Jeg har jo udviklet en ETF-scanner, hvor jeg er begyndt at kunne backteste, om de frasorteringsfiltre, jeg anvender, gør, at ETF’ere, der klarer sig dårligere end WEBN bliver frasorteret.
Lidt om vigtigheden: Først har jeg lavet nogle filtre for et par måneder siden og haft hypotese om, at de filtre frasorterer ETF’ere, der klarer sig dårligere end WEBN fremadrettet, hvilket jeg mentalt har sat til op til cirka 2-3 måneder.
Hvad jeg ikke har gjort: Jeg har ikke set på afkast på ETF’ere og så fundet nogle regler, der tilfældigvis passer med, at de ETF’ere, der bliver ramt af reglerne, så har klaret sig dårligere.
Den første metode anvendes i forskning: Opstil hypotese, opstil filtre på baggrund deraf, skab nogle filer med ETF’ere fra diverse datoer og test med data, der ikke eksisterer endnu om de ETF’ere har klaret sig godt eller skidt.
Den anden metode anvendes i salg af investeringsforeninger: Kig på afkastdata og skab nogle grupperinger, der overgår et verdensindeks bagudrettet og lav en flot kurve, der viser afkastet på grupperinger er over verdensindekset og skriv noten om at historiske afkast ikke garanterer fremtidig afkast. Det er sådan at mange nye tematiske ETF’ere og investeringsforeninger fremkommer.
Her er resultatet, hvor jeg har frasorteret ETF’ere siden 09-06-2026 og så set på afkastet af ETF’ere og WEBN fra 24-07-2026 og tilbage til den tidligere dato:
Forklaring på første række: Afkast på WEBN 09-06-2026 – 24-07-2026 er +1,23%. De 88 ETF’ere, der var med i Type 1 09-06-2026 har gennemsnitligt et afkast på -6,43%, mediansk -4,27%, så de har underpræsteret WEBN, ved at have afkast, der er 7,66% hhv. 5,49% dårligere end WEBN. Kun 2%, dvs. 2 ETF’ere ud af 88, har overpræsteret ift. WEBN i tidsperioden.
Tabellens resultater er måske ret tilfældige, men de viser pt. fra enhver tidshorisont på en uge eller mere, så præsterer de fravalgte ETF’ere gennemsnitligt dårligere end WEBN.
Så ville jeg jo bare ønske, at jeg kunne købe en ETF, der hed ‘Alle ETF’ere undtaget dem, der bliver fanget af filtrerne ‘Type 1’ og ‘Type 2’, for så ville jeg have et kæmpemerafkast ift. WEBN, hvilket er hele formålet med ETF-scanneren.
Konklusionen for nu er at resultaterne ser lovende ud: Jeg får ikke at vide, hvad jeg skal købe, men jeg har to rigtige gode filtre på, hvad jeg ikke skal købe. Filtrerne skal dog testes mere fremadrettet.
Nu skal den nysgerrige bloglæser også belønnes lidt, så derfor vil jeg svare på, hvad jeg kan se i filtrerne pr. 24-07-2026, hvilket er scannerens anbefaling på, hvad jeg ikke skal rode med lige foreløbigt med af ETF’ere:
- AI
- Emerging Markets
- Japan
- Halvledere
- Quantum
- Nasdaq 100
- Batterier
- Non-fossil energi
- Metaller
- Blockchain
Hidtil viser resultaterne at cirka 20%-25% af disse nok skal forventes at slå WEBN, men jeg har ikke tænkt mig, at gætte på, hvor mange og hvilke af disse kategorier, det bliver.