Kauppatieteiden laitos
MALLISALKUN OSTO- JA MYYNTITAPAHTUMIEN VAIKUTUS OSAKKEIDEN TUOTTOON JA VOLYYMIIN
Pro-gradu tutkielma Laskentatoimi ja rahoitus Okko Komulainen 24.5.2021
ITÄ-SUOMEN YLIOPISTO Tiedekunta
Yhteiskuntatieteiden ja kauppatieteiden tiedekunta
Yksikkö
Kauppatieteiden laitos Tekijä
Okko Komulainen
Ohjaaja
Markus Mättö Työn nimi
Mallisalkun osto- ja myyntitapahtumien vaikutus osakkeiden tuottoon ja volyymiin Model portfolio’s buy- and sell events’ effect on shares return and volume
Pääaine
Laskentatoimi ja rahoitus
Työn laji
Pro gradu -tutkielma
Päivämäärä 24.5.2021
Sivuja 51+10
Tiivistelmä
Tutkimuksen tavoitteena on selvittää kuinka osakemallisalkussa tapahtuvat osto- ja myyntitapahtumat vaikuttavat kohteena olevien osakkeiden tuottoon ja volyymin määrään.
Lisäksi tutkimuksessa pyritään selvittämään, johtuuko osakkeiden epänormaali tuotto naiivien sijoittajien muodostamasta väliaikaisesta hintapaineesta vai sisältääkö mallisalkun tapahtumat uutta informaatiota, joka selittäisi epänormaalin tuoton.
Tutkimuksessa mallisalkkuna käytetään Inderes Oy:n julkaisemaa mallisalkkua. Tutkimuksessa keskitytään vain Suomessa listattuihin yhtiöihin, joten ulkomaiset yhtiöt rajataan pois mallisalkusta.
Mallisalkun osto- ja myyntitapahtumien vaikutusta osakkeiden tuottoon mitataan epänormaalin tuoton sekä epänormaalin volyymin kautta. Osakekohtainen normaalin tuoton estimaatti arvioidaan pienimmän neliösumman menetelmällä suhteessa markkinatuottoon ja tapahtumapäivän epänormaali tuotto lasketaan havaitun tuoton ja normaalin tuoton erotuksena.
Markkinatuottona käytetään OMX Helsinki-pisteindeksin päivittäisiä tuottoja. Myös epänormaali volyymi arvioidaan edellä mainitulla menetelmällä.
Tulosten perusteella voidaan todeta, että mallisalkussa tapahtuvien osto- ja myyntitapahtumat vaikuttavat tilastollisesti merkitsevästi epänormaaliin tuottoon sekä epänormaaliin volyymiin tapahtumapäivänä. Myyntitapahtumilla havaittu epänormaali tuotto voidaan olettaa johtuvan hintapainehypoteesin mukaisesta naiivien sijoittajien käyttäytymisestä, mutta ostotapahtumien osalta ei voida tehdä yhtä selvää tulkintaa hintapaine- tai informaatiohypoteesin toteutumisesta.
Avainsanat
mallisalkku, analyytikoiden osto- ja myyntisuositukset, hintapainehypoteesi, informaatiohypoteesi
1 JOHDANTO ... 4
2 KIRJALLISUUSKATSAUS ... 6
2.1 MARKKINOIDEN TEHOKKUUS JA ANALYYTIKOIDEN SUOSITUKSET ... 6
2.2 SUOSITUKSET SANOMALEHDISSÄ ... 8
2.2.1 Suosituksista johtuva epänormaalituotto ... 8
2.2.2 Suosituksista johtuvien kurssireaktioiden syyt – sijoittajien muodostama hintapaine vai uusi informaatio? ... 10
2.2.3 Hintapainehypoteesi sekä informaatiohypoteesin tutkiminen volyymin kautta ... 15
2.3 KIRJALLISUUDESSA KÄYTETYT TUTKIMUSMENETELMÄT ... 18
3 AINEISTO JA MENETELMÄT ... 22
3.1 TUTKIMUSAINEISTO ... 22
3.2 TUTKIMUSMENETELMÄT ... 23
3.2.1 Epänormaalin tuoton laskeminen ... 23
3.2.2 Epänormaalin volyymin tuoton laskeminen ... 24
3.2.3 Hintapaine- ja informaatiohypoteesien määritelmät ... 24
4 TULOKSET ... 27
4.1 EPÄNORMAALI TUOTTO ... 27
4.2 VOLYYMI ... 31
4.3 OSTO- JA MYYNTITAPAHTUMIEN EPÄNORMAALIN TUOTON JA -VOLYYMIN VERTAILU TAPAHTUMAPÄIVÄNÄ ... 33
4.4 KORKEAN- JA MATALAN VOLYYMIN RYHMIEN MUODOSTAMINEN ... 36
5 TULOSTEN TARKASTELU ... 39
5.1 EPÄNORMAALIN TUOTON KEHITYS OSTO- JA MYYNTITAPAHTUMISSA ... 39
5.2 OSTO- JA MYYNTITAPAHTUMIEN KOHTEENA OLEVIEN OSAKKEIDEN VOLYYMIN REAKTIO ... 42
5.3 HINTAPAINE- JA INFORMAATIOHYPOTEESI ... 45
6 YHTEENVETO ... 49
7 LÄHTEET ... 50
LIITTEET ... 52
1 JOHDANTO
Analyytikoiden ja muiden tahojen muodostamia osakelistoja on julkaistu usein mm.
osakemarkkinoita käsittelevissä sanomalehdissä, joidenka perusteella piensijoittajat ovat voineet tehdä sijoituspäätöksiään. Nykyään mallisalkut ovat siirtyneet sähköiseen muotoon ja näin mallisalkkujen seuraaminen on helpottunut piensijoittajien näkökulmasta. Mallisalkkujen tulokset ovat usein julkisesti nähtävillä ja mallisalkkua seuraavien piensijoittajien lukumäärä voi kasvaa hyvinkin korkeaksi. Yksi syy seurata mallisalkkua piensijoittajan näkökulmasta on se, että piensijoittajat pyrkivät saavuttamaan mallisalkkua vastaavan tuoton. Tätä ilmiötä vahvistaa usein mallisalkkujen historialliset tuotot, jotka usein ovat vertailuindeksiään korkeammat. Näin ollen piensijoittajat voivat olettaa saavuttavansa vertailutuottoa korkeamman tuoton seuraamalla mallisalkun osto- ja myyntitapahtumia. Mallisalkun seuraajien alttius tehdä samanlaisia osto- ja myyntitoimeksiantoja voivat johtaa laumakäyttäytymiseen, jota ei ilman mallisalkkua olisi havaittavissa. Piensijoittajien reagointi mallisalkun osto- ja myyntitapahtumiin yhdessä suuren seuraajamäärän kanssa ovat tekijöitä, jotka voivat aiheuttaa osakkeiden hinnan muutoksia, joita ei olisi tapahtunut ilman mallisalkkua. Mallisalkulla tarkoitetaan kaikille avointa, yksittäisistä osakkeista koostuvaa kokonaisuutta, jonka ylläpitäjä ostaa ja myy yksittäisiä osakkeita aktiivisesti mallisalkussaan.
Tässä tutkimuksessa käytetään suomalaisen analyytikkoyhtiön, Inderes Oy:n, julkaisemaa mallisalkkua. Inderesin mallisalkku keskittyy pääasiassa suomalaisiin osakkeisiin, joten tutkimuksessa on rajattu pois ulkomaaliset osakkeet.
Tutkimuksen tavoitteena on selvittää kuinka voimakkaita reaktioita laajasti seuratun mallisalkun osto- ja myyntitapahtumat aiheuttavat osakemarkkinoilla. Osto- ja myyntitapahtumien vaikutuksia tutkitaan osakkeen hinnan muutoksen sekä osakevaihdon määrän kautta. Hinnan muutoksen osalta pyritään selvittämään aiheuttaako mallisalkussa tehty osto- tai myyntitapahtuma keskimäärin tilastollisesti merkitsevää epänormaalia tuottoa kohteena olevalle osakkeelle. Epänormaalin tuoton lisäksi tutkin myös mahdollista epänormaalin osakevaihdon muodostumista osto- ja myyntikohteena oleville osakkeille.
Epänormaalin tuoton ja epänormaalin volyymin perusteella voidaan arvioida sitä, johtuuko mahdollinen hintareaktio sijoittajien epärationaalisesta käyttäytymisestä vai sisältääkö mallisalkun osto- ja myyntisuositukset uutta informaatiota.
Tutkimuksen tavoitteena on analysoida Inderes Oy:n mallisalkun (Inderes 2020) osto- ja myyntitapahtumien vaikutuksia kohteena oleviin osakkeisiin. Tutkimuksen tavoitteena on havaita osakkeiden mahdolliset hintareaktiot sekä osakevaihdon volyymin reaktiot, jotka ovat seurausta mallisalkun osto- ja myyntitapahtumista sekä selvittämään näiden reaktioiden taustalla olevia tekijöitä. Tutkimuskysymyksinä on selvittää: 1) muodostuuko epänormaalia tuottoa tai -volyymia mallisalkun osto- ja myyntitapahtumien kohteena olleille osakkeille sekä 2) johtuuko epänormaali tuotto naiivien sijoittajien käyttäytymisestä vai sisältävätkö mallisalkun suositukset uutta informaatiota?
Ensimmäisen tutkimuskysymyksen osalta tutkimuskohteina ovat mm. tutkia epänormaalin tuoton määrää tapahtumapäivänä, epänormaalin tuoton kestoa tapahtumapäivän jälkeen sekä epänormaalin tuoton ilmenemisajankohtaa suhteessa tapahtumapäivään. Volyymin tutkimisessa tutkimus keskittyy myös edellä mainittuihin seikkoihin, mutta volyymin osalta.
Näillä pyritään selvittämään vaikuttavatko mallisalkun osto- ja myyntitapahtumat kohteena olevien osakkeiden hintaan lyhyellä aikavälillä, onko toiminnassa mahdollisia informaatiovuotoja, kuinka vahvasti markkinat reagoivat mallisalkun tapahtumiin sekä kuinka pitkään mallisalkun vaikutukset kestävät.
Toisen tutkimuskysymyksen osalta pyritään selvittämään, tukeeko ensimmäisen tutkimuskysymyksen tulokset hintapaine- vai informaatiohypoteesia osto- ja myyntitapahtumien kohteena olevien osakkeiden hintareaktion selittävänä tekijänä.
Hintapainehypoteesin mukaan epänormaali tuotto ja volyymi on seurausta naiivien sijoittajien käyttäytymisestä, kun puolestaan informaatiohypoteesissa oletetaan epänormaalin tuoton johtuvan uuden informaation muodostumisesta.
2 KIRJALLISUUSKATSAUS
2.1 MARKKINOIDEN TEHOKKUUS JA ANALYYTIKOIDEN SUOSITUKSET
Mallisalkun aiheuttamia reaktioita tutkittaessa on pohdittava sitä, ovatko markkinat lähtökohtaisesti tehokkaat, jolloin mallisalkun osto- ja myyntitapahtumat eivät vaikuttaisi kohteena olevien osakkeiden hintaan. Tehokkaiden markkinoiden hypoteesin mukaan kaikki saatavilla oleva informaatio on kokonaisuudessaan otettu huomioon osakkeiden hinnoittelussa.
Markkinoita kutsutaan tehokkaiksi, kun hinnat kuvaavat aina saatavilla olevaa informaatiota.
Tehokkaiden markkinoiden hypoteesi koostuu kolmesta osasta: heikosta-, keskivahvasta-, ja vahvasta markkinoiden tehokkuuden muodosta. Heikossa muodossa informaatio koostuu aikaisemmasta hintahistoriasta, keskivahvassa muodossa oletuksena on, että markkinat sisältävät kaiken julkisen informaation ja vahvassa muodossa tutkitaan vaikuttaako sisäpiiritieto hinnanmuodostukseen. (Fama 1970.) Näin ollen keskivahvan markkinatehokkuuden mukaan mallisalkussa tapahtuvat muutokset eivät aiheuttaisi kohteena olevassa osakkeessa hintareaktioita, koska mallisalkun osto- ja myyntitapahtuma ei tuo lisäinformaatiota yhtiön tilanteesta. Toisaalta jos mallisalkun osto- tai myyntitapahtuma luokitellaan markkinoilla uudeksi informaatioksi, niin tällöin hintareaktio olisi keskivahvan markkinatehokkuuden mukaan perusteltua.
Tehokkaiden markkinoiden hypoteesi pohjautuu osakkeiden tuottojen ”random walkille”, joka tarkoittaa, että perättäisten päivien hinnanmuutokset ovat toisistaan riippumattomia ja niihin vaikuttaa vain uuden informaation saapuminen markkinoille. Uutiset, joidenka kautta uutta informaatiota tulee markkinoille ovat sattumanvaraisia ja näin ollen hinnanmuutokset eivät ole ennustettavissa. Oletuksen on myös, että informaatio siirtyy markkinoille esteettä ja sen vaikutuksen osakkeiden hintoihin siirtyy heti uuden informaation julkaisun myötä. Näin ollen osakkeiden hintojen tulisi kuvata kaikkea julkkisesti saatavilla olevaa informaatiota eikä lisätuottoa voisi muodostaa analysoimalla markkinoilla olevaa julkista informaatiota. (Malkiel 2003.)
Random walk-teorian oletusta osakehintojen sarjakorrelaatiosta on tutkittu mm. Lo &
MacKinaly (1999). Lo & MacKinlay (1999, 18) käyttivät aineistona aikavälillä 1962–1985
Yhdysvaltojen osakemarkkinoita ja tuloksena oli tasaisesti painotetulle (equal-weighted) tuottoindeksille tilastollisesti merkitsevä 30 prosentin korrelaatio viikkotuottojen välillä.
Korrelaatio oli kuitenkin huomattavasti pienempi markkina-arvon mukaan painotetussa indeksissä, vain kahdeksan prosenttia (Lo & MacKinalay 1999, 28). Myös havaintojakson pidentäminen yhdestä viikosta neljään viikkoon pienentää osaketuottojen korrelaatiota: neljän viikon jaksolla tasaisesti painotetun indeksin tuottojen korrelaatio oli 15 prosenttia ja markkina- arvon mukaan painotetulla indeksillä vain viisi prosenttia eikä tulos ollut tilastollisesti merkitsevä. (Lo & MacKinlay 1999, 29). Yhden aikavälin tutkimustuloksesta ei kuitenkaan voi tehdä lopullisia johtopäätöksiä osakkeiden tuottojen sarjakorrelaatiosta. Lo ja MacKinalay (1999, 16) huomauttavatkin, että tutkimustulokset eivät ole yhtä selviä, kun tutkimus toistettiin uudemmalla aineistolla vuosien 1986–1996 ajalta.
On myös muistettava, että positiivisen osaketuottojen sarjakorrelaation havaitseminen ei tarkoita suoraan sitä, että markkinat olisivat epätehokkaat (Lo & MacKinlay, 18). Myös Malkiel (2003) korostaa, että vaikka osakemarkkinat eivät välttämättä noudata täydellisesti random walkia eli osakkeiden tuotot voivat osassa tutkimuksissa olla tilastollisesti riippuvaisia toisistaan, niin silti sijoittajat eivät voi saavuttaa ylimääräisä tuottoja hyödyntämällä ilmiötä ja näin ollen tämän perusteella ei voida todeta markkinoiden olevan epätehokkaita.
Tehokkaiden markkinoiden keskivahvan muodon mukaan markkinahinnat sisältävät kaiken julkisesti saatavan informaation, mutta kuten Busse ja Green (2002) toteavat hinnat eivät voi reagoida täysin reaaliaikaisesti uuden informaation tullessa markkinoille, vaan hinnat reagoivat viiveellä. Tämän viiveen suuruus on mielenkiintoinen tutkimuskohde markkinatehokkuuden näkökulmasta sekä analyytikoiden suositusten vaikuttavuuden näkökulmasta.
Kirjallisuudessa on tutkittu paljon osakevälittäjien analyytikoiden suositusten vaikutusta osakkeen hintoihin. Analyytikoiden suosituksista seurannutta hintareaktiota on tutkittu vaihtelevilla ajanjaksoilla: sekuntien ja minuuttien ajanjaksolla (Busse & Green 2002), päivien ajanjaksolla Stickel (1995) sekä päivien ja kuukausien ajanjaksolla Womack (1996).
Busse ja Green (2002) tutkivat televisiossa tehtyjen suositusten vaikutusta osakehintoihin ja havaitsivat, että osakkeiden hinta reagoi hyvin nopeasti uuteen informaatioon, positiivisiin uutisiin reagoitiin jo sekuntien kuluttua ja vaikutus kestää noin minuutin. Negatiivisiin uutisiin Busse ja Greenin (2002) mukaan reagoitiin hitaammin, vaikutus kesti jopa 15 minuuttia.
Stickel (1995) havaitsi ostosuosituksille keskimäärin 1,16 prosentin hintanousun 11 päivän aikana ja myyntisuosituksille keskimääräinen hinnan aleneminen oli – 1,28 prosenttia. Sickel (1995) kuitenkin korostaa, että epänormaalin tuoton suuruuteen vaikuttaa hyvin monet tekijät, kuten se onko suosituspäivänä samanaikaisesti julkaistu myös muuta informaatiota, kuten tulosjulkaisua tai muuta vastaavaa talousjulkaisua, jolloin tuoton kehitys ei niinkään kuvaa reagointia suositukseen vaan reagointia yhtiön tiedotteeseen.
Busse ja Green (2002) mainitsevat, että 1970- ja 1980-luvuilla tehdyissä tutkimuksissa jo 15 minuutin sisällä havaittua reagointia pidettiin erittäin nopeana. Kuitenkin teknologian kehittyessä uuteen tietoon reagointi nopeutuu koko ajan uusien alustojen kehittyessä. Chen ym.
(2014) tutkivat sosiaalisen median vaikutusta osakehintoihin. Chen ym. (2014) mukaan sosiaalisen median alustat voivat ennakoida osakkeiden tuottoja.
2.2 SUOSITUKSET SANOMALEHDISSÄ
2.2.1 Suosituksista johtuva epänormaalituotto
Mallisalkut ovat suhteellisen uusi ilmiö, joten aikaisempaa tutkimusta niistä ei ole.
Rinnastettava ilmiö mallisalkkuihin on osakemarkkinoihin keskittyvien lehtien kolumnit ja erityyppiset osakesuosituslistat, joidenka vaikutuksia arvopapereiden hinnanmuutoksiin on aikaisemmin tutkinut mm. Liu ym. (1990), Barber & Loeffer (1993), Liang (1999) ja Schlumpf ym. (2008). Analyytikkosuositusten reaktioita suhteessa osakkeen hintaan tutkitaan pääasiassa suosituksen julkaisupäivänä muodostuvan epänormaalin tuoton perusteella (abnormal return).
Liu ym. (1990) tutkivat the Wall Street Journal:issa olevan ”Heard-on-the-Street” (HOTS) kolumnin vaikutusta siinä mainittujen osakkeiden tuottoon sekä osakkeiden vaihdon määrään
kolumnin julkaisupäivänä. Aineistona käytettiin kolumnin julkaisuja aikaväliltä 1.9.1982- 30.9.1985. Kolumnissa käsitellyistä osakkeista muodostettiin osto- ja myyntisuositukset kolumnin suhtautumisen perusteella osakkeen tulevaisuuden näkymiin. Epänormaalia tuottoa havaittiin kolumnin julkaisupäivänä sekä kahtena julkaisupäivää edeltäneenä päivänä.
Kolumnin julkaisupäivänä ostosuosituksille havaittiin keskimäärin 1,54 prosenttiyksikön epänormaali tuotto. Myyntisuosituksille puolestaan julkaisupäivänä havaittiin keskimäärin - 1,99 prosenttiyksikön epänormaali tuotto. Myös osakkeen vaihdon määrä oli tilastollisesti poikkeavaa näinä päivinä. Yhdeksi mahdolliseksi syyksi epänormaalin tuoton ilmenemiselle kahta päivää ennen artikkelin julkaisua arvioitiin tiedon vuotaminen ennen virallista artikkelin julkaisupäivää. (Liu ym. 1990.)
Schlumpf ym. (2008) tutkivat suosituksien vaikutuksia osakemarkkinoiden reaktioihin, kun samat suositukset julkaistiin kahtena eri ajanhetkenä. Ensimmäisessä vaiheessa suositukset julkaistiin vain rajatulle yleisölle ja vasta sen jälkeen tiedot julkaistiin sanomalehdessä julkisesti kaikkien saataville. Tämä kaksijakoinen rakenne johtui siitä, että tutkimuksessa käytetyllä sanomalehdellä oli käytössä maksullinen tilaus, jonka tilaajat saivat suositukset ennen virallista lehden julkaisua. Kaksijakoinen julkaisurakenne on mielenkiintoinen, koska aikaisemmissa tutkimuksissa (esim. Liu ym. 1990) on havaittu epänormaalia tuottoa jo ennen julkaisua mutta sitä ei ole voitu tutkia tarkemmin tiedon vuotopäivän tuntemattomuuden vuoksi. Näin ollen Liu ym. (1990) tutkimuksessa havaittuun tiedon vuotamiseen saatiin parempi käsitys Sclumpf ym.
(2008) käytettävissä olleen kaksijakoisen julkaisurakenteen kautta. Schlumpf ym. (2008) käyttivät aineistona sveitsiläistä taloussanomalehden (Finanz und Wirtschaft) sijoitussuosituskolumnista, jossa julkaistut suositukset ajoittuivat aikavälille 1.1.1998 - 31.12.2001. Schlumpf ym. (2008) havaitsivat, että epänormaali tuotto oli suurempi ensimmäisessä julkaisussa (päivänä, jolloin tiedot julkaistiin rajatulle tilaajajoukolle) kuin toisessa julkaisuissa (päivänä, jolloin tiedot julkaistiin kaikkien saataville). Tämän lisäksi Schlumpf ym. (2008) havaitsivat, että epänormaali tuotto oli ostosuositusten osalta tilastollisesti merkitsevä toisen julkaisun julkaisupäivänä ja sitä seuraavana päivänä. Tämä havainto on tehokkaiden markkinoiden hypoteesin vastaista, koska hintareaktioita ei pitäisi muodostua enää toisessa julkaisussa saman informaation jo ollessa julkaistuna ensimmäisessä julkaisussa (Schlumpf ym. 2008).
Ostosuosituksissa epänormaali tuotto oli toisen julkaisun lisäksi tilastollisesti merkitsevä myös ensimmäisessä julkaisussa. Ensimmäisessä julkaisussa ostosuosituksen saaneiden osakkeiden keskimääräinen epänormaali tuotto oli 0,48 prosenttiyksikön ostosuosituksen julkaisupäivänä ja toisessa ostosuositusten julkaisussa osakkeiden keskimääräinen epänormaali tuotto oli 0,14 prosenttiyksikköä. Vastaavasti myyntisuosituksen saaneet osakkeilla havaittiin ensimmäisenä julkaisupäivänä -1,28 prosenttiyksikön epänormaali tuotto ja toisena julkaisupäivänä -0,34 prosenttiyksikön epänormaali tuotto. Tosin myyntisuosituksissa vain ensimmäisenä julkaisupäivänä havaittu epänormaali tuotto oli tilastollisesti merkitsevä. (Schlumpf ym. 2008.)
Barber & Loeffer (1993) tutkivat the Wall Street Journal:issa julkaistua kolumnia (”The dartboard”), jossa vertailtiin neljän analyytikon valitsemien osakkeiden tuoton kehitystä neljän satunnaisesti valitun osakkeen tuottoon verrattuna. Tutkimuksessa aineistona käytettiin analyytikkojen suosituksia 1988 - 1990 välisenä aikana. Barber & Loweffer (1993) havaitsivat suosituksen saaneilla osakkeilla julkaisupäivänä 3,53 prosenttiyksikön epänormaalin tuoton.
Liangin (1999) tutki the Wall Street Journal:in ”Dartboard”-kolumnin suositusten vaikutuksia osakkeiden tuottoihin aikajaksolla 6.1989–11.1994 ja tulokset olivat yhteneviä Barberin &
Loefferin (1993) saamiin tuloksiin. Liang (1999) havaitsi epänormaaliksi tuotoksi 2,84 prosenttiyksikköä suosituksen julkaisupäivänä ja 0,68 prosenttiyksikön epänormaalin tuoton julkaisupäivää seuraavan päivänä.
Edellä mainitut tutkimukset päätyvät hyvin samoihin päätelmiin suositusten vaikutuksesta osakkeen epänormaaliin tuottoon suosituksen julkaisupäivänä. Vaikuttaa siltä, että sanomalehtien ostosuositukset muodostavat epänormaalin tilastollisesti merkitsevän positiivisen tuoton ja myyntitoimeksiannot puolestaan muodostavat epänormaalin tilastollisesti merkitsevän negatiivisen tuoton.
2.2.2 Suosituksista johtuvien kurssireaktioiden syyt – sijoittajien muodostama hintapaine vai uusi informaatio?
Olennainen kysymys suosituksista johtuvien kurssireaktioiden tutkimisessa on selvittää, onko suosituksesta johtuva epänormaali tuotto seurausta naiivien sijoittajien käyttäytymisestä vai uuden informaation vaikutuksesta. Liang (1999), Barber & Loeffer (1993), Schlumpf ym.
(2008) sekä Liu ym. (1990) tutkivat suosituksista johtuvaa kurssireaktioiden syitä kahden hypoteesin kautta: hintapaine hypoteesin (price pressure hypothesis) sekä informaatio hypoteesin (information hypothesis) kautta. Hintapaine hypoteesissa oletuksena on, että suositukset aiheuttavat väliaikaisen ostopaineen naiivien sijoittajien reagoinnista suositukseen ja tämä ostopaine muodostaa hetkellisen epänormaalin tuoton suosituksen kohteena olleelle osakkeelle. Naiivien sijoittajien muodostama epänormaali tuotto ei kuitenkaan ole pitkäaikaista ja näin ollen osakkeen nopeata epänormaalin tuoton kasvua seuraa keskiarvoon palautuminen (Liang 1999). Informaatio hypoteesin mukaan taas suositusten julkaisijoilla on informaatiota, jota ei osakemarkkinoilla vielä tunneta ja näin ollen suositus muodostaa uutta informaatiota markkinoille, jolloin osakkeen hinnan muutos on pysyvä (Liang 1999.) Ostopaine- ja informaatio hypoteesien oletuksia tutkimalla voidaan saada selville, onko markkinareaktiot peräisin sijoittajien rationaalisesta vai epärationaalisesta käyttäytymisestä.
Liangin (1999) tutkimuksessa ensimmäinen epänormaali negatiivinen tuotto (-0,25 %) ostosuosituksille havaitaan ensimmäisen kerran jo kahden päivän kuluttua suosituksen julkaisupäivästä (Taulukko 1). Tämä viittaa siihen, että osakkeen epänormaali tuotto ei ole pitkäkestoista, vaan se johtuu hetkellisestä ostopaineesta naiivien sijoittajien reagoidessa suositukseen. Tämä havainto tukee hintapaine-hypoteesia epänormaalin tuoton selittävänä tekijänä. Kumulatiivisen epänormaalin tuoton väheneminen alkaa jo toisena päivänä suosituksen julkaisemisesta ja se päätyy lähelle suositusta edeltäneelle tasolle tutkimusjakson lopussa eli 120 päivää tapahtumapäivästä (Taulukko 1). (Liang 1999.)
Taulukko 1: ”Dartboard”-kolumnin asiantuntijoiden valitsemien osakkeiden epänormaalit tuotot (AR), kumulatiiviset epänormaalit tuotot (CAR) aikavälillä 6.1989–11.1994. * = tilastollisesti merkitsevä 5 % tasolla.
Päivä AR z-AR CAR z-CAR
-25 -.03 -1.21 -.03 -1.21
-10 .12 .66 .58 -.60
-5 .51 1.46 1.11 -.30
-4 .14 .12 1.25 -.26
-3 -.03 -.40 1.22 -.33
-2 .48 3.00* 1.70 .23
-1 .20 1.29 1.90 .46
0 2.84 12.81* 4.74 2.74*
1 .68 4.15* 5.42 3.39*
2 -.25 -2.41* 5.17 2.91*
3 .03 -.31 5.20 2.80*
4 -.58 -1.42 4.62 2.51*
5 -.32 -.99 4.30 2.31*
6 -.53 -2.44* 3.77 1.88
7 -.43 -3.10* 3.34 1.37
8 -.25 -1.46 3.09 1.12
9 .11 .09 3.20 1.12
10 -.20 -1.47 3.00 .88
25 .23 .96 2.86 .29
50 .05 .16 2.15 -.36
100 -.11 -.79 -1.01 -1.30
120 -.07 -1.28 -1.90 -1.55
Lähde: Liang 1999.
Liang (1999) päätyy siihen johtopäätökseen, että suositukset muodostavat lyhytkestoisen ostopaineen, mikä viittaa siihen, että analyytikoiden suositukset eivät sisällä uutta informaatiota vaan lyhytaikainen epänormaali tuotto johtuu naiivien sijoittajien reagoinnista julkaistuun suositukseen. Barber ja Loeffer (1993) sekä Sclumpf ym. (2008) eivät kuitenkaan sulje pois informaatio hypoteesin mahdollisuutta, vaikka painottavatkin hintapaine-hypoteesin vaikutusta määräävänä tekijänä. Barber ja Loefferin (1993) sekä Liangin (1999) tulokset kumulatiivisen epänormaalin tuoton osalta ovat hyvin samankaltaiset: Barberin ja Lofferin (1993) mukaan kumulatiivinen epänormaali tuotto on 25 päivän jälkeen tapahtumapäivästä 2,56
prosenttiyksikköä (Taulukko 2) ja Liangin (1999) mukaan saman ajanjakson kumulatiivinen epänormaali tuotto on 2,86 prosenttiyksikköä (Taulukko 1).
Taulukko 2: ”Dartboard”-kolumnin (1988–1990) asiantuntijoiden valitsemien osakkeiden epänormaalit tuotot prosentteina (𝐴𝑅̅̅̅̅̅𝑡), kumulatiiviset epänormaalit tuotot prosentteina ( 𝐶𝐴𝑅𝑡
̅̅̅̅̅̅̅).
Päivä 𝐴𝑅̅̅̅̅̅𝑡 𝐶𝐴𝑅̅̅̅̅̅̅̅𝑡 𝑡(𝐴𝑅̅̅̅̅̅̅̅̅̅𝑡) 𝑡(𝐶𝐴𝑅̅̅̅̅̅̅̅̅̅̅̅𝑡)
-25.00 0.02 0.02 0.12 0.12
-20.00 -0.01 0.61 -0.08 1.25
-15.00 -0.24 0.33 -1.20 0.40
-10.00 0.24 0.90 0.95 0.60
-5.00 0.34 0.54 1.39 0.43
-4.00 0.30 0.84 1.17 0.61
-3.00 0.02 0.86 0.12 0.63
-2.00 -0.16 0.70 -0.67 0.49
-1.00 -0.12 0.58 -0.58 0.38
0.00 3.53 4.11 12.19 2.43
1.00 0.53 4.64 3.05 2.71
2.00 0.03 4.67 -0.12 2.63
3.00 -0.09 4.58 -0.67 2.54
4.00 -0.47 4.11 -2.03 2.31
5.00 -0.22 3.89 -1.46 2.20
10.00 -0.18 4.49 -1.17 2.23
15.00 0.08 3.73 0.84 1.91
20.00 -0.17 3.05 -0.80 1.40
25.00 0.24 2.56 1.29 1.12
Lähde: Barber & Loeffer 1993.
Erona Barberin ja Loefferin (1993) sekä Liangin (1999) tutkimuksissa on, että Barner ja Loeffer (1993) eivät tutki kumulatiivista epänormaalia tuottoa yli 25 päivän julkaisusta ja he arvioivat, että julkaisupäivänä muodostunut kumulatiivinen epänormaali tuotto ei täysin palaudu ja näin ollen informaatiohypoteesin olemassaoloa ei poissuljeta. Liang (1999) puolestaan tutkii kumulatiivisen epänormaalia tuottoa julkaisun jälkeiseen 120 päivään asti, jolloin suosituksen julkaisussa muodostunut epänormaali tuotto vaikuttaisi palautuvan kokonaan julkaisua edeltäneelle tasolle, jolloin Liang (1999) päätyy johtopäätökseen, ettei suositukset sisällä uutta informaatiota ollenkaan.
Schlumpf ym. (2008) tulokset puoltavat sekä hintapaine- että informaatio hypoteesia. Kuten edellä on mainittu, heidän tutkimuksensa sisälsi ostosuosituksen julkaisemisen ensin rajatulle lehden tilaajajoukolle ja sen jälkeen laajemmalle yleisölle varsinaisen lehden julkaisun myötä.
Schlumpf ym. (2008) havaitsivat, että noin puolet ensimmäisen julkaisupäivän sekä sitä seuraavan päivän kertynyt kumulatiivinen epänormaali tuotto säilyi 30 päivään saakka.
Alkuperäisen ostosuosituksen julkaisupäivän ja sitä seuranneen päivän kumulatiivinen epänormaali tuotto oli 0,83 prosenttiyksikköä ja ajanjaksolla +3 - +30 kumulatiivinen epänormaali tuotto oli -0,48 prosenttiyksikköä (Taulukko 3), joten 30 päivän jälkeen ensimmäisen julkaisun epänormaalia tuottoa oli säilynyt 0,35 prosenttiyksikköä. Näin ollen ensimmäisen julkaisun osalta Schlumpf ym. (2008) arvioivat, että ostosuositus sisältää uutta informaatiota.
Toisen julkaisun yhteydessä Schlumpf ym. (2008) havaitsevat, että julkaisupäivän ja seuraavan päivän kumulatiivinen epänormaali tuotto (0,23 %) häviää ajanjaksolla +3 - +30 (Taulukko 3).
Näin ollen vaikuttaa siltä, että toisessa julkaisussa julkaisupäivän ja sitä seuraavan päivän epänormaali tuotto on peräsisin väliaikaisesti muodostuvasta hintapaineesta (Schlumpf ym.
2008).
Taulukko 3: Finanz und Wirtschaft-lehden 1.1.1998-31.12.2001 välillä julkaistujen ostosuosituksen kumulatiiviset epänormaalit tuotot ensimmäisessä- sekä toisessa julkaisussa.
T-testin arvot suluissa. *** = tilastollisesti merkitsevä 1 % tasolla.
Aikajakso
ensimmäisen julkaisun
ostosuositusten CAR
toisen julkaisun ostosuosituksen CAR
0 0.48% (6.84)*** 0.14% (2.02)**
0, +1 0.83% (8.31)*** 0.23% (2.32)**
-2, +2 1.18% (7.53)*** 0.49% (3.12)***
+3. +30 -0.48% (-1.31) -0.91% (-2.45)**
Lähde: Schlumpf ym. 2008.
Schlumpf ym. (2008) rajasivat kumulatiivisen epänormaalin tuoton tutkimisen 30 päivän päähän suosituksen julkaisupäivästä. Kuitenkin Liangin (1999) mukaan kumulatiivinen epänormaali tuotto palautuu kokonaan lähtötasolleen vasta suosituksen julkaisun jälkeisenä 25–
120 päivän ajanjakson aikana, joten olisiko Schlumpf ym. (2008) epänormaali tuotto palautunut suosituspäivää aiemmalle tasolle, jos mittausjaksona olisi ollut pitempi ajanjakso kuten Liangin (1999) käyttämä 120 päivän pituinen ajanjakso suosituksen julkaisusta laskettuna?
2.2.3 Hintapainehypoteesi sekä informaatiohypoteesin tutkiminen volyymin kautta
Hintapaine- ja informaatiohypoteesia voidaan tutkia hinnan palautumisen lisäksi osakevaihdon volyymin avulla. Sclumpf ym. (2008) havaitsivat ostosuosituksen ensimmäisen julkaisun julkaisupäivän osalta noin 65 prosenttiyksikköä suuremman volyymin keskimääräiseen volyymiin verrattuna (kuvio 1). Myös Barber ja Loeffer (1993) havaitsivat suosituksen julkaisupäivänä lähes kaksinkertaisen volyymin ennusteeseen verrattuna (liite 1).
Kuvio 1: Epänormaali volyymi ensimmäisessä ja toisessa julkaisussa, arvo 1.00 kuvaa normaalin volyymin tasoa. (Schlumpf ym. 2008)
Barber ja Loeffer (1993) jakavat aineistonsa kahteen ryhmään: korkean volyymin ryhmään sekä matalan volyymin ryhmään. Osakkeet, jotka kokivat tilastollisesti merkitsevän epänormaalin
vaihdon volyymin suosituksen julkaisupäivänä muodostavat korkean volyymin ryhmän ja jäljelle jäävät osakkeet muodostavat matalan volyymin ryhmän (Barber & Loeffer 1993). Tällä jaolla pyritään selvittämään tarkemmin hintapaine- ja informaatiohypoteesien oletusten toteutumista.
Informaatiohypoteesia tukeva tilanne muodostuisi, jos molempien ryhmien epänormaalit tuotot eivät palautuisi suosituksen julkaisun jälkeisellä ajanjaksolla. Hintapainehypoteesin olemassaolon edellytyksiä ovat puolestaan, että korkean volyymin ryhmällä havaitaan julkaisupäivänä korkeampi epänormaali tuotto, kuin matalan volyymin ryhmällä. Tämän lisäksi korkean volyymin ryhmällä tulisi havaita myös suurempi epänormaalin tuoton palautuminen julkaisupäivän jälkeisellä ajanjaksolla kuin matalan volyymin ryhmällä. (Barber & Loeffer 1993.) Barberin ja Loefferin (1993) tulokset ovat hintapainehypoteesia tukevia. Korkean volyymin ryhmällä havaittiin 7,84 prosenttiyksikön epänormaali tuotto suosituksen julkaisupäivänä, kun matalan volyymin ryhmällä epänormaali tuotto oli vain 1,39 prosenttiyksikköä (Taulukko 4). Tämä havainto on siis yhdenmukainen hintapainehypoteesin ensimmäisen oletuksen kanssa.
Tämän lisäksi tulokset tukevat myös hintapainehypoteesin toista oletusta, jonka mukaan korkean volyymin ryhmässä tulisi havaita suurempi epänormaalin tuoton palautuminen kuin matalan volyymin ryhmässä. Korkean volyymin ryhmässä havaittiin 2–25 päivän jälkeen julkaisusta tilastollisesti merkitsevän - 4,61 prosenttiyksikön kumulatiivinen epänormaali tuotto (Taulukko 4, oikeanpuoleisin sarake). Matalan volyymin ryhmässä ei puolestaan havaittu tilastollisesti merkitsevää kumulatiivista epänormaalia tuottoa samalla ajanjaksolla (Taulukko 4). (Barber & Loeffer 1993.) Tulokset tukevat näin ollen myös hintapainehypoteesin toistakin oletusta.
Taulukko 4: ”Dartboard”-kolumnin vuosina 1988–1990 julkaistujen suositusten korkean- ja matalan volyymin ryhmien kumulatiivisten epänormaalien tuottojen keskiarvot prosentteina (CAR). ”% < 0” kertoo montako prosenttia ryhmän osakkeista saa negatiivisen kumulatiivisen epänormaalin tuoton tietyllä ajanjaksolla. * tarkoittaa, että 5 prosentin tilastollisella merkitsevyydellä ryhmä ei jakaudu puoliksi negatiiviseen- ja positiiviseen kumulatiivisen epänormaalin volyymin ryhmään.
Kumulatiivinen epänormaali tuotto päivästä i päivään j – (i, j) -25,-1 0,1 2,5 6,10 11,15 16,20 21,25 2,25 Korkean
volyymin ryhmä
CAR 1.61 7.84 -2.23 -0.25 -1.93 -0.19 -0.01 -4.61 t-arvo 2.03 13.18 -2.52 -0.48 -1.52 -0.36 -0.01 -2.27
% < 0 46 21* 69* 59 62 49 56 72*
Matalan volyymin
ryhmä
CAR -0.11 1.39 0.29 1.21 0.06 -1.03 -0.83 -0.30 t-arvo -0.54 2.99 0.50 1.67 0.23 -1.15 -0.78 -0.18
% < 0 46 32* 54 39 53 56 51 49
Erotus CAR 1.72 6.45 -2.52 -1.46 -1.99 0.84 0.82 -4.31 t-arvo 1.03 5.15 -2.78 -1.76 -1.79 0.96 0.75 -2.03 Lähde: Barber & Loeffer 1993.
Myös Schlumpf ym. (2008) tulokset tukevat hintapainehypoteesia pääasiallisena epänormaalin tuoton selittävänä tekijänä: epänormaali tuotto nousee korkean volyymin ryhmällä enemmän kuin matalan volyymin ryhmällä suosituksen julkaisupäivänä. Ensisijaisessa julkaisussa korkean volyymin ryhmässä muodostuu keskimäärin 1,61 prosenttiyksikön epänormaali tuotto ja matalan volyymin ryhmässä 0,29 prosenttiyksikön epänormaali tuotto. Toissijaisessa julkaisussa puolestaan korkean volyymin ryhmässä muodostuu keskimäärin 0,96 prosenttiyksikön epänormaali tuotto ja matalan volyymin ryhmässä muodostuu keskimäärin 0,06 prosenttiyksikön epänormaali tuotto (Taulukko 5). Tämän lisäksi korkeamman volyymin ryhmässä havaitaan suurempi epänormaalin tuoton lasku, mikä ilmentää hintapainehypoteesin olemassaoloa. Ensimmäisessä julkaisussa aikavälillä t = 3, 30 kumulatiivinen epänormaali tuotto on keskimäärin -1,66 prosenttiyksikköä, kun matalan ryhmän osakkeilla se on puolestaan vain -0,29 prosenttiyksikköä (Taulukko 5). Myös toisessa julkaisussa kumulatiivinen epänormaali tuotto laskee enemmän korkean volyymin ryhmällä kuin matalan volyymin ryhmällä. (Schlumpf ym. 2008.)
Taulukko 5: Ostosuositusten kumulatiiviset epänormaalit tuotot (CAR) ensimmäiselle ja toiselle julkaisulle volyymin mukaan ryhmiteltynä. */**/*** kuvaavat tilastollista merkitsevyyttä 1 %/5 %/10 % tasoilla.
Ensimmäinen julkaisu Toinen julkaisu Korkean
volyymin ryhmä
Matalan volyymin ryhmä
Korkean volyymin ryhmä
Matalan volyymin ryhmä
0 1.61 % *** 0.29 % *** 0.96 % *** 0.06 %
0, +1 2.14 % *** 0.60 % *** 1.14 % *** 0.14 %
-2, +2 2.61 % *** 0.94 % *** 2.59 % *** 0.27 % *
+3, +30 -1.66 % * -0.29 % -2.59 % ** -0.74 % * Lähde: Schlumpf ym. (2008).
Schlumpf ym. (2008), Liangin (1999) sekä Barberin ja Loefferin (1993) perusteella vaikuttaisi siltä, että suositusten julkaisupäivänä ja sen välittömässä läheisyydessä muodostuva epänormaali tuotto on peräisin ainakin pääosin naiivien sijoittajien aiheuttamasta hintapaineesta, joka muodostaa hetkellisen epänormaalin tuoton. Näin ollen hintapainehypoteesi vaikuttaisi olevan perustellumpi hypoteesi, mutta informaatiohypoteesia ei voi kokonaan sulkea pois.
2.3 KIRJALLISUUDESSA KÄYTETYT TUTKIMUSMENETELMÄT
Tapahtumatutkimus koostuu kahdesta tai kolmesta tutkimusjaksosta, riippuen siitä käytetäänkö tapahtuman jälkeistä jaksoa. Tapahtuman jälkeistä jaksoa voidaan käyttää estimointijakson lisäksi markkinamallin estimointiin. Jaksot koostuvat estimointijaksosta (T0 – T1), tapahtumajaksosta (T1 – T2) sekä tapahtuman jälkeisestä jaksosta (T2 – T3) (kuvio 2).
Estimointijakso yltää hetkestä t = T0 + 1 hetkeen t = T1 ja estimointijakson pituus on L1 = T1 - T0 päivää. Vastaavasti tapahtumajakso on t = T1 + 1 hetkeen t = T2 ja tapahtumajakson pituus on L2 = T2 – T1 päivää. Estimointijaksolla tai mahdollisesti estimointijakson ja tapahtuman jälkeisen jakson yhdistelmällä muodostetaan normaalia tuottoa kuvaava malli ja tapahtumajaksolla arvioidaan epänormaalia tuottoa käyttäen tätä mallia. (McKinaly 1997.)
Kuvio 2: Tapahtumatutkimuksen rakenne. (McKinlay, 1997)
Estimointijakson pituus on vaihdellut eri tutkimuksissa. Esimerkiksi Schlumpf ym. (2008) käyttivät estimointijaksona t= -280 ja t = -31 välistä aikaväliä (250 päivää) ja Liu ym. (1999) käytti estimointijaksona t= -270 ja t= -21 välistä aikaväliä (250 päivää). Myös lyhyempiä estimointijaksoja on käytetty, esimerkiksi Barber ja Loeffer (1993) sekä Liang (1999) käyttivät t = -125 ja t = -26 estimointijaksoa (100 päivää) normaalituoton määrittävän mallin estimointiin.
Epänormaali tuotto osakkeelle i ajanjaksolla t määritellään kaavan (1) mukaan, jossa 𝐴𝑅𝑖𝑡 on epänormaali tuotto, 𝑅𝑖𝑡 on havaittu tuotto ja 𝐸(𝑅𝑖𝑡|𝑋𝑡) on arvio normaalituotosta hetkellä t. 𝑋𝑡 kertoo mitä laskentamallia on käytetty normaalituoton laskemiseen (McKinley 1997).
(1) 𝐴𝑅𝑖𝑡 = 𝑅𝑖𝑡− 𝐸(𝑅𝑖𝑡|𝑋𝑡)
Normaalituoton laskemiseen käytetään pääasiassa joko vakiokeskiarvotuottomallia (2) tai markkinamallia (3). Vakiokeskiarvotuottomallissa osakkeen normaalin tuoton arvio E (Rit) on osakkeen keskiarvotuotto µi. Keskiarvotuotto on estimointiajanjakson ajalta laskettu
keskimääräinen tuotto, joka on vakio jokaisella tutkimusajanjakson hetkellä t. (McKinley 1997.)
(2) 𝐸(𝑅𝑖𝑡) = µ𝑖 + 𝜀𝑖𝑡
Markkinamallissa (3) normaalituoton laskemiseen käytetään pienimmän neliösumman menetelmää, joka suhteuttaa osakkeen tuoton markkinatuottoon (McKinaly 1997).
Markkinamallin 𝛽𝑖 ja 𝛼𝑖 muuttujat estimoidaan osakkeelle i pienimmän nelilösumman menetelmällä estimointijakson ajalta.
(3) 𝐸(𝑅𝑖𝑡) = 𝛼𝑖 + 𝛽𝑖𝑅𝑚𝑡+ 𝜀𝑖𝑡
Markkinamalli olettaa, että osakkeen ja markkinoiden tuoton välillä on lineaarinen yhteys.
Markkinamallin etuna on epänormaalin tuoton (𝐴𝑅𝑖𝑡) varianssin pieneneminen, joka on seurausta markkinatuoton huomioimisesta kullakin ajanhetkellä t. Eli markkinoiden tuoton vaihtelun huomioimisen avulla saadaan tarkempia arvioita epänormaalin tuoton laskennassa kuin vakio-keskiarvotuotto mallissa, jossa normaalituotto on laskettu estimointijakson ajalta lasketun osakkeen tuoton keskiarvo avulla. (McKinlay 1997.) Markkinamallin tuoma lisähyöty riippuu kuitenkin sen selitysasteesta: mitä suurempi on markkinamallin selitysaste, sitä enemmän mallin käyttö pienentää epänormaalin tuoton varianssia (Campbell ym. 1997 s.155).
Vakiokeskiarvotuottomalli sekä markkinatuottomalli ovat molemmat tilastollisia malleja, joidenka sijaan voitaisiin käyttää myös taloustieteellisiä malleja, kuten capital asset pricing mallia tai arbitraasihinnoittelumallia, mutta taloustieteelliset mallit eivät vaikuta tuovan mitään lisäarvoa tilastollisiin malleihin verrattuna (Campbell ym. 1997 s.157). Markkinamalli on yleinen menetelmä ja sitä käyttävät mm. Schlumpf ym. (2008), Liu ym. (1999), Liang (1999) sekä Barber ja Loeffer (1993).
Tapahtumajakson ajalle t saadaan laskettua keskimääräinen epänormaali tuotto laskemalla eri osakkeiden normaalista poikkeavien tuottojen keskiarvo (kaava 4), jossa N on havaintoyksiköiden määrä.
(4) 𝐴𝑅𝑡 = 1
𝑁 ∑𝑁𝑖=1𝐴𝑅𝑖𝑡
Kumulatiivisen keskimääräisestä poikkeava tuotto puolestaan lasketaan summaamalla ajanjakson epänormaalit tuotot keskenään (kaava 5).
(5) 𝐶𝐴𝑅(𝑡1,𝑡2)= ∑ 𝐴𝑅𝑡2𝑡1 𝑡
Volyymia mitattaessa on käytetty keskiarvoihin perustuvia menetelmiä (Liang 1999, Schlumpf ym. 2008) sekä markkinamalliin perustuvia menetelmiä (Barber & Loeffer 1993). Schlumpf ym. (2008) käyttävät epänormaalin volyymin havaitsemiseen estimointijakson (t=-280, t=-31) sekä tapahtuman jälkeisen jakson (t=31, t=280) ajalta laskettua osakevaihdon keskiarvoa (kaava 6). Epänormaali volyymi havaitaan, jos tapahtumapäivän volyymi on suurempi kuin estimointijakson sekä tapahtuman jälkeisen jakson keskimääräinen volyymi eli kun AVit > 1 (kaava 6).
(6) 𝐴𝑉𝑖𝑡 = 1 𝑉𝑖𝑡
500 (∑−31𝑡=−280𝑉𝑖𝑡+ ∑+280𝑡=+31𝑉𝑖𝑡)
Tutkimusotoksen keskimääräinen epänormaali volyymi tietylle päivälle t (kaava 7), jossa n on otoksessa olevien osakkeiden määrä (Schlumpf ym. 2008).
(7) 𝐴𝑉𝑡=1𝑛 ∑𝑛𝑖=1(𝐴𝑉𝑖𝑡)
Volyymin reagointia suosituksiin voidaan arvioida myös markkinamallin avulla (kaava 8).
Markkinamallin muodostaman arvion perusteella voidaan arvioida epänormaalin volyymin määrää (kaava 9). (Berber & Loeffer 1993.)
(8) 𝑉̃ = 𝛼𝑖+ 𝛽𝑖𝑉̃𝑚𝑡+ 𝜀̃𝑖𝑡 (9) 𝐴𝑉̂ = 𝑉𝑖𝑡 𝑖𝑡− 𝐸(𝑉̃𝑖𝑡|𝑉𝑚𝑡)
3 AINEISTO JA MENETELMÄT
3.1 TUTKIMUSAINEISTO
Aineistona käytetään Inderesin mallisakkua (Inderes 2020), aikavälillä 1.1.2011–24.4.2020.
Mallisalkusta saadaan tapahtumapäivämäärät osto- ja myyntitapahtumille. Mallisalkun osto- ja myyntitapahtumien kohteena olleiden osakkeiden päivittäiset osakehinnat, päivittäiset volyymit sekä OMX Helsinki-pisteindeksin (OMXHPI) päivänoteeraukset saadaan Thomson Financial’s Datastreamista.
Mallisalkkudata muodostetaan poistamalla Inderesin mallisalkun tapahtumista muut kuin osto- ja myyntitapahtumat (mm. osingot). Mallisalkkudatasta poistetaan myös Helsingin pörssin ulkopuoliset osakkeet sekä osakkeet, jotka ovat poistuneet OMXHPI:stä tutkimusajanjakson aikana. Edellä mainittuja rajauksia käyttäen tutkimusaineisto muodostuu 35 kappaletta myyntitapahtumia ja 53 kappaletta ostotapahtumia. Tapahtumapäivädata kokonaisuudessaan osto- ja myyntitapahtumille on liitteessä 2 ja liitteessä 3. Aineistosta poistetaan myös yksittäiset päivähavainnot, joilla hinta- ja volyymidataa ei ole pörssin kiinniolon takia.
Mallisalkussa kolmen myyntitapahtuman ja kolmen ostotapahtuman (liite 4) tapahtumapäivät oli kirjattu lauantaiksi tai sunnuntaiksi Inderesin (2020) mallisalkussa. Jotta analyysi voidaan suorittaa pörssipäivien, eikä kalenteripäivien mukaan, niin lauantaiksi ja sunnuntaiksi merkattujen tapahtumien tapahtumapäivät siirretään seuraavalle arkipäivälle.
Markkinamallin estimoimiseen käytetään markkinatuottona (OMXHPI) päivittäisten pistearvojen mukaan laskettuja päivätuottoja. OMX Helsinki-pisteindeksi kuvaa kaikkia Helsingin pörssiin listattujen osakkeiden kehitystä ja kuvaa näin ollen koko Helsingin pörssin markkinakehitystä (Nasdaq 2020). OMX Helsinki-indeksin data on aikaväliltä 31.12.2010–
25.9.2020. OMXHPI:n päivittäiset volyymit saadaan Investing.com sivustolta (Investing.com 2020).
Thomson Financial’s Datastreamin datasta saadaan osakkeiden päivittäiset hinnat, joidenka avulla lasketaan päivätuotot. Päivätuotto lasketaan osakkeiden hintadatan avulla kaavan 10 mukaan.
(10) 𝑃ä𝑖𝑣ä𝑡𝑢𝑜𝑡𝑡𝑜 = ln(𝑡𝑛 𝑝ä𝑖𝑣ä𝑛 ℎ𝑖𝑛𝑡𝑎) − ln(𝑡𝑛−1 𝑝ä𝑖𝑣ä𝑛 ℎ𝑖𝑛𝑡𝑎)
3.2 TUTKIMUSMENETELMÄT
3.2.1 Epänormaalin tuoton laskeminen
Normaalin tuoton laskemisen käytetään markkinamallia (kaava 3), jonka parametrit estimoidaan 250 päivän pituisen estimointijakson aikana (t = -270, t = -21). En käytä tutkimuksessa tapahtuman jälkeistä jaksoa markkinamallinparametrien estimointiin, koska tapahtuman jälkeistä jaksoa ei ole käytetty kirjallisuudessa (esim. Barber & Loeffer 1993; Liang 1999; Schlumpf ym. 2008).
Tapahtumajaksona käytän 121 päivää päivästä t = -20 päivään t = 100. Kirjallisuudessa on käytetty hyvin vaihtelevasti eripituisia tapahtumajaksoja. Barber ja Loeffer (1993) käyttivät t = -25, t = 25 välistä tapahtumajaksoa, kun taas Liang (1999) käytti t = -25, t = 125 välistä tapahtumajaksoa. Pitkän tapahtumajakson käyttäminen on mielestäni perusteltua, koska näin voidaan arvioida paremmin kumulatiivisen epänormaalin tuoton kehitystä ja erityisesti sitä, palautuuko epänormaalituotto tapahtumaa edeltäneelle tasolle. Epänormaalin tuoton palautumisesta voidaan arvioida, tukeeko tulokset hintapaine- vai informaatiohypoteesia.
Alkuperäinen ajatus oli käyttää t = 125 asti yltävää tapahtumajaksoa, kuten Liang (1999), mutta aineistossani 2020 vuoden tapahtumille ei tällä tapahtumajaksolla olisi ollut tarpeeksi dataa tilastollisten estimointien tekohetkellä, joten rajasin tapahtumajakson t = 100 päivään.
Lyhyemmän tapahtumajakson ansiosta 2020 vuoden puolella olevia tapahtumia ei tarvitse poistaa aineistosta, mikä on tärkeätä aineiston ollessa melko pieni. Mallisalkun osto- tai myyntitapahtuma on päivä t = 0.
Keskimääräinen epänormaali tuotto (ET) kullekin päivälle lasketaan kaavan 4 mukaisesti ja kumulatiivinen epänormaalituotto (KET) lasketaan kaavan 5 mukaisesti. Lisäksi arvioin yhtiön markkina-arvon mahdollista vaikutusta osakkeen epänormaalin tuoton määrään tapahtumapäivänä. Oletuksena on, että markkina-arvoltaan pienemmät yhtiöt olisivat alttiimpia piensijoittajien reagointiin mallisalkun osto- ja myyntitapahtumiin, koska markkina-arvoltaan pienten yhtiöiden osakkeet voivat olla epälikvidimpiä verrattuna suuren markkina-arvon omaaviin yhtiöihin.
3.2.2 Epänormaalin volyymin tuoton laskeminen
Käytän epänormaalin volyymin määrittelemisessä Barber ja Loefferin (1993) menettelytapaa, eli regressiomallia kaavan 9 mukaisesti. Regressiomallin parametrit määritetään estimointijaksolta. Estimointijakso ja tapahtumajakso ovat samanpituisia kuin epänormaalin tuoton määrittelyssä eli estimointijakso 250 päivää (t = -270, t = -21) ja tapahtumajakso on 121 päivää (t = -20, t = 100). Barber ja Loefferin (1993) mukaisesti osakkeiden sekä indeksin euromääräisistä volyymeista otetaan luonnollinen logaritmimuunnos (luonnollinen logaritmi 1 + euromääräinen volyymi), jotta muuttujat noudattaisivat paremmin normaalijakaumaa (kaava 11).
(11) 𝑒𝐸𝑉̅̅̅̅𝑖𝑡 = 𝑒[ln(1+𝑉𝑖𝑡
′)−ln(1+𝐸(𝑉𝑖𝑡′|𝑉𝑚𝑡))]
ln(𝑒𝐸𝑉̅̅̅̅𝑖𝑡) = ln ( 1 + 𝑉𝑖𝑡′ 1 + 𝐸(𝑉𝑖𝑡′|𝑉𝑚𝑡)) 𝐸𝑉̅̅̅̅𝑖𝑡 = ln ( 1 + 𝑉𝑖𝑡′
1 + 𝐸(𝑉𝑖𝑡′|𝑉𝑚𝑡))
Päivittäisen keskimääräisen epänormaalin volyymin (𝐸𝑉𝑡) arvioimiseksi lasketaan keskiarvo yksittäisistä epänormaaleista volyymihavainnoista päivänä t, jossa n on osakkeiden lukumäärä (kaava 12).
(12) 𝐸𝑉̅̅̅̅𝑡 =∑ 𝐸𝑉𝑛1̅̅̅̅𝑖𝑡
𝑛
3.2.3 Hintapaine- ja informaatiohypoteesien määritelmät
Aineisto on jaettava korkean- ja matalan volyymin ryhmiin sen mukaan, poikkeaako tapahtumapäivän ja tapahtumapäivän jälkeisen päivän keskimääräinen epänormaali volyymi estimointijakson keskimääräisestä volyymista tilastollisesti merkitsevästi vai ei. Ensiksi siis lasketaan t = 0 ja t = 1 päivien keskimääräinen volyymi (kaava 13).
(13) 𝐸𝑉0,1 = 𝐸𝑉0+𝐸𝑉1
2
Tämän jälkeen suoritetaan t-testi, jossa nollahypoteesi on. että estimointijakson (t = -271, t = - 21) keskimääräinen volyymi on yhtä suuri kuin 𝐸𝑉0,1 ja vaihtoehtoinen hypoteesi on, että 𝐸𝑉0,1 on suurempi kuin estimointijakson keskimääräinen volyymi.
Tämän jälkeen korkean- ja matalan volyymin ryhmien reaktioita tutkitaan epänormaalin tuoton osalta ja eri ryhmien epänormaalin tuoton reaktiosta voidaan päätellä, tukeeko havainnot hintapaine- vai informaatiohypoteesia (taulukko 8).
Taulukko 8: Hintapaine- ja informaatiohypoteesin oletukset.
Hintapainehypoteesi Informaatiohypoteesi 1. Päivänä t = 0 korkean volyymin ryhmällä
epänormaalin tuoton muutos > matalan volyymin ryhmän epänormaalin tuoton muutos
2. Päivän t = 0 jälkeen korkean volyymin ryhmällä epänormaalin tuoton normaaliin palautuminen.
1. Epänormaali tuotto ei palaudu päivän t=0 jälkeisellä tapahtumajaksolla kummassakaan ryhmässä
Lähde: Barber & Loeffer (1993)
Hintapaine- ja informaatiohypoteeseille ei ole kirjallisuudessa täysin vakiintuneita määritelmiä, mutta Barber ja Loeffer (1993, 274) määrittävät hypoteesit seuraavasti:
Hintapainehypoteesin mukaan suositus muodostaa väliaikaisen ostopaineen naiivien sijoittajien toimesta suosituksen kohteena olevalle arvopapereille ja tämä ostopaine aiheuttaa havaitun epänormaalin tuoton. Informaatiohypoteesin mukaan analyytikon suositus tuo esiin olennaista informaatiota ja tästä johtuen epänormaali tuotto suosituksen julkaisuhetkenä on seurausta arvopaperin fundamentaalisesta uudelleen arvottamisesta.
Edellisessä lainauksessa suosituksen oletetaan olevan ostosuositus tai muutoin positiivinen suositus, mutta suositus voi olla myös myyntisuositus, jolloin epänormaali tuotto on
tapahtumapäivänä odotetusti negatiivinen. Tutkimukseni sisältää tarkastelun sekä osto- ja myyntisuositusten osalta.
4 TULOKSET
4.1 EPÄNORMAALI TUOTTO
Mallisalkun myyntitapahtumien osalta havaittiin tapahtumapäivänä (t = 0) -1,355 prosenttiyksikön suuruinen tilastollisesti merkitsevä negatiivinen keskimääräinen epänormaali tuotto (taulukko 9). Tapahtumajakson lopussa (t = 100) kumulatiivinen epänormaali tuotto on huomattavasti positiivinen. Liitteessä 5 on keskimääräiset epänormaalit tuotot kullekin myyntitapahtumien tapahtumajakson päivälle.
Taulukko 9: Myyntitapahtumien epänormaali tuotto (ET) sekä kumulatiivinen epänormaali tuotto (KET). Ha: Päivän t keskimääräinen epänormaalituotto < 0. * tarkoittaa tilastollista merkitsevyyttä 5 %:n tasolla.
Päivä ET (%) ET:n p- arvo
KET (%) -20 0.189 0.727 0.189 -10 -0.577 0.039* 1.422 -5 0.161 0.755 2.254 -4 -0.071 0.438 2.182 -3 -0.891 0.138 1.291 -2 -0.655 0.033* 0.636 -1 -0.399 0.056 0.237 0 -1.355 0.000* -1.118 1 0.139 0.729 -0.978 2 0.001 0.502 -0.977 3 -0.485 0.051 -1.462 4 -0.240 0.154 -1.702 5 0.628 0.858 -1.074 6 0.323 0.809 -0.751 7 0.403 0.906 -0.348 8 -0.759 0.022* -1.108 Taulukko jatkuu seuraavalla sivulla
9 -0.422 0.054 -1.530 10 0.034 0.566 -1.496 25 0.450 0.933 0.404 50 -0.233 0.155 -0.077 100 0.065 0.616 3.089
Markkina-arvoltaan pienet yhtiöt voisivat olla alttiimpia piensijoittajien reagointiin osakkeen pienemmän likviditeetin vuoksi. Yhtiöiden markkina-arvot ovat haettu Thomson Financial’s Datastreamista. Kuvion 3 perusteella vaikuttaisi siltä, että poikkeuksellisen suurta eroa tapahtumapäivän epänormaalissa tuotossa markkina-arvoltaan suurten ja markkina-arvoltaan pienten yhtiöiden välillä ei ole havaittavissa myyntitapahtumien osalta.
Ainoa tulkinta, jonka kuviosta 3 voi tehdä on se, että markkina-arvolta suurten yhtiöiden tapahtumapäivän epänormaali tuotto ei saa yhtä paljon ääriarvoja kuin markkina-arvoltaan pienemmät yhtiöt. Tämä johtopäätös ei ole kuitenkaan suoraan yleistettävissä siten, että analyytikoiden myyntitapahtumat aiheuttaisivat pienemmille yhtiöille suurempia tapahtumapäivän epänormaaleja tuottoja kuin isoille yhtiöille, koska tähän asiaan voi vaikuttaa hyvin monet muutkin asiat. Esimerkiksi otoksen pieni koko voi jo vaikuttaa siihen, että suuremman markkina-arvon yhtiöitä on vähän ja näin ollen sattuman johdosta aineistoon on päätynyt vain pienen tapahtumapäivän epänormaalin tuoton omaavia yhtiöitä. Toisaalta pienen markkina-arvon yritysten osalta voi olla, että tapahtumapäivän aikana markkinoille on tullut jotain muuta yhtiön arvostukseen vaikuttavaa tietoa kuin mallisalkun myyntitapahtuma ja näin ollen on muodostunut tapahtumapäivälle poikkeuksellinen epänormaali tuotto. Esimerkiksi Kuviossa 3 yksi poikkeuksellinen havainto on -0.09 epänormaalin tuoton kohdalla, joka on Sanoma. Tämän havainnon tapahtumapäivä on 7.2.2012, sama päivämäärä, jolloin Sanoma julkaisi 2011 tilinpäätöstiedotteen (Sanoma 2021). Näin ollen aineistossa on aina riskinä se, että epänormaaliin tuottoon vaikuttaa muutkin ulkoiset tekijät kuin Inderesin mallisalkun osto- tai myyntitapahtuma.
Kuvio 3: Epänormaali tuotto tapahtumapäivänä suhteessa markkina-arvoon myyntitapahtumilla.
Ostotapahtumilla keskimääräinen epänormaali tuotto on positiivinen tapahtumapäivänä ja se on myös tilastollisesti merkitsevä (taulukko 10). Myös päivänä t = 1 havaitaan tilastollisesti merkitsevästi positiivinen keskimääräinen epänormaali tuotto. Päivänä t = 1 havaittu keskimääräinen epänormaali tuotto on yli puolet pienempi kuin tapahtumapäivänä (taulukko 10). Kumulatiivinen epänormaali tuotto on positiivinen päivästä t = 1 lähtien tapahtumajakson loppuun (t = 100) asti. Liitteessä 6 on keskimääriset epänormaalit tuotot kullekin ostotapahtumien tapahtumajakson päivälle.
0 5000 10000 15000 20000 25000
Markkina-arvo (Milj. €)
-.1 -.09 -.08 -.07 -.06 -.05 -.04 -.03 -.02 -.01 0 .01 .02 .03 Epänormali tuotto (t = 0)
Taulukko 10: Ostotapahtumien epänormaalituotto (ET) sekä kumulatiivinen epänormaalituotto (KET). Ha: Päivän t keskimääräinen epänormaalituotto > 0. * tarkoittaa tilastollista merkitsevyyttä 5 %:n tasolla.
Päivä ET (%) ET:n p- arvo
KET (%) -20 -0.163 0.730 -0.163 -10 0.102 0.335 -1.259 -5 -0.176 0.734 -1.375 -4 -0.075 0.590 -1.450 -3 -0.516 0.863 -1.965 -2 -0.211 0.748 -2.176 -1 -0.091 0.630 -2.267 0 1.730* 0.000 -0.537 1 0.822* 0.028 0.284 2 0.370 0.066 0.655 3 -0.104 0.654 0.551 4 -0.268 0.835 0.283 5 0.110 0.282 0.393 6 -0.275 0.883 0.118 7 0.027 0.464 0.145 8 0.251 0.217 0.396 9 0.116 0.315 0.512 10 0.172 0.231 0.684 25 -0.167 0.795 1.892 50 0.011 0.484 1.626 100 0.062 0.419 4.450
Myöskään ostotapahtumien osalta ei voida havaita selkeää trendiä markkina-arvon ja tapahtumapäivän epänormaalin tuoton suhteen. Kuten myyntitapahtumissa, niin myös ostotapahtumissa suurempien yhtiöiden epänormaalissa tuotossa ei havaita niin suuria ääriarvoja kuin pienemmillä yhtiöillä, mutta tästä ei voida vetää suoraa johtopäätöstä siitä, että isoilla yrityksillä olisi keskimäärin pienempi epänormaali tuotto tapahtumapäivänä, koska tutkimuksen pieni otoskoko ja mahdolliset tapahtumapäivän muut tekijät voivat vaikuttaa
epänormaalin tuoton muodostumiseen, kuten myyntitapahtumien osalta Sanoman tapauksessa.
Kuviossa 4 ostotapahtumilla on yksi selvä outlier, joka on havainnolla, jolla epänormaali tuotto saa arvon 0,1086. Tämä havainto on TietoEVRY tapahtumapäivänä 8.2.2012. Samalla päivämäärällä TietoEvry on julkaissut osavuosikatsauksen vuoden 2011 neljänneltä kvartaalilta (Nasdaq 2021). Näin ollen myös ostotapahtumien osalta päädytään samaan lopputulokseen kuin myyntitapahtumilla, että tapahtumapäivän epänormaaliin tuottoon voi merkittävästi vaikuttaa muutkin ulkoiset tekijät kuin ainoastaan Inderesin mallisalkun tapahtumat.
Kuvio 4: Epänormaali tuotto tapahtumapäivänä suhteessa markkina-arvoon ostotapahtumilla.
4.2 VOLYYMI
Myyntitapahtumien volyymissa havaitaan tilastollisesti merkitsevä keskimääräinen epänormaali volyymi vain kahdella päivällä, päivinä t = 0 ja t = 35 (liite 7). Myyntitapahtumilla keskimääräinen epänormaalin volyymin arvo tapahtumapäivänä (t = 0) on 41,45 %, mikä tarkoittaa, että tapahtumapäivänä myyntitapahtuman kohteena olevalla osakkeella havaittu volyymi on keskimäärin 41,45 % suurempi kuin regressiomallin estimoima volyymi (taulukko 11). Tapahtumajakson lopussa, päivänä t = 35 (liite 7) havaitaan myös tilastollisesti merkitsevä
0 5000 10000 15000 20000 25000
Markkina-arvo (Milj. €)
-.05 -.04 -.03 -.02 -.01 0 .01 .02 .03 .04 .05 .06 .07 .08 .09 .1 .11 Epänormaali tuotto (t = 0)
epänormaali volyymi, mutta sen syytä on haasteellista arvioida. Päivänä t = 35 havaittu tilastollisesti merkitsevä keskimääräinen epänormaali volyymi voi olla myös sattumaa, jota ei havaittaisi toista aineistoa käytettäessä.
Taulukko 11: Myyntitapahtumien keskimääräinen epänormaali volyymi (𝐸𝑉̅̅̅̅𝑡) päivänä t. * tarkoittaa tilastollista merkitsevyyttä 5 %:n tasolla. Ha: 𝐸𝑉̅̅̅̅𝑡> 0 .
Päivä EV (%) EV:n p- arvo
-20 -7.94 0.670
-10 16.89 0.119
-5 -17.47 0.892
-4 2.31 0.436
-3 -13.44 0.693
-2 14.63 0.162
-1 4.16 0.404
0 41.45* 0.002
1 16.78 0.106
2 -0.37 0.513
3 -0.23 0.506
4 -10.14 0.740
5 4.60 0.349
6 10.76 0.192
7 -2.59 0.574
8 5.46 0.362
9 -8.96 0.761
10 -9.50 0.774
25 4.72 0.384
50 -32.58 0.992
100 -44.79 1.000
Ostotapahtumien volyymissa havaitaan tilastollisesti merkitsevä keskimääräinen epänormaali volyymi 106 päivänä (liite 8). Ostotapahtumilla havaitaan tilastollisesti merkitseviä epänormaaleja volyymeja ennen tapahtumapäivää aikavälillä t = -20, t = -1, jotka vaihtelevat 29,9 % ja 59,8 % välillä (liite 8). Tapahtumapäivänä (t = 0) keskimääräinen epänormaali volyymi on 107,69 % ja tapahtuman jälkeisenä päivänä (t = 1) keskimääräinen epänormaali volyymi on 112,92 % (taulukko 12). Tapahtumapäivän ja tapahtumapäivän jälkeisen päivän jälkeen on myös useita tilastollisesti merkitseviä havaintoja, joilla keskimääräinen epänormaali
volyymi on välillä 23,9 % - 82,9 %. Kuitenkaan tapahtumapäivän ja tapahtumapäivän jälkeisen päivän suuruisia keskimääräisen epänormaalin volyymin arvoja ei havaita näiden päivien jälkeen.
Taulukko 12: Ostotapahtumien keskimääräinen epänormaali volyymi (𝐸𝑉̅̅̅̅𝑡) päivänä t. * tarkoittaa tilastollista merkitsevyyttä 5 %:n tasolla. Ha: 𝐸𝑉̅̅̅̅𝑡> 0 .
Päivä 𝐸𝑉̅̅̅̅𝑡(%) 𝐸𝑉̅̅̅̅𝑡:n p- arvo -20 28.04 0.060 -10 20.04* 0.181 -5 56.41* 0.000 -4 55.93* 0.000 -3 58.41* 0.001 -2 46.49* 0.003 -1 44.71* 0.002 0 107.69* 0.000 1 112.92* 0.000 2 82.85* 0.000 3 59.16* 0.000 4 54.20* 0.000 5 62.63* 0.000 6 63.88* 0.000 7 48.56* 0.005 8 60.35* 0.000 9 50.44* 0.001 10 61.89* 0.000 25 27.78* 0.024 50 31.03 0.054 100 67.43 0.000
4.3 OSTO- JA MYYNTITAPAHTUMIEN EPÄNORMAALIN TUOTON JA - VOLYYMIN VERTAILU TAPAHTUMAPÄIVÄNÄ
Seuraavaksi tarkastellaan tapahtumapäivän epänormaalin tuoton eroja osto- ja myyntitapahtumilla. Ostotapahtumilla tapahtumapäivän epänormaali tuotto vaihtelee -3,33 % ja 10,86 % välillä. Myyntitapahtumilla tapahtumapäivän epänormaali tuotto vaihtelee -9,02 %
ja 2,12 % välillä. Tärkeätä on kuitenkin huomata, että myyntitapahtumien epänormaalin tuoton jakauma painottuu negatiivisiin havaintoihin ja ostotapahtumien epänormaalin tuoton jakauma painottuu positiivisiin havaintoihin (kuvio 5). Tämä havainto vahvistaa oletusta, jonka mukaan myyntisuositukset saavat aikaan negatiivisen epänormaalin tuoton ja ostosuositukset saavat aikaan positiivisen epänormaalin tuoton.
Kuvio 5: Epänormaali tuotto osto- ja myyntitapahtumille tapahtumapäivänä, t = 0.
Keskiarvolla mitattuna reagointi ostotapahtumiin on itseisarvoisesti suurempi ostotapahtumilla (1,730 %) kuin myyntitapahtumilla (-1,355 %). Kuitenkin mediaanilla mitattuna ostotapahtumien mediaanin (0,51 %) itseisarvo on pienempi kuin myyntitapahtumien mediaanin (-1,06 %) itseisarvo. Näin ollen voidaan todeta, että ostotapahtumien jakauma on oikealle vino eli se sisältää muutamia yksittäisiä havaintoja, joilla epänormaali tuotto on poikkeuksellisen suuri. Myyntitapahtumien jakauma on lievemmin vino, mikä tarkoittaa myyntitapahtumien epänormaalien tuottojen painottuvan lähemmäs mediaania.
Eroja on myös tilastollisesti merkitsevien epänormaalien tuottojen päivien lukumäärässä.
Ostotapahtumilla tilastollisesti merkitsevä epänormaali tuotto havaitaan kahtena päivänä, kun
-.1 -.08 -.06 -.04 -.02 0 .02 .04 .06 .08 .1
Epänormaali tuotto
Myyntitapahtumat Ostotapahtumat
myyntitapahtumilla se havaitaan vain yhtenä päivänä. Erot keskimääräisen epänormaalin tuoton suuruudesta ja tilastollisten päivien lukumäärässä osto- ja myyntitapahtumilla viittaa siihen, että sijoittajat reagoivat ostotapahtumiin voimakkaammin kuin myyntitapahtumiin.
Volyymin osalta myös ostotapahtumien vaikutus on pidempiaikaista kuin myyntitapahtumilla.
Ostotapahtumilla havaitaan kolmena päivänä tilastollisesti merkitsevä epänormaali volyymi ja myyntitapahtumilla havaitaan vain yhtenä päivänä tilastollisesti merkitsevä epänormaali volyymi. Epänormaali volyymi on myös mediaanilla mitattuna korkeampi ostotapahtumien tapahtumapäivänä (63,92 %) kuin myyntitapahtumilla (36,51 %), kuten kuviosta 6 havaitaan.
Kuvio 6: Epänormaalin volyymin jakauma tapahtumapäivänä osto- ja myyntitapahtumille.
Myyntitapahtumien epänormaalin volyymin keskiarvo on 41,45 % ja ostotapahtumien epänormaalin volyymin keskiarvo on 107,69 %. Näin ollen havaitaan samankaltainen ilmiö kuin epänormaalin tuoton osalta, että ostotapahtumilla on oikealle vino jakauma ja siitä voidaan päätellä, että havaintojoukossa on yksittäisiä havaintoja, joilla on korkea epänormaali volyymi mediaaniin verrattuna. Kuviossa 6 tämä näkyy vahvasti kolmena outlierina ostotapahtumien korkeana volyymina, joiden epänormaali volyymi saa arvoja 619 % (NoHo Partners), 473 %
-2 -1 0 1 2 3 4 5 6
Epänormaali volyymi
Mynntitapahtumat Ostotapahtumat
