Tillkännagivandet av nyemissioner - Abnormal avkastning och faktorer som påverkar
|
|
- Lisa Danielsson
- för 6 år sedan
- Visningar:
Transkript
1 Tillkännagivandet av nyemissioner - Abnormal avkastning och faktorer som påverkar Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet VT 2019 Datum för inlämning: Ellen Pettersson Yusef Fröbom Handledare: Joachim Landström 0
2 Sammandrag Det finns flera studier på hur aktiemarknaden reagerar vid tillkännagivandet av nyemissioner och resultaten är blandade beroende på vilken aktiemarknad det är som undersöks. Syftet med studien är att undersöka om det uppstår någon abnormal avkastning vid tillkännagivandet av en nyemission för företag noterade på NASDAQ OMX Stockholm. Vidare undersöker studien hur företagsstorlek, serieemittering och bakomliggande motiv påverkar den abnormala avkastningen. En eventstudie används för att studera tillkännagivandet av nyemissioners aktiekurspåverkan. Urvalet består av 278 nyemissioner genomförda mellan åren Resultatet visar att det finns en negativ abnormal avkastning vid tillkännagivandet av en nyemission samt att företagsstorlek har en positiv påverkan på den abnormala avkastningen vid tillkännagivandet av en nyemission. För serieemittering och bakomliggande motiv finner studien inget statistiskt samband med den kumulativa abnormala avkastningen. Nyckelord: Nyemission, abnormal avkastning, företagsstorlek, serieemittering, bakomliggande motiv
3 Innehållsförteckning 1 Inledning Problematisering Frågeställning 2 2 Litteraturöversikt Abnormal avkastning och effektiva marknadshypotesen Faktorer som påverkar den abnormala avkastningen Företagsstorlek Serieemittering Bakomliggande motiv med nyemission 6 3 Metod Eventstudie Event och eventfönster Estimeringsfönster Data och urval Kriterier för att inkluderas i studien Bortfall Modellberäkningar för eventstudie Marknadsmodellen Abnormal avkastning Genomsnittlig abnormal avkastning Kumulativ abnormal avkastning Genomsnittlig kumulativ abnormal avkastning Signifikansberäkningar Regressionsmodell Operationalisering av hypoteser Abnormal avkastning vid tillkännagivande Företagsstorlek Serieemittering Bakomliggande motiv 17 4 Empiri Deskriptiv statistik Korrelationsmatris Abnormal avkastning 21
4 4.3 Regressionsanalys 22 5 Analys Abnormal avkastning Företagsstorlek Serieemittering Bakomliggande motiv 26 6 Slutsats Förslag till vidare forskning 27 Referenser 29
5 1 Inledning 1.1 Problematisering Hur reagerar marknaden vid tillkännagivandet av en nyemission och vilka faktorer påverkar hur aktiemarknaden reagerar? Det kan leda till olika konsekvenser, beroende på om det blir en positiv, negativ eller neutral reaktion, för både det emitterande företaget och investerarna. Vid framtida finansiella beslut är det därför väsentligt att veta hur marknaden reagerar vid tillkännagivandet av en nyemission. Tidigare studier från amerikanska och kinesiska aktiemarknaden finner, att när ett beslut eller indikation offentliggörs om att en nyemission kommer äga rum, reagerar aktiemarknaden med en negativ abnormal avkastning (Affleck- Graves och Spiess, 1995; Liu et al. 2016). Det finns även studier som visar det motsatta. På den japanska aktiemarknaden tenderar tillkännagivandet av en nyemission istället leda till en positiv abnormal avkastning (Kang och Stulz, 1996). Marknadens reaktion påverkas av olika faktorer vid tillkännagivandet av en nyemission. Affleck-Graves och Spiess (1995) finner att storleken på företagen har betydelse för hur stor den abnormala avkastningen blir vid tillkännagivandet av en nyemission. D Mello, Tawatnuntachai och Yaman (2003) visar att serieemittering i genomsnitt ger en mindre negativ abnormal avkastning för varje nytt tillkännagivande. Walker och Yost (2008) menar att marknaden reagerar olika beroende på vilket bakomliggande motiv företaget uppger att de har med nyemissionen. Gemensamt för studierna är att det förekommer en abnormal avkastning vid tillkännagivandet av en nyemission. Mycket av den forskning som finns inom området på marknadsreaktioner vid tillkännagivandet av nyemissioner har genomförts på utländska aktiemarknader (Affleck-Graves och Spiess, 1995; Walker och Yost, 2008; Barnes och Walker, 2006; D Mello, Tawatnuntachai och Yaman, 2003; Kang och Stulz, 1996). Det finns inte lika många studier genomförda på den svenska aktiemarknaden där Cronqvist och Nilsson (2005) bland annat finner att marknaden reagerar med en positiv abnormal avkastningen vid dagen för tillkännagivandet. Det Cronqvist och Nilsson (2005) fokuserar på i sin studie är om det finns någon skillnad i den abnormala avkastningen beroende på om nyemissionen är riktad eller med företrädesrätt för aktieägarna vid tillkännagivandet. Några andra faktorer, som företagets storlek, bakomliggande motiv och serieemittering, är inte lika 1
6 studerat för den svenska aktiemarknaden. Det är därför av intresse för såväl aktieägare som det emitterande företaget att studera om den svenska aktiemarknadens reaktion om abnormal aktieavkastning även påverkas av dessa faktorer och om reaktionen i så fall är positiv eller negativ. 1.2 Frågeställning Leder tillkännagivandet av en nyemission för företag noterade på NASDAQ OMX Stockholm till en abnormal avkastning? Och hur påverkar ett företags storlek, serieemittering och bakomliggande motiv den abnormala avkastningen vid tillkännagivandet av en nyemission? 2
7 2 Litteraturöversikt 2.1 Abnormal avkastning och effektiva marknadshypotesen Abnormal aktieavkastning innebär att aktieavkastningen skiljer sig ovanligt mycket jämfört med hur aktiekursen i normalfallet fluktuerar i förhållande till aktiemarknaden som helhet. Det kan uppstå i samband med att oförutsedda händelser inträffar. Tillkännagivandet av en nyemission kan räknas in under begreppet oförutsedda händelser och i Sverige måste genomförandet av en nyemission gå i linje med bestämmelserna i aktiebolagslagen (SFS 2005:551). Dessa styr över processen från det att ett förslag om nyemission upprättas, till det att beslutet är fattat. Så fort ett beslut är fattat måste allmänheten underrättas genom ett pressmeddelande. När ny information når aktiemarknaden finns det ett antagande om att aktiepriserna direkt anpassar sig efter den nya informationen enligt den effektiva marknadshypotesen och den semi-starka formen av marknadseffektivitet (Fama, 1970). Den semi-starka formen är en av tre former av marknadseffektivitet och innebär att ny publik information direkt fångas upp av aktiemarknaden och reflekteras i priserna (Fama, 1970). Scholes (1969) presenterar bevis som stöder den semi-starka formen av marknadseffektivitet specifikt för tillkännagivandet av nyemissioner. Studien genomförs på nyemissioner mellan åren och kommer fram till att all information som ingår i nyemissionen återspeglas till fullo i aktiepriserna (Scholes, 1969). Detta baseras på att de ackumulerade genomsnittliga residualerna ökat något innan offentliggörandet av nyemissionen och efter tillkännagivandet uppträder slumpartat (Scholes, 1969). I och med att residualerna ökar innan tillkännagivandet av nyemissionen menar Scholes (1969) att nyemissionerna ges ut i gynnsamma förhållanden. Om marknaden är effektiv finns inget utrymme för abnormala avkastningar på aktiemarknaden över en längre tid. Tidigare studier är däremot överens om att marknaden, ur ett kortsiktigt perspektiv, reagerar med en abnormal avkastning vid tillkännagivandet av en nyemission (Liu et al. 2016; Kang och Stulz, 1996; Cronqvist och Nilsson, 2005; Iqbal, 2008). Hur marknaden reagerar finns det däremot blandade resultat kring. Liu et al. (2016) samt Iqbal (2008) finner att marknaden reagerar med en negativ abnormal avkastning på - 0,14 % respektive -1,48 %. Kang och Stulz (1996) finner däremot att marknaden reagerar positivt vid tillkännagivandet av en nyemission med 0,45 %. Cronqvist och Nilsson (2005) 3
8 finner liksom Kang och Stulz (1996) att aktiemarknaden reagerar med en positiv abnormal avkastning, men presenterar resultaten uppdelade över företrädesemissioner, 0,37 %, och riktade emissioner, 7,27 %. Eftersom det förekommer både negativa och positiva abnormala avkastningar vid tillkännagivandet av en nyemission formuleras studiens första hypotes som följer: Hypotes 1: Tillkännagivandet av en nyemission leder till en abnormal avkastning Många av de studier som undersöker marknadens reaktion vid tillkännagivandet av en nyemission har genomförts på utländska aktiemarknader. Cronqvist och Nilsson (2005) studerar däremot nyemissioner som genomförs på Stockholm Stock Exchange och SBI Marknadsplats mellan åren Det författarna undersöker är vad som ligger till grund för valet av nyemissionstyp (riktad nyemission eller en nyemission med företrädesrätt) och studerar i synnerhet tre avgörande faktorer: företagskontroll, moral hazard och negativt urval (Cronqvist och Nilsson, 2005). Författarna kommer fram till att riktade emissioner tas emot av marknaden med en positiv abnormal avkastning på 7,27 % som är statistiskt säkerställt, för företrädesemissioner finner studien inte något statistiskt signifikant resultat (Cronqvist och Nilsson, 2005). 2.2 Faktorer som påverkar den abnormala avkastningen Företagsstorlek Affleck-Graves och Spiess (1995) finner att storleken på företagen har betydelse för hur stor den abnormala avkastningen blir vid tillkännagivandet av en nyemission. Små företag genererar en negativare abnormal avkastning i större utsträckning än stora företag, men att den negativa abnormala avkastningen är som högst för medelstora företag (Affleck-Graves och Spiess, 1995). Studien av Affleck-Graves och Spiess (1995) undersöker den abnormala avkastningen med fokus på ett långsiktigt perspektiv och använder data från 1975 till Under en treårsperiod visar alla företag som genomfört en nyemission en negativ abnormal avkastning, där den negativa abnormala avkastningen är mindre negativ för de större företagen (Affleck-Graves och Spiess, 1995). 4
9 På aktiemarknaden i Taiwan erhåller små företag en högre abnormal avkastning än större företag vid tillkännagivandet av en nyemission (Shu och Chiang, 2014). För små företag visar studien ett positivt resultat, en dag respektive en vecka efter tillkännagivandet. Efter en vecka däremot visar studien att avkastningen för stora företag är högre än för små företag. De små företagen har en genomsnittlig abnormal avkastning på -0,936 %, dagen efter tillkännagivandet, medan de större företagen ligger på -1,934 %. Shu och Chiang (2014) menar att skillnaden beror på att större företag använder sig mer utav periodiseringar medan mindre företag oftast väljer att tillkännage en nyemission vid rätt tillfälle. Urvalet är från 1996 till 2008 (Shu och Chiang, 2014). Kang och Stulz (1996) undersöker 875 nyemissioner på Tokyo Stock Exchange mellan åren och finner även de ett negativt samband mellan företagsstorlek och abnormal avkastning. Kang och Stulz (1996) menar att ju högre marknadsvärde företaget erhåller, desto negativare blir den abnormala avkastningen vid tillkännagivandet av en nyemission. Detta menar Kang och Stulz (1996) beror på att mindre företag har högre skuldsättningsgrad än större företag. Eftersom vi vill undersöka den kortsiktiga effekten av tillkännagivandet av nyemissioner och Shu och Chiang (2014) samt Kang och Stulz (1996) ger indikationer om att små företag inte får en lika stor negativ reaktion efter tillkännagivandet som stora företag får, formulerar vi följande hypotes: Hypotes 2: Små företag får en mindre negativ abnormal avkastning vid tillkännagivandet av en nyemission än större företag Serieemittering D Mello, Tawatnuntachai och Yaman (2003) undersöker hur den abnormala avkastningen påverkas av serieemittering. Studien visar att marknaden i genomsnitt reagerar med en mindre negativ abnormal avkastning vid tillkännagivandet för varje nyemission än den föregående. Studien genomförs på företag som gjort från två upp till sju nyemissioner mellan åren (D Mello, Tawatnuntachai och Yaman, 2003). Företagen visar en genomsnittlig abnormal avkastning på -1,2 % vid tillkännagivandet för första nyemissionen, -1,37 % för den andra i ordningen, och -0,95 % för den tredje i ordningen. Utöver dessa visar 5
10 även den femte nyemissionen i ordningen ett genomsnitt på -0,94 %. Den 4:e, 6:e och 7:e utgivna nyemissionen visar inga signifikanta resultat (D Mello, Tawatnuntachai och Yaman, 2003). Iqbal (2008) undersöker 569 nyemissioner på den brittiska aktiemarknaden mellan åren och finner ett liknande mönster som D Mello, Tawatnuntachai och Yaman (2003) för varje nyemission erhålls en mindre abnormal avkastning än den föregående utgivna nyemissionen. För de företag som har gjort två nyemissioner under perioden, visar den genomsnittliga abnormala avkastningen -2,23 % för den första och -1,10 % för den andra (Iqbal, 2008). Bland företag som emitterat fyra nyemissioner visar den första -2,38 %, den andra -2,11 %, den tredje -1,15 % och den fjärde -0,54 % (Iqbal, 2008). Enligt både D Mello, Tawatnuntachai och Yaman (2003) samt Iqbal (2008) beror minskningen av den negativa effekten på att informationsassymetrin minskar för varje sekventiellt utgiven nyemission, vilket medför att företag vet när de ska ge ut aktier för att reducera kostnader som uppkommer tillsammans med en nysemmission. Företagen väljer också att ge ut en större summa för varje nyemission, vilket leder till att de fasta kostnaderna blir relativt låga. Då både D Mello, Tawatnuntachai och Yaman (2003) samt Iqbal (2008) erhåller liknande resultat för serieemittering formulerar vi studiens tredje hypotes enligt följande: Hypotes 3: Vid tillkännagivandet av en nyemission är den abnormala avkastningen för varje nyutgiven nyemission mindre negativ än den föregående nyemissionen Bakomliggande motiv med nyemission En annan faktor, som kan påverka den abnormala avkastning vid tillkännagivandet av en nyemission, är vilket bakomliggande motiv företaget säger att de har med nyemissionen. Walker och Yost (2008) undersöker detta genom en studie bestående av 438 företag som genomförde nyemissioner mellan åren Studien kommer fram till att om det bakomliggande motivet med nyemissionen har ett investeringssyfte reagerar marknaden med en negativ abnormal avkastning på -2,18 % (Walker och Yost, 2008). Om motivet till nyemissionen istället är generella ändamål reagerar marknaden med en negativ abnormal avkastning på - 3,20 % och om motivet är skuldreducering blir reaktionen -3,26 % (Walker 6
11 och Yost, 2008). Walker och Yost (2008) hävdar att anledningen till varför investeringsrelaterade motiv erhåller en mindre negativ abnormal avkastning än både skuld och generella ändamål beror på att marknaden ser det som ett tecken på att företagets tillväxt är god. Enligt Walker och Yost (2008) beror detta på att investerare enbart vill investera i företag som förväntas ha ett positivare framtida värde med specifika planer på hur de ska åstadkomma detta. Skuldreducerande motiv visar att företag vill få ner skulder och därmed kunna stabilisera sin finansiella position, men omfattas oftast inte av någon tydlig plan på hur en framtida vinst eller avkastning ska uppnås och därför reagerar marknaden mer negativt (Walker och Yost, 2008). Att använda generella ändamål som motiv till nyemissionen anses vara för oklart för att investerare ska kunna lita på att finanserna kommer användas på rätt sätt (Walker och Yost, 2008). Tydliga investeringsplaner ger en bra överblick på hur finanserna kommer att användas samt vilka framtida mål, och därmed förväntad vinst, som ska försöka uppnås och är därför att föredra för att få en positivare reaktion av marknaden (Walker och Yost, 2008). Iqbal (2008) undersöker det bakomliggande motivet för ytterligare två kategorier, okänt samt förvärv, och finner att för de företag som har motivet att förvärva nya tillgångar reagerar marknaden med en genomsnittlig kumulativ abnormal avkastning på -1,39 % och de som har ett okänt motiv -2,34 %. För de företag som har investeringsplaner finner Iqbal (2008) att marknaden reagerar med -1,28 %, de som fokuserar på skuldreducering med -2,43 %, och övriga bakomliggande motiv med -2,20 %. Både Walker och Yost (2008) samt Iqbal (2008) finner således bevis för att vad företagen säger att motivet med nyemission är påverkar den abnormala avkastningen vid tillkännagivandet av en nyemission. Forskningen tyder därmed på att ett motiv som avser skuldreducering i genomsnitt leder till en negativare abnormal avkastning än om företaget istället visar att motivet med nyemissionen är investeringsrelaterade. Även mer generella och otydliga motiveringar leder till en mindre negativ abnormal avkastning än skuldrelaterade motiv. Utifrån ovanstående formulerar vi följande hypotes: Hypotes 4: Företag med skuldrelaterade motiv har en negativare påverkan av den abnormala avkastningen än investeringsrelaterade och generella ändamål. 7
12 3 Metod 3.1 Eventstudie För att testa våra hypoteser har vi valt att göra en eventstudie. Eftersom en eventstudie mäter effekten av en viss händelse, som direkt kan reflekteras i aktiepriset, bedömer vi att det är ett bra mått för att mäta den abnormala avkastningen efter tillkännagivandet av nyemissioner (MacKinlay, 1997). Även liknande studier, så som Walker och Yost (2008), Iqbal (2008) samt Kang och Stulz (1996) använder eventstudie som metod Event och eventfönster För att kunna genomföra en eventstudie behöver studiens event och eventfönster definieras (MacKinlay, 1997). Eventet i studien är dagen för tillkännagivandet av nyemissionen och kommer benämnas som t0. Vid intresset av att fånga upp marknadsreaktioner kring dagen för tillkännagivandet av nyemissionen är det vanligt att använda ett eventfönster som sträcker sig från en dag innan eventet till en dag efter eventet, eftersom det fångar upp eventuell abnormal avkastning som kan hänföras till eventet (MacKinlay, 1997). Då vi är intresserade av att se om tillkännagivandet av en nyemission ger upphov till någon abnormal avkastning kommer ett eventfönster på tre dagar användas, dagen innan tillkännagivandet, t-1, dagen för tillkännagivandet, t0, samt dagen efter tillkännagivandet av nyemissionen, t+1. Detta går även i linje med hur tidigare studier definierat eventfönstret (Cronqvist och Nilsson, 2005; Iqbal, 2008) Estimeringsfönster För att kunna beräkna den abnormala avkastningen behöver den normala avkastningen beräknas. Detta görs med hjälp av ett estimeringsfönster som uppskattar hur aktieavkastningen hade varit om eventet i fråga inte inträffat (MacKinlay, 1997). För att undvika att eventet påverkar estimeringen av den normala avkastningen bör själva eventet inte inkluderas i estimeringsfönstret (MacKinlay, 1997). Vanligast är därför att utgå från en period innan eventet och att event och estimeringsfönstret inte överlappar varandra (MacKinlay, 1997). Armitage (1995) menar på att ju kortare estimeringsfönstret är desto lättare är det att identifiera abnormal avkastning, men att ett estimeringsfönster på minst 100 8
13 dagar är nödvändigt för att få tillförlitliga parameterskattningar till marknadsmodellen. Vidare lyfter Armitage (1995) fram en jämförelse mellan ett estimeringsfönster på 239, 89 och 39 dagar som visar på att det endast förekommer en liten avvikelse i skattningarna av parametrarna. För att estimera den normala avkastningen använder Iqbal (2008) samt D Mello, Tawatnuntachai och Yaman (2003) ett estimeringsfönster på 230 dagar, Walker och Yost (2008) använder ett något kortare estimeringsfönster på 200 dagar och Cronqvist och Nilssons (2005) använder ett ännu kortare estimeringsfönster på 179 dagar. MacKinlay (1997) förespråkar däremot ett estimeringsfönster på 120 dagar. Iqbal (2008) lyfter fram risken med att ha ett för långt estimeringsfönster, då det finns en risk för att estimeringsfönstret överlappar en tidigare genomförd nyemission, vilket gör att parameterskattningarna inkluderar reaktionen från en tidigare nyemission. Eftersom det finns bevis för att längden på estimeringsfönstret inte har någon större betydande effekt av skattningen av den normala avkastningen väljer vi att gå i linje med MacKinlays (1997) estimeringsfönster på 120 dagar eftersom det är en standardiserad och beprövad längd för eventstudier. Studiens estimeringsfönster är således på 120 dagar med en början av 130 dagar före eventet och slut 10 dagar innan eventet. Att vi väljer att avsluta estimeringsfönstret 10 dagar innan eventet är för att undvika att få med exempelvis effekten av informationsläckage i uppskattningen, vilket går i linje med vad MacKinlay (1997) skriver om. Figur 2. En tidslinje över eventstudien. Figuren illustrerar studiens estimerings- och eventfönster. Estimeringsfönsteret sträcker sig från t-130 till t-11. Där t-130 står för 130 handelsdagar innan eventfönstret och t-11 för 10 handelsdagar innan dagen för eventet. Eventfönstert sträcker sig från t-1 till t+1. Där t-1 är en handelsdag innan eventet och t+1 är en handelsdag efter eventet. t0 är tidpunkten för eventet. Figuren är inte skalenlig. 9
14 3.1.3 Data och urval Studiens urval består av noterade företag på Nasdaq OMX Stockholm som genomfört en eller flera nyemissioner under åren Tidsperioden har valts med bakgrund till att undvika den finansiella kris som uppstod under 2008 och till att få ett så stort urval som möjligt, vilket ger oss 2018 som slutår eftersom det är det sista hela året som har tillgängliga aktiedata. En undersökningsperiod på omkring 10 år går dessutom i linje med tidigare studier för nyemissionens påverkan av den abnormala avkastningen vid tillkännagivandet (Walker och Yost, 2008; Iqbal, 2008). För att få tillgång till vilka företag som genomfört nyemissioner har webbplatsen nyemissioner.se använts. Där listas alla nyemissioner som genomförs på Nasdaq OMX Stockholm. Studien omfattar sekundära data där vi manuellt samlat in informationen. För att få reda på det exakta datumet där företagen beslutat om eller föreslagit nyemissionen har vi utgått från pressmeddelanden. Företagen är skyldiga att enligt Aktiebolagslagen (SFS 2005:551) offentliggöra informationen och är sedan tvingade till att behålla pressmeddelanden på sina företags respektive hemsidor för allmänheten under fem år (Nasdaq OMX Stockholm, 2019). Utifrån pressmeddelanden går det även att få tag på företagens bakomliggande motiv med nyemissionen. Företagens storlek bestäms utifrån det genomsnittliga marknadsvärdet. Aktiedata, företagens marknadsvärden och aktieindex till marknadsmodellen är insamlade från databasen Thomson Reuters Eikon. Aktiedata består av totalavkastningen för företagen, vilket ger en bra uppfattning om hur aktien presterat, då den tar hänsyn till både aktiens kursutveckling och utdelningar. Marknadsvärdet som används är ett konsoliderat marknadsvärde för företaget som tar hänsyn till alla olika aktier som företaget ger ut Kriterier för att inkluderas i studien 1. Företagen ska ha varit eller vara noterade på Nasdaq OMX Stockholm och ha varit börsnoterat innan tillkännagivandet av nyemissionen 2. Företaget ska ha genomfört minst en nyemission inom tidsperioden Tillgängliga och fullständiga aktiedata 10
15 3.1.4 Bortfall På Nasdaq OMX Stockholm har det under perioden genomförts 360 nyemissioner av 185 unika företag. Alla företag som uppgett att de genomför en nyemission i samband med börsintroduktion faller dock bort eftersom studien kräver aktiedata för beräkningarna till estimeringsfönstret på 130 dagar innan tillkännagivandet av nyemissionen. Det förekommer företag som avbrutit nyemissionen och dessa räknas inte med i studien med anledning av att avbrottet skett i nära anslutning till tillkännagivandet av nyemissionen och eftersom ingen faktisk nyemission äger rum. Dessutom saknas det komplett aktiedata för en del av företagen som antingen är ogiltig eller otillgänglig. Studiens urval består därför av 278 nyemissioner av 128 unika företag. En sammanställning av bortfall går att se i tabell 1 nedan. Tabell 1. Presentation av studiens bortfall och dataurval 3.2 Modellberäkningar för eventstudie Marknadsmodellen För att ta reda på den abnormala avkastningen måste först den förväntade avkastningen beräknas. Den förväntade avkastningen beräknas över estimeringsfönstret och uppskattar hur aktiekursen skulle ha sett ut om eventet i fråga inte inträffat (MacKinlay, 1997). För att ta reda på den förväntade avkastningen utgår vi från marknadsmodellen som MacKinlay (1997) presenterar. Marknadsmodellen visar sambandet mellan den normala avkastningen av en aktie och avkastningen på marknadsindex, där hänsyn tas till respektive företags risk på marknaden (MacKinlay, 1997). Marknadsindexet som vi valt att utgå från i beräkningarna av den normala avkastningen är OMXSGI, som är ett aktieindex över stockholmsbörsens samtliga aktier där det tas hänsyn till både aktieutveckling och utdelningar. Fördelen med att använda marknadsmodellen som estimat för den förväntade avkastningen är att till skillnad från andra modeller reducerar marknadsmodellen variansen för 11
16 avkastningen, vilket i sin tur gör det lättare att identifiera en specifik händelse och dess påverkan (MacKinlay, 1997). Marknadsmodellen beräknar förväntad avkastning enligt följande modell: R it = α i + β ir mt + ε it R it = Avkastning på aktie i R mt = Avkastning på marknadsindex t = Tidsperioden α ii = Alfa β i = Beta ε it = Fel term Med antaganden om att E(ε it = 0) och var(ε it ) = σ Abnormal avkastning Den abnormala avkastningen behövs för att se eventuella effekter av nyemissionen på aktiemarknaden. Med hjälp av skattningen från marknadsmodellen kan vi beräkna den abnormala avkastningen, vilket görs genom att subtrahera den förväntade avkastningen från den faktiska avkastningen (MacKinlay, 1997). Enligt följande modell beräknas den abnormala avkastningen: AR it = R it α i β ir mt AR it = Abnormal avkastning R it = Faktisk avkastning för aktie i α i= Alfa β i=beta R mt = Marknadens avkastning 12
17 Genomsnittlig abnormal avkastning Genom att summera den abnormala avkastningen och sedan dividera med antalet event fås den genomsnittliga abnormala avkastningen fram (MacKinlay, 1997). Detta görs enligt modellen nedan: N AAR τ = 1 N AR iτ i=1 AAR τ = Genomsnittlig Abnormal avkastning för tidsperiod t N= Antal event AR iτ = Abnormal avkastning för aktie i för tidsperiod t Kumulativ abnormal avkastning Kumulativ abnormal avkastning (CAR) beräknas genom att summera ihop den abnormala avkastningen för alla dagar under händelseförloppet (MacKinlay,1997). Enligt följande modell: τ 2 CAR i (τ 1 τ 2 ) = AR iτ τ=τ 1 CAR i (τ 1 τ 2 )= Kumulativ abnormal avkastning för aktie i mellan tidsperioden t1 och t2 AR iτ = Abnormal avkastning för aktie i för tidsperiod t Genomsnittlig kumulativ abnormal avkastning Eftersom det skett flera nyemissioner under tidsperioden är det viktigt att kunna uppskatta ett genomsnitt för händelserna, vilket den genomsnittliga kumulativa abnormala avkastningen används för. Den genomsnittliga kumulativa abnormala avkastningen beräknas i sin tur genom att summera den genomsnittliga abnormala avkastningen under tidsperioden t1- t2 (MacKinlay, 1997). Enligt följande modell: 13
18 τ 2 ACAR(τ 1 τ 2 ) = AAR iτ τ=τ 1 ACAR(τ 1 τ 2 )= Genomsnittlig kumulativ abnormal avkastning för aktie i mellan tidsperioden t1 och t2 AR iτ = Genomsnittlig abnormal avkastning för tidsperiod t Signifikansberäkningar För att undersöka om den genomsnittliga kumulativa abnormala avkastningen är statistiskt signifikant genomförs ett t-test. För att kunna genomföra beräkningen för t-testet behövs variansen för både den genomsnittliga abnormala avkastningen och den genomsnittliga kumulativa avkastningen (MacKinlay, 1997). Enligt följande modeller nedan: N var(aar τ ) = 1 N 2 σ εt 2 i=1 var(aar τ ) = Variansen för den genomsnittliga abnormala avkastningen för tidsperiod t N= antal event σ 2 εt = Varians för felterm för aktie i för tidsperiod t var(acar(τ 1 τ 2 )) = var(aar τ ) τ 2 τ=τ 1 var(acar(τ 1 τ 2 ))=Variansen för den genomsnittliga kumulativa abnormala avkastningen mellan tidsperioden t1 och t2 var(aar τ ) = Variansen för den genomsnittliga abnormala avkastningen för tidsperiod t Beräkningen för t-testet görs genom att dividera den genomsnittliga kumulativa abnormala avkastningen med roten ur variansen för dito. På så vis kan det fastställas om den genomsnittliga kumulativa abnormala avkastning är statistiskt signifikant skiljt från noll. Beräkningen görs enligt följande modell: 14
19 θ 1 = ACAR(τ 1 τ 2 ) ~ N(0,1) var(acar(τ 1 τ 2 )) 1/2 ACAR(τ 1 τ 2 )= Genomsnittlig kumulativ abnormal avkastning för aktie i mellan tidsperioden t1 och t2 var(acar(τ 1 τ 2 ))=Variansen för den genomsnittliga kumulativa abnormala avkastningen mellan tidsperioden t1 och t2 3.3 Regressionsmodell De olika variablernas effekt på den kumulativa abnormala avkastningen, CAR, analyseras genom en multipelregressionsmodell. Fördelen med en multipelregressionsmodell är att styrkan av sambandet mellan den beroende variabeln mäts genom flera oberoende variabler. Vår analysmodell består av en beroende variabel, CAR, och fyra oberoende variabler. De oberoende variablerna är logaritmerad företagsstorlek (ln MVC), serieemittering (SERIE) samt de bakomliggande motiven investering och övrigt (Dummy Investering och Dummy Övrigt). CAR i = β 0 + β 1 ln MVC i + β 2 SERIE + β 3 Dummy Investering i + β 4 Dummy Övrigt i ε i CAR i = Kumulativ abnormal avkastning för aktie i β 0 = Regressionsmodellens intercept β 1 β 4 = Regressionsmodellens koefficienter för respektive variabel ε i = Felterm för aktie i, antas vara Operationalisering av hypoteser Den första hypotesen kommer testas med ett tvåsidigt hypotestest då tidigare studier ger olika resultat för om marknadsreaktionen är positiv eller negativ vid tillkännagivandet av en nyemission. Hypoteserna 2, 3 och 4 gällande företagsstorlek, serieemittering och bakomliggande motiv, förväntas däremot påverka den abnormala avkastningen åt ett håll, positivt eller negativt. Därför kommer dessa tre hypoteser testas med ensidiga hypotestest. Nedan görs en genomgång av operationaliseringen av våra hypoteser. 15
20 3.4.1 Abnormal avkastning vid tillkännagivande Hypotes 1 yrkar på att tillkännagivandet av en nyemission leder till en abnormal avkastning och kommer testas genom signifikansberäkningarna i kapitel Företagsstorlek Små företag förväntas få en mindre negativ abnormal avkastning vid tillkännagivandet av en nyemission än större företag som hypotes 2 lyder. Vi kommer testa om företagets genomsnittliga logaritmerade marknadsvärde har ett negativt samband med den kumulativa abnormala avkastningen. Marknadsvärdet kommer logaritmeras i regressionen, med den naturliga logaritmen. Detta går i linje med tidigare studier av Kang och Stulz (1996) samt Shu och Chiang (2014) som logaritmerade sina marknadsvärden i regressionsmodellen för att finna samband mellan företagsstorleken och den abnormala avkastningen. Dessutom innebär en logaritmering att variabeln för marknadsvärdet blir mer normalfördelad. Företagets genomsnittliga marknadsvärde beräknas utifrån företagets marknadsvärden under eventfönstret och benämns som ln MVC i regressionsmodellen Serieemittering Hypotes 3 menar på att för varje nyemission som ett företag emitterar förväntas den abnormala avkastningen bli positivare. För att kunna mäta om serieemittering har ett positivt samband med den kumulativa abnormala avkastningen kommer varje nyemission tilldelas en siffra för den i ordningen genomförda nyemissionen. Om ett företag genomfört exempelvis 3 nyemissioner inom tiden för undersökningen kommer den första nyemissionen tilldelas siffran 1 den andra i ordningen siffran 2 och den tredje i ordningen genomförda nyemissionen siffran 3. Variabeln benämns som SERIE i regressionsmodellen och blir således en diskret variabel, då den endast kan anta hela positiva värden. Iqbal (2008) testar sambandet mellan serieemittering och abnormal avkastning genom att skapa en dummyvariabel för regressionsmodellen där företag som genomfört flera nyemissioner tilldelades siffran 1 och de som endast genomfört en nyemission siffran 0. Regressionen gav dock inget signifikant samband (Iqbal, 2008). 16
21 En begränsning med studien är att den inte tar hänsyn till om företagen som inkluderas har genomfört några nyemissioner innan studiens undersökningsperiod från Detta är främst ett problem med antagandet om att marknaden reagerar mindre negativt vid tillkännagivandet av en nyemission eftersom informationsassymmetrin minskar för varje ytterligare utgiven nyemission. Detta innebär att den första nyemissionen av ett företag i studiens urval i självaste verket inte nödvändigtvis är den första nyemissionen i ordningen för det företaget, vilket medför att graden av minskad informationsassymetri kan vara uppnådd och att effekten av att ge ut ytterligare en nyemission avtagit. Om detta skulle gälla för flertalet företag i studien skulle sambandet med den abnormala avkastningen kunna bli missvisande Bakomliggande motiv Hypotes 4 yrkar på att företag med skuldrelaterade motiv leder till en negativare abnormal avkastning än vad investeringsrelaterade motiv och generella ändamål gör. Walker och Yost (2008) grupperade de bakomliggande motiven i tre kategorier: investeringar, generella ändamål och skuldreducering. Vi har valt att använda oss av en liknande indelning, för att enklare kunna jämföra resultaten. Indelningen i de olika kategorierna baseras på vad företaget uppger att det primära syftet med nyemissionen är eller dit emissionslikviden främst kommer gå. De företag som på något sett uppger att emissionslikviden kommer gå till en investering, finansiering av förvärv, expansion eller utveckling hamnar i kategori 1 Investeringar. De företag som uppger att syftet med nyemissionen är att stärka den finansiella ställningen eller öka kapitalet för generella ändamål tillfaller kategori 2 Övrigt. Slutligen de företag som uppger att motivet är att återbetala skulder eller minska företagets skuldsättningsgrad går in under kategori 3 Skuld. De bakomliggande motiven delas således upp i tre grupper: investeringar, övrigt och skuld. För att kunna jämföra de tre olika bakomliggande motivens samband med den abnormala avkastningen kommer dummy-variabler användas i regressionsmodellen. Varje motiv tilldelas siffran 1 för den erhållna kategorin och 0 för de två övriga kategorierna. Dummyvariabler är gruppjämförelser, vilket innebär att en av de valda kategorierna måste agera som referensgrupp. Detta görs även för att undvika multikollinaritet mellan de bakomliggande motiven. Då hypotes 4 ämnar testa om skuld har ett mer negativt samband med den 17
22 kumulativa abnormala avkastningen än investeringar och övriga motiv kommer skuldrelaterade motiv sättas som referensgrupp i regressionsmodellen. Regressionsanalysen kommer därmed visa hur effekten av den kumulativa abnormala avkastningen skiljer investeringsmotiven samt de övriga motiven från skuldmotiven. 18
23 4 Empiri 4.1 Deskriptiv statistik Beskrivande statistik för de olika variablerna som är en del av den multipla regressionsmodellen presenteras nedan. Dummy-variablerna för de tre bakomliggande motiven (investeringar, övrigt och skuld) presenteras inte i tabellen. Det saknar relevans att studera en dummy-variabels beskrivande statistik, eftersom variabeln endast erhåller värdet 1 eller 0. Tabell 2. Deskriptiv statistik över de olika variablerna Tabellen visar antalet enheter som ingår i sammanfattningen av den deskriptiva statistiken, N. Medel står för medelvärde. p5 står för den 5:e percentilen, p25 står för 25:e percentilen, p50 står för 50:e percentilen, p75 står för 75:e percentilen och p95 står för 95:e percentilen. Stand.av står för standardavvikelse. CAR står för kumulativ abnormal avkastning för aktie i, ln MVC står för det genomsnittliga logaritmerade marknadsvärdet för aktie i över eventfönstret och SERIE står för serieemittering. Studiens urval består av 278 nyemissioner som alla är med i den deskriptiva beskrivningen. Medelvärdet är känsligt för extremvärden, vilket medianen (p50) inte är lika känslig för. Då alla variablernas medelvärden och medianer (p50) ligger i närheten av varandra går det att se att inga extremvärden förekommer i urvalet, vilket är en indikation på att urvalet är någorlunda normalfördelat. Medelvärdet för kumulativ abnormal avkastning är dock något mer negativt än för den 50:e percentilen. Spannet för 95 % av den kumulativa abnormala avkastningen sträcker sig från -0,255 till 0,142 med en standardavvikelse på 0, Korrelationsmatris Tabell 3 presenterar en korrelationsmatris med Pearsons korrelationskoefficient över regressionsmodellens variabler. Ur korrelationsmatrisen går det bland annat att utläsa de oberoende variablernas enskilda korrelation med den beroende variabeln CAR. Variablerna ln MVC, SERIE och de olika dummyvariablerna för bakomliggande motiv har korrelationsvärden nära noll till CAR. Högst korrelation med CAR har ln MVC med ett korrelationsvärde på 0,112. Endast ln MVC av de oberoende variablerna erhåller ett 19
24 signifikant korrelationsvärde med CAR. Korrelationen mellan CAR och ln MVC är svagt positiv och stämmer inte överens med den förväntade riktningen på sambandet, då en positiv korrelation innebär att ett större marknadsvärde leder till en positivare CAR. Tabell 3. Korrelationsmatris över regressionsmodellens variabler *Statistiskt signifikans på 10 %. **Statistiskt signifikant på 5 %. ***Statistiskt signifikant på 1 %. CAR är den beroende variabeln i regressionsmodellen och står för den kumulativa abnormala avkastningen. Ln MVC är logaritmerad genomsnittligt marknadsvärde över eventfönstret. SERIE står för serieemittering. Dummy Investering står för investeringsrelaterade motiv, Dummy Övrigt står för bakomliggande motiv med generella ändamål och Dummy Skuld står för skuldrelaterade motiv. Mellan de oberoende variablerna har ln MVC även statistiskt signifikanta korrelationsvärde med SERIE och Dummy Övrigt med 5% signifikansnivå samt Dummy Investering på 10 % signifikansnivå, men då korrelationsvärdena är relativt nära noll är sambanden emellertid inte särskilt starka. De inbördes korrelationerna mellan de tre olika dummyvariablerna för bakomliggande motiv visar på starka samband och är statistiskt signifikanta på 1 % signifikansnivå. Höga signifikanta korrelationsvärden kan vara en indikation på att det råder multikollinaritet mellan de oberoende variablerna. Det är vanligt för dummy-variabler att ha höga signifikanta samband, vilket inte är konstigt då variablerna endast består av siffrorna 0 och 1. En lösning för att undvika multikollinaritet i regressionsmodellen är att använda ett av de bakomliggande motiven som referensgrupp. För att säkerställa att det inte råder en för hög grad av multikollinaritet mellan variablerna som ingår i regressionsmodellen kan Variance Inflation Factor (VIF) beräknas. Ett högre värde tyder på en högre grad av multikollinaritet. Tumregeln för när VIF-värden når för höga nivåer är omkring 4 10 (O'brien, 2007). Variablernas VIF-värden i regressionsmodellen är mellan 1 och 2. Det kan därför antas att multikollinaritet inte är ett problem. 20
25 4.2 Abnormal avkastning Den genomsnittliga abnormala och kumulativa abnormala avkastningen för eventfönstret presenteras nedan. Tabell 4. Genomsnittlig abnormal avkastning och genomsnittlig kumulativ abnormal avkastning samt t-testens statistiska *Statistiskt signifikant på 10 %. **Statistiskt signifikant på 5 %. ***Statistiskt signifikant på 1 %. Där AAR, står för den genomsnittliga abnormala avkastningen och ACAR står för den genomsnittliga kumulativa abnormala avkastningen. t0 står för tidpunkt 0, dagen för eventet.t-1 står för dagen innan eventet samt t+1 för dagen efter eventet. Dagen innan tillkännagivandet av nyemissionen visar en svagt positiv genomsnittlig abnormal avkastning som är statistiskt signifikant på 1 %. Dagen för tillkännagivandet och dagen efter tillkännagivandet visar på en negativ abnormal avkastning som är statistiskt signifikant på 1 % signifikansnivå. Den genomsnittliga kumulativa abnormala avkastningen visar signifikanta värden för eventfönstrets alla tre intervall med en signifikansnivå på 1 %. 21
26 4.3 Regressionsanalys Genom en multipelregression redovisas de olika faktorernas påverkan på den genomsnittliga abnormala avkastningen nedan. Tabell 5. Multipel regressionsanalys av kumulativ abnormal avkastning för tillkännagivandet av en nyemission *Statististiskt signifikant på 10 %. **Statistiskt signifikant på 5 %. ***Statistiskt signifikant på 1 %. Den statistiska signifikansen utgår från ensidigt t-test. CAR är den beroende variabeln i regressionen och står för kumulativ abnormal avkastning över eventfönstrets tre dagar (t-1 - t+1). Tabellen visar de oberoende variablernas samband med CAR. Ln MVC är logaritmerad genomsnittligt marknadsvärde över eventfönstret. SERIE står för serieemittering. Dummy Investering står för investeringsrelaterade motiv och Dummy Övrigt står för bakomliggande motiv med generella ändamål. Referenskategori för Dummy-variablerna Investering och Övrigt är Dummy Skuld. I Tabellen anges regressionsmodellens intercept, koefficienter för respektive oberoende variabel med t-testets statistiska inom parentes, justerat R 2 som står för regressionsmodellens förklaringsgrad av CAR, samt antalet observationer. Urvalet inkluderar 278 nyemissioner genomförda mellan åren Regressionsmodellens förklaringsgrad av CAR är 0,5 %. Detta innebär att de oberoende variablerna ln MVC, SERIE, Dummy Investering och Dummy Övrigt tillsammans förklarar förändringen av CAR med mindre än 1 %. Regresionsmodellen erhåller ett F-värde på 1,35 vilket inte är statistiskt signifikant då det kritiska värdet för regressionsmodellen med 10 % signifikansnivå ligger på 1,94. Då regressionsmodellen inte är statistiskt signifikant kan de oberoende variablernas påverkan av CAR inte säkerställas, även om ln MVC enligt modellen indikerar om ett signifikant resultat på 5 % signifikansnivå är det möjligt att värdet uppstått slumpartat. Genom att individuellt testa de oberoende variablernas påverkan av CAR i en enkel linjär regression visar resultatet att endast den oberoende variabeln ln MVC har en statistiskt 22
27 signifikant påverkan av CAR med en signifikansnivå på 5 %. Detta redovisas i tabell 6 nedan. Den enkla linjära regressionens F-värde på 3,5 är signifikant då det är större än det kritiska F-värdet på 2,7 med ett p-värde under 0,1. De övriga oberoende variablernas påverkan av CAR genom en enkel linjär regression redovisas inte eftersom de inte finner något statistiskt signifikant resultat. Tabell 6. Regression av kumulativ abnormal avkastning och logaritmerat marknadsvärde *Statististiskt signifikant på 10 %. **Statistiskt signifikant på 5 %. ***Statistiskt signifikant på 1 %. Den statistiska signifikansen utgår från ensidigt t-test. CAR är den beroende variabeln i regressionen och står för kumulativ abnormal avkastning över eventfönstrets tre dagar (t-1 - t+1). Ln MVC står för logaritmerad genomsnittligt marknadsvärde över eventfönstret. Tabellen anger regressionsmodellens intercept och koefficient för den oberoende variabeln med t-testets statistiska inom parentes. Justerat R 2 står för regressionsmodellens förklaringsgrad av CAR. Antalet observationer som ingår i regressionen. Urvalet inkluderar 278 nyemissioner genomförda mellan åren
28 5 Analys 5.1 Abnormal avkastning Hypotes 1 hävdar att tillkännagivandet av en nyemission leder till en abnormal avkastning och kan accepteras på 1 % signifikansnivå. Detta eftersom den genomsnittliga abnormala avkastningen för alla dagar i eventfönstret är statistiskt signifikant med en kumulativ abnormal avkastning på 3,3 %. Detta går i linje med studierna av bland annat Liu et al. (2016) samt Iqbal (2008) som finner att marknaden reagerar med en negativ abnormal avkastning vid tillkännagivandet av en nyemission på -0,14 % respektive -1,48 %. Den genomsnittliga kumulativa abnormala avkastningen visar att tillkännagivandet av en nyemission leder till en abnormal avkastning över eventfönstret. Däremot finns det indikationer om att den genomsnittliga kumulativa abnormala avkastningen är avtagande, eftersom dagen innan eventet till dagen för eventet erhåller en större abnormal avkastning jämfört med dagen för eventet till dagen efter eventet. Detta stämmer överens med den effektiva marknadshypotesen och den semi-starka formen om att aktiepriserna anpassas till den nya informationen om nyemissionen. Vårt resultat går dock emot Cronqvist och Nilssons (2005) studie som på den svenska aktiemarknaden finner att marknaden reagerar med en positiv abnormal avkastning oavsett om det gäller en företrädesemission eller om den är riktad. Däremot är endast resultatet för de riktade emissionerna med en abnormal avkastning på 7,27 % signifikant. Det är svårt att avgöra varför resultatet skiljer sig åt. En anledning kan vara tidsperioden och makroekonomiska effekter som påverkat aktiemarknaden under tiden. Vår studie använder data från åren medan Cronqvist och Nilsson använder data från En annan aspekt att ta hänsyn till är att i och med att Cronqvist och Nilsson (2005) separat undersöker nyemissioner med företrädesrätt och riktade blir de båda urvalsgrupperna färre i antalet nyemissioner än om de studerats tillsammans. Urvalet för företrädesemissioner består av 160 nyemissioner och genererar inget signifikant resultat medan urvalet med riktade emissioner består av 136 stycken. Vårt urval är något större med 278 nyemissioner. Dessutom, även om Armitage (1995) menar på att det inte spelar någon större roll i hur långt estimeringsfönstret är för att precisera skattningarna av marknadsmodellen, använde sig 24
29 Cronqvist och Nilsson (2005) av ett estimeringsfönster på 230 dagar och vår studie ett estimeringsfönster på 120 dagar. 5.2 Företagsstorlek Hypotes 2 hävdar att små företag får en mindre negativ abnormal avkastning vid tillkännagivandet av en nyemission än större företag och testar om det föreligger ett negativt samband mellan förtegsstorlek och kumulativ abnormal avkastning. Resultatet från regressionen mellan CAR och ln MVC, från tabell 6, tyder istället på ett positivt samband och hypotes 2 kan således inte accepteras. Resultatet skiljer sig således från tidigare studier av Shu och Chiang (2014) samt Kang och Stulz (1996) som båda finner ett negativt samband. Shu och Chiang (2014) menar på att skillnaden i strategin mellan större och mindre företag ligger till grund för hur marknaden reagerar vid tillkännagivandet av en nyemission och Kang och Stulz (1996) baserar sitt resultat på att mindre företag har en högre skuldsättningsgrad. Hur detta förhåller sig till de svenska företagen i denna studie är svårt att säga i och med att endast kvantitativa data för den abnormala avkastningen är insamlad, och inte företagens skuldsättningsgrad eller strategier. Hur som helst är det möjligt att strategierna vid utgivning av nyemissioner förändrats över tiden och att de olika aktiemarknaderna skiljer sig åt med avseende på företags skuldsättningsgrader, vilket kan vara en orsak till varför studiernas resultat skiljer sig åt. 5.3 Serieemittering Hypotes 3 som påstår att den abnormala avkastningen för ytterligare en nyemission är mindre negativ än den föregående nyemissionen vid tillkännagivandet, kan inte accepteras, då SERIE inte har en signifikant påverkan av CAR i regressionsmodellen. Riktningen på koefficienten SERIE stämmer däremot överens med vad vi förväntat oss, men då det inte förekommer någon signifikant påverkan går det inte att uttala sig om huruvida serieemittering leder till en positivare abnormal avkastning för varje nyutgiven nyemission. 25
30 Anledningen till att vårt resultat inte blir signifikant kan bero på att vi gör en direkt regression från 1 till 10 nyemissioner mot den kumulativa abnormala avkastningen, vilket betyder att spridningen mellan antalet genomförda nyemissioner är stor och fördelningen mellan antalet ojämnt. Tidigare studier av D'Mello, Tawatnuntachai och Yaman, D (2003) samt Iqbal (2008) diskuterar möjligheten av att göra serieemittering i form av en dummy-variabel i regressionsmodellen där tredje eller högre nyemissioner tilldelas siffran 1 och övriga (första och andra i ordningen) tilldelas 0. Vid en uppdelning av antalet genomförda nyemissioner enligt denna beskrivning erhålls inget signifikant resultat och presenteras därför inte i studien. 5.4 Bakomliggande motiv Hypotes 4 som yrkar på att ett företag med skuldrelaterade motiv har en negativare påverkan av den abnormala avkastningen än investeringsrelaterade motiv och generella ändamål, kan inte accepteras, då resultatet inte är signifikant. Det här skiljer sig från tidigare forskning som visar statistik signifikant skillnad mellan de företag som anger skuldrelaterade motiv gentemot de som anger ett investeringsmotiv. Anledningen till varför resultaten skiljer sig åt kan bero på att den svenska aktiemarknaden fungerar annorlunda än de marknader som tidigare studerats. 26
31 6 Slutsats Syftet med studien är att undersöka om tillkännagivandet av en nyemission leder till någon abnormal avkastning. Vidare avser studien undersöka hur företagsstorlek, serieemittering eller bakomliggande motiv påverkar den abnormala avkastningen. Med ett urval på 278 genomförda nyemissioner på NASDAQ OMX Stockholm mellan åren kan vi konstatera att det förekommer en negativ abnormal avkastning vid tillkännagivandet av en nyemission på -3,2 % med en signifikansnivå av 1 % och med en kumulativ abnormal avkastning på -3,3 % för eventfönstrets intervall, också statistiskt signifikant på 1 %. Studien finner resultat på att företagsstorlek har ett positivt samband med den abnormala avkastningen på 5 % signifikansnivå, däremot kan hypotes 2 inte accepteras då den undersöker ett negativt samband. Studien finner heller inget stöd för hypotes 3 eller 4, som gäller serieemitterings och bakomliggande motivs samband med CAR. 6.1 Förslag till vidare forskning Denna studie fokuserar endast på OMX Stockholm, för att få ett bredare urval kan studier även göras på andra marknader i Sverige och Norden som helhet. Några exempel är NGM Equity och First North som är mindre reglerade marknader på den svenska börsen. Genom ett större urval ökar möjligheten för signifikanta resultat. Det är även av intresse att gå mer på djupet hur de olika faktorerna påverkar den abnormala avkastningen. Till exempel genom att de bakomliggande motiven delas upp i fler än tre kategorier där det mer specifikt går att urskilja vilket motiv som påverkar vad och hur. Det skulle kunna göras genom en gradering av hur specifikt motivet är. Om det exempelvis står att emissionslikviden ska gå till expandering, eller om det faktiskt står att emissionslikviden ska gå till en expansion av onlinebutik. På så vis går det att jämföra graden av tydlighet vid tillkännagivandet och se om det har någon betydelse för hur marknaden reagerar. För framtida forskning krävs det nog också att man följer en mer standardiserad mall för att kategorisera de bakomliggande motiven, då det annars kan bli svårt att jämföra resultaten med andra studier. För de första borde man ha en vettig uppdelning av kategorier så att de ine blir för många, men samtidigt inte för vaga att så att resultatet blir meningslöst. Man 27
Privat eller publikt? - En studie av abnormal avkastning vid förvärv av privata och publika företag
Privat eller publikt? - En studie av abnormal avkastning vid förvärv av privata och publika företag Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2016 Datum för inlämning:
Aktiemarknadens reaktion vid en vinstvarning på de nordiska börserna
Aktiemarknadens reaktion vid en vinstvarning på de nordiska börserna Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2016 Datum för inlämning: 2016-01-13 Andreas Adielsson
Linjär regressionsanalys. Wieland Wermke
+ Linjär regressionsanalys Wieland Wermke + Regressionsanalys n Analys av samband mellan variabler (x,y) n Ökad kunskap om x (oberoende variabel) leder till ökad kunskap om y (beroende variabel) n Utifrån
Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II
Bild 1 Medicinsk statistik II Läkarprogrammet T5 HT 2014 Anna Jöud Arbets- och miljömedicin, Lunds universitet ERC Syd, Skånes Universitetssjukhus anna.joud@med.lu.se Bild 2 Sammanfattning Statistik I
Peter Erlandsson Göran Robert Scharin Handledare: Joachim Landström
Utdelningsannonseringarnas påverkan på andra bolag -En eventstudie om hur annonsering av förändrad utdelning hos ett företag påverkar aktiekursen hos konkurrenter i samma bransch Kandidatuppsats 15 hp
Nyemissioner - En eventstudie om de kortsiktiga effekterna på aktiekursen i samband med annonsering av nyemissioner
Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2014 Datum för inlämning: 2015-01-15 Nyemissioner - En eventstudie om de kortsiktiga effekterna på aktiekursen i samband med
Sammandrag. Nyckelord: aktieåterköp, eventstudie, abnormal avkastning, signalteori.
Sammandrag Företag på den svenska marknaden kan sedan år 2000 välja att köpa tillbaka egna aktier på en öppen marknad. Vid initieringen av aktieåterköp är företag obligerade att annonsera till marknaden
Finansiering. Föreläsning 6 Risk och avkastning BMA: Kap. 7. Jonas Råsbrant
Finansiering Föreläsning 6 Risk och avkastning BMA: Kap. 7 Jonas Råsbrant jonas.rasbrant@fek.uu.se Föreläsningens innehåll Historisk avkastning för finansiella tillgångar Beräkning av avkastning och risk
Sammanfattning. Nyckelord
Sammanfattning Denna studie undersöker hur ett tillkännagivande om ett företagsförvärv påverkar det köpande bolagets avkastning på den svenska aktiemarknaden. För att mäta avvikelseavkastningen på dagen
Att välja statistisk metod
Att välja statistisk metod en översikt anpassad till kursen: Statistik och kvantitativa undersökningar 15 HP Vårterminen 2018 Lars Bohlin Innehåll Val av statistisk metod.... 2 1. Undersökning av en variabel...
Tillämpad statistik (A5), HT15 Föreläsning 11: Multipel linjär regression 2
Tillämpad statistik (A5), HT15 Föreläsning 11: Multipel linjär regression 2 Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2015-11-23 Faktum är att vi i praktiken nästan alltid har en blandning
Joint ventures inverkan på aktiekursen - En eventstudie på den svenska marknaden
Joint ventures inverkan på aktiekursen - En eventstudie på den svenska marknaden Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2016 Datum för inlämning: 2017-01-13 Patrick
Repetitionsföreläsning
Population / Urval / Inferens Repetitionsföreläsning Ett företag som tillverkar byxor gör ett experiment för att kontrollera kvalitén. Man väljer slumpmässigt ut 100 par som man utsätter för hård nötning
Effekten av extern skuldfinansiering - En studie om hur aktiemarknaden reagerar vid utgivning av företagsobligationer
Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2015 Datum för inlämning: 2016-02-24 Effekten av extern skuldfinansiering - En studie om hur aktiemarknaden reagerar vid utgivning
Abnorm avkastning på kort och lång sikt vid nyemission En studie av riktade emissioner och företrädesemissioner på Stockholmsbörsen
Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2017 Datum för inlämning: 2018-01-12 Abnorm avkastning på kort och lång sikt vid nyemission En studie av riktade emissioner
Ekonomisk styrning Delkurs Finansiering
Ekonomisk styrning Delkurs Finansiering Föreläsning 6 Introduktion till portföljteorin BMA: Kap. 7-8 Jonas Råsbrant jonas.rasbrant@indek.kth.se Föreläsningens innehåll Historisk avkastning för finansiella
Vinstvarningens inverkan på aktiekursen En eventstudie om hur vinstvarningar påverkar aktiekursen i svenska börsnoterade bolag
Vinstvarningens inverkan på aktiekursen En eventstudie om hur vinstvarningar påverkar aktiekursen i svenska börsnoterade bolag Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet
Residualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen
Residualanalys För modellen Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 regressionsanalys antog vi att ε, ε,..., ε är oberoende likafördelade N(,σ Då
Marknadens reaktion vid återköp -Hur påverkas marknaden kortsiktigt beroende på bakomliggande motiv?
Marknadens reaktion vid återköp -Hur påverkas marknaden kortsiktigt beroende på bakomliggande motiv? Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet VT 2018 Datum för inlämning:
Påverkas företags marknadsvärde vid publicering av hållbarhetsinformation? - en eventstudie på den svenska aktiemarknaden
Påverkas företags marknadsvärde vid publicering av hållbarhetsinformation? - en eventstudie på den svenska aktiemarknaden Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet VT 2019
Agent saknas - En studie av marknadens reaktion när verkställande direktörens ersätts
Agent saknas - En studie av marknadens reaktion när verkställande direktörens ersätts Agent missing - A study of market reaction when the CEO gets replaced Kandidatuppsats 15 hp Kandidatprogram i Företagsekonomi
STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström. Omtentamen i Regressionsanalys
STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström Omtentamen i Regressionsanalys 2009-01-08 Skrivtid: 9.00-14.00 Godkända hjälpmedel: Miniräknare utan lagrade formler. Tentamen består
Påverkar varsel om uppsägning aktiekursen? - Motiv bakom varsel och effekten före och efter tillkännagivandet
Påverkar varsel om uppsägning aktiekursen? - Motiv bakom varsel och effekten före och efter tillkännagivandet Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2016 Datum för
Andreas Andersson Joakim Ytterberg. Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet VT 2017 Datum för inlämning:
Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet VT 2017 Datum för inlämning: 2017-06-02 Abnormal avkastning vid företagsförvärv i Sverige - En kvantitativ studie som undersöker
Expropriering via företagsförvärv - En studie på svenska företag med rösträttsdifferentiering
Expropriering via företagsförvärv - En studie på svenska företag med rösträttsdifferentiering Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2017 Datum för inlämning: 2018-01-12
Vd-bytets påverkan på aktiepriset - en eventstudie
Vd-bytets påverkan på aktiepriset - en eventstudie Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet VT 2015 Datum för inlämning: 2015-02-24 Johan Bårdh Risto Teerikoski Handledare:
Finanskrisens påverkan på företagsförvärvens värdeskapande - En studie på den svenska marknaden
Finanskrisens påverkan på företagsförvärvens värdeskapande - En studie på den svenska marknaden Kandidatuppsats 15 hp Statistiska institutionen Uppsala universitet VT 2018 Datum för inlämning: 2018-06-15
Kapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA
Kapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA 12.1 ANOVA I EN MULTIPEL REGRESSION Exempel: Tjänar man mer som egenföretagare? Nedan visas ett utdrag ur ett dataset som innehåller information
Lösningsförslag till tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars 2015
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Lösningsförslag till tentamen på Statistik och kvantitativa undersökningar STA100, 15 hp Fredagen den 13 e mars 015 1 a 13 och 14
Aktieavkastning efterföljande företrädesemissioner på Stockholmsbörsen -
Aktieavkastning efterföljande företrädesemissioner på Stockholmsbörsen - Utvärdering av defensiva och offensiva motiv Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2016
Marknadens långsiktiga reaktion efter aktieåterköp - Högre avvikelseavkastning för värdeaktier jämfört med tillväxtaktier?
Marknadens långsiktiga reaktion efter aktieåterköp - Högre avvikelseavkastning för värdeaktier jämfört med tillväxtaktier? Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT
Investerarens reaktion vid företagsskandaler - Ekonomisk brottslighet och andra oetiska handlingars påverkan på aktiekursen
Investerarens reaktion vid företagsskandaler - Ekonomisk brottslighet och andra oetiska handlingars påverkan på aktiekursen Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT
Det oförväntade resultatets påverkan
Det oförväntade resultatets påverkan En studie av Post earnings announcement drift på den svenska aktiemarknaden Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2015 Datum
Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13
Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare
Avknoppningars påverkan på aktieutvecklingen - En studie om marknadens reaktion och företagens utveckling efter delning
Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2016 Datum för inlämning: 2017-01-13 Avknoppningars påverkan på aktieutvecklingen - En studie om marknadens reaktion och företagens
Innehåll. Standardavvikelse... 3 Betarisk... 3 Value at Risk... 4 Risknivån i strukturerade produkter... 4
Del 22 Riskbedömning Innehåll Standardavvikelse... 3 Betarisk... 3 Value at Risk... 4 Risknivån i strukturerade produkter... 4 Vid investeringar i finansiella instrument följer vanligen en mängd olika
OBS! Vi har nya rutiner.
KOD: Kurskod: PM2315 Kursnamn: Psykologprogrammet, kurs 15, Metoder för psykologisk forskning (15 hp) Ansvarig lärare: Jan Johansson Hanse Tentamensdatum: 14 januari 2012 Tillåtna hjälpmedel: miniräknare
Tentamensgenomgång och återlämning: Måndagen 9/6 kl12.00 i B413. Därefter kan skrivningarna hämtas på studentexpeditionen, plan 7 i B-huset.
Statistiska institutionen Nicklas Pettersson Skriftlig tentamen i Finansiell Statistik Grundnivå 7.5hp, VT2014 2014-05-26 Skrivtid: 9.00-14.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller
Multipel Regressionsmodellen
Multipel Regressionsmodellen Koefficienterna i multipel regression skattas från ett stickprov enligt: Multipel Regressionsmodell med k förklarande variabler: Skattad (predicerad) Värde på y y ˆ = b + b
732G71 Statistik B. Föreläsning 4. Bertil Wegmann. November 11, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 4 Bertil Wegmann IDA, Linköpings universitet November 11, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B November 11, 2016 1 / 34 Kap. 5.1, korrelationsmatris En korrelationsmatris
Läcker företag information?
NATIONALEKONOMISKA INSTITUTIONEN Uppsala universitet Examensarbete C Författare: Niklas Andersson Handledare: Lennart Berg Termin och år: VT 2011 Datum: 2011-06-07 Läcker företag information? En studie
Verksamhetsutvärdering av Mattecentrum
Verksamhetsutvärdering av Mattecentrum April 2016 www.numbersanalytics.se info@numbersanalytics.se Presskontakt: Oskar Eriksson, 0732 096657 oskar@numbersanalytics.se INNEHÅLLSFÖRTECKNING Inledning...
Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:
Matematisk Statistik Provmoment: Ladokkod: Tentamen ges för: Tentamen 6.5 hp AT1MS1 DTEIN16h 7,5 högskolepoäng TentamensKod: Tentamensdatum: 1 juni 2017 Tid: 14-18 Hjälpmedel: Miniräknare Totalt antal
Analytisk statistik. 1. Estimering. Statistisk interferens. Statistisk interferens
Analytisk statistik Tony Pansell, Leg optiker Docent, Universitetslektor Analytisk statistik Att dra slutsatser från den insamlade datan. Två metoder:. att generalisera från en mindre grupp mot en större
Sänkningen av parasitnivåerna i blodet
4.1 Oberoende (x-axeln) Kön Kön Längd Ålder Dos Dos C max Parasitnivå i blodet Beroende (y-axeln) Längd Vikt Vikt Vikt C max Sänkningen av parasitnivåerna i blodet Sänkningen av parasitnivåerna i blodet
Analytisk statistik. Tony Pansell, optiker Universitetslektor
Analytisk statistik Tony Pansell, optiker Universitetslektor Analytisk statistik Att dra slutsatser från det insamlade materialet. Två metoder: 1. att generalisera från en mindre grupp mot en större grupp
Nyemissioner i Sverige Hur valet av motiv och emissionstyp påverkar aktieprestation och bolagsvärde
Kandidatuppsats 15 hp Kandidatprogram i Företagsekonomi Företagsekonomiska institutionen Uppsala universitet VT 2019 Datum för inlämning: 2019-06-05 Nyemissioner i Sverige Hur valet av motiv och emissionstyp
Medicinsk statistik II
Medicinsk statistik II Läkarprogrammet termin 5 VT 2013 Susanna Lövdahl, Msc, doktorand Klinisk koagulationsforskning, Lunds universitet E-post: susanna.lovdahl@med.lu.se Dagens föreläsning Fördjupning
Tentamen i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder.
Tentamen 2014-12-05 i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder. Tillåtna hjälpmedel: Miniräknare och utdelad formelsamling med tabeller. C1. (6 poäng) Ange för
Laboration 2. Omprovsuppgift MÄLARDALENS HÖGSKOLA. Akademin för ekonomi, samhälle och teknik
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik och kvantitativa undersökningar, A 15 Hp Vårterminen 2017 Laboration 2 Omprovsuppgift Regressionsanalys, baserat på Sveriges kommuner
Kapitel 15: INTERAKTIONER, STANDARDISERADE SKALOR OCH ICKE-LINJÄRA EFFEKTER
Kapitel 15: INTERAKTIONER, STANDARDISERADE SKALOR OCH ICKE-LINJÄRA EFFEKTER När vi mäter en effekt i data så vill vi ofta se om denna skiljer sig mellan olika delgrupper. Vi kanske testar effekten av ett
Reporäntans effekt på aktiekursen - har skuldsättningsgrad någon betydelse?
Reporäntans effekt på aktiekursen - har skuldsättningsgrad någon betydelse? Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet VT 2019 Datum för inlämning: 2019-06-05 Lovisa Engberg
Marknadens reaktion på negativa vinstvarningar - En eventstudie på Stockholmsbörsen
Marknadens reaktion på negativa vinstvarningar - En eventstudie på Stockholmsbörsen Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2017 Datum för inlämning: 2018-01-12 Mattias
Regressions- och Tidsserieanalys - F4
Regressions- och Tidsserieanalys - F4 Modellbygge och residualanalys. Kap 5.1-5.4 (t.o.m. halva s 257), ej C-statistic s 23. Linda Wänström Linköpings universitet Wänström (Linköpings universitet) F4 1
Regressionsanalys av lägenhetspriser i Spånga
Regressionsanalys av lägenhetspriser i Spånga Mahamed Saeid Ali Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2016:11 Matematisk statistik Juni 2016
Föreläsning 12: Regression
Föreläsning 12: Regression Matematisk statistik David Bolin Chalmers University of Technology Maj 15, 2014 Binomialfördelningen Låt X Bin(n, p). Vi observerar x och vill ha information om p. p = x/n är
Tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 16 e januari 2015
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA100, 15 hp Fredagen den 16 e januari 2015 Tillåtna hjälpmedel: Miniräknare
Preliminära lösningar för Tentamen Tillämpad statistik A5 (15hp) Statistiska institutionen, Uppsala universitet
Preliminära lösningar för Tentamen Tillämpad statistik A5 (15hp) 2016-01-13 Statistiska institutionen, Uppsala universitet Uppgift 1 (20 poäng) A) (4p) Om kommunens befolkning i den lokala arbetsmarknaden
Analytisk statistik. Mattias Nilsson Benfatto, PhD.
Analytisk statistik Mattias Nilsson Benfatto, PhD Mattias.nilsson@ki.se Beskrivande statistik kort repetition Centralmått Spridningsmått Normalfördelning Konfidensintervall Korrelation Analytisk statistik
Innehåll. Frekvenstabell. II. Beskrivande statistik, sid 53 i E
Innehåll I. Grundläggande begrepp II. Deskriptiv statistik (sid 53 i E) III. Statistisk inferens Hypotesprövnig Statistiska analyser Parametriska analyser Icke-parametriska analyser 1 II. Beskrivande statistik,
Lektionsanteckningar 11-12: Normalfördelningen
Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet
Grundläggande matematisk statistik
Grundläggande matematisk statistik Linjär Regression Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Linjär Regression y i y 5 y 3 mätvärden x i, y i y 1 x 1 x 2 x 3 x 4 x 6 x
Korrelation kausalitet. ˆ Y =bx +a KAPITEL 6: LINEAR REGRESSION: PREDICTION
KAPITEL 6: LINEAR REGRESSION: PREDICTION Prediktion att estimera "poäng" på en variabel (Y), kriteriet, på basis av kunskap om "poäng" på en annan variabel (X), prediktorn. Prediktion heter med ett annat
, s a. , s b. personer från Alingsås och n b
Skillnader i medelvärden, väntevärden, mellan två populationer I kapitel 8 testades hypoteser typ : µ=µ 0 där µ 0 var något visst intresserant värde Då användes testfunktionen där µ hämtas från, s är populationsstandardavvikelsen
Autokorrelation och Durbin-Watson testet. Patrik Zetterberg. 17 december 2012
Föreläsning 6 Autokorrelation och Durbin-Watson testet Patrik Zetterberg 17 december 2012 1 / 14 Korrelation och autokorrelation På tidigare föreläsningar har vi analyserat korrelationer för stickprov
1/23 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet
1/23 REGRESSIONSANALYS F4 Linda Wänström Statistiska institutionen, Stockholms universitet 2/23 Multipel regressionsanalys Multipel regressionsanalys kan ses som en utvidgning av enkel linjär regressionsanalys.
Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 4
MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Tillåtna hjälpmedel: Miniräknare (Formelsamling bifogas
Marknadsreaktionen av aktierekommendationer i svenska affärstidningar
Marknadsreaktionen av aktierekommendationer i svenska affärstidningar Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet VT 2018 Datum för inlämning: 2018-06-01 Niklas Sjöblom Victor
OBS! Vi har nya rutiner.
KOD: Kurskod: PC1203 och PC1244 Kursnamn: Kognitiv psykologi och metod och Kognitiv psykologi och utvecklingspsykologi Provmoment: Metod Ansvarig lärare: Linda Hassing Tentamensdatum: 2012-11-17 Tillåtna
Analys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken
Analys av medelvärden Jenny Selander jenny.selander@ki.se 524 800 29, plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken Jenny Selander, Kvant. metoder, FHV T1 december 20111 Innehåll Normalfördelningen
Aktiekurser och Nyemissioner
UPPSALA UNIVERSITET 2008-01-16 Företagsekonomiska institutionen Examensarbete D Aktiekurser och Nyemissioner Gustav Olsson Robin Johansson Handledare: Joachim Landström Sammanfattning När företag annonserar
Hypotestestning och repetition
Hypotestestning och repetition Statistisk inferens Vid inferens använder man urvalet för att uttala sig om populationen Centralmått Medelvärde: x= Σx i / n Median Typvärde Spridningsmått Används för att
F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT
Stat. teori gk, ht 006, JW F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT 1.1, 13.1-13.6, 13.8-13.9) Modell för multipel linjär regression Modellantaganden: 1) x-värdena är fixa. ) Varje y i (i = 1,, n) är
Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012
Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår
Statistiska analysmetoder, en introduktion. Fördjupad forskningsmetodik, allmän del Våren 2018
Statistiska analysmetoder, en introduktion Fördjupad forskningsmetodik, allmän del Våren 2018 Vad är statistisk dataanalys? Analys och tolkning av kvantitativa data -> förutsätter numeriskt datamaterial
Statistisk försöksplanering
Statistisk försöksplanering Provmoment: Ladokkod: Tentamen ges för: TentamensKod: Skriftlig tentamen 3 hp 51SF01 Textilingenjörsutbildningen Tentamensdatum: 2 November Tid: 09:00-13 Hjälpmedel: Miniräknare
Aktierekommendationers påverkan på abnormal avkastning
Aktierekommendationers påverkan på abnormal avkastning - En studie av Stockholmsbörsen 2017 Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet VT 2018 Datum för inlämning: 2018-06-01
Logistisk regression och Indexteori. Patrik Zetterberg. 7 januari 2013
Föreläsning 9 Logistisk regression och Indexteori Patrik Zetterberg 7 januari 2013 1 / 33 Logistisk regression I logistisk regression har vi en binär (kategorisk) responsvariabel Y i som vanligen kodas
Statistik och epidemiologi T5
Statistik och epidemiologi T5 Anna Axmon Biostatistiker Yrkes- och miljömedicin Dagens föreläsning Fördjupning av hypotesprövning Repetition av p-värde och konfidensintervall Tester för ytterligare situationer
Omvänd aktiesplit - Att göra eller inte göra? Reverse stock split - To do or not to do?
Omvänd aktiesplit - Att göra eller inte göra? Reverse stock split - To do or not to do? Kandidatuppsats 15 hp Kandidatprogram i Företagsekonomi Företagsekonomiska institutionen Uppsala universitet VT 2019
Kris & Kapitalstruktur Förändringar i kapitalstruktur bland företag på Stockholmsbörsen till följd av finanskrisen
Kris & Kapitalstruktur Förändringar i kapitalstruktur bland företag på Stockholmsbörsen till följd av finanskrisen 2008-2009 Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT
Finansiell statistik. Multipel regression. 4 maj 2011
Finansiell statistik Föreläsning 4 Multipel regression Jörgen Säve-Söderbergh 4 maj 2011 Samband mellan variabler Vi människor misstänker ofta att det finns många variabler som påverkar den variabel vi
Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval
Två innebörder av begreppet statistik Grundläggande tankegångar i statistik Matematik och statistik för biologer, 10 hp Informationshantering. Insamling, ordningsskapande, presentation och grundläggande
732G71 Statistik B. Föreläsning 7. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29
732G71 Statistik B Föreläsning 7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 29 Detaljhandelns försäljning (fasta priser, kalenderkorrigerat) Bertil Wegmann
Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 8 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Enkel linjär regression (kap 17.1 17.5) o Skatta regressionslinje (kap 17.2) o Signifikant lutning? (kap 17.3, 17.5a) o Förklaringsgrad
Medicinsk statistik II
Medicinsk statistik II Läkarprogrammet T5 HT 2014 Susann Ullén FoU-centrum Skåne Skånes Universitetssjukhus Hypotesprövning Man sätter upp en nollhypotes (H0) och en mothypotes (H1) H0: Ingen effekt H1:
Svenska listbyten - En studie om marknadens reaktion vid listbyte till Nasdaq Stockholm
Svenska listbyten - En studie om marknadens reaktion vid listbyte till Nasdaq Stockholm Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet VT 2017 Datum för inlämning: 2017-06-02
F19, (Multipel linjär regression forts) och F20, Chi-två test.
Partiella t-test F19, (Multipel linjär regression forts) och F20, Chi-två test. Christian Tallberg Statistiska institutionen Stockholms universitet Då man testar om en enskild variabel X i skall vara med
Tentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Fredagen den 9 e juni Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Fredagen den 9 e juni 2017 Ten 1, 9 hp Tillåtna hjälpmedel:
ÖVNINGSUPPGIFTER KAPITEL 9
ÖVNINGSUPPGIFTER KAPITEL 9 STOKASTISKA VARIABLER 1. Ange om följande stokastiska variabler är diskreta eller kontinuerliga: a. X = En slumpmässigt utvald person ur populationen är arbetslös, där x antar
Tillkännagivande av nyemission
Tillkännagivande av nyemission - En eventstudie kring de kortsiktiga effekterna på den svenska marknaden Av: Jennifer Kindström 920702 Philippa Svanholm 940921 Handledare: Ogi Chun Södertörns högskola
Höftledsdysplasi hos dansk-svensk gårdshund
Höftledsdysplasi hos dansk-svensk gårdshund Sjö A Sjö B Förekomst av parasitdrabbad öring i olika sjöar Sjö C Jämföra medelvärden hos kopplade stickprov Tio elitlöpare springer samma sträcka i en för dem
Skolprestationer på kommunnivå med hänsyn tagen till socioekonomi
1(6) PCA/MIH Johan Löfgren 2016-11-10 Skolprestationer på kommunnivå med hänsyn tagen till socioekonomi 1 Inledning Sveriges kommuner och landsting (SKL) presenterar varje år statistik över elevprestationer
Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab
Uppfödning av kyckling och fiskleveroljor Statistiska jämförelser: parvisa observationer och oberoende stickprov Matematik och statistik för biologer, 10 hp Fredrik Jonsson vt 2012 Fiskleverolja tillsätts
34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD
6.4 Att dra slutsatser på basis av statistisk analys en kort inledning - Man har ett stickprov, men man vill med hjälp av det få veta något om hela populationen => för att kunna dra slutsatser som gäller
Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University
Hypotesprövning Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att
Stockholms Universitet Statistiska institutionen Termeh Shafie
Stockholms Universitet Statistiska institutionen Termeh Shafie TENTAMEN I GRUNDLÄGGANDE STATISTIK FÖR EKONOMER 2012-03-16 Skrivtid: 9.00-14.00 Hjälpmedel: Miniräknare utan lagrade formler eller text, bifogade
Nyemissionens påverkan på aktiekursen
Nyemissionens påverkan på aktiekursen En eventstudie om hur tillkännagivanden av nyemissioner påverkar aktiekursen Av: Tomas Thomas och Ornamo-Aryo Chabo Handledare: Ogi Chun Södertörns högskola Institutionen
Stockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, VT2009 Inlämningsuppgift (1,5hp)
Stockholms Univ., Statistiska Inst. Finansiell Statistik, GN, 7,5 hp, VT009 Inlämningsuppgift (1,5hp) Nicklas Pettersson 1 Anvisningar och hålltider Uppgiften löses i grupper om -3 personer och godkänt
Matematisk statistik för B, K, N, BME och Kemister
Matematisk statistik för B, K, N, BME och Kemister Föreläsning 9 Joakim Lübeck (Johan Lindström 25 september 217 Johan Lindström - johanl@maths.lth.se FMSF7/MASB2 F9 1/23 Repetition Inferens för diskret