Artikkel skrevet av investeringsdirektør Tormod Vågenes i Holberg Fondene
Tilgang til avansert behandling av data har akselerert. Teknologi utkonkurrerer med enkelhet mennesker når det kommer til behandling av store datamengder og kan på kort tid finne koblinger og mønstre som mennesker, i beste fall, ville brukt mange år på å identifisere. En annen fordel med algoritmer og modeller er at de reduserer forutinntatthet og støy, en investors verste fiende.
Indeksforvaltning er et godt eksempel på en enkel modellbasert metode for å sette sammen en investeringsportefølje. De selskapene som har tjent mest, vokst mest og oppnådd høyest pris i markedet, får høyest vekt i porteføljen. Og som på de fleste andre områder hvor enkle modeller blir sammenlignet med mennesker, viser akademiske studier at modellene vinner. Mennesker er ikke gode på å ta beslutninger fordi vi er forutinntatte («biased»)
Presentert for det samme beslutningsgrunnlaget vil ulike mennesker, og grupper av mennesker, kunne komme til forskjellige konklusjoner. Samme person kan også konkludere ulikt hvis man står overfor samme beslutningsgrunnlag på ulike tidspunkter. Vi påvirkes av sinnsstemning, ny erfaring og ikke minst omgivelser. Variasjonen som oppstår som følge av irrelevante forhold kan sees på som støy. Kunstig intelligens basert på algoritmer vil alltid presentere det samme svaret basert på den samme input, og dermed reduseres støyen.
Støy oppstår blant annet fordi mennesker som blir presentert for et datamateriale automatisk vil søke etter mønstre som bekrefter eller underbygger en oppfatning man allerede har, den såkalte «bekreftelsesfellen». Vi er også bygget slik at vi ofte er mer styrt av følelser enn fakta. Daniel Kahneman, psykologen som har vunnet nobelpris i økonomi og blant annet skrevet boken «Noise», har med bakgrunn i dette gitt et godt råd; «Finn deg venner som bryr seg om deg og som ikke bryr seg om dine følelser». Med fare for å oppfattes som kald og følelsesløs, er dette et godt råd som vil bidra til mer objektive og mindre emosjonelle beslutninger.
Algoritmer og modeller mangler empati og har ikke forutsetninger for å håndtere komplekse etiske og moralske problemstillinger. Eksempelvis vil en vurdering av hva som er bærekraftig i et langsiktig perspektiv, kreve en bred forståelse av sosiale normer, kulturelle, økonomiske og politiske forskjeller som grunnlag for resonering. Matematiske modeller og kvantitative analyser kan legges til, men selv da er beslutninger om hva som faktisk skal gjøres svært vanskelig.
Vi bruker som regel historiske data og observasjoner som grunnlag for å beslutte ting som definerer en ukjent fremtid. Dette gjelder også investeringsbeslutninger. I denne sammenheng er mangel på kunnskap, som er objektiv og verifiserbar, i beslutninger som omhandler fremtid, en begrensning som både mennesker og maskiner står overfor. Erkjennelsen av at det ikke er mulig å se inn i fremtiden og at det dermed kan oppstå hendelser som vi i dag betrakter som utenkelige, er derfor kritisk i forbindelse med investeringsbeslutninger.
Komplekse beslutninger som omhandler fremtid, er altså svært vanskelig for både mennesker og maskiner. Å tro at vi vet, fordi det får oss til å føle oss bedre, eller å tro på det en kompleks algoritme forteller oss, fordi det gir følelsen av trygghet, kan sammen og hver for seg bidra til feil beslutning.
Dette er de støydempende faktorene vi mener bør inngå i en investeringsbeslutning, og sikkert også de fleste andre beslutninger:
En god prosess frem mot beslutning kan redusere, men ikke eliminere feil. Å velge investeringer basert på alle tilgjengelig fakta og kunnskap som input til objektiv og rasjonell resonering, vurdering og beslutning skal ifølge enkel logikk kunne redusere feil, gi de beste investeringsbeslutningene og danne grunnlag for meravkastning. Enkelt er det ikke og de fleste som prøver mislykkes. Det betyr imidlertid ikke at man skal slutte å jakte gode investeringer. Finneren er vinneren.
