Väcker fotboll lika mycket känslor på börsen som på läktaren?1044498/FULLTEXT01.pdf · 2.3...
Transcript of Väcker fotboll lika mycket känslor på börsen som på läktaren?1044498/FULLTEXT01.pdf · 2.3...
ÖREBRO UNIVERSITET
Handelshögskolan
Nationalekonomi, magisteruppsats
Handledare: Mikael Stenkula
Examinator: Dan Johansson
VT 2016
Väcker fotboll lika mycket känslor på börsen som på
läktaren?
En empirisk studie som undersöker matchresultats påverkan på aktiekursen
Författare:
Jacob Pelgander 900729
Erik Strannelid 930907
Abstract
The purpose of this paper is to investigate whether or not the outcome of football games affect
the share price of football clubs on the stock exchange. By regression and panel analysis we
test if the result of a football game has any effect on the abnormal return for ten different football
clubs’ share price. The variables used in the regression are the outcome of the game; wins,
draws and losses, the venue, the type of competition and the expectations before the games. The
findings show that the share price is affected, more often in a negative way than in a positive.
For most clubs losses and draws have a significant negative affect on the share price. Only one
of the clubs has a significant positive affect for wins throughout the testing process. European
Cup losses has a greater affect than losses in the domestic league in the panel analysis.
Key words: Abnormal returns, Football matches, behavioral economics
Innehållsförteckning
1. Inledning ............................................................................................................................. 1
2. Teoretisk bakgrund ............................................................................................................. 3
2.1 CAPM ........................................................................................................................... 3
2.2 Finansiell beteendevetenskap ........................................................................................ 5
2.3 Teori tillämpad på fotbollsklubbar ................................................................................ 6
3. Tidigare studier ................................................................................................................... 7
4. Data ................................................................................................................................... 10
5. Empirisk modell ............................................................................................................... 14
6. Resultat ............................................................................................................................. 17
6.1 Regressionsanalys ....................................................................................................... 17
6.2 Paneldataanalys ........................................................................................................... 21
7. Diskussion ........................................................................................................................ 25
7.1 Diskussion för regressionsanalys ................................................................................ 25
7.2 Diskussion för paneldataanalys ................................................................................... 26
7.3 Brister och begränsningar ........................................................................................... 28
8. Slutsatser ........................................................................................................................... 29
9. Referenslista ..................................................................................................................... 30
1
1. Inledning
Ökad konkurrens inom den Europeiska toppfotbollen har fört med sig ett allt större behov av
finansiering från utomstående investerare. Behovet av finansiering har lett till att en del
fotbollsklubbar valt att bli offentliga bolag som handlas på börsen. Tottenham Hotspurs var den
första klubben att ta steget in på den publika marknaden 1983, och sedan dess har många
fotbollsklubbar följt i deras fotspår (Peenstra & Scholtens, 2009). Många av de fotbollsklubbar
som blev introducerade på börsen har sedan dess blivit uppköpta och åter borttagna från börsen.
Då fotbollsklubbar på börsen är en relativt ny företeelse är det av intresse att undersöka hur
information om fotbollslagen påverkar aktiekursen. Information om hur bra lagen är ges
ungefär en gång i veckan i form av en match mot ett konkurrerande lag, medan information om
fotbollsklubbens ekonomiska status ges likt andra företag, i form av kvartalsrapporter och
press-meddelanden med mera.
Syftet med uppsatsen är att undersöka om det sportsliga resultatet för fotbollsklubbar påverkar
klubbarnas aktiekurs. Uppsatsen kommer undersöka sambandet mellan matchresultat och
aktiekurser för tio fotbollsklubbar; Juventus FC, SS Lazio, AS Roma, SL Benfica, Sporting
Lissabon, FC Porto, Celtic FC, Borussia Dortmund, Olympique Lyon och Manchester United.
Det finns ett flertal studier som har undersökt hur matcher påverkar fotbollsklubbars aktiekurs.
Danis och Demir (2011) undersöker tre börsnoterade lag i Turkiet. De analyserar hur vinst-,
förluster-, oavgjorda, hemma-, borta-, liga- och Europamatcher och förväntningar på matchen
påverkar kursen. Danis och Demir kommer fram till att en förlust har en signifikant negativ
påverkan på den avvikande avkastningen dagen efter match oavsett om matchen spelas hemma,
borta, i ligan eller ute i Europa. Vinst har endast en positiv signifikant påverkan på den
avvikande avkastningen när vinsten är starkt oväntad. Peenstra och Scholtens (2009)
undersöker ett liknande syfte som Danis och Demir men skillnaden är att de gör en
paneldataanalys. De använder sig av 1274 spelade matcher mellan åren 2000-2004. Variablerna
som används är vinst, förlust eller oavgjord samt om matchen spelas hemma, borta, i ligan eller
i Europa. Peenstra och Scholtens använder också förväntningar på matchen som en förklarande
variabel. Resultaten de kommer fram till är att förlust har en signifikant negativ påverkan på
aktiekursen, och den är fortsatt signifikant negativ oavsett om matchen är hemma eller borta, i
ligan eller ute i Europa. Peenstra och Scholtens resultat visar även att vinst har en signifikant
positiv påverkan på aktiekursen.
2
Den effektiva marknadshypotesen säger att prissättningen sker utifrån all tillgänglig
information om framtida avkastning samt att investerare agerar rationellt. Förutom ny
information om sådant som kan påverka företagets ekonomiska resultat kan priset också
påverkas av investerares humör. Det finns många typer av irrationella beslut som kan förklaras
med finansiell beteendevetenskap. I de fall som en fotbollsaktie ägs av en fotbollssupporter
finns risk att investeraren har en övertro på vad laget i fråga kan prestera. Ett matchresultat
antas ha stark påverkan på en supporters humör, vilket kan leda till att investeraren överreagerar
på en liten bit information som egentligen har lite eller ingen betydelse för fotbollsklubbens
ekonomi. (Gavelin & Sjöberg, 2012)
För att se hur aktiepriset påverkas dagen efter match tar vi fram ett mått på avvikande
avkastning baserat på capital asset pricing model (CAPM). Den metod som används för att
undersöka syftet är en regressionsanalys för varje lag och en paneldataanalys för lagen
gemensamt. Regressionsanalyserna görs utifrån fyra modeller. I den först modellen tas vinster,
oavgjorda och förluster med. Sedan byggs modellen på med hemma- och bortamatcher. Den
tredje modellen tar med om matchen spelas i ligan eller ute i Europa och den fjärde och sista
modellen tar med förväntningar på matchen i form av odds.
Resultatet visar att aktiekursen påverkas av matchresultat. Flera klubbars aktiekurs har
signifikant negativ avvikande avkastning dagen efter match vid förlust och oavgjord. En av
klubbarna har signifikanta positiva resultat vid vinst. I paneldataanalysen har oavgjord och
förlust signifikant negativ påverkan på aktiepriset.
Uppsatsens disposition är som följer. I kapitel två tas den finansiella teori upp som ligger till
grund för uppsatsen. I kapitel tre tas tidigare studier som undersökt ett liknande syfte upp. I
kapitel fyra beskrivs den data som används i uppsatsen. I kapitel fem går vi igenom den
empiriska modell som används i uppsatsen. I kapitel sex visas resultaten och i kapitel sju
diskuteras dessa resultat. Slutsatserna tas upp i kapitel åtta.
3
2. Teoretisk bakgrund
2.1 CAPM
En av de mest grundläggande modellerna inom investeringsteori kallas för Capital asset pricing
model (CAPM). CAPM grundas på antaganden om att alla investerare är rationella, har tillgång
till samma information, att alla tillgångar handlas offentligt, investerare kan låna till en
gemensam riskfri ränta, marknaden är stor och investerare är pris-tagare samt att det inte finns
någon skatt eller transaktionskostnader. (Bodie, Kane, & Marcus, 2014)
Den rationella investeraren vill hitta den kombination av tillgångar som ger högsta möjliga
förväntad avkastning till lägsta möjliga risk. I modellen används varians som mått på risk. De
optimala kombinationerna av tillgångar hittas längs den effektiva fronten. När lånemarknaden
tas in i modellen tillkommer ytterligare placeringsmöjligheter. Investerare kan låna pengar till
en riskfri ränta men även placera pengar på banken till samma ränta. Lånemarknaden gör det
möjligt att skapa kapitalmarknadslinjen, vilken utgör de effektivaste investeringsmöjligheterna.
I figur 1 illustreras effektiva fronten av den positivt lutande delen av den tunna svarta linjen och
kapitalmarknadslinjen av den tjocka rätalinjen. (Bodie, Kane, & Marcus, 2014)
Figur 1. Kapitalmarknadslinjen
En möjlig vidareutveckling på figur 1 är att ersätta x-variabeln varians mot beta. Beta är ett
mått på hur väl en tillgång korrelerar med marknaden. Om en tillgångs beta är 1 innebär det att
en procents uppgång på marknaden leder till en procents uppgång av tillgångens värde. I Figur
2 används beta istället för varians på x-axeln. Linjen som erhålls kallas Security market line
(SML). (Bodie, Kane, & Marcus, 2014)
4
Figur 2. Security market line
Enligt CAPM finns det en förväntad avkastning för en given tillgång baserat på den riskfria
räntan, tillgångens korrelation med marknaden samt marknadens avkastning. Den avkastning
som inte kan förklaras av beta kommer i fortsättningen av denna uppsats kallas för avvikande
avkastning. Avvikande avkastningen erhålls genom att ta den observerade avkastningen minus
den förväntade avkastningen.
Effektiva marknadshypotesen bygger på att aktier och värdepapper är prissatta utifrån all
tillgänglig information som finns. Aktier och andra värdepapper är rationellt prissatta och de
framtida förändringarna i kursen är slumpmässiga. Det finns tre olika former av den effektiva
marknaden. De tre formerna är svag form, mellanstark form och stark form. Svag form innebär
att aktiekurserna förklaras av historiska priser. I den mellanstarka formen så ingår all publik
information om bolagen. Stark form innebär att all publik och privat information ingår i
aktiekurserna. Stark form är svårt att uppnå då det skulle innebära att det sysslades med insider
handel som är olagligt. (Gavelin & Sjöberg, 2012)
De antaganden som ligger tillgrund för CAPM och effektiva marknadshypotesen kan dock
ifrågasättas. Flera studier påvisar att upp- och nedgångar på börsen kan förklaras av andra
faktorer än risk och förväntad avkastning. Tidigare studier har även visat att investerares beslut
inte alltid är rationella och att investeringsbeslut även styrs av humör eller andra mänskliga
faktorer. Hirshleifer och Shumway (2003) hittar i sin studie bevis för att väder har en signifikant
påverkan på marknadens avkastning. Andra studier har påvisat samband mellan sportsliga
resultat och börsutveckling. Edmans m fl, (2007) hittar bevis för att ett lands börs sjunker när
dess landslag blir utslaget från Världsmästerskapen i fotboll. Det finns även empiriska bevis för
5
att matchresultat i klubblagsfotboll kan påverka börsen. I Turkiet finns samband mellan börsen
och matchresultat för de fotbollsklubbar som anses ha hängivna supportrar (Berument, Ceylan,
& Ogut-Eker, 2009).
2.2 Finansiell beteendevetenskap
1979 presenterade de två psykologerna Tversky och Kahneman resultatet från en studie som
skapade en helt ny gren av ekonomi, nämligen finansiell beteendevetenskap. Grunden för
finansiell beteendevetenskap är att traditionell marknadsteori inte tar hänsyn till hur människor
faktiskt beter sig och hur de tar beslut. Människors irrationella beteenden kan förklaras av två
typer av fel. Vid den första typen av fel saknar investeraren tillräckligt med information för att
ta rätt beslut. Den andra typen av fel är att investeraren har rätt information men ändå tar beslut
som inte ger dem bästa möjliga utfall. Undersökandet av den andra typen av fel ledde till att
Kanheman fick Sveriges Riksbanks pris i ekonomisk vetenskap till Alfred Nobels minne år
2002. (Gavelin & Sjöberg, 2012)
Kahenman och Tversky (1979) kom i sin studie fram till att människor uppfattar vinster och
förluster på olika sätt. Människor tenderar att vara känsligare för förluster än vinster, vilket
innebär att en förlust gör mer ont än vad en vinst gör gott. Ett annat psykologiskt fenomen
brukar kallas för spelarens misstag. Det innebär att investeraren tror att en händelse som precis
har inträffat har lägre sannolikhet att inträffa igen. Till exempel om det har kommit klave 20
gånger i rad på slantsingling så tror flertalet att krona kommer att dyka upp nästa gång, men
sannolikheten ändras inte utan det är fortfarande 50 procents chans att klave kommer igen
(Gavelin & Sjöberg, 2012).
En psykologisk faktor som brukar nämnas i finansiell beteendevetenskap är förankring. Vid
förankring fäster en investerare ett värde på en tillgång utan stöd av relevanta fakta. Ett exempel
är att investerare håller kvar vid sjunkande aktier för att de anser att aktien egentligen är värd
den köpkursen de köpte aktien för. Ett annat irrationellt tankemisstag är mentala konton.
Människor tenderar att dela upp sina tillgångar i olika mentala konton. Investeraren gör skillnad
mellan olika konton och tar olika stor risk beroende på vad kontot representerar. Andra
förekommande beteenden är övertro på sin egen förmåga, överreaktion på ny information,
flockbeteende och att investerare söker efter information som bekräftar vad de själva redan tror.
(Gavelin & Sjöberg, 2012)
6
2.3 Teori tillämpad på fotbollsklubbar
De teorier som har tagits upp i detta avsnitt försöker förklara hur investerare tänker och agerar
på aktiemarknaden. Den finansiella beteendevetenskapen och effektiva marknadshypotesen är
två olika teorier om hur investerare fungerar. Uppsatsen avser undersöka hur fotbollsresultat
påverkar fotbollsklubbarnas aktiekurser.
Finansiella beteendevetenskapen visar att människor inte alltid agerar rationellt utan att det
finns förklaringar till att investerare inte är rationella. Dessa förklaringar kan även tillämpas på
investerare i fotbollsklubbar. Om det är supportar som är aktieägare kan det finnas övertro och
en överreaktion på hur laget och aktiekursen ska gå. En förlust kan till exempel ta hårt vilket
innebär att en supporter kan agera irrationellt på aktiemarknaden då den överreagerar på den
lilla information som ges vid match.
Resultatet från en enskild match i fotboll har inte några direkta ekonomiska effekter på klubben
och därför ska inte enskilda matcher påverka klubbens aktiepris enligt den effektiva
marknadshypotesen. Det finns givetvis undantag från detta, till exempel i Cup-spel där en
enskild match kan innebära avancemang och inkomster till klubben. Matchresultatet från
enskilda ligamatcher kan ses som en bit information om hur laget kan förväntas prestera under
säsongen men saknar direkt påverkan på klubbens ekonomiska resultat. Det är lagets
slutplacering i ligan som avgör vilken ekonomisk kompensation klubben får. Med detta sagt så
borde inte enskilda matcher ha en stor påverkan på aktiekursen enligt den effektiva
marknadshypotesen, utan det är i slutet av säsongen när investerare vet vilken slutplacering
laget får som det borde visas i aktiekursen.
Avvikande avkastning för börshandlade fotbollsklubbar dagen efter en match borde därför
förklaras av irrationellt beteende snarare än rationalitet och ekonomisk data. Psykologiska
effekter kan ha betydelse för fotbollsklubbarnas aktiepris dagen efter match. Om det finns
signifikant påverkan på aktiepriset dagen efter en spelad fotbollsmatch så antas det i denna
uppsats att det till största del beror på psykologiska effekter.
7
3. Tidigare studier
Att undersöka hur matchresultat påverkar klubbarnas aktiepriser har undersökts i flera tidigare
studier. Forskningen visar resultat som tyder på att matchernas resultat påverkar aktiepriserna.
De påverkar olika mycket beroende på vilket/vilka lag som undersöks och även var matchen är
spelad.
Hakan Danis och Ender Demir (2011) undersöker tre klubbar i den turkiska högsta ligan och
hur deras matchresultat påverkar aktiekurserna. Tidsperioden sträcker sig från den dagen lagen
blev börsnoterade till slutet av säsongen 2009. De klubbar som undersöks är Fenerbahce,
Galatasaray och Besiktas. De förklarande variabler som används för att undersöka syftet är
vinster, oavgjorda, förluster, om matchen spelades hemma eller borta och om den spelades i
den inhemska ligan eller ute i Europa. De använder sig även av odds för att få med de
förväntningar som finns på matchens resultat. Oddsen räknas om till sannolikheter i syfte att
avgöra om matchens resultat var förväntat eller inte. Om sannolikheten för vinst var större än
0,6 och laget vann så räknas det som en förväntad vinst. Metoden som används är en
regressionsanalys för vardera lagen där avvikande avkastning är den beroende variabeln. De
resultat som Danis och Demir kommer fram till är att en förlust har en signifikant negativ
påverkan på den avvikande avkastningen även oavgjord har en signifikant negativ påverkan.
Förlust ger signifikant negativ påverkan oavsett om matchen spelas hemma eller borta i cupspel
eller i ligan och oavsett vilket det förväntade matchresultatet är. Vinst har en positiv signifikant
påverkan på avvikande avkastning för ett av lagen när vinsten var starkt oväntad.
Luc Renneboog och Peter Vanbrabant (2000) studerar sambandet mellan matchresultat och
aktiekursen för de 17 brittiska lag som var listade på London stock exchange market (LSE) och
på alternative investment market (AIM) mellan åren 1995-1998. Renneboog och Vanbrabants
metod är en paneldataanalys, där de undersöker hur aktiekursen påverkas de fem första dagarna
efter match. De förklarande variabler som används i studien är vinster, förluster och oavgjorda
men även vilken typ av match som spelas. Syftet med att dela upp matcherna i olika kategorier
är att se om det är någon skillnad i påverkan på en vanlig ligamatch mot till exempel en
ligamatch som gäller uppflyttning/nedflyttning. Resultaten visar att vinster har en positiv
signifikant effekt på avkastningen samt att förlust och oavgjord har en negativ signifikant effekt.
De flesta signifikanta resultat infaller dagen efter match. Det finns dock vissa matchresultat
som har signifikant påverkan tre eller fyra dagar efter match men dessa resultat har mindre
8
påverkan och en lägre signifikansnivå. Alla typer av matcher med signifikanta resultat har
signifikanta resultat första dagen efter match. Renneboog och Vanbrabant kommer även fram
till att effekten är större när det är en uppflyttnings-/nedflyttningsmatch som spelas än en vanlig
ligamatch.
Wijtze Peenstra och Bert Scholtens (2009) undersöker i sin artikel 1274 spelade fotbollsmatcher
mellan åren 2000-2004 för att se hur de påverkar aktiekursen. De tar fram den avvikande
avkastningen som de använder som beroende variabel. De förklarande variabler som används i
studien är vinster, förluster, oavgjorda, liga eller Europamatch och förväntningar på
matchresultatet. De använder sig av paneldataanalys för att undersöka deras syfte och resultaten
de kommer fram till är att vinster ger en svag positiv avkastning samtidigt som förluster och
oavgjorda matcher ger en negativ effekt på den avvikande avkastningen. När förväntningar och
om matchen var en liga eller Europamatch tas med i modellen ges liknande svar. Oavsett om
förlusten är väntad eller oväntad så ger det en negativ påverkan på avkastningen för både
ligamatcher och Europamatcher. Vinsterna ger fortfarande en positiv påverkan oavsett om
vinsten var väntad eller oväntad i den inhemska ligan, för Europamatcher ger det en positiv
påverkan om vinsten var oväntad.
John M. Gandar, Reinhold P. Lamb, Richard A. Zuber & Patrick Yiu (2005) undersöker tio
börsnoterade lag i England mellan tidsperioden 1997-2000. De använder sig av avvikande
avkastning som beroende variabel och sedan variabler som vilken typ av match, om det är
hemma eller borta, förväntningar på matchen och även målskillnad som förklarande variabler.
De har även med två dummy variabler som beskriver om laget ligger i topp fem eller bland de
tre sista då de ligaplaceringarna har en extra ekonomisk betydelse. De använder sig av
regressionsanalys för varje enskilt lag samt en paneldataanalys. Gandar m.fl resultat visar
knappt på några signifikanta skattningar och hittar därmed inga bevis för att matcher påverkar
aktiekursen. Den signifikans de hittar är att vilken typ av match som spelas har betydelse.
Cupmatcher har en positiv påverkan på den avvikande avkastningen.
Ramzi Benkraiem, Pierre Marques och Waël Louhichi (2009) undersöker 745 matcher
utspridda på 18 europeiska lag i sju länder. Syftet är att se hur aktiekursen och handelsvolymen
påverkas kring matchdagen, alltså både innan och efter en spelad match. Den beroende variabel
som undersöks är den avvikande avkastningen och den avvikande handelsvolymen. De
förklarande variablerna som används är vinster, oavgjorda, förluster samt om matchen spelas
9
hemma eller borta. Benkraiem m fl använder sig av en regressionsanalys för att undersöka
syftet. De finner signifikans att matcher påverkar den avvikande avkastningen och
handelsvolymen. Handelsvolymen påverkas både före och efter att matchen har spelats. Dagen
efter match finner de signifikanta resultat för avvikande avkastning för matchresultaten förlust
och oavgjord. Matchresultatet vinst har däremot signifikanta resultat för avvikande avkastning
dagen innan matchen spelas.
10
4. Data
I detta avsnitt så beskrivs de data som används i uppsatsen. De data som används har hämtats
från yahoofinance, worldfootball och oddsportal. Det som undersöks är tio europeiska
fotbollslag under tidsperioden 2010-2015. Fotbollsklubbarnas resultat är inhämtat från
internetsidan worldfootball, oddsen är hämtade från sidan oddsportal och aktiekurserna är
hämtade från yahoofinance. De fotbollsklubbar som undersöks är AS Roma, SS Lazio, Juventus
FC, FC Porto, SL Benfica, Sporting Lissabon, Borussia Dortmund, Olympique Lyon, Celtic FC
och Manchester United. Data för Manchester United går från augusti 2012 till slutet 2015 på
grund av att de inte blev börsnoterade på Nasdaq förrän augusti 2012, anledningen till att
Manchester United är med i uppsatsen trots att data för hela tidsperioden inte finns är för att
Manchester är det enda engelska laget som är börsnoterat.
Variablerna som används i denna uppsats motiveras genom de tidigare studier som undersökt
en liknande frågeställning. I Danis & Demir (2011) så används förutom vinster, oavgjorda och
förluster även om det var hemma/bortamatch, Europa/ligamatch och förväntningar på matchen.
I denna uppsats kommer liknande variabler att tillämpas.
11
Tabell 1. Deskriptiv statistik
Variabel Observationer Medelvärde Standard
avvikelse
Min Max
Vinst 20967 0,07 0,26 0 1
Oavgjord 20967 0,03 0,16 0 1
Förlust 20967 0,03 0,16 0 1
Hemmavinst 20967 0,04 0,2 0 1
Hemmaoavgjord 20967 0,01 0,11 0 1
Hemmaförlust 20967 0,01 0,09 0 1
Bortavinst 20967 0,03 0,17 0 1
Bortaoavgjord
Bortaförlust
Europavinst
Europaoavgjord
Europaförlust
Ligavinst
Ligaoavgjord
Ligaförlust
Förväntad vinst
Svagt oväntad vinst
Starkt oväntad vinst
Förväntad oavgjord
Positiv oväntad oavgjord
Negativ oväntad oavgjord
Förväntad förlust
Svagt oväntad förlust
Starkt oväntad förlust
20967
20967
20967
20967
20967
20967
20967
20967
20967
20967
20967
20967
20967
20967
20967
20967
20967
0,02
0,02
0,01
0,01
0,01
0,06
0,02
0,02
0,04
0,02
0,01
0,01
0,01
0,01
0,01
0,01
0,01
0,12
0,13
0,11
0,08
0,08
0,24
0,14
0,14
0,2
0,14
0,09
0,1
0,09
0,09
0,11
0,09
0,07
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Avvikande avkastning 20967 -0,0027 0,04 – 0,68 0,64
Den beroende variabeln är klubbarnas avvikande avkastning, alltså avkastningen på klubbarnas
aktier när aktiekurserna är jämförda med indexet. Avvikande avkastningen är framräknad
genom att skatta ett beta och alfa för varje aktie och sedan använda sig av CAPM för att räkna
fram den avvikande avkastningen. Avvikande avkastningen avser nästa handelsdag efter
matchen har spelats, om till exempel matchen spelades på söndagen så används den avvikande
avkastningen för måndagen. Tabell 1 visar att den avvikande avkastningens medelvärde för de
tio lagen gemensamt är -0,027 procent.
12
De förklarande variablerna som används i denna uppsats är vinster, förluster, oavgjorda,
hemma, borta, liga, Europa och förväntningar på matcherna. Samtliga förklarande variabler är
dummy-variabler. Det innebär att värdena för variablerna är binära och antar antingen värdet 0
eller 1.
I tabell 1 visas deskriptiv statistik över undersökningens variabler. I den andra kolumnen är
antalet observationer. Totalt har 20967 dagar undersökts för samtliga variabler. Kolumn tre
visar medelvärde. För dummy-variablerna visar medelvärdet hur stor andelen
av observationerna som antar värdet ett. Till exempel antar variabeln vinst värdet ett 1472 antal
gånger, då 0,0702 * 20967 = 1472. I kolumn fyra visas standardavvikelse och i kolumn fem
och sex visas min och maxvärde för varje variabel.
Den förklarande variabeln vinst inträffar 1472 gånger utav de 2553 spelade matcher, alltså är
den gemensamma vinstprocenten för lagen 57,6 procent. Oavgjord står för 21,3 procent av
matcherna och förluster de resterande 21 procenten.
Utav de 2553 spelade matcher så spelades 1272 av dessa på hemmaplan och 1281 av matcherna
på bortaplan. 79,5 procent av matcherna var inhemska ligamatcher och de andra 20,5 procenten
var Europamatcher. Under tidsperioden 2010-2015 så var det 18414 dagar utan match och 2553
matchdagar.
Förväntningar på matchen räknas ut med hjälp av odds, genom att räkna ut den inverterade
sannolikheten för varje enskild match. Om sannolikheten för vinst är större än 0,6 och laget
vinner så räknas matchen som en förväntad vinst. Är sannolikheten för vinst lägre än 0,4 innebär
det att laget förväntas förlora, och en sannolikhet mellan 0,6 och 0,4 innebär att matchen
förväntas sluta oavgjort. Denna beslutsregel används i Danis & Demir (2011) och i Gandar m
fl (2005).
AS Roma spelade en match mot Genoa CFC den 20 december 2015. Oddsen för Romaseger
var 1,53, oddsen för oavgjord var 4,21 och oddsen för Romaförlust var 6,76. Den inverterade
sannolikheten för dessa odds är 0,629, 0,229 och 0,142. Då Roma vann matchen och
sannolikheten för seger var större än 0,6 blir matchen placerad i kategorin “Förväntad
vinst(fv)”. I tabell 2 visas de nio variabler som matcherna delas in i utifrån de förväntningar
som finns.
13
Tabell 2. Förväntningsvariablerna
Förväntat resultat Faktiskt resultat Variabelutfall
Vinst Vinst Förväntad vinst (fv)
Oavgjord Vinst Svagt oväntad vinst (sov)
Förlust Vinst Starkt oväntad vinst (stov)
Oavgjord Oavgjord Förväntad oavgjord (fo)
Förlust Oavgjord Positiv oväntad oavgjord (Poo)
Vinst Oavgjord Negativ oväntad oavgjord (Noo)
Förlust Förlust Förväntad förlust (ff)
Oavgjord Förlust Svagt oväntad förlust (sof)
Vinst Förlust Starkt oväntad förlust (stof)
En av svagheterna med datasetet är att Manchester United inte handlades på Nasdaq förrän
2012, vilket leder till avsaknad av data och en obalanserad panel. Samtliga fotbollsklubbar i
datasetet är börsnoterade bolag men alla fotbollsklubbar handlas inte lika frekvent. Det finns
betydande skillnader mellan bolagens handelsvolymer på börsen. En fotbollsklubb som inte
handlas frekvent kan ge sämre resultat då handelsvolymen dagen efter match kan vara noll.
En annan svaghet är att sannolikhetsnivåerna som avser förväntningar på matchen är
godtyckligt valda, men beslutsregeln har används i flera tidigare studier. Därför kommer även
beslutsregeln gälla i denna uppsats. Hade andra beslutsregler används så hade resultaten kunnat
se annorlunda ut.
14
5. Empirisk modell
Modellen i denna uppsats bygger på tidigare studiers använda modell. Danis och Demir (2011)
använder regressionsanalyser för att få fram matchresultats påverkan på den avvikande
avkastningen. I denna uppsats kommer en liknande modell att användas både för att räkna ut
den avvikande avkastningen för vardera lagen samt regressionsanalyserna för att se hur
matchresultaten påverkar aktiekursen.
Den avvikande avkastning som används som beroende variabel i denna uppsats räknas ut på
följande sätt. I modell 1 räknas avkastningen för varje lag ut, genom att ta den naturliga
logaritmen av aktiepriset dag t minus den naturliga logaritmen för aktiepriset dag t-1.
𝑅𝑡 = ln(𝑃𝑡) − ln(𝑃𝑡−1) (1)
Avkastningen från modell 1 används sedan i en regression i modell 2 för att estimera fram ett
alfa och beta för respektive lag.
𝑅𝑖𝑡 = 𝛼𝑖 + 𝛽𝑖𝑅𝑚𝑡 + 𝜀 (2)
Där 𝑅𝑚𝑡 står för marknadens avkastning. De estimerade alfa- och betavärdena används sedan i
modell 3 för att få fram den avvikande avkastningen. Det är den avvikande avkastningen som
används i regressionerna.
𝐴𝑅𝑖𝑡 = 𝑅𝑖𝑡 − (�̂�𝑖 + �̂�𝑖𝑅𝑚𝑡) (3)
I tabell 3 visas alfa- och betavärdena för varje lag.
15
Tabell 3. Alfa- och Betavärdena
Lag Alfa Beta
Roma -0,0000122 0,24
Lazio 0,0001965 0,28
Porto -0,0002235 0,28
Sporting -0,0000478 0,11
Benfica -0,0003273 0,34
Dortmund 0,000562 0,44
Juventus -0,0005567 0,32
Celtic 0,000209 -0,00
Lyon -0,0006516 0,31
Manchester United 0,0000562 0,48
Efter att den avvikande avkastningen är framräknad görs fyra olika regressionsmodeller för att
se hur matchresultat påverkar den avvikande avkastningen. Regressionerna görs med minsta
kvadratmetoden. Det finns tre antaganden som ska uppfyllas när minsta kvadratrotsmetoden
används. De tre antagandena är att medelvärdet på feltermen ska vara noll, variablerna i
regressionen är oberoende av varandra och har samma fördelning samt att extremvärden är
osannolika. I modell 4 görs en regression för varje lag för att se hur vinst, oavgjord och förlust
påverkar den avvikande avkastningen.
𝐴𝑅𝑡 = 𝛼 + 𝛽1𝐷𝑉𝑖𝑛𝑠𝑡 + 𝛽2𝐷𝑂𝑎𝑣𝑔𝑗𝑜𝑟𝑑 + 𝛽3𝐷𝐹ö𝑟𝑙𝑢𝑠𝑡 + 𝜀𝑡 (4)
Hypotesprövningen för samtliga variabler ser ut som följer:
𝐻0: 𝛽1 = 0
𝐻1: 𝛽1 ≠ 0
Modell 5 bygger vidare på modell 4 och tillför hemma och bortaplan för att se om den avvikande
avkastningen påverkas olika om matchen spelas hemma eller borta
𝐴𝑅𝑡 = 𝛼 + 𝛽1𝐷ℎ𝑣 + 𝛽2𝐷ℎ𝑜 + 𝛽3𝐷ℎ𝑓 + 𝛽4𝐷𝑏𝑣 + 𝛽5𝐷𝑏𝑜 + 𝛽6𝐷𝑏𝑓 + 𝜀𝑡 (5)
Variablerna i modell 5 är avvikande avkastning (AR), hemmavinst (hv), hemmaoavgjord (ho),
hemmaförlust (hf), bortavinst (bv), bortaoavgjord (bo) samt bortaförlust (bf).
16
I modell 6 undersöks om avvikande avkastningen påverkas olika om matchen är en ligamatch
eller Europamatch.
𝐴𝑅𝑡 = 𝛼 + 𝛽1𝐷𝑒𝑣 + 𝛽2𝐷𝑒𝑜 + 𝛽3𝐷𝑒𝑓 + 𝛽4𝐷𝑙𝑣 + 𝛽5𝐷𝑙𝑜 + 𝛽6𝐷𝑙𝑓 + 𝜀𝑡 (6)
Variablerna i modell 6 är Europavinst (ev), Europaoavgjord (eo), Europaförlust (ef), ligavinst
(lv), ligaoavgjord (lo) och ligaförlust (lf).
I modell 7 tas förväntningarna på matchen med i regressionen.
𝐴𝑅𝑡 = 𝛼 + 𝛽1𝐷𝑓𝑣 + 𝛽2𝐷𝑠𝑜𝑣 + 𝛽3𝐷𝑠𝑡𝑜𝑣 + 𝛽4𝐷𝑓𝑜 + 𝛽5𝐷𝑃𝑜𝑜 + 𝛽6𝐷𝑁𝑜𝑜 + 𝛽7𝐷𝑓𝑓 + 𝛽8𝐷𝑠𝑜𝑓 +
𝛽9𝐷𝑠𝑡𝑜𝑓 + 𝜀𝑡 (7)
Variablerna i modell 7 är förväntad vinst (fv), svagt oväntad vinst (sov), starkt oväntad vinst
(stov), förväntad oavgjord (fo), positiv oväntad oavgjord (Poo), negativ oväntad oavgjord
(Noo), förväntad förlust (ff), svagt oväntad förlust (sof) och starkt oväntad förlust (stof).
Vidare kommer även en panel undersökas. För att se om det finns några generella slutsatser
som kan dras för de tio lagen gemensamt. Paneldataregressionerna är samma som modell 4-7
fast för alla lag gemensamt. I regressionen för panelen används fixa effekter för att ta hänsyn
till de skillnader som finns mellan fotbollsklubbarna men som är samma över tid.
17
6. Resultat
6.1 Regressionsanalys
I tabell 4 visas resultat från regressionen av modell 4 för varje enskilt lag. Fem lag har
signifikant negativ avvikande avkastning vid förlust. Tre lag har signifikant negativ avvikande
avkastning vid oavgjord och endast ett lag har en positiv signifikant avvikande avkastning vid
vinst, vilket betyder att nollhypoteserna förkastas. Vid en Romaförlust är den avvikande
avkastningen dagen efter match i genomsnitt -1,31 procent.
Tabell 4. Regressionsanalys för modell 4
Lag Konstant Vinst Oavgjord Förlust 𝑹𝟐
Roma 0,03
(0,07)
0,02
(0,3)
-0,17
(0,42)
-1,31***
(0,41)
0,0047
Lazio 0,06
(0,08)
-0,41
(0,32)
-0,55
(0,46)
-1,09***
(0,4)
0,0045
Porto -0,03
(0,12)
-0,12
(0,41)
-0,49
(0,79)
-0,81
(1,02)
0,0005
Sporting -0,04
(0,15)
-0,03
(0,62)
0,03
(0,91)
-0,76
(0,93)
0,0003
Benfica -0,04
(0,12)
-0,31
(0,41)
-1,71**
(0,79)
-3,19***
(0,81)
0,009
Dortmund 0,04
(0,05)
0,46**
(0,18)
-0,98***
(0,31)
-0,97***
(0,28)
0,0131
Juventus 0,09
(0,07)
-0,24
(0,24)
-1,03***
(0,36)
-0,38
(0,45)
0,0044
Celtic -0,00
(0,02)
-0,01
(0,06)
-0,11
(0,13)
-0,11
(0,12)
0,0007
Lyon 0,03
(0,06)
0,16
(0,23)
0,32
(0,31)
-0,91***
(0,31)
0,0049
Manchester
United
-0,03
(0,05)
-0,03
(0,19)
0,26
(0,3)
-0,08
(0,28)
0,0007
Not: Robusta standardfel inom parentes. *, ** och *** anger statistisk signifikans på 10, 5 och 1 procents signifikansnivå.
Siffrorna är angivna i procent.
I tabell 5 visas resultaten för modell 5 då matcherna delas upp i hemma- och bortamatcher.
Endast ett av tio lag har en signifikant positiv avvikande avkastning på hemmavinster. Tre av
lagen har signifikant negativ avvikande avkastning på hemmaoavgjord, tre lag har signifikant
negativ avvikande avkastning på hemmaförluster. Skattningarna på bortamatcherna visar
18
liknande resultat där ett av lagen har en signifikant positiv avvikande avkastning på bortavinst,
två av lagen har en signifikant negativ avvikande avkastning på bortaoavgjord dock har ett lag
en signifikant positiv avvikande avkastning vid bortaoavgjord. Fem lag har en signifikant
negativ avvikande avkastning vid bortaförluster. . Nollhypoteserna förkastas för alla variabler
med signifikanta resultat.
Tabell 5. Regressionsanalys för modell 5
Lag Konstant Hemmavinst Hemmaoavgjord Hemmaförlust Bortavinst Bortaoavgjord Bortaförlust 𝑹𝟐
Roma 0,03
(0,07)
0,01
(0,39)
-0,37
(0,59)
-1,5**
(0,70)
0,03
(0,46)
0,02
(0,58)
-1,23**
(0,5)
0,0048
Lazio 0,06
(0,08)
-0,49
(0,4)
-0,78
(0,68)
-0,79
(0,7)
-0,25
(0,52)
-0,36
(0,62)
-1,24**
(0,48)
0,0047
Porto -0,03
(0,12)
-0,42
(0,53)
-0,55
(1,36)
-2,06
(1,99)
0,31
(0,63)
-0,45
(0,97)
-0,37
(1,18)
0,0011
Sporting -0,39
(0,15)
0,13
(0,79)
-1,75
(1,35)
-2,39
(1,77)
-0,03
(0,99)
1,48
(1,22)
-0,14
(1,09)
0,0024
Benfica -0,04
(0,12)
-0,82
(0,52)
-4,63***
(1,29)
-1,55
(1,72)
0,44
(0,62)
0,02
(1)
-3,66***
(0,92)
0,0144
Dortmund 0,04
(0,05)
0,39*
(0,24)
-1,19**
(0,48)
-1,26***
(0,47)
0,54**
(0,27)
-0,83**
(0,41)
-0,81**
(0,35)
0,0136
Juventus 0,09
(0,07)
-0,22
(0,31)
-1,05**
(0,53)
-0,17
(0,83)
-0,27
(0,36)
-1,01**
(0,48)
-0,47
(0,53)
0,0044
Celtic -0,00
(0,02)
-0,57
(0,08)
-0,11
(0,2)
-0,02
(0,21)
0,05
(0,09)
-0,1
(0,16)
-0,16
(0,15)
0,0012
Lyon 0,03
(0,06)
-0,04
(0,29)
-0,43
(0,45)
-1,41***
(0,52)
0,47
(0,36)
0,97**
(0,42)
-0,66*
(0,37)
0,0085
Manchester
United
-0,03
(0,05)
-0,16
(0,24)
0,05
(0,5)
-0,13
(0,45)
0,18
(0,31)
0,37
(0,37)
-0,04
(0,35)
0,0016
Not: Robusta standardfel inom parentes. *, ** och *** anger statistisk signifikans på 10, 5 och 1 procents signifikansnivå.
Siffrorna är angivna i procent.
I tabell 6 visas resultat för modell 6 då matcherna har delats upp i liga- och Europamatcher.
Inget av lagen har några signifikanta skattningar på Europavinster. Två lag har en signifikant
negativ avvikande avkastning på Europaoavgjorda. Fem lag har signifikant negativ avvikande
avkastning på Europaförluster. Ett lag har en signifikant positiv avvikande avkastning på
ligavinster. Två lag har signifikant negativ avvikande avkastning på ligaoavgjorda och fyra lag
har signifikant negativ avvikande avkastning på ligaförluster. . Nollhypoteserna förkastas för
alla variabler med signifikanta resultat.
19
Tabell 6. Regressionsanalys för modell 6
Lag Konstant Europavinst Europaoavgjord Europaförlust Ligavinst Ligaoavgjord Ligaförlust 𝑹𝟐
Roma 0,03
(0,07)
-0,44
(1,34)
-0,96
(1,09)
-1,77*
(0,91)
0,04
(0,31)
-0,04
(0,45)
-1,19***
(0,46)
0,0051
Lazio 0,06
(0,08)
-0,05
(0,79)
-7,11
(0,95)
-3,46**
(1,44)
-0,47
(0,35)
-0,5
(0,53)
-0,9**
(0,42)
0,0059
Porto -0,03
(0,12)
0,18
(0,88)
0,19
(1,46)
-1,55
(1,32)
-0,19
(0,46)
-0,76
(0,94)
0,27
(1,59)
0,0010
Sporting -0,04
(0,15)
-0,01
(1,37)
-1,08
(1,9)
-0,63
(1,62)
-0,03
(0,69)
0,35
(1,03)
-0,82
(1,33)
0,0005
Benfica -0,04
(0,12)
0,06
(0,86)
-2,22*
(1,22)
-4,33***
(1,13)
-0,41
(0,45)
-1,34
(1,04)
-2*
(1,16)
0,0102
Dortmund 0,04
(0,05)
0,52
(0,4)
-2,35***
(0,68)
-3,04***
(0,54)
0,44**
(0,2)
-0,62*
(0,35)
-0,20
(0,33)
0,0247
Juventus 0,09
(0,07)
-0,53
(0,57)
-0,9
(0,67)
-9,03
(0,95)
-0,18
(0,26)
-1,08***
(0,42)
-0,24
(0,50)
0,0047
Celtic -0,00
(0,02)
0,02
(0,17)
-0,07
(0,23)
-0,2
(0,18)
-0,01
(0,07)
-0,12
(0,15)
-0,04
(0,17)
0,0009
Lyon 0,03
(0,06)
0,41
(0,52)
0,78
(0,72)
-1,8***
(0,58)
0,1
(0,25)
0,22
(0,34)
-0,58*
(0,35)
0,0068
Manchester
United
-0,03
(0,05)
0,58
(0,48)
-0,16
(0,7)
-0,00
(0,65)
-0,14
(0,21)
0,35
(0,33)
-0,1
(0,31)
0,0026
Not: Robusta standardfel inom parentes. *, ** och *** anger statistisk signifikans på 10, 5 och 1 procents signifikansnivå.
Siffrorna är angivna i procent.
I tabell 7 visas resultat för modell 7 då förväntningarna på matcherna är med. Tre lag har en
negativ signifikant skattning vid förväntade vinster, ett lag har en signifikant positiv skattning
vid svagt oväntade vinster, två lag har en signifikant positiv skattning vid starkt oväntade
vinster. För variabeln förväntad oavgjord har två lag en signifikant negativ skattning. Ett lag
har en signifikant positiv och ett lag har en signifikant negativ skattning på variabeln svagt
oväntad oavgjord match. Tre lag har en signifikant negativ skattning på starkt oväntad oavgjord
match. För variabeln förväntad förlust har fyra lag en signifikant negativ skattning, variabeln
svagt oväntad förlust har tre signifikant negativa skattningar och för variabeln starkt oväntad
förlust har två lag en signifikant negativ skattning. Nollhypoteserna förkastas för alla variabler
med signifikanta resultat.
20
Tabell 7. Regressionsanalys för modell 7
Lag Konstant Förväntad vinst Svagt
oväntad vinst
Starkt oväntad vinst Förväntad oavgjord Positiv oväntad
oavgjord
Negativ oväntad
oavgjord
Förväntad förlust Svagt oväntad förlust Starkt oväntad förlust 𝑹𝟐
Roma 0,03
(0,07)
-0,39
(0,46)
0,18
(0,45)
0,59
(0,7)
-0,82
(0,73)
0,44
(0,67)
-0,27
(0,76)
-1,39**
(0,58)
-0,64
(0,69)
-2,6**
(1,04)
0,0073
Lazio 0,06
(0,08)
-1,19*
(0,62)
0,15
(0,49)
-0,5
(0,56)
-1,25*
(0,71)
0,27
(0,65)
-1,93
(1,58)
-1,25***
(0,47)
-0,64
(0,79)
-1,14
(2,04)
0,0075
Porto -0,03
(0,12)
-0,12
(0,47)
-0,38
(0,95)
0,71
(1,67)
-0,48
(1,59)
-1,66
(1,99)
-0,18
(1,02)
-1,5
(1,41)
1,24
(1,99)
-1,59
(2,15)
0,0015
Sporting -0,04
(0,15)
-0,01
(0,82)
-0,21
(1,09)
0,34
(1,77)
-0,45
(1,4)
0,02
(1,77)
0,64
(1,58)
-0,61
(1,26)
-0,3
(1,77)
-1,88
(2,17)
0,0006
Benfica -0,04
(0,12)
-0,95**
(0,47)
0,84
(0,86)
3,79**
(1,63)
-0,2
(1,43)
-0,66
(1,49)
-3,5***
(1,22)
-2,93***
(1,13)
-2,61*
(1,38)
-5,47***
(2,1)
0,0160
Dortmund 0,04
(0,05)
0,12
(0,23)
1,02***
(0,34)
0,93*
(0,49)
-0,7
(0,49)
-1,92***
(0,72)
-0,82*
(0,48)
-0,71
(0,51)
-1,5***
(0,46)
-0,61
(0,49)
0,0177
Juventus 0,09
(0,07)
-0,14
(0,31)
-0,3
(0,43)
-0,61
(0,71)
-1,44***
(0,52)
0,3
(0,91)
-1,06*
(0,57)
-0,11
(0,64)
-0,84
(0,73)
-0,12
(1,13)
0,0061
Celtic -0,00
(0,02)
0,02
(0,07)
-0,07
(0,17)
-0,42
(0,32)
-0,02
(0,43)
-0,07
(0,24)
-0,13
(0,16)
-0,22
(0,19)
-0,07
(0,25)
-0,02
(0,21)
0,0018
Lyon 0,03
(0,06)
-0,12
(0,38)
0,39
(0,35)
0,18
(0,45)
-0,25
(0,51)
0,78*
(0,46)
0,31
(0,7)
-0,85**
(0,4)
-0,88*
(0,51)
-1,39
(0,98)
0,0066
Manchester
United
-0,03
(0,05)
-0,49*
(0,25)
0,44
(0,31)
1,02
(0,65)
0,44
(0,44)
0,05
(0,48)
0,25
(0,7)
-0,49
(0,42)
0,48
(0,5)
-0,05
(0,54)
0,0096
Not: Robusta standardfel inom parentes. *, ** och *** anger statistisk signifikans på 10, 5 och 1 procents signifikansnivå. Siffrorna är angivna i procent.
21
Sammanfattningsvis visar resultaten att vissa av lagen saknar signifikanta skattningar, till
exempel Celtic, Sporting och Porto. Manchester United har endast en signifikant variabel och
den är på tio procents signifikansnivå. Lagen Dortmund, Roma, Lazio, Benfica och Juventus
har minst en signifikant variabel i varje modell. Resultaten visar att det finns fler signifikanta
resultat som tyder på att den avvikande avkastningen påverkas mer av en förlust än av en vinst.
6.2 Paneldataanalys
I tabell 8 visas resultaten för modell 4. Oavgjord och förlust har en signifikant negativ skattning
medan vinst har en ickesignifikant skattning. Nollhypoteserna förkastas för variablerna
oavgjord och förlust. Vid förlust är den avvikande avkastningen dagen efter match i genomsnitt
- 0,97 procent för samtliga fotbollsklubbar i undersökningen.
Tabell 8. Paneldataanalys modell 4
Modell 4
Vinst -0,05
(0,08)
Oavgjord -0,43*
(0,2)
Förlust -0,97***
(0,22)
Konstant 0,01
(0,01)
Observationer 20967
𝑹𝟐(within) 0,0018
Not: Robusta standardfel inom parentes. *, ** och *** anger statistisk signifikans på 10, 5 och 1 procents signifikansnivå.
Siffrorna är angivna i procent.
I tabell 9 visas resultaten för modell 5. Hemmaoavgjord, hemmaförlust och bortaförlust har
signifikant negativa skattningar, de andra variablerna har icke signifikanta skattningar.
Nollhypoteserna för hemmaoavgjord, hemmaförlust och bortaförlust förkastas.
22
Tabell 9. Paneldataanalys för modell 5
Modell 5
Hemmavinst -0,19
(0,12)
Hemmaoavgjord -1,01**
(0,32)
Hemmaförlust -1,09***
(0,23)
Bortavinst 0,14
(0,1)
Bortaoavgjord 0,01
(0,27)
Bortaförlust -0,92**
(0,3)
Konstant 0,01
(0,01)
Observationer 20967
𝑹𝟐(within) 0,0024
Not: Robusta standardfel inom parentes. *, ** och *** anger statistisk signifikans på 10, 5 och 1 procents signifikansnivå.
Siffrorna är angivna i procent.
I tabell 10 visas resultatet för modell 6 där Europaoavgjord, Europaförlust och ligaförlust har
signifikant negativa skattningar. De andra variablerna har icke signifikant resultat.
Nollhypoteserna förkastas för Europaoavgjord, Europaförlust och Ligaförlust.
23
Tabell 10. Paneldataanalys för modell 6
Modell 6
Europavinst 1
(0,11)
Europaoavgjord -0,79**
(0,33)
Europaförlust -1,81***
(0,51)
Ligavinst -0,09
(0,08)
Ligaoavgjord -0,32
(0,18)
Ligaförlust -0,65***
(0,16)
Konstant 0,01
(0,01)
Observationer 20967
𝑹𝟐(within) 0,0023
Not: Robusta standardfel inom parentes. *, ** och *** anger statistisk signifikans på 10, 5 och 1 procents signifikansnivå.
Siffrorna är angivna i procent.
Både ligaförlust och Europaförlust har signifikanta negativa skattningar vid en procents
signifikansnivå, därför görs ett F-test för att se om en av dessa variabler har en större effekt än
den andra.
F(1, 9) = 6.67
Prob > F = 0.0295
Testet visar att de är signifikant skilda från varandra. Detta innebär att Europaförlust har en
signifikant större negativ påverkan på aktiekursen än ligaförluster.
I tabell 11 visas resultatet för modell 7 där förväntad vinst, förväntad oavgjord, förväntad
förlust, svagt oväntad förlust och starkt oväntad förlust har signifikant negativa skattningar. De
andra variablerna har icke signifikanta resultat. Nollhypoteserna förkastas för alla variabler med
signifikanta resultat.
24
Tabell 11. Paneldataanalys för modell 7
Modell 7
Förväntad vinst -0,26*
(0,14)
Svagt oväntad vinst 0,21
(0,14)
Starkt oväntad vinst 0,33
(0,3)
Förväntad oavgjord -0,67***
(0,2)
Positiv oväntad oavgjord 0,06
(0,22)
Negativ oväntad oavgjord -0,62
(0,36)
Förväntad förlust -1,02***
(0,21)
Svagt oväntad förlust -0,75**
(0,24)
Starkt oväntad förlust. -1,21**
(0,45)
Konstant 0,01
(0,01)
Observationer 20967
𝑹𝟐(within) 0,0023
Not: Robusta standardfel inom parentes. *, ** och *** anger statistisk signifikans på 10, 5 och 1 procents signifikansnivå.
Siffrorna är angivna i procent.
25
7. Diskussion
7.1 Diskussion för regressionsanalys
I modell 4 visar fem av lagen signifikant negativa resultat vid förlustmatcher, tre av lagen visar
även signifikant negativa resultat vid matchresultatet oavgjort. När hemma-/bortaplan tas med
i regressionerna så visas liknande resultat som i den första modellen. Förlust och oavgjorda
matcher har fortfarande signifikant negativ påverkan på aktiekursen för flera av lagen. När
sedan information om matchen spelades i den inhemska ligan eller ute i Europa så kvarstår de
resultat att förluster och oavgjorda har negativ signifikant påverkan på aktiekursen. I modell 7
tas förväntningar på matcherna med, resultaten som visas även där är att förlust och oavgjorda
matcher har en signifikant negativ påverkan på aktiekursen oavsett om matchens resultat är
oväntad eller inte. Det som är intressant är att tre av lagen får en signifikant negativ skattning
när matchen var en förväntad vinst.
Resultatet stämmer överens med den tidigare studie som använt en liknande metod. Danis och
Demir (2011) finner signifikant negativa resultat vid förlust och oavgjord för de tre turkiska lag
som de undersöker. Den skillnad i resultat för modell 4 är att vi har ett lag som visar på
signifikant positiv påverkan vid vinst. När modellerna för hemma/borta och Europa/ligamatcher
jämförs så är resultaten också liknande. Danis och Demirs resultat visar att förlust och oavgjord
ger signifikant negativa resultat oavsett om matchen spelas hemma eller borta eller i ligan/ute i
Europa vilket även stämmer överens med våra resultat. Dock finns det även skillnader i dessa
modeller. I våra resultat visar Dortmund på positiva signifikanta resultat vid ligavinst och vid
hemma-/bortavinst. En annan skillnad är att Lyon visar ett signifikant positivt resultat vid
bortamatch som slutar oavgjord. I modell 7 får vi också liknande resultat som Danis och Demir.
Det som skiljer är att vi får signifikant negativ påverkan för Lazio, Benfica och Manchester för
variabeln förväntad vinst.
Finansiell beteendevetenskap diskuterar fel investerare gör när investerare inte beter sig
rationellt. Felen kan till exempel vara övertro eller överreaktion. Övertro kan vara en förklaring
till att signifikanta resultat finns på förluster och oavgjorda men inte på vinster. Investerarna
kan vara supportrar och de tror alltid att sitt lag ska vinna. När laget vinner ändras inte
aktiekursen då vinsten redan är inräknad i aktiepriset. Dortmund har dock signifikant positiva
resultat på vinster vilket skulle kunna bero på att investerarna har lägre och mer realistiska
förväntningar på sitt lag. Dortmund saknar signifikanta resultat när matchresultatets utfall är
26
det förväntade, det vill säga förväntad vinst, förväntad oavgjord och förväntad förlust. Vilket
också tyder på att Dortmund-investerare är mer rationella än andra investerare i de andra
fotbollsklubbarna med signifikanta resultat.
En annan förklaring till att förlust har mer signifikanta resultat än vinster kan var den så kallade
“prospect theory”. Kahnemann och Tversky (1979) kom fram till i sin studie om prospect theory
att människor tar förluster hårdare än vad vinster ger glädje. Detta kan överföras till supportrar
som då tar en förlorad match mycket hårdare än en vinst, vilket i sin tur kan leda till mer
signifikanta resultat vid förlust än vinst.
I uppsatsens teoridel nämns överreaktion på information som ett marknadsmisslyckande.
Benfica har stora förändringar i avvikande avkastning i jämförelse med övriga lag i vår
undersökning. Vid förlust har Benfica -3,19 procent medan övriga lag ligger runt -1 procent
eller lägre. Benficas starkt avvikande avkastning skulle kunna förklaras med överreaktion. Ett
enskilt matchresultat borde ha liten betydelse för klubbens ekonomiska resultat. Därför kan vi
dra slutsatsen att den avvikande avkastningen, åtminstone till viss del, är känslostyrd.
I analysen för varje enskilt lag finns en del ovanliga resultat. Juventus visar endast negativt
signifikant resultat vid matchresultat oavgjord och inte vid förlust. Förklaringen till att förlust
inte är signifikant negativ för Juventus kan vara att det finns få matcher med resultatet förlust
under datainsamlingsperioden. Vissa lag i vår undersökning saknar signifikanta resultat. En
förklaring till att lagen visar stor skillnad på antalet signifikanta resultat kan vara att
handelsvolymen på dessa aktier skiljer sig åt. Celtic, Porto och Sporting handlas inte lika
frekvent som övriga lag och har flera dagar då de inte handlas alls. Detta kan vara en förklaring
till att Celtic, Porto och Sporting saknar signifikanta resultat i samtliga modeller.
7.2 Diskussion för paneldataanalys
Paneldataanalysens resultat visar på att förlust och oavgjord har signifikant negativ påverkan
på den avvikande avkastningen. När modellerna tar med om matchen spelades hemma eller
borta så har förlust fortfarande en signifikant negativ påverkan. Hemmaförlusten är signifikanta
negativa vid 1 procents signifikansnivå och bortaförlust är signifikant negativ vid 5 procent.
Oavgjord har endast signifikant negativ påverkan på hemmamatcher. När Europa- och liga
matcher tas med i modellen så visar resultaten att förlust har signifikant negativ påverkan
oavsett om förlusten var i ligan eller i Europa och oavgjord har endast signifikant negativ
27
påverkan när matchen spelas i Europa. Vinst har inga signifikanta skattningar i modellerna. När
förväntningar tas med så har förlust en negativ signifikant påverkan oavsett om förlust var
väntad eller oväntad. Det som är lite underligt med resultaten för förväntningarna är att de
förväntade vinsterna har en signifikant negativ påverkan på den avvikande avkastningen vilket
är resultat som tidigare studier inte har fått.
Gandar m.fl. (2005) finner i sin paneldataanalys signifikant påverkan för vilken typ av match
som spelas. De finner att en cupmatch ger en positiv effekt på avvikande avkastningen gentemot
en ligamatch. Vi finner liknande resultat i vår studie. Efter det genomförda F-testet för att skilja
Europaspel från ligaspel, kommer vi fram till att Europaspel har en större påverkan på
avvikande avkastningen än ligaspel. Att Europaspel har en större påverkan på aktiekursen beror
troligtvis på att de matcherna har en mer direkt påverkan på klubbarnas ekonomi.
Europaförlustens större påverkan förklaras alltså inte bara av att matchen är mer känsloladdad
utan även av rationellt beteende då klubben faktiskt kan påverkas ekonomiskt.
Peenstra och Scholtens (2009) resultat visar att förlust och oavgjord har en signifikant negativ
påverkan men även att vinst har en signifikant positiv påverkan på aktiekursen. Även
Renneboog och Vanbrabant (2000) resultat visar att förlust och oavgjord har en signifikant
negativ påverkan men också att vinst har en positiv signifikant påverkan på den avvikande
avkastningen, detta liknar våra resultat förutom att Peenstra och Scholtens samt Renneboog och
Vanbrabant får en signifikant positiv skattning för vinst. Förlust ger signifikant negativ
påverkan oavsett om matchen spelas i Europa eller i ligan i både Peenstra och Scholtens studie
samt i Renneboog och Vanbrabants studie, dessa resultat stämmer överens med de resultat vi
får i vår uppsats.
En skillnad mellan vår och Renneboog och Vanbrabants studie är urvalet av fotbollsklubbar.
Alla fotbollsklubbar i vår undersökning har lag som ofta befinner sig i toppen av tabellen,
medan Renneboog och Vanbrabant har 17 lag från Storbritannien vilket ger dem en blandning
av topp-, botten- och mittenlag. Resultaten skulle kunna blivit annorlunda om vi haft tillgång
till data för lag som vanligtvis befinner sig lägre ner i tabellen. En vunnen match för ett
bottenlag är antagligen högre värderad än en vunnen match för ett topplag.
Resultaten i paneldataanalysen visar att investerare i de fotbollsklubbarna vi har undersökt
reagerar på matchresultat. Vinst saknar signifikant resultat, medan förlust och oavgjord
28
påverkar den avvikande avkastningen. Resultatet kan förklaras med både prospect theory eller
övertro. Även resultaten av paneldataanalysen när förväntningar tas med stödjer den finansiella
beteendevetenskapen om att investerare är känslostyrda.
7.3 Brister och begränsningar
Genomgående i de modeller vi har undersökt så är det låga förklaringsgrader vilket kan vara en
svaghet i uppsatsen, dock har tidigare studier också haft låga förklaringsgrader vilket mer tyder
på att den avvikande avkastningen påverkas lite av matchresultat men även av mycket annat.
En svaghet i vår undersökning är urvalet av fotbollsklubbar. Som tidigare nämnts i diskussionen
så skulle resultaten för variabeln vinst kunna blivit annorlunda om vi haft tillgång till data för
lag som vanligtvis befinner sig lägre ner i tabellen. En vunnen match för ett sämre lag är
antagligen högre värderad än en vunnen match för ett bättre lag. Dock så finns det inte så många
fotbollsklubbar som idag är börsnoterade vilket försvårar att undersöka lag från varierande liga
positioner.
29
8. Slutsatser
Syfte med uppsatsen är att undersöka om fotbollsklubbars aktiekurs påverkas av sportsliga
resultat. Syftet undersöks genom att se om aktien har en avvikande avkastning när laget spelar
match. När varje lag undersöks enskilt syns flera olika resultat. Vissa lag saknar signifikanta
resultat, ett av lagen har signifikanta resultat vid vunna matcher och flera av lagen har
signifikanta resultat vid matcher med resultat förlust och oavgjord. I paneldataanalysen blir
resultatet att förlust och oavgjord har signifikant negativ påverkan på aktiepriset.
Paneldataanalysen visar att förlust har signifikant negativa resultat oavsett om matchen spelas
i ligan eller ute i Europa men F-testet som görs visar att Europaspel har en signifikant större
negativ påverkan på aktiekursen än ligaspel.
Resultaten visar att investerare i fotbollsklubbar inte beter sig rationellt. Att matcher påverkar
aktiepriset mer negativt än positivt kan förklaras med finansiell beteendevetenskap. Det kan
bero på en övertro på det egna lagets förmåga att prestera samt överreaktion då prisförändringar
är stora dagen efter match. En annan rimlig förklaring till investerares beteende kan vara att
människor tenderar att reagera starkare på förluster än vinster. Båda dessa resultat tyder på att
investerare är supportrar.
Lagen som undersöks är toppklubbar i sina respektive ligor och resultatet avser därmed inte att
spegla alla fotbollsklubbar, därför kan det vara intressant i framtida forskning att undersöka lag
som skiljer sig mycket åt i ligapositioner för att se om resultaten varierar. Det kan även vara
intressant i framtida forskning att ta med fler variabler för att undersöka detta ämne. Variabler
som till exempel handelsvolym, målskillnad, matchens betydelse med flera är variabler som
skulle kunna påverka och därför vara intressanta att ta med. Det kan även vara intressant att
undersöka andra sporter som har klubbar som är aktiebolag för att se om liknande resultat går
att hitta även i de sporterna.
30
9. Referenslista
Internetkällor
Worldfootball: Matchresultat, hemma/bortamatch och typ av match
http://www.worldfootball.net/ [2016-03-21]
Oddsportal: Odds
http://www.oddsportal.com/ [2016-03-21]
Yahoofinance: Aktiekurser, index
http://finance.yahoo.com/ [2016-03-21]
Tryckta Källor
Benkraiem, R., Louichi, W., & Pierre, M. (2009). Market reaction to sporting results.
Management Decision, 100-109.
Berument, H. M., Ceylan, N. B., & Ogut-Eker, G. (2009). Soccer, stock returns and
fanaticism: Evidence from Turkey. The Social science journal, 594-600.
Bodie, Z., Kane, A., & Marcus, A. J. (2014). Investments. Maidenhead: McGraw-Hill
Education.
Danis, H., & Demir, E. (2011). The effect of performance of soccer clubs on their stock
prices: Evidence from Turkey. Emerging Markets Finance and Trade, 58-70.
Edmans, A., García, D., & Norli, Ø. (2007). Sports sentiment and stock returns. The journal
of finance, 1967-1998.
Gandar, J. M., Lamb, R. P., Yiu, P., & Zuber, R. A. (2005). Investor-fans? An examination of
the performance of publicly traded English permier league teams. Applied Financial
Economics, 305-313.
Gavelin, L., & Sjöberg, E. (2012). Finansiell ekonomi i praktiken. Lund: Studentlitteratur AB.
Hirshleifer, D., & Shumway, T. (2003). Good day sunshine: Stock returns and the weather.
The journal of Finance, 1009-1032.
31
Kahneman, D., & Tversky, A. (1979). Prospect Theory: An analysis of decision under risk.
Econometrica, 263-291.
Renneboog, L., & Vanbrabant, P. (2000). Share price reactions to sporty performances of
soccer clubs listed on the london stock exchange and the AIM. CentER Discussion Paper, 1-
28.
Scholtens, B., & Peenstra, W. (2009). Scoring on the stock exchange? The effect of football
matches on stock market returns: an event study. Applied Economics, 3231-3237.