Mai 2019 – Resultatet etter to år med porteføljeteori i praksis

Her er en kort oppsummering av resultatene så langt i år.

Modellen har levert en netto avkastning etter transaksjonskostnader på 8,26% per 31. mai. Oslo Børs hovedindeks (OSEBX) er opp 6,46% over det samme tidsrommet, mens den mer spissede OBX indeksen er opp 5,95%. Porteføljens avkastning har med andre ord fortsatt sin hyggelige trend med å slå markedet. Risikoen ligger per mai noe høyere enn hovedindeksen, noe jeg selvfølgelig ikke liker. Inntil nyttår leverte modellen både i pose og sekk (både høyere avkastning og lavere risiko), men i år har altså modellen funnet det fornuftig å ta opp risikonivået i sin jakt på risikojustert avkastning. Endringen i risikoeksponeringen skjedde da porteføljen ble rebalansert i starten av januar. Jeg må innrømme at en økt risiko ikke virker fornuftig nå, så modellen har blitt gjennomgått for å utelukke eventuelle feil i beregningene, men alt av formler og dataserier ser ut til å stemme.

Avkastning, standardavvik og Sharpe-ratioen er ikke annualisert i tabellen

Etter oppstart i mai 2017 har porteføljen generert en avkastning på 28,4% etter fratrekk for transaksjonskostnader. Hovedindeksen (OSEBX) har gitt 16,8% og og OBX indeksen har levert 19,4%. Risikonivået er fortsatt lavere over hele perioden.

Avkastning, standardavvik og Sharpe-ratioen er ikke annualisert i tabellen

Som nevnt i et tidligere innlegg gjorde jeg en testing av modellen med tre års historiske data før jeg la ekte penger på bordet i mai 2017. Den teoretiske modellen viste en meravkastning per år på 5%+, uten at risikonivået skilte seg ut fra hva hovedindeksen leverte. Per nå er meravkastningen etter transaksjonskostnader over 5% per år, og jeg synes det er ganske artig at modellen har gjort eksakt det samme i praksis som testingen i forkant indikerte.

Mye av meravkastningen kom i andre halvår i fjor, da børskorreksjonen utover høsten ga et ekstra kick med risikojustert meravkastning for min portefølje. Da risikoen avtok i januar var det derfor spennende å se om markedet ville løpe fra porteføljen min, men det skjedde altså ikke. Tabellen viser porteføljens månedlige meravkastning sammenlignet med Oslo Børs Hovedindeks (OSEBX) per måned siden oppstart. Det ble en liten straff nå i mai, men det er nok vel fortjent etter syv grønne måneder på rad og en modell som brått har begynt å søke mer risiko.

I juli og august 2017 ble det brukt en forenklet modell, denne ble forkastet da de statistiske egenskapene til porteføljen ble svekket.

Jeg liker grafene under, disse viser 12 måneders rullerende sammenligning AV porteføljens risiko og avkastning opp mot hva markedet har gitt. Meravkastningen siste 12 måneder er 7,1%, denne avkastningen har ikke kommet basert på timing eller overdreven bruk av risiko, snarere tvert imot.

Oppsummert

De mest optimistiske aktørene i aksjemarkedet har som formål å aldri tape penger, slikt tull tror ikke jeg noe på. Min modell er skapt i den hensikt å slå markedets risikojusterte avkastning over tid, og jeg har ikke lagt ned så mye som en tanke i å forsøke å time markedet eller plukke enkeltaksjer som skal levere superior avkastning. Her er det en algoritme (et regelsett) som styrer porteføljens sammensetning, de eneste begrensningene jeg har satt er at 100% av kapitalen skal være investert, short posisjoner tillates ikke, og den minste posisjonen kan ikke tilsvare mindre enn 1% av kapitalen.

Vil denne suksesshistorien fortsette til evig tid? Nei nei nei, her kommer det mest sannsynlig lengre perioder med mindreavkastning før eller siden, så da blir det til at man må skru litt mer på modellen for å få den til å levere enda bedre.

Algoritmen har plukket disse porteføljene siden oppstart:

Selvfølgelig har jeg personlige oppfatninger om de fleste børsnoterte selskapene på Oslo Børs, så må innrømme at irritasjonen er stor over at YAR, SUBC og GJF ikke er vektet høyere, eller at REC og AKSO i det hele tatt har kommet inn i porteføljen.

Ellers jobbes det videre med å sette opp en tilsvarende modell for det amerikanske aksjemarkedet. Det å gå fra et utvalg på snaut 40 aksjer til 500 aksjer er ikke helt problemfritt, men jeg har noen tanker om enkelte ekstra beregninger som må utføres for å slanke utvalget uten å risikere å fjerne de elementene som skaper risikojustert avkastning. Datamengdene begynner også å bli noe mer utfordrende for min litt for gamle PC, så denne må nok erstattes for å få opp effektiviteten i beregningene.

Null av 57 - Resultatene til min aksjemodell i 2018

Fasit per 31. desember:

Modellens avkastning etter oppstart endte på 18,6%, toppunktet på 34,2% ble nådd 25. september. Til sammenligning leverte OSEBX 9,7% over samme periode.  

Ved første øyekast tenker man kanskje at prestasjonen til denne modellen i hovedsak skjedde da markedet begynte å falle, da man ser at gapet mellom modellen og indeksen stiger ned nesten 5 prosentpoeng i løpet av tre måneders tid. Jeg vil heller påstå at prestasjonen har vært råsterk nesten helt siden oppstart med tanke på modellens vekting av selskaper. Siden oppstartsdatoen steg oljeprisen fra 51 dollar til over 85 dollar i starten av oktober 2018, med tanke på at modellen var kraftig undervektet i Equinor og andre oljevirksomheter som AKERBP, AKER etc.. gjennom store deler av denne oppgangen så ble altså ikke avkastningen straffet, det ble faktisk hentet 4% meravkastning allikevel.

Må innrømme at jeg har gledet meg til denne januarmåneden i lang tid, det er jo nesten hyggeligere enn selveste julaften å regne seg gjennom resultatene fra et avsluttet børsår. Den morsomste oppgaven står nå for tur, altså å benchmarke resultatene opp mot aksjemarkedet som helhet.

2018 utviklet seg bra for landets investorer, men når høsten kom falt oljeprisen og verdens børsindekser som en et blylodd, og det har nesten vært mer normalen enn unntaket at børsindeksene i USA har falt med 2% eller mer, til hele markedets store overraskelse. Jeg ble selv fullstendig overrasket over fallet i oljeprisen, men det jeg ikke er det minste overrasket over er at markedet inkludert meg selv ikke så hva som skjedde på forhånd.

Man får faktisk betalt for å ta risiko 
Oslo Børs hovedindeks har gjennom de siste 25 årene gitt en årlig annualisert avkastning på 9,2%. Man kunne altså kjøpt seg inn i januar 1994 og opplevd alt fra IT krakket i 2000, terrorangrepene i USA i 2001, finanskrisen i 2008, og fortsatt fått 9,2% i gjennomsnittlig årsavkastning. En million kroner investert i 1994 ville blitt til 9 millioner i dag (skattekostnad utelatt). Våre medhjelpere på veien har blant annet vært et fantastisk oljeeventyr, laksefest og fallende rentenivåer.

Om aksjemodellen min

Innskudd 24. mai 2017: 300 000 kr. Modellen er basert på 0% følelser, jeg fokuserer heller på 100% statistikk og porteføljeteori. Jeg får ikke lov til å bry meg om hva de utvalgte selskapene heter eller hva de driver med, den eneste hensikten jeg har er å eie en aksjeportefølje i den hensikt å maksimere langsiktig risikojustert avkastning. Modellens input er blant annet historiske datasett med utbyttejusterte aksjekurser for de mest likvide selskapene på Oslo børs (ca 35 selskaper). Siden tilgangen på kvalitetsdata er fraværende hvis man ikke har tilgang på bloomberg terminaler eller lignende er jeg nødt til å korrigere dataen jeg henter fra Yahoo finance og andre lignende sider. Regelsettet er:
1) 100% av kapitalen skal til enhver tid skal være investert i aksjer 
2) Shortposisjoner tillates dessverre ikke da det er praktisk vanskelig å gjennomføre effektivt med kun noen hundre tusen i egenkapital 
3) Utbytte blir reinvestert når porteføljens vekter blir endret, det skjer typisk sett 8 ganger i året  
4) Selskaper som har mindre enn fem års historikk på Oslo Børs blir utelukket
5) For å redusere transaksjonskostnadene har jeg en regel som sier at aksjer med vekter under 0,8% blir nullet og overført med relativ andel til selskapene som har en vekting over 0,8%
6) Modellen står inntil videre fritt til å vekte de 35 selskapene akkurat som den ønsker, men jeg kommer til å vurdere begrensninger på maksimalvekter hvis ett av selskapene skulle nærme seg 25%

Jeg bygget denne modellen for å teste ut teori i praksis basert på en masteroppgave jeg skrev om internasjonal diversifisering i 2008. Den eneste forskjellen nå er at jeg benytter mye av den samme teorien for Norge istedet for hele verden. Etter to år med testing og 19 måneder med investeringer begynner jeg å mistenke at dette kan skape risikojustert meravkastning over tid. Over denne fireårsperioden ville trolig ingen aktive fond i Norge matchet modellens risikojusterte avkastning, og da begynner det å ligne på noe annet enn flaks og tilfeldigheter. Det tok meg ca 20 timer å vedlikeholde modellen i fjor, og sannsynligheten er nok relativt stor for at risikojustert avkastning kunne ha blitt økt et par nivåer hvis jeg hadde hatt informasjonstilgangen og tiden til landets fondsforvaltere. Se forøvrig innlegget jeg skrev i mai for ytterligere detaljer.

Jeg synes resultatene per desember 2018 er forbløffende:

(   1) Standardavviket (risikoen) til min portefølje er lavere enn både OBX og OSEBX, til tross for at porteføljen kun består av et sted mellom 14 og 18 selskaper, mens OBX typisk sett har 25 og OSEBX rundt 63. Standardavvikene er målt med daglige avkastningsdata for de aktuelle periodene. Det er litt kunstige tall i perioden Mai 2017 – Desember 2018 da tallene ikke er annualiserte

  

(   2) Avkastningen til modellen min er høyere enn begge indeksene, og spesielt i høst har jeg fått godt betalt for modellens aksjevalg. Etter oppstart for rett over 19 måneder siden har modellen gitt en meravkastning på 8,9% etter transaksjonskostnader. I testen jeg gjorde før jeg startet opp i mai 2017 viste modellen nesten det samme, 5%+ årlig meravkastning og et risikonivå helt på linje med hovedindeksen (OSEBX). Transaksjonskostnadene er nå kommet ned på et noe mer akseptabelt nivå

(   3) Sharpe (risikojustert avkastning) ender da selvfølgelig godt over børsindeksene. Det siste året har OBX og OSEBX levert mindre tilbake til investorene enn risikofri rente, så det er årsaken til negative verdier der.

(   4) Til info, risikofri rente brukt i (1) nedenfor er 12 måneders statssertifikat, under den forutsetning av at man må holde investeringen ett år. Renten i (2) er ikke eksakt beregnet, men det spiller uansett ingen rolle for utfallet av resultatene i dette tilfellet her

Grafen nedenfor viser 12 måneders rullerende standardavvik for modellen min opp mot børsindeksene. Det er for denne tidsperioden helt tydelig at 14 -18 aksjer optimalt vektet kan mathe risikonivået til OSEBX indeksens 63. Man skulle kanskje tro at børskorreksjonen de siste månedene ville favorisere en indeksen med langt flere selskaper, men det som i praksis skjedde var at modellen min gikk seirende ut av denne duellen med klar margin.

Grafen nedenfor viser 12 måneders rullerende avkastning. Porteføljen min (den blå streken) ligger konsekvent over hovedindeksen (OSEBX), og når korreksjonen kom i høst gikk det selvfølgelig som det måtte gå, porteføljen med lavest risiko tapte minst penger. En annen interessant ting som har pågått i lang tid er OBX indeksens overtak på OSEBX, dette ble delvis utlignet nå som korreksjonen kom og bredere porteføljer fikk et fortrinn.

Det skrives en del om indeksforvaltning opp mot aktiv forvaltning i mediene. Dagens Næringsliv hadde en oversikt over avkastningen til norske aksjefond i 2018 i avisen den onsdag 9. januar. Av 57 fond var det kun 18 som slo hovedindeksen (OSEBX), 39 gjorde det svakere. Avkastningen varierte mellom -25,0 % og + 5,0 %. Det er altså bare å konstatere at min modell (+5,5%) ble slått av null av 57 aksjefond.

Man kan selvfølgelig hente frem store analyser og prøve å overbevise meg om at aktive fond over tid er bedre enn markedet, men nå er det en gang slik at disse 57 fondene har forvaltere med 57 forskjellige markedsoppfatninger. Disse forvalterne har så hvert sitt team med analytikere som prøver å selge inn sine ideer. Avisene omtaler til tider disse forvalterne, deres porteføljer og hvilke valg de har tatt, man får til tider inntrykk av at alt forvalterne gjør er å fokusere på firmanavn (følelsesbaserte investeringer), noe jeg håper ikke er tilfelle. Det å konstruere et typisk aksjefond uten å for eksempel regne på den statistiske effekten av å enten ta inn PGS eller TGS, eller AKERBP og EQNR høres ut som ekstrem risikosport over tid.

Svært mange vil være uenige i at det å plukke aksjer basert på analyser kan kalles følelsesbaserte investeringer, men hvorfor? 

Markedet består av spekulanter, tradere, risikosøkere, risikoaverse, arvede aksjer, arvede penger, kortsiktige og langsiktige investorer. Mange kjøper en aksje fordi andre har gjort det (sist i saueflokken), mange kjøper en aksje fordi den har falt i verdi, mange kjøper en aksje fordi en eller annen multippel er lav, og mange kjøper en aksje fordi celle G78 i DCF analysens excelark blinker grønt. Problemet her er at ingen av disse investeringsbeslutningene er basert på overlegen kunnskap, alt dette er å betrakte som kunnskap den gjennomsnittlige investoren sitter på. På den annen side tror jeg heller ikke Warren Buffett sitter på overlegen kunnskap, jeg tror heller denne mannen er ekstremt rasjonell og besitter evnen til å tenke klart og enkelt, under enhver markedssituasjon. Hvis man skal banke aksjemarkedet over tid basert på såkalte følelsesmessige beslutninger står man da igjen med to valg, enten overlegne bransjekunnskaper eller ekstrem rasjonell besluttsomhet, og mennesker med slike egenskaper er det heldigvis få av.

Jeg har hatt stor interesse av aksjemarkedet i snart 20 år, og en av de tingene som stadig går opp for meg er at man aldri er i nærheten av å bli utlært. Noen ganger fungerer raske beslutninger, andre ganger skulle man nok ha hatt litt mer tålmodighet. Feil beslutninger og dårlig timing koster dyrt umiddelbart. Til tider tester jeg selvfølgelig ut litt følelsesmessige investeringer også, noen ganger går det veldig bra, traff for eksempel bunnen i AKASTOR, SSHIP og NRC de siste årene, og kom meg ut med hyggelige prosenter. Andre ganger går det fullstendig galt, og i høst bommet jeg fullstendig på timingen i diverse oljevirksomheter. I 2018 endte den følelsesmessige porteføljen opp med svakt negativ avkastning, men det var jo lærerikt allikevel😊

Veien videre blir: Enten sette opp noe lignende basert på aksjemarkedet i USA (S&P 500 som benchmark), eller bygge en ny modell som dekker resten av verden med landbaserte ETF'er (MSCI World som benchmark).

Til sist legger jeg ved modellens historiske vekting på datoene for rebalansering:

..og månedlig meravkastning i forhold til OSEBX siden oppstart (24.mai 2017):