Kan du spotte fremtidens børsvindere, før resten af markedet opdager dem? På det danske aktiemarked gemmer der sig adskillige små og mellemstore selskaber, der risikerer at forblive overset – lige indtil regnskaberne pludselig bekræfter deres styrke, og kursen skyder i vejret. Ét af de mest veldokumenterede redskaber til at finde netop disse robust finansielle, men undervurderede aktier er Piotroskis F-score.
I denne artikel på FCE Invest | Din online investeringsportal dykker vi ned i hvorfor og hvordan du kan bruge F-scoren på hjemlige Nasdaq Copenhagen-selskaber – lige fra GN Store Nord til de helt små First North-kometer. Du får både den akademiske baggrund, den praktiske trin-for-trin-guide og en konkret, fiktiv case, der viser metoden i aktion.
Uanset om du allerede jonglerer med regnskabstal eller blot er nysgerrig på at tilføje endnu et kvalitetsfilter til din værktøjskasse, lover vi dig én ting: Når du har læst færdig, vil F-scoren være mere end blot et tal – den vil være dit nye hemmelige våben på det danske aktiemarked.
Klar til at opdage, om dine favoritaktier består syretesten? Lad os komme i gang!
Hvad er Piotroskis F-score – og hvorfor den virker på danske aktier
Piotroskis F-score er et ni-punkts regnskabsbaseret kvalitetstjek, udviklet af professor Joseph D. Piotroski (University of Chicago) og publiceret i Journal of Accounting Research i 2000. I sin oprindelige undersøgelse tog han udgangspunkt i amerikanske “value-aktier” – selskaber med høj book-to-market (lav pris i forhold til egenkapital) – og viste, at de aktier som samtidig havde en høj F-score (7-9) outperformede de svageste (0-2) med næsten 8-12 procentpoint årligt.
Formålet med F-scoren er enkelt: at skelne mellem billige selskaber, der er finansielt sunde, og dem der er billige med god grund. Hvor klassiske value-screens kun ser på pris, forsøger F-scoren at måle den underliggende regnskabskvalitet og momentum i indtjeningen gennem tre søjler:
- Profitability – tjener virksomheden faktisk penge?
- Leverage, Liquidity & Source of Funds – forbedres balancen, eller ædes den op af gæld?
- Operating Efficiency – bliver driften stadig mere effektiv?
Selve scoren tildeler ét point for hvert regnskabssignal, der bevæger sig i den rigtige retning (fx positiv driftoverskud, faldende gældsgrad, stigende brutto- eller driftsmargin). Resultatet er en skala fra 0 til 9, hvor højere er bedre.
Hvorfor giver f-scoren mening på det danske aktiemarked?
- Mange small/mid-caps på Nasdaq Copenhagen og First North dækkes sparsomt af analytikere. Informationsasymmetri skaber en niche, hvor en enkel regnskabsmodel kan afsløre oversete kvalitets-value-cases.
- IFRS-regnskaber giver sammenlignelighed. De fleste danske selskaber aflægger rapport efter IFRS, som indeholder de samme nøgletal Piotroski brugte i sin forskning (ROA, CFO, gældsgrad m.m.).
- Lav likviditet = større prisanomalier. Små handelsvolumener betyder, at priserne kan afvige mere fra fundamental værdi – præcis det investorerscreeninger som F-score kan udnytte.
- Enkel implementation. Alle ni signaler kan beregnes direkte fra års- og kvartalsrapporter samt Finanstilsynets OAM-database – ingen avanceret modellering eller dyre datasæt er nødvendige.
- Historisk dokumentation. Flere akademiske EU-studier (bl.a. Christensen et al. 2013) viser, at Piotroskis F-score også skaber merafkast i mindre, europæiske markeder – herunder Norden.
Med andre ord fungerer F-scoren som et hurtigt helbredstjek på billige danske aktier: den sorterer de stærkeste forretningsmodeller fra dem, der risikerer at blive permanente value-fælder. I de følgende afsnit dykker vi ned i de ni kriterier, viser hvordan du trækker tallene ud af danske regnskaber, og demonstrerer en komplet screening-proces, du kan kopiere direkte til din egen portefølje.
De 9 kriterier forklaret med danske regnskabstal
De første fire signaler måler, om selskabet faktisk tjener penge – og om det går i den rigtige retning.
- Positivt ROA (Return on Assets > 0)
• Beregnes som Årets resultat divideret med gennemsnitlige totale aktiver.
• I danske IFRS-årsrapporter findes tallene på resultatopgørelsen og balancen. Husk at bruge gennemsnittet af begyndelses- og ultimobalancen.
• Tip: Udskil engangsposter (fx goodwill-nedskrivninger) for et renere driftssignal. - Positivt pengestrømsoverskud fra driften (OCF > 0)
• Hentes direkte i pengestrømsopgørelsen (Cash flow from operating activities).
• IFRS 16 har flyttet leasingbetalinger til finansieringsdelen; læg dem evt. tilbage for at bevare sammenlignelighed over tid. - Forbedring i ROA år/år
• Samme beregning som punkt 1, men test om ROA er højere end sidste år.
• Pas på med COVID- eller kriseår – overvej at glatte meget volatile resultater. - Forholdet OCF > Nettoresultat
• Indikerer høj indtjeningskvalitet; profitten er cash backed.
• Tjek for aggressive periodiseringer: høje tilgodehavender kan presse OCF under nettoresultat.
Leverage, liquidity & source of funds – Balancestyrke
Næste tre signaler vurderer gæld, likviditet og udvanding.
- Lavere gearing (nettogæld/aktiver) end året før
• Nettogæld = rentebærende gæld minus likvide midler.
• Hent gældstal i balancen, husk IFRS 16-leasinggæld.
• Nedbringer selskabet sin gæld, tildeles 1 point. - Højere current ratio år/år
• Current ratio = Omsætningsaktiver / Kortfristede forpligtelser.
• Begge poster ligger i balancen under “Kortfristet”.
• Vær på vagt: Høj ratio kan også skyldes store varelagre i cykliske virksomheder. - Ingen emission af nye aktier
• Sammenlign Antal udestående aktier ultimo med sidste år (noter i Egenkapitalopgørelsen).
• Kapitalforhøjelser til vækst kan være ok, men F-score straffer den udvanding, investorer ofte misbruger.
Operating efficiency – Driftsforbedringer
De sidste to signaler undersøger, om virksomheden bliver mere effektiv.
- Forbedret bruttomargin
• Bruttomargin = (Omsætning – Vareforbrug) / Omsætning.
• Under IFRS rapporteres kun “Cost of sales” for nogle selskaber; andre viser kun driftsmargin (EBIT-margin).
• Hvis bruttomargin ikke oplyses, brug EBIT-margin som næstbedste løsning, men markér usikkerheden i din logbog. - Forbedret kapitalomsætningshastighed (Asset Turnover)
• Asset Turnover = Omsætning / Gennemsnitlige totale aktiver.
• Tal for omsætning findes i resultatopgørelsen; aktiver i balancen.
• En stigning antyder, at ledelsen skaber mere salg pr. krone bundet kapital.
Praktiske tips til at undgå målefejl
- Sørg for konsekvent regnskabsvaluta; nogle Mid Cap-selskaber rapporterer i EUR.
- Brug rullende 12-måneders tal, hvis seneste årsrapport er mere end seks måneder gammel.
- Dokumentér justeringer (IFRS 16, engangsposter, segmentsalg) i et regneark, så dine F-score altid kan genskabes.
- Automatisér dataudtræk fra Nasdaq Copenhagens csv-feed eller via Morningstar Direct for at minimere tastefejl.
Med de ni kriterier solidt forankret i danske IFRS-tal har du fundamentet på plads til en pålidelig F-score-screening af hjemmemarkedets small og mid caps.
Trin for trin: Sådan beregner og anvender du F-score i praksis
Processen kan brydes ned i syv håndterbare trin, som du kan gentage hvert år eller kvartal:
- Definér universet
- Indsaml regnskabsdata
- Klargør og normalisér tallene
- Beregn de ni delscore og den samlede F-score
- Screen og rangér selskaberne
- Etabler portefølje & fastlæg rebalancering
- Dokumentér alt i en logbog
1. Definér universet
- Børs: Vælg alle selskaber på Nasdaq Copenhagen Main Market og evt. First North for yderligere small-/mid-caps.
- Ekskludér sektorer hvor F-score ikke giver mening (banker, forsikring, ejendomme), da deres balancer ikke er direkte sammenlignelige.
- Likviditetsfilter: Sæt et minimum på f.eks. 1 mio. kr. i gennemsnitlig dagsomsætning, så du undgår de tyndeste papirer.
2. Indsaml regnskabsdata
| Kilde | Type data | Gratis? | Tip |
|---|---|---|---|
| Års- & kvartalsrapporter (IR-sider) | IFRS-tal, noter, management commentary | Ja | Hent både PDF og Excel, når selskabet tilbyder det. |
| Finanstilsynets OAM | Officielle indberetninger | Ja | Automatisér download via RSS-feed. |
| Nasdaq Nordic | Aktiekurser, markedsværdi, sektor | Ja | CSV-download under “Historical Prices”. |
| Morningstar / TIKR / Koyfin | Standardiserede nøgletal | Både/og | Kan spare tid – men dobbelttjek mod selskabets egne tal. |
3. Klargør og normalisér tallene
- Brug seneste to hele regnskabsår (t-1 og t-2) for at kunne beregne ændringer.
- Harmoniser regnskabsvaluta: Omregn alt til DKK, hvis nødvendigt.
- IFRS 16: Læg leasede aktiver og forpligtelser ind i Total Assets og Total Debt, så de to år er konsistente.
- Beregn hjælpe-nøgletal som ROA, CFO, bruttomargin osv. i et ”datablade”-ark.
'ROA (t-1) = Driftsresultat (EBIT) / Gennemsnitlige Aktiver'Gross Margin Change = (Bruttoresultat_t-1 / Omsætning_t-1) - (Bruttoresultat_t-2 / Omsætning_t-2)
4. Beregn de 9 delscore og den samlede f-score
Piotroskis logik er binær: hvert kriterium giver 1 point, ellers 0. Summér for at få en score mellem 0 og 9.
| # | Kriterium | Formel (t-1 vs. t-2) | Excel-eksempel |
|---|---|---|---|
| 1 | Positivt Nettoresultat | Net Income > 0 | =–(NI_t1>0) |
| 2 | Positiv CFO | CFO > 0 | =–(CFO_t1>0) |
| 3 | ROA stiger | ROA_t1 > ROA_t2 | =–(ROA_t1>ROA_t2) |
| 4 | CFO > Nettoresultat | CFO_t1 > NI_t1 | =–(CFO_t1>NI_t1) |
| 5 | Lavere Leverage | LT Debt/Assets falder | =–(Leverage_t1<Leverage_t2) |
| 6 | Højere Likviditet | Current Ratio stiger | =–(CR_t1>CR_t2) |
| 7 | Ingen emission | ΔUd-stående aktier ≤ 0 | =–(Shares_t1≤Shares_t2) |
| 8 | Bruttomargin stiger | GM_t1 > GM_t2 | =–(GM_t1>GM_t2) |
| 9 | Højere Aktivomsætning | ATO_t1 > ATO_t2 | =–(ATO_t1>ATO_t2) |
Scoringsgrænser
- 7-9 point: Finansielt stærk – kandidat til køb/overvågning.
- 4-6 point: Neutral – kræver yderligere analyse.
- 0-3 point: Svag – undgå eller short-kandidat.
5. Screen og rangér selskaberne
Når alle F-scorer er beregnet, filtrér:
- Behold kun selskaber med F-score ≥ 7.
- Tilføj simple værdi-mål (P/E < 20, P/B < 3) og likviditetskrav.
- Sortér efter F-score først, derefter laveste P/B.
Python-snip til rangering
df = df[(df['Fscore'] >= 7) & (df['PE'] < 20) & (df['PB'] < 3)]df = df.sort_values(['Fscore', 'PB'], ascending=[False, True])
6. Etabler portefølje & fastlæg rebalancering
- Indkøb: Køb de 10-15 højst rangerede aktier med ligevægt.
- Rebalancering: Én gang årligt efter regnskabssæsonen (marts-april) for at indfange nye tal og minimere omkostninger.
- Selling-rule: Sælg hvis F-score falder under 5, eller hvis aktien ikke længere opfylder likviditetskravet.
7. Dokumentér alt i en logbog
Konsistens er din bedste ven. Hold en simpel log-bog (Excel, Notion, OneNote) med:
- Dato for dataudtræk og kilder
- Eventuelle manuelle justeringer (fx IFRS 16 korrektioner)
- Endelige scorer, filtre og porteføljeændringer
- Årlige performance-tal vs. benchmark (OMXCPI)
En velholdt logbog gør det muligt at auditere din metode, reducere bias og lære af historiske beslutninger. Dermed omdanner du Piotroskis F-score fra et simpelt tal til et konsistent, datadrevet beslutningsværktøj for danske aktier.
Eksempel: Fiktiv screening af danske aktier med F-score
For at gøre Piotroskis F-score mere håndgribelig har vi konstrueret tre helt fiktive danske selskaber. Tallene er afrundede og baseret på IFRS, så du kan kopiere metoden direkte til dine egne screeninger.
1. Datagrundlaget
| Signal | NordTek A/S | GrønEnergi A/S | DigiRetail A/S | ||||||
|---|---|---|---|---|---|---|---|---|---|
| T-1 | T | Score | T-1 | T | Score | T-1 | T | Score | |
| 1) ROA > 0 | 3,2 % | 5,0 % | 1 | -1,0 % | 1,5 % | 1 | 2,0 % | -0,5 % | 0 |
| 2) CFO > 0 | 45 | 60 | 1 | -10 | 25 | 1 | 30 | -5 | 0 |
| 3) ΔROA > 0 | 1 | 1 | 0 | ||||||
| 4) CFO > ROA | 1 | 1 | 0 | ||||||
| 5) ΔLeverage < 0 | 0,40 | 0,35 | 1 | 0,50 | 0,55 | 0 | 0,20 | 0,30 | 0 |
| 6) ΔCurrent ratio > 0 | 1,6 | 1,8 | 1 | 1,1 | 1,2 | 1 | 1,4 | 1,3 | 0 |
| 7) Ingen udvanding | uændret | 1 | uændret | 1 | +5 % | 0 | |||
| 8) ΔBruttomargin > 0 | 32 % | 34 % | 1 | 27 % | 25 % | 0 | 18 % | 16 % | 0 |
| 9) ΔAsset turnover > 0 | 0,85 | 0,90 | 1 | 0,40 | 0,42 | 1 | 1,10 | 1,05 | 0 |
| Sum (F-score) | 8/9 | 5/9 | 2/9 | ||||||
Tallene er i mio. kr., hvor det er relevant. Husk fremover at tjekke noteoplysninger (f.eks. IFRS 16-lejekontrakter) for at sikre, at sammenligningsgrundlaget er konsistent.
2. Hurtig tolkning
- NordTek A/S (8): Næsten perfekt score. Selskabet skaber både indtjening og solidt cash flow, reducerer gældsgraden og forbedrer effektiviteten – et klassisk “high quality value”-fund.
- GrønEnergi A/S (5): Midterfeltet. Overskuddet er vendt tilbage, men bruttomarginen er under pres, og gælden vokser. Kræver supplerende analyse.
- DigiRetail A/S (2): Klar advarselslampe. Både profitabilitet og likviditet er forværret, og der er aktieudvanding. Typisk et selskab, man frasorterer i en F-score-baseret strategi.
3. Tilføj værdi- og likviditetsfiltre
En ren F-score-screening kan give mange kandidater. Vi supplerer derfor med to simple krav:
- Værdi: P/E < 15 og P/B < 1,5
- Likviditet: Gennemsnitlig daglig omsætning > 2 mio. kr.
| Selskab | P/E | P/B | Daglig oms. | Filter-status |
|---|---|---|---|---|
| NordTek A/S | 12 | 1,2 | 5 mio. | OK |
| GrønEnergi A/S | 25 | 3,0 | 3 mio. | Afvist (dyr) |
| DigiRetail A/S | n/a* | 4,5 | 0,8 mio. | Afvist (tab & illikvid) |
*Negativt resultat giver meningsløst P/E.
4. Fra screening til handling
- Only NordTek består både F-score-barrieren (≥ 7) og de sekundære filtre. Den ryger ind på vores overvågningsliste og vurderes nærmere på strategi, ledelse og konkurrencefordele.
- GrønEnergi kan placeres i en “watch-basket”. Selskabet kan blive interessant, hvis værdifastsættelsen falder eller marginerne vender.
- DigiRetail sorteres fra indtil videre, men logges i et Excel-ark, så vi kan opdage strukturelle forbedringer på sigt (f.eks. hvis F-score hopper til ≥ 5).
5. Næste skridt
Brug samme proces én gang i kvartalet eller i forbindelse med årsregnskaber:
- Opdatér regnskabstal ➜ beregn F-score automatisk.
- Kør dine faste værdi- og likviditetsfiltre.
- Dokumentér ændringer i en logbog, så du tydeligt kan se, hvorfor et selskab ryger ind eller ud af universet.
- Lav en simpel porteføljeregel: f.eks. “Køb/overvægt aktier med F-score ≥ 7, der samtidigt er billige og likvide.”
Dermed har du et struktureret og repeterbart workflow, som kan skaleres fra en håndfuld small-caps til hele Nasdaq Copenhagen – og som samtidig holder følelsesbaserede beslutninger på afstand.
Faldgruber, begrænsninger og hvordan du forbedrer modellen
Selv om Piotroskis F-score kan fungere som et skarpt første filter til at udpege finansielt sunde value-aktier på Nasdaq Copenhagen, er metoden langt fra fejlfri. For at undgå dyre fejltagelser – og samtidig presse det maksimale afkast ud af modellen – bør du være opmærksom på følgende faldgruber og forbedringsmuligheder:
1. Punkter, f-scoren ikke fanger
- Engangsposter og kreative regnskabstricks
F-scoren anvender primært poster fra resultat- og balanceopgørelsen, men skelner ikke mellem normaliseret drift og éngangseffekter som nedskrivninger, M&A-gevinster eller Covid-kompensation. Justér tallene manuelt, eller krydstjek inote 2ognote 4i danske IFRS-rapporter, hvor engangselementer typisk afsløres. - Sektorspecifikke modeller – især finans og ejendom
Banker, forsikringsselskaber og ejendomsudviklere bruger helt andre nøgletal (solvens, combined ratio, EPRA-NAV). Her kan gearing og rentebetalinger opføre sig modsat “normale” industrivirksomheder, så F-scoren bliver misvisende. - Cyklikalitet og råvarefølsomhed
Virksomheder i shipping, energi eller byggematerialer kan score højt i toppen af konjunkturen – netop når risikoen for en nedtur lurer. Supplér med makro- eller sektorindikatorer, fx Baltic Dry Index, oliepris eller nye byggetilladelser.
2. Datakvalitet – Den usynlige akilleshæl
F-scoren er input-sensitiv. Små tastefejl i egen dataindsamling eller uklare IFRS-ændringer (IFRS 16, 9, 15) kan vende et “buy” til et “sell”. Læg især mærke til:
- Implementering af IFRS 16 (leasing): Øger både aktiver og gæld og skævvrider gearing-kriterierne.
- Restatement-år: Flere danske selskaber reviderer tal bagud, så YoY-sammenligningen bliver forvrænget. Brug re-stated tal eller “ultimo-ultimo” sammenligning.
- Survivorship bias: Hvis din historiske backtest kun indeholder nuværende C25-selskaber, overser du de konkurser, der ville have ødelagt performance. Gem altid lister over det fulde univers pr. testdato.
3. Sådan gør du f-scoren endnu stærkere
- Kombinér med værdiscreening
F-scoren tester finansiel kvalitet, men siger intet om pris. Filtrér fx kun aktier med F-score ≥ 7 og et EV/EBIT < 12 eller P/B < 1,5. Det øger chancen for ‘cheap & cheerful’ aktier. - Tilføj momentum
Akademiske studier viser, at value + momentum = solid risikojusteret merafkast. Kræv fx et 6-måneders kursmomentum > 0 % før køb; det eliminerer ‘value traps’ i frit fald. - Integrér kvalitetsfaktorer
ROIC, stabil bruttomargin og lav earnings volatility er gode supplementer, især når IFRS-16 forstyrrer gearing-kriteriet. Brug 3-års gennemsnit for at glatte cykliske udsving. - Portefølje- og risikostyring
Lad ingen enkeltaktie fylde mere end 5-10 %. Sæt stop-loss eller trailing-stops baseret på ATR eller 20-dages glidende gennemsnit for at begrænse nedsiden. - Løbende opfølgning
Rebalancér minimum årligt – ideelt kvartalsvist efter regnskabssæsonen, hvor nye års- og kvartalsrapporter frigives. Log ændringer i F-score, nøgletal og eventuelle justeringer; det skaber disciplin og gør efterrationalisering mulig.
4. Praktisk “huskeliste” før du trykker køb
- Tjek for engangsposter i
note 7 - Særlige poster. - Sørg for at IFRS-16 justeres eller accepter dens effekt konsekvent på hele universet.
- Frasorter finans og ejendom – eller brug alternative nøgletal.
- Kombinér F ≥ 7 med value- og momentum-filtre.
- Diversificér, brug stop-loss, og dokumentér alle beslutninger i din investerings-log.
Ved at forstå begrænsningerne og bevidst styrke modellen med ekstra filtrering, disciplineret risikostyring og grundig datakontrol kan du forvandle Piotroskis F-score fra et simpelt regnearks-værktøj til en robust kerne i din danske aktiestrategi.