Eller når du går til legen for den saks skyld? Og hvorfor kan samme forbrytelse få helt ulik straff, samme essay, eller vin få ulik karakter? Eller hvorfor kan analytikere som har gått på samme skole og har tilgang til identisk informasjon komme til helt ulike kursmål på samme aksje?

Støy, er svaret. Jeg ble tipset av en bekjent om å lese nobelprisvinner Daniel Kahnemans bok «Noise», som mente den var veldig relevant mtp. investeringsfilosofien i Veritas som har en faktabasert, mekanisk og disiplinert tilnærming gjennom en egen modell.

Investeringer, ansettelsesprosesser, forsikringspremier eller hvorfor en fotballtrener velger ut akkurat de 11 spillerne han gjør til kamp, er andre områder der støy er en relevant feilkilde. Boka «Moneyball» fra 2003 av Michael Lewis som også ble filmatisert, illustrerer bruken av modeller i ulike deler av baseball.

Menneskelige feil kan deles inn i tankefeller (biases) og støy og det er sistnevnte denne artikkelen handler om. Og som Kahneman skriver «Wherever there is judgment, there is noise – and more of it than you think». Og feil utligner ikke hverandre, de summers opp. Om du skyter to skudd på blink, det ene er altfor høyt, mens det andre er alfor lavt, så kan du ikke si at i snitt var begge perfekte tiere.

Kahneman deler opp støy, eller «System noise» som han kaller det, i to hovedkategorier; «Level noise» og «Pattern noise».

«Level noise» er variansen av gjennomsnittlige avgjørelser tatt av ulike personer. Eksempel kan noen dommere gir strenger straffer, noen leger skriver lettere ut resepter eller noen spåmenn er generelt mer positive enn gjennomsnittet. Ord som «betydelig» eller tall som «6 på en skala fra 0-10» ha ulik tolkning mellom ulike folk.

«Pattern noise» er generelt en større komponent til støy enn «Level noise», og Kahneman deler dette inn i «Stable pattern noise» og «Occasion noise»

«Stable pattern noise», som er det vanligste, er at ulikheten mellom hvordan ulike personer tar avgjørelser i samme saker. Noen av disse forskjellene kan skyldes prinsipper eller verdier som ulike personer følger, bevisst eller ikke. En dommer kan for eksempel gi veldig strenge straffer i tyveri-saker, men være mild mot trafikk-forbrytelser. En investor kan like teknologiaksjer veldig godt, men mislike selskaper som driver med råvarer. Det kan også være at du vurderer et budskap ut i fra hvem som kommer med det, heller enn hva budskapet faktisk er. De som liker Warren Buffet vil nesten uansett hva han sier, mene det er klokt, men om noen de mislikte hadde sagt det samme hadde de ment det var mindre smart.

«Occasion noise» er når samme person vurderer samme sak ulikt basert på irrelevante omstendigheter. Været, om favorittlaget har vunnet dagen før eller om du er sulten kan påvirke (humøret og) beslutningene dine.

Hvor gode er menneskelige avgjørelser sammenlignet med en formel?

Massivt og konsistent er en fair beskrivelse av 136 studier i 2000, der mekanisk modellering var best i 63 av de, uavgjort i 65, mens i kun 8 tilfeller var menneskelige avgjørelser best. Disse resultatene undervurderer også mekanisk modellering fordi dette er raskere og billigere i tillegg. Videre hadde menneskelige avgjørelser faktisk en fordel av å ha tilgang til privat informasjon som modellen ikke hadde. Konklusjonen er opplagt: «Simple models beat humans». (Mer om dette på side 111-122 i boka).

Hvorfor bruker vi ikke da modeller oftere?

Modeller blir likevel brukt lite. Mange «eksperter» ignorerer hele debatten fordi de tross bevisene mener egen intuisjon og dømmekraft er bedre. Litt på samme måte som at 80% mener de er bedre en snittet til å kjøre bil, eller at lang færre enn 50% tror at akkurat de kommer til å skille seg, tross at dette er snittet. Andre grunner nevnt i boka er frykt for at en maskin skal overta jobben din, dårlig utdannelse eller generell forakt for datamaskiner.

Ingen magefølelser i FIRST Veritas

Jeg tror FIRST Veritas har en fordel mot andre aktivt forvaltede fond nettopp fordi modellen fjerner feil fra støy og reduserer feil fra tankefeller (det kan ligge biases i hvordan modellen er bygget sammen, så har ikke dekning for å si at fondet er helt upåvirket av dette). Hvorfor er ikke flere fond da modellbaserte? Svaret ligger nok i forrige avsnitt. Mange forvaltere mener nok deres egen intuisjon og dømmekraft er bedre, tross hva statistikken viser, mens noen føler kanskje det er vanskelig å «vise sin verdi» om det er en modell som styrer og de ikke kan fortelle om alt de kan om selskapene de har investert i. «Jeg vet ikke» er et undervurdert svar på mange spørsmål.

Skrevet av Thomas Nielsen for Finansavisen juli 2021.

Les mer om FIRST Veritas her