Tillvägagångssätt

Studien avser att undersöka och analysera vilka potentiella förklaringar till aktiekursernas avvikelse från investmentbolagens substansvärden. För att göra studien representativ för den totala populationen krävs ett relevant urval som någorlunda kan återspegla totalen. En större mängd representanter i urvalet resulterar i en mer solid representation av den totala populationen (Johannessen & Tufte, 2003). Vidare har ett icke-sannolikhetsurval tillämpats i studien. Det innebär att urvalet är framtaget på andra sätt än genom en slumpmässig urvalsteknik, vilket innebär att vissa enheter i populationen har större chanser att inkluderas i stickprovet än andra (Byrman & Bell, 2013). Ett icke-sannolikhetsurval ger möjligheten att framta ett urval som är format utifrån studiens syfte och frågeställningar. Följande tre urvalskriterier har tillämpats för att ytterligare relatera urvalet till studiens syfte:

1. Investmentbolagen är noterade på Nasdaq OMX Stockholm Mid och Large cap.

Mindre bolag tenderar att vara mer volatila samt röra sig mer slumpartat än stora bolag (Bodie, Kane & Marcus, 2011). En möjlig förklarande faktor till småbolagens ökade volatilitet kallas för “the neglected firm effect”, vilket menar att risken ökar i småbolag då de aktivt väljs bort av flertalet institutionella investerare, något som resulterar i en lägre tillgänglighet av

information. Informationstillgänglighet är en viktig del i studien för att kunna studiens syfte, därmed fokuserar studien på Nasdaq OMX Stockholms mid och large cap lista.

2. Bolagen har rapporterade substansvärden åtminstone varje kvartal.

Bolagens substansvärden är nödvändiga för att undersöka och analysera vilka eventuella förklaringar till varför investmentbolagens aktiekurer avviker från substansvärdet. Ett otillgängligt substansvärde resulterar i en omöjlig estimering av investmentbolagets substansrabatt då denna baseras på både aktiepriset såväl som substansvärdet. För att kunna se förändringar i substansrabatten över tid krävs olika tidsreferenser. Det optimala scenariot är kontinuerliga redovisningar av substansvärdet, medan den lägsta möjliga nivån för att effektivt kunna utföra studien är baserad på kvartalsdata.

3. Bolagen måste varit börsnoterade i åtminstone 12 år.

Det ovanstående kriteriet är satt för att göra studien mer trovärdig. Fler referenspunkter över en period på 12 år ger möjligheten att inkludera en hel konjunkturcykel, något som stärker analysen. Kortare perioder kan istället ge vaga representationer av verkligheten, något studien undviker genom att inkludera en full konjunkturcykel.

Nedan ges en komplett lista av urvalet av investmentbolagen samt deras beräknade avvikelser från substansvärdet Q4 2019: Investmentbolag Substanspremie+/rabatt- Bure Equity 3.8 % Creades 44.3% Industrivärden 0.6% Investor AB 2.7% Kinnevik AB -12.3% Investment AB Latour 22.8% L E Lundbergföretagen AB 14.7% Svolder 4.1% Investment AB Öresund 0.3%

3.5.2 Urval av förklaringar

Då syftet med studien är att undersöka eventuella samband mellan marknadens värdering och avvikelse från substansvärdet relativt ett antal oberoende potentiella förklaringar, har vi behövt göra ett urval av undersökta förklaringar. Tillvägagångssättet grundade sig till stor del i tidigare forskning. Vi har systematiskt läst tidigare forskning på området och valt fokusera på de eventuella förklaringar som denna forskning har tillämpat i sina undersökningar. Sedan har vi noterat de undersökta förklaringarna som givit någon form av substans i tidigare undersökningar. Vi har därefter valt ut just dessa förklaringar för att tillämpa på den svenska marknaden, vilket tidigare inte har gjorts i någon större utsträckning. Det har resulterat i fyra utvalda, vilka är förklaringar, nämligen andelen onoterat bland portföljbolagen, direktavkastning, diversifieringsnivå och historisk avkastning på index. Vad gäller diversifieringsnivå finns det ingen bestämd regel för hur denna potentiella förklaring ska tillämpas och i tidigare forskning har definition varierat något. Vi valde att definiera denna nivå som det sammanlagda värdet av de tre största innehaven bland portföljbolagen, dividerat med totalt substansvärde. En hög andel representerar då en låg diversifiering och vice versa.

3.5.3 Genomförande av studien

Det första steget i studien var insamling av data från olika källor som det ovan i kapitelet redogjorts för. Det har gjorts genom att observera data och källor för att sedan föra in dessa i Excelfiler. Data har kategoriserats över en femtonårig period med indelning per kvartal i respektive investmentbolag och underliggande potentiella förklaringar som valts. Uträkningar av andelen onoterat samt diversifieringsnivå har gjorts manuellt genom att studera kvartalsrapporter för hela tidsperioden. Som tidigare nämnts har studien definierat diversifieringsnivå som de tre största innehaven i procent av totalt substansvärde. Ett högt resultat indikerar då en låg diversifiering och vice versa. Direktavkastning, avkastning på OMXSPI samt aktiekurser för respektive investmentbolag över hela tidsperioden har däremot kunnat hämtats direkt från Thomson Reuters Eikon. Substansvärden per aktie har även det hämtats från bolagens kvartalsrapporter, vilket har gett oss möjligheten att räkna ut substansvärdepremie-/rabatten över hela perioden i respektive bolag.

Efter att all datainsamling hade utförts, importerades all data till statistikprogrammet EViews. EViews är ett statistikprogram som tillhandahåller paneldataregressioner. I empiriavsnittet presenteras resultaten av regressioner som har utförts i studien.

3.6 Kvalitén på datamängden

När det kommer till den kvantitativa studiens kvalitet utgår vi från två faktorer från Bryman & Bell (2013): Validitet och reliabilitet.

3.6.1 Validitet

Validiteten ifrågasätter huruvida en faktor verkligen är förklarande och trovärdig. Vidare ifrågasätter validiteten huruvida den insamlade data är av rätt karaktär samt om den är relaterad till syftet och frågeställningarna. Validiteten i studien har stärkts via olika metoder, exempelvis stärktes validitet via samtal med experter på området, vilket är innebär att studien nyttjade extern validitet för att stärka den konsoliderade validiteten. Extern validitet förklaras av Bryman och Bell (2013) som den grad måttet verkar spegla det faktiska innehållet i det aktuella begreppet. Vidare nämns att extern validitet kan avstämmas av experter inom det valda området. Först bestämdes vilka variabler och mätinstrument som ansågs vara lämpliga för att mäta eventuella förklaringar till aktiekursernas avvikelser från investmentbolagens substansrabatter. Sedan presenterades mätinstrumenten samt de valda potentiella förklaringarna diversifieringsnivå, direktavkastning, onoterat innehav, historisk avkastning

och prestation för en väletablerad expert inom värdering av investmentbolag. Validiteten

stärktes ytterligare via kontrollering av tidigare studier. De valda potentiella förklaringarna i paneldatastudien är vanligt förekommande och väldiskuterade i tidigare studier, alternativt inom ramen för förslag till vidare forskning.

3.6.2 Reliabilitet

Reliabiliteten är den grad av tillförlitlighet mätningar besitter. För att erhålla en hög reliabilitet i studien har olika källor kopplat till investmentbolagens substansvärden använts, exempelvis litteratur, historiska studier samt vetenskapliga artiklar. I studien har numeriska data insamlats i form av historiska onoterade innehav i investmentbolagen, historisk diversifieringsnivå, historisk direktavkastning, historiska aktiepriser samt OMXSPIs historiska utveckling. Den insamlade data har hämtats från databasen Thomson Reuters Eikon samt finansiella rapporter från urvalets investmentbolag. Förlitligheten till datamängden stärks av det faktum att den främst härstammar från respektive bolags finansiella rapporter, vilket medför att datamängden är reglerad av lagstadgar och finansiella regler, något som stärker trovärdigheten. Dock sker

företagsspecifika justeringar av olika värden, vilket kan medföra en påverkan på studiens resultat. Dessa justeringar är dock små och har beaktats i studien.

3.7 Analysmetod 3.7.1 Analys av paneldata

Pandeldataanalys avser att mäta hur en beroende variabel påverkas av oberoende variabler över tid, via olika mätningsdimensioner. Studien avser i sin tur att analysera potentiella förklaringar till avvikelser från investmentbolagens värderingar relativt substansvärdet. Därmed är det av intresse att se vilka variabler som har högre samt lägre förklaringsgrad till avvikelserna från substansvärdet, vilket kan åstadkommas vid en paneldataanalys.

Hsiao (2000) och Klevenmarken (1989) listar flertalet fördelar med analys av paneldata. En fördel är att denna analysmetod kontrollerar individuell heterogenitet medan tidsseriedata inte gör det, något som medför en högre risk för partiska resultat. Vidare nämns att pandeldata ger mer variation, mer effektivitet samt mindre kolliniearitet hos variablerna jämfört med tidsserieanalys. Hsiao (2000) och Klevenmarken (1989) menar att den generella analysen blir mer djupgående och möjliggör analys av effekter som inte är mätbara inom tidsserieanalys.

För att stärka modellernas trovärdighet och precision har flertalet typer av statistiska tester utförts. Dessa tester utfördes för att se hur modellerna influeras av olika variabler som exempelvis korrelation och autokorrelation samt för att se huruvida dessa variabler försämrar eller bidrar till modellernas legitimitet.

3.7.2 Durbin-Watson test

De statistiska modellerna har utsatts för ett Durbin-Watson test för att se huruvida det förekommer en positiv alternativt negativ autokorrelation inom modellerna. Durbin-Watson testet är ämnad att förklara rimlighet och tillämplighet av de statistiska modellerna. Ett värde mellan 0–2 innebär en risk för positiv autokorrelation, medan ett värde i spannet 2–4 innebär en risk för en negativ autokorrelation (Alok Bhagrava et al. 1982). Dessa spann kan se någorlunda olika ut beroende på vad som analyseras, dock ger Dublin-Watson testet alltid ett värde mellan 0–4.

3.7.3 Test av signifikansnivå

Studiens har nyttjat signifikansnivåer av de potentiella förklaringarna till varför investmentbolagen ibland värderas till substansrabatt. Dessa signifikansnivåer visar hur väl förklaringarna tycks återspegla investmentbolagens avvikelser från substansvärdet. De potentiella förklaringsvariablerna har alla en individuell signifikansnivå som studien har beaktat. Signifikansnivåerna beaktas olika beroende på vad som faktiskt studeras, dock anses en signifikansnivå på under 0,05 vara generellt accepterat (Fielding & Lee, 1998). Det innebär att risken för att stickprovet visar ett samband trots att inget samband finns i populationen är fem på hundra. Risken finns att en del potentiella förklaringar är betydligt mindre signifikanta än andra, vilket kan bero på flertalet anledningar. Dessa kommer fortfarande att diskuteras i analysavsnittet via kopplingar av teori som irrationella förklaringsvariabler.

3.7.4 Korrelationstest

Studien har utfört korrelationstest av de valda potentiella förklaringarna för att mäta dess nivå av korrelation. Korrelationstestet är ämnat att visa hur en faktor reagerar beroende av en annan faktor (Bryman & Bell, 2013). Risken för multikolliniäritet ökar när faktorerna korrelerar väl med varandra, något som är oönskat i studien då det försvårar arbetet att studera en enskild faktors påverkan på investmentbolagens substansrabatter. Korrelationsvärdet sträcker sig mellan –1 till 1, där 1 är en perfekt positiv korrelation och –1 är en perfekt negativ korrelation. På grund av risken för multikolliniäritet sattes ett gränsvärde på 0,65 och –0,65 i korrelation. Faktorer som översteg nivåerna togs bort.

3.8 Metodkritik

I avsnittet metodkritik ifrågasätts metodens tillvägagångssätt. En del aspekter i metoden har brister, vilka diskuteras i kommande underrubriker.

3.8.1 Risk för utelämnade variabler

Vid analys av hur har de valda potentiella förklaringarna till investmentbolagens avvikelser från substansvärdet finns en risk för att övriga förklaringsvariabler utelämnas (Gujarati, 2004). Risken finns att nivån av substansrabatter och substanspremier påverkas av ytterligare förklaringar som utelämnats i studien. Studien analyserar de potentiella förklaringarna onoterade innehav, historisk avkastning, direktavkastning samt diversifieringsnivå. Troligtvis finns ytterligare förklaringsvariabler, både företagsspecifika sådana såväl som irrationella

faktorer, exempelvis vikten av noise traders. Vidare är urvalet begränsat och täcker inte hela populationen av svenska investmentbolag, därmed finns en risk att studiens resultat är aningen missvisande.

3.8.2 Kritik mot kvantitativ forskning

En vanligt förekommande kritik mot den kvantitativa forskningen är att kvantitativa forskare förlitar sig på olika mätinstrument och olika procedurer, något som enligt kritikerna försvårar kopplingen mellan vardag och forskning (Cicourel, 1982). Även Blumer (1956) menar att det finns en risk för att resultatet är obegripligt och svårt att applicera i den vardagliga kontexten. I studiens empiriska avsnitt har data presenterats på ett estetiskt enkelt sätt och därefter förklarats i ord på ett vardagligt språk med syfte att underlätta kopplingen mellan forskning och vardag. Vidare förklaras att kvantitativa studier kan innehålla små statistiska fel som drastiskt påverkar studiens resultat. Denna vetskap har medfört en noggrann kontroll av studiens data för att reducera risken för felaktiga värden.

3.8.3 Källkritik

De nyttjade källorna består av ansedda vetenskapliga artiklar, tidskrifter och böcker.

Granskning av källor är ett viktigt moment vid en vetenskaplig studie för att säkerställa källornas relevans och genomgående kvalitet. Studien har nyttjat Google Scholar samt Linköpings universitetsbibliotek för sökning och insamling av litteratur. Några fördelar med Google Scholar är att det finns ett brett utbud av vetenskapliga artiklar där möjligheten finns att spara dessa för framtida läsning. Fördelen med Linköpings universitetsbibliotek är sorteringsfiltrering samt utbudet av över 21 000 tidskrifter och därmed en stor mängd av vetenskapliga artiklar (Liu, 2020). Vidare nyttjade studien publikationer som Journal of

Finance och Journal of Political Economy för att ytterligare stärka trovärdigheten i de valda

underliggande källorna.

Studien har även nyttjat äldre källor, exempelvis Fama (1979). Äldre källor medför en risk för att informationen är utdaterad, vilket studien har hanterat genom att bekräfta eller komplettera den äldre källan med nyare vetenskapliga artiklar inom området. Det har även medfört att studien nyttjat olika perspektiv inom olika områden, något som gör studien mer nyanserad och opartisk.

Trots granskningen av litteratur finns fortfarande risker med de underliggande källorna. Exempelvis kan de vara partiska, inkompletta, eller helt enkelt basera sig I felaktiga data. Dessa risker har beaktats I studien för att aktivt implementera ett kritiskt tankesätt vid granskning av de nyttjade källorna.

3.8.4 Subjektivitet

Studien har bearbetat extern validiteten för att stärka kvalitén på datamängden. Trots en starkare extern validitet i studien finns fortfarande en risk för subjektivitet. Datamängden som analyseras i studien tolkas och bearbetas i analysavsnittet, där tolkningarna delvis grundar sig i subjektiva värderingar. Andra forskare i en liknande studie skulle möjligtvis tolkat datamängden annorlunda, något som vidare skulle kunna ge ett annorlunda resultat. Risken för subjektivitet är svår att reducera, men har aktivt beaktats under studiens gång.

3.8.5 Utlämnade referenspunkter av relevans

Risken för utelämnade referenspunkter av relevans har också beaktats i studien. För få referenspunkter kan resultera i ett missvisande resultat som endast baseras i en viss tidsperiod. För att eliminera denna risk helt och hållet krävs att analysen täcker hela datamängden och alla dess referenspunkter. Studiens urval av investmentbolag består av företag som funnits i kortare och längre perioder. Exempelvis grundades Investor 1916, vilket medför att det krävs en enorm datamängd för att eliminera risken för utlämnade referenspunkter av relevans. Studien har använt sig av data från Q1 2005 till Q4 2019 och täcker en hel konjunkturcykel. Anledningen till valet av just denna period baseras i det faktum att perioden inkluderar finanskrisen 2008 samt högkonjunkturen därefter. Dock finns fortfarande en risk för att referenspunkter av relevans har utelämnats.