Cause-Specific Smooth Transition Hazards for Stock Exchange Delisting: Estimation, Calibrated Testing, and an Application to Bursa Malaysia
Dieses Paper führt ein flexibles, ursachenspezifisches Smooth-Transition-Hazard-Modell ein, um zwischen freiwilligen und unfreiwilligen Delistings an der Börse zu unterscheiden, wendet dieses auf Daten der Bursa Malaysia an, um distinkte Risikofaktoren und Zeitmuster für jeden Exittyp aufzuzeigen, während es gleichzeitig signifikante Schätzprobleme und Testgrößenverzerrungen durch Simulationen hervorhebt.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Jedes Jahr verschwinden Unternehmen aus dem Aktienmarkt. In den meisten Fällen verlassen sie ihn auf eine von zwei Arten. Manchmal wird ein Unternehmen aufgekauft oder entscheidet sich, privat zu werden – ein freiwilliger Ausstieg, der meist dann stattfindet, wenn das Unternehmen gesund ist und ein Investor die Kontrolle übernehmen möchte. Ein anderes Mal wird ein Unternehmen zwangsweise von der Liste gestrichen, weil es in finanziellen Schwierigkeiten steckt, gegen Regeln verstoßen hat oder schlichtweg seine Schulden nicht bezahlen kann. Lange Zeit behandelten Statistiker, die diese Ereignisse untersuchten, alle Abgänge als die gleiche Art von Vorkommnis und suchten nach einem einzigen Satz von Gründen, warum ein Unternehmen verschwinden könnte. Doch dieser Ansatz übersieht ein entscheidendes Detail: Die Gründe, warum ein gesundes Unternehmen geht, sind oft genau das Gegenteil der Gründe, warum ein scheiterndes Unternehmen entfernt wird. Wenn man diese beiden Gruppen vermischt, wird die Datenlage zu einem verwirrenden Brei, der über keinen der beiden Prozesse etwas aussagt.
Dies ist das Rätsel, das Forscher mithilfe von Daten der Bursa Malaysia, der wichtigsten Börse des Landes, lösen wollten. Sie wollten nicht nur verstehen, wann Unternehmen gehen, sondern auch warum und ob sich die Regeln, die diese Abgänge steuern, im Laufe der Zeit verändert haben. Um dies zu erreichen, entwickelten sie ein neues statistisches Modell, das freiwillige und unfreiwillige Exits als zwei separate Geschichten behandelt, die gleichzeitig ablaufen. Sie führten zudem eine Methode ein, um zu testen, ob sich die Spielregeln während des Untersuchungszeitraums verschoben haben, wobei sie speziell untersuchten, wie die Pandemie und die anschließende Rückkehr zu normalen wirtschaftlichen Bedingungen die Landschaft für angeschlagene Firmen verändert haben könnten. Das Ziel war es zu sehen, ob die Faktoren, die den Ausstieg eines Unternehmens vorhersagen, sich von denen unterscheiden, die die Entscheidung eines Unternehmens vorhersagen, zu gehen, und ob sich der Zeitpunkt dieser Ereignisse in den letzten Jahren geändert hat.
Die Forscher sammelten eine enorme Menge an Informationen über 836 Unternehmen, die zwischen 2016 und 2025 an der Börse gelistet waren. Sie verfolgten jeden einzelnen Monat, in dem diese Unternehmen am Markt waren, und erfassten deren Größe, ihren Aktienkurs, die Häufigkeit ihres Handels sowie die Höhe ihrer Verschuldung. Wenn ein Unternehmen die Börse schließlich verließ, notierte das Team nicht nur das Datum, sondern las die offiziellen Bekanntmachungen, um genau zu bestimmen, warum dies geschah. War es eine Übernahme? Ein Gerichtsbeschluss? Ein Versäumnis, regulatorische Anforderungen zu erfüllen? Diese sorgfältige Klassifizierung ermöglichte es ihnen, die 116 Exits in zwei unterschiedliche Gruppen zu unterteilen: 62 freiwillige Abgänge und 46 unfreiwillige Streichungen.
Sobald die Daten sortiert waren, wurden die Muster deutlich. Die beiden Arten des Exits wurden von völlig unterschiedlichen Kräften angetrieben. Unfreiwillige Streichungen – jene Art, die eintritt, wenn ein Unternehmen in Not gerät – standen in starkem Zusammenhang mit geringer Größe, niedrigen Aktienkursen und mangelnder Handelsaktivität. Diese Firmen wurden vom Markt oft ignoriert, wobei ihre Aktien über lange Zeiträume unberührt blieben. Im Gegensatz dazu fanden freiwillige Exits unter Unternehmen statt, die eigentlich gut wirtschafteten. Diese Firmen hatten gesunde Kurse und eine positive Dynamik, aber auch sie litten unter dünnem Handel. Die Forscher fanden heraus, dass diese gesunden Unternehmen oft etwa sieben Monate lang verstummten, bevor ein Käufer ein Angebot unterbreitete. Dies deutet darauf hin, dass freiwillige Exits keine Zeichen des Scheiterns sind, sondern das Ergebnis von Anlegervernachlässigung, bei der ein gutes Unternehmen einfach übersehen wird, bis ein privater Käufer kommt, um es zu retten.
Die Studie deckte auch eine signifikante Verschiebung in der Art und Weise auf, wie der Markt mit finanzieller Not umgeht. Während des Großteils des Jahrzehnts blieb das Risiko, dass ein Unternehmen zwangsweise entfernt wird, relativ stabil. Die Daten deuteten jedoch auf eine Veränderung hin, die um Dezember 2024 eintrat. Nach diesem Datum stieg das allgemeine Risiko einer unfreiwilligen Entfernung, und ein neuer Faktor wurde entscheidend: die Verschuldung. Vor dieser Verschiebung schien eine hohe Verschuldung ein Unternehmen nicht wesentlich wahrscheinlicher zur Entfernung zu führen. Nach der Verschiebung wurde die Verschuldung zu einem wichtigen Warnsignal. Diese Änderung spiegelt wahrscheinlich das Ende der vorübergehenden Entlastungsmaßnahmen wider, die während der Pandemie eingeführt worden waren und die Entfernung angeschlagener Firmen zuvor verzögert hatten. Sobald diese Entlastung endete, begann der Markt auf die zugrunde liegenden Schwächen dieser Unternehmen zu reagieren, insbesondere auf jene mit hoher Schuldenlast.
Um sicherzustellen, dass diese Ergebnisse real und nicht nur ein Resultat der Mathematik waren, führten die Forscher Tausende von Computersimulationen durch. Sie entdeckten, dass Standard-Statistiktests, auf die man sich normalerweise verlässt, um Ergebnisse zu bestätigen, bei dieser speziellen Art von Daten zu Fehlalarmen neigten. Als die Forscher den Standardtest verwendeten, deutete dieser darauf hin, dass die Verschiebung im Dezember 2024 ein statistisch bewiesener Fakt sei. Als sie jedoch einen vorsichtigeren, speziell für diese Situation entwickelten Test verwendeten, wurde die Beweislage weniger eindeutig. Der neue Test zeigte, dass die Verschiebung zwar wirtschaftlich bedeutsam war und das Muster klar ersichtlich war, der statistische Beweis jedoch nicht so unumstößlich war, wie der Standardtest behauptete. Das Ergebnis ist ein Befund, der sehr aufschlussreich und praktisch wichtig ist, aber eine gewisse Vorsicht bei der Interpretation erfordert.
Die Forscher testeten auch, ob ihre Schlussfolgerungen von der spezifischen mathematischen Form abhingen, die sie für ihr Modell wählten. Sie probierten vier verschiedene mathematische Rahmenbedingungen aus, die von einfach bis komplex reichten, und stellten fest, dass die Ergebnisse unabhängig vom verwendeten Werkzeug gleich blieben. Diese Konsistenz gibt Vertrauen in die Tatsache, dass die gefundenen Muster reale Merkmale des Marktes sind und nicht Artefakte einer bestimmten Berechnungsmethode. Darüber hinaus zeigten ihre Simulationen eine verborgene Gefahr in ähnlichen Studien auf: Wenn alle Unternehmen in einem Datensatz ihr „Leben“ an der Börse zum selben Zeitpunkt beginnen, wird es nahezu unmöglich, zwischen einem Alterungsprozess des Unternehmens und dem Wechsel der Kalenderzeit zu unterscheiden. Die Forscher fanden heraus, dass man eine Mischung aus Unternehmen benötigt, die unterschiedlich lange gelistet waren, um eine graduelle Verschiebung über die Zeit beobachten zu können. Ohne diese Mischung kann der Datensatz eine irreführende Illusion von Veränderung erzeugen, wo gar keine existiert.
Letztendlich liefert diese Arbeit ein klareres Bild der Ausgangstüren des Aktienmarktes. Sie zeigt, dass der Markt nicht alle Abgänge gleich behandelt. Ein kleines, vernachlässigtes Unternehmen wird wahrscheinlich durch finanzielle Not aus dem Markt gedrängt, während ein gesundes, gut bepreistes Unternehmen vielleicht geht, weil es von Investoren stillschweigend ignoriert wurde, bis ein Käufer auftaucht. Es hebt auch hervor, dass sich die Spielregeln ändern können, wie der Anstieg der Verschuldung als Risikofaktor im späten Jahr 2024 zeigt. Durch die Trennung dieser Geschichten und die Anwendung sorgfältigerer Testmethoden bietet die Studie eine genauere Möglichkeit, das Leben und Sterben öffentlicher Unternehmen zu verstehen, und erinnert uns daran, dass im Finanzwesen der Kontext alles ist.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.