Bacheloroppgave ved Høgskolen i Oslo og Akershus

Transkript

1 Bacheloroppgave ved Høgskolen i Oslo og Akershus Økonomi og administrasjon April 2014 Flokkatferd på Oslo Børs En empirisk undersøkelse av autokorrelasjon i volumer av Jenny Henriette Strøm Berthelsen (335) og Maria Solheim Nguyen (337) Veileder: Førsteamanuensis, Einar Belsom

2 Sammendrag I avhandlingen vår analyserer vi flokkatferd på Oslo Børs gjennom estimering av autokorrelasjon i volumer. Selskapene vi analyserer er tilfeldig utvalgte, og volumene er på daglig basis. Autokorrelasjon i omsatt volum støtter opp under hypotesen om flokkatferd ved at en gruppe investorer følger andres handel. Vi konkluderer med at flokkatferd kan påvises gjennom autokorrelasjon. Dette med et tydelig flertall av positivt korrelerte volumer. I tillegg til de 21 positive koeffisientene observerte vi fire negativt korrelerte volumer. Riktignok var ingen av disse signifikante. Den binomiske sannsynligheten for at det negative utfallet er tilfeldig er 0,0455%. På bakgrunn av dette har vi kommet frem til at det er gjennomførbart å påvise handel i flokk. Av utvalget kom det tydeligere frem en større grad av korrelasjon på OBX aksjene. Dette kan sees på som et bevis på større grad av flokkatferd. Likevel kan vi ikke, på bakgrunn av vår analyse, konkludere med at det vi har funnet er flokkatferd. 2

3 Forord Først og fremst ønsker vi å rette en stor takk til Einar Belsom, som har veiledet oss i løpet av hele arbeidsperioden. Han har bidratt med faglig kompetanse og hjulpet oss med å strekke oss enda lengre når det kommer til egen læring. Einar har alltid vært tilgjengelig og mottakelig for våre spørsmål, selv i helger og ferier. Dette er noe vi har satt stor pris på. Denne oppgaven er skrevet som en avslutning av bachelorstudiet i Økonomi og administrasjon ved Høgskolen i Oslo og Akershus. I løpet av de tre årene som har gått, har vi begge fått en økt interesse for finansfagene. Da vi etter hvert fikk en dypere forståelse av finansfaget, så vi også at finans består av flere aspekter enn bare rene beregninger, da også menneskelig atferd er med i bildet. Dette vekket interessen for flokkatferd og det var derfor et naturlig valg for oss å basere oppgaven vår rundt dette temaet. Vi har i løpet av hele arbeidsperioden vært flinke til å planlegge og sette frister for viktige milepæler. Arbeidet har vært spennende, men også utfordrende i den grad at vi har måttet gå utenfor pensum for å finne god litteratur. I tillegg har det vært interessant å jobbe på tvers av flere fag. Vi er begge svært fornøyde med samarbeidet gjennom hele perioden og synes at vi har utfylt hverandre godt. Oslo, 23.april Jenny Henriette Strøm Berthelsen. Maria Solheim Nguyen 3

4 Innholdsfortegnelse 1. Introduksjon 5 2. Fra markedseffisiens til atferdsfinans Kapitalverdimodellen Anomalier Trefaktormodellen Flokkatferd Rennommé Kaskader Feedback-strategier Sammendrag Tidligere empiriske studier av flokkatferd Autokorrelasjon på Oslo Børs Forskningsdesign Utvalgsstrategi Dataanalyse Validitet og relabilitet Forholdet mellom flokkatferd og autokorrelasjon Hypotesetest Regresjonsanalyse Resultat Kritisk vurdering av resultatene Konklusjon Litteraturliste Forskningsartikler Faglitteratur Internettkilder Vedlegg Regresjonsanalysens output 33 4

5 1. Introduksjon I 1965 introduserte Eugene F. Fama hypotesen om effisiente markeder (Efficient Market Hypothesis). Hypotesen forutsetter at alle investorer er rasjonelle og at alle priser reflekterer all tilgjengelig informasjon. I mange år har denne hypotesen sammen med kapitalverdimodellen (heretter CAPM) vært to fundamentale teorier i finansfaget. Selv om CAPM fortsatt er den mest brukte modellen for å finne kapitalkostnaden, har den opp gjennom årene fått kritikk for å ikke være nøyaktig. I tillegg er den langt i fra realistisk. Når det inntreffer situasjoner uten om det vanlige har CAPM problemer med å fange opp alle faktorene. Et godt eksempel på dette er prisbobler. Prisbobler blir beskrevet av Lux (1995) som et selvorganisert fenomen der interessen for et produkt smitter over på andre investorer. Dette resulterer i at likevektsprisen avviker fra det fundamentale. Begreper som prisbobler og anomalier er godt innarbeidet i finansfaget. I senere tid har det vært langt større fokus på atferdsfinans, som har vært med på å styrke kritikken mot hypotesen om effisiente markeder. I atferdsfinans ser man ikke lenger utelukkende på rasjonalitet, men menneskelig psykologi blir også tatt i betraktning. Viktigheten av dette blir understreket av Thaler (1999) som mener det vil forsterke den moderne finansteori og gjøre den mer realistisk. Det er gjort flere forsøk på å måle flokkatferd og dens påvirkning på pris og avkastning. Flere tidligere forskningsrapporter baserer seg på en tverrsnittlig analyse av to eller flere faktorer, for så å se på korrelasjonen mellom de. Lakonishok et al. (1992) benytter seg av denne modellen for å se om institusjonelle investorer destabiliserer prisen på enkeltaksjer. Noen år senere ble det introdusert en annen modell for å måle flokkatferd av Christie og Huang (1995). Modellen måler flokkatferd under perioder med markedsstress ved en tverrsnittlig analyse av avkastningens standardavvik. Modellen er senere kjent som CSSD. Disse tidligere analysene har en svakhet, da analysen er basert på avkastning. Det vil ikke være like lett å fange opp flokkatferd gjennom avkastning. Dette grunnes at det vil være en kjøperside samt en selgerside, og dermed vil det ikke kunne vises like godt i avkastninger som i volumer. 5

6 Så vidt det er oss kjent er det ikke publisert noen tidligere forsøk på å påvise flokkatferd ved hjelp av volum, verken på norske eller internasjonale aksjemarkeder. Riktignok skrev Chen et al. (2004) en artikkel basert på artikkelen til Christie og Huang og CSSD modellen. Her så de på korrelasjonen mellom spredning i avkastning og handelsvolum på det kinesiske aksjemarkedet. Resultatene de fant er ikke overbevisende og de konkluderer selv med at flokkatferd i all hovedsak skyldes mangel på kunnskap og informasjon. Med denne oppgaven ønsker vi derfor å bidra med å legge grunnlaget for videre forskning rundt sammenhengen mellom flokkatferd og volum. Datamaterialet vi bruker er hentet fra Oslo Børs i perioden Her har vi tatt utgangspunkt i et datasett bestående av aksjene fra 25 selskaper uavhengig av størrelse, omsetningsvolum, bransje og om de er på OBX. Av det 162 selskapene som var børsnoterte på Oslo Børs per er 25 av selskapene på OBX, hvilket er de mest likvide aksjene på Oslo Børs. Ved hjelp av regresjon har vi analysert den daglige omsetningen til hvert enkelt selskap for å se om det eksisterer faste tendenser i det omsatte volumet. Faste tendenser i volumendringer kan være et tegn på at flokkatferd eksisterer. I det følgende kapittelet vil vi presentere teorien om markedseffisiens og anomalier i effisienshypotesen. I kapittel 3 kommer en gjennomgang av tidligere empirisk forskning som vi har basert vår oppgave på. Metoden vi har brukt for å komme frem til resultatene finnes i kapittel 4. Våre resultater kommer frem i kapittel 5, hvor vi analyserer det vi har funnet, samt diskuterer validiteten til selve funnene. I kapittel 6 kommer oppsummering og konklusjon. 2. Fra markedseffisiens til atferdsfinans Hypotesen om effisiente markeder (heretter EMH) ble første gang utviklet av Fama (1970). Han argumenterte for at aksjeprisene fullt ut reflekterer all tilgjengelig informasjon. De markedene hvor dette er oppfylt sies å være effisiente. Avhengig av hvor mye informasjon som er tilgjengelig i markedet har Fama definert tre grader av effisiens; svak form, semi-sterk form og sterk form. Ved svak form av 6

7 markedseffisiens er det kun historiske priser som er innbakt i dagens aksjepris. Der hvor markedsaktørene har tilgang til offentlig publisert informasjon definerer Fama som semi-sterk form. Den siste formen kalte han sterk form og her reflekterer aksjeprisen all tilgjengelig informasjon, også en privat innsideinformasjon. Fama erkjenner at denne hypotesen ikke reflekterer reelle markeder. Han mener likevel at den til en viss grad er gjeldende der et tilstrekkelig antall investorer innehar samme mengde tilgjengelig informasjon (Fama 1998). Teorien om markedseffisiens nådde sine høyder på 1970-tallet som også var det året den ble introdusert. På denne tiden var tanken om rasjonelle forventinger en revolusjon innenfor økonomisk teori, og det var denne ideen som okkuperte all oppmerksomheten. Ideen om at spekulative investorer alltid ville innlemme den beste informasjonen om grunnleggende verdier, og at prisene kun endret seg på grunn av fornuftig og god informasjon, sto i samsvar med de teoretiske trendene på den tiden (Shiller 2003). Det er i nyere tid flyttet fokus fra dette og over til såkalt atferdsfinans. 2.1 Kapitalverdimodellen I løpet av 1960-tallet blir kapitalverdimodellen dannet. Det var Sharpe (1964) som skrev den første artikkelen om denne viktige modellen. Sharpe mente at tidligere beregninger av kapitalmarkedets atferd tok lite hensyn til risikoen. I denne artikkelen kommer Sharpe frem til at en investor er i stand til å oppnå en høyere forventet avkastning på sine beholdninger dersom han pådrar seg mer risiko og følger rasjonelle prosedyrer. Et eksempel på dette er diversifisering. Dette kommer frem gjennom kapitalmarkedslinjen. I følge kapitalverdimodellen burde alle investorer sette sammen en portefølje som befinner seg på kapitalmarkedslinjen, ved både å investere i risikofrie verdipapirer og verdipapirer i markedsporteføljen. Modellen fungerer som et verktøy til å måle kapitalkostnaden til et verdipapir ved å bruke markedsporteføljen som benchmark. Kapitalverdimodellen er basert på sterke forutsetninger. Dette medfører at investorenes atferd ikke blir fanget opp på en reell måte. For det første vil ikke alle investorer klare å holde markedsporteføljen, videre er en av forutsetningene at investorene er rasjonelle. Flokkmentalitet i aksjehandel er et eksempel på irrasjonelle 7

8 investorer, og på den måten vil ikke modellens konklusjoner bli helt nøyaktige (Berk og DeMarzo 2014). I følge teorien til CAPM skal den forventede avkastningen gjenspeile investorens risiko når markedet er i likevekt. For at en investor, som i utgangspunktet har en høy grad av risikoaversjon skal investere i en aksje, ønsker vedkommende en kompensasjon for den risikoen det innebærer. Dette i form av en risikopremie. Det eksisterer to typer risiko, systematisk og usystematisk, og det er disse som forklarer risikoen ved en aksjeinvestering. Ved å eie en portefølje med aksjer fra ulike bransjer, kan den usystematiske risikoen reduseres ved diversifisering. Denne risikoen er i samsvar med bedriftsspesifikke faktorer, og aksjekursen vil dermed bevege seg i takt med aktivitetene og resultatene bedriften oppnår. På den andre siden kan ikke den systematiske risikoen diversifiseres bort. Dette er en risiko som styres av blant annet konjunkturendringer, rentenivåer og andre makroøkonomiske faktorer. I CAPM er den systematiske risikoen tatt med og den er vist gjennom modellens beta (Berk og DeMarzo 2014). I senere tid har det blitt stilt spørsmålstegn til CAPMs empiriske holdbarhet. Det er funnet brudd på effesiensforutsetningene til modellen. Faktorer som selskapsstørrelse (målt av egenkapitalens markedsverdi), price-book-effekten og price-earningseffekten påvirker kapitalkostnaden og vil dermed være en indikasjon på usystematisk risiko. Disse faktorene er i følge CAPM irrelevante så lenge de ikke virker indirekte gjennom systematisk risiko. I et stort antall markeder kan det virke som om disse faktorene har en selvstendig påvirkning på den historiske gjennomsnittsavkastningen. Senere forskning tyder på at det ikke er noen empirisk sammenheng mellom høyere beta og høyere avkastning i selskaper med samme størrelse. Det er av den grunn stilt spørsmålstegn ved om det eksisterer noe forhold mellom risiko og forventet avkastning slik som CAPM tilsier. Altså vil ikke systematisk risiko alene kunne forklare svingningene i forventet avkastning (Bøhren og Michalsen 2012). Videre er modellen kritisert for at den er enperiodisk. Det vil si at CAPM ikke vil være den beste metoden å bruke for å diskontere fremtidige periodiske forventede kontantstrømmer av realinvesteringsprosjekter. Til slutt har modellen blitt kritisert for at den ikke kan testes ordentlig fordi man ikke kan observere markedsporteføljen. Markedsporteføljen omfatter mer enn bare aksjer og obligasjoner. Her inngår 8

9 elementer som kunnskapskapital og investeringsprosjekter i boliger. Disse investeringene forbigås i empiriske tester av CAPM. Fordi man bruker en markedsportefølje på nasjonal eller internasjonal aksjebørs, vil ikke den målte avkastningen være representativ for investorens faktiske avkastning på en maksimalt diversifisert portefølje (Bøhren og Michalsen 2012). 2.2 Anomalier De siste 30 årene er det blitt påvist flere anomalier i effisienshypotesen, og teorien har fått mye kritikk for å ikke være gjeldene (Bøhren og Michalsen 2012). Anomalier viser seg å være et globalt fenomen i den grad at de eksisterer på de fleste aksjemarkeder verden over, inkludert Oslo Børs. Graden av anomaliene er varierende på de forskjellige markedene, men et fellestrekk for alle er at de har samme fortegn. I et effisient marked forutsettes det at alle investorer har rasjonelle forventninger. Det betyr at investorene bruker den informasjonen de har tilgjengelig på en korrekt måte. Det være seg privat informasjon, informasjon i markedet eller historisk data. I det følgende blir det redegjort på de fem mest dokumenterte anomaliene: Størrelseseffekten, price-book-effekten (B/M), price-earnings-effekten (P/E), momentumeffekten og januareffekten. Et fellestrekk for disse anomaliene er at de bygger på EMH, istedenfor at de bygger på tidligere forskning av allerede eksisterende anomalier. Når man ser på historisk data sier størrelseseffekten at avkastningen er større i små enn i store selskaper med samme beta. Denne effekten er høyst sannsynlig et resultat av at institusjonelle investorer retter større oppmerksomhet mot de store selskapene i forhold til de mindre selskapene. Dette medfører at det finnes mindre tilgjengelig informasjon om de mindre selskapene. Et naturlig resultat av dette er at det er høyere risiko forbundet med å investere i de små selskapene, hvilket også gir en høyere risikopremie (Arbel og Strebel 1983). Price-book-effekten ser på forholdet mellom aksjens markedsverdi og den bokførte verdien (dette forholdstallet refereres heretter som B/M). Det er empirisk bevist at jo lavere markedsverdien er, i forhold til den bokførte verdien, jo høyere er avkastningen på aksjen. Price-earnings-effekten ser på forholdet mellom aksjekursen og selskapets overskudd. Denne effekten påviser empirisk at avkastningen er høyere der hvor kursen er relativt lav i forhold til selskapets overskudd, altså lav P/E-verdi. 9

10 Disse to effektene kan betegnes som verdieffekter. Den fjerde anomalien er momentumeffekten. Her vil ordet momentum si at en eksisterende tendens forsterkes. I denne sammenheng innebærer momentumeffekten at dersom aksjekursen steg året før, vil den stige enda mer i år. Dette er spesielt for aksjer som allerede har en meget høy avkastning året før. EMH sier at aksjekurser ikke kan predikeres, men vil ta uforutsette vendinger som en såkalt random walk. Momentumeffekten er en motsetning til random walk - tankegangen. Den sier at man heller skal basere seg på positiv korrelasjon, og predikere at aksjen vil fortsette med stigningen året etter. I tillegg til momentumeffekten er det påvist en såkalt reverseringseffekt i aksjer. Her oppstår det motsatte av momentum, kalt mean reversion. Både på kort og lang sikt eksisterer det en negativ korrelasjon. Det vil si at dersom en aksje har steget mye i avkastning forrige år, vil den synke spesielt mye neste periode (Bøhren og Michalsen 2012). Momentum og mean reversion vil ikke eksistere samtidig, men oppstå i ulike tidsperioder. Den femte og mest kjente anomalien er januareffekten. Denne effekten sier at sammenlignet med årets øvrige måneder er avkastningen på aksjene høyest i januar. I tillegg er det slik at de fire overfor nevnte anomaliene omtrent bare er å påvise i januar. Et eksempel på dette er størrelseseffekten som kun har oppstått i januar, og det er ikke funnet en slik effekt på gjennomsnittsavkastningen i de resterende månedene. I januar vil også momentumeffekten komme tydeligst frem, og som tidligere nevnt vil ikke mean reversion inntreffe i samme periode. Hvis man undersøker en periode hvor en anomali har blitt kjent, og man i tillegg medregner transaksjonskostnadene som påløper ved anomalien, er det ikke lenger store gevinstmuligheter. Richard Roll ved Universitetet i California har selv testet effekten av anomalier ved å investere et betydelig pengebeløp i forskjellige aksjer. Selv om anomaliene er sterkt empirisk dokumentert merket Roll aldri effekten av de i praksis (Bøhren og Michalsen 2012). Fama (1998) hevdet at markedseffisiens overlevde utfordringen fra litteraturen på langsiktige avkastningsanomalier. På samme måte som EMH mente han at også anomalier var tilfeldige resultater. I artikkelen diskuterte han nyere forskning på markedseffisiens. Siden bevisene på anomalier var tilsynelatende både en over og 10

11 underreaksjon, mente han at det kunne knyttes til tilfeldige resultater. I tillegg mente Fama at de fleste anomaliene om avkastning hadde en tendens til å forsvinne med rimelige endringer i metodene som ble brukt. I konklusjonen påstår Fama at selv om EMH var utsatt for gransking, var ikke bevisene gode nok til at hypotesen skulle etterlates. 2.3 Trefaktormodellen Fama og French utviklet trefaktormodellen i lys av at det var flere anomalier som måtte inkluderes i CAPM for å gi en korrekt risikojustering. Modellen Fama og French kom frem til justerte den forventede avkastningen for risikofaktorer. De risikofaktorene som de først justerte for var selskapsstørrelse og verdieffekter (se kapittel om anomalier). Trefaktormodellen bygger på at den systematiske risikoen i CAPM kan tilnærmes ved hjelp av flere avkastningsfaktorer. De tre faktorene i modellen er markedsavkastningen, selskapsstørrelsen og verdieffekten. For å justere for selskapsstørrelsesfaktoren inkluderer Fama og French et ledd kalt SML (Liten minus stor). SML innebærer at man tar med forskjellen mellom avkastningen til små og store bedrifter. Små selskaper er selskaper med en mindre markedsverdi enn medianen, og store selskaper er de selskapene med en større markedsverdi enn medianen. Modellen justerer også for selskapets bokførte verdi mot markedsverdien (B/M). Dette gjøres ved å inkludere leddet HML (høy minus lav), det vil si forskjellen mellom avkastning hos bedrifter med høy og lav B/M-verdi. I forskningsartikkelen brukte Fama og French verdivektede komponenter, for begge risikofaktorene. Dette for å kunne sammenligne avkastningene og verdiene av selskapet direkte. For at modellen skal kunne forklare avkastningene må skjæringspunktet være lik null. Fama og French brukte en regresjonsanalyse til å teste faktorene (Fama og French 1993). Resultatet de kom frem til for aksjer i en portefølje konstruert til å etterligne risikofaktorene, selskapsstørrelse og B/M, var en felles variasjon i avkastningen. De fant ut at testene de gjorde på avkastningene i forhold til faktorene, bidro til å fange tverrsnittet av gjennomsnittlig aksjeavkastning på en måte som var forenlig med kapitalverdimodellen (Fama og French 1993). Likevel ledet denne forskningen til videre spørsmål. Et spørsmål var om modellen kunne vise like gode sammenhenger 11

12 dersom man inkluderte andre anomalier. Det tok ikke lang tid før det ble testet i denne modellen. I 1997 utvidet Carhart trefaktormodellen til Fama og French med en momentumfaktor. I tillegg til de fire faktorene inkluderte han transaksjonskostnader. Carhart kom frem til tre viktige tommelfinger-regler basert på forskningen sin; for det første skulle man unngå å kjøpe aksjer med varig dårlig ytelse, for det andre hadde aksjer med en høy avkastning i foregående år en forventet avkastning som ble høyere enn gjennomsnittet året etter, og for det tredje påsto han at transaksjonskostnader hadde en direkte negativ effekt på ytelsen av aksjene. Slik det kommer frem av diskusjonen over, er det flere hull i CAPM og EMH. De fungerer godt i teorien, men når de brukes i praksis er ikke resultatene så nøyaktige som man skulle ønske. Modeller som CAPM og EMH klarer ikke å fange opp alle aspekter av realiteten, da den rett og slett er for komplekst. For å forklare denne komplekse realiteten trenger vi mer enn forenklede modeller. Det er her atferdsfinansen kommer inn. Thaler (1999) mener at de grunnleggende modellene innenfor finans har blitt styrket ved at man i senere tid har kombinert menneskelig atferd med det fundamentale. I tillegg går han så langt som å si at begrepet atferdsfinans i nær fremtid vil utgå fordi menneskelig atferd har blitt en så stor del av finansen at et slikt begrep vil bli overflødig. Som vi ser står atferdsfinans meget sentralt i finansverdenen, og det er denne delen vi nå beveger oss over i. Atferdsfinansen antyder at investorene ikke er rasjonelle av natur, men at de heller har kognitive skjevheter. Eksempler på slike kognitive skjevheter kan være overdreven selvtillit, generalisering og flokkatferd, hvorav sistnevnte er der hovedfokuset i vår oppgave ligger. 2.4 Flokkatferd Når en større gruppe investorer handler eller selger samme aksje så å si samtidig, betegnes det som flokkatferd. Flokkatferd er en investeringsstrategi hvor du går bort fra den informasjonen du har tilgjengelig, og i stedet følger andre investorer. I mange tilfeller sitter enkeltinvestorer med god informasjon om markedet, men velger å ikke benytte seg av den. De har altså større tiltro til at flokken tar bedre og mer lønnsomme valg. Opp gjennom tidene har det vært flere populære forklaringer på hvorfor investorer foretrekker å handle i flokk. 12

13 Den første forklaringen tar utgangspunkt i investorenes rykte og det sosiale presset om samsvar og tilhørighet. Det er i større grad sosialt akseptabelt å begå en feil hvis du ikke er den eneste som begår den. Investorer er redd for sitt rykte og ønsker derfor å følge flokken for å hindre at de begår en feil alene. En slik type atferd resulterer i at de sjeldent står med gevinst alene. Dette vil vi gå nærmere inn på under avsnittet renommé. Den andre forklaringen vil være at investorer også til tider opptre i flokk simpelthen fordi de har den samme markedsinformasjonen og er enige om hvilke aksjer som er best (Scharfstein og Stein 1990). I slike tilfeller vil flokkatferd være helt og holden rasjonelt, og det kan stilles spørsmålstegn ved om det i det hele tatt kan betegnes som flokkatferd. Det vil oppstå en flokk, men bakgrunnen for flokkatferden er rasjonell. I tilfeller hvor investorene innehar samme informasjon vil det da være irrasjonelt å ikke bruke den. En tredje forklaring er den psykologiske atferden man finner igjen i flere sammenhenger, og finansmarkedet er intet unntak. Mennesker opptrer i flokk og er av den oppfatning at flertallet har rett. For en investor kan det være rimelig å anta at en så stor gruppe som flokken ikke kan ta feil. Investoren oppfatter det slik at andre investorer sitter på annen og bedre informasjon enn ham. Et typisk eksempel på denne forklaringen er dot-com boblen fra slutten av 1990-tallet til tidlig 2000-tallet. Det ble investert store summer i internettfirmaer i håp om at disse aksjene ville fortsette å stige mer enn det de allerede hadde gjort. Hvis man var en av de som ikke investerte i slike aksjer ble man oppfattet som urasjonell, da man så at andre ville tjene store penger og at man selv ikke benyttet seg av denne muligheten. Dessverre var dette en kortvarig boble, og er til nå den boblen som hadde de største gevinstene og de største tapene i historien (Brealey et al. 2011). I det følgene vil vi gå nærmere inn på de grunnene vi mener er de viktigste til flokkatferd og det vil være disse fenomenene sett under ett vi vil påvise i vår analyse Rennommé I følge Scharfstein og Stein (1990) vil bedriftsledere følge flokken i en investering dersom de er bekymret for sitt eget rykte som gode beslutningstakere. Viser det seg at avkastningen på aksjene blir negativ, vil ikke lederne stå alene om dette. Tanken bak er at de selv ikke ønsker å fremstå som dårlige beslutningstakere når flere 13

14 investorer deler samme skjebne. Dette blir sett på som en rasjonell beslutning fra ledernes side, men ikke fra markedets perspektiv. Dette da beslutningen er basert på en annen leders beslutning og dermed ikke ens private informasjon. Et eksempel i artikkelen til Scharfstein og Stein (1990) er krakket på aksjemarkedet i oktober Den vanlige oppfatningen blant de profesjonelle investorene var at prisnivået i markedet var for høyt, og at sannsynligheten for at markedet ville synke var stor. Til tross for dette var det få investorer som var villige til å selge aksjebeholdningene sine. Tanken var at dersom markedet fortsatte å stige, fryktet de at et salg ville gi dem et rennommé som udyktige investorer for å ha gått glipp av oppgangen. Videre sier Scharfstein og Stein (1990) at flokkatferd også er et resultat av en skylddelingseffekt ( Sharing the blame ). Forklaringen bak er at de beste investorene forventes å motta korrelerte signaler fordi de analyserer de samme indikatorene. Samtidig vil mindre dyktige investorer ofte analysere støysignaler fra markedet. Konsekvensen av dette er at imitasjon av de bedre investorene sikrer den beste strategien. På den måten vil de mindre dyktige investorene sikre sitt rykte ved imitasjon og dermed oppfattes som smarte av sin bedrift. En direkte konsekvens av skylddelingseffekten er at dersom de smarte investorene satser på en dårlig investering, vil andre følge etter slik at investeringer med høyere avkastninger forkastes. Vi har et lignende fenomen blant private investorer. DeMarzo et al. (2004) omtaler dette fenomenet som keep up with the Joneses, også kjent som naboeffekten. Dette er et fenomen der investorer gjennomfører lignende handler som naboen, en nær venn eller en kollega, istedenfor å bruke sin egen informasjon. For investoren er det altså viktigere å måle sine relative prestasjoner opp mot de nærmeste i omgangskretsen istedenfor å se på porteføljens faktiske avkastning. Et annet tilfelle er der hvor investorer investerer i selskaper som gir dem et godt renommé utad. Enkelte kan være svært opptatt av for eksempel grønne selskaper eller en særpreget merkevare, og investerer i disse selskapene uavhengig av informasjonen som er tilgjengelig. Dette fører til at investoren ikke holder markedsporteføljen. 14

15 2.4.2 Kaskader I motsetning til renommé hvor investoren er redd for sitt eget rykte, oppstår en kaskade når en investor er usikker på den informasjonen han eller hun innehar. Hirshleifer og Teoh (2003) definerer kaskader som en handling der investorer ignorerer egen privat informasjon og istedenfor lar seg påvirke av flokken. En slik atferd er mer vanlig blant investorer som handler lite, slik som husholdninger, fordi informasjonsinnhenting har en høyere kostnad for dem enn for store investorer. Banker, pensjonsfond, Det Norske Oljefond og forsikringsselskaper er typiske eksempler på store investorer. Kaskader vil øke volatiliteten i markedet som et resultat av at flokkens retning bestemmes av de første investorenes valg. Spesielt er dette tilfellet når det blir kjent at de første investorene tar et feil valg og flokken beveger seg i motsatt retning (Bikhchandani og Sharma 2000). Ved en kaskade vil kun investeringene til de første investorene være innbakt i aksjeprisen. Markedsprisene reflekterer all offentlig informasjon, men ikke all privat informasjon. Som følge av dette stopper informasjonen opp og beveger seg videre usedvanlig sakte. Dette omtales som informasjonsblokkering (Hirshleifer og Teoh 2003). Investorer vil ta dårlige valg som følge av denne informasjonsblokkeringen. For å unngå dette burde flere investorer dele sin informasjon slik at det oppstår en synergieffekt som vil medføre flere riktige valg. Som tidligere nevnt er ikke privat informasjon innbakt i aksjeprisene, og investorene vet derfor at det er en viss usikkerhet ved informasjonen de finner i markedet. Likevel velger mange investorer å stole på sin egen dømmekraft istedenfor å inkorporere sin informasjon med den som allerede er tilgjengelig i markedet. I tilfeller der det er usikkerhet vedrørende markedsinformasjonens nøyaktighet, vil det oppstå informasjonskaskader selv om investorer opptrer rasjonelt. Der hvor investorene har mengder av forskjellig informasjon vil de opptre i flokk, da de ofte tror at andres informasjon er mer nøyaktig enn deres egen. I tillegg vil investorer kunne delta i en kaskade hvis de er uoppmerksomme eller at det er vanskelig å prosessere informasjonen de har tilgjengelig. Likevel er ikke modeller om rasjonalitet og flokkatferd nok til å forklare de avvikende resultatene om økt volatilitet ved kaskader. For å bevise dette må imperfekte markeder og avvik i menneskelig rasjonalitet inkluderes (Hirshleifer og Teoh 2003). 15

16 2.4.3 Feedback-strategier Nofsinger og Sias (1999) definerer feedback-strategier som et spesialtilfelle av flokkatferd. Det oppstår når investorene baserer sine valg på andre investorers tidligere valg. Typisk her er at investorer som benytter seg av positive feedbackstrategier kjøper en aksje når prisen stiger og selger den når prisen synker. Altså benytter investorer seg av irrasjonelle feedback-strategier da de tror at trenden vil fortsette. Likevel leder dette ofte til at de kjøper overprisede aksjer og selger underprisede aksjer (Lakonishok et al. 1992). Denne atferden kan lede til en prisboble eller en kraftig nedgang i markedet. For investorer som er redd for å påta seg risiko, vil feedback-strategier for dem være helt og holdent rasjonelt. Dette fordi de er av den oppfatning at det andre investorer har gjort før dem er en mer troverdig informasjonskilde enn den som er tilgjengelig i markedet. Siden ny informasjon fort blir innbakt i prisene, vil de som benytter seg av feedback-strategier ende opp med å ligge et steg bak. Hvilket resulterer i at de trekker i flokk mot tidligere vinnere og bort fra tidligere tapere. Feedback-strategier er altså irrasjonelle i den grad av at de bryter med EMH, som sier at alle priser reflekterer all tilgjengelig informasjon. Likevel kan feedback-strategier være rasjonelle hvis investorene klarer å utnytte den positiv avkastning i en viss tidsperiode (Bikhcandani og Sharma 2001). Flokkatferd, som et resultat av feedback-strategier, kan også føre til underdiversifisering. Det kan for eksempel bli fanget opp signaler som tilsier at det er lønnsomt å investere i et bestemt selskap. Som et resultat av dette blir all ledig kapital investert i ett selskap istedenfor å spre risikoen. Her blir diversifisering valgt bort og investoren velger istedenfor å investere i en sub-optimal portefølje. Underdiversifisering kan også være et resultat av gambling hvor investoren har en typisk risikosøkende atferd og investerer alt i ett eller få selskaper. Underdiversifisering er irrasjonelt i den grad at investoren har mulighet til å sette sammen en optimal portefølje, men velger istedenfor en sub-optimal portefølje. En slik portefølje tar ikke hensyn til forholdet mellom risiko og avkastning. En annen grunn til at investorer ender opp med en sub-optimal portefølje er at investorene, spesielt i husholdninger, foretar mange kjøp og salg av aksjer i små selskaper med høy beta. Det medfører ofte høye transaksjonskostnader. Dette er irrasjonell atferd i den grad at transaksjonskostnadene ofte kan overskride realisert 16

17 gevinst. Grunnen bak en slik investeringsstrategi er som regel overdreven selvtillit eller sensasjonsoppsøking (se eksempelet om dot-com boblen) Sammendrag I kapitelene ovenfor har vi tatt for oss mulige forklaringer på flokkmentalitet på aksjemarkedet. Flokkatferd trenger ikke nødvendigvis å være irrasjonell atferd, og det er en type atferd som oppstår både blant private og institusjonelle investorer. Likevel er det vanskelig å si hvor stor grad av flokkatferd som finnes i finansmarkedet. Flokkmentalitet kan heller ikke forklares med teoretisk analyse, og det er nødvendig med empiriske bevis for å bestemme viktigheten av flokkatferd i praksis (Hwang og Salmon 2004). I de siste tiårene har det vært stor interesse rundt temaet flokkatferd. Vi har erfart at de fleste artiklene vi har hatt tilgang til fokuserer på flokkatferd og dens påvirkning på aksjekursen. Det er blitt lagt relativt lite vekt på flokkatferd og volum, og vi vil derfor forsøke å påvise flokkatferd på denne måten i den videre analysen. 3. Tidligere empiriske studier av flokkatferd Det finnes flere artikler om flokkatferd hvor hovedfokuset er avkastning. Lakonishok et al. (1992) baserer sin forskning på modeller det vil være vanskelig for oss å benytte. Deres modell bygger på individuell handelsaktivitet, som er informasjon det er vanskelig å få tilgang til, da aktiviteten blant annet er beskyttet av hensyn til personvern. En viktig utfordring i den empiriske analysen av flokkatferd er å skille mellom handel i flokk og korrelasjon i handelen. Det første vil lede til et ineffisient marked, mens det andre reflekterer effisiens på bakgrunn av en felles informasjon. En mye brukt metode for å måle flokkatferd er utviklet av Lakonishok et al. (1992). Hensikten med modellen er å bevise hvorvidt det er flere investorer som befinner seg på enten kjøper - eller selgersiden av markedet, enn om de hadde handlet uavhengig av hverandre. I sin analyse brukte Lakonishok et al. 769 amerikanske, skattefrie aksjefond som var ledet av 341 forskjellige investorer. Resultatet de kom frem til var ikke sterkt nok til å påvise flokkatferd blant de utvalgte investorene, i tillegg til at det ikke fantes solide nok bevis på at investorene påvirket prisene på enkeltaksjer. Det de derimot kom frem til var at flokkatferd er noe mer utbredt ved handel av aksjer i små 17

18 selskaper, enn i store. Selv om denne metoden er en av de mest brukte, har den også mange begrensninger. Den mest omtalte begrensningen er at modellen kun måler korrelasjon i handel, men klarer ikke tydelig å vise om det er grunnet flokkatferd eller ren korrelasjon som et resultat av at investorene har samme informasjon (Hachicha 2010). Mye av den senere forskningen rundt flokkatferd baserer seg på statistisk måling som et resultat av Lakonishok et al. (1992) sine funn. Det er to grunner til hvorfor utfallet av deres forskning var såpass vagt. For det første analyserte de relativt sett for homogene aksjer. For det andre var handelen i perioden de analyserte for liten til å kunne observere bemerkningsverdig flokkatferd (Bikhchandani og Sharma 2000). I 1995 ble det publisert av William Christie og Roger Huang en forskningsrapport om flokkatferd med en annen vinkling. Deres formål var å påvise hvorvidt avkastning kan brukes til å påvise flokkatferd under perioder med markedsstress. Christie og Huang (heretter CH) definerer markedsstress som et tilfelle hvor det forekommer ekstrem avkastning på markedsporteføljen. Metoden de brukte kalles cross-sectional standard deviation of returns, og ble benyttet for å se på variasjon i spredning i avkastning. Deres hypotese var at dersom spredningen var lavere enn gjennomsnittet i en bestemt periode, fantes det flokkmentalitet. Her er det viktig å påpeke at dette ikke er ekvivalent med at lav spredning nødvendigvis garanterer at flokkmentalitet eksisterer. I denne forskningen ble det brukt daglig og månedlig data hentet fra NYSE og Amex fra juni 1925 til desember De konkluderte med at hovedtyngden av resultatene støttet antakelsen om rasjonell prising og at flokkatferd ikke er en viktig faktor for avkastningen under perioder med markedsstress. Metoden til CH har blitt brukt av flere til videre forskning. Deres modell har blitt utvidet av blant annet Chang et al. (2000). Forskjellen fra den opprinnelige modellen er at Chang et al. benyttet seg av en annen metode der de i stedet brukte en ikkelineær regresjonsanalyse. Modellen ble kalt Cross Sectional Absolute Deviation Model. Istedenfor å analysere markedsstress, så Chang et al. på utviklings- og industriland. De fant bevis på flokkatferd i utviklingslandene Taiwan og Sør-Korea, og ingen bevis i industrilandene USA og Hong Kong. En av grunnene til et så tydelig skille i resultat kan være mangelen på tilgjengelig informasjon i utviklingslandene. Deres modell har også blitt brukt i senere empiriske studier. 18

19 Hwang og Salmon (heretter HS) baserte sin forskning fra 2004 på resultatene til CH. Her foreslår de en ny tilnærming for å måle flokkatferd. Modellen baserer seg på tverrsnittlig spredning av de sensitive faktorene til aksjen i et gitt marked. Denne metoden åpner for å analysere hvorvidt det er flokkmentalitet som trekker i retning av spesielle sektorer eller selve markedsindeksen. Dette mener HS er avgjørende for å separere en slik form for flokkmentalitet med vanlig handelsstrategier. I tillegg analyserte de flokkatferd i markeder under stress, hvor de spesielt fokuserte på asiakrisen og russlandkrisen i henholdsvis 1997 og Dataene de brukte i forskningsarbeidet var daglige tall fra 1. januar 1993 til 30. november 2002 i det amerikanske og sørkoreanske aksjemarkedet. Indeksene som ble brukt var S&P500 for det amerikanske markedet. For Sør-Korea ble både ordinære aksjer og KOSPI indeksen brukt. HS kom blant annet frem til at flokkatferd under markedsstress var lavere under de to ovenfor nevnte krisene, hvilket strider med vanlige antakelser om flokkmentalitet. De fant også ut at flokken trekker i retning av markedsporteføljen, både når markedet er i vekst og i nedgang. Disse resultatene tyder på at perioder med markedsstress er med på å bidra til å få markedet tilbake til likevekt, samt effisient prising. Tidligere har det blitt forsket mye på flokkatferd i sammenheng med avkastning og påvirkning på pris. Det er publisert mange artikler hvor det er brukt forskjellige metoder, samt at det er forskjellige variabler som blir testet for deres påvirkning på flokkatferd. Det er derimot en utfordring å finne god litteratur hvor flokkatferd blir sett i sammenheng med omsatt volum. Av de publiserte artiklene vi har hatt tilgang til har vi ikke funnet noen med hovedfokus på volum. Det finnes derimot flere artikler under utarbeidelse. Chen et al. (2004) tok for seg det kinesiske aksjemarkedet hvor de studerte spredning i avkastningen i perioder med ekstreme svingninger i pris. De analyserte selskaper på Shanghai- og Shenzhen Stock Exchange, av typen A og B-aksjer, hvor B-aksjer er mindre likvide enn A-aksje. Deres empiriske resultater indikerte at spredningen ble redusert i perioder med ekstreme svingninger, noe de mener kan være et bevis på flokkatferd. Chen et al. tok utgangspunkt i Christie og Huang sin CSSD modell, hvor de foreslo en ny tilnærming som måler den relative tverrsnittlige spredningen i idiosynkratisk avkastning (RCSDI). For å styrke sine funn fra RCSDI modellen, forsøkte de i tillegg å påvise flokkatferd ved hjelp av omsatt volum. Som de påpeker i artikkelen kan det være liten eller ingen endring i 19

20 pris, samtidig som det observeres store endringer i volum. Christie og Huang (1995) påpeker i sin artikkel at tverrsnittlig spredning i avkastning burde være negativt korrelert med handlet volum i tilfeller hvor flokkatferd forekommer. Chen et al. konkluderer med funn av flokkatferd begrenset til B-aksjemarkedet, etter en gjennomført kontroll for handelsvolum. Likevel konstaterer de at det kinesiske aksjemarkedet er ineffisient, og at mangelen på informasjon og kunnskap om de enkelte selskapene, er det som i all hovedsak fører til flokkatferd. Som vi kan se fra det ovenfor nevnte er det lite tvil om at det er vanskelig å påvise flokkatferd. Selv om resultatene antyder at mennesker opptrer i flokk, er det vanskelig å bevise at det faktisk er flokkatferd i markedet. En større gruppe mennesker kan handle de samme aksjene, uten at de nødvendigvis gjør dette av irrasjonelle grunner. I tillegg blir det forsket på mange forskjellige typer flokkatferd i forskjellige aspekter av markedet, samt på tvers av markeder. Felles for tidligere empirisk forskning er at det finnes svake bevis på at flokkatferd ikke eksisterer gjennom én faktor (for eksempel volum, aksjekurs eller avkastning). Ved at det kun er blitt testet for én og en enkelt faktor vil ikke resultatene være gode nok til å konkludere med at det ikke eksisterer flokkatferd. 4. Autokorrelasjon på Oslo Børs Ved å se på autokorrelasjonen mellom omsatt volum i dag og dagen etter, over en periode på 1 år, har vi muligheten til å undersøke om stort omsatt volum følges av stort omsatt volum. I tilfeller hvor den estimerte koeffisienten er positivt korrelert, kan det tolkes som et tegn på flokkatferd. Når flokkatferd inntreffer i kjøp av en aksje, må det nødvendigvis også være noen som selger de samme aksjene. Ny informasjon blir relativt fort innbakt i aksjeprisene. Ved å se på en hel dag vil vi få fanget opp flokkatferd, da investorene vil ha hatt god nok tid til å se hva andre investorer har kjøpt eller solgt før dem. Hvis investorene baserer sine handler på andre investorers tidligere handler, vil det komme frem gjennom autokorrelasjon mellom volumet omsatt i dag og dagen etter. 20