Hvilke norske aksjer vil AI-modellen velge i januar?

Les hvilke norske aksjer AI Alpha Labs AI-modell velger i januar og få innsikt i teorien og kunnskapen som er grunnlaget for AI-modellen vår. I dette blogginnlegget skal vi forsøke å forklare hvordan du kan ta valg basert på sannsynligheter. Det gjør du allerede ellers i livet, bare ikke når du investerer.

Som vanlig starter vi hvert blogginnlegg med å vise noen aktuelle aksjevalg og utvikling fra en av våre porteføljer. Denne måneden er det fra vår Norwegian AI Focus Portfolio. Porteføljen er langsiktig, består av ca. 10 norske aksjer og alle aksjene er valgt utifra vår AI-modell.

Norwegian AI Focus Portfolio – januar

Utvikling

Utviklingen er basert på simulert modellporteføljeavkastning for perioden 01.01.2020 – 31.12.2024. Valuta: NOK. Equal Weighted Universe: En portefølje som består av alle aksjer fra aksjeuniverset med like stor vekt. Inkludert transaksjonskostnader på 0,2 % på alle handler. Gebyrer påløpt av investor, som administrasjonsgebyrer og depotkostnader, er ikke inkludert. Avkastningen som vises, er simulert og utgjør derfor ikke avkastning fra en faktisk investering i perioden. Det understrekes at historisk avkastning, enten faktisk eller simulert, ikke er en garanti for fremtidig avkastning, på samme måte som avkastningen kan variere som følge av svingninger i valutakurser.

Problemet med finansielle prognoser (del 1)

Vårt fokus på forskjellige spådommer gjennomsyrer de fleste områder av livet vårt. Dette gjelder værmeldinger, aksjemarkedet, sportsresultater, forretningsbeslutninger og til og med dagligdagse valg som livsforsikring eller når man skal krysse gaten. Men hvordan kan vi sørge for at våre prognoser blir mer presise?

Det er nettopp dette vi ønsker å utdype i denne bloggen. Men innlegget ble ganske langt, så vi har valgt å dele det i to deler. Del 2 av bloggen kommer – ikke overraskende – i vårt neste blogginnlegg.

Probabilistisk tankegang

Det korte svaret på spørsmålet i introduksjonen – hvordan vi kan gjøre prognosene våre mer presise – er en tilnærming basert på probabilistisk tankegang. Denne tilnærmingen justeres kontinuerlig med ny informasjon, og analyseres og forbedres i etterkant.

Vi skal ikke gå inn på de kvante- og Bayesianske konseptene som ligger til grunn for denne tilnærmingen, men vi ønsker å fremheve at denne måten å tenke på faktisk er svært aktiv i den ubevisste delen av hjernen vår. Den hjelper oss til å ta beslutninger basert på sannsynligheter i mange dagligdagse situasjoner, som å fange en ball eller kjøre bil.

Problemet er at den delen av hjernen vi bruker til å lage prognoser for aksjemarkedet, økonomien eller forretningsbeslutninger IKKE fungerer på denne måten. Vår rasjonelle tanke er preget av bias og ego. Folk har ofte overdreven selvtillit når det gjelder sine prognoser, og de ønsker ikke å ta feil. Disse problemene kan sabotere objektiv rasjonalisering, føre til at relevante mål overses, og resultere i feiltolkninger av fremtiden.

Det gode nyheten er at det riktige rammeverket for prognoser kan læres, og at komplekse maskinlæringsmodeller i stor grad kan støtte hjernen vår i å ta robuste beslutninger.

Fremtiden er ukjent

Vi lager prognoser hele tiden, enten det handler om å planlegge neste karrieresteg eller velge investeringer. Prognosene våre reflekterer generelt forventningene våre om hvordan fremtiden vil bli.

Likevel er prognosene begrensede, fordi ukjente hendelser kan føre til uforutsette konsekvenser. Usikkerhet oppstår fordi fremtiden har mange mulige utfall på forhånd, men kun ett faktisk utfall. Ved å se verden gjennom sannsynligheter kan man identifisere den mest sannsynlige fremtidige tilstanden, finne den minst motstandsdyktige veien, og skalere beslutningene sine i samsvar med sannsynligheten for at en spesifikk tilstand blir realisert.

Denne tilnærmingen øker sjansen for å ha rett, men eliminerer aldri risikoen for å ta feil.

Vi lever i en kompleks verden, der selv tilsynelatende små hendelser kan føre til store konsekvenser. Nok en gang skal vi ikke utdype de teoretiske årsakene til hvorfor det er så vanskelig å forutsi denne typen hendelser, men et klassisk eksempel fra kaosteorien, kalt «sommerfugleffekten», gir oss en forklaring:

Den amerikanske meteorologen Edward Lorenz oppdaget at i ikke-lineære systemer, som Jordens atmosfære, kan selv små endringer ha betydelig innvirkning. Hvis vindretningen endrer seg med en liten brøkdel, kan de langsiktige klimamønstrene endres drastisk. Forklart mer dramatisk: Hvis en sommerfugl slår med vingene i Brasil, kan det føre til en orkan i Texas.

Prognoser må vurderes nøye

Til tross for begrensningene bør vi ikke avfeie eller ignorere viktigheten av prognoser. La oss tenke på meteorologi som eksempel. Værmeldinger er relativt pålitelige når de lages noen få dager i forveien. Dette skyldes at meteorologer analyserer nøyaktigheten av prognosene sine etter hendelsen. Ved å sammenligne sine spådommer med faktisk vær, kan de bedre forstå hvordan været fungerer.

Problemet er at folk i andre felt vanligvis ikke måler nøyaktigheten av sine prognoser. For å forbedre prognosene våre må vi jobbe med presisjon og sammenligne hva vi trodde ville skje med hva som faktisk skjedde.

For eksempel var det medisinske feltet frem til midten av 1900-tallet preget av eksperter som stolte på sine mange års erfaring og trodde på en rekke forskjellige terapier og behandlinger. Men mange av disse viste seg å være feil, og noen forårsaket mer skade enn nytte.

Fremveksten av evidensbasert medisin var en utfordring for leger som stolte på sin erfaring. De var svært motstandsdyktige mot testene, da de anså dem som uetiske. Problemet her er at det å føle seg sikker ikke er det samme som å ha rett. Derfor er det nyttig å basere seg på data og målbare verdier for å unngå den informasjonsskjevheten vi mennesker har.

Prosent og nøyaktighet i prognoser

Å måle prognoser er ikke så enkelt som det høres ut. I tillegg til å samle inn prognoser, vurdere nøyaktigheter og gjøre beregninger, er det en rekke faktorer å ta hensyn til.

For å sikre nøyaktigheten av en prognose må man først forstå betydningen av den opprinnelige prognosen og den tilhørende tidshorisonten.

Prognoser bør unngå vag språkbruk og bruke tall for å øke presisjonen. Uklare ord som «kan», «muligens» eller «sannsynligvis» er vanlige i prognoser, men undersøkelser viser at folk tillegger slike ord forskjellige betydninger. Derfor må de som lager prognosene uttrykke seg så presist som mulig – for eksempel ved å bruke prosenter.

Tenk på hvordan amerikanske etterretningsorganisasjoner som NSA og CIA hevdet at Saddam Hussein skjulte masseødeleggelsesvåpen – en påstand som viste seg å være feil. Hadde disse byråene beregnet og brukt prosenter mer nøyaktig, kunne USA kanskje unngått å invadere Irak. Hvis det for eksempel var 60 % sannsynlighet for at Irak hadde masseødeleggelsesvåpen, ville det fortsatt vært 40 % sannsynlighet for det motsatte.

Vi avslutter her for nå, men husk å lese del 2 av bloggen neste måned. Der forklarer vi hvorfor gode prognoser må ha et «anker», vi ser på en av de mest omfattende studiene av menneskelige beslutningsprosesser av Philip Tetlock – og selvfølgelig viktigheten av dette når man investerer.

~O~

Ansvarsfraskrivelse

Dette blogginnlegget er utarbeidet av AI Alpha Lab ApS (AI Alpha Lab) og inneholder informasjon og inspirasjon for leseren. Innlegget må ikke betraktes som investeringsråd og kan ikke brukes som grunnlag for å kjøpe eller selge verdipapirer (eller avstå fra å gjøre det). AI Alpha Lab påtar seg intet ansvar for beslutninger basert på informasjonen i innlegget.

Dette innlegget er kun ment som informasjon og utgjør ikke, og skal ikke betraktes som, et tilbud, en oppfordring eller en invitasjon til å engasjere seg i investeringsvirksomhet eller som investeringsråd. Hvis investeringsstrategier eller verdipapirporteføljer nevnes, må leseren være klar over at disse ikke nødvendigvis er gunstige for alle investorer, og at AI Alpha Lab ikke kjenner hver enkelt lesers individuelle egenskaper som kunnskap, investeringserfaring, økonomi, risikopreferanser osv.

AI Alpha Lab har tatt alle rimelige forholdsregler for å sikre korrektheten og nøyaktigheten av informasjonen i innlegget, da den er basert på informasjon som er innhentet fra kilder som anses å være pålitelige. Imidlertid kan korrektheten og nøyaktigheten ikke garanteres. Informasjonen i innlegget kan endres uten varsel.

Leseren er ansvarlig for å vurdere informasjonen i innlegget og bestemme om den passer for deres egne omstendigheter og risikoprofil. Leseren bør søke uavhengig profesjonell rådgivning før de tar beslutninger basert på informasjonen i innlegget.

AI Alpha Lab fraskriver seg ethvert ansvar for tap eller skade som måtte oppstå direkte eller indirekte som følge av bruken av eller tiltro til informasjonen i innlegget, inkludert tap eller skade forårsaket av virus, tekniske feil eller utelatelser i innlegget.

Dette innlegget inneholder informasjon som kan betraktes som en investeringsanbefaling i henhold til markedsmisbruksforordningen (forordning 596/2014 fra Europaparlamentet og Rådet), dvs. informasjon som anbefaler eller foreslår en investeringsstrategi for ett eller flere finansielle instrumenter. Nordnet Bank, Karl Johans gate 16C, 0154 Oslo, har ikke deltatt i utarbeidelsen av materialet. AI Alpha Lab er ansvarlig for innholdet i materialet og at det er i samsvar med gjeldende lover og regler.

AI Alpha Lab og deres ansatte eier ikke selv aksjer i selskapene i den viste portefølje.

Spesiell oppmerksomhet rettes mot følgende:

• Historisk avkastning er ingen garanti for fremtidig avkastning, på samme måte som avkastningen kan variere som følge av valutasvingninger.

• Ved formidling av investeringsanbefalinger må en rekke opplysninger inkluderes for å sikre objektivitet og avsløring av potensielle interessekonflikter. Informasjonen kan finnes i AI Alpha Labs MAR disclosure og rullerende 12 måneders sammendrag av investeringsanbefalinger.