Upload
lamnhi
View
231
Download
0
Embed Size (px)
Citation preview
Örebro Universitet
Handelshögskolan
Kandidatuppsats
Handledare: Dan Johansson
Examinator: Conny Johanzon
HT 2014
På skattjakt med Piotroski
- Ett försök att nå överavkastning genom fundamental analys
Ellinor Engström 840116
Alexander Fors 910126
Johnny Waldemarsson 910317
Abstract
The Efficient Market Hypothesis states that it is highly unlikely for an investor to consistently
beat the market because all relevant information is already incorporated in the stock prices.
An efficient market is thus a market that rapidly adjusts to new information. The Efficient
Market Hypothesis consists of three gradual degrees, whereas in its strongest form, all
information is reflected. The theory is, however, highly disputed. The aim of this paper is to
examine whether it is possible to generate abnormal returns through the use of fundamental
analysis. The primary focus is on Value Investing and on the evaluation of the F_SCORE
model, initially developed by Joseph Piotroski (2000) and further adjusted by Rados & Lovric
(2009). The model, which is originally designed to fit the conditions of the American Stock
Market, is tested on the Stockholm Stock Exchange during the period 2004-2014. By forming
fictive portfolios and calculate the alterations generated by a 1- respectively a 2-year Buy-
and-Hold strategy, we evaluate whether the models generate positive market adjusted returns.
This by comparing them to the OMXS_PI benchmark where all companies listed on Small
Cap, Mid Cap and Large Cap are represented. We also test the models correlation with
abnormal returns statistically. All portfolios generated, on average, positive market adjusted
returns. The results show that it is possible to earn abnormal returns by using Piotroski’s and
Rados & Lovric’s models for fundamental analysis on the Swedish Stock Market during the
period and therefore suggests that the efficient market hypothesis would not have operated in
its strongest or semi-strongest form during the period.
Keywords: Efficient Market Hypothesis (EMH), Anomalities, Behavioral Finance, Fundamental Analysis, Value Investing, Book-to-Market,
Joseph Piotroski, F_SCORE, Rados & Lovric, OMXS_PI, Abnormal returns.
Innehåll
Inledning ....................................................................................................................................................... 6
1.1 Bakgrund och problemformulering ................................................................................................... 6
1.2 Frågeställning ..................................................................................................................................... 8
1.3 Syfte .................................................................................................................................................... 8
1.4 Disposition .......................................................................................................................................... 8
Litteraturgenomgång.................................................................................................................................... 8
2.1 Effektiva marknadshypotesen ............................................................................................................ 9
2.2 Marknadsanomalier och Behavioral Finance ................................................................................... 10
2.3 Fundamental analys med utgångspunkt i finansiella rapporter ...................................................... 11
2.4 Book-to-Market som investeringsstrategi ........................................................................................ 12
2.5 Värdeinvestering och risk ................................................................................................................ 14
2.6 Piotroskis modell .............................................................................................................................. 15
2.6.1 Finansiell prestation/lönsamhet ............................................................................................... 16
2.6.2 Skuldsättningsgrad, finansieringskällor och likviditet ............................................................... 17
2.6.3 Operationell effektivitet ............................................................................................................ 18
2.7 F_SCORE-modellens begränsningar ................................................................................................. 19
2.8 En vidareutveckling av F_SCORE ...................................................................................................... 20
Metod ......................................................................................................................................................... 21
3.1 Övergripande beskrivning av tillvägagångssätt ................................................................................ 21
3.2 Datagenerering ................................................................................................................................. 21
3.3 Databeredning och bortfallshantering ............................................................................................. 22
3.4 Portföljsammansättning ................................................................................................................... 23
3.4.1 Book-to-Market ......................................................................................................................... 24
3.4.2 F_SCORE .................................................................................................................................... 24
3.4.3 Rados & Lovrics modeller .......................................................................................................... 25
3.5 Analysmetod ..................................................................................................................................... 27
3.6 Åtgärder för förbättrad kvalitet ....................................................................................................... 30
3.7 Metodkritik ....................................................................................................................................... 31
Empiriska resultat ....................................................................................................................................... 33
4.1 Book-to-Market ................................................................................................................................ 33
4.2 F_SCORE ........................................................................................................................................... 35
4.3 A_SCORE ........................................................................................................................................... 37
4.4 B_SCORE ........................................................................................................................................... 39
4.5 C_SCORE ........................................................................................................................................... 41
4.6 Modellernas korrelationer med överavkastning .............................................................................. 43
4.7 Deskriptiv statistik ............................................................................................................................ 43
4.8 Kortfattad sammanfattning av det empiriska resultatet ................................................................. 44
Analys och diskussion ................................................................................................................................. 45
5.1 Har marknaden varit effektiv?.......................................................................................................... 45
5.2 Är fundamental analys effektiv för att ta tillvara på marknadsanomalier? ..................................... 46
5.3 Existerar Book-to-Market effekten? ................................................................................................. 46
5.4 F_SCORES tillämpning på den svenska marknaden ......................................................................... 48
5.5 Lyckas Rados & Lovric förbättra den ursprungliga strategin? .......................................................... 49
5.6 Portföljernas avkastning ur ett riskperspektiv ................................................................................. 49
5.7 Skillnader i tidshorisont .................................................................................................................... 50
Slutsatser .................................................................................................................................................... 50
6.1 Slutsats ............................................................................................................................................. 51
6.2 Praktiska och teoretiska bidrag ........................................................................................................ 52
6.3 Förslag till vidare forskning .............................................................................................................. 53
Referenser .................................................................................................................................................. 54
Tryckta källor .......................................................................................................................................... 54
Elektroniskt material .............................................................................................................................. 54
Appendix ..................................................................................................................................................... 57
Bilaga 1: Ordlista – finansiella och statistiska begrepp .......................................................................... 57
Bilaga 2: Datastream Mnemonics .......................................................................................................... 59
Bilaga 3: H_B/M – Portfölj, Innehav………………………………………………………………………….…………………………….. 60
Bilaga 4: F_SCORE – Portfölj, Innehav/Blankning………………………………………………………………………………........ 61
Bilaga 5: A_SCORE – Portfölj, Innehav/Blankning…………………………………………………………………………….......... 62
Bilaga 6: B_SCORE – Portfölj, Innehav………………………………………………………………………….…………………….…... 63
Bilaga 7: C_SCORE – Portfölj, Innehav/Blankning………………………………………………….…………………………….….. 64
Figurförteckning
Figur 1: Diversifiering och risk .................................................................................................................... 15
Tabellförteckning
Tabell 1: F_SCORE beräkning ...................................................................................................................... 25
Tabell 2: Poängsystem A_SCORE ................................................................................................................ 26
Tabell 3: Portfölj H_B/M ............................................................................................................................. 33
Tabell 4: Regressionsanalys B/M ................................................................................................................ 34
Tabell 5: Portfölj F_SCORE .......................................................................................................................... 35
Tabell 6: Regressionsanalys F_SCORE ........................................................................................................ 36
Tabell 7: Portfölj A_SCORE ......................................................................................................................... 37
Tabell 8: Regressionsanalys A_SCORE ........................................................................................................ 38
Tabell 9: Portfölj B_SCORE ......................................................................................................................... 39
Tabell 10: Regressionsanalys B_SCORE ...................................................................................................... 40
Tabell 11: Portfölj C_SCORE ....................................................................................................................... 41
Tabell 12: Regressionsanalys C_SCORE ...................................................................................................... 42
Tabell 13: Korrelationsmatris ..................................................................................................................... 43
Tabell 14: Deskriptiv statistik ..................................................................................................................... 43
Tabell 15: Sammanfattande tabell över hypotesprövningen ..................................................................... 44
6
Inledning
I det inledande kapitlet ges en problembakgrund utifrån vilken forskningsfråga och syfte
formuleras. Vidare presenteras uppsatsens fortsatta disposition.
1.1 Bakgrund och problemformulering
Inom teorin om den effektiva marknadshypotesen [EMH] görs antagandet att aktiemarknader
är informationseffektiva och att all tillgänglig information därmed återspeglas i aktiekurserna.
Som en konsekvens av detta ska det inte vara möjligt att konsekvent generera avkastning som
överskrider genomsnittlig marknadsavkastning på en riskjusterad1 basis givet den information
som finns tillgänglig (Berk & DeMarzo 2014).
EMH har varit omdebatterad och ifrågasatt ända sedan Fama & French (1969) myntade
begreppet. Frågan om effektivitet på aktiemarknaden är dock synnerligen komplex och
fortfarande råder ingen konsensus. Under 1970- och 1980- talen var forskare tämligen överens
om att aktiemarknaden följer en s.k. Random Walk, d.v.s. inte kännetecknas av ett förutsägbart
mönster och därmed är effektiv till åtminstone någon grad men sedan dess har flera
avvikelser, marknadsanomalier2, uppmärksammats (Fox 2002).
En relativt ny skola som under 1990-talet uppmärksammats på området är Behavioral
Finance vars förespråkare hävdar att aktiemarknaden till stor del styrs av psykologiska
faktorer hos dess aktörer. Enligt Behavioral Finance fattar investerare inte alltid
nyttomaximerande beslut baserade på fakta vilket gör att det konsekvent uppkommer
anomalier på aktiemarknaden (Shleifer 2000). Detta medför att möjligheter till
överavkastning3 uppstår för den som är medveten om och uppmärksam på de anomalier som
uppkommer till följd av andra investerares icke rationella beteende.
Flertalet analysmetoder har skapats i syfte att dra nytta av anomalier genom att utvärdera
vilka aktier som skulle kunna vara temporärt underprissatta. En av dessa är fundamental
analys där ett företags finansiella information i huvudsak granskas för att på så sätt göra en
bedömning av aktiens framtida utveckling (Nilsson et al. 2009). Vidare finns åtskilliga studier
1 Där hänsyn tagits till den risk som antagits för att uppnå avkastningen. 2 Avvikelse från EMH, vilket indikerar att all information inte återspeglas i aktiekurserna. 3 Avkastning högre än referensindexets avkastning.
7
som tyder på att aktier i företag med ett högt Book-to-Market4 värde, även kallat
värdeinvestering, har en tendens att generera en hög avkastning.
Joseph Piotroski, sedan 2010 professor i redovisning vid University of Stanford, utvecklade år
2000 en modell för fundamental analys; Fundamental Signal Score [F_SCORE]. Modellens
syfte är att med hjälp av en enkel analys med utgångspunkt i företags årsredovisningar
utvärdera vilka aktier som bör generera en hög avkastning på ett eller två års sikt. Piotroski
hävdar att han med denna metod har kunnat nå en årlig avkastning på i genomsnitt 23 procent
på den amerikanska aktiemarknaden under tidsperioden 1976-1996, en siffra som motsvarar
mer än det dubbla indexvärdet för S&P 5005.
Rados & Lovric (2009) presenterar en vidareutveckling av Piotroskis F_SCORE. Tre
modeller tas fram med bas i Piotroskis ursprungliga forskning; A_SCORE, B_SCORE och
C_SCORE. Modellerna utvärderas under åren 1997-2006 och är även de testade på
amerikansk aktiedata. Samtliga tre modeller uppvisar i deras studie en högre avkastning än
F_SCORE utan att öka komplexiteten nämnvärt.
Vi anser det intressant att testa Piotroskis F_SCORE samt Rados & Lovrics vidareutveckling
på en annan aktiemarknad än den amerikanska där modellerna utvecklats och prövats. Detta
för att söka visa att Piotroskis modell inte är landsspecifik, utan har en mer generell
applicerbarhet som även sträcker sig utanför USA. Som jämförelseindex används OMXS_PI,
där samtliga företag noterade på Stockholmsbörsen6 finns inkluderade.
Det kan också anses relevant att pröva modellen under en så aktuell tidsperiod som möjligt.
Under 2004-2014 finns både hög- och lågkonjunktur representerade vilket prövar
investeringsmodellens funktion även under olika rådande ekonomiska lägen. Den starka
högkonjunktur som rådde innan den globala finanskrisen år 2007 inkluderas, likaså den
efterföljande perioden av instabilitet och oro för EMU-ländernas ekonomiska situation.
Om marknaden är effektiv, bör det inte vara möjligt att med Piotroskis investeringsstrategi
baserad på en kombination av fundamental analys och värdeinvestering konsekvent erhålla en
högre avkastning än aktiemarknadsindex utan att för den skull ta en högre risk. Om anomalier
4 Bokfört värde i relation till aktiernas totala marknadsvärde. 5 Standard & Poor’s 500; aktieindex över 500 stora aktiebolag börsnoterade i USA. 6 Stockholmsbörsen inkluderar Large Cap, Mid Cap och Small Cap.
8
däremot existerar, vilket förutsätts av förespråkare av Behavioral Finance bör det däremot, i
motsats till vad EMH förutsätter, vara möjligt att generera överavkastning.
1.2 Frågeställning
Med stöd i ovanstående resonemang lyder forskningsfrågan enligt följande: Kan Piotroskis
investeringsstrategi F_SCORE samt Rados & Lovrics vidareutveckling; A-, B- och
C_SCORE överträffa det svenska marknadsindexet OMXS_PI under perioden 2004-2014?
1.3 Syfte
Syftet med denna studie är sålunda att granska huruvida det är genomförbart att med
fundamentala investeringstrategier överträffa OMXS_PI under den tioåriga
undersökningsperioden. För att pröva detta tillämpas Piotroskis F_SCORE-modell samt
Rados & Lovrics A-, B- och C_SCORE-modeller och testas huruvida dessa genererar en
överavkastning på den svenska aktiemarknaden mellan år 2004 och år 2014.
Studien riktar sig främst till personer med intresse för aktiehandel varför en viss
grundläggande förståelse för detta ämne förutsätts. I studien tillämpas statistiska
analysmetoder varför även statistikkunskaper kan anses vara av nytta för att ha möjlighet att
tolka modellerna och därmed tillgodogöra sig innehållet fullt ut.
1.4 Disposition
I kapitel 2 presenteras studiens teoretiska utgångspunkt. I fokus ligger främst olika synsätt på
effektivitet på värdepappersmarknaden och möjligheten till överavkastning genom nyttjandet
av fundamentala analysmodeller. I kapitel 3 beskrivs studiens metod; hur material samlats in
och hur databearbetning genomförts. I kapitel 4 illustreras med hjälp av tabeller och viss
förklarande text studiens empiriska resultat. Resultatet tas sedan vidare till kapitel 5 för analys
och diskussion. Detta utifrån teman vilka formats med utgångspunkt i litteraturgenomgången.
Slutligen, i kapitel 6 redogörs för studiens slutsatser.
Litteraturgenomgång
Inledningsvis beskrivs här den effektiva marknadshypotesen, dess olika nivåer av effektivitet
samt Behavioral Finance som står i kontrast till EMH. Vidare förklaras begreppen
fundamental analys, Book-to-Market och värdeinvestering mer ingående samtidigt som en
överblick ges över tidigare forskning inom dessa områden. Värdeinvesteringsbegreppet
diskuteras även utifrån ett riskperspektiv. Avslutningsvis ges en detaljerad beskrivning av
9
Piotroskis investeringsstrategi, dess begränsningar samt Rados & Lovrics vidareutveckling av
den ursprungliga modellen.
2.1 Effektiva marknadshypotesen
Redan under mitten av 1800-talet uppmärksammades aktiemarknaders slumpmässiga karaktär
av den franska aktiemäklaren Jules Regnault (Kirman 2009). Vidare lade år 1900,
matematikern Louis Bacheliers mastersavhandling från samma land grunden för teorin om en
s.k. Random Walk på finansmarknaden (ibid.). Det skulle dock dröja fram till 1960-talet innan
forskningen om effektiva marknader på allvar tog fart. Detta genom att dessa grundläggande
tankar vidareutvecklades av bl.a. Cootner 1964 i The Random Character of Stock Market
Prices (Kendall 1953). Enligt teorin om Random Walk följer aktiers avkastning ett
slumpmässigt mönster (ibid). Aktiemarknadens framtida rörelser blir därmed oförutsägbara.
Det är därför inte möjligt att förutsäga aktiekursers utveckling på basis av hur kurserna rört
sig historiskt.
Fama et al. (1969) definierar, med utgångspunkt i teorin om Random Walk, begreppet
effektiva marknadshypotesen. En effektiv aktiemarknad beskrivs här som en marknad som
snabbt anpassar sig ny till information. Enligt EMH ska det inte vara möjligt att konsekvent
generera överavkastning på aktiemarknaden. Aktiemarknaden antas nämligen vara
informationseffektiv eftersom den består av ett stort antal rationella, vinstsökande och
riskaverta investerare (Berk & DeMarzo 2014).
Antagandet att investerare agerar rationellt på de finansiella marknaderna har sitt ursprung i
neoklassisk ekonomi och Rational Choice Theory, där begreppet rationalitet är synonymt med
individens vilja att maximera sin individuella nytta, genom att söka maximera sina intäkter
och minimera sina kostnader (Rutherford 1988). I detta fall kan det antas att en rationell
investerare vill ha ut högsta möjliga avkastning på sitt investerade kapital utan att behöva
utsätta sig för en i sammanhanget högre risk. För att uppnå sina preferenser tar den rationella
investeraren alltid logiska och noga övervägda beslut.
På en effektiv aktiemarknad konkurrerar dessa påstått rationella investerare fritt med varandra
genom att estimera det framtida värdet av de olika aktierna (Berk & DeMarzo 2014). När ny
information tillkommer rörande en specifik aktie agerar rationella investerare omedelbart på
denna och därmed korrigeras aktiekursen till att inkludera den nya informationen (ibid.).
10
EMH innebär således att aktiens pris representerar den mest rättfärdigade värderingen av
denna, vid en given tidpunkt, eftersom alla faktorer som påverkar aktien tagits med i
beräkning.
Vidare uppmärksammar Fama et al. (1969) tre olika nivåer av effektivitet. Den effektiva
aktiemarknaden definieras således utifrån tre olika former av effektivitet; svag, medelstark
och stark form. De olika formerna utgör en hierarki vilket innebär att vid stark form verkar
även medelstark och svag form. Svag form av effektivitet kännetecknas av att information om
historiska aktiekurser speglas i aktiens nuvarande kurs (Gavelin & Sjöberg 2012). Detta
innebär att aktiekurser inte kan förutsägas med hjälp av teknisk analys, d.v.s. analys baserad
på historiska aktiekurser. Medelstark form kännetecknas av att aktiekurserna speglar all
publik information som finns tillgänglig (ibid.). Denna form leder till att det med fundamental
analys ej är möjligt att generera riskjusterad överavkastning. Stark form innebär att all
information även privat insider-information7 speglas i aktiepriserna (ibid.). Detta är dock ett
starkt antagande eftersom det i praktiken skulle innebära att det frekvent förekommer olaglig
insiderhandel.
2.2 Marknadsanomalier och Behavioral Finance
Det finns mycket forskning som tyder på att aktiemarknaden inte alls är informationseffektiv.
Redan på 1930-talet erbjöd den välkände nationalekonomen Maynard Keynes ett alternativt
sätt att betrakta de finansiella marknaderna. Keynes såg aktiemarknaden som ett slags kasino
där investerare drivs av kortsiktiga och spekulativa motiv (Bowyer 2013). Den effektiva
marknadshypotesen var dock vida accepterad tack vare Fama & French teorier i slutet av
1960-talet och fram till 1990-talet då forskningen om marknadsanomalier tog fart (Fox 2002).
Forskningsområdet, som kom att kallas Behavioral Finance, är en samverkan mellan finans
och beteendevetenskapliga områden.
Behavioral Finance behandlar och försöker förklara människans bristfälliga förmåga att
handla rationellt när det kommer till finansiella beslut (Shleifer 2000). Simon (1952) finner att
investerare inte alls är så nyttomaximerande eller handlar så rationellt som EMH förutsätter,
utan snarare kan beskrivas som begränsat rationella. Detta yttrar sig i oförmågan att både
inhämta, sortera, bearbeta samt överföra tillgänglig information.
7 Information som kan härledas till personer med insynsställning i företag på aktiemarknaden.
11
Vidare uppmärksammar Simon (1952) att investerare är begränsade av sina förmågor och
resurser och sålunda inte alltid väljer den nyttomaximerande lösningen. Istället för att basera
beslut på strikt logik finns en tendens att använda resonemangsmässiga genvägar och därmed
ta till enkla tumregler vid beslutsfattande. Investeraren väljer ofta ett alternativ som är
tillfredsställande utan att vara optimalt. Investerare som systematiskt är begränsat rationella
påverkar aktiekurserna och därmed uppstår anomalier på aktiemarknaden. När marknaden på
detta sätt är tillfälligt ineffektiv skapas vinstmöjligheter för de investerare som lyckas
identifiera och utnyttja dessa anomalier (Simon 1952).
2.3 Fundamental analys med utgångspunkt i finansiella rapporter
Grundtanken med fundamental analys är att utvärdera ett företags ekonomiska ställning med
syfte att prognostisera företagets framtida prestation (Nilsson et al. 2009). Analysen utgår ofta
från nutida och historisk redovisningsinformation men sträcker sig även till omvärldsfaktorer
och strategiska aspekter såsom konjunktursvängningar, branschutveckling och
konkurrenskraft (ibid.).
Enligt Artsberg (2011) är ett av den finansiella rapporteringens viktigaste syften att förse
intressenter med information för såväl fastställande av historiska resultat som bedömning av
framtida vinstgenereringsförmåga. För att fundamentala analysstrategier ska fungera krävs att
redovisningsinformation är värderelevant8 och att aktiemarknaden temporärt är ineffektiv
(Francis & Schipper 1999).
Ball & Brown (1968)9 undersöker sambandet mellan företags redovisningsinformation och
aktiekurs. De observerar att det i samband med att företag släpper sina årsredovisningar också
sker en revidering av aktiekursen. Detta bekräftar att fundamental historisk
redovisningsinformation kan användas för att uppskatta framtida vinstförändringar. Ball &
Brown (1968) är också de första att dokumentera temporär ineffektivitet på aktiemarknaden.
De observerar att aktiekurserna, i samband med att företaget offentliggör sin årsredovisning
och därmed tillkännager sitt resultat, tenderar att röra sig i en förutsägbar riktning.
Ou & Penman (1989) konstruerar utifrån data hämtade ur resultat- och balansräkningar ett
aggregerat mått vilket de använder för att prognostisera företags framtida resultatförändringar.
Genom en strategi baserad på investering i aktier med höga värden på det aggregerade måttet
8 Att informationen är värdeskapande samt relevant för användaren. 9 Studien har kommit att fungera som grund för redovisningsbaserade investeringsstrategier.
12
och blankning av aktier med låga värden lyckas de generera en avkastning som överträffar
index för perioden. I enlighet med detta föreslår de att det utifrån företags finansiella rapporter
är möjligt att fånga fundamentala värden vilka inte finns reflekterade i aktiekursen.
Omfattande forskningsinsatser har bedrivits i syfte att analysera vilka faktorer i företags
redovisningsinformation som kan anses värderelevanta för att på så sätt förbättra den
fundamentala analysens metoder. Lev & Thiangaranjan (1993) utvecklar en modell bestående
av tolv fundamentala variabler, s.k. value drivers, vilka de med korrelationsanalys kan
konstatera är av betydelse för möjligheten att prognostisera aktiekursers framtida utveckling.
Studien visar även att korrelationsgraden mellan fundamentala signaler i de finansiella
rapporterna och vinsttillväxt ökar ytterligare om modellen kompletteras med makrovariabler.
Abarbanell & Bushee (1997) genomför en prövning av Lev & Thiangaranjans resultat vilken
även den styrker fundamentala variablers relevans när det kommer till att estimera
förändringar i aktiekurser. Vidare dras slutsatsen att analytiker inte beaktar all information
som finns tillgänglig i företags finansiella rapporter och att det således bör finnas möjlighet
till överavkastning med hjälp av en investeringsstrategi som utnyttjar detta.
2.4 Book-to-Market som investeringsstrategi
Aktier i företag med ett högt bokfört värde i relation till marknadsvärde10
benämns i
allmänhet värdeaktier medan aktier i ett företag med ett lågt värde benämns tillväxtaktier. Det
finns flera sätt att bedöma ett företags fundamentala värde, varav Book-to-Market [B/M]
värdet är ett av de vanligaste. B/M-värdet är ett mått på skillnaden mellan ett företags i
balansräkningen redovisade tillgångar11
och dess totala marknadsvärde (Berk & DeMarzo
2014). Om företagets marknadsvärde är exakt detsamma som dess bokförda värde är alltså
B/M-värdet=1 och om det bokförda värdet är högre än marknadsvärdet är B/M-värdet>1.
En avsevärd mängd forskning har fokuserat på investering i företag med höga bokförda
värden i relation till marknadsvärdet, ”värdeinvestering”, som strategi för att generera
överavkastning. Rosenberg, Reid & Lanstein (1985) dokumenterar att företag med höga B/M-
värden har en tendens att generera en högre avkastning än marknaden. Fama & French (1993)
myntar begreppet the Book-to-Market effect. Vidare dokumenterar de ett s.k. värdepremium12
vid investering i företag med höga B/M-värden. Flera studier har sedan dess styrkt att denna
10 Aktiekursen * antal utestående aktier. 11 Tillgångar upptagna till inköpspris - ackumulerade avskrivningar 12 En högre riskjusterad avkastning för värdeaktier relativt tillväxtaktier.
13
marknadsanomali existerar och med dess hjälp lyckats dokumentera en avkastning betydligt
högre än marknadsindex.
Det råder dock delade meningar kring exakt vad det är som skulle leda till att värdeaktier ger
högre avkastning. Asness (1997) forskning belyser att tillväxtaktier13
inte utvärderas på basis
av finansiell information utan att aktiekurserna istället tenderar att vara momentumdrivna14
.
McNichols & O’Brien (1997) instämmer och hävdar att analytiker tenderar att rekommendera
aktier med befintligt höga marknadsvärden och hög likviditet. Värdeaktier kan sålunda
komma att negligeras och underprissättas till förmån för aktier i välkända företag med starka
tidigare prestationer. Ett högt B/M-värde skulle därför rimligtvis kunna tyda på en temporär
underprissättning från aktiemarknadens sida. När aktiekurserna så småningom justeras
kommer denna felprissättning att korrigeras vilket i sin tur leder till en högre avkastning.
Ett högt bokfört värde i relation till aktiemarknadsvärde är i sig inte någon garanti för
överavkastning. Piotroski (2000) påpekar att långt ifrån alla företag med höga B/M-värden är
bra investeringar och understryker vikten av att kunna urskilja företag med starka prestationer
från de med svagare, separating winners from losers, vid användning av en värdestrategi. Han
betonar att det typiska företaget med ett högt B/M-värde befinner sig i finansiellt trångmål15
och/eller har en tendens att prestera dåligt resultatmässigt. Piotroskis egen forskning
dokumenterar att mindre än 44 procent av alla företag med höga B/M-värden uppvisar en
överavkastning de två på varandra följande åren efter investeringstillfället. Han argumenterar
för att den höga avkastning som genererats med en värdestrategi och som dokumenterats av
bl.a. Rosenberg, Reid & Lanstein (1985) förlitar sig på ett fåtal prestationsmässigt starka
företag. Samtidigt tolereras företag med svag prestation vilket egentligen drar ned portföljens
avkastning.
Forskningen är alltså inte helt överens vad gäller antagandet om informationseffektivitet på
aktiemarknaden. Förespråkarna av Behavioral Finance hävdar att på grund av att investerare
inte alltid agerar rationellt skapas anomalier på aktiemarknaden och därmed möjligheter till
överavkastning. Att genom fundamental analys dra nytta av anomalier och på så sätt erhålla
en avkastning högre än marknadsindex bör med detta synsätt fungera. Då en av de mest
13 Aktier i företag med låga B/M-värden. 14 Fortsätta i redan utstakad riktning. 15 Svårigheter att betala av finansiella förpliktelser.
14
omtalade, påstådda anomalierna är B/M-effekten är det av intresse att undersöka om denna
existerat på den svenska marknaden under prövoperioden.
Hypotes 1: En portfölj bestående av aktier med höga B/M-värden genererar en högre
avkastning än OMXS_PI under perioden 2004-2014.
2.5 Värdeinvestering och risk
Fama & French (1992), huvudförespråkare av en riskbaserad syn på B/M-effekten, påpekar
att den högre avkastningen är ett s.k. riskpremium. Avkastningen skulle alltså utgöra en
kompensation för den högre risken som finns i företag vilka marknaden har en tendens att
undervärdera. Fama & French poängterar att företag med höga B/M-värden ofta befinner sig i
finansiellt trångmål och därför är mer riskfyllda för investerare. Ett högt bokfört värde i
förhållande till aktiernas marknadsvärde skulle sålunda kunna signalera avsaknad av
förtroende för företagets framtida prestation.
Studier har dock visat att investeringar i värdeaktier inte nödvändigtvis behöver vara mer
riskfyllda. Haugen & Baker (1996) finner inte något stöd för en riskbaserad förklaring till den
överavkastning som erhålls genom investeringar i företag med höga B/M-värden. De menar
att måttet representerar kapitalvärden som inte reflekteras i aktiepriset och därför inte kan
härledas till ökat risktagande. Tvärtemot bör företag med höga B/M-värden snarare
kännetecknas av en entydigt lägre risk då aktien köps till ett lägre pris än dess tillgångars
verkliga värde. Detta stärker ytterligare hypotesen om undervärdering av företag med höga
B/M-värden och indikerar enligt Haugen & Baker brister i den effektiva marknadshypotesen.
Modern portföljvalsteori är en av de dominerande teorierna inom finansämnet och har sin
grund i att värdepappersmarknaden är effektiv och att dess aktörer agerar rationellt. Kortfattat
beskriver teorin hur en värdepappersportfölj kan optimeras genom diversifiering (Berk &
DeMarzo 2014). Målet är att sätta samman en portfölj med kollektivt lägre risk än de
individuella värdepapperen var för sig (ibid.). Enligt modern portföljvalsteori är alla
investeringar en avvägning mellan risk och förväntad avkastning (ibid.). Ju mer riskfylld en
investering är, desto högre är dess möjlighet till avkastning. Aktiemarknaden är med detta
synsätt i princip helt fri från riskfria vinstmöjligheter.
15
Figur 1: Diversifiering och risk
Ovan illustreras hur en portföljs risk kan minimeras genom diversifiering. Den specifika risken minimeras genom att kombinera olika typer av värdepapper. Sålunda minskar även portföljens totala risk. Den systematiska risken existerar alltid
vid investering på värdepappersmarknaden och hålls därför konstant.
Den totala risken är densamma som aktiens standardavvikelse, σ, och består av den
systematiska risken plus den specifika risken (Gavelin & Sjöberg 2012). Den systematiska
risken är synonym med marknadsrisken och är den risk som är förknippad med att investera i
en viss marknad (ibid.). Den specifika risken är den risk som är direkt förknippad med
respektive aktie (ibid.). Specifik risk benämns även diversifierbar risk eftersom denna kan
diversifieras bort genom att addera fler och kombinera olika typer av värdepapper (ibid.). Med
hjälp av diversifiering kan alltså den totala risken i en portfölj sänkas genom minimering av
den specifika risken. En portfölj där den specifika risken minimerats genom diversifiering
kallas således för en väldiversifierad portfölj. Den väldiversifierade portföljen kan bestå av så
få aktier som 10 stycken, givet att de noga valts ut och inte påverkas av liknande specifik risk
(Elton & Gruber 1977).
Enligt modern portföljvalsteori ska en effektiv portfölj ha en så hög avkastning som möjligt,
detta i kombination med en låg standardavvikelse. Ju högre standardavvikelse desto mer
fluktuerar avkastningen från medelvärdet vilket inte är önskvärt om avsikten är att ta en låg
risk (Gavelin & Sjöberg 2012).
2.6 Piotroskis modell
Piotroski menar att den pålitligaste och mest lättillgängliga informationen för investerare
återfinns i ett företags balans- och resultaträkning. Syftet med studien Value Investing: the
use of historical financial statement information to separate winners from losers (2000) är att
utvärdera om en enkel redovisningsbaserad fundamental analysmodell kan förskjuta
avkastningsfördelningen i positiv riktning i en aktieportfölj sammansatt av företag med höga
Källa: Gavelin & Sjöberg (2012).
16
B/M-värden. Givet att den höga avkastningen i en aktieportfölj baserad på en värdestrategi
kan härledas till ett fåtal företag bör investerare kunna dra fördel av att urskilja företag med
starka framtidsutsikter från de med svagare inom kategorin av företag med höga B/M-värden.
Piotroski menar att företag med höga B/M-värden erbjuder en unik möjlighet att utforska den
fundamentala analysens förmåga att särskilja företag. Målet är att visa att investerare kan
skapa en starkare värdeportfölj genom användning av enkla sållningar baserade på historisk
finansiell information.
För att fastställa ett företags finansiella styrka och därmed aktiens framtidsutsikter har
Piotroski utarbetat ett poängsystem. Modellen som tas fram är konstruerad utifrån nio binära
parametrar med avsikt att mäta tre områden i företagens finansiella ställning: lönsamhet,
finansiell hävstång/likviditet och effektivitet. Varje signal ges ett binärt värde (1 eller 0) som
sedan summeras ihop till ett sammanlagt F_SCORE. Totalsumman 8 och 9 definieras av
Piotroski som ett högt F_SCORE medan 0 och 1 definieras som ett lågt. Aktier i företag med
en hög poäng (8-9) inhandlas medan aktier i företag med en låg poäng (0-1) blankas16
. Vidare
presenteras en mer ingående beskrivning av modellens variabler.
2.6.1 Finansiell prestation/lönsamhet
De fyra första variablerna; ROA, CFO, ΔROA och ACCRUAL mäter ett företags förmåga att
med sina interna resurser generera vinst. Givet att företag med höga B/M-värden tenderar att
ha en historik kännetecknad av en låg intjäningsförmåga uppvisar ett företag med nuvarande
högt kassaflöde eller resultat en förmåga att generera vinstmedel genom sina operationella
aktiviteter. Likaså tyder en positiv resultatutveckling på en förbättring av företagets
underliggande förmåga att generera positiva framtida kassaflöden.
1. Return on Assets [ROA]
Avkastning på tillgångar är en indikator på hur väl ett företag lyckas använda sina tillgångar
för att generera vinstmedel. Det vill säga hur lönsamt företaget är i relation till dess totala
tillgångar. ROA definieras som årets nettoinkomst före extraordinära kostnader, dividerat med
de totala tillgångarna. Om företaget uppvisar en positiv avkastning på sina tillgångar sätts
variabeln F_ROA lika med 1 och 0 annars.
2. Cash Flow from Operations [CFO]
16 Att blanka en aktie innebär att aktien lånas och säljs för att vid ett senare tillfälle köpas tillbaka i hopp om att aktiekursen fallit.
17
Kassaflöde från den operativa verksamheten avser mängden likvida medel företaget genererar
från den operativa verksamheten. Om företagets kassaflöde från den operativa verksamheten
dividerat med de totala tillgångarna är ett positivt värde sätts variabeln F_CFO lika med 1 och
0 annars.
3. Change in ROA [ΔROA]
Förändringen i ROA är en indikator på huruvida företaget åstadkommer en ökande avkastning
på sina tillgångar. Om företaget uppvisar en högre avkastning på de totala tillgångarna detta år
jämfört med året innan sätts variabeln F_ΔROA lika med 1 och 0 annars.
4. Accruals [ACCRUAL]
Periodiseringar tar relationen mellan vinstmedel och kassaflöde i beaktning. Denna variabel
beräknas för att uppmärksamma om hur stor del av årets resultat som kan hänföras från
periodiseringsjusteringar. Om kassaflödet från den operativa verksamheten överstiger årets
resultat, båda dividerat med totala tillgångar, sätts variabeln F_ACCRUAL lika med 1 och 0
annars.
2.6.2 Skuldsättningsgrad, finansieringskällor och likviditet
De nästföljande tre signalerna avser förändringar i kapitalstruktur och företagets förmåga att
möta framtida skuldförpliktelser. En av förklaringarna till ett högt B/M-värde kan vara att
företaget ifråga befinner sig i finansiellt trångmål vilket gör dessa signaler viktiga att
utvärdera. Finansiellt trångmål associeras ofta med sjunkande eller ihållande låga
vinstmarginaler, resultat, kassaflöde och likviditet samt stigande eller redan höga nivåer av
finansiell hävstång. Variabler som reflekterar förändringar i dessa ekonomiska förhållanden
bör därför vara av värde för att prognostisera företagets framtida prestationer. För att mäta
finansiell hävstång/likviditet används tre olika signaler: ΔLEVER, ΔLIQUID och EQ_Offer.
5. Change in Leverage [ΔLEVER]
Förändring i långfristiga skulder relativt tillgångar mäter om företagets skuldsättningsgrad
ökar. Genom att tillföra kapital från externa källor utanför företaget signaleras en oförmåga att
generera tillräckliga interna medel. Extern finansiering innebär också att ytterligare
restriktioner sätts för företagets finansiella flexibilitet. Om andelen skulder dividerat med de
totala tillgångarna har minskat detta år jämfört med föregående sätts variabeln F_ΔLEVER
till 1 och 0 annars.
18
6. Change in Liquidity [ΔLIQUID]
Förändring av likvida medel ger en bild av företagets effektivitet vad gäller försäljning och
lagerhantering. Piotroski förutsätter här att en förbättrad balanslikviditet är en positiv signal
vad gäller företagets förmåga att möta rådande skuldförbindelser. Om kvoten mellan
omsättningstillgångar och kortfristiga skulder ökat från föregående år sätts variabeln
F_ΔLIQUID till 1 och 0 annars.
7. Issuance of Common Stocks [EQ_OFFER]
Nyemission beaktar huruvida företaget emitterat nya stamaktier17
. Företag i finansiellt
trångmål har, i likhet med en ökning av långfristiga skulder, en tendens att lyfta kapital
utanför företaget vilket signalerar en oförmåga att generera interna medel för att möta
framtida förpliktelser. Även att företaget tar beslutet att emittera nya stamaktier trots att de
nuvarande är lågt prissatta understryker företagets undermåliga finansiella tillstånd. Har
företaget inte genomfört någon nyemission av stamaktier sätts variabeln F_EQ_OFFER till 1
och 0 annars.
2.6.3 Operationell effektivitet
De två sista signalerna mäter förändringar i effektiviteten i företagets verksamhet. De är av
betydelse eftersom de uppmärksammar två underliggande nyckelkonstruktioner vid
nedbrytning av ett företags avkastning. Dessa signaler är ΔMARGIN och ΔTURN.
8. Change in Gross Profit Margin [ΔMARGIN]
Förändring i bruttomarginal definieras som årets bruttomarginal minus föregående års
bruttomarginal. Bruttomarginalen beräknas genom att dividera företagets bruttoresultat med
den totala försäljningen. Signalen visar om företaget fått en högre konkurrenskraft jämfört
med föregående år. En förbättring indikerar en minskning av förvaltningskostnader, minskade
lagringskostnader eller en intäkts-/prisökning för företagets produkter. Har bruttomarginalen
ökat sätts variabeln F_ ΔMARGIN lika med 1 och 0 annars.
9. Change in Asset Turnover Ratio [ΔTURN]
Förändring i kapitalomsättningshastighet mäter hur väl ett företag använder sina tillgångar för
att generera vinst. En förbättring kan uppkomma genom en ökad försäljning eller en
effektiviserad produktionsprocess. Har företaget ökat sin kapitalomsättningshastighet jämfört
med föregående år sätts variabeln F_ ΔTURN till 1 och 0 annars.
17 A- och B-aktier, d.v.s. inte preferensaktier.
19
F_SCORE: Slutligen definieras det ackumulerade värdet av alla binära tal enligt
F_SCORE=F_ROA+F_CFO+F_ΔROA+F_ACCRUAL+F_ΔLEVER+F_ΔLIQUID+F_EQ_O
FFER+F_ ΔMARGIN+F_ ΔTURN. Detta aggregerade mått utvärderar den övergripande
kvaliteten eller styrkan på företagets finansiella position och köpbeslutet baseras sålunda på
styrkan i den aggregerade signalen.
Piotroskis forskning visar att med hjälp av historisk finansiell information kan företag med
hög potential till avkastning urskiljas från de med lägre. Genom nio fundamentala signaler
kan B/M-strategin enligt Piotroski (2000) effektiviseras och således generera en högre
avkastning genom att separera ”vinnare” från ”förlorare”. Nästa steg i undersökningen blir
således att testa om Piotroskis enkla modell baserad på en kombination av värdeinvestering
och fundamental analys genererar överavkastning även på den svenska aktiemarknaden.
Följande hypotes formuleras för att pröva F_SCORE:
Hypotes 2: Piotroskis F_SCORE genererar en högre avkastning än OMXS_PI under perioden
2004-2014.
2.7 F_SCORE-modellens begränsningar
Eftersom Piotroskis modell är enkel och entydig belyser Piotroski själv att modellen snarare
är ett steg tillbaka i utvecklingen av analysprocesser. Ingen sannolikhetsmodell behöver
användas, analysmodellen är endast uppbyggd av summan av de nio variablerna. Nackdelen
med modellens enkelhet, enligt Piotroski, är att översättningen av de nio signalerna till binära
variabler möjligtvis kan eliminera användbar information. Piotroski kategoriserar värdet 0
som ”dåligt” medan 1 kategoriseras som ”bra”. Dock förtydligar han att vissa signaler kan
vara tvetydiga. Exempelvis innebär en ökning av skuldsättningsgraden inte nödvändigtvis
något ofördelaktigt för företaget så länge det inte befinner sig i finansiellt trångmål.
Flera av signalerna i Piotroskis modell överlappar med Lev & Thiagaranjans (1993) och
Abarbanell & Bushees (1997, 1998) tidigare forskning. Dock överensstämmer inte signalerna
fullständigt. Piotroski påpekar att varken han själv eller tidigare forskning gör anspråk på att
uppvisa de optimala signalerna för fundamental analys. Därför uppmuntras användning av
20
alternativa men likväl komplimenterande signaler. Detta, menar han, demonstrerar den
finansiella analysens vida applicerbarhet.
2.8 En vidareutveckling av F_SCORE
Rados & Lovric genomförde år 2009 en studie med syfte att testa Piotroskis modell på
amerikansk data mellan år 1997-2006 och vidare söka att förbättra den. De instämmer i
Piotroskis diskussion om att F_SCORE-modellens binära gradering leder till att all väsentlig
information inte tas tillvara och föreslår att det bör vara genomförbart att med högre precision
ha möjlighet att prognostisera individuella företags möjligheter till generering av framtida
avkastning. Detta genom utvecklandet av tre nya modeller A-, B- och C_SCORE, vilka mer
effektivt ska ta tillvara de fundamentala signalerna i den ursprungliga modellen.
I A-modellen används Piotrioskis egna korrelationskoefficienter för avkastning för att vikta
variablerna. Piotroski har i sin modell gett alla nio variabler lika vikt och tilldelat dem
antingen värdet ett eller noll. Rados & Lovric ger istället A-modellens variabler olika
betydelse och därigenom olika vikt. Varje variabels korrelation till avkastning har alltså
testats och därefter tilldelats ett värde. Exempelvis var signalen ROAs uppmätta korrelation
med avkastningen 0,10 och tilldelades därför ett A_SCORE-värde på 10. I B-modellen sker
för varje signal en inbördes rangordning, företagen emellan. En koefficient för relativ styrka
läggs till, vilken visar hur positiv eller negativ en signal är. Variabeln bygger alltså på hur
stark signalen är i relation till de andra företagen. C-modellen är ett aggregat av A- och B-
modellerna. C-modellen består alltså av den historiska korrelationen mellan signalerna och
företagets resultat i kombination med beaktandet av styrkan hos dessa signaler. Tanken är att
en modell som bygger på både A_SCORE och B_SCORE bör prestera bättre än var modell
för sig (Rados & Lovric 2009).
Rados & Lovrics resultat visar att Piotroskis modell överträffar marknaden för tidsperioden.
Vidare konstateras att samtliga tre egenutvecklade modeller genererar en högre avkastning än
Piotroskis ursprungliga modell utan att för den skull öka komplexiteten nämnvärt. Detta väljer
Rados & Lovric att ta som ett, i linjen med tidigare forskning, ytterligare bevis för att
aktiemarknaden underreagerar på finansiell information.
En utökad precision av den finansiella informationens betydelse ligger i fokus för Rados &
Lovrics vidareutvecklingar av Piotroskis strategi. Genom den relativa styrkan och
21
korrelationen till överavkastning rangordnas respektive prestationssignal, vilket i sin tur påstås
leda till en än högre överavkastning än Piotroskis ursprungliga investeringsmodell. Utifrån
avsikten att pröva A-, B- samt C_SCORE på den svenska marknaden formuleras följande
hypoteser:
Hypotes 3: Rados & Lovrics A_SCORE genererar en högre avkastning än OMXS_PI under
perioden 2004-2014.
Hypotes 4: Rados & Lovrics B_SCORE genererar en högre avkastning än OMXS_PI under
perioden 2004-2014.
Hypotes 5: Rados & Lovrics C_SCORE genererar en högre avkastning än OMXS_PI under
perioden 2004-2014.
Metod
Kapitlet inleds med en kortfattad översikt över studiens tillvägagångssätt. Vidare återges i tur
och ordning metod för datagenerering, databeredning och bortfallshantering,
portföljsammansättning samt analysmetod. Kapitlet avslutas med de åtgärder som vidtagits
för att förbättra studiens validitet och reliabilitet samt kritik av de metoder som tillämpats.
3.1 Övergripande beskrivning av tillvägagångssätt
Studiens syfte är att pröva om det är möjligt att generera överavkastning med fundamental
analys. Piotroskis och Rados & Lovrics investeringsstrategier tillämpas där fiktiva
aktieportföljer sätts samman baserade på B/M-värde samt på modellerna F-, A-, B- och
C_SCORE. Portföljernas avkastning jämförs sedan mot marknadsindexet OMXS_PI där
samtliga företag på Stockholmsbörsen finns representerade. Slutligen tillämpas
regressionsanalys för att statistiskt säkerställa varje portföljs eventuella påverkan på
överavkastning. Det empiriska reultatet illustreras i kapitel 4 i tabellform och analyseras sedan
i kapitel 5.
3.2 Datagenerering
Samtliga börsnoterade företag på Stockholmsbörsen tas med i undersökningen. Studien
baseras på sekundärdata i form av finansiell information från företags årsredovisningar. För
22
datainsamlingen har databasen Thomson Reuters Datastream vid Linköpings universitet
använts. Datan har sedan överförts till Excel med hjälp av ett plug-in program. Tidsperioden
för vilken investeringsmodellerna testas är de tio senaste åren för vilka finansiell information
finns tillgänglig, d.v.s år 2004-2014.
I likhet med Piotroski väljs början av maj som utgångspunkt för sammansättningen av
aktieportföljerna. Detta för försäkran om att företagen släppt sina respektive årsredovisningar
och att all nödvändig finansiell information därmed finns tillgänglig. Eftersom första maj i
Sverige är en helgdag har aktiekursen för nästföljande börsdag använts. I de fall kurser för
både A- och B-aktier varit tillgängliga i Datastream har de aktier som är mest omsatta valts
vilket resulterat i att B-aktier prioriterades framför A-aktier, endast med undantag för
företaget Klövern. Skatt, transaktionskostnader samt utdelningar har bortsetts från med
anledning av att dessa inte inkluderas i OMXS_PI.
Då Piotroski vid konstruktionen av F_SCORE använt sig av databasen COMPUSTAT medför
detta att viss data inte fullständigt överensstämmer med den data Piotroski använt sig av. Det
är möjligt att informationen i de respektive databaserna bearbetas och framställs på olika sätt
vilket kan medföra att vissa värden således skulle kunna avvika. Piotroskis Cash Flow From
Operations har som exempel ersatts med Net Cash Flow - Operating Activities, en justering
som påverkar studiens validitet18
marginellt.
Data från år 2014 fanns inte tillgänglig via Thomson Reuters Datastream så för detta år
hämtades börskurser direkt från Nasdaq OMX Nordic. Här uppstod problem för de aktier som
genomgått en split under åren 2013/2014. Aktiekurserna hämtade från Datastream är justerade
för split men för 2013/2014 gjordes denna justering manuellt. Detta genom att se till de
berörda företagens årsredovisningar för att få information om det nya aktieantalet och sedan
multiplicera aktiekursen efter split med 1/splittens kvot.
3.3 Databeredning och bortfallshantering
I första steget identifieras för varje år alla företag med fullständig finansiell information. De
företag som för vilka fullständig data ej finns tillgänglig i Datastream, för beräkningen av
Book-to-Market eller någon av de nio variablerna, plockas bort och hanteras som bortfall.
Även de företag för vilka aktiekursdata inte finns tillgänglig har sorterats bort.
18 Tillförlitlighet i mätningen.
23
Vid hantering av företagens B/M-värden observerades att viss data avvek kraftigt från
medelvärdet. Att enstaka värden avvek flera hundra procent tolkades som att något gått fel vid
datahanteringen. Det kan ha uppstått fel vid överföringen från företagens årsredovisningar till
databasen eller vid överföringen från databasen till Excel via plug-in-programmet. Outliers
som avviker mer än tre standardavvikelser från medelvärdet sorteras därför bort för att
undvika snedvridning och därmed försämrad reliabilitet19
.
För företag inom fastighets- och finansbranschen saknades i Datastream information för
Current Liabilities och Current Assets vilket lett till att dessa företag haft sämre
förutsättningar att uppfylla modellernas kriterier och därmed ta sig in i portföljerna. Detta är
en faktor som förämrar studiens validitet. Totalt uppgår fastighets- och finansbranschen till
cirka 12 procent av OMXS_PI. En anledning till bortfallet skulle kunna vara att andra
redovisningsstandarder möjligtvis används för branschen.
Bortfallet påverkar dock inte H_B/M-portföljerna eftersom B/M-kvoten finns tillgänglig i
Datastream. En konsekvens av detta blir därmed också att portföljerna inte kan anses vara
hundraprocentigt jämförbara, något som insetts i efterhand. Fastighets- och finansbranschen
borde därmed uteslutits ur samtliga portföljer. Dock är studiens syfte inte i huvudsak att göra
en jämförelse av avkastningen portföljerna emellan, varför denna inverkan inte kan anses vara
av särskilt hög betydelse.
Modellerna ger, som en försäkran om att företaget har en bestående positiv ekonomisk
utveckling, bortfall för de företag som varit börsnoterade under kortare tid än två år. Detta
eftersom de saknar finansiell information för beräkning av vissa av modellens variabler.
Sammanlagt bortfall uppgår till ca 15 procent vilket påverkar studiens validitet negativt.
3.4 Portföljsammansättning
För bearbetning av den insamlade datan har främst programmet Excel använts. I Excel ordnas
inledningsvis informationen på samma sätt, detta för att underlätta hanteringen. Vid beräkning
av F-, A-, B- och C_SCORE skapas till att börja med identiska listor över företagen för
respektive signal. Sedan adderades dessa ihop med hjälp av en IF-formel. IF-formeln
returnerar ett värde om ett påstående kan valideras som sant eller falskt. För exempelvis
19 Korrelationen mellen den teoretiska definitionen och den operationella definitionen, d.v.s. att i realiteten mäta vad som verkligen avses att
mäta.
24
F_SCORE returneras en 1:a om en signal klarar av Piotroskis gräns och en 0:a om den inte
gör det.
3.4.1 Book-to-Market
Företagen rangordnas här efter B/M-värde. De företag i 90:e percentilen, d.v.s. de 10 procent
med högst värde, sorteras ut för vidare bearbetning. Inga aktier blankas med denna strategi.
Portföljen, som fortsättningsvis kallas H_B/M, testas i ett första steg för att pröva hypotes 1.
Portföljen prövas för en ettårig samt en tvåårig Buy-and-Hold strategi där den förvaltas
årligen respektive vartannat år under tioårsperioden.
3.4.2 F_SCORE
Företagen sorteras för denna bearbetning återigen efter B/M-värdet. I Piotroskis ursprungliga
modell tas företagen i den 80:e B/M-percentilen vidare för beräkning av F_SCORE. Eftersom
urvalet med denna metod blev litet och inte särskilt många företag kvalificerades vidare togs
beslutet att göra om detta steg för att utöka urvalet. Detta genom att istället för den 80:e
högsta percentilen välja företag i den 60:e percentilen.
De företag som tilldelats ett högt F_SCORE (8-9), inhandlas och de med ett lågt F_SCORE
(0-1), blankas. Portföljen blir sålunda en förening bestående av aktier med höga F_SCORE
och blankade aktier med låga F_SCORE. Även här testas portföljen med en ettårig samt en
tvåårig Buy-and-Hold strategi. Denna portfölj används sedan för prövning av hypotes 2.
25
Tabell 1: F_SCORE beräkning
Nedan följer en schematisk översikt över F_SCORES uppbyggnad, de respektive variablerna samt hur de beräknas och
poängsätts. Den totala poängsumman kan för F_SCORE anta ett värde mellan 0-9.
Signal Beräkning F_SCORE
ROA
+ 1 om positiv, annars 0
CFO
+ 1 om positiv, annars 0
ΔROA + 1 om positiv, annars 0
ACCRUAL + 1 om positiv, annars 0
ΔLEVERAGE
+ 1 om negativ eller oförändrad,
annars 0
ΔLIQUID
+ 1 om positiv, annars 0
EQ_OFFER + 1 om negativ eller oförändrad,
annars 0
ΔMARGIN
+ 1 om positiv, annars 0
ΔTURNOVER
+ 1 om positiv, annars 0
Källa: Pitroski (2000).
3.4.3 Rados & Lovrics modeller
För sammansättning av följande portföljer beräknas till att börja med aktiernas Book-to-
Market värden. Sedan appliceras respektive poängsystem på aktier i de företag med högst
B/M-värde (60:e percentilen). Vidare skapas för varje modell två portföljer; en portfölj som
löper över ett år samt en som löper över två år. Rados & Lovric har i sin studie använt sig av
Piotroskis beräkningar av respektive signals korrelation till överavkastning. Vid beräkningen
av A_SCORE (och därmed indirekt C_SCORE då C_SCORE är ett aggregat av A- och
B_SCORE) har sålunda Piotroskis resultat använts. Samma vikter som Piotroski används
även här och det tas således ingen hänsyn till att det skulle kunna förekomma en annan
korrelation på den svenska marknaden. Samma korrelationskoefficienter används för de
tvååriga portföljerna som för de ettåriga.
26
3.4.3.1 A_SCORE
För beräkning av A_SCORE sorteras även här företagen till att börja med efter B/M-värden,
med samma kriterier som för ovan nämnda F_SCORE. Variablerna viktas efter deras
korrelation till avkastningen utifrån Piotroskis ursprungliga korrelationsmatris. ROA, CFO
och ΔLEVERAGE är de signaler som väger tyngst, ett företag kan således inte hamna i
portföljen utan att ha en positiv avkastning på tillgångar, ett positivt kassaflöde och en positiv
hävstång. Aktier i företag med en total poängsumma om 45-49 inhandlas och aktier i företag
med en poängsumma om 0-4 blankas.
Tabell 2: Poängsystem A_SCORE
Nedan följer en översikt över respektive variabels korrelation till överavkastning. De korrelationer som visas nedan är
Piotroskis ursprungliga, vilka ligger till grund för A_SCOREs poäng i Rados & Lovrics studie.
Källa: Rados & Lovric (2009).
3.4.3.2. B_SCORE
För att beräkna B_SCORE beaktas företagens relativa styrka på de olika F_SCORE-
signalerna och rangordnas därefter. Här sätts företagen alltså i relation till varandra och delas
in i percentiler där percentilen avgör vilket B_SCORE-värde ett företag tilldelas för ett
specifikt mått. Om urvalet består av 100 företag kommer det företaget som har det absolut
starkaste värdet på signalen ett år tilldelas värdet 1, det som har den näst starkaste kommer att
tilldelas värdet 0,99 etc. De nio signalerna adderas sedan för att få det totala B_SCORE-
värdet för ett företag under ett specifikt år. Ett företag kan alltså få ett sammanlagt
B_SCORE-värde mellan 0 och 9. Dock är ett värde på just 0 eller 9 högst orimligt då det hade
inneburit att ett företag haft det absolut lägsta respektive högsta värdet för samtliga signaler
det året. Slutligen skapas en portfölj bestående av företag med ett värde mindre än 1 eller
större än 5 där de med ett värde mindre än 1 blankas. För beräkning av B_SCORE har Excels
Signal Korrelation A_SCORE
ROA 0,106 10
ΔROA 0,044 5
CFO 0,104 10
ACCRUAL 0,051 5
ΔLEVERAGE 0,058 6
ΔLIQUID 0,027 3
EQ_OFFER 0,012 1
ΔMARGIN 0,039 4
ΔTURNOVER 0,049 5
49Totalt antal möjliga poäng:
27
PERCENTRANK-formel nyttjats. PERCENTRANK används för att beräkna ett värdes
relativa position i en datamängd.
3.4.3.3 C_SCORE
C_SCORE-modellen innebär helt enkelt att A_SCORE-värdet multipliceras med B_SCORE-
värdet. Om ett företag tilldelats ett A_SCORE-värde på 10 och ett B_SCORE-värde på 0,65
får sålunda företaget ifråga ett C_SCORE-värde på 6,5. Modellen ger ett teoretiskt maxvärde
på 49, detta om ett företag har maximal poäng på både A_SCORE och B_SCORE. I Rados &
Lovrics ursprungliga modell inkluderas aktier strikt mindre än 3 samt 32 och över. Här har
dock modellen utökats till att inkludera aktier med ett värde strikt mindre än 4 samt ett värde
på 30 och över för att, då den svenska marknaden är mindre än den amerikanska, få en något
större portfölj. Eftersom C_SCORE-värdena hade en högersned fördelning minskades den
övre gränsen mer än den nedre.
3.5 Analysmetod
Till att börja med beräknas avkastningen för de olika fiktiva portföljerna. Både avkastning,
samt överavkastning beräknas. Detta genom att aktiekurs för start- samt slutdatum för varje
aktie i de olika portföljerna jämförs och den procentuella förändringen beräknas.
Beräkningarna utfördes enligt följande:
Avkastning för aktier, ettårig Buy-and-Hold, beräknas enligt följande:
Avkastning för aktier, tvåårig Buy-and-Hold, beräknas enligt följande:
Avkastning för blankade aktier, ettårig, beräknas enligt följande:
Avkastning för blankade aktier, tvåårig, beräknas enligt följande:
Där
Pt är aktiekursen för året t.
Pt+1 respektive Pt+2 är således aktiekursen för nästföljande år respektive två
år framåt.
Vidare kalkyleras även den effektiva avkastningen 20
. Detta för att se vilken total avkastning
som i realiteten skulle ha uppnåtts om det satsade kapitalet tillåtits löpa under hela
20 Innebär att avkastningen mäts med förutsättningen att det fullständiga kapitalet, även avkastningen på det ursprungliga beloppet, återinvesteras
vid varje förvaltningstillfälle.
28
tioårsperioden. Möjlighet ges därmed att göra en rättvisande jämförelse mellan ett- och
tvåårsperioderna då tvåårsperioderna naturligt har en inbyggd ränta-på-ränta effekt.
Portföljernas avkastning jämförs mot marknadsindex, OMXS_PI, för perioden. Denna
information har hämtats från NASDAQ OMX Nordic och därefter sammanställts i
genomsnittliga- respektive periodvärden. Anledningen till att den totala avkastningen för
tioårsperioden skiljer sig åt för OMXS_PI 1yr och OMXS_PI 2yr är att OMXS_PI 2yr har en
ränta-på-ränta effekt inräknad medan OMXS_PI 1yr endast tar hänsyn till individuella år när
avkastningen beräknats. Den effektiva avkastningen blir ändå rättvisande eftersom även
marknadsindex, vilket fungerar som referens, har haft den procentuella förändring som anges
för perioden. Avkastningen illustreras i kapitel 4 i tabeller där ett totalt, periodvis samt årligt
genomsnitt för tioårsperioden kan utläsas.
För att pröva hypoteserna statistiskt samt för att urskilja hur stor påverkan de olika modellerna
har på överavkastningen används regressionsanalys. Detta har gjorts i Excels inbyggda Addin
Data Analysis. Totalt används företagsdata för sammanlagt 1503 observationer över 10-
årsperioden. För att statistiskt säkerställa vilka investeringsmodeller som har en positiv
påverkan på överavkastning ställs samtliga upp i egna regressioner.
De konstruerade regressionsmodellerna ser ut enligt följande:
Där
Yi= Den beroende variabeln - Överavkastning.
α= Regressionens konstant.
Xi= De olika variablerna som prövas, H_B/M, F-, A-, B- respektive
C_SCORE, samt de olika åren.
βi= Variablernas koefficient till överavkastning.
I regressionsmodellerna är det antingen H_B/M, F-, A-, B- eller C_SCORE som är av
intresse. Samtliga regressioner är gjorda utifrån enbart de företag med ett B/M-värde i den
60:e percentilen. Detta eftersom Piotroski i första steget valde ut de företag med ett högt B/M-
värde innan F_SCORE tillämpades i nästa steg. År 2004 har uteslutits ur modellen och
används istället som startår. Detta för att undvika perfekt multikollinearitet. Perfekt
29
multikollinearitet uppstår då två av de oberoende variablerna uppvisar hundraprocentig
korrelation, och således förklarar samma sak (Stock & Watson 2012). Tas båda med går det
inte att urskilja vilken av dem som har effekt på den beroende variabeln och de blir därmed
inte statistiskt signifikanta (ibid). För att undvika detta måste därför en av variablerna
elimineras. I detta fall utesluts år 2004 med anledning av att detta är startåret och därmed
modellens konstant.
I de utförda regressionsanalyserna används Book-to-Market och de olika åren som
kontrollvariabler för att minska störningar och precisera det samband som eftersöks.
Kontrollvariablernas funktion är kortfattat att isolera det samband som observeras. Genom
användning av åren som kontrollvariabler utesluts den avkastning som skulle kunna bero på
aktiemarknadens tidsmässiga svängningar vilka i sin tur bör ha en inverkan på sambandet
(Hair et al. 2005). Vidare är åren uppställda som dummy-variabler, vilket betyder att de
endast kan anta värdet ett eller noll (Stock & Watson 2012).
Vid hypotesprövning används variablernas P-värde som utläses ur regressionsanalysen, där
det förkastas att det inte finns någon påverkan om P-värdet understiger signifikansnivån
α=0,05. P-värdet kan beskrivas som chansen att erhålla ett värde mer extremt än det
observerade värdet givet att det i verkligheten inte finns ett samband (Hair et al. 2005). Med
andra ord: om en hypotes med P-värdet = 0,05 finns 5 procents chans att det observerade
värdet erhölls p.g.a. slumpen.
Determinationskoefficienten, R2, indikerar hur mycket av den beroende variabeln som
förklaras av de oberoende variablerna (Hair et al. 2005). Ju högre värde på R2 desto mer
förklarar modellen variationen i den beroende variabeln.
För att ytterligare testa sambanden mellan de olika variablerna och överavkastning har en
korrelationsanalys genomförts. Detta gjordes för försäkran om att värdena verkligen stämmer
överens med resultatet i regressionsmodellerna. Även här gjordes analysen endast med de
företag i den 60:e percentilen av högsta B/M-värde. Medan regressionsanalysen används för
att fastställa en eller flera oberoende variablers påverkan på den beroende variabeln används
korrelationsanalys för att mäta styrkan i sambandet mellan två variabler (Hair et al. 2005)
Följaktligen är det inte möjligt att med korrelationsanalys urskilja i vilken riktning det
eventuella sambandet går och således vilken variabel som påverkar vilken.
30
3.6 Åtgärder för förbättrad kvalitet
Både reliabilitet och validitet handlar om hur pass tillförlitliga och noggranna mätningarna är
vilket blir viktigt att fokusera vid kvantitativ forskning (Bryman & Bell 2010). Den interna
validiteten handlar om huruvida en slutsats som rymmer ett kausalt förhållande mellan
variabler är hållbar eller ej (ibid.). Det vill säga med vilken säkerhet variationen i den
beroende variabeln helt eller delvis orsakas av den oberoende variabeln. I detta fall handlar
det om att så långt som möjligt försäkra att förändringen i överavkastning verkligen orsakas
av de modeller som prövas. För att ge studien en hög intern validitet har först och främst
vikten av användning av ett högt antal observationer fokuserats. Att utgå från företags
individuella årsredovisningar hade med tanke på studiens tidsramar medfört ett betydligt färre
antal observationer. Användningen av Thomson Reuters Datastream ger oss tillgång till en
sammansättning av 246 företags finansiella information under tioårsperioden, vilket
motsvarar ett urval på sammanlagt 1503 observationer fördelade över 10 år. Den stora
datamängden bidrar till att ge studien en ökad intern validitet.
Användning av kontrollvariabler i regressionsanalyserna, för att på så sätt försöka isolera
sambandet mellan variablerna, är en åtgärd som ytterligare syftar till att förbättra studiens
interna validitet. Att slå fast att sambandet mellan två variabler är äkta och inte skenbart, d.v.s.
beroende av en tredje variabel blir också viktigt vid kvantitativ analys (Bryman & Bell 2010).
Begreppet triangulering innebär att flera metoder används för dubbelkontroll och tillämpas för
att ge en större tillförlitlighet till resultatet (ibid). Tre steg har i studien använts för att
säkerställa att den eventuella överavkastningen verkligen orsakas av de testade modellerna.
Det första genom skapandet av fiktiva portföljer för vilka avkastningen kalkylerats och
jämförts mot marknadsindex OMXS_PI. Som nummer två säkerställs, genom
regressionsanalys, att de testade modellernas påverkan på överavkastning är statistiskt
signifikant på 5-procentsnivå. I det sista skedet görs en korrelationsanalys för att ytterligare
säkerställa sambanden mellan variablerna.
Extern validitet rör huruvida resultaten från en undersökning kan generaliseras till andra
sammanhang utöver den specifika undersökningskontexten, detta bl.a. genom att se till att
urvalet är representativt (Bryman & Bell 2010). I studien tillämpas en totalundersökning,
d.v.s. alla företag noterade på Stockholmsbörsen har tagits med i undersökningen. Att
säkerställa att resultaten är statistiskt signifikanta är en viktig åtgärd även med tanke på
studiens externa validitet. Här har som ovan nämnts en signifikansnivå på 0,05 tillämpats,
31
vilket betyder att risken att det eventuella samband som observeras i verkligheten inte
existerar är fem av hundra (ibid).
Möjligheten till generalisering av resultatet till andra kontexter beror, utöver den statistiska
signifikansen, till stor del på hur hög förklaringsgrad som uppvisas. Förklaringsgraden
beskriver hur mycket av förändringen i den beroende variabeln som orsakas av de oberoende
variablerna (Dahmström 2011). Förklaringsgraden kan vidare anta ett värde mellan 0 och 100
procent. Ju högre förklaringsgrad desto större möjlighet till generalisering (ibid.). Om
resultaten uppvisar hög statistisk signifikans i kombination med en hög förklaringsgrad skulle
det betyda att om studien gjordes om på nytt skulle den nya studien med största sannolikhet
uppvisa liknande resultat, oberoende av studiens förutsättningar. I denna studie skulle det
kunna betyda att resultaten skulle vara generaliserbara till en annan marknad, i ett annat land
och under en annan tidsperiod.
Reliabilitet rör frågan om huruvida resultaten blir desamma om undersökningen skulle
genomföras på nytt eller om resultatet snarare påverkas av slumpmässiga betingelser (Bryman
& Bell 2010). Även med tanke på reliabilitet blir i detta fall statistisk signifikans samt
förklaringsgrad viktiga att beakta. För att ytterligare tillfoga studien en högre reliabilitet har
tillvägagångssättet beskrivits så utförligt som möjligt. En bilaga med de i Thomson Reuters
Datastream använda mnemonics21
finns bifogad. En beskrivning av hur de olika variablerna i
varje modell beräknas samt formler för kalkylering av aktiernas avkastning samt blankning
bifogas också. Variablerna som använts vid regressionsanalysen samt regressionsmodellen
delges och i bilagorna finns portföljernas innehav specificerade, d.v.s. samtliga aktier som
valts ut med de olika metoderna.
3.7 Metodkritik Så långt som möjligt har eftersträvats att efterlikna Piotroskis samt Rados & Lovrics
ursprungliga undersökningsmetod för att göra resultaten jämförbara. Modellerna modifierades
dock något för att få fler aktier i portföljen. Detta medför att studiens metod inte fullständigt
överensstämmer med Piotroskis eller Rados & Lovrics. Vid en avsikt att vara strikt kritisk kan
påpekas att dessa modeller inte alls fungerar på den svenska marknaden då de i sin
ursprungliga form vissa år genererade för få företag22
för att det ska vara tal om någon
avkastning alls.
21 Variabelkod i Datastream. 22 Vissa år blev innehavet i vissa av portföljrna noll.
32
En ytterligare tanke som väcktes till liv under studiens gång var att vid tillämpning av
A_SCORE på den svenska marknaden, borde variablernas korrelationskoefficienter ha viktats
om. Detta för att säkerställa att liknande samband mellan de olika variablerna och avkastning
som påträffats i de amerikanska studierna även råder i Sverige.
Mycket arbete med databeredning, bland annat för att skapa identiska listor i Excel, har gjorts
manuellt. Den omfattande handpåläggningen har dels varit tidskrävande men även medfört
risk för fel orsakade av den mänskliga faktorn vilket försämrar studiens reliabilitet.
Studiens resultat torde blivit mer rättvisande om utdelningar räknats in i avkastningen. Detta
för att en akties avkastning i realiteten består av både värdepapperets prisstegring mellan
inköps- och försäljningstidpunkt och placeringens direktavkastning (Berk & DeMarzo 2014),
i detta fall eventuella utdelningar. Alternativet hade här varit att för jämförelse använda en
indexfond eftersom utdelningar inkluderas. Avkastningen kunde även jämförts mot indexet
SIXRX vilket har utdelningar och återinvestering av dessa inräknade. Då det inte gick att
finna information för exakta utdelningsdatum för samtliga företag under samtliga år insågs
dock under studiens gång att även detta skulle bli missvisande. Om datumet för
investeringarna sätts till början av maj missas således de utdelningar som skett tidigare under
året. Att istället använda den 1:a januari som investeringsdatum för att lösa problemet ansåg
vi dock lett till ett ännu större fel då investerare i realiteten inte har tillgång till företags
årsredovisningar vid denna tidpunkt.
Den ursprungliga strategin var att testa portföljernas risk som ett slutligt steg i
undersökningen; genom att kontrollera för den risk som antagits för portföljerna givet den
avkastning som erhållits. Detta visade sig också vara relevant då diversifieringen i flera av
portföljerna kan ifrågasättas på grund av portföljernas storlek. En förutsättning var dock att
lyckas inhämta information rörande aktiernas betavärde och standardavvikelser. Efter besök
vid fyra olika universitetsbibliotek togs beslutet att beräkna standardavvikelse för
avkastningen manuellt och föra en diskussion runt riskbegreppet för att på så sätt belysa att
detta är en viktig faktor att ta hänsyn till.
33
Empiriska resultat
I detta kapitel redogörs för studiens empiriska resultat. För varje portfölj illustreras i ett första
steg avkastningen i form av en tabell. I steg två illusteras för respektive portfölj resultatet av
regressionsanalysen, vilken förklarar sambandet mellan respektive investeringsstrategi och
överavkastning. Utifrån regressionsanalysen kan hypoteserna sedan accepteras eller förkastas.
Vidare illustreras samtliga portföljers korrelation med överavkastning i en korrelationmatris.
Sist i kapitlet återges en kort sammanfattning över studiens empiriska resultat där deskriptiv
statistik över de fiktiva portföljernas avkastning presenteras och hypotesprövningen
sammanfattas.
4.1 Book-to-Market
Tabell 3: Portfölj H_B/M
Nedan följer en tabell över H_B/M-portföljens utveckling. I tabellen kan utläsas vilken avkastning portföljen erhållit för respektive år med en 1 yr- samt en 2 yr Buy-and-Hold strategi. Även avkastningen för jämförelseindexet OMXS_PI
illustreras.
Portföljen bestående enbart av aktier med de 10 procent högsta B/M-värdena genererade
överavkastning under perioden med både 1 yr Buy-and-Hold och 2 yr Buy-and-Hold; 22,1
procentenheter (122,3-100,2) respektive 78,6 procentenheter (170,9-92.3). H_B/M har med
den ettåriga strategin i genomsnitt erhållit en överavkastning gentemot OMXS_PI
motsvarande 2,2 procentenheter per år. Den ettåriga strategin genererar en högre avkastning
än marknaden fem år av tio. Den tvååriga strategin har genererat en årlig överavkastning på i
snitt 7,9 procentenheter och lyckas överträffa marknaden fyra tvåårsperioder av fem. För att
Startår 1 yr Buy-and-Hold (n) OMXS_PI 1 yr 2 yr Buy-and-Hold (n) OMXS_PI 2 yr
2004 28,7% (12) 11,4%
2005 57,3% (12) 44,5%
2006 51,3% (14) 21,8%
2007 -31,7% (15) -21,3%
2008 -29,0% (17) -25,2%
2009 49,4% (19) 37,5%
2010 -0,1% (20) 11,5%
2011 -15,9% (19) -11,2%
2012 -8,9% (18) 12,9%
2013 21,2% (19) 18,3%
Rak avkastning 122,3% 100,2% 170,9% 92,3%
Rak avkastning/År 12,2% 10,0% 17,1% 9,2%
Effektiv avkastning 106% 110% 206% 110%
Observationer: 246
4,7% (17)
-13,4% (20)
44,6% (18)
-1,0%
2,8%
33,6%
-4,2%
61,0%135,9% (12)
-1,0% (14)
34
ha möjlighet att jämföra den ettåriga med den tvååriga strategin har effektiv avkastning
beräknats. Den ettåriga strategin gav en effektiv avkastning på 106 procent och den tvååriga
gav en effektiv avkastning på 206 procent. Med andra ord fick den ettåriga strategin en lägre
effektiv avkastning än marknadsindex, detta med 4 procentenheter.
Tabell 4: Regressionsanalys B/M
Nedan följer en regressionstabell över det linjära sambandet mellan B/M-värde och överavkastning. Överavkastning utgör den beroende variabeln. Som kontrollvariabler har de olika åren använts. Det som är av intresse är huvudsakligen H_B/Ms
P-värde samt dess koefficient till överavkastning.
Hypotes 1: En portfölj bestående av aktier med höga B/M-värden genererar en högre avkastning
än OMXS_PI under perioden 2004-2014.
Ovan visas utkomsten av regressionsanalysen för B/M-värdets påverkan på överavkastning.
Det kan utläsas att ingen direkt påverkan av B/M-värden kan fastställas statistiskt för
överavkastning i något av fallen. Att dessa värden inte är signifikanta kan fastställas på α =
0,05 då P-värdet är 0,95. Därmed förkastas hypotes 1: att en strategi med höga B/M-värden
skulle generera överavkastning.
Överavkastning Koefficient Standard Error t-värde P-värde
Konstant 0,182 0,198 0,922 0,358
H_B/M -0,004 0,065 -0,062 0,951
År 2005 0,119 0,189 0,630 0,530
År 2006 -0,286 0,223 -1,282 0,202
År 2007 -0,215 0,190 -1,133 0,259
År 2008 -0,058 0,181 -0,318 0,751
År 2009 -0,286 0,176 -1,631 0,105
År 2010 -0,224 0,180 -1,245 0,215
År 2011 -0,394 0,183 -2,158 0,032
År 2012 -0,146 0,175 -0,835 0,405
Förklaringsgrad: 0,091 Observationer: 165
35
4.2 F_SCORE
Tabell 5: Portfölj F_SCORE
Nedan följer en tabell över F_SCORE-portföljens utveckling. Ur tabellen kan utläsas vilken avkastning portföljen erhållit för respektive år med en 1 yr- samt en 2 yr Buy-and-Hold strategi. Även avkastningen för jämförelseindexet OMXS_PI
illustreras.
Ur tabellen kan utläsas att Piotroskis F_SCORE, över en längre sikt kan generera en högre
avkastning än marknadens genomsnittliga avkastning. Överavkastningen är för tioårsperioden
168,5 procentenheter (268,7-100,2) med den ettåriga portföljen. Detta motsvarar en årlig
överavkastning på i genomsnitt 16,9 procentenheter med 1 yr Buy-and-Hold strategi, att
jämföra med 23 procentenheter vid Piotroskis tillämpning av modellen på amerikansk data.
Vid granskning av individuella år är resultaten dock inte lika entydiga. Den ettåriga strategin
genererar en överavkastning sex år av tio och den tvååriga fyra tvåårsperioder av fem. Vissa
år består F_SCORE-portföljen endast av ett fåtal företag vilket gör det möjligt för
avkastningen att fluktuera kraftigt. Ett tydligt exempel på detta är den tvååriga portföljen år
2006 som ökade med 463,2 procent enbart på grund av en aktie; Björn Borg steg i extrem takt
under perioden. Vid en genomsnittsberäkning över ett flertal år genererar F_SCORE alltså
överavkastning, dock inte nödvändigtvis för individuella år. För att kunna jämföra den
ettåriga och den tvååriga strategin har effektiv avkastning beräknats. Den ettåriga strategin
erhöll en effektiv avkastning på 537 procent och den tvååriga strategin erhöll en effektiv
avkastning på 2117 procent.
Startår 1 yr Buy-and-Hold (n) OMXS_PI 1 yr 2 yr Buy-and-Hold (n) OMXS_PI 2yr
2004 29,7% (4) 11,4%
2005 91,8% (10) 44,5%
2006 116,1% (7) 21,8%
2007 -22,9% (12) -21,3%
2008 -9,9% (4) -25,2%
2009 28,4% (8) 37,5%
2010 23,8% (1) 11,5%
2011 -13,5% (11) -11,2%
2012 -3,9% (11) 12,9%
2013 29,1% (3) 18,3%
Rak avkastning 268,7% 100,2% 631,5% 92,3%
Rak avkastning/År 26,9% 10,0% 63,2% 9,2%
Effektiv avkastning 537% 110% 2117% 110%
61,0%
-4,2%
106,4% (4)
436,2% (7)
Observationer: 98
33,6%
18,6% (4)
-1,9% (1)
72,2% (11)
2,8%
-1,0%
36
Tabell 6: Regressionsanalys F_SCORE
Nedan följer en regressionstabell över det linjära sambandet mellan F_SCORE och överavkastning. Överavkastning utgör den beroende variabeln. Som kontrollvariabler har Book-to-Market och de olika åren använts. Det som är av intresse är
huvudsakligen F_SCOREs P-värde samt dess koefficient till överavkastning.
Hypotes 2: Piotroskis F_SCORE genererar en högre avkastning än OMXS_PI under perioden
2004-2014.
I ovanstående sammanfattning över den utförda regressionsanalysen visas F_SCORES
påverkan på överavkastning. Ur denna kan ett linjärt samband utläsas vilket beskrivs enligt
följande: för varje ökad F_SCORE-poäng kommer överavkastningen i snitt att öka med 3
procentenheter, där poängskalan sträcker sig mellan 0-9. Vidare visas att ca 7 procent av
överavkastningen förklaras av modellen. Att dessa värden är statistiskt signifikanta kan
fastställas på α = 0,05 då P-värdet är 0,02. I och med detta kan hypotes 2 accepteras på en
femprocentig signifikansnivå och att F_SCORE har en påverkan på överavkastning därmed
fastställas.
Överavkastning Koefficient Standard Error t-värde P-värde
Konstant 0,063 0,109 0,579 0,563
B/M -0,023 0,064 -0,357 0,722
F_SCORE 0,031 0,014 2,258 0,024
År 2005 -0,139 0,109 -1,273 0,204
År 2006 0,012 0,112 0,105 0,917
År 2007 -0,258 0,105 -2,465 0,014
År 2008 -0,291 0,101 -2,883 0,004
År 2009 -0,220 0,103 -2,133 0,033
År 2010 -0,280 0,121 -2,318 0,021
År 2011 -0,289 0,104 -2,792 0,005
År 2012 -0,335 0,107 -3,149 0,002
Förklaringsgrad: 0,074 Observationer: 421
37
4.3 A_SCORE
Tabell 7: Portfölj A_SCORE
Nedan följer en tabell över A_SCORE-portföljens utveckling. I tabellen kan utläsas vilken avkastning portföljen erhållit för respektive år med en 1 yr- samt en 2 yr Buy-and-Hold strategi. Även avkastningen för jämförelseindexet OMXS_PI
illustreras.
I ovanstående tabell kan utläsas att A_SCORE, den viktjusterade utvecklingen av F_SCORE
genererar en högre avkastning än både Book-to-Market och F_SCORE-strategin på ett års
sikt. Överavkastningen är med denna modell, för tioårsperioden, 186,2 procentenheter (286,4-
100,2) för 1 yr Buy-and-Hold. Vid tillämpning på den svenska marknaden har en
genomsnittlig årlig överavkastning på 18,6 procentenheter uppnåtts med 1 yr Buy-and-Hold
strategin medan Rados & Lovrics test på amerikansk data motsvarade 18,9 procentenheter.
Vidare genererade den ettåriga strategin överavkastning under sex av tio år medan den
tvååriga genererade överavkastning under samtliga tvåårsperioder. A_SCORE
uppmärksammades, i jämförelse med F_SCORE, vara relativt nogräknad vid sin
poängtilldelning vilket märktes då portföljen utgjordes av färre aktier. För att kunna jämföra
den ettåriga och den tvååriga strategin har effektiv avkastning beräknats. Den ettåriga
strategin erhöll en effektiv avkastning på 541 procent och den tvååriga erhöll en effektiv
avkastning på 437 procent.
Startår 1 yr Buy-and-Hold (n) OMXS_PI 1 yr 2 yr Buy-and-Hold (n) OMXS_PI 2yr
2004 53,1% (2) 11,4%
2005 86,2% (9) 44,5%
2006 121,3% (4) 21,8%
2007 -25,6% (7) -21,3%
2008 -13,5% (5) -25,2%
2009 59,4% (5) 37,5%
2010 0% (0) 11,5%
2011 -21,9% (9) -11,2%
2012 -1,9% (9) 12,9%
2013 29,3% (3) 18,3%
Rak avkastning 286,4% 100,2% 243,2% 92,3%
Rak avkastning/År 28,6% 10,0% 24,3% 9,2%
Effektiv avkastning 541% 110% 437% 110%
155,7% (2) 61,0%
11,6% (4) -4,2%
Observationer: 73
22,9% (5) 2,8%
0% (0) -1,0%
53,0% (9) 33,6%
38
Tabell 8: Regressionsanalys A_SCORE
Nedan följer en regressionstabell över det linjära sambandet mellan A_SCORE och överavkastning. Överavkastning utgör den beroende variabeln. Som kontrollvariabler har Book-to-Market och de olika åren använts. Det som är av intresse är
huvudsakligen A_SCOREs P-värde samt dess koefficient till överavkastning.
Hypotes 3: Rados & Lovrics A_SCORE genererar en högre avkastning än OMXS_PI under
perioden 2004-2014.
För att kunna fastställa ett samband mellan A_SCORE och överavkastning har en
regressionsanalys gjorts. För varje A_SCORE-poäng ökar avkastningen med 0,7
procentenheter. Det bör dock noteras att denna koefficient inte direkt går att jämföra med
koefficienten i F_SCORE-regressionen eftersom poängskalorna är olika, då A_SCOREs
poängskala går mellan 0-49 poäng. Förklaringsgraden för A_SCORE är 8,5 procent vilket är
snarlikt F_SCOREs förklaringsgrad (7 procent). Även här är P-värdet lågt (0,002) vilket tyder
på att det uppmärksammade sambandet kan säkerställas statistiskt. Hypotes 3 kan alltså
accepteras på en femprocentig signifikansnivå.
Överavkastning Koefficient Standard Error t-värde P-värde
Konstant 0,015 0,103 0,147 0,883
B/M -0,019 0,064 -0,295 0,768
A_SCORE 0,007 0,002 3,180 0,002
År 2005 -0,160 0,109 -1,468 0,143
År 2006 -0,014 0,111 -0,126 0,900
År 2007 -0,285 0,105 -2,718 0,007
År 2008 -0,318 0,101 -3,161 0,002
År 2009 -0,238 0,103 -2,316 0,021
År 2010 -0,300 0,120 -2,497 0,013
År 2011 -0,309 0,103 -2,995 0,003
År 2012 -0,354 0,106 -3,330 0,001
Förklaringsgrad: 0,085 Observationer: 421
39
4.4 B_SCORE
Tabell 9: Portfölj B_SCORE
Nedan följer en tabell över B_SCORE-portföljens utveckling. I tabellen kan utläsas vilken avkastning portföljen erhållit för respektive år med en 1 yr- samt en 2 yr Buy-and-Hold strategi. Även avkastningen för jämförelseindexet OMXS_PI
illustreras.
I ovanstående tabell illustreras B_SCORE-portföljens avkastning. B_SCORE har, av
Piotroskis samt Rados & Lovrics tre modeller, i denna studie genererat den lägsta
genomsnittliga avkastningen. B_SCORE-modellen har på den svenska marknaden genererat
en total överavkastning för perioden på 70,9 (171,1-100,2) procentenheter, d.v.s. en årlig
överavkastning på i snitt 7,1 procentenheter under 2004-2014 med den ettåriga strategin.
Rados & Lovrics test av modellen på den amerikanska marknaden genererade en betydligt
högre överavkastning; i genomsnitt 22,9 procentenheter årligen. Dock är B_SCORE-
portföljen relativt väldiversifierad och har samtidigt erhållit en högre avkastning än både
marknadsindex OMXS_PI och H_B/M-portföljen. Den ettåriga portföljen har överträffat
marknadindex sex år av tio och den tvååriga har slagit index under samtliga perioder. För att
kunna jämföra den ettåriga och den tvååriga strategin har effektiv avkastning beräknats. Den
ettåriga strategin erhöll en effektiv avkastning på 245 procent och den tvååriga erhöll en
effektiv avkastning på 282 procent.
Startår 1 yr Buy-and-Hold (n) OMXS_PI 1 yr 2 yr Buy-and-Hold (n) OMXS_PI 2yr
2004 34,2% (15) 11,4%
2005 64,9% (24) 44,5%
2006 44,5% (24) 21,8%
2007 -24,0% (22) -21,3%
2008 -18,8% (13) -25,2%
2009 44,5% (29) 37,5%
2010 19,0% (27) 11,5%
2011 -15,0% (26) -11,2%
2012 -7,0% (26) 12,9%
2013 28,7% (23) 18,3%
Rak avkastning 171,1% 100,2% 187,0% 92,3%
Rak avkastning/År 17,1% 10,0% 18,7% 9,2%
Effektiv avkastning 245% 110% 282% 110%
Observationer: 334
5,9% (13) 2,8%
6,0% (27) -1,0%
39,5% (26) 33,6%
129,0% (15) 61,0%
6,5% (24) -4,2%
40
Tabell 10: Regressionsanalys B_SCORE
Nedan följer en regressionstabell över det linjära sambandet mellan B_SCORE och överavkastning. Överavkastning utgör den beroende variabeln. Som kontrollvariabler har Book-to-Market och de olika åren använts. Det som är av intresse är
huvudsakligen B_SCOREs P-värde samt dess koefficient till överavkastning.
Hypotes 4: Rados & Lovrics B_SCORE genererar en högre avkastning än OMXS_PI under
perioden 2004-2014.
Även B_SCORE har en positiv påverkan på överavkastning, där varje ökad B_SCORE-poäng
leder till 4,9 procentenheters ytterligare överavkastning. Dock bör det noteras att poängskalan
för B_SCORE sträcker sig mellan 0-10 poäng, medan poängskalan för A_SCORE sträcker sig
mellan 0-49 poäng. Förklaringsgraden är 7,2 procent vilket innebär att 92,3 procent av
överavkastning inte kan förklaras av modellen. B_SCORE har ett P-värde på 0,043 vilket
innebär att modellens påverkan på överavkastning kan säkerställas på α = 0,05
signifikansnivå. Hypotes 4 kan härmed accepteras.
Överavkastning Koefficient Standard Error t-värde P-värde
Konstant 0,012 0,134 0,091 0,928
B/M -0,026 0,064 -0,409 0,683
B_SCORE 0,049 0,024 2,030 0,043
År 2005 -0,127 0,109 -1,171 0,242
År 2006 0,016 0,112 0,142 0,888
År 2007 -0,244 0,104 -2,334 0,020
År 2008 -0,283 0,101 -2,804 0,005
År 2009 -0,238 0,104 -2,280 0,023
År 2010 -0,275 0,121 -2,278 0,023
År 2011 -0,286 0,104 -2,756 0,006
År 2012 -0,335 0,107 -3,138 0,002
Förklaringsgrad: 0,072 Observationer: 421
41
4.5 C_SCORE
Tabell 11: Portfölj C_SCORE
Nedan följer en tabell över C_SCORE-portföljens utveckling. I tabellen kan utläsas vilken avkastning portföljen erhållit för
respektive år med en 1 yr- samt en 2 yr Buy-and-Hold strategi. Även avkastningen för jämförelseindexet OMXS_PI
illustreras.
Ovan visas C_SCORE-portföljens avkastning. Detta är den modell som genererat den högsta
avkastningen både på ett och på två års sikt. Med den ettåriga portföljen har en
överavkastning på totalt 235,6 (335,8-100,2) procentenheter uppnåtts vilket motsvarar en
årlig överavkastning på 23,6 procentenheter. Vid Rados & Lovrics tillämpning av modellen
på amerikansk data genererades en årlig genomsnittlig överavkastning på 26,4 procentenheter.
Marknadsindex har, i likhet med A- och B_SCORE, överträffats sex år av tio med den ettåriga
strategin och för samtliga perioder med den tvååriga. För att kunna jämföra den ettåriga och
den tvååriga strategin har effektiv avkastning beräknats. Den ettåriga strategin erhöll en
effektiv avkastning på 1036 procent och den tvååriga erhöll en effektiv avkastning på 753
procent.
Startår 1 yr Buy-and-Hold (n) OMXS_PI 1 yr 2 yr Buy-and-Hold (n) OMXS_PI 2yr
2004 91,7% (2) 11,4%
2005 106,1% (5) 44,5%
2006 83,0% (5) 21,8%
2007 -22,2% (13) -21,3%
2008 18,9% (2) -25,2%
2009 26,8% (5) 37,5%
2010 10,5% (1) 11,5%
2011 -0,6% (6) -11,2%
2012 2,2% (6) 12,9%
2013 19,3% (2) 18,3%
Rak avkastning 335,8% 100,2% 355,5% 92,3%
Rak avkastning/År 33,6% 10,0% 35,6% 9,2%
Effektiv avkastning 1036% 110% 753% 110%
249,6% (2) 61,0%
10,4% (5) -4,2%
48,6% (2) 2,8%
3,8% (1) -1,0%
43,2% (6) 33,6%
Observationer: 63
42
Tabell 12: Regressionsanalys C_SCORE
Nedan följer en regression över det linjära sambandet mellan C_SCORE och överavkastning. Överavkastning utgör den beroende variabeln. Som kontrollvariabler har Book-to-Market och år använts. Det som är av intresse är huvudsakligen
C_SCOREs P-värde samt dess koefficient till överavkastning.
Hypotes 5: Rados & Lovrics C_SCORE genererar en högre avkastning än OMXS_PI under
perioden 2004-2014.
För att mäta C_SCOREs, den kombinerade modellen av A- och B_SCORE, påverkan på
överavkastning har en regressionsanalys genomförts. För varje ökad C_SCORE-poäng ökar
överavkastningen med 0,9 procentenheter. Poängskalan sträcker sig mellan 0-49 poäng.
Modellen förklarade 8 procent av den överkavkastning som erhållits under perioden. Eftersom
ett P-värde om 0,005 erhölls kan också hypotes 5 accepteras på en femprocentig
signifikansnivå.
Överavkastning Koefficient Standard Error t-värde P-värde
Konstant 0,065 0,098 0,663 0,508
B/M -0,018 0,064 -0,277 0,782
C_SCORE 0,009 0,003 2,832 0,005
År 2005 -0,141 0,108 -1,300 0,194
År 2006 0,006 0,111 0,051 0,959
År 2007 -0,298 0,106 -2,805 0,005
År 2008 -0,290 0,101 -2,881 0,004
År 2009 -0,235 0,103 -2,275 0,023
År 2010 -0,275 0,120 -2,290 0,023
År 2011 -0,288 0,103 -2,796 0,005
År 2012 -0,327 0,106 -3,091 0,002
Förklaringsgrad: 0,080 Observationer: 421
43
4.6 Modellernas korrelationer med överavkastning
Tabell 13: Korrelationsmatris
Nedanstående matris illustrerar korrelationerna mellan B/M, F-, A-, B- och C_SCORE och överavkastning. Det som i huvudsak är av intresse är tabellens nedersta rad i vilken de testade modellernas korrelation till överavkastning visas.
Det som kan utläsas ovan är att Piotroskis och Rados & Lovrics modeller har en positiv
korrelation med överavkastning. Då F-, A-, B- och C_SCORE samtliga uppvisar en
korrelation med överavkastning går detta i linje med studiens övriga empiriska resultat. Detta
då både de fiktiva portföljernas avkastning samt utkomsten i regressionsanalyserna tyder på
att modellerna genererar överavkastning under prövoperioden.
Utifrån korrelationsmatrisen kan inte påståendet att det skulle finnas ett positivt samband
mellan B/M-värde och överavkastning under prövoperioden styrkas. Detta går i linje med
utkomsten av regressionsanalysen där B/M-värdets påverkan på överavkastning inte kunde
styrkas.
4.7 Deskriptiv statistik
Tabell 14: Deskriptiv statistik
Nedan följer en sammanfattning över de olika fiktiva portföljernas prestationer med 1yr Buy-and-Hold strategin samt OMXS_PI. För portföljerna anges genomsnittlig avkastning, standardavvikelse och ett 95-procentigt konfidensintervall.
BM F_SCORE A_SCORE B_SCORE C_SCORE Överavkastning
BM 1
F_SCORE -0,083 1
A_SCORE -0,065 0,927 1
B_SCORE -0,055 0,736 0,650 1
C_SCORE -0,144 0,548 0,556 0,533 1
Överavkastning -0,079 0,113 0,144 0,100 0,142 1
Medelavkastning Avkastningens Standardavvikelse Nedre gräns Övre gräns
OMXS_PI 10,0% 0,220 -33,9% 54,0%
H_B/M 12,2% 0,321 -52,0% 76,5%
F_SCORE 26,9% 0,431 -59,4% 113,1%
A_SCORE 28,6% 0,474 -66,2% 123,4%
B_SCORE 17,1% 0,297 -42,3% 76,5%
C_SCORE 33,6% 0,416 -49,7% 116,9%
95%-Konfidensintervall
44
Medelavkastningen baseras på den 1 yr Buy-and-Hold strategin och har beräknats utan
hänsyn till ränta-på-ränta effekt. Avkastningen för respektive portfölj kommer med 95
procents säkerhet att befinna sig inom konfidensintervallet. Samtliga portföljer har genererat
en högre avkastning än marknadsindex, OMXS_PI. Som kan utläsas ur tabellen har Rados &
Lovrics C_SCORE strategi erhållit den högsta genomsnittliga avkastningen under perioden.
Vidare har avkastningens standardavvikelse beräknats för att se i vilken grad portföljernas
avkastningen fluktuerat. Här syns att marknadsindex, OMXS_PI, fluktuerat minst, vilket är
naturligt då marknaden endast utsätts för den systematiska risken, marknadsrisken. Detta
medan våra portföljer även utsätts för en specifik risk.
4.8 Kortfattad sammanfattning av det empiriska resultatet
Studiens övergripande syfte är att granska huruvida det är möjligt att med fundamental analys
överavkasta OMXS_PI. För att undersöka detta tillämpades Piotroskis investeringsstrategi
F_SCORE samt Rados & Lovrics vidareutvecklingar; A-, B- och C_SCORE. Utifrån teorin
preciserades syftet ned i fem hypoteser. Hypoteserna prövades sedan med regressionsanalys
på signifikansnivå α = 0,05. I nedanstående tabell visas en översikt över vilka hypoteser som
accepterats respektive förkastats.
Tabell 15: Sammanfattande tabell över hypotesprövningen
Det som kan konstateras är att det med fundamental analys, i detta fallet F-, A-, B- och
C_SCORE, är möjligt att generera en överavkastning på den svenska marknaden under
tidsperioden 2004-2014. Att höga B/M-värdens påverkan på överavkastning inte kan
fastställas styrker ytterligare att Piotroskis strategi skulle vara effektiv. Detta eftersom denna
Acceptera Förkasta
H1: En portfölj bestående av aktier med höga B/M-värden genererar
en högre avkastning än OMXS_PI under perioden 2004-2014.✕
H2: Piotroskis F_SCORE genererar en högre avkastning än
OMXS_PI under perioden 2004-2014.✕
H3: Rados & Lovrics A_SCORE genererar en högre avkastning än
OMXS_PI under perioden 2004-2014.✕
H4: Rados & Lovrics B_SCORE genererar en högre avkastning än
OMXS_PI under perioden 2004-2014.✕
H5: Rados & Lovrics C_SCORE genererar en högre avkastning än
OMXS_PI under perioden 2004-2014.✕
45
baseras på att i första steget välja ut företag med ett högt B/M-värde för att sedan applicera
F_SCORE för vidare utvärdering av vilka av dessa som är finansiellt starka.
Analys och diskussion
I följande kapitel tas de empiriska resultaten vidare för analys och diskussion. Utifrån
frågeställning och syfte belyses de olika teorier som behandlats i studien. I huvudsak söks
svar på om marknaden verkligen varit effektiv under perioden samt om de prövade
fundamentala analysmodellerna kan nyttjas för att generera överavkastning även på den
svenska marknaden.
5.1 Har marknaden varit effektiv?
Enligt effektiva marknadshypotesen är det på en effektiv marknad inte möjligt att generera
överavkastning på en riskjusterad basis (Berk & DeMarzo 2014). Att EMH verkar till endast
sin svagaste form av effektivitet ska innebära möjligheter att generera överavkastning med
fundamental analys (Fama et al. 1969). Samtliga portföljer i studien har avkastat mer än
jämförelseindexet OMXS_PI för tioårsperioden. Enligt teorin om EMH ges därför en antydan
om att marknaden åtminstone temporärt under undersökningsperioden befunnit sig i sin
svagaste form av effektivitet. Det går dock inte att dra slutsatsen att marknaden under hela
tioårsperioden endast verkat i sin svagaste form. Detta eftersom portföljerna inte
överavkastade OMXS_PI konstant under samtliga år (Gavelin & Sjöberg 2012).
Skillnaden i genomsnittlig överavkastning23
mellan Piotroskis studie på den amerikanska
marknaden och tillämpningen av modellerna på den svenska marknaden är 6,1
procentenheter. Att det skulle kunna finnas en skillnad i effektivitet på den svenska
marknaden jämfört med den amerikanska kan möjligtvis vara en förklaring till att portföljerna
i denna undersökning inte lyckades generera en lika hög avkastning som i Piotroskis studie.
Enligt bl.a. Simon (1952) skapas möjligheter till överavkastning genom att
marknadsanomalier uppkommer till följd av investerares begränsat rationella beteenden. Att
aktörerna på de finansiella maknaderna inte agerar rationellt leder i sin tur till
investeringsbeslut som inte kan anses vara nyttomaximerande. Skillnaden i effektivitet skulle
såldes kunna bero på att den svenska aktiemarknadens aktörer kan ha en tendens att agera mer
rationellt i sina investeringsbeslut än den amerikanska aktiemarknadens aktörer.
23 Baserat på tillämpningen av 1 yr Buy-and-Hold strategin.
46
Skillnaden skulle även kunna vara en funktion av storleken på marknaden som helhet. I och
med att den svenska marknaden är mindre finns färre företag som uppfyller modellernas
kriterier. Antalet företag som uppfyller kriterierna för ett sammanlagt F_SCORE på 8-9, och
därmed platsar i portföljen, är lägre på den svenska marknaden än på den amerikanska. Att det
på den amerikanska marknaden skulle vara lättare att finna företag som med Piotroskis mått
är ”potentiella vinnare” kan antas öka portföljens avkastning.
5.2 Är fundamental analys effektiv för att ta tillvara på marknadsanomalier?
Resultatet visar att det i enlighet med vad Ou & Penman kommer fram till redan år 1989 är
möjligt att med hjälp av data enbart inhämtade från företags årsredovisningar förutsäga
aktiekursers utveckling. Piotroskis strategi är inte helt olik den som tillämpades av Ou &
Penman (1989), där ett aggregerat mått konstrueras baserat på blankning av aktier i företag
med låga värden och inköp av företag med höga värden. F_SCORE och även Rados & Lovrics
modeller verkar efter utvärdering ha goda förutsättningar att genom fundamental analys ta
tillvara på marknadsanomalier för att generera överavkastning även i Sverige under en
tidsperiod som kan anses aktuell.
Tolkas studiens resultat i enlighet med förespråkarna av Behavioral Finance skulle den
överavkastning som modellerna genererat bero på att investerare på den svenska
aktiemarknaden under undersökningsperioden inte agerat strikt rationellt vid sina
investeringsbeslut (Simon 1952). Det faktum att strategierna genererar överavkastning tyder
på att de effektivt tar tillvara och lyckas utnyttja de anomalier som finns på marknaden
(Artsberg 2011). Investerares svårigheter att på ett effektivt sätt estimera aktiers framtida
värden utgör en motsättning till EMHs antagande om marknadens aktörer (Shleifer 2000). I
och med att den finansiella informationen inte fullständigt reflekteras i aktiekursen lyckas de
prövade investeringsstrategierna dra nytta av anomalierna som uppstår. Att Piotroskis
variabler, vilka utgör modellernas sammansättningar, är värderelevanta även på den svenska
marknaden, för ändamålet att hitta aktier som genererar överavkastning på 1-2 års sikt, bör det
inte råda något tvivel om då samtliga tre testmetoder konstaterar detta.
5.3 Existerar Book-to-Market effekten?
Att B/M-effekten konsekvent skulle haft en inverkan på den svenska marknaden under
perioden kan inte bekräftas. Det värdepremium som enligt Rosenberg, Reid & Lanstein
(1994) samt Fama & French (1993) föreligger företag med höga B/M-värden kan inte
statistiskt säkerställas i denna studie. Det första som styrker att det inte skulle existerat en
47
B/M-effekt är att regressionsanalysen inte kunde påvisa ett samband mellan B/M och
överavkastning. Det andra argumentet som talar emot B/M-effekten är att
korrelationsanalysen visade ett negativt samband mellan B/M-värde och överavkastning.
Det som talar för B/M-effektens existens är att H_B/M-portföljerna trots allt erhållit en
överavkastning. Den tvååriga portföljen har genererat en överavkastning på i snitt 7,9
procentenheter per år. Även den ettåriga portföljen överträffar OMXS_PI, dock endast
marginellt. I och med de fiktiva portföljernas överavkastning bör det kunna förutsättas att det
vid tillämpning av H_B/M-strategin kan finnas någon mån av ekonomisk betydelse. Dock
finns inte tillräckliga belägg för att stödja ett värdepremium statistiskt. Asness (1997) samt
McNichols & O’Briens (1997) ståndpunkt; att aktier i företag med ett lågt bokfört värde i
förhållande till marknadsvärde skulle negligeras och underprissättas för att med tiden
priskorrigeras och därmed generera en hög totalavkastning är en möjlig förklaring till den
överavkastning portföljerna genererat.
Detta till synes motsägelsefulla resultat; att regressionen inte kan säkerställa B/M-värdets
påverkan på överavkastning men att de fiktiva portföljerna ändå genererat överavkastning,
kan ha uppkommit på två olika sätt. Den första möjliga förklaringen är att sambandet i
korrelationsanalysen inte är linjärt. Det kan vara så att det för de företag med de allra högsta
B/M-värdena föreligger en positiv korrelation, vilket ligger i linje med Rosenberg et al.
(1985) forskning om Book-to-Market effekten. För de företag med de lägre B/M-värdena
skulle korrelationen kunna vara kraftigt negativ vilket gör att korrelationen som helhet antar
ett negativt värde.
Möjligheten kan dock inte uteslutas att B/M-effekten skulle kunna ha en inverkan vid
kombination med andra modeller. Piotroskis modell går som tidigare nämnts, ut på att ur
urvalet av värdeaktier urskilja de företag med störst potential till framtida vinster i
kombination med lägst finansiell risk (Piotroski 2000). Det som är gemensamt för samtliga
portföljer är följaktligen det första urvalsmomentet, d.v.s. rangordningen efter B/M-värden.
Viktigt att notera är dock att B/M-urvalet skiljer sig åt mellan modellerna. Vid konstruktionen
av H_B/M-portföljen, togs företag i den 90:e B/M-percentilen med i urvalet. För F-, A-, B- &
C_SCORE, togs dock endast företag i den 60:e B/M-percentilen med. H_B/M-portföljen
består alltså av aktier med högre B/M-värde än de aktier som tagits med i första urvalet vid
konstruktionen av F-, A-, B- och C_SCORE.
48
5.4 F_SCORES tillämpning på den svenska marknaden
Denna studies tillämpning av F_SCORE på den svenska marknaden går i linje med Piotroskis
test på den amerikanska. Med F_SCORE som investeringsstrategi genererades en
genomsnittlig årlig överavkastning på 16,9 procentenheter med den ettåriga strategin samt
54,0 procentenheter med den tvååriga. Ur Tabell 4 kan utläsas att F_SCORE har en positiv
inverkan på överavkastning, där varje F_SCORE i genomsnitt genererar en överavkastning på
3 procentenheter. Att F_SCORE påverkar överavkastning på den svenska marknaden kan
alltså fastställas statistiskt, detta med 95 procents säkerhet. Den tvååriga strategins framgång
kan i viss mån härledas till att modellen valde ut en aktie vars enskilda prestation i mycket
hög grad bidrog till portföljens höga resultat.
Emellertid kan det finnas svårigheter att generalisera resultaten. Regressionen visade en
förklaringsgrad om 7 procent vilket innebär att 93 procent av överavkastningen inte förklaras
av modellen. Detta gör det svårt att med säkerhet säga att modellen även i framtiden kommer
att generera överavkastning. Eftersom innehavet i F-, A- & C_SCORE skulle ha begränsats
till ett fåtal aktier om det ursprungliga urvalskriteriet använts ger detta en antydan om att
modellerna inte kan eller för den delen bör översättas rakt av till den svenska marknaden med
anledning av det lägre antalet aktier noterade på den svenska börsen. Utifrån tabell 12:
Korrelationsanalys kan slutsatsen dras att alla poängskalor hade en negativ korrelation med
B/M-värdet. Det är alltså svårare att hitta högt poängsatta aktier ju högre B/M-värde företagen
har. Det kan därmed ibland bli svårt att hitta företag som uppfyller både kraven på ett högt
B/M-värde samt en hög poäng från respektive poängsystem. Detta ger ytterligare en
indikation på att Piotroskis strategi i sin ursprungliga form får problem att generera aktier till
portföljerna och att stretegin därmed behöver modifieras något vid tillämpning på den svenska
marknaden.
Efter de fundamentala analysmodellernas tillämpning på portföljen bestående av företag med
höga B/M-värden kan det konstateras att samtliga portföljer genererar överavkastning.
Piotroskis strategi kan därmed sägas vara effektiva vad det gäller att sortera bort de företag
som avkastningsmässigt inte skulle vara en god investering. Det är som tidigare nämnts inte
säkert att företag med ett högt B/M-värde är bra investeringar då det typiska företaget
befinner sig i finansiellt trångmål (Piotroski 2000). Detta kan i praktiken innebära att vissa
aktier faktiskt drar ner den totala prestationen för portföljen. Syftet med Piotroskis modell är
att utifrån företagen med höga B/M-värden urskilja de företag med starka ekonomiska
49
förutsättningar. Vid en granskning av denna studies resultat kan bekräftas att modellen lyckats
med detta även på den svenska marknaden under prövoperioden.
5.5 Lyckas Rados & Lovric förbättra den ursprungliga strategin?
Vidareutvecklingarna av F_SCORE-modellen, Rados & Lovrics A-, B- och C_SCORE, har
genererat överavkastning i studien vilket kan bekräftas både statistiskt samt vid utvärdering av
de fiktiva portföljerna. Samtliga modeller har vidare genererat en högre avkastning än både
H_B/M och F_SCORE. C_SCORE är även den modell som totalt sett presterat bäst med den
ettåriga strategin då den gett en årlig överavkastning på i genomsnitt 23,6 procentenheter och
slagit marknaden sex år av tio.
Ur tabell 12: Korrelationsanalys kan utläsas att A- och C_SCORE har högst korrelation med
överavkastning av de testade investeringsstrategierna. Detta går i linje med de fiktiva
portföljernas avkastning eftersom dessa portföljer även var de som gav den högsta
avkastningen under perioden. B_SCORE hade dock en lägre korrelation till överavkastning än
F_SCORE.
5.6 Portföljernas avkastning ur ett riskperspektiv
Att ha en väldiversifierad portfölj är enligt modern portföljvalsteori att eftersträva. Detta för
att så långt som möjligt diversifiera bort den specifika risken som är förknippad med
investering i en specifik aktie (Gavelin & Sjöberg 2012). Piotroskis investeringsmodell verkar
vid tillämpning på den svenska marknaden välja ut färre aktier ju mer den kompliceras, vilket
syns i portföljerna baserade på A- och C_SCORE. Detta kan anses problematiskt då det är
möjligt att inte ett enda företag klarar av modellens krav, vilket kan observeras för A_SCORE
år 2010 då inga aktier valdes ut. Vid tillämpning av A_SCORE och C_SCORE kan det
därmed antas att portföljerna hade en låg grad av diversifiering24
(Elton & Gruber 1977).
Detta är en indikation på att portföljen, på grund av det låga antalet aktier, antar en högre
specifik risk.
Ur tabell 11: Deskriptiv statistik kan följande urskiljas: H_B/M-portföljen samt B_SCORE-
portföljen innehåller ett betydligt högre antal aktier respektive år än F-, A- och C_SCORE-
portföljerna. Eftersom både H_B/M och B_SCORE även hade en betydligt lägre
standardavvikelse för avkastningen, kan således ett samband utläsas. Ju högre antal aktier i
portföljerna desto mer har den specifika risken diversifierats bort. Enligt modern
24 Här definieras en låg grad av diversifiering som en portfölj bestående av mindre än tio aktier.
50
portföljvalsteori bör en högre risk inte antas utan kompensation i form av högre förväntad
avkastning (Gavelin & Sjöberg 2012). Sålunda har C_SCORE-portföljen varit en mer effektiv
portfölj än både F- och A_SCORE-portföljerna. Detta baserat på den höga medelavkastningen
i kombination med den relativt låga standardavvikelsen för avkastningen under perioden. Med
samma resonemang kan B_SCORE-portföljen antas varit ett mer effektivt portföljval under
perioden än H_B/M- portföljen. Därav återstår portföljerna B_SCORE och C_SCORE, där
val mellan dessa beror på hur riskavert investeraren är.
Det går inte att fastställa med säkerhet att den överavkastning portföljerna erhållit berott på ett
ökat risktagande. Den höga avkastningen portföljerna genererade, i jämförelse med deras
standardavvikelse, innebär dock svårigheter att endast ge en riskbaserad förklaring till
överavkastningen.
5.7 Skillnader i tidshorisont
För att jämföra de två olika strategierna tidsmässigt har portföljernas effektiva avkastning
beräknats. Detta eftersom den årliga rakt beräknade avkastningen inte korrekt reflekterar den
tvååriga strategin då dennas inbyggda ränta-på-ränta effekt saknas. När 1 yr Buy-and-Hold
jämförs med 2 yr Buy-and-Hold syns att för portföljerna H_B/M, F- samt B_SCORE har den
tvååriga strategin lyckats överträffa den ettåriga. Detta skulle kunna tolkas som att det med
dessa modeller kan vara en fördelaktigare strategi att låta innehaven löpa under en längre tid.
Med den ettåriga strategin genereras dock en högre överavkastning för A- och C_SCORE-
portföljerna vilket tyder på att det med dessa modeller kan löna sig att vikta om portföljerna
oftare.
Det är dock problematiskt att utifrån resultatet yttra sig om huruvida någon av tidsstrategierna
konsekvent skulle fungera bättre än den andra. Emellertid har sammansättningen av de
tvååriga portföljerna inte varit förgäves. Att det med även den tvååriga strategin var möjligt
att generera en överavkastning under perioden går i linje med vad som konstaterats med hjälp
av den ettåriga strategin. Detta stärker ytterligare resultaten; att det fungerar att erhålla
överavkastning med hjälp av fundamental analys på den svenska marknaden under
prövoperioden.
Slutsatser
I det avslutande kapitlet redogörs för studiens slutsatser, eventuella bidrag samt ges förslag till
vidare forskning.
51
6.1 Slutsats
Studiens syfte är att granska huruvida det är genomförbart att med fundamentala
investeringsstrategier överträffa OMXS_PI. För att pröva detta tillämpas Piotroskis
F_SCORE-modell, samt Rados & Lovrics A-, B- och C_SCORE-modeller och testas
huruvida dessa genererar en överavkastning på den svenska aktiemarknaden mellan år 2004
och år 2014. Studiens problemformulering mynnade ut i fem hypoteser, vilka prövats med
regressionsanalys. För att pröva modellerna har även fiktiva portföljer satts samman vars
avkastning kalkylerats och vars prestation utvärderats mot jämförelseindex.
Vid tillämpningen av modellerna genom sammansättning av de fiktiva portföljerna kan
konkluderas att samtliga modeller genererat överavkastning. Att detta skulle skett konsekvent
kan dock inte bekräftas eftersom portföljerna vissa år genererat en lägre avkastning än
marknadsindex. Den genomsnittliga årliga överavkastningen för portföljerna baserade på en 1
yr Buy-and-Hold strategi var för F_SCORE 16,9 procentenheter, för A_SCORE 18,6
procentenheter, för B_SCORE 7,1 procentenheter och för C_SCORE 23,6 procentenheter.
Samtliga modellers påverkan på överavkastning har även vid tillämpningen av respektive
regressionsanalys visat sig vara statistiskt signifikanta på femprocentsnivån. Utifrån resultatet
kan slutsatsen dras att både Piotroskis F_SCORE samt Rados & Lovrics vidareutveckling;
A_SCORE, B_SCORE och C_SCORE genererar överavkastning vid tillämpning på den
svenska marknaden under perioden 2004-2014. Detta vid användning av OMXS_PI som
jämförelseindex.
Modellerna visade sig ha en förklaringsgrad på mellan 0,07 och 0,085 vilket betyder att
mellan 7 och 8,5 procent av förändringen i överavkastning i detta fall beror på modellerna. Att
modellerna ger en överavkastning kan konstateras. Dock är inte modellernas förklaringsgrad
tillräckligt hög för att fastställa att de kommer att generera överavkastning även i framtiden
eller vid tillämpning utanför Sverige.
Modellerna, som dokumenterats fungera väl på en stor marknad som den amerikanska, har
dock begränsad möjlighet att fullt ut tillämpas på den lilla marknaden OMXS då få företag
klarar de gränser som sätts upp vid tilldelningen av poäng. Av detta följer en lägre
diversifiering av portföljen eftersom den vissa år innehåller ett lågt antal företag. En lägre
diversifiering leder i sin tur till ett högre risktagande. För att motverka detta har smärre
modifieringar gjorts i modellerna. Detta, för att få modellerna att inkludera fler aktier, främst
genom användningen av en högre percentil i modellens första steg där företag väljs ut på basis
52
av dess B/M-värden. Möjligheter att ytterligare vidga modellerna bör finnas för att öka deras
anpassning till den lilla svenska marknaden.
Resultatet förkastar naturligtvis inte hela den effektiva marknadshypotesen men ger en
indikation på att den svenska aktiemarknaden, åtminstone periodvis, under år 2004-2014 varit
effektiv till endast dess svagaste form. Detta eftersom de testade fundamentala
analysmodellerna lyckats generera överavkastning vid jämförelse gentemot OMXS_PI.
Resultatet går i linje med bl.a. Ou och Penmans (1989) tidigare forskning då det påvisar
möjligheterna att nyttja redovisningsinformation för att förutsäga framtida aktiekurser. Vidare
talar resultatet för anomaliers existens på marknaden och att fundamental analys kan användas
för att utnyttja dessa för att på så sätt generera en högre avkastning än marknadsindex.
Piotroskis strategi är baserad på en kombination av värdeinvestering och fundamental analys.
Att enbart värdeinvestering, inköp av aktier i företag med höga B/M-värden, i sig skulle ha en
påverkan på överavkastning har dock inte i denna studie kunnats fastställas statistiskt. Att den
sk. Book-to-Market effekten skulle ha existerat på den svenska marknaden under testperioden
kan i och med detta inte konstateras. När Piotroskis och Rados & Lovrics modeller appliceras
på företag med höga B/M-värden är dessa tänkta att separera ut de företag med starkast
finansiell position av företagen i Book-to-Market portföljen. Eller för att använda Piotroskis
egna ord; separating winners from losers. Detta kan bekräftas att modellerna lyckas med då
samtliga genererar en högre avkastning än den ursprungliga H_B/M-strategin.
6.2 Praktiska och teoretiska bidrag
Studien kan tänkas ge ett praktiskt bidrag genom att framhäva de olika
investeringsstrategiernas tillämpbarhet på den svenska marknaden. Piotroskis
investeringsstrategi; att först uppmärksamma företag med höga bokförda värden för att sedan
urskilja de företag som är finansiellt starka har i studien visat sig generera överavkastning.
Resultatet betonar vikten av att genom fundamental analys med utgångspunkt i finansiella
rapporter utvärdera företagets ekonomiska stabilitet före investering i dess aktie. Studien kan
vidare tänkas bidra med en förståelse kring de utmaningar som en investeringsstrategi
framtagen och testad på den amerikanska aktiemarknaden ställs inför vid tillämpning på den
betydligt mindre svenska.
Ett teoretiskt bidrag ges genom att ytterligare belysa hur svårt det är att påvisa B/M-effekten.
Att som investeringsstrategi enbart förlita sig på att inhandla företag med höga bokförda
värden i relation till marknadsvärde har här inte kunna säkerhetsställas vara effektivt för att
53
generera överavkastning. Slutligen kan konstateras att studiens resultat ytterligare bekräftar att
marknaden underregerar på finansiell information eftersom de prövade fundamentala
analysstrategierna erhållit överavkastning.
6.3 Förslag till vidare forskning
Enligt författarnas mening vore det intressant att utöka modellerna till att inkludera fler
företag för att på så sätt öka strategins tillämpbarhet på den svenska marknaden. Modellerna
gav i undersökningen förhållandevis få företag i sin ursprungliga form vilket medförde att det
i flera av modellerna togs beslutet att tänja på gränserna till att inkludera ett större urval.
Justeringen innebar att B/M-urvalet utökades till att innefatta de 60 procent högsta värdena
istället för de 80 procent högsta. Detta behöver dock inte vara den bästa metoden att öka
urvalet och vidare forskning kring hur Piotroskis metod bäst kan appliceras på den svenska
marknaden är av intresse.
Modellerna skulle även kunna kompletteras genom utökning till att innefatta fler variabler.
Genom att, på samma sätt som Piotroski, addera fler signaler som korrelerar med
överavkastning kan strategin utökas för att få en ytterligare högre värderelevans. Den
fundamentala analysen skulle kunna förbättras ytterligare genom inkludering av
makrovariabler. Att granska hur exempelvis branschspecifika variabler eller företagets
konkurrenssituation korrelerar med avkastningen bör således vara intressant. Det kan tänkas
finnas en mängd variabler som korrelerar med framtida avkastning. En ytterligare aspekt vore
att även inkludera minuspoäng för signaler som tycks ha en stark negativ påverkan på
avkastning.
Då flera diskussioner inom kategorin värdeinvestering lägger fokus på risk kan en möjlighet
till riskjustering utöver den som finns inbyggd i modellerna, vara att kombinera modellerna
med modern portföljvalsteori. För att fullständigt kunna uttala sig om vilken risk som burits
för portföljerna kan en möjlighet vara att gå in lite djupare på riskbegreppet. Detta förslagsvis
genom att vikta portföljerna enligt CAPM.
Ytterligare möjligheter torde finnas att vikta portföljen annorlunda. Med de testade
modellerna inhandlas aktierna för en lika stor summa. Med en högre procentuell andel aktier i
de företag med höga poäng skulle möjligtvis avkastningen kunna förbättras ytterligare.
54
Referenser
Tryckta källor
Artsberg, K. (2011). Redovisningsteori -policy och -praxis. 2. uppl., Egypten: Liber AB.
Berk, J. & DeMarzo, P. (2014). Corporate Finance -The Core. 3. uppl., Kendallville: Pearson
Education.
Bryman, A. & Bell, E. (2010). Företagsekonomiska forskningsmetoder. 1. uppl., Spanien:
Liber AB.
Dahmström, K. (2011). Från datainsamling till rapport - att göra en statistisk undersökning.
5. uppl., Pozkal, Poland: Studentlitteratur.
Gavelin, L. & Sjöberg, E. (2012). Finansiell ekonomi i praktiken. 2. uppl., Lund:
Studentlitteratur AB.
Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E. & Tatham, R. L. (2005). Multivariate
Data Analysis. 6. uppl., Upper Saddle River, New Jersey: Pearson Education.
Nilsson, H., Isaksson, A. & Martikainen, T. (2009). Företagsvärdering med fundamental
analys. 1. uppl., Malmö: Studentlitteratur AB.
Stock, J. H. & Watson, M. H. (2012). Introduction to Econometrics. 3. uppl., England:
Pearson Education.
Elektroniskt material
Abarbanell, J.S. & Bushee, B.J. 1997, "Fundamental Analysis, Future Earnings, and Stock
Prices", Journal of Accounting Research, vol. 35, no. 1, pp. 1-24.
Abarbanell, J.S. & Bushee, B.J. 1998, "Abnormal Returns to a Fundamental Analysis
Strategy", The Accounting Review, vol. 73, no. 1, pp. 19-45.
Asness, C.S. 1997, "The Interaction of Value and Momentum Strategies", Financial Analysts
Journal, vol. 53, no. 2, pp. 29-36.
Ball, R. & Brown, P. 1968, "An Empirical Evaluation of Accounting Income Numbers",
Journal of Accounting Research, vol. 6, no. 2, pp. 159-178.
Bowyer, J. (2013). The Economy Has Nothing To Do With The Stock Markets, Right?.
Forbes, 28 april. http://www.forbes.com/sites/jerrybowyer/2013/04/28/the-economy-has-
nothing-to-do-with-the-stock-markets-right/ [2015-01-02]
55
Elton, E.J. & Gruber, M.J. 1977, "Risk Reduction and Portfolio Size: An Analytical
Solution", The Journal of Business, vol. 50, no. 4, pp. 415-437.
Fama, E.F., Fisher, L., Jensen, M.C. & Roll, R. 1969, "The Adjustment of Stock Prices to
New Information", International Economic Review, vol. 10, no. 1, pp. 1-21.
Fama, E.F. 1992, "The cross-section of expected stock returns", The Journal of Finance, vol.
47, no. 2, pp. 427-465.
Fama, E.F. & French, K. 1993 "Common risk factors in the returns on stocks and bonds", The
Journal of Finance, vol. 33, no. 1, pp. 3-56
Francis, J. & Schipper, K. 1999, "Have Financial Statements Lost Their Relevance?", Journal
of Accounting Research, vol. 37, no. 2, pp. 319-352.
Fox, J. (2002). Is The Market Rational? No, say the experts. But neither are you - so don't go
thinking you can outsmart it. Fortune Magazine, 9 december.
Haugen, R.A. 1996, "Commonality in the determinants of expected stock returns", Journal of
Financial Economics, vol. 41, no. 3, pp. 401-439.
Kendall, M.G. & Hill, A.B. 1953, "The Analysis of Economic Time-Series-Part I: Prices",
Journal of the Royal Statistical Society.Series A (General), vol. 116, no. 1, pp. 11-34.
Kirman, A.P. 2010, "The Economic Crisis is a Crisis for Economic Theory", CESifo
Economic Studies, vol. 56, no. 4, pp. 498-535.
Lev, B. & Thiagarajan, S.R. 1993, "Fundamental Information Analysis", Journal of
Accounting Research, vol. 31, no. 2, pp. 190-215.
Lovric, T. & Rados, D. (2009). I PIOTROSKIS FOTSPÅR - förslag på förbättringar av
Piotroskis hög book-to-market investeringsstrategier. Kandidatuppsats, Företagsekonomiska
institutionen, Uppsala universitet. Uppsala: Universitetet.
McNichols, M. & O'Brien, P.C. 1997, "Self-Selection and Analyst Coverage", Journal of
Accounting Research, vol. 35, pp. 167-199.
Ou, J.A. & Penman, S.H. 1989, "Financial statement analysis and the prediction of stock
returns", Journal of Accounting & Economics, vol. 11, no. 4, pp. 295-329.
Piotroski, J.D. 2000, "Value Investing: The Use of Historical Financial Statement Information
to Separate Winners from Losers", Journal of Accounting Research, vol. 38, pp. 1-41.
56
Rosenberg, Barr, Kenneth Reid, and Ronald Lanstein. "Persuasive evidence of market
inefficiency." The Journal of Portfolio Management 11.3 (1985): 9-16.
Rutherford, D. 1988, "The New Palgrave: A Dictionary of Economics", Journal of Economic
Surveys, vol. 2, no. 2, pp. 177-181.
Shleifer, A. 2000, Inefficient Markets: An Introduction to Behavioral Finance, Oxford
University Press.
Simon, H.A. 1952, "Comments on the Theory of Organizations", The American Political
Science Review, vol. 46, no. 4, pp. 1130-1139.
57
Appendix
Bilaga 1: Ordlista – finansiella och statistiska begrepp
Anomali Avvikelse från det normala
Behavioral Finance Behandlar hur enskilda investerare påverkas av psykologiska
faktorer och hur detta i sin tur påverkar de finansiella marknaderna
Betavärde Aktiens korrelation med marknadsrisken
Book-to-Market Företagets bokförda värde i relation till dess marknadsvärde
Blankning Att låna en aktie med förhoppningen av kursen går ned
Buy-and-Hold strategi Inköp av aktie med strategin att behålla denna under en viss tidsperiod
Determinationskoefficient Förklaringsgrad
Dummyvariabel Variabel som endast kan anta värdet 1 eller 0
Effektiv avkastning Den avkastning en ägare av ett värdepapper får på sin placering i
form av direktavkastning och kursförändring
Effektiva marknadshypotesen Antagandet om informationseffektivitet på aktiemarknaden
F_SCORE Joseph Piotroskis investeringmodell
Fundamental analys Värderingsmetod baserad på i huvudsak finansiell information
Kontrollvariabel Variabel som hålls konstant eller vars effekter tas bort för att
analysera förhållandet mellan andra variabler utan störningar
Market Capitalization Företagets marknadsvärde (aktiekurs * antalet utestående aktier)
Marknadsjusterad avkastning Total avkastning – marknadens avkastning
Modern portföljvalsteori Dominerande teori inom finansieringsämnet som syftar till att
maximera en portföljs avkastning förutsatt en given risk
Outlier Observation som ligger långt ifrån övriga observationer
OMXS Stockholmsbörsen
OMXS_PI Prisindex för Stockholmsbörsen
Percentil Hundradel
58
P-värde Sannolikheten att ett resultat beror på slumpen
Random Walk Matematisk model som beskriver slumpvisa rörelser för exemplevis
aktiekurser
Rational Choice Theory Teori som förutsätter att människan är rationell och självintresserad
Rationell investerare Begrepp med ursprung i rational choice theory; investerare som
maximerar ett investeringsbesluts nytta genom att göra optimala
avvägningar vid strävan efter högsta möjliga avkastning
Specifik risk Den risk som är företagsspecik, d.v.s. som kommer av investering i
ett visst företags aktier
Split Ökning av antalet aktier med för företaget som helhet bibehållet
marknadsvärde
Standardavvikelse Mått på hur mycket värdena i en population avviker från medelvärdet
Statistisk signifikans Säkerställande att ett värde avviker så pass mycket att det inte kan
orsakas av slumpen
Systematisk risk Marknadsrisken
Teknisk analys Analys baserad på historiska aktiekurser
Thomson Reuters Datastream Databas för finansiell information
Tillväxtaktier/Tillväxtstrategi (Investering i) aktier med ett högt marknadsvärde värde i relation
till bokfört värde
Värdeaktier/Värdestrategi (Investering i) aktier med med höga bokförda värden i relation till
marknadsvärde
Överavkastning Portföljens avkastning –avkastningen för jämförelseindex
59
Bilaga 2: Datastream Mnemonics
Variabel Mnemonic
Price P
Common Stock WC03480
Total Assets WC02999
Net Cash Flow - Operating Activities WC04860
Long Term Debt WC03251
Current Liabilities WC03101
Net Sales or Revenues WC01001
Net Operating Expenses WC01249
Market Value to Book MTBV
Net Income - Before Extraordinary Items WC01551
2004 2005 2006 2007 2008Innehav: Innehav: Innehav: Innehav: Innehav:
KINNEVIK 'B SSAB 'B ADDNODE 'B ADDNODE 'B ORESUND INVESTMENTRORVIK TIMBER BONG ROTTNEROS LATOUR INVESTMENT 'B WALLENSTAM 'BELOS 'B KLOVERN A ORESUND INVESTMENT RORVIK TIMBER LUNDBERGFORETAGEN 'BCONCORDIA MARITIME 'B TRACTION 'B REDERI AB TNSAT.'B ROTTNEROS MSC KONSULT 'BFAST PARTNER REDERI AB TNSAT.'B ASPIRO SAS CYBERCOM GROUP EUROPESAS RORVIK TIMBER RORVIK TIMBER REDERI AB TNSAT.'B ROTTNEROSBERGS TIMBER 'B ASPIRO LATOUR INVESTMENT 'B LUNDBERGFORETAGEN 'B ASPIRONOVESTRA ADDNODE 'B ARCAM 'B TRACTION 'B TRACTION 'BREDERI AB TNSAT.'B BURE EQUITY KINNEVIK 'B FASTIGHETS BALDER 'B MELKER SCHORLINGDUROC 'B FABEGE TRACTION 'B WALLENSTAM 'B BURE EQUITYBIOTAGE CONCORDIA MARITIME 'B INVESTOR 'B ORESUND INVESTMENT INVESTOR 'BBOLIDEN DUROC 'B BERGS TIMBER 'B BERGS TIMBER 'B DIOS FASTIGHETER
BURE EQUITY KINNEVIK 'B FASTIGHETS BALDER 'BI A R SYSTEMS GROUP KLOVERN A KLOVERN A
INVESTOR 'B KINNEVIK 'BDUROC 'BSTOCKWIK FORVALTNING
2009 2010 2011 2012 2013Innehav: Innehav: Innehav: Innehav: Innehav:
REDERI AB TNSAT.'B EAST CAPITAL EXPLORER TRACTION 'B INTELLECTA 'B ALLENEXSAS MIDSONA 'B RORVIK TIMBER PA RESOURCES 'B FASTIGHETS BALDER 'BWALLENSTAM 'B BILLERUD KORSNAS BERGS TIMBER 'B OPCON BLACK EARTH FARMING SDBDIOS FASTIGHETER KINNEVIK 'B LUNDBERGFORETAGEN 'B SHELTON PETROLEUM SSAB 'BNOVESTRA ENIRO BONG FASTIGHETS BALDER 'B KINNEVIK 'BASPIRO CONCORDIA MARITIME 'B DUROC 'B MULTIQ INTERNATIONAL KLOVERN APARTNERTECH CYBERCOM GROUP EUROPE EAST CAPITAL EXPLORER LAMMHULTS DESIGN GROUP PA RESOURCES 'BBONG DUROC 'B MELKER SCHORLING INVESTOR 'B KAROLINSKA DEVELOPMENT (WI)DUROC 'B MYCRONIC MIDSONA 'B DUROC 'B INVESTOR 'BBERGS TIMBER 'B I A R SYSTEMS GROUP FABEGE KINNEVIK 'B BONGI A R SYSTEMS GROUP HALDEX DIOS FASTIGHETER ROTTNEROS CYBERCOM GROUP EUROPEKLOVERN A BIOTAGE SHELTON PETROLEUM ENIRO LAMMHULTS DESIGN GROUPBIOTAGE ALLENEX KINNEVIK 'B ELANDERS 'B SHELTON PETROLEUMENDOMINES VENUE RETAIL GROUP 'B INVESTOR 'B MIDSONA 'B OPCONALLENEX BONG COREM PROPERTY GROUP BERGS TIMBER 'B ELANDERS 'BFASTIGHETS BALDER 'B NORDIC SER.PTNS.HDG.'B CONCORDIA MARITIME 'B RORVIK TIMBER BERGS TIMBER 'BCONCORDIA MARITIME 'B ENDOMINES PA RESOURCES 'B REDERI AB TNSAT.'B REDERI AB TNSAT.'BOPUS GROUP ROTTNEROS I A R SYSTEMS GROUP DIOS FASTIGHETER CONCORDIA MARITIME 'BROTTNEROS FASTIGHETS BALDER 'B FASTIGHETS BALDER 'B MIDSONA 'B
SHELTON PETROLEUM
Bilaga 3: H_B/M -‐ Portfölj, Innehav
2004 2005 2006 2007 2008Innehav: Innehav: Innehav: Innehav: Innehav:
BEIJER ALMA 'B BEIJER ALMA 'B' BJORN BORG BERGS TIMBER 'B' ADDNODE 'B'CONCORDIA MARITIME 'B JM ELANDERS 'B' BIOTAGE BETSSON 'B'SSAB 'B MIDWAY HOLDINGS 'B' MIDWAY HOLDINGS 'B' HOLMEN 'B' PROFILGRUPPEN 'B
NCC 'B' MSC KONSULT 'B' LAGERCRANTZ GROUP 'B' TRELLEBORG 'B'Blankning: PEAB 'B' NOLATO 'B' LAMMHULTS DESIGN GROUPACANDO 'B' SAAB 'B' SAS LUNDBERGFORETAGEN 'B'
SKANSKA 'B' SSAB 'B' MIDWAY HOLDINGS 'B'SSAB 'B' PROACT IT GROUPVBG GROUP SASVOLVO 'B' SCA 'B
VOLVO 'B
Blanking:
MIDSONA 'B'
2009 2010 2011 2012 2013Innehav: Innehav: Innehav: Innehav: Innehav:
ACANDO 'B' HOLMEN 'B' ACANDO AB ADDNODE GROUP AB MYCRONIC PUBL AB ADDNODE 'B' BILLERUDKORSNAS PUBL CONSILIUM AB PROFILGRUPPEN 'BLAGERCRANTZ GROUP 'B BOLIDEN AB ELANDERS AB LAMMHULTS LATOUR INVESTMENT 'B ENEA AB IAR SYSTEMS NOLATO 'B HALDEX AB MIDSONA OEM INTERNATIONAL 'B NEW WAVE GROUP AB MQ HOLDINGREDERI AB TNSAT.'B PROFILGRUPPEN AB NOTE AB SSAB 'B STUDSVIK PARTNERTECH AB
TRELLEBORG 'B PREVAS 'BROTTNEROS SSAB 'BXANO INDUSTRI 'B XANO INDUSTRI 'B
Bilaga 4: F_SCORE -‐ Portfölj, Innehav/Blankning
2004 2005 2006 2007 2008Innehav: Innehav: Innehav: Innehav: Innehav:
BEIJER ALMA 'B BEIJER ALMA AB ASPIRO BIOTAGE AB ADDNODE GROUP AB CONCORDIA MARITIME 'B JM AB BJORN BORG AB LAGERCRANTZ GROUP AB AF AB
LAMMHULTS MSC KONSULT 'B LAMMHULTS BETSSON AB MIDWAY HOLDING AB SAS LUNDBERGFORETAGEN AB PROFILGRUPPEN 'BNCC AB PROACT IT GROUP TRELLEBORG 'BPEAB AB VOLVO 'BSAAB AB VBG GROUP PUBL Blankning: VOLVO AB
MIDSONA
2009 2010 2011 2012 2013Innehav: Innehav: Innehav: Innehav: Innehav:
ACANDO AB -‐ ACANDO AB ADDNODE GROUP AB BIOTAGEADDNODE GROUP AB BILLERUDKORSNAS PUBL CONSILIUM AB LAMMHULTS DESIGN GROUPLAGERCRANTZ GROUP 'B BOLIDEN AB ELANDERS 'B PROFILGRUPPEN 'BNOLATO 'B NEW WAVE GROUP 'B MIDSONA 'BSSAB 'B PROFILGRUPPEN 'B MQ HOLDING
ROTTNEROS AB PARTNERTECHSTUDSVIK PREVAS 'BTRELLEBORG 'B SSAB 'BXANO INDUSTRI AB XANO INDUSTRI 'B
Bilaga 5: A_SCORE -‐ Portfölj, Innehav/Blanking
2004 2005 2006 2007 2008Innehav: Innehav: Innehav: Innehav: Innehav:
VITEC SOFTWARE GROUP 'B VOLVO 'B SOFTRONIC 'B SSAB 'B BETSSON 'BFabege ACANDO 'B NOLATO 'B OEM INTERNATIONAL 'B SCA 'B'JM WALLENSTAM 'B MSC KONSULT 'B BEIJER REF AB PROFILGRUPPEN 'B'Beijer Alma 'B BEIJER ALMA 'B AF 'B PROACT IT GROUP PRICER 'B'KNOW IT TELE2 'B HALDEX ELANDERS 'B TELE2 'B'Oresund Investment VBG GROUP ATRIUM LJUNGBERG 'B VOLVO 'B NOLATO 'B'BETSSON 'B TELIASONERA TELIASONERA TELIASONERA LATOUR INVESTMENT 'B'RAYSEARCH LABS.'B GEVEKO 'B CASTELLUM LAMMHULTS DESIGN GROUP TRELLEBORG 'B'PROACT IT GROUP BIOTAGE LAMMHULTS DESIGN GROUP MIDWAY HOLDINGS 'B ADDNODE 'B'VOLVO 'B INVESTOR 'B RATOS 'B CYBERCOM GROUP EUROPE BURE EQUITYKINNEVIK 'B ELOS 'B MIDWAY HOLDINGS 'B LAGERCRANTZ GROUP 'B TELIASONERAVITROLIFE JM SSAB 'B HOLMEN 'B REDERI AB TNSAT.'B'SSAB 'B RATOS 'B TELE2 'B ASPIRO SOFTRONIC 'BELANDERS 'B INTELLECTA 'B SAS SCA 'BSTUDSVIK LAMMHULTS DESIGN GROUP KARO BIO BIOTAGE
MIDWAY HOLDINGS 'B BJORN BORG KUNGSLEDENNCC 'B NOVESTRA HEBA 'BNOVESTRA BOLIDEN DUROC 'BFAST PARTNER ADDNODE 'B WIHLBORGS FASTIGHETERSSAB 'B ORESUND INVESTMENT LATOUR INVESTMENT 'BBONG ASPIRO ROTTNEROSREDERI AB TNSAT.'B TRACTION 'B BERGS TIMBER 'BASPIRO INVESTOR 'BCONCORDIA MARITIME 'B BURE EQUITY
2009 2010 2011 2012 2013Innehav: Innehav: Innehav: Innehav: Innehav:
OEM INTERNATIONAL 'B HEBA 'B HALDEX VENUE RETAIL GROUP 'B CATENAMULTIQ INTERNATIONAL CATENA ENEA B&B TOOLS 'B DUNISTOCKWIK FORVALTNING NOLATO 'B GUNNEBO PREVAS 'B BOLIDENKNOW IT NCC 'B BOLIDEN MALMBERGS ELEKTRISKA 'B SCA 'BSSAB 'B KABE HUSVAGNAR 'B STUDSVIK BILLERUD KORSNAS MYCRONICINTELLECTA 'B FAST PARTNER MIDWAY HOLDINGS 'B FORMPIPE SOFTWARE VOSTOK NAFTA INV.SDRACANDO 'B DUNI NEW WAVE GROUP 'B TRELLEBORG 'B FAST PARTNERDUNI HOLMEN 'B BILLERUD KORSNAS XANO INDUSTRI 'B CASTELLUMNOLATO 'B CASTELLUM G5 ENTERTAINMENT ADDNODE 'B WIHLBORGS FASTIGHETERENEA WIHLBORGS FASTIGHETER XANO INDUSTRI 'B NOTE BIOTAGELATOUR INVESTMENT 'B CLOETTA 'B SSAB 'B SAAB 'B ATRIUM LJUNGBERG 'BINDL.& FINL.SYS.'B BOLIDEN TRELLEBORG 'B ARISE PROFILGRUPPEN 'BLAGERCRANTZ GROUP 'B SCA 'B RNB RETAIL AND BRANDS BONG VICTORIA PARKPREVAS 'B LUNDBERGFORETAGEN 'B INTELLECTA 'B TRIGON AGRI PARTNERTECHBILLERUD KORSNAS ASPIRO BIOTAGE BIOTAGE TRACTION 'B'ELECTRA GRUPPEN KLOVERN A SAAB 'B SSAB 'B MELKER SCHORLINGLAMMHULTS DESIGN GROUP ORESUND INVESTMENT LATOUR INVESTMENT 'B HOLMEN 'B RNB RETAIL AND BRANDSMYCRONIC NOVESTRA MYCRONIC I A R SYSTEMS GROUP BLACK EARTH FARMING SDBBOLIDEN VOSTOK NAFTA INV.SDR ATRIUM LJUNGBERG 'B PARTNERTECH SSAB 'BADDNODE 'B NEW WAVE GROUP 'B ROTTNEROS CONSILIUM 'B INVESTOR 'BCYBERCOM GROUP EUROPE INVESTOR 'B TRIGON AGRI STUDSVIK LAMMHULTS DESIGN GROUPSCA 'B SAAB 'B TRACTION 'B INTELLECTA 'B SHELTON PETROLEUMALLTELE ALLM.SVEN.TELAB DIOS FASTIGHETER BERGS TIMBER 'B PA RESOURCES 'B REDERI AB TNSAT.'BREDERI AB TNSAT.'B MELKER SCHORLING DUROC 'B DUROC 'BPARTNERTECH KINNEVIK 'B EAST CAPITAL EXPLORER ENIROBONG I A R SYSTEMS GROUP CONCORDIA MARITIME 'B ELANDERS 'BDUROC 'B BONGCONCORDIA MARITIME 'BROTTNEROS
Bilaga 6: B_SCORE -‐ Portfölj, Innehav
2004 2005 2006 2007 2008Innehav: Innehav: Innehav: Innehav: Innehav:
CONCORDIA MARITIME 'B' BEIJER ALMA 'B' ASPIRO CYBERCOM GROUP EUROPE BETSSON 'B'RAYSEARCH LABS.'B JM BJORN BORG HALDEX SOFTRONIC 'B
MIDWAY HOLDINGS 'B' MSC KONSULT 'B ICA GRUPPENNCC 'B' NOLATO 'B LAMMHULTS DESIGN GROUPSSAB 'B SAAB 'B MIDWAY HOLDINGS 'B'
OEM INTERNATIONAL 'BREDERI AB TNSAT.'BRNB RETAIL AND BRANDSSAAB 'BSSAB 'BTELE2 'BTELIASONERATRELLEBORG 'B
2009 2010 2011 2012 2013Innehav: Innehav: Innehav: Innehav: Innehav:
LAGERCRANTZ GROUP 'B DUNI BILLERUD KORSNAS ADDNODE 'B' BIOTAGELATOUR INVESTMENT 'B BOLIDEN BILLERUD KORSNAS PROFILGRUPPEN 'BNOLATO 'B ENEA MELKER SCHORLINGPREVAS 'B G5 ENTERTAINMENT REDERI AB TNSAT.'BREDERI AB TNSAT.'B ROTTNEROS TRACTION 'B
XANO INDUSTRI 'BBlankning:
INTELLECTA 'B
C_SCORE -‐ Portfölj, Innehav/Blankning