Aktieanalytikernes beskidte tricks

Aktieanalyse er mere end regnskabsanalyse. I mine jobs som aktiestrateg og porteføljeforvalter har jeg set mange spændende og anderledes indfaldsvinkler. Den seneste er buzz-word bingo, som er det nye sort på Wall Street og blandt hedgefonde. Du kender måske selv til at sidde og lytte til din chef, en politiker eller en Kloge Åge på en konference, mens du krydser af, hver gang han eller hun bruger en forslidt standardfrase eller kliché.

I Wall Streets og hedgefondenes version er det ikke et menneske, der fordriver tiden, men et stykke kunstig intelligens. Forestil dig en robot, der pløjer timevis af telefonkonferencer med virksomhedsledere igennem for at finde brugbar information, det vil sige information, som der kan tjenes penge på.

Algoritmerne kan være programmeret til at tælle, hvor mange gange nogle bestemte ord bliver nævnt på telefonkonferencerne eller hvor mange ord, der signalerer noget positivt eller negativt. Det kunne være i forbindelse med marginerne eller et bestemt marked eller produkt. Målet er at få en bedre fornemmelse for, hvordan det går i virksomheden, om der er nogle strategiskift undervejs, vel at mærke inden de er annonceret, eller om virksomhedsledelsen reelt set er så positiv eller negativ, som det fremgår af de officielle regnskaber og udmeldinger til markedet.

Kunstig intelligens giver nyt overblik

Al denne information kan du selvfølgelig også få ved simpelthen at lytte til telefonkonfrencerne, men det tager tid. En telefonkonference kan ofte vare en time, så der kan spares meget tid, når regnskabssæsonen er i fuld gang. Og man kan som menneske også misse noget på en måske i forvejen hektisk dag, ikke fordi man som analytiker eller investor ikke hører efter, men måske fanger man ikke, at nogle ord pludselig optræder flere gange end tidligere i topledelsens præsentation. Her kan algoritmernes ordoptælling være en støtte.

Tidligere i år forekom ordet ”innovation” pludselig langt hyppigere på telefonmøder med Coca-Colas topledelse. Var de begyndt at frygte, at deres produkter var ved at drukne i sundhedsbølgen, så der skulle investeres kraftigere i produktudvikling?

Goldman Sachs er en af de investeringsbanker, der er begyndt at bruge buzz-word-algoritmer systematisk på deres analyser af amerikanske aktier. Over de seneste 12 måneder har de screenet 4.000 telefonkonferencer med S&P500-selskaber og lavet et ”Index of earnings call”, en slags temperaturmåler på humøret blandt toplederne på telefonmøderne.

Og hvad de fandt, var ikke specielt opløftende: Ved deres seneste kørsel, der nu er nogle måneder gammel, var indekset faldet til det laveste niveau set i de 12 måneder, det har eksisteret. Det tolkes som et tegn på udbredt pessimisme blandt toplederne og på at udsigterne for 2. halvår måske ikke er så lyse, hvilket især er kritisk for de mere cykliske selskaber.

De seneste år er der fremkommet lignende eksempler på brugen af nye teknologier til at finde værdifuld information om selskaberne. Som Dansk Aktionærforenings formand, Ole Søeberg, var inde på i sin leder i sidste nummer af Aktionæren, så anvender nogle af de mere avancerede investeringsbanker og investorer i dag helt nye metoder. De indsamler og behandler for eksempel data om kreditkortforbrug og internetsøgninger og foretager satellit- og droneovervågning af logistikterminaler og landbrugsområder.

Intet nyt under solen

Mens de nævnte metoder er nye, så er det en gammel disciplin udi aktieanalyse at forsøge at finde data til at kunne forudsige udviklingen i virksomhederne. Jeg har selv personligt haft fornøjelsen af at arbejde sammen med mange af Danmarks og nordens skarpeste aktieanalytikere i investeringsbankerne Alfred Berg og Carnegie og i Nordea.

En af Danmarks førende analytikere, Lars Topholm hos Carnegie, er manden bag den efterhånden velkendte Pandora-survey, hvor han kontakter Pandoras forhandlere i forskellige lande for at samle data om salgsudviklingen. Flere udenlandske analytikere gør noget tilsvarende, blandt andet for at følge salget af Apples produkter.

En anden metode er at sammensætte et panel af forskellige forbrugertyper for at få indtryk af, om nye produkter falder i forbrugernes smag.

Også transportstatistik fra andre lande kan være interessant. Havnestatistikker fra Los Angeles og San Diego kan bruges til at vurdere containermængderne over Stillehavet, en vigtig rute for AP Møller - Mærsk. Denne type statistik blev i 00'erne gravet frem af dygtige og ærgerrige analytikere, der i skarp konkurrence forsøgte – og fortsat forsøger - at få et forspring og et bedre grundlag for at vurdere, om et kommende regnskab vil blive bedre eller dårligere end ventet.

Analytikere har også tidligere cirkuleret rundt i Ringkøbing og set på Vestas' produktionsanlæg for at fornemme, om der var ”gang i butikken”.

Eksemplerne viser, at det ikke altid er den analytiker, der er bedst til at læse et regnskab, der laver de bedste analyser og vinder investorernes gunst. Den kreative analytiker kan også ofte begå sig.

Jeg har også selv tidligere i begyndelsen af min karriere arbejdet med at grave alle mulige statistikker frem fra Danmarks Statistiks databaser. Det kunne være eksporten af høreapparater og insulin eller omsætningen i trælasthandler.

Gode kontakter er andet brugbart input. I Nordea havde vi kontakt til et velrenommeret amerikansk analysehus, der simpelthen levede af bogstaveligt talt at løbe rundt i Kongressen i USA og følge med i lovgivningsarbejdet. Det var guld værd i relation til Vestas og støtteordningerne til vindmølleindustrien, for det var før området fik større bevågenhed hos konkurrenter og medier.

Teknologien giver nye muligheder

Kunstig intelligens, maskinlæring, droner og sattelitter komplementerer og videreudvikler dermed blot en lang ”grave-tradition” indenfor aktieanalysen. Men giver mange data virkelig en fordel. Gav det indsigt og fordele at forudsige tendenser dengang? Og kan dagens mere moderne dataindsamling bruges til at komme et skridt videre? Svaret er et klart ja, men dog med nogle forbehold.

For det første var mulighederne for at skabe en fordel større før i tiden, fordi selskaberne kun kom med regnskab hvert halve år mod hvert tredje måned nu. Men selv i dag giver det af og til en fordel. Det er Lars Topholms Pandora-survey et godt eksempel på og min egen erfaring er tilsvarende positiv – ellers var vi jo heller ikke fortsat med det.

Avisen Financial Times testede for nyligt også et screening-værktøj a la Goldmans på to engelske selskaber og fandt – nok lidt til deres egen overraskelse - at i begge tilfælde kunne efterfølgende profit warnings være forudset, fordi ledelsens ordvalg allerede indikerede ugler i mosen.

Pas på fælderne

Når det er sagt, så er der ofte en masse støj i tallene, der gør, at de nogle gange giver falske signaler. Havde havnearbejderne i Los Angeles strejket blot én dag, uden at man som analytiker var klar over det, kunne det skævvride data fuldkommen.

Data kan også blive udvandede. Lastbiltrafikken på Storebælt er ikke længere relevant for en global virksomhed som DSV. Det samme gælder tal for eksport af insulin, da Novo Nordisk i dag producerer over hele verden.

Andre gange forsvinder fordelen, fordi konkurrenterne opdager de samme data, eller fordi data ikke længere er tilgængelige. Efterhånden som det gik op for virksomhederne, hvad der foregik, bad de Danmarks Statistik stoppe offentliggørelsen eller slå detaljerede data sammen i større og for analytikere ubrugelige grupper, så virksomhedernes omsætning ikke længere kunne forudsiges.

At fordelen vil forsvinde eller blive præget af støj i tallene vil sandsynligvis også ske med de nye teknologier og deres dataindsamlinger. Lur mig om ikke mange CEO’s snart kommer på kursus hos algoritmeeksperter i, hvilke ord og vendinger, algoritmerne reagerer på. De vil lære, hvordan de skal formulere sig på telefonmøder og investeringskonferencer, og så er vi lige vidt.

Og lur mig også, om ikke der går ”hype” i brugen af alt, hvad der lugter af algoritmer og kunstig intelligens, screeninger af stemmeføring og brug af ordvalg. Investeringsbanken Morgan Stanley er allerede gået skridtet videre med ordscreeninger og bruger teknikken på deres egne analytikeres rapporter. På basis af dette har de så skabt en fond, der investerer ud fra, om algortimen kan afsløre større eller mindre overbevisning i en analyse og om en mulig anbefalingsændring er undervejs.

Artiklen blev bragt første gang i Aktionæren 7/2019.