Hvilke valueaktier vælger AI-modellen i marts?

I denne blog giver vi et indblik i, hvilke valueaktier vores AI-model tror på netop nu. Samtidig prøver vi at gennemgå det såkaldte Simpsons-paradoks, som påvirker alle investorer, hver gang de analyserer en aktie, men som meget få tager højde for.

Nedenfor ses 5 af top-10-aktierne i vores Global Value AI Portfolio for marts. Aktierne er valgt af vores AI-model. Modellen kan investere i aktierne i MSCI World Value-indekset (IWVL) og udvælger de 10% af aktierne fra indekset, den tror mest på. Porteføljen rebalanceres hver måned.

Figur 1: Performance-graf. Kilde: AI Alpha Lab.

Alle performancetal er baseret på simuleret modelporteføljeafkast for perioden 01.01.2020 – 29.02.2024. 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.

Nu kan du investere med AI Alpha Lab på to måder
AI Alpha Lab lancerede i slutningen af 2023 en global investeringsforening, hvor aktierne vælges af deres sandsynlighedsbaserede AI-model. Selv om foreningen er helt ny, har den på rekordtid tiltrukket en masse investorer. På under 2½ måned rundede den 1.000 investorer. Den er selvfølgelig tilgængelig for handel på Nordnet, også via aktiesparekontoen. Ønsker du selv at investere i enkeltaktier, har du via Nordnet det seneste års tid kunne abonnere på AI Alpha Labs investeringsanalyse porteføljer. Abonnementet er fra februar 2024 udvidet med en dansk portefølje i tillæg til de to oprindelige amerikanske og nordiske porteføljer.

Afdækning af Simpsons paradoks

De færreste investorer er klar over, at hver gang de fortager en investering, står overfor Simpsons paradoks. I denne blog vil vi belyse, hvad dette paradoks er, og vi kan allerede nu afsløre, at probabilistisk AI er et effektivt framework til at løse den udfordring, som Simpsons paradoks indebærer.

Simpsons paradoks er et statistisk fænomen, der ofte forbløffer forskere og analytikere, og som har vidtrækkende implikationer inden for forskellige områder, herunder finans og investering. Paradokset opstår, når en tendens eller et forhold inden for et datasæt vender eller forsvinder, når data opdeles eller grupperes på en anden måde. Inden for finansverdenen, hvor dataanalyse er afgørende for at træffe velinformerede investeringsbeslutninger, er det vigtigt at forstå Simpsons paradoks.

Simpsons paradoks er opkaldt efter den britiske statistiker Edward H. Simpson (1922-2019), og det kan bedst illustreres med et klassisk eksempel inden for investering. Forestil dig, at vi analyserer afkastet fra to investeringsporteføljer over en bestemt periode.

Portefølje A har et højere gennemsnitlig afkast i forhold til Portefølje B. Imidlertid opdager vi, når vi opdeler data efter risikoniveau (altså introducerer en ny variabel i vores analyse), at Portefølje B konstant er bedre end Portefølje A inden for hver risikokategori. Dvs. Portefølje B har bedre risikojusteret afkast på trods af, at den har et lavere gennemsnitligt afkast. Dette illustrerer essensen af Simpsons paradoks.

Simpsons paradoks opstår, når datagrupper viser en bestemt tendens, men denne tendens vendes, når grupperne kombineres. At forstå og identificere dette paradoks er vigtigt for at kunne fortolke data korrekt.

Et endnu mere konkret eksempel er en præcisionskonkurrence om at løse flest kryds og tværs korrekt over to dage mellem dig og en ven. Din ven løser en højere andel end dig begge dage, men betyder det så, at din ven har løst en højere andel end dig, når de to dage kombineres? Ikke nødvendigvis!  

Lørdag løste du 7 ud af 8 kryds og tværs korrekt, men din ven løste 2 ud af 2 korrekt. Du løste altså flere kryds og tværs korrekt, men din ven var mere præcis. Søndag forsøgte du kun med 2 kryds og tværs og løste 1 korrekt. Din ven løste 5 ud af 8 kryds og tværs korrekt og glædede sig igen over en højere andel.

Dog handler konkurrencen om at løse flest kryds og tværs korrekt over de to dage, ikke på individuelle dage. Samlet set har du løst 8 ud af 10 kryds og tværs korrekt, mens din ven har løst 7 ud af 10 korrekt. Så på trods af, at din ven løste en større andel kryds og tværs korrekt hver dag, vandt du faktisk konkurrencen ved at løse den højere andel over begge dage. Dette er et eksempel på Simpsons paradoks.

I hjertet af Simpsons paradoks ligger begrebet skæv aggregering. Når data kombineres uden at tage hensyn til underliggende variable, de kausale forhold imellem data, eller udeladt data, kan der opstå vildledende konklusioner.  

I finansiel dataanalyse kan dette forekomme, når investorer udelader væsentlige data eller inkluderer nye data. Eksempelvis kan et nyt regnskab for en virksomhed se rigtig godt ud, men sammenholdt med eksisterende data, eksempelvis det nuværende makroøkonomiske miljø eller investor-sentiment, kan virksomheden være en dårlig investering.

Simpsons paradoks er et fascinerende statistisk fænomen med dybe implikationer inden for finans og investering. Investorer er nødt til at anerkende, at aggregerede data ofte kan skjule kritiske tendenser og sammenhænge.

Ved at omfavne en mere nuanceret tilgang til dataanalyse i form af de avancerede statistiske modeller, som ligger i begrebet AI, kan investorer i højere grad inkorporere store mængder data på en efficient måde. Derved tages der både højde for informationen i det enkelte datasæt, men også kausaliteten eller påvirkningen imellem datasæt og investorer kan derfor i sidste ende træffe mere informerede beslutninger.

I AI Alpha Lab er vi specialister i probabilistisk AI. Essensen af brugen af probabilistisk AI inden for investering er netop at kunne beregne alle de mulige fremtidige afkastscenarier for en aktie, mens det sikres, at beregningen tager højde for samspillet mellem store mængder data. På den måde tager vi i AI Alpha Lab højde for Simpsons paradoks, når vi vælger aktier.

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.

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 [05/03/2024 og 12:05].

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.