Sind die Empfehlungen von Aktienanalysten profitabel? Vergleich der Profitabilität von Buyside, Sellside und unabhängigen Analysten

Inhaltsverzeichnis

Abkürzungsverzeichnis

1. Einleitung

2. Analysten
2.1. Definition und Abgrenzung
2.2. Generierung von Empfehlungen auf der Sell-Side
2.3. Interessenskonflikte
2.4. Fama’s Effizienzmarkthypothese und Grossman-Stiglitz-Paradoxon
2.5. Der Nutzen von Sell-Side Analysten

3. Hauptteil
3.1. Womack (1996)
3.1.1. Fragestellung und Methodik
3.1.2. Ergebnis
3.1.3. Fazit und Kritik
3.2. Barber et al. (2001a)
3.2.1. Fragestellung und Methodik
3.2.2. Ergebnis
3.2.3. Fazit und Kritik
3.3. Barber et al. (2001b)
3.3.1. Fragestellung und Methodik
3.3.2. Ergebnis
3.3.3. Fazit und Kritik
3.4. Jegadeesh et al. (2004)
3.4.1. Fragestellung, Methodik und Ergebnis
3.4.2. Fazit
3.5. Barber et al. (2007)
3.5.1. Fragestellung und Methodik
3.5.2. Ergebnis
3.5.3. Fazit und Kritik
3.6. Groysberg et al. (2010)
3.6.1. Fragestellung und Methodik
3.6.2.Ergebnis
3.6.3. Fazit und Kritik

4. Gesamtfazit

5. Kritik und Vorschlag für weiteres Research

Anhang

Literaturverzeichnis

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einleitung

Aktienanalysten verarbeiten öffentlich verfügbare Informationen^[1], stellen eine Über- bzw. Unterbewertung fest und leiten daraus Handelsempfehlungen für Investoren ab.^[2] Hierdurch wird aus theoretischer Sicht die Informationseffizienz der Finanzmärkte gesteigert.^[3] In der Praxis sind Analysten verschiedenen Interessenskonflikten ausgesetzt und stehen dadurch in der Kritik.^[4] Diese Konflikte stellen die Objektivität der Analysten in Frage und somit auch die Profitabilität ihrer Handelsempfehlungen. Bei der Berufsgruppe der Aktienanalysten gibt es jedoch Unterschiede. So wird der Begriff Aktienanalyst umgangssprachlich meistens auf die Sell-Side Analysten bezogen, da diese eher in der Öffentlichkeit stehen. Zusätzlich wird unterschieden zwischen unabhängig arbeitenden Analysten sowie den Buy-Side Analysten.^[5] Diese sind im geringeren Maße Interessenskonflikten ausgesetzt, verfügen jedoch, im Vergleich zu den Sell-Side Analysten, nicht über ein so tiefes Branchenwissen und über die engen Beziehungen zum Management des gecoverten Unternehmens.^[6] Aufgrund dieser und weiterer Vor- und Nachteile wird in dieser Arbeit die Profitabilität von Handelsempfehlungen der oben genannten Analysten untersucht und verglichen.

Die Fragestellung dieser Arbeit lässt sich somit in zwei Unterfragen aufteilen:

1) Sind Handelsempfehlungen generell profitabel?
2) Sind die Handelsempfehlungen der Sell-Side-, Buy-Side- oder der unabhängigen Analysten profitabler?

Die Arbeit beginnt mit einem allgemeinen Teil. Anschließend werden sechs relevante Studien ausgewertet. Hierauf folgt ein Gesamtfazit. Hier werden die gewonnenen Erkenntnisse in Hinblick auf die Fragestellung zusammengefasst und eine Lösung präsentiert. Zum Schluss werden die untersuchten Arbeiten kritisiert und darauf aufbauend, Empfehlungen für mögliche zukünftige Forschungsthemen gegeben.

2. Analysten

2.1. Definition und Abgrenzung

Eberts (1986) definierte das Berufsbild des Finanzanalysten wie folgt: „Unter einem Finanzanalysten ist eine Person zu verstehen, die in Hinblick auf eine Wertpapieranlage, vornehmlich mit Hilfe ‘externer‘ Informationen, wissenschaftlich fundierte (‘objektive‘) Analysen und Prognosen über Kapitalmärkte (Aktien- und Rentenmarkt), Branchen und Einzelunternehmungen erstellt.“^[7] Finanzanalysten bzw. der Bereich Research wird in folgende Subbereiche unterteilt: Equity-, Fixed Income-, Quantitative-, Economic- sowie Strategy-Research.^[8] Diese Arbeit fokussiert sich auf den Subbereich „Equity Research“, welcher einzelne Unternehmen bewertet und versucht die Vorteilhaftigkeit einer Investition in Aktien bestimmter Unternehmen in Form von Kauf-, Halte- oder Verkaufsempfehlungen abzuleiten.^[9]

Außerdem wird in dieser Arbeit eine weitere Unterscheidung der Analysten nach institutioneller Zuordnung vorgenommen. So unterscheidet man zwischen Sell-Side Analysten, Buy-Side Analysten und unabhängig arbeitenden Analysten.^[10] Sell-Side Analysten sind bei Banken oder Brokerhäusern angestellt. Sie erstellen Analysen, welche sich an externe Adressaten, wie institutionelle Investoren und Privatanleger, richten. Diese Analysen werden entweder direkt an die Kunden oder zur Veröffentlichung an Informationsdienstleister (z.B. Journalisten) weitergleitet.^[11] Buy-Side Analysten sind wiederrum bei institutionellen Investoren (z.B. Pensionsfonds) angestellt.^[12] Sie erstellen Analysen, welche allein den Anlageentscheidungen ihrer Arbeitgeber dienen.^[13] Die unabhängig arbeitenden Analysten stellen ihr Research gegen ein Entgelt dem Investor zur Verfügung. Im Gegensatz zur Sell-Side werden die Analysen nicht veröffentlicht.^[14] In dieser Arbeit wird der Begriff „Aktienanalyst“ und Analyst auf einen Sell-Side Finanzanalysten im Equity Research bezogen, sofern sich kein anderer Bezug aus dem Kontext ergibt.

2.2. Generierung von Empfehlungen auf der Sell-Side

Die Aktienanalyse kann in die technische Analyse und in die Fundamentalanalyse aufgliedert werden.^[15] „Obwohl die technische Analyse als zusätzliches Analyseinstrument in der Praxis häufig eingesetzt wird, hat sich die Fundamentalanalyse als wichtigste Methode zur Fundierung von Anlageentscheidungen durchgesetzt.“^[16] In dieser Arbeit wird schwerpunktmäßig von der Fundamentalanalyse ausgegangen. „Das Ziel der Fundamentalanalyse ist, den inneren Wert der Aktie zu ermitteln […] Der innere Wert wird dem tatsächlichen Börsenkurs gegenüber gestellt. Die dabei gewonnenen Erkenntnisse über eine Über- oder Unterbewertung führen schließlich zu den entsprechenden Anlageempfehlungen am Kapitalmarkt.“^[17] Nach Hax (1998) lässt sich der Prozess der Informationsverarbeitung durch die Analysten in drei Phasen zerlegen:^[18]

Datenbeschaffung: Als wichtigste Datenquellen geben Analysten die Kommunikation mit dem Management sowie die Geschäftsberichte der jeweiligen Unternehmen an. Weitere Primärquellen sind Unternehmenspublikationen, wie z.B. Zwischenberichte und Pressemitteilungen. Zusätzlich dazu nutzen Analysten auch Sekundärquellen, wie Wirtschaftspresse und Prognosen anderer Analysten, zur Beschaffung von Unternehmensdaten. Neben den Unternehmensdaten werden auch Branchen-, Kapitalmarkt- und volkswirtschaftliche Daten zur Analyse hinzu gezogen.^[19]

Datenverarbeitung: Die beschafften Daten aufbereitet und verarbeitet mit dem Ziel der Generierung einer Handelsempfehlung. Für die Bewertung werden ein geeignetes Bewertungsmodell und die jeweiligen Input-Parameter benötigt. Verwendete Bewertungsmodelle für Aktien basieren meistens auf dem zukünftig erwarteten Gewinn des jeweiligen Unternehmens. Als wichtigste Hilfsmittel zur Beurteilung des Aktienkurses wird das Kurs-Gewinn-Verhältnis angesehen. Somit ist das Prognostizieren des zukünftigen Gewinns eine wesentliche Tätigkeit bei der Analyse. Das Ergebnis ist in der Regel eine Handelsempfehlung, welche auf der Gewinnprognose beruht.^[20]

Informationsverkauf: Die Verwertung der Empfehlungen durch den Arbeitgeber der Analysten kann durch eigene Handelsaktivitäten oder durch Verkauf der Analysen an Investoren erfolgen. Die Analysen werden potentiellen Investoren kostenlos zur Verfügung gestellt. Es wird jedoch erwartet, dass der Investor, welcher der Handelsempfehlung folgt, die Transaktion über die arbeitsgebende Bank des Analysten ausführt. Durch diese Transaktion erhält die Bank Provision. Die Analysen werden bestimmten Empfängergruppen zu unterschiedlichen Zeitpunkten zur Verfügung gestellt. So erhalten zuerst institutionelle Investoren die Handelsempfehlung, danach die Kunden der Bank. Zuletzt werden die Handelsempfehlungen in allgemein zugänglichen Quellen veröffentlicht, wie den Printmedien und dem Internet.^[21] Aufgrund des Informationsverkaufs kann man Interessenskonflikte vermuten.

2.3. Interessenskonflikte

Wie auch schon bei Barber et al. (2001) beobachtet, werden von Sell-Side Analysten Buy-Empfehlungen um einiges häufiger ausgesprochen als Sell-Empfehlungen.^[22] Dieser Überoptimismus bezüglich der Handelsempfehlungen und der Gewinnprognosen könnte unter Anderem damit zusammenhängen, dass die Sell-Side Analysten verschiedenen Interessenskonflikten ausgesetzt sind.^[23] Nachfolgende eine Auswahl möglicher Interessenskonflikte:

Andere Geschäftsbereiche des Arbeitgebers

Eine negative Handelsempfehlung des analysierten Unternehmens kann sich negativ auf die Geschäftsbeziehungen zwischen dem Unternehmen als (potentiellen) Kunden und der Kredit- sowie Corporate-Finance Abteilung der arbeitsgebenden Bank auswirken. Zudem sei zu erwähnen, dass häufig die variable Vergütung der Analysten auch an die Provisionserlöse der Corporate-Finance Abteilung gekoppelt ist.^[24]

Provisionsgenerierung durch Wertpapiertransaktionen

Wie schon in 2.2. erwähnt, erhalten Banken eine Provision, wenn ein Investor seine Handelsaktivitäten über sie ausführt. Die Kaufempfehlungen richten sich an einen breiteren Adressatenkreis als die Verkaufsempfehlung, da hier der Kunde die Aktie bereits besitzt. Somit können Kaufempfehlungen zu höheren Provisionseinnahmen führen als Verkaufsempfehlungen.^[25] Hier sei noch zu erwähnen, dass die variable Gehaltskomponente des Analysten ebenfalls an diese Provision gekoppelt ist.^[26]

Beziehungspflege zum Management der Unternehmen

Damit Analysten einen Informationsvorsprung vor Investoren oder anderen Analysten haben, sind sie auf eine gute Beziehung mit dem Management des jeweiligen Unternehmens angewiesen. Hax (1998) vermutet, dass das Management diese Abhängigkeit ausnutzt. Analysten, welche negative Empfehlungen über das Unternehmen ausgesprochen haben, könnten eventuell in Zukunft bei der Informationsbeschaffung benachteiligt werden. Aus diesem Grund neigen Analysten dazu, Unternehmen optimistisch zu bewerten, um diese Sanktion zu umgehen.^[27] Dieses Thema wurde ebenfalls schon von der Presse aufgegriffen.^[28]

2.4. Fama’s Effizienzmarkthypothese und Grossman-Stiglitz-Paradoxon

Fama (1970) definiert einen effizienten Markt wie folgt: „A market in which prices always ´fully reflect´ available information is called ´efficient´.“ ^[29]

Informationseffizienz in der schwachen Form: Aktienkurse enthalten alle Informationen über historische Kursverläufe. An Hand der technischen Analysen ist es nicht möglich eine Überrendite zu erzielen.^[33]

Informationseffizienz in der halbstrengen Form: Alle öffentlich verfügbaren Infor-mationen werden unverzüglich eingepreist. An Hand der Fundamentalanalyse ist es nicht möglich eine Überrendite zu erzielen.^[34]

Informationseffizienz in der strengen Form: Hier sind nicht nur alle öffentlichen, sondern auch alle nicht öffentlichen Informationen (Insider-Informationen) eingepreist. Somit kann keine Überrendite erzielt werden.^[35]

Nach Stanzel (2007) haben Aktienanalysten unter Annahme der halbstrengen Informationseffizienz keine Existenzberechtigung. Die Auswertung öffentlich zugänglicher Informationen führt zu keiner Überrendite, da die Informationen bereits eingepreist sind.^[36]

Letzteres führt zum Grossman-Stiglitz-Paradoxon: Wenn alle Informationen bereits im Preis enthalten sind, gibt es keinen Anreiz für die Marktteilnehmer Informationen zu beschaffen. Wenn jedoch dieser Anreiz nicht besteht, dann ist es nicht möglich, dass alle Informationen im Preis enthalten sind.^[37] Wenn jedoch alle Marktteilnehmer uninformiert sind, lohnt es sich für das Individuum informiert zu sein.^[38]

2.5. Der Nutzen von Sell-Side Analysten

In der Praxis beinhalten die Preise nicht immer alle relevanten Informationen bzw. diese Informationen werden nicht immer rational von den Marktteilnehmern ausgewertet.^[39] Die Analysten helfen dabei solche Marktineffizienzen aufzudecken und zu beseitigen, indem diese dem Investor kommuniziert werden. Ihm werden Analysen zur Verfügung gestellt, an Hand derer er bessere Kauf- und Verkaufsentscheidungen treffen kann, der aktuelle Kurs nähert sich somit dem wahren Unternehmenswert und die Informationseffizienz wird gesteigert.^[40] Analysten können zudem indirekt die Informationseffizienz von Kapitalmärkten steigern, indem sie die Verfahrenseffizienz erhöhen. Sie stellen den Investoren relevante Informationen zur Verfügung und senken hierdurch transaktionsbedingte Informations- und Entscheidungskosten,^[41] da die Prognosen und Empfehlungen dem Investor bei der Informationsverarbeitung und Entscheidungsfindung helfen. Zudem führt die bestehende Konkurrenz zwischen Analysten zu geringeren Kosten.^[42] Nach Stanzel (2007) würde ein Wegfall der Analysten bzw. der Konkurrenz zu höheren Transaktionskosten führen, da der Investor mehr für die Analyse investieren müsste. Diese höheren Transaktionskosten führen zu einer höheren Renditeforderung. Demnach lohnt es sich für Investoren nur anzulegen, wenn der mögliche Gewinn die höheren Transaktionskosten übersteigt. Als Folge könnten weniger Informationen eingepreist sein und somit die Informationseffizienz sinken.^[43] Außerdem wird durch die Analysten der Informationsfluss zwischen dem Management des Unternehmens und den Aktionären/Eigentümern unterstützt und somit das Principal-Agent-Problem reduziert. Da Aktionäre nicht über die Spezialisierung verfügen und die eigene Überwachung hohe Kosten verursacht, werden die Veröffentlichungen der Analysten zur Überwachung des Managements verwendet.^[44]

3. Hauptteil

3.1. Womack (1996)

3.1.1. Fragestellung und Methodik

In der Fragestellung ob die Handelsempfehlungen von Sell-Side Analysten profitabel sind, ist die Arbeit von Womack (1996) von besonderer Relevanz. Womack (1996) untersucht Preisreaktionen auf Änderungen von Handelsempfehlungen.^[45] Um diese Untersuchungen durchzuführen greift er auf die First-Call Datenbank zurück, welche tägliche Kommentare und Empfehlungen von der Mehrzahl aller U.S. sowie internationaler Brokerhäuser sammelt und diese Kunden zur Verfügung stellt. Womack (1996) beschränkt sich bei seiner Untersuchung auf Änderungen der Handelsempfehlung der äußersten Bewertungen von den, nach dem Ranking von „Instituional Investors“, 14 führenden Brokerhäusern der USA im Zeitraum von 1989-1991. Die Untersuchung wurde mit 1.573 Handelsempfehlungen, welche sich auf 822 US-Unternehmen bezogen, durchgeführt. Diese Handelsempfehlungen wurden in vier verschiedene Portfolios eingruppiert: (a) „Added-to-Buy“ (nachfolgend: Portfolio 1), (b) „Removed-from-Buy“ (nachfolgend: Portfolio 2), (c) „Added-to-Sell” (nachfolgend: Portfolio 3, (d) „Removed-from-Sell” (nachfolgend: Portfolio 4).^[46]

In der Arbeit wurden die Preisbewegungen in bestimmten Zeiträumen vor, nach und während der Veröffentlichung von Handelsempfehlungsänderungen betrachtet und untersucht, ob hierdurch eine Überrendite erzielt werden kann. Zur Ermittlung der Überrendite wurden drei verschiedene Modelle angewendet.^[47] (siehe Anhang A.1.)

Größenangepasste Rendite: Von der absoluten Rendite der jeweiligen Firma im Zeitraum wurde die Rendite anderer börsennotierter Unternehmen, mit ähnlich hoher Marktkapitalisierung, abgezogen. Um die größenangepasste Rendite für eines der vier Portfolios zu ermitteln, wurde die Summe der Überrendite der einzelnen Firmen in dem Portfolio durch die Anzahl der jeweiligen Firmen in dem Portfolio dividiert und somit die durchschnittliche größenangepasste Rendite ermittelt.^[48]

Branchenangepasste Rendite: Von der oben errechneten größenangepassten Rendite des einzelnen Unternehmens wird die durchschnittliche größenangepasste Rendite von anderen Unternehmen derselben Branche abgezogen. Wie auch schon bei der größenangepassten Rendite wurde die branchenangepasste Rendite des Portfolios mittels Bildung der durchschnittlichen branchenangepassten Rendite je Portfolio, ermittelt.^[49]

3-Faktor-Modell nach Fama und French (1993): Die Faktoren dieses Modells sind neben der wertgewichteten Marktrendite auch die Größe des Unternehmens (gemessen an der Marktkapitalisierung) und das Kurs-Buchwert-Verhältnis.^[50] Fama und French (1993) beobachten, dass eine überdurchschnittliche Rendite, gemessen an der Marktrendite, von Unternehmen mit einer geringen Marktkapitalisierung sowie von Unternehmen mit einem hohen Verhältnis vom Buchwert zum Marktwert (also geringes KBV) erzielt wird.^[51] Diese Beobachtungen machten bereits Banz (1981), bezogen auf die Größe des Unternehmens, sowie Rosenberg, Reid und Lanstein (1985), bezogen auf das Verhältnis vom Buchwert zum Marktwert. Die Überrendite des jeweiligen Portfolios wird dann wie in den vorherigen Modellen berechnet, indem die Renditen der einzelnen Unternehmen summiert werden und dann durch die Anzahl der Unternehmen dividiert werden.^[52]

Neben der Ermittlung der Überrendite wurde ebenfalls untersucht, ob die einzelnen Portfolios im Zeitraum um die Handelsempfehlungsänderung herum ein überdurchschnittliches Handelsvolumen verzeichnen. Hierzu wurde das Volumen am jeweiligen Handelstag ins Verhältnis gesetzt zum durchschnittlichen Handelsvolumen drei Monaten vor und nach der Handelsempfehlungsänderung.^[53] (siehe Anhang A.2.)

3.1.2. Ergebnis

Bevor die Ergebnisse der Hauptuntersuchungen beschrieben werden, werden zunächst die in dem Artikel gemachten Beobachtungen genannt. Womack (1996) beobachtete, dass die Empfehlungen der 14 Brokerhäuser vor allem Unternehmen mit einer hohen Marktkapitalisierung (nachfolgend: Large Caps) betrafen. Lediglich 10% der Empfehlungen bezogen sich Unternehmen mit einer geringen Marktkapitalisierung (nachfolgend: Small Caps).^[54] Außerdem wurde beobachtet, dass es sich bei der Mehrzahl aller ausgesprochenen Empfehlungen um Kaufempfehlungen handelte.^[55]

Die Ergebnisse der Hauptuntersuchung zeigten zudem eine enorme Preisreaktion in den drei Tagen nach der Handelsempfehlungsänderung. In diesem Zeitraum stieg der Kurs, der zum Kauf empfohlenen Aktien, um 3,27%. Bei zum Verkauf empfohlen Aktien fiel der Kurs sogar um 4,32% in diesem kurzen Zeitraum. Hier zeigte sich die starke Kursreaktion von Aktien auf Handelsempfehlungen. Bei diesen zwei Portfolios ließ sich zudem ein enormer Anstieg des Handelsvolumens beobachten. So stieg das Handelsvolumen bei Portfolio 1 um 100% und das Volumen von Portfolio 3 sogar um 300% innerhalb der 3 Tage Periode. Nicht nur in diesem kurzen Zeitraum, sondern auch für einen Zeitraum von bis zu sechs Monaten war eine Preisbewegung in die vom Analysten prognostizierte Richtung feststellbar. So konnte noch in dem Monat nach der Veröffentlichung eine größenangepasste Rendite von 2,38% beim Portfolio 1 beobachten werden. Beim Portfolio 3 und Portfolio 2 dauerte diese Preisreaktion auf die Handelsempfehlungsänderung sogar sechs Monate. In diesem Zeitraum sank der durchschnittliche Preis des Portfolios 3 um 9,15% (größenangepasst), sowie 5,5% (größenangepasst) für das Portfolio 2.^[56]

[...]

---

^[1] Vgl. Eberts (1986), S. 255.

^[2] Vgl. Oberdörster (2008), S. 63.

^[3] Vgl. Diehl (1993), S. 177; Stowe et al. (2002), S. 23.

^[4] Vgl. Friedrich (2007), S. 96.

^[5] Vgl. Göres (2004), S. 30ff.

^[6] Vgl. Rosen v./Gerke (2001), S. 11; Oberdörster (2008), S. 59.

^[7] Eberts (1986), S. 255.

^[8] Vgl. Achleitner (2002), S. 761.

^[9] Vgl. Achleitner (2002), S. 768.

^[10] Vgl. Göres (2004), S. 30ff.

^[11] Vgl. Stanzel (2007), S. 20.

^[12] Vgl. Gerke/ v. Rosen (2001), S. 11.

^[13] Vgl. Oberdörster (2008), S. 59.

^[14] Vgl. Göres (2004), S. 32.

^[15] Vgl. Löffler (1998), S. 19; Vgl. Hax (1998), S. 11.

^[16] Hax (1998), S. 11.

^[17] Oberdörster (2008), S. 63.

^[18] Vgl. Hax (1998), S. 11.

^[19] Vgl. Hax (1998), S. 12-15.

^[20] Vgl. Hax (1998), S. 17-19.

^[21] Vgl. Hax (1998), S. 19-21

^[22] Vgl. Barber et. al. (2001), S. 538.

^[23] Vgl. Friedrich (2007), S. 96.

^[24] Vgl. Fleischer (2005), S. 30f.

^[25] Vgl. Fleischer (2005), S. 30; Vgl. Göres (2004), S. 47f.

^[26] Vgl. Achleitner, Bassen, Pietzsch (2001), S. 52.

^[27] Vgl. Hax (1998), S. 22f.

^[28] Vgl. Voigt (2011).

^[29] Fama (1970), S. 383.

^[30] Vgl. Friedrich (2007), S. 50.

^[31] Vgl. Fama (1970), S. 383.

^[32] Vgl. Fleischer (2005), S. 43.

^[33] Vgl. Friedrich (2007), S. 51.

^[34] Vgl. Friedrich (2007), S. 51.

^[35] Vgl. Friedrich (2007), S. 51.

^[36] Vgl. Stanzel (2007), S. 26f.

^[37] Vgl. Stanzel (2007), S. 27.

^[38] Vgl. Grossman/Stiglitz (1980), S. 395.

^[39] Vgl. Stanzel (2007), S. 27f.

^[40] Vgl. Diehl (1993), S. 177; Stowe et al. (2002), S. 23.

^[41] Vgl. Friedrich (2007), S. 56.

^[42] Vgl. Stanzel (2007), S. 31-33.

^[43] Vgl. Stanzel (2007), S. 31-33.

^[44] Vgl. Oberdörster (2008), S. 62.

^[45] Vgl. Womack (1996), S 138-139.

^[46] Vgl. Womack (1996), S. 140-141.

^[47] Vgl. Womack (1996), S. 146.

^[48] Vgl. Womack (1996), S. 146-147.

^[49] Vgl. Womack (1996), S. 147.

^[50] Vgl. Womack (1996), S. 147.

^[51] Vgl. Fama/French (1993), S. 7-8.

^[52] Vgl. Womack (1996), S. 151.

^[53] Vgl. Womack (1996), S. 151.

^[54] Vgl. Womack (1996), Tabelle 1.

^[55] Vgl. Womack (1996), S. 164.

^[56] Vgl. Womack (1996), S. 153-154.