Invloed van bedrijfsnieuws op optieprijzen

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2011 – 2012

Invloed van bedrijfsnieuws op optieprijzen

Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen: Handelsingenieur

Michaël Vandendriessche onder leiding van dr. Dries Heyman

UNIVERSITEIT GENT

FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2011 – 2012

Invloed van bedrijfsnieuws op optieprijzen

Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen: Handelsingenieur

Michaël Vandendriessche onder leiding van dr. Dries Heyman

PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Michaël Vandendriessche

WOORD VOORAF Vooreerst wil ik mijn promotor dr. Dries Heyman bedanken voor het aanbieden van dit interessante thesisonderwerp evenals het begeleiden ervan. Bijkomend ook een dankwoord voor het opvolgen en evalueren van mijn stage tijdens augustus 2011. Voor het nalezen van deze masterproef bedank ik mijn ouders die er tijd voor hebben vrijgemaakt en me steeds goede moed hebben gegeven. Ten slotte bedank ik mijn mede-thesisstudenten die met dezelfde problemen geconfronteerd werden als ik en omwille daarvan steun boden bij het schrijven van deze thesis.

1 Masterproef Michaël Vandendriessche 2011-2012

INHOUDSOPGAVE GEBRUIKTE AFKORTINGEN .......................................................................................................... 4 LIJST VAN FIGUREN ..................................................................................................................... 5 LIJST VAN T ABELLEN ................................................................................................................... 7 INLEIDING ................................................................................................................................... 9 1.1 MARKT VAN AFGELEIDE PRODUCTEN ............................................................................... 9 1.2 OPTIES IN HET BLACK -SCHOLES EN BINOMIALE MODEL ...............................................10 1.3 NIEUWSCATEGORIEËN ......................................................................................................16 1.4 DE E FFICIËNTE MARKTHYPOTHESE ................................................................................19 LITERATUURSTUDIE ................................................................................................................. 20 2.1 HET INFORMATIEGEHALTE VAN NIEUWSVERSPREIDINGEN ...........................................20 2.2 INVLOED VAN BEDRIJFSNIEUWS OP AANDELEN EN OPTIES ............................................20 2.3 DE EVENT STUDIE M ETHODOLOGIE ................................................................................29 2.4 FUSIES EN OVERNAMES ....................................................................................................33 2.5 OPTIEKENMERKEN ...........................................................................................................34 2.6 DE PSYCHOLOGIE VAN MARKTPARTIJEN ..........................................................................35 2.7 DE INVLOED VAN MANAGEMENT OP NIEUWSVERSPREIDINGEN ....................................36 OPSTELLING ONDERZOEK ........................................................................................................ 38 3.1 EVENT STUDIES ................................................................................................................38 3.1.1 EVENT WINDOW ................................................................................................. 38 3.1.2 ESTIMATION WINDOW ....................................................................................... 40 3.1.3 MARKTMODEL .................................................................................................... 40

3.2 DATASET ...........................................................................................................................44 3.3 NIEUWSVERSPREIDINGEN ................................................................................................46 3.4 OPSTELLEN VAN HET ONDERZOEK ..................................................................................46 3.4.1 DATACOLLECTIE ................................................................................................. 46 3.4.2 OPTIEVOLUMES .................................................................................................. 47 3.4.3 REGRESSIECOËFFICIËNTEN ................................................................................. 49

3.5 NORMALITEIT, VOLATILITY SMILES EN SIGNIFICANTIETESTS ........................................50 3.5.1 KURTOSIS EN SKEWNESS .................................................................................... 50 3.5.2 VOLATILITY SMILES ............................................................................................ 53 3.5.3 SIGNIFICANTIETESTS .......................................................................................... 55 2 Masterproef Michaël Vandendriessche 2011-2012

EMPIRISCH ONDERZOEK ........................................................................................................... 56 4.1 IS ER ÜBERHAUPT EEN INVLOED VAN BEDRIJFSNIEUWS OP OPTIEPRIJZEN? ....................59 4.1.1 KWANTITATIEF ONDERZOEK ............................................................................... 59 4.1.2 ONDERZOEK NAAR SECTOR ................................................................................. 60 4.1.3 ONDERZOEK NAAR EVENT TYPE .......................................................................... 65

4.2 OPTIEKENMERKEN ............................................................................................................72 4.2.1 WIJZIGING VAN IV EN OP ROND T ....................................................................... 72 4.2.2 VERSCHILLEN TUSSEN C EN P ............................................................................. 82 4.2.3 DE INVLOED VAN IV OP OP EN AP OP IV ............................................................ 87 4.2.4 DE INVLOED VAN MONEYNESS OP OP EN IV ........................................................ 91 4.2.5 DE INVLOED VAN RESTERENDE LOOPTIJD OP IV EN OP ....................................... 93

4.3 NIEUWSSTUDIE ..................................................................................................................95 4.4 SECTORANALYSE ............................................................................................................ 106 4.5 SAMENVATTING HYPOTHESEN ....................................................................................... 110 CONCLUSIES .......................................................................................................................................115 REFERENTIES ....................................................................................................................................117 APPENDIX ..........................................................................................................................................123


GEBRUIKTE AFKORTINGEN AFKORTING ITM OTM ATM AM EU C P OP AP HKT KT LT IV AIV AAIV CAIV CAAIV sCAIV PR (CAIV) PR (CAIV) PR2 sCAIV PO (CAIV) PO (CAIV) PO2 sCAIV BOTH (CAIV) BOTH D S t t-1 (t+1) IV+, OP+, AP+ S, S0, K (of X), T, r, σ

VERKLARING in the money out of the money at the money Amerikaans type optie (binomiaal model) Europees type optie (Black-Scholes) call optie put optie optieprijs (return) aandelenprijs (return) heel korte termijn (EU: < 16 dagen – AM: < 6 dagen) korte termijn (EU: < 6 maanden – AM: < 30 dagen) lange termijn (EU: > 6 maanden – AM: > 30 dagen) implied volatility (return) abnormal implied volatility change average abnormal implied volatility change cumulative abnormal implied volatility change cumulative average abnormal implied volatility change significantie van cumulative abnormal implied volatility change in periode [t-2;t] cumulative abnormal implied volatility change in periode [t-2;t] cumulative abnormal implied volatility change in periode [t-2;t-1] significantie van cumulative abnormal implied volatility change in periode [t;t+2] cumulative abnormal implied volatility change in periode [t;t+2] cumulative abnormal implied volatility change in periode [t+1;t+2] significantie van cumulative abnormal implied volatility change in periode [t-2;t+2] cumulative abnormal implied volatility change in periode [t-2;t+2] dichtbij liggende nieuwsverspreidingen (wanneer deze in dezelfde week vallen) samenvallende nieuwsverspreidingen (meer dan één bericht op dezelfde dag) dag van nieuwsaankondiging één dag vóór (na) een nieuwsaankondiging waarde van het testobject één dag na een nieuwsaankondiging spot price, spot price op t0, strike price, time to maturity, risicoloze rente, volatiliteit van het onderliggend instrument (determinanten van de optieprijs)


LIJST VAN FIGUREN F IG 1: P AYOFF STRUCTUUR VAN EEN ( A ) LONG CALL , ( B ) SHORT CALL , ( C ) LONG PUT EN ( D ) SHORT PUT – B RON : H ULL , 2007, P . 182 .................................................................................................................... 10 F IG 2: D E INVLOED VAN OPTIEPRIJSDETERMINANTEN (H ULL , 2008, P . 202) ............................................ 11 F IG 3: T REND IN C IV VERLOOP ROND EEN RESULTAATSAANKONDIGING (P ATELL & W OLFSON , 1979, F IG . 2 & 4) ....................................................................................................................................................... 22 F IG 4: G EMIDDELDE GARCH VOLATILITEIT VAN C ROND EEN RESULTAATSAANKONDIGING (D ONDERS & V ORST , 1996, F IG . 1) ............................................................................................................................. 25 F IG 5: G EMIDDELDE IV VAN C OPTIES ROND EEN RESULTAATSAANKONDIGING (D ONDERS & V ORST , 1996, F IG . 3) .................................................................................................................................................... 25 F IG 6: V ERHOUDING VAN STATISTISCHE POWER TOT HET AANTAL ONDERZOCHTE SECURITIES (M AC K INLAY , 1997) ..................................................................................................................................................... 31 F IG 7: B EWEGING VAN CAR IN AANDELEN ROND RESULTAATSAANKONDIGINGEN MET ONDERSCHEID NAAR GOED / SLECHT NIEUWS – MARKTMODEL (M AC K INLAY , 1997) .................................................................. 31 F IG 8: B EWEGING VAN CAR IN AANDELEN ROND RESULTAATSAANKONDIGINGEN MET ONDERSCHEID NAAR GOED / SLECHT NIEUWS – CONSTANT MEAN RETURN MODEL (M AC K INLAY , 1997) ..................................... 32 F IG 9: EURO STOXX 50 INDEX 2008-2009 ......................................................................................... 44 F IG 10: VSTOXX, EURO STOXX 50 OPTIE VOLATILITY INDEX ................................................................. 45 F IG 11: AM C VERSUS P REGRESSIEVARIANTIES PER ONDERNEMING OVER 2007 ( ESTIMATION WINDOW ) 49 F IG 12: AIV VERDELING IN AIR LIQUIDE AM C FEB08 STRIKES 82-125 ................................................ 51 F IG 13: AIV VERDELING IN AIR LIQUIDE AM C, ALLE OPTIES ................................................................. 52 F IG 14: AIV VERDELING VAN ALLE SIGNIFICANTE EVENTS ......................................................................... 52 F IG 15: IV VERLOOP NAAR MATURITY VOOR AIR LIQUIDE AM C ............................................................ 54 F IG 16: AIR LIQUIDE AM C JAN09 IV GEDRAG NAAR MONEYNESS ( SPOT BEWOOG TUSSEN 63 EN 68 EUR IN DEZE PERIODE ) .................................................................................................................................... 54 F IG 17: AM AIR LIQUIDE C IV NAAR M ONEYNESS VOOR T , T -1 EN T -2 ................................................. 55 F IG 18: A ANTAL EVENTS TOTAAL T . O . V . SIGNIFICANT IN IV, VOOR C EN P IN ELKE ONDERNEMING (AM)F IG 19: VERVOLG F IG 18 ............................................................................................................................... 59 F IG 20: A ANTAL EVENTS TOTAAL T . O . V . SIGNIFICANT IN IV, MET UITZONDERING VAN FAR OTM, DEEP ITM EN KORTE TERMIJN VOOR C EN P IN ELKE ONDERNEMING (AM)F IG 21: V ERVOLG F IG 20 ......................... 60 F IG 22: A ANTAL EVENTS TOTAAL T . O . V . SIGNIFICANT IN IV, VOOR C EN P IN ELKE ONDERNEMING (EU) ... 61 F IG 23: A ANTAL EVENTS TOTAAL T . O . V . SIGNIFICANT IN IV, MET UITZONDERING VAN FAR OTM, DEEP ITM EN KORTE TERMIJN VOOR C EN P IN ELKE ONDERNEMING (EU) ................................................................. 61 F IG 24: H OEVEELHEID VERSPREIDE INFORMATIE PER SECTOR ................................................................... 62 F IG 25: G EWICHT VAN DE SECTOREN IN DE EURO STOXX 50 ................................................................ 62 F IG 26: G EMIDDELD AANTAL NIEUWSVERSPREIDINGEN PER SECTOR OVER JAN08-JAN10 ........................ 63 F IG 27: H OEVEELHEID OBSERVATIES VAN BEDRIJFSNIEUWS INGEDEELD IN CATEGORIEËN ........................... 65 F IG 28: G EMIDDELDE RETURN IN IV, OP EN ABNORMALE IV NABIJ RESULTAATSAANKONDIGINGEN ( KWARTAAL EN JAAR ): AM VS . EU ........................................................................................................... 73 F IG 29: G EMIDDELDE RETURN IN IV, OP EN ABNORMALE IV VOOR ONVERWACHT NIEUWS : AM VS . EU ... 74 F IG 30: A BSOLUTE VERSCHILLEN TUSSEN C EN P OVER DE VERSCHILLENDE TESTOBJECTEN MET ONDERSCHEID NAAR AM, EU, ONVERWACHT EN VERWACHT NIEUWS ............................................................................. 76 5 Masterproef Michaël Vandendriessche 2011-2012

F IG 31: V ERDELING VAN DE SIGNIFICANTE (C)AIV T , PRE , POST & BOTH OBSERVATIES ............................. 78 F IG 32: A ANTAL SIGNIFICANTE WAARNEMINGEN VAN (C)AIV, ONDERVERDEELD NAAR TYPE OPTIE (AM, EU, C, P) ....................................................................................................................................................... 78 F IG 33: V ERDELING VAN DE SIGNIFICANTE AIV EN CAIV PRE , POST & BOTH OBSERVATIES BIJ SAMENVALLENDE EVENTS ......................................................................................................................... 79 F IG 34: V ERDELING VAN DE SIGNIFICANTE AIV EN CAIV PRE , POST & BOTH OBSERVATIES BIJ SAMENVALLENDE EVENTS IN COMBINATIE MET DICHTBIJ LIGGENDE EVENTS ............................................... 79 F IG 35: V ERDELING VAN DE SIGNIFICANTE AIV EN CAIV PRE , POST & BOTH OBSERVATIES BIJ RESULTAATSAANKONDIGINGEN ................................................................................................................ 81 F IG 36: V ERDELING VAN DE SIGNIFICANTE AIV EN CAIV PRE , POST & BOTH OBSERVATIES BIJ ONVERWACHT NIEUWS ................................................................................................................................................... 81 F IG 37: A ANTAL POSITIEVE EN NEGATIEVE WIJZIGINGEN IN OP, IV EN AP ................................................ 87 F IG 38: A ANTAL WAARNEMINGEN VAN GELIJKE OF TEGENGESTELDE BEWEGINGEN IN OP VS . IV, OP VS . AP EN IV VS . AP ........................................................................................................................................... 88 F IG 39: I NVLOED VAN MONEYNESS OP IV EN OP ..................................................................................... 91 F IG 40: I NVLOED VAN MONEYNESS OP IV+ EN OP+ ................................................................................. 92 F IG 41: A ANTAL ITM, ATM EN OTM WAARNEMINGEN IN EU EN AM ..................................................... 93 F IG 42: I NVLOED VAN RESTERENDE LOOPTIJD OP OP EN IV ...................................................................... 94 F IG 43: S IGNIFICANT AFWIJKENDE GEMIDDELDE OP( T ) NIEUWSCATEGORIEËN .......................................... 96 F IG 44: S IGNIFICANT AFWIJKENDE GEMIDDELDE OP( T +1) NIEUWSCATEGORIEËN ...................................... 96 F IG 45: S IGNIFICANT AFWIJKENDE GEMIDDELDE AP( T ) NIEUWSCATEGORIEËN .......................................... 97 F IG 46: S IGNIFICANT AFWIJKENDE GEMIDDELDE AP( T +1) NIEUWSCATEGORIEËN ...................................... 97 F IG 47: S IGNIFICANT AFWIJKENDE GEMIDDELDE IV( T ) NIEUWSCATEGORIEËN ........................................... 98 F IG 48: S IGNIFICANT AFWIJKENDE GEMIDDELDE IV( T +1) NIEUWSCATEGORIEËN ....................................... 98 F IG 49: R EACTIE VAN IV( T ) OP 31 CATEGORIEËN VAN BEDRIJFSNIEUWS ................................................. 100 F IG 50: R EACTIE VAN IV( T +1) OP 31 CATEGORIEËN VAN BEDRIJFSNIEUWS ............................................. 101 F IG 51: S IGNIFICANT AFWIJKENDE CAAIV PR2 NIEUWSCATEGORIEËN .................................................... 102 F IG 52: S IGNIFICANT AFWIJKENDE AAIV NIEUWSCATEGORIEËN .............................................................. 102 F IG 53: S IGNIFICANT AFWIJKENDE CAAIV PO2 NIEUWSCATEGORIEËN .................................................. 102 F IG 54: D E INVLOED VAN DE AANKONDIGING VAN EEN ACQUISITIE OF FUSIE EN DE STOPZETTING EN VOLTOOIING (AM) ................................................................................................................................ 104 F IG 55: D E INVLOED VAN DE AANKONDIGING VAN EEN ACQUISITIE OF FUSIE EN DE STOPZETTING EN VOLTOOIING (EU) ................................................................................................................................. 104 F IG 56: D E INVLOED VAN DE CATEGORIEËN NIEUWS EN RATING OP AM OPTIES ...................................... 105 F IG 57: D E INVLOED VAN CATEGORIE NIEUWS OP EU OPTIES ................................................................. 105 F IG 58: I NVLOED VAN SECTOR OP OP .................................................................................................... 106 F IG 59: I NVLOED VAN SECTOR OP AIV ................................................................................................... 107 F IG 60: I NVLOED VAN SECTOR OP CAAIV PR2 ...................................................................................... 107 F IG 61: I NVLOED VAN SECTOR OP CAAIV PO2 ...................................................................................... 107 F IG 62: I NVLOED VAN SECTOREN I NDUSTRY , A UTO , T ECHNOLOGY EN M ATERIALS OP OP, AIV, PR2 EN PO2 BIJ VOORLOPIGE RESULTATEN EN VOORSPELLINGEN ................................................................................ 108 F IG 63: I NVLOED VAN ALLE OVERIGE SECTOREN OP OP, AIV, PR2 EN PO2 BIJ VOORLOPIGE RESULTATEN EN VOORSPELLINGEN .................................................................................................................................. 109


LIJST VAN TABELLEN T ABEL 1: C ORRELATIEMATRIX OP VS IV AM AIR LIQUIDE P 100 SEP08 ............................................... 15 T ABEL 2: D E BELANGRIJKSTE GEDETECTEERDE CATEGORIEËN VAN BEDRIJFSNIEUWS .................................. 17 T ABEL 3: I NVLOED VAN BEDRIJFSNIEUWS OP VOLUMEWIJZIGINGEN VOOR AXA EU CONTINUOUS C .......... 48 T ABEL 4: S IGNIFICANTE VOLUMEWIJZIGINGEN VOOR AXA EU CONTINUOUS C.......................................... 49 T ABEL 5: AM O NAFHANKELIJKE T - TEST OP DE REGRESSIEVARIANTIES C VS . P ........................................... 49 T ABEL 6: EU O NAFHANKELIJKE T - TEST OP DE REGRESSIEVARIANTIES C VS . P ............................................ 50 T ABEL 7: N ORMALITEITSPARAMETERS VOOR AIV AIRLIQUIDE AM C BEPERKT TOT STRIKES 82 T . E . M . 125, VOOR AIV IN ALLE IV’ S EN VOOR AIV IN ALLE SIGNIFICANTE EVENTS ........................................................ 53 T ABEL 8: P ROCENTUEEL KWANTITATIEF VERSCHIL TUSSEN WAARNEMINGEN IN P EN C (C)AIV WIJZIGINGEN , PRE EN POST CORRECTIE , NORMAAL EN ABSOLUUT (AM).......................................................................... 64 T ABEL 9: P ROCENTUEEL KWANTITATIEF VERSCHIL TUSSEN WAARNEMINGEN IN P EN C (C)AIV WIJZIGINGEN , PRE EN POST CORRECTIE , NORMAAL EN ABSOLUUT (EU) ........................................................................... 64 T ABEL 10: T OP VIJF NIEUWSCATEGORIEËN PER SECTOR ............................................................................ 67 T ABEL 11: K WANTITATIEVE SIGNIFICANTIE VAN CATEGORIEËN BEDRIJFSNIEUWS (AM) ............................. 69 T ABEL 12: K WANTITATIEVE SIGNIFICANTIE VAN CATEGORIEËN BEDRIJFSNIEUWS (EU) .............................. 70 T ABEL 13: O NAFHANKELIJKE T - TEST C VS . P TUSSEN NIEUWSCATEGORIEËN (AM) .................................... 70 T ABEL 14: C ORRELATIEMATRIX AM C VS . P ............................................................................................. 71 T ABEL 15: O NAFHANKELIJKE T - TEST C VS . P TUSSEN NIEUWSCATEGORIEËN (EU) ..................................... 71 T ABEL 16: C ORRELATIEMATRIX EU C VS . P .............................................................................................. 71 T ABEL 17: G EMIDDELDE RETURN IN IV, OP EN ABNORMALE IV VOOR VERWACHT VS . ONVERWACHT NIEUWS : AM VS . EU ............................................................................................................................... 75 T ABEL 18: V ERSCHILLEN TUSSEN C EN P ( DETAIL ) .................................................................................... 76 T ABEL 19: A ANTAL SIGNIFICANTE WAARNEMINGEN VAN DE CATEGORIEËN (C)AIV T , PRE , POST & BOTH .. 77 T ABEL 20: G EMIDDELDE P - WAARDEN VAN DE SIGNIFICANTE WAARNEMINGEN IN DE CATEGORIEËN AIV EN CAIV PRE , POST & BOTH ......................................................................................................................... 79 T ABEL 21: G EMIDDELDE P - WAARDEN VAN DE SIGNIFICANTE WAARNEMINGEN BIJ SAMENVALLENDE EN DICHTBIJ LIGGENDE EVENTS ..................................................................................................................... 80 T ABEL 22: G EMIDDELDE P - WAARDEN VAN DE SIGNIFICANTE WAARNEMINGEN BIJ RESULTAATSAANKONDIGINGEN EN ONVERWACHT NIEUWS ........................................................................ 81 T ABEL 23: C ORRELATIEMATRIX VAN GEMIDDELDE WAARDEN OVER 31 NIEUWSCATEGORIEËN VOOR AM C VERSUS P ................................................................................................................................................ 83 T ABEL 24: C ORRELATIEMATRIX VAN GEMIDDELDE WAARDEN OVER 31 NIEUWSCATEGORIEËN VOOR EU C VERSUS P ................................................................................................................................................ 84 T ABEL 25: C ORRELATIEMATRIX VAN INDIVIDUELE WAARDEN OVER 31 NIEUWSCATEGORIEËN VOOR AM C VERSUS P ................................................................................................................................................ 85 T ABEL 26: C ORRELATIEMATRIX VAN INDIVIDUELE WAARDEN OVER 31 NIEUWSCATEGORIEËN VOOR EU C VERSUS P ................................................................................................................................................ 86 T ABEL 27: C ORRELATIEMATRIX TESTOBJECTEN OVER 31 GROOTSTE CATEGORIEËN (AM) .......................... 88 T ABEL 28: C ORRELATIEMATRIX TESTOBJECTEN OVER 31 GROOTSTE CATEGORIEËN (EU) ........................... 89 T ABEL 29: R EGRESSIE VAN IV OP AP (AM) ............................................................................................. 89 T ABEL 30: R EGRESSIE VAN IV OP AP (EU)............................................................................................... 89 7 Masterproef Michaël Vandendriessche 2011-2012

T ABEL 31: A ANTAL SIGNIFICANTE VS TOTAAL AANTAL EVENTS PRE EN POST VOLATILITY SMILE CORRECTIE , MET RELATIEVE VERSCHILLEN TUSSEN C EN P (AM) ................................................................................ 125 T ABEL 32: A ANTAL SIGNIFICANTE VS TOTAAL AANTAL EVENTS PRE EN POST VOLATILITY SMILE CORRECTIE , MET RELATIEVE VERSCHILLEN TUSSEN C EN P (EU). ................................................................................ 126 T ABEL 33: C ORRELATIEMATRIX C VS P OP GEMIDDELDEN VAN DE TESTOBJECTEN (AM) .......................... 127 T ABEL 34: C ORRELATIEMATRIX C VS P OP GEMIDDELDEN VAN DE TESTOBJECTEN (EU) ........................... 128 T ABEL 35: C ORRELATIEMATRIX C VS P OP INDIVIDUELE WAARNEMINGEN VAN DE TESTOBJECTEN (AM) .. 129 T ABEL 36: C ORRELATIEMATRIX C VS P OP INDIVIDUELE WAARNEMINGEN VAN DE TESTOBJECTEN (AM) .. 130 T ABEL 37: C ORRELATIEMATRIX TESTOBJECTEN (AM) ............................................................................. 131 T ABEL 38: C ORRELATIEMATRIX TESTOBJECTEN (EU) .............................................................................. 132 T ABEL 39: R EGRESSIE VAN OP OP IV (AM) ........................................................................................... 133 T ABEL 40: R EGRESSIE VAN OP OP IV (EU) ............................................................................................ 133 T ABEL 41: R EGRESSIE VAN AP OP IV (AM) ........................................................................................... 134 T ABEL 42: R EGRESSIE VAN AP OP IV (EU)............................................................................................. 134 T ABEL 43: R EGRESSIE VAN AP OP OP (AM) .......................................................................................... 135 T ABEL 44: R EGRESSIE VAN AP OP OP (EU) ........................................................................................... 135 T ABEL 45: R EGRESSIE VAN IV EN AP OP OP (AM) ............................................................................... 136 T ABEL 46: R EGRESSIE VAN IV EN AP OP OP (EU) ................................................................................. 136 T ABEL 47: ANOVA TEST OP, IV EN IV+ OVER DE CATEGORIEËN ITM, ATM EN OTM (AM) .................. 138 T ABEL 48: ANOVA TEST OP, IV EN IV+ OVER DE CATEGORIEËN ITM, ATM EN OTM (EU) ................... 139 T ABEL 49: O NAFHANKELIJKE T - TEST NAAR VERSCHILLEN TUSSEN DE GEMIDDELDE OP EN IV WAARDEN TUSSEN KT EN LT (AM) ........................................................................................................................ 140 T ABEL 50: O NAFHANKELIJKE T - TEST NAAR VERSCHILLEN TUSSEN DE GEMIDDELDE OP EN IV WAARDEN TUSSEN KT EN LT (AM) ........................................................................................................................ 140 T ABEL 51: VEEL VOORKOMENDE NIEUWSCATEGORIEËN MET RESPECTIEVELIJK AANTAL WAARNEMINGEN . 141 T ABEL 52: G EMIDDELDE WAARDEN VOOR ALLE TESTOBJECTEN OVER DE VEEL VOORKOMENDE NIEUWSCATEGORIEËN (AM) .................................................................................................................. 143 T ABEL 53: G EMIDDELDE WAARDEN VOOR ALLE TESTOBJECTEN OVER DE VEEL VOORKOMENDE NIEUWSCATEGORIEËN (EU) ................................................................................................................... 144 T ABEL 54: W IJZIGING IN OP VAN T NAAR T +1 IN AM EN EU OPTIES VOOR 31 NIEUWSCATEGORIEËN ..... 145 T ABEL 55: W IJZIGING IN IV VAN T NAAR T +1 IN AM EN EU OPTIES VOOR 31 NIEUWSCATEGORIEËN ...... 146 T ABEL 56: A ANTAL WAARNEMINGEN VAN SIGNIFICANTE OPTIEREACTIES OP NIEUWSVERSPREIDINGEN VOOR AM EN EU ............................................................................................................................................ 147 T ABEL 57: G EMIDDELDE WAARDEN PER SECTOR VOOR ALLE TESTOBJECTEN OVER DE 31 MEEST VOORKOMENDE NIEUWSCATEGORIEËN (AM) ......................................................................................... 147 T ABEL 58: G EMIDDELDE WAARDEN PER SECTOR VOOR ALLE TESTOBJECTEN OVER DE 31 MEEST VOORKOMENDE NIEUWSCATEGORIEËN (EU)........................................................................................... 148


INLEIDING Het doel van deze masterproef is aantonen hoe optieprijzen reageren op het introduceren van persberichten door ondernemingen uit de EURO STOXX 50 index. Dit sluit nauw aan bij de richting Handelsingenieur (Finance) wegens het analyseren van ondernemingen in combinatie met een studie naar afgeleide producten. Beide disciplines zijn uitgebreid aan bod gekomen in de opleiding en worden in dit onderzoek gesynthetiseerd en uitgebreid. Ondanks het feit dat al onderzoek is gevoerd naar dit fenomeen, werpt de studie een nieuw licht op de materie door ondernemingen te selecteren die uitsluitend in de Eurozone gevestigd zijn. Voorgaand onderzoek richt zich voornamelijk op Angelsaksische bedrijven, welke gekenmerkt zijn door een hogere liquiditeit. In de eerste plaats wordt gekeken naar de invloed van nieuwscategorieën op optieprijzen in relatie tot hun moneyness en looptijd. Daarnaast wordt bepaald of optiekenmerken als put en call of verschillen tussen Amerikaanse en Europese opties van belang zijn. De gebruikte onderzoeksmethodiek is die van de event studie, een veelgebruikte werkwijze om abnormale returns te bepalen in de nabijheid van events zoals nieuwsaankondigingen. Deze methodiek is minder geschikt voor de berekening van abnormale wijzigingen in optievolumes vanwege hun discontinue karakter. De nadruk in dit onderzoek ligt dan ook op optiekoersen. In de inleiding wordt duidelijkheid verschaft over de behandelde onderwerpen: de markt van afgeleide producten wordt kort ingeleid waarna de onderzochte optiekenmerken worden opgesomd in relatie tot de bestaande optieprijsmodellen. De persverspreidingen worden ingedeeld in categorieën en de inleiding wordt afgesloten met enkele inzichten in de efficiënte markthypothese.

1.1 MARKT VAN AFGELEIDE PRODUCTEN De markt van afgeleide producten is sinds de eeuwwisseling meer dan 800% in waarde toegenomen met een totale waarde van uitstaande derivaten die de kaap van een biljoen USD omstreeks 2002 heeft overschreden. Deze uiterst interessante markt biedt de mogelijkheid om forwards, futures, swaps en opties te verhandelen wat de liquiditeit van onder andere aandelenmarkten ten goede komt. Omdat deze instrumenten uitgeschreven worden op een financieel of materieel actief (underlying instrument) met leveraging of hedging als doel, is de waarde van de derivatenmarkt vele malen groter dan de totale waarde van alle uitstaande financiële activa. Ook Credit Default Swaps (CDS) maken deel uit van de markt van afgeleide producten en hebben wegens het massaal inzetten op subprime mortgages geleid tot de financiële crisis in 2007: uitschrijvers ervan hadden niet genoeg middelen om de uitbetaling te voorzien op het moment dat de huizenmarkt kelderde in de Verenigde Staten. De periode meteen na de financiële crisis is door zijn volatiele karakter erg interessant in het kader van financieel onderzoek. Institutionele en particuliere beleggers reageren 9 Masterproef Michaël Vandendriessche 2011-2012

in dergelijke tijden vaak heviger op bedrijfsnieuws, wat de significantie van de resultaten ten goede komt. Deze masterproef maakt gebruik van optiedata uit de periode januari 2008 t.e.m. januari 2010 en beperkt zich tot opties uitgeschreven op aandelen van private ondernemingen.

1.2 OPTIES IN HET BLACK-SCHOLES EN BINOMIALE MODEL Opties bestaan in vier vormen: het recht of de plicht om een onderliggend actief te kopen of verkopen. Dit wordt vertaald in het kopen (long) of uitschrijven (short) van een call of put optie. Onderstaande figuur geeft de payoff van alle optietypes afhankelijk van de uitoefenprijs (K of X) en de prijs van het onderliggend instrument aan het einde van de looptijd (ST).

F IG 1: P AYOFF STRUCTUUR VAN EEN ( A ) LONG CALL , ( B ) SHORT CALL , ( C ) LONG PUT EN ( D ) SHORT PUT

– B RON : H ULL , 2007, P . 182

Op basis van de voorspelling van de prijsevolutie van het onderliggende instrument kan de belegger op deze manier zijn positie hedgen. Men gebruikt daarbij opties om het risico op een niet-voorziene daling of stijging van de markt in te dekken. Dit is geen gratis proces: het aankopen van opties is gebonden aan een zekere prijs. Deze prijs of premie evolueert in functie van het onderliggend financieel instrument. Omdat voor die laatste in vele voorgaande studies is aangetoond dat er wel degelijk een reactie is op nieuwsberichten, is het interessant te beschouwen hoe optieprijzen daarvan verschillen. Ook naar dit onderwerp is uitvoering onderzoek gevoerd, hoewel opvalt dat het bijna uitsluitend Amerikaanse en Britse noteringen betreft. Om het onderzoek overzichtelijk te houden en de afwerking te garanderen in het beperkte tijdsbestek van de Masteropleiding, is gekozen voor de EURO STOXX 50 index waarin de grootste 50 Europese ondernemingen vervat zitten. De selectie van ondernemingen met een grote marktkapitalisatie is van cruciaal belang in 10 Masterproef Michaël Vandendriessche 2011-2012

optiegerelateerd onderzoek om significante resultaten te verkrijgen. Het Europese continent kent een lagere graad van activiteit in optiehandel in vergelijking met zijn Angelsaksische tegenhangers, dus dient, in het kader van een statistisch verantwoord onderzoek, de keuze gemaakt te worden voor de grootste ondernemingen. Optieprijzen kunnen berekend worden door middel van het Black-Scholes model waarin gesteld wordt dat een optieprijs afhankelijk is van de prijs van de onderliggende waarde, de uitoefenprijs, de resterende tijd tot vervaldag (time to maturity), de risicoloze rente en de standaardafwijking van de (continue) return van het onderliggend instrument (volatiliteit). Negeert men mogelijke dividenden, dan wordt dit voor een Europese optie: -rT

c = S0N(d1) – Ke N(d2)

met

d1 =

(

) (

-rT

en )

; d2 =

(

p = Ke N(-d2) - S0N(-d1) ) (

)

= d1 – σ √T (Hull, 2006, p291)

Hier is: c de prijs van een call optie p deze van een put optie S0 de prijs van het onderliggende actief bij aanvang van de optietermijn N(x) de cumulatieve probabiliteit in een normale verdeling K de uitoefenprijs (strike price) r de risicoloze rente (continuously compounded; met een oneindig kleine compound periode) T het tijdstip waarop de optie vervalt (maturity) σ de volatiliteit van de onderliggende waarde Samengevat: C = f(S, K, T, r, σ) Hoe deze determinanten de prijs beïnvloeden wordt duidelijk in het volgende schema:

F IG 2: D E INVLOED VAN OPTIEPRIJSDETERMINANTEN (H ULL , 2008, P . 202) Ceteris paribus zullen een hogere aandelenprijs en een lagere uitoefenprijs beide leiden tot een hogere call optieprijs: de payoff van een call is immers gelijk aan Max(0, S – K). Voor een put optie met payoff Max(0, K – S) is deze relatie net 11 Masterproef Michaël Vandendriessche 2011-2012

omgekeerd. Over de tijd tot vervaldag (time to expiration of time to maturity) kan bij EU opties minder gezegd worden: gewoonlijk zal een EU optie in waarde stijgen naarmate de resterende looptijd vergroot. In sommige gevallen, zoals nabij de uitgifte van een dividend, kan een korter lopende call optie toch meer waard zijn dan een langer lopende wegens de daling in de aandelenprijs net na de dividenduitgifte, wanneer die verwacht wordt ook voor te komen in de periode van de langer lopende optie. AM opties nemen wél steeds in waarde toe naarmate de looptijd langer wordt. Verder in deze paragraaf volgt meer informatie over het vroegtijdig uitoefenen van AM opties. Een wijziging in de volatiliteit van het onderliggend aandeel heeft altijd een positieve invloed op de optieprijs. Call optiehouders hebben immers een gelimiteerd risico op daling van de aandelenprijs, terwijl ze theoretisch een oneindig grote winst kunnen maken als de aandelenprijs stijgt. Put optiehouders ervaren dezelfde winststructuur als de aandelenprijs daalt. Hoe sterker de aandelenprijs fluctueert, hoe groter de waarde van opties wegens de stijging in hun potentiële payoff. De risicoloze rente heeft een positieve invloed op call opties: de vereiste aandelenreturn zal stijgen en de verdisconteerde toekomstige cash flows vallen lager uit voor de optiehouder. Aangezien men het aandeel (nog) niet bezit bij een call, wordt men niet beïnvloed door dalende cash flow opbrengsten. Samen zorgen deze twee effecten voor een verhoging van de call optieprijs en een verlaging van de put prijs. Belangrijk is dit effect ceteris paribus te bekijken: rentevoeten beïnvloeden immers de aandelenprijs negatief wat het positief effect op call opties zou kunnen tenietdoen. Dividenden zorgen steeds voor een daling in de aandelenprijs net na hun uitgifte en verlagen dus de waarde van call opties en verhogen deze van put opties. Het binomiale model van (Cox, Ross, & Rubinstein, 1979) berekent m.b.v. een binomiale boom voor elke toekomstige tijdsstap een waarde die uitgaat van S 0 (t = 0) en kan stijgen ( =

) of dalen ( =

), afhankelijk van het tijdstip en de

volatiliteit van het onderliggend instrument. De finale nodes van deze boom geven dan de intrinsieke waarde van de optie weer: Max(0, Sn – K) voor een call optie en Max(0, K – Sn) voor een put optie. Voor elke node kan nu de optieprijs berekend worden met behulp van een kans p dat de prijs stijgt en een kans (1-p) dat deze daalt. De formule voor p is zo gekozen dat ze een geometrische Brownian motion voorstelt, een continu random proces. Onder de assumptie van risiconeutraliteit kan nu worden gesteld dat de huidige optieprijs gelijk is aan de verwachte toekomstige payoff, verdisconteerd aan de risicoloze rente. Een korte noot bij de intrinsieke waarde van opties: dit is de waarde van de optieprijs aan het einde van de looptijd. Tijdens de looptijd wordt een optie gewaardeerd aan de intrinsieke waarde plus tijdwaarde (time value of TV). Dat laatste is een risicopremie die de optieverkoper oplegt aan de koper, welke exponentieel daalt tijdens de looptijd en de waarde nul bereikt op de vervaldatum. Enkel de intrinsieke waarde blijft op dat moment over, wat betekent dat fluctuaties in de optieprijs enkel betrekking hebben op de tijdwaarde ervan. Opties met langere looptijd zullen in de OP meer invloed ondergaan van IV fluctuaties daar hun TV groter is dan kortlopende opties.


Zowel het binomiale model als het Black-Scholes model stelt dezelfde assumpties voorop: -

Er zijn geen arbitrageopportuniteiten of dividenden.

-

Er heerst een risicoloze rente, zowel voor het ont- als het uitlenen van geld.

-

Verhandelen van opties kan altijd en omvat geen transactiekosten.

-

Aandelenprijzen volgen een geometrisch brownian motion patroon.

Kan men zomaar risiconeutraliteit veronderstellen? Dit zou betekenen dat investeerders slechts de risicoloze rente als return verwachten en geen veronderstellingen doen over het risico van de effecten. Zij negeren dus de standaardafwijking en hebben geen risicovoorkeuren (risicoavers of -zoekend). Het gevolg is dat alle toekomstige cash flows aan de risicoloze rente worden verdisconteerd. Klopt deze veronderstelling in de optieprijsmodellen? Het antwoord wordt geleverd door te kijken naar de achterliggende elementen van arbitrage portfolio’s die worden toegepast in optiehandel met als doel een bepaalde positie te hedgen. Een typisch voorbeeld is de risicoloze portfolio die bestaat uit een long positie in een aandeel en twee short posities in call opties op dat aandeel. Nu zullen de prijzen van deze elementen voor alle actoren in de markt identiek zijn omdat de gelijkheid van de arbitrage portfolio moet opgaan. De determinanten van de prijzen zijn de aandelenprijs, tijd en risicoloze rente, welke allemaal gekend zijn door de actoren. Zelfs de prijs van de call optie is voor iedereen gelijk aangezien deze geprijsd wordt relatief t.o.v. de net vermelde, gekende, prijzen. De enige factor die verschilt voor investeerders is de verwachte aandelenprijs, maar deze wordt wegens de voorgaande stelling opgeheven door de veronderstelling van gelijkheid tussen aandelenprijs en call optieprijs (voor iedereen gelijk) in de arbitrage portfolio. Het gevolg van dit alles is de eliminatie van de verwachte aandeelreturn. Amerikaanse opties verschillen van Europese omdat ze uitgeoefend kunnen worden vóór vervaldatum. Dit levert een opportuniteit voor Amerikaanse optiehouders en verklaart waarom de prijs van een Amerikaanse optie nooit lager kan liggen dan een Europese optie op hetzelfde aandeel en met dezelfde determinanten. Indien geen dividenden worden uitbetaald, wordt vroegtijdige uitoefening ingeval van call opties echter nooit toegepast. De cash die een call optiehouder zou betalen om de optie uit te oefenen (strike price), kan immers aan de risicoloze rente worden geïnvesteerd en levert de optiehouder aan het einde van de optielooptijd een interest op die hij niet zou ontvangen ingeval van onmiddellijke uitoefening. Indien de optie OTM zou gaan aan het einde van de looptijd, oefent de optiehouder de optie niet uit en is hij gespaard gebleven van een mogelijk verlies op de aangekochte aandelen. Deze redenering is van toepassing als de optiehouder de gekochte aandelen tijdens de resterende looptijd in zijn portefeuille aanhoudt. Wat gebeurt er nu als de optiehouder de optie vroegtijdig uitoefent en de verkregen aandelen opnieuw verkoopt wegens een hoge aandelenprijs t.o.v. de strike? Dan kan de optiehouder de optie beter verkopen. Door de marktwerking zijn er altijd kopers te vinden aangezien de aandelenprijs anders niet zo hoog zou liggen. De optieprijs is dan de intrinsieke waarde plus een risicopremie omdat de vervaldag nog niet bereikt is. Dit resultaat is 13 Masterproef Michaël Vandendriessche 2011-2012

voordeliger voor de optiehouder dan aandelen te kopen en verkopen wat enkel de intrinsieke waarde oplevert. Amerikaanse put opties dienen wél vroegtijdig uitgeoefend te worden als ze diep genoeg ITM zijn. Puts bevatten de optie om aandelen te verkopen en dus de positie in de aandelenmarkt te liquideren, waardoor de toekomstige invloed van wijzigingen in de aandelenkoers niet meer van belang is. Als de opbrengst door vroegtijdig uitoefenen groter is dan de opbrengst uit de risicoloze rente door het investeren van de verkregen cash na uitoefenen, is vroegtijdige uitoefening de correcte keuze. Algemeen wordt gesteld dat vroegtijdige uitoefening van put opties voordeliger wordt naarmate de aandelenprijs daalt (optie komt dieper ITM), de risicoloze rente stijgt (verdisconteerde cash flows dalen) en de volatiliteit daalt (minder kans op verdere daling van de aandelenprijs). Datastream verschaft gegevens voor Amerikaanse opties berekend met het binomiale model in (Cox et al., 1979). In dit onderzoek zijn steeds op de EUREX genoteerde opties gekozen, daar deze voor de meeste bedrijven beschikbaar zijn. Amerikaanse opties genoteerd op landspecifieke beurzen komen in dit onderzoek bijgevolg niet aan bod. Europese optieprijzen worden berekend via Black-Scholes maar zijn slechts voor een zeer beperkt aantal bedrijven in de markt beschikbaar, wat leidt tot Europese data voor 21 (op een totaal van 50) bedrijven. Details over uitgesloten data worden later gegeven. Het verschil in gebruikte modellen voor Europese en Amerikaanse opties is van weinig belang omdat beide modellen dezelfde assumpties hebben. Houdt men geen rekening met dividenden, dan convergeert het discrete binomiale model naar het continue Black-Scholes model als het aantal tijdstappen oneindig groot wordt. Dit onderzoek richt zich niet op het verklaren van de optieprijs door zijn onderliggende componenten, maar op het empirisch aantonen van significante fluctuaties in optieprijzen als gevolg van nieuwsaankondigingen en de verschilpunten met Angelsaksisch onderzoek. Daarbij is de volatiliteit de belangrijkste indicator omdat

events,

zeker

bij

aangekondigde

nieuwsverspreidingen

zoals

kwartaalresultaten, een verhoogde onzekerheid met zich meebrengen wat de volatiliteit van de onderliggende waarde kan beïnvloeden. Deze volatiliteit σ ligt typisch tussen de 15% en 60% en is gelijk aan de standaardafwijking van de return van de onderliggende waarde over een looptijd van een jaar wanneer de return wordt uitgedrukt in continuous compounding (met het aantal interestbepalende periodes gelijk aan oneindig). Op basis van deze volatiliteit en de heersende optieprijs kan nu een implied volatility (IV) voor de optie worden berekend. De IV is een beter testobject omdat het relatieve wijzigingen van de optieprijs ten opzichte van wijzigingen in de aandelenprijs (IV wordt steeds uitgedrukt als een percentage van de aandelenprijs) beter weergeeft dan de optieprijs zelf. IV wordt algemeen meer gebruikt dan de optieprijs bij de aanduiding van de waarde van opties: IV ontstaat immers uit de transacties tussen kopers en verkopers en is ook o.a. afhankelijk van S0 en de tijd tot de vervaldag waardoor het een waardig alternatief is 14 Masterproef Michaël Vandendriessche 2011-2012

voor de prijsquote. IV is de factor waar optie traders rekening mee houden wanneer zij handelen en, hoewel IV uit OP is afgeleid, wordt het op hetzelfde niveau als OP gebruikt. De algemene markttrend is een positieve relatie tussen IV en OP en een tegengestelde relatie tussen IV en AP; een bearish markt verhoogt het risicogehalte en

dus

IV;

het

omgekeerde

is

waar

voor

een

bullish

markt.

Rond

nieuwsverspreidingen zijn deze relaties minder duidelijk in de markt. Belangrijk om te beseffen is dat IV een inschatting geeft van toekomstige volatiliteit en bijgevolg een beeld geeft van de toekomstverwachtingen van beleggers. Het is daarom een zeer bruikbaar testobject in dit onderzoek omdat het huidige marktsentiment ermee wordt weergegeven, daar waar de historische volatiliteit slechts een verleden marktsituatie in kaart kan brengen. IV is dus een voorspelling van de toekomstige historische volatiliteiten. Volgens (Dupire, 1994) zijn IV’s afhankelijk van de tijd tot vervaldag evenals de uitoefenprijs. Beide optieprijs indicatoren worden in dit onderzoek getest m.b.v. IV’s. De volgende correlatiematrix illustreert hoe een hoge (lage) IV gepaard gaat met hoge (lage) optieprijzen. Zoals beschreven in (Katiforis, 2002) gaat hoge onzekerheid in de markt gepaard met hogere optieprijzen wegens het vragen van een grotere risk premium (optieschrijver) evenals een hogere betaalbereidheid (optiekoper). Hieronder een illustratie van het IV versus OP (returns) verloop van een willekeurige AM AIR LIQUIDE ATM P optie. Als gevolg van het optreden van volatility smiles (zie verder in het onderzoek) worden de data van de laatste week voor vervaldag verwijderd. Correlations OP OP

Corr.

1

Sig. N

IV ,517** ,000

194

194

**. Correlation is significant at the 0.01 level (2-tailed). T ABEL 1: C ORRELATIEMATRIX OP VS . IV AM AIR LIQUIDE P 100 SEP08 Er is een licht positieve correlatie tussen beide testobjecten wanneer ook non-event dagen worden getest. Het onderzoek zal nagaan na of deze stelling blijft opgaan tijdens nieuwsverspreidingen.


1.3 NIEUWSCATEGORIEËN De volgende categorieën van bedrijfsnieuws werden gedetecteerd op de officiële website van elke EURO STOXX 50-genoteerde onderneming tijdens JAN08-JAN10. Eenmalig voorkomende events worden genegeerd en meer uitleg wordt in de rechterkolom verschaft.

Aangekondigd kwartaalresultaten jaarresultaten

Periodieke aankondigingen van bedrijfsresultaten (driemaandelijks) Periodieke aankondigingen van bedrijfsresultaten (twaalfmaandelijks)

Onaangekondigd aandeleninkoop aandelenuitgifte aandelenuitgifte (werknemers) acquisitie acquisitie compleet alliantie ASM buyout contract delisting dividend expansie fusie fusie compleet herstructurering innovatie interim-dividend investering joint venture krediet legal management nieuwe divisie nieuwe dochter

Inkoop eigen aandelen met als eventuele doel overvloedige cashreserves te reduceren Intekening mogelijk door institutionele en/of particuliere investeerders Intekening op nieuwe aandelen voor werknemers Gerucht/Officiële aankondiging/Onderhandelingen/Toelating door overheid m.b.t. een (mogelijke) overname door de onderneming zelf of een dochter Officieel bericht van afhandeling overnameonderhandelingen en -voorbereidingen Strategische alliantie met een andere onderneming waarbij een gemeenschappelijk doel wordt vooropgesteld en beide partijen resources en capabilities ter beschikking stellen, maar onafhankelijk van elkaar opereren Annual Shareholders Meeting Overname door leveraged of management buyout Mogelijkheid tot verschaffen van diensten en/of goederen afhankelijk van de industrie waarin de onderneming actief is Het van de beurs schrappen van een aandeel omwille van een wijziging of vereenvoudiging van de aandeelstructuur Aankondiging van toekomstige uitgifte/verhoging/verlaging van een dividend of de werkelijke uitgifte ervan Uitbreiding van de ondernemingsactiviteiten in een land, streek of werelddeel waar de onderneming voordien niet actief was Fusie van onderneming of dochtermaatschappij met andere onderneming Officieel bericht van afhandeling fusieonderhandelingen en -voorbereidingen Aanpassing van de bedrijfsstructuur door aanpassen/toevoegen/opdoeken van business units of andere structuren Nieuw product of service waarvoor geen concurrerend product bestaat op de markt Tussentijds dividend Toewijzing van kapitaal aan grote projecten Strategische alliantie waarbij de twee betrokken partijen een nieuwe onderneming oprichten die onafhankelijk functioneert Het verwerven van fondsen via een lening Al wat verband houdt met rechtszaken die de onderneming in een positief of negatief daglicht stellen Vertrek of aanstelling van personen uit het directiecomité of de raad van bestuur Oprichting van een divisie die zich toelegt op een nieuwe activiteit Oprichting van een nieuwe dochtermaatschappij 16

Masterproef Michaël Vandendriessche 2011-2012

nieuws obligatie-uitgifte ontdekking grondstof overeenkomst participatie partnership product/service rating samenwerking speciaal dividend sponsorship squeeze-out stopzetting acquisitie stopzetting joint venture tender offer tewerkstelling uitoefening optie verkoop assets verkoop divisie verkoop divisie compleet verlaging participatie verlaging participatie compleet voorlopige jaarresultaten voorlopige kwartaalresultaten voorlopige resultaten voorspelling

Blootstelling aan de zaak Madoff/Lehmann Brothers of slechte resultaten Intekening mogelijk door institutionele en/of particuliere investeerders Ontdekking van olie, gas of koolwaterstof (hydrocarbon) Afspraak tussen twee ondernemingen voor ad hoc regelingen van diverse aard Verhoging van of instap in het aandelenkapitaal van een andere onderneming zonder het directe doel deze onderneming over te nemen Samenwerking tussen twee of meer ondernemingen waarbij ook winst en verlies worden gedeeld Uitbrengen van een nieuw product of dienst Verhoging of verlaging van de rating door rating agentschappen Publiek-Private samenwerking met universiteiten betreffende onderzoek Eenmalig dividend, losstaand van de normale dividendbetalingen Start of stopzetting van sponsoring (vnl. Formule 1) Uitkoop van kleinere aandeelhouders Stopzetting onderhandelingen of intrekking overnamebod Vroegtijdige of vooraf afgesproken stopzetting van een joint venture Een aanbod om een deel van de uitstaande aandelen van een onderneming te kopen aan specifieke voorwaarden op een vastgestelde datum. Verkleining of uitbreiding van de arbeidsplaatsen in de onderneming Uitoefening opties in het bezit van de onderneming Voornamelijk de verkoop van gebouwen in het bezit van de onderneming Aankondiging van de verkoop van een divisie Afhandeling van de verkoop van een divisie De gedeeltelijke of volledige uitstap uit de participatie in een andere onderneming Afhandeling van de participatieverlaging Gedeeltelijk overzicht van de jaarlijkse prestaties Gedeeltelijk overzicht van de kwartaalprestaties Resultaten van dochters, departementen of verkoopcijfers Forecast van de economische situatie in de sector en/of van verwachte resultaten of de aanpassing van de verwachtingen

T ABEL 2: D E BELANGRIJKSTE GEDETECTEERDE CATEGORIEËN VAN BEDRIJFSNIEUWS

Met als doel zo sterk mogelijk in detail te kunnen testen hoe de reactie in de optie IV verloopt als gevolg van een aankondiging, werden slechts weinig nieuwstypes samengenomen. Dit volgt onder meer uit de suggestie tot meer gedetailleerd onderzoek in (Thompson, Olsen, & Dietrich, 1987). De categorieën die verschillende types van nieuws samenvatten, zijn: 

acquisitie: behandelt zowel eerste vermeldingen als latere stadia in het overnameproces en kan de hele groep of slechts een of meerdere divisies omvatten. In dit onderzoek worden geen geruchten van overnames of fusies opgenomen daar dit geen officiële persberichten zijn. 17




buyout: kan een leveraged (m.b.v. vreemd vermogen) of management buyout betreffen.



Contract, innovatie, product/service: is zeer ondernemings-specifiek en betreft zowel diensten als producten. Dit gaat van kleinere events in dochterondernemingen tot zeer belangrijke events die de hele groep betreffen.



dividend: betreft alle events waarin ‘dividend’ wordt vermeld, wegens de grote verscheidenheid

hierin

en

de relatief kleine hoeveelheid

desbetreffende

aankondigingen, dit met uitzondering van interim-dividenden. 

herstructurering: kan gaan over het ontstaan of opdoeken van hele divisies, maar ook over interne wijzigingen zoals in de managementstructuur.



nieuws: verschillende vormen van slecht nieuws.



overeenkomst: elke vorm van samenwerking voor een welbepaald project. Enkele voorbeelden zijn roaming overeenkomsten tussen telecom operatoren, het delen van infrastructuurnetwerken, octrooi overeenkomsten, het samenwerken aan een ecologische verbetering m.b.v. collectieve investeringen in hernieuwbare energie of overeenkomsten met overheden om mee te werken aan tewerkstelling.



voorlopige resultaten: deze betreffen een grote variëteit aan bedrijfsnieuws in de vorm van cijfers zoals verkoopresultaten, omzet en winstcijfers voor zover deze niet de hele groep omvatten.



voorspelling: identiek aan ‘voorlopige resultaten’ met als verschil dat deze events een voorspellend karakter hebben en de hele groep kunnen omvatten. Omvat ook voorspellingen over werkgelegenheid en de mogelijke verkrijging van contracten. Nog belangrijk te vermelden is dat de verspreiding van halfjaarresultaten wordt beschouwd als een aankondiging van kwartaalresultaten en dat deze aangekondigde nieuwsverspreidingen slechts in rekening worden gebracht indien ze de hele groep (geen aparte resultaten van dochters, etc.) betreffen. Wanneer meerdere aankondigingen gebeuren op dezelfde dag, wordt dit aangeduid in het onderzoek. Zulke events worden afzonderlijk behandeld wegens hun mogelijk versterkend effect. Hetzelfde geldt voor dichtbij liggende events.


1.4 DE EFFICIËNTE MARKTHYPOTHESE Het onderzoek wordt geplaatst binnen de efficiënte markthypothese (EMH) met als uitgangspunt dat men in de markt geen winst kan maken door het gebruik van nieuwe informatie. Alle informatie is onmiddellijk geïncorporeerd in effectenprijzen (Fama, 1991). Dit speelt zich echter af op drie niveaus: in de zwakke vorm zijn huidige prijzen een weerspiegeling van de informatie in historische prijzen, de semi-sterke vorm voegt daar alle publiek beschikbare informatie aan toe en in de sterke vorm zou ook niet-publieke informatie geen bijkomende winsten genereren. Deze laatste vorm wordt verhinderd door het verbod op handelen met voorkennis. Zou dit verbod opgeheven worden, dan kan de sterke vorm in EMH in principe in de praktijk voorkomen. Dit alles leidt tot de conclusie dat technische analyse (het bestuderen van historische koersen om prijsvoorspellingen te maken) zinloos is; alle informatie is via de efficiënte marktwerking immers al in de toekomstige prijzen verwerkt. Een even grote hoeveelheid empirisch onderzoek weerlegt echter de EMH als er studies zijn die bewijs voor het bestaan ervan aantonen. In het geval van event studies wordt uitgegaan van een semi-efficiënte markt als gevolg van het verbod op handel met voorkennis. Hoewel event studies steunen op de EMH (Fama, Fisher, Jensen, & Roll, 1969) zullen zij nooit kunnen aantonen of deze theorie

correct

is

(Frömmel,

2010).

Deze

studies

geven

niet

aan

of

prijsschommelingen de ‘correcte’ reactie weergeven van de markt. Zij vertellen enkel of er van een reactie sprake is, ongeacht de economische beweegredenen die marktactoren bij een bepaald event hebben.


LITERATUURSTUDIE Deze literatuurstudie tracht een extensieve review te geven van voorgaand onderzoek met betrekking tot -

het informatiegehalte van nieuwsverspreidingen

-

hoe aandelen en opties beïnvloed worden door nieuws

-

de event studie methodologie

-

optiekenmerken

-

de psychologie van marktpartijen

-

de invloed van management op nieuwsverspreidingen

Naast de zelf voorgestelde hypothesevragen, worden op basis van deze studie bijkomende

(vergelijkende)

hypothesevragen

opgesteld.

Merk

op

dat

de

bovenstaande onderverdelingen niet zelden overlappen in de verschillende onderzoeken.

2.1

HET INFORMATIEGEHALTE VAN NIEUWSVERSPREIDINGEN Hoewel dit onderwerp eveneens aan bod komt in de volgende paragrafen, wordt eerst de studie door de ECB vermeld (ECB, 2011) omdat deze het informatiegehalte tijdens de financiële crisis beschrijft. De dataset in deze masterproef omvat de jaren 2008 en 2009, het hoogtepunt van de crisis. Beide onderzoeken bewijzen een gelijkaardige hypothese: tijdens een crisis zullen beleggers vaker extreme uitkomsten verwachten waardoor de kurtosis toeneemt. Er wordt een negatieve skew (rechtsscheve verdeling) voorspeld waarbij de meeste waarnemingen negatief zijn. In zowel het ECB als het eigen onderzoek worden deze hypothesen bevestigd.

2.2

INVLOED VAN BEDRIJFSNIEUWS OP AANDELEN EN OPTIES (Patell & Wolfson, 1981) voeren onderzoek naar het effect van kwartaalresultaten zowel op aandelenprijzen als optieprijzen. Opties zullen gewoonlijk een verhoogde volatiliteit vertonen net vóór de nieuwsaankondiging terwijl aandelen net op de dag van de aankondiging significant in waarde zullen wijzigen, hoewel dit laatste effect vaak teniet wordt gedaan in de daaropvolgende paar dagen (Patell & Wolfson, 1981, fig. 1). De conclusie luidt dat een optieprijsstijging kan leiden tot een vertraagde stijging in de aandelenprijs en dus een voorspellend karakter heeft. Men wijst erop dat clustering van nieuwsverspreidingen ongewenst is omdat het de cross-sectionele onafhankelijkheid van de observaties verlaagt. Met behulp van de labels dichtbij liggende (D) en samenvallende (S) opties wordt hiermee rekening gehouden in het eigen onderzoek. 20


Pre event call prijzen zouden een indicator zijn voor event date aandelenprijzen in termen van de volatiliteit. Het eigen onderzoek zoekt geen relaties met aandelenprijzen, maar test wel uitgebreid naar het tijdstip waarop opties de grootste (abnormale) IV returns hebben in de korte event windows rond een nieuwsverspreiding. Een stijging in CAIV PR zou dus volgens Patell & Wolfson gepaard gaan met een significante daling van AIV op de event date. Het onderzoek in (Patell & Wolfson, 1981) gaat tevens na hoe om te gaan met algemene markttrends, uitoefenperiode effecten en clusters van nieuws. Voor de laatste twee problemen is in deze thesis gecorrigeerd. Rekening houden met markttrends levert echter weinig verschil aangezien dagelijkse data worden verwerkt. Het toevoegen van ad hoc modellen voor het uitzuiveren van deze trends is trouwens niet gestoeld op theoretische fundamenten (Schmalensee and Trippi, 1978, p. 145). Er wordt daarom verder geen aandacht besteed aan de mogelijke invloed van markttrends en gebruik gemaakt van het constant return model bij de berekening van de event studie schatters. Het laatstgenoemde onderzoek beschrijft eveneens dat historische volatiliteiten geen invloed uitoefenen op verwachte volatiliteiten. Dit is een van de redenen waarom tijdens dit onderzoek uitsluitend getest wordt op implied volatilities. De bedoeling is immers de marktverwachtingen in de optieprijzen weer te geven in tegenstelling tot het historische marktgedrag. (Black & Scholes, 1972) bewijzen overigens dat de waardering van opties accurater gebeurt op basis van IV’s dan historische volatiliteiten. Uitoefenperiode-effecten doen zich volgens (Patell & Wolfson, 1981, p. 451) voor in twee tot vier weken voor uitoefendatum. IV’s gedragen zich in die periode foutief: ze ondervinden een exponentiële stijging die volledig onafhankelijk van markttrends of reacties op nieuwsaankondigingen reageert. Zoals op te maken is uit het eigen onderzoek naar dit gedrag aan het einde van de looptijd, wordt beslist resultaten respectievelijk 1 en 2 weken voor vervaldatum te schrappen in AM en EU opties. (Patell & Wolfson, 1979) bewijzen dat de aankondiging van jaarresultaten ex ante informatie bevat bij het bestuderen van call opties. Investeerders anticiperen toekomstige wijzigingen in de aandelenkoers door het op- of neerwaarts sturen van de call optieprijs voor de event date. Het bewijs in deze studie wordt geleverd d.m.v. een studie naar de geïmpliceerde varianties (IV) in het Black-Scholes optieprijsmodel. Zoals uit onderstaande (genormaliseerde) figuren blijkt, stijgt de variantie van een call optie zeer sterk in de dagen voorafgaand aan een aankondiging van jaarresultaten (Fig. 2). Omdat IV volgens de onderzoekers een functie is van T (tijd tot vervaldag) kan onderscheid worden gemaakt naar resterende looptijd van de opties. Hoe sneller een call na de aankondiging vervalt, hoe steiler de curve van de gemiddelde variantie zal verlopen en hoe groter de gemiddelde variantie is. In het geval van een tweede verwachte aankondiging zal de gemiddelde variantie van de langer lopende optie steeds deze van de sneller vervallende optie overschrijden in de dagen na de eerste aankondiging (Fig. 4). Kortlopende opties vertonen een matige IV stijging vanaf vier weken voor de aankondiging, maar zien een zware daling op de 21 Masterproef Michaël Vandendriessche 2011-2012

event date. Bij langer lopende opties is dit effect sterk gereduceerd. Een van de belangrijke besluiten is steeds kritisch te blijven bij het aggregeren van optiedata met verschillende looptijden. Het eigen onderzoek gaat deze resultaten na via een test naar significante IV’s nabij aankondigingen van jaarresultaten in relatie tot hun resterende looptijd.

F IG 3: T REND IN C IV VERLOOP ROND EEN RESULTAATSAANKONDIGING (P ATELL & W OLFSON , 1979, F IG . 2 & 4) (Dubinsky & Johannes, 2006) gebruiken het onderzoek van Patell & Wolfson om een schatter te

ontwikkelen

die de grootte

van

de

onzekerheid

ex

ante

resultaatsaankondigingen exact kan weergeven. Zo zal men onder meer jumps toevoegen aan het schattingsmodel om de discontinuïteit in optieprijzen op een resultaatsaankondiging aan te pakken. Men corrigeert voor dividenden (om vertekening door early exercise tegen te gaan) door ondernemingen te selecteren met een laag dividendrendement. Opnieuw is er zeer sterk bewijs voor het bestaan van een significante stijging in IV net voor een verspreiding van bedrijfsresultaten. Ook in (Whaley & Cheung, 1982) vindt men bewijs voor de snelle opname van informatie uit resultaatsaankondigingen in optieprijzen. Dit onderzoek levert daarnaast nog de opvallende conclusie dat de CBOE (Chicago Board Options Exchange) een efficiënte markt is wegens deze snelle incorporatie van informatie in de prijzen. Voor opties op futures in schatkistcertificaten wordt in (Ederington & Lee, 1996) aangetoond dat IV sterk daalt na een resultaatsaankondiging. (Beber & Brandt, 2004) voegen daaraan toe dat de skewness en kurtosis na aankondiging wijzigen, waarbij de verdeling van IV asymmetrisch is met fat tails. Het optiegedrag rond resultaatsaankondigingen leidt dus in verschillende markten tot dezelfde conclusies. (Thompson et al., 1987) onderzochten de variantie in aandelenreturns op de NYSE in 1983. Dit onderzoek werd in de masterproef gebruikt als richtlijn voor de te onderscheiden informatie verspreid door de EURO STOXX 50 genoteerde bedrijven. De onderzoekers vonden de volgende categorieën: resultaatsaankondigingen, dividendaankondigingen, kapitaalstructuur,

boekhoudkundige

wijzigingen

resultaatsvoorspellingen,

nieuws

in

assets, over

wijzigingen, management,

producten,

veranderingen

in

werkgelegenheid,

financiële

moeilijkheden,

belastingen en andere. Hoewel men een paar categorieën samen neemt (wijzigingen 22 Masterproef Michaël Vandendriessche 2011-2012

in assets betreft onder andere fusies, overnames en participaties), komt het type verspreid nieuws erg sterk overeen met de eigen bevindingen. Men komt uit op een jaarlijks gemiddelde van 16.4 aankondigingen per onderneming. Over een periode van -10 tot +10 dagen rond elk event vindt men dat resultaatsaankondigingen, nieuws

i.v.m.

werkgelegenheid,

belastingen

en

voorspellingen

hogere

aandelenreturns teweeg brengen de dag vóór de event wanneer men deze tegen de returns op de event-dag uitzet. Het omgekeerde effect wordt waargenomen in boekhoudkundige wijzigingen, veranderingen in kapitaalstructuur en management. Dividendaankondigingen brengen de grootste variantie teweeg twee dagen voor de aankondiging. In lijn met dit onderzoek wordt nagegaan welke categorieën van bedrijfsnieuws het meest geanticipeerd worden in de optieprijzen en wordt een verband met de aandelenmarkt gezocht. Specifiek toegepast op vrijwillige verspreidingen van earnings per share voert (Patell, 1976) onderzoek naar de fluctuaties in aandelenkoersen ex ante de aankondiging. Het wordt duidelijk dat prijzen vanaf twee maanden voor de aankondiging gemiddeld genomen in dezelfde richting en met dezelfde sterkte bewegen als wat blijkt uit de daaropvolgende nieuwsverspreiding. Investeerders maken dus gemiddeld een correcte voorspelling van de resultaten. In de week voor dergelijke events zal de prijs gemiddeld genomen altijd in de positieve richting bewegen, onafhankelijk van de markttendens of bedrijfsspecifieke verwachtingen. Het onderzoek van Patell geeft een interessant onderzoeksonderwerp: zouden optieprijzen opwaarts reageren in de korte termijn vóór een vrijwillige aankondiging van resultaten? Wegens het beperkt aantal verspreidingen van dergelijke informatie in de 50 bedrijven in de dataset, is afgezien van de mogelijkheid tot onderzoek naar deze trend. Een andere invalshoek wordt geleverd in (Skinner, 1990): na het mogelijk maken van optiehandel op de aandelen van een onderneming, boeten resultaatsaankondigingen aan kracht in wat betreft het informatiegehalte. Opties zijn een kostenefficiëntere manier om informatie te verhandelen zodat meer private informatie beschikbaar wordt van bedrijven die optiehandel toelaten, met als gevolg dat alle informatie die vervat is in een resultaatsaankondiging al gekend is voor de event date. De abnormale returns dalen significant na het beschikbaar maken van optiehandel. Een verklaring hiervoor is dat ondernemingen die optiehandel mogelijk maken nauwer opgevolgd worden door investeerders. De auteur waarschuwt voor het trekken van causale relaties: de geobserveerde reactie kan te wijten zijn aan de manier waarop optiebeurzen aandelen kiezen en zo door het mechanisme van vraag en aanbod de prijzen beïnvloeden. Gelijkaardig aan dit onderzoek wordt in (Jennings & Starks, 1986) besloten dat de intra-day aanpassing van aandelenkoersen sneller gebeurt in ondernemingen met opties dan diegene zonder. Dat is een mogelijke verklaring voor het dalen van de variantie in aandelenreturns nadat opties er op verhandeld worden (Skinner, 1989). Interessant zijn de inzichten in (Brookfield & Morris, 1992). Dit onderzoek is in opzet volledig

gelijkaardig

aan

deze

masterproef,

maar

heeft

betrekking

op 23


aandelenkoersen in de UK markt. In deze markt zou 55% van de aandelenkoersen te wijten zijn aan markttrends, 15% aan industrie-specifieke factoren en 30% aan bedrijfsspecifiek nieuws. Men kiest hier heel gericht niet voor de grootste organisaties omdat deze zeer veel nieuws verspreiden (clustering) en weinig aankondigingen kennen die de prijs werkelijk zouden beïnvloeden. Daar wordt in het eigen onderzoek geen rekening mee gehouden omdat naast de blue chips van bedrijven in de Eurozone maar weinig bedrijven groot genoeg zijn om voldoende liquiditeit in de opties te garanderen. Het onderzoek besluit echter dat de impact van aankondigingen minder significant is wanneer kleine organisaties worden getest. Op arbitraire manier worden de events in 16 categorieën onderverdeeld. Het wordt dus duidelijk dat elk onderzoek een eigen methode toepast om de indeling te maken. Dit is een van de redenen waarom hiervan wordt afgezien in het eigen onderzoek. De onderzoekers gaan na wat de ratio is van de variantie in residuele returns op event dates t.o.v. non-event dates. In de masterproef is beslist de ratio te bepalen van het aantal events dat een significante reactie in AIV of CAIV veroorzaakt t.o.v. het totaal aantal events verspreid per onderneming. Hoewel het een minder gedetailleerd beeld geeft, leidt dit wel tot een zeer nuttige dataset voor deze thesis die uitsluitend statistisch significante resultaten bevat. Bijgevolg zijn alle event studie testobjecten, zoals de gemiddelde en cumulatieve abnormale IV returns, meteen significant daar hun bouwstenen dat zijn. (Brookfield & Morris, 1992) gaan ook de invloed van sectoren

na: de industriële sector evenals

ondernemingen

met

minder

nieuwsverspreidingen zouden meer invloed ondergaan van tussentijdse en voorlopige resultaatsaankondigingen. In het thesisonderzoek wordt getracht conclusies af te leiden uit de sectoren. Specifiek voor events wordt in (Brookfield & Morris, 1992) aangetoond dat de jaarlijkse aandeelhoudersvergaderingen en resultaatsaankondigingen evenals het toekennen van een of meerdere contracten de grootste impact hebben één dag voor de aankondiging. Voor overnames, verlagingen van participaties, management wijzigingen en handel in de aandelen zijn de resultaten minder eenduidig. Een verklaring voor de lage significantie van de resultaten in overnames kan het bestaan van noise (niet-informatie gerelateerde events) zijn. Slechts in zeer weinig gevallen zorgen zowel voorlopige als definitieve resultaatsaankondigingen voor een significante wijziging in de aandelenkoers. In het eigen onderzoek worden deze hypothesen getest. Een tweede zeer gelijkaardig onderzoek aan deze masterproef wordt gevonden in (Donders & Vorst, 1996). Hier wordt de invloed van resultaatsaankondigingen op call optie IV’s uit de European Options Exchange (EOE) nagegaan met als conclusie dat IV’s significant stijgen in de dagen voor een aankondiging en een maximale waarde bereiken op de vooravond van de event date. Na de aankondiging daalt de IV snel en bereikt deze terug de waarde op lange termijn. Men besluit dat significant hoger dan verwachte prijsbewegingen in het onderliggend instrument enkel voorkomen op de event date en dat de bevindingen overeenkomen met het aangepaste Black-Scholes model voorgesteld in (Merton, 1973).


F IG 4: G EMIDDELDE GARCH VOLATILITEIT VAN C ROND EEN RESULTAATSAANKONDIGING (D ONDERS & V ORST , 1996, F IG . 1) Bovenstaande figuur toont de theoretische gemiddelde volatiliteit berekend in een GARCH model rond een event en maakt de bovenvermelde bevindingen duidelijk. De volgende figuur geeft de IV waarden uit het onderzoek weer.

F IG 5: G EMIDDELDE IV VAN C OPTIES ROND EEN RESULTAATSAANKONDIGING (D ONDERS & V ORST , 1996, F IG . 3) De verklaring luidt: vóór een aankondiging hebben call opties een hogere IV omdat de gemiddelde verwachte volatiliteit stijgt wegens de onzekerheid naar aanloop van de nieuwsverspreiding. Dit doet de kost van een replicating portfolio stijgen omdat een hogere verwachting in volatiliteit gepaard gaat met een hogere optieprijs wegens de mogelijkheid tot grotere winsten. Dit verklaart echter het verschil in volatiliteit tien dagen voor de event tussen de eerste en tweede figuur niet. Daarom wordt een secondair effect vermeld: net voor een event zullen marktspeculanten een stijging in de aandelenprijs verwachten. Er worden call opties gekocht omwille van hun leverage mogelijkheden wat de prijs ervan opdrijft evenals de IV. In deze masterproef volgt een onderzoek naar de hoeveelheid significante pre en post 25 Masterproef Michaël Vandendriessche 2011-2012

bewegingen in IV en de statistische sterkte ervan. De onderzoekers gaan een optiestrategie na die van deze situatie optimaal gebruik maakt: men kan de call optie kopen en het aandeel shorten om de portfolio delta neutraal te maken. Omdat de call optie zijn maximale IV en prijs bereikt op de dag voor de aankondiging, wordt op dat moment de portfolio geliquideerd. De returns die men hieruit haalt zijn, gecorrigeerd voor transactiekosten, echter minimaal wat meteen een bewijs is voor het efficiënt functioneren van de EOE en indirect bewijs levert voor de veronderstelling van marktefficiëntie in het eigen onderzoek. Zoals gekend van (Beaver, 1968) stijgt de volatiliteit in aandelenkoersen tijdens resultaatsaankondigingen, wat gereflecteerd wordt in de IV van opties. (Billings & Jennings, 2011) tonen aan dat deze stijging afhankelijk is van de onzekerheid m.b.t. de informatie (ex ante) en de marktrespons op de informatie (ex post) zoals die verwacht wordt door optiehandelaars. Korte termijn ATM opties die snel vervallen na de event date zouden een betere voorspelling van analisten geven en de invloed van andere events reduceren. OTM opties zouden weinig significant reageren op aankondigingen en ITM opties incorporeren ook de moneyness reactie waardoor het resultaat minder bruikbaar is. Men focust dus op ATM opties en tracht de ex ante en ex post effecten te scheiden van elkaar zodat men uitsluitend de anticipatie van investeerders, gereflecteerd in optieprijzen, kan bestuderen. De resultaten duiden op een positieve relatie tussen de het ex ante verwachtingspatroon in optieprijzen en de ex post marktreactie in de volatiliteit van de aandelenkoers, vooral wanneer er meer private informatie beschikbaar is. Men vindt ten slotte dat deze anticipatie van de bedrijfsresultaten groter is bij persistentie van resultaten, groeivooruitzichten, grote hoeveelheiden beschikbare informatie en de aanwezigheid van institutionele investeerders die agressief traden op de bedrijfsresultaten. Ze daalt wanneer het ondernemingsrisico (bèta) en de rentevoeten stijgen. De in het eigen onderzoek gebruikte event studie laat toe te focussen op de IV en vergroot, zoals vermeld door Billings & Jennings, de power door het weglaten van opties die buiten de ATM zone liggen. Het verband tussen optie IV en de volatiliteit in aandelenkoersen wordt buiten beschouwing gelaten daar het te ver van het onderwerp afwijkt. In (Braun, Nelson, & Sunier, 1995) gaat men na waarom de volatiliteit in aandelenreturns vaak stijgt na een aankondiging van zowel goed als slecht nieuws. Slecht nieuws kan de waardering van een onderneming doen dalen, waardoor de hefboomwerking (leverage) ervan verhoogt. De waarde van de activa daalt immers, wat leidt tot een hogere leverage ratio van vreemd vermogen op activa. Bijgevolg kan de volatiliteit van de aandelenreturn stijgen. Een tweede verklaring voor dit effect is de risicopremie van de markt die positief gecorreleerd zou zijn met de volatiliteit van de markt rond events. Als conclusie wordt gesteld dat deze asymmetrie tussen volatiliteit in de aandelen en goed of slecht nieuws te wijten is aan de markt: idiosyncratisch risico (zoals ondernemingsbèta’s) heeft vreemd genoeg geen verklaringskracht. Dit onderzoek op basis van maandelijkse returns legt de verklaring dus macro-economisch, wat in het eigen onderzoek met dagelijkse returns in opties niet zal opgaan. Verder werd geopteerd geen onderscheid naar goed of 26 Masterproef Michaël Vandendriessche 2011-2012

slecht nieuws te maken omdat nieuwsberichten verspreid door ondernemingen een vertekend beeld kunnen geven van de werkelijkheid. Slechte resultaten tracht men alsnog positief weer te geven en er zijn weinig berichten gevonden van winstwaarschuwingen. Slecht nieuws is in dit onderzoek voornamelijk gevonden in de vorm van ratingverlagingen bij Italiaanse financiële instellingen en de blootstelling aan geleden verliezen door een aantal grote fraudezaken of faillissementen van onder andere Lehman Brothers. Deze waarnemingen zijn gecategoriseerd onder respectievelijk ‘rating’ en ‘nieuws’, waarnaast de categorie ‘ramp’ (enkel in Allianz, schade door cycloon Emma) voorkomt in de geregistreerde berichten. Voortbouwend op (Thompson et al., 1987) besluiten (Ryan & Taffler, 2004) dat 65% van de significante prijs- en volumewijzigingen in aandelen van grote ondernemingen een gevolg zijn van publiek beschikbare informatie. Prijsbewegingen geven de marktconsensus gegenereerd door een nieuwsverspreiding weer, terwijl fluctuaties in verhandelde volumes de verwachtingen van individuele investeerders duidelijk maken. Informatie vervat in optievolumes zou toekomstige aandelenprijzen beïnvloeden, zoals te lezen valt in (Pan & Poteshman, 2006), hoewel dit proces meerdere weken in beslag kan nemen. Er is besloten optievolumes in het eigen onderzoek niet te bespreken, wat later verantwoord wordt. De onderzoekers vinden dat meer dan 70% van alle voorlopige en tussentijdse resultaatsaankondigingen een significante invloed op aandelenkoersen uitoefenen. Formele vrijgaven van resultaten domineren, wat erop wijst dat de inspanningen door fondsbeheerders en analisten weinig resulteren in prijswijzigingen relatief t.o.v. de officiële aankondigingen. Dit spreekt in het voordeel van de gebruikte onderzoeksmethode in deze masterproef. De relatie tussen de aandelenkoers en verschillende types van informatie wordt m.b.v. een regressieanalyse getest in (Roll, 1988), waarbij de hypothese gesteld wordt dat koersen beïnvloed worden door macro-economische, industrie-specifieke en bedrijfsgerelateerde informatie. De gemiddelde adjusted R² vertoont echter zeer lage waarden bij alle informatietypes en dit voornamelijk in de dagelijkse returns. Een event studie is daarom nuttiger wanneer dergelijk onderzoek gevoerd wordt. In (Ryan & Taffler, 2004) is de hypothese dat resultaatsaankondigingen verwacht zijn en in verhouding minder significante

koerswijzigingen

veroorzaken

dan

onaangekondigde

nieuwsverspreidingen. Deze hypothese wordt impliciet gesteld in het eigen onderzoek. Men neemt enkel prijs-sensitieve informatie op in de dataset. Sommige ondernemingen uit de EURO STOXX 50 maken het verschil duidelijk op hun website, en in het eigen onderzoek is enkel dit type van informatie opgenomen. Deze masterproef volgt (Ryan & Taffler, 2004) eveneens in het gebruik van F-tests om nieuwscategorieën te onderscheiden evenals t-tests op de significant verschillende varianties.

Men

besluit

dat

prijsbewegingen

voornamelijk

ontstaan

door

bedrijfsnieuws en niet door noise, marktsentiment of trends. Als bedrijf is het dus nuttig informatie te verspreiden. De hypothese dat resultaatsaankondigingen een 27 Masterproef Michaël Vandendriessche 2011-2012

beperkte prijsbeweging zouden veroorzaken, wordt verworpen: een groot deel van de informatie wordt niet geanticipeerd door analisten of de markt. Deze hypothese wordt in het eigen onderzoek nagegaan en de stelling dat markttendensen weinig invloed hebben op prijsbewegingen wordt gebruikt als bevestiging voor het gebruik van het constant mean return model. Zoals (Whaley & Cheung, 1982) vinden (Robertson, Geva, & Wolff, 2006) bewijs voor een snelle opname van informatie in prijzen, maar duiden zij op het welbekende feit dat aandelenmarkten niet efficiënt zijn door afwijkende strategieën van verschillende traders en het verschil in interpretatie van informatiestromen. In hun onderzoek gaan zij na hoeveel nieuwsberichten procentueel significant zijn voor de markt. In het algemene deel van de empirische studie in dit thesisproject gebeurt dezelfde test o.b.v. event studies. Verder vinden de onderzoekers slechts een zwakke relatie tussen nieuws en volumefluctuaties en is slechts een fractie van alle nieuwsberichten verantwoordelijk voor de meerderheid van de significante prijsschommelingen in de markt. In het eigen onderzoek wordt geprobeerd te achterhalen welke events het meest significant zijn. De zwakke nieuws-volume relatie ondersteunt de keuze om geen volumes te onderzoeken. (Amin & Lee, 1997) zien het volume in verhandelde opties 10 procent stijgen in de vier dagen voor kwartaalresultaten worden aangekondigd. Ook in dit onderzoek vindt men bewijs voor de correcte voorspelling van bedrijfsnieuws omdat traders vaker in long (short) posities stappen net vóór goed (slecht) nieuws wordt aangekondigd wanneer dit nieuws geanticipeerd is. Tijdens de periode na de aankondiging vergroot de bid-ask spread significant en, wanneer de volledige trading activiteit wordt geaggregeerd, ziet men dat alle optiehandelaars meehelpen aan de correcte incorporatie van privaat nieuws in de prijzen (price discovery). Zonder verspreidingen van private informatie ex ante aankondigingsdatum zou een juiste inschatting van de bedrijfsresultaten immers niet mogelijk zijn. Zoals sommige studies hebben aangegeven, verhogen optiemarkten de efficiëntie waarmee aandelenmarkten informatie opnemen. Het onderzoek van Amin & Lee levert daarvoor een direct bewijs door te stellen dat optiehandelaars private informatie naar de optiemarkt brengen, wat de anticipatie van bedrijfsnieuws reflecteert in de optieprijzen en aandelenkoersen sneller in de juiste richting stuwt. De auteurs noemen de optiemarkt zelfs een kostenefficiënt mechanisme voor price discovery. Gelijkaardig onderzoek is te vinden in (Ni, Pan, & Poteshman, 2008): het verhandelde volume in aandelenopties is indicatief voor de toekomstige verhandelde volumes in onderliggende aandelen. Tot slot vermelden (Xing, Zhang, & Zhao, 2009) de impact van volatility smirks. In langerlopende opties en index opties zijn IV’s groter voor opties met lagere strikes dan hoge. Dit is nog gekend als een reverse skew en is het omgekeerde van een forward skew die voorkomt bij opties op commodities. Ondernemingen met de steilste volatility smirks ervaren volgens het onderzoek de slechtste resultaten in het volgende kwartaal. De onderzoeksresultaten duiden op de voorkeur van geïnformeerde traders om OTM put opties te kopen wanneer negatief 28 Masterproef Michaël Vandendriessche 2011-2012

nieuws verwacht wordt. De aandelenmarkt zou slechts zeer langzaam de informatie uit volatility smirks opnemen. (Ding, 2009) bespreekt ten slotte de invloed van resultaatsaankondigingen op opties tegen vervaldatum en ontwikkelt een optiestrategie om hiervan te profiteren. De portfolio bestaat uit drie groepen van near-the-money straddles met drie verschillende termijnen en heeft een beduidend lagere return wanneer een resultaatsaankondiging gebeurt op de vervaldag (dit is steeds een vrijdag in het onderzoek). Resultaatsaankondigingen op een vrijdag hebben immers een lagere impact op de aandelenkoers en leiden tot een langer uitstel (delay) in IV stijging, terwijl resultaatsaankondigingen op de optievervaldag een kleinere volatiliteit in de aandeelreturn voortbrengen. De belangrijkste conclusie voor het eigen onderzoek is opnieuw dat het gedrag van IV stijgt voor de resultaatsaankondiging, een maximum bereikt één dag ervoor, en sterk daalt onmiddellijk na de nieuwsverspreiding. Deze masterproef tracht te onderzoeken of er significante verschillen zijn tussen US aandelenopties (nabij resultaatsaankondigingen) en EURO STOXX 50 opties; of de manier van uitoefenen (AM of EU) van invloed is; en of C en P opties in gedrag wezenlijk verschillen.

2.3

DE EVENT STUDIE METHODOLOGIE (Brown & Warner, 1985) voeren onderzoek naar de statistische eigenschappen van dagelijkse gewone en abnormale returns in event studies en hun robuustheid aan verschillende statistische problemen zoals non-normaliteit en autocorrelatie. (Fama, 1976, ch. 1) bewijst dat dagelijkse returns sterker van normaliteit afwijken dan maandelijkse returns en door fat tails gekenmerkt worden. Hetzelfde wordt door (Brown & Warner, 1985) aangetoond voor abnormale dagelijkse returns. Als de waarnemingen onafhankelijk en identiek gedistribueerd zijn met eindige variantie distributies, zal de normaliteit benaderd worden in een grote steekproef (centrale limietstelling). In het derde deel van deze studie (Opstelling Onderzoek) bevinden zich enkele tests naar skewness en kurtosis op de gebruikte steekproef om de verdeling op het gebied van normaliteit na te gaan. Een tweede probleem bij het gebruik van dagelijkse returns is de mogelijkheid op autocorrelatie aangezien de steekproef uit time-series data bestaat. De conclusie in (Brown & Warner, 1985) luidt echter dat de voordelen van het aanpassen van de kleinste kwadratenschatter aan autocorrelatie erg beperkt zijn. Als gevolg daarvan wordt in het eigen onderzoek de standaard kleinste kwadratenschatter gebruikt. Als derde probleem wordt het niet-synchroon traden van aandelen en opties vermeld. Bij minder actief verhandelde effecten kan het zijn dat de laatste verhandelde optie meer dan bijvoorbeeld dertig minuten voor of na het laatste verhandelde aandeel plaats vindt. Als de determinanten van de optie (standaardafwijking, prijs …) in die tussentijd wijzigen, leidt dat tot een meetfout. Dit onderzoek veronderstelt dat dergelijke fouten niet voorkomen of verwaarloosbaar zijn in de handel van effecten 29


van EURO STOXX 50 bedrijven. De algemene conclusie bevestigt dat event studies zeer robuust zijn tegen afwijkende statistische kenmerken van dagelijkse returns. Dit bewijs wordt nogmaals versterkt in (Peterson, 1989) waar gesteld wordt dat event studies het zelfs overbodig maken voor onderzoekers om verschillende statistische technieken te gebruiken ter ondersteuning van hun resultaten. De schatters in event studies zijn erg ongevoelig aan keuzes tussen bijvoorbeeld de kleinste kwadratenschatter en andere modellen. Het is beter één correcte test te selecteren dan meerdere die uiteindelijk hetzelfde zullen aantonen. (MacKinlay, 1997) levert een samenvatting van de belangrijkste karakteristieken in event studies en vermeldt het gebruik van een constant mean return model als goed alternatief voor het marktmodel. De voornaamste beweegreden voor het gebruik van marktmodellen ligt in het verlagen van de variantie in de abnormale returns, door het gedeelte van de return dat de variantie veroorzaakt te verwijderen. De regressie met marktmodel zal beter presteren als de R² groter is. Bij factormodellen wil men hetzelfde doel bereiken door een groter deel van de normale return te verklaren m.b.v. verklarende factoren, wetende dat een marktmodel gelijk is aan een factormodel met slechts één factor. In de literatuur wordt nauwelijks bewijs gevonden voor de toegevoegde waarde van het gebruik van factormodellen. Naast bovenvermelde statistische modellen kunnen ook economische modellen zoals het CAPM toegepast worden in het onderzoek. In event studies kwam het CAPM in de jaren zeventig vaak voor, maar het is in onbruik geraakt wegens de moeilijkheid om aan de onderliggende assumpties te voldoen. Zo wordt onder meer van een perfect efficiënte en liquide markt zonder transactiekosten en met rationele en risico-averse investeerders uitgegaan. Het APT model biedt soelaas, maar dan is het nuttiger om van statistische modellen gebruik te maken. Onder de assumpties van statistische modellen (returns zijn normaal, onafhankelijk en identiek verdeeld over de tijd) kan de kleinste kwadratenschatter toegepast worden. In event studies zijn de resultaten voldoende robuust om tegemoet te komen aan afwijkingen van deze assumpties. Zo zal de centrale limietstelling over een voldoende grote steekproef normaliteit veronderstellen, zelfs al wijken de resultaten daarvan af volgens kurtosis en skewness. Zoals blijkt uit voorgaand onderzoek, worden dagelijkse abnormale returns vaak geplaagd door een buitenproportionele skewness. (Corrado, 1989) stelt een non-parametrische rank test voor om de skewness te corrigeren wat leidt tot een hogere power in dagelijkse abnormale returns. De power, ofwel de kans op het verwerpen van een foutieve nulhypothese, daalt wanneer de kans op een type II fout stijgt wegens P(type II fout) = β en power = P(type I fout) = 1 – β. In de zelf uitgevoerde tests wordt uitgegaan van een voldoende grote power vanwege het volgende: het vergroten van de steekproef en nemen van een kleine event window zijn volgens (MacKinlay, 1997) goede manieren om de power op te drijven. Omdat in het eigen onderzoek steeds volgens deze regels is gewerkt, worden geen problemen verwacht m.b.t. power. Onderstaande grafiek bevestigt deze veronderstelling: de power neemt zeer snel toe met het aantal securities wanneer gebruik wordt gemaakt van dagelijkse data. 30 Masterproef Michaël Vandendriessche 2011-2012

F IG 6: V ERHOUDING VAN STATISTISCHE POWER TOT HET AANTAL ONDERZOCHTE SECURITIES (M AC K INLAY , 1997) In het onderzoek wordt onder meer met constant mean returns gewerkt bij het bepalen van de estimation window regressies. Er wordt gesproken over een estimation window van 120 dagen voor een event waarin geen andere, koersbeïnvloedende, events voorkomen. Daar in dit thesisonderzoek de frequentie waarmee bedrijfsnieuws verspreid wordt in de EURO STOXX 50 ondernemingen zeer hoog ligt (een gemiddelde van 17 per jaar of ongeveer een event per drie weken), werd geopteerd voor een lange periode in het jaar voorafgaand aan de te testen periode, met als doel een zo getrouw mogelijke weergave van de normale returns te verkrijgen. Met het marktmodel verkrijgt men de onderstaande grafiek, die verschillen in CAR[t-20;t] van t-20 tot t+20 weergeeft, met onderverdeling naar goed, slecht of geen nieuws.

F IG 7: B EWEGING VAN CAR IN AANDELEN ROND RESULTAATSAANKONDIGINGEN MET ONDERSCHEID NAAR GOED / SLECHT NIEUWS – MARKTMODEL (M AC K INLAY , 1997) Het constant mean return model leidt tot een licht verlies aan precisie, maar levert dezelfde conclusies. Opvallend is dat reactie van aandelenkoersen kort voor de 31 Masterproef Michaël Vandendriessche 2011-2012

aankondiging gemiddeld gezien in de juiste richting beweegt naargelang de uitkomst van het nieuws.

F IG 8: B EWEGING VAN CAR IN AANDELEN ROND RESULTAATSAANKONDIGINGEN MET ONDERSCHEID NAAR GOED / SLECHT NIEUWS – CONSTANT MEAN RETURN MODEL (M AC K INLAY , 1997) Om interessante geaggregeerde resultaten te bekomen, is het dus nodig cumulatieve abnormale returns te bepalen wanneer men over de tijd aggregeert, en gemiddelde abnormale returns wanneer men verschillende events en/of securities samen neemt . Bij dat laatste mogen event windows over verschillende events niet overlappen, wat in het eigen onderzoek wordt gerespecteerd. (De Jong, 2007) vermeldt dat cross-sectionele en seriële correlatie voornamelijk problematisch zijn in event studies met een lange tijdshorizon. De korte event windows en dagelijkse data, toegepast in het eigen onderzoek, ondergaan daarvan dus weinig hinder. Zoals (Brown & Warner, 1980) al aangaven, is het beter de data goed te selecteren door problemen zoals volatility smiles uit te zuiveren en de nieuwsberichten precies te definiëren, dan elke mogelijke statistische afwijking te corrigeren via de gebruikte modellen. Deze methodologie wordt gevolgd in de masterproef. De recente

studie

(Ahern,

2009)

bevestigt

bias

wanneer

een

kleinste

kwadratenschatter en t-tests worden gebruikt bij het testen van abnormale performantie in kleine ondernemingen. Non-parametrische tests zijn volgens de auteur in dat geval ook geen ideale oplossing, omdat ze werken met de mediaan i.p.v. gemiddelden, wat de noodzaak tot aanpassing aan de context van de event studie voortbrengt. Opnieuw toont men aan dat multifactoriële modellen niets van de bias wegnemen. Een betere oplossing bereikt men door de estimation window over een zo normaal mogelijk periode te laten lopen om bias te vermijden. Dit onderzoek legt de nadruk op het belang van een goed gekozen estimation window en correct statistisch model om de normale returns te schatten.


2.4

FUSIES EN OVERNAMES (Halpern, 1983) stelt als fundamentele voorwaarde voor event studies het veronderstellen van een efficiënte kapitaalmarkt voor publiek verspreide informatie, duidend op een semi-efficiënte markt. Hoewel er zowel bewijs vóór (Fama, 1991) als tegen efficiënte kapitaalmarkten bestaat, besluit (Shiller, 2003) dat efficiënte marktmodellen de ideale marktsituatie beschrijven en aangevuld moeten worden met behavioural finance principes. Dat laatste helpt te begrijpen hoe bubbles ontstaan als gevolg van verkeerde inschattingen door marktpartijen en de misallocatie van resources. Het is in dit onderzoek mogelijk uit te gaan van een efficiënte markthypothese maar dit dient altijd kritisch benaderd te worden: prijsbewegingen kunnen steeds te wijten zijn aan goede prestaties van de onderneming rond een event, wat de resultaten van de event studie vertekent. (Halpern, 1983) past deze event studie toe op M&A en maakt daarbij het onderscheid tussen enerzijds acquisities die als doel hebben de groei in sales of activa te maximaliseren (uitbreiding) en anderzijds een maximalisering van de value (acquisitie als investering). De opbrengst voor de overnemer komt neer op de stijging in aandelenprijs over een bepaald tijdsinterval vermenigvuldigd met het aantal aandelen in bezit, dit alles na aanpassing aan markttrends en dividenduitkeringen. Voor de event date wordt gekozen tussen de eerste publieke aankondiging van een overname of fusie en de dag waarop deze daadwerkelijk doorgaat. In het eigen onderzoek worden deze verschillende event types aangeduid met ‘overname’ of ‘fusie’ en ‘overname compleet’ of ‘fusie compleet’. De studie uit 1983 bevat duidelijk bewijs van positieve AR’s en CAR’s voor de target firm, onafhankelijk van de gekozen event date. Dit abnormale gedrag in de aandelenkoers is het sterkst pre event date. De onderneming die de overname onderneemt, zal positieve AR’s en CAR’s zien in zijn aandelenquotes bij een tender offer, en negatieve of positieve abnormale waarden bij fusies. Dit alles is consistent met value maximization strategies: de beslissing tot een overname wordt gezien als een investeringsbeslissing waarbij de NPV positief dient te zijn daar de acquisitie de overnemer minstens een normale return dient te garanderen. De mogelijke motivaties voor deze strategie zijn cashbeleggingen, synergie tussen de ondernemingen, het uitbuiten van informatieasymmetrieën of simpelweg controle krijgen over de target firm. Tegenover value maximization strategieën staan de non-value maximization strategieën: het maximaliseren van de groei in sales/activa of het uitbreiden van de onderneming met als doel de grootste afzetter te worden. Aandeelhouders van de overnemer krijgen hierdoor een minder dan gemiddelde return. Deze motivaties zijn niet gekend in de eigen studie en worden niet onderzocht doch zijn potentieel interessant voor verder onderzoek naar optieprijzen. Volgens (Dodd, 1980) is er in fusies sprake van abnormale returns vanaf 10 dagen voor de eerste publieke aankondiging tot 10 dagen na de goedkeuring door de aandeelhouders. Afhankelijk van de uitkomst zullen aandeelhouders van de target 33


firm gemiddeld genomen 13% positieve abnormale return ontvangen gedurende deze periode; 34% wanneer de fusie uiteindelijk doorgaat en 4% anderzijds. Het biedende bedrijf krijgt gemiddeld negatieve abnormale returns van 6% te verwerken. In dit thesisonderzoek wordt de frequentie van significante AIV returns gemeten voor overnames, fusies en tender offers op de verschillende data en vergeleken met de conclusies uit (Halpern, 1983). (Dodd, 1980) laat toe het verschil met stopgezette fusies of overnames te testen. De resultaten worden echter niet vergeleken met deze onderzoeken omwille van de veel kortere tijdsintervallen en de afwezigheid van optieprijzen van de target firms in de masterproef.

2.5

OPTIEKENMERKEN De belangrijkste kenmerken in het gedrag van optiekoersen worden besproken in (Corrado & Su, 1997). Daar wordt bewezen dat het Black-Scholes model deep ITM en far OTM opties consistent verkeerd waardeert. Onder traders staat dit effect bekend als de volatility smile of skew. In het thesisonderzoek wordt getest of dit effect in de eigen data ook aanwezig is. De onderzoekers vinden significante negatieve skewness en positieve kurtosis in S&P 500 opties die ver van ATM opties liggen. De toepassing van het model in (Jarrow & Rudd, 1982) laat toe deze non-normale eigenschappen te detecteren, wat empirisch wordt aangetoond in (Corrado & Su, 1997). Het eigen onderzoek gebruikt de EU optiedata verkregen uit Datastream dat hiervoor gebruik maakt van de Black-Scholes prijsformule. Als gevolg daarvan worden deep ITM en far OTM opties verwijderd uit de steekproef. OTM opties zullen vaker verhandeld worden dan ITM opties wegens hun hogere potentiële leverage en zijn daarom betrouwbaarder in onderzoek (Carr & Wu, 2009), (Boes, Drost, & Werker, 2007). Het meeste onderzoek is gebeurd op basis van ATM opties. Korte termijn opties worden ook meer verhandeld in vergelijking met hun lange termijn tegenhangers welke minder beïnvloed worden door events (Ding, 2009), moneyness (ITM, ATM, OTM) en uitoefenprijs. Gemiddeld genomen worden meer calls dan puts verhandeld: men onderscheidt een put-call ratio van gemiddeld 30% (Pan & Poteshman, 2006). Microstructuren die vertekende resultaten geven, zijn te vermijden. Daarom worden best optieprijzen groter dan $0.125 en met vervaltermijnen langer dan 1 week gekozen. De open interest zou groter moeten zijn dan 200 en de waarde van het onderliggende aandeel groter dan $10. Zo worden de meest significante resultaten verkregen. (Ding, 2009) De optiedata in het eigen onderzoek voldoen hieraan.


2.6

DE PSYCHOLOGIE VAN MARKTPARTIJEN In (Cao & Ou-Yang, 2008) wordt een model gebouwd voor trading wanneer er sprake is van meningsverschillen tussen traders, zowel voor aandelen als opties. In het kader van dit thesisonderzoek komt men tot de belangrijke conclusie dat aandelen verhandeld worden op basis van meningsverschillen in precisie van alle verleden en huidige informatiestromen. Bij opties geldt dit enkel voor huidige en toekomstige informatie. De observaties hebben tot gevolg dat aandelen verhandeld worden op de event-dag en de daaropvolgende dagen, terwijl optiehandel geclusterd is voor en tijdens events, zoals in ander onderzoek al was aangetoond. Met de eigen dataset wordt hiervoor bewijs geleverd met een nadruk op de verschillen tussen EU, AM, C en P opties. (Barber & Odean, 2007) argumenteren dat individuele investeerders koersen stuwen op basis van de aandelen die in de kijker staan door nieuws, abnormaal hoge verhandelde volumes of extreme dagelijkse returns. Daar individuele investeerders gewoonlijk niet short-sellen, is hun gedrag gelimiteerd tot het kopen van de opvallende aandelen. Dit betekent dat deze investeerders zich laten leiden door de in het oog springende aandelen eerder dan hun preferenties. Zo bewijst dit onderzoek hoe belangrijk nieuwsverspreidingen zijn in het stuwen van aandelenkoersen en, in het eigen onderzoek, optiekoersen. Natuurlijk zorgt dit gedrag niet voor optimale returns voor de investeerder daar de aandelenkoers overgewaardeerd is na een nieuwsverspreiding en snel weer zal dalen in de daaropvolgende dagen zoals aangetoond in overig onderzoek. (Han, 2007) levert bewijs voor steilere volatility smiles wanneer meer marktpartijen bearish zijn en wanneer speculanten grotere short posities innemen. Terzelfdertijd wordt de risiconeutrale skewness van de optie-index negatiever. Men leidt af dat de markt imperfect is en dat marktpartijen niet volledig rationeel handelen. De opname van het marktsentiment in optieprijzen gebeurt enerzijds via een ‘demand-pressure effect’ waardoor een grotere vraag (open interest) van de end user de optieprijzen beïnvloedt en anderzijds via de combinatie van de gemiddelde verwachting van zowel rationele als irrationele beleggers. In (Garleanu, Pedersen, & Poteshman, 2009) wordt het demand-pressure effect uitgebreid geanalyseerd en besluit men dat een perfecte hedge van een optieportfolio niet mogelijk is door marktimperfecties. Als gevolg daarvan zal de vraag van end users optieprijzen beïnvloeden wanneer de tegenpartijen risico-avers zijn. De prijs stijgt proportioneel met de variantie van het niet te hedgen gedeelte van de optie bij deze risico-averse partijen. Andere opties uitgeschreven op hetzelfde onderliggend actief zullen op dezelfde manier reageren, nu echter met de covariantie. Ook de manier waarop informatie wordt weergegeven, beïnvloedt de reactie erop door investeerders. (Henry, 2008) geeft aan dat de prospect theorie, waarbij mensen de hoedanigheid van een positief of negatief bericht toetsen aan referentiepunten, 35


van toepassing is op financiële markten. De manier waarop ondernemingen een bericht de wereld insturen, evenals de lengte, beïnvloedt marktkoersen: zo zal een langer bericht tot lagere volatiliteit leiden. Een laatste interessante bevinding over investeerdersgedrag is terug te vinden in (Horst & Veld, 2008): men waardeert call warrants veel hoger dan call opties, terwijl beide instrumenten identiek functioneren. Zo ziet men dat de invloed van financiële instellingen, die investeringen in ‘minder risicovolle’ beleggingen adviseren, marktimperfecties teweeg kunnen brengen door financiële instrumenten anders voor te stellen dan ze in werkelijkheid zijn.

2.7

DE INVLOED VAN MANAGEMENT OP NIEUWSVERSPREIDINGEN Een interessant optiegerelateerd topic gaat over het tijdstip waarop opties als compensatie worden toegekend aan CEO’s. (Yermack, 1997) besluit dat dit overeenkomt met het moment waarop de aandelenkoers bezig is aan een opwaartse beweging. De cumulatieve abnormale return stijgt gemiddeld 2% in de 50 dagen volgend op de toekenning van opties. Uit de analyse van resultaatsaankondigingen blijkt dat de toekenning kort voor de aankondigingsdatum plaatsvindt. Hypothesen over insider trading-invloeden of de manipulatie van het tijdstip waarop nieuws wordt verspreid worden verworpen. Managers zouden hun compensatie dus beïnvloeden wanneer ze een verbetering in de resultaten waarnemen of verwachten. (Chauvin & Shenoy, 2001) onderzoeken hetzelfde onderwerp maar stellen de vraag of managers via nieuwsverspreidingen de aandelenkoers beïnvloeden net voor het verkrijgen van opties zodat een voordelige strike verkregen wordt. In de periode van tien dagen voor de toekenning van opties worden significant abnormale dalingen in de aandelenkoers waargenomen, wat de hypothese bevestigt. Executives zullen vóór het verkrijgen van opties trachten slecht nieuws uit te brengen en de verspreiding van goed nieuws uit te stellen. Net zoals (Yermack, 1997) besluit men dat er geen sprake is van insider trading. Er is echter wel koersmanipulatie door het controleren van de nieuwsverspreidingen, hoewel dit in het onderzoek niet rechtstreeks kan getest worden. De uitgevers van deze opties gaan niet over tot alternatieve verloningsmethoden vanwege de stroefheid in boekhoudkundige en legale standaarden die extra kosten veroorzaken indien men bijvoorbeeld opties met een andere strike wil hanteren. Een nog recenter onderzoek bewijst de manipulatie van repricing data door CEO’s (Callaghan, Saly, & Subramaniam, 2004). Men observeert grote dalingen in de aandelenprijs in de periode twintig dagen na repricing en zulke events hebben vaak plaats enerzijds vóór een verspreiding van goede resultaten of anderzijds na slechte resultaten. Het doel van de executives is opnieuw de strike laag te houden wat tot een voordeliger resultaat zal leiden wanneer zij hun opties uitoefenen. Sinds 2002 is dit effect afgezwakt door de verplichting van de SEC dat dergelijke optiepakketten publiek moeten worden gemaakt. Het grootste deel van de abnormale returns rond option grants kan verklaard worden door backdaten (de strike wijzigen door manipulatie van de uitgiftedatum) (Heron & Lie, 2007). Nog meer 36


bewijs is te vinden in (Efendi, Srivastava, & Swanson, 2007), waar men vaststelt dat foutief opgemaakte financiële statements sterk in aantal toenemen wanneer CEO’s significante hoeveelheden ITM opties in bezit hebben. Hetzelfde geldt wanneer ondernemingen gebonden zijn door schuldovereenkomst-contracten, wanneer zij nieuwe schulden willen aangaan of nieuw kapitaal wensen op te halen, en ten slotte wanneer de CEO ook in de raad van bestuur zetelt. Ten slotte vinden (McAnally, Srivastava, & Weaver, 2008) dat gemiste financiële doelen duidelijk gevolgd worden door grotere optie grants aan executives. Ook de kans dat voorspellingen van resultaten worden vrijgegeven door managers, is onderhevig aan enkele factoren. Zo geven (Bamber & Cheon, 1998) ten eerste aan dat

managers

vaker

voorspellingen

zullen

releasen

wanneer

ze

lagere

informatiekosten (bijvoorbeeld: de kost die men als nadeel lijdt wanneer concurrenten

de

informatie

hebben)

te

verwerken

krijgen,

omdat

dit

groeiopportuniteiten in het gedrang kan brengen. Ten tweede verspreiden managers vaker dergelijke aankondigingen wanneer de blootstelling aan de wettelijke noodzaak om te berichten over slechte resultaten daalt. Zij lopen dan immers het risico de bal mis te slaan in de negatieve zin en beperken zich tot de standaard resultaatsaankondigingen. Nog een laatste bewijs wordt geleverd in (Coles, Hertzel, & Kalpathy, 2006): managers zullen voordeel hebben van een lagere strike wanneer opties worden heruitgegeven (reissued). Dit kunnen ze bekomen door de ‘accruals’ (passiva en nietcash gerelateerde activa) kunstmatig laag te houden. Men vindt bewijs voor abnormaal lage accruals voor de datum van reissue. Omdat deze accruals echter weinig power hebben om de aandelenkoers te bepalen na de heruitgave, kan besloten worden dat analisten en investeerders dit gedrag van managers anticiperen. Bijgevolg reageren zij niet op de lage waarden waardoor de aandelenkoers standvastig blijft.

Deze masterproef probeert dus de missende elementen in het voorgaand onderzoek in te vullen door de invloed van onverwacht nieuws op optieprijzen te testen, waar dit tot nu toe enkel gebeurd is voor resultaatsaankondigingen, en door de verschillen door optiekenmerken (C, P, AM, EU) na te gaan.


OPSTELLING ONDERZOEK Het eigenlijke onderzoek wordt ingeleid door een beschrijving van de toegepaste onderzoeksmethodiek, de dataset en het bedrijfsnieuws evenals de werkwijze bij het verwerken van de data en uitleg bij de gebruikte statistische tests. In het volgende deel start dan het feitelijk onderzoek, ingeleid door de vooropgestelde hypothesen.

3.1

EVENT STUDIES In deze masterproef wordt gebruik gemaakt van de gekende event studie onderzoekstechniek. Daarbij wordt nagegaan of een event een significante invloed heeft op effectenkoersen. Onder event wordt verstaan: een specifieke gebeurtenis op bedrijfs-, sectoraal of macro-economisch niveau. Op bedrijfsniveau slaat dit op nieuwsverspreidingen in verband met acquisities, fusies, resultaatsaankondigingen, winstwaarschuwingen,

aandelenuitgiftes,

uitgiftes

van

obligaties,

dividendaankondigingen, het aansnijden van een nieuwe markt, een innovatie, investeringen, partnerships, wijzigingen in het management en vele andere. De andere niveaus slaan bijvoorbeeld op economische events zoals een waarschuwing voor terugvallende inkomsten in een bepaalde sector, een wijziging in de rentevoet, enz. Het eigen onderzoek zal enkel rekening houden met events die zich voordoen op bedrijfsniveau. Er is een beperking ingelegd op het type informatie: enkel de persberichten uitgaande van het bedrijf worden beschouwd. Op die manier wordt moeilijker te vinden informatie zoals voorspellingen van resultaten en publicaties over algemene vergaderingen, jaarverslagen of boekhoudkundige resultaten door analisten uit het onderzoek geweerd. De methodiek van een event studie wordt hieronder uitgezet en is gebaseerd op (Brown & Warner, 1985). Belangrijk te weten is dat event studies gewoonlijk op effecten als aandelen, indices, obligaties, commodities, enz. worden toegepast terwijl hier naar optieprijzen wordt gekeken. Daarom wordt van de traditionele event studies afgeweken door het nemen van verschillen in de volatiliteit van een optie. Verder zal steeds worden verwezen naar implied volatility returns als zijnde de dagelijkse logaritmische wijzigingen in implied volatilities.

3.1.1

Event Window Men omschrijft een event window als een vrij korte periode die de event omvat en van een paar dagen voor de aankondiging tot een paar dagen erna loopt. Deze periode is vrij te selecteren in functie van elk onderzoek. Op basis van andere studies werd besloten de window PRE (PR) [t-2 ; t] 38


te gebruiken voor het aantonen van de proactieve rol van optieprijzen bij een aankondiging. Ook een window POST (PO) [t ; t+2] is toegevoegd ter controle van een mogelijke gelijkaardige reactie van optieprijzen op aandelenprijzen rond een event. Deze laatste zullen vaak een vertraagde reactie vertonen en pas vanaf de event-dag en de daaropvolgende dagen significante koersschommelingen kennen. Eerst werd geopteerd voor een window BOTH [t-2 ; t+2] waarmee zou nagegaan worden of de optieprijsschommelingen enkel significant zijn over een langere periode en opties dus geen schommeling vertonen enkel vóór de event of er net na. Grotere intervallen kunnen moeilijk genomen worden daar opties gewoonlijk over vrij korte termijnen lopen en omdat events elkaar soms vrij snel opvolgen en een overlap van event windows op die manier vermeden wordt. Tijdens het onderzoek werd besloten dat de windows pre en post gecombineerd kunnen worden om deze langerlopende window weer te geven, waardoor window both (beide) niet meer van toepassing is. Dit vooral om de tijd van gegevensverwerking te reduceren. Indien in deze masterproef de windows pre en post worden vergeleken, zal de event-dag t daar worden uitgezuiverd zodat de er geen afbreuk aan de crosssectionele onafhankelijkheid van de testobjecten wordt gedaan. Om toch een gevoel van volledigheid te krijgen, werd geopteerd in enkele opties een laatste window te testen met interval [t-30 ; t] Dit leverde in een beperkt aantal tests zeer insignificante resultaten wat erop wijst dat implied volatilities cumulatief geen abnormale sprongen vertonen wanneer beschouwd over veel langere termijnen dan de eerder voorgestelde event windows. Vanuit empirisch standpunt kan ook meteen worden gezien dat positieve en negatieve sprongen elkaar voortdurend afwisselen, waardoor zij een uitdovend effect hebben over langere looptijden. Ten slotte zal deze window leiden tot voortdurende overlap van event dates omdat deze gemiddeld elke drie weken voorkomen. Er wordt op gewezen dat de datum vermeld bij nieuwsverspreidingen geen indicatie van het exacte uur van publicatie draagt. Dit betekent dus dat de mogelijkheid bestaat dat nieuws pas na het sluiten van de beurs publiek wordt gemaakt, waardoor (t+1) de betekenis van t krijgt. In het onderzoek is daar rekening mee gehouden door IV, OP en AP op tijdstip t+1 te berekenen. Zo goed als alle events lijken echter voor te vallen binnen de uren van beurshandel.


3.1.2

Estimation Window De estimation window is geselecteerd op basis van de beschikbare data en heeft als voornaamste voorwaarde dat deze geen (onderzochte) events insluit. Om aan de veronderstellingen van normaliteit te voldoen, dient deze window ruim genoeg gekozen te worden. De estimation window omvat in Europese opties de implied volatility returns van 01/08/2007 t.e.m. 31/12/2007 en voorziet het onderzoek zo van een steekproef over vijf maanden. De reden hiervoor is dat de IV gegevens slechts vanaf dat tijdstip te vinden zijn in Datastream. Amerikaanse opties verschillen hierin en hebben een grotere beschikbaarheid van historische gegevens. Daarom hebben zij een estimation window lopende van 01/01/2007 t.e.m. 31/12/2007 wat de window uitbreidt tot een jaar. Deze steekproef wordt vervolgens gebruikt om een regressie op te stellen: het is nodig een schattingsmodel te maken dat de normaal verwachte returns weergeeft waartegen nadien de abnormale returns afgewogen kunnen worden. Het uitvoeren van de regressie over de estimation window gebeurde op basis van de continue ATM implied volatility. Deze reeks verschaft een gewogen gemiddelde van de twee dichtst bij de uitoefenprijs liggende opties, wat het een interessante indicator maakt voor de normale beweging die men kan verwachten in de volatiliteit van een optie.

3.1.3

Marktmodel De afhankelijke variabele y in een regressie wordt bepaald door een functie f, opgebouwd uit onafhankelijke variabele(n) x, en storingsterm u. Vaak wordt het marktmodel (MacKinlay, 1997) gevolgd met als vorm: Ri,t = αi + βi RM,t + εt (E[εt] = 0 , Var(εt) = constant) waarbij αi de excessieve return van een effect weergeeft (mispricing), β i het nietdiversifieerbare risico (het risico dat men in een effectenportefeuille niet kan wegwerken door in meer ongecorreleerde of negatief gecorreleerde effecten te beleggen) evenals de gevoeligheid van het effect op wijzigingen in de marktreturn (sterker, evenredig of zwakker) en R M,t de marktreturn is, bijvoorbeeld van de EURO STOXX 50. εt is ten slotte de storingsterm in deze regressie. In een situatie waarbij de steekproef de populatie benadert, zullen deze componenten van de formule simpelweg de marktportfolio benaderen, volledig gezuiverd van het niet te diversifiëren risico, met excessieve returns en storingsterm die naar 0 convergeren en een return die evenredig met de markt beweegt wat een factor bèta van 1 impliceert. In dit onderzoek vereist bovenstaand model een schatting van de blootstelling van de optie implied volatility aan de gemiddelde IV van de markt (ATM). In termen van aandelen bestaat er één eenvoudige index (EURO STOXX 50), voor opties ligt dit wat moeilijker: de VSTOXX is een rechtstreeks gemiddelde van de optieprijzen op de 40


aandelen in de index, maar is opgedeeld per vervaltermijn. Zo is er een VSTOXX voor 30, 60, 90, 120, 150, 180, 210, 240, 270, 300, 330 en 360 dagen. Dit zou een enorme stijging in gegevensverwerking tot gevolg hebben daar een analyse nodig is voor elke beschikbare optie over een termijn van twee jaar. Daarnaast indexeert de VSTOXX de optieprijzen terwijl in dit onderzoek, zoals in voorgaand onderzoek, de IV algemeen als de beste indicator voor koersschommelingen wordt gezien. Ten slotte zou het analyseren van de optieprijzen i.p.v. de IV’s een regressie van elke optielooptijd vereisen. In de volgende alinea wordt ingegaan op de toegepaste regressietechniek. Zoals (MacKinlay, 1997) heeft aangetoond, vormt het constant return model een volwaardig alternatief indien dagelijkse reeksen van data (daily returns) gebruikt worden. De variantie van abnormale returns zou maar weinig wijzigen indien uitgebreidere modellen zoals het marktmodel toegepast worden. Het constant mean return model heeft de volgende vorm: Ri,t = µi + εt (E[εt] = 0 , Var(εt) = constant) Om de formule enigszins een optiekarakter te geven, wordt ze als volgt aangepast: IVi,t = µi + εt (E[εt] = 0 , Var(εt) = constant) met IVit de implied volatility return van optie i op tijdstip t en µi de constante gemiddelde IV van optie i. µi is de specifieke return van het effect in een sample met een constant steekproefgemiddelde wat betekent dat de relatieve koersschommelingen geregresseerd worden op telkens hetzelfde steekproefgemiddelde, bijvoorbeeld 0. Deze vereenvoudiging heeft tot gevolg dat slechts één regressie dient uitgevoerd te worden per onderneming. De regressie, in standaardvorm, ziet er dan als volgt uit: Yi = αi + βi RM,t + εt wat wegens het constante gemiddelde vereenvoudigt tot Yi = αi + εt De abnormale IV is nu gelijk aan de storingsterm εt in het marktmodel of in het constante mean return model (of beter: constant mean IV model) welke opgehaald is via bovenstaande kleinste-kwadraten regressie. In dit onderzoek wordt het laatste model gevolgd en zal de abnormale implied volatility return gelijk zijn aan AIVi,t = εt = IVi,t - αi met αi gelijk aan het intercept in de regressie.


In een voldoende grote steekproef en gebruik makend van de centrale limietstelling is deze AIV bij benadering normaal verdeeld met een steekproefgemiddelde van 0 en een variantie gelijk aan de variantie van de storingstermen εt. AIV ~ N(0, var(εt)). Andere bruikbare statistische tests in event studies zijn: CAIV (cumulative abnormal implied volatility return) Deze meet de abnormale IV over de perioden pre of post zoals vermeld aan het begin van deze paragraaf en is gekenmerkt door de formule

∑

die eenvoudigweg de abnormale IV returns optelt over de periode [t1 ; t2]. AAIV (average abnormal implied volatility return)

∑

AAIV berekent het gemiddelde van verschillende abnormale IV’s met als doel bijvoorbeeld vergelijkende studies uit te voeren. Event studies worden normaliter toegepast op één event die bijvoorbeeld over verschillende indexen wordt getest en vergeleken. Met behulp van de AAIV kan in dit onderzoek zo nagegaan worden of een event categorie gemiddeld significant is over verschillende bedrijven. CAAIV (cumulative average abnormal implied volatility return)

∑

of ∑

De CAAIV ten slotte heeft dezelfde functie als de AAIV met als verschil dat dit een vergelijkende test van de perioden pre of post betreft.

De variantie van deze AIV is dan (

)

( )=

= constante (mean return model)

De variantie van de CAIV is nu gelijk aan de som van de varianties van elke AIV zodat (

)

∑

.


Tot slot de varianties voor AAIV en CAAIV: (

∑

)

(

)

∑

en (

)

∑

(

).

De nulhypothese die voor elke AIV wordt getest, ziet er dan uit als volgt: H0 : E[AIVi,t] = 0 welke wordt verworpen op een 5% significantieniveau wanneer de gevonden p-waarde kleiner is dan de waarde 0,05. De teststatistiek voor elke AIV is:

√

(

)

Bovenstaande testinstrumenten worden in de volgende hypothesen toegepast: H0: de abnormale (C)AIV is niet significant verschillend van 0. H1: de abnormale (C)AIV verschilt significant van de waarde 0. De p-waarde geeft de kans dat de teststatistiek ten minste zo extreem is als de geobserveerde waarde. Dit betekent dat H0 wordt verworpen indien p < 0.05 wegens het testen op een 95% betrouwbaarheidsniveau. Het onderzoek probeert overigens niet te verklaren of onderzochte verschijnselen zoals weekend-effecten (De Jong, 2007) bestaan. Als gevolg daarvan is het constant mean return model bewust niet uitgebreid met dummy-variabelen. Implied volatility returns In overeenkomst met voorgaand onderzoek werd geopteerd voor logaritmische returns in tegenstelling tot rekenkundige returns omdat beide voor kleine verschillen in return identiek zijn. De log returns hebben het voordeel dat zij dezelfde waarde teruggeven indien een stijging in IV gevolgd wordt door een even grote daling. Dit is niet het geval bij rekenkundige returns. Logaritmische returns werken immers op basis van symmetrisch verdeelde continuously compounded returns. In formules komt dit neer op het gebruik van LOG(IVi,t+1) - LOG(IVi,t)


3.2

DATASET Wegens het aantreffen van veel voorgaand onderzoek naar de invloed van bedrijfsevents op optieprijzen, is de voorkeur uitgegaan naar het onderzoeken van Europees genoteerde aandelen. De veronderstelling is dat de liquiditeit van de optiehandel op Europese beurzen nog steeds vrij klein is in vergelijking met de Amerikaanse zijde van het verhaal. Dit kan interessante resultaten opleveren m.b.t. het tijdstip waarop Europees verhandelde opties significant reageren of proactief fluctueren in nabijheid van een event. Als logisch gevolg is de voorkeur uitgegaan naar de EURO STOXX 50 aandelenindex. Deze index verzamelt de grootste bedrijven in de Eurozone in termen van marktkapitalisatie, wat belangrijk is om de liquiditeit van de verhandelde opties en als gevolg ook de statistische significantie van de gevonden resultaten te garanderen. Genoteerde aandelen op de EURO STOXX 50 zijn afkomstig van aandelen uit de volgende landen in de Eurozone: België, Frankrijk, Duitsland, Nederland, Luxemburg, Italië, Spanje, Portugal, Ierland, Griekenland, Finland en Oostenrijk. Er bevinden zich in deze index dus geen Angelsaksische bedrijven, het type onderneming waar voorgaand onderzoek zich meestal heeft op toegelegd. Het Verenigd Koninkrijk is uitgesloten uit deze index wegens het hanteren van een andere munt dan de euro. De opties uitgeschreven op deze Europese blue chip aandelen worden verhandeld op de respectievelijke nationale markten of de EUREX, een derivatenbeurs die ontstaan is uit de samenwerking tussen de derivatenafdelingen van de Deutsche Börse en de Swiss Exchange. De periode JAN08-JAN10 is geselecteerd als termijn waarbinnen events worden getest omdat dit, als gevolg van de financiële crisis, de significantie van de volatiliteit ten goede komt en een voldoende grote steekproef levert die de statistische tests ondersteunt. Bij het testen werd de algemene trend van de index in gedachten gehouden: vanaf 2008 was de index in vrije val en aan deze tendens kwam slechts een einde in maart 2009 waarna de genoteerde aandelen terug een voorzichtige groei begonnen te vertonen.

F IG 9: EURO STOXX 50 INDEX 2008-2009


Voor het ophalen van de nodige call en put optieprijzen met informatie over de vervaldatum, uitoefenprijs, Amerikaanse of Europese typering, verhandelde volumes en open interest is gebruik gemaakt van Datastream. Van elke optie is de strike, optieprijs en IV gebruikt voor de voorgenoemde tijdsduur. Uit de dataset van Amerikaanse opties (in Datastream berekend met het binomiale model van CoxRubinstein) werden de volgende EURO STOXX 50 ondernemingen verwijderd: ARCELORMITTAL, CARREFOUR, CRH, VOLKSWAGEN, INDITEX, AB INBEV en UNIBAILRODAMCO. Van de eerste vier bedrijven is geen of slechts data vanaf 2011 te vinden, INDITEX heeft enkel de opties genoteerd in Spanje vanaf SEP07 en de laatste twee ondernemingen hebben slechts data vanaf MAY08. Omdat voor de estimation window bij alle andere Amerikaanse opties de IV data van heel 2007 gebruikt wordt, is het nuttig voor het onderzoek deze bedrijven uit te sluiten. De Amerikaanse gegevens zijn steeds op de EUREX genoteerde opties, daar deze voor de meeste bedrijven, behalve bovenstaande, beschikbaar zijn. Amerikaanse opties genoteerd op landspecifieke beurzen komen in dit onderzoek bijgevolg niet aan bod. Europese opties (berekend via Black-Scholes) worden slechts op een beperkt aantal EURO STOXX 50 ondernemingen toegelaten, wat leidt tot Europese data voor 21 bedrijven. Het verschil in gebruikt model voor Europese en Amerikaanse opties is van weinig belang omdat beide modellen dezelfde assumpties hebben. Houdt men geen rekening met dividenden, dan convergeert het discrete binomiale model naar het continue Black-Scholes model als het aantal tijdsstappen oneindig groot wordt.

F IG 10: VSTOXX, EURO STOXX 50 OPTIE VOLATILITY INDEX


3.3

NIEUWSVERSPREIDINGEN Zoals andere onderzoekers al aantoonden, zijn nieuwsverspreidingen in de financiële sector afkomstig uit vele bronnen wat het moeilijk maakt een allesomvattende dataset m.b.t. nieuws te vormen (Thompson et al., 1987). Daarom werd er uitsluitend gekeken naar nieuwsverspreidingen door de ondernemingen zelf. De meest voorkomende categorieën van nieuws zijn kwartaal- en jaarresultaten, M&A, investeringen, obligatie-uitgiftes, kapitaalverhogingen, contracten, nieuwe producten of services en wijzigingen in het management. Een selectie werd hier reeds gemaakt op basis van het ondernemingsprofiel. Zo verspreidt een bedrijf als Nokia zo goed als elke dag een persbericht, maar gaat het vaak over het op de markt brengen van een nieuw productmodel. Bedrijven in de olie- en gassector zullen zeer vaak berichten over het aantreffen van een nieuwe bron van olie of gas of het verkrijgen van rechten tot ontginning van een nieuw olie- of gasveld. Andere ondernemingen zullen dan weer uitpakken met gewonnen awards voor goed beheer of het gevoerde ecologisch beleid. Voorgenoemde persberichten zullen typisch weinig fluctuaties teweegbrengen op de aandelen- en optiekoersen omdat ze niet interessant zijn in termen van de winstgevendheid van de onderneming op groepsniveau.

3.4

OPSTELLEN VAN HET ONDERZOEK 3.4.1

Datacollectie Er is besproken het probleem aan te pakken met behulp van het softwarepakket MATLAB. Dit programma laat toe een estimation en event window automatisch te selecteren, waarna gemakkelijk de CAIV en CAAIV kunnen geprogrammeerd worden. Een zware bedenking hierbij is het specifieke karakter van deze studie: elke optie IV is onderhevig aan het nieuws van de onderneming waarop het van toepassing is. Dit betekent dat voor elk bedrijf nieuwe event windows geprogrammeerd dienen te worden. Ook de estimation window is, zoals tijdens het onderzoek gebleken, vaak geselecteerd op basis van de beschikbare data en verschilt onder andere per type optie (AM of EU). De IV is onderhevig aan zware schommelingen wanneer de optie uitgeschreven wordt en/of wanneer het einde van de looptijd nadert. Deze effecten worden via een geautomatiseerd proces ook als significant ervaren terwijl ze net uit het onderzoek dienen uitgesloten te worden. Het ophalen van de gegevens uit Datastream, het selecteren van de te onderzoeken opties op basis van o.a. de uitoefenprijs en het invoegen van de event windows op basis van bedrijfsspecifieke nieuwsverspreidingen zijn acties die MATLAB niet automatisch kan uitvoeren. Er werd daarom besloten het tijdsintensief aanpassen van de MATLAB code voor elke onderneming te vervangen door het werken met Excel sheets met behulp van de VBA programmeertaal. Na de import van Datastream strike, optieprijs, IV en onderliggende waarde van alle opties over de periode JAN08-JAN10 per onderneming, zowel voor de EU en AM reeksen evenals C en P opties, werden de 46


bedrijfsspecifieke events toegevoegd. Vervolgens werd een regressie opgesteld op basis van de ATM IV in een constant mean return model. De resulterende α en vormen de basis voor de berekening van een AIV, CAIV pre en CAIV post op elk tijdstip. Steeds is de significantie getest met behulp van de formules voor de variantie van AIV en CAIV, dit op een 5% significantieniveau. Ook andere testobjecten zoals de procentuele wijziging in de onderliggende aandelenprijs, de optieprijs en de IV zowel op tijdstip t als t+1 werden onderscheiden. De moneyness van elke optie werd bepaald door de strike te vergelijken met de spot price op elke datum. Een optie is in dit onderzoek ATM als de spot price niet meer dan 10% afwijkt van de strike. Voor AM opties werd een uitgebreide lusstructuur gehanteerd om de time to maturity voor elke optie in rekening te nemen: HKT (heel korte termijn) gelabelde opties vervallen binnen 5 dagen na de event, KT (korte termijn) opties vervallen binnen 30 dagen wegens de maandelijkse structuur van AM opties. LT (lange termijn) gelabelde opties ten slotte vervallen binnen meer dan 30 dagen na de nieuwsaankondiging. EU opties wijken hiervan af wegens de 6-maandelijkse optietermijn en krijgen dan ook het LT label wanneer de time to maturity groter is dan 180 dagen. HKT wordt in EU opties toegekend vanaf twee weken voor vervaldatum. Dichtbij vallende events en meerdere events op dezelfde dag werden gemarkeerd om ze duidelijk te onderscheiden van ‘normale’ events. Dit voornamelijk om de cross-sectionele onafhankelijkheid van de gegevens te vrijwaren. Als laatste element werd een label PR, PO, EV of BOTH gegeven aan een significant bevonden IV wijziging afhankelijk van de significantie van de AIV (EV), CAIV pre (PR), CAIV post (PO) of een combinatie (BOTH). Deze zijn cruciaal in het onderzoek omdat ze de stellingen over het tijdstip van de optieprijsfluctuatie nagaan. Via een uitgebreide VBA code werden bovenstaande gegevens automatisch berekend voor elke optie over de beschouwde dataset. De ondernemingen leveren 43 AM en 21 EU bruikbare typeringen wat voor C en P een totaal van meer dan 100,000 uitgeschreven opties over de periode JAN08-JAN10 levert. De VBA bewerkingen gebeurden dus op dit totaal vermenigvuldigd met het aantal beschouwde dagen (545) wat automatisering noodzakelijk heeft gemaakt. Na deze bewerking werden, opnieuw m.b.v. VBA, enkel de significante IV wijzigingen (d.i. met een p-waarde voor ofwel AIV, CAIV pre of CAIV post kleiner dan 0,05) in één tabel verzameld, onderverdeeld naar onderneming, C of P en AM of EU. Een zeer groot deel van de tijd besteed aan dit onderzoek is naar het efficiënt verzamelen van de gegevens gegaan. Het resultaat is daarom een overzichtelijke tabel met alle te onderzoeken data die het mogelijk maakt alle hypothesen op een vlotte manier te testen.

3.4.2

Optievolumes Oorspronkelijk zouden optievolumes getest worden via gelijkaardige event studies. De opgehaalde data laat echter uitschijnen dat slechts op zeer beperkte momenten 47


opties worden verhandeld en dat opties in een erg beperkte range van strikes worden aangeboden. De betrouwbaarheid van het onderzoek zou dus in het gedrang kunnen komen gezien de beperktheid in de verhandelde optievolumes van EURO STOXX 50 ondernemingen. Een event studie werd uitgevoerd op de verhandelde volumes van de AXA EU ATM continuous C van 01/05/2008 tot 19/09/2008. Hierbij werd de periode 31/07/2007 – 30/04/2008 gekozen als estimation window en werden dezelfde event windows gebruikt. De p-waarde geassocieerd met de AR, CAR PR en CAR PO levert de volgende insignificante resultaten. Met uitzondering van de aankondiging van jaarresultaten is geen enkele volumebeweging significant op de event-dag. Date

Type

ABS VOL.

sAR

sPR

sPO

8/05/2008

kwartaalresultaten

1

0,877442

0,799036

0,817234

19/06/2008

acquisitie compleet

1850

0,805174

0,97165

0,975447

11/07/2008

management

1

0,877612

0,790407

0,818917

23/07/2008

acquisitie compleet

415

0,94874

0,839387

0,852248

8/08/2008

kwartaalresultaten

320

0,877511

0,794138

0,817184

1

0,877612

0,789676

0,817738

795

0,878799

0,7999

0,820549

kwartaalresultaten

1

0,877444

0,794209

0,832254

19/12/2008

management

1

0,877612

0,789676

0,817318

20/02/2009

jaarresultaten

40015

0,877572

4,42E-10

0,825557

kwartaalresultaten

1

0,877612

0,789676

0,817318

management

1

0,877444

0,79527

0,86791

30

0,877953

0,790736

0,817405

aandeleninschrijving werknemers

1

0,877612

0,789676

0,817318

herstructurering

1

0,877612

0,789676

0,817318

819

0,981449

0,870314

0,889128

1

0,877612

0,789676

0,817318

19/08/2008

aandeleninschrijving werknemers

17/09/2008

nieuws

7/11/2008

8/05/2009 20/07/2009 6/08/2009 26/08/2009 8/10/2009

kwartaalresultaten

30/10/2009

kwartaalresultaten

10/11/2009

acquisitie --- aandelenuitgifte

18/11/2009

management

1002

0,878297

0,809296

0,817571

11/12/2009

nieuwe divisie

406

0,877658

0,789556

0,859499

21/12/2009

buyout

1

0,877612

0,789676

0,834108

T ABEL 3: I NVLOED VAN BEDRIJFSNIEUWS OP VOLUMEWIJZIGINGEN VOOR AXA EU CONTINUOUS C De reden voor de insignificante AR op 20/02/2009 is de even grote hoeveelheid opties die op t-1 verhandeld zijn (niet te zien in de tabel). Dit veroorzaakt slechts een klein verschil in verhandeld volume tussen t-1 en t. De aankondiging van jaarresultaten is dus duidelijk significant en veroorzaakt de grootste stijging in verhandeld optievolume één dag voor de aankondiging. Wegens de kleine volumestijgingen tijdens kwartaalresultaten kan deze bevinding niet veralgemeend worden voor aangekondigd nieuws. Bij onverwachte nieuwsverspreidingen is al helemaal geen relatie vindbaar. Hoewel categorieën acquisitie compleet en nieuws een grote volumestijging veroorzaken, worden zij toch niet als significant aangeduid. Dit duidt op de zware beperking van de ongewijzigde toepassing van event studies op 48 Masterproef Michaël Vandendriessche 2011-2012

volumes wanneer grote wijzigingen op een beperkt aantal dagen voorkomen. In de volgende tabel zijn alle significante volumebewegingen voor de AXA C verzameld. Dit zijn er erg weinig en ze bevatten slechts één nieuwsverspreiding. Date

Type

ABS VOL.

sAR

sPR

sPO

2/09/2008

80455

0

0

0

21/10/2008

12260

0,012337

0,205235

0,272608

19/11/2008

150000

0

0

0

6/01/2009

40000

0

2,17E-06

1,8E-05

13/01/2009

40000

0

2,17E-06

3,9E-05

19/02/2009

52000

0

4,42E-10

6,57E-08

40015

0,877572

4,42E-10

0,825557

25000

1,42E-07

0,004226

0,013235

20/02/2009

jaarresultaten

10/06/2009

T ABEL 4: S IGNIFICANTE VOLUMEWIJZIGINGEN VOOR AXA EU CONTINUOUS C

3.4.3

Regressiecoëfficiënten Omdat er een vermoeden bestond dat de C en P regressie outputs (estimation window) in dezelfde onderneming gelijkaardig waren, volgt hieronder een eerste onderzoek over de volledige reeks van optiedata. Van elke regressie werd de variantie verzameld en via een onafhankelijke Student’s t-test werden de gemiddelde varianties van C tegenover P opties uitgezet en vergeleken.

0,09 0,08 0,07 0,06 0,05

VAR P

0,04

VAR C

0,03 0,02 0,01 0

AIR LIQUIDE t.e.m. VIVENDI

F IG 11: AM C VERSUS P REGRESSIEVARIANTIES PER ONDERNEMING OVER 2007 ( ESTIMATION WINDOW ) Independent Samples Test Levene's Test

VAR_AM

Equal variances assumed

t-test for Equality of Means

F

Sig.

t

,143

,706

-,319

df 82

Sig. ,751

T ABEL 5: AM O NAFHANKELIJKE T - TEST OP DE REGRESSIEVARIANTIES C VS . P


Independent Samples Test Levene's Test F Sig. VAR_EU


,934

,340

t-test for Equality of Means t df Sig. -,524

40

,603

T ABEL 6: EU O NAFHANKELIJKE T - TEST OP DE REGRESSIEVARIANTIES C VS . P Zoals uit de significantie (0,751) blijkt, kan de nulhypothese die stelt dat de steekproefgemiddeldes van de varianties van call opties ten opzichte van put opties gelijk zijn, niet verworpen worden. De conclusie luidt dat regressies van de IV’s bij verschillende optietypes (C of P) geen significante verschillen tonen over de looptijd van een jaar. Een gelijkaardig resultaat wordt bekomen bij Europese opties (0,603). Opvallend is de significant hogere variantie van zowel AM C als P in TOTAL (rode cirkel).

3.5

NORMALITEIT, VOLATILITY SMILES EN SIGNIFICANTIETESTS 3.5.1

Kurtosis en Skewness Bij de gebruikte significantie-tests wordt steeds uitgegaan van normaliteit. Volgens (Brown & Warner, 1985) wijst het feit dat dagelijkse returns sterker zouden afwijken van normaliteit dan maandelijkse returns (Fama, 1976 p. 21) op fat tails. Hetzelfde geldt voor de abnormale IV’s in dit onderzoek. Als de waarnemingen onafhankelijk en identiek gedistribueerd zijn met eindige variantie distributies, zal de normaliteit benaderd worden als de centrale limietstelling (steekproefgemiddeldes zullen bij benadering normaal verdeeld zijn zodra de steekproef groot genoeg genomen wordt) toegepast wordt. Door het invoeren van deze limietstelling kan dan gebruik worden gemaakt van teststatistieken gebaseerd op de normale verdeling van de IV returns rond de gemiddelde waarde nul. Hiervan is bewijs geleverd in (Blattberg & Gonedes, 1974) en (Hagerman, 1978). De volgende figuren verschaffen meer informatie betreffende de statistische verdeling van de geobserveerde dagelijkse IV returns:


F IG 12: AIV VERDELING IN AIR LIQUIDE AM C FEB08 STRIKES 82-125 Deze Amerikaanse AIR LIQUIDE FEB08 call bevat 848 return waarnemingen en vertoont kenmerken van een leptokurtische verdeling (kurtosis = 4,47). Daarbij liggen de meeste waarnemingen rond het gemiddelde in combinatie met dikke staarten. De waarschijnlijkheid van extreme observaties is als gevolg groter. De skewness ligt dicht bij de waarde 2 en duidt op een rechtsscheve verdeling waardoor de meeste returns zich aan de linkerzijde van de verdeling bevinden en de extreme waarden rechts van het gemiddelde voorkomen. Dit resultaat komt volledig overeen met de studie gevoerd door (ECB, 2011) naar de invloed van de financiële crisis op de IV verdeling in opties: een leptokurtische verdeling duidt op een verhoogd aantal extreme observaties, in combinatie met een rechtsscheve verdeling (positive skew) waardoor de meeste IV waarden negatief zijn. Een veel grotere steekproef over alle AIR LIQUIDE Amerikaanse call opties van JAN08 t.e.m. JAN10 levert volgend histogram:


F IG 13: AIV VERDELING IN AIR LIQUIDE AM C, ALLE OPTIES In bovenstaande figuur zijn alle AIR LIQUIDE opties van JAN08 t.e.m. JAN10 toegevoegd, wat een hoge kurtosis als logisch gevolg heeft. De symmetrie (skewness) blijft ondanks deze ongewenste effecten vrij goed bewaard. Onderstaande grafiek vat dezelfde gegevens samen voor alle events waarvoor minstens een significante AIV of CAIV werd ontdekt, dit over alle optiedata.

F IG 14: AIV VERDELING VAN ALLE SIGNIFICANTE EVENTS De fat tails worden sterk gereduceerd in de gebruikte dataset van significante events (kurtosis: 28,3) in vergelijking met de collectie van alle AIR LIQUIDE AM C AIV’s. De in dit onderzoek gebruikte dataset is dus, na toepassing van de centrale limietstelling en in lijn met het ECB onderzoek, voldoende robuust voor de veronderstelling van 52 Masterproef Michaël Vandendriessche 2011-2012

normaliteit. Als tweede conclusie wordt hier gesteld dat het voorkomen van volatility smiles naar het einde van de optielooptijd en bij ITM/OTM opties de resultaten vertekent en de testobjecten sterk laat afwijken van normaliteit. Dit fenomeen wordt in detail besproken in de volgende paragraaf. Statistics AIV_AIRLIQ_AM_C_FEB08_82_125

AIV_AIRLIQ_AM_C

AIV_sign

848

33463

30560

32615

0

2903

Skewness

2,072

1,562

1,527

Std. Error of Skewness Kurtosis

,084

,013

,014

4,470

79,273

28,302

,168

,027

,028

N

Valid Missing

Std. Error of Kurtosis

T ABEL 7: N ORMALITEITSPARAMETERS VOOR AIV AIRLIQUIDE AM C BEPERKT TOT STRIKES 82 T . E . M . 125, VOOR AIV IN ALLE IV’ S EN VOOR AIV IN ALLE SIGNIFICANTE EVENTS

3.5.2

Volatility Smiles Zoals beschreven in (Patell & Wolfson, 1981) en recenter in (Corrado & Su, 1997), kan een sterk positieve kurtosis leiden tot volatility smiles bij deep ITM en far OTM opties. (Corrado & Su, 1997) beschijft het Jarrow-Rudd binomiale model dat hier rekening mee houdt en de smiles grotendeels teniet kan doen. (Patell & Wolfson, 1981) passen de gebruikte formules aan om te corrigeren voor verhoogde volatiliteit aan het einde van de looptijd. Als alternatief werd in dit onderzoek geopteerd de optiedata dicht bij hun uitoefendatum te verwijderen. Deep ITM en far OTM opties veroorzaken door hun lage liquiditeit eveneens volatility smiles. Hiervoor werd gecorrigeerd door opties met spot price verder dan 20% van de strike te verwijderen. Volgende figuren leveren bewijs voor het bestaan van volatility smiles in de EURO STOXX 50 ondernemingen. Een greep uit enkele Amerikaanse AIR LIQUIDE call opties levert duidelijk bewijs van het stijgende patroon in implied volatility naarmate de vervalperiode nadert.


CALL AIRX JAN08 86 CALL AIRX FEB08 100 CALL AIRX OCT08 80 CALL AIRX FEB09 72

CALL AIRX JAN10 88

31/01/2010

30/11/2009

30/09/2009

31/07/2009

31/05/2009

31/03/2009

31/01/2009

30/11/2008

30/09/2008

31/07/2008

31/05/2008

31/03/2008

31/01/2008

CALL AIRX SEP09 50 30/11/2007

IV

1,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0

CALL AIRX JUL08 90 CALL AIRX MAY08 86

F IG 15: IV VERLOOP NAAR MATURITY VOOR AIR LIQUIDE AM C Daarnaast is het interessant te beschouwen hoe de reactie afhangt van de moneyness van de opties. Opnieuw gebruik makend van voorgaande dataset ziet men meteen dat, hoe verder de uitoefenprijs van de spot price ligt, hoe sterker de stijging in de IV zich voordoet. Twee dagen voor uitoefendatum stond een AIR LIQUIDE aandeel genoteerd aan 64 EUR. Dit ziet men weerspiegeld in de IV van ATM opties (strike 66 is in deze dataset de dichtstbij liggende optie) die naar een IV van 0,5 convergeren. Dit IV gedrag doet zich in Amerikaanse opties typisch voor vanaf een week voor vervaldatum. Far OTM opties zullen dit gedrag al vanaf twee weken voor uitoefendatum beginnen vertonen. (Patell & Wolfson, 1981) spreken zelfs over een periode van 2 tot 4 weken.

CALL AIRX JAN09 43

2,5

CALL AIRX JAN09 47

2

CALL AIRX JAN09 51 CALL AIRX JAN09 54

1

CALL AIRX JAN09 58

IV

1,5

CALL AIRX JAN09 62 0,5

CALL AIRX JAN09 66 14/01/2009

13/01/2009

12/01/2009

11/01/2009

10/01/2009

9/01/2009

8/01/2009

7/01/2009

6/01/2009

5/01/2009

4/01/2009

3/01/2009

2/01/2009

1/01/2009

31/12/2008

30/12/2008

29/12/2008

0

CALL AIRX JAN09 70 CALL AIRX JAN09 74 CALL AIRX JAN09 78 CALL AIRX JAN09 86

F IG 16: AIR LIQUIDE AM C JAN09 IV GEDRAG NAAR MONEYNESS ( SPOT BEWOOG TUSSEN 63 EN 68 EUR IN DEZE PERIODE )

Dit alles wordt zeer duidelijk in onderstaande weergave van de laatste drie dagen waarop de optie werd verhandeld. Merk bovendien op dat ITM opties steeds zullen convergeren naar een IV gelijk aan 1 op de allerlaatste trading dag. Voor Europese opties geldt dat deze convergeren naar de waarde 0.5. 54 Masterproef Michaël Vandendriessche 2011-2012

IV

3,5 3 2,5 2 1,5 1 0,5 0

13/01/2009 14/01/2009 15/01/2009

F IG 17: AM AIR LIQUIDE C IV NAAR M ONEYNESS VOOR T , T -1 EN T -2 Deze resultaten zijn erg belangrijk bij het onderzoek daar events die voorvallen tijdens de laatste dagen voor de vervalperiode uit de resultaten moeten verwijderd worden wegens onrealistische IV waarden. De IV zal in deze gevallen immers geen invloed ondergaan van mogelijke verspreidingen van bedrijfsnieuws gezien de abnormale IV’s in deze periodes altijd significant zijn. Volatility smiles werden uit het onderzoek verwijderd door elk event te plaatsen in zijn respectievelijk tijdskader. Bij langerlopende opties (6-maand cyclus) werd het label ‘HKT’ (heel korte termijn) toegekend aan significante events die binnen twee weken voor vervaldatum vallen. Events van opties in kortere cycli (maandelijks) kregen dit label vanaf één week voor uitoefendatum.

3.5.3

Significantietests Ter afsluiting van deze paragraaf nog een woord over het testen van de significantie van de AIV en CAIV bij het veronderstellen van normaliteit: bij de tests wordt per onderneming steeds dezelfde variantie gebruikt, dus de t-statistiek test onafhankelijke IV returns met gelijke standaardafwijking. Andere statistische tests zoals een ANOVA toets als uitbreiding op de t-test kunnen ook in rekening worden gebracht, ware het niet dat event studies al deze tests gemakkelijk implementeren in de toegepaste significantietests op AIV, CAIV, AAIV en CAAIV. Normaliteit laat toe voor elke AIV te bepalen wat de oppervlakte onder de Gausscurve is links en rechts van het cutoff punt (hiervoor wordt de absolute waarde van de AIV genomen), met een gemiddelde IV gelijk aan nul (constant mean return model) en een standaardafwijking zoals deze gehaald uit de regressie van de estimation window. De uitkomst is een p-waarde die op het 5% significantieniveau beschouwd wordt. Er wordt steeds uitgegaan van een tweezijdige verdeling aangezien het slechts bij een heel beperkt aantal events mogelijk is de richting van de IV wijziging te voorspellen. Men zou kunnen stellen dat doorgaans een positieve beweging in de IV verwacht wordt op de besproken events. Die redenering houdt echter geen rekening met het bestaan van afwijkende (irrationele) voorkeuren tussen verschillende beleggers, iets dat zeer belangrijk is aangezien de besproken periode een economische crisis betreft.


EMPIRISCH ONDERZOEK INHOUDSOPGAVE EMPIRISCHE STUDIE

4.1 IS ER ÜBERHAUPT EEN INVLOED VAN BEDRIJFSNIEUWS OP OPTIEPRIJZEN? 4.1.1 KWANTITATIEF ONDERZOEK H0 (4.1.1-A): Op algemeen niveau reageren C en P opties gelijkaardig m.b.t. bedrijfsnieuws. H0 (4.1.1-B): EU en AM opties reageren gemiddeld kwantitatief even sterk op bedrijfsnieuws.

4.1.2 ONDERZOEK NAAR SECTOR H0 (4.1.2): Sectoren in de EURO STOXX 50 onderscheiden zich van elkaar in hun hoeveelheid verspreide persberichten.

4.1.3 ONDERZOEK NAAR EVENT TYPE H0 (4.1.3): Bepaalde categorieën van bedrijfsnieuws leiden vaker tot een significante beweging in optiekoersen dan andere.

4.2 OPTIEKENMERKEN 4.2.1 WIJZIGING VAN IV EN OP ROND T H0 (4.2.1-A): IV stijgt gestaag vóór een event en daalt kort erna scherp. H0 (4.2.1-B): OP ondervindt in JAN08-JAN10 gemiddeld een negatieve invloed van events. H0 (4.2.1-C): Verwachte nieuwsverspreidingen beïnvloeden OP en IV minstens even sterk als onaangekondigde berichten. H0 (4.2.1-D): Onverwachte nieuwsverspreidingen reageren het sterkst na de release, d.i. in de post periode. H0 (4.2.1-E): AM en EU opties reageren (kwalitatief) niet identiek op nieuwsberichten. H0 (4.2.1-F): C en P opties reageren gemiddeld genomen (kwalitatief) identiek op nieuws. H0 (4.2.1-G): P optie IV’s herstellen sneller van een nieuwsschok (Ahoniemi & Lanne, 2009). H0 (4.2.1-H): Significante (C)AIV returns zijn in resultaatsaankondigingen het sterkst pre event (Donders & Vorst, 1996) en vooral post event bij onverwacht nieuws. H0 (4.2.1-I): Samenvallende (S) en dichtbij liggende (D) events versterken de significantie van AIV.


4.2.2 VERSCHILLEN TUSSEN C EN P H0 (4.2.2): C en P opties zijn gemiddeld negatief gecorreleerd in OP nabij nieuwsverspreidingen.

4.2.3 DE INVLOED VAN IV OP OP EN AP OP IV H0 (4.2.3-A): Tijdens nieuwsverspreidingen leidt een stijging (daling) in IV gemiddeld genomen tot een stijging (daling) in OP (standaard marktwerking). H0 (4.2.3-B): Tijdens nieuwsverspreidingen leidt een stijging (daling) in AP gemiddeld genomen tot een daling (stijging) in IV (standaard marktwerking). H0 (4.2.3-C): Optieprijzen net voor en tijdens een nieuwsverspreiding (CAIV PR2 en AIV) beïnvloeden toekomstig investeerdersgedrag (AP) in de korte termijn (Patell & Wolfson, 1981).

4.2.4 DE INVLOED VAN MONEYNESS OP OP EN IV H0 (4.2.4): ATM IV en OP reageren sterker op bedrijfsnieuws dan ITM of OTM opties.

4.2.5 DE INVLOED VAN DE RESTERENDE LOOPTIJD OP IV EN OP H0 (4.2.5): Opties met een korte resterende looptijd reageren heviger op bedrijfsnieuws dan langer lopende opties. Dit als gevolg van een groter proportioneel deel van de tijdwaarde (verwachtingswaarde) dat fluctueert met de volatiliteit van het onderliggend actief, omdat de resterende looptijd een lagere invloed heeft.

4.3 NIEUWSSTUDIE H0 (4.3-A): Categorieën van bedrijfsnieuws oefenen een verschillende invloed uit op de gemiddelde IV, OP en (C)AIV waarden. Deze categorieën zijn in te delen in verwacht of onverwacht nieuws. H0 (4.3-B): Het teken van de fluctuatie in OP t.o.v. IV rond nieuwsverspreidingen is moeilijk in te schatten. H0 (4.3-C): Resultaatsaankondigingen, nieuws i.v.m. werkgelegenheid en voorspellingen veroorzaken een hogere CAIV PR dan AIV (Thompson et al., 1987). Hetzelfde geldt voor de jaarlijkse aandeelhoudersvergadering en het verkrijgen van een of meer contracten (Brookfield & Morris, 1992). H0 (4.3-D): Boekhoudkundige wijzigingen, veranderingen in kapitaalstructuur, management en dividendaankondigingen hebben meer invloed op AIV dan CAIV PR (Thompson et al., 1987). H0 (4.3-E): Overnames hebben geen duidelijke invloed door het bestaan van noise (Brookfield & Morris, 1992).


H0 (4.3-F): M&A veroorzaken gemiddeld gezien slechtere bedrijfsresultaten voor het bedrijf dat de actie onderneemt. De aankondiging ervan leidt tot verhoogde IV terwijl stopzetting de IV moet verminderen. H0 (4.3-G): Slecht nieuws (rating en nieuws) leidt tot een verhoogde AIV.

4.4 SECTORANALYSE H0 (4.4-A): In bepaalde sectoren brengt een nieuwsverspreiding een grotere IV, OP of CAIV wijziging voort dan andere. H0 (4.4-B): Sectoren met meer nieuwsverspreidingen dan gemiddeld zijn nieuwsgevoeliger en vertonen grotere AIV’s op events. Dit zijn de sectoren Banks, Media, Utilities, Healthcare, Telecommunications en Oil & Gas. H0 (4.4-C): De industriële sector evenals ondernemingen met een minder dan gemiddeld aantal nieuwsverspreidingen ondergaan meer invloed van tussentijdse en voorlopige resultaatsaankondigingen (Brookfield & Morris, 1992).


4.1 IS ER ÜBERHAUPT EEN INVLOED VAN BEDRIJFSNIEUWS OP OPTIEPRIJZEN ? 4.1.1 KWANTITATIEF ONDERZOEK H0 (4.1.1-A): Op algemeen niveau reageren C en P opties gelijkaardig m.b.t. bedrijfsnieuws. H0 (4.1.1-B): EU en AM opties reageren gemiddeld kwantitatief even sterk op bedrijfsnieuws. Bij het nagaan van deze onderzoeksvraag zijn alle IV’s die significant reageren in ofwel AIV of CAIV verzameld per onderneming en vergeleken met het aantal nietsignificant bevonden waarden, telkens op een datum van aankondiging. Dit levert een algemeen beeld van hoeveel events werkelijk een significante stijging of daling van de IV teweeg brengen. Nadien wordt getracht een trend te vinden in het type nieuws dat een significante IV beweging als gevolg heeft en wordt een onderscheid gemaakt naar welk type event de meest significante resultaten voortbrengt. Ten slotte wordt getest of dit voornamelijk pre event-dag, op de event-dag zelf, of post event-dag plaatsvindt. Onderstaande grafiek verschaft inzicht in het aantal nieuwsverspreidingen uitgezet tegen het aantal events die daadwerkelijk een significante beweging in de IV tot gevolg hebben. De data beslaat alle beschouwde Amerikaanse call en put opties, met de ondernemingen alfabetisch gerangschikt. Bij het bepalen van nieuwsdata die significante waarden teweegbrengen, werden alle opties met een significante AIV, CAIV pre, CAIV post, of elke mogelijke combinatie daarvan in beschouwing genomen. Wetende dat er per onderneming gemakkelijk data van 1000 verschillende opties is gegenereerd over JAN08-JAN10 is het niet onlogisch dat bijna elke nieuwsdatum gepaard gaat met een significante beweging in een van deze opties.

80 60 SIGN IV

40

TOTAAL

20 0

AM AIR LIQUIDE t.e.m. IBERDROLA, telkens C en P

F IG 18: A ANTAL EVENTS TOTAAL T . O . V . SIGNIFICANT IN IV, VOOR C EN P IN ELKE ONDERNEMING (AM)


100 80 60

SIGN IV

40

TOTAAL

20 0

AM ING GRP t.e.m. VIVENDI, telkens C en P

F IG 19: VERVOLG F IG 18 Twee conclusies zijn uit deze figuur te trekken: ten eerste liggen de grafieklijnen erg dicht bijeen, met als uitzondering BCO BILBAO VIZCAYA ARGENTARIA (BCO BVA) en TOTAL (rode cirkels), ten tweede is er een groot verschil in het aantal verspreide nieuwsberichten per onderneming. Dit tweede fenomeen wordt nader onderzocht via een onderscheidend onderzoek naar sector later in deze masterproef. Het feit dat bijna alle IV’s significant bevonden worden, heeft te maken met het beschouwen van alle opties zonder weglating van de einde-periode effecten (volatility smiles) en van zeer far OTM of deep ITM opties (versterken het effect van volatility smiles). Een correctie werd daarom uitgevoerd via het ontwikkelde datamodel: significante observaties net voor vervaldatum (bij AM opties werd geopteerd voor een periode van één week voor vervaldatum, bij EU was dit twee weken) en significante observaties met strikes verder dan 20% verwijderd van de onderliggende aandelenprijs op uitoefendatum, zijn verwijderd uit volgende dataset: 80 60 SIGN IV

40

TOTAAL

20 0

AM AIR LIQUIDE t.e.m. IBERDROLA, telkens C en P

F IG 20: A ANTAL EVENTS TOTAAL T . O . V . SIGNIFICANT IN IV, MET UITZONDERING VAN FAR OTM, DEEP ITM EN KORTE TERMIJN VOOR

C EN P IN ELKE ONDERNEMING (AM)

100 80 60

SIGN IV

40

TOTAAL

20 0

AM ING GRP t.e.m. VIVENDI, telkens C en P

F IG 21: V ERVOLG F IG 20 60 Masterproef Michaël Vandendriessche 2011-2012

Voor Europese opties levert dit volgend beeld: 80 60 SIGN IV

40

TOTAAL

20 0

EU AIR LIQUIDE t.e.m. VIVENDI, telkens C en P

F IG 22: A ANTAL EVENTS TOTAAL T . O . V . SIGNIFICANT IN IV, VOOR C EN P IN ELKE ONDERNEMING (EU) 80 60 SIGN IV

40

TOTAAL

20 0

EU AIR LIQUIDE t.e.m. VIVENDI, telkens C en P

F IG 23: A ANTAL EVENTS TOTAAL T . O . V . SIGNIFICANT IN IV, MET UITZONDERING VAN FAR OTM, DEEP ITM EN KORTE TERMIJN VOOR C EN P IN ELKE ONDERNEMING (EU) De hypothese (4.1.1-B) i.v.m. een gelijkaardige reactie van EU en AM opties op bedrijfsnieuws op basis van het aantal events dat een reactie veroorzaakt lijkt dus niet te kloppen. Vóór correctie zorgen gemiddeld 91% (AM) en 82% (EU) van de events voor een significante IV verhoging of verlaging. Na correctie is dit 68% (AM) en 51% (EU). AM opties reageren dus algemeen vaker op bedrijfsnieuws. De verschillen tussen C en P zijn minder duidelijk: in AM opties is er geen verschil wanneer het gemiddelde van de verschillen tussen aantal significante waarnemingen in C en P wordt genomen. Worden echter de absolute wijzigingen in rekening gebracht, dan is er vóór correctie 7% en na correctie 13% verschil. C en P lijken in AM opties gemiddeld genomen even sterk te reageren. De EU data wijken hiervan sterk af: de absolute en gewone waarden zijn ongeveer gelijk, duidend op een consistent sterkere invloed van bedrijfsnieuws op P opties (11%). Na correctie verhoogt dit zelfs tot 29%. De conclusie luidt dat de verschillen tussen C en P groter worden na correctie voor volatility smiles en dat EU typeringen sterker reageren in P dan in C opties. In de volgende paragraaf wordt deze test in detail besproken en herhaald over sectoren. Voor de lage reactiviteit van de twee afwijkende bedrijven BCO BVA en Total wordt verder geen verklaring gezocht. De appendix bevat alle gegevens.


4.1.2 ONDERZOEK NAAR SECTOR H0 (4.1.2): Sectoren in de EURO STOXX 50 onderscheiden zich van elkaar in hun hoeveelheid verspreide persberichten. Automobiles & Parts Banks Basic Resources Chemicals Construction & Materials Financial Services Food & Beverages Healthcare Industrial Goods & Services Insurance Media Oil & Gas Personal & Household Goods Real Estate Retail Technology Telecommunications Utilities

44 284 45 98 83 18 106 45 73 185 41 161 68 22 43 51 182 207

F IG 24: H OEVEELHEID VERSPREIDE INFORMATIE PER SECTOR Banken en verzekeringsmaatschappijen zijn meer dan gemiddeld vertegenwoordigd in de EURO STOXX 50. Volgende grafieken geven daarom het gewicht van elke sector in de EURO STOXX 50 evenals een genormaliseerde weergave van de nieuwsverspreidingen per sector. Deze grafieken bevatten event data van alle ondernemingen behalve VOLKSWAGEN daar geen data beschikbaar was voor zowel AM als EU opties.

1 1 1 1

7

1

2 2

5

2 2

5

3 3 4 3

3 3

Financial Services Real Estate Healthcare Basic Resources Media Industrial Goods & Services Automobiles & Parts Technology Retail Oil & Gas Construction & Materials Personal & Household Goods Food & Beverages Chemicals Telecommunications Utilities Insurance Banks

F IG 25: G EWICHT VAN DE SECTOREN IN DE EURO STOXX 50 62 Masterproef Michaël Vandendriessche 2011-2012

60 50

54

40 30

33

20 10

18

22

22

22

23

26

35

37

37

41

41

41

45

45

46 34

28

0

F IG 26: G EMIDDELD AANTAL NIEUWSVERSPREIDINGEN PER SECTOR OVER JAN08-JAN10 ENI, REPSOL en TOTAL spannen de kroon met een gemiddelde van 54 nieuwsverspreidingen en leveren drie keer zoveel nieuws als de laagste in de rij (DEUTSCHE BOERSE). Deze grote verschillen laten het belang van een genormaliseerde werkwijze uitschijnen. De significantie van de resultaten is daarom volledig los van de absolute aantallen tot stand gekomen. De volgende twee tabellen geven nu een overzicht van het aantal nieuwsverspreidingen per sector, waarbij de (C)AIV schatters significant zijn bevonden op het 95% betrouwbaarheidsniveau. C en P worden vergeleken voor elk optietype (AM en EU) via de relatieve verschillen in het aantal significante events tussen C en P voor dezelfde onderneming (P-C en ABS(P-C)). Onderscheid wordt gemaakt met de post situatie (POST) waarbij observaties far OTM, deep ITM en met korte resterende looptijd werden verwijderd. Naast de conclusies in de vorige paragraaf, kan op basis van deze resultaten worden besloten dat verschillen tussen de sectoren vrij klein zijn. Er is geen duidelijk patroon zichtbaar in AM opties, maar EU opties vertonen een grote stijging in aantal significante wijzigingen in P opties t.o.v. C na correctie. Voornamelijk in de sectoren Chemicals, Industrial Goods & Services en Personal & Household Goods zullen P opties veel vaker invloed van nieuwsverspreidingen ondervinden dan C opties. Daar waar AM opties over de sectoren in evenwicht zijn voor P en C, zijn EU P opties in alle sectoren behalve Telecommunications en Utilities veel gevoeliger aan bedrijfsnieuws dan EU C opties. Bij EU opties worden procentueel meer events uit de dataset verwijderd omdat de langere looptijd van deze opties (halfmaandelijks) leidt tot een langere periode van mogelijkheid tot volatility smiles. Deze periode is vastgesteld op 16 dagen, het driedubbele van de AM tegenhanger (5 dagen). Er wordt in dit onderzoek voorzichtiger omgesprongen met de interpretatie van resultaten uit EU opties daar de totale dataset ervan veel kleiner is dan AM en wegens de lagere conformiteit in regressie-looptijd tussen EU opties door een slechtere beschikbaarheid van historische reeksen. 63 Masterproef Michaël Vandendriessche 2011-2012

AM Automobiles & Parts Banks Chemicals Construction & Materials Financial Services Food & Beverages Healthcare Industrial Goods & Services Insurance Media Oil & Gas Personal & Household Goods Technology Telecommunications Utilities Grand Total

P-C PRE P-C POST ABS(P-C PRE) ABS(P-C POST) -1,72% 0,00% 1,72% 0,00% 4,29% 5,89% 4,29% 10,93% -9,16% -13,34% 12,49% 13,34% -1,25% 3,31% 1,25% 15,44% 0,00% -10,00% 0,00% 10,00% 0,00% 1,21% 0,00% 7,88% -6,82% 0,00% 6,82% 0,00% -9,37% 3,18% 16,27% 16,82% -6,43% -0,61% 12,62% 24,06% 0,00% 2,70% 0,00% 2,70% 8,67% -13,25% 8,67% 14,69% 0,00% 15,15% 0,00% 18,18% 8,26% 9,09% 8,26% 9,09% -7,64% -0,67% 7,64% 11,66% -10,68% -0,61% 11,52% 11,66% -2,38% 0,57% 7,13% 12,83%

T ABEL 8: P ROCENTUEEL KWANTITATIEF VERSCHIL TUSSEN WAARNEMINGEN IN P EN C (C)AIV WIJZIGINGEN , PRE EN POST CORRECTIE , NORMAAL EN ABSOLUUT (AM)

EU Banks Chemicals Construction & Materials Food & Beverages Healthcare Industrial Goods & Services Insurance Media Oil & Gas Personal & Household Goods Retail Telecommunications Utilities Grand Total

P-C PRE P-C POST ABS(P-C PRE) ABS(P-C POST) 27,88% 18,04% 27,88% 18,04% 34,88% 80,00% 34,88% 80,00% 8,82% 25,00% 8,82% 25,00% 0,00% 20,00% 0,00% 20,00% 18,92% 28,57% 18,92% 28,57% 10,71% 166,67% 10,71% 166,67% -4,00% 9,09% 4,00% 9,09% 2,63% 13,64% 2,63% 13,64% 1,24% 16,93% 8,93% 16,93% 5,30% 48,33% 5,30% 48,33% 9,52% 18,18% 9,52% 18,18% -4,44% -3,39% 6,67% 9,11% 9,09% 9,09% 9,09% 9,09% 10,70% 29,01% 12,87% 30,21%

T ABEL 9: P ROCENTUEEL KWANTITATIEF VERSCHIL TUSSEN WAARNEMINGEN IN P EN C (C)AIV WIJZIGINGEN , PRE EN POST CORRECTIE , NORMAAL EN ABSOLUUT (EU)


4.1.3 ONDERZOEK NAAR EVENT TYPE H0 (4.1.3): Bepaalde categorieën van bedrijfsnieuws leiden vaker tot een significante beweging in optiekoersen dan andere. Het volgend taartdiagram toont welke categorieën van bedrijfsnieuws het meest voorkomen. Dubbele aankondigingen op dezelfde dag en specifieke aankondigingen die slechts één maal voorkomen, worden niet beschouwd. Om de grafiek ten slotte overzichtelijk te houden, worden events die in de hele studie minder dan 10 maal voorkomen ook verwijderd. Zo worden exact 31 categorieën gedefinieerd.

verkoop divisie compleet 1%

voorlopige fusie nieuws rating herstructurering kwartaalresultaten 1% 1% 1% 1% 1% acquisitie aandeleninkoop aandelenuitgifte interimdividend compleet 1% 1% 1% innovatie 2% 1% voorspelling 1% joint venture 2% verlaging participatie 2%

kwartaalresultaten 18%

voorlopige jaarresultaten 2% participatie 2% legal 2% acquisitie 10%

dividend 2% ontdekking grondstof 2% verkoop divisie 2% samenwerking 3%

obligatieuitgifte 8%

investering 3%

management 7% expansie 4% contract 6%

jaarresultaten 5%

product/service 4%

partnership 4%

F IG 27: H OEVEELHEID OBSERVATIES VAN BEDRIJFSNIEUWS INGEDEELD IN CATEGORIEËN


Zoals verwacht vormen kwartaalresultaten (in combinatie met jaarresultaten) het belangrijkste deel van alle aankondigingen: deze verplichte rapporteringen gebeuren door alle bedrijven, terwijl de verspreiding van het overig nieuws zeer afhankelijk is van de onderneming, de sector en het tijdstip. Met behulp van de tabel op de volgende pagina wordt dit duidelijk gemaakt. Om inzicht te verschaffen in de relatie tussen types bedrijfsnieuws en sectoren, werd geopteerd voor een weergave van de top vijf voorkomende categorieën per sector. Absolute waarden zijn hier geweerd omdat sommige sectoren oververtegenwoordigd zijn en dit een foutief beeld zouden geven. De tabel is te vinden op de volgende pagina. Zoals af te leiden valt uit de kleurschakeringen, zijn typisch de volgende categorieën goed vertegenwoordigd over de sectoren heen: kwartaalresultaten, acquisities, management en contracten. Opvallend is echter dat de zwaarst vertegenwoordigde categorie per sector vaak verschilt. Kwartaalresultaten spannen de kroon in 8 van de 17 sectoren, maar voor het overige is er zeer veel variëteit tussen de sectoren. Er mag dan wel conformiteit heersen in de typering van verspreide nieuwsberichten, toch zijn er sterke verschillen tussen de sectoren onderling.


Banks

Basic Resources

Chemicals

Constr. & Materials

Financial Services

obligatie-uitgifte

21% acquisitie

32%

kwartaalresultaten

23%

contract

18%

kwartaalresultaten

35%

kwartaalresultaten

13% kwartaalresultaten

14%

investering

17%

kwartaalresultaten

17%

voorlopige jaarresultaten

12%

acquisitie

8% contract

9%

contract

12%

acquisitie

8%

management

12%

management

5% management

9%

acquisitie

8%

management

7%

product/service

6%

partnership

5% herstructurering

5%

innovatie

7%

participatie

5%

aandeleninkoop

6%

Food & Beverages

Healthcare

Ind. Goods & Serv.

Insurance

kwartaalresultaten

17% samenwerking

27%

acquisitie

18%

kwartaalresultaten

18%

management

11% acquisitie

16%

kwartaalresultaten

15%

expansie

8%

verkoop divisie


13%

management

7%

management

7%

verkoop divisie compleet

6% expansie

7%

contract

5%

jaarresultaten

5%

acquisitie

5% acquisitie compleet

7%

joint venture

5%

investering

5%

Media

Oil & Gas

Pers. & Household

Real Estate

management

15% ontdekking grondstof

22%

kwartaalresultaten

26%

interim-dividend

23%

kwartaalresultaten

15% acquisitie

9%

acquisitie

18%

kwartaalresultaten

14%

obligatie-uitgifte


9%

management

9%

verkoop assets

9%

legal

10% contract

8%

jaarresultaten

7%

jaarresultaten

9%

6%

samenwerking

6%

acquisitie

9%

jaarresultaten

Retail

5% samenwerking

Technology

Telecom

Utilities

kwartaalresultaten


24%

product/service

18%

kwartaalresultaten

13%

management

18% acquisitie

14%

kwartaalresultaten

10%

obligatie-uitgifte

10%

expansie

13% samenwerking

10%

partnership

8%

contract

8%

6%

management

7%

acquisitie

7%

6%

contract

5%

partnership

6%

jaarresultaten

8% uitoefening optie

5% partnership acquisitie T ABEL 10: T OP VIJF NIEUWSCATEGORIEËN PER SECTOR


Het is in dit onderzoek van essentieel belang de vraag te stellen welke categorieën van bedrijfsnieuws de grootste invloed uitoefenen op IV returns en dus de optieprijs beïnvloeden. Hoewel kwalitatieve (C)AIV tests pas later in dit onderzoek aan bod komen, richt onderstaande tabel zich, voortbouwend op de vorige tabel, op het verklaren van de invloed van nieuwscategorieën op IV o.b.v. het aantal geregistreerde significante wijzigingen t.o.v. het totaal. De relevantie van de resultaten wordt verhoogd door de minder dan vijf keer voorkomende categorieën te negeren. Samenvallende events en hun combinatie met dichtbij liggende events worden geweerd. Deze uitsluiting van gegevens wordt later in detail besproken. De hoeveelheid significante event-dagen voor AM C en P opties wordt verzameld en gesorteerd per categorie. Deze hoeveelheden worden uitgezet tegen het totaal aantal aankondigingen per categorie die in EURO STOXX 50 bedrijven plaatsvonden. Dit is te zien in de kolommen Rel_C en Rel_P voor respectievelijk AM C en P opties. De tabel is gesorteerd volgens de categorie die de meeste significante prijswijzigingen in verhouding tot het totaal voortbrengt. Alle resultaten zijn overigens verkregen na volatility smile correctie. Het wordt duidelijk dat een groot deel van de categorieën zich gelijkaardig gedraagt: een prijsgevoelige aankondiging zal gemiddeld in een kleine 70% van de gevallen tot een wijziging in de (C)AIV leiden. Dit kan afhankelijk zijn van de periode waarin het nieuwsbericht valt en dit algemene resultaat zegt nog niets over het exacte moment waarop de significante IV fluctuatie rond de event-dag valt. Zoals in het vorig onderzoek wordt opnieuw duidelijk dat de reacties in call en put opties voor AM weinig van elkaar verschillen, al het overige (moment in tijd, moneyness, …) buiten beschouwing latend. De uitzonderingen zijn aankondigingen van een innovatie, (slecht) nieuws en het ontvangen van ratings waarbij verschillen tussen C en P oplopen tot 30%. Hier wordt duidelijk dat vooral P houders (i.t.t. schrijvers) de prijs bepalen daar zij negatieve persberichten (nieuws en rating) meer waarde geven dan positieve berichten (innovatie) wegens hun voordeel bij een daling van de aandelenkoers. In EU opties (tweede tabel) zijn de meest voorkomende nieuwscategorieën sterk verschillend van de AM bevindingen. Wegens de beperkte EU dataset is het aantal ingesloten categorieën beperkter en zo goed als alle categorieën reageren significant zwakker op nieuws dan de AM typering. Hoewel categorie nieuws eveneens een groot verschil tussen C en P weergeeft zoals in AM opties, is deze relatie omgekeerd voor categorie innovatie. De stelling dat vooral P houders de prijs bepalen bij aankondigingen die een potentiële bedreiging voor hun winst zijn, wordt dus verworpen o.b.v. de EU data. Het aantal waarnemingen van dit type event is echter klein, waardoor hier geen besluit over gevormd wordt. Onder de tabellen bevinden zich t-tests die de gemiddelde C en P waarden vergelijken in AM en EU opties.

68

Nieuwscategorie voorlopige kwartaalresultaten

AM_C

AM_P

AM_ALL

Rel_C

Rel_P

13

13

14

93%

93%

5

4

6

83%

67%

aandelenuitgifte

14

13

17

82%

76%

interim-dividend

9

8

11

82%

73%

196

191

246

80%

78%

7

7

9

78%

78%

nieuws

10

13

13

77%

100%

dividend

23

23

30

77%

77%


19

20

25

76%

80%

participatie

21

21

29

72%

72%

jaarresultaten

47

51

65

72%

78%

aandelenuitgifte (werknemers)

5

6

7

71%

86%

alliantie

5

5

7

71%

71%

voorlopige resultaten

5

5

7

71%

71%

ASM

kwartaalresultaten overeenkomst

innovatie

12

7

17

71%

41%

obligatie-uitgifte

76

78

108

70%

72%

expansie

35

34

50

70%

68%

voorspelling

13

11

19

68%

58%

management

64

62

95

67%

65%

rating

10

14

15

67%

93%

verkoop divisie

23

24

35

66%

69%

verlaging participatie

17

20

26

65%

77%

samenwerking

30

31

46

65%

67%

contract

54

56

83

65%

67%

legal

19

20

30

63%

67%

acquisitie

81

80

128

63%

63%

acquisitie compleet

15

18

24

63%

75%

fusie

5

6

8

63%

75%

aandeleninkoop

8

9

13

62%

69%

14

14

23

61%

61%

joint venture krediet

3

4

5

60%

80%

ontdekking grondstof

21

22

36

58%

61%

investering

28

29

48

58%

60%

herstructurering

11

13

19

58%

68%

product/service

31

33

54

57%

61%

4

3

7

57%

43%

29

30

59

49%

51%

uitoefening optie

2

3

5

40%

60%

tender offer

2

2

5

40%

40%

TOTAAL 986 1003 1444 67% T ABEL 11: K WANTITATIEVE SIGNIFICANTIE VAN CATEGORIEËN BEDRIJFSNIEUWS (AM)

70%

verkoop divisie compleet partnership

69 Masterproef Michaël Vandendriessche 2012

Nieuwscategorie

EU_C

EU_P

EU_ALL

Rel_C

Rel_P


8

8

10

80%

80%

interim-dividend

6

6

8

75%

75%

21

23

34

62%

68%

aandeleninkoop

3

4

5

60%

80%

verlaging participatie

3

3

5

60%

60%

14

17

24

58%

71%

legal

9

9

16

56%

56%

verkoop divisie

5

6

9

56%

67%

18

20

33

55%

61%

7

9

13

54%

69%

product/service

21

21

39

54%

54%

kwartaalresultaten

62

72

118

53%

61%

aandelenuitgifte

3

4

6

50%

67%

dividend

9

10

18

50%

56%

jaarresultaten

obligatie-uitgifte

partnership innovatie

nieuws

4

5

8

50%

63%

ontdekking grondstof

12

13

24

50%

54%

samenwerking

13

14

26

50%

54%

participatie

6

8

14

43%

57%

acquisitie compleet

4

5

10

40%

50%

voorlopige kwartaalresultaten

4

4

10

40%

40%

herstructurering

3

2

8

38%

25%

management

18

22

50

36%

44%

expansie

11

15

31

35%

48%

acquisitie

22

39

70

31%

56%

2

3

7

29%

43%

15

25

55

27%

45%

joint venture

2

3

8

25%

38%

investering

6

10

28

21%

36%

aandelenuitgifte (werknemers)

1

2

5

20%

40%

TOTAAL 312 382 692 47% T ABEL 12: K WANTITATIEVE SIGNIFICANTIE VAN CATEGORIEËN BEDRIJFSNIEUWS (EU)

56%

voorspelling contract

In lijn met bovenstaande bevindingen verwerpt de onafhankelijke t-test de nulhypothese van gelijke means in AM opties niet en de correlatiematrix geeft een positieve coëfficiënt tussen call en put van 61%. Independent Samples Test Levene's Test F AM_CvsP

Equal var. No equal var.

,503

Sig. ,480

t-test for Equality of Means t

df

Sig.

-,940

76

,350

-,940

73,835

,350

T ABEL 13: O NAFHANKELIJKE T - TEST C VS . P TUSSEN NIEUWSCATEGORIEËN (AM)


Correlations

Rel_AM_C

Rel_AM_C

Rel_AM_P

1

,610**

Corr. Sig.

,000

N

39

39

**. Correlation is significant at the 0.01 level (2-tailed). T ABEL 14: C ORRELATIEMATRIX AM C VS . P Deze t-test negeert meteen het onderlinge gewicht van de categorieën door uitsluitend de gemiddelde percentages per nieuwscategorie te testen. Onderstaande tabellen voeren dezelfde tests op EU opties en vertonen dit maal een significant verschil in de gemiddelde waarden van C versus P opties. Gemiddeld genomen wijken EU P opties significant af van C opties, maar wanneer via de correlatiematrix paarsgewijs wordt getest, blijkt dat C en P opties per categorie dichter bij elkaar liggen dan AM opties (correlatiecoëfficiënt 0.841). Independent Samples Test Levene's Test F EU_CvsP

Equal var. No aqual var.

t-test for Equality of Means

Sig.

,584

t

,448

df

Sig

-2,297

54

,026

-2,297

53,437

,026

T ABEL 15: O NAFHANKELIJKE T - TEST C VS . P TUSSEN NIEUWSCATEGORIEËN (EU) Correlations

Rel_EU_C

Corr.

Rel_EU_C

Rel_EU_P

1

,841**

Sig. N

,000 28

28

**. Correlation is significant at the 0.01 level (2-tailed). T ABEL 16: C ORRELATIEMATRIX EU C VS . P


4.2 OPTIEKENMERKEN De tests in deze sectie van het empirisch onderzoek omvatten telkens de volledige dataset. Dit betekent dat optiegegevens worden gebruikt van alle bedrijven, zonder onderverdeling naar sector, land of onderneming. Het algemeen beeld dat hierdoor gevormd wordt, is nuttig in het nagaan van hypothesen zoals het gemiddelde tijdstip van de reactie rond een event en de relatie met andere optieprijsdeterminanten als de aandelenprijs, uitoefenprijs en resterende looptijd. Belangrijk op te merken is dat dezelfde events, wanneer ze in eenzelfde bedrijf over meerdere opties significant zijn, meermaals gebruikt worden in deze onderzoeksvragen.

4.2.1 WIJZIGING VAN IV EN OP ROND T H0 (4.2.1-A): IV stijgt gestaag voor een event en daalt kort erna scherp. H0 (4.2.1-B): OP ondervindt in JAN08-JAN10 gemiddeld een negatieve invloed van events. H0 (4.2.1-C): Verwachte nieuwsverspreidingen beïnvloeden OP en IV minstens even sterk als onaangekondigde berichten. H0 (4.2.1-D): Onverwachte nieuwsverspreidingen reageren het sterkst na de release, d.i. in de post periode. H0 (4.2.1-E): AM en EU opties reageren (kwalitatief) niet identiek op nieuwsberichten. H0 (4.2.1-F): C en P opties reageren gemiddeld genomen (kwalitatief) identiek op nieuws. H0 (4.2.1-G): P optie IV’s herstellen sneller van een nieuwsschok (Ahoniemi & Lanne, 2009). H0 (4.2.1-H): Significante (C)AIV returns zijn in resultaatsaankondigingen het sterkst pre event (Donders & Vorst, 1996) en vooral post event bij onverwacht nieuws. H0 (4.2.1-I): Samenvallende (S) en dichtbij liggende (D) events versterken de significantie van AIV.

Volgens (Patell & Wolfson, 1981) stijgt de IV gestaag in de weken voor een aankondiging om een maximum te bereiken tijdens t-1 en zeer scherp te dalen kort na de aankondiging. Het eigen onderzoek is gericht op KT reacties en neemt als gevolg enkel IV wijzigingen voor intervallen [t-1;t] (IV) en [t;t+1] (IV+) en cumulatieve AIV returns [t-2;t-1] (PR2) en [t+1;t+2] (PO2) op waarbij t het tijdstip van de nieuwsverspreiding is.


4,00% 2,00% 0,00% -2,00%

Average Average Average Average Average Average Average of OP of OP+ of IV of IV+ of PR2 of AIV of PO2

AM

-4,00%

EU

-6,00% -8,00% -10,00% -12,00% F IG

28:

G EMIDDELDE

RETURN

IN

IV,

OP

RESULTAATSAANKONDIGINGEN ( KWARTAAL EN JAAR ):

EN

ABNORMALE

IV

NABIJ

AM VS . EU

Deze figuur bevat uitsluitend waarnemingen van resultaatsaankondigingen. Dit is bekend terrein omdat voorgaand onderzoek naar optieprijzen bijna uitsluitend dit type berichten heeft bestudeerd. De negatieve gemiddelde IV waarde levert duidelijk bewijs

van

een

significante IV daling

tijdens en

onmiddellijk

na

een

nieuwsverspreiding. De eerste hypothese (4.2.1-A) dat IV sterk stijgt net voor de aankondiging is uit de gemiddelde CAIV PRE [t-2;t-1] in deze grafiek af te lezen. PR2 en PO2 staan respectievelijk voor de CAIV over het zojuist vermelde interval (PR2) [t2;t-1] evenals interval [t+1;t+2] (PO2). Deze event windows worden bekomen door de oorspronkelijke intervallen (t incl.) met AIV te verminderen zodat overlap ervan wordt vermeden. Hoewel hier niet getest is op een langere termijn dan twee dagen voor de aankondiging, valt wel op dat deze abnormale gemiddelde stijging in CAIV PR vrij beperkt is, wat in lijn is met (Patell & Wolfson, 1981) waarin besloten wordt dat dit gedrag in IV reeds enkele weken voor de aankondiging start. Het grote verschil tussen CAAIV PR2 (+0,82%) en AAIV (-6,56%) is enorm significant en bewijst de sterke IV daling op event dag tijdens verwachte nieuwsverspreidingen. Bijkomend ziet men dat AM opties veel sterker reageren dan EU opties (EU AAIV: -3,28%) en dat EU opties trager reageren op het nieuws dan AM opties. Wanneer AM IV+ en CAIV PO2 na event-dag herstellen van de negatieve schok, zijn EU opties nog steeds negatief (EU CAAIV PO2: -2,30%). Hypothese (4.2.1-E) zal meermaals worden aangetoond in deze paragraaf. Daar de geobserveerde IV’s in een crisisperiode vallen, is vooropgesteld dat OP voornamelijk negatief zal bewegen rond events vanwege de meer pessimistische verwachtingen van investeerders. Bewijs voor deze hypothese (4.2.1-B) wordt gevonden in de gemiddelde OP die significant daalt tijdens elke nieuwsverspreiding (OP), evenals in de daaropvolgende dag (OP+). Deze hypothese dient echter uitgebreid te worden met de oorzaak van deze daling o.b.v. de beïnvloedende factoren van de OP. Een OP ontstaat uit de simpele werking van vraag en aanbod in de optiemarkt. Wanneer alle beïnvloedende factoren van de OP constant worden gehouden, zal IV recht evenredig met OP fluctueren. Deze relatie is zichtbaar tijdens de aankondiging maar wijkt af in AM opties op t+1. Rond dit afwijkend resultaat


wordt later meer duidelijkheid verschaft. De algemene trend rond verwachte nieuwsberichten is dus een zeer sterke daling in zowel IV als OP op t omdat het aanbod aan opties de vraag ernaar overtreft. In principe zou er tussen C en P opties weinig verschil merkbaar mogen zijn daar de combinatie van optiehouders en optieschrijvers zowel in C als P tot een gelijkaardige OP wijziging moet leiden. Zowel de partij die geniet van een AP verhoging als een verlaging is immers vertegenwoordigd in beide optietyperingen. De studie van de AP fluctuaties (niet toegevoegd aan de figuur) op t en t+1 laat gemiddeld slechts een lichte stijging zien. Omwille van deze resultaten wordt AP in het verdere onderzoek niet verder gelinkt aan gemiddelde OP en IV waarden die door vraag en aanbod op de optiemarkt tot stand komen. De optiemarkt lijkt snel te herstellen van deze negatieve schok op de event-dag: tijdens t+1 zijn AM IV’s alweer positief. Dit wordt niet gereflecteerd in de OP hoewel die minder sterk negatief is dan tijdens t (-2,30% t.o.v. -3,28%). Het verschil tussen IV en OP kan enkel verklaard worden door de volatiliteit van het onderliggend aandeel σ omdat de andere beïnvloedende factoren (S, K, T) in deze grote steekproef sterk uiteenlopende waarden hebben. Hoe hoger σ , hoe meer een optie verwacht wordt op te brengen, dit voor zowel C als P optiehouders en –schrijvers. De IV die uit de OP wordt afgeleid, zal op t+1 invloed ondervinden van de gestegen σ omdat de AP vooral zal reageren in de post event periode wat de volatiliteit en vervolgens ook IV opdrijft. 6,00% 4,00% 2,00% AM

0,00% -2,00%


EU

-4,00% -6,00% F IG 29: G EMIDDELDE RETURN IN IV, OP EN ABNORMALE IV VOOR ONVERWACHT NIEUWS : AM VS . EU De voorgaande conclusies worden niet gevolgd in de abnormale observaties van de verzameling van alle onverwachte types bedrijfsnieuws. Vooreerst valt op dat de sterkte van de fluctuaties veel zwakker is bij onverwachte nieuwsverspreidingen. De laagste gemiddelde waarde is hier

-4% terwijl

dat

-10% was in

de

resultaatsaankondigingen. In de positieve richting is er post event date echter een grotere gemiddelde waarde vindbaar (+4%). Hypothese (4.2.1-C) wordt dus enkel aanvaard in de negatieve richting. Ten tweede vertonen opties bij onverwacht nieuws een duidelijke opwaartse trend doorheen de tijd: de IV reactie lijkt vertraagd in verhouding tot verwachte nieuwsberichten. Voornamelijk in de periode volgend


op een event zal IV sterk stijgen omdat dan pas de impact van het onaangekondigd persbericht doordringt in de aanpassing van vraag en aanbod in de optiehandel. Dit in tegenstelling tot de vorige figuur, waar alle onzekerheid tot uiting kwam in een langzaam stijgende IV in de dagen voor een resultaatsaankondiging. Daar waar de OP vooral op t gemiddeld het sterkst negatief bewoog, is deze reactie net omgekeerd bij onverwachte persberichten. Daar zal de implicatie van het nieuws sterker op t+1 doordringen in de OP. Hoewel er opnieuw een positieve reactie pre event date aanwezig lijkt te zijn, is de reactie in AAIV en CAAIV PO2 veel sterker met als grootste onderscheid het absolute verschil in AM AAIV van 8,74% (EU: 3,71%) tussen verwacht (res) en onverwacht (onv) nieuws. Deze cijfers zijn samengevat in onderstaande tabel. De invloed van onverwachte persberichten, waarop nog zo goed als geen onderzoek gevoerd is, wijkt sterk af van verwacht nieuws wat mij ertoe brengt hypothese (4.2.1-D) te aanvaarden. Voor de lange pre periode van twee weken of meer levert deze studie geen bewijs omdat dit een verregaande selectie van opties met de juiste looptijden zou vergen: opties dicht tegen vervaldatum (maandelijkse cyclus) reageren significanter op bedrijfsnieuws, maar korter dan één week voor vervaldatum zijn IV’s vertekend. Daarnaast is de kans op dichtbij liggende events ook zeer groot. Dit levert zeer beperkte tijdsintervallen die handmatige controle vereisen, waarvan is afgezien. OP

OP+

IV

IV+

PR2

AIV

PO2

AM_res

-10,03%

-4,18%

-6,44%

1,31%

0,82%

-6,56%

1,77%

AM_onv

-1,92%

-4,28%

2,27%

1,79%

1,27%

2,17%

4,34%

∆ abs

8,11%

0,10%

8,72%

0,48%

0,45%

8,74%

2,57%

EU_res

-2,37%

-4,08%

-3,19%

-1,77%

1,10%

-3,28%

-2,30%

EU_onv

-1,32%

-0,96%

0,49%

1,39%

-0,45%

0,43%

0,56%

∆ abs

1,05%

3,12%

3,68%

3,15%

1,55%

3,71%

2,86%

T ABEL 17: G EMIDDELDE RETURN IN IV, OP EN ABNORMALE IV VOOR VERWACHT VS . ONVERWACHT NIEUWS : AM VS . EU EU opties reageren gelijkaardig maar minder sterk met zeer kleine gemiddelde waarden voor alle abnormale IV returns. Dit wordt toegewezen aan een lagere liquiditeit van de EU optiehandel zodat de verhandelde volumes niet significant genoeg zijn om onmiddellijk te reageren op bedrijfsnieuws. De hypothese (4.2.1-C) die stelt dat verwachte nieuwsberichten tot minstens even grote fluctuaties in volatiliteit leiden, wordt voor AM opties met zekerheid aanvaard na het beschouwen van deze significante verschillen in IV en (C)AIV tussen beide grafieken. Van EU opties kan, hoewel minder significant, hetzelfde gezegd worden.


30,00% 25,00% 20,00%

∆ abs AM CvsP res

15,00%

∆ abs EU CvsP res

10,00%

∆ abs AM CvsP onv ∆ abs EU CvsP onv

5,00% 0,00% OP

OP+

IV

IV+

PR2

AIV PO2

F IG 30: A BSOLUTE VERSCHILLEN TUSSEN C EN P OVER DE VERSCHILLENDE TESTOBJECTEN MET ONDERSCHEID NAAR

AM, EU, ONVERWACHT EN VERWACHT NIEUWS

OP AM RES EU AM ONV EU

OP+

IV

IV+

PR2

AIV

PO2

C

-5,99%

-1,59%

-7,80%

-0,40%

4,24%

-7,91%

0,16%

P

-14,44%

-7,02%

-4,96%

3,19%

-2,92%

-5,09%

3,52%

C

9,00%

-2,33%

-3,10%

-2,47%

2,23%

-3,20%

-3,18%

P

-15,27%

-6,07%

-3,29%

-0,97%

-0,19%

-3,37%

-1,30%

C

-5,18%

-7,82%

2,97%

0,68%

2,45%

2,88%

3,80%

P

1,50%

-0,56%

1,54%

2,96%

0,02%

1,44%

4,90%

C

-3,40%

-1,56%

0,23%

2,23%

-0,67%

0,17%

1,09%

P

0,84%

-0,34%

0,75%

0,52%

-0,22%

0,70%

0,01%

T ABEL 18: V ERSCHILLEN TUSSEN C EN P ( DETAIL ) Nu het verschil tussen EU en AM opties duidelijk is geworden, gebeurt dezelfde test op C en P opties. Er is een enorm significant verschil tussen EU C en P opties in OP op de dag van verwachte aankondigingen: gemiddeld daalt de OP van P opties 15% tegenover een stijging van 9% in C opties. In deze masterproef wordt de sterk negatieve P OP op event-dag verklaard vanuit trader posities in combinatie met de crisisperiode: houders van P opties verwachten volgens deze negatieve OP resultaten een positieve AP beweging kort na een resultaatsaankondiging. Hierbij wordt verondersteld dat vooral P houders de prijs drijven. Voor EU opties wordt deze redenering ondersteund door de sterk positieve C OP resultaten, terwijl AM C opties ook een negatieve beweging in OP vertonen. In onverwacht nieuws worden de rollen in C en P omgekeerd: daar zien vooral C opties hun waarde dalen. Er wordt besloten dat optiehandelaars verwachten dat de aankondiging van onverwacht nieuws gemiddeld genomen een negatieve reactie op AP heeft. Deze resultaten zijn geldig voor zowel EU als AM opties wanneer verondersteld wordt dat de prijs voornamelijk wordt gedreven door optiehouders. Een laatste belangrijke bevinding is het significante verschil tussen C en P opties in de periode pre resultaatsaankondigingen (PR2). Zowel bij AM als EU lijken P opties sneller te reageren op de nieuwsschok wegens een IV daling die reeds wordt ingezet in [t-2;t-1], minder negatief is op t en reeds herstelt tijdens [t+1;t+2]. Zoals (Ahoniemi & Lanne, 2009) aantonen, zouden de IV’s van C en P opties met hetzelfde


onderliggend actief, strike en vervaldag gelijk moeten zijn. Empirisch is reeds aangetoond dat dit niet steeds opgaat, en vooral tijdens shocks, zoals nieuwsverspreidingen, kunnen de verschillen groot zijn. Men stelt vast dat de P optie IV sneller herstelt na een shock, hoewel dit tot zes weken kan duren. In de zeer korte termijn lijkt deze stelling ook op te gaan, wat hypothese (4.2.1-G) deels bewijst. Hypothese (4.2.1-F) wordt verworpen voor OP en OP+ aangezien C en P consistent afwijken van elkaar. De figuur maakt ten slotte duidelijk dat AM opties zowel in verwacht als onverwacht nieuws grotere verschillen vertonen en dus gevoeliger zijn aan de optietypering dan EU opties.

Het volgende deel in dit onderzoek toont aan welke IV en OP reactie het meest vertegenwoordigd is in de dataset: een reactie op de event-dag zelf, een reactie in de periode [t-2,t] (PR), in [t,t+2] (PO) of een combinatie van PRE en POST [t-2,t+2] wat benoemd is met de term BOTH. Mogelijke verschillen of verbanden tussen EU en AM of C en P opties worden nagegaan. Alle AM opties die significant zijn in één van de indicatoren (AIV, CAIV PR, CAIV PO) worden gezuiverd van dichtbij liggende (4963 observaties) en samenvallende events (1.062 observaties). Dichtbij liggende events worden apart beschouwd wegens het probleem met het schenden van de cross-sectionele onafhankelijkheid van de data (Brown & Warner, 1985). Er blijven 17.556 AM en 5.563 EU (184 samenvallende en 1.660 dichtbij liggende) observaties over, goed voor een totaal van 23.119 waarnemingen.

Count of sPR Count of sAIV Count of sPO Count of sBOTH AM C P EU C P Total

7.512 3.875 3.637 2.787 1.473 1.314 10.299

9.627 4.994 4.633 2.877 1.438 1.439 12.504

9.612 4.938 4.674 2.517 1.301 1.216 12.129

3.031 1.561 1.470 973 500 473 4.004

T ABEL 19: A ANTAL SIGNIFICANTE WAARNEMINGEN VAN DE CATEGORIEËN (C)AIV T , PRE , POST & BOTH


17%

45%

Count of sPR Count of sAIV

52%

Count of sPO Count of sBOTH 54%

F IG 31: V ERDELING VAN DE SIGNIFICANTE (C)AIV T , PRE , POST & BOTH OBSERVATIES Een belangrijke conclusie kan meteen gevormd worden: het mogelijk effect dat opties zowel vóór als na de event significant in prijs wijzigen, komt relatief weinig (Count of sBOTH = 17%) voor. Als IV in de twee dagen vóór de aankondiging een significante wijziging vertoont, is er gemiddeld genomen weinig reden om aan te nemen dat dezelfde optie ná het passeren van de aankondiging ook een sterke wijziging vertoont, zij het nu in de positieve of negatieve richting en zowel voor C als P opties. Merk op dat het taartdiagram niet tot 100% sommeert wegens de mogelijkheid tot combinaties van significante abnormale waarden per event. 6000 5000 4000 3000 2000 1000 0

Count of sPR Count of sAIV Count of sPO Count of sBOTH C

P AM

C

P EU

F IG 32: A ANTAL SIGNIFICANTE WAARNEMINGEN VAN (C)AIV, ONDERVERDEELD NAAR TYPE OPTIE (AM, EU, C, P) De meeste significante waarnemingen in AM opties komen voor in AIV en CAIV PR en het verschil tussen C en P opties is verwaarloosbaar. Er is in EU opties algemeen minder verschil op te merken tussen de verschillende periodes, wat de voorgaande conclusie dat EU opties minder liquide zijn, versterkt. Het lijkt eerder op een random beweging van de optie volatiliteiten dan een gerichte reactie op nieuws. Na de hoeveelheid waarnemingen wordt de significantie ervan getest via een berekening van de gemiddelde p-waarden. Dit is noodzakelijk omdat het aantal waarnemingen een laag informatiegehalte heeft wanneer niet gekend is of de abnormale waarden weinig of veel significantie bevatten. De p-waarden voor CAIV BOTH zijn een gemiddelde van de pre en post CAIV significanties. Hoewel CAIV BOTH slechts 17% uitmaken van alle observaties, worden ze verder beschouwd in het onderzoek daar hun significantie het hoogst is (0,82%). Dit onderzoek heeft meteen rekening gehouden met de mogelijke verschillen tussen call en put. In tegenstelling tot het vorig onderzoek zijn de verschillen hierin miniem.


Avg of sPR Avg of sAIV Avg of sPO Avg of sBOTH AM

1,20% 1,21% 1,18% 1,10% 1,08% 1,12% 1,17%

C P EU C P Total

1,04% 1,04% 1,05% 0,89% 0,90% 0,88% 1,01%

1,06% 1,03% 1,08% 1,22% 1,24% 1,20% 1,09%

0,85% 0,86% 0,83% 0,74% 0,77% 0,71% 0,82%

T ABEL 20: G EMIDDELDE P - WAARDEN VAN DE SIGNIFICANTE WAARNEMINGEN IN DE CATEGORIEËN AIV EN CAIV PRE , POST & BOTH De 7.441 verwijderde dichtbij liggende (D) en samenvallende (S) waarnemingen worden nu op dezelfde wijze getest. De resultaten laten geen significante verschillen uitschijnen t.o.v. de data zonder de S en D events. Wanneer enkel de samenvallende events nader bekeken worden, valt op dat 70% van de IV returns significant zijn in de AIV. Dit is beduidend hoger dan het gemiddelde van 54% in de gezuiverde data. Significante observaties van zowel S als D events geven ook een hoger aantal significante AIV observaties (60%), maar vooral hogere CAIV PR (71%) en BOTH (28%) waarden. 20%

42%


52%


F IG 33: V ERDELING VAN DE SIGNIFICANTE AIV EN CAIV PRE , POST & BOTH OBSERVATIES BIJ SAMENVALLENDE EVENTS

28%

38% Count of sPR Count of sAIV Count of sPO

71%

60%

Count of sBOTH

F IG 34: V ERDELING VAN DE SIGNIFICANTE AIV EN CAIV PRE , POST & BOTH OBSERVATIES BIJ SAMENVALLENDE EVENTS IN COMBINATIE MET DICHTBIJ LIGGENDE EVENTS

Hoewel men zou kunnen redeneren dat S + D events in alle perioden significanter zijn, is dit niet correct omwille van het lagere aantal CAIV PR waarnemingen (38% tegenover 45%). Er is een kleine verplaatsing van reactie zichtbaar van de PR naar de PO periode wanneer S en D events worden geaggregeerd.


Avg of sPR Avg of sAIV Avg of sPO Avg of sBOTH Samen (S) S en D Enkel S Dichtbij (D) Enkel D Total

1,19% 1,20% 1,18% 1,12% 1,12% 1,13%

1,07% 1,22% 1,00% 1,02% 1,02% 1,03%

0,93% 0,92% 0,94% 1,17% 1,17% 1,13%

0,68% 0,70% 0,66% 0,77% 0,77% 0,75%

T ABEL 21: G EMIDDELDE P - WAARDEN VAN DE SIGNIFICANTE WAARNEMINGEN BIJ SAMENVALLENDE EN DICHTBIJ LIGGENDE EVENTS

De gemiddelde p-waarde van AIV, CAIV PR en CAIV PO ligt beduidend lager in S en S+D events wat een bewijs is voor hun grotere significantie, voornamelijk in categorieën POST en BOTH. Dit wordt toegewezen aan de verrassingsfactor door de verspreiding van meer nieuws dan verwacht werd. De sCAAIV resultaten moeten met een korrel zout genomen worden daar dichtbij liggende events elkaars significantie aanzienlijk kunnen beïnvloeden wanneer cumulatief wordt getest zoals gesteld in (Brown & Warner, 1985). In vergelijking met losstaande events zullen samenvallende events op t gemiddeld vooral een sterkere reactie in IV veroorzaken (69% versus 54%), terwijl in S + D events de reactie zich naar de post periode verplaatst door het aantal waarnemingen CAIV PO (71% versus 52%) en CAIV BOTH (28% versus 17%). Hiermee is hypothese (4.2.1-I) aangetoond en verder gedetailleerd in het geval van de combinatie van S en D. Over D events valt minder te vertellen: de resultaten wijzen niet op een significantere gemiddelde p-waarde dan de ‘gewone’ events. Deze events zullen daarom in het verdere onderzoek als gewone events behandeld worden, ter garantie van een voldoende grote steekproef. EU opties geven een zeer ander beeld voor D en S events. Conclusies worden hieruit echter niet getrokken wegens de kleinschaligheid van het aantal ontdekte events. Toch is het nuttig te zien dat ook in een kleine steekproef de significante wijzigingen pre én post slechts een klein deel uitmaken van alle observaties. Wanneer uitsluitend kwartaal- en jaarresultaten als event worden geselecteerd (7.351 waarnemingen), stijgt de verhouding van het aantal AIV waarnemingen t.o.v. het totaal aantal geregistreerde resultaatsaankondigingen dat minstens in een van de testinstrumenten significant is van 54% naar 66%. Resultaatsaankondigingen zullen dus, aangezien de steekproef al uitsluitend events bevat die minstens pre, post of op event-dag reageren, op de event-dag in 66% van deze gevallen een significante wijziging in IV zien. De onderstaande figuren leveren een klein bewijs voor de vertraagde reactie op onverwacht nieuws omdat het aandeel van CAIV PO (54%) groter is dan bij verwacht nieuws (50%). Op basis van de verdeling van de significante resultaten wordt hypothese (4.2.1-H) van Donders & Vorst aangenomen. Het aantal CAIV PR reacties (43%) is iets lager dan bij onverwacht nieuws (45%), maar uit de tabel met p-waarden kan worden besloten dat de significantie van CAIV PR kleiner is voor resultaatsaankondigingen (1,14% versus 1,18%). Het tweede deel van de


hypothese (een significantere CAIV PO voor onverwacht nieuws) kan hiermee ook aangetoond worden (1,07% versus 1,14%), al zijn de verschillen wederom vrij klein. 18%

43%


50%

Count of sPO Count of sBOTH 66% F IG 35: V ERDELING VAN DE SIGNIFICANTE AIV EN CAIV PRE , POST & BOTH OBSERVATIES BIJ RESULTAATSAANKONDIGINGEN

17% 45%


54%


F IG 36: V ERDELING VAN DE SIGNIFICANTE AIV EN CAIV PRE , POST & BOTH OBSERVATIES BIJ ONVERWACHT NIEUWS

Avg of sPR Avg of sAIV Avg of sPO Avg of sBOTH RES

1,14%

1,04%

1,14%

0,83%

AM

1,01%

0,90%

1,17%

0,74%

EU

1,18%

1,00%

0,94%

0,66%

ONV

1,18%

0,99%

1,07%

0,82%

AM

1,19%

1,02%

1,02%

0,84%

EU

1,15%

0,89%

1,25%

0,74%

T ABEL 22: G EMIDDELDE P - WAARDEN VAN DE SIGNIFICANTE WAARNEMINGEN BIJ RESULTAATSAANKONDIGINGEN EN ONVERWACHT NIEUWS


4.2.2 VERSCHILLEN TUSSEN C EN P Omdat tijdens de bovenstaande tests het vermoeden is ontstaan dat C en P opties tegengesteld reageren, worden Pearson correlatiecoëfficiënten berekend met bijhorende significantietests. De bedoeling is de volgende hypothese aan te tonen:

H0 (4.2.2): C en P opties zijn gemiddeld negatief gecorreleerd in OP nabij nieuwsverspreidingen. Onderstaande correlatiematrix (AM) correleert de gemiddelde C met P waarnemingen van de 31 vooropgestelde nieuwscategorieën (ter garantie van de power). De tabel bewijst het vermoeden: de gemiddelde wijziging in OP(t) bij call opties is zeer sterk negatief gecorreleerd met de wijziging in put opties (coëfficiënt 0,73 evenals voor OP(t+1) met een coëfficiënt van -0,68. Vanzelfsprekend wordt AP niet beïnvloed door C of P en zijn de waarden zo goed als perfect positief gecorreleerd. IV(t+1) en IV(t) vertonen een zwak negatief verband in AM opties maar zijn vrij zwak positief gecorreleerd in EU. Hier wijken AM en EU opties dus zeer sterk af in het IV gedrag op een nieuwsverspreiding en de daaropvolgende datum. In de abnormale IV returns zijn eveneens grote verschillen waarneembaar tussen EU en AM. Waar AM opties geen correlatie vertonen in de pre en post periode en zwak negatief gecorreleerd zijn in AAIV (-0,33), zijn EU opties zwak positief gecorreleerd in AAIV (0,35) en sterk positief in de post event periode (0,61). Pre event zijn EU C en P opties negatief gecorreleerd (-0,46). Wanneer IV’s over een langere termijn worden beschouwd (CAAIV PR2 en CAAIV PO2), blijft dezelfde conclusie gelden voor AM opties, maar wordt duidelijk dat EU opties een positief (IV+) tot sterk positief (CAAIV PO2) verband vertonen tussen C en P opties. Het lijkt dus moeilijker te bepalen in welke richting C en P opties zullen reageren op bedrijfsnieuws wanneer AM opties worden verhandeld. Echter,

volgens

(Monin

&

Oppenheimer,

2005)

kunnen

correlaties

van

geaggregeerde gegevens (in dit geval gemiddelden per nieuwscategorie) tot vertekende resultaten leiden. Daarom zijn de derde en vierde tabel toegevoegd waarbij alle individuele data paarsgewijs gecorreleerd zijn. De resultaten wijzen op een volledige afwezigheid van enig verband tussen call en put opties. Na deze bevinding wordt hypothese (4.2.2) verworpen. Men moet dus sterk opletten met de weergave van de data bij het interpreteren van de resultaten.


AM Avg of OP Avg of OP+ Avg of IV Avg of IV+ Avg of AP Avg of AP+ Avg of PR2 Avg of AIV Avg of PO2

C P C P C P C P C P C P C P C P C P

Avg of OP C P 1 -0,726 1 -0,242 0,0308 -0,057 0,2016 -0,004 0,1516 -0,085 0,4892 -0,04 0,0805 -0,147 0,2482 0,7069 -0,875 0,6752 -0,891 0,1035 -0,162 0,164 -0,252 -0,05 -0,074 -0,157 0,2605 -0,003 0,1508 -0,083 0,4884 0,0349 0,1201 0,0933 0,0174

Avg of OP+ C P

Avg of IV C P

Avg of IV+ C P

Avg of AP C P

Avg of AP+ C P

Avg of PR2 C P

1 -0,767 -0,087 0,0204 -0,056 -0,38 0,0569 0,0169 0,6679 0,6793 0,1914 -0,238 -0,088 0,02 -0,278 -0,557

1 -0,33 -0,375 0,2973 -0,292 -0,258 0,0432 0,0133 0,4045 0,063 1 -0,33 -0,396 0,576

1 -0,193 0,0724 0,0923 -0,403 -0,312 -0,147 0,032 -0,376 0,4971 0,7348 -0,393

1 0,9694 0,1735 0,284 -0,076 -0,327 -0,291 -0,296 0,0555 -0,209

1 0,939 0,2176 -0,048 0,0438 -0,127 -0,316 -0,297

1 -0,085 0,4057 -0,205 -0,208 0,0417

1 -2E-04 0,1779 0,3683 0,5226 -0,248 -0,201 -0,769 -0,822 -0,165 0,1904 -4E-04 0,1785 0,3813 0,4331

1 0,4974 -0,108 -0,297 -0,295 -0,127 -0,131 -0,206 0,0753 -0,331 1 0,5602 -0,29

1 -0,379 -0,333 -0,415 -0,481 -0,134 0,0458 0,2969 -0,108 -0,22 0,7039

1 0,1423 0,2644 -0,056 -0,317 -0,258 -0,294 0,066 -0,154

1 0,2199 -0,107 0,0132 -0,131 -0,215 -0,34

Avg of AIV C P

1 0,0602 1 0,0723 -0,331 1 -0,005 -0,398 0,5595 -0,018 0,576 -0,29

Avg of PO2 C P

1 -0,182

T ABEL 23: C ORRELATIEMATRIX VAN GEMIDDELDE WAARDEN OVER 31 NIEUWSCATEGORIEËN VOOR AM C VERSUS P

83

1

EU Avg of OP Avg of OP+ Avg of IV Avg of IV+ Avg of AP Avg of AP+ Avg of PR2 Avg of AIV Avg of PO2


Avg of OP C P 1 -0,596 1 -0,136 -0,06 -0,148 0,522 -0,334 0,5849 0,1977 0,446 0,076 0,3413 -0,584 0,5135 0,8645 -0,767 0,799 -0,818 -0,143 -0,061 -0,005 -0,379 0,2441 -0,076 -0,019 -0,05 -0,341 0,585 0,1938 0,4515 -0,182 0,3962 -0,443 0,475

Avg of OP+ C P

Avg of IV C P

Avg of IV+ C P

Avg of AP C P

Avg of AP+ C P

Avg of PR2 C P

1 -0,68 0,3262 -0,106 -0,133 0,1428 -0,064 0,0196 0,8818 0,7549 0,2068 0,0197 0,3294 -0,108 -0,004 -0,066

1 0,3601 0,0179 0,4147 -0,418 -0,393 0,3523 0,1484 0,0055 -0,034 0,9997 0,358 0,0625 0,1626

1 0,4255 -0,021 -0,159 -0,201 -0,471 0,0685 0,0257 0,0129 0,3491 0,8259 0,5416

1 0,9513 -0,014 0,1048 0,2242 0,1346 -0,422 -0,11 -0,191 -0,335

1 0,8182 0,1579 -0,046 0,3567 -0,201 -0,093 -0,08

1 -0,463 0,0053 0,0567 0,1323 -0,003

1 0,0029 0,1961 0,6145 0,4566 -0,214 -0,389 -0,645 -0,887 -0,181 0,033 0,0019 0,2035 0,5092 0,6432

1 0,3455 -0,127 -0,106 -0,117 -0,199 -0,216 0,0565 -0,009 0,3505 0,9996 0,2669 -0,195

1 -0,438 -0,536 0,1148 -0,183 -0,14 0,2399 0,4179 -0,125 0,3908 0,7897

1 0,0347 0,2501 0,252 0,1279 -0,395 -0,121 -0,252 -0,481

1 0,1434 -0,113 0,1524 -0,222 -0,378 -0,465

Avg of AIV C P

Avg of PO2 C P

1 -0,041 1 -0,017 0,349 1 -0,063 0,0647 0,2773 1 0,0782 0,167 -0,187 0,6058

T ABEL 24: C ORRELATIEMATRIX VAN GEMIDDELDE WAARDEN OVER 31 NIEUWSCATEGORIEËN VOOR EU C VERSUS P


1

AM Avg of OP Avg of OP+ Avg of IV Avg of IV+ Avg of AP Avg of AP+ Avg of PR2 Avg of AIV Avg of PO2


Avg of OP C P 1 -0,039 1 -0,076 0,0065 0,0285 -0,018 0,0101 0,0192 -0,009 0,195 -0,032 -0,033 0,0028 -0,008 0,6055 -0,082 0,0232 -0,623 -0,015 0,0277 -0,012 -0,018 0,0164 -0,005 0,0192 -0,012 0,0102 0,0191 -0,009 0,1951 -0,055 -0,012 0,0137 -0,019

Avg of OP+ C P

Avg of IV C P

Avg of IV+ C P

Avg of AP C P

Avg of AP+ C P

Avg of PR2 C P

1 -0,025 -0,017 -0,018 0,0477 0,008 -0,045 -0,015 0,5629 0,0057 0,0276 -0,02 -0,017 -0,018 -0,014 0,0102

1 -0,056 -0,28 0,032 -0,211 -0,013 0,0324 -0,011 -0,382 0,0462 1 -0,056 -0,305 0,0347

1 -0,047 0,0522 0,0291 -0,252 -0,013 0,0042 0,0063 -0,28 0,038 0,6387 -0,017

1 0,0766 -0,109 -0,028 0,0484 -0,009 -0,211 0,0394 0,0504 -0,016

1 -0,008 0,0265 -0,005 0,0323 -0,05 -0,195 0,0316

1 -0,059 -0,381 0,0316 -0,023 -0,005

1 0,0108 0,0203 0,0314 0,2443 0,0475 0,039 -0,032 -0,617 -0,026 -0,005 0,0109 0,0205 0,0397 0,1764

1 0,038 -0,245 0,0395 -0,077 -0,05 -0,015 0,0314 -0,483 -0,055 1 0,0776 -0,218

1 -0,044 -0,056 0,0343 -0,101 -0,014 0,0108 0,0319 -0,245 -0,043 0,6744

1 -0,063 -0,059 0,0261 -0,07 -0,013 -0,077 0,0514 -0,052

1 0,0433 0,0078 -0,012 -0,015 -0,031 -0,064

Avg of AIV C P

Avg of PO2 C P

1 0,0458 1 -0,482 -0,055 1 -0,023 -0,305 0,0776 -0,017 0,0346 -0,218

1 -0,03 1

T ABEL 25: C ORRELATIEMATRIX VAN INDIVIDUELE WAARDEN OVER 31 NIEUWSCATEGORIEËN VOOR AM C VERSUS P


EU Avg of OP Avg of OP+ Avg of IV Avg of IV+ Avg of AP Avg of AP+ Avg of PR2 Avg of AIV Avg of PO2


Avg of OP C P 1 -0,026 1 -0,167 0,0142 0,0087 0,1132 -0,051 0,0733 0,0005 0,2199 -0,051 0,0211 0,0048 0,1705 0,6763 -0,072 0,0586 -0,647 -0,092 0,0189 -0,045 0,0355 0,1126 -0,095 0,0529 -0,02 -0,053 0,0742 0,0002 0,2208 -0,089 0,0105 -0,028 0,0956

Avg of OP+ C P

Avg of IV C P

Avg of IV+ C P

Avg of AP C P

Avg of AP+ C P

Avg of PR2 C P

1 0,0263 0,0951 0,0175 0,0624 0,0441 -0,162 -0,052 0,6991 -0,032 -0,005 -0,008 0,0946 0,018 0,0891 0,0554

1 0,0254 -0,384 -0,009 -0,2 -0,1 0,1253 -0,073 -0,13 -0,007 0,9999 0,0261 -0,292 0,035

1 0,0026 -0,056 0,0098 -0,132 -0,023 0,0045 0,0368 -0,383 0,0112 0,698 0,0299

1 0,0936 -0,111 -0,044 0,1924 0,0314 -0,203 0,0325 -0,09 -0,066

1 -0,064 0,0031 -0,01 0,1239 0,0232 -0,048 0,0122

1 0,0095 -0,131 0,0033 -0,012 -0,107

1 0,0459 0,1093 0,0234 0,0987 -0,036 -0,037 0,023 -0,612 -0,097 -0,029 0,045 0,1123 0,0119 0,1237

1 0,0103 -0,322 0,0337 -0,074 0,0225 -0,085 0,0034 -0,174 0,0251 0,9999 0,0081 -0,305

1 -0,042 -0,297 0,0129 0,0691 -0,062 0,0436 -0,008 -0,32 0,0204 0,6657

1 -0,03 -0,088 0,0925 0,0436 -0,1 -0,076 0,0385 -0,201

1 0,0176 -0,035 -0,071 -0,087 0,0009 -0,012

Avg of AIV C P

Avg of PO2 C P

1 -0,006 1 -0,174 0,0258 1 0,0422 -0,291 0,0086 -0,022 0,036 -0,302

1 0,0348 1

T ABEL 26: C ORRELATIEMATRIX VAN INDIVIDUELE WAARDEN OVER 31 NIEUWSCATEGORIEËN VOOR EU C VERSUS P


4.2.3 DE INVLOED VAN IV OP OP EN AP OP IV 12000 10000

9714 9467 10880 10633

8000

10387 9960 P

6000 3086

4000

3446

2000

2943

3368

3589

N

3164

0 AM OP

AM IV

AM AP

EU OP

EU IV

EU AP

F IG 37: A ANTAL POSITIEVE EN NEGATIEVE WIJZIGINGEN IN OP, IV EN AP

H0 (4.2.3-A): Tijdens nieuwsverspreidingen leidt een stijging (daling) in IV gemiddeld genomen tot een stijging (daling) in OP (standaard marktwerking). H0 (4.2.3-B): Tijdens nieuwsverspreidingen leidt een stijging (daling) in AP gemiddeld genomen tot een daling (stijging) in IV (standaard marktwerking). H0 (4.2.3-C): Optieprijzen net voor en tijdens een nieuwsverspreiding (CAIV PR2 en AIV) beïnvloeden toekomstig investeerdersgedrag (AP) in de korte termijn (Patell & Wolfson, 1981). Het aantal negatieve waarnemingen wijkt weinig af van het aantal positieve tussen AM en EU opties in deze steekproef van de 31 meest voorkomende nieuwscategorieën na zuivering van S en S+D events. Ten tweede zijn er meer negatieve dan positieve wijzigingen; het verschil loopt van 9,5% tot 22% tussen de categorieën (met de grootste waarden in EU opties). Dit, in combinatie met een gemiddeld aantal positieve wijzigingen in de aandelenkoers dat het aantal negatieve overtreft, wijst erop dat de optiemarkt tijdens nieuwsverspreidingen niet beweegt volgens de verwachtingen in een bearish markt vanwege de financiële crisis. De EURO STOXX 50 index vertoont immers een negatieve trend over het grootste deel van de dataset, wat resulteert in de VSTOXX grafiek die over diezelfde periode voornamelijk stijgt. Op nieuwsverspreidingen lijkt de markt gemiddeld te ontspannen waardoor IV’s dalen. Dit is reeds een indicatie voor het niet aannemen van hypothese (4.2.3-B). Zowel in AM als EU opties worden meer OP en IV waarden met hetzelfde teken waargenomen, wat visueel bewijs lijkt te leveren voor hypothese (4.2.3-A). Gemiddeld genomen zou een stijging in IV een daling in OP moeten veroorzaken, ook al wordt de eerste uit de laatste afgeleid. De normale marktwerking wordt tijdens nieuwsverspreidingen echter slechts in iets meer dan de helft van de gevallen (AM 58% en EU 54%) gevolgd, waardoor hypothese (4.2.3-A) verworpen wordt.


14000

11864

12000

10294

10000 10053

8000

12080 8267 =

8483

6000

3537

4000 2000

2995

3260

<>

3079 3453

3272

0 AM OP=IV AM OP=AP AM IV=AP EU OP=IV EU OP=AP EU IV=AP F IG 38: A ANTAL WAARNEMINGEN VAN GELIJKE OF TEGENGESTELDE BEWEGINGEN IN OP VS . IV, OP VS . AP EN IV VS . AP Voor IV = AP geldt net de omgekeerde relatie en wordt de normale marktwerking gevolgd in 59% (AM) en 53% (EU) van de waarnemingen. Voor hypothese (4.2.3-B) luidt dezelfde conclusie als voor hypothese (4.2.3-A). In dit onderzoek zijn de verschillen in reactie tussen EU en AM opties in tegenstelling tot de vorige tests vrij klein. In de volgende tests wordt het bovenstaande onderzoek verder gedetailleerd m.b.v. correlatiecoëfficiënten tussen de testobjecten.

AM OP OP+ IV IV+ AP AP+ PR2 AIV PO2

OP

OP+

IV

IV+

AP

AP+

PR2

AIV

1 -0,049 0,0986 -0,019 0,0244 -0,017 0,0015 0,0987 -0,037

1 0,0012 0,1348 -0,006 0,0254 0,0101 0,0013 0,0693

1 -0,263 -0,143 0,0077 -0,435 1 -0,265

1 0,0021 -0,182 -9E-04 -0,263 0,6523

1 -0,082 1 -0,015 0,0206 1 -0,143 0,0075 -0,435 1 0,0023 -0,134 -0,027 -0,265

T ABEL 27: C ORRELATIEMATRIX TESTOBJECTEN OVER 31 GROOTSTE CATEGORIEËN (AM) Ondanks het grote aandeel OP en IV met tegengesteld teken, wordt toch gekeken naar een mogelijke relatie tussen beide. De correlatiematrix weerlegt het bestaan ervan: tussen de testobjecten OP, IV en AP op tijdstippen t en t+1 bestaat geen correlatie (0,0986). De zwakke correlatie is echter positief, wat overeenkomt met de beschouwing van het teken in het vorige onderzoek. Ook voor de correlatie tussen IV en AP gaat dit op wegens de zwak negatieve correlatiecoëfficiënt van -0.143. De invloed van IV op OP is als gevolg erg moeilijk te voorspellen tijdens nieuwsverspreidingen evenals de relatie tussen AP en IV die gemiddeld genomen licht negatief is. Opvallend is de perfecte positieve correlatie tussen IV en AIV vanwege het toegepaste constant mean return model dat slechts kleine regressie-alfa’s levert waardoor de abnormale afwijking van IV niet sterk verschilt van de fluctuatie in de


totale IV. Als gevolg zijn CAAIV PR2, CAAIV PO2 en AAIV vaak positief gecorreleerd met de IV en IV+ waarden. Een laatste opmerking betreft de negatieve correlatie tussen enerzijds AAIV en anderzijds CAAIV PR2 en CAAIV PO2. De abnormale IV reactie in de periode [t-2;t-1] evenals [t+1;t+2] is dus licht negatief gelinkt aan periode t. Een stijging in AIV wordt vaak voorafgegaan (-0.44) en gevolgd (-0.27) door een daling. De EU resultaten zijn sterk vergelijkbaar maar wijken af in de correlatie tussen OP en AP. EU OP zijn tijdens nieuwsverspreidingen gemiddeld genomen iets beter te voorspellen in hun reactie op een verschuiving in AP:

EU OP OP+ IV IV+ AP AP+ PR2 AIV PO2

OP

OP+

IV

IV+

AP

AP+

PR2

AIV

1 -0,049 0,0669 0,0432 0,1121 -0,035 0,057 0,066 -0,006

1 0,1027 0,0784 -0,11 0,1238 -0,014 0,1037 0,1071

1 -0,357 -0,147 0,0209 -0,152 0,9999 -0,3

1 -0,164 1 -0,037 -0,1 1 0,0223 0,1226 -0,015 1 -0,356 -0,149 0,0192 -0,153 1 0,6833 -0,135 -0,026 -0,017 -0,297

T ABEL 28: C ORRELATIEMATRIX TESTOBJECTEN OVER 31 GROOTSTE CATEGORIEËN (EU) De laatste stap is het opstellen van regressies met als doel de richting (bèta) van de ontdekte (gecombineerde) invloeden op OP en IV te berekenen. De volledige output is te vinden in de appendix, de onderstaande tabellen zijn beperkt tot de meest opvallende resultaten: Coefficientsa Unstandardized Coefficients Model 1 (Constant) AM_AP

Standardized Coefficients

B Std. Error -,012 ,002 -,696

Beta

,034

-,143

t -7,174

Sig. ,000

-20,605

,000

t -5,870

Sig. ,000

a. Dependent Variable: AM_IV

T ABEL 29: R EGRESSIE VAN IV OP AP (AM) Coefficientsa Unstandardized Coefficients Model 1 (Constant)

B Std. Error -,021 ,004

Standardized Coefficients Beta

EU_AP

,929

0,092

0,125

10,058

,000

EU_IV

,215

,031

,085

6,880

,000

a. Dependent Variable: EU_OP

T ABEL 30: R EGRESSIE VAN IV OP AP (EU)


De regressie output wijst steeds op een lage R² vanwege de kleine correlaties, maar levert wel enkele interessante bèta-coëfficiënten. Zowel in EU als AM opties wijst deze slechts op een zwak positief verband van 0.2 wanneer OP op IV wordt geregresseerd, maar de regressie van IV op AP is veel geprononceerder: daar is een bèta in AM opties te vinden van -0.7 en -0.43 bij EU opties. Het negatief verband tussen AP en IV gaat, hoewel de correlatiecoëfficiënt zwak is, op tijdens nieuwsverspreidingen. Ten slotte werd OP geregresseerd op de combinatie van IV en AP. De gezamenlijke invloed van deze twee testobjecten is uitermate zwak in AM opties (R² = 0.011) en is maar weinig sterker in EU opties (R² = 0.02). Toch wordt hierdoor duidelijk dat de invloed van AP op OP in EU opties erg positief is (bèta = 0.93). Zowel in AM als EU opties wordt de invloed van AP op OP versterkt door de regressor IV toe te voegen. De combinatie van deze regressoren levert hogere bètas en een (iets) grotere verklaringskracht dan de aparte regressies. De invloed van IV+AP op OP is dus positief bevonden, maar moet omwille van de lage verklaringskracht van de regressies kritisch benaderd worden. De hypothese (4.2.3-C) dat optieprijzen toekomstig investeerdersgedrag beïnvloeden in (Patell & Wolfson, 1981) wordt in de korte termijn verworpen: CAIV PR2 of AIV hebben geen enkele invloed op AP of AP+. De verklaringskracht en bèta-coëfficiënten zijn zo goed als nul. Dit resultaat kan een aanwijzing zijn voor een ander optiegedrag dan dat beschreven in (Patell & Wolfson, 1981), hoewel een meer logische verklaring niet het optiegedrag maar het investeerdersgedrag in tijden van crisis is. Dit leidt er toe dat optie- en aandelenkoersen een grilliger verloop kennen door extremere reacties van investeerders op bedrijfsaankondigingen. Wanneer investeerders nieuws op een andere manier opvatten, zal dit in combinatie met de grotere variantie in de koersen niet leiden tot een goed te voorspellen aandelenprijsverloop in de dagen en weken volgend op een aankondiging. Men dient ook in te zien dat de liquiditeit van de markten sinds het schrijven van het eerder vermelde onderzoek sterk is toegenomen en dat er meer bedrijfsinformatie wordt verspreid, sneller en via meer verschillende media. Dit onderzoek gaat overigens niet na hoe een aandelenkoers zich gedraagt in de langere periode na een event omdat de invloed van een groot aantal factoren daarvan aan de basis ligt. De nadruk ligt hier op de korte termijn en het trachten te verklaren van de invloed die de nieuwsverspreiding uitoefent, los van andere sector-gerelateerde of macro-economische factoren. Opnieuw wordt bewijs gevonden dat de reactie van OP op zijn determinanten (AP en IV) niet normaal verloopt tijdens nieuwsverspreidingen. Men kan zich de vraag stellen of beleggers irrationeel handelen rond een nieuwsverspreiding. Uit de resultaten lijkt dat te kloppen door de afwezigheid van een duidelijk verband tussen IV en OP. Traditionele opvattingen over het gedrag van optieprijzen komen dus niet overeen met het gedrag van optieprijzen in de buurt van aankondigingen van bedrijfsnieuws in termen van IV en OP en bij het verband tussen IV en AP.


4.2.4 DE INVLOED VAN MONEYNESS OP OP EN IV H0 (4.2.4): ATM IV en OP reageren sterker op bedrijfsnieuws dan ITM of OTM opties. Het heeft geen zin de uitoefenprijzen apart te vergelijken daar zij geen bruikbaar testinstrument vormen als ze niet relatief t.o.v. de spot price worden beschouwd. Het aandeel van elke onderneming wordt in zijn opties immers aan een andere range van uitoefenprijzen gelinkt o.b.v. de waardering van het aandeel. Dit betekent dat het onderzoek naar een mogelijk verband tussen de uitoefenprijs en (C)AIV meteen gelijk staat aan het onderzoek van de invloed die de moneyness op deze waarden heeft. Volgens de payoff structuur van opties dient de waarde van een call negatief gecorreleerd te zijn met de uitoefenprijs. Hoe meer de strike de spot price benadert, hoe lager de opbrengst uit de call optie is. Een put optie zal net omgekeerd in waarde toenemen zodra de strike stijgt omdat de kans op een uitoefening met winst op uitoefendatum toeneemt. Ditzelfde C en P gedrag geldt voor zowel AM als EU opties. Uit de dataset waren reeds alle optiegegevens verwijderd waarvan de strike verder dan 20% van de spot lag vanwege de normaliteitsveronderstelling. Voor deze test worden C en P geaggregeerd omdat de nadruk ligt op de algemene moneyness invloed op de optiemarkt en vanwege de incorporatie van C en P in het opstellen van de moneyness categorieën. De strikes worden gesorteerd van meest negatieve (20%) naar meest positieve (+20%) afwijking van de spot. Vervolgens worden deze resultaten in vier intervallen onderverdeeld, gaande van interval [0.8;0.9] tot interval [1.1;1.2]. Er wordt verondersteld dat het eerste interval [0.8;0.9] overeenkomt met ITM call en OTM put opties, interval [1.1;1.2] met OTM call en ITM put opties en de twee overige intervallen op ATM opties duiden. 2,00% 0,00% -2,00% -4,00%

AM

EU ITM

AM

EU ATM

-6,00% -8,00%

AM

EU OTM Average of IV Average of OP

-10,00% -12,00% -14,00% F IG 39: I NVLOED VAN MONEYNESS OP IV EN OP Ten eerste worden verschillen tussen AM en EU opties duidelijk: waar de IV reactie van EU opties zeer gelijkaardig en negatief verloopt over opties met verschillende moneyness, vertonen AM opties een groot verschil tussen de sterk negatieve ATM en positieve OTM IV waarden. Het verschil tussen de moneyness categorieën wordt erg duidelijk in OP: in zowel AM als EU opties is van ITM naar OTM een stijgende trend


waarneembaar in de sterkte van de OP reactie. De onderzochte gemiddeld negatieve inschatting van nieuws door de OP komt dus sterker tot uiting in OTM opties. Voor EU opties geldt hetzelfde, zij het minder nadrukkelijk. Deze test bewijst eens te meer dat AM opties sneller en significanter reageren op nieuwsverspreidingen dan EU opties. Tot slot worden grote verschillen in AM IV genoteerd in de periode t+1. IV+ reageert over die periode zelfs het minst sterk in ATM opties. De positieve zin van IV in AM OTM opties zet zich dus voort in de dagen kort na een nieuwsverspreiding. OP(t+1) vertoont geen wezenlijk verschil met OP(t). 4,00% 2,00% 0,00% -2,00%

AM

EU ITM

AM

EU

AM

ATM

-4,00%

OTM

EU

Average of IV+ Average of OP+

-6,00% -8,00% -10,00% F IG 40: I NVLOED VAN MONEYNESS OP IV+ EN OP+ Naast de gedeeltelijke aanname van de hypothese (4.2.4) voor IV op t wordt deze aangevuld met de ontdekking dat niet ATM maar OTM opties het sterkst reageren in hun OP. De significantie van deze observaties werd getest m.b.v. one-way ANOVA toetsen. Na indeling in groepen ITM, ATM en OTM werden deze achtereenvolgens vergeleken in OP, IV en IV+, zowel voor EU als AM. De ANOVA output in de appendix leidt tot de volgende resultaten: de algemene F-statistiek is overal behalve in de EU IV observaties significant, maar dient gecorrigeerd te worden als de veronderstelde homogeniteit van de varianties niet opgaat. De Levene test gaat dit na en verwerpt de nulhypothese van homogeniteit van varianties: de varianties in dit onderzoek zijn heterogeen. De Welch t-test corrigeert de F-statistiek voor deze heterogeniteit in de varianties waarna de Games-Howell test voor heterogene varianties ten slotte de gemiddelden tussen de moneyness groepen vergelijkt. Zoals geconcludeerd uit de visuele representatie van de gegevens zijn de verschillen tussen de moneyness categorieën in AM opties zeer significant. In EU opties is dit enkel het geval voor verschillen in OP en tussen de categorieën ITM en ATM/OTM in IV+. De onderstaande grafiek is een weergave van het aantal geregistreerde significante IV wijzigingen op bedrijfsnieuws per moneyness categorie. Als rekening wordt gehouden met het feit dat ATM twee intervallen vertegenwoordigt ( [0.9;1.0] en [1.0;1.1] ) beslaan ITM opties het grootste deel van de significante waarnemingen in de dataset.


12000 9557

10000 8000

6722

6000 3453

4000

4432 Total

1965

2000

1349

0 AM

EU ITM

AM

EU

AM

ATM

EU OTM

F IG 41: A ANTAL ITM, ATM EN OTM WAARNEMINGEN IN EU EN AM

4.2.5 DE INVLOED VAN DE RESTERENDE LOOPTIJD OP IV EN OP H0 (4.2.5): Opties met een korte resterende looptijd reageren heviger op bedrijfsnieuws dan langer lopende opties. Dit als gevolg van een groter proportioneel deel van de tijdwaarde (verwachtingswaarde) dat fluctueert met de volatiliteit van het onderliggend actief, omdat de resterende looptijd een lagere invloed heeft. Een langere resterende looptijd leidt tot een hogere optiepremie en dus een verhoogde OP omwille van de grotere tijdwaarde. Deze test controleert of de looptijd een invloed heeft op de wijziging in IV en OP in een kort tijdsbestek. Wegens het bestaan van volatility smiles zijn de HKT observaties (één week voor vervaldag in AM opties met een looptijd van 1 maand, twee weken vóór vervaldag in EU opties met een looptijd van 6 maanden) verwijderd waardoor twee categorieën getest kunnen worden. Events gedefinieerd als KT vallen in EU opties in de periode tussen zes maanden en twee weken voor vervaldag terwijl dit voor AM opties tussen één maand en één week voor vervaldag is. LT staat voor een resterende looptijd van respectievelijk meer dan zes maanden en één maand. Gezien EU en AM opties een verschillende optiecyclus kennen, worden deze datasets apart beschouwd. Volgens de normale werking van optieprijzen dient een EU optie, zowel C als P, in waarde toe te nemen wanneer de resterende looptijd groter is. Voor AM opties is dit niet gegarandeerd en is er geen eenduidige relatie gekend tussen de resterende looptijd en optieprijs. Deze kennis kan niet aan het eigen onderzoek worden gelinkt omdat de testobjecten relatieve verschillen weergeven. De absolute OP wordt dus niet getest en de nadruk ligt op de sterkte in reactie van KT versus LT opties. Uit de onafhankelijke t-tests (appendix) wordt duidelijk dat de twee categorieën KT en LT zowel IV als OP significant van elkaar onderscheiden in EU opties. In AM opties is dit uitsluitend geldig voor OP. De volgende figuur geeft de visuele weergave van de t-tests waardoor duidelijk wordt dat de looptijd een zeer significante invloed op de reactie van opties rond events uitoefent. EU opties met een lange resterende looptijd ondergaan minder invloed van bedrijfsnieuws in zowel IV (-75%) als OP (-


83%) fluctuaties. AM opties zien hun IV waarde gemiddeld 38% dalen gaande van KT naar LT. De AM OP gemiddelden zakken 80%, wat ongeveer identiek is aan EU opties. Hypothese (4.2.5) wordt aanvaard. 0,00% EU -2,00%

AM KT

EU

AM LT

-4,00%

Average of IV

-6,00%

Average of OP

-8,00% -10,00% F IG 42: I NVLOED VAN RESTERENDE LOOPTIJD OP OP EN IV


4.3 NIEUWSSTUDIE H0 (4.3-A): Categorieën van bedrijfsnieuws oefenen een verschillende invloed uit op de gemiddelde IV, OP en (C)AIV waarden. Deze categorieën zijn in te delen in verwacht of onverwacht nieuws. H0 (4.3-B): Het teken van de fluctuatie in OP t.o.v. IV rond nieuwsverspreidingen is moeilijk in te schatten. Hoewel voorgaand onderzoek m.b.t. de invloed van verschillende nieuwscategorieën enkel aandelenkoersen onderzoekt, gaat deze masterproef na of er overeenkomsten bestaan met opties. De basis van dit onderzoek, het verklaren van verschillen door optietypering, wordt telkens getest. C en P opties worden, vanwege dezelfde redenering als de vorige paragraaf, niet onderscheiden. Dichtbij liggende events worden mee beschouwd, maar de combinatie met samenvallende events evenals de aparte observatie van die laatste, worden opnieuw uitgesloten. In de appendix is een tabel te vinden van alle geregistreerde event types. De events waarvoor minder dan 10 waarnemingen bestaan, worden in de onderstaande tests verwijderd zoals besproken in paragraaf 4.1, wat in een steekproef van 20.709 AM en 6.767 EU waarnemingen resulteert. In elke categorie wordt nu de gemiddelde waarde geplot voor IV(t), IV(t+1), OP(t), OP(t+1), AIV, CAIV PR2, CAIV PO2, AP(t) en AP(t+1). De significant (5%) hoge en lage waarden worden in onderstaande grafieken weergeven en zijn getest door een gemiddelde en standaardafwijking te berekenen en toe te passen in zowel eenzijdige als tweezijdige t-tests, daarbij opnieuw uitgaand van normaliteit. Elke grafiek maakt onderscheid naar EU en AM. Daar de meest significante wijzigingen vaak gepaard gaan met een beperkt aantal waarnemingen (zo zijn er 208 significante optiewijzigingen voor het ene event waarbij Banco Santander zijn hoofdkwartier verkocht in 2008), worden deze uit de dataset verwijderd. Events die vaker voorkomen, leiden wegens hun grote variëteit in teken anders niet tot een opname in de onderstaande grafieken omdat de t-tests worden uitgevoerd op standaardafwijkingen die door kleine waarnemingen zeer sterk worden beïnvloed. Van tests op basis van gewichten is afgezien omwille van de enorme verschillen in geregistreerde waarnemingen tussen de categorieën. Dit veroorzaakte, zelfs in sterk afgezwakte versies van de werkwijze met gewichten, uitsluitend significante resultaatsaankondigingen.


15,00% 10,00% 5,00% 0,00%

AM

-5,00%

EU

-10,00% -15,00% -20,00% F IG 43: S IGNIFICANT AFWIJKENDE GEMIDDELDE OP( T ) NIEUWSCATEGORIEËN 0,00% -5,00% -10,00%

AM

-15,00%

EU

-20,00% -25,00% F IG 44: S IGNIFICANT AFWIJKENDE GEMIDDELDE OP( T +1) NIEUWSCATEGORIEËN In lijn met het vorig onderzoek zijn de meeste OP waarden negatief in t en t+1. Hoewel kwartaalresultaten de t+1 grafiek net niet haalde, zijn zowel jaar- als kwartaalresultaten negatief vertegenwoordigd in de meest significante OP returns. De stelling dat onverwacht nieuws een vertraagde reactie in optieprijzen veroorzaakt, wordt hier opnieuw als uitgangspunt genomen. Categorieën die in OP(t) en OP(t+1) op dezelfde manier reageren als verwachte resultaatsaankondigingen, zijn: dividend, innovatie, ontdekking grondstof, verkoop divisie compleet, verlaging participatie (zowel AM als EU) en voorspelling (AM). De aankondiging van deze nieuwstypes wordt verondersteld tot een zeker niveau gekend te zijn in de markt. Informatie over dividenden wordt vaak samen met resultaatsaankondigingen verspreid, de verkoop van grote assets wordt sterk opgevolgd door beleggers en over de positiewijziging in participaties evenals joint ventures (t+1) wordt ook veel informatie verspreid, zij het door analisten of via private informatie. Voorspellingen betreffen verwachtingen over de financiële prestaties van de onderneming, sector of macro-economie. Hun informatie-inhoud is reeds beïnvloed door de marktsituatie en eventuele analistenrapporten, waardoor de verspreiding ervan een eenvoudige bevestiging voor beleggers kan zijn. Over de andere categorieën kan dit met minder duidelijkheid gesteld worden en ligt een mogelijke verklaring eenvoudigweg in de reactie van de optiemarkt op dit type nieuws.


Interim-dividenden zijn een schoolvoorbeeld van onverwacht nieuws wegens hun hoge OP op t gevolgd door de bijzonder sterke correctie van deze overdreven marktreactie die pas op t+1 tot uiting komt. Uit de gegevens blijkt dat de verkoop van een divisie een pak sterker reageert op t+1 dan op t en dus in dezelfde categorie wordt ondergebracht. Ook obligatie-uitgiftes veroorzaken dit effect, met een bijna identieke reactie in AM en EU. EU OP reageert op t+1 sterk negatief bij aandelenuitgiftes terwijl van dit effect geen sprake is in AM OP. Kapitaalverhogingen leiden in EU opties dus tot een groter aanbod aan opties een dag na de publicatie. Voorlopige

jaarresultaten

zijn

ten

slotte

alle

niet-definitieve

resultaatsaankondigingen op jaarbasis en vertonen een grote gemiddelde daling van OP(t) naar OP(t+1) in zowel EU als AM wat hen onder onverwacht nieuws categoriseert. 5,00% 4,00% 3,00% 2,00% 1,00% 0,00% -1,00% -2,00% -3,00% -4,00% -5,00% -6,00%

AM EU

F IG 45: S IGNIFICANT AFWIJKENDE GEMIDDELDE AP( T ) NIEUWSCATEGORIEËN 0,00% -1,00% -2,00% AM

-3,00%

EU

-4,00% -5,00% -6,00% F IG 46: S IGNIFICANT AFWIJKENDE GEMIDDELDE AP( T +1) NIEUWSCATEGORIEËN AP worden niet in detail bestudeerd en geven eenvoudigweg een mogelijke indicatie van de OP fluctuatie omdat die beïnvloed wordt door zowel IV als AP. Opvallend is de categorie aandelenuitgifte waarop EU aandelen in t+1 het significantst reageren terwijl AM aandelen al op t reageren. Dit verlengt de hypothese over EU t.o.v. AM opties voor aandelen, hoewel geen uitgebreid bewijs wordt geleverd in dit onderzoek.


20,00% 15,00% 10,00% 5,00%

AM

0,00%

EU

-5,00% -10,00%

F IG 47: S IGNIFICANT AFWIJKENDE GEMIDDELDE IV( T ) NIEUWSCATEGORIEËN 20,00% 15,00% 10,00% 5,00% 0,00%

AM EU

F IG 48: S IGNIFICANT AFWIJKENDE GEMIDDELDE IV( T +1) NIEUWSCATEGORIEËN IV wijzigingen door voorspellingen, dividenden, jaarresultaten en kwartaalresultaten bewegen in dezelfde richting als OP op t. Voor interim-dividenden (EU) geldt dit niet. Hoewel OP theoretisch stijgt met IV, kan nooit met zekerheid gesteld worden wat de relatie tussen beide is rond nieuwsverspreidingen. De bevinding duidt wel op een relatie tussen de verwachtingsgraad van nieuws en de grootte van de afwijking van de normale marktwerking waarin OP stijgt met IV. Via regressies worden later in dit onderzoek mogelijke verbanden tussen de verschillende testobjecten gezocht. Legal gaat steeds over de afhandeling van rechtszaken, meestal met een positieve uitkomst hoewel ook negatieve uitspraken werden gevonden. De markt interpreteert dergelijke gebeurtenissen als significant bedrijfsnieuws, zoals blijkt uit de AM IV stijging op t. Dezelfde reactie is zichtbaar in EU opties, zij het minder sterk, en de relatie tussen OP en IV is wederom niet normaal wegens negatieve gemiddelde OP wijzigingen op t bij legal. Herstructureringen is de enige nieuwscategorie die zowel op t als t+1 significant grotere IV wijzigingen vertoont dan gemiddeld. Op t is de verklaring wegens negatieve AM en EU OP’s identiek aan die voor legal. Op t+1 is dit te wijten aan de zeer sterk dalende AP’s die IV de hoogte insturen. Van de overige categorieën (acquisitie compleet, expansie, fusie) zijn geen erg significante waarnemingen te vinden in OP of AP. Deze categorieën doen AP dus dalen door de negatieve inschatting van het type nieuws, hoewel er een kleine vertraging is op de incorporatie in IV(t+1).


In de figuren op de volgende twee pagina’s wordt duidelijk dat IV in de categorieën aandeleninkoop, aandelenuitgifte, acquisitie, acquisitie compleet, dividend, expansie, fusie, herstructurering, investering (AM), jaarresultaten (AM), kwartaalresultaten, legal, ontdekking grondstof (AM), participatie, partnership, product/service (EU), verkoop divisie compleet en verlaging participatie (EU) telkens sterk tot zeer sterk stijgt gaande van t naar t+1. Deze nieuwstypes veroorzaken dus zeker een significante reactie in IV evenals OP waarbij de hoogste IV waarde reeds bereikt is vóór de aankondiging (resultaatsaankondigingen) of deze nog moet volgen in de post event periode (onverwacht nieuws). Het is echter uit de resultaten niet op te maken welke categorieën in IV+ ontspannen van de sterke daling die steeds plaatsvindt bij resultaatsaankondigingen en welke categorieën pas in IV+ de sterkste stijging ondergaan vanwege de reactie op onverwacht nieuws. Dit kan uit de OP wijzigingen afgeleid worden daar resultaatsaankondigingen OP+ alweer laten stijgen na een zware daling in OP, terwijl onverwacht nieuws OP+ gemiddeld sterk laat dalen omwille van de vertraagde reactie. In de appendix worden de verschillen gaande van OP naar OP+ en IV naar IV+ weergegeven wat leidt tot de volgende conclusie: categorieën aandeleninkoop (AM), acquisitie compleet, dividend (EU), expansie, investering (AM), jaarresultaten (AM), kwartaalresultaten, ontdekking grondstof (AM), product/service (EU), verkoop divisie (EU), verkoop divisie compleet (AM), verlaging participatie (EU) en voorspelling (AM) ondergaan allen een sterke (>2%) positieve IV correctie van t naar t+1 in combinatie met een meer dan 2% sterke correctie in OP. Deze categorieën worden bestempeld als verwacht nieuws dat een significante invloed op optiekoersen heeft. Voor categorieën aandelenuitgifte (AM), fusie, herstructurering (AM), participatie (AM), verkoop divisie (EU) en voorlopige jaarresultaten geldt een tegengestelde relatie tussen IV en OP en wordt de normale marktwerking niet gevolgd. Nieuwsverspreidingen vallend onder deze categorieën zijn dus gemiddeld genomen onverwacht en van significante invloed op de optiekoers.


20,00%

15,00%

10,00%

5,00%

AM EU

0,00%

-5,00%

-10,00% F IG 49: R EACTIE VAN IV( T ) OP 31 CATEGORIEËN VAN BEDRIJFSNIEUWS

100

20,00%

15,00%

10,00%

5,00%

AM EU

0,00%

-5,00%

-10,00% F IG 50: R EACTIE VAN IV( T +1) OP 31 CATEGORIEËN VAN BEDRIJFSNIEUWS


20,00% 15,00% 10,00% 5,00% 0,00%

AM EU

-5,00% -10,00% -15,00% -20,00% F IG 51: S IGNIFICANT AFWIJKENDE CAAIV PR2 NIEUWSCATEGORIEËN 20,00% 15,00% 10,00% 5,00%

AM

0,00%

EU

-5,00% -10,00% F IG 52: S IGNIFICANT AFWIJKENDE AAIV NIEUWSCATEGORIEËN 25,00% 20,00% 15,00% 10,00% 5,00% 0,00%

AM EU

F IG 53: S IGNIFICANT AFWIJKENDE CAAIV PO2 NIEUWSCATEGORIEËN De event studie parameters CAIV PR2, AIV en CAIV PO2 liggen aan de basis van de selectie van vorige testobjecten (OP, AP, IV) en zullen er dus sterk mee overeen komen wanneer hun gemiddelde waarden worden getest over de categorieën. Het onderzoek beperkt zich tot een vergelijking van de pre versus post reacties en de categorieën die nog niet aan bod zijn gekomen in IV of OP. Die laatste zijn acquisitie compleet, investering en nieuws. Acquisitie compleet ondersteunt de AM vs. EU hypothese: AM opties reageren vroeger dan EU. AM CAAIV PR2 is erg positief en daalt alweer tijdens CAAIV PO2, dit terwijl EU opties de sterke stijging pas in CAAIV

102

PO zien. Dit versterkt de bevinding in bovenstaande redenering dat acquisitie compleet verwacht wordt zoals resultaatsaankondigingen, al heeft de stijgende IV in de pre periode plaats in een veel korter tijdsbestek. Investeringen lijken ook geanticipeerd te worden door beleggers maar vertonen, in tegenstelling tot verwacht nieuws, een sterk negatieve CAAIV PR2. Categorie nieuws ten slotte vertoont veruit de hoogste CAAIV PR en verloopt gelijkaardig aan nieuws over voltooide acquisities. Nieuwsberichten over de blootstelling aan bv. Lehman Brothers en Madoff werden dus zeer kort voor de release geanticipeerd door optiehandelaars wat de volatiliteit net voor en tijdens de bekendmaking de hoogte in stuurt, daar waar verwacht nieuws de AAIV reeds doet dalen. Deze interpretatie is in lijn met de zware daling in de aandelenkoers op t, waarin tevens het onderscheid tussen EU en AM zeer zichtbaar is: nieuws creëert een sterke AM koersdaling op t en daalt alweer veel minder sterk op t+1, terwijl EU bijna identieke percentage vertoont, echter op net de tegenovergestelde tijdstippen. In lijn met de uitspraak dat interim-dividenden een perfect voorbeeld van onverwacht nieuws zijn, vertoont CAAIV PO de grootste positieve waarde voor die nieuwscategorie. Hypothesen (4.3-A) en (4.3-B) zijn aangetoond en de OP en IV relatie kan gelinkt worden aan de verwachtingsgraad van nieuwsberichten. De volgende hypothesen uit voorgaand onderzoek naar aandelen worden herschreven in functie van opties en getoetst aan de eigen bevindingen. De nieuwscategorieën komen niet zelden uit de dataset met verwijderde categorieën wegens hun beperkt voorkomen. De resultaten zijn dus kritisch te beoordelen.

H0 (4.3-C): Resultaatsaankondigingen, nieuws i.v.m. werkgelegenheid en voorspellingen veroorzaken een hogere CAIV PR dan AIV (Thompson et al., 1987). Hetzelfde geldt voor de jaarlijkse aandeelhoudersvergadering en het verkrijgen van een of meer contracten (Brookfield & Morris, 1992). De eerste hypothese op basis van aandelen in (Thompson et al., 1987) wordt in opties gevolgd voor resultaatsaankondigingen en informatie over tewerkstelling (CAAIV PR 11% tegen AAIV van 5%) maar wijkt af in voorspellingen (nauwelijks verschil).

(Brookfield

&

Morris,

1992)

voegen

daar

de

jaarlijkse

aandeelhoudersvergadering en contracten aan toe. Het eerste wordt aangetoond voor AM opties maar sterk verworpen voor EU opties. Contracten volgen deze redenering al helemaal niet.

H0 (4.3-D): Boekhoudkundige wijzigingen, veranderingen in kapitaalstructuur, management en dividendaankondigingen hebben meer invloed op AIV dan CAIV PR (Thompson et al., 1987). De eigen categorieën aandeleninkoop, aandelenkoop management, aandelenuitgifte, aandelenuitgifte (werknemers), bonusaandeel, dividend, herstructurering, inkoop obligaties, interim-dividend, management, obligatie-uitgifte, participatie, speciaal dividend, verlaging participatie en warrantuitgtifte komen hiermee overeen. Hiervan hebben de volgende categorieën een hogere absolute AAIV dan CAAIV PR:


aandeleninkoop, herstructurering, obligatie-uitgifte, participatie (stijging of instap) en speciaal dividend.

H0 (4.3-E): Overnames hebben geen duidelijke invloed door het bestaan van noise (Brookfield & Morris, 1992). H0 (4.3-F): M&A veroorzaken gemiddeld gezien slechtere bedrijfsresultaten voor het bedrijf dat de actie onderneemt. De aankondiging ervan leidt tot verhoogde IV terwijl stopzetting de IV moet verminderen. 20,00% 15,00% 10,00%

acquisitie fusie

5,00%

acquisitie compleet stopzetting acquisitie

0,00% -5,00%


-10,00% F IG 54: D E INVLOED VAN DE AANKONDIGING VAN EEN ACQUISITIE OF FUSIE EN DE STOPZETTING EN VOLTOOIING (AM) 10,00% 8,00% 6,00% 4,00%

acquisitie

2,00%

fusie

0,00% -2,00% -4,00%


acquisitie compleet stopzetting acquisitie

-6,00% -8,00% -10,00% F IG 55: D E INVLOED VAN DE AANKONDIGING VAN EEN ACQUISITIE OF FUSIE EN DE STOPZETTING EN VOLTOOIING (EU) In AM opties is er een stijgende lijn zichtbaar gaande van IV naar IV+ en CAAIV PO2 wat perfect aansluit bij de hypothese dat aankondigingen van fusies en acquisities onverwacht nieuws zijn dat de IV significant beïnvloedt. Overnames en mergers hebben een gelijkaardige invloed op IV. Indien OP beïnvloed wordt door AP bovenop de werking van vraag en aanbod in de optiemarkt, klopt dit in relatie tot de AP die typisch daalt voor de onderneming die het nieuws verspreid. De resultaten voor EU zijn sterk gelijkaardig. Berichten van een voltooide acquisitie zijn reeds behandeld in het onderzoek: ze vertonen kenmerken van aangekondigd nieuws waarvan zeer kort


voor de release date kennis wordt genomen door optiehandelaars. Dit alles is erg zichtbaar in AM opties en komt sterk vertraagd voor in EU opties, waar de hoogste waarden worden bereikt in CAAIV PO2. De stopzetting van een acquisitie zou ten slotte geanticipeerd moeten zijn door investeerders en dus slechts een lage AAIV mogen vertonen. Dit geldt in EU opties maar de AM resultaten zijn volledig tegengesteld. Alles in de data wijst op een anticipatie van dit type nieuws in EU opties, wegens de sterk negatieve OP en IV (en AIV) op t, terwijl deze waarden nauwelijks wijzigen in t+1. AM opties volgen het patroon van onverwacht nieuws wegens een erg hoge AAIV, maar vertonen eveneens een zeer hoge CAAIV PR2 wat op anticipatie van het nieuws wijst. De hypothese (4.3-E) van (Brookfield & Morris, 1992) wordt dus verworpen daar er een duidelijke lijn te vinden is in zowel acquisities als fusies. Hypothese (4.3-F) wordt slechts deels aangenomen omdat IV inderdaad stijgt na een aankondiging van M&A, maar er geen duidelijke trend aanwezig is bij de stopzetting van acquisities in AM opties. In dit onderzoek is opnieuw waargenomen dat EU opties veel lagere extreme waarden kennen dan AM opties en bijgevolg minder volatiel zijn, onafhankelijk van de nieuwscategorie.

H0 (4.3-G): Slecht nieuws (rating en nieuws) leidt tot een verhoogde AIV. 0,2 0,15 0,1 nieuws

0,05

rating

0 -0,05

Average of Average of Average of Average of Average of Average of Average of OP OP+ IV IV+ PR2 AIV PO2

-0,1 F IG 56: D E INVLOED VAN DE CATEGORIEËN NIEUWS EN RATING OP AM OPTIES 0,06 0,04 0,02

nieuws

0 -0,02

Average of Average of Average of Average of Average of Average of Average of OP OP+ IV IV+ PR2 AIV PO2

F IG 57: D E INVLOED VAN CATEGORIE NIEUWS OP EU OPTIES Hypothese (4.3-G) wordt verworpen wegens de kleine AIV wijziging voor beide categorieën en dit zowel voor AM als EU opties. De meest significante reactie vindt plaats pre event, wat duidt op de verwachting van deze nieuwscategorieën door investeerders.


4.4 SECTORANALYSE H0 (4.4-A): In bepaalde sectoren brengt een nieuwsverspreiding een grotere IV, OP of CAIV wijziging voort dan andere. H0 (4.4-B): Sectoren met meer nieuwsverspreidingen dan gemiddeld zijn nieuwsgevoeliger en vertonen grotere AIV’s op events. Dit zijn de sectoren Banks, Media, Utilities, Healthcare, Telecommunications en Oil & Gas. H0 (4.4-C): De industriële sector evenals ondernemingen met een minder dan gemiddeld aantal nieuwsverspreidingen ondergaan meer invloed van tussentijdse en voorlopige resultaatsaankondigingen (Brookfield & Morris, 1992). In deze paragraaf wordt een onderscheidend onderzoek uitgevoerd naar de sectoren waartoe EURO STOXX 50 ondernemingen behoren. De geteste hypothese (4.4-A) luidt exact: de gemiddelde IV, IV+, OP, OP+, AIV, CAIV PR2 en CAIV PO2 waarden op en rond een aankondiging van bedrijfsnieuws verschillen wanneer onderscheid gemaakt wordt naar sector, voor zover minstens één van de waarden AIV, CAIV PR of CAIV PO significant wordt bevonden. Na indeling in klassen per sector werden de gemiddelde (C)AIV return waarden via ANOVA tests vergeleken met onderverdeling naar EU en AM. Om deze data dump enigszins overzichtelijk te houden en omwille van de weinig gespecifieerde hypothesen, werd geopteerd te vergelijken op basis van de visuele weergave. De significantie van de data wordt vervolgens getest door de ANOVA output te controleren. De dataset bestaat opnieuw uit de 31 meest voorkomende nieuwscategorieën en is gezuiverd van samenvallende events en hun combinatie met dichtbij liggende events. De sector Financial Services is verwijderd daar het een heel beperkt aantal waarnemingen betreft. 5,00% 0,00% -5,00% -10,00%

AM EU

-15,00% -20,00% F IG 58: I NVLOED VAN SECTOR OP OP


4,00% 2,00% 0,00% -2,00%

AM

-4,00%

EU

-6,00% -8,00% -10,00% -12,00% F IG 59: I NVLOED VAN SECTOR OP AIV 6,00% 4,00% 2,00% 0,00%

AM

-2,00%

EU

-4,00% -6,00% -8,00% F IG 60: I NVLOED VAN SECTOR OP CAAIV PR2 10,00% 8,00% 6,00% 4,00%

AM

2,00%

EU

0,00% -2,00% -4,00% -6,00% F IG 61: I NVLOED VAN SECTOR OP CAAIV PO2

De toepassing van eenzijdige t-tests zoals in de studie naar nieuwscategorieën maakt duidelijk dat sectoren Banks, Personal & Household Goods, Industrial Goods & Services, Insurance, Retail, Technology, Telecommunications en Utilities significant verschillend zijn van de overige sectoren in verschillende van de testobjecten en dus sterker reageren op bedrijfsnieuws. Voor deze t-tests is een significantieniveau van 5% toegepast, tweezijdig in alle categorieën behalve AM en EU OP(t) en OP(t+1)


vanwege het (relatief t.o.v. de andere testobjecten) sterk negatief gemiddelde dat linkseenzijdig testen noodzakelijk maakt. In CAIV PO2 geldt hetzelfde maar dan in de positieve zin. Aan de vooropgestelde vergrote invloed van sectoren die veel nieuws verspreiden in hypothese (4.4-B) blijken enkel Banks (EU) en Utilities (EU) te voldoen. De hypothese wordt sterk verworpen wegens de kleinere AAIV significantie in de sectoren Media, Telecommunications en Oil & Gas in verhouding tot de hele steekproef. Er bestaat absoluut geen consistentie in het voorkomen van dezelfde sectoren over de verschillende testobjecten: de verdeling van de significante invloed per sector lijkt volledig random. Wel wordt ook in deze verdeling duidelijk dat EU opties minder sterk reageren op aankondigingen dan AM opties, en dat CAIV PO2 telkens de meest extreme positieve waarden aannemen in AM opties. Belangrijk is dus op te merken dat AM waarden extremer reageren en dit vooral in de drie dagen volgend op een aankondiging. EU opties worden gekenmerkt door een beperktere dataset en representeren geen ondernemingen uit de sectoren Automobiles & Parts, Financial Services, Industrial Goods & Services of Technology. De resterende sectoren vertonen opnieuw weinig consistentie in gemiddelde abnormale waarden over de testobjecten. De Retail sector is de enige die over de categorieën heen enkel positief is voor CAAIV PR2 wat doet vermoeden dat nieuws in deze sector van ver op voorhand verwacht wordt wegens de absolute afwezigheid van abnormale stijgingen in IV op event date en de twee daaropvolgende dagen. Dit vertaalt zich in de hoogste AP waarden op t en t+1 voor de Retail industrie (hier niet toegevoegd). Om hypothese (4.4-C) te testen is de dataset beperkt tot tussentijdse en voorlopige resultaatsaankondigingen voor de industriële sector (Industrial Good & Services) en de sectoren met een minder dan gemiddeld aantal verspreidingen (Retail, Automobiles & Parts, Personal & Household Goods, Technology en Construction & Materials). De Personal & Household Goods en Retail sectoren kennen geen voorlopige resultaatsaankondigingen en worden uitgesloten. De vier overblijvende sectoren (slechts twee voor EU opties) leveren volgende grafiek met gemiddelden over de testobjecten: 10,00% Average of OP

5,00%

Average of AIV

0,00% AM -5,00%

EU

Average of PR2 Average of PO2

-10,00% F IG 62: I NVLOED VAN SECTOREN I NDUSTRY , A UTO , T ECHNOLOGY EN M ATERIALS OP OP, AIV, PR2 EN PO2 BIJ VOORLOPIGE RESULTATEN EN VOORSPELLINGEN


6,00% 4,00%

Average of OP

2,00%

Average of AIV

0,00%

Average of PR2

-2,00%

AM

EU

Average of PO2

-4,00% F IG 63: I NVLOED VAN ALLE OVERIGE SECTOREN OP OP, AIV, PR2 EN PO2 BIJ VOORLOPIGE RESULTATEN EN VOORSPELLINGEN

Een vergelijking van de geselecteerde sectoren en alle overige sectoren levert geen sluitend bewijs voor het aanvaarden van hypothese (4.4-C). OP en PR2 reageren gemiddeld significanter in de beperkte dataset, terwijl AIV en PO2 minder significant fluctueren. De stelling van (Brookfield & Morris, 1992) wordt slechts deels aanvaard. Ik besluit het onderzoek naar verschillen tussen sectoren met de stelling dat er geen consistent boven- of ondermaats presterende sectoren bestaan in de EURO STOXX 50 wat betreft de reactie van hun IV of OP op de dagen kort voor en na een nieuwsverspreiding door de onderneming. In het volgende deel worden de bevindingen van de empirische studie samengevat.


4.5 SAMENVATTING HYPOTHESEN 4.1

IS ER ÜBERHAUPT EEN INVLOED VAN BEDRIJFSNIEUWS OP OPTIEPRIJZEN? 4.1.1

KWANTITATIEF ONDERZOEK

H0 (4.1.1-A): Op algemeen niveau reageren C en P opties gelijkaardig m.b.t. bedrijfsnieuws. Niet verworpen voor AM, verworpen voor EU: EU P opties reageren gemiddeld 29% vaker op bedrijfsnieuws dan EU C opties. H0 (4.1.1-B): EU en AM opties reageren gemiddeld kwantitatief even sterk op bedrijfsnieuws. Verworpen: opties reageren op 68% (AM) en 51% (EU) van het aantal nieuwsverspreidingen na correctie voor volatility smiles. 4.1.2

ONDERZOEK NAAR SECTOR

H0 (4.1.2): Sectoren in de EURO STOXX 50 onderscheiden zich van elkaar in hun hoeveelheid verspreide persberichten. Niet verworpen: het gemiddeld aantal nieuwsverspreidingen in de EURO STOXX 50 ondernemingen bedraagt 17, met een maximum van 27 voor de sector Oil & Gas en een minimum van 9 voor de sector Financial Services. 4.1.3

ONDERZOEK NAAR EVENT TYPE

H0 (4.1.3): Bepaalde categorieën van bedrijfsnieuws leiden vaker tot een significante beweging in optiekoersen dan andere. Niet verworpen: voorlopige kwartaalresultaten (AM) en voorlopige jaarresultaten (EU) spannen de kroon met resp. 93% en 80% kwantitatieve invloed op IV’s. De laagst reactieve persberichten leiden slechts in 40% (AM) en 20% (EU) van de gevallen tot een significante IV wijziging. Bijkomend verschilt dit sterk tussen sectoren en AM of EU.

4.2

OPTIEKENMERKEN 4.2.1

WIJZIGING VAN IV EN OP ROND T

H0 (4.2.1-A): IV stijgt gestaag vóór een event en daalt kort erna scherp. Niet verworpen. H0 (4.2.1-B): OP ondervindt in JAN08-JAN10 gemiddeld een negatieve invloed van events. Niet verworpen voor periodes [t-1;t] en [t;t+1] rond een nieuwsverspreiding.


H0 (4.2.1-C): Verwachte nieuwsverspreidingen beïnvloeden OP en IV minstens even sterk als onaangekondigde berichten. Niet verworpen voor negatieve fluctuaties: OP (AM) reageert in de negatieve richting sterker bij verwacht nieuws (gemiddeld -10% i.t.t. -4%), CAAIV PO2 (AM) reageert echter sterker bij onverwacht nieuws (gemiddeld +4% i.t.t. +2%). H0 (4.2.1-D): Onverwachte nieuwsverspreidingen reageren het sterkst na de release, d.i. in de post periode. Niet verworpen: er is een opwaartse trend zichtbaar in AIV gaande van de pre naar post periode met gemiddelde IV wijzigingen van resp. +1% en +4%. H0 (4.2.1-E): AM en EU opties reageren (kwalitatief) niet identiek op nieuwsberichten. Niet verworpen: in verschillende tests wordt aangetoond dat AM opties significanter reageren op bedrijfsnieuws. Zo is de AM AIV reactie op event-dag twee maal sterker dan EU (-6% en -3%) en is dit verschil het grootst in de OP wijziging de dag voor de aankondiging (10% tegenover -2%). H0 (4.2.1-F): C en P opties reageren gemiddeld genomen (kwalitatief) identiek op nieuws. Sterk verworpen voor OP en OP+ zowel voor verwacht als onverwacht nieuws, EU en AM. Minder duidelijke verschillen zijn te vinden voor de (C)AIV testobjecten. H0 (4.2.1-G): P optie IV’s herstellen sneller van een nieuwsschok (Ahoniemi & Lanne, 2009). Niet verworpen in de heel korte termijn (twee dagen) na een nieuwsverspreiding: P optie IV (AM en EU) daalt reeds in de pre periode [t-2;t-1] en herstelt van de schok in [t+1;t+2]. H0 (4.2.1-H): Significante (C)AIV returns zijn in resultaatsaankondigingen het sterkst pre event (Donders & Vorst, 1996) en vooral post event bij onverwacht nieuws. Niet verworpen: sCAIV PR is gemiddeld 1,14% (p-waarde) in verwacht nieuws tegenover 1,18% in onverwacht nieuws. sCAIV PO is gemiddeld 1,07% in onverwacht nieuws tegenover 1,14% in verwacht nieuws. H0 (4.2.1-I): Samenvallende (S) en dichtbij liggende (D) events versterken de significantie van AIV. Niet verworpen voor S en de combinatie S en D, verworpen voor D in de perioden PO (gemiddelde p-waarde 0,93% i.t.t. 1,17%) en BOTH (gemiddeld 0,68% i.t.t. 0,77%). Bijkomend vallen meer IV reacties bij S op de event-dag (69% i.t.t. 54%) en leidt de combinatie S en D vooral tot CAIV PO (71% i.t.t. 52%) en CAIV BOTH (28% i.t.t. 17%) reacties, dit telkens in vergelijking met de resultaten gezuiverd van S en D events.


4.2.2

VERSCHILLEN TUSSEN C EN P

H0 (4.2.2): C en P opties zijn gemiddeld negatief gecorreleerd in OP nabij nieuwsverspreidingen. Verworpen: bewijs wordt gevonden in geaggregeerde resultaten van de testobjecten, maar correlaties tussen de individuele waarden geven waarden rond nul. 4.2.3

DE INVLOED VAN IV OP OP EN AP OP IV

H0 (4.2.3-A): Tijdens nieuwsverspreidingen leidt een stijging (daling) in IV gemiddeld genomen tot een stijging (daling) in OP (standaard marktwerking). Verworpen: slechts in 58% (AM) en 54% (EU) van de gevallen geldt deze relatie. H0 (4.2.3-B): Tijdens nieuwsverspreidingen leidt een stijging (daling) in AP gemiddeld genomen tot een daling (stijging) in IV (standaard marktwerking). Verworpen: slechts in 59% (AM) en 53% (EU) van de gevallen geldt deze relatie. H0 (4.2.3-C): Optieprijzen net voor en tijdens een nieuwsverspreiding (CAIV PR2 en AIV) beïnvloeden toekomstig investeerdersgedrag (AP) in de korte termijn (Patell & Wolfson, 1981). Verworpen: R² en bèta-coëfficiënten in de regressie van AP of AP+ CAIV PR2 en/of AIV benaderen de waarde nul. 4.2.4

DE INVLOED VAN MONEYNESS OP OP EN IV

H0 (4.2.4): ATM IV en OP reageren sterker op bedrijfsnieuws dan ITM of OTM opties. Verworpen: gaande van ITM naar OTM stijgt de sterkte van de OP en OP+ reactie in AM en EU opties, met waarden rond +1% (ITM) i.t.t. waarden tussen -12% (AM) en -6%% (EU) (ATM). IV en IV+ verschillen zijn minder consistent, maar AM IV+ ATM opties leveren gemiddeld de zwakste reactie van alle moneyness categorieën. 4.2.5

DE INVLOED VAN DE RESTERENDE LOOPTIJD OP IV EN OP

H0 (4.2.5): Opties met een korte resterende looptijd reageren heviger op bedrijfsnieuws dan langer lopende opties. Dit als gevolg van een groter proportioneel deel van de tijdwaarde (verwachtingswaarde) dat fluctueert met de volatiliteit van het onderliggend actief, omdat de resterende looptijd een lagere invloed heeft. Niet verworpen: de IV reactie in opties met lange resterende looptijd is 75% (EU) en 38% (AM) lager dan opties met een korte resterende looptijd. In de OP reactie bedraagt het verschil 83% (EU) en 80% (AM).


4.3

NIEUWSSTUDIE H0 (4.3-A): Categorieën van bedrijfsnieuws oefenen een verschillende invloed uit op de gemiddelde IV, OP en (C)AIV waarden. Deze categorieën zijn in te delen in verwacht of onverwacht nieuws. Niet verworpen: het reactiepatroon in de testobjecten verschilt zeer sterk tussen verwachte en onverwachte nieuwsberichten. In de conclusies van dit onderzoek worden de nieuwscategorieën met bovengemiddelde waarden opgesomd. H0 (4.3-B): Het teken van de fluctuatie in OP t.o.v. IV rond nieuwsverspreidingen is moeilijk in te schatten. Niet verworpen voor verwachte nieuwsberichten: verwachte berichten volgen gemiddeld genomen de normale marktwerking waarin IV en OP in dezelfde zin bewegen. Onverwachte nieuwsberichten volgen deze werking niet. H0 (4.3-C): Resultaatsaankondigingen, nieuws i.v.m. werkgelegenheid en voorspellingen veroorzaken een hogere CAIV PR dan AIV (Thompson et al., 1987). Hetzelfde geldt voor de jaarlijkse aandeelhoudersvergadering en het verkrijgen van een of meer contracten (Brookfield & Morris, 1992). Niet verworpen voor resultaatsaankondigingen, nieuws i.v.m. werkgelegenheid en jaarlijkse aandeelhoudersvergaderingen (AM). H0 (4.3-D): Boekhoudkundige wijzigingen, veranderingen in kapitaalstructuur, management en dividendaankondigingen hebben meer invloed op AIV dan CAIV PR (Thompson et al., 1987). Niet verworpen voor aandeleninkoop, herstructurering, obligatie-uitgifte, participatie (stijging of instap) en speciaal dividend. H0 (4.3-E): Overnames hebben geen duidelijke invloed door het bestaan van noise (Brookfield & Morris, 1992). Verworpen: opties reageren op fusies en overnames zoals op onverwacht nieuws. H0 (4.3-F): M&A veroorzaken gemiddeld gezien slechtere bedrijfsresultaten voor het bedrijf dat de actie onderneemt. De aankondiging ervan leidt tot verhoogde IV terwijl stopzetting de IV moet verminderen. Niet verworpen voor de aankondiging van fusies of overnames. De stopzetting ervan heeft echter geen duidelijke trend over de testobjecten. H0 (4.3-G): Slecht nieuws (rating en nieuws) leidt tot een verhoogde AIV. Verworpen: de AIV wijziging is niet significant, CAIV PR2 is dat wel.


4.4

SECTORANALYSE H0 (4.4-A): In bepaalde sectoren brengt een nieuwsverspreiding een grotere IV, OP of CAIV wijziging voort dan andere. Verworpen: er is geen trend te vinden over de verschillende testobjecten tussen sectoren. H0 (4.4-B): Sectoren met meer nieuwsverspreidingen dan gemiddeld zijn nieuwsgevoeliger en vertonen grotere AIV’s op events. Dit zijn de sectoren Banks, Media, Utilities, Healthcare, Telecommunications en Oil & Gas. Verworpen: enkel EU opties in sectoren Banks en Utilities voldoen hieraan. H0 (4.4-C): De industriële sector evenals ondernemingen met een minder dan gemiddeld aantal nieuwsverspreidingen ondergaan meer invloed van tussentijdse en voorlopige resultaatsaankondigingen (Brookfield & Morris, 1992). Niet verworpen voor de reactie in OP en CAIV PR2, verworpen voor de overige testobjecten.


CONCLUSIES Deze masterproef heeft als doel meer kennis te verschaffen betreffende de beweging van optieprijzen en implied volatilities op het moment van en in de korte periodes voor en na de verspreiding van een persbericht door ondernemingen in de EURO STOXX 50 index m.b.v. event studies. Wegens de zwakke relatie tussen optieprijzen en –volumes en liquiditeitsproblemen inzake die laatste, zijn enkel OP en IV besproken. De selectie van een economische crisisperiode (JAN08-JAN10) is initieel gekozen om een grote variantie in IV te garanderen, wat is aangetoond m.b.v. normaliteitstests waaruit blijkt dat de kans op extreme uitkomsten groter is als gevolg van een verhoogde kurtosis. Bijkomend werd een rechtsscheve verdeling opgemerkt zodat een groter deel van de returns negatief is in crisistijden. Clustering van nieuws en uitoefenperiode effecten zijn in dit onderzoek gecorrigeerd met als doel statistische vertekening te vermijden. Van het gebruik van marktmodellen is afgezien wegens de behandeling van dagelijkse returns waar algemene markttrends weinig invloed op uitoefenen. Een constant mean return model vormt hier de basis voor de schatting van abnormale IV’s evenals cumulatieve abnormale IV’s in de korte perioden [t-2;t-1] en [t+1;t+2] met t de dag van een aankondiging. Er is getest op een dataset met optiegegevens voor elke event date waarop minstens één van de abnormale waarden significant werd bevonden. Het resultaat is een steekproef van 23.245 AM en 7.317 EU waarnemingen. Een algemene benadering leert dat 68% (AM) en 51% (EU) van alle nieuwsverspreidingen ook een wijziging in een van de IV testobjecten teweegbracht. Zoals uit bijna elke test is gebleken, reageren EU opties minder vaak en sterk op nieuwsverspreidingen. De oorzaak hiervan is volgens dit onderzoek te wijten aan een lagere liquiditeit van de EU optiehandel. Verschillen in geregistreerde significante IV bewegingen tussen C en P zijn enkel waargenomen in EU opties, met een duidelijk hogere reactiviteit van P opties (29%). Voor de verdere tests m.b.t. de kwantitatieve benadering van (A)IV wijzigingen werden samenvallende (S) evenals hun combinatie met dichtbij liggende (in dezelfde week) nieuwsverspreidingen (D) verwijderd uit de steekproef. S events vertonen een beduidend hogere significantie in AIV, terwijl hun combinatie met D de post significantie sterk doet stijgen. D events hebben op zich weinig invloed op de resultaten en worden daarom niet verwijderd omdat zij verondersteld worden de resultaten niet te vertekenen. De nieuwe steekproef bestaat uit 20.347 AM en 6.532 EU data. De categorieën van verwacht nieuws (resultaatsaankondigingen) leiden tot verhoogde IV waarden in CAAIV PR2 en een zeer sterke daling op de event-dag AAIV wat in lijn is met voorgaand onderzoek. Dit onderzoek vult de resultaten aan met bewijs voor grote verschillen tussen AM en EU typeringen: in de eerste plaats zijn schokken in EU (C)AAIV minder groot omdat de geobserveerde gemiddelde daling gaande van CAAIV PR2 naar AAIV dubbel zo sterk is in AM opties. Ten tweede herstellen EU opties trager van verwachte nieuwsschokken omwille van de sterk


negatieve CAAIV PO2 terwijl deze in AM opties sterk positief is. Onverwacht nieuws, waarop geen tot weinig onderzoek is gevoerd in optieprijzen, vertoont een sterk afwijkend beeld. De gemiddelde OP, IV en (C)AIV sprongen zijn sterker in de positieve maar zwakker in de negatieve zin en vertonen een duidelijk vertraagde reactie op nieuws in vergelijking met verwachte persberichten. EU opties reageren uitermate zwak op onverwachte nieuwsberichten met een maximale waarde in IV+ van slechts 1,39%. Wanneer de veronderstelling wordt gemaakt dat vooral optiehouders (i.t.t. schrijvers) optieprijzen drijven, schat de markt de invloed van een onverwacht (verwacht) nieuwsbericht op AP gemiddeld negatief (positief) in. Dit leidt tot P optieprijzen die tijdens resultaatsaankondigingen gemiddeld 14,9% dalen (C stijgt 1,5%) en C optieprijzen die tijdens onverwacht nieuws gemiddeld 4,3% dalen (P stijgt 1,2%). Het antwoord op de vraag of C en P opties tegengesteld reageren in OP op nieuwsverspreidingen is niet eenduidig daar een sterk negatieve correlatie bestaat tussen de gemiddelde OP waarden, terwijl het verband volledig afwezig is in geval paarsgewijze correlaties van de individuele waarnemingen worden genomen. De normale marktwerking waarbij OP en IV in dezelfde zin bewegen en IV en AP tegengesteld reageren, wordt op dagen van nieuwsverspreidingen verworpen: slechts in minimaal 53% tot maximaal 59% van de gevallen blijkt deze relatie te bestaan. Persberichten leiden dus tot een abnormale relatie tussen de wijzigingen in IV, OP en AP. Een andere traditionele opvatting, de sterkere reactie in ATM opties t.o.v. ITM of OTM geldt niet altijd tijdens nieuwsverspreidingen: enkel de gemiddelde AM IV waarden reageren het sterkst in ATM opties. IV+ reageert net het zwakst in AM ATM opties. De sterkste reactie in OP evenals OP+ speelt zich af in OTM opties. De invloed van de looptijd volgt tijdens nieuwsverspreidingen het verwachte patroon waarbij opties met een langere resterende looptijd minder sterk reageren in IV en OP dan opties die zich dichter bij hun uitoefendatum bevinden. De verschillen gaan van 75% tot 83% en zijn sterk significant in alle waarnemingen behalve AM IV opties. De niet-normale marktwerking waarin IV en OP met tegengestelde zin bewegen, doet zich vooral voor in onverwachte nieuwsverspreidingen. Een selectie van de bovengemiddelde IV stijging en OP wijziging en hun gecombineerd resultaat leverde de volgende nieuwscategorieën die van significante invloed zijn op optiekoersen: categorieën aandeleninkoop (AM), acquisitie compleet, dividend (EU), expansie, investering (AM), jaarresultaten (AM), kwartaalresultaten, ontdekking grondstof (AM), product/service (EU), verkoop divisie (EU), verkoop divisie compleet (AM), verlaging participatie (EU) en voorspelling (AM) resulteren in een IV en OP reactie met gelijke zin en reageren zoals verwacht nieuws. Daarentegen wijken de categorieën aandelenuitgifte (AM), fusie, herstructurering (AM), participatie (AM), verkoop divisie (EU) en voorlopige jaarresultaten hiervan af en worden als onverwacht nieuws bestempeld. Over verschillen tussen sectoren wordt geen besluit getrokken wegens de afwezigheid van consistente afwijkingen over de verschillende testobjecten. Verder onderzoek kan de resultaten in deze masterproef vooral aanvullen door andere bronnen van informatie toe te voegen aan de set van nieuwsverspreidingen.


REFERENTIES Ahern, K. R. (2009). Sample selection and Event Study Estimation. Journal of Empirical Finance, 16(3), 466-482. Elsevier B.V. doi:10.1016/j.jempfin.2009.01.003 Ahoniemi, K., & Lanne, M. (2009). Joint modeling of call and put implied volatility. International Journal of Forecasting, 25(2), 239-258. International Institute of Forecasters. doi:10.1016/j.ijforecast.2009.01.012 Amin, K. I., & Lee, C. M. C. (1997). Option Trading, Price Discovery, and Earnings News Dissemination. Contemporary Accounting Research, 14(2), 153-192. Bamber, L. S., & Cheon, Y. S. (1998). Discretionary Management Earnings Forecast Disclosures: Antecedents and Outcomes Associated with Forecast Venue and Forecast Specificity Choices. Journal of Accounting Research, 36(2), 167-190. Barber, B. M., & Odean, T. (2007). All That Glitters: The Effect of Attention and News on the Buying Behavior of Individual and Institutional Investors. Review of Financial Studies, 21(2), 785-818. doi:10.1093/rfs/hhm079 Beaver, W. H. (1968). The Information Content of Annual Earnings Announcements. Journal of Accounting Research, 6, 67-92. Beber, A., & Brandt, M. W. (2004). The Effect of Macroeconomic News on Beliefs and Preferences: Evidence from the Options Market. The Journal of Monetary Economics, 53(8), 1997-2039. Billings, M. B., & Jennings, R. (2011). The Option Market’s Anticipation of Information Content in Earnings Announcements. Review of Accounting Studies, 16(3), 587-619. doi:10.1007/s11142011-9156-5 Black, F., & Scholes, M. (1972). The valuation of Option Contracts and a Test on Market Efficiency. The Journal of Finance, 27(2), 399-417. Black, F., & Scholes, M. (1973). The Pricing of Options and Corporate Liabilities Fischer Black. Journal of Political Economy, 81(3), 637-654. Blattberg, R. C., & Gonedes, N. J. (1974). A Comparison of the Stable and Student Distributions as Statistical Models for Stock Prices. The Journal of Business, 47(2), 244. The University of Chicago Press. doi:10.1086/295634 Boes, M.-J., Drost, F. C., & Werker, B. J. M. (2007). The Impact of Overnight Periods on Option Pricing. Journal of Financial and Quantitative Analysis, 42(02), 517-534. doi:10.1017/S0022109000003379 Bollerslev, T., Tauchen, G., & Zhou, H. (2009). Expected Stock Returns and Variance Risk Premia. Review of Financial Studies, 22(11), 4463-4492. doi:10.1093/rfs/hhp008


Braun, P. A., Nelson, D. B., & Sunier, A. M. (1995). Good News, Bad News, Volatility, and Betas. The Journal of Finance, 50(5), 1575-1603. Brookfield, D., & Morris, R. (1992). the Market Impact of UK Company News Announcements. Journal of Business Finance & Accounting, 19(4), 585-602. doi:10.1111/j.1468-5957.1992.tb00646.x Brown, S. J., & Warner, J. B. (1980). Measuring Security Price Performance. Journal of Financial Economics, 8, 205-258. Brown, S. J., & Warner, J. B. (1985). Using Daily Stock Returns: The Case of Event Studies. Journal of financial economics, 14(1), 3–31. Elsevier. Callaghan, S. R., Saly, P. J., & Subramaniam, C. (2004). The Timing of Option Repricing. The Journal of Finance, 59(4), 1651-1676. doi:10.1111/j.1540-6261.2004.00675.x Cao, C., Chen, Z., & Griffin, J. M. (2005). Informational Content of Option Volume Prior to Takeovers. The Journal of Business, 78(3), 1073-1109. doi:10.1086/429654 Cao, H. H., & Ou-Yang, H. (2008). Differences of Opinion of Public Information and Speculative Trading in Stocks and Options. Review of Financial Studies, 22(1), 299-335. doi:10.1093/rfs/hhn020 Carr, P., & Wu, L. (2009). Stock Options and Credit Default Swaps: A Joint Framework for Valuation and Estimation. Journal of Financial Econometrics, 8(4), 409-449. doi:10.1093/jjfinec/nbp010 Chauvin, K. W., & Shenoy, C. (2001). Stock Price Decreases Prior to Executive Stock Option Grants. Journal of Corporate Finance, 7(1), 53-76. Chen, Q., Goldstein, I., & Jiang, W. (2006). Price Informativeness and Investment Sensitivity to Stock Price. Review of Financial Studies, 20(3), 619-650. doi:10.1093/rfs/hhl024 Coles, J. L., Hertzel, M., & Kalpathy, S. (2006). Earnings Management Around Employee Stock Option Reissues. Journal of Accounting and Economics, 41(1-2), 173-200. doi:10.1016/j.jacceco.2005.08.002 Corrado, C. J. (1989). A Nonparametric Test for Abnormal Security-Price Performance in Event Studies. Journal of Financial Economics, 23, 385-395. Corrado, C. J., & Su, T. (1997). Implied Volatility Skews and Stock Index Skewness and Kurtosis Implied By S&P 500 Index Option Prices. The Journal of Derivatives, 4(4), 8–19. Institutional Investor Journals. Cox, J. C., Ross, S. A., & Rubinstein, M. (1979). Option Pricing: A Simplified Approach. Journal of Financial Economics, 7, 229-263. Day, T. E., & Lewis, C. M. (1992). Stock market volatility and the information content of stock index options. Journal of Econometrics, 52(1-2), 267-287. doi:10.1016/0304-4076(92)90073-Z De Jong, F. (2007). Event Studies Methodology. Course Material for Empirical Finance and Investment Cases. (pp. 1-44).


Ding, H. (2009). Earnings Announcements in Options Expiration Weeks. Department of Mathematics, University of British Columbia. Dodd, P. (1980). Merger Proposals, Management Discretion and Stockholder Wealth. Journal of Financial Economics, 105-137. Donders, M., & Vorst, T. (1996). The Impact of Firm Specific News on Implied Volatilities. Journal of Banking & Finance, 20(9), 1447-1461. doi:10.1016/S0378-4266(96)00011-8 Dubinsky, A., & Johannes, M. (2006). Fundamental Uncertainty, Earnings Announcements and Equity Options. Working Paper. Dupire, B. (1994). Pricing with a Smile. Risk Magazine, 7(1), 1-10. ECB. (2011). The Information Content of Option Prices During the Financial Crisis. ECB, (February), 8799. Ederington, L. H., & Lee, J. H. (1996). The Creation and Resolution of Market Uncertainty: The Impact of Information Releases on Implied Volatility. The Journal of Financial and Quantitative Analysis, 31(4), 513-539. Efendi, J., Srivastava, A., & Swanson, E. P. (2007). Why do corporate managers misstate financial statements? The role of option compensation and other factors. Journal of Financial Economics, 85(3), 667-708. doi:10.1016/j.jfineco.2006.05.009 Engle, R. F., & Patton, A. J. (2001). What Good is a Volatility Model? Quantitative Finance, 1(2), 237 245. doi:10.1088/1469-7688/1/2/305 Fama, E. F. (1976). Foundations of Finance: Portfolio Decisions and Securities Prices (p. 395). Basic Books. Fama, E. F. (1991). Efficient Capital Markets: II. Journal of Finance, 46(5), 1575-1617. Fama, E. F., Fisher, L., Jensen, M. C., & Roll, R. (1969). The Adjustment of Stock Prices to New Information. International Economic Review, 10(1), 1-21. Frömmel, M. (2010). Portfolios and Investments. Books On Demand. Garleanu, N., Pedersen, L. H., & Poteshman, a. M. (2009). Demand-Based Option Pricing. Review of Financial Studies, 22(10), 4259-4299. doi:10.1093/rfs/hhp005 Giot, P. (2005). Relationships Between Implied Volatility Indices and Stock Index Returns. Journal of Portfolio Management, 31(3), 92-100. Hagerman, R. L. (1978). More Evidence on the Distribution of Security Returns. Journal of Finance, 33, 1213-1221. Halpern, P. (1983). Corporate Acquisitions : A Theory of Special Cases? A Review of Event Studies Applied to Acquisitions. The Journal of Finance, 38(2), 297-317.


Han, B. (2007). Investor Sentiment and Option Prices. Review of Financial Studies, 21(1), 387-414. doi:10.1093/rfs/hhm071 Henry, E. (2008). Are Investors Influenced By How Earnings Press Releases Are Written? Journal of Business Communication, 45(4), 363-407. doi:10.1177/0021943608319388 Heron, R., & Lie, E. (2007). Does Backdating Explain Stock Price Patterns Around Executive Stock Option Grants? Journal of Financial Economics, 83(2), 271-295. doi:10.1016/j.jfineco.2005.12.003 Horst, J. T., & Veld, C. (2008). An Empirical Analysis of the Pricing of Bank Issued Options versus Options Exchange Options. European Financial Management, 14(2), 288-314. doi:10.1111/j.1468-036X.2007.00394.x Hull, J. C. (2008). Options, Futures, and Other Derivatives (7th ed., pp. 201-214, 277-298). Prentice Hall. Jarrow, R., & Rudd, A. (1982). Approximate Option Valuation for Arbitrary Stochastic Processes. Journal of Financial Economics, 10, 347-369. Jennings, R., & Starks, L. (1986). Earnings Announcements , Stock Price Adjustment , and the Existence of Option Markets. The Journal of Finance, 41(1), 107-125. Katiforis, N. (2002). Professional Options Strategies for Private Traders: A Guide to Trading Financial and Commodity Markets. Wrightbooks. Lee, S. S., & Mykland, P. a. (2008). Jumps in Financial Markets: A New Nonparametric Test and Jump Dynamics. Review of Financial Studies, 21(6), 2535-2563. doi:10.1093/rfs/hhm056 MacKinlay, A. C. (1997). Event Studies in Economics and Finance. Journal of Economic Literature, 35(1), 13–39. McAnally, M. L., Srivastava, A., & Weaver, C. D. (2008). Executive Stock Options, Missed Earnings Targets, and Earnings Management. The Accounting Review, 83(1), 185-216. doi:10.2308/accr.2008.83.1.185 Merton, R. C. (1973). The Theory of Rational Option Pricing. Bell Journal of Economics and Management Science, 4(1), 141-183. Merton, R. C. (1976). Option Pricing when Underlying Stock Returns are Discontinuous. Journal of Financial Economics, 3, 125-144. Monin, B., & Oppenheimer, D. M. (2005). Correlated Averages vs. Averaged Correlations: Demonstrating the Warm Glow Heuristic beyond Aggregation. Social Cognition, 23(3), 257-278. Ni, S. X., Pan, J., & Poteshman, A. M. (2008). Volatility Information Trading in the Option Market. The Journal of Finance, LXIII(3), 1059-1091. Pan, J. (2002). The Jump-Risk Premia Implicit in Options: Evidence from an Integrated Time-Series Study. Journal of Financial Economics, 63, 3-50.


Pan, J., & Poteshman, A. M. (2006). The Information in Option Volume for Future Stock Prices. The Review of Financial Studies, 19(3), 871-908. Patell, J. M. (1976). Corporate Forecasts of Earnings Per Share and Stock Price Behavior: Empirical Test. Journal of Accounting Research, 14(2), 246-276. Patell, J. M., & Wolfson, M. A. (1979). Anticipated Information Releases Reflected in Call Option Prices. Journal of Accounting and Economics, 1, 117-140. Patell, J. M., & Wolfson, M. A. (1981). The Ex Ante and Ex Post Price Effects of Quarterly Earnings Announcements Reflected in Option and Stock Prices. Journal of Accounting Research, 19(2), 434-458. Peterson, P. P. (1989). Event studies: A review of issues and methodology. Quarterly Journal of Business and Economics, 28(3), 36–66. Quek, C., Cheng, P., & Jain, A. (2007). Predicting Impact of News on Stock Price: An Evaluation of Neuro Fuzzy Systems. Computational Intelligence, 23(2), 1226-1233. Ieee. doi:10.1109/CEC.2007.4424610

Ritter, J. R., & Welch, I. (2002). A Review of IPO Activity, Pricing, and Allocations. The Journal of Finance, LVII(4), 1795-1828. Robertson, C., Geva, S., & Wolff, R. (2006). What Types of Events Provide the Strongest Evidence that the Stock Market is Affected by Company Specific News? Australasian Data Mining Conference, Vol. 61 (pp. 145-153). Roll, R. (1988). R2. The Journal of Finance, 43(3), 541-566. Ryan, P., & Taffler, R. J. (2004). Are Economically Significant Stock Returns and Trading Volumes Driven by Firm-specific News Releases? Journal of Business Finance & Accounting, 31(1-2), 4982. doi:10.1111/j.0306-686X.2004.0002.x Schmalensee, R., & Trippi, R. R. (1978). Common Stock Volatility Expectations Implied by Option Premia. The Journal of Finance, 33(1), 129-147. Serra, A. P. (2002). Event Study Tests: A Brief Survey. Economia. Shiller, R. J. (2003). From Efficient Markets Theory to Behavioral Finance. Journal of Economic Perspectives, 17(1), 83-104. Skinner, D. (1990). Options Markets and the Information Content of Accounting Earnings Releases. Journal of Accounting and Economics, 13(3), 191-211. doi:10.1016/0165-4101(90)90031-X Skinner, D. J. (1989). Option Markets and Stock Return Volatility. Journal of Financial Economics, 23, 61-78. Thompson, R. B. I., Olsen, C., & Dietrich, J. R. (1987). Attributes of News about Firms: An Analysis of Firm-Specific News Reported in the Wall Street Journal Index. Journal of Accounting Research, 25(2), 245-274. doi:10.2307/2491017


Whaley, R. E., & Cheung, J. K. (1982). Anticipation of Quarterly Earnings Announcements: a Test of Option Market Efficiency. Journal of Accounting and Economics, 4, 57-83. Xing, Y., Zhang, X., & Zhao, R. (2009). What Does Individual Option Volatility Smirk Tell Us About Future Equity Returns? East. Yermack, D. (1997). Good Timing : CEO Stock Option Awards and Company News Announcements. The Journal of Finance, 52(2), 449-476.


APPENDIX 4.1.1 KWANTITATIEF ONDERZOEK AM NAAM

PRE CORRECTIE SIGN IV

TOTAAL

AIR LIQUIDE AM C

60

66

90,91%

AIR LIQUIDE AM P

63

66

95,45%

ALLIANZ AM C

49

53

92,45%

ALLIANZ AM P

42

53

79,25% -14,29%

AG AM C

42

43

97,67%

AG AM P

43

43 100,00%

AXA AM C

24

26

AXA AM P

26

26 100,00%

BASF AM C

11

11 100,00%

BASF AM P

9

11

REL

CvsP

5,00%

2,38%

POST CORRECTIE CvsP_ABS

5,00% 14,29% 2,38%

92,31% 8,33%

8,33%

81,82% -18,18%

18,18%

BAYER AM C

21

21 100,00%

BAYER AM P

18

21

85,71% -14,29%

BCO BVA AM C

18

35

51,43%

BCO BVA AM P

20

35

57,14%

BCO SANTANDER AM C

18

18 100,00%

BCO SANTANDER AM P

18

18 100,00%

BMW AM C

14

14 100,00%

BMW AM P

14

14 100,00%

BNP PARIBAS AM C

37

38

BNP PARIBAS AM P

38

38 100,00%

DAIMLER AM C

29

30

96,67%

DAIMLER AM P

28

30

93,33%

DANONE AM C

30

30 100,00%

DANONE AM P

30

30 100,00%

DEUTSCHE BANK AM C

31

34

91,18%

DEUTSCHE BANK AM P

32

34

94,12%

DEUTSCHE BOERSE AM C

17

18

94,44%

DEUTSCHE BOERSE AM P

17

18

94,44%

DEUTSCHE TELEKOM AM C

35

36

97,22%

DEUTSCHE TELEKOM AM P

34

36

94,44%

E.ON AM C

35

36

97,22%

E.ON AM P

29

36

80,56% -17,14%

ENEL AM C

34

34 100,00%

ENEL AM P

34

34 100,00%

ENI AM C

53

54

ENI AM P

54

54 100,00%

FRANCE TELECOM AM C

46

46 100,00%

FRANCE TELECOM AM P

46

46 100,00%

11,11%

14,29% 11,11%

0,00%

0,00%

0,00%

0,00%

97,37% 2,70%

2,70%

-3,45%

3,45%

0,00%

0,00%

3,23%

3,23%

0,00%

0,00%

-2,86%

2,86%

0,00%

17,14% 0,00%

98,15% 1,89%

1,89%

0,00%

0,00%

SIGN IV

TOTAAL

REL

45

66 68,18%

43

66 65,15%

32

53 60,38%

29

53 54,72%

29

43 67,44%

38

43 88,37%

CvsP

CvsP_ABS

-4,44%

4,44%

-9,37%

9,37%

31,03%

31,03%

18

26 69,23%

16

26 61,54% -11,11%

11,11%

8

11 72,73%

7

11 63,64% -12,50%

13

21 61,90%

10

21 47,62% -23,08%

17

35 48,57%

14

35 40,00% -17,65%

12

18 66,67%

14

18 77,78%

9

14 64,29%

9

14 64,29%

25

38 65,79%

29

38 76,32%

18

30 60,00%

18

30 60,00%

22

30 73,33%

24

30 80,00%

23

34 67,65%

24

34 70,59%

10

18 55,56%

9

12,50% 23,08% 17,65%

16,67%

16,67%

0,00%

0,00%

16,00%

16,00%

0,00%

0,00%

9,09%

9,09%

4,35%

4,35%

18 50,00% -10,00%

10,00%

28

36 77,78%

22

36 61,11% -21,43%

22

36 61,11%

18

36 50,00% -18,18%

28

34 82,35%

32

34 94,12%

46

54 85,19%

47

54 87,04%

39

46 84,78%

42

46 91,30%

21,43% 18,18%

14,29%

14,29%

2,17%

2,17%

7,69%

7,69%


GDF SUEZ AM C

50

50 100,00%

GDF SUEZ AM P

47

50

94,00%

GRP SG AM C

39

40

97,50%

GRP SG AM P

39

40

97,50%

IBERDROLA AM C

48

49

97,96%

IBERDROLA AM P

49

49 100,00%

ING GRP AM C

42

45

93,33%

ING GRP AM P

44

45

97,78%

INTESA SANPAOLO AM C

21

29

72,41%

INTESA SANPAOLO AM P

23

29

79,31%

LOREAL AM C

17

17 100,00%

LOREAL AM P

17

17 100,00%

LVMH MOET HENNESSY AM C

24

24 100,00%

LVMH MOET HENNESSY AM P

24

24 100,00%

MUENCHENER RUECK AM C

18

18 100,00%

MUENCHENER RUECK AM P

12

18

66,67% -33,33%

NOKIA AM C

34

37

91,89%

NOKIA AM P

37

37 100,00%

PHILIPS ELECTRONICS AM C

27

27 100,00%

PHILIPS ELECTRONICS AM P

27

27 100,00%

REPSOL YPF AM C

37

42

88,10%

REPSOL YPF AM P

38

42

90,48%

RWE AM C

34

38

89,47%

RWE AM P

23

38

60,53% -32,35%

SAINT GOBAIN AM C

22

24

91,67%

SAINT GOBAIN AM P

22

24

91,67%

SANOFI AM C

44

45

97,78%

SANOFI AM P

41

45

91,11%

SAP AM C

13

14

92,86%

SAP AM P

14

14 100,00%

SCHNEIDER ELECTRIC AM C

29

33

87,88%

SCHNEIDER ELECTRIC AM P

31

33

93,94%

SIEMENS AM C

39

40

97,50%

SIEMENS AM P

29

40

72,50% -25,64%

TELECOM ITALIA AM C

44

56

78,57%

TELECOM ITALIA AM P

40

56

71,43%

TELEFONICA AM C

43

44

97,73%

TELEFONICA AM P

35

44

79,55% -18,60%

TOTAL AM C

28

65

43,08%

TOTAL AM P

34

65

52,31%

UNICREDIT AM C

87

90

96,67%

UNICREDIT AM P

90

90 100,00%

UNILEVER NV AM C

36

37

97,30%

UNILEVER NV AM P

36

37

97,30%

VINCI AM C

40

41

97,56%

VINCI AM P

39

41

95,12%

-6,00% 0,00% 2,08% 4,76% 9,52% 0,00% 0,00%

8,82% 0,00% 2,70%

0,00% -6,82% 7,69% 6,90%

-9,09%

21,43% 3,45% 0,00% -2,50%

6,00% 0,00% 2,08% 4,76% 9,52% 0,00% 0,00% 33,33% 8,82% 0,00% 2,70% 32,35% 0,00% 6,82% 7,69% 6,90% 25,64% 9,09% 18,60% 21,43% 3,45% 0,00% 2,50%

30

50 60,00%

34

50 68,00%

27

40 67,50%

27

40 67,50%

46

49 93,88%

46

49 93,88%

29

45 64,44%

37

45 82,22%

19

29 65,52%

19

29 65,52%

10

17 58,82%

15

17 88,24%

21

24 87,50%

21

24 87,50%

13,33%

13,33%

0,00%

0,00%

0,00%

0,00%

27,59%

27,59%

0,00%

0,00%

50,00%

50,00%

0,00%

0,00%

17

18 94,44%

10

18 55,56% -41,18%

41,18%

22

37 59,46%

26

37 70,27%

22

27 81,48%

21

27 77,78%

29

42 69,05%

28

42 66,67%

18,18%

18,18%

-4,55%

4,55%

-3,45%

3,45%

16

38 42,11%

14

38 36,84% -12,50%

12,50%

16

24 66,67%

19

24 79,17%

36

45 80,00%

36

45 80,00%

12

14 85,71%

12

14 85,71%

20

33 60,61%

24

33 72,73%

22

40 55,00%

18,75%

18,75%

0,00%

0,00%

0,00%

0,00%

20,00%

20,00%

19

40 47,50% -13,64%

13,64%

28

56 50,00%

32

56 57,14%

31

44 70,45%

30

44 68,18%

13

65 20,00%

8

14,29%

14,29%

-3,23%

3,23%

65 12,31% -38,46%

38,46%

64

90 71,11%

78

90 86,67%

30

37 81,08%

28

37 75,68%

33

41 80,49%

29

21,88%

21,88%

-6,67%

6,67%

41 70,73% -12,12%

12,12%


VIVENDI AM C

41

41 100,00%

VIVENDI AM P

41

41 100,00%

SOM

2888

3178

90,87%

37

41 90,24%

0,00%

0,00%

38

41 92,68%

2,70%

2,70%

-2,38%

7,13%

2170

3178 68,28%

0,57%

12,83%

T ABEL 31: A ANTAL SIGNIFICANTE VS TOTAAL AANTAL EVENTS PRE EN POST VOLATILITY SMILE CORRECTIE , MET RELATIEVE VERSCHILLEN TUSSEN C EN P (AM)

EU NAAM

PRE CORRECTIE SIGN IV

TOTAAL

REL

AIR LIQUIDE EU C

43

66

65,15%

AIR LIQUIDE EU P

58

66

87,88%

AXA EU C

25

26

96,15%

AXA EU P

24

26

92,31%

BCO BVA EU C

17

35

48,57%

BCO BVA EU P

17

35

48,57%

BCO SANTANDER EU C

4

18

22,22%

BCO SANTANDER EU P

8

18

44,44%

BNP PARIBAS EU C

37

38

97,37%

BNP PARIBAS EU P

38

38

100,00%

CARREFOUR EU C

21

25

84,00%

CARREFOUR EU P

25

25

100,00%

DANONE EU C

29

30

96,67%

DANONE EU P

29

30

96,67%

FRANCE TELECOM EU C

45

46

97,83%

FRANCE TELECOM EU P

46

46

100,00%

GRP SG EU C

34

40

85,00%

GRP SG EU P

37

40

92,50%

IBERDROLA EU C

22

49

44,90%

IBERDROLA EU P

24

49

48,98%

INDITEX EU C

6

18

33,33%

INDITEX EU P

6

18

33,33%

LOREAL EU C

16

17

94,12%

LOREAL EU P

17

17

100,00%

LVMH MOET HENNESSY EU C

23

24

95,83%

LVMH MOET HENNESSY EU P

24

24

100,00%

REPSOL YPF EU C

26

42

61,90%

REPSOL YPF EU P

24

42

57,14%

SAINT GOBAIN EU C

24

24

100,00%

SAINT GOBAIN EU P

24

24

100,00%

SANOFI EU C

37

45

82,22%

SANOFI EU P

44

45

97,78%

SCHNEIDER ELECTRIC EU C

28

33

84,85%

SCHNEIDER ELECTRIC EU P

31

33

93,94%

CvsP

POST CORRECTIE CvsP_ABS

34,88%

34,88%

-4,00%

4,00%

0,00%

0,00%

100,00%

100,00%

2,70%

2,70%

19,05%

19,05%

0,00%

0,00%

2,22%

2,22%

8,82%

8,82%

9,09%

9,09%

SIGN IV

TOTAAL

REL

20

66 30,30%

36

66 54,55%

11

26 42,31%

12

26 46,15%

14

35 40,00%

14

35 40,00%

3

18 16,67%

4

18 22,22%

23

38 60,53%

27

38 71,05%

11

25 44,00%

15

25 60,00%

15

30 50,00%

18

30 60,00%

35

46 76,09%

37

46 80,43%

14

40 35,00%

17

40 42,50%

22

49 44,90%

24

49 48,98%

6

18 33,33%

0,00%

0,00%

6

18 33,33%

9

17 52,94%

6,25%

6,25%

15

17 88,24%

10

24 41,67%

13

24 54,17%

19

42 45,24%

21

42 50,00%

15

24 62,50%

15

24 62,50%

21

45 46,67%

27

45 60,00%

6

33 18,18%

16

33 48,48%

4,35%

4,35%

-7,69%

7,69%

0,00%

0,00%

18,92%

18,92%

10,71%

10,71%

CvsP

CvsP_ABS

80,00%

80,00%

9,09%

9,09%

0,00%

0,00%

33,33%

33,33%

17,39%

17,39%

36,36%

36,36%

20,00%

20,00%

5,71%

5,71%

21,43%

21,43%

9,09%

9,09%

0,00%

0,00%

66,67%

66,67%

30,00%

30,00%

10,53%

10,53%

0,00%

0,00%

28,57%

28,57%

166,67%

166,67%


TELEFONICA EU C

36

44

81,82%

TELEFONICA EU P

32

44

72,73%

TOTAL EU C

59

65

90,77%

TOTAL EU P

65

65

100,00%

VINCI EU C

34

41

82,93%

VINCI EU P

40

41

97,56%

VIVENDI EU C

38

41

92,68%

VIVENDI EU P

39

41

95,12%

2,63%

1256

1534

81,88%

10,70%

SOM

-11,11%

10,17%

17,65%

32

44 72,73%

28

44 63,64%

30

65 46,15%

37

65 56,92%

12

41 29,27%

18

41 43,90%

22

41 53,66%

2,63%

25

12,87%

775

11,11%

10,17%

17,65%

-12,50%

12,50%

23,33%

23,33%

50,00%

50,00%

41 60,98%

13,64%

13,64%

1534 50,52%

29,01%

30,21%

T ABEL 32: A ANTAL SIGNIFICANTE VS TOTAAL AANTAL EVENTS PRE EN POST VOLATILITY SMILE CORRECTIE , MET RELATIEVE VERSCHILLEN TUSSEN C EN P (EU).


4.2.1 VERSCHILLEN TUSSEN C EN P Correlations OP C C OP P C OP+ P C IV P C IV+ P C AP P C AP+ P C PR2 P C AIV P C PO2

Corr.

OP+ P

C

IV P

C

IV+ P

C

AP P

C

AP+ P

C

PR2 P

C

AIV P

C

PO2 P

C

1

Sig. Corr.

-,726**

1

Sig.

,000

Corr.

-,242

,031

Sig.

,190

,870

Corr.

-,057

Sig.

,759

Corr.

-,004

Sig.

,983

Corr.

1

,000 ,000

,640

,999

-,085 ,489**

,020

,178 -,330

,913

,338

Corr.

-,040

Sig.

,832

Corr.

-,147

Sig.

,429

Corr.

,277 ,416

,649

Sig.

,202 -,767** ,152 -,087

Sig.

Corr.

1

,005 ,667

,000

Corr.

,765

,041

,038

1

,004

,248 -,380* ,523**

,297 -,108 -,193

,178

,104

,000

,675** -,891**

Sig.

1

,070

,081 -,056 ,368* -,375* ,497**

,707** -,875** ,000

1

,003

,563

1

,298

,057 -,248 -,292 -,297

,072 -,379*

,761

,699

,179

,111

,105

1

,035

,017 -,201 -,258 -,295

,092 -,333 ,969**

,928

,621

,000

,103 -,162 ,668** -,769**

,043 -,127 -,403* -,415*

,173

,142

Sig.

,580

,818

,020

,351

,445

Corr.

,164 -,252 ,679** -,822**

,013 -,131 -,312 -,481**

,284

,264 ,939**

Sig.

,378

,943

,121

,151

,000

,191 -,165 ,405* -,206 -,147 -,134 -,076 -,056

,218

,220

,240

,235

,171

-,050 -,074

Sig.

,787

Corr.

-,157

Sig.

,398

Corr.

-,003

Sig.

,989

Corr.

,383

,693

,000 ,000

,278 ,000 ,000

,160

,107

1

,067

Corr.

,000

,035

,495 ,483

,025 ,088

,006

1

,302

,374

,024

,266

,429

,472

,190

,063

,075

,032

,046 -,327 -,317 -,048 -,107 -,085

,157

,305

,736

,687

,864

,807

,073

,766

1

,261 -,238 ,197

,685

1

,082

,796

,568

1

,649

,151 -,088

,000 1,000** -,331 -,376*

,297 -,291 -,258

,044

,013 ,406*

,060

,418

,639

,998

,105

,815

,944

,748

-,083 ,488**

,020

,179 -,330 1,000** ,497** -,108 -,296 -,294 -,127 -,131 -,205

,072 -,331

,915

,337

,699

,000

,162 ,108

Corr.

,035

,120 -,278 ,381* -,396* ,560** ,735** -,220

,056

,066 -,316 -,215 -,208 -,005 -,398* ,559**

Sig.

,852

,520

,767

,724

Corr.

,093

,017 -,557**

,433* ,576** -,290 -,393* ,704** -,209 -,154 -,297 -,340

,042 -,018 ,576** -,290 -,182

,618

,926

,001

,015

,001

,113

,029

,000

,259

,407

,105

,062

,824

,922

,001

,114

,328

31

31

31

31

31

31

31

31

31

31

31

31

31

31

31

31

31

P Sig. N

,233

,084

,246

,268

1

,106

,000

,481

1

,565

,001

,496

,024

,005

,027

,004

,113

,655

,034

,000

,037

Sig.

,130

,069

,069

,262

,981

,069 ,027

1

,001

**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).

T ABEL 33: C ORRELATIEMATRIX C VS P OP GEMIDDELDEN VAN DE TESTOBJECTEN (AM)


Correlations OP C C OP P C OP+ P C IV P C IV+ P C AP P C AP+ P C PR2 P C AIV P C PO2

OP+ P

C

IV P

C

IV+ P

C

AP P

C

1 Corr. Sig. ** 1 Corr. -,596 ,001 Sig. 1 Corr. -,136 -,060 ,482 ,757 Sig. ** ** 1 Corr. -,148 ,522 -,680 ,445 ,004 ,000 Sig. ** 1 Corr. -,334 ,585 ,326 ,003 ,077 ,001 ,084 ,988 Sig. ,198 ,446* -,106 ,196 ,360 1 Corr. ,304 ,015 ,584 ,308 ,055 Sig. ,076 ,341 -,133 ,614** ,018 ,345 1 Corr. ,695 ,070 ,492 ,000 ,927 ,066 Sig. 1 Corr. -,584** ,514** ,143 ,457* ,415* -,127 ,426* ,001 ,004 ,460 ,013 ,025 ,513 ,021 Sig. Corr. ,865** -,767** -,064 -,214 -,418* -,106 -,021 -,438* ,000 ,000 ,742 ,266 ,024 ,584 ,915 ,017 Sig. Corr. ,799** -,818** ,020 -,389* -,393* -,117 -,159 -,536** ,000 ,000 ,920 ,037 ,035 ,545 ,411 ,003 Sig. -,143 -,061 ,882** -,645** ,352 -,199 -,201 ,115 Corr. ,459 ,752 ,000 ,000 ,061 ,300 ,296 ,553 Sig. Corr. -,005 -,379* ,755** -,887** ,148 -,216 -,471** -,183 ,981 ,043 ,000 ,000 ,442 ,260 ,010 ,342 Sig. ,244 -,076 ,207 -,181 ,005 ,057 ,068 -,140 Corr. ,202 ,695 ,282 ,349 ,977 ,771 ,724 ,468 Sig. Corr. -,019 -,050 ,020 ,033 -,034 -,009 ,026 ,240 ,920 ,795 ,919 ,865 ,860 ,964 ,895 ,210 Sig. -,341 ,585** ,329 ,0021,000** ,351 ,013 ,418* Corr. ,070 ,001 ,081 ,992 ,000 ,062 ,947 ,024 Sig. ,194 ,451* -,108 ,204 ,3581,000** ,349 -,125 Corr. ,314 ,014 ,578 ,290 ,057 ,000 ,063 ,518 Sig. * ** ** * Corr. -,182 ,396 -,004 ,509 ,063 ,267 ,826 ,391 ,345 ,033 ,982 ,005 ,747 ,162 ,000 ,036 Sig.

Corr. P Sig.

N

P

C

P

C

PO2 P

C

1 ,951**

1

,000 -,014

,035

,942

,858

,105

,250 ,818**

,588

,191

,000

,224

,252

,158

,143

,242

,187

,413

,458

,135

,128 -,046 -,113 -,463*

,486

,509

,814

,560

,011

-,422* -,395*

,357

,152

,005 -,041

,058

,430

,978

,023

,034

1 1

-,110 -,121 -,201 -,222 ,571

,530 ,186

1

,834 ,349

,770

,929

,064

,132 -,063

,065

,277

,494

,745

,739

,145

-,080 -,465 -,003

,078

,167 -,187 ,606**

,295

,247

,632

,043

1

,733

,000

,400

,312

,002

,000

,076

,008

,680

,011

,990

,687

,387

,332

,000

29

29

29

29

29

29

29

29

29

29

29

29

29

29

29

29

29

-,335 -,481

*

1

,009

,790

**

1

,057 -,017

-,191 -,252 -,093 -,378* ,320

1

,016

,163 -,195 ,542

**

C

AIV

**

-,066 ,643

**

P

PR2

*

-,443 ,475

**

AP+


T ABEL 34: C ORRELATIEMATRIX C VS P OP GEMIDDELDEN VAN DE TESTOBJECTEN (EU)


Correlations OP C C OP P C OP+ P C IV P C IV+ P C AP P C AP+ P C PR2 P C AIV P C PO2 P

Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. N

OP+ P

C

IV P

C

IV+ P

C

AP P

C

AP+ P

C

PR2 P

C

AIV P

C

PO2 P

C

1 -,039**

1

,000 -,076**

,007

,000

,513

1

,028** -,018 -,025*

1

,004

,074

,011

,010

,019 -,017

,011

,296

,055

,281

,075

1

-,009 ,195** -,018 ,020* -,056** ,356

,000

,079

,043

1

,000

-,032** -,033** ,048** ,031** -,280** ,038** ,001

,001

,000

,002

,000

1

,000

,003 -,008

,008 ,244** ,032** -,245** -,047**

,778

,423

,416

,000

,001

,000

1

,000

,605** -,082** -,045** ,047** -,211** ,039** ,052** -,044** 0,000

,000

,000

,000

,000

,000

,000

1

,000

,023* -,623** -,015 ,039** -,013 -,077** ,029** -,056** ,077** ,020 0,000

,138

,000

,182

,000

,004

,000

1

,000

-,015 ,028** ,563** -,032** ,032** -,050** -,252** ,034** -,109** -,063** ,117

,006 0,000

-,012 -,018 ,249

,075

,001

,001

,000

,000

,001

,000

1

,000

,006 -,617** -,011 -,015 -,013 -,101** -,028** -,059** -,008 ,571 0,000

,251

,133

,185

,000

,006

,000

1

,398

,016 -,005 ,028** -,026* -,382** ,031**

,004 -,014 ,048** ,026** ,026** ,043**

,091

,002

,666

,162

,019 -,012 -,020* -,005 ,046** -,483**

,006

,011 -,009 -,070** -,005

,008 -,059**

,055

,231

,527

,282

,434

,010

,019 -,017

,011 1,000** -,055** -,280** ,032** -,211** -,013 ,032** -,012 -,381** ,046**

,291

,056

,277 0,000

,637

,004 ,048 ,074

,011 0,000 ,622

,000 0,000 ,000

,000

,001

,000 ,362 ,000

,009 ,000 ,184

,006 ,587 ,001

1

,000 1

,000

,246 0,000

1

,000

-,009 ,195** -,018 ,021* -,056** 1,000** ,038** -,245** ,039** -,077** -,050** -,015 ,032** -,482** -,055** ,349

,000

,080

,040

,000 0,000

,000

,000

,000

,000

,000

,125

,002 0,000

1

,000

-,055** -,012 -,014 ,040** -,305** ,078** ,639** -,043** ,050** ,051** -,195** -,031** -,023* -,023* -,305** ,078** ,000

,238

,014 -,019

,153

,000

,000

,000 0,000

,000

,000

,000

,000

,002

,017

,024

,000

1

,000

,010 ,176** ,035** -,218** -,017 ,674** -,016 -,052** ,032** -,064** -,005 -,017 ,035** -,218** -,030**

,171 ,055 ,305 ,000 ,001 ,000 ,097 0,000 ,105 ,000 ,002 ,000 ,592 ,082 ,001 ,000 ,003 10030 10030 10016 10005 10031 10031 10021 10011 10031 10031 10031 10031 10031 10031 10031 10031 10031


T ABEL 35: C ORRELATIEMATRIX C VS P OP INDIVIDUELE WAARNEMINGEN VAN DE TESTOBJECTEN (AM)


Correlations OP C C OP P C OP+ P C IV P C IV+ P C AP P C AP+ P C PR2 P C AIV P C PO2 P

Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. Corr. Sig. N

OP+ P

C

IV P

C

IV+ P

C

AP P

C

AP+ P

C

PR2 P

C

AIV P

C

PO2 P

C

1 -,026

1

,129 -,167**

,014

,000

,417

1

,009 ,113**

,026

,618

,133

,000

1

-,051** ,073** ,095** ,046** ,003

,000

,000

1

,009

,001 ,220**

,017 ,109**

,025

,976

,317

,146

-,051** ,003

,000

,000

1

,021 ,062**

,023 -,384**

,010

,227

,181

,554

,000

,000

1

,005 ,171** ,044* ,099** -,009 -,322**

,003

,784

,880

,000

,012

,000

,598

,000

1

,676** -,072** -,162** -,036* -,200**

,034 -,056** -,042*

0,000

,054

,000

,000

,041

,000

,059** -,647** -,052** -,037* -,100** -,074** ,001 0,000

,003

,037

,000

,000

,001

1

,017

,010 -,297** ,094** ,575

,000

1

,000

-,092**

,019 ,699**

,023 ,125**

,022 -,132**

,013 -,111** -,030

,000

,279 0,000

,188

,198

,461

,000

,000

,000

1

,090

-,045** ,036* -,032 -,612** -,073** -,085** -,023 ,069** -,044* -,088** -,064** ,010

,000

,179

,000

,000

,113** -,095** -,005 -,097** -,130**

,003

,005 -,062** ,192** ,092**

,003

,018

,846

,789

,854

,314

,000

,069 0,000 ,789

,000

,000

,000 ,000

,053** -,020 -,008 -,029 -,007 -,174** ,037* ,044* ,002

,242

,639

,098

,690

-,053** ,074** ,095** ,045*1,000** ,002

,000

,000

,010 0,000

,000

,035

,012

,012

1

,000

,000

,042

,000

,000

1

,031 ,044* -,010 -,035*

,009

,072

,587

,012

,566

,043

1

,025 -,383** -,008 -,203** -,100** ,124** -,071** -,131** -,006 ,151

,000

,643

,000

,000

,000

,000

,000

1

,717

,000 ,221**

,018 ,112**

,0261,000**

,011 -,320**

,032 -,076**

,023 -,087**

,003 -,174**

,026

,992

,302

,134 0,000

,521

,063

,184

,852

,139

-,089** ,000

,000

,000

,000

,000

,000

,000

1

,011 ,089**

,012 -,292**

,008 ,698**

,020 -,090** ,039* -,048**

,001 -,012 ,042* -,291**

,009

,547

,495

,641 0,000

,243

,961

,621

,000

,000

-,028 ,096** ,055** ,124** ,035* -,305**

,000

,027

,030 ,666** -,066** -,201**

,004

,462

,016

,000

1

,012 -,012 -,107** -,022 ,036* -,302** ,035*

,108 ,000 ,002 ,000 ,045 ,000 ,087 0,000 ,000 ,000 ,485 ,491 ,000 ,204 ,039 ,000 ,046 3286 3286 3278 3268 3286 3286 3281 3282 3286 3286 3286 3286 3286 3286 3286 3286 3286


T ABEL 36: C ORRELATIEMATRIX C VS P OP INDIVIDUELE WAARNEMINGEN VAN DE TESTOBJECTEN (AM)


4.2.3 DE INVLOED VAN IV OP OP EN AP OP IV Correlations AM_OP

Corr.

AM_OP AM_OPp ** 1 -,049

AM_IV ** ,099

AM_IVp ** -,019

,000

,000

,005

,001

,018

,829

,000

,000

20306 1

20345 ,001

20317 ** ,135

20345 -,006

20345 ** ,025

20345 ,010

20345 ,001

20345 ** ,069

,860

,000

,367

,000

,152

,853

,000

20306 1

20306 ** -,263

20306 ** -,143

20306 ,008

20306 ** -,435

20306 ** 1,000

20306 ** -,265

0,000

,000

,271

0,000

0,000

0,000

20317 1

20347 ,002

20347 ** -,182

20347 -,001

20347 ** -,263

20347 ** ,652

,759

,000

,900

0,000

0,000

20317 1

20317 ** -,082

20317 * -,015

20317 ** -,143

20317 ,002

,000

,028

,000

,741

20347 1

20347 ** ,021

20347 ,008

20347 ** -,134

,003

,284

,000

20347 1

20347 ** -,435

20347 ** -,027

0,000

,000

20347 1

20347 ** -,265

Sig.

AM_OPp

N Corr. Sig.

AM_IV

N Corr. Sig.

AM_IVp

N Corr. Sig.

AM_AP

N Corr. Sig.

AM_APp

N Corr. Sig.

AM_PR2

N Corr. Sig.

AM_AIV

N Corr. Sig.

AM_PO2

N Corr. Sig. N

20345 ** -,049 ,000

AM_AP AM_APp AM_PR2 ** * ,024 -,017 ,002

AM_AIV AM_PO2 ** ** ,099 -,037

20306 ** ,099

20306 ,001

,000

,860

20345 ** -,019

20306 ** ,135

20347 ** -,263

,005

,000

0,000

20317 ** ,024

20306 -,006

20317 ** -,143

20317 ,002

,001

,367

,000

,759

20345 * -,017

20306 ** ,025

20347 ,008

20317 ** -,182

20347 ** -,082

,018

,000

,271

,000

,000

20345 ,002

20306 ,010

20347 ** -,435

20317 -,001

20347 * -,015

20347 ** ,021

,829

,152

0,000

,900

,028

,003

20345 ** ,099

20306 ,001

20347 ** 1,000

20317 ** -,263

20347 ** -,143

20347 ,008

20347 ** -,435

,000

,853

0,000

0,000

,000

,284

0,000

20345 ** -,037

20306 ** ,069

20347 ** -,265

20317 ** ,652

20347 ,002

20347 ** -,134

20347 ** -,027

20347 ** -,265

,000

,000

0,000

0,000

,741

,000

,000

0,000

20345

20306

20347

20317

20347

20347

20347

20347

0,000


T ABEL 37: C ORRELATIEMATRIX TESTOBJECTEN (AM)

131

20347 1

20347

Correlations EU_OP

Corr.

EU_OP EU_OPp ** 1 -,049

EU_IV ** ,067

EU_IVp ** ,043

EU_AP ** ,112

,000

,000

,000

,000

,005

,000

,000

,623

6504 1

6532 ** ,103

6523 ** ,078

6532 ** -,110

6532 ** ,124

6532 -,014

6532 ** ,104

6532 ** ,107

,000

,000

,000

,000

,246

,000

,000

6504 1

6504 ** -,357

6504 ** -,147

6504 ,021

6504 ** -,152

6504 ** 1,000

6504 ** -,300

,000

,000

,092

,000

0,000

,000

6523 1

6532 ** -,164

6532 ** -,037

6532 ,022

6532 ** -,356

6532 ** ,683

,000

,003

,072

,000

0,000

6523 1

6523 ** -,100

6523 ** ,123

6523 ** -,149

6523 ** -,135

,000

,000

,000

,000

6532 1

6532 -,015

6532 ,019

6532 * -,026

,222

,121

,039

6532 1

6532 ** -,153

6532 -,017

,000

,172

6532 1

6532 ** -,297

Sig.

EU_OPp

EU_IV

EU_IVp

EU_AP

EU_APp

EU_PR2

EU_AIV

EU_PO2

N Corr.

6532 ** -,049

EU_APp EU_PR2 ** ** -,035 ,057

EU_AIV EU_PO2 ** ,066 -,006

Sig.

,000

N Corr.

6504 ** ,067

6504 ** ,103

Sig.

,000

,000

N Corr.

6532 ** ,043

6504 ** ,078

6532 ** -,357

Sig.

,000

,000

,000

N Corr.

6523 ** ,112

6504 ** -,110

6523 ** -,147

6523 ** -,164

Sig.

,000

,000

,000

,000

6532 ** -,035

6504 ** ,124

6532 ,021

6523 ** -,037

6532 ** -,100

Sig.

,005

,000

,092

,003

,000

N Corr.

6532 ** ,057

6504 -,014

6532 ** -,152

6523 ,022

6532 ** ,123

6532 -,015

Sig.

,000

,246

,000

,072

,000

,222

N Corr.

6532 ** ,066

6504 ** ,104

6532 ** 1,000

6523 ** -,356

6532 ** -,149

6532 ,019

6532 ** -,153

Sig.

,000

,000

0,000

,000

,000

,121

,000

N Corr.

6532 -,006

6504 ** ,107

6532 ** -,300

6523 ** ,683

6532 ** -,135

6532 * -,026

6532 -,017

6532 ** -,297

Sig.

,623

,000

,000

0,000

,000

,039

,172

,000

N

6532

6504

6532

6523

6532

6532

6532

6532

N Corr.

,000


T ABEL 38: C ORRELATIEMATRIX TESTOBJECTEN (EU)


6532 1

6532

Coefficientsa

Unstandardized Coefficients Model 1

(Constant)

B Std. Error -,043 ,003 ,180

AM_IV


,013

,099

t -14,233

Sig. ,000

14,133

,000

t -5,149

Sig. ,000

5,420

,000

a. Dependent Variable: AM_OP

Model Summaryb

Model 1

Adjusted Std. Error of R R Square R Square the Estimate a ,010 ,099 ,010 ,43190

a. Predictors: (Constant), AM_IV b. Dependent Variable: AM_OP

T ABEL 39: R EGRESSIE VAN OP OP IV (AM)

Coefficientsa


(Constant) EU_IV


B Std. Error -,018 ,004 ,169

,031

Beta

,067


Model Summaryb

Model 1


a. Predictors: (Constant), EU_IV b. Dependent Variable: EU_OP

T ABEL 40: R EGRESSIE VAN OP OP IV (EU)


Coefficientsa


(Constant)

B Std. Error -,012 ,002

AM_AP

-,696


,034

-,143

t -7,174

Sig. ,000

-20,605

,000

t -6,627

Sig. ,000

-12,006

,000

a. Dependent Variable: AM_IV

Model Summaryb

Model 1


a. Predictors: (Constant), AM_AP b. Dependent Variable: AM_IV

T ABEL 41: R EGRESSIE VAN AP OP IV (AM)

Coefficientsa


(Constant)

B Std. Error -,009 ,001

EU_AP

-,433


,036

Beta

-,147

a. Dependent Variable: EU_IV

Model Summaryb

Model 1


a. Predictors: (Constant), EU_AP b. Dependent Variable: EU_IV

T ABEL 42: R EGRESSIE VAN AP OP IV (EU)


Coefficientsa


(Constant) AM_AP


B Std. Error -,045 ,003 ,216

Beta

,062

,024

t -14,714

Sig. ,000

3,478

,001

t -6,431

Sig. ,000

9,114

,000

a. Dependent Variable: AM_OP

Model Summary

Model 1


a. Predictors: (Constant), AM_AP

T ABEL 43: R EGRESSIE VAN AP OP OP (AM)

Coefficientsa


(Constant) EU_AP


B Std. Error -,023 ,004 ,835

,092

Beta

,112


Model Summary

Model 1


a. Predictors: (Constant), EU_AP

T ABEL 44: R EGRESSIE VAN AP OP OP (EU)


Coefficientsa


(Constant)


B Std. Error -,043 ,003

Beta

t -14,032

Sig. ,000

AM_AP

,349

,063

,039

5,576

,000

AM_IV

,190

,013

,104

14,796

,000

t -5,870

Sig. ,000

a. Dependent Variable: AM_OP Model Summaryb

Model 1


a. Predictors: (Constant), AM_IV, AM_AP b. Dependent Variable: AM_OP

T ABEL 45: R EGRESSIE VAN IV EN AP OP OP (AM)

Coefficientsa


(Constant)


B Std. Error -,021 ,004

Beta

EU_AP

,929

0,092

0,125

10,058

,000

EU_IV

,215

,031

,085

6,880

,000


Model Summaryb

Model 1

Adjusted Std. Error of R R Square R Square the Estimate a ,020 ,140 ,019 ,28302 a. Predictors: (Constant), EU_AP, EU_IV b. Dependent Variable: EU_OP

T ABEL 46: R EGRESSIE VAN IV EN AP OP OP (EU)


4.2.4 DE INVLOED VAN MONEYNESS OP OP EN IV Test of Homogeneity of Variances

AM_OP

Levene Statistic 1283,700

AM_IV AM_IVp

df1 2

df2 20706

Sig. 0,000

136,112

2

20708

,000

139,467

2

20678

,000

ANOVA

AM_OP

AM_IV

AM_IVp

Sum of Squares 42,426

df 2

Mean Square 21,213

Within Groups

3815,302

20706

,184

Total

3857,728

20708

2,782

2

1,391

Within Groups

1157,334

20708

,056

Total

1160,116

20710

,996

2

,498

Within Groups

822,176

20678

,040

Total

823,172

20680

Between Groups

Between Groups

Between Groups

F 115,124

Sig. ,000

24,887

,000

12,529

,000

Robust Tests of Equality of Means a

AM_OP

Welch

Statistic 116,744

AM_IV

Welch

AM_IVp

Welch

df1

df2 9547,024

Sig. ,000

34,345

2 12029,096

,000

18,180

2 11791,905

,000

2

a. Asymptotically F distributed.

Post Hoc Tests Multiple Comparisons Games-Howell

Dependent Variable AM_OP ATM

ITM OTM

ITM

ATM OTM

OTM

ATM

Mean Difference (I-J) * -,04914

Std. Error ,00501

Sig. ,000

95% Confidence Interval Lower Upper Bound Bound -,0609 -,0374

,07690

*

,01051

,000

,0523

,1015

,04914

*

,00501

,000

,0374

,0609

,12604

*

,00985

,000

,1030

,1491

-,07690

*

,01051

,000

-,1015

-,0523

137

-,12604

*

,00985

,000

-,1491

-,1030

-,01392

*

,00408

,002

-,0235

-,0043

-,02981

*

,00360

,000

-,0382

-,0214

ATM

,01392

*

,00408

,002

,0043

,0235

OTM

-,01589

*

,00429

,001

-,0259

-,0058

ATM

,02981

*

,00360

,000

,0214

,0382

,01589

*

,00429

,001

,0058

,0259

-,00833

*

,00351

,046

-,0165

-,0001

-,01786

*

,00296

,000

-,0248

-,0109

,00833

*

,00351

,046

,0001

,0165

-,00953

*

,00371

,028

-,0182

-,0008

,01786

*

,00296

,000

,0109

,0248

,00953

*

,00371

,028

,0008

,0182

ITM AM_IV

ATM

ITM OTM

ITM OTM

ITM AM_IVp

ATM

ITM OTM

ITM

ATM OTM

OTM

ATM ITM

*. The mean difference is significant at the 0.05 level.

T ABEL 47: ANOVA TEST OP, IV EN IV+ OVER DE CATEGORIEËN ITM, ATM EN OTM (AM)

Test of Homogeneity of Variances

EU_OP

Levene Statistic 199,223

df1 2

df2 6764

Sig. ,000

EU_IV

40,277

2

6764

,000

EU_IVp

67,454

2

6755

,000

ANOVA

EU_OP

EU_IV

EU_IVp

Between Groups

Sum of Squares 3,373

2

Mean Square 1,687 ,079

df

Within Groups

537,522

6764

Total

540,895

6766

,005

2

,002

Within Groups

84,664

6764

,013

Total

84,669

6766

,233

2

,117

Within Groups

75,644

6755

,011

Total

75,878

6757

Between Groups

Between Groups

F 21,223

Sig. ,000

,185

,831

10,410

,000


Robust Tests of Equality of Means a

EU_OP

Welch

Statistic 21,894

EU_IV

Welch

EU_IVp

Welch

df1 2

df2 3074,697

Sig. ,000

,235

2

3514,270

,790

7,370

2

3337,949

,001

a. Asymptotically F distributed.

Post Hoc Tests Multiple Comparisons Games-Howell

Dependent Variable EU_OP ATM

ITM

*

,01196

,002

,0122

,0684

,02459

*

,00582

,000

,0109

,0382

,06489

*

,01140

,000

,0381

,0916

ATM

-,04030

*

,01196

,002

-,0684

-,0122

ITM

-,06489

*

,01140

,000

-,0916

-,0381

ITM

-,00148

,00359

,910

-,0099

,0069

OTM

-,00185

,00285

,793

-,0085

,0048

ATM

,00148

,00359

,910

-,0069

,0099

OTM

-,00037

,00383

,995

-,0093

,0086

ATM

,00185

,00285

,793

-,0048

,0085

ITM

,00037

,00383

,995

-,0086

,0093

ITM

-,01295

*

,00349

,001

-,0211

-,0048

OTM

-,00004

,00269

1,000

-,0063

,0063

ATM

,01295

*

,00349

,001

,0048

,0211

OTM

,01291

*

,00380

,002

,0040

,0218

ATM

,00004

,00269

1,000

-,0063

,0063

*

,00380

,002

-,0218

-,0040

ATM OTM

OTM EU_IV

ATM ITM OTM

EU_IVp

ATM

ITM

OTM

Sig. ,000

95% Confidence Interval Lower Upper Bound Bound -,0382 -,0109

,04030

OTM ITM

Mean Difference (I-J) Std. Error * -,02459 ,00582

ITM

-,01291

*. The mean difference is significant at the 0.05 level.

T ABEL 48: ANOVA TEST OP, IV EN IV+ OVER DE CATEGORIEËN ITM, ATM EN OTM (EU)


4.2.5 DE INVLOED VAN DE RESTERENDE LOOPTIJD OP IV EN OP Independent Samples Test Levene's Test for Equality of Variances

t-test for Equality of Means 95% Confidence Interval of the Difference

AM_OP Equal variances assumed

F 1255,653

Sig. t ,000 -10,367

Equal variances not assumed AM_IV


df 20707

-10,096 15204,196

,242

,623

Equal variances not assumed

Sig. (2Mean Std. Error tailed) Difference Difference Lower Upper ,000 -,06211 ,00599 -,07386 -,05037

,000

-,06211

,00615 -,07417 -,05005

20709

,124

-,00507

,00329 -,01153

,00138

-1,546 20687,128

,122

-,00507

,00328 -,01150

,00136

-1,540

T ABEL 49: O NAFHANKELIJKE T - TEST NAAR VERSCHILLEN TUSSEN DE GEMIDDELDE OP EN IV WAARDEN TUSSEN KT EN LT (AM)

Independent Samples Test Levene's Test for Equality of Variances

t-test for Equality of Means 95% Confidence Interval of the Difference

EU_OP Equal variances assumed

F 159,368

Sig. ,000

Equal variances not assumed EU_IV

Equal variances assumed Equal variances not assumed

53,490

,000

t -4,053

df 6765

Sig. (2Mean Std. Error tailed) Difference Difference Lower Upper ,000 -,02783 ,00687 -,04129 -,01437

-4,047 5972,322

,000

-,02783

,00688 -,04131 -,01435

-4,470

6765

,000

-,01214

,00272 -,01746 -,00682

-4,468 6651,039

,000

-,01214

,00272 -,01747 -,00681

T ABEL 50: O NAFHANKELIJKE T - TEST NAAR VERSCHILLEN TUSSEN DE GEMIDDELDE OP EN IV WAARDEN TUSSEN KT EN LT (AM)


4.3 NIEUWSSTUDIE Nieuwscategorie aandeleninkoop aandelenkoop management aandelenuitgifte aandelenuitgifte (werknemers) acquisitie acquisitie compleet alliantie ASM bonusaandeel buyout contract delisting dividend expansie financieel rapport fusie gedeeltelijke jaarresultaten herstructurering inkoop obligaties innovatie interim-dividend investering jaarresultaten joint venture krediet kwartaalresultaten legal management new subsidiary nieuwe divisie nieuws obligatieuitgifte

# 180 25 498 89 1718 280 79 80 23 31 1480 12 1144 806 26 96 18 246 18 275 302 718 1990 350 126 6669 490 1522 26 28 280 1597

Nieuwscategorie ontdekking grondstof overeenkomst participatie partnership product/service ramp rating research stop samenwerking speciaal dividend sponsorship squeeze-out stopzetting acquisitie stopzetting joint venture subsidiary tender offer terugbetaling staatssteun tewerkstelling tijdelijke stopzetting trading uitoefening optie verkoop assets verkoop divisie verkoop divisie compleet verkoop gebouw verkoop securities verkoopresultaten verlaging participatie voorlopige jaarresultaten voorlopige kwartaalresultaten voorlopige resultaten voorspelling warrantuitgtifte Total

# 599 213 667 682 894 44 249 11 1051 15 11 136 110 28 96 79 45 18 13 12 13 587 104 208 10 13 507 650 559 61 288 51 29246

T ABEL 51: VEEL VOORKOMENDE NIEUWSCATEGORIEËN MET RESPECTIEVELIJK AANTAL WAARNEMINGEN


Nieuwscategorie aandeleninkoop aandelenkoop management aandelenuitgifte aandelenuitgifte (werknemers) acquisitie acquisitie compleet alliantie ASM bonusaandeel buyout contract delisting dividend expansie financieel rapport fusie gedeeltelijke jaarresultaten herstructurering inkoop obligaties innovatie interim-dividend investering jaarresultaten joint venture krediet kwartaalresultaten legal management new subsidiary nieuwe divisie nieuws obligatieuitgifte ontdekking grondstof overeenkomst participatie partnership product/service ramp rating research stop samenwerking speciaal dividend sponsorship squeeze-out

OP

AP

AP+

-1,62%

OP+ 2,08%

IV 0,83%

IV+ 4,62%

PR2 -0,19%

AIV 0,72%

PO2 4,51%

-0,34%

-1,67%

10,15%

-7,20%

21,42%

-13,71%

10,41%

21,34%

3,25%

-8,20%

4,98%

-2,01%

-3,47%

-1,62%

4,46%

0,36%

-1,82%

2,20%

-3,71%

-0,68%

-6,22%

-1,66%

-2,48%

-0,67%

2,06%

-2,54%

8,77%

0,95%

-1,23%

-1,00%

-4,49%

1,87%

3,13%

3,39%

1,74%

10,31%

-0,77%

-0,27%

-3,60%

4,61%

1,68%

4,07%

13,36%

1,59%

-5,11%

-0,23%

-0,17%

-10,91%

3,02%

3,19%

5,30%

3,16%

3,08%

6,08%

-0,13%

-0,03%

-7,94%

-3,37%

0,91%

3,66%

6,89%

0,89%

5,85%

-0,89%

-3,55%

2,89%

-9,19%

-4,31%

1,25%

12,25%

-4,46%

5,36%

0,80%

-0,08%

9,59%

-46,21%

2,38%

12,22%

20,22%

2,23%

33,62%

0,80%

-2,46%

-3,49%

-3,75%

1,30%

2,16%

0,76%

1,22%

4,65%

-0,05%

-0,18%

3,51%

13,57%

7,08%

-19,31%

-8,43%

6,96%

-32,25%

-2,63%

-12,69%

-2,11%

-3,64%

3,15%

1,93%

-3,03%

3,09%

3,39%

-1,21%

0,41%

-5,87%

0,51%

2,63%

8,95%

-0,16%

2,51%

12,95%

-0,03%

-1,49%

-38,35%

12,02%

-10,07%

6,66%

3,73%

-10,06%

3,11%

-0,69%

-2,26%

4,39%

-2,56%

2,37%

7,61%

-5,54%

2,26%

6,93%

-0,30%

-1,27%

-45,63%

34,93%

-7,38%

-9,24%

-4,95%

-7,53%

-9,54%

-1,90%

4,07%

-0,81%

-5,45%

5,95%

11,90%

-3,49%

5,80%

13,06%

-0,98%

-3,26%

-3,86%

-13,54%

-1,14%

-1,47%

-22,87%

-1,11%

10,14%

0,61%

-0,58%

-9,79%

-7,71%

0,61%

-0,42%

4,07%

0,47%

7,78%

-1,35%

-0,79%

9,07%

-20,24%

1,39%

2,17%

1,55%

1,30%

19,77%

1,08%

-1,82%

-3,84%

0,63%

-4,87%

4,02%

-10,50%

-5,01%

6,37%

1,35%

-1,16%

-10,01%

-6,49%

-7,79%

0,30%

1,24%

-7,90%

2,04%

2,13%

-0,36%

-1,66%

-7,88%

1,40%

0,25%

-4,31%

1,29%

4,05%

-1,89%

-0,08%

-5,69%

7,50%

-1,33%

15,91%

5,31%

-1,37%

18,93%

-1,18%

-5,56%

-9,60%

-3,53%

-5,89%

0,95%

0,75%

-6,01%

0,94%

-0,07%

0,71%

-0,87%

-2,10%

5,33%

1,64%

7,11%

5,18%

5,83%

-1,33%

2,00%

1,83%

-5,61%

3,80%

0,52%

-0,57%

3,69%

1,49%

1,23%

0,93%

17,50%

6,64%

-6,41%

-1,57%

-5,15%

-6,49%

4,30%

2,91%

0,63%

-11,74%

-18,78%

0,78%

1,51%

1,18%

0,66%

21,95%

-0,97%

-1,77%

-5,68%

-4,77%

2,13%

1,69%

16,32%

1,95%

0,96%

-4,34%

-0,84%

-3,49%

-9,41%

3,22%

-3,70%

-1,17%

3,07%

0,57%

-0,21%

0,24%

-6,48%

-3,64%

0,09%

3,78%

6,31%

-0,02%

2,09%

0,24%

-1,00%

6,87%

-3,31%

4,19%

0,91%

-3,96%

4,10%

3,56%

3,17%

0,90%

-2,34%

-4,51%

0,84%

3,33%

-0,44%

0,78%

0,77%

-1,83%

-3,75%

-3,01%

-2,88%

1,32%

3,28%

4,41%

1,20%

6,18%

-1,33%

-2,04%

-0,90%

-2,96%

2,06%

0,58%

6,48%

1,92%

3,11%

-0,30%

0,66%

-8,53%

-5,01%

3,53%

1,15%

-9,75%

3,45%

33,49%

-2,13%

-0,89%

-0,86%

-5,72%

3,21%

0,86%

5,04%

3,02%

4,33%

-0,68%

-0,54%

-14,14%

-27,26%

6,49%

1,53%

-6,40%

6,37%

21,63%

-0,13%

-0,62%

-2,10%

-4,08%

0,76%

-4,20%

4,04%

0,69%

1,96%

-0,40%

1,85%

6,90%

1,40%

7,22%

1,94%

-1,65%

7,18%

6,73%

0,02%

2,38%

7,08%

15,91%

0,87%

-24,49%

-8,98%

0,75%

-24,44%

-4,16%

-8,88%

-1,33%

-7,47%

-1,59%

-0,59%

18,37%

-1,70%

1,30%

3,21%

-5,99%


stopzetting acquisitie stopzetting joint venture subsidiary tender offer terugbetaling staatssteun tewerkstelling tijdelijke stopzetting trading uitoefening optie verkoop assets verkoop divisie verkoop divisie compleet verkoop gebouw verkoop securities verkoopresultaten verlaging participatie voorlopige jaarresultaten voorlopige kwartaalresultaten voorlopige resultaten voorspelling warrantuitgtifte Total

8,84%

-7,38%

14,98%

-8,23%

13,25%

14,88%

-3,40%

-16,34%

3,39%

-4,32%

8,49%

10,77%

2,26%

-0,21%

10,66%

-7,84%

-2,89%

2,84%

-2,10%

-5,10%

0,45%

-1,24%

-0,18%

0,27%

-0,82%

-1,27%

-0,70%

-4,31%

-5,04%

4,24%

0,07%

6,34%

4,21%

2,06%

-4,01%

0,98%

-19,01%

-3,74%

18,27%

6,28%

2,26%

18,15%

18,61%

1,48%

2,90%

8,13%

-6,77%

5,03%

-3,71%

6,20%

5,02%

-5,42%

-1,20%

1,44%

-5,63%

1,99%

0,01%

15,65%

6,69%

-0,03%

7,02%

2,83%

2,16%

-13,18%

14,01%

2,37%

5,90%

-1,42%

2,27%

4,76%

-1,25%

-1,40%

-15,62%

5,12%

-0,48%

14,87%

-3,43%

-0,56%

9,58%

-0,71%

-1,23%

-2,38%

-6,68%

0,19%

-1,23%

-0,84%

0,07%

3,31%

1,27%

-1,39%

-6,86%

2,35%

-1,55%

0,51%

-11,30%

-1,65%

-0,62%

0,11%

0,78%

-0,07%

29,93%

4,38%

23,83%

-1,92%

4,31%

23,48%

0,66%

-0,83%

-1,02%

-6,80%

0,09%

-0,25%

42,06%

-0,02%

-6,59%

0,11%

-0,73%

-2,39%

-2,99%

-30,09%

1,76%

28,26%

-30,26%

6,62%

3,02%

-0,06%

-2,52%

-11,54%

-1,63%

-1,60%

-2,04%

-1,70%

-4,37%

1,08%

0,38%

-1,29%

-9,31%

-5,06%

-0,93%

2,39%

-5,16%

-4,55%

2,64%

1,07%

0,44%

-1,61%

2,31%

3,06%

0,83%

2,27%

5,90%

-4,62%

-1,73%

-4,44%

-24,29%

3,12%

5,20%

-1,82%

2,97%

10,74%

0,47%

-1,63%

-15,35%

-5,47%

-8,71%

3,19%

-0,08%

-8,82%

4,96%

2,44%

-0,89%

4,41%

-8,68%

0,14%

-0,05%

17,26%

-0,03%

-0,44%

8,57%

-6,47%

-4,39%

-4,19%

-0,79%

1,44%

0,99%

-0,90%

3,34%

-0,17%

-0,10%

T ABEL 52: G EMIDDELDE WAARDEN VOOR ALLE TESTOBJECTEN OVER DE VEEL VOORKOMENDE NIEUWSCATEGORIEËN (AM)

Nieuwscategorie aandeleninkoop aandelenuitgifte aandelenuitgifte (werknemers) acquisitie acquisitie compleet alliantie ASM bonusaandeel buyout contract dividend expansie financieel rapport fusie gedeeltelijke jaarresultaten herstructurering innovatie interim-dividend investering

OP

AP

AP+

-2,50%

OP+ 3,26%

IV 0,53%

IV+ 2,15%

PR2 -0,19%

AIV 0,53%

PO2 0,79%

-1,39%

-1,71%

-1,15%

-16,39%

-0,52%

0,50%

-7,47%

-0,56%

-1,74%

-0,37%

-5,21%

-1,91%

-1,52%

-2,59%

2,72%

5,11%

-2,62%

-2,33%

1,09%

-0,24%

-2,49%

-0,84%

-0,78%

1,17%

-1,29%

-0,76%

3,43%

-0,33%

0,49%

1,36%

6,78%

2,17%

7,67%

-1,24%

2,11%

7,80%

-0,73%

-0,61%

3,22%

4,03%

-6,63%

11,33%

-8,37%

-6,54%

16,72%

0,65%

-0,24%

2,61%

-2,13%

17,97%

4,09%

-13,68%

18,07%

12,29%

-0,11%

0,63%

-1,47%

-1,03%

1,25%

-0,18%

-10,78%

1,49%

-0,29%

0,80%

-0,08%

10,05%

-7,48%

7,53%

0,41%

1,55%

7,59%

1,01%

0,80%

-2,46%

-2,05%

0,00%

2,51%

-0,93%

-2,17%

2,51%

-1,93%

-0,26%

0,27%

-7,98%

0,00%

-6,81%

1,03%

-0,28%

-6,83%

-0,41%

0,57%

0,53%

-1,84%

0,86%

-2,31%

2,30%

-1,24%

-2,42%

-2,26%

-0,03%

0,67%

-18,38%

-5,57%

-11,68%

-1,93%

0,28%

-11,74%

-3,92%

-0,69%

-2,26%

-0,09%

-2,57%

0,47%

4,77%

4,64%

0,21%

2,07%

-1,26%

-1,85%

-3,16%

14,45%

6,68%

-5,98%

1,06%

6,73%

-4,63%

-1,90%

4,07%

1,72%

4,33%

4,03%

15,53%

-0,97%

3,89%

16,94%

-2,19%

-3,50%

2,27%

1,02%

1,98%

0,34%

1,18%

2,17%

2,95%

0,34%

2,16%

2,66%

-0,55%

5,28%

-1,20%

5,62%

4,95%

-5,97%

-0,69%

1,03%

-1,45%

-1,17%

-0,15%

-1,45%

-6,19%

-0,04%

-0,99%

1,09%

-1,50%


jaarresultaten joint venture krediet kwartaalresultaten legal management nieuws obligatieuitgifte ontdekking grondstof overeenkomst participatie partnership product/service samenwerking squeeze-out stopzetting acquisitie tender offer verkoop divisie verkoopresultaten verlaging participatie voorlopige jaarresultaten voorlopige kwartaalresultaten voorlopige resultaten voorspelling warrantuitgtifte Total

2,97%

-8,10%

-3,63%

-6,05%

0,97%

-3,73%

-5,99%

3,24%

-0,82%

-0,77%

-1,63%

0,87%

-1,75%

-14,66%

0,90%

-1,98%

-4,90%

0,46%

-3,68%

-22,15%

1,77%

1,49%

11,34%

1,74%

10,17%

-1,83%

-7,18%

-4,79%

-1,83%

-3,44%

0,72%

0,77%

-3,51%

-0,90%

0,79%

0,37%

-1,89%

1,26%

2,07%

3,70%

1,60%

2,06%

4,82%

-1,20%

1,12%

-0,09%

-1,44%

2,23%

-0,98%

2,47%

2,23%

-4,78%

-0,03%

0,83%

3,75%

-0,88%

1,77%

1,62%

5,60%

1,78%

3,71%

-0,93%

-3,72%

-2,26%

-10,79%

1,86%

-5,97%

-2,40%

1,63%

-3,90%

0,15%

0,29%

-0,07%

-4,06%

0,60%

-2,59%

-3,17%

0,53%

-6,79%

0,64%

1,16%

5,45%

0,59%

3,46%

1,27%

-1,52%

3,35%

-0,66%

2,39%

0,42%

0,05%

-0,74%

1,11%

2,93%

-0,90%

1,10%

3,21%

-3,02%

-3,27%

-0,79%

-0,94%

-1,12%

0,57%

-0,39%

-1,06%

-0,13%

0,46%

-1,37%

-3,70%

2,66%

-1,76%

4,04%

-1,60%

-1,79%

1,56%

-1,57%

1,86%

-6,36%

1,95%

-0,47%

-0,99%

1,54%

-0,49%

3,32%

-1,39%

1,96%

1,35%

-2,95%

0,09%

-0,05%

13,13%

0,13%

0,28%

3,21%

-5,99%

-8,34%

-0,07%

-6,79%

0,16%

-2,19%

-6,64%

0,36%

-0,19%

0,88%

-8,67%

-4,49%

1,44%

-2,42%

12,80%

1,53%

-18,61%

-1,62%

0,99%

-6,45%

-5,40%

-3,68%

-1,35%

0,04%

-3,72%

0,82%

0,39%

-1,66%

-6,10%

-10,64%

8,12%

1,70%

-2,51%

8,20%

1,11%

3,12%

3,68%

-8,13%

8,12%

0,67%

5,13%

-1,16%

0,64%

3,28%

1,38%

2,52%

5,83%

-7,39%

-2,77%

2,50%

1,38%

-2,91%

-0,60%

3,64%

-1,98%

-7,14%

-7,61%

-2,64%

-2,94%

2,64%

-2,69%

-2,61%

0,42%

-1,98%

14,43%

0,98%

6,31%

-0,16%

-1,37%

6,34%

-0,31%

5,72%

0,60%

8,27%

3,48%

14,24%

2,86%

-1,68%

13,89%

-3,78%

-0,50%

0,29%

0,00%

0,00%

-14,39%

-10,21%

23,54%

-14,63%

-3,00%

8,52%

-6,42%

-1,79%

-2,01%

-0,90%

0,12%

-0,06%

-0,96%

-0,74%

0,38%

0,02%

T ABEL 53: G EMIDDELDE WAARDEN VOOR ALLE TESTOBJECTEN OVER DE VEEL VOORKOMENDE NIEUWSCATEGORIEËN (EU)


OP aandeleninkoop aandelenuitgifte acquisitie acquisitie compleet contract dividend expansie fusie herstructurering innovatie interim-dividend investering jaarresultaten joint venture kwartaalresultaten legal management nieuws obligatieuitgifte ontdekking grondstof participatie partnership product/service rating samenwerking verkoop divisie verkoop divisie compleet verlaging participatie voorlopige jaarresultaten voorlopige kwartaalresultaten voorspelling

AM EU -1,62% -2,50% -2,01% -1,15% -1,00% -2,49% -3,60% 1,36% -3,49% -2,05% -2,11% -7,98% -5,87% -1,84% 4,39% -0,09% -0,81% 1,72% -9,79% 2,27% 9,07% 2,66% -3,84% -1,45% -10,01% 2,97% -1,66% -0,77% -9,60% -4,79% -0,87% -1,89% 1,83% -0,09% -5,68% 3,75% -3,49% -2,26% -6,48% -0,07% -2,34% 0,05% -3,01% -0,79% -0,90% -3,70% -0,86% -2,10% -6,36% -2,38% -6,45% -6,86% -2,52% -8,13% -1,29% 5,83% 0,44% -7,14% -15,35% 8,27%

OP+ Verschil AM EU AM EU 2,08% 3,26% 3,69% 5,75% -3,47% -16,39% -1,46% -15,23% -4,49% -0,84% -3,49% 1,64% 4,61% 6,78% 8,21% 5,42% -3,75% 0,00% -0,26% 2,06% -3,64% 0,00% -1,53% 7,97% 0,51% 0,86% 6,39% 2,70% -2,56% -2,57% -6,95% -2,47% -5,45% 4,33% -4,64% 2,60% -7,71% 1,02% 2,09% -1,24% -20,24% -0,55% -29,30% -3,21% 0,63% -1,17% 4,47% 0,27% -6,49% -8,10% 3,52% -11,07% -7,88% -1,63% -6,22% -0,86% -3,53% -1,83% 6,07% 2,97% -2,10% 1,26% -1,23% 3,15% -5,61% -1,44% -7,44% -1,35% -4,77% -0,88% 0,91% -4,63% -9,41% -10,79% -5,92% -8,53% -3,64% -4,06% 2,84% -3,99% -4,51% -0,74% -2,17% -0,79% -2,88% -0,94% 0,12% -0,15% -2,96% 2,66% -2,07% 6,36% -5,72% -4,86% 0,00% -4,08% 1,95% -1,98% 8,31% -6,68% -5,40% -4,31% 1,05% 2,35% 9,21% 0,00% -11,54% 8,12% -9,02% 16,26% -9,31% -7,39% -8,02% -13,22% -1,61% -7,61% -2,05% -0,47% -5,47% 3,48% 9,88% -4,79%

T ABEL 54: W IJZIGING IN OP VAN T NAAR T +1 IN AM EN EU OPTIES VOOR 31 NIEUWSCATEGORIEËN


AM aandeleninkoop 0,83% aandelenuitgifte -1,62% acquisitie 1,87% acquisitie compleet 1,68% contract 1,30% dividend 3,15% expansie 2,63% fusie 2,37% herstructurering 5,95% innovatie 0,61% interim-dividend 1,39% investering -4,87% jaarresultaten -7,79% joint venture 1,40% kwartaalresultaten -5,89% legal 5,33% management 3,80% nieuws 2,13% obligatieuitgifte 3,22% ontdekking grondstof 0,09% participatie 0,84% partnership 1,32% product/service 2,06% rating 3,21% samenwerking 0,76% verkoop divisie 0,19% verkoop divisie compleet -1,55% verlaging participatie -1,63% voorlopige jaarresultaten -5,06% voorlopige kwartaalresultaten 2,31% voorspelling -8,71%

IV EU 0,53% -0,52% -0,78% 2,17% 2,51% -6,81% -2,31% 0,47% 4,03% 1,98% 5,28% -0,15% -3,63% 0,87% -3,44% 2,07% 2,23% 1,77% 1,86% 0,60% 1,11% -1,12% -1,76% -0,47% -3,68% 0,67% -2,77% -2,64% 14,24%

IV+ Verschil AM EU AM EU 4,62% 2,15% 3,80% 1,62% 4,46% 0,50% 6,09% 1,03% 3,13% 1,17% 1,26% 1,95% 4,07% 7,67% 2,39% 5,50% 2,16% -0,93% 0,86% -3,44% 1,93% 1,03% -1,22% 7,84% 8,95% 2,30% 6,33% 4,62% 7,61% 4,77% 5,24% 4,30% 11,90% 15,53% 5,95% 11,50% -0,42% 0,34% -1,03% -1,63% 2,17% -1,20% 0,78% -6,48% 4,02% -1,45% 8,89% -1,30% 0,30% -6,05% 8,09% -2,42% 0,25% -1,75% -1,16% -2,62% 0,95% 0,72% 6,84% 4,15% 1,64% 3,70% -3,69% 1,63% 0,52% -0,98% -3,28% -3,21% 1,69% 1,62% -0,44% -0,14% -3,70% -5,97% -6,92% -7,83% 3,78% -2,59% 3,69% -3,19% 3,33% 2,93% 2,49% 1,82% 3,28% 0,57% 1,97% 1,69% 0,58% 4,04% -1,48% 5,81% 0,86% -2,35% 0,00% -4,20% -0,99% -4,97% -0,52% -1,23% -1,35% -1,43% 2,33% 0,51% 2,06% 0,00% -1,60% 5,13% 0,04% 4,45% -0,93% 2,50% 4,13% 5,27% 3,06% -2,94% 0,75% -0,30% 3,19% 2,86% 11,91% -11,37%

T ABEL 55: W IJZIGING IN IV VAN T NAAR T +1 IN AM EN EU OPTIES VOOR 31 NIEUWSCATEGORIEËN


4.4 SECTORANALYSE Sector AM # EU Auto 437 Banks 4632 Chemicals 942 Construction 876 Financial 208 Food 958 Healthcare 641 Household 1112 Industrial 739 Insurance 2161 Media 593 Oil & Gas 1513 Technology 670 Telecom 1989 Utilities 3238 Total 20709

Sector EU # EU Banks 1277 Chemicals 329 Construction 369 Food 229 Healthcare 312 Household 470 Industrial 138 Insurance 178 Media 240 Oil & Gas 905 Retail 580 Telecom 994 Utilities 746 Total 6767

T ABEL 56: A ANTAL WAARNEMINGEN VAN SIGNIFICANTE OPTIEREACTIES OP NIEUWSVERSPREIDINGEN VOOR AM EN EU

Auto Banks Chemicals Construction Financial Food Healthcare Household Industrial Insurance Media Oil & Gas Technology Telecom Utilities Total

OP -7,26% -2,39% -8,68% -5,60% -2,19% -8,45% -4,16% -2,78% -6,48% -5,14% -4,91% -6,25% -14,47% -4,50% -1,72% -4,54%

OP+ -6,30% -4,37% -4,85% -6,07% -13,98% -3,84% -4,40% -9,37% -5,22% -6,19% -6,03% -4,80% -5,22% -0,38% -3,00% -4,58%

IV -1,50% -0,12% -2,61% 0,83% -7,18% -4,62% -3,36% 0,05% -8,84% -2,05% 0,52% 0,76% -11,07% 0,48% 1,51% -1,07%

IV+ 1,52% 1,23% 0,31% 2,30% -3,24% 0,76% 0,77% -0,07% -3,02% 0,12% 1,69% 2,60% -0,01% 4,67% 1,33% 1,24%

PR2 1,91% -0,29% 1,63% -0,93% -2,44% -0,72% -0,79% 3,77% -0,95% 0,03% 2,48% 3,72% 4,55% 2,13% 0,22% 0,83%

AIV -1,63% -0,32% -2,74% 0,70% -7,36% -4,72% -3,42% -0,05% -8,99% -2,14% 0,50% 0,64% -11,20% 0,36% 1,50% -1,18%

PO2 3,08% 1,87% 2,43% 3,25% 0,31% 6,65% 4,00% 1,76% -4,85% 0,11% 6,39% 4,16% 0,30% 9,27% 3,28% 3,00%

AP -0,15% -0,09% -0,50% -0,73% 5,27% -0,32% 1,01% 0,72% 1,83% -0,64% -0,15% -0,55% -2,22% -0,06% -0,28% -0,14%

T ABEL 57: G EMIDDELDE WAARDEN PER SECTOR VOOR ALLE TESTOBJECTEN OVER DE 31 MEEST VOORKOMENDE NIEUWSCATEGORIEËN (AM)

147

AP+ 0,44% 0,41% -0,18% -0,05% -2,57% -0,06% -0,53% 0,06% 0,61% -0,04% -0,16% -0,29% -0,47% -0,07% -0,35% -0,04%

Banks Chemicals Construction Food Healthcare Household Industrial Insurance Media Oil & Gas Retail Telecom Utilities Total

OP 3,44% -3,59% -0,88% -2,67% -2,40% 1,05% 1,60% -5,57% -2,45% -3,56% -5,56% -3,06% -5,74% -1,94%

OP+ -4,27% -2,34% -3,53% -2,78% -1,37% 3,27% -7,12% -1,84% -4,65% -2,38% -1,16% -0,08% -1,05% -1,95%

IV 3,05% -1,14% -2,46% -0,63% -2,17% 1,45% -0,45% -2,36% -0,28% -1,62% -3,49% -2,30% -3,90% -1,00%

IV+ -2,39% -0,85% 0,27% 1,20% 0,67% 0,92% -0,65% -0,54% -0,33% 1,20% -0,04% 0,79% 1,71% 0,08%

PR2 -0,02% 1,33% 1,68% -0,97% 1,40% 0,69% 1,81% -5,78% -3,31% -2,40% 0,72% -0,34% 1,40% -0,16%

AIV 2,81% -0,90% -2,60% -0,59% -2,22% 1,41% -0,62% -2,30% -0,32% -1,66% -3,56% -2,26% -3,96% -1,06%

PO2 -4,69% -1,12% 0,13% 1,41% 1,29% 1,70% -1,58% -0,50% -0,70% -1,09% -1,95% -0,29% 2,78% -0,83%

AP 0,74% -0,13% 0,25% 0,39% 1,06% 1,04% -0,13% -1,56% -0,71% -0,35% 1,91% -0,11% 0,13% 0,33%

T ABEL 58: G EMIDDELDE WAARDEN PER SECTOR VOOR ALLE TESTOBJECTEN OVER DE 31 MEEST VOORKOMENDE NIEUWSCATEGORIEËN (EU)


AP+ -0,16% -0,44% -0,68% -0,61% -0,77% 1,60% -1,96% 0,65% -0,32% 0,61% 1,52% 0,21% -0,84% 0,08%


Invloed van bedrijfsnieuws op optieprijzen

Recommend Documents