Intresset och deltagandet på aktiemarknaden har ökat betydligt bland svenskar. En erkänd informationskälla om aktier är inlägg på sociala medier och speciellt på Twitter. Med hjälp av sentimentanalys av dessa inlägg, så kallade tweets, kan en allmän åsikt extraheras och användas för att förutsäga framtida resultat för ett företags aktiekurser. Syftet med denna studie är att ta fram en artefakt som kan extrahera sentiment från tweets om svenska mindre företag. Företagen valdes utifrån att de var relativt småskaliga jämfört med de företag som analyserats i liknande studier genomförda inom forskningsområdet. För denna studie har data samlats in från Twitter, analyserats och bearbetats. Olika metoder har testats för att extrahera sentiment ur tweets. Resultatet från sentimentanalys med framtagen artefakt är möjlig att använda i maskininlärningsmodeller som förutsäger aktieprisers rörelse. Resultatet från experimentet kan sammanfattas med att extrahering av sentiment från tweets är svår men möjlig. Vid analys av resultatet så framgår det att det maskininlärningsbaserade tillvägagångssättet ger en ökad prestanda jämfört med det lexikonbaserade på tweets likt de som använts i denna studie. / Interest and partaking on the stock market has increased significantly among Swedes. A recognized source of information about stocks is posts on social media and Twitter in particular. With the help of sentiment analysis on these social media posts called tweets, a public opinion can be extracted and perhaps predict the future performance of a company’s stock prices. This report is written in Swedish and the aim of the study is to produce an artefact that can extract sentiment out of tweets about minor Swedish companies. The companies were chosen on the basis that they were relatively small-scale in comparison to other studies conducted in related research. For this study data has been collected from Twitter, analyzed and processed. Different methodologies have been tested to extract sentiments out of tweets. Results of sentiment analysis with produced artefact is possible to use in machine learning models predicting stock movement. Results from conducted experiments conclude that extracting sentiment from tweets is difficult but possible. Through analysis of the results, a machine learning approach shows better performance than a lexicon based with tweets like the ones used in this study.

Bakgrund: En av de vanligaste aspekterna vid investeringar är att åstadkomma hög avkastning samtidigt som risken hålls på en låg nivå. Risker kopplade till bolag beror på flera olika faktorer varaven anses vara bolagsstorleken. För att vidare nå önskad avkastning har flertalet investeringsstrategier presenterats som sägs ska kunna överavkasta marknaden och vilket kontrasterar den effektiva marknadshypotesen. Genom investeringar i bolag med låga börsvärden, samt i kombination medinvesteringsstrategier, är det av intresse att undersöka huruvida överträffande av marknaden kan ske. Syfte: Denna uppsats har som syfte att analysera om det, på Spotlight Stock Market och First North, under åren 2007–2019, har gått att påvisa existensen av en SBE och huruvida det går att generera en riskjusterad överavkastning i småbolag med hjälp av investeringsstrategier. Metod: För att genomföra denna uppsats användes en kvantitativ design i kombination med endeduktiv ansats. Åtta olika portföljer sammanställdes baserat på storleken hos bolagen samt en investeringsstrategi baserad på låga P/BV-multiplar. Urvalen skedde utifrån Spotlight Stock Market, Large Cap och First North. Resultaten som genererades analyserades utifrån avkastning och riskjusterad avkastning samt statistiska tester i from av t-tester genomfördes. Slutsats: Utifrån resultaten kunde en småbolagseffekt inte påvisas. Portföljerna enbart baserade påbolagsstorlek för Spotlight Stock Market och First North presterade avkastningar som alla var lägre änOMXSPI, dock kunde detta inte säkerställas statistiskt. När investeringsstrategin utifrån låga P/BVmultiplar användes kunde portföljen utifrån Spotlight Stock Market påvisa en högre avkastning än OMXSPI, dock kunde denna inte heller statistiskt säkerställas. Gällande den riskjusterade avkastningen kunde enbart en av portföljerna baserade på Spotlight Stock Market och First Northpåvisa en riskjusterad överavkastning. Portföljerna baserade på Large Cap påvisade både högre avkastning än småbolagsportföljerna samt riskjusterad överavkastning. / Background: One of the most common aspects when investing is to achieve high returns while maintaining the risk at low levels. Risks associated with firms vary due to different factors of which oneis the size. In order to reach satisfactory returns many investment strategies have been presented with the goal of outperforming the market and thus contrasts the efficient market hypothesis. Through investments in firms with low market value of equity, and in combination with other investment strategies, it is of interest to investigate whether outperforming the market is possible. Purpose: The purpose of this study is to analyze whether a Small firm effect on the Spotlight Stock Market and First North during the years 2007-2019 could be proven and if it is possible in combination with investment strategies to generate risk-adjusted returns. Methodology: In order to complete the study a quantitative design in combination with a deductive design was used. Eight different portfolios were compiled based on the size of the companies as well as an investment strategy based on low P/BV-multiples. The samples were chosen from Spotlight StockMarket, Large Cap and First North. The results that were generated were analyzed based on return, risk-adjusted return and statistical test in the form of t-tests. Conclusion: The results from this study show that a Small Firm effect could not be established. The portfolios solely based on company size for Spotlight Stock Market and First North all performed a lower return than OMXSPI, though this could not be statistically confirmed. When an investment strategy based on low P/BV-multiples was used the portfolio based on Spotlight Stock Market showed a return higher than OMXSPI, though this could not be statistically confirmed either. Regarding the risk-adjusted excess return only one of the portfolios based on Spotlight Stock Market and First North could prove a risk-adjusted excess return. The portfolios based on Large Cap both proved a higher return than the small firm portfolios as well as risk-adjusted excess return.

Denna studie ämnar bidra till den rådande jämställdhetsdebatten vad gäller könsdiversitet hos svenska noterade företag där kvinnliga vd:s är underrepresenterade. Syftet är att identifiera om det finns ett samband mellan kvinnliga vd:s och företags lönsamhet. Studien tillämpar kvantitativ metod där en multipel regressionsanalys utförs på ett datamaterial inkluderande 643 svenska noterade bolag på Nasdaq Stockholm, First North och Spotlight Stock Market räkenskapsåren 2018–2019. Som proxy för lönsamhet tillämpades både redovisningsbaserade mått i form av avkastning på totala tillgångar (ROA) och avkastning på eget kapital (ROE) och som marknadsbaserat mått tillämpades Tobin’s Q. Testvariabel utgjordes i studien av kvinnlig vd med vidare applicering av kontrollvariablerna företagets storlek, ålder och skuldsättningsgrad. Undersökningens resultat påvisar inte något statistiskt signifikant samband mellan vd:s kön och företags lönsamhet, vilket är en diskrepans till de flesta tidigare studier inom området som tyder på förekomst av både negativa och positiva samband.