”Jag vill spara etiskt, men vad
har jag för alternativ?”
En kvantitativ studie av etiska restriktioners
påverkan på svenska fonders prestation
Kandidatuppsats 15 hp
Företagsekonomiska institutionen
Uppsala universitet
VT 2019
Datum för inlämning: 2019-06-03
Alfred Atterby
Adam E. Hagevall
Carl Wikström
Abstract
During the last few decades, the Swedish population has shown an increased interest in investment fund savings, and more than 60% of Swedish citizens are saving through funds today. In addition to this, awareness on climate change and related risks has increased, which has contributed to a greater focus on corporate sustainability among Swedish companies. As a result of these trends, there has been an increase in fund companies that are basing their investments on certain ethical restrictions, in order for private investors to save ethically. The purpose of this study was to examine how ethical restrictions affect the financial performance of Swedish funds with regards to risk-adjusted return. Previous studies have focused on comparing ethical and traditional funds, but this study chose not to make any difference between the two types of funds. The study’s relevance is based on how it can make private investors aware of which ethical restrictions that have a negative impact on the risk-adjusted return, and how much each restriction decreases the return.
A total of 101 Swedish funds were analyzed. Information about each fund’s performance measures were retrieved from Morningstar, and is based on three years development. Information about each fund’s ethical restrictions were retrieved from Hållbarhetsprofilen and their information pamphlets. With data about the performance measures Sharpe ratio, Alpha, and Treynor ratio, three statistical models were defined and analyzed with multiple linear regression analysis. Each model’s relia-bility was assessed with residual analysis; the models were adjusted and improved if necessary. Hypotheses were evaluated with significance testing to answer the research questions.
The results indicate that exclusion of tobacco and gambling companies affect the risk-adjusted return of Swedish funds negatively, while exclusion of alcohol companies affect the risk-adjusted return positively. This implies that private investors should save their money in Swedish funds that exclude alcohol companies in order to avoid lower risk-adjusted return.
Keywords: funds, ethical restrictions, risk-adjusted return, multiple linear regression, signifi-cance testing
Sammanfattning
Fondsparandet i Sverige har under de senaste decennierna ökat kraftigt och idag sparar över 60% av befolkningen i fonder. Utöver detta har bland annat miljömedvetenheten hos befolkningen ökat, vilket har bidragit till ett ökat engagemang i hållbarhetsfrågor hos företag. I kölvattnet av dessa trender har allt fler svenska fondbolag valt att införa etiska restriktioner på deras investeringar, så att fondsparare på ett enkelt sätt ska kunna investera hållbart. Syftet med denna studie var att un-dersöka hur etiska restriktioner påverkar svenska fonders prestation med avseende på riskjusterad avkastning. Där tidigare forskning har fokuserat på att jämföra etiska och traditionella fonder, val-de val-denna studie istället att inte göra någon skillnad mellan val-de två fondtyperna. Studiens relevans baseras på hur studiens slutsatser kan hjälpa småsparare att bli medvetna om vilka etiska restrik-tioner som hämmar avkastningen och vad varje restriktion kostar investerare i potentiellt förlorad avkastning.
Totalt har 101 svenska fonder undersökts. Information som gäller fondernas prestationsmått har hämtats från Morningstar, och baseras på tre års utveckling. Information om fondernas etiska re-striktioner har hämtats från Hållbarhetsprofilen och fondernas informationsbroschyrer. Med insam-lad data om prestationsmåtten Sharpekvoten, Alfa, och Treynorkvoten, har tre modeller definierats som sedan analyserats med multipel linjär regressionsanalys. Modellernas tillförlitlighet har se-dan utvärderats med residualanalys; modellerna förbättrades om det fanns belägg för det. Utifrån signifikanstest har hypoteser utvärderats för att besvara studiens frågeställningar.
Studiens resultat pekar på att exkludering av företag inom tobak- och spelbranschen påverkar svenska fonders riskjusterade avkastning negativt, medan exkludering av företag inom alkohol-branschen påverkar den positivt. Detta betyder alltså att småsparare bör investera i svenska fonder som väljer bort företag inom alkoholbranschen för att undvika låg avkastning.
Nyckelord: fonder, etiska restriktioner, riskjusterad avkastning, multipel linjär regression, signifikanstest
Förord
Som studenter vid Uppsala universitet har vi genom åren haft förmånen att utöka vår kunskapsbank inom en mängd områden, däribland företagsekonomi och sta-tistik. Att vetenskaperna om ekonomi och statistik i högsta grad går hand i hand har de senaste månaderna uppenbarat sig för oss, och det har varit en fröjd att kombinera och utveckla vår kunskap inom dessa ämnen i och med arbetet som presenteras i denna uppsats.
Vår målsättning har varit att arbetet och dess slutsatser ska uppskattas och an-vändas av såväl akademiker som privatpersoner med intresse för fondsparande. Men inte helt oväntat kan ett arbete av den här kalibern sällan liknas vid en rak stig, utan påminner snarare om en serpentinväg med flertalet hinder som måste övervinnas under resans gång. Det är dock inte alltid helt enkelt att på egen hand veta vilken väg som ska tas, därför vill vi här rikta vår tacksamhet mot de som tagit sig tid att assistera oss i arbetet med deras ovärderliga expertis.
Först och främst skulle vi vilja tacka Yevgen Ryeznik för hans hjälp med de statistiska modellerna vi har använt oss av. Vi vill också tacka Rolf Larsson för hans värdefulla vägledning i statistikens snåriga djungel. Slutligen vill vi rikta ett stort tack till vår handledare Susanne Åberg för hennes engagemang, stöd och reflektioner som hon har bidragit med under arbetets gång.
Uppsala, 27 juni 2019 Alfred Atterby
Adam E. Hagevall Carl Wikström
Innehållsförteckning
1 Inledning 1
1.1 Problematisering . . . 3
1.2 Syfte och frågeställningar . . . 5
1.3 Avgränsningar . . . 6
2 Teoretiskt ramverk 7 2.1 Tidigare forskning . . . 7
2.2 Avkastning och risk . . . 8
2.3 Prestationsmått . . . 10 2.3.1 Sharpekvot . . . 11 2.3.2 Alfa . . . 12 2.3.3 Treynorkvot . . . 12 2.4 Hypoteser . . . 13 2.4.1 Hypotes 1 . . . 13 2.4.2 Hypotes 2 . . . 13 2.4.3 Hypotes 3 . . . 14 3 Metod 15 3.1 Statistisk metod . . . 15 3.1.1 Signifikanstest . . . 15 3.2 Urvalsdesign . . . 16 3.3 Insamling av data . . . 17 3.3.1 Data från Morningstar . . . 18 3.3.2 Data från Hållbarhetsprofilen . . . 18 3.3.3 Klassificering av restriktioner . . . 19 3.4 Analys av data . . . 20
3.4.2 Modelldiagnostik . . . 23
3.5 Reliabilitet och validitet . . . 25
4 Resultat 27 4.1 Modell 1: Sharpekvot . . . 27 4.1.1 Regressionsanalys . . . 28 4.1.2 Modelldiagnostik . . . 28 4.1.3 Kontroll av Hypotes 1 . . . 33 4.2 Modell 2: Alfa . . . 33 4.2.1 Regressionsanalys . . . 34 4.2.2 Modelldiagnostik . . . 34 4.2.3 Kontroll av Hypotes 2 . . . 37 4.3 Modell 3: Treynorkvot . . . 37 4.3.1 Regressionsanalys . . . 37 4.3.2 Modelldiagnostik . . . 38 4.3.3 Kontroll av Hypotes 3 . . . 41 5 Diskussion 42 5.1 Studiens resultat . . . 42 5.2 Studiens modeller . . . 44 6 Slutsatser 46 6.1 Studiens vetenskapliga och praktiska bidrag . . . 46
6.2 Begränsningar och förslag till framtida forskning . . . 47
Referenser 49
Bilaga 1 Bilaga 2 Bilaga 3
1 Inledning
”Vi är den första generationen som kan utrota fattigdomen och den sista som kan bekämpa kli-matförändringarna.” Så sade FN:s tidigare generalsekreterare Ban Ki-moon om FN:s globala mål för hållbar utveckling när de antogs av världens länder i september 2015 (UN, 2015). Målen fast-ställdes med syftet att åtgärda klimatkrisen, avskaffa extrem fattigdom, minska ojämlikheter och orättvisor i världen, samt för att främja fred och rättvisa (UNDP, u.å.). Förhoppningarna är att håll-barhetsmålen ska vara uppfyllda så tidigt som år 2030, och denna ambitiösa agenda tycks spegla det stora engagemanget och den ökande medvetenheten som finns kring hållbarhetsfrågor i da-gens samhälle, hos både företag och konsumenter. Enligt Svensk Handels hållbarhetsrapport från 2017 intensifierar svenska handelsföretag sitt hållbarhetsarbete allt mer, samtidigt som hållbar ut-veckling hamnar högre på agendan i både offentlig och privat sektor. Svensk Handel (2017, s. 7) definierar hållbarhet som både ett socialt ansvarstagande och miljömässig hållbarhet, och hållbart företagande avser hur företag arbetar med dessa aspekter i sin verksamhet. För att betraktas som ett hållbart företag behöver det bland annat ta ansvar för miljön, granska produkternas innehåll och säkerhet, samt främja mångfald, jämställdhet och goda arbetsvillkor.
Handelsföretagens engagemang i hållbarhetsfrågor styrs dels av socialt och miljömässigt ansvars-tagande, dels av ekonomiska drivkrafter. Det låter osannolikt att företagen skulle prioritera hållbar-hetsfrågor i samma utsträckning om det inte vore ett konkurrensmedel som leder till ökad lönsam-het. År 2017 var det så många som nio av tio företag som arbetar aktivt med hållbarhet som ansåg att hållbarhetsarbetet bidrog till ökad lönsamhet. Det finns ett antal olika anledningar till varför företagen kan erhålla en ökad lönsamhet genom hållbarhetsarbete: Bland annat kan de få tillgång till nya marknader som drivs av medveten och värderingsdriven konsumtion, och dessutom kan de använda hållbarhet för att erhålla engagerade kunder och skapa förväntningar som endast ett fåtal aktörer kan möta. Under 2017 undersökte 73% av företagen kontinuerligt kundernas efterfrågan på hållbara varor och tjänster, och 86% som dessutom anpassade sitt utbud efter kundernas efterfrå-gan. (Svensk Handel, 2017, ss. 10–11.) Just konsumenternas medvetenhet och engagemang verkar alltså vara en stor drivkraft till att företag väljer att arbeta aktivt med hållbarhet. Sedan 2014 anser tre av fyra konsumenter att det är viktigt att företag de köper ifrån arbetar aktivt med hållbarhet, och
följaktligen gäller att de medvetna konsumenterna och handelsföretagen triggar varandra (Svensk Handel, 2017, s. 7). Konsumenternas krav ger företagen riktning samtidigt som företagen i sin tur lockar konsumenterna genom att presentera attraktiva och hållbara alternativ.
I slutändan kan konsumenterna tyvärr enbart försöka påverka, samtidigt som den reella kraften att skapa förändring på riktigt ligger hos företagen. Rapporten från Svensk Handel visar onekligen lovande siffror som tyder på att handelsföretag tar hållbarhetsfrågor på stort allvar, mycket tack vare medvetna konsumenter som ställer krav på företagens verksamhet. Hållbarhetsrapporten från Svensk Handel redovisar dock enbart siffror från handeln mot produkter och tjänster, men det är inte långsökt att misstänka att en ökad medvetenhet bland konsumenterna även visar sig på andra områden. Faktum är att den växande medvetenheten i samhället också är synlig på fondmarknaden då allt fler småsparare vill investera sina pengar på ett sätt som bidrar till en hållbar utveckling. Stora förändringar har skett på fondmarknaden de senaste åren: Från att intresset har varit gans-ka litet bland småsparare, har efterfrågan på fonder med hållbarhetsinriktning ögans-kat margans-kant på senare tid (SEB, u.å.). De senaste åren har diskussionen om en hållbar fondmarknad även varit prioriterad för Sveriges regering som har genomfört ett antal åtgärder för att utveckla en hållbar fondmarknad och för att hjälpa konsumenter med hållbara investeringar. Till exempel tillsatte re-geringen 2014 en utredare med uppdraget att förbättra informationsgivningen och jämförbarheten kring hur fondförvaltare integrerar hållbarhetsaspekter såsom miljö- och klimatfrågor, mänskliga rättigheter, arbetsvillkor och bekämpning av korruption. Bland annat skulle utredaren ta ställning till vilken information som investerare behöver för att kunna ta hänsyn till hållbarhetsaspekter vid köp av fondandelar, samt ta ställning till vilka fondtyper som informationen ska göras tillgänglig för. (Regeringen, 2015.)
I Sverige slog fondsparandet igenom på 1980-talet och enligt Lindmark (2016) är Sverige ett av de länder i världen med flest invånare som sparar i fonder: Bortsett från tjänstepensionen och pensionsmyndigheten är det 66% av Sveriges vuxna befolkning som sparar i fonder. I takt med marknadens växande efterfrågan på fonder med hållbarhetsinriktning har en ny kategori av fonder utvecklats, så kallade etiska fonder. Dessa fonder är även kända under det internationella sam-lingsnamnet SRI-fonder (Sustainable Responsible Investment). Etiska fonder avser hållbara och ansvarsfulla investeringar, och var nästan ett helt okänt fenomen på 1970-talet (Mitchell & Curry,
2003, s. 70). Skillnaden mot traditionella fonder är att förvaltare av etiska fonder noga värderar vilka företag de väljer att investera i med hänsyn till andra kriterier än bara maximal avkastning, utan de tar även hänsyn till hur företagen agerar utifrån olika hållbarhetsaspekter (Fondkollen, u.å.). Fonderna har tydligt definierade hållbarhetskrav för investeringarna och fondförvaltarnas värdering av företag utgår främst från två grundstrategier: Att exkludera företag med hänsyn till negativa kriterier eller att inkludera företag med hänsyn till positiva kriterier. Att exkludera företag utifrån negativa kriterier innebär att aktivt avstå från att investera i företag som bedriver verksam-heter i vad många skulle betrakta som oetiska. Exempel på oetiska verksamverksam-heter är tobak, vapen, och alkohol. Att inkludera företag utifrån positiva kriterier innebär att aktivt investera i företag som till exempel arbetar för att förbättra miljön eller främjar jämställdhet. (Fondmarknaden, 2018.)
1.1 Problematisering
Genom att spara i fonder vill investerare vanligtvis tillgå en så hög avkastning som möjligt till en så låg risk som möjligt. En fondförvaltare som placerar i hållbara företag gör inte avkall på krav om tillfredsställande avkastning för fonden, utan tror snarare att dessa företag är lönsamma ur ett långsiktigt perspektiv (Fondkollen, u.å.). Om det verkligen stämmer tycks dessvärre vara en svår forskningsfråga att besvara, då resultaten av tidigare studier som undersökt etiska fonders prestation inte har varit eniga. Sjöström (2015) har presenterat en sammanställning av flera tidigare studier som publicerats under perioden 2011–2013 gällande hur etiska fonder presterar jämfört med traditionella fonder, och det framkommer tydligt att slutsatserna skiljer sig. Av de 21 studier som Sjöström (2015) redovisar i sammanställningen framkommer att sju studier inte hittat någon skillnad mellan etiska och traditionella fonders prestation. Fem studier visade att etiska fonder presterar bättre, samtidigt som två studier visade att etiska fonder presterar sämre. De resterande sju studierna presenterade alla ett tvetydigt resultat, med en trend mot att etiska fonder presterar antingen sämre eller att det inte finns någon skillnad gentemot traditionella fonder.
Denna oklarhet bör onekligen komplicera situationen för svenska småsparare som vill investera hållbart utan en ökad risk att förlora sina sparade pengar. Om forskare inte kan komma överens om vad som gäller för avkastningen på etiska fonder kanske många småsparare avstår från att spara i etiska fonder. Jonas Lindmark, ansvarig utgivare på Morningstar, menar dock att etiska
fonder inte förtjänar en egen kategori och att traditionella fonder oförtjänt blir sedda som oetiska. Även vanliga fondförvaltare arbetar för att ta socialt och miljömässigt ansvar genom att placera i välskötta företag, men vissa fonder basunerar inte ut sitt moraliska ansvarstagande genom att skylta med det i fondnamnet, trots att de arbetar inom vissa etiska ramar. (Broomé, 2012.) Med andra ord kan en traditionell fond i själva verket vara minst lika etisk som vissa SRI-fonder. Anna Nilsson, chef för hållbarhetsanalys i Swedbank Robur, motsätter sig Lindmarks resonemang: Hon pekar på faktumet att traditionella fonder inte har några som helst krav på att följa olika hållbarhetskriterier, vilket är en mycket väsentlig skillnad från etiska fonder. Hon instämmer däremot att det kan vara svårt för småsparare att se skillnader mellan olika SRI-fonders sätt att påverka och välja företag. (Broomé, 2012.) Problematiken är tydlig mot bakgrund av att en effektiv finansiell marknad är beroende av att investerare har tillgång till all relevant information samt möjlighet att använda den. Utifrån Lindmarks och Nilssons motsatta åsikter är det relevant att reflektera över vad som faktiskt kan betraktas som en etisk fond i praktiken. En fond som kategoriseras som etisk på Morningstar kan i vissa fall ha samma hållbarhetskrav som en traditionell fond, vilket kan skapa förvirring bland småsparare. Det finns således en tydlig diskrepans i tolkningen av etiska fonder, och en oundviklig godtycklighet i vad som definierar en etisk fond. Låt säga att en traditionell fond avstår från att investera i företag med miljöförstörande verksamhet och exkluderar företag som kränker grund-läggande mänskliga rättigheter. En traditionell fond likt denna skulle troligtvis betraktas som en etisk fond av många småsparare, och denna godtycklighet är en problematisk aspekt med etiska fonder. Detta har bland annat Outi Kalpio, styrelseordförande för det finska forumet för hållba-ra investeringar Finsif, påpekat tidigare: Hon menar att etik handlar om varje människas enskilda övertygelser, och något som är etiskt för en person behöver inte vara etiskt för en annan (Anders-son, 2016).
Utifrån ovanstående problem blir forskningsfrågan huruvida etiska fonder presterar bättre eller sämre än traditionella fonder något lönlös eftersom jämförelser dem emellan kan ses som orättvisa och riskerar att ge missvisande resultat. När det istället handlar om studier på fonders hållbarhets-krav, och hur de i sig påverkar en fonds prestation, är forskningsunderlaget betydligt tunnare, för att inte säga obefintligt. Johanna Kull (2018), sparekonom och skribent på Avanzas blogg, påpekar att många småsparare frågar henne hur de ska göra för att spara grönt, och det är inte helt enkelt att
navigera i djungeln av mer eller mindre hållbara fonder. Situationen underlättas inte av att småspa-rare blir ledda att tro att etiska fonder är deras enda alternativ om de vill spara hållbart, när många traditionella fonder också uppfyller hållbarhetskrav. Dessutom är marknadens utbud av svenska etiska fonder förhållandevis begränsat, vilket bör komplicera småsparares investeringsbeslut ytter-ligare om de har ambitionen att spara etiskt i svenska fonder. Av denna anledning finns empirisk relevans i att rikta fokus bort från jämförelser av etiska och traditionella fonders prestation, och istället fokusera på hur enskilda hållbarhetskrav påverkar fonders prestation under antagandet att traditionella fonder också kan vara etiska alternativ för småsparare.
1.2 Syfte och frågeställningar
Med avstamp i problematiseringen är studiens syfte att undersöka hur etiska restriktioner påverkar svenska fonders prestation med avseende på riskjusterad avkastning. Mer specifikt ligger studiens fokus på att undersöka huruvida de etiska restriktionerna påverkar avkastningen positivt eller ne-gativt. Studiens relevans baseras på hur forskningsresultaten kan ge svenska småsparare kunskap om vilka etiska restriktioner som eventuellt hämmar fonders prestation och vad varje restriktion kostar småsparare i potentiellt förlorad avkastning. Från bakgrundsbeskrivningen står det klart att svenska företag arbetar intensivt med hållbart företagande, och historiskt sett har Sverigefonder1
varit mycket populära bland svenska investerare (Lindmark, 2012); dessa två insikter motiverar beslutet att endast inkludera svenska fonder i studien. Restriktioner kommer att bedömas enskilt för att se hur mycket var och ett av dem kostar portföljen med avseende på riskjusterad avkast-ning. Värt att understryka är att etiska och traditionella fonder kommer betraktas som likvärdiga i studien. Frågeställningarna som ska besvaras i studien anges nedan.
• Vilka etiska restriktioner har en statistiskt signifikant påverkan på svenska fonders riskjuste-rade avkastning?
• Hur ter sig denna eventuella påverkan? Vilka restriktioner ger en ökad respektive minskad riskjusterad avkastning och till vilken grad?
1.3 Avgränsningar
På grund av arbetets begränsade omfattning har ett antal avgränsningar fastslagits. Först och främst kommer insamlad data enbart avse svenska aktiefonder. För att mäta fondernas riskjusterade av-kastning kommer tre prestationsmått studeras, och en kombination av dessa förväntas ge studien högre trovärdighet. Prestationsmåtten som ska undersökas är Sharpekvoten, Alfa och Treynorkvo-ten, och kommer baseras på tre års utveckling; varför ett längre tidsintervall inte kommer studeras är främst för att minimera risken att fonderna skulle ha hunnit ändra sina kriterier för vad de inve-sterar i. Utöver detta skulle ett längre tidsintervall ge ett mindre urval av fonder då ett antal fonder är relativt nyetablerade. Slutligen har begränsningar gjorts kring vilka etiska restriktioner som ska undersökas i studien, och valet föll på några av de mest frekvent förekommande restriktionerna för svenska fonder. Etiska restriktioner i studien avser fonders exkludering av företag med verksamhet mot Pornografi, Alkohol, Tobak, Vapen, och Spel, samt företag som inte främjar Social hållbarhet2.
2 Teoretiskt ramverk
Detta kapitel redovisar studiens teoretiska ramverk och centrala begrepp. Först och främst kom-mer resultat från tidigare forskning att redogöras för, vilket följs av bakgrundsfakta och teori om de grundläggande begreppen avkastning och risk. Sedan presenteras och beskrivs de tre prestations-mått som analyseras i studien för att mäta fondernas riskjusterade avkastning. Kapitlet avslutas med en definition av de tre hypoteser som studien har för avsikt att undersöka.
2.1 Tidigare forskning
Som nämndes i problematiseringen är forskningen tvetydig när det gäller hur etiska fonder pre-sterar i jämförelse med traditionella fonder. Humphrey och Lee (2011) undersökte etiska fonder på den australiensiska marknaden och hur de presterar med avseende på riskjusterad avkastning genom att närmare studera fondernas Alfa. Detta kompletterades med en tvärsnittsstudie som un-dersökte hur fondernas prestation påverkades av att välja in företag utifrån positiva kriterier eller välja bort företag utifrån negativa kriterier. Humphrey och Lee (2011) pekade på faktumet att en fonds prestation påverkas av många faktorer, bland annat fondens ålder och storlek. Med den vetskapen parade författarna ihop varje etisk fond med en traditionell fond med liknande egen-skaper för att maximera sannolikheten att eventuellt påvisade skillnader i etiska fonders prestation faktiskt berodde på fondernas etiska egenskaper, och inte andra faktorer. Från denna studie kunde ingen signifikant skillnad påvisas mellan etiska fonder och traditionella fonder med avseende på avkastning.
En annan studie av Kreander et al. (2005) jämförde 30 etiska fonder med 30 traditionella fonder från Sverige, Storbritannien, Nederländerna och Tyskland, och kunde dra liknande slutsatser. Lik-som Humphrey och Lee (2011) valde Kreander et al. (2005) att para ihop de etiska fonderna med traditionella fonder utifrån ålder, storlek, land och investeringstyp för att göra en så rättvis bedöm-ning som möjligt. Dessutom gjordes en tvärsnittsstudie, varpå resultaten visade att det inte skiljde något mellan traditionella fonder och etiska fonder med avseende på prestationsmåtten Sharpekvot, Treynorkvot och Jensens Alfa. Även på den spanska marknaden har traditionella fonder jämförts med etiska fonder. Slutsatserna som kunde dras här var likadana som de tidigare nämnda: Etiska
fonder presterar lika bra som traditionella fonder (Fernandez-Izquierdo & Matallin-Saez, 2008). Det finns dock forskning som pekar på att etiska fonder presterar sämre än traditionella fonder. Ett exempel är en studie av Jones et al. (2008) på den australiensiska marknaden vars resultat visar en sämre riskjusterad avkastning hos etiska fonder i jämförelse med traditionella fonder. Även en studie av Havemann och Webster (1999) på den brittiska marknaden har visat att etiska fonder i genomsnitt levererar lägre avkastning än traditionella fonder; denna studie visade dock även en lägre grad av risk hos de etiska fonderna. Å andra sidan finns även exempel på tidigare forskning som har visat att etiska fonder generellt presterar bättre än traditionella fonder. Ett välkänt exempel är en studie på den brittiska marknaden av Mallin et al. (1995): Till skillnad från studien av Have-mann och Webster (1999) drogs slutsatserna att etiska fonderna presterade bättre än de traditionella fonderna.
Detta var bara ett fåtal exempel, men trots att ett flertal studier har genomförts där etiska fonder jämförs med traditionella fonder råder det alltså ingen samlad konsensus i frågan om prestationen för etiska kontra traditionella fonder. Däremot har författarna av denna uppsats inte kunnat hitta en enda tidigare studie som undersöker etiska restriktioners enskilda påverkan på fonders avkastning. Bristen på tidigare studier är i sig en motivering till varför studien som presenteras i denna uppsats är av intresse.
2.2 Avkastning och risk
Avkastning och risk är enligt Beckman et al. (2013, ss. 159–160) ett par av de mest grundläggande begreppen när det gäller aktie- och fondhandel. Enkelt förklarat indikerar avkastning hur många procent en tillgång har förändrats i värde under en viss tid, och talar således om hur lönsam en investering är. Till skillnad från ränta som erhålls när pengar sparas på ett sparkonto, är avkastning något som investerare erhåller när aktier och fonder har inhandlats. Den största skillnaden mellan avkastning och ränta är att avkastningen på aktier och fonder inte är förutbestämd, utan varierar beroende på hur aktien eller fonden presterar och hur mycket vinst den går med. Notera att av-kastning på aktier och fonder kan vara både positiv och negativ, där negativ avav-kastning innebär en förlust av investerade pengar.
Vidare indikerar måttet risk hur instabil en fond är. Att investera i en fond med hög risk kan re-sultera i en stor vinst, men kan också leda till en stor förlust (Beckman et al, 2013, ss. 159–160). Beckman et al. (2013, ss. 159–165) menar att fonder har olika riskprofiler beroende på vad de investerar i, och att den bedömda risken i hög grad beror på den så kallade volatiliteten. Värdepap-per kan vara volatila vilket innebär att de är prisföränderliga och instabila. Fonder som investerar i mer volatila värdepapper får ofta en högre risk, samtidigt som fonder som investerar i stabila värdepapper erhåller en lägre riskprofil. För att avgöra risken är det även relevant att undersöka fluktuationen på värdet historiskt och hur stor risk det är att förlora hela eller delar av kapitalet. Det gäller att högriskfonder ofta ger högre avkastning, medan fonder med lägre risk ofta ger lägre avkastning, se Figur 1.
Figur 1: Riskprofilen av en fond bedöms på en skala 1–7 och förhåller sig till fondens möjliga avkastning enligt figuren. (Avanza, u.å)
Vidare är begreppen systematisk och osystematisk risk relevanta för förståelsen av denna studie då de tillämpas i de tre prestationsmått som används för att undersöka fondernas prestationer. Systematisk risk, även kallad marknadsrisk, är en allmän risk som gäller hela aktiemarknaden. Detta innebär att faktorer som påverkar den systematiska risken har en inverkan på samtliga företag och aktiekurser. Exempel på sådana faktorer är konjunktur, politisk osäkerhet, inflation och räntor. (Hotvedt & Tedder, 1978, s. 135.) För en enskild aktie eller fond mäts den systematiska risken med hjälp av Beta som visar hur en aktie eller fond utvecklas i förhållande till marknaden som helhet, alternativt ett jämförelseindex. Ett Beta med värdet 1 representerar då samma svängning som marknaden eller jämförelseindexet. När Betavärdet är större än 1 betyder det att fonden i snitt stiger mer än index när index stiger, och i snitt sjunker mer än index när index sjunker. Den är då alltså mer volatil än sitt jämförelseindex vilket gör den mer riskabel. Ett Betavärde som är mindre än 1 tyder alltså på en lägre volatilitet än jämförelseindex, vilket implicerar lägre risk. (Lee & Lee, 2006, s. 33.)
Gällande den osystematiska risken, även kallad företagsspecifik risk, är den istället förknippad med enskilda företag. Detta är en risk som specifikt påverkar en investering eller ett företag, exempelvis strejker, stämningar eller vd-skiften. Den osystematiska risken är möjlig att diversifiera bort genom att investera i många olika tillgångar, se Figur 2. (Hotvedt & Tedder, s. 135.) Att kunna diversifiera bort risk kan betraktas som gammal kunskap inom aktie- och fondhandel. År 1952 uppfann Harry Markowitz den moderna portföljteorin med vilken han förklarade hur investerare kan skapa en portfölj som ger högsta möjliga avkastning utifrån en viss risknivå. Markowitz (1952, ss. 77– 79) menar att det möjliggörs genom att äga tillgångar i flera olika marknader och branscher, då detta minskar den förväntade risken samtidigt som den förväntade avkastningen hålls uppe. Utifrån detta resonemang är alltså en diversifierad portfölj något som bör eftersträvas om målet är att erhålla högsta möjliga avkastning. Humphrey och Lee (2011, s. 519) menar att en fullt diversifierad portfölj är ouppnåelig om möjligheterna att investera i alla marknader och branscher är begränsad.
Figur 2: Systematisk och osystematisk risk.
2.3 Prestationsmått
I denna studie undersöks riskjusterad avkastning för svenska fonder i termer av tre olika presta-tionsmått: Sharpekvoten, Alfa, och Treynorkvoten. Tillsammans är dessa mått några av de mest frekvent använda vid mätning av riskjusterad avkastning, samt vid jämförelser av fonder. Note-ra att studiens analyser utnyttjar Morningstars beräkningar av fondernas prestationsmått, varför ekvationerna 1–5 är definierade enligt formler från Morningstar (2016).
2.3.1 Sharpekvot
Sharpekvoten är ett mått som undersöker hur en portfölj av tillgångar har utvecklats med avseende på avkastning i förhållande till risk, och används för att jämföra olika portföljers prestationer med varandra. Sharpekvoten tar hänsyn både till den systematiska risken och den osystematiska risken. (Sharpe, 1994, s. 50.) Det gäller att ju högre Sharpekvot desto bättre har portföljen varit på att skapa avkastning i relation till den risk som tagits. Något som däremot bör tas i beaktning är att Sharpekvoten är utformad i syfte att jämföra portföljer eller fonder som agerar på samma markna-der (Morningstar, u.å.-b). Sharpekvoten förekommer i två olika utföranden: Den ena, Sharpekvoten Ex Ante handlar om att kunna förutspå prestationen för en fond, och använder sig av uppskattade värden på framtida avkastning och standardavvikelse; Den andra, Sharpekvoten Ex Post använder istället historiska data, tagna från en viss tidsperiod, för de olika värdena. Utöver denna skillnad är de två variationerna av Sharpekvoten snarlika, förutom att Ex Post brukar användas i praktiken medan Ex Ante används i teoretiska diskussioner. (Sharpe, 1994, ss. 49–50.) Sharpekvoten Ex Post beräknas enligt Sharpekvot =( Âni=1Ri n ) (Â n i=1RFi n ) StdDev (1) där StdDev = s 1 n 1 n
Â
i=1 (Ri ¯R)2 (2)och StdDev = fondens genomsnittliga standardavvikelse över alla tidsperioder Ri=fondens avkastning under tidsperioden i
RFi=den riskfria avkastningen under tidsperioden i
n = antalet tidsperioder
¯R = genomsnittlig avkastning för fonden över alla tidsperioder
Sharpekvoten beräknas alltså genom att först subtrahera medelvärdet av portföljens riskfria av-kastning från medelvärdet av fondens avav-kastning, varpå den beräknade differensen divideras med fondens genomsnittliga standardavvikelse. I denna studie används Sharpekvoten för att på ett god-tagbart sätt kunna jämföra fonders prestationer trots skillnader i risktagande och avkastningsprofi-ler.
2.3.2 Alfa
Alfa mäter skillnaden mellan en portföljs faktiska avkastning och dess förväntade prestation, med en given nivå av risk i termer av Beta. Ett negativt värde på Alfa indikerar att portföljen har under-presterat utifrån förväntningarna från Beta, medan ett positivt värde på Alfa indikerar att portföljen har presterat bättre än vad som är förväntat utifrån dess Beta. Måttet baseras alltså på idén att till-gångar med hög risk borde ha högre förväntad avkastning än tilltill-gångar med låg risk. (Morningstar, 2016.) Alfa anges i procent och det årliga värdet beräknas enligt
aA=12aM (3)
där
aM = ¯Re b ¯Be (4)
och aM =månatligt värde för Alfa
¯Re=genomsnittlig avkastning för den riskfria räntan
¯Be=den historiskt oberverade genomsnittliga avkastningen på marknadsportföljen
b = portföljens Betavärde
Först beräknas alltså det månatliga värdet för Alfa genom att subtrahera produkten av portföljens Betavärde och den historiska genomsnittliga avkastningen på marknadsportföljen från den genom-snittliga avkastningen för den riskfria räntan. Det månatliga värdet multipliceras sedan med tolv för att få ett årligt värde på Alfa. I denna studie används Alfa för att undersöka om fonderna har genererat över- eller underavkastning i jämförelse med deras förväntade avkastning och den risk som har tagits.
2.3.3 Treynorkvot
Treynorkvoten används för att undersöka hur mycket extra avkastning som ges för varje enhet av risk som tas i en portfölj. Med extra avkastning menas den avkastning som ges utöver den riskfria avkastning som fås av en helt eller nästintill riskfri investering. Precis som Sharpekvoten är Treynorkvoten ett mått på effektivitet som använder sig av förhållandet mellan årlig riskjusterad
avkastning och risk. Vad som däremot skiljer de båda måtten åt är att Treynorkvoten enbart mäter den systematiska risken och utnyttjar därför Beta istället för standardavvikelsen som ett mått på volatilitet. (Morningstar, 2016.) Treynorkvoten beräknas enligt
Treynorkvot =( Âni=1Ri n ) (Â n i=1RFi n ) b (5)
där b = portföljens Betavärde under tidsperioden i Ri=fondens avkastning under tidsperioden i
RFi=den riskfria avkastningen under tidsperioden i
n = antalet tidsperioder
Treynorkvoten beräknas alltså genom att först subtrahera medelvärdet av portföljens riskfria av-kastning från medelvärdet av fondens avav-kastning, varpå den beräknade differensen divideras med portföljens Beta. I denna studie kommer resultaten från Sharpekvoten och Treynorkvoten inte att skilja sig åt särskilt mycket om fonderna är diviersifierade. I de fall där fonderna inte är fullt ut diversifierade kommer olika resultat erhållas, vilket ger Treynorkvoten relevans i denna studie.
2.4 Hypoteser
För varje prestationsmått definieras en hypotes som testas mot de resultat som erhålls, för att så-ledes besvara studiens frågeställningar. Nedan visas studiens hypoteser, där Hypotes 1 avser Shar-pekvoten, Hypotes 2 avser Alfa, och Hypotes 3 avser Treynorkvoten. Se mer om hypoteser i §3.1.1. 2.4.1 Hypotes 1
• H01: Det finns inget signifikant samband mellan svenska fonders Sharpekvot och etiska
re-striktioner.
• H1: Minst en etisk restriktion förklarar en del av variationen i svenska fonders Sharpekvot.
2.4.2 Hypotes 2
• H2: Minst en etisk restriktion förklarar en del av variationen i svenska fonders Alfa.
2.4.3 Hypotes 3
• H03: Det finns inget signifikant samband mellan svenska fonders Treynorkvot och etiska
restriktioner.
3 Metod
I detta kapitel kommer studiens metoder och forskningsstrategi att redovisas. Först och främst beskrivs studiens val av statistiska metod som användes för att utvärdera hypoteserna. Därefter presenteras en beskrivning av studiens urvalsdesign, som följs av en redovisning av studiens da-tainsamling. Sedan beskrivs hur insamlad data analyserades med hjälp av statistiska tekniker och modeller, innan kapitlet avslutas med en diskussion av studiens reliabilitet och validitet. Studiens arbetsprocess sammanfattas med ett enkelt flödesschema som finnes i Bilaga 2.
3.1 Statistisk metod
Denna studie är av kvantitativ och deduktiv karaktär. Det är tydligt att studien är av kvantitativ karaktär då frågeställningarna besvarades genom att samla in kvantitativ data om svenska fonder för att nå statistiska, kvantifierbara och generaliserbara resultat, vilket är grunden till en kvantitativ studie (Powers & Knapp, 2010, s. 149). Att studien är deduktiv innebär att undersökningens ut-gångspunkt var hypoteser grundade i det teoretiska ramverket; hypotesformuleringen följdes sedan av en process där data samlades in och analyserades (Bryman, 2001, s. 21). Eftersom studiens syf-te var att undersöka samband mellan variabler med hjälp av hyposyf-teser valdes signifikanssyf-test som statistisk metod.
3.1.1 Signifikanstest
För att fastställa om ett samband finns mellan de undersökta variablerna testades hypoteserna mot insamlad data genom signifikanstest, också känt som hypotesprövning. Signfikanstest är den ana-lysmetod som används mest frekvent vid genomförandet av vetenskapliga studier. Metoden är en process som består av framförallt tre olika steg, och hur denna studie utnyttjade processen för signifikanstest redovisas nedan utifrån en definition av Martin och Bridgmon (2012, ss. 30–34).
1. Det första steget i en hypotesprövning är att definiera studiens mothypotes. En mothypotes är ett spekulativt påstående om sambandet mellan två eller flera variabler som används i kvantitativ forskning. I början av studien brukar forskaren vanligtvis formulera en eller flera
mothypoteser som representerar de förväntade resultaten av studien. Se §2.4 för studiens mothypoteser –H1,H2ochH3– som pekar på de i förhand förväntade resultaten.
2. Det andra steget är att etablera nollhypoteser som ska testas statistiskt för varje enskild mot-hypotes. Till skillnad från mothypoteserna pekar nollhypoteserna på att det inte finns något samband mellan de undersökta variablerna (Bryman, 2001, s. 242). Se §2.4 för studiens nollhypoteser –H01,H02 ochH03 – som testades statistiskt.
3. Det tredje steget utgörs av att fastslå den statistiska signifikansnivån som anses vara accepta-bel i den specifika undersökningen. Signifikansnivån är ett mått på risken att nollhypotesen förkastas när den i själva verket borde accepteras. Den vanligaste signifikansnivån som ac-cepteras inom samhällsvetenskaplig forskning är a = 0.05. Denna signifikansnivå innebär att risken för att ett stickprov visar ett samband är 5%, trots att något sådant samband inte existerar (Bryman, 2001, s. 242). Eftersoma = 0.05 är vanligast inom samhällsvetenskaplig forskning valdes den som signifikansnivå i denna studie.
3.2 Urvalsdesign
Den population som studerades i denna studie var svenska fonder, och för att nå generella slutsatser om dessa utformades ett stickprov som behövde vara representativt för hela populationen. Enligt Dattalo (2008, ss. 3–6) finns många tillgängliga strategier vid design av ett stickprov och denna studie gjorde ett så kallat målmedvetet urval. Detta innebär att fonderna inte valdes ut på slump-mässig basis, utan urvalet baserades på författarnas omdöme om vilka fonder som var relevanta för att besvara studiens frågeställningar. Enligt Szulc (1965, s. 48) behövs tydliga definitioner och begränsningar av materialet som ska samlas in, varför urvalet av fonderna som inkluderades i den statistiska undersökningen selekterades utifrån ett antal kriterier med utgång i studiens syfte och frågeställningar. Studien krävde att samtliga fonder i stickprovet var svenska fonder, alltså att en majoritet av fondens förmögenhet är investerade i svenska bolag. Därutöver krävdes att de utvalda fonderna var av typen aktiefonder, alltså fonder som investerar minst 85% av förmögenheten i ak-tier (Fondbolagen, u.å.). En annan viktig aspekt var att fonderna behövde vara öppna för svenska småsparare eftersom studiens relevans baserades på att skapa vägledande investeringsunderlag för svenska småsparare. Vidare begränsades inte urvalet av hur aktiva fondägarna är, alltså
inklude-rades både passivt och aktivt förvaltade fonder i stickprovet. Detta val gjordes för att få en bättre representativ bild av svenska fonder vilket tillät en mer korrekt jämförelse (Shim & Yang, 2016, ss. 72–76).
Förutom en definition av stickprovet som studeras krävs riktlinjer kring vilket tidsintervall som det insamlade materialet ska avse (Szulc, 1965, s. 51). I denna studie togs beslutet att data om fonderna skulle avse utveckling under perioden 28 februari 2016 till 28 februari 2019, varför det krävdes att fonden varit verksam sedan tidigt 2016. Att använda ett kort tidsintervall om tre år ansågs rimligt eftersom tillgänglig information om fonderna blir mer aktuell och risken för att fonderna hunnit ändra sina investeringskriterier minskar, vilket bör ge mer pålitliga resultat. Ett antal av fonderna är också nyetablerade, och ett tidsintervall om tre år gav därför ett större urval av fonder. Dat-talo (2008, ss. 6–7) påpekar att ett stickprov endast är en del av en hel population, varför resultat baserade på stickprov vanligtvis innehåller felaktigheter. Därför är storleken av det studerade stick-provet en viktig aspekt att ha i åtanke för att öka precisionen av de statistiska resultaten. Risken för urvalsfel är större om urvalet är litet, och av den anledningen eftersöktes ett stort urval i denna studie. För att få ett större urval gjordes ingen begränsning kring storleken på företagen som fon-derna investerar i. Det gäller till exempel att studien inte tog hänsyn till om företagen är noterade på OMX Stockholm Large Cap eller OMX Stockholm Mid Cap. Storleken på urvalet blev slutligen 101 svenska fonder.
3.3 Insamling av data
Efter att urvalskriterierna var bestämda användes olika informationskällor för att samla relevant se-kundärdata om alla utvalda fonder, främst Morningstar och Hållbarhetsprofilen. Här var det viktigt att fastslå exakt vilken information om fonderna som var relevant att samla in (Szulc, 1965, s. 54). De mått som ansågs relevanta för studiens syfte och därmed samlades in var fondernas Sharpekvot, Alfa, Beta, och standardavvikelse, samt information om vilka etiska restriktioner som gällde för varje fond. All insamlad data sammanställdes överskådligt i Microsoft Excel. Se Bilaga 1 för en sammanställning över samtliga fonder som inkluderades i studien och tillhörande data som ansågs relevant för att besvara studiens syfte.
3.3.1 Data från Morningstar
Information om fonderna när det gällde rent ekonomiska aspekter hämtades från Morningstar. Morningstar är ett amerikanskt företag som inriktar sig på forskning inom investeringar och publi-cerar ”objektiv, tillförlitlig, jämförbar och lättillgänglig” information om svenska och internatio-nella värdepappersfonder (Morningstar, u.å.-a). Morningstar sammanställer och analyserar fonder, aktier och allmän marknadsdata, och på grund av företagets höga anseende inom investeringar används dess databaser av nybörjare såväl som professionella investerare (Chen, 2018). Eftersom Morningstar har ett högt anseende och anses vara en tillförlitlig källa hämtades information om fondernas Sharpekvot, Alfa, Beta, och standardavvikelse från företagets databas. I denna studie samlades data om fondernas Sharpekvot Ex Post eftersom det inte krävde en uppskattning av fram-tida avkastning, något som antagligen hade varit ett mödosamt åtagande och som sannolikt hade varit ett mycket osäkert mått. I och med att data hämtades från Morningstar behövdes inga beräk-ningar göras av författarna själva för att erhålla värden på relevanta nyckeltal. Genom att samla in sekundärdata på detta vis ökar sannolikheten att datan är av god kvalitet (Bryman, 2001, s. 208), eftersom framförallt risken för felberäkningar minskar avsevärt. Detta gällde dock inte för Trey-norkvoten som beräknades med utgångspunkt i ekvation (1) och (5) genom att utnyttja värden på fondernas Sharpekvot, Beta och standardavvikelse. Att utnyttja känd information för att beräkna en okänd egenskap på detta vis kallas statistiskt estimat, vilket är en vanlig metod under insamling av data i statistiska undersökningar (Szulc, 1965, s. 73).
3.3.2 Data från Hållbarhetsprofilen
För att samla information om vilka etiska kriterier och begränsningar som de undersökta fonder-na investerar efter, användes i huvudsak Hållbarhetsprofilen. Hållbarhetsprofilen är ett interak-tivt, standardiserat faktablad framtaget av Sveriges Forum för Hållbara Investeringar (SWESIF). Hållbarhetsprofilen är ingen certifiering, utan beskrivs av SWESIF som en självdeklaration där fondbolagen själva är de som fyller i de olika kriterierna som varken granskas eller godkänns av SWESIF. Vidare är en ifylld Hållbarhetsprofil ett obligatorium för fonder med Miljö/Etisk märk-ning. (SWESIF, 2018.) Kriterier som är listade i Hållbarhetsprofilen är (1) huruvida hållbarhets-aspekter beaktas i förvaltningen av fonden; (2) vilka dessa hållbarhetshållbarhets-aspekter är (miljö, sociala,
bolagsstyrning eller övriga); (3) huruvida hållbarhetsaspekter är avgörande eller enbart tas hän-syn till vid val av bolag som fonden investerar i; (4) oetiska branscher (bland annat pornografi, alkohol, tobak, spel och vapen), länder och bolag som ej följer internationella normer som fonden väljer bort; (5) huruvida fonden utövar sitt ägandeinflytande i bolagen för att påverka deras arbe-te med miljö, mänskliga rättighearbe-ter, arbetsvillkor, affärsetik eller bolagsstyrning; och slutligen (6) vilka resurser och rutiner för hållbarhetsanalys, uppföljning och kontroll som fonden använder sig av.
Ett fåtal fonder som inkluderades i studien hade ingen ifylld Hållbarhetsprofil, varför informa-tion kring deras kriterier och investeringsbegränsingar hämtades från fondbolagens hemsidor el-ler fondernas informationsbroschyrer. Om informationen hämtades från Hållbarhetsprofilen elel-ler från fondernas informationsbroschyrer ansågs inte ha någon betydelse för studiens trovärdighet ef-tersom ingen av dessa källor är helt oberoende, och informationen om fondernas hållbarhetsfokus bör därmed granskas kritiskt.
3.3.3 Klassificering av restriktioner
Att utgå rakt av från Hållbarhetsprofilen visade sig vara problematiskt och det krävdes således tydliga definitioner av de etiska restriktionerna. Kriterier som berör miljö är särskilt oklara och godtyckliga på Hållbarhetsprofilen, och kan variera i hög grad mellan olika fonder. Även om fond-bolaget uppger sig beakta miljöfrågor i förvaltningen av fonden kan tillvägagångsättet variera, vilket fondbolagens egna kommentarer på Hållbarhetsprofilen i många fall förtäljer. Till exempel, även om en fond påstås ta hänsyn till miljöaspekter utifrån internationella normer förekommer många fall där fonden däremot inte uppger att den väljer bort miljöfarliga produkter. Med anled-ning av att Miljö blir ett godtyckligt kriterium togs beslutet att utesluta just detta kriterium från studiens data för att öka sannolikheten att urvalet hölls konsekvent.
Även kriteriet Vapen gick att tolka olika utifrån Hållbarhetsprofilen. Det är nämligen inte en övergripande kategori som berör vapen, utan istället uppges huruvida fonden tar avstånd från att investera i bolag vars verksamhet innefattar (1) kemiska/biologiska vapen, (2) klusterbom-ber/personminor, (3) kärnvapen, samt (4) vapen och/eller krigsmateriel. Kriteriet Vapen
exklu-derades inte från studien, men för att den skulle anses vara uppfylld av en fond krävdes att den uppfyllde samtliga underkategorier av vapen.
Hållbarhetsprofilens kriterier som rör Mänskliga rättigheter och Korruption kan uppfyllas på två nivåer. För att uppfylla det hårdare kravet undviker fonden helt att investera i företag som är in-volverade i kränkningar mot internationella normer och konventioner uppsatta enligt UN Global Compact3och OECD:s riktlinjer för multinationella företag4. Alternativt uppfyller fonden ett lät-tare krav där fonden endast underkänner företag som bryter mot de internationella normerna om fondbolaget inte ser en förändringsvilja hos företaget i fråga, eller där fondbolaget bedömer att problemen inte kan rättas till inom en acceptabel tidshorisont. Notera att författarna av studien gjorde iakttagelsen att Mänskliga rättigheter och Korruption alltid var uppfyllda samtidigt av de utvalda fonderna, varför dessa kombinerades till en enskild etisk restriktion som definierades som Social hållbarhet. Vidare krävdes att en fond använde det hårdare kravet för att kriteriet Social hållbarhet skulle vara uppfyllt.
3.4 Analys av data
När all data var insamlad användes materialet för att undersöka eventuella samband mellan de utvalda prestationsmåtten och de etiska kriterierna. För detta definierades en regressionsmodell för varje prestationsmått som sedan analyserades med regressionsanalys. Med denna analysmetod går det att fastställa resultatens statistiska signifikans för att således förkasta eller acceptera de formulerade nollhypoteserna. För att kontrollera modellernas tillförlitlighet och deras eventuella förbättringspotential undersöktes modellernas residualer.
3.4.1 Multipel linjär regression
Regressionanalys är ett av de viktigaste verktygen för att analysera huruvida en eller flera obero-ende variabler kan förklara variationer i en beroobero-ende variabel. Principen bakom regression bygger på att skapa en funktion som bäst passar observerad data (Bryman, 2001, s. 44). Det finns olika varianter av regression, bland annat enkel linjär regression och multipel linjär regression, och
ken variant som används beror till stor del på tillämpningsområdet (Blom & Holmquist, 1998, s. 149). I denna studie är syftet att undersöka hur svenska fonder presterar baserat på sex olika etiska restriktioner; det gäller alltså att studien undersöker ett samband mellan fler än två variabler, varför beslutet togs att multipel linjär regression skulle användas för att besvara studiens frågeställningar. Studien ämnade undersöka etiska restriktioners påverkan på tre olika prestationsmått, varför tre separata regressionsmodeller definierades:
• Modell 1 undersöker etiska restriktioners påverkan på Sharpekvoten. • Modell 2 undersöker etiska restriktioners påverkan på Alfa.
• Modell 3 undersöker etiska restriktioners påverkan på Treynorkvoten.
Utifrån en allmän definition av en regressionsmodell antas att en beroende variabel y beror linjärt av k oberoende variabler x1,x2, ...,xk. I denna studie undersöktes totalt sex oberoende variabler och
totalt gjordes 101 observationer av y. Således kunde studiens regressionsmodeller uttryckas enligt ekvation (6) nedan (Blom & Holmquist, 1998, s. 227).
yi=b0+b1⇤Vapeni+b2⇤ Alkoholi+b3⇤ Tobaki+ ... +b6⇤ Speli+ei (6)
där b0=interceptet, det förväntade värdet på yinär alla oberoende variabler antar värdet 0
b1,b2, ...,b6=regressionskoefficienter för motsvarande oberoende variabel
ei=stokastisk felterm för observation i, för vilkenei2 N(0,s) måste gälla
i = 1, 2, ... , 101
I denna studie undersöktes oberoende variabler som saknar intervallnivå, varför så kallade dum-my-variabler utnyttjades i regressionsmodellerna som beskrivet av Allen (1997, ss. 128–130). Att involvera denna typ av variabel i modellen innebar att regressionsvariablerna blev behandlade som om de var baserade på variabler som mäts på intervallnivå; utan dummy-variabler skulle det inte vara möjligt att använda variabler som saknar intervallnivå. Vidare användes dummy-variabler för att representera flera olika grupper med en enda ekvation, istället för att göra separata ekvationer för varje undergrupp. Dummy-variabler är binära och har således två möjliga värden: 0 eller 1. I denna studie kunde de oberoende variablerna anta värdet 0 = ”Fonden uppfyller inte restriktionen”, eller 1 = ”Fonden uppfyller restriktionen”.
Regressionsanalys av de uppställda modellerna genomfördes med programspråket R och statistik-verktyget RStudio, se Bilaga 3. Regressionsanalys i RStudio resulterar i ett antal värden och pa-rametrar som kan utvärderas, och denna studie begränsade sig till att analysera de papa-rametrar som beskrivs här då de anses vara tillräckliga för att besvara frågeställningarna. Värdet på Regressions-koefficienterna visar vilken påverkan de oberoende variablerna har på den beroende variabeln, där positiva värden på de oberoende variablernas koefficienter påverkar den beroende variabeln posi-tivt, och vice versa; en viktig aspekt är att koefficienterna talar om hur mycket variabeln påverkar givet att alla andra variabler hålls konstanta. Standardfelet i sin tur kan sägas vara ett mått på osä-kerheten av de oberoende variablerna, eller med andra ord spridningen från regressionslinjen på det skattade y-värdet (Altman & Bland, 2005). Vidare indikerar Förklaringsgraden (R2) till vilken
grad variationen i den beroende variabeln kan förklaras av variationerna i modellens oberoende variablerna. Förklaringsgraden har ett värde mellan 0 och 1, där ett högt värde tyder på att variatio-nen i den beroende variabeln till hög grad kan förklaras av variatiovariatio-nen i de oberoende variablerna. Ju fler oberoende variabler som används i modellen desto mer brukar förklaringsgraden öka, vilket kan vara problematiskt då det kan leda till felaktiga slutsatser. (Renaud & Victoria-Feser, 2010, ss. 1852–1853.) För att undvika detta utvärderades istället den Justerade förklaringsgraden som tar hänsyn till antalet oberoende variabler som adderas, och justerar värdet därefter. Precis som förklaringsgraden får den ett värde mellan 0 och 1. (Renaud & Victoria-Feser, 2010, s. 1858.) För-klaringsgraden är ett bra mått för att jämföra regressionsmodeller då en hög förklaringsgrad oftast är att föredra (Allen, 1997, s. 92).
Utöver ovanstående mått utvärderades även p-värdet, som är en indikation på hur pass kompatibel den använda datan är med en specificerad statistisk modell. Den är kopplad till hypoteserna och sägs vara sannolikheten att observera ett mer extremt värde än det värde som redan har observerats, givet att nollhypotesen är sann. P-värdet jämfördes med signifikansnivån som i denna studie sattes till 5%: Om p-värdet var mindre än 0.05 innebar det att nollhypotesen kunde förkastas och att ett påvisat samband med stor sannolikhet inte var slumpmässigt. (O’Donnell, 2018, ss. 241–243.) Om nollhypoteserna i denna studie förkastades fanns inga statistiska bevis för att restriktioner på oetisk verksamhet inte har påverkan på de undersökta prestationsmåtten.
3.4.2 Modelldiagnostik
Efter en regressionsanalys är det fördelaktigt att undersöka hur väl den undersökta modellen egent-ligen fungerar för observerad data. Av den anledningen lades stor vikt i denna studie på diagnosti-cering av de uppställda modellerna i syfte att utvärdera deras tillförlitlighet. Yan och Su (2009, s. 195) menar att fyra krav, eller antaganden, måste vara uppfyllda för att det ska vara möjligt att dra slutsatser från regressionsmodellen. Dessa krav kontrollerades genom att undersöka de så kallade residualerna: Med residual menas skillnaden mellan det förutspådda värdet och det faktiskt obser-verade värdet på den beroende variabeln. Med andra ord är en residual den del av observerad data som inte kan förklaras av modellen (Yan & Su, 2009, s. 25). De fyra kraven är följande:
1. Residualerna ska ha ett linjärt förhållande, vilket är en god indikator på att modellen för-klarar ett linjärt förhållande mellan de oberoende variablerna och den beroende variabeln. Antagandet om linjäritet implicerar att medelvärdet av alla residualer antar värdet 0.
2. Homoskedasticitet ska vara uppfyllt, vilket innebär att alla residualer har samma konstanta varians.
3. Residualerna i modellen ska vara normalfördelade. 4. Residualerna ska vara oberoende.
Krav 1–3 kontrollerades genom att konstruera residualgrafer som studerades noggrant, samt med formella test i RStudio. Krav 1 kontrollerades enkelt genom att beräkna medelvärdet av modellens alla residualer. Krav 2 kontrollerades med ett Breusch-Pagan test eftersom det anses vara ett kraft-fullt test för att avgöra homoskedasticitet (Yan & Su, 2009, s. 201). Krav 3 kontrollerades med ett Shapiro-Wilk test eftersom det är en vanlig numerisk metod för att avgöra huruvida residualerna är normalfördelade (Yan & Su, 2009, s. 196). Krav 4 kontrollerades enbart med ett Durbin-Watson test som är ett av få diagnostiska test som används för att kontrollera om residualerna är oberoende (Yan & Su, 2009, s. 235). Genom att köra dessa test i RStudio erhålls ett p-värde som bör vara in-signifikant (p > 0.05) för att kravet som kontrolleras ska anses vara uppfyllda. Dessa formella test ger dock inga absoluta bevis för att kraven är uppfyllda; ett insignifikant p-värde indikerar enbart att det inte går att utesluta möjligheten att de är uppfyllda.
ansågs vara problematiska för modellen. I studien lades särskilt fokus på att identifiera kraftigt avvikande eller inflytelserika observationer som kan ha stor påverkan på modellen. Young (2018, s. 167) pekar på tre metoder som kan användas för att hantera förekomsten av potentiellt avvikande observationer (eng. outliers):
1. Först och främst bör observationer som misstänks vara avvikande flaggas för vidare under-sökning, vilket i denna studie gjordes utifrån residualgraferna. Standardiserade residualer är av intresse när avvikande observationer eftersöks: En observation anses ofta vara avvikande om den har en standardiserad residual vars absolutbelopp är större än 3 (Young, 2018, s. 155).
2. Ett flertal formella tester kan användas för att avgöra huruvida datamängden innehåller av-vikande observationer. Denna studie begränsade sig till Grubbs test som går bra att använda om datamängden är stor och om residualerna följer en normalfördelning (Young, 2018, ss. 156–157). Residualerna antogs i denna studie vara normalfördelade. De observationer som bör testas som potentiellt avvikande är de med högst och lägst residualvärde (Young, 2018, s. 172).
3. Om det visar sig vara svårt att avgöra huruvida det förekommer avvikande observationer kan robusta statistiska tekniker användas, då modeller med hög robusthet är generellt mer motståndskraftiga mot avvikande observationer i den analyserade datamängden. Detta steg applicerades i denna studie endast om det rådde tveksamheter kring avvikande observationer i datamängden, då det inte ansågs relevant för denna studie annars. Inbyggda funktioner i RStudio användes för att definiera robusta modeller.
Avvikande observationer är inte per definition dåliga för modellen, men om en observation an-ses vara avvikande måste ett beslut tas huruvida värdet avviker på grund av slumpen eller om det finns ett underliggande problem med just den observationen. Om det handlar om ett underlig-gande problem i observationen finns starka motiv för att exkludera observationen från analysen. (Young, 2018, s. 167.) Under inga andra omständigheter får avvikande observationer raderas för att förbättra fördelningen av data (Sabo & Boone, 2013, s. 94). I fallet med fonder kan ett sådant problem utgöras av ett kraftigt avvikande värde för en fonds prestationsmått i jämförelse med såväl börsindex som med övriga fonder i undersökningen. Huruvida en observation har stort inflytande
på modellen kontrollerades genom att undersöka Cook’s avstånd (Young, 2018, s. 161) i en av de fyra residualgraferna. Med inflytelserika observationer menas sådana som påverkar modellens skattade parametrar avsevärt om observationen inkluderas eller exkluderas från den analyserade datamängden.
Modellerna kunde ha testats ännu mer, men på grund av arbetets begränsade omfattning togs be-slutet att sätta en gräns vid de tester som beskrivits ovan. Att begränsa de diagnostiska testerna går dessutom i linje med Youngs (2018, ss. 167–168) rekommendation att inte överdriva omfattningen av testerna bara för att försöka radera alla avvikande och problematiska observationer. Risken är nämligen stor att exkludering av observationer istället resulterar i att andra observationer felaktigt framstår som avvikande; detta gäller särskilt för stora datamängder.
3.5 Reliabilitet och validitet
Reliabilitet och validitet är två viktiga begrepp som är viktiga att diskutera för att kunna dra slutsat-ser om hur trovärdig studiens tillvägagångssätt och resultat är. Med reliabilitet menas följdriktig-heten, överensstämmelsen och pålitligheten för en mätning. Huruvida mätningen är reliabel beror i denna studie främst på stabiliteten och interbedömarreliabiliteten. Med stabilitet menas om en mät-ning över tid är tillräckligt stabilt för att resultaten inte ska skilja sig åt i någon större utsträckmät-ning om mätningen upprepas. Vidare avgör interbedömarreliabiliteten huruvida ett testresultat skulle bli samma oavsett vem som utför studien. (Bryman, 2001, s. 86.) I denna studie kan både stabiliteten och interbedömarreliabiliteten betraktas som hög. Stabiliteten är hög då studien är gjord med ett givet tidsintervall som omfattar tre år; sekundärdata som samlades in för dessa år kommer alltid att vara lika oavsett när undersökningen genomförs, vilket tyder på att samma resultat alltid kommer att uppnås för detta tidsintervall. När det gäller interbedömarreliabiliteten är det studiens val av restriktioner på oetisk verksamhet som skulle kunna påverka resultatet. Eftersom studiens kriterier på vad som krävs för att en fond ska uppfylla en restriktion är utförligt beskrivet kan interbedö-marreliabiliteten betraktas som hög. Om någon annan skulle utföra samma studie skulle personen förmodligen komma fram till samma resultat på vilka fonder som innehar vilka restriktioner då kriterierna för detta är väl redogjort för. Interbedömarreliabiliteten ökar dessutom av det faktum att de studerade fonderna finns att hämta i Bilaga 1, och den kod som skrevs i RStudio för att
genom-föra den statistiska undersökningen kan hämtas från Bilaga 3. Det gäller alltså att andra forskare enkelt kan hämta den exakta data som användes i studien för att upprepa studien.
Validitet, enligt Bryman (2001, s. 88), rör i sin tur frågan om huruvida en eller flera tekniker som har utformats i syfte att mäta ett fenomen verkligen mäter det som faktiskt avses att mätas. Det syftar alltså dels till att besvara hur relevant den insamlade informationen är för det givna proble-met, dels till hur väl studien mäter det som avses att mätas. Validiteten i denna studie betraktas som hög eftersom de tre analyserade prestationsmåtten Sharpekvoten, Treynorkvoten och Alfa tillsam-mans ger en bra bild över en fonds riskjusterade avkastning, och är tämligen välanvända när fonder analyseras. Vidare var studiens syfte att mäta samband mellan flera variabler och det gjordes med regressionsmodeller och multipel linjär regressionsanalys, vilket är en vedertagen statistisk analys-teknik för att avgöra om ett samband existerar mellan fler än två variabler.
4 Resultat
I detta kapitel kommer regressionsmodellerna och tillhörande hypoteser att utvärderas en i taget. För varje modell presenteras först resultatet från regressionsanalysen varpå modellens residua-ler kommer att analyseras med syftet att avgöra huruvida modellen är tillförlitlig. Residuaresidua-lerna analyseras genom att undersöka ett antal residualgrafer som erhållits i RStudio; notera att en resi-dualanalys inte tillåter definitiva slutsatser om en modells tillförlitlighet, utan snarare är en finger-visning om dess validitet. Dessutom är tolkningen av de residualgrafer som redovisas i hög grad godtycklig, varför residualanalyserna kommer att vara av diskuterande och motiverande karaktär. Resultatredovisningen av varje modell avslutas med en kontroll av tillhörande nollhypotes som kommer att förkastas eller accepteras baserat på det statistiska underlaget.
Som nämndes tidigare har regressionsmodellerna definierats och analyserats med hjälp av pro-gramspråket R och statistikverktyget RStudio. Ur utskrifterna från dessa regressionsmodeller er-hölls bland annat skattningar av de oberoende variablerna, på vilken nivå de är signifikanta, samt modellens förklaringsgrad. I Tabell 3–5 presenteras resultaten av regressionsanalyserna som lig-ger till grund för signifikanstesterna, och för fullständig förståelse av tabellernas innehåll bör §3.4 först läsas noga. I tabellerna går det att urskilja på vilken nivå som de undersökta restriktionerna är signifikanta. Stjärnorna och punkterna i den högra kolumnen signalerar om den aktuella koeffi-cientens p-värde är signifikant eller ej: Ingen stjärna eller punkt innebär ett insignifikant p-värde, en punkt innebär signifikans på nivån 10%, en stjärna på 5%, två stjärnor på 1%, och slutligen tre stjärnor på 0.1%. Signifikansnivån i denna studie valdes till 5%, vilket implicerar att en variabel som är signifikant på en nivå högre än detta kommer att tolkas som insignifikant.
4.1 Modell 1: Sharpekvot
I Modell 1 har Sharpekvoten använts som beroende variabel och här kommer den uppställda mo-dellen att utvärderas, för att slutligen avgöra om nollhypotesenH01kan förkastas eller accepteras.
4.1.1 Regressionsanalys
I Tabell 1 visas resultatet från regressionsanalysen av Modell 1. Utifrån de erhållna resultaten utläses att tre av de oberoende variablerna är signifikanta, dock på nivån 10% som är högre än studiens valda signifikansnivå. Dessa variabler är Alkohol, Tobak och Spel, där koefficienten för den förstnämnda är av positiv karaktär medan koefficienterna för de övriga två är av negativ karaktär. Vidare är modellens justerade förklaringsgrad mycket låg på 3.4%, vilket innebär att enbart 3.4% av variationen i Sharpekvoten kan förklaras av variationerna i de oberoende variablerna.
Tabell 1: Resultat från regressionsanalys av Modell 1 som visar att exkludering av alkohol, tobak och spel har en påverkan på Sharpekvoten på signifikansnivån 10%.
Koefficienter Estimat Standardfel p-värde Intercept 0.977192 0.032984 < 2e-16 *** Pornografi 0.003704 0.069791 0.9578 Alkohol 0.257561 0.137297 0.0638 . Tobak -0.137003 0.074423 0.0688 . Vapen 0.029677 0.078767 0.7072 Spel –0.230332 0.117198 0.0523 . Social hållbarhet -0.021697 0.049806 0.6641 Signifikanskoder: ‘***’: 0.1%, ‘**’: 1%, ‘*’: 5%, ‘.’: 10% Justerad förklaringsgrad: 3.42% 4.1.2 Modelldiagnostik
I Figur 4 syns residualgraferna som gäller för Modell 1 med Sharpekvoten som beroende variabel. Med dessa grafer går det att analysera huruvida modellen är tillförlitlig och om den kan användas till att dra slutsatser om observerad data. Med Figur 4a kan en bedömning göras om huruvida resi-dualerna har ett linjärt förhållande genom att titta på den heldragna linjen. Som synes antar linjen en mycket horistontell karaktär utan att spridningen mellan punkterna visar ett tydligt mönster.
Figur 3: Histogram som visar hur residualerna i Modell 1 fördelar sig. Utifrån tolkning av histogrammet anses residualerna följa en normalfördelningskurva.
Dessutom gäller att medelvärdet av alla residualer är i storleksordningen 10 18, vilket som väntat
är mycket nära 0. I Figur 3 syns det att residualerna antar en normalfördelningskurva, vilket även kan urskiljas i Figur 4b eftersom de följer en relativt rät linje. Normalfördelningskravet undersöktes även med ett Shapiro-Wilk test, ur vilket ett p-värde med storleken 0.0079 erhölls. Ett p-värde lägre än 0.05 indikerar att residualerna inte är normalfördelade, men Figurerna 3 och 4b kan anses vara tillräckligt starka bevis för att de i själva verket är normalfördelade. Normalfördelningskravet som gäller för en tillförlitlig regressionsanalys kan därför anses uppfyllt.
När det gäller kravet på konstant varians mellan residualerna kan Figur 4c användas för att avgöra situationen. I figuren syns en någorlunda horisontell linje omgiven av datapunkter som är utspridda utan något tydliga mönster. Variansen kan betraktas som konstant vilket implicerar att detta krav också är uppfyllt. Detta stärks av det utförda Breusch-Pagan testet som resulterade i ett p-värde med storleken 0.5729, vilket talar för att kravet om konstant varians är uppfyllt. Gällande kravet om att residualerna ska vara oberoende genomfördes ett Durbin-Watson test som resulterade i ett p-värde med storleken 0.8160, vilket talar för att kravet är uppfyllt. Således kan alla antaganden som
bör gälla för en regressionsmodell vara uppfyllda. Slutligen visar Figur 4d huruvida det förekom-mer punkter med stort inflytande på modellen och således bör undersökas närmare. De streckade linjerna i övre och nedre högra hörnen indikerar Cook’s avstånd som är ett mått på inflytande, och om någon punkt befinner sig utanför dessa linjer kan det finnas belägg för att punkterna bör tas bort från modellen. Som synes finns dock inga punkter som ligger utanför linjerna, och utifrån enbart denna information finns ingen anledning att ta bort någon punkt ur datamängden.
(a) Kontroll av linjäritet mellan residualer (b) Kontroll av normalfördelning mellan residualer
(c) Kontroll av varians mellan residualer (d) Kontroll av inflytelserika datapunkter Figur 4: Residualgrafer för Modell 1 med Sharpekvoten som beroende variabel.
Alla krav för en god regressionsmodell anses vara uppfyllda och utifrån Cook’s avstånd finns heller inga inflytelserika datapunkter. Det återstår nu att undersöka om det finns avvikande observatio-ner, och som synes avviker framförallt punkt 3 oroväckande mycket från den räta linjen i Figur 4b. Punkt 3 är en observation med en standardiserad residual vars absolutbelopp är större än 3, varför det finns belägg för att denna punkt kan vara en avvikande observation som eventuellt är problematisk. Eftersom residualerna anses vara normalfördelade är det lämpligt att göra Grubbs
test för att närmare undersöka residualerna med högst och lägst värde, det vill säga de som avviker mest från medelvärdet. Testet visade att observation 3 med lägst residualvärde är avvikande med ett signifikant p-värde av storleken 0.00952. Det signifikanta p-värdet tyder på att observation 3 mycket riktigt kan vara ett avvikande värde, vilket stämmer överens med tolkningen av residu-algraferna. Dock visade Grubbs test att observation 83 med högst residualvärde också kan vara avvikande med ett signifikant p-värde av storleksordningen 10 16. Detta stämmer inte överens
med residualgraferna, där tolkningen gjordes att endast observation 3 är avvikande.
Med anledning av ovanstående oklarhet kring datamängdens eventuellt avvikande observationer definierades en robust regressionsmodell som ska vara mer motståndskraftig mot avvikande obser-vationer. Den robusta regressionsmodellen analyserades och resultatet kan ses i Tabell 2.
Tabell 2: Resultat från analys av robust regressionsmodell med Sharpekvoten som beroende variabel. Analysen visar att exkludering av Alkohol påverkar Sharpekvoten på signifikansnivån 10%, och
exkludering av Spel påverkar på signifikansnivån 0.1%.
Koefficienter Estimat Standardfel p-värde Intercept 0.994882 0.027769 < 2e-16 *** Pornografi -0.03944 0.080652 0.625970 Alkohol 0.311209 0.170311 0.070827 . Tobak -0.089318 0.134265 0.507529 Vapen -0.055665 0.207592 0.789173 Spel -0.217236 0.059668 0.000445 *** Social hållbarhet -0.009269 0.050127 0.853696 Signifikanskoder: ‘***’: 0.1%, ‘**’: 1%, ‘*’: 5%, ‘.’: 10% Justerad förklaringsgrad: 6.81%
Funktionen för robust regression som användes i denna studie utvärderar om datamängden inne-håller avvikande observationer, och inte helt oväntat pekades observation 3 ut som avvikande. Ori-ginalmodellen visade att Alkohol, Tobak och Spel alla har en signifikant påverkan på Sharpekvoten på nivån 10%, och som väntat ändrades resultatet vid robust regression. Utifrån robust regression
