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.