Hvilke kvalitetsaktier vælger AI-modellen i august?

I denne blog giver vi et opdateret indblik i, hvilke kvalitetsaktier vores AI-model tror på netop nu. Samtidig prøver vi at slå et slag for styrken ved probabilistisk AI ved at give et konkret eksempel på brugen heraf inden for et andet område end investering; når en patient går til lægen.

Nedenfor ses fem af top-15 aktierne i vores Global Quality AI Portfolio for august. Aktierne er valgt af vores AI-model. Modellen kan investere i aktierne i MSCI World Quality Indekset og udvælger de 10% af aktierne fra indekset, den tror mest på. Porteføljen rebalanceres hver måned.

Aktie	Ticker	Vægt
Super Micro Computer	SMCI.US	4,2%
A.P. Møller – Mærsk	MAERSK-B.CO	4,1%
NVIDIA	NVDA.US	4,1%
Albemarle	ALB.US	3,8%
Monolithic Power Systems	MPWR.US	3,7%

Afkast	AI-model	Ligevægtet univers
Totalt afkast	368,8%	106,1%
ÅTD	20,0%	8,6%
1 år	31,9%	15,3%
3 år (årligt)	31,3%	12,4%
Siden start (årligt)	40,0%	17,1%
Største tab	-33,5%	-29,6%
Årlig volatilitet	24,5%	15,9%
Sharpe Ratio	1,49	1,06

Alle afkasttal er baseret på simuleret modelporteføljeafkast for perioden 01.01.2020 – 31.07.2024. Valuta: EUR. Ligevægtet univers: Ligevægtet portefølje bestående af alle aktier fra investeringsuniverset med lige vægt. Inklusive transaktionsomkostninger på 0,2% på alle handler. Gebyrer afholdt af investor såsom administrationsgebyr og depotomkostninger er ikke inkluderet. De viste afkast er simulerede og udgør derfor ikke afkast fra en faktisk investering i perioden. Det understreges, at historiske afkast, hvad enten de er faktiske eller simulerede, ikke er en garanti for fremtidige afkast, ligesom afkastet kan variere som følge af udsving i valutakurser.

Gunstig intelligens

Investering handler om at sammenholde mange forskellige data for i sidste ende at kunne komme frem til et konkret svar: Hvad er sandsynligheden for, at en investering vil give et godt afkast?

“Et selskab kommer med et godt regnskab og har gode fremtidsudsigter, men nye tal for makroøkonomien peger samtidig i en retning, som ikke er gunstig for selskabet. Hvad bliver konklusionen så?”

For at kunne gøre dette kræves det, at man som investor kan overskue store datamængder og gennemskue alle de kausale sammenhænge imellem data. Det vil sige, hvordan én type information påvirker noget andet information.

Det kan være, at et selskab kommer med et godt regnskab og har gode fremtidsudsigter, men at nye tal for makroøkonomien samtidig peger i en retning, som ikke er gunstig for selskabet. Hvad bliver konklusionen så? Her kan probabilistisk AI hjælpe os, da disse modeller netop kan sammenholde data og udlede en konklusion baseret på sandsynligheder.

I AI Alpha Lab er vi specialister i probabilistisk AI – også kaldet sandsynlighedsbaseret machine learning. Vi har med vores hold af økonomer og fysikere udviklet et såkaldt bayesiansk neuralt netværk, som er godt til lige netop det, investorer forsøger hver gang, de foretager en investering: Optimal beslutningstagen under usikkerhed.

Helt centralt og unikt ved vores AI-model er den bayesianske statistik, modellen hviler på, og som er i stand til at kombinere eksisterende information med ny information på en statistisk efficient vis.

Et eksempel fra lægevidenskaben

Det, vi virkelig godt kan lide ved den bayesianske formalisme, er, at den så let egner sig til stort set alle situationer i vores liv (vi lever jo i en usikker verden). Forestil dig fx, at du er en læge, der gerne vil vide, hvordan man skal informere en patient, der netop er testet positiv for en sjælden sygdom. Hvor meget mere sandsynligt er det, at patienten rent faktisk har denne sygdom, når patienten er testet positiv?

Lad os give et konkret eksempel: En patient går til lægen. Lægen udfører en test med en 99 procents pålidelighed, dvs. at 99% af de syge tester positivt, og 99% af de raske tester negativt. Lægen ved, at kun 1% af befolkningen i landet er syg. Nu er spørgsmålet: Hvis patienten tester positiv, hvad er chancerne så for, at patienten rent faktisk er syg?

Det intuitive svar er 99%, men det rigtige svar er 50%!

Løsningen på spørgsmålet kan let beregnes ved hjælp af Bayes’ formel. Thomas Bayes, som var præst og er fader til Bayesiansk sandsynlighedslære, levede fra 1702 til 1761. Han udtalte, at sandsynligheden for, at du tester positiv OG er syg, er et produkt af sandsynligheden for, at du tester positiv, GIVET at du er syg, og den “forudgående” sandsynlighed for at du er syg (prævalensen i befolkningen).

Bayes formel giver mulighed for at beregne en betinget sandsynlighed baseret på den tilgængelige information.

Bayes’ Teorem

• P(A) er sandsynligheden for hændelse A.
• P(B) er sandsynligheden for hændelse B.
• P(A|B) er sandsynligheden for at observere begivenhed A, hvis B er sand.
• P(B|A) er sandsynligheden for at observere begivenhed B, hvis A er sand.

Bayes’ formel er blevet brugt til at løse mange komplekse problemer inden for kvantefysik, atomfysik, medicinsk diagnosticering og avanceret dekryptering. Da formler ikke er alles kop te, kan forklaringen på spørgsmålet ovenfor opsummeres ved hjælp af følgende tabel, der illustrerer scenariet i en hypotetisk befolkning på 10.000 mennesker:

I dette scenarie er P(A) den ubetingede sandsynlighed for sygdom. P(A) er 100/10.000 = 0,01. P(B) er den ubetingede sandsynlighed for en positiv test. P(B) er 198/10.000 = 0,0198.

Det, vi gerne vil vide, er P(A|B), dvs. sandsynligheden for sygdom (A), givet at patienten har en positiv test (B).

Vi ved, at prævalensen af sygdom (den ubetingede sandsynlighed for sygdom) er 0,01 eller 1%. Dette er repræsenteret ved P(A). Derfor vil der i en befolkning på 10.000 være 100 syge og 9.900 ikke-syge.

Vi ved også, at testens følsomhed er 99%, dvs. P(B|A) = 0,99. Derfor vil 99 blandt de 100 syge teste positivt.

Vi ved også, at specificiteten også er 99%, eller at der er en fejlrate på 1% hos ikke-syge. Derfor vil 99 blandt de 9.900 ikke-syge have en positiv test. Af disse tal følger det, at den ubetingede sandsynlighed for en positiv test er 198/10.000 = 0,0198. Dette er P(B). Således er P(A|B) = (0,99 x 0,01) / 0,0198 = 0,50 = 50%. Fra ovenstående tabel kan vi også se, at givet en positiv test er sandsynligheden for sygdom 99/198 = 0,50 = 50%.

Kompleksiteten er større, når det kommer til investering

Selv et relativt simpelt eksempel som det ovenfor vil være uoverskueligt for de fleste mennesker, og kompleksiteten af data er proportionalt større, når det kommer til investering. Derfor er det i vores optik ikke så underligt, at de fleste investorer ikke kan levere bedre afkast end markedet over tid.

Vi tror på, at der er behov for mere sofistikerede modeller til at hjælpe investorer med at analysere de enorme datamængder, der er til rådighed, og som ofte kan pege i mange retninger.

Ved at basere investeringsbeslutninger på videnskabelige og statistisk funderede modeller, som det nu faktisk er muligt at gøre i praksis grundet den computerkraft, vi har til rådighed, kan investorer træffe mere velinformerede investeringsbeslutninger. I AI Alpha Lab søger vi at gøre vores AI-model så let tilgængelig som muligt, idet vi mener, at AI ikke skal være forbeholdt de få, men komme så mange som muligt til gode.

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 LabsMAR disclosureog rullende12 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 Global Quality AI Portfolio.

Dette materiale blev offentliggjort første gang den 12. august 2024 kl. 09.15.

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.