Gazdasági Ismeretek | Befektetés, Tőzsde » Bedő Tibor - Választások és tőzsde, egy eseményelemzés

Kochmeister-díj Választások és tızsde Egy eseményelemzés Bedı Tibor Budapesti Corvinus Egyetem Befektetéselemzés kockázatkezelés szakirány Eötvös Loránd Tudományegyetem Politológia szak 2007 Elsıként meg szeretném köszönni Király Júliának a dolgozathoz nyújtott rengeteg segítséget, inspirációt, emberséget. Emellett köszönettel tartozom I. Premachandrának az elméleti ötletért, Kézdi Gábornak a szakszerőségért, Török Gábornak a kritikáért, Édesanyámnak a vesszıkért, és Zsuzsinak a legmegfelelıbb idıben végzett biztonsági mentésért. 2 Tartalomjegyzék 1. BEVEZETÉS 6 2. AZ ESEMÉNYELEMZÉS IRODALMI ÁTTEKINTÉSE 9 3. AZ ESEMÉNYELEMZÉS ELMÉLETE 11 3.1 A NORMÁLIS HOZAM MÉRÉSE 12 3.11 Statisztikai modellek 12 3.12 Közgazdasági modellek 15 3.13 Modellválasztás 16 3.2 PIACI HOZAM VÁLASZTÁSA 18 3.3 HOZAMSZÁMÍTÁS 19 3.4 SZÁMOLÁSI- ÉS ESEMÉNYABLAK SZÁMÍTÁS 19 4. A MAGYAR VÁLASZTÁSI RENDSZER 22

4.1 AZ 1994-ES ORSZÁGGYŐLÉSI VÁLASZTÁSOK 22 4.2 AZ 1998-AS ORSZÁGGYŐLÉSI VÁLASZTÁSOK 23 4.3 AZ 2002-ES ORSZÁGGYŐLÉSI VÁLASZTÁSOK 24 4.4 AZ 2006-OS ORSZÁGGYŐLÉSI VÁLASZTÁSOK 25 5. ADATGYŐJTÉS 27 5.1 AZ 1994-ES ADATOK 27 5.2 AZ 1998-AS ADATOK 28 5.3 A 2002-ES ADATOK 29 5.4 A 2006-OS ADATOK 29 5.5 AZ ADATOK TISZTÍTÁSA 30 6. PROGRAMÍRÁS 31 6.1 A PROGRAM ADATAINAK RENDEZÉSE 32 6.2 A PROGRAM MENETE 33 7. EREDMÉNYEK 36 7.1 HÁROM NAPOS ABNORMÁLIS HOZAM A MÁSODIK FORDULÓ UTÁN 36 7.11 Az 1994-es eredmények 37 7.12 Az 1998-as eredmények 38 3 7.13 A 2002-es eredmények 39 7.14 A 2006-os eredmények 40 7.2 HÁROM NAPOS ABNORMÁLIS HOZAM AZ ELSİ FORDULÓ UTÁN 40 7.21 Az 1994-es eredmények 41 7.22 Az 1998-as eredmények 41 7.23 A 2002-es eredmények 42 7.24 A 2006-os eredmények 43 7.3 EGY NAPOS ABNORMÁLIS HOZAM 43 7.31 Az 1994-es eredmények 44 7.32 Az 1998-as eredmények 44 7.33 A 2002-es eredmények 45 7.34 A 2006-os eredmények 45

7.4 HÁROM NAPOS ABNORMÁLIS HOZAM ÁTLAGOS HOZAM MODELLEL 46 7.41 Az 1994-es eredmények 46 7.42 Az 1998-as eredmények 47 7.43 A 2002-es eredmények 47 7.44 A 2006-os eredmények 47 7.5 A VÁLASZTÁSOK ÖSSZESÍTETT HATÁSAI 48 7.6 EGYÉNI RÉSZVÉNYEK 48 8. ÖSSZEFOGLALÁS 50 9. IRODALOMJEGYZÉK 52 10. MELLÉKLETEK 56 10.1 A BUX KOSÁR 1998-AS ÖSSZETÉTELE 56 10.2 A BUX KOSÁR 2002-ES ÖSSZETÉTELE 56 10.3 A BUX KOSÁR 2006-OS ÖSSZETÉTELE 56 10.4 HÁROM NAPOS ABNORMÁLIS HOZAM A MÁSODIK FORDULÓ UTÁN 57 10.5 HÁROM NAPOS ABNORMÁLIS HOZAM AZ ELSİ FORDULÓ UTÁN 58 10.61 EGY NAPOS ABNORMÁLIS HOZAM A MÁSODIK FORDULÓ UTÁN 59 10.62 EGY NAPOS ABNORMÁLIS HOZAM AZ ELSİ FORDULÓ UTÁN 60 10.72 HÁROM NAPOS ABNORMÁLIS HOZAM AZ 1 FORDULÓ UTÁN, ÁTLAGOS HOZAM MODELL . 62 10.8 ÖSSZESÍTETT ABNORMÁLIS HOZAMOK 63 4 10.9 STATA PROGRAMOK 64 10.91 Három napos abnormális hozam a második forduló után 64 10.92 Három napos abnormális hozam az elsı forduló

után 68 10.93 Egy napos abnormális hozam a második forduló után 72 10.94 Egy napos abnormális hozam az elsı forduló után 76 10.95 Három napos abnormális hozam a második forduló után, átlagos hozam modell. 78 10.96 Három napos abnormális hozam az elsı forduló után, átlagos hozam modell . 82 5 1. Bevezetés Drasztikus áresés a választásokat követıen (Napi Gazdaság, 1998. május 25); Óvatos optimizmus a választások után (Napi Gazdaság, 2002. április 25) Választás pénzügyi tükörben? (Bank és Tızsde, 2002. április 19) − idézetek gazdasági szaklapok szalagcímeibıl az országgyőlési választások után. Talán nem meglepı, hogy a gazdasági folyóiratok foglalkoznak a választásokkal. Annál inkább figyelemreméltó, mennyire napirendre kerül a tızsde a választások alatt a politikai napilapokban is. Az 1998-as választások után a Magyar Hírlap címlapján a következı vezércikk olvasható: Áresés a koalíciós

bizonytalanságok miatt (Magyar Hírlap, 1998. május 26) A választások ideje alatt még a lakosság is intenzívebben foglalkozik a tızsdével, amit jól mutatnak a különbözı internetes politikai fórumok bejegyzései (pl. forumindexhu) Amennyiben ez a felfokozott érdeklıdés nem légbıl kapott, hogyan képzelhetı el, hogy a választások és a tızsde kapcsolatáról eddig jelentıs tanulmány nem született? A tızsde és a választások kapcsolatának elsırendő kérdése ugyanis nem az, hogy milyen kapcsolat van közöttük, hanem hogy létezik-e egyáltalán törvényszerő összefüggés. A kérdés felvetésének jogossága két indokból is adódhat. Egyrészrıl elképzelhetı, hogy a választások kimenetele valóban befolyásolhatja a tızsde, vagy egyes részvények mőködését, mondjuk a törvényi szabályozás változásán keresztül. Másrészrıl egy választás akkor is befolyással lehet a tızsdére, ha a racionalistást mellızve a piaci szereplık

mindössze úgy gondolják, hogy a választásoknak van hatása, még ha fundamentálisan nincs is feltétlenül. Gazdasági folyóiratokban mindkét elemmel találkozhatunk. A Mit kíván a tıkepiac – Hangulatjelentés a választások után (Bank és Tızsde, 2002. április 26) címő cikk jól összefoglalja milyen kormányzati intézkedések hozhatók összefüggésbe a tızsdével. Az árfolyamnyereség-adó emelése vagy csökkentése erısen meghatározhatja a befektetési kedvet; A privatizáció tızsdén keresztüli lebonyolítása, vagy a magánnyugdíj-rendszer fejlesztése is jelentısen befolyásolhatja a tızsdei teljesítményt. Ha a szabályozásról a választásokon versengı pártok mást-mást gondolnak, a választás kimenetele befolyással lehet a tızsdei hangulatra. Ugyanakkor nemcsak a tızsde, mint egész függhet a különbözı politikai elképzelésektıl. Egyes részvényekre is komoly befolyással lehet a kormányzati politika A belföldi

gyógyszerpiac állami ármeghatározása, a gázár illetve a gázüzletág, a privatizációs kérdések és a kárpótlási jegy vagy akár az áram árának állami ármeghatározása mind-mind kormányzati politikától függenek, ráadásul a pártok más- 6 más rendszerben képzelik el ezeknek a kérdéseknek a szabályozását. Mindemellett a kormányzati politika szektorokat is befolyásolhat. Erre a tényre mutat rá Brian Knight (2004) cikkében, amiben a 2002-es Bush-Gore választás illetve a hadi-, dohány-, gyógyszeripari és energia szektorok reakcióinak összefüggéseit vizsgálta, jelen tanulmányhoz hasonló módszerekkel. A tızsde és a választás összefüggéseinek kérdésére a másik indok a befektetık felfokozott érdeklıdése lehet. Ebben az esetben akkor is kialakulhat egy árfolyammozgás, ha annak nincs racionális alapja. Azt, hogy a befektetık hogyan reagálnak a politikai változásokra, nehéz feltérképezni. Ebben a kérdésben a

portfolio.hu internetes oldal által egyedüliként készített 2002-es (Sándorfi, 2002) és 2006-os (Takács, 2006) kutatások segíthetnek eligazodni. A felmérések 24 tızsdei elemzı és alapkezelı szakember véleményét foglalták össze arról, hogy egyes választási kimenetelek milyen hatással lesznek a BUX-ra, illetve a blue chipekre. A válaszadóknak a különbözı választási kimeneteleket egy -3 és +3 közötti skálán kellett elhelyeznie. A két felmérés tanulságai között fontos különbség, hogy a 2002-es választás elıtt a szakemberek sokkal komolyabb tızsdei hatást jósoltak a választási eredménynek. Beszédes, hogy a BUX megítélésének átlaga a választás különbözı eredményei szerint -2,74-tıl a +1,83-ig terjedt 2002-ben, míg -1,15 és +0,95 között 2006-ban. Hasonló különbségek figyelhetık meg az egyes részvények kapcsán is Ha ilyen szintő véleménykülönbségek vannak az egyes kimenetelek hatásai folytán, valószínő,

hogy a befektetık ezt a véleménykülönbséget a tızsdén is érvényesítik. Az árfolyammozgásokat figyelve tehát nem feltétlenül fontos, hogy ezek az elvárások mennyire racionálisak, viszont lényeges, hogy egyáltalában léteznek. E két fı indok kapcsán a szerzı úgy véli, hogy a tızsde és a választások kapcsolatának vizsgálata indokolt. Ebbıl kifolyólag a szerzı célja nem más, mint, hogy megmutassa, hogy a választások a tızsdei árfolyammozgásokat befolyásolják. A szerzı emellett több célnak is eleget szeretne tenni. Egyes események hatásainak vizsgálatára létezik egy nemzetközileg igen elterjedt módszer, amely Magyarországon eddig kevésbé volt ismert. Ezt a módszert eseményelemzésnek hívjuk A szerzı egyik célja, hogy ezt a módszert a magyar pénzügyi irodalomba a választások elemzése kapcsán beemelje. Az eseményelemzés bemutatása ugyanakkor nem öncélú, hanem kimondottan arra irányul, hogy egy olyan elemzési

módszert mutasson, amellyel a választások elemezhetıek lesznek. Ennek révén bemutatásra kerül egy a szerzı által írt program, mely a megfelelı leendı adatok betöltésével képes lesz a késıbbi választások majdani elemzésére is. A 7 választás és tızsde kapcsolatának feltérképezése kapcsán a szerzı harmadik célja a választás során fellépı árfolyamkockázatok megismerése, illetve a kockázatok kezelésére való megoldási javaslat kidolgozása. Ezeknek a céloknak a megvalósítása érdekében a dolgozat a következı sorrendet követi. Elsıként bemutatásra kerül az elemzési módszer, azaz az eseményelemzés, ennek lényege, kialakulása, felhasználási formái. Ezek után az eseményelemzés módszertana kerül átfogó bemutatásra Az eseményelemzés elméleti kifejtése után a szerzı rátér ennek gyakorlati megvalósítására. Röviden bemutatásra kerül a magyar választási rendszer, majd az adatgyőjtés kapcsán a

választások kori tızsdék helyzete. Az adatgyőjtés bemutatása után a kifejlesztett program kerül részletes leírásra. Ezek után a szerzı a program segítségével nyert eredményeket elemzi, az 1994-es, 1998-as, 2002-es és 2006-os választások kapcsán. Az összefoglalóban a szerzı értékeli, hogy milyen mértékben sikerült a céloknak megfelelni, azaz mennyiben járul hozzá a dolgozat a tızsde és a választások kapcsolatának leírásához. 8 2. Az eseményelemzés irodalmi áttekintése Ahhoz, hogy vizsgálni tudjuk, van-e a választásoknak hatása a tızsdére, érdemes megnézni, milyen módszerek léteznek események hatásainak vizsgálatára. Egy esemény hatásának a vizsgálata elsıre elég nehéznek tőnhet. A deduktívan kialakított elméletek választ adhatnak gazdasági folyamatokra, ugyanakkor az elméleteket csak akkor vehetjük mőködınek, ha ezeket tényekkel alá lehet támasztani. Egyes események mérése ugyanakkor nehézségekbe

is ütközhet. Az eseményelemzés módszertana pont erre a problémára próbál meg segítséget nyújtani. Nagy mennyiségő pénzügyi adat segítségével választ kaphatunk arra, hogy egy adott esemény milyen hatással van például egy cég értékére. A kérdés bonyolultsága miatt az eseményelemzés hosszú történetre tekint vissza. Az elsı eseménnyel foglalkozó elemzést James Dolley dolgozta ki (Dolley, 1933 in MacKinley, 1997). Dolgozatában egy 95 elemő mintán azt vizsgálta, hogy egy részvényfelaprózás milyen hatással van a részvény nominális árfolyamára. A dolgozat eredménye, hogy az árfolyamok 57 esetben csökkentek, míg 26 esetben nıttek. Az 1930-as évektıl az 1960-as évekig az eseményelemzés módszere sokat finomodott. Ez alatt a harminc év alatt a legtöbb problémát az okozta, hogy elkülönítsék egy értékpapír általános árfolyamváltozását az adott esemény által kiváltott változástól. Az áttörést ugyanaz az ember

hozta, akit a hatékony piac elméletének atyjaként tartanak számon: Eugene F. Fama (Fama et al, 1969), valamint nem kevésbé neves munkatársai, Lawrence Fisher, Michael C Jensen és Richard Roll. Mővükben ugyanazt a problémát vizsgálják, mint Dolley, de módszerük már majdnem teljesen megegyezik a mai metódussal. Módszerük sikerének oka, hogy megfelelı mértékben sikerült kettéválasztani a normális és az esemény által létrehozott hozamváltozást. Míg a módszer lényege változatlan, természetesen rengeteg finomítással gazdagodott az eseményelemzés módszertana az elmúlt közel negyven évben. A finomítások tág köre fıleg a statisztikai feltételek megsértésének kiküszöbölésének, specializáltabb hipotézisek felállításának, adatkezelés fontosságának témaköreit érinti. Talán a két legfontosabb Stephen Brown és Jerold Warner mővei (Brown - Warner, 1980 és 1985), melyekre ez a dolgozat is erısen támaszkodik. Míg

az elsı tanulmány több problémával foglalkozik, az utóbbi kimondottan a napi adatok sajátosságaira tér ki, felhasználva Fama 1976-ban megjelent könyvét (Fama, 1976) a napi hozamok eloszlásáról. Az eseményelemzések módszertana természetesen közel sem lezárt téma. Sorra jelennek 9 meg új tanulmányok a módszer helyesbítésének érdekében (MacWilliams MacWilliams, 2000). Az eseményelemzések elterjedésével a módszer alkalmazási területe is szélesedett. Tanulmányok sora jelent meg részvényekkel szorosan összefüggı események kapcsán: felvásárlások és egyesülések bejelentése (Eckbo, 1983, in MacKinley, 1997), gyorsjelentések megjelenése (Bhatttacharya et al., 2000), osztalék meghirdetése; Más tanulmányok gazdasági események hatásait vizsgálták, mint például külkereskedelmi mérleg hiányának bejelentése (McQueen - Roley, 1993, in MacKinley, 1997), jegybanki intervenciós döntés (Neeley, 2005). Mindezek az elméleti

közgazdaságtan által ismert összefüggések mellett az eseményelemzés képes lehet olyan események információtartalmára is rámutatni, melyek nem teljesen egyértelmőek. Az elsı merészebb tanulmányok a jog témakörébıl is merítettek, például a jogi szabályozás megváltozása hatással lehet egy értékpapír árfolyamára (Schwert, 1981, in MacKinley, 1997). Egyes tanulmányok váratlan események hatásaival foglalkoznak, mint például egy földrengés hatása a biztosító társaságok árfolyamára (Marlet és Carl, 1999 in.: Wells, 2004). A dolgozat szempontjából nem lényegtelen, hogy politikai eseményekkel kapcsolatban is születtek tanulmányok: egy háborús döntés bejelentése hogyan változtatja meg a hadiiparban tevékenykedı cégek árfolyamát (Shapiro et al., 1999) Az eseményelemzés komoly kiforrott nemzetközi irodalma tehát jelentıs segítséget nyújthat a szerzı számára. A felhasználások széles módszere alátámasztja

azt a feltevést, hogy az eseményelemzés módszertana megfelelı lesz a választás hatásának vizsgálatára. Emiatt a következı fejezetben az eseményelemzés mőködése, elméleti háttere, azaz a modell felépítése kerül bemutatásra. 10 3. Az eseményelemzés elmélete A pénzügyben használt különbözı pénzügyi árazási mechanizmusok mögött mindig ott húzódik meg a hatékony piacok elmélete, illetve ennek feltételezése. A hatékony piacok elmélete kimondja, hogy a piacon lévı árfolyamok minden rendelkezésre álló információt tartalmaznak. Ebbıl egyenesen következik, hogy a piacon egy értékpapír eladása vagy vétele sem lehet pozitív nettó jelenértékő tranzakció, hacsak nem véletlen folytán (Brealey - Myers, 1999). Ebbıl logikusan következik, hogy egy értékpapír árfolyama csak akkor változhat meg (a véletlentıl eltekintve), ha új információ kerül felszínre. Az eseményelemzés ezt az állítást fordítja meg a

következı értelemben Ha az árfolyam nem szokásos mértékben változik meg, akkor ez azt jelenti –feltéve a hatékony piacok elméletét-, hogy új információ került napvilágra. A nem szokásos mértékő áfolyamváltozást nevezzük abnormális hozamnak. Más szavakkal, a tényleges hozamból kivonjuk a várható hozamot. A mai szóhasználatban az eseményelemzés elnevezés egy olyan módszert takar, amely abnormális hozamot számol, és ennek a szignifikancia szintjét teszteli. Az abnormális hozam megállapítása és tesztelése ugyanakkor közel sem egységes, tanulmányonként más-más módszerrel közelítenek a problémához. A módszerek széles választéka két okból alakult ki Egyrészt vannak olyan módszertani problémák, melyek megkövetelnek más bizonyos módszerek használatát, ilyen például a szórás változása, nem megfelelı adatok, stb. Másrészt, és talán ez a fontosabb, a kutatók különbözı kérdésekhez különbözı módszereket

láttak célravezetınek. Kérdéses lehet, hogy mennyire fontos ezeket a módszereket összehasonlítani. Ahogy az Fama tanulmányából kitőnik „amikor a részvények árainak megváltozása nagy és egy pár napra koncentrált, a normális hozam számolásának módszerei és az ebbıl levezetett abnormális hozamok nem sokban különböznek.” (Fama, 1991, in Armitage, 1998). Másrészrıl viszont az 1980-as évek szimulációs kutatásai sok esetben megmutatták, hogy a módszer megválasztása igenis fontos lehet (Brown - Warner, 1980). A szerzı egyik célja, hogy egy átfogó képet adjon az eseményelemzésrıl, milyen módszerek terjedtek el, miben különbözik ezek felhasználása. A módszerek különbözısége adódhat többek között a modell, a piaci index, a hozamszámítás, és az ablakok hosszának megválasztásából. 11 3.1 A normális hozam mérése Az eseményelemzés kulcskérdése, hogy hogyan tudja az elemzés elkülöníteni a normális és az

abnormális hozamot egymástól. A normális hozam meghatározása miatt az eseményelemzés az adatsoron két egymást nem fedı idıintervallumot hoz létre. Egyrészrıl létrehoz egy számolási ablakot, ahol a normális hozam határozódik meg, másrészrıl, pedig egy eseményablakot, ahol az esemény abnormális hozama kerül vizsgálat alá. Emiatt igen fontos, hogy a normális hozam az eseményablakban határozódjon meg (errıl bıvebben lásd 3.4 alfejezet) Mindemellett a normális hozam mérésére szolgáló megfelelı modell is kulcskérdés. A modelleket alapvetıen két csoportra lehet osztani, közgazdasági és statisztikai. A statisztikai modellek sajátossága, hogy statisztikai tulajdonságaiból feltételezésekbıl, indul ki, valamint ugyanakkor az kevésbé értékpapírok hozamainak tartalmaznak a közgazdasági megfontolásokat. Ezzel szemben a közgazdasági modellek kiindulási alapja egy gazdasági elmélet, ugyanakkor, ezeket a modelleket sem

lehet egy minimális statisztikai feltételrendszer nélkül megvalósítani. Az alábbiakban négy modell kerül bemutatásra A szerzı nem tér ki ezen modellek elméleti hátterére, mert egyrészrıl ezek igen egyszerőek, másrészrıl a dolgozat szempontjából sokkal lényegesebb a használhatóságuk. 3.11 Statisztikai modellek 3.111 Az index modell Talán a legegyszerőbb modell az index modell. Ebben az esetben az i-edik részvény normális hozamának a piaci hozamot vesszük. Így az abnormális hozam a ARit = Rit − Rmt -1- formát ölti, ahol Rit az i-edik részvény t idıpontbeli hozama, míg Rmt a piac t idıpontbeli hozama. A piaci hozam általában egy egyenlı- vagy kapitalizáció-súlyozású indexbıl számolható. Az index modell használata egyszerősége miatt nem gyakori, mégsem példátlan. Ilyen például Lakonishok és Vermaelen dolgozata (1990, in MacKinley, 1997), melyben a felvásárlási nyilatkozatok árfolyamra gyakorolt hatásáról

írnak. 12 3.112 Az átlagos hozam modell Egy másik egyszerő módszer a normális hozam mérésére az átlagos hozam modell. A modell szerint a normális hozam nem más, mint az i-edik értékpapír hozamainak átlaga a számítási ablakban, amiT Ri jelöl. Így az i-edik értékpapír abnormális hozama t idıpontban: ARit = Rit − Ri -2- Vagy másképp: Rit = µ i + ξ it -3- E (ξ it ) = 0 var(ξ it ) = σ ξ2i , -4- ahol ξ it az i értékpapír eltérése a t idıpontban 0 várható értékkel és σ ξ2i varianciával. Az átlagos hozam modell igen egyszerőnek tőnik, ugyanakkor alkalmazása meglepıen gyakori. Brown és Warner (1980, 1985) szimulációs tanulmányai szerint az átlagos hozam modell igen gyakran hoz hasonló eredményt nála szofisztikáltabb modellekkel. Ennek az lehet az oka, hogy egy szofisztikáltabb modell viszonylag kis befolyással van az abnormális hozamok varianciájára (MacKinley, 1997). Napi hozamok használatánál az átlagos hozam

modell esetében gyakran használnak nominális hozamokat, míg havi adatoknál a reál és a kockázati prémium is használható (a kockázati prémium alatt az értékpapír hozam és a kockázatmentes hozam különbségét értjük: Rit − R ft ). Az átlagos hozam modellt használták például annak megállapítására, hogyan hat a részvényárfolyamra egy olyan szabályozás, ami a tıkeáttételt változtatja (Masulis, 1980, in MacKinley, 1997). 3.113 Piaci modell Talán a leggyakoribb modell, amit a normális hozam megbecsülésére használnak, a piaci modell. A piaci modell nem más, mint egy legkisebb négyzetek módszerével készült lineáris regresszió, amely kapcsolatot teremt a piaci hozam és az i-edik részvény hozama között: Rit = α i + β i Rmt + eit , E (eit ) = 0 var(eit ) = σ e2i -5- ahol α i és β i a regressziós együtthatók és eit a hibatag. A számolási ablak alapján elıször minden i-edik részvény szempontjából

megállapításra kerül α̂ i és β̂ i . Az eseményablakban így az abnormális hozam: 13 ARit = Rit − (αˆ i + βˆi Rmt ) , -6- azaz a számolási ablakból számított koefficiensek által meghatározott hozam hibája. A piaci modell az átlagos hozam modell egy szofisztikáltabb verziója, ahol az abnormális hozamból kiszőrıdik a piaci változás, ezzel csökkentve az abnormális hozam varianciáját. A részvényfelaprózásról írt Fama tanulmány is a piaci modellt használja (Fama et al., 1969) Ez a cikk alapozta meg az eseményelemzések módszertanát, és máig ez a leginkább használt modell. 3.114 Egyéb statisztikai modellek Számos egyéb statisztikai módszert használtak fel a normális hozam modellezésére. Ha nem csak egyváltozós regressziós függvénnyel modellezzük a piacot, az abnormális hozam variánciáját csökkenthetjük azzal, hogy a normális hozam varianciáját pontosabban modellezzük. Hogy milyen független változókat

veszünk még be a modellbe, fıként a vizsgálótól függ. Elterjedt megoldások közé tartozik a különbözı iparági indexek vagy iparági besorolásoktól függı változók. Egy másik elterjedt extra változó a kapitalizáció. Az elsı esetben arról van szó, hogy egy iparág esetleg hasonlóan reagál egy eseményre, és ezt érdemes a normális hozamban megjeleníteni. A kapitalizáció, mint változó azért lehet érdekes, mert köztudott, hogy hasonló kockázattal rendelkezı cégek közül a kisebbek extra hozamot biztosítanak (a méretet jelen esetben kapitalizáción értjük). Azokat a modelleket, ahol több változóval próbáljuk magyarázni a normális hozamot, faktor modelleknek nevezzük. Kérdéses azonban, hogy ezeknek a faktoroknak mennyire van létjogosultságuk, azaz mennyiben komplikálják a modelleket, és mennyiben van magyarázó erejük. Thompson (1998) szerint az iparágak magyarázó ereje rendkívül kevés. Általánosságban is elmondható

viszont, hogy a további faktorok magyarázó ereje alacsony. Kimondottan gyenge hatásfokkal mőködnek ezek a magyarázó változók, ha az értékpapírok ugyanabba a csoportba tartoznak. Más szavakkal, ha az összes vizsgálandó részvény nagy cég, vagy ugyanabban az iparágban tevékenykedik, egy méret-, vagy iparág szerinti besorolás nem vezet eredményesen az abnormális hozam varianciájának csökkenéséhez. Mielıtt áttérnénk a közgazdasági modellekre, meg kell jegyezni egy másik problémát. Elıfordulhat, hogy nem rendelkezünk megfelelı mennyiségő adattal. Tipikus esete ennek az IPO-k, azaz az elsı nyilvános részvénykibocsátások. Ebben az esetben nem rendelkezünk részvényhozammal a számítási ablakban (mivel nincs is számítási ablak), 14 és ekkor a piaci modellen a αˆ = 0 ill. βˆ = 1 helyettesítés alkalmazandó, ami megfelel az index modellnek (Schindele - Enrico, 2001). 3.12 Közgazdasági modellek A közgazdasági modellek

jellemzıi a statisztikai modellekkel ellentétben, hogy egy adott feltételrendszerbıl levezethetı eredményeket kapunk. Talán a két legelterjedtebb elmélet a CAPM és az APT. 3.121 A CAPM modell A CAPM modell szerint egy részvény várható hozama a piactól való kovarianciától függ, vagyis: [ ] E ( Rit ) = R ft + β i E ( Rmt ) − R ft , -7- ahol E ( Rit ) az elvárt normális hozam R ft a kockázatmentes hozam, E ( Rmt ) a piac elvárt hozama és β i a kovariancia Rit és Rmt között. Az elmélet szerint ex ante a piaci hozam várható értéke és a kovariancia meghatározza az értékpapír várható hozamát, de ex post a hozamokat általában egy hibatag megváltoztatja (Braeley - Myers, 1999). Ebben az esetben a béta a kockázatnak egy mértéke, és feltételezve, hogy a befektetık kockázatkerülık, a nagyobb kockázatért magasabb hozamot várnak el. Az abnormális hozam ezek szerint nem más, mint: ARit = Rit − E ( Rit ) . -8- Ezen a ponton

érdemes megjegyezni, hogy a statisztikai piaci modell egyrészt egy egyváltozós regressziós modell, másrészt viszont könnyen párhuzamba állítható a CAPM-mel. Ehhez mindössze a α i -t kell R ft (1 − β i ) -vel, valamint β i -t cov( Rit , Rmt ) s 2 ( Rmt ) vel megfeleltetni. A CAPM és a piaci modell ilyen irányú megfeleltetése nem idegen a magyar irodalomtól sem (Sebestyén et al. 2004) Az elemzések nagy részében, így Sebestyénnél is havi adatokat alkalmaznak, melyek sokkal pontosabb, használhatóbb becsléshez vezetnek. 3.122 Kontroll portfolió modell Egy másik elméleti módszer is a CAPM által számolt bétából indul ki, ugyanakkor máshogy alkalmazza azt. Kiindulva abból, hogy a béta a kockázat egy mértéke a kontroll portfolió modellbe létre kell hozni egy olyan portfoliót, amely ugyanolyan 15 kockázattal rendelkezik, mint az i-edik részvény. Az abnormális hozam kiszámítása az értékpapír hozama és kontroll portfolió

különbsége lesz. Ilyen kutatást végzet Reinganum (1981, in MacKinley 1997), ahol olyan cégeket vizsgált, ahol a cég egy meglepıen magas, vagy alacsony egy részvényre jutó nyereséget jelentett be. A módszer problémája többek között, hogy igen nehéz olyan portfoliót találni, ami egy hosszabb idıszakon keresztül rendelkezik hasonló bétával, mint az adott értékpapír. 3.124 Egyéb gazdasági modellek Régóta ismert tény, hogy az ex post béták nem sokat magyaráznak a jövıbeli hozamokról. Fama és French (199, in Armitage 1995) 1963 és 1990 közötti részvény árfolyamokat vizsgáltak, és béta erejét alig találták meggyızınek, még akkor sem, amikor a béta volt az egyetlen magyarázó változó. Ez a megfigyelés már évek óta arra ösztönzi a kutatókat, hogy egyéb magyarázó változókat keressenek. Sajnálatos módon idáig egyetlen olyan változót sem sikerült találni, amely mind tartalmilag védhetı lenne, mind empirikus

bizonyítékok állnának mögötte. Többek között ilyen magyarázó változó lehetne a méret, mint ahogy arra a szerzı a statisztikai modelleknél már kitért, de e mögött viszont elméleti anomáliák fekszenek. 3.13 Modellválasztás A modellválasztást megkönnyíti, hogy az elmúlt húsz évben kielégítı mennyiségő tanulmány jelent meg a modellek összehasonlításáról. A modellek összehasonlítása évekig problémás volt. Valós események vizsgálatakor a következı problémába ütköztek a kutatások: Egyrészrıl bizonyítani szeretnék, hogy egy esemény abnormális hozamot okoz, azaz van információs tartalma. Másrészrıl több modell összehasonlításánál implicit módon feltételezik, hogy létezik abnormális hozam, és azt vizsgálják, melyik modell méri jobban ezt a feltételezett abnormális hozamot, holott lehet, hogy ez az abnormális hozam nem is létezik. A problémát a szimulációs módszerek oldották fel. Ezek közül a

legfontosabbak Brown és Warner (1980, 1985) cikkei, melyek módszere a következı: Létrehoznak egy 250 elemő portfoliót egy elég hosszú idıtávra (az 1980-as tanulmány havi, míg az 1985-ös dolgozat napi hozamokkal számol, így az idıtávok is mások). A 250 részvénybıl a szimuláció véletlenszerően kiválaszt 50 részvényt, majd mindegyikhez kiválaszt véletlenszerően egy hipotetikus eseménynapot. Ezek után a szimuláció annak a napnak a hozamához hozzáad egy extra hozamot, mondjuk 3%-ot. Ezután a már ismertetett modellekkel tesztelik, hogy melyik 16 modell mennyire képes felismerni a mesterségesen hozzáadott abnormális hozamot. Mivel az abnormális hozam biztos ott van, így összehasonlítható lesz, mennyire jól modelleznek a különbözı módszerek, azaz mennyire képesek elkülöníteni a normális hozamot az abnormálistól. Brown és Warner három modellt hasonlítanak össze: az index modellt, az átlagos hozam modellt és a piaci modellt.

A cikkek fıbb következtetései a következık: Egyrészt az index és a piaci modell hasonlóan jól teljesít. Az átlagos hozam modell lényegesen rosszabbul teljesít, ha az események ugyanarra a napra esnek minden értékpapírnál, ha nem, akkor elfogadhatóan. A másik fontos következtetés, hogy az egy faktoros piaci modellen túl nincs okunk komplikáltabb modelleket létrehozni, hisz a komplikáltabb modellek nem teljesítenek lényegesen jobban. Igen hasonló kutatást végzett Brown és Warnerrel egy idıben Dyckman et al (1984), akik szintén a piaci, az átlagos hozam és az index modellt hasonlították össze. Talán a legfıbb eltérés a két tanulmány között az az, hogy Dyckman et al. a számolási ablakot az esemény elıtti és esemény utáni napokban definiálták, de erre a kérdéskörre még visszatérünk. Eredményük szerint egy csekély, de szignifikáns különbség van a piaci és a másik két modell között a piaci javára. Brick et al (1989 in

MacKinley, 1997) és Seyhun (1986, ugyanott) tanulmányaiban valós eseményeket vizsgálva sokkal élesebb eltérésekre jutnak a modellek között. A bennfentes kereskedelem után elıálló abnormális hozamot kutatva Brick et al. a következı eredményre jut: A 11 hónapos kummulativ abnormális hozam a CAPM modell szerint -1,87% (nem szignifikáns t statisztikával), míg a piaci modell szerint ez -6,3% (-10,99-es t statisztikával). Míg a már említett okok miatt valós események kapcsán végzett modellek összehasonlítása a szerzı szerint értelmetlen, mégis figyelemre méltó, hogy Brick et. al és Seyhun valamint a két szimulációs tanulmány (Brown és Warner valamint Dyckman et al.) szerint is a piaci és az index modell a leghatásosabb. Ennek magyarázataként vissza szeretnénk utalni arra a tényre, hogy az index modell tulajdonképpen a piaci modell egy speciális esete ( α = 0 és β = 1 ), ráadásul a második egyenlıség gyakran teljesül a piaci

modellben a nagy papírok esetében (lásd: –5-). Az átlagos hozam modell viszonylagos rosszabb szereplése a következıkkel magyarázható: A piaci illetve az index modell sokkal jobban méri, ha több részvénnyel ugyanaz történik (tulajdonképpen ezt méri a piaci index). Másrészt Klein és Rosenfeld tanulmánya (1987, in MacKinley, 1997) kimutatta, hogy az átlagos hozam modell bika piacon felfelé, míg medve piacon lefelé torzít. A CAPM modellt már említetésre került Brick et al tanulmánya kapcsán Sajnálattal kell megjegyezni, hogy a CAPM modellt sem Brown és Warner sem 17 Dyckman nem foglalta bele szimulációiba, így csak kétes értékő, valós adatokon végzett összehasonlításokra hagyatkozhatunk. A CAPM és a piaci modell összehasonlítása során a dolgozatok két következtetésre jutnak. Vagy a piaci modell és a CAPM modell között nem mutatnak ki lényeges különbséget (Ball és Brown, 1968, in Armitage, 1995), vagy a piaci modellt

jobbnak tartják (Seyhun, 1986, in Armitage 1995). Utoljára a kontroll portfolió modellt vizsgáljuk. Brown és Warner (1980) foglalkozott a kérdéssel: Szimulációjuk során olyan portfoliót hoztak létre, amelynek a bétája egy volt. A portfolióban lévı részvényekhez adták hozzá a mesterséges abnormális hozamot. Ezek után azt mérték, mennyiben tér el a portfolió hozama az index hozamától. A kontroll portfolió modell hasonlóan teljesített, mint a piaci modell, ha az index egyenlıen súlyozott index volt. Ha viszont az index kapitalizáció szerint súlyozott index, a piaci modell jobban teljesített. Összességében a következı mondható el a modellválasztásról. A szimulációs eredmények kapcsán a piaci modell tekinthetı a legjobbnak, mivel legalább annyira jó, mint bármelyik másik. Bonyolultabb modellek nem adnak lényegesen jobb eredményeket, így ezeknek a konstruálása több energiát emészthet fel, mint amennyi a hasznuk. A piaci modell

ugyanakkor minden teszt szerint mérte az abnormális hozamokat, és nagy biztonsággal kiszőrte a normális hozam ingadozását. Emellett könnyen értelmezhetı, konzisztens és jól interpretálható. Mivel a fent említett okok miatt több modellel nem érdemes egy valós kérdéskört megvizsgálni, a szerzı a továbbiakban kiindulásképp a piaci modellel foglalkozik. 3.2 Piaci hozam választása A piaci modell kiválasztása után szükséges egy piaci hozamot kiválasztani, azaz el kell dönteni, mi legyen az Rm . Brown és Warner (1980) szimulációs elemzésük során az indexek kérdésére is kitért. Indexekbıl alapvetıen kétfajta létezik Az indexbe kerülı részvényeket vagy súlyozás nélkül átlagolják (egyenlıen súlyozott indexek, például Dow Jones Industrial Average), vagy kapitalizáció alapján súlyozzák (például Standard and Poor 500). Brown és Warner szimulációi alapján az egyenlıen súlyozott indexeknél könnyebb az abnormális hozamot

kimutatni. A dolgozat szempontjából ez a kérdéskör csak közvetve jelenik meg. A Budapesti Értéktızsdén egyetlen számottevı index van, ez azonban az évek során változott: 1997-ig a Bét-indexet használták, majd áttértek a BUX-ra. Mivel a magyar piac kapcsán nincs lehetıség az indexek között választani, a BUX (ill. a Bét-Index) hozama lesz a piaci hozam A 2004 júniusában létrehozott 18 BUMIX-ot nem tekintjük a dolgozat szempontjából fontosnak, iparági hozamot pedig a kevés papírral rendelkezı Budapesti Értéktızsdén nem érdemes létrehozni. Az adatgyőjtés során részletesen kitérünk az 1994-es adatokra, de itt is megjegyzésre kerül, hogy az 1994-es Bét-Index összetételét nem sikerült felkutatni. 3.3 Hozamszámítás A részvényadatokból alapvetıen kétfajta módon lehet hozamot számítani. Az effektív hozamot az St − 1 képlettel számoljuk, ahol S t S t −1 a t-edik idıpontban mért  S  részvényárfolyam. A

loghozam az ln t  alapján határozódik meg Brown és Warner  S t −1  tanulmányukban összehasonlították a két hozamszámolás eltérését, és azt találták, hogy nincs lényeges eltérés a két hozamszámítás között. Ennek ellenére a szerzı a loghozamok mellett áll ki, hisz szükségünk lesz az abnormális hozamok összeadására, és csak a loghozamok rendelkeznek additív tulajdonsággal. 3.4 Számolási- és eseményablak számítás A számolási és eseményablak meghatározásakor három dolgot érdemes figyelembe venni. Egyrészt milyen hosszúnak állapítsuk meg e két ablakot, másrészt milyen idıhosszúságú hozamokkal számoljunk. Harmadrészt pedig rendkívül fontos, hogy az ablakok ne érjenek össze. A választások hatásának vizsgálatakor a szerzı mindenképpen a napi hozamok mellett dönt, melynek okai a következık: Egyrészrıl mivel a választások idıpontja elıre ismert, a választások elıtt és utána is

foglalkoznak az üggyel, azaz a választás ténye egy szők idıintervallum alatt gyorsan beárazódik. Ezzel szemben egy heti vagy havi hozamokat használó tanulmány kevésbé mérné csak a választás hatását, mint inkább egyéb faktorokat is. Másrészrıl a szerzı szeretné megkülönböztetni az elsı, illetve a második forduló hatását, és ekkor a heti vagy havi adatok nem bizonyulnának megfelelınek. Harmadrészt, mivel a választások négy évente ismétlıdnek a havi hozamok négyszer tizenkettı adata nem lenne elegendı eldönteni, melyik választás befolyásol mit, ha egyáltalán befolyásolnak. Mivel a dolgozat napi adatokkal fog foglalkozni, érdemes megnézni milyen tulajdonságokkal rendelkeznek a napi adatok. A napi adatok tulajdonságai eltérnek a heti, illetve havi adatoktól. Nem véletlen, hogy Brown és Warner 1980-as cikkük után 5 év múlva kiadtak egy újabb tanulmányt, amely szinte teljesen megegyezik az 1980-as 19 elemzéssel, azzal a

különbséggel, hogy napi hozamokat vizsgál. A napi hozamok kapcsán elıkerülı legfontosabb tulajdonságok a következık: Fama (1976) már a hetvenes évek közepén kimutatta, hogy a napi hozamok eloszlása bár normális, egy úgynevezett vastag farok tulajdonsággal rendelkeznek. A központi határeloszlás tétele alapján azonban, ha az eloszlások függetlenek és az eloszlások szórása véges, akkor a standardizált összegek határeloszlása normális. Brown és Warner pontosan rámutat arra, hogy már egy 5 részvénybıl álló minta esetén is komolyan javul a normalitás. Mindezek mellett kijelenthetı, hogy a napi hozamok eloszlásának normálistól való eltérése nem befolyásolja jelentısen az eseményelemzés eredményét (Brown és Warner). Bár az elsı fajú hiba kockázata fennáll, már kevés számú abnormális hozam átlaga biztosíthatja a normalitást. A napi hozamok másik problémája, hogy mivel napi adatokból indul ki, erısen jelentkezhet az

adathiány probléma, azaz, hogy nincs kötés minden napra minden részvénynél. Az ebbıl eredı torzításra már Scholes és Williams (1977) is rámutatott, és egy javítási megoldással is elıálltak. Brown és Warner szerint ugyanakkor az alternatív paraméterbecslések, melyek az adathiányra próbálnak javító módszert találni, nem rendelkeznek megfelelı meggyızıerıvel. Scholes és Williams javításai bár csökkentik a torzítás lehetıségét, a javított tesztek közel hasonló eredményre vezetnek. Harmadrészt, a napi hozamok kapcsán problémát jelenthet a nem állandó szórás problémája, erre a problémára az összegzésben még visszatérünk. Összességében tehát elmondható, hogy a napi hozamokon végzett tesztek magyarázó ereje lényegesen jobb, mint a havi vagy heti hozamoké, ugyanakkor az elsı fajú hiba lehetısége erısen fennáll, így fokozott figyelemmel kell kísérni az eredményeket. A hozamszámítás hosszúsága után

rátérünk az ablakok hosszának kérdésére. A számolási ablak célja, hogy az eseményablak alapján meghatározható legyen egy normális hozam. A számolási ablak hosszának megválasztásakor két ellentétes probléma merül fel. Minél hosszabb a számolási ablak, annál inkább kerülnek be a normális hozamba „idejétmúlt” adatok. Másrészrıl viszont, minél rövidebb a számolási ablak, annál kevésbé lesz pontos a paraméterek becslése. Az eseményelemzések egy részénél a normális hozam mérése az esemény elıtti és utáni idıszakból is történik. Dyckman et al., Brown és Warnerrel szemben az esemény utáni idıszakot is felhasználja a normális hozam kiszámítására. Ennek ellenére a két tanulmány következtetései szinte teljesen megegyeznek. A jelen elemzés szempontjából logikusabbnak tőnik ugyanakkor kizárólag az esemény bekövetkezte elıtti idıszakot 20 vizsgálni. Annak ellenére, hogy a dolgozat a napi hozamokat és

napi változást vizsgálja, különbség mutatkozhat a választások elıtti és választások utáni idıszakban. Mivel a választások utáni idıszakba (hipotézisünk szerint) már teljesen beágyazódott a választás eredménye, a szerzı nem tartja célszerőnek az esemény utáni hozamokat felhasználni a normális hozam kiszámításához. Corrad és Zivney (1992, in Armitage 1995) szimulációs módszerrel hasonlított össze 39, 89 és 239 nap periódus hosszú számolási ablakokat. Elemzésük szerint a 89 és a 239 periódus között nem volt különbség, és a 39 napos eredmények is csak kis mértékben tértek el a másik kettıtıl. Az adatgyőjtésnél részlétezett okok miatt az 1994-es részvényárfolyamok győjtése nehézségekbe ütközött, így az 1994-es választások normális hozamát egy a szerzı által kielégítınek vélt 50 napos eseményablakkal becsüli, míg a többi választásnál egy 100 napos ablakot használ. Az eseményablak hosszával

kapcsolatban Dyckman et al. felhívja a figyelmet, hogy minél rövidebb az eseményablak, annál könnyebb kimutatni az abnormális hozamot. A szerzı szerint kiindulásként egy három napos eseményablak kerül meghatározásra. Három napos eseményablaknál azért nem kerül hosszabb ablak vizsgálat alá, mert minél hosszabb az eseményablak, annál kevésbé lehet kizárni más zavaró információk elıkerülését. Ilyen zavaró információ lehet például egy céggel kapcsolatban egy nagyobb megrendelés, piaci pletyka vagy gyorsjelentés. A zavaró információk kiszőrése fontos, és egy része meg is valósítható. Ugyanakkor a piaci pletykák feltérképezése évek múltán már nehézségekbe ütközhet, így nem érdemes túl hosszú eseményablakot meghatározni. Az eseményelemzések egy részénél problémát okoz az esemény napjának pontos meghatározása, de a választások kapcsán ez adott. A kiindulási modellünk ezzel elkészült. Széles irodalmat

figyelembe véve az elemzést egy piaci modellel, BUX (illetve BÉT-Index) piaci hozammal, loghozam számítással, 100 (illetve 1994 kapcsán 50) napos számolási ablakkal, és három napos eseményablakkal kezdjük. A következı fejezetben az egyes választások kapcsán felmerülı konkrét problémákra keressük a választ. Elsıként bemutatásra kerülnek a magyar választások, majd utána az adatgyőjtés értékpapírpiacok. 21 kapcsán az adott évbeli 4. A magyar választási rendszer A magyar választási rendszer általános jellemzıinek felületes áttekintése elengedhetetlen a dolgozat megértésének céljából. Mint minden demokratikus országban, így hazánkban is, a választások kapcsán a szavazatokat egy számítási rendszeren keresztül alakítják át mandátumokká. Magyarországon vegyes választási rendszer van, ahol a szavazók egyéni jelöltek között és pártlisták között választanak. Az egyéni jelöltek közül

egynek a választás elsı fordulója kapcsán a leadott szavazatok több mint felét meg kell szereznie ahhoz, hogy az adott kerületben a választás eredményes legyen. Ha egyetlen jelöltnek sem sikerül a szavazatok több mint ötven százalékát megszerezni, illetve ha érvénytelen volt a szavazás az egyéni körzetben, ott egy második fordulót rendeznek. Összesen 176 egyéni választókerület létezik (Körösényi et al. 2003) A dolgozat szempontjából a magyar választási rendszernek két következménye van. Egyrészrıl a választási rendszer bonyolultsága révén a mandátum elosztás, és ezáltal a gyıztes személye sokkal nehezebben megjósolható, mint egy többségi választási rendszernél. Másrészrıl a dolgozat által vizsgált választások jórészt a második fordulóban dıltek el. Ez azt jelenti, hogy az eseményünket elsı vizsgálatra mindenképpen a második választási forduló idıpontjához kell igazítani. A dolgozat szempontjából igen

fontos az a tény is, hogy a közvélemény-kutatók a választások elıtti 8. naptól nem hozhatják nyilvánosságra méréseiket A rendszerváltás utáni magyar demokratikus választások nem tekintenek hosszú múltra. A viszonylagosan kevés választás következménye, hogy a választási rendszer több meglepetést is tartogatott 1994 és 2006 között. Az elemzés számára fontos, hogy megvizsgáljuk, hogyan zajlottak le az egyes választások. Az 1990-es választás számunkra érdektelen, hisz az elsı demokratikus választások után alakult meg a Budapesti Értéktızsde (BÉT Eseménypatár, bet.hu) 4.1 Az 1994-es országgyőlési választások 1994-ben tartották a második demokratikus választásokat Magyarországon. Az elsı fordulót május 8-án rendezték, ahol a legsikeresebben a Magyar Szocialista Párt szerepelt (32,96%), második helyen az SZDSZ végzett (19,76%), az MDF 12%, az FKGP 9%, a Fidesz és a KDNP 7-7%-ot szerzett. Összességében két egyéni

választókörzetben volt eredményes az elsı forduló. 22 Az elsı forduló után az MDF, az FKGP és a KDNP, valamint az SZDSZ és a MSZP folytatott tárgyalásokat a saját jelöltjeik kölcsönös visszaléptetésérıl. A május 29-én megrendezésre került második fordulón az MSZP abszolút többséget szerzett (55,2%), a második az SZDSZ (18,1%), majd sorrendben az MDF, az FKGP és a KDNP szerzett mandátumot. A választások után az MSZP gyızelme egyértelmő volt, de kérdéses volt egy esetleges koalíció az SZDSZ-szel. Bár a koalíciós tárgyalások június 7-én megindultak, a koalíciós szerzıdést június 24-én kötötték csak meg (Anonymus, 1995). Az 1994-es év a közvélemény kutatók pontosságát és hitelességét igazolta (Závecz, 1995), hisz a fıbb folyamatokat sikerült elıre jelezniük. Fontos ugyanakkor megjegyezni, hogy a választások elıtti utolsó héten a szavazók csaknem háromtizede változtatta meg politikai orientációját.

Ez a magyar választók szituatív döntését mutatja, amely jelenség a késıbbi választásokon is megjelenik. Az alábbi táblázat a pártok támogatottságát mutatja 1994 elsı hónapjaiban a Szonda Ipsos mérései alapján (Závecz, 1995): A pártok havi támogatottsága 1994-ben Százalékos arányok az összes kérdezett körében Jan. Febr. Márc. Ápr. Máj. MDF 8 8 6 7 7 SZDSZ 9 11 7 9 13 MSZP 18 18 20 24 19 Fidesz 12 12 9 9 10 KDNP 4 4 5 5 5 FKGP 5 4 5 6 7 1. táblázat: Forrás: Magyarország Politikai Évkönyve 1995 A táblázatból jól látható, hogy a közvéleménykutatók már hónapokkal elıbb jelezték az MSZP elsıbbségét. 4.2 Az 1998-as országgyőlési választások 1998. május 10-én tartották az országgyőlési választások elsı fordulóját Az alacsony (56,2%) részvétel mellett (Körösényi et al.,2003) egy egyéni választókerületben osztottak ki mandátumot. A választások elsı

fordulójának eredménye szerint az MSZP 32,9%-ot, a Fidesz 29,4%-ot, az FKGP 13,1%-ot, az SZDSZ 7,5%-ot és a MIÉP 5, 4%ot szerzett. A két választási forduló között az FKGP 82 helyen visszaléptette jelöltjét a 23 Fidesz javára, és így a jobb oldal a két választási forduló között fordítani tudott. A május 24-én tartott második fordulón a parlamentben mandátumeloszlás alapján az alábbi sorrend alakult ki: Fidesz (47,6%), MSZP (34,7%), FKGP (12,4%) SZDSZ (6,2%), MDF(4,6%) és MIÉP (3,6%). A visszaléptetések kapcsán már a választások után világossá vált, hogy a Fidesz az MDF-fel koalíciót fog kötni. Az FKGP-vel való koalíciós tárgyalások ugyan csak június 22-én történtek meg, de már június elejétıl komoly tárgyalások folytak (Anonymus, 1999). Az 1998-as közvélemény-kutatási adatok utólag egyértelmő képet festenek a végeredményrıl, de akkoriban a kérdések sokkal bonyolultabbak voltak. A következı táblázat a

Századvég-Tárki (Századvég, 1999) kutatási eredményeit összegzi: A pártok havi támogatottsága 1998-ban Százalékos arányok az összes kérdezett körében Jan. Febr. Márc. Ápr. MSZP 30 38 34 33 Fidesz 27 24 32 33 FKGP 15 13 15 18 SZDSZ 9 9 8 7 MDF 4 2 3 1 2. táblázat: Forrás: Magyarország Politikai Évkönyve 1998-ról A táblázatból jól kiolvasható, hogy áprilisra egy Fidesz-FKGP koalíció jelentısebb erıt képvisel, mint egy MSZP-SZDSZ koalíció. Ugyanakkor a választások elıtt nem volt ennyire világos, hogy egy FKGP szavazó valóban szavazna-e a második fordulóban a Fidesz jelöltjére, és viszont. Az úgynevezett másodlagos preferenciák miatt kérdéses volt, hogy a két párt százalékpontjai összeadódhatnak-e. Mindemellett a tanulmányok 1998-ban is azt támasztották alá, hogy a választók fele a második forduló elıtti két hétben döntötte el, hogy kire szavaz, ami úgyszintén bizonytalanságot

kelt. 4.3 Az 2002-es országgyőlési választások A 2002. április 7-én tartott elsı forduló addig nem látott mértékben döntötte el az egyéni mandátumok sorsát: összesen 55 helyen volt eredményes a választás elsı fordulója. Az elsı forduló eredménye alapján az MSZP 42,05%-ot, a Fidesz-MDF 41,07%-ot az SZDSZ pedig 5,57%-ot szerzett. Míg a politológusok véleménye szerint a választás szinte eldılt az elsı fordulóban, a Fidesz egy jelentıs mozgósítással olyan 24 közhangulatot teremtett, amely szerint a választás a második fordulóban dıl el. Az április 24-én tartott második fordulót a Fidesz bár megnyerte, de a mandátumszámban az MSZP-SZDSZ koalíció (46,11%-5,18%) megverte a Fidesz-MDF-et (48,7%) (Anonymus, 2003). A 2002 országgyőlési választások a közvélemény-kutatók számára komoly kihívásokat jelentettek. Az alábbi táblázat a Medián felmérését mutatja a biztos pártválasztók között (Csigó et al., 2003): A

pártok havi támogatottsága 2002-ben Százalékos arányok az összes kérdezett körében Jan. Febr. Márc. MSZP 45 44 39 Fidesz-MDF 40 41 43 SZDSZ 5 7 7 MIÉP 4 4 3 3. táblázat: Forrás: Magyarország Politikai Évkönyve 2002-rıl Bár négy közvélemény-kutató cég közül a Medián eredménye járt a legközelebb a valósághoz, jól kitőnik, hogy a két nagy párt közötti arányt nem sikerült jól mérni a választások elıtt. A választások után ezt a baloldali, úgynevezett rejtızködı szavazókkal indokolták, ugyanakkor mára egyre elterjedtebb az a nézet, hogy a közvélemény-kutatók bár jól mértek, a választók döntései annyira szituatívek voltak, hogy akár a választás elıtti két napban is megfordulhattak. 4.4 Az 2006-os országgyőlési választások A választások elsı fordulóját 2006. április 9-én tartották A 67,83%-os részvételi arány mellett a 176 egyéni mandátumból 66-an került már az elsı

fordulóban kiosztásra, 3828 arányban a baloldal javára. Listán az MSZP 43,3%-ot, a Fidesz 42,3%-ot, az SZDSZ 6,2%-ot az MDF 5,03%-ot szerezve jutottak parlamentbe. Bár a bal és a jobb oldal közel hasonlóan kaptak listán szavazatokat, az eldılt egyéni mandátumok, az egyéni kerületekben lévı erıviszonyok és a jobb oldal kevésbé kooperatív magatartása miatt a választás eldılni látszott az elsı forduló után. Erre erısített rá a pártok kommunikációja Így az elsı forduló eredményeit figyelembe véve nem volt meglepı, hogy a választásokat a baloldal nyerte. A mandátumarányok eloszlása 2006-ban a következık: MSZP 48,19%, Fidesz-KDNP 42,49%, MSZP-SZDSZ 1,55%, SZDSZ 4,66% MDF 2,85% (OVI, 2006). 25 A 2006-os választások kapcsán a közvélemény-kutatók hibahatáron belül szerepeltek. A választásokat megelızı 8. nappal nyilvánosságra hozott közvélemény-kutatási adatok: MSZP 45,17%, Fidesz 42,75%, SZDSZ 5,45% és MDF 3,92% (az

adatok a Medián, a Tárki a Szonda Ipsos és a Capital Research eredményeinek számtani átlaga (Anonymus, 2006a)). Jól látható, hogy a végeredmény elırejelzése nagyságrendileg jól sikerült, így a végeredményt befolyásoló, nagyobb meglepetés nem történt a 2006-os választások során. 26 5. Adatgyőjtés A választások mellett igen fontos, hogy az adott idıszaki tızsdék helyzete is bemutatásra kerüljön. Ez a kérdéskör ugyanakkor egy fejezetbe kerül az adatgyőjtés kérdéseivel. Az adatgyőjtés kapcsán elıkerült problémák és a tızsde általános jellemzıinek együttes tárgyalása választásonként lebontva kerülnek ismertetésre. Az adatgyőjtés kapcsán összességében problémát jelentett, hogy Magyarországon mind demokratikus választásból, mind tızsdén kereskedett részvénybıl kevés található ahhoz, hogy egy minden igényt kielégítı ökonometriai elemzés elvégezhetı legyen. 1994-ben 26, 1998-ban 53, 2002-ben 51 és

2006-ban 43 értékpapír került vizsgálat alá. A 173 elemő minta kevésnek tőnhet, de mivel a minta nagysága szinte teljesen megegyezik a sokaság nagyságával, az eredményeket a szerzı relevánsnak tekinti. A következıben az adott választás adatgyőjtése és kereskedésének általános jellemzıi kerülnek bemutatásra. 5.1 Az 1994-es adatok Az 1994-es adatok győjtése komoly problémát jelentett, ugyanis az adatbázisok nagy része nem rendelkezik 1997 elıtti adatokkal. Az adatgyőjtés így a Napi Gazdaság napilap által közölt 1994. március 5 és 1994 június 10 közötti újságcikkekbıl kerültek feldolgozásra. Az adatok győjtése során külön problémát okozott a BÉT-Index értelmezése, hisz ennek összetételére vonatkozó adatot nem sikerült felkutatni. Az adatok a napi záróárfolyamot tükrözik, amelyekbıl loghozam került kiszámolásra (lásd 3.3 fejezet) Fontos megjegyezni, hogy a hozamok számításánál a dolgozat nem veszi

figyelembe az úgynevezett hétvége hatást, azaz a hétvége és az ünnepnapok alatt eltelt idı nem jelenik meg a hozamokban (Jaffe – Westerfield, 1985). Az 1994-es adatok kapcsán a következı megállapítások tehetık. Az 1994-es tızsde egy rendkívül illikvid tızsde. Mind a kötések száma, mind a kötések mennyisége elmarad attól, hogy egy jól mőködı piacot feltételezhessünk. Összességében tizenkét részvényrıl lehetett elmondani, hogy elegendı mennyiségben kereskedtek velük. Ezek pedig: Agrimpex, Danubius Hotels, Domus, Fotex, Globus, Ibusz, Martfői Sörgyár, Pannon-Flax, Pick, Primagáz, Zwack Unicum és a Kárpótlási jegy. A Kárpótlási jegy kérdése különleges 1994-ben a Kárpótlási jegyek a legnagyobb mértékben kereskedett értékpapírok voltak. A vezetı tızsdei hírek mindig beszámolnak a „jegy” árfolyamának alakulásáról, amit komolyan meghatározott, hogy az adott 27 idıszakban mikor volt elsıdleges

részvénykibocsátás. Ennek oka, hogy a kárpótlási jegyek az elsıdleges részvénykibocsátások kapcsán átválthatók voltak a kibocsátott részvényre (Schindele Enrico, 2001). Másrészrıl ezek az értékpapírok tulajdonjogot nem testesítenek meg, így részvényként nem lehet ıket kezelni. Emiatt kérdéses, mennyire lehet a hozamukat a piaci hozamhoz viszonyítani. Az elemzésben a szerzı a Kárpótlási jegyeket fenntartásokkal, mégis beveszi az elemzendı értékpapírok közé, hisz az 1994-es idıkben fontos részét képezték a piacnak. Az 1994-es piacról érdemes még megállapítani a következıket. A piacon sokkal fontosabbnak tőnnek a jegyzések, vagy cserék (Kárpótlási jegyre), mint a másodlagos kereskedelem. Ez a privatizáció idıszaka, és ebben az idıszakban kerül a parkettre a Richter, a MOL, a Graboplast vagy az OTP. Egy új cég esetleges tızsdére kerülése sokkal nagyobb információval bír, mint egy a tızsdén lévı

papírral történt esemény. Másrészt a piaci befektetık visszatekintve igen képzetlennek tőnnek. Egy május 18-án megjelent Zwack Unikum gyorsjelentés (Napi Gazdaság, 1994. május 4) egyértelmően kimutatja, hogy az eredmény magasabb volt az elızı évinél, sıt a vártnál is, ennek ellenére a papír 1,8%-ot vesztett aznapi értékébıl. Igen gyakran találhatók az árfolyamok között kerek számok, ami úgyszintén a kevésbé likvid kereskedésre utalnak. Létezik olyan információ is, hogy egy részvény árfolyama 13,7%-ot esik egyetlen nap alatt, ugyanis aznap egyetlen kötés volt, az is csak pár részvényre (1994. április 15, Bonbon Hemingway) Utoljára pedig megjegyzésre kerül, hogy a piacot igen gyakran mozgatják utólag mosolyogtató hírek. Például 1994 június 18-án a vezércikkek között szerepelt, hogy elképzelhetı, hogy szeptemberig egy régiós tızsde nyílik Gyırben a Budapesti Értéktızsde mellett. Összességében tehát az adatok

alapján igencsak kérdéses, hogy található-e bármilyen releváns eredmény az 1994-es választások és a tızsde kapcsolata között. 5.2 Az 1998-as adatok Az 1998-as adatok győjtése a portfolio.hu ingyenes adatbázisából történtek Az adatok 1997. november 1 és 1998 augusztus 31 közötti záró részvényárfolyamok A hozamok kiszámítása ugyanolyan módszerrel történt, mint az 1994-es adatoknál. Az adatok nincsenek tisztítva az osztalékok hatásaitól, erre egyébként a választás május 24-i idıpontja miatt nincs is szükség, hisz az osztalékok kifizetései nagyrészt júniusban történtek. Az 1998-as adatok kapcsán a piaci hozamnak az elméleti részben tárgyaltakkal összhangban a BUX index hozamát tekintjük. Az 1998 április 1-i BUX kosár összetételét a függelékben lévı 6. táblázat tartalmazza (lásd 101 fejezet) Az 28 1998-as értékpapírpiacról általánosságban a következı megállapítások tehetık. 19971998 fordulóján a

Budapesti Értéktızsde egy jelentısebb hosszon volt túl A tızsdén lévı papírokat alapvetıen két csoportra lehetett bontani: a Jegyzett A és a Jegyzett B papírokra. Míg az elızı csoportban 27 részvény található, a B kategóriában összesen 25, köztük a Kárpótlási jegy is. Az A kategóriában található részvények kereskedelme egy-két kivételtıl eltekintve likvidnek mondható, ugyanakkor a B kategóriában ritka az olyan részvény, amellyel naponta kereskednek. Mindezek ellenére sem az 1998-as, sem a 2002-es vagy 2006-os választások kapcsán az elemzések során nem teszünk különbséget a kategóriák között, ugyanakkor a kereskedés gyakorisága vizsgálat alá kerül. Az 1998-as értékpapírpiac fejlettnek mondható, ahol már megjelentek a nagy, külföldi befektetıi alapok. A napi újságokban megfelelı mennyiségő, és kielégítı minıségő információ található, és ezekre a piac racionálisan is reagál. Az adatok ilyen

szempontból teljesen kielégítık. 5.3 A 2002-es adatok A 2002-es adatok hasonló módszerrel kerültek kigyőjtésre, mint az 1998-as adatok. 2001. november 1 és 2002 augusztus 31 közötti adatok kerültek feldolgozásra A hozamszámítás módszere megegyezik az elızıekkel. Az osztalékok nem játszanak szerepet a választások utáni napokon, így az osztalékok tisztításától eltekintettünk. A BUX 2002-es összetételét a 7. táblázat tartalmazza (lásd 102 fejezet) A 2002-es értékpapírpiacról a következık mondhatók el. 2001-re kipukkant a dotcom lufi, ami Magyarországon is éreztette hatását hosszabb távon is. A piac hónapok óta egy oldalazó mozgást, illetve egy nagyon enyhe emelkedést mutat, de elmarad a már korábban megjárt csúcsoktól. A tızsdén lévı hangulat egy piacélénkítésre vár, és ennek kapcsán szabályozási reformokra is számít. A tızsdén lévı papírokat az 1998-as adatoknál megismert két csoportba (24db A és 30db B

kategóriás) lehet osztani, és 2002-re több B kategóriás részvény is likvidebbé válik. A 2002-es részvénypiacot már nevezhetjük fejlett piacnak, nagy számú külföldi befektetıvel. Ugyanakkor az elıbbi évekhez viszonyítva a 2002-es évet visszafogott forgalom jellemezi. 5.4 A 2006-os adatok A 2006-os adatok beszerzése a választás második fordulója utáni negyedik napon történtek. A módszer teljesen megegyezik az 1998-as vagy 2002-es módszerrel, azzal a különbséggel, hogy nem az adott év augusztusáig lettek kigyőjtve az adatok, csak április 29 27-ig. Szemben az eddigi adatgyőjtéssel, a 2006-os választási adatok győjtése kapcsán eleve kizárásra került azoknak a részvényeknek az adatai, melyekre a második forduló utáni három napban egyetlen kötés sem történt, ezek név szerint az Agrimpex, az Ehep, a Quaestor és a Skoglund. A választások ideje alatt osztalékfizetés nem történt, részvényszekciók között továbbra sem

került különbségtétel. A 2006-os BUX-kosár összetételét a 8. tábláza mutatja (lásd 103 fejezet) A 2006-os tızsdére jellemzı egy 2003 közepétıl tartó lendületes, komoly emelkedés. A tızsdén lévı befektetık nagy része külföldi befektetési alap, mivel a külföldi tıkemozgások kapcsán 2006 során jelentıs mennyiségő pénz áramlott a feltörekvı régiókba, így a kelet-európai régióba is. Emiatt a BÉT a régiós mozgásoknak erısen kitett, azaz a magyar részvénypiac erısen függ például az amerikai vagy európai kamatpolitikától. A 2006-os piac a viszonylag kevés részvény ellenére fejlett, likvid piacnak nevezhetı, melynek egyetlen meghatározó anomáliája a külföldi befektetık regionális befektetései. 5.5 Az adatok tisztítása A Budapesti Értéktızsdén kereskedett részvények közül kiszőrésre kerülnek azok, amelyekre az egész számolási ablak alatt maximum egyetlen kötés történt Azok a részvények, amelyeket,

a számolási ablak idıszaka alatt kivezetésre kerültek, ugyancsak nem képezik elemzés tárgyát. Az elemzésbıl kikerült részvényeket a következı táblázat tartalmazza: Év Kikerült Részvények 1994 Fınix, Hungagent, Nitroil, Terraholding Skála-Sztráda 1998 Nitroil, Bonbon Hemingway, Central E. Growth 2002 Fevita 4. táblázat: Saját forrás Ha egy részvény a számolási ablak korai idıszakában kerül bevezetésre, a bevezetés elıtti hozamokat nullának tekintjük. Ilyen például 1994-ben a Balaton Főszért és a Csopak. Mivel a Soproni Sörgyár a választások alatt, azaz az eseményablakban került bevezetésre, nem képezi elemzés tárgyát. 1998-ban a számolási ablakban került bevezetésre a Démász és a Matáv, míg 2002-ben és 2006-ban nem volt a számolási ablakban bevezetés. Az elemzéshez szükséges adatok győjtésének bemutatása után a következı fejezetben bemutatásra kerül az a program, mellyel az adatok kerülnek elemzésre.

30 6. Programírás Az elemzés elkészítéséhez elengedhetetlen volt egy olyan program megírása, amely a megfelelı elemzéseket végrehajtja az adatokon. Elsı kérdésként felmerül, hogy milyen alkalmazás a legmegfelelıbb a program megírásához. Egyetlen választás adatainak elemzése még elképzelhetı lenne Excelben. Ebben az esetben minden részvényre és eseményre egy külön munkalapot kellene létrehozni. Az Eszközök/Adatelemzés/Regresszió paranccsal kiszámíthatóak lennének a becsült paraméterek. Fontos megjegyezni, hogy ebben az esetben a regressziónak csak a számolási ablakba tartozó adatokból szabad számolnia. Az így kapott paraméterekkel becsülhetık az eseményablakban lévı hozamok. A becsült hozamok és az aktuális hozamok különbsége az abnormális hozam, melyek összege adja ki a kummulativ abnormális hozamot. Ezek után az abnormális hozamokra egy t-próbát alkalmazunk A módszerbıl világosan látható, hogy miden

egyes részvénynél külön el kéne végezni a vizsgálatot. Mivel négy választás eredményét kívánja a szerzı feldolgozni, sıt a következı választások gyors feldolgozására is lehetıséget kíván nyújtani, ésszerőnek látszik másfajta módszerrel próbálkozni. A 2005-ben készült Amerikai Egyesült Államok választásainak hatásairól szóló dolgozat a SAS programot használja (Bedı, 2005). Ennek a módszernek a lényege, hogy választásonként két adatfájlt hoz létre Egyrészrıl létezik egy adatfájl, amely a piaci és az egyedi részvény árfolyamait tartalmazza csak a számolási ablakban. Ez az adatfájl kerül betöltésre a SAS-be Az adatok betöltése után a SAS az árfolyamokból loghozamot számol, majd a hozamokra lefuttat egy regressziót. A regresszió paramétereit a szerzı külön kiírja Ezek után egy másik adatfájl kerül behívásra, amely már az eseményablakot is tartalmazza. Innen a kiírt becsült paraméterekkel a program

kiszámolja, mennyi lenne a normális hozam, amibıl meghatározható az abnormális hozam. Ezek után az abnormális hozamokat összegzi, majd t-próbával teszteli, szignifikánsan eltérnek-e az abnormálishozamok nullától. A SAS-ben alkalmazott módszer már lényegesen jobb, mint az Excelben A különbözı részvények hozamainak elemzését egyszerre lehet elvégezni. Problémát jelent ugyanakkor, hogy a becsült paraméterek nem kerülnek tárolásra, és emiatt a két adatfájl közti átmenetet csak manuálisan lehet megoldani. A jelen dolgozat célja nemcsak a választások hatásainak megismertetése, hanem egy olyan általános program bemutatása, amely képes bizonyos bemeneti adatok megadása mellett bármilyen eseményelemzés elkészítésére. Ennek a programnak a megírásához a 31 szerzı a Stata programcsomagot használja. A program elkészüléséhez komoly segítséget nyújtott a Princeton egyetem honlapja (Data and Statistical Services, 2006) A

szerzı nem állítja, hogy ezek az elemzések Excellel vagy SAS-szel nem végezhetıek el, ugyanakkor a Stata programozhatósága, és SAS-szel szembeni könnyebb hozzáférhetısége döntött ennek a programcsomagnak a választása mellett. 6.1 A program adatainak rendezése Mivel olyan módszer keresése a cél, amely a késıbbiekben is használható, az adatokat olyan egységes formába kell hozni, amely utána lehetıvé teszi, hogy a programon nem, csak az adatokon változtatva sikerüljön általános módszerhez jutni. Az adatok elrendezése a következıképen történt. Elemzésenként két adatfájlt érdemes létrehozni Az elsı adatfájlban a program négy változót különböztet meg: datum, piac, hozam, ceg. A datum azok a dátumokat mutatja, amelyekrıl megfigyelés van. A piac az adott dátumhoz tartozó piaci hozamot mutatja. A ceg egy cégazonosító-kódot mutat A hozam az adott dátumhoz és cégkódhoz tartozó napi loghozamot fejezi ki. Fontos

megjegyezni, hogy a cégazonosítót érdemes úgy megszerkeszteni, hogy egyrészt egyértelmően sorba rendezhetı legyen, másrészt utaljon a cégre. Az elemzés az év cegszám cégneve megoldást alkalmazza (pl.:1994 ceg01 Agrimpex) Ezzel a módszerrel sorba rendezés után látható egyrészt, hogy melyik évrıl van szó, másrészt, hogy a cég hányas számot kapott. Az adatok összegyőjtése tehát a következıképen alakult: Datum Piac Hozam Ceg 1994 május 1. 0,0321 0,0134 1994 ceg98 xyvallalat 1994. május 2 0,0023 0,03456 1994 ceg98 xyvallalat . 1994. december 12 0,0034 0,0086 1994 ceg98 xyvallalat 1997. június 06 0,0065 0,0042 1997 ceg79 zwvallalat 5. táblázat: Saját forrás Az adatok ilyen szintő összefoglalása a következı elınyökkel jár. Egyrészt az adatok bármikor összesíthetık lesznek egy táblázatban. Ennek elınye akkor mutatkozik meg, ha új adatokat kapunk, ekkor ezeket igen gyorsan be lehet építeni a már

létezı adatbázisba. Az új adat lehet egy már az elemzésben található részvény néhány új napi hozama, vagy ez a módszer akár arra is lehetıséget ad, hogy az elemzésben egy eddig 32 nem szerepelt részvény is beilleszthetı legyen. Mindezek mellett az adatok elrendezése még egy komoly elınnyel rendelkezik. Az adatoknak nem kell ugyanahhoz a dátumhoz tartozniuk. Más eseménytanulmányok kapcsán gyakran elıforduló probléma lehet, hogy egy- egy esemény részvényenként nem ugyanarra a napra esik. Ha például az osztalékbejelentés hatását szeretné egy tanulmány vizsgálni, akkor az osztalékbejelentés idıpontja részvényenként eltérhet. A dolgozat szempontjából ez most kevésbé érdekes, hisz összesen négy választás, azaz négy idıpont van. Ennek a módszernek viszont van egy olyan elınye, hogy a különbözı idıpontban lévı választások is elemezhetıek együtt, és így összetettebb következtetés vonható le, azaz a

választások egészének a hatását is lehet vizsgálni évektıl függetlenül. Ezzel a lehetıséggel sem az Excelben, sem a SAS-ban írt elemzés nem tud élni. A két módszer csak részvényenként (Excel), esetleg választásonként (SAS) volt képes megoldani a feladatot. A megfelelı elemzéshez elemzésenként egy másik adatfájlra is szükség lesz. A másik adatfájl az adott értékpapírhoz tartozó esemény napját jelöli, valamint az adott értékpapírhoz tartozó cégkódot. Az esemény idıpontja változó lehetne már az eredeti fájlban is, így viszont sokkal könnyebb lesz módosítani. A program megírásakor még nem volt teljesen egyértelmő, hogy a választások elsı, vagy a választások második fordulójára érdemes-e igazítani az esemény napját. Az esemény napjának külön kezelése lehetıséget ad ennek gyors megváltoztatásához. Lehetıség lenne egy bonyolultabb algoritmussal arra, hogy egy értékpapírhoz több eseménynapot is

rendeljen a program. Ebben az esetben például a Fotex nem 1994 ceg09 fotex, 1998 ceg06 Fotex, 2002 ceg11 Fotex és 2006 ceg25 Fotex neveken szerepelne, hanem egy darab Fotex adatsor lenne Fotex cégazonosítóval. Ez a módszer egyrészrıl túl bonyolult, másrészrıl túlságosan adatpazarló. Ebben az esetben az adatokat 1994-tıl 2006-ig kéne tárolni. Ez egyrészrıl az adatgyőjtés fejezetben tárgyalt problémák miatt igen körülményes, másrészrıl sok redundáns információt tartalmazna. Az eddig tárgyalt két adatfájlt a Stata program során egyesítésre kerülnek, azaz a cégazonosító kapcsán minden egyes azonosítóhoz a megfelelı eseménydátum kerül tárolásra. 6.2 A program menete A Stata programnak egy speciális dátum nyilvántartási módszere van, ami igen fontos a futtatás szempontjából. A dátum nyilvántartás lényege, hogy a Stata egy számmal helyettesíti a dátumokat. Miután a datum változót és az esemény dátumának változóját

is átváltotta a program számra, a számolási ablak és az eseményablak kijelölése lesz a 33 cél. Kétfajta lehetıség kínálkozik erre Egyrészrıl lehetne a dátum és az esemény dátum változójának különbségét használni. Ez azért nem lenne szerencsés, mert akkor lyukak keletkeznének a hétvégék és az ünnepnapok miatt. Az elméleti részben tárgyaltakkal összhangban, csak a kereskedési napok számítása a cél. Ehhez egy új változót kell létrehozni, ami megszámozza az esemény dátuma elıtti kereskedési napokat. Ezek után a programmal ki lehet jelölni, hol legyen az esemény és a számolási ablak. A Stata program elınye, hogy igen könnyen módosíthatók ezek a számok, így könnyen és gyorsan kijelölhetıek más hosszúságú ablakok is. Azt, hogy mikor van egy dátum az esemény ablakban, és mikor van egy dátum a számolási ablakban, egy-egy új változó jelzi. Ha egy dátum a számolási ablakban van, az adott cég adott

dátumánál az estimation window változó 1-es értéket vesz fel, a többinél nullát. Ha egy dátum az esemény ablakban van, az adott cég adott dátumánál az event window változó 1-es értéket vesz fel, a többinél nullát. Ezek után következik a program lényegi része Egy ciklus kapcsán a program cégazonosítóról cégazonosítóra menvén lefuttat egy regresszió számítást, ahol a piaci hozam a független, az adott részvény hozama pedig a függı változó. Fontos, hogy ezt csak ott teszi meg, ahol az estimation window egyenlı eggyel, azaz a felhasználó által megadott számolási ablakokban. Miután a regresszió elkészült, a becsült paraméterekkel két adatot kér le minden részvényrıl külön. Egyrészrıl lekéri a reziduumokat, másrészrıl egy becslést kér az elkövetkezendı napok hozamairól. A reziduumok lekérdezése úgy zajlik, hogy a program a becsült érték és a valós érték különbségeit tárolja a reziduum változóba. A

valós és a becsült hozamok különbsége csak a számolási ablakban valósul meg, azaz ott, ahol az estimation window változó 1 értéket vesz fel. A reziduum változónak a szignifikancia teszt kapcsán lesz jelentısége. A program ezek után elkészíti a becsült paramétereket, más néven, hogy mennyi lenne a normális hozam az eseményablakban a becsült paraméterek alapján. Ezt az adatot a becsult hozam változóba menti Érdemes megjegyezni, hogy csak akkor kerül a becsult hozam változóba adat, ha az eseményablakba tartozik, azaz ha az event window változó egyenlı eggyel. Ezek után kiszámolásra kerül az abnormális hozam, ami nem lesz más, mint a hozam és a becsult hozam változó különbsége. Ez az -1- képlet alapján megismert abnormális hozam (lásd 3.111 alfejezet) A program célja, hogy azt tesztelje, ez milyen szignifikancia szinten tér el nullától. Ez a következıképpen mőködik Minden egyes részvény kapcsán annyi adatot

tartalmaz az abnormális hozam változó, amennyire hosszú eseményablak került megadásra. Abban az esetben, ha az eseményablak három 34 napra terjed, akkor részvényenként három abnormális hozam keletkezik (ugyanis csak ezeknél a napoknál lesz az event window változó egyenlı eggyel). Másrészrıl minden egyes részvény kapcsán annyi adatot tartalmaz a reziduum változó, amilyen hosszú a számolási ablak. A szignifikancia teszt meghatározásához két adatra lesz szükség Egyrészrıl meg kell határozni egy részvényenkénti átlagos eltérést, másrészrıl ennek a szórását. Az átlagos eltérés meghatározásához létre kell hozni az eseményablakban szereplı abnormális hozamok átlagát. Emiatt a program részvényenként létrehozza a kummulált abnormális hozam változót. Ez nem lesz más, mint az abnormális hozamok részvényenkénti összege. A szórás kapcsán viszont a számolási ablakban lévı hibatagok kerülnek felhasználásra. A

program részvényenként kiszámolja a számolási ablakban lévı reziduumok szórását, majd ezt egy szórás változóban elmenti. Ezek után a kummulált abnormális hozam változót cégenként le kell osztani az eseményablak hosszával, majd a szórás változóval. Az így kapott értékek lesznek a t-statisztika értékei Ezek után a program meghatároz a t értékekhez egy p értéket. Miután a program kiszámolta az egyes részvények t-tesztjeit, az is kiszámolásra kerül, hogy az adathalmazban fellelhetı összes cég hozama mennyiben tér el a normális hozamtól. Ennek kapcsán az egyrészrıl az összes reziduum szórása, másrészrıl az összes részvény kummulált abnormális hozama kerül kiszámolásra. A kettı hányadosát a program leosztja az eseményablak hosszával és a részvények számával. Ez lesz az összes részvény abnormális hozamának tesztje. Mindezek után a program az eredményeket egy Excel fájlban győjti össze, amik a következı

fejezetben kerülnek elemzésre. 35 7. Eredmények A program összeállításánál mindenképpen komoly szempont volt, hogy ne egy specifikus adathoz készüljön. Az elemzés során a szerzı a programnak ezt a kellemes tulajdonságát használja ki, amikor viszonylagosan kevés módosítással többször futtatja le különbözı adatokon. A szerzı összesen 21 futtatás eredményeit fogja bemutatni Elıször egy piaci modellel készült elemzés kerül ismertetésre, amely a háromnapos abnormális hozamot mutatja a második forduló után. Az eredmények miatt a szerzı több szempontból is módosítja a bemeneti feltételeket, sıt a végén a modellt is megváltoztatja. A különbözı módszerek indoklása az elızı eredményekbıl következik, így az eredmények kapcsán kerülnek kifejtésre. Az egyes módszereket viszont választásonként futtatjuk le, azaz módszerenként (így programonként) legalább négy eredmény kerül bemutatásra. Az egyes modellen belül

az eredményeket választásonként külön elemezzük, az adott sajátosságokat itt mutatjuk be. Legutoljára egy olyan elemzés kerül elvégzésre, amely minden részvény minden választás utáni hozamainak vizsgálatát végzi egyszerre, azaz a választásonkénti összesített hatást mutatja be. A vizsgálatok során a részvényekkel történt események, hírek a Napi Gazdaság Tızsdékpiacok rovata segítségével kerültek feldolgozásra. 7.1 Három napos abnormális hozam a második forduló után Mint ahogy arról a választási rendszerekrıl szóló fejezetben kitértünk, a magyar választási rendszer kétfordulós. Ez elsı feltételezésként azt jelenti, hogy a befektetık a második fordulóig nem lehettek biztosak abban, melyik párt, vagy melyik pártok alakíthatnak kormányt, azaz milyen szabályozási rendszer várható az elkövetkezendı években. Bár a két forduló között már bizonyos sejtések napvilágra kerülhettek, a második forduló

eredménye mutat biztos információt. Annak a kérdésnek a vizsgálatára, hogy ez az információ okozott-e abnormális hozamot, egy 100, illetve 1994 esetében 50 napos számolási ablak és egy 3 napos esemény ablak kerül vizsgálat alá. Az eredményeket a 104 számú melléklet tartalmazza A táblázatban lévı adatok választásonként külön-külön szerepelnek. A táblázat oszlopaiban az adott választás alatt tızsdén lévı cégeket láthatjuk. A KAH oszlop a kummulált abnormális hozamot jelenti, amely jelen esetben három nap abnormális hozamqinak összegét mutatja. Fontos megjegyezni, hogy az abnormális hozamok elıjelesen kerültek összegzésre. A p érték oszlop az adott kummulált abnormális 36 hozamhoz tartozó t-teszthez tartozó p értéket mutatja. A dolgozatban a szerzı szignifikáns eredménynek tekinti azt, ahol a p értéke kisebb, mint 0,1. Ugyanakkor, egy-két nagyobb részvény eredményét a dolgozat akkor is vizsgálja, ha annak p

értéke valamivel nagyobb, mint 0,1. 7.11 Az 1994-es eredmények Az 1994-es eredmények között nem lehet találni olyan részvényt, amelyre érdemlegesen azt lehet mondani, hogy három nap alatt a normálistól eltérı hozama szignifikánsan eltérne nullától. A Zalakerámia esését nehéz bármiféle politikai indokkal magyarázni Sıt, külön említést érdemel, hogy sem a választások utáni elsı, sem harmadik napján egyetlen kötés sem keletkezett erre az értékpapírra. Ugyanakkor a második napon volt rá kötés, pontosan egy darab, negyven darab papírra. Ettıl az egyetlen kötéstıl esett a papír ára 8%-ot. Pontosan ugyanez az eset a Novotrade szempontjából is, ahol a választások utáni napon történt egyetlen kötés húsz darab értékpapírra. Figyelembe véve ezeket az adatokat, egyrészrıl örömteli eredmény, hogy a szerzı által konstruált modell az ilyen extrém helyzeteket is megfelelıen kezeli (nem jelez komoly szignifikanciát),

másrészt elgondolkodtató, hogy mennyiben van értelme az 1994-es kereskedés összes részvényét vizsgálni. A politika által leginkább érintett papírt ugyanakkor mindenképpen érdemes részletesebben megnézni. Ez nem más, mint a Kárpótlási Jegy A Kárpótlási jegy a Magyar Szocialista Párt gyızelme utáni három napban 4,45%-al jobban erısödött, mint ahogy azt a normális hozama indokolta volna. Ez azért is különösen érdekes, mert a parketten elterjedt volt az a vélekedés, hogy a Szocialista Párt ellenzi a kárpótlás Kárpótlási jegyek által történı megvalósítását (Napi Gazdaság, 1994. július 1.) Bár a 0,28-as p érték semmilyen biztos következtetést nem enged, ugyanakkor érdemes megtekinteni, hogy mi is történhetett a logikusnak gondolt csökkenés helyett, hogyan alakulhatott az árfolyam emelkedıen. Egyrészrıl elképzelhetı, hogy már az elsı forduló után beárazásra került a szocialista párt gyızelme,

másrészrıl az is elképzelhetı, hogy a befektetık egyszerően nem tulajdonítanak komoly jelentıséget annak, hogy a Magyar Szocialista Párt nyerte a választásokat. Annak eldöntésére, hogy melyik hipotézist lehet inkább elfogadni, újabb vizsgálatokat kell készíteni, amelyben az eseményablak az elsı fordulóhoz igazodik. 37 7.12 Az 1998-as eredmények Az 1998-as választások kapcsán hét értékpapír is átlépte a szignifikáns szintet. Ezek közül négy A kategóriás részvény és három B kategóriás részvény. A Humet külön figyelmet igényel, hisz elektronikus formában lekérdezhetı adatokkal rendelkezik 1998 során, ugyanakkor a megfelelı idıszak nyomtatott sajtóiban nem szerepel. Az elektronikus adatkezelés esetleges hibái miatt elemzésétıl a szerzı eltekint. A B kategóriás részvények, azaz az Aranypók, a BÁV és a Phylaxia eltéréseire más-más magyarázatot ad a szerzı. Az Aranypók esetében a szignifikáns abnormális

hozamot ugyanazzal lehet magyarázni, mint az 1994-es választások közel szignifikáns eredményeit, azaz a nem megfelelı mennyiségő kereskedéssel. A Phylaxia és a BÁV kereskedése lényegesen sőrőbb kereskedést mutat. A Phylaxia, bár p értéke 0,119, érdekes lehet, hisz 1998-ra egy igen merész eredménytervet készített. (Napi Gazdaság, 1998. május 7) Ez az eredményterv viszont igen nagy részben állami támogatásokra épült. Ez azt jelenti, hogy elképzelhetı, hogy a befektetık egy kormányváltást rosszul értékeltek. A BÁV esetében a szerzı semmilyen racionális érvet nem tud felhozni a szignifikáns abnormális hozamra. A Brau, a Csopak, a DÉMÁSZ és a Pannonplast A kategóriások révén megfelelı gyakorisági kereskedéssel rendelkeznek. Ezeknek az értékpapíroknak az árfolyam gyengülésére indokot a szerzı nem talált, tehát a hipotézis elvetése miatt kimondható, hogy a negatív abnormális hozamuk a választás miatt következett be.

Beszédes egyébként, hogy míg a befektetık úgy gondolták, hogy ezeket az értékpapírokat el kell adni, a DÉMÁSZ és a Pannonplast is visszavásárlást jelentettek be június elején. Az 1998-as eredmények kapcsán a program egy komoly hibájával is szembesülni kell. Az 1998-as választások utáni elsı napon a Budapesti Értéktızsde történelme során addigi negyedik legnagyobb esését szenvedte el. A BUX 8,6%-ot esett, a Richter 10,7%-ot, a Mol 9%-ot, a Matáv 8,9%-ot és az OTP 7,3%-ot. A program ezekbıl viszont 10%-os szignifikancia szinten semmit nem mutatott ki. Érdemes megjegyezni ugyanakkor, hogy a Mol és a Richter 15%-os szignifikancia szinten viszont kimutathatóan esést produkáltak a saját normális hozamjukhoz képest. Ennek a problémának a megoldásához a modell összetételéhez kell visszanyúlni. A modell egy regresszió segítségével azt méri, hogy egy adott részvény mennyiben tér el a piaci hozamtól. A probléma pontosan ott van, hogy

a piaci hozam a BUX-ból áll, a BUX-ban pedig 15-15%-os súllyal szerepelnek a felsorolt részvények. Más szavakkal, ha a Mol 38 vagy a Richter hozama megváltozik, akkor a piaci hozam is megváltozik. Másrészt, már az adatok szemmel való vizsgálatából is nagyon valószínőnek látszik, hogy igen komoly korreláció van a részvények hozamai között választási idıszakban. A részvények közötti korreláció ugyanakkor komolyabb problémát jelent, az összegzés erre a problémára visszatér említés szintjén. A részvények nagy súlya által okozott problémának kezelése miatt, érdemes lehet az adatokat egy a piaci modelltıl eltérı módszerrel elemezni. A BUX problémaköre miatt tehát a piaci modellel számolt rendszerben a Mol és a Richter 15%-os szignifikancia szintje a szerzı szerint elfogadhatónak tekinthetı. 7.13 A 2002-es eredmények A 2002-es választások kapcsán összesen két részvény tekinthetı szignifikánsnak 10%os

szignifikancia szinten. Ezek az eredmények ugyanakkor az április során zajló közgyőlési idıszakok által produkált hatások. A Pick esetében egy névértékkel megegyezı osztalék kihirdetése (Napi Gazdaság, 2002, április 24.) a hirtelen emelkedés oka. A Richter kapcsán a közgyőlésre idızített gyorsjelentés okozott abnormális hozamot. A forint erısödése kapcsán a Richter komoly árfolyamveszteséget szenvedett el exportjai során. Az ezzel kapcsolatos korábbi bejelentések, és a gyorsjelentés maga okozott negatív abnormális hozamot. A Richteren kívül semmiféle eredmény nem mutatható ki a nagyobb részvényekkel kapcsolatban. Ez ugyanakkor csak részben következhet az 1998-as adatok kapcsán tárgyalt okokból. 1998-kapcsán a 15%-os szignifikancia szinten sikerült két blue chip abnormális hozamát kimutatni. A portfolio.hu által végzett tanulmány szerint a befektetıket igenis érdekelte a választások kimenetele 2002-ben (lásd 1. fejezet),

így meglepınek tőnhet, hogy az eredmények között mind szignifikáns mind közel szignifikáns alig található. A szerzı szerint ez két okból is következhet. Egyrészrıl elképzelhetı, hogy a piac lényegesen tökéletesebb, mint 1994-ben vagy 1998-ban. Ennek az a következménye, hogy a befektetık esetleg már egy nap alatt beárazták a választások végeredményét. Ebben az esetben egy három napos eseményablak a választások utáni három nap átlagából indul ki, holott lehet, hogy az elsı nap szignifikáns eredményeket mutatna. Elképzelhetı ugyanakkor egy másik magyarázat is. A 2002-es választások eredménye az elsı forduló után már jórészt eldılt Elképzelhetı, hogy az elsı forduló utáni abnormális hozamok jobban eltérnek a nullától, mint a második forduló utániak, azaz a befektetık ebben az idıszakban árazzák be az új információt. Ahhoz, hogy ezek a kérdések megválaszolásra kerülhessenek, létre 39 kell hozni egy

elemzést az elsı fordulóra (lásd Kárpótlási jegy 1994), és egy elemzést egy napos abnormális hozammal. 7.14 A 2006-os eredmények A 2006-os választások második fordulója után két részvény mutatott abnormális hozamot. A Fevitan abnormális emelkedése a már ismert nem megfelelı mennyiségő kereskedésre lehet visszavezetni. A második forduló utáni harmadik napon két kötés történt a Fevitanra összesen 140 ezer forint értékben (portfoli.hu, 2006 április 24), ami 25%-al elmozdította az árfolyamot. A másik szignifikáns értékpapír a Borsodchem Ennek az értékpapírnak az árfolyamváltozására sem a választások vannak hatással. A választások utáni ötödik napon rendezték a Borsodchem közgyőlését, ami indokot adhat a heves árfolyamváltozásra. A szignifikáns szint átlépése fıleg a választások utáni második napnak köszönhetı. Ekkor a Borsodchem a piaccal ellentétesen mozgott, azaz akkor emelkedett, amikor a többi papír

zuhant. Ennek oka Medget Rahimkulov orosz befektetı felvásárlási stratégiája. Az orosz befektetı a választások utáni második és harmadik napon jelentıs mennyiségő Borsodchem papírt vásárolt, ezzel jelentısen felfelé nyomta az árfolyamot (Anonymus, 2006b). Mivel a 2006-os választások jórészt már az elsı fordulóban eldıltek, ismét elıkerülhet a kérdés, hogy az elsı forduló játszott-e inkább meghatározó szerepet a választási információk beárazása kapcsán, vagy egyszerően nem létezik semmilyen olyan plussz információ, ami beárazásra kerülhetne. Ehhez érdemes megvizsgálni, hogy mi történik, ha az eseményablakot az elsı forduló utáni napokra definiáljuk. Ezt mutatja be a következı alfejezet. 7.2 Három napos abnormális hozam az elsı forduló után A második forduló utáni három napos hozamok eredményeinek vizsgálata kapcsán feltételezésre került, hogy a befektetık esetleg már az elsı forduló után tisztában

lehettek a választás eredményével, vagy egy feltételezésük volt róla. Ha ez igaz, és a választás tényének hatása van értékpapírok hozamára, akkor az abnormális hozamoknak már az elsı forduló után jelentkezniük kellene. Ha abnormális hozam az elsı forduló után létezik, a második fordulóról szóló elızı fejezetbeli eredmények relevanciája megkérdıjelezhetı. Az elızı fejezet tesztjei ugyanis az elsı forduló idıszakait a számolási ablakba sorolták be, azaz a normális hozam kiszámításához felhasználták az abnormális hozamokat. Ahhoz, hogy ezt a hibát kizárjuk, érdemes tesztelni, létezik-e 40 abnormális hozam az elsı forduló után. Abban az esetben, ha nem létezik, elég a második forduló utáni eredményekre koncentrálni. Ha létezik, számításba kell venni a második forduló kapcsán, hogy már bizonyos fokú információ beárazódott. A Stata program nagyon könnyen átírható az elsı fordulóra, csak az

eseménynap napját kell módosítani, az adatok ugyanazok maradhatnak. Az eredményeket a 105 fejezet tartalmazza. 7.21 Az 1994-es eredmények Az 1994-ben megtartott elsı forduló második forduló között három hét telt el. Az eredmények kapcsán egyértelmően megállapítható, hogy az elsı fordulónak 1994-ben kevesebb hatása van az értékpapírokra, mint a második fordulónak. Az 1994-es elsı fordulós adatok semmilyen új információt nem adnak, hacsak azt nem, hogy nem adnak információt, tehát ez az idıszak is felhasználható a normális hozam kiszámításához. Külön érdemes kitérni egy elméleti és megfigyelési ellentmondásra. Az elızı alfejezetben kifejtésre került a Kárpótlási jegy ellentmondása, miszerint a Kárpótlási jegy árfolyama egy baloldali gyızelem után a normálistól eltérı mértékben erısödött. Az elsı forduló után is hasonlóan növekedést látunk, ami meglepı. Megjegyzésre kerül ugyanakkor, hogy a

Kárpótlási jegy árfolyammozgására két magyarázat is adható. Az egyik válasz a napon belüli árfolyammozgásból adódik. Az elsı forduló utáni délelıtt a Kárpótlási jegy történelmi mélypontjára, 495 Ft-ra zuhant (Napi Gazdaság 1994. május 7.), majd onnan korrigálva emelkedett 520 Ft-ig Az eseményelemzés módszere ilyen mozgást nem tud kimutatni, ugyanis a módszer célja nem a hisztériák felkutatása, hanem az új információk beárazása az árba, ez pedig nem történt meg. A másik magyarázat a Kárpótlási jegy meglepı pozitív eredményére a piaci modell koefficienseinek t próbájából adódik. Ebbıl látszik, hogy a modellben található béta koeficiensrıl nem lehet szignifikánsan megállapítani, hogy nullától különbözik-e (p = 0,225). Ez azt mutatja, hogy az elızı fejezet feltételezése, hogy a Kárpótlási jegy hozama magyarázható a piaci hozammal nem feltétlenül helyénvaló. Bármelyik magyarázatot is fogadjuk el, a

dolgozat modellje nem ad megfelelı magyarázatot a Kárpótlási jegy hozamának alakulására. 7.22 Az 1998-as eredmények Az 1998-as választások kapcsán ismét megállapítható, hogy az elsı fordulónak kisebb hatása van az értékpapírokra, mint a második fordulónak. Az elsı forduló után három 41 papírnál fedezhetı fel abnormális hozam (Phylaxia, Konzum, Démász). Ezek közül a papírok közül a Démász a második fordulóban is szignifikáns eredményt mutat, míg a Phylaxia közel 0,1 körüli p értéke is elfogadható. A Démászról még érdemes megjegyezni, hogy a normálistól vett negatív hozameltérés még úgy is szignifikáns maradt, hogy az eseményablak harmadik napján egy magas önkötéssel árfolyamemelkedés történt (Napi Gazdaság, 1998. május 28) Magasabb likviditással rendelkezı papírok közül az Egis mutat még csökkenést 15%-os szignifikancia szinten. Ez az eredmény ugyanakkor nem hozható kapcsolatba a

választásokkal, mert az Egis a választások elsı fordulója utáni hétfın, azaz az eseményablak elsı napján adott ki egy igen kedvezıtlen gyorsjelentést, ami sokkal reálisabb indok az abnormális hozamra, mint a választások elsı fordulója. Mielıtt a 2002-es eredményekre továbblépnénk, érdemes ismételten megjegyezni, hogy az 1998-as választások elsı fordulójának is hasonló negatív hatása volt az értékpapírpiacra, mint a második fordulónak. A BUX jelentısen csökkent (-1,5%;-3,5%;-3,8% rendre az eseményablakban), valamint a nagyobb értékpapírok úgyszintén jelentısen csökkentek. Ugyanakkor mivel a BUX-ban a jelentısebb értékpapírok nagy súllyal szerepelnek, a piaci hozam nem jó kiindulási pont az abnormális hozam méréséhez. Az 1998-as választások elsı fordulójáról viszont elmondható, hogy hatása a vállalati hozamokra kevésbé jelentıs, mint a második fordulóban. Ez az eredmény konzisztens azzal a ténnyel, hogy 1998-ban

a választások elsı fordulója nem hirdetett gyıztest, ez a második fordulóra maradt. 7.23 A 2002-es eredmények A 2002-es választások elsı fordulója sokkal inkább döntınek minısült, mint az 1994-es vagy az 1998-as választások. A program újbóli lefuttatása az elsı fordulós adatokra fókuszálva azért fontos, mert ez a választás már jórészt az elsı forduló után eldılt. Abban az esetben, ha a befektetık beárazzák a választás eredményét, az abnormális hozamok az elsı forduló után jelentkezhetnek. A 10 táblázat alapján (lásd 105 fejezet) elsıre az Antenna Hungária szignifikáns eredménye tőnhet fel. Az Antenna Hungária árfolyamának emelkedése nagyban összefügg László Csaba, az MSZP pénzügyminiszter-jelöltjének bejelentésével, aki szerint az állami tulajdonban lévı többségi Antenna tulajdont a piacra kellene vezetni. A választási eredmények hatására, azaz a baloldal meglepıen jó eredményére, az Antenna

árfolyama folyamatos emelkedésbe kezdett, amit a program eredményei is visszaigazoltak. Ennek oka, hogy az Antenna nem szerepel BUX kosárban, így könnyen kimutatható. A Skála abnormális 42 hozamai mögött egy felvásárlási történet húzódik meg, amely a dolgozat számára érdektelen. Annál inkább érdekesebb jelenség a Mol hozamának alakulása Az elızı alfejezet találgatása, miszerint azért nincs Mol abnormális hozam a második forduló után, mert már az elsı forduló után beárazódásra került a baloldali gyızelem, visszaigazolódni látszik. A második fordulós 0,385-ös p érték a 0,13-ra esett vissza, ami a BUX kosár összetétele által okozott torzulás miatt kielégítınek mondható. Ráadásul a Mol egy igen érdekes gyorsjelentéssel jelentkezett a választások elsı forduló elıtti csütörtökén (Napi Gazdaság, 2002. április 5) Az ISA és a magyar szabályozás eltérései miatt a környezetvédelmi céltartalékok a Mol

eredményét annyira negatívba húzták, hogy veszélybe került az osztalék kifizetése. Ennek ellenére létrejött szignifikáns pozitív abnormális hozam a szerzı szerint egyértelmően a választások hatásának eredménye. Összességében elmondható tehát, hogy két olyan részvényt is sikerült találni a 2002-es választások kapcsán, melyek a második fordulónál lényegesen hevesebben reagáltak az elsı fordulóra. 7.24 A 2006-os eredmények A 2006-os választások elsı fordulója után egy részvény mutat szignifikáns abnormális hozamot. A Bif a választások utáni harmadik napon egy jóval átlag feletti forgalom mellett emelkedett ennyire. A szerzı semmilyen releváns információt nem talált a Bif emelkedésének okára. Mindemellett, mivel a Bif emelkedése csak a harmadik napon következett be, valószínőleg nem a választások eredményei okozták az abnormális hozamot. A portfoliohu által készített felmérés alapján (Takács, 2006) a

befektetık 2006-ban kevésbé tulajdonítottak jelentıséget a választásoknak. A szerzı ugyanakkor hozzáteszi, hogy ez fıként amiatt történt, mert a választások eredménye az elızetes közvélemény-kutatási adatok szerint alakult. A blue chipek kapcsán ugyanakkor továbbra is fennáll a BUX által okozott torzulás, valamint az a lehetıség, hogy a választási eredmény, akár elsı, akár második fordulós három napnál gyorsabban árazódik be. Ezek szerint tehát azt, hogy a 2006-os választásoknak nem volt hatása a tızsdére, egyelıre nem jelenthetı ki. Ehhez még más elemzéseket is végre kell hajtani 7.3 Egy napos abnormális hozam A második forduló utáni három napos abnormális hozamok kapcsán három gondolat vetıdött fel. Egyrészrıl elképzelhetı volt, hogy a választások által elıkerült plusz információ már az elsı forduló után beárazódik (lásd 7.2 fejezet), másrészrıl a 43 modellválasztás problémája is elıtérbe

került. A harmadik lehetséges probléma az volt, hogy sokkal gyorsabban beárazódik a választás eredménye, mint három nap. A következı alfejezet a beárazódás sebességének kérdését vizsgálja. Mielıtt az eredményekbıl mélyebb összefüggések kerülnének levolnásra, érdemes felhívni a figyelmet, arra, hogy az egy napos eseményablak a statisztikai feltételek lazább kezelését vonja maga után. Egy három napos eseményablak az abnormális hozamok normális eloszlását a kummulált abnormális hozam átlagával biztosítja. Az egyetlen napból számolt átlag esetén, azaz ha csak az egyetlen nap abnormális hozamát vesszük, sokkal nagyobb az elsı fajú hiba veszélye. A szerzı szerint ugyanakkor bár ezeket az eredményeket nem lehet minden tekintetben kielégítınek nevezni, mégis egy jó viszonyítási alapot képezhetnek. Fontos megjegyezni, hogy sem a kívánt szignifikancia szintet meghaladó vállalatok száma, sem a p érték nem lehet mélyebb

következtetések tárgya. Mindemellett mivel a három napos ablak esetén az abnormális hozamok összege elıjelesen adódik össze, a választás esetleges hatásának elıjele könnyebben kiderülhet egy 1 napos esemény ablakból. Az eredményeket a 1061 fejezet foglalja össze Az elızı alfejezet eredményeit felhasználva a 2002-es és a 2006-os választások kapcsán az elsı fordulós eredmények is közlésre kerülnek a 10.62 fejezetben 7.31 Az 1994-es eredmények Az 1994-es választások esetében továbbra sem fedezhetı fel semmilyen komoly eredmény. A Zalakerámia az elızı fejezetben említett okok miatt (csak az eseményablak második napján történt rá kis forgalmú kötés) nem szerepel az egy napos abnormális hozamok között. A Novotrade hasonló okok miatt (csak az elsı nap kötıdött rá ügylet) szignifikánsan szerepel. A négy szignifikáns eredmény közül kettı pozitív, kettı negatív abnormális hozam. A papírokat elemezve érdemi

összefüggés a választás eredménye és a papírok abnormális hozama között nem található. 7.32 Az 1998-as eredmények Az 1998-as választások kapcsán több következtetés is leszőrhetı. Az egy napos teszt tíz értékpapír abnormális hozamát találta szignifikánsnak. Fenntartásokkal kezelve ezeket az adatokat pár következtetés leszőrhetı. A három napos teszt szignifikáns abnormális hozamot mutat az Aranypók esetében. Feltételezve, hogy a piacon racionális szereplık vannak, az Aranypók választások utáni esetleges újraárazásának már az elsı nap meg kellett volna indulnia. Mivel a három napos teszt szignifikáns, az egy napos pedig nem 44 szignifikáns eredményt mutat a szerzı megalapozottnak látja azt a kijelentést, hogy az Aranypók abnormális hozama nem a választások miatt történt. Az egy napos teszt során a szignifikáns abnormális hozamok száma megnövekedett, ez elızıleg is várható volt. A pozitív illetve negatív

abnormális hozamok nem mutatnak komoly eltérést. Az, hogy a Rába szignifikánsan negatív, míg a Mezıgép szignifikánsan pozitív abnormális hozammal rendelkezik, nem tekinthetı megalapozottnak egy biztos következtetés levonásához, különösen úgy nem, hogy tudjuk, a piaci hozam mennyire negatív. 7.33 A 2002-es eredmények A 2002-es választások kapcsán új eredményre az egy napos teszttel nem jutottunk. A következtetések, miszerint az elsı forduló fontosabb, mint a második, illetve az Antenna sziginfikáns hozama az elızı alfejezetekbıl ismertek. 7.34 A 2006-os eredmények A 2006-os választás eredményei arra engednek következtetni, hogy az egy napos abnormális hozam sokkal inkább vét elsı fajú hibát, mint ahogy az elfogadható lenne. Az elsı forduló nyolc, míg a második forduló kilenc szignifikáns papírja közül többet igen nehezen lehetne kapcsolatba hozni a választások eredményével, ugyanakkor van egy-két kivétel. Az Állami

Nyomda (a táblázatban kódja any) árában lehetett politikai diszkont, mely a választások után azonnal megszőnhetett. Az OTP kapcsán felhozható, hogy a jelentısebb kormányzati többség lehetıvé tehet egy makrogazdasági kiigazítást, ami az OTP árfolyamára lenne a legnagyobb hatással. Mindezek az indokok ugyanakkor nehezen vehetık komolyan, ha van még tizennégy olyan papír, amelynek hirtelen árfolyamnövekedését a választásokkal nem tudjuk megmagyarázni. Ha a három napos hozamok kapcsán kapnánk ilyen mennyiségő szignifikáns eredményt, az eredmény maga igazolná a kapcsolatot. Mivel viszont az egy napos hozam csak véleményformálásra való, eredményeit nem vehetjük biztosra. Tipikus példa erre a Mol közel szignifikáns eredménye az elsı forduló után. Bár nem zárható ki, hogy a szignifikáns árfolyam-emelkedést a választások eredményei is okozták, mégis sokkal valószínőbb, hogy a választások utáni elsı napon egekbe szökı

nemzetközi olajár nagyobb hatással volt a Mol árfolyamára, mint a választás. Összességében elmondható, hogy az Aranypók speciális esetét kivéve az egy napos teszt nem hozott átütı eredményt. Ebbıl az következik, hogy ha a befektetık racionális reagálását figyeljük meg, akkor egy három napos eseményablak megfelelınek tőnik. Az 45 elsı fajú hiba veszélye az 1998-as és a 2006-os választások kapcsán jelentkezett, de ebben az esetben is kellı fenntartásokkal kezeltük az eredményeket. Az egynapos teszt elvégzése olyan értékpapírok esetében lehet csak adekvát, amelyek abnormális hozamot produkálnak a választások után pár nappal, de még nem az elsı napon. Mivel arra számítunk, hogy a választás eredménye már a választás után elkezd beárazódni, a fent említett eseteket az egy napos hozam vizsgálatával kiszőrhetjük. 7.4 Három napos abnormális hozam átlagos hozam modellel Az eseményelemzés elmélete fejezet kapcsán

a szerzı több szimulációs tanulmány hatásaként a piaci modell mellett döntött. A dolgozat eredményei ugyanakkor komoly kérdéseket vetnek fel a piaci modell használhatósága kapcsán. Mivel úgy tőnik, hogy a piaci modell a BUX-ban szereplı blue chipek nagy súlya miatt komoly torzítást ad, a szerzı szerint érdemes lenne egy másik modellel is kipróbálni az eddigi teszteket. Erre a legmegfelelıbbnek az átlagos hozam modellt találja. Ennek a modellnek a lényege, hogy a normális hozam a számolási ablakban lévı hozamok átlaga. Az abnormális hozamok tehát nem függenek a piaci hozamtól, így a BUX, illetve a Bét-Index hatása teljesen kiszőrıdik. Hangsúlyozandó, hogy az átlagos hozam modell a szimulációk során kimondottan rosszul teljesített, ha az esemény ugyanarra a napra esett, illetve, ha a piac medve vagy bika (lásd 2. fejezet) Mindezek ellenére a szerzı a BUX specialitása miatt fontosnak tartja, hogy az adatok átlagos hozam modellel

is vizsgálat alá kerüljenek. Mindenképpen érdemes visszautalni arra, hogy valós adatok kapcsán két eredményt összehasonlítani nincs értelme, erre csak szimulációs tanulmányok adhatnak megfelelı választ. Ugyanakkor mivel a magyar piacról semmilyen ilyen tanulmány nem készült, a szerzı indokoltnak látja egy másik modell bemutatását, és ezek összevetését. Ahhoz, hogy a Stata program a piaci modell helyett az átlagos hozam modellt használja, a programon pár soros módosítást kell végrehajtani (lásd 10.95 és 1096 számú mellékletek). Az eredményeket a 1071 fejezet tartalmazza Ismételten közlésre kerülnek a 2002-es és 2006-os választások elsı fordulóját követı eredmények is a 10.72 fejezetben 7.41 Az 1994-es eredmények Az 1994-as választások átlagos hozam modellel mért abnormális hozamai között nincs olyan értékpapír, amely alacsony p értékkel új szereplıként jelent volna meg. Mindemellett kiemelendı, hogy egyetlen

értékpapír sem rendelkezik nullától eltérı 46 abnormális hozammal 10%-os szignifikancia szinten, tovább erısítve az eddigi eredményeket, hogy az 1994-es értékpapír-piac független a választási eredményektıl. 7.42 Az 1998-as eredmények Az 1998-as választások elemzése beigazolni látszanak a korábbi feltevéseket. Mivel a piaci hozamtól nem függ az abnormális hozam, a választások utáni pánikhangulat jól kivehetı az átlagos hozam modellel mért eredményeken. Huszonegy értékpapír rendelkezik tíz százalékon szignifikáns abnormális hozammal, és ezek mind negatívak. Ráadásul ezek az eredmények között két blue chip is szerepel, a Mol és az OTP, valamint közel szignifikáns eredményt mutat a Richter és a Matáv. Az átlagos hozam modell tehát egyértelmően megmutatta, hogy az 1998-as választások negatív hatással voltak a tızsdére. 7.43 A 2002-es eredmények A 2002-es adatok kapcsán érdemesebb az elsı fordulós eredményeket

figyelembe venni, hisz a 2002-es választás fıként az elsı fordulóban okozott meglepetést. A két szignifikáns és a többi értékpapír abnormális hozamai is többségében pozitívak. Fontos kiemelni a piaci modellel koherens szignifikáns Antenna és Mol abnormális hozamokat. A szerzı már itt megjegyzi, hogy a Mol szignifikáns abnormális hozamai az 1998-as és 2002-es választás kapcsán ellentétes. A 2002-es második forduló utáni abnormális hozamok az 1994-es eredményekhez hasonlítanak. A két szignifikáns eredmény, a Richter és a Pick, melyeket a piaci modell is jelzett, a választásoktól független események hatásai (lásd 7.13 fejezet) 7.44 A 2006-os eredmények A 2006-os választások elsı fordulójának eredményei átlagos hozam modellel hasonló képet mutatnak a piaci modellel mért abnormális hozamokhoz. Az egyetlen szignifikáns értékpapír a Bif, melynek árfolyammozgására magyarázatot a szerzı nem talált. A kevésbé szignifikáns

eredmények is jórészt megegyeznek a piaci modellel. A második forduló elmélettel összeegyeztethetı eredményt úgyszínténnem mutat. A Fevitan kérdése a nem megfelelı kereskedésre vezethetı vissza. A 2006-os választások kapcsán tehát az átlagos hozam modell nem javított, inkább a piaci modellel megegyezı eredményeket mutatott. 47 7.5 A választások összesített hatásai A szerzı külön tesztet készített a választások módszerenkénti összesített eredményeire. Ez úgy történt, hogy az egyes részvények kummulált abnormális hozamai átlaga került t próbával tesztelésre. A t próbához készült szórás a számolási ablak reziduumainak összességébıl készült kiszámolásra. Ennek eredményeit a 108 fejezet tartalmazza A táblázat kapcsán egyértelmően megállapítható, hogy semmilyen összesített következtetés nem szőrhetı le választásonként. Más szavakkal: a választásoknak összességében a tızsdére nincs

szignifikáns hatása. A legalacsonyabb p értékkel az 1998-as választások átlagos hozam módszerrel számolt abnormális hozamok tesztje rendelkezik. Az 1998-as választások második fordulója mind meglepetést, mind bizonytalanságot hozott a tızsdére. Ugyanakkor a 0,244-es p érték sem tekinthetı kielégítınek. Ennek kapcsán kijelenthetı, hogy a választások hatását a részvénypiacra, mint egészre nem, csak részvényekre lebontva érdemes vizsgálni. 7.6 Egyéni részvények Az eseményelemzés cikkek kapcsán a szerzık azzal a módszerrel élnek, hogy külön csoportba osztják azokat az értékpapírokat, melyekre egy esemény jó hatással van, míg egy másik csoportba azokat, amelyekre rossz hatással van. Például egy gyorsjelentés jó vagy rossz hatással van az adott vállalatra, aszerint, hogy jó, vagy rossz gyorsjelentést adott ki. A magyar választások hatásának vizsgálata során ez az összegzés nem tehetı meg, hisz a kevés szignifikáns

eredményt nehéz lenne csoportosítani. A legnagyobb probléma, hogy a négy választás adatai nem rendelkeznek elegendı információval arra nézve, hogy egyéni részvények hogyan reagálnak a tızsdére. Külön problémát okoz, hogy a kevés számú választás alatt a magyar értékpapírpiac jelentısen módosult, a tızsdén lévı papírok száma, összetétele és likviditása is változott, ugyanakkor egy amerikai piachoz viszonyítva mindig igen kicsi maradt. Nem sikerült olyan papírt találni, mely mind a négy választás alatt a tızsdén szignifikánsan reagált volna a választási eredményekre. Ez nem feltétlenül jelent ugyanakkor kudarcot Mint már az elméleti részben is kitértünk rá, egy választás csak akkor hordoz magában információt, ha az eredménye nem látható elıre. Sikerült olyan értékpapírt találni, amely a meglepetéssel bíró választások kapcsán (1998 és 2002) szignifikánsan reagált. A Mol szignifikáns eredményei kapcsán

leszőrhetı az a következtetés, hogy a Mol árfolyamát a választások befolyásolják. Mivel a két választás kapcsán a Mol hozamai eltérı irányba 48 módosultak, a tesztek során az is következtethetı, hogy nemcsak a választás ténye, hanem eredménye is befolyásolja a Mol árfolyamát. Ennek kapcsán megállapítható, hogyha meglepetés van a választásokon, akkor egy bal oldali gyızelemre pozitívan, míg egy jobb oldali gyızelemre negatívan reagál a Mol. Abban az esetben, ha az elkövetkezendı választások során sikerülne olyan értékpapírt találni, amely hasonló módon viselkedik, érdemes lenne ezen értékpapírok közös tulajdonságait megvizsgálni. Ugyanilyen fontos lehetne olyan értékpapír felderítése, amely pont ezzel ellentétesen mozogna. Az eddigi választások során ilyen értékpapírt nem sikerült találni Amennyiben sikerülne egy Mollal, vagy egy hasonlóan reagáló értékpapírral ellentétesen mozgó értékpapírt a

jövıben felkutatni, akkor elképzelhetı lenne, hogy az értékpapírokkal a választások kockázatát fedezni lehetne: Mindössze a két ellentétesen mozgó értékpapírt egyszerre kéne tartani a választások alatt. Újra hangsúlyozandó ugyanakkor, hogy a választások kevés száma nem engedi mélyebb következtetések levonását, ráadásul a választások elıreláthatólag a jövıben sem fognak gyakrabban ismétlıdni. Emiatt a jövıbeli eredmények feldolgozása lassú, és hosszadalmas folyamat. 49 8. Összefoglalás A szerzı a dolgozatban arra a kérdésre kereste a választ, hogy van-e a magyarországi országgyőlési választásoknak hatása a Budapesti Értéktızsdére. Különbözı újságcikkek, valamint befektetık véleménye alapján heurisztikusan úgy tőnt, hogy a választásoknak és a tızsdének van valamilyen kapcsolata. Az egyes események hatásának vizsgálatát ugyanakkor érdemesnek tőnt szofisztikáltabb módszerekkel is

megvizsgálni. A vizsgálat a magyar szakirodalomban egy eddig alig ismert módszerrel, az eseményelemzés módszerével történt. Az eseményelemzés mögött a hatékony piacok elmélete húzódik meg, azaz egy értékpapír ára csak abban az esetben változhat, ha új információ merül fel. Eseményelemzéskor az értékpapírok hozamát egy számolási ablakból becsüljük. A számolási ablaktól eltérı eseményablakban lévı hozamokból kivonjuk a számolási ablak alapján számolt normális hozamokat. Ezek lesznek az abnormális hozamok. Ha az abnormális hozamok szignifikánsan eltérnek nullától, akkor az eseménynek, jelen esetben a választásoknak, volt információtartalma. A szerzı ennek megfelelıen részletesen bemutatta az eseményelemzés módszerének nemzetközi kialakulását, elterjedését, fajtáit. A különbözı eseményelemzési modellek közötti választást nagyban segítette az eseményelemzés széles nemzetközi irodalma. A helyesnek vélt

módszer kiválasztása különbözı szimulációs elemzések eredményeinek felhasználásával történt. Az elemzési módszer kiválasztása mellett a piaci kamatláb helyes definiálása, a vizsgálandó idıszakok hossza, a választási rendszer és a magyar tızsde választások alatti helyzete is bemutatásra került. A szerzı egyik célja egy olyan módszer kidolgozása volt, amely nemcsak az eddigi választások vizsgálatára szolgál, hanem -a késıbbi adatokat helyesen strukturálva- a jövıbeni választásokat is gyorsan elemezhetıvé teszi. A dolgozatban bemutatott program ennek az elvárásnak minden tekintetben eleget tett. A program kevés módosításával elemezhetı a választások elsı vagy második fordulójának hatásai, valamint az eseményelemzési modell is gyorsan módosítható. A program könnyő módosíthatósága miatt, több elemzést is sikerült elvégezni. A választásonkénti több elemzés segített annak feltérképezésében, hogy milyen

módszerrel érdemes a magyar választás hatásait vizsgálni. Megállapítható, hogy nem mindegy melyik választási forduló kerül elemzésre: Mindig azt kell vizsgálni, amely a választást inkább eldönti. Emellett megállapításra került, hogy a magyar tızsdén a piaci index egy speciális értékelést kíván, amely miatt a legáltalánosabban használt piaci modell mellett egy általános hozam modellt is alkalmazni érdemes. 50 Az elemzések eredményei részletes feldogozásra kerültek. A tesztek egyértelmően kimutatták, hogy a választásoknak, mint eseménynek nincs egyértelmő hatása a Budapesti Értéktızsdére. A politikai bizonytalanságnak nincs egyirányú negatív vagy pozitív hatása, ha a részvények összességét vizsgáljuk. A választási bizonytalanság vagy fokozatosan árazódik be, vagy egyáltalán nem is rendelkezik árképzı hatással. Mindössze az 1998-as választások során sikerült hasonló irányú elmozdulásokat találni a

részvények többségénél. Bár a magyar demokrácia rövid története nem enged mélyebb következtetések levonását, már négy választás hatásaként is megállapítható, hogy az 1998-as eladási hullám nem tekinthetı általánosnak. A választás összesített hatásának hiányával szemben ugyanakkor sikerült több olyan értékpapírt találni, amely szignifikánsan reagált a választásokra. Bár ez csak akkor következett be, ha a választásoknak volt valamilyen információs tartalmuk, azaz nem a várakozások szerint alakultak. A Mol esetében sikerült megmutatni, hogy ha a választás eredménye meglepetésszerő, a Mol árfolyama a választás eredményétıl függıen pozitívan illetve negatívan reagál. Zárszóként a szerzı további kutatási témákat is javasol. Az eseményelemzés a magyar szakirodalomba való beemelése kapcsán jelentıs lehetıségek rejlenek a módszer ökonometriai fejlesztésében. A szerzı például nem foglalkozott azzal a

kérdéssel, hogy a választások során az értékpapírok varianciája megnı. Figyelmen kívül maradt az értékpapírok együttmozgása is, azaz elképzelhetı, hogy egyes értékpapírok nem a választások miatt változtatták meg árfolyamukat, hanem azért mert egy másik értékpapír árfolyamát követik. Mindkét problémára léteznek javító eljárások az eseményelemzés nemzetközi irodalmában (Salinger, 1992) vagy (Boehmer et al., 1990), melyek beépítése a modellbe megváltoztathatja az eddigi eredményeket. Az ökonometriai javítások mellett a téma nemzetközi szintő vizsgálata is további eredményeket rejthet magában. A kelet-közép-európai régióba tartozó tızsdék együttes vizsgálata egy nagyobb mintát tenne lehetıvé, ami biztosabb következtetések levonására adhatna lehetıséget. Végül a szerzı által írt program a késıbbi magyar választások vizsgálatát is lehetıvé teszi. Amennyiben a meglepetést okozott választások

során a késıbbiekben sikerül egymással ellentétesen mozgó értékpapírokat találni, a választási kockázat kezelése is további kutatási téma lehet. 51 9. Irodalomjegyzék Anonymus (1995):Tiznekét hónap krónikája, in: Kurtán Sándor - Sándor Péter – Vass László: Magyarország politkai évkönyve, 1995 , Demokrácia Kutatások Magyar Központja, Budapest, pp. 346-355 Anonymus (1998): Áresés a koalíciós bizonytalanságok miatt, Magyar Hírlap, 1998. május 26., pp 1 Anonymus (1999):Tiznekét hónap krónikája, in: Kurtán Sándor - Sándor Péter – Vass László: Magyarország politkai évkönyve 1998-ról , Demokrácia Kutatások Magyar Központja, Budapest, pp. 378-389 Anonymus (2003):Tiznekét hónap krónikája, in: Kurtán Sándor - Sándor Péter – Vass László: Magyarország politkai évkönyve 2002-rıl , Demokrácia Kutatások Magyar Központja, Budapest, pp. 624-651 Anonymus (2006a): Óvatos közvélemény-kutatók, Népszabadság, 2006.

április 10 Anonymus (2006b): Rahimkulov lett a Borsodchem legnagyobb tulajdonosa, http://www.portfoliohu/cikkektdp?k=2&i=68010 2006 április 27 Anonymus: BÉT eseménynaptár, http://www.bethu/onlinesz/10009385html?uio= 4LONGZ8ZZ9CV2006Y051053923B49C11M5B94VM05guest , 2006. április 14 Armitage, S (1995):Event Study Methods and Evidence on Their Performance, Journal of Economic Survey, Vol. 8 No 4 (1995), pp 25-52 Banyár László –Brückner Gergely: Mit kíván a tıkepiac – Hangulatjelentés a választások után, Bank és Tızsde , X. évf 16 szám, pp 3 Bhattacharya, U – Daouk, H – Jorgenson, B – Kehr, C.: When an Event is Not an Event: The Curious Case of an Emerging Market, Journal of Financial Economics, Vol. 55. No1 (2000 január) pp 69-101 52 Bedı Tibor (2005): Event Studies on Election Days in the United States, Kézirat, 2005 Brealey, R. A – Myers, S C (1999): Modern vállalati pénzügyek, Panem Könyvkiadó, Budapest Brown, S. J – Warner, J B

(1980): Measuring Security Price Performance, Journal of Financial Economics 8., 1980, pp 205-258 Brown, S. J – Warner, J B (1985): Using Daily Stock Returns: The Case of Event Studies, Journal of Financial Economics 14., 1985, pp 14-31 Csigó Péter – Hahn Endre – Karácsony Gergely (2003): A politikia közvélemény a Medioán kutatásainak tükrében, in: Kurtán Sándor - Sándor Péter – Vass László: Magyarország politkai évkönyve 2002-rıl , Demokrácia Kutatások Magyar Központja, Budapest, pp. 769-794 Data and Statistical Services: Event Studies with Stata, http://dss.princetonedu/online help/analysis/event studies.htm , Princeton University, 2006 április 4 Dyckman, T – Philbrick, D – Stephan J. (1984): A Comparison of Event Study Methodologies Using Daliy Stock Returns: A Simulation Approach, Journal of Accounting Research, Vol. 22 (1984), pp 1-30 Fama, E. F (1976): Foundation of Finance, Basic Books, New York Fama, E. F - Fisher, L - Jensen, M C – Roll,

R: The Adjustment of Stock Prices to New Information, International Economic Review, Vol. 10 No 1 (1969 február), pp 1-21. Jaffe, J. – Westerfield, R (1985): The Weekend Effect in Common Stock Returns: International Evidence, Journal of Finance, Vol. 40 (1985), pp 433-454 Knight, B (2004): Are Policy Platforms Capitalized Into Equity Prices? Evidence from the Bush/Gore 2000 Presidential Election, http://www.nberorg/papers/w10333, NBER Working Paper 53 2004. február, Körösényi András – Tóth Csaba – Török Gábor (2003): A magyar politkai rendszer, Osiris kiadó, Budapest pp. 241-267 Lovas András (2002): Óvatos optimizmus a választások után, Napi Gazdaság 2002. április 23., pp 11 MacKinley, A. C (1997): Event Studies in Economics and Finance, Journal of Economic Literature, Vol. 35, No 1 (1997 március), pp 13-39 McWilliams, T. P - McWilliams, V B (2000): Another Look at Theoratical and Empirical Issues in Event Study Methodology, Journal of Applied

Business Research, Vol. 16 No 3 (2000), p1-11 Neeley, C. J: An Analysis of Recent Studies of the Effect of Foreign Exchange Intervention, Federal Reserve Bank of St. Lousi Review, Vol 87 No 6 (2005 november), pp 685-717. Országos Választási Iroda (2006): Tájékoztató adatok az eredményekrıl, http://www.valasztashu/hu/09/9 0html 2006 április 28Rimaszombati Edit (2002): Választás? Pénzügyi tükörben, Bank és Tızsde, X. évf16 szám, pp 1 Salinger, M (1992): Standard errors in Event Studies, The Journal of Financial and Quantitative Analysis, Vol. 27, No1 (1992 március), pp 39-53 Sándorfi Balázs (2002): Alapkezelık és Elemzık véleménye a választások piaci hatásairól, 2002. március 08, http://wwwportfoliohu/cikkektdp?k=2&i=18789 Schindele Ibolya – Enrico, P. (2001): Pricing IPOs in Premature Capital Markets: the Case of Hungary, Magyar Statisztikai Közlöny, 6. Különszám (2001) Scholes, M – Williams, J. (1977): Estimating Betas from

Non-Synchronous Data, Journal of Financial Economics, Vol. 5 (1997), pp 309-328 Sebestyén Géza, Cser Tamás, Márkus Balázs (2004): Piaci modella Budapesti Értéktızsde részvényeire, Kézirat, 2004 54 Shapiro, D. M - Switzer, L N – Mastroianni, D P N (1999): War and Peace: The Reaction of Defense Stocks, The Journal of Applied Business Research Vol. 15 No 3 (1999), pp. 21-37 Századvég Politikai Elemzési Központ (1999): A pártok erıpozíciója 1998-ban a választói támogatottság dimenziójában, in: Kurtán Sándor - Sándor Péter – Vass László: Magyarország politkai évkönyve 1998-ról , Demokrácia Kutatások Magyar Központja, Budapest, pp. 647-695 Szenes Gábor (1998): Drasztikus áresés a választásokat követıen, Napi Gazdaság, 1998. május 25, pp 6 Takács Szabolcs (2006): Nagyágyúk a választásokról: a tızsdének esnie kell, 2006. március 01., http://wwwportfoliohu/cikkektdp?k=2&i=65527 Thompson, J. E (1988): More Methods That Make

Little Difference in Event Studies, Journal of Business Finance and Accounting, Vol. 15 (1988), pp 77-86 Wells, W. (2004):A Beginner’s Guide to Event Studies, Journal of Insurance Regulation Vol. 22 (2004): pp 61-74 Závecz Tibor (1995): Pártok, választások, közvélemény-kutatás –1994, in: Kurtán Sándor - Sándor Péter – Vass László: Magyarország politkai évkönyve, 1995 , Demokrácia Kutatások Magyar Központja, Budapest, pp. 524-531 55 10. Mellékletek 10.1 A BUX kosár 1998-as összetétele A BUX kosara Részvény Borsodchem Egis Matáv Mol OTP Richter TVK Többi Súly a kosárban, % 4,31 5,64 15,44 14,69 15,53 14,39 6,33 23,68 6. táblázat: Forrás: Napi Gazdaság, 1998 április 1 10.2 A BUX kosár 2002-es összetétele A BUX kosara Részvény Egis Matáv Mol OTP Richter Többi Súly a kosárban, % 4,80 22,82 20,94 26,48 17,88 7,08 7. táblázat: Forrás: wwwportfoliohu, 2002 március 25 10.3 A BUX kosár 2006-os összetétele A BUX kosara

Részvény Borsodchem Mtelekom Mol OTP Richter Többi Súly a kosárban, % 4,57 13,46 26,10 30,31 19,04 6,51 8. táblázat: Forrás: Világgazdaság, 2006 március 14 56 10.4 Három napos abnormális hozam a második forduló után A választások második fordulója utáni 3 napos abnormális hozam 1994 Cégkód KAH 2002 1998 p érték Cégkód KAH p érték Cégkód KAH 2006 p érték Cégkód KAH p érték Zalakeramia -7,38% 0,142 csopak -14,74% 0,019 Pick 14,35% 0,029 Fevitan 22,81% 0,052 Novotrade 11,78% 0,192 demasz -7,00% -5,81% 0,077 Bchem 5,92% 0,095 csemeg-meinl -6,73% 0,193 aranypok -13,32% 0,072 Raba 4,69% 0,138 Novotrade 16,35% 0,168 Muszi -14,75% 0,212 pannonplast -9,10% 11,94% 0,189 OTP 2,54% 0,205 0,058 Richter 0,072 Domus ZwackUnicum 3,70% 0,243 humet -46,12% 0,077 Mtelekom 2,96% 0,217 Domus -12,85% 0,210 Konzum -8,50% 0,246 bav -9,64% 3,50% 0,291 Linamar 4,27% 0,212 Danubius 6,24% 0,266 brau

-10,85% 0,096 Econet 13,48% 0,297 Any 2,23% 0,228 Kárpót 4,45% 0,280 phylaxia -14,16% 0,119 Zwack 2,23% 0,308 Mtelekom -2,37% 0,272 Ibusz 8,63% 0,293 danubius -7,86% 0,129 Zalakeramia -2,56% 0,309 Graphi 2,71% 0,275 Fotex -1,67% 0,301 pplax -8,16% 0,138 Pplast -2,90% 0,343 Garex 16,63% 0,277 Pick -2,44% 0,331 richter 3,78% 0,141 Édász -3,20% 0,346 Raba 2,88% 0,289 Bbhemingway -2,33% 0,364 mol -4,14% 0,144 Titász -2,40% 0,346 Freesoft 3,29% 0,289 0,301 0,086 Primagáz KontraxTelecom 3,49% 0,396 borsodchem -4,73% 0,166 Mol 1,24% 0,360 Forrasoe -4,85% Globus 3,19% 0,405 skalacoopt 8,39% 0,167 Rizfact -9,63% 0,365 Demasz -2,57% 0,312 Skala-CoopT 1,54% 0,413 karpotlas -7,89% 0,201 Pflax -1,87% 0,366 Mol -1,71% 0,313 Garagent -3,15% 0,420 ibusz -10,79% 0,213 Dédász 4,32% 0,377 FHB 2,45% 0,316 Martfuisorgyar 1,63% 0,420 zwack 5,07% 0,228 Danubius -2,36% 0,377 Phylaxia 4,55% 0,327 Pannon-Flax

1,47% 0,429 primagaz -5,82% 0,230 Konzum 6,34% 0,380 Emasz 1,83% 0,347 Kontraxiroda 2,14% 0,443 matav 3,35% 0,232 Graphi 2,35% 0,380 BIF -2,25% 0,374 Domus -1,35% 0,444 raba -3,05% 0,277 Démász -1,23% 0,385 Pplast -1,56% 0,384 Agrimpex 3,10% 0,454 2devfact -7,99% 0,279 Agrimpex -10,46% 0,388 Danubius -1,53% 0,392 Csopak -0,36% 0,459 fotex -3,50% 0,281 Fotex -1,40% 7,25% 0,394 0,404 Nabi Dunaholding 0,56% 0,477 tvk -2,39% 0,301 antenna -1,99% 0,405 Richter -0,94% 0,400 StylRuhagyar 0,33% 0,480 otp 1,94% 0,302 IEB 1,45% 0,414 Fotex -2,20% 0,415 Primagaz 0,16% 0,496 konzum 7,23% 0,310 Synergon 1,44% 0,415 Humet -4,41% 0,431 BalatonFuszert 0,00% 1,000 zalakeramia -2,53% 0,313 Karpot -2,74% 0,417 Egis 1,03% 0,438 -2,30% 0,348 Egis 1,04% 0,418 Pflax -3,46% 0,439 ieb graboplast 2,37% 0,356 Skoglund 15,55% 0,419 Karpot 1,56% 0,439 pick -1,68% 0,366 styl 3,14% 0,424 Gardenia -2,53% 0,443 nabi

-2,27% 0,370 Nabi 0,89% 0,428 TVK 0,56% 0,448 linamar 1,74% 0,382 Elmu 1,49% 0,441 Synergon -0,82% 0,450 bif 6,94% 0,387 Phylaxia 1,37% 0,442 IEB -0,96% 0,459 rizikofactory 4,21% 0,392 Garex 1,45% 0,446 Elmu 0,41% 0,464 gardenia 2,60% 0,396 2devfact -2,34% 0,447 Zwack 0,17% 0,482 0,482 hungent -3,59% 0,404 Tvk 0,68% 0,447 Pvalto 0,49% cofinec -3,25% 0,408 Gardenia 2,10% 0,455 Forrast -0,20% 0,489 hangagent -3,32% 0,410 Bif -1,47% 0,455 Econet -0,25% 0,491 kekkuti -2,11% 0,411 skala 1,38% 0,457 Globus 0,23% 0,492 stylruhagyar -1,81% 0,417 Emasz 0,85% 0,457 Konzum -0,08% 0,498 globus 2,39% 0,421 hungent -1,04% 0,457 dunaholding -0,01% 0,428 arago 0,83% 0,474 eravis -0,97% 0,435 pvalto -0,99% 0,475 fuzfoipapir 1,48% 0,435 novotrade -4,00% 0,477 domus 1,45% 0,447 Humet -0,55% 0,479 pannonvalto -0,41% 0,464 Globus -0,29% 0,481 quaestor 0,25% 0,465 quaestor -0,19% 0,484 human -0,66% 0,467

Borsodchem 0,19% 0,488 garagent 1,84% 0,469 Linamar 0,14% 0,493 novotrade -0,80% 0,472 brau 0,25% 0,493 agrimpex 1,40% 0,472 Otp 0,02% 0,498 pannonflax 0,34% 0,492 ehep 0,00% 1,000 egis 0,07% 0,495 pflax -0,19% 0,496 9. táblázat: Saját forrás 57 10.5 Három napos abnormális hozam az elsı forduló után A választások elsı fordulója utáni 3 napos abnormális hozam 1994 Cégkód Globus KAH 2002 1998 p érték Cégkód 9,49% 0,203 phylaxia KontraxTelecom -12,84% 0,230 konzum Danubius Hotels 6,25% 0,265 demasz Karpotlasijegy 4,25% 0,272 karpotlas Pannon-Flax 2,93% 0,337 graboplast KAH p érték Cégkód -29,45% 0,000 antenna 0,162 3,98% 0,137 Any 2,67% 0,165 -11,07% 0,108 Synergon -6,69% 0,119 Pflax -5,15% 0,143 Nabi 6,27% 0,149 Egis Muszi 3,77% 0,431 danubius Zalakeramia 1,15% 0,442 matav -10,08% 0,150 quaestor 5,95% 0,157 IEB 5,52% 0,158 Borsodchem -4,52% 0,163 Mtelekom Primagaz -2,50% 0,446 2devfact 12,68% 0,163

Pplast Dunaholding -0,61% 0,458 bav -6,92% 0,184 Otp Novotrade 0,39% 0,463 pannonplast Konzum -1,62% 0,467 ieb Fotex -0,22% 0,468 csopak csemeg-meinl 0,67% 0,469 kekkuti Kontraxiroda 0,72% 0,470 stylruhagyar Martfuisorgyar -0,50% 0,481 pplax 5,20% 0,199 Globus 10,91% 0,235 -5,75% 0,260 -2,76% 0,278 Graphi -2,81% 0,274 -3,54% 0,276 3,86% 0,284 Linamar 3,72% 0,288 Pplast -2,04% 0,296 Mol 3,49% 0,301 TVK -1,81% 0,309 Borsodchem 2,96% 0,281 1,86% 0,291 2,33% 0,296 -2,20% 0,312 0,315 0,316 -5,17% 0,209 Fotex -2,63% 0,332 Freesoft -2,78% 0,317 -7,00% 0,213 zalakeramia -2,06% 0,342 Nabi 11,62% 0,331 -6,97% 0,343 Fotex 3,80% 0,356 5,71% 0,221 Elmu 3,41% 0,345 IEB 3,24% 0,362 5,59% 0,236 Humet 3,80% 0,360 OTP -1,08% 0,363 1,45% 0,376 Gardenia -5,99% 0,366 7,69% 0,215 Gardenia StylRuhagyar 0,09% 0,495 bif -13,77% 0,280 Emasz Agrimpex 0,17% 0,498 zalakeramia 0,00% 1,000 otp 3,58% 0,247 Novotrade -3,42% 0,259 Forrasoe 2,25% -2,31%

0,271 Raba Balaton Fuszert 0,230 -2,57% 0,330 Raba 0,12% 0,492 mol 0,00% 0,500 domus 0,173 10,76% -4,45% 0,204 titasz 0,50% 0,488 human -0,02% 0,499 nabi 9,05% 4,62% 0,206 Domus 2,60% Pick ZwackUnicum -5,73% 0,205 Pvalto -2,75% 0,330 Danubius Ibusz Skala-CoopT 0,098 -6,90% 0,032 Mol -7,10% 0,339 egis 0,60% 0,430 linamar 9,28% p érték 9,41% -3,76% 0,357 raba Csopak 16,55% 0,005 BIF KAH -13,31% 0,130 Karpot Garagent 1,66% 0,413 gardenia Cégkód -29,44% 0,004 skala Domus Bbhemingway KAH 2006 p érték -2,84% 0,282 Karpot 3,86% 0,283 Phylaxia 3,29% 0,400 Demasz -2,41% 0,406 Richter -3,35% 0,382 -1,52% 0,387 -0,87% 0,410 1,27% 0,414 Mtelekom -0,76% 0,427 1,49% 0,341 Econet 5,68% 0,415 Pflax -3,74% 0,435 skalacoopt 2,75% 0,373 pvalto -3,58% 0,415 Zwack 0,68% 0,443 richter 1,15% 0,374 Linamar -1,50% 0,420 Synergon cofinec 3,73% 0,390 Demasz globus -3,54% 0,390 Konzum ibusz -4,31% 0,335 Tvk -2,28% 0,389 Econet 4,41% 0,399

Skoglund -0,73% 0,455 0,66% 0,433 Emasz -0,49% 0,458 3,31% 0,434 Konzum -1,43% 0,463 0,45% 0,473 0,34% 0,475 11,70% 0,439 Egis hungent -3,70% 0,402 arago -2,03% 0,440 FHB hangagent -3,49% 0,408 pick -1,05% 0,443 Forrast -0,26% 0,485 primagaz 1,94% 0,410 Bif 1,69% 0,445 Humet 0,94% 0,485 novotrade -2,37% 0,417 Danubius -1,01% 0,450 Fevitan 0,42% 0,488 brau -1,70% 0,417 dadasz -1,61% 0,453 Elmu 0,13% 0,488 eravis -1,22% 0,424 Richter 0,46% 0,455 Globus -0,23% 0,492 dunaholding -0,01% 0,440 hungent -0,91% 0,463 Phylaxia -0,19% 0,492 -0,72% 0,463 Garex -0,22% 0,497 rizikofactory pannonflax borsodchem pflax fotex zwack humet quaestor fuzfoipapir garagent pannonvalto 2,25% 0,442 primagaz 1,95% 0,454 styl -0,55% 0,455 rizfact 2,18% 0,457 brau -0,49% 0,469 Domus 0,54% 0,469 2devfactory -2,54% 0,469 Zwack 0,20% 0,472 Graphi -0,58% 0,473 Agrimpex 1,65% 0,473 edasz -0,27% 0,476 novotrade 1,06% 0,471 2,21% 0,471 0,94% 0,475 -0,88% 0,475 1,09%

0,479 -0,27% 0,480 0,46% 0,480 -0,49% 0,495 -0,10% 0,495 0,47% 0,497 aranypok 0,52% 0,478 Garex 0,06% 0,498 pick 0,15% 0,488 ehep 0,00% 1,000 tvk 0,09% 0,492 agrimpex 0,37% 0,494 10. táblázat: Saját forrás 58 10.61 Egy napos abnormális hozam a második forduló után A választások második fordulója utáni 1 napos abnormális hozam 1994 Cégkód 1998 KAH p érték Cégkód KAH 2002 p érték Cégkód KAH Novotrade 10,38% 0,011 raba -7,11% 0,000 Domus 13,17% Konzum -8,65% 0,018 pannonplast -7,32% 0,000 antenna 6,03% Dunaholding 4,82% 0,070 demasz -4,42% 0,001 Borsodchem 3,95% Bbhemingway -3,22% 0,074 bav -6,43% 0,003 Nabi 2,62% ZwackUnicum 2,09% 0,120 pplax -6,53% 0,004 Otp -1,69% Garagent -5,06% 0,164 stylruhagyar -6,96% 0,008 pick 3,60% Fotex -1,04% 0,166 Mezıgép 4,52% 0,009 Mtelekom 1,78% Karpotlasijegy 2,05% 0,211 ieb -4,06% 0,019 Globus -2,76% Ibusz 4,18% 0,214 zwack 4,67% 0,020 Karpot -4,90% Martfuisorgyar 1,65% 0,270 graboplast 4,31% 0,022

zalakeramia -1,85% DanubiusHotels 1,86% 0,288 karpotlas -5,96% 0,028 dadasz 4,14% Globus 1,54% 0,363 csopak -4,41% 0,031 primagaz 1,77% KontraxTelecom 1,04% 0,407 egis 3,28% 0,033 Synergon 1,83% Muszi 1,44% 0,408 zalakeramia 3,04% 0,040 Egis 1,11% csemeg-meinl 0,60% 0,408 phylaxia -6,08% 0,064 Tvk -1,10% Primagaz 1,25% 0,411 otp 1,71% 0,084 Konzum 4,38% Skala-CoopT 0,49% 0,417 richter -1,57% 0,089 Emasz 1,63% Pick -0,31% 0,434 ibusz 5,83% 0,098 Zwack 0,77% Csopak 0,19% 0,436 konzum 5,82% 0,116 Econet 4,32% Pannon-Flax 0,33% 0,453 bif -8,82% 0,138 Pplast -1,09% Kontraxiroda 0,52% 0,458 humet -11,43% 0,144 Richter -0,55% Agrimpex -0,62% 0,472 tvk -1,57% 0,151 rizfact -3,64% Domus -0,05% 0,493 skalacoopt 2,85% 0,163 Phylaxia -1,14% Zalakeramia 0,03% 0,494 danubius -2,18% 0,174 IEB -0,81% StylRuhagyar -0,03% 0,495 gardenia 3,06% 0,175 Demasz -0,48% BalatonFuszert 0,00% 1,000 eravis -1,62% 0,206 Graphi 0,86% kekkuti -2,40% 0,221 Garex 1,16% fotex -1,50% 0,228 Agrimpex -3,80% pannonflax

-3,80% 0,247 Humet 0,99% rizikofactory 3,41% 0,252 Pflax -0,51% pflax -4,25% 0,263 Skoglund 5,88% pick 1,02% 0,266 styl 1,14% human -1,62% 0,275 edasz -0,54% dunaholding -0,01% 0,323 brau -0,96% -0,91% mol -0,52% 0,344 2devfactoryhungent hungent -1,82% 0,355 Mol 0,16% hangagent -1,60% 0,371 Bif -0,60% aranypok 0,96% 0,376 skala 0,57% pannonvalto -0,46% 0,378 Raba -0,19% nabi 0,71% 0,378 Gardenia 0,81% brau 0,84% 0,380 hungent -0,35% quaestor 0,24% 0,401 arago 0,42% borsodchem -0,36% 0,412 Elmu 0,31% fuzfoipapir 0,63% 0,417 pvalto -0,39% cofinec 0,95% 0,420 Linamar 0,20% garagent 1,54% 0,422 titasz 0,14% primagaz 0,51% 0,423 novotrade -1,44% 2devfact 0,60% 0,447 Fotex -0,11% domus -0,41% 0,455 quaestor -0,08% agrimpex 0,53% 0,468 Danubius 0,08% globus -0,31% 0,469 ehep 0,00% novotrade -0,25% 0,474 matav 0,08% 0,480 11. táblázat: Saját forrás 59 2006 p érték 0,165 0,233 0,268 0,298 0,317 0,318 0,319 0,329 0,354 0,360 0,382 0,390 0,393 0,413 0,416 0,417 0,418 0,432 0,432 0,439

0,446 0,448 0,452 0,452 0,454 0,455 0,457 0,459 0,462 0,463 0,469 0,472 0,473 0,475 0,480 0,481 0,482 0,482 0,482 0,483 0,486 0,487 0,488 0,490 0,490 0,491 0,492 0,492 0,494 0,496 1,000 Cégkód KAH p érték BIF -6,29% 0,004 Any 2,49% 0,006 Graphi 3,61% 0,009 OTP 1,91% 0,032 Garex 16,52% 0,039 Emasz 2,58% 0,048 Novotrade 9,40% 0,049 Mtelekom -1,94% 0,068 Forrasoe -4,41% 0,077 IEB 3,85% 0,108 FHB 1,99% 0,121 Borsodchem 1,76% 0,122 Mol -1,07% 0,181 Pplast 1,35% 0,222 Danubius 1,19% 0,261 Richter -0,78% 0,264 Egis 1,00% 0,325 Demasz -0,78% 0,327 Gardenia -2,38% 0,343 Raba 0,69% 0,344 Humet -3,10% 0,356 Synergon -0,75% 0,366 Pflax -2,37% 0,376 TVK 0,42% 0,385 Globus -0,88% 0,408 Phylaxia -0,72% 0,416 Linamar -0,34% 0,423 Elmu 0,27% 0,427 Nabi 1,21% 0,446 Econet 0,49% 0,448 Karpot 0,41% 0,453 Domus -0,54% 0,459 Forrast -0,22% 0,462 Pvalto -0,20% 0,478 Zwack -0,07% 0,479 Fotex -0,16% 0,482 Fevitan 0,12% 0,490 Konzum -0,10% 0,492 Freesoft 0,01% 0,498 10.62 Egy napos abnormális hozam

az elsı forduló után Az 1. forduló utáni egy napos abnormális hozam 2002 Cégkód antenna Gardenia skala Mol Mtelekom Globus Synergon Karpot Pflax Elmu Egis Demasz Tvk Linamar Richter Borsodchem zalakeramia pvalto Otp Humet Danubius dadasz Emasz Econet primagaz quaestor Nabi IEB Skoglund Fotex Bif Phylaxia Pplast Raba pick brau Agrimpex rizfact Graphi hungent titasz styl 2devfactoryhungent Zwack Domus Konzum novotrade arago Garex edasz ehep KAH 10,93% -18,52% -12,47% 3,47% -3,43% -4,19% -4,57% 8,31% 3,33% 4,54% -2,59% 1,83% 2,53% 3,17% 1,61% 2,59% -1,89% -4,41% -0,80% 2,12% -1,43% 2,43% -1,18% 3,02% -0,88% -0,52% 0,53% -0,67% -7,00% 0,53% 1,02% -0,76% 0,47% -0,32% -0,49% 0,85% 1,95% 1,58% 0,29% -0,28% -0,17% 0,38% 0,48% -0,10% -0,16% -0,17% 0,41% 0,08% 0,04% -0,01% 0,00% 2006 p érték Cégkód 0,043 0,141 0,145 0,171 0,184 0,251 0,256 0,261 0,277 0,297 0,313 0,320 0,332 0,336 0,346 0,348 0,355 0,395 0,413 0,421 0,429 0,429 0,442 0,454 0,455 0,456 0,460 0,460 0,463 0,465

0,467 0,470 0,472 0,472 0,473 0,478 0,479 0,479 0,487 0,488 0,489 0,490 0,491 0,493 0,495 0,497 0,498 0,498 0,498 0,499 0,500 12. táblázat: Saját Forrás 60 Domus Any Forrasoe Linamar Pplast Synergon Karpot IEB Mol Graphi Mtelekom OTP Zwack BIF Demasz Borsodchem Egis Gardenia Pflax Danubius FHB Richter Emasz Globus Raba Fotex Egis Phylaxia TVK Humet Novotrade Konzum Pvalto Fevitan Elmu Nabi Freesoft Forrast Garex KAH 19,96% 3,64% -7,84% -5,16% 3,57% -3,84% 4,78% -4,51% 1,43% -1,88% -1,37% -0,87% -1,28% 1,91% -1,02% -0,78% -1,03% -2,65% -3,03% 0,66% -0,62% 0,41% 0,50% -0,78% -0,32% -0,55% -0,56% -0,49% 0,09% -0,51% -0,28% -0,18% 0,10% 0,14% -0,04% 0,12% -0,03% -0,03% -0,03% p érték 0,000 0,000 0,004 0,005 0,018 0,036 0,066 0,070 0,101 0,115 0,158 0,200 0,208 0,213 0,283 0,299 0,322 0,325 0,345 0,358 0,366 0,373 0,374 0,420 0,420 0,436 0,440 0,442 0,476 0,476 0,478 0,486 0,488 0,488 0,489 0,495 0,495 0,495 0,499 10.71 Három napos abnormális hozam a 2 forduló után,

átlagos hozam modell A második forduló utáni 3 napos abnormális hozam átlagos hozam modell 1994 Cégkód 1998 KAH p érték Cégkód Zalakeramia -6,95% 0,168 mol csemeg-meinl -7,30% 0,189 csopak Novotrade 11,63% 0,196 pannonplast Muszi -15,17% 0,207 danubius Konzum -8,94% 0,238 borsodchem ZwackUnicum 4,30% 0,241 demasz DanubiusHotels 6,60% 0,258 tvk Karpotlasijegy 4,53% 0,277 pplax Ibusz 8,17% 0,305 raba Fotex -1,50% 0,326 humet Bbhemingway -2,74% 0,348 primagaz KontraxTelecom 3,68% 0,391 pick Pick -1,73% 0,397 zalakeramia Globus 3,30% 0,401 aranypok Skala-CoopT 1,57% 0,412 bav Martfuisorgyar 1,41% 0,431 fotex Agrimpex 4,77% 0,432 egis Garagent -2,62% 0,434 nabi Kontraxiroda 2,43% 0,435 otp Pannon-Flax 1,31% 0,437 phylaxia Csopak -0,40% 0,454 brau StylRuhagyar 0,53% 0,469 richter Dunaholding 0,57% 0,477 matav Domus -0,59% 0,477 graboplast Primagaz 0,87% 0,480 ibusz BalatonFuszert 0,00% 1,000 ieb karpotlas linamar human cofinec 2devfact eravis kekkuti pannonflax pflax gardenia

globus hangagent hungent skalacoopt fuzfoipapir bif zwack novotrade agrimpex pannonvalto stylruhagyar konzum quaestor rizikofactory domus garagent dunaholding 2002 KAH p érték -15,03% -15,51% -14,74% -17,46% -13,44% -9,10% -17,04% -14,74% -11,49% -54,45% -15,28% -11,40% -10,99% -14,80% -11,47% -11,89% -12,17% -12,32% -9,61% -16,45% -11,20% -7,79% -8,20% -9,18% -14,19% -6,08% -9,15% -7,13% -7,00% -10,33% -8,49% -3,80% -3,88% -6,46% -6,45% -2,19% -2,63% -2,34% -2,34% 1,43% 1,21% 3,04% -0,82% -0,84% 1,28% 0,24% -0,42% 0,48% -0,05% 0,22% -0,05% 0,02% 0,00% 0,014 0,014 0,016 0,021 0,021 0,023 0,027 0,037 0,045 0,047 0,049 0,052 0,053 0,053 0,054 0,055 0,071 0,076 0,086 0,086 0,089 0,130 0,138 0,147 0,149 0,163 0,166 0,167 0,212 0,237 0,267 0,267 0,340 0,352 0,376 0,414 0,416 0,437 0,437 0,440 0,447 0,450 0,456 0,470 0,474 0,479 0,480 0,487 0,493 0,494 0,498 0,500 1,000 Cégkód KAH Richter -9,17% pick 13,68% Domus 12,20% Otp -5,29% Raba 3,60% zalakeramia -3,95% Pplast -5,31% Zwack

2,84% Fotex -3,85% antenna -4,91% Mol -2,52% Danubius -3,92% Econet 12,66% titasz -2,70% Demasz -1,85% Pflax -2,18% Karpot -4,58% primagaz 1,99% Tvk -1,55% edasz -2,09% Humet -2,66% rizfact -6,68% Synergon -1,65% Mtelekom -1,18% Linamar -1,79% dadasz 2,96% Konzum 4,43% Egis -1,12% Borsodchem -1,31% Globus -1,06% Agrimpex -5,55% Nabi -0,75% Garex 1,27% brau 1,75% arago -1,43% styl 1,79% IEB 0,71% hungent -0,97% Phylaxia -0,77% Elmu 0,66% Skoglund 4,70% Graphi 0,32% novotrade -2,28% skala -0,30% Bif 0,28% Gardenia 0,39% 2devfactory -0,37% Emasz 0,04% pvalto -0,03% quaestor 0,00% ehep 0,00% 13. táblázat: Saját forrás 61 2006 p érték 0,035 0,036 0,184 0,186 0,208 0,228 0,239 0,264 0,265 0,286 0,301 0,305 0,308 0,328 0,331 0,345 0,364 0,380 0,390 0,399 0,401 0,406 0,410 0,412 0,415 0,415 0,416 0,418 0,420 0,433 0,440 0,442 0,452 0,454 0,456 0,456 0,458 0,460 0,468 0,474 0,475 0,484 0,487 0,491 0,492 0,492 0,492 0,498 0,499 0,500 1,000 Cégkód Fevitan Borsodchem Novotrade Domus

Linamar Any Garex Freesoft Graphi Forrasoe Raba Demasz Mtelekom FHB Phylaxia OTP Emasz BIF Pplast Mol Danubius Nabi Fotex Richter Humet Pflax Karpot Gardenia Synergon TVK Egis IEB Elmu Zwack Pvalto Econet Forrast Globus Konzum KAH p érték 22,80% 5,83% 16,33% -12,88% 4,22% 2,20% 16,54% 3,29% 2,64% -4,88% 2,81% -2,64% -2,51% 2,37% 4,47% 2,32% 1,78% -2,27% -1,61% -1,93% -1,60% 7,11% -2,35% -1,16% -4,41% -3,50% 1,57% -2,57% -0,91% 0,56% 0,88% -1,00% 0,39% 0,18% 0,43% -0,42% -0,22% 0,11% -0,10% 0,052 0,123 0,169 0,210 0,220 0,235 0,279 0,289 0,293 0,300 0,302 0,316 0,319 0,333 0,333 0,353 0,356 0,373 0,383 0,384 0,392 0,397 0,415 0,430 0,431 0,439 0,439 0,442 0,448 0,448 0,454 0,458 0,466 0,481 0,484 0,486 0,488 0,496 0,498 10.72 Három napos abnormális hozam az 1 forduló után, átlagos hozam modell Az elsı forduló utáni 3 napos abnormális hozam átlagos hozam modell 2002 Cégkód antenna Mol Nabi skala Pflax Richter Borsodchem Pplast IEB Raba quaestor Otp Humet Mtelekom

Tvk titasz Elmu Demasz Karpot Skoglund Econet Graphi Egis Synergon pvalto Konzum Gardenia Globus Agrimpex zalakeramia Danubius Emasz hungent pick Domus Zwack styl primagaz Fotex dadasz Bif brau 2devfactory arago Linamar edasz rizfact Phylaxia novotrade Garex ehep 2006 KAH p érték 18,87% 7,57% 5,46% -10,90% 4,50% 3,80% 4,77% 4,66% 4,34% 2,88% -2,82% 3,14% 5,80% 2,65% 2,81% -2,25% 3,23% 1,38% 4,32% 23,36% 7,67% 2,43% -1,28% -1,64% -3,36% 3,98% -3,14% -1,05% -5,55% -0,77% 0,89% -0,87% -0,97% -0,71% -1,18% -0,43% 1,00% 0,47% -0,33% -0,67% 0,59% -0,61% 0,81% 0,50% -0,26% 0,28% 0,19% -0,06% -0,14% 0,00% 0,00% 0,002 0,057 0,159 0,182 0,212 0,223 0,239 0,245 0,261 0,272 0,274 0,288 0,294 0,317 0,319 0,350 0,352 0,364 0,370 0,380 0,386 0,398 0,410 0,417 0,420 0,421 0,429 0,435 0,440 0,441 0,456 0,458 0,460 0,462 0,467 0,468 0,472 0,476 0,479 0,481 0,481 0,484 0,485 0,485 0,486 0,487 0,497 0,498 0,499 0,500 1,000 Cégkód BIF Any Karpot Pvalto Domus Novotrade Pplast Forrasoe Mol

Danubius Raba TVK Linamar Freesoft Nabi Fotex Graphi IEB Gardenia Borsodchem Egis FHB Zwack Richter Econet Pflax Demasz OTP Mtelekom Konzum Elmu Globus Phylaxia Humet Fevitan Garex Synergon Forrast Emasz 14. táblázat: Saját forrás 62 KAH p érték 9,49% 2,83% 9,26% 9,27% 10,98% 11,18% 3,39% -5,41% 3,83% 3,24% 2,76% 2,41% -3,09% -2,83% 12,85% 4,96% -2,17% 3,54% -5,60% -1,35% 1,93% 1,17% 0,81% 1,14% -1,92% -3,63% -0,90% 0,80% 0,65% -1,16% 0,31% 0,76% 0,51% 0,92% 0,48% 0,64% 0,12% -0,04% -0,02% 0,094 0,154 0,165 0,168 0,225 0,230 0,259 0,274 0,277 0,284 0,287 0,290 0,306 0,314 0,316 0,323 0,333 0,350 0,375 0,395 0,403 0,421 0,432 0,433 0,436 0,437 0,437 0,448 0,455 0,470 0,472 0,474 0,480 0,486 0,486 0,491 0,493 0,498 0,498 10.8 Összesített abnormális hozamok 1994 Második forduló, 3 napos abnormális hozam Elsı forduló 3 napos abnormális hozam Második forduló, 1 napos abnormális hozam Második forduló, átlagos hozam modell KAH p érték 3,76% 1998 KAH p

érték 0,505 -160,33% 3,59% 0,504 15,47% 7,76% 2002 2006 KAH p érték KAH p érték 0,394 42,27% 0,518 54,48% 0,547 -86,71% 0,443 17,93% 0,508 47,76% 0,542 0,561 -54,70% 0,392 -3,80% 0,459 24,16% 0,563 0,510 -432,43% 0,244 -17,52% 0,493 51,88% 0,544 15. táblázat: Saját forrás 63 10.9 Stata programok 10.91 Három napos abnormális hozam a második forduló után 10.911 1994 clear insheet using 1994event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 1994ped ,replace clear insheet using 1994p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 1994ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum+1) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-50 replace event window=0 if event window==. replace estimation

window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)26 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1 predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*26)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test

mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using 1994eredmeny2fordulo50nap3nap.csv if dif==0, comma names 64 10.912 1998 clear insheet using 1998event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 1998ped ,replace clear insheet using 1998p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 1998ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum+1) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen

id=group(ceg) forvalues i=1(1)52 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1 predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*52)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ

abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using 1998eredmeny2fordulo100nap3nap.csv if dif==0, comma 65 10.913 2002 clear insheet using 2002event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 2002ped ,replace clear insheet using 2002p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 2002ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum+1) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)51 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i &

estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1 predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*51)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test

p ertek kummulativ abnormal hozam mind test mind p ertek mind using 2002eredmeny2fordulo100nap3nap.csv if dif==0, comma names 66 10.914 2006 clear insheet using 2006event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 2006ped ,replace clear insheet using 2006p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 2006ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum+1) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)39 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event

window==1 predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*39)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using

2006eredmeny2fordulo100nap3nap.csv if dif==0, comma names 67 10.92 Három napos abnormális hozam az elsı forduló után 10.921 1994 clear insheet using 1994event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 1994ped ,replace clear insheet using 1994p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 1994ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum-13) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-50 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)26 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1

predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*26)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using

1994eredmeny1fordulo50nap3nap.csv if dif==0, comma names 68 10.922 1998 clear insheet using 1998event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 1998ped ,replace clear insheet using 1998p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 1998ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum-13) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)52 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1 predict r if id==`i, resid replace reziduum = r if id==`i

& estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*52)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using 1998eredmeny1fordulo100nap3nap.csv if dif==0, comma 69 10.923 2002 clear insheet

using 2002event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 2002ped ,replace clear insheet using 2002p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 2002ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum-13) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)51 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1 predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult

hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*51)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using 2002eredmeny1fordulo100nap3nap.csv if dif==0, comma names 70 10.924 2006 clear insheet using 2006event.txt , names gen edatum=date(event date,"mdy") drop event date

sort ceg save 2006ped ,replace clear insheet using 2006p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 2006ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum-13) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)39 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1 predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam)

sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*39)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using 2006eredmeny1fordulo100nap3nap.csv if dif==0, comma names 71 10.93 Egy napos abnormális hozam a második forduló után 10.931 1994 clear insheet using 1994event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 1994ped

,replace clear insheet using 1994p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 1994ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum+1) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=0 by ceg: gen estimation window=1 if dif<=-1 & dif>=-50 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)26 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1 predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id:

egen ar sd = sd(reziduum) gen test =(1) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(26)) * kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using 1994eredmeny2fordulo50nap1nap.csv if dif==0, comma names 72 10.932 1998 clear insheet using 1998event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 1998ped ,replace clear insheet using 1998p.txt gen statadatum=date(datum,"mdy") sort ceg merge

ceg using 1998ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum+1) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=0 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)52 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1 predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1) * ( kummulativ abnormal hozam /ar sd) gen p

ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(52)) * kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using 1998eredmeny2fordulo100nap1nap.csv if dif==0, comma 73 10.933 2002 clear insheet using 2002event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 2002ped ,replace clear insheet using 2002p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 2002ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if

statadatum==(edatum+1) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=0 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)51 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1 predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0

egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(51)) * kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using 2002eredmeny2fordulo100nap1nap.csv if dif==0, comma names 74 10.934 2006 clear insheet using 2006event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 2006ped ,replace clear insheet using 2006p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 2006ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum+1) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen

event window=1 if dif>=0 & dif<=0 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)39 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1 predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test

mind = (1/(39)) * kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using 2006eredmeny2fordulo100nap1nap.csv if dif==0, comma names 75 10.94 Egy napos abnormális hozam az elsı forduló után 10.941 2002 clear insheet using 2002event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 2002ped ,replace clear insheet using 2002p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 2002ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum-13) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 &

dif<=0 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)51 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1 predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(51)) * kummulativ

abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using 2002eredmeny2fordulo100nap1nap.csv if dif==0, comma names 76 10.942 2006 clear insheet using 2006event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 2006ped ,replace clear insheet using 2006p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 2006ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum-13) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=0 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event

window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)39 { l id ceg if id==`i & dif==0 reg hozam piac if id==`i & estimation window==1 predict p if id==`i replace becsult hozam = p if id==`i & event window==1 predict r if id==`i, resid replace reziduum = r if id==`i & estimation window==1 drop p drop r } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(39)) * kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0

replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using 2006eredmeny2fordulo100nap1nap.csv if dif==0, comma names 77 10.95 Három napos abnormális hozam a második forduló után, átlagos hozam modell 10.951 1994 clear insheet using 1994event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 1994ped ,replace clear insheet using 1994p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 1994ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum+1) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-50 replace event

window=0 if event window==. replace estimation window=0 if estimation window==. set more off gen becsult hozam=. gen reziduum=. egen id=group(ceg) forvalues i=1(1)26 { l id ceg if id==`i & dif==0 egen p= mean (hozam) if id==`i & estimation window==1 egen q= max (p) replace becsult hozam=q if id==`i & event window==1 replace reziduum=hozam-q if id==`i & estimation window==1 drop q drop p } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*26)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind =

normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using atlag1994eredmeny2fordulo50nap3nap.csv if dif==0, comma names 78 10.952 1998 clear insheet using 1998event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 1998ped ,replace clear insheet using 1998p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 1998ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum+1) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off egen

id=group(ceg) gen becsult hozam=. gen reziduum=. forvalues i=1(1)53 { l id ceg if id==`i & dif==0 egen p= mean (hozam) if id==`i & estimation window==1 egen q= max (p) replace becsult hozam=q if id==`i & event window==1 replace reziduum=hozam-q if id==`i & estimation window==1 drop q drop p } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*53)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list

kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using atlag1998eredmeny2fordulo100nap3nap.csv if dif==0, comma names 79 10.953 2002 clear insheet using 2002event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 2002ped ,replace clear insheet using 2002p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 2002ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum+1) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off egen id=group(ceg) gen becsult hozam=. gen reziduum=. forvalues i=1(1)51 { l id ceg if id==`i & dif==0 egen p=

mean (hozam) if id==`i & estimation window==1 egen q= max (p) replace becsult hozam=q if id==`i & event window==1 replace reziduum=hozam-q if id==`i & estimation window==1 drop q drop p } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*51)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test

p ertek kummulativ abnormal hozam mind test mind p ertek mind using atlag2002eredmeny2fordulo100nap3nap.csv if dif==0, comma names 80 10.954 2006 clear insheet using 2006event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 2006ped ,replace clear insheet using 2006p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 2006ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum+1) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off egen id=group(ceg) gen becsult hozam=. gen reziduum=. forvalues i=1(1)39 { l id ceg if id==`i & dif==0 egen p= mean (hozam) if id==`i & estimation window==1 egen q= max (p) replace becsult hozam=q if id==`i & event

window==1 replace reziduum=hozam-q if id==`i & estimation window==1 drop q drop p } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*39)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using atlag2006eredmeny2fordulo100nap3nap.csv if

dif==0, comma names 81 10.96 Három napos abnormális hozam az elsı forduló után, átlagos hozam modell 10.961 2002 clear insheet using 2002event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 2002ped ,replace clear insheet using 2002p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 2002ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum-13) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off egen id=group(ceg) gen becsult hozam=. gen reziduum=. forvalues i=1(1)51 { l id ceg if id==`i & dif==0 egen p= mean (hozam) if id==`i & estimation window==1 egen q= max (p) replace becsult hozam=q if id==`i & event window==1 replace

reziduum=hozam-q if id==`i & estimation window==1 drop q drop p } sort id statadatum gen abnormal hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*51)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using atlag2002eredmeny1fordulo100nap3nap.csv if dif==0, comma

names 82 10.962 2006 clear insheet using 2006event.txt , names gen edatum=date(event date,"mdy") drop event date sort ceg save 2006ped ,replace clear insheet using 2006p.txt gen statadatum=date(datum,"mdy") sort ceg merge ceg using 2006ped sort ceg statadatum by ceg: gen datenum= n by ceg: gen target=datenum if statadatum==(edatum-13) egen td=min(target), by(ceg) drop target gen dif=datenum-td by ceg: gen event window=1 if dif>=0 & dif<=2 by ceg: gen estimation window=1 if dif<=-1 & dif>=-100 replace event window=0 if event window==. replace estimation window=0 if estimation window==. set more off egen id=group(ceg) gen becsult hozam=. gen reziduum=. forvalues i=1(1)39 { l id ceg if id==`i & dif==0 egen p= mean (hozam) if id==`i & estimation window==1 egen q= max (p) replace becsult hozam=q if id==`i & event window==1 replace reziduum=hozam-q if id==`i & estimation window==1 drop q drop p } sort id statadatum gen abnormal

hozam=hozam-becsult hozam if event window==1 by id: egen kummulativ abnormal hozam = sum(abnormal hozam) sort id statadatum by id: egen ar sd = sd(reziduum) gen test =(1/(3)) * ( kummulativ abnormal hozam /ar sd) gen p ertek=normal(test) if dif==0 & test<0 replace p ertek=1-normal(test) if dif==0 & test>0 egen kummulativ abnormal hozam mind = sum(abnormal hozam) egen ar sd mind = sd(reziduum) gen test mind = (1/(3*39)) kummulativ abnormal hozam mind /ar sd mind gen p ertek mind = normal(test mind) if test mind<0 replace p ertek mind = normal(test mind) if test mind>0 list ceg kummulativ abnormal hozam test p ertek if dif==0 list kummulativ abnormal hozam mind test mind p ertek mind in 1/1 outsheet ceg datum kummulativ abnormal hozam test p ertek kummulativ abnormal hozam mind test mind p ertek mind using atlag2006eredmeny1fordulo100nap3nap.csv if dif==0, comma names 83