På Placera använder vi cookies för att ge dig bästa möjliga kundupplevelse. Genom att fortsätta accepterar du att cookies används. Läs mer om cookies

I huvudet på en AI-förvaltare

Fondkommentar Trots AI-boomen är det få fonder som använder AI för att fatta köp och säljbeslut. Men nu finns teknologin och en ren AI-fond.

Det är den tyska kapitalförvaltaren Acatis som tillsamman med den schweiziska AI-specialisten Nnaisense skapat en teknologi som ligger till bas för en fond med ren AI-förvaltning.

Idag marknadsförs Acatis AI-teknologi genom fonden FIM Artificiell Intelligens. Det är också den första fonden i Norden med det angreppsättet som startade för knappt ett år sedan. Tanken med en AI-fond är att den ska hitta samband som människan inte kan upptäcka, och identifiera aktier som har stor potential att få en högre framtida avkastning än marknaden.

Utbudet av liknande fonder är begränsat. Före Midif 2 regelverket sjösattes i Europa gick det att handla den amerikanska ETF:n AI Powered Equity ETF. En börshandlad fond med liknande filosofi och förvaltningen sköts av AI-teknologi. Även världens sannolikt bästa hedgefond Renaissance Technologies Medallion anses förlita mycket av sin framgångsrika förvaltning till just AI.

FIM Artificiell Intelligens har en för kort tidsperiod för att Placera ska skriva en fondanalys. Men jag har valt att titta närmare på hur AI-förvaltningen i fonden i praktiken fungerar. Och se vilka för- och nackdelar som finns.

Men först backar vi och tar en ordentlig titt på vad Artificiell Intelligens (AI) är.

AI-forskningen har sina rötter i Dartmouth College i USA som i mitten på 1950-talet hade en vetenskapskonferens som samlade dåtidens stora hjärnor inom matematik, statiskt och datavetenskap.

Det mynnade ut i att man då trodde man att maskinbaserad intelligens (AI) eller en datahjärna skulle nå människans nivå inom en generation. Så blev det inte, men forskningsområdet var fött och pengar allokerades till forskning inom området, mycket kapital kom från den amerikanska staten påhejat av det amerikanska försvarsdepartementet.

Men det fanns stora begränsningarna som bromsade utvecklingen. Det saknades stora datamängder att arbeta med liksom datorer och hårdvara som klarade av att göra det som man trodde var möjligt.

Men de senaste 10 till 15 åren har något stort hänt. Nu finns det stora datamängder och kraftfulla datorer med avancerade halvledare som klarar av stora beräkningar, och som kan jobba med stora tekniska datamodeller på kort tid.

Maskininlärning är ett område in datavetenskapen som precis som AI-forskningen såg dagens ljus på 1950-talet. Maskininlärning har haft en snabb utveckling sedan millennieskiftet. Kort och gott är innebär det att man använder olika statistiska modeller för att göra så att ett artificiellt neuralt nätverk kan lära sig och förbättra en uppgift.

Alltså lär sig datorn av sina misstag, den ser mönster som människan inte kan se och blir hela tiden lite bättre, precis som den mänskliga hjärnan. En viktig del för Maskininlärning är artificiella neurala nätverk. Det är ett verktyg som gör att en datamodell kan lära sig saker och förbättra modellen själv. Ett artificiellt neuralt nätverk efterliknar helt enkelt den mänskliga hjärnan som är ett biologiskt neuralt nätverk.  

Förenklat så består hjärnan av miljarder neuroner och synapser och när vi lär oss saker byggs de om lite hela tiden. Vi lär snabbt en ettåring hur en hund och en katt ser ut och då anpassar sig neuronerna och synapserna så att ettåringen kan skilja på den.

Ett artificiellt neuralt närverk fungerar likadant. Man tränar och lär nätverksmodellen genom att mata den med mängder av data (ju mer data ju bättre, därför är mycket stora databaser en förutsättning) och kända svar. Det artificiella neurala nätverket tränas till man får ut rätt svar tillräckligt ofta. Maskininlärning och artificiella neurala nätverk är en av de absoluta nyckeldelarna för AI-utvecklingen.

De senaste åren har Deep Learning eller djupinlärning som är ytterligare en del inom Maskinlärning utvecklats mycket. Djupinlärning gör att en mycket komplex datamodell som kan jobba med mycket stora mängder data på flera olika så kallade abstrakta nivåer. Helt enkelt kan man göra snabbare och bättre artificiella neurala nätverk.

Fondbolaget Acatis är historiskt en värdeförvaltare med Warren Buffett som ledstjärna. Det gör att modellen har ett visst värde-tilt.

Investeringsprocessen börjar med att man har en egen stor databas som täcker 50 000 globala aktier och innehåller 132 faktorer per bolag. Och sträcker sig 20 år tillbaka i tiden. En faktor är ett värde, oftast från balansräkningen eller resultaträkningen, för ett bolag - exempelvis rörelsemarginal. Utöver det har man en begräsning på marknadsvärde på minst 1 miljard euro. Nu hamnar urvalet på runt 4 000 bolag.

Acatis använder bara data för bolag noterade de utvecklade börserna. Det beror på att det är lättare att få en hög kvalitet på datan. Kvaliteten är en viktig parameter när man arbetat med databaser. Ju högre kvalitet på data ju bättre resultat kan man få.

Nästa steg är att låta AI-modellen går igenom de 4 000 bolagen och processa uppgifter som finns i datan om lönsamhet, vinstutveckling med mera och identifierr de bolag som har störst sannolikhet att få en hög avkastning de kommande sex månaderna. Det resulterar i 100 aktier.

Nästa steg är för modellen är att skapa en portfölj med 50 aktier utifrån maskinlärning för att optimera sammansättningen av aktier utifrån uppskattningspotential. Efter det riskoptimeras portföljens 50 aktier och de får en vikt mellan 1 procent till 5 procent. Man låter modellen ha ett fritt synsätt på sektorer och länder.

Fonden avviker mycket från MSCI World Index som är referensindex. Fonden klassificeras av Morningstar som en globalfond, mixbolag.

Fondportföljens bolag ändras halvårsvis, den senaste genomfördes i somras. Då byttes hela 75 procent, vilket är mycket.

Avvikelsen från aktieindex är stor. USA väger bara 35 procent i fonden mot närmare 60 procent i en global indexfond. Fonden är underviktad stora amerikanska teknikbolag och överviktad i europeiska bolag. Teknikjättarna faller många gånger bort på värderingsfaktorn. Men just avsaknaden av amerikanska teknikjättar är en förklaring att fonden inte hängt med MSCI Global index i avkastningen sedan årsskiftet.

FIM Artificiell Intelligens har en klart högre andel medelstora bolag än snittet för liknande fonder. Knappt 40 procent är medelstora bolag jämfört mot 15 procent för kategorisnittet.

Nu har fonden ingen lång avkastningshistorik. Det kommer att bli intressant att följa utvecklingen med tanke på att AI-modellen lär sig av sina misstag och sannolikt kommer att bli en bättre förvaltare med tidens gång. Jag ser fram emot fondens treårsdag, när den dagen kommer tror jag att utbudet kommer att vara större med betydligt fler AI-förvaltade fonder.

Vill du ha koll på vad som händer på fondmarknaden. Prenumerera på mitt nyhetsbrev som kommer en gång i månaden och är helt gratis. Här lägger du upp din kostnadsfria prenumeration på nyhetsbrevet.

Följ Placera på Facebook , LinkedIn, på Twitter och på YouTube.

Mer från förstasidan

Marknadsöversikt

Stockholmsbörsen, OMXS30

I dag
-
Senast
-
{point.key}

Världsindex

Index +/- % Senast
DAX - -
Hang Seng - -
Nikkei - -

Valutor

Valuta +/- % Senast
USD/SEK - -
EUR/SEK - -
GBP/SEK - -
EUR/USD - -

Räntor

Ränta +/- % Senast
3-mån stibor - -
5-års ränta - -
10-års ränta - -

Råvaror

Råvara +/- % Senast
Olja - -
Guld - -
Silver - -
Koppar - -

Utländska aktier

Utlandska-Aktier

Det är lätt att köpa utländska aktier. Här finns ett urval av Placeras utlandsanalyser.