null

– ‫ גומה‬,‫חורין משה‬-‫ בן‬,"‫"שוק ההון וניירות הערך‬
1996 ,‫ צ'ריקובר מוציאים לאור‬,‫ספרי מדע ומחקר‬


2

“Merger Announcements and Insider Trading
Activity: An Empirical Investigation,” Keown
& Pinkerton, The Journal of Finance, 1981, 36 (4),
855 – 869
“Empirical Anomalies Based on Unexpected
Earnings and the Importance of Risk
Adjustments,” Rendleman, Jones, & Latané,
Journal of Financial Economics, 1982, 10, 269– 287
‫יעילות שוק ההון וחקר מאורעות‬
‫היפותזת השוק היעיל והשלכותיה‬
‫בחינות ההיפותזה – חקר מאורעות‬
‫תוצאות תומכות‬
‫תוצאות סותרות‬
‫מסקנות כלליות ונקודות טכניות‬
‫‪3‬‬
‫‪‬‬
‫‪‬‬
‫‪.1‬‬
‫‪.2‬‬
‫‪.3‬‬
‫‪ EMH‬גורסת כי בכל רגע נתון‪ ,‬מחירי ני"ע משקפים‬
‫באופן מלא את כל המידע הרלוונטי לגביהם‬
‫קיימות ‪ 3‬וורסיות של היפותזת השוק היעיל‪:‬‬
‫הוורסיה החלשה (‪ :)The Weak Form‬מחירי ני"ע‬
‫משקפים באופן מלא את כל המידע הרלוונטי לגביהם‬
‫משוק ההון עצמו (נתוני המחירים ההיסטוריים)‬
‫הוורסיה החצי‪-‬חזקה (‪:)The Semi- Strong Form‬‬
‫מחירי ני"ע משקפים באופן מלא את כל המידע‬
‫הרלוונטי הציבורי (נתונים היסטוריים והודעות לציבור)‬
‫הוורסיה החזקה (‪ :)The Strong Form‬מחירי ני"ע‬
‫משקפים באופן מלא את כל המידע הרלוונטי‪ ,‬כולל‬
‫פרטי וציבורי (נתונים היסטוריים‪ ,‬הודעות ומידע פנימי)‬
‫‪4‬‬
‫‪‬‬
‫‪.1‬‬
‫‪.2‬‬
‫‪.3‬‬
‫‪‬‬
‫עפ"י ‪ ,EMH‬לא ניתן להגיע באופן עקבי על פני הזמן‬
‫לרווחי יתר תוך שימוש במידע הרלוונטי‪ ,‬ובפרט‪:‬‬
‫הוורסיה החלשה (‪ :)The Weak Form‬לא ניתן להגיע‬
‫באופן עקבי על פני הזמן לרווחי יתר תוך שימוש במידע‬
‫משוק ההון עצמו (נתוני המחירים ההיסטוריים)‬
‫הוורסיה החצי‪-‬חזקה (‪:)The Semi- Strong Form‬‬
‫לא ניתן להגיע באופן עקבי על פני הזמן לרווחי יתר תוך‬
‫שימוש במידע הציבורי (נתונים היסטוריים והודעות)‬
‫הוורסיה החזקה (‪ :)The Strong Form‬לא ניתן להגיע‬
‫באופן עקבי על פני הזמן לרווחי יתר תוך שימוש במידע‬
‫פרטי וציבורי (נתונים היסטוריים‪ ,‬הודעות ומידע פנימי)‬
‫עפ"י ‪ ,EMH‬המחירים יכולים להשתנות רק עם הגעת‬
‫מידע חדש‪ ,‬שהוא אקראי עפ"י הגדרתו‪ ,‬ולכן השינויים‬
‫במחירי ני"ע אינם ניתנים לניבוי שיטתי על פני הזמן‬
‫‪5‬‬
‫‪‬‬
‫שאלת יעילות השוק הנה שאלה אמפירית הניתנת‬
‫לבחינה מעשית; להלן סיכום סוגים שונים של בחינות‬
‫ההיפותזה‪ ,‬עפ"י הסיווג המוצע ע"י ‪:Eugene Fama‬‬
‫‪.1‬‬
‫מבחני ניבוי‪ :‬מתייחסים לוורסיה החלשה והחצי חזקה של‬
‫‪ EMH‬ובודקים אפשרויות ניבוי של תשואה בשוק ההון תוך‬
‫שימוש במשתנים מסבירים מהשוק עצמו ומהודעות לציבור‬
‫מבחני אירועים‪ :‬מתייחסים לוורסיה החצי חזקה של ‪EMH‬‬
‫ובודקים את התגובות של מחירי ני"ע להגעת מידע ציבורי חדש‬
‫מבחני הוורסיה החזקה‪ :‬בודקים האם מחירי ני"ע אכן משקפים‬
‫בכל רגע נתון את כל המידע הרלוונטי כולל מידע פנים שאינו‬
‫נגיש לכלל הציבור (הערה‪ :‬על בעלי מידע פנים חלה חובת דיווח‬
‫על כל העסקאות בני"ע אודותיהם יש להם מידע פנימי)‬
‫‪‬‬
‫חקר מאורעות עוסק במבחני אירועים‪ ,‬אשר מסתכמים‬
‫בניתוח בסיסי של מחירי ני"ע והשתנותם; ניתוח בסיסי‬
‫מדגיש את הסיבות הכלכליות לתופעות הנצפות‬
‫‪.2‬‬
‫‪.3‬‬
‫‪6‬‬
‫‪‬‬
‫באופן כללי חקר מאורעות עוסק באירועים כלכליים‬
‫ספציפיים (כגון חלוקת דיבידנד‪ ,‬פיצול מניה‪ ,‬מיזוג‬
‫חברות ועוד) תוך התמקדות בשתי השאלות הבאות‪:‬‬
‫‪.1‬‬
‫התנהגות המחיר לפני‪ ,‬בזמן ולאחר פרסום ההודעה‬
‫לציבור בדבר האירוע‪ :‬בשוק יעיל במובן החצי חזק‪,‬‬
‫המחירים חייבים להגיב מייד עם הגעתו של המידע‬
‫ובשום אופן לא באיחור או לאורך זמן ממושך‬
‫‪.2‬‬
‫ניתוח אפשרויות של צבירת רווחי יתר לאחר פרסום‬
‫ההודעה‪ :‬בשוק יעיל במובן החצי חזק‪ ,‬אין אפשרות‬
‫לצבירת רווחי יתר לאחר פרסום ההודעה לציבור‬
‫‪7‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫ראשית‪ ,‬חייבים לבודד את השפעת האירוע מהשפעות‬
‫אחרות הקשורות בחברה או בשוק ההון בכללותו‬
‫עפ"י הגישה המסתמכת על ‪ CAPM‬משתמשים בקו‬
‫המאפיין של ני"ע; נדון במניה ללא הגבלת הכלליות‬
‫להלן משוואת הקו המאפיין עבור מניה ‪j‬‬
‫כאשר‪:‬‬
‫‪ – Rjt ‬תשואת המניה ‪ j‬בזמן ‪,t‬‬
‫‪ – Rmt ‬תשואת תיק השוק בזמן ‪,t‬‬
‫‪ – αj ‬חותך הקו המאפיין של המניה ‪,j‬‬
‫‪ – βj ‬שיפוע הקו המאפיין (הביטא) של המניה ‪,j‬‬
‫‪ – εjt ‬סטיית התשואה של המניה ‪ j‬מהקו המאפיין בזמן ‪t‬‬
‫‪8‬‬
‫‪‬‬
‫‪‬‬
‫הקו המאפיין נאמד ע"י הרצת רגרסיה הבאה‪ ,‬כאשר ‪ aj‬ו‪-‬‬
‫‪ bj‬הם האומדנים של ‪ αj‬ו‪ βj -‬בהתאמה‪ ,‬ו‪ ejt -‬הוא האומדן‬
‫של הסטייה מהקו המאפיין‪ εjt ,‬בזמן ‪:t‬‬
‫בהינתן ‪ Rmt‬זהו האומדן לתוחלת המותנית של שיעור‬
‫התשואה ‪ ,Rjt‬או אומדן לתשואת המניה ‪ j‬בזמן ‪t‬‬
‫‪‬‬
‫נסמן ביטוי זה ע"י‪:‬‬
‫‪‬‬
‫ומכאן‪:‬‬
‫כאשר ‪ ejt‬הנה שארית הרגרסיה בזמן ‪ ,t‬המהווה למעשה‬
‫מדד לתשואת היתר (או החסר‪ ,‬או באופן כללי תשואה‬
‫חריגה‪/‬אבנורמלית) של המניה לאחר ניכוי תנודת השוק‬
‫‪‬‬
‫‪9‬‬
‫‪‬‬
‫להלן ייצוג גרפי של סטיית הרגרסיה ‪ ejt‬כמדד לתשואה‬
‫החריגה (סטיית התשואה מתוחלתה המותנית)‪:‬‬
‫שיעור התשואה של המניה ‪-‬‬
‫שיעור התשואה של‬
‫תיק השוק ‪-‬‬
‫‪10‬‬
‫‪‬‬
‫‪‬‬
‫הטכניקה המקובלת בחקר מאורעות מסתמכת על המעקב‬
‫אחר הסטייה (התשואה החריגה) על פני הזמן; המדד מכונה‬
‫‪Cumulative Average Residuals – CAR‬‬
‫ה‪ CAR -‬מהווה סכום מצטבר על פני הזמן של תשואות‬
‫חריגות ממוצעות‪ ,‬כאשר הממוצע מחושב בחתך הרוחב‬
‫(‪ ,)cross-section‬כלומר על פני התשואות החריגות של‬
‫החברות שעברו אירוע דומה; המדד מחושב בדרך הבאה‪:‬‬
‫‪.1‬‬
‫חישוב תשואה חריגה ממוצעת במדגם של חברות שעברו‬
‫אירוע דומה‪ ,‬עבור כל יום בסדרה עתית מסביב ליום האירוע‬
‫צבירת התשואה החריגה הממוצעת הנ"ל על פני הזמן לאורך‬
‫הסדרה העתית מסביב ליום האירוע (לאורך "חלון המאורע")‬
‫‪‬‬
‫חישוב התשואות החריגות נועד לנכות את תנודות השוק‪,‬‬
‫ואילו מיצוע התשואות על פני חברות שונות נועד לנכות את‬
‫השפעת הגורמים הייחודיים לחברה ספציפית; בכך המדד‬
‫מאפשר להתמקד בתגובה נטו של מחירים לאירוע הנתון‬
‫‪.2‬‬
‫‪11‬‬
‫‪‬‬
‫‪‬‬
‫טכניקת ה‪ CAR -‬הנה תכליתית‪ ,‬נפוצה ופשוטה ליישום‪,‬‬
‫ושימשה חוקרים רבים בעבודות בתחום חקר מאורעות‬
‫כדוגמא אופיינית לעבודה אמפירית שהשתמשה בטכניקה‬
‫הנ"ל‪ ,‬נציג את המחקר הבא שהתמקד בנושא מיזוג החברות‪:‬‬
‫‪“Merger Announcements and Insider‬‬
‫‪Trading Activity: An Empirical‬‬
‫‪Investigation,” Keown & Pinkerton, The‬‬
‫‪Journal of Finance, 1981, 36 (4), 855 – 869‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫החוקרים (‪ )K&P‬השתמשו בנתונים של חברות שהיו מטרה‬
‫לניסיון השתלטות; בד"כ בעלי המניות הקיימים של חברה‬
‫כזאת מקבלים פרמיה משמעותית עבור השקעתם‪ ,‬ולכן עוד‬
‫בטרם המיזוג‪ ,‬דליפת מידע תגרום לעליה בביקוש למניות‬
‫בשוק יעיל‪ ,‬מחירי המניות חייבים לשקף את המידע הקיים‬
‫אודותיהם בכל רגע נתון; התנהגות המחירים בפועל נבחנה‬
‫תוך שימוש במדד ה‪CAR -‬‬
‫‪12‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫המחקר השתמש בנתוני מסחר של ‪ 194‬חברות (המפורטות‬
‫בנספח למאמר) אשר היו מטרה לניסיון (מוצלח) של מיזוג‬
‫בתקופת ‪ .1978 -1975‬מתוך ‪ 194‬החברות‪ 101 ,‬נסחרו‬
‫בבורסה לני"ע והשאר מעבר לדלפק (‪)OTC Market‬‬
‫הנתונים של מחירי נעילה יומיים נאספו עבור ‪ 157‬ימים‬
‫מסביב לתאריך ההודעה הרשמית בדבר המיזוג‪ ,‬עם ‪126‬‬
‫ימים לפני‪ ,‬ו‪ 31 -‬ימים החל מיום ההודעה לציבור ואילך‬
‫ע"מ להגיע לסדרת התשואות החריגות‪ ,‬החוקרים חישבו‬
‫תחילה את התשואות היומיות (לוגריתמיות) באופן הבא‪:‬‬
‫כאשר‪:‬‬
‫‪ – Pjt ‬מחיר נעילה של מניה ‪ j‬ביום ‪,t‬‬
‫‪ – Djt+1 ‬דיבידנד ששולם לבעל המניה ‪ j‬ביום ‪t+1‬‬
‫‪13‬‬
‫‪‬‬
‫התשואות היומיות שימשו לאמידת הקו המאפיין עבור כ"א‬
‫מהמניות במדגם (לניכוי תנודת השוק‪ ,‬ע"מ להגיע לתשואת יתר)‬
‫כאשר‪:‬‬
‫‪ – Rjt ‬תשואת המניה ‪ j‬בזמן ‪,t‬‬
‫‪ – Rmt ‬שיעור תשואת המדד ‪ S&P500‬ביום ‪,t‬‬
‫‪ – αj ‬חותך הקו המאפיין של המניה ‪,j‬‬
‫‪ – βj ‬שיפוע הקו המאפיין (הביטא) של המניה ‪,j‬‬
‫‪ – ε̃jt ‬סטיית התשואה של המניה ‪ j‬מהקו המאפיין ביום ‪t‬‬
‫‪ ‬את תשואת היתר ניתן כעת לאמוד תוך שימוש בנוסחה הבאה‪:‬‬
‫‪‬‬
‫כאשר ו‪ -‬הנם האומדנים של ‪ αj‬ו‪ ,βj -‬בהתאמה‪ ,‬ו‪-‬‬
‫הוא האומדן של סטיית התשואה מהקו המאפיין‪ ε̃jt ,‬ביום ‪t‬‬
‫‪14‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫הערה‪ :‬נתונים החל מ‪ 25 -‬ימים לפני הודעה לא שימשו‬
‫לאמידת הקו המאפיין‪ ,‬בכדי למנוע הטיה אפשרית של‬
‫אומדנים (במידה והמאורע אכן גרם לתשואות חריגות)‬
‫תשואה חריגה ממוצעת ביום ‪ t‬חושבה ע"י‪:‬‬
‫תשואה חריגה ממוצעת מצטברת ביום ‪ t‬חושבה ע"י‪:‬‬
‫אם אין דליפת מידע אודות המיזוג (או שאין למידע‬
‫עשויים להתנודד באופן‬
‫השפעה)‪ ,‬ה‪ -‬וגם ה‪-‬‬
‫אקראי סביב ‪ .0‬לעומת זאת‪ ,‬במידה ויש דליפת מידע‬
‫והשוק מנצל מידע זה‪ ,‬ניתן לצפות למגמות שיטתיות‬
‫(חיוביות במקרה זה) ב‪ -‬וכתוצאה‪ ,‬גם ב‪-‬‬
‫‪15‬‬
‫‪‬‬
‫‪.1‬‬
‫‪.2‬‬
‫‪.3‬‬
‫‪.4‬‬
‫תוצאות המבחן מוצגות בטבלה ‪ I‬במאמר (ע' ‪ ,)860 – 859‬המראה‬
‫תשואות חריגות ממוצעות (בליווי ‪-t‬סטטיסטי)‪ ,‬מצטברות ואחוזי‬
‫תשואות חריגות חיוביות בכל יום החל מ‪ 60 -‬ימים לפני ועד ‪10‬‬
‫ימים לאחר פרסום הודעה‪ .‬ניתן להבחין בתופעות הבאות (מוצג‬
‫חלק בלבד של טבלה ‪:)I‬‬
‫ערך ה‪ CAR -‬הופך לחיובי‬
‫כ‪ 25 -‬ימים לפני ההודעה‬
‫ומפגין עליה חדה במהלך ‪5‬‬
‫ימים בסמוך למועד הודעה‬
‫ערך ה‪ CAR -‬עולה באופן‬
‫דרמטי ביותר ביום ההודעה‬
‫אחוזי התשואות החיוביות‬
‫עולים באופן חריג במהלך ‪5‬‬
‫ימים בסמוך ליום ההודעה‬
‫לאחר מועד ההודעה‪ ,‬ערך‬
‫ה‪ CAR -‬מתייצב ואחוזי‬
‫התשואות החיוביות‬
‫חוזרים לרמתם הרגילה‬
‫(בסביבות ‪ 50‬אחוזים)‬
‫‪16‬‬
‫‪‬‬
‫תוצאות אמפיריות בולטות עוד יותר בגרף ‪( 1‬ע' ‪ 861‬במאמר)‬
‫‪‬‬
‫ניתן להבחין בקלות בכל התופעות שתוארו‪ .‬גרף ‪( 2‬ע' ‪)862‬‬
‫מציג תשואות ממוצעות (לא מצטברות)‪ ,‬עם אותן המסקנות‬
‫‪17‬‬
‫‪‬‬
‫‪‬‬
‫בנוסף לתוצאות הנ"ל‪ ,‬החוקרים מצאו גם כי הזינוק ב‪CAR -‬‬
‫בסמוך למועד הודעה לציבור היה מלווה בעליה דרמטית בהיקפי‬
‫המסחר במניות של אותן החברות שהיו מטרה לניסיון השתלטות‬
‫נמצא כי בעלי מידע פנים הרשמיים (‪,)registered insiders‬‬
‫אשר חייבים לדווח על עסקאותיהם בני"ע רלוונטיים‪ ,‬אינם מי‬
‫שגרם לעליות חדות בהיקפי המסחר (כלומר‪ ,‬היה מדובר בדליפת‬
‫מידע)‪ .‬טבלה ‪( II‬ע' ‪ )863‬מציגה נתוני המסחר של בעלי מידע פנים‬
‫רשמיים‪ ,‬וניתן לראות היקפים נמוכים למדי‪ ,‬רק למניות בודדות‬
‫‪‬‬
‫המבחן בוצע גם עבור חברות שנסחרו בבורסה ומעבר לדלפק‬
‫(‪ )OTC‬בנפרד‪ ,‬ללא הבדלים מהותיים בתוצאות (ע' ‪)865 ,864‬‬
‫‪‬‬
‫מסקנה כללית‪ :‬תוצאות המחקר תומכות בוורסיה החצי‬
‫חזקה של ‪ .EMH‬בפרט‪ ,‬עפ"י התוצאות השוק אכן מגיב‬
‫להגעת מידע חדש‪ ,‬ומחירים מתאימים את עצמם לקראת‬
‫ולא לאחר האירוע‪ .‬במצב שנבחן‪ ,‬דליפת מידע מאפשרת‬
‫צבירת רווחי יתר בטרם‪ ,‬אך לא לאחר‪ ,‬יום המאורע‬
‫‪18‬‬
‫ הראו כי מחירי מניות מתאימים את עצמם‬Keown & Pinkerton
‫ חקר מאורעות עוסק‬.‫להגעת מידע חדש אודות מיזוג חברות מתוכנן‬
:)‫ כגון (בין השאר‬,‫בניתוח תגובות שוק במגוון של מצבים נוספים‬

Fama, Fisher, Jensen & Roll,, “The Adjustment of Stock :‫פיצול מניות‬
Prices to New Information,” 1969, International Economic Review
.1
Ibbotson, “Price Performance of Stock New :‫הנפקות חדשות‬
Issues,” 1975, Journal of Financial Economics
.2
Brown & Ball, “An Empirical Evaluation :‫פרסום דו"חות כספיים‬
of Accounting Income Numbers,” 1963, Journal of Accounting Research
.3
Archibald, “Stock Market Reaction to :‫שינויים בשיטת חישוב פחת‬
the Depreciation Switch-Back,” 1972, Accounting Review
.4
,EMH ‫ מבחנים רבים תומכים בוורסיה החצי חזקה של‬,‫באופן כללי‬
‫בכך שמראים כי השוק מגיב באופן מיידי להגעת מידע ציבורי חדש‬
‫(או לדליפת מידע פנימי) אודות אירועים בעלי משמעות כלכלית‬
19

‫‪‬‬
‫לצד הממצאים התומכים ב‪ ,EMH -‬קיימת שורה של ממצאים‬
‫המצביעים על אנומליות (התופעות הלא מוסברות) בשוק ההון‬
‫‪‬‬
‫בין התופעות הסותרות את היפותזת השוק היעיל‪:‬‬
‫‪ ‬אפקט המכפיל (מתאם בין מכפיל הרווח ‪ P/E‬של מניות לבין‬
‫‪‬‬
‫להלן נכיר במחקר שעסק באנומליות הקשורות לתגובות של‬
‫מחירי המניות לפרסום דו"חות חשבונאיים רבעוניים‪:‬‬
‫‪“Empirical Anomalies Based on Unexpected‬‬
‫‪Earnings and the Importance of Risk‬‬
‫‪Adjustments,” Rendleman, Jones, & Latané,‬‬
‫‪Journal of Financial Economics, 1982, 10, 269– 287‬‬
‫תשואות של תיקי השקעות המכילים את אותן המניות)‬
‫‪ ‬אפקט ינואר (תשואות גבוהות באופן חריג הנצפות בחודש ינואר‬
‫יחסית לתשואות הנצפות בשאר חודשי השנה הקלנדרית)‬
‫‪ ‬אפקט היום בשבוע (הבדל מובהק בין תשואות ממוצעות בימי‬
‫מסחר שונים בשבוע‪ ,‬בפרט ביום שני ‪ ,)MONDAY -‬ועוד‬
‫‪20‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪ )RJL( Rendleman, Jones, & Latané‬השתמשו במחקרם במדד‬
‫שפותח מוקדם יותר‪ ,‬והוא רווח בלתי צפוי מנורמל – ‪Standardized‬‬
‫)‪ – Unexpected Earnings (SUE‬המדד המשקף את ההבדל בין‬
‫רווח החברה בפועל לבין הרווח הצפוי עפ"י תחזיות של אנליסטים‬
‫מחקרים קודמים בתחום מצאו קשר בין מדד ה‪ SUE -‬לבין תשואות‬
‫המניות של אותן החברות‪ ,‬כאשר הקשר נצפה גם לאחר פרסום הדו"ח‬
‫– תוצאה סותרת את היפותזת השוק היעיל (כי התגובה איננה מיידית)‬
‫‪ RJL‬מתייחסים לעבודתו של )‪ Reinganum (1981‬בה החוקר לא‬
‫מצא את הקשר הנ"ל במדגם שבחן‪ ,‬ולכן טען כי אין כאן אנומליה‬
‫מטרתם של ‪ RJL‬במחקר הנוכחי הייתה‪:‬‬
‫‪ .1‬לבחון מחדש את ממצאיו של )‪Reinganum (1981‬‬
‫‪ .2‬לכמת את אפקט ה‪ SUE -‬לפני ולאחר פרסום הדו"ח‬
‫‪ .3‬לבחון חשיבותה של התאמה לסיכון בחקר מאורעות‬
‫‪21‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫המחקר התמקד בתשואות יומיות על מניותיהן של חברות‬
‫אשר פרסמו דו"חות חשבונאיים רבעוניים בתקופה שבין‬
‫הרבעון השלישי של ‪ 1971‬לבין הרבעון השני של ‪1980‬‬
‫המדגם של )‪ Reinganum (1981‬מכסה תקופה שבין ‪1975‬‬
‫ל‪ ,1977 -‬כלומר רק חלק מהמדגם הנוכחי; כמו כן המדגם‬
‫הנוכחי מכסה מספר חברות גדול יותר באופן משמעותי‬
‫‪ RJL‬השתמשו בנתוני החברות שפרסמו דו"חות רבעוניים‬
‫במהלך חודש אחד לכל היותר מסוף הרבעון המדווח (כלומר‪,‬‬
‫כאשר הדו"ח עדיין היה אקטואלי מבחינת המצב השוטף)‬
‫ראשית‪ RJL ,‬בחנו הבדלים בביצועיי התיקים שהורכבו מ‪-‬‬
‫‪ 20‬מניות בעלות ה‪ SUE -‬הגבוה והנמוך ביותר‪ ,‬כאשר‬
‫הביטא של התיקים זהה (הביטא נקבעה ע"י משקלי מניות‬
‫התיק‪ ,‬וחושבה בשתי שיטות שונות); טבלה ‪( 2‬ע' ‪:)277 – 276‬‬
‫‪22‬‬
‫‪‬‬
‫הטבלה מציגה הפרשים בין תשואות התיקים המורכבים ממניות‬
‫של ‪ 20‬חברות בעלות ה‪ SUE -‬הגבוה והנמוך ביותר במדגם‬
‫‪‬‬
‫כל ערך בטבלה = תשואה ‪-3‬חודשית של תיק המכיל ‪ 20‬מניות‬
‫עם ה‪ SUE -‬הגבוה ביותר‪ ,‬פחות כנ"ל עם ה‪ SUE -‬הנמוך ביותר‬
‫‪23‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫נתוני טבלה ‪ 2‬מצביעים על אפקט ‪ SUE‬משמעותי‪ :‬רובם המכריע‬
‫של הפרשי התשואות הנו חיובי‪ ,‬משמעותי ומובהק סטטיסטית‬
‫החלק המסכם של טבלה ‪( 2‬ע' ‪ )277‬מציג הפרשים ממוצעים עבור‬
‫המדגם כולו ועבור תת תקופות שונות מתוך ‪ 36‬הרבעונים שנבחנו‬
‫מעבר למסקנה הכללית ניתן לראות כי תקופת ‪Reinganum‬‬
‫הייתה תקופה חריגה (ותוצאותיה לא תמיד מובהקות)‬
‫‪24‬‬
‫‪‬‬
‫‪ RJL‬בחנו הפרשים בביצועיי התיקים שהורכבו ב‪ 3 -‬דרכים שונות‪,‬‬
‫הנבדלות בהיבט ההתאמה לסיכון (‪:)risk adjustment‬‬
‫‪.1‬‬
‫‪.2‬‬
‫‪.3‬‬
‫‪‬‬
‫התאמה עפ"י ביטא רגילה (‪;)OLS‬‬
‫התאמה עפ"י ביטא חליפית (‪;)Scholes-Williams‬‬
‫ללא התאמה לסיכון השיטתי (משקלי מניות זהים)‬
‫טבלה ‪( 3‬ע' ‪ 279‬במאמר; לא מוצגת כאן) מציגה תוצאות הניתוח‬
‫בהתאם לכ"א מהשיטות הנ"ל‪ ,‬עם שתי מסקנות מרכזיות הבאות‪:‬‬
‫‪.1‬‬
‫‪.2‬‬
‫‪‬‬
‫אפקט ה‪ SUE -‬בכל ‪ 3‬המקרים מוחשי ומובהק סטטיסטית‪ ,‬ומכאן‬
‫מסקנה כללית‪ :‬המחקר הנוכחי תומך בקיום האנומליה של ‪SUE‬‬
‫תוצאות מספריות של כל ‪ 3‬השיטות הנן קרובות מאוד‪ ,‬ומכאן‬
‫מסקנה טכנית‪ :‬במדגם זה אין חשיבות להתאמה לסיכון בכל‬
‫הקשור לזיהוי ומדידת אפקט ה‪SUE -‬‬
‫בהתאם למסקנה הטכנית‪ ,‬מכאן ואילך התשואות החריגות חושבו‬
‫כהפרש פשוט בין תשואת המניה לתשואת המדד ‪NYSE-AMEX‬‬
‫‪25‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪ RJL‬בוחנים את יכולת המדד ‪ SUE‬לנבא תשואות יתר; המטרה היא‬
‫לכמת את הקשר בין ‪ SUE‬לבין תשואות יתר לאחר פרסום הדו"חות‬
‫הערה‪ :‬בשוק יעיל‪ ,‬לא צריך להיות כל קשר בין הערכים הללו‬
‫המדגם מחולק ל‪ 10 -‬קבוצות של מניות‪ ,‬מאלו עם ה‪ SUE -‬הנמוך‬
‫ביותר (שלילי בסימן) ועד אלו בעלות ה‪ SUE -‬הגבוה ביותר (חיובי)‬
‫‪‬‬
‫עבור כל רבעון‪ ,‬חושבו תשואות יתר יומיות החל מ‪ 20 -‬ימים לפני‬
‫פרסום הדו"ח ועד ‪ 90‬ימים לאחר הפרסום (כאמור‪ ,‬ללא התאמה‬
‫לסיכון השיטתי‪ ,‬כלומר כהפרש פשוט בין תשואת המניה למדד)‬
‫‪‬‬
‫תשואות יתר יומיות בכ"א מ‪ 10 -‬הקבוצות שימשו למציאת תשואת‬
‫יתר ממוצעת בקבוצה‪ ,‬עם מיצוע נוסף על פני ‪ 36‬רבעונים‪ .‬סכימת‬
‫הממוצעים על פני הזמן מספקת תשואת יתר ממוצעת מצטברת‪ ,‬או‬
‫)‪;Cumulative Aggregate Average Excess Return (CAAR‬‬
‫הגדרה פורמלית של המדד מוצגת במשוואות ‪ ,3 – 1‬ע' ‪ 281‬במאמר‬
‫‪26‬‬
‫‪‬‬
‫‪‬‬
‫טבלה ‪( 4‬ע' ‪ 283‬במאמר) מסכמת את תוצאות הניתוח‪:‬‬
‫ניתן לראות כי מדד ‪ SUE‬מאפשר ניבוי אפקטיבי של תשואות‬
‫יתר עתידיות‪ :‬למניות של החברות בעלות ‪ SUE‬נמוך תשואות‬
‫יתר שליליות‪ ,‬ולמניות בעלות ‪ SUE‬גבוה תשואות יתר חיוביות‪,‬‬
‫וזאת אף עבור התקופה של עד ‪ 90‬ימים לאחר פרסום הדו"ח‬
‫‪27‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫בקטגוריות ביניים (קבוצות ‪ 5‬ו‪ )6 -‬לא נצפות מגמות בולטות כלשהן‬
‫(כצפוי‪ ,‬כי בקבוצות הללו ערך ה‪ SUE -‬היה באופן הגדרתי קרוב ל‪)0 -‬‬
‫בקטגוריות ה‪ SUE -‬הגבוה ביותר (קבוצות ‪ 9‬ו‪ ,)10 -‬על פני התקופה‬
‫שבין ‪ 20‬ימים לפני ועד ‪ 90‬ימים לאחר הפרסום‪ 31% ,‬מסך התגובה‬
‫נצפה לפני יום הפרסום‪ 18% ,‬ביום הפרסום ו‪ 51% -‬לאחר הדיווח‬
‫בקטגוריות ה‪ SUE -‬הנמוך ביותר (קבוצות ‪ 1‬ו‪ ,)2 -‬על פני התקופה‬
‫שבין ‪ 20‬ימים לפני ועד ‪ 90‬ימים לאחר הפרסום‪ 40% ,‬מסך התגובה‬
‫נצפה לפני יום הפרסום‪ 15% ,‬ביום הפרסום ו‪ 45% -‬לאחר הדיווח‬
‫‪‬‬
‫הממצאים מצביעים בבירור על כך שהשוק אינו מגיב לפרסום הדו"חות‬
‫(המכילים חדשות טובות או רעות) באופן מיידי‪ ,‬ובפרט כמחצית מסך‬
‫התגובה באה לאחר פרסום הדו"חות‪ ,‬בסתירה להיפותזת היעילות‬
‫‪‬‬
‫גרף ‪( 1‬ע' ‪ 285‬במאמר) ממחיש את האפקט המתואר‪:‬‬
‫‪28‬‬
‫‪.1‬‬
‫קטגוריות ה‪SUE -‬‬
‫הגבוה (חלק עליון)‬
‫ממשיכות בעליה גם‬
‫לאחר יום הפרסום‬
‫‪.2‬‬
‫קטגוריות ה‪SUE -‬‬
‫הנמוך (חלק תחתון)‬
‫ממשיכות בירידה גם‬
‫לאחר יום הפרסום‬
‫‪.3‬‬
‫קטגוריות ביניים‬
‫(חלק אמצעי) לא‬
‫מפגינות מגמות‬
‫בולטות כלשהן‬
‫‪29‬‬
‫‪‬‬
‫‪‬‬
‫לסיכום‪ ,‬ממצאי המחקר מצביעים על אפקט ה‪SUE -‬‬
‫כתופעה אמיתית‪ ,‬מובהקת ובעלת עוצמה של ממש‬
‫ביחס למחקרו של ‪ Reinganum‬החוקרים קובעים כי‬
‫תוצאותיו הסתמכו על תקופה חריגה ומדגם מצומצם‬
‫‪‬‬
‫כתוצאה טכנית‪ ,‬המחקר מצביע על אפשרות ניתוח נתוני‬
‫התשואות ללא התאמה לסיכון‪ :‬במדגם הנוכחי התאמה‬
‫לסיכון בשיטות שונות או חוסר התאמה כלל לא השפיעו‬
‫על התוצאות והמסקנות הסופיות‬
‫‪‬‬
‫כמסקנה כללית‪ ,‬נראה כי השוק אינו מגיב באופן מיידי‬
‫להגעה (או דליפה) של מידע חדש‪ :‬התאמת המחירים‬
‫מתרחשת לאורך תקופה משמעותית לאחר פרסום‬
‫המידע הרשמי‪ ,‬וזאת בניגוד להיפותזת השוק היעיל‬
‫‪30‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫באופן כללי ראינו כי חקר מאורעות מספק עדויות מעורבות‬
‫לשאלת הוורסיה החצי חזקה של היפותזת השוק היעיל‬
‫בפרט‪ ,‬תוצאות המחקר של ‪ Keown & Pinkerton‬תומכות‬
‫ב‪ :EMH -‬במקרה של מיזוג חברות‪ ,‬השוק מגיב באופן מיידי‬
‫לעומת זאת ‪ Rendleman, Jones, & Latané‬הראו כי‬
‫במקרה של פרסום דו"חות תגובת השוק נראית מעוכבת‬
‫‪‬‬
‫ניתן להצביע על שתי סיבות להופעת תוצאות סותרות הנ"ל‪:‬‬
‫‪.1‬‬
‫סיבה ריאלית‪ :‬השוק אכן מגיב באופן שונה במקרים שונים‬
‫ו‪/‬או‬
‫סיבה טכנית‪ :‬שיטת ניתוח‪ ,‬אופן עיבוד הנתונים והנחות‬
‫החוקרים כולם עשויים להשפיע על התוצאות והמסקנות‬
‫‪.2‬‬
‫‪31‬‬
‫‪‬‬
‫בהקשר לסיבה הריאלית‪ ,‬הסוגיה עדיין פתוחה והעבודה בתחום רחוקה‬
‫מסיום; למשל‪ Robert Haugen ,‬מעלה מגוון טיעונים כנגד ‪EMH‬‬
‫(במסגרת הגישה המוצעת תחת כותרת כללית של ‪)New Finance‬‬
‫‪‬‬
‫באשר לסיבה הטכנית‪ ,‬ניתן לציין מספר נקודות טכניות הקשורות ל‪-‬‬
‫(‪ )1‬שיטת הניתוח‪ )2( ,‬משמעות התוצאות ו‪ )3( -‬אופן בחירת המדגם‬
‫‪‬‬
‫שורה של עבודות מחקריות עוסקת בשאלות מתודולוגיות (לעומת‬
‫העבודות שעסקו ביישום הטכניקה של חקר מאורעות); למשל‪:‬‬
‫‪Brown & Warner (1980), “Measuring Security Price‬‬
‫;‪Performance,” Journal of Financial Economics 8, 205 – 258‬‬
‫”‪Brown & Warner (1985), “Using Daily Stock Returns,‬‬
‫;‪Journal of Financial Economics 14, 3 – 31‬‬
‫‪Kothari & Warner (2004), “Econometrics of Event‬‬
‫‪Studies,” Handbook of Corporate Finance‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪32‬‬
‫‪‬‬
‫‪‬‬
‫כפי שראינו במחקרים שהוצגו‪ ,‬אחת הסוגיות הטכניות בניתוח נתונים‬
‫קשורה לשאלת ההתאמה לסיכון (בפרט בחישוב של תשואות חריגות)‬
‫החוקרים )‪ Brown & Warner (1980‬בחנו את יכולת הכלים של‬
‫חקר מאורעות לזהות את התופעות הקיימות‪ ,‬והשוו ‪ 3‬שיטות הבאות‪:‬‬
‫‪.1‬‬
‫‪ – Mean Adjusted Returns‬התשואה החריגה שווה לסטייה‬
‫מהתשואה הממוצעת בתקופה הרלוונטית (ללא התאמה לסיכון)‬
‫‪ – Market Adjusted Returns‬התשואה החריגה שווה לסטייה‬
‫מתשואת מדד השוק (השיטה המופשטת‪ ,‬כמו במחקר ‪)RJL‬‬
‫‪ – OLS Market Model‬התשואה החריגה שווה לסטייה מהקו‬
‫המאפיין (התאמה מלאה לסיכון השיטתי‪ ,‬כמו במחקר של ‪)K&P‬‬
‫‪‬‬
‫החוקרים הגיעו למסקנה כי עבור תשואות חודשיות‪ ,‬כל השיטות הנ"ל‬
‫מספקות תשובות מדויקות למדי‪ ,‬בעוד עבור תשואות יומיות‪ ,‬לבחירת‬
‫השיטה של התאמה לסיכון השלכות חשובות על התוצאות והמסקנות‬
‫(כי התפלגות הנתונים היומיים בד"כ רחוקה יותר מהתפלגות נורמלית)‬
‫‪.2‬‬
‫‪.3‬‬
‫‪33‬‬
‫‪‬‬
‫נקודה נוספת מתייחסת למשמעות ופרשנות התוצאות‪,‬‬
‫לאור העובדה כי ניתוח של תשואות יתר בוחן היפותזה‬
‫משותפת – ‪ ;Joint Hypothesis‬לדוגמא‪ ,‬ניכוי תנודת‬
‫השוק לפי ‪ OLS Market Model‬מתבסס על ‪CAPM‬‬
‫(מודל של פיצוי המשקיעים בעבור הסיכון לפי תיק השוק)‬
‫‪‬‬
‫באופן כללי‪ ,‬חקר מאורעות עוסק בבחינות של התנהגות‬
‫מחירים עפ"י תשואות יתר ולכן חייב להסתמך על מודל‬
‫כלשהו של תשואה נורמלית (כדי לקבוע תשואה חריגה)‬
‫‪‬‬
‫בהתאם‪ ,‬לכל תוצאה מהסוג הזה תהיה משמעות לגבי‬
‫היפותזה משותפת של שוק יעיל ומודל השוק בו נעשה‬
‫השימוש; ולכן אם‪ ,‬לדוגמא‪ ,‬מחקר מביא לתוצאות‬
‫שסותרות את ‪ ,EMH‬אפשר שהשוק בפועל יעיל אך‬
‫במחקר הנדון נעשה שימוש במודל שאיננו רלוונטי‬
‫‪34‬‬
‫‪‬‬
‫נקודה נוספת מתייחסת לאופן בחירת המדגם‪ :‬מכיוון ומדובר בחברות‬
‫שעברו אירוע דומה‪ ,‬אפשר שאירוע אחד ספציפי השפיע על חלק גדול או‬
‫אף על כל החברות בו זמנית (למשל‪ ,‬חובת דיווח שחלה בתאריך קלנדרי‬
‫מסוים); התופעה הזאת מכונה הקבצת מאורעות – ‪,CLUSTERING‬‬
‫ולנתוני המדגם שבו קיימת התופעה ישנם יתרונות וחסרונות מסוימים‬
‫‪‬‬
‫היתרון המרכזי הוא בהיעדרם במקרה זה של מספר גדול של גורמים‬
‫בלתי נשלטים‪ :‬אירועים "דומים" הם למעשה תמיד דומים רק במידה‬
‫מסוימת‪ ,‬והשימוש בהם מצריך הנחות סמויות שלא תמיד מוצדקות;‬
‫במקרה של אירוע אחד‪ ,‬כל השאלות הללו יורדות מהפרק באופן טבעי‬
‫‪‬‬
‫מאידך‪ ,‬בעת שימוש בנתונים עם הקבצת מאורעות‪ ,‬חייבים להתייחס‬
‫לעובדה כי הנחת האי‪-‬תלות בין התצפיות בחתכי רוחב לא מתקיימת‪,‬‬
‫הדבר שגורם להטיית אומדנים; החישובים חייבים להתייחס לשונות‬
‫המשותפת בין התצפיות (התופעה מטעה באופן משמעותי ביותר את‬
‫התוצאות המתקבלות תוך שימוש ב‪)Mean Adjusted Returns -‬‬
‫‪35‬‬
:‫שני המחקרים המוצגים לעיל השתמשו במדגם ללא הקבצת מאורעות‬
1.
2.
Keown & Pinkerton, “Merger Announcements and
Insider Trading Activity: An Empirical Investigation”
Rendleman, Jones, & Latané, “Empirical Anomalies
Based on Unexpected Earnings and the Importance of
Risk Adjustments”
:‫דוגמא למחקר שהשתמש במדגם נתונים עם הקבצת מאורעות‬

36


Doron Kliger & Oded Sarig, 2000, “The Information
Value of Bond Ratings,” The Journal of Finance 55 (6)
‫המחקר עסק בתוכן האינפורמטיבי של דרוג אג"ח ובחן כיצד שכלול‬
‫ השפיע על ני"ע של החברות המדורגות‬MOODY’S ‫מערכת הדרוג‬

‫שכלול מערכת הדרוג היה אירוע חד פעמי שפקד את כל החברות בו‬
FULL CLUSTERING – ‫ ולכן במחקר זה קיימת הקבצה מלאה‬,‫זמנית‬
