Hvilke 5 aktier vælger AI-modellen for september måned?

AI Alpha Labs model har igen udvalgt de aktier, der har størst sandsynlighed for et positivt afkast. Her deler de fem aktier fra den globale og nordiske portefølje og forklarer, hvorfor de mener, at probabilistiske modeller har afgørende betydning for konkurrencedygtige investeringsresultater.

Nedenfor ses fem aktier, vi har valgt ud fra vores globale og nordiske porteføljer i september 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 – 31.08.2022. 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.

Resulting – om vores tilgang til investering

I denne måneds blog vil vi gerne dykke lidt ned i begrebet ”resulting”. Det er nemlig med til at forklare vores tilgang til investering og giver et indblik i de tanker og processer, vi bruger i AI Alpha Lab.

Ordet resulting er svært at oversætte direkte til dansk, men det er et centralt ord i poker og henviser til at skabe et for tæt forhold mellem kvaliteten af ​​resultatet og kvaliteten af ​​beslutningen. Resultatkvalitet er ikke en perfekt måling af beslutningskvalitet, i det mindste ikke med et begrænset antal samples. Hvis en person har været ude for 15 bilulykker i løbet af det sidste år, kan man arbejde baglæns fra resultatkvaliteten til vedkommendes beslutningskvalitet. Én ulykke siger derimod ikke ret meget. Problemet er, at vi alle er resultatorienterede af natur.

At kende resultatet drager os. Vi er rationelle væsener, der kan lide at tro, at alt giver mening. Det er meget svært for os at forstå et dårligt resultat, når vi ikke gjorde noget forkert. Eller et godt resultat, der bare er tilfældigt. Vi synes som udgangspunkt, at tilfældighed er ubehageligt.

Det er et resultat af den måde, vi er skabt på – vi genkender mønstre. Det kan være dårligt for beslutningstagning i visse tilfælde, men er selvfølgelig en livsnødvendig faktor på andre områder. Ellers ville vi fx ikke være i stand til at genkende vores mors ansigt.

Hvordan holder vi op med at fokusere på resultater?

Når vi ved, at resultater påvirker os, må det være vores mål at adskille os så meget som muligt fra resultater, hvis vi ønsker at optimere vores beslutningskvalitet. Og det kan vi. Det er ”ligegyldigt”, om du kom ud for en bilulykke eller ej. Man bør kunne stille andre spørgsmål for at afgøre, om beslutningskvaliteten under kørslen var god, for vi ved, der er visse ting, som indgår i en god beslutning under kørsel.

“Det vigtigste mål for os er ikke resultatet, men reproducerbarhed. Altså om processen kan replikeres igen og igen.”

Den samme logik gælder for investering, og for os i AI Alpha Lab er det afgørende, at vi kan evaluere vores modeller og investeringsbeslutninger både ud fra et investeringsrationale og på baggrund af et statistisk grundlag. Det vigtigste mål for os er ikke resultatet, men reproducerbarhed. Altså om processen kan replikeres igen og igen. Kun hvis vi kan replikere vores proces, har vi en vedvarende fordel. Det er derfor, vi er kvantitative, systematiske og videnskabelige i vores tilgang til investering.

En universel formel for succes

Jason Blum er en relativt ukendt Hollywood-filmskaber. Han er dog den mest succesrige filmskaber i verden målt på Return on Investment/ROI af hans film. Hans mest berømte film “Paranormal Activity” indtjente 200 millioner USD, mens produktionen blev lavet for 15.000 USD.

Blum har seks film på top-20 listen over bedst indtjenende film, og hans tilgang er meget enkel. Hold omkostningerne nede, og producér en masse film. Korrelationen mellem filmbudget og omsætning er for lav til at satse på, men ved at masseproducere film til lave omkostninger er Blum næsten sikker på at ramme publikum en gang imellem.

Jason Blum er et glimrende eksempel på, hvordan man udnytter dynamikken i det problem, man forsøger at løse, uden at skulle antage man er bedre end konkurrenterne (i mange tilfælde er man nemlig ikke det).

Hvis man kender spillets regler og spiller efter dem, maksimerer man chancen for at vinde uafhængigt af ens relative færdigheder i forhold til konkurrenterne. At kende reglerne for et problem er vigtigere end at vide mere end konkurrenterne.

Held og tilfældighed

I teorien, og selv i praksis, er det ret nemt at lave investeringer i verdensklasse uden dygtighed, men med en masse tålmodighed.

Forestil dig en strategi, der udvælger fem tilfældige aktier fra de 100 største amerikanske virksomheder, vægter dem ens og holder dem i en måned. Efter en måned udvælges igen fem tilfældige aktier fra den samme pulje af de 100 største virksomheder og de vægtes ens igen. Denne proces med naiv aktieudvælgelse udføres igen og igen i 15 år på tværs af 500 forskellige porteføljer. Efter 15 år vil fordelingen af compound annual growth rate (​​CAGR) på tværs af disse naive porteføljer se omtrent ud som nedenfor.

Man kan se, at selvom denne strategi samlet set ikke er en rentabel strategi, vil omkring 20% af porteføljerne selv efter transaktionsomkostninger have slået benchmark (den hvide linje) med mere end 3-5% om året!

Det viser, at held og tilfældighed spiller en stor rolle i investering. Den eneste måde at tage hensyn til dette på er at anvende en reproducerbar og systematisk tilgang, der kan testes på et væld af markeder, samt rebalancere frekvenser og parametersæt. Faktisk er specifikationsrisiko (en meget fokuseret tilgang til en generel investeringsmetode såsom value-investering) en stor ukompenseret risikoeksponering i de fleste porteføljer i dag og kan i høj grad forbedres med en mere generel tilgang via ensemble (kombinering af flere modeller).

Investering drejer sig om sandsynligheder

Historien er sjældent det mest sandsynlige resultat af, hvad der kunne være sket, og derfor er det ikke rentabelt alene at forudsige den mest sandsynlige fremtid ud fra historiske data.

Løsningen på problemer forbundet med høj usikkerhed er at tildele sandsynligheder til udfaldsrummet og handle i overensstemmelse hermed. Inden for investering betyder dette at beregne sandsynligheden for, at en specifik investering realiserer et fremtidigt afkast.

Denne sandsynlighed består af både datausikkerheden og usikkerheden i den model, der er brugt til at analysere dataene (læs mere om det emne i vores blogindlæg fra juli). Ligesom pokerspilleren, der ikke kun skal tage højde for de kendte sandsynligheder givet kortene i spillet, men også hans egne og modstandernes handlinger.

Modelusikkerhed har hidtil været uoverskuelig, da den involverer beregning af alle mulige fremtidige udfald. Ingen økonomisk teori beskæftiger sig med denne form for usikkerhed eller rationalitet.

Med andre ord forsøger investorer i dag at give det rigtige svar på det forkerte spørgsmål. De bruger de forkerte modeller til at analysere og forudsige primært fremtidige afkast på finansielle aktiver. De fleste investorer har ikke evnerne eller mulighederne til at udføre mere effektiv dataanalyse og stoler som følge heraf på (for) simple regressionsmodeller med høje variansresultater.

Grunden til dette er, at vi i årtier har uddannet matematikere, statistikere og økonomer i økonomiske modeller og statistiske teknikker, der har meget lidt at sige om en ikke-deterministisk verden. De fleste analytikere og investorer bruger regressionsmodeller, konfidensintervaller, value-at-risk-modeller og signifikanstests uden at kende deres begrænsninger. Faktisk er disse værktøjer direkte farlige at bruge, hvis man ikke kender deres mangler.

Optimal beslutningstagen under usikkerhed

Den gode nyhed er, at vi har modeller, der er meget bedre til at løse det fundamentale problem, investorer står overfor; optimal beslutningstagning under usikkerhed. Sandsynlighedsmodeller er designet til at håndtere lav-signal-til-støj og uobserverbare mængder, men alligevel i stand til at lave betydelige og konsistente forudsigelser.

Sandsynlighedsmodeller har løst problemer inden for kvantefysikken, atomkraft samt udviklingen af MR-scannere og laserstråler, som konceptuelt minder meget om investeringsproblemet. Disse modeller er ekstremt stærke til at modellere den strukturelle kausalitet i store komplekse datasæt, der fanger dataenes fysiske virkelighed og ikke kun statistiske sandheder.

Det vil sige, at vi kender til modeller, der er mere effektive til at analysere og forudsige finansielle data, og samtidig har fremskridt inden for machine learing (AI) og computerkraft lettet den praktiske brug af disse modeller inden for investering.

“Investering, optimal beslutningstagning under usikkerhed, handler om at vide, hvad du ikke ved.”

Styrken ved de probabilistiske modeller ligger ikke i mere præcise estimater, da den øvre grænse for estimering af fremtiden per definition er lav, men derimod i den nye information modellerne er i stand til at give os. Information investorer ikke har haft adgang til før: Usikkerhed.

Probabilistiske modeller er i stand til at fortælle investorer om deres egen usikkerhed. Så selvom forudsigelserne i sig selv ikke er mere præcise, informerer modellen om forudsigelsernes gyldighed, hvilket gør det muligt for investorer kun at investere, når de har en høj grad af tillid til deres forudsigelser.

Vi i AI Alpha Lab mener, at for fundamentalt at forbedre investeringsresultater, skal investorer anerkende modeller, der er tilpasset det problem, de forsøger at løse. Probabilistiske modeller taler usikkerhedens sprog, og praktisk implementering af sådanne modeller er afgørende, hvis investorer ønsker konkurrencedygtige investeringsresultater i fremtiden.

Investering, optimal beslutningstagning under usikkerhed, handler om at vide, hvad du ikke ved. Kvantificering af usikkerhed er afgørende, og i dag har investorer den mulighed.

Læs mere om AI Alpha Lab og deres sandsynlighedsmodel 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 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 ejer selv aktier i selskaberne i Global Focus Portfolio.

Dette materiale blev offentliggjort første gang den 8. september 2022 kl. 08:15.

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.