Erhvervsøkonomisk Institut Opgaveløser Vejleder: Jan Bartholdypure.au.dk/portal/files/10466/Test_af_b_rsintroduktioners_performance__opgaven_.pdf · Erhvervsøkonomisk Institut

Erhvervsøkonomisk Institut Opgaveløser

Bachelorafhandling, HA almen Mikael Deigaard

Morten Stig Østergaard Hansen

Vejleder:

Jan Bartholdy

Test af børsintroduktioners afkastperformance

på det skandinaviske marked

(I perioden 1997-2009 med anvendelse af CAPM og 3-faktor modellen)

Forår 2010

Abstract

This paper is testing for long-run anomalies in the Scandinavian stock market with the application of CAPM

and the three-factor model by Fama & French (1992). The aim was to test Scandinavian initial public

offerings’ performance in the period 1997 to 2009 and the results were interesting though not all

statistically significant.

Using the CAPM, IPOs showed to be significant underperforming in this time period by 1,02%, with a beta-

value of 0,7. The low beta seems to be caused by IPOs delisted before the end of the 36 month period they

are a component of the average IPO return. Delisted companies gets their monthly return set to zero for

the rest of the event period, which stabilizes the standard errors of the average monthly return for IPOs.

Before appliance of the three factor model, we run the necessary statistical assumptions for time series

regressions. We only find problems with normality of disturbances, due to random large deviations. We

have no choice but neglecting the problem and take it into consideration, when assessing the overall

validity of the model. Running the regression we still get a negative intercept but only about 0,5 %. Now it

is strongly insignificant though, so we cannot reject the null hypothesis of no abnormal return for this

matter.

We split the event period into two seperate and test both periods individually. The first period from 1997

to march 2004 showed surprisingly a positive intercept of 0,5% but was once again strongly insignificant.

The period from april 2004 to 2009 on the other hand showed a significant intercept. The second period

IPOs was underperforming by 1,36% on a monthly basis. It is interesting that we find such a difference from

just splitting up the period. Taking a look on the list of IPOs from the two different periods, we find that the

first period have several well known companies among them, unlike the second period, which may have

had an influence.

We also tested the performance of companies being listed during hot market periods. In the data set we

found the two months with the most IPOs and used them as hot issue IPOs. We find an insignificant SMB

variable, which we omit from the model. The regression estimates a significant intercept of -2,16, which is

interesting but yet expectable. Hot issues are known to be related to high first day returns, which affects

the long-run return to be negative.

Finally we test the performance of IPOs backed with venture capital or private equity, to find out if they

differ from the general IPO. Unfortunately we were unable to retrieve a significant estimation from this

regression, and therefore cannot reject the null hypothesis once again. Theoretically we do believe that

venture backed IPOs would perform better, with more experienced governance and with better terms for

development in the early stages. In further studies we would like to collect data, that gives the ability to

test for this theory.

This paper ends up trying to explain some of the previously found (in literature and in this paper)

anomalies, with irrational behavior in the stock market. We think some of the anomalies in initial public

offerings can be explained by investors reluctance to invest in well known stocks and in stocks that pays

dividends. Since IPOs are new to the market and unlikely to pay dividends the first few years since listing, it

is possible some parts of the market do not invest in these stocks for irrational reasons.

Handelshøjskolen ved Århus Universitet S i d e | 1

Indholdsfortegnelse 1. Indledning .................................................................................................................................................. 3

1.1 Problemformulering ................................................................................................................................ 4

1.2 Afgrænsning ............................................................................................................................................. 4

1.3 Begreber .................................................................................................................................................. 5

1.4 Disposition ............................................................................................................................................... 5

2. Markedseffektivitet ................................................................................................................................... 7

2.1 Fama’s definition ..................................................................................................................................... 7

2.2 Beaver’s definition ................................................................................................................................... 9

2.3 Markedseffektivitetsbegrebet ................................................................................................................. 9

2.4 Kan et kapitalmarked være fuldstændigt effektivt? .............................................................................. 11

3. Anomalier ................................................................................................................................................ 12

3.1 Januar effekten ...................................................................................................................................... 13

3.2 December effekten ................................................................................................................................ 13

3.3 Winners Curse ....................................................................................................................................... 13

3.4 Weekend effekten ................................................................................................................................. 14

3.5 Kortsigtet momentumudsving ............................................................................................................... 14

4. Børsintroduktioner ...................................................................................................................................... 15

4.1 Overvejelser før en børsintroduktion .................................................................................................... 15

4.2 Børsintroduktioners anomalier ................................................................................................................. 18

4.2.1 Underpricing ................................................................................................................................... 18

4.2.2 Hot issue market ............................................................................................................................. 19

4.2.3 Langsigtet underperformance ........................................................................................................ 20

4.3 Forklaringer på underperformance ....................................................................................................... 21

4.4 Generelt om det Skandinaviske børsmarked ........................................................................................ 23

5. Eventstudie .................................................................................................................................................. 24

5.1 Konstruktion af eventstudie .................................................................................................................. 24

6. Metodologi .................................................................................................................................................. 26

6.1 Metoder ................................................................................................................................................. 26

6.2 Valg af metode ...................................................................................................................................... 29

CAPM ....................................................................................................................................................... 29

Fama & French 3-faktor model................................................................................................................ 31


7. Data for test af Skandinaviske børsintroduktioner ..................................................................................... 35

7.1 Event definition ..................................................................................................................................... 35

7.2 Stikprøvekriterier ................................................................................................................................... 35

7.3 Datakilder .............................................................................................................................................. 36

7.4 Faktoropbygning .................................................................................................................................... 36

7.5 Databeskrivelse ..................................................................................................................................... 37

7.6 Statistiske forudsætninger .................................................................................................................... 38

8. Skandinaviske børsintroduktioners performance ....................................................................................... 40

8.1 Resultater med CAPM ........................................................................................................................... 40

8.2 Resultater med 3-faktor modellen ........................................................................................................ 41

8.3 Hvorfor dårligere langsigtet performance? ........................................................................................... 44

9. Periodevise resultater ................................................................................................................................. 46

10. Hot issue markeder ................................................................................................................................... 48

10.1 Performance af hot issue noteringer i Skandinavien .......................................................................... 49

10.2 Hvorfor gå på børsen i hot issue perioder? ......................................................................................... 50

11. Venture kapital .......................................................................................................................................... 51

11.1 Hvad er venture kapital ....................................................................................................................... 51

11.2 Empiriske hypoteser ............................................................................................................................ 52

11.3 Bør venture-backed selskaber klare sig anderledes? .......................................................................... 54

11.4 Resultater med Venture-backed børsnoteringer ............................................................................... 55

12. Finansiel adfærd – irrationelle forklaringer ............................................................................................... 56

12.1 Behavioral Finance .............................................................................................................................. 56

12.2 Kan behavioral finance forklare anomalier? ....................................................................................... 58

13. Konklusion ................................................................................................................................................. 60

Litteraturliste ................................................................................................................................................... 63

Bilag 1

Bilag 2

Bilag 3

Bilag 4

Bilag 5


1. Indledning Der handles hver dag verden over, for svimlende beløber i værdipapirer på forskellige børser. Alle

investorer har hver deres strategi ikke alene til at generere afkast, men opnå et afkast, der er bedre end

markedets. Den efficiente markedshypotese(EMH), fremført af Eugene Fama i 1970, påstår, at aktiekurser

på alle tidspunkter afspejler al tilgængelig information, der findes på et givent marked. Med andre ord kan

en investor ikke udkonkurrere markedsafkastet, da der ikke findes information markedet ikke allerede har

adgang til. Endvidere skriver Malkiel (1973) grundlæggende i bogen ” A random walk down Wall Street”, at

kursudsving er mere eller mindre tilfældige og at afkast på lang sigt vil ramme markedsgennemsnittet.

Derfor er generering af anormale afkast mere held end forstand. Dette er dog i flere omgange blevet

kritiseret med henvisninger til, blandt andre investeringsguruen Warren Buffet, der til en hvis grad

konsistent har genereret højere afkast end markedet.

Mange finansielle forskere har længe forsøgt, at be- eller afkræfte systematiske afvigelser i børsmarkedet,

og har udledt en lang række af undersøgelser for at spore disse mønstre. Blandt andet er weekendeffekten1

og januareffekten2 et resultat heraf, og der findes et hav af rationelle såvel som irrationelle forklaringer på

disse anomalier. Forklaret eller ej, burde investorer tage disse anomalier i betragtning, når der investeres

enten som et forsøg på opnåelse af højere afkast eller undgåelse af et negativt.

En bestemt gruppe af aktier har opnået højere opmærksomhed af akademikerne end andre.

Børsintroduktioners afkast mål i forhold til det generelle markedsafkast, er blevet testet for både den

kortsigtede og langsigtede horisont på næsten alle verdens børsen. En stor del af undersøgerne kommer

frem til den nogenlunde samme konklusion; at der i høj grad findes anomalier for denne gruppe aktier. I

mange tilfælde blev der fundet høje afkast i forhold til udbudsprisen, den første dag aktien blev handlet på

børsen – også kaldet underpricing. Samtidig blev det også opdaget, at det langsigtede afkast til gengæld var

dårligt, når det var blevet justeret med markedet. Børsintroduktioner skabte altså anomalt afkast på både

kort og lang sigt, og derfor blev interessen for netop denne aktiegruppe ekstra vækket. Siden hen er der

fundet relationer mellem blandt andet introduktionsvolumen og førstedagsafkast, og førstedags afkast og

det langsigtede afkast.

Ingen umiddelbare undersøgelser af børsintroduktioner er tidligere blevet udført på et samlet Nordisk

marked, hvorfor denne afhandling vil forsøge at redegøre for, om der ligeledes findes anomalier for

børsintroduktioner i Skandinavien.

1 Weekendeffekten er signifikant dårligere afkast mandag, bl.a. analyseret af Ikenberry m.fl. (1994)

2 Januareffekten er konsistent højere kurser i januar blandt andet fremført af Keim, Donald B (1983)


1.1 Problemformulering

Opgavens hovedformål er at teste de Skandinaviske børsintroduktioners performance i perioden 1997-

2009. Derudover vil opgaven forsøge, at undersøge for flere underliggende anomalier for

børsintroduktioner, hvor hot issue perioder og selskaber ejet af venture fonde vil blive testet.

Undersøgelsen vil blive udført på baggrund af eventstudie-metoden samt litteraturens erfaringer.

På baggrund af de valgte metoder og empiriske data, vil der forsøges at bestemme om børsintroduktioner

generelt, har generet et anormalt afkast. Uddybende vil der blive testet for periodevise forskelle,

børsnoteringer i varme markeder og venture-backed børsintroduktioners performance.

I løbet af opgaven vil der forsøges, at forklare anomalier og testresultater med rationelle

finansieringsteoretiske forklaringer, mens opgaven slutteligt vil undersøge muligheden for om fundne

anomalier kan forklares af irrationel investoradfærd.

Opgaven skal ønskeligt ende med konklusioner på følgende:

o Genererer skandinaviske børsnoteringer konsistent anormale afkast?

o Findes der periodevise forskelle for børsintroduktioners afkast i perioden 97-2009?

o Findes der hot issue perioder i Skandinavien og klarer de sig anderledes end øvrige børsnoteringer?

o Performer venture-backed børsintroduktioner bedre end øvrige børsnoteringer?

o Kan fundne anomalier forklares irrationel investoradfærd?

1.2 Afgrænsning

Teorier, metoder og tilgange til, at undersøge markedet for børsintroduktioner er uendeligt mange, og

derfor laves her en grundlæggende afgrænsning for denne opgaves indhold.

Opgaven ser på det konsistente afkast og afgrænser sig således fra, at teste for kortsigtede afkast, som

eksempelvis underpricing. Underpricing vil indgå i det omfang det er med til, at kunne forklare det

konsistente afkast for børsintroduktioner.


Opgaven afgrænser sig endvidere fra, at teste for forklaringerne, rationelle som irrationelle, da disse emner

i sig selv er en afhandling værdi. Forklaringerne inddrages kun teoretisk.

Der afgrænses derudover fra, at detaljeret gennemgå mulige metoder til udførelse af test, men

udelukkende kort præsentere disse, hvorefter de valgte metoder introduceres dybere. Det skyldes

hovedsageligt at fokus ønskes at være rettet mod forklaringer på det finansielle adfærdsmønster, frem for

teori om statistiske fremgangsmåder. Det forventes endvidere, at læser har et vist kendskab til statistiske

problemstillinger samt regressionsanalyse. De statistiske forudsætninger bliver kun gennemgået for én af

regressionerne, for at undgå gentagelser. De tages dog stadig i betragtning ved øvrige regressioner, når den

endelige validitet vurderes.

1.3 Begreber

I opgaven anvendes en række begreber, der ikke nødvendigvis er kendt i samme form som de betyder i

denne kontekst samt nogle engelske udtryk, der umiddelbart ikke er gode danske ord for. For at der ikke

skal opstå misforståelser eller lignende, opstilles her de hyppigst anvendte begreber:

Anomalier Systematiske afvigelser i børsmarkedet

Underpricing Et anomale hvor førstedagsafkastet er højt i forhold til selskabets udbudspris

Performance Hvordan en aktie har klaret sig justeret for markedsafkastet

Markedsagenter Investorer, mellemhandlere og institutioner der handler på markedet

Hot issue perioder Perioder i børsmarkedet hvor der findes flere børsintroduktioner end normalt

Venturebacked Selskaber der er ejet eller delvist ejet af venturefonde

1.4 Disposition

Opgaven vil indledende redegøre for markedseffektivitet og dets begreber, da dette er grundteorien, der

brydes ved fund af anomalier. Derefter vil litteraturens fundne anomalier redegøres, hvilket vil efterfølges

af en introduktion til børsnoteringer generelt, og deres umiddelbare kendte systematiske afvigelser.

Indledende til testen vil der redegøres kort for eventstudie-metoder, og en dybere gennemgang af de

valgte modeller til estimering af afkast. Derudover beskrives de indsamlede empiriske data overordnet,

samt der redegøres for de statistiske forudsætninger. Tests udføres derefter for de valgte problemstillinger,

med dertilhørende evaluering. Slutteligt drejes perspektivet fra normale finansieringsteoretiske


Indledning

•Indledning

•Problemformulering og hypotese

•Afgrænsning

Redegørelse

•Markedsefficiens

•Anomalier

•Børsnoteringer

•Venturekapital og Private equityfonde

Metodevalg

•Introduktion af mulige metoder

•Valg af metode

•Uddybende om CAPM

•Uddybende om Fama & French 3-faktor model

Data

•Eventdefinition

•Stikprøvekriterier

•Databeskrivelse

•Statistiske forudsætninger

Test

•Børsintroduktioners performance

•Performance ved periodevis opdeling

•Hot issue perioders performance

•Venture-backed selskabers performance

Forklaring

•Behavioral finance - adfærd på børsmarkedet

•Kan anormale afkast forklares gennem almindelig rationalitet?

•Kan irratinel investoradfærd skabe disse anomalier i børsmarkedet?

•Kan opgavens resultater skyldes irrationel investoradfærd?

Konklusion

•Findes der anomalier på det skandinaviske børsmarked?

forklaringer, til at forsøge teoretisk at kunne forklare fundne anomalier med en irrationel investoradfærd.

Til slut opsamles opgavens resultater i en sammenfattet konklusion. Et grafisk overblik over opgaven kan se

i figur 1.4.1.

Figur 1.4.1 Opgavedisposition


2. Markedseffektivitet

Markedseffektivitet danner grundlag for det interessante ved fund af anomalier i børsmarkeder. Er

børsmarkeder effektive, er der ikke mulighed for, at kunne opnå hverken bedre eller dårligere afkast end

det generelle marked. Dette afsnit vil forsøge, at redegøre for begrebet markedseffektivitet samt dets

forudsætninger. Afsnittet vil indeholde Fama’s(1970) såvel som Beaver’s(1981) definition på

markedseffektivitet.

2.1 Fama’s definition

Med udgangspunkt i Fama’s definition af markedseffektivitet fra 1970 vil følgende kapitel indeholde en

teoretisk redegørelse af begrebet markedseffektivitet. Empiriske studier har i over hundrede år beskæftiget

sig med markedseffektivitet, men først i 1970 kom en endelig definition af begrebet udarbejdet af Eugene

Fama. Han påpeger dog selv at definitionen er så bred og almen gældende, at den primært udtalte sig om

informativ effektivitet på aktiemarkedet, og derfor ikke burde danne fundament i empiriske undersøgelser.

”Et marked er effektivt, såfremt kurserne fuldstændigt reflekterer al tilstedeværende information.” 3

Endvidere skal følgende tre betingelser være opfyldt for at markedet er effektivt:

1. Der eksisterer ingen transaktionsomkostninger.

2. Al tilgængelig information er omkostningsfrit til rådighed for alle markedsagenter.

3. Alle markedsagenter er enige om implikationerne af den tilstedeværende information for de

gældende kurser, og for fordelingen af de fremtidige kurser.

Et marked vil således være effektivt, hvis disse tre forudsætninger er opfyldt. Hvorvidt et sådant marked er

rent utopi kan diskuteres, men Fama påpeger selv at et marked, der opfylder forudsætningerne er yderst

hypotetisk. Endvidere påpeger Fama, at et marked godt kan være effektivt, uden at opfylde

forudsætningerne, da de er tilstrækkelige og ikke påkrævede.

Det er således ikke utænkeligt, at man kan erfare, at al information ikke nødvendigvis skal være tilgængelig

for alle agenter på markedet, men blot for tilstrækkelig mange til at et effektivt marked er en realitet.

Endvidere vil et scenarie, hvor al tilgængelig information benyttes, men hvor transaktionsomkostningerne

3 Efficient Capital Markets: A Review of Theory and Empirical Work, Eugene Fama


er relativt høje, ikke være utænkeligt. Det er heller ikke nødvendigt, at markedsagenter skal have samme

mening om implikationerne for kurserne – så længe nogle markedsagenter ikke er systematisk bedre til at

tolke de givne informationer end andre.

Fama’s definition gennemlevede senere hen en del kritik fra flere forskere. Sammenfaldet mellem den

tilstedeværende information og den information der reflekteres i aktiekurserne, argumenterede både

Leroy (1976) og Sørensen (1983) for, dannede mistanke om tautologi4. Definitionen fik også kritik for at

være for upræcis og ubrugbar med henblik på muligheden for empirisk, at teste for om kurserne reflektere

al tilstedeværende information.

Kritikken fik Fama (1976) til, at efterarbejde sin oprindelige definition med henblik på at præcisere og

udbygge teorien for at imødekomme ovennævnte kritikpunkter. Resultatet kan formuleres som følger:

”Et marked er effektivt såfremt kurserne fuldstændigt reflekterer al relevant information”

Definitionen kan nu fortolkes som, at markedseffektivitet er opfyldt for et marked i det tilfælde, at

mængden af relevant information er lig mængden af information, der anvendes i kursfastsættelsen.

Ifølge Fama (1976) skal al relevant information opfattes bredt forstået på den måde, at al relevant

information omfatter både nutidig og fortidig information. Endvidere forudsættes det, at al relevant

information også indeholder relationer mellem informationer, som bør være kendt på markedet. Disse

relationer indbefatter relationer mellem nutidige og hidtidige variable, samt al information, der forudsiger

den fremtidige situation bygget på nutidens faktorer.

Hvis markedseffektivitet er til stede gælder det, at aktiekurser tilpasser sig ny relevant information

øjeblikkeligt, hvorfor muligheden for at opnå overnormalt afkast på baggrund af information, der er kendt

af markedet, ikke er muligt.

4 Tautologi er når samme information afspejles flere gange i samme faktor


2.2 Beaver’s definition

I et forsøg på, at afhjælpe de mangler Fama’s definitioner blev kritiseret for, forsøgte Beaver (1981) at

opstille en alternativ markedseffektivitets teori med henblik på, at undgå ikke operationaliserbare termer

som ”al relevant information”.

”Et marked er effektivt med hensyn til en given mængde informationsmængde, såfremt en afsløring af

informationsmængde til samtlige markedsdeltagere ikke ville ændre markedskurserne”.

Med andre ord er et marked effektivt med hensyn til en specifik information, når kursfastsættelsen sker

som om alle har de fornødne information til rådighed.

I modsætning til Fama’s definitioner tillader Beaver forskelle i markedsagenternes karakteristika.

Markedsagenterne behøver ikke nødvendigvis at have nøjagtig samme adgang til information og de tildeles

retten til, at have forskellige forventninger. Konsekvensen er en vis frihed for markedsagenterne, til at

agere forskelligt fra hinanden og der stilles derfor ikke længere krav til agenternes evne til at fortolke

markedssignalerne. Friheden åbner op for mulighederne for, at markedsagenterne kan mistolke

information og derfor opfatte et marked som værende effektivt, selvom det ikke er tilfældet.

Ved sammenligning af de to teoretikers opfattelse af markedseffektiviteten findes en række fordele og

ulemper. En klar styrke ved Beaver’s definition er, at han gør det muligt empirisk at undersøge

markedseffektiviteten i relation til præcist definerede informationssignaler. Ved at afgrænse

informationsmængden og præcist definere hvilke informationssignaler man vil teste for undgår man Fama’s

ikke operationaliserbare termer som ”al relevant information”. Endvidere styrkes definitionen, idet den

tillader markedsagenterne, at adskille sig fra hinanden og have heterogene forventninger. Fama udmærker

sig dog ved, at være mere intuitiv forståelig.

2.3 Markedseffektivitetsbegrebet

Fama (1970) fik, i modsætning til sin definition af markedseffektivitetsbegrebet, en del anerkendelse af sin

opdeling af effektivitetsbegrebet afhængigt af informationstype. Han opdelte begrebet i tre niveauer

afhængigt af den type information, der anskues:


Den svage form:

Markedet er effektivt i den svage form, hvis aktuelle priser fuldstændigt indkalkulerer

historiske prisbevægelser. Markedet har ingen hukommelse og prisbevægelser er helt uden

indflydelse fra tidligere priser. Det betyder, at de historiske kurser ikke indeholder

information, der kan bruges til at forudsige fremtidige kurser, hvilket udelader muligheden

for at opnå overnormalt afkast.

Den semi-stærke form:

Markedet er effektivt i den semistærke form, hvis priserne øjeblikkeligt justeres ’korrekt’ når

der frigives ny offentlig information (regnskaber, dividender, etc.). Kurserne afspejler derfor

fuldstændig al offentlig, samt historisk information. Muligheden for at opnå overnormalt

afkast på baggrund af offentlige informationer er ikke mulig.

Den stærke form:

Markedet er under denne form effektivt, hvis priserne reflekterer, ikke kun offentlig

information, men al relevant information, som f.eks. insiders er i besiddelse af. Det er end

ikke muligt, at opnå overnormalt afkast på basis af insider viden.

De tre niveauer er opbygget som et hierarki. Det gælder derfor, at hvis et marked er effektivt i den stærke

form er det også effektivt i den semistærke form. Det gælder dog ikke den anden vej rundt – et marked er

altså ikke effektivt i den semi-stærke form, hvis det kun er forudsætningerne for den svage form, der er

opfyldt.

Selvom Fama i sit arbejde fra 1970 oplevede en generel accept af sin opdeling valgte han i 1991 at udgive

”Efficient Capital Markets II”, hvori han foretager en ny kategorisering af markedseffektivitet. Hvor den

gamle opdeling fokuserede mest på informationstype, retter den nye opdeling fokus på testens art.

1. Test for afkastforudsigelser

2. Event studier

3. Tests for insider information

Sammenlignes den nye kategorisering med den gamle, har først nævnte kategori både ændret titel og

indhold. Tidligere indeholdte første kategori (den svage form) udelukkende studier, der analyserede

hvorvidt det var muligt på baggrund af historisk information, at forudsige afkast. I sin nuværende form


inkluderes tests af afkastforudsigelse med variable som f.eks. udbytte og markedsværdi. De to sidst nævnte

kategorier har udelukkende ændret titel i forhold til deres tidligere kategorisering.

I relation til denne opgave har vi valgt, at anvende Fama’s definition, samt opdeling af

markedseffektiviteten. I henhold til Fama’s videreudvikling af markedseffektivitetsopdelingen vil et event

studie udføres med henblik på at undersøge, hvorvidt markedet kan siges at være effektivt efter den semi-

stærke form (1970 terminologi).

2.4 Kan et kapitalmarked være fuldstændigt effektivt?

Som udgangspunkt for, at vurdere et markeds effektivitet opstillede Fama (1976) 3 betingelser, der skal

være opfyldte. Prisen på information, handelsomkostninger og investorers enighed om implikationerne ved

givne informationer

Begrænsning 1: Pris på information

Prisen på information relaterer til markedsagenternes incitament til at tolke information på markedet.

Ifølge hypotesen om det effektive marked skal priserne afspejle alt tilgængelig information. Problemet

opstår, når priserne afspejler alt tilgængelig information, så mister markedsagenterne grunden til at

fortolke den nye information, da den allerede er inkluderet i priserne. Markedsagenterne har derfor ingen

fordel i at generere eller rapportere ny information, da denne information ingen værdi har. Konsekvensen

heraf er, at hvis ingen kan drage fordel af at reagerer på ny information, så er det umuligt at den nye

information reflekteres i markedspriserne. Implikationen er, at markedet ikke kan være fuldkomment

effektivt, da ingen har grunden til at gøre det. Deltagerne på markedet skal kompenseres for at gøre

markedet mere effektivt. Dette opnår de ved at tolke den nytilgængelige information på markedet hurtigst

muligt, da det vil give dem en konkurrencefordel, idet priserne tager noget tid at tilpasse sig ny

information. Hvis denne tilpasning tager for lang tid, er der tale om et brud på hypotesen om

markedseffektivitet.

Begrænsning 2: Handelsomkostninger

Når der handels i værdipapirer tilfalder der en række omkostninger til investorerne. I perioder, hvor disse

omkostninger er høje, vil prisen på aktier antage en overpris over en længere periode, end hvis

handelsomkostningerne var lave. Ligesom ved prisen for information er det væsentlige, at

markedsagenterne skal have en passende forrentning af deres omkostninger ved, at deltage i en aktivitet,


der skal gøre markedet mere effektivt. Short selling5 siges at influere meget i priserne, hvilket kan medføre

at priserne påvirkes opad. Dette resulterer i større handelsomkostninger og større fejl i prisen på aktiverne.

Begrænsning 3: Markedsagenternes homogene meninger

Den ovenstående diskussion af markedseffektiviteten har foreslået en arbitrageur6, som så snart han ser en

pris, der er uoverensstemmende med den tilhørende information, vil handle indtil prisen reflekterer den

tilgængelige information. Der er dog flere problemer ved dette ideelle scenarie. Det første problem er, at

det er svært at sige hvornår pris- og informationsniveau vil nå sin ligevægt. Det andet og nok vigtigste

problem er, at det tidligere er antaget, at en investor har ubegrænset kapital til, at investere, hvilket jo er

yderst usandsynligt. Endvidere er det svært at forestille sig, at investorer har præcis samme adgang og

opfattelse til information på markedet.

3. Anomalier

Hvis aktiekurserne reflekterer den tilgængelige information på et marked, siges markedet at være effektivt.

Selvom de fleste markeder rygtes, at være effektive, må der være en smule ineffektivitet, der fører til

misvisende aktiekurser og anomalier. Sidstnævnte er netop hvad dette kapitel vil beskæftige sig med.

Generelt set bør man have en skeptisk tilgang til anomalier. Grunden hertil er, at anomalier kan være

påvirket af en række tilfælde, såsom datamining, small sample bias, selection bias etc.. Datamining

refererer til, at eftersom anomalier er forudsigelige afkastmønstre, vil en person, der studerer hundredvis

af forskellige relationer mellem mange observationer højst sandsynligt finde et eller andet form for

mønster. Eksempelvis vil det være muligt at finde et mønster mellem aktieafkast og vejret i Danmark.

Forudsætninger kræver blot en tilpas stor mængde relationer og nok forsøg for statistisk at finde et

signifikant forhold. En sådan relation vil ikke eksistere i virkeligheden – det er blot en tilfældighed, hvorfor

man bør forholde sig rationelt og kritisk til fremlagte anomalier.

Nogle anomalier kan forklares ud fra at investorerne handler rationelt. Januar effekten og december

effekten er to kalender anomalier som forekommer fordi investorerne handler rationelt. Disse to effekter

giver anledning til skattebesparelser, som er en del af investorernes profitmaksimeringsstrategi.

5 Hvis short selling (salg af aktiver du ikke ejer) er mere besværligt end buying long (køb af aktiver du ikke ejer) vil

priserne påvirkes opad. Hvis nogle aktier er sværere (og derfor dyrere) at short-sell vil prisen på disse påvirkes endnu mere. 6 En type investor, der forsøger at drage fordel af pris ineffektivitet på markedet ved at lave simultane handler der

udligner hinanden og skaber risikofrie profitter.


3.1 Januar effekten

Januar effekten har været kendt af markedsspekulanter i årevis. Historisk set har de gennemsnitlige

aktieafkast – specielt for mindre selskab – været højere i januar, end nogen anden måned i løbet af året. En

konkret forklaring på dette anomalie er ikke anerkendt, men man henviser oftest til hypoteserne om tax-

loss selling og tax-gain selling. Det er alment accepteret, at januar effekten forekommer som en konsekvens

af tax loss selling. Dette skyldes, at siden investorer skal betale skat af deres netto kursgevinster vil de

realisere deres tab mod årets slutning, da dette vil modregnes eventuelle kursgevinster, og derfor skabe

skattefordele.

3.2 December effekten

December effekten er endnu en sæsonudvikling i aktiernes afkast. December effekten minder i sin form

meget om januar effekten. Aktier der har klaret sig godt i perioden mellem januar og november, vil ikke

blive solgt af investorerne i december, da det vil resulterer i kursgevinster. Ved at vente et par dage kan

investorerne udsætte betaling af kursgevinst beskatningen, med næsten et år.

3.3 Winners Curse

Rock (1986) har fundet et af de bedst kendte anomalier indenfor børsintroduktioner. Winner’s curse

forklarer den del af underpricing fænomenet, der kan tilskrives en asymmetrisk fordeling af information.

Ved at opdele investorerne i henholdsvis informerede og uinformerede grupper med overvægt af de

informerede investorer. De informerede anvender deres viden til at undlade at investere i

børsintroduktioner, de mener ikke fair prissat. De uinformerede investorer kan derimod ikke skelne mellem

gode og dårlige børsintroduktioner på grund af manglende informationer. Dette medfører en

overallokering af introduktionsaktierne på de uinformeredes hænder, hvor den store del af markedet – de

informerede – venter på prisen skal nå sit fair niveau. Det skaber en dårlig langsigtet performance for disse

aktier. Oftest ved børsintroduktionerne der anvender dutch auctions7 til at fastsætte udbudsprisen, opstår

denne overallokering af aktier til de uinformerede. Eftersom prisen kommer langt ned på auktionen føler

denne gruppe at de vinder auktionen til en god pris – mens den store informerede gruppe investorer ikke

mener prisen er fair – hvorfor markedsværdien vil være derefter efter notering. Deraf en dårlig langsigtet

performance.

7 Auktioner hvor auktionæren starter med den højeste værdi og går nedefter.


Både januar effekten og december effekten synes, at være domineret af rationel investor adfærd. Det

finansielle marked er dog præget af langt flere anormalier, som ikke kan forklares ved rationel investor

adfærd. Nogle af disse vil belyses i det følgende afsnit.

3.4 Weekend effekten

Et tredje kalender anomale er weekend effekten, som er karakteriseret ved, at det gennemsnitlige

aktieafkast er relativt større om fredagen, sammenlignet med om mandagen. Der er givet flere forklaringer

på fænomenet, men det er ikke lykkedes, at sammenkæde en egentlig relation - ligesom man kunne i de

ovennævnte effekter. Nogle mener, at virksomhederne udskyder offentliggørelsen af dårlige nyheder til om

fredagen efter børserne er lukket og at effekten af disse nyheder derfor først indtræffer om mandagen ved

genåbning af børsen. En anden forklaring er, at private investorer udskyder deres investeringsbeslutninger

til weekenden, fordi de har for travlt i løbet af ugen. Short sellers tildeles det meste af skylden for weekend

effekten, da deres position er meget risikabel, hvilken de ikke ønsker at opretholde weekenden over, og

derfor sælger ud om fredagen, og køber igen om mandagen.

3.5 Kortsigtet momentumudsving

Kursen på aktier har ifølge litteraturen tendens til, at blive medrevet i en slags momentum periode, hvor

kurserne siver i enten den ene eller anden retning. Det betyder at hvis en aktiekurs stiger fortsætter den

med at stige, og omvendt på grund af dens indledende stigning. Primatani og Singal (2001) undersøger det

efterfølgende anomale afkast for selskaber, der netop har offentliggjort nyheder om virksomheden. Ifølge

Fama’s definition på markedseffektivitet skulle kursen på disse selskaber straks reflektere den nytilkomne

information. Deres undersøgelse viste dog at der efter nyhedsdagen og 20 dage frem, generelt kunne

tjenes et anomalt afkast på 3,5%. Af det kan det udledes at enten indregnes nye informationer ikke

øjeblikkeligt i kurserne, som de skal ifølge markedseffektiviteten, eller også findes der en irrationel

investoradfærd, der skaber dette momentumudsving. Det forsøges dog forklaret blandt andet ved idéen

om, at nyheder kommer i klaser og på den måde fortsætter med at skubbe til kursen. En anden forklaring

er at institutionelle investorer, der ønsker, at købe efter en nyhed, forsøger at sprede deres transaktioner

over flere dage for ikke at lægge for meget pres på kursen.


4. Børsintroduktioner

En børsintroduktion er i ordets simple betydning, når et selskab vælger at lade sig notere på en fondsbørs.

Dette kapitel vil kort introducere betydningen af en børsintroduktion for et selskab – hvilke overvejelser

selskabet bør foretage sig, grunde til at selskabet lader sig børsintroducere samt fordele og ulemper

derved. Dernæst vil anomalier på børsintroduktionsmarkedet gennemgås med speciel fokus på

underpricing, hot issues og langsigtet underperformance. Slutteligt vil det Skandinaviske børsmarked kort

beskrives.

4.1 Overvejelser før en børsintroduktion Når en virksomhed vælger, at lade sig børsnotere kan der ligge flere grunde bag. Nogle af disse grunde er

listet på Price Water House Coopers’ hjemmeside:

- Tilvejebringelse af kapital

- At tiltrække og fastholde medarbejdere, samt forbedre virksomhedens omdømme

- Etablering af konkurrencemæssige fordele gennem børsnotering og egenkapitalstyrkelse

En børsnotering er en måde for et selskab, at komme i besiddelse af store mængder likviditet, der kan

benyttes til at finansiere nye projekter, ekspansioner, gæld etc.. Endvidere kan der opnås skattefordele ved

at sammensætte en kapitalstruktur bestående af egenkapital og gæld. Med sig bringer en børsintroduktion

strukturelle ændringer, samt øgede forpligtelser for det givne selskab. Selskabet bliver et kendt navn i

offentligheden og investorerne vil have høje forventninger til selskabets præstationer. Derudover følger en

række love og krav, der skal overholdes, når man agerer på børsmarkedet. Dette stiller krav til selskabets

ledelse, og man bør derfor være godt forberedt inden en børsnotering. Nedenfor er der listet en række

fordele og ulemper ved børsnotering.

Fordele

- Selskabet øger sin værdi ved at sprede egenkapitalen ud på flere investorer, som dermed

diversificerer risikoen.

- Selskabet kan udnytte eventuelt overskud til, at skabe yderligere vækst, da investorerne ikke stiller

direkte krav om udbetaling af forrentning, men på kort sigt ser sig tilfreds med kursstigninger.


- Ved introduktion på børsmarkedet vil markedet objektivt fastsætte aktieprisen efter udbud og

efterspørgsel. På den måde elimineres den eventuelle adverse selection8, der kan være opstået

mellem investor og de oprindelige ejere før børsintroduktionen.

- De oprindelige ejere kan udnytte børsintroduktionen til at realisere deres aktiebeholdning og

dermed øge deres likvide beholdning.

- Risikoen for moral hazard9 mellem investorer og ledelsen reduceres, da virksomheden evalueres i

forhold til andre virksomheder, som dermed virker som proxy for kvaliteten af ledelsens arbejde.

- Virksomheden får flere forhandlingsmidler i form af aktier ved fremtidige fusioner og

virksomhedsopkøb. Forhandling med aktier kan være nemmere end at fremskaffe likviditet.

- Virksomheden får lettere mulighed for at fremskaffe kapitaludvidelser i fremtiden ved at udstede

flere aktier på fondsbørsen.

- Virksomheden åbner muligheden for at udstede medarbejderoptioner, som knytter de ansatte

fastere til virksomheden, hvilket kan fremme præstationerne.

- Grundet kravene for at kunne børsnotere sig er det en blåstempling af virksomheden og dens

kreditværdighed, hvilket giver mulighed for lånefinansierede udvidelser.

- Ved at lade sig offentliggøre på børsen bliver selskabet et kendt navn, hvilket giver mulighed for at

opnå goodwill, som kan udnyttes ved forretning i såvel indland som udland.

Ulemper

- Fondsbørsens regler for oplysningsforpligtelser skal overholdes, hvilket indebærer offentliggørelse

af årsregnskab og halvårsmeddelelser. Væsentlige begivenheder skal offentliggøres og alt dette

uanset om det måtte have negativ indflydelse på virksomheden.

- Da ovenstående informationer er tilgængelige for offentligheden er de også tilgængelige for

virksomhedens konkurrenter, som derfor har let adgang til virksomhedens resultater.

- Virksomhedens ledelse bliver bedømt af aktionærerne, hvilket kan få ledelsen til at handle

kortsigtet for at sikre næste resultat samt afkast til investorerne. Denne tendens kan have en

negativ indflydelse på det langsigtede resultat.

- Risikoen for moral hazard, hvor ledelsen handler efter egne interesser på bekostning af

investorerne.

8 Adverse selection beskriver en situation, hvor asymmetrisk information fører til et ikke optimalt udfald.

9 Moral hazard beskriver det problem, der opstår, hvis to parter indgår en aftale om risikodeling, hvor den enes

indsats vil påvirke sandsynlighedsfordelingen for udbyttet for den anden part.


- At lade sig børsintroducere samt at være noteret på børsen er en omkostningsfuld affære. Ved

børsintroduktionen kan underpricing anomalien koste ejerne store summer, da virksomheden

bliver solgt til mindre end dens reelle værdi.

Disse fordele og ulemper bør indgå i bestyrelsens beslutninger omkring det, at lade sig børsintroducere. Før

en eventuel børsintroduktion bør virksomheden foretage en strategisk analyse af selskabet, som bør

indeholde alle relevante forhold, der kan have indflydelse på selskabets fremtidige performance.

Der findes andre alternativer, der giver selskabet mulighed for at fremskaffe kapital end børsnotering. På

grund af virksomheders forskellige præferencer er det ikke muligt entydigt, at udpege en bedste

finansieringskilde.

Vælger selskabets bestyrelse egenkapital som finansieringskilde er der flere muligheder, men normalt

starter man med at vende blikket mod ejerne. Man vil normalt søge egenkapitalindskud fra ejerne og

dennes relationer, hvilket udadtil også symboliserer tillid og ikke stiller store krav med hensyn til

rapportering. Der er dog fordele og ulemper ved denne form for kapitalindskud. Idet man søger finansiering

fra en privatperson, er der oftest begrænset kapital til rådighed. Finansieringen giver dog mulighed for

fleksibilitet, da man allerede befinder sig i ejerkredsen, og derfor slipper for lange informationsstrømme

mellem nye investorer og ledelsen.

Hvis man i virksomheden beslutter sig for ikke, at benytte mulighederne hos privatpersoner, kan man søge

muligheden for at få tilført egenkapital gennem venturekapitalselskaber. Ventureselskaber yder såvel

kapitaltilførsel som tilførsel af ekspertise og erfaring til udvalgte virksomheder. De starter oftest

samarbejdet tidligt i udviklingsforløbet for, at drage nytte af den tilførte kapital og erfaring.

Kapitalindskuddet sker sædvanligvis ved, at ventureselskabet får andel i virksomheden, og stiller derfor

krav om interne oplysninger og rapporteringer. Dette kan føles som en magtafgivelse fra de oprindelige

ejere, som derfor føler det som en ulempe. Venturekapital-løsningen vil blive gennemgået i et senere

afsnit, da selskaber med denne løsning vil blive testet for performance efter børsnotering.

Et alternativ til ventureselskaber er pensionskasser, der på grund af lovbestemte placeringsregler forbyder

dem, at have bestemmende indflydelse. Pensionskasser investerer derfor mere passivt og hæmmer ikke

virksomheden på samme måde som ventureselskaber, hvilket ejerne tilgodeser. Der stilles dog stadig krav

til oplysning og rapportering til pensionskasserne, hvilket alt andet lige tilføjer virksomheden ekstra arbejde

og forpligtelser.


For investorens synspunkt er der flere omstændigheder, der gør det attraktivt for mange investorer, fonde

og institutioner, at blive aktionærer i mindre virksomheder. Som medejer i en nystartet virksomhed har

man udover afkastmuligheder, mulighed for potentielle strategiske alliancer, øget netværk eller udnyttelse

af viden. Investering i små virksomheder kan derfor tilføre investorerne meget mere afkast, end i sin

nominelle forstand.

4.2 Børsintroduktioners anomalier

For børsintroduktioner findes tre anomalier, som mere eller mindre synes at danne det generelle billede af

børsintroduktioners kursadfærd. I dette afsnit vil følgende anomalier; underpricing, hot issue marked og

langsigtet underperformance blive behandlet. Sidst nævnte anomale vil opgaven rette mest fokus på. En vis

sammenhæng mellem de ovennævnte anomalier er uundgåeligt, da der findes en klar relation anomalierne

imellem.

4.2.1 Underpricing

Børsintroduktioner har interesseret økonomer i mange årtier. Blandt de første til at dokumentere

underpricing var Logue (1973) og Ibbotson (1975), som fremførte beviser på, at aktier havde en tendens til

at blive solgt til underpris og aktieprisen derfor steg markant på den første handelsdag. Underpricing er

derfor en af de mest velkendte anormaliteter og repræsenterer en betydelig sum penge, der efterlades på

bordet på mange af verdens børser. Underpricing er uden tvivl en stor omkostning for en virksomheds

ejere idet deres aktier er solgt til en for lav pris, mens værdien af aktien vedligeholdes efter

børsintroduktionen.

Underpricing finder sted under prisfastsættelsen af en børsintroduktion og defineres som differencen

mellem udbudsprisen og markedsprisen på den første handelsdag. Differencen bliver ofte kaldt for money

left on the table, da det ses som en ekstra kapital, der burde have tilfaldet selskabet. Paradokset har

inspireret en stor teoretisk litteratur, som dokumentérer og forsøger at rationalisere, hvorfor

børsintroduktioner bliver underpriced. Disse kan grupperes i fire hovedpunkter: asymmetric information,

institutional reasons, control considerations og behavioral approaches.

Graden af underpricing er i nogle lande mere udbredt end andre. Jay Ritter har udarbejdet en tabel, der

giver et overblik over omfanget af underpricing i 45 lande. Figur 4.2.1 er en gengivelse af Jay Ritters værk i


dets originale form10. Samtlige af Skandinaviens lande er repræsenteret i tabellen, hvor Sverige genererer

et afkast på hele 27,3% efterfulgt af Finland med 17,2%, Norge med 9,6% og sluttelig Danmark med 8,1%.

4.2.2 Hot issue market

En anden tendens i aktiekurserne er, at der fremkommer klare cyklusser i både antallet af børsnoteringer

og det gennemsnitlige afkast i forbindelse med underpricing. Undersøgelser viser, at man efter perioder

med stor underpricing oplever et stigende antal børsintroduktioner – mønsteret kaldes for et hot issue

marked. Fænomenet har fundet sted i mange undersøgelser, men en rationel forklaring er aldrig blevet

fundet. Nogle mener, at virksomhederne nøje planlægger hvornår børsintroduktionen bør finde sted for at

skabe de bedste omstændigheder, hvilket kaldes windows of oppotunities og beskrives i et senere afsnit.

10

Tabellen er tilgængelig i bilag 2

Kilde: Jay Ritter (http://bear.cba.ufl.edu/ritter/ipodata.htm)

Figur 4.2.1 Gennemsnitligt førstedagsafkast for europæiske børsintroduktioner

http://bear.cba.ufl.edu/ritter/ipodata.htm


4.2.3 Langsigtet underperformance

Den tredje anomale er, at finde i aktiernes dårlige performance på lang sigt. Ved langsigtet performance

forstås udviklingen i aktiekursen fra børsintroduktionens første handelsdag og frem. Tidligere studier

benytter en periode, der strækker sig over henholdsvis 3 og 5 år. Langsigtet underperformance kan

defineres som, at aktiekursen har været for høj ved børsintroduktionen.

Utilfredshed med børsintroduktioners dårlige performance har lagt grund til flere teoretikers forsøg på at

påvise fænomenet. Ibbotson (1975) var blandt de første til, at afdække emnet og trods antydninger af

underperformance var det ham ikke muligt, at påvise nogen egentlig anomale. Mindre kendte studier

udarbejdet af Forbes (1985) samt Stern & Bornstein (1985) kom på rette spor, men formåede aldrig rigtig at

slå igennem. Det var først da Ritter (1991) og Loughran & Ritter (1995) fremførte deres teorier, at

fænomenets omfang virkelig blev dokumenteret. Tabel 4.2.2 giver et overblik over omfanget af

underperformance på internationalt plan. Trods mangel på dansk og norsk deltagelse giver modellen et

skøn over den skandinaviske situation. Finland fremviser klart negativt afkast sammen med andre

nærliggende lande som Tyskland og England. Bemærkelsesværdigt er det dog, at Sverige er repræsenteret

med et positivt afkast på 1.2 %. Historisk set havde Sverige op gennem 80’erne levet over evne, hvilket kan

ligge til grund for det positive afkast. Tendensen forventes ikke at fortsætte i den følgende periode. Hvorfor

denne opgave er relevant, da den netop beskæftiger sig med nærværende problemstilling i perioden 1997-

2007 for hele Skandinavien. Endvidere bør man bemærke, at Australiens og Brasiliens meget negative

afkast, hvorimod Korea har opnået et positivt afkast på over 90 %.


Country Study Sample period

Sample size

Window (years)a

Return (%)b

Australia Lee et al. (1994) 1976-89 266 3 -51.0 Brazil Aggarwal et al. (1993) 1980-90 62 3 -47.0 Canada Shaw (1971) 1956-63 105 5 -32.3 Chile Aggarwal et al. (1993) 1982-90 28 3 -23.7 Finland Keloharju (1993b) 1984-89 79 3 -21.1 Germany Ljungqvist (1996b) 1970-90 145 3 -12.1 Great Britain Levis (1993a) 1980-88 712 3 -8.1 Hong Kong McGuinness (1993b) 1980-90 72 2 -18.3 Japan Cai and Mahmood (1993) 1971-90 172 3 -27.0 Korea Kim et al. (1995) 1985-88 99 3 +91.6 Singapore Hin and Mahmood (1993) 1976-84 45 3 -9.2 Sweden Loughran et al (1994) 1980-90 162 3 +1.2 Switzerland Kunz and Aggarwal (1994) 1983-89 34 3 -6.1 USA Stigler (1964a,b) 1923-28 70 5 -37.7 USA Simon (1989)c 1926-33 35 5 -39.0 USA Simon (1989)d 1934-40 20 5 +6.2 USA Stigler (1964a,b) 1949-55 46 5 -25.1 USA Cusatis et al (1993)e 1965-88 146 3 +33.6 USA Loughran (1993) 1967-87 3656 6 -33.3 USA Loughran and Ritter (1995) 1970-90 4753 5 -30.0 USA Ritter (1991) 1975-84 1526 3 -29.1 a Window is the number of years over which after-market returns are recorded

b Returns are calculated over the investment window and thus are not annualized, exclude the initial

underpricing return, and are generally market-adjusted, but not risk-adjusted. Some authors use a

range of benchmarks; in these cases, a representative result is shown. Computation methodologies

vary. c IPOs on regional exchanges only; a sample of 18 NYSE stocks performed neutrally (average cumulative

abnormal return: -1.16 per cent after 5 years). d Aggregated NYSE and non-NYSE long-run IPO returns, reported in Simon’s (1989) table B4.

e Subsidiaries of listed companies that were spun off in an initial public offering. The positive returns are

driven by a subsample of spin-offs which were targets of takeover bids.

4.3 Forklaringer på underperformance

Mange har gennem tiden forsøgt, at finde en forklaring på underperformance fænomenet. Følgende afsnit

vil fremstille de mest kendte teorier – impresario hypotesen, hypotesen om divergerende meninger,

windows of opportunities og fejl i målinger og tests. En mindre anerkendt teori fremført af Ritter (1991)

”bad luck” afvises i denne sammenhæng, da tabel 4.4.2 tydeligt afviser, at der kan være tale om

tilfældigheder.

Tabel 4.2.2 Komparative langsigtede afkasts performance for børsintroduktioner

Kilde: Going public – The theory and evidence on how companies raise equity finance, Tim Jenkinson og Alexander Ljungqvist (1996).


Impresario hypotesen

Shiller (1990) fremstiller en hypotese, som tager udgangspunkt i, at børsintroduktioner underprissættes.

Argumentet bygger på, at markedet for børsintroduktioner er underkastet irrationalitet blandt investorerne

og at børsintroduktionerne udbydes for lavt af impresarierne for, at skabe en falsk tro på høj efterspørgsel.

Investeringsbankerne (impresarierne) ønsker, at give et indtryk af, at de giver gode investeringsråd og

underprissætter derfor aktien. Dette skaber publicitet og et godt indtryk af børsintroduktionsmarkedet,

hvilket øger fokus på markedet og kan overophede det. Handler gennemført på et overophedet marked vil

foregå til en højere pris end fundamentalværdien, men denne difference korrigeres over tid, hvilket skaber

et lavt afkast på lang sigt. Selskaber med den største underprcing generer derfor det laveste afkast ifølge

hypotesen.

Hypotesen om divergerende meninger

Denne hypotese postulerer, at investorer ikke værdisætter en given aktie ens – nogle investorer vil være

mere optimistiske omkring en given børsnotering end andre, hvorfor de mest positive med rette vil købe

aktien. Usikkerheden omkring værdiansættelsen af aktien afspejler sig i den givne værdi den henholdsvis

optimistiske og pessimistiske investorer fremfører. En optimistisk investor vil alt andet lige fremføre en

højere værdi af en given virksomhed end den pessimistiske, men over tid vil differencen udlignes idet mere

information er til rådighed. Effekten af den øgede information er, at markedsprisen falder på lang sigt.

Windows of opportunities

Denne hypotese bygger på, at man finder en højere koncentration af børsintroduktioner efter en periode,

hvor udviklingen af de etablerede selskaber var specielt positive. Dette kunne indikere, at ledelsen hos et

introducerende selskab forsøger, at udnytte et positivt marked til, at opnå en høj værdiansættelse. Med

andre ord vil et selskab, hvis aktier er for dårligt værdsatte, vente med børsintroduktionen til mere

favorable omstændigheder. Hvis tesen om windows of opportunities holder, vil resultatet være, at perioder

med en høj koncentration af børsintroduktioner forbindes med lavt langsigtet afkast.


Fejl I målinger/tests

Tilhængere af hypotesen om det effektive marked har fremført et argument, der påpeger en del

problematikker med de statistiske tests af markedseffektiviteten i børsintroduktionsmarkederne. Det er

umuligt, at skelne mellem hvad der er rigtigt og hvad der er forkert, da det afhænger af, hvilken tilgang og

hvilke antagelser man har til problematikkerne. Det virker dog usandsynligt, at en markant forbedring af de

statistiske tests vil være i stand til at bortforklare langsigtet underperformance.

4.4 Generelt om det Skandinaviske børsmarked

Det nordiske børsmarked er i dag stort set samlet under én instans. Før i tiden blev alle finansielle aktiver

handlet på børser i deres respektive lande med børsernes respektive ejere. Men omkring 2003 gik den

finske HEX sammen med det svenske OM, der ejede den svenske børs, og dannede OMX. Derfra gik det

hurtigt med, at overtage børsen på Island og fondsbørsen i København. OMX dannede nu ejerskab af

børserne i alle Nordens lande, med undtagelse af den norske, hvor der er en ejerandel på omkring 10%.

Derfor ændrede blandt andet det danske eliteindeks, KFX, navn til OMXC20. OMX blev i 2007 overtaget af

amerikanske Nasdaq og hedder derfor nu Nasdaq OMX. Nasdaq OMX driver nu børserne i alle Nordens

lande med undtagelse af Norge, der dog har deres største selskaber handlet på denne børs. OMX er stadig

fordelt på landenes hovedstæder, Helsinki, Stockholm og København. Der er endvidere oprettet et nordisk

indeks bestående af de største selskaber på tværs af landene.

Totalt set var der i 2009 noteret 668 selskaber på børsen, hvor de er inddelt i grupper efter markedsværdi,

henholdsvis large-, mid- og smallcap. De mest omsatte aktier er finske Nokia og de to svenske selskaber

H&M og Ericsson, hvor Nokia i 2009 havde en daglig handelsomsætning på omkring 217 millioner euro.

Generelt for hele børsen, har den omkring 215.000 handler om dagen og giver en daglig handel af aktier for

gennemsnitligt 2,2 mia. euro. Det skal nævnes, at børsen i Stockholm har en omsætning på godt det

tredobbelte af hvad både København og Helsinki har, og har ligeledes også en over dobbelt så stor samlet

markedsværdi.

Børsmarkederne i Norden er siden opkøb og sammenlægninger blevet nærmere én stor handelsplads, hvor

det er lettere for investorer, at sprede investeringerne på tværs af grænser. Der findes dog stadig en række

selskaber, der sjældent bliver handlet på trods af notering på OMX. Det er oftest selskaber med små

markedsværdier (small cap), der ikke opnår en daglig omsætning af deres aktier. Derfor kan der

argumenteres for, at markedseffektiviteten ikke helt gælder for disse selskaber, da de ikke bliver prissatte


hver dag. De tre hovedindeks for OMX samt for Oslo børsen, er der dog så stor en omsætning, at

virksomhederne bliver prissatte konstant, og kan nærme sig markedseffektivitet ifølge Fama’s semistærke

definition.

5. Eventstudie

Det følgende afsnit vil beskæftige sig med, at beskrive teorien om eventstudier. Eventstudie vil oversat til

dansk sige begivenhedsstudie og begivenheder er netop hvad der er interessant for mange grupper af

mennesker, når de iagttager og vurderer en virksomhed. Disse grupper af mennesker interesserer sig for,

hvordan en begivenhed af økonomisk art har af effekt på den konkrete virksomhed. Effekten er forholdsvis

nem at finde, hvis det antages at markedet, hvorpå virksomheden agerer, er rationelt – dvs. markedet

øjeblikkeligt reagerer på ændringer og at disse informationer reflekteres i aktiekurs.

Teorien om event studier har sine rødder tilbage i 1933, hvor Dolley (1993) studerede priseffekten af stock

splits ved, at undersøge den nominelle prisændring på tidspunktet hvor splittet blev realiseret. Denne teori

blev udbygget af Fama, Fisher, Jensen og Roll (FFJR) i 1969, hvor de ligeledes studerede priseffekten af

stock splits, men med hensyntagen til eventuelle dividendestigninger.

5.1 Konstruktion af eventstudie

I det følgende afsnit vil konstruktionen af event studie tage udgangspunkt i en nyere teori udformet af

Campbell, Lo, MacKinlay (1997), som er beskrevet ud fra syv trin.

Event definition

Det mest essentielle ved eventstudier er klart, at definere den begivenhed man ønsker, at klarlægge i sin

analyse. Ofte finder man i økonomiske eventstudier begivenheder, som offentliggørelse af kvartals-,

halvårs- og årsberetninger, aktiesplit, emissioner eller børsintroduktioner. Dernæst skal event window

difineres. Event window er den periode studiet skal fokusere på, hvor der oftest skelnes mellem kortsigtede

og langsigtede effekter.


Udvælgelses kriterier

Når event definitionen er tilrettelagt, skal der fokuseres på udvælgelses kriterier. Det kræver en rimelig

mængde oplysninger om selskabet, når der skal tages stilling til, om det bør inddrages i stikprøven eller ej.

Det afhænger af studiets definition af en konkret begivenhed, hvad der ønskes, at undersøges omkring –

nogle er meget specifikke og kræver derfor branche opdeling eller specielle ejerstrukturer.

Normale og anomale afkast

For at kunne måle effekten af en begivenhed skal man estimerer det anormale afkast. Det anormale afkast

defineres som selskabets faktiske afkast i eventperioden, fratrukket det normale afkast afhængigt af

begivenheden for virksomheden i perioden. Man skal derfor bestemme en proxy variabel for det normale

afkast, som beskriver det forventede afkast for virksomheden. Det anormale bliver derfor det afkast der

skyldes det undersøgte event.

Estimerings procedure

Når modellen er valgt skal parametrene estimeres, hvilket normalt gøres ud fra historisk data, der er taget

før begivenhedsperioden indtræffer. Denne pre-event data kan være svært tilgængelig ved visse

begivenheder såsom børsintroduktioner, da data endnu ikke er konstrueret. I sådanne tilfælde vil man

være nødsaget til, at estimere parametrene efter bedste overbevisning. En sådan situation er selvfølgelig

ikke gunstig og bør være den absolut sidste udvej.

Test procedure

Efter at have færdiggjort estimatet af parametrene er testen klar til at gennemføres.

Parameterestimatorerne benyttes til at beregne residualafkastene ud fra den valgte model. Efterfølgende

kan flere teknikker til sammenligning af de forskellige firmaers afkast overvejes. Normalt anvendes

teknikker som AR, CAR og BHAR til denne sammenligning. Sluttelig skal nulhypotesen defineres.

Empiriske resultater

Efter udførelsen af testen kan de empiriske resultater fremlægges. Når resultaterne skal fremføres kan det

gøres med forskellige tilgange, afhængigt af testens omstændigheder. Har man f.eks. en lille stikprøve bør

man overveje at fjerne outliers, da de kan have en stor indflydelse på det endelige resultat. Betydelsen af

sådanne outliers minimeres ved større stikprøver, da de vil udligne hinanden.


Fortolkning of konklusion

Man vil nu forhåbentlig være i stand til, at fortolke og drage beslutninger på den valgte begivenheds effekt

på selskabernes kurser. Det kan dog i visse tilfælde være nødvendigt at lave yderligere analyser for, at

kunne få et retvisende resultat.

6. Metodologi

Den voksende litteratur indenfor finansiel forskning viser, at der faktisk konsistent kan tjenes anormale

afkast på lang sigt efter bestemte events. Dette modsiger den tidligere omtalte efficiente

markedshypotese, der som bekendt mener, at aktiekurser justeres omgående, og afspejler al tilgængelig

information i markedet. Fama (1998) argumenterer for, at tydelige anormale afkast kan skyldes

metodologien og at de fleste langsigtede anormale afkast forsvinder med ændringer i metoden. Fama er

ikke alene om denne argumentation. Kothari m.fl (1997) og Barber & Lyon(1997) konkluderer ligeledes, at

de langsigtede afkasthorisonter er sensitive til valg af metode. Der findes endnu ingen modeller, der kan

estimere anormale afkast uden usikkerhed og derfor er det særligt vigtigt at være omhyggelig, når der skal

vælges metode til netop det studiet ønsker at undersøge.

Nedenfor introduceres de hyppigst anvendte metoder ganske kort, hvorefter en begrundelse og nærmere

beskrivelse af valgte metoden følger.

6.1 Metoder

Der findes mange metoder til, at udføre et studie af finansielle events, men der findes dog nogle metoder,

der er hyppigere anvendt end andre. Forskellene er, som oftest hvilket benchmark, der anvendes til at

beregne enten det kumulative anormale afkast (CAR), eller et buy-and-hold anormalt afkast (BHAR). Af

forskellige metoder til opbygning af benchmarks til CAR og BHAR findes der umiddelbart 3 alment kendte

metoder; referenceporteføljer, kontrolvirksomheder og indeksmodellen. Derudover findes de

risikojusterede modeller, der baserer det forventede afkast på baggrund af en risikofaktor, frem for et

benchmark alene.

Kumulative anormale afkast (CAR)

De akkumulerede anormale afkast beregnes først ud fra de enkelte aktiers afkast, minus deres benchmark i

en given måned. Derefter summeres alle anormale afkast for den givne måned og det gennemsnitlige


anormale afkast findes. Slutteligt summeres alle gennemsnitlige anormale månedsafkast til det

akkumulerede anormale afkast. Ritter (1991)

𝑎𝑟𝑖𝑡 = 𝑟𝑖𝑡 − 𝑟𝑚𝑡 (1)

𝐴𝑅𝑡 =1

𝑛 𝑎𝑟𝑖𝑡

𝑛𝑖=1 (2)

𝐶𝐴𝑅 = 𝐴𝑅𝑡 (3)

Buy and hold anormale afkast(BHAR)

BHAR ligner umiddelbart den mest realistiske måde en investor ville opgøre sine afkast på. BHAR beregnes

som afkastet mellem første eventdag og til slutningen af eventperioden(Ri) minus det samme for det valgte

benchmark (ANG m.fl. 2004):

𝐵𝐻𝐴𝑅 = 𝑅𝑖 − 𝐵𝑒𝑛𝑐𝑕𝑚𝑎𝑟𝑘𝑖 (4)

BHAR datamæssigt ganske let anvendelig, da den kun anvender en start og slutkurs til beregning af afkast.

Referenceporteføljer

Der oprettes en matchende portefølje til de selskaber, der ønskes et beregnet anormalt afkast for.

Porteføljerne kan være opbygget ud fra matchende industri, omsætning, markedsværdi, indtjening og så

videre. Aktiens afkast fratrækkes derefter referenceporteføljens afkast for samme periode og det anormale

afkast findes. Blandt andre anvender Jay Ritter (1991) referenceporteføljer i sin banebrydende

undersøgelse om børsintroduktioners langsigtede afkast.

Kontrolvirksomheder

Anormalt afkast ved brug af kontrolvirksomheder ligner meget referenceporteføljen-metoden. Forskellen

består blot i at anvende en enkelt virksomheds afkast til beregning af det anormale afkast. Det kræves dog,

at der findes et andet selskab, der ligner eventselskabet betragteligt.


Indeksmodeller

Det er umiddelbart lettest, at anvende et allerede eksisterende indeks til, at kontrollere med, da dette ikke

kræver det store dataarbejde for undersøgeren. Et markedsindeks anvendes ofte som en proxy for

markedsrenten og derfor synes modellen at være tiltalende. Dog gives der ikke et nærmere nuanceret

indblik i eventselskabets egentlige performance opholdt mod selskaber med samme markedsvilkår og

egenskaber.

Typiske bias

Hyppige problemer med specielt reference og indeksporteføljer er blandt andet en såkaldt survivorship bias

og new listing bias. Benchmarkporteføljen består ofte af et dynamisk indeks, der optager selskaber, som

bliver noteret på børsen og piller dem ud igen, hvis de bliver aflistet. Derfor bliver eventporteføljen

kontrolleret med en markedsportefølje bestående af selskaber, der alle overlever på børsen, og samtidig

indeholder optagede selskaber efter eventets begyndelse. Markedsporteføljens afkast er derfor ikke

tilsvarende til, hvis der blev investeret lige meget i hvert af porteføljens selskaber ved eventets begyndelse,

da indekset ikke bliver påvirket af selskabers afnotering, mens øvrige nye introduktioner netop påvirker

indekset. Derudover balancerer de fleste ligevægtede markedsindeks indekset hver måned, hvilket skaber

en rebalancing bias. Bliver indekset balanceret svarer afkastet ikke til den investoroplevelse, der skal

bruges til beregning af det anormale afkast. Disse biases kan dog undgås ved selv, at sammensætte en

markedsportefølje og beregne afkast for hele eventperioden derudfra.

Risikojusterede modeller

Udover de ovennævnte modeller, der sammenholder afkast i forhold øvrige virksomheders afkast, findes

der også modeller der justerer for risikoen. Det mest kendte er CAPM modellen, der estimerer β som risiko

og derudfra beregner det forventede afkast. Der findes flere videreudviklinger af CAPM, hvoraf den bedst

kendte er 3-faktor modellen af Fama & French (1992). Kort beskrevet anvender modellen 3 faktorer til

estimering af forventet afkast ved hjælp af en regressionsanalyse. I modsætning til BHAR måler denne

metode ikke investoroplevelsen, men nærmere om der konsistent findes anormale afkast. En dybere

forklaring følger i senere afsnit.


6.2 Valg af metode

Til at udføre dette studie er de risikojusterede modeller valgt, nærmere CAPM og 3-faktor-modellen af

Fama & French (1993). CAPM og tre-faktor modellen er valgt af flere årsager. Først og fremmest da de siger

mere om hvorvidt der konsistent kan opnås anormale afkast for en given portefølje, som er dette

eventstudies formål. Derudover er håndteringen af store porteføljer væsentligt mere overkommeligt end

eksempeltvist ved anvendelse af CAR og referenceporteføljer. Samtidig undgås biasproblemer som new

listings, rebalancing, og survivorship. Sammenholdes tre-faktor modellen med CAPM modellen, inddrages

der som nævnt yderligere to faktorer, der skal kontrollere for henholdsvis størrelse og værdi. I litteraturen

forklarer CAPM modellen typisk omkring 80% af porteføljeafkast, mens tre-faktor modellen ofte forklarer

over 90%. Carhart (1997) anvender en ekstra faktor i tre-faktor modellen kaldet momentum-faktoren, der

skal kontrollere for afkast forud for eventen. Den såkaldte fire-faktor model, er der ikke umiddelbart bevis

for er en bedre model ifølge ANG og ZHANG (2004), der igennem deres studie finder at hypotesen for ofte

fejlagtigt bliver afvist. Fire-faktor modellen vil ikke blive taget i betragtning i denne test af den simple årsag,

at der for børsintroduktioner ikke findes et forudgående afkast der kan kontrolleres for.

Det anerkendes, at der for en optimal konklusion bør anvendes flere metoder til denne

performancevurdering, men omfanget af dette vil falde uden for denne afhandlings grænser, og vil

udelukkende fokusere på anvendelsen at de risikojusterede modeller.

CAPM

CAPM modellen blev introduceret af blandt andre Sharpe (1964), Linther (1965) og Black(1972) og er den

først udviklede ligevægtsmodel for hele kapitalmarkedet. Modellen er bygget op med én afhængig variabel

og én forklarende faktor.

CAPM:

𝐸 𝑅𝑖 ,𝑡 = 𝛼 + 𝛽𝑖(𝑅 𝑀,𝑡 − 𝑅𝐹,𝑡) (5)

hvor,

𝐸 𝑅𝑖 ,𝑡 er det forventede afkast for den enkelte sikkerhed

𝑅𝐹,𝑡 er den risikofrie rente

𝑅 𝑀,𝑡er markedsafkastet

𝛽𝑖 er konstanten der angiver den forventede ændring i aktie i’s afkast givet en ændring i (𝑅 𝑀,𝑡 − 𝑅𝐹,𝑡)

CAPM er ofte blevet anvendt i sammenhæng med porteføjlesammensætning, der ved hjælp af sin beta

estimering er med til at bestemme over- eller undervægtning af enkelte aktier i en samlet portefølje.


Modellen estimerer det afkast man kan forvente ved et givent påtaget risikoniveau, også kaldet

afkastkravet. Til risikovurderingen anvender modellen β, som tager udgangspunkt i volatiliteten for

markedet og den enkelte aktie samt korrelationen:

𝛽 = 𝐴𝑘𝑡𝑖𝑒𝑛𝑠 𝑣𝑜𝑙𝑎𝑡𝑖𝑙𝑖𝑡𝑒𝑡

𝑀𝑎𝑟𝑘𝑒𝑑𝑒𝑡𝑠 𝑣𝑜𝑙𝑎𝑡𝑖𝑙𝑖𝑡𝑒𝑡 𝑥 𝑘𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑚𝑒𝑙𝑙𝑒𝑚 𝑎𝑘𝑡𝑖𝑒𝑛 𝑜𝑔 𝑚𝑎𝑟𝑘𝑒𝑑𝑒𝑡 (6)

Med volatilitet menes prissvingninger på kursen, og der anvendes som oftest standardafvigelsen for en

given periode. Ved at gange med korrelationen bliver risikoen ikke kun justeret for egne prissving, men

også i hvor høj grad den enkelte aktie svinger i takt med markedet. Jo mindre korrelation des mindre β, da

aktien ikke i så høj grad bliver udsat for udsving i markedet, som ved en høj korrelation.

Den egentlige ligevægt kan tegnes ved hjælp SML-linjen, der står for security market line. Alle korrekt

prissatte enkeltaktier ligger på denne linje, og det vil sige, at det forventede afkast for aktien er den

risikofrie rente plus en β-justeret risikopræmie. I figur 6.2.1 illustreres ligevægtslinjen, hvor

markedsafkastet har en β på 1, der er den gennemsnitlige β for hele markedet. Er β således større end 1 for

en aktie, er det forventede afkast derfor også højere eftersom risikopåtagelsen er større. Ligger en aktie

ikke på SML linjen er aktien ikke korrekt prissat og giver derfor et bedre eller dårligere afkast end forventet.

I porteføljeteorien bør aktier der ligger over SML overvægtes, mens aktier under bør undervægtes eller

short sælges. (Harbjerg 1997)

Figur 6.2.1 Security Market Line

Kilde: Egen tilvirkning, inspiration fra Harbjerg (1997)


I regressionsanalysen estimerer konstanten α, det yderligere afkast, der opnås over det risiko justerede

forventede afkast. Er α negativ har aktien klaret sig dårligere end det forventedes ved det givne

risikoniveau og ligger derfor under SML og omvendt. Denne er også kendt som Jensens alfa. Ud fra den

estimerede β kan det fastlægges hvor på x-aksen aktien befinder sig, og hvilket afkast der forventes.

(Brooks 2003)

Selvom modellen er flittigt anvendt, rejser der sig dog kritikpunkter til modellen. Modellens sande

forudseenhed bliver der ofte stillet spørgsmålstegn ved, da det faktiske afkast sammenholdt med CAPMs

forventede afkast ikke altid er korrekt. CAPM holder ofte en forklaringsgrad på 0,85, der er relativt høj og

blandt andet også er en af grundene til CAPMs popularitet. Men det efterlader vel og mærke stadig 15%

uforklaret variation i de faktiske afkast, hvilket giver anledning til diskussion om forventede afkast kan

bestemmes af blot en enkelt faktor.

Fama & French 3-faktor model

Fama & French har lavet utallige undersøgelser på området for anormale afkast og undersøgte videre om

der kunne findes flere variable til CAPM med relation til det forventede afkast end blot beta-variablen. Ved

hjælp af cross-section regressionsanalyse undersøgte de forklaringsgraderne for β, markedsværdi, E/P,

gearing og BE/ME11 i forhold til aktiers afkast. Resultatet af undersøgelsen viste en insignifikant β, men til

gengæld er alle øvrige variable signifikante. Ved videre undersøgelser af forskellige kombinationer viser det

sig at den forklaringsmæssige styrke fra gearing og E/P absorberes af ME og BE/ME. Derfor konkluderes

det, at disse to variable udgør gode empiriske variable. Til at repræsentere disse to variable blev der dannet

to nye faktorer. SMB skal kontrollere for størrelse mens HML kontrollerer for værdi-risikoen.

Tre-faktor modellen:

𝑅𝑝𝑡 − 𝑅𝑓𝑡 = 𝛼 + 𝑏 𝑅𝑚𝑡 − 𝑅𝑓𝑡 + 𝑠 𝑆𝑀𝐵𝑡 + 𝑕 𝐻𝑀𝐿𝑡 + 𝜖𝑖𝑡 (7)

Rpt det simple gennemsnitlige månedsafkast for eventselskaberne

Rft den risikofrie rente

Rmt markedsafkastet

SMBt forskellen i afkast på værdivægtede porteføljer af hhv. små og store virksomheder

11

Book-to-market value


HMLt forskellen i afkast på værdivægtede porteføljer af hhv. virksomheder med høj book-to-

market værdi og lav book-to-market værdi

α konstanten

εit fejlleddet

Denne model blev på grund af dens forøgende forklaringsgrad hurtigt populær og gennemtestet af flere

finansielle forskere. Modellen er blandt andet udført ved hjælp af Barber, Lyon og Tsai’s (1999) tidsskrift

om forbedrede metoder til test af langsigtede aktieafkast. Nedenfor findes en gennemgang af

beregningsmetoder for de enkelte variable i modellen.

Afkastberengning, Rpt

Aktieporteføljens afkast bliver beregnet som ændringen i kursen fra åbningskursen den første handelsdag i

måneden til lukkekursen den sidste handelsdag. Kurserne er justerede for dividender og emissioner for at

kunne danne det bedst mulige sammenligningsgrundlag. Der findes to metoder at beregne afkastene på.

Den diskrete metode beregner den rentetilskrivning, der i løbet af en måned er tilskrevet en akties værdi,

mens den kontinuerte tager den naturlige logaritme af forholdet mellem slutkurs og startkurs. Det kan

diskuteres, hvor vidt der skal anvendes diskrete eller kontinuerte afkast i denne sammenhæng, da der

findes fordele og ulemper ved begge metoder.

Den kontinuerte metode har blandt andet den fordel, at når der skal beregnes afkast for flere perioder, er

det samlede afkast blot summen af det logaritmiske enkeltperiodeafkast. Det medfører samtidig fordelen,

at det statistisk er lettere at anvende tidsserieegenskaberne fra en addition, frem for en multiplikation som

den diskrete metode gør. Den kontinuerte er dog dårlig at anvende, hvis vægtet afkast skal beregnes for en

portefølje, da logaritmen af en sum ikke er det samme som summen af en logaritme. Siden denne

beregning ikke skal foregå over flere tidsperioder og taget porteføljeulempen i betragtning vælges her, at

anvende den diskrete metode.

𝑅𝑖,𝑡 = 𝑃𝑖,𝑡

𝑃𝑖 ,𝑡−1− 1 (8)

Hvor,

𝑅𝑖,𝑡 er afkastet for den enkelte aktie i måned t

𝑃𝑖 ,𝑡 er lukkekursen den sidste dag i måned t

𝑅𝑝 ,𝑡 = 1

𝑛 𝑅𝑖 ,𝑡

𝑛𝑖=1 (9)


Hvor,

𝑅𝑝 ,𝑡 er det ligevægtede gennemsnitlige månedsafkast for eventselskaberne

𝑛 er antal eventselskaber i måned t

𝑅𝑖,𝑡 er afkastet for den enkelte aktie i måned t

Den risikofrie rente, Rft

Den risikofrie rente skal afspejle den rente du kan få med absolut minimum af risiko. Den bruges ofte til at

kunne måle sin risikopræmie med, det vil sige den ekstra rente man har fået for, at påtage sig risiko.

Egentlig er den risikofrie rente blot en teoretisk rente, da det der uanset hvor du får en rente vil være

forbundet med en default risiko12. Der anvendes ofte kortsigtede statsobligationer, da det anses som

mindst sandsynligt staten skulle komme i betalingsvanskeligheder. Barber m.fl. (1997) anvender

månedsafkastet fra en 3 måneders treasury bill13 som den risikofrie rente.

Markedsafkastet, Rmt

Markedsafkastet er den rente som hele markedet har genereret til markedets risikoniveau. Groft sagt er

det afkastet man kunne have tjent ved, at investere værdivægtet i alle aktier i markedet. Oftest måles

porteføljeafkast med markedsafkastet for, at vurdere om investeringsstrategien har været bedre, og

dermed tjent bedre afkast end resten af markedet. Derved kan en investors evne til at skabe ekstraafkast

bedømmes. Barber m.fl. (1999) anvender et værdivægtet markedsindeks som markedsafkast i deres

analyse af 3-faktor-modellen.

SMB

SMB faktoren skal tage højde for et size premium i blandt aktierne. Altså det ekstra afkast små aktier

genererer over store aktier. Deraf navnet SMB som står for small minus big. I praksis rankes alle aktier efter

markedsværdi og de nederste 30% udgør i denne sammenhæng porteføljen med de små aktier, mens de

øverste 30% udgør porteføljen for de store virksomheder. Disse porteføljer dannes for hver

sammenligningsinterval der ønskes. Derefter trækkes det gennemsnitlige afkast for små virksomheder fra

de store, og dermed har vi SMB variablen. En positiv SMB betyder derfor, at de små virksomheder har

genereret større afkast end de store og omvendt.

12

Risiko for at renteudbyder ikke betaler til tiden, går konkurs eller lignende 13

Amerikansk kortsigtet statsobligation


HML

HML er faktoren, der tager højde for den tidligere omtalte BE/ME variabel, også kaldet for et value

premium. HML er en forkortelse af high minus low og er konstrueret på nogenlunde samme måde som

SMB. Aktierne rankes efter book-to-market ratio14 og de øverste 50% af selskaberne udgør porteføljen med

de højeste ratios, mens de øvrige 50% udgør porteføljen med de laveste ratios. Aktier med en høj ratio

kaldes ofte value stocks, da de sammenholdt med markedsværdien kan virke undervurderede. En ratio over

1 betyder, at den bogførte værdi af aktien er højere end markedsværdien. Aktier med en lav ratio kaldes

growth stocks, da markedsværdien er højere end den bogførte værdi, hovedsageligt grundet forventninger

til en over gennemsnitlig vækst.

14

Den bogførte værdi divivderet med markedsværdien


7. Data for test af Skandinaviske børsintroduktioner

Kvaliteten af en undersøgelse er ikke bedre end de data der indgår – derfor er der i dette afsnit opridset

forudsætninger og metoder for dataudvælgelsen, samt en klar afgrænsning af undersøgelsesperioden.

Derefter vil der kort beskrives de data der er indsamlet, samt en kort gennemgang af de statistiske

forudsætninger, der er gældende for denne undersøgelse. De statistike forudsætinger for disse data vil

blive diskuteret under resultaterne for regressionerne.

7.1 Event definition

Denne undersøgelse har til formål, at undersøge om der konsistent genereres anormale afkast på

børsintroduktioner i Skandinavien. Interessante undersøgelser af markeder verden over giver motivation

for at udføre en sådan undersøgelse på det Skandinaviske marked. Testen indebærer hele Skandinavien for

at kunne øge antallet af eventselskaber15, frem for Danmark alene, således der sandsynligvis kan skabes

stærkere statistiske resultater.

Testperioden er fra primo 1997 frem til ultimo 2009, mens det ønskes at børsnoterede aktier skal indgå i

eventafkastet fra introduktionsdatoen og tre år frem. Det betyder, at aktier i stikprøven ikke kan indgå, hvis

de er noterede senere end ultimo 2006.

7.2 Stikprøvekriterier

For at selskaber kan indgå i stikprøven skal følgende kriterier være opfyldte.

1. Selskabet skal være introduceret på en skandinavisk børs indenfor perioden 1997-2006

2. Selskabernes data skal være tilgængelige for hele analyseperioden

3. Selskaberne må ikke være af finansiel art (Bank, forsikring, investeringsforening)

4. Selskaberne skal have domicil i samme land som børsen de noteres på

5. Kun børsintroduktioner med A-aktier medtages

Finansielle selskabers kapitalstruktur er væsentligt anderledes end øvrige selskabers, og er derfor ikke

sammenlignelige i denne sammenhæng og derfor indgår disse ikke i stikprøven. Der medtages kun A-aktier,

da det kun ønskes at se på almindelige aktiers adfærd, og udelukker dermed øvrige typer aktier. Få

eventselskaber er blevet udtaget fra stikprøven, da datakilden ikke har kunnet levere fuldstændige

informationer. Se bilag 1 for komplet liste over eventselskaber.

15

Selskaber der indgår i stikprøven


7.3 Datakilder

Alle børsintroduktioner er fundet ved hjælp af databasen Zephyr, der vurderes som en pålidelig kilde.

Stikprøven er blevet frasorteret selskaber, der ikke opfylder kriterierne ved brug af de avancerede

søgefunktioner i Zephyr, samt en manuel gennemgang af hvert eventselskab. Eventselskabernes kurser er

hentet fra DATASTREAM, der leverer kurser korrigeret for dividender og emissioner. Ligeledes er

indekskurser, samt den risikofrie rentes månedsafkast hentet herfra.

7.4 Faktoropbygning

Til markedsafkastet er der anvendt STOXX Nordic TMI index16, der dækker hele Skandinavien med 145

selskaber. Indekset er, som ønsket, værdivægtet og justeret for dividender. Den risikofrie rente udgøres af

det månedlige afkast på en 3-måneders CIBOR17 rente. Denne rente udtrykker hovedsageligt

likviditetsefterspørgslen bankerne imellem, men udgør en god proxy for den risikofrie rente. Til opbygning

af SMB-faktoren anvendes afkast på to indeks. Stoxx Nordic Large18 udgør afkastet for store virksomheder,

mens Stoxx Nordic Small indekset udgør afkast for de små. De månedlige Nordic Large afkast bliver trukket

fra Nordic Small afkast og udgør SMB.

Den sidste faktor er HML, og data for denne er i perioden 1997-2007 tilgængelig i French’s databibliotek på

hans personlige webside. Dette er data gældende for netop Skandinavien og er bygget op som beskrevet i

det tidligere afsnit om HML faktoren. For at få ”lappet” data frem til ultimo 2009 er der anvendt afkast fra

EURO Stoxx TMI Growth og EURO Stoxx TMI Value. Indeksene består af henholdsvis vækst og værdi-

selskaber fra Europa, der også inkluderer nordiske selskaber. Et tydeligt problem med denne ”lapning” er,

at disse data ikke kun er gældende for Skandinavien, men hele Europa, som kan give empiriske problemer.

Der fandtes desværre ingen bedre tilgængelige data, og værdien af opbygning af egne porteføljer synes

ikke at stå til mål med det dertil krævede arbejde.

16

Se mere på Stoxx.com 17

Copenhagen Interbank Offered Rate 18

Se Stoxx.com for information om alle komponenter i indekset


7.5 Databeskrivelse

Efter indsamling af data vedrørende alle børsintroduktioner i Skandinavien i perioden 1997-2006 er det

samlede antal eventselskaber 392.19 Af de mest iøjnefaldende selskaber finder vi Vestas, Telenor, Telia,

StepStone, Statoil og Falck. Det samlede antal børsnoteringer for perioden var ifølge Zephyr 450 selskaber

frasorteret banker og investeringsforeninger. Det er barberet ned efter manglende data eller øvrige ikke-

opfyldte stikprøvekriterier. 13 selskabers første handelsdag har først fundet sted i februar 2007, på trods af

en fuldtegnet aktieudstedelse indenfor stikprøveperioden. Disse selskaber er alligevel medtaget i

stikprøven, men deres afkast indgår kun i 35 måneder mod de normale 36 måneder. Som det fremgår af

tabel 7.5.1 er der for 7 måneder ingen eventselskaber i stikprøven. Det er de første 7 sammenhængende

måneder i eventperioden, hvor der ikke har fundet børsintroduktioner sted, der opfyldte kriterierne. Disse

bliver automatisk frasorteret når regressionsanalysen foretages. I 141 måneder af de i alt 156 (ca 90%) er

antallet af selskaber i stikprøven over 25, hvilket er ganske tilfredsstillende. I figur 7.5.2 ses fordelingen af

børsintroduktioner på de 4 største skandinaviske lande. Det ses, at Sverige er repræsenteret med flest

børsintroduktioner i stikprøven med hele 205 selskaber, mens Danmark og Finland er klart

underrepræsenteret med tilsammen 21 % af alle eventselskaber. De svenske selskaber er klart overvægtet,

men det kan ikke overraske, taget det svenske markeds størrelse i betragtning.20

19

Se den samlede liste over eventselskaber i bilag 1 20

Beskrivelse af nordiske markeder i kapitel 4.

DK9%

Norge27%

Sverige52%

Finland12%

Anta eventselskaber i stikprøven

Frekvens

0 7

1-25 8

26-50 21

51-75 26

76-100 25

101-125 22

126-150 27

151< 20

I alt 156

Tabel 7.5.1 Frekvens af måneder fordelt

på antal af stikprøver

Figur 7.5.2 Eventselskaber fordelt på lande

Kilde: Egen tilvirkning og Zephyr Kilde: Egen tilvirkning og Zephyr


Tabel 7.5.3 Deskriptiv statistik for

return_ipo variablen I tabel 7.5.3 ses den generelle statistik for stikprøveafkastet

return_ipo. Af hovedpunkter kan det ses, at der findes et

gennemsnitligt månedsafkast for børsintroduktionerne på 0,44%,

hvoraf det højest gennemsnitlige månedsafkast er ca. 26%, mens

den laveste måned havde et gennemsnitligt afkast på -16,46%. Det

skal nævnes det største afkast på knap 26% fandt sted i januar

2000 og havde 135 eventselskabers afkast i beregningen, mens

mindste værdien fandt sted i november 2008 med 94 inkluderede

afkast. Derfor kan det udelukkes, at disse høje minimum og

maksimum værdier skyldes enkelte aktiers afvigelser. Afkastene er

tilnærmelsesvist normaltfordelte, og signifikant normaltfordelt ved

10% signifikansniveau jf. Jarque-Bera testen.

7.6 Statistiske forudsætninger

Her gives en kort beskrivelse af de forudsætninger, der tages i betragtning, når denne opgaves model

udføres. Afsnittet er baseret på Brooks (2003) samt Lunde og Jensen (2009).

Der er en række generelle ønskelige forudsætninger, der skal være opfyldte for at opnå optimale

estimeringer fra regressionsanalysen. Har data ikke de nødvendige egenskaber kan koefficienterne og

standardafvigelserne blive invalide og der vil være risiko for at lave fejlagtige konklusioner. De seks

generelle forudsætninger er som følger:

1. Lineære parametre

2. Ingen perfekt korrelation mellem to forklarende variable

3. Forventet fejlled er lig 0 𝐸 𝑢𝑡 = 0

4. Homoskedasticitet 𝑉𝑎𝑟 𝑢𝑡 = 𝜎2 < ∞

5. Ingen autokorrelation (serielkorrelation) 𝐶𝑜𝑣 𝑢𝑖𝑢𝑗 = 0 𝑓𝑜𝑟 𝑖 ≠ 𝑗

6. Fejlleddet er normalfordelt 𝑢𝑡 ~ 𝑁(0, 𝜎2)

Statistik for: RETURN_IPO

Mean 0,44017

Median 0,297787

Maximum 25,93

Minimum -16,46

Std. Dev. 7,44

Skewness 0,35028

Kurtosis 3,78

Jarque-Bera 6,845502

Probability 0,032623

Sum 65,585

Sum Sq. Dev. 8.184,829

Observations 149

Kilde: Output fra Eviews med data fra Datastream


1. Parametrene i denne model er lineære og opfylder dermed første forudsætning.

2. Der må ikke være høj korrelation blandt de forklarende variable, da dette kan forårsage en høj

forklaringsgrad, men insignifikante enkeltvise koefficienter. Høj korrelation opstår, når to variable er

særdeles relaterede til hinanden, og det gør det svært, at spore de enkelte variables bidrag til den samlede

forklaring i modellen. Derudover gør det modellen mere sensitiv overfor selv små ændringer og få

eksempelvis konfidensintervaller til at, spænde meget bredt. Ved at lave en korrelationsmatrice, kan der

undersøges, hvorvidt der findes multikollinaritet eller ej.

3. Forudsætningen for at den forventede værdi for fejlleddet er lig 0 bliver opfyldt i det sekund en konstant

bliver tilføjet til modellen. For denne opgave er denne forudsætning derfor ikke diskutabel, da netop

konstanten er afgørende for konklusionen, og vil ikke blive omtalt nærmere.

4. Modsætningen til homoskedasticitet er heteroskedasticitet og betyder variansen i fejlleddet ikke er

konstant. Hvis dette negligeres fås der ofte forkerte standardafvigelser, som derved giver en ligeså forkert

t-statistik, der i sidste ende kan give fejlfortolkning af resultatet. Heteroskedastisitet kan spores ved, at

danne en graf af residualerne fra regressionen, og findes der en systematisk skiftende forandring, er det et

tegn på heteroskedasticitet. Derudover kan der i Eviews21 laves en White Heteroskedasticity test for, at

undersøge problemet. En løsning på heteroskedasticitet er, at anvende Whites Heteroskedasticity-

consistent standard errors and covariance i Eviews.

5. Er fejlleddet ikke ukorreleret kaldes symptomet autokorrelation. Ignoreres autokorrelation har det

lignende konsekvenser, som for heteroskedasticiteten. Det medfører en stigning i risikoen for en type 1

fejl22 og kan få forklaringsgraden til, at stige da autokorrelationen fører til en undervurdering af den sande

fejlvarians(ved positiv autokorrelation). Grafisk kan det spores om ved, at plotte residualerne mod

residualerne fra året før mod hinanden. Derudover kan der anvendes Durbin-Watson test samt Breusch

Godfrey LM-test.

6. Fejlleddet skal være normalfordelt for at kunne udføre hypotesetests af modellens parametre. Den mest

alment anvendte test for normalfordelingen er Bera-Jarque, og det er også den test, der vil blive brugt i

denne opgave. Bera-Jarque anvender skævheden og topstejlheden (kurtosis) til at vurdere om

normalfordelte fejlled.

21

Eviews er softwaren der i opgaven anvendes til regressionsanalysen 22

Når H0 afvises selvom det er korrekt


8. Skandinaviske børsintroduktioners performance

Ved at anvende de beskrevne data forsøges der nu, at bestemme om der kan findes et overnormalt afkast

for nyligt børsintroducerede selskaber i Skandinavien. På grund af den teoretiske diskussion vedrørende

CAPM modellen versus 3-faktor modellen, indledes denne undersøgelse med anvendelse af CAPM

modellen. Efterfølgende udvides der med de to yderligere faktorer fra 3 faktor modellen. De statistiske

forudsætninger vil først undersøges ved den udvidede model.

8.1 Resultater med CAPM

Vi lader den afhængige variabel være børsintroduktionernes afkast, minus den risikofrie rente og den

forklarende variabel markedsrenten, minus den risikofrie rente. Dermed ser modellen således ud:

𝑟𝑒𝑡𝑢𝑟𝑛𝑖𝑝𝑜 − 𝑟𝑖𝑠𝑘𝑓𝑟𝑒𝑒 = 𝛼 + 𝛽𝑖 𝑀𝑘𝑡 − 𝑟𝑖𝑠𝑘𝑓𝑟𝑒𝑒 + 𝜖 (1)

I output 8.1.1 finder vi en negativ konstant, C, der estimerer det anormale afkast for børsintroduktionerne

til, at være -1,02%. Det vil sige, at eventselskaberne i denne model klarer sig månedligt 1,02% dårligere end

forventet ved anvendelse af CAPM modellen. Dette findes statistisk signifikant ved 5% signifikansniveau

ved udførelse af t-statistik. Det gælder ligeledes for β-værdien, der i særdeleshed er signifikant. I CAPM

sammenhæng anvendes β som bekendt til, at vurdere den risiko, som påtages i forhold til markedet, der

her ses at være 0,70. Det er betydeligt lavere end markedsbetaen, som er 1, og derfor burde investor med

en porteføljen af børsintroduktioner have påtaget sig mindre risiko, end en portefølje bestående af

markedsindekset. At investeringer i nynoterede virksomheder skulle medvirke til en lavere risiko end

markedet, kan virke en anelse besynderligt. Det skyldes, at risiko bliver udregnet ud fra aktiernes volatilitet.

Ved at undersøge datasættet nærmere findes det, at standardafvigelsen for markedet er højere end for

børsintroduktionerne og deraf forklares den lavere β. Forklaringen på en lavere standardafvigelse er

umiddelbart to-delt. Eventselskaber, der afnoteres fra børsen før de 36 måneder er gået, bliver det

månedlige afkast sat til 0 indtil 36 måneder er opnået. Det er selvfølgeligt med til at stabilisere

standardafvigelsen. Derudover er der for 20 måneder indeholdt over 150 selskaber i eventporteføljen, jf.

databeskrivelsen. Dermed bliver en del af standardafvigelsen diversificeret væk. Hvor meget i forhold til

markedsindekset, der selv indeholder 144 selskaber, er svært at sige.


Output 8.1.1 Regression med anvendelse af CAPM

Forklaringsgraden fortæller, hvor meget af variationerne i den afhængige variabel forklares af de

forklarende variable. Her ses en forklaringsgrad på 57,5%, der kan vidne om, at kun lidt over halvdelen af

variationerne i afkastet på børsintroduktioner skyldes variationer i markedets risikopræmie23. Der kan

derfor stilles tvivl om denne models videre anvendelse til, at estimere børsintroduktioners forventede

afkast.

Dependent Variable: RETURN_IPO-RISK_FREE

Method: Least Squares

Date: 04/13/10 Time: 08:52

Sample (adjusted): 1997M08 2009M12

Included observations: 149 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C -1.025868 0.448860 -2.285495 0.0237

a

MKT-RISK_FREE 0.705412 0.049994 14.10987 0.0000a

R-squared 0.575253 Mean dependent var -3.171041

Adjusted R-squared 0.572363 S.D. dependent var 7.883267

S.E. of regression 5.155178 Akaike info criterion 6.131212

Sum squared resid 3906.651 Schwarz criterion 6.171534

Log likelihood -454.7753 Hannan-Quinn criter. 6.147594

F-statistic 199.0883 Durbin-Watson stat 1.842068

Prob(F-statistic) 0.000000 a

= signifikante ved 5% signifikansniveau

8.2 Resultater med 3-faktor modellen

Ved at koble yderligere to faktorer på modellen, SMB og HML, håbes det nu, at kunne kontrollere de

anormale afkast for en form for størrelsesrisiko og værdirisiko og ydermere øge forklaringsgraden

væsentligt. Regressionsmodellen ser således ud:

𝑅𝑒𝑡𝑢𝑟𝑛𝐼𝑝𝑜 − 𝑅𝑖𝑠𝑘𝑓𝑟𝑒𝑒 = 𝛼 + 𝛽 𝑀𝑘𝑡 − 𝑅𝑖𝑠𝑘𝑓𝑟𝑒𝑒 + 𝑠 𝑆𝑀𝐵 + 𝑕 𝐻𝑀𝐿 + 𝜀 (2)

Det første output24 for ovenstående model viser, at β, SMB og HML alle er signifikante ved signifikansniveau

på 5%, mens konstanten α er stærk insignifikant. For at sikre modellens troværdighed sikres, at alle

relevante forudsætninger er opfyldte før der konkluderes på resultaterne.

23

Risikopræmie er det ekstra afkast der fås ved påtagelse af risiko. I dette tilfælde er det (markedsafkast - risikofri rente) 24

Se bilag 3 output 1


Forudsætninger

Ved indledende at teste for korrelation blandt de tre faktorer, findes der umiddelbart ingen svære indicier

for multikollinaritet. I bilag 3 tabel 3 ses en korrelationsmatrice for faktorerne, der vidner om ingen

afgørende korrelation. Mellem Beta og SMB ses en korrelation på 0,52 som den højeste korrelation og det

ses ikke som faretruende for testens validitet.

Efterfølgende testes variansen i fejlleddet, der ikke må være skiftende over tid. Dette kan testes grafisk,

men da det kan være svært at spore ved den metode anvendes en mere formel statistisk test i stedet. I

bilag 3 output 2 ses en udført White’s test for heteroskedasticitet. Den afviser klart H0 hypotesen om

homoskedasticitet og det kan hermed konkluderes skiftende varians i fejlleddet over tid, også kaldet

heteroskedasticitet. Det kan være svært at svare på hvor denne skiftende varians kommer fra, men der er

begrundet mistanke til HML faktoren og til det skiftende antal stikprøver i hver måned. Som nævnt i

databeskrivelsen sker der et skift i datagrundlaget, og det kan have medført en skiftende varians, der har

påvirket fejlleddet. Derudover kan skiftende stikprøvestørrelser give en ligeledes skiftende varians. For at

kontrollere for homoskedasticitet er der i Eviews anvendt ’konsistente standardafvigelser og covarians’

funktionen. Efter anvendelse af disse robuste standardafvigelser bliver HML faktoren insignifikant ved 5 %

signifikansniveau. HML er stadig signifikant ved 10% signifikansniveau og vi lader faktoren fortsætte sit

virke i modellen trods problematikken.

Test af autokorrelation mellem fejlleddet kan blandt andet gøres ved grafisk at plotte residualerne mod de

laggede residualer25. Ved at se bilag 2 figur 4 er der klare indikationer for at der ikke findes autokorrelation

imellem fejlleddene, da plots er spredt relativt jævnt rundt om 0. Ved at se på Durbin-Watson testen i bilag

3 output 1 styrkes dette, da denne er på 1,84 som ligger ganske tæt på 2 der er normalt for afvisning af

autokorrelation.

Slutteligt testes der for normalfordelte fejlled. Ved at se på histogrammet i bilag 3 figur 5 over residualerne,

ses en nogenlunde klokkeformet figur, der har få yderpunkter og sine højeste værdier omkring 0. Anvendes

Jarque-Bera testen dog, afvises nul-hypotesen om normalfordelte residualer, selv ved lave

signifikansniveauer. Fordelingen har en kurtosis på 5,2 som for normaltfordelte figurer er 3. Kurtosis

angiver tykkelsen på halen af fordelingen samt skarpheden på højdepunktet. Residualerne her vurderes, at

have en leptokurtisk fordeling, der ofte karakteriserer finansielle tidsserier og deres residualer. Skævheden

for en perfekt normalfordeling skal ligge omkring 0, mens denne ligger omkring 0,42. Det bidrager i en hvis

grad til afvisningen af normalfordelte fejlled, mens hovedårsagen skal findes ved kurtosis. En højere

25

Residualet fra tidsperioden før (t-1)


Output 8.2.1 Regression med anvendelse af 3-faktor modellen

kurtosis betyder i bund og grund, at en større del af variansen skyldes uregelmæssige større afvigelser. Der

kan kontrolleres for dette ved at lave en dummyvariabel26 for afvigeren. Det udelades i dette tilfælde, da

der er mere end én afviger at kontrollere for og derudover ønskes det ikke kunstigt at give modellen bedre

karakteristika ved at pille data ud af modellen. Dermed negligeres problemet med normalfordelte fejlled,

men tages in mente ved den samlede bedømmelse af modellens estimater.

Resultater

Efter gennemgangen af de relevante forudsætninger ser det endelige output for 3-faktor modellen således

ud:

a signifikant ved 5% signifikansniveau;

b signifikant ved 10% signifikansniveau

Der ses nu en underperformance af eventselskaberne på -0,475% per måned, som kan findes i α-

koefficienten C. Det er kun en halv så stor underperformance som CAPM modellen estimerede, men for

denne model er α stærkt insignifikant og vi kan derfor ikke afvise, at denne underperformance ikke blot er

et tilfælde. β og SMB variablen er særdeles signifikante, mens HML er signifikant ved 10% signifikansniveau.

Af variationerne i børsintroduktionernes afkast forklares 62% af vores 3 faktorer. Det er blot 4½ %-point

mere end CAPM modellen, og derudover er α insignifikant ved tre-faktor modellen og derfor er det ikke

åbenlyst bedre med disse data, at anvende tre-faktor modellen frem for CAPM. Årsagen til at der fås

26

En variabel der antager værdien 0 eller 1

Dependent Variable: RETURN_IPO-RISK_FREE


Date: 04/15/10 Time: 12:54


Included observations: 149 after adjustments

White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C -0.475906 0.476937 -0.997840 0.3200

MKT-RISK_FREE 0.840313 0.059760 14.06143 0.0000a

SMB 0.340042 0.086799 3.917559 0.0001a

HML -0.204835 0.121338 -1.688139 0.0935b







Prob(F-statistic) 0.000000


væsentligt lavere forklaringsgrader end i øvrige akademiske undersøgelser27 kan der være flere bud på.

Datasammensætningen kan passe dårligt på modellen og derfor har svært ved at forklare alle variationerne

hos eventselskaberne. Det kan også være stikprøvens størrelse, der ikke er stor nok for alle måneder, hvor

måneder med få eventselskaber ikke udligner usystematiske store afvigelser fra enkelte selskaber i

gennemsnittet. En tredje forklaring kan være, at der findes en endnu ukendt faktor gældende for

Skandinaviske børsnoteringers performance. Dog skal årsagen sandsynligvis findes hos stikprøvestørrelsen,

eller hos data der udgør faktorerne.

8.3 Hvorfor dårligere langsigtet performance?

De fleste tidligere studier viser en langsigtet underperformance af børsintroduktioner, og selvom denne

test ikke kan afvise et anormalt afkast på 0, er der dog mistanke om, at børsintroduktioner også i

Skandinavien har været en dårligere investering på lang sigt. Det bryder grundlæggende med den efficiente

markedshypotese om ikke eksisterende langsigtede anormale afkast. Der findes flere teorier om, hvorfor

den langsigtede performance er så dårlig.

Prisstabilisering

Mange nynoterede selskaber anvender prisstabilisering de første uger efter børsnotering. Kort og godt er

prisstabilisering en ydelse børsagenten28 giver, der skal sikre ikke alt for store udsving på kursen de første

(ofte) 30 dage efter noteringen. Efter kursen er blevet holdt kunstigt oppe i den første periode på børsen,

vil kursen derefter falde ned til den sande markedskurs. Ljungqvist (1996c) testede denne teori med tyske

data og fandt, at prisstabiliserede introduktioner klarede sig dårligere på den lange sigt fra første

handelsdag, mens de samme introduktioner klarede sig neutralt fra den dag prisstabiliseringen ophørte og

frem.

Divergerende meninger

En anden årsag kan være ændringer i markedets forventninger til selskabernes fremtidige indtægter. Når

investorerne har divergerende meninger om vækstpotentialet i selskaberne indtræder en form for realisme

som måske kan forklare den dårlige langsigtede performance. Typisk ved mindre selskabers børsnoteringer

er en lille gruppe investorer nok til, at sætte sig på den største del udbudte aktier. Er der forskellige

meninger om selskabet, vil denne gruppe bestå af de mest optimistiske investorer. I modsætning til den

27

Bl.a. opnår Campbell m.fl (2007) ved anvendelse af samme metode R2 til 88,9 %

28 Den investeringsbank eller rådgiver der står for børsnoteringen


efficiente markedshypotese, opstår her en prissætning baseret på heterogene forventninger frem for en

afspejling af al tilgængelig information i markedet. Derved fås de højere førstedags afkast. Men over tid

bliver de divergerende meninger færre og færre, i takt med at flere og flere informationer bliver

tilgængelige. Til sidst vil kursen afspejle de sande markedsforventninger til aktien, og ikke kun de mest

optimistiske, og vil derfor ende ud med en underperformance på længere sigt (Miller 1977).

Window-dressing

Gennem tiden har flere selskaber typisk valgt, at lade sig børsnotere efter et relativt godt driftsresultat.

Mens virksomhedsejerne er klar over at der ikke kan leves op til dette resultat de kommende år, vælger de

at lade selskabet notere på børsen, hvor investorerne umiddelbart kun har kendskab til driftsresultaterne.

På den måde kan tidligere resultater snyde investorerne til at have højere forventninger til selskabets

performance. Og virksomhedsejerne har god grund til at få selskabet til at ”skinne” før en børsnotering, da

enhver stigning i prisen på udbudsaktierne kommer ejernes egne lommer til gode. Ved at manipulere lidt

med regnskaberne kan virksomheden levere en top performance lige op til en børsintroduktion. Dette

kaldes window-dressing. Over tid bliver informationen om uholdbare resultatforventninger også markedet

bekendte og derved skabes den langsigtede underperformance.

Disse tre forklaringer har alle mindst én ting til fælles; brud på den efficiente markedshypotese.

Prisstabiliseringen holder kursen kunstigt oppe og afspejler derfor ikke al information i markedet, mens de

divergerende forventninger samt window-dressing er et resultat af asymmetrisk information.


Figur 9.1 Antal eventselskaber i stikprøven fordelt på måneder

Kilde: Egen tilvirkning – data fra Zephyr

9. Periodevise resultater

For at grave lidt dybere i resultaterne for de samlede skandinaviske børsintroduktioner, vil der testes om

der kan være forskel i hvilken tidsperiode selskabet blev introduceret på. I modsætning til testen af hot

issue noteringer, vil denne test dele tidsperioden op i to perioder og estimere om der har været en forskel i

afkastet. Ved at se på figur 9.1 kan det ses, at antallet af stikprøveselskaber deler sig op i to perioder ved

det laveste stikprøve antal på 32 i marts 2004. Derfor er det naturligt, at dele de to tidsperioder op netop i

dette punkt, da der også cirka findes lige mange stikprøver i hver periode. Formålet med, at teste

periodevist er, at kunne vurdere om der først og fremmest har været en forskel mellem de to perioder,

men også om det tidligere fundne negative anormale afkast gælder uanset tidsperiode.

Praktisk oprettes en dummyvariabel for de to perioder – 0 for 1997 til marts 2004 og 1 for april 2004 til

2009, hvor der efterfølgende køres tre-faktor testen for de to perioder enkeltvist. I tabel 9.2 ses

estimaterne fra regressionen for de to perioder samt deres t-statistik. Det ses at perioden frem til marts

2004 har en positiv konstant, hvilket vidner om et positivt anormalt afkast, der modsætter sig de tidligere

resultater for hele tidsperioden. Konstanten er dog svært insignifikant, og vi kan derfor ikke afvise, at det

anormale afkast for denne periode er lig 0. For denne periode er alle øvrige variable dog signifikante ved

5% signifikansniveau.

For den anden periode findes konstanten signifikant negativ med et anormalt afkast på -1,364% per måned.

Her kan vi derfor konkludere, at med et signifikansniveau på 5% afvises H0 hypotesen om et normalt afkast

0

20

40

60

80

100

120

140

160

180


Tabel 9.2 Regressionsestimater for periode 0 og periode 1

Kilde: Output fra Eviews

på 0. I denne model er HML variablen stærkt insignifikant, der sandsynligvis skyldes ”lapningen” af data for

denne faktor finder sted i denne periode.

Det er interessant, at der kan findes en forskel på de to perioder, hvor den første periode har en antydning

af et positivt anormalt afkast, mens den anden periode klart kan konkluderes at genere negativt anormalt

afkast. Hvorfor der synes at være en forskel i afkastet for de to perioder kan være svært at forklare. Ved at

se i den samlede liste over børsnoteringer29 bemærkes det, at den første periode indeholder

børsnoteringer fra i dag solide selskaber som Vestas, Telia, Lundbeck, Gjensidige, Statoil og Novozymes.

Disse selskaber kan mistænkes for at have haft en stabiliserende effekt i det gennemsnitlige afkast for den

første periode, mens der ikke har været den samme mængde af prominente børsnoteringer i anden

periode. SMB og HML burde have kontrolleret både for størrelsesrisiko og værdirisiko, men der kan

muligvis være en yderligere faktor gældende. Det kan også blot være et tilfælde, at der ikke findes samme

konklusion for begge perioder.

29

Se bilag 1

Afhængig variabel Y = (Return_ipo-risk_free)

Koefficient (Std. Error) t-statistik

Periode=0 Periode=1 Periode=0 Periode=1

C 0,546435

(0,75) -1,364856

(0,565) 0,728316 -2,412740*

β 0,982885

(0,103) 0,715129 (0,0783)

9,518492* 9,125554*

SMB 0,505440

(0,140) 0,362483

(0,14) 3,603221* 2,5771*

HML -0,263938

(0,0939) -0,073368

(0,183) -2,81055* -0,39916

R2 0,635404 0,63218 * signifikant ved 5 % signifikansniveau


10. Hot issue markeder

I forbindelse med studier af børsintroduktioners kort- og langsigtede afkast, er flere subundersøgelser

foretaget. Deriblandt undersøgelser om der findes perioder, der er mere fordelagtige at lade et selskab

introducere på børsen på. Ibbotson & Jaffe (1975) var blandt de første til, at påråbe disse perioder med en

væsentlig højere volume af børsnoteringer fandt sted. Disse perioder blev kaldt for et hot issue marked og

blev defineret som en periode, hvor førstedagsafkastet for nye børsintroduktioner lå væsentligt højere end

det almindelige markedspremium. Hot issue perioders afkast var stærkt korrelerede med afkast for nye

introduktioner måneden forinden, og investorer kunne derfor nøje planlægge sine investeringer i

børsintroduktioner, når afkastet forventedes at være højere. Ibbotson & Jaffe konkluderende endvidere at

graden af underpricing for selskaberne var mindst når børsintroduktionen fandt sted i kolde markeder30 .

Ibbotson og Jaffe(1975) undersøgte de kortsigtede afkast for hot issue markeder, men har disse varme

perioder indflydelse på det langsigtede afkast? Kigges der på tidligere undersøgelser vil det vides, at der er

forskel på den langsigtede performance for selskaber noteret i varme perioder og øvrige noteringer, hvor

de kolde perioders afkast findes bedre. Blandt andre har Kooli m.fl. (2004) undersøgt Canadiske

børsintroduktioner over en 3 og 5 års periode, med opdeling af selskaber i hot issue og cold issue selskaber.

Resultatet var at efter 3 år havde hot issue selskaber et samlet anormalt afkast på -18,06% mens cold issue

selskaber havde afkast på -10,41%, og efter 5 år var forskellen i anormaleafkast mellem hot og cold issue

selskaber hele 34,48 %-point31 i cold issue-selskabernes favør.

Hot issue markeder er stærkt forbundet med store førstedagsafkast, og dermed høj underpricing, som også

nævnt ovenfor. Flere undersøgelser af aktier med store førstedags afkasts’ performance over lang sigt

viser, at de klarer sig væsentligt dårligere end aktier med en mindre grad af underpricing. Derfor kan det

diskuteres om den dårligere langsigtede performance af disse aktier skyldes høj underpricing eller notering

i et hot issue marked.

I senere undersøgelser er hot issue markeder blevet defineret som perioden, hvor antallet af

børsnoteringer er væsentligt højere end øvrige perioder, og den metode anvendes i denne test til at spore

hot issue perioder.

30

Modsætning til hot issue markets 31

Samlet anormalt afkast på -39,08% og -4,6% for henholdsvis varme og kolde børsintroduktioner


Tabel 10.1.1 Antal måneder med

x-antal børsnoteringer

Kilde: Egentilvirkning – Data fra Zephyr

10.1 Performance af hot issue noteringer i Skandinavien

Der er i litteraturen i høj grad testet afkasts for selskaber noteret i varme perioder, derfor er det interessant

at teste om det skandinaviske markeds børsintroduktioner har den samme adfærd. Denne test tager ikke

højde for graden af underpricing, men fokuserer udelukkende på de måneder, hvor antallet af

børsintroduktioner har været højest.

I tabel 10.1.1 ses frekvensen af børsnoteringer per måned. 36

måneder fra hele stikprøveperioden har der ikke fundet

børsnoteringer sted, eller også har de ikke opfyldt

stikprøvekriterierne.

I den anden ende af tabellen findes to måneder med hver 14

børsintroduktioner. Disse to måneder anvendes som hot issues, og er

fundet sted august 1998 og februar 2006 henholdsvist.32 For alene at

anvende afkast fra de to måneders introducerede selskaber, er der

for hver af de samlet set 72 måneder regnet et gennemsnitligt afkast

ud fra de i alt 28 selskaber, og danner den afhængige variabel

hot_issue_return. På den måde undgås tidligere og fremtidige

måneders børsintroduktioners afkast at påvirke gennemsnitsafkastet

for hot issue månederne.

I bilag 4 output 2 ses estimaterne for selskaber introduceret i en hot issue måned for denne stikprøve. Her

er det umiddelbare resultat, at konstanten er svagt insignifikant, mens det bemærkes SMB faktoren er

svært insignifikant. Da SMB umiddelbart ikke bidrager med nogen forklaring på variansen på afkastet fra

hot issue selskaber, pilles denne faktor ud af modellen for at finde stærkere resultater.

Det giver nu signifikante resultater for alle modellens variable inklusiv konstanten. Ifølge estimaterne

underperformer selskaber noteret på børsen i hot issue perioder med 2,165 % per måned. Det er over 1½

% -point dårligere end for samtlige børsnoteringer i eventperioden.33 Dermed findes i denne test samme

konklusion som tidligere akademiske undersøgelser; at selskaber, der introduceres i ”varme perioder”

klarer sig dårligere på den langsigtede horisont, end den gennemsnitlige børsintroduktion. Det skal

bemærkes at for denne model bliver variationerne i den afhængige variabel kun forklaret med 35% af de to

32

Se bilag 4 figur 1 for illustration af fordelingen af børsintroduktioner over tid 33

Der skal tages højde for en insignifikant konstant

Børsintroduktioner Frekvens

14 2

13 1

12 1

11 2

10 3

9 5

8 4

7 5

6 5

5 6

4 10

3 10

2 12

1 20

0 36


Output 10.1.2 Regression for hot issue selskaber med den justerede 3-faktor model

Kilde: Eviews – Data fra Datastream

regressorer. SMB faktoren havde ingen signifikant indflydelse og selv markedsafkastet forklarer ikke nær så

meget som ved hele stikprøven i CAPM-modellen. Der er sandsynligvis andre faktorer, der signifikant

forklarer afkast for disse aktier og et bud kunne være graden af underpricing. Eftersom det tidligere har vist

sig at højere grad af underpricing medfører svagere langsigtet performance, bør den som variabel kunne

hjælpe med at forklare en del af udsvingene afkastet.

a signifikant ved 5% signifikansniveau

10.2 Hvorfor gå på børsen i hot issue perioder?

Umiddelbart kan det være svært, at se ud fra denne og tidligere tests, hvorfor selskaber lader sig

børsnotere i en hot issue periode. Det er først og fremmest forbundet med dårligere langsigtet

performance og dertil kommer den sum af penge, der bliver efterladt på bordet i form af underpricing af

den oprindelige udbudspris. Jenkinson & Ljungkvist (1998) argumenterer for at virksomheder anvender hot

issue perioderne som målestok for markedets sult for nye noteringer. I varme perioder vurderes

sandsynligheden for en succesfuld børsnotering derfor bedre. I disse perioder kan der blandt investorer

dannes en overoptimistisk tro på nynoterede selskaber, der bringer kursen over dens fair værdi. Deraf de

høje førstedagsafkast, der angives, som værende underprissættelse af den oprindelige udbudskurs.

Derudover mener Jenkinson & Ljungkvist og flere akademikere, at selskaber forsøger, at skabe

underpricing, da dette er et signal om kvalitet for selskabet. I bund og grund handler det om for selskabet,

at sælge en mindre fraktion af selskabets aktier i den indledende børsnotering for efterfølgende at sælge

Dependent Variable: HOT_ISSUE_RETURN-RISK_FREE


Date: 04/18/10 Time: 20:06


Included observations: 72 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C -2.165306 0.896530 -2.415208 0.0184

a

MKT-RISK_FREE 0.488344 0.087664 5.570628 0.0000a

HML -0.302569 0.129654 -2.333662 0.0225a









de resterende aktier efter de forventede kursstigninger de første dage på børsen. Det ikke alene bringer

den samlede kapital rejst ved børsintroduktionen op, men sparer også transaktionsomkostninger.

11. Venture kapital

I dette afsnit vil der redegøres for venture kapital og dets betydning for virksomheders ledelse, muligheder

og krav. Efterfølgende vil fordele og ulemper opvejes, hvorefter det vurderes ud fra dette, om der kan være

teoretisk grundlag for at venture-backed børsintroduktioner bør klare sig anderledes, end øvrige

noteringer. Afsnittet afsluttes med en redegørelse for tidligere empiriske studiers fund om

børsintroduktioner, taget på børsen af venturefonde.

11.1 Hvad er venture kapital

Venture kapital er investeringer i højvækst- og højrisikovirksomheder, der tidligt i selskabets udvikling har

behov for kapital til at finansiere produktudvikling eller vækst. Kapitaltilførelsen tildeles oftest

specialiserede teknologibaserede virksomheder og kan i princippet tildeles på et hvilket som helst tidspunkt

i selskabets liv. Den tilførte kapital manifesterer sig oftest i aktieandele, dog med minimal sikkerhed, da

virksomhederne sjældent er i besiddelse af aktiver, der kan stilles sikkerhed i. Finansieringen sker således

uden traditionelle sikkerhedsforanstaltninger, hvilket sammen med det tidlige stadie, hvor investeringen

typisk finder sted, er med til at gøre venture kapital investeringer til særdeles risikofyldte. Venture

kapitalselskabet forsøger dog at minimere usikkerheds- og risikofaktorerne ved at tilbyde sin ekspertise og

yde engagement i beslutningsprocesserne.

Aktører i Skandinavien

Når man beskæftiger sig med kapitalmarkeder er det svært at afgrænse deltagerne, da hele verdens kapital

fonde i princippet har adgang til de skandinaviske virksomheder. Dette afsnit vil kort redegøre for nogle af

de markedsaktører, der findes på danske venturekapitalmarkede. Axcel beskæftiger sig på det danske og til

dels det svenske marked og forvalter over 6.6 mia. kroner. I porteføljen findes en lang række virksomheder,

der begår sig såvel på det danske som det internationale marked; Georg Jensen, Royal Copenhagen,

IDEmøbler, Noa Noa, Pandora m.fl.. Derudover findes vækstfonden, som ligesom Axcel er en kapitalfond

med en bred portefølje. Vækstfonden rummer over 200 virksomheder og har forvaltet 6.5 mia. kroner.

Fælles for dem begge er, at de er medlemmer af Danish Venture Capital and Private Equity Association

(DVCA), som er en brancheforening stiftet i år 2000. DVCA repræsentere en bred vifte af danske investorer


og dækker over hele investeringskæden. Samlingen af kapitalfonde administrerer knap 46 mia. kr. og

omsætter for over 200 mia. kr. Derudover administrerer samlingen af ventureselskaber godt 22 mia. kr. og

omsætter for 29 mia. kr.

11.2 Empiriske hypoteser

Venture kapital selskabers rolle i forbindelse med børsintroduktioner har givet grund til meget debat i den

finansielle litteratur. Flere studier34 har påpeget, at venture backed selskaber er mindre underpriced end

ikke venture backed selskaber. Studierne henviser dog til, hver sin hypotese omkring den rollen, som

venture kapital selskabet pådrager sig. Der skildres imidlertid mellem tre forskellige roller et

venturekapitalselskab kan antage – certification, screening and monitoring og slutteligt market power.

Megginson & Weiss (1991) henviser til certification hypotesen, der antyder, at kapitalfondene gentageligt

agerer på børsintroduktionsmarkedet og derfor er opmærksomme på deres omdømme. Det resulterer i, at

de værdiansætter selskaberne nærmere deres indre værdi for at bevare troværdigheden over for

markedet. Barry m.fl. (1990) henviste til kapitalfondenes indflydelse før børsnoteringen, og kaldte sin

hypotese for screening og monitoring hypotesen. Ideen bygger på, at venture backed selskaber er bedre

selskaber end normale, fordi kapitalfondene netop har valgt dem frem for andre, og derfor er mindre

underpriced.

Der er senere blevet sat spørgsmålstegn ved disse studier og nyere resultater antyder, at tendensen faktisk

er den modsatte. Lee & Wahal (2002) antyder, at venture backed selskaber faktisk er mere underpriced end

ikke venture backed og denne antagelse støttes af Loughran & Ritter (2003). Resultaterne genåbnede

diskussionen og gav anledning til en ny hypotese, market power hypotesen, som gennemgås i følgende

afsnit. Denne hypotese foregav, at kapitalfondene oprettede langvarige forhold med assurandører,

investorer og analytikere på grund af deres gentagne beskæftigelse på børsintroduktionsmarkedet. Disse

forhold udnyttes imidlertid til, at tiltrække større deltagelse af markedsspillerne og dermed opnå en højere

pris på børsintroduktionen. At opnå en højere pris på børsintroduktionerne er netop hvad

kapitalselskaberne ønsker for, at styrke forholdet til sine egne investorer. Studier viser endvidere, at

venturekapital selskabets omdømme har en positiv indflydelse på værdiansættelsen af et selskab.

34

Megginson and Weiss (1991) og Barry et al (1990)


11.2.1 Market power

Thomas J. Chemmanur & Elena Loutskina (2006) argumenterer for, at man skaber et bedre billede af

venturekapitalselskabernes indflydelse på virksomheder ved, at måle dem ud fra der fire nedenstående

foranstaltninger, i stedet for at måle ud fra graden af underpricing. Teorien byggede på grundantagelsen

om, at kapitalfondene antog rollen market power.

Ratio for værdiansættelse

Denne foranstaltning beskæftiger sig med værdiansættelsen af børsintroduktionen i forhold til dens indre

værdi. Differencen mellem børsintroduktionens indreværdi og værdiansættelsen afhænger positivt af

deltagelse af venturekapitalselskaber og dennes omdømme. Værdiansættelsen vil derfor nærme sig

børsintroduktionens indre værdi, hvis en high-reputation kapitalfond vælger, at deltage i

børsintroduktionen. Den modsatte effekt vil opleves, hvis virksomheden ikke modtager kapitalstøtte eller,

hvis kapitalfonden har et lavt omdømme.

Forholdet mellem det sekundære markeds værdiansættelse af virksomheden ved udgangen af første

handelsdag

Den anden parameter beskæftiger sig med forskellen mellem prisen på børsintroduktionen efter første

handelsdag sammenlignet med dens indre værdi. Her forudsiger man, at forskellen vil være større for

venture backed introduktioner, idet man forventer, at deltagelsen af kendte assurandører vil have en

vedvarende effekt efter børsintroduktionen, og derfor påvirke prisen efter første handelsdag.

Markedskræfterne vil dog på lang sigt udligne denne difference.

Direkte test af market power hypotesen

Den tredje parameter analyserer forholdet mellem deltagelsen og kvaliteten af henholdsvis assurandører,

institutionelle investorer samt analytikere. Disse variabler vil have en større indflydelse på venture backed

børsintroduktioner end ikke venture backed, jf. kapitalfondenes evne til at trække på sine relationer og

tiltrække markedsagenter. I forlængelse heraf vil effekten forstærkes af hvor højt omdømme venture

kapital selskaberne har. De nævnte deltagere forventes, at forøge prisfastsættelsen på såvel

børsintroduktionens virksomhedsværdi og prisen på det sekundære marked.

Sammenligning af driftsresultater efter børsnotering

Den sidste foranstaltning beskæftiger sig med, at sammenligne børsintroduktioners performance efter

børsnoteringen for både venture backed og ikke venture backed børsintroduktioner, hvilket gør det muligt


bedre at kunne evaluere, hvilken rolle venturekapital selskabet opnår. Hvis kapitalfonden foretager en

screening af virksomhederne vil det vise sig, at venture backed virksomheder gennemsnitligt klarer sig

bedre efter børsnoteringen, da de sammenlignet med resten af børsintroduktionsmarkedet er af højere

kvalitet, grundet tilføjelsen af viden og erfaring fra venturekapitalselskaberne.

11.3 Bør venture-backed selskaber klare sig anderledes?

På baggrund af den redegjorte teori vil der listes en række fordele og ulemper ved venturekapitalstøtte.

Venturekapitalselskabet er som regel sammensat af en række mennesker med stor faglig viden og

erhvervserfaring, hvilket udnyttes, når samarbejdet introduceres. En virksomhed styrkes derfor på det

strategiske plan, da denne viden og erfaring kan benyttes til, at optimere virksomheden. Kapitalfonde har

mange relationer grunden brancheerfaring, samt bestyrelsens sammensætning, som virksomheden kan

drage nytte af. Endvidere tilføres kapital til virksomheden, som kan være vigtig til finansiering af

børsintroduktionen og dertilhørende vækst. Venturekapitalselskabets omdømme kan benyttes som en

slags blåstempling af virksomhedens kvalitet, hvilket giver et godt indtryk i offentligheden. Med

kapitalindskud følger en række forpligtigelser overfor kapitalfonden. Der kræves et større oplysningsbehov,

og virksomhedens ledelse må afgive magt til kapitalfonden. Det er ikke kun en risikofyldt situation for

kapitalfonden. Når kapitalfonden opkøber en større andel af virksomheden kan virksomhedsværdien bære

præg af risikoen ved at kapitalfonden uden videre sælger hele sin aktieoption.

Hvorvidt venture backed selskaber vil klare sig bedre end selskaber uden kapitalstøtte afhænger, ud fra

teorien, af flere faktorer. Det forventes, at afkastet vil være en anelse bedre for kapitalstøttede selskaber,

men det er ikke muligt, at tage højde for de teoretisk gennemgåede foranstaltninger, grundet manglende

tilgængelig information. Der vil derfor udelukkende blive sammenlignet afkast for henholdsvis venture

backed selskaber, og almindelige børsintroduktioner i den følgende test. Til fremtidige studier anbefales

det, at undersøge for netop disse foranstaltninger – indeholdt kapitalfondenes omdømme, pre-event og

post-event performance for børsintroduktionerne mv..


11.4 Resultater med Venture-backed børsnoteringer

For at lave regressionsanalysen med venture-backed børsnoteringer, er der

oprettet en ny afhængig variabel; vb_ipo_return. Den er beregenet ud fra

børsnoteringer, der i den oprindelige stikprøve, ifølge databasen Zephyr, er

helt eller delvist ejet af venture selskaber eller private equity fonde, idet

selskabet går på børsen. Efter denne frasortering fås en stikprøve på 38

eventselskaber. I tabel 11.3.1 angives hyppigheden af måneder med et

interval af eventselskaber, som indgår i beregningen. I hele 28 måneder er

der ingen selskaber i stikprøven mens 79 måneder har mellem 1 og 10

selskaber i stikprøven. Antallet af stikprøver inkluderet i hver måned giver

problemer i forhold til de statistiske forudsætninger om hovedsageligt

normalfordelte residualer. Ved få stikprøver i hver måned opstår en høj

standardafvigelse, hvorfor det kan blive svært, at finde signifikante

resultater. Ved at se tabel 11.3.2 findes høje værdier for både

standardafvigelsen, skævheden og kurtosis for residualerne, hvorfor vi kan

afvise residualerne som normalfordelte og dermed findes klart

forudsætningsbrud. Med få stikprøver er det ikke muligt at kontrollere for

enkelte afvigere og løsningen på dette problem bør være at øge

stikprøvestørrelsen, der dog ikke er muligt i denne situation.

Ved at ignorere forudsætningsbruddet og forsøge at fortsætte regressionen af tre-faktor modellen,

forekommer en svært insignifikant konstant. Derudover bidrager hverken SMB eller HML til

forklaringsgraden og de bliver derfor udeladt af modellen.35 Det bliver derfor til den oprindelige CAPM

model med resultater som vist i output 11.3.3.

Konstanten findes negativ, men særdeles insignifikant, hvorfor der ikke kan afvises ikke-eksisterende

anormale afkast for venture-backed børsintroduktioner. Det bemærkes at β estimationen er 1,07 og

signifikant, der antyder en højere risiko påtaget ved investering i venture-backed børsintroduktioner end i

det generelle marked. Dette er dog ikke overraskende eftersom der tidligere blev bemærket, at høj

standardafvigelse (volatilitet) for denne gruppe aktier. β forklarer endvidere kun omkring 32,5 % af

variationerne i den afhængige variabel, hvilket ikke er meget, men dog tæt på den samme forklaringsgrad

der fandtes for hot issue perioderne. Det kan igen skyldes de få eventselskaber med høje

35

Se regressionsoutput i bilag 5

Antal eventselskaber i

stikprøven

Frekvens

0 28

1-5 39

6-10 40

11-15 17

16-20 9

21-25 11

26< 12

i alt 156

Series: Residuals

Std. Dev 13,26

Skewness 4,3

Kurtosis 36,81

Tabel 11.3.1 Stikprøvefrekvens

Tabel 11.3.2 Test for normalfordeling


standardafvigelser i hver måned. Vi kan efter denne test ikke konkludere om skandinaviske venture-backed

børsintroduktioner klarer sig bedre eller dårligere end det generelle afkastkrav.

Dependent Variable: VB_IPO_RETURN-RISK_FREE


Date: 04/22/10 Time: 10:37


Included observations: 128 after adjustments

White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob. C -0.115991 2.024735 -0.057287 0.9544

MKT-RISK_FREE 1.079394 0.318799 3.385820 0.0009 R-squared 0.326447 Mean dependent var -3.482415







12. Finansiel adfærd – irrationelle forklaringer

De fleste finansielle forskere søger, at forklare fundne anormalier rationelt eftersom hypotesen om

markedseffektivitet har været en fast overbevisning i mange år. Med flere og flere undersøgelser indenfor

finansiel forskning der påviser anomalier, bliver der større og større skepsis over for EMH. Med andre ord

er der en økonomisk adfærd, der ikke kan forklares rationelt. Opgaven har indtil videre diskuteret de

mulige rationelle forklaringer, mens det ønskes med dette afsnit, at åbne muligheden for, at forklare de

fundne anomalier med irrationel investoradfærd. Indledende findes en kort introduktion til behavioral

finance, efterfulgt af mulige irrationelle forklaringer på anomalierne fra opgavens tidligere tests.

12.1 Behavioral Finance

I modsætning til almindelig finansiering, der er baseret på rationel økonomisk adfærd, antager behavioral

finance, at investorerne ikke altid opfører sig rationelt. Denne irrationelle adfærd får kurserne til at rykke

sig i anormale mønstre, der ikke kan forklares ved traditionel finansieringsteori. Ideen med finansiel adfærd

er, at investorer og andre individer opfører sig anderledes, end den ufølsomme rationelle investor, der

Output 11.3.3 Regression for Venturebacked børsintroduktioner


antages i standard finansieringsteori. Der antages i stedet, at psykologiske kræfter afholder

beslutningstagere i at handle rationelt. Finansiel adfærd kan groft opdeles i to basale temaer: heuristiske

bias og frame dependence.

Heuristisk bias

Heuristisk betyder i denne sammenhæng en tommefingerregel udviklet af den enkelte investor, baseret på

tidligere forsøg og fejltagelser. Det er vel og mærke ikke på baggrund af videnskabelige overvejelser, men

udelukkende på ens egne erfaringer og viden. Ikke alene tror hver især på hvad de tror, men de tror så

stærkt på det de bliver alt for selvsikre. Singal (2004) bruger eksemplet at en investor ved efter en lang

opgangsperiode for en given aktie, er det sikkert den vil falde for det har han set før. Så ganske kort efter

aktien er steget 10% sælges den. Falder aktien efterfølgende klapper investor sig selv på ryggen for, at have

forudsagt faldet – mens hvis den skulle stige yderligere har han blot været uheldig. Sagens kerne er altså, at

investor tager kredit for udsving, der styrker hans overbevisning, mens han afviser alle hændelser der ikke

gør. Heuristiske investorer har tendens til kun langsomt, at ændre overbevisning og kun ved gentagne

beviser for det modsatte. Disse investorer vil altså fortsætte med,at tage dårlige beslutninger grundet deres

overtillid til egen overbevisning.

Frame dependence

Det andet tema indenfor behavioral finance er frame dependence. Rationel økonomisk teori argumenterer,

at en krone tjent på kursstigninger er det samme som en krone tjent ved dividendeudbetaling, forudsat

ingen skat. Ligeledes kigger en investor udelukkende på risiko og afkast for sin samlede portefølje og ikke

for hver enkelt aktie. Disse måder at tænke på er frame independence, der betyder at formen for afkast er

ligegyldig, kun indholdet tæller. Modsætningen, frame dependence, ser mere på hver enkelt aktie end på

porteføljen som en helhed. Investorer er individuelt påvirket af de enkelte sikkerheder, og tænker

hovedsageligt i nominelle afkast frem for effektive afkast36. Investorer er her mere tilbøjelige til at investere

i selskaber, der betaler udbytte og er typisk mere tabs-averse end risiko-averse. Singal (2004) nævner

blandt andet, at investorer er kendte for at beholde tabere for længe fordi de ikke vil realisere et tab, mens

de på den anden side sælger en vinder for hurtigt, da de ikke vil se den blive en taber.

36

Med effektive afkast menes korrigeret for inflation, handelsomkostninger m.m.


12.2 Kan behavioral finance forklare anomalier?

Ifølge fortalere for behavioral finance kan adfærdsmønstre forklare anormale prisudsving bedre end

traditionel finansiering. Men når anomalier skal påvises, skal de ligeledes forklares, da investorer i mindre

grad tror på anomalien, hvis den ikke kan forklares. Oftest søger forskere, at forklare anomalier rationelt,

da det er lettere, at sælge en markedseffektiv forklaring frem for en adfærdsforklaring.

Specielt under- og overreaktion i tidsserier forsøges forklaret af investoradfærden. Tages der udgangspunkt

i den heuristiske investor er det oplagt at argumentere for en underreaktion på nyheder på kort sigt og en

overreaktion på lang sigt. Den heuristiske investor er, som bekendt så selvsikker han stoler mere på sig selv

end nye informationer. Derfor får nyheder ikke den kortsigtede effekt den burde, da denne investor ikke

ændrer sin overbevisning med det samme. Fortsætter informationsstrømmene vil investoren dog langsomt

lade sig omvende, og til sidst overreagere på informationerne. Derfor kan man generelt sige at investorer

vil overreagere på en række af gode og dårlige nyheder, men underreagerer på enkeltstående gode eller

dårlige nyheder. Ligeledes vil investorer overreagere på nyheder, der stemmer overens med hans egen

overbevisning, og underreagere hvis det er modstridende.(Singal (2004))

Kan investoradfærd forklare underperformance i skandinaviske børsintroduktioner?

Kan de rationelle forklaringer som prisstabilisering, underpricing og window-dressing ikke forklare en

underperformance i skandinaviens børsmarked – kan irrationel investoradfærd så? Nedenfor er nogle

irrationelle forklaringer, der kan have påvirkning på denne tests resultater.

Investering i hvad man kender

Ud fra frame dependence har investor en tendens til kun at investere i kendte former for sikkerheder. Det

bør kunne henføres på samme måde til valget af selskaber. Vurderer investor ud fra hvad hans kendskab til

et marked er, vil han tøve med investeringer i nye selskaber, der introduceres på børsen grundet et lavere

kendskab til disse. Dermed ignoreres informationer som risiko, resultater og kapitalstruktur, som ellers i

almindelig finansiering tages i betragtning. Denne irrationelle adfærd vil kunne præge afkastet for

skandinaviske børsintroduktioner, hvis de undgås af frame dependent investorer.


Investeringer i dividender

Som nævnt tidligere investerer en frame dependent investor hellere i dividendeudbetalende selskaber end

andre. Eftersom børsintroduktioner ofte er nye og forholdsvist mindre selskaber, der mindre sandsynligt

udbetaler dividende i etableringsårene på børsen, kan denne irrationelle forudsætning betyde, at frame

dependent investorer går helt forbi børsintroduktioner. Det påvirker ligeledes disse aktiers performance.

Investering på baggrund af nyhedsflow

Den heuristiske investor investerer, som bekendt, ud fra sin egen overbevisning. Enkeltstående nyheder

ændrer ikke investors overbevisning med det samme, da tilliden til sig selv overgår tilliden til nye

informationer. En række informationer kan dog langsomt vende investors overbevisning. I sammenhæng

med børsintroduktioner kan en række af positive nyheder op til en børsnotering, få investor til at gå fra

neutral til overbevist om en fornuftig investering. Investor starter med neutralt syn på selskabet, da den

ikke tidligere har været en mulighed på markedet. Selskabets gode nyhedsflow og positive børsprospekt vil

derfor overbevise investor om, at investere op til børsnotering. Efter børsnoteringen vil nyhederne være

mere neutrale og investors forventning og overbevisning om aktien falder over tid og vil til sidst være

modsat – derefter vil den heuristiske investor overreagere og sælge ud og skabe en dårlig performance for

en børsintroduktion.


13. Konklusion

Opgaven har indledende redegjort for definitionen af det effektive marked. Ved at anvende Fama’s (1970)

hypotese, er et marked effektivt i det øjeblik det reflekterer alle relevante informationer. Holder hypotesen

om markedseffektivitet kan der ikke opnås konsistent anormale afkast, da aktiekurserne øjeblikkeligt bør

afspejle alle informationer. Det kræver dog, at hele markedet får de samme informationer på samme tid,

og har den samme rationelle tankegang. Derfor stiller vi os kritiske overfor, om markedseffektiviteten altid

er gældende på alle markeder, og ved at undersøge for anomalier i børsmarkeder i litteraturen, finder vi

også indikationer for systematiske afvigelser. Deriblandt 3 kalender anomalier; weekendeffekten,

decembereffekten og januareffekten, samt momentumudsving på kurserne. For specielt januar- og

decembereffekten findes der gode rationelle forklaringer på fænomenet, mens det er en nærmere

irrationel investoradfærd, der ligger til grund for momentumudsving og weekendeffekten.

Indenfor opgavens hovedemne, børsintroduktioner, findes endvidere 3 velkendte anomalier, der

efterhånden er testet for på alle verdens markeder. Underpricing er når udbudsprisen på en aktie er

betydelig lavere, end slutkursen på den første handelsdag på børsen. Dette betyder blandt andet, at det

børsnoterede selskab mister den forskel mellem udbudspris og slutkurs i provenu, men også at investor har

mulighed for, at tjene høje afkast på meget kort sigt. En opsamling af empiriske undersøgelser af Jay Ritter

viser et gennemsnitligt førstedagsafkast for europæiske lande ligger mellem 5-50%.

Graden af underpricing har relationer til det andet anomale indenfor børsintroduktioner; hot issue

perioder. Det er påvist, at selskaber, der lader sig børsintroducere i et marked, med i forvejen mange

børsintroduktioner, skaber et væsentligt højere førstedagsafkast, end øvrige børsintroduktioner. Det

medfører ligeledes en svagere langsigtet performance, som er det sidste anomale.

Flere studier har påvist, at en langsigtet underperformance af børsintroduktioner. Studierne varierer

mellem en horisont på 3-5 år og viser næsten konsistent lavere afkast med få undtagelser. Forklaringer på

denne underperformance kædes ofte sammen med graden af underpricing, mens også window-dressing og

prisstabiliseringsmanøvren er rationelle forklaringer herpå.

Til udførelse af tests for den konsistente performance blandt de skandinaviske børsintroduktioner,

anvendes CAPM og 3-faktor modellen. Hovedsageligt da disse besidder egenskaber ved porteføljeafkast,

øvrige metoder ikke kunne opfylde.

Data er sammensat af månedlige afkast for en portefølje af skandinaviske børsintroduktioner i perioden

1997-2009. De justeres med henholdsvis månedsafkast på en 3-måneder CIBOR rente og afkastet fra Stoxx


Nordic total markedsindekset. De to yderligere faktorer fra 3-faktor modellen er sammensat af henholdsvis

en portefølje af small cap selskaber, minus large cap selskaber, og vækstaktier minus værdiaktier.

Udover test af den langsigtede performance, er der testet for periodevise resultater, hot issue selskabers

performance, samt selskaber ejet eller delvist ejet af venture fonde. I tabel 13.1 ses oversigten over de

endelige regressionsresultater, for de forskellige test.

Ved anvendelse af CAPM findes et signifikant negativt afkast, der betyder at skandinaviske

børsintroduktioner klarer sig omkring 1% dårligere, end forventet per måned. Det ses ligeledes, at

risikoestimatet, β, er 0,7 hvilket er lavere end markedsgennemsnittet på 1. Det kan blandt andet forklares

ved at standardafvigelsen for børsnoteringerne bliver stabiliseret af de selskaber, der ikke holder 36

måneder før en afnotering. Deres afkast bliver fra afnotering og frem til 36. måned sat til 0, hvorfor

standardafvigelsen vil blive påvirket mod 0.

3-faktor modellen giver ligeledes en negativ konstant, men denne gang stærkt insignifikant.

Børsnoteringerne klarer sig her 0,475% dårligere end forventet, uden vi dog kan afvise nul-hypotesen.

Forklaringsgraden stiger med omkring 5,5%-point ved, at inddrage 3-faktor modellens yderlige 2 faktorer i

forhold til CAPM, med kontrollerer angiveligvist for et størrelsespremium og værdipremium.

Eventperioden blev opdelt i to, for at teste for periodeforskelle indenfor eventperioden. Det resulterede i

interessante forskelle i konstanten. For den første periode var konstanten positiv med ca. 0,5%, der dog

ikke kan afvises at være en signifikant forskel. Den anden periode viste derimod en signifikant tydeligt

underperformance med 1,364%. Denne forskel kan der umiddelbart ikke gives nogen rationel forklaring på.

Ved test af selskaber børsnoteret i hot issue perioder, findes disse selskaber klart at underpræstere. Med

hele 2,165% anormalt afkast per måned giver hot issue selskaber et signifikant dårligere afkast end det

forventes. Det kan muligvis forklares delvist af et ophedet marked ved notering, der sendte kursen hurtigt

op, hvorefter afkastet derefter har været dalende. Det kan også tænkes, at virksomhedsejerne har set det

varme marked som sit snit til at sælge store dele af virksomheden til en favorabel pris, selvom

fremtidsudsigterne for selskabet ikke er gunstige. Det er senere kommet markedet til kendskab og deraf

den dårligere konsistente performance.


Test:

Børsnoteringer ved CAPM

Børsnoteringer ved 3-faktor

model

Periodeopdelt (1997-marts

2004)

Periodeopdelt (April 2004-

2009)

Hot issue selskaber

Venturebacked selskaber

α -1,025

(-2,285)a

-0,475 (-0,997)

0,546 (0,811)

-1,364 (-2,414)

a -2,165

(-2,415)a

-0,115 (-0,057)

β 0,70

(14,10)a

0,840 (14,06)

a 0,983

(10,45)a

0,715 (10,57)

a 0,488 (5,57)

a 1,079

(3,318)a

SMB -

0,34 (3,917)

a 0,505

(4,311)a

0,362 (2,72)

a - -

HML -

-0,204 (-1,688)

-0,264 (-1,95)

-0,073 (-0,495)

-0,302 (-2,333)

a -

R2

0,575

0,62

0,635

0,6321

0,35

0,326

a Signigfikant ved 5% signifikansniveau; i parentes findes koefficienternes t-statistik

Til sidst forsøges der, at se udover de rationelle forklaringer for de anormale afkast, og finde flere mulige

forklaringer ud fra irrationel investoradfærd. Ved at opdele irrationelle investorer i to typer; den heuristiske

invester og rammeinvestoren, kan deres typiske investeringskarakteristika kobles på disse

børsintroduktioner, så det vil kunne forklare et dårligere afkast. Irrationelle investeringsprincipper, der

foretrækker dividendeudbetalende aktier og velkendte aktier af navn, giver naturligvis nylig introducerede

selskaber dårligere vilkår.

Overordnet kan opgaven konkludere, at der blandt et samlet skandinavisk marked, findes anormale afkast

for børsintroduktioner, der dog er afhængig af metodevalg.

Tabel 13.1 Regressionsoversigt


Litteraturliste

Tidsskrifter

Ang, James & Shaojun Zhang, (2004), “An evaluation of testing procedures for long horizon event studies”,

Quantitative finance and accounting, vol. 23

Barber, B & Lyon, J, (1997), “Detecting long-run abnormal stocks returns: The empirical power and

specification of test statistics”, Journal of financial economics, vol. 43

Carhart, Mark, (1997), “On persistence in mutual fund performance”, Journal of Finance, vol. 52

Christopher B. Barry et al., (1990), ”The role of venture capital in the creation of public companies”, Journal

of Financial Economics 27 s. 447-471.

Fama, Eugene F. (1970), ”Effecient Capital Markets: A Review of Theory and Emperical Work”, The Journal

of Finance 25(5), s. 383-417.

Fama, Eugene F. (1976), “Foundations of Finance”, Basic Books Inc. Publishers.

Fama, Eugene F. (1991), “Efficient Capital Markets II”, The Journal of Finance 26(5), s. 1575-1617.

Fama, Eugene F. (1998), “Market efficiency, long-term return and behavioral finance”, Journal of financial

economics, vol. 49

French, Kenneth & Fama, Eugene, (1992), “The cross-section of expected stock returns”, Journal of finance,

vol. 47

French, Kenneth & Fama, Eugene, (1993), “Common risk factors in the returns of stocks and bonds”, Journal

of financial economics, vol. 33

Harbjerg, Peder, (1997), “Hvad praktikere bør vide om CAPM”, Finans /Invest, udgave 5/97

Ibbotson, Roger G., (1975), “Prices performance of common stock new issues”, Journal of Financial

Economics, Vol 2, s. 235-272.

Ibbotson, Roger G. & Jeffrey Jaffe, (1975), “Hot issue markets”, Journal of finance, vol. 30

Kooli, Maher & Suret, Sean-Marc, (2004), “The aftermarket performance of initial public offerings in

Canada”, Journal of multinational financial management, vol. 14

Kothari, S.P & Warner, J.B, (1997), “Measuring long-horizon security price performance”, Journal of

financial economics, vol. 43

Lee, P., and S. Wahal, (2002), “Grandstanding, Certification and the Underpricing of Venture Capital Backed

IPOs,” Journal of Financial Economics 73 (2004) s. 375-407.


LeRoy, Stephen f. (1976), ”Efficient Capital Markets”, Journal of Finance 31(1), s. 139-141.

Ljungqvist, Alexander, (1996), “IPO long-run under-performance: Fact or fiction?, Oxford University School

of Management Studies

Logue, D. (1973), “On the pricing of unseasoned equity issues: 1965-1969”, Journal of Financial and

Quantitative Analysis, January, s. 91-103

Loughran , T. & J.R. Ritter (1995), “The new issues puzzle”, Journal of Finance 50, s. 23-51

Loughran, T. & J.R. Ritter, (2003), “Why Has IPO Underpricing Increased Over Time?”, Financial

Management, Vol. 33, No. 3, s. 5-37.

Lyon, Barber & Tsai, (1999), “Improved methods for test of long-run abnormal stock returns”, Journal of

finance, vol. 54

Megginson, M. & K. Weiss, (1991), “Venture Capital Certification in Initial Public Offerings,” Journal of

finance, Vol. 46, s. 879-903.

Miller, Edward, (1977), “Risk, uncertainty and divergence of opnions”, Journal of finance, vol. 32

Ritter, J.R. (1991), “The long-run performance of initial public offerings”, Journal of Finance 46, s. 3-27

Rock, K. (1986), “Why New Issues Are Underpriced”, Journal of Financial Economics 15, s. 187-212.

Sharpe, William, (1964), “Capital Asset Prices: A theory of market equilibrium under condition of risk”,

Journal of finance

Shiller, R. J. (1990), “Speculative Prices and Popular Models”, Journal of Economic Perspectives, Vol. 4, issue

2, s. 55-65

Singal, V & Primatani M, (2001), “Return predictability following large price changes and information

releases”, Journal of Banking and Finance vol. 25

Stern, Richard L. & Paul Bornstein (1985), “Why new issues are lousy investments”, Forbes 136, s. 152-190

Sørensen, Bjarne G. (1983), “En empirisk analyse af det danske aktiemarkeds effektivitet”,

Licentiatsafhandling, Odense Universitet.


Bøger

Brooks, Chris, (2003), “Introductory econometrics for finance”, Cambridge University Press

Campbell, Lo & Mackinlay, (1997), “The econometrics of financial markets”, Princeton University Press

Jenkinson, Tim & Ljungqvist, Alexander, (1998), “Going public”, Oxford University Press

Malkiel, Burton, (1973), “A random walk down Wall Street”, W.W. Norton & Company Inc.

Vogelvang, Ben, (2006), “Econometrics: Theory and applications with Eviews”, Prentice Hall

Woolridge, Jeffrey, (2008), “Introductory econometrics; A modern approach”, South-Western College

publishing

Singal, Vijay, (2004), “Beyound the random walk – a guide to stock market anomalies and low risk

investing”, Oxford University Press, Inc.

Undervisningsmaterialer:

Lunde, Asger & Jensen, Morten, (2009), “Undervisningsslides fra faget økonometrisk metode” , Århus

handelshøjskole

Datakilder:

Zephyr, database tilgængelig gennem Århus handelshøjskole

Datastream, database tilgængeligt gennem Århus handelshøjskole

www.stoxx.com

www.nasdaqomxnordic.com

Documents

Erhvervsøkonomisk Institut Opgaveløser Vejleder: Jan Bartholdypure.au.dk/portal/files/10466/Test_af_b_rsintroduktioners_performance__opgaven_.pdf · Erhvervsøkonomisk Institut