UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2004-2005
BELEGGINGSFONDSEN EN ‘BEHAVIOURAL FINANCE’
Scriptie voorgedragen tot het bekomen van de graad van licentiaat in de economische wetenschappen
Michaël De Man onder leiding van
Prof. Dr. Jan Annaert
UNIVERSITEIT GENT
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2004-2005
BELEGGINGSFONDSEN EN ‘BEHAVIOURAL FINANCE’
Scriptie voorgedragen tot het bekomen van de graad van licentiaat in de economische wetenschappen
Michaël De Man onder leiding van
Prof. Dr. Jan Annaert
Permission
Woord Vooraf Een scriptie schrijf je niet alleen. Daarom wil ik vooraf een aantal personen bedanken zonder wie deze scriptie nooit tot stand was gekomen.
Eerst en vooral wil ik mijn dank betuigen aan mijn promotor: Prof. Dr. Jan Annaert. Zijn
snelle antwoorden op mijn vragen, zijn tips, zijn verbeteringen en de aanbreng van nuttige literatuur waren voor mij een zeer grote hulp.
Mijn ouders bedank ik voor hun steun en motivatie in de voorbije vier jaar. Ik wil Freija bedanken voor haar permanente aanmoedigingen.
Mijn dank gaat ook uit naar de commissarissen voor het lezen van deze scriptie.
Inhoudstafel
Woord Vooraf .............................................................................................................................I
Inhoudstafel............................................................................................................................... II
Lijst van tabellen ....................................................................................................................... V Lijst van figuren ......................................................................................................................VII Inleiding ..................................................................................................................................... 1 1. Overzicht ................................................................................................................................ 3
2. De gedragsanomalieën en gedragsafwijkingen. ..................................................................... 5 2.1. Anchoring ........................................................................................................................ 5
2.2. Overconfidence................................................................................................................ 6
2.2.1. Self-attribution bias................................................................................................... 7 2.2.2. Hindsight bias ........................................................................................................... 7
2.2.3. Confirmation bias...................................................................................................... 8
2.3. Representativeness (heuristic) ......................................................................................... 9 2.3.1. De conjunction fallacy .............................................................................................. 9
2.3.2. De law of small numbers / Gambler’s fallacy effect .............................................. 10
2.3.3. Base rate fallacy (base rate neglect)........................................................................ 11
2.4. Conservatisme/Status quo bias ...................................................................................... 11
2.5. Availability bias (saliency heuristic) ............................................................................. 13 2.6. Prospect theory .............................................................................................................. 14
2.6.1. De waardefunctie is gebaseerd op relatieve winst en verlies t.o.v. een referentiepunt .................................................................................................................... 15
2.6.2. Zowel de winstfunctie als de verliesfunctie vertonen afnemende gevoeligheid..... 15 2.6.3. Loss aversion .......................................................................................................... 16
2.6.4. Disposition effect .................................................................................................... 16 2.6.5. Framing ................................................................................................................... 17
2.6.6. Mental accounting................................................................................................... 18 2.6.7. Narrow framing....................................................................................................... 19
2.6.8. Niet-lineare waarschijnlijkheidstransformatie ........................................................ 20
2.7. Kuddegedrag (‘herd behaviour’) ................................................................................... 21
2.8. Overreactie, onderreactie, reversal en momentum ........................................................ 22 II
2.9. Besluit............................................................................................................................ 23
3. Beperkingen op arbitrage ..................................................................................................... 24 3.1. Fundamenteel risico....................................................................................................... 25 3.2. Noise trader risico.......................................................................................................... 26
3.3. Implementatiekosten...................................................................................................... 27 3.4. Praktijk........................................................................................................................... 28
3.5. Besluit............................................................................................................................ 28
4. Beleggingsfondsen ............................................................................................................... 29
4.1. Traditionele beleggingsfondsen..................................................................................... 29
4.1.1. Beheer van traditionele beleggingsfondsen ............................................................ 29
4.1.2. Prestaties van traditionele beleggingsfondsen ........................................................ 29
4.2. Behavioural finance fondsen ......................................................................................... 33
4.2.1. Strategie van behavioural finance fondsen ............................................................. 33 4.2.2. Prestaties van behavioural finance fondsen ............................................................ 35
4.3. Besluit............................................................................................................................ 35
5. Prestatie analyse van BF-fondsen ........................................................................................ 36 5.1. Problemen ...................................................................................................................... 36
5.2. Populatie en steekproef.................................................................................................. 39 5.3. Gegevensverwerving ..................................................................................................... 39
5.3.1. BF-fondsen identificeren ........................................................................................ 39
5.3.2. Databases identificeren ........................................................................................... 41 5.3.3. Koersinformatie verwerven .................................................................................... 43
5.4. De methodologie............................................................................................................ 45
5.4.1. Het overzicht van het model ................................................................................... 45
5.4.2. De prestatiemaatstaf (overzicht) ............................................................................. 46 5.4.3. De methode: stijlanalyse ......................................................................................... 49
5.4.3.1. Fonds der referentie-indexen (‘mimicking portfolio’) ..................................... 50 5.4.3.2. Prestatie-analyse............................................................................................... 54
5.4.4. Additionele maatstaven........................................................................................... 57 5.4.4.1. Portfolio Change Measure (PCM).................................................................... 57
5.4.4.2. Lagged Momentum Measure (LMM) .............................................................. 58
5.5. Resultaten en interpretatie van de analyse..................................................................... 59 5.5.1. Undiscovered Managers Behavioral Growth Fund (UBRLX) ............................... 64
5.5.2. Undiscovered Managers Behavioral Value Fund (UBVLX).................................. 67 III
5.5.3. LSV Value Equity Fund (LSVEX) ......................................................................... 70
5.5.4. Janus Contrarian Fund ............................................................................................ 73
5.5.5. Scudder-Dreman High Return Equity Fund ........................................................... 76
5.5.6. Scudder-Dreman Small Cap Value Fund................................................................ 79 5.5.7. Scudder Focus Value + Growth Fund..................................................................... 82
5.5.8. Scudder-Dreman Financial Services Fund.............................................................. 85 5.5.9. Liontrust First Exempt Fund................................................................................... 88 5.5.10. Liontrust First Growth Fund ................................................................................. 91
5.5.11. Liontrust First Income Fund ................................................................................. 94
5.5.12. Liontrust Prime Exempt Fund............................................................................... 97 5.5.13. ABN AMRO Behavioural Finance Japan Fund.................................................... 99
5.5.14. KBC Equity Fund Fallen Angels Kap ................................................................ 101 5.5.15. Fortis Obam ........................................................................................................ 104
5.5.16. Contrarian Equities @ Work............................................................................... 107 5.5.17. De Behavioural Finance Fondsen ....................................................................... 110
5.5.17.1. De BF-fondsen: gemiddelden en mediaan ................................................... 110
5.5.17.2. De BF-fondsen: stijlanalyse voor de periode van 1/1/94 tot 1/8/04............. 112 5.5.17.3. De BF-fondsen: stijlanalyse voor de periode van 1/1/99 tot 1/8/04............. 114 5.5.17.4. De BF-fondsen: de strategie......................................................................... 115
5.5.6. Besluit....................................................................................................................... 117
6. Conclusie............................................................................................................................ 119
Bibliografie............................................................................................................................... IX
IV
Lijst van tabellen Tabel 1: Voorbeeld van de ‘hindsight bias’ ............................................................................... 8 Tabel 2: Overzicht fondsen ...................................................................................................... 42
Tabel 3: Hulpmiddel bij verwerken van dividenden................................................................ 44 Tabel 4: Overzicht van de geografische regio’s voor elk fonds............................................... 61
Tabel 5: Afkortingen en codes (Datastream) eigen analyse..................................................... 63 Tabel 6: Kerngegevens van Undiscovered Managers Behavioral Growth Fund ..................... 64 Tabel 7: De PCM en LMM van Undiscovered Managers Behavioral Growth Fund .............. 67
Tabel 8: Kerngegevens van Undiscovered Managers Behavioral Value Fund........................ 67 Tabel 9: De PCM en LMM van Undiscovered Managers Behavioral Value Fund ................. 70 Tabel 10: Kerngegevens van het LSV Value Equity Fund ...................................................... 70 Tabel 11: De PCM en LMM van het LSV Value Equity Fund................................................ 73
Tabel 12: Kerngegevens van het Janus Contrarian Fund ......................................................... 73 Tabel 13: De PCM en LMM van het Janus Contrarian Fund .................................................. 75
Tabel 14: Kerngegevens van het Scudder-Dreman High Return Equity Fund ........................ 76 Tabel 15: De PCM en LMM van het Scudder-Dreman High Return Equity Fund ................. 79
Tabel 16: Kerngevens van het Scudder-Dreman Small Cap Value Fund ................................ 79 Tabel 17: De PCM en LMM van het Scudder-Dreman Small Cap Value Fund...................... 81 Tabel 18: Kerngevens van het Scudder Focus Value + Growth Fund ..................................... 82 Tabel 19: De PCM en LMM van het Scudder Focus Value + Growth Fund........................... 84
Tabel 20: Kerngegevens van het Scudder-Dreman Financial Services Fund .......................... 85 Tabel 21: De PCM en LMM van het Scudder-Dreman Financial Services Fund.................... 87
Tabel 22: Kerngegevens van het Liontrust First Exempt Fund ............................................... 88 Tabel 23: De PCM en LMM van het Liontrust First Exempt Fund ......................................... 90 Tabel 24: Kerngegevens van het Liontrust First Growth Fund................................................ 91 Tabel 25: De PCM en LMM van het Liontrust First Growth Fund ......................................... 93
Tabel 26: Kerngegevens van het Liontrust First Income Fund ................................................ 94 Tabel 27: De PCM en LMM van het Liontrust First Income Fund ......................................... 96
Tabel 28: Kerngegevens van het Liontrust Prime Exempt Fund ............................................. 97 Tabel 29: Kerngegevens van het ABN AMRO Behavioural Finance Japan Fund ................ 100
Tabel 30: Kerngegevens van het KBC Equity Fund Fallen Angels Kap ............................... 101 Tabel 31: De PCM en LMM van het Equity Fund Fallen Angels Kap.................................. 103 Tabel 32: Kerngegevens Fortis Obam.................................................................................... 104 V
Tabel 33: De PCM en de LMM van Fortis Obam.................................................................. 106
Tabel 34: Kerngegevens van het Contrarian Equities @ Work fonds ................................... 107 Tabel 35: De PCM en LMM van het Contrarian Equities @ Work fonds............................. 109
Tabel 36: Een overzicht van de prestaties van de BF-fondsen .............................................. 111
Tabel 37: Een overzicht van de strategieën en de effectiviteit ervan..................................... 116
VI
Lijst van figuren Figuur 1: Value function v ....................................................................................................... 15
Figuur 2: Waarschijnlijkheids-gewichtenfunctie π .................................................................. 21 Figuur 3: De gewichten van Undiscovered Managers Behavioral Growth Fund .................... 65 Figuur 4: De alpha’s van Undiscovered Managers Behavioral Growth Fund ......................... 66
Figuur 5: De gewichten van Undiscovered Managers Behavioral Value Fund ....................... 68 Figuur 6: De alpha’s van Undiscovered Managers Behavioral Value Fund............................ 69 Figuur 7: De gewichten van het LSV Value Equity Fund ....................................................... 71 Figuur 8: De alpha’s van het LSV Value Equity Fund ............................................................ 72
Figuur 9: De gewichten van het Janus Contrarian Fund .......................................................... 74 Figuur 10: De alpha’s van het Janus Contrarian Fund ............................................................. 75
Figuur 11: De gewichten van het Scudder-Dreman High Return Equity Fund ....................... 77 Figuur 12: De alpha’s van het Scudder-Dreman High Return Equity Fund ............................ 78
Figuur 13: De gewichten van het Scudder-Dreman Small Cap Value Fund ........................... 80 Figuur 14: De alpha’s van het Scudder-Dreman Small Cap Value Fund ................................ 81 Figuur 15: De gewichten van het Scudder Focus Value + Growth Fund ................................ 83 Figuur 16: De alpha’s van het Scudder Focus Value + Growth Fund ..................................... 84
Figuur 17: De gewichten van het Scudder-Dreman Financial Services Fund ......................... 86 Figuur 18: De alpha’s van het Scudder-Dreman Financial Services Fund .............................. 87 Figuur 19: De gewichten van het Liontrust First Exempt Fund............................................... 89 Figuur 20: De alpha’s van het Liontrust First Exempt Fund.................................................... 90 Figuur 21: De gewichten van het Liontrust First Growth Fund ............................................... 92 Figuur 22: De alpha’s van het Liontrust First Growth Fund.................................................... 93
Figuur 23: De gewichten van het Liontrust First Income Fund ............................................... 95 Figuur 24: De alpha’s van het Liontrust First Income Fund .................................................... 96
Figuur 25: De gewichten van het Liontrust Prime Exempt Fund ............................................ 98 Figuur 26: De alpha’s van het Liontrust Prime Exempt Fund ................................................. 99 Figuur 27: De gewichten van het KBC Equity Fund Fallen Angels Kap .............................. 102 Figuur 28: De alpha’s van het KBC Equity Fund Fallen Angels Kap ................................... 103 Figuur 29: De gewichten van Fortis Obam ............................................................................ 105 Figuur 30: De alpha’s van Fortis Obam ................................................................................. 106
Figuur 31: De gewichten van Contrarian Equities @ Work fonds ........................................ 108 VII
Figuur 32: De alpha’s van Contrarian Equities @ Work fonds ............................................. 109
Figuur 33: De alpha’s van het fonds der BF-fondsen voor de periode van 1/1/94 tot 1/8/04 113 Figuur 34: De alpha’s van het fonds der BF-fondsen voor de periode van 1/1/99 tot 1/8/04 115
VIII
Inleiding De beurs oefent een sterke aantrekkingskracht uit op mensen. Velen hopen er snel rijk te worden. De realiteit is echter vaak anders. Soms gaan mensen collectief in de fout. Wie
herinnert zich de grote technologiezeepbel niet? Dat is een voorbeeld van kuddegedrag. Maar er zijn nog talrijke andere fouten (‘behavioural biases’) die mensen kunnen maken. Deze fouten zijn interessant want door er op in te spelen kunnen we geld verdienen.
Het is dan ook niet te verwonderen dat ook de fondsenindustrie hiervoor interesse heeft. Deze industrie beheert meer dan 10 triljoen dollar. Hoe krijgen ze hun fondsen aan de man? Hoe
worden ze groot? Goede reclamecampagnes, sterke naambekendheid van de fondsenaanbieder
en een goed uitgebouwd distributienetwerk kunnen hierbij zeker helpen. De prestaties van het
fonds blijven echter het doorslaggevende argument. Al kan er wel opgemerkt worden dat de presentatie van de resultaten vaak belangrijker is dan de resultaten zelf. Handige
fondsenbeheerders kunnen soms de meest erbarmelijke resultaten nog gunstig voorstellen. Dit even terzijde. Fondsen moeten goede rendementen neerzetten om (heel veel) geld aan te
trekken. Hiervoor worden allerlei technieken gebruikt. Eén van de nieuwe technieken is de ‘behavioural finance’. Hierbij tracht men de psychologie van de belegger uit te buiten om
hogere rendementen te bekomen. Dit klinkt op het eerste gezicht wel goed. Maar hoe en waarom gaan beleggers in de fout? Hoe kunnen deze fouten uitgebuit worden? En werken deze technieken ook in de praktijk?
Dit zijn de vragen waarop we in deze scriptie een antwoord willen geven. Deze scriptie wil een inzicht geven in het gebruik van ‘behavioural finance’ in beleggingsfondsen. We beginnen met een kort overzicht van wat ‘behavioural finance’ (BF)
inhoudt (Hoofdstuk 1). In dit eerste hoofdstuk leggen we echter eerst het traditionele
financiële ‘framework’ van marktefficiëntie uit. Dit vormt immers het denkkader waartegen BF
zich
afzet.
In
het
tweede
hoofdstuk
geven
we
een
overzicht
van
de
gedragsanomalieën/gedragsafwijkingen (‘behavioural anomalies’ en ‘behavioural biases’) die
aan de basis liggen van de BF. Dit is de theoretische onderbouw van de BF. Het derde hoofdstuk behandelt de theorie van de ‘beperkingen op arbitrage’. Gedragsanomalieën en gedragsafwijkingen kunnen er dan wel voor zorgen dat koersen (irrationeel) afwijken van hun
fundamentele waarde. De aanwezigheid van (rationele) arbitrageanten zou deze afwijking
1
echter (onmiddellijk) moeten tenietdoen. De theorie van de beperkingen op de arbitrage zal echter aantonen dat dit niet (noodzakelijk) het geval is.
In het vierde hoofdstuk zullen we het hebben over de beleggingsfondsen. Eerst leggen we uit
hoe beleggingsfondsen traditioneel beheerd worden. Daarna gaan we de prestaties van deze
traditionele fondsen (t.o.v. hun referentie-indexen) bekijken. Dat doen we aan de hand van een beknopt literatuuroverzicht. Tot slot bespreken we in dit hoofdstuk het gebruik van BF in
beleggingsfondsen. We kijken naar de manier waarop BF-fondsen beheerd worden. Een gedetailleerde analyse van de prestaties van de BF-fondsen komt aan bod in het laatste
hoofdstuk. Hierin vergelijken we de prestaties van de BF-fondsen t.o.v. hun referentieindexen (en t.o.v. gewone beleggingsfondsen). Indien BF-fondsen erin slagen om betere
rendementen neer te zetten dan zowel hun ‘benchmarks’ als gewone beleggingsfondsen, dan
zou dit een bewijs zijn dat BF inderdaad praktisch nut heeft. Hiertoe voeren we een eigen onderzoek uit dat gebaseerd is op stijlanalyse. De uitwerking hiervan wordt uitvoerig
beschreven in dit hoofdstuk. Dat moet ons toelaten een oordeel te vellen over de effectiviteit van BF.
In deze scriptie is het dus niet de bedoeling om een gedetailleerde (mathematische) onderbouw voor de BF-theorie te geven. Verder zullen we ons ook niet in detail inlaten met
de felle discussies tussen de aanhangers van de klassieke theorieën (‘efficient market theory’)
en de aanhangers van de ‘behavioural finance’. Ook de theoretische onderbouw van de gedragsanomalieën/gedragsafwijkingen valt buiten het bestek van deze scriptie.
2
1. Overzicht In dit eerste hoofdstuk willen we duidelijk uitleggen wat behavioural finance (BF) inhoudt.
Verder verklaren we waarom BF beter in staat is om de financiële markten te verklaren dan het traditionele financiële paradigma.
Voordat we de BF gaan uitwerken, zullen we eerst een korte uitleg geven over het traditionele
financiële kader. Deze theorie domineerde immers de financiële wereld tot het einde van de
jaren 80 en heeft nog steeds een zeer belangrijke invloed (Cunningham, 2002, blz. 769). De theoretische onderbouw van deze theorie valt echter buiten het bereik van deze scriptie.
Het traditionele financiële framework gaat uit van marktefficiëntie (Barberis N en Thaler R., 2003, blz.1054). Er wordt verondersteld dat de economische agenten volledig rationeel zijn,
dat er geen fricties voorkomen en dat de prijzen van financiële instrumenten steeds gelijk zijn
aan hun fundamentele waarde1 (Barberis N en Thaler R., 2003, blz.1054). Dit kader houdt dus in dat alle beschikbare informatie verrekend is in de prijzen van financiële instrumenten
(Fama E.F., 1998, blz. 284). De prijzen zullen te allen tijde correct zijn en er zal geen ‘free lunch’ zijn. Dit houdt in dat er geen investeringstechniek is die (risicoloos) extra rendementen kan bekomen bovenop het normale rendement dat een vergoeding is voor het risico.
Op dit traditionele financiële kader (van marktefficiëntie) kwam er echter kritiek (Fama E.F.,
1998, blz. 284). Zo zullen we in het tweede hoofdstuk een aantal afwijkingen bekijken die de assumptie van rationele economische agenten sterk in twijfel trekken. In het derde hoofdstuk
zien we dat er beperkingen zijn op arbitrage. Verder zijn de prijzen van de financiële activa niet (altijd) gelijk aan hun fundamentele waarde. Al deze factoren leiden ertoe dat het traditionele financiële framework in het gedrang komt. Hieruit kunnen we concluderen dat
modellen die veronderstellen dat economische agenten niet perfect rationeel zijn, mogelijk beter in staat zijn om bepaalde financiële fenomenen te verklaren (Barberis N en Thaler R., 2003, blz.1053).
De kritiek op het traditionele framework was zeker één van de redenen die tot het ontstaan van de behavioural finance leidde (Barberis N. en Thaler R., 2003, blz.1053). Maar wat is BF nu eigenlijk?
Om dit goed te begrijpen geven we een kort overzicht van definities: 1
De fundamentele waarde is de verdisconteerde som van alle verwachte toekomstige cash-flows. Hierbij
rekening houdend met alle beschikbare informatie (Barberis N. en Thaler R., 2003, blz.1054).
3
“Behavioral finance is the integration of classical economics and finance with psychology and the decision-making sciences” (Fuller R.J., 2000, blz.1).
“Behavioral finance is an attempt to explain what causes some of the anomalies that have been observed and reported in the finance literature” (Fuller R.J., 2000, blz.1).
“Behavioral finance is the study of how investors systematically make errors in judgement, or “mental mistakes” (Fuller R.J., 2000, blz.1).
“Behavioral finance argues that some features of asset prices are most plausibly interpreted
as deviations from fundamental value, and that these deviations are brought about by the presence of traders who are not fully rational” (Barberis N. en Thaler R., 2003, blz.1054).
“A theory stating that there are important psychological and behavioral variables involved in investing in the stock market that provide opportunities for smart investors to profit” (WebFinance, 2005).
“Behavioral finance is the paradigm where financial markets are studied using models that are less narrow than those based on Von Neumann-Morgenstern expected utility theory and
arbitrage assumptions. Specifically, behavioral finance has two building blocks: cognitive psychology and the limits to arbitrage” (Ritter R.J., 2003, blz. 429).
“The premise of behavioural finance is that conventional financial theory ignores how real people make decisions and that people make a difference. A growing number of economists
have come to interpret the anomalies literature as consistent with several “irrationalities” individuals exhibit when making complicated decisions. These irrationalities stem from two
main premises: first, that investors do not always process information correctly and therefore
infer incorrect probability distributions about future rates of return; and second, that even
given a probability distribution of returns, investors often make inconsistent or systematically suboptimal decisions” (Bodie Z. et al., 2005, blz. 396).
“Behavioural finance applies the discoveries of psychology to investment decision-making. It
says investors are not rational – they have many irrational biases that influence intuitive decision-making” (Cox H., 2004, blz. 80).
4
2. De gedragsanomalieën en gedragsafwijkingen. In dit hoofdstuk bespreken we de gedragsanomalieën en gedragsafwijkingen (‘behavioural biases’). Deze anomalieën en afwijkingen vormen de theoretische basis voor de BF-theorie
(Shiller R.J., 1998, blz. 1). Ze hebben tot gevolg dat de prijzen van beleggingen zullen afwijken van hun fundamentele waarde. Ook de veronderstelling van rationele individuen zal
niet langer opgaan. Kortom heel het traditionele financiële denkkader van marktefficiëntie
komt hierdoor op de helling (Shiller R.J., 1998, blz. 1-2). In dit hoofdstuk beperken we ons niet tot het opsommen van deze anomalieën en afwijkingen. Voor elk van de anomalieën en
afwijkingen zullen we een korte definitie geven. Daarnaast geven we ook steeds een (experimenteel) voorbeeld. Deze voorbeelden moeten de lezer een beter inzicht geven in de anomalieën en afwijkingen. Verder bespreken we ook de effecten op de financiële markten.
We geven nu een overzicht van deze (systematische) gedragsanomalieën en (systematische) gedragsafwijkingen:
2.1. Anchoring Door ‘anchoring’ zullen mensen bij het vormen van schattingen (verwachtingen) vertrekken van een initiële (vaak arbitraire) waarde (“het anker”). Daarna zal men gaan afwijken van
deze initiële waarde. Het probleem hierbij is echter dat men veel te sterk vasthangt aan deze initiële waarde. Men zal er slechts in beperkt mate van (durven) afwijken (Kahneman D. en Tversky A., 1974, blz. 1124-1131). Als initiële waarde zal men vaak de suggesties van anderen nemen (Shiller R.J., 1998, blz.8).
Een belangrijk experiment hierover werd uitgevoerd door Kahneman en Tversky (Kahneman D. en Tversky A., 1974, blz. 1124-1131). Ze vroegen aan een groep mensen om het
percentage van Afrikaanse landen in de VN te schatten. Dan draaide men aan een rad en elke deelnemer zag een cijfer van 1 tot 100. Iedereen wist natuurlijk dat dit cijfer niets te maken
had met de vraag. Vervolgens vroeg men aan de deelnemers of hun percentage hoger of lager was dan dat cijfer. Daarna moesten ze het percentage opgeven. De gemiddelde schatting voor
dit percentage was 25% voor de mensen die 10 als startwaarde kregen en 45% voor de
mensen die 60 als startwaarde kregen (Kahneman D. en Tversky A., 1974, blz. 1124-1131). Dit is dus een mooi bewijs dat mensen onvoldoende durven afwijken van hun initiële waarde. Zelfs al weten ze dat de initiële waarde totaal niet relevant is (Shiller R.J., 1998, blz.9). 5
‘Anchoring’ heeft ook belangrijke effecten op de prijsbepaling in de (financiële) markten. Een experiment van Northcraft en Neale (Northcraft G.B. en Neale M.A., 1987, blz. 84-97) toont
aan dat zelfs experts zich laten beïnvloeden door ‘anchoring’. Dit experiment had betrekking op de prijsbepaling van woningen. De initiële waarde was hier de biedprijs van de woning.
Experts die een veel te hoge biedprijs kregen, schatten de waarde van de woning zo’n 11 à 14% hoger in dan experts die een veel te lage biedprijs kregen. Dit is zeer opmerkelijk omdat
beide groepen van experts persoonlijk het huis geïnspecteerd hadden. Verder kreeg iedereen ook dezelfde informatie over het huis en over de huizen uit de omgeving (Northcraft G.B. en Neale M.A., 1987, blz. 84-97).
Ook in de aandelenmarkten zou ‘anchoring’ een belangrijke rol kunnen spelen. In deze context betekent ‘anchoring’ dat de prijzen uit het verleden als referentie worden gebruikt
voor de prijzen van vandaag (en voor de prijzen in de toekomst) (Shiller R.J., 1998, blz.10).
Deze stelling lijkt echter in contradictie met de empirisch vastgestelde lage correlatie in de veranderingen van aandelenprijzen. Deze veranderingen blijken immers een ‘random walk’ te vertonen (Shiller R.J., 1998, blz.10). Maar recente modellen van Shiller bekomen resultaten die zowel de lage seriële correlatie in de veranderingen van aandelenprijzen bevestigen als de sterke impact van ‘anchoring’ op het niveau van de aandelenprijzen (Shiller R.J., 1990, blz.
58-62). De lage seriële correlatie betekent dus niet dat ‘anchoring’ niet voorkomt bij het vormen van aandelenprijzen (Shiller R.J., 1998, blz.10).
‘Anchoring’ zal er voor zorgen dat mensen te weinig reageren op nieuwe informatie. Het leidt dus tot onderreactie. (Fuller R.J., 1998, blz.14).
2.2. Overconfidence ‘Overconfidence’ (te veel zelfvertrouwen) is het fenomeen dat mensen sterk de neiging hebben om hun eigen capaciteiten en kennis te overschatten (Taylor N., 2000, blz. 17). Dit
fenomeen is zelfs van toepassing op mensen met een ‘negatief’ zelfbeeld (Taylor N., 2000, blz. 17). Verder komt overconfidence ook sterk voor bij experten (Barber B.M. en Odean T., 2001, blz. 262-292) (Barberis N. en Thaler R.H., 2001, blz. 1063) (Cox H., 2004, blz. 80). ‘Overconfidence’ uit zich op twee manieren:
Enerzijds zal men veel te nauwe betrouwbaarheidintervallen hebben voor zijn schattingen
(Barberis N. en Thaler R.H., 2001, blz. 1063) . Zo vroeg men in een experiment (Alpert M. en Raiffa H., 1982, blz. 294-305) om een 98% betrouwbaarheidinterval op te stellen voor de
6
koers van de Dow Jones over een jaar. Uiteindelijk bleek dat slechts in 60% van de gevallen de werkelijke waarde ook binnen het betrouwbaarheidsinterval lag.
Anderzijds zullen mensen vaak ten onrechte denken dat gebeurtenissen totaal onmogelijk zijn
of dat gebeurtenissen altijd voorkomen (Barberis N. en Thaler R.H., 2001, blz. 1063-1064). Een experiment van Fichhoff, Slovic en Lichtenstein toont dit aan (Fischhoff B. et al., 1977, blz. 552-564). Van de gebeurtenissen die men totaal onmogelijk achtte, kwamen er in werkelijkheid toch 20% voor. Gebeurtenissen die men daarentegen als zeker beschouwde, kwamen slechts in 80% van de gevallen voor (Fischhoff B. et al., 1977, blz. 552-564).
‘Overconfidence’ kan er enerzijds toe leiden dat mensen zullen onderreageren op nieuwe
informatie (Fuller R.J., 1998, blz.13) (Cutler D.M. et al., 1989, blz.4-12) (Cutler D.M. et al., 1991, blz. 529-546). Anderzijds kan ‘overconfidence’ ook leiden tot overreactie op nieuwe
informatie (Shiller R.J., 1979, blz. 1190-1219) (Shiller R.J., 1981a, blz. 421-436) (Shiller R.J., 1981b, blz. 291-304) (LeRoy S. F. en Porter R.D., 1981, blz. 97-113). Het is dus moeilijk om uit te maken wat nu de overhand heeft (Shiller R.J., 1998, blz.13).
Aan de basis van ‘overconfidence’ liggen drie fenomenen: de ‘self-attribution bias’, de
‘hindsight bias’ en de ‘confirmation bias’ (Taylor N., 2000, blz. 18) (Barberis N. en Thaler R.H., 2001, blz. 1064). Deze worden hieronder uitgelegd. 2.2.1. Self-attribution bias Deze bias verwijst naar de neiging die mensen hebben om hun succes toe te schrijven aan hun eigen talenten. Tegenslagen daarentegen zal men toeschrijven aan “het hebben van pech” en
dus niet aan zijn onbekwaamheid (Barberis N. en Thaler R.H., 2001, blz. 1064). Door dit herhaaldelijk te doen zal men het (foutieve) idee krijgen dat men zeer getalenteerd is (Barberis N. en Thaler R.H., 2001, blz. 1064). 2.2.2. Hindsight bias Dit is de neiging die mensen hebben om nadat een bepaalde gebeurtenis zich heeft voorgedaan, te geloven dat zij deze gebeurtenis van tevoren voorspeld hebben. Dit zal ertoe
leiden dat men zijn capaciteiten om de toekomst te voorspellen veel te rooskleurig zal inschatten (Barberis N. en Thaler R.H., 2001, blz. 1064).
Deze bias werd voor het eerst experimenteel bewezen door Thaler (Taylor N., 2000, blz. 18-
19). Hij vroeg op de eerste schooldag aan zijn studenten om de waarschijnlijkheid op te geven dat een bepaalde gebeurtenis zich voordoet tussen 1 februari en 1 april 1986. Deze cijfers staan in kolom 1. Na deze periode werd dan aan de studenten gevraagd om op te geven of de
7
gebeurtenis zich voorgedaan had of niet. Dit vinden we terug in kolom 3. Verder werd hen ook gevraagd om de waarschijnlijkheid die men oorspronkelijk (dus op de eerste schooldag) aan deze gebeurtenis had toegekend op te geven (kolom 2).
De volgende waarschijnlijkheden werden opgegeven (dit zijn steeds de gemiddelden): Tabel 1: Voorbeeld van de ‘hindsight bias’
Bron: Taylor N., 2000, blz. 18-19
Deze resultaten bevestigen dus de ‘hindsight bias’ (Taylor N., 2000, blz. 18-19).
Bij de aanvang van de periode geven de studenten een waarschijnlijkheid van 37% op dat de Dow Jones boven de 1600 punten zal stijgen. Na de periode is het overgrote deel van de
studenten (93%) ervan overtuigd dat deze stelling uitgekomen is. Dit leidt ertoe dat wanneer men na de periode naar de (oorspronkelijk) opgegeven waarschijnlijkheden vraagt, de
studenten een gemiddelde waarschijnlijkheid van 61% opgeven. Deze 61% is veel hoger dan de werkelijk opgegeven 37%.
Ook wat betreft de tweede stelling zien we een gelijkaardig fenomeen. Al is het hier minder uitgesproken. Bij de aanvang van de periode geven de studenten op dat er 49% kans is dat de Dow Jones onder de 1500 punten zal zakken. Na de periode is het overgrote deel van de
studenten (89%) ervan overtuigd dat deze stelling niet uitgekomen is. Wanneer men dan na de periode peilt naar de oorspronkelijk opgegeven waarschijnlijkheden, dan bekomt men een gemiddelde waarschijnlijkheid van 36%. Deze 36% is lager dan de werkelijk opgegeven 49%.
Dus wanneer men denkt dat een gebeurtenis zich voorgedaan heeft (respectievelijk niet voorgedaan heeft), denkt men ook dat men dit voorspeld heeft (Taylor N., 2000, blz. 18-19). 2.2.3. Confirmation bias De ‘confirmation bias’ is de neiging die mensen hebben om actief te zoeken naar gegevens die hun bestaande verwachtingen bevestigen (Wason, P. C., 1966, blz. 135-151) (Mynatt C.
R. et al., 1977, blz. 85-95). Ambigue informatie zal dan weer zodanig geïnterpreteerd en
8
gebruikt worden dat het een bevestiging vormt van de reeds bestaande verwachtingen en hypothesen. Aan informatie die de gevormde verwachtingen tegenspreekt, zal men geen
aandacht schenken. Of men zal deze informatie compleet misinterpreteren zodat ze toch een bevestiging vormt van de verwachtingen (Barberis N. en Thaler R.H., 2001, blz. 1066).
In een minder uitgesproken geval van ‘confirmation bias’ zal men “enkel” meer gewicht
geven aan bevestigende informatie en minder gewicht aan informatie die de verwachtingen
tegenspreekt. Het resultaat is dus duidelijk: eenmaal mensen hun opinie gevormd hebben, zullen ze deze niet gauw meer veranderen!
2.3. Representativeness (heuristic) Dit is de neiging die mensen hebben om gebeurtenissen te classificeren onder een bepaalde
categorie (stereotype), regel of patroon. Dit wordt typisch gebruikt bij technische analyse. Mensen zullen vaak gebruik maken van de ‘representativeness (heuristic)’ wanneer ze de
waarschijnlijkheid trachten te bepalen dat een object A behoort tot een klasse B (of dat een
dataset A gegenereerd wordt door een model B). Volgens de ‘representativeness heuristic’ zal
men deze waarschijnlijkheid bepalen via de graad waarin A de essentiële karakteristieken van B bevat. (Kahneman D. en Tversky A., 1974, blz. 1124-1131). In vele gevallen is de
‘representativeness heuristic’ een goed hulpmiddel. Maar in sommige gevallen kan het leiden tot zware afwijkingen (Barberis N. en Thaler R.H., 2001, blz. 1064). Men zal zo bijvoorbeeld
patronen ‘ontdekken’ die er in werkelijkheid niet zijn (Shiller R.J., 1998, blz.13). Verder kan de ‘representativeness heurististic’ ervoor zorgen dat beleggers zullen overreageren op nieuwe
informatie (infra blz. 22) (Fuller R.J., 1998, blz.13) (Stevens D.E. en Arlington W.W., 2004, blz. 89).
Wat betreft ‘representativeness’ hebben we te maken met verschillende biases. Een overzicht:
2.3.1. De conjunction fallacy Een ‘conjuntion fallacy’ wordt begaan wanneer men gelooft dat de combinatie van twee eigenschappen vaker kan voorkomen dan elk van deze eigenschappen apart (Tentori K. et al., 2004, blz. 470).
De ‘conjunction fallacy’ kan het best geïllustreerd worden door een voorbeeld uit een studie van Kahneman en Tversky (Kahneman D. en Tversky A., 1983, blz.294).
9
Linda is 31 jaar oud, alleenstaand, openhartig en zeer verstandig. Ze is licentiaat in
filosofie. In haar studententijd was ze zeer begaan met discriminatie en sociale rechtvaardigheid. Verder nam ze ook deel aan antinucleaire demonstraties. De opdracht: Rangschik de volgende keuzes volgens waarschijnlijkheid. Keuze 1: Linda is een lerares.
Keuze 2: Linda werkt in een boekenwinkel en neemt Yogales. Keuze 3: Linda is een actieve feministe. Keuze 4: Linda is een sociale werkster
Keuze 5: Linda is een lid van ‘Women Against Rape’ Keuze 6: Linda is een bankbediende.
Keuze 7: Linda is een verzekeringsmakelaar.
Keuze 8: Linda is een bankbediende en een activiste in een feministische beweging.
Als meest waarschijnlijk antwoord werd keuze 3 opgegeven. Dit is echter niet belangrijk voor ons. Wel belangrijk is het feit dat bijna 90% van de ondervraagden antwoordden dat keuze 8
meer waarschijnlijk is dan keuze 6! Het zou echter duidelijk moeten zijn dat dit totaal onmogelijk is, vermits keuze 6 immers keuze 8 bevat (Kahneman D. en Tversky A., 1983, blz.283-315).
2.3.2. De law of small numbers / Gambler’s fallacy effect De ‘law of small numbers’ is de neiging om te denken dat kleine steekproeven dezelfde
eigenschappen vertonen dan hun populatie (Tversky A. en Kahneman D., 1971, blz. 105-110). De ‘law of small numbers’ leidt tot het ‘gambler’s fallacy effect’ (Rabin M., 2002, blz. 776-
777). Dit laatste houdt in dat mensen verwachten dat een (reeks van een) bepaalde gebeurtenis, gevolgd zal worden door een andere gebeurtenis (Rabin M., 2002, blz. 777).
Een voorbeeld (Barberis N. en Thaler R.H., 2001, blz. 1064) zal dit verduidelijken. Stel dat een (“eerlijke”) munt vijf keer na elkaar “kop” bekomt. Vele mensen zullen dan zeggen dat
het waarschijnlijker is om de zesde keer “munt” te bekomen. Dit is onjuist! Maar mensen
verwachten dat deze reeks doorbroken zal worden. Of anders gezegd, mensen verwachten dat er ook in een kleine steekproef evenveel “kop” als “munt” moet voorkomen (Barberis N. en Thaler R.H., 2001, blz. 1064).
10
2.3.3. Base rate fallacy (base rate neglect) Door de ‘base rate fallacy’ (ook ‘base rate neglect’ genoemd) gaan mensen irrationele besluiten maken omdat ze geen rekening houden met de relevante a-priori distributie (‘base
rate information’). Men zal echter zijn besluiten baseren op irrelevante informatie zoals de mate van ‘representativeness’ (Tversky A. en Kahneman D., 1973, blz. 207-232) (Bar-Hillel M., 1980, blz.211-233).
Een experiment van Tversky en Kahneman (Tversky A. en Kahneman D., 1973, blz. 207-232) bood hiervoor een bewijs:
Aan een eerste groep van proefpersonen werd het volgende verteld. Een aantal psychologen interviewden en testten 30 ingenieurs en 70 advocaten. Op basis van deze informatie werd voor elk van deze personen een korte persoonsbeschrijving neergeschreven.
Elke proefpersoon kreeg 5 persoonsbeschrijvingen. Deze waren willekeurig gekozen. Men
moest nu de waarschijnlijkheid bepalen dat een persoonsbeschrijving van een ingenieur afkomstig was. Dit moest uitgedrukt worden op een schaal van 0 tot 100.
Een tweede groep van proefpersonen kreeg exact dezelfde opgave. Enkel de ‘base rates’ werden omgekeerd (70% ingenieur en 30 % advocaten)
De persoonsbeschrijvingen waren echter zodanig gekozen dat ze ofwel een stereotype
beschrijving van een ingenieur gaven, ofwel een stereotype beschrijving van een advocaat,
ofwel een neutrale beschrijving. Beide groepen gaven zeer hoge percentages aan de stereotype ingenieursbeschrijvingen (men was dus erg zeker dat het een ingenieur was). Men hield dus geen rekening met de ‘base rate’. Voor de neutrale beschrijving was dit zelfs nog duidelijker. Immers beide groepen gaven hiervoor een percentage van 50%. Het was dus duidelijk dat er
in beide gevallen totaal geen rekening gehouden werd met de ‘base rate’. Nochtans was deze ‘base rate’ de enige relevante informatie. Men hield echter alleen maar rekening met de mate waarin de persoonsprofielen overeenstemden met hun stereotypen (‘representativeness’) (Tversky A. en Kahneman D., 1973, blz. 207-232).
2.4. Conservatisme/Status quo bias Conservatisme (‘Status quo bias’) is het fenomeen waarbij men te veel gewicht hecht aan de ‘base rate’ (vroegere veronderstellingen en/of oudere data). Nieuwe data zullen hier een te klein gewicht krijgen. Door conservatisme zal men zich zeer traag aanpassen aan
veranderingen en dus onderreageren op nieuwe informatie (Edwards W., 1968, blz. 17-52).
Het is dus duidelijk dat achoring (supra blz. 5) een belangrijke onderliggende reden is voor 11
conservatisme. Men zal zich in dit geval vastankeren aan de ‘status quo’. Verder dragen o.a. risico-aversie en luiheid ook bij tot conservatisme. Conservatisme is dus juist het
tegenovergestelde van ‘base rate neglect’ waar men juist te weinig rekening houdt met de ‘base rate’ (Brav A. en Heaton J.B., 2002, blz. 581).
Een mooi voorbeeld dat mensen vasthouden aan hun veronderstellingen (preferenties) vinden we bij Belsky en Gilovich (Belsky G. en Gilovich T., 1999, blz. 1-224). Een groep van individuen werd het volgende probleem voorgelegd:
Een rijk familielid laat jou een grote som geld na. Dit geld ga je nu investeren. Er zijn vier beleggingsmogelijkheden waartussen je kunt kiezen.
1. Aandelen van XYZ Inc. Dit is een aandeel met een gemiddeld risico. Er is 50% kans dat deze aandelen het komende jaar met 30% zullen stijgen, 20% kans dat het aandeel onveranderd zal blijven en 30% kans dat het aandeel zal dalen met 20%.
2. Aandelen van ABC Inc. Dit aandeel is risicovoller dan XYZ Inc. Er is 40% kans dat het aandeel in prijs zal verdubbelen, 30% kans dat het aandeel onveranderd zal blijven en 30% kans dat het aandeel zal dalen met 40%.
3. US Treasury Bills met een zeker rendement van 9% voor het komende jaar.
4. Municipal bonds met een zeker en belastingsvrij rendement van 6% voor het komende jaar.
Welke belegging prefereer je?
Men bekwam de volgende resultaten: Optie 1: 32%, Optie 2: 18%, Optie 3: 18% en Optie 4: 32%.
Hetzelfde probleem werd ook voorgelegd aan een andere groep van mensen. Er was evenwel
een belangrijk verschil. In dit geval vertelde men de mensen dat de schenking reeds op een bepaalde manier belegd was. Hier werd gevraagd of men deze beleggingen wou behouden of dat men van belegging wou veranderen.
Het resultaat was zeer opmerkelijk. Ongeacht welke optie men als uitgangspositie koos, het
was steeds deze optie die de populairste keuze was (Belsky G. en Gilovich T., 1999, blz. 1224). Kortom mensen hebben dus sterk de neiging om alles bij het oude te laten (‘status quo’) (Taylor N., 2000, blz. 24).
12
2.5. Availability bias (saliency heuristic) Bij het vormen van een idee over de waarschijnlijkheid van een gebeurtenis zal men vaak in
zijn eigen herinneringen gaan kijken. Dit is een logische redenering maar het kan tot
belangrijke afwijkingen leiden (Barberis N. en Thaler R.H., 2001, blz. 1066). Men gaat immers waarschijnlijkheden schatten op basis van het gemak waarmee herinneringen naar
boven komen. Hierbij zullen recentere gebeurtenissen, meer in het oog springende (opvallende) gebeurtenissen en gebeurtenissen waarbij men zelf betrokken was (of waarbij familie of vrienden betrokken waren) beter bijblijven. Deze gebeurtenissen zal men een te
hoog gewicht geven waardoor de schattingen vervormd worden (Kahneman D. en Tversky A., 1974, 1124-1131). Dit is dus de ‘availability bias’ (ook ‘saliency heuristic’ genoemd). De
‘availabity bias’ kan ertoe leiden dat mensen zullen overreageren op nieuwe informatie (Fuller R.J., 1998, blz.14).
Een voorbeeld van deze bias (Combs B. en Slovic P., 1979, blz. 837-843):
Men vroeg aan en aantal proefpersonen op te geven welke de belangrijkste doodsoorzaak was
in de VS: longkanker of auto-ongevallen. Slechts 43% dacht dat het longkanker was. Dit resultaat stemt evenwel niet overeen met de werkelijkheid. Er zijn immers 3 keer meer doden
in de VS door longkanker dan door auto-ongevallen. Maar doden t.g.v. auto-ongevallen zijn dramatischer en de kranten zullen er veel meer over schrijven. Er waren immers 42 keer meer
krantenberichten daarover. Beide zaken zorgen ervoor dat doden t.g.v. auto-ongevallen veel beter in het geheugen blijven. En daarom overschat men het belang ervan (Combs B. en Slovic P., 1979, blz. 837-843).
We wensen echter op te merken dat er veel kritiek is op deze ‘availability bias’. Veel economen geloven dat expertise en herhaling ervoor zorgen dat de bias verdwijnt. Ook het
verhogen van de incentieven zou ervoor zorgen dat de bias verdwijnt (Barberis N. en Thaler R.H., 2001, blz. 1066). Dit blijkt echter niet uit de vele studies die hierover uitgevoerd
werden. Deze factoren zullen er vermoedelijk wel voor zorgen dat de bias vermindert, maar
ze zullen er zeker niet toe leiden dat de bias verdwijnt (Barberis N. en Thaler R.H., 2001, blz. 1066) (Camerer C. en Hogarth R., 1999, blz.7).
13
2.6. Prospect theory De ‘prospect theory’ (Kahneman D. en Tversky A., 1979, blz. 263-291) (Tversky A. en
Kahneman D., 1992, blz.297-323) is de belangrijkste BF theorie voor het modelleren van de preferenties van beleggers (Shiller R.J., 1998, blz.10). Ondanks de grote invloed van deze
theorie, maken de meeste economische modellen echter (nog steeds) gebruik van het
‘expected utility framework’ (Von Neumann J. en Morgenstern O., 1944, blz. 1-648). Dit
geldt ongetwijfeld als de dominante theorie voor het modelleren van preferenties (Barberis N. en Thaler R.H., 2001, blz. 1067). Het grote probleem is echter dat vele experimenten aantonen dat mensen in de praktijk systematisch de ‘expected utility theory’ overtreden
(Allais M., 1953, blz. 503-546) (Kahneman D. en Tversky A., 1979, blz. 263-291) (Laibson D., 1997, blz. 443-477) (Thaler, 1987, blz. 99-130). Als reactie hierop kwamen de ‘non-
expected utility theories’. De belangrijkste hiervan is de ‘prospect theory’ (Barberis N. en Thaler R.H., 2001, blz. 1067).
De ‘prospect theory’ beschrijft de manier waarop mensen keuzes maken onder onzekerheid over de uitkomst van hun keuzes (Moyersoen J., 2004, blz.48). Kahneman en Tversky ontwierpen de ‘prospect theory’ voor loterijen. Daarvoor werden de volgende weergaven
gebruikt2: (x; p en y; q) met p de kans op een winst/verlies x en q de kans op een winst/verlies y (Kahneman D. en Tversky A., 1979, blz. 263). Onder de ‘prospect theory’ zullen mensen
zich bij nemen van beslissingen bij onzekerheid gedragen alsof ze de waardefunctie maximaliseren (Kahneman D. en Tversky A., 1979, blz. 264) en niet alsof ze hun totale welvaart maximaliseren zoals beweerd door de ‘expected utility function’.
2
Kahneman en Tversky gebruiken (x,p;y,p) als notatie (Kahneman D. en Tversky A., 1979, blz. 263). Voor geen
verwarring te veroorzaken met kommagetallen kozen we echter voor de bovenstaande notatie.
14
Figuur 1: Value function v
Bron: Kahneman D. en Tversky A., 1979, blz. 279
De eigenschappen van de waardefunctie (‘value function’): 2.6.1. De waardefunctie is gebaseerd op relatieve winst en verlies t.o.v. een referentiepunt (Thaler R.H., 1999, blz.185)
Mensen zullen hun nut definiëren over winsten en verliezen (Markowitz H., 1952, blz. 151158). Dit betekent dat men bij beslissingen (onder onzekerheid) geen rekening houdt met de uiteindelijke welvaartspositie. Men zal daarentegen enkel rekening houden met toenames
(winst) of afnames (verlies) van de welvaart (Thaler R.H., 1999, blz.185). De huidige welvaart dient dus enkel als referentiepunt (ook ‘status quo’ genoemd) (Moyersoen J., 2004, blz. 48).
Deze eigenschappen kunnen we ook op de figuur 1 terugvinden. De oorsprong stelt hier het
referentiepunt voor. Op de X-as vinden we respectievelijk verlies (op het negatieve deel) en winst (op het positieve deel). Op de Y-as staat de ‘waarde’. We zien ook dat winsten
samengaan met een positieve waarde en verliezen met een negatieve waarde. Verder zien we dat de waardefunctie door de oorsprong gaat. Het geval van noch winst, noch verlies stemt dus overeen met een waarde van 0. Dit geeft ons een waardefunctie die enkel in het NO- en ZW-kwadrant gelegen is.
2.6.2. Zowel de winstfunctie als de verliesfunctie vertonen afnemende gevoeligheid (Thaler R.H., 1999, blz.185)
Anders gezegd, de winstfunctie is concaaf en de verliesfunctie is convex. De waardefunctie vertoont dus een S-vormig verloop (zie figuur 1) (Barberis N. en Thaler R.H., 2001, blz.
1069). Dit komt omdat het verschil tussen 10$ en 20$ groter lijkt dan het verschil tussen 1000$ en 1010$ (ongeacht het teken) (Thaler R.H., 1999, blz.185). De winstfunctie en de 15
verliesfunctie zijn respectievelijk het positieve en het negatieve deel van de waardefunctie. Door de concave vorm van de winstfunctie leidt een toename van de winst slecht tot een minder dan evenredige toename van de waarde. De convexe verliesfunctie zorgt er dan weer
voor dat een afname van het verlies tot een meer dan evenredige stijging van de waarde leidt.
De vorm van de winstfunctie weerspiegelt dus het feit dat mensen risico-avers zijn bij winst en risico-zoekend zijn bij verlies (Barberis N. en Thaler R.H., 2001, blz. 1069).
Een voorbeeld kan dit verduidelijken. Wanneer men mensen laat kiezen tussen loterij A = (1000; 0,5 en 0; 0,5) en loterij B = (500; 1). Dan kozen de meeste mensen voor loterij B (Kahneman D. en Tversky A., 1979, blz. 273). Wanneer men echter de keuze kreeg tussen
loterij C = (-1000; 0,5 en 0; 0,5) en loterij D = (-500; 1). Dan kozen de meeste mensen voor
loterij C (Kahneman D. en Tversky A., 1979, blz. 273). Dit bevestigt dus de risico-aversie bij winst en het risico zoekend gedrag bij verlies (Barberis N. en Thaler R.H., 2001, blz. 1069). 2.6.3. Loss aversion ‘Loss aversion’ (Kahneman D. en Tversky A., 1979, blz. 279) is de grotere gevoeligheid die
mensen zullen hebben voor verlies dan voor winst (Barberis N. en Thaler R.H., 2001, blz. 1069). Mensen zullen dus het vermijden van verlies prefereren op het bekomen van winst
(Kahneman D. en Tversky A., 1979, blz. 263-291). Zo zal een daling van de waarde t.g.v. een
verlies van 100$ groter zijn dan de stijging van de waarde t.g.v. een winst van 100$ (Thaler
R.H., 1999, blz.185). De ‘loss aversion’ komt grafisch tot uiting in de knik die de waardefunctie vertoont in de oorsprong (Barberis N. en Thaler R.H., 2001, blz. 1069). Het positieve gedeelde van de curve is veel vlakker dan het negatieve deel (zie figuur 1).
Verder zullen we een aantal andere fenomenen/afwijkingen bespreken die verband houden met de ‘prospect theory’: 2.6.4. Disposition effect Dit is de neiging die beleggers hebben om verliezers3 te lang te behouden en winnaars te vroeg te verkopen (Shefrin H. en Statman M., 1985, blz. 770-790)
Deze bias is rechtstreeks het gevolg van enerzijds de ‘loss aversion’ en anderzijds de S-
vormige waardefunctie (Odean T., 1998, blz. 1775-1798). De aversie voor verliezen zorgt ervoor dat beleggers graag hun winsten willen veiligstellen. Er is immers steeds de vrees dat
3
Met verliezer bedoelen we aandelen waarop beleggers verlies maken (analoog voor winnaars).
16
beleggingen weer in waarde gaan dalen, waardoor men geen winst meer heeft en mogelijk
zelfs op verlies komt te staan. Verder is er ook die concave winstfunctie. Beleggers zullen dus steeds minder waarde hechten aan bijkomende winsten. Deze twee factoren zorgen ervoor dat men zijn winstgevende beleggingen te vroeg zal verkopen (Kyle A.S. et al., 2003, blz. 3-4).
Het omgekeerde geldt voor verlieslatende beleggingen. Beleggers hebben een zeer sterke aversie voor verlies. Ze zullen daarom niet snel geneigd zijn om een belegging met verlies te verkopen. Vooral omdat steeds de kans bestaat dat de belegging in waarde gaat stijgen en men
dus geen verlies meer zal hebben. Daarbovenop komt nog het feit dat beleggers niet zo zwaar
tillen aan een verdere toename van het verlies. Dit is te wijten aan de convexe verliesfunctie. Daarom zullen beleggers hun ‘verliezers’ te lang houden (Kyle A.S. et al., 2003, blz. 3-4).
Voor het ‘disposition effect’ zijn er ook empirische bewijzen. Een studie van Odean (Odean
T., 1998, blz. 1775-1798) over 10000 beleggers van 1987 tot 1993 wees uit dat beleggers
gemiddeld op jaarbasis slechts 9.8% van hun verliezers verkopen. Daarentegen verkopen ze 14.8% van hun winnaars per jaar. Het verschil tussen beide is met een t-waarde van –36 ook
statistisch significant. De nulhypothese van deze test was de hypothese dat het verschil tussen het percentage verkochte verliezers en het percentage verkochte winnaars gelijk is aan 0.
Verder vond hij ook dat de verkochte winners een extra rendement behalen bovenop hun
referentie-index (CRSP value weighted index) van 0.47% op 4 maanden en 2.35% op 1 jaar. Daarentegen was het extra rendement (bovenop de referentie-index) van de niet verkochte
verliezers –0.56% op 4 maanden en –1.06% op 1 jaar. De verschillen in extra rendement tussen de verkochte winnaars en de niet verkochte verliezen waren met p-waarden van resp. 0.002 en 0.001 zeer significant. Dit is dus een duidelijke bevestiging dat beleggers hun
winnaars te vroeg verkopen en hun verliezers te lang houden (Odean T., 1998, blz. 17751798).
2.6.5. Framing ‘Framing’ refereert naar de manier waarop een probleem wordt voorgesteld. De manier
waarop een probleem voorgesteld wordt, kan immers heel belangrijke gevolgen hebben voor de resultaten (Barberis N. en Thaler R.H., 2001, blz. 1069).
Een voorbeeld voor ‘framing’ is het volgende probleem (Tversky A. en Kahneman D., 1981,
blz. 453-458): De VS bereidt zich voor op de uitbraak van een ongewone Aziatische ziekte die 600 mensen zal doden.
Groep 1 kreeg de keuze tussen de volgende twee programma’s:
17
Programma A: Indien programma A toegepast wordt zullen er 200 mensen gered worden.
Programma B: Indien programma B toegepast wordt is er een kans van 1/3 dat er 600
mensen gered zullen worden. En er is een kans van 2/3 dat er niemand gered zal worden.
Welk programma verkiest u?
72% van de mensen koos hierbij voor programma A en slechts 28% koos voor programma B. In het geval van een positieve formulering is de meerderheid risico-avers.
Aan groep 2 werden dezelfde programma’s voorgelegd. Alleen de formulering (de ‘framing’) was aangepast.
Programma C: Indien programma C toegepast wordt zullen er 400 mensen sterven.
Programma D: Indien programma D toegepast wordt is er kans van 1/3 dat niemand sterft en een kans van 2/3 dat er 600 mensen zullen sterven.
Welk programma verkies u?
In dit geval koos slecht 22% voor programma C en 78% voor keuze D. Dit is totaal
tegengesteld t.o.v. de eerste groep. In het geval van een negatieve formulering is de meerderheid risiconemend.
We zien hier dus duidelijk dat een andere formulering leidt tot andere resultaten.
Framing is dus van belang omdat mensen risico-avers staan t.o.v. winsten (positieve
formulering) en risiconemend t.o.v. verliezen (negatieve formulering) (supra blz. 15) (Tversky A. en Kahneman D., 1981, blz. 453-458). 2.6.6. Mental accounting ‘Mental accounting’ is de reeks van cognitieve operaties die mensen gebruiken om een (financiële) activiteit voor zichzelf te formuleren, organiseren en evalueren (Thaler R.H.,
1999, blz.184). Het heeft dus betrekking op de manier waarop beslissingen gemaakt en geëvalueerd worden.
We verduidelijken dit aan de hand van een voorbeeld (Tversky A. en Kahneman D., 1981, blz. 459):
Aan proefpersonen worden twee situaties voorgelegd. Hierin verschillen enkel de prijzen van elkaar. De getallen zonder haakjes zijn van de eerst situatie, die met haakjes zijn van de tweede situatie.
Stelt u zich voor dat u van plan bent om een jas te kopen voor 125$ (15$) en een
rekenmachine voor 15$ (125$). De verkoper vertelt u dat de rekenmachine die u wilt kopen 18
voor 10$ (120$) te koop is in een ander filiaal van de winkelketen. Dit filiaal is gelegen op 20 minuten rijafstand.
Bent u bereidt om de tocht naar het andere filiaal te maken?
Men kwam tot de volgende resultaten. De meeste mensen waren bereid om 20 minuten te rijden om 5$ te besparen op een rekenmachine van 15$. Maar voor de rekenmachine van 125$ wou men dit niet doen (Tversky A. en Kahneman D., 1981, blz. 459).
Nochtans gaat het in beide gevallen om besparing van 5$ waarvoor men een tocht van 20
minuten moet maken. Het resultaat dat hierboven bekomen werd, is dus niet logisch (Thaler R.H., 1999, blz.186).
Om hiervoor een verklaring te vinden, moeten we doordringen in de menselijke psychologie. 5$ lijkt een belangrijke besparing op een bedrag van 15$. Op een bedrag van 125$ lijkt 5$
maar een kleinigheid. Dit betekent dat we het nut4 van de besparing moeten associëren met
het verschil in waarde5 en niet met de waarde van het verschil (Thaler R.H., 1999, blz.186). Men zal dus de besparing van 5$ niet twee keer zien als v(5) maar als respectievelijk v(-10) -
v(-15) en v(-120) - v(-125) (Thaler R.H., 1999, blz.186). Vermits de waardefunctie v een Svorm vertoont, zullen deze verschillen een ander nut opleveren. Voor kleine bedragen bekomen we een groter nut dan voor grote bedragen. Dit verklaart waarom men bereid is naar
een ander filiaal te gaan voor een besparing op een klein bedrag en waarom men hiertoe niet
bereid is voor dezelfde besparing op een groot bedrag (Thaler R.H., 1999, blz.186). ‘Mental accounting’ steunt dus zowel op paragraaf 2.6.1. (supra blz. 15) als op paragraaf 2.6.2. (supra blz. 15).
2.6.7. Narrow framing Een belangrijk kenmerk van mental accounting is ‘narrow framing’. Hierbij gaan mensen de lange termijn over het hoofd zien en zich (te veel) focussen op de onmiddellijke toekomst.
Dit kan het eenvoudigst uitgelegd worden aan de hand van een voorbeeld (Redelmeier D. en Tversky A., 1992, blz. 191-193).
Men vroeg aan een groep mensen of ze bereid waren om loterij E = (2000; 0,5 en -500; 0,5) één maal te spelen. 57% van de participanten weigerden deze loterij. Wanneer men
daarentegen vroeg of men deze loterij 6 keer wou spelen, dan ging 70% van de participanten hiermee akkoord. Uiteindelijk vroeg men aan de participanten het volgende: veronderstel dat 4 5
Het begrip ‘nut’ bij Thaler stemt overeen met het begrip ‘waarde’ bij Tversky en Kahneman.
Het begrip ‘waarde’ bij Thaler stemt overeen met het begrip ‘winst/verlies’ bij Tversky en Kahneman.
19
u 5 keer loterij E gespeeld hebt, maar u weet het resultaat niet, zou u dan nog een zesde keer
willen spelen? In dit geval waren er 60% die weigerden. Dit wijst erop dat vele participanten
bij deze zesde loterij aan ‘narrow framing’ deden. Het weigeringsniveau van 60%, in dat geval, is immers zeer gelijkaardig aan het weigeringsniveau van 57% bij één loterij (Redelmeier D. en Tversky A., 1992, blz. 191−193). 2.6.8. Niet-lineare waarschijnlijkheidstransformatie Dit omvat enerzijds de neiging die mensen hebben om kleine waarschijnlijkheden een te groot gewicht toe te kennen en anderzijds de neiging om relatief meer gewicht toe te kennen aan zekere gebeurtenissen dan aan gebeurtenissen die bijna zeker zijn. Dit laatste wordt ook het ‘certainty effect’ genoemd (Barberis N. en Thaler R.H., 2001, blz. 1070).
Een voorbeeld van het eerste vinden we in het volgende experiment. Hierbij worden steeds
twee loterijen met eenzelfde te verwachten waarde vergeleken. Mensen prefereren echter loterij (5000; 0,001) boven loterij (5; 1) en prefereren loterij (-5; 1) boven loterij (-5000;
0,001) (Kahneman D. en Tversky A., 1979, blz. 281). Dit is dus het gevolg van het relatief te grote gewicht dat men toekent aan kleine waarschijnlijkheden (Barberis N. en Thaler R.H.,
2001, blz. 1070). Grafisch vertaalt dit zich in het feit dat de waarschijnlijkheids-gewichten functie π boven de diagonaal gelegen is voor kleine gewichten (zie figuur 2). De interpretatie
van deze figuur is het volgende. Voor alle punten op de diagonaal is de waarschijnlijkheid gelijk aan het beslissingsgewicht dat eraan toegekend wordt. Voor kleine waarschijnlijkheden is dat gewicht echter hoger dat de waarschijnlijkheid.
Een voorbeeld van het ‘certainty effect’ vinden we bij de volgende keuze (Barberis N. en
Thaler R.H., 2001, blz. 1070). Mensen prefereren loterij (3000; 1) boven loterij (4000; 0,8)
(Kahneman D. en Tversky A., 1979, blz. 266). Hoewel deze laatste loterij een hogere te
verwachten waarde heeft. Men geeft echter een relatief groter gewicht aan zekere gebeurtenissen (Barberis N. en Thaler R.H., 2001, blz. 1070). Dit zien we in figuur 2 in het feit dat de functie π voor grote(re) waarschijnlijkheden onder de diagonaal gelegen is. Voor de
waarschijnlijkheid van 1 vallen de twee curven samen. Men heeft dus een voorkeur voor zekere gebeurtenissen.
20
Figuur 2: Waarschijnlijkheids-gewichtenfunctie π
Bron: Brown G.D.A. en Qian J., 2004, blz. 30)
(naar Kahneman D. en Tversky A., 1979, blz. 283)
2.7. Kuddegedrag (‘herd behaviour’) Kuddegedrag houdt in dat beleggers en analisten zich niet lekker voelen met het innemen van
meningen of met gedrag dat in tegenspraak is met de visie of het gedrag van de meerderheid (Hirshleifer D., Teoh S.H., 2001, blz. 2). Dit zorgt ervoor dat analisten niet geneigd zijn om voorspellingen te doen die sterk verschillen van het marktgemiddelde. Hun adviezen zullen
hierdoor zeer sterk op elkaar gelijken (Hirshleifer D., Teoh S.H., 2001, blz. 3). Beleggers zullen zich op hun beurt ook als een kudde gedragen. Ook hun gedrag zal dus zeer sterk op elkaar gelijken (Hirshleifer D., Teoh S.H., 2001, blz. 3).
Kuddegedrag wordt beschouwd als één van de oorzaken die prijsfluctuaties zal versterken. Dit
zorgt ervoor dat prijzen sterk van hun fundamentele waarde kunnen afwijken (Stracca L., 2002, blz. 22). Trends zullen door kuddegedrag versterkt worden. Kuddegedrag leidt dus tot
overreacties. Dit kan uiteindelijk zelfs uitmonden in ware ‘bubbles’ en ‘crashes’ (Lux T.,1995, blz. 881).
Verder is ook vastgesteld dat jonge(re) fondsenbeheerders veel meer onderhevig zijn aan kuddegedrag dan oude(re) fondsenbeheerders (Hong et al., 2000, blz.123).
21
2.8. Overreactie, onderreactie, reversal en momentum Overreactie en onderreactie zijn zeer belangrijke ‘behavioural biases’. We zagen reeds dat over- en onderreactie vaak het gevolg zijn van andere behavioural biases. Zo leiden
‘representativeness’, ‘availability bias’ (‘saliency heuristic’) en kuddegedrag (‘herd behavior’)
tot overreactie. ‘Anchoring’ en conservatisme (‘status quo bias’) leiden dan weer tot
onderreactie. Verder merken we nog op dat ‘overconfidence’ zowel over- als onderreactie kan veroorzaken.
De vraag is natuurlijk of het overreactie dan wel onderreactie is die de bovenhand heeft?
Verschillende studies vonden dat op lange termijn overreactie op significante gebeurtenissen dominant is. Deze overreactie lijdt tot ‘reversal’ op lange termijn. (Poterba J. en Summers L.,
1988) (DeBondt W. en Thaler R., 1985, blz. 793-805) (Chopra N. et al., 1992, blz. 235-268) (Lakonishok J. et al., 1994, blz. 1541-1578) (Fama E. en French K., 1988, blz. 283-306) (Hong H. en Stein J.C., 1999, blz. 2143-2184). Reversal is de tendens tot omkering van een trend.
DeBondt en Thaler vonden in hun studie over de returns van aandelen over een periode van 3
tot 5 jaar dat de verliezers (slecht presterende aandelen) uit het verleden de neiging
vertoonden om de toekomstige winnaars te worden (en omgekeerd) (DeBondt W. en Thaler R., 1985, blz. 793-805). Ook een studie van Fama en French bevestigde deze resultaten. Zij bekwamen immers een negatieve autocorrelatie in de returns voor een tijdsperiode van 3 tot 5 jaar (Fama E. en French K., 1998, blz. 283-306).
Op korte termijn vond men evenwel het omgekeerde. Hier hebben we te maken met onderreactie op significante gebeurtenissen. Dit zal leiden tot ‘momentum’ op korte termijn.
Dit betekent dat er een positieve autocorrelatie is tussen de rendementen. Op korte termijn zullen de winnaars uit het verleden verder stijgen en de verliezers verder dalen (Jegadeesh N.
en Titman S., 1993, blz. 65-91) (Chan L. et al., 1997, blz. 1681-1713) (Hong H. en Stein J.C.,
1999, blz. 2143-2184). Meer speciefiek: aandelen die gedurende de voorbij 3-12 maanden het best (slechtst) presteerden zullen ook in de komende 3-12 maanden het best (slechtst) presteren (Jegadeesh N. en Titman S., 1993, blz. 67).
Er is dus op korte termijn een tendens tot ‘momentum’ en op lange termijn een tendens is tot ‘reversal’ (Shiller R.J., 1998, blz. 14).
Maar we kunnen nog verder gaan. Voor de heel korte termijn (enkele dagen tot een week)
hebben we weer te maken met overreactie en ‘reversal’ (Atkins A. en Dyl E., 1990, blz. 535547) (Lehmann B., 1990, blz. 1-28) (Lo A. en MacKinlay C., 1990, blz. 175-205) (Bremer M. en
Sweeney R.J., 1991, blz. 747-754) (Jegadeesh N. en Titman S., 1993, blz. 67) (Cooper M., 22
1999, blz. 901-935). Er zijn echter ook afwijkende meningen. Zo stelt een studie van
Bloomfield, Thaler en Zhou (Bloomfield R. et al., 2004, blz.1-49) dat er helemaal geen overreactie is op zeer korte termijn op significante gebeurtenissen. Zij hebben het over een correcte reactie. Hun studie komt echter ook tot de vaststelling dat er ‘reversal’ is. Waar de bovenstaande werken stellen dat de overreactie op zeer korte termijn gecorrigeerd wordt door
de ‘reversal’, zal deze studie stellen dat de ‘reversal’ juist de oorzaak van de prijsafwijkingen van de fundamentele waarde is (Bloomfield R. et al., 2004, blz.2). De ‘reversal’ wordt
gedreven door het ‘disposition effect’. Men zal immers snel winst nemen, maar lang zijn verlieslatende posities behouden (Bloomfield R. et al., 2004, blz.2).
Algemeen wordt aangenomen dat er op lange termijn overreactie (‘reversal’) is, op korte termijn onderreactie (‘momentum’) en op zeer korte termijn weer overreactie (reversal). Het
is dus wel duidelijk dat onderreactie en overreactie zeer geschikte ‘biases’ zijn voor beleggingsfondsen om te proberen uit te buiten (infra blz. 33)
Verder wensen we nog op te merken dat de begrippen overreactie en onderreactie genuanceerd moeten worden. Wanneer we bv. zeggen dat er op korte termijn een onderreactie
is, dan bedoelen we niet dat alle beleggers zullen onderreageren, wel dat een meerderheid van
de beleggers zal onderreageren. In deze context is het interessant om in te zien dat beleggers compleet irrationeel kunnen over- en onderreageren. Wanneer deze onder- en overreacties elkaar uitvlakken zullen de markten zich toch efficiënt gedragen (Fama E.F., 1998, blz. 284).
2.9. Besluit In dit hoofdstuk hebben we een overzicht gegeven van de belangrijkste ‘behavioural biases’.
Het bestaan van deze ‘biases’ in specifieke (laboratorium) omstandigheden levert ons echter
weinig nuttige informatie i.v.m. de opportuniteiten voor beleggers. De meeste ‘behavioural biases’6 kunnen immers niet (nauwelijks) rechtstreeks uitgebuit worden door beleggers. Het is
enkel door ze in verband te brengen met overreactie en onderreactie dat beleggers deze
‘biases’ kunnen uitbuiten. We moeten dit hoofdstuk vooral zien als een overzicht van de
factoren die leiden tot overreactie en onderreactie. Dit zijn immers de (“afgeleide”) ‘biases’ die wel uit te buiten zijn door beleggers (fondsenbeheerders).
6
We rekenen in dit geval overreactie en onderreactie niet mee als ‘behavioral biases’. Maar we beschouwen deze
twee als “afgeleide” biases.
23
3. Beperkingen op arbitrage In het eerste hoofdstuk vertelden we dat onder de theorie van de marktefficiëntie de actuele prijzen steeds gelijk zijn aan de fundamentele prijzen. In het tweede hoofdstuk toonden we
echter aan dat de marktefficiëntie in de praktijk niet (altijd) opgaat. Er zijn immers een groot aantal (psychologische) heuristieken en afwijkingen die kunnen zorgen voor een afwijking tussen de actuele en de fundamentele prijzen.
Voor de theorie van de marktefficiëntie zijn deze afwijkingen echter geen probleem. Het
gedrag van irrationele beleggers kan dan wel zorgen voor afwijkingen tussen de actuele en de
fundamentele prijzen (Barberis N. en Thaler R., 2003, blz.1053-1055). Dit betekent dus dat er
interessante beleggingsopportuniteiten ontstaan. Deze afwijkingen zullen echter onmiddellijk gecorrigeerd (uitgebuit) worden door arbitrage door rationele beleggers (Friedman M., 1953,
blz. 153-203). Strikt gesproken is arbitrage een beleggingstechniek waarbij men winst kan maken zonder dat hieraan risico’s of kosten verbonden zijn (Barberis N. en Thaler R., 2003,
blz.1055). Het is dus het benutten van een ‘free lunch’. Arbitrage zal dus de actuele prijzen onmiddellijk terug naar de fundamentele prijzen drijven. De prijzen zouden hierdoor te allen
tijde correct zijn (Barberis N. en Thaler R., 2003, blz.1054). Zelfs wanneer niet alle beleggers rationeel zijn, dan nog zal dit geen effect hebben op de efficiëntie van de financiële markten (Barberis N. en Thaler R., 2003, blz.1054).
Verschillende onderzoeken leken de traditionele theorie van efficiënte markten te staven. Men stelde immers dat het onvermogen van fondsenmanagers om beter te presteren dan de markt, een duidelijk bewijs is van de marktefficiëntie (Rubenstein M., 2001, blz. 15-29) (Ross S.,
2001). Hierbij veronderstelt men echter dat omwille van het feit dat er geen ‘free lunch’ is, de prijzen correct zijn.
De BF-aanhangers gaan echter niet akkoord met deze redenering (Barberis N. en Thaler R.,
2003, blz.1055-1056). Zij zullen evenwel niet betwisten dat wanneer er een ‘free lunch’ is, deze onmiddellijk uitgebuit zal worden. Zij stellen echter dat afwijkingen tussen de
fundamentele waarde van een belegging en de actuele waarde van een belegging geen ‘free
lunch’ is (Barberis N. en Thaler R., 2003, blz.1055). Anders geformuleerd, deze afwijkingen kunnen niet teniet gedaan worden door arbitrage. De beleggingsmethodes die nodig zijn om
deze afwijkingen teniet te doen zullen immers (absoluut) niet zonder risico en kosten zijn. (Barberis N. en Thaler R., 2003, blz.1055).
24
Er zijn immers 3 redenen (risico’s en kosten) die ervoor zorgen dat de prijsafwijkingen niet zomaar via arbitrage tenietgedaan worden:
3.1. Fundamenteel risico Het fundamenteel risico slaat op het risico dat de fundamentele waarde van een aandeel zal veranderen (door de publicatie van nieuws over het aandeel) voordat de actuele prijs van het
aandeel geconvergeerd is naar zijn (oorspronkelijke) fundamentele waarde (Mitchell M., Pulvino T., Stafford E., 2002, blz. 561) .
Zowel positief als negatief nieuws kunnen negatieve effecten inhouden. Wanneer een
arbitrageant een overgewaardeerd aandeel (actuele waarde > fundamentele waarde) verkoopt, dan draagt hij het risico dat positief nieuws de fundamentele waarde (en meestal ook de actuele waarde) van het aandeel doet toenemen (Shleifer A. en Summers L., 1990, blz. 21).
Omgekeerd geldt hetzelfde. Wanneer een arbitrageant een ondergewaardeerd aandeel (actuele waarde < fundamentele waarde) koopt, dan loopt hij het risico dat de publicatie van slecht nieuws de fundamentele waarde van het aandeel aantast. Hierdoor zal (meestal) ook de
actuele waarde van het bedrijf verder dalen (Barberis N. en Thaler R., 2003, blz.1056). Arbitrageanten zijn zich natuurlijk bewust van dit risico. Via ‘short selling’7 tracht men dit
risico te vermijden (Barberis N. en Thaler R., 2003, blz.1055-1056). Men zal dus een
substituut voor het gekochte aandeel shorten. Dit substituut is een aandeel dat zeer nauw verwant is met het gekochte aandeel. Meestal is dit een sectorgenoot. Via het ‘shorten’ van sterk verwante sectorgenoten kan men dus wel het sectorspecifieke risico elimineren. Het
bedrijfsspecifieke risico kan echter nooit volledig geëlimineerd worden. Dit volgt uit het feit dat het onmogelijk is om een perfect substituut te vinden. Hierdoor is het onmogelijk om alle fundamenteel risico te elimineren (Barberis N. en Thaler R., 2003, blz.1056).
Verder bestaat er ook de mogelijkheid dat het substituut zelf misprijst is. Het is zelfs mogelijk dat een hele sector misprijst is (Barberis N. en Thaler R., 2003, blz.1054).
7
‘Short selling’ (‘shorten’) is een beleggingstechniek waarbij men aandelen verkoopt die men niet bezit. Men zal
hiervoor aandelen lenen. Zo ontstaat een short positie. De bedoeling van ‘short selling’ is deze aandelen later tegen een lagere koers terug te kopen. (Bodie Z., 2005, blz. 1056).
25
3.2. Noise trader risico Voor we dit risico uitleggen, verklaren we eerst het onderscheid tussen ‘information traders’
en ‘noise traders’. ‘Information traders’ zijn beleggers die handelen op basis van informatie, ‘noise traders’ daarentegen zijn beleggers die handelen op basis van geruchten (Black F., 1986, blz. 531).
Het ‘noise trade risico’ is het risico dat de prijsafwijking die de arbitrageant tracht uit te
buiten op korte termijn verslechtert (Barberis N. en Thaler R., 2003, blz.1056). Wanneer we veronderstellen dat er afwijkingen mogelijk zijn tussen de actuele waarde en de fundamentele
waarde, dan bestaat natuurlijk ook de mogelijkheid dat deze afwijkingen (op korte termijn)
kunnen toenemen. Zo kunnen de pessimistische ‘noise traders’ (die dus voor een negatieve
afwijking zorgen) nog pessimistischer worden door meer negatieve geruchten. Hierdoor zal de actuele waarde verder dalen. Omgekeerd kunnen de optimistische (‘bullish’) ‘noise
traders’ nog optimistischer worden door meer positieve geruchten. Hierdoor zal de positieve afwijking tussen de actuele en fundamentele waarde (op korte termijn) toenemen (De Long B.J. et al., 1990, blz. 705) (Cox H., 2004, blz. 80).
Dit is gevaarlijk vermits we te maken hebben met een ‘agency probleem’. In vele gevallen is er immers een scheiding tussen degenen die het geld beheren en degenen die het geld verschaffen.
De
geldbeheerders
(arbitrageanten)
zijn
immers
veelal
professionele
fondsenbeheerders (Shleifer A. en Vishny R., 1997, blz. 35-55). Zij zullen niet hun eigen geld beheren. Maar wel het geld van hun klanten.
Wanneer een arbitrageant (fondsenbeheerder) tracht om een prijsafwijking uit te buiten, dan
kunnen ‘noise traders’ ervoor zorgen dat de prijsafwijking toeneemt. Dit leidt tot slechte
resultaten voor het beleggingsfonds. Investeerders (klanten) kunnen hieruit concluderen dat de fondsmanager incompetent is. Zij zullen hierop reageren door hun geld weg te trekken.
Hierdoor wordt de fondsenbeheerder verplicht om zijn posities vroegtijdig te liquideren, waardoor hij (mogelijk grote) verliezen moet incasseren (Barberis N. en Thaler R., 2003,
blz.1056-1057). De fondsenbeheerder heeft dus steeds de vrees dat hij zijn posities moet
liquideren voordat de prijzen hersteld zijn (dus voordat de actuele prijs teruggekeerd is naar
de fundamentele waarde). Hierdoor zal hij niet bereidt zijn om agressief de prijsafwijkingen te bestrijden (De Long B.J. et al., 1990, blz.705).
Verder wensen we nog op te merken dat het niet eenvoudig is om de fundamentele waarde in de praktijk te berekenen.
Bij deze berekening (supra blz. 3) zullen er ongetwijfeld
afwijkingen optreden door onnauwkeurigheden. Hierdoor is het niet mogelijk om exact te
26
weten hoe ver de actuele prijs afwijkt van de fundamentele prijs (Black F., 1986, blz. 533). Dit vormt een bijkomende moeilijkheid voor arbitrage. 3.3. Implementatiekosten Onder
de
implementatiekosten
verstaan
we
transactiekosten,
‘shortingsrestricties’,
informatiekosten en opportuniteitskosten (Barberis N. en Thaler R., 2003, blz. 1057). Deze kosten leiden tot beperkingen op de arbitrage. Men zal immers enkel aan arbitrage doen wanneer de opbrengsten van de arbitrage de kosten ervan overtreffen. We gaan nu elk van deze implementatiekosten verder uitleggen:
De transactiekosten bevatten commissies, vraag-aanbod kloof (‘bid-ask spread’) en de prijsimpact van transacties (Barberis N. en Thaler R., 2003, blz. 1057).
De opname van shortingsrestricties volgt uit het feit dat vele arbitragetechnieken gebruik
maken van ‘shorting’. Eerst en vooral zijn er de wettelijke restricties. Voor ongeveer 70% van de Amerikaanse fondsen zijn shortposities wettelijk niet toegestaan (Almazan A. et al., 2002,
blz. 49). De ‘fee’ die aangerekend wordt voor het lenen van aandelen vormt een tweede restrictie. Voor grote internationale aandelen is deze ‘fee’ beperkt tot gemiddeld 17
basispunten (D’Avolio G., 2002, blz. 273) . Dit vormt slechts een kleine belemmering op het
shorten. Voor minder liquide aandelen (‘small caps’) kunnen de ‘fees’ echter hoog oplopen en soms is het zelfs onmogelijk om een ontlener te vinden (Jones M.C. en Lamont O.A., 2001,
blz. 209). Verder kan ook de borg die noodzakelijk is voor het aanhouden van short-posities een restrictie vormen. Wanneer de geshorte aandelen in waarde stijgen, moet men immers een
hogere borg verschaffen. Men is dus verplicht om steeds een buffer van liquiditeiten aan te houden. Anders loopt men het risico dat men verplicht wordt om zijn short-posities (met verlies) af te sluiten (Mitchell M.et al., 2002, blz. 559).
Naast de ‘shortingsrestricties’ zijn er ook de informatiekosten. Dit zijn de kosten die voortvloeien uit het zoeken naar prijsafwijkingen (Merton R., 1987, blz. 486).
Een laatste soort van implementatiekosten zijn de opportuniteitskosten. Dit zijn de kosten die
verbonden zijn aan de financiële middelen die noodzakelijk zijn om de prijsafwijkingen uit te buiten (De Jong et al., 2003, blz. 2).
27
3.4. Praktijk Hoe zit het met de beperkingen op arbitrage in de praktijk? Verschillende studies hebben
aangetoond dat significante prijsafwijkingen gedurende vele jaren kunnen bestaan (Rosenthal
L. en Young C., 1990, blz. 123-141) (Froot K.A. en Dabora E.M.,1999, blz. 189-216). Deze studies bevestigen de ‘beperkingen op arbitrage’.
3.5. Besluit In dit hoofdstuk hebben we gezien hoe fundamenteel risico, ‘noise trader’ risico en implementatiekosten ervoor zorgen dat er beperkingen zijn op arbitrage. Hierdoor kunnen de afwijkingen tussen de marktwaarde en de fundamentele waarde blijven bestaan.
28
4. Beleggingsfondsen
4.1. Traditionele beleggingsfondsen 4.1.1. Beheer van traditionele beleggingsfondsen Bij de (traditionele) beleggingsfondsen onderscheiden we twee grote groepen. Enerzijds de actieve fondsen en anderzijds de passieve fondsen.
Actieve fondsen trachten de markt te ‘outperformen’. Hierbij zal men gebruik maken van fundamentele analyse. Fundamentele analyse maakt op zijn beurt gebruik van winst- en dividendvooruitzichten van een bedrijf, verwachtingen over de toekomstige rentevoeten en
risico-evaluatie. Op basis hiervan probeert men de fundamentele waarde van een aandeel te bepalen. Dit is de huidige verdisconteerde waarde van alle (toekomstige) betalingen die de
aandeelhouders per aandeel zullen ontvangen. De fundamentele analist zal een aandeel kopen (of ‘overwegen’ in zijn portefeuille) wanneer de fundamentele waarde van een aandeel de prijs van het aandeel overtreft (Bodie Z. et al., 2005, blz. 377).
Passieve fondsen daarentegen zullen zo goed mogelijk de markt trachten te volgen. Zij doen dus geen enkele poging om de markt te ‘outperformen’ omdat zij ervan uit gaan dat markten
efficiënt zijn en dat actief management dus enkel tot lagere returns zal leiden omwille van de hogere kosten die daaraan verbonden zijn (Bodie Z. et al., 2005, blz. 378). Passieve fondsen worden ook indexfondsen genoemd.
Wanneer we het over beleggingsfondsen hebben, dan hebben we het hoofdzakelijk over actieve beleggingsfondsen.
4.1.2. Prestaties van traditionele beleggingsfondsen In dit deel bekijken we de prestaties van de traditionele beleggingsfondsen. Hiertoe bespreken we een aantal belangrijke onderzoeken over dit onderwerp.
Een eerste belangrijk onderzoek over de performance van beleggingsfondsen werd uitgevoerd
door Jensen (Jensen M.C., 1968, blz. 389-416). Het ging over de periode van 1945 tot 1964 en sloeg op 115 Amerikaanse fondsen (Jensen M.C., 1968, blz. 389). Jensen maakte daarbij
gebruik van een één-factormodel. De ene factor die gebruikt werd was de marktfactor (Jensen
M.C., 1968, blz. 390-391). Op deze manier vond hij dat fondsen een jaarrendement behaalden dat 1,1% lager was dan het rendement dat ze op basis van hun (markt)risico hadden moeten
29
behalen, kortom, ze behaalden een alpha van -1,1% (Jensen M.C., 1968, blz. 403). Slecht 39 van de 115 fondsen slaagden erin de markt te ‘outperformen’. (Jensen M.C., 1968, blz. 404).
Na Jensen volgden nog verscheidene studies die eveneens de ‘underperformance’ (na kosten) van fondsen t.ov. hun ‘benchmark’ bevestigden.
Op het einde van de jaren tachtig en het begin van de jaren negentig kwamen er een aantal studies die Jensen tegenspraken (Grinblatt M. en Titman S., 1989, blz.393-416) (Ippolito R., 1989, blz. 1-23). Deze stelden dat fondsenbeheerders over genoeg private informatie beschikten om de kosten die ze maken teniet te doen (Otten R. en Bams D., 2002, blz. 76).
Grinblatt en Titman bestudeerden Amerikaanse aandelenfondsen over de periode 1975-1984.
Hun resultaten waren afhankelijk van de gebruikte ‘benchmark’. Ze bekwamen positieve alpha’s voor de “VW index8” en de “P8 portfolio9” ‘benchmark’. Daarentegen voor de “EW
index10” en voor de “10 factor11” ‘benchmark’ bekwamen ze negatieve alpha’s (Grinblatt M. en Titman S., 1989, blz. 401). De voorkeur van de auteurs gaat wel uit naar de “P8 portfolio” (Grinblatt M. en Titman S., 1989, blz. 395).
Ippolito onderzocht 143 Amerikaanse fondsen over de periode van 1965 tot 1984 (Ippolito R.,
1989, blz. 4). Hij maakte hierbij gebruik van een één-factormodel. Voor deze factor werd een marktindex gebruikt: respectievelijk de S&P 500 en de NYSE. De bekomen alpha’s waren in
tegenstelling tot Jensen positief, respectievelijk 0,81% en 0,87% (Ippolito R., 1989, blz. 8).
Ippolito vond ook dat fondsen die hogere kosten hebben en hogere ‘fees’ vragen, ook hogere returns behalen. Kortom fondsen zijn dus efficiënt (Ippolito R., 1989, blz. 21).
Maar het werken met het één-factormodel bleek niet de ideale methode te zijn. Elton, Gruber
en Blake toonden in hun studie duidelijk aan dat de resultaten (en de besluiten) sterk kunnen verschillen afhankelijk van het model dat gebruikt wordt (Elton E. et al., 1996, blz. 10971120). Zij berekenden enerzijds de alpha gebruik makend van het één-factormodel en
8 9
‘CRSP value weighted index’ (Grinblatt M. en Titman S., 1989, blz. 395).
Deze ‘benchmark’ bestaat uit 4 portefeuilles voor ‘size’, 3 portefeuilles voor ‘dividend yield’ en 1 portefeuille
voor rendementen uit het verleden (Grinblatt M. en Titman S., 1989, blz. 395). 10 11
‘CRSP equally weighed index’ (Grinblatt M. en Titman S., 1989, blz. 395).
‘10 factor portfolio’ uit Lehmann en Modest (Lehmann B. en Modest D., 1988, blz. 213-254).
30
anderzijds gebruik makend van een 3-factormodel. Dit 3-factormodel bevat als factoren zowel een marktindex als een ‘small cap index’ en een obligatie-index (Elton E. et al., 1996, blz.
1104). Voor de verschillende voor ‘survivorship bias’ gecorrigeerde ‘samples’ vonden zij bijna steeds positieve alpha’s gebruik makend van het één-factor model. Gebruik makend van
het 3-factormodel werden daarentegen steeds negatieve alpha’s bekomen. Zo vonden zij bv.
een alpha van 0,61% voor het één-factor model, en een alpha van – 0,87% voor het 3factormodel (Elton E. et al., 1996, blz. 1106). Gebruik makend van het 3-factormodel vond
deze studie een ‘survivorship bias’ van 0,7% tot 0,9% (afhankelijk van de sample) (Elton E. et al., 1996, blz. 1106-1108).
Daarna volgden er studies (Malkiel B., 1995, blz. 549–572) (Gruber M., 1996, blz. 783-807) (Blake D. en Timmermann A., 1998, blz. 57-77) die claimden dat het grootste deel van de vroegere studies onderhevig waren aan de ‘survivorship bias’ (infra blz. 37).
Malkiel kwam tot de conclusie dat (bijna) alle vroegere studies geen rekening hielden met de
‘survivorship bias’ of deze bias sterk onderschatten (Malkiel B., 1995, blz. 550-551). Malkiel
vond in zijn studie een bias van 1,4% (Malkiel B., 1995, blz. 553). Deze studie behandelde 239 Amerikaanse aandelenfondsen over de periode 1982-1991. Deze fondsen werden vergeleken met twee ‘benchmarks’: de Wilshire 5000 en de Standard & Poor’s 500. Ten
opzichte van de eerste ‘benchmark’ vond hij een alpha van +0,18% wanneer er gebruik
gemaakt wordt van de bruto returns12 van de fondsen en een alpha van -0,93 voor de netto returns13 (Malkiel B.G., 1995, blz. 557). Beide resultaten zijn echter statistisch niet
significant. Wanneer deze fondsen vergeleken werden met de tweede ‘benchmark’, dan vond
hij een alpha van -2,03% voor de bruto returns en een alpha -3,2% voor de netto returns. Deze cijfers zijn wel statistisch significant (Malkiel B.G., 1995, blz. 557).
Verder is er ook de studie van Gruber (Gruber, 1996, blz. 783-810). Deze geeft een mooi
overzicht van de verschillen in resultaten die bekomen worden door gebruik te maken van
verschillende ‘benchmarks’. Gruber bekeek 270 fondsen over de periode 1985-1994 (Gruber, 1996, blz. 786). Hij vond dat beleggingsfondsen de markt met 1,94% ‘underperformden’.
Hierbij werd geen rekening gehouden met het risico (Gruber, 1996, blz. 787). Wanneer er wel 12 13
Bruto return = return voor kosten Netto return = return na kosten
31
naar het risico gekeken werd daalde de ‘underperformance’. Gebruik makend van het ‘single (market) index model’ bekwam Gruber een underperformance van 1,56%. Gebruik makend
van het ‘4 factor index model’14, was de underperformance slechts 0,65% (Gruber, 1996, blz.
787). Deze 4 factoren waren respectievelijk een marktindex (S&P 500), een ‘size’ index (SMB factor15), een groei index16 en een obligatie index (Gruber, 1996, blz. 785-786).
Hiertegenover staat dat de kosten van deze fondsen gemiddeld 1,13% bedragen. Dit betekent
dat fondsen bruto de markt ‘outperformen’, maar deze ‘outperformance’ is onvoldoende om de kosten te dekken (Gruber, 1996, blz. 789).
Er is ook een zeer uitgebreide studie van Blake en Timmermann (Blake D. en Timmermann
A., 1998, blz. 57-77). De studie behandelt 2305 Britse beleggingsfondsen over een periode van 281 maanden (van 1972 tot 1995). De steekproef van beleggingsfondsen bevat 1402 ‘overlevende fondsen’ en 973 ‘dode fondsen’. Deze laatsten zijn fondsen die het einde van de
sample niet haalden. Deze studie maakt gebruik van een 3-factor model met respectievelijk een marktindex17, een ‘small cap’ index18 en een overheidsobligatie index (Blake D. en
Timmermann A., 1998, blz. 66). Blake en Timmermann vonden dat de Britse
beleggingsfondsen hun ‘benchmarks’ met ongeveer 1.8% per jaar ‘underperformen’ (Blake D. en Timmermann A., 1998, blz. 58). Ook hier is het belangrijk om op te merken dat deze
‘underperformance’ statistisch niet significant is (Blake D. en Timmermann A., 1998, blz.
68). De studie bekomt een ‘survivorship bias’ van 0.8%. Verder vond men ook dat er een persistentie in de prestaties zit (Blake D. en Timmermann A., 1998, blz. 58). Kortom
algemeen kunnen we stellen dat goed (slecht) presterende fondsen goed (slecht) blijven presteren.
Ik wil wel opmerken dat zeker niet alle studies die rekening houden met de ‘survivorship bias’ een ‘underperformance’ voor beleggingsfondsen uitkomen. 14 15
Deze werkwijze wordt geprefereerd boven de twee andere methoden.
SMB (‘Small minus Big’) = Retuns van ‘small cap’ aandelen – de returns op ‘large cap’ aandelen (Gruber,
1996, blz. 786). 16
Groei index (‘growth index’) = Return op groei-aandelen – de return op ‘value’ aandelen (Gruber, 1996, blz.
786). 17 18
De marktindex was de FT-A All Share Index (Blake D. en Timmermann A., 1998, blz. 66).
Als ‘small cap’ index werd de Hoare-Govett Small-Cap Index gebruikt (Blake D. en Timmermann A., 1998,
blz. 66).
32
Zo hebben we bijvoorbeeld een studie van Otten en Bams (Otten R. en Bams D., 2002, blz.
75-101). Dit is één van de weinig uitgebreide studies over Europese aandelenfondsen. Deze studie maakt gebruik van een database met 506 beleggingfondsen die gecontroleerd is voor de
‘survivorship bias’ (Otten R. en Bams D., 2002, blz. 79-80). De ‘out-/underperformance’
wordt hier berekend met behulp van een ‘4 factor model’19. De 4 factoren zijn hier respectievelijk een marktfactor, een ‘size factor’ (SMB factor), een ‘book-to-market factor’
(HML factor20) en een ‘momentum factor’ (Otten R. en Bams D., 2002, blz. 81). Deze studie
levert de volgende alpha’s op: voor Frankrijk: 0,22%, voor Duitsland: -1,2%, voor Italië: 0,84%, voor Nederland: 1,8% en voor UK: 1,33%. Hierbij is enkel de laatste waarde statistisch significant21 (Otten R. en Bams D., 2002, blz. 85).
Aan de andere kant hebben we ook studies die een zeer aanzienlijke (bruto en netto) ‘underperformance’ bekomen.
Een voorbeeld daarvan in het “Sandler rapport” (HM Treasury, 2002, blz. 1-52). Dit rapport werd opgesteld in opdracht van de Britse Overheid en kwam tot het besluit dat de Britse beleggingsfondsen de markt met -2,5% ‘underperformen’. Dit is het gevolg van een combinatie van kosten en onsuccesvol actief management (HM Treasury, 2002, blz. 10).
Globaal kunnen we dus besluiten dat beleggingsfondsen er niet in slagen om (na kosten) de
markt te ‘outperformen’. Het is zelf niet duidelijk of dat beleggingsfondsen er wel in slagen
om de markt voor kosten te ‘outperformen’. We stellen ook vast dat er een hele waaier aan methodes bestaat om de prestaties van fondsen te onderzoeken.
4.2. Behavioural finance fondsen 4.2.1. Strategie van behavioural finance fondsen De strategieën van BF-fondsen zijn er allemaal op gericht om psychologische “fouten” (‘behavioural biases’) uit te buiten. Een overzicht van enkele BF strategieën:
19 20
Dit 4 factor model werd origineel geïntroduceerd door Carhart (Carhart M.M., 1997, blz.61)
HML (High minus low) = Retuns van aandelen met een hoge book-to-market ratio – de return op aandelen met
een lage book-to-market ratio (Otten R. en Bams D., 2002, blz. 81). 21
Voor een significantieniveau van 5%
33
Een eerste ‘behavioural stategy’ is het kopen (‘overwegen’) van ‘winners’ en het verkopen
(‘onderwegen’) van ‘losers’. Het idee hierachter vinden we bij het ‘momentum effect’. Indien
winners (losers) inderdaad winners (losers) blijven, dan zou deze strategie tot extra rendementen kunnen leiden. De behaviouristische achtergrond van het ‘momentum effect’ werd reeds in hoofdstuk 2 gegeven (supra blz. 22).
De basis voor het momentum effect is de neiging die beleggers hebben om ‘winners’ te vroeg
te verkopen en ‘losers’ te lang te houden. Verder speelt ook het feit dat analisten niet graag hun ongelijk toegeven een rol. Analisten zullen hierdoor slechts langzaam (en laat) hun verwachtingen aanpassen. Dit zorgt ervoor dat bedrijven waarvan de (winst) verwachtingen
verhoogd worden, verdere opwaartse bijstellingen van hun (winst) verwachtingen kunnen
verwachten. Het omgekeerde geldt voor bedrijven die negatieve bijstellingen krijgen
(Liontrust, 2004b, blz.5). Fondsen die hievan gebruik maken zijn o.a. Liontrust First Large
Cap. Fund, Liontrust Prime Exempt Fund, Liontrust Active 350 Fund, Liontrust Large Cap Fund.
Maar wanneer we over ‘behavioural finance’ fondsen spreken dan denken we vooral aan
fondsen die het ‘reversal effect’ trachten uit te buiten (‘contrarian funds’). Dit zijn fondsen die tegen de stroom ingaan, dus fondsen die overreacties trachten uit te buiten. De
behavioristische oorzaken van overreacties (zoals kuddegedrag) zijn reeds besproken (supra blz. 22).
Beheerders van deze fondsen kopen (‘overwegen’) slecht-presterende aandelen, ervan
uitgaande dat deze aandelen een positieve correctie zullen hebben. Een voorbeeld hiervan is het kopen ‘fallen angels’. Dat zijn (grote) solide bedrijven die zwaar afgestraft zijn na negatief nieuws. Ook het kopen van ‘niet modieuze/saaie’ aandelen valt hieronder. Dit zijn aandelen
waarvoor analisten en beleggers weinig interesse hebben. Goed presterende (populaire)
aandelen worden dan weer verkocht (‘onderwogen’). Voorbeelden van fondsen die deze strategie toepassen zijn: Liontrust First Income fund, Fortis Obam, KBC Equity Fund Fallen Angels, Contrarian Equities @ Work.
De aandachtige lezer zal al opgemerkt hebben dat deze beleggingsstrategieën totaal in contradictie zijn met elkaar. Maar zoals reeds gezien (supra blz. 22) speelt de tijdshorizon
waarop men deze strategieën toepast een belangrijke rol. ‘Reversal’ is eerder iets voor de langere (en zeer korte) termijn, ‘momentum’ is eerder iets voor de korte termijn.
Er zijn ook BF-fondsen die beide strategieën combineren. Bijvoorbeeld: ABN AMRO Behavioural Finance Japan Fund, ABN AMRO Behavioural Finance Fund.
34
BF-fondsen gebruiken dus verschillende strategieën. Maar psychologische afwijkingen vormen steeds de basis.
4.2.2. Prestaties van behavioural finance fondsen Om de prestaties van de BF-fondsen na te gaan, hebben we een eigen onderzoek uitgevoerd. De uitwerking en de resultaten van dit onderzoek volgen in hoofdstuk 5.
4.3. Besluit In dit hoofdstuk hebben we gezien dat de traditionele beleggingsfondsen op te delen zijn in twee groepen: enerzijds de actieve beleggingsfondsen die door middel van fundamentele
analyse trachten om de markt te outperformen, anderzijds de passieve beleggingsfondsen die trachten om een benchmark (meestal een beursindex) zo goed mogelijk te volgen.
Wanneer we naar de prestaties van de traditionele (actieve) beleggingsfondsen kijken, dan vinden we dat hierover geen overeenstemming bestaat in de literatuur. Ook wat betreft de te
gebruiken methodologie is er geen overeenstemming in de literatuur. Algemeen kunnen we besluiten dat de traditionele beleggingsfondsen (licht) hun benchmark underperformen. Zelfs
bruto (voor kosten) is het niet duidelijk of beleggingsfondsen erin slagen om even goed te
presteren als hun benchmark. We merken hierbij wel op dat er een grote spreiding is in de resultaten van de verschillende studies. Sommige bekomen heel grote underperformances, andere bekomen zelfs outperformances.
Tegenover de traditionele beleggingsfondsen staan de behavioural finance fondsen. Deze
fondsen trachten om psychologische fouten uit te buiten. Ook hierin hebben we twee (drie)
groepen. Enerzijds fondsen die het ‘momentum’ effect trachten uit te buiten, anderzijds fondsen die het ‘reversal’ effect proberen uit te buiten. Deze laatste worden ook ‘contrarian funds’ genoemd. Er bestaan ook fondsen die beide BF strategieën combineren.
35
5. Prestatie analyse van BF-fondsen We hebben reeds vermeld dat de traditionele beleggingsfondsen er globaal genomen niet in
slagen om een hoger rendement te bekomen dan hun ‘benchmarks’. Daarentegen hebben we
gezien dat BF-fondsen proberen om hogere rendementen te bekomen door de psychologie van de beleggers uit te buiten. In hoofdstuk 2 hebben we reeds uitvoerig de theoretisch onderbouw
van BF uitgewerkt. Hierin vonden we dat beleggers (systematisch) psychologische fouten
maken. BF-fondsen gaan zich toespitsen op het uitbuiten van deze fouten. Indien fondsenbeheerders hierin zouden slagen, dan verwachten we dat BF-fondsen beter presteren dan traditionele beleggingsfondsen (en misschien zelfs beter dan hun benchmark). Deze stelling willen we nu ook eens in de praktijk gaan testen. Daarom bekijken we de prestaties van BF-fondsen22. Dit zullen we doen aan de hand van een stijlanalyse (infra blz. 49).
In de eerste paragraaf van dit hoofdstuk overlopen we een aantal problemen die we in ons
achterhoofd moeten houden bij de gegevensverwerving en de analyse. In de tweede paragraaf zullen we de populatie en de steekproef afbakenen. In de derde paragraaf bespreken we de
gegevensverwerving en in paragraaf vier de analyse zelf. De resultaten van de analyse en de interpretatie ervan zijn voorbehouden voor paragraaf vijf. Hierbij zal eerst voor elk fonds
afzonderlijk de analyse uitgevoerd worden en nadien zal de analyse toegepast worden op alle fondsen samen. In de laatste paragraaf volgt het besluit. 5.1. Problemen Voor we beginnen met de stijlanalyse gaan we eerst een aantal problemen bespreken. Het lijkt
ons immers aangewezen dat men deze bemerkingen in het achterhoofd heeft bij het lezen van de bronverwerving en de analyse zelf. Indien mogelijk zullen we in dit deel ook oplossingen voor de problemen aanreiken.
Een overzicht van de problemen
Een eerste probleem is het feit dat het testen van de prestaties van BF-fondsen niet hetzelfde
is als het testen van de prestaties van BF. We hebben immers de fondsenbeheerders die als tussenpersoon dienen. Deze fondsenbeheerders passen BF toe. Maar we hebben weinig zicht
22
BF-fondsen zijn fondsen die beheerd worden door fondsenmanagers die gebruik maken van BF bij het beheren
van hun fonds.
36
op de manier waarop ze dat precies doen en meer bepaald of ze de theorie succesvol kunnen
omzetten in de praktijk. Ook de mate waarin ze BF toepassen in hun fonds is vaak niet
duidelijk. Hiermee bedoelen we dat het helemaal niet zeker is dat een BF-fonds uitsluitend
aandelen selecteert op basis van BF. Vermits de antwoorden op deze vragen niet vrijgegeven worden door de fondsenbeheerders, is het niet mogelijk om deze problemen te verhelpen.
Een tweede probleem is het toeval. Het is best mogelijk dat BF-fondsen toevallig beter presteren dan hun ‘benchmarks’ (en dan traditionele fondsen). Het feit dat BF-fondsen beter presteren dan hun ‘benchmark’ kan mogelijkerwijze niets te maken hebben met BF. Dit
probleem is afhankelijk van het aantal fondsen dat opgenomen wordt. Hoe groter het aantal
fondsen, hoe kleiner de kans dat toeval een belangrijke rol speelt. Econometrisch betekent dit dat naarmate de steekproef kleiner is, de betrouwbaarheid van de resultaten lager is. Het
aantal BF-fondsen dat we konden identificeren was echter zeer beperkt (infra blz. 39). Dit probleem is dus zeker relevant.
Ten derde is er de ‘survivorship bias’ (Carhart M.M. et al., 2000, blz..6). De ‘survivorship bias’ houdt het effect in dat men in een steekproef enkel de fondsen opneemt die minstens tot het einde van de steekproefperiode overleefd hebben (Carhart M.M. et al., 2000, blz. 6). Algemeen mogen we ervan uitgaan dat de prestaties van fondsen een zeer belangrijk effect
hebben op hun voortbestaan. Dit houdt in dat het voornamelijk slecht presterende fondsen zijn
die zullen verdwijnen23 (Brown S.J. et al., 1992, blz. 553-580). Wanneer men geen rekening houdt met deze fondsen, zal de analyse een opwaartse afwijking vertonen (Blake D. en
Timmermann A., 1998, blz. 61) (Carpenter J.F. en Lynch A., 1999, blz. 337-374). De omvang van deze bias is niet te onderschatten. Een
kort
overzicht
van
de
bestaande
literatuur
omtrent
dit
onderwerp.
Voor
beleggingsfondsen werd een ‘survivorship bias’ gevonden van: 0,4%24 (Grinblatt M. en
Titman S., 1989, blz. 401), 0,7% tot 0,9% (Elton E. et al., 1996, blz. 1106), 0,8% (Blake D. en Timmermann A., 1998, blz. 63), 0,8% (Brown S. J. en Goetzmann W., 1995, blz. 683), 1.4% (Malkiel B., 1995, blz. 553). De ‘survivorship bias’ voor ‘hedge funds’ is zelfs hoger: 2.24%
23
Verdwijnen kan zowel betekenen dat een fonds ophoudt te bestaan als het feit dat een fonds samengevoegd
wordt met een ander fonds. 24
In deze paper wordt afhankelijk van de ‘benchmark’ een ‘bias’ van 0,1% tot 0,4% vooropgesteld (Grinblatt M.
en Titman S., 1989, blz. 401). De 0,4% is echter het resultaat voor de ‘benchmark’ die geprefereerd wordt door de auteurs (supra blz.30) (Grinblatt M. en Titman S., 1989, blz. 401).
37
(Liang B., 2000, blz. 313), 3% (Fung W. en Hsieh D., 2000, blz. 297) en 3% (Brown S.J. et al., 1999, blz. 103).
De ‘survivorship bias’ kan vermeden worden door de opname van de fondsen die reeds
verdwenen zijn. De rendementen van deze fondsen moeten dan opgenomen worden tot op het moment van hun verdwijnen. Dit lijkt eenvoudig maar dat is het evenwel niet. Het is namelijk
zeer moeilijk om nog informatie te vinden over fondsen die niet langer bestaan. Het
construeren van een steekproef die niet onderhevig is aan de ‘survivorship bias’ is dus niet eenvoudig. In vele gevallen zal men enkel de ‘survivorship bias’ kunnen beperken in een steekproef, maar niet volledig kunnen elimineren.
Een vierde probleem dat nauw verwant is aan het vorige is de ‘liquidation bias’. De
‘liquidation bias’ houdt in dat fondsen die verdwijnen, vaak stoppen met het rapporteren van
hun resultaten voordat ze hun activiteiten stopzetten (Anson M., 2003, blz. 20). De laatste (niet gerapporteerde) resultaten zijn vaak erg slecht. Hierdoor zal de ‘liquidation bias’ er ook toe leiden dat de resultaten van een analyse een opwaartse afwijking zullen hebben (Koh F. et al., 2002, blz. 9).
Een vijfde probleem is de ‘selection bias’. Deze bias (afwijking) volgt uit het feit dat fondsen
die goede resultaten boeken veel meer publiciteit zullen maken dan fondsen die slecht presteren. Hierdoor zijn deze laatste fondsen veel moeilijker op te sporen . Het gevaar bestaat dan ook dat een dataset overwegend uit goed presterende fondsen zal bestaan (Kothari S.P. et
al., 1995, blz. 203). We hebben dan te maken met een dataset die niet representatief is voor de
populatie (dus voor alle bestaande BF-fondsen). De ‘selection bias’ leidt dus ook tot een opwaartse afwijking.
Net zoals de ‘survivorship bias’ kan ook de ‘selection bias’ beperkt (of zelfs vermeden worden) door een zeer degelijke bronverwerving.
Verder hebben we nog het probleem van te sterk gecorreleerde referentie-indexen (infra blz. 50) enerzijds en een onvolledige set van referentie-indexen anderzijds (infra blz. 50).
Een laatste probleem betreft fouten in de data. Hierdoor kan de stijlanalyse verbanden leggen
tussen het rendement van het fonds en het rendement van een referentie-index die eigenlijk niet bestaan. Of omgekeerd kan de stijlanalyse hierdoor verbanden over het hoofd zien die er
evenwel zijn25. Tegen dit laatste probleem kan men zich (voor een groot deel) behoeden door zo betrouwbaar mogelijke databases te gebruiken.
25
De precieze werking van de stijlanalyse wordt uitgelegd in deel 5.4.3 (supra blz. 49).
38
Rekening houdend met deze problemen verzamelen we onze gegevens en testen we de prestaties van BF-fondsen.
5.2. Populatie en steekproef In deze paragraaf gaan we de populatie en de steekproef van onze analyse afbakenen. We
vertrekken voor onze analyse bij alle BF-fondsen. We zullen echter niet al deze fondsen gebruiken. We leggen immers de restrictie op dat we in onze analyse enkel de BF-fondsen zullen behandelen die minstens 3 jaar bestaan (of bestaan hebben). Deze restrictie hebben we
opgelegd omdat een betrouwbare analyse twijfelachtig is voor fondsen met een kortere
looptijd (Lucas L. en Riepe M.W., 1996, blz.13) (Chen Y., 2004, blz.12). Met andere woorden, de populatie die we in onze analyse beschouwen bevat enkel BF-fondsen die aan deze restrictie voldoen. A priori verwachten we dat we slechts een beperkt aantal fondsen zullen vinden.
Het invullen van de populatie met fondsen volgt in de volgende paragraaf . Hierin schuilt
echter een groot probleem. In de literatuur is er volgens mij nog geen enkel onderzoek uitgevoerd op BF-fondsen. Dit betekent dan ook dat we geen gebruik kunnen maken van één
(of meerdere) reeds bestaande BF-fondsen database(s). Vermits we dus zelf onze ‘populatie’
moeten samenstellen, zullen we er (vermoedelijk) nooit in slagen om de hele populatie van BF-fondsen te identificeren. Daarom werken we eigenlijk met een steekproef van een
onbekende populatie. In het vervolg van de tekst gaan we de groep van BF-fondsen die minstens 3 jaar bestaan (hebben) dan ook de steekproef noemen (en niet de populatie). Hierbij hopen we dat onze steekproef representatief is voor de werkelijke populatie.
5.3. Gegevensverwerving In deze paragraaf gaan we op zoek naar de noodzakelijke informatie voor onze analyse. Deze gegevensverwerving bestaat uit twee fasen. Eerst moeten de BF-fondsen geïdentificeerd
worden, daarna moeten we geschikte databases voor koersinformatie vinden. Uiteindelijk moeten we uit deze databases de relevante gegevens halen. 5.3.1. BF-fondsen identificeren Vermits er dus geen databases van BF-fondsen bestaan, zijn we zelf op zoek gegaan naar deze fondsen. Dit hebben we op de volgende manier gedaan.
39
Voor het identificeren van de BF-fondsen zijn we begonnen met via het internet fondsen te zoeken die ‘behavioural finance’ in hun naam hadden. Op deze manier hebben we 2 BF-
fondsen gevonden (met name: ABN AMRO Behavioural Finance Japan Fund, ABN AMRO Behavioural Finance Fund).
Hierna hebben we een aantal financiële instellingen26 gecontacteerd voor informatie. Jammer genoeg leverden deze mails en telefoontjes geen bruikbare resultaten op.
Uiteindelijk zijn we de (populaire) literatuur omtrent BF beginnen doornemen. In deze artikels vonden we (zoals verwacht) verwijzingen naar financiële instellingen die BF-fondsen
aanbieden. Onder andere via 3 bedrijven (Liontrust Asset Management, Fuller & Thaler Asset
Management Inc en Dreman Value Management LLC) die zich gespecialiseerd hebben in het
aanbieden van BF-fondsen, hebben we 18 BF-fondsen gevonden. Bij elk van deze fondsen
werd duidelijk vermeld dat ze BF gebruiken. Deze fondsen zijn: Janus Contrarian Fund,
Liontrust Active 350, Liontrust First Exempt Fund, Liontrust First Growth Fund, Liontrust First Income Fund, Liontrust First Large Cap Fund, Liontrust Prime Exempt Fund, LSV
Value Equity Fund, Undiscovered Managers Behavioral Growth Fund, Undiscovered Managers Behavioral Value Fund, JPMF Europe Strategic Value Fund, JPMF Premier Equity Growth Fund, JP Morgan Fleming US Fund, Scudder-Dreman High Return Equity Fund,
Scudder-Dreman Small Cap Value Fund, Scudder Focus Value + Growth Fund, ScudderDreman Financial Services Fund, Heritage Series Trust Value Equity Fund.
Verder vonden we indirect27 nog 3 BF-fondsen (met name Contrarian Equities @ Work, Fortis Obam, KBC Equity Fund Fallen Angels Kap). Uiteindelijk identificeerden we 23 BFfondsen die in aanmerking konden komen voor onze analyse.
We hebben evenwel enkel de fondsen die langer dan 3 jaar bestaan opgenomen in onze
analyse (supra blz. 39). Dit had tot gevolg dat er 3 fondsen uit de boot vielen (nl. Liontrust Active 350, JP Morgan Fleming US Fund, ABN AMRO Behavioural Finance Fund). Dit laatste fonds is trouwens een interessant geval. Dit fonds werd opgericht op 27/04/00. Op
19/11/01 werd de naam van dit fonds veranderd in ABN AMRO Behavioural Finance Europe
Fund. En uiteindelijk verdween het fonds op 27/04/02. Het fonds werd toen ondergebracht bij het ABN AMRO Europe Equity Growth Fund. Het was dan ook niet mogelijk om 26 27
ABN AMRO, Capital@Work, Fortis, KBC, SG De Maertelaere.
Met indirect bedoelen we fondsen waarover niet expliciet gezegd wordt dat ze BF gebruiken, maar die gebruik
maken van methoden die onder de BF vallen.
40
koersgegevens over dit fonds te bekomen. Dit is dus een mooi voorbeeld van een fonds dat het einde van de observatieperiode28 niet gehaald heeft. Het over het hoofd zien van zo’n fondsen kan dus leiden tot de ‘survivorship bias’ (supra blz. 37). Dit fonds heeft evenwel geen drie jaar (onafhankelijk) bestaan. Hierdoor kwam het niet in aanmerking voor opname. Het ontbreken van gegeven hierover is dan ook niet erg.
Nadat we de geschikte BF-fondsen geïdentificeerd hebben, zijn we systematisch de
jaarverslagen van deze fondsen gaan doornemen. De bedoeling hiervan was het controleren of de geïdentificeerde fondsen wel degelijk gebruik maken van BF. Voor de 5 Liontrust fondsen,
het KBC fonds, het Equity@Work fonds en het ABN AMRO fonds vonden we in de jaarverslagen een duidelijk bewijs van het gebruik van BF.
We wensen wel op te merken dat we zeker zijn dat deze 23 fondsen in 2004 gebruik maakten van BF. Wanneer ze er precies met begonnen zijn, is echter niet steeds duidelijk. We zijn wel
zeker dat het Heritage Series Trust Value Equity Fund slechts vanaf 1/6/03 begonnen is met BF. Hoewel het fonds reeds opgericht is in juli 95, werd dit fonds niet opgenomen in onze steekproef. Het fonds is immers nog geen 3 jaar een BF fonds.
Voor de 19 overblijvende fondsen zijn we op zoek gegaan naar koersinformatie29. 5.3.2. Databases identificeren We zijn hier begonnen met het zoeken in zeer betrouwbare databases. Daarna zijn we afgezakt naar minder betrouwbare databases.
De eerste database die we aangesproken hebben voor koersinformatie was de database van
Datastream. Hier vonden we koersinformatie voor 14 fondsen30. Daarna zijn we het internet gaan afzoeken naar (gratis) databases. Zo vonden we de database van Yahoo (Yahoo, 2005).
Dit is ongetwijfeld de grootste31 (en vermoedelijk ook meest betrouwbare) database op het
28 29 30
Onze observatieperiode eindigt in augustus 2004.
Een duidelijk overzicht met de opgenomen en niet opgenomen fondsen volgt in paragraaf 5.3.2.
Met name: Contrarian Equities @ Work, Fortis Obam, KBC Equity Fund Fallen Angels Kap, Janus Contrarian
Fund, Liontrust First Exempt Fund , Liontrust First Growth Fund, Liontrust First Income Fund en Liontrust
Prime Exempt Fund, LSV Value Equity Fund, Scudder-Dreman High Return Equity Fund, Scudder-Dreman
Small Cap Value Fund, Scudder Focus Value + Growth Fund, Scudder-Dreman Financial Services Fund, Undiscovered Managers Behavioral Growth Fund (UBRLX). 31
Er zijn meer dan 8 miljoen verwijzingen in Google naar de deze database.
41
internet. In deze database vonden we koersinformatie over 2 Amerikaanse fondsen32. Na
verder zoeken op internet vonden we in de database van Finanzpartner (Finanzpartner, 2005)
ook gegevens voor het ABN AMRO Behavioural Finance Japan Fund. Zo bleven er nog 3 fondsen33 over. We hebben dan de fondsenaanbieders aangeschreven. Deze gaven wel
informatie over het fonds. Maar niet de gevraagde koersgegevens. Deze fondsen werden dan ook noodgedwongen weggelaten uit de analyse wegens het ontbreken van gegevens.
In onderstaande tabel vatten we kort de geselecteerde en niet geselecteerde fondsen samen. Verder geven we ook de reden voor niet selectie aan.
Tabel 2: Overzicht fondsen Fondsen
opgenomen/ niet opgenomen
Reden: niet opname
ABN AMRO Behavioural Finance Fund ABN AMRO Behavioural Finance Japan Fund Contrarian Equities @ Work Fortis Obam Heritage Series Trust Value Equity Fund Janus Contrarian Fund JPMF Europe Strategic Value fund JPMF Premier Equity Growth Fund JP Morgan Fleming US Fund KBC Equity Fund Fallen Angels Kap Liontrust Active 350 Liontrust First Exempt Fund Liontrust First Growth Fund Liontrust First Income Fund Liontrust First Large Cap Fund Liontrust Prime Exempt Fund LSV Value Equity Fund Scudder-Dreman High Return Equity Fund Scudder-Dreman Small Cap Value Fund Scudder Focus Value + Growth Fund Scudder-Dreman Financial Services Fund Undiscovered Managers Behavioral Growth Fund Undiscovered Managers Behavioral Value Fund
niet opgenomen
looptijd < 3 jaar
32 33 34
opgenomen opgenomen opgenomen
niet opgenomen
looptijd < 3 jaar34
niet opgenomen
geen data
niet opgenomen
looptijd < 3 jaar
niet opgenomen
looptijd < 3 jaar
opgenomen
niet opgenomen opgenomen opgenomen
geen data
opgenomen opgenomen
niet opgenomen opgenomen
geen data
opgenomen
opgenomen opgenomen opgenomen opgenomen opgenomen opgenomen
Met name: Undiscovered Managers Behavioral Value Fund (UBVLX), LSV Value Equity Fund (LSVEX).
Het Liontrust First Large Cap fund, JPMF Europe Strategic Value fund en JPMF Premier Equity Growth Fund
Dit fonds is evenwel opgericht in september 1995, maar dit fonds is slechts sinds 1/6/03 een BF-fonds.
42
5.3.3. Koersinformatie verwerven We identificeerden nu voor (bijna) elk fonds een database waarin we de noodzakelijke koersinformatie kunnen vinden. Nu moeten we uit elk van deze databases nog de geschikte (en dus vergelijkbare) data halen.
De relevante gegevens voor onze analyse zijn de rendementen van de beleggingsfondsen. Wat
betreft de rendementen zijn er twee factoren van belang: enerzijds de periodiciteit en anderzijds de behandeling van dividenden.
De periodiciteit van onze rendementen zal maandelijks zijn. De keuze voor maandelijkse rendementen in stijlanalyses is immers algemeen gangbaar (Sharpe W.F., 1995, blz. 5) . Dit
komt omdat dagelijkse data (en in mindere mate ook wekelijkse data) te veel ‘noise’ (ruis)
bevatten. Dit betekent dat er een veel grotere kans zal zijn op niet-systematische fouten. Het gebruik van deze data zal dan ook leiden tot minder betrouwbare analyse-resultaten (Sharpe W.F., 1995, blz. 5). Het gebruik van maandelijkse data daarentegen zal deze problemen sterk
reduceren. (Sharpe W.F., 1995, blz. 5). Ook het gebruik van jaarlijkse data zou de ‘noise’
sterk beperken. Maar hier stuiten we op het probleem van een zeer beperkte hoeveelheid jaarlijkse data.
Het verwerven van deze maandelijkse data is geen enkel probleem op Datastream. Hier kan men immers de periodiciteit van de data instellen. Zo kunnen we onmiddellijk de
maandelijkse koersen afhalen. Het rendement voor maand t bekomen we door het verschil te
nemen tussen de koers van maand t + 1 en de koers van maand t35 en dit geheel te delen door de koers van maand t. In de twee andere databases kan men evenwel geen maandelijkse data downloaden. Hier moeten we manueel de dagkoersen van de eerste beursdag van de maand
downloaden. Op deze data zullen we dan de net vermelde formule toepassen. Op die manier bekomen we maandrendementen voor de fondsen die we niet van Datastream afgehaald
hebben. Onze maanden zijn in beide gevallen gedefinieerd als de periode tussen de eerst beursdag van de maand en de eerst beursdag van de volgende maand. We hebben hier dus vergelijkbare data.
35
De koers van maand t is de koers op de eerste beursdag van deze maand.
43
Naast de periodiciteit van de gegevens, wensen we ook een woordje uitleg te geven over het behandelen van de dividenden. Wanneer we het hebben over het rendement van een fonds dan slaat dat zowel op de koersevolutie als de uitgekeerde dividenden. Het zou immers een grote
fout zijn om dividenden niet in rekening te brengen. Dividenden zijn namelijk een bron van inkomsten voor de eigenaars van fondsen. Het is evenwel onvoldoende om gewoon de
dividenden bij de koersen te tellen. Dit zou immers betekenen dat dividenden op hun beurt geen opbrengsten meer kunnen genereren. Om een goed beeld te krijgen van het rendement
van een fonds moeten we de dividenden (onmiddellijk) opnieuw beleggen in het betrokken fonds. Dit betekent dus dat we de dividenden zullen kapitaliseren.
Dit probleem is niet van toepassing op fondsen die geen dividenden uitkeren. Voor zo’n kapitalisatie-fondsen zal de koersevolutie immers samenvallen met het rendement.
We zijn dit dividend kapitalisatie-principe gaan toepassen op onze data. Voor de gegevens uit
Datastream vormde dit weer geen enkel probleem. U moet gewoon kiezen voor het datatype ‘total return’. Op deze manier bekom je vanzelf de aangepaste (maandelijkse) koersgegevens.
De 2 andere databases bevatten deze optie echter niet. Van de 3 fondsen die we uit deze
databases gehaald hebben waren er 2 fondsen die geen dividenden uitkeren. Voor deze fondsen waren er dus geen problemen. Maar voor het andere fonds36 hebben we zelf de voor
dividenden aangepaste rendementen moeten berekenen. De werkwijze die we hierbij volgden is de volgende. De rendementen voor de maanden zonder dividenduitkering berekenen we gewoon volgens de standaard methode (supra blz. 43). Voor de maanden met
dividenduitkering zullen we een andere methode moeten gebruiken. Deze methode zullen we nu symbolisch uitwerken:
Tabel 3: Hulpmiddel bij verwerken van dividenden
Aan de hand van deze tabel gaan we de werkwijze uitleggen voor een fonds dat op 15 jan een
dividend (D1) uitkeert. Voor deze maand met dividenduitkering hebben we enkel 4 koersen 36
Undiscovered Managers Behavioral Value Fund (UBVLX).
44
nodig: de koers van de dag juist voor de dividenduitkering (K2), de koers van de dag van de
dividenduitkering zelf37 (K3) en verder ook de beginkoers van de maand (K1) en de beginkoers
van de volgende maand (K4). Het rendement voor een maand met dividenduitkering kunnen we op de volgende manier berekenen:
We berekenen hiertoe de drie (deel)rendementen voor de maand januari. Dit zijn R1, R2, R3
voor respectievelijk de periode 1 jan-14 jan, 15 jan, 15 jan-1 feb. De formules hiervoor zijn: R1 =
K2 −1 K1
R2 =
K 3 + D1 −1 K2
R3 =
K4 −1 K3
Wanneer we nu het rendement voor de maand januari willen vinden moeten we de volgende formule gebruiken: [(1+R1)(1+R2)(1+R3)] - 1.
Zo vinden we dus het rendement voor een maand met dividenduitkering.
Deze methode zal toegepast worden op alle maanden met dividenduitkering.
5.4. De methodologie Nu we alle gegevens vergaard hebben, kunnen we beginnen met de analyse zelf.
Hierbij zijn er twee keuzes die gemaakt moeten worden. Enerzijds moeten we een model kiezen. Anderzijds moeten we een prestatiemaatstaf kiezen. 5.4.1. Het overzicht van het model Wat betreft de eerste keuze hebben we reeds gezien dat de literatuur vele mogelijkheden aanreikt (supra blz. 29). Zo kunnen we o.a. gebruik maken van het één (markt) factor model (Jensen M.C., 1968, blz. 390-391), het 3-factormodel van Fama en French (Fama E.F. en
French K.R., 1993, blz. 3-56), het 4-factormodel van Carhart38 (Carhart M.M., 1997, blz. 61),
het 4- factormodel van Gruber (Gruber, 1996, blz. 787), P8 portfolio (Grinblatt M. en Titman S., 1989, blz. 395),…. De gebruikte factoren waren o.a. een marktindex, een ‘size’ index
37 38
In deze koers is het dividend dus niet meer inbegrepen.
Carhart inspireerde zich hiervoor op het 3-factormodel van Fama en French (Fama E.F. en French K.R., 1993,
blz. 3-56) en de ‘momentum’ anomalie van Jegadeesh en Titman (Jegadeesh N. en Titman S., 1993, blz. 65-91)
45
(SMB index of ‘small cap’ index), een ‘book to market’ index (HML index of groei index), een ‘dividend yield’index, een ‘momentum’index, een obligatie index, …(supra blz. 29).
Zowel wat betreft het model (als dus wat betreft de te gebruiken indexen/factoren) is er geen
overeenstemming in de literatuur. Door deze grote verscheidenheid aan modellen (en
factoren) ligt de keuze eerder bij de onderzoeker. Eén ding mogen we wel zeggen, het één (markt) factor model wordt door vele auteurs beschouwd als te beperkt (Elton E. et al., 1996, blz. 1104) (Gruber, 1996, blz. 786). Zo’n model zou immers onvoldoende de rendementen van beleggingen kunnen verklaren.
In ons empirisch deel gaan we echter geen gebruik maken van één van bovenstaande
modellen en factoren. Vermits er geen overeenstemming in de literatuur is omtrent het te gebruiken model, gaan wij de data voor zichzelf laten spreken. Daarom maken we gebruik van de stijlanalyse (infra blz. 49). In de stijlanalyse worden een aantal indexen
(stijlbenchmarks39) vooropgesteld. De analyse zal dan gewichten toekennen aan elk van deze stijlbenchmarks. Op deze manier wordt voor elk fonds een (fonds der) benchmark(s)
samengesteld. De stijlanalyse is de laatste jaren trouwens uitgegroeid tot een zeer populair
instrument voor het analyseren van de rendementen van fondsen (Ter Horst et al., 2004, blz. 29) (Bodie Z. et al., 2005, blz. 886).
5.4.2. De prestatiemaatstaf (overzicht) Ook wat betreft de prestatiemaatstaven biedt de literatuur verschillende mogelijkheden. We
zouden eenvoudigweg kunnen stellen dat de rendementen van fondsen een maatstaf zijn voor
de prestatie. Dit zou echter een zeer gebrekkige methode zijn omdat we dan geen rekening houden met risico (Bodie Z. et al., 2005, blz. 866). Vermits beleggers risico-avers zijn, zullen zij naarmate het risico stijgt ook een hogere return eisen (Bodie Z. et al., 2005, blz. 144). We
zien dit ook in het Capital Asset Pricing Model (CAPM). In het CAPM zal het vereiste rendement van een belegging immers toenemen naarmate het (systematisch) risico van een
belegging toeneemt (Womack K. L. en Ying Z., 2003, blz. 1-4). Vandaar dat we nood hebben
aan een maatstaf die zowel rekening houdt met het rendement als met het risico. In de
literatuur zijn er vier maatstaven die frequent gebruikt worden: De Sharpe ratio40 (infra blz. 56), Treynor’s measure, Jensen’s alpha (Jensen’s measure) (infra blz. 54), de information
39 40
bv. S&P 500, MSCI EMU, Russell 3000, 3 month T bills, US Government Bonds, …
Oorspronkelijk werd deze ratio de ‘reward to variability ratio’ genoemd (Sharpe W.F., 1966, blz. 123)
46
ratio (appraisal ratio) (Bodie Z. et al., 2005, blz. 868). De meest geschikte maatstaf is vanuit theoretisch oogpunt afhankelijk van hetgeen waarin we geïnteresseerd zijn. De Sharpe ratio
werkt immers met het totale risico en is dus de gepaste maatstaf wanneer we maar naar één
fonds kijken (Bodie Z. et al., 2005, blz. 872). Treynor’s measure en Jensen’s alpha werken met het systematische (niet diversifieerbare) risico en zijn dus geschikt wanneer we naar een
portefeuille van fondsen kijken (Bodie Z. et al., 2005, blz. 872). De information ratio (appraisal ratio) is dan weer geschikt wanneer we geïnteresseerd zijn in het diversifieerbare
risico (Bodie Z. et al., 2005, blz. 872). Vermits wij in onze studie kijken naar individuele fondsen, lijkt de Sharpe ratio de meest aangewezen maatstaf.
Wanneer we echter in de literatuur kijken, zien we dat Jensen’s alpha zonder twijfel de meest
gebruikte maatstaf is. Een volledig overzicht geven om dit te staven is natuurlijk onmogelijk.
Daarom sommen we kort de gebruikte prestatiemaatstaven op in de door ons reeds besproken
werken. Jensen’s alpha werd o.a. gebruikt in de volgdende werken: (Jensen M.C., 1968, blz. 389-416) (Grinblatt M. en Titman S., 1989, blz. 393-416) (Ippolito R., 1989, blz. 1-23)
(Brown S. J. en Goetzmann W., 1995, blz. 679–698) (Malkiel B.G., 1995, blz. 549–572) (Elton E. et al., 1996, blz. 1097-1120) (Carhart M.M., 1997, blz. 57–82) (Gruber M., 1996,
blz. 783-807) (Brown S.J. et al., 1999, blz. 91-117) (Otten R. en Bams D., 2002, blz. 75-101). Voor de volledigheid merken we nog op dat (Brown S.J. et al., 1999, blz. 91-117) ook gebruik maakte van de Sharpe ratio en (Brown S. J. en Goetzmann W., 1995, blz. 679–698) ook gebruik maakte van de appraisal ratio.
Het is dus duidelijk dat Jensen’s alpha zeer populair is in de literatuur. Een belangrijke reden hiervoor is ongetwijfeld de eenvoud waarmee deze maatstaf berekend kan worden. Jensen’s alpha is immers niets meer dan de constante uit een regressie (met ‘excess returns’) (infra blz. 54).
Verder kunnen we ook opmerken dat het onderscheid tussen het totale risico en het niet diversifeerbaar risico beperkt is bij beleggingsfondsen. Beleggingsfondsen zijn immers
(tamelijk) goed gediversifeerd, waardoor het diversifeerbaar risico (zeer) beperkt is. Dit zwakt het theoretische voordeel van de Sharpe ratio dus wat af.
Daarbovenop komt nog dat er specifieke problemen zijn met de Sharpe ratio. De meest
relevante in ons geval is het feit dat negatieve Sharpe ratio’s niet interpreteerbaar zijn. Wanneer je immers negatieve Sharpe ratio’s bekomt, dan is de gewone verklaring (hoe hoger
de Sharpe ratio, hoe beter) niet langer geldig. Bij negatieve rendementen zou dit immers
inhouden dat fondsen met veel risico (en dus een grote noemer in de Sharpe ratio), een betere (minder negatieve) Sharpe ratio zouden hebben. Het spreekt vanzelf dat fondsen met veel 47
risico helemaal niet als goed bestempeld mogen worden (Rode E., 2003, blz. 14). Beleggers zijn immers risico-avers. Een alternatief zou kunnen zijn dat men in het geval van negatieve
Sharpe ratio’s zou werken met de absolute waarde van de Sharpe ratio. De interpretatie is dan
de volgende. Fondsen die een hoge absolute waarde hebben, zijn fondsen die met grote zekerheid (dus met weinig risico) een zeer negatieve return behalen. Deze fondsen zijn zeer interessant als ‘short sell’ opportuniteiten (Sharpe W.F., 1994, blz. 58-59). Deze verklaring
klinkt theoretisch wel goed. Maar praktisch gezien slaat het op niet veel om te stellen dat je werkt met fondsen die negatieve verwachte returns hebben. Aandelen(fondsen) (net zoals o.a.
obligaties) hebben een positieve verwachte return. De verwachte return is immers gelijk aan
de (positieve) risicovrije rente41 plus een risicopremie. Vermits beleggers risico-avers zijn, is deze risicopremie ook steeds positief42 (Bodie Z. et al., 2005, blz. 144). Kortom, (aandelen)fondsen zullen nooit een negatieve verwachte return hebben. We benadrukken wel
dat het feit dat de verwachte returns steeds positief zijn, niet betekent dat de gerealiseerde returns ook steeds positief zijn. Aandelen (en obligaties) zijn immers risicovolle beleggingen (vandaar de risicopremie). Dit houdt in dat er een aanzienlijke spreiding (volatiliteit) in
returns mogelijk is rond de verwachte return (Bodie Z. et al., 2005, blz. 185). Zo is het mogelijk dat aandelen(fondsen) gedurende bepaalde periodes negatieve returns neerzetten.
Wanneer men een negatieve Sharpe ratio uitkomt, moet men eigenlijk concluderen dat de gebruikte steekproef onvoldoende is om tot conclusies te komen. In het geval van negatieve returns geeft de Sharpe ratio geen goede interpretatie (Rode E., 2003, blz. 14).
Vermits (bijna) alle fondsen in de periode 2000-2003 negatieve rendementen optekenden, zou
het gebruik van de Sharpe ratio ertoe leiden dat we voor deze periode geen uitspraken kunnen doen.
Gezien het massale gebruik van Jensen’s alpha in de literatuur en de problemen die verbonden zijn aan de Sharpe ratio, zullen we gebruik maken van Jensen’s alpha in onze analyse.
41
Hiervoor neemt men (in de praktijk) de rente op (Amerikaans, Duits) overheidspapier met korte looptijd
vermits dit als risicoloos wordt beschouwd (Bodie Z. et al., 2005, blz. 144). 42
Voor de S&P 500 aandelen bedroeg de gemiddelde risicopremie 8,22% voor de periode van 1926 tot 2002
(Bodie Z. et al., 2005, blz. 145)
48
5.4.3. De methode: stijlanalyse Zoals reeds vermeld zullen we gebruik maken van een stijlanalyse. Die werd voor het eerst uitgevoerd door Sharpe43. De stijlanalyse is een statistische techniek. Ze identificeert (voor
een bepaalde tijdsperiode) de constante combinatie van lange termijn gewichten in passieve referentie-indexen44 zodanig dat de prestaties van dit “fonds der referentie-indexen”45
(portefeuille der referentie-indexen/mimicking portfolio/benchmark) zo nauw mogelijk aansluiten bij de prestaties van het fonds (Lucas L. en Riepe M.W., 1996, blz.5).
Een voorbeeld kan deze definitie verduidelijken. Stel nu dat we voor een bepaalde tijdsperiode een stijlanalyse willen uitvoeren voor een bepaald fonds. We geven dit fonds 3
referentie-indexen: één voor Amerikaanse, één voor Europese en één voor Japanse aandelen.
We voeren nu de analyse uit (infra blz. 49) en bekomen het volgende resultaat: 50 % Amerikaanse aandelen, 30 % Europese aandelen en 20 % Japanse aandelen. De interpretatie
van de resultaten verloopt als volgt. Ons fonds gedroeg zich als het ware alsof het een gewicht (allocatie) had van 50% in de Amerikaanse referentie-index, 30% in de Europese referentieindex en 20% in de Japanse referentie-index. En dit natuurlijk steeds voor de beschouwde
tijdsperiode. De R² van de analyse geeft aan in welke mate de constante 50-30-20 allocatie de prestaties van het fonds weergeeft (Lucas L. en Riepe M.W., 1996, blz.5). Hoe hoger de R², hoe beter de rendementen van de ‘mimicking portfolio’ aansluiten bij de rendementen van het fonds, dus hoe beter de stijlanalyse (Lucas L. en Riepe M.W., 1996, blz.5). Deze R² wordt
berekend als 1-var(εt)/var(rt). Hierbij is εt de storingsterm en rt het rendement van het fonds
op tijdstip t (Sharpe W.F., 1992, blz. 8).
Stijlanalyses kunnen voor twee doeleinden gebruikt worden. Enerzijds worden ze gebruikt om
een fonds van referentie-indexen te creëren voor een fonds (Lucas L. en Riepe M.W., 1996,
blz.5). Anderzijds laten ze toe om de prestaties van een fonds te evalueren (prestatie-analyse) (Ter Horst et al., 2004, blz. 38).
43
Return based style analysis werd geïntroduceerd door W.F. Sharpe in 2 artikels: Determing a Fund’s Effective
Asset Mix (Sharpe W.F., 1988, blz. 59-69) en Asset allocation: Management Style and Performance Measurement (Sharpe W.F., 1992, blz. 7-19). 44 45
Deze referentie-indexen worden ook ‘style factors’ genoemd (Fung W. en Hsieh D.A., 2000, blz. 197)
Met het “fonds der indexen” bedoelen we dat we de verzameling van referentie-indexen kunnen bekijken als
één fonds dat belegt in elk van deze referentie-indexen (volgens de berekende gewichten).
49
5.4.3.1. Fonds der referentie-indexen (‘mimicking portfolio’) De eerste toepassing van stijlanalyse is het creëren van een fonds van referentie-indexen
(‘mimicking portfolio’) (Lucas L. en Riepe M.W., 1996, blz.5). Met andere woorden: het bepalen van de gewichten voor de potentiële referentie-indexen. Zoals hierboven reeds
vermeld, moeten we voor het uitvoeren van een stijlanalyse een groep van (potentiële)
referentie-indexen (‘benchmarks’) vooropstellen. Vaak zal men voor elke groep van
financiële instrumenten een index opnemen. Zo kan men een index opnemen voor cash, middellange-termijnobligatie, lange-termijnobligatie, aandelen, … (Lucas L. en Riepe M.W.,
1996, blz. 13). Wat betreft aandelen gaat men vaak nog vele onderverdelingen maken. Dit kan
men o.a. doen volgens de grootte van de bedrijven (‘small cap’, ‘large cap’), volgens soort (‘growth’, ‘value’), volgens sector, volgens land, volgens regio,… (Sharpe W.F., 1992, blz. 719).
Het kiezen van de juiste referentie-indexen is van cruciaal belang voor de stijlanalyse. Er zijn immers twee belangrijke fouten die gemaakt kunnen worden:
De eerste fout die men kan maken is het gebruik van referentie-indexen die (te) sterk met
elkaar gecorreleerd zijn. In dit geval zal het voor de stijlanalyse zeer moeilijk zijn om correcte gewichten aan de referentie-indexen toe te kennen (Lucas L. en Riepe M.W., 1996, blz. 18-19).
Een tweede fout die men kan maken is het gebruik van een onvolledige set van referentieindexen. In dit geval zal de stijlanalyse het erg moeilijk hebben om de rendementen van het fonds te verklaren aan de hand van een gewogen set van rendementen van de referentie-
indexen (Lucas L. en Riepe M.W., 1996, blz. 19), vooral wanneer we aan de gewichten van de referentie-indexen opleggen dat ze moeten sommeren tot 1 (infra blz. 51). Hierdoor moet
de stijlanalyse een ‘fit’ (passende gewichten) vinden met één of meerdere van de referentie-
indexen, ondanks het feit dat deze eigenlijk niet adequaat zijn. Deze fout zal normalerwijze resulteren in een lage R² (Lucas L. en Riepe M.W., 1996, blz. 19). De R² geeft dus de mate aan waarin het rendement van het fonds verklaard kan worden aan de hand van de gewogen rendementen van de referentie-indexen (Lucas L. en Riepe M.W., 1996, blz. 23). Maar het is
ook belangrijk om op te merken dat een hoge R² niet noodzakelijk betekent dat we een goede stijlanalyse hebben (Kaplan P.D., 2005, blz. 1).
Vervolgens gaan we de mathematische technieken overlopen waarop de stijlanalyse gebaseerd is. Hierbij bespreken we ook welke restricties we zullen opleggen en waarom we dit doen.
50
We beginnen met de zwakke stijlanalyse (‘weak style analysis’46). Bij de zwakke stijlanalyse worden er geen restricties aan het model opgelegd (Ter Horst et al., 2004, blz. 30). De basisvergelijking (de stijlvergelijking) is de volgende (Ter Horst et al., 2004, blz. 31): rt = α + b1 r1t + b2 r2 t + ... + bn rnt + ε t met:
E(εt) = 0 en E (ε t rkt ) = 0
rt = de rendementsvector (m rijen) voor het te onderzoeken fonds
b1, b2, ..., bn = de (te berekenen) gewichten voor de verschillende referentie-indexen r1t, r2t, ..., rnt = de rendementsvectoren (m rijen) van de verschillende referentieindexen
εt = de storingsterm α = de constante
m = het aantal tijdsperiodes
n = het aantal referentie-indexen In dit model zijn de α en de b’s (en εt) de onbekenden. De andere waarden zijn dus gegeven.
Verkort kunnen we deze vergelijking ook schrijven als (Fung W. en Hsieh D.A., 2000, blz. 190):
rt = α + ∑ bk rkt + ε t k
Voor dit model berekenen we de waarden voor de constante (α) en voor de gewichten (de b’s) zodat de som van de kwadraten van de storingstermen minimaal is (Ter Horst et al., 2004, blz. 31):
min E (ε t2 ) = min E (rt − α − ∑ bk rkt ) 2 α ,β α ,β k De eerste restrictie die we op dit model kunnen opleggen is de “portefeuille-restrictie”. Deze restrictie houdt in dat de som van de gewichten gelijk moet zijn aan 1 ( ∑ bk = 1 ). Een k
46
‘Weak style analysis’ wordt ook ‘generalized style analysis’ genoemd (Agarwal V. en Naik N.Y., 2000, blz.
93-109).
51
stijlanalyse met deze restrictie wordt een ‘semi-strong style analysis’ genoemd (Ter Horst et al., 2004, blz. 31).
Wanneer we nu naast de portefeuille-restrictie ook de restrictie opleggen dat alle gewichten positief moeten zijn (bk ≥ 0), dan spreken we van een ‘strong style analysis’ (Ter Horst et al., 2004, blz. 32).
Samengevat is het probleem dat we oplossen47 (Ter Horst et al., 2004, blz. 32): min E (ε t2 ) = min E (rt − α − ∑ bk rkt ) 2 α ,β α ,β k
∑b k
k
=1
bk ≥ 0
De vraag is natuurlijk of er voordelen verbonden zijn aan het opleggen van deze restricties.
Voor fondsen waarvan de werkelijke48 gewichten voldoen aan zowel de portefeuille-restrictie als de positieve-restrictie, zal het opleggen van deze twee restricties leiden tot een aanzienlijke toename van de efficiëntie van de analyse (Ter Horst et al., 2004, blz. 36). Door deze restricties op te leggen, kunnen de betrouwbaarheidsintervallen immers fors49
gereduceerd worden (Ter Horst et al., 2004, blz. 30).
Een empirisch bewijs hiervan werd geleverd door Ter Horst, Nijman en De Roon (Ter Horst
et al., 2004, blz. 34-36). Hieruit blijkt dat de betrouwbaarheidsintervallen steeds het kleinst zijn (en de efficiëntie dus het grootst is) voor de ‘strong style analysis’ (Ter Horst et al., 2004, blz. 34).
Zij schatten er de volgende vergelijking: rt = α + ∑ bk rkt + ε t k
Er worden hierbij 3 referentie-indexen vooropgesteld voor een bepaald fonds. De correlatie
(ρ) tussen deze referentie-indexen is respectievelijk 0.00, 0.33, 0.66. Verder is α = 0,
stdev(rkt) = 3%, stdev(εt) = 2.5%. Voor elk van deze correlaties worden de gemiddelde 95% betrouwbaarheidsintervallen van de geschatte coëfficiënten bk berekend op basis van 1000
simulaties. Hierbij wordt gebruik gemaakt van maandelijkse resultaten over een periode van 47
Naast het minimaliseren van de som der kwadraten van de storingstermen wordt soms ook het minimaliseren
van de variantie van de storingstermen gebruikt (Sharpe W.F., 1988, blz. 59-69). 48
De werkelijke gewichten mogen niet verward worden met de (bekomen) gewichten. Deze laatste zijn het
resultaat van de stijlanalyse. 49
Reducties tot 90% zijn mogelijk voor deze fondsen (Ter Horst et al., 2004, blz. 30).
52
60 maand. Voor de ‘strong style analysis’ wordt nog een onderverdeling gemaakt. De betrouwbaarheidintervallen die gerapporteerd worden, zijn gebaseerd op Kim-, Stone-, White
betrouwbaarheidsintervallen met ‘pretest levels’ van respectievelijk 5%, 10% en 50% (Ter Horst et al., 2004, blz. 35).
De betrouwbaarheidsintervallen zijn hierbij steeds het kleinst (en de efficiëntie dus het grootst) voor de ‘strong style analysis’.
Wanneer de werkelijke gewichten van een fonds echter niet voldoen aan deze restricties, dan kunnen we ‘biased’ resultaten bekomen (Ter Horst et al., 2004, blz. 36). Een voorbeeld van dergelijke fondsen zijn fondsen die short-posities aanhouden (Ter Horst et al., 2004, blz. 38).
Het niet opleggen van restricties zorgt er echter voor dat de gewichten quasi alle waarden kunnen aannemen. Dit is absoluut niet gewenst.
Daarnaast mogen we het belang van short-posities in stijlanalyses niet overdrijven. We kijken in stijlanalyses immers naar referentie-indexen en niet naar individuele aandelen. De kans dat een fonds ‘short’ gaat in een aandeel is niet te verwaarlozen, maar de kans dat een fonds ‘short’ gaat voor een hele referentie-index is zeer klein (Ter Horst et al., 2004, blz. 38).
Zowel op empirische als theoretische gronden besluiten we om in deze scriptie steeds gebruik te maken van de ‘strong style analysis’.
Daarnaast moeten we nog een keuze maken over de gebruikte tijdsperiode. Het meest
eenvoudige is gewoon voor elk fonds één (sterke) stijlanalyse uit te voeren voor de totale
periode waarin we geïnteresseerd zijn. Dit is echter niet aangewezen omdat de gewichten van
een fonds der referentie-indexen kunnen (zullen) veranderen in de tijd (Lucas L. en Riepe M.W., 1996, blz. 23).
Daarom zullen we voor onze stijlanalyse gebruik maken van een ‘36 maand moving average’ (36 maand voortschrijdend gemiddelde). Deze werkwijze laat ons toe de veranderingen van de gewichten over de verschillende ‘benchmarks’ over de tijd waar te nemen. De keuze voor
een ‘moving average’ van 36 maand is zeer gangbaar in de literatuur (Lucas L. en Riepe M.W., 1996, blz. 12), hoewel ook andere tijdsperiodes kunnen gebruikt worden. Het ‘36 maand moving average’ is enerzijds kort genoeg om veranderingen in de samenstelling van het fonds vast te stellen, maar anderzijds ook lang genoeg om de hoeveelheid ‘noise’ te beperken (Lucas L. en Riepe M.W., 1996, blz. 12).
53
5.4.3.2. Prestatie-analyse Naast het gebruik van stijlanalyses voor het bepalen van (de gewichten van) referentieindexen voor fondsen, kan men stijlanalyses ook gebruiken voor prestatie-analyses (Ter Horst
et al., 2004, blz. 38). Dit gebeurt door de rendementen van een fonds te vergelijken met de
rendementen van zijn fonds der referentie-indexen (Ter Horst et al., 2004, blz. 38). Voor deze prestatie-analyse grijpen we terug naar onze vereenvoudigde basisvergelijking maar we vervangen de gewone rendementen door ‘excess returns50’ (supra blz. 51): Rt = α + ∑ bk Rkt + ε t k
Hierbij is Rt de excess return van het fonds en
∑b R k
k
kt
de excess return van het fonds der
referentie-indexen. Het gevolg hiervan is dat de constante α het verwachte meer/minderrendement aangeeft van het fonds ten aanzien van zijn fonds der referentie-indexen
(‘mimicking portfolio’) (Ter Horst et al., 2004, blz. 38). In de literatuur wordt deze constante meestal Jensen’s alpha genoemd. Dit is dus ook de maatstaf die we in onze stijlanalyses gaan gebruiken.
De werking van de stijlanalyse met ‘excess returns’ is volledig analoog aan de stijlanalyse met “gewone” rendementen (supra blz. 49).
We gaan in onze stijlanalyses echter niet werken met ‘excess returns’. De reden hiervoor is een praktisch probleem. In onze stijlanalyses zullen we de gewichten van onze fondsen in ‘cash benchmarks’ nagaan. De ‘excess returns’ van cash zijn echter (per definitie51) 0. Het is dus onmogelijk om gebruik makend van ‘excess returns’, gewichten voor ‘cash benchmarks’ te bekomen. Vandaar dat we in onze analyses met ‘cash benchmarks’ gebruik maken van (gewone) rendementen.
De constante die we uitkomen bij stijlanalyses met gewone rendementen mogen we strikt gezien niet Jensen’s alpha noemen. Vermits deze maatstaf steeds met excess returns werkt. 50
De ‘excess return’ is de return van een fonds min de risicovrije rente. Voor deze laatste gebruiken we de 1
maand interbankenrente (de cash rendementen). 51
Je trekt immers van de cashrendementen de cashrendementen opnieuw af.
54
Maar de interpretatie van deze constante is juist dezelfde als de interpretatie van Jensen’s alpha. Deze constante geeft ook de out- /underperformance aan van het fonds ten opzicht van zijn ‘mimicking portfolio’. In het vervolg van deze scriptie zullen we steeds spreken over de alpha. Ongeacht we gewone of ‘excess returns’ gebruiken.
Voor de volledigheid wensen we toch nog een bemerking bij de alpha te geven. Ter Horst,
Nijman en De Roon stellen dat de alpha geen goede maatstaf is voor de prestatie-analyse (Ter
Horst et al., 2004, blz. 38). Enkel indien we in staat zijn om een perfect fonds van referentieindexen te construeren (dit is een fonds van referentie-indexen waarvoor de var(εt) = 0), dan zou een positieve waarde van de alpha (zeker) betekenen dat we het fonds strikt moeten
prefereren boven het fonds der referentie-indexen (Ter Horst et al., 2004, blz. 38). Maar dit
zal in de praktijk (bijna) nooit voorkomen. Een (normale) stijlanalyse zal immers steeds opleveren dat de var(εt) > 0. In dat geval zal een positieve waarde voor alpha niet
noodzakelijk betekenen dat het fonds strikt te prefereren is boven het fonds der referentieindexen. Het fonds kan immers ook risicovoller zijn dan het fonds der referentie-indexen (Ter Horst et al., 2004, blz. 38). Hiermee zal de alpha geen rekening houden.
De verklaring hierachter is de volgende. De variantie van de rendementen van het fonds wordt weergegeven door de volgende formule:
Var[ri,t] = Var[biRt + εi,t] = Var[biRt] + Var[εi,t] + 2Cov[biRt + εi,t] In deze formule zal de term 2Cov[biRt + εi,t] niet langer 0 zijn bij de ‘strong style analysis’. Dit is het gevolg van het opleggen van de restricties. Door deze restricties kan de storingsterm
gecorreleerd zijn met de rendementen van het fonds der referentie-indexen (Ter Horst et al., 2004, blz. 39). Hierdoor kan er een vertekening optreden. Een positieve alpha betekent dan
niet noodzakelijk dat het fonds zijn benchmark outperformt en een negatieve alpha betekent niet noodzakelijk dat het fonds zijn benchmark underperformt.
Een maatstaf die geen last ondervindt van het bovenstaande probleem is de Sharpe ratio. Daarom zou men volgens Ter Horst, Nijman en De Roon het best de Sharpe ratio gebruiken bij prestatie analyses met restricties (Ter Horst et al., 2004, blz. 38).
55
De Sharpe-ratio is de verhouding van het verwachte meerrendement van een fonds (of een
fonds der referentie-indexen) bovenop de risicovrije rente tot de standaardafwijking52 van dit fonds (of dit fonds der referentie-indexen) (Sharpe W.F.,1966, blz. 123):
SharpeRatioi =
ri ,t − R f σ i ,t
De Sharpe ratio hangt dus af van 3 elementen: het rendement (ri,t), de risicovrije rente (Rf) en de standaardafwijking (σi,t) (Sharpe W.F.,1966, blz. 123).
Wanneer we bij een prestatie-analyse willen uitmaken of een fonds strikt te prefereren is boven zijn fonds der referentie-indexen, dan berekenen we voor beiden de Sharpe ratio. Degene met de hoogste Sharpe ratio wordt strikt geprefereerd (Ter Horst et al., 2004, blz. 40).
We merken hierbij op dat de risicovrije rente zowel voor het fonds als het fonds der referentie-indexen hetzelfde is. De verschillen in de Sharpe ratio worden dus enkel
veroorzaakt door verschillen in het rendement en de standaardafwijking. Een fonds met een hoger rendement dan zijn fonds der referentie-indexen zal een hogere Sharpe ratio hebben,
behalve wanneer het rendementsvoordeel tenietgedaan wordt door een meer dan evenredig
hogere standaardafwijking (Ter Horst et al., 2004, blz. 38-39). We kunnen hier ook de link
naar de constante α leggen. Een positieve α voor een fonds houdt in dat dit fonds een hoger rendement heeft dan zijn fonds der referentie-indexen. Een positieve α zal dus tot uiting
komen in een grotere teller (Ter Horst et al., 2004, blz. 38).
We gaan echter niet verder ingaan op deze bemerkingen van Ter Horst, De Roon en Nijman.
In onze stijlanalyses gaan we toch gebruik maken van de alpha. En dit enerzijds op basis van het massale gebruik van de Jensen’s alpha in de literatuur (supra blz. 47) en anderzijds omdat
er geen vertekening zal zijn wanneer onze restricties relevant zijn. De restricties zijn relevant wanneer de fondsen niet short kunnen gaan (dus alle gewichten inderdaad groter zijn dan 0)
en de keuze van de benchmarks volledig is (dus dat de som van de gewichten werkelijk 1 is).
Deze twee restricties zullen zeker bij benadering kloppen. De vertekeningen zullen alleszins beperkt blijven53.
52 53
De standaardafwijking is een maatstaf voor risico (Rosenberg J.V. en Schuermann T., 2004, blz. 8).
Het beperkt blijven van ‘short posities’ (supra blz. 53)
56
5.4.4. Additionele maatstaven Naast de prestatiemaatstaven, zullen we nog twee additionele maatstaven toevoegen. Dit betreft een ‘market timing’ maatstaf (de ‘portfolio change measure’) en een ‘momentum’
maatstaf (de ‘lagged momentum measure’). We gaan deze maatstaven opnemen omwille van de extra inzichten die ze ons kunnen verschaffen in het beheer van fondsen. 5.4.4.1. Portfolio Change Measure (PCM) De ‘portfolio change measure’ is een maatstaf die onderzoekt of fondsenbeheerders de markt kunnen ‘timen’ (Grinblatt M. en Titman S., 1993, blz. 47-68).
Deze maatstaf heeft de volgende formule (Grinblatt M. en Titman S., 1993, blz. 51): PCM = ∑∑ T
N
t =1 i =1
met:
ri ,t (xi ,t − xi ,t − k ) T
xi,t = het gewicht in activa i bij het begin van periode t
ri,t = de return van activa i over periode t k = de vertraging (‘lag’)
T = het aantal observaties/periodes N= het aantal activa
In de literatuur wordt meestal gekozen voor een ‘lag’ van één kwartaal (Grinblatt M. en
Titman S., 1993, blz. 54) (Annaert J. et al., 2005, blz. 670) of vier kwartalen (Grinblatt M. en Titman S., 1993, blz. 54). In onze analyse zullen we de PCM dan ook berekenen voor ‘lags’
van respectievelijk één en vier kwartalen. We zullen echter ook de PCM berekenen voor een
lag van één maand en een lag van een half jaar. Het berekenen van een PCM met deze ‘lags’ lijkt ons een nuttige aanvulling op de literatuur.
De redenering achter deze maatstaf is de volgende. Men veronderstelt dat de verwachte rendementen constant zijn voor niet-geïnformeerde beleggers. Zij zullen dan ook geen
‘incentive’ (aanmoediging) hebben om hun portefeuille (gewichten) aan te passen.
Fondsenmanagers die superieure eigenschappen (‘skills’) en/of toegang tot private informatie hebben, zullen daarentegen hun portefeuille verschuiven doorheen de tijd. Zo trachten ze een positieve ‘market timing’ te bekomen. Wanneer de verwachtingen correct zijn en de
beheerder dus correct uitgemaakt heeft welke activa hogere en lagere rendementen zullen
bekomen, dan zal de portefeuille een positieve covariantie tussen de rendementen van de
57
activa en de portefeuilleveranderingen vertonen. Een positieve PCM dient dus als bewijs voor ‘market timing’ (Grinblatt M. en Titman S., 1993, blz. 47-68).
We kunnen de statistische significantie van de bekomen waarden voor de PCM eenvoudig
nagaan door het berekenen van de t waarde. Deze berekenen we aan de hand van volgende formule (Grauer R.R., 2000, blz. 13):
t = (PCM / σ (PCM )) T
met: σ(PCM) = de standaardafwijking (van de tijdreeks) van de PCM 5.4.4.2. Lagged Momentum Measure (LMM) De ‘lagged momentum measure’ (Grinblatt M. et al., 1995, blz. 1088-1105) is een maatstaf
die meet of fondsenbeheerders een ‘momentum’ strategie aanhouden (Grinblatt M. et al., 1995, blz. 1090).
De LMM meten we aan de hand van de volgende formule (Grinblatt M. et al., 1995, blz. 1090):
LMM = met:
1 T N ∑∑ (wi,t − wi,t −1 )Ri,t −k +1 T t =1 i =1
T = aantal observaties/periodes
N = het aantal activa
Ri,t-k+1 = het rendement van activa i over de periode van t – k tot t – k + 1 wi,t = het gewicht in activa i op tijdstip t
k = de lag
Deze maatstaf wordt in de literatuur vooral gebruikt met een ‘lag’ van één kwartaal (Grinblatt M. et al., 1995, blz. 1090) (Annaert J. et al., 2005, blz. 670). Maar uit de literatuur weten we ook dat het ‘momentum’ effect (vooral) relevant is voor een periode van 3 tot 12 maand
(Jegadeesh N. en Titman S., 1993, blz. 67). Daarom zullen we in onze analyse zowel de LMM
berekenen met een ‘lag’ van één, twee als vier kwartalen. Voor de volledigheid zullen we ook de LMM berekenen voor een lag van één maand.
De LMM meet de mate waarin een fondsenmanager zijn portefeuille verschuift in de richting van aandelen met hoge rendementen en weg van aandelen met lage rendementen. Een positieve LMM houdt dus in dat de nieuwe portefeuille een hoger rendement behaalde dan de
58
oude portefeuille (dus de portefeuille indien er geen veranderingen in de gewichten waren aangebracht) zou behaald hebben (Grinblatt M. et al., 1995, blz. 1090).
Maar de LMM is meer dan enkel een maatstaf voor ‘momentum’. Deze maatstaf kan ook
gebruikt worden als een maatstaf voor ‘reversal’. Hiervoor moeten we negatieve waarden voor de LMM uitkomen. Een negatieve waarde van deze maatstaf houdt immers in dat
fondsenbeheerders hun portefeuille verschuiven weg van aandelen die goed presteren en naar aandelen die slecht presteren.
Hoewel de LMM in de literatuur gebruikt wordt als ‘momentum’ maatstaf, kan deze maatstaf echter ook als ‘reversal’ maatstaf dienst doen.
5.5. Resultaten en interpretatie van de analyse In de vorige paragraaf hebben we besproken welke methodologie we gebruiken. In deze paragraaf gaan we deze methodologie toepassen.
Bij onze analyse zullen we echter steeds beginnen met een kort overzicht van enkele kerngegevens van de fondsen. De kerngegevens omvatten: •
Het gemiddelde rendement van het fonds
•
De standaardafwijking van het fonds. De standaardafwijking wordt gebruikt als een
•
De excess kurtosis54 van het fonds. Dit is een maatstaf voor de “puntigheid” van de
maatstaf voor het risico van het fonds (Bodie Z. et al., 2005, blz. 143).
verdeling. Een excess kurtosis van 0 komt overeen met een normale verdeling. Een positieve excess kurtosis betekent dikke staarten, een negatieve excess kurtosis houdt
dunne staarten in. Dikke staarten houden een grotere kans tot extreme waarden in.
Beleggers (die risico-avers zijn) willen een grote(re) kans op extreme negatieve waarden vermijden. Daarom prefereren ze een negatieve excess kurtosis. •
De scheefheid van het fonds. Dit is een maatstaf voor de mate van asymmetrie van een verdeling. Hierbij is het van belang om te weten dat beleggers een positieve
scheefheid prefereren op een negatieve scheefheid. Een positieve scheefheid houdt immers een grote kans in op een klein verlies en een kleine kans op een grote winst. 54
De excess kurtosis is de kurtosis - 3
59
Een negatieve scheefheid betekent een kleine kans op een groot verlies en een grote kans op een kleine winst. Omwille van de risico aversie van beleggers zullen ze zeer
afkering staat ten opzichte van een groot verlies. Zelfs al is de kans daartoe slechts klein. Hierdoor prefereren beleggers een positieve scheefheid (Bodie Z. et al., 2005, blz. 185-186). •
De value at risk van het fonds55. Dit is net zoals de standaardafwijking een maatstaf
voor het risico van het fonds. Deze maatstaf heeft echter als voordeel dat er niet uitgegaan wordt van de normale verdeling. Wij zullen in onze analyse de value at risk
voor het 95% significantieniveau opgeven. Deze value at risk stelt een percentage voor
en 5% van de (maand) rendementen van het fonds zijn kleiner dan dit percentage (Bodie Z. et al., 2005, blz. 153). •
Daarnaast geven we ook het gemiddelde rendement en de standaardafwijking van de benchmark. We gebruiken hier een “logisch” benchmark voor het fonds. Wanneer we
dus bv. lezen (op Morningstar of in de jaarverslagen) dat dit fonds momenteel voornamelijk in Amerikaanse aandelen belegt, dan nemen we de MSCI USA als benchmark (analoog voor andere landen/regio’s). Het is hierbij niet de bedoeling om
reeds een “perfecte” benchmark voorop te stellen, maar gewoon een relevant vergelijkingspunt te hebben. Het zal immers via de stijlanalyse zijn dat we op zoek gaan naar de meest geschikte benchmark.
Bij onze stijlanalyses streven we de volgende werkwijze na. We zijn eerst begonnen met het selecteren van de relevante benchmarks. Hiervoor zijn we gaan kijken naar de verschillende activa en de geografische zones waarin de fondsen beleggen. Hiertoe hebben we de
jaarverslagen en de beschrijvingen van Morningstar van deze fondsen doorgenomen. Wat betreft de verdeling over activa vonden we dat de meeste fondsen uitsluitend in aandelen beleggen. Er waren wel enkele fondsen die ook (beperkte) gewichten in cash hadden. De
gewichten in obligaties en andere activa56 waren steeds 0 of verwaarloosbaar. Daarom werken
we in onze stijlanalyse enkele met benchmarks voor aandelen en cash. Verder zijn we gaan
kijken naar de geografische zones (landen) waarin de fondsen beleggen. In onderstaande tabel geven we een overzicht: 55
Zowel de kurtosis, de scheefheid als de value at risk worden gewoon ter informatie opgegeven. In de
besprekingen gaan we er verder niet op in. 56
Opties, warrants, futures, …
60
Tabel 4: Overzicht van de geografische regio’s voor elk fonds
ABN AMRO Behavioural Finance Japan Fund Contrarian Equities @ Work Fortis Obam Heritage Series Trust Value Equity Fund Janus Contrarian Fund KBC Equity Fund Fallen Angels Kap Liontrust First Exempt Fund Liontrust First Growth fund Liontrust First Income fund Liontrust Prime Exempt Fund LSV Value Equity Fund Scudder-Dreman High Return Equity Fund Scudder-Dreman Small Cap Value Fund Scudder Focus Value + Growth Fund Scudder-Dreman Financial Services Fund Undiscovered Managers Behavioral Growth Fund Undiscovered Managers Behavioral Value Fund
Japanse aandelen (100%)57
Europese/Wereld aandelen58
Amerikaanse/Wereld aandelen59
Amerikaanse aandelen60 Amerikaanse aandelen
Amerikaanse/Wereld aandelen Britse aandelen Britse aandelen Britse aandelen Britse aandelen
Amerikaanse aandelen Amerikaanse aandelen Amerikaanse aandelen Amerikaanse aandelen Amerikaanse aandelen
Amerikaanse aandelen Amerikaanse aandelen
Na het opgeven van de kerngegevens van een fonds, gaan we een stijlanalyse (met 36 maand voortschrijdend gemiddelde) met aandelen- en cash ‘benchmarks’ op het fonds toepassen.
Aanvankelijk hadden we het idee om als ‘aandelenbenchmark’ enkel de MSCI EMU, MSCI
Japan, MSCI UK en MSCI USA te gebruiken. Dit zijn immers de grote blokken waarin belegd kan worden.
Maar gezien de grote aanwezigheid van Amerikaanse en Britse aandelenfondsen in onze analyse, leek het ons aangewezen om voor deze landen verdere onderverdelingen te maken.
Hier dachten we dan aan een opsplitsing volgens grootte (‘large cap’, ‘mid cap’ en ‘small cap’) en volgens soort (‘value’, ‘growth’). Voor de Amerikaanse aandelen vonden we de volgende 6 benchmarks: MSCI US Small Cap Growth, MSCI US Small Cap Value, MSCI US
57 58
De toevoeging 100% betekent dat dit fonds beweert uitsluitend in de opgegeven categorie te beleggen.
Dit fonds belegt overwegend in Europese aandelen, maar het fonds heeft ook belangrijke gewichten in andere
regio’s. Het streeft eigenlijk een mondiale portefeuille na, maar met overwegend Europese aandelen. 59 60
Idem vorige maar dan met overwegend Amerikaanse aandelen.
Deze fondsen beleggen voor het grootste deel in Amerikaanse aandelen. Maar nergens wordt beweerd dat ze
niet in andere activa of landen mogen beleggen (analoog voor Britse aandelen).
61
Mid Cap Growth, MSCI US Mid Cap Value, MSCI US Large Cap Growth, MSCI US Large Cap Value.
Voor de Brits aandelen vonden we geen benchmarks die zowel een opdeling naar grootte als naar soort lieten zien (en voldoende ver teruggaan in de tijd). Daarom beperkten we ons hier tot een opdeling naar grootte. De gebruikte Britse benchmarks zijn: FTSE 100 (Large Cap), FTSE 250 (Mid Cap), FTSE Small Cap.
Daarnaast kozen we er ook voor om de MSCI Asia ex. Japan op te nemen als benchmark, vermits verscheidene fondsen duidelijk vermeldden dat ze (sterk) in Azië (exclusief Japan) belegden.
Als ‘cashbenchmarks’ gebruiken we de Britse, de Amerikaanse, de Duitse en de Japanse 1maand interbancaire rente. Deze rentes gebruiken we trouwens niet alleen als cashrendementen maar ook als ‘proxi’ van de risicovrije rente.
Bij een stijlanalyse gaan we er steeds voor zorgen dat de (rendementen van de) ‘benchmarks’
uitgedrukt zijn in dezelfde munt als (de rendementen van) het fonds. Indien we de
(rendementen van de) ‘benchmarks’ niet kunnen downloaden in de gewenste munt, dan zullen we ze zelf omrekenen.
We hebben er bij de selectie van de benchmarks ook op gelet dat er geen (zo weinig mogelijk)
overlapping is tussen de verschillende ‘benchmarks’. We hebben immers gezien dat sterk gecorreleerde (en dus overlappende) ‘benchmarks’ niet aangewezen zijn (supra blz. 50).
Op basis van de uit de stijlanalyse bekomen resultaten gaan we verder. We gaan dan deze
resultaten afwegen tegen hetgeen we verwachten uit de jaarverslagen en de opgegeven fondsensamenstellingen die we vinden op de sites van Morningstar (en Yahoo). Deze
werkwijze lijkt ons aangewezen om te controleren of de resultaten uit de stijlanalyse overeenstemmen met hetgeen opgegeven wordt. Het zou onvoorzichtig zijn om zonder meer de resultaten van de stijlanalyse aan te nemen. Immers, indien de ingegeven ‘benchmarks’
niet geschikt zijn, dan zullen de resultaten uit de stijlanalyse ook niet correct zijn. Door het
vergelijken met de jaarverslagen en opgegeven samenstellingen proberen we dit soort fouten
op te sporen. Ook foutief uitgevoerde stijlanalyses zouden op deze manier aan het licht moeten komen. Dit betekent echter niet dat we verwachten om exact de gewichten uit te komen die in de jaarverslagen en de opgegeven samenstellingen staan. Dit zijn immers maar 62
momentopnames, terwijl onze stijlanalyse een hele periode bestrijkt. Verder kunnen de
opgegeven samenstellingen ook onnauwkeurig zijn. De data uit jaarverslagen en opgegeven fondsensamenstellingen werden afgehaald op 2/03/05 maar hebben betrekking op de samenstelling op 30/06/2004.
We geven eerst nog een overzicht van de gebruikte benchmarks, hun datastream codes en gebruikte afkortingen in onze stijlanalyse.
Tabel 5: Afkortingen en codes (Datastream) eigen analyse
Tenslotte geven we voor elk fonds de waarden voor de PCM en de LMM op en bespreken we de toegepaste strategie.
We gaan eerst elk fonds individueel bespreken61. Daarna gaan we de BF-fondsen in hun geheel bekijken en algemene besluiten proberen trekken.
61
We wensen ons hierbij bij de lezer te verontschuldigen voor de weinig afwisselende lectuur die deze herhaling
tot gevolg zal hebben
63
5.5.1. Undiscovered Managers Behavioral Growth Fund (UBRLX) Het eerste fonds dat we bespreken is het Undiscovered Managers Behavioral Growth Fund.
Dit fonds wordt beheerd door R.J. Fuller. Dit fonds zou momenteel hoofdzakelijk in
Amerikaanse aandelen investeren. In het bijzonder in ‘mid cap growth’ aandelen (Morningstar, 2005). Voor dit fonds hebben we data van 1/3/99 (de oprichting) tot 1/8/04. We geven eerst een kort overzicht van een aantal belangrijke gegevens over dit fonds: Tabel 6: Kerngegevens van Undiscovered Managers Behavioral Growth Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Op basis van een eenvoudige vergelijking met een marktindex (de MSCI USA) vinden we dat dit fonds duidelijk die marktindex outperformt. Het fonds behaalde immers een gemiddeld
rendement dat 8,4% hoger was dan dat van de marktindex. Maar we zien echter ook dat het risico (de standaardafwijking) van het fonds veel hoger is dan het risico van de marktindex. Een risico-rendementsanalyse is hier dus zeker op zijn plaats.
Het uitoefenen van een 36 maand moving average stijlanalyse geeft ons de volgende gewichten voor dit fonds:
64
Figuur 3: De gewichten van Undiscovered Managers Behavioral Growth Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream Volgens onze stijlanalyse belegt dit fonds inderdaad hoofdzakelijk in Amerikaanse aandelen. Gemiddeld bevat dit fonds 93,9% Amerikaanse aandelen. We zien ook duidelijk dat dit fonds
hoofdzakelijk in ‘growth’ aandelen belegt (92,8%). Maar in tegenstelling tot hetgeen we
verwachten zijn dit niet hoofdzakelijk ‘mid caps’ maar ‘small caps’. Dit fonds belegt immers
gemiddeld 50,3% in ‘US small cap growth’ aandelen en slechts 25,9% in ‘US mid cap
growth’ aandelen. We zien verder het steeds toenemend belang van de ‘small cap growth’ aandelen gedurende de periode. Het is nog interessant om op te merken dat dit fonds in het
begin van de periode enige Aziatische aandelen (exclusief Japan) aanhield en tegen het einde van de periode cash in Japanse yen aanhield.
Wat betreft de alpha’s bekwamen we de volgende resultaten:
65
Figuur 4: De alpha’s van Undiscovered Managers Behavioral Growth Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream We zien dat dit fonds in het eerste deel van de periode (beperkt) negatieve rendementen optekende. In het tweede deel van de periode waren de rendementen echter duidelijk positief.
Gemiddeld gezien bekwam dit fonds een alpha van 0,09% (op maandbasis). Dit komt dus
overeen met een outperformance van 1,1% per jaar ten opzichte van de stijlbenchmark. Dit is
duidelijk een stuk minder dan de outperformance van 8,4% bekomen via een eenvoudige vergelijking met de marktindex.
Wanneer we rekening houden met de 1,3% beheerskosten die aan dit fonds verbonden zijn, bekomen we een bruto outperformance van 2,4%.
De R² van onze stijlanalyse is gemiddeld 88,7%. Dit betekent dat 88,7% van de rendementen van het fonds verklaard kunnen worden door onze stijlanalyse. Dit is tamelijk veel.
Verder zijn we ook gaan kijken of dit fonds de markt kan timen en of dit fonds een momentum of reversal strategie aanhield.
Wat betreft de PCM en LMM bekomen we de volgende resultaten:
66
Tabel 7: De PCM en LMM van Undiscovered Managers Behavioral Growth Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
We zien dat geen enkele waarde voor de PCM statistisch significant62 is. De fondsenbeheerder was dus niet in staat om de markt te timen.
Dit fonds bleek wel een ‘momentum’ strategie aan te houden voor een periode van 1 kwartaal. De positieve waarde van de LMM is significant op het 90% significantie niveau. De goede
prestaties van deze korte termijn momentum strategie zijn volledig in overeenstemming met
de BF-theorie. Daar werd immers uitgegaan van een onderreactie in de korte periode (supra blz. 22).
5.5.2. Undiscovered Managers Behavioral Value Fund (UBVLX) Het Undiscovered Managers Behavioral Value Fund is een fonds dat hoofdzakelijk in
Amerikaanse aandelen belegt. Binnen de Amerikaanse aandelen wordt er overwegend in ‘small cap’ belegd (Morningstar, 2005). Ook dit fonds wordt beheerd door R.J. Fuller. Voor dit fonds hebben we gegevens voor de periode van 1/3/00 (de oprichting) tot 1/8/04. Een kort overzicht van een aantal kerngegevens:
Tabel 8: Kerngegevens van Undiscovered Managers Behavioral Value Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream en Yahoo Finance
62
We spreken hierbij over statistische significantie vanaf een significantieniveau van 90%.
67
Dit Amerikaans fonds vergelijken we met de MSCI USA. We zien hier dat dit fonds een
ongelooflijke (jaarlijkse) outperformance heeft van 18,8% op de marktindex. Hiertegenover
staat wel dat het risico (standaardafwijking) van het fonds hoger is dan het risico van de marktindex.
De stijlanalyse met een voortschrijdend gemiddelde van 36 maanden geeft ons de volgende gewichten:
Figuur 5: De gewichten van Undiscovered Managers Behavioral Value Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream en Yahoo Finance
We zien hier inderdaad dat dit fonds quasi uitsluitend in ‘small cap’ aandelen belegt. Van deze ‘small caps’ zijn er 74,5% Amerikaans en 25% Brits. De samenstelling van het fonds
verandert slechts beperkt gedurende de periode. We zien enkel een lichte stijging van de
Britse ‘small caps’ in het begin van de periode en een lichte stijging van de Amerikaanse ‘small cap growth’ aandelen op het einde van de periode. En dit steeds ten koste van Amerikaanse ‘small cap value’ aandelen.
Onze stijlanalyse levert de volgende alpha’s op:
68
Figuur 6: De alpha’s van Undiscovered Managers Behavioral Value Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream en Yahoo Finance
De alpha’s van dit fonds zijn uitmuntend. Gemiddeld behaalt dit fonds een alpha van 0,45% op maandbasis. Dit fonds presteert dus per jaar 5,5% beter dan zijn stijlbenchmark. We
merken evenwel op dat de outperformance op basis van de stijlanalyse maar liefst 13,3% lager is dan de outperformance t.o.v. de MSCI USA.
Dit fonds heeft 1,4% beheerskosten. Dus de bruto outperformance ten opzichte van de stijlbenchmark is 6,9% per jaar! Kortom we hebben hier te maken met een zeer goed beleggingsfonds.
De R² van deze stijlanalyse is gemiddeld 83,8%. Wat betreft ‘market timing’, ‘momentum’ en ‘reversal’ strategieën vonden we de volgende resultaten.
69
Tabel 9: De PCM en LMM van Undiscovered Managers Behavioral Value Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream en Yahoo Finance
Voor dit fonds vinden we zowel voor de PCM als de LMM geen significante waarden. Er is
dus geen aanwijzing voor ‘market timing’ en de strategie van de fondsenbeheerder valt ook niet (duidelijk) onder een ‘momentum’ of een ‘reversal’ strategie.
5.5.3. LSV Value Equity Fund (LSVEX) Ook het LSV Value Equity Fund belegt overwegend in Amerikaanse aandelen. Hier zouden
het evenwel hoofdzakelijk Amerikaans ‘large cap value’ aandelen zijn (Morningstar, 2005). Het fonds wordt beheerd door J. Lakonishok. We hebben voor dit fonds data van 1/10/99 (oprichting) tot 1/8/04.
Dit fonds heeft de volgende kerngegevens: Tabel 10: Kerngegevens van het LSV Value Equity Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream en Yahoo Finance
Het LSV Value Equity fonds presteert duidelijk beter dan MSCI USA. De outperformance is 9,2%. En zelfs de standaardafwijking (het risico) van dit fonds is lager dan de standaardafwijking van de marktindex.
70
Op basis van onze stijlanalyse met voortschrijdend gemiddelde van 36 maand vinden we de volgende gewichten:
Figuur 7: De gewichten van het LSV Value Equity Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream en Yahoo Finance
Deze gewichten zijn zeer interessant. Hoewel we verwachten dat dit fonds hoofdzakelijk in Amerikaanse ‘large cap value’ aandelen belegt, geeft de stijlanalyse iets compleet anders. De stijlanalyse geeft immers aan dat dit fonds verruit voor het grootste deel (72,2%) in
Amerikaanse ‘mid cap value’ aandelen belegt. Het gewicht in deze categorie is ook tamelijk
constant doorheen de periode. Er wordt gemiddeld slecht 9,7% in Amerikaanse ‘large cap
growth’ aandelen belegt. We kunnen dus stellen dat de vooropgestelde samenstelling van dit fonds misleidend is.
Verder bevat dit fonds ook een aanzienlijke hoeveelheid cash (10,6%): met name 7,6% US dollar en 3% yen.
Verder gaf de stijlanalyse ons de volgende alpha’s:
71
Figuur 8: De alpha’s van het LSV Value Equity Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream en Yahoo Finance
De alpha’s van dit fonds zijn een totale verrassing. In alle deelperiodes behaalde dit fonds een negatieve alpha! Daartegenover staat dat dit fonds zijn marktindex (de MSCI USA) met 9,2% outperformt. En zelfs het risico van het fonds was lager (supra blz. 70). Dit is een mooi
voorbeeld van hoe een eenvoudige vergelijking met de marktindex tot verkeerde conclusies kan leiden. Wanneer we op dit fonds een stijlanalyse toepassen, dan zien we dat dit fonds een
alpha (op maandbasis) heeft van -0,22%. Dit komt overeen met een jaarlijkse underperformance van 2,6% per jaar. Deze underperformance is te wijten aan het feit dat de
stijlbenchmark veel beter presteert dan de MSCI USA. Dit fonds outperformt dus wel sterk de markt, maar binnen de categorie van aandelen waarin dit fonds belegt, presteert dit fonds slecht.
Wanneer we rekening houden met de kosten (0,7%) dan bekomen we een bruto underperformance van 1,9%. De kostenstructuur van dit fonds is zeer laag. Ongeveer de helft van hetgeen gangbaar is voor deze categorie van fondsen (Morningstar, 2005). De R² van de stijlanalyse is gemiddeld 87,3%.
Wat betreft de ‘market timing’ en de strategie van de manager vonden we de volgende resultaten:
72
Tabel 11: De PCM en LMM van het LSV Value Equity Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream en Yahoo Finance
Ook deze cijfers zijn zeer interessant. De LMM voor 1 kwartaal is significant negatief op het 95% significantieniveau. Deze significante negatieve waarde houdt in dat het fonds een
‘reversal’ strategie toepast. En dit voor een periode van 1 kwartaal. Vanuit de theorie zagen we echter dat voor deze tijdspanne een ‘momentum’ strategie toegepast moet worden. De
‘reversal’ strategie is voor de lange termijn (3 jaar of meer). We verwachten dan ook vanuit
de theorie dat dit fonds een slechte performance zal neerzetten. En dit blijkt ook uit de praktijk.
Voor de PCM bekomen we geen significante resultaten.
5.5.4. Janus Contrarian Fund Het Janus Contrarian Fund zou een fonds zijn dat overwegend in Amerikaanse ‘large cap
growth’ aandelen belegt (Morningstar, 2005). Dit fonds wordt beheerd door D.C. Decker. Voor dit fonds behandelen we de periode vanaf zijn oprichting op 1/4/2000 tot 1/8/2004. Dit fonds heeft de volgende kerngegevens:
Tabel 12: Kerngegevens van het Janus Contrarian Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
73
Het Janus Contrarian Fund slaagt erin om een positief rendement neer te zetten over de
periode, en dit in tegenstelling tot zijn benchmark (de MSCI USA). Dit fonds presteert zelfs 7,4% beter dan zijn marktindex. Verder zien we wel dat het risico van het fonds hoger is dan het risico van de marktindex.
Met behulp van de stijlanalyse met 36 maand voortschrijdende gemiddelde vinden we de volgende gewichten voor dit fonds:
Figuur 9: De gewichten van het Janus Contrarian Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Dit fonds zou een ‘US large cap growth’ fonds zijn, maar dit blijkt helemaal niet uit de stijlanalyse. Volgens onze stijlanalyse belegt dit fonds gemiddeld slechts 1,4% in
Amerikaanse ‘large cap growth’ aandelen. De stijlanalyse bevestigt wel dat het overwegend in
Amerikaanse aandelen belegt (70%). De dominante activaklassen zijn respectievelijk de Amerikaanse ‘mid cap value’ aandelen (29,9%) en de Amerikaanse ‘small cap growth’
aandelen (27,8%). Verder zien we ook belangrijke gewichten in Aziatische aandelen (exclusief Japan) (13,8%) en Britse ‘small cap’ aandelen (11,4%). De R² van de stijlanalyse is hoog (91,4%).
De stijlanalyse gaf ons verder de volgende alpha’s: 74
Figuur 10: De alpha’s van het Janus Contrarian Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Ook voor dit fonds zijn de alpha’s verassend. In tegenstelling tot de sterke outperformance op
basis van de vergelijking met de marktindex, geeft de stijlanalyse een totaal ander beeld.
Enkel voor de laatste periodes kan het fonds zijn stijlbenchmark outperformen, maar al de
andere periodes presteert het duidelijk slechter dan zijn stijlbenchmark. Dit resulteert in een gemiddelde alpha van -0,27% per maand en komt overeen met een (netto) underperformance
van 3,2% per jaar. Rekening houdend met de relatief lage kosten (1%) is de bruto underperformance 2,2%.
We vonden voor de ‘market timing’ en de strategie van de manager de volgende resultaten: Tabel 13: De PCM en LMM van het Janus Contrarian Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
75
Voor dit fonds vonden we zowel voor de PCM als de LMM geen significante waarden63 op
het 90% significantieniveau. Er zijn dus geen aanwijzingen voor ‘market timing’, noch voor een ‘momentum’ of ‘reversal’ strategie.
5.5.5. Scudder-Dreman High Return Equity Fund Het Scudder-Dreman High Return Equity Fund is een fonds dat beheerd wordt door D.N.
Dreman. Dit fonds belegt overwegend in Amerikaanse ‘large cap value’ aandelen (Morningstar, 2005). Voor dit fonds hebben we data voor de periode van 1/2/93 tot 1/8/04. Dit fonds heeft de volgende kerngegevens:
Tabel 14: Kerngegevens van het Scudder-Dreman High Return Equity Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
We zien dat dit fonds een zeer kleine outperformance behaalt ten opzichte van de MSCI USA
(zijn marktindex). We merken echter wel op dat het risico van het fonds iets hoger is dan het risico van de marktindex.
Op basis van de stijlanalyse met 36 maand voortschrijdend gemiddelde bekomen we de volgende gewichten:
63
Dit is het gevolg van de zeer beperkte hoeveelheid waarnemingen (en dus ook vrijheidsgraden) die we voor dit
fonds hebben.
76
Figuur 11: De gewichten van het Scudder-Dreman High Return Equity Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Uit de stijlanalyse blijkt dat dit fonds inderdaad hoofdzakelijk in Amerikaanse ‘large cap value’ aandelen belegt (65,4%). We zien echter ook dat voor de periodes64 van 1999 tot begin
2002 het grootste deel van dit fonds belegd was in Amerikaanse ‘mid cap value aandelen’. Verder zien we in de eerste jaren nog een belangrijk gewicht in Amerikaanse ‘large cap
growth’ aandelen. Daarnaast zijn er nog een aantal benchmarks die kleine gewichten krijgen (voor beperkte periodes).
De R² van deze stijlanalyse is gemiddeld 77,8%. Deze stijlanalyse geeft ons de volgende alpha’s:
64
Dit zijn de periodes die eindigen in 2001 en begin 2002.
77
Figuur 12: De alpha’s van het Scudder-Dreman High Return Equity Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
We zien hier dat voor het eerste deel van de periode de prestaties van het fonds weinig afwijken van de prestaties van de stijlbenchmark. Voor het tweede deel (1998-2000)
underperformt dit fonds zijn stijlbenchmark aanzienlijk. In het laatste deel van de periode (2001-2003) outperformt dit het zijn stijlbenchmark. Ruw gezien presteert dit fonds aanzienlijk slechter dan zijn benchmark in goede beursjaren (1998-2000) en aanzienlijk beter in slechte beurstijden (2001-2003).
Gezien de lage(re) R² is het misschien mogelijk dat dit fonds minder risicovol is dan zijn stijlbenchmark en hierdoor kleinere stijgingen (dus een underperformance) vertoont in goede
perioden, respectievelijk kleinere dalingen (dus een outperformance) vertoont in slechte perioden.
Gemiddeld behaalde dit fonds een alpha van -0,07% per maand. Dit fonds underperformt dus
zijn stijlbenchmark met gemiddeld 0,8% per jaar. Het fonds heeft wel een bruto outperformance van 0,7% per jaar.
Wat betreft de ‘market timing’ en de strategie van de manager vonden we de volgende resultaten:
78
Tabel 15: De PCM en LMM van het Scudder-Dreman High Return Equity Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
We bekomen een significante waarde (90%) voor de PCM voor een half jaar. Deze fondsenbeheerder slaagt er dus in om voor een periode van een half jaar de markt te timen.
Voor LMM vonden we geen significante resultaten. Er zijn dus geen aanwijzingen voor een ‘momentum’ of ‘reversal’ strategie.
5.5.6. Scudder-Dreman Small Cap Value Fund Het Scudder-Dreman Small Cap Value Fund is een fond dat hoofdzakelijk in Amerikaanse
‘small caps’ belegt. Het wordt beheerd door D.N. Dreman (Morningstar, 2005). Voor dit fonds hebben we gegevens voor de periode van 1/12/93 tot 1/8/2004. Dit fonds heeft de volgende kerngegevens:
Tabel 16: Kerngevens van het Scudder-Dreman Small Cap Value Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Dit fonds presteert iets slechter (1,1%) dan de MSCI USA. Ook het risico van dit fonds is hoger dan dat van de MSCI USA.
De stijlanalyse met 36 maand voortschrijdend gemiddelde geeft ons de volgende gewichten voor dit fonds:
79
Figuur 13: De gewichten van het Scudder-Dreman Small Cap Value Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Dit fonds belegt inderdaad hoofdzakelijk in Amerikaanse ‘small caps’ (75,7%). Wanneer we dit iets gedetailleerder bekijken dan belegt dit fonds gemiddeld 58,2% in ‘US small cap value’ aandelen en gemiddeld 17,5% in ‘US small cap growth’ aandelen. We zien wel dat dit fonds
in het begin van de periode een groot gewicht had in Amerikaanse ‘mid cap growth’ aandelen. Verder blijkt ook dat voor de meest recente periode de gewichten in de ‘US small cap value’ aandelen dicht bij de 100% zitten.
Deze stijlanalyse heeft een R² van gemiddeld 85,6%. Verder levert de stijlanalyse ons de volgende alpha’s op:
80
Figuur 14: De alpha’s van het Scudder-Dreman Small Cap Value Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
We zien dat de alpha’s voor de deelperioden van 2000 tot het einde van de periode65 dicht bij
de 0 zitten. Voor de periode daarvoor behaalt dit fonds echter aanzienlijk negatieve alpha’s. Enkel voor de beginperiode zijn de alpha’s positief. Gemiddeld behaalt dit fonds een alpha van -0,36% per maand. Dit fonds presteert dus (netto) 4,2% slechter dan zijn stijlbenchmark.
Wanneer we rekening houden met de zeer hoge kosten (2%), dan bekomen we een bruto underperformance van 2,2%.
Wat betreft de ‘market timing’ en de strategie van de fondsenbeheerder vonden we de volgende resultaten:
Tabel 17: De PCM en LMM van het Scudder-Dreman Small Cap Value Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream 65
Dus de 36 maand periodes eindigend in 2003 en 2004.
81
Voor de PCM vonden we geen significante resultaten. We vinden dus geen aanwijzing dat deze fondsenbeheerder de markt kan timen.
Voor de LMM vonden we een significant positieve waarde op het 90% significantieniveau voor de jaarlijkse data . Dit betekent dat de fondsenbeheerder een ‘momentum’ strategie
aanhoudt op jaarbasis. Vanuit de theorie zagen we dat een ‘momentum’ strategie op jaarbasis inderdaad de gepaste strategie is. De negatieve alpha’s van dit fonds zijn dan ook verassend en in tegenspraak met hetgene we verwachten vanuit de theorie. 5.5.7. Scudder Focus Value + Growth Fund Het Scudder Focus Value + Growth Fund wordt beheerd door D.N. Dreman. Dit fonds zou
hoofdzakelijk beleggen in Amerikaanse ‘large cap growth’ aandelen (Morningstar, 2005). Voor dit fonds hebben we gegevens van 1/1/96 tot 1/8/04. Dit fonds heeft de volgende kerngegevens:
Tabel 18: Kerngevens van het Scudder Focus Value + Growth Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Dit fonds presteert duidelijk slechter dan de MSCI USA. De underperformance ten opzichte van de marktindex is 6,7%. Daarbovenop is het risico van dit fonds hoger dan het risico van de MSCI USA.
De stijlanalyse met 36 maand voortschrijdend gemiddelde geeft ons de volgende gewichten voor dit fonds:
82
Figuur 15: De gewichten van het Scudder Focus Value + Growth Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Uit de stijlanalyse blijkt dat dit fonds inderdaad hoofdzakelijk in Amerikaanse ‘large caps’ belegt (67,9%). Het blijkt echter niet duidelijk dat dit hoofdzakelijk ‘US large cap growth’
aandelen zijn. Gemiddeld belegt dit fonds 34,7% in ‘US large cap value’ aandelen en 33,2%
in ‘US large cap growth’ aandelen. Daarnaast belegt dit fonds ook nog een aanzienlijk deel in Amerikaanse ‘mid caps’ en ‘small caps’ (samen 20,7%).
Verder zijn ook de gewichten in dollars (3,9%) en yen (3,5%) te vernoemen. Al zijn deze cash gewichten wel hoofdzakelijk geconcentreerd in het middendeel van de periode. De R² van de stijlanalyse is gemiddeld 84,8%.
Deze stijlanalyse gaf ons verder de volgende alpha’s:
83
Figuur 16: De alpha’s van het Scudder Focus Value + Growth Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
De alpha’s van dit fonds zijn over heel de periode (fors) negatief. Voor de laatste jaren zien we een wel aanzienlijke verbetering van alpha’s. Gemiddeld behaalt dit fonds een alpha van
-0,64%. Dit betekent een jaarlijkse (netto) underperformance van 7,4%. Bruto is de underperformance 5%. We zien dat dit fonds zeer hoge kosten (2,4%) aanrekent voor erbarmelijke prestaties.
Voorts zijn we ook gaan kijken of deze manager de markt kan timen en welke strategie deze manager aanhield:
Tabel 19: De PCM en LMM van het Scudder Focus Value + Growth Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
84
Voor dit fonds vinden we geen indicatie dat de manager de markt kan timen. De waarden van de PCM zijn steeds niet significant.
Voor de LMM vinden we een significante negatieve waarde op kwartaalbasis (op het 95%
significantie niveau). Deze negatieve waarde houdt in dat het fonds een ‘reversal’ strategie uitvoert op kwartaalbasis. Maar zoals reeds vermeld moet men volgens de theorie op kwartaalbasis een ‘momentum’ strategie uitvoeren. De zeer negatieve alpha’s zijn dus logisch op basis van de theorie.
5.5.8. Scudder-Dreman Financial Services Fund Dit is het vierde (en laatste fonds) beheert door D.N. Dreman dat we gaan bespreken. Het Scudder-Dreman Financial Services Fund is een fonds dat hoofdzakelijk in Amerikaanse
‘large cap value’ aandelen belegt. Voor dit fonds hebben we data vanaf 1/4/98 (de oprichting) tot 1/8/04.
Dit fonds heeft de volgende kerngegevens: Tabel 20: Kerngegevens van het Scudder-Dreman Financial Services Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Het Scudder-Dreman Financial Services Fund presteert 3,7% beter dan zijn marktindex (de MSCI USA). Dit fonds heeft echter ook een hoger risico dan de MSCI USA.
Op basis van de stijlanalyse met 36 maand voortschrijdend gemiddelde vinden we de volgende gewichten voor dit fonds:
85
Figuur 17: De gewichten van het Scudder-Dreman Financial Services Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Dit fonds belegt inderdaad voor het grootste deel in ‘US large cap value’ aandelen.
Gemiddeld is dit voor 78,1%. We zien wel dat de gewichten in de eerste helft van de periode dicht bij (en op) de 100% liggen. Voor de tweede helft van de periode liggen de gewichten echter rond de 50%. Verder zien we dat dit fonds gemiddeld voor 10,9% belegt in ‘US mid
cap value’ aandelen. In de tweede helft van de periode zien we ook een noemenswaardig gewicht in EMU aandelen en in Britse pond.
De R² van deze stijlanalyse is gemiddeld 73%. Dit is (zeer) laag.
86
Figuur 18: De alpha’s van het Scudder-Dreman Financial Services Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Uit de stijlanalyse blijkt dat dit fonds zeer goede prestaties neerzet. Over quasi heel de periode zijn de alpha’s positief. Gemiddeld behaalt dit fonds een alpha van 0,24% per maand. Dit
fonds presteert dus 3% beter dan zijn stijlbenchmark (op jaarbasis). We zien ook dat de
outperformance duidelijk het grootst is voor het middendeel van de periode. Voor de eerste en laatste perioden zien we zelfs licht negatieve alpha’s. De bruto outperformance van dit fonds in 4,4%.
Ook voor dit fonds bekijken we de ‘market timing’ kwaliteiten van de fondsenmanager en de gevolgde strategie.
Tabel 21: De PCM en LMM van het Scudder-Dreman Financial Services Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
87
Zowel voor de PCM als de LMM vonden we geen significante waarden. We vonden dus geen indicatie voor ‘market timing’ noch voor een ‘momentum’ of ‘reversal’ strategie.
5.5.9. Liontrust First Exempt Fund Nadat we een hele reeks van Amerikaanse fondsen besproken hebben gaan we nu vier Britse fondsen bespreken. Deze vier fondsen zijn allemaal producten van Liontrust Asset Management.
Het eerste fonds is het Liontrust First Exempt Fund. Dit fonds belegt hoofdzakelijk in Britse aandelen en wordt beheerd door J. Lang (Liontrust, 2005). Voor dit fonds hebben we data van 1/1/99 (de oprichting) tot 1/8/2004.
Verder heeft dit fonds de volgende kerngegevens: Tabel 22: Kerngegevens van het Liontrust First Exempt Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Wie zien dat dit fonds 5,9% beter presteert dan zijn marktindex. Voor deze overwegend in
Britse aandelen beleggende fondsen, gebruiken we de MSCI UK als marktindex. Maar ook hier gaat dit (veel) hogere rendement gepaard met een (iets) hoger risico.
Gebruik makend van de stijlanalyse met 36 maand moving average bekomen we de volgende gewichten voor dit fonds:
88
Figuur 19: De gewichten van het Liontrust First Exempt Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
We stellen vast dat dit fonds inderdaad overwegend in Britse aandelen belegt (66,7%):
gemiddeld 49% UK ‘large caps’ en 17,7% UK ‘mid caps’. Dit fonds belegt niet in Britse ‘small caps’. We zien verder ook aanzienlijke gewichten in cash (gemiddeld 20,8%). We zien
ook dat wat betreft cash dit fonds in de eerste helft van de periode vooral in euro (en yen) belegde. In het tweede deel van de periode zijn het vooral ponden. Deze gewichten in cash
zijn zeer hoog voor een aandelenfonds. We wensen echter wel op te merken dat de fondsenbeheerder zelf benadrukt dat hij een belangrijk gewicht in cash aanhoudt. Hij streeft immers een gemiddelde hoeveelheid cash van 7,5% na. Hij wil wanneer hij interessante aandelen ziet, niet gedwongen worden om andere aandelen te verkopen. Het lijkt ons dan ook
niet aangewezen om deze cashbenchmarks uit onze analyse weg te laten. Dit is trouwens van toepassing op alle Liontrust fondsen.
Verder merken we nog op dat dit fonds in de eerste helft van de periode een aanzienlijk gewicht had in EMU aandelen en Amerikaanse ‘mid cap growth’ aandelen. De R² van deze stijlanalyse is gemiddeld 79,4%.
Deze stijlanalyse geeft ons verder de volgende alpha’s:
89
Figuur 20: De alpha’s van het Liontrust First Exempt Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Dit Liontrust First Exempt Fund presteert veel beter dan zijn stijlbenchmark. De alpha’s zijn in bijna heel de periode (duidelijk) positief. Gemiddeld behaalt dit fonds een alpha van 0,25% (op maandbasis). Op jaarbasis outperformt het zijn stijlbenchmark met 3,1%. Verder heeft dit fonds 1,5% beheerskosten. De bruto outperformance is dus 4,6%.
Vervolgens kijken we of deze fondsenbeheerder de markt kan timen en welke strategie hij aanhoudt:
Tabel 23: De PCM en LMM van het Liontrust First Exempt Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Voor de PCM bekomen we geen significante resultaten. Ondanks de goede resultaten van dit fonds vinden we toch geen indicatie voor ‘market timing’.
90
Voor de LMM vinden we een significant negatieve waarde op het 90% significantieniveau.
En dit voor een periode van een maand. Dit fonds voert dus op maandbasis een ‘reversal’ strategie uit. We kunnen evenwel geen uitspraak doen of de goede prestaties die voortvloeien
uit de ‘reversal’ strategie in overeenstemming zijn met de theorie. De theorie stelt immers dat een ‘momentum’ strategie voor kwartaal, half jaar en jaarbasis is. De ‘reversal’ strategie is voor de lange termijn (3 jaar of meer) en de zeer korte termijn (een dag tot een week). Er wordt echter niets gezegd over de geschikte strategie op maandbasis.
5.5.10. Liontrust First Growth Fund Ook het Liontrust First Growth Fund is een fonds dat onder het beheer van J. Lang staat en hoofdzakelijk in Britse aandelen belegt (Liontrust, 2005). Voor dit fonds hebben we data voor de periode van 1/4/1993 tot 1/8/2004.
Dit fonds heeft de volgende kerngegevens: Tabel 24: Kerngegevens van het Liontrust First Growth Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Het Liontrust First Growth Fund outperformt zijn marktindex (de MSCI UK) met 2,6% per jaar. Bovendien is het risico van dit fonds lager dan dat van de marktindex.
Een grondige analyse voor dit fonds deden we aan de hand van een stijlanalyse met 36 maand voortschrijdend gemiddelde. Zo bekomen we de volgende gewichten:
91
Figuur 21: De gewichten van het Liontrust First Growth Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Het Liontrust First Growth Fund belegt zoals verwacht voor het grootste deel in Britse aandelen (gemiddeld 72,3%). Dit betreft gemiddeld 39,8% in Britse ‘large caps’, 7,7% in
Britse ‘mid caps’ en 25,8% in Britse ‘small caps’. We zien wel dat er gedurende de periode een verschuiving was van overwegend Britse ‘small caps’ naar overwegend Britse ‘large caps’. Daarnaast zien we ook nog een belangrijk gewicht in Britse pond (gemiddeld 15,9%). De R² van deze stijlanalyse is gemiddeld 83,2%. Deze stijlanalyse geeft ons de volgende alpha’s:
92
Figuur 22: De alpha’s van het Liontrust First Growth Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Het Liontrust First Growth Fund heeft een gemiddelde alpha van 0,25% per maand. Dit fonds
presteert dus op jaarbasis gemiddeld 3% beter dan zijn stijlbenchmark. Ondanks deze goede gemiddelde performance zien we wel dat voor de meest recente jaren, duidelijk negatieve alpha’s worden neergezet.
De gemiddelde bruto outperformance van dit fonds is 4,5%. Wat betreft ‘market timing’ en de gevolgde strategie vonden we het volgende: Tabel 25: De PCM en LMM van het Liontrust First Growth Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
93
Zowel voor de PCM als voor de LMM vinden we geen significante waarden. Er zijn dus geen aanwijzingen voor ‘market timing’, noch voor een ‘momentum’of ‘reversal’ strategie.
5.5.11. Liontrust First Income Fund Het Liontrust First Income Fund is wederom een fonds dat hoofdzakelijk in Britse aandelen belegt en beheerd wordt door J. Lang (Liontrust, 2005). We hebben gegevens voor de periode 1/6/92 tot 1/8/04.
Dit fonds heeft volgende kerngegevens: Tabel 26: Kerngegevens van het Liontrust First Income Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Dit fonds presteert 4,1% beter dan de MSCI UK. We zien wel dat het risico van het fonds iets hoger is dan het risico van de MSCI UK.
Gebruik makend van de stijlanalyse met 36 maand voortschrijdend gemiddelde vinden we de volgend gewichten voor dit fonds:
94
Figuur 23: De gewichten van het Liontrust First Income Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Het Liontrust First Income Fund belegt gemiddeld 66,6% in Britse aandelen. We zien dat de
samenstelling van de Britse aandelen grondig verschuift doorheen de periode. Aanvankelijk zijn het vooral Britse ‘small caps’. In het middendeel van de periode domineren de Britse
‘large caps’. In het laatste deel zijn het dan weer de Britse ‘mid caps’ die het best
vertegenwoordigd zijn. Gemiddeld wordt 26,4% belegd in Britse ‘large caps’, 24,3% in Britse ‘small caps’ en 15,9% in Britse ‘mid caps’.
We zien recent ook een belangrijk gewicht in Amerikaanse ‘mid cap value’ aandelen. Wat betreft cash zien we aanzienlijke gewichten in euro (7,4%) en in ponden (6,5%). De R² van de stijlanalyse is gemiddeld 80,8%.
Deze stijlanalyse leverde ons de volgende alpha’s op:
95
Figuur 24: De alpha’s van het Liontrust First Income Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
De stijlanalyse wijst uit dat dit een zeer goed fonds is. De gemiddelde alpha van het Liontrust First Income Fund is 0,22% (per maand). Dit komt overeen met een jaarlijkse outperformance
van 2,7%. Het is zeer sterk voor een fonds om over een periode van meer dan 12 jaar,
gedurende elk jaar 2,7% beter te presteren dan de stijlbenchmark. Verder zien we dat de prestaties de laatste jaren zelfs nog een stuk beter zijn dat het gemiddelde van dit fonds.
Rekening houdend met de 1,5% kosten, presteert dit fonds bruto 4,2% beter dan zijn stijlbenchmark.
Ook voor dit fonds bekijken we of deze fondsenmanager de markt kan timen en ofdat er misschien een ‘momentum’ of ‘reversal’ strategie aangehouden wordt.
Tabel 27: De PCM en LMM van het Liontrust First Income Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
96
Voor dit fonds vinden we geen significante waarden voor de PCM en de LMM. De fondsenmanager kan de markt niet timen en de gevoerde strategie stemt niet overeen met een ‘momentum’ of ‘reversal’ strategie.
5.5.12. Liontrust Prime Exempt Fund Het Liontrust Prime Exempt Fund is het laatste fonds in de rij dat hoofdzakelijk in Britse
aandelen belegt en beheerd wordt door J. Lang (Liontrust, 2005). Hiervoor hebben we data van 1/4/01 tot 1/8/04.
De kerngegevens van dit fonds zijn de volgende: Tabel 28: Kerngegevens van het Liontrust Prime Exempt Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream Gedurende deze periode presteert het Liontrust Prime Exempt Fund 2,5% beter dan zijn benchmark (de MSCI UK). Het risico van dit fonds is daarbovenop nog eens lager dan het risico van de MSCI UK.
We voeren nu een stijlanalyse met 36 maand voortschrijdend gemiddelde uit op dit fonds.
Gezien de korte looptijd van dit fonds hebben we slechts 5 voortschrijdende gemiddelden. Aan de hand van deze stijlanalyse vinden we de volgende gewichten:
97
Figuur 25: De gewichten van het Liontrust Prime Exempt Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Dit fonds belegt gemiddeld 68,7% in Britse ‘large caps’ en 3,9% in Britse ‘mid caps’. Het
fonds belegt evenwel niet in Britse ‘small caps’. Maar met 72,6% Britse aandelen is dit inderdaad een overwegend Brits fonds.
Verder zien we wel dat 10,9% belegd wordt in ‘US small cap value’ aandelen. Daarnaast wordt 9,4% in Britse pond en 6,1% in euro belegd.
Over deze korte tijdsperiode veranderen de gewichten slechts heel beperkt.
De R² van deze stijlanalyse is gemiddeld 95,9%. Dit is zeer hoog! De stijlbenchmark die we gevonden hebben, sluit dus zeer goed aan bij dit fonds.
Naast de gewichten leverde deze stijlanalyse ons de volgende alpha’s op:
98
Figuur 26: De alpha’s van het Liontrust Prime Exempt Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream
Voor het Liontrust Prime Exempt Fund hebben we slechts 5 alpha’s. Van deze alpha’s zijn er 4 positief en 1 negatief. De gemiddelde alpha van dit fonds op maandbasis is 0,05%. Op
jaarbasis levert dit een netto outperformance van 0,6% op. Bruto presteert dit fonds 2,1% beter dan zijn stijlbenchmark.
Wegens het beperkt aantal waarnemingen, heeft het geen zin om de PCM en de LMM te berekenen.
5.5.13. ABN AMRO Behavioural Finance Japan Fund Naast de vele Amerikaanse en Britse fondsen, bekijken we ook 1 Japans fonds. Het ABN
AMRO Behavioural Finance Japan Fund is een fonds dat uitsluitend in Japanse aandelen
belegt (Morningstar, 2005). Het fonds is uitgedrukt in Japanse yen en wordt beheerd door Patrick Ho (Morningstar, 2005). Voor dit fonds hebben we enkel gegevens voor de periode van 1/7/2001 tot 1/8/2004.
Dit fonds heeft de volgende kerngegevens:
99
Tabel 29: Kerngegevens van het ABN AMRO Behavioural Finance Japan Fund
Bron: eigen berekeningen op basis van gegevens uit Datastream en Finanzpartner Voor dit fonds gebruiken we vanzelfsprekend de MSCI Japan als (markt)index. Dit fonds
presteert 4,6% slechter dan de MSCI Japan. Tegenover deze grote underperformance staat wel een iets kleiner risico.
Op dit fonds gaan we geen stijlanalyse met voortschrijdend gemiddelde toepassen. We hebben immers maar 37 waarnemingen66. We gaan gewoon één stijlanalyse uitvoeren voor de hele periode. We gebruiken hierbij dezelfde 16 benchmarks als hierboven. Deze stijlanalyse geeft ons een gewicht van 71,3% in Japanse aandelen en 28,7% in yen (dus in Japanse cash). Al de andere gewichten zijn gelijk aan 0. De stijlanalyse bevestigt dus dat dit fonds uitsluiten in Japan belegt.
De stijlanalyse geeft ons verder een alpha van -0,42% per maand. Dit fonds presteert dus 5,2% per jaar slechter dan zijn benchmark.
Vermits dit fonds enkel in Japanse aandelen belegt hadden we hier ook een één-marktfactor model kunnen toepassen. Ook in dat geval bekomen we een alpha van ook -0,42 per maand en een gewicht (beta67) van 71,3%.
We wensen wel op te merken dat het niet altijd zo is dat een sterke stijlanalyse die enkel maar
in aandelen en cash (van hetzelfde land) belegt68, dezelfde resultaten oplevert als een éénmarktfactor model. Bij de sterke stijlanalyse leggen we immers restricties aan de gewichten op (supra blz. 52). Bij het één marktfactor model zullen er geen restricties op de beta
66 67 68
We kunnen hier maar 2 voortschrijdende gemiddelden van 36 maand uithalen. De beta geeft de blootstelling aan de (ene) marktfactor weer.
Dus een sterke stijlanalyse met 2 benchmarks: een aandelenindex en de (bijhorende) cashindex.
100
opgelegd worden. Het is enkel omdat de restricties hier geen belang hebben, vermits de beta toch tussen de 0 en de 1 ligt, dat we dezelfde resultaten uitkomen.
Dit fonds rekent 1,7% kosten aan, dus de bruto underperformance is 3,5%.
De R² van deze analyse is slechts 65,4%. Dit is zeer laag. Maar dat is begrijpelijk vermits we maar met 1 (relevante) benchmark (twee benchmarks69) werken.
Ook voor dit fonds hebben we onvoldoende waarnemingen om de PCM en de LMM te berekenen.
5.5.14. KBC Equity Fund Fallen Angels Kap We ronden ons eigen onderzoek af met nog 3 Europese beleggingsfondsen. In tegenstelling tot de behandelde Amerikaanse en Britse beleggingsfondsen, zullen die niet zo dominant in
het eigen land (regio) beleggen. Deze Europese beleggingsfondsen gaan eerder een goed
gespreide wereldportefeuille trachten na te streven. We gaan deze fondsen dan ook vergelijken met de MSCI World.
Het eerste Europese fonds is het KBC Equity Fund Fallen Angels Kap. Dit fonds streeft een
goede spreiding over heel de wereld na. Het zou overwegend in Amerikaanse aandelen beleggen, maar ook andere regio’s zouden sterk vertegenwoordigd zijn (KBC, 2005). We hebben gegevens vanaf de oprichting op 1/5/99 tot 1/8/2004. Dit fonds heeft de volgende kerngegevens: Tabel 30: Kerngegevens van het KBC Equity Fund Fallen Angels Kap
Bron: eigen berekeningen op basis van gegevens uit Datastream
69
Wanneer we ook de Japanse cash meetellen als benchmark.
101
We bemerken dat dit fonds 0,5% slechter presteert dan de MSCI World. Het risico van het fonds is daarbovenop groter dan dat van de MSCI World.
De stijlanalyse met 36 maand voortschrijdend gemiddelde geeft ons de volgende gewichten: Figuur 27: De gewichten van het KBC Equity Fund Fallen Angels Kap
Bron: eigen berekeningen op basis van gegevens uit Datastream
Dit fonds belegt overwegend in Amerikaanse aandelen (gemiddeld 42%). Dit zijn hoofdzakelijk ‘US large cap value’ (13,4%) en ‘US small cap growth’ (10,7%) aandelen. Daarnaast belegt dit fonds ook gemiddeld 35,1% in EMU aandelen. Voor de meest recente
periodes belegt het fonds zelfs quasi evenveel in EMU aandelen als in Amerikaanse aandelen. Verder belegt het ook gemiddeld 16,3% in Britse aandelen en 6,7% in Aziatische aandelen (exclusief Japan). Dit fonds belegt niet in Japanse aandelen, noch in cash.
De R² van deze stijlanalyse is 95,6%. De stijlbenchmark slaagt er zeer goed in om de prestaties van het fonds te verklaren.
Deze stijlanalyse geeft ons verder de volgende alpha’s:
102
Figuur 28: De alpha’s van het KBC Equity Fund Fallen Angels Kap
Bron: eigen berekeningen op basis van gegevens uit Datastream
De alpha’s van dit fonds zijn beroerd. In geen enkele deelperiode slaagt dit fonds erin om een positieve alpha neer te zetten. Dit fonds behaalt een gemiddelde alpha van -0,26% op maandbasis. Dit stemt overeen met een underperformance van 3,1% per jaar. Bruto underperformt dit fonds zijn stijlbenchmark met 1,9%.
Ook voor dit fonds kijken we naar de ‘market timing’ en de gevolgde strategie: Tabel 31: De PCM en LMM van het Equity Fund Fallen Angels Kap
Bron: eigen berekeningen op basis van gegevens uit Datastream
Voor de PCM (dus de ‘market timing’) vinden we geen significante waarden.
103
Voor de LMM vinden we zowel een significante negatieve waarde voor de periode van een
half jaar (op het 95% significantieniveau) als voor de periode van een jaar (op het 90% significantieniveau)70. We stellen dus vast dat dit fonds een ‘reversal’ strategie volgt i.p.v. de
geschikte ‘momentum’ strategie (supra blz. 22). De (duidelijk) negatieve rendementen zijn dus in overeenstemming met de theorie.
5.5.15. Fortis Obam Ook Fortis Obam is een fonds dat belegt in aandelen over heel de wereld. In dit fonds zouden
Amerikaanse aandelen het sterkst vertegenwoordigd zijn. Daarnaast zou het ook een (relatief) zeer grote blootstelling hebben aan Aziatische aandelen. Het wordt beheerd door R. Stout (Fortis, 2005). Voor dit fonds hebben we gegevens van 1/1/94a tot 1/8/2004. Dit fonds heeft de volgende kerngegevens:
Tabel 32: Kerngegevens Fortis Obam
Bron: eigen berekeningen op basis van gegevens uit Datastream
We zien dat Fortis Obam 3,5% beter presteert dan zijn marktindex (de MSCI World). We zien echter ook dat het risico van Fortis Obam duidelijk hoger is dan het risico van de marktindex.
Vermits we ook rekening willen houden met het risico voeren we op dit fonds een stijlanalyse met 36 maand moving average uit. 70 a
We hebben slechts 3 waarnemingen (dus twee vrijheidsgraden) voor de jaarcijfers.
Dit fonds werd reeds opgericht in 1954. Maar toen was er natuurlijk nog geen sprake van een BF strategie.
Vermits we niet exact weten wanneer men begonnen is met een BF strategie, hebben we als startdatum voor de periode, de datum gekozen voor dewelke we al onze benchmarks hadden (dus de datum vanaf dewelke de MSCI Asia ex Jap. beschikbaar was)
104
Figuur 29: De gewichten van Fortis Obam
Bron: eigen berekeningen op basis van gegevens uit Datastream
Uit de stijlanalyse blijkt echter niet dat dit fonds overwegend in Amerikaanse aandelen belegt. Het zijn duidelijk de EMU aandelen die dominant zijn. Gemiddeld belegt dit fonds 37,8% in
EMU aandelen. We zien wel dat dit in de eerste helft van de periode veel minder was. In de meest recente periodes bedragen de gewichten in EMU aandelen reeds meer dan 50%. Dit
fonds belegt ook gemiddeld 27,7% in Amerikaanse aandelen en 11,9% in Aziatische aandelen
exclusief Japan. Dit gewicht in Aziatische aandelen (exclusief Japan) is dus inderdaad relatief
hoog. Verder belegt het fonds gemiddeld 15,7% in Britse aandelen en 6,1% in Japanse aandelen. We zien echter dat voor de meest recente periodes de gewichten in deze laatste twee
landen 0 geworden zijn. Daarnaast merken we nog op dat dit fonds nauwelijks in cash belegt (gemiddeld 0,8%).
De R² van deze stijlanalyse is 88,7%. Daarnaast geeft deze stijlanalyse ons de volgende alpha’s:
105
Figuur 30: De alpha’s van Fortis Obam
Bron: eigen berekeningen op basis van gegevens uit Datastream
Fortis Obam behaalt een gemiddelde alpha van 0,055% per maand. Dit komt overeen met een
jaarlijkse outperformance van 0,7%. Belangrijk is wel dat deze positieve alpha vooral te
danken is aan zeer hoge alpha’s in de eerst helft van de periode. Voor de tweede helft van de periode zijn de alpha’s overwegend (licht) negatief. De beheerskosten van dit fonds zijn slecht 0,84%. Dit geeft een gemiddelde bruto outperformance van 1,5%.
Verder bekijken we de mate van ‘market timing’ en de strategie van dit fonds: Tabel 33: De PCM en de LMM van Fortis Obam
Bron: eigen berekeningen op basis van gegevens uit Datastream
106
We vonden geen indicatie voor market timing, noch voor een ‘momentum’ strategie of een ‘reversal’ strategie. De waarden voor de PCM en de LMM waren steeds niet significant. 5.5.16. Contrarian Equities @ Work Het Contrarian Equities @ Work fonds is het laatste Europese fonds dat we bespreken. Ook
dit fonds streeft een mondiaal goed gespreide portefeuille na. Hierbij zou dit fonds wel vooral in EMU aandelen beleggen. Dit fonds wordt beheerd door I. Nyssen (Capital@Work, 2005). We hebben data voor de periode van 1/1/99 tot 1/8/04. Dit fonds heeft verder de volgende kerngegevens:
Tabel 34: Kerngegevens van het Contrarian Equities @ Work fonds
Bron: eigen berekeningen op basis van gegevens uit Datastream
We zien dat dit fonds maar liefst 10,4% beter presteert dan de MSCI World. Het risico van dit fonds is wel groter dan het risico van de MSCI World.
Gebruik makend van een stijlanalyse met 36 maand voortschrijdend gemiddelde bekomen we de volgende gewichten:
107
Figuur 31: De gewichten van Contrarian Equities @ Work fonds
Bron: eigen berekeningen op basis van gegevens uit Datastream
Op basis van de stijlanalyse zien we inderdaad dat het Contrarian Equities @ Work fonds
momenteel hoofdzakelijk in EMU aandelen belegt. Voor de meest recente periodes belegt dit fonds immers rond de 50% in EMU aandelen. Maar wanneer we naar heel de periode kijken
domineren de Amerikaanse aandelen. Het fonds belegt immers gemiddeld 43,1% in Amerikaanse aandelen en slechts 22,9% in EMU aandelen. Bij de Amerikaanse aandelen zijn
het vooral ‘large caps’ (gemiddeld 26,9%). Verder zien we ook een belangrijk gewicht van 21,5% in Aziatische aandelen (exclusief Japan) en 10,4% in Britse aandelen. De R² van deze stijlanalyse is gemiddeld 80%. De stijlanalyse geeft ons de volgende alpha’s:
108
Figuur 32: De alpha’s van Contrarian Equities @ Work fonds
Bron: eigen berekeningen op basis van gegevens uit Datastream
De stijlanalyse bevestigt de uitmuntende prestaties van het Contrarian Equities @ Work fonds. In alle periodes behaalt dit fonds een positieve alpha. De gemiddelde alpha is 0,84%
per maand. Dit betekent dat dit fonds (op jaarbasis) gemiddeld 10,6% beter presteert dan zijn
stijlbenchmark. Dit is reusachtig! We kunnen zelfs opmerken dat 12 van de 32
outperformances statistisch significant zijn op het 95% significantieniveau. Bruto is de outperformance gelijk aan 11,6%.
Voor dit prima presterende fonds zijn we zeker geïnteresseerd of de fondsenmanager in staat is de markt te timen en welke strategie hij gebruikt.
Tabel 35: De PCM en LMM van het Contrarian Equities @ Work fonds
Bron: eigen berekeningen op basis van gegevens uit Datastream
109
We vinden vreemd genoeg geen indicatie voor ‘market timing’. Geen van de waarden van de PCM is positief.
Daarnaast vinden we ook geen significante waarden voor de LMM. We kunnen de gevolgde strategie dus niet identificeren.
5.5.17. De Behavioural Finance Fondsen We hebben nu alle fondsen individueel besproken. Maar we wensen ook een uitspraak te doen over alle BF-fondsen samen. Dit gaan we op verschillende manieren doen. Eerst bekijken we gewoon het gemiddelde en de mediaan van de prestaties van de BF-fondsen. Daarna maken we een “fonds van BF-fondsen” (infra blz.112) en we berekenen hiervoor de alpha’s. We
maken bij deze laatste methode nog eens onderscheid tussen de totale periode (van 1/1/94 tot 1/8/04) en de periode van 1/1/99 tot 1/8/04. Uiteindelijk onderzoeken we de strategie die BFfondsen volgen.
5.5.17.1. De BF-fondsen: gemiddelden en mediaan We beginnen met een overzicht te geven van de prestaties (netto en bruto) van de BF-fondsen. Hierbij geven we ook het gemiddelde en de mediaan van de prestaties.
110
Tabel 36: Een overzicht van de prestaties van de BF-fondsen
Bron: eigen berekeningen op basis van gegevens uit Datastream
Wanneer we naar de netto rendementen kijken dan zien we dat 9 van de 16 fondsen positieve rendementen neerzetten. We bekomen een positief gemiddelde van 0,2% en een mediaan van 0,7%. Op basis van deze eenvoudige berekeningen vinden we dus dat BF-fondsen er netto in
slagen om hun stijlbenchmarks te kloppen. Dit is zeer sterk. We hebben immers reeds gezien dat de gewone beleggingsfondsen netto (duidelijk) slechter presteren dan hun benchmark (hoofdstuk 4).
Bruto behalen deze fondsen een gemiddeld rendement dat 1,6% hoger is dan dat van hun benchmark. De mediaan is 1,8%. We zien dat 10 van de 16 BF-fondsen bruto beter presteren dan hun benchmark.
Verder zien we ook duidelijk het belang van de fondsenbeheerder. Zo behalen de 4 fondsen van J. Lang (Liontrust) allemaal een positief netto rendement. Ook de twee fondsen van R.J.
Fuller behalen beide positieve netto rendementen. Van de 4 fondsen van D.N. Dreman (Scudder Dreman) behaalt er slechts 1 fonds een positief netto rendement.
111
Je zou dus kunnen besluiten dat het vooral de fondsenbeheerder is die van belang is en niet zozeer het feit dat fondsen BF toepassen of niet. Maar deze conclusie is zeer voorbarig.
5.5.17.2. De BF-fondsen: stijlanalyse voor de periode van 1/1/94 tot 1/8/04 In deze paragraaf gaan we een stijlanalyse uitvoeren op het “fonds van BF-fondsen”. Hiermee
bedoelen we een fonds dat als maandrendement het gemiddelde van de maandrendementen van alle (beschikbare) BF-fondsen heeft. Hierbij gaan we aan elk fonds eenzelfde gewicht toekennen. Er zou hier ook geopteerd kunnen worden om elk fonds een gewicht te geven in
verhouding met de grootte71 van het fonds. Het lijkt ons echter foutief om grote fondsen een
hoger gewicht toe te kennen. Dit zijn immers vaak de fondsen die goed presteren en veel publiciteit maken (omdat ze goed presteren). Wanneer we ze een groter gewicht geven, dan vertekent dit onze analyse.
Een terechte kritiek is wel dat fondsen die ver teruggaan in de tijd, een groter belang in deze analyse zullen hebben. Deze fondsen zullen immers deel uitmaken van meer gemiddelden dan fondsen die maar een beperkte looptijd hebben. De gemiddelden voor de eerste jaren bestaan
trouwens maar uit een beperkt aantal fondsen. Dit zal het belang van de reeds lang opgerichte fondsen nog vergroten. In het volgende deel proberen we tegemoet te komen aan deze kritiek.
Verder merken we op dat we de periode pas laten beginnen op 1/1/94 omdat we pas vanaf dan data hebben voor al onze benchmarks72.
Een stijlanalyse met 36 maand voortschrijdend gemiddelde geeft ons de volgende alpha’s voor het fonds der BF-fondsen.
71 72
De hoeveelheid geld die in een fonds belegd is.
De waarnemingen voor de MSCI Asia ex. Japan beginnen pas op 1/1/94.
112
Figuur 33: De alpha’s van het fonds der BF-fondsen voor de periode van 1/1/94 tot 1/8/04
Bron: eigen berekeningen op basis van gegevens uit Datastream
Wanneer we deze alpha’s bekijken dan zien we eigenlijk drie perioden. In de eerste periode (van 1994 tot met 1996) zien we dat het fonds der BF-fondsen duidelijk zijn benchmark
outperformt. Voor de periode van 1997 tot en met 1999 zien we echter juist het tegenovergestelde. In deze periode presteert het fonds der BF-fondsen duidelijk slechter dan zijn benchmark. Voor de periode van 2000 tot en met 2004 zien we dat de prestaties van het
fonds der BF-fondsen schommelen rond de prestaties van de benchmark, maar gemiddeld outperformt het fonds zijn benchmark in deze laatste periode.
Voor de hele periode vinden we een alpha op maandbasis van 0,0007%. Dit betekent dat het fonds der BF-fondsen 0,01% beter presteert dan zijn stijlbenchmark. De R² van deze stijlanalyse is zeer hoog (96%).
Op basis van deze analyse besluiten we dat de BF-fondsen netto even goed presteren dan hun benchmark. Met een gemiddelde beheerskost van 1,4% presteren ze bruto duidelijk beter.
113
5.5.17.3. De BF-fondsen: stijlanalyse voor de periode van 1/1/99 tot 1/8/04 In deze paragraaf willen we tegemoet komen aan de kritiek dat fondsen met een lange looptijd
een te groot belang hebben in onze stijlanalyse (supra blz. 112). Daarom gaan we de periode inkorten.
Daar is echter nog een belangrijkere reden toe. We hebben reeds vermeld dat we niet altijd
goed weten wanneer de besproken fondsen begonnen zijn met het toepassen van BF. De fondsen die ‘behavioural’ (of ‘contrarian’) in hun naam hebben zijn er pas gekomen vanaf
1999. Het is dus goed mogelijk dat men pas vanaf dan echt begonnen is met het toepassen van
behavioural finance. Daarom beperken we onze totale periode tot de periode van 1/1/99 tot 1/8/04. Deze periode heeft nog een bijkomend voordeel. Gedurende deze 5 jaar en 7 maanden steeg de MSCI USA slechts 0,17% op jaarbasis, de MSCI EMU slechts 0,6% per jaar. We
kunnen dus zeggen dat de beurzen quasi constant waren over deze periode. Dit heeft als voordeel dat men niet kan beweren dat de BF-fondsen bijvoorbeeld enkel goed presteren in
goede beursperiodes of enkel goed presteren in slechte periodes (of andere combinaties). Deze periode is dus immuun voor deze kritiek.
Daarnaast merken we nog op dat we op 1/1/99 reeds 9 fondsen in ons fonds der BF-fondsen
hebben en op 1/5/00 reeds 14 fondsen. Er kan dus niet meer gezegd worden dat slechts enkele fondsen de waarden voor het fonds der BF-fondsen bepalen (zoals in de vorige analyse voor de beginperiode het geval was).
Gebruik makend van een stijlanalyse met 36 maand voortschrijdend gemiddelde bekomen we de volgende alpha’s voor de periode van 1/1/99 tot 1/8/04b.
b
Dit is vanzelfsprekend gewoon het deel uit figuur 33 te beginnen vanaf 1/1/02.
114
Figuur 34: De alpha’s van het fonds der BF-fondsen voor de periode van 1/1/99 tot 1/8/04
Bron: eigen berekeningen op basis van gegevens uit Datastream
Voor de periode van 1/1/99 tot 1/8/04 zien we dat veruit het grootste deel van de alpha’s positief zijn. We hebben hier 25 positieve alpha’s tegenover slechts 7 negatieve. Gemiddeld
bekomen we voor deze periode een alpha van 0,029 op maandbasis. Het fonds der BF-
fondsen outperformt dus (netto) zijn stijlbenchmark met 0,35% per jaar. Deze netto outperformance is zeer goed in vergelijking met de prestaties van de “gewone” beleggingsfondsen.
Bruto laten de BF-fondsen een outperformance zien van 1,75%. Ook dit is (vanzelfsprekend) een stuk beter dan de gewone beleggingsfondsen. De R² van deze stijlanalyse is gemiddeld 98,1%!
Ondanks deze zeer goede prestaties wensen we echter op te merken dat de in het begin van het hoofdstuk vermelde opmerkingen niet uit het oog verloren mogen worden (supra blz. 36).
5.5.17.4. De BF-fondsen: de strategie Tenslotte kijken we ook nog eens naar de strategieën die de BF-fondsen toepassen. We willen nagaan of BF-fondsen misschien gewoon ‘momentum’ of ‘reversal’ fondsen zijn. Daarnaast willen we kijken of de in de theorie vooropgestelde strategieën werken. We gaan dus na of
115
‘momentum’ strategieën inderdaad tot outperformances leiden op kwartaalbasis, half jaar en jaarbasis en dat ‘reversal’ strategieën niet aangewezen zijn voor deze periodes. Onze
tijdsperiode is echter te klein om na te gaan of ‘reversal’ strategieën werken voor een periode van 3 tot 5 jaar.
We geven eerst een overzicht van de gevolgde strategieën en de effectiviteit ervan. Tabel 37: Een overzicht van de strategieën en de effectiviteit ervan
Bron: eigen berekeningen op basis van gegevens uit Datastream
In deze tabel zijn de alpha’s opgenomen voor de fondsen die een significante waarde voor de
LMM hebben. Op deze manier kunnen we nagaan of de desbetreffende strategie een positieve
of negatieve alpha (op jaarbasis) opleverde. De mate van significatie wordt weergegeven door * en **. We herhalen nog eens dat een positieve waarde voor de LMM een ‘momentum’ strategie inhoudt en een negatieve waarde voor de LMM een ‘reversal’ strategie inhoudt.
Volgens de BF strategie zouden alle fondsen die een ‘momentum’ strategie toepassen voor
een periode van een kwartaal, een half jaar en een jaar, een positieve alpha moeten hebben.
Een ‘reversal’ strategie zou dus voor de zojuist vernoemde periodes steeds een negatieve alpha moeten opleveren. Ons analyses bevestigen deze stelling tamelijk goed. Van de 5
116
fondsen73 met een significante waarde voor de LMM, zijn er 4 fondsen die een rendement
opleveren met het verwachte teken. Enkel het negatieve rendement voor de ‘momentum’
strategie (op jaarbasis) van het Scudder-Dreman Small Cap Value Fund is niet in overeenstemming met de theorie.
Verder merken we nog op dat slechts 5 van de 16 fondsen beschouwd kunnen worden als een ‘reversal’ of een ‘momentum’ fonds.
5.5.6. Besluit In dit hoofdstuk bekeken we de prestaties van de BF-fondsen. We deden dit aan de hand van een analyse die zowel rekening houdt met rendement als met risico. Hiervoor gebruikten we
een “sterke” stijlanalyse. Dit is een stijlanalyse waarbij we opleggen dat de som van de gewichten gelijk is aan 1 (de portefeuille restrictie) en dat elk gewicht groter moet zijn dan 0.
Meer specifiek pasten we een stijlanalyse toe met 36 maand voortschrijdend gemiddelde. Deze stijlanalyse leverde ons voor elk fonds een benchmark (portefeuille van benchmarks) en alpha’s op. Het zijn deze alpha’s die ons een inzicht geven in de prestaties van het fonds. De
stijlanalyse toont aan dat BF-fondsen netto (0,35%) beter presteren dan hun benchmark. Het ziet er dus naar uit dat ‘behavioural finance’ inderdaad leidt tot betere prestaties.
We merken hierbij wel op dat het altijd mogelijk is dat onze steekproef onderhevig was aan
de ‘survivorship bias’, de ‘liquidation bias’ en de ‘selection bias’. Verder is het ook altijd mogelijk dat onze resultaten op toeval berusten. Door het beperkt aantal fondsen (en de
beperkte periode) die we gebruiken is de kans daartoe reëel. Daarnaast kampen we met het probleem dat we (voor sommige fondsen) niet precies weten wanneer deze fondsen begonnen zijn met het toepassen van BF. Verder weten we ook niet in welke mate deze fondsen BF
toepasten. Dit betekent dat de resultaten van de analyse met voorzichtigheid behandeld moeten worden.
We hebben verder ook nagegaan of we de BF-fondsen zonder meer gelijk kunnen stellen aan fondsen die een ‘momentum’ of ‘reversal’ strategie toepassen. Dit is niet het geval. Globaal gezien passen de BF-fondsen een strategie toe die niet (duidelijk) onder een ‘momentum’ of ‘reversal’ strategie valt. We vinden immers dat slechts 5 van de 16 BF-fondsen een ‘momentum’ of ‘reversal’ strategie toepassen.
73
Voor 1 fonds hebben we twee significante waarden. Deze voldoen beiden aan de verwachtingen.
117
Anderzijds vinden we wel een sterke bevestiging van de voorspellingen uit de BF theorie. Met
name dat fondsen die een ‘momentum’ strategie toepassen op kwartaal, half jaar en jaarbasis goed zouden presteren en dat fondsen die een ‘reversal’ strategie toepassen voor deze
perioden slecht zullen presteren. Van de significante strategieën die we geïdentificeerd hebben, hadden er 5 van de 6 een alpha met het verwachte teken.
118
6. Conclusie Behavioural finance is een methode waarbij de psychologische fouten van beleggers uitgebuit worden.
Mensen
maken
immers
systematisch
en
collectief
fouten.
Deze
fouten/gedragsafwijkingen (‘behavioural biases’ en ‘behavioural anomalies’) liggen aan de basis van BF.
Een kort overzicht van deze gedragsafwijkingen: •
Anchoring: Mensen gaan een anker vormen. Eenmaal men dit gedaan heeft, zal men er
•
Overconfidence: Mensen hebben sterk de neiging om hun eigen capaciteiten en kennis
slechts beperkt (en niet gauw) nog van afwijken. te overschatten. Hierbij onderscheiden we nog:
o Self-attribution bias: Dit is de neiging die mensen hebben om hun succes toe te schrijven aan hun eigen talenten.
o Hindsight bias: Dit is de neiging die mensen hebben om nadat een bepaalde gebeurtenis zich heeft voorgedaan, te geloven dat zij deze gebeurtenis van tevoren voorspeld hebben.
o Confirmation bias: Mensen gaan actief op zoek naar gegevens die hun bestaande verwachtingen bevestigen.
•
Representativeness (heuristic): Mensen hebben sterk de neiging om gebeurtenissen te classificeren onder een bepaalde categorie (stereotype), regel of patroon. Hierbij kunnen verder de volgende fouten voorkomen:
o De conjunction fallacy: Dit is een fout die men begaat wanneer men gelooft dat de combinatie van twee eigenschappen vaker kan voorkomen dan elk van deze eigenschappen afzonderlijk.
o De law of small numbers / gambler’s fallacy effect: Dit is de neiging die
mensen hebben om te denken dat kleine steekproeven dezelfde eigenschappen vertonen als hun populatie.
o Base rate fallacy (base rate neglect): Mensen zullen irrationele besluiten maken
omdat ze geen rekening houden met de relevante a-priori distributie (‘base rate information’).
•
Conservatisme/Status quo bias: Hierbij zal men zich zeer traag aanpassen aan veranderingen en dus onderreageren op nieuwe informatie. 119
•
Availability bias (saliency heuristic): Bij het vormen van een idee over de waarschijnlijkheid van een gebeurtenis zal men vaak in zijn eigen herinneringen gaan
kijken. Hierbij zullen recentere gebeurtenissen, meer in het oog springende (opvallende) gebeurtenissen en gebeurtenissen waarbij men zelf (of kennissen) betrokken was (waren) een grotere waarschijnlijkheid krijgen. •
Prospect theory: Deze theorie beschrijft de manier waarop mensen keuzes maken bij onzekerheid. Hierbij zijn de volgende punten van belang:
o Bij het definiëren van het nut gaat men enkel rekening houden met toenames of afnamen van de welvaart. Niet met de uiteindelijke welvaartspositie.
o Mensen zijn risico-avers bij winst en risico-zoekend bij verlies.
o Loss aversion: Mensen zullen het vermijden van verlies prefereren op het bekomen van winst.
o Disposition effect: Dit is de neiging die beleggers hebben om slecht
presterende aandelen te lang te behouden en goed presterende aandelen te vroeg te verkopen.
o Framing: Dit houdt in dat de manier waarop een probleem voorgesteld wordt, belangrijke gevolgen kan hebben op de resultaten.
o Mental accounting: Dit heeft betrekking op de manier waarop beslissingen gemaakt en geëvalueerd worden.
o Narrow framing: Dit is het meest belangrijke kenmerk van mental accounting.
Hierbij gaan mensen de lange termijn over het hoofd zien en zich (te veel) focussen op de onmiddellijke toekomst.
o Mensen hebben ook de neiging om kleine waarschijnlijkheden een te groot gewicht toe te kennen. Verder heeft men ook de neiging om relatief meer
gewicht toe te kennen aan zekere gebeurtenissen dan aan gebeurtenissen die bijna zeker zijn. Dit laatste wordt ook het ‘certainty effect’ genoemd.
•
Kuddegedrag (‘herd behaviour’): Kuddegedrag houdt in dat beleggers en analisten
zich ongemakkelijk voelen met het innemen van meningen of met gedrag dat in tegenspraak is met de visie of het gedrag van de meerderheid. Hierdoor zullen mensen als het ware in groep (kudde) handelen.
Dit zijn de belangrijkste ‘behavioural biases’. Het bestaan van deze ‘biases’ in specifieke (laboratorium)omstandigheden levert ons echter weinig nuttige informatie i.v.m. de
opportuniteiten voor beleggers. De meeste ‘behavioural biases’ kunnen immers niet (of 120
nauwelijks) rechtstreeks uitgebuit worden door beleggers. Het is enkel door ze in verband te brengen met overreactie en onderreactie dat beleggers deze ‘biases’ kunnen uitbuiten. Zo
leiden ‘representativeness’, ‘availability bias’ (‘saliency heuristic’) en kuddegedrag (‘herd behaviour’) tot overreactie. ‘Anchoring’ en conservatisme (‘status quo bias’) leiden dan weer tot onderreactie. ‘Overconfidence’ kan zowel over- als onderreactie veroorzaken.
De biases kunnen dan wel via onderreactie en overreactie uitgebuit worden door beleggers (dus ook door fondsenbeheerders), maar we hebben hier te maken met tegengestelde reacties. Daarom is het van belang om na te gaan welke reactie domineert voor welke tijdsperiode.
Op korte termijn (3 tot 12 maanden) is er een tendens tot onderreactie (‘momentum’) en op
lange termijn (3 jaar tot 5 jaar) een tendens tot overreactie (‘reversal’). Voor de heel korte termijn (enkele dagen tot een week) hebben we dan weer te maken met overreactie en ‘reversal’. Fondsenbeheerders kunnen hierop inspelen door op korte termijn een ‘momentum’
strategie na te streven en een ‘reversal’ strategie op lange termijn. Een ‘momentum’ strategie houdt in dat fondsenbeheerders goed presterende aandelen gaan kopen en slecht presterende
verkopen. Bij een ‘reversal’ strategie gaan ze daarentegen goed presterende aandelen verkopen en slecht presterende kopen.
Gedragsanomalieën en gedragsafwijkingen kunnen er dan wel voor zorgen dat koersen
(irrationeel) afwijken van hun fundamentele waarde. Het lijkt echter logisch om te verwachten
dat (rationele) arbitrageanten deze afwijking (onmiddellijk) zullen teniet doen. Dit is echter niet het geval. Er zijn immers beperking op de arbitrage. Deze zijn het gevolg van: •
Het fundamenteel risico: Dit is het risico dat de fundamentele waarde van een aandeel zal veranderen (door de publicatie van nieuws over het aandeel) voordat de actuele
prijs van het aandeel geconvergeerd is naar zijn (oorspronkelijke) fundamentele waarde. •
Het ‘noise trade risico’: Dit is het risico dat de prijsafwijking die de arbitrageant tracht uit te buiten op korte termijn verslechtert. Indien er afwijkingen mogelijk zijn tussen
de actuele waarde en de fundamentele waarde, dan bestaat natuurlijk ook de mogelijkheid dat deze afwijkingen (op korte termijn) kunnen toenemen. •
De implementatiekosten: hieronder verstaan we transactiekosten, restricties op short selling, informatiekosten en opportuniteitskosten. Deze kosten beperken de arbitrage.
Men zal immers enkel aan arbitrage doen wanneer de opbrengsten ervan de kosten overtreffen.
121
Door deze beperkingen op arbitrage kunnen afwijkingen tussen de marktwaarde en de
fundamentele waarde blijven bestaan. Dit kan dan ook interessante opportuniteiten bieden voor fondsenbeheerders.
Voor we de werking en de prestaties van de BF-fondsen bespreken, gaan we eerst naar de traditionele fondsen kijken. Daarmee bedoelen we fondsen die geen BF toepassen. We
onderscheiden enerzijds actieve beleggingsfondsen die door middel van fundamentele analyse trachten om de markt te outperformen en anderzijds de passieve beleggingsfondsen die trachten om een benchmark (meestal een beursindex) zo goed mogelijk te volgen.
Voor de prestaties van de traditionele beleggingsfondsen zijn we gaan kijken in de literatuur. We vonden echter zowel qua prestaties als qua gevolgde methodologie geen overeenstemming. Globaal gezien kunnen we stellen dat traditionele beleggingsfondsen hun
benchmark (licht) underperformen. Zelfs vóór kosten (bruto) is het niet duidelijk of de traditionele beleggingsfondsen even goed kunnen presteren als hun benchmark. We zien wel dat er grote verschillen zijn in de resultaten van de verschillende studies.
Tegenover de traditionele beleggingsfondsen staan de ‘behavioural finance’ fondsen. Deze fondsen trachten dus psychologische fouten uit te buiten. Ook hier hebben we twee grote
groepen. Enerzijds zijn er fondsen die het ‘momentum’ effect trachten uit te buiten, anderzijds zijn er fondsen die het ‘reversal’ effect proberen uit te buiten (‘contrarian funds’). Er bestaan echter ook fondsen die beide BF strategieën combineren.
De prestaties van de BF-fondsen hebben we bepaald aan de hand van een analyse die zowel rekening houdt met risico als met rendement. We hebben hierbij geopteerd om geen model voorop te stellen, maar de data (‘benchmarks’) voor zichzelf te laten spreken. Daarom hebben
we gebruik gemaakt van een (sterke) stijlanalyse. Dit is een stijlanalyse waarbij we de restricties opleggen dat elk gewicht groter moet zijn dan 0 en dat de som van de gewichten 1 moet zijn. Verder hebben we gekozen om niet 1 stijlanalyse voor heel de periode uit te voeren, maar een stijlanalyse met 36 maand voortschrijdend gemiddelde toe te passen. Zo
kunnen we rekening houden met veranderingen in de samenstelling van de benchmarks. Deze stijlanalyse leverde ons voor elk fonds een benchmark (portefeuille van benchmarks) en alpha’s op. Het zijn net deze alpha’s die ons een inzicht geven in de prestaties van het fonds. De stijlanalyse toont aan dat BF-fondsen netto (0,35%) beter presteren dan hun benchmarks. Het ziet er dus naar uit dat ‘behavioural finance’ inderdaad leidt tot betere prestaties.
122
We merken hierbij wel op dat het altijd mogelijk is dat onze steekproef onderhevig was aan
de ‘survivorship bias’, de ‘liquidation bias’ en de ‘selection bias’. Verder is het ook mogelijk dat onze resultaten op toeval berusten. Door het beperkt aantal fondsen (en de beperkte periode) die we gebruiken is de kans daartoe reëel. Daarnaast kampen we met het probleem dat we (voor sommige fondsen) niet precies weten wanneer deze fondsen begonnen zijn met
het toepassen van BF. Verder weten we ook niet in welke mate deze fondsen BF toepassen.
Dit betekent dat de resultaten van de analyse met voorzichtigheid behandeld moeten worden.
Het is een onderwerp voor verder onderzoek om meer BF-fondsen te identificeren, een langere periode te behandelen en hierop deze analyse toe te passen.
We zijn ook gaan kijken naar de strategie die BF-fondsen toepassen. We waren hierbij in het
bijzonder geïnteresseerd of BF-fondsen steeds een ‘momentum’ of ‘reversal’ strategie
toepassen. Dit vonden we echter niet in onze analyse. Er waren immers slechts 5 van de 16 BF-fondsen met een ‘momentum’ of ‘reversal’ strategie.
Onze analyse bevestigde wel de voorspellingen uit de BF theorie. Fondsen die een
‘momentum’ strategie toepassen op kwartaal, half jaar en jaarbasis zouden goed moeten presteren en fondsen die een ‘reversal’ strategie toepassen voor deze perioden zouden slecht
moeten presteren. Van de 5 fondsen met een significante ‘momentum’ of ‘reversal’ strategie hebben er 4 een alpha met het verwachte teken. De invloed van een ‘reversal’ strategie op
lange termijn kon niet nagegaan worden wegens de beperkte historische informatie. De
invloed van deze strategie en van eventuele andere factoren is een onderwerp voor verder onderzoek.
Algemeen kunnen we besluiten dat de ‘behavioural finance’ enerzijds theoretisch goed
onderbouwd is en anderzijds ook in de praktijk zijn vruchten lijkt af te werpen. BF lijkt daarom zeker iets waarmee fondsenbeheerders rekening moeten houden. Misschien kunnen ze
er zich beter volledig op toespitsen. Al zou dit natuurlijk kunnen leiden tot het verdwijnen (beperken) van de ‘behavioural biases’ en dus het verdwijnen (beperken) van de winstmogelijkheden.
123
Bibliografie Agarwal V. en Naik N.Y., 2000, Generalized style analysis of hedge funds, Journal of Asset Management, 1, vol. 1, nr. 1, juli 2000, blz. 93-109.
Allais M., 1953, Le comportement de l'homme rationnel devant le risque: critique des postulats et axiomes de l'école Americaine, Econometrica, vol. 21, blz. 503-546.
Almazan A., Brown K. C., Carlson M. en Chapman D.A., 2002, Why constrain your mutual fund manager?, blz. 1-71.
URL: < http://papers.ssrn.com/sol3/papers.cfm?abstract_id=280999> Alpert M. en Raiffa H., A progress report on the training of probability assessors, in: Kahneman D.,
Slovic P. en Tversky A., Judgment Under Uncertainty: Heuristics and Biases, Cambridge Univesity Press, Cambridge, blz. 294-305.
Annaert J., De Ceuster M.J.K. en Van Hyfte W., 2005, The value of asset allocation advice: Evidence from The Economist’s quarterly portfolio poll, Journal of Banking & Finance, vol. 29, blz. 661-680.
Anson M., 2003, Hedge Fund Indexes: Benchmarking The Hedge Fund Marketplace, Journal of Indexes, third quarter 2003, blz. 20.
URL:
(03/09/2004)
Atkins A. en Dyl E., 1990, Price Reversals, Bid-Asked Spreads and Market Efficiency, Journal of Financial and Quantitative Analysis, vol. 25, blz. 535-547.
Barber B.M. en Odean T., 2001, Boys Will Be Boys: Gender, Overconfidence, and Common Stock Investment, The Quarterly Journa of Economics, vol. 1, blz. 262-292.
Barberis N. en Thaler R. H., 2003, A Survey of Behavioral Finance, uit Handbook of the Economics
of Finance, dited by Constantinides G.M., Harris M. and Stulz R., Elsevier Science B.V., blz. 10531084.
IX
Bar-Hillel M., 1980, The base-rate fallacy in probability judgments, Acta Psychologica, vol. 44, blz. 211-233.
Belsky G. en Gilovich T., 1999, Why Smart People Make Big Money Mistakes and How to Correct Them: Lessons From the New Science of Behavioral Economics, Simon & Schuster, blz. 1-224. Black F., 1986, Noise, Journal of Finance, vol. 41, blz. 529-543. Blake D. en Timmermann A., 1998, Mutual Fund Performance: Evidence from the UK, European Finance Review, vol. 2 , blz. 57-77.
Bloomfield R., Tayler W.B. en Zhou H.F., 2004, Short-term Momenentum and Long-term Reversal: An Experimental Investigation, blz. 1-49. URL:
(06/10/2004)
Bodie Z., Kane A en Marcus A.J., 2005, Investments, Sixth Edition, International Edition, blz. 1-1090. Brav A. en Heaton J.B., 2002, Competing Theories of Financial Anomalies, The Review of Financial Studies, vol. 15, nr. 2, blz. 576-606.
Bremer M. en Sweeney R.J., 1991, The Reversal of Large Stock-Price Decreases, Journal of Finance, vol. 46, blz. 747-754.
Brown G.D.A. en Qian J., 2004, The Origin of Probability Weighting: A Psychophysical Approach, blz. 1- 37.
URL:< http://www.warwick.ac.uk/staff/G.D.A.Brown/RFTProbwt.pdf>
(3/12/2004)
Brown S.J. en Goetzmann W., 1995, Performance persistence, Journal of Finance, vol. 50, blz. 679– 698.
Brown S.J., Goetzmann W.N., Ibbotson R.G., 1999, Offshore Hedge Funds: Survival and Performance 1989-1995, Journal of Business, vol. 72, nr. 1, blz. 91-117.
Brown S.J., Goetzmann W.N., Ibbotson R.G.en Ross S.A, 1992, Survivorship Bias in Performance Studies, Review of Financial Studies, vol. 5, nr.4, blz.. 553-580.
X
Camerer C. en Hogarth R., 1999, The effects of financial incentives in experiments: a review and capital-labor production framework, Journal of Risk and Uncertainty, vol. 19, blz. 7−42.
Carhart M.M., 1997, On Persistence in Mutual Fund Performance. The Journal of Finance, vol. 52, nr. 1, maart 1997, blz. 57–82.
Carhart M.M., Carpenter J.N., Lynch A.W. en Musto D.K., 2000, Mutual Fund Survivorship, Working Paper, september 2000, blz. 6.
URL: (30/08/2004) Carpenter J.F. en Lynch A.W., 1999, Survivorship Bias and Attrition Effects in Measures of Performance Persistence, Journal of Financial Economics, vol. 54, issue 3 , blz. 337-374.
Chan L., Jegadeesh N. en Lakonishok J., 1997, Momentum strategies, Journal of Finance, vol. 51, blz. 1681-1713.
Chen Y., 2004, Timing Ability in the Focus Market of Hedge Funds, blz. 1-43. URL:
center.at/bridging/gutmann_symposia/2004_on_hedge_funds/papers/Yong_Chen_erl19.pdf> (8/03/05)
Chopra N., Lakonishok J. en Ritter J.R., 1992, Measuring Abnormal Performance, Journal of Financial Economics, vol. 31, blz. 235-268.
Combs B. en Slovic P., 1979, Newspaper coverage of causes of death, Journalism Quarterly, vol. 56, blz. 837-843.
Contrarian Equity @ Work, 2005.
URL:
(15/02/2005)
Cooper M., 1999, Filter Rules Based on Price and Volume in Individual Security Overreaction, The Review of Financial Studies, vol. 12, blz. 901-935.
Cox H., 2004, Mind Your Behaviour, Risk, December, blz. 80-81. Cunningham L.A., 2002, Behavioural Finanance and Investor Governance, Washington and Lee Law Review, vol. 59, nr. 3, Summer 2002, blz. 769.
XI
Cutler D.M., Poterba J.M. en Summers L.H., 1989, What Moves Stock Prices?, Journal of Portfolio Management, vol.15, nr. 3, blz. 4–12.
Cutler D.M., Poterba J.M. en Summers L.H., 1991, Speculative Dynamics, Review of Economic Studies, vol. 58, nr. 3, blz. 529–546.
D’Avolio G., 2002, The market for borrowing stock, Journal of Financial Economics, vol. 66, nr. 3, blz. 271-306.
De Bondt W. en Thaler R., 1985, Does the stock market overreact?, Journal of Finance, vol. 40, blz. 793-805.
De Jong A., Rosenthal L. en Van Dijk M.A., 2003, The Limits of Arbitrage: Evidence from DualListed Companies, blz.1-23.
URL: < http://www.fsa.ulaval.ca/nfa2003/papiers/Mathijs%20van%20Dijk.pdf>
(24/10/2004)
De Long B.J., Shleifer A., Summers L.H. en Waldmann R.J.,1990, Noise Trader Risk in Financial Markets, Journal of Political Economy, vol. 98, nr. 4, blz. 703-738.
Edwards W., 1968, Conservatism in human information processing, in Kleinmuntz (Ed.), Formal Representation of Human Judgment, Wiley J. & Sons, blz. 17-52.
Elton E., Gruber M. en Blake C., 1996, Survivorship Bias and Mutual Fund Performance, Review of Financial Studies, vol. 9, nr. 4, blz. 1097-1120.
Elton E., Gruber M., Das S. en Hlavka M., 1993, Efficiency with Costly Information: A Reinterpretation of Evidence from Managed Portfolios, Review of Financial Studies, blz. 1-22.
Fama E.F., 1998, Market Efficiency, Long-Term Returns, and Behavioral Finance, Journal of Financial Economics, vol. 49, nr. 3, september 1998, blz. 283-306.
Fama E.F. en French K.R., 1988, Permanent and temporary components of stock prices, Journal of Political Economy, vol. 96, blz. 246-273.
Fama E.F. en French K.R., 1993, Common Risk Factors in the Returns on Stock and Bonds, Journal of Financial Economics, vol. 33, nr. 1, blz. 3-56.
XII
Finanzpartner Database, 2005.
URL:
(maart 2005)
Fischhoff B., Slovic P. en Lichtenstein S., Knowing with certainty: tha appropriateness of extreme
confidence, Journal of Experimental Pychology: Human Perception and Performance, vol. 3, blz. 552564.
Fortis, 2005.
URL:< http://www.asrbank.nl/pdf/maandverslagen/Fortis/FortisOBAM.pdf>
(15/02/2004)
Friedman M., 1953, The case for flexible exchange rates, in: Essays in Positive Economics, University of Chicage Press, blz. 157-203.
Froot K.A. en Dabora E.M., 1999, How are stock prices affected by the location of trade?, Journal of Financial Economics, vol. 53, blz. 189-216.
Fuller R.J., 2000, Behavioral Finance and the Sources of Alpha, Journal of Pension Plan Investing, vol.2, nr.3, Winter 2000, blz.1-23.
URL:
(1/08/2004)
Fung W. en Hsieh D.A., 2000, Performance characteristics of Hedge Funds and Commodity Funds: Natural versus Spurious Biases. The Journal of Financial and Quantitative Analysis, vol. 35, blz. 291307.
Grauer R.R., 2000, Benchmarking Performance Measures With Perfect-Foresight Asset-Allocation Strategies, blz. 1-27.
URL:< http://www.bus.sfu.ca/homes/rob_g/PerfectPaperOctober2000.pdf>
(24/02/2005)
Grinblatt M. en Titman S., 1989, Mutual Fund Performance: An Analysis of Quarterly Portfolio Holding, Journal of Business, vol. 62, nr.3, blz. 393-416.
Grinblatt M en Titman S., 1993, Performance Measurement without Benchmarks: An Examination of Mutual Fund Returns, The Journal of Business, vol. 66, nr. 1, blz. 47-68.
XIII
Grinblatt M., Titman S. en Wermers R., 1995, Momentum Investment Strategies, Portfolio Performance, and Herding: A Study of Mutual Fund Behavior, American Economic Review,
vol. 85, nr. 5, blz. 1088-1105
Gruber M., 1996, Another Puzzle: The growth in actively managed mutual funds, Journal of Finance, vol. 51, blz. 783-807.
Hirshleifer D., Teoh S.H., 2001, Herd Behavior and Cascading in Capital Markets: A Review and Synthesis, blz. 1-58.
URL:< http://papers.ssrn.com/sol3/papers.cfm?abstract_id=296081 >
(8/2/2005)
HM Treasury, 2002, Medium and long term retail savings in the UK
URL: (9/9/2004)
Hong H., Kubik J.D. en Solomon A., 2000, Security Analysts' Career Concerns and Herding of Earnings Forecasts, vol. 31, nr. 1, blz. 121-144.
Hong H. en Stein J.C., 1999, A unified theory of underreaction, momentum trading and overreaction in asset markets, Journal of Finance, vol. 54, blz. 2143-2184.
Ippolito R., 1989, Efficiency with costly information: A study of mutual fund performance, Quarterly Journal of Economics, vol. 104, blz. 1-23.
Jegadeesh N. en Titman S., 1993, Returns to buying winners and selling losers: Implications for stock market efficiency, Journal of Finance, vol. 48, blz. 65-91.
Jensen M.C., 1968, The Performance of Mutual Funds in the Period 1945-1964, Journal of Finance, vol. 23, nr. 2, blz. 389-416.
Jones C.M. en Lamont O.A., 2002, Short-sale constraints and stock returns, Journal of Financial Economics, vol. 66, blz. 207-239.
Kahneman D. en Tversky A., 1974, Judgement under uncertainty: heuristics and biases, Science, vol. 185, blz. 1124-1131.
XIV
Kahneman D. en Tversky A., 1979, Prospect Theory: An Analysis of Decision Under Risk, Econometrica, vol. 47, blz. 263–291.
Kahneman D. en Tversky A., 1982, Judgement under uncertainty: Heuristics and biases, Cambridge University Press, Cambridge, blz. 3-20.
Kahneman D. en Tversky A., 1983, Extensional versus intuition reasoning: Conjunction fallacy in probability judgment, Psychological Review, vol 90, blz. 293-315 Kaplan P.D., 2005, The Findings.
URL:< http://registeredrep.com/mag/finance_style_matters/> KBC, 2005.
URL:< http://www.kbcam.be/funds/JV/jv_be0170815956_nl.pdf>
(17/03/2005)
(19/02/2005)
Koh F., Lee D.K.C. en Phoon K.F., 2002, Investing in Hedge Funds: Risks, Returns and Pitfalls, Ferrell Focus Working Paper, mei 2002, blz. 9.
Kothari S.P., Shanken J. en Sloan R., 1995, Another Look at the Cross Section of Expected Returns, Journal of Finance, vol 50, blz. 185-224.
Kyle A.S., Ou-Yang H. en Xiong W., 2003, Prospect Theory and Liquidation Decisions, blz. 1-28. URL:
(21/09/2004)
Laibson D., 1997, Golden Eggs and Hyperbolic Discounting, Quarterly Journal of Economics, vol 112, nr. 2, blz. 443-477.
Lakonishok J., Shleifer A. en Vishny R.W., 1994, Contrarian Investment, Extrapolation and Risk, Journal of Finance, vol. 49, blz. 1541–1578.
Lehmann B. en Modest D., 1988, The Empirical Foundations of the Arbitrage Pricing Theory, Journal of Financial Economics, vol. 21, blz. 213-254.
Lehmann B., 1990, Fads, Martingales and Market Efficiency, Quarterly Journal of Economics, vol. 105, blz. 1-28.
XV
LeRoy S. F. en Porter R.D., 1981, Stock Price Volatility: A Test Based on Implied Variance Bounds, Econometrica, vol. 49, blz. 97–113.
Liang B., 2000, Hedge Funds: The Living and the Dead, Journal of Financial and Quantitative Analysis, vol. 35, blz. 309-326.
Liontrust, 2004a, Fund Fact Sheet with William Pattisson’s latest investment bulletin: Common Sense, blz. 1-12.
URL:
(8/8/2004)
Liontrust, 2004b, The Lang Approach, blz. 1-29. URL:
(8/8/2004)
Lo A. en MacKinlay C., 1990, When are Contrarian Profits due to Stock Market Overreaction?, Review of Financial Studies, vol. 3, blz. 175-205.
Lucas L. en Riepe M.W., 1996, The Role of Returns-Based Style Analysis: Understanding, Implementing, and Interpreting the Technique, blz.1-38.
URL:
(04/09/2004)
Lux T.,1995, Herd Behaviour, Bubbles and Crashes, The Economic Journal, vol. 105, blz. 881-896. Malkiel B.G., 1995, Returns from Investing In Equity Mutual Funds 1971 to 1991, The Journal of Finance, vol. 50, nr. 2, juni 1995, blz. 549–572.
Markowitz H., 1952, The utility of wealth, Journal of Political Economy, vol. 60, blz. 151-158. Merton R.C., 1987, A simple model of capital market information, Journal of Finance, vol 42, blz. 483-510.
equilibrium with incomplete
Mitchell M., Pulvino T., Stafford E., 2002, Limited Arbitrage in Equity Markets, Journal of Finance, vol. 57, blz. 551-584. Morningstar, 2005.
URL:< http://www.morningstar.com>
(maart 2005)
XVI
Moyersoen J., 2004, Psychology’s Prospect Theory: Relevance for identifying Positions of Local
Satiation as Robust Reference Points of Joint Actions in Peace Agreements, PEPS, vol. 10, nr.1, Winter 2004, blz.46-68.
Mynatt C. R., Doherty M. E. en Tweney R. D., 1977, Confirmation bias in a simulated research
environment: an experimental study of scientific inference, Quarterly Journal of Experimental Psychology, vol. 29, blz. 85-95.
Northcraft G.B. en Neale M.A., 1987, Expert, Amateurs and Real Estate: An Anchoring-andAdjustment Perspective on Property Pricing Decisions, Organizational Behavior and Human Decision Processes, vol. 39, blz. 84-97.
Odean T., 1998, Are investors reluctant to realize their losses?, Journal of Finance, vol. 53, blz. 1775-1798.
Otten R. en Bams D., 2002, European Mutual Fund Performance, European Financial Management, vol. 8, nr 1, blz. 75-101.
Poterba J. en Summers L., 1988, Mean-reversion in stock prices: Evidence and implications, Journal of Financial Economics, vol. 22, blz. 27-59.
Rabin M., 2002, Inference by Believers in the Law of Small Numbers, The Quarterly Journal of Economics, vol. 117, nr. 3, augustus 2002, blz. 775-816.
Redelmeier D. en Tversky A., 1992, On the framing of multiple prospects, Psychological Science, vol. 3, blz. 191−193.
Ritter R.J., 2003, Behavioral Finance, Pacific-Basin Finance Journal, vol. 11, nr. 4, blz. 429-437. Rode E., 2003, Investment returns: How cash beat property (and a few other asset classes besides), blz. 1-14.
URL:< http://www.rode.co.za/news/research/Research_invest_returns.pdf>
(02/04/2005)
Rosenberg J.V. en Schuermann T., 2004, Integrated Risk Management with Skewed, Fat, Tailed Risks, New York Fed Staff reports nr. 185, blz. 1-69.
URL:
XVII
(09/08/2004)
Rosenthal L. en Young C., 1990, The seemingly anomalous price behavior of Royal Dutch/Shell and Unilever N.V./PLC, Journal of Financial Economics, vol. 26, blz. 123-141.
Ross S., 2001, Lectures Notes on Market Efficiency, MIT, Cambridge, MA. Rubenstein M., 2001, Rational markets: yes or no? The affirmative case, Financial Analysts Journal, mei-juni 2001, blz. 15-29.
Sharpe W.F., 1966, Mutual Fund Performance, Journal of Business, vol. 39, nr. 1, blz. 119-138. Sharpe W.F., 1988, Determing a Fund’s Effective Asset Mix, Investment Management Review, blz. 59-69.
Sharpe W.F., 1992, Asset allocation: Management Style and Performance Measurement, The Journal of Portfolio Management, blz. 7-19.
Sharpe W.F., 1994, The Sharpe Ratio, The Journal of Portfolio Management, Fall 1994, blz. 49-59. Sharpe W.F, 1995, Setting the Record Straight on Style Analysis, A Newsmaker Interview by Barry Vinocur, Dow Jones Free Advisor, november/december 1995, blz. 1-7. URL:
(8/09/2004)
Shefrin H. en Statman M., 1985, The Disposition to Sell Winners Too Early and Ride Loser Too Long: Theory and Evidence, Journal of Finance, vol. 40, blz. 777-790.
Shiller R.J., 1979, The Volatility of Long Term Interest Rates and Expectations Models of the Term Structure, Journal of Political Economy, vol. 87, blz. 1190–1219.
Shiller R.J., 1981a, Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends?, American Economic Review, vol. 71, nr. 3, blz. 421–436.
Shiller R.J., 1981b, The Use of Volatility Measures in Assessing Market Efficiency, Journal of Finance, vol. 36, blz. 291-304.
Shiller R.J., 1990, Market Volatility and Investor Behavior, The American Economic Review, vol. 80, nr. 2, blz. 58-62.
XVIII
Shiller R.J., 1998, Human Behavior and the Efficiency of the Financial System, National Bureau of Economic Research (NBER) Working Paper, nr. W6375, januari 1998, blz.1-27. URL: < http://cowles.econ.yale.edu/P/cd/d11b/d1172.pdf>
(09/08/2004)
Shleifer A. en Summers L., 1990, The noise trader approach to finance, Journal of Economic Perspectives, vol. 4, blz. 19-33.
Shleifer A. en Vishny R., 1997, The limits of arbitrage, Journal of Finance, vol. 52, blz. 35-55. Stevens D.E. en Arlington W.W., 2004, Inefficiency in Earnings Forecasts: Experimental Evidence of Reactions to Positive vs. Negative Information, Experimental Economics, vol. 7, nr. 1, blz. 89. URL:
(16/09/2004)
Stracca L., 2002, Behavioural finance and aggregate market behaviour: where do we stand?, mei 2005, blz. 1-35.
URL:< http://www.le.ac.uk/economics/research/RePEc/lec/leecon/econ02-10.pdf>
(20/04/2005)
Taylor N., 2000, Making actuarues less human: lessons from behavioural finance, presented to the Staple Inn Actuarial Society, 18 januari 2000, blz.1-32. URL:
(01/08/2004)
Tentori K., Bonini N. en Osherson D, 2004, The conjuntion fallacy : a misunderstanding about conjunction?, Cognitive Science, vol. 28, blz. 467-477.
Ter Horst J.R., Nijman T.E., de Roon F.A, 2004, Evaluating style analysis, Journal of Empirical Finance, vol.11, nr. 1, januari 2004, blz.. 29-53.
Thaler R.H., 1987, The psychology of choice and the assumptions of economics, Laboratory Experimentation in Economics: Six Points of View, Cambridge University Press, Cambridge, blz. 99-130.
Thaler R.H., 1999, Mental accounting matters, Journal of Behavioral Decision Making, vol. 12, nr.3, blz. 183-206.
Tversky A. en Kahneman D., 1971, Belief in the law of small numbers, Psychological Bulletin, vol. 72, nr. 2, blz. 105-110.
XIX
Tversky A. en Kahneman D., 1973, Availability: A heuristic for judging frequency and probability, Cognitive Psychology, vol. 5, blz. 207-232.
Tversky A. en Kahneman D. ,1981, The framing of decisions and the psychology of choice, Science, vol. 211, blz. 453-458.
Tversky A. en Kahneman D., 1992, Advances in Prospect Theory: Cumulative Representation of Uncertainty, Journal of Risk and Uncertainty, vol. 5, blz. 297–323.
Von Neumann J. en Morgenstern O., 1944, Theory of Games and Economic Behavior, Princeton, Princeton University Press, blz.1-648.
Wason, P. C., 1966, Reasoning. In B.M. Foss (Ed.), New horizons in psychology I, Penguin, Harmondsworth, UK, blz. 135-151. WebFinance, 2005.
URL:< http://www.investorwords.com/450/behavioral_finance.html>
(04/03/2005)
Womack K. L. en Ying Z., 2003, Understanding Risk and Return, the CAPM, and the Fama-French Three-Factor Model, Tuck Case, nr. 03-111, december 2003, blz. 1-4. URL: < http://ssrn.com/abstract=481881> Yahoo! database, 2005.
URL: < http://finance.yahoo.com>
(maart 2005)
XX
