AI Alpha Lab
I AI Alpha Lab har vi udviklet en AI-model baseret på sandsynligheder og big data, som hver måned udvælger de aktier, den mener, vil give det bedste afkast over tid. Men hvordan tager modellen højde for begivenheder som det kommende amerikanske præsidentvalg? Det forklarer vi her, hvor vi også – som en undtagelse – giver adgang til tre fulde aktieporteføljer for oktober.
Hent hele månedsrapporten for oktober her med både danske, amerikanske og nordiske aktier. Rapporten er forbeholdt vores investeringsanalyse-abonnenter hos Nordnet, men denne måned har vi som en enkeltstående undtagelse valgt at give adgang til den, så læserne kan se, hvad abonnementet indeholder.
Påvirker det amerikanske præsidentvalg vores AI-model?
Det amerikanske præsidentvalg står for døren. Forleden blev vi i AI Alpha Lab spurgt, om vores AI-model inkorporerer, hvordan aktiemarkedet vil reagere på valget, og om den tager højde for udfaldet af valget ved udvælgelsen af aktier.
Svaret er JA, men nok ikke sådan, som de fleste vil tro.
For at forklare, hvordan AI-modellen inkorporerer information om præsidentvalget, må vi lægge ud med at forklare det statistiske koncept adding weak predictive models.
Summen af mange små bidrag
Konceptet adding weak predictive models (på dansk noget lignende at summere svage prædiktive modeller) handler om at kombinere flere mindre præcise eller “svage” estimater for at skabe et samlet, stærkere og mere pålideligt estimat.
I stedet for at stole på ét enkelt estimat, som kan være fejlbehæftet eller begrænset, forbedres præcisionen ved at kombinere mange små bidrag, som hver især giver en del af det samlede billede. Det kaldes også for en “ensemble approach”, hvor flere modeller eller estimater vægtes sammen for at opnå et bedre og mere robust estimat.
Eksempel: Bønneglasset og middagsselskabet
Forestil dig, at du er vært for et middagsselskab. Som en lille konkurrence stiller du et glas fyldt med bønner på bordet og beder alle gæster om at gætte, hvor mange bønner der er i glasset. Nogle gæster er meget kvalificerede og forsøger at beregne antallet, mens andre gætter mere vilkårligt. De individuelle gæt varierer meget og kan ligge langt fra det rigtige svar.
Her er det interessante: Hvis du tager gennemsnittet af alle gæsternes gæt, vil det ofte være tættere på det rigtige antal bønner end de fleste individuelle gæt – endda ofte mere præcist end selv de bedste gæt.
Dette fænomen kaldes “The Wisdom of Crowds”, hvor summen af mange ufuldkomne eller “svage” estimater kan give et bemærkelsesværdigt præcist resultat.
Det betyder det for aktiemarkedet
Når vi overfører princippet til aktiemarkedet, kan vi forstå en akties pris som summen af mange kvalificerede og halv-kvalificerede gæt eller analyser fra forskellige investorer og analytikere. Hver deltager i markedet har forskellige informationer, forventninger, analyser og antagelser, hvilket betyder, at deres estimater for en akties fremtidige værdi varierer. Nogle investorer baserer deres estimater på dybdegående forskning, mens andre er mere afhængige af intuition eller trends.
Ligesom med bønneglasset bliver det samlede markeds estimat af en akties værdi ofte det bedste gæt. Selv om hver enkelt investor måske ikke har hele sandheden eller ikke laver det perfekte estimat, vil markedets gennemsnit af alle disse analyser – repræsenteret i aktiens nuværende pris – ofte være det bedst tilgængelige estimat for aktiens værdi.
Ved at kombinere mange svage modeller eller analyser kan vi få et samlet stærkere og mere præcist billede. Det gælder både for simple scenarier som bønneglasset og for komplekse systemer som aktiemarkedet, hvor aktiepriserne bliver en refleksion af summen af mange forskellige gæt.
Sådan kan du investere med AI Alpha Lab
Du kan følge AI Alpha Labs tre porteføljer hver måned ved at tilmelde dig vores investeringsanalyse-abonnement. Så kan du selv investere i enkeltaktier.
Du kan også læse om AI Alpha Labs globale investeringsforening her, som investerer i aktier udvalgt af deres sandsynlighedsbaserede AI-model.
Aktiekurser som input til en probabilistisk AI-model
Ved at anse aktiekurser for at repræsentere summen af alle markedsdeltageres informationer, forventninger, analyser og antagelser omkring en virksomheds fremtidige indtjening, vækst og risiko, kan man forstå, hvorfor aktiekurser er relevant information for en probabilistisk AI-model som vores bayesianske neurale netværk.
Hver gang en aktiekurs ændrer sig, er det et resultat af nye informationer eller ændrede opfattelser hos investorer, som kollektivt afgør, hvad aktien er værd lige nu. Et bayesiansk neuralt netværk kan bruge denne prisdata som input til at analysere og forstå markedets kollektive adfærd og forventninger.
Faktisk er et baysiansk neuralt netværk specielt velegnet til at håndtere kursbevægelser, da disse, ligesom al finansiel data, er behæftet med stor usikkerhed og manglende information. Aktiekurser kan ofte være præget af tilfældige bevægelser og “støj”, men et baysiansk neuralt netværk kan anvende sin probabilistiske natur til at skelne mellem signaler (relevante mønstre) og støj.
Det gør det muligt at lave bedre estimater, da AI-modellen løbende kan opdatere sit syn på fremtiden i lyset af nye data. Når nye informationer, som regnskabsmeddelelser, politiske beslutninger eller makroøkonomiske indikatorer bliver offentliggjort, reflekteres disse hurtigt i aktiekurser. Et bayesiansk neuralt netværk kan bruge den hurtige kursændring og inkorporere informationen i estimatet af fremtidige afkast.
Sådan tager AI-modellen højde for præsidentvalget
Tilbage til spørgsmålet fra begyndelsen af bloggen: Vores AI-model inkorporerer markedets samlede forventning til udfaldet af det amerikanske præsidentvalg, idet den forventning er reflekteret i kursbevægelserne i markedet. Selv om det langt fra er en perfekt indikator, er det tæt på at være det bedste, vi har. Når det kombineres med en probabilistisk AI-model, gør det os i stand til at kvantificere sandsynligheden for, hvad der kommer til at ske på aktiemarkederne som resultat af det amerikanske præsidentvalg.
Som investor er det at beregne og basere sine investeringer på det mest sandsynlige det bedste, vi kan gøre. Vi må så leve med, at det mest sandsynlige ikke altid materialiserer sig i virkeligheden – men hvis vi følger sandsynlighederne igen og igen, vil vi ramme mere rigtigt end forkert over lang tid. Det er det vigtigste, når man vil skabe gode afkast.
Denne blog er udarbejdet af AI Alpha Lab ApS (AI Alpha Lab) og indeholder alene information og inspiration til læseren. Bloggen skal ikke betragtes som investeringsrådgivning og kan ikke påberåbes som grundlag for en beslutning om køb eller salg (eller undladelse heraf) af værdipapirer. AI Alpha Lab påtager sig ikke noget ansvar for beslutninger eller dispositioner, der træffes eller foretages på baggrund af oplysninger i bloggen.
Bloggen udgør ikke og skal ikke betragtes som et tilbud eller en opfordring til at gøre tilbud eller til at deltage i eller udføre bestemte investeringer. Omtales investeringsstrategier eller porteføljer af værdipapirer skal læseren være opmærksom på, at disse ikke nødvendigvis er fordelagtige for alle investorer, samt at AI Alpha Lab ikke kender den enkelte læsers individuelle økonomiske forhold, risikopræferencer, investeringserfaring m.m.
AI Alpha Lab har taget alle rimelige forholdsregler for at sikre rigtigheden og nøjagtigheden af oplysningerne i bloggen, ligesom bloggen er baseret på oplysninger indhentet fra kilder, der menes at være pålidelige. Rigtigheden og nøjagtigheden er dog ikke garanteret, og AI Alpha Lab påtager sig intet ansvar for eventuelle fejl eller udeladelser.
Oplysningerne i bloggen afgives på dagen for offentliggørelsen af bloggen og opdateres eller ændres ikke efterfølgende, medmindre andet tydeligt fremgår. Læseren opfordres til at søge individuel rådgivning om egne investeringsforhold.
Der gøres særligt opmærksom på følgende:
- Historiske afkast er ikke en garanti for fremtidige afkast, ligesom afkastet kan variere som følge af valutaudsving.
- Ved udbredelse af investeringsanbefalinger skal der medfølge en række oplysninger for at sikre objektivitet og offentliggørelse af potentielle interessekonflikter. Oplysningerne kan findes i AI Alpha Labs MAR disclosure og rullende 12 måneders oversigt over investeringsanbefalinger.
___
Dette materiale er udarbejdet af AI Alpha Lab og indeholder information, der kan anses for at være en investeringsanbefaling i henhold til Markedsmisbrugsforordningen (Europa-Parlamentets og Rådets forordning 596/2014), dvs. information som anbefaler eller foreslår en investeringsstrategi vedrørende ét eller flere finansielle instrumenter. Nordnet Bank, filial af Nordnet Bank AB, Sverige (Nordnet), har ikke deltaget i udarbejdelsen, gennemgået eller foretaget ændringer i materialet. AI Alpha Lab har ansvaret for materialets indhold, og at det lever op til gældende lovgivning og regler.
AI Alpha Lab og deres ansatte ejer selv aktier i selskaberne i Danish High Conviction Portfolio.
Dette materiale blev offentliggjort første gang den 17. oktober 2024 kl. 09:45.
Indholdet i dette materiale udgør ikke personlig investeringsrådgivning. Det er vigtigt, at du som investor træffer dine investeringsbeslutninger ud fra din egen vurdering af information fra forskellige kilder. Nordnet påtager sig intet ansvar for direkte eller indirekte tab som følge af brug af information fra dette materiale. Materialet må ikke gengives uden Nordnets udtrykkelige samtykke.
Det kan forekomme, at Nordnet har positioner i værdipapirer, der omtales i materialet. En sådan beholdning er da alene af administrative hensyn og uden fortjeneste for Nordnet.
Nordnet er under tilsyn af Finansinspektionen i Sverige og det danske Finanstilsyn.
Der er altid en risiko forbundet med at investere. Historiske afkast er ikke en garanti for fremtidige afkast. Finansielle instrumenter kan både stige og falde i værdi. Der er en risiko for, at du ikke får de investerede penge tilbage.
