This study focuses on initial public offerings (IPOs), which are the process of making a company's shares available for public trading on a stock market. Despite global uncertainties in recent years, there has been a high demand for company listings in the market. Many IPOs have experienced a positive trend in share prices on the first day of trading as a publicly traded company.The objective of this study is to develop a multiple linear regression model to analyze the impact of various parameters on the first day return of IPOs. The generated model will be evaluated to create a reduced model with an optimal subset of variables. The study will specifically focus on IPOs listed on some Nordic marketplaces during the period 2017-2022.The results of the study suggest that the created models are not effective in capturing the variance of first day returns. The deficiency of the created models is likely due to both the complexity of the stock market and the difficulties of quantifying and capturing some of the factors impacting the initial performance of IPOs. However, the reduced model performs slightly better and indicates that variables such as NGM SME, First North, PreSubscribed, and AmountNewlyIssued explain most of the variance in the response variable. / Denna studie fokuserar på börsintroduktioner (IPO), processen i vilken ett företags aktier görs tillgänglig för allmän handel på börsen eller en annan marknadsplats. Trots omfattande globala osäkerheter under de senaste åren, så har efterfrågan på börsnoteringar varit hög. Många av dessa IPOs har upplevt en positiv aktietillväxt under första dagen som ett publikt handlat bolag.Målet med rapporten är att utveckla en multivariat linjär regressionsmodel med syfte att analysera påverkan olika variabler har på aktieprisets utveckling under första dagen som ett noterat bolag. Modellen kommer därefter utvärderas och en reducerad modell innefattande en optimal kombination av variabler kommer genereras. Rapporten kommer specifikt undersöka noteringar gjorda under perioden 2017-2022.\\Resultatet av studien visar på stora brister i modellernas prestationsförmåga. Troligen grundar sig deras oförmåga i både aktiemarknadens komplexitet samt svårigheter i att kvantifiera och fånga relevanta faktorer som påverkar de initiala aktieprisfluktuationerna efter en IPO. Den reducerade modellen presterar dock något bättre och indikerar att variabler som NGM SME, First North, PreSubscribed och AmountNewlyIssued förklarar det mesta av variansen i den beroende variabeln.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-342939 |
| Date | January 2023 |
| Creators | Johnsson, Daniel, Caddeo, Matilda |
| Publisher | KTH, Matematisk statistik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-SCI-GRU ; 2023:253 |
Page generated in 0.008 seconds