Sammanfattning Titel: Värdeinvesteringars förmåga att generera överavkastning mot Stockholmsbörsen Nivå: Examensarbete på grundnivå (kandidatexamen) i ämnet företagsekonomi Författare: Marcus Pålsson Handledare: Alice Schmuck Datum: 2024 – mars Syfte: Syftet med studierna var att utvärdera utfallet av en egen framtagen värdeinvesteringsstrategi på Stockholmsbörsen mellan åren 2007–2023 och undersöka effekter av olika tidshorisonter med en investering. Metod: Studien bygger på ett kvantitativt metodval där empiriska hypoteser har härletts utifrån forskningsantagandet, att portföljernas avkastning är högre än OMXS GI. Datainsamling har gjorts ifrån Börsdatas databas och sedan strukturerats i Excel. Hela Stockholmsbörsen har utgjort urvalsunderlaget. Fyra portföljer skapades med olika rebalanseringsintervall vars avkastning jämfördes med OMXS GI. Resultat och slutsats: Utfallet från undersökningen visar att avkastningen för samtliga portföljer var signifikant högre än OMXS GI. Utifrån Sharpekvoten och Jensens Alpha var avkastningen även till en lägre förväntad risk. Av portföljerna hade den med en årlig rebalansering högst avkastning. Avkastningen var däremot inte markant högre än de andra portföljerna, vilket innebär att det inte med statistisk säkerhet går att säga att en kortsiktig strategi är att föredra framför och långsiktig. Examensarbetets bidrag: Studien bidrar till debatten om börsens prismekanism genom att bidra med stöd för en värdeinvesteringsstrategi och ifrågasätta några av den effektiva marknadshypotesens grundläggande antaganden. Vidare kan den utformade strategin ses som ett praktiskt bidrag till investerare som söker inspiration till sitt eget sparande. Förslag till fortsatt forskning: En kompletterande studie föreslår som innehåller avnoterade bolag som saknades i dataunderlaget. Vidare föreslår ytterligare forskning om olika investeringshorisonter och de nya versionerna av EMH av Behavioral Finance. Nyckelord: Värdeinvesteringar, Effektiva marknadshypotesen, Investeringsstrategi, Stockholmsbörsen och Rebalansering

Portfolio rebalancing has become a popular tool for institutional investors the last decade. Adaptive asset allocation, an approach suggest by William Sharpe is a new approach to portfolio rebalancing taking market capitalization of asset classes into consideration when setting the normal portfolio and adapting it to a risk profile. The purpose of this thesis is to evaluate the traditional approach of portfolio rebalancing with the adaptive one. The comparison will consist of backtesting and two simulation methods which will be compared computationally measuring time and memory usage (Monte Carlo and Latin Hypercube Sampling). The comparison was done in Excel and in R respectively. It was found that both of the asset allocation approaches gave similar result in terms of the relevant risk measurements mentioned but that the traditional was a cheaper and easier alternative to implement and therefore might be more preferable over the adaptive approach from a practical perspective. The sampling methods were found to have no difference in memory usage but Monte Carlo sampling had around 50% less average running time while at the same time being easier to implement. / Portfölj rebalansering har blivit ett populärt verktyg för institutionella investerare det senaste årtiondet . Adaptiv tillgångsallokering, en taktik föreslagen av William Sharpe är en typ av rebalansering där hänsyn tas till marknadsvärdet av tillgångsklasserna samtidigt som man anpassar det efter en riskprofil. Syftet med detta arbete är att evaluera den traditionella strategin kontra den adaptiva strategin där jämförelsen kommer bestå av backtesting (tillämpa strategin på historisk data) samt två simulationsmetoder(Monte Carlo och LHS). Simulationernas implementering kommer jämföras med avseende på tid och minnesanvändning. Jämförelserna gjordes i Excel och i R respektivt. Resultatet av studien visar att att båda strategierna gav liknande resultat med avseende på de riskmått som finns med men att den traditionella strategin var billigare och enklare att implementera och kan därför vara den strategi att föredra från ett praktiskt perspektiv. Simulationsmetoderna visade ingen skillnad i minnesanvänding men däremot att Monte Carlo var både lättare att implementera samt hade ca 50% mindre körtid i genomsnitt.