FNCE 435 – Empirical Finance

Fall 2021

Individual Assignment (Section IV)

Examining Stock Splits

A stock split occurs when the company increases the number of shares that are outstanding by issuing more shares to current shareholders. For example, say a company has 1,000 shares outstanding. A decision to split the stock 2-for-1 means 2 shares are created out of each share. Another way to say this is that the split carries a split factor of 1, meaning one extra share for each existing share. After the split, there will be 2,000 shares outstanding and each shareholder will hold post-split twice as many shares as held before the split.       Of course, a stock split per se should not change the value of the company. In fact the share price is adjusted such that the value ofthe company after the split is the same as before the split. Say in our example above that each share was priced at $10 before the split. Since there were 1,000,000 shares outstanding, the market value of equity for the company was 1,000,000*$10=$10,000,000. Since each share is split into two shares, the price is split in half, from $10 to $5, so that the overall holdings of shareholder remains the same. In particular, the market value of equity after the split is 2,000,000*$5=$10,000,000.              The  dataset  “d_split.sas7bdat”,  available  on  Canvas,  contains  data  on  every  first announcement of stock split per company between 2000 and 2016. (If a company splits its stock more than once in the period, only the first split appears in the sample.)

Each row of the dataset identifies a different stock split announcement. The first few variables ofthis worksheet are:

PERMNO: the CRSP identifier for the company announcing the split;

COMNAM: the name ofthe company announcing the split;

DCLRDT: the date the stock split was announced;

FACPR: the split factor—defined as the number of extra shares a shareholder gets for each owned share. For example, FACPR=1 implies a 2-for-1 stock split; and

PRCAFT: the predicted price of each share after the split takes place, defined as the share price before the announcement divided by (1+FACPR).

Figure 1 shows some observations in the sample of announcements of stock splits. The first row refers to the announcement on January 3rd, 2000 by Asyst Technologies that it would split its stock with a split factor (FACPR) of 1, implying a 2-for-1 split ratio. Given the price of each share the day before the announcement, the predicted effect of the split, if the split were to occur immediately with the announcement,  is that the price would be $32.78 per share (that is, the price of each share the day right before the announcement was 2*$32.78=$65.56).

PERMNO  COMNAM                                                DLCRDT   FACPR   PRCAFT

1      79568

2      79879

3      86211

…          …

ASYST TECHNOLOGIES INC                1/3/2000          1            32.78  J D S UNIPHASE CORP                          1/3/2000          1            80.66  MICROSTRATEGY INC                          1/4/2000          1            104.25

…                                       …              …              …

Figure 1: A few data points on the stock split announcement data

There are three questions that you will examine with respect to stock splits:

I.      Do stock splits have valuation implications? You will examine how markets react to the company’s decision to split the stock.

II.      What are the determinants of market reactions to stock split announcements? In part I, one examines if markets react to the announcements, while here you examine in a regression framework what are the determinants of the market reactions to such announcements.

III.      What characteristics seem to drive the decision to split a stock?

Part I: Valuation Implications

We start our investigation by answering question I above:

Do stock splits have valuation implications? You will examine how markets react to the company’s decision to split the stock.

At face value, stock splits should carry no meaning, since nothing changes fundamentally about the company. Having 1,000.000 shares priced at $10 or 2,000,000 shares priced at $5 does not change the value of the company, nor its capacity to run its business. So, the null hypothesis is that markets should not react to the announcement that a company will split its stock.

On the other hand, there are many reasons to believe a stock split may carry real outcomes. For example, splitting a stock may increase its trading liquidity. In the example above of a 2-for-1 split on a stock initially priced at $10, if there a minimum lot of shares to be traded, for example, 200 shares, the minimum amount one would need to invest to buy these shares would be 200*$10=$2,000 before the split but  only 200*$5=$1,000 after the split. This can improve the investors’ ability to trade, and thus the trading liquidity.1 There might be a signaling effect as well—the idea that the management ofa company, by initiating a stock split, is signaling its confidence in the future of the company. Given that some stock

1 A notable example of this story is Berkshire Hathaway, whose Class A shares have never had a stock split. The price of each share as of June 2080 was $282,040.00. In this case, as expressed by Warren Buffett, the absence of splits has the intention to reduce trading volume.

exchanges require listed stocks to maintain a trading price above some threshold ($1 for NYSE), reducing the share price brings the risk that further reductions take the price below that threshold, thus forcing the stock to be delisted. Both stories point to stock splits as carrying good news about the company.

In this part of the project, you will examine how markets react to announcements of stock splits. You will address this question through event studies—employing the technique covered in module 4. For each announcement of stock split, you examine the pattern of abnormal and cumulative abnormal returns over the  11-day window (relative days –5 through +5) around the announcement day (variable DCLRDT).

For the definition of abnormal return, use the constant-mean return model—that is, define abnormal return as the stock raw return (the variable RET in the CRSP dataset DSF, located in “/wrds/crsp/sasdata/a_stock”) minus the average return of the company’s stock. For an announcement of a stock split of company i at time t, define average return as the average of the variable RET for company i over the window [t – 365, t – 20]—that is, from 365 calendar  days  before  the  announcement  date  up  to  20  calendar  days  before  the announcement date. Important: notice that the abnormal return here is differentfrom the abnormal return used in module 4. In module 4 we employed the market-adjusted return model while here we use the contant-mean return model.

There are two event studies to be analyzed. In the first event study, you analyze the full sample of stock split announcements. Prepare a table showing average abnormal returns, t-stats and p-value for 11-day window around announcements. Also create a graph showing the pattern of average cumulative abnormal returns over the same 11-day window. Then discuss  how  the  markets  interpret  the  announcements  of stock  splits.  Anchor  your inferences  on  formal  hypotheses  testing.  Finally,  examine  whether  markets  respond efficiently  to  news  in  such  announcements.  (For  this  you  can  assume  that  some announcements happen after the close of the market—that is, market reactions to such announcements could happen up to one day after the event date.)

One concern of our study is that some announcements of stock splits come with further news of increase in dividends. Therefore, the pattern of market reactions to stock splits may in fact derive from the dividend news. We will examine this idea. Your dataset on stock splits shows two other variables that record whether the announcement of stock split also  comes  with  announcements  of dividend  increase  (variable  DIVUP=1)  or  with announcements of dividend decrease (variable DIVDOWN=1). For example, Figure 2 shows that Alcoa announced on Jan 10, 2000 that it was splitting its stock and (because DIVUP=1) also increasing its dividend payments.

PERMNO  COMNAM                                              DLCRDT   FACPR   PRCAFT   DIVUP    DIVDOWN

…         …

9     82810

10     24643

…         …

…

GLOBIX CORP

ALCOA INC

…

…

10-Jan-00 10-Jan-00

…

…

1

1

…

…

34.06

42.31

…

…

0

1

…

…

0

0

…

Figure 2: More data points on the stock split announcement data

The idea is to isolate the reactions to stock splits announcements from any effects of news of dividend increases. For this, the second event study focus on the announcements of stock splits that did not come with dividend announcements. That is, the sample ofyour second

event study includes the observations in the splits dataset that satisfy the condition that DIVUP=0 AND DIVDOWN=0. For this new sample, repeat the event study analysis. Use the same methods and types of outputs prescribed for the first event study. Then conclude by extracting inferences from this second event study.

Part II: More on Valuation Implications

Next step is to understand the market reactions to announcements of stock splits. This refers to the question II above:

What are the determinants of market reactions to stock split announcements? In partI, one examines if markets react to the announcements, while hereyou examine in a regression framework what are the determinants of the market reactions to such announcements.

We want to be able to quantify the effect of the announcement on market reactions: the stronger the signal in an announcement, the more pronounced  should be the market reaction.

How to define the strength of a split? If splits are considered good news because splitting the shares results in a lower share price, thus improving liquidity, then bigger reductions in share price would lead to bigger increase in liquidity. The split factor FACPR could be such a measure of strength. A FACPR=1 implies a 2-for-1 split with post-split price equivalent to ½ of the initial price, a FACPR=2 implies A 3-for-1 and a post-split price equal to 1/3 of the initial price, and so on. Thus the higher the FACPR, the stronger the signal.

But FACPR is incomplete measure ofthe strength ofthe split. What really matters for the liquidity of a stock is the share price that results from the stock split (call it PRCAFT), and that variable depends on both the split factor and the share price before the announcement. For example, take two stocks, A and B, such that FACPR is 1 for stock A and 2 for stock B. Each share of A was priced at $100 before the announcement of its split, while each share     of    B     was     priced     at     $200     because     its     announcement.     Then, PRCAFTA=$100/(1+1)=$50 and PRCAFTB=$200/(2+1)=$66.67. In this example, the split factor of B was larger than that of A but A’s final share price was smaller than that of B. Likewise, a lower final share price would be a better indication of manager’s confidence in the company’s future prospects. In sum, markets would be more responsive to the announcement of stock split by company A because of a lower share price resulting from its split.

We thus want to examine the relation between the strength of a stock split announcement, measured by its PRCAFT, and market reactions around the announcement. The event study does not address this question because it pools together all announcements, disregarding the information about the announcements’ characteristics (in particular, information about the strength of the split).

For that, one needs a regression framework that relates the market reaction with the information in the stock split announcement. The left-hand side variable (named CAR) is defined as the cumulative abnormal return from relative day 0 (the announcement day) to

relative day +1 (the day after the announcement). This variable can be obtained from the data used to analyze the event study in part I.

The main explanatory variable in the regression is LPRCAFT, defined as the natural logarithm ofPRCAFT. The variable PRCAFT is already collected for you and is available in the stock split dataset; all that you need to do is to define LPRCAFT=log(PRCAFT). Notice, thus, that our objective is to examine how rates of change in PRCAFT affect the response to the announcement of a stock split. The idea is thus to run a regression as

C AR i 0 1LPRCAFT i i

Please collect the results ofthe regression, then analyze whether LPRCAFT and CAR are related, and, if so, what is the magnitude ofthe effect ofLPRCAFT on the market reaction to the company’s stock price.

(You can startpartII even without concludingpart I. The dataset “d_split_car.sas7bdat”, available on Canvas, contains a measure of the CAR variable generated by the instructor. Each row of this dataset has the variables PERMNO, DCLRDTand CAR, so thatyou can combine this dataset with the stock splits dataset in order to obtain the CAR measurefor each stock split announcement.

The CAR measure in “d_split_car.sas7bdat” is not exactly the measure you may obtain from your event study, and thus should not be used to evaluate whetheryou event study is correct. However, the CAR measure in this dataset is close enough to the true measure and can be employed as a starting pointforyour analysis in part II.

If you do not conclude part I, you can still rely on the supplied measure of CAR to finish part II; otherwise, you should in yourfinal version of part II employ the CAR measure extractedfromyour own event study.)

However, the problem with inferences from the simple regression model above is that we  may need to control for other potential determinants of market reactions. Since the model  aims at explaining returns, we may need to control for other determinants ofreturns, such  as the CAPM’s beta and company size. One can quickly build up stories that leaving these  out of the model may bring the wrath of the omitted variable bias. For example, perhaps  LPRCAFT is also related to company size—say, because smaller companies can “restart” trading from a lower value of share price. If smaller companies have lower returns, then  this size effect might be biasing the results of a regression model that omits size from the  set of explanatory variables.

To avoid the perils of the omitted variable bias, the idea is to run a multiple regression model, as in

C ARi 0 1LPRC AFTi 2SIZEi 3BE TAi 4RO Ai 5D IV UPi i where the other control variables in the model are described here:

SIZE: the natural logarithm of the market value of equity of the company splitting its stock, measured 12 months before the announcement. Market value of equity is defined  as  MVE=abs(PRC)*SHROUT,  where  both  PRC  (stock  price)  and SHROUT  (shares  outstanding)  are  variables  available  in  the  CRSP  dataset “msf.sas7bdat” (located in “/wrds/crsp/sasdata/a_stock”). Ifthe announcement date

(DCLRDT) happens at month m in year y, collect MVE as ofmonth m ofyear y –

1.

BETA: the beta of the company’s stock. The information is available on the stock splits dataset.

ROA: the proxy for company performance, call it ROA, is defined as the average return on assets for the company in the three years preceding the year of the announcement  of the  stock  split  (that  is  between  YEAR(DCLRDT)  –  3  and YEAR(DCLRDT) – 1). Return on assets is defined as net income (variable NI in Compustat dataset FUNDA, located at “/wrds/comp/sasdata/nam”) divided by total assets     (variable     AT     in     compustat     dataset     FUNDA,     located     at “/wrds/comp/sasdata/nam”).

DIVUP: perhaps the market reaction is not due to the stock split but rather to announcement of dividend increase that may occur simultaneously. Therefore, please add the dummy for whether there is an announcement of dividend increase. This variable is available on the stock splits dataset.

Given that many of these variables are new, it is a good idea to create a summary statistics of the variables involved in this study. You can also create a correlation table involving them. Having the summary statistics and the correlation table, discuss whether the concerns about the omitted variable bias are warranted.

One can learn a lot from the regression results. In particular, you should address the following items:

For each of the control variables in the regression, discuss whether it is related to market reactions to the announcement. If so, please discuss the magnitude of the effect.

Discuss the R2 of the model. What does the R2 represent here? (You should present the adjusted-R2.)

Discuss whether the residuals in the model are homoscedastic or not. That is, implement  the  White  test  and  conclude  whether  you  should  worry  about heteroscedasticity.  If you  end  up  worrying  about  heteroscedasticity,  use  the heteroscedasticity-consistent standard errors in your inferences.

In your last step, examine a possible nonlinearity in the multiple regression model above, in that the effect of PRCAFT on market reactions depends on company size. That is, add the variable LPRCAFT_SIZE=LPRCAFT*SIZE in the model, rerun the regression, and discuss the inferences you learn from the interaction effect (i.e., reexamine the effect of PRCAFT on market reactions).

Part III: Determinants of the Decision to Split a Stock

This part of the project will examine the determinants of a company’s decision to split a stock. The idea is to look at a company that announced a stock split and compare it with a company that did not announce a split. The comparison takes places the year before the announcement occurs. Thus, each company announcing a split in the stock splits dataset is randomly matched to another company and another date such that this other company had not decided to split its stock around that other date. Examples appear in Figure 3.

Take the first record. We know already know that Asyst Technologies (PERMNO=79568) announced   on   January   3rd,   2000   that   it   would   split   its   stock.   The   variable MATCHED_PERMNO contains the identifier of a second company that did not split its stock in the same year as of MATCHED_DCLRDT. Thus, the company with permanent number  10019  did not  announce  a  stock  split  on January  15, 2008  (nor in the year surrounding that date). Similarly, the company with permanent number 79879 announced a stock split in January 3, 2000, but the company with permanent number 79080 did not announced a split in January 24, 2000.

PERMNO  COMNAM                                   DLCRDT     …     MATCHED_PERMNO    MATCHED_DCLRDT     …

1     79568

2     79879

3     86211

…         …

ASYST TECHNOLOGIES INC    1/3/2000      …                    10019                              1/15/2008                … J D S UNIPHASE CORP              1/3/2000      …                    79080                              1/24/2000                … MICROSTRATEGY INC              1/4/2000      …                    89245                              2/21/2002                …

…                                …           …                       …                                       …                     …

Figure 3: More variables in the stock split announcement data