Sådan skal tallene forstås

Dyrhedsindekset (0-100) viser, hvor billig eller dyr sektoren er LIGE NU, rent værdiansættelsesmæssigt — udelukkende ud fra selskabernes egne tal. 0-20 er "meget billig", 41-60 er "fair værdi", 81-100 er "meget dyr". Det langsigtede prisniveau sætter det aktuelle niveau i historisk kontekst årtier tilbage — ikke ud fra fundamentale nøgletal, men ud fra hvor meget sektorens samlede kurs, ligevægtet på tværs af selskaberne, afviger fra sit eget 3-årige gennemsnit, og hvor det rangerer mod al kendt historik. Udsigten for de næste 3-9 måneder lægger værdiansættelsen sammen med forretningskvalitet, momentum og makroklima til ét samlet billede af, om tidspunktet historisk set ligner et gunstigt indgangspunkt — det er en indikator baseret på historiske mønstre, ikke en prognose.

Metode: mikro og makro, vægtet efter sektor

Mikro-delen bygger på sektorens egne median-multipler, holdt op mod et ankerniveau fastsat for netop den sektor — ikke mod en fælles markedsnorm, som ville gøre lavt prissatte sektorer som banker mekanisk "billige" og højt prissatte sektorer mekanisk "dyre". Medianen bruges frem for gennemsnittet, så ét selskab med et skævt nøgletal ikke kan flytte billedet, og spændet mellem laveste og højeste selskab vises ved siden af, så du kan se, om medianen overhovedet er repræsentativ.

Makro-delen kombinerer fire signaler, valgt så de passer til sektorens faktiske virkelighed: renteretningen og rentekurven i USA, sektorens performance relativt til sit eget marked (SMH mod S&P 500, opgjort i samme valuta, så valutakurser ikke blandes ind i signalet), og sitets eget frygt/grådigheds-indeks vendt kontrært om — men kun i yderpunkterne, da små udsving i markedssentiment ikke siger noget pålideligt om de kommende måneder. Vægtene mellem de fire er forskellige for AI-sektoren og banksektoren, fordi de samme makrovariable rammer de to sektorer forskelligt.

Ofte stillede spørgsmål

Hvordan beregnes dyrhedsindekset?

Sektorens egne median-multipler holdes op mod et ankerniveau, der er fastsat FOR DENNE SEKTOR: median-P/E mod 25x, og median-EV/omsætning mod 6x. Hver af de to giver en score, hvor 50 betyder 'præcis på ankeret', og hvor 50 point svarer til 100 % afvigelse — et multipel på det dobbelte af ankeret rammer altså 100. Dyrhedsindekset er gennemsnittet af de to. 0-20 er 'meget billig', 81-100 er 'meget dyr'.

Hvorfor sammenlignes der med et sektor-anker og ikke med markedet generelt?

Fordi den første udgave af dette værktøj gjorde det forkert, og fejlen var tydelig i tallene. Den byggede dyrhedsindekset på handelsscorens generelle værdiansættelsesmodel, som er forankret i en markedsnorm omkring P/E 20 og desuden vægter analytikernes (systematisk optimistiske) kursmål 35 %. Resultatet var, at stort set ALLE selskaber fremstod 20-50 % undervurderede: banker, der strukturelt handler til P/E 8-13, blev mekanisk kaldt 'billige', og denne side kunne i samme åndedrag vise 'Billig 22/100' øverst og 'Historisk dyrt niveau' længere nede. Et mål, der aldrig siger 'dyr', måler ikke værdiansættelse. Nu måles hver sektor mod sit eget normale niveau, og de to tal på siden kan ikke længere modsige hinanden uden grund.

Hvordan beregnes udsigten for de næste 3-9 måneder?

Et vægtet snit af fire ting: hvor billig/dyr sektoren er lige nu (dyrhedsindekset, historisk den faktor der bedst har hængt sammen med fremtidigt afkast — 'mean reversion'), forretningskvaliteten (marginer, forrentning, gæld), kursmomentum, og et samlet makroklima-tal (renteklima, rentekurve, sektorens relative styrke mod markedet, og markedssentiment vendt kontrært om). Vægtene er forskellige for AI og banksektoren, fordi de samme makrovariable rammer forskelligt — se forklaringerne under hver komponent på siden.

Hvorfor vejer renter og rentekurve forskelligt for de to sektorer?

Stigende renter er typisk et modvind for højt prissatte vækstaktier som de fleste AI-selskaber (fremtidig indtjening diskonteres hårdere), men en mere blandet — og for banker isoleret set mildt positiv — faktor for nettorenteindtægten. Rentekurven (10-årig minus 3-måneders rente) er den klassiske driver af bankers indtjening (lån kort, udlån langt) og vejer derfor tungest for banksektoren; for AI-sektoren indgår den mest som et generelt recessions-/risikosignal.

Hvilke selskaber indgår?

Et bevidst udvalgt sæt på tværs af AI-værdikæden: chips/hardware (NVIDIA, Broadcom, Micron, ASML, Qualcomm, Dell Technologies), cloud-/AI-infrastruktur og -software (Oracle, Salesforce, Snowflake) og de tre store 'hyperscalere' hvis AI-investeringer driver meget af den øvrige efterspørgsel (Meta, Amazon, Alphabet). Det er IKKE det samme som alle selskaber tagget 'Tech' på sitet — fx cybersikkerhed og rene forbruger-techselskaber er bevidst udeladt.

Hvad er forskellen på dyrhedsindekset og det langsigtede prisniveau?

Dyrhedsindekset bruger selskabernes FUNDAMENTALE nøgletal (P/E, P/S, fair value-afvigelse) — de mest retvisende tal, men der findes ikke en gratis, pålidelig kilde til historiske kvartalsvise fundamentale tal langt tilbage i tiden, så dets egen graf bygges op dag for dag fra dette værktøjs lancering (samme princip som handelsscorens og frygt/grådigheds-indeksets historik andre steder på sitet). Det langsigtede prisniveau løser et beslægtet, men snævrere spørgsmål — er PRISEN stukket af fra sit eget mangeårige gennemsnit? — som KAN besvares årtier tilbage, fordi det udelukkende bruger historiske kurser, ikke fundamentale tal. De to bør læses sammen, ikke som modstridende: prisniveauet giver den historiske kontekst, dyrhedsindekset giver den mere præcise, men kortere, aktuelle vurdering.

Hvordan beregnes det langsigtede prisniveau helt præcist?

Et ligevægtet sammensat prisindeks for sektorens selskaber (bygget af ugentlige afkast, så et selskab, der er kommet til senere — fx en børsnotering — bidrager fra sit eget starttidspunkt, uden at afkorte resten af sektorens historik), holdt op mod dets eget 3-årige (156 ugers) glidende gennemsnit. Afvigelsen fra det gennemsnit percentilrangeres mod HELE den kendte historik (ikke kun det seneste år, som frygt/grådigheds-indekset gør), fordi formålet her er at vise multi-årige dyr/billig-cyklusser, ikke kortsigtet sentiment.

Er P/E ikke lidt misvisende — bør man ikke kigge på noget andet for banker end for AI?

Jo, det er en reel begrænsning ved et rent P/E-baseret mål, og derfor vises 'Alternativ værdiansættelse' ovenfor: forward P/E (baseret på analytikernes FORVENTEDE indtjening, en reel fremadskuende — 'leading' — indikator, i modsætning til bagudskuende P/E og priser der kun beskriver fortiden) samt EV/omsætning og EV/EBITDA, som renser for kapitalstruktur og afskrivninger. De erstatter ikke dyrhedsindekset, men supplerer det, fordi flere AI-selskaber er kapitaltunge på en måde, almindelig P/E ikke fanger godt.

Hvad er en 'leading' (fremadskuende) prisindikator, og hvorfor bruges den ikke overalt?

En fremadskuende indikator bruger FORVENTEDE fremtidige tal (fx analytikernes estimerede indtjening det kommende år) i stedet for allerede kendte, bagudskuende tal — forward P/E og EPS-estimatrevisioner er klassiske eksempler. Vi bruger forward P/E i AI-sektorens alternative værdiansættelse ovenfor, men bruger det ikke i selve dyrhedsindekset eller udsigten, fordi Finnhubs gratisplan (den primære datakilde for handelsscoren) slet ikke leverer fremadskuende estimater — kun Yahoo Finance gør, og kun for et snævrere sæt nøgletal. Det er en reel databegrænsning, ikke et bevidst metodevalg.

Er udsigten for de næste 3-9 måneder efterprøvet?

Nej, og det er den vigtigste begrænsning ved den. Vægtene (værdiansættelse, kvalitet, momentum, makroklima) er fastsat ud fra almindeligt anerkendte sammenhænge og sund fornuft — ikke ud fra en test af, om netop den kombination historisk har forudsagt de efterfølgende 3-9 måneders afkast for netop disse sektorer. Sitet offentliggør et reelt track record for handelsscoren (se /aktier/handelsscore-track-record/), og indtil noget tilsvarende findes for sektorudsigten, bør den læses som en struktureret sammenfatning af, hvad der taler for og imod lige nu — ikke som en afprøvet prognosemodel. De daglige snapshots, der gemmes fra dette værktøjs lancering, er netop det datagrundlag, en sådan efterprøvning senere kan bygge på.

Hvilke skævheder er der i udvælgelsen af selskaber?

To, som er værd at kende. For det første er listen valgt I DAG, med viden om hvilke selskaber der klarede sig godt — den slags 'overlevelses-skævhed' får enhver historisk graf til at se pænere ud, end en tilsvarende liste valgt for ti år siden ville have gjort. Intel, som er et oplagt medlem af en AI-sektor, men har klaret sig dårligt, indgår fx ikke, fordi sitet ikke følger selskabet. For det andet vægtes alle selskaber LIGE i både prisindekset og medianerne. Det betyder, at Snowflake tæller lige så meget som NVIDIA, selvom forskellen i størrelse er enorm. Det er et bevidst valg (historiske markedsværdier er ikke frit tilgængelige, og en ligevægtet opgørelse lader sig ikke dominere af ét enkelt selskab), men det svarer ikke til, hvad en investor i en markedsvægtet sektorfond ville opleve.

Er det her investeringsrådgivning?

Nej. Det er en gennemsigtig, regelbaseret sammenfatning af offentligt tilgængelige tal, ikke en personlig anbefaling. Se disclosure-boksen under udsigten på siden.