Finns det faktorer som särskiljer Stockholmsbörsens sanktionerade

Transcription

Handelshögskolan i Stockholm
Kandidatuppsats inom ämneskurs 639
Redovisning och Finansiering
Vårterminen 2013
Finns det faktorer som särskiljer Stockholmsbörsens sanktionerade bolag
från dess övriga bolag?
- en studie om Nasdaq OMX Stockholms Disciplinnämnd
Abstract: The purpose of this study is to examine whether companies listed at Nasdaq OMX
Stockholm (Stockholmsbörsen) sanctioned by the legal unit Nasdaq OMX Disciplinary
Committee (Disciplinnämnden), could be distinguished from the remaining companies that
have not been sanctioned. As Stockholmsbörsen is the most influential unit when trading
shares in Sweden, listed companies need to behave in legal aspects. Actions and decisions
that affect investors do also influence the listed companies and their performance. Some
companies might be tempted to manipulate financial statements and public information to
retain stakeholders; other miss to report properly without being fraudulent. To control this,
the legal unit Disciplinnämden is introduced.
The method applied is a quantitative analysis of 39 listed sanctioned companies compared
with another 39 matching non-sanctioned companies. The findings infer that some factors,
related to corporate governance, occur more frequently in sanctioned companies. Compared
to non-sanctioned companies, we find indications of that sanctioned companies have: 1) A
CEO with less experience in his position measured in years, 2) been listed at
Stockholmsbörsen for a longer period, 3) negative, and a smaller return on equity and 4) a
board with a smaller quota of directors holding shares in the company. From this, we could
say that sanctioned companies can be distinguished from non-sanctioned companies. On the
other hand, the evidence is not fully reliable, encouraging future researchers to develop this
study.
Key words: exchange regulations, sanctions, corporate governance
Författare: Anna Heimdahl och Ebba Lilliehöök
Handledare: Hanna Setterberg
Framläggning: måndagen den 27 maj 2013
Författarnas tack:
Ett stort tack till Per-Olov Edlund för hjälp med statistik data, handledare Hanna Setterberg
samt Anders Ackebo och Magnus Billing för insiktsfulla synpunkter inom ämnesområdet.
Kandidatuppsats VT 2013
Institutionen för Redovisning
Kurs 639- Examensarbete i redovisning och finansiell styrning
Anna Heimdahl, 22191
Ebba Lilliehöök, 21964
Innehållsförteckning
1. Inledning ............................................................................................................................... 3
1.1 Inledning............................................................................................................................................ 3
2. Syfte ....................................................................................................................................... 3
3. Bakgrund .............................................................................................................................. 4
3.1 Stockholmsbörsen ............................................................................................................................. 4
3.2 Nasdaq OMX regelverk .................................................................................................................... 5
3.3 Disciplinnämnden.............................................................................................................................. 5
4. Metod .................................................................................................................................... 6
4.1 Undersökningsmetod ......................................................................................................................... 6
4.2 Datainsamling.................................................................................................................................... 7
4.3 Identifiering av faktorer .................................................................................................................... 7
4.4 Jämförbart urval- Matchande bolag .................................................................................................. 7
4.5 Testlogik ............................................................................................................................................ 9
5. Avgränsning ....................................................................................................................... 11
6. Tidigare forskning och teori ............................................................................................ 13
6.1 Introduktion till bolagsstyrning ....................................................................................................... 13
6.2 Storleken på styrelsen...................................................................................................................... 14
6.3 Sammansättning av styrelse ............................................................................................................ 15
6.4 Aktieinnehav i styrelsen .................................................................................................................. 15
6.5 Kvinnor i styrelsen .......................................................................................................................... 15
7. Empirisk data ..................................................................................................................... 16
7.1 Introduktion till typer av brott ......................................................................................................... 16
7.2 Faktorer ........................................................................................................................................... 17
7.2.1 Industri ..................................................................................................................................... 17
7.2.2 Antal år bolaget har varit noterat på Stockholmsbörsen ......................................................... 19
7.2.3 Räntabilitet på eget kapital ...................................................................................................... 19
7.2.4 Andel styrelseledamöter med aktieinnehav i bolaget ............................................................... 20
7.2.5 Antal år VD:n har befattat sin post .......................................................................................... 21
7.2.6 Styrelsens storlek ...................................................................................................................... 22
7.2.7 Andel kvinnor i styrelsen .......................................................................................................... 22
7.2.8 Styrelsens uppsättning av beroende och oberoende ledamöter ............................................... 22
8. Resultat ............................................................................................................................... 23
8.1 Deskriptiv data ................................................................................................................................ 23
8.1.1 Industrifördelning..................................................................................................................... 23
8.1.2 Variabler .................................................................................................................................. 24
8.2 Hypotesprövningar .......................................................................................................................... 25
8.3 Logitregression ................................................................................................................................ 26
9. Analys .................................................................................................................................. 30
9.1 Industri ............................................................................................................................................ 30
9.2 Hypotestester ................................................................................................................................... 31
1 Handelshögskolan i Stockholm
9.2.1 Antal år bolaget har varit noterat på Stockholmsbörsen ......................................................... 31
9.2.2 Räntabilitet på eget kapital ...................................................................................................... 32
9.2.3 Andel styrelseledamöter med aktieinnehav i bolaget ............................................................... 32
9.2.4 Antal år VD:n har befattat sin post .......................................................................................... 34
9.2.5 Styrelsens storlek ...................................................................................................................... 35
9.2.6 Andel kvinnor i styrelsen .......................................................................................................... 35
9.3 Logitregressionen ............................................................................................................................ 36
9.3.1 Modellen ................................................................................................................................... 36
9.3.2 Regressionens kvalitet & robusthet .......................................................................................... 37
10. Slutsatser och slutdiskussion........................................................................................... 39
10.1 Reliabilitet ..................................................................................................................................... 39
10.2 Validitet ......................................................................................................................................... 39
10.3 Kritik och förslag på framtida forskning ....................................................................................... 40
11. Referenser ......................................................................................................................... 43
12. Appendix ........................................................................................................................... 51
Bilaga 1. Disciplinnämndens samtliga sanktionerade emmittenter 1994-2012 .................................... 51
Bilaga 2. Studiens urval efter avgränsning............................................................................................ 52
Bilaga 3. De sanktionerade bolagen indelade efter brottstyper ............................................................. 54
Bilaga 4. Logitregression, samtliga modeller........................................................................................ 55
Bilaga 5. Residualer .............................................................................................................................. 61
Bilaga 6. Logitregression utan utbölingar ............................................................................................. 62
1. Inledning
1.1 Inledning
Uppförandekoden på den svenska aktiemarknaden påverkar noterade bolag likväl övriga
intressenter ur flera aspekter. Information som sprids felaktigt kan, med omedelbar verkan,
ge konsekvenser. Närmare reflekterat har aktieägare möjlighet att direkt förändra sina
aktieinnehav vilket resulterar i volatila aktiekurser och spekulationer kring bolagens framtida
prestation. För att undvika negativ aktieavkastning, förlorade investerare och med syfte om
att upprätthålla sin position på marknaden kan bolagen frestas att manipulera finansiell data
eller ge ut felaktig information. Vidare förekommer situationer där bolagen oavsiktligt strider
mot det regelverk som upprättats av börsen. Likt en kontrollerande enhet har Nasdaq OMX
Stockholm upprättat Nasdaq OMX Stockholm Disciplinnämnd vars avsikt är att granska
Nasdaq OMX Stockholm, hädanefter kallade Stockholmsbörsen respektive
Disciplinnämnden.
Disciplinnämndens arbete är till för att upprätthålla en fungerande och rättvis aktiemarknad
varefter de bolag som strider mot det inrättade regelverket riskerar att sanktioneras.1 Men hur
kommer det sig att vissa bolag inte följer regelverket? Är det en medveten handling från
bolagens sida för att påverka aktiemarknaden och dess handel eller är det rent av
organisatoriska frågor som leder till att misstag begås? Vidare kan man fråga sig varför vissa
bolag sköter sig och därmed inte sanktioneras av Disciplinnämnden medan andra missköter
sig. Vad skiljer bolagen åt? Är det en ren tillfällighet? Frågeställningen som kommer att
behandlas i denna studie har därför formulerats enligt följande:
”Finns det faktorer som särskiljer Disciplinnämndens sanktionerade bolag på
Stockholmsbörsen från de bolag som inte sanktionerats och i så fall, vilka är dessa
faktorer?”
2. Syfte
Syftet med denna studie är en reflektion kring kvaliteten på Stockholmsbörsen samt på hur
noterade bolag förhåller sig till börsens regelverk. I förhållande till Disciplinnämndens
inflytande är en studie kring nämndens ärenden relevant för att undersöka Stockholmsbörsens
uppförande. En jämförelse mellan de bolag som inkluderas Disciplinnämnden och
1
Nasdaq OMX, Nasdaq OMX Stockholms Disciplinnämnd.
Stockholmsbörsens övriga bolag ska sedan studeras för att hitta egenskaper som skiljer dessa
två grupper åt.
Resultatet av denna studie förväntas kunna användas som underlag för att införa framtida
förbättringar av utbildning för noterade bolag samt tillämpat tillsynen av bolag för att höja
kvaliteten på Stockholmsbörsen och minimera antalet fall som går till Disciplinnämnden.
Dessutom saknas tidigare studier kring Disciplinnämndens ärenden vilket gör att denna studie
skulle kunna fungera som underlag till framtida forskning som, på ett eller annat sätt, berör
ämnesområdet.
3. Bakgrund
Detta kapitel presenterar först en kort introduktion och redogörelse kring studiens syfte,
därefter redogörs den bakgrund som anses nödvändig för att förstå studiens innehåll. Först
beskrivs Stockholmsbörsen, för att sedan knyta an Disciplinnämnden och dess relation till
börsen.
3.1 Stockholmsbörsen
Den globala enheten Nasdaq OMX är världens största marknad för aktiehandel vilken Nasdaq
OMX Nordic tillhör. Nasdaq OMX Nordic kan därefter delas in efter region, där Nasdaq
OMX Stockholm utgör en del med de två marknadsplatserna Main market samt First North.2
Den svenska aktiehandeln innefattar inte endast Nasdaq OMX Stockholm utan inkluderar
även de mindre enheterna Aktietorget, NGM Equity och Nordic MTF.3 Nasdaq OMX
Stockholm Main Market likställs med uppsatsens benämning Stockholmsbörsen.
Stockholmsbörsen är Sveriges största handelsplats för värdepapper och har sedan 1863
representerat den svenska börsen. Incitamenten hos en fungerande aktiemarknad beskrivs
främst vara möjligheten för de noterade bolagen att tillföras kapital, en effektiv och relativt
enkel investeringsmetod, samt tillfälle för företag att visa sin prestation offentligt.4 253 bolag
fanns noterade på Stockholmsbörsen 30 december 2012.5
Medlemskap på Stockholmsbörsen innefattar flera krav vilka varje bolag måste följa för att
bli noterade. Stockholmsbörsen är en reglerad marknadsplats där kraven bland annat
2
Nasdaq OMX Nordic, Om oss.
Svensk börsinfo, Börsinformation från SIX Telekurs.
4
Articlebase, Function and Purpose of Stock Market.
5
Nasdaq OMX Stockholm, Sektorfördelning. No. Of companies- Nordic list.
3
innefattar kriterier om tre års vinstgivande utveckling och godkänd legal granskning av extern
advokat. Trots detta har Stockholmsbörsen full rätt att avslå en ansökan vid misstycke kring
medlemskapet.6
Stockholmsbörsen består inte endast av noterade bolag utan även av ytterligare en
intressegrupp, medlemmar. Medlemmar kan beskrivas som finansiella bolag vilka har rätt att
förmedla värdepapper till privata samt offentliga investerare på börsen.7 Medlemmarna
fungerar därmed som en mellanhand, vilka administrerar alla aktier på Stockholmsbörsen.
3.2 Nasdaq OMX regelverk
För att bedriva en fungerande aktiehandel krävs rättsliga aspekter vilket innebär att ett
regelverk ska bistå börsen. Vid Nasdaqs redogörelse meddelas det att ”enligt lagen
(2007:528) om värdepappersmarknaden ska en börs ha tydliga och öppet redovisade regler
för notering av finansiella instrument. Det ska dessutom finnas förutsättningar för en rättvis,
välordnad och effektiv handel med de finansiella instrumenten.”8 Vidare är syftet med ett
regelverk, enligt Nasdaq OMX, att behålla förtroende för finansiella marknader, tilldela ett
gemensamt ramverk för listade bolag och medlemmar samt att skydda minoritetsägare vid
börsen.9 Lagstiftningen belyser skyldigheten hos emittenten (bolag eller medlem) att
rapportera till börsen om sin verksamhet och även ge uppgifter kring information som kan
vara av betydelse för värdepappernas kursvärden.10
Regelverket är dels självstyrt, dels reglerat av formella föreskrifter från finansinspektionen.
Detta betyder att när bolag introduceras på börsen åtar de sig, förutom övriga noteringskrav,
att följa det utformade regelverket. Om regelverket inte respekteras kan emittenten inte
förvänta sig behörig på börsen. Å andra sidan är det viktigt att förtydliga att det inte är
brottsligt att bryta mot regelverket då de är utformade av näringsliv och branschpraxis, och
därmed inte är svensk lag.11
3.3 Disciplinnämnden
Granskningen kring emittenternas uppförandekod ligger inom Disciplinnämndens ansvar då
nämnden ser till att regelverket följs. De ärenden som Stockholmsbörsen anser handla i strid
6
Aktiespararna, Regler.
Ackebo
8
Nasdaq OMX Stockholm, Regelverk för emittenter.
9
Nasdaq OMX, Rules and Regulations.
10
Nasdaq OMX Stockholm, Regelverk för emittenter.
11
Ackebo
7
med regelverket anmäls till Disciplinnämnden. Oberoende ledamöter, övervägande med
juridisk bakgrund och väl insatta inom värdepappersmarknaden, granskar fallen och fattar
beslut kring eventuella sanktioner. Enligt Disciplinnämnden är sanktionerna för ett noterat
bolag ”varning, vite eller avnotering”. Oftast är vite tilldelat noterade bolag baserat på
allvarsgrad av brott översatt till årsavgifter, 1-10 år, vilka varierar beroende på bolagets
storlek.12 Exempelvis fick SSAB Svenskt Stål AB (2008:1) betala en årsavgift om 2 201 285
kr, medan Midelfart Sonesson AB (2008:2) ålagts att betala vite på två årsavgifter, 384 000
kr.13 Vid en granskning av endast belopp ser förstnämnda vite mer allvarsamt ut trots att
brottet ansågs vara av lägre allvarsgrad än det sistnämnda. Flertalet ärenden som tas upp i
Disciplinnämnden uteblir sanktion och får endast en varning eller förblir helt utan åtgärd då
brottet inte anses bestrida regelverket.
Disciplinnämnden behandlar ärenden gällande dels noterade bolag, dels börsens medlemmar.
Däremot följer emittenterna enskilda regelverk anpassat för gruppens syfte på börsen. Detta
innebär att regelöverträdelserna ser olika ut mellan de två grupperna och gör dem icke
jämförbara. Ett typexempel på regelöverträdelser hänvisat medlemmar är exempelvis att
förmedla aktieorder som skiljer sig från marknadspriset, missbruk av derivatsystem eller
andra automatiska system för att, många gånger, avsiktligt påverka aktievärdet.14 Exempel på
regelöverträdelser för noterade bolag är snarare att felaktigt offentliggöra publik eller
tillämpning av IFRS redovisningsregler.15 Mer specifik beskrivning av regelöverträdelsetyper
som begås av bolagen diskuteras i kommande avsnitt, 7. Empirisk data.
4. Metod
I följande avsnitt beskrivs den metod vi har valt att tillämpa studien i syfte om att undersöka
potentiella samband hos Disciplinnämndens sanktionerade bolag. Metoden bygger dels på
statistiska tester i form av hypotestestning av de valda variablerna, dels på en mer ingående
analys med hjälp av en ”logitregression”.
4.1 Undersökningsmetod
Den valda undersökningsmetoden, kvantitativ analys, lämpar sig för vår studie och
frågeställning då den söker gemensamma samband i ett större urval med hjälp av statistisk
12
Nasdaq OMX, Försäkrings AB Skandia.
Nasdaq OMX, Avgöranden i Nasdaq OMX Stockholms disciplinnämnd.
14
Nasdaq OMX, Carnegie AB.
15
13
data. Däremot kommer studien, som saknar en fullständig teoretisk referensram, kompletteras
med information om möjliga faktorer via intervjuer. Med detta anses studien, i första hand,
vara kvantitativ men med undantag för vissa kvalitativa inslag i syfte om att kunna finna
möjliga påverkande faktorer.
4.2 Datainsamling
Insamlad data består uteslutande av sekundärdata i form av publik information.
Disciplinnämnden har alla beslut från 1994 och framåt noterade på Nasdaq OMX hemsida.
Där finns en kort sammanfattning av varje ärende, pressmeddelandet samt beslut om sanktion
dokumenterat, varefter dessa har studerats för att förstå urvalet samt de specifika fallen.
Vidare har årsredovisningar för det år då händelsen som gav upphov till en sanktion
studerats.
I största möjliga mån har finansiell data och information hämtats ur årsredovisningar
alternativt databasen Datastream vilken ger åtkomst till övergripande finansiell information.
Skatteverkets hemsida har använts för att identifiera det år bolagen börsnoterades/
avnoterades.
4.3 Identifiering av faktorer
I syfte om att besvara frågeställningen huruvida bolag sanktioneras av Disciplinnämnden
eller inte kommer studien identifiera ett antal faktorer vilka sedan testas statistiskt som
variabler. För att hitta dessa faktorer har vi, förutom de som kommer att diskuteras i avsnitt 6.
Tidigare forskning och teori, intervjuat Anders Ackebo, tidigare chef för notering och
övervakning på Stockholmsbörsen och Magnus Billing, chef på Nasdaq OMX legala enhet
samt aktiv inom Disciplinnämnden. Vidare har även en diskussion förts med Peter
Malmqvist, finansanalytiker och expert inom företagsstyrning, för att finna eventuella
faktorer och hypoteser kring varför vissa bolag blir sanktionerade hos Disciplinnämnden och
andra inte. Att få perspektiv på studien från personer med erfarenhet och kännedom inom
svensk börs kompletterar saknad tidigare forskning. Faktorerna som härleds ur intervjuer
introduceras i avsnitt 7. Empirisk data.
4.4 Jämförbart urval- Matchande bolag
Den metod vi har valt för att jämföra Disciplinnämndens sanktionerade bolag med resterande
Stockholmsbörsen bygger på det statistiska begreppet ”match sample” där ett set om två
motsvarande enheter med liknande egenskaper jämförs för att finna påtagliga avvikelser.16
Att direkt jämföra de sanktionerade bolagen med matchande bolag, vilka representerar
Stockholmsbörsens icke sanktionerade bolag, ger studien insikt kring hur de sanktionerade
bolagen, som population, avviker från de matchande bolagen hänvisat studerade variabler.
För att hitta matchande bolag har kriterier, som anses relevanta för att kunna göra en god
jämförelse, listats nedan. Alla sanktionerade bolag matchas med ett icke-sanktionerat bolag
med följande egenskaper:
1.
Samma år. Året då ärendet i fråga anses ha inträffat ska vara detsamma för
båda bolagen. I vissa fall kan perioden sträcka sig över flera år vilket även
beaktas då information samlas in för hela perioden.
2.
Samma marknad. Bolagen ska vara registrerade på samma marknad,
Stockholmsbörsen, vid inträffandet. Alltså, det matchande bolaget måste
vara noterat på Stockholmsbörsen vid händelsen som föranledde sanktion
hos det sanktionerade bolaget.
3.
Industri. Bolagen ska klassificeras efter samma industri. I dagsläget klassas
alla Nasdaq OMX bolag efter International Classification Board (ICB).17
Tidigare tillämpades Global Industry Classification Standard (GICS) vilket
påminner om dagens klassificering.18
4.
Nettoomsättning. De matchande bolagen ska även försöka identifieras efter
liknande omsättning. Som utgångspunkt är kriteriet +/- 30%, samma år som
ärendet inträffar. Observera att detta kriterium är svårt att uppfylla då
kvarstående bolag, efter ovanstående punkter, ofta är fåtaliga. I så fall
tillämpas det bolag som är närmast i omsättning.
Ovanstående kriterier kommer att användas i turordning för att hitta de matchande bolagen.
Om ett kriterium inte går att uppfylla matchas ett liknande bolag i största möjliga mån, främst
gäller detta punkt 4. Nettoomsättning. De variabler som ska studeras kommer vidare att testas
på de sanktionerade bolagen samt de matchande bolagen för att kunna undersöka potentiella
skillnader.
16
Glossary of Statistical Terms, Match Sample.
ICB Structure, Branschstruktur och definitioner.
18
Eva Norling, Industriklassificering.
17
4.5 Testlogik
Studiens metod för att undersöka samband hos de sanktionerade bolagen fokuserar på
statistiska tester samt jämförelser sanktionerade och matchande bolag emellan. Inför
jämförelsen beräknas samtliga variablers medelvärde*, median** och varians***.
Medelvärdet beskriver summan av observationen delat på antal observationer medan
medianen antar det mittersta värde när observationerna är sorterade i storleksordning. I
många fall kan medianen ge ett bättre värde av vad som är mest ”normalt” i urvalet.
Variansen visar hur volatila värdena är och ökar då en datainsamling har stor spridning.
Vidare kan studien delas upp i två delar, en del som utreder om det finns signifikanta
skillnader mellan sanktionerade bolag och matchande bolag samt en del som undersöker hur
dessa skillnader tillsammans kan prognostisera om ett bolag har större sannolikhet att
sanktioneras av Disciplinnämnden eller inte.
I den första delen har statistiska hypotestestningar utförts med motiv om att finna de variabler
som kan separera de sanktionerade bolagen från de matchande bolagen. Enkelsidiga t-tester
kommer att utföras för att testa varje enskild variabel och dess signifikans. Vi kommer att
värdera resultaten efter en tillförlitlig signifikansnivå om maximalt 10 % för att kunna
förkasta nollhypoteserna.
Enkelsidiga hypotestester:
𝐻! : 𝜇! − 𝜇! ≥ 0
𝐻! : 𝜇! − 𝜇! ≤ 0
eller
𝐻! : 𝜇! − 𝜇! < 0
𝐻! : 𝜇! − 𝜇! > 0
där
𝜇! : medelvärde för det sanktionerade bolagets variabel n
𝜇! : medelvärde för det matchande bolagets variabel n
Teststatistika med antagande om två medelvärden, oberoende urval, okänd population och
lika varianser ser ut enligt följande:
*
𝐸 𝑋 =
**
!
∗ !
!!!
!
!!! 𝑥!
𝑖!" =
!
𝑉𝑎𝑟 𝑋 = 𝜎 ! = 𝐸((𝑋 − 𝐸 𝑋 )! = 𝐸 𝑋 ! − 𝐸(𝑋)! ***
𝑡=
!!! !(!! ! !! )
!!
!
𝑠!! =
!!
!
!! !! !!! !(!! !!)!!!
(!! !!! !!)
!
!! !!
där
𝑠2𝑝 : polad varians
𝑥: stickprovsmedelvärde för sanktionerat bolag
𝑦: stickprovsmedelvärde för matchande bolag
𝑠!! : stickprovsvarians för sanktionerade bolag
𝑠!! : stickprovsvarians för matchande bolag
𝑛! : antal sanktionerade bolag
𝑛! : antal matchande bolag
I den andra delen, kommer en logitregression genomföras. En logitregression bestämmer
simultan inverkan av flera oberoende variabler på en beroende variabel.19 För att undersöka
hur de olika variablerna tillsammans kan förklara om ett bolag har sanktionerats eller inte
testas olika kombinationer av variabler för att finna den bäst tillämpade modellen. Den
beroende variabeln i logitregressionen kan anta ett värde mellan 1 och 0, där ett värde mellan
0,5 och 1 betyder att sannolikheten är större att ett bolag sanktioneras än att det inte blir
sanktionerat medan ett värde mellan 0 och 0,5 indikerar det motsatta. På det sättet
prognostiseras också sannolikheten, mellan 1 och 0, för att ett bolag hamnar hos den ena eller
andra gruppen, sanktionerade bolag eller matchande bolag.
Den skattade regressionsanalysen kan tillämpas av formeln:
𝑃(𝑌) =
!
!!!
!(!! !!! !!! !!! !!! !...!!! !!" )
där
Y: utfallet för den beroende variabeln
b0: den beroende variabelns intercept
bn: regressionskoefficienten tilldelad motsvarande oberoende variabel
Xni: oberoende variabel
Tillämpning och resultat av hypotesprövningarna samt logitregressionen presenteras i avsnitt
8. Resultat.
19
Burns, m fl., Logistic Regression, s. 569
5. Avgränsning
Vid analysen av Disciplinnämnden och de bolag som behandlas i studien har några
avgränsningar format urvalet. Vidare har studien även valt att rikta undersökningen mot
bolagsstyrning vilket förklaras mer utförligt i slutet av detta avsnitt.
Sedan Disciplinnämnden registrerade sitt första ärende 1994 fram till 2012 har 94 emittenter
behandlats av enheten.20 Studien väljer att begränsa tidsperioden om ett intervall på tio år,
2002-2012, och utesluter därmed 16 emittenter. Motivet bakom tidsbegränsningen är att
koncentrera ärendena till en avskild tillförlitlig tidsperiod med mindre bortfall av data. Data
är nämligen ytterst begränsad när gäller 1990-talet då information inte finns lika lättillgänglig
via internet och andra källor vilket skulle försämra studiens kvalitet. Dock anses tidsperioden
vara tillräcklig för att finna signifikanta avvikelser mellan de sanktionerade bolagen och
övriga Stockholmsbörsen.
Studien har avgränsats Stockholmsbörsen och exkluderar First North samt alla övriga
marknader även om dessa är hänförliga svensk börs. Anledningen till detta är att de olika
marknadsplatserna har enskilda regelverk eller egna disciplinnämnder vilka bör studeras var
för sig.21 Tre bolag i urvalet tillhör First North vilka exkluderas.
De sanktionerade bolagen behöver inte vara noterade på börsen under hela tioårsperioden.
Vidare behöver inte tidpunkten för beslutet om bolagets sanktion avse samma år som
händelsen då regelbrottet skedde, ett beslut om sanktion kan alltså hänvisa till tidigare års
bristande uppförande. Exempelvis berör ärendet SAS (2002:1) år 2001 vilket skulle kunna
uppfattas ligga utanför tidsperioden.22 Observera därför att bolagets ärendenummer och året
för beslut gäller.
När det gäller Stockholmsbörsens medlemmar kommer dessa exkluderas urvalet då de varken
följer samma regelverk eller verkar på börsen med samma syfte som de noterade bolagen.
Med detta krymper urvalet för analys med 26 emittenter, samtliga medlemmar exkluderade.
Vidare har vi valt att utesluta internationella bolag som noterats på Stockholmsbörsen. Då
studien kommer att tillämpa bolagsstyrningsperspektiv, är det svårt att hitta information kring
dessa vilka även skulle kunna snedvrida resultatet. Den främsta anledningen till att
20
Nasdaq OMX, Surveillance on First North.
22
Nasdaq OMX, SAS AB.
21
internationella bolag kan ge missvisande effekter är att bolagens ledning ofta tillhör en
internationell koncern där bolaget i fråga är dotterbolag vilket gör att företagets struktur kring
bolagsstyrning kan se olika ut beroende på om man tittar på dotterbolaget eller moderbolaget.
Dessutom är det troligt att dotterbolagets bolagsstyrning är influerat av koncernen. Då
moderbolaget ofta är noterat på en annan börs skulle detta kunna missvisa resultatet. Studien
ska beröra den svenska marknaden och noterade aktiebolag (AB) med svenska börsen som
förstamarknad. Sex bolag anses vara internationella bolag vilka tas bort från urvalet.
Efter dessa avgränsningar återstår 43 bolag varav ytterligare fyra bolag kommer att
exkluderas. Dessa fyra bolag har blivit anmälda som ärenden hos Disciplinnämnden men
visar sig inte ha begått något regelbrott efter utredning. Därför anser vi att dessa bolag inte
uppfyller kriterier som sanktionerat bolag och utelämnas av studien.
Det slutliga urvalet har krympt till 39 bolag inom tidsperioden, men detta av väsentlig grund,
hänvisat till ovan redogjorda kriterier. Totalt innefattar analysen 78 bolag då samtliga
sanktionerade bolag jämförs mot ett matchande bolag.
I Bilaga 1 redovisas Disciplinnämndens samtliga emittenter 1994-2012. Bilaga 2 visar
urvalet efter avgränsning varav en enklare version kring urvalet visas nedan, Figur 5.1.
Figur 5.1: Studiens avgränsning
Efter ovanstående avgränsningar är avsikten att finna faktorer relaterade till ett perspektiv
kring bolagsstyrning då Disciplinnämndens ärenden huvudsakligen är kopplat till bristande
eller missvisande informationsgivning, fel i finansiella rapporter eller rent av slarv. De olika
typerna av brott beskrivs närmare i avsnitt 7. Empirisk data varefter fördelningen av bolag
mellan de olika brottstyperna finns redovisade i Bilaga 3. Exempelvis har vi valt att utesluta
teorier kring finansiell prestation och revision, vilka ofta omnämns som faktorer i studier om
finansiella bedrägerier. Givet detta kommer studien alltså fokusera på att finna faktorer
kopplat till bolagsstyrning.
6. Tidigare forskning och teori
Detta avsnitt introducerar den teori och tidigare forskning som studien kommer att använda
sig av. Teori beskriver studiens inriktning på bolagsstyrning medan tidigare forskning vill
finna förklarande faktorer vilka kan besvara frågeställningen.
Det är viktigt att ta del av tidigare forskning då den ligger till grund för vår studie samt
utformningen av våra hypoteser och variabler. Då tidigare svensk forskning kring
uppsatsämnet är saknad använder sig studien främst av tidigare internationell forskning.
Majoriteten av tidigare forskning är baserad på mer extrema fall av finansiella bedrägerier
vilket kan beskrivas som bolag vilka under en längre period misskött offentliggörande av
information och finansiell data, många gånger i ett manipulativt och medvetet syfte.
Däremot vill vi påminna om att denna studie inte är av samma extremitet som forskning
relaterat finansiella bedrägerier. Anmärkningarna från Disciplinnämnden är av betydligt
mildare grad och vi kan därför inte applicera en tidigare studie till fullo utan måste värdera
samt anpassa faktorer efter relevans för studiens sammanhang.
6.1 Introduktion till bolagsstyrning
Bolagsstyrning beskriver styrning och kontroll av bolag. Bolagsstyrningen kan närmare
beskrivas som ett system med direktioner kring mål, resurser och komponenter för att styra
samt kontrollera bolag på ett rättfärdigt och korrekt sätt. Vidare beskriver Sevenius begreppet
som normbaserat med de mer ingående regelverken, aktiebolagslagen och bolagskoden, som
grund.23Bolagsstyrningen kan alltså relateras till hur bolagen styrs och därmed ledning samt
styrelsens arbete.
En viktig del att ta hänsyn till innan bolagsstyrningsfrågor undersöks är ”Svensk kod för
bolagsstyrning”, även kallad bolagskoden, som introducerades 2005. 24 Bolagskoden kan ses
som en norm vilken kompletterar övrig lagstiftning och gäller för alla svenska bolag vilkas
aktier är upptagna till handel på svensk reglerad marknad. Bolagskodens syfte är att ”stärka
23
24
Sevenius, Bolagsstyrning, s. 13-49.
Kollegiet för svensk bolagsstyrning, Historik.
förtroendet för de svenska börsbolagen genom att främja en positiv utveckling av
bolagsstyrningen i dessa bolag”.25 Stort fokus faller på styrelsen då föreskrifter kring dess
uppsättning betonas. Enligt bolagskoden ska styrelsen bestå av minst tre ledarmöter varav en
utses till ordförande, endast en av styrelsens ledamöter får arbeta i företagets eller
dotterbolagets ledning, majoriteten ska vara oberoende i förhållande till bolaget och dess
ledning samt att minst två ledamöter ska vara oberoende till större aktieägare.26 Dessa
restriktioner visar på att uppsättningen av svenska styrelser bör likna varandra.
Ett syfte bakom bolagsstyrning är att förbättra företagens prestationer och skapa förtroende
gentemot övriga intressenter. Sevenius menar att finansiella skandaler är viktiga att förstå då
de, i stor omfattning, ger upphov till förändringar inom bolagsstyrningen.27 På så vis har
bolagsstyrning stark anknytning till finansiella bedrägerier eftersom de kan ligga till grund
för bolagsstyrningens utformande och innehåll.
6.2 Storleken på styrelsen
Sammansättningen av den optimala styrelsen samt dess storlek har diskuterats i flera
föregående studier vilka menar på att människor arbetar bäst i grupper med ett särskilt antal
medlemmar. Blenko m.fl. anser att den optimala storleken på en grupp för effektivt
beslutstagande är sju personer och att varje person som läggs till efter det minskar
effektiviteten med 10 %.28 Dessutom visar studier utförda av Margolis och Rogers att fem
personer är den optimala storleken på en grupp. Däremot visar det sig i senare studier att
effektiviteten i beslutstagande varken ökade eller minskade om gruppen ökade till åtta
personer. Den optimala gruppstorleken borde därför ligga mellan fem och åtta personer.29 30
Vidare argumenterar olika studier för att det finns andra aspekter som också påverkar den
optimala storleken på styrelsen. Boone m.fl. menar att om företagets komplexitet, storlek,
produkter och marknadsexpansion ökar, ökar även storleken på styrelsen.31 Det finns alltså
forskning och studier som visar att storleken på styrelsen har betydelse för dess prestation och
beslutsfattande.
25
Kollegiet för svensk bolagsstyrning, Svensk kod för bolagsstyrning, s.3.
Ibid, s.10-11.
27
Ibid, s. 13-49
28
Blenko, m.fl., Decide & Deliver: 5 Steps to Breakthrough Performance in your Organization.
29
Margolis. S, What is the Optimal Group Size for Decision Making?
30
Rogers. T, Amazing Applications of Probability and Statistics: How to Design Small Decision Making Groups.
31
Boone, m.fl., Determinants of Corporate Board Size and Composition: An Empirical Analysis.
26
6.3 Sammansättning av styrelse
Ett återkommande ämne i etablerad forskning är diskussionen kring huruvida finansiella
bedrägerier även kan påverkas av andra aspekter gällande styrelsens uppsättning. Farber
hävdar att ett bolag med stor andel beroende styrelseledamöter, i jämförelse med oberoende,
har större benägenhet att begå brott. Han finner dessutom stöd för att sannolikheten mellan
finansiella bedrägerier och bristande bolagsstyrning är signifikant då kontrollfirmor som
matchas mot sanktionerade bolag har mindre andel beroende styrelseledamöter.32 Vidare
menar även Beasley att en stor andel beroende ledamöter i uppsättningen av styrelsen kan öka
risken för finansiella bedrägerier. Han anser dessutom att en styrelse bestående av flertalet
beroende ledamöter kan frestas av att åsidosätta aktieägarna och istället agera i eget
intresse.33 Diskussionen kring styrelse och dess påverkan tar alltså ställning ur flera
perspektiv varefter ovanstående nämnda författare är överens om att styrelsens uppsättning av
beroende ledamöter kan ha ett samband med finansiella bedrägerier.
6.4 Aktieinnehav i styrelsen
Tidigare studier undersöker också koncentrationen av ägarskap som en riskfaktor att begå
brott. Flertalet studier anses att ju mer koncentrerat ägarskapet är, desto mindre är
benägenheten för finansiella bedrägerier. Geretya och Lehn finner signifikans till att
koncentrationen av ägarskap kring en person samt stora aktieinnehav inom styrelsen minskar
risken för finansiella bedrägerier. Ett förtydligande är att de även finner att ledamöter med
flertal styrelseuppdrag samt spritt ägarskap i ledningen tappar fokus vilket leder till mindre
uppsikt och intresse i företaget.34 Med detta anser författarna att en styrelse med koncentrerat
och starkt ägarskap har bättre förutsättningar till att sköta bolagets finansiella rapportering.
6.5 Kvinnor i styrelsen
Sammansättning och representation av kvinnor i svenska styrelser är ett omdiskuterat ämne
vilket även är intressant i relation till bolagsstyrning. Elias argumenterar för att andelen
kvinnor i styrelser bör kvoteras för att skapa en rättvis och etiskt riktig bild av företaget.35
Enligt Svenska Dagbladets artikel ”Fler initiativ med kvinnor i styrelsen” leder fler kvinnor i
styrelser till bättre kontroll och ett mer aktivt styrelsearbete.36 Samtidigt argumenterar
32
Farber, Restoring Trust after Fraud: Does Corporate Governance Matter?, s. 539-560.
Beasley, An Emperical Analysis of the Relation between the board of Director Composition and Financial Statement
Fraud, s. 446
34
Geretya, m.fl., The Causes and Consequences of Accounting Fraud, s.588
35
Elias, Kvotera kvinnor till styrelser.
36
Svenska Dagbladet, Fler initiativ med kvinnor i styrelsen.
33
Franzén för att kvinnor i styrelser kan bidra till högre lönsamhet. Franzén menar vidare att ”
det finns ett starkt samband mellan kvinnors representation i styrelser och högre avkastning
på aktier och eget kapital, försäljningstillväxt och räntabilitet på totalt kapital.” Däremot
kritiserar hon sitt eget antagande genom att ifrågasätta huruvida det kan vara mer lönsamma
företag som rekryterar kvinnor eller om kvinnor i sig bidrar till högre lönsamhet.37
Ovanstående teori och tidigare forskning ligger till grund för de tänkbara variabler som
kommer att utvärderas i studien. Vidare kommer kommande avsnitt 7. Empirisk data
komplettera den information som anses saknas gällande teori och tidigare forskning i syfte
om att härleda potentiella faktorer.
7. Empirisk data
Följande avsnitt presenterar först det studerade urvalet gällande typ av brott som bolagen har
begått för att senare presentera de faktorer som studien valt att undersöka närmare.
7.1 Introduktion till typer av brott
Studien har identifierat de typer av regelbrott som begås för att förstå urvalet bättre och vilka
faktorer som kan leda till dessa brott. Regelbrotten har delats in i fyra kategorier baserat på
Disciplinnämndens beslut. Nedan sammanfattas de brott som anses ligga bakom sanktion för
regelöverträdelser med exempel ur studiens urval av sanktionerade bolag.
1. Missbrukat informationsskyldighet
SAS AB (2002:1) anses ha brutit mot sin informationsskyldighet genom att ha brutit mot
reglerna gällande konkurrens. SAS AB och konkurrerande flygbolaget Maersk Air misstänks
ha delat upp marknaden vilket strider mot EU- kommissionens lag om konkurrensregler. SAS
ålades vite om fyra årsavgifter.38
2. Felaktig/ofullständig information
Elekta AB (2003:1) döms för att ha lämnat ut missvisande information gällande betalning av
skadestånd vilket överträder noteringsavtalet. Skadeståndet avser ett patentintrång i ett
37
38
Franzén, Kvinnor i styrelser är lönsamt.
Nasdaq OMX, SAS AB.
amerikanskt bolag som skulle betalas genom en försäkring varefter informationen kring detta
ansågs ofullständig. Bolaget ålades vite motsvarande två årsavgifter.39
3. Brutit mot regler om köp och försäljning av egna aktier
Enea Data AB (2002:3) döms efter att ha återköpt egna aktier utan att informera börsen. Det
föreskrivs nämligen i reglerna att ett noterat bolag ska anmäla förvärv eller överlåtelser av
egna aktier vilket Enea Data inte gjort. Med detta ålades bolaget vite motsvarande en
årsavgift.40
4. Problem i redovisningen/ IFRS
HQ AB (2011:1) anses ha avvikit från bestämmelserna i IFRS (International Financial
Reporting Standards). Anmärkningarna berör ”val av värderingsmodell, tillämpning av Dag1 resultat och avsaknad avstämning mellan ingående och utgående balanser”. Främst kan
ärendet rikta kritik mot bolagets derivatportfölj vars verkliga värde inte bygger på
observerbar marknadsdata. Vite ålades motsvarande fem årsavgifter.41
7.2 Faktorer
Nedan presenteras de potentiella faktorer som skulle kunna besvara frågeställningen. Flera
av faktorer går att återfinna mer utförligt i avsnitt 6. Teori och tidigare forskning medan
somliga bekräftas med stöd från intervjuer.
7.2.1 Industri
Bolagen har delats in efter industrier dels för att urskilja om någon industri är
överrepresenterad i urvalet, dels för att finna matchande bolag senare i undersökningen. På
Stockholmsbörsen delas bolagen upp efter ICB klassificering, där första nivån är
”industriklass” vilken sedan delas in i ytterligare en nivå, ”supersector”. Ytterligare nivåer
finns inom ICB klassificering men en mer detaljerad nivå än supersector får inte tillkännages
av börsen. Vill bolagen offentliggöra vidare ICB- nivå får de ange detta i egna publikationer.
42
Vid studien har bolag som berörs av tidigare klassindelning, GICS, översatts till ICB för att
uppnå jämförbarhet. Då klassificeringarna är av samma struktur anses översättningen inte ge
39
Nasdaq OMX, Elekta AB.
Nasdaq OMX, Enea AB.
41
Nasdaq OMX, HQ AB.
42
Eva Norling, Industriklassificering.
40
missvisande effekter. Industriklassificeringen är funnen via Nasdaq OMX månatliga
statistiska data.43
Avsikten med att undersöka industrifördelningen är att se om någon industri är över- eller
underrepresenterad hos de sanktionerade bolagen. Billing menar att en jämförelse kan vara
intressant med antydan om att somliga industrier tenderar att sanktioneras Disciplinnämnden
mer ofta än andra p.g.a. dess karaktär. Ett sådant exempel är läkemedelsindustrin
(industriklass sjukvård) med bolag som befinner sig i ett tidigt forsknings- och
utvecklingsskede.44 För att ge ett exempel ur Disciplinnämndens ärenden, ansågs
läkemedelsföretaget Biophausia (2002:5) ha missbrukat sin informationsskyldighet då
bolaget inte informerade om ett beviljat patent i tid. Bolagets patent hade meddelats flera
månader i förväg i USA och Australien, där bolaget också har verksamhet. Däremot väntade
bolaget med att meddela nyheten i Sverige. Disciplinnämnden ansåg att informationen var
kurspåverkande och bolaget dömdes till två årsavgifter.45 Det är alltså intressant att
undersöka huruvida industri kan påverka om ett bolag sanktioneras eller inte. Något statistiskt
test kommer däremot inte utföras på faktorn industri då urvalet är för litet. Denna faktor kan
inte heller ingå i den kommande logitregressionen då industri är ett urvalskriterium för att
hitta matchande bolag, och kommer därmed inte ge något utslag.
En tabell över de representerade industriklasserna inom urvalet visas nedan, Figur 7.1. Det
finns 10 industriklasser inom ICB varav 9 finns representerade i studiens urval.
Figur 7.1: Antal sanktionerade bolag per industrifördelning enlig ICB
Industri
Allmännyttiga tjänster
Ekonomi
Industriverksamhet
Konsumenttjänster
Konsumentvaror
Olja och Gas
Råvaror
Sjukvård
Teknik
Telekommunikation
Total
Antal
0
7
12
4
2
1
2
7
3
1
39
43
Nasdaq OMX Trader, Monthly Report – Equity Trading by Company and Instrument.
44
Billing
Nasdaq OMX, BioPhausia AB.
45
7.2.2 Antal år bolaget har varit noterat på Stockholmsbörsen
De bolag som granskas av Disciplinnämnden ska vara noterade på Stockholmsbörsen. Året
bolaget noteras på Stockholmsbörsen eller övergår från en annan handelsplats till
Stockholmsbörsen samlas in som underlag för studien i syfte om att mäta antalet år bolaget
har varit noterat.
Billing argumenterar för att flertal av Stockholmsbörsen etablerade bolag är intressanta
investeringsobjekt varefter många följer dess prestation och uppförande på börsen. Då dessa
bolag har press på sig att tillgodose information till sina investerare kan det lättare ske
misstag där information publiceras under felaktiga förhållanden. Ett nyligen noterat bolag
utsätts nödvändigtvis inte för samma typ av exponering. Billing menar även att nynoterade
bolag sköter sig bättre på börsen än äldre bolag då dessa nyligen genomgått omfattande
kontroller och utbildning för att bli noterade. Dessutom har börsen ettårsuppföljning på
börsintroducerade bolag vilket gör dem medvetna om börsens övervakning.46
Å andra sidan hävdar Ackebo att osäkerhet och brist på erfarenhet är en återkommande faktor
observerad hos ett flertal av de sanktionerade bolagen. Han upplever att en del ärenden hos
Disciplinnämnden beror på att företaget inte har tillräcklig erfarenhet kring innebörden av att
vara noterad på Stockholmsbörsen och vilka förändringar det kräver. Han upplever dessutom
att majoriteten av de sanktionerade bolagen är bolag som nyligen noterats på börsen. Detta
ska dock inte undanskymma det faktum att också några av det större och etablerade bolagen
har varit föremål för behandling i Disciplinnämnden. Vidare argumenterar Ackebo för att en
variabel med antal år ett bolag har varit noterat kan vara intressant att undersöka. 47
7.2.3 Räntabilitet på eget kapital
Räntabilitet på eget kapital, nyckeltalet som beskriver tillväxten av eget kapital genom att
dividera vinst efter skatt med ingående kapital används i studien som ett prestationsbaserat
finansiellt mått. Avsikten med att mäta räntabilitet på eget kapital är att studera enhetens
avkastning i relation till ägarnas tillsatta kapital. Detta kan vara intressant med hänsyn till
bolagsstyrning då bolagets ägare helst ser en positiv utveckling av det egna kapitalet.
I studien beräknas räntabilitet på eget kapital efter det år då händelsen som orsakat sanktionen
inträffade, alltså inte efter det år bolaget rapporterads till Disciplinnämnden. Om ärendet
46
47
Billing
Ackebo
avser flera år, till exempel Diamyd Medical AB (2010:5) som hänvisas 2008-2010, beräknas
nyckeltalet genom ett genomsnitt av de aktuella åren 2008-2010, både på det sanktionerade
bolaget och matchande bolaget. När det sanktionerade bolaget respektive det matchande
bolaget använder sig av olika räkenskapsår används en metod liknande ovan. En
genomsnittlig avkastning per månad beräknas som sedan multipliceras med 12 månader för
att konvertera nyckeltalet så nära det jämförande bolaget som möjligt.
Däremot är räntabilitet på eget kapital variabeln i undersökningen som snarare kan anknytas
finansiell prestation än bolagsstyrning. Malmqvist menar att ett finansiellt mått kan
understödja uppsatsens annars subjektiva inriktning på bolagsstyrning.48 Vi har därmed valt
nyckeltalet för att knyta samman de övriga variablerna kopplat till bolagsstyrning med en
finansiell variabel. Ett exempel med avsikt om att förtydliga nyckeltalets väsentlighet i
studien är fallet om HQ AB (2010:4) där bolaget, som avnoterades efter egen begäran döms
efter att ha stridit mot regler när gäller informationsgivning, visade en avkastning på -17,98%
2009.49 Att använda just räntabilitet på eget kapital anses därmed relevant då det är av
aktieägarnas intresse och kan relateras till en undersökning kring bolagsstyrning.
7.2.4 Andel styrelseledamöter med aktieinnehav i bolaget
Hänvisat till tidigare forskning och studier anses innehavet av aktier kunna påverka
bolagsstyrningen. Data kring aktieinnehav i styrelsen inkluderar ordinarie ledamöter samt
arbetsrepresentanter. Uteslutet ur gruppen är suppleanter och revisorer. En nackdel i
undersökningen är att alla bolag inte redovisar innehavet av aktier på samma sätt. Somliga
bolag väljer att publicera endast privat aktieinnehav varefter andra slår samman privata
aktieinnehav och innehav via bolag. Vidare exkluderas innehav av optioner för att skapa en
enhetlig jämförelse mellan samtliga bolag. Dessutom bedöms innehav av optioner ha en
annan innebörd än aktier då dessa avser antingen framtida köp- eller säljmöjligheter och bör
därmed inte inkluderas i en jämförelse av aktieinnehav.
Data finns även tillgänglig för bolagens samtliga utestående aktier i samtliga
årsredovisningar. Att jämföra totala antalet utstående aktier med styrelsens innehav skulle
kunna ge en mer exakt uppskattning av styrelsens ägande. Däremot försvåras detta med
ovanstående argumentation kring årsredovisningarnas skilda metod för redovisning av
48
49
Malmqvist
Nasdaq OMX, HQ AB.
aktieinnehav. En jämförelse mellan styrelsens innehav och totala utestående aktier kan därför
ge missvisande resultat på styrelsens inflytande och en mer omfattande undersökning om
ledamöternas aktieinnehav anses vara utanför ramarna för denna studie. En mer rättvis bild,
då kvaliteten på information inte kan säkerställas, kan ges av relationen mellan antal
styrelseledamöter med aktieinnehav i relation till antal ledamöter som ingår i styrelsen.
När gäller data kring styrelsens aktieinnehav har studien inte lyckats identifiera innehav för
tre ärenden: Rederiaktiebolaget Gotland AB, Intentia International AB samt Intentia AB.
Förstnämnda har bristande information i sin årsredovisning, varefter det andra och
sistnämnda är samma bolag vilket senare blivit uppköpt av en internationell koncern. Detta
innebär att dessa tre sanktionerade bolag med motsvarande matchande bolag måste uteslutas
vid en undersökning av aktieinnehav.
7.2.5 Antal år VD:n har befattat sin post
VD:n är ansedd som bolagets verkställande organ och ska sköta den löpande förvaltningen av
företaget.50 Då denna uppsats till stor del berör bolagsstyrning kan en intressant variabel vara
att studera VD och dennes inflytande. Funnet i alla redovisningar är VD:s namn och, i vissa
fall, dennes utveckling inom företaget samt tidigare meriter. Vi har valt att samla data för hur
många år VD:n har besuttit sin post. Detta bedöms efter året som VD tillträder positionen
fram till det år ärendet gäller.
Att studera hur länge VD:n har varit verksam vid sin post skulle kunna förklara
organisationens struktur samt varför bolaget sanktioneras av Disciplinnämnden. VD:n är
dessutom ofta tillsatt i styrelsen och har starkt inflytande kring beslut. Billing anser att VD
och dennes erfarenhet på börsen är relevant för studien. Däremot menar han även att
ekonomichef och avdelningen för ”investors relations” kan påverka beslutsfattandet i relation
till bolagsstyrning då även dessa organ har betydande inflytande gällande hur och när
information ska hanteras.51 Ett exempel på detta är fallet rörande Morphic Technologies AB
(2010:1) där det kritiseras att ”tre finanschefer under loppet av en kort period har sagt upp sig
från bolaget” vilket kan ha påverkat ledningsarbetet som anses ligga till grund för
regelbrottet.52 Dock finns inte tillräcklig information i årsredovisningarna för att utvärdera en
50
Sevenius, R., 2007. Bolagsstyrning, s. 135.
Billing
52
Nasdaq OMX, Morphic Technologies AB.
51
sådan variabel vilket resulterar i att studien endast väljer att undersöka en potentiell variabel
kring hur länge VD:n har besuttit sin post.
7.2.6 Styrelsens storlek
Antal personer som ingår i styrelsen finns i alla årsredovisningar. Antal styrelseledamöter
samlas in som data och inkluderar även arbetsrepresentanter. Däremot exkluderas
suppleanter och revisorer. Tidigare forskning i avsnitt 6. Teori och tidigare forskning anser
att det finns ett optimalt antal styrelseledamöter vilka effektiviserar styrelsen. Detta kan
därmed vara en intressant variabel att undersöka.
7.2.7 Andel kvinnor i styrelsen
Diskussionen kring kvinnor och deras roll i företaget är nära relaterat bolagsstyrning och en
aspekt som blir allt viktigare att belysa. Kvinnors inflytande i styrelsen kan mätas genom att
dividera antal kvinnor i styrelsen med totala ledamöter. På så vis får vi ett jämförbart mått på
kvinnors andel i bolagets styrelse. Informationen kring hur många kvinnor som har en post
inom styrelsen finns i bolagens årsredovisningar. Med tanke på den aktuella debatten kring
kvinnor och deras inflytande kan det vara intressant att undersöka ämnet som en variabel i
studien.
7.2.8 Styrelsens uppsättning av beroende och oberoende ledamöter
Ytterligare en möjlig variabel som omnämnts i tidigare forskning är diskussionen kring
styrelsen beroende och oberoende ledamöter. Funnet i majoriteten av årsredovisningarna
finns information kring ledamöternas engagemang och relation till bolaget. Däremot är
definitionen av oberoende och beroende ledamöter olika årsredovisningarna emellan.
Att applicera tidigare forskning kring beroende och oberoende ledamöter på denna studie
anses inte vara relevant då det förmodligen inte kommer att skilja särskilt mycket
sanktionerade och matchande bolag emellan. Detta stöds av Ackebo då han ser hypotesen ur
ett svenskt perspektiv. Han menar att bolagskodens direktiv kring styrelsens uppsättning i
Sverige gör att fördelningen är mycket lik börsnoterade företag emellan.53 Med denna
diskussion som bakgrund har vi bestämt att inte studera Farber och Beasleys teori kring
styrelsen uppsättning av oberoende och beroende ledamöter som en faktor till varför bolag
sanktioneras av Disciplinnämnden.
53
Ackebo
Utifrån ovanstående empiri samt tidigare diskussion i avsnitt 6. Teori och tidigare forskning
har sex variabler identifierats för att statistiskt undersökas närmare. Sammanfattningsvis
listas de variabler som vi tror kan förklara frågeställningen nedan:
1. Antal år bolaget har varit noterat på Stockholmsbörsen
2. Räntabilitet på eget kapital
3. Andel styrelseledamöter med aktieinnehav i bolaget
4. Antal år VD:n har befattat sin post
5. Styrelsens storlek
6. Andel kvinnor i styrelsen
Vidare kommer även ytterligare en faktor, Disciplinnämndens industrifördelning, analyseras
och jämföras med Stockholmsbörsen, dock inte på en statistisk nivå.
8. Resultat
Nedan presenteras de resultat som framgår av studien. Avsnittet introduceras med den
deskriptiva data vilken studien använder som underlag för att sedan sammanställas med hjälp
av hypotesprövningarna och en logitregression. För att få en tydlig beskrivning bifogas
tabeller i avsnittet. Information kommer även refereras till appendix.
8.1 Deskriptiv data
8.1.1 Industrifördelning
Industrifördelningen över de sanktionerade bolagen har studerats genom att mäta hur stor
andel bolag inom respektive ICB industriklass som har sanktionerats. Antalet bolag på
Stockholmsbörsen som klassificerats till respektive industri mellan 2002-2012 har alltså satts
i relation till antalet bolag som under samma tidsperiod sanktionerats av Disciplinnämnden,
redovisat i Figur 8.1.
Figur 8.1: Andel sanktionerade bolag på Stockholmsbörsen inom respektive industri 2002-2012
Industriklassen konsumenttjänster avviker från övriga industrier och är den industri med klart
störst andel sanktionerade bolag. På delad andraplats kommer industrierna sjukvård samt olja
och gas, vilka har en något större andel sanktionerade bolag än resterande industrier. De
industrierna med lägst andel sanktionerade bolag är konsumentvaror och teknik.
Allmännyttiga tjänster har förvisso inga sanktionerade bolag, men denna industri utgör också
endast 0,3 % av hela Stockholmsbörsen.
8.1.2 Variabler
I Tabell 8.1 redovisas medelvärde samt varians för alla variabler som vi valt att studera
utifrån teori och empiri. Totalt presenteras sex oberoende variabler varefter de är numrerade
1-6. Resultatet för variabel 1 visar att de sanktionerade bolagen i genomsnitt har varit
noterade i 17 år, de matchande bolagen i 9 år. Genomsnittet för räntabiliteten på eget kapital,
variabel 2, är lägre hos de sanktionerade bolagen än matchande bolagen, -88 % och -3 %
respektive. Gällande variabel 3, vilken visar andelen styrelseledamöter med aktieinnehav, är
den högre hos matchande bolagen än de sanktionerade bolagen, 80 % mot 68 %. Medelvärdet
för variabel 4 visar att de sanktionerade bolagen i genomsnitt har en VD som besuttit sin post
kortare period än de matchande bolagens VD, 4 år mot 6 år. Storleken på den genomsnittliga
styrelsen, variabel 5, i de respektive grupperna är relativt lika, 7,4 mot 7,1. Den sista
variabeln, variabel 6, säger att andelen kvinnor i styrelsen är 16 % i de sanktionerade bolagen
mot 15 % i de matchande bolagen. I Tabell 8.1 kan även varians samt median för respektive
variabel utläsas.
Tabell 8.1: Deskriptiva mått per variabel och grupp
Kommentar: Ovan visas medelvärde, varians och median för respektive variabel.
8.2 Hypotesprövningar
Givet resultatet av de beräknade medelvärdena för respektive grupp har hypoteser riktats
enkelsidigt för att bedöma om skillnaden mellan dem är signifikant. Nollhypotes,
alternativhypotes samt beslutsregel för varje variabel listas i Tabell 8.2.
Tabell 8.2: Hypoteser samt beslutsregel för respektive variabel
Vidare redovisas resultatet för hypotestesterna i Tabell 8.3; om nollhypotesen kan förkastas,
och i så fall på vilken signifikansnivå, eller om den inte kan förkastas.
Tabell 8.3: Resultat t-test
Resultatet av hypotestesterna visar att nollhypotesen för variabel 1, 2, 3 och 4 kan förkastas.
Variabel 5 och 6 kan ej förkastas, inte ens på en sådan hög signifikansnivå som 25 %. Detta
säger att det finns signifikanta skillnader mellan de sanktionerade bolagen och de matchande
bolagen när det gäller antal år bolaget varit noterat, räntabiliteten på eget kapital, andelen
styrelseledamöter med aktieinnehav samt antal år VD:n besuttit sin post. Det finns inte någon
signifikant skillnad mellan grupperna gällande storlek på styrelse samt andel kvinnor i
styrelsen.
8.3 Logitregression
I logitregressionen har alla variabler testats tillsammans i olika kombinationer för att hitta den
bäst anpassade modellen för att prognostisera sannolikheten att ett bolag får en sanktion eller
inte. Ett sanktionerat bolag antar värdet 1, ett matchande bolag antar värdet 0.
I utformandet av logitregression har en variabel i taget lagts till för att kunna utvärdera hur
mycket modellen/ prediktionen förbättrades för varje variabel som lagts till. För att bedöma
varje variabels bidrag till modellen har signifikansnivå för respektive variabel utvärderats.
Vidare har varje modell analyserats separat där signifikansnivå för modellen samt den
procentuella andelen av bolag som modellen tilldelar rätt grupp varit huvudsakliga
bedömningskriterier. Hela denna procedur finns dokumenterad i Bilaga 4.
Ekvationen nedan visar den modell som gav bäst resultat:
𝑃(𝑌) =
!
!!! !(!,!"#!!,!""∗!!! !!,!!!!!! !!,!"#!!! !!,!"#!!! )
Variablerna i ekvationen är antal år bolaget varit noterat, räntabilitet på eget kapital, andelen
styrelseledamöter med aktieinnehav samt antal år VD:n besuttit sin post. Modellen
klassificerar 69,4 % av alla studerade bolag i rätt kategori. Av de 36 matchande bolagen
klassificerar modellen 26 bolag rätt, dvs. som icke sanktionerade bolag, medan 10 av bolagen
klassificeras som sanktionerade bolag, vilket inte stämmer överens med verkligheten. Av de
36 sanktionerade bolagen klassificerar modellen 24 bolag rätt, dvs. som sanktionerade bolag
medan 12 bolag klassificeras till fel grupp, dvs. den icke sanktionerade gruppen.
Tabell 8.4: Klassifikations logitregression
Alla variabler förutom antalet år bolaget varit noterat har ett negativt samband, dvs. har en
negativ b-koefficient i logfunktionen, vilket betyder att höga värden på dessa variabler
indikerar ett icke sanktionerat bolag medan låga värden indikerar ett sanktionerat bolag.
Variabeln som anger antalet år bolaget varit noterat har ett positivt samband, vilket betyder
att ett högt värde på denna variabel indikerar ett sanktionerat bolag medan ett lågt värde
indikerar ett icke sanktionerat bolag. Exp(B) är exponentialen av b-koefficienten, och
indikerar förändringen i sannolikhet av en enhets förändring i den förklarande variabeln. Den
är alltså av liknande karaktär som b-koefficienten i logfunktionen men lättare att förstå och
tolka då den inte behöver logaritmeras. Ett värde större än 1 på Exp(B) indikerar att, då den
förklarande variabeln ökar, ökar sannolikheten till att det studerade bolaget blivit
sanktionerat, vilket gäller för variabeln antal år noterad. Ett värde lägre än ett indikerar det
motsatta; då den förklarande variabeln ökar, minskar sannolikheten för att bolaget blivit
sanktionerat, vilket gäller för resterande variabler.
Tabell 8.5: Variabler i modellen
”Waldstatistik” hänvisar till att mäta hur mycket varje variabel, var för sig, bidrar till
prediktionen av den beroende variabeln, dvs. sanktionerat bolag eller inte. Denna statistik
visar om b-koefficienten är signifikant skild från noll. Om b-koefficienten är signifikant skild
från noll kan vi anta att variabeln bidrar signifikant till utfallet av prediktionen.
Signifikansnivån för varje variabels bidragande nivå kan utläsas i Tabell 8.6. Variablernas
bidrag till modellen kan även mätas genom att lägga till en variabel, en efter en, i bidragande
ordning och för varje steg utvärdera hur mycket modellen förbättrades. Detta har utförts och
resultaten av detta finns i Bilaga 4. I många fall är den senare metoden bättre då waldstatistik
kan undervärdera en variabels bidragande till modellen om b-koefficienten är stor.
Tabell 8.6: R2 och Goodness-of-fit test
Tester har gjorts för att se hur väl modellen förutspår den beroende variabeln baserat på de
oberoende variablerna samt hur väl modellen passar observerad data. Resultaten av dessa kan
avläsas i Tabell 8.7 ovan. R2 är ett vanligt mått på hur bra en modell är inom linjärregression.
Detta används även inom logitregression men med en del modifieringar. R2 i en
logitregression kan, liksom i en linjärregression, anta värden mellan 1 och 0, där värden nära
1 visar på en bra modell och värden nära 0 visar på en sämre modell. Dock finns olika sätt att
beräkna R2 inom logitregression och det är betydligt svårare att uppnå ett värde nära 1 än i en
linjärregression. I vissa fall är maxvärdet för R2 i logitregressionen långt ifrån 1.54 Värdena
för ”Cox & Snell” R2 samt ”Nagelkerk” R2 är låga.
”
Hosmer och Lemeshow” är ett annat mått som söker att finna om modellen passar för datan.
Detta testar hypotesen för att modellens predikterade värden är lika med de observerade
värdena, mot att de är olika. Ett högt värde på måttets signifikansnivå betyder att modellen
klarat testet och de predikterade värdena kan anses lika med de observerade värdena.55
Hosmer and Lemeshow test har ett värde väl över 0.05 och klarar då testet för hur väl
modellen passar observerad data.
Vidare har tester gjorts för att undersöka data och dess påverkan på modellen. Dessa tester
inkluderar ”Cook’s distance”, ”leverage”, ”standardiserade residualer” samt ”DF beta” för
konstanten och de förklarande variabler. Resultaten av dessa finns i Bilaga 5. Cook’s distance
är under 1 för alla observationer, vilket man eftersträvar. Värden för ”leverage” bör inte vara
större än 3ggr förväntat leverage. Vår data visar 4 observationer som är större än detta, och en
ny regression har gjort som exkluderar dessa observationer för att testa modellens robusthet.
Dessa tester finns redovisade i Bilaga 6. Standardiserade residualer är ett annat mått för att se
om data innehåller många utbölingar som kan påverka regressionen. Fler än 5% av
observationerna bör inte ligga utanför +-1.96 dess z-värde och endast runt 1% bör vara över
+-2.58. Våra data har 1,4% som ligger utanför +-1.96 och 0% som är över +-2.58. DF beta
för konstanten samt de förklarande variablerna bör vara mindre än 1, och det är alla
observationer.
54
55
Allison, What’s the Best R-Squared for Logistic Regression?
Allison, P., Why I Don’t Trust the Hosmer- Lemeshow Test for Logistic Regression.
9. Analys
I kommande avsnitt diskuteras utfallet kring industriföreningen, hypotestesterna samt
resultaten av logitregressionen. Sammantaget indikerar resultatet att det finns tecken på
samband de sanktionerade bolagen emellan. Analysen kommer vidare förtydliga resultatet
samt göra en ansats till att tolka dess relation till frågeställningen.
9.1 Industri
Resultatet kring hur Disciplinnämndens industrifördelning skiljer sig från Stockholmsbörsen
visar att vissa industrier finns överrepresenterade i Disciplinnämnden, andra
underrepresenterade. Då resultatet för industrifördelningen visar ojämn fördelning mellan
industrierna i relation till Stockholmsbörsens fördelning, kan detta vara en indikation på att
en viss industri påverkar sannolikheten att ett bolag sanktioneras.
Anledningen till varför vissa industriklasser är underrepresenterade och andra
överrepresenterade skulle kräva vidare studier för att kunna säkerställas. Däremot skulle en
förklaring kunna vara att de industrier som är underrepresenterade hos Disciplinnämnden har
haft en god tillväxt med positiva resultat under tidsperioden, där de inte behövt oroa sig om
intressenters syn på bolaget och därmed inte frestats till att utge felaktig information. Vidare
skulle hypotesen, som diskuteras i avsnitt 7. Empirisk data, om att industrier som
kännetecknas av forskning och utveckling samt patent vilket kan bidra till svårigheter med
informationsgivande kunna förklara varför vissa industrier är överrepresenterade. Hypotesen
stöds nämligen i resultaten där sjukvård är något överrepresenterade.
Å andra sidan motsäger sig resultaten ovanstående argumentet då teknikföretag är
underrepresenterade trots att det är en industri med mycket forskning och utveckling samt
patent. Vidare är industrin konsumenttjänster inte, typiskt sett, förknippad med forskning och
utveckling samt patent men är ändå överrepresenterade hos Disciplinnämnden. Detta tyder på
att resultaten av industriernas över-/ underrepresentation också kan vara av en ren
tillfällighet. Resultaten ger alltså vissa indikationer på en avvikande industrifördelning
gentemot Stockholmsbörsen, orsakerna till varför detta förhållande föreligger är däremot
utanför studiens ramar.
9.2 Hypotestester
9.2.1 Antal år bolaget har varit noterat på Stockholmsbörsen
Nollhypotesen gällande variabeln ”Antal år noterad” kan förkastas på 10 % signifikansnivå.
Medelvärdet för sanktionerade bolag respektive matchande bolag är 17 och 9 år. Medianen är
8 respektive 6 år. En första tanke när studien inleddes var att bolag som varit noterade under
en kortare period löper större risk att anmärkas Disciplinnämnden på grund av mindre
aktsamhet kring regelverket. Däremot visar resultaten det motsatsen. När skillnaden
utvärderas efter median är differensen cirka 2 år, medan medelvärdena skiljer sig 8 år. Detta
kan förklaras av att utbölingar, vilka dessutom bidrar till en stor varians, ökar medelvärdet.
Exempelvis börsnoterades Svenska Handelsbanken AB (2007:2) år 1873 vilket påverkar
resultatet. Trots detta tyder resultatet på att bolag som varit noterade under en längre period
riskerar att begå regelbrott med större sannolikhet än nyligen noterade bolag.
Ett bolagsstyrningsperspektiv kan vidare förklara varför ett bolag som varit noterat under en
längre period riskerar att sanktioneras av Disciplinnämnden. Ett äldre företag på börsen kan
anses ha längre erfarenhet kring regelverk och uppförandekod. Samtidigt kan detta resultera i
att företagen känner sig mer bekväma kring hur bolaget, efter rutin, brukar rätta sig efter
reglerna. En aspekt menar på att bolagen tror sig följa reglerna bättre än vad de egentligen
gör. När det kommer nya restriktioner kring regelverket är bolaget inte lika snabb på att
anpassa sig jämfört med ett nyligen noterat bolag som inte har lika inarbetade rutiner. Med
detta uppkommer slarvaktighet och mindre uppmärksamhet kring förändringar då det mesta
kanske sker per rutin. Därmed skulle detta kunna vara en förklaring till varför äldre bolag är
överrepresenterade hos Disciplinnämnden.
Att utvärdera variabeln ur en annan synvinkel där bolaget begår brott medvetet kan även
diskuteras. Bolaget i fråga kan, på grund av erfarenhet, tro sig veta hur regelverket kan
undgås utan konsekvenser. Ett relativt nyligen börsnoterat bolag anses alltså mer angeläget
om att följa regelverket. Ett nyligen noterat bolag är dessutom under uppsyn de första åren
och riskerar att förlora sin plats på börsen så länge de inte följer regelverket.56 Å andra sidan
kan resultatet inte tala för att matchande bolag är direkt nynoterade. Det matchande urvalet
visar 9 år på börsen jämfört med de sanktionerade bolagens 17 år. Visserligen tyder resultatet
på att bolagets ålder på börsen har inverkan. Däremot kan medianens 8 år för sanktionerade
56
Billing
bolag mot 6 år för matchande bolag inte tala för en erfarenhetsmässig signifikant skillnad.
Detta försvagar variabelns styrka.
9.2.2 Räntabilitet på eget kapital
Nollhypotesen gällande variabeln ”Räntabilitet på eget kapital” kan förkastas på 5 %
signifikansnivå. Medelvärdet för sanktionerade respektive matchande bolag är -88% och -3%.
Med tydlig signifikans konstateras det att sanktionerade bolag tenderar att ha lägre räntabilitet
på eget kapital än Stockholmsbörsens icke sanktionerade bolag. Även om de matchande
bolagen har ett negativt medelvärde för räntabilitet på eget kapital, är de sanktionerade
bolagens räntabilitet på eget kapital märkbart lägre. Alltså, en organisation med stark negativ
avkastning förekommer oftare bland Disciplinnämndens ärenden.
Anledningen till att resultatet visar ett sådant starkt antydande på negativ avkastning kan
diskuteras ur flera aspekter. Dels kan ett bolag som med låg avkastning vara mindre
motiverat att upprätthålla samma standard som i gynnsamma tider, dels kan bolagsledningen
uppleva en annan prioritetsordning än att följa regelverket. Ett förtydligande kan vara att
jämföra motsatsen, att ett bolag med stark positiv avkastning och goda resultat skulle vara
mer angeläget att även sköta sig gentemot regelverket för att inte mista anseende hos
intressenter. Därmed löper de företag med låg räntabilitet på eget kapital större risk att begå
brott.
Vidare kan även regelbrott anknutet variabeln ske i ett manipulativt syfte. Då bolagets
avkastning sjunker eller indikerar på att ge ett negativt resultat vid årets slut kan
bolagsledningen frestats till att medvetet rikta information och finansiell data för att påverka
börskursen. Bolaget kan exempelvis frestas till att ge ut information om en ny produkt,
forskningsresultat, beviljade patent eller nya avtalade kunder innan beslut är fastställda.
Avsikten är ofta att dölja företagets dåliga prestation, behålla aktieägare och skydda sitt rykte
gentemot omvärlden.
9.2.3 Andel styrelseledamöter med aktieinnehav i bolaget
Nollhypotesen gällande variabeln ”Andel styrelseledamöter med aktieinnehav” kan förkastas
på 2,5 % signifikansnivå. Medelvärdet för de sanktionerade bolagen jämfört med matchande
bolag är 0,68 respektive 0,80. Sanktionerade bolag har alltså mindre andel personer i
styrelsen med aktieinnehav jämfört med matchande bolag. För att studera medianen är den
0,72 för sanktionerade bolag respektive 0,80 för matchande bolag vilket stabiliserar värdena
kring att likna utfallet av medelvärdena.
Att argumentera för huruvida ett starkt aktieinnehav skulle kunna motivera bolag att sköta sig
kan stödjas av flera argument. Främst kan det anses att bolag med styrelseledamöter som
innehar aktier i bolaget ger incitament till att bolaget ska skötas väl. Vidare, då
styrelseledamöter har flertalet uppdrag och är engagerade i andra bolagsstyrelser kan
aktieinnehav motivera större engagemang. Egentligen skulle aktieinnehavet även kunna ses i
aspekt kring grad av inflytande. Ju större aktieinnehav, desto mer inflytande och makt över
bolaget då aktier även ger rösträtt kring olika beslut. En styrelseledamot utan aktieinnehav
kan ha större intresse vid andra åtaganden och inte uppmärksamma slarvaktigheter i bolagets
beslutfattande och räkenskaper. Därmed kan bolagsstyrningen försvagas och slarvaktighet
kring finansiella rapporter riskeras.
Även om nollhypotesen kan förkastas på en låg signifikansnivå kan det, efter en närmare
granskning, argumenteras för att effekten av detta inte bör ha allt för stor inverkan.
Skillnaden för antal ledamöter i styrelsen med aktieinnehav är cirka en person (0,85*person)
vilket inte talar för särskilda bevis för att aktieinnehavet skulle ha betydelse i sammanhanget.
Givet en styrelse på 7,25**personer (medelvärdet för både sanktionerade och matchande
bolag), kan inverkan en person mer eller mindre med aktieinnehav inte anses utgöra en
betydande skillnad för besluten och arbetet i styrelsen.
Vidare skulle det kunna argumenteras för att om skillnaden var noll personer med
aktieinnehav mot en person med aktieinnehav i styrelsen, skulle detta ha större betydelse då
denna person kan komma med nya skilda värderingar jämfört med de andra ledamöterna.
Dock visar 4,9*** ledamöter mot 5,8**** ledamöter i de sanktionerade- respektive matchande
bolagen att det redan finns en betydande del ledamöter med aktieinnehav i styrelsen, och att
en person mer skulle göra betydande skillnad är svårt att se. Dessutom tar denna variabel inte
hänsyn till hur stort ledamöternas aktieinnehav faktiskt är vilket kan betyda att denna extra
ledamot kan inneha en aktie eller en miljon aktier, vilket påverkar avsevärt, försvårar
analysen samt försvagar variabeln och dess utfall.
*
Uträkning: (0,80- 0,68)*7,25=0,85 (utan avrundningar)
Uträkning: (7,42+7,07)/2=7,25 (utan avrundningar)
***
Uträkning: 7,25*0,68=4,9(utan avrundningar)
****
Uträkning: 7,25*0,80=5,8(utan avrundningar)
**
9.2.4 Antal år VD:n har befattat sin post
Nollhypotesen gällande variabeln ”VD antal år” kan förkastas på 10 % signifikansnivå.
Medelvärdet för sanktionerade bolag respektive matchande bolag är 4 och 6 år och medianen
är 1 och 4 år grupperna emellan. Detta indikerar att en VD som besuttit sin post under en
kortare period än en VD med längre erfarenhet oftare förekommer i Disciplinnämndens
ärenden.
En förklaring till ovanstående antagande kan vara att en nyligen tillsatt VD har mindre
erfarenhet av kontroll och styrning än en VD med större erfarenhet. Dessutom kan denne,
trots tidigare liknande uppdrag, sakna kännedom kring hur organisationen fungerar. Att fatta
beslut och dessutom ha rätt kännedom kring vilken information som får lämna bolaget är
även något som antas behärskas bättre av en etablerad VD. Vidare kan en nyligen tillsatt VD,
bolagets beslutsfattande organ, tänkas ha nya idéer kring hur bolaget ska struktureras varefter
fokus på kärnverksamheten och strategiska aspekter prioriteras. Dessutom kan ett bolags VDbyte också vara en konsekvens av total omstrukturering inom ett företag som befinner sig i
obalans. Detta kan i sin tur leda till minskat ansvarstagande gentemot börsen.
Även om bolagen ofta anses dömas efter slarvaktighet bör även variabeln diskuteras ur ett
avsiktligt perspektiv där VD:n medvetet väljer att frångå reglerna. Om företaget inte tar den
riktning som förväntas kan VD:n bli frestad av att frångå regelverket. Särskilt en nyligen
tillsatt VD, som gärna mäter sin egen prestation i goda finansiella rapporter och vill
upprätthålla en bild av att företaget presterar väl, kan låta sig påverkas av andra beslutstagare
i organisationen och manipulera information.
Å andra sidan kritiserar Billing variabeln och menar att måttet kan ge missvisande effekter.
Han menar att variabeln inte visar VD:ns tidigare erfarenheter eller ”börserfarenhet”. Den
anställde VD:n kan vara etablerad på så vis att han har besuttit höga positioner på andra
börsnoterade företag och har samma förmåga att driva ett börsnoterat bolag likt en VD som
har besuttit sin post under en längre period. Samma argument gäller VD:ns tidigare
erfarenheter inom bolaget då variabeln inte tar hänsyn till om VD:n har företagsspecifik
erfarenhet via andra positioner eller om denne är helt ny. Vidare anser Billing även att andra
beslutsfattare inom organisationen, exempelvis ekonomichef och dess omgivande
organisation, är av minst lika stort intresse vid bedömningen av risk för sanktion. Med denna
argumentation försvagas variabelns styrka, trots avvikelser mellan sanktionerade och
matchande bolag.
9.2.5 Styrelsens storlek
Nollhypotesen gällande variabeln ”Antal styrelseledamöter” kan inte förkastas på rimlig
signifikansnivå. Båda gruppernas medelvärde samt median resulteras kring 7 ledamöter. Det
är alltså inte möjligt att argumentera för ett samband mellan antal styrelseledamöter och
sannolikheten att begå brott.
Tidigare forskare antar att större bolagsstyrelser bidrar till ineffektiv beslutsfattning varefter
en optimal styrelse har runt 5-8 ledamöter, några fler om bolaget är större och mer komplext.
Resultaten visar att medelvärdet för antal styrelseledamöter inom de sanktionerade bolagen
respektive de matchande bolagen praktiskt taget är detsamma, runt sju stycken. Sju ledamöter
befinner sig även inom tidigare forsknings rekommendationen för optimal storlek på en
beslutande grupp. Däremot visar inte resultaten att styrelsens storlek har betydelse för om ett
bolag sanktioneras av Disciplinnämnden eller inte. Anledningen till detta kan vara att det
finns en norm i Sverige över ungefärlig storlek på styrelse och att detta över lag inte skiljer
sig betydande över Stockholmsbörsen.
9.2.6 Andel kvinnor i styrelsen
Nollhypotesen gällande variabeln ”Andel kvinnor i styrelsen” kan inte förkastas på rimlig
signifikansnivå. Båda medelvärdena visar omkring 0,15 kvinnor i styrelsen vilket inte
särskiljer grupperna. Medianen visar 0,14 för sanktionerade bolag och 0,125 för matchande
bolag.
Eftersom statistisk data inte visar något samband kan hypotesen kring kvinnornas inflytande
inom bolagsstyrning och risken att bli sanktionerad Disciplinnämnden inte bekräftas. Våra
resultat skulle kunna bero på att styrelser över lag består av få kvinnor och att kvinnornas
andel därför inte kan påverka styrelsen tillräckligt för att ge en tydlig effekt på resultaten.
Ett annat perspektiv på resultaten kan vara att det faktiskt inte är någon skillnad på hur
kvinnor och män fattar beslut samt arbetssätt då resultaten visar tydligt att andelen kvinnor i
styrelsen inte har någon påverkan på hur bolaget sköter sig på börsen. Dock visar studien att
antalet kvinnor är underrepresenterade i både sanktionerade bolag och matchande bolag
vilket bidrar till att vi inte kan dra några slutsatser kring hur det skulle se ut om fler kvinnor
fanns representerade eller om inga kvinnor fanns representerade. Kanske skulle alla bolag
sköta sig mycket bättre eller mycket sämre. Att bevisa kvinnornas inflytande i ensam
bemärkelse är därför svårt.
9.3 Logitregressionen
9.3.1 Modellen
Logitregressionen predikterar 69,4 % av observationerna i rätt grupp, 72,2% av de matchande
bolagen predikteras som matchande bolag enligt modellen och 66,7 % av de sanktionerade
bolagen predikteras som sanktionerade bolag enligt modellen. En betydande del av
observationerna kategoriseras alltså in i rätt grupp av modellen. Dock kategoriserar modellen
27,8 % av observationerna i fel grupp. Dessa observationer anser alltså modellen ha större
sannolikhet för att tillhöra den motsatta gruppen även om verkligheten visar att de inte gör
det.
De fyra förklarande variablerna* visar samma samband som hypotestesterna innan gjort. Då
antalet år bolaget har varit noterat ökar, ökar även sannolikheten för sanktion. Övriga
variabler visar de motsatta, då räntabiliteten på eget kapital, andelen ledamöter med
aktieinnehav eller antal år VD besuttit sin post minskar, ökar sannolikheten för sanktion.
Resultaten av Waldstatistiken visar att alla variabler inte har en godkänd signifikansnivå för
att anta att b-koefficienten är skild från noll och att den förklarande variabeln därmed
signifikant bidrar till prediktionen. Variabeln som mäter antal år bolaget har varit noterat på
Stockholmsbörsen bidrar till prediktionen med lägst signifikansnivå (0,094), varefter de mest
signifikanta variablerna är; räntabilitet på eget kapital (0,170), ledamöter med aktieinnehav
(0,191) och antal år VD:n besuttit sin post (0,323), i sjunkande ordning. Antal år VD:n
besuttit sin post visar inte på särkilt signifikant bidrag till modellen och skulle kunna
uteslutas, dock visade modellen med denna variabel bättre övergripande resultat än en modell
utan variabeln inkluderad. Detta visar att variabeln har betydelse för modellen.
Egentligen är variabeln för antal år bolaget varit noterat den enda som bidrar till modellen på
en godtagbar signifikansnivå. Alla de tre resterande variablerna har något för hög
signifikansnivå. Dock, med samma argumentation som tidigare, bidrar de tre variablerna
inkluderade i modellen till en bättre övergipande procentuell andel som modellen
*
Antal år bolaget varit noterat, räntabilitet på eget kapital, andel ledamöter med aktieinnehav, antal år VD besuttit sin post
klassificerar rätt och till att modellens övergipande signifikansnivå blir lägre. Detta talar
alltså för en förbättrad modell vilket innebär att fyra av de sex studerade variablerna
inkluderas i den slutgiltiga logitregressionen. Vidare skulle man kunna dela
signifikansnivåerna med två då nivåerna som kalkyleras av SPSS gäller för dubbelsidiga test
och vi är egentligen intresserade av ett enkelsidiga test. Delas signifikansnivåerna med två får
alla variabler utom variabeln som mäter antal år VD:n besuttit sin post en godtagbar
signifikansnivå. Detta talar för att modellen ändå upprätthåller en godkänd nivå.
Vidare kan modellen anses ha en godtagbar procentuell andel som den klassificerar rätt. De
företag som har stor sannolikhet att sanktioneras, men i verkligheten inte blir det, kan ha
andra egenskaper som vi inte testat för som gör att de, trots hög sannolikhet, inte
sanktionerats av Disciplinnämnden. Detta visar återigen att fortsatt forskning är nödvändig
för att förbättra modellen. Dock är en modell sällan hundraprocentig och undantag kommer
alltid att finnas. Logitregressionen visar trots allt att det finns faktorer som särskiljer de
sanktionerade bolagen från övriga Stockholmsbörsen mellan åren 2002-2012, och att de fyra
nämnda faktorerna ovan kan appliceras.
9.3.2 Regressionens kvalitet & robusthet
Som utläses i avsnitt 8. Resultat är värdena på R2 för modellen mycket låga, vilket talar för en
sämre modell. Däremot är värden enligt denna storlek vanligt förekommande vid en
logitregression och det finns professorer som argumenterar för att kvaliteten på dessa mått är
begränsade.57
Enligt avsnitt 8. Resultat kan det utläsas att vår modell fått en mycket hög signifikans vilket
betyder att modellen predikterar värden som kan anses lika med de observerade värdena.
Vidare är Cook’s avstånd är ett mått som undersöker om det finns extrema värden som kan
påverka modellens beta värden. Som redovisat i avsnitt 8. Resultat har inga sådana värden
påvisats.
Vid undersökning av de standardiserade residualerna visade det sig att observationerna inte
innehöll fler värden än det rekommenderade, endast 1,4 % låg utanför +/-1,96. Detta test
visar återigen att inga större extremvärden ska finnas som påverkar modellen.
57
Allison, What’s the Best R-Squared for Logistic Regression?
När vi tittar på leverage får vi däremot ett annat resultat. Här finns 4 observationer som är
större än 3ggr medelvärdet för urvalets leverage. Stevens rekommenderar att undersöka
sådana observationer.58 Värt att nämna är att alla dessa ”extrema värden” är sanktionerade
bolag. Därför gjordes en ny regression där dessa fyra observationer uteslöts. Detta påverkade
modellen på så vis att modellens procentuella andel av hela urvalet som klassificeras rätt blev
lägre och de olika variablernas signifikansnivå för Wald-värdet blev avsevärt större vilket
visar på att modellen försvagats. Detta talar för att modellen är svag då dessa fyra
observationer har stor inverkar på dess utfall. Hade modellen förändrats mycket lite när dessa
värden togs bort skulle det tyda på robusthet för modellen.
Vidare kan man argumentera för att studiens urval redan är relativt litet med endast 72
observationer i logitregressionen vilket gör att ett bortfall på 4 observationer självklart
påverkar modellen, speciellt då de kan anses ”extrema”. Då data för dessa observationer
också kan anses riktiga, då de bygger på information från bolagens årsredovisningar till
skillnad från exempelvis databaser där tryckfel kan förekomma, är de viktiga för regressionen
och dess resultat. Observationerna bör inte exkluderas bara för att de anses extrema och då
dess information anses riktig har de också värdefull information att bidra med till modellen.
Sammanfattningsvis kan man säga att, trots att de 4 observationerna behålls i den aktuella
modellen som framgår i 8. Resultat tyder testet på att modellen inte har en större robusthet då
den påverkas av små bortfall av data.
Bristerna i modellens robusthet och något höga signifikansnivåer för de fyra variablerna talar
för att modellen är relativt svag och kan förbättras. Som tidigare diskuterats i sektion 8.2
Hypotesprövningar, finns även där frågetecken kring hur mycket dessa variabler faktiskt
bidragit till att ett bolag sanktionerats eller inte. Däremot framgår det att de fyra diskuterade
variablerna är faktorer som skiljer de sanktionerade bolagen och matchande bolagen åt under
den gällande tidsperioden. Huruvida detta är generaliserbart på hela Stockholmsbörsen och
om dessa variabler faktiskt är bidragande till att ett bolag sanktioneras är dock mindre
övertygande och kommer att diskuteras vidare i avsnitt 10. Slutsatser och slutdiskussion.
58
Stevens, Regression.
10. Slutsatser och slutdiskussion
Syftet med vår studie var att besvara frågeställningen huruvida det finns faktorer som
särskiljer sanktionerade bolag från Stockholmsbörsens icke sanktionerade bolag. Resultaten
från de utförda hypotestesterna och logitregressionen visar skillnader de två grupperna
emellan. Med detta kan studien påvisa att det finns faktorer, relaterat bolagsstyrning, som
skiljer sanktionerade bolag från icke sanktionerade bolag.
Dock visar robusttest på logitregressionen att den anpassade modellen förändras vid små
justeringar vilket försämrar dess styrka. Modellen anses fungera för det undersökta urvalet
men har svårt att generaliseras för större förändringar och andra tidsperioder. Därmed finns
utrymme för förbättring av modellen.
10.1 Reliabilitet
Med reliabilitet menas i huvudsak möjligheten att reproducera en studie, med samma resultat.
Reliabilitet i en studie med kvantitativ ansats kan bland annat mätas utifrån test- retestreliabilitet och inter-reliabilitet, vilket diskuteras nedan.59
Test-retest-reliabilitet är ett mått på om studien kan upprepas och ge samma resultat.
Studiens data är baserad på information som inte förändras med tiden. Dessutom utgör de
sanktionerade bolagen hela urvalets population vilket ger samma resultat om studien
återupprepas. Däremot kan resultatet istället förändras om de matchande bolagen byts ut
vilka representerar ett urval av Stockholmsbörsens icke sanktionerade bolag.
Inter-reliabilitet syftar på att testet är oberoende av vem som utför det, alltså om den är fri
från skevhet. Då studiens data består av publik information samt saknar metoder som kräver
en viss bedömning eller risk för subjektivitet (exempelvis intervjuer och enkäter) bedöms
testen vara oberoende av utföraren.
10.2 Validitet
Validitet avser att bedöma huruvida studien testar det som är avsett att undersökas. Det finns
två typer av validitet, inre och yttre validitet.60
Inre validitet avser hur väl studiens resultat stämmer överens med verkligheten. Här
uppkommer vissa problem, huvudsakligen när det gäller de matchande bolagen. Då
59
60
EKI, Reliabilitet.
EKI, Validitet.
Stockholmsbörsen är begränsad och relativt liten i jämförelse med exempelvis amerikanska
handelsplatser, har kompromisser gjorts för att finna matchande bolag. Dessa kompromisser
innebär att företagen kan skilja sig gällande storlek (se avsnitt 4. Metod, kriterium 4.
Nettoomsättning) och andra egenskaper vilket gör att ett matchande bolag inte kan liknas det
sanktionerade bolaget på ett önskvärt sätt. Med detta blir jämförelsen inte helt representativ.
Yttre validitet bedömer graden generaliserbarhet av resultatet. Även här är de matchande
bolagen problematiska. Återigen påminner vi om att Stockholmsbörsen är liten i jämförelse
med andra handelsplatser vilket begränsar urvalet av matchande bolag. Detta leder till att
vissa enskilda bolag väljs som matchande bolag flera gånger, och ibland till sanktionerade
bolag vilkas händelser skett samma år. Det huvudsakliga problemet med detta är att ett visst
matchande bolags data återkommer flera gånger vilket kan riskera att snedvrida resultatet så
länge bolaget inte är perfekt representativt för hela Stockholmsbörsen, något vi inte kan
avgöra.
Problemet anses vara av mindre effekt när ett matchande bolag upprepas vid olika tidpunkt då
variablerna varierar år till år. Även om det matchande bolaget har samma strategier eller
organisationsstruktur, vilket kan snedvrida resultatet, behöver variablernas utfall inte visa
densamma. Dessutom är de sanktionerade bolagen oberoende varandra vilket talar för att
samma matchande bolag kan användas flera gånger. Dock uppstår större problem när
matchande bolag används två gånger under samma år vilket leder till att exakt samma värden
på variablerna används. Detta kan riskera att snedvrida resultatet och inte vara representativt
för hela börsen.
Validiteten i denna studie möter tydligt vissa problem, där den tillämpade metoden ”match
sample” anses bristfällig. Därför kan det argumenteras för att en annan metod borde anpassas
för att finna skillnader sanktionerade och matchande bolag emellan. En alternativ metod som
diskuterats är att använda hela populationen, Stockholmsbörsen, för respektive år som urval
för att undvika snedvridande effekter. Däremot har denna studie inte kunnat hitta det underlag
som krävs för att genomföra ovanstående metod. Om data finns tillgänglig, uppmuntras
däremot denna metod för ökad validitet.
10.3 Kritik och förslag på framtida forskning
Då Disciplinnämndens lista över sanktionerade bolag ständigt uppdateras kan det vara
intressant att återupprepa en liknande studie i framtiden. Dels kan detta uppmuntra att
inkludera ett större urval, dels ger en framtida studie möjligheter till att jämföra resultat med
denna uppsats. Syftet kan då vara att undersöka om det skulle finnas andra mer lämpade
variabler vilka påverkar urvalet samt utveckla de variabler som behandlas i studien. Förslag
till hur studien skulle kunna utformas i framtiden presenteras nedan.
Uppsatsens urval är begränsat, 39 bolag efter avgränsning. Med tanke på urvalets storlek kan
det vara svårt att finna övergripande samband. Dessutom kan brus och andra störningar vid
insamlandet påverka resultaten. Å andra sidan visar urvalet en komplett population under den
tidsperiod som granskas. Disciplinnämndens totala urval lär växa med tiden vilket skulle
kunna påvisa tydligare samband vid en framtida studie.
Tidsperioden, 10 år, kan argumenteras vara kort. Då Disciplinnämnden delger data från 1994,
vilket skulle kunna göra en period om 18 år möjlig, har vi ändå valt att begränsa tidsfönstret.
Informationen som hittades i årsredovisningar från 1990-talet är ofta av sämre kvalitet och
svår att hitta. Detta skulle istället kunna försämra studiens kvalitet. Däremot skulle ett större
tidsfönster vara fördelaktigt att studera i framtiden.
Gällande undersökningen kring huruvida vilken industri som påverkar sannolikheten att ett
bolag sanktioneras i Disciplinnämnden rekommenderas, som angett i avsnitt 9. Analys, vidare
forskning. En djupare studie bör genomföras med avsikt om att förklara huruvida vissa
industrier har större sannolikhet att sanktioneras än andra. Inför detta utförande
rekommenderas ett större urval bolag för att kunna göra ett statistikt test på
industrifördelningen.
Vid utformander av en variabel kring VD och dennes inflytande bör variabeln utvecklas
vidare. I denna studie värderas endast antal år VD:n har varit verksam. Däremot tar studien
inte hänsyn till om VD:n har tidigare erfarenhet på börsföretag eller dennes tidigare
positioner på företaget. I jämförelse med dessa faktorer är antal år VD:n har varit verksam på
företaget någorlunda bristfällig och bör kompletteras inför framtida studier. Ett förslag kan
vara att utvidga variabeln och, liksom diskuterats i avsnitt 9. Analys, även studera
ekonomichef och avdelningar utformade för investerare, exempelvis ”investor relations”.
Antal år ett bolag har varit noterat på Stockholmsbörsen uppmanas också att justeras i en
framtida studie. Ett förlag är att dela in antal år som bolaget har varit noterat i grupper om
tidsintervall, exempelvis nynoterad, erfaren och etablerad. Med detta kategoriseras bolagen
och utbölingar behöver inte ge snedvridande resultat i och med att de nu inkluderas i en grupp
och inte värderas efter specifikt antal år. Ett annat alternativ för att minska effekten av
utbölingar är att göra en funktion av bolagets ålder genom logaritmen på antal år.
Ett förslag på att utveckla studiens finansiella mått, räntabilitet på eget kapital, kan vara att
expandera tidsfönstret och studera det under en längre period, exempelvis fem år. Då kan en
trend lättare studeras och undersöka om även sjunkande avkastning bidrar till ökad
sannolikhet att begå regelbrott. Dessutom kan, som alternativ för avkastning, en redogörelse
för aktieutvecklingen under en avgränsad period även skapa en bild av företagets prestation
men mer relaterat till börsen.
Variabeln som utvärderar andel personer i styrelsen med aktieinnehav rekommenderas att
studeras mer utförligt. Det vore intressant att studera exakt antal aktier ledamöterna innehar i
relation till alla företagets utstående aktier, vilket avfärdats i denna studie då det ligger
utanför studiens ramar att samla in sådan information.
Avslutningsvis kan det konstateras att studien lyfter upp intressanta aspekter gällande
Disciplinnämndens ärenden vilka, om inte annat, kan bidra till att förbättra
Stockholmsbörsens regelverk och normer. Även om frågeställningen inte har tillräckliga
statistiska bevis gällande alla tester, indikerar studien på att det finns egenskaper vilka
särskiljer Disciplinnämndens sanktionerade bolag från resterande Stockholmsbörsens icke
sanktionerade bolag. Att utveckla studien uppmuntras därför starkt då ytterligare empiriska
bevis inte enbart är av intresse för Stockholmsbörsens legala enheter utan även svensk
bolagsstyrning.
11. Referenser
Artiklar
Allison, P., 2013. What’s the Best R-Squared for Logistic Regression?. Statistical Horizons.
13 februari.
Allison, P., 2013. Why I Don’t Trust the Hosmer- Lemeshow Test for Logistic Regression.
Statistical Horizons. 5 mars.
Elias, A., 2013. SvD. Kvotera kvinnor till styrelser. Svenska Dagbladet. 7 maj, s. 6.
Beasley, M. S., 1996. An Emperical Analysis of the Relation between the board of Director
Composition and Financial Statement Fraud. The Accounting Review. Vol. 71, No. 4, s. 443465.
Boone, A. L., Field, L. C., Karpoff J. M. och Raheja C. G., 2005. Determinants of Corporate
Board Size and Composition: An Empirical Analysis. The Journal of Financial Economics.
Vol 85, No. 1, s. 66-101.
Farber, D. B., 2005. Restoring Trust after Fraud: Does Corporate Governance Matter?. The
Accounting Review. Vol. 80, No. 2, s. 539-561.
Geretya, M. och Lehn, K., 1997. The Causes and Consequences of Accounting Fraud.
Managerial and Decision Economics. Vol. 18, s. 587-599.
Böcker
Burns, R. P. och Burns, R., 2009. Logistic Regression. Business Research Methods and
Statistics Using SPSS. London: SAGE Publications Ltd, s. 568-588.
Sevenius, R., 2007. Bolagsstyrning. Lund: Studentlitteratur AB.
Stevens, J. P., 2002. Regression. I: Field, A., 2013. Discovering Statistics Using IBM SPSS
Statistics. London: SAGE Publications Ltd, s. 307.
Disciplinnämndens pressmeddelanden
Nasdaq OMX, 2002. BioPhausia AB. Brott mot noteringsavtalet - börsens disciplinnämnd
utdömer viten. [online] Tillgänglig:
<http://www.nasdaqomx.com/digitalAssets/26/26995_2002_5_BioPhausiaAB.PDF>
[Hämtad: 2013-04-27].
Nasdaq OMX, 2007. Carnegie AB. Disciplinnämnden vid OMX Nordiska Börs Stockholm
utdömer höga viten mot Carnegie. [online] Tillgänglig:
<http://www.nasdaqomx.com/digitalAssets/39/39333_2007_9_Carnegie_Sverige_pressmedd
elande_sv.pdf> [Hämtad 2013-03-21].
Nasdaq OMX, 2003. Elekta AB. Brott mot noteringsavtalet – Stockholmsbörsens
disciplinnämnd utdömer vite samt meddelar varning. [online] Tillgänglig:
<http://www.nasdaqomx.com/digitalAssets/26/26981_2003_1_Elekta_AB.pdf> [Hämtad:
2013-04-27].
Nasdaq OMX, 2002. Enea AB. Brott mot noteringsavtalet - börsens disciplinnämnd utdömer
viten. [online] Tillgänglig:
<http://www.nasdaqomx.com/digitalAssets/26/26993_2002_3_Enea_Data_AB.PDF>
[Hämtad: 2013-04-27].
Nasdaq OMX, 2004. Försäkrings AB Skandia. Skandia har brutit mot Stockholmsbörsens
noteringsavtal- åläggs betala vite. [online] Tillgänglig:
<http://www.nasdaqomx.com/digitalAssets/26/26979_2004_4_F__rs__krings_AB_Skandia.p
df> [Hämtad 2013-03-22].
Nasdaq OMX, 2011. HQ AB. [online] Tillgänglig:
<http://www.nasdaqomx.com/digitalAssets/74/74659_besluthq2.pdf> [Hämtad: 2013-04-28].
Nasdaq OMX, 2010. Morphic Technologies AB. [online] Tillgänglig:
<http://www.nasdaqomx.com/digitalAssets/66/66931_morphic_technologies_ab_decision.pd
f> [Hämtad: 2013-04-26].
Nasdaq OMX, 2002. SAS AB. SAS har brutit mot informationsskyldighet – åläggs betala vite.
[online] Tillgänglig:
<http://www.nasdaqomx.com/digitalAssets/26/26991_2002_1_SAS_AB.PDF> [Hämtad:
2013-04-26].
Hemsidor
Aktiespararna, 2010. Regler. [online] Tillgänglig: <http://www.aktiespararna.se/sajt/omoss/Agarstyrningspolicy/Regler/> [Hämtad 2013-03-21].
Articlebase, 2008. Function and Purpose of Stock Market. [online] Tillgänglig:
<http://www.articlesbase.com/investing-articles/function-and-purpose-of-stock-market582881.html> [Hämtad 2013-03-20].
EKI, 2003. Reliabilitet. [online] Tillgänglig:
<http://www.eki.mdh.se/Kurshemsidor/foretagsekonomi/robhan/reliabilitet.htm> [Hämtad:
2013-05-04].
EKI, 2003. Validitet. [online] Tillgänglig:
<http://www.eki.mdh.se/Kurshemsidor/foretagsekonomi/robhan/reliabilitet.htm> [Hämtad:
2013-05-04].
Kollegiet för svensk bolagsstyrning, 2009. Historik. [online] Tillgänglig:
<http://www.bolagsstyrning.se/koden/historik> [Hämtad 2013-03-28].
Margolis, S., 2011. What is the Optimal Group Size for Decision Making?. [online]
Tillgänglig: <http://www.sheilamargolis.com/2011/01/24/what-is-the-optimal-group-size-fordecision-making/> [Hämtad: 2013-05-01].
Nasdaq OMX, 2013. Nasdaq OMX Stockholms Disciplinnämnd. [online] Tillgänglig:
<http://www.nasdaqomx.com/listing/europe/surveillance/stockholm/disciplinarycommittee/>
[Hämtad: 2013-04-11].
Nasdaq OMX, 2013. Rules and Regulations. [online] Tillgänglig:
<http://www.nasdaqomx.com/listing/europe/rulesregulations/> [Hämtad 2013-03-21].
Nasdaq OMX, 2013. Surveillance on First North. [online] Tillgänglig:
<http://www.nasdaqomx.com/listing/europe/surveillance/firstnorth/> [Hämtad 2013-03-28].
Nasdaq OMX Nordic, 2013. Om oss. [online] Tillgänglig:
<http://www.nasdaqomxnordic.com/omoss/> [Hämtad 2013-03-22].
Rogers, T., 2007. Amazing Applications of Probability and Statistics: How to Design Small
Decision Making Groups. [online] Tillgänglig:
<http://www.intuitor.com/statistics/SmallGroups.html> [Hämtad: 2013-05-01].
Svenska Dagbladet, 2013. Fler initiativ med kvinnor i styrelsen. [online] Tillgänglig:
<http://www.svd.se/naringsliv/karriar/fler-initiativ-med-kvinnor-i-styrelsen_8026354.svd>
[Hämtad: 2013-03-25].
Svensk börsinfo, 2013. Börsinformation från SIX Telekurs. [online] Tillgänglig:
<http://ir.svenskborsinfo.se/sbiir/tidningar/nordiclist/sharelist.page [Hämtad 2013-03-22].
Intervjuer
Ackebo, Anders. Setterwalls. F.d. Chef för notering och övervakning på Nasdaq OMX
Stockholm. [2013-03-11].
Billing, Magnus. Nasdaq OMX Stockholm. Vice VD på Nasdaq OMX Stockholm och chef
för legala enheten. [2013-04-23].
Malmqvist, Peter. Finansanalytiker. [2013-03-05].
Publikationer
Blenko, M. W., Mankins, M. C., och Rogers, P., 2010. Decide & Deliver: 5 Steps to
Breakthrough Performance in your Organization. [online]Bain & Company. Tillgänglig:
<http://www.bain.com/Images/Bain_2010_Decision_Insights_2.pdf> [Hämtad: 2013-04-17].
Franzén, C., 2013. Kvinnor i styrelser är lönsamt. [online] Näringslivets Ledarskapsakademi.
Tillgänglig: <http://www.ledarskapsakademi.se/20130324kvinnoristyrelserarlonsamt/>
[Hämtad: 2013-04-27].
ICB Structure, 2012. Branschstruktur och definitioner. [online] FTSE International Limited.
Tillgänglig: <http://www.icbenchmark.com/ICBDocs/Structure_Defs_Swedish.pdf>
[Hämtad: 2013-03-16].
Kollegiet för svensk bolagsstyrning, 2010. Svensk kod för bolagsstyrning. [online] Kollegiet
för svensk bolagsstyrning. Tillgänglig:
<http://www.bolagsstyrning.se/media/43746/svenskkodbolagsstyrn_2010_korrigerad201103
21.pdf> [Hämtad: 2013-02-25].
Nasdaq OMX Stockholm, 2012. Regelverk för emittenter. [online] Nasdaq OMX. Tillgänglig:
<www.nasdaqomx.se> [Hämtad: 2013-02-26].
Övriga referenser
Eva Norling, 2013. Industriklassificering. Nasdaq OMX Issuer Surveillance Stockholm.
[mail].
Glossary of Statistical Terms, 2013. Match Sample. [uppslagsverk] Tillgänglig:
<http://stats.oecd.org/glossary/detail.asp?I- D=3709> [Hämtad: 2013-04-09].
Nasdaq OMX, 2013. Avgöranden i Nasdaq OMX Stockholms disciplinnämnd. [online]
Tillgänglig:
<http://www.nasdaqomx.com/listing/europe/surveillance/stockholm/disciplinarycommittee/d
ecisions/> [Hämtad 2013-03-22].
Nasdaq OMX Stockholm, 2013. Sektorfördelning. No. Of companies- Nordic list. [excelfil]
Tillgänglig: Ulf Persson, Nasdaq OMX Stockholm [2013-05-03].
Nasdaq OMX Trader, 2003- 2012. Monthly Report – Equity Trading by Company and
Instrument. [excelfil] Tillgänglig:
<http://nordic.nasdaqomxtrader.com/newsstatistics/statisticsandreports/nordic_reports/>
[Hämtad: 2013-04-25].
Skatteverket, 2013. Aktiehistorik. [online] Tillgänglig:
<http://www.skatteverket.se/privat/skatter/vardepapperforsakringar/aktiermm/aktiehistorik.4.
dfe345a107ebcc9baf80009051.html> [Hämtad: 2013-04].
Thomson Reuters. Datastream [databas].
Årsredovisningar
Active Biotech (2012). Årsredovisning 2011.
AllTele Allmänna Svenska Telefonaktiebolaget (2010-2011). Årsredovisning 2009-2010.
Artimplant (2002 & 2004). Årsredovisning 2001 & 2003.
Atlas Copco (2007-2008). Årsredovisning 2006-2007.
BE Group (2008). Årsredovisning 2007.
Beijer Alma (2007-2008). Årsredovisning 2006-2007.
BioPhausia (2002). Årsredovisning 2001.
Borås Wäfveri (2010-2011). Årsredovisning 2009-2010.
BTS Group (2003). Årsredovisning 2002.
Bure Equity (2010). Årsredovisning 2009.
D. Carnegie & Co (2006-2008). Årsredovisning 2005-2007.
DGC One (2010-2011). Årsredovisning 2009-2010.
Diamyd Medical (2009-2011). Årsredovisning 2008-2010.
Digital Vision (2006-2007). Årsredovisning 2005-2006.
Duni (2013). Årsredovisning 2012.
Duroc (2005). Årsredovisning 2004.
Elekta (2003). Årsredovisning 2002.
Elos (2003 & 2009). Årsredovisning 2002 & 2008.
Enea Data (2002). Årsredovisning 2001.
Fagerhult (2003). Årsredovisning 2002.
Fastighets AB Balder (2006). Årsredovisning 2005.
Feelgood Svenska AB (2002). Årsredovisning 2001.
Fingerprint Cards (2006-2007). Årsredovisning 2005-2006.
Frontec (2002). Årsredovisning 2001.
Föreningssparbanken (2003). Årsredovisning 2002.
Försäkrings AB Skandia (2001). Årsredovisning 2000.
Getinge (2009). Årsredovisning 2008.
Heba Fastighets AB (2006). Årsredovisning 2005.
48 Anna Heimdahl, 22191
Hemtex (2006, 2010-2011). Årsredovisning 2005, 2009-2010.
HQ (2010 & 2011). Årsredovisning 2009 & 2010.
Höganäs (2004). Årsredovisning 2003.
Intellecta (2003). Årsredovisning 2002.
Intentia (2003 & 2004). Årsredovisning 2002 & 2003.
Investment AB Latour (2006-2008). Årsredovisning 2005-2007.
Karolin Machine Tool (2004). Årsredovisning 2003.
Lagercrantz Group (2006). Årsredovisning 2005.
Lundin Petroleum (2004-2005). Årsredovisning 2003-2004.
Midelfart Sonesson (2008). Årsredovisning 2007.
Morphic Technologies (2010). Årsredovisning 2009.
New Wave Group (2008). Årsredovisning 2007.
Nobia (2013). Årsredovisning 2012.
Nordea (2003). Årsredovisning 2002.
Note (2006). Årsredovisning 2005.
Novestra (2011). Årsredovisning 2010.
Orexo (2012). Årsredovisning 2011.
Pricer (2005). Årsredovisning 2004.
Probi (2009-2011). Årsredovisning 2008-2010.
Proffice (2009). Årsredovisning 2008.
Profilgruppen (2004). Årsredovisning 2003.
Readsoft (2004). Årsredovisning 2003.
Rederiaktiebolag Gotland (2003). Årsredovisning 2002.
Rörvik Timber (2004). Årsredovisning 2003.
Sandvik (2007-2008). Årsredovisning 2006-2007.
SAS (2002). Årsredovisning 2001.
Sectra (2002). Årsredovisning 2001.
Semcon (2005). Årsredovisning 2004.
Sigma (2003). Årsredovisning 2002.
Sign On i Stockholm (2003). Årsredovisning 2002.
Sintercast (2010). Årsredovisning 2009.
Skistar (2002 & 2003). Årsredovisning 2001 & 2002.
SSAB svenskt Stål (2008). Årsredovisning 2007.
Svenska Handelsbanken (2007). Årsredovisning 2006.
Sweco (2003). Årsredovisning 2002.
Swedbank (2007). Årsredovisning 2006.
Taurus Petroleum Årsredovisning 2003-2004.
Teletrade (2001). Årsredovisning 2000.
Tripep (2004). Årsredovisning 2003.
Wedins Skor & accessoarer (2006). Årsredovisning 2005.
Wise Group (2005). Årsredovisning 2004.
XANO Industier (2007-2008). Årsredovisning 2006-2007.
Ångpanneföreningen (2009). Årsredovisning 2008.
12. Appendix
Bilaga 1. Disciplinnämndens samtliga sanktionerade emmittenter 1994-2012
Nr.
1
2
3
4
5
6
7
8
9
10
11
12
Ärendenr.
1994:1
1994:2
1994:3
1994:4
1994:5
1994:6
1996:1
1996:2
1996:3
1996:4
1997:1
1998:1
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
1999:1
2001:1
2001:2
2001:3
2002:1
2002:2
2002:3
2002:4
2002:5
2003:1
2003:2
2003:3
2003:4
2003:5
2003:6
2003:7
2003:8
2003:9
2003:10
2004:1
2004:2
2004:3
2004:4
2004:5
2005:1
2005:2
2005:3
2005:4
2005:5
2005:6
43
44
45
46
2005:7
2005:8
2005:9
2006:1
Företag
Hoist International AB
Wihlborg & Son AB
Errce AB
Dala Hebi AB
Industiförvaltning AB Kinnevik
H & M Hennes & Maurits AB
Skandinaviska Enskilda Banken AB
IRO AB
Getinge Industrier AB
Hebi Health Care AB
Frontec AB
Prosolvia AB
Credit Suisse First Boston/ NF Nordiska
Fondkommission AB
Wilhelm Sonesson AB
FastPartner AB
AB Traction
SAS AB
Rederiaktiebolag Gotland
Enea Data AB
Feelgood Svenska AB
BioPhausiaAB
Elekta AB
Sweco AB
Nordea AB
Intentia International AB
SignOn i Stockholm AB
Intellecta AB
Höganäs AB
Remium AB
OM HEX AB
Medlem AB
Tripep AB
Lundin Petroleum AB
Telefon AB LM Ericsson
Försäkrings AB Skandia
Pricer AB
Intentia AB
Karolin Machine Tool AB
J.P. Morgan Securities Ltd
Lehman Brothers International (Europe)
Citigroup Global Markets Limited
Kaupthing Bank Sverige AB
Fastighets AB Balder/ Enlight International
AB
Fischer Partners Fondkommisson AB
Note AB
Goldman Sachs International
51 47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
2006:2
2006:3
2006:4
2006:5
2007:1
2007:2
2007:3
2007:4
2007:5
2007:6
2007:7
2007:8
2007:9
2007:9
2008:1
2008:2
2008:3
2008:4
2008:5
2008:6
2008:7
2008:8
2008:9
2008:10
2008:11
2008:12
2008:13
2009:1
2009:2
2009:3
2010:1
2010:2
2010:3
2010:4
2010:5
2010:6
2011:1
2011:2
2011:3
2011:4
87
88
89
90
91
92
93
94
2011:5
2011:6
2011:7
2012:1
2012:2
2012:3
2012:4
2012:5
Wedins Skor & accessoarer AB
Wise Group AB / Sign On i Stockholm AB
Merill Lynch International
Danske Bank A/S
Erik Penser Fondkommission AB
Svenska Handelsbanken AB
Timber Hill Europe AG
J P Morgan Securities Ltd
Carnegie A/S
Nobel Biocare Holding AG
FME Europe AB
D. Carnegie & Co AB
Carnegie Investment Bank AB
SSAB Svenskt Stål AB
Midelfart Sonesson AB
CISL Gruppen AB
Telefonaktiebolaget L M Ericsson
Digital Vision AB
Getinge AB
AB Ångpanneföreningen
Sandvik AB
OMX AB
Bankaktiebolaget Avanza
Pilum AB
HQ Bankaktiebolag
Lehman Brothers International
XANO Industier AB
Morphic Technologies AB
NovaCast Technologies AB
Borås Wäfveri AB
HQ AB
Diamyd Medical AB
Metro International S.A.
HQ AB
Skandiabanken AB
UBS Limited
AllTele Allmänna Svenska
Telefonaktiebolaget
Luxonen S.A.
Holmen AB
Pareto Öhman AB
Active Biotech AB
Transcom WorldWide S.A.
Morgan Stanley International Plc
Nobia AB
21964 Ebba Lilliehöök
22191 Anna Heimdahl
Bilaga 2. Studiens urval efter avgränsning
SANKTIONERADE BOLAG
NUMMER
Namn
Matchande bolag
2002:1
SAS AB
Skistar AB
2002:2
Rederiaktiebolag Gotland
Skistar AB
2002:3
Enea Data AB
Frontec AB (Acando AB)
2002:4
Feelgood Svenska AB
Sectra AB
2002:5
BioPhausiaAB
Artimplant AB
2003:1
Elekta AB
Elos AB
2003:2
Sweco AB
Fagerhult AB
2003:3
Nordea AB
Föreningssparbanken AB
2003:4
Intentia International AB
Sigma AB
2003:5
SignOn i Stockholm AB (Wise Group AB)
BTS Group AB
2003:6
Intellecta AB
BTS Group AB
2003:7
Höganäs AB
Profilgruppen AB
2004:1
Tripep AB
Artimplant AB
2004:2
Lundin Petroleum AB
Taurus Petroleum AB
2004:4
Teletrade AB (Nordnet AB)
2004:5
Pricer AB
Duroc AB
2005:1
Intentia AB
Readsoft AB
2005:2
Rörvik Timber AB
2005:7
Fastighets AB Balder
Heba Fastighets AB
2005:9
Note AB
Lagercrantz Group AB
2006:2
Wedins Skor & accessoarer AB
Hemtex AB
2006:3
Wise Group AB (Sign On i Stockholm AB)
Semcon AB
2007:2
Swedbank
2007:9
D. Carnegie & Co AB
Investment AB Latour
2008:1
SSAB svenskt Stål AB
BE Group AB
2008:2
Midelfart Sonesson AB
New Wave Group AB
2008:5
Digital Vision AB
Fingerprint Cards AB
2008:6
Getinge AB
Elos AB
2008:7
Proffice AB
2008:8
Sandvik AB
Atlas Copco AB
2009:1
XANO Industier AB
Beijer Alma AB
2010:1
Morphic Technologies AB
Sintercast AB
2010:3
Borås Wäfveri AB
Hemtex AB
2010:4
HQ AB
AB Novestra
2010:5
Diamyd Medical AB
Probi AB
2011:1
HQ AB
Bure Equity AB
2011:5
AllTele Allmänna Svenska Telefonaktiebolaget
DGC One AB
2012:2
Active Biotech AB
Orexo AB
2012:5
Nobia AB
Duni AB
Totalt
39
39
UTANFÖR TIDSFÖNSTER
NUMMER
Namn
1994:1
Hoist International AB
1994:2
Wihlborg & Son AB
1994:3
Errce AB
1994:4
Dala Hebi AB
1994:5
Industiförvaltning AB Kinnevik
1994:6
H & M Hennes & Maurits AB
1996:1
Skandinaviska Enskilda Banken AB
1996:2
IRO AB
1996:3
Getinge Industrier AB
1996:4
Hebi Health Care AB
1997:1
Frontec AB
1998:1
Prosolvia AB
1999:1
Credit Suisse First Boston/ NF Nordiska Fondkommission AB
2001:1
Wilhelm Sonesson AB
2001:2
FastPartner AB
2001:3
AB Traction
52 ICB Sektor
Konsumenttjänster
Konsumenttjänster
Teknik
Sjukvård
Sjukvård
Sjukvård
Industriverksamhet
Ekonomi
Teknik
Industriverksamhet
Industriverksamhet
Råvaror
Sjukvård
Olja och Gas
Ekonomi
Industriverksamhet
Teknik
Industriverksamhet
Ekonomi
Industriverksamhet
Konsumenttjänster
Industriverksamhet
Ekonomi
Ekonomi
Råvaror
Konsumentvaror
Industriverksamhet
Sjukvård
Industriverksamhet
Industriverksamhet
Industriverksamhet
Industriverksamhet
Konsumenttjänster
Ekonomi
Sjukvård
Ekonomi
Telekommunikation
Sjukvård
Konsumentvaror
Totalt
22191 Anna Heimdahl
16
MEDLEMMAR
NUMMER
2003:8
2003:10
2005:3
2005:4
2005:5
2005:6
2005:8
2006:1
2006:4
2006:5
2007:1
2007:3
2007:4
2007:5
2007:6
2007:9
2008:10
2008:12
2008:13
2009:2
2009:3
2011:2
2011:3
2011:4
2012:1
2012:4
Totalt
Namn
Remium AB
Medlem AB
J.P. Morgan Securities Ltd
Lehman Brothers International (Europe)
Citigroup Global Markets Limited
Fischer Partners Fondkommisson AB
Goldman Sachs International
Merill Lynch International
Danske Bank A/S
Erik Penser Fondkommission
J P Morgan Securities Ltd
Carnegie A/S
Bankaktiebolaget Avanza
HQ Bankaktiebolag
Lehman Brothers International
Skandiabanken AB
UBS Limited
Pareto Öhman AB
Morgan Stanley International Plc
FIRST NORTH
NUMMER
2007:8
2008:3
2008:11
Totalt
Namn
FME Europe AB
CISL Gruppen AB
Pilum AB
26
3
INTERNATIONELLA BOLAG
NUMMER
Namn
2003:9
OM HEX AB
2007:7
Nobel Biocare Holding AG
2008:9
OMX AB
2010:6
Metro International S.A.
2011:6
Luxonen S.A.
2012:3
Transcom WorldWide S.A.
Totalt
6
EJ ÅLAGT BROTT
NUMMER
2004:3
2008:4
2010:2
2011:7
Totalt
4
Namn
Telefon AB LM Ericsson
Telefonaktiebolaget L M Ericsson
NovaCast Technologies AB
Holmen AB
22191 Anna Heimdahl
Bilaga 3. De sanktionerade bolagen indelade efter brottstyper
Tabellen nedan visar frekvensen av de olika typer brott samt vilket år bolagen fått sanktioner
för dessa brott. Tabellen visar att typ 1 brott är överrepresenterad. 24 bolag av samtliga 39 har
dömts efter missbruk av informationsskyldighet. Näst vanligt förekommande är typ 2,
felaktig/ ofullständig information.
1. Missbrukat informationsskyldighet
2. Felaktig/ofullständig information
3. Brutit mot regler om köp och försäljning av egna aktier
4. Problem i redovisningen/ IFRS
Kommentar: Typ brott 12 samt 14 betyder en kombination av brott typ 1 & 2 samt 1 & 4
22191 Anna Heimdahl
Bilaga 4. Logitregression, samtliga modeller
Nedan följer resultaten av de olika logitregressionerna där variablerna stegvis har lagts till.
Block 4 visar den slutligt modellen som ger bäst resultat. För denna visas även en figur där de
olika prediktionerna har plottats. Fram till Block 4 ser vi att modellen ständigt förbättras,
efter block 4 försämras modellen igen.
Block 0: Method = Enter
Case Processing Summary
Unweighted Casesa
N
Included in Analysis
Selected Cases
Missing Cases
Total
Unselected Cases
Total
Percent
72
91,1
7
8,9
79
100,0
0
,0
79
100,0
a. If weight is in effect, see classification table for the total number of
cases.
Dependent Variable Encoding
Original Value
Internal Value
MATCH
0
SANKTION
1
Classification Tablea,b
Observed
Predicted
STATUS
MATCH
Step 0
STATUS
Percentage
Correct
SANKTION
MATCH
0
36
,0
SANKTION
0
36
100,0
Overall Percentage
50,0
a. Constant is included in the model.
b. The cut value is ,500
Variables in the Equation
B
Step 0
Constant
S.E.
,000
,236
Wald
,000
55 df
Sig.
1
1,000
Exp(B)
1,000
22191 Anna Heimdahl
Variables not in the Equation
Score
Variables
Step 0
STYRELSE_ANTAL_AKTIE
_RATIO
Overall Statistics
df
Sig.
4,622
1
,032
4,622
1
,032
Omnibus Tests of Model Coefficients
Chi-square
Step 1
df
Sig.
Step
4,750
1
,029
Block
4,750
1
,029
Model
4,750
1
,029
Classification Tablea
Observed
Predicted
STATUS
MATCH
STATUS
Step 1
Percentage
SANKTION
Correct
MATCH
23
13
63,9
SANKTION
17
19
52,8
Overall Percentage
58,3
a. The cut value is ,500
B
STYRELSE_ANTAL_AKTIE_
Step 1
a
RATIO
Constant
S.E.
Exp(B)
4,380
1
,036
,098
1,729
,867
3,976
1
,046
5,635
Step 1
Sig.
1,110
df
df
-2,323
a. Variable(s) entered on step 1: STYRELSE_ANTAL_AKTIE_RATIO.
Chi-square
Wald
Sig.
Step
3,544
1
,060
Block
3,544
1
,060
Model
8,294
2
,016
22191 Anna Heimdahl
Observed
Predicted
STATUS
MATCH
Step 1
STATUS
Percentage
SANKTION
Correct
MATCH
26
10
72,2
SANKTION
18
18
50,0
Overall Percentage
61,1
B
Step 1a
S.E.
Wald
df
1,164
2,972
1
,085
,134
ROE
-,509
,374
1,852
1
,174
,601
Constant
1,397
,913
2,338
1
,126
4,042
Chi-square
df
Sig.
Step
,944
1
,331
Block
,944
1
,331
Model
9,238
3
,026
Observed
Predicted
STATUS
MATCH
Step 1
STATUS
Percentage
SANKTION
Correct
MATCH
25
11
69,4
SANKTION
15
21
58,3
Overall Percentage
63,9
Exp(B)
-2,007
RATIO
a. Variable(s) entered on step 1: STYRELSE_ANTAL_AKTIE_RATIO, ROE.
Step 1
Sig.
22191 Anna Heimdahl
B
Wald
df
Sig.
Exp(B)
-1,443
1,295
1,243
1
,265
,236
ROE
-,457
,367
1,547
1
,214
,633
ÅR_VD
-,053
,055
,918
1
,338
,949
Constant
1,229
,928
1,753
1
,185
3,417
RATIO
Step 1a
S.E.
a. Variable(s) entered on step 1: STYRELSE_ANTAL_AKTIE_RATIO, ROE, ÅR_VD.
Chi-square
Step 1
df
Sig.
Step
4,042
1
,044
Block
4,042
1
,044
Model
13,280
4
,010
Observed
Predicted
STATUS
MATCH
Step 1
STATUS
Percentage
SANKTION
Correct
MATCH
26
10
72,2
SANKTION
12
24
66,7
Overall Percentage
69,4
B
Wald
df
Sig.
Exp(B)
-1,728
1,322
1,709
1
,191
,178
ROE
-,555
,404
1,883
1
,170
,574
ÅR_VD
-,057
,058
,975
1
,323
,945
,022
,013
2,806
1
,094
1,022
1,162
,935
1,547
1
,214
3,198
RATIO
Step 1a
S.E.
ÅR_NOTERAD
Constant
a. Variable(s) entered on step 1: STYRELSE_ANTAL_AKTIE_RATIO, ROE, ÅR_VD, ÅR_NOTERAD.
22191 Anna Heimdahl
Step number: 1
Observed Groups and Predicted Probabilities
4 +
S
+
I
S
I
I
S
I
F
I
S
I
R
3 +
S
SS
M S
M
S
+
E
I
S
SS
M S
M
S
I
Q
I
S
SS
M S
M
S
I
U
I
S
SS
M S
M
S
I
E
2 +
M MM
M
MM
MMS MM S S M
S
S
S
+
N
I
M MM
M
MM
MMS MM S S M
S
S
S
I
C
I
M MM
M
MM
MMS MM S S M
S
S
S
I
Y
I
M MM
M
MM
MMS MM S S M
S
S
S
I
1 +
MMS MM M
SMM MSMMS MMMS SMM SSSMS M M SM SSMSS S S MM
M S S
S
S S S S+
I
MMS MM M
M S S
S
S S S SI
I
MMS MM M
M S S
S
S S S SI
I
MMS MM M
M S S
S
S S S SI
Predicted ---------+---------+---------+---------+---------+---------+---------+---------+---------+---------Prob:
0
,1
,2
,3
,4
,5
,6
,7
,8
,9
1
Group: MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSS
Predicted Probability is of Membership for SANKTION
The Cut Value is ,50
Symbols: M - MATCH
S - SANKTION
Each Symbol Represents ,25 Cases.
Chi-square
Step 1
df
Sig.
Step
,884
1
,347
Block
,884
1
,347
Model
14,164
5
,015
Observed
Predicted
STATUS
MATCH
Step 1
STATUS
Percentage
SANKTION
Correct
MATCH
26
10
72,2
SANKTION
14
22
61,1
Overall Percentage
66,7
B
Wald
df
Sig.
Exp(B)
-1,652
1,329
1,545
1
,214
,192
ROE
-,625
,426
2,149
1
,143
,535
ÅR_VD
-,056
,058
,913
1
,339
,946
ÅR_NOTERAD
,018
,013
1,805
1
,179
1,018
STYRELSE
,109
,117
,870
1
,351
1,115
Constant
,352
1,267
,077
1
,781
1,423
RATIO
Step 1a
S.E.
a. Variable(s) entered on step 1: STYRELSE_ANTAL_AKTIE_RATIO, ROE, ÅR_VD, ÅR_NOTERAD, STYRELSE.
22191 Anna Heimdahl
Chi-square
Step 1
df
Sig.
Step
,067
1
,796
Block
,067
1
,796
Model
14,231
6
,027
Observed
Predicted
STATUS
MATCH
STATUS
Step 1
Percentage
SANKTION
Correct
MATCH
24
12
66,7
SANKTION
14
22
61,1
Overall Percentage
63,9
B
Step 1
Wald
df
Sig.
Exp(B)
-1,658
1,328
1,559
1
,212
,190
ROE
-,614
,423
2,107
1
,147
,541
ÅR_VD
-,058
,059
,969
1
,325
,944
ÅR_NOTERAD
,018
,013
1,771
1
,183
1,018
STYRELSE
,119
,123
,933
1
,334
1,126
-,483
1,874
,066
1
,797
,617
,377
1,270
,088
1
,766
1,458
RATIO
a
S.E.
STYRELSE_KVINNOR_RAT
IO
Constant
a. Variable(s) entered on step 1: STYRELSE_ANTAL_AKTIE_RATIO, ROE, ÅR_VD, ÅR_NOTERAD, STYRELSE,
STYRELSE_KVINNOR_RATIO.
22191 Anna Heimdahl
Bilaga 5. Residualer
Bolag
PRE
PGR
SAS AB
0,65023
Rederiaktiebolag Gotland*
Enea Data AB
0,68119
Feelgood Svenska AB
0,43477
BioPhausiaAB
0,70266
Elekta AB
0,19843
Sweco AB
0,34197
Nordea AB
0,49867
Intentia International AB*
SignOn i Stockholm AB (Dagon AB)
0,88899
Intellecta AB
0,21298
Höganäs AB
0,29427
Tripep AB
0,59303
Lundin Petroleum AB
0,4373
0,92366
Pricer AB
0,52398
Intentia AB*
0,65932
Fastighets AB Balder/ Enlight International AB
0,35251
Note AB
0,507
Wedins Skor & accessoarer AB (Venue Retail Group AB) 0,94866
Wise Group AB (Dagon AB)
0,63146
0,83755
D. Carnegie & Co AB
0,53218
SSAB svenskt Stål AB
0,51876
Midelfart Sonesson AB (Midsona AB)
0,66897
Digital Vision AB (Image Systems AB)
0,96092
Getinge AB
0,3515
0,50204
Sandvik AB
0,80931
XANO Industier AB
0,45603
Morphic Technologies AB (Amasten Holding AB)
0,60461
Borås Wäfveri AB
0,73689
HQ AB
0,99998
Diamyd Medical AB
0,50879
HQ AB
0,36608
AllTele Allmänna Svenska Telefonaktiebolaget
0,3732
Active Biotech AB
0,62326
Nobia AB
0,60521
Skistar AB
0,31132
Skistar AB
Frontec AB (Acando AB)
0,57508
Sectra AB
0,17142
Artimplant AB
0,30239
Elos AB
0,46511
Fagerhult
0,22227
Föreningssparbanken
0,35672
Sigma AB
BTS Group AB
0,18368
BTS Group AB
0,18368
Profilgruppen AB
0,4766
Artimplant AB
0,42808
Taurus Petroleum AB
0,21646
Teletrade AB (Nordnet AB)
0,72441
Duroc AB
0,55773
Acando AB
Rörvik Timber AB (JABO Träprodukter AB)
0,60242
Heba Fastighets AB
0,25991
Lagercrantz Group AB
0,36738
Hemtex AB
0,41836
Semcon AB
0,30607
SwedbankAB
0,40553
Investment AB Latour
0,41613
Be Group AB
0,4711
New Wave Group
0,21366
Fingerprint Cards AB
0,42811
Elos AB
0,33199
Proffice AB
0,46905
Atlas Copco AB
0,78088
Beijer Alma AB
0,4717
Sintercast AB
0,35275
Hemtex AB
0,73183
AB Novestra
0,36137
Probi AB
0,55046
Bure Equity
0,52912
DGC One AB
0,22132
Orexo AB
0,64679
Duni AB
0,55273
1
COO
LEV
ZRE
DFB0
DFB1
DFB2
DFB3
DFB4
0,04072
0,07038
0,73342
0,18591 -0,00039
0,00912
-0,2068 -0,00058
1
0
1
0
0
0
0,02102
0,07287
0,02572
0,30566
0,12418
0,03631
0,04299
0,05307
0,05729
0,07034
0,06062
0,03486
0,68413
1,14021
0,6505
2,00986
1,38717
1,00266
0,12129
-0,07096
0,1276
-0,09888
-0,16731
0,03391
0,00029
-0,00087
-0,0001
-0,00128
-0,00127
-0,00053
-0,00796
0,01846
-0,02621
0,00472
0,02998
0,02234
-0,13666
0,23242
-0,14821
0,07858
0,38116
0,05529
-0,00043
-0,01137
0,00049
0,02569
-0,01169
-0,00738
1
0
0
1
0
1
1
0,05606
0,39325
0,15256
0,02682
0,08389
0,01928
0,02791
0,30987
0,09618
0,05981
0,03761
0,06121
0,18918
0,0298
0,35337
1,92229
1,54861
0,8284
1,13436
0,28749
0,95313
-0,02569
-0,09224
0,06443
0,13137
0,15497
-0,00553
-0,01404
0,0001
-0,00063
-0,00066
-0,00036
-0,00117
0,00196
-0,00018
-0,11329
-0,03263
0,01465
0,00353
0,0838
-0,003
-0,03584
0,02833
0,01745
-0,12388
-0,12508
-0,0996
-0,00897
0,07645
0,00118
0,03225
0,01953
-0,00143
-0,00482
-0,00095
-0,00244
1
0
1
1
1
1
1
1
1
1
0
1
1
0
1
1
1
1
0
0
1
1
0
0,03197
0,16884
0,03457
0,00699
0,0477
0,11428
0,05433
0,03342
0,02084
0,01214
0,08862
0,02658
0,06977
0,03515
0,02627
0,01925
0
0,05739
0,10935
0,03743
0,01716
0,01952
0,04044
0,05826
0,08418
0,03433
0,11446
0,07555
0,37075
0,05821
0,03477
0,04042
0,22993
0,04583
0,0261
0,22846
0,02862
0,03862
0,05116
0,00086
0,0561
0,0594
0,0218
0,02761
0,02906
0,08212
0,71883
1,35527
0,9861
0,23263
0,76395
0,4404
0,93759
0,96317
0,70345
0,20166
1,35828
0,99592
0,48541
1,09218
0,80868
0,59754
0,00406
0,98258
1,31592
1,29596
0,77747
0,80766
-0,67234
0,16082
-0,1771
0,13438
0,02677
0,19975
0,00338
0,15981
0,03065
0,1011
-0,01653
0,0625
0,06361
-0,03526
-0,01398
0,0529
0,02292
0
-0,08428
-0,16228
0,0192
0,0653
0,10688
-0,05915
-0,0001
-0,00109
-0,00069
0,00015
-0,00033
0,00511
-0,0005
0,00049
-0,00002
0,00015
0,00013
0,00084
0,0037
0,00044
-0,00045
0,0008
0
-0,00007
-0,00065
-0,00065
0,00037
0,00011
0,00035
0,00727
0,05695
-0,00853
-0,03268
0,02387
-0,01544
0,05319
0,03395
-0,02437
-0,05009
0,01917
0,02311
0,00363
0,03131
-0,03718
-0,04093
-0,00005
-0,01507
0,02743
0,01445
-0,02673
-0,00373
-0,00045
-0,17598
0,42674
-0,1502
-0,04095
-0,22078
-0,10608
-0,13246
0,03584
-0,10385
0,01814
-0,10326
-0,05661
0,02756
0,09364
-0,01702
-0,01222
-0,00001
0,21853
0,36017
0,01907
-0,06267
-0,10635
0,1085
-0,00107
-0,017
0,00409
0,0007
-0,00092
0,00745
-0,00426
-0,00611
-0,00068
0,00018
0,01346
0,00104
-0,00242
-0,00468
-0,00246
-0,00178
0
-0,00986
-0,01134
0,00407
0,00012
-0,00059
-0,01086
1
0
0
0
0
0
0,03693
0,01476
0,0199
0,03086
0,01392
0,0352
0,02656
0,06661
0,04389
0,03428
0,04646
0,05968
-1,16336
-0,45485
-0,65838
-0,93249
-0,5346
-0,74466
-0,06578
0,02003
0,06022
0,05182
0,03441
0,09109
0,0003
0,00047
0,00055
-0,00003
0,00045
0,00049
0,02221
-0,00433
0,01369
-0,00341
-0,00594
-0,01558
0,00585
-0,01885
-0,10185
-0,14854
-0,05224
-0,20421
0,00467
-0,00545
-0,0025
0,00594
-0,00382
0,00636
0
0
0
0
0
1
1
0,0171
0,0171
0,02779
0,05809
0,02208
0,4077
0,0447
0,07061
0,07061
0,02961
0,07202
0,074
0,13428
0,03424
-0,47436
-0,47436
-0,95425
-0,86516
-0,5256
-1,62128
-1,12297
0,02277
0,02277
-0,01608
0,12226
0,03137
-0,06279
-0,11261
0,00051
0,00051
0,00046
0,00054
0,0006
0,00048
0,00019
0,00138
0,00138
-0,01801
0,01532
0,01246
0,25764
-0,0282
-0,02072
-0,02072
-0,06637
-0,26416
-0,03248
0,05007
0,0573
-0,00598
-0,00598
0,00588
0,00858
-0,00652
-0,00335
0,00622
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
1
0
1
1
0
1
1
0,08064
0,0156
0,04333
0,0393
0,05844
0,0296
0,03871
0,04922
0,01634
0,0249
0,01956
0,0186
0,79285
0,02402
0,02088
0,35227
0,02654
0,06672
0,047
0,0122
0,08321
0,08239
0,05053
0,04253
0,06943
0,05181
0,117
0,04159
0,05152
0,05237
0,05671
0,03219
0,03786
0,02062
0,18199
0,0262
0,0369
0,11433
0,0448
0,05168
0,04015
0,04115
0,04346
0,0625
-1,23095
-0,59261
-0,76205
-0,84811
-0,66414
-0,82594
-0,84422
-0,94377
-0,52127
-0,86521
-0,70497
-0,9399
-1,8878
-0,94492
-0,73824
-1,65195
-0,75223
-1,10656
-1,06003
-0,53313
-1,35322
-1,11166
-0,25687
0,04349
0,09912
-0,12088
-0,1068
0,05303
0,08587
-0,17932
0,02969
-0,0359
0,06569
-0,0442
0,00822
-0,03692
0,07479
-0,58667
0,08625
-0,20609
0,02117
0,0373
-0,05896
-0,25502
0,0002
0,00023
0,00068
0,00086
0,00035
0,00021
-0,00012
0,00075
0,00033
0,00045
-0,00019
0,00022
-0,01205
-0,00082
-0,00006
0,00003
0,00029
0,00051
-0,00038
0,00059
0,00015
0,00033
-0,01952
-0,00529
-0,01185
-0,05415
-0,01416
-0,02295
-0,0178
-0,03088
-0,00405
0,02253
-0,00804
-0,0198
-0,03402
-0,02002
0,00049
-0,02604
-0,00478
-0,04578
-0,01492
-0,01011
0,0722
-0,01488
0,29086
-0,06632
-0,22741
0,10134
0,184
-0,15048
-0,19652
0,2086
-0,03504
0,03761
-0,11186
-0,00154
0,05025
0,02764
-0,1326
0,73563
-0,17745
0,19982
-0,12953
-0,06818
-0,01517
0,32539
-0,00105
-0,00354
0,00779
0,00051
-0,01311
0,00591
0,0069
-0,00437
-0,00521
-0,00561
-0,00098
0,00214
0,00588
-0,00183
-0,00005
-0,0035
0,00369
0,00227
0,00937
-0,00222
0,00667
-0,00686
22191 Anna Heimdahl
Bilaga 6. Logitregression utan utbölingar
Case Processing Summary
Unweighted Casesa
Selected Cases
N
Percent
Included in Analysis
68
86,1
Missing Cases
11
13,9
Total
79
100,0
0
,0
79
100,0
Unselected Cases
Total
a. If weight is in effect, see classification table for the total number of
cases.
Dependent Variable Encoding
Original Value
Internal Value
MATCH
0
SANKTION
1
Block 0: Beginning Block
Classification Tablea,b
Observed
Predicted
STATUS
MATCH
Step 0
STATUS
Percentage
Correct
SANKTION
MATCH
36
0
100,0
SANKTION
32
0
,0
Overall Percentage
52,9
a. Constant is included in the model.
b. The cut value is ,500
B
Step 0
Constant
S.E.
-,118
,243
Wald
,235
62 df
Sig.
1
,628
Exp(B)
,889
22191 Anna Heimdahl
Variables not in the Equation
Score
ÅR_NOTERAD
ROE
Step 0
Variables
STYRELSE_ANTAL_AKTIE
_RATIO
ÅR_VD
Overall Statistics
df
Sig.
,419
1
,517
1,823
1
,177
5,820
1
,016
5,135
1
,023
8,201
4
,084
Chi-square
Step 1
df
Sig.
Step
9,198
4
,056
Block
9,198
4
,056
Model
9,198
4
,056
Model Summary
Step
-2 Log likelihood
1
84,834
Cox & Snell R
Nagelkerke R
Square
Square
a
,127
,169
a. Estimation terminated at iteration number 6 because parameter
estimates changed by less than ,001.
Observed
Predicted
STATUS
MATCH
Step 1
STATUS
Percentage
SANKTION
MATCH
25
11
69,4
SANKTION
13
19
59,4
Overall Percentage
64,7
Correct
22191 Anna Heimdahl
B
ÅR_NOTERAD
Wald
df
Sig.
Exp(B)
,011
,014
,597
1
,440
1,011
-,321
,506
,403
1
,525
,725
-1,715
1,336
1,648
1
,199
,180
ÅR_VD
-,066
,060
1,237
1
,266
,936
Constant
1,275
,945
1,821
1
,177
3,579
ROE
Step 1a
S.E.
RATIO
a. Variable(s) entered on step 1: ÅR_NOTERAD, ROE, STYRELSE_ANTAL_AKTIE_RATIO, ÅR_VD.
Step number: 1
Observed Groups and Predicted Probabilities
4 +
S
+
I
S
I
I
S
I
F
I
S
I
R
3 +
S
S
S S S
S
+
E
I
S
S
S S S
S
I
Q
I
S
S
S S S
S
I
U
I
S
S
S S S
S
I
E
2 +
M M
S M
SS M
SS M SSS
MSS M S SS
+
N
I
M M
S M
SS M
SS M SSS
MSS M S SS
I
C
I
M M
S M
SS M
SS M SSS
MSS M S SS
I
Y
I
M M
S M
SS M
SS M SSS
MSS M S SS
I
1 +
MM M MMM
MMM MS MSMM MMM MM M MMMS
MMMSSMM MSSSS
M S
S
S+
I
MM M MMM
MMMSSMM MSSSS
M S
S
SI
I
MM M MMM
MMMSSMM MSSSS
M S
S
SI
I
MM M MMM
MMMSSMM MSSSS
M S
S
SI
Predicted ---------+---------+---------+---------+---------+---------+---------+---------+---------+---------Prob:
0
,1
,2
,3
,4
,5
,6
,7
,8
,9
1
Group: MMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMMSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSS
Predicted Probability is of Membership for SANKTION
The Cut Value is ,50
Symbols: M - MATCH
S - SANKTION
Each Symbol Represents ,25 Cases.
64

Finns det faktorer som särskiljer Stockholmsbörsens sanktionerade

Transcription

Similar documents

Offentliggör prospekt och ansöker om notering

STRATEGISK UPPHANDLING Vad är det, och varför är det viktigt för

Ladda hem uppsatsen

Nasdaq stäms för missbruk av dominerande

Verksamhetsberättelse 2012 - Företagsekonomiska institutionen

Rutiner för utsläpp av flytande kemikalierester i avlopp

Det kreativa kunskapsföretaget: En kvalitativ fallstudie om

Orc huvuddok

Nouvelles notations sur les actions et CFD actions