Hvilke norske aksjer vil AI-modellen velge i mars?

Les hvilke norske aksjer AI Alpha Labs AI-modell velger for mars og få innsikt i teorien og kunnskapen som er grunnlaget for AI-modellen vår. I vårt siste blogginnlegg begynte vi å forklare hvordan du tar valg basert på sannsynligheter. Dette blogginnlegget er den siste delen av den forklaringen.

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 – mars

Utvikling

Utviklingen er basert på simulert modellporteføljeavkastning for perioden 01.01.2020 – 28.02.2025. 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 2)

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?

Vi begynte å svare på det spørsmålet i vårt forrige blogginnlegg, blant annet ved å fremheve at et rammeverk basert på sannsynlighetstenkning er best for å sikre at prognosene våre er mest nøyaktige. Den menneskelige hjernen tar allerede sannsynlighetsjusterte beslutninger i mange hverdagssituasjoner, men ikke når vi lager børsprognoser. Vårt rasjonelle sinn er beheftet med bias og ego.

Prognoser inneholder en rekke begrensninger, men til tross for dette bør vi ikke la være å lage dem eller ignorere betydningen av dem. Vi må måle nøyaktigheten av prognosene våre og forbedre dem ved å sammenligne det vi trodde ville skje med det som faktisk skjedde. Til slutt bør prognoser også unngå vage formuleringer som «kunne», «kanskje» eller «sannsynligvis» og bruke tall for å øke nøyaktigheten.

Her i del 2 av bloggen fortsetter vi fra der vi dro med å forklare hvorfor gode prognoser må ha et såkalt “anker”.

Viktigheten av et anker

Fordi hver situasjon er unik, må du unngå forhastet dom i en sak. Den beste måten å nærme seg ethvert spørsmål på er å vedta et syn. Det betyr å oppdage den opprinnelige sannsynligheten for en hendelse.

Tenk deg for eksempel en italiensk familie som bor i et beskjedent hjem i USA. Far jobber som bibliotekar og mor har deltidsjobb i barnehage. De bor sammen med barna og bestemoren.

Hvis du ble spurt om hva sjansene er for at denne italienske familien eier et kjæledyr, kan du prøve å svare på spørsmålet ved å tenke på detaljene i livssituasjonen deres. Men hvis du tror det, kan du hoppe over noen viktige ting!

I stedet for å se på detaljene først, bør du begynne med å undersøke prosentandelen av amerikanske husholdninger som eier et kjæledyr. På noen få sekunder, takket være Google, vil du finne at dette tallet er 66 %. Det er din ytre visjon. Ved å gjøre det kan du nå se et indre syn. Det vil gi deg detaljene for å justere prosentandelen din riktig. I dette eksemplet av den italienske familien, starter med utsikten utenfor gir deg et første anslag: Det er omtrent 66 % sjanse for at denne familien vil eie et kjæledyr. Da kan du være mer spesifikk og justere denne verdien. Du kan for eksempel sjekke hvor mange italienske familier som bor i USA som eier kjæledyr.

Årsaken bak denne ytre visjonen kommer fra et konsept kalt ‘ankring’. Et anker er en startverdi, før enhver justering. Hvis du i stedet starter med dypere detaljer, vil prognosen din sannsynligvis være langt fra noe anker eller presis verdi.

Ekspertkunnskap og skjønnsmessige prognoser

En av de mest omfattende studiene av menneskelig beslutningstaking ble gjort av Philip Tetlock, professor i anvendt psykologi og statsvitenskap. Han gjennomførte et omfattende prognoseeksperiment mellom 1984 og 2003. Hvert år inviterte han eksperter fra en rekke felt, inkludert finans, og ba dem om å forutsi en rekke variabler knyttet til deres respektive vitenskapelige felt.

Eksperimentet ba om omtrent 28 000 spådommer om fremtiden og fant at prognosemakerne i gjennomsnitt ikke var bedre enn tilfeldig gjetting og vanligvis dårligere enn enkle lineære regresjonsmodeller. Denne konklusjonen er interessant, men i seg selv lite nyttig.

Studien så imidlertid også på kombinasjonen av skjønnsmessige ekspertprognoser og algoritmiske ankermodeller. Ekspertene ble forsynt med en basisvisning fra datamodellen og bedt om å forutsi “på toppen” av denne basissatsmodellen. Resultatet var at verdien av ekspertprognoser ble betydelig forbedret, da forankring reduserte både bias og (over)tillit til ekspertprognoser.

Vår tilnærming

Selv den beste investeringsanalysen som konkluderer med at et bestemt vekstselskap med gode kvalitetsegenskaper og et langsiktig konkurransefortrinn er en god investering, er likevel til liten nytte med mindre den kvantifiserer sannsynligheten for sin egen analyse. Hva er sannsynligheten for at en investering, basert på denne analysen, vil gi fremtidig avkastning, hvor stor er forventet avkastning og over hvilken horisont bør den materialisere seg?

De fleste investorer kan bare gi et vagt svar på disse spørsmålene, og hos AI Alpha Lab ser vi på dette som et av de største problemene med aktiv investering i dag.

På AI Alpha Lab har vi utviklet en AI-basert modell rutet i sannsynlighetstenkning. Vår AI-modell tar inn forkunnskaper, evaluerer problemet, kombinerer og oppdaterer. Den lager hele tiden sannsynlighetsvektede prognoser på fremtidig avkastning på finansielle eiendeler og investerer på grunnlag av disse eksakte prognosene.

Vi kan måle denne systematiske prosessen uke etter uke, måned etter måned, for å ha en utvalgsstørrelse som kan rettferdiggjøre vår tro på modellen. I motsetning til de fleste investorer, kan vi måle og kvantifisere hver handling eller investeringsprognose laget av modellen, summere dem sammen og meningsfullt snakke om å ha en kvantitativ fordel innen investering.

Etter vår mening har investorer for lenge søkt etter det riktige svaret på feil problem, basert seg på overparametriserte modeller, noe som har resultert i kun statistiske sannheter, og kompromittert de vitenskapelige prinsippene i modellbygging.

I dag kan vi gjøre det bedre. Vi har kunnskapen og datakraften til å bygge sannsynlighetsmodeller som overholder den fysiske virkeligheten vi lever i og er i stand til å finne årsaksstrukturer i komplekse datasett, noe som til slutt gjør det mulig for investorer å ta optimale beslutninger under usikkerhet.

Det kan høres teknisk eller uviktig ut, men det utgjør faktisk en grunnleggende forskjell. Det kan sammenlignes med to pokerspillere, hvor den ene spiller på grunnlag av sannsynligheter gitt sine egne kort og kortene på bordet, mens den andre spiller utelukkende på grunnlag av sine egne kort. For disse to spillerne kan alt skje i en enkelt runde, og over flere runder kan spilleren som ikke tenker i form av sannsynligheter lett vinne mange hender – men i det lange løp vil den sannsynlighetsbaserte spilleren alltid vinne.

Husk å lese vårt neste blogginnlegg hvor vi vil diskutere hva som bidrar til å skape en robust investeringsprosess og forklarer om prosessensemble.

~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.