Spring til hovedindhold

AI-modellens aktier for november: Er investering et “loser’s game”?

Hvordan kan principper fra sportens verden overføres til investering? AI Alpha Lab fortæller nærmere om de principper, de investerer efter, og hvorfor de er stolte af at spille “investeringsspillet” som et loser’s game.

Hvordan kan principper fra sportens verden overføres til investering? I denne måneds blogindlæg fra AI Alpha Lab fortæller de nærmere om de principper, de investerer efter, og hvorfor de er stolte af at spille “investeringsspillet” som et loser’s game. Læs med her, og se de udvalgte aktier for november.

Nedenfor ses 5 aktier vi har valgt ud fra vores globale og nordiske porteføljer i november måned. Porteføljerne er langsigtede, og alle aktier i porteføljerne vælges af vores AI-model. De fulde porteføljer består af 20-30 aktier og opdateres månedligt.

Porteføljernes historiske udvikling

Global Focus Portfolio

Nordic Focus Portfolio

Alle tal er baseret på modelporteføljeafkast. Periode: 01.01.2020 – 31.10.2022. Valuta: DKK (Global) og SEK (Nordic). Inklusiv transaktionsomkostninger. Gebyrer afholdt af investor såsom administrationsgebyr og depotomkostninger er ikke inkluderet. Det understreges, at historiske resultater ikke er nogen pålidelig indikator for fremtidigt afkast, samt at afkastet kan øges eller mindskes på grund af udsving i valutakurserne.

Et winner’s eller loser’s game?

Overskriften på denne måneds blog er måske en smule drillende, men det er vores fornemmelse, at læserne af bloggen godt kan lide at blive udfordret lidt. Med overskriften lukrerer vi selvfølgelig på, at langt de fleste som rygradsreaktion helst vil sige, de spiller et winner’s game på alle livets områder – men kan det egentlig betale sig, når man investerer?

Nedenfor vil vi prøve at anskueliggøre forskellen mellem the winner’s game og the loser’s game ved et eksempel fra sportens verden. Principperne og konklusionen kan overføres til investering, såvel som til andre af livets områder. Vi investerer efter de principper, og det mener vi også med fordel, at private investorer kan gøre.

Denne måneds blog kan også ses i sammenhæng med vores blog fra september om resulting og eksemplet med Hollywood-filmskaberen Jason Blum.

Tennis: Et eksempel fra sportens verden

De fleste problemer, mennesker står over for, kan opdeles i to grupper eller “spil”. I sin artikel fra 1975 The Loser’s Game udforsker Charles D. Ellis den dybe forskel mellem de to slags spil og foretager den konceptuelle skelnen gennem sportsgrenen tennis.

Ellis henviser til videnskabsmanden Simon Ramo, der identificerede den afgørende forskel mellem the winner’s game og the loser’s game i sin fremragende bog Extraordinary Tennis For The Ordinary Player.

Over en periode på mange år observerede Ramo, at tennis ikke var ét spil, men to: En type tennis spilles af nogle få talentfulde professionelle tennisspillere, den anden type spilles af amatører og endda de fleste professionelle spillere (dog på et andet niveau end amatører).

Selvom spillerne i begge spil bruger det samme udstyr, påklædning og regler samt overholder den samme etikette og de samme skikke, er den grundlæggende natur af deres spil meget forskellig. Professionelle tennisspillere udnytter den marginale mulighed, der er indbygget i spillet eller på almindeligt dansk: Professionelle tennisspillere vinder point, mens amatører taber point.

Professionelle tennisspillere styrer bolden med hårde og præcise slag gennem lange og ofte spændende dueller, indtil den ene spiller er i stand til at drive bolden lige uden for modstanderens rækkevidde. Disse fremragende spillere begår sjældent fejl. Professionel tennis er, hvad Ramo kalder et winner’s game, fordi det ultimative resultat bestemmes af vinderens handlinger. Sejr skyldes, at spilleren vinder pointene – ikke blot at spilleren vinder flere sæt end modstanderen, men at sættene opnås ved at vinde pointene.

Ramo fandt ud af, at amatørtennis er anderledes. Fantastiske slag, lange og spændende dueller og tæt på mirakuløse redninger med det yderste af ketsjeren er få og sjældne. Derimod bliver bolden ret ofte sendt i nettet eller ud af banen, og når spillerne server, er dobbeltfejl ikke ualmindelige.

Amatørspilleren vinder sjældent over sin modstander, det er modstanderen, der taber til sig selv. Reglerne er de samme, så sejrherren i denne type tennis vinder også flere sæt end modstanderen. Men han/hun vinder de sæt, fordi modstanderen taber endnu flere point end sejrherren.

Som videnskabsmand og statistiker indsamlede Ramo data for at teste sin hypotese. Ramo talte vundne point versus tabte point.

Her er, hvad Simon Ramo fandt:

I professionel tennis vindes omkring 80% af pointene.
I amatørtennis tabes omkring 80% af pointene.

Med andre ord:

Professionel tennis er et winner’s game – det endelige resultat bestemmes af vinderens aktiviteter.
Amatørtennis er derimod et loser’s game – det endelige resultat bestemmes af taberens aktiviteter.

De to typer af tennis er i deres grundlæggende natur slet ikke ens. De er modsætninger.

Ud fra opdagelsen af de to typer tennis bygger Ramo en komplet strategi, hvorved almindelige tennisspillere kan vinde kampe igen og igen ved at følge den simple strategi at tabe mindre og lade modstanderen besejre sig selv.

Ramo forklarer, at hvis du vælger at vinde i tennis – i modsætning til at have det sjovt – er vinderstrategien at undgå fejl. Måden at undgå fejl på er at være konservativ og holde bolden i spil og lade modstanderen have masser af plads til at fejle, fordi han/hun som amatør vil spille et loser’s game uden at vide det.

Han/hun vil altså lave for mange fejl. En gang imellem kan han/hun sende en serv af sted, du ikke kan returnere, men oftere vil det være en dobbeltfejl. Af og til kan han/hun sende bolden forbi dig ved nettet, men oftere vil den sejle langt ud af banen. Modstanderen vil forsøge at slå dig ved at vinde, men han/hun er ikke god nok til at overvinde de mange iboende modstande i tennis.

“Hos AI Alpha Lab spiller vi investeringsspillet som et loser’s game, og vi er stolte af det. Den tilgang er nemlig en af vores største fordele.”

Situationen tillader ikke modstanderen at vinde med en aktivistisk strategi, og han/hun vil i stedet tabe. Bestræbelser på at vinde flere point vil kun øge fejlraten. Som Ramo forklarer i sin bog, er strategien for at vinde i et loser’s game at tabe mindre. Undgå at prøve for hårdt samt holde bolden i spil og derved give modstanderen så mange muligheder som muligt for at begå fejl.

Alle professionelle atleter vil genkende denne beskrivelse af the winner’s og loser’s game (og ja, jeg er selv tidligere professionel atlet!). Ved at spille efter spillets regler kan selv middelmådige spillere klatre til toppen, men det egocentriske offer forbundet hermed er simpelthen for meget for de fleste mennesker. At anerkende grænserne for ens færdigheder er ikke en naturlig menneskelig evne, og det resulterer derfor ofte i en højere tilfredshed at spille som en vinder og tabe, end at spille som en taber og vinde.

Hvad betyder det for investorer?

I vores øjne betyder analysen ovenfor, at man som investor skal fjerne fokus fra at være bedre end alle andre til den sværeste opgave inden for investering: at forudsige afkast. I stedet skal man fokusere på de få grundlæggende sandheder inden for investering, som de fleste ikke bruger megen tid på. Lad performance være resultatet af de tabende handler, ikke vinderne.

Sandsynligheden taler for, at en enkelt investor ikke af natur er blandt de velsignede 95% af dygtige mennesker med ekstraordinære investeringsevner. Men ved at spille investeringsspillet på den rigtige måde, kan enhver investor alligevel lave samme performance som de 95%. Det er derfor, vi hos AI Alpha Lab spiller efter én primær regel: Vi ved, hvad vi ikke ved.

Ja, vi estimerer og forudser afkast på finansielle aktiver, men vi estimerer også usikkerheden forbundet med estimaterne for at skalere vores afhængighed af det enkelte estimat. Desuden ensembler vi alt, hvad vi gør, for at blive så lidt eksponeret til vores egen uvidenhed som muligt.

Diversificering på tværs af aktiver, processer og implementering er det, der gør vores investeringsløsninger robuste over tid. Specifikationsrisiko og implementeringsrisiko er store ukompenserede eksponeringer, som de fleste ignorerer eller ikke forstår. Disse eksponeringer kræver exceptionelle færdigheder for at skabe langsigtet performance, og den underliggende forudsætning for disse er, at investoren spiller the winner’s game.

Som investorer er det bedste, vi kan håbe på, at lægge små betydende fordele sammen (i statistik kaldet ”adding weak predictive models”), udnytte korrelationsstrukturen mellem disse og ende med en investeringsproces, der giver robuste fremtidige afkastforventninger.

Hos AI Alpha Lab spiller vi investeringsspillet som et loser’s game, og vi er stolte af det. Den tilgang er nemlig en af vores største fordele.

Kom tættere på AI Alpha Lab og AI-modellen her: Mød AI Alpha Lab

Disclaimer
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.

Som udgangspunkt vises de 5 aktier med højest vægtning i porteføljerne for indeværende måned. Dog er der indlagt det kriterium, at 2 aktier skal være forskellige fra aktierne vist i forrige blogindlæg.

De 2 aktier udvælges tilfældigt fra porteføljerne, men det vil blive tilstræbt at vise aktier fra forskellige sektorer og geografiske områder for løbende at kunne præsentere læseren for nye eksempler på aktier valgt af AI-modellen og dermed give et bredere indblik i, hvordan den arbejder. Et nyt blogindlæg med nye aktier betyder således ikke nødvendigvis, at aktierne vist i tidligere måneders blogindlæg ikke længere er en del af eller har fået en anden vægtning i porteføljerne.

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 afAI 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 ejer selv aktier i selskaberne i Global Focus Portfolio.

Dette materiale blev offentliggjort første gang den 9. november 2022 kl. 9:40.

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 sigintet 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 imaterialet. 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.

Er du stadig ikke Nordnet-kunde? Åbn depot, og opdag en lettere måde at investere på.

I kommentarfeltet nedenfor kan du som læser kommentere blogindlæggets indhold. Samtidig kan du tage del i andre læseres kommentarer. Kommentarindholdet repræsenterer derfor ikke Nordnets mening. Nordnet gennemgår ikke kommentarerne, før de offentliggøres, men vi fjerner upassende kommentarer, hvis de forekommer. Vil du vide, hvordan Nordnet håndterer dine personoplysninger, klik her.

guest
0 Kommentarer
Se alle kommentarer