På 1990-talet bestod fondmarknaden i huvudsak av aktivt förvaltade fonder och en liten del passivt förvaltade indexfonder. Indexfonder förvaltade på den tiden inte så mycket kapital, men deras tillväxt var snabb från låga nivåer.

Idag ser fond- och finansmarknaden lite annorlunda ut. Kapitalet har strömmat in till indexfonder. I USA är ungefär halva fondmarknaden investerade i indexprodukter. Det är fonder som följer ett aktieindex. Förvaltningen är passiv och sköts mer eller mindre av en dator. På finansakademiskt språk säger man betaförvaltning, då avkastningen följer aktiemarknadens utveckling.

Man vet att avkastningen inte kommer att bli högre än underliggande index. Lägg till förvaltningsavgifter så krymper avkastningen under index, även om avgifterna oftast är låga. Men man vet vad man får.

Vill du som investerare ha möjligheten till högre avkastning än index måste du vända dig till aktiv fondförvaltare. En duktig förvaltare försöker skapa en högre avkastning än index genom att göra aktiva val av aktier. Det innebär att övervikta- eller undervikta aktier man tycker är felprissatta. Målet är att skapa överavkastning mot index, men till en risknivå som oftast är i nivå med index. Att göra bra aktiva och smarta val genom att känna till marknaden man investerar på och klå index går under begreppet Alfa.

Faktorförvaltning och Smart beta

En stark trend de senaste åren hos investerarkollektivet är faktorförvaltning, även kallat smart beta-förvaltning. Det är enkelt uttryckt en hybrid som försöker ta tillvara det bästa från indexförvaltning (beta) och aktiv förvaltning (alfa).

Faktorförvaltningen är ganska ny, men den bygger i mångt och mycket på finansiell teori som har sitt tänk 20 - 30 år tillbaka i tiden. Man letar faktorer som förklarar vissa typer av överavkastning. Oftast håller sambanden över mycket långa tidsperioder, men kanske inte alls fungerar under kortare perioder.

Aktier väljs baserat på olika egenskaper (faktorer) som är förknippade med högre avkastning fast inte till högre risk. De vanligaste inriktningarna i faktorförvaltning är värde, storlek (småbolag kontra stora bolag), prismomentum, vinstmomentum, låg risk och inte minst bolag som är högutdelare.

En populär faktor är företagsstorleken. Studier visar att små bolag tenderar att över tiden skapa högre avkastning än större bolag. Småbolagseffekten är väl dokumenterad i ekonomisk forskning. Värt att notera är att huvuddelen av forskningen är utförd i USA. Vad man kallar småbolag i USA motsvaras oftast av medelstora bolag globalt.

Prismomentum-effekten bygger på att investera i aktier som stiger i pris. Aktier tenderar att röra sig i samma riktning under en viss tidsperiod. Prismomentum-investeringar är en väldigt aktiv strategi, som leder till att du köper och säljer oftare jämfört med många andra strategier. Har du inga bra modeller, så är svårt att förutsäga när prismomentum-effekten avtar i en aktie.

Vinstmomentum är snarlik prismomentum. Här letar man aktier som har kontinuerligt stigande vinster och vinstprognoser som justeras upp av finansanalytiker. Forskning visar att bolag med stigande och ökade vinster över tid har hög sannolikhet att ha en bättre aktieutveckling än index.

Låg volatilitet eller låg risk: Här letar man efter aktier som ger lika hög avkastning som marknaden fast till lägre risk. Lågvolatilitetsinvesteringar har varit mycket populärt de senaste åren.

Att köpa bolag som har en kontinuerlig hög utdelningsandel eller höjer stadigt utdelningen är en strategi som Warren Buffett talar varm om. Över en lång tidsperiod, 20 – 30 år, så brukar den totala utdelningsandelen motsvara runt 50 procent av den totala avkastningen från aktier.

Faktorförvaltning använder sig oftast av regelbaserade investeringsstrategier. Målet är att genom ett bra urval skapa en systematisk modell som överpresterar mot de traditionella aktieindexen, gärna till en lägre risk.

Tematiska investeringar

ETF-industrin som tillhandahåller börshandlade fonder står för mycket av utvecklingen av tematiska investeringar. Det handlar om att identifiera ett långsiktigt investeringstema. Oftast är det stora teman som automatisering, robotisering, internet-of-things, vatten, elbilar etc. Det är teman som är exponerade mot stora starka underliggande trender i samhället. Det gör att flera av temana inte är så konjunkturkänsliga  

Det skapas en produkt som följer ett givet tema som exempelvis automatisering och robotisering av industrin. Då investeras det i bolag som har anknytning till robot och automatiseringsindustrin.

Oftast blir det en bra och bred spridning mellan olika sektorer. I Robot- och automatiseringstemat blir det en mix av rena industribolag som ABB, mjukvarubolag, hårdvarubolag som tillverkar processorer och minne.

Målet är som för faktorinvesterare att skapa en investeringsmodell som utgörs av en korg av aktier, som överpresterar mot de traditionella aktieindexen.

AI-fonder

Den absolut senaste trenden är AI-fonder. Genom att använda avancerad Artificiell Intelligens (AI) tror man sig hitta samband som människan inte kan upptäcka, och identifiera aktier som har stor potential att få en högre framtida avkastning än marknaden. En av världens absolut bästa hedgefonder, Medallion, anses förlita mycket av sin framgångsrika förvaltning på just AI.

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. 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.  

Det skapas modeller som klarar av stora mängder information och kan utvärdera tusentals aktier. AI-modellerna letar efter och identifierar aktier med störst potential för uppgång baserat på många olika variabler i bolagens finansiella information. De kan se på exempelvis bolagets vinstutveckling eller vinstmarginalförbättringar kopplat till utveckling på underliggande marknad.

I takt med att vi får tillgång till mer information och bättre datorer, vilket är en stor förutsättning för att skapa bra AI-modeller, kommer vi sannolikt får se en uppsjö av fonder med AI-förvaltning.

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 mig gärna på Twitter

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