Kan AI udvælge aktier – hvad siger data?

Kan AI gøre os til bedre investorer? Kan AI skabe et bedre afkast end mennesker? Det er der mange, der har en holdning til – men hvordan undersøger man det?

En meget håndgribelig tilgang vil være at tage et kig på vores investeringsforenings afkast. Vores AI-model vælger alle aktier; den nærmer sig sin toårs fødselsdag, og har pr. 6. november 2025 givet 45,6% i afkast, mens det generelle aktiemarked i samme periode har givet 39,5%, repræsenteret ved iShares Core MSCI World UCITS ETF.

Men i vores øjne er omkring to år alt for kort tid til, at man kan drage nogen konklusioner. Som med det meste andet, vi laver, vil vi gå til spørgsmålet ovenfor med en videnskabelig tilgang. For at gøre det har vi brug for en hypotese, vi kan teste.

Vi er nået frem til, at den mest relevante hypotese er følgende:

• ”Kan vi afvise, at AI kan træffe gode investeringsbeslutninger?“

Mange vil nok synes, det er en lidt omvendt hypotese – hvorfor ikke hellere bekræfte det? Det kan du læse mere om nedenfor.

Du kan 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. Den er selvfølgelig tilgængelig for handel på Nordnet – også via aktiesparekontoen.

Ønsker du selv at investere i enkeltaktier, har du via Nordnet i de seneste 2½ år kunnet abonnere på AI Alpha Labs investeringsanalyseporteføljer. Abonnementet blev i februar 2024 udvidet med en dansk portefølje i tillæg til de to oprindelige – amerikanske og nordiske – porteføljer.

Du kan også følge AI Alpha Lab på Facebook og LinkedIn.

Videnskabens metode

Vi lever i en tid, hvor kunstig intelligens (AI) fylder mere og mere – i forskningen, i erhvervslivet og i den måde, vi træffer beslutninger på. Men der er en udbredt misforståelse, som går igen både i laboratoriet, på børsen og i mødet med AI: troen på, at teknologien eller dataene i sig selv leverer svarene.

Sandheden er den modsatte: God brug af AI begynder ikke med AI – den begynder med en hypotese. I videnskaben starter alt med et spørgsmål: Hvordan hænger det her sammen?

Forskeren formulerer en hypotese – en kvalificeret antagelse om, hvordan verden fungerer. En hypotese er ikke et bevis, men et forslag, der kan testes. Den videnskabelige metode handler derefter om systematisk at afprøve denne hypotese gennem observationer, eksperimenter og dataanalyse. Det afgørende er, at man ikke leder efter bekræftelse, men efter modbeviser.

En vigtig pointe, som mange uden for forskningsverdenen misforstår, er, at videnskaben sjældent beviser noget endegyldigt. I stedet søger man at modbevise hypoteser. Hvis en hypotese gang på gang overlever forsøg på at blive modbevist, opnår den større troværdighed – men den kan altid ændres, hvis ny evidens dukker op. En god forsker prøver aktivt at falsificere sin hypotese. Hvis det ikke lykkes, bliver den stærkere, men aldrig ufejlbarlig.

Et klassisk eksempel stammer fra videnskabsfilosoffen Karl Popper (1902–1994), der gjorde falsifikation til et centralt princip: En påstand er kun videnskabelig, hvis den kan falsificeres – altså hvis der kan tænkes et eksperiment, der kunne vise, at den er forkert. Eller med andre ord: En teori er kun videnskabelig, hvis den kan modbevises.

Det er netop denne evne til at blive udfordret, der adskiller viden fra overbevisning. Mange tror, at når “videnskaben har bevist noget”, så er det uigenkaldeligt sandt. I virkeligheden arbejder forskere med grader af sandsynlighed. Videnskabelig viden udvikler sig, når nye data ændrer vores forståelse.

En anden udbredt misforståelse er, at man kan “bevise” en sammenhæng blot ved at finde et mønster. Korrelation er ikke det samme som kausalitet – bare fordi to ting sker samtidig, betyder det ikke, at den ene forårsager den anden.

AI som videnskabeligt redskab, ikke som sandhedsorakel

AI er et kraftfuldt værktøj til at analysere data, finde mønstre og generere forslag. Det er dog kun så nyttigt som den hypotese, det arbejder ud fra.

Hvis man fodrer en AI-model med et dårligt formuleret spørgsmål, får man et hurtigt og velargumenteret – men stadig meningsløst – svar. Det er her, mange brugere fejler: De begynder med teknologien i stedet for tankegangen. Det samme princip gælder, når man investerer. Hver investering bygger på en investeringshypotese – en idé om, hvorfor en bestemt aktie, sektor eller strategi vil give afkast.

Den videnskabelige tilgang lyder således:

1. Formulér en hypotese. Hvad vil du undersøge eller afklare?
2. Brug AI til at teste eller udfordre den.
3. Led efter tegn på modbevisning – ikke bare på bekræftelse.

For eksempel kan en analytiker opstille følgende hypotese:
“Virksomheder, der investerer tidligt i bæredygtig teknologi, har bedre langsigtet indtjening.”

AI kan derefter hjælpe med at analysere regnskaber, markedstendenser og nyhedsdata for at teste, om hypotesen holder – eller skal forkastes. AI bliver her ikke en spåkugle, men et værktøj til systematisk tvivl.

Ligesom forskeren må investoren acceptere, at en hypotese kan vise sig at være forkert – og handle derefter. Det er ikke et nederlag, men en del af den videnskabelige proces.

I AI Alpha Lab møder vi ofte udsagnet: “Jeg tror ikke på, at AI kan skabe gode investeringsafkast.” Det er en problematisk tilgang, som ofte ikke bunder i andet end gisninger og halve sandheder. I stedet bør investorer – i vores optik – tilgå nye investeringsmuligheder, herunder AI, med følgende tilgang:
“Jeg tror på, at AI kan forbedre mine afkast – men lad mig prøve at modbevise det.”

Markedet som laboratorie

Investeringer er i bund og grund eksperimenter i økonomisk adfærd. Hver beslutning bygger på en hypotese om fremtiden. En investor kan for eksempel tænke: “Renten vil falde inden for et år, og det vil gavne ejendomsaktier.”

Hypotesen kan testes gennem dataanalyse, makroøkonomiske indikatorer og tidligere mønstre – noget, AI kan hjælpe med i stor skala. Men som i videnskaben skal man ikke kun søge bekræftelse; man skal spørge: Hvad kan modbevise min antagelse?

Hvis inflationen pludselig stiger, eller centralbankerne signalerer det modsatte, må hypotesen justeres. Investering bliver på den måde et eksperiment – ikke et dogme.

Fejlen mange begår

Både forskere, investorer og AI-brugere kan falde i den samme fælde – confirmation bias, dvs. tendensen til at søge beviser, der støtter det, man allerede tror på.

En investor, der er forelsket i teknologisektoren, eller en dataanalytiker, der allerede “ved”, hvad AI skal finde, vil næsten altid få det svar, de leder efter. De lærer bare ingenting nyt. Den videnskabelige tilgang kræver det modsatte: at man leder efter sprækkerne i sin egen logik. Det er dér, erkendelsen opstår.

Et eksempel: En investor tror, at “teknologiaktier altid stiger på lang sigt.” Hvis vedkommende kun læser positive nyheder om Apple og Microsoft og ignorerer faldende marginer i mindre tech-virksomheder, tester han ikke sin hypotese ærligt – han beskytter blot sit ego.

En mere videnskabelig tilgang ville være at spørge: “Under hvilke forhold klarer teknologiaktier sig ikke godt?” eller “Hvad kan modbevise min tese?” Denne tankegang hjælper investoren med at opdage svagheder i sin strategi, før markedet gør det.

Konklusion

Uanset om man arbejder i et laboratorium, på et investeringskontor eller med en AI-model, gælder den samme regel: Tænk først – spørg derefter. Videnskaben lærer os, at sandheden sjældent er absolut, men altid kan udfordres. Det samme gælder investering. Den bedste investor er ikke den, der altid har ret, men den, der hurtigst opdager, når han tager fejl – og handler rationelt på det.

AI kan hjælpe os med at analysere, simulere og forudsige – men det kan ikke definere, hvad der er værd at undersøge. Det kræver menneskelig nysgerrighed og evnen til at formulere en klar hypotese.

Så når man vil bruge AI effektivt, skal man ikke starte med at spørge: “Hvad kan AI fortælle mig?”

I stedet skal man spørge: “Hvilken hypotese kan jeg teste – og hvordan kan AI hjælpe mig med at udfordre den?” Det er ikke AI, der gør os klogere; det er måden, vi tænker på, før vi bruger den.

At tænke videnskabeligt – at opstille hypoteser, teste dem, søge modbeviser og opdatere sine konklusioner – er måske den mest undervurderede investeringsstrategi af dem alle.

I AI Alpha Lab bruger vi kunstig intelligens til at investere, men helt fundamentalt er vores virksomhed bygget på en hypotese: “Kan vi afvise, at AI kan træffe gode investeringsbeslutninger?”

Vi søger hver dag at modbevise denne hypotese – og indtil videre er konklusionen klar: Vi kan ikke modbevise, at AI kan træffe gode investeringsbeslutninger.

Baseret på de seneste godt fem år, hvor vores AI-model har været i funktion, samt de 20 års data, vi har testet modellen på tværs af alle likvide aktiemarkeder, viser resultaterne tydeligt, at en velgennemtænkt AI-model kan slå markedet signifikant over tid.

Er det ensbetydende med, at det også vil være sådan i fremtiden? Nej. Som nævnt ovenfor er det bedste, vi kan gøre, løbende at betvivle og teste vores model. Så længe vi kan afvise, at den ikke virker, kan vi have tiltro til, at vi også fremover vil kunne skabe et merafkast i forhold til det generelle aktiemarked.

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 andele i AI Alpha Labs investeringsforening.

Dette materiale blev offentliggjort første gang den 10. november 2025 kl. 09.00.

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.