The show must go on

Fjoråret ble et bra børsår for verdens investorer, her kommer en oppsummering av hvordan min portefølje presterte. Som nevnt i tidligere innlegg har jeg satt opp en modell som tar alle beslutninger over hva slags aksjer jeg skal eie, det eneste jeg trenger å gjøre er å trykke på kjøp eller selg.  Ytterligere info står i mine første innlegg. 

Det er like greit å innrømme det med en gang, etter snart 32 måneder i drift (og like lang testing i forkant) begynner jeg nå virkelig å få troen på at ren porteføljeteori kan sikre pensjonstilværelsen. Selvfølgelig frister det ofte å forkaste modellen til fordel for egne beslutninger, men det er høyst tvilsomt om risikojustert avkastning ville ha blitt forbedret av det. The show must go on!

Som man kan se av grafen ovenfor tilsvarer akkumulert avkastning for porteføljen 42,6% siden 24. mai 2017. Markedet har gjort det svakere, børsindeksene OSEBX og OBX har levert henholdsvis 27,7 og 28,5% avkastning over samme periode (ikke justert for forvaltningskostnader). Ettersom tiden går begynner rentes-rente effekten å gjøre seg gjeldende, og det her blir enda mer kraftfullt hvis man akkumulerer opp mer avkastning enn markedet.

Det siste året leverte aksjeporteføljen en avkastning etter transaksjonskostnader på 20,2%, OBX  indeksen leverte 13,8% (25 mest likvide selskapene på Oslo Børs) og OSEBX 16,2% (hovedindeksen, typisk sett 65-70 selskaper). Som i de tidligere innleggene har jeg antatt forvaltningshonorarer på 0,3% for disse to passive indeksene. Siden oppstart har porteføljen levert en annualisert avkastning på 14,6%, OBX har oppnådd 10,0% og OSEBX har levert 9,7%.

Det som er litt interessant med 2019 er at investorene på Oslo Børs flyttet kapital bort fra de store seddelpressene og over i de mindre selskapene, det ser vi tydelig av meravkastningen til OSEBX i forhold til OBX indeksen. Hvis man tar en titt på de mest suksessrike aksjefondene i 2019 ser man også at det er flere SMB fond som har levert eksepsjonell meravkastning i fjor. Da min modell stort sett tar posisjoner i OBX selskapene, så er det ekstra hyggelig at OSEBX indeksen nok en gang ble slått med god margin.

Det har skjedd noe spennende med porteføljens risikonivå det siste halvåret. Modellen har valgt å ta opp mer risiko, og ligger nå såvidt over de to indeksene de siste 12 månedene. Jeg ble litt irritert da jeg så at modellen søkte mer risiko i mai i fjor, men det er nok den eneste løsningen modellen fant for å ta opp kampen med diverse ikke inkluderte SMB selskaper som begynte å stige i verdi. Den oppmerksomme vil se at historisk standardavvik til OSEBX og OBX ligger høyere enn hva fondsforvaltere og andre normalt oppgir, det kommer av at jeg har målt dette på daglig basis, Morningstar og andre benytter ofte månedlige avkastningsdata.

Porteføljen har levert magisk meravkastning gjennom alle 12 måneders perioder i fjor. Selv om risikonivået ble utlignet på de siste 12 måneders periodene, så er det fortsatt en klar risikojustert meravkastning (Sharpe-ratio). Vær oppmerksom på at OBX og OSEBX ikke er justert for forvaltningsgebyr i grafen.

I 2018 slo modellen min avkastningen til samtlige norske aksjefond, det gikk ikke fullt så bra i fjor. I grafen ovenfor har man høyrisikofond i begge ender av skalaen, Fond som DNB SMB og Storebrand Vekst fikk betalt for risikoen i 2019, mens First Generator fulgte opp dårlig aksjeplukking i 2018 med nok et dårlig år. Ellers ser man at de passive indeksfondene alle ligger blant den dårligste halvdelen, i motsetning til de forrige årene hvor de utkonkurrerte aktive fond. Jeg er usedvanlig godt tilfreds med å ha havnet på riktig side av grafen nok en gang, status siden oppstart er et resultat helt i øvre ende av skalaen, og det til en lavere risiko enn markedsindeksen.

Tabellen viser porteføljens månedlige meravkastning sammenlignet med OSEBX indeksen per måned.

Oppsummering: Det har snart gått 32 måneder siden jeg tok i bruk modellen, i forkant av dette ble den testet ut på tre års historiske data. Som tidligere nevnt antydet beregningene en risikojustert meravkastning på ca +5% vs OSEBX, og det er jo svært likt hva modellen foreløpig har klart å realisere i den virkelige verden (+4,84% vs OSEBX) på annualiserte data. Planen for 2019 var å etablere en ny aksjemodell som skulle utføre den samme aktiviteten på det amerikanske aksjemarkedet, det har jeg dessverre blitt nødt til å utsette på ubestemt tid da bankkontoen ble tappet grunnet kjøp av en leilighet.

Hva med aksjemarkedet fremover? Jeg tror ikke vi er i krakk-terreng enda, det er fortsatt mange selskaper på Oslo Børs som er helt fornuftig priset. I USA går det så det griner, arbeidsledigheten er rekordlav, lønningene stiger og det begynner å bli kamp om arbeidskraften. Fortsatt er rentene lave, og det vil de være til markedet tar makten fra Donald Trump. Litt respekt skal man uansett ha, markedet har hatt 11 år uten store korreksjoner, og det er nok bare et tidsspørsmål før det smeller igjen. 

Til sist legger jeg ved en tabell som viser porteføljevektene de to siste årene. DNB har vært den største verkebyllen de siste månedene med en porteføljevekt som har vært uanstendig høy. På tross av mye dårlige avisoppslag om relasjoner til hvitvasking, så ble 2. halvår helt greit. For en som stort sett bruker timer hver dag på å følge med på børsutviklingen så er det skremmende å se denne modellen i aksjon. Modellen har tatt en lang rekke beslutninger som går i mot avisenes overskrifter eller forvalternes ord. Ikke aner jeg hvorfor Telenor ble vektet opp til 20% før høststormen i 2018, men i ettertid var det en genistrek like stor som reduksjonen utover i 2019. En lignende sak skjedde med Kongsberg Gruppen, avkastningen ble hentet i 2017 før modellen kastet ut hele beholdningen og ledelsen ødela det neste året med en amatørmessig emisjon. Yara har aldri vært populær, men det frister å ta et ekstra sidebet hvis modellen brått begynner å ta større posisjon her. Det finnes selvfølgelig eksempler på feil vurderinger også, men dette gjelder som oftest selskaper som er vektet lavt.

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):

Min aksjeportefølje

For et år siden, den 24. mai 2017 bestemte jeg meg for å teste ut litt porteføljeteori i praksis. Planen var å ofre 300 000 kroner i aksjemarkedet, og investere det i en egenutviklet modell som hadde til hensikt å oppnå maksimal risikojustert avkastning. Begrensningene jeg satt var at (1) hele aksjeporteføljen måtte bestå av norske selskaper, (2) alle pengene måtte være investert til enhver tid, (3) Modellen skulle styre hele showet, tro håp og kjærlighet til enkeltaksjer var forbudt.

I forkant av denne beslutningen hadde jeg selvfølgelig testet ut hvordan en slik modell ville ha gjort det på historiske data. Den teoretiske modellen oppnådde i perioden mellom 1. juli 2014 og 26. april 2017 en avkastning på 39%. Markedet, representert med børsindeksen OSEBX, oppnådde over samme periode en akkumulert avkastning på 13%. Porteføljens risiko i form av Standardavvik viste seg over denne perioden å ligge svært nær indeksen, noe som vil si at meravkastningen på 26% (39% – 13%) oppstod uten å ta høyere risiko. Transaksjonskostnader i form av kurtasje og spread brydde jeg meg ikke om å regne på, da fasiten var åpenbar, den teoretiske modellen hadde fullstendig knust avkastningen til gjennomsnittsinvestoren på Oslo Børs.

En ting er teori, en annen er praksis…

Modellen måtte selvfølgelig settes i produksjon etter et slikt testresultat, så i mai 2017 skapte jeg modellen på nytt basert på all mulig porteføljeteori jeg husket fra min mastergrad i Finansiell økonomi fra BI. 

Det er ingen enkel måte å forklare alle aspektene som driver denne modellen, men rådataen består av historiske avkastningsdata fra Oslo Børs (justert for utbytte), hvor jeg har lagt inn flere års avkastningshistorikk på daglig basis for et utvalg av aksjer og børsindekser (det blir store regneark av slikt). Modellen kalkulerer så en løpende kovariansmatrise som gir informasjon om hvordan de forskjellige aksjene ikke beveger seg i takt. Det her er utrolig viktig, for å oppnå god risikojustert avkastning er det helt nødvendig å ha en portefølje bestående av aksjer som oppfører seg forskjellig basert på forskjellige markedshendelser. Dette behøves for at modellen skal kunne klare å velge ut hvilken aksjesammensetning man til enhver tid skal eie, og hvor mange aksjer man skal eie i hvert selskap. 

Samtlige aksjer må også mates med en forventet avkastning. Avkastningsbegrepet i aksjemarkedet er noe helt annet enn risiko, så der må man ha en metode for å standardisere forventet avkastning på selskapene. Til slutt kommer noen magiske formler som snur matrisen på hodet og kobler det sammen med informasjon om forventet avkastning for aksjene og markedet.

Hvis vi nå legger finansteorien litt til siden så er det langt hyggeligere å se litt på det som betyr noe, overlevde denne modellen den virkelige verdenen?

1. Porteføljen oppnådde både en høyere brutto og netto avkastning enn  OBX indeksen (25 mest omsatte selskapene på Oslo Børs), og OSEBX (en bredere indeks med 65-70 aksjer). Porteføljen hadde svært høye transaksjonskostnader grunnet feil innstillinger på kurtasjesatsen da jeg startet å handle, det kommende året vil transaksjonskostnadene falle fra 1,23% ned mot ca 0,5% med samme handelsfrekvens
2. Porteføljen hadde en risiko som var lavere enn OBX indeksen og på nivå med OSEBX (det er rett og slett utrolig magisk at 14-18 aksjer matcher risikoen til langt bredere aksjeporteføljer)
3. Porteføljens risikojusterte avkastning i form av Sharpe Ratio ligger derfor høyere enn både OBX og OSEBX. I Sharpe-formelen benyttet jeg 1 års norsk statsrente fra den 24. mai. 2017 som mål på risikofri avkastning

Det her var slettes ikke verst, 300 000 kroner steg til 372 780 kroner i løpet av et år, og porteføljen klarte en høyere avkastning enn markedet selv med lavere risiko.

Hvis man sammenligner med grafen fra testen så kan man kanskje være skuffet, da meravkastningen har vært langt lavere det siste året, men her finnes det faktisk en meget god unnskyldning, og den heter Statoil. Selskapet Statoil (eller Equinor som er det nye navnet) er børsens desidert største selskap, og det var vektet over 19% av OBX indeksen fra og med 2. halvår 2017. Det siste året har markedsverdien av Statoil steget med nesten 50%, noe som betyr at enhver aksjeportefølje har fått utfordringer med å følge indeksene (med mindre Statoil var vektet høyt). Siden de fleste aksjefond har begrensninger på hvor stor andel de kan eie av ett enkelt verdipapir, så har nok det her slått ut negativt for samtilige fond som kun har investert i Norge det siste året.

Årsaken til at Statoil og andre oljevirksomheter har vært populære det siste året er selvfølgelig den kraftige økningen i oljeprisen:

Til slutt viser jeg et bilde av hvordan porteføljens vekter endret seg gjennom året. Etter at porteføljen ble aktivert den 24. mai i fjor, endret jeg vektingen syv ganger gjennom året. Over perioden lå antall aksjer mellom 14 og 18, hvor de største lokomotivene var DNB, Telenor, Marine Harvest og Orkla. Statoil, som er børsens desidert største selskap, var kun porteføljens 7. mest populære aksje, men algoritmen valgte heller å flytte penger over i oljevirksomhetene Aker BP og TGS, og det ble ingen dårlig erstatning. Typisk uflaks var at Norwegian ble solgt den 26. mars, kun dager før aksjen steg nærmere 100% etter ville oppkjøpsrykter. Typisk flaks var at lakseprodusenten Salmar kom inn først i januar, og har allerede gitt en vanvittig prosentvis avkastning, eller at Norsk Hydro ble vektet betydelig ned kort tid før fabrikken i Brasil ble stengt etter forurensning, og vår venn Donald Trump truet med handelsrestriksjoner.

Av utvalget jeg definerte har følgende selskaper foreløpig blitt utelukket av modellen: (BAKKA, LSG, DNO, SDRL, PGS, FRO, REC, AKSO, ARCHER, GOGL, GSF, NOD, VEI).

Kort oppsummert

Hensikten med denne porteføljen er ikke å tjene penger til enhver tid, det er heller å oppnå høyere risikojustert avkastning enn markedet til enhver tid. I perioder hvor børsen faller med 40% på et år (og det skjer til tider), så er jeg utmerket fornøyd med et verdifall på 35%. 

Statoil (Equinor) kommer selvfølgelig ikke til å fortsette med 50% kursøkninger i året, så da blir det spennende å se om porteføljens meravkastning tar seg opp igjen. Det er ingen tvil i verden om at jeg skal la denne modellen få leve videre, her blir det heller økte investeringer enn uttak av kontoen de kommende årene. 

Selvfølgelig er det trist å ikke la følelsene få styre aksjehandlene, så det vedlikeholdes i en annen aksjeportefølje 😉