I Adam Smith’s bog Supermoney spurgte han Buffett, hvilket råd han ville give sit yngre jeg, hvis han skulle starte forfra, hvortil han svarede:
Buffett: […] hvis han kom ind og arbejdede med små kapitalsummer, ville jeg fortælle ham, at han skulle gøre præcis det, jeg gjorde for omkring 40 år siden, hvilket er at lære om alle børsnoterede virksomheder i USA, og den videnbank vil gavne ham fantastisk over tid.
Smith: Men der er 27.000 børsnoterede virksomheder.
Buffett: Start med A’erne.
Da jeg læste dette for nogle år siden, havde det en dyb indflydelse på, hvordan jeg greb aktieanalyse an. Buffetts råd kan have at gøre med, at der var færre muligheder for at skalere research før internettet, så aktieanalyser betød at bladre gennem trykke materialer og fysisk anmode om årsregnskaber, sommetider uden held. Det, Buffett primært gjorde, da han drev sit partnerskab i 50’erne og 60’erne, var at bladre gennem Moody’s manualer og ValueLine, hvor hver virksomheds regnskabsfundamentaler strakte sig over én side hver.
Dette er langt fra, hvad der er muligt i internettets tidsalder. Men selvom internettet medførte effektiviseringer, medførte det også dovenskab. For at finde en strålende investering var Buffett allerede blevet fortrolig med alle investeringsmuligheder i det nære univers gennem bogbladring og rapportlæsning. I deres forsøg på at finde en strålende investering i dag bruger moderne investorer aktiescreenere, lettilgængelige sell-side-rapporter, diagrammer og en endeløs strøm af andre menneskers meninger om, hvorvidt en aktie er et køb eller salg—alle de genveje, der udsætter at smøge ærmerne op, udføre arbejdet selv og lægge armene omkring emnet. Det er nemt at lære noget om enhver virksomhed blot ved at eksistere på internettet, abonnere på nogle Substacks og scrolle på Twitter, men størstedelen af denne information er sekundær. Nogle gange er den forkert. Resultatet er, at de fleste investeringsbeslutninger kommer fra virkelige meninger og pæne fortællinger, der danner “din” tese uden at krydsforhøre din tankeproces, før du trykker på købsknappen.
Da Buffett købte Precision Castparts, gjorde han det tilsyneladende ved en øjeblikkelig beslutning—en beslutning, der var et resultat af akkumuleret viden ikke kun om virksomheden over en x-periode, men også via et netværk af virksomheder ligesom den og ulig den gennem årtier. Intet alternativ til hårdt arbejde kunne have nået frem til en så hurtig beslutning.
Så der er et paradoks ved aktieudvælgelse. At studere alle virksomheder i universet kan give dig den brede viden og mønstergenkendelse, du har brug for, men det er ikke nok. Du har også brug for et dybtgående niveau af viden om den virksomhed, du investerer i, for korrekt at kalibrere risiciene og vurdere dens værdiskabelse i mere end et par år frem i tiden. Dette kræver, at du ved alt, hvad du kan om virksomheden, dens natur, strategi og kultur gennem masser af arbejde og læsning. Dyb analyse er det, du sætter dine penge på spil for. Kaninhullet er din ven. Men dybdegående analyses natur er, at tiden løber fra dig. Når du beslutter dig for at gå dybt ind i en potentiel investering, graver du i arkiverne, bygger din model, tænker lidt, læser lidt mere, søger på nettet, skriver ned, hvad du synes, og pludselig er der gået dage, måske uger, før du endelig har konkluderet. Og så er du nødt til at kæmpe mod dine “sunkne omkostninger” om ikke at ville give slip, hvis din konklusion har været usammenhængende, og alt dit arbejde har været forgæves.
Når man studerer virksomheder, er intet arbejde forgæves. Gør arbejdet (uden at narre dig selv), og din akkumulerede viden vil i sidste ende gøre sin magi og give dig vigtig indsigt engang i fremtiden. Men hvis dybdegående research er alt, hvad du gør, uden at se på hele universet af potentielle investeringer, bliver det en reel risiko for din aktieudvælgelse at overse skoven for bare træer. I mellemtiden, hvis alt, hvad du gør, er at studere “compounders” fra din liste af Twitter-følgere, systematisk screene efter lave P/B’er eller dykke ned i 52-ugers lavlisten, risikerer du at blive Mungers enbenede mand. For at gribe investeringer an gennem en virksomhedsejers linse, skal du ikke kun forstå én type virksomhed, men hele spektret. Du har brug for evnen til øjeblikkeligt at opdele virksomheder i gode, dårlige og alt derimellem. Du har brug for mentale eksempler på, hvordan tilsyneladende gode økonomiske regnskaber kan føre til forretningskatastrofer (tænk på Silicon Valley Bank). Hvordan bestemmer du ellers din “hurdle rate”? Hvordan bestemmer du den gennemsnitlige højde af en befolkning, for slet ikke at tale om at vurdere, hvordan en høj eller lav person ser ud, hvis du ikke har målt hvert individ først?
Du siger måske: “Men Oliver, gennemsnit og genveje, det er dét nøgletal og multipler er til for”, og du har ret. Det er derfor, screenere er populære. Men du er nødt til at bringe et andet element ind i analysen ud over at se på kolde tal. For hvert “ideelt” forhold, du fodrer din screener med, går du glip af lærings- og investeringsmuligheder. Tag for eksempel marginer: hvordan ser den typiske bruttomargin ud for en detailhandler med tilsyneladende prisstyrke? 25-30%? Lad os sige, at du fodrede din screener med en bundgrænse på 20% for bruttomargin blandt andre filtre. Så ville du gå glip af Costco i hele virksomhedens levetid. Som følge ville du se bort fra det faktum, at Costcos hemmelige ingrediens (kultur, omkostningsparanoia, købekraft og skalafordele delt med kunden) i sidste ende stammer fra dens beskedne bruttomargin på 12%. Eller hvis du screener for minimum ROIC eller FCF, er der en god chance for, at Amazon aldrig ville være dukket op. Mit yndlingseksempel på en fejlbehæftet screener kræver positiv driftskapital og ekskluderer derved alle de konkurrencedygtige virksomheder, der vokser via en negative pengestrømscyklus.
Så jeg bruger ikke screenere. I stedet har jeg taget min idé om, at aktieudvælgelse er ligesom boglæsning (skim mange, læs få og genlæs kun de bedste), til at skabe en regelmæssig øvelse, jeg kalder:
Aktiesprints
1-3 gange om ugen bruger jeg en hel dag på at gennemgå en masse aktier, hvor jeg bruger så lidt som 2 minutter og så meget som 15 minutter på hver. Jeg vælger en klynge af virksomheder til hver session, enten inden for samme branche/økosystem eller en tilfældig gruppe med forskellige markedsværdier og økonomier for at variere læringsprocessen. Jeg gennemgår dem en efter en og bruger så lidt tid som nødvendigt, før jeg keder mig, for at maksimere antallet af aktier, jeg kan eksponere mig selv for i én session.
Ideen er at opnå effektivitet ved at kigge på vigtigste fundamentaler i en virksomhed på kortest mulig tid, helst ved at blive fordret med dissse fundamentaler på samme måde for hver virksomhed for at udvikle mønstergenkendelse. ValueLine er et eksempel på det, da jo flere ValueLine-sider du kigger igennem, jo hurtigere vil du være til at kigge igennem den næste. Du kan selvfølgelig betale for ValueLine (det er digitalt nu, selvom du stadig kan få den klassiske trykte version), men der er nogle andre gode (og delvist gratis) kilder, som jeg bruger i stedet. Her er tre:
- FinChat: Min favorit. “Owner mode” giver dig mulighed for at skjule alle aktiekurser, så du kan se på virksomheden som en ejer ville.
- QuickFS: En endnu mere “komprimeret” kilde til regnskaber, der er så enkel, som den burde være.
- Koyfin: Fantastisk til at kortlægge og sammenligne fundamentale data med hinanden.
Når jeg gennemgår aktier, har jeg det sjovt med det ved at betragte det som en leg. Nogle gange ser jeg først på regnskabet uden at se på navnet af virksomheden for at se, om jeg kan gætte, hvilken branche den er i. Andre gange prøver jeg at memorere regnskabet, og hvordan det har udviklet sig over tid, laver en note om at vende tilbage til virksomheden om x tid, og ser derefter, om jeg bliver bedre til at få tallene til at hænge sammen. Nogle gange besøger jeg hjemmesiden og læser dens historie. Nogle gange læser jeg måske bare aktionærbrevet i årsrapporten og relaterer det til tallene. Andre gange studerer jeg fodnoterne i årsrapporten først, da det at læse dem alene ofte kan fortælle dig mere om, hvordan virksomheden fungerer, end at læse et helt casestudie om virksomheden. Hovedideen er at ændre den måde, jeg studerer virksomheder på, mens jeg forankrer mig til regnskabet, som det vises i FinChat, QuickFS eller ValueLine, og samtidig holder analysen kort og præcist.
Hver analyse rejser en række spørgsmål i mit sind for at forstå, hvad der foregår bag tallene. I den forbindelse tænker jeg på mig selv som en skeptisk journalist. Her er tre udgangsspørgsmål:
- “Hvad er på balancen? Hvad er investeret i virksomheden, og hvad er afkastet?”
- “Ser det ud som en god forretning? Bliver den bedre, efterhånden som den vokser?”
- “Ser den billig ud? Hvis ja, hvad overser jeg så?”
Hvilket kan føre til mere detaljerede “hvorfor-hvorfor-hvorfor?”-spørgsmål såsom:
- “Hvorfor genererede virksomheden et enormt kapitalafkast ét år og derefter etcifrede afkast det næste?”
- “Har de foretaget nogen større opkøb i mellemtiden?”
- “Betyder et variabelt kapitalafkast, at der ikke er nogen varig konkurrencefordel?”
- “Ville det at tage gennemsnittet give et forkert billede af virkeligheden, og hvorfor?”
- “Kan denne variation give en mulighed i, hvordan markedet kan prissætte aktien forkert?”
Ligesom det at skimme en bog giver mindre videnfastholdelse, skal man gøre en indsats under et aktiesprint for at få tingene til at hænge ved. Selvom jeg måske kun bruger et par minutter på hver virksomhed, sørger jeg for at skrive mine tanker ned, selvom de senere kan vise sig at være latterlige, og virksomheden måske er langt uden for min kompetencecirkel. X% af det, jeg skriver ned, vil være spekulationer for at få hjernen i gang, og jeg ser måske aldrig på virksomheden igen. Men det gør jeg måske, og det er derfor, jeg skriver det ned i realtid. På den måde kan jeg huske mine første spekulationer, når jeg senere lærer mere om virksomheden (enten på farten ved at læse en tilfældig artikel eller bevidst). Jeg kan koble nye input med det, jeg skrev ned tidligere, hvilket sætter gang i en sammensat læringskurve.
Jeg holder styr på dette i Obsidian, et tovejs notesystem. Sagen ved et tovejs notesystem, i modsætning til et hierarkisk system, er, at det giver dig mulighed for at “genopdage” information, fordi det automatisk skaber relationer mellem relaterede noter. Lad os sige, at jeg lavede en note om Texas Instruments for seks måneder siden, som lyder: “Texas Instruments er en cyklisk langsomt voksende (eller ikke-voksende) virksomhed, men har måske en god moat, da den ikke gør, hvad førende semicos gør. Størstedelen af forretningen er analog, en anden del af værdikæden med anderledes økonomi og konkurrence. Den bruger chokerende lidt kapital på R&D for en semico.” Jeg laver derefter ordet “Texas Instruments” om til et hyperlink, hvilket opretter en side for Texas Instruments i min notedatabase. Lad os sige, at jeg seks måneder senere læste en længere artikel, der i forbifarten nævner Texas Instruments, som indeholder en lille smule information, som jeg gemmer i mine noter: “Texas Instruments evne til at generere indtægter med minimal R&D samt produktion ligger i deres kunderelationer. I mellemtiden er deres analoge chips sticky og sælges for 50 cent til et par dollars pr. stk. med hundredtusindvis af SKU’er”. Så jeg gemmer sætningen med den antagelse, at der er ringe chance for, at konkurrencen kan tage en meningsfuld del af forretningen, og den lille note (eller “node”) kan være begravet i en masse andre ting, jeg har gemt fra artiklen. Så lad os sige, at jeg en måned senere læser årsrapporten og understreget en masse, herunder hvordan virksomheden genererer enorme marginer og kort tilbagebetalingstid på hver fabrik, der er bygget sammen med en god enhedsøkonomi, og eksporterer derefter disse noter til Readwise, som derefter importerer dem til Obisidan. Hvis jeg nu kiggede på Texas Instruments-siden i databasen, ville alle “noder” vedrørende virksomheden automatisk være der, udgravet fra hvor end de var begravet i databasen. Det lyder forvirrende, men det er simpelt, automatisk og værdifuldt.
Dybere analyse
Når jeg kigger på en virksomhed under en aktiesprint og tænker “hey, det kunne være interessant at udforske yderligere”, tilføjer jeg aktien til min analysekanban, som er min “årsrapportlæseliste”, hvorfra dybere analyse starter. Før jeg laver mere research, stiller jeg mig selv følgende spørgsmål: “Kan jeg komme med et kvalificeret gæt om virksomhedens terminalværdi?”. Dette er et godt spørgsmål at stille, da det afdækker:
- Om forretningen er forudsigelig.
- Om jeg forstår dens plads i dens økosystem.
- Om jeg forstår virksomhedens værdiskabelse, ikke kun i den nylige fortid ud fra tallene, men også på lang sigt.
Hvis jeg nu finder ud af, at der er et lille spørgsmålstegn ved virksomhedens terminalværdi, ved jeg, at jeg er fascineret udelukkende med det formål at lære og udvide min kompetencecirkel, og ikke at investere i aktien. Dette er også løsningen éns “sunkne omkostninger”, som har det med at tvinge dig til at finde en indsigt, der ikke er der. Hvis du på forhånd ved, at du studerer virksomheder for at lære og tilsætter en sund dosis ydmyghed, kan du lade den regelmæssige indsigt komme til dig uden at tvinge den frem. Og hvis du beslutter dig for at lade aktien være, går du bare videre til den næste.
