Robotter bedst til aktieanalyse

Et studie fra en gruppe forskere på Indiana University i USA viser, at aktieporteføljer baseret på robot-analytikernes købsanbefalinger ser ud til at give højere afkast end aktieporteføljer baseret på menneskelige aktieanalytikere.

Studiet viser også, at robotanalytikernes anbefalinger især afviger fra deres menneskelige modparters analyser på tre områder:

• Robotternes anbefalinger fordeler sig meget mere jævnt mellem køb, hold og salg, hvor de menneskelige analytikere har en massiv overrepræsentation af købsanbefalinger.
• De reviderer deres anbefalinger langt oftere.
• De baserer deres anbefalinger mindre på de traditionelle og periodiske regnskabsudmeldinger fra selskaberne og i stedet på større og mere komplekse sæt af data.

Robotanalytikernes anbefalinger baserer sig i høj grad på et sæt af algoritmer, der gennemtrawler data fra regnskaber og øvrige virksomhedsudmeldinger samt en lang række andre data. Hertil kommer maskinlæring, der træner programmerne.

Der er typisk begrænset menneskelig interaktion i processen, der ofte begrænser sig til kvalitetskontrol. Robotaktieanalytikerne har altså ikke med såkaldt robotrådgivning at gøre, som vi kender herhjemmefra fra bankerne, som for eksempel Nora, June og Darwin, men altså specifik aktieanalyse af børsnoterede selskaber.

I studiet ”Man Versus Machine: A Comparison of Robo-Analyst and Traditional Research Analyst Investment Recommendation”, analyserer de tre forskere Coleman, Merkley og Pacelli over 76.000 aktieanalyser lavet af syv forskellige robotanalysefirmaer i perioden 2003-2018 og sammenligner med aktieanalyser skrevet af traditionelle aktieanalytikere på de samme selskaber.

Studiet viser, at 32 procent af robotternes anbefalinger er køb mod hele 47 procent hos de traditionelle aktieanalytikere, mens de udsteder 24 procent salgsanbefalinger mod kun 6 procent hos de levende analytikere.

Forskerne mener forskellen blandt andet skyldes ”behavioural biases”, adfærdsmæssige skævheder, for eksempel at mennesker har en tendens til at være mere positive end neutrale algoritmer, eller velkendte interessekonflikter, såsom at analytikerens firma har andre forretninger med de analyserede selskaber, eller at analytikeren fryses ude af virksomhedernes topledelser, hvis de kommer med en salgsanbefaling.

Studiet fra Indiana University viser også, at robotternes købsanbefalinger i måleperioden slår aktieanalytikernes ditto med hele 5-6 procentpoint - per år - mens der ikke er nogen signifikant afkastforskel på salgsanbefalingerne.

Forskerne gætter på, at robotternes mere profitable købsanbefalinger kan skyldes, at robotterne gennemtrawle større mængder af data fra både de analyserede selskaber og fra det omgivende samfund. Og selvfølgelig, at robotterne er mere neutrale og mindre knyttet til de analyserede virksomheder.

Samtidig har regulering som Mifid-2 gjort aktieanalyse mindre profitabelt for de store investeringsbanker og ført til færre aktieanalytikere, der til gengæld skal dække flere selskaber samtidig, hvilket mindsker kvaliteten.

Alligevel mener hverken forskerne bag studiet eller robotanalysefirmaerne, at robotterne kan erstatte levende aktieanalytikere. Til gengæld kan robotterne komplementere traditionel aktieanalyse.

Menneskelige analytikere kan modsat robotterne lære det enkelte selskab at kende ud i alle kroge, arrangere møder med topledelsen og andre vigtige personer i virksomhederne og derigennem får et indtryk af, hvordan det går, også hos konkurrenter, leverandører, kunder m.m.

Interessant nok, så reagerer aktiemarkedet stadig op til ti gange kraftigere når de traditionelle aktieanalytikere ændrer deres anbefaling, end når robotanalytikerne gør det. Forskerne gætter på, at det er fordi robotanalysefirmaerne endnu ikke er så store og velkendte som de store investeringsbanker på Wall Street.