The Magic Formula” På Den Svenska Aktiemarknaden

Är det möjligt att generera

överavkastning genom systematisk värdeinvestering?

En studie om ”The Magic Formula” på den svenska aktiemarknaden.

Kandidatuppsats 15 hp Företagsekonomiska institutionen Uppsala universitet HT 2020

Datum för inlämning: 2021-01-15

Johan Cavallin Edvin Raiend

Handledare: Jonas Råsbrant1

Sammandrag Är det möjligt att överprestera aktiemarknaden genom investeringsstrategier eller bör den långsiktige investeraren följa indexportföljen? I denna studie appliceras Joel Greenblatts investeringsstrategi ”The Magic Formula” på den svenska aktiemarknaden under åren 2000-2020. Strategin bygger på systematisk värdeinvestering där nyckeltalen Return On Invested Capital (ROIC) och Earnings Yield (EY) kombineras för att hitta undervärderade bolag med god resultateffektivitet. En fiktiv portfölj bestående av 20 likaviktade bolag från NASDAQ Stockholm testas mot SIXRX under denna 20 år lång tidsperiod för att undersöka huruvida strategin överträffat marknadsportföljen på längre sikt. The Magic Formula portföljen genererade en genomsnittlig avkastning på 13,5% per år i jämförelse med marknadsportföljen SIXRX som under samma period avkastat 6,6% per år. Störst överavkastning finner vi under turbulenta börsår där marknadsportföljen genererat negativ avkastning. I enlighet med tidigare studier på den nordiska marknaden finner vi ett signifikant alfa efter att ha justerat för småbolags- och värdebolagseffekten enligt Fama French trefaktormodell. Momentumeffekten tycks dock vara en förklarande faktor då vi ej finner signifikant alfa när månadsavkastning jämförs mot Carhart fyrfaktormodell som tar hänsyn till denna kända anomali.

Nyckelord: Värdeinvestering, The Magic Formula, Effektiva marknadshypotesen, överavkastning, Carthart Fyrfaktormodell, svenska aktiemarknaden, marknadsanomalier.

Abstract Is it possible to outperform the stock market through investment strategies or should the long-term investor follow the index portfolio? In this study, Joel Greenblatt's investment strategy “The Magic Formula” is applied to the Swedish stock market during the years 2000-2020. The strategy is based on a systematic value investment where Return On Invested Capital (ROIC) and Earnings Yield (EY) ratios are combined to find undervalued companies with good earnings efficiency. A fictitious portfolio consisting of 20 stocks from NASDAQ Stockholm is back tested against the SIX Return Index during this 20-year period to examine whether the strategy has generated long-term abnormal excess returns when compared to the market portfolio. In total, The Magic Formula portfolio generated an average return of 13,5% per year compared to the market portfolio which returned 6,6% per year during the same period. We find the biggest excess returns during turbulent stock market years where the market portfolio has generated a negative return. In accordance with previous studies on the Nordic markets, we find a significant alpha after adjusting for the SMB and HML effect according to the Fama French three-factor model. However, the momentum effect seems to be an explanatory factor as we do not find significant alpha when comparing the monthly return against the Carhart four-factor model which takes this known anomaly into account.

Keywords: Value Investing, The Magic Formula, The Efficient Market Hypothesis, abnormal return, Carthart Four-Factor model, the Swedish stock market, market anomalies.

Innehållsförteckning 1 Introduktion ...... 4 1.1 Inledande bakgrund ...... 4 2 Teoretiskt ramverk ...... 6 2.1 Den Effektiva Marknadshypotesen ...... 6 2.2 Studier som strider mot EMH...... 6 2.2.1 Momentumeffekten ...... 6 2.2.2 Småbolagseffekten ...... 7 2.2.3 Effekten av låga P/E-tal ...... 7 3 The Magic Formula ...... 8 3.1 Tidigare studier kring The Magic Formula ...... 9 4 Hypoteser...... 10 5 Data och urval ...... 10 5.1 Survivorship-bias ...... 11 5.2 Look-ahead-bias ...... 11 5.3 Transaktionskostnader ...... 12 6 Metod...... 13 6.1 Portföljkonstruktion, The Magic Formula ...... 13 6.2 Avkastningsberäkning ...... 14 6.3 Regressionsanalyser ...... 14 6.3.1 Konstruktion av riskfaktorer ...... 14 6.3.2 Trefaktormodell ...... 15 6.3.3 Fyrfaktormodell ...... 16 6.3.4 Statistisk signifikans ...... 16 7 Resultat & Analys ...... 17 7.1 Portföljens avkastning ...... 17 7.2 Robusthetstest ...... 21 8 Diskussion & Slutsats ...... 22 8.1 Förslag till vidare forskning ...... 23 9 Referenslista ...... 24 10 Bilagor ...... 26 10.1 Portföljer för samtliga år under perioden 2020-04 – 2019-12...... 26

1 Introduktion

1.1 Inledande bakgrund Under de senaste åren har den svenska fondförmögenheten växt dramatiskt (Fondbolagens Förening, 2019) i takt med att hushållen har fått mer pengar över till följd av bland annat låga boräntor, samtidigt som det blivit allt enklare att investera genom nätmäklare såsom Avanza och Nordnet. Investeringssparkonton och kapitalförsäkringar är något som drivit på effekten ytterligare tack vare gynnsamma skatteregler. Något som blivit allt mer populärt är passiva indexfonder, där investeraren får ett kostnadseffektivt sparande utan att behöva betala höga avgifter till aktiva förvaltare. Historiska data visar att dessa indexfonder, i många fall, har överpresterat de flesta aktivt förvaltade fonderna inom samma område, efter avgifter räknade. Detta har på senare tid drivit på debatten om huruvida aktiva förvaltare verkligen skapar ett mervärde i sin förvaltning, och om marknaden är möjlig att överträffa på längre sikt. En av de som menar att detta är möjligt är den amerikanske fondförvaltaren Joel Greenblatt som i sin bok ”The little book that beats the market” förklarar hur han kontinuerligt lyckats överavkasta marknaden1 med hjälp av sin till synes simpla investeringsstrategi (Greenblatt, 2010). Strategin, som Greenblatt själv kallar The Magic Formula, bygger på systematisk värdeinvestering som i grunden härstammar från framgångsrika förvaltare såsom Benjamin Graham och Warren Buffet. Graham beskriver värdeinvestering som motsatsen till spekulation, där bolag köps för de egenskaper de har idag, snarare än en förhoppning om framtiden (Graham, 1949). Något som i praktiken realiseras genom att studera bolagens fundamentala värden genom användbara, men simpla, nyckeltal såsom pris i förhållande till vinst (P/E) eller pris i förhållande till bokfört eget kapital (book-to-market). Nyckeln ligger i att inte betala för dyrt för en aktie vilket även återspeglas i Warren Buffets kända citat: ”Price is what you pay, value is what you get” (2008). Greenblatt har i sin strategi hämtat inspiration från båda ovannämnda personer samt automatiserat urvalsprocessen för att undvika subjektiva felbedömningar, vilket gör strategin lätt att använda även för mindre, privata investerare. Tidigare studier vittnar om att formeln tycks fungera även på marknader utanför den amerikanska, många år efter bokens publicerande 2006 (Davydov et al., 2016; Kukkasniemi, 2013; Blackburn & Cakici, 2017; Rani 2019).

Exempel på fondförvaltare och investeringsstrategier som lyckats överavkasta marknaden kommer dock alltid att påträffas från tid till annan, därför brukar frågan brukar snarare vara om

1 Under åren 1988 till 2004 generade Greenblatt genom sin investeringsstrategi en genomsnittlig avkastning på 23,8% per år jämfört med marknadens (S&P 500) avkastning på 9,5% per år. 4

detta beror tillfälligheter, ökat risktagande eller någon annan förklarande faktor enligt adekvata prissättningsmodeller. Capital Asset Pricing Model (CAPM), som är en prissättningsmodell inkluderad en faktor, aktiers volatilitet i förhållande till marknaden, har länge använts för att estimera förväntad avkastning på en tillgång eller en portfölj (Sharpe, 1964). Eugene Fama & Kenneth French fann senare i sina studier ytterligare två återkommande effekter där mindre bolag, samt just värdebolag tenderat att överavkasta marknaden (Fama & French, 1992). De kom därför att bygga vidare på den ursprungliga CAPM-modellen genom att addera dessa två faktorer, vilket gav upphov till trefaktormodellen (Fama & French, 1993). Mark Carhart (1997) kom sedan att utveckla modellen än mer efter att Jegadeesh & Titman (1993) upptäckt en momentumeffekt på aktiemarknaden vilket sedermera resulterade i fyrfaktormodellen. Carharts modell används fortfarande idag i akademiska sammanhang för att utvärdera portföljers eventuella överavkastning (Ibrahim et al., 2018; Kostakis et al., 2011).

Då The Magic Formula bevisligen har levererat mycket god avkastning på internationella marknader finner vi det intressant att studera om detta fenomen även förefallit på den svenska aktiemarknaden och om strategin således kan vara ett bättre alternativ än marknadsportföljen. Vår studie ämnar därför att testa Joel Greenblatts strategi på svenska bolag (Nasdaq Stockholm) för utvärdera om dess avkastning överträffat marknadsportföljen, även efter hänsyn tagen till akademiskt beprövade prissättningsmodeller. Något som, till vår vetskap, inte har genomfört tidigare på svenska bolag i närtid. För att få ett så tillförlitligt resultat som möjligt genomförs studien på en 20 år lång tidsperiod mellan åren 2000-2019.

Vår frågeställning lyder således:

- Är det möjligt att generera en överavkastning på den svenska aktiemarknaden med hjälp av systematisk värdeinvestering enligt Joel Greenblatts investeringstrategi The Magic Formula?

2 Teoretiskt ramverk

2.1 Den Effektiva Marknadshypotesen Den Effektiva Marknadshypotesen utvecklades 1970 av Eugene Fama som menar att en marknad vars priser reflekterar all tillgänglig information är en effektiv marknad. Den Effektiva Marknadshypotesen delas in i tre former, svag, halvstark, och stark form. I den svaga formen inprisar marknaden all information om tidigare priser, vilket innebär att teknisk analys inte är lönt att använda för att skapa överavkastning. Den halvstarka formen innebär att aktuella priser återspeglar all publik information, såsom finansiella rapporter, vilket innebär att varken teknisk- såväl som fundamental analys leder till en överavkastning. I den starka formen inkluderas även all privat information vilket innebär att varken professionella investerare eller ”insiders” har möjlighet att skapa överavkastning jämfört med marknaden. Fama (1970) menar att empiriska undersökningar styrker den Effektiva Marknadshypotesen i svag och halvstark form. Detta skulle i så fall innebära att investerare inte, på ett systematiskt sätt, kan överprestera marknaden annat än genom privat information.

2.2 Studier som strider mot EMH Kritik som riktats mot EMH har i mångt och mycket kretsat kring att teorin endast fungerar så länge marknaden och dess aktörer agerar rationellt i sina investeringar, vilket inte alltid visat sig vara fallet enligt forskare som Richard Thaler (2015). Thaler menar att det alltid kommer finnas tillfällen där marknaden agerar på ett irrationellt ett sätt som inte kan förklaras av teoretiska modeller eller logisk investeringsstrategi. Ett exempel i närtid är den amerikanska fonden ”CUBA” som under en dag i december 2014 rusade nära 70% efter att USA:s dåvarande president Barack Obama meddelat att regeringen beslutat om att lätta på ett flertal restriktioner mot landet Kuba. Detta trots att fonden i själva verket inte hade något med Kuba att göra utan hade främst tillgångar på den amerikanska marknaden. Kursen vände sedan tillbaka kommande dagar efter att marknaden kommit till insikt med missförståndet (Thaler 2016). Anomalier i form av engångshändelser som denna är svåra för investerare att dra nytta av i framtida investeringar, däremot tycks vissa avvikande mönster systematiskt upprepas från tid till annan, vilket uppmärksamma investerare kunnat använda till sin fördel (Latif et al., 2011).

2.2.1 Momentumeffekten Som tidigare berört är momentumeffekten en väldokumenterad anomali, först uppmärksammad av Jegadeesh & Titman (1993). Efter att ha studerat aktier på den amerikanska aktiemarknaden

fann de att aktier som presterat bra (dåligt) den senaste 3-12 månadersperioden tenderade att fortsätta prestera bra (dåligt) under det nästkommande året. Vinnarportföljen lyckades under perioden 1990- 1998 överprestera portföljen bestående av förloraraktier med 1,39% per månad, efter att kontrollerat för riskfaktorer. Dessutom lyckades vinnarportföljen överavkasta portföljens jämförelseindex med 0,56% per månad (Jegadeesh & Titman, 2001). Momentum anses därför vara en av de förklarande faktorerna till aktiers prisutveckling, varför Mark Carhart (1997) senare adderade denna effekt till Fama & French trefaktormodell.

2.2.2 Småbolagseffekten Småbolagseffekten dokumenterades först av Rolf Banz 1980 efter att ha studerat aktieportföljer på den amerikanska aktiemarknaden under en 50 år långs tidperiod under mitten av 1900-talet. Banz fann att några av de överpresterande portföljerna inte kund förklaras genom en högre exponering till risk. Han fann istället en trend i de portföljer som innehöll en större andel småbolag då de lyckats överavkasta portföljer bestående av större bolag. Denna återkommande anomali bekräftades sedan av Fama & French (1992) varför de valde att inkludera denna effekt i sin trefaktormodell. Studier som gjorts på den svenska aktiemarknaden under 2000-talet finner dock blandade resultat då de flesta inte finner någon signifikant överavkastning för småbolag jämfört med större bolag (Alne & Hjelmberg, 2019). Persson & Wirfelt (2015) finner att småbolag på den svenska aktiemarknaden endast påvisar en signifikant överavkastning under uppåtgående marknadstrender.

2.2.3 Effekten av låga P/E-tal P/E-talet bruka användas som ett mått på hur ett bolag är värderat relativt sin vinst genom att bolagets pris (Price) divideras med bolagets vinst (Earnings). Höga P/E-tal tyder på att marknaden förutspår en hög tillväxt i framtiden och vice versa för låga P/E-tal. Lågt värderade bolag behöver för sakens skull inte vara ”billiga” per se då det oftast finns en förklaring till detta. Flertalet studier har dock visat att bolag med låga P/E-tal levererar högre avkastning jämfört med bolag med höga P/E tal, justerat för riskfaktorer (Basu, 1977; Goodman & Peavy 1983; Wu, 2014). Detta är även i linje med studier som tyder på att värdebolag, som bland annat karaktäriseras av låga P/E-tal, tenderar att leverera högre avkastning jämfört med tillväxtbolag (Graham & Dodd, 1934).

3 The Magic Formula

Joel Greenblatt, som från början är hedgefondförvaltare och senare år professor vid Columbia University, menar likt Graham & Buffet att värdeinvestering handlar om att köpa kvalitativa bolag till låga priser. För att få fram bolag som uppfyller dessa krav använder han sig av nyckeltalen Return On Assets och Earnings Yield som är mått på ett företags resultateffektivitet respektive dess pris i förhållande till vinst. Nyckeltalen bygger därmed endast på kända fakta vilket minimerar risken för felaktiga, subjektiva spekulationer om framtiden. Det är denna till synes enkla metod som enligt Greenblatt också är en del av hemligheten bakom The Magic Formula som menar att många förvaltare gör investering till något svårare än vad det egentligen är genom avancerade prognoser (Greenblatt, 2010). Bolagen rangordnas därefter i fallande skala efter respektive nyckeltal vilket innebär att varje enskilt bolag får två separata ”poäng”. Summan av dessa rankingar utgör bolagets totala poäng där portföljen sedan består av de bolagen med bäst kombination av dessa två attribut. På så sätt får Greenblatt en portfölj bestående av lågt värderade bolag med hög uppvisad resultateffektivitet. På så vis kan denna Magic Formula anses som ett mellanting mellan aktiv- och passiv förvaltning med det bästa av båda världar då samtliga bolag genomgår en kvalitetskontroll, samtidigt som subjektiva bedömningar inte riskerar att påverka beslutet negativt.

Return on Assets (ROA) mäter ett företags förmåga att generera vinst i förhållande till storleken på tillgångarna de har till sitt förfogande. Detta ses därför som ett mått på resultateffektivitet och därmed kvalitet Greenblatt använder själv att jämföra vinst i förhållande till investerat kapital (ROIC) istället för totala tillgångar, då tillgångar som Goodwill eller kassa inte räknas med till detta nyckeltal. Greenblatt menar dock att detta resultatmått i praktiken kan vara svårt för mindre investerare att beräkna i och med att det kräver en mer detaljerad bild av bolagets räkenskaper, varför även ROA presenteras som alternativ till detta (Greenblatt, 2010). Vi har därför valt att tillämpa ROA för att se om detta tal, som i verkligen leder till en mer genomförbar strategi för privata sparare, kan medföra samma goda resultat. För att göra en bedömning av bolagets värdering används måttet Earnings Yield, EY. Joel Greenblatt beskriver EY som ett inverterat P/E-tal, som i sig beskriver hur mycket man betalar för vinsten per aktie. Ett högt P/E-tal innebär i regel en högt värderad aktie, och då detta tal är inverterat innebär ett högt tal en låg värdering – vilket är vad man som investerare är ute efter i detta fall. Rangordningen görs sedan om en gång per år vilket gör att valda bolag alltid har maximalt 12 månader gamla siffror att utvärderas efter.

3.1 Tidigare studier kring The Magic Formula Efter att Joel Greenblatt publicerade boken om strategin (2006) har ett flertal studier gjorts på olika marknader för att se med varierande resultat beroende på tidsperiod och jämförelsemodell. Blackburn & Cakici (2017) genomförde en omfattande studie på flera globala marknader och fanns ingen signifikant överavkastning annat än på de europeiska marknaderna under perioden 1991-2016 efter att ha justerat för riskfaktorer enligt Carhart fyrfaktormodell. De fann däremot signifikant alfa efter att ha bytt ut nyckeltalet EBIT (rörelseresultat) från den ursprungliga modellen och istället ersatt detta med bruttoresultat (Gross Profit) och menar att strategin till viss del fungerar, men kan justeras till det bättre.

Modellen testades även på den finska marknaden under 1991-2013 och visade en genomsnittlig avkastning på 19,3% att jämföra mot OMXH CAP GI som under samma period avkastade 13,6% per år. Denna överavkastning ligger i linje med Greenblatts utsago från 2006 och kunde inte förklaras av varken av ett ökat risktagande, högre exponering mot småbolag/värdebolag eller momentumeffekten (Davydov et al. 2016). Även Davydov et al. såg förbättrade resultat efter att ha adderat ”cash-flow-to-price” (CF/P) som en ytterligare variabel. Dessförinnan genomförde även Topias Kukkasniemi (2013) en liknande studie på den finska marknaden under perioden 1997-2010, men då utan signifikant alfa efter riskjustering enligt CAPM.

Efter test på den Indiska marknaden fann Poonam Rani (2019) att Greenblatts portfölj överavkastat marknadsportföljer bestående av NSE 50 samt NSE 500 med totalt 220,8% respektive 236,8% under perioden 2010-2018. Studien genomförde dock inte test mot vare sig tre- eller fyrfaktormodell vilket gör att resultatet blir något svårtolkat.

Strömberg & Gustavsson (2018) studerade MF på den svenska börsen under en 10 år lång period mellan åren 2007-2017. Under dessa år visade portföljen genomsnittlig avkastning på 21,25% jämfört med marknadens 5,22%. I studien kunde inte portföljens överavkastning förklaras genom en ökad volatilitet eller genom Fama French trefaktormodell. Tvärtom uppsvidade MF en lägre volatilitet jämfört med marknadsportföljen. I studien har författarna använt sig av OMXS30 som jämförelseindex, vilket är ett prisindex som reflekterar de 30 mest omsatta bolaget Stockholmsbörsen, ej inkluderat utdelningar. Vidare har de ej testat om portföljens alfa kan förklaras av momentum genom att testa signifikansgraden mot Carhart fyrfaktormodell.

4 Hypoteser Många av de tidigare studier som gjorts på The Magic Formula visar att formeln genererat en överavkastning jämfört med marknaden. Däremot är endast ett fåtal testade mot, med dagens mått, adekvata prissättningsmodeller. Med tidigare studier som bakgrund vill vi därför undersöka detta förhållande på den svenska aktiemarknaden över en längre tidsperiod om 20 år, samt med Carharts fyrfaktormodell som jämförelsemått för eventuellt alfa.

Våra hypoteser blir således:

H0 = Systematisk värdeinvestering enligt The Magic Formula genererar inte överavkastning (alfa) på den svenska aktiemarknaden.

H1 = Systematisk värdeinvestering enligt The Magic Formula genererar överavkastning (alfa) på den svenska aktiemarknaden.

5 Data och urval Studien genomförs med en kvantitativ metod där en fiktiv portfölj framtagen baserad på The Magic Formula jämförs med relevant marknadsavkastning. Studien genomförts på den svenska aktiemarknaden (Nasdaq Stockholm) under perioden 2000-04-01 – 2019-12-31. Resultatet beräknas utifrån data från 237 observerade månadsavkastningar som jämförs med indexet SIXRX som är ett värdeviktat avkastningsindex inkluderat samtliga svenska bolag på Nasdaq Stockholm medräknat dess utdelningar.

För studiens genomförande använder vi oss av tjänsten Refinitiv Datastream för att hämta relevant och nödvändiga data för att beräkna nyckeltal. Refinitiv Datastream visar historiska data för ett flertal olika värdepappersmarknader världen över och här har vi, med hjälp av en på förhand sammanställd lista över historiska svenska noterade bolag, sökt fram den redovisningsdata som vi behövs för att kunna färdigställa rankingen av de bolag som finns i vårt ursprungliga urval bestående av 638 bolag.

Vid fastställandet portföljer har vi sållat bort bolag utefter Joel Greenblatts portföljkonstruktion. Inledningsvis exkluderas bolag med ett börsvärde (Market Capitalization) under 50 MUSD. Dessa bolag anses vara för volatila (Greenblatt, 2010) och vi har i vårt urval exkluderat samtliga bolag med ett börsvärde som understiger 415 MSEK. Därefter exkluderas bolag som verkar inom branscher som finans (banker, investmentbolag) och utilities (naturgas, olja, infrastruktur) samt energi. Greenblatt motiverar detta med att nyckeltalen inte är väl lämpade att användas på

finansbolag med hänsyn till deras bokföringsprinciper som skiljer sig från övriga sektorer samt utilities och energi som antas påverkas av yttre faktorer såsom statliga regleringar och monopolliknande marknader. Antal bolag i urvalet för respektive år varierar och illustreras i tabell 1 nedan.

Tabell 1 År Antal bolag i portföljurvalet År Antal bolag i portföljurvalet 2000 101 2010 161 2001 113 2011 162 2002 105 2012 155 2003 88 2013 154 2004 108 2014 160 2005 119 2015 172 2006 188 2016 196 2007 172 2017 214 2008 172 2018 231 2009 137 2019 241 Totalt antal bolagsår 3 149

Tabell 1 visar slutgiltigt urval för respektive år innan sortering av respektive nyckeltal. Samtliga av dessa bolag uppfyller kriterierna ”bolagsvärde >415MSEK”, ej verksamma inom finans, energi, utilities, samt innehar komplett redovisningsdata för aktuell period.

5.1 Survivorship-bias

Det dataset vi utgår från inkluderar samtliga noterade företag vid given tidpunkt (respektive år), vilket gör att även de bolag som eventuellt kan komma att avnoteras under kommande år inkluderas vid portföljkonstruktionen. På så sätt eliminerar vi risken för eventuell ”Survivorship-bias” i vår undersökning. Survivorship-bias är ett fenomen som kan uppstå vid dessa typer av undersökningar om man enbart inkluderar företag som överlevt under tidens gång, då avnoterade bolag generellt sett har genererat ett sämre resultat än de som kvarstår över hela perioden till och med 2019 (Rohleder et al, 2011).

5.2 Look-ahead-bias För att undvika problemet kring ”Look-ahead-bias”, som innebär att analyser och simuleringar likt dessa riskerar att bli snedvridna om information som inte fanns tillgänglig vid det faktiska investeringstillfället används vid efterkonstruktionen av de fiktiva portföljerna (Ter Horst & Verbeek, 2007). I denna studie har vi därför valt att bygga vår första portfölj och därmed även

beräkna avkastning med start 2000-04 (istället för 2000-01) eftersom det är först vid 2000-04 vi med säkerhet haft vetskap om bolagens prestation under föregående år.

5.3 Transaktionskostnader Studien tar ej hänsyn till de transaktionskostnader som i praktiken skulle uppstå årligen vid omallokering av The Magic Formula portföljen. Detta då faktiskt kostnad för historiska transaktioner är svåra att estimera på ett tillförlitligt sätt, samtidigt som transaktionskostnader inte förväntas påverka studiens resultat i enlighet med tidigare studier inom samma område (Persson & Selander, 2009).

6 Metod

6.1 Portföljkonstruktion, The Magic Formula Tillvägagångssättet för att konstruera dessa portföljer är direkt hämtad från den instruktion Joel Greenblatt (2008) beskriver i sin bok. Portföljerna består som tidigare nämnt från en ranking av två nyckeltal och för att få fram denna data har vi hämtat nedanstående information från Refinitiv Datastream;

Tabell 2 Nyckeltal Svensk översättning Refinitiv definition EBIT Rörelseresultat Represents the earnings of a company before interest expense and income taxes paid. (…)

Enterprise Value (EV) Rörelsevärde Enterprise Value is calculated as market capitalization plus debt, minority interest and preferred shares, minus total cash and cash equivalents (…)

Total Assets Totala tillgångar (…) total assets of a company (…)

Market Capitalization Börsvärde The aggregate value of all trading stock for the Company (…) calculated by multiplying Number of shares outstanding by Last Price (…)

Tabell 2. Definitioner och förklaring av nyckeltal hämtade från Refinitiv Datastream.

Med hjälp av denna data har vi kunnat räkna ut de två nyckeltal, Return On Assets (ROA) samt Earnings Yield (EY) som ligger till grund för våra portföljer. Nyckeltalen beräknas enligt nedanstående formler:

퐸푎푟푛푖푛푔 퐵푒푓표푟푒 퐼푛푡푟푒푠푡푠 & 푇푎푥푒푠 (퐸퐵퐼푇) 푅푂퐴 = (1) 푇표푡푎푙 퐴푠푠푒푡푠

퐸푎푟푛푖푛푔 퐵푒푓표푟푒 퐼푛푡푟푒푠푡푠 & 푇푎푥푒푠 (퐸퐵퐼푇) 퐸푌 = (2) 퐸푛푡푒푟푝푟푖푠푒 푣푎푙푢푒

Vidare har varje bolag fått en ranking/poäng utefter sitt redovisade nyckeltal. Det bolag som har haft högst ROA för perioden har fått ranking 1, nästkommande bolag har fått ranking 2, och så vidare. Samma process har gjorts för nyckeltalet EY och varje bolag har på så sätt fått två separata poäng som sedan summeras till en totalpoäng som bolagen slutligen rangordnats efter. Portföljen utgörs av de 20 bolag som innehar lägst totalpoäng. Vid eventuell delning av plats 20 har det bolag med högst Earnings Yield selekterats till portföljen. Detta för att samtliga portföljer ska innehålla 20 bolag. Portföljernas innehav är likaviktade och eventuell utdelning återinvesteras. Portföljen revideras per 1 april varje år vilket görs av två anledningar; (1) för att säkerställa att redovisningsdata publicerats för föregående år, och (2) för att eventuell utdelning ska tillfalla föregående portfölj.

6.2 Avkastningsberäkning Portföljavkastningen är beräknas med hjälp av Refinitiv Datastream Total Return Index, vilket innebär att utdelningen är återinvesterad i samma aktie som betalade utdelningen. Portföljerna rebalanseras ej under innehavsperioderna då testet görs genom en buy-and-hold strategi för respektive 12-månadersperiod. Avkastningen är beräknad månadsvis för att regressioner ska kunna genomföras mot riskfaktorer i respektive flerfaktormodell.

6.3 Regressionsanalyser För att utvärdera The Magic Formula portföljen genomförs regressionsanalyser mot både tre- och fyrktormodellen. Regressionerna studerar sambandet mellan den beroende variabeln, i detta fall månadsavkastning i MF-portföljen, och de oberoende variablerna för respektive prissättningsmodell. För att kunna bekräfta om The Magic Formula generar en positiv överkastning behöver vi se att detta inte kan förklaras genom modellernas förklaringsvariabler.

6.3.1 Konstruktion av riskfaktorer Data för både tre-och fyrfaktormodell är hämtade från databasen Swedish House of Finance. Riskfri ränta avser svenska statsskuldsväxlar med 1-månads löptid. Jämförelseportföljerna i flerfaktormodellerna har av Swedish House of Finance konstruerats genom att bolagen blir indelade efter tre olika parametrar (Aytug et al. 2020):

(1) (SMB) Brytpunkten för stora bolag sker i den 80:e percentilen sorterat efter börsvärde medan brytpunkten för små bolag sker i den 20:e percentilen.

(2) (HML) Bolagen delas även upp i värdefaktorer efter book-to-market där där brytpunkten för värdebolag sker i den 70:e percentilen. Brytpunkten för tillväxtbolag sker i den 30:e percentilen. Bolag däremellan klassas som neutrala.

(3) (MOM) Därefter klassificeras bolag till Vinnare och Förlorare utefter deras avkastning under den senaste 12-månadersperioden. Här är brytpunkten den 90:e samt 10:e percentilen.

Detta leder fram till följande kategorisering:

SG: Small-Growth, SN: Small-Neutral, SV: Small-Value, BG: Big-Growth, BN: Big-Neutral, BV: Big-Value, SW: Small-Winners, SL: Small-Losers, BW: Big-Winners, BL: Big-Losers.

Portföljerna konstrueras sedan enligt nedan kombination och formler. Samtliga portföljer är värdeviktade.

(푆퐺+푆푁+푆푉) (퐵퐺+퐵푁+퐵푉) 푆푀퐵 = − (3) 3 3

(푆푉+퐵푉) (푆퐺+퐵퐺) 퐻푀퐿 = − (4) 2 2

(푆푊+퐵푊) (푆퐿+퐵퐿) 푀푂푀 = − (5) 2 2

6.3.2 Trefaktormodell I och med att forskare med tiden uppmärksammat allt mer marknadsanomalier som inte kunnat förklaras av traditionella prissättningsmodeller har de befintliga teorierna kommit att ifrågasättas och utvecklas allt mer under årens gång. CAPM-modellen har därför utvecklats av bland annat Fama & French (1992) som ansåg att modellen var något bristfällig. I den nya prissättningsmodellen, kallad trefaktormodellen, inkluderar Fama & French fenomenet kring att värdebolag och småbolag systematiskt överavkastar marknaden över tid. Denna trefaktormodell definieras som: ri = rf + βi,MKT(rm − rf) + βi,SMB + βi,HML (6)

푆푀퐵 = 푆푚푎푙푙 푀푎푟푘푒푡푐푎푝𝑖푡푎푙𝑖푧푎푡𝑖표푛 푀𝑖푛푢푠 퐵𝑖푔

퐻푀퐿 = 퐻𝑖푔ℎ 퐵표표푘 푡표 푀푎푟푘푒푡 푀𝑖푛푢푠 퐿표푤

SMB och HML tas fram genom att skapa en portfölj som investerar i mindre bolag/bolag med högt Book to Market. Den sammanvägda avkastningen för denna värdeviktade portfölj ställs sedan i paritet mot en motsvarande portfölj men lågt Book to Market, för att se huruvida dessa värdefaktorer har inverkan på aktiens avkastning (Fama, French 1992). Hur dessa riskfaktorer och jämförelseportföljer är konstruerade beskrivs närmare i kapitel 5.3.1.

För trefaktormodellen genomförs regressionen enligt formeln nedan:

푀퐾푇 푆푀퐵 퐻푀퐿 푅푝 − 푟푓 = 훼푝 + 훽푝 (푅푚 − 푟푓) + 훽푝 (푅푆푀퐵) + 훽푝 (푅퐻푀퐿) (7) där de oberoende variablerna utgörs av MKT, SMB samt HML.

6.3.3 Fyrfaktormodell Jagadeesh och Titman fann under sina studier 1993 en så kallad momentumeffekt på aktiers prissättning. Detta innebär att historisk avkastning tenderar att ha inverkan på kursens framtida utveckling. Aktier som har haft en positiv historisk avkastning tenderar att fortsätta generera positiv avkastning i framtiden och vice versa (Jegadeesh & Titman, 1993). Mark M. Carhart (1997) vidareutvecklade Fama & French trefaktormodell genom att addera denna momentumeffekt som en fjärde variabel för att på så vis exkludera denna typ av marknadsanomali. Formeln för Carhart fyrfaktormodell kan beskrivas som: ri = rf + βi,MKT(rm − rf) + βi,SMB + βi,HML + βi,MOM (8)

푀푂푀 = 푀표푚푒푛푡푢푚푒푓푓푒푘푡

För fyraktormodellen genomförs regressionen enligt formeln nedan:

푀퐾푇 푆푀퐵 퐻푀퐿 푀푂푀 푅푝 − 푟푓 = 훼푝 + 훽푝 (푅푚 − 푟푓) + 훽푝 (푅푆푀퐵) + 훽푝 (푅퐻푀퐿) + 훽푝 (푅푀푂푀) (9) där de oberoende variablerna utgörs av MKT, SMB, HML samt MOM.

6.3.4 Statistisk signifikans Signifikansnivån beskriver sannolikheten att vårt resultat beror på slumpmässiga faktorer, där en lägre signifikansnivå innebär högre tillförlitlighet i resultatet och utläses genom interceptets P-värde. I enlighet med tidigare forskning testas regressionerna med en signifikansnivå på 5%. Detta innebär att resultatet endast anses som statistiskt signifikant om P-värdet antyder att mindre än 5% av resultatet förväntas bero på slumpmässiga faktorer.

7 Resultat & Analys

7.1 Portföljens avkastning I detta avsnitt presenteras resultatet av vår portfölj baserad på The Magic Formula på den svenska aktiemarknaden. Under den studerade 20-årsperioden kan vi konstatera att portföljen som skapats utifrån The Magic Formula (MF) visat en avkastning på 1 115,4% jämfört med SIXRX 254,1%. Detta innebär att MF-portföljen genererat en genomsnittlig avkastning på 13,5% per år jämfört med marknadsportföljen som avkastat 6,6% per år under samma period. Grafen nedan visar avkastning för de båda portföljerna under perioden 2000-04 – 2019-12.

Avkastning 1200%

1000%

800%

600%

400%

200%

-200%

The Magic Formula SIXRX

Figur 1 visar avkastning för The Magic Formula-portföljen samt marknadsportföljen SIXRX under perioden 2000- 04-01 – 2019-12-31. Då MF-portföljen viktas om 1 april varje år redovisas avkastningssiffror för perioderna april- mars. Exempelvis avser år 2000 perioden 2000-04 – 2001-03. År 2019 avser 2019-04 – 2019-12.

I Tabell 3 nedan presenterar avkastningsdata för varje 12-månadsersperiod mellan åren 2000 – 2020 samt en jämförelse med marknadsportföljen SIXRX.

Tabell 3 Avkastning per år År The Magic Formula SIXRX 2000 11,83% -35,84% 2001 27,38% 1,18% 2002 -20,23% -38,92% 2003 41,81% 57,04% 2004 29,60% 17,64% 2005 58,98% 44,83% 2006 27,18% 21,52% 2007 -17,77% -18,47% 2008 -37,05% -32,79% 2009 88,20% 69,05% 2010 17,98% 15,51% 2011 -4,54% -3,17% 2012 10,33% 15,36% 2013 27,78% 21,81% 2014 31,07% 27,73% 2015 15,56% -7,90% 2016 24,35% 20,86% 2017 -9,78% 2,34% 2018 1,89% 8,69% 2019 7,48% 19,27% Totalavkastning 1115,4% 254,1% Årlig avkastning 13,5% 6,6%

Tabell 3. Visar årlig avkastning för The Magic Formula-portföljen respektive marknadsportföljen (SIXRX) under perioden 2000-04-01 – 2019-12-31. Samtliga innehav i The Magic Formula-portföljen anskaffas 1 april varje år och behålls i 12 månader framåt. Totalavkastning avser portföljernas avkastning inklusive utdelningar under hela 20-årsperioden. Årlig avkastning avser geometriskt medelvärde av totalavkastningen för samtliga perioder.

Trots den tydliga överavkastningen som The Magic Formula genererat under den 20 år långa perioden har portföljen enbart överträffat SIXRX under 13 av dessa år. Detta innebär att The Magic Formula således har underpresterat marknaden under 7 av dessa perioder då inget av åren delats, något som tyder på att det är ett fåtal år som står för större delen av den totala

överavkastningen. Störst skillnad visas under de mest turbulenta börsåren såsom IT-kraschen (2000–2003) samt Finanskrisen (2008–2009) där MF-portföljen överavkastade marknaden markant. Studiens tre första perioder (2000, 2001, 2002) inkluderar större delen av IT-kraschens fall i kombination med Terrordådet 9/11-2001 i USA. Under denna treårsperiod generade SIXRX en avkastning på totalt -60,4%. Under samma period visade The Magic Formula- portföljen en positiv avkastning på 13,6% vilket ger MF-portföljen ett försprång från start. Under Finanskrisens nedgång 2008 visade MF (-37,1%) en snarlik utveckling som SIXRX (- 32,8%). Detta är anmärkningsvärt då finanskrisen framför allt drevs av finansiella sektorn, något som The Magic Formula exkluderar i sin portföljkonstruktion. Vi ser däremot en större skillnad under börsens återhämtning 2009 där MF-portföljen avkastade 88,2% jämfört med marknadens 69,1%.

Årlig avkastning 2000 - 2019 100%

80%

60%

40%

20%

0% 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 -20%

-40%

-60%

The Magic Formula SIX RX

Figur 2 visar årlig avkastning för The Magic Formula samt marknadsportföljen SIXRX. Då MF-portföljen viktas om 1 april varje år redovisas avkastningssiffror för perioderna april-mars. Exempelvis avser år 2000 perioden 2000-04 – 2001-03. År 2019 avser 2019-04 – 2019-12. Ovan presenteras portföljens avkastning under respektive 12-månadersperiod. Vi kan konstatera att MF-portföljen har överavkastat marknaden i både i upp- och nedgång, störst skillnad ser vi dock under börsår då marknaden (SIXRX) genererat negativ avkastning. Under positiva börsår har SIXRX generat en genomsnittlig årlig avkastning på 24,5% medan MF- portföljen genererat en något högre avkastning om 27,4% vilket får anses vara en mindre skillnad i sammanhanget. Under SIXRX negativa perioder ser vi däremot en större skillnad då MF-portföljen tappat 8,7% per år i genomsnitt jämfört med SIXRX som tappat 22,8%. MF- portföljen, som till stor del består av värdebolag, tycks således fungera något som en

krockkudde under dessa negativa börsår. Vi behöver dock belysa att vår undersökning påbörjas efter många år av kraftig börsuppgång under senare delen av 1990-talet, vilket inte återspeglas i denna jämförelse. En studie som påbörjats tidigare hade således kunnat få ett annat utfall. Vi ser dock, även borträknat åren 2000-2002, att MF-portföljen genererat en överavkastning i absoluta tal fram till studiens slut 2019-12-31, vilket illustreras i grafen nedan. Från 2003 och framåt visade MF-portföljen en genomsnittlig årsavkastning om 15,2% jämfört med SIXRX som i snitt genererat 14,0% per år under samma period. Denna överavkastning tycks kunna förklaras av riskfaktorerna redan i Fama French trefaktormodell då vi inte finner något signifikant alfa för denna period.

Tabell 4 Antal The Magic Formula SIXRX Positiva marknadsperioder 14 28,4% 25,1% Negativa marknadsperioder 6 -7,7% -22,9% Totalt 20

Tabell 4 visar genomsnittlig årlig avkastning för The Magic Formula-portföljen samt SIXRX under år då SIXRX genererat positiv/negativ avkastning. Årlig avkastning är beräknat geometriskt genom att summera den procentuella avkastningen för respektive portfölj för samtliga positiva/negativa perioder, dividerat med antalet positiva/negativa perioder. Antal perioder visas inom parentes.

Avkastning 2003-04-01 - 2019-12-31 1200%

1000%

800%

600%

400%

200%

0% 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

The Magic Formula SIXRX

Figur 3. Grafen visar ackumulerad avkastning för The Magic Formula samt marknadsportföljen SIXRX under perioden efter IT-kraschen (2003-04-2019-12). Då MF-portföljen viktas om 1 april varje år redovisas avkastningssiffror för perioderna april-mars.

7.2 Robusthetstest För att robusthetstesta portföljens överavkastning har vi i ett första steg gjort en regression mot Fama French trefaktormodell. Vi finner då ett positivt alfa (α) på 0,54% per månad samt ett P- värde på 1% signifikansnivå vilket tyder på att överavkastningen inte tycks kunna förklaras av högre risktagande med hänsyn till småbolag, värdebolag eller ett marknadsriskpremien. Detta är i linje med tidigare studier på den svenska och nordiska marknaden (Strömberg & Gustavsson 2018). Resultatet från regressionen mot trefaktormodellen presenteras i Tabell 5 nedan.

The Magic Formula-portföljen visar däremot inte signifikant alfa efter att ha prövats mot Carhart fyrfaktormodell. Efter att momentumeffekten adderats visar regressionen ett alfa på 0,26% per månad men ett P-värde på endast 0,153 vilket innebär att alfat inte är statistiskt signifikant på en 5 procentig nivå. Detta innebär således att vi inte kan förkasta vår nollhypotes och därmed inte kan utesluta att det är slumpen som bidragit till Magic Formulas överavkastning. Samvariationen med Cartharts momentumportfölj skulle kunna förklaras av strategins metod att investera i bolag som de facto presterat bra väl under föregående period (hög ROA). Detta behöver dock inte nödvändigtvis betyda att aktiekursen haft en positiv utveckling under föregående period.

Tabell 5 Fama French trefaktormodell Carhart fyrfaktormodell Intercept (α) 0,005*** 0,003 (0,004) (0,153) Rm 0,738 0,825 (0,000) (0,000) SMB 0,336 0,373 (0,000) (0,000) HML 0,180 0,259 (0,000) (0,000) MOM 0,123 (0,000) Just. R2 0,692 0,725

Tabell 5 presenterar regressionsdata för The Magic Formula-portföljen under perioden 2000-04 – 2019-122. Fama French trefaktormodell samt Carhart fyrfaktormodell med månatlig beräkning av koefficienter för Rm, SMB, HML, MOM samt intercept (α). *, **, samt *** indikerar en signifikant skillnad från noll på respektive 10%, 5%, samt 1% nivå.

2 Exkluderat maj månad 2019. Detta då avkastningsdata för denna månad saknas för Fama French trefaktormodell samt Carhart fyrfaktormodell i vårt dataset från Swedish House of Finance. Denna observation är därför exkluderad även för The Magic Formula-portföljen. Detta antas ej påverka våra statistiska resultat med tanke på antalet observationer över tidsperioden. 21

8 Diskussion & Slutsats Vår studie visar att en placering enligt The Magic Formula på den svenska börsen hade genererat en avkastning på hela 1 115% under perioden, en avkastning som i absoluta tal slagit marknadsportföljen SIXRX (254%) med lång väg. Trots denna överavkastning på 6,9% per år under den 20 år långa tidsperioden finner vi ej ett signifikant alfa efter att portföljens avkastning testats mot Carthart fyrfaktormodell. Detta innebär att vår nollhypotes ej kan förkastas. Momentum tycks vara den förklarande variabeln då trefaktormodellen ej lyckas förklara portföljens överavkastning genom vare sig småbolags- eller värdebolagseffekten. Ett signifikant alfa hittas endast när portföljen testas mot den mindre robusta trefaktormodellen, vilket är in linje med tidigare forskning på den nordiska aktiemarknaden. En bidragande faktor till denna momentumeffekt kan tänkas bero på strategins urval, som delvis går ut på att köpa bolag baserat på föregående års prestation. Portföljen har under denna tidsperiod fungerat som en krockkudde under negativa börsår då The Magic Formula strategin genererat en genomsnittlig årsavkastning på -8,7% samtidigt som marknadsportföljen tappade 22,8% i snitt under börsens negativa år. Vi vill dock belysa att studien inleds efter en kraftig börsuppgång i slutet av 1990-talet där vår data endast fångar upp den efterföljande rekylen nedåt. Vår studie riskerar därför att presentera ett snedvridet resultat som hade kunnat avhjälpas med data längre bak i tiden. Vi kan endast spekulera i att The Magic Formula portföljen inte hängt med i samma takt som marknaden under denna föregående period då börsen till största del drevs uppåt av snabbt växande IT-bolag som troligtvis inte tagit en plats i Greenblatts värdeinriktade portfölj. Noterbart är dock att portföljen till stor del drogs med i Finanskrisen svacka mellan åren 2008- 2009, trots att denna till stor del drevs av den finansiella sektorn som helt exkluderas i The Magic Formula. Detta visar att portföljen inte kunnat eliminera marknadsrisker även med en tydlig strategi som denna.

Syftet med studien har varit att undersöka om The Magic Formula strategin fungerat lika väl på den svenska aktiemarknaden som den gjort enligt Joel Greenblatts publicerade studier på den amerikanska marknaden. Denna studie ger oss tyvärr ingen statistisk bekräftelse på att marknaden går att överträffa genom denna aktiva investeringsstrategi. Strategin har utan tvekan överavkastat marknaden mätt i absoluta tal, men efter att ha tagit hänsyn till faktorer som enligt teorin redan ligger marknaden tillhanda verkar det inte finnas något ”magiskt” i Greenblatts portföljstrategi. Det faktum att portföljen varje år nollställs med nya bolag, i kombination med en signifikansnivå på nära 10% efter test mot fyrfaktormodellen, talar dock för att avkastningen från Greensblatts strategi inte enbart beror på tur och tillfälligheter.

8.1 Förslag till vidare forskning Vi hoppas att med denna studie kunna bidra till forskningen genom att empiriskt ha undersökt om en systematisk värdeinvesteringsstrategi enligt Greenblatts Magic Formula lyckats överavkasta den svenska marknadsportföljen, efter att ha testats mot adekvata prissättningsmodeller. Då vi inte finner statistisk signifikans för portföljens alfa, i sin ursprungliga form, finner vi anledning till att utveckla strategin med ytterligare parametrar för att se om resultatet kan förbättras. Vidare har vår studie endast innefattat data till 2019, varför studier som även omfattar 2020 års Coronakris vore intressant att studera. Till sist har vi i denna studie valt att inte gå närmare in på det faktum att vi under de senaste åren befunnit oss i en nollräntemiljö, och om detta är något som systematiskt påverkar strategin.

9 Referenslista

Alne, R., & Hjelmberg, M. (2019). Småbolag på den svenska aktiemarknaden: En kvantitativ studie om småbolagseffekten i kombination med andra investeringsstrategier (Dissertation).

Avanza, (2020). Så sparar 90-talisterna på Avanza. https://blogg.avanza.se/sa-sparar-90-talisterna-pa- avanza/ [Hämtad 2020-12-26]

Aytug, H., Fu, Y., Sodini, P. (2020). Construction of the Fama-French-Carhart four factors model for the Swedish Stock Market using the Finbas data.

Basu, S. (1977). Investment performance of common stocks in relation to their price-earnings ratios: A test of the efficient market hypothesis. The Journal of Finance, 32(3), 663-682.

Blackburn, Douglas W. and Nusret Cakici. (2017) "The Magic Formula: Value, Profitability, and the Cross Section of Global Stock Returns." Profitability, and the Cross Section of Global Stock Returns.

Damodaran, Aswath, (2012). Value Investing: Investing for Grown Ups? Stern School of Business.

Davyclov, D., Tikkanen, J., & Aijo, J. (2016). Magic Formula vs. Traditional Value Investment Strategies in the Finnish Stock Market, Nordic Journal of Business, vol 65, no. 3, pp. 38–54.

Fama, E. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. The Journal of Finance, 25, 383-417.

Fama, E. and French, K, (1992); The cross-section of expected stock returns, Journal of Finance 47, 427-66.

Fama, E.F., French, K. (1993). Common Risk Factors in the Returns on Stocks and Bonds. Journal of Finance. 33(1): 3-56. Fama, E. and French, K, (2015). A five-factor asset pricing model. Journal of Financial Economics, 116, 131-156.

Fondbolagens förening. (2019). Nysparande och fondförmögenhet 2019. Stockholm: Fondbolagens förening. https://www.fondbolagen.se/fakta_index/statistik/#statistik-ver-nysparande-och-fondf-rm- genhet [Hämtad 2020-12-03]. Graham, B. (1949). The Intelligent Investor. Harper Business. Graham, B. and D. L. Dodd (1934), Security Analysis: Principles and Techniques, 1st ed., McGraw- Hill. Greenblatt, Joel. (2010). The little book that still beats the market. John Wiley & Sons, Inc.

Latif, Madiha & Arshad, Shanza & Fatima, Mariam & Farooq, Samia. (2011). Market Efficiency, Market Anomalies, Causes, Evidences, and Some Behavioral Aspects of Market Anomalies. Research Journal of Finance and Accounting. 2.

Markowitz, H.M. (1952). "Portfolio Selection". The Journal of Finance. 7 (1): 77–91. New York University.

Rani, P. (2019). Risk-Reward Agility of the Benjamin Graham and Joel Greenblatt‟s Investing Philosophy in the Indian Stock Market. International Journal of Multidisciplinary: 4 pp. 492-498.

Rohleder, M., Scholz, H. & Wilkens, M. (2011) ‘Survivorship Bias and Mutual Fund Performance: Relevance, Significance, and Methodical Differences*’, Review of Finance, 15(2), pp. 441–474.

Sharpe, William F. (1964). Capital asset prices: a theory of market equilibrium under conditions.

Siegel, J. J. (2008). Stocks for the Long Run: The Definitive Guide to Financial Market Returns and Long Term Investment Strategies, New York: McGraw-Hill.

Strömberg, O. & Gustavsson, O. (2018). Magic Formula Investing and The Swedish Stock Market.

Ter Horst, J. and Verbeek, M. (2007) ‘Fund Liquidation, Self-selection, and Look-ahead Bias in the Hedge Fund Industry’, Review of Finance, 11(4), pp. 605–632.

Thaler, Richard H. (2015), Misbehaving: The Making of Behavioral Economics. First edition. New York: W.W. Norton & Company.

Thaler, Richard H. 2016. "Behavioral Economics: Past, Present, and Future." American Economic Review, 106 (7): 1577-1600.

Wirfelt, A. & Persson, L. (2015). Bigger is not always better : En studie om likviditetens påverkan på småbolagseffekten på Nasdaq OMX Stockholm, 2002-2013.

Wu, W.-T. (Alexandra). (2013). The P/E Ratio And Profitability. Journal of Business & Economics Research (JBER), 12(1), 67-76.

10 Bilagor

10.1 Portföljer för samtliga år under perioden 2020-04 – 2019-12.

2000-04 – 2001-03 2001-04 – 2002-03 2002-04 – 2003-03 Swedish Match AB Rottneros AB BillerudKorsnäs Aktiebolag Aktiebolaget Volvo SWECO AB SWECO AB Svedbergs i Dalstorp AB ÅF Pöyry AB Fazer Konfektyr Service AB Aktiebolaget Geveko Höganäs Aktiebolag Tieto Oyj Getinge AB Holmen Aktiebolag Seco Tools Aktiebolag Trelleborg Aktiebolag Aktiebolag Fagerhult JM AB OEM International Aktiebolag Aktiebolaget Geveko Bergman & Beving Aktiebolag Skanska AB ICTA AB Investmentaktiebolaget Latour Aktiebolag Fagerhult Svedbergs i Dalstorp AB Beijer Electronics Group AB NIBE Industrier AB Beijer Electronics Group AB Broström Aktiebolag Beijer Alma AB Seco Tools Aktiebolag Aktiebolag Fagerhult Axfood Aktiebolag ElektronikGruppen BK Munters Aktiebolag Cardo AB Aktiebolag Lagercrantz Group Aktiebolag Höganäs Aktiebolag OEM International Aktiebolag Rottneros AB Seco Tools Aktiebolag Cardo AB Aktiebolaget SKF XANO Industri AB Skanska AB Fenix Outdoor AB Munters Aktiebolag NIBE Industrier AB Svedbergs i Dalstorp AB VBG Group AB Investmentaktiebolaget Latour Bilia AB Haldex Aktiebolag Broström Aktiebolag Cardo AB Bergman & Beving Aktiebolag Svenska Cellulosa Aktiebolaget Geveko Aktiebolaget SCA Cision AB

2003-04 – 2003-03 2003-04 – 2004-03 2004-04 – 2005-03 ORC Group AB Q-Med Aktiebolag SSAB AB BillerudKorsnäs Aktiebolag BillerudKorsnäs Aktiebolag Swedish Match AB Cardo AB Svedbergs i Dalstorp AB Tieto Oyj Bergman & Beving Aktiebolag Vitrolife AB Svedbergs i Dalstorp AB Aktiebolag Fagerhult Aktiebolaget Geveko SäkI AB Nobia AB Fazer Konfektyr Service AB Beijer Electronics Group AB Tieto Oyj Axfood Aktiebolag KABE Group AB Seco Tools Aktiebolag Fenix Outdoor AB Investmentaktiebolaget Latour Aktiebolaget SKF Addtech AB Beijer Alma AB Fazer Konfektyr Service AB Elekta AB Q-Med Aktiebolag Ballingslöv International AB Aktiebolaget Electrolux Aktiebolaget SKF Aktiebolaget Electrolux Swedish Match AB Telefonaktiebolaget L M Axfood Aktiebolag Ballingslöv International AB Ericsson Svedbergs i Dalstorp AB ORC Group AB AstraZeneca PLC Lagercrantz Group Aktiebolag Aktiebolaget SKF Seco Tools Aktiebolag SWECO AB SkiStar Aktiebolag Nolato Aktiebolag New Wave Group AB Seco Tools Aktiebolag H & M Hennes & Mauritz AB Holmen Aktiebolag Atlas Copco Aktiebolag Atlas Copco Aktiebolag NIBE Industrier AB Aktiebolag Fagerhult Nobia AB Munters Aktiebolag Bergman & Beving Aktiebolag Clas Ohlson Aktiebolag Sandvik Aktiebolag

2005-04 – 2006-03 2006-04 – 2007-03 2007-04 – 2008-03 Home Properties AB Boliden AB ACAP Invest AB IBS AB Midway Holding Aktiebolag JM AB Betsson AB SSAB AB Connecta AB SäkI AB AstraZeneca PLC Bergs Timber AB SSAB AB JM AB Home Properties AB Strax AB Beijer Electronics Group AB Boliden AB ÅF Pöyry AB BE Group AB Beijer Alma AB JM AB Kungsleden Aktiebolag Fenix Outdoor AB Seco Tools Aktiebolag Hufvudstaden AB KABE Group AB Wallenstam AB Catena AB Hufvudstaden AB SWECO AB VBG Group AB BE Group AB Beijer Alma AB Addtech AB VBG Group AB AstraZeneca PLC Heba Fastighets Aktiebolag Rejlers AB Viking Supply Ships AB Beijer Alma AB Fastighets AB Balder Aktiebolaget Geveko ACAP Invest AB HiQ International AB Svedbergs i Dalstorp AB Aktiebolaget SKF Rörvik Timber AB OEM International Aktiebolag Malmbergs Elektriska Aktiebolaget SKF Swedish Match AB Aktiebolag Mekonomen AB Atrium Ljungberg AB Atrium Ljungberg AB OEM International Aktiebolag Aktiebolaget SKF Knowit Aktiebolag Alfa Laval AB KappAhl AB

2008-04 – 2009-03 2009-04 – 2010-03 2010-04 – 2011-03 Connecta AB Q-Med Aktiebolag Millicom International Cellular Tricorona AB Eastnine AB S.A. Rejlers AB AstraZeneca PLC Eastnine AB Modern Times Group MTG ORC Group AB Odd Molly International AB AB Addtech AB AstraZeneca PLC HiQ International AB AAK AB ÅF Pöyry AB Fenix Outdoor AB Duni AB KABE Group AB Svedbergs i Dalstorp AB HiQ International AB Uniflex AB SWECO AB Connecta AB Fenix Outdoor AB Beijer Alma AB Fenix Outdoor AB Tele2 AB BE Group AB Knowit Aktiebolag Höganäs Aktiebolag Björn Borg AB KABE Group AB Boliden AB Indutrade Aktiebolag ABB LTD Fastighets AB Balder Acando AB Tele2 AB Björn Borg AB Alfa Laval AB Systemair Aktiebolag Connecta AB HL Display Aktiebolag BTS Group AB Betsson AB OEM International Aktiebolag KappAhl AB OEM International Aktiebolag SSAB AB Lagercrantz Group Aktiebolag DGC One AB Cardo AB ÅF Pöyry AB BillerudKorsnäs Aktiebolag Seco Tools Aktiebolag Bergman & Beving Aktiebolag Rottneros AB ÅF Pöyry AB Fastpartner AB

2011-04 – 2012-03 2012-04 – 2013-03 2013-04 – 2014-03 AstraZeneca PLC Enea Aktiebolag Enea Aktiebolag KABE Group AB BioGaia AB ICA Gruppen Aktiebolag DORO AB Catena AB Malmbergs Elektriska HiQ International AB Semcon AB Aktiebolag

Holmen Aktiebolag Modern Times Group MTG Nolato Aktiebolag OEM International Aktiebolag AB VBG Group AB Beijer Alma AB AstraZeneca PLC JM AB Fenix Outdoor AB KABE Group AB Lagercrantz Group Aktiebolag Höganäs Aktiebolag Transmode AB Swedish Match AB JM AB JM AB I.A.R. Systems Group AB Concentric AB Connecta AB AB Sagax Uniflex AB Fenix Outdoor AB Trelleborg Aktiebolag Readsoft AB HiQ International AB Karolinska Development AB Rejlers AB Lagercrantz Group Aktiebolag Semcon AB Connecta AB Addtech AB DORO AB Svedbergs i Dalstorp AB OEM International Aktiebolag Concentric AB BTS Group AB Björn Borg AB Addtech AB Bulten AB BTS Group AB Atlas Copco Aktiebolag Aktiebolaget SKF Beijer Alma AB OEM International Aktiebolag Addnode Group Aktiebolag Nolato Aktiebolag HEXPOL AB Byggmax Group AB Hufvudstaden AB

2014-04 – 2015-03 2015-04 – 2016-03 2016-04 – 2017-03 Medivir Aktiebolag Lucara Diamond Corp. Lucara Diamond Corp. Lucara Diamond Corp. Victoria Park AB Fingerprint Cards AB Millicom International Cellular Rottneros AB Fabege AB S.A. Heba Fastighets Aktiebolag Swedish Match AB Mycronic AB Hufvudstaden AB NGS Group Aktiebolag Enea Aktiebolag Besqab AB Hufvudstaden AB Kindred Group PLC Corem Property Group AB JM AB Sensys Gatso Group AB Radisson Hospitality AB Malmbergs Elektriska Nolato Aktiebolag Investmentaktiebolaget Latour Aktiebolag Malmbergs Elektriska Atrium Ljungberg AB Serneke Group AB Aktiebolag Malmbergs Elektriska KABE Group AB JM AB Aktiebolag Hembla AB Björn Borg AB Mycronic AB Oscar Properties Holding AB Fastighets AB Balder Nolato Aktiebolag Victoria Park AB Rottneros AB Concentric AB AB Sagax Modern Times Group MTG Oriflame Holding AG Rottneros AB AB Fabege AB Fastpartner AB Concentric AB Wihlborgs Fastigheter AB Besqab AB VBG Group AB Hembla AB Nobia AB Systemair Aktiebolag Enea Aktiebolag Mycronic AB Gränges AB Gränges AB Wise Group AB DORO AB Byggmax Group AB

2018-04 – 2019-03 2019-04 – 2019-12 Besqab AB Viking Supply Ships AB Lucara Diamond Corp. G5 Entertainment AB Mycronic AB Concentric AB JM AB Dedicare AB Dedicare AB Boliden AB Victoria Park AB Fabege AB Nobia AB Hembla AB KappAhl AB Aktiebolaget SKF Boliden AB Semcon AB

Oscar Properties Holding AB Sandvik Aktiebolag Fabege AB Rottneros AB Sandvik Aktiebolag KABE Group AB Lundin Mining Corporation Björn Borg AB Platzer Fastigheter Holding AB Betsson AB AB Sagax Mycronic AB SSM Holding AB LeoVegas AB KABE Group AB Serneke Group AB NOTE AB Knowit Aktiebolag ProfilGruppen AB ProfilGruppen AB Swedish Match AB Softronic Aktiebolag