Current standard carbon footprint metrics attribute responsibility for a firm’s green house gas (GHG) emitting activities equally between an entity’s equity and debt. This study introduces a set of novel duration-weighted metrics which take into consideration the length of financing provided. These measure show promise for reporting footprints of debt portfolios, but further study of methodological robustness should be performed before they can be adopted widely. The measures are also attractive from a risk perspective as they are linearly dependent on duration and therefore are sensitive to yields. A factor portfolio is constructed using the new carbon intensity measure, and corporate yields are studied in a linear factor model. Other factors included derive from Nelson-Siegel parameterizations of US Treasury rates and the USD swap spread curve. Following the Fama-MacBeth procedure, the carbon factor is found not to persist over the 10-year period. / Nuvarande standardmått f ̈or koldioxidsavtryck i en portfölj tilldelar ansvaret för ett företags emitterande aktiviteter av växthusgas lika mellan aktier och skulder, där finansieringens längd inte beaktas. Ett ny durationsviktat mått introduceras i denna studie och dess lämplighet som metrik för rapportering undersöks. Studien visar att detta mått har potential för rapportering i kreditportföljer, men ytterligare studier av hur robust metoden är bör utföras innan den tillämpas brett. Måttet har attraktiva egenskaper eftersom den är linjärt beroende på durationen och därmed känslig gentemot obligationsavkastningen. En faktorportfölj konstrueras med hjälp av det nya kolintensitetsmåttet, och i en linjär faktormodell studeras företagsobligationsavkastning. Andra faktorer som inkluderas i modellen härstammar från Nelson-Siegel-faktorisering av US Treasury och USD swap- spread kurvorna. CO2-faktorn utvärderas med hjälp av Fama-MacBeths tvärsnittsmetod, och det konstateras att faktorn inte visar signifikans under den 10-åriga studieperioden.

Intresset för sparande och aktiemarknaden har ökat kraftigt på senare år. Det kan delvis förklaras av att aktiemarknaden har blivit betydligt mer lättillgänglig med den digitala utvecklingen vilket har skapat nya förutsättningar för privatsparare att ta del av aktiemarknaden. Sverige och stora delar av omvärlden har även befunnit sig i en period med fallande marknadsräntor på senare år vilket även det kan ha lett till ett ökat sparande i aktier. Detta väckte intresset hos författarna att utföra denna studie under en tidsperiod med stora förändringar för investerare. Syftet med denna studie är att undersöka ifall en tillväxtorienterad strategi har skapat en högre riskjusterad avkastning än en värdeorienterad strategi under en period som präglats av en lågräntemiljö på den svenska aktiemarknaden. Data från Eikon och SHoF har samlats in för att utforma portföljer utifrån nyckeltalen P/E och P/B i enlighet med studiens definition av värde eller tillväxtaktier. Därefter har portföljernas riskjusterade avkastning beräknats genom två faktormodeller, Carhart 4-faktormodell och Fama & French 3-faktormodell. Portföljernas alfa har sedan jämförts för att få svar på om värde eller tillväxtportföljerna har genererat den högsta överavkastningen. Resultatet indikerar att tillväxtportföljerna har presterat bättre än värdeportföljerna om alla portföljers alfa summeras. Tillväxtportföljen P/B höga är den portfölj som har haft det högsta överavkastningen. Värdeportföljen P/E låga hade även den en överavkastning mot marknaden om än lägre än P/B höga. Resultatet skiljer sig mot tidigare studiers resultat generellt i och med att för de flesta tidsperioder och marknader så har en värdepremie funnits. Resultatet för denna studie indikerar att tillväxtportföljerna har gått väldigt starkt under andra halvan av tidsperioden, under denna tidsperiod så blev även marknadsräntorna i Sverige negativa.

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.

Allocation to private infrastructure debt investments has increased in the recent years [15]. For managers of multi-asset portfolios, it is important to be able to assess the risk of the total portfolio and the contribution to risk of the various holdings in the portfolio. This includes being able to explain the risk of having private infrastructure debt investments in the portfolio. The modelling of private infrastructure debt face many challenges, such as the lack of private data and public indices for private infrastructure debt. In this thesis, two approaches for modelling private infrastructure debt in a parametric risk factor model are proposed. Both approaches aim to incorporate revenue risk, which is the risk occurring from the type of revenue model in the infrastructure project or company. Revenue risk is categorised into three revenue models; merchant, contracted and regulated, as spread level differences can be distinguished for private infrastructure debt investments using this categorisation. The difference in spread levels between the categories are used to estimate β coefficients for the two modelling approaches. The spread levels are obtained from a data set and from a previous study. In the first modelling approach, the systematic risk factor approach, three systematic risk factors are introduced where each factor represent infrastructure debt investments with a certain revenue model. The risk or the volatility for each of these factors is the volatility of a general infrastructure debt index adjusted with one of the β coefficients. In the second modelling approach, the idiosyncratic risk term approach, three constant risk terms for the revenue models are added in order to capture the revenue risk for private infrastructure debt investments. These constant risk terms are estimated with the β coefficients and the historical volatility of a infrastructure debt index. For each modelling approach, the commonly used risk measures standalone risk and risk contribution are presented for the entire block of the infrastructure debt specific factors and for each of the individual factors within this block. Both modelling approaches should enable for better explanation of risk in private infrastructure debt investments by introducing revenue risk. However, the modelling approaches have not been backtested and therefore no conclusion can be made in regards to whether one of the proposed modelling approaches actually is better than current modelling approaches for private infrastructure debt. / Investeringar i privat infrastrukturskuld har ökat de senaste åren [15]. För βägare av portföljer med investeringar i samtliga tillgångsslag är det viktigt att kunna urskilja risken från de olika innehaven i portföljen. Det finns många utmaningar vad gäller modellering av privat infrastrukturskuld, så som den begränsade mängden privat data och publika index för privat infrastrukturskuld. I denna uppsats föreslås två tillvägagångssätt för att modellera privat infrastrukturskuld i en parametrisk riskfaktormodell. Båda tillvägagångssätten eftersträvar att inkorporera intäktsrisk, vilket är risken som beror på den underliggande intäktsmodellen i ett infrastrukturprojekt eller företag. Intäksrisk delas in i intäksmodellerna "merchant", "contracted" och "regulated", då en skillnad i spreadnivå mellan privata infrastrukturskuldinvesteringar kan urskiljas med denna kategorisering. Skillnaden i spreadnivå mellan de olika kategorierna används för att estimera β -koefficienter som används i båda tillvägagångssätten. Spreadnivåerna erhålls från ett dataset och från en tidigare studie. I det första tillvägagångssättet, den systematiska riskfaktor-ansatsen, introduceras tre systematiska riskfaktorer som representerar infrastrukturskuldinvesteringar med en viss intäktsmodell. Risken eller volatiliten för dessa faktorer är densamma som volatiliteten för ett index för infrastrukturskuld justerat med en av β -koefficienterna. I det andra tillvägagångssättet, den idriosynktratiska riskterm-ansatsen, adderas tre konstanta risktermer för intäktsmodellerna för att fånga upp intäktsrisken i de privata infrastrukturinvesteringarna. De konstanta risktermerna är estimerade med β -koefficienterna och en historisk volatilitet för ett index för infrastrukturskuld. För båda tillvägagångssätten presenteras riskmåtten stand-alone risk1 och risk contribution2. Riskmåtten ges för ett block av samtliga faktorer för infrastrukturskuld och för varje enskild faktor inom detta block. Båda tillvägagångssätten borde möjliggöra bättre förklaring av risken för privata infrastrukturskuldinvesteringar i en större portfölj genom att ta hänsyn till intäktsrisken. De två tillvägagångssätten för modelleringen har dock ej testats. Därför kan ingen slutsats dras med hänsyn till huruvida ett av tillvägagångssätten är bättre än de som används för närvärande för modellering av privat infrastrukturskuld.