Den här sidan beskriver exakt hur Candor fungerar, vad vi faktiskt testat, och vad vi ännu inte kan bevisa. Uppdaterad löpande i takt med att fler strategier testas.
NULÄGE, I KORTHET
Vi har hittills testat sex olika köpstrategier mot en rättvis, bred aktielista (S&P 500) med en låst testperiod som aldrig användes för att justera strategierna. Fem av sex har inte visat en statistiskt säkerställd fördel mot index i den låsta testperioden — det gäller fortfarande de poäng och signaler du ser på sajten idag, som bygger på en av dessa fem. Den sjätte (insiderköp-klustring) visade faktiskt en säkerställd fördel i den låsta perioden, men bara en gång och på ett litet underlag — se nedan för varför det ännu inte räcker för att lita på eller bygga in i signalerna. Vi säger det rakt ut istället för att antyda något annat åt något håll.
Candor räknar ut en poäng 0–100 för varje spårad aktie, baserat på tre saker: hur priset ligger jämfört med sitt 50-dagars glidande medelvärde (trend), RSI-momentum, och handelsvolym jämfört med sitt eget snitt. Poängen översätts till en signal: STRONG BUY, BUY, HOLD, SELL eller STRONG SELL.
Det här är en regelbaserad formel, inte en tränad AI-modell och inte en professionell analytikers bedömning. Vikterna (40/30/30 mellan trend, momentum och volym) är satta utifrån vad som är vanligt i teknisk analys-litteratur — de är inte optimerade mot historisk data, eftersom det hade varit exakt den typen av överanpassning (overfitting) vi aktivt försöker undvika.
Allt seriöst test görs mot en låst testperiod — de senaste 24 månaderna av data, som aldrig tittas på eller används för att justera en strategi innan den är helt fastställd. Bara på det sättet kan ett resultat räknas som ett genuint test, inte en efterhandskonstruktion.
Vi mäter risk-justerad avkastning (Sharpe-kvot), hur stor nedgång strategin haft som värst (max drawdown), och om överavkastningen är statistiskt säkerställd (t-värde) — inte bara total avkastning, som lätt förväxlar tur och skicklighet med hög risk.
Vi använder också en s.k. Deflated Sharpe Ratio, som straffar ett resultat i förhållande till hur många olika strategivarianter som testats — testar man sju saker (som vi gjort hittills) är sannolikheten större att minst en råkar se bra ut av ren slump, så måttet kräver starkare bevis ju fler varianter som prövats. Det här kravet höjs varje gång vi lägger till en ny strategi eller variant att testa, aldrig tvärtom.
Fem prisbaserade strategier testade mot S&P 500 (2019–2026, låst testperiod de senaste 24 månaderna): momentum, låg volatilitet, en kombination av de två, kortsiktig reversering, samt närhet till 52-veckors högstanivå.
Resultat: momentum hade högst rå avkastning, men mest för att den tog betydligt mer marknadsrisk — inte för att den träffade rätt oftare. Ingen av de fem strategierna hade en statistiskt säkerställd överavkastning i den låsta testperioden.
Vi undersökte även att testa vinstöverraskningar (PEAD) och bolagskvalitet/värdering, men uteslöt dem: vår gratis datakälla ger bara fyra kvartals historik per bolag för vinstöverraskningar (för lite för ett riktigt test), och nyckeltal som P/E och ROE finns bara som dagens siffra — att använda dagens siffra för ett beslut för flera år sedan hade varit precis den typen av framtidsdataläckage (look-ahead bias) vi aktivt testar bort på andra ställen på sajten.
En användare påpekade, helt rättvist, att 50–56% träffsäkerhet känns som ett myntkast — vilket det statistiskt sett är. Istället för att bara säga “det stämmer, ingen av strategierna är bevisad” testade vi en sjätte, helt ny faktor: hur många olika direktörer/styrelsemedlemmar som köpt aktien själva på öppna marknaden (SEC Form 4) under de senaste 90 dagarna, minus hur många som sålt. Flera oberoende insiders som köper samtidigt har faktiskt akademiskt stöd (Lakonishok & Lee 2001; Jeng, Metrick & Zeckhauser 2003) — till skillnad från ren teknisk analys.
Testet backades av egen insamlad Form 4-historik från SEC EDGAR (2015 och framåt, ~21 400 köp/sälj-transaktioner över de 41 kärnbolagen), strikt tidsriktigt — en affär räknas bara med från och med dagen den blev offentlig (filing-datum), aldrig från transaktionsdatumet, så testet aldrig “vet” om en affär innan den faktiskt gick att se.
Resultat: i forskningsperioden visade den ingen säkerställd fördel (t-värde 1,70, under gränsen för statistisk säkerhet). Men i den låsta testperioden — den som aldrig tittades på innan strategin var fastställd — visade den faktiskt en säkerställd fördel (t-värde 2,20) och det bästa Sharpe-talet av alla sex strategier (1,82). Det är ett ovanligt mönster: de andra fem strategierna blev alla svagare i den låsta perioden jämfört med forskningsperioden (ett klassiskt tecken på överanpassning) — den här blev starkare.
Varför vi ändå inte bygger in den i poängen/signalerna än: Deflated Sharpe Ratio för resultatet är 0,852 — det betyder runt 15% sannolikhet att det här ändå bara är tur, räknat mot sju testade varianter (se nedan). Det är lovande, men långt ifrån den säkerhetsmarginal vi vill ha innan något påverkar vad du faktiskt ser på sajten. Resultatet bygger dessutom på bara 24 månaders låst testdata och ett litet bolagsurval (41 bolag) — en enskild ovanlig månad kan flytta siffran rejält. Testet visade också högst nedgång (max drawdown -32%) av alla strategier i forskningsperioden, så det är inte uppenbart “säkrare”, bara möjligen bättre tajmat.
Testat: går det att tämja nedgången genom att kombinera med en annan faktor? Vi testade en sjunde variant — insiderklustringen ihop med lågvolatilitetsfaktorn (rankad i genomsnitt, samma metod som kompositstrategin ovan), specifikt för att se om det dämpar -32%-nedgången. Svaret: nej. Nedgången i forskningsperioden var i princip oförändrad (-31,9%) och resultatet i den låsta perioden blev svagare på alla mått (lägre avkastning, lägre t-värde 1,65 mot 2,20, lägre Sharpe) än insiderklustringen ensam. Lågvolatilitet späder alltså bara ut signalen istället för att skydda den. Ingen ändring av det ovanstående resultatet, men nu räknat som sitt eget test i Deflated Sharpe-siffrorna. Vi fortsätter följa insiderklustringen och uppdaterar den här sidan när fler låsta testperioder (eller en bredare aktielista) antingen stärker eller försvagar resultatet.
Survivorship bias: aktielistorna vi testar mot (både sajtens handplockade 40 bolag och S&P 500-listan) är dagens bolag — inte en historiskt korrekt lista som även innehåller bolag som gått i konkurs eller plockats bort sedan dess. Det gör att resultat sannolikt ser något bättre ut än verkligheten skulle ge. En fullständig fix kräver betaldata (t.ex. Sharadar eller Norgate), vilket vi medvetet valt bort för att hålla sajten gratis.
Handelskostnader: forskningstesterna ovan inkluderar ännu inte handelskostnader (courtage, växlingsavgift, spread) — det görs separat i Backtest-verktyget, men inte i den bredare strategiforskningen än. Riktiga kostnader skulle sänka alla siffror ovan något, särskilt för strategier som handlar ofta.
Ingen kvalitet/värde-faktor: se ovan — kräver betaldata för att göras utan att fuska med framtidsinformation.
Signalerna och poängen på sajten är ett sätt att strukturerat granska ett stort antal aktier snabbt — inte ett bevisat facit för vad som kommer stiga. Historiskt har det varit mycket svårt att systematiskt slå ett brett index efter kostnader, även för professionella förvaltare. Räkna med att så förblir fallet tills vi kan visa något annat med riktiga siffror.
Se alltid till att sprida risk över flera bolag och branscher, och investera aldrig mer än du har råd att förlora. Riskkalkylatorn hjälper dig räkna på hur stor en enskild position rimligen bör vara. Och på Track record ser du en fullständig historisk simulering av att mekaniskt följa varje signal — inklusive de sämsta perioderna, inte bara de bra.
Candor drivs av Tim Sjögren som ett personligt projekt, inte av ett registrerat finansföretag. Sajten är inte en licensierad investeringsrådgivare och lämnar ingen personlig rådgivning. Allt innehåll är automatiskt genererat från offentlig marknadsdata och tillhandahålls i informationssyfte. Frågor om sajten kan skickas till timsjogrens.jobb@gmail.com.