VAD VET VI OM SVENSKA ICKE-FINANSIELLA FÖRETAGS KAPITALSTRUKTUR?

VAD VET VI OM SVENSKA ICKE-FINANSIELLA FÖRETAGS KAPITALSTRUKTUR?
UPPSALA UNIVERSITET
Företagsekonomiska Institutionen
Accounting Issues 30 hp HT-11
Kandidatuppsats
VAD VET VI OM SVENSKA ICKE-FINANSIELLA
FÖRETAGS KAPITALSTRUKTUR?
En undersökning av Nasdaq OMX Stockholm Mid Cap.
Författare: Robert Andersson, Martin Selinus, Christian Zettergren
Handledare: Gunilla Eklöv Alander
Innehållsförteckning
1 INLEDNING .......................................................................................................................................... 1
1.1 SYFTE OCH FRÅGESTÄLLNING ..................................................................................................................... 3
2 TEORI .................................................................................................................................................. 3
2.1 OLIKA TYPER AV TEORI ............................................................................................................................. 4
2.2 KVANTIFIERING AV RISK OCH VOLATILITET ..................................................................................................... 4
2.3 MERTONS DISTANCE TO DEFAULT .............................................................................................................. 5
2.4 BYSTRÖMS DISTANCE TO DEFAULT ............................................................................................................. 8
2.5 TRADE-OFF THEORY (T-O) ..................................................................................................................... 10
3 EMPIRISK METOD.............................................................................................................................. 11
3.1 VAL AV METOD FÖR ATT KVANTIFIERA SANNOLIKHETEN ATT ETT FÖRETAG GÅR I KONKURS .................................... 12
3.2 VAL AV MARKNAD ................................................................................................................................. 14
3.3 INHÄMTNING AV DATA ........................................................................................................................... 16
3.4 AVGRÄNSNINGAR.................................................................................................................................. 17
3.5 BYSTRÖMS DD ..................................................................................................................................... 19
3.5 FRÅN APPROXIMERAT KREDITVÄRDERINGSBETYG TILL EXPLICIT SANNOLIKHET..................................................... 24
3.6 ÖKNING AV ANDELEN FRÄMMANDE KAPITAL ............................................................................................... 25
3.7 KRITIK TILL EMPIRISK METOD ................................................................................................................... 26
4 EMPIRI .............................................................................................................................................. 30
4.1 SVENSKA MEDELSTORA ICKE-FINANSIELLA FÖRETAGS SKULDSÄTTNINGSGRAD..................................................... 30
4.2 BYSTRÖMS DD OCH EXPLICIT SANNOLIKHET FÖR KONKURS ............................................................................ 31
4.3 ÖKNING AV ANDELEN FRÄMMANDE KAPITAL ............................................................................................... 32
4.4 DISKUSSION ......................................................................................................................................... 33
5 AVSLUTNING ..................................................................................................................................... 37
5.1
SLUTSATSER ..................................................................................................................................... 37
6 REFERENSER ...................................................................................................................................... 38
APPENDIX A – INKLUDERADE FÖRETAG ............................................................................................... 42
APPENDIX B – EXKLUDERADE FÖRETAG ............................................................................................... 43
APPENDIX C - SEKTORINDELNING......................................................................................................... 45
APPENDIX D – TIDSVARIERANDE VARIANS........................................................................................... 46
APPENDIX E – EMPIRI PÅ SEKTORNIVÅ ................................................................................................ 47
APPENDIX F – BYSTRÖMS DD ............................................................................................................... 48
APPENDIX G – ÖKNING AV ANDELEN FRÄMMANDE KAPITAL .............................................................. 50
APPENDIX H – STATA 12 KOD ............................................................................................................... 52
Sammanfattning: Inom kontexten medelstora svenska icke-finansiella företag är syftet med denna
uppsats att undersöka hur sambandet mellan företagens skuldsättningsgrad och företagens
sannolikheter för konkurs ser ut genom att tillämpa Byströms Distance to Default (DD). Uppsatsen
ämnar besvara följande frågeställningar: (1) Hur ser företagens skuldsättningsgrad och sannolikhet för
konkurs ut kvantifierade med Byströms DD? (2) Kan företagen öka andelen främmande kapital utan att
nämnvärt öka sannolikheten för konkurs kvantifierat med Byströms DD? En empirisk metod utvecklas
för att beräkna företagens skuldsättningsgrad, företagens sannolikhet för konkurs och för att öka
andelen främmande kapital utan att nämnvärt öka sannolikheten för konkurs. Indelning av företagen
sker på sektornivå. Om uppsatsens frågeställningar kan följande slutsatser dras: (1) företagens
skuldsättningsgrad är olika beroende på sektortillhörighet och förändringar i marknadsvärdet av
företagens tillgångar och förändringar i volatiliteten av marknadsvärdet av företagens tillgångar har en
tydlig påverkan på företagens sannolikhet för konkurs (2) två av sektorerna (i.e. Informationsteknik och
Sjukvård) kan öka andelen främmande kapital utan att nämnvärt förändra sannolikheten för konkurs.
Tre av sektorerna (i.e. Industrivaror och tjänster, Material och Sällanköpsvaror och tjänster) uppvisar
högre skuldsättningsgrader och en tänkbar förklaring är att företagen kortsiktigt avviker från företagens
långsiktiga skuldsättningsgrad. När företagens skuldsättningsgrad och sannolikhet för konkurs
kvantifieras med Byströms DD uppvisar företag med hög skuldsättningsgrad en högre sannolikhet för
konkurs – i enlighet med Trade-Off Theory.
Nyckelord: Medelstora icke-finansiella företag, Nasdaq OMX Stockholm Mid Cap, Skuldsättningsgrad,
Kapitalstruktur, Sannolikhet för konkurs, Mertons DD, Byströms DD, Tidsvarierande varians, Trade-Off
Theory.
1 Inledning
Modigliani och Millers (1958) irrelevansteorem visar att ett företags
kapitalstruktur,
under
vissa
marknadsförhållanden1,
är
irrelevant
för
marknadsvärdet av företagets tillgångar. I Modigliani och Millers fotspår har
omfattande forskning bedrivits för att avgöra hur och om ett företag faktiskt kan
välja kapitalstruktur och forskningen har gett upphov till flera teorier2 om hur ett
företag väljer kapitalstruktur (e.g. Trade-Off Theory och Pecking-Order Theory).
Ett företags kapitalstruktur består av eget kapital och främmande kapital och är
fördelat över de säkerheter ett företag emitterat för att finansiera företagets
tillgångar med. För att förklara varför de undersökta företagen väljer en viss
kapitalstruktur utgår uppsatsen ifrån ett företags balansräkning, balansekvationen
(i.e. Tillgångar = Skulder + Eget Kapital) och Trade-Off Theory inom vilket ett
företag avväger för- och nackdelar med främmande kapital.
Kostnader som uppkommer ur ett företags operativa verksamhet medför en
operativ risk och kostnader som uppkommer ur ett företags finansiella verksamhet
(e.g. räntekostnader på långfristiga skulder) medför en finansiell risk. Summan av
operativ risk och finansiell risk benämns inom uppsatsen som företagsrisk. Ett
företag går i konkurs när dess skulder överstiger marknadsvärdet på dess
tillgångar och inom uppsatsen likställs företagsrisk med sannolikheten att ett
företag går i konkurs.
Tidigare studier som undersöker skuldsättningsgrad uppvisar olika resultat, e.g.
Rajan och Zingales (1995) som undersöker skuldsättningsgrad inom G7-länderna
och finner att skuldsättningsgraden på aggregerad nivå är likartad. Ett exempel
som undersöker skuldsättningsrad för svenska företag är Chen och Hammes
(2004) som undersöker vilka faktorer som avgör ett företags val av
1
Modigliani och Miller (1958) gör följande antaganden om en perfekt kapitalmarknad: (1) en
effektiv marknad (2) avsaknad av skatter eller neutrala skatter (3) rationella investerare som kan
eliminera effekterna av ett företagens val av kapitalstruktur genom att öka eller minska sin egen
skuldsättning. (4) avsaknad av transaktions- och konkurskostnader.
2
Myers (1984) och Harris och Raviv (1991) utför grundliga genomgångar av några av dessa
teorier.
1
skuldsättningsgrad. Chen och Hammes (2004) finner att storlek, lönsamhet och
andel fasta tillgångar är statistiskt signifikanta faktorer som påverkar ett företags
val av skuldsättningsgrad, och att företag med hög risk, generellt, lånar mindre - i
enlighet med Trade-Off Theory.
Ett annat exempel på studier som undersöker skuldsättningsgrad för svenska
företag är Song (2005) som undersöker determinanter för svenska företags val av
kapitalstruktur. Song (2005) finner att svenska företag, generellt, har höga
skuldsättningsgrader och att kortfristiga skulder utgör en stor del av svenska
företags totala skulder.
Tidigare forskning som undersöker svenska företags val av kapitalstruktur (e.g.
Chen och Hammes, 2004 ; Song, 2005) undersöker främst faktorer som avgör ett
företags val av skuldsättningsgrad och det existerar ett tomrum bland studier som
undersöker hur sambandet mellan skuldsättningsgrad och sannolikhet att gå i
konkurs ser ut för svenska företag. Tidigare forskning som undersöker sannolikhet
för konkurs (e.g. Byström, 2006) undersöker främst amerikanska företag och det
finns en avsaknad av studier som undersöker svenska medelstora icke-finansiella
företag.
Denna uppsats har avsikten att göra ett bidrag till detta tomrum genom att
kvantifiera medelstora icke-finansiella företags, noterade på Nasdaq OMX
Stockholm Mid Cap, sannolikhet för konkurs med Byströms Distance to Default
(DD). I den empiriska metoden undersöks de 32 företagens skuldsättningsgrad på
sektornivå3 enligt Byströms (2006) definition av skuldsättningsmåttet L. I den
empiriska metoden undersöks det även om företagen kan öka andelen främmande
kapital utan att nämnvärt öka sannolikheten för konkurs (kvantifierat med
Byströms DD).
Byströms DD är en vidareutveckling av Mertons (1974) strukturella modell för att
kvantifiera sannolikheten för att ett företag går i konkurs. I Mertons modell antas
volatiliteten av avkastningen av företagets tillgångar vara konstant och Byströms
modell tillåter användningen av tidsvarierande varians (e.g. Bollerslev, 1986 ;
3
Indelning i sektornivå sker enligt Nasdaq OMX Stockholm
2
Engle, 1982). Volatiliteten av avkastningen av företagens tillgångar är i en ökande
trend och antagandet med konstant volatilitet4 inom Mertons modell är således
inte längre realistiskt.
Gemensamt för de 32 undersökta företagen är att de inte emitterat obligationer på
den svenska företagsobligationsmarknaden och således kan ha möjlighet att
förändra sin kapitalstruktur genom en ökning av andelen främmande kapital,
oavsett vilken form av säkerheter de emitterar. Uppsatsen ämnar ej undersöka de
faktorer som tidigare forskning visar är statistiskt signifikanta (e.g. omsättning,
resultat, utdelningar, bransch och skuldsättning etc.).
1.1 Syfte och frågeställning
Inom kontexten svenska medelstora icke-finansiella företag är syftet med denna
uppsats att undersöka hur sambandet mellan företagens skuldsättningsgrad och
företagens sannolikheter för konkurs ser ut genom att tillämpa Byströms Distance
to Default (DD).
Inom kontexten svenska medelstora icke-finansiella företag ställer uppsatsen
följande frågor:
(1) Hur ser företagens skuldsättningsgrad och sannolikhet för konkurs ut
kvantifierade med Byströms DD?
(2) Kan företagen öka andelen främmande kapital utan att nämnvärt öka
sannolikheten för konkurs kvantifierat med Byströms DD?
2 Teori
I detta avsnitt ges en sammanfattning av de teorier som används i den empiriska
metoden och de teorier som används för att tolka och diskutera den empiriska
metodens resultat.
4
Campell, Lettau, Malkiel och Xu (2001) visar att företagsspecifik volatilitet är i en ökande trend.
3
2.1 Olika typer av teori
I uppsatsen används flera olika teorier, avsnitt 2.2 Kvantifiering av risk och
volatilitet används i den empiriska metoden för att kvantifiera risk och volatilitet.
Avsnitt 2.3 Mertons Distance to Default och avsnitt 2.4 Byströms Distance to
Default används för att beräkna ett approximerat kreditvärderingsbetyg och även
för att beräkna en explicit sannolikhet för att ett företag går i konkurs. Avsnitt 2.5
Trade-Off Theory används främst för att tolka den empiriska metodens resultat
(i.e. hur företag gör en avvägning mellan fördelar och nackdelar med främmande
kapital) men även för att motivera varför ett företag kan öka andelen främmande
kapital.
2.2 Kvantifiering av risk och volatilitet
Markowitz (1952) jämställer varians med risk (i.e. en proxy för risk) och lägger
grunden för modern hantering och kvantifiering av risk (genom standardavvikelse
) (Markowitz, 1952 ; Alexander, 2009). Engle (1982) utvecklar en banbrytande
metod, Autoregressive Conditional Variance (ARCH), för att modellera
tidsvarierande varians och volatilitetsklustring (perioder med återkommande hög
eller låg volatilitet). ARCH modeller medför ett behov av många laggade
tidsvariabler och empirisk tillämpning anses vara opraktisk (Diebold, 2004, s.
176). Bollerslev (1986) bygger på Engle (1982) och generaliserar ARCH till
Generalized Autoregressive Conditional Variance (GARCH) och möjliggör
empirisk tillämpning med färre laggade tidsvärden (Diebold, 2004, s. 176).
Nedan återges en GARCH(1,1)5 modell:
(1)
I ekvation (1) motsvarar
den långsiktiga variansen, ARCH termen
ett
laggat tidsvärde av feltermerna i kvadrat. ARCH-termens koefficient benämns
GARCH termen
motsvarar ett laggat tidsvärde av variansen i kvadrat och
5
I undersökningen antas samtliga företags aktiekurser och avkastningar följa en GARCH(1,1)
process och för ekvation (1) gäller följande:
.
4
GARCH koefficient benämns
och summan av vikterna
är 1. Hansen och
Lunde (2001) finner att GARCH modeller varken är sämre eller bättre än andra
modeller för att estimera och förutspå tidsvarierande varians6.
2.3 Mertons Distance to Default
Merton (1974) utvecklar en modell för kvantifiering av ett företags sannolikhet
för konkurs – Mertons Distance to Default (DD). Mertons DD är en strukturell
modell
eftersom
modellen
utvärderar
ett
företags
kapitalstruktur
(i.e.
balansräkning) och inom modellen beror en företagsobligations pris endast på tre
variabler: (1) den förväntade avkastningen på en riskfri obligation (2) utgivna
obligationers
emitteringsvillkor
(e.g.
löptid,
prioriteringsordning
av
fordringsägare vid konkurs) (3) sannolikheten att ett företag går i konkurs. I
modellen är marknadsräntan7 konstant och förändringar i priset på en
företagsobligation beror således endast på förändringar i sannolikheten att ett
företag går i konkurs. Mertons (1974) val av Black och Scholes (B-S) (1973)
formel som modellens fundament medför åtta antaganden om en ideal
kapitalmarknad8 varav flera av antagandena kan försvagas9.
Inom modellen görs ett antagande om att ett företag har en enhetlig räntebärande
skuld som förfaller vid tidpunkten T.
(1)
marknadsvärdet av ett företags eget kapital
= marknadsvärdet av ett företags tillgångar
bokförda värdet av ett företags totala skulder
löptid på företagets räntebärande skuld
riskfri ränta
kumulativ normalfördelningsfunktion
6
Se Bollerslev (2007) och Engle (2001) för en genomgång av ARCH (GARCH) modeller.
Den riskfria räntans löptidsstruktur är konstant, e.g. en stadsobligation med 3-månaders löptid.
8
Mertons (1974) antaganden är ekvivalenta med de sju antaganden som B-S (1973) gör och utökas
med ett åttonde antagande som direkt kan hänföras till B-S (1973) metod för att modellera
slumpmässiga rörelser i värdet av en aktie. Se Fortune (1966, s.23) för en genomgång.
9
Merton (1976) kritiserar antaganden som görs i B-S (1973) och Merton (1976) och utvecklar en
modell som tillåter hopp i priset på ett företags aktie.
7
5
Eftersom marknadsvärdet av ett företags eget kapital
marknadsvärdet av ett företags tillgångar
är direkt observerbart och
inte är direkt observerbart förklarar10
Merton (1974) relationen av volatiliteten av företagets eget kapital och av
företagets tillgångar med ekvation (2).
(2)
volatiliteten av avkastningen på ett företags eget kapital
volatiliteten av avkastningen på ett företags tillgångar.
marknadsvärdet av ett företags eget kapital.
marknadsvärdet av ett företags tillgångar.
10
Merton (1974) använder B-S formel för att lösa ut volatiliteten av ett företags tillgångar.
6
Figur 2.3. Mertons DD11 (återskapad från Crosbie och Bohn, 2003, s. 13).
1.
2.
3.
4.
Nuvärdet av tillgångarnas marknadspris.
Fördelningen av tillgångarnas marknadsvärde vid tidpunkt .
Volatiliteten för det framtida tillgångsvärdet vid tidpunkt .
Tröskelvärdet där konkurs sker, det bokförda värdet av ett företags
skulder.
5. Den förväntade tillväxten i tillgångens värde över ett år.
6. Tidpunkten motsvarar ett år.
Mertons (1974) Distance to Default (DD) beskriver hur många standardavvikelser
marknadsvärdet av ett företags tillgångar är ifrån ett tröskelvärde12, om
tröskelvärdet nås går företaget i konkurs (se Figur 2.3.). Ett stort DD-värde
innebär att marknadsvärdet på ett företags tillgångar i förhållande till det bokförda
värdet av ett företags skulder är stort och sannolikheten att företaget går i konkurs
är således liten. Ett litet DD-värde innebär att marknadsvärdet på ett företags
tillgångar i förhållande till det bokförda värdet av ett företags skulder är litet och
sannolikheten att företaget går i konkurs är således stor (Byström, 2006, s. 41).
Mertons (1974) DD kan beräknas med följande ekvation:
(3)
Ett företags skuldsättningsgrad vid tidpunkten för beräkning av Mertons DD är
företagets kapitalbuffert (i.e. hur mycket företagets tillgångar överstiger företagets
skulder). Inom modellen antas det bokförda värdet av ett företags skuld vara ett
europeiskt optionskontrakt med en löptid på ett år och under löptiden kommer
volatiliteten av marknadsvärdet av företagets tillgångar urholka värdeökningen av
företagets tillgångar.
11
Benämningen Distance to Default kommer från Mertons (1974) användning av Black och
Scholes (1973) formel för prissättning (se ekvation (13) och uttrycket
i Black och Scholes,
1973, s. 644).
12
Ett vanligt antagande är att definiera tröskelvärdet som företagets kortfristiga skulder plus
hälften av företagets långfristiga skulder (Benos och Papanastasopoulos, 2005, s. 10).
7
Vid optionskontraktets lösendag (i.e. slutet på år ett) går ett företag i konkurs om
företagets skulder överstiger företagets tillgångar. Ett företag med hög
skuldsättningsgrad och hög volatilitet i marknadsvärdet på företagets tillgångar
uppvisar, generellt, högre sannolikhet att gå i konkurs (i.e. den möjliga vägen för
tillgångarnas värdeutveckling urholkas av hög volatilitet).
Tidigare studier (e.g. Jason, Mason och Rosenfeld, 1984 ; Eom, Helwege och
Huang, 2003; Wong och Li, 2004) finner att Mertons (1974) strukturella modeller,
generellt, överskattar värdet på en företagsobligation och således underskattar
sannolikheten att ett företag går i konkurs. Tudela och Young (2003) finner att
Mertons (1974) strukturella modell är mer lämplig för att ranka enskilda företag
utifrån deras risknivå än att bedöma den exakta sannolikheten att ett företag går i
konkurs. Byström (2006) förenklar Mertons
DD med syftet att underlätta
beräkningen och användningen av tidsvarierande varians (e.g. Engle, 1982 ;
Bollerslev, 1986).
2.4 Byströms Distance to Default
Byström (2006) utvecklar en kalkylbladsmodell med syftet att förenkla
beräkningen av Mertons (1974) DD och gör det möjligt att beräkna Mertons
(1974) DD med endast tre variabler: (1) marknadsvärdet av ett företags eget
kapital (2) volatiliteten av avkastningen på ett företags eget kapital (3) bokförda
värdet av ett företags skulder.
För att förenkla Mertons (1974) DD gör Byström (2006, s. 41) tre antaganden: (1)
drifttermen
antas
vara
liten
(2)
den
kumulativa
normalfördelningsfunktionen N(d1) går mot 1 (3) det bokförda värdet av ett
företags skulder används för att beräkna företagets skuldsättningsgrad D / VA .
Byströms (2006, s. 41) motiverar de tre antaganden: (1) med att drifttermen är
liten (2) den kumulativa normalfördelningsfunktionen endast i extremfall avviker
8
från ett (3) det bokförda värdet av ett företags skulder13 är det belopp som ett
företag kommer att betala (i.e. marknadsvärdet på ett företags skulder påverkar
inte principalen).
Byströms (2006) tre antaganden innebär: (1) om priset på en aktie beskrivs med
en slumpmässig rörelse är aktiens framtida pris i tidpunkten t+1 endast beroende
av aktiens pris i tidpunkten t och övriga tidpunkter är ej relevanta för dynamiken
av värdeförändringar i priset på en aktie. Antagandet att drifttermen är liten
innebär att marknadsvärdet av ett företags tillgångar (i.e. priset på en aktie gånger
antal aktier) rör sig runt väntevärdet (2) sannolikheten att hitta ett värde som är
mindre eller lika stort som en slumpmässigt fördelad variabel är ett (3)
marknadsvärdet av ett företags skulder påverkar kostnaden (i.e. kupongen) dock
inte det nominella beloppet som återbetalas när företagsobligationen förfaller.
Byströms (2006) första antagande (1) kombinerat med ett generellt antagande om
att löptiden för ett företags skulder är ett år14 gör det möjligt att förenkla ekvation
(3) till ekvation (4).
(4)
Om volatiliteten av ett företags tillgångar
ersätts med
i ekvation (2) och
med det andra antagandet kan ekvation (4) förenklas ytterligare (Byström, 2006, s.
42).
(5)
Om
ett
företags
skuldsättningsgrad15
definieras
som
kan
kalkylbladsmodellen av Mertons (1974) DD beskrivas enligt följande:
13
En säkerhet som inte omsätts på en marknad saknar ett direkt observerbart pris och bias uppstår
när marknadspriser endast används för beräkning av ett företags eget kapital.
14
Ett generellt antagande om att löptiden för företagets skulder är ett år medför att det är
sannolikheten för konkurs på ett års sikt som undersöks (i.e. eftersom ett europeiskt
optionskontrakt endast kan lösas in på förfallodagen).
9
(6)
För att beräkna kalkylbladsmodellen av Mertons (1974) DD med endast kända
variabler görs antagandet att ett företags skuldsättningsgrad L kan beräknas som
genom att använda ett företags bokförda värde av skuld D.
För kvantifiering av sannolikheten att ett företag går i konkurs med
behövs endast tre variabler: (1) marknadsvärdet av ett företags kapital
volatiliteten av avkastningen på företagets eget kapital
av ett företags skuld
(2)
(3) det bokförda värdet
(Byström, 2006, s. 42).
2.5 Trade-Off Theory (T-O)
Figur 2.5. Trade-Off Theory (återskapad från Myers, 1984, s. 577).
15
Se Tabell 2. i Rajan och Zingales (1995, s. 1428-1429) för olika skuldsättningsmått och deras
för- och nackdelar.
10
Inom T-O ses ett företags optimala skuldsättningsgrad som en avvägning mellan
fördelar (e.g. avdragsgilla kostnader för räntebärande skulder) och nackdelar (e.g.
ökad sannolikhet för konkurs och ökade konkurskostnader) med främmande
kapital. Ett företag kommer att växla mellan eget kapital och främmande kapital
tills företagets marknadsvärde är optimalt och maximerat (se Figur 2.5.) (Myers,
1984, s. 577).
Transaktionskostnader och tidsförskjutningar gör att ett företag inte direkt når en
optimal kapitalstruktur och teorin implicerar att: (1) ett företag med hög risk16
använder mindre främmande kapital (2) ett företag med låg risk kan använda mer
av fördelarna av främmande kapital innan ökade konkurskostnader förskjuter
fördelarna. Enligt teorin beror den förväntade kostnaden vid en konkurs på: (1)
sannolikheten att ett företag går i konkurs (2) den förväntade förlusten vid
konkurs (Myers, 1984, s. 577).
3 Empirisk metod
I detta avsnitt utvecklas en empirisk metod för att beräkna en approximering av ett
företagsspecifikt kreditvärderingsbetyg. För de undersökta företagen omvandlas
det approximerade kreditvärderingsbetyget till en explicit sannolikhet att ett
företag går i konkurs. Dispositionen av den empiriska metoden är följande:
3.1 Val av metod för att kvantifiera sannolikheten att ett företag går i
konkurs: Fem olika metoder för att kvantifiera sannolikheten att ett
företag går i konkurs diskuteras och valet av en metod motiveras.
3.2 Val av marknad: En diskussion förs om tre marknader och Nasdaq OMX
Stockholm Mid Cap väljs och motiveras.
3.3 Inhämtning av data: Data för tre variabler inhämtas ur finansiella
rapporter och ur historisk kursinformation för samtliga företag noterade på
Nasdaq OMX Stockholm Mid Cap.
16
Volatiliteten av marknadsvärdet av ett företags tillgångar används som en proxy för risk.
11
3.4 Avgränsningar: Fem kriterier används för att urskilja de företag som
undersöks. 32 företag uppfyller samtliga fem kriterier och för dessa
företag beräknas ett approximerat kreditvärderingsbetyg. Se Tabell 3.4.1. i
Appendix A för en lista över de 32 företag som undersöks. Se Tabell 3.4.2.
Appendix B för en lista över de 49 företag som exkluderas.
3.5 Byströms DD: Byströms DD beräknas med tre variabler: (1)
marknadsvärdet av ett företags eget kapital (2) volatiliteten av
avkastningen av e marknadsvärdet av ett företags eget kapital (3) det
bokförda värdet av ett företags skuld. Ett medelvärde av företagens
kreditvärderingsbetyg beräknas på årsbasis. Se Tabell 4.2. i Appendix F
för resultat från beräkning av Byströms DD.
3.6 Från approximerat kreditvärderingsbetyg till explicit sannolikhet:
Byströms DD omvandlas till en explicit sannolikhet för konkurs. Se Tabell
4.2. i Appendix F för explicita sannolikheter för att företagen går i
konkurs.
3.7 Ökning av andelen främmande kapital: Företagens skuldsättningsgrad
och sannolikhet för konkurs beräknas före och efter att företagens andel
främmande kapital ökas med 250 MSEK. Se Tabell 4.2. i Appendix G för
resultat.
3.8 Kritik till empirisk metod: Den empiriska metoden och data som
används kritiseras och diskuteras.
3.1 Val av metod för att kvantifiera sannolikheten att ett
företag går i konkurs
Svenska företag har i stor utsträckning ett kreditvärderingsbetyg ifrån
kreditvärderingsföretaget
Soliditet17
och
i
liten
utsträckning
ett
kreditvärderingsbetyg ifrån ett större kreditvärderingsinstitut. Avsaknaden av ett
17
Soliditet skriver på sin hemsida att de är ”Nordens ledande leverantör av kredit- och
affärsinformation” men företaget nämns inte i Riksbanken (2011a, s. 38) under avsaknad av
kreditvärderingsbetyg och anses således inte vara ett större kreditvärderingsinstitut.
12
kreditvärderingsbetyg18 medför ett behov av att kvantifiera företagens
sannolikheter att gå i konkurs.
Följande fem modeller kan användas för att kvantifiera sannolikheten att ett
företag går i konkurs:
(1) Strukturella modeller (e.g. Merton, 1974 ; Byström, 2006).
(2) Kreditmigreringsmodeller
(e.g.
J.P
Morgan’s
CreditMetrics
(se
CreditMetrics, 1997) och Credit Suisse’s CreditRisk+ (se Wilde, 1997)).
(3) Intensitetsbaserade modeller (e.g. Jarrow och Turnbull, 1995; Duffie
och Singleton, 1999).
(4) Första passagen-modeller (e.g. Merton, 1976 ; Black och Cox, 1976).
(5) Statistiska modeller (e.g. Beaver, 1966 ; Altman, 1968).
Att svenska icke-finansiella företag, generellt, saknar ett kreditvärderingsbetyg19
från ett större kreditvärderingsinstitut medför att (2) kreditmigreringsmodeller inte
är tillämpliga eftersom dessa modeller utgår från förändringar i ett befintligt
kreditvärderingsbetyg.
Att
svenska
företag,
generellt,
inte
gett
ut
företagsobligationer medför att (3) intensitetsbaserade modeller20 inte är
tillämpliga eftersom de utgår från marknadspriser på ett företags säkerheter (e.g.
Credit Default Swaps (CDS) och företagsobligationer) för att härleda en exogen
sannolikhet för konkurs. (4) Första passagen-modeller är en hybrid av (1)
strukturella modeller och (3) intensitetsbaserade modeller och är inte tillämpliga
eftersom de undersökta företagen, generellt, inte gett ut publikt omsatt
räntebärande säkerheter. (5) Statistiska modeller kan tillämpas för att kvantifiera
sannolikheten att ett företag går i konkurs. Shumway (2001) visar att endast två av
de fem variabler som Altman (1993) använder är statistiskt significanta och att
modellen innehåller bias. Chava och Jarrow (2004) validerar Shumways (2001)
18
Svenska icke-finansiella företag saknar generellt ett kreditvärderingsbetyg ifrån ett större
kreditvärderingsinstitut (Riksbanken, 2011a, s. 38.). Exempel på större kreditvärderingsinstitut är
Fitch, Moody’s och Standard & Poors (S&P).
19
Kostnaden för ett kreditvärderingsbetyg från ett större kreditvärderingsinstitut är ca 2 miljoner
kronor per år (Riksbanken, 2011c, s. 30).
20
Jarrow och Protter (2004) jämför strukturella- och intensitetsbaserade modeller ur ett
informationsperspektiv och finner att modellerna främst skiljer sig åt genom vilken information
som är tillgänglig inom modellen.
13
modell och resultat och drar även slutsatsen att redovisningsinformation, när
marknadsvärden förekommer i en modell, tillför marginell predikativ förmåga.
Eftersom Altmans modell inte använder marknadsvärden och endast två av fem
variabler i modellen är statistiskt signifikanta används inte (5) Statistiska
modeller.
Metoden som används i den empiriska metoden för att kvantifiera sannolikheten
att ett företag går i konkurs är (1) Strukturella modeller. En strukturell modell
utvärderar marknadsvärdet av ett företags tillgångar för att härleda en endogen
(i.e. bestäms inom modellen) sannolikhet att ett företag går i konkurs. Inom
modellen går ett företag i konkurs när ett företags skulder överstiger ett företags
tillgångar och marknadspriset på ett företags aktier används som en daglig proxy
för all information som är inprisad av marknaden och marknadspriset kan
innehålla information som finansiella rapporter inte fångat (Figlewski, Frydman
och Liang, 2012, s. 1). Estimat baserade på marknadspriser med daglig frekvens
kan innehålla information som är prissatt av marknaden och skiljer sig ifrån
finansiella rapporter som i bästa fall är tillgängliga på kvartals-, halvårs- och
årsbasis och inte nödvändigtvis behöver innehålla aktuell information (Tudela och
Young, 2003, s. 21).
Att marknadspriset av ett företags tillgångar kan innehålla mer information än
finansiella rapporter stöds av Eberhart (2005) som jämför Mertons (1974)
strukturella modell med det bokförda värdet av ett företags skulder. Eberhart
(2005) finner att Mertons (1974) strukturella modell ger noggrannare estimat än
det bokförda värdet av ett företags skuld21.
3.2 Val av marknad
Byströms DD använder marknadsvärdet av ett företags tillgångar och volatiliteten
av avkastningen på företagets tillgångar och medför ett behov av direkt
observerbara marknadsvärden (i.e. noterade företags aktier som omsätts på en
21
Eberhart (2005) noterar att om ett företags räntebärande skulder inte omsätts på en aktiv
marknad så används nyckeltalet bokfört värde av skuld som en proxy för marknadsvärdet på ett
företags skuld.
14
likvid marknad). Nasdaq OMX Stockholm är Sveriges största börs (i.e en likvid
marknad) och erbjuder tre marknadssegment; Small- Mid- och Large Cap. Företag
noterade på Small Cap har ett börsvärde som understiger 1 500 MSEK, företag
noterade på Mid Cap har ett börsvärde inom spannet 1 500-10 000 MSEK.
Företag noterade på Large Cap har ett börsvärde som överstiger 10 000 MSEK.
I den empiriska metoden genomförs en ökning av andelen främmande kapital med
250 MSEK och för företag noterade på Small Cap utgör 250 MSEK (se 3.6.
Ökning av andelen främmande kapital) en väsentlig del av företagens börsvärde
(e.g. ett företag med ett börsvärde på 1 000 MSEK ökar sin skuldsättning med 25
procentenheter). Även för företagen i det översta spannet medför en ökning av
andelen främmande kapital med 250 MSEK en väsentlig ökning och Small Cap
undersöks således inte.
Vid en ökning av andelen främmande kapital med 250 MSEK för företag noterade
på Mid Cap utgör ökningen inte samma väsentliga andel av företagens börsvärde.
En ökning av andelen främmande kapital med 250 MSEK för ett företag i det
nedersta spannet av börsvärde (i.e. 1 500 MSEK) medför en procentull ökning av
skuldsättningsgraden med 16,67 procentenheter. En ökning av andelen
främmande kapital med 250 MSEK för ett företag i det översta spannet av
börsvärde
(i.e.
10 000
MSEK)
medför
en
procentull
ökning
av
skuldsättningsgraden med 2,5 procentenheter.
Vid en ökning av andelen främmande kapital med 250 MSEK för företag noterade
på Large Cap utgör ökningen en marginell andel av företagens börsvärde. Företag
noterade på Large Cap har, generellt, ett kreditvärderingsbetyg från ett eller flera
kreditvärderingsinstitut (i.e. Moodys och Standard & Poors). Eftersom företag
noterade på Large Cap har kreditvärderingsbetyg är detta inte intressant att
kvantifiera och dessa företag använder i större utsträckning (e.g. Boliden,
Industrivärden och SSAB) den svenska marknaden för företagsobligationer.
Företag noterade på Large Cap har sedan tidigare tillgång till denna marknad.
Företag noterade på Mid Cap använder i mindre utsträckning den svenska
marknaden för företagsobligationer och saknar, generellt, kreditvärderingsbetyg
15
från ett större kreditvärderingsinstitut. Avsaknaden av kreditvärderingsbetyg från
ett större kreditvärderingsinstitut gör företagens sannolikheter för konkurs
intressant att kvantifiera. Företag noterade på Mid Cap har sedan tidigare inte haft
tillgång till den svenska marknaden för företagsobligationer och en ökning av
andelen främmande kapital är därför intressant att undersöka.
3.3 Inhämtning av data
För
att
beräkna
en
approximering
av
ett
kreditvärderingsbetyg
sker
datainhämtning av tre variabler: (1) det bokförda värdet av ett företags tillgångar
(2) det bokförda värdet av ett företags skulder (3) marknadsvärdet av ett företags
eget kapital. Datainsamling sker på koncernnivå och för samtliga företag22
noterade på Nasdaq OMX Stockholm Mid Cap innan fem kriterier används för att
urskilja ett antal företag som undersöks (se avsnitt 3.4 Avgränsningar).
Datainsamling för (1) det bokförda värdet av ett företags tillgångar och (2) det
bokförda värdet av ett företags skulder sker på koncernnivå ur kvartals-, halvårsoch årsrapporter och ur koncernbalansräkningen inhämtas posterna Totala
tillgångar och Eget kapital. Ur dessa poster beräknas det bokförda värdet av ett
företags skulder23 per kvartal.
För att beräkna (3) marknadsvärdet av ett företags eget kapital inhämtas historisk
kursdata för samtliga företag på Nasdaq OMX Stockholm Mid Cap. I enlighet
med Halov och Heider (2008, s. 10) används historisk kursdata som är justerade
för åtgärder från företaget. Från Nasdaq OMX Stockholms hemsida24 kan
historiska prisserier laddas ner och samtliga prisserier som laddas ner är justerade
för åtgärder25 som företagen utfört under tidsperioden.
22
Insamlig av data för samtliga företag noterade på Nasdaq OMX Stockholm Mid Cap medför att
urvalsbias inte återfinns i undersökningen.
23
Det bokförda värdet av ett företags skulder beräknas i Microsoft Excel med balansekvationen,
Skulder = Tillgångar – Eget Kapital.
24
Historisk kursinformation inhämtas från
http://www.nasdaqomxnordic.com/shares?languageId=3, Segment: Mid Cap. Market: STO.
25
Åtgärder som påverkar marknadsvärdet av ett företags tillgångar (e.g. aktieutdelningar,
aktiesplittar och nyemmissioner).
16
Efter att datainsamling skett för samtliga företag noterade på Nasdaq OMX
Stockholm Mid Cap används fem kriterier för att urskilja ett antal företag som
undersöks.
3.4 Avgränsningar
Följande kriterier används för att urskilja de företag som undersöks: (1) ickefinansiellt företag (2) företaget är noterat på Nasdaq OMX Stockholm Mid Cap
senast den första oktober år 2005 (3) tillgänglig historisk kursdata för hela den
undersökta tidsperioden (4) tillgängliga finansiella rapporter på kvartalsbasis för
hela den undersökta tidsperioden (5) företaget redovisar finansiell information i
svenska kronor (SEK).
Se Tabell 3.4.1. i Appendix A för en tabell över de företag som undersöks. Se
Tabell 3.4.2. i Appendix B för en tabell över exkluderade företag samt orsaken till
varför ett specifikt företag exkluderats.
De fem kriterierna motiveras enligt följande: (1) Enligt Chava och Jarrow (2004)
ger modeller som undersöker sannolikhet för konkurs, generellt, mindre
noggranna estimat för finansiella företag. Byström (2006) visar att finansiella
företag är mindre känsliga för förändringar26 i företagetens skuldsättningsgrad. (2)
brytgränsen för tidpunkten som undersöks sätts till den första oktober år 2005.
Buisman (Balans, 2006) undersöker årsredovisningar för år 2005 och finner att
företagen rapporterat mer finansiell information än tidigare27 (3) oavbruten
kurshistorik för företagets noterade aktie ger möjlighet att skatta tidsvarierande
varians och beräkna marknadsvärdet av företagets eget kapital enligt samma
metod och med samma antal observationer för samtliga företag. (4) tillgängliga
finansiella rapporter för hela tidsperioden ger möjlighet att beräkna det bokförda
värdet av ett företags skulder och skuldsättningsgrad enligt samma metod och
med samma antal observationer för samtliga företag (5) om samtliga företag
26
Enligt Byström (2006, s. 40) medför en förändring i skuldsättninggrad för banker och högt
skuldsatta företag (e.g. 0,8 till 0,9) en liten förändring i företagens Byströms DD värden.
27
Införandet av Internation Financial Reporting Standards (IFRS) den 1 januari år 2005 medför att
investerare har tillgång till mer information än tidigare år.
17
redovisar i samma valuta har växelkurspåverkan28 (i.e. volatilitet av Euro/Sek)
ingen påverkan på volatiliteten av eget kapital.
I slutet av kvartal tre 2011 återfinns 77 företag, fördelade på 83 aktier, noterade på
Nasdaq OMX Stockholm Mid Cap. Tre företag har noterat både en A- och en Baktie, tre företag har noterat preferensaktier vid sidan om en B-aktie och inget
företag har noterat A-, B- och preferensaktier. 32 företag uppfyller samtliga fem
kriterier. 49 företag, fördelade på 54 aktier, uppfyller inte samtliga av de fem
kriterierna. Fyra företag är verksamma inom den finansiella sektorn och
exkluderas eftersom de inte uppfyller det första kriteriet. 13 företag är verksamma
inom fastighetssektorn och exkluderas eftersom de inte uppfyller det första
kriteriet. Två företag saknar historisk kursinformation eller finansiella rapporter
för hela tidsperioden som undersöks och exkluderas eftersom de inte uppfyller de
fjärde och det femte kriteriet. Ett företag redovisar i Euro och exkluderas för att
företaget inte uppfyller det femte kriteriet.
Av de 49 företagen som exkluderas är 28 företag verksamma inom den ickefinansiella företagssektorn. Av företagen som exkluderats har tre företag gett ut
företagsobligationer29 under den undersökta tidsperioden. Av företagen i
undersökningen har noll företag gett ut företagsobligationer under den undersökta
tidsperioden. Om den empiriska metoden har intern och extern validitet går
studiens resultat att generalisera på dessa 28 icke-finansiella företag. Studiens
resultat går ej att generalisera på de 17 företag som exkluderats eftersom de inte
uppfyller det första kriteriet.
De 32 undersökta företagen30 har inte emitterat några företagsobligationer
nominerade i svenska kronor och noterade på Nasdaq OMX under perioden som
undersöks (se Tabell 3.4.1. Appendix A).
28
Enligt Riksbanken (2011b, s. 34)
Svensson (2002, s.2) finner att valutakursvolatiliteten i SEK/EURO är påtaglig.
Företagsobliagtioner noterade på Nasdaq OMX utgör ca 95 procent av svenska
företagsobligationer emitterade i SEK (Riksbanken, 2011c, s. 30).
30
Av de 49 exkluderade företagen har två fastighetsbolag (Corem Property Group ; Kungsleden),
ett energi (PA Resources) och ett jordbruksföretag (Black Earth Farming) emitterat
företagsobligatioer på Nasdaq OMX.
29
18
emitteras merparten av de svenska företagsobligationerna i utländsk valuta, vilket
motsvarar ca 60 procent av det totala utestående beloppet, och dessa utgör inte en
del av undersökningen. Enligt Riksbanken (2011b, s. 34) är den svenska
marknaden för företagsobligationer dåligt genomlyst och merparten av handeln
sker över disk (i.e. direkt mellan köpare och säljare) och företagsobligationer som
handlas över disk utgör inte heller underlag för undersökningen.
För de 32 företagen i undersökningen beräknas en approximering av ett
kreditvärderingsbetyg med Byströms (2006) DD. Företagens approximerade
kreditvärderingsbetyg används som en proxy31 (i.e. sannolikheten för konkurs är
ej direkt observerbar eftersom ett kreditvärderingsbetyg saknas från ett större
kreditvärderingsinstitut) för företagens sannolikhet för konkurs och en explicit
sannolikhet för konkurs beräknas.
3.5 Byströms DD
För att beräkna Byströms (2006, s. 42) DD behövs endast tre variabler: (1) det
bokförda värdet av ett företags skuld
kapital
(2) marknadsvärdet av ett företags eget
(3) volatilitet av avkastningen på företagets eget kapital
.
Ett företags bokförda värde av skuld
Den första variabeln för beräkning av Byströms (2006) DD är ett företags
bokförda värde av skuld. Kvartalsdata på koncernnivå för posterna: (1) bokfört
värde av ett företags tillgångar (2) bokfört värde av ett företags eget kapital
används för att beräkna det bokförda värdet av ett företags skulder32.
Ur företagens kvartalsrapporter inhämtas 1 536 observationer fördelade på två
variabler för 32 företag fördelade över 24 kvartal. För varje företag används två
variabler och 48 observationer för att beräkna det bokförda värdet av ett företags
skulder under 24 kvartal.
31
Eftersom företagens sannolikhet för konkurs inte är direkt observerbar används ett approximerat
kreditvärderingsbetyg för att kvantifiera sannolikheten att ett företag går i konkurs. Företagens
approximerade kreditvärderingsbetyg omvandlas även till en explicit sannolikhet för konkurs.
32
Det bokförda värdet av ett företags skulder beräknas i Microsoft Excel med balansekvationen,
Skulder = Tillgångar – Eget kapital.
19
Ett företags skuldsättningsgrad
beräknas i Byströms DD som
och i
detta steg beräknas 1 511 observationer av det bokförda värdet av ett företags
skuld .
De 32 undersökta företagen delas in i sektorer utifrån den klassificering Nasdaq
OMX Stockholm använder sig av och sektortillhörighet inhämtades manuellt för
varje företag från Nasdaq OMX hemsida. Se Tabell 3.4.1. i Appendix C för
sektorindelning av de undersökta företagen. För att beräkna skuldsättningsgraden
behövs marknadsvärdet av ett företags eget kapital
.
Marknadsvärdet av ett företags eget kapital
Den andra variabeln som behövs för att beräkna Byströms (2006) DD är
marknadsvärdet av ett företags eget kapital
. För samtliga 32 företag i
undersökningen inhämtas historisk kursdata med daglig frekvens som är justerade
för åtgärder33 från företaget. Historisk kursdata sträcker sig över ett varierande
tidspann34 och ur den historisk kursdata urskiljs totalt 1 511 observationer med
daglig frekvens fördelade på sex år (i.e. från den första oktober år 2005 till den 30
september år 2011) Företagens historiska kursinformation är prisserier.
Några företag saknar kursdata med daglig frekvens (i.e. ingen omsättning under
en handelsdag) och har därför luckor i den historiska kursinformationen. Samtliga
prisserier undersöks i STATA 12 IC med testet DF-GLS35 som inte tillåter luckor
i serier. Om luckor återfinns i ett företags prisserie används linjär interpolation 36 i
STATA 12 IC (se Appendix H) för att generera en ny oavbruten prisserie med 1
511 observationer.
33
Halov och Heider (2008, s. 10) använder historisk kursdata som är justerad för åtgärder från
företagen. Historiska kursdata justeras av Nasdaq OMX Stockholm.
34
Beroende på när ett företag blev noterat på Nasdaq OMX Stockholm Mid Cap.
35
DF-GLS är ett stationaritetstest, testet används dock primärt för att urskilja luckor i företagens
prisserier.
36
Linjär interpolation används för att beräkna enskilda värden med daglig frekvens och antas inte
tillföra bias eftersom antalet observationer (1 511 st) är tillräckligt stort för att anta att eventuella
fel är slumpmässigt fördelade.
I en linjär modell:
kan två punkter beräknas med:
20
Ur företagens koncernresultaträkning inhämtas kvartalsdata för antal aktier ett
företag har utestående med posten antal aktier efter full utspädning37. Antalet
aktier antas vara oförändrat under varje kvartal (e.g. förändringar i antal aktier
sker endast från kvartal till kvartal). Marknadsvärdet av ett företags tillgångar
beräknas genom att ta aktiepris (i.e. med daglig frekvens) gånger antal utestående
aktier efter full utspädning. Ett företags skuldsättningsgrad
avstånd till konkurs som
beräknas i Byströms
och i detta steg beräknas 1 511 observationer
av marknadsvärdet av ett företags eget kapital
för varje företag. För att beräkna
Byströms (2006) DD behövs volatiliteten av avkastningen på marknadsvärdet av
ett företags eget kapital.
Volatiliteten av avkastningen av ett företags eget kapital
För att beräkna volatilitet av avkastningen ett företags eget kapital omvandlas
prisserierna
(i.e.
samtliga
prisserier
är
oavbrutna)
avkastningsserier. Daglig logaritmerad avkastning på en aktie
logaritmen av dagens pris
delat med gårdagens pris
till
logaritmerade
är den naturliga
.
(1)
För att beräkna volatiliteten i termer av avkastning (i.e. och inte i termer av pris)
måste den dagliga förändringen i en akties pris utryckas i termer av avkastning38.
Den logaritmerade avkastningen differentieras39 i STATA 12 IC (se Appendix H).
37
Livnat och Segal (1999, s.2) visar att marknadsvärdet av ett företags tillgångar bör beräknas efter
antal aktier efter full utspädning eftersom marknadsvärdet innehåller information om antal aktier
som tillkommer vid utspädning (i.e. marknadsvärdet av ett företags tillgångar diskonterar det antal
aktier som tillkommer och användning av posten antal aktier före utspädning kan ge
inkonsekventa resultat).
38
Andersen, Bollerslev, Diebold och Ebens (2001) finner att logaritmerade dagliga avkastningar är
uppskattningsvis normalfördelade (se Figur 3.5.2). Andersen et al. (2001) visar att dagliga
avkastningar uttrycka i termer av priser är leptokurtiska och högerskeva (se Figur 3.5.1).
39
Nedan visas hur uttrycket
differentieras. Först tas den naturliga logaritmen av
uttryckes:
. Sedan differentieras båda sidor:
21
Figur 3.5.1. Fördelning av priser utryckta i termer av priser.
Figur 3.5.1. exemplifierar fördelningen av en aktie uttryckt i termer av priser med
företaget Active Biotech B under tidsperioden 2005-10-01 till 2011-09-30.
Figur 3.5.2. Fördelning av priser uttrycka i termer av avkastning.
Figur 3.5.2. exemplifierar fördelningen av en aktie uttryckt i termer av avkastning
med företaget Active Biotech B under tidsperioden 2005-10-01 till 2011-09-30.
Samtliga aktier som undersöks omvandlas från prisserier till serier utrycka i
termer av logaritmerad avkastning40. En Ordinary Least Squares (OLS) regression
med det första laggade tidsvärdet av den beroende variabeln som oberoende
variabel används på de logaritmerade och differentierade avkastningsserierna.
OLS regressionens feltermer testas med ARCHLM test för att se om variansen är
konstant eller om variansen förändras över tid (se Tabell 3.5.2. i Appendix D).
(1)
40
Serierna är således lognormalfördelade prisserier uttrycka i termer av daglig logaritmerad
avkastning och ett antagande om normalfördelning kan göras. Serierna differentieras.
22
Datagenereringsprocessen för feltermerna antas följa en GARCH(1,1) process och
en GARCH(1,1) modell används för att skatta den tidsvarierande variansen för
samtliga företag. Den tidsvarierande variansen exporteras till Microsoft Excel för
beräkning av volatilitet med daglig frekvens. I Microsoft Excel omvandlas
tidsvarierande varians med daglig frekvens till volatilitet med daglig frekvens.
Sedan skalas volatiliteten (med daglig frekvens) med
till årsvolatilitet (h är
antal dagar, 250 handelsdagar används för samtliga företag) för användning i
Byströms (2006) DD. När volatiliteten av avkastningen av ett företags eget kapital
är känd kan ett approximerat kreditvärderingsbetyg beräknas i Byströms (2006)
DD.
Byströms (2006) DD
För samtliga företag beräknas ett approximerat kreditvärderingsbetyg för varje år.
Se Tabell 4.2 i Appendix F för resultat av Byströms (2006) DD på
företagsspecifik nivå, se Tabell 4.1 i Appendix E för resultat av Byströms (2006)
DD på sektornivå.
Den naturliga logaritmen av ett företags skuldsättningsgrad
) beräknas
genom att ta den naturliga logaritmen av ett företags skuldsättningsgrad
företagets skuldsättningsgrad
41.
Från
subtraheras 1 för att få företagets eget kapital.
). Volatiliteten med årlig frekvens
multipliceras med andelen eget
)i
nämnaren i ekvation (6).
(6)
Eftersom
resultatet
från
Byströms
(2006)
DD
är
ett
approximerat
kreditvärderingsbetyg återfinns kritik mot den empiriska metoden och data som
används vid beräkning (se 3.7 Kritik mot empirisk metod).
I nästa del omvandlas det approximerade kreditvärderingsbetyget till en explicit
sannolikhet för konkurs.
41
Ett företags skuldsättningsgrad
beräknas som
23
.
3.5 Från approximerat kreditvärderingsbetyg till explicit
sannolikhet
Byströms DD är ett approximerat kreditvärderingsbetyg som säger hur många
standardavvikelser marknadsvärdet på ett företags tillgångar är ifrån det
tröskelvärde där företaget går i konkurs. För att omvandla ett Byströms DD-värde
till en explicit sannolikhet för konkurs används ett steg från den modell som
Vasiciek-Kealhofer
(1989)
utvecklat.
Vasiciek-Kealhofer
(1989)
är
en
vidareutveckling av Mertons (1974) Distance to Default och Vasiciek-Kealhofers
(1989) modell benämns som Mertons Estimated Default Frequency (EDF).
Byströms DD utökas med det sista steget i Mertons EDF och det sista steget är att
beräkna sannolikheten att hitta ett värde som är mer extremt än z-värdet (e.g.
Byströms DD) och genom detta steg kan ett Byströms DD-värde omvandlas till en
explicit sannolikhet för konkurs.
EDF beräknas
genom
att
använda Microsoft
Excel
2010
funktionen
NORM.S.FÖRD med parametrarna (-z ; sant). Med funktionen NORM.S.FÖRD
kan en explicit procentuell sannolikhet för konkurs utlösas ur Byströms DDvärden. Funktionen NORM.S.FÖRD anger sannolikheten att hitta ett värde som är
mindre än z värdet (i.e. Byströms DD) (se Figur 2.3). För samtliga Byströms DDvärden beräknas explicita sannolikheter med ett antagande om att de undersökta
företagen följer en standardiserad normalfördelning42.
Tabell 3.5.1. Byströms DD och explicit sannolikhet för konkurs
Företag
Byströms DD % Risk
Active Biotech
3,45 0,02810%
Addtech B
4,77 0,00009%
Tabell 3.5.1 exemplifierar hur Byströms DD värden för Active Biotech och
Addtech B för kvartal 4 år 2005 omvandlas till en explicit sannolikhet för
42
I Merton EDF används inte en standardiserad normalfördelning utan modellen använder en
fördelning över reella företagskonkurser (som inte är tillgänglig över svenska företagskonkurser).
24
konkurs. Ur den explicita sannolikheten för konkurs kan en implicit ränta43
beräknas (i.e. ett företags kapitalkostnad).
3.6 Ökning av andelen främmande kapital
Ökningen av andelen främmande kapital sker för samma 32 företag som Byströms
DD beräknas eftersom förändringar i företagens sannolikhet för konkurs endast
går att kvantifiera enligt samma metod med samma antal observationer för dessa
32 företag.
I skuldsättningsmåttet L (i.e.
) ökas D med 250 MSEK och företagen
antas ha emitterat en företagsobligation på 250 MSEK och företagens skuld ökar
således med emitteringsbeloppet (i.e.
). Användningen av beloppet
250 MSEK motiveras enligt Riksbankens (2011b, s. 29) kartläggning av ickefinansiella företags lånebaserade finansiering som säger att minimibeloppet för
emittering på den svenska företagsobligationsmarknaden är 250 MSEK.
Spannet för börsvärdet för företag som är noterade på Nasdaq OMX Stockholm
Mid Cap är 1 500-10 000 MSEK och en generell ökning av företagens
skuldsättning med 250 MSEK tar inte hänsyn till att de olika företagen har olika
börsvärde. En ökning av andelen främmande kapital för ett företag i det nedersta
spannet av börsvärde (i.e. 1 500 MSEK) medför en procentull ökning av
skuldsättningsgraden med 16,67 procentenheter. En ökning av andelen
främmande kapital för ett företag i det översta spannet av börsvärde (i.e. 10 000
MSEK) medför en procentull ökning av skuldsättningsgraden med 2,5
procentenheter.
Andelen främmande kapital och för sista datapunkten för varje företag beräknas
skuldsättningsgrad, approximerat kreditvärderingsbetyg (i.e. Byströms DD). Ur
43
Ur sambandet 1 - p = 1 - [(1 + i)/(1 + k)] kan en implicit ränta (för en riskneutral investerare)
lösas ut. P är sannolikheten att ett företag fullgör sina förpliktelser (i.e. 1-p = sannolikheten att ett
företag inte fullgör sina förpliktelser), i är statslåneräntan och k är ett företags kapitalkostnad.
Eftersom Merton (1974) antar en konstant ränta och Byström (2005) inte använder en explicit
ränta beräknas inte implicit ränta för de undersökta företagen utan används för att visa att ett
företags kapitalkostnad är beroende på sannolikheten att ett företag går i konkurs.
p = (1 + i)/(1 + k)  p + kp = 1 + i  k = (1 + i - p)/p
25
det approximerade kreditvärderingsbetyget beräknas en explicit sannolikhet för
konkurs efter att en ökning av andelen främmande kapital har genomförts.
Inom uppsatsen används Merton (1974) och Byström (2006) inte för att motivera
valet av ökningen av andelen främmande kapital utan dessa teorier används för att
kvantifiera hur företagens skuldsättningsgrad påverkar sannolikheten att ett
företag går i konkurs. Ökningen av andelen främmande kapital antas ske genom
emission av en obligation på den svenska företagsobligationsmarknaden men
ökningen kan likväl ske genom andra typer av säkerheter (i.e. ingen av de
använda teorierna förespråkar vilken typ av säkerheter ett företag bör emittera).
3.7 Kritik till empirisk metod
Vid tillämpning av matematiska modeller inom finansiering sker generellt en
avvägning mellan spårbarhet och realism och inom strukturella modeller återfinns
dessa avvägningar (Eberlein, Frey, Kalkbrener och Overbeck, 2007, s. 5 ;
Elizalde, 2006, s. 1). Vid beräkning av Byströms (2006) DD sker flera
avvägningar och nedan återges dessa.
Vid beräkning av ett företags skuldsättningsgrad
tas ingen hänsyn till
fördelningen av kortfristiga och långfristiga skulder utan ett företags samtliga
skulder används. Vid beräkning av ett företags skuldsättningsgrad
tas
inte heller någon hänsyn till att skulder har olika löptid och alla skulder antas ha
en löptid på ett år. Dessa två antaganden medför en generalisering av ett företags
kapitalstruktur och innebär att ett företags skuldsättningsgrad och tröskelvärdet
där konkurs sker överskattas.
Benos och Papanastasopoulos (2005, s. 10). definierar tröskelvärdet som
företagets kortfristiga skulder plus hälften av företagets långfristiga skulder och
anledningen till varför denna definition inte används är att rapportering av
finansiell information (e.g. kortfristiga och långfristiga skulder) inte redovisas på
samma sätt för samtliga företag och medför osäkerhet om summering skett till rätt
belopp (eftersom summeringen utförs manuellt). Förenklingen av ett företags
26
kapitalstruktur och av tröskelvärdet för när konkurs sker används konsekvent för
alla företag och medför att samtliga företags approximerade kreditvärderingsbetyg
använder samma definition av tröskelvärdet.
Vid beräkning av marknadsvärdet av ett företags eget kapital
används för 12 av
32 företag interpolerade priser när en handelsdag saknar historisk kursdata (e.g.
ingen omsättning sker under en handelsdag). Vid beräkning av marknadsvärdet av
ett företags eget kapital
antas antalet aktier efter full utspädning vara konstant
under varje kvartal och ingen hänsyn tas till den exakta tidpunkten för
nyemission. Dessa två antaganden medför att marknadsvärdet av ett företags eget
kapital i vissa fall är större än vad det egentligen är (e.g att nyemission sker vid
ingången av varje nytt kvartal) och att ny information tillförs till historiska
kursdata.
Livnat och Segal (1999, s.2) visar att marknadsvärdet av ett företags tillgångar bör
beräknas efter antal aktier efter full utspädning eftersom marknadsvärdet
innehåller information om antal aktier som tillkommer vid utspädning. Under den
undersökta perioden har 9 företag genomfört en eller flera nyemissioner och 21
företag har inte genomfört en nyemission. Sett till antal kvartal som undersöks är
antalet tidpunkter när ett företags marknadsvärde påverkas av felaktig tidpunkt för
nyemission få. Användning av linjär interpolation antas inte medföra någon bias
eftersom antalet interpolerade kursdata är marginellt och endast sker för enstaka
datum.
Vid beräkning av volatilitet av avkastningen på ett företags eget kapital
antas
datagenereringsprocessen (DGP) som driver volatiliteten följa en GARCH(1,1)
process. Att DGP skulle följa en GARCH(1,1) process för samtliga företag saknar
empiriskt stöd och innebär en förenkling av processen som driver ett företags
marknadsvärde. Vid modellering av tidsvarierande varians testas samtliga företag
med ARCHLM test som undersöker om ett företags varians är konstant eller
varierar över tid. För samtliga företag kan nollhypotesen
förkastas (Se Tabell
3.4. i Appendix C) och samtliga företag har tidsvarierande varians. Vid beräkning
27
av tidsvarierande varians skattas realiserad volatilitet och ingen prognostisering
sker.
Tidsvarierande volatilitet med daglig frekvens skalas med
(h är antal
handelsdagar under ett år) vilket medför överskattade estimat av den realiserade
volatiliteten. Motiveringen till varför årsvolatilitet används är att Byström (2006)
beräknar sannolikhet för konkurs vid utgången av ett år44. Överskattade estimat av
volatilitet medför underskattade Byströms (2006) DD-värden (i.e. sannolikheten
att ett företag går i konkurs överskattas).
Företagens approximerade kreditvärderingsbetyg används som en proxy för
företagens sannolikhet för konkurs och innebär en förenkling av de många olika
risker ett företag möter. Generellt överskattar strukturella modeller (e.g. Merton,
1974 ; Byström, 2006) värdet av en företagsobligation vilket medför en
underskattning av sannolikheten att ett företag går i konkurs och sannolikheten
uttryckt i procent är länge än vad den faktiska risken är. Samspelet mellan
underskattning av sannolikheten att ett företag går i konkurs i Byströms (2006)
DD och användning av överskattad årsvolatilitet är okänt.
Vid beräkning av explicit sannolikhet för konkurs görs ett antagande om att de 32
undersökta företagen följer en normalfördelningskurva för konkursfrekvens vilket
saknar
empiriskt
stöd,
med
hänsyn
till
avsaknad
av
statistik
över
företagskonkurser (i.e. för få faktiska konkurser för ett antagande om konvergens
mot centrala gränsvärdessatsen).
Song (2005) visar att svenska företag generellt har en hög andel kortfristiga
skulder vilket medför att de undersökta företagens skuldsättningsgrad är en
generalisering av företagens kapitalstruktur. (i.e. överskattning av företagens
skuldsättningsgrad). Vid beräkning av företagens skuldsättningsgrad L tas ingen
44
Europeiska optionskontrakets löptid är ett år och vid lösendagen går ett företag i konkurs om
företagets skulder överstiger marknadsvärdet av företagets tillgångar
28
hänsyn till obeskattade reserver vilket medför en generalisering av företagens
kapitalstruktur.
Vid ökningen av företagens andel främmande kapital med 250 MSEK (i.e
minimibeloppet för emission på den svenska företagsobligationsmarknaden) utgår
uppsatsen ifrån det tredje kvartalet 2011. Skuldsättningsgrad är ett relativt mått
och ökningen av företagets skuld sker i absolut termer (i.e. ett exakt belopp). Ett
tänkbart alternativ är att beräkna ökningen av företagets skuld (i.e. D+250 MSEK)
som en relativ förändring, i.e. en procentuell andel av företagets börsvärde.
Anledningen till att ökningen inte beräknas som en relativ andel av företagens
börsvärde är att minimibeloppet för emission på den svenska marknaden för
företagsobligationer är 250 MSEK. För ett företag med börsvärde i det nedre
spannet (i.e. 1500 MSEK) kan en ökning av andelen främmande kapital med 250
MSEK utgöra en betydande del företagets börsvärde och en ökning med 250
MSEK behöver nödvändigtvis inte spegla företagets investeringsbehov.
Inom de olika sektorerna återfinns företag med olika börsvärde och en relativ
ökning av andelen främmande kapital kan innebära att ökningen inte når upp till
minimibeloppet för emission på den svenska marknaden för företagsobligationer.
Ökningen av företagets andel främmande kapital är en ögonblickbild av företagets
kapitalstruktur. Ögonblickbilden fångar dock inte investeringsmöjligheter eller
genomförda investeringar och framtida kassaflöden härledda ur ökningen av
andelen främmande kapital kan således inte påvisas i företagens marknadsvärde.
Företagens skuldsättningsnivå på sektornivå jämförs med Chen och Hammes
(2004) Sverigesnitt på 32,84% vilket i skrivandets stund inte behöver vara
rättvisande. Vid beräkning tas inte heller någon hänsyn till om företagens
investeringsbehov uppgår till minimibeloppet för emission på den svenska
företagsobligationsmarknaden (i.e. 250 MSEK). Trade-Off Theory kan inte, per
se, förklara valet av olika former av främmande kapital (i.e. vilken typ av säkerhet
ett företag emitterar). Företagen antas emittera en företagsobligation eftersom
Merton (1974) och Byström (2006) är modeller som kvantifierar sannolikheten att
29
ett företag ställer in betalningarna på en företagsobligation men ökningen av
andelen främmande kapital kan även ske med andra former av säkerheter.
Tidigare forskning (e.g. Fama och French, 2002 ; Chen och Hammes, 2004) pekar
på att företag med hög lönsamhet och hög risk använder mindre främmande
kapital.
4 Empiri
I detta avsnitt återges den empiriska metodens resultat och i diskussionsdelen förs
en diskussion om den empiriska metodens resultat och teori och empiri kopplas
samman. Empirin presenteras i tre olika avsnitt och är fördelat över resultat på
aggregerad nivå (i.e. sektor) och på företagsspecifik nivå.
4.1 Svenska medelstora icke-finansiella företags
skuldsättningsgrad
Se Tabell 4.1 i Appendix E för resultat från beräkning av företagens
skuldsättningsgrad på sektornivå per år.
De 11 företagen i sektorn Industrivaror och tjänster uppvisar i början av den
undersökta perioden en måttlig skuldsättningsgrad. Under 2008 ökar företagens
skuldsättningsgrad markant och efter 2008 har företagens skuldsättningsgrad
minskat mot företagens långsiktiga skuldsättningsnivå. Under 2011 uppvisar
företagen en ökning av skuldsättningsgraden.
De sex företagen i sektorn Informationsteknik uppvisar låga skuldsättningsgrader
under hela den undersökta perioden. Företagens skuldsättningsgrad avviker 2007
och 2008 från företagens långsiktiga skuldsättningsgrad och efter 2008 är
skuldsättningsgraden högre än den var innan 2008.
De två företagen i sektorn Material uppvisar höga skuldsättningsgrader höga
skuldsättningsgrader
och
under
2007
och
2008
avviker
företagens
skuldsättningsgrad kraftigt från tidigare år. Ökningen från 2007 till 2008 är 17
procentenheter.
De
två
företagen
i
sektorn
uppvisar
den
högsta
skuldsättningsgraden bland sektorerna under 2008 och efter 2008 har företagens
30
skuldsättningsgrad normaliserats och skiljer sig ifrån övriga sektorer eftersom
skuldsättningsgraden är lägre än innan 2008.
De fyra företagen i sekorn Sjukvård uppvisar lägst skuldsättningsgrad bland
sektorerna. Under 2008 avviker sektorns skuldsättningsgrad inte från tidigare år
och efter 2008 minskar de fyra företagens skuldsättningsgrad för att återigen öka
2011.
De nio företagen i sektorn Sällanköpsvaror och tjänster uppvisar en måttlig
skuldsättningsgrad, högre än e.g. sektorn Sjukvård men lägre än sektorerna
Industrivaror och tjänster och Material. Under 2008 uppvisar företagen en ökning
av skuldsättningsgraden och efter 2008 har företagens skuldsättningsgrad
normaliserats mot företagens långsiktiga skuldsättningsgrad.
4.2 Byströms DD och explicit sannolikhet för konkurs
Se tabell 4.2 i Appendix F för resultat av Byströms DD på företags- och
sektorsnivå under perioden 2005-kvartal tre 2011.
De 11 företagen i sektorn Industrivaror och tjänster uppvisar höga Byströms DD
värden (e.g. företagets kapitalstruktur innehåller en buffert som är långt ifrån den
plats där konkurs sker; när marknadsvärdet på företagets tillgångar understiger
företagets skulder). Under 2008 minskar de 11 företagets inbyggda kapitalbuffert
och sektorn uppvisar lägre Byströms DD värden under 2008 och 2009. Efter 2009
har företagens Byströms DD värden normaliserats och är vid slutet av 2011
tillbaks på samma nivåer som innan 2008.
De sex företagen i sektorn Informationsteknik uppvisar de högsta Byströms DD
värdena. Sektorns Byströms DD värden minskar under 2008 och 2009 och är i
slutet av 2011 inte tillbaks på de nivåer som innan 2008. Minskningen under 2008
är näst störst jämfört med de andra sektorerna.
De två företagen i sektorn Material uppvisar lägre Byströms DD värden och i
likhet med ovanstående sektorer minskar de två företagens Byströms DD värden
under 2008. Efter 2008 uppvisar sektorn en uppgående trend som rör sig mot de
nivåer sektorn uppvisade innan 2008.
31
De fyra företagen i sektorn Sjuvård uppvisar avvikande resultat från övriga
sektorer. Under 2008 ökar de fyra företagens Byströms DD värden och efter 2008
har företagen högre Byströms DD värden än innan.
De nio företagen i sektorn Sällanköpsvaror och tjänster uppvisar innan 2008 höga
Byströms DD värden. Under 2008 uppvisar de nio företagen den största negativa
förändringen och efter 2008 har företagens Byströms DD värden inte nått upp till
de nivåer som sektorn uppvisade innan 2008.
4.3 Ökning av andelen främmande kapital
Se tabell 4.3 i Appendix G för resultat på sektornivå.
De 11 företagen i sektorn Industrivaror och tjänster uppvisar i slutet av kvartal tre
2011 en genomsnittlig skuldsättningsgrad på 47 %. Om de 11 företagen emitterar
företagsobligationer på 250 MSEK vardera medför det en ökning av den
genomsnittliga skuldsättningsgraden till 49 % inom sektorn. Den genomsnittliga
sannolikheten att företagen inom sektorn går i konkurs uppvisar en förändring
från 1,12 % till 1,18 %. Företaget Beijer Alma B uppvisar den största
förändringen i sannolikhet till konkurs med en förändring från 0,26 % till 0,49 %.
Företaget Beijer Alma B har också den lägsta omsättningen bland företagen i
sektorn.
De sex företagen i sektorn Informationsteknik uppvisar i slutet av kvartal tre 2011
en genomsnittlig skuldsättningsgrad på 25 %. Om de sex företagen emitterar
företagsobligationer
på
250
MSEK
vardera
ökar
den
genomsnittliga
skuldsättningsgraden till 33 % inom sektorn. Den genomsnittliga sannolikheten att
företagen inom sektorn går i konkurs förändras från 0,88 % till 1,29 %. Företaget
Orc Group uppvisar den största förändringen i sannolikhet till konkurs med en
ökning från 2,17 % till 2,95 %.
De två företagen i sektorn Material uppvisar i slutet av kvartal tre 2011 en
genomsnittlig skuldsättningsgrad på 39 %. Om de två företagen emitterar
företagsobligationer
på
250
MSEK
vardera
ökar
den
genomsnittliga
skuldsättningsgraden till 41 % inom sektorn. Den genomsnittliga sannolikheten att
32
företagen inom sektorn går i konkurs förändras från 1,52 % till 1,6 %. Företaget
Billerud uppvisar den största förändringen i sannolikhet till konkurs inom sektorn
med en ökning från 3,04 % till 3,2 %.
De fyra företagen inom sektorn Sjukvård uppvisar i slutet av kvartal tre 2011 en
genomsnittlig skuldsättningsgrad på 11 %. Om de fyra företagen emitterar
företagsobligationer
på
250
MSEK
vardera
ökar
den
genomsnittliga
skuldsättningsgraden till 3 % inom sektorn. Den genomsnittliga sannolikheten att
företagen inom sektorn går i konkurs förändras från 0,69 % till 2,82 %. Den stora
genomsnittliga förändringen inom sektorn beror på att företaget Diamyd Medical
B ökar sannolikheten att gå i konkurs från rån 2,72 % till 10,8 %.
De nio företagen inom sektorn Sällanköpsvaror och tjänster uppvisar i slutet av
kvartal tre 2011 en genomsnittlig skuldsättningsgrad på 42 %. Om företagen
emitterar företagsobligationer på 250 MSEK vardera ökar den genomsnittliga
skuldsättningsgraden till 45 % inom sektorn. Den genomsnittliga sannolikheten att
företagen inom sektorn går i konkurs går från 3,44 % till 3,53 %. Företaget där
förändringen i sannolikhet till konkurs är störst är New Wave B med en ökning
från 9,82 % till 10,12 %.
4.4 Diskussion
I detta avsnitt kopplas teori samman med empiri och en diskussion förs om
tänkbara förklaringar till den empiriska metodens resultat.
Svenska medelstora icke-finansiella företags skuldsättningsgrad
Vid beräkning av företagens skuldsättningsgrad utgår vi ifrån Byströms (2006)
mått på skuldsättningsgrad L. Svenska medelstora icke-finansiella företags
skuldsättningsgrad har en direkt påverkan på företagens sannolikhet för konkurs.
Om ett företags skuldsättningsgrad ökar, allt annat lika, kommer ett företags
sannolikhet för konkurs (kvantifierat med Byströms DD och omvandlat till en
explicit sannolikhet för konkurs) att öka. Mertons (1974) strukturella modell
förespråkar inte hur ett företag bör välja skuldsättningsgrad (i.e. utan är en metod
för att kvantifiera ett företags sannolikhet för konkurs beroende på ett företags
33
kapitalstruktur) och för att förklara varför de undersökta företagen väljer en viss
skuldsättningsgrad utgår vi ifrån Trade-Off Theory (T-O).
T-O implicerar att företag med hög skuldsättningsgrad avväger fördelar med
främmande kapital (i.e. avdragsgilla räntekostnader på räntebärande skuld) och
nackdelar (i.e. ökad sannolikhet för konkurs). Inom de sektorer med högst
skuldsättning (i.e. Industrivaror och tjänster och Material) kan företagen dra nytta
av den så kallade skatteskölden som uppkommer ur avdragsgilla räntekostnader.
Företagens höga skuldsättning medför även att företagens kapitalkostnad ökar och
om lån som löper ut förnyas krona för krona kommer den höga skuldsättningen
medföra att företagens kapitalkostnad stiger.
Sektorerna med låg skuldsättningsgrad (i.e. Informationsteknik och Sjukvård) har
lägre kapitalkostnader och lägre sannolikheter för konkurs och företagen i dessa
sektorer utnyttjar eventuellt inte fördelarna med främmande kapital till fullo. Om
företagen ökar andelen främmande kapital kan företagen dra nytta av mer av
fördelarna med främmande kapital (e.g. avdragsgilla räntekostnader).
Chen och Hammes (2004) undersöker skuldsättningsgrad i sju länder och finner
att snittet för Sverige är 32,84 % (mätt som skuldsättningsmåttet L). Chen och
Hammes
(2004)
Sverigesnitt
används
som
referens
för
företagens
skuldsättningsgrad och för att avgöra om de olika skuldsättningsgraderna inom
sektorerna är över eller under Sverigesnittet.
Företagen i sektorerna Informationsteknik och Sjukvård har skuldsättningsgrader
som är mycket lägre än detta snitt. Företagen i dessa sektorer kan eventuellt öka
sin skuldsättningsgrad i enlighet med ovan nämna snitt. Tidigare forskning pekar
även på att företag med hög lönsamhet/hög risk (e.g. Chen och Hamnes, 2004;
Fama och French, 2002) har lägre belåningsgrader. En annan tänkbar förklaring är
att dessa företag, generellt, finansieras genom aktiekapital.
34
Företagen i sektorerna Industrivaror och tjänster, Material och Sällanköpsvaror
och tjänster högre skuldsättningsgrader än Sverigesnittet. Om företagen i dessa
sektorer genomför en ökning av andelen främmande kapital kommer företagens
ökade sannolikhet för konkurs att påverka företagens kapitalkostnad. En tänkbar
förklaring till företagens högre skuldsättningsgrad under 2011 är minskad global
efterfrågan.
Några av implikationerna av hög skuldsättningsgrad för de undersökta företagen
är att en större andel av företagens balanserade resultat används till
räntebetalningar på räntebärande skulder. Om ett företags skuldsättningsgrad
avviker kraftigt från företagets långsiktiga skuldsättningsgrad kommer företaget
att gå miste om tillväxt- och investeringsmöjligheter. Ett företag med låg
skuldsättningsgrad som varken har hög lönsamhet eller tillräckligt mycket eget
kapital för att finansiera investeringar kan gå miste om tillväxt- och
investeringsmöjligheter. I enlighet med Trade-Off Theory avväger företagen föroch nackdelar med främmande kapital och det sker en balansgång mellan tillväxt
och lönsamhet.
Byströms DD och explicit sannolikhet för konkurs
Vid beräkning av Byströms DD på sektor och företagsnivå återfinns en tydlig
trend under finanskrisen 2008. Marknadsvärdet på företagens tillgångar (i.e.
aktiepris gånger antal utestående aktier) är fallande och alla sektorer utom
Sjukvård
uppvisar
ökande
skuldsättningsgrader
under
2008.
Fallande
marknadspriser och ökade skuldsättningsgrad påverkar ett företags Byströms DD
värde på två olika sätt: (1) företagens skuldsättningsgrad ökar vilket minskar
andelen eget kapital (i.e. i nämnaren) (2) andelen eget kapital minskar vilket
minskar företagets buffert i kapitalstrukturen vid tidpunkten 1 (i.e. i täljaren) . Om
en fallande börs dessutom
antas vara mer volatil
kommer fallande
marknadsvärden innebära att ett företags Byströms DD värde, generellt, minskar
eftersom hög volatilitet urholkar värdeökningen på företagets tillgångar vid
tidpunkt 365 (i.e. ett år framåt). Medhåll för detta antagande fås ifrån Campbell
35
och Taksler (2003) som visar att hög volatilitet i marknadsvärdet på företagets
tillgångar ökar sannolikheten att ett företag går i konkurs.
Byströms DD-värden omvandlas till explicita sannolikheter för konkurs på sektor
och företagsnivå och uppvisar låga procentuella sannolikheter för konkurs. Dessa
låga sannolikheter förefaller rimliga och noterade företag som går i konkurs är en
osannolik händelse som sällan inträffar.
Ökning av andelen främmande kapital
Vid ökningen av de 32 undersökta företagens andel främmande kapital utgår vi
ifrån skuldsättningsmåttet L (ur Byströms DD) och beräknar företagens
skuldsättningsgrad vid slutet av kvartal tre 2011. Företagens sannolikhet för
konkurs kvantifieras med Byströms DD och explicita sannolikheter för konkurs
härleds ur Byströms DD.
Sektorer med låg skuldsättningsgrad (i.e. Informationsteknik och Sjukvård) kan
öka sin skuldsättningsgrad till Chen och Hamnes (2004) Sverigesnitt på 32,84 %
utan att nämnvärt förändra sannolikheten för konkurs och företagens
kapitalkostnad. Sektorer med högre skuldsättningsgrad (i.e. Industrivaror och
tjänster,
Material
och
Sällanköpsvaror
och
tjänster)
har
redan
höga
skuldsättningsgrader och fortsatta ökningar av företagens andel främmande
kapital medför högre sannolikhet för konkurs och högre kapitalkostnader.
Av de 32 undersökta företagen har nio företag genomfört en eller flera
nyemissioner av aktier under perioden som undersöks (se Tabell 3.4.1. i Appendix
A) och en tänkbar förklaring till varför företagen inte ökat andelen främmande
kapital är att företagen väljer att finansieras med eget kapital (i.e. genom
nyemission av aktier). Nyemissioner av aktier sänker även skuldsättningsgraden
eftersom andelen eget kapital och främmande kapital balanseras. Att de
undersökta företagen använder eget kapital som finansieringsform styrks av att
noll av de 32 undersökta företagen har emitterat obligationer på den svenska
företagsobligationsmarknaden under perioden. En tänkbar förklaring till varför
36
företagen, generellt, inte emitterar företagsobligationer är förmånliga banklån (i.e.
kapitalkostnaden för en företagsobligation är högre än andra former av
främmande kapital vid samma sannolikhet för konkurs).
Av de undersökta företagen kan de sex företagen i sektorn Informationsteknik och
de fyra företagen i sektorn Sjukvård öka andelen främmande kapital (e.g. emittera
en företagsobligation på 250 MSEK) utan att sannolikheten för konkurs och
företagens kapitalkostnad nämnvärt förändras.
5 Avslutning
I denna del dras slutsatser och förslag på ny forskning ges.
5.1 Slutsatser
Inom kontexten svenska medelstora icke-finansiella företag undersöks följande
frågeställningar: (1) Hur ser företagens skuldsättningsgrad och sannolikhet för
konkurs ut kvantifierade med Byströms DD? (2) Kan företagen öka andelen
främmande kapital utan att nämnvärt öka sannolikheten för konkurs kvantifierat
med Byströms DD?
Om de 32 undersökta företagens skuldsättningsgrad kan följande slutsatser dras,
skuldsättningsgraden är olika beroende på sektortillhörighet och en tänkbar
förklaring är att kapitalintensiten är olika beroende på sektor. För fyra av fem
undersökta sektorer ökade skuldsättningsgraden under 2008. Sektorn sjukvård
uppvisar
ett
motstridigt
resultat
och
under
2008
minskade
sektorns
skuldsättningsgrad. Efter 2008 uppvisar samtliga fem sektorer normaliseringar av
deras skuldsättningsgrader.
Om sambandet mellan de 32 undersökta företagens skuldsättningsgrad och
företagens sannolikhet för konkurs, kvantifierat med Byströms DD, kan följande
slutsatser dras, vid en förändring av företagens skuldsättningsgrad påverkas ett
företags sannolikhet för konkurs. Förändringar i marknadsvärdet av företagens
tillgångar och ökat volatilitet i marknadsvärdet av företagets tillgångar har en
37
tydlig påverkan på ett företags sannolikhet för konkurs, i enlighet med Mertons
(1974) strukturella modell och Byströms (2005) kalkylbladsmodell.
Om de 32 undersökta företagen genomför ökningar av andelen främmande kapital
kan följande slutsatser dras, två sektorer (i.e. Informationsteknik och Sjukvård)
kan öka skuldsättningsgraden utan stora förändringar i sektorernas sannolikhet för
konkurs och sektorernas kapitalkostnader. Om företagen i dessa sektorer ökar
skuldsättningsgraden kommer de att använda mer av fördelarna med främmande
kapital, i enlighet med Trade-Off Theory. Företagen i övriga sektorer (i.e.
Industrivaror och tjänster, Material och Sällanköpsvaror och tjänster) uppvisar
högre skuldsättningsgrader och en tänkbar förklaring är att dessa företag
kortsiktigt avviker från företagens långsiktiga skuldsättningsgrad. I enlighet med
Fama och French (2002) som visar att ett företag, vid förekomsten av
transaktionskostnader, kortsiktigt kan avvika från företagets långsiktiga
skuldsättningsgrad.
När företagens skuldsättningsgrad och sannolikhet för konkurs kvantifieras med
Byströms DD uppvisar företag med hög skuldsättningsgrad en högre sannolikhet
för konkurs – i enlighet med Trade-Off Theory.
6 Referenser
Andersen, T., Bollerslev, T., Diebold, F.X., Ebens, H. (2001) The Distribution of
Realized Stock Return Volatility, Journal of Financial Economics, 61, pp. 43-76.
Alexander, G.J. (2009) From Markowitz to modern risk management, European
Journal of Finance, Taylor and Francis Journals, vol. 15, pp. 451-461.
Altman, E. I. (1968) Financial Ratios, Discriminant Analysis and the Prediction of
Corporate Bankruptcy, Journal of Finance, Vol. 23, No. 4, pp. 589-609.
Benos, A., Papanastasopoulos, G. (2005) Extending the Merton Model: A Hybrid
Approach to Assessing Credit Quality, Working paper, pp. 1-33.
Black, F. S., Scholes, M. S. (1973) The Pricing of Options and Corporate
Liabilities, Journal of Political Economy, 81(3), 637-654.
Black, F., Cox, J. (1976) Valuing Corporate Securities: Some Effects of Bond
38
Indenture Provisions, Journal of Finance, Vol. 31, No. 2, pp, 351-367.
Bollerslev, T. (1986) Generalized Autoregressive Conditional Heteroskedasticity,
Journal of Econometrics, Vol. 31. pp. 307-327.
Bollerslev, T. (2007) Glossary to ARCH (GARCH)*, Duke University and NBER,
October 25.
Buisman, J. (2006) Första erfarenheterna av IFRS-redovisning, Balans, Vol. 5.
Byström, H., (2006) Merton Unraveled: A Flexible Way of Modeling Default
Risk, The Journal of Alternative Investments. 8 (4), Spring 2006, pp 39-47.
Campbell, J., Taskler, B. (2003) Equity Volatility and Corporate Bond Yields,
Journal of Finance 58, pp. 2321–2350.
Chava, S., Jarrow, R. (2004) Bankruptcy Preduction with Industry Effects.
Available at SSRN: http://ssrn.com/abstract=287474
Chen, Ying Hong and Hammes, Klaus, Capital Structure Theories and Empirical
Results - a Panel Data Analysis. Working paper. Available at SSRN:
http://ssrn.com/abstract=535782 or http://dx.doi.org/10.2139/ssrn.535782
Crosbie, P., Bohn, J. (2003) Modeling Default Risk, pp. 5-31.
Diebold, F. X. (2004) The Nobel Memorial Prize for Robert F. Engle, PIER
Working Paper 04-010.
Duffie, D., Singleton, K, J. (1999) Modeling Term Structures of Defaultable
Bonds, The Review of Financial Studies Special 1999 Vol. 12, No. 4, pp. 687–
720.
Eberhart, A. C. (2005) A Comparison of Merton's Option Pricing Model of
Corporate Debt Valuation to the Use of Book Values, Journal of Corporate
Finance, Vol. 11, No. 1-2, pp. 401-426.
Eberlein, E., Frey, R., Kalkbrener, M., Overbeck, L. (2007) Mathematics in
Financial Risk Management, March 31, 2007.
Elizalde, A. (2006) Credit Risk Models III: Reconciliation reduced - Structural
Models, CEMFI Working Paper No. 0607, April 2006.
Engle, R. F. (1982) Autoregressive Conditional Heteroskedacity with Estimates of
the Variance of United Kingdom Inflation, Econometrica, Vol. 50, No. 4, (Jul.,
1982), pp. 987-1008.
Engle, R. F. (2001) GARCH101: The Use of ARCH/GARCH Models in Applied
39
Econometrics, Journal of Economic Perspectives, 15, pp. 157-168.
Eom, Y., Helwege, J., Huang, J. (2004) Structural Models of Corporate Bond
Pricing: An Empirical Analysis, Review of Financial Studies, 17, pp. 499-544.
Fama, E.F., French, K.R. (2002) Testing tradeoff and pecking order predictions
about dividends and debt. Review of Financial Studies, 15, 1-33.
Figlewski, S., Frydman, H., Liang, W. (2012) Modeling the effect of
macroeconomic factors on corporate default and credit rating transitions,
International Review of Economics and Finance, Vol. 21, pp. 87-105.
Fortune, P. (1996) Anomalies in Option Pricing: The Black-Scholes Model
Revisited, New England Economic Review, Mars/April 1996.
Halov, Nikolay., Heider, Florian. (2004) Capital Structure, Risk and Asymmetric
Information (April 15, 2006). EFA 2004 MAASTRICHT. Available at SSRN:
http://ssrn.com/abstract=566443 or http://dx.doi.org/10.2139/ssrn.566443
Harris, M; Raviv, A. (1991) The Theory of Capital Structure. The Journal of
Finance, Vol. 46, No. 1. (Mar., 1991), pp. 297-355.
Jarrow, R. A., Turnbull S.,M. (1995), Pricing Derivatives on Financial Securities
Subject to Credit Risk, Journal of Finance, Vol. 50, No. 1, pp. 53-85.
Jarrow, R. A., Protter, P. (2004) Structural versus Reduced form models: A new
information based perspective, Journal of Investment Management, Vol. 2, No. 2,
pp.1-10.
Jones, E. P., Mason, S. P., Rosenfeld, E. (1984) Contingent Claims Analysis of
Corporate Capital Structures: an Empirical Investigation", Journal of Finance,
Vol. 39, No. 3, (July 1984), pp. 611-625.
Lunde, A., Hansen P. R. (2001) A Forecast Comparison of Volatility Models:
Does Anything Beat a GARCH(1,1)?, Working Papers 2001-04, Brown
University, Department of Economics
Livnat, J., Segal, D. (1999) The Calculation of Earnings Per Share and Market
Value of Equity: Should Common Stock Equivalents Be Included?, March 1999,
Working paper.
Markowitz, H. M. (1952) Portfolio selection, The Journal of Finance, Vol. 7, No.
1, pp. 77-91.
Merton, R.C. (1974) On the Pricing of Corporate Debt: The Risk Structure of
Interest Rates, Journal of Finance, Vol. 29, No. 2, pp. 449-470.
40
Merton, R.C. (1976) Option Pricing When Underlying Stock Returns are
Discontinuous, Journal of Financial Economics, Vol. 3, No. 1, pp. 125-144.
Modigliani, F., Miller, M. H. (1958), The Cost of Capital, Corporation Finance
and the Theory of Investment, The American Economic Review, Vol. 48, No. 3,
pp. 261-297.
Myers, S. (1984) The Capital Structure Puzzle. The Journal of Finance, Vol. 39,
No. 3, pp. 575-592.
Rajan, R.G., Zingales, L. (1995) What do we know about capital structure? Some
evidence from international data, Journal of Finance, 50, 1421-1460.
Riksbanken. (2011a) Den svenska finansmarknaden
Riksbanken. (2011b) Marknader för svenska icke-finansiella företags
lånebaserade finansiering.
Riksbanken. (2011c) Kartläggning av svenska icke-finansiella företags
finansiering, Enkät 2011.
Shumway, T., (1999) Forecasting Bankruptcy More Accurately: A Simple Hazard
Model. Available at SSRN: http://ssrn.com/abstract=171436
Song, H-S. (2005), Capital Structure Determinants An Empirical Study of
Swedish Companies, No 25, Working Paper Series in Economics and Institutions
of Innovation, Royal Institute of Technology, C S S - Centre of cellence for
Science and nnovation Studies.
Svensson, L. E. O. (2002) Sweden and the Euro, EP201.
Tudela, M., Young, G. (2003) A Merton-model approach to assessing the default
risk of UK public companies, Bank of England working papers 194, Bank of
England.
Wong, H. Y., Li, K. L. (2004) On Bias of Testing Merton's Model, Proceeding of
IASTED conference on Financial Engineering and Applications 9 pgs. Alberta,
Canada: ACTA Press, 2004.
41
Appendix A – Inkluderade företag
Tabell 3.4.1. Inkluderade företag
Namn
Ticker
Notering
Obligation Aktie
Active Biotech
ACTI
1986-12-17
Nej
Ja
Nej
Addtech B
ADDT B
2001-09-03
Nej
Axis
AXIS
2000-06-27
Nej
Nej
B&B TOOLS B
BBTO B
1979-01-02
Nej
Nej
Beijer Alma B
BEIA B
1987-11-16
Nej
Nej
Beijer B
BEIJ B
1988-12-01
Nej
Nej
Betsson B
BETS B
1996-03-25
Nej
Nej
Bilia A
BILI A
1988-10-10
Nej
Nej
Billerud
BILL
2001-11-20
Nej
Ja
BioInvent International
BINV
2001-06-12
Nej
Ja
Clas Ohlson B
CLAS B
1999-10-05
Nej
Nej
Diamyd Medical B
DIAM B
1997-01-15
Nej
Ja
Eniro
ENRO
2000-10-10
Nej
Ja
Fagerhult
FAG
1997-05-13
Nej
Nej
Fenix Outdoor B
FIX B
1983-09-19
Nej
Nej
Gunnebo
GUNN
1993-12-20
Nej
Ja
Haldex
HLDX
1988-12-01
Nej
Ja
HiQ International
HIQ
1999-04-12
Nej
Nej
Höganäs B
HOGA B
1994-04-07
Nej
Nej
Industrial & Financial System B
IFS B
1997-06-30
Nej
Nej
Intrum Justitia
IJ
2002-06-07
Nej
Nej
Medivir B
MVIR B
1996-02-29
Nej
Ja
Mekonomen B
MEKO
2000-05-29
Nej
Nej
Net Insight B
NETI B
1999-06-07
Nej
Nej
New Wave B
NEWA B
1997-12-11
Nej
Nej
Nibe Industrier B
NIBE B
1997-06-16
Nej
Nej
Nobia
NOBI
2002-06-19
Nej
Nej
Nolato B
NOLA B
1984-05-28
Nej
Nej
Orc Group
ORC
2000-10-19
Nej
Nej
SAS
SAS
1993-11-23
Nej
Ja
Skistar B
SKIS B
1994-07-08
Nej
Nej
SWECO B
SWEC B
1998-09-21
Nej
Nej
Tabell 3.4.1. Inkluderade företag visar de 32 företag som undesöks och
kolumnen aktie/obligation visar om företaget emitterat en eller flera
aktie/företagsobligation under undersökningsperioden.
42
Appendix B – Exkluderade företag
Tabell 3.4.2. Panel A. Företags namn på Aaa till Kar
Namn
Ticker
Noteringsdatum
Förklaring/Orsak
Obligation
AarhusKarlshamn
AAK
2005-09-29
Noterat efter brytpunkten
Nej
Arise Windpower
AWP
2010-03-24
Noterat efter brytpunkten
Nej
Avanza Bank Holding
AZA
1992-11-12
Finansiellt bolag
Nej
BE Group
BEGR
2006-11-24
Noterat efter brytpunkten
Nej
Björn Borg
BORG
2004-12-20
Saknas historiskt kursinfo
Nej
Black Earth Farming
BEF SDB
2007-12-28
Noterat efter brytpunkten
Ja
Brinova Fastigheter
BRIN B
2003-11-20
Fastighetsbolag
Nej
Bure Equity
BURE
1993-10-01
Investmentbolag
Nej
Byggmax Group
BMAX
2010-06-02
Noterat efter brytpunkten
Nej
CDON Group
CDON
2010-12-14
Noterat efter brytpunkten
Nej
Concentric
COIC
2011-06-08
Noterat efter brytpunkten
Nej
Corem Property Group
CORE
1997-06-24
Fastighetsbolag
Ja
Corem Property Group Pref
CORE PREF
1997-06-24
Fastighetsbolag
Nej
Duni
DUNI
2007-11-14
Noterat efter brytpunkten
Nej
East Capital Explorer
ECEX
2007-11-09
Noterat efter brytpunkten
Nej
EnQuest PLC
ENQ
2010-04-01
Noterat efter brytpunkten
Nej
Fast. Partner
FPAR
1994-02-14
Fastighetsbolag
Nej
Fast. Balder B
BALD B
1990-10-12
Fastighetsbolag
Nej
Fast. Balder pref
BALDPREF
1990-10-12
Preferensaktie
Nej
HEBA B
HEBA B
1994-06-13
Fastighetsbolag
Nej
HEXPOL B
HPOL B
2008-06-02
Noterat efter brytpunkten
Nej
Industrial & Finansial Sys A
IFS A
1997-06-30
A-aktie
Nej
Indutrade
INDT
2005-10-05
Noterat efter brytpunkten
Nej
KappAhl
KAHL
2006-02-23
Noterat efter brytpunkten
Nej
Karolinska Development
KDEV
2011-04-15
Noterat efter brytpunkten
Nej
Tabell 3.4.2. Panel A visar företagets namn, företagets ticker symbol, datum när
företaget blev noterat på Nasdaq OMX Stockholm Mid Cap samt orsaken till
varför företaget har exkluderats från undersökningen. Brytgränsen för
noteringsdatumet är 2005-10-01 och samtliga noteringsdatum, tickersymboler och
sektortillhörighet är manuellt inhämtade från Nordnet45. Information om ett
företag emitterat en företagsobligation imhämtas manuellt från Nasdaq OMX
Stockholm46.
45
46
www.nordnet.se
www.nasdaqomxnordic.com
43
Appendix B – Fortsättning
Tabell 3.4.2. Panel B. Företagsnamn på Klö till Öre
Namn
Ticker
Noteringsdatum
Förklaring/Orsak
Obligation
Klövern
KLOV
2002-02-08
Fastighetsbolag
Nej
Kungsleden
KLED
1999-04-14
Fastighetsbolag
Ja
Lindab International
LIAB
2006-12-01
Noterat efter brytpunkten
Nej
Loomis
LOOM B
2008-12-01
Noterat efter brytpunkten
Nej
Net Entertainment E
NET B
2007-04-05
Noterat efter brytpunkten
Nej
Nordnet B
NN B
1999-12-16
Finansiellt bolag
Nej
PA Resources
PAR
2009-09-30
Noterat efter brytpunkten
Ja
Proffice
PROE B
1999-10-11
Denna borde vara med?
Nej
Rezidor Hotel Group
REZT
2006-11-28
Noterat efter brytpunkten
Nej
Sagax
2006-02-13
Fastighetsbolag
Nej
2006-02-13
Fastighetsbolag
SWECO A
SAGA
SAGA
PREF
SWEC A
1998-09-21
A-aktie.
Nej
Swedish Oprhan Biovitrum
SOBI
2006-09-15
Noterat efter brytpunkten
Nej
Systemair
SYSR
2007-10-12
Noterat efter brytpunkten
Nej
TradeDoubler
TRAD
TWW
SDB A
TWW
SDB B
TRMO
UNID
SDB
WALL B
2005-11-08
Noterat efter brytpunkten
Nej
2001-09-06
A-aktie.
2001-09-06
Redovisar i EURO.
2011-05-27
Noterat efter brytpunkten
2004-06-01
Saknar historiskt kursinfo
1991-08-12
Fastighetsbolag
Nej
2005-05-10
Fastighetsbolag
Nej
2007-07-04
Noterat efter brytpunkten
ÅF B
WIHL
VNIL
SDB
AF B
1986-01-27
Fastighetsbolag
Nej
Öresund
ORES
1988-11-01
Finansiellt bolag
Nej
Sagax pref
Transcom WorldWide SDB A
Transcom WorldWide SDB B
Transmode Holding
Unibet Group
Wallenstam
Wihlborgs Fastigheter
Vostok Nafta Investment
Nej
Nej
Nej
Nej
Nej
Nej
Tabell 3.4.2. Panel B visar företagsnamn, företagets ticker symbol, datum när
företaget blev noterat på Nasdaq OMX Stockholm Mid Cap samt orsaken till
varför företaget har exkluderats från vår undersökning. Brytgränsen för
noteringsdatumet är 2005-10-01 och samtliga noteringsdatum, tickersymboler och
företagssektor är manuellt inhämtade från Nordnet47. Information om ett företag
emitterat en företagsobligation imhämtas manuellt från Nasdaq OMX
Stockholm48.
47
48
www.nordnet.se
www.nasdaqomxnordic.com
44
Appendix C - Sektorindelning
Tabell 3.5.1. Sektorindelning
Sektor
Företag
Industrivaror och tjänster
Industrivaror och tjänster
Industrivaror och tjänster
Industrivaror och tjänster
Industrivaror och tjänster
Industrivaror och tjänster
Industrivaror och tjänster
Industrivaror och tjänster
Industrivaror och tjänster
Industrivaror och tjänster
Industrivaror och tjänster
Informationsteknik
Informationsteknik
Informationsteknik
Informationsteknik
Informationsteknik
Informationsteknik
Material
Material
Sjukvård
Sjukvård
Sjukvård
Sjukvård
Sällanköpsvaror och tjänster
Sällanköpsvaror och tjänster
Sällanköpsvaror och tjänster
Sällanköpsvaror och tjänster
Sällanköpsvaror och tjänster
Sällanköpsvaror och tjänster
Sällanköpsvaror och tjänster
Sällanköpsvaror och tjänster
Sällanköpsvaror och tjänster
Addtech B
B&B TOOLS B
Beijer Alma B
Beijer B
Fagerhult
Gunnebo
Haldex
Intrum Justitia
Nibe Industrier B
SAS
SWECO B
Axis
HiQ International
Industrial & Financial Sys. B
Net Insight B
Nolato B
Orc Group
Billerud
Höganäs B
Active Biotech
BioInvent International
Diamyd Medical B
Medivir B
Betsson B
Bilia A
Clas Ohlson B
Eniro
Fenix Outdoor
Mekonomen B
New Wave B
Nobia
Skistar B
Tabell 3.5.1. visar sektorindelning för de undersökta företagen i enlighet med
Nasdaq OMX Stockholm49.
49
www.nasdaqomxnordic.com
45
Appendix D – Tidsvarierande varians
Tabell 3.5.2. Resultat av ARCHLM test
N
chi2
df
p>chi2
Active Biotech B
1513
75,303
1
0,0000
Addtech B
1513
40,377
1
0,0000
Axis
1513
51,505
1
0,0000
B&B Tools B
1513
119,976
1
0,0000
Beijer Alma B
1513
88,050
1
0,0000
Beijer B
1513
208,583
1
0,0000
Betsson B
1513
20,040
1
0,0000
Bilia A
1513
91,575
1
0,0000
Billerud
1513
32,590
1
0,0000
BioInvent International
1513
68,089
1
0,0000
Clas Ohlson B
1513
34,715
1
0,0000
Diamyd Medical B
1513
99,406
1
0,0000
Eniro
1513
114,75
1
0,0000
Fagerhult
1513
193,944
1
0,0000
Fenix Outdoor B
1513
55,746
1
0,0000
Gunnebo
1513
111,518
1
0,0000
Haldex
1513
92,894
1
0,0000
HiQ International
1513
62,585
1
0,0000
Höganäs B
1513
88,506
1
0,0000
Industrial & Financial Sys. B
1513
124,103
1
0,0000
Intrum Justitia
1513
50,826
1
0,0000
Medivir B
1513
126,608
1
0,0000
Mekonomen B
1513
25,437
1
0,0000
Net Insight B
1513
155,79
1
0,0000
New Wave B
1513
72,700
1
0,0000
Nibe Industrier B
1513
281,013
1
0,0000
Nobia
1513
21,098
1
0,0000
Nolato
1513
20,786
1
0,0000
Orc Group
1513
44,192
1
0,0000
SAS
1513
234,189
1
0,0000
Skistar B
1513
47,736
1
0,0000
SWECO B
1513
209,493
1
0,0000
Företag
Tabell 3.5.2. visar resultat av Archlm test och Archlm har nollhypotesen
att variansen
är
konstant och mothypotesen
att variansen
varierar över tid. Nollhypotesen
förkastas för
samtliga företag och i företagens aktiekurser återfinns tidsvarierande varians. N är antal
observationer, chi2 är chi2-värdet , df är antal frihetsgrader och p>chi2 är sannolikheten att p värdet
är mindre än chi2.
46
Appendix E – Empiri på sektornivå
Tabell 4.1. Empiri på sektornivå
Sektor
L
Byströms DD
Risk
Medel Median
Medel
Median
Industrivaror och tjänster
2005
42%
34%
4,00
4,28 0,00%
2006
36%
34%
3,92
3,85 0,00%
2007
39%
36%
3,97
4,07 0,00%
2008
55%
46%
3,17
3,06 0,08%
2009
37%
32%
3,49
3,56 0,02%
2010
32%
35%
4,04
4,21 0,00%
2011
47%
43%
3,90
4,07 0,00%
Informationsteknik
2005
15%
10%
5,92
5,94 0,00%
2006
15%
10%
5,67
5,35 0,00%
2007
24%
20%
5,42
5,66 0,00%
2008
33%
29%
4,12
5,66 0,00%
2009
23%
21%
4,53
4,44 0,00%
2010
21%
21%
5,19
5,21 0,00%
2011
25%
23%
4,79
5,00 0,00%
Material
2005
46%
46%
3,70
3,70 0,01%
2006
43%
43%
3,33
3,33 0,04%
2007
54%
54%
3,32
3,32 0,04%
2008
71%
71%
2,38
2,38 0,86%
2009
39%
39%
2,45
2,45 0,72%
2010
32%
32%
3,44
3,44 0,03%
2011
39%
39%
3,53
3,53 0,02%
Sjukvård
2005
9%
10%
3,99
4,05 0,00%
2006
11%
10%
4,04
4,01 0,00%
2007
7%
6%
4,67
4,80 0,00%
2008
9%
8%
4,39
4,37 0,00%
2009
3%
4%
5,18
5,09 0,00%
2010
2%
3%
5,63
5,93 0,00%
2011
11%
11%
5,41
5,63 0,00%
Sällanköpsvaror och tjänster
2005
28%
24%
5,03
4,24 0,00%
2006
24%
24%
4,99
4,42 0,00%
2007
28%
24%
4,89
4,39 0,00%
2008
50%
51%
3,29
3,48 0,05%
2009
30%
16%
3,46
4,06 0,03%
2010
32%
33%
4,10
4,64 0,00%
2011
42%
40%
3,83
4,16 0,01%
Tabell 4.1. visar på sektornivå och årsbasis medel och median för skuldsättningsgraden L.
Byströms DD visar Byströms DD-värde och risk visar genomsnittlig procentuell risk att företagen
inom varje sektor ska gå i konkurs.
47
Appendix F – Byströms DD
Tabell 4.2. Panel A. Byströms DD
2005
Sektor och företag
DD
Risk
2006
DD
Risk
2007
DD
Risk
2008
DD
Risk
2009
DD
Risk
2010
DD
Risk
2011
DD
Risk
Industrivaror och tjänster
SWECO B
4,54
0,00%
4,99
0,00%
4,64
0,00%
3,52
0,02%
3,84
0,01%
5,48
0,00%
4,90
0,00%
Fagerhult
5,45
0,00%
4,88
0,00%
5,05
0,00%
4,80
0,00%
4,89
0,00%
4,72
0,00%
4,18
0,00%
Nibe Industrier B
3,37
0,04%
3,85
0,01%
3,86
0,01%
2,85
0,22%
3,56
0,02%
4,21
0,00%
4,03
0,00%
SAS
2,36
0,92%
2,44
0,73%
2,44
0,73%
1,43
7,70%
2,83
0,23%
2,13
1,67%
1,61
5,42%
Addtech B
4,77
0,00%
4,62
0,00%
4,72
0,00%
3,96
0,00%
4,27
0,00%
4,80
0,00%
4,72
0,00%
B&B Tools B
4,28
0,00%
3,82
0,01%
3,49
0,02%
2,81
0,24%
2,51
0,60%
3,29
0,05%
2,94
0,16%
Gunnebo
3,21
0,07%
3,14
0,08%
2,91
0,18%
2,18
1,47%
2,23
1,29%
3,00
0,14%
3,15
0,08%
Intrum Justitia
4,36
0,00%
4,36
0,00%
4,07
0,00%
3,06
0,11%
3,00
0,14%
4,03
0,00%
4,07
0,00%
Beijer Alma B
5,72
0,00%
5,09
0,00%
5,89
0,00%
4,44
0,00%
5,47
0,00%
5,97
0,00%
5,63
0,00%
Beijer B
4,08
0,00%
3,72
0,01%
4,39
0,00%
4,05
0,00%
3,84
0,01%
4,76
0,00%
5,02
0,00%
Haldex
1,87
3,05%
2,23
1,30%
2,15
1,57%
1,81
3,51%
1,90
2,90%
2,08
1,88%
2,67
0,38%
Genomsnitt sektor
4,00
0,37%
3,92
0,19%
3,97
0,23%
3,17
1,21%
3,49
0,47%
4,04
0,34%
3,90
0,55%
HiQ International
5,93
0,00%
6,56
0,00%
6,35
0,00%
3,97
0,00%
4,89
0,00%
5,56
0,00%
5,61
0,00%
Axis
6,04
0,00%
5,52
0,00%
6,25
0,00%
4,65
0,00%
4,33
0,00%
4,79
0,00%
4,75
0,00%
Net Insight B
5,95
0,00%
5,19
0,00%
5,41
0,00%
5,33
0,00%
6,09
0,00%
6,59
0,00%
5,26
0,00%
Nolato B
4,24
0,00%
3,72
0,01%
3,30
0,05%
2,79
0,27%
3,18
0,07%
3,77
0,01%
3,64
0,01%
Industrial & Financial Sys. B
7,55
0,00%
7,85
0,00%
5,29
0,00%
3,30
0,05%
4,16
0,00%
5,28
0,00%
5,60
0,00%
Orc Group
5,81
0,00%
5,16
0,00%
5,90
0,00%
4,66
0,00%
4,55
0,00%
5,14
0,00%
3,86
0,01%
Genomsnitt sektor
5,92
0,00%
5,67
0,00%
5,42
0,01%
4,12
0,05%
4,53
0,01%
5,19
0,00%
4,79
0,00%
Höganäs B
4,18
0,00%
3,81
0,01%
3,85
0,01%
2,91
0,18%
3,08
0,11%
3,99
0,00%
4,05
0,00%
Billerud
3,23
0,06%
2,84
0,22%
2,79
0,26%
1,85
3,24%
1,82
3,41%
2,90
0,19%
3,01
0,13%
Genomsnitt sektor
3,70
0,03%
3,33
0,12%
3,32
0,13%
2,38
1,71%
2,45
1,76%
3,44
0,09%
3,53
0,07%
Informationsteknik
Material
Tabell 4.2. Panel A. visar Byströms DD värden på årsbasis. Ett högt värde kan tolkas
som att marknadsvärdet på företags tillgångar överstiger företagets skulder (i.e. SWECO
B:s värde 2005 på 4,54 innebär att marknadsvärdet av företagets tillgångar överstiger
företagets skulder med 4,54 standardavvikelser). Risk är sannolikheten att företagen går i
konkurs uttryckt i procent och är härlett ur Byströms DD värdet.
48
Tabell 4.2. Panel B. Byströms DD
Sektor och företag
Sjukvård
Active Biotech
BioInvent International
Diamyd Medical B
Medivir B
Genomsnitt sektor
Sällanköpsvaror och tjänster
Fenix Outdoor B
Betsson B
Skistar B
Eniro
Bilia A
Clas Ohlson B
Mekonomen B
New Wave B
Nobia
Genomsnitt sektor
DD
2005
Risk
DD
2006
Risk
DD
2007
Risk
DD
2008
Risk
DD
2009
Risk
DD
2010
Risk
DD
2011
Risk
3,45
4,65
2,96
4,88
3,99
0,03%
0,00%
0,15%
0,00%
0,05%
3,38
4,97
3,19
4,64
4,04
0,04%
0,00%
0,07%
0,00%
0,03%
3,97
5,68
3,41
5,64
4,67
0,00%
0,00%
0,03%
0,00%
0,01%
3,30
5,31
3,44
5,52
4,39
0,05%
0,00%
0,03%
0,00%
0,02%
3,80
6,38
3,78
6,75
5,18
0,01%
0,00%
0,01%
0,00%
0,00%
4,99
6,93
3,72
6,88
5,63
0,00%
0,00%
0,01%
0,00%
0,00%
4,55
7,30
3,08
6,71
5,41
0,00
0,00
0,00
0,00
0,00
4,24
4,88
3,38
8,48
3,06
9,22
5,33
4,01
2,68
5,03
0,00%
0,00%
0,04%
0,00%
0,11%
0,00%
0,00%
0,00%
0,37%
0,06%
4,27
4,42
4,63
8,09
2,78
8,49
5,01
3,96
3,28
4,99
0,00%
0,00%
0,00%
0,00%
0,27%
0,00%
0,00%
0,00%
0,05%
0,04%
4,52
4,34
4,39
8,14
2,61
8,04
5,91
2,84
3,25
4,89
0,00%
0,00%
0,00%
0,00%
0,45%
0,00%
0,00%
0,23%
0,06%
0,08%
4,12
4,08
3,48
2,30
2,03
5,14
4,58
1,79
2,11
3,29
0,00%
0,00%
0,02%
1,06%
2,10%
0,00%
0,00%
3,67%
1,73%
0,96%
4,32
4,61
4,06
2,23
2,14
4,94
5,24
1,50
2,12
3,46
0,00%
0,00%
0,00%
1,30%
1,63%
0,00%
0,00%
6,68%
1,71%
1,26%
5,65
4,83
4,64
1,27
2,73
6,04
6,16
2,79
2,78
4,10
0,00%
0,00%
0,00%
10,26%
0,31%
0,00%
0,00%
0,27%
0,27%
1,23%
5,64
4,75
4,16
1,68
2,65
5,01
5,28
2,30
3,01
3,83
0,00
0,00
0,00
0,05
0,00
0,00
0,00
0,01
0,00
0,01
Tabell 4.2. Panel B. visar Byströms DD värden på årsbasis. Ett högt värde kan tolkas
som att marknadsvärdet på företags tillgångar överstiger företagets skulder (i.e. Active
Biotechs värde 2005 på 3,4 innebär att marknadsvärdet av företagets tillgångar överstiger
företagets skulder med 3,4 standardavvikelser). Risk är sannolikheten att företagen går i
konkurs uttryckt i procent och är härlett ur Byströms DD värdet.
49
Appendix G – Ökning av andelen främmande
kapital
Tabell 4.3. Panel A. Ökning av andelen främmande kapital
Sektor och företag
Industrivaror och tjänster
Addtech B
B&B TOOLS B
Beijer Alma B
Beijer B
Fagerhult
Gunnebo
Haldex
Intrum Justitia
Nibe Industrier B
SAS
SWECO B
Genomsnitt för sektor
Informationsteknik
Axis
HiQ International
Industrial & Financial Sys. B
Net Insight B
Nolato B
Orc Group
Genomsnitt för sektor
Material
Billerud
Höganäs B
Genomsnitt för sektor
L
DD
Risk
D↑250
Ny DD Ny risk OMS
0,37
0,72
0,20
0,29
0,52
0,51
0,58
0,43
0,41
0,88
0,25
0,47
4,69 0,00%
1,96 2,50%
2,80 0,26%
4,45 0,00%
5,52 0,00%
2,49 0,64%
2,47 0,68%
2,10 1,80%
3,27 0,05%
1,52 6,41%
5,29 0,00%
3,32 1,12%
0,40
0,73
0,25
0,31
0,55
0,53
0,61
0,44
0,41
0,88
0,28
0,49
4,52
1,94
2,59
4,28
5,38
2,43
2,40
2,07
3,24
1,52
5,09
3,22
0,00%
4836
2,59%
8087
0,49%
2781
0,00%
5394,4
0,00%
2929
0,75%
5270
0,82%
4700
1,91% 3 872,8
0,06% 7 409,8
6,42% 41 807,0
0,00% 5 680,8
1,18% 8433,44
0,10
0,14
0,31
0,08
0,44
0,41
0,25
4,29 0,00%
3,02 0,13%
2,78 0,27%
4,51 0,00%
1,92 2,73%
2,02 2,17%
3,09 0,88%
0,12
0,26
0,36
0,29
0,50
0,48
0,33
3,97
2,42
2,62
2,89
1,83
1,89
2,60
0,00%
0,77%
0,44%
0,19%
3,39%
2,95%
1,29%
3402
1237,7
2 560,0
302,3
3 107,0
1 241,2
1975,02
0,48 1,88 3,04%
0,31 3,97 0,00%
0,39 2,92 1,52%
0,49
0,32
0,41
1,85
3,88
2,86
3,20%
0,01%
1,60%
9536
7061
8298,50
Tabell 4.3. Panel A.visar skuldsättningsgraden på sektor- och företagsnivå, Byströms
DD samt sannolikheten för konkurs uttryckt i procent för tredje kvartalet 2011. L är
företagens skuldsättningsgrad, DD är Byströms DD och risk är sannolikheten att företaget
går i konkurs uttryckt i procent. D↑250 är skuldsättningsgrad om företaget emitterar en
företagsobligation om 250 MSEK. Ny DD är Byströms DD med ökad skuldsättningsgrad
och Ny risk är sannolikheten för konkurs med ökad skuldsättningsgrad uttryckt i procent.
OMS är rullande årsnettoomsättning i MSEK för varje företag (i.e. från början av kvartal
fyra 2010 till utgången av kvartal tre 2011).
50
Tabell 4.3. Panel B. Ökning av andelen främmande kapital
Sektor och företag
Sjukvård
Active Biotech
BioInvent International
Diamyd Medical B
Medivir B
Genomsnitt för sektor
Sällanköpsvaror och tjänster
Betsson B
Bilia A
Clas Ohlson B
Eniro
Fenix Outdoor
Mekonomen B
New Wave B
Nobia
Skistar B
Genomsnitt för sektor
L
DD
Risk
D↑250
Ny DD Ny risk OMS
0,13
0,04
0,18
0,09
0,11
3,44 0,03%
4,80 0,00%
1,92 2,72%
4,18 0,00%
3,59 0,69%
0,21
0,20
0,54
0,15
0,28
2,90 0,19%
2,79 0,26%
1,24 10,80%
3,44 0,03%
2,59 2,82%
234,2
129,5
280,80
569,6
303,53
0,16
0,62
0,25
0,83
0,16
0,18
0,64
0,55
0,40
0,42
4,76 0,00%
3,10 0,10%
2,44 0,73%
0,94 17,25%
6,52 0,00%
4,71 0,00%
1,29 9,82%
1,92 2,73%
2,73 0,32%
3,16 3,44%
0,19
0,64
0,28
0,83
0,24
0,20
0,66
0,57
0,42
0,45
4,45 0,00% 1705,7
3,07 0,11%
18000
2,34 0,96%
6010
0,94 17,32%
3621
5,60 0,00% 1514,7
4,50 0,00% 3 938,0
1,27 10,12% 4 251,5
1,90 2,85% 13 480,0
2,66 0,39% 1 594,2
2,97 3,53% 6012,79
Tabell 4.3. Panel B. visar skuldsättningsgraden på sektor- och företagsnivå, Byströms
DD samt sannolikheten för konkurs uttryckt i procent för tredje kvartalet 2011. L är
företagens skuldsättningsgrad, DD är Byströms DD och risk är sannolikheten att företaget
går i konkurs uttryckt i procent. D↑250 är skuldsättningsgrad om företaget emitterar en
företagsobligation om 250 MSEK. Ny DD är Byströms DD med ökad skuldsättningsgrad
och Ny risk är sannolikheten för konkurs med ökad skuldsättningsgrad uttryckt i procent.
OMS är rullande årsnettoomsättning i MSEK för varje företag (i.e. från början av kvartal
fyra 2010 till utgången av kvartal tre 2011).
51
Appendix H – Stata 12 kod
// nedan visas ett exempel av hur volatiliteten för ett företag skattas i STATA 12 IC.
// tillåter oavbruten scrollning
set more off
// importera data från en Ms Excel fil, använd det första kalkylbladet
import excel "företag.xlsx", sheet("A") firstrow
// laddar ur variabler som inte används
drop pris antal_aktier tillgångar eget_kapital skuld skuld_sättnings_grad
marknadsvärde_tillgångar
// generera en oavbruten linjär trend
// ange den linjära trenden som tidsvariabel, för att inte ha några luckor i serien som undersöks.
gen tid = _n
tsset tid
// dfgls är ett stationärstest, det används dock här för att testa om det finns luckor i serien
// alla serier är stationära efter att de blivit differentierade en gång
dfgls log_daglig_avkastning
// om luckor i serien återfinns görs följande steg som interpolerar saknade värden för aktiekursen
// interpol pris datum, generate (pris_interpolerat)
// det interpolerade priset exporteras till excel och logaritmerade dagliga avkastingar beräknas
// e port e cel pris_interpolerat ”pris_interpolerat”, replace
// genererar ett linjediagram over den naturliga logaritmen av daglig avkastning
tsline log_daglig_avkastning
// första differensen av daglig avkastning tas för att göra serien stationär
gen diff_log_daglig_avkastning = D. diff_log_daglig_avkastning
// OLS regression med den första laggen (L) av den beroende variabeln som oberoende variabel
// regressionen genomförs för att erhålla feltermerna
reg dlg L.dlg
// feltermerna undersöks för arch effekter med Engles test och om p-värdet är lågt kan
// nollhypotesen med konstant varians förkastas.
estat archlm
// datagenereringsprocessen för feltermerna antas vara garch(1,1) en laggad felterm i kvadrat
och en //laggad tidsvarierande varians term i kvadrat
arch dlg, arch(1) garch(1)
// skatta den kortsiktiga tidsvariarande variansen och koefficienterna alfa, beta och gamma.
predict sigma, variance
// exportera variansen till Microsoft Excel för beräkning av volatilitet
export excel sigma using "tidsberoende varians ", replace
// ladda ur data ur minnet
// avsluta STATA 12 IC
clear
exit
52
Was this manual useful for you? yes no
Thank you for your participation!

* Your assessment is very important for improving the work of artificial intelligence, which forms the content of this project

Related manuals

Download PDF

advertisement