Construction of value and growth stock portfolios : case: k-means clustering of selected key valuation ratios in Nordic equity markets in 2005–2025

Abstract

The objective of this research is to examine the performance of value and growth strategies by constructing portfolios with k-means clustering algorithm in the Nordic equity markets in 2005-2025. The empirical part of the research was conducted using quantitative research methods. All data was obtained from LSEG Workspace database. A total of 70 portfolios were constructed based on all possible combinations of three valuation multiples from the seven multiples, which were E/P, B/P, S/P, CF/P, dividend yield, ROE and EBITDA/EV. 35 value and 35 growth portfolios were analysed from 1st of May 2005 to 1st of May 2025. The optimal number of clusters was defined as two using the silhouette method. The performance of the strategies was assessed with raw returns, Sharpe ratio, Treynor Index and Jensen’s alpha. Furthermore, this thesis aimed to answer how k-means clustering has been used in stock market research, and which valuation multiples have been the best performing in the earlier value anomaly research.

According to the empirical results, growth stocks consistently outperformed value stocks and the MSCI Nordic Countries market index in the Nordic equity markets during 2005-2025. The best seven growth portfolios achieved 3.51-4.12% excess returns, Sharpe ratios between 0.5178-0.5509 and Treynor indexes between 0.1219-0.1299. The positive excess returns of the best growth portfolios were statistically significant at the 5% significance level. 12 out of 35 value portfolios underperformed the market at the 1% significance level. Value and growth portfolios had lower standard deviation than the market index. The results are contrary to traditional value anomaly research but aligned with recent poor performance of value premium in the literature. K-means algorithm’s ability to form low volatility portfolios is aligned with the prior academic literature.

Tämän tutkimuksen tavoite on tutkia arvo- ja kasvusijoitusstrategioiden suoriutumista muodostamalla portfoliot k-means klusterointialgoritmilla Pohjoismaisilla osakemarkkinoilla 2005–2025. Tutkimuksen empiirinen osuus toteutettiin kvantitatiivisilla tutkimusmenetelmillä. Kaikki data hankittiin LSEG Workspace -tietokannasta. Yhteensä 70 portfoliota muodostettiin perustuen kaikkiin kolmen tunnusluvun yhdistelmiin seitsemästä tunnusluvusta, jotka olivat E/P, B/P, S/P, CF/P, osinkotuotto, ROE ja EBITDA/EV. 35 arvo- ja 35 kasvuportfoliota analysoitiin 1.5.2005-1.5.2025. Optimaaliseksi klusterimääräksi määritettiin silhouette-menetelmällä kaksi. Strategioiden suoriutumista arvioitiin tuotoilla, Sharpe luvulla, Treynor indeksillä ja Jensenin alfalla. Lisäksi tämä tutkimus pyrki vastaamaan kuinka k-means klusterointia on käytetty osakemarkkinatutkimuksessa ja mitkä tunnusluvut ovat olleet parhaita suoriutumaan aikaisemmassa arvoanomalia tutkimuksessa.

Tulosten perusteella kasvuosakkeet voittivat johdonmukaisesti arvo-osakkeet ja MSCI Nordic Countries -indeksin Pohjoismaisilla osakemarkkinoilla 2005–2025. Parhaat seitsemän kasvuportfoliota saavuttivat 3,51–4,12 % ylituoton, Sharpe luvut 0,5178–0,5509 ja Treynorin indeksit 0,1219–0,1299. Parhaiden kasvuporfolioiden ylituotot olivat tilastollisesti merkitseviä 5 % merkitsevyystasolla. 12 arvoportfoliota 35:stä hävisi markkinalle 1 % merkitsevyystasolla. Arvo- ja kasvuportfolioilla oli alhaisempi keskihajonta kuin markkinaindeksillä. Tulokset ovat päinvastaisia perinteisen arvoanomaliatutkimuksen kanssa, mutta linjassa arvopreemion viimeaikaisen heikon suoriutumisen kanssa. K-means-algoritmin kyky muodostaa alhaisen volatiliteetin portfolioita on linjassa aikaisemman akateemisen kirjallisuuden kanssa.