Vilken effekt har varsel på aktiekursen?

Uppsala universitet 2010-06-07 Företagsekonomiska Institutionen Kandidatuppsats VT-2010 Handledare: Katerina Hellström Vilken effekt har varsel på aktiekursen? - En studie av svenska aktiemarknadens respons på proaktiva och reaktiva varsel Niklas Långbacka & Jakob Olofsson Sammanfattning Syftet med vår uppsats är att från ett kortsiktigt perspektiv undersöka hur proaktiva respektive reaktiva varsel påverkar svenska företagsaktiekurser. Vi utför en eventstudie där vi studerar aktiekursvängningarna utifrån en sjudagarsperiod omkring varslen, dagarna för sig men även dagarna ackumulerade. Urvalet är företag från Stockholmsbörsen som har varslat om uppsägning mellan 2006-01-01 till 2009-12-31. För att avgöra om det är ett proaktivt eller reaktivt varsel undersöker vi anledningarna till varslen och om det är några tveksamheter använder vi oss av Z-Score. Resultatet för proaktiva varsel visar en tendens till uppgång, dock är inte resultatet signifikant. Reaktiva varsel visar en nedgång och tre dagar är signifikanta. I det ackumulerade resultatet för proaktiva varsel finner vi inte någon signifikans medan fem utav sju dagar är signifikanta för reaktiva varsel.

Innehållsförteckning 1.0 Inledning... - 1-2.0 Teoretiskt ramverk... - 3-2.1 Signalteori och effektiva marknadshypotesen... - 3-2.2 Varseldefinition och tidigare forskning... - 5-3.0 Eventstudiemetod... - 9-3.1 Beräkning av onormal avkastning och hypotestest... - 12-4.0 Urval och resultat... - 15-4.1 Onormal avkastning för proaktiva varsel... - 17-4.2 Onormal avkastning för reaktiva varsel... - 19-5.0 Analys... - 22-6.0 Slutsatser och vidare forskning... - 27 - Referenser... - 28 - Bilagor... - 30 - Bilaga 1 Proaktiva varsel... - 30 - Bilaga 2 Reaktiva varsel... - 30 - Bilaga 3 Signifikantstest... - 32 -

-INLEDNING- 1.0 Inledning Vid första anblick finns det negativa associationer kring varsel om uppsägning, flera anställda i det berörda företaget är tvungna att sluta, ofta mot sin vilja. Företaget reducerar sin arbetsstyrka vilket kan medföra lägre produktivitet och försäljning. Från företagets synvinkel behöver dock varsel inte vara negativt utan är en åtgärd till ändrade förutsättningar eller anpassning till rådande marknadsförhållanden (Hahn & Reyes, 2003). Dessutom behöver varsel inte vara ett tecken på att företagets prestationer är svaga, utan det beror till stor del på om de är av proaktiv eller reaktiv karaktär. Proaktiva varsel beror på att företaget effektiviserar sin verksamhet och är därmed ett strategiskt tillvägagångssätt för kostnadsbesparing, detta kan vara ett positivt besked för företagets framtida värde. Reaktiva varsel är som ordet låter reaktion på yttre omständigheter och företagsledningen behöver reducera arbetsstyrkan för att till exempel möta en lägre efterfrågan. Reaktiva varsel signalerar därmed att företagets prestationer är svaga (McKnight et al., 2002). Ämnet är därutöver intressant av flera andra anledningar. Det är aktuellt i och med den finanskris som drabbat ekonomin och medfört att flera svenska företag blivit tvungna att varsla anställda. På arbetsförmedlingens hemsida går det att utläsa trenden tydligt då det år 2009 och 2008 varslades 115 207 respektive 95 864 personer. Under åren 2007 och 2006 varslades jämförelsevis få, nämligen 29 980 och 36 809 personer (Arbetsförmedlingen, 2010). Att ämnet är aktuellt kan även följas i media då varsel om uppsägning har varit ett hett ämne. Ett troligt skäl till det kan vara den rekordhöga arbetslösheten på 9,3 % som till stor del beror på de många varslen (Statistiska Centralbyrån, 2010). Ett annat kan vara de bonusar som en del företagsledare erhåller i samband med varsel, vilket leder till upprörda åsikter från inte bara uppsagda personer (Veckans Affärer, 2010). Det finns en del litteratur i ämnet med en klar majoritet från forskare som studerar amerikanska företag. I dessa undersökningar finner de signifikanta samband på onormala aktieavkastningar i anslutning till meddelandet om varslet. Även skillnader på reaktiva och proaktiva varsel har studerats, också här har signifikanta skillnader uppmäts (Hahn & Reyes, 2003 och Palmon, Sun & Tang, 1997). Ingen av de undersökningar vilka vi har upptäckt och som är gjorda på svenska företag har dock funnit signifikanta samband. Inte heller har vi funnit en studie när det gäller svenska företag som studerar skillnaderna mellan reaktiva och - 1 -

-INLEDNING- proaktiva varsel. En studie som kan besvara hur svenska marknaden reagerar på proaktiva och reaktiva varsel bidrar följaktligen med ny information. Vidare kan en sådan studie också bidra med att ge information till intressenter om vad de kan förvänta sig, särskilt investerare kan dra nytta av denna typ av information vid förvärv eller försäljning av aktier. Denna uppsats ämnar i och med den outforskade och bakomliggande problematiken att undersöka ämnet och besvara problemformuleringen: I ett kortsiktigt perspektiv, vilken påverkan har reaktiva respektive proaktiva varsel på svenska företagsaktiekurser? Dispositionen för uppsatsen är uppdelad i sex avsnitt där kapitel två presenterar det teoretiska ramverket som beskriver signalteori, den effektiva marknadshypotesen, proaktiva och reaktiva varsel samt tidigare forskning inom ämnet. Det tredje kapitlet är metoddelen och beskriver hur vi genomför vår eventstudie. Det fjärde kapitlet är empiridelen som redogör för urvalet och det resultat som påträffas i undersökningen uppdelat på proaktiva och reaktiva varsel. I det femte kapitlet analyseras resultatet och till sist i det sjätte kapitlet drar vi slutsatser från resultatet och analysen samt ger förslag på vidare forskning. - 2 -

-TEORI- 2.0 Teoretiskt ramverk I denna teoridel redogör vi först för signalteori och den effektiva marknadshypotesen som är relevanta för undersökningen då de behandlar företeelsen hur marknaden reagerar på viss information. Därefter beskrivs begreppen proaktiva och reaktiva varsel utifrån rådande teori och även tidigare forskning inom ämnet klargörs, vilket är väsentligt vid utformande av våra hypoteser. 2.1 Signalteori och effektiva marknadshypotesen Signalteori handlar om att marknadens informationsflöde är asymmetrisk vilket betyder att företagsledningar har mer information än intressenterna. Ledningen har därför lättare att bedöma om det finns möjlighet till framtida avkastning (Beck & DeMarzo, 2007, s. 555). Att informationsflödet är asymmetriskt innebär också att företagsledningen kan sända ut signaler som marknaden inte känner till, som sedan intressenterna tolkar och agerar efter (Ross et al., 2005, s. 446). Om ledningen meddelar ny information som påvisar att företaget är framgångsrikt eller ger positiva besked för den kommande tiden, kan också investerarna förvänta sig framtida utdelning och företagets värde ökar. En negativ signal som kommer från företagsledningen visar att en eventuell framtida utdelning inte kommer att ske vilket försämrar företagets värde (Beck & DeMarzo, 2007, s. 556-557). Då ledningen på företag besitter mer kunskap än intressenterna om företaget kan de manipulera den information som publiceras för att öka värdet på företaget. De långsiktiga konsekvenserna av ett sådant handlande är dock negativa då marknaden tids nog kommer underfund om hur det egentligen ligger till, och företagets intressenter märker att företaget är övervärderat (Ross et al., 2005, s. 446). Signalerna som skickas vid varsel kan antingen vara proaktiva eller reaktiva. Vid proaktiv signal kan investerarna tyda varslet som ett positivt tecken på att ledningen agerar för att förbättra företagets finansiella situation. Den positiva signalen leder till att företagets värde ökar. Vid en reaktiv signal kan investerarna tolka varslet som att företagets ekonomiska situation är akut och att åtgärder måste göra direkt för att inte företaget ska gå i konkurrs. Investerarnas tolkning av reaktiva signalen gör att företaget förlorar värde (McKnight et al., 2002). Ett problem med signalteorin är att intressenter kan tolka signalerna på olika sätt och därmed kan till exempel proaktiva varsel tolkas negativt av marknaden, om de inte uppfattar signalen på ett sådant sätt som stämmer överrens med teorin. (Ross et al., 2005, s. 446) - 3 -

-TEORI- Den effektiva marknadshypotesen (EMH) menar till skillnad från signalteorin att det inte råder ett asymmetriskt informationsförhållande mellan företagsledningen och intressenter. EMH innebär att marknadens aktiepriser vid varje tillfälle återspeglar all tillgänglig information och påstår med andra ord att marknaden är informationseffektiv. Följden av detta är att samtliga aktörer har all information tillgänglig vilket leder till att det inte blir några felprissättningar (Fama, 1970). Det betyder också att det är omöjligt för investerare att göra arbitragevinster då marknaden hela tiden justeras efter information på marknaden. Det finns tre olika scenarion hur aktien kan reagera på kungörelse av ny information. I en effektiv marknad ska aktiekursen omedelbart påverkas när den nya informationen offentliggöras vilket illustreras av den mörka linjen i Figur 1 (Haugen, 2001, s. 581). De streckade linjerna i figuren visar de reaktioner som kan förväntas på marknader som inte är effektiva, linjerna indikerar att marknaden antingen överreagerar eller att det uppstår en fördröjning av den nya informationen. Överreaktion innebär att investerarna värderar den nya informationen för optimistiskt, alltså värderar den högre än marknadsvärdet. Fördröjning betyder att det tar lång tid för investerarna att få informationen eller att avgöra om aktien är undervärderad. Detta scenario leder till att marknaden blir ineffektiv och att aktiekursen stiger under en långsam process (Haugen, 2001, s. 581-582). Om händelsen har negativ effekt på marknaden förväntas samma scenario att ske fast spegelvänt. Figur 1 Händelseförlopp vid tillkännagivande av ny information. Källa: Haugen, 2001, s. 581-4 -

-TEORI- Fama (1970) vidareutvecklar EMH genom en uppdelning av flera effektivitetsnivåer av marknaden som svag, semi-stark och stark. Den svagt effektiva marknaden innebär att informationen i aktiepriser speglas av historisk information (Fama, 1970). Exempelvis kan investerare inte göra vinster på värderingsmodeller som bygger på historisk data, då aktiepriset redan hunnit justerats (Haugen, 2001, s. 573). Den semi-starka formen av den effektiva marknaden är att marknadens aktiepriser justeras av historisk samt publicerad information, som till exempel delårsrapporter (Fama, 1970). I denna situation är det nästan omöjligt att hitta överavkastning för investerare då den publika informationen justerar marknadens priser nästan omgående (Haugen, 2001, s. 573). Den starka formen av den effektiva marknaden innebär att det inte går att göra överavkastning då marknaden är helt effektiv. Ett tillkännagivande av till exempel varsel har ingen effekt i och med att marknaden redan är medveten om varslet innan informationen har publicerats, aktiekursen är således justerad. Information som speglas i den starkt effektiva marknadens aktiepriser är publik, historisk samt privat information (Fama, 1970). EMH bygger på antaganden vilket i alla lägen inte stämmer överrens med verkligheten. Antaganden är nödvändiga för att inte teorierna ska bli alltför komplexa, men det medför även begränsningar till teorierna. Informationsantagandet i EMH menar att alla investerare skall ha tillgång till all information och att investerare skall värdera informationen på liknande sätt (Haugen, 2001, s. 573). Det antagandet är dock inte realistiskt och det är lätt att föreställa sig situationer där information är inskränkt till ett fåtal personer. Informationsflödet är i dagsläget också oerhört stort vilket gör det omöjligt för investerare att ta in och värdera all information. Dessutom besitter inte alla investerare tillräcklig kunskap och erfarenhet för att kunna tolka och värdera informationen korrekt. Trots sina brister är dock EMH en vedertagen teori inom ämnet (Haugen, 2001, s. 573). 2.2 Varseldefinition och tidigare forskning Varsel om uppsägning är det tillkännagivande som företag ger innan anställda blir uppsagda, som svenska bolag är tvungna att göra enligt lag. Beroende på hur många som blir uppsagda gäller olika regler för när företagen måste varsla. Är det en arbetsstyrka på 5 till 25 personer ska det ske två månader i förväg, medan en uppsägning på mellan 25 till 100 anställda leder till att företaget måste varsla fyra månader innan. Om det däremot kommer varslas mer än 100 anställda måste underrättelsen ske sex månader i förväg (SFS 1974:13). Enligt teorin finns det två varseltyper, proaktiva och reaktiva, och dessa åtskiljs från varandra då företag har olika - 5 -

-TEORI- anledning till varför de väljer att varsla (Abraham, 2005). Den allmänna betydelsen av proaktiv är att någonting reagerar på eget motiv, medan reaktiv betyder att någonting reagerar på grund av tvång från yttre förhållanden. I linje med ovanstående resonemang är proaktiva varsel en åtgärd för att effektivisera sin verksamhet som företaget väljer att genomföra på eget initiativ. Denna åtgärd kan i framtiden leda till högre produktivitet och lägre kostnader vilket på sikt bidrar till bättre resultat. Företagets val av varsel är därför inte en konsekvens av svaga prestationer och således sänder bolaget ut positiva signaler. Reaktiva varsel å andra sidan är reaktion på yttre omständigheter som till exempel lägre efterfrågan, mindre marknadsandelar eller lägre orderingång. Det tyder på svaga prestationer och företaget förmedlar negativa signaler (McKnight et al., 2002). Proaktiva och reaktiva åtgärder kan även appliceras på flera fält inom forskning och är inte åtknutit till endast varsel. Inom exempelvis organisationsteori innebär begreppet proaktiv att förändringsarbete inleds på eget initiativ, medan reaktiv innebär att företaget reagerar på förändringar som skett i dess omvärld. På det viset kan företaget ändra strukturen i bolaget och anpassa sig till aktuella förutsättningar (Nadler & Tushman, 1989). I den tidigare forskningen på varsel sett utifrån ett finansperspektiv används inte alltid begreppen proaktiv och reaktiv som indelning på varsel, utan författarna använder sig ofta av en tydligare sortering på varseltyperna. De studier som undersöker de bakomliggande anledningarna åtgör dock en skillnad på positiva och negativa varsel, där författarnas hypoteser är att aktiekursen bör öka eller minska beroende på varseltyp. Worrell, Davidson & Varinder (1991) studerar hur aktiemarknaden påverkas av varsel om uppsägning. Deras undersökning syftar främst till att granska hur varsel som sådant påverkar marknaden men de studerar även om aktiemarknaden reagerar olika beroende på anledning bakom varslen. De anledningar som författarna använder sig av i indelningen av varsel är omstrukturering och finansiella problem. Författarna undersöker en nioårsperiod mellan åren 1979 till 1987 och finner totalt 194 varsel. Av dessa kvarstår 117 varsel i studien efter att varsel som saknar anledning tagits bort. De studerar flera olika händelsefönster och resultatet som helhet visar att marknaden påverkas negativt av signalerna som sänds ut. Företag med finansiella problem visar på ett tiodagars händelsefönster en nedgång i aktiekursen på 2,46 % medan varsel som beror på omstrukturering påverkar aktiekursen negativt med 0,27 %. Den statistiska styrkan för reaktiva varsel är genomgående stark medan styrkan för proaktiva varsel är svag och ingen signifikans hittas för tiodagarsperioden (Worrell et al., 1991). Palmon, Sun & Tang (1997) studerar varsel som beror på ogynnsamma marknadsförhållanden, till exempel lägre efterfrågan och högre råvarupriser, samt varselbeslut - 6 -

-TEORI- vilket uppkommer som ett resultat av oväntade effektivitetsförbättringar eller planer om sådant. I sin undersökning inkluderar de varsel mellan tidsperioden 1982 till 1990 som de finner på New York Times Index och The Wall Street Journal Index. De upptäcker 57 varsel som tillhör den första gruppen och 83 varsel som tillhör den andra. Därefter beräknar de den ackumulativa onormala avkastningen utifrån olika händelsefönster, bland annat en tvådagarsperiod och en tolvdagarsperiod. Gemensamt för de studerade tidsfönsterna är att varslen om uppsägning som beror på ogynnsamma marknadsförhållanden uppvisar negativa effekter på aktiekursen medan effektivitetsförbättringar innebär positiva effekter. När de studerar tvådagarsperioden finner de en minskning på aktiekursen med 1,8 % för första gruppen och en ökning med 0,6 % på andra gruppen samtidigt som resultatet visar sig vara signifikant på 1 % nivå (Palmon et al., 1997). Chen, Mehrotra, Sivakumar & Yu (2001) undersöker hur varsel påverkar aktiekurser i både ett kortsiktigt och långsiktigt perspektiv. För att gruppera varsel studerar de dels företagsledningens skäl och dels hur företagets resultat och andra mått på prestationer förändrats i anslutning till varseldagen. Anledningarna till varslet har författarna delat in i fyra kategorier som är kostnadsreduceringar, minskad i efterfrågan, sämre lönsamhet och omstruktureringar. Deras antagande är att om varslen är uppfattade som ett verktyg för kostnadsbesparing bör marknaden reagera positivt vid tillkännagivandet medan om varslen tolkas som ett oväntat besked på lägre avkastning i framtiden bör aktiekursen minska. De menar dock att varsel som medför kostnadsbesparingar inte behöver påverka aktiekursen positivt om skalan på varslet är lägre än den som marknaden förväntar sig, i sådana fall bör en motsatt reaktion ske och således minskar aktiekursen. När de studerar den kortsiktiga inverkan på aktiekursen undersöker de en tvådagars period kring varslen och finner blandade resultat men genomgående sker en nedgång i aktiekurserna. Vid lägre efterfrågan reagerar aktiekursen starkast med 2,4 % som är signifikant på 5 % nivå och när varslen beror på sämre lönsamhet minskar aktiekursen med 1,2 % vilket är signifikant på 10 % nivå. Ingen av de andra två skälen kostnadsbesparing och omstrukturering bekräftar författarnas hypoteser utan aktiekursen minskar med 1,1 % respektive 0,5 %. Kostnadsbesparing är signifikant även den på 10 % nivå men värt att uppmärksamma är att omstrukturering inte är signifikant på någon nivå (Chen et al., 2001). Hahn & Reyes (2003) studerar även de hur varsel om uppsägning påverkar aktiekursen med två indelningar som är snarlika proaktiva och reaktiva varsel även om benämningarna inte används. För att dela in varslen skiljer de på om underliggande orsaken beror på minskning i - 7 -

-TEORI- efterfrågan eller omstrukturering. I sin undersökning utgår de ifrån vad företagen själva utger och tolkar anledningen. För att besvara sin frågeställning utför de en eventstudie med varsel som är större än 1 000 personer under perioden 1995 till 1999. Utifrån observationerna beräknar de den onormala överavkastningen utifrån olika händelsefönster och finner signifikanta samband både för reaktiva och proaktiva varsel. I deras sjudagars händelsefönster upptäcker de att reaktiva varsel minskar med 5,7 % medan proaktiva varsel ökar med 2,6 % (Hahn & Reyes, 2003). Sammanfattningsvis bistår den tidigare forskningen med blandande resultat framför allt när det gäller proaktiva varsel som omstruktureringar medan reaktiva varsel som lägre efterfrågan är mer konsekvent. Hahn & Reyes (2003) samt Palmon, Sun & Tang (1997) är de enda studier som påvisar signifikanta positiva samband för proaktiva varsel, övriga undersökningar visar smått negativa relationer utan signifikans. För reaktiva varsel är förhållandet tydligare då alla fyra artiklar vi redogör för visar signifikanta negativa samband. De studier som vi redogör för följer alla en eventstudiemetod där resultatet är beroende på hur den förväntade avkastningen beräknas. Då olika metoder kan användas för att beräkna detta varierar också resultatet med val av formel för den förväntade avkastningen. Därmed kan kritik riktas åt resultatet för den onormala avkastningen som en följd av feluppskattning av den förväntade avkastningen (Abarbanell & Bushee, 1988). - 8 -

-METOD- 3.0 Eventstudiemetod I metoddelen presenteras hur vi utför vår eventstudiemetod för att besvara vår frågeställning. För att utföra vår eventstudie är det nödvändigt att följa flera steg i en process som leder fram till slutresultatet och dispositionen kommer följa de stegen. Kortfattat innebär det att definiera händelsen och eventfönstret, samla in data som uppfyller uppsatta urvalskriterier, genomföra beräkningar på den normala och onormala avkastningen och slutligen utföra ett signifikanstest från det uppnådda resultatet. Det första steget är att definiera själva händelsen och händelsefönstret, det vill säga den tidsperiod som studeras i undersökningen (MacKinlay, 1997). Studiens resultat är till stor del beroende på hur händelsen definieras eftersom det utgör grunden för urvalet, vilket innebär att detta moment är avgörande. Den händelse som vi studerar är varsel om uppsägning och de varsel som ingår i vår studie uppfyller de krav som specificeras i avsnitt 2.2. Vidare måste reaktiva och proaktiva varsel definieras för att kunna åtskiljas och beräknas, inom teorin finns som nämnt ingen exakt definition på vad som är ett proaktivt och reaktivt varsel. Bland de forsknings artiklar vi redogör för under teoridelen utgår de ifrån vad företagen själva utger. Vi ser potentiella risker med ett sådant förfaringssätt, företagen själva har incitament att sända ut positiva signaler för att höja aktiepriset och därmed värdet på företaget. Företaget kan därmed uppge att de genomför varslet på grund av proaktiva åtgärder fast det egentligen är reaktiva bakomliggande skäl. I en kvantitativ studie som denna är det svårt att kontrollera om företaget rapporterar sanningen. För att i indelningsprocessen öka säkerheten i ett korrekt genomförande noterar vi dels anledningen till varslet men vi beräknar också företagets Z-Score innan händelsen sker. Z-Score är ett sammanvägt mått på företagets konkursrisk (Altman, 1968). Om det finns uppenbara skäl att det är ett proaktivt varsel, till exempel att ett nytt produktionssystem har genomförts vilket minskar behovet av arbetsstyrkan eller att delar av verksamheten flyttas till mer fördelaktiga platser, klassificerar vi det också som ett proaktivt varsel. Detsamma gäller för reaktiva varsel, finns det självklara anledningar som minskad orderingång, reducerad efterfrågan eller behov av minskade kostnader på grund av dåliga resultat blir varslet indelat som reaktivt. Vid gränsfall eller varsel där själva anledningen inte på ett tydligt sätt framgår används Z-Score. Vi anser att det måttet ger en bra vägledning för huruvida det är ett proaktivt eller reaktivt varsel då Z-Score tar hänsyn till flera viktiga faktorer utifrån finansiell information. Lönsamhet, brist på likvida medel, eget kapital - 9 -

-METOD- kontra skulder och försäljning dividerat på totala tillgångar är nyckeltal som tillsammans åskådliggör en bra bild av företagets situation och därmed kan avgöra vad det är för variant av varsel. Vid beräkning av Z-Score används olika formler för tillverkande eller övriga företag och därför har vi våra beräkningar använt följande formler: Z-Score formeln för tillverkande företag (Altman, 1968): Z = 1.2X 1 + 1.4X 2 + 3.3X 3 + 0.6X 4 +0.999X 5 Z-Score formeln för övriga företag (Altman, 2000): Z = 6.56X 1 + 3.26 X 2 + 6.72 X 3 + 1.05X 4 Där: X 1 = Rörelsekapital / Totala tillgångar X 2 = Bibehållna vinster / Totala tillgångar X 3 = Resultat före räntekostnader och skatter / Totala tillgångar X 4 =Marknadsvärde på eget kapital / Totala skulder X 5 = Försäljning / Totala tillgångar Z = Z-Score på företaget Ett Z-Score på under 2,675 har i undersökningar för tillverkande företag kunnat förutsäga konkurser på 80 90 % beroende på tidsperiod, vilket tyder på att företagets prestationer är svaga (Altman, Haldeman & Narayanan, 1977). Vår gränslinje kommer därmed befinna sig på 2,675 för tillverkande företag medan motsvarande siffra för övriga företag är något högre på 2,9. Denna gränsindelning används på varsel om uppsägning som saknar skäl eller där anledningen till varslet inte framgår på ett tydligt sett. Z-Score fördelning för tillverkande företag: Reaktivt varsel 2,675 < Z-Score < 2,675 Proaktivt varsel Z-Score fördelning för övriga företag: Reaktivt varsel 2,9 < Z-Score < 2,9 Proaktivt varsel Tidsfönstret som vi studerar är en sjudagarsperiod omkring kungörelsen av varje varsel, alltså tre dagar före och tre dagar efter. Fördelen med vår korta tidsperiod som vi studerar är att effekten isoleras, under förutsättningen att inget annat av betydelse inträffar under samma period och orsakar brus. Det är också anledningen till att vi inte väljer att studera de långsiktiga effekterna av varsel eftersom risken för att det uppstår brus är stor och svår att eliminera. Därmed finner vi att informationen dagarna omkring varslet är mer kvalitativ än - 10 -

-METOD- den som erhålls utifrån ett längre perspektiv, även om det finns problem med mätning av dagsavkastning som till exempel lägre normalitet på stickproven (Brown & Warner, 1985). Anledningen till att vi studerar aktiekursen innan händelsen sker är för att försäkra oss om att ingen insiderinformation har läckt ut och därmed redan har påverkat kursen. Enligt rekommendationer bör man studera tre dagar omkring händelsen om det med stor sannolikhet går att ange rätt händelsedag (MacKinlay, 1997). Vårt val att studera fler dagar än så beror på att det minskar den potentiella risken att genomföra mätning av fel period och eventuella fördröjda effekter av varslet kan fångas upp. I undersökningen är den dag då varslet om uppsägning sker T 0, T 1 är dagen efter, T 2 är två dagar efter och så vidare vilket illustreras i Figur 2. Figur 2 Händelsefönster för varsel om uppsägning där dag T 0 representerar varseldagen. T -3 T -2 T -1 T 0 T 1 T 2 T 3 Det andra steget i eventstudieprocessen är samla in data och välja urvalskriterier som måste uppfyllas för att varslet ska ingå i studien (MacKinlay, 1997). Vid insamling av data studerar vi noterade företag på Stockholmsbörsen och använder oss av företagsnamnen samt sökorden varsel, varslar och uppsägning på informationskanalen Affärsdata. Tidsperioden för datainsamlingen av data är ur Affärsvärlden mellan 2006-01-01 till 2009-12-31. Denna period väljer vi för att fånga upp företag både under hög- och lågkonjunktur då vi anser att det ökar möjligheten att få tag i en tillfredställande population för både reaktiva respektive proaktiva varsel. Därefter använder vi oss utav Datastream för att studera aktiekurssvängningarna omkring de varslen som vi finner utifrån Affärsdata. Även den finansiella informationen som behövs till Z-Score beräkningarna hämtar vi från Datastream, förutom bibehållna vinster som vi inte har tillgång till. De kvarhållna vinsterna kommer vi istället beräkna utifrån Affärsdata eller när det krävs från företagens årsredovisningar. Under insamlingsarbetet är det sex stycken kriterier som måste uppfyllas för att företag och varsel om uppsägningen skall få ingå: - 11 -

-METOD- Företagen måste vara noterade på Stockholmsbörsen under den aktuella tidsperioden varsel om uppsägning äger rum (NasdaqOMX, 2010). Genomför varsel under tidsperioden 2006-01-01 till 2009-12-31 och information om detta måste finnas att tillgå på Affärsdata. Information om företagets aktiekurs måste vid varseltillfället finnas åtkomlig på Datastream. Företagen får inte vara verksamma inom finansbranschen då Z-Score inte är funktionell på dessa företag (Altman, 2000). Det får inte ske en annan störande händelse under samma period som har betydande effekt på aktiekursen eftersom det försämrar resultatet (MacKinlay, 1997). Flera varsel inom samma företag och tidsfönster sorterar vi bort för att undvika den så kallade klustereffekten vilket gör resultatet sämre (MacKinlay, 1997). 3.1 Beräkning av onormal avkastning och hypotestest När aktiekurserna är hämtade och all data insamlad behöver vi utföra två beräkningar för att uppskatta varseleffekten, den första är den normala avkastningen som skulle vara förväntad om inte händelsen skett. Den andra är den onormala avkastningen som är skillnaden mellan faktiskt utfall, vilket vi finner från Datastream, och den förväntade avkastningen. Svårigheten i att göra en korrekt uppskattning av varseleffekten ligger alltså i värderingen av den förväntade avkastningen. Det finns flera alternativ för att estimera den förväntade avkastningen men i denna studie har vi valt att använda den välkända Capital Asset Price Modell (CAPM). En svaghet med denna modell är att den bygger på den effektiva marknadshypotesen där informationen är fritt tillgänglig och att risker leder till högre avkastning. CAPM grundar sig därmed i svaga antaganden men är fortfarande att anse som ett bra val eftersom det är en väletablerad metod. Formeln som är hämtad från CAPM har följande utseende (Beck & DeMarzo, 2007, s. 363-364): R i = r f + β i eff (R eff r f) Där: R i = Den förväntade avkastning på aktien i. r f = Förändringen av den riskfria räntan. Hämtad 120 dagar före varseltillfällets kvartal. β i eff = Beta är företagets risk i förhållandet till marknaden avkastning. R eff = Marknadsportföljens avkastning. Hämtad 120 dagar före varseltillfällets kvartal. - 12 -

-METOD- Marknadsportföljens avkastning värderas utifrån OMX Stockholm PI som är ett index med samtliga noterade aktier på Stockholmsbörsen. Förändringen av den riskfria räntan uppskattas från OMRX Treasury Bond Index och β hämtar vi från Datastream. Anledningen till att vi väljer att estimera marknadsportföljens avkastning 120 dagar före varseltillfällets kvartal är för att det är en skälig period, då det är aktuella svängningar på indexet men samtidigt inte för kort estimeringsperiod (MacKinlay, 1997). När den förväntade avkastningen är beräknad för aktien kan vi kalkylera den onormala avkastningen genom följande formel: AR it = R vt R it Där: AR it = Onormal avkastning R vt = Verklig avkastning R it = Förväntad avkastning Efter att vi utfört beräkningarna av den onormala avkastningen för respektive aktie sammanställer vi resultatet genom att räkna ut den genomsnittliga onormala avkastningen (AAR) för respektive dag under eventfönstret. I sammanställandet åtskiljer vi reaktiva och proaktiva varsel då vi vill studera de skillnader som finns, därmed genomförs två sammanställningar nämligen AAR P för proaktiva varsel och AAR R för reaktiva varsel. I och med att eventfönstret är sju dagar kommer det finns sju stycken AAR P samt sju antal AAR R. AAR t = 1 N Där: N i=1 AR it AR it = Onormala avkastningar N= Antal observationer AAR t = Den genomsnittliga avkastningen Till sist beräknar vi den kumulativa onormala avkastningen (CAAR) för proaktiva och reaktiva varsel genom att ackumulera alla dagars AAR P och AAR R. Följaktligen får vi CAAR P och CAAR R som illustrerar helhetseffekten av varsel om uppsägning inom vårt tidsfönster: - 13 -

-METOD- CAAR i = t 2 t=t 1 AAR it där AAR it = Genomsnittlig onormal avkastning CAAR i =Kumulativ onormal avkastning För att mäta styrkan i vårt resultat utför vi fyra signifikanstest genom t-tester med ett konfidensintervall på 95 %. Signifikanstesterna gör vi i statistikprogrammet SPSS. Nollhypotesen (H 0 ) är att AAR P, AAR R, CAAR P och CAAR R är lika med noll och att varsel om uppsägning således inte har någon effekt. Alternativhypotesen (H 1 ) är för proaktiva varsel att det går att finna onormal avkastning i anslutning till varsel som är större än noll och att företeelsen påverkar aktiekursen positivt. För reaktiva varsel är H 1 att det går att hitta onormal avkastning vilket ger en negativ reaktion som är mindre än noll. Vi väljer att räkna ut och göra hypotestest på både AAR, genomsnittliga avkastningen, och CAAR, den kumulativa avkastningen. Det gör vi för att det är intressant att se hur förändringen av aktiekurserna sker dag för dag samt studera den totala förändringen. De fyra hypotestesterna som utreds i studien är: Hypotestest på AAR P för proaktiva varsel: H 0 : AAR P = 0 H 1 : AAR P > 0 Hypotestest på CAAR P för proaktiva varsel: H 0 : CAAR P = 0 H 1 : CAAR P > 0 Hypotestest på AAR R för reaktiva varsel: H 0 : AAR R = 0 H 1 : AAR R < 0 Hypotestest på CAAR R för reaktiva varsel: H 0 : CAAR R = 0 H 1 : CAAR R < 0-14 -

-EMPIRI- 4.0 Urval och resultat Inledningsvis kommer det statistiska urvalet som ingår i studien samt bortfallet att introduceras. Vidare presenteras statistik över hur de reaktiva och proaktiva företagen ser ut med hänseende på medelvärden. Därefter fördelas urvalet i proaktiva eller reaktiva varsel enligt definition samt sammanställs i en tabell för bättre översikt. Till sist redovisas överavkastningen för respektive varsel i diagram både för AAR och CAAR, och resultatets styrka testas genom t-test. Då vi hämtar företag på Stockholmsbörsen finns det 289 stycken företag listade med A och B- aktier. Efter bortfall av företagens A-aktier och de listade finans- och investmentföretag får vi 209 stycken företag kvar att undersöka. Inte helt oväntat finner vi att de större företagen, som till exempel Volvo, SAAB och SAS har en högre frekvens av varsel än de mindre företagen. Antalet varsel om uppsägning som vi upptäcker genom Affärsdata är 209 stycken och efter bortfall av varsel som saknar information i Datastream kvarstår 198. På grund av klustereffekter faller ytterligare tio varsel bort och det återstår 188 varsel. Slutligen faller dessutom tjugofem stycken varsel bort som påverkas av övriga betydande händelser under samma tidsfönster som varslen, till exempel nyemission, vinstvarningar och publicering av finansiella rapporter, vilket gör att det kvarstår 163 varsel. Dessa varsel delar vi därefter in i proaktiva respektive reaktiva varsel och utfallet blev till slut 42 proaktiva varsel och 121 reaktiva varsel, vilket betyder att vi fick en klar majoritet av reaktiva varsel med ungefär tre fjärdedelar (74 %). Tabell 1 illustrerar denna urvalsprocess. - 15 -

-EMPIRI- Tabell 1 Tabell 1 visar urvalsprocessen av antalet företag och varsel och den slutgiltiga summan reaktiva och proaktiva varsel som ingår i studien. Företagsaktier på Stockholmsbörsen 289 Bortfall av A-aktier -36 Bortfall av finans och investmentföretag -44 Företag kvar efter bortfall 209 Upptäckta varsel 209 Bortfall av saknad data -11 Bortfall av kluster -10 Bortfall av betydande händelse -25 Antal varsel efter bortfall 163 Varav: Proaktiva varsel 42 Reaktiva varsel 121 I Tabell 2 ser vi företagens medelvärden på olika balans- och resultatposter utifrån företagens Z-Score beräkningar. De är uppdelade på företag som varslar proaktivt eller reaktivt för att få en bättre inblick i den finansiella situation som överlag råder. Eftersom medelvärdet av de totala tillgångarna för reaktiva företagen är tre gånger större än de proaktiva blir de absoluta siffrorna missvisande. Procenten är i detta fall en bättre vägledare eftersom det är respektive post dividerat med totala tillgångar för att lättare jämföra företagen. Framför allt finns de största skillnaderna i rörelsekapital, proaktiva företag har mycket bättre likviditet än reaktiva. Rörelseresultatet är ganska jämlikt om man studerar räntabiliteten på totala tillgångar och de reaktiva företagen som helhet når faktiskt upp till en 9 procentig avkastning. När det gäller marknadsvärde på eget kapital finns en fördel för proaktiva företag med 15 procentenheter. Vidare är de totala skulderna 14 procentenheter högre för reaktiva företag än proaktiva med hänsyn till totala tillgångar. - 16 -

-EMPIRI- Tabell 2 Tabell 2 visar medelvärdet av de företag som ingår i studien uppdelade på företag som varslar proaktivt eller reaktivt, enligt beräkningar från Z-Score. Medelvärde utifrån Z-Score: Omsättningstillgångar minus kortfristiga skulder Företag som varslar proaktivt Företag som varslar reaktivt 4 313 700 (34 %*) 2 515 652 (7 %*) Totala tillgångarna 12 654 051 34 545 880 Rörelseresultatet 1 448 882 (11 %*) 3 017 218 (9 %*) Marknadsvärde på eget kapital 6 271 939 (50 %*) 12 159 982 (35 %*) Totala skulderna 6 315 513 (50 %*) 22 042 706 (64 %*) *Förhållande till totala tillgångar 4.1 Onormal avkastning för proaktiva varsel Diagram 1 redovisar resultatet för beräkningarna av den onormala avkastningen på de proaktiva varsel som ingår i vår studie, dagarna avskilda för sig inom tidsfönstret och ackumulerade över samtliga 43 varsel. Aktiekurserna reagerar både positivt och negativt beroende på vilken dag som studeras kring varseldagen. Den huvudsakliga skillnaden är dock att när kursen reagerar positivt är de procentuella svängningarna högre än motsvarande när de är negativa. Tidpunkten innan händelsen är svängningarna positiva för dag T-3 med en ökning 0,63 % och för dag T-2 med 0,20 %. Dagen innan varslet om uppsägning är aktiekursen minimalt positiv på 0,01 % och även den dag då företagen varslar upptäcker vi en smått positiv effekt på 0,08 %. Noterbart är att varseldagen faktiskt är den dag under tidsfönstret med tredje minst effekt på aktiekursen. Efterföljande dag T+1 är den dag med störst påverkan och aktiekursen stiger med hela 0,70 % medan effekten av T+2 är negativ med 0,03 % och T+3 är negativ på 0,19 %. För att se styrkan i detta resultat åskådliggör vi p-värdena för respektive dag utifrån vårt signifikanstest i Tabell 3. Ingen dag i testet visar signifikantnivå, faktum är att det högsta t-värdet är för dagen T+1 vilket innebär ett p-värde på 0,157, som fortfarande är långt ifrån det valda konfidensintervallet på 95 %. Det innebär således att vår hypotes inte kan styrkas och nollhypotesen AAR P = 0 accepteras för proaktiva varsel. - 17 -

-EMPIRI- Diagram 1 Diagram 1 anger AAR P för händelsefönstret och hur det varierar mellan dagarna. 0,8% 0,7% 0,6% 0,5% 0,4% 0,3% 0,2% 0,1% 0,0% -0,1% -0,2% -0,3% 0,70% 0,63% 0,20% 0,08% 0,01% -0,03% -0,19% T-3 T-2 T-1 T 0 T+1 T+2 T+3 Tabell 3 Tabell 3 visar medelvärde, t-värde och p-värde för AAR P under händelsefönstret. Proaktiva varsel - AAR P Dag N Medelvärde t-värde p-värde T -3 42 0,006261 1,063 0,294 T -2 42 0,001996 0,395 0,695 T -1 42 0,00000605 0,012 0,99 T -0 42 0,000842 0,138 0,891 T +1 42 0,007 1,441 0,157 T +2 42-0,00032-0,065 0,948 T +3 42-0,00186-0,473 0,639 Efterföljande steg i vår undersökning, för att se helhetseffekten, innebär att dagarna ackumuleras ihop och Diagram 2 redovisar resultatet för CAAR P. Den totala effekten av proaktiva varsel är som diagrammet illustrerar positivt och nettoeffekten av aktiekursförändringen inom vårt tidsfönster hamnar på 1,27 %. Det finns ingen påtaglig uppgående trend som är jämnt fördelad över dagarna, utan den positiva nettoeffekten är ett resultat av rekyler framför allt vid dag T+1 då aktiekursen går från 0,92 % till 1,62 %. Eftersom AAR P är långt ifrån den kritiska punkten för att nå signifikans kan man heller inte förvänta sig att nollhypotesen CAAR P = 0 kan förkastas. Resultatet från t-testet som redogörs i Tabell 4 bekräftar också det. - 18 -