Indlæg nr. 2 om temaet hur AI grundlæggende ændrer spillereglerne for aktiehandel!

Moving Average Convergence Divergence, eller MACD, är en av de mest populära momentumindikatorerna som används av tekniska analytiker, uppfann av Gerald Appel 1979. Det är en trendindikator som består av en oscillatorkomponent kombinerad med en glidande medelvärdeskomponent. IGTV:s Victoria Scholar förklarar hur man använder det på IG-plattformen.
I dag giver Uffe Raahede sit syn på AI kontra Vikingen!

Uffe er en erfaren teknisk analytiker, som har brugt Vikingen længe. 
Han har udgivet flere pædagogiske film som du kan se her!

Uanset om man bruger ChatGPT (CG eller en anden AI-tjeneste) eller Vikingen (V), handler det om at kunne analysere og lave beregninger på historiske kursdata (facts). I begge tilfælde er meget store mængder kursdata til rådighed.

Spørger man CG ved en prompt om ”teknisk analyse”, er problemet, at man ikke helt ved, hvilke fordelingsrum der er, og hvilke data der bruges. Jo mere detaljeret og specifik prompten er formuleret, desto bedre kan CG-en levere relevante og præcise svar. Så prompten skal måske omformuleres og præciseres.

Spørger man CG ved en prompt om ”Vurder aktien Ray B med teknisk analyse og bestem om den er i køb”, leverer CG en vurdering ”at aktien er i køb med et positivt mellemlangt potentiale”.

Her kan du se en kort video om, hvordan du bruger ChatGPT til teknisk analyse.

Teknisk vurdering af Ray B-aktien foretaget af ChatGPT

Trend: Køb. Aktien handler over både 50- og 200-dages glidende gennemsnit, hvilket indikerer en etableret optrend. 

Momentum: Positivt. Aktien er steget markant de seneste 3 måneder, hvilket understøtter fortsat styrke. 

RSI: Ser ud til at være i den øvre del af neutralzonen. Ikke et klart overkøbssignal endnu, men aktien bør følges, hvis stigningen fortsætter. 

MACD: Indikerer fortsat positivt momentum ifølge de seneste tekniske signaler. 

Støtte/modstand:

Støtte omkring 220 til 225 SEK.

Næste modstand omkring 240 til 250 SEK, derefter højere op mod tidligere toppe. 

Igen drejer det sig om den samme problematik som ovenfor: at jo mere detaljeret og specifik prompten er formuleret, desto bedre kan CG-en levere relevante og præcise svar. Så prompten skal måske omformuleres og indeholde, hvilke modeller der skal anvendes, og hvordan disse modeller skal være indstillet osv. Om lidt vil vi analysere Ray B med Vikingen.

Spørger man CG ved en prompt om at ”rangere Ray B i forhold til tidligere aktier”, levereres denne konklusion:
RaySearch er teknisk i køb, men den ligger et trin under de stærkeste trendaktier som Saab, Sandvik og Volvo. Den er mest interessant, hvis den fortsætter med at holde sig over 50-dages glidende gennemsnit og bryder over den nærmeste modstand med stigende volumen. 

Igen drejer det sig om den samme problematik som ovenfor, at jo mere detaljeret og specifik prompten er formuleret, desto bedre kan CG-en levere relevante og præcise svar. Så prompten skal måske omformuleres og indeholde en tabel, der sammenligner modelværdierne for de pågældende aktier.

”Som man råber i skoven, får man svar.” Hermed mener jeg, at man skal vide ret meget for at kunne formulere detaljerede og præcise prompts, ellers risikerer man at få upræcise svar. Omvendt er jeg ikke i tvivl om, at disse prompts kan formuleres og at ChatGPT er fremtidens arbejdsredskab.

Under stiller vi de samme tre spørgsmål til Vikingen

Spørger man Vikingen om ”teknisk analyse”, vises en tom skærm.

Inden man kan gå videre skal man:

A. Vælge de objekter (aktier, investeringsbeviser mv.), som man vil analysere. Vi kan f.eks. lave en lille objektgruppe med Ray B, Saab, Sandvik og Volvo.

B. Vælge de modeller, som analysen skal anvende (der er over 40 modeller at vælge imellem

Spørger man Vikingen om at vurdere aktien Ray B med teknisk analyse, vil jeg med mine modelvalg og modelindstillinger få dette skærmbillede under. Det kan virke uoverskueligt, men lad os gennemgå skærmbilledet.

Man fornemmer tre kolonner: ugentlige data yderst til venstre, månedlige data i midten og årlige data yderst til højre.

Under årsdata (nederst) ser man, hvordan aktien har bevæget sig omkring sin (blåstiplede) ”DNA-streng”. I begyndelsen af 2022 dannedes en bund, hvorfra den steg frem til midten af 2025 for siden at falde.

Under årsdata (øverst) ser man farten (momentum).

Under månedsdata (nederst) ser man en blå kurve, der angiver RSI (ca. 30), Modellen mRudolph viser, at aktien har været i salg siden august 2025.

Under månedsdata (midten) ser man en anden model Bollinger Kanal, der viser stort set samme resultat.

Under månedsdata (øverst) ser man farten (momentum)

Under ugedata er de to nederste modeller de samme som i midten, blot med ugedata. Næst øverst ser man trenden, der viser en stigende trendkanal, men aktien ligger under 120 dages (24 ugers) glidende gennemsnit og er derfor i BEAR trend.

Nu prøver vi at sætte dem sammen: Vikingens skærmbillede af Ray B med ChatGPT’s promptsvar og teknisk vurdering.

Spørger man Vikingen om at rangere Ray B i forhold til Saab, Sandvik og Volvo, kan man med Vikingen Autopilot danne denne tabel i Excel, se under.

I de ugentlige opdateringer i Vikingen Netværket analyseres ca. 175 store nordiske aktier. Her er vist, hvordan man med enkelte klip danner denne kandidattabelen.

Vikingen tilbyder gratis dansk support til såvel nye som nuværende brugere af Vikingen. Kontakt venligst Uffe Raahede ved mail uffe.raahede@vikingen.se

Vikingen Financial Software vil gerne minde dig om, at tidligere positive resultater ikke altid indikerer fremtidige overskud, og at al handel foregår på eget ansvar.

Vikingstocktips.com – AI-baserede købs- og salgssignaler baseret på 40 års erfaring med Vikingen!

Vikingstocktips lanceres i efteråret 2026!

Hver uge gennemfører Vikingstocktips omkring 70 millioner simuleringer baseret på historiske aktiedata ved hjælp af VIKINGEN Financial Softwares gennemprøvede signalmodeller. Hver enkelt aktie optimeres løbende, og indstillingerne opdateres, så snart en ny simulering viser et bedre historisk afkast.

Ved at analysere millioner af historiske kursmønstre identificerer systemet de indstillinger, der konsekvent har givet de mest pålidelige resultater. De modeller, der udviser det stærkeste historiske afkast, tillægges større vægt, hvilket bidrager til at forbedre kvaliteten af fremtidige købs- og salgssignaler.

Hold øje med yderligere oplysninger om, hvornår vi lancerer dette kraftfulde værktøj, så du også kan få glæde af AI-genererede købs- og salgssignaler, der er baseret på løbende analyse!

Vikingen Financial Software minder dig om, at tidligere resultater ikke altid indikerer fremtidigt overskud, og at al handel sker på egen risiko.

Med venlig hilsen

Catrin Abrahamsson-Beynon