UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2009 – 2010
DE IMPACT VAN FINANCIËLE- EN NIET FINANCIËLE AANKONDIGINGEN OP DE MARKTWAARDE VAN DE ONDERNEMING
Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen
Brecht Buysschaert & Benoît Craenenbrouck onder leiding van Prof. Dr. I. De Beelde
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2009 – 2010
DE IMPACT VAN FINANCIËLE- EN NIET FINANCIËLE AANKONDIGINGEN OP DE MARKTWAARDE VAN DE ONDERNEMING
Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen
Brecht Buysschaert & Benoît Craenenbrouck onder leiding van Prof. Dr. I. De Beelde
PERMISSION Ondergetekenden verklaren dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Brecht Buysschaert Benoît Craenenbrouck
Voorwoord In ons voorwoord hadden we graag nog enkele mensen bedankt van wie de bijdrage essentieel was voor het welslagen van deze masterproef. In de eerste plaats onze promotor professor De Beelde, die ons met raad en daad bijstond wanneer we een obstakel ondervonden. Daarnaast ook professor Van Cauwenberghe, die ons op weg zette met de verschillende modellen die gehanteerd worden in onze event studie. Ook een woord van dank voor Luc Van der Elst, bestuurder van de Belgische Vereniging van Financiële Analisten, die ons bijkomende informatie ter beschikking stelde over de award voor beste financiële informatie. Tot slot willen we ook onze ouders bedanken, zonder wiens steun we nooit deze masterproef hadden kunnen schrijven om onze titel van Master in de Toegepaste Economische Wetenschappen te behalen.
I
Inhoudsopgave Voorwoord
I
Inhoudsopgave
II
Lijst van tabellen
III
0. Inleiding
1
1. Efficiëntie van de markt 1.1. Soorten efficiëntie 1.2. Testen van de marktefficiëntie
3 3 4
2. Timing
5
3. Soorten aankondigingen 3.1. De impact van aankondigingen op ondernemingen 3.2. Niet-bedrijfsgerelateerde aankondigingen
7 7 8
4. Bedrijfsgerelateerde aankondigingen 4.1. Financiële aankondigingen 4.1.1. Resultaten 4.1.2. Dividenden 4.2. HRM aankondigingen 4.2.1. Ontslagen en inkrimpingen 4.2.2. Stakingen 4.2.3. HR reputatiesignalen 4.2.4. Managementveranderingen 4.3. Productieaankondigingen 4.3.1. Introductie van nieuwe producten 4.3.2. Kwaliteit 4.3.3. Internet & e-commerce
8 9 9 11 12 12 13 14 15 15 15 17 18
5. Empirisch onderzoek : Het effect van het winnen van de award voor ‘Beste Financiële Informatie’ op de marktwaarde van de onderneming 20 5.1. Award voor de Beste Financiële Informatie 20 5.2. Dataverzameling 21 5.3. Methodologie en empirische resultaten 22 5.3.1. Model 1: verwachte return = gemiddelde bedrijfsreturn 24 5.3.2. Model 2: verwachte return = marktreturn 28 5.3.3. Model 3: verwachte return = bepaald aan de hand van een regressiemodel 31 5.4. Bespreking empirische resultaten 34 6. Algemeen besluit
36
7. Bibliografie
38
8. Bijlagen 8.1. Bijlage 1 - Model 1: Resultaten 8.2. Bijlage 2 - Model 2 : Resultaten 8.3. Bijlage 3 - Bespreking van het regressiemodel 8.4. Bijlage 4 - Model 3 : Resultaten
42 42 43 44 50
II
Lijst met tabellen Tabel 1 - Lijst winnaars 1989-2009 ...................................................................................................... 22 Tabel 2 – Model 1 : Abnormale returns op dag 0 ................................................................................. 25 Tabel 3 – Model 1 : Positieve en negatieve abnormale returns op dag 0 ............................................ 25 Tabel 4 – Model 1 : Abnormale returns op dag 1 ................................................................................. 26 Tabel 5 – Model 1 : Positieve en negatieve abnormale returns op dag 1 ............................................ 26 Tabel 6 – Model 1 : Cumulatieve abnormale returns over het interval 0,1 ........................................... 27 Tabel 7 – Model 1 : Positieve en negatieve cumulatieve abnormale returns over het interval 0,1 ...... 27 Tabel 8 – Model 2 : Abnormale returns op dag 0 ................................................................................. 28 Tabel 9 – Model 2 : Positieve en negatieve abnormale returns op dag 0 ............................................ 29 Tabel 10 – Model 2 : Abnormale returns op dag 1 ............................................................................... 29 Tabel 11 – Model 2 : Positieve en negatieve abnormale returns op dag 1 .......................................... 30 Tabel 12 – Model 2 : Cumulatieve abnormale returns over het interval 0,1......................................... 30 Tabel 13 – Model 2 : Positieve en negatieve cumulatieve abnormale returns over het interval 0,1 .... 31 Tabel 14 – Model 3 : Abnormale returns op dag 0 ............................................................................... 32 Tabel 15 – Model 3: Abnormale returns op dag 1 ................................................................................ 32 Tabel 16 – Model 3 : Positieve en negatieve abnormale returns op dag 0 .......................................... 33 Tabel 17 – Model 3 : Positieve en negatieve abnormale returns op dag 1 .......................................... 33 Tabel 18 – Model 3 : Cumulatieve abnormale returns over het interval 0,1 ......................................... 33 Tabel 19 – Model 3 : Positieve en negatieve cumulatieve abnormale returns over het interval 0,1 .... 34
III
0. Inleiding Tijdens onze opleiding werd ons door menig professor aangeraden om op de hoogte te blijven van wat er zich afspeelt in ‘de economie’. ‘Jullie moeten de krant lezen!’. De krant blijft het middel bij uitstek om als bedrijf aankondigingen te doen naar derden toe. Wanneer de krant wordt geraadpleegd zijn daar dagelijks berichten in terug te vinden over ontslagen, wijzigingen van rentevoeten, lancering van nieuwe producten, etc. Daarom leek het ons interessant om eens te kijken wat de effecten zijn van die aankondigingen voor de bedrijven zelf. Meer bepaald wat de impact is van financiële- en niet-financiële aankondigingen op de marktwaarde van de onderneming. Vooraleer we in de literatuurstudie van deze masterproef nagaan wat de impact is van de verschillende soorten aankondigingen, wordt enige duidelijkheid verschaft rond het begrip marktefficiëntie. Het is immers belangrijk te weten op welke manier en met welke snelheid de markt reageert op aankondigingen. In een volgend hoofstuk, timing, wordt aan de hand van de literatuur nagegaan wat de invloed is van het tijdstip waarop ondernemingen iets aankondigen. Hiermee willen we aantonen dat niet enkel de inhoud van de aankondiging van belang is, ook het moment waarop de aankondiging gebeurt bepaalt mee de verandering van marktwaarde van de onderneming. In het derde hoofstuk (soorten aankondigingen) leiden we de impact van aankondigingen op de onderneming in. Daarnaast maken we het onderscheid tussen bedrijfsgerelateerde en niet-bedrijfsgerelateerde aankondigingen, waarna de laatstgenoemde kort wordt uitgelegd. Daar het zwaartepunt van onze literatuurstudie ligt bij bedrijfsgerelateerde aankondigingen, wordt dit uitgebreid besproken in hoofdstuk vier. Bedrijfsgerelateerde aankondigingen vallen uiteen in drie grote groepen: financiële-, HRM- en productieaankondigingen. Voor elk van deze drie groepen worden de meest voorkomende aankondigingen en hun respectievelijke impact op de marktwaarde van de onderneming behandeld. In ons empirisch onderzoek wordt het effect nagegaan van een niet-financiële aankondiging over een financieel onderwerp, daar is namelijk nog niet veel onderzoek naar verricht. We gaan na wat de impact is van het winnen van de award 1
voor ‘beste financiële informatie’ op de marktwaarde van de onderneming. Deze test zal gebeuren aan de hand van een event study, waarin drie verschillende modellen worden gehanteerd voor het berekenen van de verwachte return. Indien deze aankondiging effectief nieuwe informatie bevat, dan zouden positieve wijzigingen moeten optreden in de aandelenprijzen in de periode rond de aankondiging. Aangezien deze award echter weinig nieuwe informatie brengt op de markt, worden weinig significante wijzigingen van de prijs verwacht na de aankondiging van de winnaar van de award. In het beste geval kunnen positieve effecten zich voordoen, maar negatieve gevolgen zouden zeker moeten uitblijven. Tot slot van deze masterproef worden de voornaamste besluiten uit de literatuurstudie en het empirisch onderzoek gebundeld in een algemeen besluit en worden enkele suggesties gemaakt voor wat betreft toekomstig onderzoek.
2
1. Efficiëntie van de markt De snelheid waarmee beurzen reageren op nieuws is een belangrijk gegeven waarmee rekening gehouden dient te worden bij het interpreteren van het effect van een aankondiging op een bepaalde beurs. In dit hoofdstuk wordt kort uitgelegd wat verstaan kan worden onder efficiëntie van de markt en in welke gradaties deze voorkomt. Ook de verschillende testen waaraan deze vormen van efficiëntie worden onderworpen komen kort aan bod.
1.1.
Soorten efficiëntie
Er zijn drie soorten marktefficiëntie. Naast de macro-economische allocatieve efficiëntie van de beurs en de operationele doeltreffendheid van de beurs bestaat er ook prijsvormingsefficiëntie ook wel informatie-efficiëntie genoemd (Rubinstein 1975). Allocatieve efficiëntie is er wanneer prijzen gelijk zijn aan de marginale ‘rates of return’ voor alle producenten en spaarders. Dit zorgt ervoor dat kapitalen via de beurs bij ondernemingen terechtkomen met de hoogste return op hun investeringen. Operationele efficiëntie zorgt ervoor dat waardemaximaliserende bedrijven paretooptimale beslissingen nemen. Informatie-efficiëntie tenslotte, betekent dat in de prijs van een aandeel alle beschikbare informatie, zowel zeer recente als die uit het verleden, vervat zit. In wat volgt wordt er verder gekeken naar de informatieefficiëntie. Fama had reeds in 1965 een eerste definitie rond marktefficiëntie gedefinieerd. Deze luidde als volgt : “Marktefficiëntie vereist dat, op elk ogenblik, de koers van aandelen volledig de beschikbare informatie weerspiegelt.” (Fama 1965, p. 39) Deze is de dag van vandaag beter bekend in drie gradaties. De zwakke -, de halfsterke - en de sterke vorm van marktefficiëntie. De zwakke vorm van marktefficiëntie stelt dat beurskoersen alle publiek beschikbare informatie uit het verleden weerspiegelen. Dit betekent
dat
het
niet
mogelijk
is
om
een
structureel
winstgevende
beleggingsstrategie uit te bouwen op basis van prijsevoluties uit het verleden. De halfsterke vorm van marktefficiëntie stelt dat niet alleen informatie uit het verleden, maar elke huidige, algemeen beschikbare informatie onmiddellijk gereflecteerd wordt in de koersen van aandelen. Het is op basis van dergelijke informatie niet mogelijk 3
toekomstige koersen te bepalen en extra kapitaalwinst te maken. De sterke vorm van marktefficiëntie tot slot, stelt dat kapitaalmarkten op gelijk welk punt in de tijd alle beschikbare, publieke- en private informatie weerspiegelen. De markt zou dus ook reageren op insiderinformatie. Deze versie veronderstelt dus dat het onmogelijk is voor een investeerder om extra winst te bekomen aan de hand van voorkennis. Er is nog maar weinig onderzoek gedaan naar deze vorm van marktefficiëntie omdat het erg moeilijk is om na te gaan wanneer insiderinformatie gebruikt wordt.
1.2.
Testen van de marktefficiëntie
Het is niet mogelijk om de efficiëntie van de markt op zich te testen. Hierbij moet gebruik gemaakt worden van een evenwichtsmodel. Fama (1991) vermeldde reeds dat enkel getest kan worden of informatie correct gereflecteerd wordt in de prijzen in combinatie met een prijszettingmodel dat definieert wat correct is. Er is in dit geval sprake van een samengestelde hypothese, wat betekent dat marktefficiëntie op zich niet verworpen kan worden. Indien efficiëntie verworpen zou worden, kan dat zijn omdat de markt inderdaad inefficiënt is, maar het kan ook zijn dat werd uitgegaan van een incorrect evenwichtsmodel. Deze samengestelde hypothese werd later bevestigd door Campbell et al. (1997). Hierboven werd reeds vermeld dat er drie gradaties zijn in het marktefficiëntie model. Dit betekent dat er bijgevolg drie soorten testen kunnen gedaan worden. Fama publiceerde dit in zijn twee artikels rond efficiënte kapitaalmarkten (Fama 1970,1991). Zwakke-vorm-testen gaan na hoe goed returns van het verleden de toekomstige returns kunnen voorspellen. Sterke-vorm-testen onderzoeken of er investeerders zijn die over private informatie beschikken die niet volledig in de prijzen weerspiegeld wordt. Ten slotte gaan half-sterke-vorm-testen na hoe snel aankondigingen met publieke informatie weerspiegeld worden in de prijs van een aandeel. In Fama’s tweede artikel over efficiënte kapitaalmarkten (Fama 1991) worden deze vervangen door een onderzoek naar de efficiëntie van event studies. Event studies kunnen gezien worden als een goede manier om de semi-efficiëntie van de markt te testen. Door gebruik te maken van dagelijkse data na de aankondiging van een bepaalde gebeurtenis, laten deze precieze metingen toe. Hierdoor kan de snelheid waarmee aandelen reageren op de aankondigingen zeer 4
nauwkeurig bepaald worden. Het zijn juist deze metingen van de snelheid van aanpassing die centraal staan in het vraagstuk rond efficiëntie.
2. Timing Het is vanzelfsprekend dat aankondigingen met voor de markt nieuwe informatie invloed hebben op de beurswaarde van ondernemingen. Hier wordt verder op teruggekomen in hoofdstuk vier en vijf. Daarnaast beïnvloedt ook het moment waarop een bepaalde aankondiging gebeurt die beurswaarde. Bedrijven kunnen dus de prijs van hun eigen aandeel beïnvloeden door op het juiste moment een bepaalde aankondiging te doen. Uiteraard kunnen bedrijven niet de timing van alle berichtgeving onder controle houden. Wel kunnen ze tot op zekere hoogte zelfstandig bepalen wanneer ze interne informatie bekendmaken. De voornaamste interne informatie bestaat uit aankondigingen rond resultaten en dividenden. Heel wat onderzoek is gebeurd rond timing, waaruit kan worden vastgesteld dat bedrijven effectief een strategie kunnen ontwikkelen omtrent de timing van deze aankondigingen. De vraag is nu welke de strategische mogelijkheden zijn. Wat betreft aankondigingen die van de onderneming zelf komen, moet een bedrijf twee strategische keuzes maken. Ten eerste wordt beslist of de aankondiging tijdens of na de beursuren plaatsvindt. Indien ze kiezen om de aankondiging binnen de beursuren te laten plaatsvinden, kan nog gekozen worden op welk moment van de dag dit dient te zijn. Ten tweede kiest een bedrijf op welke dag van de week ze het nieuws bekendmaakt. Uit de studies van Patell en Wolfson (1982) en Genotte en Trueman (1995) blijkt dat relatief goed nieuws, beter nieuws dan door de markt verwacht, meestal wordt aangekondigd tijdens de beursuren. Slecht nieuws wordt veeleer na het sluiten van de beurs aangekondigd. Hiervoor hebben beide studies een gelijkaardige verklaring. Volgens Patell en Wolfson (1982) doen bedrijven dit zodat het slechte nieuws in een juiste context wordt geplaatst tijdens de periode waarin er geen handel wordt gevoerd. Op die manier hopen bedrijven dat er op een gepaste manier wordt gereageerd door de investeerders. Genotte en Trueman (1995) stelden op hun beurt vast dat tijdens de beursuren veel sterker wordt gereageerd op informatie dan na de 5
beursuren. Een bedrijf dat de aandeelkoers zo hoog mogelijk wil krijgen, heeft er alle belang bij goed nieuws tijdens de beursuren te brengen en slecht nieuws pas na sluitingstijd. De dag van de week waarop het bericht wordt aangekondigd is redelijk uniform verdeeld voor resultaat- en dividendaankondigingen. De dag van de week wordt dus niet echt gezien als een strategische optie voor het bedrijf voor het naar buiten brengen van nieuws. Wel constateerden Harris en Raviv (1993) dat op maandagen het volume van het aantal transacties hoger ligt dan op andere weekdagen. De achterliggende reden is dat op maandag wordt gereageerd op het nieuws van zowel vrijdagavond, zaterdag als zondag. Om dezelfde reden ligt het verhandelde volume aandelen in het begin van de dag hoger dan op andere momenten van de dag. Voor de specifieke aankondiging van de resultaten hebben bedrijven minder flexibiliteit om de datum van hun aankondiging te bepalen. De kapitaalmarkt heeft, gebaseerd op ervaringen uit vorige jaren, bepaalde verwachtingen omtrent de datum van de aankondiging. Wanneer later dan verwacht wordt aangekondigd anticipeert de markt dit als slecht nieuws. Anderzijds gaan voortijdige aankondigingen gepaard met goed nieuws. Niet alleen de inhoud van een bericht bepaalt dus hoe de markt reageert, maar ook het verschil tussen de verwachte en de effectieve aankondiging speelt een rol. De Award voor de Beste Financiële Informatie die later in het empirisch onderzoek zal onderzocht worden, wordt uitgereikt door een onafhankelijk orgaan (de Belgische Vereniging van Financiële Analisten). De timing van de aankondiging van die award staat dus buiten de invloed van de winnende onderneming. Toch zal alle voorgaande informatie in overweging moeten worden genomen bij het bestuderen van het effect van de aankondiging van de Award op de marktwaarde van ondernemingen. In het volgende hoofdstuk wordt dieper ingegaan op de verschillende soorten aankondigingen en hun respectievelijke impact.
6
3. Soorten aankondigingen 3.1.
De impact van aankondigingen op ondernemingen
Bedrijven kondigen verschillende soorten gebeurtenissen aan, sommige moeten verplicht worden gebracht, andere kunnen vrijwillig worden bekendgemaakt. De vraag die dan gesteld kan worden is of bedrijven alle relevante informatie wel vrijgeven. Darrough (1993) onderzocht dit en stelde dat aankondigingen omtrent bepaalde gebeurtenissen zowel positieve als negatieve gevolgen kunnen hebben. De aankondiging van een nieuw product bijvoorbeeld leidt ertoe dat de aandeelhouders goede vooruitzichten hebben, daarentegen wordt er met die aankondiging ook wel informatie bekendgemaakt naar de concurrentie toe. Bedrijven maken dus de afweging tussen de baten en de kosten van de aankondiging. Natuurlijk kan het niet naar buiten brengen van informatie maar in beperkte mate. De externe partijen (aandeelhouders, concurrenten, klanten,…) beschikken immers over nog andere bronnen van informatie. Wanneer de onderneming beslist een aankondiging te doen dan is de grootte van de impact ervan functie van twee factoren. Ten eerste de economische impact van het aangekondigde event en ten tweede van de mate waarin de aankondiging gedeeltelijk geanticipeerd is door de investeerders. Reacties op aandelenprijzen reflecteren zowel het economisch belang van events als de mate waarin het event een verrassing is voor de markt. De economische impact wordt door Malatesta en Thompson (1985) gedefinieerd als de gekapitaliseerde waarde van toekomstige netto cashflows die voortvloeien uit de gebeurtenis. Met andere woorden de huidige netto waarde van de gebeurtenis. Een aankondiging meldt dat een gebeurtenis zich zal stellen in de toekomst. Hiermee wordt de onzekerheid uit de wereld geholpen van wanneer een gebeurtenis zich zou kunnen stellen. Het aankondigingseffect is de verandering in de waarde van het bedrijf die zich voordoet doordat de onzekerheid werd weggenomen. Het aankondigingseffect en de economische impact zullen enkel gelijk zijn aan elkaar wanneer gedacht werd dat het onmogelijk was dat de gebeurtenis zich zou stellen.
7
Om deze reden had de markt nog niet gedeeltelijk geanticipeerd op een mogelijke aankondiging. Aankondigingen kunnen in twee grote categorieën worden ingedeeld. De bedrijfsgerelateerde- en niet-bedrijfsgerelateerde aankondigingen. Beide categorieën worden hieronder nader toegelicht. Niet-bedrijfsgerelateerde aankondigingen gaan over de markt in het algemeen, terwijl bedrijfsgerelateerde aankondigingen over één bepaald bedrijf gaan.
3.2.
Niet-bedrijfsgerelateerde aankondigingen
Macro-economische aankondigingen beschrijven de wijzigende omstandigheden van de economie waarin bedrijven functioneren en de aankondigingen plaatsvinden. Niederhoffer (1971) onderzocht het effect van wereldgebeurtenissen op de algemene indexen van aandelen in de vijf dagen volgend op een wereldgebeurtenis. In zijn onderzoek classificeerde hij een gebeurtenis als een wereldgebeurtenis wanneer een krantenkop van vijf tot acht kolommen verscheen in de New York Times. Hij kwam tot de vaststelling dat er grote veranderingen optreden in aandelenkoersen wanneer een wereldgebeurtenis gekopt wordt in de krant. Deze stelling werd later bevestigd door Castanias (1979). Niederhoffer catalogeerde de krantenkoppen van extreem goed tot extreem slecht met nog enkele tussenstappen. Na het publiceren van extreem slecht nieuws bleek dat op dag twee tot vijf, de markt gekenmerkt werd door een stijging van de waarde van de algemene indexen. Er is enige tijd nodig om slecht nieuws vanuit het juiste perspectief te bekijken. Daarom werd reeds gevonden dat managers slecht nieuws na de beursuren bekendmaken om alles in de juiste context te kunnen plaatsen. Dit bevestigt de resultaten die reeds werden besproken in het hoofdstuk over timing.
4. Bedrijfsgerelateerde aankondigingen Het
vierde
hoofdstuk
behandelt
de
verschillende
onderwerpen
waarover
aankondigingen kunnen gaan. Hier zal concreet worden nagegaan wat de cijfermatige impact is van verschillende soorten aankondigingen. Op basis van Thompson et al. (1987) zullen drie algemene categorieën van aankondigingen in deze masterproef worden besproken, daarmee wordt een kleine 70 procent van alle 8
aankondigingen behandeld. De reden dat we het beperkt houden tot deze groep is dat over deze onderwerpen het meeste literatuur beschikbaar was. Een eerste grote groep zijn de financiële aankondigingen, bestaande uit resultaten- en dividenden aankondigingen. Deze groep maakt ongeveer 40 procent uit van alle aankondigingen gemaakt door de ondernemingen uit de Wall Street Journal index. Een tweede grote groep bestaat uit alles wat te maken heeft met human resources. Thompson et al. (1987) vonden dat 11 procent van het totaal aantal aankondigingen bestond uit aankondigingen omtrent managementveranderingen en personeelszaken. De derde categorie behandelt ten slotte aankondigingen op productievlak, goed voor ongeveer 15 procent van de totale aankondigingen.
4.1.
Financiële aankondigingen
Resultaten -en dividendberichtgeving behoren tot de belangrijkste informatie waarop investeerders zich kunnen baseren. De informatie vertrekt vanuit het bedrijf zelf en bestaat uit objectieve boekhoudkundige gegevens. Er kan dus verwacht worden dat op bekendmakingen van die resultaten en dividenden sterk zal worden gereageerd door de markt. In de praktijk zie je dan ook veel modellen die gebruik maken van die boekhoudinformatie. Zo is er bijvoorbeeld het waardemodel van Modigliani en Miller (1958). 4.1.1. Resultaten Hoewel aankondigingen over resultaten als zeer belangrijk worden gezien, zijn er toch verschillende redenen waarom deze berichtgeving weinig bijkomende informatie oplevert. De twee belangrijkste redenen (Beaver 1968) hiervoor zijn ten eerste dat meetfouten zo groot zijn in de bepaling van de resultaten dat het beter is om de aandeelprijs te bepalen aan de hand van instrumentele variabelen. Ten tweede zijn er andere bronnen met dezelfde informatie beschikbaar die sneller ter beschikking staan van de investeerder. Een voorbeeld hiervan zijn de voorspellingen van analisten die als redelijk tot zeer betrouwbaar worden aanzien. Onderzoek van Trueman (1994) toonde aan dat enige nuancering geboden is bij de interpretatie van analistenvoorspellingen, aangezien ze vertekend reageren op de private informatie die ze tot hun beschikking hebben. Analisten maken vaak voorspellingen die nauwer aansluiten bij het verleden en/of voorspellingen van andere analisten. Dit strookt vaak niet met wat ze op basis van hun private informatie zouden voorspellen. De 9
reden hiervoor is dat zulke meer gematigde acties leiden tot betere beoordelingen van de investeerders over de analisten. Wat natuurlijk leidt tot hogere vergoedingen voor die analisten. Ondanks voorgaande argumenten, dat de bekendmaking van resultaten geen nieuwe informatie zou opleveren, heeft uitvoerig voorgaand onderzoek opgeleverd dat resultaataankondigingen en wijzigingen in dividenduitkeringen wel degelijk informatie bevatten. De reactie op de resultaten van de investeerders kan nagegaan worden aan de hand van twee zaken. Ten eerste zijn er de prijswijzigingen van het aandeel en ten tweede wijzigingen in het verhandelde volume van een aandeel. De prijswijziging reflecteert de verandering in de verwachtingen van de markt als een geheel, wat neerkomt op de gemiddelde verwachting van alle investeerders. Het verhandelde volume daarentegen reflecteert de verandering in de verwachtingen van een individuele investeerder. Algemeen beschouwd duurt het effect van een resultatenaankondiging langer bij het verhandelde volume dan bij de prijs. Maar de grootte en de duur van het effect hangen af van een aantal factoren (Bamber 1987). Ten eerste zijn ze afhankelijk van de grootte van de onverwachte resultaten, die ex-post pas kunnen bepaald worden. Ten tweede ook van factoren die ex-ante de beschikbaarheid van informatie van een bedrijf bepalen. Een dergelijke factor is bijvoorbeeld de ‘grootte van het bedrijf’. Tussen de grootte van het bedrijf en de onverwachte resultaten kan een negatieve relatie worden waargenomen. De achterliggende reden is : hoe groter een bedrijf, hoe meer informatie beschikbaar zal zijn uit alternatieve bronnen en hoe minder belang gehecht zal worden aan de ‘officiële’ resultaten. Uit het bekende werk van Ball en Brown (1968) , en vele andere onderzoeken die dit bevestigden (zie bijvoorbeeld Atiase 1985), werd geconcludeerd dat accountinginformatie wel relevant wordt geacht door de aandelenmarkt. Bovendien is die informatie al voor een groot stuk geanticipeerd door voorspellingen van financiële analisten. Markten kunnen de accountinginformatie niet volledig anticiperen, want op de aankondigingsdatum van de resultaten vinden nog steeds reacties plaats.
10
4.1.2. Dividenden Naast resultatenaankondigingen doen bedrijven ook nog aankondigingen omtrent de dividenden die ze uitkeren. Volgens Miller en Rock (1985) zijn aankondigingen rond resultaten en uit te keren dividenden onder bepaalde omstandigheden perfecte substituten wat betreft informatie. Uit empirisch onderzoek blijkt echter dat dividendaankondigingen bijkomende informatie opleveren voor de kapitaalmarkt. De waarde van de onverwachte resultaten ten gevolge van een dividendaankondiging zal groter zijn bij de aankondiging van een daling van dividenden dan wanneer een stijging van dividenden word bekendgemaakt. De vraag die gesteld kan worden is welke informatie dividendwijzigingen eigenlijk reflecteren, het verleden of de toekomst. Vele dividendmodellen gaan ervan uit dat dividenduitkeringen toekomstige informatie opleveren. Een stijging in dividenduitkering betekent dat het bedrijf beter zal presteren in de toekomst. Uit onderzoek van Benartzi et al. (1997) blijkt dat dit maar gedeeltelijk klopt. Bedrijven die hun dividenduitkeringen verhogen in een bepaald jaar hebben een duidelijke groei gehad in het jaar van de dividendverhoging en het jaar eraan voorafgaand, maar hebben geen abnormale groei meer in de erop volgende jaren. Dit in tegenstelling tot bedrijven die hun dividenduitkeringen hebben verlaagd. Zij hadden een daling in de resultaten in het jaar van de uitkering en het jaar ervoor, maar hadden wel een groei in het jaar volgend op de dividenddaling. Toch voorspellen dividendwijzigingen wel voor een stuk ook de toekomst (en hebben dividendmodellen ten dele gelijk). Bedrijven die hun dividend verhogen hebben minder kans (dan bedrijven die hun dividend niet wijzigen) om een daling te hebben in hun toekomstige resultaten. Een bijkomende moeilijkheid om het informatieaspect van dividendaankondigingen te bepalen is dat deze berichten vaak samen met de resultaten worden aangekondigd. Uit onderzoek van Seifert en Eddy (1992) blijkt dat de samengestelde aankondiging (resultaten en dividenden) een reactie uitlokt op de markt die ongeveer twee keer zo sterk is als een enkelvoudige aankondiging (enkel resultaten). Hieruit blijkt nogmaals dat dividendaankondigingen wel degelijk informatie bevatten.
11
De eerste grote categorie bestond uit aankondigingen rond resultaten en dividenden. De aankondigingen uit deze categorie zijn de meest voorkomende en hebben bovendien de grootste impact op de beurswaarde. In wat volgt zullen we twee van de niet-financiële categorieën van naderbij bekijken. HRM aankondigingen en aankondigingen betreffende de productie. Deze twee categorieën hebben ook enige impact op de marktwaarde van de onderneming.
4.2.
HRM aankondigingen
De vier subcategorieën die hier aan bod zullen komen zijn ontslagen en inkrimpingen,
stakingen,
HR
reputatiesignalen
en
tot
slot
management-
veranderingen. 4.2.1. Ontslagen en inkrimpingen Naar het effect van aankondigingen van ontslagen is reeds veel onderzoek verricht over de jaren heen. Hierbij is een duidelijk overheersend bewijs terug te vinden voor een negatief verband tussen deze aankondigingen en de aandelenprijzen (Abowd et al. 1990, Ursel en Armstrong-Stassen 1995, Hallock 1998, Nixon et al. 2004). Een van de meest voorkomende redenen voor inkrimping is volgens Ursel en ArmstrongStassen (1995) de nood om de kosten te drukken. De kapitaalmarkten vrezen echter dat dit voordeel niet zal kunnen opbotsen tegen het verlies aan waardevol menselijk kapitaal.
Daarom
resulteren
aankondigingen
van
inkrimpingen
in
dalende
aandelenkoersen. Deze negatieve effecten worden bovendien sterker indien het een eerste golf van aankondigingen betreft of wanneer het ontslagen op grote schaal betreft. De negatieve gevolgen van aankondiging van ontslagen kunnen gematigd worden door gebruik te maken van ‘exit’ strategieën (Nixon et al. 2004). Deze strategieën maken het makkelijker voor managers om op grote schaal aan downsizing te doen door een duidelijk doel voor ogen te houden. Bovendien zorgen ze ook voor een positievere attitude onder de overlevenden van het downsizing proces. Cascio et al. (1997) waren al tot een gelijkaardig resultaat gekomen. Zij merkten op dat bedrijven die hun activa herstructureerden bij het ontslaan van werknemers, positievere resultaten bekwamen dan hun sectorgenoten.
12
Naast het feit dat aankondigingen van ontslagen het niveau van de aandelenkoersen beïnvloeden, hebben ze ook een effect op de variantie ervan. Aankondigingen van permanente stafvermindering en sluitingen of relocalisaties gaan gepaard met significante toenames in de variatie van de return. Hieruit kan geconcludeerd worden dat beslissingen rond deze twee zaken de voorspellingen van aandeelhouders over de prestatie van het bedrijf beïnvloeden en de verwachtingen enigszins uiteen doen lopen. (Abowd et al. 1990) De laatste dertig jaar is er volgens Farber en Hallock (2009) een duidelijke trend merkbaar waarbij de negatieve gevolgen van aankondigingen van ontslagen minder groot worden. Dit komt doordat
ontslagen meer en meer doorgevoerd worden
omwille van efficiëntie redenen en niet omdat de vraag naar een product afgenomen is, zoals vroeger het geval was. Hieruit kan geconcludeerd worden dat de markt dus duidelijk het onderscheid kan maken tussen de mogelijke redenen voor ontslagen. Deze resultaten stroken met eerder onderzoek van Worell et al. (1991). Ontslagen die gebaseerd zijn op consolidatie of herstructureringen hoeven geen negatieve reactie te vrezen. Dit bevestigt opnieuw de theorie rond exit strategieën. Wanneer een duidelijk plan voorop gesteld wordt, zullen investeerders ontslagen toestaan omdat het bedrijf er nadien beter van kan worden. Hoewel er dus een trend is om minder negatief te reageren op aankondigingen van bepaalde soorten ontslagen, is de variabiliteit rond de aankondigingen niet afgenomen. Hieruit kan geconcludeerd worden dat deze aankondigingen nog altijd evenveel informatie bekendmaken. De reactie van de markten op de aankondigingen speelt zich af rond de datum van de aankondiging. Na de volgens de markt nodige reactie wordt telkens een stabilisatie van de prijzen waargenomen (Worell et al. 1991). 4.2.2. Stakingen Net zoals ontslagen hebben stakingen een negatief effect op de marktwaarde van de onderneming, maar in minder sterke mate. Aandelenmarkten kunnen drie dagen op voorhand efficiënt voorspellen of een deadline voor onderhandelingen zal uitdraaien op een akkoord of op een staking (Becker en Olson 1986). De daling in return was merkbaar groter bij een staking dan bij een akkoord. Bij stakingen werd een daling 13
van 4,1 procent waargenomen die bovendien significant verschillend was van nul. Bij akkoorden werd er geen significant van nul verschillende beweging van de return waargenomen. Hoewel markten erin slagen stakingen efficiënt te voorspellen, slagen ze er niet in om de stakingskosten, gedragen door de aandeelhouders via de dalende aandelenprijzen, volledig te anticiperen. Twee derde van de daling van de aandelenprijs gebeurt na de bekendmaking. De aankondiging wordt door investeerders dus als belangrijke bijkomende informatie beschouwd waarop ze reageren. 4.2.3. HR reputatiesignalen Op vlak van Human Resources is er een veelheid aan te winnen awards voor bedrijven. Heel wat bedrijven goochelen met bekroningen als ‘beste werkgever’, ‘beste werkgever voor werkende moeders’,etc. Onderzoekers hebben onderzocht wat deze reputatiesignalen opleveren voor de marktwaarde van de onderneming. Zoals
intuïtief
vermoed
kan
worden
reageren
investeerders
positief
op
aankondigingen die bedrijven een goede reputatie op de arbeidsmarkt bezorgen. Hannon en Milkovich (1996) vonden dat een dergelijk signaal de schatting door de aandeelhouders voor de toekomstige resultaten van het bedrijf beïnvloedt. Er zijn twee mogelijke oorzaken voor deze waardestijging. Enerzijds wordt verwacht dat wordt dat deze bedrijven beter in staat zijn om productieve werknemers efficiënt aan te trekken, te behouden en te motiveren. De award werkt dus als een vertegenwoordiging van de effectiviteit van een bedrijf haar human resources beleid en praktijken. Anderzijds kan de reputatie op de arbeidsmarkt de verkoop stimuleren. Hierbij denken investeerders dat klanten producten zouden verkiezen van bedrijven die aanzien worden als ‘goede’ werkgevers. Spence (1973) deed onderzoek naar de houding van beslissingnemers binnen de HR bij de afwezigheid van complete en accurate informatie. Hij kwam tot de vaststelling dat beslissingsnemers kunnen steunen op observeerbare factoren of signalen, zo stelt de signaaltheorie. De efficiënte markthypothese op haar beurt, stelt dat aandelenprijzen deze signalen zullen weerspiegelen. Positieve HR signalen daarentegen leiden niet tot een stijging van de aandelenprijzen bij de bekendmaking. Hanon en Milkovich (1996) vonden meerdere verklaringen waarom de HR signalen niet weerspiegeld zijn in de aandelenprijzen. Misschien is de informatie reeds op 14
voorhand gelekt, misschien zijn de HR reputatiesignalen wel oud nieuws, dat reeds verwerkt zit in de huidige prijzen, misschien zijn investeerders niet geïnteresseerd in deze signalen, of misschien zijn deze ‘best of…’ signalen wel te kostelijk op korte termijn. Het is dus wijselijk voor bedrijven om in de toekomst investeringen in HR praktijken en HR reputatie aan het zelfde nauwgezette onderzoek te onderwerpen als andere kapitaalinvesteringen voor wat betreft de ‘return on equity’. 4.2.4. Managementveranderingen Warner en Wats (1988) stelden dat de waarschijnlijkheid van een managementverandering leidt tot een daling van de aandelenkoersen. Aandeelhouders reageren in dat opzicht redelijk conservatief en houden niet van onvoorspelbaarheden en nieuwe gezichten binnen het topmanagement van de onderneming. Wanneer het een CEO verandering betreft, reageren investeerders wel het meest gunstig wanneer een outsider wordt aangesteld als nieuwe CEO van een financieel gezond bedrijf (Lubatkin et al. 1989).
4.3.
Productieaankondigingen
In deze derde grote categorie wordt eerst de meest voor de hand liggende subcategorie vermeld wanneer men denkt aan aankondigingen rond productie : de introductie van nieuwe producten. Nieuwe producten zijn immers essentieel voor het voortbestaan van een bedrijf. De tweede subcategorie betreft aankondigingen rond kwaliteit. De eisen van consumenten rond kwaliteit van producten en
diensten
nemen immers almaar toe. Tot slot worden kort aankondigingen rond e-commerce en
internet
behandeld.
Interactie
met
klanten,
leveranciers
en
andere
belanghebbenden vindt namelijk steeds meer online plaats. 4.3.1. Introductie van nieuwe producten Op wetenschappelijk gebied werd nog niet vaak de link gelegd tussen nieuwe producten en de rol die zij spelen voor de marktwaarde van een onderneming. Een gebrekkige integratie tussen het wetenschappelijk onderzoek binnen marketing en dat binnen de finance en hun verschillende onderzoekstradities hebben hiertoe geleid. Nochtans hebben economische analyses reeds aangetoond (Mansfield 1968) dat er een consistente, positieve relatie heerst tussen uitgaven op vlak van onderzoek en ontwikkeling en de onderliggende winstgevendheid. Gemiddeld gezien stijgt de marktwaarde van ondernemingen met 0,75% (Chaney et al. 1991) over een 15
periode van drie dagen rond de aankondiging van een nieuw product. Deze waardestijging is geen reflectie van de waarde van het product op zich, maar een consensus van de investeerders over de waarde van het product voor het bedrijf. Bij aankondigingen rond nieuwe producten kunnen twee kenmerken geïdentificeerd worden. Ten eerste valt op dat de introductie van originele nieuwe producten een groter effect heeft dan de aanpassing van bestaande producten of het herpositioneren binnen de markt. Ten tweede zijn de positieve gevolgen van aankondigingen van nieuwe producten het grootst in op technologie gebaseerde industrieën en bij introductie van meerdere originele producten tegelijk (Chaney et al. 1991). De markt hecht dus meer belang aan innovatie dan aan operationele vaardigheden, die geassocieerd worden met het herpositioneren van een bestaand product. Nieuwe
producten
introduceren
is
niet
zonder
gevaar,
bedrijven
worden
geconfronteerd met een zeer hoge falingsgraad, gaande van 33 tot 60% of zelfs hoger in bepaalde sectoren (Booz, Allen, Hamilton 1971 en 1980). Bedrijven dienen dus optimaal hun producten te ontwikkelen vooraleer ze het product op de markt brengen. Hiernaast moeten ze ook rekening houden met de aankondigingen die ze maken rond nieuwe producten. Wanneer bedrijven immers een tweede aankondiging lanceren waarin ze bekendmaken dat het product later dan verwacht op de markt zal verschijnen, heeft dit negatieve gevolgen voor de aandelenkoersen. De reactie van de aandeelhouders zorgt ervoor de aandelenkoersen gemiddeld met 5,25% dalen (Hendricks en Singhal 1997). De eventuele positieve gevolgen die gekoppeld zijn aan de vertraging zijn meestal niet groot genoeg om de verloren inkomsten te compenseren. Positieve economische gevolgen zijn toch mogelijk door het incorporeren van nieuwe technologische ontwikkelingen en zo haasje-over te spelen met de concurrentie, dankzij schaalvoordelen door enkele producten gelijktijdig te introduceren
wanneer
de
producten
die
geïntroduceerd
moeten
worden
geassocieerd worden met negatieve gevolgen. Bedrijven moeten de afweging maken tussen ofwel aankondigen dat de introductie van het product vertraging zal oplopen, wat zoals gesteld tot een daling van de 16
aandelenkoersen zal leiden. Ofwel moeten ze het product toch op tijd introduceren hoewel het misschien nog niet op punt staat, met als mogelijk gevolg dat defecte producten
moeten
worden
teruggeroepen.
In
de
farmaceutische-
en
de
automobielsector, heeft het terugroepen van producten niet alleen negatieve gevolgen ten opzichte van de marktwaarde van de onderneming, ook directe concurrenten van het bedrijf dat producten terugroept ondervinden een daling van de prijs van hun aandeel (Jarell en Peltzman 1985). Bedrijven zouden kunnen denken dat de marktwaarde van de onderneming omhoog gestuwd kan worden door een nieuw product aan te kondigen dat er nooit zal komen. Maar Peltzman (1981) toonde aan dat er grote en significante reacties zijn van de beurzen op oneerlijke en misleidende reclame van bedrijven. Het is dus niet mogelijk voor bedrijven om hun marktwaarde op te krikken door valse berichten te lanceren in verband
met
het
toekomstig
productengamma.
Indien
het
nieuws
werd
aangekondigd, maar de lancering dan toch niet plaatsvindt, is er een negatieve reactie van de investeerders als afstraffing voor het valselijk lanceren van de aankondiging dat er een nieuw product zou komen. Doran (1995) vond dat de kost die bedrijven ondervinden bij vals signaleren een verminderde geloofwaardigheid is voor toekomstige aankondigingen. 4.3.2. Kwaliteit Verbeteren van de kwaliteit binnen een onderneming zou moeten leiden tot hogere opbrengsten en/of lagere kosten en uiteindelijk resulteren in een hogere aandeelprijs. Net zoals bij aankondigingen rond HR reputatiesignalen, is het bij aankondigingen rond kwaliteit niet eenvoudig om het effect van de aankondiging eenduidig te isoleren. De reactie van de markt is uitgespreid over een grotere periode. Bedrijven dienen immers langere tijd op voorhand investeringen te doen om de kwaliteit van hun systemen en producten te verbeteren. Deze investeringen kunnen reeds lange tijd vooraleer een bepaalde erkenning wordt gegeven, opgepikt worden door de investeerders. In het bedrijfsleven worden elk jaar een aantal awards uitgereikt met betrekking tot kwaliteitsaspecten. Vele onderzoekers (Hendricks en Singhal 1996, Przasnyski en Tai 1999, Goh et al. 2003) hebben dan ook de uitreiking/aankondiging van een 17
award gebruikt om het effect van kwaliteit op de beurswaarde te meten. Vaak wordt de “Malcolm Baldridge National Quality Award” gebruikt omdat deze uitgereikt wordt door een onafhankelijke organisatie en dan ook als een betrouwbare, objectieve bron wordt beschouwd. Omwille van deze reden werd in ons empirisch onderzoek ook gekozen voor een award die wordt uitgereikt door een onafhankelijke organisatie. Resultaten tonen aan dat de markt positief, maar volgens de meeste studies niet significant, reageert op het winnen van een award en dat de markt sterker reageert wanneer het om kleine bedrijven gaat1. Het gebrek aan verwachte abnormale returns is te wijten aan de halfsterke vorm van efficiëntie van de kapitaalmarkt. De investeerders weten immers al of bepaalde kwaliteitssystemen al dan niet succesvol blijken te zijn en daardoor is die informatie reeds gereflecteerd in de aandeelprijs. Toch is er nog een klein prijseffect omdat de markt niet volledig efficiënt is en de markt dus toch nog een kleine opwaartse beoordeling maakt van de aandeelprijs. Om het volledige effect van de introductie van een kwaliteitssysteem te meten, kan het moment van het winnen van een kwaliteitsaward dus niet echt als referentiepunt gebruikt worden daar de markt de effectiviteit van het kwaliteitssysteem reeds voor een groot deel gereflecteerd heeft. 4.3.3. Internet & e-commerce Wanneer bedrijven aankondigen dat ze hun producten via internet aan de man zullen brengen, zorgt dit voor een significante stijging in de marktwaardering van de ondernemingen (Subramani en Walden 2001). Dit bewijst dat er een perceptie heerst onder investeerders dat e-commerce aankondigingen van bedrijven geassocieerd worden met significante toekomstige opbrengstenstromen voor die onderneming. Sceptici zouden kunnen opperen dat bedrijven dan gewoonweg zo een aankondiging moeten maken, zonder effectief het e-commerce pad te bewandelen. Maar onderzoek heeft aangetoond dat financiële markten rekening houden met valse aankondigingen. Dit strookt met eerder gevonden resultaten op het gebied van introductie van producten. Er is dus sprake van een factor die rekening houdt met de
1
Zie ook hoofdstuk resultaten : er wordt sterker gereageerd bij kleine bedrijven omdat daar minder
alternatieve informatie beschikbaar is.
18
reputatie van bedrijven. Vals signaleren heeft een averechts effect op de reputatie en dit wordt afgestraft door investeerders in de toekomst (Heinkel 1994). Niet alle bedrijven willen een prioriteit maken van e-commerce en besteden dit liever uit aan gespecialiseerde bedrijven. Deze beslissing heeft een gevolg voor de markt returns. Onderzoek van Agrawal et al. 2006 heeft aangetoond dat aandelenmarkten gunstig reageren op bedrijven die aankondigen dat ze de e-business zullen outsourcen. Deze positieve abnormale resultaten werden waargenomen wanneer de bedrijven dit deden omwille van commerciële redenen of om vlotte uitvoering van deze taken te bekomen. Wanneer bedrijven e-business outsourcen zonder commerciële redenen worden ze zelfs afgestraft door de aandelenmarkten. Tot de onderzoekers hun verbazing werden ook positieve resultaten genoteerd wanneer outsourcing zeer complexe taken betrof. Hiervoor werd geen verklaring gegeven door de onderzoekers. Een probleem waar bedrijven mee te maken krijgen zijn aanvallen van buitenaf. Inbraken op de beveiliging van hun elektronische systemen die via het internet met de klanten in contact staan. Wanneer bedrijven een aankondiging maken van een inbraak heeft dit ook negatieve gevolgen voor hun marktwaarde. Gemiddeld verliezen bedrijven 2,1 % van hun marktwaarde in de twee dagen die volgen op de aankondiging (Cavusoglu et al. 2004). Indien er een gespecialiseerd bedrijf verantwoordelijk was voor de beveiliging van dat bedrijf, dan zullen de concurrenten van het bedrijf dat de beveiliging verzorgde een positief effect waarnemen op hun marktwaarde. Gemiddeld gaat het hier om een stijging van 1,36 procent in de twee dagen volgend op de aankondiging. Opmerkenswaardig bij dit onderzoek is dat grotere bedrijven minder zwaar werden gestraft dan kleine wanneer een inbraak op de beveiliging plaatsvond. Na
deze
uitgebreide
literatuurstudie,
waar
de
impact
van
verschillende
aankondigingen op de beurswaarde werd nagegaan, kan worden overgegaan naar het empirisch gedeelte van deze masterproef. De impact van awards in de Human Resources- en productiesfeer werd reeds onderzocht. Concreet zullen we nagaan wat de impact is van een niet-financiële award over een financiële gebeurtenis. Zo
19
wordt ook de invloed van een award bij de derde grote groep van aankondigingen (financiële aankondigingen) in een empirische context behandeld.
5. Empirisch onderzoek : Het effect van het winnen van de award
voor
‘Beste
Financiële
Informatie’
op
de
marktwaarde van de onderneming 5.1.
Award voor de Beste Financiële Informatie
De Award voor de Beste Financiële Informatie wordt sinds 1957 uitgereikt door de Belgische Vereniging van Financiële Analisten (verder genoemd de BVFA). De BVFA is een vereniging zonder winstoogmerk die is opgericht in 1958 door R. Larcier, A. Laviolette en L. Verstraeten. Momenteel wordt de vzw voorgezeten door Hans Buysse.
Concrete
activiteiten
van
de
BVFA
zijn
o.a.
het
geven
van
informatievergaderingen aan bedrijven, seminaries over financiële analyse, inrichten van workshops en natuurlijk ook het uitreiken van de award. Om lid te kunnen worden van de vzw moet een persoon zelf financieel analist zijn en voorgesteld worden door twee leden van de BVFA. De Award voor de Beste Financiële Informatie wordt ieder jaar uitgereikt aan de Belgische beursgenoteerde onderneming die het best scoort op volgende criteria: de kwaliteit van de jaar- en halfjaarverslaggeving, de continue informatieverspreiding, de website, de relaties met investeerders en de beschikbaarheid van kwartaalresultaten. De award geniet veel aanzien en wordt door vele financiële analisten ondersteund. De procedure om tot een winnaar te komen, is in de loop van de geschiedenis van de award al een aantal keer gewijzigd. De laatste jaren bestaat de procedure uit twee fases. Eerst worden alle Belgische beursgenoteerde ondernemingen (met een beurswaarde van minimum 100 miljoen euro) aangeschreven met de vraag of ze willen meedingen naar de award. Op die manier komen natuurlijk enkel de ondernemingen aan bod die vertrouwen hebben in hun financiële rapportering. In een tweede fase worden de financiële analisten, die Belgische ondernemingen opvolgen, gevraagd de meedingende ondernemingen onder de loep te nemen. 20
In 2009 werden 50 Belgische beursgenoteerde ondernemingen gescreend en gerangschikt op basis van de verschillende criteria die de BVFA in rekening neemt. Solvay werd op basis van deze criteria in 2009 als beste gerangschikt. Binnen de BVFA geldt echter de regel dat een bedrijf slechts om de vier jaar de award in de wacht kan slepen. Aangezien Solvay reeds in 2007 als laureaat was verkozen, ging de award in 2009 naar Bekaert. In de loop van de geschiedenis van de Award is zo een situatie al vaak voorgevallen. Winnaars van voorbije jaren steken er vaak een aantal jaar na elkaar bovenuit. Dit komt doordat bedrijven de manier waarop ze rapporteren niet snel wijzigen. Zo had Fortis eigenlijk de award verdiend gedurende de hele periode 1995-1999. Naast de Award voor de Beste Financiële Informatie worden er nog vier ondergeschikte awards uitgereikt. Beste jaarverslag, beste persberichten, beste relaties met investeerders en beste website. In het empirisch onderzoek zal echter enkel gefocust worden op de belangrijkste award : beste financiële informatie.
5.2.
Dataverzameling
Sinds het ontstaan van de award in 1957 tot en met 2009
hebben 49
ondernemingen de prijs mogen ontvangen. Door het ontbreken van informatie over de exacte aankondigingsdatum in de periode voor 1988, bestaat onze steekproef uit 21 ondernemingen, de winnaars van 1989 tot 2009. De winnaars zijn terug te vinden in tabel 1. De aankondigingsdata van de winnaars werden uit het archief van de krant “de Tijd” gehaald. De bekendmaking in de pers gebeurde meestal de dag volgend op de prijsuitreiking. Vaak werd het nieuws van het winnen van de award al sneller bekendgemaakt in de Tijd en dan werd natuurlijk deze datum als aankondigingsdatum genomen. Alle financiële gegevens (bedrijfsreturn, Bel20return, market size, price-to-book-value) komen uit de database “Datastream”. Voor het bekomen van de resultaten is er gebruik gemaakt van drie verschillende modellen, die verder bij de methodologie zullen besproken worden. Bij het regressiemodel (het meest uitgebreide model) hebben we de winnaar van 1995 (Fortis) uit de steekproef moeten elimineren omdat er geen beschikbare gegevens waren omtrent de price-to-book-value. Ook de winnaar van 1989 (Glaverbel) werd in 21
model twee en drie geëlimineerd omdat er geen gegevens beschikbaar waren over de return van de Bel-20 index van dat jaar. Tabel 1 - Lijst winnaars 1989-2009
Jaar
Winnaar
aankondigingsdatum
1989 Glaverbel
14/12/1989
1990 Tractebel
14/12/1990
1991 Colruyt
13/11/1991
1992 COBEPA
20/11/1992
1993 CMB
18/11/1993
1994 Tractebel
20/12/1994
1995 Fortis
22/11/1995
1996 Cockerill Sambre 27/11/1996
5.3.
1997 Petrofina
27/11/1997
1998 COBEPA
26/11/1998
1999 Fortis
03/12/1999
2000 Delhaize
01/12/2000
2001 Cofinimmo
15/12/2001
2002 UMICORE
13/12/2002
2003 Innogenetics
18/12/2003
2004 Delhaize
17/12/2004
2005 Barco
06/12/2005
2006 KBC group
20/10/2006
2007 Solvay
18/10/2007
2008 Delhaize
16/10/2008
2009 Bekaert
28/10/2009
Methodologie en empirische resultaten
Een event studie wordt vaak gebruikt in de financiële lectuur om na te gaan of de vrijgave van informatie de return op de aandelenmarkt beïnvloedt. In ons onderzoek testen we de semisterke vorm van marktefficiëntie aan de hand van een event
22
studie. Hierbij wordt nagegaan of alle publieke, beschikbare informatie onmiddellijk wordt opgenomen. Om te kijken wat de reactie is op de aankondiging van het winnen van de award wordt gebruikt maakt van abnormale returns. Gelijkaardige methodes om abnormale returns te berekenen werden reeds gebruikt bij Dodd en Warner (1983) en Chan et al. (1995). De techniek van een event study bestaat erin de abnormale return te berekenen in een interval rond de aankondigingsdatum. Die abnormale return wordt berekend door het verschil te nemen tussen de actuele return en de verwachte return. De verwachte return kan op verschillende manieren worden berekend. In het onderzoek werden er drie methodes gehanteerd. (deze worden verderop uitgebreid besproken).
De
schattingsperiode
voor
het
bepalen
van
alle
relevante
modelparameters gaat over een periode van 220 dagen. Van -240 tot -20 dagen ten opzichte van de aankondigingsdatum. Deze tijdspanne van 220 dagen is in de praktijk de meest courante. Algemeen wordt de abnormale return voor elk winnend aandeel als volgt bepaald:
ε jt = R jt − E(R jt )
€
Waarbij E(R jt ) de verwachte return is afhankelijk van het gebruikte model van aandeel j op moment t. De abnormale returns voor alle winnende aandelen wordt dan als volgt bepaald: €
ARt =
€
1 N ∑ε met t=0,1 N j =1 jt
Waarbij N het aantal winnaars (21) zijn die onderzocht worden. De t= 0, 1 stelt dat we enkel de impact bekijken op aankondigingsdatum en de dag volgend op de aankondigingsdatum (in bijlage werden abnormale returns ook nog berekend voor t= -2,-1,1,2,…,10). Tot slot zullen ook nog de cumulatieve abnormale returns berekend worden over die tweedaagse periode T: 23
T
CAR(0,1) = ∑ ARt t =1
Elk van de drie modellen zal nu uitgebreid methodologisch worden besproken en
€
vervolgens zullen we ook alle empirische resultaten behandelen. 5.3.1. Model 1: verwachte return = gemiddelde bedrijfsreturn Voor het eerste model hebben we gebruik gemaakt van de gemiddelde bedrijfsreturn als verwachte return. Dit wil zeggen dat verwacht wordt dat de return van het bedrijf, bij het ontbreken van nieuws, hetzelfde presteert als de gemiddelde return bekomen uit de schattingsperiode. Deze techniek geeft resultaten die gelijkaardig zijn aan complexere modellen. Het is een model dat zeer makkelijk toepasbaar is aangezien enkel de gemiddelde return van het bedrijf nodig is over een bepaalde periode. Een potentieel gevaar kan zijn dat de techniek problemen heeft met kalenderclustering. Kalenderclustering komt voor wanneer de eventdates van de verschillende bedrijven dezelfde zijn of dicht bij elkaar liggen. In dit onderzoek is er geen probleem aangezien er maar één winnaar per jaar kan zijn. Een ander mogelijk probleem werd gevonden door Klein en Rosenveld (1987). Zij merkten op dat als er stijgende marktkoersen zijn het model leidt tot opwaartse vertekeningen van de abnormale returns. Voor het eerste model werden de volgende hypothesen onderzocht. Op aankondigingsdag (dag 0) :
H 0 : µ0 = 0 waarbij µ0 = abnormale return voor dag 0. De nulhypothese stelt dus dat er geen abnormale return is op de aankondigingsdatum.
€ €
H1 : µ0 ≠ 0
€
Daarnaast werd nagegaan hoe de positieve abnormale returns zich verhouden ten opzichte van de negatieve abnormale returns op dag 0.
24
Tabel 2 – Model 1 : Abnormale returns op dag 0
Testwaarde= 0 95% Confidence Interval
Abnormale return dag 0
Sig.
Mean
of the Difference
t-statistiek df
(2-tailed)
Difference
Lower
Upper
-,192
,849
-,00059
-,0070
,0058
20
De aandelenmarkt reageert op de aankondigingsdatum duidelijk niet op de bekendmaking, met een p-waarde van 0,849 kan de nulhypothese duidelijk niet verworpen worden. Een bijkomende mogelijkheid om te zien of er positieve abnormale returns zijn, is kijken naar de abnormale return van elke winnende onderneming afzonderlijk. Op die manier zien we of die bedrijven een positieve dan wel een negatieve abnormale return hebben op de aankondigingsdatum en andere onderzochte data. Als we kijken naar de abnormale returns van de winnende ondernemingen op dag 0 zien we dat deze duidelijk evenredig verdeeld zijn over positieve en negatieve abnormale returns. Er zijn 11 ondernemingen die negatieve abnormale returns hebben op dag 0 tegenover 10 ondernemingen met een positieve abnormale return. Ook hier is er een zeer grote p-waarde waardoor we de nulhypothese niet kunnen verwerpen. Er is dus geen statistisch significant verschil tussen het aantal positieve en het aantal negatieve abnormale returns. Hierdoor wordt
het
bewijs
dat
er
geen
significante
abnormale
returns
zijn
op
aankondindigingsdatum bevestigd. Tabel 3 – Model 1 : Positieve en negatieve abnormale returns op dag 0
Observed N
Expected N
Residual
Negatief 11
10,5
,5
positief
10
10,5
-,5
Totaal
21
P-waarde ,827
H 0 : N pos = N neg H1 : N pos ≠ N neg € € 25
Voor de dag volgend op de aankondigingsdatum gebruiken we dezelfde werkwijze: waarbij µ1 = abnormale return voor dag 1. De nulhypothese stelt
H 0 : µ1 = 0
dus dat er geen abnormale return is op de dag volgend op de aankondiging.
H1 : µ1 ≠ 0
€
€
Tabel 4 – Model 1 : Abnormale returns op dag 1
€ Testwaarde = 0 95% Confidence Interval Sig.
AR1
of the Difference
(2- Mean
t
df
tailed)
Difference
Lower
Upper
-,003
20
,997
-,00001
-,0091
,0091
Ook op dag 1 volgend op de aankondiging zijn er geen abnormale returns voor de winnende ondernemingen. Opnieuw wordt dit bevestigd als gekeken wordt naar de verdeling tussen de positieve en negatieve returns op dag 1. Hier zijn er 12 ondernemingen met negatieve returns en 9 met positieve returns. De p-waarde heeft hier een waarde van 0,513 en de nulhypothese, dat er een verschil is tussen het aantal positieve en negatieve returns, kan niet worden verworpen. Tabel 5 – Model 1 : Positieve en negatieve abnormale returns op dag 1
Observed N
Expected N Residual
Negatief 12
10,5
1,5
Positief
9
10,5
-1,5
Totaal
21
P-waarde ,513
H 0 : N pos = N neg H1 : N pos ≠ N neg € €
26
Vervolgens bekijken we de cumulatieve tweedaagse periode over dag 0 en 1:
H 0 : µCUM = 0 waarbij
µCUM
= cumulatieve abnormale return voor het
tweedaagse interval op dag 0 en 1. De nulhypothese stelt dus dat er geen abnormale return is op de dag volgend op de aankondiging. € H1 : µCUM ≠ 0
€
Tabel 6 – Model 1 : Cumulatieve abnormale returns over het interval 0,1
€ Testwaarde = 0 95% Confidence Interval Sig. t CumulatieveAR
,148
(2- Mean
of the Difference
df
tailed)
Difference
20
,884
-,000608304 -,00916344 ,00794683
Lower
Upper
De p-waarde bedraagt 0,884 waardoor geconcludeerd kan worden dat er ook geen significante van nul verschillende (positieve) abnormale returns zijn. Dit wordt ook nog kracht bijgezet als gekeken wordt naar de verdeling tussen de ondernemingen met positieve returns en die met negatieve abnormale returns. De nulhypothese, dat de positieve en negatieve returns evenredig verdeeld zijn, kan niet worden verworpen. (p-waarde van 0,827). Tabel 7 – Model 1 : Positieve en negatieve cumulatieve abnormale returns over het interval 0,1
Observed N
Expected N
Residual
Negatief
11
10,5
,5
Positief
10
10,5
-,5
Total
21
P-waarde ,827
H 0 : N pos = N neg H1 : N pos ≠ N neg € €
27
In bijlage 1 kan u bijkomende abnormale returns vinden over een periode van t= -2 tot en met t=+10 maar doordat ook deze niet significant waren werd besloten ze hier niet op te nemen. 5.3.2. Model 2: verwachte return = marktreturn In het tweede model wordt gesteld dat de return die men mag verwachten gelijk is aan de marktreturn. Hier stelt men dat een bedrijf dezelfde return behaalt als de marktreturn. De voordelen van dit model zijn dat er geen nood is aan een schattingsproces. De abnormale return op een bepaald moment wordt bekomen door van de effectieve bedrijfsreturn de marktreturn op datzelfde moment af te trekken. Dit model is dan ook zeer bruikbaar voor onderzoeken waar geen data beschikbaar zijn voorafgaan aan het event. Dit ‘market-adjusted model’ heeft net als het eerste model ook problemen met kalenderclustering. Om de return van de markt te bepalen is gebruik gemaakt van de Bel20-return. De keuze van de Bel20 als proxy voor de volledige Belgische markt zal de mogelijke resultaten niet of nauwelijks vertekenen. Vele van de winnaars van de Award voor beste financiële informatie zitten in die Bel20 maar zelfs indien ze er geen deel van zouden uitmaken kan de Bel20-return toch als een betrouwbare return worden gebruikt. Ook hier worden dezelfde hypotheses getest:
H 0 : µ0 = 0 waarbij µ0 = abnormale return voor dag 0. De nulhypothese stelt dus dat er geen abnormale return is op de aankondigingsdatum.
H1 : µ0 ≠ 0 €
€
Tabel 8 – Model 2 : Abnormale returns op dag 0
€ Testwaarde = 0 95% Confidence Interval Sig.
AR0
(2- Mean
of the Difference
t
df
tailed)
Difference
Lower
Upper
,625
19
,540
,00206
-,0049
,0090
28
Ook op basis van de marktreturn als verwachte return is er geen significant van 0 verschillend resultaat op dag 0. De p-waarde bedraagt 0,540 waardoor de nulhypothese duidelijk niet verworpen kan worden. Tabel 9 – Model 2 : Positieve en negatieve abnormale returns op dag 0
Observed N
Expected N
Residual
Negatief
10
10,0
,0
Positief
10
10,0
,0
P-waarde
1,000
H 0 : N pos = N neg H1 : N pos ≠ N neg €
€ Hier is wederom duidelijk waarom de nulhypothese niet kan worden verworpen. Het aantal positieve abnormale returns (10) is exact gelijk aan het aantal negatieve abnormale returns (10). De hypothese dat het aantal positieve en negatieve returns niet significant verschillend is van elkaar, kan dan ook niet worden verworpen (een pwaarde van 1). Voor de dag volgend op de aankondigingsdatum gebruiken we dezelfde werkwijze:
H 0 : µ1 = 0 waarbij µ1 = abnormale return voor dag 1. De nulhypothese stelt dus dat er geen abnormale return is op de dag volgend op de aankondiging.
H1 : µ1 ≠ 0
€
€
Tabel 10 – Model 2 : Abnormale returns op dag 1
€ Testwaarde = 0
t AR1
-,177
df
Sig. (2tailed) 19 ,861
Mean Difference
95% Confidence Interval of the Difference Lower
-,00053
Upper
-,0069 ,0058
Ook op dag 1 volgend op de aankondiging is er duidelijk geen reactie van de markt op de “nieuwe” informatie van het winnen van de award.
29
Tabel 11 – Model 2 : Positieve en negatieve abnormale returns op dag 1
Observed N
Expected N Residual
Negatief
9
10,0
-1,0
Positief
11
10,0
1,0
Total
20
H 0 : N pos = N neg H1 : N pos ≠ N neg €
P-waarde ,655
€ Opnieuw is de verdeling tussen de positieve en negatieve abnormale returns ongeveer gelijk verdeeld (9 negatieve tegenover 11 positieve returns). De p-waarde (0,655) zorgt er voor dat de nulhypothese niet kan worden verworpen. Vervolgens bekijken we de cumulatieve tweedaagse periode over dag 0 en 1:
H 0 : µCUM = 0
waarbij µCUM
= cumulatieve abnormale return voor het
tweedaagse interval op dag 0 en 1. De nulhypothese stelt dus dat er geen
€
abnormale return is op de dag volgend op de aankondiging. € H1 : µCUM ≠ 0 Tabel 12 – Model 2 : Cumulatieve abnormale returns over het interval 0,1
€ Testwaarde = 0 95% Confidence Interval Sig. t cumulAR01 ,308
(2- Mean
of the Difference
df
tailed)
Difference
Lower
Upper
19
,761
,00153
-,0089
,0119
Met een p-waarde van 0,761 kan de nulhypothese net als in het vorige model niet worden verworpen. Dit wordt nog kracht bijgezet als we kijken naar de verdeling tussen de positieve en negatieve abnormale returns. De nulhypothese, dat de twee groepen niet gelijk verdeeld zijn, kan niet worden verworpen (p-waarde van 0,371).
30
Tabel 13 – Model 2 : Positieve en negatieve cumulatieve abnormale returns over het interval 0,1
Observed N
Expected N
Residual
Negatief
12
10,0
2,0
Positief
8
10,0
-2,0
Total
20
P-waarde ,371
H 0 : N pos = N neg H1 : N pos ≠ N neg € €
In bijlage 2 kunnen de resultaten (met korte bespreking) van dit model gevonden worden over de periode t=-2 tot en met t=+10. 5.3.3. Model 3: verwachte return = bepaald aan de hand van een regressiemodel Dit model is het meest uitgebreide en daardoor waarschijnlijk ook het meest correcte model om de verwachte return te schatten, het is bovendien het meest dominante model in de financiële lectuur. Als basis werd voor het ‘single-index market model’ (SIMM) gekozen.
E(R) = β0 + β1 Marktreturn
€
Wel werden er in dit onderzoek nog twee extra controlevariabelen toegevoegd. Het regressiemodel is dus als volgt opgebouwd:
E(R) = β0 + β1Bel20Re turn + β2 Marketsize + β3 Pr iceToBookValue
€
Op basis van de schattingsperiode worden de coëfficiënten ( β0 , β1 , β2 en β3 ) bepaald. Zo worden voor iedere onderneming de bedrijfsspecifieke coëfficiënten bekomen. In bijlage 3 kunnen de gegevens omtrent de coëfficiënten, voor elk winnend bedrijf, € €€ € teruggevonden worden. De significantie van de verschillende coëfficiënten verschilt enorm van jaar tot jaar. Dit model is eenvoudig hanteerbaar en bovendien het meest gebruikte van alle regressiemodellen. In het onderzoek wordt gebruik gemaakt van de Bel-20 als 31
marktindex omdat dit een waarde-gewogen index is. Argumenten hiervoor kunnen gevonden worden bij Roll (1981), die stelde dat de variantie van de returns op basis van een waarde-gewogen index kleiner zijn dan die op basis van een index waarbij alle ondernemingen vervat in die index een gelijke impact hebben. De volgende hypothese wordt opnieuw getest:
H 0 : µ0 = 0 waarbij µ0 = abnormale return voor dag 0. De nulhypothese stelt dus dat er geen abnormale return is op de aankondigingsdatum.
H1 : µ0 ≠ 0
€
€
Tabel 14 – Model 3 : Abnormale returns op dag 0
€ Testwaarde = 0
t AR0
df
,072
Sig. (2tailed) 18 ,943
Mean Difference
95% Confidence Interval of the Difference Lower
,00030
Upper
-,0083 ,0089
De resultaten op basis van het derde model bevestigen de vorige twee modellen dat er op aankondigingsdatum geen significante abnormale returns zijn. Ook op de dag volgend op de aankondiging is er geen abnormale return. Tabel 15 – Model 3: Abnormale returns op dag 1
Testwaarde = 0
t AR1
,721
df
Sig. (2tailed) 18 ,480
Mean Difference ,00302
95% Confidence Interval of the Difference Lower
Upper
-,0058 ,0118
Als gekeken wordt tussen de verdeling van de bedrijven met positieve abnormale returns en die met negatieve abnormale returns worden de resultaten nogmaals bevestigd. 32
Tabel 16 – Model 3 : Positieve en negatieve abnormale returns op dag 0
Observed N Expected N Residual Negatief
10
Positief
9
Total
H 0 : N pos = N neg
9,5 ,5 9,5
H1 : N pos ≠ N neg
-,5
19
€
P-waarde ,819
€
Tabel 17 – Model 3 : Positieve en negatieve abnormale returns op dag 1
Observed N Negatief
9
Positef
10
Total
19
P-waarde
Expected N Residual 9,5
-,5
H 0 : N pos = N neg H1 : N pos ≠ N neg
9,5 ,5
€
,819
€
De cumulatieve abnormale returns over t=0 en t=1 zijn net als bij voorgaande modellen ook niet significant. Tabel 18 – Model 3 : Cumulatieve abnormale returns over het interval 0,1
Testwaarde = 0
t CUMAR01 ,773
df
Sig. (2tailed) 18 ,450
Mean Difference ,00332
95% Confidence Interval of the Difference Lower
Upper
-,0057 ,0123
33
Tabel 19 – Model 3 : Positieve en negatieve cumulatieve abnormale returns over het interval 0,1
Observed N
Expected N Residual
Negatief
7
9,5
-2,5
Positief
12
9,5
2,5
Total
19
P-waarde
,251
H 0 : N pos = N neg H1 : N pos ≠ N neg
€ €
In bijlage 4 kunnen de resultaten gevonden worden voor de abnormale returns op andere tijdstippen.
5.4.
Bespreking empirische resultaten
De drie verschillende modellen die we hanteerden voor het bekomen van de verwachte return komen alle drie tot dezelfde conclusie. De abnormale returns die bekomen worden in het tweedaags interval na de aankondiging zijn niet significant. De gevonden resultaten kunnen op twee manieren worden verklaard. Een eerste verklaring is dat de markt “vergeet” de informatie op te nemen en dus niet de halfsterke vorm van marktefficiëntie bezit. Dit is zeer onwaarschijnlijk als gekeken wordt naar vroegere event studies die de halfsterke vorm van marktefficiëntie testten. Zo werd bijvoorbeeld eerder in de literatuurstudie aangehaald dat de markt direct reageert op de aankondiging van de introductie van een nieuw product. De tweede verklaring is dat de markt de informatie wel heeft opgemerkt maar er niet op reageert. De oorzaak hiervan kan, zoals Malatesta en Thompson (1985) aantoonden, tweeërlei zijn. Ten eerste kan het zijn dat de economische impact van het winnen van de award als zeer klein (of zelfs onbestaande) wordt beschouwd. Deze verklaring kan moeilijk worden getoetst omdat er nog geen gelijkaardige studies, namelijk het onderzoeken van de impact van financiële awards op de marktwaarde van ondernemingen, werden uitgevoerd. Ten tweede kan de markt de informatie reeds eerder hebben geïncorporeerd in de beursprijs van de onderneming. De markt wist misschien al veel eerder dat de bewuste ondernemingen goede financiële informatie leveren en investeerders hebben dit al gereflecteerd in de prijs. Een gelijkaardige situatie werd ook gevonden bij de awards in verband met kwaliteit en human resources. Het probleem bij ons onderzoek is wel dat moeilijk bepaald kan 34
worden wanneer dan die informatie geïncorporeerd zou geweest zijn. Er is namelijk niet één bepaald moment waarop een onderneming haar informatiepolitiek wijzigt. De wijze waarop informatie wordt gecreëerd en naar buiten gebracht wordt is immers een geleidelijk proces. Na alle mogelijke verklaringen te hebben overlopen lijkt het dat de economische impact van het winnen van een prijs als ‘beste financiële informatie’ te gering is om een invloed te kunnen hebben op de marktprijs. De vraag kan namelijk gesteld worden waarom investeerders meer waarde zouden hechten aan een bedrijf met betere financiële informatie.
35
6. Algemeen besluit Na de uitgebreide literatuurstudie en het empirisch onderzoek hebben we kunnen vaststellen dat de financiële markten efficiënt reageren op zowel financiële- als nietfinanciële aankondigingen. De reactie van de markt vindt vrijwel onmiddellijk plaats en vaak wordt een groot deel van het nieuws reeds geanticipeerd en gereflecteerd in de prijzen. Hierdoor kan het zijn dat bij een belangrijke aankondiging de reactie van de markt uitblijft of slechts gering. De duur en de intensiteit van de reactie zijn afhankelijk van het belang van een gebeurtenis en de mate waarin ze nog niet werd geanticipeerd door investeerders. In de literatuur is reeds onderzoek gebeurd naar de invloed van awards uitgereikt door onafhankelijke ondernemingen binnen de productie en Human Resources sfeer. Deze onderzoeken kwamen tot de vaststelling dat er op aankondigingsdatum geen of hoogstens een niet-significante positieve reactie was. In ons eigen empirisch onderzoek vonden wij geen significante reactie op de aankondiging van de financiële award. De mogelijke achterliggende verklaringen werden in het vorige hoofdstuk reeds besproken. Bijkomende onderzoeken zijn echter noodzakelijk om meer zekerheid te kunnen geven omtrent mogelijke verklaringen. Daarom wensen wij nog enkele aanbevelingen te doen. Een eerste suggestie betreft het onderzoeken van een andere financiële markt dan de Belgische. Aangezien de Belgische markt klein is, kunnen we ons de vraag stellen of we wel tot dezelfde resultaten zouden komen wanneer de award bijvoorbeeld zou worden uitgereikt in de Amerikaanse markt. In die grotere markten zijn er veel meer analisten actief, die de op die beurzen genoteerde bedrijven van dichterbij volgen. Zij zullen bijgevolg intensiever van de informatie die bedrijven ter beschikking stellen gebruikmaken. Een tweede suggestie is om te zoeken naar een award binnen de Belgische markt die een grotere impact heeft of andere financiële aspecten belicht dan de door dit onderzoek onderzochte award. Een mogelijkheid hier kan bijvoorbeeld de prijs ‘Manager van het jaar’ zijn. Op die manier kan er binnen dezelfde markt gekeken 36
worden of andere financiële awards wel voor een significante impact zorgen. Wij hebben bewust niet gekozen niet gekozen om de impact van de award ‘Manager van het Jaar’ te onderzoeken, aangezien deze prijs vaak wordt uitgereikt aan jonge ondernemingen die vaak nog niet beursgenoteerd zijn.
37
7. Bibliografie Abowd, J.M., G.T. Milkovich and J.M. Hannon, 1990, The effects of Human Resource Management Decisions on Shareholder Value, Industrial and Labor Relations Review, 43, pp. 203-236. Agrawal, M., R. Kishore and H.R. Rao, 2006, Market reactions to e-business outsourcing announcements: an event study, Information and management, 43, pp. 8614-873. Atiase, R., 1985, Predisclosure information, firm capitalization, and security price behavior around earnings announcements, Journal of accounting research, 23, pp. 21-36. Ball, R., and P. Brown, 1968, An empirical evaluation of accounting income numbers, Journal of accounting research, 6, pp. 159-178. Bamber, L., 1987, Unexpected earnings, firm size, and trading volume around quarterly earnings, announcements, The accounting review, 62, pp. 510-532. Beaver, W., 1968, The information content of annual earnings announcement, Journal of accounting research, 6, pp. 67-92. Becker, B.E. and C.A. Olson, 1986, The impact of strikes on shareholder equity, Industrial and labor relations review, 39, pp. 425-438. Benartzi, S., R. Michaely and R. Thaler, 1997, Do changes in dividend signal the future or the past?, The journal of finance, 52, pp. 1008-1034. Booz, Allen, & Hamilton, Inc. 1971, Management of new products, New York: Booz, Allen & Hamilton, Inc. Booz, Allen, & Hamilton, Inc. 1980, New products management for the 1980s, New York: Booz, Allen & Hamilton Inc. Campbell, J.Y., A.W. Lo and A.C. MacKinlay, 1997, The econometrics of financial markets, Princeton University Press. Cascio, W.F., C.E. Young and J.R. Morris, 1997, Financial consequences of employmet-change decisions in major U.S. corporations, The academy of management journal, 40, pp. 1175-1189. Castanias, R.P., 1979, Macroinformation and the variability of stock market prices, The journal of finance, 34, pp. 439-450. Cavusoglu, H., B. Mishra, and S. Raghunathan, 2004, The effect of Internet Security Breach Announcements on Market Value: Capital Market Reactions for Breached 38
Firms and Internet Security Developers, International Journal of Electronic Commerce, 9, pp. 69-104. Chan,S.H., G.W. Gau and K. Wang, 1995, Stock market reaction to capital investment decisions: evidence from business relocations, Journal of financial and quantitative analysis, 30, pp. 81-100. Chaney, P.K., T.M.Devinney, and R.S.Winer, 1991, The Impact of New Product Introductions on the Market Value of Firms, The Journal of Business, 64, pp. 573610. Darrough, M.N., 1993, Disclosure policy and competition: Cournot vs. Bertrand, The accounting review, 68, pp. 534-561. Dodd, P. and J.B. Warner, 1983, On corporate governance: a study of proxy contests, Journal of financial economics, 11, pp. 401-438. Doran, D.T., 1995, Stock splits and false signaling cost within a management reputation framework, J. Appl Bus. Res., 11, pp. 115-127. Fama, E.F., 1965, The behavior of stock market prices, Journal of Business, 38, pp. 34-105. Fama, E.F., 1970, Efficient captial markets : a review of theory and empirical work, The journal of finance, 25, pp. 383-417. Fama, E.F., 1991, Efficient capital markets II, The journal of finance, 46, pp. 15751617. Farber, H.S., and K.F. Hallock, 2009, The changing relationship between job loss announcements and stock prices: 1970-1999, Labour Economics, 19, pp. 1-11. Gennotte, G., Trueman B., 1995,The strategic timing of corporate disclosures, The review of financial studies, 9, pp. 665-690. Goh, T.N., Low P.C., Tsui K.L. and Xie M., 2003, Impact of Six Sigma implementation on stockprice performance, TQM& Business excellence, 14, pp. 753763. Gupta, A.K., and S.P. Raj, and D.Wilemon, 1986, A model for studying R&D Marketing interface in the product innovation proces, The journal of marketing, 50, pp. 7-17. Hallock, K.F., 1998, Layoffs, top executive pay and firm performance, The American economics review, 88, pp. 711-723. Hannon, J.M., and G.T. Milkovich, 1996, The effect of Human Resource Reputation Signals on Share Prices: An Event Study, Human Resource Management, 35, pp. 405-424. 39
Harris, M. and A. Raviv, 1993, Differences of opinion make a horse race, The review of financial studies, 6, pp. 473-506. Heinkel, R. ,1994, A theory of credibility: Truthtelling in a rational expectations, infinite horizon model, working paper, University of British Columbia, Vancouver, BC, Canada. Hendricks, K.B., and V.R. Singhal, 1996, Quality awards and the market value of the firm: an empirical investigation, Management science, 42, pp. 415-436. Hendricks, K.B., and V.R. Singhal, 1997, Delays in new product introductions and the market value of the firm: the consequences of being late to the market, Management Science, 43, pp. 422-436. Jarell, G., and S. Peltzman, 1985, The impact of product recalls on the wealth of sellers, Journal of political economy, 93, pp. 512-536. Lubatkin,M.H., K.H.Chung, R.C. Rogers and J.E. Owers, 1989, Stockholder reactions to CEO changes in large corporations, The Academy of Management Journal, 32, pp. 47-68. Klein, A. and J. Rosenfeld, 1987, The influence of market conditions on event-study residuals, The journal of financial and qualitative analysis, 22, pp. 345-351. Malatesta, P.H. and R. Thompson, 1985, Partially anticipated events: A model of stock price reactions with an application to corporate acquisitions, Journal of financial economics, 14, pp. 237-250. Mansfield, E., 1968, Industrial research and technological innovation, an econometric analysis, New York : Norton Miller M. and K. Rock, 1985, Dividend policy under asymmetric information, The journal of finance, 40, pp. 1031-1051. Modigliani, F., and M. Miller, 1958, the cost of capital, corporation finance and the theory of investment, The american economic review, 48, pp. 261-297. Niederhoffer, V., 1971, The analysis of world events and stock prices, The journal of business, 44, pp. 193-219. Nixon, R.D., M.A. Hitt, H.O. Lee, and E. Jeong, 2004, Market reactions to announcements of corporate downsizing actions and implemenentations strategies, Strategic Managent Journal, 25, pp. 1121-1129. Patell, J., and Wolfson M., 1982 Good news, bad news and the intraday timing of corporate disclosures , The accounting review, 57, pp. 509-527. Peltzman, S. , 1981, The effects of FTC advertising regulation, The Journal of Law and Economics, 24, pp. 403-448. 40
Przasnyski, Z., and L. Tai, 1999, Stock market reaction to Malcolm Baldridge National quality award announcements: does quality pay?, Total quality management, 10, pp. 391-400. Roll, R., 1981, A possible explanation of small firm effect, The journal of finance, 36, pp. 879-888. Rubinstein, M., 1975, Securities market efficiency in an Arrow-Debreu economy, The American economic review, 65, pp. 812-824. Seifert, B., and A. Eddy, 1992, Stock price reactions to dividend and earnings announcements: contemporaneous versus noncontemporaneous announcements, The journal of financial research, 15, pp. 208-217. Spence, M., 1973, Job market signaling, The quarterly journal of economics, 87, pp. 355-374. Subramani, M., and E. Walden, 2001, The impact of E-Commerce Announcements on the Market Value of Firms, Information Systems Research, 12, pp. 135-154. Thompson II, R.B., C. Olsen and J.R.Dietrich, 1987, Attributes of news about firms: an analysis of firm-specific news reported in the Wall Street Journal Index, Journal of accounting research, 25, pp. 245-274. Trueman, B., 1994, Analyst forecasts and herding behavior, The review of financial studies, 7, pp. 97-124. Ursel, N., and M.Armstrong-Stassen, 1995, The impact of layoff announcements on shareholders, Industrial relations, 50, pp. 636-649. Warner, J.B., and R.L. Watts, 1988, Stock prices and top management changes, Journal of financial economics, 20, pp. 461-492. Worell, D.L., W.N. Davidson III, and V.M. Sharma, 1991, Layoff announcements and stockholder wealth, The academy of management journal, 34, pp. 662-678.
41
8. Bijlagen 8.1.
Bijlage 1 - Model 1: Resultaten
Testen van de nulhypotheses over de volledige periode t= -2 tot en met t= +10 Testwaarde = 0 95% Confidence Interval Sig.
(2- Mean
of the Difference
t
df
tailed)
Difference
Lower
Upper
AR-2 -1,717
20
,101
-,00258
-,0057
,0006
AR-1 -,968
20
,345
-,00296
-,0093
,0034
AR0
-,192
20
,849
-,00059
-,0070
,0058
AR1
-,003
20
,997
-,00001
-,0091
,0091
AR2
-,599
20
,556
-,00230
-,0103
,0057
AR3
1,116
20
,278
,00418
-,0036
,0120
AR4
-1,162
20
,259
-,00289
-,0081
,0023
AR5
,066
20
,948
,00017
-,0052
,0055
AR6
-1,122
20
,275
-,00336
-,0096
,0029
AR7
-1,848
20
,079
-,00476
-,0101
,0006
AR8
,978
20
,340
,00215
-,0024
,0067
AR9
-,144
20
,887
-,00069
-,0107
,0093
20
,514
,00219
-,0047
,0091
AR10 ,665
In bovenstaande tabel vinden we alle abnormale returns voor een periode van 13 dagen. We merken duidelijk dat er niet significant gereageerd wordt door de markt op de aankondiging van de award, noch op aankondigingsdatum noch de tweedaagse periode voorafgaand aan de aankondiging noch de tiendaagse periode erop volgend.
42
8.2.
Bijlage 2 - Model 2 : Resultaten
In het tweede model kan de abnormale return voor het jaar 1989 niet berekend worden omdat er geen gegevens ter beschikking zijn over de return van de Bel 20. Testen van de nulhypotheses over de volledige periode t=-2 tot en met t=10 Testwaarde= 0 95% Confidence Interval Sig. t
(2- Mean
of the Difference
Df
tailed)
Difference
Lower
Upper
AR-2 ,656
19
,520
,00208
-,0046
,0087
AR-1 -,436
19
,667
-,00139
-,0081
,0053
AR0
,625
19
,540
,00206
-,0049
,0090
AR1
-,177
19
,861
-,00053
-,0069
,0058
AR2
-,601
19
,555
-,00187
-,0084
,0046
AR3
1,467
19
,159
,00415
-,0018
,0101
AR4
1,001
19
,329
,00232
-,0025
,0072
AR5
-1,159
19
,261
-,00222
-,0062
,0018
AR6
-1,173
19
,255
-,00377
-,0105
,0030
AR7
-1,614
19
,123
-,00298
-,0068
,0009
AR8
-,085
19
,933
-,00020
-,0052
,0048
AR9
-1,675
19
,110
-,00541
-,0122
,0013
19
,151
,00426
-,0017
,0102
AR10 1,497
Net als in het eerste model merken we dat er over de volledige onderzochte periode geen abnormale returns te vinden zijn bij de winnende ondernemingen.
43
8.3.
Bijlage 3 - Bespreking van het regressiemodel
Over het algemeen gesproken kan gesteld worden dat de regressiemodellen maar een lage verklaringskracht hebben. De R² variëren van 0,003 tot 0,07. De modellen verklaren dus maximaal maar een 7% van de verwachte returns. Tussen de modellen van de verschillende jaren zijn er ook grote verschillen in de significantie van de verschillende coëfficiënten. De significantie werd getest op het 5% significantieniveau. 2009 Coefficient
Std. Error
t-Statistic
Prob.
C
0.004440
0.009695
0.457943
0.6475
RBEL09
-0.106897
0.129310
-0.826670
0.4093
MV09
-0.000606
0.000715
-0.847483
0.3977
PTBV09
0.685408
0.810882
0.845262
0.3989
R-squared
0.006405
In dit model merken we dat alle coëfficiënten niet significant verschillen van 0. 2008 Coefficient
Std. Error
t-Statistic
Prob.
C
0.033104
0.014607
2.266233
0.0244
RBEL08
0.057159
0.096881
0.589992
0.5558
MV08
-1.72E-05
8.40E-06
-2.046510
0.0419
PTBV08
0.041768
0.024663
1.693580
0.0918
R-squared
0.026798
In dit model is enkel de market value significant. 2007 Coefficient
Std. Error
t-Statistic
Prob.
C
0.041874
0.022620
1.851163
0.0655
RBEL07
0.115297
0.101485
1.136097
0.2572
MV07
-6.09E-06
7.59E-06
-0.802259
0.4233
PTBV07
0.007813
0.038372
0.203612
0.8388
R-squared
0.029874
Geen enkele significante coëfficiënt.
44
2006 Coefficient
Std. Error
t-Statistic
Prob.
0.047245
0.018644
2.534128
0.0120
RBEL06
0.045990
0.099904
0.460339
0.6457
MV06
-2.75E-07
6.23E-07
-0.440875
0.6597
PTBV06
-0.021660
0.017166
-1.261788
0.2084
C
R-squared
0.033322
Enkel de constante wordt hier als significant bevonden. 2005 Coefficient
Std. Error
t-Statistic
Prob.
C
0.048723
0.018353
2.654737
0.0085
RBEL05
-0.183296
0.094341
-1.942912
0.0533
MV05
-0.000182
0.000103
-1.771548
0.0779
PTBV05
0.050887
0.038176
1.332965
0.1839
R-squared
0.046528
Ook hier kan enkel de constante als significant worden beschouwd. 2004 Coefficient
Std. Error
t-Statistic
Prob.
C
0.016935
0.012699
1.333598
0.1837
RBEL04
0.334408
0.143331
2.333109
0.0206
MV04
8.35E-05
8.94E-05
0.933738
0.3515
PTBV04
-0.291132
0.300684
-0.968231
0.3340
R-squared
0.031310
In dit model werd de marktreturn die voorgesteld werd door de Bel20-return als significant bevonden. 2003 Coefficient
Std. Error
t-Statistic
Prob.
C
0.012877
0.011122
1.157737
0.2483
RBEL03
0.282639
0.118114
2.392933
0.0176
MV03
8.56E-07
0.000401
0.002135
0.9983
PTBV03
-0.001913
0.018321
-0.104394
0.9170
R-squared
0.030141
45
Ook hier is, net als in 2004, de marktreturn significant. 2002 Coefficient
Std. Error
t-Statistic
Prob.
C
0.007534
0.011116
0.677804
0.4986
RBEL02
0.081091
0.064103
1.265016
0.2072
MV02
1.85E-05
3.09E-05
0.598505
0.5501
PTBV02
-0.027389
0.031083
-0.881159
0.3792
Coefficient
Std. Error
t-Statistic
Prob.
C
0.088276
0.029347
3.008022
0.0029
RBEL01
-0.063310
0.065817
-0.961918
0.3372
MV01
-6.87E-05
0.000146
-0.469077
0.6395
PTBV01
-0.048464
0.103363
-0.468873
0.6396
R-squared
0.013005
Geen significante coëfficiënten. 2001
R-squared
0.043486
Enkel de constante werd significant bevonden. 2000 Coefficient
Std. Error
t-Statistic
Prob.
C
0.051709
0.019834
2.607011
0.0098
RBEL00
0.158039
0.128351
1.231306
0.2195
MV00
-2.62E-05
1.14E-05
-2.306331
0.0220
PTBV00
0.013165
0.009252
1.422966
0.1562
R-squared
0.037399
Hier waren zowel de marketvalue als de constante significant. 1999 Coefficient
Std. Error
t-Statistic
Prob.
C
0.047724
0.020781
2.296574
0.0226
RBEL99
-0.027376
0.113602
-0.240978
0.8098
MV99
-1.75E-06
9.35E-07
-1.866717
0.0633
PTBV99
-0.002659
0.001464
-1.816466
0.0707
Opmerking: ( er waren wel enkele ptbv niet beschikbaar)
46
R-squared
0.045211
Enkel constante was significant. 1998 Coefficient
Std. Error
t-Statistic
Prob.
C
0.025118
0.010102
2.486472
0.0137
RBEL98
0.226954
0.088503
2.564374
0.0110
MV98
-6.51E-06
4.32E-06
-1.507350
0.1332
PTBV98
-0.004502
0.003757
-1.198444
0.2321
R-squared
0.055460
Zowel de constante als de marktreturn waren significant verschillend van 0. 1997 Coefficient
Std. Error
t-Statistic
Prob.
C
0.031425
0.010798
2.910241
0.0040
RBEL97
0.117368
0.095629
1.227322
0.2210
MV97
3.98E-06
2.77E-06
1.436949
0.1522
PTBV97
-0.030552
0.013730
-2.225146
0.0271
R-squared
0.042693
De price-to-book-value en de constante zijn hier significant verschillend van 0. 1996 Coefficient
Std. Error
t-Statistic
Prob.
C
0.005261
0.007689
0.684221
0.4946
RBEL96
0.060426
0.122971
0.491380
0.6237
MV96
-3.38E-05
6.61E-05
-0.512138
0.6091
PTBV96
0.004256
0.019499
0.218287
0.8274
R-squared
0.003600
In dit model zijn er geen significante coëfficienten. 1995 Hier kon geen gebruik gemaakt worden van het derde model omdat de winnende onderneming (Fortis) geen gegevens beschikbaar had omtrent de price-to-bookvalue.
47
1994 Coefficient
Std. Error
t-Statistic
Prob.
C
0.029347
0.018653
1.573258
0.1171
RBEL94
-0.212754
0.160802
-1.323081
0.1872
MV94
-2.61E-05
9.64E-05
-0.270371
0.7871
PTBV94
0.029997
0.179442
0.167171
0.8674
R-squared
0.024850
Geen enkele significante coëfficient. 1993 Coefficient
Std. Error
t-Statistic
Prob.
C
0.004795
0.008856
0.541481
0.5887
RBEL93
0.173022
0.149066
1.160711
0.2470
MV93
0.002015
0.000884
2.279319
0.0236
PTBV93
-0.770256
0.336103
-2.291727
0.0229
R-squared
Hier
0.030702
zijn
zowel
de
market
value
als
de
price-to-book-value
significant.
1992 Coefficient
Std. Error
t-Statistic
Prob.
C
0.014126
0.016667
0.847528
0.3976
RBEL92
-0.074350
0.093105
-0.798563
0.4254
MV92
-8.01E-05
0.000126
-0.637544
0.5244
PTBV92
0.051425
0.098869
0.520136
0.6035
R-squared
0.007271
Geen enkele coëfficiënt is significant. 1991 Coefficient
Std. Error
t-Statistic
Prob.
C
0.012957
0.014083
0.920044
0.3586
RBEL91
-0.184127
0.096103
-1.915934
0.0567
MV91
3.38E-05
6.05E-05
0.558270
0.5772
PTBV91
-0.007145
0.008367
-0.853917
0.3941
R-squared
0.023308
Geen significante coëfficiënten.
48
1990 Coefficient
Std. Error
t-Statistic
Prob.
C
0.075814
0.027457
2.761190
0.0063
RBEL90
0.004422
0.110982
0.039846
0.9683
MV90
-8.06E-05
4.03E-05
-2.001661
0.0467
PTBV90
0.079362
0.053313
1.488605
0.1382
R-squared
0.038975
Enkel de market value is significant op het 5% significantieniveau. 1989 Dit model kan ook niet gebruikt worden omdat er in 1989 nog geen bel 20 return voor handen was.
49
8.4.
Bijlage 4 - Model 3 : Resultaten
Er waren geen gegevens beschikbaar voor de winnende ondernemingen in 1995 en 1989. Testen van de nulhypotheses over de volledige periode t=-2 tot en met t=+10 Testwaarde = 0 95% Confidence Interval of Sig. t
(2- Mean
the Difference
Df
tailed)
Difference
Lower
Upper
AR-2 -,605
18
,553
-,00097
-,0043
,0024
AR-1 -1,185
18
,251
-,00420
-,0116
,0032
AR0
,072
18
,943
,00030
-,0083
,0089
AR1
,721
18
,480
,00302
-,0058
,0118
AR2
-,105
18
,917
-,00042
-,0087
,0079
AR3
,428
18
,674
,00153
-,0060
,0090
AR4
-,810
18
,428
-,00271
-,0097
,0043
AR5
,555
18
,586
,00166
-,0046
,0080
AR6
-1,015
18
,324
-,00375
-,0115
,0040
AR7
-1,860
18
,079
-,00589
-,0125
,0008
AR8
1,064
18
,301
,00219
-,0021
,0065
AR9
-,393
18
,699
-,00199
-,0126
,0086
18
,447
,00263
-,0045
,0097
AR10 ,778
Ook hier worden de resultaten die verkregen werden uit de vorige modellen bevestigd. Er zijn geen significante abnormale returns gedurende de volledige onderzochte periode.
50