Analyse af alle Inderes' anbefalinger

[vuh]

Mitä ja miksi?

Inderes on saavuttanut suurta suosiota suomalaisessa sijoittajayhteisössä. Inderesin mallisalkusta on tehty useita katsauksia ja jopa kvantitatiivinen analyysi yhteisön jäsenten toimesta (Inderes mallisalkku – kvantitatiivinen analyysi - Sijoittaminen - Inderes forum). Mallisalkku on voittanut vertailuindeksin poimimalla tarkkaan valitut voittajaosakkeet ja pitänyt niitä useita vuosia. Inderes seuraa nykyään kuitenkin reilusti yli sataa suomalaista pörssiyhtiötä: entäs kaikki suositukset joita Inderes on antanut?

Pyrin tässä analysoimaan kaikkien viimeaikaisten suositusten osuvuutta ja vastamaan näihin kysymyksiin:

• Kuinka monen yrityksen kohdalla suositukset ovat voittaneet `Indeksi’-strategian?
• Mikä olisi vuosituotto seuramaalla Inderesin suosituksia ja ` Indeksi’-strategiaa?
• Millä todennäköisyydellä tikkaa heittävä apina onnistuu yhtä hyvin, ts. tilastollinen merkittävyys?
• Mikä olisi strategioiden vuosituotto:
  • Yksittäisten osakkeiden kohdalla?
  • Yksittäisten analyytikoiden kohdalla?
  • Eri markkina-arvojen (large,mid,small, firstnorth) kohdalla?
• Mikä oli vuosituotto 2020-06-30 mennessä, ennen kuin mid/small cap yhtiöt raketoivat?

Tein tämän analyysin harrastuspohjalta, vaikka olenkin töissä koneoppimisen ja tilastotieteen parissa. Minulla ei ole taloudellisia siteitä Inderesiin ja olin ennen analyysiä skeptinen siitä kuinka hyvin suositukset ovat osuneet voittajaosakkeiden ulkopuolella. Analyysi osoitti kuitenkin jotain hyvin yllättävää…

Data on avointa ja julkaisen Python-koodit niin että laskelmat on mahdollista tarkistaa (GitHub - majuvi/suositukset)

27.1.2022 Tämä on arvio suositusdataan perustuen. Lisätty postaus jossa on verrattu Inderes-salkkua ja Indeksi-salkkua kurssi- ja osinkohistoriadatasta muodostettuun tuottoindeksiin perustuen.

28.1.2022 Lisätty arvio sijoittajan todellisesta vuosituotosta ilman Inderes-efektiä tai mahdollista informaatioetua kun osaketta ostetaan vasta seuraavan päivän päätöskurssiin.

Data: suositukset

Inders julkaisee valitun pätkän suositushistoriaa raporttien yhteydessä, josta ne saa kätevästi kopioitua. Jotkut raportit vaativat Premium-jäsenyyden, mutta itse suositukset ovat julkisia. Keräsin viikonloppuna 22-23.1.2022 kaikista viimeisimmistä raporteista suositushistorian, ja liitin sen aiempaan historian jonka olin kerännyt kesällä 2020. Data sisältää tyypillisesti parista vuodesta muutaman vuoteen suositushistoriaa jokaisesta osakkeesta. Kerääminen vaatii hieman ahkeruutta tai itseäni enemmän osaamista webbiroboteista… Data prosessointi on minimaalista: SEK muuntaminen EUR suosituspäivänä, Suomisen englannin kääntämisen suomeksi, ja tusinan verran väärien päivämäärien korjaamista manuaalisesti.

Näistä raporteista saadaan tehtyä seuraavanlainen datajoukko:

Pvm,Suositus,Tavoite,Osakekurssi,Analyytikko,Osake
2019-04-09,Vähennä,8.5,8.87,Atte Riikola,Aallon Group
2019-08-23,Vähennä,9.0,9.5,Atte Riikola,Aallon Group
2019-09-30,Vähennä,9.0,9.34,Atte Riikola,Aallon Group
2019-12-12,Vähennä,9.9,10.45,Atte Riikola,Aallon Group
2020-02-14,Lisää,11.0,10.45,Atte Riikola,Aallon Group
…
2021-11-24,Vähennä,5.0,4.84,Olli Koponen,YIT

Yhteensä data sisältää 3109 riviä eli suositusta, 17 analyytikkoa, 139 osaketta.

Datassa on kaksi rajoitetta jotka on hyvä pitää mielessä 1) ‘Analyytiikko’ on viimeisin analytiikko, se ei ota huomioon jos analyytikko vaihtuu 2) Osakekurssi ei ota huomioon osinkoja, joten siitä laskettu tuotto on hieman pienempi kuin kokonaistuotto kurssimuutoksesta ja osingosta.

Tämä data voidaan kokonaisuudessa visualisoida esimerkiksi seuraavasti. Viivoissa väri esittää suositusta (sininen: Osta/Lisää ja oranssi: Myy/Vähennä) ja viivan pituus aikaa jolloin osake on Inderesin seurannassa. Graafista nähdään esimerkiksi, että Inderes on seurannut Siili Solutions osaketta useimmiten positiivisella suosituksella, ja Koneen osakketta myös useita vuosia ollen aina vähentämisen kannalla. Nokian osakkeen kohdalla suositus on vaihdellut enemmän. Oletan että “Inderes“-strategiaa seuraavan portfolio koostuu kunakin ajanhetkenä osakkeista, joilla on Lisää/Osta-suositus. “Buy/Hold“-strategiaa eli “Indeksiä” seuraavan portfolio olisi koostunut osakkeista jotka ovat Inderesin seurannassa riippumatta siitä onko suositus Lisää/Osta tai Myy/Vähennä. Valitettavasti tällä datalla ei voi täysin replikoida virallista indeksiä, koska data sisältää osakekurssin vain kun yhtiö on Inderesin seurannassa suosituksen antamisen hetkellä.

Esimerkki: Nokia

Selitän lyhyesti miten laskin vuosituoton. Käytän esimerkkinä Nokiaa:

Taulukkoon on nyt lisätty “Tuotto”, “Pitoaika” ja “Salkussa”. Nämä auttavat laskemaan tuoton kunkin suosituksen välillä ja määritellään seuraavasti:

• Tuotto: On osakkeen hinnanmuutokseen perustuva tuotto edellisestä suosituksesta nykyiseen suositukseen eli osakekurssi(t)/osakekurssi(t-1).
• Pitoaika: On päivien lukumäärä edellisestä suosituksesta nykyiseen suositukseen.
• Salkussa: Oliko osake Inderes-stragiaa seuraavan salkussa, eli oliko edellinen suositus Osta/Lisää.
  
  

Esimerkissä Nokian tuotto on yksinkertaisesti näiden tuottojen tulo, eli 1.04 * 0.77 * …, mikä vastaa osakkeen viimeistä hintaa jaettuna ensimmäisellä hinnalla. Kokonaispitoaika päivinä on näiden pitoaikojen summa. Tuotto rippuu kuitenkin pitoajasta: keskimääräisen osakkeen tuotto on esim. 5% vuodessa, 10% kahdessa vuodessa, … jne. Siksi muutamme tuoton vuosituotoksi (CAGR) kaavalla: tuotto **(365/pitoaika).

Osta ja pidä

Tuotto         0.951049
Pitoaika    2911.000000
CAGR           0.993727

Eli nokia tuotti -5% hinnanmuutoksena seuranta-ajalla 2911 päivää, mikä vastaa noin -0.6% vuosituottoa.

Inderes-stragiaa seuraava omistaa osakkeen kun sillä on Osta/Lisää suositus. Tämän tuotto voidaan laskea ottamalla tuottojen tulo aikana jolloin osake on salkussa, ja kokonaispitoaika on näiden pitoaikojen summa. Jos haluaa ottaa huomioon Inderes-efektin ja mahdollisen pörssin sulkeutumisen jälkeisen informaation, täytyy käyttää seuraavan päivän osakekurssia. Kutsun tätä ”Todellinen” -tuotoksi. Tuotot eivät ole suoraan verrannollisia, koska osaketta pidetään vähemmän aikaa, mutta vuosituotoksi (CAGR) muutettuna näitä lukuja voidaan verrata:

Inderes

Tuotto         2.437720
Pitoaika    2097.000000
CAGR           1.167771

Inderes (Todellinen)

Tuotto         1.923152
Pitoaika    2097.000000
CAGR           1.120559

Eli Nokia tuotti 144% hinnanmuutoksena 2097 päivää positiivisella suosituksella, mikä tekee vuosituotoksi noin 17%. Jos ostetaan ja myydään vasta seuraavan päivän päätöskurssilla, saadaan vuosituotoksi 12%. Melkoinen analyysivelho tämä @Mikael_Rautanen !

Kaikkien osakkeiden tuotto

Vastaava laskelma voidaan tehdä jokaiselle osakkeelle erikseen:

Miten monen osakkeen suositus voitti indeksin? Eli CAGR_Inderes > CAGR_Indeksi

True     99
False    40

99 osakkeen kohdalla suositukset voittivat indeksin ja 44 ei saavuttanut parempaa tuottoa kuin osta & pidä.

Miten monen osakkeen suositus voitti indeksin ilman Inderes-efektiä? Eli CAGR_Todellinen > CAGR_Indeksi

True     89
False    50

Alla visualisointi jossa verrataan jokaisen osakkeen Inderes-peesaajan ja osta&pidä-sijoittajan vuosituottoa:

Joidenkin osakkeiden vuosituotto voi olla erittäin korkea, jos seuranta-aika ensimmäisestä suosituksesta viimeiseen suositukseen on erittäin lyhyt (esim. Duell) tai osakkeella on Lisää-suositus vain hyvin lyhyen aikaa. Esim kertaluonteinen 4% viikkotuotto osakkeella vastaisi koko vuodelle skaalattuna 1.04**(365/7)=7.73.. eli noin 673% vuosituottoa. Esimerkki myös havainnollistaa miksi vuosituottojen vertaaminen ei välttämättä vastaa kysymykseen miten sijoittaja voisi suoriutua. Tämä “vuosituotto” on mahdollista saada vain yhden viikon ajan vuodessa, eli tuotto on viikon aikana 4%, mutta muuten osakkeella olisi vähennä suositus jolloin siitä ei saisi tuottoja.

Portfolion tuotto

Tämän ottamiseksi huomioon tein seuraavan arviom portfolion vuosituosta:

1. Keskiarvo vuosituotoista: yksinkertainen lasku joka kuvaa Inderesin performanssia.
2. Vuosituotto sijoittamalla osakkeisiin joilla Lisää-suositus ja Inderesin seurannassa.

Näistä 2. kuvaa parhaiten todellisen sijoittajan suoriutumista. Aiemmassa viiva-kuvassa tämä vastaisi tilannetta jossa peesaaja katsoisi joka päivä inderesin seurannassa Lisää-suosituksella olevat osakkeet ja allokoisi portfolionsa tasaisesti näihin. Tämä on vähän monimutkaisempi lasku, siinä tuotto kunakin ajanhetkenä on portfolion osakkeiden tuottojen (r_i) aritmeettinen keskiarvo, joista otetaan ajanhetkien tuottojen geometrien keskiarvo, ottaen huomioon todennäköisyys että osake on portfoliossa (X_i). Laskin sen Monte Carlo-menetelmällä näytteistämällä portfolioita ajanhetkillä todennäköisyyksillä että osakkeet ovat seurannassa ja Lisää-suosituksella. Tämä vastaa portfolion keskimääräistä vuosituottoa ajan yli:

https://en.wikipedia.org/wiki/Product_integral ks. Law of large numbers

Saan seuraavat tuotot Inderes -sijoittajalle

1. 1.542
2. 1.386

Ja seuraavat tuotot Inderes (Todellinen)-sijoittajalle

1. 1.245
2. 1.251

Ja seuraavat tuotot Indeksi -sijoittajalle:

1. 1.181
2. 1.108

Keskimäärin siis Inderes-sijoittaja saa näiden muutaman vuoden aikana 38.6%-vuosituottoa osakkeiden hinnanmuutokseen perustuen, 25.1%-vuosituottoa jos otetaan huomioon Inderes-efekti käyttämällä seuraavan päivän päätöskurssia, missä Indeksi-sijoittaja jää 10.8% vuosituottoon. Raportoin myös näiden osakekohtaisten vuosituottojen (CAGR) yksinkertaisen keskiarvon koska se on helpompi ymmärtää: 54.2% Inderes vs. 24.5% Inderes (todellinen) vs. 18.1% Indeksi.

Ero on merkittävä mutta voiko se olla sattumaa? Tähän voidaan vastata seuraavalla tilastollisella testillä. Oletaan että Mikael Rautanen on palkannut lauman Apinoita heittämään tikkaa siitä annetaanko osakkeille Lisää- vai Vähennä-suositus. Simuloidaan tilannetta jossa Apinat antavat satunnaisesti kaikki suositukset, toistetaan tämä esimerkiksi 1000 kertaa, ja lasketaan apinoiden saama vuositotto:

mean 1.133 sd 0.022 (12 sigmas Inderes, 5 sigmas Inderes (todellinen))

Havaitaan että 1000 simuloidusta Inderes-yhtiöstä jossa Apinat heittävät tikkaa yksikään ei pääse lähelle todellisen Inderesin vuosituottoa, vaan he saavat yleensä tuottoja väliltä 10-20%. Guruille selitys: permutaatiotesti jossa on nollahypoteesina “annetut suositukset on satunnaisesti allokoitu annettuihin ajanhetkiin”, p-arvo 0.000.

Portfolion tuotto: ennen “ränta pa ränta” -markkinaa

Nämä vuosituotot vaikuttavat liian hyvältä ollakseen totta, mutta ne selittyvät Helsingin pienyhtiöideksin 100% nousulla kesän 2020 jälkeen (Google: OMXHSCPI). Inderesin seuranta-aika yliedustaa tätä hetkeä. Tämän takia onkin mielenkiintoista varmistaa, että Inderesin menestys ei ole perustunut nykyiseen “ränta pa ränta”-markkinaan. Rajasin siksi datan päivämäärään 2020-06-30 ja tein samat laskut uudestaan.

Saan seuraavat tuotot Inderes-sijoittajalle

1. 1.432
2. 1.202

Ja seuraavat tuotot Inderes (Todellinen)-sijoittajalle

1. 1.129
2. 1.113

Ja seuraavat tuotot Indeksi-sijoittajalle:

1. 1.038
2. 0.971

Eli Inderesiä peesaava sijoittaja olisi saanut 20.2% vuosituoton hinnanmuutoksesta, 11.3% vuosituoton seuraavan päivän päätöskurssin hinnanmuutoksesta ja seurannasta koostettua indeksiä peesaava -3% vuosituottoa. Nämä ovat oletettavasti lähempänä tyypillistä tulevaisuuden markkinaa.

Vielä sama tikkaa heittävä Apina-simulaatio:

mean 1.002 sd 0.023 (7 sigmas Inderes, 4 sigmas Inderes (todellinen))

Markkina-arvot ja yksittäisten analyytikkojen suositukset

Käytössä on taas koko data. Voitaisiin argumentoida että Inderesin menestyminen perustuu vähän seurattuun pienyhtiö-kenttään, joten analysoin suositusten osuvuutta erikseen Helsingin pörssin suurimmille, keskisuurille, pienimmille ja First North-yhtiöille. Minulla ei ollut valitettavasti data suoraan markkina-arvoista, joten nämä perustuvat 1-40 eniten vaihdetuimpaan, 40-80 vaihdetuimpaan ja 81- 144 vähiten vaihdetuimpaan ajanhetkenä 31.12.2021. Omxh25* vastaa 1-25 eniten vaihdettua.

Vaikuttaa että pienemmissä yhtiöissä on helpompi tehdä ylituottoa, mutta ylituottoa Inderes on saanut kaikkien kategorioiden osakkeilla.

Seuraavassa kuvaajassa laskin minkälaisen tuoton yksittäistä analyytikkoa peesaava sijoittaja olisi saanut (lasku 3.) ja vertasin tätä indeksiin joka kostuu tämän analyytikon seuraamista yhtiöistä. Siinä ei ole otettu huomioon analyytikon vaihtumista, joten ei sovi suoraan kyseisen analyytikon mittariksi:

Huomataan että lähes kaikki Indersin analyytikot voittivat oman vertailuindeksinsä, eli tulokset eivät selity yksittäisillä huippunimillä. Kaikki ovat tähtianalyytikkoja!

Lopuksi

Inderesin keskimääräinen 38.6%-vuosituotto suositusdatasta laskettuna vrt. Inderesin todellinen vuosituotto 25.1% seuraavan kaupankäyntipäivän päätöskurssilla vs. osta&pidä 10.8%-vuosituotto osakkeiden hintojen muutokseen perustuen on uskomaton saavutus. Ennen ”ränta pa ränta” kesää 2020 saavutettu Inderesin 20.2% vuosituotto ja 11.3% todellinen vuosituotto on erittäin kunnioitettava indeksin -3% rinnalla. Inderes-efekti tai pörssin sulkeutumisen jälkeen julkaistu informaatio vaikuttaa yllättävän paljon todellisen sijoittajan saamaan performanssiin, mutta ero indeksiin on tästä huolimatta merkittävä. Tämä oli nopea viikonloppuna tehty harjoitus, ja laskut on vielä hyvä tarkistaa. Kysymykset, asiallinen kritiikki ja ehdotukset analyysin laajentamiseksi ovat tervetulleita.

[no1z]

Interessant analyse, og dejligt at se, at pandas falder dig naturligt

Jeg husker, at @Kelpieracer havde lavet en lignende analyse tidligere, udover koden er der vist også data her:

GitHub - Kelpieracer/analysts-recommendations-strategy

[Tottero]

Jeg kan ikke sige andet end, at jeg tager hatten af. Både for analytikeren og for Inderes

[Onni_Maiha]

Fantastisk research og stærke resultater! Jeg spekulerer på, om Inderes’ tal indeholder en vis mængde ufortjent informationsfordel. For eksempel en situation, hvor en virksomhed udsender en positiv meddelelse efter børsens lukketid, og Inderes derefter opdaterer sin analyse, før næste børsdag begynder, fra en “reducer”-anbefaling til en “øge”-anbefaling. Aktiekursen i analysen er dog baseret på lukkekursen fra den foregående børsdag, hvilket betyder, at Inderes’ analyse har en informationsfordel i forhold til den pris. Noget lignende kan også ske efter en negativ meddelelse, hvor en opdatering ændres fra en “øge”-anbefaling til en “reducer”-anbefaling.

[Kelpieracer]

Godt arbejde, og dejligt at se, at det fungerer

Jeg gad ikke at copy-paste alle de selskaber, jeg fulgte dengang, så det er rart, at det nu er blevet gjort. Og mine egne resultater er bekræftet.

Undersøgte du separat de forskellige anbefalinger? Jeg kom frem til, at “tilføj”-anbefalingen var lidt unødvendig, og der var ingen forskel til “reducer”-anbefalingen. Ved kun at følge “køb”-anbefalingen opnåede man overafkast.

Og ja, Inderes-effekten spiser af afkastet. Så køb og salg skal ses fra næste børsdags luk.

Jeg kiggede ikke på, hvor du hentede prisdata fra, jeg brugte Yahoo og “adjclose” (tager højde for udbytter og splits), men man skal være forsigtig med datafejl.

Edit. Lad os gemme de gamle her

Inderesin kahvihuone (Osa 2)

Inderesin kahvihuone (Osa 2)

Og disclaimer

Inderesin kahvihuone (Osa 2)

[vuh]

Dejligt at høre, at andre også har foretaget en lignende analyse, jeg prøvede at søge på forummet, men disse indlæg blev overset. Det ville være rart at høre mere om dette i denne tråd, hvis du har flere resultater. Jeg har ikke undersøgt separat køb/tilføj eller sælg/reducer anbefalinger, men antog, at begge svarer til at tilføje eller fjerne en aktie fra porteføljen. God idé at teste dette!

Den gode ting ved dette anbefalingsdatasæt er, at det ikke kræver separate prisdata, da aktiens nuværende pris er angivet sammen med anbefalingen. Som et par kommentatorer påpegede, er ulempen, at det ikke kan korrigeres for information, der vises efter børsen lukker, og for Inderes-effekten (Inderes-efektin), da dette ville kræve næste dags lukkekurs. Desuden er formlen et estimat af det gennemsnitlige årlige afkast. Tanken er at tilføje dette, når jeg får tid.

[KalleH]

@Kelpieracer

Og ja, Inderes-effekten tager afkast. Det betyder, at køb og salg skal vurderes ud fra den næste børsdags lukningskurs.

Ville åbningskursen den næste dag ikke være den bedste?

[Kelpieracer]

Det er deres gennemsnit…
Så man kan få AdjClose direkte fra Yahoo, ikke AdjOpen, selvom det let kan beregnes.
Jeg synes under alle omstændigheder, at det er mere korrekt at bruge det justerede tal, da det inkluderer splits og udbytter.
Redigering. Jeg har personligt et problem som “dagjob”, og jeg har normalt ikke tid til at handle før om aftenen, derfor er jeg måske blevet fikseret på den lukkekurs.

[Kelpieracer]

@vuh

Dejligt at høre, at andre også har lavet lignende analyser. Jeg forsøgte at søge på forummet, men disse indlæg gik ubemærket hen.

Jeg tænkte faktisk allerede, da jeg skrev det, at de ville drukne i kaffestuen… godt, at du lavede en separat tråd.

@vuh

ville kræve slutkursen for den følgende dag.

Ja, fra yahoo_fin-biblioteket kan du nemt få kurshistorikken, når du har styr på pandas (et populært Python-bibliotek til dataanalyse).

@vuh

Det ville være rart at høre mere om dette i denne tråd, hvis du har flere resultater.

Jeg har simuleret alt muligt, men jeg husker ikke, at jeg har simuleret Inderes-anbefalinger yderligere.
Sektor-, størrelses- og kontinentrotationsstrategier med ETF’er (jeg får afkast i forhold til b&h, men taber til MSCI World (et globalt aktieindeks)), og jeg handlede senest Nordnet Markets-produkter med aktie- og metalmål.
Inderes-anbefalinger (og modelsporteføljen) har haft de bedste backtests. Med Nordnet Markets-produkter kan man opnå afkast med kvantitativ handel med aktier, men det kræver en enorm mængde af ens egen tid og maskintid. Jeg har skrevet om nogle af disse ting i algoritme-tråden.

[vuh]

Jeg tilføjede den faktiske afkast, denne investor har modtaget, i morges, hvor Inderes-investorens køb og salg først foretages til næste dags slutkurs. Jeg bliver nødt til at undersøge Yahoo-API’en, nu har jeg downloadet kurshistorikken fra Kauppalehtis (finsk finansavis) hjemmeside, som jeg forstår også er justeret for split osv.:

Redigering: Tilføjet til det første indlæg, mange tak til @Sijoittaja-alokas og @Yu_Gong

[Kelpieracer]

Fint og nyttigt arbejde, @vuh!

Redigering. Kan man stadig finde ud af, hvordan Inderes-effekten har udviklet sig gennem årene fra disse data? Altså hvornår er denne fordel blevet spist op?

[vuh]

Lynhurtig ny analyse tidligt om morgenen. Jeg har nu beregnet afkastet for et balanceret indeks af alle aktier og sammenlignet det med et indeks sammensat af Inderes’ anbefalinger. Det vil sige, at en indeksinvestor ejer alle aktier på Helsinki-børsen og First North med et lige stort eurobeløb, og en Inderes-investor ejer alle aktier i Inderes’ køb/tilføj-anbefalinger med et lige stort eurobeløb. Begge indeks er dagligt rebalanceret i beregningerne. Jeg foretog balancering og daglig rebalancering, da det er det nemmeste med disse data.

Først skal kurs- og udbyttehistorikken hentes, og derudfra skal totalafkastet for hver aktie beregnes. Til dette hentede jeg lukkekurser og udbytter for handelsdage fra 01-01-2000 til 31-12-2021. Ideen er at antage, at på udbytteafskæringsdagen (når en aktiekøber ikke længere modtager udbytte) geninvesteres udbyttet ved at købe den samme aktie for det samme beløb, som udbyttet giver. Købet foretages til lukkekursen den dag. Som følge heraf, hvis udbyttet er d og prisen P, har investoren d/P nye aktier i selskabet. Som følge heraf stiger antallet af aktier med (1+d/P), hver gang selskabet udbetaler udbytte. Totalafkastet er derefter hver dags lukkekurs ganget med investorernes samlede antal aktier. Nedenfor ses Nokia som et eksempel, hvor totalafkastet fra tidspunkt T til tidspunkt T+K simpelthen er Totalafkast (T+K) / Totalafkast (T) (orange linje). På lang sigt er udbytter af stor betydning:

Ved at tage totalafkastet for alle aktier kan man beregne forskellige indekser og fine grafer. Neste gik stærkt, men Ahtium (tidligere Talvivaara) faldt hurtigt:

Det er vigtigt at huske, at små virksomheder har klaret sig markant bedre i perioden, så det balancerede indeks, jeg bruger, performer bedre end det officielle OMXHGI-indeks:

Dette forklares ofte af et par supersucceser (Boreo, eQ, Marimekko):

Inderes vs. Afkastindeks

Så til resultaterne. Hvis vi ser på den tidligere graf over datamængdens visualisering i det første indlæg, observerer vi, at der i 2014 kun var et par virksomheder i dataspore: Nokia (varierende), Siili Solutions (tilføj). Derfor ville overafkastet af det ‘indeks’, der er dannet fra 2014 og fremefter, primært være baseret på Siilis positive anbefaling. Derfor viser jeg først det mere repræsentative indeks dannet fra 2018-01-01 og fremefter.

Fra 2018 og fremefter

I det følgende indeks køber “Inderes” aktien i porteføljen samme dag, som “Tilføj/Køb”-anbefalingen gives, og sælger aktien, når “Reducer/Sælg”-anbefalingen gives. “Inderes (reel)” korrigeres for eventuelle informationsfordele og Inderes-effekten ved først at købe aktien til lukkekursen den næste handelsdag. Investorernes portefølje består således af alle selskaber, hvor Inderes har en “Tilføj” eller “Køb”-anbefaling. “Indeks” følger alle selskaber på Helsinki-børsen og First North i balance. “Inderes (reducer)” er omvendt af “Inderes’” anbefalinger.

Jeg får følgende årlige porteføljeafkast pr. 31-12-2021:

Inderes                  1.285636
Indeks                  1.175273
Inderes (reel)     1.254914
Inderes (sælg/reducer)    1.086588

Og følgende pr. 30-06-2020 før “snestorm”-sommeren.

Inderes                  1.127808
Indeks                  1.040166
Inderes (reel)     1.100969
Inderes (sælg/reducer)    0.983676

Fra 2014 og fremefter

Dette kan være en misvisende beregning, da anbefalingerne var baseret på et så lille antal aktier, men jeg inkluderer den alligevel.

Jeg får følgende årlige porteføljeafkast pr. 31-12-2021

Inderes                  1.322538
Indeks                  1.183842
Inderes (reel)     1.296388
Inderes (sælg/reducer)    1.132848

Og følgende pr. 30-06-2020 før “snestorm”-sommeren.

Inderes                  1.265387
Indeks                  1.131018
Inderes (reel)     1.241634
Inderes (sælg/reducer)    1.100633

Konklusioner

Det faktiske årlige afkast for Inderes-porteføljen i perioden 01-01-2018 til 31-12-2021 (4 år), da de fleste aktier var under dækning, var 25,5% om året, mens det årlige afkast for et balanceret indeks bestående af alle aktier var 17,5%. OMXHGI-indekset gav i perioden ca. 13% årligt afkast, hvilket er markant mindre (ikke FN, markedsværdi-vægtet). Afkastet i perioden 01-01-2018 til 30-06-2020, før “sne-til-sne”-sommeren, var 10,1% for Inderes-porteføljen og 4,0% for det balancerede indeks af alle aktier.

I et tidligere indlæg beregnede vi det estimerede årlige afkast for Inderes (reel)-porteføljen til 24,8% og det årlige afkast for indeksprisskiftet til 10,7%. Før sommeren 2020 estimerede vi det årlige afkast for Inderes (reel)-porteføljen til 11,3% og det årlige afkast for indeksprisskiftet til -3%. Afkastet baseret på det reelle indeks ligger meget tæt på de tidligere estimater for Inderes, men indeksafkastet forbedredes med ca. +7%. Dette bør forklares ved at tage højde for udbytter og virksomheder, der ikke var under dækning (eller er blevet fjernet fra dækning). Inderes slår dog stadig indekset klart

[Fyys]

Har du overvejet en beregningsøvelse, hvor du også tager højde for skatter og transaktionsomkostninger? På et aktiesparekonto (OST) kan man selvfølgelig handle skattefrit, men så er porteføljens størrelse nok sådan, at transaktionsomkostningerne er betydelige per handel. Især når man antager en så stor spredning. F.eks. hvor meget afkastet falder, når der tages 0,3-1 % i omkostninger fra hver handel.

[vuh]

Interessant spørgsmål, jeg kunne gøre det. Nordnets prisliste ville opkræve investoren 0,10%-0,15% i gebyrer for Inderes-aktiviteter, hvis man kunne investere omkring 4667-5000€ ad gangen, og man kunne endda tænke sig at trække bid/ask-spreadet fra. Hvis man gør det dagligt, bliver der ingen fortjeneste

Det faldt mig ind, angående ‘Inderes (Real)’ indekset, at selvom det måler den private investors afkast godt, er det i princippet uretfærdigt, når det måler Inderes’ performance, fordi de kunne have købt aktien før Inderes-effekten, i det omfang denne effekt er baseret på andre investorers begejstring og ikke på information, der er tilgængelig efter handelslukning.

Tilføjet: Handelsomkostninger

Jeg begyndte at beregne handelsomkostninger og skattepåvirkning, men det er meget mere kompliceret, end jeg troede. Hvis porteføljen ikke har kontanter, skal der udarbejdes en salgsstrategi, når Inderes giver en ‘Tilføj’-anbefaling; skal man f.eks. sælge den mest profitable ved at halvere positionen osv. Skal man holde kontanter, og med hvilket beløb skal man handle. For at undgå handelsomkostninger kan det være fornuftigt at investere et større beløb i en aktie ad gangen frem for at maksimere diversificeringen, og så skulle man trække lod om, hvad man skulle investere i. Hvad med rebalancering osv. Så skulle man også trække skat af udbytter og kapitalgevinstskat på salgstidspunktet.

Jeg har dog lavet en simpel ‘småinvestors aktiesparekonto’-beregning på en serviet til dig @Fyys . Nedenfor er vist antallet af positive og negative anbefalinger over tid, antallet af anbefalingsændringer over tid og antallet af handler i porteføljen over tid. Sidstnævnte er lidt mindre, fordi en start af overvågning med en negativ anbefaling ikke ændrer porteføljen. Det ses, at en Inderes-investor, der følger anbefalingerne, ville foretage 4-40 handler om måneden, i gennemsnit 14 handler. Nordnets prisliste Niveau 2 (11-50 handler/måned) er 0,10% / min 5€. Tilføj og reducer anbefalinger kommer lige ofte, og i dag følger Inderes de fleste virksomheder, så vi kunne forenkle det til, at porteføljen nu ville have 80 aktier, og disse ville blive udskiftet i henhold til anbefalingerne.

Dette ville betyde en investering på 50.000€/80 = 625€ pr. aktie, et gebyr pr. handel på 5€/625€ = 0,8%, og et årligt gebyr på 14 * 12 * 5€/50.000€ = 1,68%. Hvis der var 1.000.000€ til rådighed, ville en investering på 12.500€ pr. aktie give et gebyr pr. handel på 0,1% og et årligt gebyr på 0,21%. Der foretages 14 * 12 = 168 handler årligt, hvilket betyder, at omsætningen er 2,1x porteføljen, og derfor er gebyret dobbelt så højt. Fra dette 1,68% gebyr falder man gradvist til dette 0,21% minigebyr, når porteføljens værdi overstiger 80 * (5/0,1%)€ = 400.000€.

Tidligere vurderede jeg, at Inderes (reel) har leveret en mergevinst på 6-8% i forhold til OMXH&FN’s afbalancerede og dagligt rebalancerede, fuldstændigt omkostningsfrie, hypotetiske afkastindeks. Hvis man trækker dette gebyr på 0,21% - 1,68% fra, afhængigt af porteføljens størrelse på 400.000€ - 50.000€, er man stadig i plus

[vuh]

Inderes-effekten

Efter anmodning fra publikum (@Kelpieracer) har jeg brugt min aften på at lave endnu en analyse af Inderes-effekten, det vil sige fænomenet, hvor aktiekursen hopper umiddelbart op, når Inderes giver en Køb/Forøg-anbefaling og falder ved en Sælg/Formindsk-anbefaling. Mange har sikkert bemærket dette fænomen på børsen, så her er data om den gennemsnitlige Inderes-effekt. Jeg analyserede den:

• Efter anbefalingstype: Køb/Forøg/Formindsk/Sælg
• Efter markedsværdi: fn/small cap/medium cap/large cap/omxh25
• Efter år: 2017-2021

Ideen er at måle, hvor meget en aktie afkaster, efter Inderes giver en anbefaling. Lad os definere 0 som anbefalingsdatoen, 1 som den næste dag, 2 som dagen efter den, osv. Til sammenligning beregnede jeg også den gennemsnitlige afkast for alle andre aktier, det vil sige ‘indekset’, for hver anbefaling fra anbefalingsdatoen og fremefter. Vi kunne antage, at anbefalingen korrelerer stærkt med aktiens performance, men ikke med indekset, medmindre ‘forøg’/‘formindsk’-anbefalinger generelt gives mere, når markedet som helhed er på vej op/ned.

Køb/Forøg/Formindsk/Sælg

I den følgende figur visualiserer jeg det gennemsnitlige daglige procentvise afkast baseret på anbefalingstypen, og det gennemsnitlige kumulative afkast for en enkelt aktie og indekset på de følgende handelsdage. Det observeres, at på anbefalingsdatoen får en aktie med en ‘Køb’-anbefaling et øjeblikkeligt afkast på +3%, med en ‘Forøg’-anbefaling +1%, med en ‘Formindsk’-anbefaling lidt under -1%, og med en ‘Sælg’-anbefaling lidt under -2%. Effekten fortsætter svagere de næste par dage. Det er interessant at bemærke, at effekten ikke udlignes over tid, det vil sige, at aktien ikke vender tilbage til udgangspunktet. Kumulativt set observeres det, at afkastforskellen mellem ‘Køb’/‘Forøg’-aktien og indekset vokser over tid, hvilket betyder, at merrendementet ikke kun skyldes Inderes-effekten, selvom den er betydelig. Afkastet for ‘Formindsk’/‘Sælg’-aktien stiger efter et par måneder til lidt over 0%, hvilket er en betydelig underperformance i forhold til indekset.

fn/small cap/medium cap/large cap/omxh25

Lad os se på de kumulative afkast baseret på omsætningen pr. 31-12-2021, hvor jeg delte aktierne ind i forskellige kategorier: fn (First North) / smallcap (81-144 mindst handlede) / medcap (41-80 handlede) / largecap (1-40 mest handlede) / omxh25* (1-25 mest handlede). Det observeres, at Inderes-effekten er størst i små og mellemstore virksomheder, i gennemsnit endda +/- 5% for en ‘Køb’/‘Sælg’-anbefaling. I store virksomheder er det muligt at observere en lille positiv +1% effekt for en ‘Køb’/‘Forøg’-anbefaling, men ingen negativ effekt. Inderes’ merrendement kan observeres i alle kategorier. Dette ser ikke ud til at være baseret på timing af markederne, da aktier med positiv anbefaling indhenter forskellen til det tilsvarende indeks.

2017-2021

Til sidst endnu en analyse af de forskellige år. Jeg ser ikke en klar tendens til, at Inderes-effekten er steget eller faldet, men det er interessant at observere, hvordan anbefalingerne fungerer både i et faldende (2018) og stigende (2021) marked. Under Coronapandemien (2020) syntes Inderes også at lykkes med at time markedet, da indekset også afkastede forskelligt baseret på anbefalingstypen. Det vil sige, at ‘Formindsk’-anbefalinger korrelerede med aktiernes generelle fald, og ‘Forøg’-anbefalinger med aktiernes generelle stigning. Inders’ styrke ligger dog i aktieudvælgelse, da de bedste afkast blev opnået ved at udvælge vindere på et generelt stigende marked (2019, 2020, 2021).

[Ripelein]

Porteføljestyring er faktisk et ret vanskeligt emne, og der er mange forskellige muligheder. I mit eget projekt er problemet blevet tydeligt for nylig, da investeringsmulighederne er øget, og det investerede beløb er forblevet det samme. Tanken er at investere mere i bedre mål end i mindre gode, og alligevel skal man sikre tilstrækkelig diversificering.

Man kunne f.eks. have en minimumshandel på 4.000€ og en maksimal investering på 20.000€ i en enkelt virksomhed for en portefølje på 100.000€. Dette ville muliggøre investeringer af tydeligt forskellige beløb i fem investeringsmål. Når antallet af investeringsmål stiger til kun 15, er der kun 6.666€ tilbage at investere i en enkelt virksomhed. I så fald kan man ikke længere lave klare forskelle i investeringsbeløbene. Man skal vælge et beløb mellem 4.000€ og 6.666€, og der kan ikke foretages yderligere investeringer.

Man kan reducere omkostningerne ved at bruge billigere mæglere. Hvis valgene er gode, er stigningen i den relative andel af omkostninger ikke nødvendigvis en dårlig ting. En tredje mulighed kunne være at skære ned på dårligere investeringer, f.eks. til otte, hvilket ville give mulighed for at investere maks. 12.500€ i en enkelt virksomhed. Hvis investeringsbeslutningen styres af Køb/Sælg-information, er det ret vanskeligt at skære ned kvantitativt.

Når man investerer et fast beløb, er man også udsat for udsving i antallet af investeringsmål. Hvis nogen har viden om god litteratur vedrørende porteføljestyring, må de gerne give et tip.

[Alfons_Knautmauer]

Jeg vil kaste denne tanke ud (nu hvor der er opstået alle mulige interessante diskussioner om kursmål), om hvilken slags resultater man ville opnå ved at investere direkte efter Inderes’ kursmål.

Porteføljen ville blive allokeret således, at Kursmål - Nuværende pris (så vidt jeg husker er det potentialet i Inderes’ aktiesammenligningstabel) ville svare til aktiens andel i porteføljen.

Dette kunne gøres long-only, hvor kun positive potentialer ville blive taget i betragtning. Eller “markedsneutralt”, så negative potentialer ville blive solgt forholdsmæssigt short.

Hvis der er lidt fritid, interesse, og de eksisterende Python-scripts kan tilpasses til dette uden større ændringer, ville det være interessant at se. Og det ville give en interessant baggrund for diskussionen forårsaget af udsving i den risikofri rente.

[vuh]

Akademisk litteratur er fuld af ting, men svaret er komplekst og afhænger af konteksten . Jeg husker dog, at flere undersøgelser har vist, at 1/N-balancering fungerer overraskende godt i virkeligheden. Her er et par solide artikler:

Den moderne porteføljeteori, pioneret af Markowitz (1952), er bredt anvendt i praksis og omfattende undervist til MBA’er. Dog underpræsterer den estimerede Markowitz-porteføljeregel og de fleste af dens udvidelser ikke kun den naive 1/ N-regel (som investerer ligeligt på tværs af N aktiver) i simulationer, men taber også penge på en risikojusteret basis i mange reelle datasæt.
https://www.sciencedirect.com/science/article/abs/pii/S0304405X10001893

Ud af de 14 modeller, vi evaluerer på tværs af syv empiriske datasæt, er ingen konsekvent bedre end 1/ N-reglen med hensyn til Sharpe-forhold, ækvivalent afkast eller omsætning, hvilket indikerer, at gevinsten fra optimal diversifikation uden for stikprøven mere end opvejes af estimeringsfejl. https://academic.oup.com/rfs/article-abstract/22/5/1915/1592901?login=false

Her henvises der endda til bogen Rationality for Mortals: How People Cope with Uncertainty, baseret på, at Markowitz, udvikleren af den moderne porteføljeteori, selv skulle have brugt denne regel: Heuristics and Robustness in Asset Allocation: The 1/N Rule, “Hard” Constraints and Fractional Kelly Strategies | macroresilience

Det ville kræve en ekspert inden for emnet og måneder til at opsummere disse formler og visdom. Ved at gennemse kilderne får jeg dog et indtryk af, at denne simple strategi kan være overraskende tæt på det optimale: f.eks. 80 aktier á 5000 € hver, og en aktie sælges, hvis Inderes giver en “Reducer”-anbefaling, og der købes en aktie med en “Forøg”-anbefaling, som endnu ikke er i porteføljen.

[Mikael_Rautanen]

Wau! Tak for analysen

Hvis der i øvrigt er data, som skal udvindes fra rapporterne, så er du velkommen til at kontakte os, så kan vi se, om de pågældende data let kan findes i databasen som en samlet pakke. Vi har allerede leveret historiske data til nogle specialer og kandidatahandlinger.

[greenhornet]

Jeg skulle lige til at spørge, om anbefalingsdataen var tilgængelig @vuh? Jeg kunne ikke se dataen på GitHub.