August ForsellThomas Paal

Handledare: Joachim Landström

Investerares reaktion på positiva vinstvarningar - En studie om CSR-arbetes påverkan

Kandidatuppsats 15 hpFöretagsekonomiska institutionenUppsala universitetHT 2020

Datum för inlämning: 2021-01-15

Sammanfattning Denna studie undersöker den initiala abnormala avkastningen som uppstår av positiva

vinstvarningar på den svenska och finska marknaden mellan åren 2017-2020. Studien

undersöker om företags arbete med CSR-relaterade frågor, mätt utifrån ett ESG-poäng,

påverkar den abnormala avkastningen som uppstår vid en positiv vinstvarning. Studien

tillämpar en eventstudie med 66 observationer för att studera den abnormala avkastningen

runt dagen för publiceringen. En regressionsanalys används för att undersöka sambandet

mellan den abnormala avkastningen och företagens ESG-poäng. Studien finner en signifikant

initial abnormal avkastning vid en positiv vinstvarning. Studien finner däremot inte att

ESG-poäng har en signifikant negativ effekt på den abnormala avkastningen vid positiva

vinstvarningar. Studien kan därmed inte visa att företag som har en högre ESG-poäng och

jobbar mer med CSR-relaterade frågor får en lägre abnormal avkastning när de publicerar en

positiv vinstvarning.

Nyckelord: Positiv vinstvarning, CSR-arbete, abnormal avkastning, eventstudie, svenska och

finska marknaden.

Innehållsförteckning 1. Inledning 3

1.1 Syfte 5 1.2 Disposition 5

2. Teoretiskt ramverk 6 2.1 Effektiva marknadshypotesen 6 2.2 Vinstvarningar 7

2.2.1. Positiva vinstvarningar 8 2.3 CSR och vinstvarningar 9

3. Metod 11 3.1 Data 11 3.2 Metodens struktur 12

3.2.1 ESG 13 3.2.2 Kumulativ abnormal avkastning (CAR) 14

3.2.2.1 Mätfönster 15 3.2.3 Kontrollvariabler 16

4. Empiri och Analys 19 4.1 Abnormal avkastning vid positiva vinstvarningar 19 4.2 Deskriptiv statistisk 20 4.3 Test för samband mellan ESG och abnormal avkastning 21 4.4 Multikollinearitet 23

5. Slutsats 25

6. Begränsningar och framtida forskning 27

7. Referenser 29 7.1 Lagar 33

8. Appendix 34 8.1 Lista på observationer 34 8.2 Variabler från Eikon 36 8.3 T-test för eventstudien 37 8.4 Tabeller som påverkades av borttagandet av extremvärdena 38

1

1. Inledning Det råder en allmän uppfattning mellan forskare, investerare och företagsledningar att

uttalanden angående vinstinformation kan påverka ett företags marknadsvärde (Brown, 1978;

Jackson & Madura, 2003; Abdullah et al., 2015). Om ett företag publicerar positiv eller

negativ vinstinformation som är överraskande för marknaden så kan investerare omvärdera

företaget och korrigera dess marknadsvärde (Rennekamp, 2012). Innan 2007 fick svenska

företag välja vilken vinstinformation de ville publicera till marknaden, utanför

kvartalsrapporterna. Vid 2007 ändrades dock detta när lagen om värdepappersmarknaden

infördes vilken säger att noterade svenska företag måste publicera privat information löpande

om de tror att det kan påverka dess marknadsvärde (SFS 2007:528) En liknande lag infördes

senare i Finland 2012 (Värdepappersmarknadslagen 746/2012). Sedan dess har det därför

funnits större incitament till att publicera vinstinformation på dessa marknader och nu under

2020 specifikt har mängden vinstinformation som publicerats ökat (Ekblom, 2020). Det finns

flera faktorer som kan påverka hur starkt marknaden reagerar på publicering av

vinstinformation (Church & Donker, 2010). Ett företags egenskaper som till exempel dess

storlek, belåningsgrad och nyckeltal har en effekt på marknadsreaktionen (Collett, 2004;

Church & Donker, 2010). Vilka faktorer som påverkar reaktionen vid publicering av

vinstinformation är därför viktigt att förstå ur en investerares perspektiv och därför

undersöker denna studie en sådan faktor.

Denna uppsats behandlar vinstvarningar vilket är en form av vinstinformation.

Vinstvarningar inträffar, till skillnad från annan vinstinformation, oregelbundet och

oförutsägbart över tiden (Spohr, 2014). Antalet artiklar som har studerat specifikt negativa

vinstvarningar har ökat exponentiellt sedan 90-talet (Alves et al., 2009). Negativa

vinstvarningar är uttalanden om att företagets resultat kommer att negativt skilja sig från

marknadens förväntningar (Spohr, 2014). Motsatsen till negativa vinstvarningar är positiva

vinstvarningar som istället är uttalanden om att företagets resultat kommer att positivt skilja

sig från marknadens förväntningar (Spohr, 2014).

Till skillnad från negativa vinstvarningar är positiva vinstvarningar inte lika mycket studerat.

Enligt Spohr (2014) finns det endast två kollegialt granskade artiklar som studerat positiva

vinstvarningar, hans egen inkluderad. Spohr menar att den första studien att undersöka

positiva vinstvarningar var Collett (2004). Collett finner att en publikation av en positiv

2

vinstvarning ger en initial abnormal avkastning på 4.28%. Spohr utvecklade Colletts studier

och valde att studera positiva vinstvarningar på Nasdaq OMX Nordic mellan 2005 och 2011.

Spohr finner, likt Collet, att företag som rapporterar positiva vinstvarningar får en initial

abnormal avkastning som är högre än marknadsavkastningen, i hans studie 4.78% högre.

Efter att ha granskat olika akademiska tidskrifter lyckas inte vi heller hitta fler studier inom

detta område. Utifrån att antalet akademiska artiklar som studerat positiva vinstvarningar är

så pass få går det att konstatera att kunskapen inom området fortfarande är begränsad. På

grund av att det publicerades exceptionellt många positiva vinstvarningar under 2020 jämfört

med tidigare år (Ekblom, 2020) anser vi att det är av intresse att studera detta närmare.

Positiva och negativa vinstvarningar är lika till sin natur. Båda typerna av vinstvarningar är

oförutsägbara och kan publiceras när som helst (Spohr, 2014). Företag tjänar på att publicera

både positiva och negativa vinstvarningar istället för att överraska marknaden på

rapportdagen. Om ett företags resultat positivt(negativt) skiljer sig från marknadens

förväntningar så är marknadsreaktionen större(mindre) om företaget publicerar en

vinstvarning innan rapportdagen relativt om vinstinformationen publiceras för första gången i

en kvartalsrapport (Spohr, 2014; Dayanandan et al., 2018). De samband som funnits för

negativa vinstvarningar är därmed också av intresse att studera för positiva vinstvarningar.

Ett område där kunskapen om positiva vinstvarningar fortfarande är låg, men där samband

funnits för negativa vinstvarningar, ligger inom Corporate Social Responsibility (CSR)

forskning. Dayanandan et al. (2018) undersöker i sin artikel om arbete med CSR-relaterade

frågor påverkar negativa vinstvarningarnas effekt på aktieavkastningen. Dayanandan et al.

teoretiserar och visar att effekterna av en negativ vinstvarning minskar, att aktiepriset faller

mindre, för företag som engagerar sig i CSR-relaterade frågor, härefter kallat CSR företag. Så

vitt vi har kunnat upptäcka finns det ingen motsvarande studie till Dayanandan et als.

forskning för positiva vinstvarningar. Det existerar därmed ett forskningsgap gällande

sambandet mellan arbete med CSR-relaterade frågor och positiva vinstvarningars effekt på

aktiemarknaden.

1.1 Syfte

Syftet med uppsatsen är att undersöka vilken effekt ett företags arbete med CSR-relaterade

frågor har på positiva vinstvarningars påverkan på aktieavkastningen.

3

1.2 Disposition

Dispositionen av denna studie börjar med ett teoretiskt ramverk i kapitel 2 som beskriver

relevant teoretisk bakgrund och utmynnar i en testbar hypotes som konkretiserar syftet.

Kapitel 3 beskriver hur studien går tillväga för att testa hypotesen och kapitel 4 presenterar

resultaten och besvarar syftet. Studien avslutas med en sammanfattning i kapitel 5 samt

diskussion om studiens begränsningar och förslag till framtida forskning i kapitel 6.

4

2. Teoretiskt ramverk

2.1 Effektiva marknadshypotesen Eftersom denna studie studerar marknadsreaktioner är det därmed relevant att beskriva hur

marknaden enligt teorin reagerar på publicering av ny information. Nedan följer därmed en

genomgång av den effektiva marknadshypotesen (EMH).

EMH teoretiserar över hur mycket information som vid någon tidpunkt reflekteras i

aktiepriset på den finansiella marknaden (Fama, 1970). Utifrån tidigare teoretiska och

empiriska artiklar presenterar Fama (1970) tre underkategorier till EMH, rangordnade utifrån

vilken grad av information som marknaden har tillgång till, alltså hur effektiv marknaden är.

Underkategorierna är svag form, semi-starka form samt stark form. Enligt den svaga formen

är all historisk information om pris- och avkastningssekvenser inprisat i aktiepriset. Enligt

den semi-starka formen är all publik information inprisad i aktiepriset. Slutligen så ska all

information enligt den starka formen vara inprisad i aktiepriset och det är därmed inte möjligt

att göra någon abnormal avkastning. Den starka formen menar således att alla investerare har

tillgång till all värdeviktig information.

Om marknaden är stark enligt denna teori bör publicering av vinstvarningar inte få någon

effekt på aktiemarknaden överhuvudtaget. All privat information som en vinstvarning bär

med sig bör redan vara inprisad i aktiepriset och ingen abnormal avkastning inträffar. Kothari

(2001) finner dock i sin studie att marknaden agerar som om den är semi-stark vilket också är

ett antagande vi gör i vår uppsats för den finska och svenska marknaden eftersom tidigare

studier har funnit att marknaden reagerar på vinstvarningar (Spohr, 2014; Dyanandan et al.,

2018).

Om någon marknadspart besitter mer värderelevant information än resten av marknaden

kallas detta för informationsasymmetri (Bharath, 2009). I EMH:s semi-starka form förutsätts

det att en viss nivå av informationsasymmetri existerar på marknaden. Under förhållanden av

informationsasymmetri inser de investerare som besitter lite information, relativt andra

marknadspartner, att de inte kan fatta fullt informerade beslut (Easley & O’Hara, 2004).

Investerare som besitter mindre information att basera sin investering på har en

informationsrisk att ta hänsyn till. Dessa investerare kräver därmed en högre aktieavkastning

5

från företag som de uppfattar har en hög informationsasymmetri vilket innebär att de

företagen även får en högre kapitalkostnad och lägre marknadsvärde (Easley & O’Hara,

2004).

2.2 Vinstvarningar

Ett konkret sätt att minska informationsasymmetrin mellan företag och investerare är genom

vinstvarningar (Church & Donker, 2010). Vinstvarningar minskar informationsasymmetrin

eftersom de presenterar vinstinformation om företagen som tidigare varit okänt för

investerare. Att göra en vinstvarning får således investerare att värdera ned

informationsrisken (Jackson & Madura, 2003) vilket även minskar kapitalkostnaden.

Investerare föredrar därmed vinstvarningar, oavsett om varningen är positiv eller negativ,

framför en överraskning när det verkliga resultatet rapporteras (Spohr, 2014; Dayanandan et

al., 2018). Ett företags aktiekurs får vid en negativ varning ett aktiefall som är mindre än

företag som överraskar marknaden på rapportdagen (Dayanandan et al., 2018). Motsvarande

samband gäller även för positiva vinstvarningar då aktiekursen kommer att öka mer för

företag som publicerar positiva vinstvarningar jämfört med företag som inte gör det, allt

annat lika (Spohr, 2014).

När det kommer till hur stor marknadsreaktionen blir efter en varning, mätt i abnormal

avkastning, är mängden forskning väldigt skevt fördelad mellan positiva och negativa

varningar. Negativa vinstvarningar är klart överrepresenterade i publicerad forskning relativt

positiva vinstvarningar. Studier som studerar negativa vinstvarningar är eniga om att en

negativ vinstvarning leder till ett fall i aktiekursen medan de få studier som studerar positiva

vinstvarningar finner att varningen leder till att aktiepriset ökar, presenterat i Tabell 1 och 2.

Tabell 1. Tidigare studier som presenterar den kumulativa abnormala avkastningar av negativa vinstvarningar på kort sikt.

6

Författare Marknad CAR Antal Observationer Period

Collett (2004) Storbritannien -15,10% 756 1995-2001

Jackson & Madura. (2003) USA -14,72% 245 1998-2000

Alves et al. (2009) Europa -10,89% 1357 1997-2007

Dayanandan et al. (2018) USA -10,43% 3879 1995-2012

Tucker (2007) USA -6,40% 3869 1996-2003

Spohr (2014) Norden -6,09% 356 2005-2011

2.2.1. Positiva vinstvarningar Collett (2004) finner i sitt dataurval från Storbritannien att positiva vinstvarningar

förekommer hälften så ofta som negativa vinstvarningar. Skinner (1994) resonerar att detta

kan vara en konsekvens av att företag tror att de kommer bli mer straffade om de

underpresterar marknadsförväntningarna än vad de förväntar sig att bli belönade om de

överpresterar marknadsförväntningarna. Som presenterat i Tabell 1 och 2 finns det grund för

detta argument då det är tydligt att marknadsreaktionerna för positiva vinstvarningar är lägre,

mellan 1.69 till 10,82 procentenheter lägre, än marknadsreaktioner för negativa

vinstvarningar, mätt i absoluta tal. Att positiva vinstvarningar genererar en mindre

marknadsreaktion relativt negativa vinstvarningar kan bero på att investerare reagerar

starkare på negativa nyheter än positiva (Taylor, 1991).

Som nämnt i inledningen är positiva vinstvarningar inte endast mer sällsynt i praktiken utan

också i forskningen. De enda kollegialt granskade artiklarna vi finner som studerar

marknadsreaktionen av positiva vinstvarningar är Collett (2004) och Spohr (2014). Som

presenteras i Tabell 2 finner både Collett och Spohr att den initiala kumulativa abnormala

avkastningen (CAR) ökar vid publikation av en positiv vinstvarning trots att författarna

studerar olika marknader under olika perioder. Till skillnad från negativa vinstvarningar, som

genererar abnormal avkastning upp till fyra dagar efter eventet (Collet, 2004; Spohr, 2014),

finner Spohr att positiva vinstvarningar endast genererar en signifikant abnormal avkastning

på själva eventdagen.

Tabell 2. Tidigare studier som presenterar den kumulativa abnormala avkastningen på kort sikt efter positiva

vinstvarningar.

2.3 CSR och vinstvarningar

Två huvudsakliga synsätt delar idag forskningen kring om arbete med CSR-relaterade frågor

ökar ett företags marknadsvärde eller ej (Manchiraju & Rajgopla, 2017). Manchiraju och

Rajgopla resonerar att den ena sidan förespråkar att CSR-arbete inte ökar ett företags

marknadsvärde och menar att ett företags enda ansvar är att öka aktieägarvärdet samt att all

7

Författare Marknad CAR Antal Observationer Period

Collett (2004) Storbritannien 4,28% 512 1995-2001

Spohr (2014) Norden 4,78% 118 2005-2011

form av investering i CSR-arbete är onödiga kostnader. Enligt Manchiraju och Rajgopla

argumenterar förespråkarna av den andra sidan att CSR-arbete och engagerande av olika

intressenter kan leda till effekter som på olika sätt ökar marknadsvärdet. Vilket synsätt som

bäst speglar verkligheten är fortfarande debatterat och inga tydliga svar existerar ännu (Sun et

al., 2018).

Det finns studier som tyder på att CSR-arbete är värderelevant. Dhaliwal et al. (2014) finner

exempelvis att CSR-arbete är associerat med en lägre kostnad för eget kapital och därmed

högre ett marknadsvärde. Det finns olika argument till varför marknadsvärde kan öka av

CSR-arbete. Cho et al. (2013) och Cui et al. (2016) resonerar att ett argument bakom detta

samband är att informationsasymmetrin är lägre hos CSR-företag. Att

informationsasymmetrin mellan företag och investerare skulle vara lägre argumenteras vara

till följd av att CSR-företag löpande förser sina intressenter med mer information vilket leder

till en mindre informationsrisk och en lägre kapitalkostnad (Kim et al., 2012). En ytterligare

källa som påstår sig finna ett signifikant samband mellan CSR arbete och högre

marknadsvärde till följd av lägre informationsasymmetri är De Klerk et al. (2015).

De Klerk et al. (2015) finner ett positivt samband mellan hur väl företag jobbar med

CSR-relaterade frågor och dess aktiepris. Författarna argumenterar att företag som publicerar

CSR information minskar informationsasymmetrin mellan företaget och investerarna.

Gemensamt för samtliga av studierna som finner att CSR engagemang är kopplat till högre

marknadsvärde är att de har endogenitetsproblem (Margolis et al., 2009). Att ett företag med

lägre kapitalkostnad, och därför högre marknadsvärde, också engagerar sig mer i

CSR-relaterade frågor kan lika gärna bero på att högre värderade företag har mer resurser att

lägga på CSR-engagemang. Det finns således en möjlighet till omvänd kausalitet i dessa

studier och därför går det inte att med någon av de tidigare presenterade studierna konstatera

ett kausalt samband. Medvetna om endogenitetsproblemet grundar vi vår hypotes på dessa

studier som finner lägre informationsasymmetri för CSR-företag men vi tar

endogenitetsproblemet i beaktning vid diskussion av studiens resultat.

Om företag med större engagemang i CSR-relaterade frågor har lägre informationsasymmetri

bör därmed mer information vara inprisad i dessa företags aktiepris. När ett CSR företag

publicerar en positiv vinstvarning bör mängden ny information som blir tillgänglig för

marknaden tendera att vara mindre relativt företag som inte engagerar sig i dessa frågor. En

8

mindre mängd ny information och således en mindre överraskning från positiva

vinstvarningar bör då leda till mindre marknadsreaktioner vilket överensstämmer med Kim

och Verrechias (1991) upptäckter. Resonemanget stödjer även Dayanandan et als. (2018)

resultat som studerar motsvarande samband hos negativa vinstvarningar och finner att

CSR-företag får en mindre marknadsreaktion efter en negativ vinstvarning. Vår

argumentation kan därmed summeras som att mer arbete med CSR-relaterade frågor kan leda

till en lägre informationsasymmetri vilket skulle leda till en mindre överraskning vid

publicering av en positiv vinstvarning. Vår hypotes utifrån detta lyder därmed:

H: Marknadsreaktionen på positiva vinstvarningar är lägre för företag med större grad av

engagemang i CSR-relaterade frågor.

9

3. Metod

3.1 Data

För att undersöka uppsatsens syfte samlar vi ett urval av positiva vinstvarningar som vi testar

uppsatsens hypotes på. Vi avgränsar oss till data från Nasdaq OMX Stockholm och Nasdaq

OMX Helsinki mellan perioden 2017 till 2020. Tidsperioden motiveras genom strävan av att

göra en aktuell och generaliserbar studie samtidigt som den ska vara genomförbar inom

tidsramen given för en kandidatuppsats. Valet av marknader motiveras av att det sker många

positiva vinstvarningar på dessa marknader relativt andra vilket underlättar sökandet av

observationer. Båda marknaderna har en legal skyldighet att publicera positiva vinstvarningar

(SFS 2007:528; Värdepappersmarknadslagen 746/2012) och äldre studier har funnit att finska

företag har publicerat exceptionellt många positiva vinstvarningar (Alves et al., 2009; Spohr

2014).

Annonseringsdatum för positiva vinstvarningar samlas in manuellt genom att gå igenom

nyheter om pressmeddelanden i databasen Retriever Business från svenska samt finska

medier mellan 2017 och 2020. Sökorden omvänd vinstvarning, positiv vinstvarning samt

positiivisen tulosvaroituksen används då dessa är frekvent använda termer som beskrivning

av positiva vinstvarningar och ger tillräckligt många träffar för att det ska vara genomförbart

inom tidsramen för en kandidatuppsats. För kontrollvariabel MULTIW, om företaget

publicerat mer än tre positiva vinstvarningar under studiens sökperiod eller ej, kontrolleras

företag i urvalet för publiceringar av vinstvarningar som inte kommit med i den ursprungliga

sökningen. Vidare förklaring av kontrollvariabler fortsätter i avsnitt 3.2.

Initialt bestod urvalet av 204 observationer. 5 utesluts då företagen varken var noterade på

Nasdaq OMX Stockholm eller Nasdaq OMX Helsinki under tiden för publicerandet av de

positiva vinstvarningarna. Data om företagens totalavkastning, ESG-poäng samt

kontrollvariabler inhämtas från databasen Thomson Reuters Eikon. Variabler uttryckta i euro

(EUR) omvandlas till svenska kronor (SEK) med aktuell växelkurs vid dagen siffran är

hämtad ifrån. Från urvalet utesluts i detta steg 130 observationer som saknar fullständig data

där 127 av dessa saknar data om ESG-poäng innan publiceringsdagen. Slutligen utesluts tre

extremvärden för variabeln kumulativ abnormal avkastning vilket motiveras i avsnitt 4.2.

10

Efter dessa uteslutningar har det initiala urvalet minskat till 66 observationer för 44 företag,

presenterat för varje enskilt år och marknad i tabell 3.

Tabell 3: Studiens urval.

Tabellen visar antal observationer och antal företag uppdelat för år i studiens observationsperiod samt marknad. Observera

att summan av antal företag under individuella år inte stämmer med totalt antal företag i studien då samma företag

förekommer under flera år.

Tabell 3 visar att urvalet är skevt fördelat över tidsperioden där majoriteten av datapunkterna

kommer ifrån året 2020. Mycket osäkerhet och volatilitet på marknaden under året orsakades

av Covid-19 pandemin (Wójcik & Ioannou, 2020) vilket vi misstänker kan vara anledningen

till denna skevhet. För att ta hänsyn till denna skevhet i urvalet kommer kontrollvariabel

YEAR20 inkluderas vilken kommer visa om skevheten har en påverkan på resultatet eller ej.

Mer detaljer om och förväntad riktning på kontrollvariabeln följer i avsnitt 3.2.3.

3.2 Metodens struktur

För att testa uppsatsens hypotes används en multipel regressionsanalys och följande modell

ställs upp:

CARi, (t1, t2) = α + β × ESGi + γ1 × MULT IW i + γ2 × SIZEi + γ3 × EP i + γ4 × BET A EVi + γ5 × L i

+ γ6 × Y EAR20i + εi, t

där i är en positiv vinstvarning, t1 är eventfönstrets start och t2 fönstrets slut, är interceptet,α

och är koefficienter. Modellen undersöker sambandet mellan graden av arbete medβ γn

CSR-relaterade frågor hos ett företag, mätt med ESG-poäng och benämnt ESG, och den

abnormala avkastningen från en positiv vinstvarning, benämnt CAR. Sambandet testas som

11

År 2020 2019 2018 2017 Totalt

Finska marknaden Observationer 12 4 6 6 28

Företag 12 4 6 3 14

Svenska marknaden Observationer 29 4 2 3 38

Företag 23 4 2 3 30

Totalt Observationer 41 8 8 9 66

Företag 36 8 8 9 44

en multipel regression för att säkra att sambandet inte är en oäkta relation (Bryman & Bell,

2015) och därav inkluderas sex kontrollvariabler. Tabell 4 definierar de olika variablerna i

studiens modell. I följande avsnitt presenteras en genomgång av modellens variabler och

motivering till val av dess mått.

Tabell 4: Modellens variabler.

Tabellen beskriver modellens variabler och hur de är insamlade. Variabeln CAR beräknas för eventdagen samt fem dagar

innan och fem dagar efter eventdagen. För variabeln ESG samlas det senast publicerade ESG-poängen innan eventdagen in.

MULTIW tas fram genom att studera studiens urval. Variabeln SIZE hämtas för dagen innan eventdagen. Variabel EP

beräknas för dagen innan eventdagen. Variabeln BETA estimeras från totalavkastningen 210 dagar till 10 dagar innan

eventdagen. Variabeln LEV beräknas med data från den senast publicerade kvartalsrapporten innan eventdagen. YEAR20

tas fram genom att studera studiens urval. Variablernas namn i Eikon går att hitta i appendix för data som är hämtat från

Thomson Reuters Eikon.

3.2.1 ESG De mest använda måtten på företags arbete med CSR-relaterade frågor är de så kallade

ESG-poängen (Dayanandan et al., 2018). ESG-poäng sammanställer en mängd mått på

företags engagemang i miljö-, sociala- samt styrningsfrågor och rangordnar företag efter hur

väl de presterar utifrån dessa mått (Huber et al., 2017). ESG-poäng kan därför ses som ett

passande mått för att undersöka hur väl ett företag arbetar med CSR-relaterade frågor (Usman

et al., 2020). Det existerar ett stort antal leverantörer av ESG-poäng men vi använder oss av

Thomson Reuters. En anledning till varför vi väljer Thomson Reuters och inte till exempel

MSCI:s mått, som är en av de största leverantörerna av ESG-poäng (Huber et al., 2017), är

för att Thomson Reuters ESG-poäng tar hänsyn till problem relaterade till tidsaspekten.

Dayanandan et al. (2018) beskriver detta problem och menar att antalet mått som inkluderas i

ESG-poängen ökar för varje år som går. Därav är det problematiskt att jämföra ESG-poäng

12

Variabel Definition Källa

CAR Kumulativ abnormal avkastning. Manuellt beräknat (Excel).

ESG Graden av engagemang i CSR-relaterade frågor mätt i ESG-poäng. Thomson Reuters Eikon (Datastream).

MULTIW Om företaget gjort tre eller mer vinstvarningar under studiens mätperiod. Manuellt beräknat (Exel).

SIZE Företagets marknadsvärde beräknat i naturliga logaritmen av miljoner kronor. Thomson Reuters Eikon (Datastream).

EP Företagets earnings-to price. Beräknat som vinst per aktie dividerat på aktiepriset. Thomson Reuters Eikon (Datastream).

BETA Beta från marknadsmodellen. Manuellt beräknat (Exel).

LEV Företagets belåningsgrad. Beräknat som totala skulder dividerat på totala tillgångar. Thomson Reuters Eikon (Datastream).

YEAR20 Om vinstvarningen är publicerad under år 2020. Manuellt beräknat (Exe)

i,t Felterm. SPSS

mellan olika år då det sker en viss inflation i poängen. Till skillnad från MSCI och andra

leverantörer av ESG-index tar Thomson Reuters hänsyn till detta. Thomson Reuters

ESG-poäng är ett relativt mått som ger företag en poäng mellan 1 och 100 som representerar

den percentil som företagets prestation bedöms vara relativt andra företags prestationer.

Problemet med inflationen av ESG-mått elimineras eftersom ESG-poängen är framtagen

relativt andra företags prestation (Thomson Reuters Eikon, 2017). Eftersom vår undersökning

sträcker sig över 3 år anser vi att inflationen som följer med MSCI och andra leverantörers

mått hade blivit ett problem. ESG-poäng uppdateras vanligtvis årligen och i vår studie

används det senast rapporterade värdet på ESG-poäng innan publiceringen av den positiva

vinstvarningen eftersom värdet måste vara känt för investerare för att det ska kunna

inkorporeras i värderingen.

3.2.2 Kumulativ abnormal avkastning (CAR) För att mäta den påverkan som olika händelser har på aktieavkastningen har abnormal

avkastning genom eventstudier historisk sett varit en lämplig och frekvent använd metod (

MacKinley, 1997; Corrado, 2011). Eventstudier är också vanligt att använda för studier om

positiva (Collet, 2004; Spohr, 2014) och negativa vinstvarningar (Jackson & Madura, 2003;

Dayanandan et al., 2018). Vi använder oss därför av eventstudiemetoden för att beräkna den

marknadsreaktion som de positiva vinstvarningarna i urvalet haft på aktieavkastningen.

Eventstudier använder differensen mellan den faktiska totalavkastningen för ett företag under

en händelseperiod och en estimerad avkastning för samma period för att beräkna den

abnormala avkastningen enligt formeln:

ARi, t = Ri, t − R︿

i, t (1)

där representerar den abnormala avkastningen för event i och dag t. representerarARi, t Ri, t

då den faktiska totalavkastningen för samma event och period medan är den estimeradeR︿

i, t

avkastningen för samma event och period. För att beräkna den kumulativa abnormala

avkastningen över flera dagar summeras den abnormala avkastningen enligt formeln:

CARi, (t1, t2) = ∑T

t=1ARi, t

(2)

13

där CAR är den kumulativa abnormala avkastningen, t1 är första dagen i eventfönstret och t2

är sista dagen samt T är antal dagar i eventfönstret.

För att beräkna ett estimat för vad ett företags avkastning bör ha varit om eventet inte ägt rum

kan olika metoder användas. Denna uppsats använder sig av marknadsmodellen för att skapa

detta estimat. Marknadsmodellen skapar ett linjärt samband som relaterar företagets

aktieavkastning till en marknadsportfölj (MacKinley, 1997). Marknadsmodellen är en

passande modell för att upptäcka abnormal avkastning och är fördelaktig jämfört med

exempelvis Constant Mean Return Model eftersom den reducerar variationen av den

abnormala avkastningen vilket därmed ger en större chans att upptäcka eventets effekt

(MacKinley, 1997). Marknadsmodellen är också använd i tidigare studier om positiva

vinstvarningar (Collet, 2004; Spohr, 2014). Som marknadsportfölj används i denna uppsats

indexet OMXSGI på Stockholmsbörsen för svenska bolag och indexet OMXHGI på

Helsingforsbörsen för finska bolag då de är index som följer samtliga bolag på respektive

marknad vilket därför passar vår studie. För event i beräknas således avkastningen enligt

marknadsmodellens regressionsmodell:

,Ri, t = αi + β Ri m, t + εi (3)

där samt var , t är en tidpunk, R är aktiens avkastningen, Rm är(ε ) ,E iT = 0 ε )( iT = σ2ε,T

avkastningen på marknadsportföljen och är en residual (MacKinley, 1997).ε

3.2.2.1 Mätfönster

Studien använder en daglig datafrekvens då det antas ge en tillräckligt noggrann frekvens för

att studera syftet samtidigt som det gör studien genomförbar för längre estimatfönster.

Eventdagen benämns T0 och den abnormala avkastningen mäts först självständigt under

eventdagen. För att fånga eventets fulla effekt samt inkludera effekten hos bolag vars

vinstvarning skett efter handelsdagens slut beräknas den kumulativa abnormala avkastningen

(CAR) för dag T0 och dag T+1. Ett eventfönster som sträcker sig över dessa dagar går också i

linje med tidigare studier om positiv vinstvarning (Collett, 2004; Spohr, 2014). För att ta höjd

för eventuellt läckage av information innan eventet eller fördröjd aktiereaktion beräknar vi

även CAR över eventfönster T-5 till T+5. Valet av detta eventfönster går även i linje med

14

eventfönster för tidigare studier som undersöker både positiva (Spohr, 2014) och negativa

(Jackson & Madura, 2003; Bulkley & Herrerias, 2005) vinstvarningar och har använts av

samma anledning.

Avkastningen estimeras från data 210 dagar innan eventet, T-210, till 10 dagar innan eventet,

T-10, vilket således blir vårt estimatfönster. Att sluta estimatfönstret 10 dagar innan

eventdagen motiveras av att det ger ett så aktuellt estimat som möjligt, samtidigt som vi tar

höjd för att eventuellt informationsläckage inte inkorporeras i estimatet (MacKinley, 1997).

Estimatfönstrets storlek på 200 dagar motiveras av att estimatet ska kunna generaliseras.

MacKinley (1997) menar att en storlek på minst 120 dagar är generaliserbart och Spohr

(2014) som tidigare studerat positiva vinstvarningar har använt 200 dagar.

Figur 2: Tidslinje för studiens mätfönster.

3.2.3 Kontrollvariabler

För att öka trovärdigheten och undvika oäkta samband adderar vi ett antal kontrollvariabler

till vår regressionsmodell (Bryman & Bell, 2015). I val av kontrollvariabler tar vi stöd utifrån

Spohrs (2014) val av kontrollvariabler eftersom hans studie är den enda som använder en

regressionsmodell vid undersökandet av marknadsreaktioner vid positiva vinstvarningar. I

Tabell 5 presenteras de variabler som Spohr testade i sin analys och vad de visat för effekt på

marknadsreaktionen. Tabellen visar även vad tidigare studier om negativa vinstvarningar

funnit för effekt på marknadsreaktionen. För kontrollvariabler som vi inkluderar i modellen

där data hämtas från kvartalsrapporter används data från den senaste publicerade rapporten

innan eventdagen då det är viktigt att informationen var känd för marknaden för att den ska

15

kunna vara inkorporerad i aktieavkastningen. För de kontrollvariabler som baseras på

aktiepris används priset från handelsdagen innan varningen av samma anledning.

Tabell 5: Modifierad tabell hämtad från Spohr (2014) över Spohrs och äldre studiers regressionsresultat.

Tabell är en modifierad version av den Spohr (2014) visar i sin artikel. Spohr presenterar vilka effekter olika variabler får

på marknadsreaktionen där + innebär en större reaktion och - innebär en mindre reaktion. I mitten av tabellen presenteras

Spohrs egna resultat för positiva vinstvarningar och till höger sammanfattar Spohr äldre studier som gjort multipel

regressionsanalys på negativa vinstvarningar.

Av de kontrollvariabler som Spohr undersöker finner han att MULTIW har en signifikant

effekt på den abnormala avkastningen. MULTIW är en förkortning av Multiple Warnings och

är en dummyvariabel som kan anta värde 1, om företaget gjort tre eller fler positiva

vinstvarningar under studiens mätperiod, eller 0, om företaget gjort färre än tre positiva

varningar. Spohr resonerar att investerare blir mindre överraskade av vinstvarningar från

företag som tenderar att göra fler positiva vinstvarningar. Ett företag som gjort flera

vinstvarningar bör därför få en mindre marknadsreaktion vid en positiv vinstvarning och

därav inkluderas denna variabel. Spohr finner även att storleken på företaget (SIZE) har en

signifikant effekt på CAR. SIZE, mätt som naturliga logaritmen av marknadsvärdet, är även

frekvent studerat hos negativa vinstvarningar och är ofta funnet ha en signifikant negativ

effekt på den abnormala avkastningen följt en positiv vinstvarning (Jackson & Madura, 2007;

Church & Donker, 2010; Dayanandan et al., 2018;). Ett företags storlek argumenteras ha en

effekt på storleken av reaktionen till följd av att större företag har fler analytiker som följer

dem och informerar marknaden vilket gör att marknaden förutser varningarna bättre vilket i

sin tur leder till en mindre reaktion (Jackson & Madura, 2003). Vi väljer därför att inkludera

SIZE som kontrollvariabel. Spohr finner vidare att EP multipeln, vinst per aktie dividerat

med aktiepris, har en signifikant positiv effekt på den abnormala avkastningen. Spohr

resonerar att ett lågt värderat företag enligt EP, alltså högt EP värde, ger en mindre reaktion

följt en positiv vinstvarning eftersom investerare blir mindre överraskade av varningar från

16

Variabel Spohrs studie Äldre studier

REC Ingen effekt Inte testad

MULTIW - Främst -

LONGW Inget effekt +

SIZE - Främst -

EP - Inte testad

BETA + Inte testad

LEV + Inte testad

dessa företag. EP inkluderas i studien och beräknas genom att ta inversen av företagets PE tal

hämtat från Thomson Reuters Eikon. BETA är den estimerade koefficienten till

marknadsportföljen från marknadsmodellen, se formel 3 i avsnitt 3.2.2, och har i Spohrs

studie en signifikant positiv effekt på CAR. BETA till marknadsportföljen är en indikator för

företagets inneboende risk där ett högre BETA-värde innebär att företaget tar större

marknadsrisk och har högre kapitalkostnad. Eftersom en positiv vinstvarning ger information

om framtida vinster ändrar det därför kapitalkostnaden för det företaget. Spohr argumenterar

därför att företag med högre kapitalkostnad får en större förändring i kapitalkostnad vilket i

sin tur leder till en större marknadsreaktion. Resonemanget gäller även för variabeln LEV

som är ett företags belåningsgrad mätt i totala skulder dividerat med totala tillgångar. En hög

belåningsgrad är en indikator för en större finansiell risk och samma resonemang som för

variabeln BETA gäller därmed även för LEV. Ett antal studier förutom Spohr, såsom Collett

(2004), Church & Donker (2010) samt Cox et al. (2017) har visat att belåningsgrad påverkar

CAR vid olika typer av vinstvarningar. BETA och LEV inkluderas därför som

kontrollvariabler.

Förutom kontrollvariablerna från Spohrs studie lägger vi också till en dummyvariabel kallad

YEAR20 för att undersöka om skevheten i vårt urval mot år 2020 har en effekt på resultatet.

YEAR20 kan anta värde 1, om varningen är gjord år 2020, eller 0, om varningen inte är gjord

år 2020. COVID-19 pandemin bröt ut i början av 2020 och med den följde negativa effekter

på många marknader med osäkerhet och pessimism (Wójcik & Ioannou, 2020). Vi resonerar

därför att reaktionen av en positiv vinstvarning potentiellt är större för år 2020 då

investerarnas förväntningar varit låga och därav sker en större överraskning vid en positiv

vinstvarning.

17

4. Empiri och Analys

4.1 Abnormal avkastning vid positiva vinstvarningar Tabell 6:Resultat från eventstudien.

Abnormal avkastning för studiens eventfönster och resultat för t-test där noteringen *** innebär 1% signifikans, ** innebär

5% signifikans och * innebär 10% signifikans. Tabell 7: Abnormal avkastning under de olika dagarna i studiens eventfönster.

Genomsnittlig abnormal avkastning för varje dag under eventfönster T-5 till T +5,. Noteringen *** innebär 1% signifikans, ** innebär 5% signifikans och * innebär 10% signifikans.

I Tabell 6 presenteras den abnormala avkastningen under studiens eventdag och två

eventfönster. För eventfönster med dag T0 till dag T+1 följt den positiva vinstvarningen finner

studien en genomsnittlig kumulativ abnormal avkastning på 6,24% med statistisk signifikans

på 10% nivå. Liknande abnormal avkastning går att finna för perioden fem dagar innan och

fem dagar efter eventet med 5% signifikansnivå samt under själva eventdagen med 1%

signifikansnivå. Vi finner att den initiala abnormala avkastningen under eventdagen för den

svenska och finska marknaden för perioden 2017-2020 är cirka 0,5-1 procentenheter högre

jämfört med vad både Collett (2004) och Spohr (2014), som tidigare studerat positiva

vinstvarningar, finner för sina respektive marknader och perioder. Trots att vår eventstudie

finner en något högre kumulativ abnormal avkastning för positiva vinstvarningar så är en

abnormal avkastning på 5,24% fortfarande lägre än majoriteten av studierna som undersöker

negativa vinstvarningar som presenterades i Tabell 1. I Tabell 7 presenterar vi företagens

abnormala avkastning för eventdagen samt dagarna innan och efter själva eventdagen.

Resultatet visar ingen signifikant reaktion innan eventdagen vilket indikerar att ingen eller

lite information om publiceringen av den positiva vinstvarningen har läckt ut till marknaden

innan eventet och att marknaden därmed förmodligen blivit överraskad av den positiva

vinstvarningen vilket går i linje med Spohrs (2014) resultat. Dag T+1 visar däremot en

abnormal avkastning på 0,99% som är signifikant med 90% signifikansnivå vilket indikerar

18

Fönster Abnormal avkastning t-test

AR(0) 5,24% 7,143***

CAR(0,+1) 6,24% 6,007*

CAR(-5,+5) 6,41% 2,669**

Dag T-5 T-4 T-3 T-2 T-1 T0 T+1 T+2 T+3 T+4 T+5

Medel AR 0,0% 0,01% 0,19% -0,13% 0,17% 5,24% 0,99% 0,5% -0,39% -0,3% 0,03%

t-stat 0,089 0,161 0,267 -0,182 0,234 7,143*** 1,352* 0,681 -0,529 -0,405 0,044

en viss fördröjning i reaktionen. Att eventdagen visar på en abnormal avkastning på 5,24%

talar för EMH:s semi-starka form beskriven av Fama (1970) och därmed att investerare inte

har tillgång till all privat information som företaget besitter. Resultatet talar också emot den

svaga formen då det inte heller bör ske abnormal avkastning vid publicerandet av information

om företaget i denna form. Resultaten indikerar därför att positiva vinstvarningar minskar den

informationsasymmetri som verkar existera mellan svenska samt finska företag och resten av

marknaden.

4.2 Deskriptiv statistisk Tabell 8: Deskriptiv statistik för modellens variabler med undantag för MULTIW och YEAR 20.

MEDEL representerar det genomsnittliga värdet för datapunkterna. MEDIAN representerar den mittersta datapunkten av

alla mätbara värden. ST.DIV representerar standardavvikelsen. MAX och MIN representerar det högsta samt det lägsta

värdet för varje variabel. SKEV representerar den skevhet som förskjuter normalfördelningskurvan. KURT är kurtosis och

representerar hur hög normalfördelningskurvan är.

Tabell 8 beskriver deskriptiv statistik för variablerna. Av de ursprungliga 69 observationerna

identifierades flera extremvärden och kurtosis samt skevhet som är över ett och därmed anses

som hög (Hair et al., 2013). Av de extremvärden vi fann för variabeln CAR lyckades vi

identifiera tre stycken som influential outliers (Aguinis et al., 2013). Dessa datapunkter var

inte felaktigt framtagna och innehöll inte viktig eller förvånade information utan förvred

endast studiens förklaringsgrad och försämrade variablernas normalfördelningskurvor med

högre grad av kurtosis och skevhet. I och med att hög kurtosis och skevhet minskar

sannolikheten av att variablerna kan generaliseras för hela populationen (Yuan et al., 2005)

samt att extremvärdena påverkade studiens förklaringsgrad uteslöt vi dessa i enlighet med

Aguinis et al. (2013) råd för extremvärden. Det existerar det fortfarande fyra extremvärden

för CAR under perioden T0 efter att de tre första har tagit borts. Vi ansåg dock att dessa

extremvärden inte har en tillräckligt stor påverkan på modellens förklaringsgrad för att de ska

behandlas som influential outliers och behöver därför inte uteslutas. Eftersom vi får två olika

19

Variable MEDEL MEDIAN ST.DIV MAX MIN SKEV KURT

AR(0) 5,24% 4,21% 0,053 22,92% -3,47% 1,369 2,257

CAR(0,+1) 6,24% 5,22% 0,054 18,21% -4,30% 0.394 -0,400

CAR(-5,+5) 6,41% 5,89% 0,075 25,34% -9,54% 0,387 0,295

ESG 56,02 54,61 14,97 86,89 22,50 -0,018 -0,742

SIZE 9,89 9,61 1,279 12,73 7,30 0,408 -0,204

EP 0,046 0,044 0,033 0,147 -0,037 0,366 1,198

BETA 0,934 0,928 0,364 2,133 0,194 0,745 1,542

LEV 0,575 0,576 0,146 0,837 0,188 -0,459 0,265

resultat beroende på om extremvärdena tas med i urvalet eller ej har vi valt att återskapa

eventstudien, den deskriptiva statistiken, korrelationsmatris och multipelregressionsanalysen

innan uteslutning av extremvärden i vår Appendix. Vi gör detta för att vara helt transparenta

och låta läsaren avgöra vilken slutsats denne finner mest korrekt.

Trots borttagandet av dessa tre extremvärden så återstår dock en hög skevhet och kurtosis för

den beroende variabeln AR, under eventdagen T0 , och hög kurtosis för kontrollvariablerna

EP och BETA. Det går därmed att ifrågasätta studiens generaliserbarhet gällande om

företagens EP och BETA-värde har en påverkan på företagens CAR. Vi anser dock att det för

vår studie inte är något problem att EP och BETA inte är normalfördelade eftersom det inte

påverkar ESG:s relation med CAR. Att modellens beroende variabel AR(0) visar på hög

skevhet och kurtosis under själva eventdagen är dock problematiskt och innebär att

generaliserbarheten av vårt resultat för eventdagen kan ifrågasättas.

4.3 Test för samband mellan ESG och abnormal avkastning

Tabell 9: Resultat från multipelregressionsanalysen.

Tabellen visar värdet på modellens konstant samt koefficienterna till modellens variabler för regression med studiens tre mått av abnormal avkastning samt tillhörande t-värden. Tabellen redovisar antal observationer för modellen, modellens justerade förklaringsgrad samt F-värde. Notering *** innebär signifikant resultat på 1% nivå, ** innebär signifikant resultat på 5% nivå, * innebär signifikant resultat på 10% nivå

Tabell 9 visar koefficienterna till variablerna i modellen samt resultaten från signifikanstest

som testar om de är skilda från noll. Som tabellen visar är det endast på själva eventdagen

som variabeln ESG har en signifikant påverkan, i detta fall negativt som förväntat, gentemot

den abnormala avkastningen på 10% signifikansnivå. Regressionen för eventdagen har en

justerad förklaringsgrad på 35,6% vilket är något lägre än det resultatet Spohr (2014)

presenterar under eventdagen för positiva vinstvarningar med en förklaringsgrad på 38,8%.

F-värdet för perioderna AR(0) och CAR(0,+1) är signifikant skilda från noll vilket innebär att

modellens variabler är signifikant skilda från varandra. För både eventfönstren CAR(0,+1)

20

Beroende variabel Konstant ESG MULTIW SIZE EP BETA LEV YEAR20 N Jus. R2 F-värde

AR(0) 0,231*** -0,001* -0,001 -0,014*** -0,251** 0,043*** -0,048 0,016 66 0,355 6,101***

t-stat (4,283) (-1,967) (-0,091) (-2,963) (-2,078) (2,843) (-1,223) (1,324)

CAR(0,+1) 0,214*** 0,000 0,010 -0,016*** -0,281 0,470*** -0,031 0,011 66 0,258 4,237***

t-stat (3,654) (-0,641) (0,665) (-3,077) (-1,534) (2,882) (0,731) (0,817)

CAR(-5,+5) 0,219** 0,01 0,021 -0,022** -0,238 0,038 -0,025 0,007 66 0,064 1,639

t-stat (2,395) (1,066) (0,917) (-2,658) (-0,834) (1,472) (-0,373) (0,319)

och CAR(-5,+5) finner vi inte att ESG har någon signifikant påverkan på CAR. En

signifikansnivå på 10% för ESG under eventdagen är en statistiskt sett relativt svag

signifikans. Som presenterat i Tabell 7 finner studien även svag signifikant abnormal

avkastning under dag T+1, alltså med 10% signifikansnivå, vilket indikerar att eventfönstret

som sträcker sig över både dag T0 och T+1 är överlägset för att fånga eventets fulla effekt

eftersom en viss fördröjd effekt verkar existera. Vi kan därmed utifrån dessa resultat inte

säkerställa att det går att påvisa ett signifikant samband mellan ESG och den abnormala

avkastningen och vi kan inte acceptera studiens hypotes. Den signifikanta negativa

sambandet mellan dessa variabler under just eventdagen indikerar ändå på att kausalitet kan

existera.

Att vårt resultat inte finner att ett negativt samband mellan ESG och CAR innebär att vi inte

kan dra någon slutsats angående om företags arbete med CSR-relaterade frågor har en effekt

på positiva vinstvarningars reaktion på aktieavkastningen. Vi kan inte heller säga om det

existerar en lägre informationsasymmetri och informationsrisk för CSR företag i enlighet

med teoriavsnitt 2.3. Vi kan därmed inte uttala oss om investerare redan har tillgång till mer

av den information som positiva vinstvarningar presenterar för företag med högre grad av

engagemang i CSR-relaterade frågor relativt företag med mindre engagemang.

Den enda kontrollvariabeln som enligt vår modell signifikant påverkar CAR under alla tre

eventfönster är SIZE. Under eventdagen T0 och eventfönstret T0 till T+1 har SIZE ett

signifikant negativt samband med CAR på 1% signifikansnivå och under perioden T-5 till T+5

på 5% signifikansnivå. Att mindre företag får en större effekt på marknadsreaktionen vid en

positiv vinstvarning går i linje med vårt resonemang om att investerare är mer informerade

om större företags löpande verksamhet och därmed blir mindre överraskade vid en positiv

vinstvarning. Förutom SIZE har även BETA och EP signifikant samband med CAR. Enligt

vår modell så leder ett högre EP värde, under eventdagen, med 5% signifikans till en mindre

marknadsreaktion efter en positiv vinstvarning, vilket går i linje med Spohrs (2014) tidigare

forskning. Vår modell finner även att BETA med 1% signifikansnivå leder till en högre

aktieavkastning under både perioden T0 och T0 till T+1. Att ett större BETA-värde innebär en

större marknadsreaktion går även det i linje med vårt resonemang om att högre

kapitalkostnad innan en positiv vinstvarning leder till större förändring i kapitalkostnad och

därav en starkare reaktion. Värt att notera är att LEV inte visar sig vara signifikant trots att

belåningsgrad, liksom BETA, är ett tecken på ett företags inneboende risk. Varför vi inte

21

finner att flera av variablerna är signifikanta trots att Spohr fann de signifikanta i hans modell

kan vi endast spekulera om men gör att vårt val av kontrollvariabler kan ifrågasättas. En

enkel förklaring skulle kunna vara att detta är en konsekvens av vår studies låga antal

observationer relativt tidigare studier. Som presenterat i Tabell 9 finner studien inget

signifikant samband mellan CAR och YEAR20 och skevheten mot år 2020 i urvalet har

därför ingen effekt på resultatet. Att vi finner högre abnormal avkastning än tidigare studier

för positiva vinstvarningar (Collet, 2004; Spohr, 2014) kan således inte heller förklaras av att

vi haft vi haft många observationer från år 2020.

4.4 Multikollinearitet Tabell 10: Korrelationsmatris.

Korrelationsmatris som visar Pearsons korrelationskoefficient mellan modellens variabler individuellt. Notering ***

innebär signifikant resultat på 1% nivå, ** innebär signifikant resultat på 5% nivå.

Tabell 10 visar hur modellens variabler korrelerar med varandra individuellt, presenterat med

Pearsons korrelationskoefficient, i syfte att säkerställa att variablerna inte samvarierar för

mycket då detta kan leda till icke tillförlitliga resultat i regressionsanalysen. Anmärkningsvärt

är att AR(0) samt CAR(0,+1) visar en signifikant negativ relation med ESG vilket indikerar

ett samband mellan variablerna som stödjer hypotesen. Problematisk är dock att ESG visar en

signifikant positiv relation med SIZE där Pearsons korrelationskoefficienten är 0,453.

Koefficienten indikerar ett samband där större företag tenderar att ha högre ESG-poäng.

Eftersom ESG och SIZE är teoretiserat att ha samma effekt på CAR, mindre abnormal

avkastningen vid högre värden, innebär faktumet att variablerna korrelerar att effekten från

22

AR(0) CAR(0,+1) CAR(-5,+5) ESG MULTIW SIZE EP BETA LEV YEAR20 VIF

AR(0) 1

CAR(0,+1) 0,804*** 1

CAR(-5,+5) 0,509*** 0,760*** 1

ESG -0,392*** -0,277** -0,47 1 1,295

MULTIW -0,084 0,016 0,091 -0,122 1 1,222

SIZE -0,409*** -0,416*** -0,318*** 0,453*** -0,164 1 1,350

EP -0,300** -0,211 -0,084 0,087 0,198 -0,059 1 1,115

BETA 0,364*** 0,362*** 0,197 -0,034 -0,198 0,075 -0,136 1 1,078

LEV 0,008 0,040 0,025 -0,109 0,055 -0,149 0,025 0,103 1 1,150

YEAR20 0,157 0,075 -0,017 -0,002 -0,326*** 0,151 -0,241 0,120 0,257** 1 1,313

någon av variablerna kan döljas bakom den andra variabeln. Det är således möjligt att ett

kausalt samband mellan ESG och CAR döljs bakom variabeln SIZE men korrelationen är för

svag för att dra en sådan slutats. VIF-värdet för SIZE är 1,350 och det finns därför inte

anledning att utesluta variabeln.

En korrelation mellan ESG och SIZE skulle å andra sida också kunna vara en indikation på

omvänd kausalitet, som diskuteras i kapitel 2.3. Resultaten kan därför också tolkas som

stödjande för endogenitetsproblemet och att högre marknadsvärde samt lägre kapitalkostnad

skulle kunna leda till att dessa företag har mer resurser att investera i CSR-relaterade frågor.

Som ovan diskuterat går det dock inte att säga om ett samband mellan ESG och CAR

gömmer sig bakom variabeln SIZE eller ej i vårt resultat och det går därför inte att fastställa

vilket håll kausaliteten går.

Av kontrollvariablerna är EP, BETA och SIZE signifikant korrelerade med AR0. För

eventfönster CAR(0,+1) är SIZE och BETA signifikant korrelerad och endast SIZE är

signifikant korrelerat med CAR(-5,+5). Variabeln YEAR20 är signifikant korrelerad med

MULTIW och BETA. Ingen korrelationskoefficient överstiger dock +/- 0,9 och därav kan

mycket problem relaterad med multikollinearitet uteslutas. För att utesluta multikollinearitet

undersöks även VIF värden för samtliga variabler. Det högsta VIF värdet uppgår till 1,35 och

därmed kan multikollinearitet uteslutas (Bryman & Bell, 2013)

23

5. Slutsats

Denna studie undersöker marknadsreaktioner vid positiva vinstvarningar från företag

noterade på Nasdaq OMX Stockholm och Nasdaq OMX Helsinki mellan år 2017 och 2020.

Syftet med studien är att undersöka vilken effekt ett företags arbete med CSR-relaterade

frågor har på positiva vinstvarningars påverkan på aktieavkastningen. För att studera detta

samband utförs en eventstudie baserat på 66 observationer, fördelat mellan 44 företag. Den

litteratur som för tillfället existerar angående positiva vinstvarningar är ytterst begränsat där

de enda kända studierna är av Collett (2004) och Spohr (2014). Vår studie bidrar till denna

forskning genom att vara den första som studerar huruvida ett företags grad av engagemang i

CSR-relaterade frågor påverkar ett företags marknadsreaktion vid en positiv vinstvarning.

Resultatet från vår studie visar att positiva vinstvarningar ger en signifikant abnormal

avkastning på själva eventdagen och dagen efter eventdagen. Resultaten visar även

signifikant abnormal avkastning för eventfönster som sträcker sig från eventdagen till dagen

efter eventdagen samt fem dagar före till fem dagar efter eventdagen. Vår studie visar att

positiva vinstvarningar genererar en initial abnormal avkastning på 5,24% vilket skiljer sig

från tidigare studier där den abnormala avkastningen legat på 4,28% för den brittiska

marknaden (Collett, 2004) samt 4,78% för den nordiska marknaden (Spohr, 2014). Vi finner

endast att ESG har en signifikant negativ effekt på den abnormala avkastningen under

eventdagen med 10% signifikansnivå, men vi finner ingen signifikans för ESG under någon

av studiens två eventfönster. Vi anser att ett eventfönster som sträcker sig mellan T0 till T+1 är

mer korrekt att använda för att fånga hela effekten av en vinstvarning än att använda endast

eventdagen. Vi kan på grund av detta inte acceptera hypotesen och finner därför inte heller att

ett företags engagemang i CSR-relaterade frågor har en effekt på positiva vinstvarningars

påverkan på aktieavkastningen.

Trots den höga pessimismen i början av 2020 (Wójcik & Ioannou, 2020) finner vi inte att

investerare blivit mer överraskade när företag publicerar positiva vinstvarningar och därmed

inte hellet reagerat starkare under 2020 jämfört med tidigare år. De enda kontrollvariablerna i

vår modell som har en signifikant påverkan på den abnormala avkastningen under eventdagen

är SIZE, BETA och EP. För period T0 och T+1 är det endast SIZE och BETA som har en

signifikant påverkan på CAR och för perioden T-5 till T+5 så är det endast SIZE. Att så få

kontrollvariabler visar sig ha en konstant signifikant påverkan gentemot CAR under alla

24

eventfönster ifrågasätter valet av kontrollvariabler. Det skulle dock kunna vara en konsekvens

av studiens lilla urval relativt tidigare studier (Collett, 2004; Dayanandan et al., 2018).

De teoretiska implikationerna som vårt resultat presenterar är att mängden information om ett

företag som investerare har tillgång till innan företaget publicerar en positiv vinstvarning

kommer att avgöra hur starkt de reagerar på den positiva vinstvarningen. För större företag,

där marknaden blir försedd med mer information från fler analytiker, kommer investerare att

bli mindre förvånade av en positiv vinstvarning och investerarna kommer därmed reagera

svagare. Vår studie kan dock inte visa att investerare för CSR-företag har tillgång till mer

värderelevant information om företagets vinst innan företaget publicerar en positiv

vinstvarning än andra. Ett potentiellt kausalt samband skulle dock kunna existera mellan

arbete med CSR-relaterade frågor och den abnormala avkastningen. Sambandet skulle i så

fall gömma sig bakom variabeln SIZE, företagets marknadsvärde, då variablerna är

signifikant korrelerade och SIZE har en signifikant påverkan på den abnormala avkastningen.

Att arbete med CSR-relaterade frågor och SIZE är korrelerat kan dock också tolkas som stöd

för endogenitetsproblemet och det går därför inte att visa vilket håll det kausala sambandet

går åt.

Vår studie stödjer även den semi-starka formen inom EMH (Fama, 1970) eftersom vi ser att

publikationen av en positiv vinstvarning ger en abnormal avkastning på själva eventdagen

och dagen därefter. Praktiskt ger våra resultat inga nya råd på hur en enskild investerare bör

agera när företag publicerar en positiv vinstvarning med avseende på företagets

CSR-prestation. Liksom Spohr (2014) och Colletts (2004) studier innan oss visar vårt resultat

att marknaden kommer att reagera positivt på positiva vinstvarningar. Studien lyckas inte visa

att ett företags engagemang i CSR-relaterade frågor påverkar denna reaktion.

25

6. Begränsningar och framtida forskning

Den främsta begränsningen i vår studie är att vi har ett litet urval till följd av stora bortfall

samt begränsad tidsram för arbetet. Ursprungligen fann studien 204 observationer och vi hade

räknat med ett bortfall på ca 10-20% vilket vi bedömde skulle ge oss en tillräcklig mängd

observationer. Vi överskattade dock antal företag som har tilldelats ESG-poäng då 127 av

dessa observationer saknade ESG-poäng och studiens bortfall uppgick istället till 65% innan

borttag av extremvärden. Urvalet är betydligt mindre än vad både Collett (2004) och Spohr

(2014) haft i sina studier om positiva vinstvarningar där antalet observationer varit 512

respektive 118. Det lilla urvalet har en effekt på trovärdigheten och generaliserbarheten av

studien och framtida studier skulle kunna utöka urvalet för att säkerställa resultaten.

En annan begränsning med studien är val av ESG-poäng som mått på hur företag jobbar med

CSR-relaterade frågor. ESG-poäng är långt ifrån oproblematiskt i sitt bedömande av hur väl

företag jobbar med CSR. Största problemet med ESG-poäng är att det inte finns någon

universell överenskommelse kring utifrån vilka mått ESG-nivå bör mätas efter. Olika

leverantörer av ESG-mått som till exempel Thomson Reuters ESG Research Data, som

uppsatsen använder, och Bloomberg ESG Data Service använder sig av olika subjektiva

bedömningsmetoder när de värderar företags ESG:s nivåer (Huber et al, 2017). För att kunna

jämföra vår studie med andra studier som undersöker effekter av ett företags arbete med

CSR-relaterade frågor så måste därmed dessa studier använda sig av just Thomson Reuters

och ingen annan av de många olika leverantörerna av ESG-poäng. Subjektiviteten i

bedömningen gör även att samma leverantör av ESG-poäng kan värdera två olika företag på

olika sätt. För att tilldela ESG-poäng värderar analytiker på Thomson Reuters 400 ESG mått

indelat i 10 kategorier där alla kategorier värderas olika utifrån hur många CSR-områden som

de täcker. Avsaknandet av en regelbaserad bedömningsmall kräver en hög grad av

subjektivitet bakom värderingarna och poängsättningen för varje enskilt företag vilket skapar

problem med jämförbarheten och användandet av ESG som mått på CSR-arbete.

ESG är i vår studie också signifikant korrelerad med SIZE och har en korrelationskoefficient

på 0.453 vilket indikerar ett samband mellan variablerna. Ett sådant samband skulle möjligen

kunna argumenteras av att större företag har mer resurser att lägga på CSR arbete eller av att

större företag har fler analytiker som följer dem och värdeviktig information från CSR

rapporter därför är bättre kommunicerad till marknaden, likt argumentet till varför SIZE har

26

en påverkan. Oavsett anledning indikerar det att ett kausalt samband mellan ESG och

abnormal avkastning eventuellt kan dölja sig bakom variabeln SIZE som visat signifikant

påverka den abnormala avkastningen. Framtida studier skulle därför kunna undersöka

sambandet mellan SIZE och ESG samt hitta ett sätt undkomma denna problematik.

Liksom de flesta studier kan även vår modell kritiseras utifrån på de kontrollvariabler som vi

har valt att inkludera. En majoritet av studiens kontrollvariabler visade sig vara icke

signifikanta i modellen för studiens två eventfönster. Återigen så kan detta vara en

konsekvens av att vi haft ett smalt urval. Att få kontrollvariabler varit signifikanta vittnar

dock om att modellen inte är speciellt bra anpassad till att förklara datapunkternas variation

även om den justerade förklaringsgraden inte varit långt ifrån vad Spohr (2014) finner i sin

studie om positiva vinstvarningar. Uteslutande av icke signifikanta kontrollvariabler och

införande av andra kontrollvariabler kan eventuellt ge en bättre modell och därmed mer

tillförlitliga resultat vilket kan utforskas i framtida studier.

27

7. Referenser

Abdullah, M., Abdul Shukor, Z., Mohamed, Z. M. & Ahmad, A. (2015). Risk management

disclosure: A study on the effect of voluntary risk management disclosure toward firm value.

Journal of applied accounting research, 16(3), ss. 400-432.

Alves, P., Pope, P. F. & Young, S. (2009). Cross-Border information transfers: Evidence

from profit warnings issued by European firms. Accounting and Business Research,

39(5), ss. 449–472.

Aguinis, H., Gottfredson, R.K. & Joo, H. (2013). Best-Practice Recommendations for

Defining, Identifying, and Handling Outliers. Organizational research methods, 16(2), ss.

270-301.

Bharath, S.T., Pasquariello, P. & Wu, G. (2009). Does Asymmetric Information Drive

Capital Structure Decisions?. The Review of financial studies, 22(8), ss. 3211-3243.

Brown, S.L. (1978). Earnings Changes, Stock Prices, and Market Efficiency. The journal of

finance (New York), 33(1), ss. 17-28.

Bryman, A. & Bell, E. (2015). Business research methods. 4.th edn, Oxford Univ. Press,

Oxford.

Bryman, A. & Bell, E. (2013). Företagsekonomiska forskningsmetoder. Malmö: Liber.

Chapman, K. L., Reiter, N., White, H. D. & Williams, C. D. (2019). Information overload

and disclosure smoothing. Review of Accounting Studies, 24(4), ss. 1486–1522.

Bulkley, G. & Herrerias, R. (2005). Does the Precision of News Affect Market

Underreaction?. Evidence from Returns Following Two Classes of Profit Warnings.

European Financial Management, 11, ss. 603–624.

Cao, H., Guan, X., Fan, T. & Zhou, L. (2020). The Acquisition of Quality Information in a

Supply Chain with Voluntary vs. Mandatory Disclosure. Production and operations

management, 29(3), pp. 595-616.

28

Cho, S.Y., Lee, C. & Pfeiffer, R.J. (2013). Corporate social responsibility performance and

information asymmetry. Journal of accounting and public policy, 32(1), ss. 71-83.

Church, M. & Donker, H. (2010). Profit warnings: will openness be rewarded?. Applied

Economics Letters, 17, ss. 633–637.

Collett, N. (2004). Reactions of the London Stock Exchange to Company Trading Statement

Announcements. Journal of Business Finance & Accounting. 31, ss. 3–35.

Corrado, C. J. (2011). Event Studies: A methodology review. Accounting and Finance, 51,

ss. 207–234.

Cox, R. A. K., Dayanandan, A., Donker, H. & Nofsinger, J. (2017). The Bad, the boom and

the bust: Profit warnings over the business cycle. Journal of Economics and Business, 89, ss.

13–19.

Cui, J., Cui, J-. Jo, H., Na, H. & Na, H. (2018). Does Corporate Social Responsibility Affect

Information Asymmetry?. Journal of business ethics, 148(3), ss. 549-572.

Dayanandan, A., Donker, H. & Nofsinger, J. (2018). Corporate goodness and profit warnings,

Review of quantitative finance and accounting. 51(2), ss. 553-573.

Dhaliwal, D., O.Z. Li, A. Tsang & Y. G. Yang. (2014). Corporate social responsibility and

the cost of equity capital: The roles of stakeholder orientation and financial transparency.

Journal of Accounting and Public Policy, 33(4), 328-55.

De Klerk, M., De Villiers, C. & van Staden, C. (2015). The influence of corporate social

responsibility disclosure on share prices: Evidence from the United Kingdom. Pacific

Accounting Review, 27(2), ss. 208–228.

Easley, D. & O'hara, M. (2004). Information and the Cost of Capital. The Journal of finance

(New York), 59(4), ss. 1553-1583.

29

Ekblom, J. (2020). Något slags rekord för positiva vinstvarningar. Svenska Dagbladet, 13

oktober. ss. Tillgänglig: https://www.svd.se/nagot-slags-rekord-i-positiva-vinstvarningar

[Hämtad: 2021-01-06]

Fama, E. & Malkiel, B.G. (1970). Efficient Capital Markets: A Review of Theory and

Empirical Work. The Journal of finance (New York), 25(2), ss. 384-417.

Hair, J.F.J., Black, W.C., Babin, B.J. & Anderson, R.E. (2013) Multivariate Data Analysis:

Pearson New International Edition. 7 uppl, Pearson Education, Limited, Rugby.

Huber, B.M. & Comstock, M. (2017). ESG reports and ratings: What they are, why they

matter?. The Corporate governance advisor, 25(5), ss. 1.

Jackson, D. & Madura, J. (2003). Profit warnings and timing. The Financial review, 38, ss.

497–513.

Jackson, D. & Madura J. (2007). Impact of regulation fair disclosure on the information flow

associated with profit warnings. Journal Economics and Finance, 31(1), ss. 59–74

Kim, O. & Verrecchia, R. E. (1991). Trading Volume and Price Reactions to Public

Announcements. Journal of Accounting Research, 29(2), ss. 302–321.

Kim, Y., Park M.S. & Wier, B. (2012). Is earnings quality associated with corporate social

responsibility?. The Accounting review, 87(3), ss. 761–796

Kothari, S. P. (2001). Capital markets research in accounting. Journal of Accounting and

Economics, 31(1–3), ss. 105–231.

MacKinlay, A. C. (1997). Event studies in economics and finance. Journal of Economic

Literature, 35, ss. 13-39.

Manchiraju, H. & Rajgopal, S. (2017). Does Corporate Social Responsibility (CSR) Create

Shareholder Value? Evidence from the Indian Companies Act 2013. Journal of accounting

research, 55(5), ss. 1257-1300.

30

Margolis, J. D., Elfenbein, H. A. & Walsh, J. P. (2009). Does it Pay to Be Good...And Does it

Matter? A Meta-Analysis of the Relationship between Corporate Social and Financial

Performance. Tillgänglig via SSRN: https://ssrn.com/abstract=1866371 eller

http://dx.doi.org/10.2139/ssrn.1866371

Rennekamp, K. (2012). Processing Fluency and Investors’ Reactions to Disclosure

Readability. Journal of accounting research, 50(5), ss. 1319-1354.

Skinner, D. J. (1994). Why Firms Voluntarily Disclose Bad News. Journal of accounting

research, 32(1), ss. 38-60.

Spohr, J. (2014). The share is down 8% after the profit warning, is it time to buy?. Applied

economics letters, 21(8), ss. 556-559.

Sun, W., Yao, S. & Govind, R. (2018). Reexamining Corporate Social Responsibility and

Shareholder Value: The Inverted-U-Shaped Relationship and the Moderation of Marketing

Capability. Journal of business ethics, 160(4), ss. 1-17.

Taylor, S. E. (1991). Asymmetrical effects of positive and negative news: the

mobilization-minimization hypothesis. Psychological Bulletin, 110(1), ss. 67–85.

Thomson Reuters Eikon. (2017). Thomson Reuters ESG Scores. Tillgänglig:

https://www.esade.edu/itemsweb/biblioteca/bbdd/inbbdd/archivos/Thomson_Reuters_ESG_S

cores.pdf. [Hämtad: 2020-11-06]

Tucker, J.W. (2007). Is openness penalized? Stock returns around earnings warnings. The

Account review, 82(4), ss. 1055–1087.

Usman, B., Bernardes, O. T. F, & Kananlua, P. S. (2020). On the nexus between CSR

practices, ESG performance, and asymmetric information. Gadjah Mada international

journal of business, 22(2), ss. 151-177.

31

Wójcik, D., Ioannou, S. (2020). COVID-19 and Finance: Market Developments So Far and

Potential Impacts on the Financial Sector and Centres. Tijdschrift voor economische en

sociale geografie, 111(3), ss. 387-400.

Yi, Y., Xie, B., Zhou, L. & Wei, Y. (2020). Does CSR affect the cost of equity capital:

Empirical evidence from the targeted poverty alleviation of listed companies in China, PloS

one, 15(2), ss. e0227952-e0227952.

Yuan, K., Bentler, P. M. & Zhang, W. (2005). The Effect of Skewness and Kurtosis on Mean

and Covariance Structure Analysus. The Univariate Case and Its Multivariate Implication.

Sociological methods & research, 34(2), ss. 240 -258.

7.1 Lagar

SFS 2007:528 Lagen om värdepappersmarknaden. Stockholm. Sveriges Riksdag.

Värdepappersmarknadslagen. 746/2012.

Tillgänglig: https://finlex.fi/sv/laki/ajantasa/2012/20120746

32

8. Appendix

8.1 Lista på observationer Tabell 11:Lista på de observerade datapunkterna som används i modellen plus de tre extremvärdena som raderas vilka

markeras med noteringen *. Datumet är dagen som företaget publicerade sin positiva vinstvarning.

33

Företag Land Datum ESG värde

Orion Finland 2020-10-20 71,20

Intrum Sverige 2020-10-19 40,59

Bufab Sverige 2020-10-13 29,00

Kindred Sverige 2020-10-09 50,59

Academedia Sverige 2020-10-09 38,90

Gränges Sverige 2020-10-08 79,90

Metsä Board Finland 2020-10-08 64,06

Duni Sverige 2020-10-07 43,10

Boozt Sverige 2020-10-07 39,50

Hexpol Sverige 2020-10-05 58,30

AAK Sverige 2020-10-05 54,00

Kone Finland 2020-09-22 58,53

Bilia Sverige 2020-09-18 37,80

Kesko Finland 2020-09-18 72,10

Nobina Sverige 2020-09-16 52,87

H&M Sverige 2020-09-15 42,30

Cargotec Finland 2020-09-15 54,67

Husqvarna Sverige 2020-09-10 78,80

Kemira Finland 2020-09-10 64,34

Metso Outotec Finland 2020-07-27 70,68

Catena media Sverige 2020-07-20 37,77

New Wave Group Sverige 2020-07-16 46,90

Bilia Sverige 2020-07-16 37,80

Hexagon Sverige 2020-07-14 47,00

Recipharm Sverige 2020-07-13 56,40

Volati Sverige 2020-07-13 36,70

Intrum Sverige 2020-07-10 40,59

Kesko Finland 2020-07-10 72,10

34

Electrolux Sverige 2020-07-08 60,03

Kindred Sverige 2020-07-08 50,60

Husqvarna Sverige 2020-07-08 78,80

Boozt* Sverige 2020-06-24 39,50

Arjo Sverige 2020-06-11 46,90

Sanoma Finland 2020-04-24 61,15

Orion Finland 2020-04-24 71,20

Fortum Finland 2020-04-23 77,55

Essity Sverige 2020-04-14 66,50

SOBI Sverige 2020-04-14 67,60

Getinge Sverige 2020-04-09 62,30

Camurus* Sverige 2020-04-02 46,20

Bilia Sverige 2020-01-23 37,80

Outokumpu Finland 2020-01-20 71,34

SOBI Sverige 2020-01-16 67,60

Neste Finland 2019-12-21 78,62

SAS Sverige 2019-11-08 69,86

Metsä Board Finland 2019-10-08 58,55

Sanoma Finland 2019-09-13 60,28

Lindab Sverige 2019-04-10 64,60

Valmet Finland 2019-02-26 64,14

BTS Sverige 2019-02-07 76,60

Boozt Sverige 2019-01-24 39,50

Outokumpu Finland 2018-11-09 42,09

Sanoma Finland 2018-10-11 49,64

Mekonomen Sverige 2018-08-28 44,02

Valmet Finland 2018-07-17 71,38

Stora Enso Sverige 2018-04-13 86,89

Metsä Board Finland 2018-03-16 60,38

YIT Finland 2018-01-12 51,02

Kone Finland 2018-01-12 41,71

SAS Sverige 2017-11-03 42,52

Sanoma Finland 2017-10-24 54,55

Sanoma Finland 2017-09-07 54,55

8.2 Variabler från Eikon MV- Market value (Capital): Market value on Datastream is the share price multiplied by the

number of ordinary shares in issue. The amount in issue is updated whenever new tranches of

stock are issued or after a capital change. § For companies with more than one class of equity

capital, the market value is expressed according to the individual issue. § Market value is

displayed in millions of units of local currency.

TRESGCS- ESG Combined Score: Refinitiv's ESG Combined Score is an overall company

score based on the reported information in the environmental, social and corporate

governance pillars (ESG Score) with an ESG Controversies overlay.

WC03351- Total Liabilities: TOTAL LIABILITIES represent all short and long term

obligations expected to be satisfied by the company

WC02999- Total Assets: TOTAL ASSETS represent the sum of total current assets, long

term receivables, investment in unconsolidated subsidiaries, other investments, net property

plant and equipment and other assets.

PE- Price/Earnings Ratio (Adjusted): This is the price divided by the earnings rate per share

at the required date. For full details of the price and earnings figures used in any particular

case, see the Price and Earnings per share topics.

8.3 T-test för eventstudien Nedan följer en detaljerad genomgång av hur studien gjort t-test för att se om den abnormala

avkastningen är signifikant eller ej.

35

Nokia Finland 2017-08-08 82,26

YIT Finland 2017-07-13 50,35

Sanoma Finland 2017-05-16 54,55

Sanoma Finland 2017-04-10 54,55

Cellavision* Sverige 2017-04-07 31,30

Raysearch Laboratories Sverige 2017-02-01 26,20

Probi Sverige 2017-01-10 22,50

För att se om de positiva vinstvarningarna i urvalet ger upphov till abnormal avkastning

under de olika eventfönstren upprättas ett t-test för att testa att den faktiska avkastningen är

signifikant skilt från den estimerade avkastningen. Formeln för t-testen är följande:

t︿

= CAR

√var(CAR)(4)

med T - 1 frihetsgrader där var(CAR) är variansen av den genomsnittliga kumulativa

abnormala avkastningen. För att beräkna variansen på den kumulativa abnormala

avkastningen räknas först variansen för den abnormala avkastningen för varje enskild dag

enligt formen:

ar(AR )v t = 1N2 × ∑

N

i=1MSEi (5)

där N är antalet event i urvalet och MSE är medelkvadratfel från regressionen med

marknadsmodellen, se formel 3. Denna varians kan sedan användas för att beräkna variansen

på den genomsnittliga kumulativa abnormala avkastningen genom formeln:

ar(CAR) ar(AR )v = L × v t (6)

där L är längden på eventfönstret uttryckt i antal dagar.

8.4 Tabeller som påverkades av borttagandet av extremvärdena Nedan följer resultat från eventstudien, regressionen samt deskriptiv statistik och

korrelationsmatris för urvalet innan borttag av extremvärden.

Återskapande av tabell 6 Tabell 11: Eventstudieresultat innan borttag av extremvärden.

Resultat för eventstudien där inga etremväden har tagits bort. Abnormal avkastning för valda eventfönster och resultat för

t-test där noteringen *** innebär 1% signifikans, ** innebär 5% signifikans och * innebär 10% signifikans.

36

Fönster Abnormal avkastning t-test

AR(0) 6,22% 7,912***

CAR(0,+1) 7,09% 3,524***

CAR(-5,+5) 7,4% 6,632**

Återskapande av tabell 7 Tabell 12: Abnormal avkastning under de olika dagarna i studien eventfönster innan borttag av extremvärden.

Genomsnittlig abnormal avkastning för varje dag under eventfönster T-5 till T +5 innan borttag an extremvärde. Noteringen *** innebär 1% signifikans, ** innebär 5% signifikans och * innebär 10% signifikans.

Återskapande av tabell 8 Tabell 13:Deskriptiv statistik för modellens variabler med undantag för MULTIW och YEAR 20 innan

borttag av extremvärden.

MEDEL representerar det genomsnittliga värdet för datapunkterna. MEDIAN representerar den mittersta datapunkten av

alla mätbara värden. ST.DIV representerar för standardavvikelsen. MAX och MIN representerar det högsta samt de lägsta

värdet för varje variabel. SKEV representerar den skevhet som förskjuter normalfördelningskurvan. KURT representerar

hur hög normalfördelningskurvan är. Återskapande av Tabell 9 Tabell 14: Resultat från multipelregressionsanalysen innan borttag av extremvärden.

Tabellen visar värdet på modellens konstant samt koefficienterna till modellens variabler för regression med studiens tre mått av abnormal avkastning samt tillhörande t-värden. Tabellen redovisar antal observationer för modellen, modellens justerade förklaringsgrad samt F-värde. Notering *** innebär signifikant resultat på 1% nivå, ** innebär signifikant resultat på 5% nivå, * innebär signifikant resultat på 10% nivå.

37

Dag T-5 T-4 T-3 T-2 T-1 T0 T+1 T+2 T+3 T+4 T+5

Medel AR 0,0% -0,13% 0,3% -0,23% -0,19% 6,22% 0,87% 0,59% -0,44% -0,22% 0,0%

t-stat -0,007 0,179 0,420 -0,316 0,263 8,688*** 1,211 0,823 -0,619 -0,301 -0,002

Variable Medel Median ST.DIV MAX MIN Skevhet Kurtosis

AR(0) 6,22% 4,33% 0,07 34,5% -3,4% 1,846 3,982

CAR(0,+1) 7,09% 5,25% 0,07 33% -4,3% 1,174 2,324

CAR(-5,+5) 7,4% 6,79% 0,09 32,4% -9,5% 0,753 0,739

ESG 55,28 54,55 15,1 86,89 22,5 0,044 -0,795

Size 9,77 9,59 1,418 12,73 4,86 -0,178 1,219

EP 4,41% 4,26% 0,273 14,71% -3,72% 0,273 1,123

BETA 0,93 0,93 0,36 2,13 0,19 0,708 1,506

Beroende variabel Konstant ESG MULTIW SIZE EP BETA LEV YEAR20 N Jus. R2 F-värde

AR(0) 0,362*** -0,001* 0,001 -0,021*** -0,488** 0,041** -0,136*** 0,025* 69 0,538 13,272***

t-stat (7,436) (-1,899) (0,067) (-4,520) (-2,643) (2,474) (-3,905) (1,862)

CAR(0,1) 0,331*** 0,000 0,012 -0,022 -0,409** 0,46** -0,117*** 0,019 69 0.445 9,8***

t-stat (6,482) (-0,689) (0,759) (-4,464) (-2,112) (2,665) (-3,198) (1,387)

CAR(-5,+5) 0,131** -0,001 0,036 0,00 -0,408 0,36 -0,107* 0,21 69 0,059 4,723***

t-stat (2,253) (-0,755) (1,419) (-1,268) (-1,267) (1,238) (-1,765) (0,879)

Återskapande av Tabell 10 Tabell 15:Korrelationsmatris innan borttag av extremvärden.

Korrelationsmatris som visar Pearsons korrelationskoefficient mellan modellens variabler individuellt innan

borttag av extremvärden. Notering *** innebär signifikant resultat på 1% nivå, ** innebär signifikant resultat på 5% nivå.

38

AR(0) CAR(0,+1) CAR(-5,+5) ESG MULTIW SIZE EP BETA LEV YEAR20

AR(0) 1

CAR(0,+1) 0,883*** 1

CAR(-5,+5) 0,653*** 0,816*** 1

ESG -0,425*** -0,339*** -0,141 1

MULTIW -0,063 0,011 -0,110 -0,122 1

SIZE -0,509*** -0,509*** -0,459*** 0,483*** -0,207** 1

EP -0,412*** -0,346*** -0,214** 0,132 0,194 0.038 1

BETA 0,238** 0,254** 0,113 -0,021 -0,232*** 0,002 -0,122 1

LEV -0,343*** -0,298*** -0,204** 0,001 0,106 -0,009 0,198 0,054 1

YEAR20 0,132 0,081 0,029 0,09 -0,287*** 0,102 -0,242** 0,088 0,194 1