Syfte Studien ämnar ge investerare en bättre förståelse för i vilken utsträckning olika variabler påverkar storleken på svenska aktiefonders förvaltningsavgift, samt vilka tre faktorer som tillsammans har störst påverkan på förvaltningsavgiftens storlek.   Metodval De test som utförts är korrelationsanalys samt multipel regressionsanalys. Dessa ger tillsammans svar på styrkan och riktningen i sambandet mellan de undersökta variablerna och en fonds förvaltningsavgift.   Resultat Resultatet visar att de tre faktorer som tillsammans förklarar störst del av variationerna i förvaltningsavgifter är huruvida en fond är en indexfond eller aktivt förvaltad, förvaltarens erfarenhet samt den riskjusterade avkastningen (Sharpekvot) på fem års sikt. Den sistnämnda visar upp ett negativt samband med förvaltningsavgiften, vilket stämmer överens med tidigare forskning på ämnet.   Slutsats Studiens slutsats blir att en stor del av förvaltningsavgifterna går att undvika genom att investerare minskar sin okunskap och passivitet. De sparare som av passivitet behåller sina dåligt presterande fonder kommer över tid att få höjda förvaltningsavgifter, vilket ytterligare bör vara ett incitament till att byta fond.

Uppsatsen undersöker om valet av hanteringsmetod av ordinalskalevariabler kan kopplas till den linjära regressionsmodellens prediceringsförmåga. Antalet hanteringsmetoder som undersöks begränsas till: dummyvariabler, summerat index och viktat summerat index. Stöd för alla tre metoder finns i litteraturen även om det för indexeringarna finns viss förvirring i begreppsanvändning. Med summerat index menas, i denna uppsats, när flera indikatorer som mätts med likertskalor adderas till en ny variabel som antas mäta den latenta variabeln. Med viktat summerat index tas det hänsyn till att indikatorerna kan vara något överlappande eller ha olika stor betydelse för den latenta variabeln. Därför appliceras någon form av viktningsanalys på indikatorerna innan summering sker, denna uppsats använder principalkomponentsanalys. K-delad korsvalidering har nyttjats som främsta analysverktyg för att kunna jämföra de olika hanteringsmetoderna. Jämförandet sker på basis av fyra jämförande mått: R2 , Steins  R2j , RMSE samt MAE. Resultaten indikerar att modeller med dummyvariabler har bäst prediceringsförmåga men det ska förstås utifrån att modellerna hade problem med att uppfylla den linjära regressionsmetodens antaganden. Alla tre hanteringsmetoder har sina för- och nackdelar och därför behöver valet av hanteringsmetod alltid ske med hänsyn till aktuell undersökning.

Does the 4-factor model have a higher degree of explanation than CAPM and the 3-factor model on the Swedish stock market? The purpose of this thesis is to investigate whether the 4-factor model's ability to explain the systematic risk on the Swedish stock market is better than CAPM and the 3-factor model. Furthermore, we want to investigate whether it is possible to create portfolios based on the 4-factor model that generates excess returns. In addition, we will also compare our results with the results of previous international studies to see what results we get in the Swedish market.

Det är sedan länge känt att det finns en positiv korrelation mellan risk och avkastning. Investerare och bolag kan välja mellan flera olika prissättningsmodeller för att förutspå priset på en aktie. Forskare har, med den kända enfaktormodellen CAPM som utgångspunkt, utvecklat en modell som tar hänsyn till mer än bara marknadsfaktorn. Detta resulterade i framtagandet av Fama & French-trefaktormodellen (FF3) som även inkluderar storleksfaktorn SMB samt värdefaktorn HML. Syftet med studien är att utvärdera två prissättningsmodeller, CAPM och FF3, för att kunna bedöma deras prestanda vid värdering av förväntad avkastning. Tidigare forskning, inom området för nämnda modeller, berör ofta internationella marknader samt modellernas prestanda för portföljer. Vår studie utförs på utvalda enskilda svenska aktier inkluderade på Stockholmsbörsens Large Cap för januari år 2011 till december år 2015, genom att replikera tidigare forskning gjord av Bartholdy & Peare (2005). Utvalda bolag analyseras efter regressioner för modellerna för att kunna utvärdera dessa var för sig, samt för att se om FF3 har en högre justerad förklaringsgrad än CAPM för enskilda svenska aktier. Resultatet av studien visar att både CAPM och FF3 är applicerbara för utvalda enskilda svenska aktier. Ställs FF3 i förhållande till CAPM föreligger skillnad i justerad förklaringsgrad, dock är den ytterst marginell. Sammanfattningsvis bidrar studien med kunskapen om att CAPM och FF3 går att applicera på enskilda svenska aktier, men att det inte föreligger någon större skillnad i val av dessa två modeller. / Investors and companies can choose between multiple pricing models to predict the price of shares. With the known one factor model CAPM, researchers have developed a model that consider more than just the market factor. This resulted in the creation of the Fama & French three factor model (FF3), which also includes the size factor SMB and the value factor HML. The purpose of the study is to evaluate two pricing models, CAPM and FF3, to assess their performance when evaluating expected returns. Previous research often deal with international markets and model performance of portfolios. We study selected individual Swedish shares for January 2011 to December 2015 by replicating previous research by Bartholdy & Peare (2005). Selected companies are analysed by regressions for the models to be able to evaluate these separately, and to see if FF3 has a higher degree of explanation than CAPM for individual Swedish shares. The result of the study shows that both CAPM and FF3 are applicable for selected individual Swedish shares. There is a difference in the adjusted degree of explanation between the models but it is marginal. In conclusion, the study contributes with the knowledge that CAPM and FF3 can be applied to individual Swedish shares, but there is no major difference in the choice of these two models.

Syfte: Syftet med studien är att analysera och utvärdera Carharts fyrfaktormodells och Fama- Frenchs trefaktormodells prestanda vid portföljavkastning på den svenska aktiemarknaden, under perioden 2011–2020. Teori: Denna studie grundar sig i den effektiva marknadshypotesen, Fama och Frenchs trefaktormodell samt Carharts fyrfaktormodell. Metod: En kvantitativ studie med ett deduktivt förhållningssätt. Undersökningen utför tester på den svenska aktiemarknaden under perioden 2011–2020 genom en regressionsanalys. Upptäckter: Carharts fyrfaktormodell har en högre justerad förklaringsgrad än trefaktormodellen, vilket drivs av modellens förmåga att förklara avkastning på portföljer sorterade efter storlek och momentum. Originalitet: Studien särskiljer sig på grund av avsaknaden av forskning på den svenska aktiemarknaden. Vidare bidrar studien till ett forskningsområde för små öppna ekonomier, där den svenska aktiemarknaden ingår. / Purpose: The purpose of the study is to analyze and evaluate Carhart's four-factor model’s and Fama-French's three-factor model's performance in portfolio returns on the Swedish stock market, during the period 2011–2020. Theory: This study is based on the effective market hypothesis, Fama and French's three- factor model and Carhart's four-factor model. Method: A quantitative study with a deductive approach. The survey performs tests on the Swedish stock market between the period 2011-2020 through a regression analysis. Findings: Carhart's four-factor model has a higher adjusted degree of explanation than the three-factor model, which is driven by the model's ability to explain returns on portfolios sorted by size and momentum. Originality: The study differs due to the lack of research on the Swedish stock market. Furthermore, the study contributes to a research area for small open economies, where the Swedish stock market is included.

The ability to predict stock returns is an ability many wish to possess, and in an accurate way as possible. For many years there has been an interest in the field of factor models explaining the returns, with the aim to increase the explanatory power. This is however a complex business since the factors and their improvement of explanatory power need to be significant. Now and then, researchers come up with new significant factors that have a positive impact on models. AQR Capital Management is no exception to this, since they in 2013 presented the factor Quality Minus Junk, earning significant risk-adjusted returns. This bachelor thesis work within mathematical statistics and industrial engineering and management, aims to investigate whether or not the commercial multi-factor model used at the public pension fund Fjärde AP-fonden will be improved by adding the factor Quality Minus Junk, in the sense of explanatory power. The method used is mainly based on multiple linear regression and three three-year time periods are studied ranging from 2010 to 2018. The results from this thesis work show that the QMJ factor provides significant increases in explanatory power for one of three time periods, the most recent period 2016$-$2018. However, since the results are inconclusive further studies are needed in order to better understand how to interpret the results and whether or not to include the QMJ factor in the model. / Förmågan att förutsäga aktiers avkastning önskar många besitta, och på ett så precist sätt som möjligt. Under många år har forskning pågått inom området för faktormodeller som förklarar avkastningar, med målet att öka modellernas förklaringsgrad. Detta är dock en komplex verksamhet eftersom faktorerna och deras förbättring av förklaringsgraden måste vara signifikanta för modellen. Då och då kommer forskare fram med nya sådana faktorer som har positiv påverkan på modeller. AQR Capital Management är inget undantag eftersom de 2013 presenterade sin faktor Quality Minus Junk som visar signifikanta riskjusterade avkastningar. Detta kandidatexamensarbete inom matematisk statistik och industriell ekonomi, ämnar att utreda huruvida den kommersiella faktormodellen som används på Fjärde AP-fonden förbättras genom tillägget av faktorn Quality Minus Junk, i förklaringsgradsmening. Metoden som används är till största delen baserad på multipel linjär regression och tre treårsperioder studeras i tidsintervallet 2010 till 2018. Resultaten från detta projekt visar på att faktorn Quality Minus Junk bidrar med signifikanta ökningar av förklaringsgraden för en av tre perioder, den senaste perioden 2016-2018. Eftersom resultaten är inkonklusiva krävs vidare studier för att bättre förstå och konkludera vad dessa resultat faktiskt innebär samt för att inkludera QMJ-faktorn i modellen eller ej.