Der kan være mange grunde til, at man ikke skal spørge en LLM om noget kvantitativt relateret til investering.
Der har været flere nyheder om det på det seneste. Nedenfor mine egne oplevelser og grunde til ikke at stole på LLMer.
1) En af grundene er, at de som udgangspunkt er trænet på data, der ikke er opdateret. Som udgangspunkt er deres nøgletal ikke bare bagudskuende men også forsinket flere måneder. Og selv med web-søgning slået til får de ikke altid hentet korrekte nøgletal. Især pris-multipler har de svært ved.
2) En anden grund er, at der er rigtig meget forkert eller misvisende data derude, hvilket er samme grund til, at man skal være varsom med screenere af hensyn til at undgå falske negative. Kvalitetsviirksomheder kan eksempelvis godt have negativ GAAP-indtjening et enkelt år eller negativ egenkapital.
Hvad er så løsningen?
a) Jeg brugte EODHDs finans-assistent til ChatGPT:
https://eodhd.com/lp/eodhd-chatgpt
Men den fungerer kun med en betalt API-nøgle, og den gav mig stadig forkerte nøgletal og multipler. Selv i nogle tilfælde, hvor jeg ved, at de har de korrekte tal i deres data.
b) New Constructs har slået pjalterne sammen med Google Cloud og lancerer engang i 2026 FinSights, der bygger på deres kvalitetsdata. Hvis man søger på FinSights, så kan man finde videoer og tekst om det. Her pressemeddelelse fra begyndelsen af november:
https://www.newswire.com/news/new-constructs-partners-with-google-cloud-to-launch-finsights-22669374
Jeg tror, at der går et års tid endnu, før LLMer er brugbare til finansdata. Lige nu bruger jeg dem kun til at give mig en hurtig introduktion til virksomheder, som jeg ikke kender i forvejen. Pålidelige finansdata kan de i hvert fald endnu ikke levere.
P.S. Jeg havde i går en sjov oplevelse med en LLM, der hårdnakket påstod, at jeg tog fejl og SanDisk var ejet af Western Digital. Jeg tog imod dens undskyldning.
Der har været flere nyheder om det på det seneste. Nedenfor mine egne oplevelser og grunde til ikke at stole på LLMer.
1) En af grundene er, at de som udgangspunkt er trænet på data, der ikke er opdateret. Som udgangspunkt er deres nøgletal ikke bare bagudskuende men også forsinket flere måneder. Og selv med web-søgning slået til får de ikke altid hentet korrekte nøgletal. Især pris-multipler har de svært ved.
2) En anden grund er, at der er rigtig meget forkert eller misvisende data derude, hvilket er samme grund til, at man skal være varsom med screenere af hensyn til at undgå falske negative. Kvalitetsviirksomheder kan eksempelvis godt have negativ GAAP-indtjening et enkelt år eller negativ egenkapital.
Hvad er så løsningen?
a) Jeg brugte EODHDs finans-assistent til ChatGPT:
https://eodhd.com/lp/eodhd-chatgpt
Men den fungerer kun med en betalt API-nøgle, og den gav mig stadig forkerte nøgletal og multipler. Selv i nogle tilfælde, hvor jeg ved, at de har de korrekte tal i deres data.
b) New Constructs har slået pjalterne sammen med Google Cloud og lancerer engang i 2026 FinSights, der bygger på deres kvalitetsdata. Hvis man søger på FinSights, så kan man finde videoer og tekst om det. Her pressemeddelelse fra begyndelsen af november:
https://www.newswire.com/news/new-constructs-partners-with-google-cloud-to-launch-finsights-22669374
Jeg tror, at der går et års tid endnu, før LLMer er brugbare til finansdata. Lige nu bruger jeg dem kun til at give mig en hurtig introduktion til virksomheder, som jeg ikke kender i forvejen. Pålidelige finansdata kan de i hvert fald endnu ikke levere.
P.S. Jeg havde i går en sjov oplevelse med en LLM, der hårdnakket påstod, at jeg tog fejl og SanDisk var ejet af Western Digital. Jeg tog imod dens undskyldning.
LLM står for large language model. Eksempler:
gpt-5.1 fra OpenAI
gemini-3.0-pro fra Google
Claude fra Anthropic
Llama fra Meta
Mistral
Her nogle flere:
https://lmarena.ai/leaderboard
gpt-5.1 fra OpenAI
gemini-3.0-pro fra Google
Claude fra Anthropic
Llama fra Meta
Mistral
Her nogle flere:
https://lmarena.ai/leaderboard
Ok tak for svar.
Jeg er helt enig i man skal passe på med at stole på deres svar, også i andre henseender.
Jeg har tidligere abonneret på New Constructs, og ser frem til at kigge nærmere på FinSights når det lanceres. Tak for at gøre mig opmærksom på det.
Jeg er helt enig i man skal passe på med at stole på deres svar, også i andre henseender.
Jeg har tidligere abonneret på New Constructs, og ser frem til at kigge nærmere på FinSights når det lanceres. Tak for at gøre mig opmærksom på det.
Blind tillid til LLM'er? Nej tak.
Men med det rigtige setup slår AI selv den bedste investor. Eller sagt på en anden måde:
Både en dårlig investor eller en dygtig en kan blive markant bedre ved at anvende AI korrekt.
AI knuser allerede verdensmestre i skak og Go, så ja, man kan godt bruge f.eks. Grok til at blive en bedre investor.
Og vi er 10× bedre stillet i dag end i 90'erne, hvor internettet lige var begyndt at kravle.
Grok 4 (den nyeste version) er blandt de stærkeste generelle AI-modeller og nåede finalen i Kaggles AI Chess Tournament i august 2025, hvor den slog Google Gemini på tiebreak (2-2 i regulær kamp, men vandt tiebreaken 3-2 i semifinalen), men tabte 0-4 til OpenAI's o3 i finalen.
Men med det rigtige setup slår AI selv den bedste investor. Eller sagt på en anden måde:
Både en dårlig investor eller en dygtig en kan blive markant bedre ved at anvende AI korrekt.
AI knuser allerede verdensmestre i skak og Go, så ja, man kan godt bruge f.eks. Grok til at blive en bedre investor.
Og vi er 10× bedre stillet i dag end i 90'erne, hvor internettet lige var begyndt at kravle.
Grok 4 (den nyeste version) er blandt de stærkeste generelle AI-modeller og nåede finalen i Kaggles AI Chess Tournament i august 2025, hvor den slog Google Gemini på tiebreak (2-2 i regulær kamp, men vandt tiebreaken 3-2 i semifinalen), men tabte 0-4 til OpenAI's o3 i finalen.
AI kan helt sikkert bruges som hjælpemiddel og investeringsværktøj, og dens betydning bliver formentlig større i fremtiden.
Dansk Aktionærforening havde en interessant artikel tilbage i 2020 hvor de henviste til et studie fra nogle forskere på Indiana University i USA, der havde analyseret over 76.000 aktieanalyser lavet af syv forskellige robot-analysefirmaer i perioden 2003-2018 og sammenlignet med aktieanalyser skrevet af traditionelle aktieanalytikere på de samme selskaber.
Studiet viste at robot-analytikernes afkast overgik de menneskelige analytikeres. Særligt Interessant for denne tråd skal det indskydes at et af de syv robot-analysefirmaer som indgik i studiet netop var New Constructs som trådstarter omtaler i denne tråd. De seks andre var Minkabu, Price Target, Rapid Rating, Thestreet, Validea og ValuEngine.
Der er et link til studiet i artiklen "Man Versus Machine: A Comparison of Robo-Analyst and Traditional Research Analyst Investment Recommendation" hvor man gratis kan downloude studiet på en pdf-fil.
Det var faktisk dette studies resultater der fik mig til at prøve New Constructs af og abonnere på deres service i nogle år.
https://www.shareholders.dk/investorviden/robotter-bedst-til-aktieanalyse
Dansk Aktionærforening havde en interessant artikel tilbage i 2020 hvor de henviste til et studie fra nogle forskere på Indiana University i USA, der havde analyseret over 76.000 aktieanalyser lavet af syv forskellige robot-analysefirmaer i perioden 2003-2018 og sammenlignet med aktieanalyser skrevet af traditionelle aktieanalytikere på de samme selskaber.
Studiet viste at robot-analytikernes afkast overgik de menneskelige analytikeres. Særligt Interessant for denne tråd skal det indskydes at et af de syv robot-analysefirmaer som indgik i studiet netop var New Constructs som trådstarter omtaler i denne tråd. De seks andre var Minkabu, Price Target, Rapid Rating, Thestreet, Validea og ValuEngine.
Der er et link til studiet i artiklen "Man Versus Machine: A Comparison of Robo-Analyst and Traditional Research Analyst Investment Recommendation" hvor man gratis kan downloude studiet på en pdf-fil.
Det var faktisk dette studies resultater der fik mig til at prøve New Constructs af og abonnere på deres service i nogle år.
https://www.shareholders.dk/investorviden/robotter-bedst-til-aktieanalyse
