På baggrund af den gode interesse i sidste måned viser vi igen, hvilke danske aktier vores AI-model vælger lige nu. Samtidig prøver vi gennem det såkaldte Monty Hall-problem at belyse, at den menneskelige hjerne ikke er særlig god til at tænke i betingede sandsynligheder.

Nedenfor ses aktierne i vores Danish High Conviction Portfolio for oktober. Du kan også se, hvilke aktier porteføljen valgte for september i sidste måneds blogindlæg. Aktierne er valgt af vores AI-model. Modellen kan investere i de 25 aktier fra OMX C25 indekset og udvælger de 5 aktier, den tror mest på. Porteføljen ligevægtes med 20% til hver aktie og rebalanceres hver måned. På baggrund af porteføljens høje koncentration bør den fungere som input til en investeringsproces, men ikke som en selvstændig strategi.

Aktie	Ticker	Vægt
FLSmidth & Co.	FLS.CO	20%
Rockwool (ny i oktober)	ROCK-B.CO	20%
Ambu	AMBU-B.CO	20%
Vestas Wind Systems	VWS.CO	20%
Pandora	PNDORA.CO	20%

Performance	AI Model	Ligevægtet univers
Total Return	150.5%	38.7%
YTD	-2.2%	0.8%
1 Year	16.2%	20.2%
3 Years (ann.)	17.3%	5.3%
Since Inception. (ann.)	27.8%	9.1%
Max Drawdown	-35.8%	-29.8%
Ann. volatility	27.2%	20.8%
Sharpe Ratio	0.97	0.49

Er hjernen god til at tænke i betingede sandsynligheder?

Investorer skal navigere gennem og analysere store mængder information, når de skal træffe investeringsbeslutninger. Dertil kommer, at investorer ligeledes skal være i stand til at gennemskue, hvordan forskellige typer information påvirker hinanden.

Eksempelvis kan en type data indeholde information, som peger i en retning, og en anden type data kan indeholde information, som peger i modsat retning, og tilsammen peger de to typer data i en helt tredje retning.

For at navigere effektivt i forskelligartet og usikker data og på baggrund af disse træffe de bedst mulige investeringsbeslutninger, mener vi, at en investor skal kunne tænke i sandsynligheder og betingede sandsynligheder (hvor sandsynligheden for en begivenhed afhænger af den forudgående information).

Det er den menneskelige hjerne ikke særlig god til, hvilket vi giver et eksempel på nedenfor. Derfor er “probabilistisk AI” (en sandsynlighedsmodel) et rigtig godt værktøj til at hjælpe investorer med at træffe investeringsbeslutninger på baggrund af det mest sandsynlige, som data kan fortælle os.

Monty Hall-problemet

Monty Hall-problemet er et klassisk sandsynlighedsspil, der har forvirret og fascineret folk i årtier. Opkaldt efter værten for det amerikanske tv-show “Let’s Make a Deal”, Monty Hall, giver dette problem en interessant indsigt i, hvorledes vi mennesker håndterer information og sandsynligheder.

Monty Hall-problemet er følgende: Du er deltager i et tv-show, og du bliver præsenteret for tre døre. Bag en af dørene er der en værdifuld præmie, mens der bag de to andre døre er geder. Du vælger en dør, fx dør nr. 1.

Værten, Monty Hall, som ved, hvad der er bag hver dør, åbner derefter en af de resterende to døre for at afsløre en ged. Lad os sige, at han åbner dør nr. 2. Nu står du over for et valg: Hold dig til dit oprindelige valg (dør nr. 1) eller skift til den anden uåbnede dør (dør nr. 3). Hvad skal du gøre for at maksimere dine chancer for at vinde præmien?

Langt de fleste deltagere i tv-showet valgte ikke at skifte dør og begrundede valget med, at de ville ærgre sig mere over at have fravalgt den rigtige dør, end de ville glædes over at skifte dør og vinde.

Dette fænomen kaldes anker-effekten og kendes i den grad også inden for investering. Vi mennesker har det med at forelske os i vores egne ideer eller valg. Men det kontraintuitive svar på dette problem er, at du altid skal skifte dør. Ved at gøre det øges dine chancer for at vinde præmien fra 1/3 til 2/3.

I problemet ændrer Monty Halls handling sandsynlighedsfordelingen. Det første valg af dør nr. 1 havde 1/3 chance for at være korrekt, men efter Monty Hall afslører en ged bag dør nr. 2, øges sandsynligheden for, at dør nr. 3 er det korrekte valg, til 2/3.

Forklaringen er, at der ved det første valg af dør er 1/3 sandsynlighed for at vælge rigtigt. Dermed er der 2/3 sandsynlighed for, at præmien er bag en af de to andre døre. Når den ene af de ikke-valgte døre afsløres, ændrer den samlede sandsynlighed på 2/3 for de to ikke-valgte døre sig ikke, men den kan nu alene relateres til den dør, som ikke er blevet åbnet.

Monty Hall-problemet giver værdifuld indsigt for investorer

Monty Hall-problemet demonstrerer vigtigheden af at forstå betingede sandsynligheder. Problemet er ofte kontraintuitivt, fordi vores oprindelige intuition normalt er, at skift ikke betyder noget, da man havde en 1/3 chance for at være korrekt fra starten. Denne intuition kan dog føre til ikke-optimale beslutninger, både i sandsynlighedsspil og i investeringsvalg.

Ligesom i Monty Hall-problemet står investorer over for valg, når de investerer. Det indledende investeringsvalg kan virke attraktivt, men det er vigtigt at revurdere og overveje alternativer, især under skiftende markedsforhold eller i lyset af nye data.

Beslutningen om at skifte investeringer kan føre til bedre resultater, ligesom dørskift kan øge chancen for at vinde præmien. Problemet er, at det kræver både et objektivt mindset (hvilket er meget svært) samt en model, som kan fortælle, hvad den nye information har af betydning for investorens oprindelige valg.

Monty Hall-problemet er mere end blot en hjernevrider-øvelse. Det tjener som en værdifuld lektion i sandsynlighedsteori og beslutningstagning. Ved at forstå betingede sandsynligheder og undgå vildledende intuitioner kan investorer træffe mere informerede valg og øge deres chancer for succes på de finansielle markeder.

Ligesom at skifte døre i tv-showet kan føre til et bedre resultat, kan ny information, opnået fx via en AI-drevet sandsynlighedsmodel som vores, blive effektivt integreret i den eksisterende information og i sidste ende føre til mere velinformerede investeringsbeslutninger.

———————-

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 16. oktober 2023 kl. 10.25.

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.