onderzoek naar het effect binnen de Europese Unie
Faculteit der Economische Wetenschappen
Rijksuniversiteit Groningen
Doctoraalscriptie Algemene Economie
Juni 2007
Erik Bernard Roelof Feitsma Hereweg 44 9725 AE Groningen Tel: 06-41467856 erikfeitsma@gmail.com Studentnummer: 1287796
Samenvatting
In deze scriptie wordt onderzocht wat het effect is van het opsporen van kartels en misbruik van marktmacht op de beurskoersen van bedrijven binnen de Europese Unie. Er wordt een significante negatieve abnormale koersdaling gevonden van 1,9 % bij een verrassingsinval en een daling van 0,7 % bij de uitspraak van het hoger beroep. Verder blijken de dag van en de dag na de verrassinginval-, de dag voor en de dag van de uitspraak van de Europese Commissie- en de dag van het hoger beroep significant negatief.
Voorwoord
Aan alle lezers,
De scriptie die voor u ligt betekent het einde van mijn studie Algemene Economie aan de Rijksuniversiteit Groningen. Ik heb deze scriptie met veel plezier geschreven en ik hoop dat de mensen die hem lezen dit plezier ook zullen ondervinden. Voor mij betekent deze scriptie niet het einde van mijn studie, maar een mooie voorbereiding op mijn afstuderen bij de studie Finance.
Graag wil ik de faculteit en in het bijzonder Marco Haan bedanken voor het begeleiden van deze scriptie.
Groningen, Juni 2007
Inhoudsopgave Samenvatting... 1 Voorwoord ... 2 Inhoudsopgave ... 3 1. Inleiding ... 4 2. Literatuur ... 5
2.1 Wat is een kartel... 5
2.2. Globale geschiedenis van Kartel regelgeving ... 6
2.2.1 Kartel wetgeving binnen de Verenigde Staten ... 6
2.2.2 Kartel wetgeving binnen Europa ... 7
2.2.3 Regelgeving en doel Europese Commissie ... 9
2.3 Voorbeeld kartel (model) ... 11
2.4 Factoren belangrijk voor kartelvorming en instandhouding... 14
2.4.1. Interne factoren... 14
2.4.2 Externe factoren... 16
2.5 Vergelijkbaar onderzoek... 20
3. Welke factoren hebben effect op de beurskoers... 22
4 Onderzoeksopzet ... 24 4.1 Onderzoeksvraagstelling... 24 4.2 Data... 25 4.3 Onderzoeks methodologie... 27 5 Onderzoeksresultaten... 32 5.1 Verrassingsinval ... 32 5.2 Uitspraak... 35
5.3 Uitspraak hoger beroep ... 38
6. Conclusie... 41
7. Verder onderzoek ... 43
1. Inleiding
Kartelvorming en specifiek het oprollen van kartels is de laatste tijd een hot item in Nederland en Europa. April jongstleden kregen de Nederlandse bierbrouwers het er van langs van Neelie Kroes en in februari kregen de Europese liftbouwers de hoogste boete ooit uitgedeeld voor kartelvorming binnen Europa (Bron http://www.nu.nl). De Europese Commissie schrijft op haar site ook dat het aantal opgerolde kartels afgelopen jaren explosief is gestegen, in het bijzonder na invoering van de leniency regels (Bron
http://ec.europa.eu/). Of het oprollen van kartels binnen Europa nu echt effect heeft op beurskoersen was echter tot op heden nog nooit onderzocht. Een dergelijk onderzoek is echter wel een toets of het gevoerde beleid van de Europese Commissie effectief is en een waardevolle wetenschap voor beleggers. Daarom zal er in dit onderzoek gekeken worden naar het effect dat het oprollen van kartels heeft gehad op de beurskoersen van twintig verschillende bedrijven in twintig verschillende zaken. Er zal getest worden op zowel het effect op de beurskoers van individuele bedrijven, als op het effect voor de gehele groep bedrijven. De vraag is of het oprollen van een kartel effect heeft op de beurskoers van een betrokken bedrijf en ook of er effect is op de gehele groep van geselecteerde bedrijven. Dit zal worden onderzocht door middel van een data-analyse, gebruik makend van het standaard marktmodel om abnormale waarden te berekenen. In het eerste deel zal worden ingegaan op kartels in het algemeen. Het begrip kartel wordt verder uitgediept en ook wordt ingegaan op de geschiedenis. Vervolgens zullen aan de hand van een model, de factoren van invloed op een kartel worden weergegeven en zal worden ingegaan op eerder onderzoek.
2. Literatuur
2.1 Wat is een kartel
Zoals George Stocking in 19471 omschreef: een kartel is een afspraak tussen of namens, producenten (in de vorm van business units), werkzaam in dezelfde industrie, ontwikkeld om competitie te verkleinen of helemaal uit te sluiten. Dit begrip, wat heel breed is, omschrijft daarom ook een groot aantal afspraken tussen producenten en kan variëren van een “gentlemen’s agreement” tot afspraken tussen de grootste concurrenten.
Deze afspraken vinden plaats op een groot aantal verschillende vlakken, bijvoorbeeld prijs, hoeveelheden afzet of marktverdeling. Deze kartels verschillen niet alleen in structuur, maar ook in legaliteit. Bepaalde kartels worden, in steeds mindere mate, door de wet toegestaan of ingesteld en andere zijn bij wet verboden. Ook bestaat er een verschil tussen defensieve en agressieve kartels. Volgens Stocking en Watkins (1947) hebben agressieve kartels de doelstelling meer winst op te leveren, er wordt actief gezocht naar de maximale winst. Defensieve kartels hebben bijvoorbeeld het doel om de boeren een fatsoenlijke prijs voor hun producten te geven en opstanden te voorkomen, door een minimum prijs in te stellen in slechte jaren om zo de boeren te beschermen. Een ander onderscheid dat gemaakt kan worden is of ze door de overheid gesponsord worden of privaat zijn. Al deze kartels hebben één ding gemeen en dat is de competitie tegen te gaan.
Dit onderzoek zal zich richten op de illegale, agressieve en private kartels. Deze kartels hebben als doel om marktmacht te misbruiken en daar financieel beter van te worden. Binnen Europa is deze vorm van kartelvorming tegenwoordig verboden en daarom is het mogelijk de kartels te vervolgen. Het oprollen van deze kartels en het gevolg dat dit heeft op beurskoersen biedt ruimte om het effect van deze kartels in cijfers uit te drukken.
1
2.2. Globale geschiedenis van kartel regelgeving 2.2.1 Kartel wetgeving binnen de Verenigde Staten
Binnen de Europese Unie zijn kartels lange tijd niet verboden geweest, echter in de Verenigde Staten (VS) bestaat al een lange geschiedenis van kartel regelgeving. De basis hiervan ligt eind 19de eeuw. In de VS vond in die periode een enorme verbetering plaats in transportmogelijkheden waardoor er één grote markt kon ontstaan met grote schaalvoordelen. Dit leidde, in combinatie met nieuwe regelgevingen, innovatie in productie en een meer geavanceerde kapitaalmarkt, tot een golf van fusies en overnames en tot grotere competitie met lagere prijzen. Bedrijven waren genoodzaakt grote investeringen te doen en op grote schaal te reorganiseren om de competitie voor te blijven. Prijzenoorlogen en prijsinstabiliteit waren niet ongebruikelijk en dit gaf dan ook de aanzet tot het maken van prijsafspraken door middel van het vormen van kartels (Martin, 1998).
De kartels en macht die deze kartels hadden benadeelden echter ook bepaalde partijen. Kleine bedrijven, consumenten en leveranciers hadden soms de grootste moeite het hoofd boven water te houden en er ontstond dan ook politieke wil om deze kartels te verbieden. Dit resulteerde in de Sherman Act2 in 1890, welke tot op de dag van vandaag de basis vormt van de Antitrust wetgeving in the VS.
De Sherman Act is, net zoals het hele Amerikaanse wetsysteem, door middel van jurisprudentie geworden tot de uitvoering van tegenwoordig en omvat regels met betrekking tot vaste prijsvaststellingen, markt van ‘sharing agreements’ en monopolisatie door individuele partijen (Martin, 1998). Fusieregelgeving werd in de wet met de Clayton Act vastgelegd in 1914.
Verschillende Amerikaanse regeringen (vooral de ‘Reagan administration’), de wereldoorlogen en de grote depressie van 1929 hebben veel invloed gehad op de
tegenwoordige uitvoering, echter de basis van de Antitrust is altijd de Sherman Act gebleven. Recentelijk zijn hier leniency regelingen aan toegevoegd, deze werden in 1978 geïntroduceerd door ‘the Department of Justice’ in het ‘amnesty program’, welke een vrijstelling van boetes kan bewerkstelligen bij hulp in het opsporen van een kartel.
2.2.2 Kartel wetgeving binnen Europa
Voor zover er Antitrust regelgeving was in Europa is dit lange tijd per land verschillend geweest. Nederland, ondanks dat het hier heel lang duurde voor er verandering kwam, was een goed voorbeeld voor de gedachte die er leefde binnen Europa.
In tegenstelling tot de VS, waar wetgeving was tegen kartelafspraken, ontstond er in 1935 in Nederland de ondernemersovereenkomstwet, met als doel het tegengaan van extreme competitie (Martin, 1998). Deze overeenkomst bevorderde juist het vormen van kartels, wat overigens in lijn was met de gedachte in de VS die ontstaan was na de grote depressie. Kartels zouden zorgen voor een continuïteit van opbrengsten en zo bedrijven helpen er weer bovenop te komen.
Ten tijde van de Tweede Wereldoorlog werd het kartelbesluit geïntroduceerd, met een bijbehorend kartelregister en zo werd de pro-kartelgedachte gehandhaafd. Na de Tweede Wereldoorlog bleef deze pro-kartelgedachte gehandhaafd tot 1951, toen de regering een wet aannam tegen kartels die handelden ten nadele van het publieke belang. In 1956 werd uiteindelijk de wet economische mededinging aangenomen, welke nog wel een kartelregister toestond, echter alleen onder de daaraan gestelde voorwaarden. Kartels werden echter nog lange tijd toegestaan, er waren bijvoorbeeld in 1988 nog 109 horizontale prijsafspraken (Martin, 1998).
de meeste Europese landen waar lange tijd kartels waren toegestaan of zelfs verplicht waren, heeft zich een soortgelijk proces afgespeeld. De anti-kartelregelgeving in vele Europese landen is dan ook nog zeer recent en vaak de laatste jaren aangepast aan de Europese normen.
2.2.3 Regelgeving en doel Europese Commissie
Zoals Neelie Kroes in haar toespraak van 13 oktober 20063 aangaf, ziet de Europese Commissie kartelvorming als een doodsteek in het hart van een gezonde economie. Deze geheime afspraken werken prijsverhogend en verminderen diversiteit, innovatie en kwaliteit en zijn de reden waarom de Lissabon doelstelling niet gehaald zou worden. Ook gaf ze aan dat het aantal kartels binnen de Europese Unie nog steeds aan het stijgen is. Dit laatste ligt in lijn met de regelgeving binnen de Europese Unie. Binnen Europa kunnen, in tegenstelling tot de VS, managers nog steeds niet schuldig bevonden worden voor het plegen van een misdaad als het bedrijf gepakt wordt op illegale prijsafspraken. Ook kunnen bedrijven niet veroordeeld worden voor een misdaad, alleen schuldig bevonden worden aan kartelvorming. Het wordt dus niet als criminele activiteit beboet, alleen als strafbaar feit. De enige boete die de Europese Commissie kan opleggen is een boete van maximaal tien procent van de jaaromzet van het bedrijf. Het gevolg is dan ook dat meerdere bedrijven meerdere malen de fout in gaan, iets dat zelfs zichtbaar wordt in dit onderzoek. Blijkbaar loont het verhoogde risico om gepakt te worden nog steeds ten opzichte van de boete.
Binnen de Europese Unie is de Europese Commissie de primaire instantie die zich bezig houdt met ‘competition policy’. Binnen deze instelling is de “Director General DG Competition” (Philip Lowe) de verantwoordelijke voor het opsporen. De regelgeving waar dit op gestaafd is, vindt zijn basis in artikel 81 & 82 van de Treaty, oorspronkelijk opgesteld in Rome, in combinatie met het voorschrift 1/2003. Dit samen met een grote hoeveelheid aan jurisprudentie geeft de basis van de Europese ‘competition policy’. In 1998 (herzien in 2006) is hier door de commissie nog een notitie aan toegevoegd die een richtlijn geeft voor de te geven boetes, die altijd een maximum hebben van tien procent van de jaaromzet van een bedrijf4.
3 De toespraak werd gegeven vanwege het 10de jaarlijkse competitie congres op het Europese instituut in
Een onderzoek van de Europese Commissie wordt over het algemeen gestart als de Director General DG Competition een vermoeden heeft, of getipt wordt door een derde partij5. Als deze vermoedens na het starten van het onderzoek nog steeds serieus blijken te zijn, zal er een onverwachte inspectie of verrassingsinval gedaan worden bij het desbetreffende bedrijf en als het nodig blijkt ook bij de managers, om te zoeken naar documentatie als bewijs voor kartelvorming.
Als na deze inval en het onderzoek blijkt dat de vermoedens nog steeds gegrond zijn, zal er een mededeling verstuurd worden naar het desbetreffende bedrijf waarin aangegeven wordt wat de doelstelling van het onderzoek is en wordt de mogelijkheid geboden aan de bedrijven om hier op te reageren.
Uiteindelijk zal, na verhoor van de betrokken partijen, de Europese Commissie een besluit nemen. Bij dit besluit zijn over het algemeen meerdere partijen betrokken waaronder de lokale competitie autoriteiten. Mocht er uiteindelijk een bezwaar komen van de veroordeelde bedrijven, dan kan de zaak in hoger beroep bij de ‘Court of First Instance’ of de ‘European Court of Justice’. Deze hebben de mogelijkheid de boete te verlagen of kwijt te schelden, maar ook om deze te verhogen.
2.3 Voorbeeld kartel (model)
Om een kartel te begrijpen zal een kartel beschreven worden volgens de methodologie die gebaseerd is, echter aangepast, op Aubert e.a. (2006). Twee bedrijven, die eventueel zullen deelnemen in een kartel, kunnen worden gezien als een repeterende beslissing om elk jaar weer deel te nemen in een kartel.
Dit kan gezien worden als een repeterend drieperioden-model, deze drie periodes vinden plaats in jaar 0. In de eerste periode vindt communicatie plaats om wel of niet deel te nemen in een kartel. In de tweede periode zullen ze moeten besluiten zich aan deze afspraken te houden of niet. En in de derde periode of er wel of niet een boete uitgedeeld wordt. Uit deze afspraken vloeien de volgende winsten:
πM=Als beide bedrijven samenspannen (monopolie)
πC=Als beide bedrijven concurreren (Cournot of Bertrand uitkomst)
πD=Als één bedrijf concurreert en het andere bedrijf besluit samen te spannen
πF=Als één bedrijf heeft besloten samen te spannen en het ander bedrijf
concurreert
Waarin πF< πC< πM< πD πD+ πF<2 πM
De verschillen in opbrengsten geven aan dat bedrijven voordeel hebben bij samenspannen en dat het niet aan de afspraken houden, zal resulteren in de hoogst mogelijk winst in deze periode. De gezamenlijke winst van de twee bedrijven als één besluit zich niet aan de afspraken te houden, zal lager uitvallen dan de winst bij samenspannen.
Er wordt vanuit gegaan dat het maken van afspraken tot samenspannen illegaal is en dat in geval van het oprollen van het kartel, er een boete gegeven kan worden ter hoogte van F. De kans op het oprollen van het kartel is ρ. De antikartel-instanties zijn echter niet in staat een boete uit te delen die groot genoeg is tot het afschrikken van samenspannen, als besloten is om samen te spannen. Dit geeft de volgende aanname, πM−πC >ρF. ρ is de kans dat een kartel wordt opgerold in de derde periode, mits er niemand heeft besloten over te gaan tot het aangeven van het kartel.
Wat gebeurt er als er geen verlichtende omstandigheden zijn: πC Als beide bedrijven concurreren
πM−ρF Als beide bedrijven besluiten samen te spannen
πD−ρF Als de twee bedrijven hebben besloten samen te spannen, en één bedrijf
besluit zich niet aan deze afspraak te houden, het bedrijf dat wel zich wel aan de afspraak houdt heeft de volgende winstfunctie πF−ρF.
Als er besloten wordt de kartelafspraken niet na te leven, zal er in de toekomst alleen nog concurrentie mogelijk zijn. Het niet aan de afspraken houden zal dus, als er rationeel besloten wordt nooit plaatsvinden als (1) geldt.
Leniency programma’s
Leniency programma’s zijn programma’s die het verstrekken van informatie of het meewerken aan het verkrijgen van informatie ontrent kartels beloond met een korting op de eventuele te ontvangen boete, voor bedrijven betrokken bij kartelvorming. Als we aannemen dat de anti-kartelinstanties tegenwoordig gebruik maken van Leniency programma’s zal het model veranderen. In dit geval zal de boete F veranderen in een lagere (eventueel geen) boete F>f. Als we aannemen dat ρF>f zal de partij die zich niet aan de afspraken houdt altijd overgaan tot het aangeven van het kartel, er zal immers in de toekomst toch concurrentie plaatsvinden. Kartelafspraken zullen alleen nog nageleefd worden als (2) geldt.
Omdat er in dit onderzoek vanuit wordt gegaan dat kartels opgerold zijn en met de aanname dat deze bedrijven na het oprollen beter in de gaten gehouden worden, zodat er geen kartelafspraken meer gemaakt kunnen worden, zal de waarde van de koersdaling gelijk moeten zijn aan (3).
In het geval van niet aan de afspraken houden, in combinatie met leniency regelingen zal de waarde van de koersdaling gelijk zijn aan (4).
2.4 Factoren belangrijk voor kartelvorming en instandhouding
Uit onderzoek is gebleken dat de gemiddelde levensverwachting van een kartel zo rond de veertien jaar is en de mediaan ligt zo rond de vier tot zes jaar(Levenstein en Suslow, 2006). Ook blijkt dat een groot aantal kartels de beginfase, het eerste en tweede jaar, niet overleven. Er is daarom ook veel onderzoek gedaan naar de factoren die kartelvorming en kartelinstandhouding bevorderen. In dit hoofdstuk zal hiervan een samenvatting gegeven worden. Deze factoren zijn op te delen in interne en externe factoren.6
2.4.1. Interne factoren
De factoren van belang op de vorming en het in stand houden van een kartel zijn coördinatie en monitoren van het kartel, het tegengaan van het niet aan de afspraken houden en het tegengaan van toetreden van nieuwe spelers op de markt. Deze zullen hieronder verder uiteengezet worden.
Coördinatie en monitoren van het kartel
Voor het vormen van een kartel en een nieuw evenwicht (in het meest ideale geval een winst maximaliserend evenwicht7) is er een grote mate van overeenstemming nodig tussen de verschillende partijen. Allereerst zal er voor het bepalen van dit nieuwe evenwicht al veel onenigheid zijn, omdat elk bedrijf te maken heeft met verschillende kostenstructuren en daarom een verschillende winst zal nastreven8. Bij een kartel zal het gaan om de maximale winst voor de hele groep. Dit gevormde evenwicht zal tevens bij verschillende marktomstandigheden aangepast moeten worden aan het nieuwe winstmaximale evenwicht. Het bereiken van dit evenwicht, de onderhandelingen vooraf
6 Een samenvatting van een groot aantal data-analyses naar deze factoren is geschreven door Levenstein ea
(2006) in het artikel “What Determines Cartel Success?” Er zal hier niet worden ingegaan op onderbouwingen, maar enkel op algemene theorieën.
7 Bijvoorbeeld een Cournot of Bertrand winst maximaliserend evenwicht onder monopoly
8 In het geval van verschillende kostenstructuren, zal bij een bepaalde prijs of afzethoeveelheid de winst per
en het aanpassen bij veranderde omstandigheden, zijn belangrijke factoren in het succes van een kartel. Succesvolle kartels hebben daarom vaak een bepaalde hiërarchie gevormd zodat beslissingen en afspraken makkelijker gemaakt kunnen worden. Ook zijn er vaak afspraken gemaakt over het monitoren van het kartel, bijvoorbeeld door het uitwisselen van gegevens over elkaars afzet. In veel succesvolle kartels is hier nog eens aan toegevoegd dat het niet houden aan afspraken wordt bestraft met zelfingestelde boetes en zijn er in het geval van ongelijkheden betalingen tussen bedrijven9. In sommige industrieën blijkt dit proces erg moeilijk, bijvoorbeeld door een slechte voorgeschiedenis van kartelvorming, een snel veranderende omgeving of een grote hoeveelheid bedrijven. Er zullen daarom hoge kosten gemaakt moeten worden voor de opzet van een kartel en dus zal het kartel alleen opgezet worden als de verwachting is dat er genoeg rendement behaald gaat worden.
Niet aan de afspraken houden
In de wetenschap wordt vaak gezegd (o.a. Stigler, 1964) dat het niet aan de afspraken houden het grootste probleem is dat overwonnen moet worden binnen een kartel. Het verhogen van de prijs door het kartel boven de marginale kosten, geeft bij veel bedrijven een prikkel tot het niet aan de afspraken houden van de andere deelnemers van het kartel, dit is mogelijk als er niet voldaan wordt aan vergelijking 1 en 2. Het niet aan de afspraken houden zal echter leiden tot competitie in de toekomst en zal niet de meeste ideale uitkomst zijn voor de hele groep, vaak is er dan ook sprake van een ‘prisoners dilemma’. Dit wordt daarom ook gezien als één van de grootste bronnen van instabiliteit binnen een kartel. Een goede coördinatie en monitoring zijn dan ook noodzakelijk om bedrog te vermijden en vaak worden er ook bepaalde maatregelen genomen om bedrog tegen te gaan, zoals ‘price wars’, ‘side payments’ of zelf ingestelde boetes. Het doel van deze maatregelen is om het aan de afspraken houden aantrekkelijker te maken dan het niet aan de afspraken houden en vergelijking 1 en 2 te laten gelden.
Toetreding van nieuwe spelers
Een groot gevaar van een kartel en de hogere prijzen die dit met zich meebrengt, is dat nieuwe partijen de markt zullen betreden en de concurrentie uiteindelijk groter zal zijn dan voor het vormen van een kartel. Kartels zullen er daarom alles aan doen om dit tegen te gaan. Een excessieve capaciteit, prijzenoorlogen die gestart worden na toetreding, het lobbyen voor nieuwe wetten (bijvoorbeeld hogere invoerheffingen) en de prijs lager zetten dan bij een winst maximaal evenwicht, zijn manieren om nieuwe toetreding tegen te gaan. Echter, het blijkt dat dit erg moeilijk is te voorkomen en dat dit vaak een reden is van de ‘break up’ van het kartel. Het blijkt dan ook dat het vormen van een kartel in markten met een hoge barrière tot toetreden, succesvoller is dan een markt met lage toetredingskosten.
2.4.2 Externe factoren
Concentratie bedrijven binnen de industrie
geen kartels plaatsvinden, echter het vormen van een kartel binnen een industrie met een beperkt aantal bedrijven is over het algemeen makkelijker.
Asymmetrie in goederen en grootte
Een markt met homogene goederen kan een positieve werking hebben op het vormen van kartels. Deze goederen worden gekozen op verschil in prijs, voor de klant zijn ze immers toch allemaal gelijk. In markten met veel asymmetrie tussen de goederen, bijvoorbeeld door veel differentiatie en marketing, zal de winstmaximaliserende prijszetting zonder kartelvorming hoger zijn en zal de extra winst uit het vormen van een kartel minder zijn dan bij homogene goederen. Aan de andere kant is in een homogene markt de opbrengst voor het niet houden aan de afspraken groter dan in een asymmetrische markt, en zal de verleiding tot het niet houden aan de afspraken groter zijn. Een symmetrische verdeling qua grootte van de bedrijven is ook een belangrijke factor en zorgt voor stabiliteit binnen een kartel. Markten kunnen eerlijk verdeeld worden en er zal weinig onenigheid ontstaan. In sommige gevallen blijkt echter dat grote bedrijven binnen een bepaald kartel een leidende functie vervullen en daarom de stabiliteit ook kunnen vergroten. De literatuur geeft dan ook geen eenduidig bewijs en geeft aan dat het moet nog verder onderzocht worden (Levenstein en Suslow, 2006).
Economische situatie en veranderende omstandigheden
Antikartel organisaties en regelgeving
In veel gevallen is kartelvorming niet toegestaan. Logischerwijs zal het succes van het kartel afhangen van de kans om gepakt te worden, de eventuele boetes en hoe capabel de managers zijn om het kartel geheim te houden. Een grote kans om gepakt te worden, hoge boetes en lange celstraffen kunnen gevolgen hebben voor de winstverwachtingen van het kartel en zo ook de kans van slagen van het kartel, de vergelijkingen 1 en 2 worden nu niet behaald.
Klanten
De mate van grootte van de klanten is een factor van belang voor het slagen van een kartel. Stigler (1964) gaf al aan dat grote klanten zullen leiden tot instabiliteit binnen een kartel en dat grote klanten hun inkoopkracht zullen gebruiken om het kartel te gronde te richten. Er zijn echter veel voorbeelden waar grote klanten niet nadelig zijn. Zoals bij een aantal grote afnemers en veel kleine, waarbij de grote bedrijven een korting bedingen ten opzichte van kleine bedrijven en daarom niet in opstand zullen komen tegen het kartel (Levenstein en Suslow, 2006). Ook blijkt dat in sommige kartels, ondanks een oligopolie van afnemers, de onderhandelkracht nauwelijks wordt ingezet tegen het kartel. En wel omdat de kosten van het product ten opzichte van de totale productie relatief klein zijn.
Soort vraag
Het verhogen van prijzen en winsten is in grote mate afhankelijk van de mogelijkheid tot het verhogen van prijzen en dus van de prijselasticiteit van de vraag10 . Een elastische vraagcurve kan problemen geven voor kartelvorming. Immers, bij een elastische vraagcurve zal het winstmaximaliserende evenwicht maar minimaal verschillen van het evenwicht bij concurrentie. Zodoende zal de toegevoegde waarde klein zijn. Er zijn wel
voorbeelden. Bijvoorbeeld het recentelijk opgerolde bierkartel in Nederland11, waar het toch mogelijk bleek een kartel te vormen in een markt met een elastische vraag.
Een tweede probleem in het soort vraag, is de groei van de vraag. Symeonidis (2003) vindt in onderzoek dat een hoge mate van vraaggroei een grote prikkel is voor nieuwe bedrijven om de markt te betreden en tevens een grote mate van onzekerheid brengt. Een grote mate van vraaggroei op een bepaalde markt kan dan ook slecht zijn voor de stabiliteit van het kartel. Ook een onzekere vraag kan de stabiliteit aantasten en vergt een grote mate van aanpassingsvermogen en monitoring.
.
2.5 Vergelijkbaar onderzoek
In de literatuur is weinig geschreven over de effecten van kartels en prijsafspraken op de waarde van bedrijven binnen Europa. De voornaamste reden is dat regelgeving binnen Europa nog vrij recent is en nog niet zo breed toegepast als in de rest van de wereld. Er zijn wel een aantal artikelen geschreven en deze zijn dan ook voornamelijk van toepassing op de Verenigde Staten van Amerika (VS).
Eén van de eerste onderzoeken naar dit onderwerp, werd gedaan naar het verbieden van fusies in de VS door de ‘Department of Justice’ en het effect dat dit verbieden had op de aandeelhouderswaarde van een grote onderneming (Ellert, 1976). In dit onderzoek heeft Ellert gekeken naar 205 grote bedrijven tussen 1950 en 1972 waarvan de voorgenomen fusie is verboden vanwege het monopolie dat zou ontstaan. In dit onderzoek wordt voor het moment van verbieden een daling van aandeelhouderswaarde gesignaleerd van minder dan twee procent. In dit onderzoek wordt gekeken naar maandelijkse beurskoersen en wordt er vanuit gegaan dat het effect voor de lange termijn geldt. Er wordt de vergelijking gemaakt tussen bedrijven die wel mochten fuseren.
3. Welke factoren hebben effect op de beurskoers
Hoewel er soms nog wel twijfels bestaan over de toegevoegde waarde van het vormen van een kartel, zal dit over het algemeen een positief effect hebben op de winsten van een bedrijf, als er vanuit wordt gegaan dat het aangaan van een kartel een rationele beslissing is. In het geval van het oprollen van een kartel zijn er ook andere invloeden die van toepassing zijn op de beurskoers. In de literatuur worden de volgende redenen dan ook aangedragen voor een te verwachten beurskoersdaling na het oprollen.
Allereerst zijn er de directe kosten die gemaakt worden ten tijde van het oprollen van het kartel. Hierbij kan gedacht worden aan de kosten van de boete, de kosten van het hele juridische proces zoals advocaten en adviseurs, maar ook aan eventuele schadeclaims achteraf van partijen die nadelig effect ondervonden van het kartel.
Een tweede soort kosten zijn de kosten van het verlies van het voordeel dat het kartel met zich meebracht. Er vanuit gaande dat het kartel niet bekend was voor het oprollen, geeft aan dat er een illegale stroom van inkomsten was in het verleden. Deze stroom van inkomsten zal na de uitspraak en waarschijnlijk ook tijdens het proces geen doorgang meer vinden en zal dus toekomstige winsten en dus de aandeelhouderswaarde doen verminderen.
Als laatste geeft een veroordeling aan dat de managers niet capabel genoeg waren om niet gepakt te worden.
Deze drie soorten redenen zullen leiden tot een negatief abnormaal resultaat, echter er zijn ook effecten die dit fenomeen doen verminderen.
Een groot onderzoek, als een onderzoek naar kartelvorming, kan nooit geheel geheim gehouden worden. De kans is erg groot dat er dingen uitlekken die in de beurskoersen worden meegenomen. Dit zal als effect hebben dat de daling kleiner zal zijn op het moment van officieel bekend worden.
4 Onderzoeksopzet
4.1 Onderzoeksvraagstelling
In de literatuur is veel geschreven over wat het effect van een kartel zou moeten zijn, ook is er veel geschreven over wanneer een kartel het meest effectief zou zijn en dus in welke markten een kartel de meeste kans van slagen heeft. Echter, of er daadwerkelijk effect is op de beurskoersen is een relatief weinig onderzocht onderwerp, helemaal in het geval van de Europese Unie. Slechts een klein aantal onderzoeken zijn gedaan naar de effecten, en voor de Europese Unie, voor zover de auteur bekend, geen gepubliceerde. In dit onderzoek wordt dan ook de vraag gesteld wat het effect is op beurskoersen ten tijde van het oprollen van een kartel of misbruik van marktmacht, door een kartelwaakhond in dit geval de Europese Commissie. Als een kartel een toegevoegde waarde genereert, dan kan men verwachten dat het oprollen van een kartel negatieve gevolgen zal hebben op de toekomstige winsten en dividenden. Er van uitgaande dat de beurskoersen de netto contante waarde van de toekomstige dividenden moeten voorstellen, dan zal de beurskoers van het betreffende bedrijf moeten dalen. Tevens wordt er ten tijde van het oprollen een boete uitgekeerd. Omdat een boete een directe afname betekent van het eigen vermogen zal dit een direct effect moeten hebben op de beurskoersen.
Allereerst wordt er gekeken naar het effect op de dagen rond het bekend worden van een onverwachte inspectie vanwege een vermoeden op kartelvorming, een besluit tot veroordeling en de uitslag van het hoger beroep. We vragen ons af of het oprollen van een kartel effect heeft op de beurskoers van een betrokken bedrijf. Deze vraag zullen we beantwoorden voor de geselecteerde bedrijven.
4.2 Data
De data12 gebruikt in dit onderzoek zijn afkomstig uit verschillende besluiten van de Europese Commissie, van het “Court of First Instance” en “European Court of Justice” en omvatten zaken van 1998 tot en met 200513. Uiteindelijk is deze lijst gecheckt met data samengebracht door Langus en Motta (2007). De gevonden data zijn gerangschikt op hoogte van boete ten opzichte van eigen vermogen14, zo worden veel bedrijven uitgesloten die gebruik hebben gemaakt van de leniency regelingen15 en de bedrijven geselecteerd waar het verwachte effect het grootst en dus best meetbaar is. Van deze gerangschikte lijst zijn vervolgens de twintig bedrijven geselecteerd op hoogte van de boete ten opzichte van haar eigen vermogen, met de voorwaarde dat er van elke strafzaak maar één bedrijf geselecteerd kan worden en er ook geen strafzaken geselecteerd kunnen worden met dezelfde dag van uitspraak16. Dit om covarianties tussen verschillende zaken en beurskoersen uit te sluiten. Langus en Motta (2007) hebben ook gebruik gemaakt van data van de Europese Commissie, echter in dit onderzoek is ook gebruik gemaakt van zaken van voor 1998. Ook heeft dit onderzoek geen selectie gemaakt per zaak. Wel hebben Langus en Motta (2007) zaken die al beboet of onderzocht werden in de VS uit de sample gehaald in de analyse. Een kanttekening bij het artikel van Langus en Motta die gemaakt moet worden, is dat ze aangeven alle zaken te onderzoeken tot 2005, echter uit de appendix blijkt dat ze ook meerdere zaken uit 2005 gebruiken. Ook wordt niet duidelijk waarom ze bepaalde hoger beroep zaken negeren zoals die van Microsoft en Group Danone.
12In dit onderzoek is de site van de Europese Commissie geraadpleegd, een goede start hierin is
http://ec.europa.eu/comm/competition/antitrust/cases/index/by_nr_75.html, echter in vervolgonderzoek kan gebruik gemaakt worden van de lijst samengebracht door Langus en Motta (2007)
http://www.cepr.org/pubs/dps/DP6176.asp
13 Hoger beroep tot en met februari 2007
14 Er is gebruik gemaakt van het eigen vermogen van de bedrijven in 2007, vanwege het gebrek aan data. 15 Boetes worden gegeven ten opzichte van het eigen vermogen, bij toepassing van leniency regelingen zal
de boete ten opzichte van het eigen vermogen afnemen en daarom vaak niet geselecteerd worden.
De selectie gebruikt in dit onderzoek levert de volgende lijst bedrijven op.
Tabel 1 Lijst met geselecteerde bedrijven
Bedrijf Besluit Verrassingsinval Besluit hoger beroep Daiichi Sankyo 21-11-2001 25-2-2003
Group Danone 5-12-2001 26-10-1999 25-10-2005 Michelin 20-6-2001 30-9-2003 Tate & Lyle 14-10-1998 27-5-1994 12-7-2001 Erste Bank 11-6-2002 14-10-2004 Archer Daniels Midland 5-11-2001 27-9-2006 Microsoft 24-3-2004 22-12-2004 General Motors 20-9-2000 11-12-1996 21-10-2003 Volkswagen 28-1-1998 23-10-1995 6-7-2000 Peugeot 5-10-2005 22-9-1999
Kyowa Hakko Kogyo 7-6-2000 11-6-1997 9-7-2003 Sotheby 30-10-2002
Minoan Lines 9-12-1998 11-12-2003 Hanjin Shipping 16-9-1998 30-9-2003 Lafarge 27-11-2002 25-11-1998
Nippon Soda Company 2-7-2002 16-6-1999 Kme 16-12-2003 22-3-2003
SGL Carbon 18-6-2001 5-6-1997 29-4-2004 Carbone Lorraine 3-12-2003
Kme 3-9-2004 22-3-2001
De beurskoersen gebruikt in dit onderzoek zijn afkomstig van Thomson Datastream en zijn gecorrigeerd naar dividend. Voor het selecteren van de meest passende index17 is ook gebruik gemaakt van Datastream.
17
4.3 Onderzoeks methodologie
Om het effect van het oprollen van een kartel op de beurskoersen te berekenen, zal eerst de verandering van de beurskoers in het geval dat het kartel niet opgerold was, voorspeld moeten worden. Vervolgens zal met deze voorspelling de abnormale koersdaling of –stijging berekend worden. Event studietechnieken volgens de methodologie van Mackinlay (1997) zullen vervolgens gebruikt worden om de abnormale waarden te vergelijken.
Door gebruik te maken van het marktmodel (5) zullen normale verwachte opbrengsten voorspeld worden. Alle eerdere onderzoeken naar het effect van beurskoersen op het oprollen van kartels, met uitzondering van Strachman e.a. (1983), gebruiken dit model of een aanverwant model18. Het standaard marktmodel (5) gebruikt de koersstijging van de markt, om de koersstijging van aandelen te voorspellen door middel van een lineair verband. De constanten in dit model zullen worden berekend door gebruik te maken van de ‘Ordinary Least Squares’ (OLS) techniek.
Waar Rit de opbrengst is van de aandelen en Rmt de opbrengst van de markt in de vorm
van de index voor de periode t. Deze opbrengsten worden ‘continues compounding’ berekend door gebruik te maken van de beurskoersen door middel van Rit= ln Pit-ln Pit-1.
De constanten αi, βi en εit zullen worden berekend door gebruik te maken van de OLS
methode. Deze methode zal toegepast worden over een periode van 150 dagen, van dag -171 tot dag -22. Met dag 0 als het event waar de normale opbrengst van berekend dient te
worden, dit is in overeenstemming met de gebruikte methodologie van Bizjak en Coles (1995).
Nu de constanten bekend zijn, kunnen de abnormale opbrengsten ten tijde van het event berekend worden, door middel van het verschil tussen de verwachte opbrengsten en de gerealiseerde opbrengst (6).
Hier is ARit de abnormale opbrengst, Rit de gerealiseerde opbrengst, Rm de
marktopbrengst en en de constanten voortvloeiende uit de OLS over de schattingsperiode.
Deze abnormale opbrengst zal berekend worden twee dagen voor het event en vijf dagen na het event. Andere onderzoeken werd gekozen voor een iets langere periode echter na bestuderen van de resultaten is gekozen voor 8 dagen. Langus en Motta (2007) hebben gekozen voor een iets langere periode van 10 dagen, gelijk aan de methodologie van Bosch en Eckard (1991).
Omdat de schattingsperiode lang genoeg is zal er geen error-variantie meegenomen worden in de berekening van de verwachte variantie voor de abnormale opbrengsten. Om deze reden is de variantie voor de abnormale return gelijk aan de berekende variantie uit de schattingsperiode. Dit geeft de volgende distributie:
Vervolgens zal er getest worden of er in de hele event periode abnormale returns zijn, door gebruik te maken van de cumulatieve abnormale opbrengsten. De cumulatieve abnormale opbrengsten zullen op de volgende manier worden berekend, weergegeven in (7) en (8).
Hier is CAR de cumulatieve abnormale opbrengsten en ARit de abnormale opbrengsten.
De eerste hypothese wordt getest door gebruik te maken van de volgende distributie,
Voor het testen van afzonderlijke dagen in de event periode over alle bedrijven worden gemiddelde abnormale opbrengsten en haar variantie op de volgende manier berekend, weergegeven in(9) en (10).
Hier is AARt de gemiddelde abnormale opbrengst
Hier is VAR(AAR) de variantie van de gemiddelde abnormale opbrengst
Voor het testen van de gehele event periode voor alle bedrijven zullen de gemiddelde cumulatieve abnormale opbrengsten op de volgende manier berekend worden, weergegeven in (11) en (12).
Hier is ACAR de gemiddelde cumulatieve abnormale opbrengsten en CARt de
cumulatieve abnormale opbrengsten van de verschillende events.
5 Onderzoeksresultaten
5.1 Verrassingsinval
Figuur 1 Cumulatieve abnormale opbrengsten per bedrijf ten tijde van de verrassingsaanval
Tabel 2 en Figuur 1 geven de cumulatieve abnormale returns weer van de verschillende bedrijven ten tijde van de verrassingsinval. In acht van de elf gevallen blijkt de cumulatieve abnormale return negatief, waarvan één, namelijk SGL Carbon, significant op vijf procent. KME is significant positief op tien procent, een reden hiervoor is niet gevonden, maar het lijkt er op dat er de dag voor de verrassingsinval positief nieuws is geweest, met als gevolg een abnormale positieve return van 4,5 procent. Verder lijkt KME geen negatieve gevolgen te ondervinden van de inval. De positieve cumulatieve abnormale return van Nippon Soda lijkt veroorzaakt door positief nieuws op dag twee na de verrassingsinval, met als gevolg een abnormale positieve return van bijna zes procent op dag twee en twee procent positieve abnormale return op dag 0. Er lijkt ook geen
verband te bestaan tussen de grootte van de boete ten opzichte van de negatieve abnormale return.
Tabel 2 Cumulatieve abnormale opbrengsten per bedrijf ten tijde van de verrassingsinval
Bedrijf Cumulatieve abnormale return P-waarde Standaard deviatie Group Danone 0,49% 0,462 0,051 Tate & Lyle -3,35% 0,114 0,028 General Motors -1,09% 0,368 0,032 Volkswagen -1,97% 0,227 0,026
Peugeot -4,44% 0,180 0,049
Kyowa Hakko Kogyo -3,50% 0,213 0,044
Lafarge -3,33% 0,266 0,053
Nippon Soda Company 1,34% 0,405 0,056
Kme 5,37% 0,081* 0,038
SGL Carbon -9,20% 0,015** 0,043
Kme -0,69% 0,407 0,029
** significant met een significantieniveau van 5 % *Significant met een significantieniveau van 10 %
Tabel 3 Cumulatieve abnormale opbrengsten per dag ten tijde van de verrassingsinval
Dag Cumulatieve abnormale return Gemiddelde abnormale return P-waarde Standaard deviatie
-2 -2,30% -0,21% 0,332 0,005 -1 8,51% 0,77% 0,053* 0,005 0 -10,04% -0,91% 0,029** 0,005 1 -7,62% -0,69% 0,075** 0,005 2 -4,06% -0,37% 0,221 0,005 3 -1,64% -0,15% 0,378 0,005 4 0,56% 0,05% 0,458 0,005 5 -4,27% -0,39% 0,209 0,005 Totaal -20,85% -1,90% 0.067* 0,013 ** significant met een significantieniveau van 5 % *Significant met een significantieniveau van 10 %
De elf bedrijven in onze dataset bij wie een verrassingsinval is gedaan, ondervonden een negatief cumulatief abnormale return over de acht dagen van bijna 21 procent, wat neerkomt op bijna twee procent per bedrijf. Deze waarde wijkt significant af van 0 bij een significantieniveau van tien procent.
5.2 Uitspraak
Figuur 2 Cumulatieve abnormale opbrengsten per bedrijf ten tijde van de uitspraak
Tabel 4 en Figuur 2 geven de cumulatieve abnormale returns weer van de verschillende bedrijven ten tijde van de uitspraak van de Europese Commissie. In dertien van de twintig gevallen bleek de cumulatieve abnormale return negatief. Hiervan ondervonden de acht bedrijven met de grootste boete allen een negatieve abnormale return. Bij Michelin en Carbone Lorraine waren de negatieve abnormale returns significant bij een significantieniveau van vijf procent Bij de positieve abnormale returns lijken, in tegenstelling tot bij de inval, Peugeot en Volkswagen niet te worden afgestraft voor de uitspraak en ondervinden de koersen weinig abnormale returns. Kyowa lijkt positief vanwege goed nieuws vlak voor de uitspraak. Mogelijk , betreft het een patentaanvraag de dag voor de uitspraak die in het nieuws is gekomen. Op de dag voor de uitspraak is een positieve abnormale return van ruim vijf procent gevonden. Sotheby’s ondervindt de dag voor en twee dagen na de uitspraak grote positieve uitslagen.
Tabel 4 Cumulatieve abnormale opbrengsten per bedrijf ten tijde van de uitspraak
Bedrijf Cumulatieve abnormale return P-waarde Standaard deviatie Daiichi Sankyo -3,39% 0,217 0,043 Group Danone -2,17% 0,346 0,055 Michelin -7,68% 0,039** 0,043 Tate & Lyle 0,65% 0,435 0,039 Erste Bank 1,46% 0,344 0,037 Archer Daniels Midland -4,77% 0,158 0,048 Microsoft 0,22% 0,470 0,029 General Motors -3,34% 0,293 0,061 Volkswagen 5,87% 0,119 0,050
Peugeot 1,71% 0,211 0,021
Kyowa Hakko Kogyo 10,05% 0,184 0,112
Sotheby 6,20% 0,129 0,055
Minoan Lines -8,06% 0,168 0,084 Hanjin shipping -2,40% 0,413 0,109
Lafarge -1,95% 0,321 0,042
Nippon Soda Company -2,03% 0,388 0,071
Kme -4,01% 0,142 0,037
SGL Carbon -1,86% 0,411 0,083 Carbone Lorraine -12,42% 0,016** 0,058
Kme -7,10% 0,151 0,069
** significant met een significantieniveau van 5 % *Significant met een significantieniveau van 10 %
Tabel 5 Cumulatieve abnormale opbrengsten per dag ten tijde van de
uitspraak
Dag Cumulatieve gemiddelde abnormale return Gemiddelde abnormale return P-waarde Standaard deviatie
-2 -4,61% -0,23% 0,330 0,005 -1 -9,13% -0,46% 0,192 0,005 0 -17,16% -0,86% 0,051* 0,005 1 -21,35% -1,07% 0,021** 0,005 2 25,43% 1,27% 0,008** 0,005 3 -0,75% -0,04% 0,528 0,005 4 2,61% 0,13% 0,402 0,005 5 -10,06% -0,50% 0,169 0,005 Totaal -35,01% -1,75% 0,103 0,014
** significant met een significantieniveau van 5 % *Significant met een significantieniveau van 10 %
De twintig bedrijven in onze dataset, ondervonden een negatief cumulatief abnormale return over de acht dagen van ruim 35 procent, wat neerkomt op 1.75 procent per bedrijf. Een waarde die net niet significant is bij een significantieniveau van tien procent. De bedrijven die geen onverwachte inval hebben gehad van de Europese Commissie ondervonden een negatief cumulatief resultaat van bijna 3,5 procent en was significant bij een significantieniveau van vijf procent (tabel 11 Appendix).
5.3 Uitspraak hoger beroep
Figuur 3 Cumulatieve abnormale opbrengsten per bedrijf ten tijde van het hoger beroep
Figuur 3 en Tabel 6 geven de cumulatieve abnormale returns weer van de verschillende bedrijven ten tijde van de uitspraak van het hoger beroep. Daiichi Sankyo, Michelin, Archer Daniels Midland, Microsoft, Kyowa Hakko Kogyo en Minoan Lines behielden dezelfde boete. Bij Group Danone werd de boete verlaagd van 44 naar 42,4 miljoen, bij Tate en Lyle verlaagd van 7 naar 5,6 miljoen, bij de Erste Bank verlaagd naar 0, bij General Motors van 43 naar 35,48 miljoen, bij Hanjin Shipping verlaagd naar 0 en bij SGL Carbon verlaagd van 80,2 naar 69,11 miljoen. In vier van de tien gevallen werd een negatief cumulatief abnormale return gevonden, waarvan de negatieve return van Archer Daniels Midland en Tate en Lyle en het positieve return van Hanjin Schipping significant zijn gebleken bij een significantieniveau van tien procent.
Tabel 6 Cumulatieve abnormale opbrengsten per bedrijf ten tijde de uitsprak van het hoger beroep
Uitspraak hoger beroep Cumulatieve abnormale return P-waarde Standaard deviatie Daiichi Sankyo 1,12% 0,396 0,043 Group Danone -0,08% 0,493 0,045
Michelin 0,44% 0,469 0,058
Tate & Lyle -9,19% 0,067* 0,061
Erste Bank 0,29% 0,468 0,036
Archer Daniels Midland -8,80% 0,080* 0,063
Microsoft -1,93% 0,237 0,027
General motors -1,27% 0,348 0,033
Volkswagen 1,31% 0,403 0,053
Kyowa Hakko Kogyo 1,07% 0,406 0,045 Minoan Lines -3,40% 0,327 0,076 Hanjin Shipping 13,59% 0,059* 0,087 SGL Carbon -2,65% 0,365 0,077
Totaal -9,49% 0,322 0,016
** significant met een significantieniveau van 5 % *Significant met een significantieniveau van 10 %
Tabel 7 geeft de cumulatief abnormale (gemiddelde) returns weer per dag ten tijde van de uitspraak van het hoger beroep. Op de dag van de uitspraak is een significante negatieve abnormale opbrengst gevonden, bij een significantieniveau van vijf procent. Op de dag van uitspraak is er alleen bij Kyowa Hakko Kogyo een positieve abnormale return gevonden. De dag voor en de dag na de uitspraak zijn bij Tate en Lyle grote negatieve abnormale returns te vinden. Op dag twee en vier zijn bij Hanjin hoge positieve abnormale returns te vinden.
Tabel 7 Cumulatieve abnormale opbrengsten per dag ten tijde van de uitspraak van het hoger beroep
Dag
Cumulatieve gemiddelde abnormale return
Gemiddelde abnormale
6. Conclusie
In dit onderzoek is gebruik gemaakt van het standaard marktmodel om het effect op beurskoersen te berekenen in het geval van oprollen van kartels en het misbruiken van marktmacht. Het blijkt dat de eerste onverwachte inspectie in opdracht van de Europese Commissie een sterke koersdaling teweegbrengt. Deze significante cumulatieve koersdaling bedraagt bijna twee procent per bedrijf voordat de onverwachte inval plaatsvindt en dus het moment van bekend worden van het kartelonderzoek. Deze koersdaling is statistisch significant. Op de dag van de inval wordt een negatieve en significante koersdaling gevonden van bijna een procent en de dag na de inval wordt wederom een significantie koersdaling gevonden.
Hoewel er verwacht kan worden dat er bij de bedrijven die al een onverwachte inspectie hebben ondervonden en waarvan dus al bekend is dat er kans is op een veroordeling, blijkt de uitspraak vaak nog te leiden tot een daling van de beurskoers. Voor de hele groep bedrijven wordt een koersdaling per bedrijf gevonden van bijna 1,8 procent, deze is echter niet significant. Voor de groep bedrijven waar echter nog geen onverwachte inspectie is uitgevoerd vinden we een statistisch significante koersdaling van bijna 3,5 procent.
Het hoger beroep zorgt bij een groot aantal bedrijven voor een koersdaling, met een statistisch niet significante gemiddelde cumulatieve daling van ruim 0,7 procent en voor de bedrijven met een gelijke boete een significante gemiddelde cumulatieve daling van de boerskoers van bijna twee procent. Echter op de dag van uitspraak wordt er slechts een daling gevonden van 0,3 procent. Als we kijken naar de hele groep bedrijven blijkt ook dat alle bedrijven, uitgezonderd Kyowa Hakko Kogyo, een negatieve abnormale koersdaling ondervinden op de dag van uitspraak van het hoger beroep. De bedrijven met een boetevermindering ondervinden een cumulatief abnormale koersstijging van 2 procent, wat neerkomt op bijna 0,3 procent per bedrijf.
vindt voor de verrassingsinval een ongeveer gelijk abnormale koersdaling van twee procent, ook vinden zij een koersdaling van één procent op de dag van bekend worden. Voor de uitspraak door de Europese commissie vinden zij een negatieve cumulatieve koersdaling van 3,3 procent, wat ongeveer overeenkomt met de gevonden resultaten in dit onderzoek. Voor de beslissing in hoger beroep en bij geen verlaging van de boete hebben Langus en Motta (2007) een cumulatieve daling van 1,4 procent gevonden, welke ongeveer een half procent lager is dan de gevonden resultaten in dit onderzoek, bij een vermindering van de boete vinden zij een koersstijging van 2,3 procent, welke iets hoger is dan de resultaten gevonden in dit onderzoek.
Strachan (1983) vond een daling van 2,5 procent in de dag voor het bekend worden, dit onderzoek vond echter bij de uitspraak van de Europese Commissie een kleinere daling van 0,8 procent over de bedrijven waar geen inval was gedaan, wat dichter bij de bevinding van Bosch en Eckard (1991) lag, met een abnormale beurskoersdaling de dag voor de uitspraak van 1,08 procent. Een reden voor het verschil kan liggen in het vroegtijdig uitlekken van het nieuws in de VS.
7. Verder onderzoek
Het meeste gepubliceerde onderzoek over kartels en misbruik van marktmacht is, zoals eerder te lezen viel, gericht op bepaalde specifieke theoretische factoren die worden beschreven door middel van modellen. Dit is logisch, omdat er in veel gevallen geen data beschikbaar is. Het effect van kartelvorming op de beurskoersen van een bedrijf is in dit onderzoek onder de loep genomen. Dit onderzoek richt zich op het marktmodel, echter uit de bestaande portfolio theorie is gebleken dat multifactor modellen19 een toegevoegde waarde kunnen hebben op het beschrijven van de effecten die van belang zijn op de beurskoersen. Het effect van het gebruiken van multifactor modellen zou een betere beschrijving kunnen geven van de verwachte returns en zo het effect van het oprollen van kartels nog beter en misschien significanter kunnen beschrijven. Een tweede factor die toch zwaar blijkt te wegen in dit onderzoek, zijn bepaalde koersschommelingen rond het moment van het oprollen van het kartel. Deze verstorende effecten zouden opgelost kunnen worden door een grote dataset te gebruiken. Echter, er van uitgaande dat dit nog wel een aantal jaren op zich laat wachten, is het aan te raden de gevallen per zaak te bekijken en zo de verstorende factoren proberen te elimineren. Een tweede mogelijkheid is om de dataset te vergroten door de zaken wereldwijd te combineren en te onderzoeken. Nadeel is echter dat de wetgeving omtrent kartels, maar ook het hele juridische systeem tussen landen verschilt. Ook bestaat er nog de mogelijkheid om te kijken wat de verandering van de wetgeving binnen Europa gedaan heeft met de beurskoersen in bepaalde sectoren waar het gebruikelijk was om kartels te vormen. Het zal echter niet makkelijk worden om hierin een bepaalde datum aan te geven omdat wetten niet op één dag geschreven worden. Het zal daarom belangrijk zijn om een langere meetperiode te nemen. Het onderzoek naar het effect van kartels op beurskoersen staat echter in haar kinderschoenen en vooral binnen Europa dient nog meer onderzoek gedaan te worden vanwege de korte periode van wetgeving.
8. Referenties
Aubert, C., Rey, P., Kovacic, W.E.(2006), “The impact of leniency and whistle-blowing programs on cartels”, International Journal of Industrial Organization, Vol 24, No 6, pp. 1241–1266.
Bizjak, J.M., Coles, J.L.(1995), "The Effect of Private Antitrust Litigation on the Stock-Market Valuation of the Firm", American Economic Review, Vol. 85, No. 3, pp. 436-461. Bosch, J.C., Eckard, E. W. Jr.(1991), “The Profitability of Price Fixing: Evidence From Stock Market Reaction to Federal Indictments”, The review of Economics and Statistics, Vol 73, No 2, pp. 309–317.
Ellert, J. C. (1976), “Mergers, Antitrust Law Enforcement and Stockholder Returns”, The Journal of Finance, Vol. 31, No. 2, pp 715-732.
Fama, E.F., French, K.R. (1992), “The cross-section of expected stock returns”, Journal of Finance, vol 47, No 2, pp 427-465.
Garbade, K. D., Silber, W.L., White, L.J. (1982), “Market Reaction to the Filing of Antitrust Suits: An Aggregate and Cross-Sectional Analysis”, The Review of Economics and Statistics, Vol. 64, No. 4, pp. 686-691.
Hindeloopen, J. (2003) “An Economic analysis of leniency programs in antitrust law”, De Economist, 151, No 4, pp. 415-432.
Kroes, N., (2006), “Delivering on the crackdown: recent developments in the European Commission's campaign against cartels”, The 10th Annual Competition Conference at the European Institute Speech: Fiesole 13th October
Langus, G., Motta, M. (2007) “The Effect of EU antitrust investigations and fines on a Firm’s Valuation”, Discussion paper series, No 6176, Centre for economic policy research
Levenstein, M. C., Suslow V.Y.(2006) “What Determines Cartel Success?”, Journal of Economic Literature, Vol. 44, No, 1, pp. 43-95.
Mackinlay, C. A. (1997), Event Studies in Economics and Finance, Journal of economic Literature, Vol. 35, No1, p13-39.
Motta, M. (2004) “Competition Policy: Theory and Practice”, Cambridge University Press, Cambridge
Rotemberg, J.J., Saloner, G. (1986), “A supergame-Theoretic Model of Price Wars during Booms”, The american economic review, Vol 76, No 3, pp 390-407.
Stigler, G.J. (1964) “A Theory of Oligopoly”, The Journal of Political Economy, Vol 72, No1, pp 44-61.
Saunders, A., Allen, L. (2002), “New approaches to value risk and other paradigms”, John Wiley & Sons inc, New York
Stocking, G.W., Watkins, M.W. (1947), “Cartels in Action, case studies in international business Diplomacy” Stratford Press, New York
Strachan, J.L., Smith, D.B., Beedles, W.L. (1983), “The price reaction to (alleged) Corporate Crime”, The Financial Review, Vol 18, No 2, pp. 121-132.
Symeonidis, G. (2003), “In which industries is collusion more likely? Evedidence from the UK”, Journal op industrial economics, Vol 51, No 1, pp 45-74
Websites
D&B Hoovers: http://www.hoovers.com/
European Commission: http://ec.europa.eu/
European Court of Justice: http://curia.europa.eu/
Yahoo Finance: http://finance.yahoo.com/
Nu.nl: http://www.nu.nl
Data
