Reagerar aktiemarknaden annorlunda på redovisningsinformation i Hausse eller Baisse?

Transkript

1 Handelshögskolan i Stockholm Examensuppsats inom huvudinriktningen 3100 Redovisning och Finansiell styrning VT-09 Reagerar aktiemarknaden annorlunda på redovisningsinformation i Hausse eller Baisse? Ludvig Thureson 1 Philip Gylche 2 18 Maj Executive Summary The purpose of this thesis is to investigate if the stock market reacts differently to accounting information, depending on the stock market climate. The study focuses solely on stocks listed on the OMX Stockholm 30 during each year from 2005 to By applying the concept of Earnings Response Coefficient we can estimate how the market reacts to accounting information. The dependent variable in the equation is the market reaction on unexpected earnings, in the study described as the abnormal return on stock. For quality purposes we measure this on a ±1,5,10 and 20 days basis. The explaining variable is the difference between the analysts estimated Earnings per Share and announced Earnings per Share. The major finding in the study is that there is no statistically significant correlation between the difference in forecasted and actual EPS, and abnormal returns. The result is new and interesting as it goes against previous research. The reason for the lack of linkage may be that the market has become more concerned with other financial measures than Earnings per Share, that investors are flooded with non-financial information such as industry report Handledare: Kenth Skogsvik Framläggning: @student.hhs.se @student.hhs.se

2 Innehållsförteckning 1.1 Problemområde Syfte Avgränsningar Tidigare forskning Den effektiva marknaden Har redovisningsinformation en påverkan? Earnings Response Coefficient (ERC) Metod Grundläggande antaganden Tidsspann Vänsterled Marknadsmodellen Estimeringsfönster & eventfönster Estimering av α och β Aktiens faktiska avkastning (R i,t ) Marknadens förväntade avkastning för aktien (R m,i,t ) Överavkastning Högerled Slutlig regressionsmodell Hypotestest Datainsamling Datainsamling gemensamma för båda variabler Val av företag Datainsamling för den oberoende variabeln Valet av EPS som resultatmått Förväntad EPS Redovisad EPS Datainsamling för den beroende variabeln Verklig aktieavkastning Förväntad avkastning enligt marknadsmodellen Resultat Försök Försök Försök

3 5.1.4 Försök Sammanställning av försöken Samband, EPS differens och överavkastning Samband, EPS- differens och överavkastning, Hausse/Baisse Regressioner med förklaringsgrad över 5% Analys och diskussion Hedgefonders påverkan och den höga likviditeten i företagen Tvångsförsäljning Fokus på framtida EPS estimat och betydelsen av andra resultatmått Linjär regressionsmodell Utomstående informationskällor Utfall jämfört med tidigare forskning Reliabilitet Validitet Generaliserbarhet Karaktäriserande av Hausse och Baisse Referenser

4 1.1 Problemområde Varje företag har flertalet intressegrupper som värnar om dess situation, t.ex. finansiell ställning, operativ verksamhet och policy. Informationen är av tudelad karaktär; finansiell samt icke-finansiell. Den finansiella informationen består vanligtvis av årsredovisningar medan den icke-finansiella kan innebära förändring av strategi, expansionsplaner och dylikt. Vidare är informationen relevant för företag på ett direkt eller indirekt sätt. Direkt information är i form av redovisningsinformation och företagsspecifik data, medan indirekt är branschanalys, konjunkturrapporter och liknande. Distributionen av information har utvecklats under de senaste två decennierna vilket föranlett en kortare väg mellan utgivare och mottagare. Kvantiteten av information har ökat till följd av det expanderade distributionsnätet. Den, till antalet, största intressegruppen för börsnoterade företag är vanligtvis aktieägarna. Deras prioritet är att skapa avkastning på det investerade kapitalet. Finansiell information är den mest väsentliga för aktieägarna, då denna bedöms vara tongivande för aktieprisutvecklingen. Tidigare forskning, Ball & Brown (1968), visar att det historiskt existerat ett samband mellan ett företags redovisningsinformation och prissättningen av underliggande aktie, den s.k. Earnings Response Coefficient (ERC). I flertalet värderingsmodeller används redovisningsinformation för att estimera ett pris på aktien vilken återspeglar det fundamentala värdet. Ett resultatmått som förekommer frekvent i värderingsmodellerna är Vinst per Aktie eller Earnings per Share (EPS). Aktieanalytiker är professionella aktörer på aktiemarknaden. Deras förväntningar om framtiden kan ses som representativa för marknaden. Aktiepriset är summan av marknadens förväntan om framtida vinster diskonterade till värderingsdagen. Forskning, Schroeder (1995), har identifierat aktieprisrörelser i motsatta riktningar från det publicerade resultatet, vilket exempelvis uttryckts i lägre vinster, relativt marknadens förväntningar, men stigande aktiepriser. Enligt värderingsmodeller är en sådan divergens irrationell då lägre framtida vinster bör avspeglas i ett lägre aktiepris. Det tycks således existera en kraft på aktiemarknaden som motverkar rationellt beteende. Beteendet implicerar en övertro på framtida vinster som inte framkommit i företagens redovisning. Detta ger upphov till en avkastning avvikande från hur marknaden normalt värderar resultat. Denna kursrörelse benämns som överavkastning. Övertron kan grunda sig i uppfattningen att redovisningsinformationen är konservativ och att företag därför över/underdriver resultatet. Marknaden tror därför att det egentliga värdet är avvikande exempelvis till följd av försiktighet. Övertron kan påverkas av det rådande börsklimatet. Vid en börsuppgång, Hausse, är det troligt att marknaden värderar resultatet högre än rapporterat vilket leder till irrationellt stigande priser. Vid en börsnedgång, baisse, är situationen den omvända. 3

5 1.2 Syfte Uppsatsens syfte är att undersöka om aktiekursreaktioner vid publicering av redovisningsbaserad information är olika beroende på rådande börsklimat. Börsklimattyperna definieras som hausse eller baisse. För att mäta aktiekursrörelserna används överavkastning, och som redovisningsbaserade vinstmått används EPS. Ämnet är intressant då investerare kan utnyttja informationen om existerande samband för att skapa gynnsamma positioner, det vill säga generera en hög avkastning relativt risknivå. 1.3 Avgränsningar I uppsatsen har följande avgränsningar gjorts: Uppsatsen kommer endast behandla information som är planerad att annonseras och därför är förväntad av marknaden. Med planerad information menas i denna uppsats bokslutskommunikén för varje enskilt företag. Uppsatsen syftar inte till att förklara skillnader som uppkommer vid de erhållna resultaten utan endast visa skillnaderna mellan resultaten. Uppsatsen kommer inte behandla kursrörelserna som uppstår efter eventfönstrets utgång. Uppsatsen behandlar inte företag verksamma inom den finansiella sektorn. 4

6 2.0 Tidigare forskning I avsnittet härleds tidigare publicerade forskning som banat väg och möjliggjort genomförandet av eventstudien. För att genomföra vår studie måste vi fastställa att redovisningsinformation faktiskt påverkar aktier och dess prisbildning. 2.1 Den effektiva marknaden Vi vill först förstå teorin bakom marknaden som aktien handlas på. Teorin vi utgår ifrån behandlar den effektiva marknaden. Fama (1970) menar att aktiemarknadens syfte är att fördela de ekonomiska resurserna på ett effektivt sätt. Därmed uppnås högsta möjliga avkastning givet en specifikt vald risknivå. För att fördelningen ska vara effektiv krävs att varje akties pris avspeglar all tillgänglig information som finns om respektive aktie. Aktiens pris justeras därför efter den senast publicerade nyheten och ger inte möjlighet till ytterligare avkastning. Det implicerar att ingen investerare besitter ett informationsövertag vilket vederbörande kan profitera på. Fama (1970) delar in marknadseffektiviteten i tre delar, I: svag form = aktiens pris är en avspegling av all tillgänglig information fram till idag. Det innebär att möjlighet att förutspå framtida vinster inte existerar. Således är aktien endast prissatt på historisk data. II: semi-stark form = aktiens pris är en avspegling av all tillgänglig offentlig information, såsom alla branschrapporter, all redovisningsinformation, konjunkturrapporter etc. III: stark form = aktiens pris är en avspegling av all offentlig information samt en enskild grupps exklusiva vetskap om företagets situation. Det innebär att insiders har möjlighet att utnyttja sitt informationsövertag gentemot marknaden. Då I exkluderar prognostisering anser vi den inte avspegla marknaden korrekt. Svenska regelverk förbjuder insiders att profitera på sitt informationsövertag varför III inte ger en rättvisande bild. Vi avser att följa II, det vill säga, aktiens prisbildning är en direkt effekt av all tillgänglig offentlig information för den specifika aktien. Därmed kan ingen investerare uppnå en högre avkastning än den förväntade. För att teorin ska gälla får inga transaktionskostnader förekomma samt alla investerare tolkar den tillgängliga informationen likadant. All offentlig information innebär att redovisningsinformationen i bokslutskommunikén inte har en exklusiv påverkan på aktien. Detta bevisas av Liu et. al. (1990) som sin studie identifierar kursrörelser hos aktier som blivit omnämnda i en viss spalt i Wall Street journal. Även Francis et. al. (2002) finner i sin studie ett samband mellan aktiers kursrörelser och analytikerrapporter. Även Waheed & Mathur (1985) finner att aktier påverkas av en spalt i tidning Business Week. 5

7 2.2 Har redovisningsinformation en påverkan? Tidigare har fastställts att redovisningsinformation inte har en exklusiv påverkan på aktiers prisbildning. Därför söker vi stöd om publicerandet av bokslutskommunikén har någon faktisk påverkan på aktien. Den artikel som anses vara banbrytande beträffande om redovisningsinformation är relevant för prisbildningen skrevs av Ray Ball och Philip Brown (1968). Vi anser att artikeln är betydande för resultatet av vår studie varför vi avser att behandla den mer utförligt. Innan publicerandet av artikeln hävdade forskning, inom området, att för många olika alternativ fanns för hur poster i boksluten skulle redovisas. När bokslutet publicerades ansågs det inte vara tillförlitligt och därför påverkade inte informationen aktiekurserna. Ball & Brown genomförde därför ett test för att se om publicering av redovisningsinformation hade en påverkan på aktiekurserna. Författarna antog att om inte aktiespecifik information existerade skulle aktiens avkastning följa den generella avkastningen för branschen som företaget var verksam inom. Om aktiespecifik information existerade skulle avkastningen avvika från andra aktier inom samma bransch. Avvikelsen kallade författarna för överavkastning. Överavkastningen betyder att informationen angående den specifika aktien är relevant för prisbildningen. Ball & Brown utförde testet genom att dela in den publicerade redovisningsinformationen i två grupper. Antingen good news, vilket betyder att vinsten är högre än marknaden förväntar, eller bad news, vilket betyder att vinsten är lägre än marknaden förväntar. Författarnas resultat visade att aktierna reagerade positivt på goda nyheter följt av en positiv överavkastning och negativt på dåliga nyheter följt av en negativ överavkastning. Överavkastningen operationaliserades i en regressionsmodell vars resultat visade på ett klart samband mellan publicerandet av ny redovisningsinformation samt aktiens överavkastning. Författarna fann dessutom att de studerade aktierna förändrades innan rapporteringsdatumet vilket torde betyda att den publicerade redovisningsinformationen inte var exklusiv för prisbildning. 6

8 2.3 Earnings Response Coefficient (ERC) Efter Ball & Browns artikel utvecklade forskningen deras resultat till att försöka förklara relationen mellan den publicerade redovisningsinformationen och kursrörelsen som följde. Denna relation kom att kallas för Earnings Response Coefficient (ERC). Även vi kommer fortsättningsvis att kalla denna variabel för ERC eftersom det är den vedertagna termen som används i tidigare forskning. Collins & Kothari (1989) hävdar att tester inom området vanligtvis kommit fram till att avgörande för relevansen hos nyheten är signifikansen hos lutningskoefficienten (α 1 ), det vill säga ERC, samt förklaringsgraden (R 2 ). Lutningskoefficienten, ERC, visar vilken effekt det oväntade resultatet får på aktiens avkastning utöver den förväntade, det vill säga överavkastningen. Förklaringsgraden R 2 visar hur stor del i procent av resultatet som kan förklaras av regressionsmodellen. Således förklarar R 2 hur stor del av överavkastningen som kan förklaras av det oväntade resultatet. Sammantaget mynnar detta ut i följande modell som sedermera ska skattas: CAR it = α 0 + α 1 UX it + ε it, där, CAR it = Riskjusterad kumulativ avkastning för aktie i för perioden t α 0 = Interceptet α 1 = Lutningskoefficienten även kallad för Earnings Response Coefficient (ERC) UX it = Oväntad avkastning för aktie i för perioden t ε it = Slumpmässigt utvald felterm som följer normalfördelning Metoden som används vid skattningen av ERC får stor betydelse för resultatet. Enligt Teets & Wasley (1996) finns två metoder som frekvent används vid denna typ av undersökningar. Den första metoden är företagsspecifik där ERC beräknas för enskilda aktier. Den andra metoden slår samman samtliga observationer i samplet och beräknar därefter en (1) ERC för samtliga aktier. Den andra metoden är den mest förekommande bland forskare varför vi använder den. Vid publiceringen av, för marknaden, ny redovisningsinformation ligger tyngdpunkten på om information om framtida kassaflöden kan härledas. Förändringar i framtida utsikter föranleder investerare till att omallokera sina ekonomiska resurser. Enligt Collins & Kothari (1989) justeras aktiens pris efter denna nyhet. Kan vi enligt teorierna fastställa att positiv överavkastning korrelerar med positiv ERC? Studier visar på att sambandet inte alltid följs. Enligt Schroeder (1995) är denna korrelation ibland negativ. Betänk följande: En analytiker försöker förutse en brytpunkt i trenden för aktie A. För att identifiera när brytpunkten äger rum krävs tillgänglig information om aktie A. A är verksam inom en bransch som påverkats av en konjunkturnedgång vilket resulterar i att bokslutskommunikén visar bad news. Samtidigt publiceras att A ingått ett kontrakt som betyder att företaget förväntas göra en kraftig vinst nästkommande år. Resultatet blir att analytikern förväntar sig ett positivt resultat nästa år vilket bidrar till positiv ERC trots bad news. Således är finansiell information inte exklusivt värderelevant. All information som berör aktien måste därmed analyseras innan ett ställningstagande kan äga rum. Argumentet förstärks av Fischer & Statman (2004) vilka anser att en akties pris drivs av två komponenter; fundamentalt värde samt sentiment bias. Sentiment bias på aktiemarknaden kan få aktier att stiga trots att redovisningsinformationen påvisar lägre framtida vinster och därmed ett lägre företagsvärde. 7

9 Imhoff & Lobo (1992) delade in nyheter i två grupper; värderelevanta och ickevärderelevanta. Värderelevanta nyheter bestod av finansiell information. Författarna hänvisar till flertalet forskningsstudier. De visar att om osäkerheten är stor angående ett företags framtida kassaflöden reagerar aktien mer om informationen är värderelevant än om den är icke-värderelevant. Författarna fastslår att aktier reagerar på även icke-finansiell information. Anledningen till den starkare reaktionen på finansiell information kan vara att den upplevs mer värderelevant eftersom företagets vinster har en stark relation till det faktiska värdet. Vinsterna ger indirekt information om framtida kassaflöden vilka finansierar framtida utdelningar som i sin tur bestämmer företagets värde. Imhoff & Lobos resultat stärks ytterligare av Donnelly & Walkers (1995) studie. Studien visade att information som publiceras i tiden t-1 bereder marknaden med ett tillförlitligt underlag för att förutspå vinsten i tiden t. Ju större väsentlighet informationen har för aktien i fråga desto mer effektfull blir den om den är oväntad. Studien visar även att företag som kommunicerar en permanent vinstnivå får en högre ERC vid publicering av oväntad information. Enligt resonemanget kan vi konstatera att ERC är en viktig del av den förklarande variabeln. Mer om detta i metodavsnittet. 8

10 3.0 Metod Avsnittet behandlar tillvägagångssättet vi använt för att skatta regressionsmodellen. Regressionsmodellen testas slutligen och därigenom söks ett samband mellan publiceringen av redovisningsinformation och överavkastning för aktier. För att förenkla har vi valt att dela upp avsnittet utifrån regressionsmodellens utseende. Vi kommer att förklara vänster- och högerledet separat. Först fastställer vi de grundläggande antaganden som de båda har gemensamt. 3.1 Grundläggande antaganden Tidsspann I slutändan strävar vi efter att nå ett resultat som visar om överavkastningen skiljer sig i Hausse respektive Baisse. Vi vill därför först definiera Hausse respektive Baisse. Lågkonjunktur respektive högkonjunktur definieras generellt som två på varandra följande kvartal med negativ/positiv BNP-tillväxt. Kopplingen till klimatet på aktiemarknaden är låg eftersom framtida konjunkturer är diskonterade i aktiens prisbildning. Vi anser att begreppen Hausse och Baisse är mer relevanta eftersom de har en tydligare koppling till aktiemarknaden. Hausse och Baisse kan inte likställas med begreppen hög- respektive lågkonjunktur. Enligt Gonzales et al (2006) existerar idag relativt lite publicerad akademisk forskning som definierar vad som menas med Hausse och Baisse. Hausse karaktäriseras av ihållande uppåtgående aktiekurser. Hur stor uppgång som krävs finns idag inte definierat. Gonzales et. al. (2006) hävdar att ett tillvägagångssätt för att identifiera Hausse är om perioden genererar högre avkastning än normalt. På samma vis kan Baisse identifieras om avkastningen är lägre än normalt. Processen för att genomföra det test, som förespråkas av Gonzales et. al. (2006), ligger utanför ramen av uppsatsen. Vi definierar Hausse som när OMX30:s procentuella avkastning varit positiv mellan årets första handelsdag samt årets sista handelsdag. På samma vis definierar vi Baisse när avkastningen varit negativ. För att skänka aktualitet till studien har vi valt att studera de fem senaste åren. Åren karaktäriseras av onormalt hög volatilitet. Vi tror att vid sådana förhållanden är sambanden starka. Den procentuella förändringen för OMSX30 de senaste 5 åren framgår av figuren nedan. Tidsperiod 1 Hausse 2005 (+ 28,38%) 2006 (+ 19,09%) Tidsperiod 2 Baisse 2007 (- 7,1%) 2008 (-37,41%) 2009 (-8,75%) 3 3 Kursutvecklingen för 2009 baseras på tidsperioden 1:e januari 30:e mars. 9

11 3.2 Vänsterled Avsnittet behandlar vänsterledet i den slutliga regressionsmodellen Marknadsmodellen Nedan förklarar vi beräkningen av överavkastning. Vid beräknandet tar vi hjälp av marknadsmodellen. Modellen är vanlig vid genomförandet av empiriska studier av vår karaktär. Alternativet vid liknande studier är att använda CAPM modellen. För att undvika att fokus riktas mot modellvalet väljer vi att använda marknadsmodellen då denna är enklare och mindre kritiserad än CAPM. Modellen lyder enligt följande: AR i,t = R i,t [α i + β i (R mt )] där, AR i,t : Överavkastning för aktie,i, i period t R i,t : Faktisk avkastning för aktie,i, i period t α i :Kursrörelse för aktie i då marknaden inte rör sig β i :Kursrörelse för aktie i då marknaden rör sig med en (1) procentenhet R mt : Marknadens avkastning i period t, i vårt fall OMX 30 Stockholm Överavkastning är den avkastning en aktie genererat utöver marknadens förväntade avkastning vid publicerandet av ny redovisningsinformation (i vårt fall bokslutskommunikén). Vi kommer i Avsnitt visa hur beräknandet av marknadens förväntade avkastning för aktier exemplifieras i marknadsmodellen. För att använda marknadsmodellen måste vi först estimera α i samt β i. 10

12 3.2.2 Estimeringsfönster & eventfönster För att estimera de ovan nämnda variablerna använder vi en mätperiod. Mätperioden benämner vi eventfönster, där T = 0 den dag då redovisningsinformationen (bokslutskommunikén) för aktien publiceras. Eventfönstret startar T -20 dagar samt slutar T +20 dagar. Totalt summeras eventfönstret till 41 dagar. Eventfönstrets storlek bestäms i enlighet med tidigare forskningsrapporter och uppsatser. Storleken bör vara tillräckligt stor för att fånga upp alla tillgängliga kursreaktioner vid publiceringsdagen. Vid ett för stort eventfönster ökar risken att icke hänförlig information till bokslutskommunikén påverkar, s.k. brus. Vi inkluderar dagarna innan publikationen av bokslutskommunikén eftersom, enligt Linderholm (2001), informationsläckage kan förekomma på marknaden beträffande utfallet av redovisningsinformationen. Vid ett för kort tidsspann omfattas inte all påverkande information varför överavkastningen inte upptas i sin helhet. Bortser vi ifrån potentiella läckage kan vi inte fånga upp den prisjustering som sker. Brattsberg & Larsson (2008) valde ett eventfönster om ± 20 dagar, totalt 41 dagar. I enlighet med Famas II- teori justeras aktiers prisbildning för bokslutskommunikéns information. Vi sätter T = 0 till dagen då bokslutskommunikén publiceras. Lee & Park (2000) anser att bokslutskommunikén är mer tillförlitlig än kvartalsrapporterna eftersom de inte granskats av en auktoriserad revisor. Därför anses de inte vara trovärdiga nog för att prognostisera framtida resultat. Lee & Parks resultat visar att ERC är lägre för bokslutskommunikén än för kvartalsrapporterna vilket stöder påståendet att informationen är mer tillförlitlig. Estimeringsfönster Eventfönster Dag -120 Dag -21 / Dag -20 Dag 0 Dag +20 Bokslutskommunikén publiceras 11

13 3.2.3 Estimering av α och β Efter fastställandet av vårt eventfönster kan de två förklarande variablerna, α och β, estimeras för aktien. Skattningen av variablerna fastställs genom ett estimeringsfönster. Vi har valt att fastställa estimeringsfönstret till 100 dagar innan eventfönstret startar. Då eventfönstret startar T -20 betyder det att estimeringsfönstret startar 120 dagar innan bokslutskommunikén publiceras (T = 0) vilket, enligt Brattsberg & Larsson (2008), anses tillräckligt för en relevant estimering. Studien innefattar således två tidsfönster. Vid denna typ av eventstudie ska inte estimeringsfönstret kollidera med eventfönstret. Om överlappningen sker får det konsekvenser för regressionen, det vill säga skattningen av α och β. När estimeringsfönstrets storlek är fastställt använder vi vid estimeringen av regressionsmetoden Ordinary Least Squares (OLS), vilken enligt McDonald (1987) anses tillräcklig för ett rättvisande resultat. Följaktligen estimeras α och β för aktien likt följande: α i = β i β i där, T 1 = -20 dagar och T 0 = -120 dagar. : : Fastställande av variablerna är nödvändigt då de används vid beräkning av marknadens förväntade avkastning för aktien Aktiens faktiska avkastning (R i,t ) När avsnittet för beräkningen av marknadens förväntade avkastning för aktien är slutförd koncentrerar vi oss på delen där den faktiska avkastningen för aktien äger rum. Genom att dividera aktiens pris i tidpunkt t med tidpunkt t-1 i eventfönstret får vi den faktiska avkastningen för aktien. Beräkningen för den procentuella faktiska avkastningen för aktien ser ut enligt följande: R i,t = 12

14 3.2.5 Marknadens förväntade avkastning för aktien (R m,i,t ) Beräkningen av marknadens förväntade avkastning för aktien i tidpunkt t får stor påverkan för resultatet i studien. Marknadsmodellen ger uttryck för vad avkastningen borde vara enligt marknadens förväntan. Det vill säga motsvarande ett empiriskt beräknat genomsnitt med ett mycket stort antal observationer. För enskilda poster blir det ovanligt att den förväntade avkastningen kan observeras ex-post. Anledningen till detta är slumpfaktorer samt ofrånkomliga estimeringsfel som bidrar till att man får positiva eller negativa avvikelser. Inte ens om marknaden är perfekt ändras beräkningarna eftersom de är ett resultat av den genererade avkastningen för enskilda aktier som påverkas av såväl systematisk risk som företagsspecifik risk. Vi beräknar marknadens förväntade avkastning för aktien enligt följande modell: R m,i,t = α i,t + β i,t (R m,t, ) där, α i,t = Aktie i:s förändring givet att marknaden inte för sig vid tidpunkt t β i,t = Aktie i: förändring givet att marknaden rör sig med en (1) %-enhet vid tidpunkt t R m,t = Marknadens avkastning vid tidpunkt t Överavkastning Tillsammans med resultaten i Avsnitt samt kan vi slutföra marknadsmodellen och därmed beräkna den slutgiltiga överavkastningen för aktien. Beräkningen utförs genom att subtrahera marknadens förväntning med den faktiska avkastningen. För att illustrera följer nu beräkningen: CAR i,t = R i,t [α i + β i (R mt )] där, CAR i,t : Kumulativ överavkastning för aktie,i, i period t R i,t : Faktisk avkastning för aktie,i, i period t α i :Kursrörelse för aktie i då marknaden inte rör sig β i :Kursrörelse för aktie i då marknaden rör sig med en (1) procentenhet R mt : Marknadens avkastning i period t, i vårt fall OMX 30 Stockholm Antaganden T T Marknad Marknad β i 1,2 α i 0,001 AR = R it - (α it + β it (M it )) Beräkning AR: -5,3% = ((50/47)-1) - (0, ,2*((800/794)-1)) Av exemplet ovan konstaterar vi att överavkastningen för aktien blev -5,3 % mellan dagarna T +10 och T +9. Eventfönstrets storlek omfattar 41 dagar vilket betyder att modellen ska avspegla den totala avkastningen, det vill säga den kumulativa avkastningen för denna period. Därför väljer vi att beräkna den kumulativa avkastningen genom: 13

15 3.3 Högerled Ball & Brown (1968) fastslog att redovisningsinformation har en faktisk påverkan på aktiekursen varför vi anser att det är en tillförlitlig informationskälla. Den är konstant eftersom beräkningen av räkenskaperna, oavsett underliggande företag och bransch, samt publiceringen är förutsägbar. Anledningen till att vi valt resultatmåttet vinst per aktie (EPS) är tillgängligheten i bokslutskommunikén. Ett alternativ är att använda EBITDA men analytiker använder olika modeller för att beräkna detta mått. Resultatmåttet är därför inte användbart då det inte är homogent för samtliga observationer. Beräknandet av marknadens förväntningar för EPS kan göras på olika sätt. Ball & Brown (1968) använde sig av två metoder för att beräkna marknadens förväntade avkastning för aktien. Den första metoden är en så kallad naiv prognos. Metoden innebär att vinsten för aktien beräknas bli densamma för nuvarande år (t) som föregående år (t-1). Den andra metoden utförs genom en linjär regression där snittvinsten beräknas för alla företag på marknaden förutom det enskilda företaget vid tidpunkt t-1. Därefter beräknas det enskilda företagets korrelation med företagen. Genom att beräkna marknadens förväntade vinst vid tidpunkt t kan då marknadens förväntade vinst för det enskilda företaget beräknas. Den tredje metoden är så kallade konsensusprognoser, vilka är ett snitt av analytikernas förväntningar på vinsten för ett enskilt företag. Enligt förda resonemang har vi valt att använda oss av konsensusprognoser då de står att finna i databasen Datastream. Där finns både redovisat EPS samt marknadens förväntade EPS för våra tidsperioder. Vid beräkningen av EPS exkluderas poster av engångskaraktär då de inte ingår i företagets ordinarie verksamhet. Analytikerna kan inte heller förutspå posterna vid prognostiserandet av framtida vinster. Beräkningen av förväntade och redovisade EPS ska utföras på samma vis för att undvika beräkningsfel. Ett beräkningsfel kan snedvrida resultatet. Databasen Datastream har justerat måtten för engångsposter varför vi anser att EPS och förväntade EPS matchar varandra ur beräkningssynpunkt. Valet av konsensusprognoser som metod för att beräkna marknadens förväntade EPS förespråkas av Liljeblom (1989a). Hon kom i sin studie fram till att analytikernas förmåga att förutspå resultatet vida översteg de naiva prognoserna. Den förklarande variabeln ser ut enligt följande: 14

16 3.4 Slutlig regressionsmodell Vi använder en linjär regressionsanalys där den beroende variabeln (Y) är överavkastning för aktien och den oberoende variabeln (X) är skillnaden mellan redovisad EPS samt marknadens förväntade EPS. Med hjälp av denna regression kommer vi erhålla en skattning för β, Earnings Response Coefficient. Vi följer den linjära regressionsmodellen enligt nedanstående uttryck. = + *X i Då alla relevanta parametrar är inkluderade kommer den slutliga regressionsmodellen, vilken testas, se ut som följande: CAR it = + * där, CAR it = - R m,i,t = skattning av β, Earnings Response Coefficient 3.5 Hypotestest Efter den genomgångna regressionsmodellen har vi kommit fram till att vi vill testa vår nollhypotes: H 0 : Att ett samband inte existerar mellan EPS differensen och överavkastningen för aktie i. H 1 : Att ett samband existerar. Beslutsregeln blir då att förkasta H 0 om ett samband existerar mellan EPS differensen och överavkastningen för aktie i på 5 % signifikansnivå. 15

17 4.0 Datainsamling För varje enskilt företag i studien har följande data insamlats för att beräkna den beroende och oberoende variabeln. Dagen för offentliggörandet av bokslutskommunikén. Estimerad Vinst Per Aktie. Redovisad Vinst Per Aktie. Avkastning för OMXS30 Index under perioden. 4.1 Datainsamling gemensamma för båda variabler Val av företag Studien fokuserar på företag noterade på Stockholmsbörsen och som ingår i OMX Stockholm 30 Index (OMXS30). Indexet är kapitalviktat och innehåller de 30 aktier med högst omsättning på Stockholmsbörsen. Två gånger om året, 1:a januari och 1:a juli, revideras indexet. Vi har valt att studera de aktier som var inkluderade i indexet den 2:a januari Valet av aktier har gjorts för att få en hög kvalité på resultatet. Aktierna har hög likviditet. Därmed är det troligt att nyheter på bokslutsdagen avspeglas i kursrörelserna. Vidare ställer även konsensus estimaten av EPS krav på att flertalet analytiker analyserar företaget för att därigenom få en korrekt mätning om marknadens förväntning. Följande aktier har exkluderats ur studien; Investor B Nordea Bank SEB A Sv. Handelsbanken Swedbank A Atlas Copco B Aktierna har exkluderats då resultaten för företag som verkar inom den finansiella sektorn inte avspeglar den operativa verksamheten i samma utsträckning. Vi har valt att exkludera Atlas Copco B aktien då A aktien har högre likviditet och redan ingår i OMXS30. Ovanstående exkluderingar resulterar i ett omfång om 23 aktier. Då vår analysperiod är 5 år resulterar detta i totalt 115 observationer Datum för bokslutskommuniké Datumet när bokslutskommunikén publiceras är av central betydelse för studien. Det ligger till grund för fastställandet av event-, och estimeringsfönstret. Informationen om vilket datum bokslutskommunikén publiceras har inhämtats från företagens hemsidor, under sektionen för pressmeddelanden. För att undvika eventuella fel på företagens hemsidor har vi, när möjligt, stämt av datumet med databasen Newsdesk 5. Inga av företagen vi studerat har använt sig av brutet räkenskapsår, vilket medfört att alla rapporterat bokslut för perioden t mellan januari och mars i t+1. 4 Företagen som ingick den 2:a januari var; ABB Ltd, AlfaLaval, Assa Abloy B, Atlas Copco A, Atlas Copco B, AstraZeneca, Boliden, Electrolux B, Eniro, Ericsson B, Hennes & Mauritz B, Investor B, Lundin Petroleum, Nokia Oyj, Nordea Bank, Sandvik, SCA B, Scania B, Securitas B, SEB A, Securitas B, Skanska B, SKF B, SSAB A, Sv. Handelsbanken A, Swedbank A, Swedish Match, Tele2 B, TeliaSonera, Volvo B. 5 Newsdesk är en databas som samlar ihop, förmedlar och publicerar pressinformation samt företagsnyheter. 16

18 4.2 Datainsamling för den oberoende variabeln Valet av EPS som resultatmått Då vår första mätningsperiod infaller efter införandet av IFRS i svenska börsnoterade företag, 1:e januari 2005, krävs inga justeringar för detta. Vi har även försökt genomföra tester med EBITDA som resultatmått men då måttet skiljer sig åt mellan analytiker orsakar det problem Förväntad EPS Analytikernas estimat för EPS har hämtats från Datastream 20 handelsdagar före och 20 handelsdagar efter bokslutsdagen. Studien använder sig av konsensus estimat innebärande att det är en samling av alla analytikers estimat. Vi använder medianvärdet då det är sorterat för utbölingar Redovisad EPS Redovisad EPS har inhämtats från Datastream ±20 handelsdagar från dagen då bokslutskommunikén släpps. Anledningen till att vi har tagit fler dagar än bara bokslutsdagen är att databasen ibland innehåller lagg, något vi manuellt justerar för på detta vis. Negativa värden i den oberoende variabeln skapar problem för regressionsmodellen. Vi utesluter därför observationerna från Tele2 B under perioden Detta minskar det totala antal observationer från 115 till Datainsamling för den beroende variabeln Verklig aktieavkastning Senast betalda aktiepriser har dagligen inhämtats från databasen Datastream, 100 handelsdagar före och 20 handelsdagar efter bokslutsdagen. Dagliga kursförändringar för aktierna beräknas. Aktiekurserna i Datastream noteras när de brittiska marknaderna är öppna. Dagarna när Stockholmsbörsen varit stängd har sorterats bort manuellt. Under de observerade perioderna förelåg inga dagar när Stockholmsbörsen var stängd men Londonbörsen öppen Förväntad avkastning enligt marknadsmodellen Vi använder OMXS30 som jämförelseindex till att basera vår förväntade avkastning på marknaden. Senast betalda priser är hämtade från OMX Nordics hemsida för motsvarande perioder som för den verkliga aktieavkastningen. Eventfönstret slutar innan aktieutdelningarna börjar, därmed behövs ingen justering. 17

19 5.0 Resultat I avsnittet presenteras de skattade regressionerna för valda tidsperioder och resultatet. För att läsaren enkelt skall följa resultatet visas de i tabeller. Tabellerna förklaras ytterligare nedan. Regressionerna ger ett resultat som innebär att samband mellan vänsterled och högerled saknas. Således kan inte skillnaden mellan analytikers konsensusprognoser och redovisad EPS förklara överavkastningen som sker för aktien. För att säkerställa resultatet använder vi alternativa tillvägagångssätt vid beräknandet av marknadsmodellen. Vidare har vi exkluderat 6 extremvärden; de 3 högsta positiva och de 3 lägsta negativa avvikelserna för EPS differensen. Alternativet hade varit att använda standardavvikelser för att exkludera extremvärden. Normalfallet vid liknande studier är att ±5 standardavvikelser exkluderar extremvärden. Studien visar att en (1) standardavvikelse för EPS differensen är 25,23% varför ±5 st. innebär att avvikelserna blir för stora. För att studera kvalitén på regressionerna för t=±20 använder vi två tillvägagångssätt. Dels varieras eventfönstrets storlek till färre antal dagar, för att sortera bort eventuella brus som påverkar överavkastningen. Utöver t=±20 har vi valt t=±10, t=±5 och t=±1. Vi varierar även beräkningsmetoden av den beroende och oberoende variabeln. Beräkningsmetoderna specificeras i Försök 1 & Försök 2. Försök 3 & 4 ligger utanför ramen av uppsatsen, då marknadens förväntan är exkluderad. Avsikten med försöken är att testa robustheten hos regressionsmodellen. Försöken studerar huruvida EPS differensen påverkar den faktiska avkastningen. Implikationen av försöken är att om EPS differensen inte påverkar överavkastningen är det möjligt att den faktiska avkastningen påverkas. Om den visar signifikant samband, kan slutsatsen dras att regressionsmodellen är korrekt, men marknadsmodellen brister. För att ytterligare testa modellens robusthet för resultatet i studien specificeras EPS differensen som positiv eller negativ. Positiv differens benämns Good News, där redovisad EPS överstiger marknadens förväntade EPS. Det motsatta förhållandet benämns Bad News. Enligt resonemanget i avsnittet om problemområde är det möjligt att övertro exemplifieras i ett starkare samband. 18

20 5.1.1 Försök 1 I ursprungsmodellen dividerades differensen mellan redovisad och förväntad EPS med marknadens förväntade EPS vid första dagen i eventfönstret. Det är rimligt då första erhållna överavkastningen mäts första dagen i eventfönstret. Modellen kräver i samtliga försök en summering av dagliga överavkastningar för att erhålla ackumulerad överavkastning. Modellen lyder enligt följande: CAR it = + * där, CAR it = - R m,i,t = skattad konstant. = skattad Earnings Response Coefficient, ERC Försök 2 Försök 1 saknade signifikant samband. Vi dividerar därför differensen mellan redovisad EPS och marknadens förväntade EPS med priset för aktien under första dagen på eventfönstret. Således divideras vänster-, och högerledet med samma nämnare. CAR it = + * där, CAR it = - R m,i,t = skattad konstant. = skattad Earnings Response Coefficient, ERC. 19

21 5.1.3 Försök 3 Då varken Försök 1 eller Försök 2 visade på signifikant samband exkluderade vi marknadens förväntade avkastning för aktien. Försök 3 ligger utanför studiens ramar men vi vill studera om aktiens faktiska avkastning kan förklaras av differensen mellan redovisad EPS och förväntad EPS. CR it = + * där, CR it = = skattad konstant. = skattad Earnings Response Coefficient, ERC Försök 4 Försök 4 använder likt Försök 2 aktiens pris i nämnaren. Marknadsmodellen exkluderas och beräkningen görs på faktisk avkastning. CR it = + * där, CR it = = skattad konstant. = skattad Earnings Response Coefficient, ERC. 20

22 5.2. Sammanställning av försöken I stycket förklaras resultaten av Försök 1-4 med hjälp av tabeller. Vi ger även instruktioner för hur tabellerna tolkas Samband, EPS differens och överavkastning Tabell 1 visar typen av regression, t.ex. rad 4; AR 20 3max 3min. Det innebär att vi mätt den kumulativa överavkastningen i eventfönstret t= ±20 handelsdagar. Vi har även exkluderat de 3 högsta och 3 lägsta avvikelserna. Detta resulterar i 101 observationer. Försök 1 ger en konstant, d.v.s. Earnings Response Coefficient (ERC), på 0,039 med en signifikans på 41,6% skiljt från H 0. Således finns inget samband och H 0 kan därför inte förkastas. R 2 i Försök 1 är 0 vilket betyder att resultatet inte kan förklaras av regressionen. Den oberoende variabeln kan inte förklara den beroende variabeln. Tabell 1 Samband, EPS-differens och överavkastning Adj. R Square Regression Antal Obs. Förs.1 Förs.2 Förs.3 Förs.4 Sign. Sign. Sign. Sign. AR1 3max 3 min Constant 0,002 66,6% 0,002 70,7% 0,002 70,7% 0,002 69,8% ERC -0,008 75,2% -0,139 62,7% -0,139 62,7% -0,124 70,4% AR5 3 max 3 min Constant 0,012 8,8% 0,013 5,9% 0,013 5,9% 0,029 0,0% ERC -0,011 73,7% 0,23 54,1% 0,23 54,1% 0,408 35,0% AR10 3 max 3 min Constant 0,014 7,8% 0,014 8,0% 0,014 8,0% 0,043 0,0% ERC 0,019 63,6% 0,06 89,1% 0,06 89,1% 0,319 52,0% Ar20 3 max 3 min ,009 0 Constant 0,024 1,7% 0,023 2,6% 0,023 2,6% 0,023 2,6% Förs.1 Coefficients Förs.2 Förs.3 Förs.4 ERC 0,039 41,6% 0,184 73,9% 0,184 73,9% 0,184 73,9% 21

23 5.2.2 Samband, positiv/negativ EPS differens och överavkastning Tabell 2 visar typen av regression, t.ex. i rad 8; AR 20 3max 3min Good News. Vi har mätt den kumulativa överavkastningen i eventfönstret t= ±20 handelsdagar med 40 observationer. Försök 1 gav en konstant, d.v.s. Earnings Response Coefficient, ERC, på 0,043 med signifikans på 75,9% skiljt från H 0. Således finns inget samband och H 0 kan därför inte förkastas. Då R 2 = 0 betyder det att erhållet resultat inte kan förklaras av modellen. Den beroende variabeln kan inte förklaras av den oberoende variabeln. Tabell 2 Samband, EPS-differens & överavkastning, Good/Bad News Adj. R Square Coefficients Förs.1 Förs.2 Förs.3 Förs.4 Regression Antal Obs. Förs.1 Förs.2 Förs.3 Förs.4 Sign. Sign. Sign. Sign. AR1 3max 3 min Bad news ,002 Constant 0 98,9% -0,004 65,7% -0,004 65,7% -0,006 53,5% ERC -0,009 80,9% -0,319 42,5% -0,319 42,5% -0,449 29,9% AR1 3max 3 min Good news 39 0, Constant 0,014 13,4% 0,009 29,3% 0,009 29,3% 0,005 64,0% ERC -0,102 20,0% -0,537 54,8% -0,537 54,8% 0,27 80,3% AR5 3 max 3 min Bad news Constant 0,1 36,6% 0,013 23,6% 0,013 23,6% 0,019 16,2% ERC -0,012 79,5% 0,229 65,2% 0,229 65,2% -0,1 98,7% AR5 3 max 3 min Good news Constant 0,017 21,1% 0,012 35,7% 0,012 35,7% 0,028 4,9% ERC -0,062 60,4% 0,412 74,7% 0,412 74,7% 0,972 46,2% AR10 3 max 3 min Bad news 61 0, Constant 0,03 3,6% 0,025 80,0% 0,025 8,0% 0,043 0,9% ERC 0,083 16,0% 0,497 44,1% 0,497 44,1% 0,202 78,3% AR10 3 max 3 min Good news ,002 Constant 0,016 26,1% 0,01 41,8% 0,01 41,8% 0,035 2,3% ERC -0,104 36,5% -0,428 72,9% -0,428 72,9% 1,384 30,5% AR20 3 max 3 min Bad news 61 0,109 0,063 0,063 0,005 Constant 0,07 0,0% 0,063 0,0% 0,063 0,0% 0,061 0,3% ERC 0,195 0,5% 1,69 2,8% 1,69 2,8% 1,033 25,9% AR20 3 max 3 min Good news Constant -0,005 76,9% -0,001 93,4% -0,001 93,4% 0,013 50,3% ERC 0,043 75,9% -0,145 92,5% -0,145 92,5% -0,385 85,4% Samband, EPS- differens och överavkastning, Hausse/Baisse Tabell 3 visar vilken typ av regression, t.ex. i rad 4; AR 20 3max 3min. Hausse innebär att studerad tidsperiod är , bokslutsperioden Vi har mätt den kumulativa överavkastningen i eventfönstret t= ±20 handelsdagar samt 44 observationer och i Försök 1 fått en konstant, d.v.s. Earnings Response Coefficient, ERC, på 0,023 med en signifikans på 70% skiljt från H 0. Således finns inget samband och H 0 kan därför inte förkastas. R 2 = 1,7%. Det betyder att resultatet förklaras av modellen till 1,7%, vilket är för svag förklaringsgrad då R 2 <5%. Den beroende variabeln kan därmed inte förklaras av den oberoende variabeln. Tabell 3 Samband, EPS- differens & överavkastning, hausse/baisse Adj. R Square Coefficients Förs.1 Förs.2 Förs.3 Förs.4 Regression Antal Obs. Förs.1 Förs.2 Förs.3 Förs.4 Sign. Sign. Sign. Sign. AR1 3max 3 min Hausse Constant 0 90,4% -0,002 81,5% -0,001 86,9% 0,002 69,8% ERC -0,023 46,6% -0,315 43,5% -0,342 46,3% -0,124 70,4% AR5 3 max 3 min Hausse ,002 Constant 0,006 55,2% 0,013 30,6% 0,013 30,6% 0,02 7,4% ERC -0,043 34,8% -0,319 61,5% -0,319 61,5% -0,595 30,2% AR10 3 max 3 min Hausse Constant 0,011 27,9% 0,02 1,0% 0,02 1,0% 0,045 0,1% ERC 0,007 86,8% 0,071 85,0% 0,071 85,0% -0,06 92,7% AR20 3 max 3 min Hausse Constant 0,019 17,4% 0,018 23,6% 0,018 23,6% 0,062 0,1% ERC 0,023 70,0% -0,355 68,0% -0,355 68,0% -1,403 32,9% AR1 3max 3 min Baisse Constant 0,005 48,7% 0,005 52,7% 0,005 52,7% 0,005 55,6% ERC 0,012 76,1% -0,001 99,8% -0,001 99,8% 0,058 90,1% AR5 3 max 3 min Baisse 61 0,003 0,051 0,051 0,056 Constant 0,014 10,8% 0,022 1,9% 0,022 1,9% 0,034 0,2% ERC 0,037 27,6% 1,068 4,7% 1,068 4,7% 1,308 4,3% AR10 3 max 3 min Baisse ,004 0,004 0 Constant 0,017 16,4% 0,018 12,7% 0,018 12,7% 0,042 0,2% ERC 0,032 63,2% 0,741 27,0% 0,741 27,0% 0,667 36,6% AR20 3 max 3 min Baisse Constant 0,029 5,1% 0,026 6,6% 0,026 6,6% 0,009 55,3% ERC 0,06 45,0% 0,483 50,8% 0,483 50,8% 0,516 53,6% 22

24 Samband, positiv/negativ EPS differens och överavkastning, Hausse Tabell 4 visar typen av regression, t.ex. i rad 8; AR 20 3max 3min Hausse Good News. Vi har mätt den kumulativa överavkastningen i eventfönstret t= ±20 handelsdagar samt 17 observationer. Försök 1 gav en konstant, d.v.s. Earnings Response Coefficient (ERC), på 0,147 med en signifikans på 37% skiljt från H 0. Således finns inget samband och H 0 kan därför inte förkastas. Feltermen, ε, kräver +30 observationer för att uppfylla kravet om normalfördelning. Rad 8 gav 17 observationer, varför inte kravet uppfylls. Således kan regressionen snedvridas till följd av feltermen. Då R 2 =0 betyder det att erhållet resultat inte kan förklaras av modellen. Den beroende variabeln kan inte förklaras av den oberoende variabeln. Tabell 4 Samband, positiv/negativ EPS-differens & hausse Adj. R Square Coefficients Förs.1 Förs.2 Förs.3 Regression Antal Obs. Förs.1 Förs.2 Förs.3 Förs.4 Sign. Sign. Sign. Sign. AR1 3max 3 min Hausse Bad news Constant -0,006 67,5% -0,005 71,8% -0,005 71,8% -0,008 60,7% ERC -0,032 54,9% -0,358 54,8% -0,358 54,8% -0,319 65,3% AR1 3max 3 min Hausse Good news 16 0,12 0,167 0,167 0,097 Constant 0,018 16,1% 0,019 14,1% 0,019 14,1% 0,025 11,5% ERC -0,126 10,3% -2,66 7,3% -2,66 7,3% -2,646 13,8% AR5 3max 3 min Hausse Bad news Constant 0,004 84,1% 0,006 71,0% 0,006 71,0% 0,014 44,8% ERC -0,045 52,8% -0,265 71,6% -0,265 71,6% -0,659 39,9% AR5 3max 3 min Hausse Good news ,021 0,021 0,099 Constant 0,017 21,1% 0,022 33,2% 0,022 33,2% 0,043 7,6% ERC -0,062 60,4% -3,106 27,6% -3,106 27,6% -4,259 12,6% AR10 3max 3 min Hausse Bad news 27 0, Constant 0,03 12,0% 0,023 22,4% 0,023 22,4% 0,056 1,4% ERC 0,084 25,5% 0,431 58,8% 0,431 58,8% 0,277 76,1% AR10 3max 3 min Hausse Good news 16 0,006 0,109 0,109 0 Constant 0,017 35,4% 0,021 22,8% 0,021 22,8% 0,026 27,8% ERC -0,107 31,4% -2,852 12,3% -2,852 12,3% 1,301 61,1% AR20 3max 3 min Hausse Bad news 29 0, Constant 0,049 7,4% 0,031 24,6% 0,031 24,6% 0,072 1,6% ERC 0,109 27,1% 0,044 97,3% 0,044 97,3% -0,729 61,2% AR20 3max 3 min Hausse Good news Constant -0,15 59,9% -0,009 73,9% -0,009 73,9% 0,026 42,7% ERC 0,147 37,0% 1,834 48,5% 1,834 48,5% 2,914 46,8% Förs.4 23

25 Samband, positiv/negativ EPS differens och överavkastning, Baisse Tabell 5 visar typen av regression, t.ex. i rad 8; AR 20 3max 3min Baisse Good News. Vi har mätt den kumulativa överavkastningen i eventfönstret t= ±20 handelsdagar samt 23 observationer. Försök 1 gav en konstant, d.v.s. Earnings Response Coefficient (ERC), på (-0,368) med en signifikans på 25,8% skiljt från H 0. Således finns inget samband och H 0 kan därför inte förkastas. Rad 8 gav 23 observationer, varför inte kravet uppfylls. Således kan regressionen snedvridas till följd av feltermen. Då R 2 =1,6% betyder det att resultatet förklaras av modellen till 1,6%, vilket är för svag förklaringsgrad då R 2 <5%. Den beroende variabeln kan därmed inte förklaras av den oberoende variabeln. Tabell 5 Samband, positiv/negativ EPS-differens & baisse Adj. R Square Coefficients Förs.1 Förs.2 Förs.3 Regression Antal Obs. Förs.1 Förs.2 Förs.3 Förs.4 Sign. Sign. Sign. Sign. AR1 3max 3min Baisse Bad news Constant 0,001 93,1% 0,013 43,7% 0,013 43,7% 0 97,9% ERC 0 98,7% 0,599 46,1% 0,599 46,1% -0,256 67,0% AR1 3max 3 min Baisse Good news Constant 0,008 62,8% 0,007 53,7% 0,007 53,7% -0,001 92,4% ERC 0,014 95,9% 0,194 86,6% 0,194 86,6% 1,166 40,3% AR5 3max 3min Baisse Bad news ,005 0 Constant 0,015 31,9% 0,015 31,9% 0,021 16,6% 0,026 20,5% ERC 0,017 78,8% 0,017 78,8% 0,765 28,7% 0,816 42,0% AR5 3max 3min Baisse Good News ,057 Constant 0,01 60,5% 0,011 47,8% 0,011 47,8% 0,03 9,2% ERC 0,141 57,6% 1,313 36,8% 1,313 36,8% 2,266 13,1% AR10 3max 3min Baisse Bad news Constant 0,03 15,2% 0,03 15,2% 0,027 21,4% 0,017 47,8% ERC 0,082 37,6% 0,082 37,6% 0,55 58,8% -0,341 76,8% AR10 3max 3min Baisse Good news ,002 Constant 0,015 49,7% 0,009 62,7% 0,009 62,7% 0,035 2,3% ERC -0,099 73,3% 0,415 80,0% 0,415 80,0% 1,384 30,5% AR20 3max 3min Baisse Bad news 34 0,161 0,161 0,146 0,05 Constant 0,083 0,1% 0,083 0,1% 0,08 0,1% 0,044 10,6% ERC 0,261 1,1% 0,261 1,1% 2,421 1,2% 1,819 11,2% AR20 3max 3min Baisse Good news 23 0, Constant 0,15 55,0% 0,002 94,0% 0,002 94,0% 0,001 95,9% ERC -0,368 25,8% -1,323 50,6% -1,323 50,6% -1,474 55,4% Förs.4 24

26 5.2.5 Regressioner med förklaringsgrad över 5% Tabell 6 visar regressioner där vi kan förkasta H 0 på 5% signifikansnivå. Av totalt 144st regressioner visade 9st (6%) att det fanns ett positivt samband mellan EPS differensen och överavkastningen. ε följer en normalfördelning då samtliga regressioner har fler än 30 observationer. Eftersom R 2 i samtliga regressioner har en förklaringsgrad över 5% kan den oberoende variabeln förklara den beroende. Försök 3-4 ligger utanför uppsatsens ram. De bör tillsammans med specificeringen av den publicerade informationen, Good/Bad News, ses som ett led i robusthetstestet. Med bakgrund av syftet visar endast 1 av 144 regressioner ett signifikant samband. Observationen illustreras i Tabell 6 på rad 5; AR5 3max 3min Baisse. Av 144 regressioner utgör grundsyftet, Hausse och Baisse, 24 stycken. Av regressionerna i grundsyftet finns ett (1) signifikant samband. Således är 4,2% (1/24) hänförbara till syftet. Andelen signifikanta samband hänförliga till syftet är lågt. Det kan vara en effekt av slumpfaktorer. Ur robusthetstestet kan urskönjas en tendens att de signifikanta sambanden hänförs till Baisse, bad news och Baisse bad news. Om de uppkommit genom slumpen, skulle troligtvis inte tendens identifieras. Samband saknas för AR10 varför tendensen inte är övertygande. Coefficients Försök Regression Adj. R Square Constant Signifikans ERC Signifikans Antal 1 AR20 3max 3min Baisse Bad news 0,161 0,083 0,10% 0,261 1,10% 34 1 AR20 3 max 3 min Bad news 0,109 0,07 0,00% 0,195 0,50% 61 2 AR20 3max 3min Baisse Bad news 0,161 0,083 0,10% 0,261 1,10% 36 2 AR20 3 max 3 min Bad news 0,063 0,063 0,00% 1,69 2,80% 62 2 AR5 3 max 3 min Baisse 0,051 0,022 1,90% 1,068 4,70% 59 3 R5 3 max 3 min Baisse 0,051 0,022 1,90% 1,068 4,70% 56 3 R20 3 max 3 min Bad news 0,063 0,063 0,00% 1,69 2,80% 60 3 R20 3max 3min Baisse Bad news 0,146 0,08 0,10% 2,421 1,20% 32 4 R5 3 max 3 min Baisse 0,056 0,034 0,20% 1,308 4,30% 57 Tabell 6 25