Érdemes a pénzügyi influencerek tanácsait követni?

A pénzügyi influencerek eredményeit vizsgáló új tanulmány 29 ezer pénzügyi influencer jelzését dolgozta fel. Cikkünkben a vizsgálat részleteit tekintjük át.

Itt az oldalon már sokat foglalkoztunk a tőkepiaci szereplők különböző csoportjaival. Többek között beszéltünk arról, hogy az átlagos befektető alulteljesít, a kisbefektetők többsége veszteséges a részvénypiacon, a guruk, szakértők kétharmadának találati aránya nem jobb a véletlennél, a sell-side elemzők által leginkább ajánlott részvények jövőbeni hozama alacsony, az átlagos hedge fund elmúlt 20 éves hozama a diszkontkincstárjegyek hozamával vethető össze, az alapkezelők 80-90 százaléka alulteljesít. Természetesen a fentiek átlagot mutatnak, és az átlag mögött találunk eredményes, sikeres befektetőket, szakértőket, de számuk nem jelentős. Az egyetlen terület, ahol az átlagos szereplő is felülteljesít, a bennfentesek köre. Az elmúlt évtizedben azonban egy új szakértői kategória jött létre, a pénzügyi influencerek, akikkel a közösségi média különböző weboldalain találkozhatunk, és széles befektetői kör (elsősorban a fiatalabb generáció) hagyatkozik a véleményeikre, előrejelzésükre.

A pénzügyi influencerek eredményei

A pénzügyi influencernek, más néven finfluencernek nevezzük azokat a személyeket, akik a közösségi média platformjain befektetési tanácsokat adnak, előrejelzéseket készítenek. Bár számos közülük edukatív jellegű tartalmakat készít, de többségük befektetési elemzés formájában adatokat, információt tesz közzé befektetési eszközökkel kapcsolatosan, például részvények, árupiaci termékek, devizák, kriptovaluták körében fogalmaz meg ajánlásokat. A témával kapcsolatos tanulmányban 29 ezer pénzügyi influencer adatait dolgozták fel (StockTwits platformon elérhetőket), és az influencereket skilled (képzett), és képzetlen (unskilled és antiskilled) kategóriákba sorolták be. A fenti kategóriákba történő besorolások megértéséhez ismernünk kell a luck vs. skill probléma hátterét. Ez gyakorlatilag azt jelenti, hogy ha megvizsgálunk több száz piaci szereplőt, és azok közül utólag kiválasztjuk a sikereseket, akkor nem tudhatjuk, hogy a sikeresek eredményeit a véletlen vagy a tényleges szakértelem okozta. Ugyanis ha kellően sok próbálkozó van, akkor előbb utóbb szükségszerűen találni fogunk sikereseket.

A probléma szemléltetésére Joseph Rhine parapszichológus vizsgálatai emelhetők ki, aki az 1930-as években telepatikus képességekkel rendelkező embereket keresett, és vizsgálatai végén meg is találta őket. A kísérletsorozat abból állt, hogy az alanyoknak el kellett találniuk az asztalra kirakott (lefordított) kártyákon levő mintát, és a sorrendet. A résztvevők ismerték a kártyákon előforduló mintákat, de azt nem tudták, hogy a pakliból milyen mintázatú kártya került az asztalra. Ha sikeresen eltalálta egy alany a sorrendet, és a kártyákon levő formákat, akkor átléphetett a következő körbe, ahol újból megismételték a vizsgálatot. A vizsgálatok végeredménye szinte mindig az lett, hogy több kör után is találtak olyan embert, aki eltalálta a kártyák sorrendjét. És bár Joseph Rhine azt hihette, hogy sikerült telepatikus képességgel rendelkező embert találnia, a valóságban ezek az emberek nem rendelkeztek telepatikus képességgel. Egész egyszerűen a nagy számok törvénye alapján a véletlen, a szerencse eredményezi, hogy ha sok a résztvevő, lesz olyan ember, aki eltalálja több körben is a kártyák helyes sorrendjét

A pénzügyek világában a fenti problémakört elsőként Eugene Fama Nobel-díjas közgazdász vizsgálta meg a befektetési alapok vonatkozásában (részletek itt). És bár köztudott, hogy a befektetési alapok többsége alulteljesít, de ennek ellenére vannak sikeres alapkezelők, azonban a sikerükre nem a szakértelem, hanem a véletlen ad magyarázatot (sok a próbálkozó).

Ugyanakkor ma már léteznek olyan eljárások, melyekkel a képzettség becsülhető. Ezeket a többszörös nem normális disztribución alapuló eljárásokat Harvey, Liu (2018), Crane és Crotty (2020), illetve Dim (2022) fejlesztette ki. A képzettség mérőszáma ezekben a vizsgálatokban az alfa (α). Eszerint egy pénzügyi influencer:

• Skilled, azaz képzett, ha α > 0
• Unskilled, azaz képzetlen, ha α = 0
• és antiskilled, azaz „antitudású”, ha α < 0

A következő táblázat a 20 napos abnormális hozamot mutatja a fenti szakértőknek, azaz a finfluencer által adott jelzést követő 20 napban milyen abnormális hozam köthető a befektetési eszközhöz. A táblázatból kiderül, hogy a medián hozam negatív (-0,63%), azaz a vizsgált 29.477 jelzés felében a következő 20 nap abnormális hozama negatív. A legrosszabb 10 százalékhoz átlagosan -7,01% abnormális hozam, a legjobb 10 százalékhoz 5,44 százalékos abnormális hozam köthető.

forrás: Kakhbod et al. (2023)

Az alábbi táblázatból kiderül, hogy a fenti módszer szerint az influencerek 5,9+21,6  százaléka a skilled (type 1 és type 2) kategóriákba sorolható. Ezek esetében az abnormális hozam pozitív (6,76% és 1,42%). A finfluencerek 16 százaléka unskilled, azaz az abnormális hozam nulla, és a szakértők 45,6 és 10,9 százalék az antiskilled kategóriákba sorolható, negatív alfával. Ez utóbbi kategóriába tartozó személyek negatív abnormális hozamot generálnak, azaz pont az ellenkezője történik annak, amire számítanak.

forrás: Kakhbod et al. (2023)

A fentieket értékelhetjük úgy, hogy a pénzügyi influencerek vételi, eladási jelzése átlagosan negatív abnormális hozamot eredményeznek, de a legjobb 10 százalék jelzéseihez magas (5,44 százalék) abnormális hozam köthető. A fentiek után adódik a gondolat, hogy célszerű lenne megkeresni a képzett influencereket, és az ő tanácsaikat követni. Ez azonban korántsem olyan egyszerű feladat, mint amilyennek tűnik, ugyanis a képzetlenség és a követők száma között pozitív kapcsolat van, azaz a hozzá nem értő infuencereknek van a legtöbb követője.

forrás: Kakhbod et al. (2023)

Ezzel szemben a képzettség és a követők száma között negatív kapcsolat figyelhető meg. Tehát minél inkább hozzáértő a tanácsadó, annál kevesebb a követője.

forrás: Kakhbod et al. (2023)

A fentiekből jól látható, hogy a képzetlen pénzügyi influencereknek sokkal több követője van. Ennek lehetséges magyarázat a közösségi média platformok működési mechanizmusában van, így a képzetlen szereplők közzétételei több emberhez jutnak el. Jellemző a képzetlen szereplőkre, hogy túlzottan optimista, vagy túlzottan pesszimista nézeteket fogalmaznak meg. A vizsgálatban arra is rámutattak, hogy a képzetlen szereplők jelzéseire épülő kontrastratégia (jelzéseikkel ellentétes ügyletet kötünk) 1,2 százalékos mintán kívüli havi hozamot eredményezett. Sajnos azonban a jelenleg ismert módszerek alapján nem lehet a jövőre nézve megmondani, kik a pozitív alfát produkáló influencerek, és figyelembe véve azt, hogy a finfluencerek többsége negatív alfát produkál, elég rosszak az esélyei a befektetőnek a sikeres tanácsadó megtalálására.