Suomen toimialojen kehityksen vaikutus Helsingin Pörssin indeksiin vuosina 2006-2015

(1)

LUT School of Business and Management

A130A3000 Kandidaatintutkielma, Talousjohtaminen

Suomen toimialojen kehityksen vaikutus Helsingin Pörssin indeksiin vuosina 2006-2015

The effect of Finnish industry development on the Helsinki Stock Exchange-index from 2006 to 2015

05.01.2017 Tekijä: Jesse Leino Opponentti: Kim Lovén Ohjaaja: Nuorempi tutkija Ville Karell

(2)

Tekijä: Jesse Leino

Opiskelijanumero: 0445943

Akateeminen yksikkö: LUT School of Business and Management Koulutusohjelma: Talousjohtaminen

Ohjaaja: Ville Karell

Tämän kandidaatintutkielman tarkoituksena oli tarkastella Helsingin pörssin kymmenen toimialan kehityksen vaikutusta Helsingin Pörssin indeksiin vuosina 2006-2015. Lisäksi tutkielmassa tarkasteltiin korrelaatiota ja tuottoerojen merkitsevyyttä toimialojen kesken sekä toimialojen ja OMX Helsinki-indeksin välillä.

Tutkimusaineiston toimialat luokitellaan toimialaryhmiin korrelaatiomatriisien perusteella ja niiden normaalijakautuneisuutta tarkastellaan Kolmogorov-Smirnovin testillä.

Korrelaatiomatriiseista saaduilla Pearsonin korrelaatiokertoimilla arvioidaan toimialojen keskinäistä ja toimialojen sekä OMX Helsinki-indeksin välistä korrelaatiota.

Toimialaryhmien kesken ja toimialaryhmien ja OMX Helsinki-indeksin välillä havaitaan vahvaa korrelaatiota, mutta korrelaatio vaihtelee enemmän toimialaryhmien kesken kuin OMX Helsinki-indeksiin verrattaessa. T-testien avulla tarkastellaan tuottoerojen merkitsevyyttä toimialojen ja OMX Helsinki-indeksin välillä, ja toimialojen kesken.

Testeistä saadut tulokset kertovat, että tuottoerot eivät poikkea tarkasteluryhmien välillä eivätkä ne ole tilastollisesti merkitseviä.

Toimialaryhmiä käytetään lineaarisessa regressioanalyysissä selittävinä tekijöinä ja selitettävänä tekijänä toimii tässä analyysissä OMX Helsinki-indeksi. Lineaarisen regressioanalyysin pohjalta voidaan sanoa, että toimialat selittävät erittäin suuren osan OMX Helsinki-indeksin kehityksestä, ja saadut tulokset ovat tilastollisesti erittäin merkitseviä. Regressioanalyysin tulokset saattavat kuitenkin olla vääristyneitä outlier- havaintojen johdosta. Osassa analyysin malleista oli myöskin ongelmia multikollineaarisuuden kanssa. Tämän johdosta lineaarisen regressioanalyysin tuloksia on syytä tarkastella varauksella.

(3)

Author: Jesse Leino

Student number: 0445943

Faculty: LUT School of Business and Management Degree program: Financial Management

Instructor: Ville Karell

The purpose of this Bachelors thesis is to examine the development of the ten stock exchange industries listed in OMX Helsinki, and how they affect the OMX Helsinki-index in the years 2006 to 2015. This thesis also studied the correlation and statistical significance of profit separation between the ten industries, and between the industries and OMX Helsinki index.

The industries listed in this study material are classified into certain industry groups by a correlation matrix and their normal distribution is examined by Kolmogorov-Smirnov test.

Pearson’s correlation coefficients, which are shown in the correlation matrix, are analyzed between the industries and OMX Helsinki-index. Strong correlation is detected between both comparison groups, but there are more variety in the values between the ten industries and less variety between the industries and OMX Helsinki index. The statistical significance of profit differences is analyzed by T-tests. The results show that profit separation doesn’t differ between study groups and isn’t statistically significant.

The previously classified industry groups are used in the linear regression analysis as explanatory variables, and OMX Helsinki index will be used as dependent variable. The results of linear regression analysis show that the industries explain a huge portion of the development of OMX Helsinki index, and the results are statistically highly significant. The results from the regression analysis may however be skewed because of outliers. Also some of the models suffered from multicollinearity problems. Hence the results from the regression analysis should be taken with caution.

(4)

1 Johdanto ... 1

1.1 Tutkielman tausta ... 1

1.2 Tutkielman tavoitteet, tutkimuskysymykset ja -rajaukset ... 2

1.3 Tutkimusmenetelmät ja -aineisto ... 3

1.4 Tutkielman teoreettinen viitekehys ... 4

1.5 Tutkielman rakenne... 5

2 Pääoman tehokas allokointi ... 6

2.1 Markowitzin portfolioteoria ... 6

2.2 Pääoman tehokas allokaatio ... 6

2.3 Pääoman allokointia edistävät tekijät ... 8

2.4 Ulkoinen rahoitus ja pääoman allokointi ... 11

2.5 Pääoman allokointia hidastavat tekijät ... 13

3 Toimialojen kehityksen vaikutuksen empiirinen analyysi ... 16

3.1 Indeksien määrittely ... 16

3.2 Tarkasteltavat toimialat ... 18

3.3 Aineiston analyysi ... 21

3.4 Tulokset ... 25

3.4.1 Toimialojen ja OMXH-indeksin välinen korrelaatio ja tuottoeron merkitsevyys ... 25

3.4.2 Toimialojen keskinäinen korrelaatio ja tuottoerojen merkitsevyys ... 27

3.4.3 Poistava lineaarinen regressioanalyysi ... 29

3.4.3 Etenevä lineaarinen regressioanalyysi ... 33

4 Yhteenveto ja johtopäätökset ... 36

Lähdeluettelo ... 40

Tieteelliset artikkelit ja kirjat ... 40

Verkkolähteet ... 43

Liitteet ... 47

Kuvaluettelo

Kuvio 1. Tutkielman teoreettinen viitekehys………. 4

(5)

Taulukko 1. Toimialojen tunnisteet ja lyhenteet. ... 19

Taulukko 3. Toimialaindeksien ja OMXH-indeksin vuosituotot 2006-2015. ... 21

Taulukko 6. Perusteollisuuden, Kulutustavaroiden ja OMXH-indeksin F-testit ... 26

Taulukko 7. Perusteollisuuden, Kulutustavaroiden ja OMXH-indeksin T-testit. ... 27

Taulukko 8. Toimialojen keskinäinen korrelaatio. ... 27

Taulukko 9. Toimialakohtaiset F-testit. ... 28

Taulukko 10. Toimialakohtaiset T-testit. ... 29

Taulukko 11. Toimialaryhmien korrelaatiomatriisi. ... 30

Taulukko 12. Mallin 1 Whiten testi. ... 30

Taulukko 13. Mallin 3 selitysaste ja merkitsevyys. ... 32

Taulukko 15. Mallin 5 Whiten testi. ... 33

Liiteluettelo

Liite 1. ICB-toimialaluokitukset. ... 47

Liite 2. Toimialojen ja OMX Helsingin Total return-indeksit. ... 50

Liite 3. F-testin tulokset toimialojen ja OMXH-indeksin välillä. ... 51

Liite 4. T-testin tulokset toimialojen ja OMXH-indeksin välillä. ... 52

Liite 5. F-testien tulokset Teollisuuspalveluiden ja -tavaroiden ja muiden toimialojen välillä. ... 53

Liite 6. F-testien tulokset Terveydenhuollon ja muiden toimialojen välillä. ... 54

Liite 7. T-testien tulokset Teollisuuspalveluiden ja -tavaroiden ja muiden toimialojen välillä. ... 55

Liite 8. T-testien tulokset Terveydenhuollon ja muiden toimialojen välillä. ... 56

Liite 9. Toimialaryhmien residuaalit. ... 57

Liite 10. Mallin 1 parametriestimaatit. ... 58

Liite 11. Mallin 1 selitysaste ja merkitsevyys. ... 58

Liite 13. Mallin 2 Whiten testi. ... 59

Liite 25. Cook's D- kuvaajat. ... 65

(6)

1 Johdanto

1.

1 Tutkielman tausta

Pörssitoimialojen kehitys heijastuu suoraan Helsingin Pörssin kokonaisindeksin kehitykseen. Makrotaloudelliset lähtökohdat luovat puitteet pääoman tehokkaalle allokoinnille kansantalouden sisällä. Näitä tekijöitä on vaikeata huomata päivittäisessä toiminnassa, mutta niillä on suuri vaikutus pääoman allokaation kannalta. Kuinka pääoman tehokas allokointi sitten tulee ilmi, kun tarkastellaan toimialojen kehitystä, ja kuinka paljon kansantalouden ulkopuolisilla tekijöillä on vaikutusta toimialojen reaaliseen kehitykseen?

Toimialan oletetaan tuottavan parhaiten, kun pääoma hakeutuu toimialalle ja ala toimii tehokkaimmillaan.

Pörssiyhtiöt jaetaan markkina-arvoryhmissä toimialoihin. Helsingin Pörssissä on kymmenen toimialaa, jotka ovat vuodesta 2012 olleet Öljy ja kaasu, Perusteollisuus, Teollisuustuotteet ja -palvelut, Kulutustavarat, Terveydenhuolto, Kulutuspalvelut, Tietoliikennepalvelut, Yleishyödylliset palvelut, Rahoitus ja Teknologia. Nasdaq OMX:n, joka on maailman suurin pörssintoimialan yritys, toimialaluokittelu perustuu ICB -järjestelmään (Industry Classification Benchmark), johon siirryttiin vuonna 2012. (Nasdaq 2016a; Pörssisäätiö 2016;

Kauppalehti 2012) Ennen ICB-järjestelmään siirtymistä käytössä oli Morgan Stanley Capital Internationalin ja Standard & Poor’s:n kehittämä GICS -toimialajärjestelmä. Sen toimialat olivat: Energia, Perusteollisuus, Teollisuustuotteet ja -palvelut, Kulutustavarat ja -palvelut, Päivittäistavarat, Terveydenhuolto, Rahoitus, Informaatioteknologia, Tietoliikennepalvelut ja Yhdyskuntapalvelut. (OMX Nordic Exchange Helsinki, 2005)

Monella yrityksellä on erilaista liiketoimintaa, mistä se saa tulonsa. ICB -järjestelmä ottaa huomioon yrityksen pääasiallisen toiminnan, tai liiketoiminnan, joka tuottaa eniten yrityksen liikevaihdosta. (Nasdaq 2016b) ICB -toimialajärjestelmään siirryttiin aiemmasta GICS - luokittelusta, joka on ICB:n kanssa kilpaileva toimialajärjestelmä. Tämän muutoksen johdosta viisitoista Helsingin pörssin yhtiötä sai uuden toimialaluokituksen. (Kauppalehti 2012) ”CIGS-luokitusjärjestelmään kuuluvat NASDAQ OMX:n alueelliset ja paikalliset toimialaindeksit lakkautetaan 1.2.2012, ja ne korvataan vastaavilla, ICB-toimialaluokituksen mukaan määritetyillä, indekseillä.” (Nasdaq 2011) Uusiin indekseihin on laskettu

(7)

historialuvut yli kymmeneltä vuodelta, ja muutos ei vaikuta tärkeimpiin markkinaindekseihin.

(Nasdaq 2011)

1.2 Tutkielman tavoitteet, tutkimuskysymykset ja -rajaukset

Tämän tutkielman päämääränä on tarkastella Helsingin pörssiin listattujen toimialojen kehityksen vaikutusta Nasdaq OMX Helsinki -indeksiin vuosina 2006–2015. Tutkielma tehdään pääoman tehokkaan allokaation näkökulmasta. Aihe on mielenkiintoinen, koska siitä ei ole Suomessa tehty juurikaan tutkimusta. On myös mielenkiintoista selvittää, kuinka paljon mikäkin toimiala vaikuttaa OMXH-indeksin kehitykseen, ja löytyykö toimialojen keskinäisen kehityksen välillä mahdollista korrelaatiota. Tutkielmassa tullaan hyödyntämään korrelaatiomatriisia, regressioanalyysiä ja aikasarjaregressioita, joiden avulla pyritään selvittämään yhteyksiä niin toimialojen kuin toimialojen ja OMXH-indeksin kehityksen välillä.

Tutkielman päätutkimuskysymys on:

”Kuinka eri toimialojen kehitys on vaikuttanut Helsingin Pörssin indeksin kehitykseen 2000-luvulla?”

Tutkielmassa on tämän lisäksi kaksi alatutkimuskysymystä, joiden avulla pyritään saamaan syvällisempi kuva tutkitusta aiheesta. Alakysymykset ovat:

”Kuinka Helsingin Pörssin indeksi korreloi toimialojen kanssa?”

”Kuinka toimialat korreloivat keskenään?”

Kirjallisuus rajataan teorian osalta koskemaan pääoman tehokasta allokaatiota, ja sitä tarkastellaan makrotaloudellisesta näkökulmasta. Pääoman tehokkaan allokaation sisällä keskitytään sen mahdollistaviin ja sitä estäviin tekijöihin, sekä ulkopuolisiin tekijöihin.

Tutkielman aineisto rajataan koskemaan Nasdaq OMX Helsingin toimialojen indeksejä ja OMX Helsingin indeksiä vuosina 2006-2015. Tarkastelun aloittaminen vuodesta 2006 perustuu laajuudeltaan järkevän tarkastelujakson muodostamiseen ja siihen, että vuonna 2005 voimaan tulleen GICS-toimialaluokittelun vaikutuksista pörssiin ja yritysten toimialamuutoksista ei löydy tarpeeksi tietoa. Ajallisen tarkastelun aloittamista vuodesta 2006 puoltaa myös se, että DataStream-tietokannasta ei löytynyt total return -indeksiä Teollisuustuotteet ja -palvelut-toimialalle ennen vuotta 2006. Tutkielman ajankäytön ja

(8)

laajuuden vuoksi siinä ei paneuduta tarkemmin vuoden 2012 toimialamuutosten vaikutuksiin OMX Helsinkiin ja sen toimialoihin, vaan näiden vaikutusten huomioiminen tuloksissa jää tutkielman ulkopuolelle. Myöskään maailmanlaajuisia, esimerkiksi toimialojen, kehityssuuntia ei huomioida muuten kuin pohdiskelun tasolla, samoista syistä kuin toimialamuutoksien kohdalla. Maantieteellisesti tutkielma on rajattu Suomeen.

Maantieteellisen rajauksen perusteena on tarpeeksi kokonaisvaltaisen ja tarkan tutkimuksen mahdollistaminen Suomen sisäisen pääoman allokoinnin arvioimiseksi.

1.3 Tutkimusmenetelmät ja -aineisto

Tämän tutkielman empiirinen osuus tehdään kvantitatiivisena tutkimuksena.

Tutkimusaineisto perustuu laajan tarkastelujakson indeksilukuihin, joten kvalitatiivista tutkimusta ei ole järkevä toteuttaa ottaen huomioon aineiston laadun. Aihetta sivuavat monikansalliset tutkimukset ovat myös tehty kvantitatiivisina tutkimuksina. Tutkimusaineisto koostuu Helsingin pörssin kymmenen toimialan indekseistä, ja OMX Helsinki -indeksistä vuosilta 2006-2015. Aineisto koostuu 121 havainnosta (kuukausittainen data) jokaisesta toimialasta, sekä Helsingin Pörssin kokonaisindeksistä, kymmenen vuoden ajalta.

Havaintojen lukumäärä on 121, 120 sijaan, koska kuukausittaisten indeksituottojen laskemiseksi tarvittiin vuoden 2016 ensimmäinen indeksiluku. Tähän tutkielmaan on valittu DataStream -tietokanta, mistä kyseiset indeksiluvut haetaan. Tutkielmassa käytetään total return-indeksejä, koska ne antavat tarkemman kuvan indeksin kehityksestä (Investopedia 2016). Total-return pisteluvuista on laskettu kuukausituotot toimialoille ja OMX Helsinki kokonaisindeksille, ja kyseisiä kuukausituottoja käytetään analyysin aineistona.

Empiirisessä osiossa käytetty aineisto näin ollen sisältää 120 havaintoa.

Maailmantalouden muutosten vaikutus pyritään ottaa huomioon mahdollisimman hyvin, mutta työn laajuuden takia joudutaan aiemmin mainitulla tavalla tyytymään pelkistettyyn arvioon niiden mahdollisesta vaikutuksesta indeksikehitykseen. Tutkimusaineiston toimialat jaetaan kymmeneen ryhmään, joista osa liitetään yhteen korrelaatioanalyysistä saadun korrelaatiomatriisin avulla. Tätä varten tarvitaan DataStreamista haettava informaatio indeksiluvuista. Yhdestoista vertailuryhmä tulee OMX Helsingin indeksistä.

Korrelaatiomatriisin pohjalta toimialoja vertaillaan OMX Helsingin indeksiin, sekä keskenään, ja niiden tuottoerojen tilastollista merkitsevyyttä mitataan T-testien avulla.

(9)

Toimialoista muodostettuja toimialaryhmiä vertaillaan OMX Helsingin indeksiin lineaaristen regressioanalyysien avulla hyödyntämällä aikasarjaregressioita, ja kyseinen analyysi suoritetaan SAS Enterprise Guide- ohjelmistolla.

1.4 Tutkielman teoreettinen viitekehys

Pääoman tehokkaasta allokaatiosta, makrotaloudellisesta näkökulmasta tarkasteltuna, on tehty maailmanlaajuisesti kohtalaisen paljon tutkimusta. Suomen sisällä ei kyseistä aihetta kuitenkaan ole juuri tutkittu. Tutkimukset maailmalla nimenomaan keskittyvät usein pääoman tehokkaan allokoinnin mahdollistaviin ja sitä rajaaviin tekijöihin, huomioiden monta maata ja toimialaa, eivätkä niinkään tietyn, yksittäisen kansantalouden kehityksen selittämiseen. Usein asiaa siis tarkastellaan makrotaloudellisesta, monikansallisesta, näkökulmasta. Muun muassa Wurgler (2002) on tutkinut pääoman tehokkaan allokaation mekanismeja kuin myös Pang ja Haibin (2009) jatkotutkimus aiheesta.

Kuviosta yksi voimme nähdä, että työn teoreettinen viitekehys keskittyy tieteellisiin tutkimuksiin ja kirjallisuuteen koskien pääoman tehokasta allokointia. Tarkastelun lähtökohtana on makrotaloudellinen näkökulma. Työssä keskitytään nimenomaan tästä näkökulmasta kuvaamaan muun muassa pääoman allokointia edistäviä ja haittaavia

Pääoman tehokas allokointi Määritelmä Makrotaloudellinen

näkökulma Allokointia

edistävät tekijät

Allokointia estävät

tekijät Ulkoisten

tekijöiden vaikutus

Kuvio 1. Tutkielman teoreettinen viitekehys.

(10)

tekijöitä, sekä ulkoisten tekijöiden vaikutusta. Näiden osa-alueiden avulla pyritään muodostamaan teoreettinen viitekehys, jotta empiirisen osion tulosten kanssa voidaan reflektoimalla tuoda mahdollisimman kattavasti esille perusteita Suomen toimialojen kehitykselle ja niiden vaikutukselle Helsingin pörssin indeksiin.

1.5 Tutkielman rakenne

Tutkielman ensimmäisessä kappaleessa, johdannossa, käydään läpi toimialaluokitusten kehityksen historiaa ja Helsingin Pörssin kehitystä. Tässä vaiheessa myös esitellään erilaiset toimialamuutokset, jotka uudet luokittelut ovat saaneet aikaan. Toimialojen ja niiden muutosten syvällisempi käsittely ei ole relevanttia tämän tutkimuksen kannalta, joten niiden käsittely rajataan johdantoon. Johdannossa käydään myös läpi tutkimuksen tavoitteita, rajoitteita, tutkimusmenetelmät ja tutkimuksen teoreettinen viitekehys.

Toisessa kappaleessa käydään teoriaa, jonka alussa esitellään Markowitzin portfolioteoria, johon pääoman tehokas allokointi tässä tutkielmassa pohjautuu. Teoriaosuuden jälkeen tulee tutkimuksen empiirinen osio, jossa korrelaatiomatriisin avulla tarkastellaan toimialojen keskinäistä korrelaatio ja korrelaatiota OMXH-indeksin kanssa. Tämän jälkeen tuottoerojen tilastollista merkitsevyyttä tarkastellaan T-testien avulla. Empiirisessä osiossa käydään myös läpi toimialojen vaikutus OMXH-indeksiin lineaaristen regressioanalyysien avulla.

Lopuksi työssä esitellään yhteenveto ja johtopäätökset aiemmista kappaleista.

(11)

2 Pääoman tehokas allokointi

2.1 Markowitzin portfolioteoria

Harry Markowitz (1952) kirjoitti vuonna 1952 väitöskirjan, jossa hän esitteli Modernin portfolioteorian. Se on matemaattinen viitekehys portfolion tuoton maksimoimiseksi tietyllä riskitasolla. Moderni portfolioteoria olettaa, että jos kahden portfolion voidaan olettaa antavan sama tuotto, sijoittaja suosii vähempiriskistä sijoitusta. Rationaalinen sijoittaja ei siis sijoita portfolioon, jos on olemassa toinen portfolio, jonka riski-tuotto-suhde on parempi.

Sijoittajat ovat siis riskin karttajia. Minimivarianssiportfolioon pyrkivä sijoittaja pystyy laskemaan salkkunsa riskiä hajauttamalla sijoituksiaan, eli tavoitteena on mahdollisimman riskittömän portfolion muodostaminen. Hajauttamisella ei voida kuitenkaan hävittää kaikkea varianssia. Varianssi ei pienene vain siinä tapauksessa, jos sijoituskohteet korreloivat täydellisesti, mutta voidaan olettaa, että kahdella erilaisella portfoliolla ei voi olla täysin korreloivat tuotot. (Markowitz 1952) Korrelaatio vaihtelee lukuarvojen +1 (täydellinen positiivinen korrelaatio) ja -1 (täydellinen negatiivinen korrelaatio) välillä. Esimerkiksi eri toimialojen kehitys voi olla käänteisesti riippuvaista samasta tekijästä: teräksen kysynnän nostaessa sen hintaa autoteollisuuden katteet laskevat, mutta teräksen tuottajille on vaikutus päinvastainen. Olisi ihanteellista löytää sijoituskohteita, joiden korrelaatio olisi lähellä lukua -1. (Seligson 2016a)

2.2 Pääoman tehokas allokaatio

Rahoitusmarkkinat takaavat pääomaresurssien siirtämisen sinne, missä ne ovat tehokkaimmillaan käytössä. Taloudelliset innovaatiot helpottavat vähäisten resurssien siirtämistä alhaisen hyödyn projekteista suhteellisesti hyödyllisempiin projekteihin, ja tämä parantaa taloudellista tehokkuutta. Rahoitusmarkkinoilla on neljä tehtävää: pääoman allokointi, informaation välittäminen, rahoitussopimusten likvidiyden parantaminen ja riskin hajauttaminen. (Kinnunen, Laitinen, Laitinen, Leppiniemi, Puttonen 2016, 170) Tämän työn kannalta relevantein rahoitusmarkkinoiden tehtävistä on varojen tehokas allokointi: ”Rahoitusmarkkinoiden allokatiivisella tehokkuudella tarkoitetaan sitä, että ylijäämäsektorin sijoitukset löytävät tiensä alijäämäsektorille mahdollisimman pienin

(12)

kustannuksin ja vähäisellä viiveellä. Allokatiivisesti tehokkailla markkinoilla ei ole tarpeettomia kaupankäyntikustannuksia tai veroja.” (Kinnunen et al. 2016, 170–171) Suomen ainoan indekseihin erikoistuneen sijoitusrahaston, Seligson & Co:n mukaan tärkein rahoitusmarkkinoiden tehtävistä on nimenomaan pääoman allokaatio ja kustannukset.

Tämä johtuu siitä, että yksittäisten, muita sijoituksia parempien sijoitusten tunnistaminen on oikean ajoituksen kanssa lähes mahdotonta. (Talouselämä 2016; Seligson & Co. 2016b) Ibbotsonin ja Kaplanin (2000) tekemän tutkimuksen mukaan pääoman allokaatio selittää noin 90 prosenttia rahastojen tuottovaihteluista, noin 40 prosenttia tuottojen eroista ja lähes 100 prosenttia varsinaisesta tuottotasosta.

Monet pääoman tehokkaasta allokoinnista tehdyt tutkimukset näyttävät, että maan rahoitusjärjestelmä vaikuttaa talouskasvuun (Demirgüç-Kunt & Maksimovic 1998; Levine &

Zervos 1998; Levine & King 1993; Beck, Levine & Loyaza 1999). Demirgüç-Kunt ja Maksimovic (1998) tutkivat miten erot taloudellisissa ja oikeudellisissa systeemeissä vaikuttavat ulkoisen rahoituksen käyttöön yrityksen rahoittaessa kasvua. Heidän mukaansa aktiiviset osakemarkkinat ja kehittynyt lakijärjestelmä ovat tärkeitä yritysten kasvun johtamisessa. Tätä tutkimustulosta tukee Levine ja Zervos (1998) tutkimus, joka sisältää näkemyksen siitä, että rahoitusmarkkinat ovat tärkeät kasvun kannalta. Myöskin samansuuntaisia tutkimustuloksia ovat aiemminkin saaneet Levine ja King (1993), joiden mukaan rahoituspalvelut stimuloivat talouskasvua nostamalla pääoman kerääntymisen tahtia ja kehittämällä tehokkuutta, jonka avulla taloudet käyttävät pääomaa.

Toisenlaisesta näkökulmasta tehdyn tutkimuksen suoritti Donghan (2006), kun hän tutki, kuinka kulutus vaikuttaa pitkäaikaiseen talouskasvuun. Hänen mukaansa kansantalous saavuttaa välittömän tasapainon ylläpitämällä kahta tuotantosektoria, pääoman kasvu- sektoria ja kulutuksen kasvu-sektoria, joilla on sama teknisen substituution aste.

Optimaalinen kasvu kansantaloudelle tulee tästä jatkuvasti muuntuvasta prosessista pääoman ja työvoiman välillä. Dynamiikka näiden tekijöiden välillä osoittaa, että kansantalous valitsee optimaalisimman tavan allokoida pääomaa ja työvoimaa pääoman- ja kulutuksen kasvun välillä, jotta kokonaisvarallisuus ja kokonaiskulutus kasvavat tasaisesti optimaalista linjaa pitkin. (Donghan 2006)

Suomessa rahoitusmarkkinat ovat perinteen mukaan olleet hyvin pankkikeskeisiä. Pankeilla on ollut yksinoikeus talletusten vastaanottoon, minkä johdosta niiden asema Suomen rahoitusjärjestelmässä on ollut tärkeä. Tämän lisäksi pääomaliikkeitä ulkomailta säänneltiin tarkasti. Kun markkinoiden säännöstelyä purettiin 1980-luvun loppupuolella,

(13)

rahoitusmarkkinoiden arvopaperistuminen pääsi kunnolla vauhtiin. Rahoitusmarkkinoiden tehokkuus on kirjallisuudessa yleensä jaoteltu kolmeen luokkaan:

1. Heikkojen ehtojen tehokkuus 2. Keskivahvojen ehtojen tehokkuus 3. Vahvojen ehtojen tehokkuus

Markkinat toteuttavat heikot ehdot, jos kaikki aikaisempi informaatio koskien sijoituskohteiden hintakehitystä heijastuu sijoituskohteiden hintoihin. Kun tällaisilla markkinoilla otetaan huomioon sijoitusten riskit, ei pelkästään aikaisemman hintakehityksen analysoinnin avulla voida saavuttaa ylisuuria tuottoja. Julkisesti käytössä oleva informaatio ei hyödytä sijoittajaa tässä suhteessa, mikäli kyseessä on keskivahvasti tehokkaat markkinat. Ylisuuria tuottoja ei kukaan sijoittaja pysty saavuttamaan vahvasti tehokkailla markkinoilla. Jos markkinat täyttävät vahvat ehdot, ne ovat tehokkaat myös keskivahvojen ehtojen mukaan. Sama logiikka pätee keskivahvojen ja heikkojen ehtojen markkinoiden välillä. Suomalaisilla osakemarkkinoilla on tutkimusten mukaan löydettävissä poikkeamia kaikilta tehokkuuden tasoilta. Tämän johdosta suomalaisilla osakemarkkinoilla yritysten tilinpäätöstietojen ja osakkeiden aikaisemman hintakehityksen analysointi vaikuttaa hyödylliseltä. (Martikainen, M. & Vaihekoski, M. 2015, 145; 173–174) Toisaalta Kalaitzidakisin ja Tzouvelekasin (2011) tutkimuksessa, joka koski armeijan kuluja (engl.

military spending) sekä talouskasvua maksimoivaa julkisen pääoman allokointia, päädyttiin siihen tulokseen, että maiden välisiin eroihin keskittyessä BKT:n määrä kokonaiskulutuksesta näyttää olevan optimaalisella tasolla Suomessa, joten voidaan olettaa, että pääoman allokaatio toimii ainakin tältä osin.

2.3 Pääoman allokointia edistävät tekijät

Kehittyneet rahoitusmarkkinat, kun arvioidaan rahastojen ja luottomarkkinoiden määrän suhdetta bruttokansantuotteeseen, allokoivat varoja paremmin. Rahallisesti kehittyneet maat lisäävät investointeja kehittyviin toimialoihin ja vähentävät investointeja laskevilta toimialoilta. Kyseiset maat eivät välttämättä investoi toimialoihin enemmän, mutta ne allokoivat varoja paremmin. Esimerkiksi joustavuus toimialan investointien ja arvonlisäyksen välillä on monta kertaa korkeampi Saksassa, Japanissa, Iso-Britanniassa ja Yhdysvalloissa kuin taloudellisesti kehittymättömissä maissa, kuten Bangladeshissa, Intiassa, Panamassa ja Turkissa. Tulokset antavat ymmärtää, että kehitys auttaa maata hyödyntämään

(14)

investointimahdollisuuksia paremmin. Tämän takia rahoitusmarkkinat ja instituutiot tuovat mukanaan enemmän kuin sivunäytelmän, ne suorittavat fundamentaalisen allokaatiofunktion. Vaikka rahoitusmarkkinoiden muuttujat eivät selitä kaikkea pääoman allokoinnin laadusta, selittävät ne merkittävän osan. (Wurgler 2000) Allokaatio paranee kolmella tavalla:

1) Maat, joiden osakemarkkinat vaativat tarkempaa tietoa yrityksistä koskien osakkeiden hintoja, allokoivat pääomaa paremmin.

2) Pääoman allokointi paranee, kun valtion omistukset vähenevät. Ei investoida niin paljon kasvaviin toimialoihin ja ei vähennetä yhtä paljon investointeja laskevista toimialoista. Valtion omistusten kohdalla ei usein ajatella arvonmaksimointia, vaan lähinnä poliittisia motiiveja, lisäksi pehmeä budjetti ja huono valvonta eivät kannusta tehokkuuteen. Tätä väitettä tukee Shleifer (1998) tutkimus julkisomisteisista ja yksityisomisteisista yhtiöistä. Shleifer toteaa, että poliittisesti motivoituneen pääoman allokoinnin hävittäminen on kiistatta ollut olennaisin hyöty yksityistämisessä ympäri maailmaa. Maan hallituksen korruptio nostaa esiin huolia yksityistämissuunnitelmia kohtaan, mutta suurimmassa osassa tapauksia hallitus lieventää huolia yksityistämislausekkeilla (engl. private provision). Kun politiikka otetaan huomioon, optimaalinen käyttötapa valtion omistuksille vähenee.

3) Vahvat suojat pienosakkeenomistajilla (engl. minority investor rights) yhdistetään pääoman tehokkaaseen allokointiin. La Porta et al. (1997) tutkimus tukee tätä väitettä. Heidän mukaansa lait ja niiden täytäntöönpano ovat tärkeitä maan rahoitusmarkkinoiden koon ja laajuuden osalta. Koska hyvä laillinen suoja suojelee potentiaalisia rahoittajia sisäpiiriläisten (engl.insiders) pakkoluovutuksilta, se nostaa rahoittajien halukkuutta varojen luovuttamiseen parempaa turvaa vastaan, ja siksi se laajentaa rahoitusmarkkinoiden ulottuvuutta. (La porta, Lopez-De-Silanes, Shleifer, Vishny 1997) Sijoittajansuojan allokaatiohyödyt näyttävät rajoittavan yli-investointia laskeviin toimialoihin, sen sijaan, että ne tukisivat kasvavien toimialojen rahoitusta.

(Wurgler 2000)

Pang ja Haibin (2009) tekivät vuonna 2009 tutkimuksen, joka oli jatkoa ja lisäystä Wurglerin (2000) tutkimukseen. Kyseinen jatkotutkimus ottaa huomioon toimialojen elastisuuden ja sitten keskimääräisen elastisuuden kaikilta maan toimialoita, kun Wurgler mittasi vain yhden elastisuuden jokaiselle maalle. Tutkimuksen päähypoteesi on: Jos talouskasvu parantaa pääoman allokoinnin tehokkuutta, niin maiden, joilla on kehittyneemmät rahoitusmarkkinat,

(15)

tulisi investoida kasvaviin toimialoihin ja vähentää investointeja laskevista toimialoista, ja tämän kaavan tulisi olla merkittävämpi toimialoilla, jotka vaativat enemmän ulkoista rahoitusta. Yksi implikaatio hypoteesista on, että talouskehitys vaikuttaa investointien elastisuuteen ja kasvumahdollisuuksiin epäsuhtaisesti toimialojen välillä, mutta se ei välttämättä vaikuta keskimääräisiin toimialainvestointeihin pitkällä aikavälillä, sillä kyseiset toimialat, jotka saavat enemmän rahoitusta kasvaessaan, myös kokevat suuremmat tiputuksen laskiessaan. (Pang & Haibin 2009)

Pang ja Haibin (2009) mukaan tehokas pääoman allokointi tarkoittaa, että pääomaa allokoidaan enemmän kasvaviin toimialoihin ja vähemmän laskeviin toimialoihin. Toisin sanoen, tehokas pääoman allokointi implikoi korkeaa investointien reagointikykyä kasvupotentiaaliin (mitattuna arvonlisäyksen kasvulla, engl. value added growth), joten korkeampi kertoimen arvo implikoi, että investointi reagoi enemmän kasvumahdollisuuksiin ja johtaa tehokkaampaan pääoman allokointiin toimialalla. Tässä kohtaa tulee huomioida, että Pang ja Haibin (2009) mainitsevat datan rajoittuneisuuden estäneen heitä tekemästä tarkempaa analyysia, joten tuloksia tulee tarkastella varovaisuudella. Tutkimuksen löydöt kuitenkin tukevat teoreettista argumenttia, jonka mukaan rahoitusmarkkinat kanavoivat varoja tuottavimpiin tarkoituksiin ja pitää huolen, että yritykset ja toimialat, joilla on hyvät kasvumahdollisuudet, pystyvät investoimaan, vaikka heillä ei olisi tarpeeksi sisäistä rahoitusta saatavilla. (Pang & Haibin 2009)

Levine (1991) tutkimuksessa rahoitusmarkkinoiden roolista talouskehityksessä todetaan, että instituutio tai markkina-alue, mikä auttaa minimoimaan pääoman likvidoinnin, nostaa yrityksen tehokkuutta ja saattaa rohkaista yritystä investoimaan. Tuottavuusriskit hidastavat talouskasvua vähentämällä yrityksille allokoitavia resursseja. Rahoituksellinen sopimus, joka antaa agenteille mahdollisuuden hajauttaa tuottavuusshokkeja, kiihdyttää talouskasvua. (Levine 1991)

Valtio voi esittää liikevaihto-neutraalin linjauksen (engl. revenue neutral policy) nostamalla kulutukseen liittyviä veroja ja laskemalla yhtiöveroja. Tämä linjaus alentaisi vääristymiä, nostaisi resurssien allokaatiota yrityksiin ja nopeuttaisi kansantalouden kasvuvauhtia. Mitä enemmän resursseja allokoidaan yrityksiin, sitä vauhdikkaampi talouskasvu on.

Ulkopuolisvaikutus yrityksen tuotannossa implikoi, että talous kasvaa nopeammin, kun investoijat eivät ennenaikaisesti likvidoi yrityspääomaa täyttääkseen lyhyen aikavälin likvidointi-tarpeita (engl. short-term liquidity needs). Näin ollen, rahoitusjärjestelyt, jotka kannustavat yrityksiä investoimaan, tai eliminoimaan yrityspääoman ennenaikaisen

(16)

poistamisen, kiihdyttävät tasaisesti kasvua henkilöä kohden (engl. per capita output).

(Levine 1991) Tähän liittyen Abiad et al. (2004) mukaan rahoitusmarkkinoiden vapauden lisääminen parantaa pääoman allokatiivista tehokkuutta. Siten vapauden lisäämisen hyödyt tulevat ensisijaisesti sen vaikutuksesta investointien laatuun eikä sen määrään. (Abiad, Oomes & Ueda 2004)

Mortal ja Reisel (2013) huomasivat, että investointiherkkyys kasvumahdollisuuksiin on korkeampi julkisesti noteeratuille yrityksille kuin listaamattomille julkisille yrityksille tai yksityisyrityksille. Julkisesti noteeratut yritykset ovat siis paremmin asemoituja hyödyntämään kasvumahdollisuuksia kuin listaamattomat yritykset. Julkisten yritysten suhteellinen etu riippuu maan instituutioiden laadusta. Tarkennetusti, sijoitusherkkyys kasvumahdollisuuksiin julkisesti noteeratuille yrityksille on suurempi ainoastaan maissa, joissa on hyvin kehittyneet osakemarkkinat. Löydöt ehdottavat, että hyödyt, jotka liittyvät kuulumiseen hyvin kehittyneisiin osakemarkkinoihin, ovat suurempia kuin agenttikulut, jotka liittyvät omistuksen hajautukseen. Hyvin kehittyneet osakemarkkinat sallivat noteerattujen yritysten hyödyntää investointimahdollisuuksia, joita ei välttämättä toteutettaisi, jos yritykset olisivat yksityisiä. Listattujen yritysten taloudellinen hyöty vaihtelee instituutionaalisen ympäristön mukaan (engl. institutional setting). (Mortal, S. & Reisel, N. 2013)

2.4 Ulkoinen rahoitus ja pääoman allokointi

Demirgüç-Kunt ja Maksimovic (2002) tekemässä tutkimuksessa yritysten ulkoisen rahoituksen saatavuudesta he saivat selville, että osakemarkkinoiden ja pankkisysteemin kehityksen vaikutus yritysten kasvuun on läheisesti sidoksissa maan sopimusympäristön (engl. contracting environment) kehitykseen. He eivät löytäneet eroja pörssisektorin ja pankkisektorin vaikutuksista ulkoisen rahoituksen saatavuuteen. Kuitenkin pörssisektorin kehitys liittyy enemmän pitkän aikavälin rahoitukseen ja pankkisektorin kehitys lyhyen aikavälin rahoitukseen. Kyseisen tutkimuksen tuloksia tukee Levinen (2000) tutkimus pörssi ja -pankkisektoripainotteisista systeemeistä (engl. bank sector based system), missä todettiin, että vaikka rahoitusmarkkinoiden kokonaiskehitys on vahvasti sidoksissa talouskasvuun, ei Levine löytänyt tukea kummankaan näkökulman paremmuudelle.

Tarve ulkoiselle rahoitukselle voi parantaa pääoman allokointia, jopa tilanteissa, joissa se tuo esiin tehottomuutta yritysten tasolla. Rajoittuneen vakuutettavuuden (engl. pledgeability) ollessa voimassa, ulkopuoliset investoijat suosivat keskinkertaisten projektien realisointia,

(17)

koska he voivat saada vain murto-osan tulevaisuuden tuotosta. Kuitenkin, ulkopuolisen rahoituksen puuttuessa, sisäpiiriläiset (engl. insiders) eivät suosi kyseisten projektien realisointia, koska he saavat pitää koko tuoton. Jotta yritys saa tarvitsemansa pääoman, kun se sitä eniten tarvitsee, täytyy yrityksen sitoutua projektien likvidointiin. (Almeida et al. 2005, 135) Tästä johtuen yritykset, jotka nojaavat ulkopuoliseen rahoitukseen, likvidoivat projekteja enemmän kuin yritykset, jotka nojautuvat sisäiseen rahoitukseen. Tämä johtuu esimerkiksi siitä, että lyhytaikaiset lainanantajat (engl. short-term lenders) lakkauttavat projekteja liian usein (eivät suostu antamaan lisärahoitusta nykyiselle liikkeenjohdolle) lainanottajan näkökulmasta, koska on olemassa rajoitteita vakuuksista tulevien korkomaksujen antamisesta lainanantajille: summa, joka voidaan antaa vakuudeksi lainanantajille, saattaa olla vähemmän kuin likvidoinnista saatava arvo, kuitenkin tulevaisuuden kokonaiskorkojen ylittäessä likvidointi-arvon. Rajoitukset saavat alkunsa monista mahdollisista lähteistä, kuten lainanottajien henkilökohtaisesta informaatiosta, moraalikadosta ja valvontakustannuksista. Kyseisiä rajoitteita koskevat ongelmat implikoivat, että vaikeudet haettaessa alustavaa rahoitusta jatkuvat edelleen uudelleenrahoitustarpeiden aikaan, ja nämä vaikeudet voivat johtaa liialliseen likvidointiin.

(Diamond 1991)

Vaikka liiallinen projektien likvidointi saattaa olla epäoptimaalista eristyneelle yritykselle, se saattaa olla sosiaalisesti tuottavaa, koska ne vapauttavat pääomavirtoja keskinkertaisista projekteista korkean tuottavuuden projekteihin ja näin ollen parantavat pääoman allokaatiota. Yksinkertaisesti ilmaistuna rajoittunut vakuutettavuus (engl. limited pledgeability) luo konfliktin hankkeissa, kun sisäpiiriläiset (engl. insiders) suosivat keskinkertaisten hankkeiden jatkamista ja ulkopuoliset rahoittajat suosivat niiden likvidoimista. (Almeida et al. 2005)

Kun hallitaan sijoittajansuojan tasoa, ulkoisen rahoituksen tarpeella, annetussa maassa, tulisi olla riippumaton vaikutus pääoman allokoinnin tehokkuuteen. Almeida et al. näyttivät tutkimuksessa, että kun yritysten sitoutumistaso vakuutuksiin (engl. degree of pledgeability) ei ole liian alhainen, resurssit, jotka ulkopuolisten rahoittajien likvidoinnit saavat aikaan, löytävät tiensä tuottavampiin kohteisiin. Tämä argumentti antaa ymmärtää, että maat, joiden yrityksillä on korkeammat rahoitustarpeet, nauttivat tehokkaammasta pääoman allokaatiosta. (Almeida et al. 2005)

Almeida et al. (2005) tutkimus ei ole ensimmäinen, mikä analysoi rajoittuneiden vakuuksien vaikutuksista pääoman allokointiin. Shleifer ja Wolfenzon (2002) loivat samantyylisen

(18)

vastakkainasettelun. He eivät kuitenkaan ottaneet huomioon ulkoisen rahoituksen tarpeita pääoman allokoinnissa, ja mikä tärkeämpää, he eivät keskittyneet pääoman uudelleenallokointiin käynnissä olevien hakkeiden kesken, kuten Almeida et al. (2005) tekivät. Tutkimuksesta saadut tulokset ulkoisen rahoituksen tarpeista selvästi tarvitsevat mallin, jossa pääoma voidaan uudelleenallokoida meneillä olevien, eri tuotantokyvyn omaavien hankkeiden kesken. (Almeida et al. 2005)

2.5 Pääoman allokointia hidastavat tekijät

Rahoitusmarkkinoiden kansainvälistymisellä on vaikutuksia pääoman allokointiin kansainvälisellä tasolla. Jos ei ole muita häiriötekijöitä, taipumus lähentyä todellisia korkokantoja kansainvälisten pääomaliikkeiden kautta tehostaisi resurssien allokaatiota ja nostaisi hyvinvoinnin tasoa. Kuitenkin yritysten ja kuluttajien verotus vaihtelee jokaisessa maassa ja tämä luo kiiloja maan todellisen markkinakoron ja todellisen verojen jälkeisen pääomakustannuksen (engl. real after tax cost of capital) välille yritysten ja yksityistalouksien investoinneissa. Kansantaloudet, joilla on korkeat kannusteet investoinneille ja korkealle inflaatiolle, yleensä omaavat korkeat verokiilat. Tästä johtuen, vaikka maiden todelliset korkotasot tasattaisiin maiden välillä, pääoman todellinen kustannus vaihtelisi huomattavasti ja tämä johtaisi pääoman vääristyneeseen allokointiin.

Verokiilat voivat johtaa suureen epätasapainoon ulkopuolisen rahoituksen nettovarojen asemassa, mikä taas sisältää suuren negatiivisen hyvinvointivaikutuksen. (Fukao &

Hanazaki 1986)

La Porta et al. (1997) tutkimuksessa vertailtiin 49 maan lakeja ja saatiin selville, että erilaiset perinteiset lait vaihtelevat sisällön kuin myös niiden täytäntöönpanon historian osalta.

Suojaukselta sisäpiiriläisten pakkolunastuksia vastaan, tapaoikeuteen perustuvat (engl.

common law) maat suojasivat osakkeenomistajia ja luotonantajia eniten, ranskalaiseen säädösoikeuteen(/siviilioikeus) perustuvat maat vähiten, ja saksalaisen sekä Skandinaavisen siviilioikeuden maat suojasivat pakkolunastuksilta jossain näiden kahden välissä. Tutkimuksessa näytettiin myös, että rikkaat maat valvovat lakeja paremmin kuin köyhät maat, mutta, hallittaessa pääomatuloa henkilöä kohden (engl. per capita income), ranskalaisen siviilioikeuden maat omaavat myös huonolaatuisimman lainvalvonnan. (La Porta, Lopez-De-Silanes, Shleifer, Vishny 1997)

(19)

Taboada (2011) tutki, miten muutokset pankin omistuksessa vaikuttavat pääoman allokaatioon ympäri maailman. Tulokset näyttävät, että valtionomistuksen väheneminen pankeissa vaikuttaa pääoman allokaation tehokkuuteen vaihtelevasti, riippuen siitä, ottavatko valtion luovuttaman osuuden haltuun ulkomaalaiset vai kotimaiset suurosakkeenomistajat (engl. large domestic blockholders). Yleisesti kotimaisten suurosakkeenomistajien kasvu pankkisektorilla estää pääoman allokaatiota. Maat, jotka kokevat kyseisen omistusmuodon nousun, yleensä allokoivat enemmän lainoja toimialoille, jotka tuottavat vähemmän ja eivät nojaa yhtä paljon ulkoiseen rahoitukseen. Ulkomaalainen läsnäolo pankkisektorilla johtaa pääoman allokaation tehokkuuteen tapaoikeuteen perustuvissa maissa. (Taboada, A.G. 2011, 2541)

La Porta et al. (1997) tulokset vahvistavat, että lakiympäristö (engl. legal environment), kuvattuna itse laeilla ja niiden valvonnalla, on merkittävä tekijä maan rahoitusmarkkinoiden koon ja laajuuden kannalta. Koska hyvä lakiympäristö suojaa potentiaalisia rahoittajia yrittäjien pakkolunastuksilta, se nostaa halukkuutta varojen luovutukseen parempaa suojaa vastaan ja siksi laajentaa rahoitusmarkkinoiden ulottuvuutta. (La Porta et al. 1997, 1149) Samankaltaisia tuloksia saivat Morck et al. (2011) omassa tutkimuksessaan – maan pankkien omistuksella on väliä. Kansalliset pankkijärjestelmät, jotka luottavat enemmän suurliikemiehiin ja bisnes-perheisiin (engl. tycoons ja business families) korreloivat huonojen taloudellisten lopputulosten kanssa, muun muassa johtaen pääoman allokaation tehokkuuden alanemiseen. (Morck, R. Yavuz, M.D. Yeaung, B. 2011, 280) On mahdollista, että joku laaja perustana oleva faktori, joka liittyy luottamukseen, vaikuttaa kaikkiin maan instituutioiden kehitykseen, mukaan lukien lait ja rahoitusmarkkinat. Tähän ei kuitenkaan pystytä antamaan vastausta nyt, mutta ehkä tulevaisuudessa. (La Porta et al. 1997, 1150) Rahoitusjärjestelmien kontrollointi on erittäin tärkeää, ja tätä tukee Rajan ja Zingales (2003, 2004) tutkimukset, joiden mukaan paikkansa vakiinnuttaneet yritykset ja rahoittajat voivat estää vapaata pääsyä rahoitukseen, koska heillä on jo tarpeeksi pääomaa. Näillä tahoilla on suurempi tarve rahoitukselle, joten teollisuuden viranhaltijat (engl. industrial incumbent) voivat painostaa suurempaan rahoituksen tukahduttamiseen, jolloin vapaana oleva rahoitus virtaa heidän suuntaansa. (Rajan & Zingales 2003, 22; Rajan & Zingales 2004) Myös Habid (2008, 17) toteaa, että rahoituksellinen läpinäkyvyys on positiivisesti liitettävissä pääoman allokaation tehokkuuteen joissain maissa. Vaikka tutkimus löysi merkittävän yhteyden näiden kahden välillä, tulee sen tuloksia tarkastella läpinäkyvyyden mittauksen laajuuden kautta.

(20)

Siddiqi ja Warganegara (2003) löysivät vahvaa näyttöä siitä, että pääoman tehoton allokointi on agentuuri-ongelma, ennemmin kuin optimaalinen valinta tehottoman sisäisen pääoman allokointikulujen, ja ulkoisten markkinoiden transaktio- ja informaation epäsymmetriakulujen välillä. Pääoman tehoton allokointi näyttäisi olevan pienempi ongelma, kun johdon omistus on korkeampi. (Siddiqi & Warganegara 2003, 46)

(21)

3 Toimialojen kehityksen vaikutuksen empiirinen analyysi

Tässä pääluvussa keskitytään tutkimaan toimialojen kehityksen vaikutusta Helsingin Pörssin indeksiin vuosina 2006–2015. Empiirinen tutkimus suoritetaan tilastollisin menetelmin. Ennen analyysin aloittamista käydään läpi analyysissä käytettävä aineisto ja sen keräämismenetelmä, sekä tarkempi määrittely sen ominaisuuksia koskien. Ennen analyysiä käydään myös läpi sen etenemisprosessi ja mahdolliset huomioitavat asiat sitä koskien. Lopuksi esitellään analyysin tulokset ja arvioidaan niiden luotettavuutta.

3.1 Indeksien määrittely

Tämän tutkielman aineistona toimivat NASDAQ:n ICB-toimialaluokituksen määrittelemät Helsingin pörssin toimialojen indeksiluvut, ja itse OMX Helsingin kokonaisindeksin indeksiluvut. Liitteessä 1 on kuvaukset ICB-toimialaluokittelun perusteista.

Toimialaluokittelun tarkempi läpikäyminen ei ole analyysin kannalta olennaista.

Indeksillä tarkoitetaan tilastollista muutoksenmittausta arvopaperimarkkinoilla. Jokainen indeksi, joka yhdistetään osake-ja arvopaperimarkkinoihin, omaa oman laskumenetelmän.

Indeksejä on monia erilaisia ja tässä tutkielmassa keskitytään OMXH-kokonaisindeksiin sekä toimialakohtaisiin indekseihin Helsingin Pörssissä. (Investopedia 2016) NASDAQ:n indeksit voidaan jakaa kahteen ryhmään, joista ensimmäinen, kokonaisosuus-indeksit (engl.

All share index) ja sektori-indeksit, koskee tätä työtä. Kyseisen indeksiryhmän päätavoitteena on matkia indeksiä esittävien osuuksien populaatiota, ilman mukautumista likvidisyys- ja vakausvaatimuksiin. Koska likvidiydelle ei ole asetettu mitään suodatusta, indeksejä itsessään voi olla vaikea toistaa portfoliossa tai standardoida perusteita niitä vasten (engl. benchmark against), ja osuuksien arvostaminen, ja siksi myös indeksin taso, voi sisältää viivettä merkintäoikeudellisten osakkeiden (engl. underlying shares) epäsäännöllisen vaihdon seurauksena. NASDAQ suorittaa jaksottaista ja päivittäistä ylläpitoa indekseille, esimerkiksi laskemalla ja luokittelemalla indeksitasoja ja laskuparametreja, annettujen sääntöjen mukaisesti. NASDAQ omistaa indeksikomitean,

(22)

jonka tehtävänä on määrittää ja katsastaa edellä mainitut säännöt, ja päättää ja hyväksyä myös lisäykset ja poistot sääntöihin liittyen. (NASDAQ 2016)

Tarkasteltavien toimialojen ja OMX Helsingin indeksiluvut saatiin DataStream-ohjelmasta.

Indekseinä käytettiin Total return-indeksejä, jotka aiemmin mainitulla tavalla antavat tarkemman kuvan indeksin suorituskyvystä. Total return-indeksi kuvastaa teoreettista kokonaismäärän kasvua indeksin rakenneosissa. Indeksin rakenneosien uskotaan palauttavan päivittäinen osinkojen kokonaissumma, mikä sisällytetään kasvavana määränä päivittäiseen indeksinmuutokseen.

Total return- indeksi lasketaan seuraavasti:

𝑅𝐼_𝑡 = 𝑅𝐼_𝑡−1∗ ^𝑃𝐼^𝑡

𝑃𝐼𝑡−1∗ (1 + ^𝐷𝑌

100∗𝑛 ) (1), jossa 𝑅𝐼_𝑡 = return-indeksi päivänä t

𝑅𝐼_𝑡−1 = return-indeksi edellisenä päivänä 𝑃𝐼_𝑡 = price-indeksi päivänä t

𝑃𝐼_𝑡−1 = price-indeksi edellisenä päivänä

𝐷𝑌 = price-indeksin osingon tuotto

n = päivien määrä finanssivuotena (engl. financial year), normaalisti 260

Return-indeksi tietyllä sektorilla tai markkinalla ilmaisee osakkeiden hallussapitoarvon teoreettista kasvua määritellyllä periodilla, olettaen, että osingot investoidaan uudestaan ostamalla uusia osakkeita. Laskentamenetelmän, jota käytetään, määrittelee indeksin lähde. (DataStream 2016)

Sektori-indeksejä ei ole rakenteen vuoksi tarkoitettu indekseiksi, joihin voisi investoida.

Indeksien ylläpito suoritetaan päivittäin kuvaamaan jatkuvaa muutosta listatuissa yrityksissä ja listattujen yritysten osakkaissa (engl. outstanding shares). Uudet listaukset huomioidaan listauksen toisena päivänä, jos yritykselle on annettu ICB-toimialaluokitus.

Sektori-indeksi on aktiivinen, kun se sisältää yhden tai useamman kelvollisen arvopaperin (engl. eligible securities). Sektori-indeksi, jolla ei ole arvopapereita, suljetaan, kunnes yksi tai enemmän osuuksia on kelvollinen indeksiin sisällyttämiseen. Kun sektori-indeksin toimintaa jatketaan, indeksin aloitusluku ja aloituspäivä molemmat nollataan indeksissä.

Jokainen toimialaindeksi, supersektori-indeksi (engl. supersector indexes) ja sektori-indeksi,

(23)

koostuvat kaikista NASDAQ:iin listatuista osuuksista kyseisellä toimialalla. Pohjoismaiset sektori-indeksit lasketaan toimialan ja supersektoreiden tasolla (ICB taso 1 ja 2). OMX Helsinki Cap:n laskun suhteen tarvittaessa painoarvojen rajoitukset tehdään joka päivän lopuksi. Saman organisaation indeksiosuudet, jotka ylittävät 10 prosentin ylärajan, rajoitetaan 10 prosenttiin. Käyttämällä askelittaista lähestymistapaa, indeksiosuuksien painoarvoa rajoitetaan, kunnes painorajoitukset ovat tyydyttyneet. Tämä toimenpide tehdään kerran päivässä, joten tästä johtuen indeksiosuuden painoarvo saattaa ylittää 10 prosentin raja-arvon päivän aikana. (NASDAQ 2016)

Ennen toimialojen tarkastelua ja aineiston analyysiä laskettiin toimialojen indeksien ja OMXH-indeksin kuukausituotot tarkastelujaksolle. Tämän jälkeen vuosituottojen laskeminen suoritettiin kuukausittaisten indeksituottojen pohjalta. Kuukausittainen indeksituotto laskettiin normaalilla tuottokaavalla, eli miinustamalla kuukauden t (esim.1.1.2007) indeksiluvusta kuukauden t-1 vastaava (1.12.2006) indeksiluku ja tämä jaettiin kuukauden t-1 indeksiluvulla.

𝑋2− 𝑋1

𝑋₁ (2), jossa 𝑋₂ = Ajankohdan t indeksiluku

𝑋₁ = Ajankohdan t-1 indeksiluku

Tämän takia kuukausituottojen laskentaa varten on aiemmin mainitulla tavalla otettu 121 havaintoa, kun 10 vuoden indeksilukujen lisäksi otettiin toimialojen ja OMXH-indeksin indeksiluvut ajankohdalta 1.1.2016, jotta vuoden 2015 viimeisen kuukauden indeksituotto saatiin laskettua tarkastelukohteille.

3.2 Tarkasteltavat toimialat

Tutkielman aineisto koostuu aiemmin mainitulla tavalla Helsingin pörssin kymmenestä toimialasta ja OMX Helsingin kokonaisindeksistä. ICB-toimialaluokittelu on yksityiskohtainen ja kokonaisvaltainen luokittelumenetelmä, joka sisältää yritysten vertailun neljällä eri luokittelutasolla kansallisin rajauksin. Liitteestä 1 nähdään ICB-toimialaluokittelu kokonaisuudessaan. ICB-systeemi allokoi yritykset alasektoreihin, joiden määrittely on lähimpänä yrityksen toimintaa. Yrityksen toiminnan luonteen määrittelee sen liikevaihdon

(24)

lähde tai mistä yritys muodostaa suurimman osan liikevaihdostaan. Merkittävä muutos yrityksen rakenteessa voi johtaa sen uudelleenluokitteluun. ICB-luokittelu koostuu 10 toimialasta, 19 supersektorista, 41 sektorista ja 114 alasektorista. Helsingin Pörssin toimialat luokitellaan seuraavasti:

Taulukko 1. Toimialojen tunnisteet ja lyhenteet.

Tunniste Toimiala Lyhenne

0001 Öljy ja kaasu ÖLJKA

1000 Perusteollisuus PTEOL

2000 Teollisuustuotteet ja

-palvelut

TEOPA

3000 Kulutustavarat KULTA

4000 Terveydenhuolto THUOL

5000 Kulutuspalvelut KULPA

6000 Tietoliikennepalvelut TIETO

7000 Yleishyödylliset

palvelut

YLPAL

8000 Rahoitus RAHOI

9000 Teknologia TEKNO

OMX Helsinki HEX

(NASDAQ 2016, 4-5)

Lyhenteet ovat itse kehitettyjä ja niitä käytetään myöhemmissä taulukoissa.

(25)

Taulukko 2. Toimialojen ja OMXH-indeksin kuukausituottojen tunnusluvut.

Yllä olevasta taulukosta nähdään tilastolliset perustiedot toimialojen ja OMX Helsingin kuukausituotoista. Taulukosta voidaan nähdä, että vaihtelu toimialojen tuottojen välillä on prosentuaalisesti verrattain pientä, pienimmän toimialan, Kulutuspalvelut, keskimääräisen tuoton (-0,01%) ollessa 1,32 prosenttiyksikköä pienempi kuin suurimman toimialan, Rahoitus, keskimääräinen tuotto (1,31%). Suurin vaihteluväli tuotoissa on Teknologia- toimialalla, sen kuukausituottojen vaihdellessa -29,52 prosentista 57,22 prosenttiin. Tämä voisi mahdollisesti tarkoittaa, että Teknologia -toimiala reagoi vahvasti talouden muutoksiin.

Liitteen 2 indeksilukuja tarkastelemalla voidaan huomata, että Teknologia-toimiala on lähtenyt laskuun vuoden 2007 loppupuolella kansainvälisen finanssikriisin kohdalla.

Alimman indeksiarvon toimiala saavutti vuonna 2012, kun Eurooppa oli IMF:n mukaan edelleen taantumassa, joka johtui yleisestä luottamuspulasta, velkakriisistä, pankkien tervehdyttämistoimien vaikutuksesta reaalitalouteen ja valtiontalouksien oikaisutoimista (Kauppalehti 2012; Ilta-Sanomat 2012). Vähiten vaihtelua (0,3006) tapahtuu Terveydenhuolto -toimialan kohdalla, mutta indeksiluvuista nähdään, että kyseisen

Toimiala Havainnot Keskiarvo Keskihajonta Pienin arvo Suurin arvo Vaihteluväli

OMXH-Indeksi 120 0,59 % 0,99 % -18,24 % 25,69 % 0,4393

Perusteollisuus 120 0,47 % 0,51 % -20,89 % 43,03 % 0,6393

Kulutustavarat 120 1,11 % 1,30 % -20,78 % 28,76 % 0,4954

Kulutuspalvelut 120 -0,01 % 0,62 % -14,91 % 15,65 % 0,3055

Rahoitus 120 1,31 % 1,36 % -17,46 % 33,11 % 0,5057

Terveydenhuolto 120 1,26 % 1,28 % -12,66 % 17,40 % 0,3006

Teollisuuspalvelut ja -tavarat 120 1,14 % 1,57 % -20,86 % 32,15 % 0,5301

Öljy ja Kaasu 120 0,89 % 0,36 % -21,95 % 25,69 % 0,4764

Teknologia 120 0,33 % 0,39 % -29,52 % 57,22 % 0,8674

Tietoliikennepalvelut 120 1,18 % 1,01 % -15,19 % 18,83 % 0,3403 Yleishyödylliset palvelut 120 0,64 % 0,64 % -26,73 % 21,50 % 0,4823

(26)

toimialan suurin arvo onkin toiseksi pienin kaikista taulukon toimialojen suurimmista arvoista, ja sen pienin arvo suurin kaikista taulukon 2 toimialoista.

Taulukko 3. Toimialaindeksien ja OMXH-indeksin vuosituotot 2006-2015.

Taulukosta 3 nähdään, että toimialojen sekä OMX Helsingin kokonaisindeksin keskimääräinen tuotto on ollut suhteellisen matalaa. Ainoa negatiivinen keskimääräinen tuotto on Kulutuspalvelut -toimialalla, mutta kyseisen toimialan keskimääräinen tuotto on lähes nollassa prosentissa. Huonoiten Kulutuspalveluiden kanssa ovat tuottaneet Teknologia ja Perusteollisuus -toimialat, ja huonoin vuosi kaikkien toimialojen tuottojen kannalta on ollut finanssikriisin aikainen vuosi 2008. Parhaiten kaikista toimialoista ovat tuottaneet Rahoitus, Terveydenhuolto ja Tietoliikennepalvelut. Paras vuosi toimialojen tuottojen kannalta on ollut vuosi 2009, mutta tässä tulee huomioida, että edellisen vuoden jyrkkä lasku finanssikriisin aikaan voi tietyssä mielessä vääristää kuvaa talouden kehityksestä, kun korkeammat tuotot ovat mahdollisesti suurelta osin johtuneet talouden elpymisestä. Parhaiten yksittäisenä vuotena on tuottanut Teollisuuspalvelut ja -tavarat- toimiala 6,17 prosentin tuotolla vuonna 2009. Huonoiten yksittäisenä vuotena on tuottanut Teknologia-toimiala, vuosituoton painuessa -6,85 prosenttiin vuonna 2008.

3.3 Aineiston analyysi

Aineiston analyysi aloitettiin laskemalla korrelaatiot toimialojen itsensä ja OMX Helsingin välille, mitkä laskettiin Excel-ohjelmalla kuukausittaisten indeksituottojen pohjalta. Excel laskee CORREL-kaavalla Pearsonin korrelaatiokertoimen (Excelfunctions 2016). Pearsonin korrelaatiokerrointa varten on erilaisia tulkintoja, mutta yli 0,5 kerrointa voidaan pitää

Vuosi Toimiala HEX PTEOL KULTA KULPA RAHOI TERVH TEOPA ÖLJKA TEKNO TIETO YLPAL Vuoden

2006 1,94 % 2,55 % 1,95 % 2,16 % 2,75 % 2,15 % 3,37 % 0,44 % 0,86 % 3,12 % 2,61 % 2,17 % 2007 1,29 % -1,43 % 0,79 % -0,59 % -0,43 % -0,25 % -0,43 % 0,08 % 3,90 % 0,58 % 2,46 % 0,54 % 2008 -5,73 % -5,25 % -5,83 % -4,62 % -4,96 % -1,41 % -5,42 % -5,11 % -6,85 % -3,47 % -4,34 % -4,82 % 2009 2,60 % 2,42 % 5,34 % 3,46 % 4,61 % 4,57 % 6,17 % 1,75 % 0,78 % 3,26 % 2,54 % 3,41 % 2010 2,01 % 4,22 % 3,09 % 2,26 % 2,34 % 0,77 % 3,11 % 1,49 % 0,11 % 1,45 % 2,01 % 2,08 % 2011 -1,64 % -2,37 % 0,24 % -2,39 % -0,63 % -0,68 % -0,75 % -1,34 % -3,86 % -0,28 % -1,19 % -1,35 % 2012 1,40 % 0,64 % 2,15 % -0,04 % 2,92 % 3,03 % 2,87 % 4,04 % -0,14 % 0,75 % -0,86 % 1,53 % 2013 1,83 % 1,14 % 1,53 % -0,11 % 2,73 % -0,13 % 1,27 % 3,27 % 5,15 % 1,30 % 1,39 % 1,76 % 2014 1,45 % 1,81 % -0,80 % 0,54 % 1,91 % 2,80 % 1,10 % 4,69 % 1,83 % 0,91 % 1,61 % 1,62 % 2015 1,32 % 1,72 % 3,43 % 1,36 % 1,80 % 2,48 % 1,21 % 3,37 % 0,89 % 2,88 % -1,38 % 1,73 % Keskim. tuotto 0,59 % 0,47 % 1,11 % -0,01 % 1,31 % 1,26 % 1,14 % 0,89 % 0,33 % 1,18 % 0,64 %

(27)

vahvana keskinäisenä korrelaationa. (Statstutor 2016; Laerd statistics 2013) Tähän tutkielmaan sovelletaan Taylorin (1990) antamia viitearvoja Pearsonin korrelaatiokertoimen tulkinnasta, jonka mukaan Pearsonin korrelaatiokertoimen vahvuus voidaan luokitella seuraavasti:

Riippuvuuden r vahvuus:

Merkityksetön 0.0 – 0.2

Heikko 0.21 – 0.36

Keskinkertainen 0.36 – 0.67

Vahva 0.67 – 0.9

Todella vahva 0.9 – 1.0

Alla olevaan korrelaatiomatriisiin on laskettu korrelaatiot toimialojen välille tarkastelujakson ajalta.

Taulukko 4. Toimialojen ja OMXH-indeksin välinen korrelaatiomatriisi.

Korrelaatiomatriisin pohjalta toimialoja klusteroitiin ryhmiin, jotta regressioanalyysistä saataisiin ajankäytön ja työn laajuuden kannalta järkevästi toteutettava. Tavoitteena oli klusteroida toimialat kolmesta kuuteen ryhmään. Toimialojen klusteroinnissa päädyttiin kuuteen ryhmään, joista kolme on yksittäisiä toimialoja ja kolme kahden tai kolmen toimialan ryhmiä, mitkä jakautuvat seuraavasti:

Ryhmät 1 – 3: Tietoliikennepalvelut, Teknologia ja Terveydenhuolto

Ryhmät 4 & 5: Kulutuspalvelut ja Rahoitus (KULRAH) ja Yleishyödylliset palvelut ja Öljy ja Kaasu (YLPÖLK)

Ryhmä 6: Perusteollisuus, Teollisuuspalvelut ja -tavarat ja Kulutustavarat (PERKUT) HEX PTEOL KULTA KULPA RAHOI TERVH TEOPA ÖLJKA TEKNO TIETO YLPAL

HEX 1

PTEOL 0,8420 1,0000

KULTA 0,7443 0,6532 1,0000

KULPA 0,7950 0,7406 0,6460 1,0000

RAHOI 0,8081 0,7048 0,5936 0,6458 1,0000

TERVH 0,4298 0,3255 0,4378 0,4039 0,3597 1,0000

TEOPA 0,8314 0,7792 0,8008 0,7425 0,6981 0,4478 1,0000

ÖLJKA 0,6348 0,5864 0,4921 0,6071 0,4580 0,3039 0,5643 1,0000

TEKNO 0,7039 0,4371 0,3602 0,4395 0,4374 0,2097 0,3601 0,3349 1,0000

TIETO 0,5694 0,4405 0,3815 0,3852 0,5650 0,3660 0,4584 0,2838 0,3516 1,0000

YLPAL 0,6701 0,5424 0,5488 0,5000 0,5068 0,3438 0,5583 0,4577 0,3701 0,3814 1,0000

(28)

Ryhmien jako perustui toimialojen keskinäisiin korrelaatioihin. Korrelaatiomatriisissa on korostettu ryhmien keskinäisiä korrelaatiota, mistä voimme nähdä, että muun muassa ryhmän 4, Kulutuspalvelut ja Rahoitus, positiivinen korrelaatiokerroin on 0,646. Ryhmän 4 toimialojen välillä on siis 64,6 prosentin positiivinen korrelaatio. Matalin korrelaatio muodostetuissa ryhmissä on ryhmän 5, Yleishyödylliset palvelut ja Öljy ja Kaasu, toimialojen välillä, sen ollessa 45,8 prosenttia. Kyseiseen toimialajaotteluun päädyttiin halutun toimialaryhmämäärän vuoksi. Lajittelu tehtiin sillä perusteella, että ensimmäiseksi valittiin eniten korreloivat toimialat yhdeksi ryhmäksi, ryhmä 6, ja tämän jälkeiset ryhmät seuraavaksi vahvimman korrelaation mukaan. Ryhmän 6 toimialoilla on Taylorin (1990) luokittelun mukaan vahva korrelaatio, eikä ryhmä 4 jää tästä raja-arvosta paljoa. Ryhmä 5 on ainoa toimialaryhmä, jonka keskinäinen korrelaatio on selvästi keskinkertaista Taylorin (1990) luokittelun mukaan.

Toimialojen normaalijakautuneisuutta testattiin Kolmogorov-Smirnov testillä, ja testi suoritettiin SAS Enterprise Guide-ohjelmistolla. Kolmogorov-Smirnov testin nollahypoteesina on, että tarkastellut toimialat noudattavat normaalijakaumaa, ja nollahypoteesi hylätään, jos testin tuloksen p-arvo on pienempi kuin riskitaso.

Kulutuspalvelut, Terveydenhuolto, Öljy ja Kaasu ja Teknologia-toimialat noudattivat normaalijakaumaa, mutta muut toimialat ja OMXH-indeksi eivät. Testin yhteydessä huomattiin lievää vinokkuutta toimialaryhmissä ja sillä voi olla lievästi heikentävä vaikutus lineaarisen regressioanalyysin tuloksiin.

Tältä pohjalta toimialojen ja OMXH-indeksin keskiarvojen merkitsevyyden mittaukseen valikoitui T-testi. Sen avulla tarkasteltiin, onko tuottoerot toimialojen kesken ja toimialojen ja OMXH-indeksin välillä tilastollisesti merkittäviä. T-testi soveltui tuottoerojen merkitsevyyden mittaukseen, koska vaikka aineisto ei ollut normaalijakautunutta, oli havaintoja yli 30 (121).

Toimialojen keskinäisessä vertailussa tyydyttiin vertaamaan Teollisuuspalveluita ja - tavaroita ja Terveydenhuoltoa muihin toimialoihin ajankäytöllisistä syistä. Nämä toimialat valittiin vertailukohteiksi, koska ne korreloivat eniten ja vähiten muiden toimialojen kanssa.

Ennen T-testejä suoritettiin F-testit, jotta T-testiä varten voitiin valita joko yhtäsuurten tai erisuurten varianssien testi. F-testi tarkastelee, onko populaatioiden varianssi yhtäsuurta vai erisuurta. F-testin nollahypoteesina oli ”H0: Populaatioiden varianssi on yhtäsuurta.” F-testin nollahypoteesi hylätään, jos F arvo on suurempi kuin F Critical one-tail arvo.

(29)

T-testillä testattiin toimialojen ja OMXH-indeksin keskiarvojen välisen tilastollisen eron merkitsevyyttä. Mitä pienempi on T-testin antama p-arvo, sitä merkitsevämpi on keskiarvojen välinen ero. P-arvon ollessa alle 0,050, voidaan sen vakiintuneen tavan mukaan sanoa olevan merkitsevä perusjoukossa. (Minitab 2016) T-testit suoritettiin viiden prosentin riskitasolla ja niiden nollahypoteeseina olivat ”H0: Toimialan keskiarvo poikkeaa OMXH-indeksin keskiarvosta” ja ”H0: Toimialan keskiarvo poikkeaa Terveydenhuollon/Teollisuuspalveluiden ja -tavaroiden keskiarvosta.” Testin nollahypoteesi hylätään, jos -t Critical two-tail < t Stat tai t Stat > t Critical two-tail.

F- ja T-testien jälkeen toimialaryhmiä käytettiin lineaarisessa regressioanalyysissä selittävinä tekijöinä, ja selitettävänä tekijänä toimi OMXH-indeksi. Lineaarinen regressioanalyysi suoritettiin SAS Enterprise-Guide- ohjelmistolla. Regressioanalyysiä voidaan pitää tilastollisena menetelmänä, jonka avulla etsitään parasta mahdollista selittävien muuttujien yhdistelmää, kun ennustetaan yhtä selitettävää muuttujaa.

Lineaarisessa regressioanalyysissä käytetään pienimmän neliösumman regressiosuoraa kuvaamaan muuttujien välistä yhteyttä. (Heikkilä 2008, 236–237) Lineaarisella regressioanalyysillä tutkittiin, voiko toimialojen kehityksellä selittää OMX Helsingin kehityksen tarkasteluajanjaksolla, ja analyysin muuttujina toimivat OMXH-indeksi sekä aiemmin luodut toimialaryhmät. Tässä tutkielmassa käytettiin poistavaa ja etenevää valintaa, mutta hieman sovelletulla tavalla. Poistavan valinnan vastakohta on etenevä valinta, jossa muuttujia lisätään analyysiin samalla perusteella. (Yhteiskuntatieteellinen tietoarkisto 2010) Poistavassa valinnassa poistetaan muuttuja sen mukaan, mikä kasvattaa mallin selitysastetta parhaiten. Tässä tutkielmassa poistavasta valinnasta poistettiin ensin muuttujat, jotka tekivät mallin multikollineaarisuudesta huonon, ja tämän jälkeen poistettiin heikoimmin selittävä muuttuja. Etenevä valinta perustui ensimmäisen regressiomallin sekä poistavan valinnan tuloksiin.

Lineaarisessa regressioanalyysissä havaintoja tulisi olla 5-10 kertaa niin paljon kuin selittäviä muuttujia, ettei mallista tulisi huonosti yleistettävää. Tutkimuksen aineisto täytti nämä vaatimukset (6 selittävää tekijää, 120 havaintoa). Aluksi tutkimuksessa analysoitiin selitettävää muuttujaa, OMXH-indeksi, käyttämällä kaikkia toimialaryhmiä (1-6) selittävinä tekijöinä. Tämän jälkeen tehtiin kolme muuta analyysiä ensimmäiseen analyysiin perustuen, eli tavoitteena oli luoda mahdollisimman hyvä regressiomalli käyttämällä poistavaa valintaa.

Tämän jälkeen pyrittiin etenevällä valinnalla luomaan toinen malli, ja lopuksi vertailemaan poistavan- ja etenevän valinnan malleja keskenään. Etenevä valinta perustui poistavan

(30)

valinnan malliin, jotta eri muuttujien vaikutuksen vertailukelpoisuutta saataisiin parannettua.

Eri mallien selityskertoimet ovat täysin vertailukelpoisia, jos muuttujat ovat samat, eli työssä pystyttiin vertailemaan eri analyysien tuloksia keskenään. Yksittäisten regressiomallien tarkastelua jouduttiin pelkistämään työn laajuuden vuoksi.

3.4 Tulokset

3.4.1 Toimialojen ja OMXH-indeksin välinen korrelaatio ja tuottoeron merkitsevyys

Alla olevassa taulukossa 5 on tarkasteluperiodin korrelaatiot toimialojen ja OMXH- kokonaisindeksin välille. Toimialojen ja OMXH-indeksin välillä voidaan huomata vahvaa sekä keskinkertaista positiivista korrelaatiota tarkasteluperiodilla, ja korrelaatiokerroin vaihtelee 42,9 prosentista (Terveydenhuolto) 84,2 prosenttiin (Perusteollisuus). Vahvimmin OMXH-indeksin kanssa korreloivat Perusteollisuus (0,842), Teollisuuspalvelut ja -tavarat (0,831) ja Rahoitus (0,808), ja heikoimmin Terveydenhuolto (0,429), Tietoliikennepalvelut (0,569) ja Öljy ja Kaasu (0,635).

Taulukko 5. Toimialojen ja OMXH-indeksin korrelaatio.

Terveydenhuolto, Tietoliikennepalvelut ja Öljy ja Kaasu ovat ainoat toimialat, joilla on keskinkertainen korrelaatio OMXH-indeksin kanssa. Muiden toimialojen korrelaatio OMXH- indeksin kanssa on vahvaa. Eniten OMXH-indeksin kehityksestä on siis poikennut Terveydenhuolto -toimiala. Tarkasteltaessa toimialan kehitystä liitteestä 2 voidaan huomata, ettei se ole reagoinut samalla tavalla talouden muutoksiin, vaan se on kasvanut melko

HEX

HEX 1

PTEOL 0,8420

KULTA 0,7443

KULPA 0,7950

RAHOI 0,8081

TERVH 0,4298

TEOPA 0,8314

ÖLJKA 0,6348

TEKNO 0,7039

TIETO 0,5694

YLPAL 0,6701