vss – ett investeringsverktyg byggt med AI

vss – value-screen sentinel – är ett investeringsverktyg jag byggde under sju veckor hösten 2026, tillsammans med en AI-kodagent. Det sållar bland ungefär tvåtusen börsbolag, läser deras egna års- och kvartalsrapporter, räknar ut vilken tillväxt dagens kurs förutsätter och bevakar de bolag jag följer varje natt. Det är ungefär 57 000 rader Python med runt 2 800 automatiska tester, och hela projektet är publikt.

Det säger aldrig åt mig att köpa något. Det mäter; jag bestämmer. Poängen med verktyget är inte att hitta vinnare, utan att hindra mig från att lura mig själv – och att föra ett register jag kan kontrollera i efterhand.

Fyra regler som verktyget upprätthåller

• Siffror bara från bolagets egna rapporter. Varje tal bär med sig rapporten, perioden och raden det kom från. Ett tal utan källa kommer inte in.
• Min bedömning skrivs ner innan jag ser marknadens. Jag registrerar min tillväxtförväntan – bas, sämre och bättre fall, med motivering – innan verktyget räknar ut vad kursen förutsätter. En bedömning som skrivs efter att jag sett kursen räknas inte. Idén är lånad från förregistrering i kliniska studier.
• Ett underkänt test är slutgiltigt. Ett bolag som faller på något annat än priset kommer inte tillbaka för att kursen sjönk. Bara ett nytt faktum kan föra tillbaka det.
• Varje nej följs upp. De flesta bolag får ett nej. Vart och ett sparas med dagens kurs och jämförs med index efteråt, så att jag får veta om mina nej var rätt.

Hur AI används – och hur den inte används

Samma disciplin som i min artikel om AI-agenter i drift, tillämpad på pengar:

• Modellen kopierar; den bedömer inte. När ett bolag publicerar en rapport plockar en språkmodell ut siffrorna tillsammans med exakt den mening varje siffra kom ifrån. Rapporten läses två gånger, och en siffra som de två läsningarna inte är överens om kastas. Om den citerade meningen inte innehåller talet stryks talet automatiskt.
• Bedömningen är kod och regler, inte AI. Varningssignalerna kontrolleras av fasta funktioner, och varje regel metoden följer är ett daterat, skriftligt beslut – 129 hittills, vart och ett med skälet och vad det kostade. En regel luckras aldrig upp i tysthet för att ett visst bolag nästan kom igenom.
• Inget skrivs utan mitt godkännande. Agenten föreslår siffror och hittar problem; värderingarna, besluten och köpen är mina.
• Ny automatik börjar i skuggläge. Den automatiska rapportläsaren loggar vad den skulle ha sagt och skickar ingenting förrän dess läsningar har kontrollerats för hand.

Vad det hittade

Några av de mest användbara stunderna var nej. En chiptillverkare klarade alla mekaniska test, men 91 % av försäljningen gick till en enda kund – en fråga jag inte kan bedöma bättre än marknaden, så den ströks. Ett välkänt bolag hade fallit 57 %, men när jag väl skrivit ner min egen tillväxtbedömning visade verktyget att kursen redan förutsatte mer tillväxt än jag trodde på. Det fångade ett fel i en kursdatakälla som fick ett bolag att se ut att ha fallit 52 % när kursen i stort sett stod still. Och att bygga det noggrant innebar att hitta dess egna fel också: en bevakare som skulle ha skickat 779 gamla rapporter igen, och ett innehav som i tysthet hade fallit ur bevakningen.