Im Rahmen dieser Ereignisstudie wurden Kaufempfehlungen für deutsche Aktienunternehmen in den bekanntesten deutschen Wertpapierzeitschriften analysiert. Es konnte gezeigt werden, dass die Veröffentlichung von Kaufempfehlung in Wertpapierzeitschriften am deutschen Aktienmarkt eine messbare Informationswirkung besitzen und effizient vom Markt verarbeitet werden. Somit konnte nachgewiesen werden, dass Anleger aus kurzfristiger Performancesicht mit Hilfe der Kaufempfehlungen systematisch eine Überrendite erzielen können.
In Folge der Empfehlungen erzielen die Investoren am Ereignistag selbst eine signifikante durchschnittliche überschüssige Rendite von +0,57Prozent. Innerhalb des Zeitraums von fünf Tagen um den Ereignistag kommt es zu einem kumulierten Gesamteffekt in Höhe von +1,25 Prozent, zu beobachten ist. Diese Ergebnisse lassen sich insbesondere auf kleinere Unternehmen aus dem Small Cap zurückzuführen, deren gemessene kumulierte abnormale Renditen über den Zeitraum bei 2,11 Prozent liegt und auf dem 5 Prozent-Niveau signifikant ist.
INHALTSVERZEICHNIS
1. Bedeutung von Empfehlungen bei Kaufentscheidungen
2. Überblick über Verhaltenseinflüsse im Rahmen von Kaufentscheidungen
2.1 Behavioral Finance als Bewertungsinstrument von Verhaltenseinflüssen
2.2 Kennzeichnung von kognitiven Verzerrungen
2.3 Ausgewählte kognitive Verzerrungen bei Kaufentscheidungen
2.4 Framing-Analyse als Untersuchungsinstrument von Verhaltenseinflüssen
3. Überblick über das Untersuchungsdesign von Ereignisstudien
3.1 Die Effizienzmarkthypothese als Grundlage der Ereignisstudie
3.2 Untersuchungszwecke von Ereignisstudien
3.3 Überblick über die methodische Vorgehensweise von Ereignisstudien
3.3.1 Überblick über den systematischen Ablauf von Ereignisstudien
3.3.2 Abgrenzung des Ereignisses
3.3.3 Vorgehensweise zur Ermittlung abnormaler Renditen
3.3.4 Überblick über die statistische Signifikanzanalyse
3.4 Untersuchungsgrundlagen des Handelsvolumens im Rahmen von Ereignisstudien
4. Durchführung einer Ereignisstudie zur Analyse von Kurseffekten
4.1 Festlegung des Untersuchungsdesign
4.2 Ergebnisuntersuchung der abnormalen Renditen
4.2.1 Gesamtuntersuchung der Ergebnisse
4.2.2 Einzeluntersuchung der Ergebnisse je Index
4.3 Ergebnisuntersuchung der abnormalen Handelsvolumina
4.3.1 Gesamtuntersuchung der Ergebnisse
4.3.2 Einzeluntersuchung der Ergebnisse je Index
4.4 Ergebnisuntersuchung der Framing-Analyse
4.5 Gesamtbetrachtung der Untersuchungsergebnisse
5. Übertragung der Untersuchungsergebnisse auf internationale Kapitalmärkte
ABBILDUNGSVERZEICHNIS
Abb. 1: Hypothetische Wertfunktion der Prospect Theory
Abb. 2: Untersuchungszwecke von Ereignisstudien
Abb. 3: Möglicher Untersuchungsablauf von Ereignisstudien
Abb. 4: Überblick über Preisbildungsmodelle
Abb. 5: Zeitlicher Aufbau einer Ereignisstudie
Abb. 6: Überblick über Testverfahren im Rahmen von Ereignisstudien
Abb. 7: Überblick über die Verteilung der Empfehlungen je Zeitschrift
Abb. 8: Überblick über die Verteilung der Empfehlungen je Marktindex
Abb. 9: Grafischer Verlauf der AAR im Ereignisfenster [-10; +10]
Abb. 10: Abnormale Renditen innerhalb des Ereignisfensters [-10;+10]
Abb. 11: Grafischer Verlauf der CAAR im Ereignisfenster [-10; +10]
Abb. 12: Kumulierte abnormale Renditen über variable Ereignisfenster
Abb. 13: Überblick über die abnormalen Renditen je Marktindex
Abb. 14: Vergleich der Abnormalen Renditen je Marktindex
Abb. 15: Vergleich der kumulierten Abnormalen Renditen je Marktindex
Abb. 16: Kumulierte abnormale Renditen über variable Ereignisfenster
Abb. 17: Signifikante abnormale Renditen je Marktindex
Abb. 18: Signifikante kumulierte abnormale Renditen je Marktindex
Abb. 19: Überblick über die abnormalen Volumina im Ereignisfenster
Abb. 20: Grafischer Verlauf der AAHV im Ereignisfenster [-10; +10]
Abb. 21: Grafischer Verlauf der CAAHV im Ereignisfenster [-10; +10]
Abb. 22: Vergleich abnormaler Volumina je Marktindex
Abb. 23: Überblick über die abnormalen Renditen je Marktindex
Abb. 24: Kumulierte abnormale Volumina über variable Ereignisfenster
Abb. 25: Vergleich kumulierter abnormaler Volumina je Marktindex
Abb. 26: Signifikante abnormale Handelsvolumen je Index
Abb. 27: Signifikante kumulierte abnormale Handelsvolumen je Index
Abb. 28: Gesamtergebnisse der Framing-Analyse
Abb. 29: Ergebnisse der Framing-Analyse für signifikante Unternehmen
Abb. 30: Gesamtüberblick über die einzelnen untersuchten AAR
Abb. 31: Gesamtüberblick über die einzelnen untersuchten CAAR
Abb. 32: Gesamtüberblick über die einzelnen untersuchten AAHV
Abb. 33: Gesamtüberblick über die einzelnen untersuchten CAAHV
1. Bedeutung von Empfehlungen bei Kaufentscheidungen
Das Treffen von Entscheidungen ist in vielen Bereichen unseres Lebens von zentraler Bedeutung.1 In den Wirtschaftswissenschaften wurden daher bereits vielfältige Verfahren entwickelt, mit deren Hilfe das Entscheidungsverhalten am Kapitalmarkt hinsichtlich ökonomischer Aspekte untersucht werden kann. Häufig wird dabei unterstellt, dass sich die Entscheidungsträger rational verhalten.2 Jedenfalls gibt es eindeutige Anzeichen dafür, dass sich Entscheidungsträger nicht immer rational verhalten.3 Dies kann damit begründet werden, dass sowohl die hohe Komplexität und Intransparenz aufgrund der Vielzahl an Informationen als auch die Dynamik an den Aktienmärkten die Marktteilnehmer verstärkt vor unsichere Entscheidungen stellen.4 Diese Unsicherheit führt dazu, dass sich die Anleger vermehrt von einem rationalen Verhalten abwenden und sich zunehmend von Empfehlungen anderer leiten lassen. Daher können massenpsychologische Reaktionen in Folge von Empfehlungen einen treibenden Motor in der Wirtschaft darstellen, so dass sich Wissenschaftler bereits seit einigen Jahren immer wieder mit der Frage beschäftigen, ob Aktienempfehlungen tatsächlich nützliche Informationen enthalten und somit zu einer Überreaktion der Aktienkurse führen können.5
Daher kann davon ausgegangen werden, dass Kaufempfehlungen in Wertpapierzeitschriften sowohl aus ökonomischer als auch verhaltensökonomischer Sicht eine wichtige Rolle spielen, so dass sich folglich die Frage stellt, inwiefern sie sich auf die Aktienkurse der Unternehmen auswirken.
2. Überblick über Verhaltenseinflüsse im Rahmen von Kaufentscheidungen
2.1 Behavioral Finance als Bewertungsinstrument von Verhaltenseinflüssen
In der Wirtschaftswissenschaft wird häufig vom Homo Oeconomicus aus- gegangen.6 Er stellt das Idealbild eines ökonomisch rational denkenden und handelnden Menschen dar, der bestrebt ist, seinen Nutzen zu maximieren und zugleich über vollständige als auch unverzerrte Informationen verfügt.7 Die Annahme des Homo Oeconomicus, der Mensch würde strikt rational handeln, vereinfacht die Annahmen der ökonomischen Modellbildung zwar enorm.8 Allerdings konnten bereits durch zahlreiche Untersuchungen belegt werden, dass sich der Mensch keineswegs immer streng rational verhält und somit die Annahmen an den Homo Oeconomicus verletzt ist.9 Aus diesem Grund geht die Behavioral Finance, im Gegensatz zur klassischen Finanztheorie, nicht nur von einem ineffizienten Markt aus,10 sondern bildet auch die Abkehr vom Homo Oeconomicus hin zu einem begrenzt rational agierenden Marktakteur,11 der seine Entscheidungen aufgrund psychischer, mentaler sowie neuronaler Limitationen lediglich begrenzt rational treffen kann.12
Somit setzt die Behavioral Finance an der Schnittstelle zwischen Psychologie und Ökonomie an13 und beschäftigt sich mit dem irrationalen Verhalten von Marktakteuren auf Kapitalmärkten sowie deren Ursachenfor- schung.14 Sie versucht durch Untersuchung der Informationsaufnahme und -verarbeitung das Entscheidungsverhalten der Marktakteure abzuleiten und unterschiedliche irrationale Abweichungen der menschlichen Ver- haltensweise zu untersuchen.15 Bei Verhaltensforschungen im Rahmen der Behavioral Finance geht es allerdings nicht um die Untersuchung rein zufälliger Verhaltensfehler, die Menschen aufgrund ihrer begrenzten Informationsverarbeitung begehen, sondern vielmehr um systematische Verhaltensweisen, die von nahezu allen Marktteilnehmer zu den gleichen irrationalen Entscheidungen führen.16 Solche systematischen Abweichungen vom rationalen Verhalten des Menschen werden als Anomalien oder Verzerrungen bezeichnet.17
2.2 Kennzeichnung von kognitiven Verzerrungen
Kognitive Verzerrungen entstehen häufig dadurch, dass Menschen infolge kognitiver Beschränkungen auf bestimmte Heuristiken zurückgreifen.18 Unter Heuristiken versteht man bestimmte Verhaltensmuster oder Denkvorgänge, die sich im Laufe der Zeit entwickelt haben, um Alltagssituationen zu erleichtern.19 Zudem zeichnen sie sich dadurch aus, dass zur Entscheidungsfindung nicht auf Wahrscheinlichkeiten oder andere ökonomische Modelle zur Schätzung zurückgegriffen wird, sondern auf vereinfachte automatisierte Regeln.20 21 22 Diese Regeln der Informationsverarbeitung ersetzen komplexe analytische Berechnungsmodelle und werden häufig unbewusst angewendet. Dies erfolgt insbesondere dann, wenn Menschen mit den ihnen verfügbaren Informationen überfordert sind oder diese mangels nötiger Zeit, nicht tiefgründig verarbeitet werden können.21) Grundsätzlich sind Heuristiken in der Lage gute Ergebnisse zu erzielen, allerdings können sie auch zu Urteilsverzerrungen führen, sodass sie nicht garantiert zum optimalen Ergebnis führen22) oder das Ziel ganz verfehlen.23 Somit stellen Heuristiken zwar eine vereinfachende Lösungstechnik komplexer Probleme dar, allerdings können sie auch zu Fehlentscheidungen führen.24 Treten solche irrationalen Fehlentscheidungen nicht nur rein zufällig auf, sondern sind von systematischer Natur, dann spricht man im Rahmen der Behavioral Finance von kognitiven Verzerrungen.25
2.3 Ausgewählte kognitive Verzerrungen bei Kaufentscheidungen
Aufgrund der zahlreich existierenden und unzureichenden einheitlichen Systematisierung kognitiver Verzerrungen, können im Kontext dieser Arbeit nicht sämtliche Verzerrungen dargestellt werden, sodass im Folgenden ausschließlich kognitive Verzerrungen vorgestellt werden, die sowohl im Kontext von Kapitalmarktuntersuchgen als auch im weiteren Verlauf dieser Arbeit von Relevanz sind. Dabei sollen nun Verhaltensanomalien vorgestellt werden, die im Zusammenhang mit der Informationswahrnehmung, Informationsverarbeitung und Entscheidungsfindung stehen.26
Informationswahrnehmungsanomalien stellen die Vorstufe der Informationsverarbeitung dar.27 Hierbei sind insbesondere die Confirmation Bias, die Repräsentativitätsheuristik sowie die Verfügbarkeitsheuristik zu nennen. Bei Confirmation Bias neigen Individuen dazu, im Rahmen bereits gebildeter Meinungen, nur wenige ausgewählte Informationen wahrzunehmen, während sie andere vernachlässigen.28 Somit rücken solche Informationen ins Zentrum der Betrachtung, die zur Stärkung der eigenen bereits gebildeten Meinung beitragen.29 Confirmation Bias sind in zahlreichen Bereichen wiederzufinden30 und gelten im Kontext von Kapitalmarktuntersuchungen als äußerst relevant.31 Es lässt sich im Rahmen von Kaufentscheidungen vermuten, dass Entscheidungsträger bereits über eine positive Einstellung hinsichtlich des Kaufs verfügen, so dass negative Informationen außer Acht gelassen werden und eine Entscheidung ungeachtet einer kritischen Reflektion getroffen wird.
Bei der Repräsentativitätsheuristik wird versucht einzuschätzen, mit welcher Wahrscheinlichkeit ein bestimmtes Objekt zu einer bestimmten Klasse gehört.32 Erscheint das Objekt als Repräsentant dieser Klasse, so wird die Wahrscheinlichkeit als recht hoch erachtet, dass dieses auch tatsächlich zu dieser Klasse gehört. Ein solches Verhalten ist insbesondere bei der Chartanalyse von Aktienkursentwicklungen zu beobachten. Hierbei versuchen die Marktteilnehmer den Aktienmarkt anhand historischer Aktienkursverläufe zu analysieren und zu interpretieren, um auf Basis sich wiederholender Verlaufsmuster oder Trends, Prognosen der zukünftigen Kursentwicklung abzuleiten.33 Bei Ranglisten oder erfolgreichen Analysten versuchen Marktteilnehmer ebenfalls auf bestimmte Klassen zu schließen. So erscheinen sowohl der jahrelange Erfolg von Aktienanalysten als auch jahrelange erfolgsversprechende Investmentprodukte als vermeintlicher Indiz dafür, dass die Ergebnisse nicht nur zufällig sind. Allerdings besteht dabei die Gefahr, dass Investitionen auf Grundlage vergangener, womöglich unbedeutender, Erfolgsklassifizierung falsch getätigt werden.
Im Rahmen der Verfügbarkeitsheuristik hingegen werden hoch verfügbare Informationen als wichtig erachtet, während weniger verfügbare Informationen als nicht relevant erscheinen.34 Individuen neigen daher oft dazu, in Produkte zu investieren, die mental verfügbar sind oder aktuell im Trend liegen.35 Trendeffekte können zudem mittels medialer Aufbereitung verstärkt werden, so dass folglich die Gefahr eines massenpsychologischen Herdenverhaltens besteht. Eine detaillierte Erklärung des Begriffs des Herdenverhaltens soll nachfolgend noch im Rahmen der Entscheidungsanomalien gegeben werden.
Zuvor sollten allerdings noch die Informationsverarbeitungsanomalien beschrieben werden, die als irrationale Verarbeitungsprozesse verstanden werden, die nach der Informationswahrnehmung entstehen können.36 Informationsverarbeitungsanomalien zeichnen sich durch ihre selektive Rolle aus und gehen der Entscheidungsfindung voraus. Zu den Informationsverarbeitungsanomalien zählen das Anchoring sowie die Vereinfachung von Sachverhalten. Das Anchoring bzw. der Verankerungseffekt besagt, dass Individuen bei der Schätzung unbekannter Größen dazu neigen, sich an Ausgangs- oder Richtwerten zu orientieren.37 Somit beeinflusst der Ausgangswert die zu schätzende Wertgröße, auch wenn kein Bezug zueinander besteht.38 Verankerungseffekte treten häufig im Zusammenhang mit Preisen auf, da der zuerst genannte Preis als Anker die zu schätzende Wertgröße beeinflusst. So nehmen, insbesondere bei der Analyse von Zahlen- oder Kursreihen, die aktuelleren Werte als Anker einen höheren Stellenwert als ältere,39 sodass vermutet werden kann, dass die Präferenzen der Individuen nicht stabil sind und sich durch einen willkürlich gewählten Anker beeinflussen lassen.40 In Folge der Vereinfachung der Sachverhalte werden häufig fundamentale Argumente ignoriert und stattdessen auf einfache Zusammenhänge, wie beispielsweise Trends oder Marktlagen, geachtet.41
Entscheidungsanomalien hingegen stellen irrationale Prozesse dar, die in Folge der Entscheidungsfindung und Entscheidungsverarbeitung auftre- ten.42 An dieser Stelle ist insbesondere das Herdenverhalten zu nennen, das als konvergentes Verhalten von Individuen unter Vernachlässigung der eigenen Informationen definiert ist.43 Menschen neigen meistens in Situationen der Unsicherheit dazu, anderen blind zu vertrauen, da sie häu- fig befürchten, mit ihren eigenen Einschätzungen falsch zu liegen.44 Folglich liegt Herdenverhalten genau dann vor, wenn Individuen ihre eigene Meinung vernachlässigen und den Entscheidungen anderer folgen und genauso handeln, wie die breite Masse, da sie der Auffassung sind, dass diese im Besitz besserer Informationen sind als sie selbst.45 Dadurch versuchen die Marktteilnehmer durch Trendverfolgung auf kurzfristige Kursentwicklungen zu setzen.46 Dieses Verhalten kann einerseits durch kognitive Wahrnehmungen und Deutung bestimmter Informationen verursacht werden, andererseits durch verschiedene Anreize.47 Zudem spielen sowohl das Vorhandensein unvollkommen informierter Marktakteure sowie die Beeinflussbarkeit der individuellen Entscheidungen durch das Verhalten anderer für das Entstehen von Herdenverhalten eine zentrale Rolle.48 Dieses gleichgerichtete Verhalten äußert sich auf den Kapitalmärkten durch starke Kursschwankungen, da ein Großteil dazu neigt, in die gleichen Anlagemöglichkeiten zu investieren.
Ein solches Verhalten kann mit Hilfe des Framing-Effekts begründet wer- den.49 Einige Forscher beschreiben den Framing-Effekt als Informations- warhnehmungsanomalie,50 wobei es beim Framing allerdings weniger um die Wahrnehmung an sich geht, sondern vielmehr wie sich die gerahmte Darstellung eines Sachverhaltes auf die Informationsverarbeitung sowie auf die Entscheidungsfindung auswirkt.51 Der Framing-Effekt tritt häufig dann auf, wenn die Art der Formulierung auf zusätzliche Informationen schließen lässt, die aus der Formulierung selbst nicht direkt zu erkennen sind.52 Dies ist insbesondere dann der Fall, wenn durch das Hervorheben oder Selektieren bestimmter gedankenleitender Aspekte, Inhalte unter- schiedlich beschrieben oder dargestellt werden.53 So können zwei unterschiedliche Formulierungen, die den gleichen logischen Inhalt besitzen, dennoch zu einem unterschiedlichen Informationsgehalt führen.54 Demnach macht die Art, wie die Informationen dargestellt werden, einen enormen Unterschied.55 Folglich zieht der Mensch nur einige wenige für ihn relevante Aspekte heran, während andere als unbedeutend unberücksichtigt bleiben.56 Demnach hat die rein semantische Formulierung, die aus ökonomischer Sicht zwar völlig unerheblich erscheint, hat aus Sicht der Behavioral Finance jedoch einen enormen Einfluss.57 Denn eine Entscheidung sollte unabhängig von der zugrunde liegenden Beschreibung getroffen werden, sodass zwei unterschiedliche Beschreibungen des gleichen Problems stets zur selben Entscheidung führen müssten.58 Daher stützen die Anhänger der Behavioral Finance die Framing-Theorie auf Basis der Prospect Theory.59 Abbildung 1 zeigt den hypothetischen Wertverlauf der Prospect Theory.
Abbildung in dieser Leseprobe nicht enthalten
Abb. 1: Hypothetische Wertfunktion der Prospect Theory60 Die Wertefunktion stellt die Beziehung zwischen einer objektiven Wertänderung, wie Gewinne oder Verluste und der daraus resultierenden subjektiv empfundenen Wertänderung, dar.61 Da Tversky und Kahneman davon ausgehen, dass weder die Wahrscheinlichkeiten noch die Auszahlungen von den Individuen linear bewertet werden,62 verläuft die Wertefunktion im Verlustbereich konvex und im Gewinnbereich konkav, wobei sie im Verlustbereich steiler als im Gewinnbereich ist.63 Ein solcher s-förmiger Verlauf impliziert, dass Individuen im Verlustbereich risikofreudiger und im Gewinnbereich risikoaverser agieren.64 Daraus lässt sich schließen, dass Anleger dazu neigen, Verluste stärker zu gewichten als Gewinne in vergleichbarer Höhe.65 Denn würden Menschen die Ergebnisse linear anhand ihres Erwartungsnutzen bewerten, dann könnten Framing-Effekte erst gar nicht auftreten, da dies bedeuten würde, dass es keine Unterschiede im Entscheidungsverhalten gäbe.66 Zudem geht die Prospect Theory davon aus, dass Menschen die Konsequenzen ihrer Entscheidungen immer in Relation zu einem bestimmten Referenzpunkt einschätzen.67 Dieser Bezugspunkt ist durch den Nullpunkt des Koordinatensystems der Wertefunktion gekennzeichnet. Eine Verschiebung dieses Referenzpunktes durch Rahmung wird als Framing bezeichnet. Somit lässt sich eine Framing- sowie eine Bewertungsphase unterschieden, wobei die Situation selbst die Framing-Phase darstellt.68 Dementsprechend werden Entscheidungen in der Bewertungsphase durch positiv oder negativ induzierte Bezugsrahmen so getroffen, dass der subjektiv empfundene höchste Nutzenwert entsprechend der eigenen Wertfunktion erreicht werden kann.69 Es wird mit Hilfe von Frames also ein Erwartungsrahmen geschaffen,70 der ohne explizite Argumente die Vorstellungen und Bewertungen der Anleger verändern kann.71 Folglich sind Frames in der Lage Informationen zu einem Thema zu selektieren, bestimmte Aspekte zu betonen und hervorzuheben und diese in einen spezifischen Kontext einzuordnen.72
Frames finden sich auch häufig in der Berichterstattung wieder.73 Demnach legen mediale Rahmungen den Fokus auf bestimmte Aspekte und heben diese durch Betonung hervor.74 Somit sind Medien-Frames in der Lage bereits vorhandene Schemata zu aktivieren und die Vorstellungen des Empfängers in Richtung des Frames zu verschieben, sodass sich dessen Meinungen verändert. So kann in Bezug auf den Kapitalmarkt insbesondere das Urteilsvermögen von Wertpapieranlegern mit Hilfe medialer Rahmung in eine bestimmte Richtung gelenkt werden.75 Damit vermitteln Medien vor allem den unerfahrenen Kleinanlegern und Börsenlaien Sichtweisen auf Aktienwerte, die mit fundamentalen Wertfaktoren nichts zu tun haben. Je größer die Anzahl der unerfahrenen Anleger ist, die sich von solchen Rahmungen beeinflussen lassen, desto eher dürften ihre Anlageentscheidungen in einem Mainstream münden, der sich dann sowohl im Kurs als auch im Handelsvolumen bemerkbar machen dürfte. Ein solcher Framing-Effekt dürfte sich im Falle eines Medienbeitrags, der eine direkte Anlage- bzw. Kaufempfehlung beinhaltet, noch verstärken. Denn Anleger neigen aufgrund der Verfügbarkeitsheuristik oft dazu, für ihre Entscheidungen nicht alle Aspekte zu berücksichtigen, sondern nur solche, die durch Medien-Frames leicht verfügbar gemacht werden. Ein solches Mainstreaming der Meinungen aufgrund rahmender medialer Berichterstattung kann zur Vernachlässigung der eigenen Information der Marktteilnehmer führen, so dass sie zu einem konvergenten Verhalten neigen und somit die gleichen Entscheidungen treffen.76 Somit kann mittels Framing ein Herdenverhalten ausgelöst werden, was folglich nicht nur zu überschüssigen Aktienkursen führt, sondern auch zu steigenden Handels volumina.71 Um Frames im Rahmen von Aktienempfehlungen aufdecken zu können empfiehlt es sich eine Framing-Analyse durchzuführen.72
2.4 Framing-Analyse als Untersuchungsinstrument von Verhaltenseinflüssen
Im Rahmen inhaltsanalytischer Forschungen hat das Framing-Konzept innerhalb der letzten Jahre deutlich an Popularität gewonnen.73 Allerdings ist ein Frame, im Gegensatz zu anderen Variablen, eher abstrakt und lässt sich daher schwieriger identifizieren.74 Trotz der hohen Relevanz der inhaltsanalytischen Framing-Forschung besteht im Hinblick auf eine Systematisierung der empirischen Herangehensweise sowie der Operationalisierung noch eindeutig Klärungsbedarf.75
Es lassen sich zwei unterschiedliche Arten von Frames in der inhaltsanalytischen Literatur unterscheiden.76 Die formal-stilistischen Frames und die inhaltsbezogenen Frames. Bei formal-stilistischen Frames steht der Aufbau der Botschaft im Fokus, wohingegen der Inhalt, also das worum es eigentlich geht, nicht von Interesse ist. Inhaltsbezogene Frames hingegen vernachlässigen formal-stilistische Strukturen und rücken bestimmte inhaltliche Themenaspekte in den Vordergrund der Botschaft, sodass es darum geht, was genau gesagt wurde. Damit ein zu untersuchendes Objekt als Frame klassifiziert werden kann, wird häufig die Definition von Entman (1993) herangezogen.77 Diese besagt, dass ein Frame grundlegend durch vier Elemente gekennzeichnet sein sollte. Diese lauten Problemdefinition, Kausalattribution, normative Bewertung sowie Handlungsempfehlung, wobei nicht zwangsläufig alle Kriterien erfüllt sein müssen.78
Insgesamt zeigt sich eine Vielzahl an methodischen Möglichkeiten, um Frames herauszufiltern und zu kodieren.79 Es lassen sich syntaktische, thematische und rhetorische Strukturen analysieren.80 Syntaktische Strukturen stellen beispielsweise Überschrift, Einleitung oder Schluss dar. Bei thematischen Strukturen handelt es sich hingegen um Hypothesen bzw. Behauptungen zu einem bestimmten Problem. Mit rhetorischen Strukturen sind stilistische Variationen eines Beitrages gemeint. Während Dahinden zur Analyse zwischen einem induktiv-qualitativen, deduktiv-quantitativen und induktiv-quantitativen Ansatz differenziert,81 nennt Matthes hingegen vier unterschiedliche Methoden.82 Der Grund für eine Erweiterung liegt in der unzureichenden Begriffsgenauigkeit der Einteilung in qualitativ und quantitativ. Daher versucht Matthes die Methoden anhand ihrer charakteristischen Vorgehensweise zu unterteilen und unterscheidet daher einen qualitativen, einen manuell-holistischen, einen manuell-dimensionen- reduzierenden sowie einen computerbasierten Ansatz.83
Der induktiv-qualitative Ansatz stellt die wohl am häufigsten angewendete Methode dar.84 Hierbei werden Frames induktiv anhand ausführlicher und detaillierter Textpassagen aus dem Material extrahiert.85 Eine solche Analyse bringt zwar den Vorteil mit sich unmittelbar am Datenmaterial arbeiten zu können, birgt allerdings auch aufgrund der subjektiven Vorstellungen der Forscher Gefahren, da zumeist auf eine standardisierte Qualitätsbeurteilung der herausgefilterten Frames verzichtet wird.86 Bei dem deduktivquantitativen Ansatz werden die zu untersuchenden Frames im Vorfeld definiert und erst anschließend mittels einer Textanalyse überprüft.87 Somit lassen sich lediglich solche Frames herauslesen, welche auch zuvor von dem Forscher festgelegt wurden, so dass nicht definierte Frames auch nicht empirisch überprüft werden können. Insgesamt konnten sich bereits zahlreiche induktiv-quantitative Methoden herausbilden, wobei all diese Verfahren die Gemeinsamkeit haben, dass sie zumeist über deduktiv bestimmte Identifikationskriterien versuchen, Frames aus der Berichterstattung zu erfassen.88 Diese vordefinierten Identifikationsvariablen werden als Kodierungsanweisungen bezeichnet. Hierzu zählen die von Matthes genannten manuell-holistischen, manuell-dimensionsreduzierenden sowie die computerbasierten Ansätze.
Der manuell-holistischen Zugang basiert auf einem manuellen Kodieren holistischer Kategorien. Das bedeutet, dass Frames anhand ihrer Existenz in einem Text durch Variablen kodiert werden.89 Dabei gibt es sowohl ein induktives Vorgehen, bei dem die Frames zuerst interpretativ herausgefiltert werden, um sie im Anschluss zu quantifizieren als auch eine deduktive Vorgehensweise, bei der die Frames von vornherein definiert und anschließend kodiert werden. Bei der manuell-dimensionsreduzierenden Vorgehensweise werden nur einzelne Variablen oder Elemente von Frames kodiert, indem sie mittels dimensionsreduzierender Verfahren, wie beispielsweise die Clusteranalyse, zu Frames zusammengefasst wer- den.90 Hierbei stützt sich die Identifikation der Frames auf die Definition von Entman, dass sich Frames durch vier spezifische Frame-Elemente auszeichnen und somit in charakteristischer Weise gruppiert werden kön- nen.91 Bei dem computerbasierten Zugang, erfolgt eine computergestützte Textanalyse.92 Hierbei sind objektive sowie reliable Methoden unerlässlich, sodass häufig zur Erfassung von Frames das Frame-Mapping als eine quantitative Methode Anwendung findet. Hierbei werden weder einzelne Frame-Elemente kodiert noch erfolgt eine interpretative Auseinandersetzung. Stattdessen werden zusammen auftretende Wörter oder Wortgruppen mittels computergestützter Programme aus dem Gesamttext extra- hiert und in multidimensionalen grafischen Darstellungen wie Mappings oder Cluster dargestellt.93 Der Vorteil dieses Verfahren gegenüber den zuvor beschriebenen textwissenschaftlichen und interpretativquantifizierenden Methoden liegt in der weniger subjektiven Wahrnehmung der Frames.
Zusammenfassend lässt sich feststellen, dass innerhalb der Framing- Literatur eine Vielzahl von verwendeten Methoden existieren.94 In einigen Studien werden Frames zuerst deduktiv herausgefiltert und danach kodiert, während sie in anderen Untersuchungen induktiv aus dem Text gelesen werden. Zudem gibt es hinsichtlich der Analyseeinheit deutliche Unterschiede. So werden in manchen Arbeiten teilweise nur ein Frame pro Textartikel kodiert,95 während bei anderen Untersuchungen mehrere Frames pro Textartikel erfasst werden.96 Aus diesem Grund ist es kaum möglich verallgemeinernde Aussagen über die Operationalisierung von Frames treffen zu können.97 Dennoch trägt die Berücksichtigung psychologischer Aspekte in die Analyse und somit auch die Theorie der Behavioral Finance, maßgeblich zum besseren Verständnis der Aktienmärkte bei.98 Daher spielt die Psychologie nicht nur in der Wirtschaft, sondern auch an der Börse, eine wichtige Rolle und sollte entsprechend nicht unterschätzt werden.99 Bevor jedoch eine Untersuchung hinsichtlich psychologischer Verhaltenseinflüsse durchgeführt werden kann, sollten zuerst die Reaktionen auf den Kapitalmärkten untersucht werden, da diese Aufschluss darüber geben können, ob es überhaupt zu einer signifikanten Überreaktion in Folge der Kaufempfehlungen kommt. Im nachfolgenden Kapital soll daher der Grundstein für die Untersuchungsmethodik der Ereignisstudie gelegt werden.
3. Überblick über das Untersuchungsdesign von Ereignisstudien
3.1 Die Effizienzmarkthypothese als Grundlage der Ereignisstudie
Ereignisstudien stellen einen der wohl bedeutsamsten und am weit verbreitetsten methodischen Ansätze im Rahmen von empirischen Kapitalmarktforschungen dar.100 Sie gelten innerhalb der Literatur als Standardverfahren im Hinblick auf die Beurteilung von Ankündigungseffekten.101 Mit ihrer Hilfe lassen sich Analysen durchführen, ob ein ökonomisches Ereignis oder eine neue Information, in Bezug auf ein womöglich beeinflussendes Ereignis, einen signifikanten Einfluss auf den zu untersuchenden Aktienkurs haben könnte.102 Die Methodik der Ereignisstudie geht bis in die 1930er Jahre zurück, als James Dolley erstmalig die Auswirkungen von Aktiensplits auf den Aktienkurs analysierte.103 Hierbei untersuchte er nominale Kursveränderungen von Aktiensplits innerhalb des Zeitraums 1921 bis 1931. Diese Untersuchung gilt als Grundstein weiterer Studien, sodass Fama/Fisher/Jensen/Roll an dieser Methodik anknüpften und im Jahr 1969 ebenfalls eine Ereignisstudie veröffentlichten, in der sie die Auswirkungen von Aktiensplits auf den Aktienkurs für die Jahre 1927 bis 1959 untersuchten.104 Somit wurde die Methodik der Ereignisstudie insbesondere durch die Forschungsarbeiten von Fama et. al (1969) und Ball und Brown (1968) und entscheidend geprägt und durch die Arbeiten von Brown/Warner (1980) sowie Brown/Warner (1985) stetig verfeinert.105
Mit Hilfe von Ereignisstudien lassen sich Aktienkursreaktionen im Hinblick auf ihre Höhe, Richtung und Geschwindigkeit messen.106 Sie basieren auf der Grundlage der Effizienzmarkthypothese, die auf den US- amerikanischen Wirtschaftswissenschaftler Fama zurückzuführen ist.107 Die Theorie des effizienten Kapitalmarktes setzt voraus, dass sich neue Informationen in den Aktienkursen auf den zu untersuchenden Kapitalmärkten widerspiegeln.108 Somit gilt laut Fama ein Markt erst dann als informationseffizient, wenn sich sämtliche zur Verfügung stehende Informationen zu jeder Zeit vollständig und unmittelbar in den Kursen wiederfinden. Dies setzt allerdings auch voraus, dass sich alle Marktteilnehmer rational verhalten und sämtliche ihnen verfügbare Informationen ohne Zeitverzögerung bereits in ihre Erwartungen mit einbezogen haben.109 Zudem sollte laut Fama die Markteffizienz immer relativ betrachtet und nach zuvor festgelegten Bedingungen bewertet werden, so dass er davon ausgehend eine schwache, eine mittelstrenge sowie eine starke Form der Effizienz definierte.110 Die schwache Form bezieht bereits sämtliche vergangenheitsorientierten Informationen mit in die Kurse ein. Die mittelstrenge Form hingegen berücksichtigt auch sämtliche der Öffentlichkeit verfügabren Informationen in den Kursen. Die stärkste Form geht sogar so weit, dass sie auch Insiderinformationen direkt in den Kursen inkludiert. Sofern die Voraussetzungen für die entsprechende Form erfüllt sind, können auf Basis dieser Informationen keine Überrenditen erzielt werden.111 Zudem setzt die Markteffizienztheorie neben der bereits erwähnten Rationalität der Marktteilnehmer auch deren homogene Erwartungen voraus. Darüber hinaus dürfen Transaktionen weder besteuert werden noch dürfen sie sonstigen Kosten unterliegen, da es nur durch eine korrekte und gleichgerichtete Informationsverarbeitung sowie kostenlose Informationsgewinnung und endgeldlosen Transaktionen möglich ist, dass sich neue Informationen unmittelbar in den Kursen bemerkbar machen und isoliert betrachtet werden können.112 Somit lassen sich zusammenfassend auf einem informationseffizienten Kapitalmarkt keine Arbitragemöglichkeiten durch marktrele- vante öffentliche Informationen ausnutzen, da eine Kursanpassung bereits ohne eine zeitliche Verzögerung erfolgt, sodass darauf geschlossen werden kann, dass sich Kursveränderungen auch nicht vorhersagen lassen.113 Sollte es dennoch zu einer abnormalen Veränderung von Aktienkursen in Bezug auf ein bestimmtes Ereignis kommen, so kann diese mittels der Ereignisstudie gemessen werden.114
3.2 Untersuchungszwecke von Ereignisstudien
Mittels der Methodik der Ereignisstudie lassen sich grundsätzliche verschiedene Fragestellungen untersuchen.115 Die unterschiedlichen Untersuchungszwecke sind in Abbildung 2 dargestellt:
Abbildung in dieser Leseprobe nicht enthalten
Abb. 2: Untersuchungszwecke von Ereignisstudien116
Der vermutlich am häufigsten angewendete Untersuchungszweck im Kontext von Ereignissen ist die Messung des Informationsgehaltes sowie deren Verarbeitung am Markt.117 Somit stehen bei Studien im Hinblick auf den Informationsgehalt das Verhalten der Aktienkurse sowohl vor als auch bis zum Ereignistag,118 sowie die Quantifizierung von Reaktionen der Marktakteure in Folge der Bekanntgabe neuer unerwarteten Informationen, im Fokus.119 Zudem setzen Ereignisstudien in Bezug auf die Messung des Informationsgehalts die mittelstrenge Form der Informationseffizienz voraus,120 da sich der Informationsgehalt einer Handlung erst dann aufzeigen lässt, wenn ein effizienter Kapitalmarkt bezüglich einer bestimmten Information vorliegt.121 Auf Grund dessen, dass die Erwartungen der Marktteilnehmer hinsichtlich zukünftiger Renditeverteilungen unsicher sind, kann die Existenz überschüssiger Renditen der Informationseffizient grundsätzlich nicht entgegenstehen.122
Ereignisstudien der zweiten Kategorie beschäftigen sich damit, wie effizient Kapitalmärkte neue Informationen hinsichtlich eines bestimmten Ereignisses verarbeiten und knüpfen somit an der halbstrengen Informationseffizienzhypothese an.123 In diesem Kontext ist die zeitliche Dauer sowie der Prozess der Informationsverarbeitung von besonderem Interes- se.124 Somit besagt die Effizienzmarkthypothese, dass sich neue Informationen in Folge eines Ereignisses unmittelbar nach deren Kenntnisnahme in den Kursen widerspiegeln sollten.125 Solche Information sind allerdings erst dann vollständig in den Kursen enthalten, wenn es für die Marktteilnehmer nicht mehr möglich ist, mittels Informationssuche und Auswertung, Überrenditen zu erzielen.126 Daraus lässt sich schließen, dass gut informierte Marktakteure fähig sind, sich die Kurse zu sichern und daraus einen Nutzen zu ziehen.127 Folglich kann die Zeit, innerhalb der sich der Adaptionsprozess vollzieht, als Bewertungsmaßstab für die Kapitalmarkteffizienz hinsichtlich des zugrunde liegenden Ereignisses dienen.128 Im Gegensatz zur Untersuchung des Informationsgehalts eines Ereignisses steht bei der Überprüfung der Informationseffizienz eines bestimmten Ereignisses der Kurs- bzw. Renditeverlauf nach dem Ereignistag im Zentrum der Betrachtung.129
Der Schwerpunkt der Modellevaluation liegt in der Untersuchung der Verwendbarkeit alternativer Referenzmodelle, um mit deren Hilfe den Kapitalmerkt sowie die Erwartungen der Marktteilnehmer besser beurteilen zu können.130 Somit stellt die Bestimmung überschüssiger Renditen nicht das primäre Ziel der Untersuchung dar, stattdessen lässt sich über die Höhe der überschüssigen Rendite der empirische Erklärungsgehalt diverser Modelle ermitteln.131 Durch die Betrachtung der überschüssigen Renditen lässt sich die Erwartungshaltung der Marktteilnehmer am ehesten beschreiben, da sich diese darin wiederspiegelt.132
Der letzte Untersuchungstyp versucht die beobachtete Reaktion des Marktes, welche sich in den beobachteten überschüssigen Renditen niederschlägt, in Bezug auf die Hypothese effizienter Märkte nachträglich zu er- klären.133 Dabei werden die überschüssigen Renditen mit Hilfe einer Reihe von Erklärungsvariablen untersucht, wobei man bei den Erklärungsvariablen davon ausgeht, dass diese in Verbindung zur überschüssigen Rendite stehen. Allerdings besteht dabei das Risiko, dass unabhängige Erklärungsvariablen zu einer Verbesserung des Ergebnisses beitragen, obwohl der Zusammenhang nur unzureichend theoretisch fundiert wurde. Daher ist es zwingend notwendig die unabhängigen Variablen im Vorfeld zu identifizieren damit die vermuteten Zusammenhänge dargelegt werden können.
3.3 Überblick über die methodische Vorgehensweise von Ereignisstudien
3.3.1 Überblick über den systematischen Ablauf von Ereignisstudien
In einigen empirischen Untersuchungen findet man den Hinweis, dass die Standardmethodik der Ereignisstudie angewendet wird.140 Da es sich bei der Methodik der Ereignisstudie allerdings vielmehr rein um verschiedene formale Abläufe handelt, deren Einsetzbarkeit stark vom zu analysierenden Ereignis, dem Ereignisstudientyp sowie der Datenqualität abhängt,141 existiert keine exakt spezifizierte Methodik zur Durchführung von Ereignis- studien.142 Vielmehr können verschiedene allgemeingültige formale Abläufe festgehalten werden.143 Daher soll anhand Abbildung 3 ein sowohl vom Untersuchungszweck als auch von der Charakteristik des zu untersuchenden Ereignisses unabhängiges und allgemeingültiges Schema dargestellt werden,144 an dem sich die weitere Arbeit schwerpunktmäßig orientieren soll:
Abbildung in dieser Leseprobe nicht enthalten
Abb. 3: Möglicher Untersuchungsablauf von Ereignisstudien145)
Die in Abbildung 3 dargestellten systematischen Ablaufschritte sollen im Nachfolgenden ausführlich beschrieben werden, da sie gelten als Grundlage für die in Kapitel 4 durchzuführende Ereignisstudie gelten.
3.3.2 Abgrenzung des Ereignisses
Im Rahmen jeder Ereignisstudie gilt es zu Beginn das zu untersuchende Ereignis sowohl aus zeitlicher als auch sachlicher Sicht zu identifizieren.134 Aus sachlicher Sicht sollte zwischen unternehmensspezifischen und unternehmensübergreifenden Ereignissen differenziert werden.135 Denn oftmals untersuchen Ereignisstudien die Auswirkungen eines einzelnen Ereignisses, wobei es sich eher um Untersuchungen zu einer Art von Ereignis handelt, die für mehrere Unternehmen zu unterschiedlichen Zeiten auftreten.136 Darüber hinaus gelten für die korrekte sachliche Ereignisabgrenzung noch weitere Anforderungen.137 So sollte das zu untersuchende Ereignis so gewählt werden, dass es nicht von anderen kursrelevanten Ereignissen, die zur gleichen oder ähnlichen Zeit auftreten, beeinflusst werden kann,138 da dadurch sonst die Aussagekraft der Ergebnisse erheblich eingeschränkt werden könnte.139
Der wohl entscheidendste Faktor für die Aussagekraft einer Ereignisstudie ist die Festlegung des exakten Ereigniszeitpunkts.140 Grund dafür ist, dass die Leistung statistischer Testverfahren, mit denen die Auswirkungen des Ereignisses gemessen werden sollen, sehr empfindlich auf die Genauigkeit reagieren und somit bei einer Fehlspezifikation dazu führen, dass die Fähigkeit zur exakten Beobachtung abnormaler Aktienkursbewegungen ernsthaft eingeschränkt wird.141 Daher gilt es, den Ereigniszeitpunkt so abzugrenzen, dass er das Datum wiederspiegelt, an dem eine für den Ka- pitalmarkt vollkommen neue Information bekannt gemacht wird, was allerdings nicht bedeuten muss, dass der Ereigniszeitpunkt auf den Tag fällt, an dem das Ereignis erstmalig öffentlich bekannt gegeben wurde. Ein Grund dafür könnte sein, dass Informationen bereits vor der ersten öffentlichen Bekanntgabe aufgrund von Informationsverlusten durch Insider dem Markt zur Verfügung standen. Dies würde dazu führen, dass das Ereignis bereits im Vorfeld durch einige Marktteilnehmer antizipiert werden könnte, sodass diese Informationen deren Kauf- bzw. Verkaufsentscheidungen bereits im Vorfeld beeinflussen.142
Da es sich bei Untersuchungen im Rahmen von Ereignisstudien wie zuvor erwähnt häufig um eine Art Ereignis handelt, sollten sämtliche Ereignisse zu einer einzigen Gesamtstichprobe zusammengefasst werden.143 Hierbei ist es aus zeitlicher Sicht erforderlich eine Ereignisperiode zu definieren, welche das jeweilige Ereignis zum Zeitpunkt Null (Periode 0) definiert. Dies ermöglicht, dass sämtliche Zeitpunkte innerhalb der Ereignisperiode immer in Relation zur Periode 0 beschrieben werden können, zu dem das Ereignis aufgetreten ist. Somit spielt nicht nur die exakte zeitliche Festlegung des Ereignistages eine wichtige Rolle, sondern auch der Zeitraum, innerhalb dessen die Aktienkurse untersucht werden sollen.144
Dieser Zeitraum wird Ereignisfenster bzw. Event Window genannt und wird in der Praxis häufig auf mehrere Tage ausgedehnt.145 Grundsätzlich erstreckt sich das Ereignisfenster über einen eher kurzen Zeitraum und sollte mindestens den Tag des Ereignisses sowie den Tag danach umfassen, da es unsicher ist, wie schnell Aktien nach dem Ereignis ihren neuen tatsächlichen Kurswert annehmen. Zudem können dadurch auch Kurseffekte berücksichtigt werden, die auftreten, nachdem der Aktienmarkt am Ankündigungstag geschlossen wurde. Die Zeiträume vor dem Ereignis können ebenfalls interessante Rückschlüsse geben, da signifikante Akti- enkursbewegungen mitunter ein Indikator sein können, dass Marktteilnehmer bereits vor dem tatsächlichen Ereignis über relevante Informationen verfügen. Da sich allerdings bei Untersuchungen über einen längeren Zeitraum weitere Faktoren auf die Aktienkurse auswirken können und es somit immer schwieriger wird aufzuzeigen, inwiefern die Veränderungen durch das tatsächlich zu untersuchende Ereignis beeinflusst werden, sollte das Ereignisfensters daher nicht allzu groß definiert sein.146 Als empfohlenes Ereignisfenster werden in der Literatur oftmals zwei oder drei Tage genannt.147 Somit kann das Ereignisfenster als die relevante Zeitperiode verstanden werden, innerhalb der die Aktienrenditen im Hinblick auf das definierte Ereignis untersucht werden sollen.148
3.3.3 Vorgehensweise zur Ermittlung abnormaler Renditen
Um die Auswirkungen eines Ereignisses an den Kapitalmärkten messen zu können, werden abnormale Renditen ermittelt.149 Diese drücken den Informationsgehalt des Ereignisses hinsichtlich der Aktienkurse aus. Die abnormale Rendite ARit ermittelt sich als Differenz aus der tatsächlich gemessenen Rendite Rit aus dem Ereignisfenster und der aus einem Preisbildungsmodell ermittelten erwarteten Rendite E(Rit).150 Abnormale Renditen stellen somit den isolierten Informationseffekt dar151 und können daher als Maß für die erforderliche Beurteilung der Auswirkungen des Ereignisses dienen.152 Für ein Unternehmen i. lässt sich die abnormale Rendite am Tag t folgendermaßen berechnen:153
Abbildung in dieser Leseprobe nicht enthalten
Die Ermittlung abnormaler Renditen verlangt zudem die Festlegung eines Verfahrens für die Renditeberechnung.154 Die Rendite lässt sich grundsätzlich als diskrete oder stetige Rendite ermitteln.155 Die diskrete Rendite einer Aktie i. kann wie folgt aus dem Kurs einer Aktie Si t am Tag t und dem Kurs Sit_1 des Vortages St_1 ermittelt werden:156
Abbildung in dieser Leseprobe nicht enthalten
Die stetige Rendite hingegen lässt sich wie folgt aus der diskreten Rendite ableiten:
Abbildung in dieser Leseprobe nicht enthalten
Obwohl sich in der Ereignisstudienliteratur keine einheitliche Vorgehensweise findet und die Wahl des Renditemodells auch keinen wesentlichen Einfluss auf die Ergebnisse der Ereignisstudie hat,157 158 werden dennoch stetige Renditen häufiger verwendet.170) Grund dafür ist, dass nicht nur theoretische, sondern auch empirische Gründe für die Anwendung stetiger Renditen sprechen.159 So sind stetige Renditen empirisch betrachtet eher normalverteilt,160 was bei vielen statistischen Testverfahren als Grundvoraussetzung gilt.161 Zudem besteht ein wichtiger Vorteil stetiger Renditen gegenüber diskreter in deren Additivität entlang der Zeitachse, sodass stetige Renditen im Gegensatz zu diskreten Renditen mittels einfacher Addition über die Zeit kumuliert werden können.162 Neben der Wahl zwischen diskreten und stetigen Renditen gilt es im Hinblick auf deren Fristigkeit festzulegen, ob tägliche, wöchentliche oder monatliche Renditen un- tersucht werden sollen.163 Im Rahmen von Ereignisstudien konnte sich jedoch der Einsatz täglicher Renditen als gängiger Standard etablieren.164 So verwenden Brown/Warner (1985) in ihrer Untersuchung tägliche Renditen aufgrund ihrer statistischen Eigenschaften.165 Zudem berichtet Strong (1992) von signifikant besseren Ergebnissen bei Ereignisstudien, die auf Grundlage von täglichen Renditen durchgeführt wurden. Darüber hinaus ist die Verwendung täglicher Renditen gerade hinsichtlich der halbstrengen Form der Informationseffizienz zu verwenden, da sich Kursreaktionen zumeist in den Tagen um den Ereignistag zeigen.166
[...]
1 vgl. auch folgend Beck [Behavioral Economics] 14 ff.
2 vgl. Beck [Behavioral Economics] 2
3 vgl. Fiedler [Controlling] 3
4 vgl. auch fortfolgend Fenzl [Finanzmarktkrise] 9
5 vgl. Kerl/Walter [Market Responses] 117 f.
6 vgl. Beck [Behavioral Economics] 1
7 vgl. Von Nell [Homo Oeconomicus] 11
8 vgl. Beck [Behavioral Economics] 1 f.
9 vgl. Beck [Behavioral Economics] 10 ff.
10 vgl. Beck [Behavioral Economics] 349
11 vgl. Shefrin [Behavioral Finance] 10
12 vgl. Rapp [Behavioral Finance] 82
13 vgl. Goldberg/Von Nitzsch [Behavioral Finance] 213
14 vgl. Elger/Schwarz [Entscheidungen] 13
15 vgl. Goldberg/Von Nitzsch [Behavioral Finance] 27
16 vgl. Beck [Behavioral Economics] 350
17 vgl. Goldberg/Von Nitzsch [Behavioral Finance] 27
18 vgl. Tversky/Kahneman [Heuristics] 1124
19 vgl. Scherpereel/Gaul/Muhr [Entscheidungsverhalten]
20 vgl. auch folgend Beck [Behavioral Economics] 26
21 vgl. auch folgend Goldberg/Von Nitzsch [Behavioral Finance] 49 f.
22 vgl. Goldberg/Von Nitzsch [Behavioral Finance] 49
23 vgl. Beck [Behavioral Economics] 25
24 vgl. Tversky/Kahneman [Heuristics] 1124
25 vgl. Beck [Behavioral Economics] 25
26 vgl. Fromlet [Behavioral Finance] 66
27 vgl. auch folgend Heidorn/Siragussano [Behavioral Finance] 4
28 vgl. Beck [Behavioral Economics] 47
29 vgl. Koriat/Lichtenstein/Fischhoff [Confidence] 108
30 vgl. Nickerson [Confirmation Bias] 189 ff.
31 vgl. auch folgend Beck [Behavioral Economics] 350 ff.
32 vgl . auch fortfolgend Beck [Behavioral Economics] 28
33 vgl. auch fortfolgend Beck [Behavioral Economics] 357 f.
34 vgl. Heidorn/Siragussano [Behavioral Finance] 5
35 vgl. auch folgend Beck [Behavioral Economics] 359 f.
36 vgl. auch fortfolgend Heidorn/Siragussano [Behavioral Finance] 5
37 vgl. Goldberg/Von Nitzsch [Finance] 66
38 vgl. auch folgend Beck [Behavioral Economics] 145 f.
39 vgl. Heidorn/Siragussano [Behavioral Finance] 6
40 vgl. Beck [Behavioral Economics] 145
41 vgl. Heidorn/Siragussano [Behavioral Finance] 6 f.
42 vgl. Heidorn/Siragussano [Behavioral Finance] 6
43 vgl. Scharfstein/Stein [Behavior] 465
44 vgl. Ackstaller [Herdenverhalten] 215
45 vgl. Banerjee [Behavior] 798
46 vgl. Heidorn/Siragussano [Behavioral Finance] 8
47 vgl. Oehler/Reisch [Behavioral Economics] 23
48 vgl. auch folgend Hott [Herdenverhalten] 155
49 vgl. Bonfadelli/Friemel [Medienwirkungsforschung] 197
50 vgl. Roßbach [Behavioral Finance] 13
51 vgl. Scheufele/Haas [Medien] 56
52 vgl. Beck [Behavioral Economics] 159
53 vgl. Rhomberg [Mediendemokratie] 131
54 vgl. Beck [Behavioral Economics] 158 f.
55 vgl. Beck [Behavioral Economics] 378
56 vgl. Bonfadelli/Friemel [Medienwirkungsforschung] 197
57 vgl. Beck [Behavioral Economics] 378
58 vgl. Beck [Behavioral Economics] 153
59 vgl . Scheufele/Haas [Medien] 56
60 vgl. Kahneman/Tversky [Prospect Theory] 279
61 vgl. Samuelson/Zeckhauser [Bias] 35
62 vgl. Beck [Behavioral Economics] 158
63 vgl. Kahneman/Tversky [Prospect Theory] 279
64 vgl. Zeelenberg/Van Dijk [Sunk Cost Effect] 680 f.
65 vgl. Beck [Behavioral Economics] 131 f.
66 vgl. Beck [Behavioral Economics] 158
67 vgl. auch fortfolgend Scheufele/Haas [Medien] 56
68 vgl. Tversky/Kahneman [Prospect Theory] 274 ff.
69 vgl. Scheufele/Haas [Medien] 56
70 vgl . Scheufele [Frames] 91 ff.
71 vgl. Scheufele/Haas [Medien] 127
72 vgl. Matthes [Media Frames] 31 f.
73 vgl. Matthes [Media Frames] 28
74 vgl. Kohring/Matthes [Frames] 22
75 vgl. Matthes [Media Frames] 28
76 vgl. auch fortfolgend Matthes [Media Frames] 29 f.
77 vgl. auch folgend Potthoff [Medien Frames] 38 f.
78 vgl. Entman [Framing] 52 ff.
79 vgl. auch Matthes [Media Frames] 31
80 vgl. auch fortfolgend Matthes/Kohring [Medien Frames] 58
81 vgl. Dahinden [Framing] 310
82 vgl. auch folgend Matthes/Kohring [Medien Frames] 57 f.
83 vgl. Matthes [Media Frames] 30
84 vgl. Dahinden [Framing] 310
85 vgl. Matthes/Kohring [Medien Frames] 58
86 vgl. Matthes [Framing] 39
87 vgl. auch folgend Dahinden [Framing] 311 f.
88 vgl. auch folgend Matthes [Framing] 40 f.
89 vgl. auch folgend Matthes [Media Frames] 30 f.
90 vgl. Matthes/Kohring [Frames] 264
91 vgl. Matthes [Media Frames] 31
92 vgl. auch folgend Matthes [Media Frames] 31 f.
93 vgl. Miller [Frame Mapping] 368
94 vgl. auch fortfolgend Matthes [Media Frames] 31 ff.
95 vgl. Husselbee/Elliot [Framed Hate] 835
96 vgl. Pan/Kosicki [Framing Analysis] 56 ff.
97 vgl. Matthes [Media Frames] 31
98 vgl . Kitzmann [Massenpsychologie] 16
99 vgl. Kostolany [Kapitalanleger] 254
100 vgl. MacKinlay [Event Studies] 13
101 vgl. Picken [Shareholder Value] 60
102 vgl. McWilliams/Siegel [Event Studies] 626
103 vgl. auch fortfolgend MacKinlay [Event Studies] 13 f.
104 vgl. Schredelseker [Finanzwirtschaft] 394 f.
105 vgl. Vollmar [Shareholder Value] 185
106 vgl. Bowman [Event Studies] 562
107 vgl. Pieper/Schiereck/Weber [Kaufempfehlungen] 2
108 vgl. Fama [Efficient Capital Markets] 383
109 vgl. Campbell/Lo/MacKinlay [Financial Markets] 149
110 vgl. auch fortfolgend Fama [Capital Markets] 1576
111 vgl. folgend Ellenrieder [Kapitalmarktmodelle] 172
112 vgl. Scheufele/Haas [Medien] 26
113 vgl. Fama [Efficient Capital Markets]. 413 ff.
114 vgl. folgend Peterson [Event Studies] 36
115 vgl. Bowman [Event Studies] 562
116 vgl. Bowman [Event Studies] 562
117 vgl. MacKinlay [MacKinlay] 13
118 vgl. Bowman [Event Studies] 562
119 vgl. Coenenberg/Haller [Empirische Forschung] 509 f.
120 vgl. McWilliams/Siegel [Event Studies] 630
121 vgl. Brandi [Informationswirkungen] 21
122 vgl. Gerke/Bank [Finanzierung] 74
123 vgl. Schneider [Investition] 544
124 vgl. Fama [Efficient Capital Markets] 388 f.
125 vgl. Kerling [Finanzanalyse] 23
126 vgl. Fama [Efficient Capital Markets] 385
127 vgl. Sapusek [Informationseffizienz] 116
128 vgl. Fama [Efficient Capital Markets] 385
129 vgl . Bowman [Event Studies] 562
130 vgl. Röder [Kurswirkungen] 16
131 vgl. Bowman [Event Studies 574
132 vgl. Röder [Kurswirkungen] 16
133 vgl. auch fortfolgend Bowman [Event Studies] 574 ff.
134 vgl. Bowman [Event Studies] 563
135 vgl. Picken [Shareholder Value] 83 f.
136 vgl. Bowman [Event Studies] 563
137 vgl. Campbell/Lo/MacKinlay [Financial Markets] 149 ff.
138 vgl. Goerke [Event Studies] 469 f.
139 vgl. May [Informationsverarbeitung] 321
140 vgl. Goerke [Event Studies] 466
141 vgl. auch fortfolgend Bowman [Event Studies] 564
142 vgl. Campbell/Lo/MacKinlay [Financial Markets] 149 ff.
143 vgl. Bowman [Event Studies] 564
144 vgl. MacKinlay [Event Studies] 14
145 vgl. auch fortfolgend MacKinlay [Event Studies] 15
146 vgl. Wells [Event Studies] 64
147 vgl. Womack [Brokerage Analysts] 138
148 vgl. Baumgarth/Eisend/Evanschitzky [Mastertechniken] 212 f.
149 vgl. auch folgend Brown/Warner [Price Performance] 205
150 vgl . Bowman [Event Studies] 568
151 vgl. Oerke [Deutscher Aktienmarkt] 27
152 vgl. MacKinlay [Event Studies] 15
153 vgl. auch folgend Campbell/Lo/MacKinlay [Financial Markets] 151
154 vgl. Poddig/Brinkmann/Seiler [Portfoliomanagement] 30 ff.
155 vgl. Strong [Abnormal Returns] 535
156 vgl. auch fortfolgend Campbell/Lo/MacKinlay [Financial Markets] 9
157 vgl. Vollmar [Shareholder Value] 199
158 vgl. Gehrke [Empirische Methoden] 270
159 vgl. Winker [Wirtschaftsforschung] 11
160 vgl. Henderson [Event Studies] 287
161 vgl. Thompson [Event Studies] 78
162 vgl. Campbell/Lo/MacKinlay [Financial Markets] 11
163 vgl. Ostrowski [Desinvestionen] 124
164 vgl. Bartsch [Ereignisstudie] 122 f.
165 vgl. auch folgend Vollmar [Shareholder Value] 200
166 vgl. Ostrowski [Desinvestionen] 124
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.