VAIC-menetelmän soveltuvuus osaketuottojen ennustamiseen Nasdaq Helsinki -pörssissä

Aineeton pääoma on tärkeä osa yritysten kilpailukykyä ja sijoittajan näkökulmasta olisi mielenkiintoista pystyä vertailemaan yritysten aineettoman pääoman käytön tehokkuutta. Tutkimuksessa tarkasteltava VAIC-menetelmä tuottaa vertailuluvun tähän arviointiin tilinpäätöksestä saatavien tietojen avulla. Tutkimuksessa käsitellään kahden toimialakokonaisuuden (IT ja kulutustavarat ja -palvelut) yrityksiä Nasdaq Helsingin päälistalta tarkasteluperiodilla 2006¬-2013. Yrityksille laskettiin vuosittain VAIC-luvut, joiden perusteella muodostetaan ylä- ja alakvartiiliportfoliot. Näiden portfolioiden tuottoja verrattiin toisiinsa sekä kvartiiliportfolioiden ulkopuolelle jääneiden yritysten ja koko toimialan keskimääräiseen tuottoon. Tuottoja tarkasteltiin myös riskisuhteutetusti Sharpen ja vinous-ja huipukkuuskorjatun Sharpen (SKASR) luvulla. Lisäksi VAIC-arvon ja osaketuottojen välistä korrelaatiota tarkasteltiin sekä vuosittain että koko tarkasteluperiodin osalta. Ensimmäinen hypoteesi oletti korkeampien VAIC-arvojen johtavan korkeampiin portfoliotuottoihin, mutta hypoteesi jouduttiin hylkäämään molempien toimialojen osalta. Toinen hypoteesi tarkasteli korrelaatiota VAIC-arvojen ja osaketuottojen välillä, mutta saatujen tulosten mukaan se ei ollut tilastollisesti merkitsevää. VAIC-menetelmä edellyttäisikin jatkokehitystä tai sitä tulisi käyttää yhdessä muiden suorituskykymittareiden kanssa taloudellisesti hyödynnettävissä olevan tiedon tuottamiseksi sijoittajille.

Low-Volatility Anomaly in Helsinki Stock Exchange

International research shows that low-volatility stocks have beaten high-volatility stocks in terms of returns for decades on multiple markets. This abbreviation from traditional risk-return framework is known as low-volatility anomaly. This study focuses on explaining the anomaly and finding how strongly it appears in NASDAQ OMX Helsinki stock exchange. Data consists of all listed companies starting from 2001 and ending close to 2015. Methodology follows closely Baker and Haugen (2012) by sorting companies into deciles according to 3-month volatility and then calculating monthly returns for these different volatility groups. Annualized return for the lowest volatility decile is 8.85 %, while highest volatility decile destroys wealth at rate of -19.96 % per annum. Results are parallel also in quintiles that represent larger amount of companies and thus dilute outliers. Observation period captures financial crisis of 2007-2008 and European debt crisis, which embodies as low main index annual return of 1 %, but at the same time proves the success of low-volatility strategy. Low-volatility anomaly is driven by multiple reasons such as leverage constrained trading and managerial incentives which both prompt to invest in risky assets, but behavioral matters also have major weight in maintaining the anomaly.

Helsinki 9/7 -29

Kirje 9.7.1929

Helsinki 2/6 1942

Kirje 2.6.1942

Helsinki 14/7 36

Kirje 14.7.1936

Helsinki 15/7 1943

Kirje 15.7.1943

Helsinki 4.3.1932

Kirje

Helsinki 1.2.1932

Kirje

Helsinki 13/7 1942

Kirje 13.7.1942

Helsinki 12.3.1932

Kirje

Helsinki 20.10.1924

Kirje

[Helsinki] 22/8 1943

Kirje 22.8.1943