Finnes det ukedagseffekter på Oslo Børs?

Transkript

1 Høgskolen i Oslo og Akershus, våren 2016 Finnes det ukedagseffekter på Oslo Børs? «En empirisk undersøkelse av sammenhengen mellom avkastning og ukedager i perioden » Lars Erik Hillestad Solberg (311) og Jonas Ødegården Olsberg (364) Veileder: Dosent, Ivar Bredesen Bacheloroppgave 2016 Bachelorstudium i økonomi og administrasjon, Handelshøyskolen ved HiOA 1

2 Sammendrag I avhandlingen vår har vi undersøkt om det finnes sammenheng mellom ukedag og avkastning på Oslo børs ved å bruke regresjonsanalyse. Vi har undersøkt både hovedindeksen (OSEBX) og indeksen for de 10% lavest kapitaliserte selskapene på Oslo Børs (OSESX). Avkastningen måles ved å bruke indeksenes siste registrerte verdi for hver handelsdag de siste 10 år. Forrige bidrag på ukedagseffekter på Oslo Børs ble undersøkt i perioden 1996 til 2005, hvor det ble konkludert med at man ikke kan påstå at ukedagseffekter har forsvunnet. Oppgavens problemstilling: «Har det eksistert ukedagseffekter på Oslo Børs i perioden ?» For OSEBX har vi funnet tendenser som peker i retning av ukedagseffekter, men funnene er ikke signifikante. For OSESX har vi funnet signifikante sammenhenger mellom avkastning og ukedager. Alle dager har gitt signifikant dårligere avkastning enn fredag (mandag og tirsdag: p<0,01, onsdag og torsdag: p<0,05). Videre har fredag vært signifikant bedre enn gjennomsnittsdagen (p<0.01). Vi konkluderer med at man ikke kan motbevise eksistensen av ukedagseffekter på Oslo Børs i den undersøkte perioden. 2

3 Forord Denne bacheloroppgaven avslutter vårt treårig studie i økonomi og administrasjon ved Høgskolen i Oslo og Akershus. Vi har gjennom hele studiet fattet interesse for hvordan og hvorfor priser i finansielle markeder fluktuerer. Samtidig har vi stilt spørsmålstegn ved modeller og teorier vi har blitt presentert for som forsøker å forklare dette. Det tradisjonelle effisiens-paradigmet har i økende grad blitt utfordret av empiriske funn i form av markedsanomalier, noe som har banet vei for fremveksten av atferdsfinans. Vår nysgjerrighet på dette området ble avgjørende for vårt valg av tema for denne bacheloroppgaven. Ukedagseffekter var for oss et fascinerende aspekt når det kommer til finansmarkedene. Dette og andre anomalier taler imot tradisjonell teori som vi har blitt presentert gjennom bachelorutdanningen. I sammenheng med dette har vi også hatt en mistanke om at begreper som «blåmandag» og «TGIF» også kan være med på å beskrive aksjemarkedet. Det er dette som er bakgrunnen til vårt valg av problemstilling. Oslo, 4. mai Lars Erik Hillestad Solberg.. Jonas Ødegården Olsberg 3

4 Innholdsfortegnelse 1. INNLEDNING RELEVANT TEORI RANDOM WALK OG EFFISIENTE MARKEDER KAPITALMARKEDSLINJEN CAPM ATFERDSFINANS KALENDERANOMALIER JANUAREFFEKTEN MÅNEDSSKIFTEEFFEKTEN HELLIGDAGSEFFEKTEN INTRADAGSEFFEKTEN MANDAGER FORSKNING PÅ UKEDAGSEFFEKTER INTERNASJONAL FORSKNING NORSK FORSKNING METODE REGRESJONSMODELLENE R DATA HISTORISK STATISTIKK RESULTATER KONKLUSJON FORKLARINGER TIL FUNNENE DE INDIVIDUELLE INVESTORER KOSTNADER VED INFORMASJONSBEHANDLING KJØPSANBEFALINGER OPPGJØRSDAGER OMSETNINGSVOLUM ATFERDSØKONOMISKE FAKTORER LITTERATURLISTE

5 1. Innledning Kursbevegelser i finansielle markeder er noe som lenge har blitt forsøkt forklart gjennom teori og modeller. Å forstå og kunne predikere kursutvikling i finansielle markeder er noe mange økonomer prøver på med varierende treffsikkerhet. Lenge har effisiens-teorien vært en rådende tankegang når det kommer til å forstå aksjekurser. Effisiensmodellen representerer en rasjonell og matematisk tilnærming til å beskrive markedsutvikling, og gir derfor ikke rom for markedsanomalier. Fra et rasjonelt ståsted representerer tanken om markedseffisiens en logisk beskrivelse av markedet det er slik det burde være. Imidlertid er aktørene i ethvert marked mennesker, med alt det fører med seg. Mennesker er komplekse skapninger, og psykologiens betydning for økonomiske bevegelser har de siste årene fått økende oppmerksomhet. Det relativt nye fagfeltet atferdsøkonomi prøver å integrere psykologi med økonomiske modeller for å beskrive den økonomiske virkeligheten vi lever i. Man har sett at såkalte markedsanomalier forekommer i betydelig skala i internasjonale finansmarkeder. Markedsanomalier er hendelser som bryter med teorien om «Random Walk» i finansmarkeder. Det vil si at en markedsanomali forekommer om investorer kan gjenkjenne mønstre i kursbevegelser. Det har blitt foretatt mye forskning på akkurat dette, og spesielt mønstre knyttet til tidsaspektet ved investeringer. Lett tilgjengelig historisk data er noe som karakteriserer finansfaget, og følgelig har dette bidratt til at forskning lett har kunnet identifisert eksistensen av anomalier i ettertid. Imidlertid vet vi at menneskehjernen har en grunnleggende tilbøyelighet til å søke etter mønstre, og det kan være med på å påvirke forskningen. I den sammenheng har statistiske metoder vært en helt vital del av finansielle, tilbakeskuende undersøkelser. Men denne oppgaven ønsker vi å føre videre den tidligere forskningen som er gjort på ukedagseffekter på det norske aksjemarkedet. Vi har med utgangspunkt i daglige sluttkurser på OSEBX og OSESX foretatt regresjonsanalyser for å undersøke om det har eksistert avkastningsmønstre knyttet til ukedagene. Med effisiensteorien som utgangspunkt forventes det ikke å finne ukedageffekter. Eventuelle ukedageffekter vil representere en markedsanomali og åpne opp for atferdsøkonomiske hypoteser. Det kan derfor være nyttig for norske investorer å være klar over eventuelle markedsanomalier som har vist seg på Oslo Børs og om det er sannsynlig å gjenta seg i fremtiden. Formålet med vår oppgave er derfor å gi investorer et overblikk over eventuelle forekomster av ukedagseffekter på Oslo Børs. 5

6 I det følgende kapittel vil vi ta for oss den mest nærliggende teorien, i kapittel 3 vil vi gi en oversikt over tidligere forskning som er gjort på området, i kapittel 4 går vi gjennom metodevalg, kapittel 5 gir en oversikt over historisk statistikk for våre data. Kapittel 6 viser resultatene fra regresjonen mens kapittel 7 presenterer mulige årsakssammenhenger. 2. Relevant teori Atferdsøkonomiens inntog de senere årene har satt spørsmålstegn rundt effisienstankegangen, og åpnet nye horisonter i vår forståelse av finansmarkeders kursutvikling. Det er tidligere funnet en rekke markedsanomalier som månedseffekter, væreffekter og helligdagseffekter på diverse børser. I det følgende vil vi presentere de mest innflytelsesrike teoriene som tradisjonelt har beskrevet finansielle bevegelser. 2.1 Random Walk og effisiente markeder Ideen om at prisen på finansielle aktiva beveger seg tilfeldig ble fremmet av franskmannen Louis Bachelier i 1900 (Poshakwale, 1996). I 1965 publiserte Eugene Fama en artikkel som aktualiserte tanken om tilfeldige kursbevegelser i aksjemarkedet. At aksjer følger en «random walk» vil si at aksjekurser ikke fluktuerer i noen form for gjenkjennbare mønstre. Et marked hvor prisforandringer i individuelle aksjer er uavhengige er per definisjon et random walk marked. Teorien om effisiente markeder ble utviklet av Eugene Fama (1970) og er en modell som forklarer dynamikken rundt random walk og at informasjonsflyt gir seg direkte utslag i aksjeprisene. Teorien argumenterer for at kursbevegelser i finansielle markeder ikke er predikerbare, da all tilgjengelig informasjon skal være reflektert i kursen. Ny informasjon er derfor det eneste som kan forandre prisen til en aksje. Denne nye informasjonen vil være uavhengig og tilfeldig, og kurser vil dermed også utvikle seg tilfeldig, uten predikerbare mønstre. Markeder hvor dette er tilfellet sies å være effisiente markeder. Effisiensteorien gjorde at antakelsen om random walk kunne bli forklart innenfor et teoretisk rammeverk. Teorien ble raskt anerkjent og har siden 70-tallet stått sterkt i det finansielle fagfeltet. Fama skiller mellom tre ulike grader av effisiens, avhengig av hvor mye informasjon som er tilgjengelig. 6

7 Svak effisiens: Kun historiske priser er tilgjengelig. Neste dags avkastning er uavhengig av kursens tidligere utvikling, teknisk analyse er lite meningsfullt. Semi-sterk effisiens: All offentlig informasjon er tilgjengelig og er derfor reflektert i kursen. I tillegg til teknings analyse vil fundamental analyse heller ikke gi investorer fordeler. Sterk effisiens: All offentlig og privat informasjon (innsideinformasjon) er reflektert i kursen. Uansett hvor mye informasjon man har tilgjengelig vil man ikke oppnå meravkastning i forhold til markedet. Det har blitt klargjort tre grunnleggende forutsetninger for et effisient marked. Den første er at det ikke er transaksjonskostnader. Videre er det en forutsetning at all informasjon er kostnadsfri og samtidig tilgjengelig for alle. Den siste forutsetningen er at informasjonen må tolkes likt av alle (Fama 1970) Implisitt ligger det et stort paradoks bak teorien om effisiente markeder. Dette paradokset går ut på at om markeder er effisiente finnes det ingen insentiv for investorer til å analysere markedet og finne gode investeringer. Dette er fordi at resultatene av disse analysene uansett ville vært reflektert i kursene. På den annen side, dersom alle forble passive ville markedet bli ineffisient, og analyser ville dermed kunne gitt meravkastning (Grossman og Stiglitz 1980). Implikasjonen av random walk og teorien om effisiente markeder er at det ikke er forskjeller på ukedager når det kommer til børssvingninger. Det vil si at man forventer den samme gjennomsnittlige avkastningen uavhengig av hvilken ukedag det er. En eventuell eksistens av ukedagseffekter vil stå som et motstykke til teorien om effisiente markeder. Imidlertid kan man ikke si at delvis predikerbare aksjer basert på ukedager er ekvivalent med ineffisiens. Man kunne argumentert for at eventuelle mønstre i avkastning på de forskjellige ukedagene er så små at de likevel blir spist opp av transaksjonskostnader og derfor vil ikke investorer kunne utvikle handelsstrategier basert på disse. 7

8 2.2 Kapitalmarkedslinjen I moderne porteføljeteori forutsetter man et bytteforhold mellom risiko og avkastning. Historisk risiko er målt ved å se på standardavviket til den aktuelle investering, og forklarer hvor mye avkastningen har variert fra gjennomsnittet i en gitt periode. Markowitz (1952) mente at det finnes en diversifiseringseffekt som gjør det mulig å redusere risiko uten at det går utover forventet avkastning. Ved å inkludere et større antall aksjer i en portefølje, vil man på grunn av at disse ikke er perfekt korrelert kunne oppnå enten lavere risiko til samme avkastning eller høyere avkastning til samme risiko. Den bedriftsspesifikke risikoen som stadig blir mindre ved å inkludere stadig flere aksjer i porteføljen kalles usystematisk risiko. Markowitz argumenterer for at dersom man inkluderer nok aksjer i porteføljen, vil den usystematiske risikoen til slutt bli eliminert, dette er den optimale porteføljen. Gjenstående risiko i den optimale porteføljen kalles for systematisk risiko, og representerer risikoen ved å være eksponert for den makroøkonomiske utviklingen. Alle kombinasjoner av risikofri rente og markedsporteføljen gir oss kapitalmarkedslinjen, som blir illustrert ved å trekke en rett linje fra den risikofrie renten som tangerer den optimale markedsporteføljen. Rasjonelle investorer vil investere langs denne linjen, da alle punkter langs denne linjen representerer den beste forventede avkastning gitt et hvert risikonivå. * * Kilde: regjeringen.no 8

9 2.3 CAPM Kapitalverdimodellen ble utviklet av Willam Sharpe og John Lintner på 1960-tallet (Fama & French, 2004). Jan Mosin og Jack Treynor har også vært sentrale bidragsytere i utviklingen av denne modellen (Berk, DeMarzo, 2011). Modellen er en logisk videreutvikling av kapitalmarkedslinjen. Modellen forsøker å verdsette finansielle eiendeler ved å ta hensyn til risikofri rente (rf), markedets risikopremie E r m r f og eiendelens systematiske risiko i E r r Er i f i m r f * I markedslikevekt vil alle investeringsobjekter ligge langs SML. Dersom et investeringsobjekt ligger over eller under SML-linjen, vil dette representere en henholdsvis underpriset eller overpriset investering. Markedets risikopremie og den risikofrie renten er lik for alle, så det er kun beta som forklarer forskjeller i forventet avkastning. Beta er et mål på et investeringsobjekts systematiske risiko, og viser således investeringsobjektets samvariasjon med markedet. I kapitalverdimodellen impliseres altså et lineært forhold mellom en aksjes beta og dens forventede avkastning. Beta er gitt ved kovariasjonen mellom markedsporteføljen og det aktuelle investeringsobjekt, delt på variansen til markedsporteføljens avkastning: ri p p Cov, r i var r * 9

10 Til grunn for kapitalverdimodellen ligger det flere til dels strenge forutsetninger. For det første antar man at alle investorer kan kjøpe og selge verdipapirer til markedspriser, og transaksjonskostnader og skatter er sett bort fra. Denne forutsetningen synes ikke å reflektere virkeligheten fullt ut, da transaksjonskostnader og skatter er noe alle investorer må forholde seg til. Videre forutsettes det at alle investorer holder effisiente porteføljer som gir høyest forventet avkastning for et hvert risikonivå. En tredje forutsetning er at alle investorer har homogene forventinger og tolkninger av markedet. Dette synes også som en vel streng antakelse. Empiriske funn av anomalier bryter med den tradisjonelle økonomiske teorien anført av hypotesen om effisiente markeder og CAPM. Dette har ført til at man i økende grad har stilt spørsmål rundt forutsetningene som ligger til grunn for den tradisjonelle teorien. Tankegangen rundt investorers rasjonalitet synes å være noe urealistisk, noe som har banet vei for framveksten av atferdsøkonomi. Denne nye retningen innen økonomi forsøker å forklare markeders oppførsel gjennom å integrere psykologiske aspekter i forståelsen av markeder. Funn av markedsanomalier, deriblant ukedagseffekter, åpner opp for hypoteser og forklaringer ut fra et atferdsøkonomisk perspektiv. 2.4 Atferdsfinans Shefrin (2005) definerer atferdsfinans på følgende måte: «Atferdsfinans er studiet av hvordan psykologiske fenomener påvirker finansiell atferd» Det er ikke før i de senere årene at atferdsfinans virkelig har fått fotfeste i den økonomiske fagfeltet. Den neoklassiskse tilnærmingen har historisk vært den dominerende tilnærmingen for å forklare det økonomiske og finansielle vitenskapsområdet. Økonomer har tradisjonelt sett forholdt seg til de neoklassiske forutsetningene i sine bidrag til fagfeltet. Det er gjennomgående at forståelsen av psykologiske aspekter knyttet til finans i mye av litteraturen ikke har hatt stor prioritering. På tross av dette skrev Adam Smith allerede på 1700-tallet, før han utgav sitt store verk «Wealth of Nations», om menneskets natur og dens tilhørende psykologi knyttet til dynamikken i møtet med markedet. Her tar han opp filosofiske og psykologiske aspekter som gjør seg gjeldende når mennesker står overfor beslutninger. Den innsikt Adam Smith hadde allerede på 1700-tallet kan sees på som et resultat av spekulering over menneskets psykologi hvor forskning og eksperimentering manglet for å kunne 10

11 underbygge. Som Forbes (2009) skriver: «hvis et helhetlig forskningsfundament av eksperimentelle bevis på menneskets valg hadde eksistert på 1700-tallet, ville utviklingen til tradisjonell/neoklassisk økonomi kanskje tatt en annen retning og sett annerledes ut i dag». Muligens har det eksistert en kollektiv forståelse av at psykologi er en viktig faktor innen finans, men det er altså først i nyere tid at dette aspektet i økende grad har blitt vitenskapelig integrert i den økonomiske forståelsen. På 1970-tallet startet psykologene Daniel Kahneman og Amos Tversky sitt samarbeid som senere skulle vise seg å være den mest fundamentale byggesteinen til moderne atferdsøkonomi. De utviklet sammen en modell som binder menneskers valg sammen med heuristikker og forklarer beslutningsprosesser deskriptivt (hva som faktisk skjer) fremfor den mer tradisjonelle måten for å forklare beslutningsprosesser - normativt (hva som bør skje). Kahneman og Tversky (1979) viste gjennom eksperimenter at den klassiske nyttemaksimeringstankegangen i liten grad er tilstede i beslutningsprosesser. De utviklet «Prospect Theory» som blant annet prøver å forklare hvordan og hvorfor mennesker har et asymmetrisk forhold til potensiell gevinst og potensiell tap. Atferdsfinans kan tenkes å være et viktig bidrag i forståelsen av markedsanomalier som for eksempel ukedagseffekter. 2.5 Kalenderanomalier Begrepet «markedsanomalier» brukes om fenomener i finansielle marked som er inkonsistente med teorien om effisiens og random walk. Det er forsket på forskjellige typer markedsanomalier, og kalenderanomalier har historisk sett blitt viet en god del oppmerksomhet. En kalenderanomali er en markedsanomali som er relatert til tidsaspektet for investeringer. Nedenfor vil vi gi et raskt overblikk over kjente kalenderanomalier som har vært gjenstand for tidligere forskning Januareffekten Januareffekten er kanskje den mest kjente kalenderanomalien. Thaler (1987) drøftet at januar utpeker seg som den måneden i året hvor aksjepriser stiger mest, spesielt for mindre selskaper, og for risikofylte aksjer vil brorparten av risikopremien tilfalle januar. Denne effekten har blitt funnet i USA, men også i en rekke andre land. Gultekin og Gultekin (1983) undersøkte januar-avkastning i 16 land og fant oppsiktsvekkende positive tall i 15 av dem. 11

12 Også nyere forskning har dokumentert januareffekten i USA. Easterday, Senn, Stephan (2009) fant at det har eksistert en januareffekt i perioden 1947 til 2007 i det amerikanske aksjemarkedet for små selskaper. De fant også at denne tendensen ikke har svekket seg over perioden, noe som er et interessant funn fordi informasjon om anomalien burde tilsi at effekten svekkes Månedsskifteeffekten I tillegg til januareffekten er det også funnet andre anomalier som har med måneder å gjøre. Ariel (1987) undersøkte om det fantes avkastningsmønstre knyttet til spesielle tidspunkter i måneden. Han undersøkte Dow Jones Industrial Average (DJIA) i perioden Han delte måneden inn i to deler, hvorpå den første delen startet med den siste dagen i foregående måned. I denne undersøkelsen fant han at avkastningen i den siste halvdelen i måneden i sum er negativ. All avkastning for peioden sett under ett ble kun generert i den første halvdelen. Kanskje mer oppsiktsvekkende var det da Lakonishok og Smidt (1988) undersøkte DJIA i 90- årsperioden mellom De fant at de fire dagene rundt månedsskifte (siste av foregående måned pluss de tre første av neste) gav i gjennomsnitt en akkumulert avkastning på 0.473%, mens en gjennomsnittlig firedagersperiode gav % Helligdagseffekten En annen markedsanomali knyttet til kalenderen er helligdagseffekter. Ariel (1990) undersøkte det amerikanske aksjemarkedet i perioden 1963 til 1982 hvor han så nærmere på den siste handelsdagen før en helligdag gjennom hele perioden. Av 5020 undersøkte dager var 160 av disse slike dager («preholidays»). Han kunne dokumentere at preholidays gav i snitt 0.528%, mens de øvrige dagene gav 0.059%. Videre fant han at standardavviket til preholidays faktisk også var lavere enn de øvrige dagene Intradagseffekten Denne anomalien handler om at ulike tidspunkter på dagen vil generere mer avkastning enn andre tidspunkter. Igjen har dette blitt undersøkt på det amerikanske aksjemarkedet. Harris (1986) kalkulerte kursavkastning for hvert femtende minutt på den aktuelle handelsdagen. Han fant at på alle dager utenom mandag utpekte de første 45 minuttene etter børsens åpningstid seg som meget gode. Sammen med dette fant han at kursene tenderer til å akselerere når markedet nærmet seg stengetid. 12

13 2.6 Mandager Siden vi tar for oss ukedagseffekter i denne oppgaven, er det nærliggende å drøfte vårt syn på mandager. Det synes å være to måter å betrakte mandager på, avhengig av synet på hva som er den avkastningsgenererende tiden i aksjemarkedet. French (1980) aktualiserte problemstillinger knyttet til mandager. Han drøftet hvorvidt det er kalendertiden eller handelstiden som er den avkastningsgenererende tiden. Hva man her legger til grunn har implikasjoner for forventet avkastning på mandager sammenlignet med de andre ukedagene. Legger man til grunn at kalendertiden er det som genererer avkastning, er det naturlig å anta at mandagens avkastning burde forventes å være tre ganger så høy som øvrige ukedager, grunnet at man har bundet kapitalen i til sammen 3 dager gjennom helga. Legger man til grunn at det er børsens åpningstider som er den avkastningsgenererende tiden, vil derimot mandag betraktes på lik linje som de andre dagene, med samme forventede avkastning. Ser man på tidligere empiri hva ukedagsavkastning angår, synes det å være en tendens til at mandag er en dårlig børsdag. Dette taler særlig imot hypotesen om at kalendertiden er den avkastningsgenererende tiden, da man ifølge denne hypotesen altså skulle forventet høyere avkastning på mandager grunnet kapitalbindingen. Med bakgrunn i tidligere empiri og personlig oppfatning av diskusjonen, velger vi å legge handelstidshypotesen til grunn, og dermed behandle mandag på lik linje med øvrige børsdager. Denne måten å betrakte mandager på er også i tråd med den seneste norske forskningen på ukedagseffekter (Holm 2007). 13

14 3. Forskning på ukedagseffekter 3.1 Internasjonal forskning Markedsanomalier har lenge vært gjenstand for omfattende forskning. Så vidt oss bekjent var M. J. Fields den første til å undersøke anomalier knyttet til ukedager. Fields (1931) undersøkte Dow Jones Industrial Average i perioden Han tilbakeviste en antakelse som gikk ut på at folk ville holde likvider i helga, og derfor tenderer til å selge aksjer den siste handelsdagen i uken. Thaler (1987) viser til det neste studiet av ukedagseffekter som ble publisert i Da publiserte Frank Cross en forskningsartikkel hvor han hadde undersøkt avkastning på Standard & Poor (S&P) 500-indeksen i perioden Han viste at indeksen hadde positiv avkastning på 62% av fredagene, og tilsvarende tall for mandagene var 39,5%. Videre fant han at gjennomsnittsavkastningen på fredager var 0,12% mot -0,18% på mandager i den undersøkte perioden. Lakonishok og Smidt (1987) undersøkte sesongavhengige mønstre i DJIA i perioden , og fant konsistent negative mandagsavkastninger (i gjennomsnitt -0,14%). Videre fant de at gjennomsnittsavkastningen på dager før helligdager var hele 0,219% sammenlignet med 0,0094% for den gjennomsnittlige dag. «Preholidays» ga altså over 20 ganger så høy gjennomsnittlig avkastning sammenlignet med en normaldag. Brooks og Persand (2001) undersøkte ukedagseffekter i de sør-koreanske, malaysiske, filipinske, taiwanske og thailandske aksjemarkedet. De kunne ikke finne signifikante ukedagseffekter i Sør- Korea eller Filippinene, men i Thailand og Malaysia fant de at den gjennomsnittlige avkastningen på mandag var signifikant positiv. Dette står i kontrast til tidligere empiriske undersøkelser av andre aksjemarkeder som i stor grad tegner et bilde av mandag som en dårlig børsdag. Regresjonsmetoden brukt i denne forskningsartikkelen var utgangspunktet for Holm (2007) sine undersøkelser av ukedagseffekter i det norske aksjemarkedet (jf, kap. 3.2). 14

15 3.2 Norsk forskning Det er ikke foretatt mye forskning på ukedagseffekter på det norske aksjemarkedet. Holm (2007) er så vidt oss bekjent det nyeste bidraget innen undersøkelser av ukedagseffekter på Oslo Børs. Holm undersøkte tilstedeværelsen av ukedagseffekter på Oslo Børs med vekt på tidsperioden I sin utredning redegjør Holm også for tidligere norsk forskning på dette feltet. Da denne forskningen ikke er tilgjengelig foruten Holm, bruker vi Holm som kilde for gjengivelse av funnene fra tidligere norsk forskning. Det følgende er derfor hentet fra Holms gjengivelser av øvrig norsk forskning; Øystein Strøm undersøkte i perioden ukedagseffekter for enkeltaksjer på Oslo Børs. Strøm fant ingen ukedagseffekt for de 17 mest omsatte aksjene. Gjølberg og Johnsen undersøkte ukedagseffekter for markedsindeksen i perioden De fant at mandager og fredager ga bedre avkastning enn gjennomsnittsdagen, signifikant på 10%-nivå (når mandag blir behandlet likt som alle andre dager). Videre mente Gjølberg og Johnsen å ha funnet en midtukeeffekt, der tirsdag, onsdag og torsdag ga dårlig avkastning. Det siste bidraget innen ukedagsforskning på Oslo Børs før Holm (2007) var Ingvild Johansen (1995). Johansen undersøkte ukedagseffekter med utgangspunkt i Oslo Børs totalindeks i perioden Hun fant en tydelig «helgeeffekt», der mandag ga lavest gjennomsnittlig avkastning og fredag den høyeste. Disse funnene var signifikante ned på 1%- nivå. I Johansens forskningsmetode er mandag for øvrig behandlet likt som alle andre dager. Videre nevnes det at Johansen benyttet seg av aritmetiske avkastningstall, noe som kan synes mindre vanlig enn geometriske avkastningstall i forskning som omhandler historisk avkastning. Johansens resultater: 15

16 Holm (2007) undersøkte forekomsten av ukedagseffekter på Oslo Børs i perioden Han undersøkte indeksene OSEBX, OSEAX og OSESX, og fant at fredag er signifikant bedre enn de øvrige børsdagene. Imidlertid fant ikke Holm at mandag i snitt ga dårligere avkastning enn de øvrige børsdagene, slik Johansen fant i sine studier av tidligere børsperioder. Holm konkluderer med at man ikke kan tilbakevise forekomsten av ukedagseffekter i perioden han undersøkte. Utgangspunktet for Holm sine undersøkelser var artikkelen til Brooks og Persand (2001) som det tidligere er referert til under kap Brooks og Persand brukte regresjonsanalyse som metode i sin forskning på de asiatiske aksjemarkedene, dette er også metoden Holm bruker. Også etter vårt skjønn er regresjonsmetoden en god og egnet metode for analyse av ukedagseffekter, og ble derfor et naturlig metodevalg i denne bacheloroppgaven. Metoden blir beskrevet i detalj i kapittel 4. Holms resultater (gjennomsnittlig geometrisk dagsavkastning) 16

17 4. Metode Vi har ønsket å gjennomføre en undersøkelse med kvantitativ-deskriptivt design da dette faller seg naturlig gitt oppgavens problemstilling. Formålet med vår analyse har vært å finne ut om det har eksistert forskjeller i gjennomsnittsavkastning på Oslo Børs mellom de ulike ukedagene i perioden I lys av tidligere forskning skulle man forvente å gjøre slike funn, men den raske teknologiske utviklingen akkompagnert med stadig lavere transaksjonskostnader taler for en konvergens mot mer effisiente markeder. Vi har brukt Oslo Børs hovedindeks (OSEBX) og Oslo Børs Small Cap Index (OSESX) som grunnlag for å måle de forskjellige dagenes avkastning. Indeksene er analysert hver for seg for å sammenligne eventuelle ukedagseffekter. Dataene er hentet fra i perioden til , hvor daglige sluttkurser er brukt for å beregne avkastning fra dag til dag. Daglige sluttkurser har også blitt brukt for å måle avkastning i tidligere forskning vi har undersøkt. Det er ingen grunn til å tro at man i fremtiden ikke kommer til å ha dataene brukt i analysen tilgjengelig. Forskningsresultatene i denne bacheloroppgaven vil derfor være fullt mulig å gjenskape. Oslo Stock Exchange Benchmark Index * «Oslo Børs Hovedindeks skal være en investerbar indeks som inneholder et representativt utvalg av alle noterte aksjer på Oslo Børs. OSEBX revideres på halvårlig basis og endringene implementeres 1 desember og 1 juni. Verdipapirene i OSEBX er friflytjustert. I perioden mellom revideringsdatoene holdes antall aksjer for hvert indeksmedlem fast, med unntak av kapitaljusteringer med utvanning for eksisterende aksjonærer. OSEBX er justert for utbytte.» Oslo Børs Small Cap Index * «Oslo Børs Small Cap Index består av de 10% lavest kapitaliserte aksjene på Oslo Børs. OSESX revideres på halvårlig basis og endringene implementeres 1 desember og 1 juni. Verdipapirene i OSESX er friflytjustert. I perioden mellom revideringsdatoene holdes antall aksjer for hvert indeksmedlem fast, med unntak av kapitaljusteringer med utvanning for eksisterende aksjonærer. OSESX Indeksen er justert for utbytte» * Definisjonene er hentet fra 17

18 Med «friflytjustert» menes at aksjer som ikke ansees tilgjengelig i markedet er fjernet. I hovedsak betyr dette en korreksjon for statlig eierskap. Eksempelvis er om lag 50% av Telenor ASA eid av den norske stat, og disse verdiene vil følgelig ikke bli inkludert i en friflytindeks. Da vi ser på historiske avkastningstall, faller det seg naturlig å regne avkastning på logaritmisk form framfor det aritmetiske alternativet. Siden vi har analysert avkastning tilbake i tid tegner geometriske avkastningstall det beste bildet av utviklingen (Berk & DeMarzo, 2011), og beregning av avkastning på denne formen blir brukt i mesteparten av tidligere forskning vi har sett på området. Summerer man opp logaritmiske avkastningstall gjennom en periode, får man riktig samlet avkastning. Summerer man aritmetiske avkastningstall på samme måte får man ikke korrekt samlet avkastning som resultat. Vi har brukt følgende formel for beregning av daglig logaritmisk avkastning: K ln Kt t r i * 1 I kapittel 5.1 presenterer vi de historiske avkastningstallene for OSEBX og OSESX. Her har vi beregnet logaritmisk snittavkastning og standardavvik for de ulike dagene og også oppgitt hver ukedags avkastningsbidrag totalt sett. For videre undersøkelser er regresjonsmetoden benyttet. 4.1 Regresjonsmodellene Regresjonsmetoden er benyttet for å teste om de ulike ukedagene påvirker den daglige avkastningen. Vi har valgt å gjennomføre to regresjonsanalyser for hver av indeksene. Regresjonsberegningene er foretatt på den statistiske programvaren «R». Den første modellen er som følger: R t, i 1 2D1t 3D2t 4D3t 5 D4 t u t * Sammenhengen mellom logaritmisk avkastning og avkastning på vanlig form er følgende: K t1 Kt 1 exp ln K1 Kt 1 18

19 Hvor Rt,i er hver enkelte dags avkastning og D1t,, D4t er dummyvariabler for henholdsvis mandag, tirsdag, onsdag og torsdag, med fredag som referansekategori (representert ved konstantleddet 1 ). Den estimerte modellen blir derfor: Rˆ b D4 t, i b1 b2d1 t b3d2t b4d3t 5 t Regresjonskoeffesientene i denne modellen vil tolkes som forskjellen mellom de ulike ukedagenes avkastning sammenlignet med fredagens gjennomsnittlige avkastning. Motivet for å gjennomføre en slik regresjonsanalyse er å kunne undersøke p-verdier for å videre forkaste eller beholde nullhypotesen om at alle dager gir lik avkastning som fredag. Den andre modellen vi har estimert er basert på Holms masteroppgave fra NHH Her tester han de ulike ukedagenes eventuelle anormale avkastning fra den gjennomsnittlige handelsdag i perioden til Dette oppnår man ved å, for hver eneste handelsdag, trekke fra gjennomsnittsavkastning for hele perioden. Gjennomsnittsavkastningen trukket fra avkastningstallene vil derfor være den avhengige variabelen. Slik vil man kunne teste om de ulike ukedagenes avkastning er signifikant forskjellig fra gjennomsnittsdagen. Regresjonsmodellen ser slik ut: R t, j 1D1t 2D2t 3D3t 4D4t 5 D5 t u t Hvor Rt,j er hver enkelte dags avkastning minus den gjennomsnittlige avkastningen i hele perioden, og D1t,,D5t er dummyvariabler for mandag, tirsdag, onsdag, torsdag, og fredag. Den estimerte modellen bli derfor: Rˆ b D5 t, j b1 D1 t b2d2t b3d3 t b4d4t 5 t I denne modellen inngår altså alle fem ukedagene, og for å unngå perfekt multikollinearitet har modellen ikke konstantledd. Regresjonskoeffesientene i en slik modell vil bli tolket annerledes sammenlignet med en modell med en referansekategori (Brooks 2008). Koeffisientene i en modell med en referansekategori tolkes som forskjellen i verdi fra den 19

20 utelatte variabelen (som er konstantleddet). I modellen uten konstantledd vil koeffisientene bli tolket som avvik fra 0. Siden alle avkastningstallene i modellen ovenfor er korrigert for gjennomsnittsdagen vil koeffisientene derimot bli tolket som avvik fra gjennomsnittsdagen. Motivet for å gjennomføre en slik regresjonsanalyse er å undersøke p-verdier for å videre forkaste eller beholde nullhypotesen om at alle dager gir lik gjennomsnittsavkastning R 2 I enkel og multippel regresjon er et mål å finne årsakssammenhenger. Man ønsker å finne ut av hvor mye av variasjonen i en avhengig variabel som blir forklart av variasjonen i modellens uavhengige variabel/variabler. R 2 (og justert R 2 ) er en koeffisient som måler nettopp dette og brukes til å indikere hvor god modellen er til å forklare hvorfor den avhengige variabelen varierer. 2 ESS R TSS Hvor ESS er den variasjonen i avhengig variabel som blir forklart av modellen og TSS er den totale variasjonen til den avhengige variabelen rundt utvalgsgjennomsnittet. I våre modeller vil R 2 være veldig lav. Det er utallige faktorer som påvirker aksjekursers utvikling, og det er derfor ikke uventet at ukedager forklarer veldig lite av fluktuasjonene. Målet vårt har ikke vært å utarbeide en fullgod modell som forklarer børssvingninger, men snarere å se om det er signifikante forskjeller på ukedager. Derfor vil R 2 ikke tillegges nevneverdig vekt. Oppmerksomheten blir heller viet størrelsen på regresjonskoeffisientene og deres fortegn. 20

21 5. Data 5.1 Historisk statistikk Tabell 1.1 OSEBX Gjennomsnittlig Observasjoner Sum log log Std. avvik avkastning avkastning avkastning Mandag ,85 % -0,0505 % 1,8893 % Tirsdag ,91 % 0,0350 % 1,5825 % Onsdag ,14 % 0,0491 % 1,5739 % Torsdag ,42 % 0,0212 % 1,6674 % Fredag ,98 % 0,0638 % 1,5759 % SUM ,59 % I tabell 1.1 har vi oppgitt gjennomsnittlig avkastning, standardavvik og summert avkastning på logaritmisk form for OSEBX i den undersøkte perioden. Beregningene er foretatt på MS Excel. Mandag er den eneste dagen som har hatt negativ gjennomsnittavkastning i perioden. Standardavvikene som brukes som mål på risiko kan synes noe oppsiktsvekkende om man sammenligner mandag og fredag. Mandag som har hatt den laveste gjennomsnittlige dagsavkastningen har også hatt høyest standardavvik blant de fem dagene. Fredag har derimot hatt det nest laveste standardavviket til tross for at fredagene har gitt den høyeste gjennomsnittlige avkastningen i perioden. Dette strider imot den økonomiske tankegangen om at risiko og avkastning skal gå i samme retning, og er et bemerkelsesverdig funn. 700,00 600,00 500,00 400,00 300,00 200,00 100,00 0,00 OSEBX 21

22 Tabell 1.2 OSESX Gjennomsnittlig Observasjoner Sum log log Std. avvik avkastning avkastning avkastning Mandag ,81 % -0,0911 % 1,2981 % Tirsdag ,64 % -0,0794 % 1,1227 % Onsdag 512 8,18 % 0,0160 % 1,0316 % Torsdag 492 1,65 % 0,0033 % 1,1402 % Fredag ,62 % 0,1709 % 1,0057 % SUM ,00 % Tabell 1.2 viser tilsvarende tall for OSESX som for OSEBX i tabell 1.1. I perioden har mandag og tirsdag hatt en negativ gjennomsnittsavkastning. Som for OSEBX ser vi at mandag har hatt det høyeste standardavviket, og for OSESX har fredag hatt det laveste standardavviket. På tross av å ha det laveste standardavviket har fredag hatt den høyeste snittavkastningen. Altså ser man samme tendenser i OSESX som i OSEBX, og effektene synes forsterket ,00 900,00 800,00 700,00 600,00 500,00 400,00 300,00 200,00 100,00 0,00 OSESX 22

23 Diagram 1.1 0,2000 % Gjennomsnittsvkastning på logaritmisk form, ,1500 % 0,1000 % 0,0500 % 0,0000 % -0,0500 % -0,1000 % -0,1500 % OSEBX OSESX 23

24 6. Resultater I det følgende presenterer vi resultatene fra regresjonsanalysene på begge indekser. Modell 1.1 OSEBX Dependent variable: OSEBX Mandag ( ) Tirsdag ( ) Onsdag ( ) Torsdag ( ) Constant ( ) Observations 2,509 R Adjusted R Residual Std. Error (df = 2504) F Statistic (df = 4; 2504) Note: * p<0.1; ** p<0.05; *** p<0.01 ( ) = Std. Error I denne modellen er fredag referansekategori, og de øvrige ukedagene figurerer som dummyvariabler. Koeffisientene for hver ukedag representerer ukedagens avkastning sammenlignet med fredag. For denne modellen ligger nullhypotesen om at alle dager gir lik avkastning som fredag til grunn Koeffisientene er alle negative, så modellen predikerer at alle dager gir dårligere avkastning enn fredag, men ingen av funnene er signifikante. Følgelig kan ikke nullhypotesen om at fredag gir lik avkastning som de øvrige dagene forkastes. 24

25 Modell 1.2 OSESX Dependent variable: OSESX Mandag *** ( ) Tirsdag *** ( ) Onsdag ** ( ) Torsdag ** ( ) Constant *** ( ) Observations 2,509 R Adjusted R Residual Std. Error (df = 2504) F Statistic *** (df = 4; 2504) Note: * p<0.1; ** p<0.05; *** p<0.01 ( ) = Std. Error Modellen over er lik Modell 1.1, bare med bruk av OSESX avkastningstall som avhengig variabel. Her er funnene noe annerledes enn for OSEBX. Vi ser at alle ukedagene gir signifikant mindre avkastning enn fredag. Dermed kan nullhypotesen om at alle ukedager gir lik avkastning som fredag forkastes (5% signifikans nivå for onsdag og torsdag, 1% for mandag og tirsdag). 25

26 Modell OSEBX Dependent variable: OSEBXavg Mandag ( ) Tirsdag ( ) Onsdag ( ) Torsdag ( ) Fredag ( ) Observations 2,509 R Adjusted R Residual Std. Error (df = 2504) F Statistic (df = 5; 2504) Note: * p<0.1; ** p<0.05; *** p<0.01 ( ) = Std. Error Formålet med denne modellen er å undersøke hvorvidt noen av ukedagene gir signifikant forskjellig avkastning fra den gjennomsnittlige avkastning per dag gjennom hele perioden. Nullhypotesen som ligger til grunn er altså at hver dag gir lik gjennomsnittsavkastning. Funnene våre fra OSEBX antyder at det har eksistert avvik fra gjennomsnittet for ulike ukedager, men ingen tall er signifikante. Derfor kan vi ikke forkaste nullhypotesen om at alle dager gir lik gjennomsnittlig dagsavkastning for OSEBX i den undersøkte perioden. 26

27 Modell OSESX Dependent variable: OSESXavg Mandag * ( ) Tirsdag * ( ) Onsdag ( ) Torsdag ( ) Fredag *** ( ) Observations 2,509 R Adjusted R Residual Std. Error (df = 2504) F Statistic *** (df = 5; 2504) Note: * p<0.1; ** p<0.05; *** p<0.01 ( ) = Std. Error For OSESX viser mandag og tirsdag seg som dårligere enn gjennomsnittsdagen, dog er dette bare signifikant på 10%-nivå. Fredag har gitt signifikant forskjellig avkastning fra gjennomsnittsdagen (p<0.01). Dermed kan nullhypotesen om at alle dager gir lik snittavkastning forkastes for OSESX i den undersøkte perioden. b5=0.1669, betyr at fredager er predikert til å gi en avkastning på 0.17 prosentpoeng mer enn gjennomsnittlig avkastning. 27

28 7. Konklusjon Regresjonsanalysene tegner interessante bilder av OSEBX og OSESX. Tendensene vi finner på OSEBX er like som for OSESX, men det er bare for OSESX at tallene er signifikante. Funnene om at ulike ukedager er signifikant forskjellig fra fredag, og at ulike ukedager er signifikant forskjellig fra gjennomsnittsdagen er interessante. Dette står som et motstykke til teorien om effisiente markeder, selv om nyere definisjoner på effisiente markeder dog tillater visse funn uten at man går på akkord med effisienstankegangen. Tar man med viktige faktorer som transaksjonskostnader er det ikke sikkert at det har vært mulig å utnytte de tilsynelatende anomaliene til å skape meravkastning, og således vil nyere definisjoner på effisiens fortsatt stå seg gjennom større prøvelser. Den nyeste forskningen vi har funnet angående ukedagseffekter på Oslo Børs er som tidligere nevnt Holm (2007). Holm konkluderer med at han ikke kan påstå at ukedagseffekter har forsvunnet i perioden han undersøkte Oslo Børs. Basert på våre analyser og funn blir vår konklusjon den samme. I perioden til har vi avdekket signifikante ukedagseffekter for OSESX og også tilsvarende mønstre for OSEBX, selv om tallene for sistnevnte indeks dog ikke er statistisk signifikante. Fredag viser seg å være den beste børsdagen, et funn som samsvarer med Holm (2007) sine undersøkelser fra tidligere børsperioder. 7.1 Forklaringer til funnene Årsakene og mekanismene som ligger bak våre anomali-funn er komplekse og sammensatte. I det følgende vil vi presentere mulige aspekter som kan være med på å forklare våre funn De individuelle investorer Abraham og Ikenberry presenterte i 1994 mulige forklaringer på hvordan individuelle investorers handlemønster gir seg utslag i ukedagseffekter. Med individuelle investorer siktes det til private aktører som investerer på vegne av seg selv, og ikke i en institusjonell sammenheng. Abraham og Ikenberry argumenterer for at individuelle investorer tenderer til å selge mest aksjer på mandager, for deretter å selge mindre utover i uken. Dette bidrar til et negativt press på mandager, og gradvis bedre børsdager utover i uken. 28

29 7.1.2 Kostnader ved informasjonsbehandling Lakonishok og Maberly (1990) utarbeidet en hypotese som søkte å forklare individuelle investorers atferd. Denne hypotesen tar utgangspunkt i at kostnaden ved informasjonsbehandling er større i perioden mandag-fredag sammenlignet med helgen. På hverdager har folk flest andre gjøremål og ting å tenke på enn å vurdere sine aksjeporteføljer, og helga representerer et avbrekk fra hverdagen der individuelle investorer får et pusterom til å tenke på aksjene sine. Den børsrelaterte informasjonen som investorene prosesserer gjennom helga gir seg utslag i økt handelsaktivitet på mandager. Det argumenteres imidlertid for at grublingen gjennom helga er «salgs-biased», noe som gir seg utslag i økt salgsvolum på mandagene Kjøpsanbefalinger Miller (1988) drøfter megleres og analytikeres innvirkning på individuelle investorer. Han argumenterer for at kjøpsanbefalinger gis oftere enn salgsanbefalinger, og brorparten av disse kjøpsrelaterte rådene kommer i løpet av handelsuken. Av den grunn vil private investorer ha mer kjøpsinsentiv gjennom uken og derfor være mer innstilt på å kjøpe enn å selge. I helgen vil megler-kanalen være stengt, og investorer vil ha tid til å vurdere posisjonen sin selvstendig. Resultatet skal ifølge Miller bli at man ender opp med salgsinsentiver i helgen. Dyl og Maberly finner i tillegg i sin undersøkelse i 1988 at selskaper har en tendens til å holde igjen negative nyheter til etter børsukens slutt. I lys av hypotesen om individuelle investorers atferd, er det ikke ulogisk at våre funn fra OSESX er sterkere enn for OSEBX. Individuelle investorer må antas å stå for en større andel av handelen i mindre selskaper sammenlignet med børsen som helhet, og følgelig får deres atferd større innvirkning på kursutviklingen til OSESX-indeksen sammenlignet med OSEBX Oppgjørsdager Et annet aspekt som også omhandler private investorer og kan gi utslag i ukedagseffekter er oppgjørsdagene. Med oppgjørsdager siktes det til dagene et aksjesalg kan cashes ut i likvider. I 2014 gikk Oslo Børs fra et «T+3»-system til et «T+2»-system når det gjelder oppgjørsdager *. Dette innebærer at investorer skal få oppgjøret for en aksjehandel to dager etter at handelen fysisk skjedde. Selger man aksjer på mandag, skal likvidene fra dette salget være tilgjengelig for bruk på onsdag. Denne «laggen» fra transaksjonstidspunkt og til midlene * 29

30 blir disponible for videre bruk kan muligens gi et insentiv til å selge aksjer tidligere enn man ellers hadde gjort. Særlig private investorer kan tenkes å plassere salgordre av hensyn til likviditetsbehov, for eksempel i form av behov for cash i helga (Holm 2007). For å ha pengene fra et aksjesalg tilgjengelig på fredag, må salget altså foretas på onsdag. Dette oppgjørssystemet kan muligens bidra til at mandag, tirsdag og onsdag blir de mest hyppige salgsdagene for private investorer, noe som isolert skaper et negativt kurspress på disse dagene Omsetningsvolum Omsetningsvolum kan også tenkes å være en medvirkende årsak til mandagseffekten. Jain og Joh (1988) fant at av totalt ukentlig handelsvolum på NYSE var omtrent 90% av det gjennomsnittlige handelsvolumet fra tirsdag til fredag. Dette kan ha med å gjøre at institusjonelle investorer har en tendens til å handle mindre på mandager. Osborne (1962) foreslår at institusjonelle aktører benytter mandager til å planlegge uken fremfor å handle. Hvis dette er tilfellet vil en større andel av den totale omsetningen bestå av privat-investorers handler sammenlignet med ukens øvrige dager. Salgsdominert ordreflyt fra privatpersoner sammen med svekket likviditet fra institusjonelle aktører kan dermed være ett kjennetegn for mandager (Abraham og Ikenberry 1994). Disse aspektene kan være med på å forklare våre signifikante funn på OSESX. 30

31 7.1.6 Atferdsøkonomiske faktorer I våre øyne er psykologiske faktorer det mest interessante forklaringselementet tilknyttet ukedagseffekter. Her tar man utgangspunkt i et atferdsøkonomisk tankegods for å gå funnene nærmere etter i sømmene. Vår oppfatning er at dette voksende fagfeltet har mye å bidra med nettopp når det gjelder anomalier. Tradisjonelt har det kanskje vært vanligst å søke å forklare anomalier med rasjonelle mekanismer, som for eksempel investorers sensitivitet til oppgjørsdager. Imidlertid kan det godt være at vel så gode årsaksvirkninger kan finnes i forklaringer som tar utgangspunkt i menneskelig irrasjonalitet. Humør, sinnsstemninger og persepsjon hos mennesker kan betraktes som irrasjonalitet, noe som kan være plausible påvirkningsfaktorer i finansmarkedene. Vår subjektive mening er at menneskelig psykologi tradisjonelt har blitt tillagt alt for liten vekt i tilknytning til markedsanomalier. Det psykologiske fagfeltet har omfattende dokumentasjon på menneskelig irrasjonalitet og «biases» som for eksempel har direkte implikasjoner for valg vi tar. At forutsetningen om rasjonalitet i økonomifaget på tross av dette har stått såpass sterkt, og fortsatt gjør det, er noe vi konstaterer med en viss undring. Det er dokumentert at humør påvirker menneskers persepsjon, oppfatninger og dermed beslutningstaking (De Vries, Holland, Corneille, Rondeel og Witteman, 2012). Videre har man lenge vært fasinert over hvordan humøret kan svinge gjennom uken. Det er en utbredt antakelse at starten på uken er noe ubehagelig og at helgen blir møtt med en mer positiv holdning, derav populære uttrykk som «Blue Monday» og «Thank God It s Friday». Det er gjort en rekke empiriske undersøkelser på sammenhengen mellom ukedag og humør. Larsen og Kasimatis (1990) fant for eksempel at det er en sterk ukentlig rytme i dag-til-dag humør. De undersøkte amerikanske studenter og dokumenterte en klar forskjell i humør avhengig av hvilken ukedag det var. Fredag og lørdag var ikke overraskende dagene hvor de undersøkte hadde best humør, mens mandag og tirsdag var dagene med minst glede. Overnevnte funn kan ha implikasjoner for menneskelig atferd også i en finansiell kontekst. Kaustia og Rantapuska (2015) undersøkte om investorers humør påvirket handelsatferd i det finske aksjemarkedet. Proxyene de brukte for å måle humør var antall timer med dagslys og lokalt vær, begge medisinske valide humør-proxyer. De fant at vær-indusert humør ikke hadde en signifikant påvirkning på handelsmønstre, selv om de dog fant en korrelerende tendens mellom humør og handelsatferd. Imidlertid har det tidligere blitt funnet signifikante sammenhenger mellom været og aksjemarkedet. Hirshleifer og Shumway (2003) undersøkte 31

32 26 børser i perioden , og fant at solskinn var signifikant positivt korrelert med daglig avkastning. Det er grundig dokumentert at solskinn har en positiv innvirkning på humør (f.eks. Glimcher og Tymula, 2015), og det er derfor rimelig å anta at meravkastning på solskinnsdager kan relateres til investorers gode humør. I 2014 publiserte Bakar, Siganos og Vagenas-Nanos en forskningsartikkel som tok utgangspunkt i investorers humør og sinnsstemning som forklaringsvariabel til mandagseffekten. De la altså den såkalte «blue Monday» - hypotesen til grunn for å forklare mandagers dårlige avkastning. For å måle humør benyttet de seg av Facebooks mood-indeks i 20 aksjemarkeder, og fant empirisk støtte for at humør er en driver for mandagseffekten. Da de justerte for humør, så mandagseffekten ut til å forsvinne. Videre fant de at mandagseffekten er sterkest på mindre selskaper, der private investorer relativt sett handler mest. Antagelsen om at privatpersoner blir mer påvirket av humørsvingninger enn institusjonelle aktører blir derfor underbygget av dette funnet. Funnene våre på OSESX bryter ikke med hypotesen om at ukedags-induserte humørsvingninger påvirker investorers atferd. Starten av uka er signifikant dårligere enn gjennomsnittsdagen og fredag er den beste dagen. 32

33 8. Litteraturliste Artikler: Abraham, A og Ikenberry, D (1994), The individual investor and the weekend effect, Journal of Financial and Quantitative Analysis, 29 (2), Ariel, R (1987), A Monthly Effect in Stock Returns, Journal of Financial Economics, 18, (1), Ariel, R (1990), High Stock Returns before Holidays: Existence and Evidence on Possible Causes, The Journal of Finance, 45 (5), Bakar, A, Siganos, A og Vagenas-Nanos, E (2014), Does Mood Explain the Monday Effect?, Journal of Forecasting, Brooks, C. & Persand, G. (2001), Seasonality in Southeast Asian stock market: some new evidence on day-of-the-weekeffect, Applied Economics Letters, 8 (3), Cross, F. (1973), The Behaviour of Stock Prices on Fridays and Mondays, Financial Analyst Journal, November- December, De Vries, M, Holland, R, Corneille, O, Rondeel, E, og Witteman, C, (2014) Mood Effects on Dominated Choices: Positive Mood Induces Departures from Logical Rules, Journal of Behavioral Decision Making, 25, Dyl, E og Maberly, E A Possible Explanation of the Weekend Effect, Financial Analysts Journal, 44 (3), Easterday, K & Sen, P & Stephan, J (2009), The persistence of the small firm/january effect: Is it consistent with investors learning and arbitrage efforts?, The Quarterly Review of Economics and Finance, 49 (3), Fama, E (1965), Random Walks In Stock Market Prices, Financial Analysts Journal, 21 (5), Fama, E (1970), Efficient Capital Markets: A review of theory and empirical work, Journal of Finance 25(2), Fama, E. & French, K. (2004), The Capital Asset pricing model: Theory and evidence, Journal of economic perspectives, 18 (3), Fields, M. J. (1931), Stock Prices: A problem in verification, The Journal of Business og the university of Chicago, 4 (4), French, K. (1980), Stock returns and the weekend effect, Journal of Financial Economics, 8, Grossman, S and Stiglitz, J (1980), On the Impossibility of Informationally Efficient Markets, The American Economic Review, 70 (3)