Prisnivåns effekt på aktiemarknaden

Prisnivåns effekt på aktiemarknaden Kategoriserar investerare aktier utgående från prisnivå? Johan Fager Institutionen för finansiell ekonomi och statistik Svenska handelshögskolan Helsingfors 2010

SVENSKA HANDELSHÖGSKOLAN Institution: Institutionen för finansiell ekonomi och statistik Författare: Johan Fager Arbetets art: Avhandling Datum: 3.9.2009 Avhandlingens rubrik: Prisnivåns effekt på aktiemarknaden - kategoriserar investerare aktier utgående från prisnivå? Sammandrag: Syftet med uppsatsen är att undersöka ifall lika prissatta aktier korrelerar med varandra. Syftet är också att granska ifall korrelationen förändras för aktier som gör en aktiesplitt. Detta i sig ger svar på ifall investerare kategoriserar aktier utgående från det nominella aktiepriset. Materialet är från Helsingforsbörsen för en tidsperiod mellan år 1998 och 2008. En akties nominella prisnivå bestäms enligt teori på framtida utsikter för företag samt framtida kassaflöden. Priset i sig är enlig teorin orelaterat med andra fundamentala faktorer såsom företagets storlek, likviditet eller i vilken industri detta är i. Dessa faktorer har man redan tidigare funnit att har en positiv effekt på korrelation. Den nominella prisnivån har inte varit fokus i samma grad. I en relativt färsk undersökning skriven av Green & Hwang (2009) har man funnit att lika prissatta aktier har en abnormalt stor korrelation med varandra trots kontroll för andra drivkrafter. Dessa resultat kan i sig ha med psykologiska effekter och beteendemässig finansiell teori att göra samt hur människor behandlar dyra och billiga aktier. Metoderna för uppsatsen är till en stor del traditionella regressionsmodeller med varierande antal beskrivande variabler. För att granska möjlig effekt av kategorisering har som beskrivande variabler valts aktieindex som innehåller enbart företag inom vissa storleksgrupper baserade på nominell prisnivå samt andra kontrollerande variabler. Korrelationen mellan de enskilda aktierna och indexen granskas därefter. Också några teckentest baserade på den binomiala fördelningen har tagits med som stödande metod. I den första delen har regressioner gjorts med hela materialet samt efter det har enskilda aktiesplittar tagits i beaktande. Med att granska hela materialet kan man inte direkt finna bevis över kategorisering utgående från pris även om svaga indikatorer finns att skåda. Aktiesplittar ger å andra sidan en gynnsam utgångspunkt för att granska fenomen som detta då allt annat hålls konstant förutom priset. I undersökningen kommer man fram till att händelsen lett till en rad starkt förändrade förhållanden. Korrelationen tenderar i vissa fall att öka med index som enbart innehåller lågtprissatta aktier samtidigt som denna sjunker med högtprissatta då aktien fördelas men resultaten varierar och klara signifikanta bevis över kategorisering utgående från pris saknas. Med andra ord kan man inte dra slutsatsen att ett fenomen som kategorisering utgående från prisnivå finns på denna marknad för den valda tidsperioden. Nyckelord: Aktiesplitt, beteendemässig finansiell teori, Green & Hwang, kategorisering, korrelation, optimal prisnivå, stock split, style investing, tillväxtpotential

INNEHÅLLSFÖRTECKNING 1 INLEDNING... 1! 1.1.! Problemområde och kontribution... 1! 1.2.! Syfte... 2! 1.3.! Avgränsningar... 2! 1.4.! Arbetets fortsatta uppläggning... 2! 2 TEORI... 3! 2.1.! Modern portföljteori... 3! 2.2.! Beteendemässig finansiell teori... 3! 2.3.! Kategorisering av värdepapper... 4! 2.3.1.! Synliga kategorier... 5! 2.3.2.! Indirekta irrationella kategorier... 5! 2.3.3.! Style investing... 6! 2.4.! Korrelerande avkastningar... 7! 2.4.1.! Korrelerande fundamentala värden... 8! 2.4.2.! Marknadsfriktioner och sentimentalitet... 9! Habitat view... 10! Information diffusion view... 10! 2.4.3.! Style investing och korrelation... 11! 2.5.! Ägarstruktur och beteendemässiga effekter... 12! 2.5.1.! Antalet aktieägare och företagsvärde... 12! 2.5.2.! Sentimentalitet, störningar och noisy investors... 13! 2.5.3.! Institutionella investerare vs. småinvesterare... 13! 2.6.! Det nominella aktiepriset och psykologiska effekter... 14! 2.6.1.! Optimal prisnivå... 14! 2.6.2.! Tillväxtpotential... 16! 2.6.3.! Företagsstorlek och aktiepris... 17! 2.7.! Aktiesplittar... 17! 2.7.1.! Motiv bakom aktiesplittar... 18! Signalering... 18! Uppmärksamhet... 19! Normer inom företaget... 20! 2.7.2.! Tidigare resultat... 20!

Volatilitet... 20! Avkastning... 21! Likviditet... 21! Tick size 22! 2.8.! Aktiehandeln i Helsingfors... 23! 3 TIDIGARE FORSKNING... 25! 3.1.! Green & Hwang (2009)... 25! 3.2.! Barberis & Schleifer (2003)... 28! 3.3.! Barberis, Schleifer & Wurgler (2005)...29! 4 DATAMATERIAL OCH DESKRIPTIV STATISTIK...31! 5 METODIK... 35! 5.1.! Variabler... 35! 5.1.1.! Variabeluppbyggnad och kvintilgruppering... 36! 5.1.2.! Aktiepris 37! 5.1.3.! Storlek och book-to-market - relationstal... 37! 5.1.4.! Likviditet och transaktionskostnader... 38! 5.1.5.! Antalet investerare... 38! 5.1.6.! Industri och marknadsvariabel... 39! 5.2.! Metoder för hela samplet... 39! 5.3.! Metoder för aktiesplittar... 41! 5.3.1.! Aktiesplittar och priskvintiler...42! 5.3.2.! Aktiesplittar och kontrollvariabler... 43! 5.3.3.! Teckentest... 44! 6 RESULTAT... 45! 6.1.! Hela samplet... 45! 6.1.1.! Regressioner för hela samplet... 46! 6.1.2.! Regressioner med minskad korrelation... 51! 6.2.! Aktiesplittar och prisvariabler... 53! 6.2.1.! Regressioner med aktiesplittar och prisvariabler... 53! 6.3.! Aktiesplittar och kontrollvariabler... 61! 6.3.1.! Regressioner med aktiesplittar och kontrollvariabler (20 % och 100 % kvintilgrupper)... 61! 6.3.2.! Regressioner med aktiesplittar och kontrollvariabler (80 % och 100 % kvintilgrupper)... 67!

6.3.3.! Regressioner med aktiesplittar och kontrollvariabler (0-50 % och 50-100 % kvintilgrupper)... 70! 6.3.4.! Regressioner med extrema aktiesplittar... 74! 6.4.! Sammanfattning av resultat... 81! 7 KONKLUSIONER... 83! KÄLLFÖRTECKNING... 85! BILAGOR BILAGA 1!Företag samt datum för aktiesplittar... 89! BILAGA 2!Regressioner för hela samplet... 90! BILAGA 3!Regressioner med hela samplet för valda tidsperioder... 91! BILAGA 4!Regressioner med minskad korrelation...92! BILAGA 5!Regressioner med minskad korrelation för valda tidsperioder... 93! BILAGA 6!Regressioner före och efter aktiesplittar tillsammans med priskvintiler... 94! BILAGA 7!Regressioner med aktiesplittar och priskvintiler för olika tidsperioder... 96! BILAGA 8!Regressioner före och efter aktiesplittar tillsammans med två priskvintiler. 97! BILAGA 9!Regressioner för aktiesplittar tillsammans med kontrollvariabler (20 % och 100 % kvintilgrupper)... 98! BILAGA 10! Regressioner för aktiesplittar för vald tidsperiod med kontrollvariabler (20 % och 100 % kvintilgrupper)... 99! BILAGA 11! Regressioner för aktiesplittar med kontrollvariabler (80 % och 100 % kvintilgrupper)... 100! BILAGA 12! Regressioner med aktiesplittar för vald tidsperiod (80 % och 100 % kvintilgrupper)... 101! BILAGA 13! Regressioner med aktiesplittar och kontrollvariabler (0-50 % och 50-100 % kvintilgrupper)... 102! BILAGA 14! Regressioner med aktiesplittar för vald tidsperiod (0-50 % och 50-100 % kvintilgrupper)... 103! BILAGA 15! Regression med extrema aktiesplittar och prisvariabler... 104! BILAGA 16! Regressioner med extrema aktiesplittar per företag... 105! BILAGA 17! Regressioner med extrema aktiesplittar och kontrollvariabler... 107! BILAGA 18! Regressioner med extrema aktiesplittar och kontrollvariabler per företag (20% och 100 % kvintilfördelning)... 108!

TABELLER Tabell 3 Regressioner för hela samplet... 46! Tabell 4 Regression med hela samplet för valda tidsperioder... 49! Tabell 5 Andelen företag med signifikanta variabler... 50! Tabell 6 Regressioner med minskad korrelation... 51! Tabell 7 Regressioner med minskad korrelation för valda tidsperioder... 52! Tabell 10 Teckentest... 57! Tabell 11 Regressioner före och efter aktiesplittar tillsammans med två priskvintiler. 59! Tabell 12 Regressioner för aktiesplittar tillsammans med kontrollvariabler (20% och 100% kvinitilgrupper)...62! Tabell 13 Regressioner för aktiesplittar för vald tidsperiod (20% och 100% kvintilgrupper)... 65! Tabell 14 Teckentest (20% och 100 % kvintilgrupper)... 66! Tabell 15 Regressioner för aktiesplittar med kontrollvariabler (80% och 100% kvintilgrupper)... 68! Tabell 16 Regressioner med aktiesplittar för vald tidsperiod (80% och 100% kvintilgrupper)... 69! Tabell 17 Teckentest (80% och 100% kvintilgrupper)... 70! Tabell 20 Teckentest (0-50 % och 50-100 % kvintilgrupper)... 73! Tabell 21 Regressioner med extrema aktiesplittar och prisvariabler... 74! Tabell 22 Regressioner med extrema aktiesplittar per företag... 76! Tabell 23 Regressioner med extrema aktiesplittar och kontrollvariabler... 78! Tabell 24 Regressioner med extrema aktiesplittar och kontrollvariabler per företag (20% och 100% kvintilfördelning)... 80! FIGURER Figur 1! Avkastningar ökar då priset sjunker i samband med aktiesplitt...26! Figur 2! Prisfördelning före aktiesplitt per kvintil... 34! Figur 3! Prisfördelning efter aktiesplitt per kvintil... 34! Figur 4! Förändring i korrelation med enskilda priskvintiler... 55! Figur 5! Korrelationsförändringar med lågt- och högtprissatta aktier... 63!

1 1 INLEDNING Alla människor indelar olika objekt i mindre grupper och kategorier för att få en bättre helhetsbild av dessa. Detta hjälper till att göra ett beslutsfattande snabbare mellan ett större antal objekt. Denna kategorisering 1 har även sina indirekta konsekvenser och har tidigare bl.a. på värdepappersmarknaden resulterat i oväntade resultat utan anknytning till fundamentala värden och stöd av traditionell finansiell ekonomi. I flera tidigare undersökningar har man presenterat investerare som rationella individer med tillgång till effektiva marknader utan hinder. Detta antagande kommer även fram inom modern portföljteori (Modern Portfolio Theory), vilken efter dess presentation fullständigt förändrat allokeringen av värdepapper. Verkligheten tenderar dock att inte följa detta mönster för fullt. Investerare är trots allt enskilda människor vars beteenden även skiljer sig från varandra och påverkas av psykologiska och emotionella krafter. Aktiers nominella pris borde ur en rationell synvinkel inte ha en så stor betydelse, men man har i tidigare studier funnit bevis på att investerare kategoriserar aktier in i olika grupper utgående från aktiens pris. 1.1. Problemområde och kontribution Aktiepriset för en aktie baserar sig på förväntade framtidsutsikter och kassaflöden. Prisnivån är således totalt irrelevant vad gäller t.ex. i vilken industri dessa är eller värdet på företaget. I en rätt så färsk undersökning skriven av Green & Hwang 2 med material från USA har man funnit att lika prissatta aktiers avkastningar rör sig likartat även om dessa företag inte har något annat gemensamt. Med andra ord är korrelationen mellan dessa värdepapper oförklarligt stor, ett resultat som strider kraftigt mot traditionell portföljteori. Det finns stora skillnader i preferenser mellan små och stora investerare och dessa preferenser kunde vara drivmotorn bakom resultat som detta. En intressant aspekt beträffande aktiepris är att man från företagets sida aktivt kan påverka priset genom att fördela aktierna i mindre delar. Denna företeelse borde vara enbart kosmetisk då inget annat förändras inom företaget. Fördelningen ger en klar möjlighet för att granska investerares preferenser angående pris då en aktie snabbt 1 Synonymer: indela i kategorier, klassificera, klassa, systematisera, sortera, gruppera; beskriva, karakterisera. 2 Green & Hwang (2009)

2 sjunker i pris. Å andra sidan är aktiesplittar i sig mycket mer än enbart en kosmetisk händelse. I detta arbete kommer olika prisnivåers effekt att granskas med hjälp av material från Finland. En dylik undersökning har inte gjorts med material från denna marknad och resultaten kommer att ge nya bevis på frågan vad gäller kategorisering. 1.2. Syfte Syftet med denna avhandling är att undersöka ifall lika prissatta aktier korrelerar med varandra. Syftet är även att granska ifall korrelationen förändras för aktier som gör en aktiesplitt. 1.3. Avgränsningar Undersökningen begränsas till att gälla enbart korrelation. Möjliga strategier för hur man kunde använda sig av resultaten för att nå en bättre avkastning undersöks inte. 1.4. Arbetets fortsatta uppläggning I nästa kapitel kommer jag att ta upp de grundläggande teorier som har med kategorisering och korrelation att göra. Även aktiesplittar samt teori om prisnivå presenteras. I tredje kapitlet tar jag fram de mest betydelsefulla forskningar som gjorts och erhållna resultat. I kapitel fyra beskriver jag närmare det datamaterial som använts i den empiriska undersökningen samt i kapitel fem de metoder som använts. I sjätte kapitlet presenteras de resultat som erhållits från undersökningen tillsammans med korta kommentarer och diskussion. I det sista kapitlet sammanfattar jag de viktigaste punkterna från undersökningen tillsammans med tankar och diskussion kring dessa.

3 2 TEORI I detta kapitel presenteras relevant bakgrundsteori som beskriver aspekterna beträffande kategorisering och korrelation. I kapitlet behandlas också aktiesplittar, vad som sker med aktieutvecklingen efter att dessa skett samt olika hypoteser och motiv varför företag egentligen genomför dessa Till sist tangeras marknadsstrukturen på Helsingforsbörsen. 2.1. Modern portföljteori Grunden för portföljteori och den faktiska betydelsen av diversifiering presenterades i en banbrytande undersökning skriven av Harry Markowitz år 1952. I undersökningen Portfolio Selection 3 presenteras modern portföljteori (även kallad Modern portfolio theory, MPT) och betydelsen för investerare att diversifiera bland flera enskilda investeringsobjekt. För att nå minimal risk i förhållande till den avkastning man vill nå konstruerar man en s.k. effektiv front av enbart effektiva marknadsportföljer. Investerarna är enligt denna syn riskaversiva och tar inte på sig onödig risk ifall man inte får en ökad avkastning i kompensation för den ökade risken. Teorin belönades med nobelpris och har revolutionerat portföljteorin efter dess presentation. Före detta koncentrerade man sig främst på att helt enkelt plocka ut de bästa möjliga aktierna skilt för sig. Även om dessa teorier än idag ger en grund åt investerare världen över kan man inte helt och hållet beskriva verkligheten med dessa. Verkligheten tenderar helt enkelt inte att följa teorin helt och hållet och främst avkastningar, volatilitet och korrelation mellan värdepapper har i flera fall bevisligen avvikit från det som optimerats enligt MPT. Det är här som nya alternativa teorier har tagits fram för att finna svar på dessa avvikande resultat, främst genom att granska beteendemässiga skillnader samt psykologiska och emotionella aspekter. 2.2. Beteendemässig finansiell teori Beteendemässig ekonomi och beteendemässig finansiell ekonomi (Behavioral economics, Behavioral finance) har fått ett allt starkare stöd efter att man funnit brister i det traditionella tankesättet när det gäller portföljteori. Gemensamt för dessa 3 Markowitz (1952)

4 beteendemässiga teorier är att man i stället för att presentera investerare som rationella och nyttomaximerande individer beaktar deras beteende mera i grupp och som emotionella människor med varierande beteendemönster. Enligt detta synsätt är finansiell ekonomi starkt relaterat med psykologi och de enskilda investerarnas beteenden påverkas av flere aspekter än vad man tidigare ansett. Människor reagerar också på olika sätt beroende på den rådande situationen. Resultatet av dessa mera irrationella beteenden är att det uppstår systematiska fel, fel som man statistiskt funnit att avviker från det normala men utan en klar förklaring till varför dessa sker. Dessa avvikelser leder i sin tur till ineffektiva marknader. 4 Vad är då dessa fel som strider mot MPT och hur uppstår dessa? De mest kända av dessa från traditionell teori avvikande resultaten uppkommer i samband med över- och underreaktion av information, brist eller hinder av information, optimism och noise - ett specifikt begrepp för att beskriva mindre individuella investerares irrationella oljud och störningar på marknaden. Även s.k. förlustaversion (loss aversion) är ett typexempel på ett irrationellt beteende som finns hos människor. I detta arbete är det skäl att nämna att man bevisligen har kunnat påvisa fel vad gäller korrelationen eller beroendeförhållandet mellan olika värdepapper. I flera senare undersökningar har dessa systematiskt avvikit från det som kan förklaras med MPT. Resultaten är i sig mycket betydelsefulla eftersom korrelationen är en grund för värdepappersallokering och prissättning. Ifall man kan finna nya mönster för hur dessa rör sig kan man också göra portföljallokering effektivare. 2.3. Kategorisering av värdepapper Att gruppera eller indela olika objekt i mindre klasser är något som alla människor i allmänhet gör i större eller mindre utsträckning, både medvetet och omedvetet. Detta är en förenkling av verkligheten och gör det lättare att hantera ett större antal enskilda objekt. Man utgår från att dessa objekt även har något gemensamt. En sådan klassificering behöver inte nödvändigtvis ge svar på ifall den ena kategorin är bättre än den andra. Genom att förstå hur olika värdepapper beter sig i olika kategorier kan man finna värdefull information om förväntade avkastningar, korrelation och handelsvolymer. 4 Ritter (2003)

5 2.3.1. Synliga kategorier I tidigare studier har man funnit att aktier t.ex. i samma industri tenderar att följa varandras kursutveckling 5, vilket i sig inte är så svårt att förstå då dessa företag i flera fall möter samma hinder och tillväxtmöjligheter. Aktier för företag t.ex. inom skogsindustrin hör enlig detta synsätt till en och samma kategori av aktier. Man kan grovt sett dela in värdepapper i olika synliga, allmänt accepterade kategorier baserade på marknadernas egna indelningar och fundamentala aspekter. Marknaderna har sina egna grupperingar enligt t.ex. storlek och avkastning (small-, mid-, large cap, value vs. growth). Den fundamentala indelningen baserar sig i sin tur långt på t.ex. i vilken industri företaget är och grupperingen går sedan efter dessa fundamentala gemensamma värden som företagen har (informationsteknologi, metallindustri, hälsovård mm.). 6 Marknadernas egna indelningar i olika sektorer följer också i flera fall stort dessa s.k. fundamentala gemensamma värden som företagen delar och fördelningarna går i flera fall inpå varandra. Andra fundamentala värden är bl.a. aktiens bokföringsvärde i relation till aktiepriset (book-to-market value), likviditet och handelskostnader. Företag inom bilindustrin har mycket likartade kassaflöden som korrelerar med varandra, vilket är en traditionell förklaring till varför även avkastningarna för dessa rör sig likartat. Korrelation samt olika orsaker för denna beskrivs mer ingående i kapitel 2.4. 2.3.2. Indirekta irrationella kategorier De mera irrationella kategorierna är inte lika lätta att se och inte heller lika allmänt accepterade som de tidigare nämnda grupperingarna. Dessa har mer att göra med hur investerare indirekt eller rent av psykologiskt behandlar olika investeringsobjekt och klassar dessa efter det in i grupper. Detta category view - synsätt tar bl.a. Barberis & Schleifer 7 upp; enligt detta synsätt har marknadsfriktioner och sentimentalitet en stor inverkan. Marknadsfriktioner och sentimentalitet behandlas mer ingående i kapitel 2.4.2. En av dessa indirekta kategorier är priskategorin och den grundläggande frågan är ifall investerare behandlar aktier på olika sätt beroende på deras prisnivå (t.ex. ifall det 5 King (1966), Lessard (1974) 6 Marknaderna indelar också företagen i olika sektorer. Helsingforsbörsen som är väsentlig i detta arbete har 10 olika industrisektorer. 7 Barberis & Shleifer (2003)

6 finns skillnader mellan aktier kring 5! eller 20! då man granskar avkastningar). Grupperingen är indirekt i den mån att man inte indelar aktier direkt utgående från deras pris t.ex. med att indela aktierna i olika prisgrupper på marknaderna. Frågan om aktiepris kan i någon mån ses som enkel och naiv då man inte talar om andra fundamentala aspekter. Aktiepriset som sådant spelar inte så stor roll då man fokuserar på t.ex. företagsvärde eller framtidsutsikter eftersom man alltid använder sig av priset i relation till något annat för att få en verklighetstrogen bild. 8 Men tidigare studier har funnit bevis som strider mot detta. Green & Hwang har funnit ett signifikant samband mellan aktiers prisnivå och korrelation för avkastningar beroende till vilken prisnivå dessa hör, också efter att man beaktat andra grundläggande faktorer. Detta stöder argumentet om kategorisering utgående från det nominella aktiepriset. Detta har bl.a. undersökts för företag som delat sin aktie i mindre delar och på detta sätt sjunkit i pris 9. Andra intressanta resultat om kategorier är bl.a. att aktier inom samma index tenderar att korrelera mer med varandra än vad som går att förklara med gemensamma fundamentala värden. 10 Man kan också dela in investeringsobjekt utgående från landet som dessa fungerar i eller som är deras huvudsakliga marknadsområde, s.k. kategorisering enligt geografisk utbredning. Företag på samma geografiska område har i tidigare studier bevisats ha en större korrelerande avkastning än vad man rationellt kan beskriva. 11 Denna effekt går dock endast att undersöka ifall aktierna är från ett stort sampel från ett flertal olika marknader. 2.3.3. Style investing Vad kallas då detta sätt att investera i värdepapper utgående från enskilda kategorier? En intressant synvinkel presenterad av Barberis & Schleifer 12 är s.k. style investing eller investering efter en viss stil. Detta sätt att investera kan vara förklaringen bakom fenomenet om kategorisering och beteendet som dessa aktier har vad gäller avkastningar. Enligt detta synsätt grupperar investerare aktier beroende på vilken stil dessa hör till och gör sedan investeringsbeslut mellan dessa olika stilar istället för att göra handel mellan enskilda värdepapper. Som tidigare nämnts är fördelen med 8 P/E, P/B, marknadsvärde = P * totala antalet aktier, mm. 9 Green & Hwang (2009) 10 Barberis, Shleifer, & Wurgler (2005) 11 Froot & Dabora (1999) 12 Barberis & Schleifer (2003)

7 kategorisering att få en bättre helhet av ett större antal mindre objekt. Detta gäller både individuella och institutionella investerare. Då man klassar in värdepapper i grupper blir beslutsfattandet lättare då man kan välja mellan olika stilar istället för enskilda värdepapper. 13 En annan stor fördel med style investing är att man kan jämföra kapitalförvaltare med hjälp av dessa grupper. 14 Eftersom flera förvaltare föredrar en viss stil kan man jämföra dessa sinsemellan samt med värdepappren inom stilen. 15 Enligt teorin om style investing överförs medel från en stil på bekostnad av en annan. Som redan nämnts finns det många olika slags grupperingar och i flera fall är de s.k. motparter där en grupp av värdepapper är en annan grupps motpart. Ifall en investerare överför medel i t.ex. små aktier sker detta med att man tar bort medel från stora aktier och vice versa. Detta har också en inverkan på korrelationen och kan i någon mån förklara varför korrelationen blir mindre i vissa grupper samtidigt som den blir större i andra. Ifall investeringarna i den nya gruppen sker med medel dragna från alla olika grupper i lika stora delar finns det ingen sådan effekt. 16 2.4. Korrelerande avkastningar Korrelationen mellan olika värdepapper, närmare bestämt korrelationen mellan deras avkastningar är som tidigare nämnts en fundamental aspekt för prissättning och värdepappersallokering. För att kunna bygga upp effektiva värdepappersportföljer med minskad individuell risk bör man även ha kunskap om hur värdepapper korrelerar med varandra. Då man undersöker korrelation granskar man orsakssambandet mellan två värdepappers kursutveckling eller alternativt ett enskilt värdepappers korrelation med ett marknadsindex. Detta kan göras på flera olika sätt. Korrelationskoefficienten beta (!) används särskilt i finansiell teori och statistik och är även av betydelse i CAPM 17 - modellen. Det enskilda värdepapprets avkastning förklaras som en linjär regression med en betakoefficient till indexet 18, vilket utgör också grunden för metoden i denna undersökning och förklaras mer grundligt i undersökningens andra del. Ett förhållande 13 Mullainathan (2000) 14 Sharpe (1992) 15 Att t.ex. jämföra tillväxtaktier med fonder som enbart har tillväxtaktier i sin portfölj 16 Barberis & Schleifer (2003) 17 Sharpe (1964) 18!"# $ % &# ' ( ) $ "!"# * % + # ' )

8 på 1 (stark positiv korrelation) betyder att avkastningarna rör sig till 100 procent likartat. Det är skäl att framhålla att korrelation inte beskriver orsakssamband eller kausalitet. 19 En korrelation på t.ex. 0,8 mellan inkomster och konsumtion behöver inte direkt svara på frågan ifall ökade inkomster resulterar i en ökad konsumtion, utan förklarar enbart sambandet mellan dessa två. Misstag sker då man felaktigt drar slutsatsen att en ökad konsumtion skulle resultera i ökade inkomster. Korrelationskoefficienten är dock en variabel som fungerar mycket väl för att finna samband som detta. 20 2.4.1. Korrelerande fundamentala värden Som tidigare nämnts har man kommit till att aktier bl.a. inom samma industri korrelerar med varandra, vilket i tidigare studier beskrivits med korrelerande fundamentala företagsspecifika värden mellan företagen. I traditionell ekonomi utan marknadsfriktioner gäller alltså att avkastningarna för olika värdepapper korrelerar med varandra eftersom de underliggande värdena korrelerar, vilket är fallet med företag som möter så gott som samma tillväxtmöjligheter och motgångar. Enligt detta grundar sig priset för en aktie på framtida förväntade kassaflöden diskonterade med en lämplig riskfaktor. Men man har funnit brister i detta tänkesätt eftersom företag tenderar att korrelera även om man granskat för dessa fundamentala aspekter. Det finns m.a.o. orsaker som man inte direkt kan förklara. Fama & French 21 undersökte avkastningar för små företags (small cap) aktier och fann att denna gruppering av aktier korrelerade mer med varandra än vad man kunnat förklara med korrelerande fundamentala värden. I en undersökning två år senare 22 försökte de hitta svar på de tidigare erhållna resultaten från korrelerande kassaflöden. Även om kassaflöden för dessa små aktier till en liten del följde varandra var effekten för liten för att helt och hållet förklara samrörelsen, företagsstorleken i sig har med andra ord en inverkan på korrelationen. Resultaten stöder inte teorin om korrelation mellan företag utgående från likartade fundamentala värden. Green & Hwang 23 fann å andra sidan att styrkan av korrelation mellan värdepapper är större mellan lägre prissatta aktier än aktier i högre 19 Synonym: orsaksförhållande, kausalitetsförhållande. Att den ena variabeln har en inverkan på den andra variabeln enbart i en riktning. 20 Chu-Carroll (2007) 21 Fama, French (1993) 22 Fama, French (1995) 23 Green & Hwang (2009)

9 prisgrupper, vilket främst anses bero på sanningen om att dessa är fler till antalet och kan på det viset ge en starkare bild av marknaden i sin helhet. Då man pratar om korrelerande fundamentala värden tar man upp förutom företagsspecifika värden också andra externa värden. Till dessa hör bl.a. transaktionskostnader, aktiens likviditet, book-to-market - värde, avkastningars fortsatta utveckling (return momentum) mm. Dessa har alla en inverkan på korrelationen även om resultaten varierat en aning. Bl.a. Fama & French 24 fann att värdeaktier (value stocks) har haft en högre avkastning i jämförelse med tillväxtaktier (growth stocks) med internationellt material. Ett företag med ett högt bokföringsvärde i relation till marknadsvärde hör till denna grupp med värdeaktier. Korrelationen enligt det traditionella synsättet kommer likaså fram i samband med ny information om diskonteringsräntor och företagens inkomster. Systematisk risk eller marknadsrisk, förändrade räntor och riskaversion påverkar också avkastningarna men ger dock ingen förklaring om de enskilda aktiernas korrelation utan snarare alla värdepapprens avkastningar på marknaden i helhet. Investerarna ses också här som rationella individer och beteendemässiga skillnader finns inte mellan dessa. 25 2.4.2. Marknadsfriktioner och sentimentalitet Den tidigare teorin har baserat sig på friktionslösa marknader med rationella investerare men den verkliga omgivningen är mer komplex än så. Marknaderna tenderar att ha olika sorters friktioner främst i form av handelskostnader samt brist på informationsflöde. Därför har man granskat korrelation ur två nya perspektiv; ur ett s.k. friktionsbaserat (friction based) samt ur ett sentimentalt baserat (sentimental based) perspektiv. 26 Det friktionsbaserade synsättet tar upp sanningen om att det finns olika slags hinder eller friktioner på marknaderna i form av handelskostnader och hinder för informationsflöde. Handelskostnaderna resulterar i att investerare handlar enbart med ett begränsat antal aktier av det hela samplet. Brist på information, vilket i sin tur i flera fall har med kostnader att göra, resulterar i att vissa investerare hinner reagera snabbare på ny information än andra. Dessutom kan man inte heller utgå från att investerare agerar totalt rationellt på marknaden vilket i sin tur lett till ett sentimentalt baserat synsätt. 24 Fama & French (1998) 25 Green & Hwang (2009) 26 Barberis, Schleifer & Wurgler (2005)

10 Baserat på dessa två olika synsätt har tre mindre grupper tagits upp med inslag av de båda. Ett av dessa är den tidigare nämnda aspekten om kategorisering (category view). De två andra behandlar omgivningen och dess inverkan (habitat view) samt informations diffusion (information diffusion view). Denna undersökning grundar sig på den första aspekten och har redan diskuterats i detalj, de två andra behandlas nedan. Habitat view Omgivningen för aktier och värdepapper har en inverkan på hur dessa korrelerar med varandra. Synsättet kallas också habitat view. Det finns olika slags handelskostnader som i hög grad påverkar mindre investerares preferenser. Andra påverkande faktorer är handelsrestriktioner och bristfällig information. Dessa bidrar till att investerare handlar enbart med ett litet antal värdepapper från ett mycket stort utbud, vilket i sin tur leder till effekter såsom ökad korrelation för just dessa grupper av aktier. Information diffusion view Handelskostnader kan som tidigare nämnts leda till att informationsflödet blir långsamt eller diffust (information diffusion view) och leder till att vissa aktier upptar information snabbare än andra. Detta gäller också ifall flertalet av aktieägarna har snabbare tillgångar till information än andra. Resultatet blir att aktier med samma hastighet av informationsflöde rör sig mer eller korrelerar mer med varandra. Ett exempel på dessa båda effekter är aktier som läggs till i S&P 500- indexet. Företag som satts med i indexet stiger in i en ny omgivning och tenderar att få en ökad korrelation med de andra företagen inom indexet även om de fundamentala aspekterna bibehållits. 27 Företagen läggs inte med i indexet utgående från förändrade fundamentala värden i företaget utan enbart för att försöka ge en så verklighetstrogen bild av ekonomin i USA som möjligt, vilket strider med teorin om korrelerande fundamentala värden mellan företagen. En förklaring till detta kan vara minskade handelskostnader för aktierna inom indexet samt ett ökat antal investerare med 27 Barberis, Schleifer & Wurgler (2005) fann en markant ökning i beta på 0,326 för de enskilda aktierna som lagts med i S&P500- indexet mellan åren 1988-2000 vilket stöder argumentet om omgivningen samt diffus information.

11 tillgång till snabbare information. Samma resultat har man funnit med andra index såsom Nikkei 225. 28 Andra resultat som stöder denna sorts friktions och sentimentalt baserade korrelation är bl.a. jämförelse av två likadana företag på två olika marknader, s.k. tvillingföretag. Royal Dutch och Shell såg man som två stora energibolag som verkade inom samma industri och hade likartade fundamentala värden men handlades på USA:s respektive Storbritanniens aktiemarknad. Dessa två korrelerade med de enskilda marknaderna till en större grad än man rationellt kunde förklara. 29 Numera är företagen hopslagna till ett enda företag vars aktie handlas på börsen i London. 30 Ett annat exempel är värdepappersfonder som tenderar att korrelera lika mycket med den marknad som de handlas på som med den marknad som de enskilda värdepappren handlas på. 31 Också fonder med large cap- aktier kan korrelera med enskilda aktier på small cap- nivå. 32 De orsaker som beskrivits har inte tagit i beaktande konjunkturskillnader som råder på marknaden samt hur dessa påverkar korrelationen. En orsak varför aktier korrelerar mer än normalt kan bero på finansiella intermediärer samt deras agerande under lågkonjunktur. Då det går sämre på marknaden ändrar dessa sin riskposition och övergår från mer riskfyllda värdepapper till mindre riskfyllda genom att samtidigt sälja dessa för att köpa andra. 33 Detta har i sin tur en indirekt effekt på korrelationen mellan dessa. Teorin ger dock inte svar på hela frågan varför det finns korrelation även under andra förhållanden utan fungerar bara för att beskriva det allmänna läget då det går sämre på marknaden. 2.4.3. Style investing och korrelation Tidigare nämnda Style investing om kategorisering kan vara svaret på varför det finns förändringar i avkastningar mellan olika kategorier som inte har samband med fundamentala värden. Även om de underliggande faktorerna är totalt skilda från varandra behandlar investerare aktier inom t.ex. small cap- gruppen på samma sätt och detta leder till en ökad samrörelse. Resultaten som Fama & French erhöll både 28 Greenwood & Sosner (2007) 29 Froot & Dabora (1999) 30 BBC (2010) 31 Hardouvelis, LaPorta, & Wizman (1993) 32 Lee, Shleifer, & Thaler (1991) 33 Kyle & Xiong (2001)

12 1993 och 1995 gällande oförklarligt stark korrelation mellan små aktier kunde till stor del förklaras med detta investeringssätt. Man har också funnit att då en aktie övergår från en still till en annan blir både korrelationen med den nya stilen starkare samtidigt som korrelationen med den gamla stilen blir svagare, vilket i sin tur stöder argumentet för att man överför medel från en stil till en annan. Man talar om s.k. switchers. Oförklarligt stor korrelation har man likaså funnit mellan råvarupriser. 34 2.5. Ägarstruktur och beteendemässiga effekter Hittills har fokus varit på olika slags kategorier och hur man tidigare försökt förklara samrörelse mellan dessa från en enda bas av investerare. Prisnivån har i ett flertal undersökningar bevisats ha en inverkan på de investerare som är villiga att investera i dessa aktier. 2.5.1. Antalet aktieägare och företagsvärde Robert Merton 35 presenterade en modell över ett equilibriumläge på kapitalmarknaderna då investerarna har ofullständig information. Denna går i korthet ut på att företag kan bredda sin bas av investerare vilket i sin tur leder till ett ökat företagsvärde. Detta har undersökts i flera senare undersökningar och man har funnit ett signifikant samband mellan ett lägre aktiepris och antalet mindre investerare samt på motsvarande sätt högre prissatta aktier för större och kändare bolag med fler större investerare av institutionell karaktär. Även en sänkning i pris från ett högre till ett lägre genom en splitt leder till ett ökat antal mindre investerare och i sin tur till ett ökat företagsvärde. En aktiesplitt i USA med relationen 2:1 resulterade i ett 59 procent större antal investerare i jämförelse med liknande företag som inte gjort en splitt. 36 Ifall ett företag redan från tidigare har en rätt så bred ägarbas ökar inte företagsvärdet nämnvärt genom en splitt. Detta leder också till att enbart företag med ett för högt pris med större sannolikhet gör en splitt i jämförelse med anda företag som ligger närmare ett optimalt pris. Man har undersökt motiven bakom aktiesplittar och ett av dessa är från företagets synvinkel att ändra ägarstrukturen till en bredare bas med färre stora och flere mindre ägare. 37 Å andra sidan har man också funnit att institutionellt 34 Pindyck & Rotemberg (1990) 35 Merton (1987) 36 Dyl & Elliott (2006) 37 Baker & Gallagher (1972)

13 ägande ökat i och med en splitt ifall små investerare dominerat före splitten 38, vilket strider med motivet om en bredare investerarbas. 2.5.2. Sentimentalitet, störningar och noisy investors Det finns dock negativa aspekter med ett lågt aktiepris. Olika slags investerare har varierande beteenden på marknaderna. Små investerare tenderar att hålla lågtprissatta aktier i sitt innehav samtidigt som man funnit bevis på att institutionella investerare prefererar högre prissatta. Detta har med förmögenhetsrestriktioner och handelskostnader att göra och har även en inverkan på aktiens avkastning. I ett flertal tidigare studier har man tagit upp begreppet noise eller oljud som beskriver systematiska fel som mindre investerare för med sig på marknaden. 39 I nästa kapitel går vi in i mer detalj på aktiesplittar som är starkt relaterat med detta ämne. Sentimentalitet eller investor sentiment nämns inte i traditionell finansiell ekonomi. Då investerare i en viss grupp ändrar sina preferenser eller åsikter om risk eller sentimentalitet kan det finnas gemensamma resultat för korrelerande avkastningar. 40 Begreppet är aningen diffust men inbegriper sanningen om att små investerare för med sig extra risk då deras agerande är mindre förutspåbara och beror på mera känslosamma aspekter såsom generell optimism och pessimism. 41 Dessa varierar kraftigt beroende på det rådande konjunkturläget. Lee et al. 42 fann att korrelationen för fonder var högre under en tid med hög sentimentalitet samt då de hölls av ett flertal mindre investerare. 2.5.3. Institutionella investerare vs. småinvesterare I kapitel 2.4.3 togs upp begreppet style investing. Det är främst stora institutionella investerare såsom pensionsfonder och stiftelser som föredrar detta sätt att investera enligt stil då man ofta har vissa mer eller mindre strikta krav och preferenser för vart och hur investeringsmedlen skall fördelas. Detta är i sig en intressant aspekt värd att notera eftersom man i flera fall kunde tänka sig att fenomen som onormalt hög korrelation på marknaden enbart begränsas till mindre investerare och deras 38 Dennis & Strickland (2003) 39 Black (1986) 40 Lee, Shleifer & Thaler (1991) 41 Investor sentiment har inga klart beskrivande variabler men bl.a. hög aktiehandel och hög likviditet har använts som mått på sentimentalitet. Även handelsaktivitet i samband med IPO:s har använts som variabel för mått på sentimentalitet. 42 Lee et al. (1991)

14 irrationella agerande på marknaden. Gompers & Metrick 43 undersökte skillnader i preferenser hos stora institutionella investerare på marknaden. De fann att större investerare prefererar aktier som är likvida, har ett högre pris och en stor omsättning framför andra aktier utan dessa egenskaper. Denna kategorisering svarade i sin tur för över hälften av en aktieprisökning för just dessa aktier, vilket starkt tyder på att investerarbasen har en inverkan på aktiepris. I samband med dessa resultat har man funnit att stora institutionella investerare tenderar att investera inte enbart i aktier med högre pris och högre förväntad avkastning utan även i aktier med lägre risk vilket i hög grad skiljer åt dessa två grupper av investerare samt deras preferenser. 44 2.6. Det nominella aktiepriset och psykologiska effekter Aktiepriset på marknaden borde enligt teori inte ha en så stor betydelse i jämförelse med andra aktier då man pratar om företagsvärde. Det är mera det totala företagsvärdet som är väsentligt. Ifall en aktie kostar 5! och en annan kostar 20! betyder detta inte direkt att det ena företaget är mindre värderat än det andra eftersom det totala antalet aktier bör tas i beaktande. Men den information som det nominella priset som sådant ger åt investerare är inte betydelselös och prisnivån tenderar att ha en psykologisk effekt. Aktiepriser är såtillvida intressanta att man från företagets håll kommer åt att påverka dessa t.ex. med en enkel aktiesplitt där man fördelar aktierna i ett större antal aktier och priset sjunker därefter. 2.6.1. Optimal prisnivå En aktuell fråga är hypotesen om en s.k. optimal prisnivå (optimal trading range hypothesis) eller åtminstone en prisnivå som är att föredra framför andra. 45 Denna hypotes är också central i detta arbete. Företag har vuxit sedan flera år tillbaka men ändå tenderar aktiepriserna att hållas på en ganska konstant nivå. Medelpriserna för aktier efter en splitt varierar från börs till börs men har legat på $ 30-40 i USA 46, 23,18! i Finland. 47 Vissa undantag finns det också, särskilt på börserna i USA. Warren 43 Gompers & Metrick (2001) 44 Kumar (2009) 45 Baker & Gallagher (1972) 46 Benartzi, Michaely, Thaler & Weld (2006) 47 (137,82 mark), Hansson (1999)

15 Buffets företag Berkshire Hathaways A-series aktie ligger för tillfället på $ 117 700 (90 392!) och är en av de få undantagen av aktier som aldrig gjort en aktiesplitt. 48 En av grundtankarna om prisets betydelse tar bl.a. Arthur Stone Dewing 49 upp redan i ett tidigt skede i en undersökning om företags aktier. Han nämner att aktier under $10 ger en bild av att företag har en för låg kreditvärdighet samt att aktier över $200 helt enkelt är för dyra för att investerare skall vara intresserade av dessa. Den optimala nivån torde enligt Dewing ha legat mellan $30 och $60. Tiderna har dock förändrats sedan 1930-talet och preferenserna om pris kan ha ändrats men grundtanken finns ändå kvar. Prisnivån verkar ha en betydelse och påverkar i hög grad enskilda investerares beteende och vilja att investera just i dessa. Dessutom verkar Dewings tankar ha hållit rätt så bra med tanke på att det genomsnittliga priset på marknaderna i USA verkligen har varit kring denna nivå. Det finns med andra ord ett incitament att hålla företagets aktie på en viss optimal nivå istället för att låta den stiga i all oändlighet. Detta är i sig förbryllande då det från investerarnas synvinkel skulle vara billigare att investera i högre prissatta aktier med tanke på lägre börskostnader. 50 Den optimala nivån nås främst då stora, institutionella investerare å ena sidan och små investerare å andra sidan båda vill handla aktier på det effektivaste och billigaste sättet. Då priset är högt sparar stora institutionella investerare handelskostnader samtidig som små investerare hamnar ut för att handla med dessa aktier i s.k. ojämna börspartier (odd lots), vilket ökar handelskostnaderna för dessa. Ifall priset sänks blir det lättare och billigare för de mindre investerarna att handla. Den optimala prisnivå är m.a.o. ett läge där handeln är maximal med det bredaste och största antalet olika investerare. Med en bredare bas av investerare ökar likaså företagets värde 51, vilket är att föredra. Det finns dock olika sätt för småinvesterare att nå dessa högre prissatta aktier utan aktiesplittar, t.ex. med att köpa fondandelar utan kostnader (no-load funds) 52 eller alternativt med att låta mäklaren sammanslå flera småpartier som sedan säljs vidare. Dessutom har de flesta börser övergått från handeln med hela börspartier till enskilda aktier. 48 Per 27.7.2010. B-seriens aktie har däremot genomgått flere aktiesplittar, den senaste annonserades 3.11.2009 med förhållandet 50:1. 49 Dewing (1934) 50 Att handla med 100 styken aktier till ett pris på 10! resulterar i högre börskostnader än att handla med 10 aktier till ett pris på 100!. Kostnaderna varierar beroende på marknad. 51 Dyl & Elliott (2006) 52 Copeland (1979)

16 Hypotesen om ett optimalt pris hör även till en av grundmotiven varför företag överhuvudtaget fördelar sina aktier. Övriga motiv bakom aktiesplittar tas upp i kapitel 2.7. 2.6.2. Tillväxtpotential En möjlighet är att investerare använder sig av det nominella aktiepriset då de undersöker ifall aktier har en bra tillväxtpotential eller inte. Man tänker sig då att aktier som är lägre prissatta har en större möjlighet att stiga än aktier som är högre prissatta. Logiken bakom detta är att med t.ex. en aktie som är värd 5! kan man få en avkastning på 20 procent ifall den stiger med en!, medan en aktie på 20! endast har en avkastning på 5 procent då den stiger lika mycket. Aktier som resulterar i en uppfattning som denna har Kumar 53 tagit upp i en undersökning om aktier med lotterikaraktär. En sådan aktie anser man att har en hög volatilitet, ett lågt pris samt en skev avkastningsdistribution. Också då den förväntade avkastningen är låg tenderar investerarna att handla med dessa, vilket tyder på att motivet för handeln ligger på ett lågt pris och en chans till en hög avkastning även om sannolikheten är mycket låg. Den förväntade avkastningen från ett lotterispel är i de flesta fall negativ men hoppet om en stor vinst för en billig lottokupong leder till att dessa människor deltar i spelet. Aktier med ett lågt pris med en chans till ett mycket högre pris är av intresse för investerare med detta beteendemönster. Lotteri skiljer sig från aktiehandel i den mån att det för många deltagare enbart är ett mindre seriöst nöje. I motsats till detta extrema risktagande betonas riskaversion ifall det finns ett säkert utfall. Denna förstärkta riskaversion går dock utanför ramen för denna undersökning men är likaså ett bevis på att investerare agerar beroende på omständigheterna. 54 53 Kumar (2009) 54 I samband med portföljteori nämner man ofta teorin om nytta (Utility theory). Enligt teorin gör investerare beslut som resulterar i en ökad eller maximerad total nytta då dessa ställs inför val av olika investeringsmöjligheter. Människor tenderar dock att göra val mellan olika utfall som strider med teorin speciellt då det finns ett säkert utfall att välja mellan. Det säkra utfallet väljs och riskaversion förstärks. Då man å andra sidan väljer mellan flera olika osäkra utfall tenderar man att välja det med ett högre utfall även om den totala förväntade nyttan för båda exemplen skulle vara större för det andra. Kahneman & Tversky (1979)

17 2.6.3. Företagsstorlek och aktiepris Det finns skillnader i aktiepris mellan olika företag beroende på företagets storlek. I en undersökning med material från USA fann man att större företag tenderar att ha ett högre aktiepris och mindre företag ett lägre pris. Då man besluter sig inom företaget att fördela aktien i mindre delar och sänka den till en lägre nivå så påverkar detta också till vilken grupp som aktien sjunker till. Det finns inga klara gränser mellan dessa prisgrupper eller nivåer men man kan klart se en skillnad mellan grupper av aktiematerial indelat i 5 respektive 10 grupper. Ifall ett litet bolag haft en gynnsam kursutveckling kan det enligt denna logik uppstå missförstånd på marknaden då detta företag ser ut att vara ett mycket större företag än det på riktigt är. Därför sänker man aktiens pris tillbaka till en prisnivå med andra jämförbara bolag, ett förfarande vilket i sig också är starkt förknippat med de normer som finns inom företaget. Indelning i pris enligt företagets storlek leder till att investerare felaktigt kan uppfatta priset som en variabel av företagsvärde. En dylik jämförelse sker också utgående från den industri som företaget är i. Det kan råda olika prisnivåer mellan olika industrier och på samma motsvarande sätt vill företag hålla sig till en viss allmänt accepterad prisnivå inom industrin och fördelar aktien efter detta. 2.7. Aktiesplittar En aktiesplitt är fortfarande ett intressant och i någon mån förbryllande fenomen. En aktiesplitt (Stock split, share split, share subdivision) är en relativt enkel fördelning av aktier i ett nytt antal aktier som inte påverkar värdet av företaget. Detta går ut på att man delar ut nya aktier i relation till de gamla, t.ex. i förhållandet 1:2. Ifall det fanns 100 aktier i företaget före splitten så finns det 200 efter. Det totala marknadsvärdet för företaget är detsamma som före splitten och dessa två nya aktier är tillsammans lika mycket värda som en aktie före splitten. Ifall aktiepriset var 20! före splitten är den 10! efter. Inget händer med kapitalstrukturen i företaget, vilket är viktigt att notera. Ifall marknader vore perfekta skulle en aktiesplitt inte resultera i något annat än i ett större antal aktier med ett mindre nominellt värde efter splitten. Enligt finansiell teori påverkar inte antalet aktier ett företags värde. Då marknaden värdesätter ett företags aktie fokuserar man främst på företagets tillväxtmöjligheter samt framtida kassaströmmar och dividender. En aktiesplitt är inte kostnadsfri. En splitt kan föra med sig olika slags ökade börskostnader då antalet aktier ökar. Dessutom kan det krävas aktieägarnas samtycke

18 för att göra splitten vilket igen ökar kostnader för att skicka ut formulär etc. 55 Sker detta elektroniskt via internet kan detta argument dock ignoreras. Fondemissioner (Stock dividend, share dividend, bonus share publication) är nära besläktade med aktiesplittar men skiljs åt främst i bokslutet. Dessa varierar en aning mellan olika länder och kommer inte att behandlas i denna undersökning. Man kan klart se en stigande trend i antalet aktiesplittar och fondemissioner som inträffat på börsen i Helsingfors. Under åren 1985-1994 skedde det endast fem stycken aktiesplittar och fondemissioner sammanlagt. 56 Under åren 1995-1999 var antalet 36. 57 Under åren 2000-2008 skedde det 53 stycken aktiesplittar. 58 2.7.1. Motiv bakom aktiesplittar Det finns flera orsaker och motiv varför företag överhuvudtaget gör aktiesplittar, flera av dessa har redat nämnts i arbetet. Empiriskt har man fått relativt varierande resultat för dessa hypoteser då man gjort undersökningar, vilket i sig betyder att företagets mål med aktiesplitten kanske inte alltid uppfyllts så som man förväntat sig. Till de främsta orsakerna hör de tidigare nämnda hypoteserna om en "optimal prisnivå", signalering samt en ökad likviditet. Bl.a. Lakonishok & Lev 59 ansåg att den redan tidigare nämnda hypotesen om en optimal prisnivå var den främsta förklaringen för genomförande av aktiesplittar. De övriga hypoteserna förklaras nedan. Signalering Det kan vara svårt för ledningen att föra vidare information då olika slag av asymmetrisk information finns. En aktiesplitt kan i flera fall fungera som en slags informationsbärare eller signalering 60 om en god framtida utveckling, en signal om att företagsledningen anser att det går bra för företaget också i framtiden. Dividenderna spelar en stor roll då marknaden prissätter ett företags aktier. Ifall investerare får information om att dividenderna kommer att öka, prissätter dessa även aktien därefter med beaktande av ökade kassaflöden. Fama et al. introducerade signaleringshypotesen, en hypotes som senare fått stöd från flera andra studier. Fama 55 Angel (1997) 56 Homén (1999) 57 Selenius (2000) 58 Nasdaq OMX (2009) 59 Lakonishok & Lev (1987) 60 Fama, Fisher, Jensen & Roll (1969)

19 et al. undersökte reaktionen i pris efter annonserandet samt genomförandet av aktiesplittar. De undersökte även ifall dividendutdelningen ökade och detta visade sig vara fallet för de flesta företagen. Eftersom dividendutdelningen tenderade att öka efter aktiesplittar kunde annonserandet och genomförandet av aktiesplittar fungera som en indikator för aktieägare om kommande framtida dividender. De kom fram till att trots att företaget haft en gynnsam utveckling rådde det osäkerhet på marknaden under månaderna före annonseringen om hur bra företaget kommer att kunna fortsätta genera vinster. Aktiesplitten är då s.k. god information som företagsledningen kan ge åt marknaden om fortsatta goda tider och resulterade i undersökningen i höjda aktiepriser. Aktiepriset påverkades inte alls i samma utsträckning vid själva annonseringen av dividendhöjningen eftersom denna information redan tagits i beaktande vid aktiesplitten. 61 Ohlson & Penman testade även för denna effekt av god information men fann inget bevis på att denna skulle ha haft en inverkan. 62 Reboredo undersökte spanska företag och likaså förkastade han denna signaleringshypotes i sin undersökning. Volatiliteten och likviditeten steg för de spanska företagen men pris och avkastning sjönk, vilket strider med att splitten skulle ha kommit med god information. 63 Uppmärksamhet Det finns tankar om att aktiesplitten väcker investerarnas uppmärksamhet. 64 Denna uppmärksamhet skulle i sig öka intresset för omvärdering, handel och värdeökning, vilket delvis också har med signaleringseffekten att göra. Endast företag med bra framtida utsikter skulle således ha incitament att göra splittar medan företag i sämre situation inte skulle göra dessa. Lamourex & Poon kom fram till att detta påstående inte stämmer. Marknadens reaktion till olika slags splittar, bl.a. reverse eller bakåtvända splittar visade sig vara negativ vilket skulle förkasta uppmärksamhetshypotesen. 65 61 Fama et al. (1969) 62 Ohlson & Penman (1984) 63 Reboredo (1999) 64 Även kallad attentionshypotesen 65 Lamourex & Poon (1987)

20 Normer inom företaget En annan orsak till att företag fortsättningsvis fördelar sina aktier är att detta har gjorts sedan flera år. Aktienivån på företagets aktie har i flera år hållits på en nivå som man i ett tidigare skede optimerat och ansett att är bäst. Detta kan man främst förknippa med de normer som råder inom företaget; det är främst frågan om en norm att hålla priset på den tidigare optimerade nivån som aktionärerna dessutom väntar sig att aktien hålls på, utan att mera i detta skede ifrågasätta förfarandet 66. 2.7.2. Tidigare resultat Vad sker då egentligen efter att en aktie fördelats i mindre delar och hur starkt är sambandet mellan hypoteserna och det verkliga utfallet? Nedan beskrivs vad som sker efter att aktiesplittar gjorts. Volatilitet Avkastningarnas volatilitet 67 eller risk är på samma sätt som korrelation en av de viktigaste aspekterna när det gäller investeringsbeslut, prissättning och riskallokering. Det har gjorts flera olika undersökningar om volatilitet och i dessa har man tagit i beaktande läget före och efter aktiesplittar. Även annonseringen av aktiesplittar har tagits i beaktande. Bl.a. Ohlson & Penman 68 kom fram i sin undersökning i USA att volatiliteten steg med 28-35% efter aktiesplittar för dagligt data och endast något mindre för veckodata. Ökningen var med andra ord relativt stor och kan ses som en plötslig uppgång då splitten genomförs och stannar sedan på en högre nivå utan att sjunka tillbaka. Resultaten stöds också av andra undersökningar. 69 En möjlig förklaring till ökning i volatilitet är att ett ökat antal investerare för med sig störningar, såkallat noise, på marknaden vilket då ökar osäkerheten. Detta fenomen presenterades redan i samband med skillnader i ägarstrukturen. Då aktien genomgår en aktiesplitt och blir billigare kan det hända att noisy traders börjar handla med aktien vilket i sin tur leder till att det kommer störningar på marknaden i form av överstora reaktioner av information. Dessa störningar som är ett resultat av ineffektiva marknader skulle i sin tur leda till större osäkerhet eller volatilitet på marknaden. 70 Effekten kan på så sätt 66 Benartzi, Michaely, Thaler, Weld (2006) 67 Räknat som standardavvikelse, varians och även i vissa undersökningar som kvadrerade avkastningar 68 Ohlson & Penman (1984) 69 Dravid (1987), Dubofsky (1991), Wulff (2002) 70 Black (1986)

21 resultera i både en ökad korrelation samt ökad osäkerhet på marknaden. Man har dock inte klart kunnat bevisa vad som gör att volatiliteten ökar efter en splitt även om skillnaderna i ägarstrukturen varit i fokus. Volatiliteten ökar dock inte alltid. I en färskare undersökning från Hong Kong fann man ingen förändring i volatilitet vilket strider med de resultaten erhållna från USA 71, troligtvis p.g.a. skillnader i marknadsstruktur mellan länderna. Niini 72 undersökte läget både på börsen i Stockholm och i Helsingfors men fann inget signifikant bevis på volatilitetsförändringar även om en marginell höjning fanns i några av fallen. Hansson 73 fann däremot en signifikant ökning i varians på börsen i Helsingfors. En större osäkerhet i och med en aktiesplitt borde i teorin även ha en positiv inverkan på dess korrelationskoefficient med marknaden. Green & Hwang 74 tog detta i beaktande men fann inget signifikant bevis för detta. Avkastning Resultaten för hur avkastningen 75 beter sig efter aktiesplittar har varierat en aning. Avkastningen tenderar att stiga efter annonseringen men detta är vanligtvis en långsiktigare trend som börjat långt tidigare! Detta skulle i sig tyda på att aktiesplitten genomförs mitt i en gynnsam tidsperiod då företaget redan en tid gjort bra resultat som sedan fortsätter efter själva splitten. Det kan också finnas en liten höjning i avkastning direkt efter splitten vilket skulle tyda på att splitten i sig höjer avkastningen även om det inte skulle finnas någon orsak för detta. Bl.a. Fama et al. kom fram till detta resultat. 76 Likviditet Likviditetsaspekten är en viktig del när det gäller aktiesplittar och är relaterad till hypotesen om ett optimalt pris samt handelsaktivitet. Man anser att en aktie är likvid ifall den kan lätt överföras till pengar, vilket är fallet då köpare och säljare snabbt och lätt möter varandra. Likviditet kan mätas på flera olika sätt vilket även ger upphov till varierande slutsatser. De vanligaste måtten är antalet aktier handlade per dag och 71 McGuinness & Birtch (2006) 72 Niini (1998) 73 Hansson (1999) 74 Green & Hwang (2009) 75 Mätt både som dividendutdelning och som värdeökning 76 Fama et al. (1969)

22 värdet på den mängd aktier som handlats. Då det finns fler människor som handlar med aktien anses aktien även bli mer likvid. Med andra ord skulle likviditet vara ett resultat av en ökad handelsaktivitet. I flera undersökningar har man kunnat påvisa en ökning i handelsaktivitet 77 efter aktiesplittar vilket också resulterat i en ökning i likviditet, men resultaten är inte lika entydiga som med volatiliteten. Sänkta transaktionskostnader är likaså ett mått på ökad likviditet i aktien som handlas. Man delar in transaktionskostnader i direkta och indirekta kostnader. Till de direkta kostnaderna hör bl.a. skatter och kommissioner. Till de indirekta transaktionskostnaderna hör bl.a. marginaler mellan köp- och säljkurser (bid-ask spreads). Skillnaden mellan dessa köp- och säljkurser varierar mellan olika värdepapper och definieras som prisskillnaden mellan köparens och säljarens anbud. Köpkursen är större än säljkursen. Sänkta köp- och säljkurser resulterar i större likviditet då marginalen som köparen och säljaren går miste om blir mindre. Marginalerna har både sjunkit 78 men också stigit 79 i tidigare studier. Likviditet kan äockså tillföras aktier med hjälp av finansiella förmedlingstjänster (liquidity providers). Denna finansiella intermediär ser till att skillnaderna mellan köpoch säljmarginalerna inte stiger för långt ifrån varandra och baserar sig på ett kontrakt mellan företaget och den finansiella intermediären. Tick size Hypotesen om optimal prisnivå som redan tidigare presenterats har även med den s.k. tick size storleken att göra. Tick size definieras som den minsta enheten priset kan stiga upp eller ner och varierar mellan olika marknader och länder. Då aktiens pris sjunker i och med en aktiesplitt stiger tick size prisskillnaden i förhållande till aktien. Detta resulterar i att det finns mindre rum för möjliga utfall som investerare kan ge för köp- respektive säljpriser. Detta gör också mäklarnas jobb snabbare och lättare, minskar tiden för att matcha ihop säljare och köpare samt ökar likviditeten. Mäklarnas incitament att handla med dessa aktier ökar också. Det negativa är dock att processen ökar bid-ask spridningen, som i motsats minskar på likviditet. Det optimala priset kommer således att påverkas av mäklarnas incitament att handla i aktien och kostnaderna för investerare att handla i dessa. Man har presenterat detta incentiv som 77 Lakonishok & Lev (1987), Wulff (2002) 78 Demsetz (1968) 79 Copeland (1979)

23 ett av de nyare motiven för företag att göra aktiesplittar. Splitten inverkar på handelsproceduren så att den blir enklare och snabbare. Beroende på landets regler om tick size - storleken kan företagsledningen påverka dess andel av aktiens pris med hjälp av en aktiesplitt. Ifall tick size priserna varierar beroende på en aktieprisnivå kan man sänka aktiepriset såpass lågt att tick size andelen är så stor som möjligt i jämförelse med aktiens totala pris. 80 2.8. Aktiehandeln i Helsingfors Alla marknader runt om i världen har vissa egenskaper och strukturer som varierar. Likartade aktier som handlas på olika börser kan bete sig på olika sätt då en aktiesplitt sker. 81 Handeln fungerar på olika sätt, transaktionskostnaderna varierar och likviditet införs till dessa marknader på olika sätt. I denna del tar jag kort upp de viktigaste aspekterna för börsen i denna undersökning. Helsingforsbörsen hör till Nasdaq - OMX koncernens nordiska marknad. Till denna hör dessutom Stockholm, Köpenhamn, Tallin, Riga och Vilnius. Marknaderna fungerar som en s.k. LOB eller Limit Order Book - marknad. Det finns också andra former såsom Dealer Markets samt hybrider av dessa två. I en LOB -marknad ger investerare köpoch säljanbud som en mäklare sedan sammanför i pris och tidsordning. I en Dealer Market köper mäklaren av säljaren till sitt eget innehav och säljer efter det till andra investerare. Största skillnaden mellan dessa två strukturer är att i den förstnämnda formen är det investerarna som inför likviditet på marknaden medan det i en Dealer Market är mäklarna som påverkar likviditeten. Som tidigare nämnts kan det vara dyrt för småinvesterare att handla med hela börspartier. I början år 2006 låg priset på hela börspartier på Helsingforsbörsen mellan 1000 och 2000! samt för ett tiotal företag över 3000!. Det dyraste börspartiet låg på över 5000!. Genom en aktiesplitt skulle man få ner dessa till rimligare gränser. Reglerna slopades om att handla i hela börspartier på börsen i Helsingfors 25.9.2006 och reglerna har varit i kraft sedan dess. 82 Det är med andra ord möjligt för småinvesterare att handla med enstaka aktier och det minsta börspartiet är en aktie. 80 Angel (1997) 81 Dubofsky (1991) 82 Rainisto (2006)

24 Tick size reglerna spelar som tidigare nämnts en roll för köp- och säljtransaktioner. Tick-size variationen har varit fram till den 31.12.2009 konstant 0.01! för all handel på Helsingforsbörsen medan den på de flesta andra börser varierar beroende på aktiens pris eller likviditet, t.ex. i proportion 1/16 eller i steg beroende på inom vilka ramar aktiepriset är. Från och med den 1.1.2010 har tick-size reglerna ändrats på Helsingforsbörsen till en mer internationell modell och går för de 25 största företagen i steg beroende på aktiepris. 83 I USA var variationen tidigare $ 1/8 för en lång period, sänktes ner till $ 1/16 och slutligen år 2001 till en cents decimaler. 84 Det finns även börser helt utan tick sizeprisnivåer, t.ex. London Stock Exchange (LSE), men vissa standardiserade mått används där. Angel fann att då tick size andelen ökar i och med en splitt ökar även bid-ask marginalen som tidigare nämnts. På börsen i Helsingfors verkar detta dock inte hålla. Trots att aktiesplittar skett och tick size storleken ökat i proportion har köp- och säljtransaktioner inte ökat utan i motsats sjunkit, vilket troligtvis har med marknadsstrukturen tillsammans med tick size reglerna att göra. 85 83 Variationen är mellan 0,0001 cent till 10!. Nasdaq OMX (2010) 84 Werner (2003) 85 Hansson (1999)

25 3 TIDIGARE FORSKNING I detta kapitel tas upp tre tidigare undersökningar som har med ämne net att göra. Den första granskar prisnivån som en skild kategori vilket också kommer att vara fokus för denna undersökning. Den andra undersökningen presenterar begreppet Style investing och den tredje effekterna för aktier som läggs till ett index. 3.1. Green & Hwang (2009) I en relativt färsk undersökning Price based return comovement ment undersöks fenomenet gällande kategorisering av värdepapper i olika prisnivåer med material från Amex, NYSE och Nasdaq börserna i USA. Till materialet hör historiskt skt material från år 1926 fram till år 2004.. Den grundläggande frågan i undersökningen ngen är ifall lika prissatta aktier har en större re korrelation med andra aktier på samma prisnivå eller inte och ifall detta är ett resultat av kategorisering utgående från aktiepris. is. Även möjliga orsaker bakom detta undersöks. I den första delen av undersökningen granskar man beteendet kring aktiesplittar. Som tidigare nämnts ger dessa aktiesplittar eller aktiefördelningar en klar möjlighet till att undersöka samma aktie då den sjunkit från f en priskategori till en annan. Två olika slags regressionsanalyser används, uni- och bivariata regressioner med material både på vecko- och på månadsnivå totalt 12 månader före och efter fördelningen. Som kontrollgrupper använder man index med två olika kategorier, lågtprissatta - och högtprissatta aktier 86 som man sedan jämför den enskilda aktien med d då den sjunkit i värde 87. Man använder sig av splittar i förhållandet 1:2 vilket betyder att enbart aktiefördelningar som resulterat i ett dubbelt antal aktier efter händelsen tas med. Till de främsta resultaten hör en ökning i beta eller korrelation på 11,3 % med indexet för den fördelade aktien. 86 Fördelningen mellan högt- och lågtprissatta aktier definieras skilt för varje splitt med d formlerna: Detta betyder att ifall aktier sjunkit från $ 60 till $ 30 i och med en aktiesplitt blir intervallet för det lågtprissatta indexet mellan 15-455! och för det högtprissatta indexet $ 45-75. Innehållet et av dessa index ändras m.a.o. beroende på de enskilda aktiesplittarna och hur stor prisskillnaden. Pre och post- pris anger priset dagen före splitten och dagen efter denna. 87 Även Fama-Macbeth- regressioner användes som kontrollmetod.

26 Som tidigare nämnts stiger er även risken eller volatiliteten i samband med en splitt88, vilket i sig också har en indirekt direkt inverkan på korrelationen. I denna undersökning ndersökning steg standardavvikelsen för de företag som gjort en splitt från 5,6 % till 6,2 % och för att bättre gardera sig för detta ta användes en regressionsmodell som tar i beaktande två olika index med både högt ögt- och lågtprissatta aktier. Resultaten stöder öder den första regressionsanalysen. Korrelationen elationen stiger med de lågtprissatta aktierna na samtidigt som den sjunker med de högtprissatta. rissatta. Egentligen borde en ökning i volatilitet itet resultera i en ökad kovarians med den högre ögre kategorin men resultaten stöder inte detta. tta. Figur 1 Avkastningar ökar r då priset sjunker i samband med aktiesplitt Korrelationen med lågtprissatta aktier (övre ( svart linje) ökar mer än med högtprissatta aktier (lägre grrå linje) efter aktiesplitt. Streckad linje = CRSP-index. Källa: Green & Hwang (2009). Ett annat test gällande aktiesplittar iesplittar på företagsnivå tillämpades i undersökningen ersökningen. Här har man jämfört enskilda företag som gjort en aktiesplitt med företag ag inom samma industri och företagsstorlek ek men m som inte gjort en splitt, s.k. identiska ska par. I teorin borde beta med det låga prisindexet inte förändras även om företaget et gjort en splitt men resultaten strider mott detta. Man fann att företaget som gjorde en splitt började 88 Ohlson & Penman (1985)

27 korrelera mera med de lågtprissatta aktierna i jämförelse med företagen som inte gjort någon splitt. Resultaten är signifikanta för hela tidsperioden men blir insignifikanta ifall man utökar tiden från 12 månader till 36 månader. Det tredje testet som gäller aktiesplittar gick ut på att testa ifall förändringar i kovarians skedde redan då företag meddelade marknaden om att företaget kommer att fördela aktierna eller inte, test för en s.k. annonseringseffekt. Detta test hör till ett av de viktigaste när man undersöker om investerare kategoriserar utgående från pris eller andra faktorer. Det har i tidigare studier framhållits att en aktiesplitt kan föra med sig information om företagets framtida prestation (hypotes om signalering) och det kan finnas en möjlighet att enbart annonseringen har en inverkan på resultaten. I undersökningen fann man att ökningen i kovarians med det lågtprissatta aktieindexet steg efter att aktiesplitten skett och inte efter att annonseringen ägt rum, ett resultat som starkt stöder aspekten att investerare kategoriserar aktierna utgående från prisnivå. I den andra delen går undersökningen in på hela materialet. Man delar in hela samplet i fem olika grupper utgående från prisnivå men för att bättre eliminera andra möjliga effekter såsom industri, företagsstorlek och transaktionskostnader har man eliminerat företag som har flera av dessa egenskaper gemensamt. Efter att ha kontrollerat för dessa fann man likartade resultat, det finns m.a.o. skillnad i korrelation mellan de fem olika prisgrupperna. I slutet av undersökningen nämns möjliga orsaker samt test för dessa till de erhållna resultaten. Som tidigare nämnts tenderar investerare att använda sig av det nominella priset som en indikator på företagsvärde. I undersökningen granskades skillnader mellan styrkan i kovarians samt prisskillnaden före och efter en aktiesplitt. De fann att det fanns en starkare samrörelse för företag med ett högre värde som gjorde en splitt än företag med lägre värde, vilket skulle indikera att investerare verkligen använder sig av aktiepris som en indikator på företagsvärde. Den andra orsaken kan vara att investerare betraktar lågtprissatta aktier med större tillväxtpotential än ifall dessa vore högre prissatta. Skevhet i avkastningar undersöktes och man fann att dessa sjönk både på dags- och månadsnivå efter att företag gjort en aktiesplitt, vilket i sig skulle betyda att investerare verkligen förväntar sig att de lågtprissatta aktierna har en större möjlighet att stiga än de högre prissatta aktierna.

28 3.2. Barberis & Schleifer (2003) I undersökningen Style investing presenteras ett nytt tänkesätt över sättet att investera. Istället för att göra investeringsbeslut mellan enskilda värdepapper följer man olika stilar och investerar mellan dessa. Till de främsta resultaten hör att värdepapper inom en viss stil korrelerar mer med övriga värdepapper inom samma stil. Också värdepapper som byter stil från en till en annan börjar korrelera mera med den nya stilgruppen och mindre med den tidigare. I undersökningen presenteras olika teoretiska modeller för att granska fenomenet style investing. Man gör frågeställningen enklare med att utgå enbart ifrån två olika stilar: riskfyllda och riskfria värdepapper. Typen av investerare är indelade i s.k. switchers och fundamental traders. En switcher handlar med aktier från en stil till en annan beroende på dess prestation jämfört med andra stilar, en fundamental trader ser å andra sidan till att priset inte skiljer sig allt för mycket från de framtida kassaflödena och följer inte dessa stilar. Grundtanken bakom teorin är att dessa switchers inte ser på de enskilda aktierna utan kategoriserar alla riskfyllda aktier i en och samma grupp. Då man övergår till mer riskfyllda aktier, t.ex. på grund av information om bättre framtidsutsikter, kan en enskild akties pris stiga utan att höjningen är knuten till fundamentala värden eller information om den enskilda aktien. Höjningen i pris sker på bekostnad av den andra stilen vilket leder till att de riskfria värdepapprens pris sjunker även om det inte kommit någon information om dessa. 89 Stilar har dock en viss livscykel och höjningen i pris för den ena stilen sjunker tillbaka till det fundamentala värdet efter en tid, antingen för att fundamental traders drar ner priserna eller för att investerarna går över från den riskfyllda stilen tillbaka till de riskfria. Olika förslag tas upp i undersökningen. Förutom aspekten om korrelation behandlas likaså andra aspekter såsom momentum- och värdestrategier samt effekten av värdepapper inom ett index. För en arbitrage investerare kunde man göra vinster med hjälp av bl.a. momentum investeringsstragier baserade på synsättet om olika stilar men skribenterna påpekar att priserna är svåra att följa, innehåller mycket oljud eller noise och förfarandet innehåller även mycket osäkerhet eller risk. 89 Skribenterna betonar dock sanningen att det finns fler stilar än bara två olika stilar på marknaden, vilket jag redan tidigare nämnt. Men I flera fall kan man också räkna med s.k. motparter som går hand i hand och därför är även synsättet relevant.

29 3.3. Barberis, Schleifer & Wurgler (2005) I undersökningen Comovement granskar man effekten av att lägga till företag i ett index, i detta fall Standard & Poor s 500- index som omfattar de 500 största företagen på Nasdaq OMX och NYSE Euronext- börserna i USA. Den grundläggande frågan i undersökningen är ifall avkastningen för företag som nyligen tagits med i indexet börjar korrelera mer med indexet eller inte. Ett nytt synsätt presenteras vid sidan av det mer traditionella synsättet om korrelerande fundamentala värden. Synsättet har att göra med olika marknadsfriktioner och överdriven känslosamhet bland investerare att göra, vilka i sin tur redan har tagits upp i kapitlet om kategorisering. För att testa det nya synsättet har man grupperat dessa in i tre mindre och konkretare grupper beroende på kategorisering, värdepapprets omgivning och informationens utbredning. Den första hypotesen som undersöks är ifall aktier som läggs till S&P500- indexet börjar korrelera mer efter att dessa läggs till indexet än före detta. Datamaterial finns på dags- och veckonivå fr.o.m.1976 till 2000. Resultaten varierar för tidsperioden och blir starkare i slutändan av samplet. Med en univariat regressionsanalys sker en ökning i beta på 0,214 för nyligen inkluderade företag och resultaten är starkt signifikanta. Med bivariata regressioner granskar man korrelationen med s.k. icke S&P500- företag och samtidigt som korrelationen ökar med 0,326 med S&P500- indexet sjunker det i sin tur med 0,319 för icke S&P500- indexet, ett resultat som starkt stöder aspekterna om kategorisering och omgivning. 90 För att kontrollera dessa resultat undersöker man ifall det skulle finnas effekter som påverkas av företagsstorlek eller industri. Storleken kan ha en effekt då man främst tar större företag med i indexet men också industrin kan inverka ifall det finns dominerande industrier på marknaden och i indexet. Detta undersöks med att matcha företag som lagts till indexet med sådana som inte lagts till. Man fann att de matchade företagen hade en mycket mindre skillnad i korrelation än de företag som inkluderats i indexet. En tredje möjlig förklaring till skillnaderna i beta kan ha med handelsaktivitet att göra. Ifall en aktie tas med i indexet kan det hända att investerare börjar handla med aktien 90 De bivariata regressionerna förkastar nollhypotesen starkare än det univariata testet. Dessutom är skillnaden i beta mellan de två olika förklarande variablerna så gott som lika stor vilket i sin tur har med kollinearitet att göra. Eftersom de två variablerna är högt korrelerande med varandra förklaras avkastningen mer precist då dessa båda är med istället för det univariata testet var enbart den ena förklarande variabeln är med. Summan av dessa två är dessutom medelvärdet för korrelation med marknaden i sin helhet, vilket borde vara så gott som noll (Vijh 1994) och stöds även av dessa resultat.

30 mer än tidigare. Man fann ett litet bevis på att resultaten skulle ha ett samband med handelsaktivitet eller s.k. non-trading före inklusion men effekten kan dock inte vara den enda orsaken. Också företag med en minskad handelsaktivitet fick en ökad korrelationskoefficient med indexet. Till sist tas upp effekten av informationsdiffusion. Frågan är om det kan finnas en skillnad på hur snabb information tas upp i aktiepriset vilket i sin tur skulle ha ett samband med bättre och snabbare informerade investerare. Man fann verkligen en liten skillnad i beta men effekten är dock mycket kort och försvinner med material på vecko- och månadsnivå. Man pratar om en möjlig 2-3 dagars skillnad med material på dagsnivå i jämförelse med andra aktier som inte hör till indexet. Generellt sett stöder undersökningen sanningen om att det finns andra orsaker än traditionellt fundamentalt förklarande variabler när det gäller korrelation mellan värdepapper.

31 4 DATAMATERIAL OCH DESKRIPTIV STATISTIK I denna del går studien in på den empiriska undersökningen. Först presenteras det datamaterial som använts och efter detta metoderna i kapitel fem. Senare går studien in på erhållna resultat tillsammans med diskussion kring dessa. Uppsatsen avslutas med konklusioner över hela uppsatsen tillsammans med diskussion och tankar kring erhållna resultat. Materialet som använts består av dagliga noteringar för företag på Helsingforsbörsen och undersökningen omfattar tidsperioden 1998-2008. Till materialet hör logaritmerade aktieprisavkastningar på dagsnivå, företagsvärde mätt som dagens omsättning (market capitalization), handelsvolym i antal aktier handlade per dag, book-to-market relationstal och köp- och säljtransaktioner (bid-ask spreads). Materialet har erhållits från Thomson Datastream. Även information över antalet aktieägare för de enskilda företagen har tagits med. Denna information har erhållits från Euroclear Finland. Aktiesplittdatum för Nasdaq - OMX -börsen i Helsingfors har erhållits från börsen och företagens egna börsmeddelanden. Också boken Pörssitieto 2007 91 har använts för stödande informationssökning. Totalt genomfördes 79 aktiesplittar under den valda tidsperioden men en del av dessa företag har förbisetts p.g.a. brist på material. Orsaker bakom detta är främst att företagen inte finns kvar längre, har tagits bort från börsen eller slagits ihop med något annat bolag. 92 Företag har tidigare också haft flera utestående aktieserier men dessa har med tiden gallrats bort. 93 Det slutgiltiga materialet består av 51 splittar. Annonseringsdatum för aktiesplittarna har erhållits främst från företagens egna börsmeddelanden vilka man i de flesta fall hittar på företagens egna internetsidor men också från vissa databaser, främst Kauppalehti Online och Thomson Datastream. Materialet har inte begränsats med tanke på andra annonseringar, t.ex. dividendutdelning i samband med aktiesplittar. Ifall man skulle utesluta aktier med 91 Kock (2007) 92 Thomson Datastream håller inte kvar sådana företag som inte längre finns aktivt med på börsen. 93 Totalt har 28 splittar reducerats. 8 splittar har tagits bort p.g.a. att aktieserien inte finns kvar längre trots att bolaget finns på börsen. Ytterligare 16 stycken splittar har tagits bort eftersom företaget inte längre finns på börsen. 4 företag av dessa har antingen gjort en splitt två gånger i början av perioden eller haft två utestående serier vilket betyder att ytterligare 4 splittar reducerats.

32 annan information skulle antalet splittar sjunka ännu mer. Nedan finns bifogat deskriptiv statistik över materialet som använts. Tabell 1 Deskriptiv statistik Sampel medeltal median max min 20 % 40 % 60 % 80 % 100 % Pris hela samplet 13,03 8,25 449,00 0,02 3,26 6,48 11,48 19,55 144,83 1998-2000 18,13 11,30 239,22 0,02 5,83 9,22 14,71 24,95 133,56 2001-2003 10,19 6,48 111,00 0,02 2,09 4,96 8,73 16,15 87,85 2004-2006 11,81 7,95 195,74 0,03 2,32 5,84 11,15 17,77 141,66 2007-2008 13,21 8,28 449,00 0,02 2,57 5,58 11,25 19,25 251,92 Storlek 1,63E+06 1,36E+05 3,04E+08 132,16 3,10E+04 8,44E+04 2,62E+05 7,85E+05 9,01E+07 Transaktionskostnad 0,17 0,06 29,50 0,00 0,03 0,06 0,11 0,23 2,94 Handelsaktivitet (*1000st) 532,30 22,80 298376,40 0,00 3,56 13,99 54,48 258,80 26750,21 Bokföringsv. /marknadsv. 0,72 0,60 25,00 0,00 0,32 0,51 0,74 1,06 3,57 Antal aktieägare 14304,17 4384,00 2,98E+05 1,00 1418,55 3305,00 6001,98 1,94E+04 2,67E+05 Deskriptiv statistik och kvintilfördelningar för variabler som använts i den empiriska undersökningen. Tabell 1 visar statistik över alla variabler som använts i den empiriska undersökningen med undantag av en industrivariabel. I kapitel 5.1 beskrivs närmare variablerna som använts. Kvintilgränser har även lagts med för respektive variabel. Som materialet visar har medelpriset för aktier rent generellt sett sjunkit en aning då man jämför början och slutet av perioden, från 18,13! till 13,21!. Medelpriset har sjunkit nästan med hälften från åren 1998-2000 till 2001-2003. Detta kan främst ha att göra med konjunkturläget och IT-bubblan som byggdes upp under tiden före år 2000 och sjönk starkt efter detta. För övrigt har priserna hållits rätt så konstanta med ett medeltal på 13,03! för hela perioden. Kvintilerna delar in materialet i storleksordning i fem delar. Medianen för hela materialet ligger på 8,25!. De andra variablerna har valts som kontrollvariabler för undersökningen. Det finns stora skillnader särskilt i fråga om handelsaktiviteten på marknaden. Det finns dagar då enskilda illikvida aktier inte alls handlas samtidigt som de allra största aktierna har en daglig handelsomsättning på flera hundra tusen aktier handlade per dag. Studiens empiriska del är delad i två delar, en med hela materialet och en annan som granskar beteendet kring aktiesplittar. Materialet för de 51 aktiesplittarna är från 40 olika företag. Tiden mellan annonseringsdatumet och datumet för genomförandet av aktiesplitten varierar allt från ett par dagar till flera månader och har varit i medeltal ca

33 1,5 månad eller 45,3 dagar. Nedan presenteras aktiepris före och efter att splitten genomförts indelat både enligt splittstorlek och tidsperiod. Tabell 2 Aktiepris före och efter aktiesplitt N 51 N företag 40 Tid mellan annonsering och splitt (i dagar) 45,3 Sampel totalt 1998-2000 2001-2003 2004-2006 2007-2008 N 51 26 5 18 2 Medeltal före 59,42 73,74 31,58 35,70 156,30 Medeltal efter 17,08 21,41 10,90 11,85 23,34 Median före 35,78 48,63 22,00 27,55 156,30 Median efter 13,50 15,44 5,60 11,06 23,34 Min före 3,10 6,40 3,10 9,70 48,10 Min efter 0,57 2,95 0,57 3,94 22,84 Max före 264,50 215,50 91,50 129,74 264,50 Max efter 78,90 78,90 32,01 28,36 23,83 Sampel (1:2) (1:3) (1:4) (1:5) (1:6) (1:10) (1:19) N 24 7 8 6 2 3 1 Medeltal före 48,24 46,71 62,13 45,50 66,10 126,36 264,50 Medeltal efter 20,59 15,94 15,56 9,30 12,36 12,58 22,84 Median före 29,72 22,00 44,18 36,65 66,10 129,74 264,50 Median efter 14,02 8,90 11,28 8,12 12,36 12,92 22,84 Min före 6,40 3,10 13,00 12,89 38,00 92,50 264,50 Min efter 3,44 0,57 3,94 2,95 7,40 8,10 22,84 Max före 209,48 142,00 215,50 114,00 94,19 156,84 264,50 Max efter 78,90 46,50 53,00 19,50 17,32 16,73 22,84 Stora förändringar i pris finns att skåda efter händelsen i jämförelse med före. Av tabellen framgår att de två populäraste splittstorlekarna har varit två respektive fyra nya aktier för en gammal (1:2) och (1:4). För hela samplet har fördelningen lett i medeltal till tre nya aktier för en gammal (0,35). Resultaten är i sig intressanta. Aktiepriset har i medeltal legat på 59,42 just före splitten med en median på 35,78.

34 "#!$%!& '#!$%!" (#!$%!) *#!$%!+ &##!$%!'" Figur 2 Prisfördelning före aktiesplitt per kvintil Absolut flest aktier (42st) har legat på en nivå motsvarande den högsta priskvintilen. Dessa fördelas till en nivå på 17,08! och detta pris kan även anses vara det optimala pris som man vill få aktien ner till på marknaden. Jämför man dock detta nya pris med nivåerna i tabell 1 finner man att man inte kommit långt ner bland kvintilerna. "#!$%!" &##!$%!&' '#!$%!+ (#!$%!"# *#!$%!)' Figur 3 Prisfördelning efter aktiesplitt per kvintil Sänkningen sker från den högsta gruppen och faller ner till en nivå som motsvarar den fjärde och tredje kvintilen. Några aktier förblir ännu på den högsta nivån trots fördelning. Medianen på 13,50! sjunker likaså ner till den fjärde kvintilen.

35 5 METODIK I detta kapitel beskrivs närmare de metoder som använts för den empiriska delen. Undersökningen fokuserar på en ANOVA- regressionsmodell med ett varierande antal beskrivande variabler men även s.k. teckentest har tagits med som stöd. Med modellerna försöker man beskriva avkastningarnas utveckling så bra som möjligt med valda beskrivande variabler. 5.1. Variabler Som redan tidigare nämnts finns det en rad fundamentala värden som i tidigare undersökningar bevisats ha en effekt på avkastningars korrelation. De beskrivande variablerna som redan tangerats i föregående kapitel presenteras mera ingående nedan. 1. Aktiepris (nominellt pris) 2. Företagets storlek (marknadsomsättning) 3. Bokföringsvärde / marknadsvärde (Book to Market relationstal) 4. Likviditet (handelsaktivitet i antal aktier handlade per dag) 5. Transaktionskostnader (köp- och säljmarginaler) 6. Industrigrupp 7. Antalet aktieägare (investerare för aktien i fråga) 8. Marknadsindex (kontrollvariabel) De avkastningar som använts som bas för undersökningen är logaritmiska eller s.k. kontinuerliga avkastningar uträknade av de aritmetiska avkastningarna. 94 94 Logaritmisk avkastning = ln (aktiepris idag / aktiepris igår)

36 5.1.1. Variabeluppbyggnad och kvintilgruppering I början på varje år har materialet för de beskrivande variablerna delats in i fem lika stora grupper, s.k. kvintiler eller kvintilgrupper. De aktier som fyller kraven och hör till respektive kvintilgrupp har sedan tagits med i indexet för denna. Alla index innehåller därför aktieavkastningar som på det bästa möjliga sätt förklarar avkastningsutvecklingen för likartade aktier med liknande egenskaper. Detta är även en av grundpelarna i undersökningen. Ifall kategorisering verkligen förekommer på marknaden ser investerare ur detta synsätt genom att preferera aktier inom en viss kategori, t.ex. på en viss prisnivå eller storleksnivå och kvintilerna försöker fånga denna möjliga kategoriseringseffekt. Kvintilerna fördelar materialet i fem grupper. I den första gruppen finns aktier vars beskrivande variabel hör till storleken 0-20 % av det totala samplet. Ifall man t.ex. bygger upp variabeln för prisnivå och hela samplet varierar med aktier prissatta från 1 cent till 20! skulle aktier som är prissatta från 0,01! upp till 4! tas med i den första kvintilen. I den andra kvintilen tas med aktier med variabler mellan 21-40%, i den tredje 41-60% osv. Skulle materialet delas in i enbart två grupper, 50 % och 100 %, skulle den första gruppens tal ange medianen för hela samplet. Avkastningen för indexet bestäms med formeln: #,-. &! #,-. /. x = beskrivande variabel (1) y = vald kvintilgrupp För varje beskrivande variabel (förutom industrigrupp och marknadsvariabel) har sex olika index konstruerats, totalt har 39 index använts i undersökningen. 95 Det kan hända att olika variabler förändras för ett företag under en längre period. Storleken eller handelsaktiviteten för ett företag hålls sällan helt och hållet konstant över en 10 års period vilket tagits i beaktande. Indexen är uppbyggda så att dessa uppdateras i början av varje år. Med andra ord genomförs samma indelning i kvintilgrupper årligen vilket också leder till att vissa nya företag tas med i indexet samtidigt som andra kanske utelämnas. Detta sätt eliminerar möjligheten till att en 95 Sex index med kvintilfördelning (tot. 30 st), åtta olika industrigrupper samt marknadsvariabel

37 aktie som tidigare passat in i gruppen men starkt förändrats hålls kvar i indexet och påverkar resultatet felaktigt. De enskilda variablerna presenteras näst. 5.1.2. Aktiepris För denna undersökning är det nominella aktiepriset av speciellt intresse. Därför har som första variabel valts ett index som innehåller logaritmerade aktieavkastningar för aktier i fem olika prisgrupper. T.ex. i uppställningen av ett aktieprisindex för den tredje kvintilen har enbart företag vars aktiepris legat mellan 41 % och 60 % kvintilgränserna tagits med, ett pris som man ur tabell 1 ser att i medeltal legat mellan 6,48 och 11,48. De andra exkluderas och tas med antingen i de tidigare eller senare indexen. På samma sätt har de övriga indexen fördelats med de följande variablerna. 5.1.3. Storlek och book-to-market - relationstal Företagets storlek och book-to-market värde (bokföringsvärdet dividerat med marknadsvärdet) har man tidigare funnit att har en effekt på avkastningsutvecklingen och aktier med likartade värden har på så sätt även rört sig i samma riktning. Ett högt bokföringsvärde i relation till marknadsvärdet betyder att företaget har ett lågt aktiepris i jämförelse med det priset som erhålls ur bokföringen. Företag som hör till denna kategori har man tidigare funnit att har generellt sett lägre avkastningar än företag med högre aktiepris och ett lågt book- to market värde. Relationstalen ger en signal om företagens egenskaper och presenteras nedan: 96 - Företagsstorlek = 0*1ä223$34 2025670*1ä223$34 - Book to- market relationstal = 809':;$341*<11$427=<;>? *5;935>1=<;>? Formel 1 har sedan tillämpats på samma sätt som med aktiepriset och fem olika index har konstruerats beroende på kvintilgränserna gällande företagsstorlek och book-tomarket relationstalen. 96 Fama & French (1995)

38 5.1.4. Likviditet och transaktionskostnader Även aktiers likviditet och transaktionskostnader har en inverkan på avkastningen. Likviditet kan metas på flera olika sätt och i denna undersökning har handelsaktivitet (mätt som antal aktier handlade per dag) och transaktionskostnader tagits i beaktande som mått på likviditet. Man tänker sig då att en aktie som har en större handel även lätt går att köpa och sälja. - Likviditet = handelsvolym, handelsomsättning (i antal aktier handlade per dag) Det är svårt att få uppgifter om transaktionskostnader. Hit hör allt från direkta börskostnader och köp av hela börspartier till mer indirekta kostnader. Köp- och säljmarginaler fungerar väl som ett effektivt mått på indirekta börskostnader och har därför tagits med i undersökningen. Marginalen räknas ut genom att ta köpkursen (ask) minus säljkursen (bid) varje dag skilt för sig och anges i en s.k. bid-ask spread. - Köp- och säljmarginal= högsta köpkursen (high ask) högsta säljkursen (high bid) 5.1.5. Antalet investerare I tidigare studier har man funnit tecken på att antalet investerare eller aktieägare ökar i och med en aktiesplitt också på Helsingforsbörsen. Detta har skett främst i form av ökad handelsaktivitet mätt som antalet aktier handlade per dag samtidigt som den totala omsättningen i värde hållits rätt så konstant. 97 En ökad handelsaktivitet kan indikera en ökning i den investerarbas som handlar med aktien. Då priset sjunker till en lägre nivå kan det finnas fler mindre investerare som är villiga att handla med aktien och denna variabel har tagits med som kontroll för detta. Graden av institutionellt investerande har å andra sidan inte direkt beaktats utan variabeln ger enbart det totala antalet aktionärer, en indikator ifall det finns en korrelation med index för aktier med ett lika stort antal aktieägare indelat i fem olika storlekars grupper. 98 97 Hansson 1999 98 Information om antalet aktieägare finns endast fr.o.m år 2001 p.g.a. materialbrist.

39 5.1.6. Industri och marknadsvariabel Industriklassificering och en kontrollerande marknadsvariabel är de enda beskrivande variablerna som inte följer indelningen enligt kvintilgrupp. Industriklassificeringen innehåller enbart företag som hör till vald industriklass, som inte heller förändrats under tidsperioden. Åtta olika klasser har valts med och följer långt indelningen enligt Kauppalehti Online 99. Som marknadsindex har valts Nasdaq - OMX:s OMXH- Cap 100 index. Det allmänna börsindexet för Helsingforsbörsen OMXH har inte valts p.g.a. att Nokia Oy:s starka vikt snedvrider indexets utveckling i relativt hög grad. 5.2. Metoder för hela samplet Den modell som har valts för grundundersökningen är en multipel linjär ANOVA regressionsmodell med ett varierande antal beskrivande variabler. Ett stödande teckentest har också tillämpats i samband med aktiesplittarna. I den första delen av undersökningen har hela materialet granskats med följande regression: # $-2 & @ $ ( " A;92-$ # A;92-$-2 ( " B;$1-$ # B;$1-$-2 ( " C20;6?9-$ # C20;6?9-$-2 ( " D;531-$ # D;531-$-2 ( " E$9=$>-$7 # E$9=$>-$-2 ( " F009-$7 # F009-$-2 ( " G3>-$7 # G3>-$-2 ( " G3=H53256-$7 # G3=H53256-$-2 (2) ( I $-2 # $-2 är företag i:s avkastning för tidpunkt t. # A;92-$-2 7är en marknadsvariabel för att kontrollera för den allmänna utvecklingen på marknaden. # B;$1-$-2 är prisindexet valt utgående från i vilken priskvintil företag i hör till. Ifall vi kan finna en möjlig kategoriseringseffekt på marknaden bör prisvariabeln ge signifikanta signaler trots att man kontrollerat för de andra variablerna. Företagens storlek har i sin tur rent historiskt sett haft en stark och signifikant inverkan på företags individuella avkastningsutvecklingar. # C20;6?9-$-2 är på samma sätt som med priskvintilen vald utgående från vilken storlekskvintil företag i hör till. Transaktionskostnaderna i form av bid-ask spreads och aktiens likviditetsgrupp i form av handelsaktivitet kontrolleras med variablerna # D;531-$-2 och # E$9=$>-$-2, likaså valda utgående från vilken kvintilgrupp aktien hör till. Aktier inom samma book-to-market grupp beskrivs med # F009-$-2 och 99 Energi, informationsteknologi, konsumtionsvaror och -tjänster, dagligvaruhandel, finans, industriprodukter och -tjänster, hälsovård, telekommunikation. Ett undantag har gjorts för energi och samhällstjänst - grupperna. Fortum Oy hör till den senare gruppen men eftersom det i båda grupperna enbart finns ett bolag har Fortum lagts med i energi- gruppen. 100 Symbol: OMXHCAPPI

40 aktiens industrigrupp med variabeln # G3>-$-2. För att kontrollera för en effekt som kan uppstå beroende på antalet aktieägare på marknaden har variabeln # G3=H53256-$-2 tagits med. Som tidigare nämnts tillämpas inte kvintilfördelningen för intustri- och marknadsvariablerna. De beskrivande variablerna har normaliserats för läsbarhetens skull. 101 Regression 2 har också uträknats med omarbetat material där man försökt minska de enskilda variablernas korrelation. Differensen mellan två olika grupper har beaktats enligt Fama & French. I denna undersökning har man tagit differensen i avkastning mellan den största och den minsta kvintilen av aktier för varje dag vilket gett skillnaden eller differensen i avkastning mellan dessa, kvintilgruppen matchas alltså inte på samma sätt som tidigare med aktierna. Fördelen med detta sätt är att korrelationen mellan de olika förklarande variablerna är mycket liten och fokus kan därför vara starkare på självaste aktieavkastningen. En möjlig book-to-market effekt elimineras likaså. Modellen för variablerna är följande: # $-2 & @ $ ( " A;92-$ # A;92-$-2 ( " B;$1JK$''-$ # B;$1JK$''-$-2 ( " C20;6?9JK$''-$ # C20;6?9JK$''-$-2 (" D;531JK$''-$7 # D;531JK$''-$-2 ( " E$9=$>JK$''-$7 # E$9=$>JK$''-$-2! (" F009JK$''-$ # F009JK$''-$-2 ( " G3=H53256JK$''-$ # G3=H53256JK$''-$-2 ( I $-2 (3) #,JK$''-2 &# L:4-2 +# EM4-2 Alla andra variabler ur regression 2 har tagits med (betecknas här med suffixet _Diff) förutom industrivariabeln. För varje enskild variabel har avkastningen för den sista (högsta) gruppen subtraherats med den första (lägsta). # L:4-2 är den genomsnittliga avkastningen för den högsta (100 %) kvintilen för vald variabel, # EM4-2 är den lägsta (20 %). Variabeln för prisgruppen # B;$1JK$''-$-2 7är uträknad med att ta avkastningen för den högsta kvintilgruppen subtraherat med den lägsta kvintilgruppen vilket resulterar i differensen mellan dessa. Variabeln för storleksgruppen # C20;6?9JK$''-$-2 är uträknad på samma sätt med att subtrahera högsta gruppens avkastning med den lägsta. # D;531JK$''-$-2 anger skillanden mellan transaktionskostnadsgrupperna, # E$9=$>JK$''-$-2 mellan handelsaktivitetsgrupperna, # F009JK$''-$-2 mellan book-to-market grupperna och # G3=H53256JK$''-$-2 mellan investerarantalsgrupperna. Marknadsvariabeln har inte bearbetats utan är densamma som tidigare. 101 För varje dag har avkastningen för respektive grupp multiplicerats med 100.

41 5.3. Metoder för aktiesplittar I de följande regressionerna tas de enskilda aktiesplittarna i beaktande. Eftersom en aktiesplitt enligt teorin enbart är en kosmetisk händelse och inget annat fundamentalt förändras inom bolaget koncentrerar sig undersökningen på det nominella aktiepriset samt förändringar i likviditet och antalet investerare. Företagets storlek, book-to-market värde och industri antas inte bli påverkat av en aktiesplitt på samma sätt. Metoden går ut på att granska om korrelationen förändras med de olika prisindexen. Enligt teorin borde ingen nämnvärd skillnad finnas och korrelationen fortsätter efter händelsen lika som förr. Perioden som undersöks är ett år före och ett år efter att splitten skett. Eftersom datumen för de enskilda splittarna varierar har tiden valts i dagar istället för tidsperioder mellan olika datum. 102 Tidsperioden är därför totalt en period på 260 dagar före annonseringen och 260 dagar efter genomförandet vilket motsvarar ungefär ett normalt börsår (med helgdagar borträknade). Som tidigare nämnts kan annonseringen av aktiesplittar föra med sig information som påverkar prisutvecklingen. För att eliminera denna inverkan har allt material mellan annonseringsdagen och dagen då aktiesplitten genomförs exkluderats. Dessutom har en marginal på 10 dagar före annonseringsdagen och efter ex-dagen (dagen då splitten gjorts) använts för att ytterligare gallra bort störningar. 260- dagars tidsperioden börjar därför 10 dagar före annonseringsdagen och 10 dagar efter genomförandet. I fortsättningen av undersökningen kommer både annonseringen samt genomförandet att nämnas som en och samma händelse, en s.k. event. Själva annonseringseffekten har inte i denna undersökning granskats desto mer, utan undersökningen fokuserar på huruvida det förekommit en längre och mer permanent effekt. I ett antal tidigare studier kring aktiesplittar har man tagit i beaktande en möjlig veckodagseffekt som kan ha en inverkan på resultatet. I denna undersökning har inte detta tagits i beaktande. 102 Dessa kan i sin tur variera beroende på antalet helgdagar under vald tidsperiod.

42 5.3.1. Aktiesplittar och priskvintiler Den enskilda aktien som gjort en splitt har undersökts med en rad olika regressioner. Först inkluderas de fem valda priskvintilerna vilka innehåller aktier på respektive nivå för att granska en allmän effekt i samband med splittarna. Regressionen ger en bild ifall det skett stora förändringar enbart utgående från det nominella aktiepriset mellan de olika prisgrupperna. # $-2 & @ $ ( " A;92-$ # A;92-$-2 ( " B;$1JNOP-$ # B;$1JNOP-$-2 ( " B;$1JQOP-$ # B;$1JQOP-$-2 (" B;$1JROP-$7 # B;$1JROP-$-2 ( " B;$1JSOP-$7 # B;$1JSOP-$-2 ( " B;$1JTOOP-$7 # B;$1JTOOP-$-2 (4) ( I $-2 T.ex. # B;$1JNOP-$-2 beskriver avkastningen för den första kvintilgruppen, # B;$1JTOOP-$-2 för den femte och de andra kvintilerna emellan dessa. Dessa två kvintiler kallas i fortsättningen extremkvintiler eftersom dessa är längst ifrån varandra. Som kontroll tas hela tiden marknadsvariabeln i beaktande. Förändring mellan olika prisgrupper har också undersökts med att jämföra de olika prisgrupperna från första till fjärde kvintil med den högsta prisgruppen. Detta görs för att granska ifall det finns en effekt var korrelationen varit hög med de högstprissatta aktierna men sedan sjunkit ner till någon annan nivå. # $-2 & @ $ ( " A;92-$ # A;92-$-2 ( ",-$ #,-$-2 ( " B;$1JTOOP-$ # B;$1JTOOP-$-2 ( I $-2 U & VWXY7ZV[/\[X]^_``7abXXW/7c7"deP%7fgh7i7"jeP%7! (5) Här betecknas #,-$-2 avkastningen för den valda kvintilgruppen samt # B;$1JTOOP-$-2 för den sista. Idén är att få en bild hur de lägre och högsta prisgrupperna förändras i och med en splitt. Bredare prisgrupper har också tagits i beaktande var # B;$1JOklOP-$-2 7betecknar avkastningen för ett index med material ända upp till medianen samt # B;$1JlOkTOOP-$-2 7den resterande delen. 103 Här får man en uppfattning utöver de tidigare nämnda kvintilerna ifall det finns en mera bred prisuppfattning, en skillnad mellan en bredare mängd aktier inom både det låga och det höga indexet. 103 Egentligen är materialet fördelat så att 51 % ända upp till 100 % hör till den andra gruppen men har här för enkelhetens skull betecknats som 50-100 %.

43 5.3.2. Aktiesplittar och kontrollvariabler Även om det skulle finnas en skillnad mellan lågt- och högtprissatta aktier kan det finnas en risk att dessa är drivna av likviditetsförändringar och/eller antalet aktieägare som börjat handla med dessa. Som kontroll för detta har tre kontrollerande variabler lagts till. Dessa kontrollerande variabler är: 1. Likviditet (handelsaktivitet i antal aktier handlade per dag) 2. Transaktionskostnader (köp- och säljmarginaler) 3. Antalet aktieägare (investerare för aktien i fråga) Den enskilda aktien regresseras här med en låg och en hög prisgrupp samt låga och höga kontrollvariabler. För undersökningen har tre olika kvintilfördelningar valts som sedan undersöks med samma metoder: 1. Extremkvintiler med den första och sista kvintilgruppen (20% och 100% kvintilgrupper) 2. Den fjärde och sista gruppen (80% och 100% kvintilgrupper) 3. Material på båda sidorna av medianen (0-50% och 50-100% kvintilgrupper) Den 2:a grupperingen har tagits med eftersom priset i flera fall splittas ner till en nivå på 17,08 med en median på 13,50. Båda priserna är på den fjärde priskvintilens nivå. Självaste regressionen för undersökningen med aktiesplittar utförs 260 dagar före och efter händelsen. Regressionen är följande: # $-2 & @ $ ( " A;92-$ # A;92-$-2 ( " EM42 m;$1-$ # EM42 m;$1-$-2 ( " L:42 m;$1-$ # L:42 m;$1-$-2 ( " EM476$9=$>-$7 # EM476$9=$>-$-2 7(7" L:4776$9=$>-$7 # L:4776$9=$>-$-2! (" EM472;531-$7 # EM472;531-$-2 ( " L:4772;531-$7 # L:4772;531-$-2! (" EM427$3=H53256-$7 # EM427$3=H53256-$-2 ( " L:4277$3=H53256-$7 # L:4277$3=H53256-$-2 ( I $-2 (6) I de första regressionerna med denna modell har man valt att ha med i det låga prisindexet # EM427m;$1-$-2 7aktier i den första kvintilen # B;$1n NOP-$-2 samt i det höga prisindexet # L:427m;$1-$-2 aktier i den högsta kvintilen # B;$1n TOOP-$-2, på samma sätt som

44 beskrivits tidigare. 104 Fördelningen fortsätter på samma sätt för de andra variablerna; # EM476$9=$>-$-2 innehåller aktier på den lägsta # E$9=$>n NOP-$-2 handelsaktivitetsnivån samt # L:4776$9=$>-$-2 på den högsta # E$9=$>n TOOP-$-2, # EM472;531-$-2 med aktier på den lägsta bid-ask spread nivån och # L:4772;531-$-2 på den hösta osv. Efter denna extremfördelning har samma regression upprepats men med att ersätta den lägsta grupperingen (20 %) med den nästhögsta (80 %) nivån för alla variabler. Till sist har båda fördelningarna ersatts med lågt material ända upp till medianen (0-50 %) samt med högt material fr.o.m. medianen uppåt (50-100 %). Bl.a. Green & Hwang 105 som undersökt kategorisering tog inte i beaktande andra variabler förutom nominellt aktiepris då de granskade beteendet kring aktiesplittar, vilket i sig är en begränsning. Med att jämföra korrelationen med dessa kontrollvariabler får man en signal över ifall korrelationen förändrats enbart utgående från prisnivå eller ifall den underliggande kraften legat i likviditetsförändringar. 5.3.3. Teckentest Den tredje metoden som använts är ett s.k. teckentest som baserar sig på en binomial fördelning. Denna modell är ett exempel på en diskret sannolikhetsfördelning var man undersöker ett fenomen före och efter en händelse, i detta fall kring aktiesplitten. Testet ger svar på ifall utfallen är slumpmässiga och följer binomialfördelningen eller inte. Hypoteserna är följande: o O : p = (korrelationen stiger)=0,5 q = (korrelationen sjunker)=0,5, p= q o T : p > 0,5 Nollhypotesen för undersökningen är att sannolikheten för att korrelationen antingen stiger eller sjunker är 0,5. Mothypotesen är att sannolikheten för att korrelationen stiger är större än 0,5. Testet är ensidigt. 106 104 Noteringen i regressionerna innehåller inte orden låg eller hög utan istället kvintilgruppen i fråga. 105 Green & Hwang (2009) 106 Mason & Lind (1996)

45 6 RESULTAT I denna del presenteras resultaten för den empiriska undersökningen tillsammans med diskussion och möjliga orsaker bakom dessa. Först presenteras resultaten för hela samplet samt efter det resultaten för de enskilda aktiesplittarna. 6.1. Hela samplet I den första delen har det totala materialet fr.o.m. år 1998 2008 tagits i beaktande, inga aktiesplittar har granskats här. Först har hela tidsperioden undersökts samt efter det mindre tidsperioder för att undersöka ifall det skett förändringar genom tiden. Variabler med minskad korrelation har också undersökts med detta material.

46 6.1.1. Regressioner för hela samplet I tabellen nedan presenteras resultaten för regressionerna som tar i beaktande hela materialet tillsammans med åtta beskrivande variabler. Regression 7 i tabellen är densamma som den tidigare i kapitel 5.2 presenterade regressionen. Tabell 3 Regressioner för hela samplet Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 N 133 133 133 133 133 133 105 R! förklaringsgrad 0,099 0,122 0,124 0,128 0,141 0,182 0,337 Justerad förklaringsgrad 0,098 0,120 0,123 0,126 0,139 0,180 0,326 Intercept -0,0004-0,0004-0,0004-0,0004-0,0004-0,0003-0,0003 [-0,6] [-0,541] [-0,534] [-0,513] [-0,531] [-0,461] [-0,167] Marknad 0,005** 0,004** 0,003** 0,003* 0,003* 0,002* -0,002 [9,187] [6,217] [5,711] [5,272] [4,498] [2,445] [-0,527] Pris 0,151 0,110 0,112 0,114 0,125 0,103 0,685 [4,277] [2,419] [2,454] [2,449] [2,409] [1,885] [0,241] Storlek 9,506** 9,466** 9,455** 9,518** 9,412** 24,196* [5,301] [5,137] [5,125] [4,853] [4,81] [2,11] Transaktionskostnad 0,130 0,155 0,156 0,136 0,528 [0,379] [0,301] [0,296] [0,327] [0,267] Handelsaktivitet 0,060 0,059 0,037 0,783 [0,696] [0,585] [0,256] [0,825] Bokföringsv. /marknadsv. 0,152 0,096 0,161 [2,039] [0,856] [0,625] Industri 0,625 0,747 [7,93] [3,872] Antal aktieägare 2,498 [1,314] Regressionerna i tabellen har gjorts med formel (2): # $-2 & @ $ ( " A;92-$7 # A;92-$-2 ( " B;$1-$7 # B;$1-$-2 ( " C20;6?9-$7 # C20;6?9-$-2 ( " D;531-$7 # D;531-$-2 ( " E$9=$>-$7 # E$9=$>-$-2 ( " F009-$7 # F009-$-2 (" G3>-$7 # G3>-$-2 ( " G3=H53256-$7 # G3=H53256-$-2 ( I $-2. Företag inom samma storleksvintil har haft en rätt så stor och signifikant korrelation med varandra. I den sista regressionen (7) har enbart 105 företag haft information over antalet investerare. ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes. För varje år har åtta variabler regresserats mot varje aktie skilt för sig. Totalt har 1259 enskilda regressioner gjorts. I början på varje år granskas variablerna så att de endast innehåller sådana aktier som uppfyller kravet och innehåller enbart aktier för vald kvintilgrupp. Därför granskas totalt 25 107 olika beskrivande variabler vid årets början. I 107 Industrivariabeln matchas enbart i början, de andra granskas varje år.

47 regressionen tas därefter med enbart sådana beskrivande variabler som är på samma nivå som den enskilda aktien vars avkastning granskas. Prisvariabeln är positiv och rätt så stor för hela tidsperioden. Storleksgraden för prisgruppens inverkan på 0,685 i medeltal är nästan lika stor som industrigruppens, vilket i sig är intressant då man inte skulle tänka sig att priset i sig har en sådan effekt. En möjlig förklaring kunde vara att en kategorisering sker utgående från pris. Å andra sidan innehåller alla variabler företag från varandras grupper vilket i sin tur inte eliminerar möjlig effekt av branschspecifik prisnivå. Som redan i teoridelen presenterats kan det finnas vissa standardiserade prisnivåer inom vissa branscher. Skulle man ta bort alla företag som samtidigt hör till flera kvintilgrupper bland de olika variablerna skulle antalet aktier per index snabbt sjunka. En intressant aspekt är hur prisvariabeln förändras mellan regression 6 och 7 då den sista variabeln läggs till. I den nästsista regressionen har variabeln ett rätt så högt t- värde på 1,885. T-värdet anger i sin tur svar på sannolikheten för att det erhållna förtecknet är sant, vilket i detta fall betyder att variabeln med en mycket stor sannolikhet är positiv. T-värdet sjunker i den sista regressionen och har på detta vis minskat i sannolikhet då den sista variabeln läggs till. Rent generellt har regression 7 en rätt så bra förklaringsgrad på 0,337 vilket tyder på att de valda variablerna förklarar en måttligt hög nivå i y- variabeln. Det är skäl att nämna att mycket få av variablerna i denna regression är signifikanta ens på en 10 procents nivå, vilket också gör det svårt att dra konkreta slutsatsen över att dessa variabler skulle återspegla verklighet. Storleksvariabeln har å andra sidan den största effekten och är också den enda signifikanta variabeln igenom alla regressioner. Effekten är rätt så stor under hela perioden och stöder tidigare studier om gruppering enligt storleksordning. Stora företag kan ha flera underliggande aspekter lika men variabeln hör även till de s.k. synliga kategorierna som är lätta att se på marknaderna i form av small vs. large cap - indelning. Också marknadsvariabeln är inom vald nivå ända tills den sista variabeln lagts till. Företags industriklass hör enligt tidigare forskning till de främsta förklarande variablerna om korrelerande avkastningar och rent teoretiskt borde industriklassen vara av hög signifikans. I regressionen väljer man ett index som innehåller aktier inom samma industrigrupp som aktien är i. Här finner man inte att denna skulle vara

48 signifikant men har dock ett t-värde på över 3. Tidigare nämnda prisklass har en nästan lika stor korrelation som industriklassen, vilket i sig är rätt intressant. Effekten av att lika likvida företag skulle påverka varandra verkar enligt denna modell inte direkt vara så stor. Indexet med indirekta börskostnader i form av köp och säljmarginaler har ett beta på 0,528 samtidigt som handelsaktiviteten inverkar upp till 0,783, en korrelation både mindre och större än prisvariabeln. Inte heller dessa variabler kan kvarhållas med vald signifikans. Book-to market relationstalet har till storleken den minsta korrelationen efter marknadsvariabeln, i genomsnitt ligger denna på 0,161. Ett av de intressantare resultaten för dessa regressioner är den sista variabeln som innehåller aktier med ett likadant antal aktieägare. Korrelationen med de enskilda aktierna är rätt stor, nästan 2,5, vilket indikerar att aktier med en likartad ägarbas också har i genomsnitt en hög korrelation med aktier med samma antal investerare. Som tidigare diskuterats kan ett ökat antal mindre aktieägare föra med sig en ökad mängd störningar och korrelation på marknaden, vilket också undersökts i samband med aktiesplittar senare i undersökningen. T- statistikan är också rätt så stor på 1,314. I tabell 4 har regressioner med alla variabler gjorts för kortare tidsperioder för att ge en helhetsbild över utvecklingen under tiden som undersöks. Resultaten presenteras nedan.

49 Tabell 4 Regression med hela samplet för valda tidsperioder Regression Reg1 Reg2 Reg3 Reg4 Sampel 1998-2000 2001-2003 2004-2006 2007-2008 N 73 81 94 110 R! förklaringsgrad 0,193 0,200 0,202 0,291 Justerad förklaringsgrad 0,189 0,195 0,198 0,285 Intercept -0,0005-0,0002-0,0001-0,0004 [-0,342] [-0,069] [-0,101] [-0,376] Marknad 0,001 0,001-0,001-0,001 [1,034] [-0,166] [0,152] [-0,415] Pris 0,164 0,169 0,146 0,076 [0,9] [0,698] [0,459] [0,42] Storlek 9,325* 13,245* 10,787* 16,074* [2,932] [2,735] [3,085] [2,435] Transaktionskostnad 0,076 0,066 0,189 0,289 [0,455] [0,222] [0,699] [0,228] Handelsaktivitet -0,057-0,042 0,423 0,488 [-0,345] [-0,082] [0,697] [0,854] Bokföringsv. /marknadsv. 0,061 0,135 0,129 0,134 [0,587] [0,612] [1,019] [0,616] Industri 0,574 0,824 0,554 0,761 [4,229] [4,958] [6,509] [5,828] Antal investerare 5,686 0,955 2,582 [2,749] [1,836] [1,809] Information over antalet investerare finns från år 2001 framåt. N anger antalet företag. ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes. Små förändringar har det skett mellan tidsperioderna. Prisets inverkan verkar ha minskat från början av perioden från 0,164 till 0,076 för de senare åren, en sänkning på över 50 %. Samtidigt har storleksklassen ökat med över 70 % från 9,325 till 16,074. Även de andra variablerna har varierat en aning. Antalet investerare hade mellan åren 2001-2003 en rätt stor effekt samtidigt som denna sjunkit med över hälften för 2007-2008. Resultaten ger en blick över att dessa variabler inte varit konstanta under hela tidsperioden. I Tabell 5 har enbart antalet signifikanta variabler dividerats med det totala antalet variabler för att ge en procentuell andel med signifikanta resultat.

50 Tabell 5 Andelen företag med signifikanta variabler 5 % 1998-2000 2001-2003 2004-2006 2007-2008 Intercept 0,03 0,05 0,13 0,08 Marknad 0,35 0,23 0,20 0,26 Pris 0,33 0,25 0,33 0,30 Storlek 0,51 0,62 0,55 0,57 Transaktionskostnad 0,23 0,20 0,18 0,25 Handelsaktivitet 0,28 0,28 0,24 0,32 Bokföringsv. /marknadsv. 0,27 0,25 0,23 0,25 Industri 0,39 0,33 0,34 0,33 Antal aktieägare 0,40 0,37 0,32 10 % Intercept 0,09 0,12 0,21 0,16 Marknad 0,43 0,32 0,30 0,37 Pris 0,42 0,38 0,44 0,39 Storlek 0,59 0,69 0,64 0,67 Transaktionskostnad 0,31 0,30 0,28 0,39 Handelsaktivitet 0,39 0,38 0,37 0,41 Bokföringsv. /marknadsv. 0,35 0,38 0,33 0,35 Industri 0,47 0,42 0,45 0,44 Antal aktieägare 0,48 0,47 0,45 Andelen signifikanta resultat per variabel. Storleksvariabeln har överlägset flest fall men också industri och investerarantalet resulterar i nästan hälften signifikanta resultat. Någon sannolikhetsfördelning har inte tillämpats för dessa medelvärden. Resultaten presenterade i tabell 3, 4 och 5 är intressanta men vad ger detta oss för information? Variablerna valda till regressionen har enligt resultaten inte kapacitet att fånga korrelation till den grad som de borde för att man skulle kunna fastslå möjlig kategorisering men små indikatorer finns ändå. Indexet uppbyggt med lika stora aktier ser ut att ha en stark och signifikant effekt på marknaden vilket stöds av tidigare studier inom korrelation. Prisvariabeln är positiv och nästan i samma storleksgrad som industrigruppen men saknar signifikans. Det ser dessutom ut som att indexet med investerarantalet tar över en del av priseffekten då denna läggs med. Kategorisering enligt prisnivå stöds därför inte direkt av dessa modeller och undersökningen går vidare in på alternativa metoder.

51 6.1.2. Regressioner med minskad korrelation I de följande regressionerna har de beskrivande variablerna modifierats lika som beskrivits i kapitel 5.2 med att ta avkastningen för den högsta kvintilen (100%) subtraherat med den minsta (20%). Enligt teorin borde book-to-market relationstalet inte ha en stor inverkan efter modifieringen och korrelationen mellan de enskilda variablerna är liten. Tabell 6 Regressioner med minskad korrelation Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 N 133 133 133 133 133 133 R! förklaringsgrad 0,083 0,084 0,085 0,086 0,087 0,159 Justerad förklaringsgrad 0,081 0,082 0,083 0,084 0,085 0,155 Intercept -0,0004-0,0004-0,0005-0,0005-0,0005-0,0004,-#./0'1!,-#./*+1!,-#.(#)1!,-#.(#*1!,-#./+*1!,-#.'+1! Marknad 0,006** 0,006** 0,006** 0,006** 0,006** 0,007**,&&.*0(1!,&&.*/)1!,&&.*(*1!,&&.*(01!,&&.*(&1!,(.++)1! Pris 0,009-0,003-0,005-0,006 0,001 0,032,#./'"1!,-#.)+(1!,-#.'+01!,-#./01!,-#.")&1!,#.&+&1! Storlek 0,010 0,012 0,010 0,020 0,028,#.(&'1!,#.((+1!,#.'+/1!,#.(+'1!,#."/01! Transaktionskostnad 0,000-0,001-0,002 0,010,-#.'0/1!,-#.)#"1!,-#./&*1!,#.#("1! Handelsaktivitet 0,002-0,004-0,019,#."#/1!,-#."*"1!,-#.&&'1! Bokföringsv. /marknadsv. 0,009-0,006,#./))1!,-#.#''1! Antal aktieägare -0,048,-&.##/1! Regressionerna är uträknade med forlel (3): # $-2 & @ $ ( " A;92-$7 # A;92-$-2 ( " B;$1JK$''-$7 # B;$1JK$''-$-2 ( " C20;6?9JK$''-$7 # C20;6?9JK$''-$-2 ( " D;531JK$''-$7 # D;531JK$''-$-2 ( " E$9=$>JK$''-$7 # E$9=$>JK$''-$-2 ( " F009JK$''-$7 # F009JK$''-$-2 ( " G3=H53256JK$''-$7 # G3=H53256JK$''-$-2 ( I $-2 - #,JK$''-2 &# L:4-2 +# EM4-2. Variablerna innehåller avkastningar var man subtraherat avkastningen för den högsta kvintilgruppen med den lägsta kvintilgruppen. Marknadsvariabeln följer inte denna indelning. ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes. Tabellen visar att prisvariabeln varit rätt så liten och på en nivå på 0,032 vilket är mycket lägre än med de tidigare regressionerna. Resultaten ger kanske inte den slags information som skulle behövas för att man kunde finna bevis över kategorisering bland dessa variabler. Marknadsvariabeln är den enda variabeln som hålls inom den valda signifikansnivån tillsammans med ett mycket högt t-värde. Även

52 storleksvariabeln som i tabell 3 visat ha en stor effekt ser här inte ut som att vara varken stor eller signifikant. Förklaringsgraderna för alla regressionerna är rätt så låga och enligt dessa resultat verkar variablerna inte kunna beskriva utvecklingen i avkastning för y- variabeln. Den sista variabeln med antalet investerare har ett rätt så högt t-värde vilket i sig betyder att effekten är negativ, något som strider med de tidigare erhållna resultaten. I följande tabell har olika tidsperioder granskats. Tabell 7 Regressioner med minskad korrelation för valda tidsperioder Regression Reg1 Reg2 Reg3 Reg4 Sampel 1998-2000 2001-2003 2004-2006 2007-2008 N 74 116 122 133 R! förklaringsgrad 0,079 0,075 0,087 0,193 Justerad förklaringsgrad 0,074 0,070 0,081 0,186 Intercept -0,001 0,000 0,000-0,001 [-0,526] [0,092] [-0,183] [-0,598] Marknad 0,005** 0,005* 0,006* 0,007** [5,993] [3,497] [4,69] [5,005] Pris 0,038-0,039 0,038 0,041 [0,757] [-0,355] [0,218] [0,247] Storlek -0,008 0,063 0,040 0,019 [-0,833] [0,3] [0,236] [0,133] Transaktionskostnad -0,018-0,004 0,019 0,141 [-0,504] [0,01] [0,087] [0,3] Handelsaktivitet 0,019-0,029-0,014 0,035 [0,644] [-0,054] [-0,048] [0,064] Bokföringsv. /marknadsv. 0,003-0,008 0,010 0,017 [-0,169] [-0,044] [0,173] [0,132] Antal aktieägare -0,001-0,016-0,050 [-0,13] [-0,342] [-0,787] ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes. Några avgörande resultat finner man inte heller då man delar in materialet i mindre tidsperioder. Priskategorin har hållits på en relativt konstant nivå från början till slut. Inte heller kan man konstatera att någon av de enskilda variablerna skulle ha varit signifikant under en kortare tidsperiod (förutom kontrollvariabeln). Regressionerna med minskad korrelation har tagits med som en stödande modell till de tidigare i tabell 3 och 4 presenterade regressionerna. Avkastningens beteende blir dock

53 oklart utgående från dessa resultat och man kan inte klart fastställa att någon form av kategorisering skulle förekomma på marknaden. 6.2. Aktiesplittar och prisvariabler I denna del går undersökningen in på de enskilda aktiesplittarna. Till först har enbart det nominella aktiepriset tagits i beaktande i regressionerna. Efter detta har också kontrollerande variabler lagts till. 6.2.1. Regressioner med aktiesplittar och prisvariabler I tabell 8 har regressioner gjorts före och efter händelsen. Tidsperioden är densamma som tidigare beskrivits och eliminerar möjlig annonseringseffekt. En och samma aktie har granskats under en period på 260 dagar före och efter händelsen för att se ifall det finns avvikelser gällande korrelation mellan grupperna. Resultaten är presenterade på nästa sida:!

54 Tabell 8 Regressioner före och efter aktiesplittar tillsammans med priskvintiler Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 Reg 9 Reg 10 Reg 11 Reg 12 N 51 51 51 51 51 51 51 51 51 51 51 51 R! förklaringsgrad 0,088 0,140 0,087 0,139 0,089 0,144 0,088 0,141 0,128 0,179 0,154 0,204 Justerad förklaringsgrad 0,074 0,126 0,073 0,126 0,074 0,131 0,073 0,127 0,114 0,166 0,138 0,191 Intercept 0,001-0,001 0,001-0,001 0,001-0,001 0,001-0,001 0,001-0,001 0,002-0,001 [0,946] [-0,049] [0,976] [-0,057] [0,952] [-0,047] [0,984] [-0,037] [1,008] [-0,047] [1,019] [0,007] Marknad 0,005* 0,008** 0,005* 0,008** 0,005* 0,007** 0,006* 0,009* 0,003 0,006* 0,006 0,006* [3,512] [5,083] [3,373] [4,867] [2,68] [3,597] [3,308] [4,113] [2,304] [2,907] [1,643] [1,653] 20 % priskvintil -0,049 0,179 0,312 0,568 [-0,247] [0,402] [-0,13] [0,465] 40 % priskvintil -0,048 0,461-0,201 0,421 [-0,446] [-0,001] [-0,442] [-0,068] 60 % priskvintil 0,228 0,599 0,337 0,687 [0,095] [0,404] [0,094] [0,416] 80 % priskvintil -0,010-0,100-0,105-0,106 [-0,322] [-0,38] [-0,227] [-0,241] 100 % priskvintil 0,100 0,133 0,079 0,102 [7,1] [6,655] [6,006] [6,353] Regressionenerna är gjorda med formel (4): # $-2 & @ $ ( " A;92-$ # A;92-$-2 ( " B;$1JNOP-$ # B;$1JNOP-$-2 ( " B;$1JQOP-$ # B;$1JQOP-$-2 ( " B;$1JROP-$ # B;$1JROP-$-2 ( " B;$1JSOP-$ # B;$1JSOP-$-2 ( " B;$1JTOOP-$ # B;$1JTOOP-$-2 ( I $-2 2 De beskrivande variablerna är kvintilgrupper för index utgående från prisnivå. Samma regression utförs både före och efter händelsen. Reg. 1 och reg. 2 är således båda samma regression som gjorts före och efter att aktiesplitten gjorts. I reg. 11 och 12 har alla kvintilgrupper tagits i beaktande, i de tidigare enbart en kvintiögrupp per regression. ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes.

55 Ur tabellen framgår korrelationen ationen med de 51 enskilda aktierna som gjort en splitt med de fem olika prisgrupperna. Regression 1 & 2, 3 & 4 osv. är par i vilka man granskat samma material före och efter händelsen skilt för sig med vald kvintilgrupp. I regression 11 & 12 har alla a variabler lagts till. Rent teoretiskt borde en n aktiesplitt i sig inte resultera i något annat at nämnvärt än i ett större antal aktier. Så verkar dock inte fallet vara åtminstone till en n viss grad. I Figur 4 har korrelationsförändringen mellan aktien och priskvintilen för regression 11 och 12 visualiserats. Största ta förändringen ser man med den andra priskvintilen (röd) var korrelationen varit negativ före splitten men stigit markant efter splitten. Också 20 %:s (mörkblå) och 60 %:s (grön) kvintilerna har fått en ökning samtidigt igt som den sista kvintilen ökat minimalt. #.* #.0 #.(!"##$%&'(") #./ #.' #.) #." #.& # -#.& -#." -#.) & " ) ' / ( 0 * + &# "#!$!34567859:5; '#!$!34567859:5; (#!$!34567859:5; *#!$!34567859:5; &##!$!34567859:5; Figur 4 Förändring i korrelation med enskilda priskvintiler Numrorna på x-axeln anger inte regressionens nummer utan visualiserar enbart skillnaden före och efter händelsen. Nummer 1 anger korrelationen med den första kvintilgruppen samtidigt som nummer 2 anger korrelationen med samma kvintilgrupp efter händelsen osv. Rent generellt har korrelationen före händelsen för den fördelade aktien med den lägsta gruppen (reg. 11) legat på 0,312 samtidigt som korrelationen med de högtprissatta aktierna varit 0,079. Efter att aktiesplitten skett (reg. 12) har korrelationen med den låga a gruppen ökat med hela 82 % till en nivå på å 0,568. Å andra sidan har också korrelationen för den högsta kvintilen ökat till 0,102, en ökning på 29 %. Här avviker resultaten n en aning från de tidigare ställda teorierna. rna. Den ökade

56 korrelationen för de lägre prissatta aktierna borde ske på bekostnad av de högre prissatta men här sker också en minimal ökning med det högsta indexet. Förklaringsgraden förändras också och blir större efter händelsen för varje regression. Både andra och tredje kvintilerna får en ökad korrelation efter splitten och lämnar enbart den fjärde kvintilen med en minskad korrelation. I kapitel 4 presenterades deskriptiv statistik över aktiepriserna före och efter splittarna. En möjlig förklaring till resultaten kunde ha med det pris som splitten fördelas till. Kvintilgrupperna har inte valts med tanke på de enskilda aktiesplittarna eller i vilken prisgrupp dessa är antingen före eller efter splitten. Det visar sig att vissa företag visserligen fördelat aktien till en bråkdel av det tidigare priset men kan ändå hållas på en relativt hög nivå. Detta skulle å andra sidan också betyda att korrelationen borde bli märkbart större för den fjärde kvintilen, vilket inte ser ut att ske. Fast ingen av variablerna är inom den valda signifikansnivån så har den högsta variabeln rätt så högt t-värde både före och efter händelsen. I följande tabell har regressionerna gjorts för kortare tidsperioder. Tabell 9 Regressioner före och efter aktiesplittar för olika tidsperioder Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 Sampel 1998-2000 2001-2003 2004-2006 2007-2008 N 26 26 5 5 18 18 2 2 R! förklaringsgrad 0,229 0,252 0,032 0,062 0,064 0,168 0,024 0,265 Justerad förklaringsgrad 0,211 0,240 0,016 0,047 0,049 0,155 0,009 0,253 Standardfel Intercept 0,002-0,002 0,001 0,001 0,002 0,000 0,001 0,000 [0,741] [-0,373] [0,928] [0,894] [1,42] [0,285] [0,574] [0,224] Marknad 0,008* 0,006 0,000 0,008** 0,004 0,006* 0,000 0,012** [1,745] [1,337] [0,446] [2,137] [1,509] [1,708] [0,011] [4,051] 20 % priskvintil 0,572 1,110 0,387 0,076 0,019-0,021 0,046 0,052 [0,143] [0,834] [0,012] [0,186] [0,173] [-0,046] [0,179] [0,125] 40 % priskvintil -0,358 0,991-0,162-0,135-0,031-0,004-0,032-1,771* [-0,565] [0,157] [-0,553] [-0,438] [-0,255] [-0,111] [-0,38] [-1,677] 60 % priskvintil 0,355 1,309 1,836-0,080-0,062 0,088 0,114-0,096 [0,098] [0,973] [1,239] [-0,703] [-0,108] [0,048] [0,535] [-0,724] 80 % priskvintil -0,111-0,110-0,300-0,237-0,065-0,048 0,007-0,254** [-0,215] [-0,258] [-0,917] [-0,793] [-0,573] [-0,616] [0,09] [-1,986] 100 % priskvintil 0,034 0,037-0,002-0,082 0,149 0,275 0,221-0,162 [11,696] [12,109] [-0,172] [-0,827] [0,656] [0,897] [0,873] [-1,414] ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes.

57 Antalet aktiesplittar som skett under hela tidsperioden är inte jämt fördelat. För lätthetens skull har hela perioden delats in i fyra mindre perioder. De flesta splittar gjordes mellan åren 1998 och 2000 samt 2004 och 2006. Därför är det skäl att inte dra för starka slutsatser av de övriga perioderna då samplet är litet. Resultaten för den första perioden stöder mera en möjlig kategorisering. Korrelationen ökar med de lägre prissatta aktierna (1-3 kvintilerna) under den första perioden medan den hålls relativt konstant med de två sista indexen. Även om korrelationen inte minskat med högtprissatta aktier har den åtminstone inte stigit mycket, vilket varit resultatet i tabell 8. T-värdena indikerar att korrelationen fortsätter att vara positiv för 5:e kvintilen efter händelsen, splitten resulterar alltså inte i en negativ korrelation med de högst prissatta aktierna. Resultaten förändras en aning i de senare perioderna. Mellan åren 2004 och 2006 är utvecklingen i motsatt riktning. Aktier som fördelats har fått en minskad korrelation med lågtprissatta aktier samtidigt som korrelationen ökat med den högsta kvintilen, ett resultat som strider starkt med kategoriseringshypotesen. Å andra sidan är förklaringsgraden rätt så låg för denna period främst före händelsen. I tabell 10 har ett teckentest tagits med för att komplettera de andra regressionerna. Tabell 10 Teckentest N(!p>!q) N Procentuell andel Binomial sannolikhet Intercept 23 51 0,451 0,799 Marknad 32 51 0,627 0,046 20 % priskvintil 22 51 0,431 0,869 40 % priskvintil 22 51 0,431 0,869 60 % priskvintil 22 51 0,431 0,869 80 % priskvintil 19 51 0,373 0,976 100 % priskvintil 22 51 0,431 0,869 Teckentestet ger svar på ifall utfallen är slumpmässiga och följer binomialfördelningen eller inte. I färre en hälften av fallen har korrelationen varit större efter händelsen än före för alla kvintilgrupper. I totalt 22 fall har korrelationen ökat med den lägsta kvintilen. Den binomiala sannolikheten jämförs med vald signifikansnivå och kan här inte förkasta nollhypotesen om lika sannolikhet för båda utfallen. Ur teckentestet kan man inte heller dra övriga starka slutsatser över de enskilda grupperna eftersom händelsen resulterat i en ökad korrelation i mindre än hälften av fallen. Korrelationen med marknaden har ökat i 32 fall av de totalt 51 aktierna. Nollhypotesen kan därför förkastas på en 5 procents nivå och händelsen verkar ha lett till en ökad samrörelse

58 med marknaden i överlag. Detta kunde ha med en ökad handel att göra, vilket kontrolleras i senare regressioner. I tabell 11 har två olika prisgrupper valts som beskrivande variabel. Eftersom priset legat i medeltal på den femte kvintilen för aktier som gjort en aktiesplitt kunde man tänka sig att startläget är i denna kvintil. Här granskar man då ifall det finns en skillnad med denna kvintil och de andra före och efter händelsen. Regression 1 & 2 innehåller material från den första och den sista kvintilen, regression 3 & 4 med den andra och sista kvintilen osv. Regression 9 & 10 material i den lägre gruppen med priser ända upp till medianen samt i den högre gruppen priser från medianen uppåt.

59 Tabell 11 Regressioner före och efter aktiesplittar tillsammans med två priskvintiler Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 Reg 9 Reg 10 N 51 51 51 51 51 51 51 51 51 51 R! förklaringsgrad 0,107 0,142 0,107 0,142 0,107 0,141 0,106 0,141 0,107 0,143 Justerad förklaringsgrad 0,088 0,129 0,088 0,128 0,089 0,127 0,088 0,128 0,089 0,129 Intercept 0,003-0,001 0,003-0,001 0,002-0,001 0,002-0,001 0,003-0,001 [1,036] [-0,062] [1,071] [-0,073] [0,99] [-0,054] [1,03] [-0,058] [1,028] [-0,063] Marknad 0,006* 0,008** 0,006* 0,008** 0,006* 0,008** 0,006** 0,008** 0,006* 0,008** [3,407] [5,597] [3,39] [5,577] [3,355] [5,559] [3,425] [5,575] [3,381] [5,583] 20 % priskvintil -0,509 0,520 [-0,347] [0,05] 40 % priskvintil 0,022-0,050 [0,126] [-0,157] 60 % priskvintil -0,094 0,020 [0,025] [0,078] 80 % priskvintil 0,011 0,059 [0,083] [0,019] 100 % priskvintil 0,028-0,029 0,027-0,036 0,020-0,028 0,027-0,031 [0,385] [-0,228] [0,421] [-0,293] [0,326] [-0,221] [0,365] [-0,264] 0-50% priskvintil -0,351 0,116 [-0,342] [0,215] 50-100% priskvintil 0,012-0,028 [0,389] [-0,337] Regressionerna har gjorts med formel (5): # $-2 & @ $ ( " A;92-$ # A;92-$-2 ( ",-$ #,-$-2 ( " B;$1JTOOP-$ # B;$1JTOOP-$-2 ( I $-2 var x = vald kvintilgrupp mellan 1 (20 %) och 4 (80 %). På samma sätt som i Tabell 8 har priskvintiler jämförts före och efter händelsen. I denna regression har dessutom den högsta kvintilgruppen tagits med för att granska ifall det sker en förändring med de dyraste aktierna. Reg. 9 och reg. 10 har utförts med material på båda sidorna om medianen. ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes.

60 Resultaten i Tabell 11 ger aningen mer bevis på en möjlig kategoriseringseffekt på marknaden. I alla andra regressioner förutom Reg. 3 & Reg. 4 så ökar korrelationen med det lägre indexet samtidigt som denna minskar med de högstprissatta aktierna i alla regressioner. Här kan det ha skett en förändring var aktien efter händelsen fått en förändrad ägarbas och att dessa sedan klassar in denna aktie med lika prissatta aktier. De största skillnaderna finner man med de lägsta prisen var korrelationen före händelsen varit negativ men korrelationen ökar också rätt så bra med den fjärde kvintilen. Detta kan i sig ha med det nya priset att göra. Som redan tidigare nämnts fördelas aktien till en ny prisnivå som motsvarar den fjärde kvintilens prisnivå och enligt teorin skulle aktien börja korrelera mer med sin omgivning efter splitten. Variablerna är inte inom vald signifikansnivå men kan i sig ge ett svagt stöd för hypotesen gällande kategorisering på marknaden. Även om de hittills erhållna resultaten i tabellerna 8-11 till en stor del inte kunnat kvarhållas inom den valda signifikansnivån så verkar denna händelse föra med sig någon slags förändring på marknaden. Läget verkar med andra ord inte vara helt och hållet som före aktiesplitten utan korrelationen tenderar att stiga med flera olika kvintiler.

61 6.3. Aktiesplittar och kontrollvariabler I de följande regressionerna har tre olika kontrollvariabler tagits i beaktande i samband med aktiesplittar. Tidigare har fokus varit enbart på olika priskategorier men eftersom aktiesplittar är starkt relaterade med likviditetsförändringar har detta kontrollerats för i form av handelsaktivitet, transaktionskostnader och antalet investerare som äger aktien. Det kan finnas en chans att de tidigare presenterade regressionerna med enbart priskvintiler missar underliggande faktorer och att avkastningarna skulle vara drivna av dessa effekter, vilket är ett rättfärdigt argument i sig. Likviditet är en eftertraktad egenskap som investerare även söker efter. 6.3.1. Regressioner med aktiesplittar och kontrollvariabler (20 % och 100 % kvintilgrupper) Tre olika kvintilfördelningar har tillämpats i de följande regressionerna. Extremkvintiler med 20 % och 100 % nivåer, högre nivåer med 80 % och 100 % kvintiler samt till sist 0-50 % och 50-100 % nivåer med material på båda sidorna av medianen. Den första metoden har tagits med för att granska skillnaden mellan de allra billigaste och dyraste aktierna. Den andra metoden granskar skillnaden mellan fjärde och femte kvintilen då det i flera fall skett en fördelning ner men priset fortsätter att vara på en rätt så hög nivå. Den sista metoden med material på båda sidorna kring medianen har tagits med för att granska en mer generell skillnad i jämförelse med extremkvintilerna. Nedan presenteras resultaten för den första metoden:

62 Tabell 12 Regressioner för aktiesplittar tillsammans med kontrollvariabler (20% och 100% kvinitilgrupper) Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 N 51 51 51 51 51 51 25 25 R! förklaringsgrad 0,052 0,022 0,051 0,021 0,022 0,020 0,128 0,114 Justerad förklaringsgrad 0,035 0,005 0,035 0,004 0,007 0,004 0,114 0,099 Intercept 0,002-0,001 0,002-0,001 0,002 0,000 0,002 0,000,&.&"/1!,-#.#)1!,&.&&&1!,-#.#""1!,&.)(*1!,#.(&&1!,&.)#(1!,#./')1! Marknad 0,001-0,001 0,001-0,001 0,001 0,000 0,004 0,005*,#.'''1!,-#.&(&1!,#.)0'1!,-#.&((1!,#.)&&1!,-#.&(+1!,&.("01!,&.00)1! Lågt pris(20 %) -0,446 0,252-0,344 0,211-0,030 0,004 0,039 0,111,-#."/01!,-#.#("1!,-#."+'1!,-#.#()1!,-#."&'1!,-#.)#)1!,-#.&*1!,#.)1! Hötg pris(100 %) 0,002-0,071 0,013-0,008 0,016-0,018 0,219 0,093,#."*/1!,-#."&&1!,#.&")1!,-#."0&1!,#.&'/1!,-#.#0+1!,&."+(1!,#.("+1! Låg handelsaktivitet(2 0 %) 1,577 0,171 0,172-0,365,#.)&/1!,#.#+(1!,#./)/1!,-#.&)*1! Hög handelsaktivitet (100 %) 0,014 0,057 0,045 0,217,#.#01!,#.&0"1!,-#.#'1!,#.'0*1! Låg transaktionskostnad (20 %) 0,006 0,128 0,024-0,040,#.)'&1!,#."')1!,#.#+*1!,-#.)#'1! Hög transaktionskostnad (100 %) 0,312-0,108 0,692 0,733,#.'&)1!,-#.#&/1!,#./&/1!,#.(&)1! Lågt antal aktieägare(20 %) -0,625-0,188 2,640 2,251,#.##/1!,#.&"01!,#.))*1!,-#.'#01! Högt antal aktieägare(100 %) 0,023 0,011-0,189-0,256,-#.#/*1!,#.#&1!,-#./01!,-#.+001! Regression (6) har använts: # $-2 & @ $ ( " A;92-$ # A;92-$-2 ( " B;$1JNOP-$ # B;$1JNOP-$-2 ( " B;$1JTOOP-$ # B;$1JTOOP-$-2 (" E$9=$>JNOP-$7 # E$9=$>JNOP-$-27 ( " E$9=$>JTOOP-$7 # E$9=$>JTOOP-$-2 (" D;531JNOP-$7 # D;531JNOP-$-27 ( " D;531JTOOP-$7 # D;531JTOOP-$-2 (" G3=H53256JNOP-$7 # G3=H53256JNOP-$-27 ( " G3=H53256JTOOP-$7 # G3=H53256JTOOPP-$-2 ( I $-2. De låga beskrivande variablerna hör till den lägsta kvintilgruppen samtidigt som de höga variablerna hör till den högsta. Prisvariabeln och vald kontrollvariabel har regresserats skilt för sig samt sist tillsammans med alla variabler. Reg 7 och 8 har enbart material från år 2001 framåt vilket lett till 25 stycken enskilda splittar. ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes. I tabell 12 har extremkvintiler för pris samt vald kontrollvariabel regresserats en för en samt sedan tillsammans med alla variabler i de två sista regressionerna. I alla regressioner har samrörelsen med det lägre prisindexet ökat samtidigt som denna sjunkit med det högre prisindexet efter aktiesplitten trots kontroll. Detta skulle betyda att det trots andra förändrade förhållanden skulle finnas en effekt av kategorisering som inte dött bort fast man kontrollerat för detta. Ökningen är rätt så stor, i de sista

63 regressionerna på över 280 % från en nivå på 0,039 till 0,111. Samtidigt sjunker korrelationen med de högre e prissatta aktierna från 0,2190 till 0,093, en sänkning på över 57 %. Resultaten är, vilket även i de andra fallen, inte på en vald signifikansnivå men ger i alla fall ett svagt stöd för kategorisering utgående från aktiepris. I figur 5 presenteras de båda priskvintilernas intilernas korrelation före och efter händelsen. en. #.) #." #.& # *$'& -#.& -#." & " ) ' / ( 0 * <=>:!3456?"#!$@ AB:>!3456?&##!$@ -#.) -#.' -#./ +$,#$--(") Figur 5 Korrelationsförändringar med lågt- och högtprissatta aktier Numrorna på x-axeln anger regressionens nummer som finns i Tabell 12. Nummer 1 och 2 anger korrelationen med både lågt och högt prissatta index före och efter händelsen osv. Den största skillnaden finner ner man i regression 1 och 2 var korrelationen n med den lägsta kvintilen ökat kraftigt från n att ha varit negativ samtidigt som korrelationen med det högsta indexet sjunker. Likviditetsvariablerna indikerar ikerar att det skett en förändring i handelsomsättning och korrelation med de splittade aktierna. Före händelsen har aktierna korrelerat mer med aktier i den lägre handelskvintilen men i och med splitten har detta förändras till en ökad korrelation med aktier inom den större handelskvintilen. Detta går hand i hand med teorin om att aktierna för det första fått en ökad handel (möjligen i form av ett ökat antal investerare) samt att dessa därefter korrelerar mer med dessa. Grupperna med lika stora köp- och säljmarginaler har inte samma utveckling. Man har som tidigare nämnts funnit att dessa marginaler sjunker i och med en n splitt och detta

64 kunde även leda till en ökad korrelation för de fördelade aktierna med indexet med låga marginaler. Resultaten går i motsatt riktning med minskad korrelation för aktier med lägre marginaler och ökad med större marginaler. Resultaten enligt detta stöder inte hypotesen om en ökad korrelation med mera likvida och billiga aktier. En ökad handel efter aktiesplittar är också förknippad med ett ökat antal aktieägare. Ifall en aktiesplitt sjunker ner i pris skulle detta resultera i en effekt var ett ökat antal mindre aktieägare börjar handla med aktien, vilket tagits med som sista kontrollvariabel. Generellt sett har korrelationen sjunkit med gruppen som innehåller det lägsta antalet aktieägare, en sänkning på drygt 14 %. Å andra sidan har korrelationen inte ökat med gruppen med ett högre antal aktieägare utan likaså sjunkit en aning, vilket strider med tanken om att det skulle finnas en ökad korrelation utgående från antalet aktieägare. Nedan presenteras regressioner för valda tidsperioder.

65 Tabell 13 Regressioner för aktiesplittar för vald tidsperiod (20% och 100% kvintilgrupper) Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 Sampel 1998-2000 2001-2003 2004-2006 2007-2008 N 26 26 5 5 18 18 2 2 R! förklaringsgrad 0,253 0,266 0,214 0,128 0,094 0,191 0,317 0,378 Justerad förklaringsgrad 0,233 0,254 0,162 0,114 0,080 0,178 0,306 0,367 Intercept 0,003-0,002 0,004 0,001 0,002 0,000 0,000 0,001 [0,778] [-0,406] [1,084] [0,824] [1,441] [0,254] [0,592] [0,806] Marknad 0,007* 0,008* 0,001 0,006* 0,004* 0,006* 0,008 0,001* [1,379] [1,818] [0,571] [2,036] [1,684] [1,777] [2,785] [0,117] Lågt pris(20 %) 0,483 1,576-0,786 0,179 0,061-0,112 0,052-0,496 [-0,299] [0,539] [-0,345] [0,439] [-0,203] [-0,246] [0,254] [-1,343] Hötg pris(100 %) 0,331 0,587-0,398 0,156 0,184 0,263 0,311 2,836** [0,97] [1,263] [1,255] [1,513] [1,161] [0,874] [1,604] [4,63] Låg handelsaktivitet(20 %) -0,491-0,136-0,152* -0,422-0,318 0,045 0,885 0,326** [0,201] [-0,063] [3,014] [-0,375] [-0,232] [0,151] [0,265] [0,474] Hög handelsaktivitet (100 %) -0,192-0,453 0,580 0,047 0,082 0,008 0,054-0,455 [1,583] [1,388] [-0,268] [-0,356] [0,016] [-0,124] [0,411] [-1,522] Låg transaktionskostnad (20 %) 0,032 0,136 0,520-0,014 0,040 0,099-0,176 1,385 [0,26] [0,016] [0,593] [0,144] [0,048] [0,212] [-0,434] [1,566] Hög transaktionskostnad (100 %) -0,061 0,087 0,580 0,047 0,082 0,008 0,054-0,455** [0,328] [0,166] [0,712] [1,171] [0,608] [0,206] [-0,569] [-0,426] Lågt antal aktieägare(20 %) 0,520-0,014 0,040 0,099-0,176 1,385 [0,473] [-0,384] [0,235] [0,362] [1,112] [-0,866] Högt antal aktieägare(100 %) 2,557 0,944 0,854 0,278-0,615 0,932 [-0,838] [-0,928] [-0,449] [-1,087] [-1,284] [-5,09] De låga beskrivande variablerna hör till den lägsta kvintilgruppen samtidigt som de höga variablerna hör till den högsta.** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes. För de två sista tidsperioderna har det skett en omvänd ordning var samrörelsen med de lägre prissatta aktierna sjunkit samtidigt som aktierna skiftat över till de högre prissatta aktierna. Fler variabler med signifikans finns då antalet splittar är enbart två under åren 2007 och 2008. T-värden för det högtprissatta indexet är rätt så stort igenom alla regressioner. Mellan åren 2004 och 2006 har samrörelsen likaså minskat med de lägre samtidigt som denna ökat med de högre, vilket strider med kategoriseringstanken.

66 Tabell 14 Teckentest (20% och 100 % kvintilgrupper) N(!p>!q) N Procentuell andel Binomial sannolikhet Intercept 22 51 0,431 0,869 Marknad 41 51 0,804 0,000 Lågt pris(20 %) 22 51 0,431 0,869 Högt pris(100 %) 26 51 0,510 0,500 Låg handelsaktivitet(20 %) 18 51 0,353 0,988 Hög handelsaktivitet (100 %) 29 51 0,569 0,201 Låg transaktionskostnad (20 %) 30 51 0,588 0,131 Hög transaktionskostnad (100 %) 25 51 0,490 0,610 Lågt antal aktieägare(20 %) 10 25 0,400 0,885 Högt antal aktieägare(100 %) 15 25 0,600 0,212 De låga beskrivande variablerna hör till den lägsta kvintilgruppen samtidigt som de höga variablerna hör till den högsta. Antalet enskilda fall var korrelationen ökat efter händelsen har på samma sätt som med priskvintilerna räknats med en binomialfördelning. Resultaten är i sig intressanta då man här får en lite starkare bild över de fundamentala orsakerna bakom korrelationsförändringarna. I 22 respektive 26 fall har samrörelsen ökat med både det låga och det höga prisindexet. Detta betyder i sig att korrelationen ökat för flere aktier med högre prissatta aktier än med de lägre, vilket strider med teorierna över kategorisering och resultaten i tabell 12. Men vissa av de kontrollvariabler som valts ger starkare bevis för de förändrade förhållandena. Då aktien fördelats har denna i över 80 procent av fallen fått en starkare korrelation med marknaden i överlag. Denna variabel är också den enda som är signifikant t.o.m. på en 5 procents nivå. Även samrörelsen med indexen konstruerade med hög handel, låga köp- och säljmarginaler samt ett högt antal aktieägare blir större fast dessa inte kan kvarhållas på vald signifikansnivå. Resultaten kunde tyda på att aktien fått ett ökat antal aktieägare, en ökad handel samt mindre köp- och säljmarginaler vilket då också resulterat i en allmän signifikant korrelation med marknaden i sin helhet. Sammanfattar man resultaten för aktiesplittarna med kontrollvariabler kan man konstatera att det verkligen tycks finnas någon slags kategorisering eller svaga indikatorer för detta. I resultaten har förändring skett från de allra högsta till de lägre prissatta aktierna men variablerna kan inte hållas på den valda signifikansnivån. Teckentestet ger lite annorlunda svar men man bör ta resultaten från detta test med måtta.

67 6.3.2. Regressioner med aktiesplittar och kontrollvariabler (80 % och 100 % kvintilgrupper) Kategorisering i samband med aktiesplittar behöver inte alls vara relaterat till den lägsta prisgruppen. Därför har korrelationen med den fjärde (80 %) kvintilgruppen granskats. Det kan hända att priset förblir på en rätt så hög nivå efter splitten, både medelvärdet och medianen efter splitten förblir på den fjärde prisnivån. Metoderna är precis de samma som använts i kapitel 6.3.1. och resultaten ger klarare svar på ifall lika prissatta aktier korrelerar med varandra. I tabellen nedan finns resultaten presenterade. Generellt sett finner man en ökad korrelation med de lägre prissatta aktierna men detta sker också med de högre (reg. 7 och reg. 8). Det verkar med andra ord som om effekten inte är begränsad till extremkvintilerna utan korrelationen kan också öka med den fjärde gruppen. Intressant är kanske att se hur mycket starkare samrörelsen blivit med indexen baserade på antalet investerare, ett resultat som i sig skulle stöda tanken om att antalet aktieägare blivit högre samt korrelationen med denna grupp större. Variablerna saknar signifikans och kan inte fastställas men har i vissa fall rätt så höga t-värden.

68 Tabell 15 Regressioner för aktiesplittar med kontrollvariabler (80% och 100% kvintilgrupper) Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 N 51 51 51 51 51 51 25 25 R! förklaringsgrad 0,055 0,020 0,055 0,022 0,024 0,019 0,115 0,202 Justerad förklaringsgrad 0,035 0,003 0,034 0,005 0,008 0,003 0,100 0,189 Intercept 0,003-0,001 0,003-0,001 0,002 0,000 0,002 0,000,&.&+(1!,-#.#(1!,&.&0*1!,-#.#'"1!,&.)0(1!,#./&'1!,&."*+1!,#.)))1! Marknad 0,001-0,001 0,001-0,001 0,000 0,000 0,004 0,005*,#.)"*1!,-#.)#01!,#.'&/1!,-#."+"1!,#.&/(1!,#.#)+1!,&."+01!,&.')01! Lågt pris(80 %) 0,111 0,086 0,081 0,013-0,017 0,078 0,175 0,313,#.#/1!,#.&1!,-#.##01!,#.#()1!,#.#&'1!,#.&*&1!,#./**1!,&.##&1! Högt pris(100 %) -0,038-0,023 0,013-0,008 0,010-0,139 0,223 0,339,#.&"&1!,-#."&)1!,#.)/"1!,-#.")"1!,#.&(&1!,-#.")01!,#.+)1!,&.#/)1! Låg handelsaktivitet(80 %) 0,036 0,016-0,041 0,020,#.")*1!,#."#"1!,-#.)(1!,-#.&&'1! Hög handelsaktivitet (100 %) 0,030-0,001 0,481 0,438,#.&&&1!,#.&*)1!,#.'/'1!,#."+&1! Låg transaktionskostna d (80 %) 0,121-0,166 0,445 0,381,#.)&)1!,-#.#*'1!,#.)(&1!,#.)0(1! Hög transaktionskostna d (100 %) 0,027 0,438 0,046 0,130,-#."*/1!,#.)*&1!,#.#*(1!,#.""01! Lågt antal aktieägare(80 %) 0,054-0,004-0,238-0,504,#.#('1!,#.#"+1!,-#.*&*1!,-&.("01! Högt antal aktieägare(100 %) 0,074-0,316 0,426 1,137,-#.#)"1!,-#.&*(1!,#.'#*1!,#.0+&1! Regression (6) har använts: # $-2 & @ $ ( " A;92-$ # A;92-$-2 ( " B;$1JSOP-$ # B;$1JSOP-$-2 ( " B;$1JTOOP-$ # B;$1JTOOP-$-2 (" E$9=$>JSOP-$7 # E$9=$>JSOP-$-27 ( " E$9=$>JTOOP-$7 # E$9=$>JTOOP-$-2 (" D;531JSOP-$7 # D;531JSOP-$-27 ( " D;531JTOOP-$7 # D;531JTOOP-$-2 (" G3=H53256JSOP-$7 # G3=H53256JSOP-$-27 ( " G3=H53256JTOOP-$7 # G3=H53256JTOOPP-$-2 ( I $-2. De låga beskrivande variablerna hör till den fjärde kvintilgruppen samtidigt som de höga variablerna hör till den femte.** och * tyder på en signifikans på 5 % respektive 10 % nivå i ensidiga test. T-statistikor betecknade inom parentes.

69 Tabell 16 Regressioner med aktiesplittar för vald tidsperiod (80% och 100% kvintilgrupper) Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 Sampel 1998-2000 2001-2003 2004-2006 2007-2008 N 26 26 5 4 18 18 2 2 R! förklaringsgrad 0,254 0,286 0,150 0,118 0,198 0,093 0,373 0,303 Justerad förklaringsgrad 0,233 0,274 0,136 0,103 0,184 0,078 0,362 0,291 Intercept 0,003-0,001 0,001 0,001 0,000 0,002 0,001 0,001 [0,784] [-0,345] [0,854] [1,08] [0,175] [1,382] [0,456] [0,878] Marknad 0,006 0,005 0,006 0,003 0,005 0,004 0,000 0,010 [1,415] [1,285] [1,7] [0,827] [1,504] [1,235] [0,172] [2,794] Lågt pris(80 %) 0,054-0,099-0,001 0,039 0,437 0,178-0,015 0,417 [0,217] [0,114] [0,764] [-0,013] [1,19] [0,643] [-0,104] [1,299] Högt pris(100 %) 0,078-0,021-0,020 0,555 0,140 0,141 3,027 0,297 [1,56] [4,449] [0,912] [1,356] [0,638] [0,814] [5,14] [1,119] Låg handelsaktivitet(80 %) -0,013 0,041 0,103-0,173 0,002-0,014-0,031-0,021 [1,271] [0,059] [-0,17] [-0,954] [-0,074] [-0,234] [-0,337] [-0,311] Hög handelsaktivitet (100 %) -0,392-0,308-0,232 0,283 0,765 0,570-0,831 0,078 [-0,328] [-0,144] [-0,211] [0,897] [0,554] [0,407] [-0,819] [-0,014] Låg transaktionskostnad (80 %) 0,431 0,492 0,565 0,749 0,351 0,421 0,195 0,052 [0,809] [0,481] [0,64] [0,934] [0,313] [0,269] [0,28] [0,041] Hög transaktionskostnad (100 %) 0,243 2,193 0,091-0,060 0,252 0,157-0,873-0,740 [-0,583] [1,505] [0,045] [-0,513] [0,437] [0,415] [-1,203] [-1,68] Lågt antal aktieägare(80 %) -0,268-0,254-0,439-0,204-1,679-0,504 [-1,298] [-1,042] [-1,326] [-0,655] [-5,154] [-1,833] Högt antal aktieägare(100 %) 0,871 0,733 1,195 0,472 1,285-0,600 [1,281] [0,526] [0,655] [0,495] [0,794] [-0,612] De låga beskrivande variablerna hör till den fjärde kvintilgruppen samtidigt som de höga variablerna hör till den femte.** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes. Trots de svagt stödande resultaten i tabell 15 med hela samplet finner man inte att dessa skulle ha varit speciellt starka under någon viss period av undersökningen. De facto är korrelationen med de lägre grupperna i flera fall mindre än med den högsta efter händelsen, vilket avviker från resultaten med extremkvintiler då dessa i flera fall ökat för båda grupperna.

70 Tabell 17 Teckentest (80% och 100% kvintilgrupper) N(!p>!q) N Procentuell andel Binomial sannolikhet Intercept 24 51 0,471 0,712 Marknad 19 51 0,373 0,976 Lågt pris(80 %) 20 51 0,392 0,954 Högt pris(100 %) 20 51 0,392 0,954 Låg handelsaktivitet(80 %) 20 51 0,392 0,954 Hög handelsaktivitet (100 %) 15 51 0,294 0,999 Låg transaktionskostnad (80 %) 18 51 0,353 0,988 Hög transaktionskostnad (100 %) 22 51 0,431 0,869 Lågt antal aktieägare(80 %) 4 26 0,154 1,000 Högt antal aktieägare(100 %) 6 26 0,001 0,999 De låga beskrivande variablerna hör till den fjärde kvintilgruppen samtidigt som de höga variablerna hör till den femte. Inte heller skulle antalet fall med högre korrelation ha varit märkbart större efter händelsen vilket också leder till att man inte kan förkasta nollhypotesen om lika sannolikheter för båda utfallen. Dessa resultat erhållna i tabellerna 15 17 stöder inte riktigt tanken över att lika prissatta aktier korrelerar med varandra då den fjärde priskvintilen varit i fokus. Generellt sett stiger korrelationen med både fjärde och femte kvintilgruppen. 6.3.3. Regressioner med aktiesplittar och kontrollvariabler (0-50 % och 50-100 % kvintilgrupper) I de nästa regressionerna har samma undersökning gjorts som tidigare men materialet har utökats till en fördelning av det hela materialet i en lägre och en högre hälft. Mittpunkten är således medianen och inte en femtedel från båda ändorna av samplet, för övrigt precis samma metodik som tidigare.

71 Tabell 18 Regressioner med aktiesplittar och kontrollvariabler (0-50 % och 50-100 % kvintilgrupper) Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 N 51 51 51 51 51 51 25 25 R! förklaringsgrad 0,051 0,022 0,053 0,023 0,020 0,023 0,106 0,120 Justerad förklaringsgrad 0,035 0,005 0,036 0,006 0,004 0,007 0,092 0,106 Intercept 0,002-0,001 0,002-0,001 0,002 0,000 0,002 0,000,&.&&1!,-#.#'"1!,&.#*"1!,-#.#)*1!,&.)*&1!,#.(#'1!,&."('1!,#.'"/1! Marknad 0,002-0,001 0,001-0,001 0,001 0,000 0,003 0,004*,#.')1!,-#."'1!,#.'&01!,-#.)"01!,#.'(/1!,-#.&/"1!,&.&&/1!,&.)+"1! Lågt pris(0-50 %) -0,111-2,912-1,267-0,113-0,140-0,152 0,460-0,848,-#."/1!,-#.##*1!,-#."**1!,#.#''1!,-#."0"1!,-#.&#&1!,#."+*1!,-#./((1! Högt pris(50-100 %) -0,055-4,005-1,026-0,081 0,132-0,328 1,674 0,248,#.#'*1!,-#."#+1!,#.#)+1!,-#.")01!,#."+)1!,-#.)0+1!,#./'+1!,-#.)+01! Låg handelsaktivitet(0-50 %) 0,389 3,200-1,230-1,920,#."((1!,#.)&(1!,#.&&/1!,-#.)+(1! Hög handelsaktivitet (50-100 %) 0,037 3,713-1,897-2,231,#.""+1!,#.&(+1!,-#.&"*1!,-#.0(01! Låg transaktionskostnad (0-50 %) 1,011 0,187 0,793 2,778,#."0"1!,#."")1!,-#.&0)1!,#.0*)1! Hög transaktionskostnad (50-100 %) 1,359 0,266 1,832 3,885,#.&/1!,#.'#(1!,-#.&/)1!,#.+/(1! Lågt antal aktieägare(0-50 %) 0,294 0,217 0,601 0,002,#.)"01!,#.)001!,#.'#)1!,#."*01! Högt antal aktieägare(50-100 %) -0,127 0,294-0,629-0,566,-#.)"+1!,#.''+1!,-#.(+*1!,-#.*++1! Regression (6) har använts: # $-2 & @ $ ( " A;92-$ # A;92-$-2 ( " B;$1JOklOP-$ # B;$1JOklOP-$-2 ( " B;$1JlOkTOOP-$ # B;$1JlOkTOOP-$-2 (" E$9=$>JOklOP-$7 # E$9=$>JOklOP-$-27 ( " E$9=$>JlOkTOOP-$7 # E$9=$>JlOkTOOP-$-2 (" D;531JOklOP-$7 # D;531JOklOP-$-27 (" D;531JlOkTOOP-$7 # D;531JlOkTOOP-$-2 (" G3=H53256JOklOP-$7 # G3=H53256JOklOP-$-27 ( " G3=H53256JlOkTOOP-$7 # G3=H53256JlOkTOOPP-$-2 ( I $-2. De låga beskrivande variablerna innehåller material under medianen samtidigt som de höga variablerna innehåller material ovanför medianen. ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes. Inga klara stöd för kategorisering utgående från pris i och med en aktiesplitt finns att skåda för dessa regressioner. Korrelationen med det högre aktieprisindexet blir visserligen kraftigt mindre med hela 85 % men samma sker med det lågtprissatta indexet. Resultaten avviker med andra ord från materialet i de tidigare regressionerna var man finner en liten ökning med de billiga aktierna. Generellt sett är förklaringsgraderna på rätt så samma låga nivå och det utökade materialet ser inte ut

72 att ha förbättrat dessa i jämförelse med extremkvintilerna. Nedan finns regressioner för valda tidsperioder. Tabell 19 Regressioner med aktiesplittar för vald tidsperiod (0-50 % och 50-100 % kvintilgrupper) Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 Sampel 1998-2000 2001-2003 2004-2006 2007-2008 N 26 26 5 5 18 18 2 2 R! förklaringsgrad 0,280 0,322 0,103 0,158 0,085 0,186 0,305 0,277 Justerad förklaringsgrad 0,260 0,311 0,089 0,145 0,070 0,173 0,294 0,264 Intercept -0,404 0,183 0,001 0,001 0,002 0,000 0,000 0,000 [0,214] [0,322] [1,049] [0,574] [1,395] [0,232] [0,519] [0,173] Marknad 1,506-1,104 0,000 0,003 0,002 0,006** 0,013* 0,01* [1,016] [0,475] [-0,172] [0,565] [1,028] [1,718] [4,475] [2,992] Lågt pris(0-50 %) -0,812-0,930-4,111-5,297-0,358 0,186 16,966** 2,110 [-0,021] [-0,626] [-0,38] [-2,361] [0,467] [-0,137] [0,133] [0,582] Högt pris(50-100 %) -0,503-0,038-2,924-3,174 0,975 0,952 17,16** 1,974 [0,904] [-0,693] [-0,293] [-2,087] [0,781] [-0,013] [0,148] [0,244] Låg handelsaktivitet(0-50 %) -0,245-1,019-0,145-4,919* -0,599-0,312-9,088 1,316 [-0,393] [-0,753] [0,19] [-1,54] [0,202] [0,058] [-0,825] [0,401] Hög handelsaktivitet (50-100 %) -0,150 2,815 0,801-5,946-1,237-1,764-13,238 0,533 [-0,268] [0,555] [-0,084] [-2,124] [-0,072] [-0,367] [-0,72] [0,195] Låg transaktionskostna d (0-50 %) 13,665 23,047 2,746 9,802 1,167 1,662-6,486-4,264 [0,595] [0,99] [0,648] [2,691] [-0,283] [0,304] [-0,827] [-0,605] Hög transaktionskostna d (50-100 %) -0,122 2,142 0,801-5,946-1,237-1,764-13,238 0,533 [-0,415] [0,25] [0,516] [2,747] [-0,127] [0,446] [-1,726] [-0,329] Lågt antal aktieägare(0-50 %) 2,746 9,802 1,167 1,662-6,486-4,264 [1,707] [1,538] [0,206] [0,463] [-0,434] [-0,375] Högt antal aktieägare(50-100 %) 3,275 12,363 2,414 1,476-6,285* -0,893 [-0,424] [-0,75] [-0,747] [-1,151] [-0,811] [1,168] De låga beskrivande variablerna innehåller material under medianen samtidigt som de höga variablerna innehåller material ovanför medianen. ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes. Som tidigare sagts bör man ta antalet aktier i beaktande då man granskar dessa skillnader mellan olika tidsperioder. Man finner en stark sänkning för den sista perioden med båda priskvintilerna vilket är resultatet av två individuella aktiers

73 utveckling. För övrigt finner man en aningen högre korrelation med låga aktier efter händelsen under åren 2004-2006 samtidigt som denna sjunkit minimalt för den högre hälften. Intressant är också att notera skillnaderna med antalet investerare mellan åren 2001-2003. Den fördelade aktien har ökat tydligt i korrelation med båda grupperna, över 350 och 370 procent med respektive index. Enligt tanken borde ökningen ske på den andra gruppens bekostnad men så är inte fallet. Tabell 20 Teckentest (0-50 % och 50-100 % kvintilgrupper) N(!p>!q) N Procentuell andel Binomial sannolikhet Intercept 20 51 0,392 0,954 Marknad 35 51 0,686 0,005 Lågt pris(0-50 %) 21 51 0,412 0,920 Hög pris(50-100 %) 24 51 0,471 0,712 Låg handelsaktivitet(0-50 %) 18 51 0,353 0,988 Hög handelsaktivitet (50-100 %) 22 51 0,431 0,869 Låg transaktionskostnad (0-50 %) 21 51 0,412 0,920 Hög transaktionskostnad (50-100 %) 24 51 0,471 0,712 Lågt antal aktieägare(0-50 %) 10 25 0,400 0,885 Högt antal aktieägare(50-100 %) 15 25 0,600 0,212 De låga beskrivande variablerna innehåller material under medianen samtidigt som de höga variablerna innehåller material ovanför medianen. Resultaten i binomialfördelningen stöder de tidigare resultaten. Här har korrelationen ökat med de högre prissatta aktierna i fler fall än med de lägre, vilket strider i sig med hypotesen om kategorisering enligt pris. Märkbart här är kanske korrelationen med indexen med ett högt antal aktieägare vilket i 60 procent av fallen lett till en större korrelation efter händelsen. Detta stöder argumentet över att händelsen lett till en större ägarbas. Speciellt nog stöds detta inte med likviditetsförändringar och att samrörelsen skulle ha blivit större med dessa företag. Resultaten i detta kapitel med bredare grupperingar ger inte samma slags indikatorer som i de tidigare kapitlen över möjlig kategorisering utgående från pris. Detta kan i sig ha med de bredare prisgränserna att göra och att ett möjligt kategoriseringsfenomen inte finns då man vidgar dessa prisgrupper till enbart två bredare grupper.

74 6.3.4. Regressioner med extrema aktiesplittar Hittills har några storleksskillnader mellan aktiesplittarna inte tagits i beaktande i regressionerna. Syftet har främst varit att granska dessa splittar som helhet men det kan vara intressant i sig att ta en titt på möjliga storleksskillnader bland dessa. Som redan nämnts i samband med deskriptiv statistik har de flesta splittar skett med ett förhållande som motsvarar fem nya aktier eller färre (totalt 45st). Sex stycken aktier fördelades därför i ett förhållande som lett till ett större antal nya aktier (med förhållandet 1:6, 1:10 och 1:19) och dessa splittar har varit i fokus i de följande regressionerna. Tanken är att granska ifall dessa extremfördelningar beter sig på ett annat sätt eller inte. Eftersom den andra gruppen med mindre fördelning representerar en rätt så stor del av hela samplet (över 88 %) har dessa inte undersökts på nytt. Alla tidigare regressioner har inte tillämpats utan enbart de väsentligaste metoderna har tagits med. Det är värt att nämna att man inte bör ta resultaten med för stor vikt då antalet splittar är rätt så litet. Tabell 21 Regressioner med extrema aktiesplittar och prisvariabler Regression Reg 1 Reg 2 N 6 6 R! förklaringsgrad #.*+(! #.+#/! Justerad förklaringsgrad #.*+)! #.+#'! Intercept #.###! #.###! [1,242] [-0,309] Marknad #.##&! #.##&! [2,415] [1,404] 20 % priskvintil #.##(! -#.#)(! [0,017] [-0,707] 40 % priskvintil #.#&+! #.#&"! [0,466] [0,61] 60 % priskvintil -#.&/(! #.&&*! [-0,545] [1,138] 80 % priskvintil -#.#"*! #.#*(! [-1,037] [-0,195] 100 % priskvintil #.#/+! #.)/(! [-0,267] [3,232] ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes.

75 I Tabell 21 har dessa sex aktier granskats tillsammans med olika prisindex före och efter händelsen. Man kan inte rakt dra slutsatsen utgående från resultaten att det skulle finnas en övergång i korrelation från högre prissatta aktier till lägre; korrelationen har ökat med de högsta prisindexen samtidigt som denna sjunkit med de två lägsta kvintilerna. Signifikansen är inte inom vald nivå vilket betyder att man inte kan dra starka slutsatser av dessa resultat. I Tabell 22 presenteras de individuella resultaten för de enskilda företagen. Samma metod som i Tabell 21 har använts och aktien har granskats med de fem olika prisgrupperna före och efter händelsen.!

76 Tabell 22 Regressioner med extrema aktiesplittar per företag Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 Reg 9 Reg 10 Reg 11 Reg 12 Företag RAISIO RAISIO FISKARS 'A' FISKARS 'A' CENCORP CENCORP ALDATA SOLUTIONS ALDATA SOLUTIONS NOKIAN RENKAAT NOKIAN RENKAAT POHJOIS- KARJALAN KRJ. POHJOIS- KARJALAN KRJ. Splittstorlek (1:10) (1:10) (1:6) (1:6) (1:6) (1:6) (1:10) (1:10) (1:10) (1:10) (1:19) (1:19) R! förklaringsgrad #.*0& #.0+' #.*"* #.('( #.*"* #.(+/ #.*00 #.&+& #.**" #.0*) #.*"& #.")# Justerad förklaringsgrad &.)*0 &.(&* &./&/ ".#(& &./&/ &.+&' &.)(+ ).'"( &.)// &.(/# &./)* ).)&& Intercept #.##/ -#.#&' #.##/ #.#'' -#.##0 #.#") -#.#""C -#.##/ -#.##" -#.##" #.##" -#.##),#.+#&1,-&.#&)1,&."/1,&.&&*1,-#.(/"1,&."/1,-&.0)/1,-#."")1,-#.'0+1,-#.'&+1,#."')1,-#.&'*1 Marknad -#.##( #.#)+ -#.##/ -#.#") -#.#"" -#.##/ #.#(/CC -#.#&( -#.#'&CC -#.#"( #.#(" #.##/,-#.)'*1,&.)/01,-#.(#/1,-#./*&1,-#.0'(1,-#.)))1,).+)01,-#.'0)1,-".0*1,-#.**1,&."+1,#.#((1 20 % priskvintil -)./''CC -0."'+ ".0/&C ".#'' -).#'/ -/.#&/C -+.*"'CC ".*&& #.*''CC &."/& -/.(#"CC #.(&",-".&'01,-&.'(01,".#(*1,#.)/'1,-#.*+&1,-&.("&1,-).)("1,#.)*(1,".*1,&."'&1,-".(0+1,#."'+1 40 % priskvintil #.)&&C #.#)) -#.#*& -#."*+C #.))+C #.#(+ -#.' #.)& '.0"0CC ".)*& '.&+)CC -#.)#),&.+*1,#."&)1,-&.'001,-&.*'*1,&.(&01,#.//1,-&.'("1,#.((/1,).)"(1,&.")(1,"./+/1,-#."1 60 % priskvintil './#)C -&.++' -&.*/'CC ).0/& "*.0(+ -#.+&0 -&.'*( -&.'') -&*.*(+CC -#.))* ).'*C &.#**,&.*/'1,-#.#(*1,-).&&"1,#.#0'1,&.)0"1,-#.#')1,-#.&/*1,-#.""(1,-".()+1,-#.#('1,&.+)1,#.0")1 80 % priskvintil &.#(& -/.')* #.&(" *.'(+ (.'(*C &+.0&0 -)0.&++CC #./(/ #."(' #."#" &.+)(C -).&#/,#.+//1,-&.))/1,#.)#"1,&.'(/1,".&#01,#.')*1,-".("(1,#.#/1,#.'+1,#.0+1,&.+&&1,-#.#0*1 100 % priskvintil -&.)"( 0.((0C &.*"'C #.#" -"./( &(.'C ".#(& '."#+ (.'(+CC #.0*" &.&*0 -#.#'',-#.+*)1,&.+')1,&.*)"1,#.##"1,-#.+*01,&.+*1,#.""'1,#.)('1,).(**1,#.("01,#.')"1,-#.#""1 Regressionerna har gjorts med formel (4): # $-2 & @ $ ( " A;92-$ # A;92-$-2 ( " B;$1JNOP-$ # B;$1JNOP-$-2 ( " B;$1JQOP-$ # B;$1JQOP-$-2 ( " B;$1JROP-$ # B;$1JROP-$-2 ( " B;$1JSOP-$ # B;$1JSOP-$-2 ( " B;$1JTOOP-$ # B;$1JTOOP-$-2 ( I $-2 2 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes.

77 I alla andra fall förutom reg. 9 och reg. 10 har korrelationen med de billigare aktierna (både 1a och 2a kvintilgrupp) sjunkit efter händelsen samtidigt som denna ökat med de högre prissatta aktierna. Detta stöder i sig inte tanken över möjlig kategorisering bland dessa prisgrupper. Bl.a. Cencorp Oyj (reg. 5 och reg. 6) har fått en mycket starkare korrelation med de två högsta kvintilerna i jämförelse med före händelsen. För övrigt finns det rätt så många variabler som man kan rent statistiskt fastställa att har en inverkan i motsats till tidigare erhållna resultat. I den nästa regressionen har kontrollvariabler tagits i beaktande. Det kan som tidigare nämnts finnas flera andra påverkande faktorer som driver aktiens avkastning och här har man kontrollerat för detta.

78 Tabell 23 Regressioner med extrema aktiesplittar och kontrollvariabler! Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Kvintilgruppering 20% -100% 20% -100% 80% -100% 80% -100% 50% -100% 50% -100% N 6 6 6 6 6 6 R! förklaringsgrad 0,124 0,156 0,168 0,219 0,122 0,167 Justerad förklaringsgrad 0,105 0,142 0,150 0,207 0,103 0,153 Intercept 0,004-0,001 0,004-0,001 0,004-0,001 [1,368] [-0,291] [1,394] [-0,404] [1,274] [-0,368] Marknad 0,008* 0,009** 0,005 0,004 0,010 0,006 [2,689] [2,85] [1,293] [1,398] [2,598] [1,422] Låg priskvintil -1,040 1,222-0,011-0,196 5,639 0,603 [-0,577] [0,647] [0,349] [-0,324] [-0,617] [0,327] Hög priskvintil 0,370 0,193 0,279-0,053 6,352-3,014 [1,192] [0,903] [1,3] [0,263] [0,455] [-0,727] Låg handelsaktivitet 0,685-0,051 0,394 0,769-2,891-0,930 [-0,35] [0,153] [1,897] [3,089] [-0,617] [-0,469] Hög handelsaktivitet -0,218-0,296-0,065-0,087-4,842 0,977 [-1,104] [-1,666] [-0,826] [-0,803] [-0,798] [0,592] Låg transaktionskostnad 0,051 0,527-0,319 1,025* -2,217 1,126 [0,133] [0,702] [-0,647] [0,761] [-0,142] [0,637] Hög transaktionskostnad -0,076 0,844-0,085 0,514-1,176 3,796 [0,244] [0,361] [0,301] [0,41] [0,035] [0,804] Lågt antal aktieägare 4,019 0,923-0,012 1,211* 0,273 2,297 [1,65] [1,411] [-0,072] [2,275] [-0,085] [1,424] Högt antal aktieägare 0,155 0,034-0,339 0,008-0,552 0,199 [0,45] [0,226] [-1,105] [0,346] [-0,799] [0,483] I tabellen har sammanslagits regressioner med olika slags kvintilfördelning. Kvintilfördelningen för de beskrivande variablerna framgår under Kvintilgruppering. Resultaten för investerarantalet baserar sig på de två sista aktiesplittarna eftersom information över aktieägande inte finns för de tidigare perioderna. ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T- statistikor betecknade inom parentes.

79 I de två första regressionerna (reg. 1 och reg. 2) har extremkvintilfördelning tillämpats för de beskrivande variablerna på samma sätt som tidigare. De beskrivande variablernas Låg respektive Hög gruppering är indelade med material från den lägsta och den högsta kvintilen. Reg. 3 och reg. 4 innehåller material från den fjärde och den femte kvintilen. Denna gruppering har valts med eftersom splittarna i flera fall fördelas ner till en prisnivå som motsvarar den fjärde kvintilen. Den sista grupperingen tar i beaktande allt materialet under och över medianen. Information över antalet aktieägare finns enbart för en senare period och därför är resultaten baserade på de två sista aktiesplittarna som det finns material till. För de fyra andra har regressionerna gjorts med de övriga variablerna utan antalet aktieägare. I de två första regressionerna finner man att korrelationen stigit en aning med de lägre prissatta aktierna samtidigt som denna sjunkit med de högre. Samma trend finns med det dyrare aktieindexet i de övriga regressionerna men korrelationen stiger inte här med de lägre prissatta. I reg. 5 och reg. 6 sjunker korrelationen rätt så kraftigt med båda grupperna vilket inte direkt stöder tanken om att samrörelsen överförs från dyrare till billigare aktier. Resultaten stöder de redan tidigare erhållna resultaten; svaga indikatorer om kategorisering utgående från pris finns då man jämför extremkvintiler men inte i samband med andra fördelningar. Till sist har de enskilda företagen granskats tillsammans med tidigare tillämpade kontrollvariabler. Som enda gruppering har valts grupperingen med lägsta (20 %) kvintilgrupp samt högsta (100 %) kvintilgrupp, vilket är densamma som använts i Tabell 23 (reg. 1 och reg. 2). Här granskar man då den absoluta skillnaden med de lägst och högst prissatta aktierna per företag.

80 Tabell 24 Regressioner med extrema aktiesplittar och kontrollvariabler per företag (20% och 100% kvintilfördelning) Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 Reg 9 Reg 10 Reg 11 Reg 12 Företag RAISIO RAISIO FISKARS FISKARS CENCORP CENCORP ALDATA ALDATA NOKIAN R NOKIAN R POHJOIS K. POHJOIS K. Splittstorlek (1:10) (1:10) (1:6) (1:6) (1:6) (1:6) (1:10) (1:10) (1:10) (1:10) (1:19) (1:19) R! förklaringsgrad 0,210 0,128 0,110 0,042 0,120 0,300 0,156 0,246 0,091 0,143 0,056 0,076 Justerad förklaringsgrad 0,197 0,114 0,096 0,026 0,105 0,289 0,115 0,234 0,076 0,129 0,041 0,061 Intercept 0,001-0,002 0,001-0,001 0,006** -0,001 0,016** 0,001 0,002** -0,001 0,001 0,001 [0,742] [-0,645] [0,573] [-0,727] [2,662] [-0,47] [2,045] [0,287] [1,967] [-0,719] [0,215] [0,529] Marknad 0,016** 0,012** 0,005** 0,003* 0,009** 0,013** 0,011 0,008** 0,009** 0,011** 0,001 0,005* [4,258] [4,185] [3,587] [1,607] [4,072] [5,412] [1,288] [1,842] [2,901] [2,561] [0,03] [1,49] Lågt pris(20 %) -0,217 0,412-0,524* 1,522** 0,09 2,033-5,28 3,979** -0,236 0,119-0,073-0,734** [-0,389] [0,545] [-1,629] [1,832] [0,144] [0,78] [-0,746] [2,212] [-0,57] [0,255] [-0,271] [-1,741] Hög pris(100 %) 0,19** 0,656** -0,022 0,222* 0,244* -0,121 0,938-0,25 0,786** 1,004** 0,081-0,352* [3,045] [3,101] [-0,718] [1,384] [1,4] [-0,191] [0,634] [-0,34] [2,48] [2,779] [0,314] [-1,318] Låg handelsaktivitet(20 %) -0,414 0,275-0,087 2,206-0,129 0,353 3,518-1,06-1,845** 4,488* 3,067-6,568* [-1,229] [0,177] [-0,29] [0,881] [-0,101] [0,33] [0,548] [-0,578] [-2,155] [1,472] [1,129] [-1,361] Hög handelsaktivitet (100 %) -0,131** -0,279** 0,006-0,213** -0,121* 0,111-0,659 0,266-0,417-0,862** 0,017-0,797** [-3,801] [-3,125] [0,461] [-2,102] [-1,647] [0,204] [-0,515] [0,414] [-1,248] [-2,789] [0,128] [-2,601] Låg transaktionskostnad (20 %) -0,064-0,082** 0,049 0,084* -0,019 0,012 0,188-0,078 0,155 0,916** -0,005 2,308** [-1,193] [-2,297] [1,253] [1,535] [-0,641] [0,063] [0,42] [-0,471] [1,004] [3,001] [-0,047] [2,384] Hög transaktionskostnad (100 %) 0,394-0,928 0,203 1,334 1,027-0,269-2,059 1,249 0,403-2,051-0,424 5,731** [0,659] [-0,604] [0,594] [1,183] [0,812] [-0,242] [-0,642] [0,881] [0,511] [-1,083] [-0,468] [2,028] Lågt antal aktieägare(20 %) 0,186 0,981** 7,852** 0,865 [0,722] [2,602] [2,577] [0,219] Högt antal aktieägare(100 %) 0,326 0,027-0,017 0,04 [1,09] [0,121] [-0,189] [0,33] Regression (6) har använts: # $-2 & @ $ ( " A;92-$ # A;92-$-2 ( " B;$1JNOP-$ # B;$1JNOP-$-2 ( " B;$1JTOOP-$ # B;$1JTOOP-$-2 (" E$9=$>JNOP-$ # E$9=$>JNOP-$-2 ( " E$9=$>JTOOP-$ # E$9=$>JTOOP-$-2 (" D;531JNOP-$ # D;531JNOP-$-2 (" D;531JTOOP-$ # D;531JTOOP-$-2 (" G3=H53256JNOP-$ # G3=H53256JNOP-$-2 ( " G3=H53256JTOOP-$ # G3=H53256JTOOPP-$-2 ( I $-2. ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes.

81 Resultaten varierar en aning mellan varandra men flera av variablerna har resulterat i signifikanta förändringar i jämförelse med före händelsen. I flera av fallen ökar korrelationen med de billigare aktierna men samtidigt ökar denna också med de högre prissatta aktierna. Pohjoiskarjalan Kirjapaino Oy som fördelade sin aktie i nitton mindre delar år 2007 har inte fått en ökad korrelation med de lågtprissatta aktierna trots denna mycket extrema aktiefördelning. Dessa resultat tillsammans med de övriga resultaten i denna del har inte klart kunnat finna bevis över kategorisering trots att dessa aktier fördelas ner till en mycket lägre nivå än största majoriteten under hela perioden. Flera av variablerna är i sig inom vald signifikansnivå men någon riktigt klar trend kan man inte finna. 6.4. Sammanfattning av resultat I detta kapitel har flera intressanta resultat erhållits om kategorisering. I början då hela materialet granskats finner man inga klara resultat över kategorisering fast prisvariabeln nog i sig är positiv. Företagens storlek å andra sidan har en stark och signifikant inverkan på dess korrelation, lika stora företag tenderar att ha en stark samrörelse och detta har redan i flera tidigare undersökningar bevisats vara sant. Materialet med minskad korrelation ger inte så starka bevis då beteendet för avkastningarna blir aningen oklart. Regressionerna har också rätt så låga förklaringsgrader. I materialet kring aktiesplittar finner man kanske aningen starkare och intressantare resultat över att en möjlig kategorisering skulle finnas på aktiemarknaden. Rent generellt stiger korrelationen med lägre prisgrupper (1-3. kvintiler) men också marginellt med de allra högstprissatta aktierna (5. kvintil). Det kanske i denna uppsats starkaste och intressantaste beviset över kategorisering finner man då man lägger till kontrollvariabler i samband med splittarna. Då variabler baserade på pris och tre andra kontrollvariabler granskas med olika kvintilfördelningar finner man att korrelationen ökar med lägre prissatta aktier i de flesta regressionerna men också med de högre prissatta aktierna i vissa fall. Starkaste indikatorerna finner man då man granskar extremkvintiler. Här ökar korrelationen med lågtprissatta aktier efter händelsen samt sjunker med de högtprissatta aktierna i alla regressioner. Skillnaden i korrelation oavsett riktning är också mycket stor, flera hundra procent i flera av fallen.

82 Aktierna fördelas i flera fall ner till en prisnivå som motsvarar den fjärde priskvintilen. Rent generellt verkar korrelationen stiga både med den fjärde prisgruppen men också med de allra högstprissatta aktierna. Detta resultat stöder inte riktigt tanken om att lika prissatta aktier korrelerar med varandra. Man kunde tänka sig att en möjlig kategoriseringseffekt är större med aktier som gjort en mer drastisk fördelning av aktien i ett stort antal nya aktier. Detta är dock inte fallet med extremt stora aktiesplittar. Man finner visserligen fler signifikanta variabler trots kontroll men ingen direkt klar trend finns vad gäller korrelationen med prisgrupperna; förändring sker men åt båda hållen. Trots att man inte funnit starka bevis över kategorisering kan man inte fastställa att händelsen skulle enbart vara en s.k. non event utan någon form av förändring, oavsett riktning, har skett och i flera fall rätt så kraftig. Signifikansen är dock för låg för att dessa resultat skulle kunna fastställas.

83 7 KONKLUSIONER Den grunläggande frågan i undersökningen om kategorisering enligt prisnivå kan i någon mån ses som något naiv och en aspekt såsom det nominella aktiepriset borde i sig inte ha någon betydelse för aktiers avkastning. Det har redan i flera tidigare studier bevisats att det är andra fundamentala värden som påverkar avkastningen. Å andra sidan är ämnet rätt så färskt och det nominella priset har inte varit i fokus förrän rätt så nyligen. Prisnivåns inverkan på avkastningars korrelation har inte undersökts i en lika stor utsträckning som andra fundamentala värden. Företags storlek, bokföringsvärde i relation till marknadsvärde och industrigrupp är redan allmänt accepterade variabler men det nominella aktiepriset har inte varit i fokus. De två olika metoderna som valts för detta arbete har fokuserat på både hela materialet i sin helhet och på aktiesplittar. För regressionerna som gjordes med hela samplet får man något varierande resultat. För den första regressionen med alla variabler kan man inte fastställa att det skulle finnas en dylik kategorisering på marknaden. Även om det finns en korrelation mellan kursutvecklingen för de enskilda aktierna med andra aktier inom samma prisnivå är denna variabel inte inom vald signifikansnivå. Det andra testet har gjorts i samma anda som Fama & French då dessa undersökte små och stora aktiers kursutveckling. Tanken med uppbyggnaden av variablerna är att dessa har en mindre gemensam korrelation och kan på så sätt bättre förklara avkastningarna. Så verkar dock inte fallet vara med det valda materialet och det är mycket svårt att dra raka slutsatser från variablerna. Fama & French undersökte visserligen inte aktieprisets inverkan men fann däremot signifikanta resultat bland deras variabler. I den empiriska delens andra del granskas beteendet kring aktiesplittar. Aktiesplittar har undersökts i ett flertal olika tidigare forskningar och man har funnit rätt så klara bevis över att dessa non-events har en inverkan på flera olika aspekter, trots att det saknas teoretisk bakgrund. I detta arbete har korrelationen med valda index granskats före och efter att aktiesplittar skett. De resultat som starkast stöder hypotesen om kategorisering finns vid jämförelse mellan de allra lägst och högstprissatta aktierna, s.k. extremkvintiler. Efter aktiesplitten har korrelationen mellan den fördelade aktien och indexet med de högtprissatta aktierna sjunkit samtidigt som den med de lägre prissatta aktierna ökat i alla regressioner, vilket likaså stöder resultaten erhållna av Green & Hwang. Detta är intressant i sig eftersom en aktiesplitt enbart resulterar i ett större

84 antal aktier och inget annat men resultaten ger en svag signal över att investerare verkligen kategoriserar aktier utgående från pris. Variablerna innehåller mycket osäkerhet och felmarginalen är för stor för att man skulle kunna hålla dessa inom vald signifikansnivå. De två andra regressionerna ger inte lika starka bevis över förändringen i och med aktiesplittar, en förändring i motsatt riktning i vissa fall. Generellt sett sjunker aktierna till en nivå som motsvarar den fjärde kvintilen men regressionerna som tagit denna kvintilgrupp i beaktande stöder inte starkt hypotesen om att lika prissatta aktier skulle korrelera med varandra. Då man i sin tur granskar extremsplittar för aktier som fördelats ner i extremt många mindre delar kan man tänka sig att en möjlig effekt som denna är mer synlig än med de andra variablerna. Detta är dock inte fallet utan korrelationen förändras utan en klar riktning eller trend. Sammanfattningsvis kan man fastställa att det enligt undersökningen inte går att stöda argumentet om en kategorisering utgående från prisnivå eller att lika prissatta aktier korrelerar med varandra. Enstaka svaga signaler finns att skåda men rent statistiskt sett stöds inte denna hypotes med materialet från Helsingforsbörsen. Men prisnivån tenderar inte att vara totalt irrelevant och i flera av fallen finner man stora förändringar i samband med prissänkning. Dessa resultat tillsammans med prisnivåns effekt på aktiemarknaden lämnar således rum för fortsatt forskning inom ämnet.

85 KÄLLFÖRTECKNING Skriftliga källor Angel, J. (1997): Tick size, share prices, and stock splits. Journal of Finance 52, 655-681. Baker, H. & Gallagher, P. (1972): Management s view of stock splits. Financial Management 9, 73-77. Barberis, N. & Shleifer, A. (2003): Style investing. Journal of Financial Economics 68, 161 199. Barberis, N., Shleifer, A. & Wurgler, J. (2005): Comovement. Journal of Financial Economics 75, 283 317. Black, F. (1986): Noice. Journal of Finance 41, 529-543. Copeland, T. (1979): Liquidity changes following stock splits. Journal of Finance 34, 115-141. Constantinides, G. (1984): Optimal Stock Trading with Personal Taxes: Implications for Prices and the Abnormal January Returns. Journal of Financial Economics. Vol 13, s.65-90. Demsetz, H. (1968): The cost of transacting. Quarterly Journal of Economics, Vol. 82,Publikation 1, 33-53. Dennis, P. & Strickland, D. (2003): The Effect Of Stock Splits On Liquidity And Excess Returns: Evidence From Shareholder Ownership Composition. Journal of Financial Research s.355-370 Dewing, A. (1934): A study of corporation securities. New York: Ronald Press. Dravid, A. (1987): A note on the behaviour of stock returns around ex-dates of stock distributions. Journal of Finance 42, 163-168. Dubofsky, D. (1991): Volatility Increases Subsequent to NYSE and AMEX Stock Splits. The Journal of Finance 46, 421-431. Dyl, E. & Elliott, W. (2006): The share price puzzle. Journal of Business 79, 2045 2066. Fama, E., Fisher, L., Jensen, M. & Roll, R. (1969): The adjustment of stock prices to new information. International Economic Review 10, 1-21. Fama, E. & French, K. (1993): Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, Vol. 33, Publikation 1, 3-56. Fama, E. & French, K. (1995): Size and book-to-market factors in earnings and returns. Journal of Finance 50, 131 155.

86 Fama, E. & French, K. (1998): Value versus Growth: The International Evidence. Journal of Finance. Vol. 53 Publikation 6, 1975-1999. Froot, K. & Dabora, E. (1999): How are stock prices affected by the location of trade? Journal of Financial Economics 53, 189 216. Green C. & Hwang B. (2009): Price-based return comovement Journal of Financial Economics, 37-50. Greenwood, R. & Sosner, N. (2007): Trading patterns and excess comovement of stock returns. Financial Analysts Journal, s. 69-81. Hansson, M. (1999): Stock splits, liquidity, and trading activity. Meddelanden 413, Svenska Handelshögskolan. Hansson, M. (1999): Stock splits and return volatility. Meddelanden 414, Svenska Handelshögskolan. Homén, C. (1999): Signaleringsvärden i aktiesplittar och fondemissioner. Avhandling, Svenska Handelshögskolan. Hardouvelis, G., LaPorta, R. & Wizman, T. (1993): What moves the discount on country equity funds.?. NBER Working Paper No. 4571. Gompers, P. & Metrick, A. (2001): Institutional investors and equity prices. Quarterly Journal of Economics, Feb2001, Vol. 116 Publikation 1, 229-259. Kahneman, D. & Tversky, A. (1979): Prospect theory: an analysis of decision under risk. Econometrica, s. 263-291. King, B. (1966): Market and industry factors in stock price behavior, Journal of Business 39, s. 139 140. Kock, G. (2007): Pörssitieto osakesäästäjän käsikirja. Vanda, Dark Oy. Kyle, A. & Xiong, W. (2001): Contagion as a wealth effect. Journal of Finance 56, s.1401 1443. Kumar, A. (2009): Who gambles in the stock market? Journal of Finance, Vol. 64 Publikation 4, p1889-1933. Lakonishok, J. & Lev, B. (1987): Stock splits and stock dividends: Why, who and when. Journal of Finance 42, 913-932. Lamourex, C. & Poon, P. (1987): The market reaction to stock splits. Journal of Finance 42, 1347-1370. Lee, C., Shleifer, A. & Thaler, R. (1991): Investor sentiment and the closed-end fund puzzle. Journal of Finance 46, 75 110. Lessard, D. (1974): World, national, and industry factors in equity returns. Journal of Finance 29, s.379 391. Markowitz, H. (1952): Portfolio Selection. Journal of Finance, s. 77-91

87 Mason, R. & Lind, D. (1996): Statistical Techniques in Business & Economics 9 th Edition. USA, Irwin/McGraw-Hill McGuinness, P. & Birtch, T. (2006): The behaviour of share prices in the run-up to and aftermath of stock splits: evidence for share subdivisions in Hong Kong 2003 2005. Applied Financial Economics Letters. Vol. 2 Publikation 5, 285-293. Merton, R. (1987): A simple model of capital market equilibrium with incomplete information. Journal of Finance 42, 483 510. Niini, A. (1998): Shareholder wealth, volatility and liquidity effects of stock splits. Avhandling, Helsingin Kauppakorkeakoulu Ohlson, J. & Penman, S. (1984): Volatility increases subsequently to stock splits: An empirical aberration. Journal of Financial Economics 14, 251-266 Pindyck, R. & Rotemberg, J. (1990): The excess comovement of commodity prices. Economic Journal 100, s.1173 1189. Reboredo, J. (1999): How is the market reaction to stock splits? Applied Financial Economics 13, 361 368 Ritter, J. (2003): Behavioral Finance. Pacific-Basin Finance Journal, 429-437 Selenius, P. (2000): Aktiesplittar och analytikers resultatprognoser. Avhandling, Svenska Handelshögskolan Sharpe, W. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. Journal of Finance, Vol. 19 (3), s.425-442 Sharpe, W. (1992): Asset allocation: management style and performance measurement. Journal of Portfolio Management, s.7 19 Vijh, A. (1994): S&P 500 Trading Strategies and Stock Betas. Review of Financial Studies. Vol. 7. Werner, I. (2003): Execution Quality for Institutional Orders Routed to Nasdaq Dealers before and after Decimals. Working Paper, Ohio State University Wulff, C. (2002): The market reaction to stock splits evidence from Germany. Schmalenbach Business Review 54, 270 297

88 Databaser Thomson Datastream, databas på Svenska handelshögskolan. Hämtat 28.9.2009 Elektroniska källor BBC (2010): Shell shareholders approve merger. Tillgängligt på < http://news.bbc.co.uk/2/hi/business/4628983.stm >. Hämtat 31.1.2010. Benartzi, S., Michaely, R., Thaler, R. & Weld, W. (2006): The nominal price puzzle. Opublicerat working paper, University of California. Tillgängligt på < http://www.econ.yale.edu/~shiller/behfin/2007_03/michaely.pdf >. Hämtad 29.5.2010. Chu-Carroll, M. (2007): Basics: Correlation. Tillgängligt på: <http://scienceblogs.com/goodmath/2007/01/basics_correlation_1.php>. Hämtad 2.12.2009. Euroclear Finland (2010). Tillgängligt på <http://www.ncsd.eu/362_fin_st.htm>. Hämtat 31.1.2010. Kauppalehti Online (2010). 31.1.2010 Tillgängligt på <www.kauppalehti.fi>. Hämtat Mullainathan, S. (2002): Thinking through categories. Opublicerat working paper, Massachusetts Institute of Technology. Tillgängligt på <http://www.haas.berkeley.edu/groups/finance/cat3.pdf >. Hämtat 31.1.2010. Rainisto, S. (2006): Pörssi luopuu osakkeiden pörssieristä. Talouselämä. Tillgängligt på <http://www.talouselama.fi/docview.do?f_id=881764>. Hämtat 8.4.2008. Split Summary 1998-2008 (2009): Sammanfattat material över aktiesplittar på Helsingforsbörden. Nasdaq Omx

89 BILAGA 1 Företag samt datum för aktiesplittar År Företag Annonseringsdag Splittdag Pris fore Pris efter relation 1998 FISKARS Oyj 'A' 25.11.1998 2.12.1998 94,19 17,32 (1:6) HKSCAN Oyj 'A' 26.8.1998 9.9.1998 22,54 3,5 (1:5) KESLA Oyj 'A' 11.3.1998 12.3.1998 29,43 14,15 (1:2) NOKIA Oyj 2.2.1998 16.4.1998 107,05 56,26 (1:2) RAISIO Oyj 28.4.1998 17.8.1998 156,84 16,73 (1:10) STOCKMANN Oyj 'A' 21.4.1998 11.5.1998 82,41 26,91 (1:2) STOCKMANN Oyj 'B' 21.4.1998 11.5.1998 77,37 23,55 (1:2) TIETO CORPORATION Oyj 8.6.1998 16.7.1998 209,48 35,4 (1:2) 1999 CENCORP Oyj 29.9.1999 1.10.1999 38 7,4 (1:6) ELEKTROBIT Oyj 7.4.1999 29.4.1999 44 31,2 (1:2) ILKKA YHTYMA Oyj 14.5.1999 17.5.1999 42 20,75 (1:2) KONE Oyj 'B' 26.10.1999 1.11.1999 142 46,5 (1:3) NOKIA Oyj 29.1.1999 12.4.1999 149,1 78,9 (1:2) TIIMARI Oyj 9.4.1999 11.5.1999 15,5 8 (1:2) WESTEND ICT Oyj 22.10.1999 15.11.1999 22 8,9 (1:3) 2000 ALDATA SOLUTIONS Oyj 23.3.2000 3.4.2000 92,5 8,1 (1:10) COMPTEL Oyj 16.3.2000 10.4.2000 114 19,5 (1:5) F-SECURE Oyj 8.3.2000 25.4.2000 47 13,6 (1:5) NOKIA Oyj 1.2.2000 10.4.2000 215,5 53 (1:4) ORAL HAMMASLÄÄKÄRIT Oyj 9.3.2000 4.4.2000 20,5 4 (1:4) PONSSE Oyj 8.2.2000 29.3.2000 26,58 13,5 (1:2) PROHA Oyj 22.12.2000 28.12.2000 12,89 2,95 (1:5) SAMPO Oyj 'A' 18.4.2000 23.4.2001 50,25 10,9 (1:5) SANOMA Oyj 9.5.2000 10.5.2000 69,76 18,5 (1:4) WESTEND ICT Oyj 14.1.2000 19.1.2000 30 13,75 (1:2) YLEISELEKTRONIIKKA Oyj 24.11.2000 27.11.2000 6,4 3,44 (1:2) 2001 PANOSTAJA Oyj 23.2.2001 2.4.2001 3,1 0,57 (1:3) 2002 KONE Oyj 'B' 23.4.2002 29.5.2002 91,5 32,01 (1:3) 2003 MARIMEKKO Oyj 11.3.2003 7.4.2003 15,02 5,6 (1:2) TAMFELT ETU Oyj 13.2.2003 1.4.2003 22 11 (1:2) TULIKIVI Oyj 'A' 9.12.2003 15.12.2003 26,3 5,33 (1:5) 2004 EFORE Oyj 13.1.2004 1.3.2004 13,42 8,11 (1:2) ILKKA YHTYMA Oyj 29.3.2004 14.5.2004 27,94 6,51 (1:4) KESKISUOMALAINEN Oyj 2.4.2004 11.6.2004 62 16 (1:4) LAROX Oyj 'B' 16.2.2004 24.3.2004 20 7 (1:3) POHJOLA PANKKI A Oyj 28.4.2004 3.5.2004 17,2 8,37 (1:2) YIT Oyj 10.2.2004 8.4.2004 31,26 15,4 (1:2) 2005 ASPO Oyj 8.3.2005 7.4.2005 21,19 7,37 (1:3) ETTEPLAN Oyj 1.3.2005 1.4.2005 9,7 5 (1:2) EXEL COMPOSITES Oyj 23.3.2005 22.4.2005 26 13,43 (1:2) KONE Oyj 'B' 24.10.2005 29.11.2005 58,19 28,36 (1:2) NOKIAN RENKAAT Oyj 17.3.2005 18.4.2005 129,74 12,92 (1:10) RAMIRENT Oyj 10.3.2005 19.4.2005 25,97 13,01 (1:2) 2006 KESLA Oyj 'A' 26.1.2006 23.3.2006 27,15 9,2 (1:3) KONECRANES Oyj 16.3.2006 20.3.2006 52,57 13,5 (1:4) PONSSE Oyj 15.3.2006 29.3.2006 28,19 13,89 (1:2) POYRY Oyj 3.2.2006 14.3.2006 35,78 9,05 (1:4) TULIKIVI Oyj 'A' 7.2.2006 20.4.2006 13 3,94 (1:4) YIT Oyj 10.2.2006 27.3.2006 43,38 22,32 (1:2) 2007 POHJOIS-KARJALAN KRJ. Oyj 26.2.2007 26.3.2007 264,5 22,84 (1:19) 2008 KONE Oyj 'B' 25.1.2008 26.2.2008 48,1 23,83 (1:2) Medeltal 59,42 17,08 (0,35) Median 35,78 13,50

90 BILAGA 2 Regressioner för hela samplet Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 N 133 133 133 133 133 133 105 R! förklaringsgrad 0,099 0,122 0,124 0,128 0,141 0,182 0,337 Justerad förklaringsgrad 0,098 0,12 0,123 0,126 0,139 0,18 0,326 Standardfel 0,033 0,033 0,033 0,033 0,032 0,031 0,026 ANOVA F 316,574 237,358 184,906 154,74 141,15 208,643 88,335 Signifikans F 0,024 0,001 0,001 0,001 0 0 0,025 Koefficienter Intercept -0,0004-0,0004-0,0004-0,0004-0,0004-0,0003-0,0003 Marknad 0,005** 0,004** 0,003** 0,003* 0,003* 0,002* -0,002 Pris 0,151 0,110 0,112 0,114 0,125 0,103 0,685 Storlek 9,506** 9,466** 9,455** 9,518** 9,412** 24,196* Transaktionskostnad 0,13 0,156 0,156 0,136 0,528 Handelsaktivitet 0,06 0,059 0,037 0,783 Bokföringsv. /marknadsv. 0,152 0,096 0,161 Industri 0,625 0,758 Antal aktieägare 2,498 Standardfel Intercept 0,001 0,001 0,001 0,001 0,001 0,001 0,002 Marknad 0,001 0,001 0,001 0,001 0,001 0,001 0,004 Pris 0,070 0,070 0,071 0,074 0,078 0,079 0,713 Storlek 1,330 1,335 1,343 1,310 1,313 6,876 Transaktionskostnad 0,079 0,087 0,088 0,087 0,771 Handelsaktivitet 0,134 0,135 0,135 1,458 Bokföringsv. /marknadsv. 0,078 0,079 0,521 Industri 0,127 0,384 Antal aktieägare 1,528 t-statistika Intercept -0,600-0,541-0,534-0,513-0,532-0,461-0,167 Marknad 9,187 6,217 5,711 5,272 4,498 2,445-0,527 Pris 4,277 2,419 2,454 2,449 2,409 1,885 0,241 Storlek 5,301 5,137 5,125 4,853 4,810 2,110 Transaktionskostnad 0,379 0,301 0,296 0,327 0,267 Handelsaktivitet 0,696 0,586 0,256 0,825 Bokföringsv. /marknadsv. 2,039 0,856 0,625 Industri 7,930 3,872 Antal aktieägare 1,315 P-värde Intercept 0,255 0,264 0,264 0,267 0,261 0,273 0,285 Marknad 0,017 0,036 0,049 0,055 0,060 0,088 0,199 Pris 0,117 0,136 0,139 0,151 0,154 0,159 0,174 Storlek 0,043 0,046 0,044 0,045 0,044 0,085 Transaktionskostnad 0,178 0,166 0,17 0,173 0,184 Handelsaktivitet 0,152 0,157 0,162 0,181 Bokföringsv. /marknadsv. 0,12 0,143 0,2 Industri 0,102 0,165 Antal aktieägare 0,157 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

91 BILAGA 3 Regressioner med hela samplet för valda tidsperioder Regression Reg 2 Reg 3 Reg 4 Reg 5 Sampel 1998-2000 2001-2003 2004-2006 2007-2008 N 73 81 94 110 R! förklaringsgrad 0,193 0,2 0,202 0,291 Justerad förklaringsgrad 0,189 0,195 0,198 0,285 Standardfel 0,032 0,026 0,023 0,023 ANOVA F 161,275 266,578 203,916 147,603 Signifikans F 0,001 0,01 0,016 0,012 Koefficienter Intercept -0,0005-0,0002-0,0001-0,0004 Marknad 0,001 0,001-0,001-0,001 Pris 0,164 0,169 0,146 0,076 Storlek 9,325* 13,245* 10,787* 16,074* Transaktionskostnad 0,076 0,066 0,189 0,289 Handelsaktivitet -0,057-0,042 0,423 0,488 Bokföringsv. /marknadsv. 0,061 0,135 0,129 0,134 Industri 0,574 0,824 0,554 0,761 Antal aktieägare 5,686 0,955 2,582 Standardfel Intercept 0,001 0,001 0,001 0,001 Marknad 0,001 0,001 0,002 0,002 Pris 0,229 0,195 0,15 0,2 Storlek 1,729 3,547 2,336 4,351 Transaktionskostnad 0,152 0,278 0,22 0,416 Handelsaktivitet 0,168 0,484 0,533 0,802 Bokföringsv. /marknadsv. 0,133 0,188 0,185 0,264 Industri 0,219 0,325 0,237 0,278 Antal aktieägare 1,521 0,378 1,017 t-statistika Intercept -0,342-0,069-0,101-0,376 Marknad 1,034-0,166 0,152-0,415 Pris 0,9 0,698 0,459 0,42 Storlek 2,932 2,735 3,085 2,435 Transaktionskostnad 0,455 0,222 0,699 0,228 Handelsaktivitet -0,345-0,082 0,697 0,854 Bokföringsv. /marknadsv. 0,587 0,612 1,019 0,616 Industri 4,229 4,958 6,509 5,828 Antal aktieägare 2,749 1,836 1,809 P-värde Intercept 0,301 0,281 0,218 0,281 Marknad 0,109 0,142 0,136 0,139 Pris 0,148 0,198 0,188 0,18 Storlek 0,096 0,053 0,061 0,061 Transaktionskostnad 0,21 0,205 0,234 0,187 Handelsaktivitet 0,209 0,193 0,178 0,153 Bokföringsv. /marknadsv. 0,176 0,199 0,184 0,183 Industri 0,111 0,15 0,139 0,143 Antal aktieägare 0,121 0,155 0,144 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

92 BILAGA 4 Regressioner med minskad korrelation Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 N 133 133 133 133 133 133 R! förklaringsgrad 0,083 0,084 0,085 0,086 0,087 0,159 Justerad förklaringsgrad 0,081 0,082 0,083 0,084 0,085 0,155 Standardfel 0,034 0,034 0,034 0,034 0,034 0,027 ANOVA F 106,581 71,913 54,922 44,256 37,261 40,238 Signifikans F 0,024 0,029 0,035 0,040 0,043 0,041 Koefficienter Intercept -0,0004-0,0004-0,0005-0,0005-0,0005-0,0004 Marknad 0,006** 0,006** 0,006** 0,006** 0,006** 0,007** Pris 0,009-0,003-0,005-0,006 0,001 0,032 Storlek 0,010 0,012 0,010 0,020 0,028 Transaktionskostnad 0,000-0,001-0,002 0,010 Handelsaktivitet 0,002-0,004-0,019 Bokföringsv. /marknadsv. 0,009-0,006 Antal aktieägare -0,048 Standardfel Intercept 0,001 0,001 0,001 0,001 0,001 0,001 Marknad 0,001 0,001 0,001 0,001 0,001 0,001 Pris 0,009 0,029 0,030 0,036 0,040 0,094 Storlek 0,022 0,026 0,044 0,053 0,121 Transaktionskostnad 0,019 0,025 0,028 0,103 Handelsaktivitet 0,039 0,046 0,112 Bokföringsv. /marknadsv. 0,025 0,049 Antal aktieägare 0,039 t-statistika Intercept -0,574-0,589-0,603-0,608-0,598-0,490 Marknad 11,876 11,853 11,868 11,867 11,861 6,993 Pris 0,542-0,396-0,497-0,570-0,231 0,191 Storlek 0,614 0,669 0,495 0,694 0,257 Transaktionskostnad -0,475-0,302-0,518 0,062 Handelsaktivitet 0,205-0,282-0,114 Bokföringsv. /marknadsv. 0,533-0,044 Antal aktieägare -1,005 P-värde 0,259 0,257 0,254 0,252 0,253 0,250 Intercept 0,259 0,257 0,254 0,252 0,253 0,250 Marknad 0,012 0,012 0,012 0,012 0,012 0,021 Pris 0,196 0,192 0,185 0,187 0,238 0,231 Storlek 0,197 0,190 0,195 0,172 0,229 Transaktionskostnad 0,249 0,266 0,209 0,251 Handelsaktivitet 0,228 0,210 0,218 Bokföringsv. /marknadsv. 0,198 0,242 Antal aktieägare 0,126 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test. T-statistikor betecknade inom parentes.

93 BILAGA 5 Regressioner med minskad korrelation för valda tidsperioder Regression Reg 1 Reg 2 Reg 3 Reg 4 Sampel 1998-2000 2001-2003 2004-2006 2007-2008 N 74 116 122 133 R! förklaringsgrad 0,079 0,075 0,087 0,193 Justerad förklaringsgrad 0,074 0,070 0,081 0,186 Standardfel 0,036 0,033 0,028 0,027 ANOVA F 12,513 17,282 14,652 27,015 Signifikans F 0,096 0,150 0,110 0,033 Koefficienter Intercept -0,001 0,000 0,000-0,001 Marknad 0,005** 0,005* 0,006* 0,007** Pris 0,038-0,039 0,038 0,041 Storlek -0,008 0,063 0,040 0,019 Transaktionskostnad -0,018-0,004 0,019 0,141 Handelsaktivitet 0,019-0,029-0,014 0,035 Bokföringsv. /marknadsv. 0,003-0,008 0,010 0,017 Antal aktieägare -0,001-0,016-0,050 Standardfel Intercept 0,001 0,001 0,001 0,001 Marknad 0,001 0,002 0,002 0,002 Pris 0,083 0,121 0,145 0,169 Storlek 0,015 0,192 0,140 0,203 Transaktionskostnad 0,044 0,083 0,073 0,332 Handelsaktivitet 0,038 0,260 0,160 0,242 Bokföringsv. /marknadsv. 0,094 0,084 0,059 0,107 Antal aktieägare 0,014 0,041 0,054 t-statistika Intercept -0,526 0,092-0,183-0,598 Marknad 5,993 3,497 4,690 5,005 Pris 0,757-0,355 0,218 0,247 Storlek -0,833 0,300 0,236 0,133 Transaktionskostnad -0,504 0,010 0,087 0,300 Handelsaktivitet 0,644-0,054-0,048 0,064 Bokföringsv. /marknadsv. -0,169-0,044 0,173 0,132 Antal aktieägare -0,130-0,342-0,787 P-värde Intercept 0,271 0,284 0,218 0,261 Marknad 0,025 0,083 0,054 0,044 Pris 0,166 0,225 0,266 0,243 Storlek 0,215 0,224 0,249 0,243 Transaktionskostnad 0,248 0,248 0,232 0,204 Handelsaktivitet 0,216 0,252 0,246 0,223 Bokföringsv. /marknadsv. 0,258 0,271 0,253 0,233 Antal aktieägare 0,180 0,187 0,148 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

94 BILAGA 6 Regressioner före och efter aktiesplittar tillsammans med priskvintiler Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 N 133 133 133 133 133 133 R! förklaringsgrad 0,088 0,140 0,087 0,139 0,089 0,144 Justerad förklaringsgrad 0,074 0,126 0,073 0,126 0,074 0,131 Standardfel 0,024 0,033 0,024 0,033 0,024 0,033 ANOVA F 17,972 26,854 17,627 26,811 18,096 27,966 Signifikans F 0,108 0,068 0,120 0,076 0,108 0,078 Koefficienter Intercept 0,001-0,001 0,001-0,001 0,001-0,001 Marknad 0,005* 0,008** 0,005* 0,008** 0,005* 0,007** 20 % priskvintil -0,049 0,179 40 % priskvintil -0,048 0,461 60 % priskvintil 0,228 0,599 80 % priskvintil 100 % priskvintil Standardfel Intercept 0,002 0,002 0,002 0,002 0,002 0,002 Marknad 0,002 0,002 0,002 0,002 0,002 0,002 20 % priskvintil 0,723 1,081 40 % priskvintil 0,364 0,701 60 % priskvintil 0,465 0,716 80 % priskvintil 100 % priskvintil t-statistika Intercept 0,946-0,049 0,976-0,057 0,952-0,047 Marknad 3,512 5,083 3,373 4,867 2,680 3,597 20 % priskvintil -0,247 0,402 40 % priskvintil -0,446-0,001 60 % priskvintil 0,095 0,404 80 % priskvintil 100 % priskvintil P-värde Intercept 0,198 0,251 0,197 0,256 0,198 0,256 Marknad 0,061 0,030 0,071 0,035 0,090 0,046 20 % priskvintil 0,210 0,214 40 % priskvintil 0,227 0,239 60 % priskvintil 0,222 0,213 80 % priskvintil 100 % priskvintil ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

95 Regression Reg 7 Reg 8 Reg 9 Reg 10 Reg 11 Reg 12 N 133 133 133 133 133 133 R! förklaringsgrad 0,088 0,141 0,128 0,179 0,154 0,204 Justerad förklaringsgrad 0,073 0,127 0,114 0,166 0,138 0,191 Standardfel 0,024 0,033 0,022 0,030 0,027 0,030 ANOVA F 17,722 27,406 762,746 559,605 229,855 194,537 Signifikans F 0,131 0,052 0,143 0,076 0,136 0,098 Koefficienter Intercept 0,001-0,001 0,001-0,001 0,002-0,001 Marknad 0,006* 0,009* 0,003* 0,006* 0,006 0,006* 20 % priskvintil 0,312 0,568 40 % priskvintil -0,201 0,421 60 % priskvintil 0,337 0,687 80 % priskvintil -0,010-0,100-0,105-0,106 100 % priskvintil 0,100 0,133 0,079 0,102 Standardfel Intercept 0,002 0,002 0,001 0,002 0,002 0,002 Marknad 0,002 0,002 0,002 0,002 0,004 0,004 20 % priskvintil 1,499 0,960 40 % priskvintil 0,470 0,665 60 % priskvintil 0,668 0,677 80 % priskvintil 0,227 0,363 0,357 0,334 100 % priskvintil 0,074 0,118 0,074 0,128 t-statistika Intercept 0,984-0,037 1,008-0,047 1,019 0,007 Marknad 3,308 4,113 2,304 2,907 1,643 1,653 20 % priskvintil -0,130 0,465 40 % priskvintil -0,442-0,068 60 % priskvintil 0,094 0,416 80 % priskvintil -0,322-0,380-0,227-0,241 100 % priskvintil 7,100 6,655 6,006 6,353 P-värde Intercept 0,191 0,251 0,179 0,247 0,185 0,252 Marknad 0,085 0,057 0,093 0,053 0,135 0,097 20 % priskvintil 0,222 0,232 40 % priskvintil 0,230 0,236 60 % priskvintil 0,207 0,216 80 % priskvintil 0,237 0,160 0,241 0,165 100 % priskvintil 0,208 0,194 0,199 0,191 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

96 BILAGA 7 Regressioner med aktiesplittar och priskvintiler för olika tidsperioder Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 Sampel 1998-2000 2001-2003 2004-2006 2007-2008 N 26 26 5 5 18 18 2 2 R! förklaringsgrad 0,229 0,252 0,032 0,062 0,064 0,168 0,024 0,265 Justerad förklaringsgrad 0,211 0,240 0,016 0,047 0,049 0,155 0,009 0,253 Standardfel 0,031 0,039 0,037 0,021 0,020 0,020 0,015 0,021 ANOVA F 463,731 372,408 1,414 2,884 3,032 10,576 1,063 16,992 Signifikans F 0,062 0,103 0,393 0,147 0,179 0,075 0,347 0,117 Koefficienter Intercept 0,002-0,002 0,001 0,001 0,002 0,000 0,001 0,000 Marknad 0,008* 0,006 0 0,008** 0,004 0,006* 0,000 0,012** 20 % priskvintil 0,572 1,11 0,387 0,076 0,019-0,021 0,046 0,052 40 % priskvintil -0,358 0,991-0,162-0,135-0,031-0,004-0,032-1,771* 60 % priskvintil 0,355 1,309 1,836-0,08-0,062 0,088 0,114-0,096 80 % priskvintil -0,111-0,11-0,3-0,237-0,065-0,048 0,007-0,254** 100 % priskvintil 0,034 0,037-0,002-0,082 0,149 0,275 0,221-0,162 Standardfel Intercept 0,003 0,002 0,002 0,001 0,001 0,001 0,001 0,001 Marknad 0,004 0,003 0,004 0,003 0,004 0,005 0,003 0,003 20 % priskvintil 2,502 1,548 1,221 0,411 0,344 0,352 0,258 0,158 40 % priskvintil 0,465 1,095 2,159 0,286 0,125 0,118 0,083 0,957 60 % priskvintil 0,753 0,97 1,24 0,463 0,445 0,37 0,214 0,152 80 % priskvintil 0,519 0,556 0,522 0,157 0,115 0,085 0,08 0,125 100 % priskvintil 0,028 0,019 0,023 0,093 0,141 0,295 0,253 0,119 t-statistika Intercept 0,741-0,373 0,928 0,894 1,42 0,285 0,574 0,224 Marknad 1,745 1,337 0,446 2,137 1,509 1,708 0,011 4,051 20 % priskvintil 0,143 0,834 0,012 0,186 0,173-0,046 0,179 0,125 40 % priskvintil -0,565 0,157-0,553-0,438-0,255-0,111-0,38-1,677 60 % priskvintil 0,098 0,973 1,239-0,703-0,108 0,048 0,535-0,724 80 % priskvintil -0,215-0,258-0,917-0,793-0,573-0,616 0,09-1,986 100 % priskvintil 11,696 12,109-0,172-0,827 0,656 0,897 0,873-1,414 P-värde Intercept 0,234 0,27 0,208 0,232 0,12 0,215 0,283 0,411 Marknad 0,097 0,113 0,269 0,05 0,167 0,095 0,495 0,021 20 % priskvintil 0,195 0,23 0,401 0,319 0,176 0,213 0,429 0,219 40 % priskvintil 0,212 0,217 0,304 0,298 0,237 0,267 0,352 0,051 60 % priskvintil 0,201 0,205 0,165 0,185 0,239 0,244 0,296 0,178 80 % priskvintil 0,23 0,176 0,303 0,223 0,237 0,147 0,464 0,025 100 % priskvintil 0,17 0,199 0,293 0,23 0,246 0,179 0,192 0,104 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

97 BILAGA 8 Regressioner före och efter aktiesplittar tillsammans med två priskvintiler Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 Reg 9 Reg 10 N 51 51 51 51 51 51 51 51 51 51 R! förklaringsgrad 0,107 0,142 0,107 0,142 0,107 0,141 0,106 0,141 0,107 0,143 Justerad förklaringsgrad 0,088 0,129 0,088 0,128 0,089 0,127 0,088 0,128 0,089 0,129 Standardfel 0,029 0,033 0,029 0,033 0,029 0,033 0,029 0,033 0,029 0,033 ANOVA F 19,48 18,061 19,202 18,076 19,334 17,979 19,155 18,013 18,602 18,131 Signifikans F 0,122 0,067 0,142 0,093 0,134 0,083 0,13 0,083 0,144 0,088 Koefficienter Intercept 0,003-0,001 0,003-0,001 0,002-0,001 0,002-0,001 0,003-0,001 Marknad 0,006 0,008 0,006 0,008 0,006 0,008 0,006 0,008 0,006 0,008 20 % priskvintil -0,509 0,52 40 % priskvintil 0,022-0,05 60 % priskvintil -0,094 0,02 80 % priskvintil 0,011 0,059 100 % priskvintil 0,028-0,029 0,027-0,036 0,02-0,028 0,027-0,031 0-50% priskvintil -0,351 0,116 50-100% priskvintil 0,012-0,028 Standardfel Intercept 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 Marknad 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 0,002 20 % priskvintil 1,405 1,018 40 % priskvintil 0,536 0,634 60 % priskvintil 0,648 0,588 80 % priskvintil 0,303 0,293 100 % priskvintil 0,063 0,085 0,065 0,087 0,068 0,096 0,066 0,093 0-50% priskvintil 0,811 0,889 50-100% priskvintil 0,065 0,064 t-statistika Intercept 1,036-0,062 1,071-0,073 0,99-0,054 1,03-0,058 1,028-0,063 Marknad 3,407 5,597 3,39 5,577 3,355 5,559 3,425 5,575 3,381 5,583 20 % priskvintil -0,347 0,05 40 % priskvintil 0,126-0,157 60 % priskvintil 0,025 0,078 80 % priskvintil 0,083 0,019 100 % priskvintil 0,385-0,228 0,421-0,293 0,326-0,221 0,365-0,264 0-50% priskvintil -0,342 0,215 50-100% priskvintil 0,389-0,337 P-värde Intercept 0,19 0,255 0,182 0,253 0,197 0,251 0,188 0,256 0,192 0,256 Marknad 0,051 0,028 0,057 0,027 0,053 0,028 0,049 0,027 0,054 0,027 20 % priskvintil 0,222 0,225 40 % priskvintil 0,253 0,228 60 % priskvintil 0,247 0,239 80 % priskvintil 0,268 0,235 100 % priskvintil 0,224 0,234 0,242 0,245 0,242 0,25 0,23 0,247 0-50% priskvintil 0,245 0,236 50-100% priskvintil 0,237 0,21 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

98 BILAGA 9 Regressioner för aktiesplittar tillsammans med kontrollvariabler (20 % och 100 % kvintilgrupper) Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 N 51 51 51 51 51 51 25 25 R! förklaringsgrad 0,052 0,022 0,051 0,021 0,022 0,020 0,128 0,114 Justerad förklaringsgrad 0,035 0,005 0,035 0,004 0,007 0,004 0,114 0,099 Standardfel 0,027 0,033 0,027 0,033 0,019 0,023 0,018 0,023 ANOVA 5,785 3,836 F 13,475 1,095 16,556 1,045 1,170 1,048 0,139 0,109 Signifikans F 0,435 0,473 0,444 0,500 0,468 0,504 Koefficienter Intercept 0,002-0,001 0,002-0,001 0,002 0,000 0,002 0,000 Marknad 0,001-0,001 0,001-0,001 0,001 0,000 0,004 0,005* Lågt pris(20 %) -0,446 0,252-0,344 0,211-0,030 0,004 0,039 0,111 Högt pris(100 %) 0,002-0,071 0,013-0,008 0,016-0,018 0,219 0,093 Låg handelsaktivitet(20 %) 1,577 0,171 0,172-0,365 Hög handelsaktivitet (100 %) 0,014 0,057 0,045 0,217 Låg transaktionskostnad (20 %) 0,006 0,128 0,024-0,040 Hög transaktionskostnad (100 %) 0,312-0,108 0,692 0,733 Lågt antal aktieägare(20 %) -0,625-0,188 2,640 2,251 Högt antal aktieägare(100 %) 0,023 0,011-0,189-0,256 Standardfel Intercept 0,002 0,002 0,002 0,002 0,001 0,001 0,001 0,001 Marknad 0,003 0,003 0,003 0,003 0,003 0,004 0,003 0,004 Lågt pris(20 %) 1,453 1,106 1,442 1,117 0,322 0,422 0,446 0,533 Högt pris(100 %) 0,151 0,233 0,110 0,144 0,177 0,269 0,200 0,247 Låg handelsaktivitet(20 %) 2,495 1,515 1,282 1,406 Hög handelsaktivitet (100 %) 0,078 0,118 0,347 0,368 Låg transaktionskostnad (20 %) 0,074 0,125 0,239 0,181 Hög transaktionskostnad (100 %) 0,948 1,069 1,024 1,223 Lågt antal aktieägare(20 %) 2,496 3,683 2,526 4,162 Högt antal aktieägare(100 %) 0,082 0,084 0,297 0,315 t-statistika Intercept 1,125-0,030 1,111-0,022 1,368 0,611 1,306 0,543 Marknad 0,444-0,161 0,374-0,166 0,311-0,169 1,627 1,773 Lågt pris(20 %) -0,257-0,062-0,294-0,063-0,214-0,303-0,180 0,300 Högt pris(100 %) 0,285-0,211 0,123-0,271 0,145-0,079 1,296 0,629 Låg handelsaktivitet(20 %) 0,315 0,096 0,535-0,138 Hög handelsaktivitet (100 %) 0,070 0,172-0,040 0,478 Låg transaktionskostnad (20 %) 0,341 0,243 0,098-0,304 Hög transaktionskostnad (100 %) 0,413-0,015 0,515 0,613 Lågt antal aktieägare(20 %) 0,005 0,127 0,338-0,407 Högt antal aktieägare(100 %) -0,058 0,010-0,570-0,977 P-värde Intercept 0,171 0,254 0,174 0,253 0,133 0,235 0,134 0,211 Marknad 0,216 0,246 0,233 0,255 0,188 0,259 0,110 0,055 Lågt pris(20 %) 0,220 0,246 0,225 0,253 0,256 0,257 0,192 0,224 Högt pris(100 %) 0,270 0,268 0,274 0,260 0,302 0,280 0,186 0,229 Låg handelsaktivitet(20 %) 0,261 0,236 0,215 0,233 Hög handelsaktivitet (100 %) 0,240 0,251 0,205 0,199 Låg transaktionskostnad (20 %) 0,255 0,245 0,196 0,263 Hög transaktionskostnad (100 %) 0,285 0,275 0,215 0,186 Lågt antal aktieägare(20 %) 0,283 0,245 0,219 0,213 Högt antal aktieägare(100 %) 0,200 0,242 0,240 0,193 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

99 BILAGA 10 Regressioner för aktiesplittar för vald tidsperiod med kontrollvariabler (20 % och 100 % kvintilgrupper) Regression Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 Reg 9 Reg 10 Sampel 1998-2000 2001-2003 2004-2006 2007-2008 N 26 26 5 5 18 18 2 2 R! förklaringsgrad 0,253 0,266 0,214 0,128 0,094 0,191 0,317 0,378 Justerad förklaringsgrad 0,233 0,254 0,162 0,114 0,080 0,178 0,306 0,367 Standardfel 0,033 0,038 0,024 0,021 0,019 0,020 0,014 0,019 ANOVA F 985,944 0,000 0,000 0,000 0,000 0,000 0,000 0,000 Signifikans F 0,058 8,811 3,103 19,926 5,591 4097,505 4,557 8,236 Koefficienter Intercept 0,003-0,002 0,004 0,001 0,002 0,000 0,000 0,001 Marknad 0,007* 0,008* 0,001 0,006* 0,004* 0,006* 0,008 0,001* Lågt pris(20 %) 0,483 1,576-0,786 0,179 0,061-0,112 0,052-0,496 Högt pris(100 %) 0,331 0,587-0,398 0,156 0,184 0,263 0,311 2,836** Låg handelsaktivitet(20 %) -0,491-0,136-0,152* -0,422-0,318 0,045 0,885 0,326** Hög handelsaktivitet (100 %) -0,192-0,453 0,580 0,047 0,082 0,008 0,054-0,455 Låg transaktionskostnad (20 %) 0,032 0,136 0,520-0,014 0,040 0,099-0,176 1,385 Hög transaktionskostnad (100 %) -0,061 0,087 0,580 0,047 0,082 0,008 0,054-0,455 Lågt antal aktieägare(20 %) 0,520-0,014 0,040 0,099-0,176 1,385 Högt antal aktieägare(100 %) 2,557 0,944 0,854 0,278-0,615 0,932** Standardfel Intercept 0,003 0,002 0,003 0,001 0,001 0,001 0,001 0,001 Marknad 0,004 0,003 0,006 0,003 0,003 0,004 0,003 0,003 Lågt pris(20 %) 2,737 1,512 1,546 0,525 0,500 0,393 0,247 0,348 Högt pris(100 %) 0,485 0,407 1,063 0,194 0,201 0,307 0,223 0,418 Låg handelsaktivitet(20 %) 3,700 1,338 1,906 1,006 1,257 2,094 2,440 3,976 Hög handelsaktivitet (100 %) 0,475 0,344 1,103 0,362 0,397 0,252 0,132 0,281 Låg transaktionskostnad (20 %) 0,242 0,107 0,883 0,194 0,261 0,170 0,270 0,792 Hög transaktionskostnad (100 %) 1,371 1,232 2,706 1,094 1,059 1,163 1,056 2,084 Lågt antal aktieägare(20 %) 37,033 5,577 1,415 1,255 2,578 3,538 Högt antal aktieägare(100 %) 0,743 0,309 0,347 0,210 0,083 0,224 t-statistika Intercept 0,778-0,406 1,084 0,824 1,441 0,254 0,592 0,806 Marknad 1,379 1,818 0,571 2,036 1,684 1,777 2,785 0,117 Lågt pris(20 %) -0,299 0,539-0,345 0,439-0,203-0,246 0,254-1,343 Högt pris(100 %) 0,970 1,263 1,255 1,513 1,161 0,874 1,604 4,630 Låg handelsaktivitet(20 %) 0,201-0,063 3,014-0,375-0,232 0,151 0,265 0,474 Hög handelsaktivitet (100 %) 1,583 1,388-0,268-0,356 0,016-0,124 0,411-1,522 Låg transaktionskostnad (20 %) 0,260 0,016 0,593 0,144 0,048 0,212-0,434 1,566 Hög transaktionskostnad (100 %) 0,328 0,166 0,712 1,171 0,608 0,206-0,569-0,426 Lågt antal aktieägare(20 %) 0,473-0,384 0,235 0,362 1,112-0,866 Högt antal aktieägare(100 %) -0,838-0,928-0,449-1,087-1,284-5,090 P-värde Intercept 0,218 0,297 0,172 0,246 0,105 0,210 0,291 0,219 Marknad 0,093 0,067 0,163 0,093 0,095 0,059 0,244 0,087 Lågt pris(20 %) 0,209 0,177 0,370 0,314 0,136 0,207 0,306 0,107 Högt pris(100 %) 0,206 0,211 0,151 0,227 0,199 0,182 0,189 0,047 Låg handelsaktivitet(20 %) 0,254 0,231 0,075 0,162 0,248 0,293 0,202 0,049 Hög handelsaktivitet (100 %) 0,205 0,206 0,296 0,190 0,166 0,180 0,347 0,167 Låg transaktionskostnad (20 %) 0,183 0,216 0,280 0,246 0,160 0,258 0,344 0,118 Hög transaktionskostnad (100 %) 0,204 0,206 0,253 0,189 0,194 0,173 0,286 0,012 Lågt antal aktieägare(20 %) 0,315 0,296 0,198 0,175 0,184 0,220 Högt antal aktieägare(100 %) 0,265 0,194 0,229 0,175 0,217 0,185 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

100 BILAGA 11 Regressioner för aktiesplittar med kontrollvariabler (80 % och 100 % kvintilgrupper) Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 N 51 51 51 51 51 51 25 25 R! förklaringsgrad 0,055 0,020 0,055 0,022 0,024 0,019 0,115 0,202 Justerad förklaringsgrad 0,035 0,003 0,034 0,005 0,008 0,003 0,100 0,189 Standardfel 0,031 0,033 0,031 0,033 0,019 0,023 0,019 0,020 ANOVA F 13,123 0,989 11,337 1,111 1,251 0,961 4,187 9,445 Signifikans F 0,421 0,543 0,402 0,481 0,443 0,577 0,176 0,068 Koefficienter Intercept 0,003-0,001 0,003-0,001 0,002 0,000 0,002 0,000 Marknad 0,001-0,001 0,001-0,001 0,000 0,000 0,004 0,005* Lågt pris(80 %) 0,111 0,086 0,081 0,013-0,017 0,078 0,175 0,313 Högt pris(100 %) -0,038-0,023 0,013-0,008 0,010-0,139 0,223 0,339 Låg handelsaktivitet(80 %) 0,036 0,016-0,041 0,020 Hög handelsaktivitet (100 %) 0,030-0,001 0,481 0,438 Låg transaktionskostnad (80 %) 0,121-0,166 0,445 0,381 Hög transaktionskostnad (100 %) 0,027 0,438 0,046 0,130 Lågt antal aktieägare(80 %) 0,054-0,004-0,238-0,504 Högt antal aktieägare(100 %) 0,074-0,316 0,426 1,137 Standardfel Intercept 0,002 0,002 0,002 0,002 0,001 0,001 0,001 0,001 Marknad 0,004 0,004 0,004 0,004 0,003 0,004 0,004 0,004 Lågt pris(80 %) 0,504 0,515 0,452 0,425 0,336 0,372 0,398 0,397 Högt pris(100 %) 0,189 0,262 0,138 0,171 0,248 0,325 0,340 0,390 Låg handelsaktivitet(80 %) 0,112 0,145 0,117 0,121 Hög handelsaktivitet (100 %) 0,923 1,149 1,000 0,919 Låg transaktionskostnad (80 %) 1,122 1,076 0,924 1,043 Hög transaktionskostnad (100 %) 0,620 0,854 0,393 0,498 Lågt antal aktieägare(80 %) 0,279 0,326 0,343 0,353 Högt antal aktieägare(100 %) 1,131 1,379 1,223 1,336 t-statistika Intercept 1,196-0,060 1,178-0,042 1,376 0,514 1,289 0,333 Marknad 0,328-0,307 0,415-0,292 0,156 0,039 1,297 1,437 Lågt pris(80 %) 0,050 0,100-0,007 0,063 0,014 0,181 0,588 1,001 Högt pris(100 %) 0,121-0,213 0,352-0,232 0,161-0,237 0,930 1,053 Låg handelsaktivitet(80 %) 0,238 0,202-0,360-0,114 Hög handelsaktivitet (100 %) 0,111 0,183 0,454 0,291 Låg transaktionskostnad (80 %) 0,313-0,084 0,361 0,376 Hög transaktionskostnad (100 %) -0,285 0,381 0,086 0,227 Lågt antal aktieägare(80 %) 0,064 0,029-0,818-1,627 Högt antal aktieägare(100 %) -0,032-0,186 0,408 0,791 P-värde Intercept 0,164 0,247 0,166 0,246 0,130 0,228 0,139 0,226 Marknad 0,190 0,272 0,190 0,235 0,205 0,259 0,176 0,088 Lågt pris(80 %) 0,229 0,250 0,217 0,217 0,219 0,240 0,193 0,202 Högt pris(100 %) 0,229 0,276 0,245 0,271 0,255 0,261 0,152 0,161 Låg handelsaktivitet(80 %) 0,256 0,269 0,216 0,252 Hög handelsaktivitet (100 %) 0,261 0,281 0,233 0,222 Låg transaktionskostnad (80 %) 0,271 0,273 0,223 0,206 Hög transaktionskostnad (100 %) 0,257 0,233 0,170 0,207 Lågt antal aktieägare(80 %) 0,213 0,243 0,213 0,184 Högt antal aktieägare(100 %) 0,265 0,320 0,202 0,194 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

101 BILAGA 12 Regressioner med aktiesplittar för vald tidsperiod (80 % och 100 % kvintilgrupper) Regression 1998-2000 1998-2000 2001-2003 2001-2003 2004-2006 2004-2006 2007-2008 2007-2008 N 26 26 5 4 18 18 2 2 R! förklaringsgrad 0,254 0,286 0,150 0,118 0,198 0,093 0,373 0,303 Justerad förklaringsgrad 0,233 0,274 0,136 0,103 0,184 0,078 0,362 0,291 Standardfel 0,033 0,037 0,021 0,018 0,020 0,019 0,019 0,013 ANOVA F 521,904 1234,981 5,540 4,145 8,910 3,074 24,030 14,288 Signifikans F 0,099 0,112 0,075 0,100 0,068 0,191 0,057 0,188 Koefficienter Intercept 0,003-0,001 0,001 0,001 0,000 0,002 0,001 0,001 Marknad 0,006 0,005 0,006* 0,003 0,005* 0,004 0,000 0,010 Lågt pris(80 %) 0,054-0,099-0,001 0,039 0,437 0,178-0,015 0,417* Högt pris(100 %) 0,078-0,021-0,020 0,555 0,140 0,141 3,027* 0,297 Låg handelsaktivitet(80 %) -0,013 0,041 0,103-0,173 0,002-0,014-0,031-0,021 Hög handelsaktivitet (100 %) -0,392-0,308-0,232 0,283 0,765 0,570-0,831 0,078 Låg transaktionskostnad (80 %) 0,431 0,492 0,565 0,749 0,351 0,421 0,195** 0,052 Hög transaktionskostnad (100 %) 0,243 2,193 0,091-0,060 0,252 0,157-0,873-0,740 Lågt antal aktieägare(80 %) -0,268-0,254-0,439-0,204-1,679-0,504** Högt antal aktieägare(100 %) 0,871 0,733 1,195 0,472 1,285-0,600 Standardfel Intercept 0,003 0,002 0,001 0,001 0,001 0,001 0,001 0,001 Marknad 0,004 0,003 0,003 0,003 0,005 0,004 0,004 0,004 Lågt pris(80 %) 0,667 0,663 0,423 0,410 0,410 0,404 0,213 0,320 Högt pris(100 %) 0,168 0,151 0,584 0,357 0,326 0,345 0,481 0,267 Låg handelsaktivitet(80 %) 0,100 0,104 0,185 0,183 0,104 0,107 0,119 0,078 Hög handelsaktivitet (100 %) 0,803 0,984 0,998 0,845 0,923 1,108 0,682 0,332 Låg transaktionskostnad (80 %) 1,144 0,861 1,089 0,934 1,021 0,940 1,121 0,754 Hög transaktionskostnad (100 %) 0,706 0,929 0,407 0,171 0,496 0,439 0,737 0,423 Lågt antal aktieägare(80 %) 0,309 0,253 0,376 0,370 0,258 0,281 Högt antal aktieägare(100 %) 0,888 0,624 1,454 1,340 1,390 1,362 t-statistika Intercept 0,784-0,345 0,854 1,080 0,175 1,382 0,456 0,878 Marknad 1,415 1,285 1,700 0,827 1,504 1,235 0,172 2,794 Lågt pris(80 %) 0,217 0,114 0,764-0,013 1,190 0,643-0,104 1,299 Högt pris(100 %) 1,560 4,449 0,912 1,356 0,638 0,814 5,140 1,119 Låg handelsaktivitet(80 %) 1,271 0,059-0,170-0,954-0,074-0,234-0,337-0,311 Hög handelsaktivitet (100 %) -0,328-0,144-0,211 0,897 0,554 0,407-0,819-0,014 Låg transaktionskostnad (80 %) 0,809 0,481 0,640 0,934 0,313 0,269 0,280 0,041 Hög transaktionskostnad (100 %) -0,583 1,505 0,045-0,513 0,437 0,415-1,203-1,680 Lågt antal aktieägare(80 %) -1,298-1,042-1,326-0,655-5,154-1,833 Högt antal aktieägare(100 %) 1,281 0,526 0,655 0,495 0,794-0,612 P-värde Intercept 0,222 0,307 0,216 0,145 0,217 0,128 0,329 0,221 Marknad 0,123 0,136 0,099 0,209 0,066 0,170 0,251 0,163 Lågt pris(80 %) 0,253 0,201 0,214 0,282 0,190 0,185 0,282 0,098 Högt pris(100 %) 0,230 0,207 0,125 0,135 0,180 0,157 0,083 0,144 Låg handelsaktivitet(80 %) 0,214 0,204 0,249 0,181 0,252 0,205 0,262 0,382 Hög handelsaktivitet (100 %) 0,204 0,146 0,231 0,204 0,215 0,233 0,259 0,291 Låg transaktionskostnad (80 %) 0,249 0,198 0,217 0,166 0,223 0,214 0,028 0,425 Hög transaktionskostnad (100 %) 0,236 0,215 0,193 0,225 0,211 0,156 0,198 0,180 Lågt antal aktieägare(80 %) 0,189 0,152 0,183 0,245 0,180 0,049 Högt antal aktieägare(100 %) 0,188 0,239 0,187 0,195 0,271 0,196 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

102 BILAGA 13 Regressioner med aktiesplittar och kontrollvariabler (0-50 % och 50-100 % kvintilgrupper) Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 N 51 51 51 51 51 51 25 25 R! förklaringsgrad 0,051 0,022 0,053 0,023 0,020 0,023 0,106 0,120 Justerad förklaringsgrad 0,035 0,005 0,036 0,006 0,004 0,007 0,092 0,106 Standardfel 0,027 0,033 0,027 0,033 0,019 0,023 0,019 0,023 ANOVA F 14,646 1,090 15,968 1,136 1,045 1,193 4,289 4,398 Signifikans F 0,458 0,465 0,465 0,446 0,506 0,415 0,198 0,095 Koefficienter Intercept 0,002-0,001 0,002-0,001 0,002 0,000 0,002 0,000 Marknad 0,002-0,001 0,001-0,001 0,001 0,000 0,003 0,004* Lågt pris(0-50 %) -0,111-2,912-1,267-0,113-0,140-0,152 0,460-0,848 Högt pris(50-100 %) -0,055-4,005-1,026-0,081 0,132-0,328 1,674 0,248 Låg handelsaktivitet(0-50 %) 0,389 3,200-1,230-1,920 Hög handelsaktivitet (50-100 %) 0,037 3,713-1,897-2,231 Låg transaktionskostnad (0-50 %) 1,011 0,187 0,793 2,778 Hög transaktionskostnad (50-100 %) 1,359 0,266 1,832 3,885 Lågt antal aktieägare(0-50 %) 0,294 0,217 0,601 0,002 Högt antal aktieägare(50-100 %) -0,127 0,294-0,629-0,566 Standardfel Intercept 0,002 0,002 0,002 0,002 0,001 0,001 0,001 0,001 Marknad 0,003 0,004 0,003 0,004 0,003 0,004 0,003 0,004 Lågt pris(0-50 %) 1,426 4,039 2,406 2,155 0,513 0,635 7,045 6,066 Högt pris(50-100 %) 1,098 4,044 1,998 1,472 0,914 0,817 6,785 6,524 Låg handelsaktivitet(0-50 %) 1,576 4,312 3,861 4,956 Hög handelsaktivitet (50-100 %) 0,892 3,723 3,710 4,126 Låg transaktionskostnad (0-50 %) 1,806 1,335 5,435 3,758 Hög transaktionskostnad (50-100 %) 2,359 2,106 6,135 4,603 Lågt antal aktieägare(0-50 %) 0,973 1,375 1,411 1,693 Högt antal aktieägare(50-100 %) 0,746 0,666 0,959 1,014 t-statistika Intercept 1,110-0,042 1,082-0,038 1,381 0,604 1,264 0,425 Marknad 0,430-0,240 0,417-0,327 0,465-0,152 1,115 1,392 Lågt pris(0-50 %) -0,250-0,008-0,288 0,044-0,272-0,101 0,298-0,566 Högt pris(50-100 %) 0,048-0,209 0,039-0,237 0,293-0,379 0,549-0,397 Låg handelsaktivitet(0-50 %) 0,266 0,316 0,115-0,396 Hög handelsaktivitet (50-100 %) 0,229 0,169-0,128-0,767 Låg transaktionskostnad (0-50 %) 0,272 0,223-0,173 0,783 Hög transaktionskostnad (50-100 %) 0,150 0,406-0,153 0,956 Lågt antal aktieägare(0-50 %) 0,327 0,377 0,403 0,287 Högt antal aktieägare(50-100 %) -0,329 0,449-0,698-0,899 P-värde Intercept 0,178 0,252 0,182 0,253 0,132 0,237 0,142 0,207 Marknad 0,241 0,237 0,241 0,244 0,217 0,228 0,152 0,071 Lågt pris(0-50 %) 0,271 0,251 0,254 0,277 0,291 0,204 0,243 0,237 Högt pris(50-100 %) 0,252 0,237 0,228 0,268 0,260 0,239 0,212 0,256 Låg handelsaktivitet(0-50 %) 0,226 0,244 0,200 0,232 Hög handelsaktivitet (50-100 %) 0,249 0,242 0,203 0,249 Låg transaktionskostnad (0-50 %) 0,233 0,272 0,246 0,251 Hög transaktionskostnad (50-100 %) 0,261 0,239 0,247 0,224 Lågt antal aktieägare(0-50 %) 0,241 0,201 0,165 0,243 Högt antal aktieägare(50-100 %) 0,251 0,230 0,220 0,178 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

103 BILAGA 14 Regressioner med aktiesplittar för vald tidsperiod (0-50 % och 50-100 % kvintilgrupper) Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Reg 7 Reg 8 Sampel 1998-2000 2001-2003 2004-2006 2007-2008 N 26 26 4 5 18 18 2 2 R! förklaringsgrad 0,280 0,322 0,103 0,158 0,085 0,186 0,305 0,277 Justerad förklaringsgrad 0,260 0,311 0,089 0,145 0,070 0,173 0,294 0,264 Standardfel 0,033 0,035 0,018 0,021 0,019 0,020 0,014 0,021 ANOVA F 863,990 2966,421 3,626 6,694 2,803 7,769 18,994 11,663 Signifikans F 0,085 0,105 0,145 0,102 0,217 0,059 0,137 0,083 Koefficienter Intercept -0,404 0,183 0,001 0,001 0,002 0,000 0,000 0,000 Marknad 1,506-1,104 0,000 0,003 0,002 0,006** 0,013* 0,01* Lågt pris(0-50 %) -0,812-0,930-4,111-5,297-0,358 0,186 16,966** 2,110 Högt pris(50-100 %) -0,503-0,038-2,924-3,174 0,975 0,952 17,16** 1,974 Låg handelsaktivitet(0-50 %) -0,245-1,019-0,145-4,919* -0,599-0,312-9,088 1,316 Hög handelsaktivitet (50-100 %) -0,150 2,815 0,801-5,946-1,237-1,764-13,238 0,533 Låg transaktionskostnad (0-50 %) 13,665 23,047 2,746 9,802 1,167 1,662-6,486-4,264 Hög transaktionskostnad (50-100 %) -0,122 2,142 0,801-5,946-1,237-1,764-13,238 0,533 Lågt antal aktieägare(0-50 %) 2,746 9,802 1,167 1,662-6,486-4,264 Högt antal aktieägare(50-100 %) 3,275 12,363 2,414 1,476-6,285* -0,893 Standardfel Intercept 3,035 4,131 0,001 0,001 0,001 0,001 0,001 0,001 Marknad 2,955 4,746 0,002 0,003 0,004 0,005 0,003 0,004 Lågt pris(0-50 %) 3,734 2,052 8,065 5,902 6,572 7,512 9,269 4,963 Högt pris(50-100 %) 4,599 1,661 7,729 6,268 6,304 7,498 9,226 6,204 Låg handelsaktivitet(0-50 %) 4,975 2,083 2,785 4,026 3,912 5,276 5,553 3,746 Hög handelsaktivitet (50-100 %) 6,292 3,428 3,378 3,914 3,371 5,199 7,427 3,062 Låg transaktionskostnad (0-50 %) 8,595 12,367 4,897 4,478 5,612 4,409 4,916 7,843 Hög transaktionskostnad (50-100 %) 2,202 2,460 6,715 6,239 6,326 3,673 3,259 3,995 Lågt antal aktieägare(0-50 %) 2,683 1,820 1,112 1,333 1,556 2,080 Högt antal aktieägare(50-100 %) 0,680 0,888 1,078 0,821 0,439 0,491 t-statistika Intercept 0,214 0,322 1,049 0,574 1,395 0,232 0,519 0,173 Marknad 1,016 0,475-0,172 0,565 1,028 1,718 4,475 2,992 Lågt pris(0-50 %) -0,021-0,626-0,380-2,361 0,467-0,137 0,133 0,582 Högt pris(50-100 %) 0,904-0,693-0,293-2,087 0,781-0,013 0,148 0,244 Låg handelsaktivitet(0-50 %) -0,393-0,753 0,190-1,540 0,202 0,058-0,825 0,401 Hög handelsaktivitet (50-100 %) -0,268 0,555-0,084-2,124-0,072-0,367-0,720 0,195 Låg transaktionskostnad (0-50 %) 0,595 0,990 0,648 2,691-0,283 0,304-0,827-0,605 Hög transaktionskostnad (50-100 %) -0,415 0,250 0,516 2,747-0,127 0,446-1,726-0,329 Lågt antal aktieägare(0-50 %) 1,707 1,538 0,206 0,463-0,434-0,375 Högt antal aktieägare(50-100 %) -0,424-0,750-0,747-1,151-0,811 1,168 P-värde Intercept 0,196 0,144 0,160 0,225 0,120 0,221 0,304 0,432 Marknad 0,197 0,165 0,191 0,119 0,151 0,048 0,080 0,067 Lågt pris(0-50 %) 0,222 0,169 0,242 0,146 0,267 0,227 0,029 0,286 Högt pris(50-100 %) 0,217 0,126 0,279 0,138 0,218 0,240 0,029 0,404 Låg handelsaktivitet(0-50 %) 0,222 0,172 0,196 0,068 0,206 0,253 0,159 0,198 Hög handelsaktivitet (50-100 %) 0,180 0,129 0,184 0,119 0,213 0,249 0,149 0,201 Låg transaktionskostnad (0-50 %) 0,166 0,130 0,264 0,213 0,250 0,205 0,174 0,289 Hög transaktionskostnad (50-100 %) 0,213 0,147 0,309 0,193 0,255 0,209 0,055 0,328 Lågt antal aktieägare(0-50 %) 0,106 0,259 0,171 0,216 0,224 0,053 Högt antal aktieägare(50-100 %) 0,194 0,188 0,227 0,146 0,209 0,133 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

104 BILAGA 15 Regression med extrema aktiesplittar och prisvariabler Regression Reg 1 Reg 2 N 6 6 R! förklaringsgrad 0,896 0,905 Justerad förklaringsgrad 0,893 0,904 Standardfel 0,004 0,004 ANOVA F 4,653 12,245 Signifikans F 0,077 0,079 Koefficienter Intercept 0,000 0,000 Marknad 0,001 0,001 20 % priskvintil 0,006-0,036 40 % priskvintil 0,019 0,012 60 % priskvintil -0,156 0,118 80 % priskvintil -0,028 0,086 100 % priskvintil 0,059 0,356 Standardfel Intercept 0,000 0,000 Marknad 0,001 0,000 20 % priskvintil 0,049 0,050 40 % priskvintil 0,013 0,010 60 % priskvintil 0,176 0,114 80 % priskvintil 0,053 0,081 100 % priskvintil 0,093 0,087 t-statistika Intercept 1,242-0,309 Marknad 2,415 1,404 20 % priskvintil 0,017-0,707 40 % priskvintil 0,466 0,610 60 % priskvintil -0,545 1,138 80 % priskvintil -1,037-0,195 100 % priskvintil -0,267 3,232 P-värde Intercept 0,175 0,312 Marknad 0,139 0,102 20 % priskvintil 0,344 0,119 40 % priskvintil 0,197 0,113 60 % priskvintil 0,218 0,187 80 % priskvintil 0,213 0,131 100 % priskvintil 0,112 0,212 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

105 BILAGA 16 Regressioner med extrema aktiesplittar per företag Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Företag RAISIO RAISIO FISKARS 'A' FISKARS 'A' CENCORP CENCORP Splittstorlek (1:10) (1:10) (1:6) (1:6) (1:6) (1:6) R! förklaringsgrad 0,871 0,794 0,828 0,646 0,828 0,695 Justerad förklaringsgrad 1,387 1,618 1,515 2,061 1,515 1,914 Standardfel 0,012 0,043 0,008 0,047 0,031 0,042 ANOVA F 4,497 2,569 3,220 1,219 3,216 1,521 Signifikans F 0,095 0,192 0,147 0,386 0,147 0,323 Koefficienter Intercept 0,005-0,014 0,005 0,044-0,007 0,023 Marknad -0,006 0,039-0,005-0,023-0,022-0,005 20 % priskvintil -3,544** -7,249 2,751* 2,044-3,045-5,015* 40 % priskvintil 0,311* 0,033-0,081-0,289* 0,339* 0,069 60 % priskvintil 4,503* -1,994-1,854** 3,751 28,769-0,917 80 % priskvintil 1,061-5,438 0,162 8,469 6,468* 19,717 100 % priskvintil -1,326 7,667* 1,824* 0,020-2,560 16,4* Standardfel Intercept 0,005 0,014 0,004 0,039 0,011 0,019 Marknad 0,017 0,029 0,009 0,040 0,029 0,016 20 % priskvintil 1,651 4,941 1,330 5,772 3,415 3,095 40 % priskvintil 0,157 0,154 0,055 0,156 0,210 0,125 60 % priskvintil 2,429 29,192 0,596 50,760 20,965 21,190 80 % priskvintil 1,111 4,072 0,536 5,780 3,069 45,006 100 % priskvintil 1,349 3,945 0,995 9,157 2,592 8,284 t-statistika Intercept 0,901-1,013 1,250 1,118-0,652 1,250 Marknad -0,348 1,357-0,605-0,581-0,746-0,333 20 % priskvintil -2,147-1,467 2,068 0,354-0,891-1,621 40 % priskvintil 1,980 0,213-1,477-1,848 1,617 0,550 60 % priskvintil 1,854-0,068-3,112 0,074 1,372-0,043 80 % priskvintil 0,955-1,335 0,302 1,465 2,107 0,438 100 % priskvintil -0,983 1,943 1,832 0,002-0,987 1,980 P-värde Intercept 0,209 0,184 0,140 0,163 0,275 0,140 Marknad 0,373 0,123 0,289 0,296 0,248 0,378 20 % priskvintil 0,049 0,108 0,054 0,371 0,212 0,090 40 % priskvintil 0,059 0,421 0,107 0,069 0,091 0,306 60 % priskvintil 0,069 0,474 0,018 0,472 0,121 0,484 80 % priskvintil 0,197 0,126 0,389 0,108 0,051 0,342 100 % priskvintil 0,191 0,062 0,070 0,499 0,190 0,059 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

106 Regression Reg 7 Reg 8 Reg 9 Reg 10 Reg 11 Reg 12 Företag ALDATA SOLUTIONS ALDATA SOLUTIONS NOKIAN RENKAAT NOKIAN RENKAAT POHJOIS- KARJALAN KRJ. POHJOIS- KARJALAN KRJ. Splittstorlek (1:10) (1:10) (1:10) (1:10) (1:19) (1:19) R! förklaringsgrad 0,877 0,191 0,882 0,783 0,821 0,230 Justerad förklaringsgrad 1,369 3,426 1,355 1,650 1,538 3,311 Standardfel 0,030 0,047 0,009 0,015 0,020 0,045 ANOVA F 4,750 0,158 4,971 2,412 3,052 0,199 Signifikans F 0,088 0,859 0,082 0,206 0,157 0,827 Koefficienter Intercept -0,022* -0,005-0,002-0,002 0,002-0,003 Marknad 0,065** -0,016-0,041** -0,026 0,062 0,005 20 % priskvintil -9,824** 2,811 0,844** 1,251-5,602** 0,612 40 % priskvintil -0,400 0,310 4,727** 2,381 4,193** -0,303 60 % priskvintil -1,486-1,443-18,869** -0,338 3,48* 1,088 80 % priskvintil -37,199** 0,565 0,264 0,202 1,936* -3,105 100 % priskvintil 2,061 4,209 6,469** 0,782 1,187-0,044 Standardfel Intercept 0,013 0,021 0,004 0,005 0,007 0,020 Marknad 0,016 0,034 0,015 0,029 0,048 0,081 20 % priskvintil 2,922 7,277 0,301 1,008 2,091 2,463 40 % priskvintil 0,273 0,466 1,421 1,927 1,616 1,516 60 % priskvintil 9,383 6,391 7,150 5,306 1,803 1,505 80 % priskvintil 14,165 11,302 0,538 0,256 1,013 39,809 100 % priskvintil 9,217 11,579 1,754 1,246 2,749 2,022 t-statistika Intercept -1,735-0,223-0,479-0,419 0,243-0,148 Marknad 3,937-0,473-2,780-0,880 1,290 0,066 20 % priskvintil -3,362 0,386 2,800 1,241-2,679 0,249 40 % priskvintil -1,462 0,665 3,326 1,236 2,595-0,200 60 % priskvintil -0,158-0,226-2,639-0,064 1,930 0,723 80 % priskvintil -2,626 0,050 0,490 0,790 1,911-0,078 100 % priskvintil 0,224 0,364 3,688 0,627 0,432-0,022 P-värde Intercept 0,079 0,417 0,328 0,349 0,410 0,445 Marknad 0,009 0,330 0,025 0,214 0,133 0,475 20 % priskvintil 0,014 0,359 0,024 0,141 0,028 0,408 40 % priskvintil 0,109 0,271 0,015 0,142 0,030 0,426 60 % priskvintil 0,441 0,416 0,029 0,476 0,063 0,255 80 % priskvintil 0,029 0,481 0,325 0,237 0,064 0,471 100 % priskvintil 0,417 0,367 0,011 0,282 0,344 0,492 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

107 BILAGA 17 Regressioner med extrema aktiesplittar och kontrollvariabler Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Kvintilgruppering 20% -100% 20% -100% 80% -100% 80% -100% 50% -100% 50% -100% N 6 6 6 6 6 6 R! förklaringsgrad 0,124 0,156 0,168 0,219 0,122 0,167 Justerad förklaringsgrad 0,105 0,142 0,150 0,207 0,103 0,153 Standardfel 0,031 0,036 0,030 0,034 0,031 0,035 ANOVA F 4,292 6,849 8,680 10,880 4,380 8,027 Signifikans F 0,021 0,023 0,064 0,025 0,068 0,078 Koefficienter Intercept 0,004-0,001 0,004-0,001 0,004-0,001 Marknad 0,008* 0,009** 0,005 0,004 0,010 0,006 Låg priskvintil -1,040 1,222-0,011-0,196 5,639 0,603 Hög priskvintil 0,370 0,193 0,279-0,053 6,352-3,014 Låg handelskvintil 0,685-0,051 0,394 0,769-2,891-0,930 Hög handelskvintil -0,218-0,296-0,065-0,087-4,842 0,977 Låga köp- och säljmarg. 0,051 0,527-0,319 1,025* -2,217 1,126 Höga köp- och säljmarg. -0,076 0,844-0,085 0,514-1,176 3,796 Lågt antal aktieägare 4,019 0,923-0,012 1,211* 0,273 2,297 Högt antal aktieägare 0,155 0,034-0,339 0,008-0,552 0,199 Standardfel Intercept 0,002 0,002 0,003 0,002 0,003 0,002 Marknad 0,004 0,003 0,004 0,004 0,005 0,004 Låg priskvintil 1,544 1,147 0,500 0,579 4,845 3,239 Hög priskvintil 0,387 0,395 0,216 0,242 4,694 3,358 Låg handelskvintil 1,984 2,472 0,683 0,493 3,567 2,392 Hög handelskvintil 0,311 0,332 0,093 0,104 3,658 1,773 Låga köp- och säljmarg. 0,140 0,286 0,809 0,617 2,390 3,899 Höga köp- och säljmarg. 1,184 1,652 0,957 1,032 2,712 3,689 Lågt antal aktieägare 1,652 2,165 0,447 0,510 1,497 1,596 Högt antal aktieägare 0,193 0,174 0,313 0,445 0,692 0,814 t-statistika Intercept 1,368-0,291 1,394-0,404 1,274-0,368 Marknad 2,689 2,850 1,293 1,398 2,598 1,422 Låg priskvintil -0,577 0,647 0,349-0,324-0,617 0,327 Hög priskvintil 1,192 0,903 1,300 0,263 0,455-0,727 Låg handelskvintil -0,350 0,153 1,897 3,089-0,617-0,469 Hög handelskvintil -1,104-1,666-0,826-0,803-0,798 0,592 Låga köp- och säljmarg. 0,133 0,702-0,647 0,761-0,142 0,637 Höga köp- och säljmarg. 0,244 0,361 0,301 0,410 0,035 0,804 Lågt antal aktieägare 1,650 1,411-0,072 2,275-0,085 1,424 Högt antal aktieägare 0,450 0,226-1,105 0,346-0,799 0,483 P-värde Intercept 0,163 0,289 0,142 0,266 0,172 0,275 Marknad 0,099 0,027 0,113 0,152 0,109 0,156 Låg priskvintil 0,292 0,167 0,246 0,108 0,183 0,151 Hög priskvintil 0,161 0,162 0,137 0,241 0,239 0,185 Låg handelskvintil 0,232 0,238 0,240 0,190 0,218 0,196 Hög handelskvintil 0,205 0,131 0,247 0,189 0,256 0,165 Låga köp- och säljmarg. 0,243 0,146 0,250 0,089 0,243 0,152 Höga köp- och säljmarg. 0,271 0,191 0,256 0,257 0,160 0,174 Lågt antal aktieägare 0,177 0,163 0,256 0,054 0,286 0,118 Högt antal aktieägare 0,261 0,267 0,214 0,246 0,177 0,148 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

108 BILAGA 18 Regressioner med extrema aktiesplittar och kontrollvariabler per företag (20% och 100 % kvintilfördelning) Regression Reg 1 Reg 2 Reg 3 Reg 4 Reg 5 Reg 6 Företag RAISIO RAISIO FISKARS 'A' FISKARS 'A' CENCORP CENCORP Splittstorlek (1:10) (1:10) (1:6) (1:6) (1:6) (1:6) R! förklaringsgrad 0,210 0,128 0,110 0,042 0,120 0,300 Justerad förklaringsgrad 0,197 0,114 0,096 0,026 0,105 0,289 Standardfel 0,027 0,044 0,020 0,031 0,036 0,044 ANOVA F 9,611 5,325 4,487 1,574 4,907 15,476 Signifikans F 0,000 0,000 0,000 0,123 0,000 0,000 Koefficienter Intercept 0,001-0,002 0,001-0,001 0,006** -0,001 Marknad 0,016** 0,012** 0,005** 0,003* 0,009** 0,013** Lågt pris(20 %) -0,217 0,412-0,524* 1,522** 0,090 2,033 Högt pris(100 %) 0,19** 0,656** -0,022 0,222* 0,244* -0,121 Låg handelsaktivitet(20 %) -0,414 0,275-0,087 2,206-0,129 0,353 Hög handelsaktivitet (100 %) -0,131** -0,279** 0,006-0,213** -0,121* 0,111 Låg transaktionskostnad (20 %) -0,064-0,082** 0,049 0,084* -0,019 0,012 Hög transaktionskostnad (100 %) 0,394-0,928 0,203 1,334 1,027-0,269 Lågt antal aktieägare(20 %) Högt antal aktieägare(100 %) Standardfel Intercept 0,002 0,003 0,001 0,002 0,002 0,003 Marknad 0,004 0,003 0,001 0,002 0,002 0,002 Lågt pris(20 %) 0,559 0,756 0,322 0,831 0,621 2,606 Högt pris(100 %) 0,062 0,212 0,030 0,161 0,174 0,633 Låg handelsaktivitet(20 %) 0,337 1,551 0,300 2,504 1,278 1,069 Hög handelsaktivitet (100 %) 0,034 0,089 0,012 0,101 0,074 0,543 Låg transaktionskostnad (20 %) 0,053 0,036 0,039 0,055 0,029 0,184 Hög transaktionskostnad (100 %) 0,597 1,537 0,341 1,128 1,265 1,111 Lågt antal aktieägare(20 %) Högt antal aktieägare(100 %) t-statistika Intercept 0,742-0,645 0,573-0,727 2,662-0,470 Marknad 4,258 4,185 3,587 1,607 4,072 5,412 Lågt pris(20 %) -0,389 0,545-1,629 1,832 0,144 0,780 Högt pris(100 %) 3,045 3,101-0,718 1,384 1,400-0,191 Låg handelsaktivitet(20 %) -1,229 0,177-0,290 0,881-0,101 0,330 Hög handelsaktivitet (100 %) -3,801-3,125 0,461-2,102-1,647 0,204 Låg transaktionskostnad (20 %) -1,193-2,297 1,253 1,535-0,641 0,063 Hög transaktionskostnad (100 %) 0,659-0,604 0,594 1,183 0,812-0,242 Lågt antal aktieägare(20 %) Högt antal aktieägare(100 %) P-värde Intercept 0,229 0,260 0,283 0,234 0,004 0,320 Marknad 0,000 0,000 0,000 0,055 0,000 0,000 Lågt pris(20 %) 0,349 0,293 0,052 0,034 0,443 0,218 Högt pris(100 %) 0,001 0,001 0,237 0,084 0,081 0,425 Låg handelsaktivitet(20 %) 0,110 0,430 0,386 0,190 0,460 0,371 Hög handelsaktivitet (100 %) 0,000 0,001 0,323 0,018 0,050 0,419 Låg transaktionskostnad (20 %) 0,117 0,011 0,106 0,063 0,261 0,475 Hög transaktionskostnad (100 %) 0,255 0,273 0,276 0,119 0,209 0,404 Lågt antal aktieägare(20 %) Högt antal aktieägare(100 %) ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.

109 Regression Reg 7 Reg 8 Reg 9 Reg 10 Reg 11 Reg 12 Företag ALDAT A ALDAT A NOKIAN R NOKIAN R POHJOIS- KARJALAN POHJOIS- KARJALAN Splittstorlek (1:10) (1:10) (1:10) (1:10) (1:19) (1:19) R! förklaringsgrad 0,156 0,246 0,091 0,143 0,056 0,076 Justerad förklaringsgrad 0,115 0,234 0,076 0,129 0,041 0,061 Standardfel 0,069 0,048 0,017 0,026 0,015 0,021 ANOVA F 2,293 11,773 2,798 4,658 1,655 2,289 Signifikans F 0,023 0,000 0,004 0,000 0,100 0,017 Koefficienter Intercept 0,016** 0,001 0,002** -0,001 0,000 0,001 Marknad 0,011 0,008** 0,009** 0,011** 0,000 0,005* Lågt pris(20 %) -5,280 3,979** -0,236 0,119-0,073-0,734** Högt pris(100 %) 0,938-0,250 0,786** 1,004** 0,081-0,352* Låg handelsaktivitet(20 %) 3,518-1,060-1,845** 4,488* 3,067-6,568* Hög handelsaktivitet (100 %) -0,659 0,266-0,417-0,862** 0,017-0,797** Låg transaktionskostnad (20 %) 0,188-0,078 0,155 0,916** -0,005 2,308** Hög transaktionskostnad (100 %) -2,059 1,249 0,403-2,051-0,424 5,731** Lågt antal aktieägare(20 %) 0,186 0,981** 7,852** 0,865 Högt antal aktieägare(100 %) 0,326 0,027-0,017 0,040 Standardfel Intercept 0,008 0,003 0,001 0,002 0,001 0,001 Marknad 0,009 0,004 0,003 0,004 0,003 0,004 Lågt pris(20 %) 7,079 1,799 0,413 0,467 0,267 0,421 Högt pris(100 %) 1,480 0,736 0,317 0,361 0,258 0,267 Låg handelsaktivitet(20 %) 6,420 1,834 0,856 3,050 2,716 4,824 Hög handelsaktivitet (100 %) 1,279 0,643 0,334 0,309 0,134 0,307 Låg transaktionskostnad (20 %) 0,448 0,166 0,154 0,305 0,117 0,968 Hög transaktionskostnad (100 %) 3,206 1,417 0,789 1,895 0,906 2,826 Lågt antal aktieägare(20 %) 0,258 0,377 3,047 3,952 Högt antal aktieägare(100 %) 0,299 0,226 0,087 0,122 t-statistika Intercept 2,045 0,287 1,967-0,719 0,215 0,529 Marknad 1,288 1,842 2,901 2,561 0,030 1,490 Lågt pris(20 %) -0,746 2,212-0,570 0,255-0,271-1,741 Högt pris(100 %) 0,634-0,340 2,480 2,779 0,314-1,318 Låg handelsaktivitet(20 %) 0,548-0,578-2,155 1,472 1,129-1,361 Hög handelsaktivitet (100 %) -0,515 0,414-1,248-2,789 0,128-2,601 Låg transaktionskostnad (20 %) 0,420-0,471 1,004 3,001-0,047 2,384 Hög transaktionskostnad (100 %) -0,642 0,881 0,511-1,083-0,468 2,028 Lågt antal aktieägare(20 %) 0,722 2,602 2,577 0,219 Högt antal aktieägare(100 %) 1,090 0,121-0,189 0,330 P-värde Intercept 0,022 0,387 0,025 0,237 0,415 0,299 Marknad 0,101 0,033 0,002 0,006 0,488 0,069 Lågt pris(20 %) 0,229 0,014 0,284 0,400 0,393 0,041 Högt pris(100 %) 0,264 0,367 0,007 0,003 0,377 0,094 Låg handelsaktivitet(20 %) 0,293 0,282 0,016 0,071 0,130 0,087 Hög handelsaktivitet (100 %) 0,304 0,340 0,107 0,003 0,449 0,005 Låg transaktionskostnad (20 %) 0,338 0,319 0,158 0,001 0,481 0,009 Hög transaktionskostnad (100 %) 0,261 0,190 0,305 0,140 0,320 0,022 Lågt antal aktieägare(20 %) 0,235 0,005 0,005 0,413 Högt antal aktieägare(100 %) 0,138 0,452 0,425 0,371 ** och * tyder på en signifikans på 5% respektive 10% nivå i ensidiga test.