Aktie-algoritmen tager udgangspunkt i en ineffektivitet i markedet, som kan opstå efter et firmas aflæggelse af regnskab - eller ved andre pludselige nyheder. Når nyheden bliver offentlig kendt, bør informationen hurtigt blive absorberet af markedet, og priserne burde tilpasse sig efter en effektiv markedspris.

I praksis er det ikke det, der sker. For når virksomheder aflægger et særdeles positivt regnskab eller ramt af en positiv nyhed, så har aktien en tendens til at drive yderligere opad i ugerne og måneder efter regnskabet. Tilsvarende kan virksomheder, som aflægger meget negative regnskaber også opleve, at de driver yderligere ned i pris i den kommende tid.

Dette fænomen blev beskrevet allerede tilbage i 1968 af Ray J. Ball & P. Brown og er siden blevet dokumenteret i hundredevis af akademiske studier. På Invested.dk og Daytrader.dk har vi foretaget vores egen test og gennemgang af denne hypotese, og derefter fintunet algoritmens vægte via machine learning.

Det har givet os et kraftfuldt værktøj at handle aktier med, og vi har nu mulighed for at dele resultaterne med vores brugere, og samtidig give mulighed for, at man kan abonnere på en service, der fortæller, hvilke aktier vi køber, og hvornår vi køber dem.