tabell 3 redovisas en summering av de skattade betavärdena för varje kvintil. Medelvärdet av marknadsbetat för den analyserade aktien,, ligger genomgående nära 1 (från 1,035 för kvintil 1 till 1,049 för kvintil 5), med en standardavvikelse mellan 0,252 och 0,269. Medelvärdet för den analyserade aktiens industribeta,, varierar mellan 0,486 och 0,512, med en standardavvikelse runt 0,33. Medelvärdet för industriportföljens marknadsbeta,, är nära 1 för samtliga kvintiler, med en standardavvikelse runt 0,2. 23

24 Tabell 3. Skattade betavärden från regression. Kvintil 1 Medelvärde Standardavvikelse Min Max 1,035 0,266 0,215 1,637 0,512 0,339-0,372 1,231 1,005 0,206 0,432 1,388 Kvintil 2 1,025 0,256 0,302 1,637 0,488 0,333-0,372 1,231 1,007 0,209 0,415 1,388 Kvintil 3 1,026 0,254 0,302 1,637 0,486 0,325-0,205 1,231 1,007 0,207 0,415 1,388 Kvintil 4 1,033 0,252 0,263 1,637 0,487 0,328-0,205 1,231 1,006 0,209 0,415 1,388 Kvintil 5 1,049 0,259 0,263 1,637 0,496 0,335-0,372 1,231 1,006 0,205 0,415 1, Marknadsreaktion i eventfönstret Tabell 4A och 4B visar den genomsnittliga avkastningen för marknaden, industrin och den analyserade aktien under eventfönstret (grafiskt respektive med siffor). För ( ) avkastningen för den analyserade aktien i eventfönstret, är den genomsnittliga förändringen i Kvintil 5 tydligt positiv med en genomsnittlig avkastning på 0,99 %. Trenden är fallande ned till kvintil 1 som har en genomsnittlig avkastning på -0,68 %. Något tydligt mönster kan dock inte observeras för vare sig ( ), industriportföljens avkastning, eller ( ), marknadsavkastningen. 24

25 Tabell 4A. Kvintilvis avkastning för marknad, industri och aktie n i eventfönstret (diagram). 1,20% 1,00% 0,80% 0,60% 0,40% 0,20% 0,00% -0,20% -0,40% -0,60% -0,80% Marknad Industri Aktie n Tabell 4B. Kvintilvis medelvärde för avkastning i eventfönstret (i procent, standardavvikelse inom parantes). Kvintil ( ) ( ) ( ) 1 0,10-0,68 (3,07) (3,99 ) (5,65) 2-0,08-0,15-0,55 (2,62) (3,35 ) (4,34) 3 0,21 0,31 0,47 (2,36) (3,19) (3,99) 4 0,04 0,14 0,50 (2,24) (3,25) (3,91) 5 0,13 0,14 0,99 (2,04) (2,87) (4,19) 25

26 5.4 Effekt av marknads-, industri-, och bolagsspecifika komponenter Tabell 5 visar en översikt av de genomsnittliga marknads-, industri- och bolagskomponenterna i varje kvintil. Summan av dessa komponenter utgör för varje kvintil medelvärdet av avkastningen under eventfönstret för aktie n. Komponenterna beskriver således hur stor del av aktiens avkastning som beror på varje faktor. Den bolagsspecifika komponenten är störst i kvintil 5 och minst i kvintil 1, där den rör sig från plus 0,94 % till - 0,76 %. Detsamma gäller emellertid inte den industrispecifika komponenten, som istället är störst i Kvintil 2, och minst i kvintil 3. Två saker bör särskilt noteras. För det första kan aktieavkastningen i eventfönstret, ( ), endast till del förklaras av marknadskomponenten. Det finns således en abnormal avkastning i samband med riktkursförändring. För det andra förklaras denna abnormala avkastning nästan uteslutande av bolagskomponenten, eftersom industrikomponenten genomgående är relativt liten. Tabell 5. Genomsnittliga marknads, industri- och bolagskomponenter för aktie n (I procent, standardavvikelse inom parantes). Kvintil Industrikomponent Bolagskomponent ( ) ( ) ( ) 1-0,04-0,76 (3,38) (2,04) (4,47) 2-0,13 0,03-0,45 (2,84 ) (1,85) (3,44) 3 0,21-0,09 0,35 (2,49) (1,72) (3,17) 4 0,07 0,00 0,43 (2,39) (1,60) (3,18) 5 0,13-0,08 0,94 (2,16) (1,48 ) (3,61) I tabell 6 och 7 redovisas industri- och bolagskomponenterna separat. 26

27 Tabell 6. Värden för industrikomponent (i procent). Kvintil Medelvärde Standardavvik. Min Max ( ) ( ) MIN( ( )) MAX( ( ) ) 1-0,04 2,04-9,84 10,56 2 0,03 1,85-11,23 9,05 3-0,09 1,72-10,45 11,83 4 0,00 1,60-8,34 7,97 5-0,08 1,48-7,73 8,15 Tabell 7. Värden för bolagskomponent (i procent). Kvintil Medelvärde Standardavvik. Min Max ( ) ( ) ( ( )) ( ( )) 1-0,76 4,47-35,50 23,93 2-0,45 3,44-25,09 15,85 3 0,35 3,17-19,51 18,98 4 0,43 3,18-25,85 21,96 5 0,94 3,61-11,83 28,15 27

28 5.5 Hypotesprövning Baserat på dessa resultat prövas hypoteserna H1A: Överspillning dominerar skalfördelar: I marknadsreaktionen är den bolagsspecifika effekten större än industrieffekten. H1B: Skalfördelar dominerar överspillning: I marknadsreaktionen är industrieffekten större än den bolagsspecifika effekten. Som framgår av tabell 6 är avkastning för aktie n, ( ), negativ i kvintil 1-2, samt positiv i kvintil 3-5. Bolagskomponenten, ( ), är mindre än industrikomponenten, ( ), i kvintil 1-2 och större i kvintil 3-5. H1A är således sann för samtliga kvintiler. Tabell 8. Hypotesprövning kvintilvis genomsnitt för aktie n, industrikomponent och bolagskomponent (i procent). Kvintil Industrikomponent Bolagskomponent ( ) ( ) ( ) 1-0,68-0,04-0,76 (5,65) (2,04) (4,47) 2-0,55 0,03-0,45 (4,34) (1,85) (3,44) 3 0,47-0,09 0,35 (3,99) (1,72) (3,17) 4 0,50 0,00 0,43 (3,91) (1,60) (3,18) 5 0,99-0,08 0,94 (4,19) (1,48 ) (3,61) 5.6 Kompletterande undersökning Beräkningar med värdeviktad industriportfölj respektive CAPM ger resultat som i allt väsentligt överensstämmer med de redovisade ovan. Se närmare Appendix IV och V. 28

29 6. Diskussion 6.1 Sammanfattning av resultat Tidigare forskning har indikerat att det förekommer abnormal avkastning kring förändringar av riktkurser. Våra resultat är konsistenta med denna empiri, såtillvida att positiva (negativa) riktkursförändringar associeras med en positiv (negativ) abnormal avkastning i eventfönstret. Som nämnts tidigare finns olika teorier om vad denna abnormala avkastning beror på. I tidigare litteratur förekommer teorier om att analytiker förmedlar såväl bolagsspecifik som industrigemensam information. De resultat vi redovisar är stödjer den föregående teorin, att analytiker bidrar med bolagsspecifik information. Våra resultat är således i stort i linje med Liu (2011). 6.2 Diskussion Det förefaller som att analytiker, i linje med hypotesen om överspillning, producerar bolagsspecifik snarare än industrigemensam information. Förutsatt att lönsamhet är det som driver informationsproduktion verkar det som det att finns mindre vinster att hämta i förmedling av industriinformation. Att så är fallet skulle kunna bero på att industriinformation prissätts snabbare, som har noterats av Ayers och Freeman (1997). Jämfört med Liu förekommer dock några skillnader i våra resultat. Liu noterar en bolagskomponent med ett genomsnitt av 2,69 % i samband med rekommendationshöjningar, och -2,89 % för sänkningar. Detta kan jämföras 0,94 % respektive -0,76 % i högsta respektive lägsta kvintilen i våra resultat. Det är möjligt att denna skillnad beror på valet av studieobjekt. Liu studerar förändring av rekommendationer snarare än riktkurser, vilket kan ha en påverkan på resultatet. Riktkurser kan teoretiskt sett justeras i hur små steg som helst, medan en rekommendationsförändring sker i diskreta steg på en femgradig skala (starkt sälj till starkt köp). Det är därför möjligt att riktkursdata fångar upp även information som inte är tillräckligt viktig för att motivera en rekommendationsförändring, vilket gör den genomsnittliga effekten bolagskomponenten mindre. Det är också möjligt att tänka sig att marknaden är bättre informerad om de aktier vi studerar och att en informationsöverföring därför inte ger upphov till en lika stor prisjustering. Liu 29

30 studerar perioden , jämfört med våra Det har under denna tidsperiod skett en dramatisk teknikutveckling, såtillvida att nyheter och börsinformation börjat förmedlas över internet. Det är möjligt att denna ökade informationstillgång har gjort det svårare att inhämta information som inte är känd av marknaden, vilket skulle minska effekten av riktkurser och rekommendationer. En annan tänkbar källa till skillnader är att vårt urval inkluderar aktier för bolag som är större relativt sin handelsplats än i Liu, eftersom riktkurser inte ges annat än för de största bolagen på Stockholmsbörsen. Det är möjligt att marknaden är bättre informerad om bolag som ligger högre upp på sin respektive börslista, vilket även det skulle minska effekten av analytikerinformation I relation till Grossman och Stieglitz expanderade marknadshypotes tycks det som att analytiker kompenseras för sin informationsinhämtning. Det förefaller också, baserat på våra resultat, som att denna kompensation nästan uteslutande hänger samman med inhämtning av bolagsspecifik information. Analytikers roll i prisbildningen verkar således framförallt relatera till enskilda bolag. Som tidigare diskuterats finns skäl att tro att inhämtning av industriinformation är mer kostsam än bolagsspecifik information (Liu, 2011, Ayers och Freedman, 1997). I relation till den expanderade marknadshypotesen betyder detta dock inte det saknas skäl att inhämta sådan information, bara att det inte är lika lönsamt. Det faktum att ingen abnormal avkastning kan noteras från industrikomponenten innebär därför inte att sådan information är betydelselös, men att den överförs från någon annan källa än säljsideanalytiker. 6.3 Vidare forskning Den jämfört med Liu observerade skillnaden i bolagskomponentens storlek skulle närmare kunna undersökas genom att studera svenska data från motsvarande period. Om skillnaden beror på teknikutveckling eller på annat sätt har förändrats över tid, borde en större bolagskomponent kunna observeras även där. Ett annat område för vidare studier är industriinformation. Om analytiker inte eller i låg grad bidrar med sådan information, hur tillförs den då marknaden, och vem bär kostnaden för inhämtning? 30

31 7. Litteraturförteckning Asquith, P., Mikhail, M.B. & Au, A.S. 2005, "Information content of equity analyst reports", Journal of Financial Economics, vol. 75, no. 2, pp Ayers, B. & Freeman, R.N. 1997, "Market assessment of industry and firm earnings information", Journal of Accounting and Economics, vol. 24, no. 2, pp Blume, M.E. 1993, "Soft Dollars and the Brokerage Industry", Financial Analysts Journal, vol. 49, no. 2, pp Blume, M.E. 1976, "On the Assessment of Risk", The Journal of Finance, vol. 26, pp Brav, A. & Lehavy, R. 2003, "An Empirical Analysis of Analysts' Target Prices: Short-term Informativeness and Long-term Dynamics", Journal of Finance, vol. 58, no. 5, pp Chan, K. & Hameed, A. 2006, "Stock price synchronicity and analyst coverage in emerging markets", Journal of Financial Economics, vol. 80, no. 1, pp Conrad, J.S., Johnson, K.M. & Wahal, S. 2001, "Institutional trading and soft dollars", Journal of Finance, vol. 56, no. 1, pp Forbes, W., Huijgen, C. & Plantinga, A. 2006, "Using analysts' earnings forecasts for country/industry-based asset allocation(2006) Managerial Finance, 32, pp ", Managerial Finance, vol. 32, pp Gilson, S.C., Healy, P.M., Noe, C.F. & Palepu, K.G. 2001, "Analyst specialization and conglomerate stock breakups", Journal of Accounting Research, vol. 39, no. 3, pp Grossman S., S.J.E. 1980, "On the Impossibility of Informationally Efficient Markets", American Economic Review, vol. 70, pp Hobbs, J. & Singh, V. 2015, "A comparison of buy-side and sell-side analysts", Review of Financial Economics, vol. 24, pp Irvine, P., Lipson, M. & Puckett, A. 2007, "Tipping", The Review of Financial Studies, vol. 20, no. 3, pp

32 Juergens, J.L. & Lindsey, L. 2009, "Getting out early: An analysis of market making activity at the recommending analyst's firm", Journal of Finance, vol. 64, no. 5, pp King, B. 1966, "Market and industry factors in stock price behavior", Journal of Business, vol. 39, no. 1, pp Liu, M.H. 2011, "Analysts' incentives to produce industry-level versus firm-specific information", Journal of Financial and Quantitative Analysis, vol. 46, no. 3, pp MacKinlay, A.C. 1997, "Event Studies in Economics and Finance", Journal of Economic Literature, vol. 35, no. 1, pp Mikhail, M.B., Walther, B.R. & Willis, R.H. 1997, "Do Security Analysts Improve Their Performance with Experience?", Journal of Accounting Research, vol. 35, pp Park, C.W. & Stice, E.K. 2000, "Analyst forecasting ability and the stock price reaction to forecast revisions", Review of Accounting Studies, vol. 5, no. 3, pp Piotroski, J.D. & Roulstone, D.T. 2004, "The influence of analysts, institutional investors, and insiders on the incorporation of market, industry, and firm-specific information into stock prices", Accounting Review, vol. 79, no. 4, pp Ramnath, S., Rock, S. & Shane, P. 2008, "The financial analyst forecasting literature: A taxonomy with suggestions for further research", International Journal of Forecasting, vol. 24, no. 1, pp