Hva er faktoranalyse?

Finans i revolusjon

Finans opplever en revolusjon. Forskning som viser hvilke analysemetoder fungerer er blitt lett tilgjengelig via online databaser og moderne datateknologi gjør det mulig å automatisere oppgaver som tidligere krevde store analyseavdelinger med tunge systemer og mange analytikere som bare store banker og hedgefond hadde råd til. Norquant ønsker å hjelpe investorer ved å gjøre disse analysene tilgjengelig på en brukervennlig måte i form av daglig oppdaterte rangeringer.

alt text

Effektive markeder

Forskning viser at markedene er veldig effektive. Det vil si at det nesten er ingen investorer, analytikere eller tradisjonelle fond som på sikt klarer å gjøre det bedre enn markedet ved å plukke bestemte aksjer eller ved å gå ut og inn av markedet. Selvfølgelig vil det basert på ren statistikk alltid være en del aktører som har gjort det bedre enn markedet en stund, men det er altså praktisk umulig å i forkant finne de som vil gjøre det bra fremover.

Indeksfond

For mange investorer vil løsningen være å kjøpe billige indeksfond. Disse gir en avkastning som er litt dårligere enn indeksene over tid. Moderne nobelprisvinnende forskning viser imidlertid at det er mulig å få med seg hele markedsavkastningen, pluss en meravkastning over tid, ved å systematisk velge aksjer med bestemte karakteristikker, eller såkalte faktorer.

Faktorer

De viktigste faktorene, som det er bred enighet om innen forskning, forklarer over 95% av avkastningen på aksjeporteføljer, og det er de faktorene Norquant bruker for våre daglige analyser og rangeringer av mer enn 7000 aksjer.

Momentum

Momentum-faktoren viser at aksjene som har gjort det best de siste 3 til 12 månedene, også har høyest sannsynlighet å gjøre det best fremover.

Verdi

Verdifaktoren viser at aksjer med lavest aksjekurs i forhold til regnskapsmessig verdi (f.eks. bokført verdi “pris/bok” eller inntjening “p/e”) på sikt gjør det bedre enn aksjer som er priset høyt.

Størrelse

Små selskaper, det vil si de med lavest markedsverdi, gjør det over tid gjennomsnittlig bedre enn de med høyest markedsverdi.

Risiko

Aksjer med høyest risiko, det vil si de som har vist de største svingningene, gjør det gjennomsnittlig dårligere enn aksjene som har svingt minst.

Øvrige faktorer

I tillegg til disse faktorene som brukes som standard-faktorene i akademisk finans, finnes det mange flere faktorer og effekter som også gir økt sannsynlighet for bedre avkastning . Noen eksempler på dette som Norquant bruker i praksis er 1 måneds Reversal, Seasonality og Post Earnings Announcement Drift.

Reversal-faktoren viser at aksjer overreagerer på kort sikt. De aksjene som har gjort det best den seneste måneden har en tendens til å gjøre det dårlig i neste måned.

Seasonality-faktoren viser at aksjer har en økt sannsynlighet for å gjøre det bra i måneder de har gjort det bra i tidligere.

Post Earnings Announcement Drift (PEAD) viser at selskaper som reagerer positivt på tall ofte fortsetter å stige de neste ukene, og motsatt ved en negativ reaksjon.

Nye faktorer og metoder

Det har blitt publisert forskning på hundrevis av forskjellige faktorer og det kommer stadig studier om nye faktorer og måter å kombinere og time disse faktorene. Et spennende område innen denne forskningen hvor det skjer raske endringer nå er bruk av såkalt Artificial Intelligence og Machine Learning.

Referanser

Bernard, V., & Thomas, J. (1989). Post-Earnings-Announcement Drift: Delayed Price Response or Risk Premium?Journal of Accounting Research,27, 1-36. http://www.jstor.org/stable/2491062

Blitz, David and Huij, Joop and Lansdorp, Simon and Verbeek, Marno, Short-Term Residual Reversal (October 26, 2012). https://ssrn.com/abstract=1911449

Blitz, David and van Vliet, Pim, The Volatility Effect: Lower Risk Without Lower Return (July 4, 2007). Journal of Portfolio Management, pp. 102-113, Fall 2007; ERIM Report Series Reference No. ERS-2007-044-F&A. https://ssrn.com/abstract=980865

Fama, E. F. and French, K. R. (1992), The Cross-Section of Expected Stock Returns. The Journal of Finance, 47: 427–465. http://home.cerge-ei.cz/petrz/GDN/Fama_French_92.pdf

Jegadeesh, Narasimhan, and Sheridan Titman, 1993, “Returns to buying winners and selling losers: Implications for stock market efficiency,” Journal of Finance 48, 65–91.http://www.jstor.org/stable/2328882

Keloharju, Matti and Linnainmaa, Juhani T. and Nyberg, Peter, Common Factors in Return Seasonalities (December 2014). NBER Working Paper No. w20815. https://ssrn.com/abstract=2545213

Messmer, Marcial, Deep Learning and the Cross-Section of Expected Returns (December 2, 2017). https://ssrn.com/abstract=3081555

Thomas Nygaard avatar
Om Thomas Nygaard
Thomas Nygaard har bakgrunn som autorisert finansanalytiker (AFA, CEFA) og porteføljeforvalter. Han har en bachelor-grad i økonomi fra Northwestern University (Chicago) og en MBA i finans fra Norges Handelshøyskole (NHH). Thomas startet sin karrière innen finans- hos forskningsavdelingen ved Chicago Board of Trade i 1994 og har siden det jobbet som finansanalytiker, porteføljeforvalter og analysesjef for teknisk og kvantitativt orienterte analysefirmaer, meglerhus og forvaltere. Han var med å bygge opp analyseselskapet Investtech, blant annet startet han deres kontor i Nederland. I 2010 utga han boken 'Teknisk analyse - bli en bedre investor'. De siste årene har Thomas rettet fokus mot det som kalles faktoranalyse, der han har gått i dybden og har sett på hva som er de vanligste feilene investorer gjør, og hvilke faktorer forskningen viser kan gi investorer meravkastning.