Internationella Civilekonomprogrammet
Relativvärderingsbaserade investeringar-Hur
väl fungerar de i olika branscher?
En studie över samtliga företag noterade i Norden mellan åren
2005–2014
Relative valuation based investments- How
well do they work in different sectors?
A study of all companies listed in the Nordic region between the
years 2005–2014
Christopher Lindholm Pirttilä
Oscar Nordh
Handledare: Øystein Fredriksen
Vårterminen 2015
ISRN-nummer: LIU-IEI-FIL-A--15/02034--SE
Institutionen för ekonomisk och industriell utveckling (IEI)
Linköpings universitet
Titel:
Relativvärderingsbaserade investeringar- Hur väl fungerar de i olika sektorer? En studie över samtliga företag noterade i Norden mellan 2005-2014
English title:
Relative valuation based investments- How well do they work in different sectors? A study of all listed companies in the Nordic region between the years 2005-2014
Författare:
Christopher Lindholm Pirttilä och Oscar Nordh
Handledare:
Øystein Fredriksen
Publikationstyp:
Examensarbete i företagsekonomi
Civilekonomprogrammet och Internationella civilekonomprogrammet Avancerad nivå, 30 högskolepoäng
Vårterminen 2015
ISRN-nummer: LIU-IEI-FIL-A--15/02034--SE Linköpings universitet
Institutionen för ekonomisk och industriell utveckling (IEI) www.liu.se
Abstract
Title: Relative valuation based investments–
How well do they work in different sectors? A study of all listed companies listed in the Nordic region between the years 2005-2014
Authors: Christopher Lindholm Pirttilä and Oscar Nordh
Supervisor: Øystein Fredriksen
Background: This thesis has been executed in order to bring clarity into the matter
whether relative valuation works as an investment strategy in the Nord ic region between the years 2005 and 2014. Whether the strategy performs differently if the markets are sorted by sector affiliation, as well as if previously commonly used key ratios can generate different returns in different sectors is an unexplored area. Previous studies have focused on examining entire markets or specific industries where the results partially have been interpreted with behavioral finance.
Aim: The aim of the thesis is to analyze whether there are any differences in how well
relative valuation works as an investment method in different sectors, in order to generate excess return; as well as if it is statistically possible to find a connection between sectors and key ratios.
Completion: A quantitative approach is used where the stocks are sorted into quartile
portfolios in accordance with their sector affiliation and based on their valuation relative to sector competitors. The portfolios are then rebalanced on a yearly basis and returns are calculated on monthly and cumulative basis. Furthermore the portfolios are evaluated using risk measures, a diversification process and behavioural finance.
Results: Relative valuation can be used to generate excess return in all sectors except in
the energy sector. A discrepancy in returns is shown, depending on which sector, quartile and key ratio that is used for the investment. Moreover, diversification effectively lowers the risk without lowering the return at the same pace. Behavioural finance can only partially explain the differences in return between the portfolios .
Sammanfattning
Titel: Relativvärderingsbaserade investeringar- Hur väl fungerar de i olika branscher? En studie över samtliga företag noterade i Norden mellan åren 2005-2014
Författare: Christopher Lindholm Pirttilä och Oscar Nordh
Handledare: Øystein Fredriksen
Bakgrund: Denna studie har genomförts för att bringa klarhet i hur väl relativvärdering
fungerar som investeringsstrategi mellan åren 2005 och 2014 på de nordiska marknaderna. Huruvida det finns någon skillnad mellan hur väl strategin fungerar om marknaderna sorteras efter branschtillhörighet samt om tidigare välanvända nyckeltal kan generera olika hög avkastning i olika branscher är ett outforskat område. Tidigare studier på området har antingen undersökt hela marknader eller enskilda branscher där resultaten delvis har tolkats med hjälp av aktiemarknadspsykologi.
Syfte: Syftet med studien är att analysera huruvida det finns skillnader i hur väl
relativvärdering fungerar som investeringsmetod inom olika branscher för att generera överavkastning; samt huruvida det statistiskt går att säkerställa om det finns en koppling mellan bransch och nyckeltal.
Genomförande: Studien använder en kvantitativ metod där aktierna sorteras i
kvartilportföljer baserade på dess branschtillhörighet och sin värdering relativt branschkonkurrenter. Portföljerna omplaceras på årlig basis och avkastning räknas ut på månadsbasis samt kumulativt. Portföljerna utvärderas sedan med hjälp av välanvända riskmått samt en diversifieringsprocess och aktiemarknadspsykologi.
Resultat: Relativvärdering kan användas för att generera överavkastning i samtliga
branscher utom i energibranschen. En skillnad i avkastning, beroende på i vilken bransch, kvartil och nyckeltal som används för investeringen kan konstateras. Diversifiering sänker
effektivt risken samtidigt som avkastningen inte sjunker i samma takt.
Aktiemarknadspsykologi kan endast till viss del kopplas till skillnaderna i avkastning mellan portföljerna.
Innehåll
1.Inledning ... 1 1.1 Bakgrund ... 1 1.2 Problemdiskussion ... 2 1.3 Syfte ... 5 1.4 Forskningsfrågor ... 5 1.5 Forskningsbidrag ... 51.6 Avgränsningar och tillvägagångssätt ... 5
1.7 Disposition... 6
2. Referensram... 7
2.1 Tidigare forskning ... 7
2.1.1 Tidigare studier på de nordiska marknaderna... 8
2.2 Går det att skapa överavkastning? ... 8
2.2.1 Vilken värderingsmodell bör användas? ... 9
2.2.2 Kassaflödesvärdering ... 9
2.2.3 Relativvärdering ... 10
2.2.4 Price-to-Earning ... 11
2.2.5 Price-to-Book ... 12
2.2.6 EV/EBITDA ... 13
2.3 Val under inflytandet av risk ... 14
2.3.1 Dispositionseffekt ... 15 2.3.2 Övertro... 16 3. Metod ... 17 3.1 Övergripande tillvägagångssätt ... 17 3.2 Forskningsansats ... 17 3.3 Datainsamling ... 18 3.3.1 Urval av aktier ... 18 3.3.2 Urval av nyckeltal... 19 3.4 Justering av data ... 19
3.5 Jämförelseindex och riskfri ränta ... 20
3.6 Val av tidsperiod och omplacering ... 21
3.10 Portföljutvärdering ... 25 3.11 Sammanvägd portfölj ... 27 3.12 Aktierekommendationer ... 27 3.13 Studiens trovärdighet ... 28 3.13.1 Validitet ... 29 3.13.2 Reliabilitet ... 29 3.13.3 Generaliserbarhet ... 30 3.13.4 Övrig metodkritik ... 30 3.13.5 Källkritik ... 31 4. Empiri ... 32 4.1 Branschportföljer ... 32 4.1.1 Hälsa ... 32 4.1.2 Konsumentvaror ... 33 4.1.3 Material ... 33 4.1.4 Teknologi... 34 4.1.5 Industri... 34 4.1.6 Energi ... 35 4.1.7 Konsumentservice ... 36
4.2 Sammanfattning av de bäst presterande portföljerna ... 37
4.2.1 En bra modell eller bara mycket risk? ... 38
4.2.1Signifikanstest på de bästa portföljerna ... 38
4.2.2 Diversifieringseffekt av de bästa portföljerna ... 39
4.3 Aktierekommendationer ... 40
5. Analys ... 41
5.1 Skillnaden i branschportföljernas avkastning ... 42
5.2 Kopplingen mellan bransch, kvartil och nyckeltal ... 45
5.3 En verklighetsförankrad modell ... 46
5.3.1 Utvecklad diversifieringseffekt av de bästa portföljerna ... 47
5.3.2 Återhållsamhet i tolkning av resultaten ... 50
5.3.3 Analys av aktierekommendationer ... 52
6. Slutsatser ... 56
6.1 Förslag på vidare forskning ... 57
7. Referenslista ... 58
Appendix 2-Exempelportfölj ... 64
Appendix 3-Graf över ackumulerad avkastning för de bästa portföljerna ... 64
Appendix 4-Resultat från regressioner ... 66
Appendix 5- Residualstandardavvikelse ... 69
Figurförteckning
Figur 1 Portföljuppbyggnad ... 22
Figur 2 Exempelindelning av branschportfölj ... 23
Figur 3 Ackumulerad överavkastning i hälsoportföljen ... 32
Figur 4 Ackumulerad överavkastning i konsumentvaruportföljen ... 33
Figur 5 Ackumulerad överavkastning i materialportföljen ... 34
Figur 6 Ackumulerad överavkastning i teknologiportföljen ... 34
Figur 7 Ackumulerad överavkastning i industriportföljen ... 35
Figur 8 Ackumulerad överavkastning i energiportföljen ... 36
Figur 9 Ackumulerad överavkastning i konsumentserviceportföljen ... 36
Figur 10 Risk Return Space ... 40
Figur 11 Energiportföljens korrelation med jämförelseindex ... 44
Figur 12 Masterportfölj ... 48
Figur 13 Slutgiltig portfölj ... 50
Figur 14 Påverkan av skatt och transaktionskostnader ... 52
Tabellförteckning
Tabell 1 Branschsammansättning ... 22Tabell 2 Sammanställning av prestationen hos branscherna och nyckeltal ... 37
Tabell 3 Sammanställning portföljutvärderingsmått ... 38
Tabell 4 Resultat från regressionerna ... 38
Tabell 5 Jämförelse mellan branschportföljer och sammanvägd portfölj ... 39
Tabell 6 Portföljrekommendation och utfall ... 41
Tabell 7 Jämförelse av diversifierade portföljer ... 49
Tabell 8 Slutresultat av diversifiering ... 50
1. Inledning
1.1 Bakgrund
År 2013 delade Robert J. Shiller ekonomipriset till Alfred Nobels minne med Eugen Fama och Lars Peter Hansen (nobelprize.org 2015). Shiller (1981) och Hansen (1982) hävdade att aktiepriser kan förutses över en längre tidsperiod. Fama hävdade dock i sin forskning, likt Effektiva marknadshypotesen (hädanefter EMH), att priset på en aktie kan vara högre eller lägre än dess rätta värde, så länge avvikelserna är slumpmässiga (Fama 1970). Teorin vidareutvecklades senare av Malkiel (1999) som menade på att aktiekurser är omöjliga att förutsäga på kort sikt eftersom de följer en random walk process. Det faktum att båda typerna av forskningresultat belönades visar på att det inte finns ett entydigt svar till hur prissättningen på den finansiella marknaden sker vilket öppnar för olika investeringsstrategier.
För de investerare som anammar Shillers och Hansens forskning lämnas utrymme för att hitta undervärderade aktier med hjälp av olika typer av stock picking – strategier (Bodie et al. 2014). En av dessa är relativvärdering och bygger på att låga nyckeltal används för att finna företag som är undervärderade relativt branschkonkurrenter, vilka sedan ska stiga i värde och på så vis generera överavkastning gentemot ett jämförelseindex. För att kunna använda relativvärdering krävs att företagen är jämförbara vad gäller kassaflöde, risk och tillväxt samt att det finns standardiserade nyckeltal att använda som jämförelsetal (Damodaran 2012).
Som en naturlig följd av de olika förhållningssätten till prissättningen av finansiella instrument har detta skapat intresse för att antingen bevisa tesen kring EMH eller motbevisa densamma. Stattman (1980) och Rosenberg et al. (1985) kunde konstatera att det verkade finnas ett samband mellan avkastningen på amerikanska aktier och dess positiva korrelation med företagets Book-to-market (bokfört värdet av eget kapital) och dess marknadsvärde. Chan et al. (1991) fann också ett starkt samband mellan Book-to-market ration och avkastningen för aktier på den japanska marknaden. Storleken på företaget borde därför vara direkt hänförlig till dess risk och därmed till aktiens avkastning. Liu och Wang (2010) konstaterade även i sin studie att portföljer som handlades till låga nyckeltal, så kallade värdeportföljer, presterade bättre än portföljer som
Fama och French (1992) fann senare bevis som de menade på stärkte tesen kring existensen av EMH. De kunde också konstatera att portföljer som handlades till ett lågt P/B-tal, gav bättre avkastning än de portföljer som handlades till ett högre P/B-tal, något som även konstaterades av Capaul et al. (1993).
Metoden och nyckeltalen som Fama och French (1992) använde sig av är alltså samma som kan användas vid relativvärdering (Damodaran, 2012) vilket tyder på att metoden är användbar för att skapa överavkastning. För att inte frångå sin hypotes kring EMH hävdade Fama och French (1992) dock i slutändan att skillnaden i företagsspecifik risk mellan de olika portföljerna var det som låg till grund för skillnaden i avkastning och inte det faktum att marknaden inte var effektiv.
1.2 Problemdiskussion
Givet att marknaden inte är effektiv medför det felprissättningar vilket implicerar möjligheterna att skapa överavkastning på aktiemarknaden (Damodaran, 2012). Carlsson och Harbäck (2011) använder sig av ett flertal nyckeltal, däribland P/E, EV/EBITDA och P/B där de kunde visa på att det var möjligt att generera överavkastning med hjälp av relativvärdering för samtliga nyckeltal över en tioårsperiod. Ekdahl och Olsson (2010) är ett annat exempel där man använder sig av EV/EBITDA och P/E för att generera överavkastning. I båda dessa studier undersöktes Stockholmsbörsens (hädanefter OMXS) Large cap-lista utan att ta hänsyn till om valet av nyckeltal i respektive bransch påverkade avkastningen. Detta ser vi som en brist i studierna eftersom nyckeltalen blir svåra att tolka beroende på skillnaderna i tillväxt, risk och kassaflöde i respektive bransch (Damodaran, 2012).
Aschan och Gustafsson (2011) analyserade möjligheterna att generera överavkastning på OMXS Industrial och använde sig av nyckeltalen P/E, P/B och direktavkastning. Vidare analyserades även möjligheterna till att statistiskt säkerställa om det fanns ett nyckeltal som var bättre lämpat än andra vid investeringar i industribranschen. Även denna studie konstaterade att relativvärdering var en kvalificerad metod för att generera överavkastning, åtminstone i industribranschen.
Problematiken med ovan nämnda studier är att de endast fokuserar på hela marknader eller på enskilda branscher vilket gör att de missar att förklara hur väl avkastningen från
olika branscher står sig mot varandra. Den svårighet som uppstår av att inte dela in samtliga aktier på en börs efter dess branschtillhörighet är att det försvårar en tydlig jämförelse mellan olika investeringsalternativ. Valmöjligheten för investeraren att kunna jämföra hur risker och tillväxtmöjligheter ser ut mellan de olika branscherna blir, med anledning av detta begränsad. Detta komplicerar också för investeraren som aktivt vill välja bort vilken/vilka branscher och portföljer som ska ingå i investeringsstrategin för att få sin optimala risk- och avkastningskombination.
Genom att undersöka flera branscher skulle det vara möjligt att se om det finns några skillnader mellan dem och i sådana fall kunna diskutera huruvida vissa branscher är bättre än andra på att prissätta ny information. Detta skulle kunna härledas till att olika branscher utsätts för olika typer av risker och därför inte har möjlighet till liknande tillväxttakt. Men också att de använder sig av olika redovisningspraxis vilket skulle kunna återspegla sig i nyckeltalen.
Tidigare forskning pekar på att värdeaktier, som har låga nyckeltal relativt marknadens snitt, genererar bättre avkastning jämfört med tillväxtaktier, som har höga nyckeltal relativt detsamma, på lång sikt vilket kommer att presenteras under avsnitt 2.1. Detta gäller även specifikt industribranschen där Aschan och Gustafsson (2011) kunde konstatera att en värdeportfölj baserad på nyckeltalet P/B var den portfölj som genererade bäst avkastning. Detta trots att företagen inom industribranschen generellt sett är de största bolagen på OMXS (NASDAQ OMX, 2015).
Att värdeaktier genererar högre avkastning än tillväxtaktier medför också att de följs i större utsträckning av analytiker enligt Anyor och Hellman (2014). Detta borde därför skapa en större transparens kring kassaflöden jämfört med exempelvis forskningsintensiva företag. Vidare konstaterar Anyor och Hellman (2014) att träffsäkerheten i aktieanalytikers prognoser är direkt korrelerande med bolagets storlek. En fråga som uppstår är därför om värdeaktier systematiskt presterar bättre än tillväxtaktier i fler branscher än industribranschen och om skillnaderna går att förklara med hjälp av teorier inom aktiemarknadspsykologi.
Till skillnad från Aschan och Gustafssons (2011) väljer vi att använda oss av nyckeltalen P/E, P/B och EV/EBITDA. P/E talet tas med av den enkla anledningen att det är det mest
att P/B-talet har varit en viktig komponent i tidigare forskning av bland annat Fama och French (1992; 1998) för att dela in aktier i olika grupper. Det skulle därför vara intressant att se om resultaten från denna forskning går att återskapa genom en studie där detta
nyckeltal ingår på den nordiska marknaden1.
En av anledningarna till att vi använder oss av EV/EBITDA istället för direktavkastning, är att vi anser att den höga överavkastningen som genererats på hela marknader i tidigare studier där detta nyckletal är inkluderat också bör undersökas i denna. Den främsta orsaken till att vi använder EV/EBITDA istället för direktavkastning är dock att det är bättre lämpat att använda sig av vid en analys av flera olika branscher. Exempelvis kan utdelning ske i olika utsträckning och kapitalstrukturen skilja sig väsentligt mellan branscherna och därmed påverka nyckeltalen (Damodaran, 2012).
Samtidigt som tidigare forskning visar att de lägst värderade aktierna är den grupp som historiskt har genererat högst avkastning är det i dagsläget något oklart om resultaten skiljer sig åt beroende på om investeringen sker i hela marknader eller bara i enskilda branscher. Kan det faktiskt vara så att det inte alltid är de lägst värderade företagen som genererar högst avkastning och att resultaten skiljer sig åt beroende på vilken bransch man investerar i? Det är också oklart om de ovan nämnda nyckeltalen, trots att de är generiska, kan generera olika hög avkastning beroende på vilken bransch de tillämpas i.
Mot bakgrund av tidigare forskning ser vi därför en kunskapslucka att fylla och väljer därför att utföra studien på samtliga nordiska marknader där företagen först och främst delas in efter bransch. En indelning av aktierna i olika kvartiler för respektive nyckeltal i dessa branscher skulle kunna svara på om nyckeltalen presterar olika bra i olika branscher. Alternativ skulle det kunna vara så att det alltid är de lägst värderade företagen som genererar högst avkastning, oavsett bransch.
1
Norden består av Sverige, Norge, Finland, Island och Danmark samt Färöarna, Åland och Grönland (Norden.org, 2015)
1.3 Syfte
Syftet med studien är att analysera huruvida det finns skillnader i hur väl relativvärdering fungerar som investeringsmetod inom olika branscher för att generera överavkastning; samt huruvida det statistiskt går att säkerställa om det finns en koppling mellan bransch och nyckeltal.
1.4 Forskningsfrågor
Kan investeringar i aktier med låga nyckeltal, med hjälp av relativvärdering och
nyckeltalen P/E, P/B och EV/EBITDA, generera överavkastning till samma risk som ett jämförelseindex?
Vilket av de valda nyckeltalen är mest användbart vid investeringar i respektive
bransch?
Går det att förklara eventuella skillnader i avkastning mellan de olika kvartilerna
utifrån teorier inom aktiemarknadspsykologi? 1.5 Forskningsbidrag
Studien kommer att bidra med ökad kunskap kring hur väl relativvärdering fungerar som investeringsmetod för att generera överavkastning. Vidare kommer studien att undersöka om det finns några skillnader i hur väl metoden samt olika nyckeltal fungerar i olika branscher. Detta skulle skapa ökad förståelse för hur effektiva de olika branscherna är i sin prissättning av aktier och därmed också underlätta för investerare att välja rätt nyckeltal i rätt bransch.
1.6 Avgränsningar och tillvägagångssätt
Studien kommer att utföras genom att simulera aktieportföljer baserade på månadsvisa observationer från tidsperioden 2005-01-01 till 2014-12-31 hämtade från Thomson Reuters databas. Tidsperioden anser vi vara tillräckligt lång eftersom den innefattar både hög- och lågkonjunktur samt en period med finanskris vilket ger studien möjlighet att analysera ett snitt av börsernas kursrörelser. Bolagen som kommer att inkluderas i studien avgränsas till alla icke-finansiella företag på NASDAQ OMX Nordics, samt Oslo Börs (som inte ingår i NASDAQ OMX-koncernen), Large, Mid- och Small cap listor. Därefter
sett lättare att finna information för dem jämfört med företag på mindre utvecklade marknader. Det skulle även vara för tidskrävande att analysera en större mängd företag än den ovan nämnda. Valet att exkludera finansiella företag beror på att dessa företag av naturliga skäl har högre skuldsättning än ett icke-finansiellt företag vilket skulle ge allt för stora skillnader i nyckeltalen.
Ingen hänsyn kommer att tas till transaktionskostnader eftersom de påverkas av det investerade beloppet och vilken aktör som gör investeringen.
1.7 Disposition
Denna uppsats är upplagd enligt följande:
Kapitel 1: Läsaren introduceras till uppsatsens bakgrund, dess problem och vad syftet är. Kapitel 2: Presentation av den teoretiska referensramen.
Kapitel 3: Beskrivning av den metod och det tillvägagångssätt som kommer att användas. Kapitel 4: Presentation av studiens resultat.
Kapitel 5: Analys och diskussion av studiens resultat. Kapitel 6: Slutsats samt förslag på fortsatt forskning.
2. Referensram
2.1 Tidigare forskning
Efter att Fama och French (1992) publicerade sin forskning där de undersökte en halvstark form av den effektiva marknaden med hjälp av relativvärdering har intresset på området tagit rejäl fart. De kunde i sin forskning konstatera att det gick att skapa överavkastning om man investerade i företag på NYSE, AMEX och NASDAQ med låga P/B-tal relativt andra aktier. Detta förklarades med att dessa typer av portföljer var mer riskfyllda än de med höga värden på P/B vilket i sådana fall skulle betyda att det linjära sambandet som Markowitz (1959) fann mellan risk och avkastning skulle stämma. Lakonishok et al. (1994) fick liknande resultat men ansåg att skillnaden i avkastning låg i irrationella investeringsbeslut snarare än i skillnaden i risk mellan de olika portföljerna och att investerare väljer att investera i tillväxtbolag som inte alltid når upp till förväntningarna.
Basu (1983) visade på att det fanns ett samband mellan företag som har låga E/P, Earnings-to-Price, och möjligheten att generera överavkastning. Resultaten visade inledningsvis att små bolag genererade en substantiellt högre avkastning relativt större bolag. Riskjusterades dock resultaten försvann praktiskt taget all småbolagseffekt vilket antydde att det inte fanns någon tydlig skillnad i avkastning mellan små och stora bolag på NYSE.
Fama och French (1998) undersökte också sambandet mellan låga värden på P/B och överavkastning på flera internationella marknader, däribland Sverige, och konstaterade att det på 12 av 13 marknader gick att skapa överavkastning. Anledningen till att värdebolag fick högre avkastning än tillväxtbolag ansåg de berodde på att värdebolag fick ett riskpåslag eftersom förväntningarna på vinsttillväxt i förhållande till företagens storlek var låga. En låg vinsttillväxt skulle därför innebära att företaget skulle ha svårt att möta sina finansiella åtaganden i framtiden. Detta ledde till att värdebolag systematiskt undervärderades medan tillväxtbolag övervärderades.
Liu och Wang (2010) argumenterar för att värdeaktier genererar en högre avkastning än tillväxtaktier på 1-5 års sikt men också att värdeaktier har en högre standardavvikelse. Om portföljen hölls i mer än 20 år kunde det konstateras att värdeaktier genererade högre avkastning i minst 90 % av fallen och dessutom hade lägre risk än tillväxtaktier.
eftersom det tar med de ”feta svansarna” i sannolikhetsfördelningen. Detta då de feta svansarna tar med extremare värden än en vanlig normalfördelning. Genom att använda VaR justerades risk för tillväxtaktier upp och ner för värdeaktier, medan avkastningen fortsatt var bättre för den senare kategorin.
2.1.1 Tidigare studier på de nordiska marknaderna
Om det är möjligt att generera överavkastning med hjälp av relativvärdering har testats flertalet gånger på de nordiska marknaderna och då främst i Sverige och Finland. Carlsson och Harbäck (2011) analyserade möjligheterna att skapa överavkastning på den europeiska pappers- och massamarknaden under tidsperioden 2000-2010 med hjälp av bland annat P/E, EV/EBITDA och P/B samt branschspecifika nyckeltal. De kunde konstatera att det var fullt möjligt att genera överavkastning med samtliga nyckeltal. Högst avkastning erhölls vid investering med hjälp av EV/EBITDA justerat för biologiska tillgångar. Ekdahl och Olsson (2010) använde sig av relativvärdering under perioden 1995-2009 på OMXS och Aschan och Gustafsson (2011) under perioden 2001-2011 på OMXS Industries. Båda studierna kunde likt Carlsson och Harbäck (2011) dra slutsatsen att det var möjligt att skapa överavkastning med hjälp av investeringsstrategin. Aschan och Gustafsson (2011) kunde konstatera att P/B var det nyckeltal som gav den bästa avkastningen på OMXS Industries. Pätäri och Leivo (2009) fann bevis för att en värdepremie existerade på den finska aktiemarknaden mellan åren 1993-2008 om investeringarna gjordes i aktier med bland annat låga P/E, EV/EBITDA och P/CF-tal.
Gustafsson och Palm (2010) testade under perioden 1991-2004 om det var möjligt att generera överavkastning genom att investera i företag med låga P/E-tal. De kunde konstatera att det inte gick att uppvisa någon statistiskt säkerställd möjlighet att generera överavkastning. 2.2 Går det att skapa överavkastning?
EMH har länge kritiserats och varit omdiskuterad. Trots fyra decennier av forskning har detta inte lett till ett samstämmigt svar kring om marknaden är effektiv eller inte. Teorin fick sitt stora genombrott tack vare Fama (1970) som menade att priset på ett finansiellt instrument kan vara högre eller lägre än dess verkliga värde så länge avvikelserna från priset är slumpmässiga.
Enligt Fama (1970) består marknaden av tre olika typer av information, svag, semi-stark och
priser och utdelningar och att det därför inte går att generera överavkastning genom att studera dessa. Är marknaden istället av en mellanstark form reflekteras, förutom den information som är tillgänglig under svag form, också offentlig information i form av exempelvis kvartalsrapporter. Denna typ av marknad justerar aktiepriset så fort ny information offentliggörs. Den starkaste formen av en effektiv marknad speglar all information i marknadspriset, även sådan information som inte är offentlig. I detta fall existerar ingen ineffektivitet på marknaden. Haugen (2001) menar därför att det inte är möjligt för en investerare att skapa överavkastning under en längre tidsperiod genom att investera i undervärderade instrument relativt sina branschkonkurrenter. Detta eftersom priset på ett instrument istället följer en martingal process (Sjö, 2014) på en effektiv marknad och därmed bara ändras om ny information kring instrumentet blir känd. Att priset på ett instrument följer en martingal process innebär att dagens pris är den bästa prediktionen för priset av instrumentet givet all känd information.
Det faktum att EMH argumenterar för att avvikelserna i priset på ett finansiellt instrument är slumpmässiga, skulle grovt sett betyda att sannolikheten för att en aktie är under- eller övervärderad vid en given tidpunkt är 50-50. Om avvikelserna från instrumentets sanna värde är slumpmässiga, följer att investeringsstrategier likt relativvärdering, som används i denna studie, endast skulle vara kostsam utan någon lönsamhet (Damodaran, 2012). I detta fall skulle det enligt Bodie et al. (2014) löna sig mer att använda en buy-and hold strategi där aktier köps och hålls under en längre period vilket skulle innefatta låga, eller i bästa fall, inga kostnader för informationsinhämtning. Skulle det visa sig att det går att skapa överavkastning på de nordiska marknaderna betyder det att dessa marknader inte är fullt lika effektiva som EMH påstår.
2.2.1 Vilken värderingsmodell bör användas?
2.2.2 Kassaflödesvärdering
Under förutsättning att marknaden inte är effektiv finns det felprissättningar på marknaden som investerare kan utnyttja för att generera överavkastning på sina investeringar. För att hitta det fundamentala värdet på en investering finns det flera olika tillvägagångssätt. De vanligaste
är enligt Damodaran (2012) kassaflödesvärdering och relativvärdering.
kassaflöden som nuvärdesberäknas för att få fram investeringens framtida förväntade avkastningar och jämförs med det dagsaktuella priset (Damodaran, 2012).
2.2.3 Relativvärdering
Teorin bakom relativvärdering bygger på att värdera tillgångar baserat på hur liknande tillgångar är prissatta på marknaden. För att finna felprissättningar används olika standardiserade nyckeltal för tillgången som jämförs relativt medelvärdet eller medianen av de jämförande företagen. Detta implicerar också att en investerare måste anta att marknaden i genomsnitt är korrekt prissatt men att det finns specifika aktier som inte är det (Damodaran, 2012). Eftersom företaget jämförs relativt en urvalsgrupp i en sektor eller en marknad ger värderingen inte ett svar på vad det verkliga värdet på företaget är. Istället är investeraren i detta fall mer intresserad av hur marknaden prissätter företaget vid en given tidpunkt vilket gör att metoden snarare speglar den rådande temperaturen på marknaden.
För många analytiker anses relativvärdering vara ett komplement till kassaflödesvärderingen (Damodaran, 2012). Anledningen är att relativvärderingen vid en första anblick kräver färre antaganden, till exempel i form av tillväxttak, risk, kassaflöden och räntabilitet på eget kapital i användningen av nyckeltal (Damodaran, 2012). För att investeringsstrategin ska kunna utföras på ett så rättvist sätt som möjligt krävs det att det företag som ska värderas jämförs med liknande typer av företag. Allt som oftast betyder det att jämförelsen sker mot företag i samma bransch eftersom dessa företag anses ha samma förutsättningar för att generera samma kassaflöden och tillväxt samt utsätts för likande risker (Damodaran, 2012).
De olika nyckeltalen som kan användas vid en relativvärdering passar inte lika bra för alla typer av bolag eftersom de baseras på olika lönsamhetsmått så som försäljning, intäkter, resultat och Book-to-market (bokfört värde på eget kapital). Det gör till exempel att företag som inte är noterat kan vara svårt att värdera om det inte finns tillgång till finansiella rapporter. I vissa fall kan även noterade företag orsaka problem då de till exempel på grund av olönsamhet inte redovisar någon vinst eftersom de då inte går att värdera med P/E.
2.2.4 Price-to-Earning
Vid relativvärdering är P/E-talet det mest använda men samtidigt det mest misstolkade nyckeltalet (Damodaran 2012). Definitionen av nyckeltalet är:
𝑃
𝐸 =
𝑃𝑟𝑖𝑠 𝑝𝑒𝑟 𝑎𝑘𝑡𝑖𝑒 𝑉𝑖𝑛𝑠𝑡 𝑝𝑒𝑟 𝑎𝑘𝑡𝑖𝑒
Priset per aktie definieras av det pris som för dagen sätts på marknaden (Berk & DeMarzo, 2014). Det finns flera olika varianter av P/E och den vanligaste är enligt Berk och DeMarzo, (2014) Current P/E där dagens aktiekurs divideras med den senaste vinsten som redovisades i årsredovisningen. Vinsten för de senaste tolv månaderna, Trailing P/E, eller den framtida prognostiserade vinsten kan också användas och benämns Future P/E (Damodaran, 2012). Möjligheten till att använda olika vinster kan ge stor påverkan om företaget som värderas är ett moget företag som främst genererar stabila kassaflöden eller om det är ett tillväxtföretag som istället beräknas öka sin försäljning kraftigt. Anledningen är att det kan vara stor skillnad mellan tillväxtpotential, risk och potentialen i att generera kassaflöden mellan de båda typerna av företag, vilket återspeglas i nyckeltalet (Damodaran, 2012).
Är företaget ett tillväxtbolag kan det vara bättre att använda sig av exempelvis Pris/Försäljning istället eftersom det är en funktion av en stigande försäljningstillväxt då många tillväxtbolag har mycket låg eller ingen vinst alls och därför kan sakna P/E-tal helt (Bodie et al. 2014). Förutom att vissa bolag inte redovisar P/E-tal kan ett annat problem vara att vinsten redovisas längt ner i resultaträkningen vilket gör den möjlig att påverka genom olika bokföringstekniska justeringar.
Den mest vedertagna tolkningen av P/E-talet är att den visar hur många gånger vinsten som en investerare är beredd att betala för (Berk & DeMarzo, 2014). Det är därför viktigt att ha i åtanke att P/E-talet kan påverkas beroende på hur marknadsläget ser ut. Ett företag kan ha haft en motig period med fallande vinster men med förväntningar på återhämtning vilket gör att det kan få ett högre P/E-tal. Detta kan indikera att en investerare är beredd att betala ett högt pris vilket kan leda till en övervärderad multipel eftersom denne kan ha en allt för stark tilltro till företagets tillväxtpotential.
2.2.5 Price-to-Book
Marknadsvärdet av eget kapital reflekterar, enligt Damodaran (2012) marknadens förväntningar på företagets intjäningsförmåga och dess kassaflöden. Book-to-market (bokfört värde av eget kapital) beräknas som skillnaden mellan det bokförda värdet på företagets tillgångar och det bokförda värdet på dess skulder. Dessa variabler bestäms i stor utsträckning av redovisningsmetod och kan därför skilja sig mellan olika länder och olika branscher (Damodaran, 2012). Det vanligaste sättet att beräkna P/B-talet är enligt Damodaran (2012) att dividera priset per aktie med det bokförda värdet på eget kapital per aktie:
𝑃 𝐵=
𝑃𝑟𝑖𝑠 𝑝𝑒𝑟 𝑎𝑘𝑡𝑖𝑒
𝐵𝑜𝑘𝑓ö𝑟𝑡 𝑣ä𝑟𝑑𝑒 𝑝å 𝑒𝑔𝑒𝑡 𝑘𝑎𝑝𝑖𝑡𝑎𝑙 𝑝𝑒𝑟 𝑎𝑘𝑡𝑖𝑒
Många analytiker använder sig av P/B i sin relativvärdering eftersom de anser att det bokförda värdet på eget kapital ger en intuitiv känsla för hur väl marknaden prissätter företagets tillgångar. Nyckeltalet används även eftersom det finns analytiker som anser att skillnaden mellan företagets tillgångar och skulder är vad företaget minst kan vara värt och därför fungerar som en säkerhet och lägsta gränsen för hur lågt aktien kan handlas (Bodie et al. 2014). Det är också en fördel att detta nyckeltal sällan blir negativt till skillnad från P/E eftersom antalet företag som kan jämföras blir fler. Detta följer av att det finns betydligt färre företag med negativt bokfört värde på eget kapital än de som har negativ vinst eller inte genererar någon vinst alls (Damodaran, 2012).
Enligt Damodaran (2012) finns det emellertid flera olika nackdelar med P/B-talet. En av dessa är att företagets tillgångar, precis som vinsten, influeras av redovisningsbeslut som till exempel antalet år och metod för avskrivning. En annan nackdel är att det finns flera företag som i stor utsträckning levererar tjänster eller FoU och därför inte har mycket anläggningstillgångar som går att värdera. Detta snedvrider nyckeltalet i jämförelse med företag med mer anläggningstillgångar.
Enligt Berk och DeMarzo (2014) krävs det att P/B med marginal överstiger ett (1) för att företaget ska vara ett lönsamt sådant. Det betyder att värdet på företagets tillgångar har ökat i värde jämfört med dess värde vid inköp. Skillnader i nyckeltalet indikerar skillnader i karaktärsdrag mellan företag och visar också på hur väl ledningen har kunnat skapa mervärde. För att P/B-talet ska förändras krävs det att differensen mellan avkasting på eget kapital och kostnaden för eget kapital (ROE-re) ändrar sig. Om ROE överstiger re, kommer täljaren att
2.2.6 EV/EBITDA
Till skillnad från P/E och P/B är EV/EBITDA inte ett nyckeltal som baserar sig på företagets vinst utan på dess företagsvärde (Damodaran, 2012). Denna multipel har under de senaste 20 åren vunnit mycket uppmärksamhet och är idag det mest frekvent använda nyckeltalet baserat på företagsvärde inom relativvärdering. Multipeln används framför allt inom kapitalintensiva branscher med stora investeringar (Damodaran, 2012).
EV/EBITDA definieras enligt Damodaran (2012) som:
𝐸𝑉 𝐸𝐵𝐼𝑇𝐷𝐴=
𝐸𝐾 + 𝑟ä𝑛𝑡𝑒𝑏ä𝑟𝑎𝑛𝑑𝑒 𝑠𝑘𝑢𝑙𝑑𝑒𝑟 − 𝑘𝑎𝑠𝑠𝑎
𝑉𝑖𝑛𝑠𝑡 𝑓ö𝑟𝑒 𝑓𝑖𝑛𝑎𝑛𝑠𝑖𝑒𝑙𝑙𝑎 𝑘𝑜𝑠𝑡𝑛𝑎𝑑𝑒𝑟, 𝑠𝑘𝑎𝑡𝑡, 𝑎𝑣𝑠𝑘𝑟𝑖𝑣𝑛𝑖𝑛𝑔𝑎𝑟 𝑜𝑐ℎ 𝑛𝑒𝑑𝑠𝑘𝑟𝑖𝑣𝑛𝑖𝑛𝑔𝑎𝑟
En anledning till att EV/EBITDA har vunnit så gott renommé är tack vare att den inte tar hänsyn till olika bokföringstekniska justeringar i form av avskrivningsmetoder vilket underlättar jämförelsen av olika företag där majoriteten av investeringarna redan är gjorda. Vidare kan en jämförelse mellan företag med olika kapitalstrukturer göras eftersom nyckeltalet mäter kassaflödet i form av EBITDA innan finansnetto, vilket gör att jämförelsen blir mer korrekt. Likt för P/B, är sannolikheten mindre att EBITDA kommer att vara negativ jämfört med vinsten, och därmed P/E-talet vilket gör att antalet jämförbara företag ökar (Damodaran, 2012).
Förutom inom relativvärdering så används också EV/EBITDA som det viktigaste måttet för att bestämma priset på ett företag vid en LBO-affär enligt Axelsson et al. (2013) eftersom nyckeltalet också inkluderar skulder i uträkningen av företagsvärdet och därigenom förklarar hur väl uppköpskandidaten klarar av att täcka sina skulder.
Ett problem som kan uppstå vid användningen av EV/EBITDA är om företaget äger aktier i ett annat företag, det vill säga korsägande. Korsägandet kan kategoriseras som antingen ett majoritetsinnehav, aktiv minoritet eller passiv minoritet. Om ett företag har ett korsägande som klassas som ett minoritetsinnehav kommer rörelseresultatet av det ägande företaget inte inkludera rörelseresultatet från minoritetsinnehavet. Däremot kommer EV-värdet att inkludera innehavets företagsvärde vilket kan göra nyckeltalet omotiverat högt och motivera en övervärdering (Damodaran, 2012).
2.3 Val under inflytandet av risk
Användningen av investeringsstrategier för att finna aktier som är lägre värderade relativt sina branschkonkurrenter har inte bara ifrågasatt om marknaden är fullt så effektiv som till exempel Fama och French hävdar (1992; 1998). Det har också skapat en debatt kring huruvida investerare alltid fattar rationella beslut i samband med investeringar. Kahneman och Tversky (1979) presenterade med hjälp av sin Prospektteori tydliga bevis för att teorier kring marginalnytta inte är den mest deskriptiva modellen för att förklara hur människor, och därmed också investerare, väljer att ta beslut under inflytandet av risk. Få kritiker kvarstår nu och den finansiella marknaden har sakta börjat acceptera att människors beslut ofta är snedvridna på grund av yttre faktorer.
Klassisk finansteori så som EMH, bygger på att investerare alltid fattar rationella beslut och att teorier inom marginalnytta alltid utgår från att relationen mellan marginalnytta och förmögenhet är en avtagande funktion, oavsett om förmögenheten minskar eller ökar (Pratt 1964). Kahneman och Tversky (1979) anser dock att så inte är fallet. Istället menar de att investerare skapar snedvridningar i sina beslut på grund av heuristiska förenklingar.
Heuristiska förenklingar innebär att människan tvingar hjärnan att ta genvägar i tankeprocessen på grund av kognitiva begränsningar så som minneskapacitet, uppmärksamhet och mängden energi som hjärnan kräver för olika typer av tankeverksamhet. Detta leder till att människors beslut styrs av tidigare förankrade referenspunkter för sina beslut istället för att byta referenspunkt efterhand i beslutsprocessen.
Studien visar till exempel att skillnad mellan 100 och 200 SEK känns mer än en skillnad mellan 1100 och 1200 SEK (Kahneman & Tversky, 1979). På samma sätt känns en förlust från 200 till 100 SEK värre än en från 1200 och till 1100. Trots att skillnaden mellan 100 och 200 procentuellt sett är större än den mellan 1100 och 1200 är absolutbeloppet detsamma och borde därför generera samma psykologiska signal hos en person enligt Kahneman och Tversky (1979). Detta irrationella beteende hos människor menar de vidare, påverkas av hur personens ekonomiska situation ser ut sedan tidigare eftersom detta fungerar som referenspunkten för hur stark den psykologiska effekten av vinsten eller förlusten blir.
Överfört till den finansiella marknaden betyder det att en investerare inte alltid väljer det val som förenar lägst risk med största möjliga nytta utan istället kan välja irrationella investeringsbeslut som skapar motsättningar mot klassisk ekonomisk teori. Detta eftersom personer kan ha investerat mer eller mindre känslor i de investeringsbeslut som de har tagit
och därför kan frångå det faktum att vinst eller förlust av lika stora absolutbelopp bör behandlas lika. (Kahneman & Tversky, 1979).
De Bondt och Thaler (1985) menar att marknaden reagerar irrationellt på ny information och tar lättare på äldre information. Följden blir att investerare måste välja vilken information som ska prioriteras under inflytandet av risk och därför väljer att prioritera nyligen publicerad data kring aktier som hamnar i blickfånget när de omtalas i nyhetsflödet. Skillnaden i reaktion mellan de olika informationsflödena hos investerare leder därför enligt De Bondt och Thaler (1985) till felprissättningar på marknaden. Dessa felprissättningar öppnar upp för användandet av investeringsstrategier så som relativvärdering för att generera överavkastning eftersom det då bör finnas under- och övervärderade aktier.
Som en följd av att investerare ständigt ställs inför val under inflytande av risk, gör det att de måste förlita sig på sannolikheten för fysiska utfall. Problemet med detta är att människor generellt sett tenderar att förlita sig på ett fåtal heuristiska principer för att bestämma sannolikheterna som alla är baserade på begränsad validitet (Kahneman & Tversky, 1974). Detta kan i vissa fall vara användbart men också kan leda till fatala snedsteg när de exempelvis ska prognostisera den framtida vinsten för ett företag då dessa prognoser ofta bygger på extrapolering av historisk data. Dessa felaktiga beslut kan därför reflekteras i kurserna på de ingående aktierna som kan avvika från sitt rätta värde.
2.3.1 Dispositionseffekt
Med anledning av att människor ställs inför val under inflytande av risk, söker de efter handlingar som gör att de känner stolthet och försöker i så stor utsträckning som möjligt undvika handlingar som får dem att känna ånger (Nofsinger, 2010). På den finansiella marknaden leder detta beteende till att investerare har en större benägenhet att sälja aktier som gått bra och att hålla kvar vid aktier som har gått dåligt enligt Shefrin och Statman (1985), som kallar fenomenet för dispositionseffekt. Effekten har flera implikationer för en investerare. Odean (1998) visade på att en aktie som gått bra i genomsnitt överpresterade sitt jämförelseindex med 2,35 % året efter att aktien såldes. Under samma år gav de aktier som redan underpresterat, vilka investeraren därför hade valt att ha kvar, en avkastning på -1,06 %. Resultaten visade således att en investerare valde att ha kvar de aktier som gick dåligt allt för länge och sålde de aktier som gick bra allt för tidigt. Detta irrationella beteende förklarar
2.3.2 Övertro
Enligt Lakonishok et al. (1994) beror skillnaden i avkastning mellan värde -och tillväxtaktier inte på att en värdestrategi är mer riskfylld än en tillväxtstrategi. Skillnaden beror enligt dem istället på att framtida tillväxt, kassaflödet och att vinsten visade sig vara lägre än den hade varit tidigare år för tillväxtaktier. Det innebär att investerare systematiskt överskattat, eller haft en övertro, på tillväxtaktier. Resultatet blev att tillväxtaktierna sjönk i pris samtidigt som värdeaktierna, som inte hade lika höga förväntningar på sig, uppfyllde förväntningarna i högre utsträckning.
Övertro är ett snedvridet tankesätt som hjärnan tenderar att använda för att övertyga andra människor om sin prestationsförmåga och på så vis överleva det naturliga urvalet (Nofsinger, 2010). För att göra ett så korrekt investeringsbeslut som möjligt krävs inhämtning och analysering av information. Hilary och Menzly (2006) hävdar att analytiker drabbas av överdriven optimism i deras köprekommendationer om de tidigare levererat lyckade estimat. Vidare menar Hilary och Menzly att det beror på en övertro på den information samt de kunskaper som de innehar. Att analytiker drabbas av överoptimism skulle därför kunna vara en starkt bidragande faktor till den slutgiltiga avkastningen för de ingående branscherna i denna studie.
Den överdrivna optimismen är också starkt sammankopplad med vad Kahneman (2012) kallar regression mot medelvärdet. Enligt honom kommer de lyckade estimaten från analytikern i sinom tid att följas av mindre lyckade estimat eftersom denne förmodligen, visserligen var begåvad, men också hade hjälp av en viss portion tur. Anledningen till att omgivningen tror att analytikern kommer fortsätta att leverera lyckade resultat beror på att hjärnan i alla lägen letar efter en orsaksförklaring trots att det inte alltid finns en sådan. I detta fall kan turen ha haft en lika stor påverkan som begåvningen. Omgivningen väljer därför att tror att estimaten har blivit sämre och inte att analytikern har haft otur. Resultaten kommer över tid, enligt Kahneman (2012), därför inte att vara bättre eller sämre än genomsnittet utan istället röra sig mot medelvärdet av hur analytikerna presterar i genomsnitt. Om det är så att denna studie lyckas generera överavkastning skulle detta kunna betyda att den har genererats som en följd av att strategin som används har lyckats utnyttja de felaktiga prognoserna som skapas vid val under inflytande av risk. Överavkastningen skulle därför uppstå som en följd av att priset korrigeras upp i en regression mot medelvärdet av aktiernas verkliga värden.
3. Metod
3.1 Övergripande tillvägagångssätt
För att uppnå syftet med denna studie krävs det att vi med hjälp av en metod sammanlänkar teori med praktik. För att genomföra detta på bästa sätt avser studien att analysera huruvida det finns en diskrepans i hur väl företag från samtliga sektorer i de nordiska länderna kan skapa överavkastning gentemot OMX Nordic SEK PI med hjälp av relativvärdering som
investeringsstrategi. Som hjälpmedel används historiska tidsserier, och för
investeringsstrategin välanvända nyckeltal. 3.2 Forskningsansats
Studien tar avstamp i en deduktiv ansats där redan existerande teorier används för att förklara dem i verkligheten (Bryman & Bell, 2013). Tidigare studier har visat på att teorierna är tillämpbara på framför allt amerikanska och också på den svenska marknaden. Genom att förhålla oss till tidigare forskning och framtagna teorier kan vi därför genomföra en hypotesprövning om att teorierna även gäller alla de nordiska marknaderna och dess olika branscher.
Som forskningsstrategi har ett kvantitativt tillvägagångssätt använts för att samla in och analysera data. Då forskningen i denna studie baseras på stora mängder numerisk data blir det naturligt att använda oss av denna metod för att kunna kvantifiera och dra mer generella slutsatser (Reinecker & Stray Jørgensen, 2008). Patel och Davidsson (2011) understryker vidare att en kvantitativ undersökningsmetod fokuserar på mätbarhet, statistiska beräkningar och analys av data. Tidigare studier som ligger till grund för denna har uteslutande använt sig av kvantitativa metoder, något som stärker valet av metod. Datamaterialet som samlas in kommer att hämtas från Thomson Reuters och bearbetas med hjälp av deskriptiva statistiska metoder i Microsoft Office Excel för att kunna dra slutsatser och besvara de frågor som utgör grunden för studien.
Studien är uppdelad i två delmoment där det ena fokuserar på om det statistiskt går att säkerställa om en investering kan generera överavkastning baserat på användandet av relativvärdering. Det andra fokuserar på om det går att förklara resultaten utifrån teorier inom aktiemarknadspsykologi. Motivet till att genomföra två olika kvantitativa delar är att vi anser
Momentet som fokuserar på om det statistiskt går att säkerställa om en investering kan generera överavkastning genom att investera med hjälp av relativvärdering utgår från modellen som Aschan och Gustafsson (2011) använder sig av. Skillnaden ligger i att denna studie kommer att analysera avkastningen i sju olika branscher istället för bara en bransch.
Moment två kommer att diskutera och förklara vad som kan ligga till grund för
resultaten utifrån ett aktiemarknadspsykologiskt perspektiv med hjälp av aktierekommendationer hämtade från Thomson Reuters.
3.3 Datainsamling
Datamaterialet till denna studie utgörs av sekundärdata som är hämtat från Thomson Reuters databas som bör anses hålla hög kvalitet med tanke på antalet professionella aktörer på finansmarknaden som använder produkten. Baserat på den stora datamängden som används, då samtliga aktier noterade i Norden under tio år analyseras, anser vi att detta är det bästa alternativet med tanke på studiens karaktär. En nackdel med sekundärdata är att data kan saknas, vara felaktig och att tillgängligheten kan vara begränsad. En annan nackdel skulle kunna vara att sekundärdata inte i första hand är framtaget för att besvara studiens forskningsfrågor vilket snarare är fallet när författaren använder sig av primärdata i form av exempelvis intervjuer (Blaikie, 2003). Källan till aktierekommendationer är Thomson Reuters.
3.3.1 Urval av aktier
Valet av aktier har begränsats till samtliga aktier som är noterade på NASDAQ OMX Nordics Large, Mid eller Small-cap lista (eller motsvarande) inklusive Oslo Börs. Vi väljer att inkludera Oslo Börs trots att marknaden inte ingår i NASDAQ OMX eftersom det är en börs med många företag verksamma inom energibranschen, en portfölj som annars hade innehållit allt för få bolag. En sammanställning över samtliga ingående bolag i studien återfinns i appendix 1. Samtliga aktier har tagits med under den tidsperiod som de har varit noterade. De aktier som har avnoterats, köpts upp eller gått i konkurs under tidsperioden har inte tagits med på grund av avsaknaden av data hos Thomson Reuters. Detta gör således att antalet aktier varierar från år till år. Om det är så att ett företag har fler än en aktie noterad har den aktie med störst handelsvolym valts. Vi har också valt att endast inkludera de aktier som är förstahandsnoterade på respektive börs. Data som ligger till grund för uträkningen av avkastningen för respektive portfölj är stängningskursen hämtad för den sista dagen i varje månad. Vi använder månadsdata eftersom vi anser att denna datamängd innehåller mindre
brus än till exempel dagsdata. Aktiekurserna är inhämtade utan justering för split, nyemission eller utdelning eftersom vi vid närmare undersökning kunde konstatera att, de av Thomson Reuters justerade kurserna inte skiljde sig på något plan från de icke-justerade.
3.3.2 Urval av nyckeltal
De standardiserade nyckeltalen som kommer att användas i studien är P/E, P/B och EV/EBITDA vilka alla är vanliga vid relativvärdering enligt Damodaran (2012). På grund av begränsade resurser har nyckeltalen i sin helhet hämtats från Thomson Reuters för varje helår per den första januari under undersökningsperioden istället för att beräkna dem själva. Vi väljer att använda oss av helårsdata eftersom vi anser att nyckeltalen för helåret är mer stabila och inte är föremål för lika kraftiga svängningar. Nyckeltalen baserade på kvartalsdata kan i större utsträckning påverkas av redovisningstekniska beslut, exempelvis bokslutsdispositioner eller engångsposter. Genom att använda oss av en existerande databas undviker vi risken med att nyckeltalen från olika källor inte är konsekventa med varandra och minimerar därmed risken för feltolkning eller felavläsning som skulle kunna uppstå om vi skulle gå igenom samtliga årsredovisningar. Då vi behandlar stora mängder data krävs det en effektiv datahantering för att undvika manuella fel. För att lösa denna problematik har vi i så stor utsträckning som möjligt använt oss av VBA för att bygga våra Excelmodeller.
3.4 Justering av data
Efter inhämtningen av data har vissa aktier uteslutits ur materialet för att öka tillförlitligheten i resultatet. Ett stort databortfall sker till följd av att flera företag handlas till negativa P/E-tal då det i de flesta fall saknar grund att relativvärdera företag som går med förlust. Ett exempel som går emot detta är SSAB som, trots sin storlek har ett negativt P/E-tal och därför också utesluts i den portföljen trots att det hade kunnat vara relevant att ha med företaget baserat på andra faktorer så som marknadsvärdet och omsättningen. Med detta som bakgrund har vi valt att inkludera samtliga positiva P/E-tal oberoende av hur liten vinsten är och därmed hur stort nyckeltalet blir.
På grund av den stora spridningen av företag följer, som nämns ovan, också att nyckeltalen får en stor spridning och extremvärden skapas. Vi hade därför kunnat dra en gräns för vilka extremvärden som skulle exkluderas men valde att inte göra det vilket beror på flera orsaker. Den första är att en gränsdragning hade kunnat riskera att datamaterialet minskade drastiskt
exkluderas skulle därför bli missvisande. Vad vi hade kunnat göra är att sätta en gräns för respektive sektor. Vid en granskning av hur datamaterialet skull ha förändrats efter exkludering av extremvärden kunde vi dock konstatera att fördelningen av aktierna mellan portföljerna endast hade förändrats marginellt eftersom extremvärdena inte påverkar medianen nämnvärt. Detta legitimerar det faktum att vi väljer att ha kvar samtliga positiva nyckeltal oavsett dess storlek.
3.5 Jämförelseindex och riskfri ränta
För att portföljerna inte bara ska kunna jämföras mot varandra har också ett jämförelseindex valts ut. Indexet ska representera de marknader och branscher som ingår i portföljerna på ett så lämpligt sätt som möjligt. Med tanke på att hela den nordiska marknaden samt alla branscher finns representerade krävs det ett brett index, varför valet blev att jämföra mot OMX Nordic SEK PI. Genom att välja ett index som inte återinvesterar utdelningarna kommer vi också runt problemet med att aktiekurserna inte är justerade för utdelningen som annars hade varit en starkt bidragande komponent till avkastningen.
Den riskfria räntan behöver också vara kopplad till ett instrument som är representativt för urvalet av portföljer. Då OMXS representeras till 50,37 % av indexet faller det sig naturligt att vi använder oss av en svensk 10-årig statsobligation som motsvarar vår investeringshorisont och hämtas från Thomson Reuters för samma datum som portföljerna är sammansatta. För att bättre spegla en ”normal” marknadssituation har vi dock valt att använda oss av ett medelvärde av den 10-åriga statsobligationens avkastning över den valda tidsperioden.
Nyckeltal
Portfölj 1 Högst nyckeltal Portfölj 2 Näst högst nyckeltal Portfölj 3 Näst lägst nyckeltal Portfölj 4 Lägst nyckeltal3.6 Val av tidsperiod och omplacering
Valet av tidsperioden 2005-01-01 till 2014-12-31 beror på att vi anser det vara en tillräckligt lång period där både högkonjunktur och lågkonjunktur återfinns vilket därför fångar upp effekter av svängningar i ett aktuellt marknadsläge. Detta möjliggör att studien kan analysera ett snitt av börsernas kursrörelser. En längre period hade eventuellt kunnat hjälpa oss dra säkrare slutsatser men också gjort studien mindre aktuell samt att det hade gjort det svårare att få tag på data för samtliga företag.
Portföljerna kommer att omplaceras den första januari varje år under den undersökta tidsperioden. Att placera mer frekvent anser vi inte är relevant eftersom en effekt av investeringsstrategin eventuellt inte har hunnit träda i kraft. För att underlätta jämförelsen med tidigare studier väljer vi också att inte hålla portföljerna längre än ett år.
Eftersom vi inte har valt att ta hänsyn till transaktionskostnader på grund av ovissheten i dess storlek anser vi att resultaten skulle bli missvisande om omplacering gjordes mer frekvent än en gång per år utan att ta hänsyn till transaktionskostnaderna. Effekten av hur transaktionskostnader och skatt hade påverkat resultatet kommer dock att tas upp i ett exempel i avsnitt 5.3.2.
3.7 Portföljkonstruktion
För att uppnå syftet och svara på de frågeställningar som studien har som utgångspunkt, har fyra portföljer för respektive nyckeltal och bransch skapats där företagen från NASDAQ OMX Nordic slås samman med företagen från Oslo Börs. Företagen i varje bransch sorteras därefter in i respektive kvartil baserat på om dess värde ligger under eller över medianen för respektive kvartil. Undantaget är portföljen Material där det stora databortfallet i P/E-portföljen gör att vi måste dela in den i två portföljer för att undvika ett diversifieringsproblem där portföljerna kan påverkas för mycket av företagsspecifik risk. En illustration över portföljuppbyggnaden återfinns i figur 1.
Eftersom vi vill undersöka om det uppstår någon skillnad i avkastning mellan värde- och tillväxtportföljer har vi valt att klassa portföljen med högst nyckeltal för tillväxtportfölj och på samma sätt blir därför portföljen med lägst nyckeltal värdeportfölj. Total kommer 838 portföljer att skapas; fyra portföljer för varje bransch (utom för Material där det blir två) för tre nyckeltal i sju branscher, under tio år.
Då vi utgår från NASDAQ OMX ICB-klassificering vid indelningen av branscherna gör det att denna klassificering inte fullt ut stämmer med den som görs på Oslo Börs. För att undvika ett allt för stort antal portföljer, där vissa portföljer blir så små att de mycket väl kan påverkas av företagsspecifika händelser, har vi valt att slå samman närbesläktade portföljer. Sammanslagningen har baserats på likheterna i attribut, så som risk, kassaflöde och tillväxtmöjligheter. Portföljsammansättningen ser därför ut enligt tabellen nedan:
Tabell 1 Branschsammansättning
Efter att ha kommit fram till vilka marknader som ska ingå i studien samt laddat ner stängningskurser och nyckeltalsdata kommer vi att gå vidare med att dela upp våra aktier i respektive bransch som alltså bygger på en kvartilsindelning. Då relativvärdering bygger på att ett tillgångsslag är över- eller undervärdera, relativt liknande tillgångar kan vi inte sätta en fast gräns för medianen. En fast gräns för vad som är ett högt respektive lågt nyckeltal hade skapat problem eftersom medianen i samtliga branscher är föränderlig över tid.
För att dela in aktierna, och därmed skapa kvartilportföljerna, används ett logisk test med tre värden, 25:e percentilen, median (M) och 75:e percentilen som separerar datamaterialet för de sju branscherna i fyra delar och genomförs för samtliga tre nyckeltal. Medianen delar i förstaläget datamaterialet för respektive bransch i två delar. Nyckeltal som är mindre än 25:e percentilen hamnar i den första kvartilen medan de nyckeltal som är större än 25:e percentilen men mindre än medianen hamnar i den andra kvartilen. De nyckeltal som är större än 75:e
Branschportföljer
Energi: Består av Energi och Utilities från NASDAQ OMX Nordic samt Energi och Försörjning från Oslo Börs Hälsa: Består av Health care från NASDAQ OMX Nordic samt Hälsovaror Oslo Börs
Industri: Består av Industri från NASDAQ OMX Nordic samt Industri Oslo Börs
Konsumentservice: Består av Konsumentservice från NASDAQ OMX Nordic och Förbrukningsvaror Oslo Börs
Konsumentvaror: Består av Konsumentvaror från NASDAQ OMX Nordic och Konsumentvaror Oslo Börs Material: Består av Materials från NASDAQ OMX Nordic och Materials Oslo Börs
Teknologi: Består av Technologies och Telecom från NASDAQ OMX Nordic samt IT och Telecom från Oslo Börs
percentilen hamnar i den fjärde kvartilen medan de nyckeltal som är lägre än 75:e percentilen,
men större än medianen hamnar i den tredje kvartilen. Då vi har valt att ombalansera en gång per år, betyder det att det logiska testet måste utföras varje år för varje bransch. Detta medför att innehaven i portföljen förändras från år till år. En exempelportfölj för den nedersta kvartilen, sorterad för P/E i industribranschen återfinns i appendix 2. En alternativ indelning hade varit att dela in datamaterialet i två eller tre delar. Vi anser dock att sådan uppdelning blir för grov och att en finare uppdelning bidrar till att visa tydligare skillnader. En exempelillustration över hur indelningen skulle kunna se ut för ett (1) år presenteras i figur 2. Kvartil ett representeras i figuren av det vänstra sträcket, kvartil två av den prickiga ytan, kvartil tre av den randiga ytan och kvartil fyra av det högra sträcket.
Figur 2 Exempelindelning av branschportfölj
3.8 Beräkning av avkastning och portföljernas beta
När portföljerna är konstruerade kommer avkastningen att beräknas dels på månadsbasis och på årsbasis och dels ackumulerad över tidsperioden för att kunna jämföras mot varandra och mot jämförelseindex under tidsperioden. I varje portfölj kommer en summa om 100 miljoner SEK att investeras för att undvika problemet med köp av halva aktier som sedan avrundas. Varje aktie kommer att få lika stor vikt av det investerade kapitalet. För respektive kvartilsportfölj beräknas ett totalt portföljvärde vid varje månadsslut enligt:
𝑃𝑜𝑟𝑡𝑓ö𝑙𝑗𝑣ä𝑟𝑑𝑒𝑡 = ∑(𝑎𝑘𝑡𝑖𝑒𝑘𝑢𝑟𝑠𝑡× 𝑎𝑛𝑡𝑎𝑙 𝑎𝑘𝑡𝑖𝑒𝑟
𝑇 𝑡=1
)
Portföljvärdet för den sista månaden i varje år representerar den utgående balansen (UB) på
portföljen år t vilket blir ingående balans år t+1 (IBt+1). Vid periodens slut, 2014-12-31, har
varje kvartilportfölj ett UB som sätts i relation till den initiala investeringen på 100 miljoner SEK och vi kan beräkna den ackumulerade avkastningen enligt följande formel:
rp= Ack. avkastning på portföljen
UBt= Utgående balans vid
tiden t 𝑟𝑝 =
(𝑈𝐵𝑡− 𝐼𝐵0)
𝐼𝐵0
IBo= Portföljvärde vid tiden 0
Genom att återinvestera det beloppet som vi har den 31a december år t, den första januari år t+1 får vi med ränta-på-ränta effekten och skapar den ackumulerade avkastningen för portföljen.
Månadsavkastningen kommer att beräknas enligt följande formel:
𝑟𝑝′=Månadsavkastning
pt= Portföljvärde vid tiden t
pt-1= Portföljvärde vid t-1
𝑟𝑝′ =(𝑝𝑡− 𝑝𝑡−1)
𝑝𝑡−1
För att beräkna hur portföljerna har presterat gentemot index kommer överavkastning att beräknas enligt följande formel:
re= Överavkastning
rp= Avkasting på portföljen
rm= Avkastning för index
𝑟𝑒= 𝑟𝑝− 𝑟𝑚
Portföljens beta kommer vi sedan att beräknas med hjälp av en OLS-regression för respektive branschportfölj i Excel där portföljens månadsavkastning ställs som beroende variabel och index månadsavkastning som oberoende variabel. De kvartilportföljerna med högst ackumulerad avkastning kommer vi att utvärdera med hjälp av utvärderingsmått och signifikanstester.
3.9 Signifikanstest
För att undersöka om en eventuell överavkastning som genereras kan statistiskt säkerställas kommer vi att genomföra ett signifikanstest. Testen genomförs för att kunna styrka analysen och för att kunna dra säkrare slutsatser utifrån resultaten. Detta kommer att genomföras med hjälp av en OLS-regression för respektive branschportfölj, enligt nedan, där beroende variabel är månadsavkastningen för portföljen och oberoende variabel är månadsavkastningen för
OMX Nordic SEK PI. Testet kommer dels att genomföras på respektive branschportfölj (se 3.7) och dels på en sammanvägd portfölj (se 3.10). Då testet är baserat på t-värde förutsätter det att datamaterialet är approximativt normalfördelat vilket vi vid en närmre granskning kunde konstatera att fallet också var. Genom att använda oss av ett t-test kan vi påvisa om nollhypotesen går att förkasta (Gujarati & Porter, 2009).
𝑟̂𝑝′= Skattad månadsavkastning 𝛼= Intercept βp= Portföljens beta 𝑟𝑚= Avkastning för index 𝑟̂′𝑝 = 𝛼 + 𝛽 × 𝑟𝑚+ 𝜀 där 𝜀 ∼ 𝑁(0, 𝜎)
Hypoteserna för testet kommer att ställas upp enligt nedan: 𝐻0: 𝛼 = 0
𝐻1: 𝛼 ≠ 0
Kan vi förkasta noll-hypotesen, givet en signifikansnivå på 5 %, till förmån för alternativhypotesen tolkar vi det som att vi har en statistiskt säkerställd alfaavkastning
3.10 Portföljutvärdering
För att kunna utvärdera portföljernas prestationer mot den risk vi har tagit kommer vi att jämföra dess prestationer med ett index. För att kunna genomföra dessa test krävs det också att vi beräknar fyra vanliga utvärderingsmått (Bodie et al. 2014). Dessa är Sharpekvot,
Treynorkvot, Jensens alfa och M2. För att dessa mått ska kunna tillämpas, beräknas
avkastningen ut som ett geometriskt medelvärde av månadsavkastningen.
Sharpekvoten mäter avkastningen i förhållande till den totala volatiliteten i portföljen jämfört mot en riskfri tillgång. Portföljen har presterat bättre desto högre värde Sharpekvoten har men måste alltid sättas i relation till Sharpekvoten för jämförelseindex. Om kvoten är negativ innebär det att den riskfria tillgången har presterat bättre än portföljen.
