The purpose of this study is to find improved algorithms to evaluate the work of equity analysts. Initially the study describes how equity analysts work with forecasting earnings per share, and issuing recommendations on whether to invest in stocks. It then goes on to discuss techniques and evaluation algorithms used for evaluating estimates and recommendations found in financial literature. These algorithms are then compared to existing methods in use in the equity research industry. Weaknesses in the existing methods are discussed and new algorithms are proposed. For the evaluation of estimates the main difficulties are concerned with adjusting for the reducing uncertainty over time as new information becomes available, and the problem of identifying which analysts are leading as opposed to herding. For the evaluation of recommendations, the difficulties lie mainly in how to risk-adjust portfolio returns, and how to differentiate between stock-picking ability and portfolio effects. The proposed algorithms and the existing algorithms are applied to a database with over 3500 estimates and 7500 recommendations and an example analyst ranking is constructed. The results indicate that the new algorithms are viable improvements on the existing evaluation algorithms and incorporate new information into the evaluation of equity analysts. / Syftet med denna studie är att hitta förbättrade algoritmer för att utvärdera aktieanalytikers arbete. I studien beskrivs inledningsvis hur aktieanalytiker arbetar med att ta fram prognoser för vinst per aktie och rekommendationer för att köpa eller sälja aktier. Därefter diskuteras tekniker och algoritmer för att utvärdera analytikers vinstprognoser och rekommendationer som hämtats från finansiell litteratur. Dessa algoritmer jämförs därefter med befintliga utvärderingsmetoder som används inom aktieanalys-branschen. Svagheter i de befintliga utvärderingsmetoderna diskuteras och nya algoritmer föreslås. För utvärderingen av vinstprognoser diskuteras svårigheterna i att justera för minskande osäkerhet allteftersom ny information blir tillgänglig, samt svårigheter att identifiera vilka analytiker som är ledande och vilka som är efterföljande. För utvärderingen av rekommendationer ligger svårigheterna främst i risk-justering av avkastningar, samt i att skilja mellan förmåga att bedöma enskilda aktiers utveckling och portföljeffekter. De föreslagna algoritmerna och de befintliga algoritmerna tillämpas på en databas med över 3500 vinstestimat och 7500 rekommendationer och ett exempel på ranking av analytiker tas fram. Resultaten indikerar att de nya algoritmerna utgör förbättringar av de befintliga utvärderingsalgoritmerna och integrerar ny information i utvärderingen av aktieanalytiker.

Purpose: The purpose of this work is to analyze investors as well as analysts' views on the development of technology in Automated Trading recommendations in the stock market. Theoretical framework: The study is based on The Efficient Market Hypothesis. Method: The methodological framework of this thesis have included both a quantitative and qualitative approach. A deductive approach has been used. Empirical framework: Data was obtained from 206 members of the Swedish share savers association (Aktiespararna) plus 4 semi-structured interviews with advisers and analysts. Analysis: Data shows average investors do not trust, and are reluctant to take advice, from Robo-advisors but higher percentage of technically savvy traders rely on Robo-advisors. Most analysts perceive no threat to robo-advisor replacing their job. In fact they believed it could replace advisors job. Advisors believed the opposite. Conclusion: 67 % of the investors surveyed believed that in five years Roboadvisors will completely replace human advisors despite the fact that 82 % still liked and trusted recommendations made by humans more. Financial operators see Robo-advisors as a tool rather than threat and plan to integrate it in their own business.

Bakgrund: Internationell forskning pekar nästan samstämmigt på ett systematiskt problem med att aktieanalytiker regelbundet misslyckas med att publicera korrekta riktkurser. Aktieanalytikerna tenderar att övervärdera aktier, och deras prognoser stämmer sällan. I litteraturen har det funnits ett antal variabler som samvarierar med den bristande träffsäkerheten. Ett ökat intresse av att handla svenska aktier gör problemet mer påtagligt på den svenska aktiemarknaden. Brister i aktieanalytikernas träffsäkerhet är ett relativt outforskat område på svenska börsnoterade bolag, varför det blir relevant att undersöka. Kunskapsbidraget kan nyttjas av privata och institutionella investerare som har ett intresse av svenska aktier. Syfte: Syftet med studien är att undersöka och analysera träffsäkerheten hos aktieanalytiker när det gäller riktkurser för svenska börsnoterade bolag. Studien syftar också till att undersöka hur olika variabler så som storlek, tillväxt, betavärde, kapitalstruktur, branschtillhörighet och implicit avkastning relaterar till prognosfelet på riktkurserna. Metod: Genom en kvantitativ metod baserad på en deduktiv ansats testas samband mellan aktieanalytikers träffsäkerhet och ett antal variabler som tidigare har påvisats i litteraturen. Paneldata från en sekundärkälla bygger upp studiens empiriska material och potentiella samband mäts med regressionsanalyser för tre olika tidshorisonter. Den beroende variabeln är det absoluta prognosfelet på publicerade riktkurser, och de förklarande variablerna är storlek, tillväxt, betavärde, kapitalstruktur, branschtillhörighet och absolut implicit avkastning. Vidare analyseras eventuell överoptimism hos aktieanalytikerna med hjälp av det relativa prognosfelet och t-tester. Resultat: Studien finner att aktieanalytiker systematiskt misslyckas med att korrekt prognostisera riktkurser på svenska börsnoterade bolag, och det genomsnittliga prognosfelet är 28% efter tre månader, 31% efter sex månader och 36% efter tolv månader. Vidare finner studien att träffsäkerheten är bättre för stora bolag, bolag med låg tillväxt och vid låg absolut implicit avkastning. Resultaten pekar på en systematisk överoptimism då aktiekurserna övervärderas i en mycket hög utsträckning. / Background: International research almost unanimously points to a systematic issue with equity analysts regularly failing to publish accurate target prices. Stock analysts tend to overvalue stocks, and their forecasts are rarely correct. The literature has identified correlations between the lack of accuracy and several variables. Increased interest in Swedish stocks intensifies the problem on the Swedish stock market. The lack of accuracy is a relatively unexplored area on Swedish listed companies, which makes it relevant to study. The knowledge contribution can further benefit private and institutional investors with an interest in Swedish stocks. Purpose: The purpose of the study is to examine and analyze the accuracy of equity analysts in predicting target prices for Swedish listed companies. The study also aims to examine how different variables such as size, growth, beta value, capital structure, industry, and implied return correlates to forecast error of target prices. Methodology: By employing a quantitative method based on a deductive approach, relationships between equity analysts' accuracy and a set of variables previously identified in the literature are tested. Panel data from a secondary source constitute the empirical material of the study, and potential correlations are measured using regression analysis for three different time horizons. The dependent variable is the absolute forecast error of published target prices, and the explanatory variables are size, growth, beta value, capital structure, industry, and absolute implied return. Furthermore, potential over-optimism among equity analysts is analyzed using the relative forecast error and t-tests. Results: The study finds that equity analysts consistently fail to accurately forecast target prices for Swedish listed companies, with an average forecast error of 28% after three months, 31% after six months, and 36% after twelve months. Furthermore, the study finds that accuracy is higher for large companies, companies with low growth, and when the absolute implied return is low. The results indicate a systematic over-optimism, as stock prices are significantly overvalued.

The financial crisis of 2008 highlighted problems with the accounting standard IAS 39, with claims of high complexity, introduction of procyclicality in the financial statements and a proposed role of contributing to the financial crisis. The International Accounting Standard Board issued the predecessor, IFRS 9, which became effective on January 1st, 2018. IFRS 9 introduces a forward-looking Expected Credit Loss model, which significantly change the accounting of loss provisions. With the objective to provide high accounting quality, the International Accounting Standard Board and Financial Accounting Standard Board develop accounting standards based on the conceptual framework, consisting of qualitative characteristics. The study addresses the accounting quality of IFRS 9 through the research question; What implications does IFRS 9 have for equity analysts?  In order to capture the implications, a survey is designed, to reach out to accessible equity analysts of European banks. The results show that the Expected Credit Loss model under IFRS 9 implicate difficulties for equity analysts. Three themes of implications are identified, Time aspect, Complexity and Comparison. Although IFRS 9 provides useful information for the respondents, there are tendencies of a trade-off between relevance and faithful representation. The accounting quality of faithful representation is valued low due to high complexity and low comparability, which might be derived from that IFRS 9 is newly implemented. Despite the implications of IFRS 9, respondents find impairments, today, to be low and a non-vital part of the valuation process of the banking industry.