Syv år med Dagens case - resultater (29. mai 2007)


Av forskningssjef Geir Linløkken

Abstract: Investtech har publisert daglige aksjecase på Oslo Børs i snart 7 år. To tenkte porteføljer bestående av aksjer blant disse casene, har vist solid meravkastning i forhold til hovedindeksen på Oslo Børs. En sensitivitetsanalyse viser at modellen synes robust for parameterendringer, samtidig som den identifiserer områder for ytterligere avkastningspotensiale.

Dagens case

Investtech startet abonnementstjenester på Oslo Børs i juni 1999. Ett år senere, 20.6.2000, lanserte vi dagens case som en ny tjeneste til våre abonnenter. Hver morgen får abonnentene presentert en aksje som våre analytikere tror skal stige den nærmeste tiden. I tillegg til et teknisk chart, gis det en kort beskrivelse av aksjen, med begrunnelse for hvorfor nettopp den skal stige. Det vises også en oversikt over hva innsiderne i aksjen har gjort, med tanke på om disse er fundamentalt positive eller negative. Det konkluderes med om aksjen er nøytral, svak kjøp eller ren kjøp på kort og mellomlang sikt. Figuren under viser et eksempel.


Figur 1. Eksempel på dagens case fra Investtech.com. Hver dag velges en aksje som Investtechs analytikere, basert på automatisk teknisk analyse og innsidehandelanalyse, tror skal stige i tiden framover.

Vi har to ganger tidligere gjort undersøkelser av porteføljer basert på dagens case-anbefalinger. Den første var for perioden fram til 31.8.2004 og den andre gikk fram til 16.12.2005. Begge viste at ved å investere i porteføljer bestående av dagens case-aksjer, kunne man fått en solid meravkastning i forhold til Hovedindeksen på Oslo Børs. Les rapporten fra 2004 og rapporten fra 2005. Nå skal vi se på hvordan det har gått i perioden fra 1.1.2006 fram til 18.5.2007, samt oppdatere resultatene siden starten 20.6.2000.

Porteføljemodell

Vi skal studere hvilken avkastning man kunne fått ved å følge dagens case, og bruker følgende utgangsmodell:

  • Data fra 20.6.2000 til 16.5.2007 er brukt som grunnlag for statistikken. I denne tidsperioden falt hovedindeksen på Oslo Børs først med ca 50%, for så å stige med nesten 500%, slik at den sluttet 148% over der den startet. Vi har dermed fått statistikk fra både nedgangs- og oppgangsperioder, samt fra flere sidelengse perioder underveis. Årlig gjennomsnittsavkastning på hovedindeksen i perioden var 14%.
  • Porteføljene og beregningene er 100% automatiske basert på de foreliggende og dokumenterte casene og morgenrapportene.
  • Et selskap som har fått vurderingen "Kjøp" gis en score på 100. "Svak kjøp" gir 50, mens "Avvent" gir 0.
  • Scoren avtar automatisk med tiden, slik at kjøpsvurdering (100 poeng) etter 10 dager bare er verd ca 75 poeng, etter 22 dager ca 50 poeng, etter 66 dager ca 25 poeng og etter 132 dager ca 6 poeng.
  • Dersom selskapet senere er omtalt i en morgenrapport, og da får en negativ vurdering, settes score til -100 på den dagen selskapet var i morgenrapporten. Selskaper som blir teknisk negative kan altså gå ut av porteføljen uten at de har blitt valgt som salgscase.
  • Porteføljen består av de 6 aksjene som til enhver tid har høyest score. Antallet 6 gir en passende risikospredning samtidig som det ikke blir altfor mange aksjer å følge med på, eller krever altfor stor kapital for å handle effektivt med hensyn på kurtasje.
  • For å hindre altfor hyppige utskiftninger i porteføljen, får aksjer som allerede er inne en "bonusscore" på 25 eller 50 poeng. Det betyr at en aksje vanligvis trenger en ren kjøpsanbefaling for å komme inn, mens den kan bli værende i porteføljen selv om den bare får en svak kjøpsanbefaling.
  • Hvert selskap i porteføljen vektes likt (med 1/6), og porteføljen rebalanseres hver dag.
  • Siste kjente kurs, det vil si sluttkurs den dagen analysen ble laget, brukes som inngangs/utgangskurs.
  • Selskaper med omsetning helt ned til 100000 kr pr dag kan velges som dagens case av Investtechs analytikere. Alle selskaper som har vært valgt ut som dagens case inngår i utvalget til porteføljen. Dette inkluderer aksjer som ikke lenger er notert på Oslo Børs grunnet for eksempel oppkjøp, fusjon eller konkurs.
  • Kurser justeres for splitter, utbytte, fisjoner, tegningsretter og andre kapitalendringer.
  • Referanseindeks er hovedindeksen på Oslo Børs, OSEBX.

Kortsiktig portefølje

Her brukes Investtechs kortsiktige casevurdering som grunnlag for score-beregning. Det gjøres daglig oppdatering av porteføljen og det gis en bonusscore på 25 poeng til gamle porteføljeaksjer (slik at en aksje med kjøpsanbefaling blir liggende minst 10 dager før en ny aksje med kjøpsanbefaling kan dytte den ut).


Case kort sikt, 2006-2007 109% 68% 54% 364 9.8% 14.5% 2.56
Hovedindeksen 46% 31% 31% 9.1%

Figuren og tabellen over viser utviklingen til Investtechs kortsiktige casevurderinger (blå kurve) mot Hovedindeksen for 2006-2007. Avkastning var 109% totaltfor perioden og 54% årlig etter kurtasje. Porteføljen har fulgt indeksen veldig bra (lav tracking error) og information ratio er meget sterk. Meravkastning har kommet både i perioder der indeksen har utviklet seg svakt, spesielt mai-juni i fjor, og i perioder med sterk børsutvikling. Detaljer

Volatilitet: Et mål for variasjonene til en portefølje, indeks eller aksje over tid. Vi bruker månedsvolatilitet som angir gjennomsnittlig forskjell mellom laveste og høyeste kurs i løpet av en måned, beregnet over hele tidsperioden.
TE - Tracking Error: Beskriver volatiliteten mellom et fonds eller en porteføljes avkastning og avkastningen til referanseindeksen. Kalles også for aktiv risiko.
IR - Information ratio: En mye brukt metode, som sier noe om hvordan fondet eller porteføljen gjør det i forhold til referanseindeksen. Høy og positiv information ratio betyr at forvalterne har gjort det bedre enn markedet de måles mot. Negativ information ratio betyr at de har gjort det dårligere enn referanseindeksen. Verdier over 1.0 regnes som meget godt. IR i tabellene her er regnet før kurtasje, så resultatet etter kurtasje blir noe svakere.


Case kort sikt, 2000-2007 1766% 52% 38% 2012 13.4% 25.6% 1.48
Hovedindeksen 152% 14% 14% 8.7%

Figuren og tabellen viser utviklingen til Investtechs kortsiktige casevurderinger mot Hovedindeksen siden oppstarten i midten av 2000. Avkastning var 1766% totaltfor perioden og 38% årlig etter kurtasje. I store trekk ser vi at porteføljen følger indeksen, men at den stiger mer når indeksen stiger og faller mer når indeksen faller. Dette er ikke overraskende: Når totalmarkedet er negativt, vil færre kjøpssignaler slå til. Kjøp på støtte, som er en god strategi når markedet stiger, vil fungere svært dårlig hvis markedet faller og støtten blir brutt, for da blir i stedet et salgssignal utløst. En portefølje basert på kjøpssignaler vil derfor fungere bedre i et stigende marked enn i et fallende marked. Dette kan også delvis være en effekt av risiko, som er en del høyere for porteføljen enn for Hovedindeksen. Detaljer

Sensitivitetsanalyse
Avkastningen over er basert på standardporteføljen som beskrevet over. Vi ønsker å se hvor robust denne porteføljemodellen er med tanke på endringer i parametre. Dette er viktig for å se om de gode resultatene over skyldes tilfeldigheter, eller om vi får tilsvarende resultater med variasjoner i parametrene.

I hele denne seksjonen vises to grafer per parameter vi tester. Grafen til venstre gjelder porteføljen på hele perioden 2000-2007, mens grafen til høyre gjelder 2006-2007. Kommentaren vil gjelde observasjonene for hele perioden, hvis ikke annet framgår av teksten.

Antall aksjer

Sensitivitetsanalyse på antall aksjer i porteføljen. Grafen viser avkastning bedre enn indeks for alle porteføljer på 4 til 30 aksjer. For porteføljer med 1, 2 eller 3 aksjer er avkastningen etter kurtasje svakere enn indeks. Dette kan ha sammenheng med at så få aksjer gir meget hyppige skifter i porteføljen, og at porteføljeaksjene da ikke får med seg den oppgangen som forventes før de blir byttet ut. I tillegg vil kurtasjekostnaden her være større. Med så få som 1-3 aksjer i porteføljen, kan dessuten tilfeldigheter lett spille inn.
Grafen viser god avkastning spesielt hvis vi har mellom 6 og 12 aksjer i porteføljen. Grafen er relativt glatt over hele parameterområdet, og modellen anses dermed robust med hensyn på valg av antall aksjer i porteføljen.

Bonusscore

Sensitivitetsanalyse på bonusscore. Aksjer som allerede er inne i porteføljen får en bonusscore for å hindre altfor hyppige utskiftninger. Vi ser at økende bonusscore gir økende avkastning for bonusscores opp til 50 poeng. Dette indikerer at aksjer i porteføljen trenger å få tid på seg før de innfrir det forventede potensialet. Med en bonusscore på 50 vil en kjøpskandidat bli værende i porteføljen i ca en måned før den byttes ut av en ny (og fersk) kjøpskandidat. Bonusscores over 50 vil imidlertid gi svakere avkastning igjen, noe som indikerer at mesteparten av det kortsiktige potensialet tas ut i løpet av en måned.
Alle variasjoner over bonusscore gir positiv avkastning, og grafen er relativt glatt, så modellen anses robust overfor endringer i denne parameteren.
Den høyre grafen, som gjelder perioden 2006-2007, viser at avkastningen er veldig bra med lav bonusscore, mens den er mer på linje med indeks for bonusscore på 60 og oppover. En mulig forklaring på dette, er at markedet kan ha blitt mer kortsiktig, slik at kjøpssignaler innfris fortere, og at aksjene deretter reagerer tilbake igjen, slik at avkastningen faller om man holder aksjene for lenge (høy bonusscore). Grafen er ganske ujevn, noe som indikerer at det er en del tilfeldigheter med i bildet med så kort tidsperiode som 16-17 måneder. Det er dermed for tidlig å trekke noen konklusjoner på dette.

Handelsforsinkelse

Sensitivitetsanalyse på handelsforsinkelse. Grafen viser hvilken innvirkning handelstidspunktet har på avkastningen. En handelsforsinkelse på 0 betyr at man kjøper til siste kjente sluttkurs, som er den samme kursen som analysen er bygget på. Handelsforsinkelse 0.5 betyr at man kjøper på neste dags åpningskurs, det vil si den første mulige kursen etter at analysen er publisert. Handelsforsinkelse 1 betyr at man kjøper på neste dags sluttkurs, etc. De blå punktene angir porteføljeavkastning før kurtasje, mens de grønne angir avkastning etter 0.2% kurtasje pr handel.
I praksis vil det være vanskelig å handle til gårsdagens sluttkurs. At det er gitt et kjøpssignal og aksjen er valgt til dagens case betyr jo at den er forventet å stige. Grafen viser da også at dette skjer, i og med at avkastningen er vesentlig lavere ved å handle på neste dags sluttkurs (man får altså en dårligere inngangskurs). Hvis man derimot venter 4-5 dager ser vi at avkastningen tar seg bra opp igjen. Det kan se ut som om aksjene derfor overreagerer oppgangen på dag 1, og at man kan få vesentlig bedre kurser ved å vente på en reaksjon tilbake den nærmeste uken. Falske kjøpssignaler kan dessuten gi kraftige reaksjoner i motsatt retning, og man vil da ikke tape så mye på slike investeringer hvis man avventer kjøpet noen dager.
Hvis man derimot venter så mye som 10-20 dager med å handle på de kortsiktige casene, vil mesteparten av oppsiden være tatt ut, og man oppnår en avkastning på linje med indeksen.

Minimumslikviditet

Sensitivitetsanalyse på minimumslikviditet. Grafen viser avkastning ved forskjellige grenser for minimum påkrevd likviditet for å komme i betraktning for porteføljen. Likviditetsgrenser angis i gjennomsnittlig millioner kroner i omsetning per dag.
Et problem med endring av likviditetsparametre, er at høyere minimumslikviditet eller lavere maksimumslikviditet (som vi skal se på etterpå) gir færre aksjer å velge blant. De publiserte casene ble valgt med likviditetskrav minimum 0.1 mill kr pr dag, og vi kan ikke velge nye cases nå med et høyere likviditetskrav. Jo høyere krav vi setter til minimumslikviditet, jo færre aksjer får vi dermed å velge blant, og jo lavere blir scoren til de aksjene som kommer med i porteføljen.
Overordnet kan vi si at jo høyere krav vil setter til likviditet jo svakere blir avkastningen. Dette var ventet, da utvalget på Oslo Børs og blant Investtechs cases blir vesentlig dårligere når vi krever likviditet over for eksempel 2 millioner kroner per dag. Per 31. august 2004 var det for eksempel bare 57 selskaper som hadde en gjennomsnittsomsetning på 2 millioner kroner eller mer, mens det pr 18. mai 2007 var 122 stykker. Dette kan imidlertid dels også være et resultat av at mindre selskaper gir bedre avkastning enn store.
Best avkastning får vi ved ikke å ha noe krav til minimumslikviditet. Settes minimumskravet til 1.5 millioner kroner eller lavere er imidlertid fortsatt avkastningen god. Analysen av handelsforsinkelse, se over, viser dessuten at det ikke er kritisk å komme raskt inn, slik at man eventuelt kan bruke flere dager på å kjøpe seg opp til den ønskede posten i små selskaper med lav likviditet.
Hvis analytikerne hadde hatt et annet krav til minimumslikviditet, for eksempel 5 millioner kroner, ved valg av case, tror vi avkastningen ville blitt sterkere enn hva som vises i sensitivitetsanalysen.

Maksimumslikviditet

Sensitivitetsanalyse på maksimumslikviditet. Grafen viser avkastning ved forskjellige grenser for maksimal likviditet for å komme i betraktning for porteføljen.
Vi ser at med lav grense til maksimumslikviditet blir avkastningen lav. Dette skyldes at det blant casene er få selskaper med svært lav likviditet. Da blir utvalget lite, og i mange tilfeller ikke engang nok til å fylle opp alle plassene i porteføljen, slik at en del vil være i kontanter (det beregnes ikke renter på kontanter). Grafen viser at avkastningen øker gradvis jo høyere tillatte grense vi setter til likviditet, helt til vi kommer opp i 7 millioner kroner per dag i gjennomsnittsomsetning. Dette er naturlig fordi utvalget da blir større, men effekten er sterkere enn forventet. Alle parameterverdier mellom 5 og 20 mill kr gir høyere avkastning enn utgangsmodellen (blå linje i grafen). Dette kan tyde på at Investtechs tekniske analyser, og spesielt case-angivelsene, er aller best på de mellomstore selskapene, og de aller største selskapene er så store og gjennomanalyserte at det er mindre å hente på disse.
Merk at modellen virker slik at et selskap kan bli tatt inn når omsetningen er lavere enn maksimumslikviditeten, men at det blir kastet ut hvis deretter omsetningen skulle øke til over grensen. Når denne grensen er 7-8 millioner kroner, kan det derfor se ut til at selskapene har steget nok (økt kurs gir økt omsetning), og/eller fått nok oppmerksomhet (flere aktører gir økt omsetning) til å ha tatt ut det meste at potensialet på kort sikt. En mulig tolkning, kan være at det er gunstig å kjøpe på lavt volum (som ofte sammenfaller med kursbunner i stigende trender) og selge på høyt volum (som ofte sammenfaller med kurstopper i stigende trender).

Er modellen fornuftig?

Det er lett å gjøre feil ved testing av historisk porteføljeavkastning. En av de vanligste feilene er å glemme selskaper som ikke lenger er listet på børsen. En annen feil som kan gi altfor optimistiske resultater, er å sammenligne mot en markedsveid indeks (slik som hovedindeksen på Oslo Børs) hvis denne blir styrt av et fåtall store selskaper, mens bredden på børsen har en helt annen sektorfordeling. Det er også vanlig å bruke testresultater til å modifisere modellen, og på den måten få en modell som bedre reflekterer det foreliggende datamaterialet.
Vi har prøvd så godt vi kan å unngå alle biaser i beregningene over. Delistede selskaper er med og vi har kun brukt de faktisk publiserte case-analysene i beregningene. Sensitivitetsanalysen viser dessuten at modellen synes robust på alle parametrene, så resultatene anses ikke å være et utslag av tilfeldigheter. Det kan likevel være usynlige biaser som vi ikke har tenkt over, programmeringen av porteføljemodellen kan inneholde feil, eller sammenligning mot den markedsveide hovedindeksen kan være misvisende.
Vi ønsker derfor å gjøre følgende test: Beregn først vekter i modellporteføljen for alle aksjer for alle dager (som ved normal porteføljesimulering). Flytt så disse vektene til tilfeldige aksjer som var notert i samme tidsrom, og beregn avkastning. Et resultat vil kunne være at hvis modellen for eksempel sier kjøp Storebrand, vil man heller kunne kjøpe StepStone, Hydro, Wilhelmsen, eller et hvilket som helst annet selskap. Handelshyppigheten og porteføljekarakteristika blir altså lik, men valget av selskaper blir vilkårlig. Dette skal gi et bilde av avkastningen man ville fått dersom man plukket aksjer helt vilkårlig.
Grafen over viser resultater fra 100 slike simuleringer. Først ser vi at case-porteføljen ga en avkasting som var høyere enn alle disse. De fleste simuleringene har imidlertid gitt avkastning noe bedre enn indeksen, og medianavkastningen er ca 7 prosentpoeng bedre enn indeksen pr år. Dette kan forklares ved at Hovedindeksen kanskje ikke er noen god målestokk for denne typen porteføljer. Det ville vært bedre med en likeveid indeks av de ca 60% mest omsatte aksjene. Nå har vi ingen slik indeks for Oslo Børs, så det blir vanskelig å spekulere videre ut fra dette. Det kan og være at modellen gir en viss positiv bias for den spesielle porteføljemodellen som er brukt her. For 2006-2007 ser vi imidlertid at vilkårlige porteføljer ville gitt en avkastning lavere enn indeksen, med en medianverdi på ca -5 prosentpoeng, men dette kunne være interessant å undersøke videre.
Resultatene synes uansett såpass overbevisende, og en eventuell bias synes ikke veldig stor, så vi konkluderer med at Investtechs cases har gitt betydelig bedre avkastning enn man ville fått ved å plukke aksjer vilkårlig.


Når en aksje tas inn i porteføljen, gis den en bonusscore som forhindrer andre like positive aksjer fra å komme inn de neste dagene. Slik holdes kurtasjekostnadene nede. Dette gjør at en portefølje som startet på dag 0 kan ha helt andre aksjer enn en portefølje som startet på dag 1 eller på dag 2 etc. Vi ønsker å teste om resultatene vi har fått er et utslag av tilfeldigheter, eller om andre porteføljer bygget på de samme case-anbefalingene gir tilsvarende resultater. Ved å legge til et tilfeldig tall mellom 0 og 20 på hver aksjes score, vil vi kunne simulere forskjellige sammensetninger av case-porteføljer. Med 20 som det høyeste vi legger til, vil alltid en ren kjøpsanbefaling (100 poeng) går foran en svak kjøpsanbefaling (50 poeng), og en helt fersk analyse (100 poeng) vil gå foran en analyse som er en uke gammel (75 poeng).
Vi må forvente at slike porteføljer gir en noe svakere avkastning enn utgangsporteføljen, siden rundt 20% av scoren jo er tilfeldig. Grafen med 100 slike simuleringer, se over, viser imidlertid at avkastningen er nesten like høy. Den viser også at avkastningen varierer relativt lite ved forskjellige kjøringer. Dette indikerer at porteføljemodellen er robust, og at det har liten betydning eksakt når vi starter opp en portefølje og hvilke case-anbefalinger som blir med i porteføljen. Over tid synes det som om case-anbefalingene gir en klar meravkastning i forhold til indeksen.

Mellomlang portefølje

Her brukes Investtechs mellomlange casevurdering som grunnlag for score-beregning. Det gjøres ukentlig oppdatering av porteføljen og det gis en bonusscore på 50 poeng til gamle porteføljeaksjer. Denne porteføljen vil gi færre handler enn den kortsiktige porteføljen, og det er ikke nødvendig å følge med daglig for å implementere den. På den andre siden vil vi sannsynligvis gi fra oss noe av potensialet, i og med at vi bruker cases som er inntil fire dager gamle når vi oppdaterer porteføljen.


Case mellomlang sikt,
2006-2007
148% 90% 83% 160 11.2% 21.3% 2.76
Hovedindeksen 46% 31% 31% 9.1%

Figuren og tabellen over viser utviklingen til Investtechs mellomlange casevurderinger (blå kurve) mot Hovedindeksen for 2006-2007. Avkastning var 148% totaltfor perioden og 83% årlig etter kurtasje.
Porteføljen har fulgt indeksen relativt bra og information ratio er meget sterk. Meravkastning har kommet både i perioder der indeksen har utviklet seg svakt, spesielt april-juni i fjor, og i perioder med sterk børsutvikling. Detaljer


Case mellomlang sikt,
2006-2007
1103% 43% 37% 836 12.5% 22.4% 1.27
Hovedindeksen 152% 14% 14% 8.7%

Figuren og tabellen viser utviklingen til Investtechs mellomlange casevurderinger mot Hovedindeksen siden oppstarten i midten av 2000. Avkastning var 1766% totaltfor perioden og 38% årlig etter kurtasje.
I årene 2000, 2001 og 2003 ser vi at case-porteføljen gjorde det litt bedre enn børsen i de periodene indeksen steg og gikk sidelengs, mens den gjorde det svakere når markedet falt. Porteføljen gjorde det deretter svært mye bedre enn indeksen i 2003, da markedet snudde, men har også i alle de senere årene med oppgang gitt solid meravkastning i forhold til børsen. Detaljer

Sensitivitetsanalyse
Vi gjør samme type sensitivitetsanalyse som for den kortsiktige porteføljen.

Antall aksjer

Sensitivitetsanalyse på antall aksjer i porteføljen.
Grafen viser veldig høye avkastningstall for 1-3 aksjer. Dette kan ha sammenheng med at det her blir stor vekt på de få aksjene som er i porteføljen, slik at tilfeldigheter kan spille kraftig inn. Vi tror dette er tilfelle her. Grafen viser god avkastning mellom 4 og 9 aksjer i porteføljen. Den faller med høyere antall, noe som kan forklares med at det da må godtas flere aksjer med lavere score i porteføljen. Grafen er relativt glatt over hele parameterområdet, og modellen anses dermed robust med hensyn på valg av antall aksjer i porteføljen.

Bonusscore

Sensitivitetsanalyse på bonusscore. Grafen er ganske jevn, og det er små variasjoner i avkastning avhengig av bonusscore. Dette tyder på at modellen er robust, og at omløpshastigheten har lite å si for den totale avkastningen (høy bonusscore gjør at aksjer som har kommet inn blir værende lenger i porteføljen, og vi får lav omløpshastighet, mens lav bonusscore gir høy omløpshastighet). Vi ser at grafen faller svakt med økende bonusscore, noe som tyder på en viss fordel ved å handle hyppigere og ha ferskere kjøpskandidater inne i porteføljen. Justerer vi for de økte kurtasjekostnadene dette medfører (grønn kurve), vil imidlertid denne fordelen forsvinne.
Når bonusscore blir 100 vil aksjer som først har kommet inn i porteføljen bli værende helt til de blir teknisk negative i en senere morgenrapport. Dette fører til at nye cases, som kanskje da er mer positive, ikke slipper til. Vi får liten omløpshastighet i porteføljen, men avkastningen faller markert.

Handelsforsinkelse

Sensitivitetsanalyse på handelsforsinkelse.
Med en periodelengde på 5 dager har vi allerede en handelsforsinkelse på inntil 4 dager innbakt i modellen. Grafen viser at en tilleggsforsinkelse på 1-10 dager vil redusere avkastningen ganske betraktelig. Vi ser imidlertid også at ved å vente 12-15 dager, altså 2-3 uker, vil avkastningen stige markant igjen, og vi kan oppnå like gode resultater som uten tilleggsforsinkelse.
Som for den kortsiktige porteføljen, kan det altså se ut som om aksjene overreagerer oppgangen de første dagene, og at man kan få vesentlig bedre kurser ved å vente på en reaksjon tilbake den nærmeste tiden. Ved falske kjøpssignaler med etterfølgende kraftige reaksjoner i motsatt retning, vil man dessuten ikke tape så mye hvis man avventer kjøpet noen uker.
Sensitivitetsanalyse for 2006-2007 indikerer imidlertid at bare man handler i løpet av den første uken, vil man få en avkasning på linje med modellen. Avkastningen vil deretter falle jevnt hvis man venter lengre.

Minimumslikviditet

Sensitivitetsanalyse på minimumslikviditet.
Grafen viser den samme effekten som for den kortsiktige porteføljen, nemlig at jo strengere krav vi setter til minimumslikviditet, jo lavere blir avkastningen.

Maksimumslikviditet

Sensitivitetsanalyse på maksimumslikviditet.
Ved svært lavt krav til maksimumslikviditet vil porteføljen ikke bli fylt opp, og vil dels bestå av kontanter, og avkastningen blir svak. Avkastningen er deretter ganske jevn uavhengig av hvilket krav som settes til maksimumslikviditet.
Grafen for 2006-2007 er imidlertid ganske spesiell - den ligger langt under avkastingen til utgangsporteføljen (rett blå strek) for alle de testede parameterverdiene på maksimumslikviditet. Her må vi faktisk opp i en maksimumslikviditet på over 100 mill kr for å få en avkasting på linje med utgangsmodellen. Dette tyder på at det er de største selskapene som har bidratt mest til den gode porteføljeavkastningen for 2006-2007.

Oppdateringsfrekvens

Sensitivitetsanalyse på periodelengde, det vil si antall dager mellom hver porteføljeoppdatering. Periodelengde 1 betyr daglig oppdatering, periodelengde lik 5 betyr ukentlig og så videre.
Hvis vi ser bort fra svingningene ved 5-7 dager og 16-18 dager viser grafen fallende avkastning ved økende periodelengde. Dette tyder på at jo sjeldnere vi oppdaterer porteføljen, jo svakere avkastning får vi. Dette er helt naturlig fordi vi da taper mye av potensialet som ligger i casene som blir gitt mellom oppdateringene. Vi hadde imidlertid ikke trodd at effekten skulle ha vært så stor, da vi anser de mellomlange casene til å være gode investeringer på helt inntil 6 måneders sikt.
Hvis vi øker oppdateringsfrekvensen fra ukentlig (periodelengde=5) til daglig eller annenhver dag (periodelengde=1 eller 2), ser vi at avkastningen øker fra ca 43% til 50-55% årlig. Dette tyder på at det er et bra kortsiktig potensial ved de mellomlange casene, og at man ved å være aktiv faktisk kunne ha fått bedre avkastning enn på de kortsiktige casene. Dette skal vi se mer på senere.

Er modellen fornuftig?

Som for de kortsiktige casene, gjør vi en test på avkastning ved investering i vilkårlige aksjer, i stedet for de som ble valgt ut som cases. Grafen viser at disse i snitt gir en avkastning litt høyere enn hovedindeksen, men at alle gir avkastning lavere enn porteføljen.


Ved å legge til et tilfeldig tall i aksjenes poengsum, ser vi at avkastningen, som ventet, blir noe svakere, men at den klart holder seg over hovedindeksens avkastning for alle simuleringene.

Spesialporteføljer

Mellomlange analyser, men kortsiktig investeringshorisont
Den mellomlange porteføljen over er bygget opp med tanke på investorer som omtrent en gang per uke sjekker markedet og gjør handler. Hvis man har anledning til å følge med daglig, kan man da oppnå enda bedre avkastning basert på de mellomlange vurderingene? Vi har en indikasjon på dette fra sensitivitetsanalysen av oppdateringsfrekvens, se over. For å undersøke dette nærmere, kjørte vi en porteføljesimulering basert på de mellomlange casevurderingene, men med daglig oppdatering og bonusscore 25 poeng, det vil si de samme parametrene som for den kortsiktige porteføljen. Resultatene er som følger:

Case mellomlang-kort,
2000-2007
3654% 68% 54% 1736 13.1% 24.2% 2.22
Hovedindeksen 152% 14% 14% 8.7%

Vi ser at grafen kvalitativt er lik grafen for utgangsporteføljen. Den store forskjellen ligger i at porteføljen ikke faller i samme grad når markedet faller. Dette skyldes nok at salgssignaler i fallende markeder har stor gjennomslagsgrad (høy sannsynlighet for å bli innfridd) og at vi ved daglig oppdatering kommer oss raskt ut når slike salgssignaler blir gitt. Oppgangen i 2003 er også sterkere enn for utgangsporteføljen, noe som antas å skyldes at vi da kommer raskere inn når gode kjøpssignaler gis. Total avkastning for porteføljen før kurtasje var 3654% og årlig avkastning etter kurtasje var 54%. Detaljer

Aksjer som er positive både på kort og mellomlang sikt
Porteføljene over er bygget opp av aksjer som er positive enten på kort sikt eller på mellomlang sikt. Hvordan går det hvis vi ser på aksjer som er positive både på kort sikt og på mellomlang sikt? Vi kjører med daglig oppdateringsfrekvens og 25 bonuspoeng, som for den kortsiktige porteføljen. Resultatene er som følger:

Case mellomlang-kort,
2000-2007
3068% 64% 53% 1476 13.0% 25.0% 1.99
Hovedindeksen 152% 14% 14% 8.7%

Total avkastning for porteføljen før kurtasje var 3068% og årlig avkastning etter kurtasje var 53%. Dette er betraktelig bedre enn de kortsiktige og mellomlange porteføljene hver for seg. Det er ikke veldig overraskende, men man har altså fått bedre avkastning ved å investere i aksjer som er positive både på kort og lang sikt, enn basert på bare en av tidshorisontene. Detaljer

Avsluttende bemerkninger

Resultatene over synes veldig gode. Når vi trekker fra kurtasje, faller avkastning en del. Også hvis vi regner med at vi ikke får like gode inngangs- og utgangskurser som casene var basert på, og legger inn en handelsforsinkelse, mister vi en del av avkastningen. Hvis vi i tillegg holder oss borte fra de minste selskapene, taper vi enda mer. Sensitivitetsanalysen viser imidlertid at avkastningen fortsatt vil være klart positiv. Sensitivitetsanalysen synes også å bekrefte at modellen er relativt robust for mindre parameterendringer, slik at resultatene ikke er en tilfeldighet. En studie av de enkelte handlene som blir gjort for porteføljene, viser dessuten at ekstremt heldige resultater i enkelthandler ikke forklarer de samlede resultatene (vi hadde omtrent like mange ekstremt uheldige resultater som ekstremt heldige). Vi er derfor av den oppfatning at Investtechs cases over tid viser solid meravkastning i forhold til markedet, og at man ved å følge disse vil kunne oppnå god avkastning.

Til slutt må det understrekes at historisk avkastning ikke er noen garanti for framtidig avkastning. Avkastningen kan bli bedre eller dårligere, og den kan bli negativ.

Litteratur

  • Geir Linløkken. Dagens Case: Resultater 2005. Investtech.com, 2005. Link
  • Geir Linløkken. Fire år med Dagens case - en oppsummering. Investtech.com, 2004. Link
  • Geir Linløkken og Steffen Frölich. Teknisk AksjeAnalyse - for lavere risiko og økt avkastning. Investtech.com, 2001. Link
 


Investtech garanterar inte fullständigheten eller korrektheten av analyserna. Eventuell exponering utifrån de råd / signaler som framkommer i analyserna görs helt och fullt på den enskilda investerarens räkning och risk. Investtech är inte ansvarig för någon form för förlust, varken direkt eller indirekt, som uppstår som en följd av att ha använt Investtechs analyser. Upplysningar om eventuella intressekonflikter kommer alltid att framgå av investeringsrekommendationen. Ytterligare information om Investtechs analyser finns på infosidan.


Investtech garanterar inte fullständigheten eller korrektheten av analyserna. Eventuell exponering utifrån de råd / signaler som framkommer i analyserna görs helt och fullt på den enskilda investerarens räkning och risk. Investtech är inte ansvarig för någon form för förlust, varken direkt eller indirekt, som uppstår som en följd av att ha använt Investtechs analyser. Upplysningar om eventuella intressekonflikter kommer alltid att framgå av investeringsrekommendationen. Ytterligare information om Investtechs analyser finns på infosidan.

Titlex

OK
+

Om cookies

Investtech använder cookies. Genom att fortsätta surfa på webbplatsen accepterar du vår användning av cookies. Läs mer om cookies.

Vår användning av cookies/h2>

När du använder vår webbplats lagrar vi en cookie på din enhet. Cookien används för att känna igen din enhet så att dina inställningar fungerar när du använder vår webbplats. Informationen som lagras är helt anonymiserad. Cookies raderas automatiskt efter en viss tid.

Nödvändiga cookies

Investtech använder cookies för att säkerställa grundläggande funktioner som sidnavigering och språkval. Utan sådana cookies fungerar inte webbplatsen som den ska. Du kan därför inte reservera dig mot dessa. Om du fortfarande vill inaktivera sådana cookies kan du göra det i din webbläsarinställningar. I inställningarna för Cookies lägg till denna webbplats i listan över webbplatser som inte får spara cookies på din enhet.

Cookies från Google

Vi använder tjänster från Google Analytics och Google AdWords. Dessa registrerar cookies på din enhet när du besöker vår webbplats. Google registrerar din IP-adress för att kunna föra statistik över användaraktivitet på webbplatsen. IP-adressen är anonymiserad, så att vi inte har någon möjlighet att koppla aktiviteterna till en specifik person. Vi använder denna statistik för att kunna erbjuda mer intressant innehåll på hemsidan och för att ständigt förbättra oss. Google AdWords samlar in data så att vår annonsering på andra webbplatser ger bättre resultat. Vi kan inte spåra personuppgifter.

Tillåt cookies från Google