De kans is groot dat je kunstmatige intelligentie (AI) dagelijks al gebruikt. Dus ook al tijdens beleggen. Dat is ook niet zo gek want wij als beleggers verwerken nogal veel informatie op een dag. We zijn constant aan het lezen en onszelf aan het uitdagen om andere perspectieven te zien. Veelal in tekstuele vorm, en laten de large language models (LLMs) daar nou heel goed in zijn. Deze aflevering is anders dan de twee hiervoor over AI.
105. Kunstmatige intelligentie, ook wel AI (met Remy Gieling) | € 228.900
138. AI-hype (met Judith van Stegeren) | € 290.200We gaan het nu niet hebben over beleggen in AI maar over het gebruik van AI tijdens je onderzoek. Waar werkt AI nu goed voor en voor wat niet? En hoe moet je mentaal omgaan met AI tools? Om alvast wat weg te geven. Het moet je helpen denken in plaats van voor je te denken.
We proberen deze aflevering een soort van tool-neutraal op te zetten. Vandaag de dag zijn er zoveel goede tools, het komt vaak aan op een persoonlijke voorkeur. De meer algemene AI (chat)tools die voorbij komen: ChatGPT, Perplexity, Gemini, Claude, Copilot, Grok en NotebookLM.
Meer specialistisch en volledig gericht op beleggers zijn tools als Quartr, Fiscal, Tenzing Memo, Hudson Labs, Fintool, Publicview en nog veel meer. De meeste heb ik wel geprobeerd alleen kan je je wel afvragen of het echt de prijs waard is.
In de community heb ik recent de post ‘Hoe gebruik jij AI rondom beleggen?’ gestart om onderling meer learnings te delen over AI. Heb jij positieve ervaringen, deel ze gerust!
Waar is AI niet goed in?
Onderaan de streep is een LLM (met search) niet meer dan een tool. Om een tool goed te kunnen gebruiken, moet je ook weten waar de limieten liggen. Dan weet je in ieder geval in welke situaties je het niet moet gebruiken of er niet op moet leunen.
Het is over het algemeen wel bekend dat er nog steeds aardig wat hallucinaties in voorkomen. Het wordt wel steeds lastiger om dit goed te herkennen, AI kan best zelfverzekerd overkomen. Het kan hierdoor best gevaarlijk zijn als je daar je beleggingsbeslissingen op baseert.
Er is ongetwijfeld nog meer maar hier een korte lijst waar AI naar mijn idee niet goed in is:
- Geven van beleggingsadvies;
- Maken van waarderingsmodellen;
- Omgaan met exacte cijfers, ratio’s en groeipercentages;
- Wel als jezelf de juiste documenten meegeeft en isoleert.
- Bepalen van een aan-, verkoop en positiegrootte;
- Creëren van convictie;
- Volledig overnemen van je fundamentele analyse.
- Omgaan met onzekerheid en incomplete data;
- Langetermijndenken en context aanvoelen;
- Verwerken van ‘soft data’ zoals tonaliteit, non-verbale signalen, culturele factoren, etc.
Nu we de grote lijnen van de beperkingen weten, kunnen we verder met waar AI wel geschikt voor is.
Waar kan je AI goed voor gebruiken?
De lijst waar AI goed te gebruiken is, is zoveel malen groter. Je creativiteit is je grootste beperking. In de community heb ik gevraagd waar beleggers het veelal voorgebruiken. Onderstaande een kort overzicht:
- Sparringpartner, bijvoorbeeld als ideeën generator.
- Assistent, om snel gewenste informatie te krijgen uit documenten of om deze samen te vatten.
- Tegenargumenten, bijvoorbeeld voor zwakke punten en biases te identificeren.
- Informatievergaring, bijvoorbeeld om nieuwe bronnen te vinden.
- Duiding te geven in complexe (juridische) documenten.
- Om de industrie echt te leren kennen.
- Business model goed te begrijpen.
- Overzicht te creëren van alle concurrenten, dus ook niet beursgenoteerd.
- Zoeken naar goede bronnen zoals oude interviews van de founder/CEO.
- Vertalen van interviews in een andere taal, bijvoorbeeld Zweeds of Duits.
In de basis maak ik mijn fundamentele analyse volledig ‘met de hand’, eigenlijk gebaseerd op ‘ouderwets’ onderzoekswerk. Voor specifieke delen van mijn onderzoek gebruik ik zeker AI. Het is voor mij echt een onmisbare tool geworden. Het is wel belangrijk om goede prompts te gebruiken, daar later meer over.
Ik heb aan Mark Beunk (bekend van aflevering 180) gevraagd hoe hij AI gebruikt. Onderstaande zijn reactie:
- Om ideeën te verzamelen. Ik vraag bijvoorbeeld om aandelen die passen bij mijn portefeuille. Of om aandelen die voldoen aan bepaalde kenmerken. Of aandelen in een bepaalde categorie, zoals serial acquirer in VMS.
- Voor conceptontwikkeling en als sparringpartner. Ik gebruik AI als een sparringpartner om mijn gedachten te scherpen en mijn aannames te challengen. Ik vraagt om kritische feedback en het verbeteren van mijn analyses. Bijvoorbeeld als bepaalde dingen niet helemaal lekker voelen. Dan vraag ik het model om daarop te reflecteren. Dat kan heel specifiek, bijvoorbeeld met ‘zoek uit waarom in de bear case de waarde voor debiteuren exact gelijk is als in de bull case, terwijl de omzet wel toeneemt’. Het kan ook heel generiek, bijvoorbeeld ‘dit voelt voor mij niet goed. Leg me uit waarom het voor mij niet goed voelt, zoek naar de oorzaak en los het op.’
- Voor statistische analyse en complexe modellering. Ik laat het model uitgebreide statistische analyses doen, zowel met normaal als niet-normaal verdeelde data, en complexe financiële modellen bouwen. Denk dan aan Vector Error Correction Models (VECM), bijvoorbeeld. Of iets minder complexe regressies, waarmee ik kan voorspellen. Ik laat AI ook al deze modellen testen en verfijnen, bijvoorbeeld door te vragen om niet-lineaire modellen en het testen van correlaties. Of door te backtesten. In dat geval plot ik de historische werkelijkheid op de gecreëerde formule om te kijken of het logisch past.
- Voor deep dives in bedrijven. Dit kan met allerlei modellen en theorieën die ik zelf in mijn hoofd heb zitten, maar ik vraag het model ook om zelf met nieuwe suggesties te komen. Het kan ook zijn dat ik vanuit een meer generieke deep dive er weer onderwerpen uitpak waarop ik aanvullend laat verdiepen.
- Om samen te vatten. Ik gebruik het ook om complexe artikelen, vuistdikke rapporten en twintig jaar historie aan jaarverslagen samen te vatten tot de voor mij relevante zaken in de kern. Gemini Pro werkt goed hiervoor, maar ik gebruik nog liever NotebookLM.
- Om te kwantificeren en verder te focussen. Ik vraag om hulp bij het vertalen van kwalitatieve zaken naar kwantitatieve waarden en vraag ook om hulp bij het kiezen van de belangrijkste drivers en om die argumentatie te onderbouwen.
- Voor analyse van management. AI kan veel beter zoeken (en vinden) dan ik dat kan. Ik vraag om het management van bedrijven te analyseren en een korte biografie te geven, zodat ik er snel meer gevoel bij krijg.
- Om dingen te kunnen vinden. Ik gebruik het ook als een soort Google search, maar dan op een manier waarop ik sneller zaken kan vinden.
- Scenario-analyse. Ik gebruik AI om verschillende scenario's te analyseren en kritische vragen te formuleren. Die vragen voer ik vervolgens weer aan het model om de scenario’s aan te scherpen.
- Om output te genereren. Ik laat AI bijvoorbeeld python-scripts maken die ik vervolgens in Google Colab kan draaien, zodat ik mooie plaatjes kan genereren. Dit vraagt wel een bepaalde leercurve, het gaat nu al een stuk beter dan een maandje geleden. Het kost ook nog relatief veel tijd, afgezet tegen mijn go-to tools zoals ThinkCell. Het kan ook data zijn, bijvoorbeeld berekende uitkomsten van Monte Carlo simulaties of twintig jaar omzetverwachtingen. Dat kan dan als output naar Sheets, wat ik weer verder verwerk in mijn eigen model.
Zoals gezegd, je eigen creativiteit is de grootste beperking. Er valt nog zoveel van elkaar te leren.
Creëer de juiste context
Wat een lastig puntje blijft bij alle modellen is dat je nooit volledig kunt vertrouwen op de data. Dit ‘probleem’ is een soort van op te lossen door zelf gekozen documenten te ‘isoleren’. Hierdoor verplicht je het model om de cijfers uit bijvoorbeeld de jaarrekening te gebruiken. Je kan dit doen met Spaces bij Perplexity, Projects bij Claude, Projects bij ChatGPT en bij NotebookLM. Ongetwijfeld ook wel bij Copilot maar dat gebruik ik niet.
Mijn voorkeur gaat tot nu toe uit naar NotebookLM. Op de pagina Investor Relations van het bedrijf download ik zoveel mogelijk bestanden. Die sleep ik allemaal in NotebookLM. Ik kan dan heel makkelijk ‘chatten’ met deze documenten. Het fijne is, dat je ook direct een referentie krijgt naar het juiste deel in het document. Hierdoor kan je altijd controleren of het klopt. Ik zie het dan ook als extreem geavanceerd zoeken in documenten.
Bijvoorbeeld bij Röko heb ik gevraagd wat de gemiddelde rente is die ze betalen. Normaal zou ik dat ook wel vinden in de jaarrekeningen maar dat kost mij dan zoveel meer tijd. Helemaal omdat ik het per jaarrekening moet doen. NotebookLM versnelt voor mij heel erg het proces van de juiste informatie vinden.
Denk goed na over je prompt
Je bent vast wel bekend met het gezegde ‘Garbage in, garbage out’ (GIGO). Dit geldt voor waarderingsmodellen zoals een DCF maar ook voor het gebruik van AI tools. De kwaliteit van het antwoord wordt voor een groot gedeelte bepaald door de kwaliteit van je vraag.
De vaardigheid leren om beter te prompten is zeker de moeite waard. Wat voor mij erg goed werkt is te doen alsof je tegen een junior praat. In plaats van "Schrijf een tekst over beleggen", zeg je: "Schrijf een wervende introductie van 150 woorden over duurzaam beleggen, gericht op jonge professionals". Als je niet specifiek genoeg bent tegen een junior collega, kan je ook niet verwachten dat ze alles in één keer goed doet.
Het is verstandig om iets langer stil te staan bij het maken van een prompt. In de basis, hoe meer je deelt over wat je graag wil hebben, hoe beter het resultaat. Denk na over de context, persona (role), taken/instructies, output formaat, toon en voeg mogelijk een voorbeeld toe.
Google heeft een prachtige Prompt Engineering guide geschreven! Op pagina 17 wordt uitgelegd waaruit een goede prompt bestaat: system, contextual en role prompting. Als je hierover meer wil leren, is het zeker de moeite waard.
Voorbeeld prompts
In de Prompt Engineering guide wordt ook gesproken over Step-back prompting. Dit is een techniek waarbij een AI-taalmodel wordt gevraagd om eerst een bredere, meer abstracte vraag te beantwoorden voordat het de oorspronkelijke, meer specifieke vraag aanpakt. Dit helpt het model om beter te redeneren en complexe problemen op te lossen, doordat het eerst de onderliggende principes en concepten overweegt. Dus eerst een stap terug en daarna vooruit.
Je kan bijvoorbeeld vragen hoe Howard Marks denkt over risico’s en om een schets te geven van zijn framework. Je creëert nu een omgeving - zie het als een stap terug - om vervolgens een stap vooruit te doen. In je volgende prompt deel je een fundamentele analyse met daarbij de vraag om het vanuit de bril en framework van Howard Marks te bekijken.
Het voordeel is dat je hierdoor niet van die hele uitgebreide prompts hoeft te maken. Al kan dat natuurlijk wel genoeg. Later paar voorbeelden waar dat wel zo is.
Het is wel essentieel als je goede output wil, dat de denkwijze van bijvoorbeeld je mental model natuurlijk wel goed verwerkt zitten in de LLM. Alles van Charlie Munger en Howard Marks zal er wel inzitten. Ongetwijfeld alle grote beleggers wel. Elke grote belegger staat wel bekend om zijn specifieke kwaliteit en invalshoek die je kan gebruiken om je eigen analyse aan te toetsen. Bijvoorbeeld Nassim Nicholas Taleb over Volatility & Tail risk, Aswath Damodaran over Valuation, Howard Marks over Risk Management, enzovoorts.
“Doordat deze inzichten/wijsheden uitgebreid beschreven zijn in de trainingsdata (het internet, boeken, etc.) weet de AI wel raad met het schrijven van een scherpe prompt die precies de spijker op zijn kop slaat.”
Onderstaande een paar voorbeelden van uitgebreide prompts. Deze zijn gemaakt door een LLM en een beetje door Frisco uit de community. Het is niet gek om een prompt te laten maken met tool X en vervolgens toe te passen in tool Y.
You are to act as a highly skeptical investment analyst embodying the mental models of Charlie Munger. Your sole purpose is to critique the following stock analysis I have prepared. You must exclusively use the mental model of "Invert, always invert.”
Your entire focus should be on answering this primary question: "What would have to happen for this to be a terrible investment resulting in a permanent loss of capital?"
Do not look for reasons why my analysis might be right. Your task is to rigorously search for every possible path to failure. Structure your critique to answer the following inverted questions:
- Invert the Bull Thesis: Identify the 1-3 core positive arguments in my analysis. For each argument, formulate a detailed counter-argument explaining how it could be completely wrong or how the opposite could come true.
- Invert the Industry & Moat: Instead of assuming the company's competitive advantage (moat) is durable, argue why it is fragile. What technological changes, new competitors, regulatory shifts, or changes in customer behavior could destroy this company's position in the industry?
- Invert the Management: I likely view the management team in a positive light. Assume the opposite. Argue that they are either incompetent, dishonest, or simply mediocre. What past decisions or current incentives could lead them to destroy shareholder value?
- Invert the Financials & Valuation: Instead of asking if the stock is cheap, answer this: "Under what plausible scenarios is this stock wildly overpriced right now?" What hidden liabilities, accounting tricks, or deteriorating fundamentals might the numbers be hiding? What could cause the company's margins and returns on capital to collapse?
- Identify Paths to Zero: Brainstorm a list of specific, plausible events (a "premortem") that could lead to the company's bankruptcy or its stock becoming worthless. Think about technological obsolescence, debt crises, fraud, catastrophic product failure, etc.
- Invert My Own Psychology: Where does my analysis show signs of confirmation bias, overconfidence, or "man with a hammer" syndrome? Point out the specific statements or data points where I seem to be fitting the narrative to my conclusion, rather than the other way around.
Your critique should be direct, logical, and unsentimental. The goal is to expose every potential weakness and point of failure in my investment thesis.
Ik heb bovenstaande Charlie Munger prompt toegepast op mijn Wise analyse. Er staan wel een paar leuke punten in, met de meeste ben ik al bekend dus dat is wel een fijne bevestiging. Narrative Fallacy (Too Good of a Story) vond ik leuk gevonden. Zie onderstaande PDF met het resultaat.
You are to act as Howard Marks, the renowned investor, co-founder of Oaktree Capital, and author of The Most Important Thing.
Your sole objective is to meticulously dissect a provided stock analysis exclusively through the lens of risk. Remember, in this context, risk is defined as the permanent loss of capital, not merely price volatility.
Employ calm, second-level thinking throughout your assessment. Completely ignore any upside potential and focus entirely on the downsides.
Primary Question
"Where and how could this investment go wrong, leading to a permanent loss of capital?"
Your Tasks
- Map the Risk Landscape:
- Systematically list all critical macro, industry, company-specific, and behavioral risks implicit in the stock analysis provided to you.
- For each identified risk, provide a qualitative assessment of its probability (e.g., Low, Moderate, High) and the severity of potential capital loss if it materializes (e.g., Low, Moderate, High).
- Second-Level Thinking Check:
- Clearly state the dominant market narrative surrounding this particular stock.
- Outline at least two distinct, non-consensus scenarios that could realistically invalidate that dominant narrative and result in the permanent destruction of capital.
- Cycle & Timing Risk:
- Precisely pinpoint where the company and its industry are situated within the economic cycle (e.g., early expansion, late-cycle, downturn, recovery). Justify your assessment with reasoning.
- Explain in detail how a shift to the next phase of the economic cycle could negatively impact the company's earnings, valuation multiples, or liquidity, leading to capital loss.
- Valuation & Margin-of-Safety Audit:
- Stress-test the key valuation inputs presented in the analysis.
- Highlight the specific inputs that carry the greatest "regret risk" if they prove to be overly optimistic (i.e., where a small error in assumption leads to a large potential loss).
- Estimate, with a reasoned approach, how far the stock price could realistically fall if it were to re-rate to its historical or cycle-average valuation multiples, assuming no change in underlying earnings.
- Hidden Asymmetries:
- Identify any areas where the downside potential is disproportionately larger, or more probable, than the claimed upside.
- Specifically call out any off-balance-sheet exposures, management incentives (e.g., compensation structures), or capital-structure quirks that could significantly magnify potential losses for common shareholders.
- Behavioral & Process Risk (Self-Reflection):
- Point to specific signs of common investor biases such as anchoring, confirmation bias, or FOMO (Fear Of Missing Out) that might be evident in the provided stock analysis.
- Recommend specific guardrails (e.g., checklists, mandatory alternative scenario planning, strict position-sizing rules) that a prudent investor should impose to mitigate these behavioral risks and protect capital.
Conclude with a single, concise assessment: [Low / Moderate / High]. Justify your choice in one sentence, summarizing the most critical risk factors.
Tone
Maintain a professional, measured, and unsentimental tone, consistent with a memo from Howard Marks. Avoid any conversational fillers or overly enthusiastic language.
Hetzelfde geldt voor bovenstaande prompt, het framework van Howard Marks is door mijn analyse van Wise heen gegaan. Ik heb niet eerder zo’n compleet overzicht gezien van alle risico’s bij Wise. Het is nu aan mij om de risico’s ook echt op waarde te schatten. Zie onderstaande PDF met het resultaat.
Nog een paar van Kevin Schoovaerts
Kevin Schoovaerts, bekend van aflevering 171 en 195 heeft recent een artikel geschreven over het gebruik van onder andere Perplexity (werkt ook in andere modellen/tools). In zijn stuk neemt hij je stap voor stap mee in een fundamentele analyse door middel van AI. Onderstaande een paar prompts die hij gebruikt.
Start met het ‘prepareren’ van het model. Hiermee creëer je een soort van context waarin het verdere gesprek gaat plaatsvinden. Chats hebben een geheugen, eerdere berichten worden meegenomen in de toekomstige berichten.
You are an experienced equity analyst. You search for the truth, weeding out the subjective from the objective. You use the maximum amount of information available to you in your research. I need your help in analyzing and understanding a company. I want to know if it’s a good investment opportunity or not. Are you ready to assist me?
In de volgende stap delen we de bedrijfsnaam, exchange en ticker. Bijvoorbeeld Alphabet, NASDAQ en GOOG. Hierdoor weten we zeker dat we het gaan hebben over hetzelfde bedrijf.
De start van een fundamentele analyse is vaak het begrijpen van het verdienmodel. Mocht het niet lukken om dit te begrijpen, kan je het aandeel maar beter links laten liggen. Je moet in ieder geval gevoel hebben, hoe een bedrijf haar geld verdient.
Vaak is het ook nog een extra toevoeging om wat meer restricties mee te geven zoals de toon, lengte of complexiteit van het antwoord. In onderstaand voorbeeld moet het uitgelegd worden alsof je acht jaar bent.
The company we are researching today is called [insert name], which is publicly traded on the [insert exchange] with the ticker [insert ticker]. Can you go through the publicly available filings and other sources and break down the business model for me? How does this company make money, and what does it need to do to generate its business? Is it a capital intensive business? Please explain it to me like I’m an 8-year-old. Provide an example to illustrate the business model.
Als je het business model snapt, kan je verder gaan met je fundamentele analyse. Denk dan aan de onderdelen management, competitief voordeel, geschiedenis, kansen, concurrentie maar natuurlijk ook de risico’s. Onderstaande een voorbeeld om meer inzicht te krijgen in de risico’s.
You are running a short-focused hedge fund. The only thing you do is look for businesses that could be in trouble so that you can write a short report and profit from the stock plunging. Please use your analytical capabilities to generate a short report on [insert name] ([insert ticker]). Where could it go wrong, and what are the major risks? Please list the number of articles you've found while researching where people take a more bearish stance.
Artikel Why Most Investors Are Leaving AI’s Full Potential on the Table geschreven door RhinoInsight is ook de moeite waard om door te nemen. Daar worden ook allerlei prompts gedeeld. Met dank aan Ben voor de tip.
Conclusie
AI is heel erg snel een onmisbare tool geworden voor beleggers. Laten we eerlijk zijn, eigenlijk niet alleen voor beleggers. AI is tegenwoordig voor bijna elke situatie wel te gebruiken. Goed om wel te onthouden: AI is een hulpmiddel, geen vervanging voor het denken.
Gebruik het om onderzoek te versnellen, niet om beslissingen voor je te nemen. Het moet je helpen denken in plaats van voor je gaan denken. Het onderdeel portfolio management wordt alleen maar belangrijker. Daarmee bedoel ik aan- en verkopen en positiegrootte.
Je kan mogelijk een kleine voorsprong creëren door betere vragen te stellen (leer dus goed prompten) en meer informatie sneller te verwerken. Uiteindelijk gaat het om de kwaliteit van de informatie niet om de hoeveelheid. AI is nogal goed om heel veel te creëren.
Uiteindelijk draait het om je oordeel en ervaring, die zijn nog steeds het belangrijkst. Over het algemeen zie ik AI meer als gevaar voor juniors en een versneller voor seniors. Dit geldt voor alle beroepen. De kans bestaat dat je als junior fundamentele concepten niet meer gaat leren. Dit geldt voor beginnende developers maar ook voor startende beleggers. Oordeelsvermogen en ervaring doe je op door zelf veel werk te verzetten.
AI is de eerste en/of de afsluitende stap van je fundamentele analyse. Het grote middenstuk kan je naar mijn idee nog steeds beter zelf doen. Uiteindelijk draait het allemaal om convictie creëren in de bedrijven die je bezit.
Als ik een ding heb geleerd van deze aflevering is dat het een basisvaardigheid van deze tijd is om zelf goed te kunnen prompten. En het leuke is, dat het helemaal niet moeilijk is. Het is een eenvoudig te leren skill. Je moet er alleen even voor gaan zitten.
Grappig hoe de mens werkt. In het begin ben je op zoek naar goede prompts van anderen, suggesties die je kan gebruiken. Pas later ga je dieper en leer je jezelf de skill aan om prompts te maken.
Zo werkt beleggen ook. Eerst zoek je naar tips en analyses van anderen. Daarna ga je zelf onderzoek doen.
Portfolio
Transactie: Ja, ASML verkocht.
Vorige week heb ik ASML verkocht. Niet om de Q2 cijfers, die waren eigenlijk best goed. Wel wat onzekerheid voor het komende jaar maar de 2030 targets blijven gewoon staan dus lange termijn beleggers overleven dit wel.
Ik twijfel al een lange tijd over ASML. Sinds de aankoop van Röko, moet er nog minimaal één bedrijf uit. Het is mij niet gelukt om meer overtuiging op te bouwen in ASML. Het was zo goed als mijn kleinste positie en ik heb niet voldoende convictie om het uit te breiden. Daarnaast heb ik natuurlijk ook al TSMC.
In deze gebeurtenis schuilt ook wel direct een les. Ik zag de urgentie niet om ASML snel te verkopen omdat ik nog geen concreet plan had waar het geld naar toe moest. Als je mentaal besloten hebt dat een bedrijf uit je portfolio gaat, moet je het direct doen.
ASML > TSMC > Nvidia vormen een soort van treintje waarbij het lijkt dat ASML aan het kortste eind trekt. Ik kan de vinger er niet zo goed op leggen maar het lukt ASML niet om de marges mee te laten groeien. Door het succes van TSMC, is de klantconcentratie bij ASML vergroot. Verder is het toch een soort van projecten business, ze kunnen maar een X aantal machines per jaar produceren. In de basis is dit allemaal niet zo’n probleem maar gecombineerd met de huidige waardering krijgt het wel meer gewicht.
Vanuit portfolio management (spreiding) is de wissel Röko > ASML denk ik wel een goede zet. Ik merk dat het kunstmatig limiteren van het aantal bedrijven een positief effect heeft op mijn denken. Het is niet makkelijk maar het dwingt mij om echt kritisch te blijven.
"The stock market is a device for transferring money from the impatient to the patient” — Warren Buffett
De toekomst gaat uitwijzen of dit een verstandige beslissing was. Over drie tot vijf jaar nog maar eens deze beslissing onder de loep nemen. Wat mij in ieder geval is opgevallen is dat dit by far de verkoop is die het meeste losmaakt. Als het collectief over het algemeen gelijk heeft, zit ik mogelijk aan de verkeerde kant.
Portfolio waarde: € 519.100
Tip: Leren van een contraire belegger
Anthony Bolton (geboren op 7 maart 1950) is een Britse belegger van wereldklasse maar ondertussen ook een klassiek componist. Van december 1979 tot december 2007 was hij de manager van het Fidelity Special Situations Fund. Hiermee behaalde hij een indrukwekkend gemiddeld rendement van circa 19,5 % per jaar. In dezelfde periode deed de FTSE index ongeveer 13,5 %.
Bolton staat erg bekend als een contrarian investor, dit leverde hem ook de bijnaam ‘Quiet Assassin’ op. Dit komt omdat hij contrarian van aard is en een vermogen heeft om tegen de markt in te zwemmen. Tijdens zijn loopbaan heeft hij meerdere boeken geschreven, Investing Against the Tide is wel de bekendste.
Nog niet zo lang geleden was hij te gast bij Nicolai Tangen in de podcast In Good Company. Deze podcast is vaker langsgekomen als tip.
De informatiedichtheid is best hoog in deze aflevering. Er worden veel interessante topics aangehaald zoals:
- Kansrijke beleggingen voelen vaak ongemakkelijk;
- Populariteit in beleggen kan een risico zijn;
- Tegendraads zijn is een persoonlijkheid;
- Het is dekken van je eigen overtuiging.
- Tegengeluiden opzoeken, geduld en emotionele discipline;
- Je moet jezelf blijven analyseren;
- Uiteindelijk zoek je naar asymmetrische beleggingen;
- Als je nu contrair wil zijn, moet je naar China kijken.
Volgende week gaan we het hebben over 'Familie bedrijven (met Michael Gielkens)'. Rest ons nog een ding: Investeer in je kennis! En beleg met beleid.
Word Vriend
Vind je het leuk om ons te steunen als onafhankelijke podcast, gebruik te maken en mee te denken met de Portfolio Dividend Tracker? Voor €6,25 per maand krijg je toegang. Zeven dagen gratis proberen!
► Doe mee met Jong Beleggen: PortfolioDividendTracker.com
Pim's portfolio
► Bekijk mijn volledige aandelen portfolio: Portfoliodividendtracker.com/jongbeleggen
JB updates op Instagram
► @JongBeleggen op Instagram: Instagram.com/jongbeleggen