Citat:
Beroende på hur man ser det, är det samma sak. För en investerare finns det ingen anledning att köpa de aktier som underpresterar, eller hur? Alltså är det viktiga att kunna identifiera de aktier som sannolikt kommer att överprestera (riskjusterat).
Citat:
Min modell omfattar nästan alla bolag på Stockholmsbörsen (jag rensar för investmentbolag som inte kan jämföras rakt av med tillverkande bolag). Den har data från upp till 14 år tillbaka, sammanlagt 70+ kolumner för varje bolag. Det har tagit mig över två år att bygga den (visserligen på fritiden och mestadels manuellt). För mig har det inte varit enkelt, och jag har både lång relevant utbildning och är relativt händig med programvara.Det är sant att det är ganska enkelt att skapa en modell som överavkastar, på grund av att vissa enskilda faktorer har stor betydelse för avkastningen (min modell kan tydligt backtesta varje ingående faktor separat).
Däremot är det svårare att gå vidare från enkla modeller och skapa bättre modeller som överavkastar riskjusterat, och som lyckas bra med att ranka alla aktier. Jag kan se att när jag tar hänsyn till fler och fler faktorer, så förbättras utfallet kontinuerligt.
Citat:
Som jag har skrivit ovan, så tror jag inte detta är sant, åtminståne för modeller som grundade i forskning och som är annat än triviala.Se tex forskning som denna:
http://www.nber.org/papers/w19681
http://rnm.simon.rochester.edu/research/QDoVI.pdf
http://papers.ssrn.com/sol3/papers.cfm?abstract_id=739664
