Förekommer kalenderanomalier på den svenska aktiemarknaden?

Förekommer kalenderanomalier på den svenska aktiemarknaden? Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2016 Datum för inlämning: 2017-01-09 Anna Frantsouzova Katja Melnikova Handledare: Jonas Råsbrant

Sammanfattning Den här studien använder dagsavkastning från SIX Return Index för perioden 1996-2014 för att undersöka om kalenderanomalier förekommer på den svenska aktiemarknaden. De kalenderanomalier som studeras är månadsskifteseffekten, veckodagseffekten samt januarieffekten. Det finns starka bevis för månadsskifteseffekten och resultaten i denna studie tyder på att månadsskifteseffekten infaller tidigare i Sverige än vad som observerats internationellt. Vidare påvisar studien en veckodagseffekt för perioden 1996-2014 där fredagar har en signifikant högre avkastning än övriga veckodagar. Resultaten från ett F-test visar dock att det inte finns någon signifikant skillnad i genomsnittlig dagsavkastning mellan olika veckodagar. Till skillnad från tidigare studier hittar inte den här studien bevis för januarieffekten på den svenska aktiemarknaden. Däremot påvisar resultaten att februari, april och november har i genomsnitt genererat signifikant högre månadsavkastning än alla andra månader. Nyckelord: Kalendereffekten; Kalenderanomalier; Månadsskifteseffekten; Veckodagseffekten; Januarieffekten; Effektiva marknadshypotesen

Innehåll 1. Introduktion... 3 1.1 Bakgrund... 3 1.2 Problemdiskussion... 4 1.3 Syfte... 6 1.4 Disposition... 6 2. Teori... 7 2.1 Den effektiva marknadshypotesen... 7 2.2 Veckodagseffekten... 8 2.3 Månadsskifteseffekten... 9 2.4 Januarieffekten... 11 3. Data... 13 3.1 Deskriptiv statistik... 13 4. Metod... 14 4.1 Introduktion... 14 4.2 Hypotesprövning... 15 4.3 Regressionsanalys... 15 4.4 Veckodagseffekten... 16 4.5 Månadsskifteseffekten... 17 4.6 Januarieffekten... 17 5. Resultat och Analys... 18 5.1 Veckodagseffekten... 18 5.2 Månadsskifteseffekten... 20 5.3 Januarieffekten... 22 6. Konklusion... 24 6.1 Framtida forskning... 26 Referenslista... 27 2

1. Introduktion 1.1 Bakgrund Ett genomgående tema i litteraturen kring marknadseffektivitet är förekomsten av systematiska avvikelser på aktiemarknaden. Om dessa avvikelser finns och de är lättidentifierbara, finns det möjligheter till överavkastning, det vill säga en avkastning som är högre än referensindexets avkastning (Keim, 1983). En av de mest väldokumenterade systematiska avvikelserna på aktiemarknaden är kalenderanomalier där avkastningen tenderar att avvika vid specifika tillfällen under kalenderåret, år efter år. De studier som fått störst genomslag gällande kalenderanomalier är de som observerat avvikelser i avkastningen kring månadsskiftet, årsskiftet samt under specifika dagar i veckan (Jacobs och Levy, 1988). Strävan efter att hitta överavkastning på aktiemarknaden har länge intresserat investerare runt om i världen vilket har resulterat i en rad ekonomiska teorier. Den mest välkända teorin är den effektiva marknadshypotesen (Fama, 1970). Fama menar att aktiens pris återspeglar all tillgänglig information som finns på marknaden och att ingen ska kunna förutse den framtida prisutvecklingen eftersom aktiepriset endast påverkas av ny information. Vidare bör en effektiv marknad inte uppvisa några systematiska avvikelser och dessa ska, för de fall de påträffas, fort utjämnas och driva prisnivån tillbaka till jämvikten. Fama delar in marknadseffektivitet i en svag, halvstark och stark form, beroende på hur mycket information investerare har tillgång till (Fama, 1970). Den effektiva marknadshypotesen är ett av de viktigaste antagandena som gjorts inom finansvärlden. Trots teorins vida erkännande är perfekt marknadseffektivitet ett omdiskuterat ämne bland teoretiker och investerare. Ett flertal forskare har lyckats bevisa kalenderanomaliers existens på aktiemarknaden, vilket är en direkt kritik mot teorin om den effektiva marknadshypotesen. Den vanligast rapporterade kalenderanomalin är veckodagseffekten, avkastningen på måndagar tenderar att vara signifikant mycket lägre än under resterande veckodagar (French,1980; Lakonishok och Smidt,1988; Keim och Stambaugh, 1984). En möjlig förklaring till förekomsten av denna anomali är att privata investerare har mer tid att se över sina investeringar under helgen vilket leder till en ökad 3

försäljningsaktivitet under helgen och måndagen som i sin tur driver måndagens kurser under jämnviktsläget (Lakonishok och Maberly, 1990). Det har också observerats avvikelser kring månadsskiftet, så kallade månadsskifteseffekten, då avkastningen är signifikant mycket högre under dagarna kring månadsskiftet (Lakonishok och Smidt,1988; Ariel, 1987). Ogden (1990) beskrev ett samband mellan de förväntade kapitaltillströmningar investerare antas få och den avvikande avkastningen kring månadsskiftet som innebar att löneutbetalningar och andra typer av kapitaltillströmningar tros påverka prisutvecklingen på börsen. Efterfrågan på aktier antas öka med den ökade likviditeten kring månadsskiftet och därmed drivs priserna på aktier upp. Samma typ av avvikelse har också observerats kring årsskiftet, så kallade januarieffekten. Under de första dagarna i januari tenderar kursen att gå upp för att efter några dagar jämnas tillbaka ut och återgå till jämviktsläget (Lakonishok och Smidt, 1988; Watchel, 1942). Teoretiker menar att januarieffekten kan bero på skattemässiga incitament som driver på försäljningen av aktier vid årsskiftet (Watchel, 1942). 1.2 Problemdiskussion En av de tidigare studierna kring kalenderanomalier genomfördes av Lakonishok och Smidt (1988) som studerade Dow Jones Industrial Average (DJIA) och fann bevis för avvikande avkastning kring veckoskiftet, månadsskiftet och årsskiftet. Avkastningen på måndagar visade sig i genomsnitt vara negativ medan den ökade signifikant under dagarna kring månadsskiftet och årsskiftet. Andra studier som har bekräftat veckodagseffekten är bland annat Keim och Stambaugh (1984) som också studerade den amerikanska marknaden och fann samma avvikelse som Lakonishok och Smidt (1988) gjorde. I samma studie undersöktes sambandet mellan veckodagseffekten och storleken på företaget och resultatet visade att negativ avkastning på måndagar gällde för alla företag, oavsett storlek (Keim och Stambaugh, 1984). En annan studie av Jaffe och Westerfield (1985) dokumenterade veckodagseffektens förekomst internationellt. Dock skilde sig deras resultat från de amerikanska studierna, tisdag var den dagen som hade lägst avkastning både i Australien och Japan. 4

Även månadsskifteseffekten har kunnat dokumenteras av ett flertal forskare. Vid månadsskiftet tenderar avkastningen att vara signifikant högre under de sista dagarna i månaden och kort in på nästa, i jämförelse med de resterande dagarna. Ariel (1987) studerade The Center for Research in Security Prices (CRSP) värdeviktade index. Studien visade att den genomsnittliga positiva avkastningen närvarade främst under dagarna precis innan och under första halvan av kalendermånaden (Ariel, 1987). Även senare studier under 2000-talet kunde observera fortsatt förekomst av månadsskifteseffekten internationellt. Worthington (2010) studerade den australiensiska aktiemarknaden mellan åren 1958-2005 och fann att avkastningen är som högst under andra dagen på månaden. Tidigare forskning har även visat att det finns vissa mönster i avkastningen med avseende på månad. Vissa månader har signifikant högre eller lägre genomsnittlig avkastning än de andra månaderna, bland dessa har januari månad fått mest uppmärksamhet. En av de första studierna kring januarieffekten genomfördes av Wachtel (1942), som studerade Dow Jones Index från 1927 till 1942. I elva av de femton år som studerades kunde januarieffekten observeras. Januarieffekten har också observerats internationellt, Gultekin och Gultekin (1983) studerade säsongsmönster på ett antal olika marknader och fann att 15 av de sexton länder som studerades uppvisade signifikant högre avkastning under januari månad. Senare studier har dock inte kunnat bekräfta januarieffektens förekomst, Darrat et al. (2011) studerade 34 olika marknader mellan åren 1988-2010 och kunde inte heller finna någon januarieffekt, istället fann de starka bevis för en december- och aprileffekt på majoriteten av de studerade marknaderna. Kalenderanomalier har observerats på flera marknader runt om i världen, dock har studier av den svenska marknaden varit få. Claesson (1987) undersökte veckodagseffekten på den svenska aktiemarknaden och resultaten visade att det fanns avvikelser i avkastningen, dock skilde sig hennes resultat från vad de internationella resultaten påvisat. Claesson kunde hitta en tisdagseffekt, då avkastningen tenderar att vara i genomsnitt lägre på tisdagar jämfört med alla andra dagar i veckan. Fredagen och måndagen var de dagar som uppvisade högst avkastning i Sverige (Claesson, 1987). En studie genomförd av Frennberg och Hansson (1995) visade också på en viss skillnad från internationella resultat, i detta fall gällande januarieffekten. De fann att både januari och juli utmärkte sig som de månader med 5

signifikant högre avkastning. Dahlquist och Sellin (1996) studerade skillnaden i genomsnittlig månadsavkastning mellan åren 1919-1994 och kom fram till samma resultat som Frenbergs och Hansson (1992) gällande högre avkastning under januari och juli. Kalenderanomalier är ett område som fortsätter väcka intresse bland teoretiker och investerare. Trots mycket omfattande forskning har resultaten varit blandade. En del studier tyder på att kalenderanomalier fortsätter att existera på många marknader (Worthington, 2010), medan andra resultat visar på att marknaden har eliminerat vissa anomalier och därmed blivit mer effektiv (Darrat et al. 2011). Mot bakgrund av ovanstående studier och blandade resultat finns det skäl att studera om dessa anomalier fortsätter att existera. Då tidigare forskning på den svenska aktiemarknaden presenterat avvikelser finns det goda skäl till att undersöka en eventuell fortsatt förekomst av kalenderanomalier i Sverige. Vår studie tillför data för perioden 1996-2014 som kan bidra till forskningsområdet kring kalenderanomalier. Det finns inte mycket forskning kring kalenderanomalier i Sverige, framförallt har lite studier gjorts under de senare åren, det är därför mycket relevant att undersöka den valda tidsperioden. 1.3 Syfte Syftet med denna studie är att undersöka om kalenderanomalier förekommer på den svenska aktiemarknaden. De effekter som studeras är veckodagseffekten, månadsskifteseffekten och januarieffekten. 1.4 Disposition Uppsatsen fortsatta uppbyggnad är uppdelad enligt följande; i kapitel 2 presenteras mer detaljerade forskningsresultat från tidigare studier samt den teoretiska bakgrund som ligger till grund för hypoteserna. Vidare i kapitel 3 presenteras vårt dataurval som följs av kapitel 4 där vald metod motiveras. Undersökningens resultat och analys presenteras i kapitel 5. Avslutningsvis presenteras studiens konklusion i kapitel 6 som följs av förslag på framtida forskning. 6

2. Teori 2.1 Den effektiva marknadshypotesen Den effektiva marknadshypotesen har varit ett kärnkoncept i finansiell teori ända sedan Fama (1970) publicerade artikeln Efficient Markets: A Review of Theory and Empirical Work. Teorin förutsätter att aktiepriserna följer en random walk, vilket innebär att prisförändringen mellan aktier är oberoende av varandra, och att investerare inte på något sätt ska kunna förutse hur priset kan utvecklas med hjälp av historisk data (Fama, 1970). Vidare antas att priset återspeglar all tillgänglig information om aktien. Eftersom aktiepriset endast påverkas av ny information kommer således ingen att kunna förutse framtida prisutveckling - priset kan öka men likaväl sjunka (Fama, 1970). Marknadseffektiviteten är uppdelad i tre former av effektivitet; svag, halvstark och stark form. Svag form avser när priset reflekterar all historisk information kring aktien och halvstark form är då priset på aktien återspeglar all historisk data kring aktien samt all offentlig information som är relevant för priset (Fama, 1970). Priset kommer att justeras omedelbart allteftersom ny information offentliggörs beträffande aktien. Några exempel på information som kan påverka aktiepriset är utdelningar, kvartalsrapporter, emissioner eller sammanslagning med annat företag (Fama, 1970). Den halvstarka formen har också varit den graden av effektivitet som flest studier har undersökt. Stark form av marknadseffektivitet är då priset reflekterar all information som finns tillgänglig, det innefattar både offentlig och privat information (Fama, 1970). Eftersom priset reflekterar all tillgänglig information kan ingen investerare tjäna extra avkastning på att studera historisk data eller förlita sig på privat information - allt är redan invävt i priset och marknaden blir omöjlig att slå. Den starkaste formen av marknadseffektivitet har av uppenbara skäl varit omöjlig att studera. Då privat information är hemlig finns det ingen offentlig kännedom om den och kan därmed inte uppskattas (Fama, 1970). Eftersom aktiekursen enligt teorin ska röra sig i ett oförutsägbart mönster ska upprepande avvikelser vid samma tidpunkt som veckodagseffekten, månadsskifteseffekten och januarieffekten inte förekomma (Thaler, 1987). 7

2.2 Veckodagseffekten Ett antal uppmärksammade studier kring veckodagseffekten har gjorts på den amerikanska aktiemarknaden, Frank Cross (1973) undersökte 844 par av fredagar och måndagar mellan 1953 och 1970 på S&P 500. Resultatet visade att den genomsnittliga avkastningen på fredagar var högre än den genomsnittliga avkastningen på måndagar. S&P 500 steg under 523 fredagar vilket motsvarade 62 % av det totala antalet undersökta fredagar. Antalet måndagar var färre, 333 stycken, vilket motsvarade 39,5%. Skillnaden mellan fredagar och måndagar visade sig vara bestående för hela den undersökta tidsperioden. Cross (1973) undersökte också om det förelåg ett samband mellan prisutvecklingen på fredagen och nästkommande måndag. Undersökningen visade att de fredagar då priset på S&P 500 steg, steg även priset under måndagar i 49 % av fallen. I de situationer där fredagen uppvisade en sänkning uppvisade måndagen en ökning i bara 24 % av fallen (Cross, 1973). Liksom Cross fann andra forskare liknande resultat gällande veckodagseffekten. I Lakonishok och Smidt (1988) studie som omfattade 90 år av Dow Jones Industrial Average visades att det förelåg en skillnad i dagsavkastningen mellan olika veckodagar, det resultatet statistiskt säkerställdes på 1% signifikansnivå. Måndagar visade på en signifikant lägre negativ avkastning medan fredagar hade en signifikant högre positiv avkastning än övriga veckodagar (Lakonishok och Smidt, 1988). Förutom ren dokumentation av förekomsten av kalenderanomalier gällande veckodagseffekten på den amerikanska aktiemarknaden har andra forskare som French (1980) undersökt veckodagseffektens sammanhang. Han undersökte om effekten är bunden till helger eller om den också förekommer efter de dagar då börsen varit stängd, såsom under högtidsdagar som infaller under en arbetsvecka. Resultatet visade att effekten enbart var förenad med helger och inte med de vardagar då börsen var stängd. Liksom många andra studier fann French (1980) att avkastningen på måndag i genomsnitt var negativ under 20 av de 25 åren som studerades. Claesson (1987) undersökte veckodagseffekten på den svenska aktiemarknaden mellan 1978 och 1984. Studiens resultat visade på att avkastningen var som högst på måndagar och 8

fredagar. Den dagen som hade lägst avkastning var tisdag. Claesson jämförde sina resultat med resultat från studier på andra marknader och fann att Sverige var det enda landet med positiv avkastning på måndagar i jämförelse med USA, England, Kanada, Australien, Spanien och Japan. Negativ avkastning på just tisdagar fanns dock även på den australiensiska, japanska och spanska marknaderna. Även Worthington (2010) kunde dokumentera en tisdagseffekt i Australien och Japan, dock kunde inte några orsaker till den avvikande avkastningen fastställas. Tisdagseffekten kunde även hittas på andra europeiska marknader än i Sverige. Solnik och Bousquet (1990) studerade veckodagseffekten på Paris Bourse och rapporterade också en signifikant negativ avkastning på tisdagar. Barone (1990) hittade liknade resultat på den italienska aktiemarknaden. Det har presenterats ett antal olika teorier om varför veckodagseffekten förekommer, Lakonishok och Maberly (1990) presenterade en teori om hur aktieinnehavares beteende under veckans gång kan påverka prisutvecklingen på börsen. De menar att investerare beter sig olika beroende på vilken dag i veckan det är. Eftersom privata investerare har mer tid under helgerna att se över sina investeringar kommer aktiviteten under måndagen vara högre än under någon annan dag i veckan eftersom investerare kommer vilja sälja av sig dåligt presterade aktier. Lakonishok och Maberly (1990) delade alltså in investerare i två grupper i sin studie: institutionella investerare och privata. Institutionella investerare är, till skillnad från privata investerare, mindre aktiva i handeln på måndagar då måndagar i de flesta finansiella institutioner ägnas åt strategisk planering. Detta skapar en möjlighet för skaran av privata investerare att inverka på kursens utveckling under måndagen (Lakonishok & Maberly, 1990). Med utgångspunkt i tidigare studier gällande veckodagseffekten ställs följande hypotes: H1: Veckodagseffekten förekommer på den svenska aktiemarknaden. 2.3 Månadsskifteseffekten Lakonishok och Smidt (1988) studerade avkastningen kring månadsskiftet på den amerikanska aktiemarkanden mellan åren 1897 och 1986 och fann att det finns en månadsskifteseffekt. I studien redovisades avkastningen på Dow Jones Industrial Average 9

(DIJA) åtta dagar kring månadsskiftet. Resultaten visade på en signifikant skillnad i avkastning kring månadsskiftet, där de dagar som uppvisade störst skillnad var -1 till 3 (-1 och 1 utgjorde månadsskiftet). Den kumulativa avkastningen var 0.472 % kring månadsskiftet, medan den genomsnittliga avkastningen för fyra dagar utanför månadsskiftet var 0.0612 %. Förekomsten av positiv avkastning kring månadsskiftet fanns i mer än 56 % av de undersökta månadsskiften. Ett antal andra studier har också gjorts internationellt med resultat som tyder på att effekten också finns på andra håll. Cadsby och Ratner (1991) studerar förekomsten av månadsskifteseffekten i ett antal olika länder och fann i deras studie att effekten förekom i USA, Kanada, Storbritannien, Australien och Schweiz. Ogden (1990) presenterade en förklaring för månadsskifteseffekten. Månadsskiftet innebär lön, ränteavkastning och utdelningar vilket medföljer att många investerare avsätter en summa varje månad för investeringar efter att de mottagit någon form av kapital. Efterfrågan på investeringar tenderar därför att öka kring månadsskiftet vilket i sin tur driver aktiekursen uppåt. Monetär penningpolitik som påverkar likviditet kan därför ha en direkt inverkan på hur investerare kommer att agera och därmed påverka aktiviteten på aktiemarknaden under månadsskiftet. På samma sätt påverkar monetär penningpolitik de förväntningar investerare har om deras framtida tillgångar, vilket i sin tur inverkar på prisutvecklingen på aktiemarknaden (Ogden, 1990). En annan förklaring som uppges orsaka månadsskifteseffekten ges av Haugen och Lakonishok (1988). De menar att tidpunkten för när företag väljer att offentliggöra nyheter påverkar prisutvecklingen på marknaden. Penman (1987) observerade att det bildas kluster av information vid olika tidpunkter på månaden. Under början av månaden offentliggjordes goda nyheter medan dåliga nyheter försköts tills senare. Med grund i tidigare studier och teorier rörande månadsskifteseffekten ställs följande hypotes: H2: Månadsskifteseffekten förekommer på den svenska aktiemarknaden. 10

2.4 Januarieffekten Januarieffekten är en av aktiemarknadens mest berömda anomalier som dokumenterades för mer än 70 år sedan av Sidney B. Watchel (1942). Ända sedan dess har många forskare studerat januarieffektens förekomst på olika aktiemarknader. Rozeff och Kinney (1976) undersökte The New York Stock Exchange (NYSE) mellan åren 1904-1974 där den genomsnittliga avkastningen i januari månad var högre än under resterande månader. Januari månad uppvisade en genomsnittlig avkastning på 3.5 % medan de resterande månaderna visade en genomsnittlig avkastning på ca 0.5 %. Över en tredjedel av den årliga avkastningen inträffade i januari. Reinganum (1983) undersökte skillnaden mellan mindre och större företags prestation i januari månad. De företag som utmärkte sig med högst avkastning i januari var de mindre företagen som under det gångna året hade uppvisat en negativ prisutveckling. Tidigare forskning har försökt att kartlägga bakomliggande orsaker till januarieffekten, bland annat uppges det finnas en skatteeffekt. Poterba och Weisbenner (2001) studerade januarieffekten och undersökte också vilken inverkan skattemässiga incitament hos investerare har på prisutveckling på aktiemarknaden. Investerare som taxeras kan använda sina förluster för att reducera beskattningen vid realisering av vinster i form av förlustavdrag. Eftersom skatter beräknas på inkomster inom kalenderåret kan investerare som realiserar förluster i december ta del av beskattningsfördelar ackumulerad under en tolvmånadersperiod. Det finns därför incitament för investerare att sälja aktier som gått med förlust innan årsskiftet. Poterba och Weisbenner fann starka bevis för att denna investeringsstrategi inverkar negativt på aktiekursen och bidrar till att kursen faller precis innan årsskiftet. Den ökade försäljningen bidrar alltså till att priserna pressas ner under december och återhämtar sig igen i januari månad (Poterba och Weisbenner, 2001). Keim (1989) förklarar prisförhållandet under december och januari med att de priser som råder under december är vad säljare är villiga att sälja för, medan i januari månad är det vad köpare är villiga att betala. Samma resonemang förs av Griffiths och White (1993) som menar att marknaden domineras av säljare precis innan taxeringsårets slut och av köpare efter taxeringsåret, vilket delvis förklarar den hastiga kursförändringen. 11

Utöver skatteeffekten har den så kallade window-dressing effekten studerats av ett stort antal forskare som uppger att den kan vara en tänkbar förklaring till januarieffekten. Orsaken uppges vara institutionella investerares agerande kring årsskiftet. Eftersom institutionella investerares prestation ofta utvärderas utifrån en jämförelse med arbetskamrater finns det incitament att ta till metoder som kan modifiera utseendet av deras portföljer. Institutionella förvaltare tenderar att sälja av dåligt presterade aktier precis innan årsskifte för att redovisa portföljer med välavkastande aktier (Haugen och Lakonishok 1988). Eftersom både skattemässiga drivkrafter och window-dressing effekten förutspår samma utfall är det svårt att fastställa vilken av dessa två, om någon, är den uteslutande förklaringen till januarieffekten (Starks et al., 2006). Sias och Starks (1997) och Poterba och Weisbenner (2001) i deras respektive studie testade att utesluta en av dessa två faktorer som antogs påverka januarieffekten. Båda studier fann starka indikationer på att januarieffekten är mer sannolikt orsakad av skatteplanering än av window-dressing. Senare studier under 2000-talet dokumenterade att januarieffekten inte finns längre på många marknader. Darrat et al. (2011) gjorde en omfattande studie om januarieffekten där de studerade effektens förekomst i 34 länder. De fann ingen signifikant januarieffekt, med vissa få undantag. De fann däremot i 21 av de studerade länderna en decembereffekt, det vill säga att avkastningen tenderar att vara signifikant högre under december månad. April månad var också en månad som utmärkte sig med signifikant högre avkastning i majoriteten av de undersökta länderna (Darrat et al., 2011). Eftersom de senare studierna inte kunnat finna någon januarieffekt är det viktigt att studera om det finns en eventuell januarieffekt. Nämnda teorier mynnar ut till följande hypotes gällande januarieffekten. H3: Januarieffekten förekommer på den svenska aktiemarknaden 12

3. Data Vår undersökning baseras på data från SIX Return Index (SIXRX). SIXRX är ett kapitalviktat index bestående av 254 bolag som är noterade på Stockholmsbörsen. Därmed reflekterar indexet den genomsnittliga värdeutvecklingen på den svenska aktiemarknaden (SIX Financial Information 2015). Vi har valt att använda data från SIXRX för att den tar hänsyn till utdelningar som aktieägare erhåller. Det är viktigt att ta hänsyn till denna aspekt då säsongsmässiga utdelningar kan förstärka säsongstrender i avkastningen. För att undgå denna missvisande bild måste priser justeras för utdelningar (Lakonishok & Smidt, 1988). Värdena för SIXRX hämtas från Thomson Reuters DataStream där lördagar och söndagar exkluderas automatiskt och resterande dagar utan handel har avlägsnats manuellt. För att undersöka om kalendereffekter finns på den svenska aktiemarknaden studeras SIXRX dagliga och månatliga avkastning under perioden 1996-2014 där dagar utan handel är exkluderade. Anledningen till att vi har valt att undersöka en 19-års period är att det innehåller tillräckligt mycket data för att resultaten ska anses vara tillförlitliga. Avkastningen beräknas med hjälp av formel (1). r t = (P t P t 1 )/P t 1 (1) Där r t är daglig avkastning dag t, P t är slutpriset dag t och P t-1 är slutpriset dagen innan dag t. 3.1 Deskriptiv statistik Tabell 1.1 visar deskriptiv statistik för 4755 observationer under perioden 1996-2014. I likhet med tidigare studier gjorda av Lakonishok & Smidt (1988) studeras även kortare delperioder 1996-2000, 2001-2005, 2006-2010 och 2011-2014 i syfte att undersöka varaktigheten av kalendereffekterna för varje delperiod. Datamaterial som innehåller finansiell information, exempelvis aktiepriser, är oftast inte normalfördelat (Frennberg och Hansson, 1993). Normalfördelning är ett grundläggande antagande för nästan alla statistiska metoder. Skewness, eller skevhet på svenska, är ett mått på hur skev fördelningen för det givna datamaterialet är. Koefficienten för skevheten är lika med noll när datamaterialet är normalfördelat. En negativ koefficient indikerar att datamaterialet är skev åt vänster från medelvärdet och en positiv koefficient indikerar att 13

fördelningen är skev åt höger från medelvärdet. Kurtorsis, eller toppighet på svenska, är ett mått som beskriver fördelningens toppighet. För en normalfördelning är det förväntade värdet för toppighet lika med tre. Om måttet på toppigheten avviker från tre och den avvikelsen är större än noll indikerar det att fördelningen är mer platt med många extremvärden. När avvikelsen är mindre än noll indikerar det att fördelningen är spetsig med få extremvärden (Frennberg och Hansson, 1993). I tabellen 1 framgår det att värdena för dessa mått avviker något, det vill säga datamaterialet som används i denna studie är inte helt normalfördelat. I enlighet med Frennberg och Hansson (1993) kan man inte dra tillförlitliga slutsatser om datamaterialet inte är normalfördelat, men man kan förlita sig på den centrala gränsvärdesatsen som säger att normalfördelningen kan approximeras när stickprovet är tillräckligt stort. Eftersom vår undersökning studerar dagsavkastningen och stickprovet är tillräckligt stort kan vi därför enligt centrala gränsvärdesatsen anta att vårt datamaterial är normalfördelat. Tabell 1 Deskriptiv statistik av dagsavkastning på Stockholmbörsen med hänsyn till utdelningar (SIXRX). Avkastningen anges i procent. Period Antal Medel SD Min Median Max Skewness Kurtorsis Dagar 1996-2000 1250 0,101 1,379-7,075 0,170 10,312 0,02 3,94 2001-2005 1249 0,025 1,393-7,982 0,055 7,599 0,12 3,03 2006-2010 1256 0,044 1,619-7,081 0,090 9,042 0,21 4,07 2011-2014 1000 0,047 1,163-6,23 0,075 5,636-0,31 3,43 1996-2014 4755 0,054 1,409-7,982 0,097 10,312 0,08 4,05 4. Metod 4.1 Introduktion Den kvantitativa forskningsmetoden ämnar sig bäst för den här studien då ett stort urval av data används och testas med hjälp av statistiska verktyg. Vidare används sekundärdata i form av tidigare forskning, teorier och historisk data från SIXRX (Bryman och Bell, 2015). I likhet med andra studier används huvudsakligen hypotesprövning och regressionsanalys för att undersöka kalenderanomaliernas närvaro på den svenska aktiemarknaden. Vidare används ett teckentest för att undersöka om andelen positiva dagar är signifikant större än andelen 14

negativa. Ett teckentest är en icke-parametrisk test som används för att testa om två undersökta grupper är lika stora (Körner & Wahlgren, 2006). På samma sätt som i tidigare undersökningar används signifikansnivå på 5 % och 1% för att statistiskt säkerhetsställa resultaten. 4.2 Hypotesprövning Statistisk hypotesprövning betyder att man med hjälp av ett slumpmässigt stickprov bedömer trovärdigheten i hypoteser som man har ställt angående en viss population. I den klassiska hypotesprövningen har man två hypoteser, en nollhypotes (H 0 ) och en mothypotes (H 1 ), som motsäger nollhypotesen. Prövningen av hypoteserna kan leda till att man antingen förkastar eller accepterar nollhypotesen. Gränsen för förkastande av nollhypotesen bestäms genom en vald signifikansnivå, som är risken att förkasta nollhypotesen. Värdet på signifikansnivå måste alltid bestämmas i förväg innan undersökningen genomförs. Vanliga värden för signifikansnivå är 5% och 1% (Körner & Wahlgren, 2006). Ett av de vanligaste hypotestesterna är ett t-test som används när man exempelvis vill göra uttalande om en viss populations medelvärde. Denna testfunktion teoretiskt förutsätter att undersökningsvariabeln är normalfördelad. När man vill testa om medelvärdet skiljer sig från ett visst värde som är angivet i nollhypotesen måste man alltid ha en tvåsidig mothypotes. Om man däremot vill undersöka om medelvärdet är större eller mindre än det värdet som är angivet i nollhypotesen är en ensidig mothypotes mer lämplig (Körner & Wahlgren, 2006). I det här arbetet kommer ett tvåsidigt t-test användas för att undersöka om den genomsnittliga avkastningen skiljer sig från noll. 4.3 Regressionsanalys Regressionsanalys a r ett av de mest anva nda statistiska verktyg som anva nds fo r att underso ka samband mellan olika variabler. Man underso ker huruvida den oberoende variabeln pa verkar va rdet pa den beroende variabeln genom att estimera koefficienten framfo r den oberoende variabeln. I en enkel linja r regression finns endast en oberoende variabel och det a r ett bra verktyg fo r att underso ka enkla samband. Om man da remot studerar ett mer komplicerat samband och o nskar att inkludera fler a n en oberoende variabel i modellen, talar man om 15

multipel regression (Andersson et al., 2007). Regressionsmodellen fo r ett sa dant samband kan se ut pa fo ljande vis: Y = α + β 1 X 1 + β 2 X 2 + β 3 X 3 + e da r α a r interceptet, β a r den estimerade koefficienten som anger lutningen pa de oberoende variablerna, den talar om hur mycket varje oberoende variabel bidrar till att förklara variationen i den beroende variabeln Y. Sista termen e a r en felterm. I de fallen man vill inkludera en kvalitativ variabel i sin modell anva nds dummyvariabler med vars hja lp man kan kvantifiera den kvalitativa variabeln. Dummyvariabeln antar va rdet 1 na r den kvalitativa variabeln i fra gan finns na rvarande och va rdet 0 i andra fall (Andersson et al., 2007). Ett exempel på en modell med dummyvariabler: Y = α + β 1 D 1 + β 2 D 2 + β 3 D 3 + e da r α a r interceptet, β a r den estimerade koefficienten som anger lutningen pa dummyvariablerna, den talar om hur mycket varje dummyvariabel bidrar (om na rvarande) till att fo rklara variationen i den beroende variabeln Y. Sista termen e a r en felterm. När man använder sig av regressionsanalys i sin undersökning vill man ofta testa de estimerade parametrarna med hjälp av ett F-test. F-test är ett hypotestest som används främst för att jämföra olika regressionsmodeller och identifiera den modellen som är bäst anpassad till det undersökta datamaterialet. Nollhypotesen som testas är att samtliga estimerade koefficienten är lika med noll och den alternativa hypotesen är att åtminstone en koefficient skiljer sig från noll (Andersson et al., 2007). 4.4 Veckodagseffekten Den genomsnittliga avkastningen för olika veckodagar studeras i syfte att undersöka om avkastningen skiljer sig åt mellan de olika veckodagarna. Ett t-test används för att testa nollhypotesen att den genomsnittliga dagsavkastningen för samtliga veckodagar är lika med noll. Den alternativa hypotesen är att medelvärdet för dagsavkastningen skiljer sig från noll. 16

Vidare undersöks om det föreligger en skillnad i genomsnittlig dagsavkastning mellan olika veckodagar. Detta görs med hjälp av regressionsanalys där modell (2) testas. Vidare används resultaten från ett F-test för att fastställa huruvida de estimerade koefficienterna i regressionsmodellen bidrar till att förklara variationen i dagsavkastningen. Nollhypotesen i det testet är att samtliga estimerade koefficienter är lika med noll. Mothypotesen är att åtminstone en koefficient är skild från noll, det vill säga att åtminstone en dag har signifikant större eller lägre genomsnittlig avkastning än de resterande dagarna. Signifikansnivån som används för att statistiska säkerhetsställa resultaten är 5%. r t = α 1 D 1t + α 2 D 2t + α 3 D 3t + α 4 D 4t + α 5 D 5t + e t (2) t = 1,2,3. T Där r t är avkastningen på Stockholmbörsen dag t. D 1t,D 2t, D 3t, D 4t, och D 5t är dummyvariabler som antar värdet 1 om handelsdagen t är en måndag, tisdag, onsdag, torsdag och fredag och dummy antar va rdet 0 i alla andra fall. Den estimerade koefficienten α anger hur mycket varje dummyvariabel bidrar till att förklara variationen i r t. Termen e är en felterm. 4.5 Månadsskifteseffekten Den genomsnittliga dagsavkastningen studeras i syfte att undersöka om dagarna kring månadsskiftet uppvisar högre avkastning än de resterande dagarna i månaden. Detta görs genom att undersöka om den genomsnittliga avkastningen för de dagar som faller in under intervallet -8 till +8, där -1 och +1 är månadsskiftet, skiljer sig från noll. Ett t-test används för att undersöka huruvida den genomsnittliga avkastningen för de olika dagarna kring månadsskiftet skiljer sig från noll. Signifikansnivån som används för att statistiska säkerhetsställa resultaten är 5%. 4.6 Januarieffekten Sista testet ämnar undersöka om den välkända januarieffekten existerar på den svenska börsmarknaden. Den genomsnittliga månadsavkastningen för perioden 1996-2014 studeras för att undersöka om det föreligger någon signifikant skillnad i genomsnittlig avkastning med avseende på månad. Som tidigare används ett tvåsidigt t-test för att undersöka om den 17

genomsnittliga månadsavkastningen för samtliga månader skiljer sig från noll. Signifikansnivån som används för att statistiska säkerhetsställa resultaten är 5%. 5. Resultat och Analys 5.1 Veckodagseffekten Resultaten gällande veckodagseffekten är presenterade i tabell 2. För delperioden 1996-2000 är den genomsnittliga dagsavkastningen under måndagar och fredagar är högre än under resterande veckodagar, detta är statistiskt säkerställt på 1% signifikansnivå. Resultatet för resterande delperioder 2001-2005, 2006-2010 och 2011-2014 är icke-signifikanta för samtliga veckodagar. Vidare är det statistiskt säkerhetsställt att den genomsnittliga avkastningen under fredagar för hela den undersökta perioden mellan 1996 och 2014 är signifikant skild från noll, vilket är säkerställt på 5% signifikansnivå. F-testet är presenterad i tabell 3, för den undersökta regressionsmodellen (2) finns ett signifikant resultat för första delperioden och ett icke-signifikant resultat för resterande delperioder. Resultatet från F-testet är ej signifikant även sett till hela den undersökta perioden. Detta innebär att vi på 5% signifikansnivå inte kan förkasta nollhypotesen om att de estimerade koefficienterna för samtliga veckodagar skiljer sig från noll. Det är således statistiskt säkerhetsställt att den genomsnittliga avkastningen inte skiljer sig mellan olika veckodagar. Det betyder att vår regressionsmodell inte kan förklara variationen i dagsavkastningen på den svenska aktiemarknaden. Resultatet från teckentestet visar, trots icke-signifikant resultat från F-testet, att andelen måndagar med positiv avkastning är 56,5 % vilket är signifikant större än andelen dagar med negativ avkastning. Detta gäller för hela den undersökta perioden. Vidare stödjer resultatet från teckentestet att fredagar i genomsnitt uppvisar högst avkastning under perioden 1996-2014. 18

Tabell 2 Genomsnittlig dagsavkastning på Stockholmbörsen med hänsyn till utdelningar (SIXRX) för samtliga veckodagar, i procent. Period Måndag Tisdag Onsdag Torsdag Fredag 1996-2014 Medelvärde 1 0,097 0,038 0,022 0,030 0,087* Standardavvikelse 1,543 1,355 1,425 1,416 1,296 Median 0,167 0,035 0,081 0,081 0,141 Andel positiva dagar(%) 56,5%* 51,5% 52,9% 53,1% 55,6%** Antal dagar 943 970 964 950 928 1996-2000 Medelvärde 1 0,281** 0,113-0,017-0,083 0,215** Standardavvikelse 1,433 1,282 1,453 1,399 1,293 Median 0,300 0,104-0,005 0,114 0,335 Andel positiva dagar(%) 60,7** 53,5 49,8 52,6 59,6** Antal dagar 247 256 253 249 245 2001-2005 Medelvärde 1 0,046-0,027-0,063 0,161 0,009 Standardavvikelse 1,545 1,301 1,398 1,460 1,244 Median 0,125-0,024-0,020 0,153 0,047 Andel positiva dagar(%) 56,3 49,0 49,2 58,2* 52,9 Antal dagar 245 255 254 251 244 2006-2010 Medelvärde 1 0,105-0,047 0,168-0,017 0,005 Standardavvikelse 1,841 1,605 1,616 1,494 1,518 Median 0,253-0,042 0,190-0,051 0,045 Andel positiva dagar(%) 59,0%* 49,0% 58,4%* 48,8% 51,2% Antal dagar 251 255 255 252 242 2011-2014 Medelvärde 1-0,076 0,130-0,010 0,065 0,126 Standardavvikelse 1,210 1,154 1,135 1,270 1,032 Median -0,028 0,074 0,082 0,047 0,201 Andel positiva dagar(%) 48,5% 55,4% 54,2% 52,5% 59,4%* Antal dagar 200 204 201 198 197 1 Signifikansnivå är baserat på ett t-test av nollhypotesen att medelvärdet är lika med noll. 2 Signifikansnivå är baserat på ett teckentest av nollhypotesen att medianen är lika med noll. Nollhypotesen förkastas om fördelningen mellan positiva och negativa dagar är asymmetrisk. * Resultatet är signifikant på 5 % nivå för ett dubbelsidigt test. ** Resultatet är signifikant på 1 % nivå för ett dubbelsidigt test. 19

Tabell 3 F-test för regressionsmodellen (modell 2) gällande veckodagseffekten. Period F- värde P-värde 1996-2000 3,79* 0,002 2001-2005 0,84 0,518 2006-2010 0,82 0,536 2011-2014 1,26 0,279 1996-2014 1,87 0,09 * Resultatet är signifikant på 5 % nivå. Sammanfattningsvis visar resultaten gällande veckodagseffekten att den genomsnittliga avkastningen under fredagar är signifikant högre än den genomsnittliga avkastningen under resterande veckodagar. Detta kunde dock inte bekräftas med ett F-test, därför kan vi inte påstå med alla säkerhet att dagsavkastningen skiljer sig mellan olika veckodagar i Sverige under perioden 1996-2014. Resultaten i denna studie skiljer sig från de tidigare studierna gällande veckodagseffekten. Då tidigare forskning visat på skillnader i avkastning mellan olika veckodagar antogs en hypotes om att veckodagseffekten skulle förekomma på den svenska aktiemarknaden. Till skillnad från Lakonishok och Smidt (1988) kunde inte denna studie statistisk säkerställa att avkastningen skiljer sig signifikant mellan olika veckodagar. Denna studie kunde inte heller bekräfta Claessons (1987) resultat gällande tisdagseffekten i Sverige. Resultaten från t-testet och teckentestet tyder på att den genomsnittliga avkastningen under fredagar är signifikant högre än under resterande veckodagar, vilket går i linje med många tidigare studier (Cross, 1973; Lakonishok och Smidt, 1988). 5.2 Månadsskifteseffekten I diagram 1 sammanfattas resultaten från den andra undersökningen där den genomsnittliga avkastningen för 16 dagar kring månadsskiftet har studerats. Det framgår tydligt av diagrammet att den genomsnittliga avkastningen kring månadsskiften har varit högre än den genomsnittliga avkastningen för dagar utanför månadsskiftet. Dagar med högst avkastning faller in under intervallet -4 till +1. 20

Procent Diagram 1 Genomsnittlig dagsavkastning för SIXRX kring månadsskifte, för 1996-2014 SIX Return Index Genomsnittlig dagsavkastning 1996-2014 0,4 0,3 0,2 0,1 0-0,1-0,2-0,3-0,4-8 -7-6 -5-4 -3-2 -1 1 2 3 4 5 6 7 8 Dagar från månadsskiftet Sammanfattande statistik för 8 dagar kring månadsskiftet för totalt 227 dagar under perioden 1996-2014 är presenterad i tabell 2. Dag -1 och +1 är den sista respektive den första dagen i månaden. Resultaten påvisar en stark månadsskifteseffekt för hela perioden 1996-2014 och en svagare effekt för delperioder 1996-2005 och 2006-2014. För 1996-2014 är den genomsnittliga avkastningen högre för dagarna -3 till +1 kring månadsskiftet. Den genomsnittliga avkastningen för dagarna -3 till -1 är signifikant skilda från 0 på 5 % signifikansnivå och resultaten för dag +1 är signifikant på 1 % signifikansnivå. Utifrån tidigare forskning kring månadsskifteseffekten antogs en hypotes om att månadsskifteseffekten förekommer även i Sverige. Resultaten i Tabell 2 visar på att denna hypotes är bekräftad. Det är statistiskt säkerställt att månadsskifteseffekten existerar på den svenska aktiemarknaden. Månadsskifteseffekten faller in i Sverige under dagarna -3 och +1 kring månadsskiftet och avkastningen är som högst dag 1. Resultatet gällande månadsskifteseffekten går i linje med Lakonishok och Smidt (1988) som påvisat en signifikant högre avkastning kring början av månaden. De dagarna som enligt Lakonishok och Smidt uppvisade störst skillnad i dagsavkastning var -1 till +3. Detta stämmer inte helt överens med resultaten i denna studie. Intervallet som uppvisade högst avkastning i denna studie är dagarna -3 till +1 kring månadsskiftet. Utifrån det dras slutsatsen att månadsskifteseffekten faller in tidigare i Sverige än vad som de internationella studierna observerat. 21

Tabell 4 Genomsnittlig dagsavkastning på Stockholmbörsen med hänsyn till utdelningar (SIXRX) kring månadsskifte, i procent. Period -4-3 -2-1 1 2 3 4 1996-2014 Medelvärde 1 0,053 0,235* 0,185* 0,180* 0,358** 0,075 0,072 0,030 Standardavvikelse 1,280 1,477 1,370 1,117 1,511 1,445 1,443 1,371 Median 0,087 0,173 0,262 0,167 0,432 0,054 0,109 0,065 Andel positiva dagar(%) 53,3 56,8* 55,9 57,3* 64,3** 54,6 54,2 52,9 Antal dagar 227 227 227 227 227 227 227 227 1996-2005 Medelvärde 1-0,03 0,201 0,190 0,217* 0,448** 0,166 0,042 0,238* Standardavvikelse 1,294 1,620 1,260 1,149 1,365 1,447 1,473 1,170 Median 0,084 0,175 0,264 0,230 0,514 0,149 0,106 0,183 Andel positiva dagar (%) 54,2 55,0 57,5 60,8* 69,7** 55,5 53,8 58,0 Antal dagar 120 120 120 120 119 119 119 119 2006-2014 Medelvärde 1 0,142 0,273* 0,179 0,138 0,258-0,03 0,104-0,20 Standardavvikelse 1,265 1,304 1,490 1,084 1,659 1,444 1,415 1,535 Median 0,089 0,154 0,247 0,082 0,293 0,031 0,138-0,041 Andel positiva dagar (%) 52,3 58,9 54,2 53,3 58,3 53,7 55,1 47,2 Antal dagar 107 107 107 107 108 108 108 108 1 Signifikansnivå är baserat på ett t-test av nollhypotesen att medelvärdet är lika med noll. 2 Signifikansnivå är baserat på ett teckentest av nollhypotesen att medianen är lika med noll. Nollhypotesen förkastas om fördelningen mellan positiva och negativa dagar är asymmetrisk. * Resultatet är signifikant på 5 % nivå för ett dubbelsidigt test. ** Resultatet är signifikant på 1 % nivå för ett dubbelsidigt test. 5.3 Januarieffekten Sammanfattande statistik för resultatet gällande januarieffekten är presenterad i tabell 5. Undersökningen innehöll sammanlagt 19 observationer för alla januarimånader under perioden 1996-2014. Eftersom 19 observationer är ett relativt litet stickprov, har inte delperioder studerats för januarieffekten. Resultatet visar att den genomsnittliga januariavkastningen är 0.81%, vilket inte är statistiskt signifikant skilt från 0. På 5 % signifikansnivå kan vi inte förkasta nollhypotesen om att den genomsnittliga avkastningen under januari är lika med noll. Trots icke-signifikanta resultat gällande januarieffekten, kunde resultatet visa på en februari-, april-, och novembereffekt. Den genomsnittliga avkastningen är 2.8% under februari, 4.1% under april och 3.4% under november. Samtliga resultat är statistiskt säkerställda på 5% signifikansnivå. 22

Resultatet från det icke-parametriska testet påvisade en månadseffekt endast för april månad. Andelen aprilmånader med positiv avkastning (78,9 %) var signifikant mycket större än andelen månader med negativ avkastning. Detta var statistiskt säkerställt på 5 % signifikansnivå. Anledningen till att teckentestet inte visade signifikanta resultat för andra månader kan vara att stickprovet i den här studien inte var tillräckligt stort. Utifrån tidigare studier gällande januarieffekten antogs en hypotes om att den kalenderanomalin skulle förekomma på den svenska aktiemarknaden, den hypotesen kunde som sagt inte bekräftas utifrån resultat i denna studie. Resultatet strider således emot tidigare studier (Watchel,1942; Rozeff och Kinney,1976; Poterba och Weisbenner, 2001). En parallell kunde dras till den studien som genomfördes av Darrat et all (2011) där de inte heller kunde observera någon januarieffekt, istället fann de en högre genomsnittlig avkastning under december- och aprilmånaderna. Den här studien fann en aprileffekt på den svenska börsmarknaden, vilket således går i linje med Darrat et al. (2011) Tabell 5 - Genomsnittlig månadsavkastning på Stockholmbörsen med hänsyn till utdelningar (SIXRX) för samtliga månader, i procent. Period Januari Februari Mars April Maj Juni 1996-2014 Medelvärde 1 0,810 2,805* 1,139 4,076* 0,121-0,618 Standardavvikelse 4,948 5,253 4,761 6,521 4,368 5,142 Median 1,75 3,568 1,451 2,686 0,787 0,921 Andel positiva månader 68,4 73,7 68,4 78,9* 52,6 57,9 (%) Antal månader 19 19 19 19 19 19 Tabell 5 - Fortsättning Period Juli Augusti September Oktober November December 1996-2014 Medelvärde 1 0,836-1,487-1,363 1,443 3,388* 2,023 Standardavvikelse 5,073 5,132 7,181 7,195 5,976 5,515 Median -0,616-1,038-0,120 1,726 3,086 1,914 Andel positiva 42,1 42,1 47,4 63,2 68,4 73,7 månader(%) Antal månader 19 19 19 19 19 19 1 Signifikansnivå är baserat på ett t-test av nollhypotesen att medelvärdet är lika med noll. 2 Signifikansnivå är baserat på ett teckentest av nollhypotesen att medianen är lika med noll. Nollhypotesen förkastas om fördelningen mellan positiva och negativa dagar är asymmetrisk. * Resultatet är signifikant på 5 % nivå för ett dubbelsidigt test. ** Resultatet är signifikant på 1 % nivå för ett dubbelsidigt test. 23

6. Konklusion Undersökningens syfte har varit att undersöka förekomsten av veckodagseffekten, månadsskifteseffekten och januarieffekten på den svenska aktiemarknaden. Resultaten av denna studie visar på en svag veckodagseffekt där fredagar har signifikant högre avkastning under perioden 1996-2014. Resultaten från F-testet är dock icke-signifikanta och vi kan därför inte hävda att veckodagseffekten existerar i Sverige. I vår undersökning kunde vi påvisa en stark månadsskifteseffekt i Sverige. Vidare har vi inte observerat någon januarieffekt på den svenska aktiemarknaden. Utifrån det F-testet som genomfördes för veckodagseffekten var det ingen dag vars avkastning utmärkte sig tillräckligt för att vi skall kunna dra några slutsatser huruvida veckodagseffekten förekommer på den svenska aktiemarknaden. Utifrån de resultat som presenteras i denna undersökning sker aktiehandeln löpande, vilket antyder på en högre grad av marknadseffektivitet. Förenligt med de resultat som presenterats i denna undersökning finns det systematiska avvikelser på den svenska aktiemarknaden gällande månadsskiftet. Andra förklarande variabler kan dock inte förbises, Ogden (1982) redovisar teorin om att kapitalströmmingar kring månadsskiftet är en drivande faktor för avvikelsen. Vad vi har observerat är att månadsskifteseffekten är förskjuten bakåt på den svenska aktiemarknaden jämfört med vad som observerats internationellt. Detta kan förklaras med att löneutbetalningar i Sverige sker den 25:e varje månad vilket innebär att kapitaltillströmningen inträffar tidigare än på många andra marknader och därmed sker aktiehandeln tidigare. Den tidigare handeln driver alltså upp aktiepriset vilket resulterar i att genomsnittsavkastningen blir högre kring månadsskiftet. Resultaten angående månadsskifteseffekten är bestående för hela den undersökta perioden 1996-2014, med en viss olikhet i vilka dagar som uppvisar anomalin. Detta kan tolkas som en bestående systematisk avvikelse i strid med vad den effektiva marknadshypotesen säger. Effekten kan dock anses vara oundviklig då investerares tillgång till nytt kapital logiskt sett bör betyda att de kan inhandla fler aktier. Liksom ökningen i detaljhandeln i samband med 24

löneutbetalningar bör det betyda att fler kommer inhandla diverse olika varor, vare sig det är kläder eller aktier. Vad som avser januarieffekten finns det i denna undersökning inget resultat som tyder på att effekten finns på den svenska aktiemarknaden. Utifrån den effektiva marknadshypotesen går det att dra slutsatsen att den svenska aktiemarknaden är effektiv då den inte uppvisar denna typ av systematisk avvikelse. Tidigare undersökningar av den svenska aktiemarknaden har dock uppvisat den avvikelsen, exempelvis mellan åren 1978-1985 (Claesson, 1987). Samma gäller för den undersökningen som genomfördes av Dahlquist och Sellin (1996) där både januari månad och juli månad uppvisade signifikant högre avkastning. Resultaten i vår undersökning kan istället tolkas som att aktiemarknaden i Sverige har rört sig mot en allt högre grad av marknadseffektivitet. Systematiska avvikelser skall enligt hypotesen med tiden jämnas ut till marknadsjämvikt vilket vi utifrån vårt resultat kan anta. Eftersom undersökningen inte gav något signifikant resultat kring huruvida januarieffekten förekommer på den svenska marknaden går det inte att dra några slutsatser kring vad som förklarar den. Det finns därför anledning att göra en grundligare undersökning i huruvida det föreligger skillnad i prestation mellan mindre företags aktier och större företags aktier vid årsskiftet, samt att se till andra faktorer såsom institutionella investerares kontra privata investerares inflytande på aktiemarknaden. Sverige har liknande skatteregleringssystem som många andra länder där anomalier undersökts och observerats. Även internationellt är sista taxeringsmånaden i många fall december, vilket är ett incitament för privata investerare att sälja aktier med negativ avkastning innan årsskiftet. Window-dressing effekten har internationellt motiverats av att institutionella investerare förväntas presentera en väl avkastad portfölj vid årsskiftet. Det kan således finnas skillnader i hur svenska institutioners förväntningar och förhållningssätt gentemot traders skiljer sig åt. Det kan vara en orsak till varför denna effekt inte utmärker sig på den svenska aktiemarknaden. 25