JOURNAAL. vba _beleggingsprofessionals. Transparantie: is vooruitgang ook verbetering?

vba b_eleggingsprofessionals

JOURNAAL

jaargang 32_nummer 122 zomer 2015

Transparantie: is vooruitgang ook verbetering? De schatkamers van de beleggingstheorie van voor de jaren 50 12 Factorbeleggen voor bedrijfsobligaties 20 De digitale evolutie van de beleggingsanalyse 30 Beleggen met meer inzicht 40

MK2015

——INHOUD

VBA_journaal_Zomer_2015_6_artwork.pdf

1

10-06-15

12:56

——ONDERZOEK

De schatkamers van de beleggingstheorie van voor de jaren 50 12 Thomas Pistorius

——OPINIE

De evolutie in het beleggingsvak 17 MK2015

Alfred Slager

——ONDERZOEK

Factorbeleggen voor bedrijfsobligaties 20 Jeroen van Zundert en Patrick Houweling

——PRAKTIJK

Alpha Mapping 26 Farid Kabbaj

——CALL FOR PAPERS Het winternummer van het VBA Journaal heeft als thema “Beleggen onder de huidige bijzondere marktomstandigheden”. Bij de verschijning van dit nummer, in januari 2016, is het ruim 7 jaar geleden dat Lehman failliet ging en we de ergste economische crisis doorgemaakt hebben sinds de jaren dertig. Op nooit vertoonde wijze hebben centrale banken geïntervenieerd in de financiële markten. Nog steeds worden grootschalig obligaties opgekocht. Tegelijkertijd hebben de politiek en toezichthouders gereageerd met een flink aantal nieuwe regels. Deze ontwikkelingen in combinatie met de huidige economische situatie leiden tot de vraag wat de gevolgen zijn van de huidige en bijzondere marktomstandigheden voor beleggers. In het themanummer wil de redactie vanuit een diversiteit aan invalshoeken genuanceerd stilstaan bij dit onderwerp. De redactie denkt hierbij aan de volgende onderwerpen, maar staat ook open voor andere inzendingen: • Het Nieuwe Normaal, Secular Stagnation – hoe kunnen we de huidige omstandigheden het beste duiden? • Gaat de paradox voortduren: volgen na 7 vette jaren op de financiële markten nu 7 magere jaren, juist terwijl de economie hersteld lijkt? • Wat is de impact van de vergrijzing van de meeste grote economieën? • Wat word t de rol van China? • Wat is de invloed van de lage economische groei op beleggingen? • Wat is de implicatie van de lage rente op het systeem? • Hoe te beleggen bij een escalerende euro crisis? • Zijn de middelen uitgeput om een eventuele volgende crisis te kunnen bestrijden? • In welke mate kan alle regelgeving tot systeemrisico’s leiden? • Hoe te beleggen in omstandigheden van gematigde rendementsverwachtingen? • Bestaat het gevaar dat we in de search for yield weer meer in complexe en illiquide producten gaan beleggen – zoals vóór 2008? • Verwachte beloningen voor risico’s en onderhavig risico (emerging debt, high yield, illiquide beleggingen)? • Op weg naar een nieuwe financiële crisis? Het voorjaarsnummer verschijnt in januari 2016. Via deze call for papers roepen wij geïnteresseerde auteurs van harte op vóór 31 juli 2015 contact op te nemen met de redactie ([email protected]).


JOURNAAL nummer 122, zomer 2015

——ONDERZOEK

De digitale evolutie van de beleggingsanalyse 30 Ronald van Dijk en Gerben de Zwart

——INTERVIEW

Roger Urwin: Art and science 36 Jaap Koelewijn

——PRAKTIJK

Beleggen met meer inzicht 40 Pim Lausberg en Philip Stork

——COLUMN

“Let all investment analysts be risk managers and the financial world will be a better place” 48 Michael Damm

Verder in dit nummer Uit de vereniging Verslag van de bijeenkomst VBA werkgroep Lange Golf (Kondratieff) 5 februari 2015 4 Verslag seminar ethiek en integriteit anno 2015 6 Philip Jan Looijen en Alwin Oerlemans

Verslag ronde tafel naar aanleiding van VBA rapport Risicostandaarden Beleggingen 2015 8 Anne-Marie Munnik

Verslag VBA bijeenkomst “Hoe om te gaan met emoties bij de inventarisatie van risicobereidheid?” 10 Erik Aalbers

Verslag VBA-seminar “Historisch lage rente en de invloed van de ECB” 22 mei 2015 11 Kiemthin Tjong Tjin Joe

Scriptie Why options tell you how to make money on stocks 46 Felix Gornik

——EDITORIAL

Vernieuwing in beleggingsanalyse

Met het thema “Vernieuwing in beleggingsanalyse” gaat de redactie bewust (en met een woordspeling) terug naar de wortels van de vereniging, namelijk het vak van beleggingsanalist, maar met de blik gericht op de toekomst. Zoals het ook bij de weerman gaat, wordt eerst stilgestaan bij de ontwikkelingen tot op heden. Thomas Pistorius gaat daarvoor in zijn bijdrage “De schatkamers van de beleggingstheorie van voor de jaren 50” ver terug in de tijd, verder dan de theorie van Markowitz, om uit te komen in het Frankrijk van de 19e eeuw. Alfred Slager neemt het stokje over en neemt ons mee door de evolutie van het beroep van de beleggingsprofessional. Hij kijkt daarbij vooral vooruit, naar de verwachte én nodige doorontwikkelingen van ons vak, op het gebied van ethiek, fundamentele analyse, zelfinzicht, theorie en opleiding. Meer de diepte in gaan we met Patrick Houweling en Jeroen van Zundert, die laten zien dat factorbeleggen, vooralsnog vooral bekend uit de aandelenwereld, ook toepasbaar is op bedrijfsobligaties en daarbij vergelijkbare voordelen biedt. Farid Kabbaj geeft in het artikel “Alpha Mapping” aan dat de afweging tussen actief en passief beheer niet meer eenduidig te maken is, en biedt een systematische benadering hoe daarmee als belegger om te gaan. Ronald van Dijk en Gerben de Zwart betogen dat het vakgebied van de beleggingsanalyse aan de vooravond staat van een versnelling in nieuwe mogelijkheden en innovatie kansen. De ontwikkelingen op het gebied van internet, Big Data, tekstanalyse, snelle computers, kunstmatige intelligentie en machine learning kunnen het werk van analisten in de toekomst verrijken. Pim Lausberg en Philip Stork trekken lessen uit de kredietcrisis, toen de spreiding over diverse beleggingscategorieën niet de verwachte bescherming bleek te bieden. Zij laten zien hoe een ‘heatmap’ het

concentratierisico in de asset allocatie inzichtelijk kan maken, wat leidt tot beter onderbouwde beleggings beslissingen. Bernard Janssen heeft voor u het boek “Money, Blood and Revolution” van George Cooper gelezen. Cooper wil met zijn boek een paradigma verandering teweegbrengen in ons denken over de economie en financiële markten. Janssen wil daarin meegaan en roept belangstellenden op met hem in contact te treden. Onze columnist Michael Damm houdt de beleggings analist op vrolijke wijze een spiegel voor, waarbij een bont gezelschap aan ons voorbij trekt, van zijn vrouw via Paccioli en Graham en Dodd tot de Maartse Haas. Felix Gornik toont in zijn scriptieonderzoek aan dat de optiemarkt vooruit loopt op de aandelenmarkt, waarbij steun wordt gevonden voor de hypothese dat dit komt door vroegtijdig uitlekkende tips van analisten. Jaap Koelewijn tot slot heeft Richard Urwin geïnterviewd over zijn visie op beleggen en het beleggingsproces, inclusief de rol die de analist daarin speelt. Rest ons nog een terugkoppeling te geven over het lezersonderzoek. Dank allereerst voor uw deelname. Uit het lezersonderzoek kwam naar voren dat men in het algemeen tevreden is over het blad. Men stelt de onafhankelijkheid op prijs en waardeert in het algemeen de bijdragen. Men zou iets meer bijdragen in de sfeer van personal finance en private banking waarderen. Het aanbod van artikelen is in dit opzicht beperkt, maar we zullen er als redactie attent op zijn ook dit gebied te blijven belichten. De redactie ziet geen directe aanleiding de huidige koers te wijzigen. De uitkomsten zullen wij bespreken met het bestuur. Namens de redactie, Dirk Gerritsen, Ernst Hagen en Jan Jaap Hazenberg


Nummer 122_zomer 2015 3

——UIT DE VERENIGING

Verslag van de bijeenkomst VBA werkgroep Lange Golf (Kondratieff) 5 februari 2015 Aanwezig: Jaap van Duijn [JvD], Philip Menco [PM], Sep Van de Voort [SvdV], Peter Vermeulen [PV], René Willemsen [RW] (voorzitter)

— De werkgroep begint met een uitgebreide bespreking van de studie van Thomas Piketty, Capital in the Twenty-first Century, (London, 2014). De leden kunnen zich nagenoeg volledig vinden in de recensie die Philip Menco heeft geschreven voor het vorige nummer van het VBA Journaal (jaargang 32, nummer 121, voorjaar 2015). Vervolgens bespraken de leden de Kondratieff golf: 1. In welke fase van de lange golf bevindt Europa zich [PM] Aan het eind van de depressiefase. Ik verwacht ergens tussen 2016 en 2018 het begin van de herstelfase. [PV] Belangrijk is door welke bril je kijkt: die van het bedrijfs leven zegt dat we aan het eind van de opgaande fase zitten, zowel voor de VS als Europa; die van de werknemers zegt dat we nog in de neergaande fase zitten, vanaf circa 2018-2020 verbetering (eens met verhaal van Jaap dat je ongeveer tien jaar goede stijgingen van beurs nodig hebt om verbetering te krijgen voor de werknemers). [SVdV] Ik denk dat we in een creative destruc tion periode zitten wat betreft het Westen, al speelt het einde van de bevolkingsgroei daar wat groeicijfers betreft wat doorheen. [JvD] We zitten duidelijk in de depressiefase en komen daar voorlopig niet uit. [RW] De golf van het neoliberalisme is ten einde. In tegen stelling dat het einde van de vorige golf zijn nu niet totale bedrijfstakken die verdwijnen, zoals rond 1980 de textiel, scheepsbouw, mijnbouw; neergang dus minder diep. 2. In welke fase van de lange golf bevindt China zich [PM] Aan het eind van de voorspoedfase of het begin van de recessiefase. [PV] In China speelt een catch up proces richting westerse welvaart. Dat is geen Kondratieffgolfproces. In China heb je het probleem van de middle income trap gecombineerd met demografie (China will become grey before it will become rich). Er zijn maar weinig voorbeelden van landen waar je goed uit de middle income trap komt, al zijn dat wel de buurlanden van China geweest. Overschakeling van een door inves teringen gedreven economie met lage lonen

vba b_eleggingsprofessionals JOURNAAL 4

naar een consumptiemaatschappij is moeilijk. Multiplier werkt tegen. In China is veel te veel geïnvesteerd en voor de slechte investeringen komt de rekening na 2018-2020. [SVdV] Voor wat China betreft vermoed ik dat zij in een recessiescenario zitten. [JvD] China zit in een mild recessiescenario. [RW] De uitdaging voor China is om de export geleide economie om te vormen naar een binnenlandse vraag en waarschijnlijk gaat China ondanks alle problemen daar in slagen. 3. Wat zijn de vooruitzichten voor de komende 5 – 10 jaar voor de Nederlandse economie [PM] Een geleidelijk herstel, maar geen hoge groeicijfers meer vanwege demografische invloeden en de remmende werking van de noodzaak van overheden om schulden af te lossen. [PV] Ook in Nederland zal je over enkele jaren meer loongroei zien, na ongeveer 2018-2020. Tot die tijd 1-2% groei en uiteindelijk weer een recessie natuurlijk. Daarna iets meer economische groei (1,5-2,5%) en inflatie stijgend naar ongeveer 3,5% (trend sinds 1950). [SVdV] Nederlandse economie: potentiële groei 1 á 2%, veel beter wordt het niet. [JvD] Nederland leeft boven zijn stand. Er is een tegenstrijdigheid in het feit dat er veel arbeidsmigratie is bij een hoge werkloosheid; dat was er in de 18e eeuw ook. Het loonniveau is te hoog. De werkgeverslasten zijn te hoog en werklozen kunnen te makkelijk werk weige ren. [RW] Nederland kan alleen weer redelijke groei krijgen als de productiviteit omhoog gaat. Daarvoor is het noodzakelijk dat scholing en onderwijs wordt geïntensiveerd. Scholing door bedrijven nu vaak voor dertigers en veertigers, maar zal eigenlijk daar moeten gaan met bijscholen tot 67 jarige leeftijd. 4. Zijn aandelen nu overgewaardeerd [PM] Aandelen in Europa zijn vooralsnog niet overgewaardeerd gezien de te verwachten winstgroei, maar als de rente verder oploopt, worden ze wel relatief steeds minder aan trekkelijk. In de VS zijn aandelen relatief duur, maar nog niet in een euforiefase. Over Japan heb ik geen oordeel. Selectieve opkomende markten lijken nog relatief aantrekkelijk. Alles wordt echter in hoge mate bepaald door het renteniveau.

Waardering aandelen. [PV] Volgens mijn model zijn aandelen nu 1,2 sigma overgewaar deerd. In absolute zin zijn aandelen zonder twijfel overgewaardeerd, maar relatief versus obligaties niet. Pas als de inflatie echt gaat stij gen (na 2018-2020) wordt die hoge waardering een echt probleem [SVdV]. Aandelen zijn licht overgewaardeerd, maar wel afgezet tegen de ondanks lage rente. Een renteschok kan de boel aan diggelen gooien. Uitgaande van een lage potentiële groei voor het hele westen zal zo’n renteschok echter ook wel meevallen. 5. Wanneer kunnen we weer een lange Nederlandse rente van 4% verwachten [PM] Als de inflatie uit de hand loopt. Ik zie voorlopig nog weinig kans op een rente van dat niveau. 3% lijkt voorlopig (eerste 5 tot 10 jaar) een redelijke verwachting voor een normale rente bij 2% inflatie en 1 à 1,5% reële groei. [PV] We kunnen weer een rente van 4% verwachten als er 3,5% inflatie is, dan kun je uitgaan van 4-5% rente. Dit kan al rond 2020 het geval zijn. [SVdV] Voortbordurende op het voorgaande is een rente van 4% voor Nederland voorlopig wel het maximaal haalbare, als het al gehaald wordt. Duurt dus nog wel enige tijd. [JvD] Rente zal de komende 5 jaar laag blijven. [RW] Alles hangt af van de inflatie; De kwantitatieve verruiming kan voor inflatie verrassingen zorgen. 6. Algemeen [JvD] De Nederlandse economie is geheel vastgelopen en het zal lang duren voordat deze weer op gang komt. Opmerkelijk is dat veel wetgeving ontstaan in de jaren dertig na de vorige depressie, zoals bij Glass–Steagall Act, die de splitsing tussen investment banks en commercial bank reguleerden, allen weer zijn ingetrokken, met de bekende gevolgen. We zouden terug moeten naar de lokale spaarbank die lokaal aan het midden- en kleinbedrijf kredieten verschaft. [RW] De economische theorie is toe aan verdieping: complexiteit en onzekerheid zouden meer aandacht dienen te krijgen: van diversificatie naar diversiteit. [PV] Rond 2018 een depressie, daarna pas economisch uit het dal. De leden van de werkgroep verwachten: een seculaire stagnatie de komende twee jaar en wellicht zelfs wel de komende vijf jaar. Aanhoudende

deflatoire groei en wellicht na drie/vier jaar inflatoire groei. Quantitative Easing: De nadelen werden groot gevonden: het destabiliseert de kapitaal markt en zorgt voor een te lage rente voor pensioenfondsen, verzekeraars en spaarders. Een voordeel is de lagere euro en de lage financieringslasten van de overheden. Wat is er de afgelopen jaren fout gegaan: geen demografische groei, langdurig te lage investeringen, te ongelijke inkomens- en kapitaalverdeling, verkeerd verdeelde te hoge schulden, verkeerde mentaliteit van banken. Deze zorgen voor een schaarste aan kredieten voor midden- en kleinbedrijf tegen

_

AGENDA

8 september 2015 Lancering SPO-VBA vermogensbeheerboek Brasserie Berlage te Den Haag PE

1 punt

_

te hoge rentes. Vroeger functioneerden de lokale banken wat dat betreft veel beter. Nu worden alleen de gemakkelijke, grote, meestal al lopende kredieten verleend. Slechts 15% gaat naar echt nieuw krediet [JvD]. Creatieve vernietiging is nu meer dan ooit negatief voor westerse middenklasse. Al deze factoren spelen langdurig. Er zijn gelukkig ook zaken goed gegaan: de technologische vooruitgang (medische revolutie, zelfrijdende auto’s, drones, robots, communicatie, energie etc.), het herstel uit de kredietcrisis in veel landen (de vijf tot tien jaar van Reinhart Rogoff zijn grotendeels voorbij). De balansrecessie is achter de rug in de VS. Er zijn veel mogelijk

9 september 2015 Documentaire BoomBustBoom Schouwburg Amstelveen te Amstelveen PE

1 punt

_

20 en 27 oktober 2015 Cursus PE Lage rente, is de rek eruit, of nieuwe beleggingskansen? Han de Jong en Marcel Andringa

10

PE

punten

heden voor meer investeringen in infrastruc tuur tegen lage rente, beter onderwijs. De aanstormende generatie van millennials is boven gemiddeld entrepreneurial.

De VBA werkgroep Kondratieff/lange golf heeft ruimte voor 1 à 2 nieuwe leden. Heeft u enige kennis van de Kondratieff literatuur en belangstelling voor ontwikkelingen op de langere termijn, meld u dan aan via het VBA secretariaat bij R. Willemsen.

_

27 oktober 2015 Algemene leden vergadering en jaardiner met gastspreker Klaas Knot IGC te Amsterdam PE

_

5 november 2015 ALM congres Science Center NEMO te Amsterdam PE

8 punten

1 punt



——UIT DE VERENIGING

Verslag seminar ethiek en integriteit anno 2015

— Op 18 mei werd voor de tweede maal het semi nar Ethiek en Integriteit bij financiële instellin gen gehouden. Het thema van dit jaar was “Tone at the Top”. Alfred Slager, voorzitter van VBA, opende het seminar. Hij onderstreepte dat – enkele jaren na de start van de financiële crisis – er veel maatregelen zijn genomen. Nu is het zaak om ethische waarden en normen te verankeren in de bedrijfscultuur van financiële instellingen. In het seminar van vorig jaar werd door diverse sprekers in dit verband de nadruk gelegd op de tone at the top. Refererend aan zijn militaire diensttijd illustreerde Slager dat een opdracht niet wordt nagevolgd als de lei ding zich er zelf aan onttrekt. De handel en wandel van de leiding van financiële instellin gen beïnvloedt in hoge mate de cultuur van de instelling. Daarom wordt dit jaar nader inge zoomd op dit onderwerp, met een diversiteit aan sprekers die elk vanuit een eigen invals hoek dit thema belichten. Als eerste spreker kwam Caroline Princen, lid Raad van Bestuur ABN Amro, aan het woord, waarbij zij de prikkelende titel Van het balkon naar de dansvloer had gekozen voor haar bij drage. Allereerst onderstreepte zij dat de top van ABN Amro de afgelopen weken teveel in het nieuws is geweest. Incidenten in Dubai, een brief van DNB en de beloningskwestie waren onderdeel van een stormachtige peri ode. Hierin werd veel gerefereerd aan ethiek waarbij naast moreel ook de termen immoreel en amoreel werden gebezigd. Immoreel en amoreel zijn in de visie van Princen hetzelfde: het gaat in tegen het goede. Maar wie bepaalt het goede, is het iets vaststaands of verandert het? Wat is het goede? En vanuit welk perspec tief? Een ethisch dilemma is niet in een één-di mensionale benadering te vatten. Die dilem ma’s met elkaar bespreken is de essentie van ethiek en integriteit. Hoe stuur je nou in een grote internationale organisatie op ethiek en integriteit? De tone at the top is daarbij volgens Princen het begin en het einde. Wat doe je, wat zeg je en wat niet, hoe luister je en hoe discussieer je? Daar houdt het echter niet mee op. Ook een degelijke con trole hoort erbij. Daarbij moet iedereen weten dat er ruimte is om elkaar te bevragen of het juiste wordt gedaan. Begrijpt een klant wat hij krijgt en of dit het goede is voor de klant?


Caroline Princen

Muel Kaptein

Paul Gerla

Merel van Vroonhoven

Fried van 't Hof

Alfred Slager

Leidraad hierbij zijn de kernwaarden, de business principles, en daaruit afgeleid een gedrags code. Zodat voor iedereen duidelijk is waar ABN Amro voor staat. Ben je er dan? Ben je er ooit? Het antwoord hierop is volgens Princen helaas negatief. Ook bij organisaties als de douane worden elke maand medewerkers berispt of ontslagen. Het komt helaas overal voor, want het gaat uiteindelijk over individuen die afwegingen maken. En dan het thema: Van het balkon naar de dansvloer. Het balkon staat voor de oude muppetmannetjes: kijken met afstand, met beter over zicht maar ook vrijblijvend en een makkelijke plek om kritiek te leveren. Een belangrijke plek voor reflectie, maar het echte werk gebeurt op de dansvloer. In deze tijd verplaatsen we ons als sector naar de dansvloer. Dat voelt nog ongemakkelijk, we zijn aan het oefenen en aan het verbeteren. Maar wel onder een ruim gevuld balkon: klanten, toezichthouders, media, medewerkers, acteurs – allemaal heb ben ze een mening. Allemaal vanuit een eigen perspectief, en soms conflicterend met elkaar. En daar staat de bankier te dansen. In dat spanningsveld vragen we wel veel van de bankmedewerkers. Daarom organiseert ABN Amro dilemma workshops en dilemma trainin gen waarin vraagstukken worden besproken.

Op die manier wordt in het gesprek ook duide lijk dat er geen eenvoudige antwoorden zijn. Daarnaast is er een ethische commissie inge richt met leden van de Raad van Bestuur, direc ties, compliance en HR. Hierin worden dilem ma’s besproken. Hiervan wordt op intranet verslag gedaan. De beloningskwestie is ook op deze wijze als casus gebruikt. Hiermee wordt duidelijk gemaakt hoe met dilemma’s wordt omgegaan, en dat dilemma’s bespreekbaar zijn binnen de bank. Princen bespreekt enkele dilemma’s uit de praktijk. Hoe verhoudt de wens om de klant te laten ervaren dat zijn belang centraal staat zich tot de eis om een gedegen klantprofiel op te stellen waarvoor soms een vragenlijst van 224 vragen nodig is? Hoe ga je om met zorgplicht als klanten perti nent geen zorgwens hebben? Hoe weeg je de balans tussen klantbelang, klantwens, eigen waarden en bankbelang? De belangrijkste boodschap volgens Princen: blijf nadenken, ondanks het bos van regels en wetgeving. Verval niet in tick the box, maar blijf – in dialoog met elkaar – nadenken waarom je doet wat je doet. Vervolgens was het woord aan Muel Kaptein, hoogleraar business ethics and integrity management aan de Erasmus Universiteit en Partner bij KPMG. Zijn presentatie had de titel Integriteit als strijd. Uitgaande dat een organisatie op een

bepaald moment voldoet aan de eisen die aan een integer bedrijf worden gesteld kunnen zich twee ontwikkelingen voordoen. Allereerst kan de organisatie afglijden, waar door deze non-compliant wordt. Tevens kun nen normen verschuiven, ook dan ontstaat een integriteitskloof. De uitdaging is daarom om zowel de huidige normen duurzaam te ver ankeren als bij te blijven met nieuwe normen. Waarom blijven sommige organisaties bij en glijden anderen af? Volgens Kaptein wordt dit bepaald door de mate van strijd die een orga nisatie levert. Hoe minder strijd hoe groter de kloof en hoe meer strijd vervolgens nodig is om die te overbruggen. “Strijd” staat voor een doel bereiken bij moeilijkheden of tegenstand. Een organisatie is per definitie een strijdto neel. Organisaties zijn er om afwegingen te maken in schaarste en daarin een evenwicht te zoeken. Dat is altijd onvolkomen en vergt dus strijd. Er is verleiding en druk om de verkeerde kant op te gaan. Het goede wordt door de omgeving immers niet altijd beloond. Als dat zo was kon integriteit door marktwerking wor den geregeld. De mens is vatbaar voor verlei ding en druk, dit is al door vele filosofen in het verleden beschreven. Voor organisaties bete kent dit strijd: strijd tegen het kwade en strijd voor het goede. Maar ook een strijd met dilemma’s, goed versus goed en kwaad versus kwaad. Om die strijd als onderdeel van die organisatie te strijden zijn drie deugden van belang. Allereerst morele wijsheid, die verder gaat dan enkel de kennis van wetten en regels. Vervolgens morele moed om tegen de wind in te gaan en daarbij morele kracht om dit vol te houden. Voor het management betekent het dat die een duidelijke missie moet hebben en een strijdplan om die te bereiken. En mede werkers goed moet toerusten om de strijd aan te gaan. Ethisch leiderschap is volgens Kaptein niet zozeer tone at the top maar “moreel hel dendom”. Hij sluit af met enkele vragen die iedereen zich kan stellen: Waarvoor strijd ik? Ben ik strijdvaardig? Welke overwinningen heb ik al geboekt? En is mijn organisatie strijd vaardig? En met de stelling: Een dag niet gestreden is een verloren dag. Als laatste spreker voor de pauze betreedt Paul Gerla, CEO van Kempen & Co het podium voor zijn lezing met de titel Candor en curiosity als basis voor tone at the top. Als opening inven tariseert hij bij het publiek waar zij aan denkt bij het begrip tone at the top. Van daaruit slaat hij de brug naar zijn eigen ervaringen. Kempen is sterk gegroeid in de afgelopen jaren. Van daaruit is de wens gegroeid om expliciet aan dacht te besteden aan de cultuur binnen het bedrijf. De ideeën hierover zijn onder andere beschreven in het boek High Performing Investment Teams van de adviseurs die Kempen begeleiden. In een organisatie die

gebaseerd is op vertrouwen zijn medewerkers open en eerlijk tegen elkaar (candor) en nieuwsgierig en gedreven om te leren (curiosity). Openheid vraagt ook dat goed onder scheiden wordt wat feiten zijn en wat menin gen, interpretaties zijn. En de organisatie wordt zo ingericht dat volledig duidelijk is wie verantwoordelijk is en op welke afspraken men kan rekenen. Deze duidelijke accountability schept voor iedereen helderheid. Gerla geeft aan dat dit niet van de ene op de andere dag gerealiseerd wordt: “cultuurom slag is een reis”. Een belangrijk startpunt daar bij is het aannamebeleid. Past een kandidaat binnen het bedrijf? Hiervoor worden veel gesprekken gevoerd, waarbij er vetorecht is voor alle betrokkenen. Ook het afscheidsbe leid is belangrijk. Hoe ga je om met star per formers die niet alle kernwaarden belicha men? De ervaring leert dat ook in dat geval een afscheid het beste is voor de organisatie als geheel. Om de gewenste cultuur verder te ondersteu nen zijn er in de ervaring van Gerla meerdere praktische maatregelen te implementeren in het bedrijf. Het bieden van carrièreperspec tief, een goed renumeratiebeleid, lange ter mijnfocus en sterke gerichtheid op klanttevre denheid zijn hier voorbeelden van. Maar ook “skin in the game”: het zelf beleggen in de eigen producten en in de onderneming zelf zijn van belang. Uiteindelijk, zo sluit Gerla af, gaat integriteit over hoe je omgaat met dilemma’s. Als per soonlijk voorbeeld schetst hij de situatie waarin Kempen begin 2015 verkeerde. Twee naaste collega’s van Gerla, waaronder de directievoorzitter, verlieten het bedrijf. Dan blijkt het belangrijk om de tijd te nemen voor de ontstane dilemma’s, te luisteren en probe ren te begrijpen wat het standpunt van de ander is en zo samen een weg naar een oplos sing proberen te vinden. Tenslotte gaat Gerla in op enkele vragen uit de zaal. Hij beaamt dat integriteit een schuivend doel is en dat tevens de organisatie beweegt. Voor Gerla voelt het niet altijd als strijd, maar juist als een mooie uitdaging om hierin te blij ven investeren. “De top is relevant, maar wat is de top?”. Merel van Vroonhoven, voorzitter van de Raad van Bestuur van AFM, benadrukt dat onze omgeving snel verandert: de wisdom of the crowd bepaalt sterker dan voorheen wat de norm is. Leiderschap is cruciaal in deze tijd waarin veel instituten aan zeggingskracht heb ben ingeboet. Wat is de juiste toon in het bedrijfsleven en hoe zorg je dat je zuiver blijft zingen op weg naar de top van een organisa

tie? Tegengeluid is de beste manier om dit te bereiken en dat brengt haar bij de titel van haar voordacht “Tone at the Top” roept om weerwoord en tegengeluid. Juist in de financiële sector valt op hoe onge looflijk ongelijkwaardig de verhouding is tus sen aanbieder en klant. Er is geen mooiere manier om je scherp te houden dan goed naar je klanten te luisteren, maar hoe zet je je klan ten in hun kracht? Hoe zorg je dat de focus in de relatie verschuift van de korte termijn naar de lange termijn? Een sterk moreel kompas is daarbij belangrijk. Van Vroonhoven ziet goede intenties om te komen tot een duurzame bedrijfsvoering, maar men moet zich bewust zijn van sterke tegenkrachten. Ook staan bedrijfsmodellen – zoals van levensverzeke raars – onder druk en is er sprake van een tsunami aan regelgeving. We moeten oppas sen voor “toezichtsverslaving” (zoals in de zorg), omdat meer toezicht niet altijd leidt tot beter handelen. Het doel is om te komen tot eerlijke en transparante financiële markten. Belangrijk is dat de sector meer in gesprek gaat met de samenleving. Legacy zit niet alleen in IT systemen, maar ook in de cultuur! Kom uit de Zuid-As! Waar is de nieuwe generatie bankiers en waarom zijn dezen zo weinig zicht baar in de media? Kritiek is er om te omarmen. Door pro-actief dilemma’s te agenderen kan de financiële sector beter in contact komen met de samenleving. Ook AFM heeft het risico van de ivoren toren. Van Vroonhoven verwijst naar de discussie over de eigen Raad van Toezicht. AFM stelt zich ook zelf de vraag waar ze van zijn en of ze altijd voldoende zorgvuldig is. Heel leerzaam was een recente exercitie waar CEO’s zijn uitgenodigd om met elkaar over de AFM te praten met de toezichthouder zelf op de tribune. Kijken in de spiegel en elkaar de spiegel voorhouden zijn belangrijk. Meer wetgeving is niet de panacae om deze zaken op te lossen. De vijfde spreker Fried van ’t Hof, lid van de Directie van Hof Hoorneman Bankiers gaat in op de “Tone at the Top” vanuit het perspectief van een DGA. Hij licht de ontstaansgeschiede nis van het bedrijf toe en benadrukt het belang van dat er voor de klant iets valt te kie zen. Met diverse anekdotes onderbouwt Van ’t Hof zijn visie dat een hoofdkantoor op afstand te weinig de klant centraal kan stellen en hoe kortetermijndoelstellingen de agenda gaan domineren. Hij is daarbij kritisch op de in die situatie gestelde targets en de moral hazards als gevolg van onrealistische doelstel lingen. Moral hazards treden op doordat het management te zeer gericht wordt op het behouden van de eigen baan. In het najagen van niet realistische doelstellingen wordt het toepassen van complexe en meer abstracte



——UIT DE VERENIGING producten gevoelsmatig makkelijker met alle risico’s voor integer handelen in het belang van de klant. Het bedrijfsproces wordt uitein delijk te sterk gericht op de aandeelhouder, waarbij de eigen raad van commissarissen eer der een hindernis dan een steun is. Als moreel kompas stelt Van ’t Hof dat het er om gaat een ander te behandelen zoals je zelf behandeld wilt worden. Hij licht toe hoe hij en zijn collega Hoorneman met veel eigen risico – maar wel goed getimed op de bodem van de markt – Veer Palthe

Voûte in 2009 losmaken van Dresdner Bank en zelfstandig verder gaan. Daarbij hebben ze de naam veranderd in Hof Hoorneman Bankiers. Met de naam van de DGA’s op de pui is hun reputatie verbonden aan de bank. Een belangrijke verbetering is ook de inrich ting van de raad van commissarissen op een manier zodat deze een asset is voor de bank, die de reputatie versterkt en morele waarden bewaakt. Met de Raad van Commissarissen wordt als het nodig is op korte termijn over legd. Doelstellingen zijn nu realistisch in

Verslag ronde tafel naar aanleiding van VBA rapport Risicostandaarden Beleggingen 2015 — Voorzitter: Cees van Lotringen, Hoofdredacteur Fondsnieuws Deelnemers: Hans de Ruiter, Chief Investment Officer pensioenfonds TNO Ineke Valke, beleggingsstrateeg Theodoor Gilissen Bankiers Ivo Kuiper, beleggingsstrateeg Kempen Capital Management Theo Andringa, voorzitter Vereniging van Vermogensbeheerders & Adviseurs (VV&A) en directeur NNEK Vermogensbeheer Bart Tishauser, bestuurslid Vereniging van Vermogensbeheerders & Adviseurs (VV&A) en directeur Nobel Vermogensbeheer

STARTPUNT VOOR RISICOMANAGEMENT Door: Anne-Marie Munnik In april van dit jaar bracht de VBA het rapport Risicostandaarden Beleggingen 2015 uit. Dit rapport bevat de aanbevelingen van de VBA met betrekking tot de te hanteren risicopa rameters – standaarddeviaties en correla ties – bij het maken van een kwantitatieve risicoanalyse van beleggingscategorieën en beleggingsportefeuilles. Dit betrof een actua lisatie van het rapport VBA Risicostandaarden Beleggingen 2010. Naar aanleiding van het uitkomen treffen verschillende mensen die hebben meegewerkt aan het rapport en verschillende gebruikers van de standaarden elkaar tijdens een ronde tafel gesprek.


Wat was de aanleiding om de risicostandaarden in 2010 op te stellen en wat was de aanleiding nu voor de actualisatie? Hans: De AFM heeft ons in 2010 benaderd om de kar te trekken namens de sector om risicostandaarden op te stellen. De AFM had namelijk geconstateerd dat de vergelijkbaar heid van de door financiële ondernemingen gehanteerde risicoprofielen beperkt was door andere geselecteerde beleggingen en gehanteerde risicoparameters. De VBA risi coparameters zijn een bruikbaar instrument gebleken en terecht gekomen in de AFM ‘Leidraad informatie over risicoprofielen’. Ivo: Aanleiding voor het nieuwe rapport was dat een update van de cijfers nodig was. Er hebben zich natuurlijk behoorlijke ontwikke lingen voorgedaan op de financiële markten. We zijn ook gelijk door alle categorieën heen gelopen. Komen ze voor in portefeuilles van particuliere klanten? Op basis daarvan hebben we een aantal aanpassingen gedaan. Is het doel van het rapport nog steeds hetzelfde als in 2010? Ivo: Het doel is niet anders dan in 2010. Wat ons betreft is het een startpunt voor risicomanagement. Ineke: De AFM leidraad is op zich nooit het doel geweest van het eerste rapport. Ons doel is en was het aanreiken van een hulmiddel voor de sector. In dit rapport hebben we het doel nog wat aangescherpt en de toepassing genuanceerd. De tabellen van standaarddevia tie en correlaties moeten geen checklist zijn. Hans: Het is een hulpmiddel voor het opstellen van strategische portefeuilles met

plaats van onhaalbaar. Eigenaarschap ver sterkt in de visie van Van ’t Hof de “alignment of interest” met de klant: als het goed gaat met de klant, dan gaat het goed met de bank. Klanttevredenheid is de absolute benchmark. Dit model bevalt hem zeer goed: een andere manier om een bedrijf te runnen is er in zijn ogen niet. Philip Jan Looijen en Alwin Oerlemans

een lange termijn doelstelling. Het is niet bedoeld als hulpmiddel voor het dagelijks beheer van portefeuilles. Op korte termijn kan de volatiliteit groter zijn dan de gestelde bandbreedtes in het rapport indiceren. We hebben bewust geen standaarden voor rendementsverwachtingen opgesteld, dat laten we aan de sector. Maar daarmee zeggen de volatiliteitscijfers niet zoveel over het al dan niet halen van een financiële doelstelling. Theo: Terugkomend op de rol die de AFM gespeeld heeft in 2010, de vraag is of dit haar rol zou moeten zijn. Het initiatief voor standaarden als deze zou bij de sector moeten liggen. Nu zien we dat partijen zich tot de AFM richten: wanneer komen de nieuwe standaar den uit? Maar de sector zou niet achterover moeten leunen, het ontslaat beleggingsonder nemingen niet zelf berekeningen te maken. Ineke: Dat de VBA standaarden soms vanwege de AFM leidraad als semi-wetgeving worden gebruikt, daar zijn wij op zich niet blij mee. Maar niets doen, geen standaarden op stellen, vonden we geen optie. Laten we in ieder geval zorgen voor goede cijfers en vooral ook een nuancering in het gebruik daarvan. Hoe zijn de 2015 standaarden tot stand gekomen en zijn er wijzigingen ten opzichte van jullie aanpak bij het samenstellen van het rapport in 2010? Ivo: Een belangrijke wijziging is dat we zijn gaan werken met bandbreedtes voor volatiliteit in plaats van puntschattingen. Bandbreedtes passen beter bij de realiteit, deze is immers niet met een exact getal weer te geven. Hans: We hebben bij onze analyses ook gekeken naar de ontwikkeling van ver schillende indices voor één en dezelfde beleggingscategorie, dat geeft op zich al weer een bandbreedte van mogelijke uitkomsten. Je kijkt dus eigenlijk naar de ‘volatiliteit van de volatiliteit’, wat zijn normale fluctuaties? We waren in 2010 ook geen voorstander van de puntschattingen, maar op verzoek van AFM hebben we dat toen wel gedaan. Makkelijk toepasbaar versus realiteit, dat is de spagaat.

Met de klok mee Theo Andringa, Ineke Valke, Bart Tishauser, Cees van Loteringen, Ivo Kuiper en Hans de Ruiter

Wat zeggen echter volatiliteit en correlatie in een financieel-economische omgeving die zo onzeker is en waar overheden de waarderingen van beleggingen manipuleren? Hans: Daarom ronden we correlaties natuur lijk ook af en gebruiken we bandbreedtes voor volatiliteit. En uit onze historische data-ana lyse blijkt de bewegelijkheid van de volatiliteit en correlatie mee valt. Ik zou wel adviseren scenario’s met klanten te bespreken. Wat als de markten zich ontwikkelen als in 2008? Wat gebeurt er als alle correlaties ineens weer op één staan? Ineke: Het grootste risico is nu eigenlijk het gebrek aan liquiditeit in veel markten. Zo is zelfs de handel in treasuries meer dan gehalveerd sinds 2008. Bart: We nemen liquiditeit zeker mee in onze advisering. We hebben uiteraard een voorkeur voor markten die het meest liquide zijn. Maar uit de markt blijven kost te veel rendement. Goed diversifiëren is in ieder geval belangrijk. Theo: Met vermogen dat wellicht binnen vijf jaar nodig is, moet je ook niet beleggen. Liquiditeit is geen probleem als je niet hoeft te verkopen. Ivo: Koersen hebben zich beter ontwikkeld dan verwacht. Financiële markten hebben een voorschot genomen op verwachte rendemen ten. De doelstelling is dichterbij gekomen, maar naar de toekomst moeten we werken met lagere verwachte rendementen. Theo: Ik zie veel voorbij komen dat klanten hun beleggingswinsten verzilveren als de doelstelling is behaald. Mensen zijn bijvoorbeeld hun hypotheekschulden aan het aflossen. Bart: De lagere verwachte rendementen zijn natuurlijk voor de groep beleggers, die nu

gaat instappen, die nu van sparen overstapt op beleggen, wel een probleem. De verwachtingen stroken niet met de resultaten uit het verleden. Communicatie en ook educatie zijn nu des te belangrijk. Kan je gezien het onzekere tijdsbeeld wel beleggen met een lange termijn horizon? Theo: Deze tijd is niet wezenlijk anders dan anders. De snelheid dat ontwikkelingen zich voordoen ligt alleen wel hoger, maar de lange termijn moet bovenaan blijven staan. Bart: Belangrijk is dan ook dat de beleggings onderneming bij de klant past. Je wil eigenlijk klanten die zich niet drukken maken om korte termijn ontwikkelingen. Het is lastig als je met de lange termijn in het achterhoofd iets doet, wat op korte termijn minder uitlegbaar is. Ineke: Op korte termijn is er veel ruis, dat betekent dat je juist minder aan sturing van portefeuilles op de korte termijn zou moeten doen. Hebben jullie reacties ontvangen op het rapport vanuit de sector? Worden de standaarden in de praktijk gebruikt? Ivo: We hebben veel vragen uit de sector gekregen over de bandbreedtes. Hoe pas je bandbreedtes toe in modellen? Werken met verschillende scenario’s is een mogelijke benadering of je eigen verwachtingen loslaten op de standaarden. Bart: In de praktijk zien we dat veel beleg gingsondernemingen wel werken met de standaarden, maar niet allemaal. En sommigen zijn gewend te werken met bandbreedtes, bijvoorbeeld door deze te vertalen naar scenario’s. Dat doen wij zelf ook. Uitlegbaarheid

van wat je doet naar de klant toe, dat staat bovenaan, maar dat is ook wel eens lastig. Dat ene cijfer, de puntschatting, heeft in ieder geval geen waarde. We merken dat klanten het begrip standaarddeviatie nog wel begrijpen, maar correlatie valt nauwelijks uit te leggen. Theo: De standaarden kunnen goed gebruikt worden voor lange termijn planning. Wij zelf gebruiken Morningstar voor de risicostandaar den in onze modellen waarmee we strategische portefeuilles maken en die kunnen monitoren. Veel partijen maken gebruiken van on-line tooling om portefeuilles te bouwen en te monitoren. Creëren we met de risicostandaarden en on-line tooling geen eenheidsworsten? Ivo: Daar ben ik niet bang voor. De keuzes binnen de beleggingscategorieën, de selectie van instrumenten, titels, fondsen, maakt veel verschil. Bovendien, alleen terugkijken is niet voldoende, je zal ook moeten vooruitkijken. Hans: En rendementsverwachtingen en de karakteristieken van de klant komen er ook nog eens bij, dat maakt ook dat de portefeuilles van verschillende vermogensbeheerders onderscheidend zullen zijn. De risicostandaarden zijn zoals gezegd een startpunt voor risicomanagement, wat komt er nog meer bij kijken? Ivo: De koppeling tussen risico en rende ment moet in ieder geval gemaakt worden. Vooruitkijken aan de hand van scenario’s biedt toegevoegde waarde voor de klant. Theo: De koppeling tussen beleggingsbeleid en risicostandaarden moet ook nadrukkelijker gemaakt worden. De risicostandaarden zijn



——UIT DE VERENIGING Theo: De koppeling tussen documenten als de genoemde handreiking en het risicostandaar den rapport moet nadrukkelijker gemaakt wor den. Hierin zou de AFM een rol kunnen spelen. Ook zouden er meer technische hulpmiddelen beschikbaar moeten komen. Ik zie namelijk partijen die het moeilijk hebben de risicostan daarden te implementeren of te monitoren. Dit vergt aanpassingen van systemen die niet zomaar gebeurd is, een uitdaging dus. Ineke: De discussie zou met name verder gevoerd moeten worden over de risicoprofie Met de nieuwe risicostandaarden zijn len. We kunnen niet zonder, maar standaard we er dus nog niet, wat zijn voor jullie de profielen zijn niet zinvol. Profielen ophangen belangrijkste vervolgstappen? aan standaarddeviaties is in ieder geval niet zinnig. Hans: Ik ben voorstander dat de particuliere Ivo: Je zou bijvoorbeeld meer flexibiliteit in de beleggingswereld en de institutionele invulling van de risicoprofielen willen hebben. beleggingswereld nog dichter tot elkaar Dat je het ene risico kan uitruilen voor een komen. Sturingsmechanismen zijn immers vergelijkbaar bij beide soorten klanten. ALM op andere. Bart: Hier sluit ik mij bij aan. Wat zegt een individueel niveau, dat zie ik als de toekomst. Zeker ook tegen de achtergrond van de verder defensief profiel als de beleggingscatego rieën die hiervan deel moeten uitmaken qua gaande individualisering van pensioenen.

waardering niet defensief zijn? Het is aan een beleggingsonderneming om een klant eventueel in een andere profiel te plaatsen en het hanteren van één risicoprofiel zou niet heilig moeten zijn. Misschien past de klant wel binnen verschillende risicoprofielen of tussen de nu voorgeschreven profielen. Het moet een continue schaal zijn. In de communicatie met de klant pleit ik juist voor meer standaar disatie, dat een klant het ene risicoprofiel met het andere kan vergelijken.

Verslag VBA bijeenkomst “Hoe om te gaan met emoties bij de inventarisatie van risicobereidheid?”

gingshorizon, het beleggingsdoel en de finan ciële positie van de belegger. Het subjectieve risico daarentegen, de risicoperceptie, wordt met name bepaald door het financiële nieuws, ontwikkelingen op de aandelenmarkt en de staat van de economie. Maar wat met name uit het onderzoek bleek, is dat de verschil lende vragenlijsten en ook de wijze van vragen stellen, zo divers zijn, dat er geen eenduidige lijn in te trekken is. Een neutraal profiel bij de ene beleggingsonderneming kan dus een andere portefeuilleverdeling geven, met bijbehorende risico/rendementsverhouding, dan bij de andere beleggingsonderneming. Landman pleit er dan ook voor om te komen tot een uniforme vragenlijst voor beleggings ondernemingen, die dynamisch is en zowel een objectief als subjectief deel heeft. In het subjectieve gedeelte moeten vragen gesteld worden over onder andere de risicohouding, de loss aversion en de kennis van risico.

immers onderdeel van het beleggingsbeleid. Eerder dit jaar hebben wij als VV&A samen met de VBA en vier andere brancheorganisa ties een handreiking opgesteld inzake goed beleggingsbeleid voor particuliere klanten. Beleggingsondernemingen kunnen hun eigen beleid toetsen aan deze handreiking. Daarin staat ook hoe je zowel rendement, risico, correlatie als kosten kan mee nemen in je beleggingsbeleid.

— Op 28 mei jl. organiseerde de com missie Behavioral Economics een themamiddag over het in kaart bren gen van de risicobereidheid onder beleggers. Deze themamiddag, die met meer dan 70 aanwezigen goed werd bezocht, richtte zich met name op het inventarisatietraject onder potentieel beleggende klanten van beleggingsondernemingen. Na de introductie door dagvoorzitter Agnes Joseph (Syntrus Achmea Asset Management), trapte Bas Windt van de AFM de middag af. In zijn presentatie gaf hij aan dat de AFM in 2014 van alle beleggingsondernemingen 1 dossier heeft beoordeeld. Hierbij lag de nadruk op het risico inventarisatieformulier en met name de wijze waarop de emotionele risicobereidheid, het risico dat een belegger wil nemen, wordt geïnventariseerd. De gemiddelde score van de dossiers (2,2 op een schaal van 5) gaven aan dat er nog voldoende ruimte is voor verbe tering in de inventarisatie. In het vervolg van de presentatie werd aan de hand van diverse praktijkvoorbeelden levendig gediscussieerd. De AFM concludeerde dat er nog een aantal valkuilen is, waaronder dat risico anders


geïnterpreteerd wordt door beleggers en beleggingsondernemingen. Na deze presentatie gaf Willem Landman, beleggingsdocent aan de HvA en wetenschap pelijk onderzoeker aan Nijenrode, een lezing met de intrigerende titel “Riskant risico”. Landman gaf een historisch overzicht van het begrip risico, waarbij hij duidelijk maakte dat risico een lastig te definiëren begrip blijkt te zijn. Er bestaat niet zoiets als reëel of objectief risico. Begeleid door veel sheets met quotes, verwijzingen naar onderzoeken en literatuur toonde Landman aan dat beleggers beperkt rationeel zijn, overconfident en verschillend reageren op verlies en winst. Landman putte vervolgens uit een onderzoek dat in 2014 is gedaan naar de verschillende vragenlijsten van beleggingsondernemingen. Hierbij werd onder andere gekeken naar de consistentie in vragen en of risico inventari saties bij verschillende partijen tot eenzelfde profielindeling leiden. Het blijkt dat in de vragenlijsten vooral wordt gekeken naar het objectieve risico en veel minder naar het subjectieve. Het objectieve risico is dan ook redelijk goed te bepalen. Dit betreft met name de beleg

En tot slot, waar ligt de verantwoordelijkheid om de vervolgstappen te nemen? Ineke: Verantwoordelijkheid ligt zowel bij de sector als bij de AFM. Bart: Ik vind dat de industrie zelf de regie moet nemen om met voorstellen voor verbe tering te komen, hoe willen wij het wel. Laten wij als verschillende brancheorganisaties deze handschoen oppakken.

Na de uiterst onderhoudende presentatie van Landman werd de middag afgesloten met een paneldiscussie waarin naast Tim Mortelmans (AFM), ook Bart Horsten (Van Lanschot) en Marco Tamis (ING) deelnamen. Tijdens deze paneldiscussie bleek wederom dat het inven tariseren van risicoperceptie onder beleggers nog een hele uitdaging is. De commissie Behavioral Economics is t evreden over de middag en de opkomst en ziet in de conclusies ervan voldoende aanleiding om verder te gaan met hoe de risicoperceptie van beleggers beter in kaart gebracht kan worden. Erik Aalbers

Verslag VBA-seminar “Historisch lage rente en de invloed van de ECB” 22 mei 2015 Onder deze titel organiseerde de Dutch Commission on Bonds (DCB) een seminar. Dit seminar was een succes en werd bezocht door 86 personen.

— Inleiding Kiemthin Tjong Tjin Joe, DCB-voorzitter, gaf in zijn introductie aan dat de Duitse 10-jarige rente op 17 april een dieptepunt had bereikt van 0,049%. De huidige rente van 0,6% is nog steeds historisch laag. De ECB startte in maart met het opkopen van voornamelijk Euro-staatsleningen onder de noemer van Quantitative Easening (QE) om de inflatie terug te brengen naar ca. 2%. Hiervoor koopt zij tot en met september 2016 maandelijks gemiddeld € 60 miljard. Het totaal bedraagt € 1140 miljard. In Europa trekt de economie nu langzaam aan. Het is dus de vraag of de ECB met QE niet juist de inflatie extra opdrijft. In combinatie met een negatieve depositorente worden beleggers andere assets ‘ingeduwd’, waardoor er zeep bellen ontstaan die kunnen klappen. Hierdoor kan net zoals in 2008 grote schade worden aangebracht aan de reële economieën. De presentatie van Jan Lambregts, Global Head Financial Markets Research Rabo had als titel: “Life in the new normal”. Hij gaf aan dat de rentes in de voorbije decennia zijn gedaald naar zeer lage niveaus en dat QE dit in verschillende markten (VK, Japan, VS en nu Europa) heeft versterkt. Ondanks goede cijfers uit de VS en het VK is het de vraag of zij de economische kar kunnen trekken. Japan, China en andere opkomende markten stellen teleur, terwijl het herstel in de Eurozone nog slechts in de beginfase zit. Hij legde uit dat QE niet de oplossing van het probleem is, maar deel van het probleem kan zijn. Normaal economisch herstel wordt gedragen door een stijging van het reëel inkomen, waardoor consumentenbestedingen stijgen. QE heeft echter als effect dat de prijzen van assets stijgen, waardoor een minderheid, de mensen die veel bezittingen hebben, nog rijker worden. Reële inkomens dalen, huizenprijzen stijgen en de meeste mensen moeten daardoor juist meer lenen. Centrale Banken kunnen dan weliswaar de rente kunstmatig verlagen, maar hierdoor ont staan zeepbellen. Het “herstel” bevoordeelt vervolgens slechts de welgesteldere mensen, de economie wordt dan erg kwetsbaar voor latere rentestijgingen. Immers, als Centrale Banken later de rente weer verhogen, barsten de zeepbellen, wordt het herstel gesmoord, waarna verschillende partijen de druk op de

Centrale Banken opvoeren om de rente te verlagen. De presentatie van Harald Benink, Hoogleraar Banking and Finance aan de Tilburg University, had als titel: “Europa onder vuur”. Hij had eveneens kritiek op QE. Zijn met de heer Boonstra voorgesteld alternatief was dat de ECB uitgegeven obligaties van de EIB (Europese Investeringsbank) opkoopt tot een bedrag van € 1000 miljard, waarbij de EIB de opbrengsten gebruikt om Europese infrastruc tuurprojecten te financieren. Om toegang tot EIB-fondsen te krijgen, dienen regeringen van eurolanden een hervormingsprogramma te construeren en geaccordeerd te krijgen door hun parlement. Hij gaf 3 voordelen hiervan: 1) De investeringsimpuls stimuleert de algemene vraag en verlaagt de werkloos heid. 2) Gerichte investeringen versterken de aanbodzijde van de economie, waardoor Europa’s concurrentiekracht en groeipotenti eel op langere termijn wordt versterkt. 3) De aankondiging van de omvangrijke monetaire impuls verhoogt de inflatieverwachtingen voor de langere termijn. Het risico van een deflatoir scenario wordt aanzienlijk beperkt, wat het vertrouwen en de economische groei positief beïnvloedt.

De presentatie van Olaf van den Heuvel, European Head of Tactical Asset Allocation Aegon, had als titel “Als de Centrale Banken het podium verlaten”. Hij ging vooral in op de vraag hoe om te gaan met assetallocatie vanwege QE. De Centrale Banken hebben wereldwijd de kraan open gezet. Sinds 2007 is EUR 9.000 miljard bijgedrukt, de ECB is nog maar net begonnen. Hierdoor is in vrijwel alle landen, ver geleken met de periode 1995-2006, een lagere groei en een hogere schuld ontstaan. De “prijs” van geld is te laag, met als risico geldophoping in het systeem. In de markten is sprake van volatiliteitstoename en liquiditeitsafname door moral hazard, central clearing en regulering, met als gevaar zeepbellen. Assetallocatie wordt lastiger: deze dient dynamisch te zijn en voort durend geëvalueerd te worden. De focus komt meer te liggen op relative value, stijlfactoren en selectie. Het basisscenario van Aegon (70% kans) is dat de rente omhoog gaat, kredietop slagen en risicovolle beleggingen nog relatief aantrekkelijk zijn. Hierdoor verwacht Aegon voor 2015-2018 het hoogste rendement voor Aandelen Emerging Markets. Het verwachte rendement over 2015-2018 voor Eurozone Core Staatsobligaties is licht negatief. Kiemthin Tjong Tjin Joe

Van links naar rechts Jan Lambregts, Olaf van den Heuvel en Harald Benink



——ONDERZOEK

De schatkamers van de beleggingstheorie van voor de jaren 50 Een relativering dat beleggingstheorie een jong vakgebied is

——

Auteur Thomas Pistorius1

Inleiding Vaak wordt aangenomen dat de moderne beleggingstheorie is begonnen met de portefeuilletheorie van Harry Markowitz (1952, 1959). De moderne beleggingstheorie is echter ouder. De geschiedenis van de beleggingstheorie herbergt daarmee ‘verborgen’ schatten. In dit artikel wordt belicht waarom beleggingsanalisten hun vakgebied vaak als een jonge wetenschap beschouwen. Hierbij zijn de wetenschapsfilosofische en sociologische inzichten van Thomas Kuhn (1962) illustratief. De geschiedenis van de beleggingstheorie wordt daarna in grote lijnen geschetst. In het bijzonder staat in dit artikel het baanbrekende werk van Louis Bachelier (1900) en van John Maynard Keynes (1936, 1937) centraal. Maar ook andere auteurs zoals Irving Fisher en John Burr Williams krijgen beknopt aandacht in dit artikel. Net als in de academische wereld, wordt in dit artikel de term finance gebruikt als alternatieve benaming voor beleggingstheorie. Nog een andere


benaming voor finance is financial economics, die uitdrukt dat moderne finance micro-economische inzichten gebruikt.

De gangbare versie van de geschiedenis van finance De officiële lezing van de moderne beleggingstheorie luidt dat deze is gestart met de portefeuilletheorie van Markowitz (1952, 1959). Markowitz heeft zijn portefeuilletheorie gebaseerd op wiskundige statistiek. De portefeuilletheorie streeft naar een statistisch verantwoorde samenstelling van een beleggingsportefeuille. Het Capital Asset Pricing Model (CAPM), ontwikkeld door Sharpe (1964) en anderen, veralgemeent het individuele gedrag van de ‘Markowitz’-belegger tot een evenwichts theorie voor de financiële markten. Het evenwichtsmodel is gebaseerd op de efficiënte markt hypothese, die betekent dat beleggers de markt niet kunnen verslaan omdat alle beschikbare informatie al is verwerkt in de aandelenkoersen. De efficiënte markt hypothese is opgesteld door Samuelson

(1965) en Fama (1965a, 1965b). Markowitz’ mean-variance aanpak, de efficiënte markt hypothese, en het CAPM vormen de kern van de moderne beleggingstheorie. De efficiënte markt hypothese is ook uitgemond in de optietheorie, een andere pijler van de moderne beleggingstheorie. Het is niet moeilijk om uitspraken van bekende beleggingstheoretici te vinden waarin de nadruk is gelegd op het idee dat finance pas wetenschappelijk is geworden sinds het eind van de jaren 50, zoals bijvoorbeeld de volgende uitspraak van Robert Merton: “[…] the Modigliani-Miller work stands as the watershed between ‘old finance’, an essentially loose connection of beliefs based on accounting practices, rules of thumb and anecdotes, and modern financial economics, with its rigorous mathematical theories and carefully documented empirical studies (Merton, 1987, p. 150).”

noodzakelijkerwijs meteen als onwetenschappelijk kunnen worden beschouwd. Kuhn verzet zich tegen het beeld van wetenschap zoals studieboeken dat presenteren: “Inevitably […] the aim of such books is persuasive and pedagogic […] (Kuhn, 1996/1962, blz. 1).” Studieboeken zijn namelijk bedoeld om de dominante paradigma’s van een wetenschapsgebied uit te leggen en te leren omarmen. Daarom zijn studieboeken ahistorisch van karakter, en suggereren ze dat de kennis in een wetenschapsgebied zich progressief heeft ontwikkeld, en dat daarmee recentere

De wetenschapsfilosofie van Kuhn kan verklaren waarom beleggingsanalisten hun vakgebied vaak als jong beschouwen

Nader onderzoek leert echter dat de ‘oude’ finance, de finance van voor de jaren 50, ook wiskundig rigoureus is, en zorgvuldig vastgelegde empirische studies heeft opgeleverd. Voorbeelden van wiskundig rigoureuze modellen zijn Bacheliers random walk theorie (1900) en Williams’ waarderings modellen (1938). En voorbeelden van zorgvuldig vastgelegde empirische studies zijn de artikelen van Cowles (1933, 1944) en Working (1934) over de onvoorspelbaarheid van financiële markten. De waterscheiding zoals vermeld in het citaat van Merton, heeft de ‘oude’ finance als minder waardevol doen voorkomen, waardoor de beoefenaars van de moderne finance de ‘oude’ finance minder zijn gaan kennen en citeren (Poitras, 2007). Het zal daarom geen verwondering wekken dat de geschiedenis van finance voor 1950 is genegeerd. Het idee dat finance voor de jaren 50 niet wetenschappelijk was, werd in finance-kringen algemeen aanvaard tot de jaren 90. Pas daarna begon de geschiedenis van finance te worden onderzocht. In tegenstelling tot de gangbare lezing van de moderne finance, blijkt finance dieprijkende historische wortels te hebben, en al voor de jaren 50 grondig te zijn ontwikkeld (Poitras, 1996, 2006, 2007).

wetenschappelijke inzichten waardevoller zijn dan oudere. Studieboeken dragen er echter aan bij dat studenten geen gevoel krijgen voor de geschiedenis van hun discipline, en vervolgens een substituut voor die geschiedenis als waar aannemen. Ter geruststelling, een dergelijke praktijk is niet beperkt tot alleen de wetenschap: “The temptation to write history backward is both omnipresent and perennial (ibid., p. 138).” De studie van de geschiedenis van een wetenschapsgebied zoals wordt beoogd door Kuhn, leidt niet zozeer tot de juiste theorie (zo deze al bestaat), maar vergroot het inzicht in de sociologie van de wetenschap, met andere woorden hoe wetenschappers denken en werken, en biedt tegelijkertijd een bredere kijk op de historisch concurrerende stromingen binnen een wetenschapsgebied.

Geschiedenis verrijkt het inzicht

Een eigen ontstaansgeschiedenis

Thomas Kuhn (1962), historicus, filosoof en socioloog van de wetenschap, pleit voor het bestuderen van de geschiedenis van een wetenschapsgebied. Een analyse van de geschiedenis verduidelijkt de relevante paradigma’s van een vakgebied en stelt deze tegenover oudere en concurrerende paradigma’s (Kuhn, 1962). Een paradigma is een dominant denkkader dat bepaalt hoe naar de werkelijkheid wordt gekeken. Bestaande paradigma’s worden vaak niet meer als zodanig ervaren; onderwijs en gewoonte maken een paradigma tot iets vanzelfsprekends. Kuhn stelt echter dat één en hetzelfde wetenschapsgebied onverenigbare theorieën kan bevatten, en dat oudere theorieën niet

Hoe ziet de geschiedenis van finance er eigenlijk uit? Eerst wordt hier de relatie tussen finance en economie toegelicht. Milton Friedman schijnt te hebben gezegd dat beleggingstheorie geen onderdeel is van de economische wetenschap. Friedman deed in de jaren 50 deze uitspraak als lid van de promotiecommissie van Markowitz over diens proefschrift over portefeuilletheorie. Hoewel Friedman zich zijn opmerking bij een latere navraag niet kon herinneren, was hij het er desgevraagd mee eens, omdat Markowitz’ theorie inderdaad ging over toegepaste wiskunde in plaats van economische wetenschap (MacKenzie, 2006). Dat finance en economie verschillende disciplines waren, was geen vreemd idee in de jaren 50 omdat de



——ONDERZOEK disciplines ook verschillende wortels hebben. Finance en economie worden van oudsher meestal onderwezen bij andere instellingen: finance is een vak dat wordt gegeven op de business schools, en economie wordt gedoceerd aan de universiteiten (MacKenzie, 2006). Er zijn echter ook institutionele ontwikkelingen van belang geweest voor de evolutie van finance. Sinds de jaren 60 zijn business schools vaak een onderdeel geworden van universiteiten en hun intellectuele normen. Sindsdien is de evolutie van finance gaan lijken op die van de economische wetenschap. Moderne finance is gebaseerd op de theorie van volledige concurrentie, de hoeksteen van de micro-economie. Omdat onder volledige concurrentie maximale arbitrage plaatsvindt, tendeert de prijs van een goed naar zijn kostprijs. Volledige mededinging voor finance betekent in het CAPM, het evenwichtsmodel voor de financiële markten, dat het risico en rendement van beleggingen door arbitrage in balans wordt gebracht.

De geschiedenis van finance Finance en economie zijn nog maar sinds de jaren 60 verenigd. Finance in de betekenis van de techniek van het verstrekken van een lening stamt echter uit de oudheid. De oudste fysieke bewijzen van het bestaan van financiële contracten stammen uit 2400 voor Christus uit Babylonië (Van de Mieroop, 2005). De geschiedenis van finance in Europa start waarschijnlijk aan het begin van de 13e eeuw, toen Fibonacci in 1202 zijn Liber Abaci publiceerde. In het werk van Fibonacci is bijvoorbeeld beschreven hoe een netto contante waarde kan worden berekend (Goetzmann, 2005). Door het versoepelen van het verbod op woekerrente en de toename van de commercie werd de kennis van finance in de loop der eeuwen steeds meer gebruikt voor ondernemingen, leningen en levensverzekeringen.

Finance en economie hebben verschillende wortels en zijn pas sinds de jaren 60 verenigd In Frankrijk start in de tweede helft van de 19e eeuw de ontwikkeling van de efficiënte markt theorie voor aandelen. De ontwikkeling van de theorie vindt plaats tegen de achtergrond van de opkomende aandelenbeurs in Parijs: de aandelenbeurs aldaar breidt uit van 3 aandelen in 1800 tot meer dan 1.000 aandelen in 1900 (Jovanovic, 2006). In de 19e eeuw en in de periode daaraan voorafgaand wordt beleggen in aandelen vooral geassocieerd met gokken; daarom was het van belang om beleggen in


aandelen te kunnen legitimeren (Preda, 2006). De legitimatie van het beleggen in aandelen bestaat uit een aanpak die praktische en theoretische aspecten rond beleggen combineert. Deze aanpak voor beleggen maakt ook gebruik van de analogie van financiële markten met natuurkunde en techniek, en past het idee van rationeel gedrag toe als leidraad voor beleggers (Preda, 2006). Rationeel gedrag in de vorm van zelfbeheersing en het bestuderen van informatie, wordt aanbevolen als de sleutel tot succesvol beleggen. De aanpak mondt ook uit in de efficiënte markt hypothese, omdat het denken in termen van waarschijnlijkheid en abstract redeneren wordt omarmd.

De Fransman Bachelier wordt vaak beschouwd als de eerste belangrijke theoreticus over efficiënte markten Bachelier: de vader van de moderne beleggingstheorie In de genuanceerde versie van de geschiedenis van finance, wordt de Fransman Bachelier (1870-1946) vaak beschouwd als de eerste belangrijke theoreticus over efficiënte markten (Read, 2013). Bachelier formuleert de random walk van aandelenkoersen en stelt op grond daarvan een formule voor de waardering van optie op. Hij beschouwt financiële markten als een verschijnsel dat door wetenschappelijke statistische wetten kan worden uitgedrukt, en presenteert daarmee een alternatief voor het beeld van financiële markten waarop op prijsveranderingen wordt gegokt (Read, 2013). Zijn opvattingen over de voorspellende kracht van statistiek zijn van een genuanceerd karakter. Het gebruik van kansberekening heeft een ander doel dan voorspellen in Bacheliers theorie: kansberekening is een instrument om opvattingen over het niveau van de schommelingen op de beurs te kwantificeren (Bachelier, 1900). Hij verwijst in zijn random walk theorie niet naar het beschikbaar komen van nieuwe informatie als de bepalende oorzaak van de koersveranderingen, maar verwijst naar ‘ontelbare factoren’ of oorzaken. Zijn werk kenmerkt zich door originaliteit, zowel zijn theorie over financiële markten en als de modellering van de theorie met daarin de formule voor de random walk van aandelenkoersen. Bachelier was zijn tijd vooruit en zijn bijdrage werd gedurende zijn leven niet erkend. Bacheliers proefschrift van 1900 trekt pas na zo’n vijftig jaar de aandacht van Leonard Jimmy Savage, die bijvoorbeeld Samuelson over zijn ontdekking informeert.

De beleggingstheorie van Keynes Keynes (1883-1946) formuleert een theorie over beleggen op financiële markten onder onzekerheid waarin hij individuele psychologie, groepspsychologie, en de gevolgen van menselijke interactie combineert. Ten eerste illustreert hij de werking van financiële markten door de metafoor van de schoonheidswedstrijd (beauty contest). De schoonheidswedstrijd zoals gehouden in een bepaalde krant in zijn tijd, vergelijkt een financiële markt met een wedstrijd waarin de deelnemers op elkaar reacties anticiperen (Keynes, 1936). Om de schoonheidswedstrijd te winnen, moeten de deelnemers de zes meest populaire gezichten kiezen uit een honderdtal foto’s. Om te winnen, moet een deelnemer voorspellen welke gezicht de andere deelnemers zullen kiezen. Dus, als de beurs lijkt op de schoonheidswedstrijd, tenderen aandelenkoersen niet naar een fundamentele waarde, maar naar de veronderstelde ideeën van andere marktdeelnemers en hun interactie.

Keynes heeft drie argumenten tegen de latere neoklassieke beleggingstheorie: beslissers zijn irrationeel, informatie over de toekomst is onzeker, en markten gedragen zich reflexief Keynes gaat uit van fundamentele onzekerheid over de toekomst. Het gebrek aan kennis over de toekomst impliceert voor hem dat de huidige marktwaarde van aandelen op de beurs niet correct is. De huidige prijs van een aandeel kan niet juist zijn, tenzij bij toeval, want we missen eenvoudigweg de kennis om de juiste prijs te bepalen. Het gevolg van onzekerheid is dat de financiële markten instabiel zijn. Bovendien overschaduwt het irrationele optimisme van beleggers de invloed van kansberekeningen (Keynes, 1936). Voor Keynes gaat besluitvorming over animal spirits, die in combinatie met de onzekerheid en de interactie van de marktdeelnemers, de financiële markten karakteriseren. Hij heeft hiermee drie argumenten geformuleerd tegen de neoklassieke economische wetenschap: beslissers zijn irrationeel, informatie over de toekomst is voor een groot deel onzeker, en markten gedragen zich reflexief, getuige de metafoor van de schoonheidswedstrijd.

Andere beleggingstheoretici van voor de jaren 50 Bachelier is voorafgegaan door zijn landgenoten Jules Regnault (1834-1894) en Henri Lefèvre (1827-1885). Regnault (1863) schrijft over de random walk hypothese voor aandelen (Preda, 2006). Hij bedenkt ook een stochastische theorie voor de financiële markten. In 1870 ontwerpt Lefèvre de grafische presentatie van de eindwaarde van een optie bij diverse prijzen looptijd, die nu nog steeds in gebruik is (Jovanovic, 2006). In de eerste helft van de 20e eeuw kent de Amerikaanse econoom Fisher een serieuze rol aan aandelen toe omdat deze beter bestand zijn tegen inflatie dan obligaties, ontwerpt hij een portefeuille benadering voor beleggingen, en systematiseert hij de berekening van de netto contante waarde voor beleggingen (Dimand, 2007). Ook de random walk theorie wordt uitgebreid empirisch onderzocht door Cowles (1933, 1944), Working (1934) en Macaulay (1938). Een ander thema uit de beleggingstheorie uit de eerste helft van de 20e eeuw is het idee dat de waarde van een aandeel niet hetzelfde is als de koers van een aandeel, en dat de waarde van een aandeel kan worden bepaald (in tegenstelling tot de opvatting van Keynes uit 1936). Benjamin Graham (1934) maakt gebruik van een analyse van gegevens uit het verleden om inzicht te krijgen in de waarde van een aandeel. De beleggingstheorie van Williams (1938) over de waarde van een aandeel richt zich op de toekomstige kasstromen zoals dividenden. In de latere portefeuilletheorie worden de waarderingsmethoden van Graham en Williams opgenomen.

Conclusies Finance heeft een langere geschiedenis dan algemeen wordt aangenomen. Volgens de gangbare versie van de geschiedenis van finance begint deze pas serieus vanaf de jaren 50. Dit artikel betoogt aan de hand van de ideeën van de wetenschapsfilosoof Kuhn dat geschiedenis vaak wordt herschreven door de winnaars, in dit geval de vertegenwoordigers van de moderne finance. Het werk van Bachelier (1900), Keynes (1936, 1937) en diverse anderen daterend van voor de jaren 50, illustreert dat moderne beleggingstheorie al eerder tot bloei is gekomen. Voor beleggingsanalisten zijn de oudere beleggingstheorieën beslist de moeite van het bestuderen waard.

Literatuur —Bachelier, L.J.A., 1900, Théorie de la speculation (The Theorie of Speculation), Annales scientifiques de l’École Normale Supérieure, Sér. 3, 17, 1900: 21-86, vertaald in het Engels door May, D., 2011, beschikbaar op http://www.radio.goldseek.com/bachelier-thesistheory-of-speculation-en.pdf. — Cowles 3rd, A., 1933, Can Stock Market Forecasters Forecast?, Econometrica, vol. 1 nr. 3: 309–324. — Cowles 3rd, A., 1944, Stock Market Forecasting, Econometrica, vol. 12 nr. 3/4: 206–214. —Dimand, R.W., 2007, Irving Fisher and his students as financial economists, in Poitras, G. (redactie) 2007, Pioneers of Financial



Economics, Volume 2: Twentieth-Century Contributions, Edward Elgar, Cheltenham. —Fama, E.F., 1965a, Random Walks in Stock Market Prices, Financial Analyst Journal, vol. 21 nr. 5: 55-59. —Fama, E.F., 1965b, Behavior of Stock-market prices, The Journal of Business, vol. 38 nr. 1: 34-105. — Goetzmann, W.N., 2005, Fibonacci and the Financial Revolution, in Goetzmann, W.N. & Rouwenhorst K.G. (redactie), 2005, The Origins of Value: The Financial Innovations That Created Modern Capital Markets, Oxford University Press, Oxford. — Graham, B., Dodd, D.L., and Cottle, S., 1934, Security Analysis, 4de editie, 1962, McGraw-Hill, New York. —Jovanovic, F., 2006, Economic instruments and theory in the construction of Henri Lefèvre’s ‘science of the stock market’, in Poitras, G. (redactie), Pioneers of Financial Economics, Volume 1: Contributions Prior to Irving Fisher, Edward Elgar, Cheltenham. —Keynes, J.M., 1936, The General Theory of Employment, Interest, and Money, editie 1997 door Prometheus Books, New York, oorspronkelijk uitgebracht door Harcourt, Brace & World, New York. —Keynes, J.M., 1937, The Collected Writings of John Maynard Keynes, vol. XIV, editie van Johnson, E. & Moggridge, D., 1978, Cambridge University Press, Cambridge, oorspronkelijk uitgebracht als ‘The General Theory of Employment in Quarterly Journal of Economics’, februari 1937: 109-123. —Kuhn, T.S., 1962, The Structure of Scientific Revolutions, 3de editie 1996, The University of Chicago Press, Chicago. —Macaulay, F.R., 1938, Some Theoretical Problems Suggested by the Movements of Interest Rates, Bond Yields and Stock Prices in the United States since 1856, NBER, beschikbaar op http://admin.nber.org/ authors/frederick_macaulay. —MacKenzie, D.A., 2006, An Engine, Not a Camera: How Financial Models Shape Markets, paperback editie 2008, The MIT Press, Cambridge, MA. —Markowitz, H.M., 1952, Portfolio Selection, The Journal of Finance, vol. 7 nr. 1: 77-91. —Markowitz, H.M., 1959, Portfolio Selection: Efficient Diversification of Investments, 2de editie, 1991, Blackwell Publishing, Malden, oorspronkelijk uitgebracht door John Wiley & Sons, Inc. —Merton, R.C. (1987), In Honor of Nobel Laureate, Franco Modigliani, Journal of Economic Perspectives, vol. 1 nr. 2: 141-155.


—Preda, A., 2006, Rational investors, informative prices: the emergence of the ‘science of financial investments’ and the random walk hypothesis, in Poitras, G. (redactie), 2006, Pioneers of Financial Economics, Volume 1: Contributions Prior to Irving Fisher, Edward Elgar, Cheltenham. —Poitras, G., 1996, From Commercial Arithmetic to Life Annuities: The Early History of Financial Economics, 1478-1776., Simon Fraser University and National University of Signapore, beschikbaar op http://beedie.sfu.ca/homes/poitras/FIN_HIS3.pdf. —Poitras, G. (redactie), 2006, Pioneers of Financial Economics, Volume 1: Contributions Prior to Irving Fisher, Edward Elgar, Cheltenham. —Poitras, G. (redactie), 2007, Pioneers of Financial Economics, Volume 2: Twentieth-Century Contributions, Edward Elgar, Cheltenham. —Read, C., 2013, The Efficient Market Hypothesists: Bachelier, Samuelson, Fama, Ross and Shiller, Palgrave Macmillan, Houndmills, Basingstoke, Hampshire. —Regnault, J.A.F., 1863, Calcul des chances et philosophie de la bourse, Mallet-Bachelier et Castel, Paris, beschikbaar op https://ia600506.us.archive.org/12/items/ calculdeschances00regn/ calculdeschances00regn.pdf —Samuelson, P.A., 1965, Proof that properly anticipated prices fluctuate randomly, Industrial Management Review, vol. 6 nr. 2: 41–49. —Sharpe, W.F., 1964, Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk, The Journal of Finance, vol. 19 nr. 3: 425–442. —Van de Mieroop, M., 2005, The Invention of Interest: Sumerian Loans, in Goetzmann, W.N. & Rouwenhorst K.G. (redactie), 2005, The Origins of Value: The Financial Innovations That Created Modern Capital Markets, Oxford University Press, Oxford. —Williams, J.B., 1938, The Theory of Investment Value, Harvard University Press, Cambridge MA. —Working, H., 1934, A Random-Difference Series for Use in the Analysis of Time Series, Journal of the American Statistical Association, vol. 29 nr. 185: 11–24. Noot 1 Drs. Thomas Pistorius BA RBA is werkzaam als Investment & Risk Manager bij het bestuursbureau van Stichting Bedrijfstakpensioen fonds Levensmiddelenbedrijf (BpfL). Het artikel is gebaseerd op schriftelijk materiaal voor zijn beoogde promotie. Het artikel is geschreven op persoonlijke titel.

——OPINIE

De evolutie in het beleggingsvak

—— Het beroep van beleggingsprofessional is meer dan ooit in ontwikkeling. Maar hoe ontwikkelt het zich de komende jaren? Wat betekenen deze ontwikkelingen voor de kennis en kunde die de belegger en adviseur in huis moet hebben? Deze bijdrage plaatst de VBA opleiding in een breder perspectief en kijkt vooruit naar de verdere ontwikkeling hiervan. Wortels Elke ontwikkeling heeft zijn begin. Nederland kan zich bogen op de oprichting van de eerste aandelenbeurs ter wereld, maar de eer de eerste aandelen beleggingsanalist te zijn is misschien toch voor behouden aan de Amerikaan Benjamin Graham. Ruim honderd jaar geleden was hij als jongste bediende werkzaam bij een effectenkantoor. Betrokkenheid in de grote oorlog was nog ver weg; de belangrijkste handel en analyse richtten zich op de talrijke spoorwegenobligaties. Aandelen werden als zeer speculatief gezien, een domein voor gokkers. Benjamin Graham zag dat anders. Het was vooral een onontgonnen beleggingsmogelijkheid dat een structurele analyse en benadering nodig had. Hij mocht in zijn kantoor doorverhuizen naar de zogenaamde “statistici”, de verzamelaars van data voor analyses, en richtte vervolgens zijn pijlen op het ontginnen van deze nieuwe beleggingscategorie. Het geduld betaalt zich uit als na de Eerste Wereldoorlog de beurs in zwang raakt. Statistici worden omgedoopt tot beleggingsanalist. Met boeken als de “Intelligent Investor” legt Benjamin Graham de basis voor de beleggingsanalyse, en blijft hij tot aan de dag van vandaag beleggers als Warren Buffet of vermogensbeheerders als GMO inspireren.

Auteur Alfred Slager1

samenhang van de beleggingen in de portefeuille vaak belangrijker zijn dan de onderliggende beleggingen zelf. De canon wordt verder uitgebreid met Markowitz, Sharpe, Fama, Ross en Lintner.

De VBA wordt in 1961 opgericht, in een periode dat de effectenmarkten en aandelenanalyse in de startblokken stonden om verder te professionaliseren. Werkzaam zijn in de effectenmarkten betekent dan vooral het diepgaand analyseren van de organisatie achter de lening of het aandeel. Dit ambachtschap – het analyseren van jaarverslagen, sectorrapporten, praten met de ondernemingsleiding om een gevoel te krijgen van de hardheid van de gegevens – bepaalt het curriculum van de VBA opleiding vanaf eind jaren 70. Namen als Benjamin Graham of Paul Samuelson voor het macro-economische perspectief blijven bepalend. In de coulissen wordt echter hard gewerkt aan de doorbraak van het portefeuillemanagement, waarbij de constructie en



——OPINIE

Veranderingen De verandering, misschien zelfs als paradox te benoemen, wordt duidelijk zichtbaar in het werkveld van de beleggingsanalist. De focus lag aanvankelijk op een zorgvuldige, van de grond af opgebouwde analyse van de beleggingen waar vervolgens met prudente ervaringsfeiten (niet alle eieren in één mandje) een portefeuille voor de klant werd samengesteld. Naarmate door deregulering en innovatie meer beleggingsmogelijkheden worden gecreëerd, verschuift de relatieve focus van de analyse naar de portefeuilleconstructie, geholpen door studies naar performance- en risicoattributie halverwege jaren ‘80. Sommige keuzes blijken belangrijker dan andere. Zo wordt de portefeuille steeds meer van bovenaf geconstrueerd, al is het alleen maar om de ontwikkelingen het hoofd te bieden en overzicht te houden. Binnen de VBA gaan we spreken over de beleggingsprofessional in plaats van de beleggingsanalist om de verbreding van het vakgebied aan te geven. In de VBA opleiding komt dit naar boven door de natuurlijk gegroeide combinatie van fundamentele analyse, financierings- en beleggingstheorie, en gedragseconomie. Halverwege jaren ’90 vindt de volgende verandering plaats. Het begint duidelijk te worden dat de beleggings- en financieringstheorie een aantal normatieve uitgangspunten heeft die niet stroken met beleggersgedrag. De gedragseconomie is in opkomst en maakt grote stappen, vooral door de experimentele onderzoeksaanpak uit de psychologie over te nemen. Onderzoek vindt plaats op het snijvlak van portefeuillemanagement en gedrags economie door nieuwe maatstaven te ontwikkelen voor neerwaarts risico en deze te integreren in de portefeuilleconstructie.

Toekomst In grote lijnen zijn daarmee de instrumenten beschreven die een vermogensbeheerder of adviseur in zijn toolbox vindt als hij het vakgebied betreedt en het curriculum van vermogensbeheeropleidingen volgt. Van een afstand gezien heeft de beleggingsleer een indrukwekkende ontwikkeling doorgemaakt. Maar is dat toekomstbestendig? Als we de financiële crisis van 2008 als vertrekpunt kiezen, dan wordt een aantal lijnen zichtbaar die zich in de toolbox waarschijnlijk zullen en moeten doorontwikkelen. Ik denk daarbij aan ethiek, terugkeer van de klassieke analyse, nadruk op theoretische bescheidenheid, en het enthousiasme voor praktijk oplossende problemen. De eerste verwachte doorontwikkeling is dat de ethiek, altijd al een onderdeel van een grondige opleiding of permanente educatie geweest, belangrijker is dan ooit. Geld is niet neutraal, en kan niet als abstracte entiteit besproken worden. Werken in financiële markten betekent dat asymmetrie van informatie centraal staat: de beleggingsprofessional is de spil, intermediair, tussen particuliere klant of


pensioenfondsbestuur en de financiële markten. Die intermediatiefunctie levert veel spanningen op. Moet ik de klant op korte termijn zijn zin geven terwijl het hem lange termijn kan schaden, of hoe moet ik een raamwerk neerzetten dat koers houdt als de klant laveert tussen angst en hebzucht? De vertaalslag welke producten de klant helpen en welke ongewenste prikkels bevatten, stond en zal steeds centraler staan. Nieuw in het debat is dat de informatieasymmetrie ook de andere kant op werkt, langs de lijnen die George Soros “reflexiviteit” noemt. Beslissingen zijn daarbij van invloed op de situatie, en veranderingen in de situatie zullen hun perceptie over de beslissingen doen wijzigen. De discussie over (top) beloningen in de financiële sector laat zien dat deze veranderende perceptie stelselmatig onderschat wordt. De ontwikkeling van inlevingsvermogen hiervoor zal belangrijker moeten worden. De tweede doorontwikkeling is dat de klassieke fundamentele analyse weer terrein kan winnen, maar dan in een nieuw jasje. Het huidige canon van portfoliomanagement dwingt beleggers breed te beleggen, waarbij de selectie van titels ondergeschikt is. Dit is onbevredigend. Een deel van de financiële crisis valt namelijk te wijten aan het gebrek aan interesse in de onderliggende beleggingen. Alleen de rendement/risico inschatting was voldoende, hoe en door wie deze beleggingen tot stand kwamen of aangestuurd werden stond op het tweede plan. Meer interesse in de onderliggende beleggingen vertaalt zich vervolgens ook in meer betrokkenheid. De belegger is aandeelhouder en zal dit meer dan ooit inzetten voor het stimuleren van goed bestuur bij de onderneming. Meer betrokkenheid, door dialoog, analyse en portefeuille met (een bewust beperkt aantal) beleggingen, is goed voor onderneming, belegger en daarmee de economie. Maar ook intensief en tijdrovend. Wat betekent dit dan in de praktijk? Dat de portefeuilles in de toekomst minder verschillende titels zullen hebben. Elke belegging zal een bewuste keuze zijn, een investering in een bedrijf met rendement als gevolg. Pensioenfondsen en vermogensbeheerders pionieren er al op kleine schaal mee; de vermogensbeheerder zal in de komende jaren eerder minder dan meer beleggingen volgen, maar dan wel weer intensief, en met de toolbox en middelen van nu. Een aantal andere ontwikkelingen, zoals het meewegen van ESGcriteria, wordt op die manier naadloos geïntegreerd; zij vormen de basis voor lange termijn waarderingsanalyses. De derde doorontwikkeling is dat de sector zelf nog een paar moeizame debatten te voeren heeft over zelfinzicht. Veel adviseurs zullen misschien verzuchten dat ze hier niet op wachten. Hebben ze met alle toenemende eisen dan niet al genoeg inzicht in de klant? En geeft de adviseur niet genoeg inzicht in zijn keuzes? Zeker, maar dit lokt ook een wedervraag uit. Wat drijft een adviseur of investment consultant in zijn adviseringsproces? Teruggrijpend op Soros,

mensen baseren hun beslissingen niet op de feitelijke toestand waarmee ze te maken hebben, maar op hun perceptie van de situatie. Dat klinkt misschien als een open deur, maar niet als je bedenkt hoeveel analisten en investeerders met een oprecht gevoel beweren dat ze hun beslissingen baseren op een rationele analyse van keiharde feiten. De gedrags economie is net zo hard van toepassing op de vermogensbeheerders en adviseurs als op de klanten. Maar dit is tot nu toe onontgonnen terrein. Socrates dient zich aan in het curriculum van de vermogensbeheerder van de toekomst: ken u zelf – hoe kan iemand iets kennen, als hij zichzelf niet kent? Een ander terrein voor zelfonderzoek is het tot vermoeiends toe klassieke debat over actief en passief beleggen. Met lede ogen wordt toegekeken hoe de beweging naar passief de infra- en onderzoeksstructuur in de Nederlandse beleggingssector uitholt en het vermogen naar goedkope, buitenlandse, ver mogensbeheerders brengt. Academisch onderzoek helpt daarbij niet. Enerzijds draagt zij steeds nieuwe actieve beleggingsmogelijkheden aan, anderzijds laat dezelfde wetenschap zien dat ex-post de resultaten voor actief management over een brede meetlat gezien teleurstellend zijn. Hier is de vraag voor zelfonderzoek: waarom vallen we klanten lastig met een debat waar we zelf niet uitkomen, en hoe kan dit positief omgedraaid worden? Innovatie en ontwikkeling krijgen daarmee gaandeweg een nieuwe, positievere opdracht. Klassiek onderzoek naar anomalieën en alpha-strategieën om “over de meetlat” te springen gaat naar de achtergrond. De zoektocht naar nieuwe vormen van diversificatie komt nog sterker op, net als meer stabiliteit in de (persoonlijke) beleggingsbalans zonder teveel afbreuk te doen aan rendement en het slim incorporeren van gedragskenmerken in het beslissingsproces van zowel particuliere en institutionele beleggers. De vierde doorontwikkeling, in het verlengde van het zelfinzicht, is dat de theorievorming die gedoceerd moet worden kritischer tegen het licht moet worden gehouden. Hypotheses die niet getoetst kunnen worden, of aannames die in het beleggingsvak als vanzelfsprekend worden gedoceerd, moeten vaker dan voorheen kritisch bevraagd worden. Beleggen is een fascinerend vakgebied, maar eerder een menswetenschap dan een kwantitatief vak. Er zijn geen vaste natuurwetenschappelijke constanten of relaties aan te ontlenen waarmee we kunnen voorspellen. Het is op zijn best een adaptieve wetenschap. Op het moment dat beleggers kennis vergaren of een beleggingskans zien, verandert daarmee de verwachte uitkomst. Dit is in de kern de reden dat veel beleggingsdebatten nooit een bevredigende uitkomst hebben en wat het vakgebied zo interessant maakt. De consequenties hiervan zijn alleen lastig te benoemen. Misschien is wel het belangrijkste dat wetenschapsfilosofie sterker terugkomt in het curriculum. Waarom ontstaat een theorie, hoe volgt daar een beleggingsstrategie uit, wat is de institutionele context en de levenscyclus die zo’n strategie misschien heeft? De vragen zullen veel meer op de voorgrond moeten staan en daarmee

recht doen aan de dynamiek van de financiële markten. Dit betekent echter dat permanente educatie nog belangrijker wordt. Strategieën wisselen zich immers in een steeds hoger tempo af, waardoor de levenscyclus van ideeën en strategieën ook steeds onder de loep moet worden genomen. De vijfde doorontwikkeling is tenslotte dat het curriculum van de VBA-opleiding rekening houdt met de beleggingsprofessional van morgen. Het is geen verrassing te stellen dat de financiële sector krimpt. Of het te hard krimpt is een vraag voor een andere analyse. Gesteld zou echter kunnen worden dat de mensen die in de sector blijven werken waarschijnlijk vaker van disciplines wisselen binnen de vermogensbeheersector, en in de loop van hun carrière van bank naar verzekeraar of pensioenfonds gewisseld zijn, of van portefeuillemanager naar adviseur of risk officer. De onzekerheid die het met zich meebrengt is niet fijn, maar het vergroot wel de “employability” van de vermogensbeheerders en adviseurs. Niet waar men werkt is van belang, maar rond welk(e) financiële intermediatiefuncties heeft men zijn of haar kennis en kunde georganiseerd? Een financiële instelling verandert regelmatig van vorm, en misschien sneller dan ooit. Maar de functies die het uitvoert (poolen van assets voor schaalvoordelen, transformatie over tijd en geografie, het risicomanagement als gevolg van deze transformatie, prijsvormer in de financiële markten, en het mitigeren van informatie asymmetrie tussen klant en financiële partijen), blijven verbazingwekkend constant. Deze ontwikkeling is duidelijk zichtbaar in de standaardisatie en “ontbundelings” trends. Het standaardiseren met modelportefeuilles betekent dat de transformatie en mitigeren van informatie asymmetrie centraal staat. De ontwikkeling van peer-to-peer platformen betekent dat het poolen van assets voor schaalvoordelen op nieuwe manieren wordt uitgeprobeerd. De vermogensbeheerder en adviseur zal zichzelf vaker opnieuw uitvinden en tegelijkertijd qua sterke punten verrassend constant zijn. Het beroep van beleggingsprofessional is daarmee “full circle”. De omstandigheden blijven zeker uitdagend. Maar de inhoudelijke drijfveren die de eerste analisten dreven blijven overeind, zoals nieuwsgierigheid om nieuwe mogelijkheden te onder zoeken, en de toepassing van onderzoek. Daardoor is er de komende jaren meer dan interessant werk te doen is voor wetenschappers, praktijkmensen en docenten. Literatuur — Graham, Benjamin, 1949, The Intelligent Investor: The Definitive Book on Value Investing. A Book of Practical Counsel, Versie 2006: HarperBusiness. —Soros, George, 1987, The Alchemy of Finance, Simon & Schuster. Noot 1 Prof.dr. Alfred Slager RBA, Professor of Pension Fund Management, TiasNimbas Business School, Tilburg University en voorzitter VBA. Dit artikel is gedeeltelijk gebaseerd op de bijdrage in de afscheidsbundel van prof.dr. Robert van der Meer als hoogleraar Institutional Investment Management aan de Rijksuniversiteit van Groningen.



——ONDERZOEK

Factorbeleggen voor bedrijfsobligaties1

——

Auteurs Jeroen van Zundert (l)2 Patrick Houweling (r)3

Inleiding De laatste jaren is factorbeleggen sterk in opkomst: het op een systematische manier samenstellen van beleggingsportefeuilles om blootstelling naar een of meer maatstaven (“factoren”) te verkrijgen. Volgens een onderzoek van StateStreet 4 groeide het beheerd vermogen in Europese factorfondsen met 39% in 2014, terwijl Russell5 rapporteert dat wereldwijd inmiddels 46% van de grote institutionele beleggers allocaties heeft naar factoren. Bekende factoren zijn Size (klein presteert beter dan groot), Low Risk (veilig vs. risicovol), Value (ondergewaardeerd vs. overgewaardeerd) en Momentum (recente winnaars vs. verliezers). Er is veel empirisch bewijs dat factorportefeuilles over de langere termijn een hogere Sharpe ratio behalen dan de traditionele marktwaarde-gewogen index. Bovendien verklaren factoren een substantieel deel van de alfa van succesvolle beleggingsfondsen. Veel fondsen hebben echter impliciete en tijdsvariërende blootstellingen aan de factoren, in plaats van expliciete, systematische blootstellingen. Daarom


verschuiven steeds meer beleggers factorbeleggen van de manager selectie-fase naar de strategische asset allocatie-fase. De aandacht van de meeste beleggers is tot nu toe uit gegaan naar factorbeleggen in aandelenmarkten. Ook de meeste academische studies over factorbeleggen analyseren aandelendata. Aangezien de verklaringen voor het bestaan van factorpremies universeel zijn, zoals menselijk gedrag, beloningen, of institutionele restricties, is het te verwachten dat factorbeleggen ook op andere markten toepasbaar is. In dit artikel laten wij zien dat factorbeleggen binnen bedrijfsobligaties vergelijkbare voordelen biedt als binnen aandelen.6 Wij vinden voor Size, Low Risk, Value en Momentum hogere rendementen en Sharpe ratio’s dan de traditionele marktwaarde-gewogen index. Individuele factoren kunnen echter voor langere perioden boven- of ondermaats presteren. Dit komt tot uiting in hoge tracking errors ten opzichte van de marktindex. Hierdoor zijn individuele factoren minder

aantrekkelijk voor beleggers die ieder jaar hun benchmark, meestal de marktwaarde-gewogen index, moeten verslaan. Echter, door te beleggen in meerdere factoren wordt de tracking error sterk gereduceerd, terwijl de hoge rendementen en Sharpe ratio’s behouden blijven. Verder laten wij in dit artikel zien dat factorbeleggen voor bedrijfs obligaties 0,82% rendement toevoegt aan een multi-asset portefeuille zonder extra risico, ook als het aandelenstuk al is ingevuld met aandelen factoren. Tot slot bespreken we hoe deze academische i nzichten gebruikt kunnen worden voor het opzetten van realistische beleggingsstrategieën.

Definitie van de factoren voor bedrijfsobligaties In vergelijking met aandelen, waarvoor factoren al sinds de jaren ’70 van de vorige eeuw gedocumenteerd zijn, is het bewijs voor bedrijfsobligaties recenter en beperkter. Low Risk en Momentum zijn het best gedocumenteerd, maar studies over Value en Size zijn er nog nauwelijks. Door het beperktere aantal studies bestaat er nog niet voor iedere factor een standaarddefinitie, zoals bijvoorbeeld de bookto-market ratio voor Value in de aandelenmarkt. Hieronder bespreken wij de definities voor de factoren in onze studie. De definities zijn zo gekozen dat ze (1) overeenkomen met bestaande literatuur, voor zover beschikbaar, (2) intuïtief zijn voor een obligatiebelegger, en (3) alleen gebruik maken van obligatiekarakteristieken (bijvoorbeeld spread, rating, looptijd). Dit betekent bijvoorbeeld dat wij in deze studie geen gebruik maken van boekhouddata of aandelendata. Onze ervaringen met factorbeleggen in de praktijk laten zien dat zulke additionele data zeker meerwaarde hebben.

Size Veel beleggers hebben als doel om een zo groot mogelijk deel van de markt te volgen met een beperkt aantal analisten. Vanuit dat perspectief is het efficiënter om te beleggen in de bedrijven met het grootste gewicht in de index en de kleinere bedrijven te negeren. Wij definiëren de Size van een obligatie als het totale gewicht van het uitgevende bedrijf in de bedrijfsobligatie-index. We sorteren alle obligaties op basis van dit gewicht van laag naar hoog. De Size portefeuille belegt iedere maand in de bovenste 10% van deze lijst.

Low Risk Over het Low Risk effect binnen bedrijfsobligaties bestaat een aantal studies.7 Deze studies concluderen dat laag-risico obligaties hogere risicogecorrigeerde rendementen behalen dan hoog- risico obligaties. Als maatstaven voor risico worden meestal rating en looptijd gebruikt. Om de Low Risk portefeuille te construeren beperken wij ons voor investment grade tot obligaties met een rating van AAA to A-, waardoor we BBB+, BBB en BBBobligaties uitsluiten. Daarbinnen selecteren wij iedere maand de kortstlopende obligaties. Voor high yield volgen wij dezelfde procedure, waarbij we obligaties met een rating van BB+ tot

B- selecteren in de eerste stap. Obligaties met de ratings CCC, CC en C worden dus uitgesloten. Net als bij de Size portefeuille zorgen we ervoor dat de Low Risk portefeuille 10% van alle obligaties in de index bevat.

Value Over Value is ons maar één studie bekend.8 Deze vindt dat ondergewaardeerde bedrijfsobligaties beter renderen dan de markt, en vice versa. Om de mate van onder- of overwaardering te bepalen wordt in deze studie de ‘fair’ credit spread van een bedrijfsobligatie vergeleken met de credit spread in de markt. De fair credit spread kan geschat worden met behulp van diverse risicomaatstaven, zoals de schuldenratio en winstgevendheid van het bedrijf. In ons onderzoek beperken wij ons tot rating en looptijd, in lijn met de risicomaatstaven voor de Low Risk factor. Een obligatie is ondergewaardeerd als de credit spread in de markt substantieel hoger is dan op basis van de rating en looptijd verwacht mag worden. De Value portefeuille bestaat uit de 10% meest ondergewaardeerde obligaties.

Momentum Eerdere studies over Momentum binnen bedrijfsobligaties laten zien dat er wel een Momentum effect is binnen high yield, maar niet binnen investment grade.9 Momentum is het effect dat winnaars uit het verleden over het algemeen ook winnaars zijn in de toekomst, en vice versa. Hoogstwaarschijnlijk is de asymmetrische rendementsverdeling binnen investment grade (zeer beperkt aantal faillissementen en downgrades naar High Yield) de reden dat het Momentum effect in die markt niet aanwezig is. We definiëren Momentum op basis van de rendementen over de afgelopen zes maanden. De obligaties met de 10% hoogste rendementen worden geselecteerd voor de Momentum-portefeuille.

Data De factoren zijn getest op 20 jaar maandelijkse data van 1994 tot en met 2013 van de Barclays US Investment Grade en US High Yield indices. De tests zijn gescheiden uitgevoerd voor investment grade en high yield. Dit is in lijn met zowel de academische literatuur als de praktijk waarin deze twee marktsegmenten als aparte asset classes worden gezien. Naast portefeuilles voor de individuele factoren construeren wij ook een multi-factorportefeuille die 25% belegd is in iedere factor. Gelijke weging van de factoren leidt niet per sé tot de portefeuille met de hoogste Sharpe ratio, maar is wel een robuuste keuze die onafhankelijk is van de historische prestaties van de factoren. Het wegingsschema dat daadwerkelijk de hoogste Sharpe ratio geeft, is alleen achteraf te bepalen. Belangrijk om op te merken is dat wij gebruik maken van rendementen van bedrijfsobligaties ten opzichte van staatsobligaties met dezelfde duratie. Deze worden voor elke bedrijfsobligatie berekend door Barclays. Hiermee halen wij rente-effecten uit de resultaten. Wij hebben twee redenen om dit te doen, namelijk



——ONDERZOEK (1) de meeste institutionele beleggers sturen de rentegevoeligheid van hun portefeuille top-down door middel van rente-derivaten en (2) beleggers kopen bedrijfsobligaties om de kredietrisicopremie te verdienen bovenop de rente-termijn premie, welke zelf efficiënt verdiend kan worden door te beleggen in staatsobligaties. Het factorbeleggen in bedrijfsobligaties gaat dus om het verdienen van additionele premies bovenop de kredietrisicopremie.

Factorportefeuilles laten hoge risicogecorrigeerde rendementen zien Investment Grade Figuur 1 laat het risico en rendement van iedere factor zien voor investment grade bedrijfsobligaties over de onderzochte periode. Alle factoren hebben over deze periode een hoger rendement gehaald dan de markt, variërend van 0,37% extra rendement per jaar voor Low-Risk en Momentum tot 1,92% voor Value. In de grafiek is ook duidelijk te zien dat de factoren verschillende risicoprofielen hebben. Low Risk heeft inderdaad een beduidend lager risico dan de markt, terwijl Value een veel hogere volatiliteit heeft. Momentum en Size laten een vergelijkbaar risico zien als de markt. Ondanks de verschillende risico-rendementsprofielen, hebben alle factoren een hogere Sharpe ratio gerealiseerd dan de marktwaarde-gewogen investment grade index: 0,32 voor

Figuur 1 Risico vs. rendement per factorportefeuille US investment grade

rendement over staatsobligaties

3,0% Value

2,5% 2,0% Multi-factor

1,5%

Size

1,0%

Momentum

Low-Risk

0,5%

0,0%

2% 4% 6% 8% volatiliteit rendement over staatsobligaties

Bronnen: Robeco, Barclays. Periode: 1994-2013 Figuur 2 Tracking error vs. outperformance per factorportefeuille US investment grade

outperformance t.o.v. de markt

2,5% Value

2,0% 1,5% 1,0%

Multi-factor Size

0,5%

0,0%

Momentum

Market 0%

1%

2% 3% tracking error

Bronnen: Robeco, Barclays. Periode: 1994-2013


Op basis van figuur 1 is het echter niet duidelijk waarom een belegger de factoren zou moeten combineren, Low Risk behaalt immers de hoogste Sharpe ratio. Het maakt echter veel uit of je kijkt naar absoluut risico (volatiliteit) of naar risico ten opzichte van de markt (tracking error). Figuur 2 laat dezelfde factoren zien als Figuur 1, maar dan in termen van relatief rendement en relatief risico. Het valt op dat alle factoren, maar vooral Low Risk en Value, een hoog relatief risico hebben. Value compenseert dat nog met een hoge outperformance, maar Low Risk heeft maar een licht hoger rendement dan de markt. De verhouding van de outperformance tot de tracking error, de informatie ratio, is dan ook laag, slechts 0,12. Aan de andere kant is Low Risk wel de factor met de hoogste Sharpe ratio. Dit laat zien dat factorbeleggen een lange horizon vereist. Op de korte termijn zijn de factoren riskant voor gebenchmarkte beleggers vanwege het hoge relatieve risico. Een factor kan meerdere jaren achter elkaar hogere of lagere rendementen dan de markt laten zien. Echter, door factoren te combineren in een multi-factorportefeuille wordt er gediversifieerd over de factoren, waardoor het relatieve risico afneemt. De gemiddelde outperformance blijft echter behouden, waardoor de multi-factorportefeuille niet alleen een hoge Sharpe ratio heeft, maar ook een hoge informatie ratio van 0,70.

High yield

Market 0%

Size, 0,42 voor Low Risk, 0,31 voor Value en 0,22 voor Momentum vs. 0,13 voor de index. De verschillen met de markt zijn statistisch significant op 95% betrouwbaarheidsniveau, met uitzondering (zoals verwacht) van Momentum. Voor de multi- factorportefeuille vinden wij een Sharpe ratio van 0,33. Deze is opgebouwd uit een rendement dat 0,85% per jaar hoger is dan de markt, maar zonder extra risico. Naast statistisch significant is dit hogere rendement ook economisch significant te noemen in verhouding tot het marktrendement van 0,59%.

Low-Risk 4%

5%

Figuur 3 laat het risico en rendement zien van de vier factoren en de multi-factorportefeuille in de high yield markt. Net als bij investment grade zien we variatie in de risico-rendementsprofielen van de factoren. Low Risk heeft een lager risico dan de markt, met een rendement dat met 3,91% wat hoger ligt dan het marktrendement van 2,46%. Value heeft een ruim hoger risico dan de markt, maar met 7,85% ook een flink hoger rendement. Momentum en Size zijn qua volatiliteit vergelijkbaar met de markt, maar bieden wel een outperformance van 2,16% respectievelijk 4,02% per jaar. De Sharpe ratio’s van de factoren variëren van 0,44 (Momentum) tot 0,57 (Size en Low Risk), substantieel hoger dan de 0,24 van de high yield index. De multi-factorportefeuille heeft een Sharpe ratio van 0,52, meer dan twee keer zo groot als die van de markt. Figuur 4 laat de factoren zien in termen van relatief rendement en risico. Opnieuw heeft Low Risk de laagste informatie ratio, namelijk 0,28. Door de factoren te combineren wordt de tracking

In onze studie hebben wij diverse robuustheids analyses uitgevoerd om te controleren of onze resultaten geen toeval zijn. Zo hebben wij onder andere gekeken naar de exacte definitie van de factoren. Maakt het bijvoorbeeld uit welke ratings worden uitgesloten bij Low Risk, of hoe lang wordt teruggekeken voor Momentum? Wij concluderen dat onze resultaten overeind blijven, of zelfs sterker worden, als we alternatieve definities hanteren. Ook andere keuzes binnen het onderzoek hebben we gevarieerd, zoals het percentage obligaties in een factorportefeuille of de beleggingshorizon. Ook hebben we gekeken naar Euro obligaties.10 Alle analyses laten zien dat onze resultaten robuust zijn. Een andere belangrijke analyse is om transactie kosten mee te nemen. Immers, om de blootstelling aan de factoren mogelijk te maken moet er meer gehandeld worden dan om passief te beleggen in de marktwaarde-gewogen marktportefeuille.11 Om hier voor te corrigeren hebben wij ook rendementen berekend na transactiekosten.12 De multi-factor Sharpe ratio’s dalen daardoor van 0,33 naar 0,26 voor investment grade en van 0,52 naar 0,46 voor high yield. Dit is nog steeds significant groter dan de Sharpe ratio van de markt.

Factorbeleggen binnen bedrijfs obligaties voegt waarde toe aan multi-asset portefeuille Uit de vorige analyses is duidelijk gebleken dat factorbeleggen toegevoegde waarde heeft binnen bedrijfsobligaties. Beleggers hebben echter ook andere beleggingscategorieën in hun portefeuille, zoals aandelen, en hebben mogelijk een deel daarvan al belegd in factoren. Een logische vraag is daarom: wat is de toevoegde waarde van factorbeleggen binnen bedrijfsobligaties ten opzichte van aandelen? Wij vinden over het algemeen een licht positieve correlatie tussen de prestaties van een factor in de aandelenmarkt en diezelfde factor binnen bedrijfsobligaties, maar verre van perfect. Er is dus sprake van diversificatie over de beleggingscategorieën heen. Om dit verder te onderbouwen, bekijken we een voorbeeld multi-assetportefeuille die 20% belegt in staatsobligaties, 20% in investment grade, 20% in high yield en 40% in aandelen.13 Voor alle beleggingscategorieën gebruiken we het rendement ten opzichte van de 1-maands risicovrije rente.14 Dit geldt dus ook voor de bedrijfsobligaties, waarvoor we tot nu toe rendementen gebruikten ten opzichte van staatsobligaties. We doen dit om de bedrijfsobligaties vergelijkbaar te maken met aandelen en staatsobligaties. We testen vier mogelijke samenstellingen van de voorbeeldportefeuille: (1) alloceer alleen naar marktindices (de “traditionele” portefeuille); (2) alloceer het aandelenstuk naar factoren; (3) alloceer de bedrijfsobligatieportefeuilles

9% rendement over staatsobligaties

Robuuste resultaten

Figuur 3 Risico vs. rendement per factorportefeuille US high yield

8%

Value

7%

Size Multi-factor

6% 5%

Momentum

4%

Low-Risk

3% 2%

Market

1% 0%

0%

5% 10% 15% volatiliteit rendement over staatsobligaties

20%

Bronnen: Robeco, Barclays. Periode: 1994-2013 Figuur 4 Tracking error vs. outperformance plot per factorportefeuille US high yield

6% outperformance t.o.v. de markt

error gereduceerd, terwijl de outperformance met 3,25% hoog blijft. Dit leidt tot een aantrekkelijke informatie ratio van 0,86.

Value

5% Size

4% 3% 2%

Multi-factor Momentum Low-Risk

1% Market 0% 0,0% 2,5%

5,0% tracking error

7,5%

10,0%

Bronnen: Robeco, Barclays. Periode: 1994-2013

(investment grade en high yield) naar factoren; en (4) alloceer zowel aandelen als bedrijfsobligaties naar factoren. Figuur 5 laat de Sharpe ratio van de markt en de multi-factorportefeuille per asset class zien. De verbetering van de factorportefeuilles ten opzichte van de marktportefeuilles zijn substantieel. De Sharpe ratio’s stijgen met 0,16 (investment grade), 0,28 (high yield) en 0,26 (aandelen). Figuur 6 laat de vier multi-asset portefeuilles zien. Het is duidelijk dat factorbeleggen de Sharpe ratio’s verhoogt. Factorbeleggen in aandelen zorgt voor een stijging van 0,70 naar 0,89; factorbeleggen binnen bedrijfsobligaties zorgt voor een stijging naar 0,81. Factorbeleggen in beide markten zorgt voor een verdere stijging naar 0,97. In beide gevallen waar voor bedrijfsobligaties belegd wordt in factoren in plaats van passief in de marktindex, stijgt het rendement met 0,82%, terwijl de volatiliteit nauwelijks verandert. Dit laat zien dat factorbeleggen in bedrijfsobligaties meerwaarde heeft voor beleggers, ook als zij dit al doen in hun aandelenportefeuille. Dit is het gevolg van de diversificatiemogelijkheden die te halen zijn door in meerdere markten in factoren te beleggen.



——ONDERZOEK Figuur 5 Sharpe ratio’s markt en factorportefeuilles voor staatsobligaties, investment grade (IG), high yield (HY) en aandelen

1

0,92

0,9 0,77

0,8 Sharpe ratio

0,7 0,6

0,61

0,73 0,64

0,54 0,47

0,5 0,4 0,3 0,2

In voorgaande analyses verkopen we een obligatie zodra deze buiten de top 10% volgens de factor definitie valt. Dit zorgt echter voor een onnodig hoge omzet, waardoor veel transactiekosten gemaakt worden. Het is beter om pas later te verkopen, en zo transactiekosten te besparen, zelfs als hierdoor wat bruto alfa verloren gaat. Deze afweging tussen bruto alfa enerzijds en transactiekosten anderzijds kan voor elke factor anders uitvallen. Een zorgvuldige analyse per factor is daarom nodig om het optimale verkooppunt te bepalen.

Voorkom onnodige risico’s

0,1 0 Staatsobl.

IG Markt portefeuille

HY

Aandelen

Multi-factor

Bronnen: Robeco, Barclays, Bloomberg, Data Library Kenneth French. Periode: 1994-2013

Figuur 6 Sharpe ratio’s multi-assetportefeuilles

0,97

1 0,89

0,9

0,81

0,8

0,7

0,7 Sharpe ratio

Vermijd onnodige omzet

0,6 0,5 0,4 0,3 0,2 0,1 0 Traditioneel

Aandelen factor

Bedrijfsobligatie factor

Aandelen + bedrijfsobligatie factor

Bronnen: Robeco, Barclays, Bloomberg, Data Library Kenneth French. Periode: 1994-2013

Factorbeleggen in de praktijk Ons academische onderzoek laat zien dat factor beleggen binnen bedrijfsobligaties aantrekkelijk is. Echter, om deze resultaten naar de praktijk te vertalen moet er zorgvuldig nagedacht worden over de daadwerkelijke implementatie. Zo is het niet altijd mogelijk om alle obligaties in de praktijk direct te kopen of te verkopen vanwege de beperktere liquiditeit van bedrijfsobligaties in vergelijking met aandelen. Het is niet gebruikelijk in de academische literatuur daar rekening mee te houden, maar liquiditeit is uiterst relevant in de praktijk. Intern onderzoek bij Robeco laat zien dat de voordelen van factorbeleggen overeind blijven, als we rekening houden met realistische aankoop- en verkoopkansen voor individuele obligaties. De implementatie in de praktijk biedt ook kansen om de resultaten te verbeteren. Wij geven enkele voorbeelden:


Als belegger is het belangrijk om alleen risico’s te nemen die daadwerkelijk beloond worden en onbeloonde risico’s te vermijden. De factordefinities in bovenstaande academische analyses zijn bewust simpel gehouden, maar bevatten daardoor wel een aantal onnodige risico’s. Zo is bekend dat een naïeve Momentum strategie een sterk tijdsvariërend risicoprofiel heeft, doordat hoog-risico obligaties worden geselecteerd in stijgende markten, en vice versa. Door bedrijfsspecifieke rendementen te gebruiken kan dit nadeel van Momentum weggenomen worden.15 Een ander voorbeeld betreft de Value factor, die tot doel heeft ondergewaardeerde obligaties te selecteren. Een naïeve Value definitie kan echter ook obligaties kiezen waarvan de credit spread terecht hoger is dan verwacht kan worden op grond van de rating en de looptijd (de zogenoemde ‘value trap’). Door gebruik te maken van additionele risicomaatstaven, naast rating, kan dit nadeel van de academische Value factor sterk gereduceerd worden. Ook zijn de resultaten in de academische studie verkregen zonder rekening te houden met bijvoorbeeld sectoren regioconcentraties. Zo koopt de Value factor in 2008 veel obligaties van financiële instellingen, omdat deze voor hun rating en looptijd een hoge credit spread hebben. Dit leidt tot grote concentratierisico’s. Het is echter niet nodig deze risico’s te lopen om de Value premie binnen te halen. Een factorstrategie zal hier rekening mee moeten houden in de portefeuille constructie-fase.

Vermijd negatieve blootstellingen naar andere factoren Een simpele één-factorportefeuille houdt geen rekening met correlaties tussen factoren, waardoor de kans bestaat dat deze tegen andere factoren in gaat. Zo bevat een Low Risk portefeuille relatief veel obligaties met lage credit spreads, maar dit kunnen juist de obligaties zijn die de Value factor duur vindt. Het verwachte rendement van een pure Low Risk portefeuille wordt daardoor gedrukt, omdat deze in gaat tegen de Value factor. Bij het construeren van een één-factorstrategie in de praktijk is het daarom raadzaam ook andere factoren mee te nemen bij de selectie van de obligaties.

Combineer meerdere factordefinities Vraag tien (aandelen-)waardebeleggers om hun favoriete waarderingsmaatstaf en grote kans dat je

net zo veel verschillende antwoorden krijgt. Door meerdere maatstaven te combineren ontstaat er een completer beeld van een obligatie. In onze academische studie hebben wij de factoren gedefinieerd door uitsluitend gebruik te maken van data uit de obligatiemarkt. Echter, door bijvoorbeeld ook de schuldenratio van een bedrijf mee te nemen in de bepaling van het risico kan een Low Risk factor verder verbeterd worden. Hetzelfde geldt voor de andere factoren: door andere bronnen te gebruiken, bijvoorbeeld de balans van een bedrijf of de aan delenmarkt, verbetert de Sharpe ratio.

De resultaten zijn op papier aantrekkelijk, maar dit wil niet automatisch zeggen dat implementatie in de praktijk de gewenste resultaten op zal leveren. Zo moet er onder andere rekening worden gehouden met de beperktere liquiditeit van bedrijfsobligaties in vergelijking met aandelen. De praktijk biedt echter ook kansen om de academische resultaten te verbeteren. Door bruto alfa en omzet beter te balanceren, negatieve blootstellingen aan andere factoren tegen te gaan, hoge sectoren regio-concentraties te vermijden en de factoren slimmer en breder te definiëren kan er veel gewonnen worden.

Conclusies

Een veel gehoord tegenargument van factorbeleggen is dat de premies wellicht historisch hebben bestaan, maar zullen verdwijnen in de toekomst. Dit gaat echter voorbij aan mogelijke redenen van het bestaan van de premies zoals menselijk gedrag, beloningen, of institutionele restricties. Deze redenen verdwijnen niet zomaar. Ervaringen in de aandelenmarkt, waar bijvoorbeeld Value-beleggen al vele tientallen jaren wordt toegepast en Low Risk al in de jaren ‘70 is gedocumenteerd, leren ons dat de premies niet verdwijnen. Er is geen reden om aan te nemen dat dit voor bedrijfsobligaties anders zal zijn.

In ons onderzoek zien we duidelijk bewijs voor het bestaan van factorpremies in de bedrijfsobligatiemarkt voor de factoren Size, Low Risk, Value en Momentum. Alle factoren laten hogere rendementen zien dan de marktindex, ook na correctie voor risico. Door deze hoge Sharpe ratio’s is het aantrekkelijk voor beleggers om factoren op te nemen in hun strategische asset allocatie. Het nadeel van de individuele factoren is dat deze over het algemeen een hoge tracking error hebben ten opzichte van de marktindex. Door te diversifiëren over de factoren en te beleggen in een multi-factorportefeuille vermindert de tracking error en worden de periodes van underperformance korter, terwijl de hoge rendementen en Sharpe ratio’s behouden blijven. Binnen investment grade stijgt de Sharpe ratio van 0,13 naar 0,33 door factorbeleggen en binnen high yield van 0,24 naar 0,52. In een multi-asset context voegt factorbeleggen binnen bedrijfsobligaties waarde toe aan de gehele portefeuille. De Sharpe ratio stijgt met 0,1 en het rendement met 0,82%, ongeacht een eventuele allocatie naar factoren in het aandelenstuk van de portefeuille.

Literatuur —Blitz en de Groot, 2014, Strategic Allocation to Commodity Factor Premiums, The Journal of Alternative Investments, vol. 17:103-115 —Blitz, Huij en Martens, 2011, Residual Momentum, Journal of Empirical Finance, vol. 18:506-521 — Chen, Lesmond en Wei, 2007, Corporate Yield Spreads and Bond Liquidity, Journal of Finance, vol. 62:119-149 — Correia, Richardson en Tuna, 2012, Value Investing in Credit Markets, Review of Accounting Studies, vol. 17:572-609 —Frazzini en Pedersen 2014, Betting Against Beta, Journal of Financial Economics, vol. 111:1-25 —Houweling en van Zundert, 2014, Factor Investing in the Corporate Bond Market, ssrn. com/abstract=2516322 —Ilmanen, Byrne, Gunasekera en Minikin, 2004, Which Risks Have Been Best Rewarded?, The Journal of Portfolio Management, vol. 30, nr. 2:53-57 —Jostova, Nikolova, Philipov en Stahel, 2013, Momentum in Corporate Bond Returns, Review of Financial Studies, vol, 20: 1649-93 —Pospisil en Zhang, 2010, Momentum and Reversal Effects in Corporate Bond Prices and Credit Cycles, The Journal of Fixed Income, vol. 20, nr. 2:101-115

Wij verwachten dat factorbeleggen binnen bedrijfsobligaties de komende tijd in toenemende belangstelling van beleggers zal komen te staan. Daarnaast verwachten wij dat er meer academische studies naar bedrijfsobligaties zullen verschijnen, onder andere omdat de beschikbaarheid van data toeneemt. Door deze toenemende belangstelling van beleggers en het toenemende academische bewijs, zullen factorstrategieën voor bedrijfsobligaties, net als voor aandelen, gemeengoed worden.

Noten 1 Dit artikel is gebaseerd op onze studie “Factor Investing in the Corporate Bond Market” (SSRN working paper 2516322) en is op persoonlijke titel geschreven. We bedanken David Blitz, Bas Eestermans, Alan van der Kamp, Erik van Leeuwen, Maurice Meijers en twee anonieme reviewers van het VBA Journaal voor feedback op een eerdere versie van dit artikel. 2 Drs. Jeroen van Zundert is Quantitative Researcher bij Robeco. 3 Dr. Patrick Houweling is Quantitative Researcher en Portfolio Manager bij Robeco. 4 “Beyond Active and Passive: The State of Advanced Beta in Europe”, StateStreet (2014) 5 “Smart Beta, A Deeper Look at Asset Owner Perceptions”, Russell (2014) 6 Zie ook het artikel “Strategic Allocation to Commodity Factor Premiums” van Blitz en de Groot (2014) voor een toepassing van factorbeleggen op grondstoffen. 7 Zie bijvoorbeeld “Which Risks Have Been Best Rewarded?” van Ilmanen, Byrne, Gunasekera en Minikin (2004) en “Betting Against Beta” van Frazzini en Pedersen (2014). 8 Namelijk “Value Investing in Credit Markets” van Correia, Richardson en Tuna (2012). 9 Zie bijvoorbeeld “Momentum and Reversal Effects in Corporate Bond Prices and Credit

Cycles“ van Pospisil en Zhang (2010), en “Momentum in Corporate Bond Returns “ van Jostova, Nikolova, Philipov en Stahel (2013). 10 Wij testen primair op USD obligaties vanwege de veel langere periode waarover data beschikbaar is en het veel grotere aantal obligaties per maand. 11 Merk op dat de samenstelling van een marktindex van bedrijfsobligaties ook aan veranderingen onderhevig is, bijvoorbeeld door aflossingen, nieuwe uitgiftes, rating veranderingen en faillissementen. Hierdoor brengt ook het beleggen in de marktindex al substantiële kosten met zich mee. 12 We gebruiken hiervoor de transactiekostenschattingen van het artikel “Corporate Yield Spreads and Bond Liquidity” van Chen, Lesmond en Wei (2007). De transactiekosten hangen af van de rating en looptijd van de verhandelde obligatie. Voor high yield obligaties worden dus substantieel hogere kosten in rekening gebracht dan voor investment grade obligaties. 13 Deze wegingen zijn slechts ter illustratie. 14 Zie onze academische paper voor details over de gebruikte aandelen- en staatsobligatiedata. 15 Zie bijvoorbeeld het artikel “Residual Momentum” van Blitz, Huij en Martens (2011).



——PRAKTIJK

Alpha Mapping One-size-fits-all is passé

—

Auteur Farid Kabbaj1

Introductie De tijd dat institutionele beleggers simpelweg wel of niet geloven in actief management ligt achter ons. Er kan worden betwist of een pensioenfonds nog in staat is om in elke markt te profiteren van markt inefficiënties. Een overschot aan analisten die naar dezelfde bedrijven kijken, in combinatie met high frequency traders die de laatste basispunten weg kapen voor de neus van institutionele beleggers, kunnen dit lastig maken. Aan de andere kant is er

een aantal beleggingscategorieën salonfähig g eworden waar de keuze voor passief management onmogelijk of overduidelijk suboptimaal is. Verder heeft de opkomst van goedkope en eenvoudig te implementeren factor indices (smart bèta) voor een scala aan mogelijkheden tussen actief en passief gezorgd. De keerzijde hiervan is dat de voorheen ‘simpele’ keuze tussen actief en passief management er niet makkelijker op geworden is. In plaats van een gestandaardiseerde one-size-fits-all oplossing zijn er alleen maar meer opties bijgekomen waarvan de aantrekkelijkheid voor elke belegger zeer kan verschillen. Maar zeker in de huidige lage-rente omgeving, waarin de voorspelde rendementen voor veel categorieën historisch laag zijn, kan een juiste keuze voor de wijze van beleggen wél het verschil maken. Aangezien beleggers een beperkt risico budget (zowel economisch als onder Solvency II / het FTK) en een beperkt kostenbudget beschikbaar hebben, is het zinvol om actief management alleen daar in te zetten waar de kans op toegevoegde waarde het grootste is. Om de toegenomen complexiteit het hoofd te bieden zetten we in dit artikel uiteen hoe de besluitvorming op een systematische wijze te benaderen is.

Alpha mapping per beleggingscategorie Het verschil tussen een actieve en een passieve implementatie kan per beleggingscategorie opgedeeld worden in drie componenten, een verschil in kosten (TER), een verschil in verwacht rendement (alpha) en een verschil in risico (tracking error). Een institutionele belegger moet een bewuste keuze maken welke bronnen van rendement ze wil aanboren gegeven haar kostenbudget, risicobudget en beleggingsvisie. Dit klinkt eenvoudig, maar hoe kom je tot een visie op de beleggingswijze die moet worden toegepast per beleggingscategorie? Er zijn een aantal belangrijke factoren die hierbij in ogenschouw genomen moeten worden, deze werken we hieronder uit.

Liquiditeit Hoe moeilijk is het om te handelen? Vanuit een risicoperspectief zijn er nadelen aan passief beleggen in sterk illiquide markten met inefficiënte benchmarks. Gezien de lange termijn horizon die inherent is aan een lage liquiditeit, door zowel de kostencomponent alsmede de geringe


mogelijkheden tot handelen, moet iedere individuele belegging met zorg worden uitgezocht en worden gemonitord. Voorbeelden zijn beleggingen in private equity, aandelen small cap en direct vastgoed. Op het moment dat de liquiditeit boven een bepaalde tolerantiegrens komt, wordt de impact van deze factor minder. Voor een goed ontwikkelde passieve markt is een hoge liquiditeit vereist.

Efficiëntie van de benchmark Een belangrijke overweging is de mate waarin een benchmark representatief is voor de onderliggende markt. Hier zitten per beleggingscategorie flinke verschillen tussen (waarbij we de verschillen in kwaliteit tussen de diverse aanbieders van benchmarks onderling buiten beschouwing laten). Het is in een liquide markt niet alleen makkelijker om snel een portefeuille samen te stellen, maar ook om een benchmark te bepalen. De meest efficiënte benchmarks vinden we daarom terug in aandelenmarkten van ontwikkelde economieën. Minder efficiënte benchmarks zien we in de obligatiemarkten en private markten. Door de lagere liquiditeit worden deze vaak geconstrueerd met optimalisatietechnieken om het marktrisico te repliceren. Ook geldt voor obligatiebenchmarks dat de grootste schuldenaar de grootste weging krijgt toegewezen, wat weinig met marktefficiency te maken heeft en een ongewenst risico kan vormen. Ook zijn benchmarks van obligatiemarkten vaak relatief traag met het toevoegen van nieuwe sectoren en beleggingsinstrumenten. Dit heeft gevolgen voor de representativiteit. Voor alternatieve beleggingscategorieën, zoals private equity en infrastructuur, zijn de benchmarks vaak weinig representatief.

Aanwezigheid en kostenvoordeel van de passieve oplossingen Een belangrijke reden om voor passief te kiezen is het kostenvoordeel. Om dit te realiseren moeten de passieve producten bestaan en kostenvoordeel opleveren voor een institutionele belegger. Vooral bij de minder toegankelijke markten, waar minder producten aanwezig zijn met een kleinere omvang, is dit niet altijd het geval. In zulke gevallen kan het voor een institutionele belegger goed mogelijk zijn

om een actieve strategie te vinden die goedkoper is dan een passieve ETF.

Verwachting outperformance In de meeste beleggingscategorieën is het mogelijk om actieve managers te vinden van een hoog niveau. Aan de andere kant is het in sommige beleggingscategorieën nu eenmaal makkelijker om alpha te behalen dan in andere. Binnen de portefeuille constructie ligt het dan ook voor de hand om actief management juist te gebruiken bij die beleggings categorieën waar het naar verwachting de hoogste toegevoegde waarde zal geven (netto risico rendementsverhouding). Als we de vier hiervoor genoemde factoren tezamen nemen voor de belangrijkste beleggingscategorieën waar Nederlandse pensioenfondsen in belegd zijn dan kunnen we al tot voorlopige conclusies komen. Tabel 1 geeft een overzicht hiervan. Door te kijken naar de karakteristieken van de markt zien we dat er voor de meeste beleggings categorieën een duidelijk beeld ontstaat, behalve voor aandelenmarkten. Deze markt is zo groot en veelzijdig dat we hier in meer detail naar willen kijken om tot een conclusie te kunnen komen.

Verdere uitwerking van alpha mapping binnen aandelen In deze sectie kijken we naar factoren die van invloed kunnen zijn op het potentiële succes van actieve managers. Dit wordt gecombineerd om tot een rangschikking te komen van aandelenmarkten naar kans op outperformance door actief management.

Diepte van de benchmark Volgens het concept van de Fundamental Law of Active Management (Grinhold 1989, Clarke, de Silva en Thorley 2002) heeft een generieke actieve manager in potentie een groter aantal onafhankelijke keuzes te maken in een diepe markt. Dus hoe dieper de markt hoe meer mogelijkheden om een beleggingsstijl uit te drukken in actieve positionering. Markten met een groot aantal onderliggende namen zijn bijvoorbeeld US Small Cap en Global, terwijl Australië, Canada en de UK kleinere markten zijn.

Tabel 1 Alpha mapping per beleggingscategorie Asset Class

Liquiditeit & Transparantie

Efficiënte benchmark

Passief aanwezig (kostenvoordeel)

Verwachting outperformance

Voorlopige conclusie

LDI Staats & Swaps

Hoog

Custom

Hoog

Laag

(Semi) Passief

Vastrentend (Global Agg)

Midden

Laag/Midden

Midden

Hoog

Actief

Vastrentend (Global Credit)

Midden

Laag/Midden

Midden

Midden/Hoog

Actief

Vastrentend (HY & EMD)

Laag

Laag

Laag

Hoog

Actief

Aandelen (Global Developed)

Hoog

Hoog

Hoog

Midden

Onbepaald

Aandelen (Emerging Markets)

Laag/Midden

Midden

Midden

Hoog

Onbepaald

Real Assets (Commodities)

Hoog

Midden

Hoog

Laag

Passief

Real Assets (Other)

Laag

Laag

Laag

Midden

Actief

Bron: Russell Investments, 31 december 2014



——PRAKTIJK

Concentratie binnen de benchmark In markten waar de concentratie erg hoog is, zoals in Nederland waar Unilever, Koninklijke Olie en ING meer dan 40% van de AEX uitmaken, hebben actieve portefeuilles over het algemeen een substantieel aandeel in de hoofdfondsen. Door niet in de hoofdfondsen te beleggen neemt de manager een te groot risico. Aan de andere kant heeft de manager nu minder ruimte om actieve posities in te nemen, waardoor een hogere concentratie dus minder kansen voor actief management geeft. Ook hier verwachten we dat de small cap indices een lage concentratie hebben, terwijl bijvoorbeeld Australië, Canada en de UK meer concentratie hebben.

Analisten coverage De hoeveelheid analisten per bedrijf geeft een maatstaf voor de effectiviteit waarin bedrijfsinformatie wordt verzameld, verwerkt en aan beleggers wordt doorgegeven. Markten met een lagere coverage bieden een hogere kans tot het toevoegen van waarde door actief management (Grossman en Stiglitz, 1980). De meer geavanceerde belegger kan als het ware haar eigen informatie-asymmetrie creëren. Grote bedrijven in ontwikkelde markten zullen de grootste analisten coverage hebben. Kleinere bedrijven in minder ontwikkelde markten zullen minder gevolgd worden door analisten.

Dispersie van rendementen (cross sectional volatility) In tijden dat de hele markt stijgt of daalt, is het voor actief management moeilijker om waarde toe te voegen. Recent hebben we gezien dat door quantitative easing, waar centrale banken een sturende rol op de koersen hadden, een periode van risk-on riskoff ontstond. Op het moment dat de dispersie van rendementen stijgt (een hoge cross sectional volatility), is er sprake van een hogere outperformance voor een gelijk niveau van gerealiseerde voorspellingen. Hierdoor stijgt de toegevoegde waarde van goede actieve managers (Gorman, Sapra en Weigard 2010). Deze factor is het meest veranderlijk over tijd en heeft daarmee de grootste impact op veranderingen in de rangschikking over korte periodes.

Liquiditeit Dit is eerder besproken. Bij een lage liquiditeit zien we een grote impact, die afneemt naarmate de liquiditeit toeneemt.

Tabel 2 Correlatie met Alpha op aandelenmarkt

Concentratie

-0,38

Liquiditeit

-0,43

Analisten Coverage

-0,52

Dispersie rendementen

0,34

Diepte

0,30

Bron: Russell Investments, 2 juli 2014


Correlatie met Alpha

Ter illustratie hebben we deze analyse toegepast op de aandelenmarkt, waar we 17 markten met elkaar vergelijken op basis van algemeen aanvaarde referentie-indices. We zien dat de correlatie van de verschillende factoren hoog is, en in de juiste richting wijst. In tabel 3 zijn de resultaten weergegeven van de ranking, waarbij we per factor een rangschikking gemaakt hebben en voor het totaal ieder van de factoren een gelijk gewicht toekennen. Een belangrijke kanttekening is dat deze factoren niet stabiel zijn over tijd. Vooral de dispersie kan snel veranderen. Het is dus zaak om de analyse periodiek te herzien. Als we deze rangschikking interpreteren moeten we ons er van bewust zijn dat verschillen in benchmarkconstructie kunnen leiden tot hogere of lagere positionering. Een benchmark als de S&P 500 zal bijvoorbeeld niet erg hoog scoren op diepte van de benchmark. Het is dus van belang dat de benchmarks in deze analyse een goede representatie geven van de benchmarks binnen de strategische asset allocatie. Op basis van de alpha mapping exercitie kunnen we stellen dat er verschillen te constateren zijn tussen de verschillende individuele markten binnen wereldwijde ontwikkelde aandelenmarkt. Bij een gespreide aandelenportefeuille zien we dan ook vaak een combinatie van actief en passief als optimaal resultaat.

Hoe past smart bèta in de portefeuille? De laatste jaren heeft smart bèta een grote vlucht genomen. Smart bèta strategieën geven een passieve exposure naar een bepaalde factor (bijvoorbeeld low volatility) of een combinatie van factoren (fundamental geeft een combinatie van value en small cap). Op basis van de beleggingsvisie van een belegger kan worden besloten om bepaalde stijltilts toe te voegen. Hierbij is zorgvuldigheid nog geboden. Een vaak toegepaste benadering is om per mandaat of per beleggingscategorie te bepalen wat de factortilt is. Maar elke combinatie van beleggingen leidt tot andere stijlexposures, waarbij zelfs een gematigde verschuiving in de allocatie tussen de managers de factortilt significant kan beïnvloeden en leidt tot onbewuste positionering. Onbewuste positionering komt met grote regelmaat voor in portefeuilles en is vaak een belangrijke bron van onverwachte afwijkende resultaten. Een voorbeeld is de structurele onderweging naar de Verenigde Staten en overweging naar Emerging Markets die rond 75% van de wereldwijde aandelenmanagers aanhoudt. Door een goede monitoring van de gehele portefeuille op basis van een volledige look through, is het duidelijk wat deze tilts op totaalniveau zijn en of ze nog in overeenstemming zijn met het strategisch en tactisch beleid. Als er afwijkingen zijn is het mogelijk om de allocatie naar de verschillende strategieën binnen de portefeuille aan te passen. Het probleem is dat dit op andere plekken ook weer veranderingen teweeg brengt die misschien niet

Tabel 3 Rangschikking markt op basis van factoren Markt

Diepte

Concentratie

Analisten Coverage

Dispersie rendementen

Liquidititet

Gemiddelde Rank

US small cap market-oriented

2

1

4

2

14

1

US small cap growth

1

6

5

1

13

2

US small cap value

5

5

2

3

15

3

Japan small cap

4

2

1

9

16

4

Europe small cap

3

4

3

6

17

5

Emerging markets

6

8

6

4

12

6

Global

7

3

15

8

4

7

Asia

8

9

10

7

11

8

Global dev ex US & Canada (EAFE)

9

7

9

15

6

9

US large cap growth

10

13

14

10

1

10

US large cap market oriented

12

10

13

12

2

11

Canada

14

16

8

5

10

12

Japan

11

11

7

17

7

12

US large cap value

13

12

11

14

3

12

Europe large cap ex UK

15

14

12

16

5

15

UK

16

15

16

13

8

16

Australia

17

17

17

11

9

17

Bron: Russell Investments, 31 december 2014

Figuur 1 Smart bèta in actie

Views

Active managers

Total portfolio management

Value

Value

Value

Momentum

Momentum

Momentum

Volatility

Volatility

Volatility

Quality

Quality

Quality

Capitalization

Capitalization

Capitalization

Total portfolio management

Active managers

gewenst zijn (te vergelijken met draaien aan een kubus). Het is dan vaak efficiënter om met behulp van smart bèta ongewenste afwijkingen te neutraliseren. Figuur 1 illustreert dit concept. Hierbij moet nogmaals benadrukt worden dat het doel van deze exercitie niet is om alle factor exposure naar de benchmark te brengen, maar naar factortilts zoals in overeenstemming met het beleggingsbeleid en eventueel tactisch beleid. Dit moet een bewuste keuze zijn binnen de parameters van het risicobudget.

Conclusie De afweging tussen actief en passief is niet eenduidig. Voor institutionele beleggers is het echter belangrijk om hier een visie op te vormen en het beleggingsbeleid hierop af te stemmen. Door toe nemende complexiteit in de markten en een groter aantal beleggingscategorieën is dit er niet makkelijker op geworden. Onzorgvuldigheid in deze afweging kan echter leiden tot ongewenste risico´s binnen de portefeuille.

Views

Wij beschrijven hoe een systematische benadering kan leiden tot een evenwichtige combinatie van actief en passief management. Aangevuld met een bewuste blootstelling aan stijlfactoren, met behulp van smart bèta, kan worden zorggedragen dat er geen ongewenste positionering op het totale portefeuilleniveau plaatsvindt. Literatuur — Grinold, R., 1989, The Fundamental Law of Active Management, Journal of Portfolio Management, vol. 15, no. 3: 30-37. — Clarke, R., de Silva, H. en Thorley, S., 2002, Portfolio Constraints and the Fundamental Law of ActiveManagement, Financial Analysts Journal September-October. —Grossman, S. en Stiglitz, J., 1980, On the impossibility of informationally efficient markets, The American Economic Review, Vol. 70, No. 3: 393-408. — Gorman, L., Sapra, S., Weigand, R., 2010, The role of cross-sectional dispersion in active portfolio management, Investment Management and Financial Innovations, Volume 7, Issue 3. —Russell Investments, 2015, Total portfolio management, Russell’s approach to combining active passive and everything in between, research paper mei. —Russell Investments, 2014, Alpha Mapping: An analysis of equity asset categories in terms of alpha of skilled investors (data van 17 aandelenbenchmarks 1990 Q3- 2013 Q3), research note juli. Noot 1 Drs. Farid Kabbaj MSc, Director Investment Strategy & Solutions Russell Investments.



——ONDERZOEK

De digitale evolutie van de beleggingsanalyse

—

Auteurs Ronald van Dijk (l) Gerben de Zwart (r)1

In dit artikel betogen wij dat het vakgebied van de beleggingsanalyse op dit moment een versnelling ervaart met nieuwe mogelijkheden en innovatiekansen. Beschikbare informatie groeit exponentieel en de technologieën om deze informatie te verzamelen, op te slaan en te analyseren worden gestaag krachtiger. De eerste toepassingen tonen nu ook daadwerkelijk de meerwaarde van nieuwe technologieën voor het uitvoeren van beleggingsonderzoek. De evolutie van informatieverwerking binnen het vakgebied van beleggingsonderzoek, noopt beleggingsinstellingen tot het versneld maken van de keuze hier wel of niet aan mee te doen. Alles bij elkaar concluderen wij dat de ontwikkelingen op het gebied van internet, Big Data, tekstanalyse, snelle computers, kunstmatige intelligentie en machine learning het werk van zowel kwantitatieve als fundamentele analisten kunnen verrijken. De voorwaarde hiervoor is dat analisten open staan voor deze nieuwe ontwikkelingen en hier mee aan de slag gaan door proefondervindelijk ervaring op te doen en richting te bepalen. Inleiding De digitale evolutie is de transformatie van analoge en elektronische technologie naar digitale technologie. De start van de digitale evolutie begon met het toenemende gebruik van de digitale computer en digitale dataopslag in de jaren zestig en zeventig. De introductie van computers en digitale


dataopslag kan worden gezien als een grote ver andering in het instrumentarium van de mens. De start van deze evolutie markeert het begin van een periode waarin kennis een steeds belangrijkere rol is gaan spelen in de economie. Digitale ontwikkelingen hebben een stevige stempel gedrukt op de maatschappij en het bedrijfsleven.

beïnvloeden. In het bijzonder zien wij een versnelling op drie terreinen die hieraan een grote bijdrage kunnen leveren: internet, Big Data en kunstmatige intelligentie.

Nieuwe ontwikkelingen op het gebied van technologie en data volgden elkaar snel op. De computer werd krachtiger, data opslag goedkoper en internet en mobiele telefonie maakten opgang. Dit heeft geleid tot compleet nieuwe bedrijfsmodellen zoals Marktplaats, Facebook, Netflix en Uber. De volgende slag die nu gemaakt wordt, is het opslaan, verwerken, analyseren en interpreteren van grote hoeveelheden gestructureerde en ongestructureerde data. Het voorspellen van omzetcijfers op basis van zoekopdrachten in Google in combinatie met credit card data, bijvoorbeeld. In dit artikel streven wij ernaar om de nieuwste ontwikkelingen die relevant kunnen zijn voor beleggingsanalyses in kaart te brengen en in context te plaatsen. Dit doen wij door eerst contouren van de huidige fase van de digitale evolutie te schetsen. Vervolgens staan wij stil bij twee praktijkvoorbeelden. Tenslotte bespreken we de invloed op de bedrijfsmodellen van beleggingsinstellingen en sluiten we af met enkele aanbevelingen.

Internet Sinds zijn introductie in 1993 heeft de ontwikkeling van het internet niet stil gestaan. Een mijlpaal was de introductie van mobiel internet dat de gebruiker 24/7 met een computer verbindt. Velen onderhouden sociale contacten op Facebook of LinkedIn, geven meningen via Twitter of diverse blogs, zoeken met Google of Bing, verspreiden foto’s via Flickr of Instagram en delen hun locatie met de Apps op een mobiele telefoon aan de hand van GPS. Tegelijkertijd wordt veel van deze informatie ergens opgeslagen. Terwijl mobiel internet nog vele nieuwe toepassingen zal gaan kennen, wordt al druk gewerkt aan twee nieuwe ontwikkelingen: DBpedia en het Internet of Things.

De digitale evolutie in versnelling

DBpedia is een initiatief van een groep bestaande uit individuen en organisaties om informatie op een voor computers leesbare wijze te verzamelen, te koppelen en beschikbaar te stellen op basis van de informatie in Wikipedia. DBpedia is voor te stellen als een enorme verzameling van beschikbare informatie op internet die alleen leesbaar is voor computers.

De start van de digitale evolutie is al ongeveer vijftig jaar geleden, waardoor men zou kunnen denken dat de grootste veranderingen al achter de rug zijn. Van een stilstand is echter zeker geen sprake. De huidige digitale ontwikkelingen maken het waarschijnlijk dat de grootste veranderingen voor beleggingsanalisten nog moeten komen en hun werk fors zullen

Figuur 1 Een grafisch overzicht van de 570 datasets die de DBpedia beweging met elkaar verbonden heeft

Opendata Scotland Simd Geographic Access Rank GovUK Transparency Impact Indicators Energy Efficiency new Builds

Opendata Scotland Simd Health Rank

Opendata Scotland Simd Housing Rank

ODCL SOA Opendata Scotland Graph Simd Rank

GovUK impact indicators energy efficiency new builds

GovUK Households 2008

Opendata Scotland Graph Education Pupils by School and Datazone

GovUK Societal Wellbeing Deprivation Imd Education Rank La 2010

GovUK transparency impact indicators tr. families

Opendata Scotland Simd Education Rank

Opendata Scotland Simd Employment Rank

GovUK societal wellbeing deprivation imd employment score 2010

GovUK Societal Wellbeing Deprivation Imd Health Score 2010

GovUK societal wellbeing deprv. imd rank la '10

GovUK Input ind. Local Authority Funding From Government Grant

GovUK societal wellbeing deprv. imd rank '07

GovUK Imd Income Rank La 2010

Aragodbpedia

GovUK Societal Wellbeing Deprivation Imd Rank 2010

2001 Spanish Census to RDF

EU Agencies Bodies

GovUK Imd Rank 2010

GovUK service expenditure

Eionet RDF GovUK Households Projections total Houseolds

GovUK Imd Score 2010

ESD Standards

EPO

EEA

Open Election Data Project

Randomness Guide London

Greek Administrative Geography

Thist

Bizkai Sense

NVS

Oceandrilling Borehole

Alexandria Digital Library Gazetteer

StatusNet mkuttner

Geo Wordnet

AEMET

StatusNet Coreyavis

Enel Shops

StatusNet Spip

StatusNet Deuxpi

StatusNet Hiico StatusNet Integralblue

StatusNet Atari Frosch

StatusNet Exdc

StatusNet Freelish

StatusNet Mystatus StatusNet ldnfai

StatusNet Scoffoni

StatusNet Planetlibre StatusNet Keuser

StatusNet Ludost

StatusNet Fragdev

StatusNet 20100 StatusNet tl1n

StatusNet Macno

StatusNet Skilledtests

StatusNet Tschlotfeldt

StatusNet thornton2

StatusNet Qth

StatusNet Mulestable

StatusNet Kenzoid

StatusNet Ourcoffs

StatusNet piana

StatusNet Otbm

StatusNet Glou

StatusNet Sebseb01 StatusNet doomicile

StatusNet Bonifaz

StatusNet Spraci

Product Ontology

StatusNet Sweetie Belle

StatusNet Johndrink Water

StatusNet Equestriarp

Livejournal

Bio2RDF

KDATA

SISVU

Bio2RDF GeneID

Linked Life Data

RKB Explorer ECS

Open Data Thesaurus

Tekord

Bio2RDF Affymetrix

Bio2RDF Ncbigene Diseasome FU-Berlin

Bio2RDF ECO

Bio2RDF Taxonomy

Bio2RDF Pharmgkb

JudaicaLink

Getty AAT

Biosamples RDF

DM2E

Semantic Web Journal

Publications Life Sciences Cross-Domain Social Networking

Bio2RDF LSR

Geographic Government Media

Bio2RDF GOA Bio2RDF Homologene

Bio2RDF Biomodels

RKB Explorer Italy RKB Explorer Kaunas

Bio2RDF Sabiork Bio2RDF SGD Resources

Bio2RDF Iproclass

Dutch Ships and Sailors

Chembl RDF

Bio2RDF CTD

Bio2RDF Wormbase Bio2RDF OMIM Resources

Bio2RDF SGD Bio2RDF Pubmed

Bio2RDF DBSNP

Bio2RDF OMIM

Linked Food

Nobel Prizes

Gene Expression Atlas RDF

Bio2RDF Orphanet

NBN Resolving

Aspire Plymouth

RKB Explorer Epsrc

Swedish Open Cultural Heritage

Identifiers

Bio2RDF HGNC

Bio2RDF Clinicaltrials

Uniprot Taxonomy

Uniprot KB

Bio2RDF Irefindex

chem2 bio2rdf

Bio2RDF Mesh

Reactome RDF

National Diet Library WEB NDL Authorities

Aspire Harper Adams

Bio2RDF Drugbank

RKB Explorer Deploy

British Museum Collection

Serendipity

Identifiers Org

Aspire Roehampton Deutsche Biographie

RKB Explorer FT

Asn.us

Bio2RDF Taxon

RKB Explorer Ulm

RKB Explorer IBM

TWC IEEEvis

Ariadne Aspire Portsmouth

RKB Explorer Eurecom

Uniprot

Biomodels RDF

GNI

RDF License

Product DB

StatusNet Status

Linked TCGA

Enipedia

Open Food Facts

Organic Edunet

LOD ACBDLS

Open Library

Aspire Uclan

DOI

Multimedia Lab University Ghent

RKB Explorer Pisa

lobid Organizations

RKB Explorer Darmstadt

RKB Explorer Roma

Bio2RDF Dataset

Core

Libris

RKB Explorer OAI

RKB Explorer IEEE

RKB Explorer kisti

Bio2RDF NDC

Austrian Ski Racers

DBpedia PT

StatusNet Ilikefreedom

Ontos News Portal

StatusNet Ced117

StatusNet Pandaid

StatusNet Kathryl

DBpedia Lite

StatusNet Uni Siegen

Taxonconcept Occurences

DBpedia CS

Alpino RDF

StatusNet Tekk

StatusNet Mamalibre

StatusNet Fcestrada

StatusNet Alexandre Franke

DBpedia IT

StatusNet linuxwrangling

StatusNet Cooleysekula

Dailymed FU-Berlin

DNB GND

IServe

Testee

Disgenet

GNU Licenses

DBpedia EU

StatusNet Mrblog

StatusNet Legadolibre

Drug Interaction Knowledge Base

Linklion

DBpedia JA

StatusNet Jonkman

Taxonconcept Assets

RKB Explorer Resex

RKB Explorer Budapest

Sztaki LOD

RKB Explorer Dotac

RKB Explorer Risks

RKB Explorer Wiki

RKB Explorer Lisbon

Gutenberg

O'Reilly

RKB Explorer Newcastle

RKB Explorer LAAS

RKB Explorer DBLP

RKB Explorer Irit

linkedct

Aves3D

DBpedia ES

DBpedia KO

StatusNet Timttmy

StatusNet Hackerposse

StatusNet Status.net

StatusNet Belfalas

StatusNet Recit

StatusNet Russwurm StatusNet Gomertronic

DBpedia FR

VIVO University of Florida

Uniprot Metadata

Sider FU-Berlin

URI Burner

DBpedia DE

StatusNet Fcac

StatusNet Ssweeny

StatusNet Quitter

StatusNet Rainbowdash

StatusNet Datenfahrt

StatusNet Thelovebug

StatusNet Postblue

DBpedia live

Geospecies

Nottingham Trent Resource Lists

Aspire UCL

Verrijktkoninkrijk

RKB Explorer Citeseer

RKB Explorer Eprints

RKB Explorer Southampton

RKB Explorer ACM

CKAN

Taxon concept

DBpedia NL

DBpedia EL

StatusNet chickenkiller

StatusNet Somsants

StatusNet Soucy

StatusNet schiessle

StatusNet Lydiastench

StatusNet Morphtown

StatusNet gegeweb

StatusNet Lebsanft

StatusNet Dtdns

StatusNet chromic

Linked Open Data of Ecology

YAGO Opencyc

Code Haus

Drugbank FU-Berlin

EUNIS

RKB Explorer RAE2001

RKB Explorer Curriculum

RKB Explorer NSF

Aspire NTU

Dev8d

lobid Resources

Bibbase

RKB Explorer Courseware

RKB Explorer Eprints Harvest

RKB Explorer JISC

Morelab

Aspire Sussex

Southampton ECS Eprints

L3S DBLP

Viaf

Archiveshub Linked Data

Semantic Web Grundlagen

Aspire Manchester

RKB Explorer Deepblue

KUPKB

LOV

DWS Group

Bibsonomy

Southampton ac.uk

Semantic Web DogFood

Freebase

StatusNet Progval

StatusNet Qdnx

StatusNet shnoulle

StatusNet Kaimi

FOAFProfiles

Linked Geo Data

StatusNet Opensimchat

StatusNet Orangeseeds

W3C

UMBEL

StatusNet Samnoble StatusNet David Haberthuer

LOD2 Project Wiki PlanetData Project Wiki

DBpedia

StatusNet 1w6

StatusNet Bka

StatusNet Maymay

StatusNet Imirhil

GovAgriBus Denmark

Geo Names

Ordnance Survey Linked Data

GADM Geovocab

Open Mobile Network

Geological Survey of Austria Thesaurus

UK Postcodes

World Factbook FU-Berlin

GovUK Dev Local Authority Services

Linked Open Piracy

OSM Geo Ecuador

ESD Toolkit

Environmental Applications Reference Thesaurus

Govtrack

Open Data Ecuador

Lexvo Wordpress

B3Kat

Aspire Keele

Aspire MMU

RKB Explorer OS

Datos Bne.es

Colinda

DCS Sheffield

Aspire Brunel Radatana

Ciard Ring

VIVO Indiana University

Bible Ontology

Universidad de Cuenca Linkeddata

Project Gutenberg FU-Berlin

RKB Explorer ERA

Idref.fr

Mis Museos GNOSS

LCSH

Pub Bielefeld

MSC

Princeton Library Findingaids

Bluk BNB

DNB

Agrovoc Skos

RKB Explorer unlocode

UTPL LOD

Theses.fr

Muninn World War I

Aspire Qmul

Data Bnf.fr

STW Thesaurus for Economics

Amsterdam Museum AS EDN LOD

FAO Geopolitical Ontology

Lingvoj

RDF Ohloh BBC Wildlife Finder

NALT NUTS Geovocab

Wordnet (W3C)

Shoah Victims Names

Sudoc.fr

Gesis Thesoz

Worldcat

RKB Explorer Webscience

Lista Encabeza Mientos Materia

ZDB

Data Open Ac Uk

Semanlink

Linked MDB

Geo Linked Data

Linked Railway Data Project

Typepad

DBTune Musicbrainz

ISO 639 Oasis

Semanticweb.org

Reload

Greek Wordnet

MyOpenlink Dataspaces

Revyu

Europeana

EEARod

Enakting Population

CE4R

Yso.fi YSA

Semantic Quran

JITA

RKB Explorer Wordnet

Lexinfo

Wordnet (VU)

Garnica Plywood

Apache

Yso.fi Allars

Dewey Decimal Classification

Wiktionary DBpedia

Glottolog

My Experiment

NYTimes Linked Open Data

Hellenic Fire Brigade

WOLD

Berlios

OpenlinkSW Dataspaces

Clean Energy Data Reegle

WWW Foundation

Ietflang

Pdev Lemon Lemonuby

Socialsemweb Thesaurus

Open Calais BBC Music

Hellenic Police

Enakting Mortality

City Lichfield

IATI as Linked Data

GovUK Transparency Impact ind. Households In temp. Accom.

RKB Explorer cordis

GovUK Education Data

GovUK Transparency Input ind. Local auth. Funding f. Gvmnt. Grant

Enakting CO2Emission

Charging Stations

CIPFA

OECD 270a.info

BIS 270a.info

GovUK Homelessness Accept. per 1000 GovUK wellb. happy yesterday std. dev.

FAO 270a.info

Worldbank 270a.info ECB 270a.info

Data for Tourists in Castilla y Leon

GovUK Net Add. Dwellings

GovUK Households Projections Population

BPR

Eurostat RDF

Open Data Euskadi

Government Web Integration for Linked Data

GovUK Societal Wellbeing Deprv. imd Score '10

GovUK Households Accommodated per 1000

GEMET

IDS

Olia

Tags2con Delicious

Green Competitiveness GNOSS

Linked Crunchbase

BBC Programmes

NHS Jargon

Linked Eurostat

Transparency 270a.info

Reference data.gov.uk

FRB 270a.info

GovUK Transport Data

Isocat

WALS

GNOSS

Interactive Maps GNOSS

Open Data RISP

RDFize last.fm

Camera Deputati Linked Data

Cornetto

DBnary

ineverycrea

Deusto Tech

Didactalia

Chronicling America

Icane

Open Energy Info Wiki

Eurostat Linked Data

Linked Stock Index

BFS 270a.info

IMF 270a.info

Nomenclator Asturias

Linked Edgar

Bootsnall

Linked User Feedback

Flickr Wrappr

Nextweb GNOSS

Miguiad Eviajes GNOSS

Jamendo DBTune

OCD

SORS

ABS 270a.info

UIS 270a.info

Environment Agency Bathing Water Quality

GovUK Societal Wellbeing Deprivation Imd Income Rank La 2010

Brazilian Politicians

Loius

GovUK Impact Indicators Planning Applications Granted

UK Legislation API GovUK Societal Wellbeing Deprv. Imd Empl. Rank La 2010

GovUK Societal Wellbeing Deprivation Imd Health Rank la 2010

Openly Local

Currency Designators

Linked NUTS

GovUK Transparency Impact Indicators Housing Starts

GovUK Impact Indicators Housing Starts

GovUK Transparency Input indicators Local authorities Working w. tr. Families

Ctic Public Dataset

Statistics data.gov.uk

Enakting NHS

German Labor Law Thesaurus

DBTropes

Semantic XBRL

Red Uno Internacional GNOSS

Linked Mark Mail

Datahub.io

Lotico

Pokepedia

Enakting Crime

GovUK Housing Market

Eurostat FU-Berlin

Enakting Energy

GovUK Societal Wellbeing Deprivation imd Employment Rank La 2010

Zaragoza Datos Abiertos

Eurovoc in SKOS

DBTune John Peel Sessions

Indymedia

Vulnerapedia

Proyecto Apadrina

Museos Espania GNOSS

Acorn Sat

Umthes

RKB Explorer Crime

GovUK Transparency Impact Indicators Neighbourhood Plans GovUK Transparency Impact Indicators Affordable Housing Starts

GovUK Societal Wellbeing Deprivation Imd Housing Rank la 2010

GovUK Impact Indicators Affordable Housing Starts

GovUK Wellbeing lsoa Happy Yesterday Mean

GovUK Homelessness Households Accommodated Temporary Housing Types

GovUK Households Social Lettings General Needs Lettings Prp Household Composition

GovUK Wellbeing Worthwhile Mean

GovUK Households Social lettings General Needs Lettings Prp Number Bedrooms

Opendata Scotland Simd Income Rank

GovUK Transparency Impact Indicators Planning Applications Granted

Opendata Scotland Simd Crime Rank

DBTune Magnatune

Debian Package Tracking System

Jugem

Prefix.cc

Artenue Vosmedios GNOSS

Elviajero

DBTune artists last.fm

GovUK Imd Crime Rank 2010

GovUK Societal Wellbeing Deprivation Imd Crime Rank 2010

GovUK imd env. rank 2010

Gem. Thesaurus Audiovisuele Archieven

GovUK Societal Wellbeing Deprivation Imd Environment Rank 2010

Zaragoza Turruta

Web Nmasuno Traveler

Prospects and Trends GNOSS

Athelia RFID

Courts Thesaurus

User-Generated Content Linguistics

Linked Datasets as of August 2014

Bron: http://www.w3.org/wiki/SweoIG/TaskForces/CommunityProjects/LinkingOpenData



——ONDERZOEK Het potentieel is groot omdat de informatie gekoppeld wordt aan andere Open Data informatie op internet. Zo publiceren verschillende Nederlandse instanties zoals het CBS2 naast hun voor mensen leesbare rapporten al informatie als Open Data op internet. Aangezien DBpedia informatie over zeer veel verschillende onderwerpen omvat, is het de verwachting dat digitale toepassingen meer en meer centrale data zullen putten uit DBpedia. De onderstaande figuur geeft een overzicht van de 570 data sets die in augustus 2014 met elkaar verbonden zijn door de Open Data beweging. DBpedia vormt de spil van deze verzameling. Op dit moment zijn met name pc’s, mobiele telefoons en tablets verbonden met internet. Het Internet of Things is een ontwikkeling waarbij steeds meer voorwerpen met internet verbonden zullen zijn, zoals koelkasten, medische instrumenten, auto’s en energiemeters. Deze voorwerpen zijn daarmee een potentiële bron van informatie over de economie en haar participanten. Informatie over hoe, wanneer en waarom bepaalde middelen worden gebruikt kan om verschillende redenen interessant zijn. Bijvoorbeeld ... Big Data Binnen en buiten de financiële wereld wordt veel gesproken en geschreven over Big Data. Big Data wordt in verband gebracht met enorme hoeveelheden data en het snel verwerken van deze data. Een voorbeeld hiervan zijn de databases die High Frequency Traders aanleggen om analyses op uit te voeren en te handelen. Desalniettemin ontbreekt een eenduidige definitie. Naar onze mening is Big Data meer dan een enorme data set die met traditionele datamanagement systemen nauwelijks meer te onderhouden is. Naast data, draait Big Data ook om de mensen en techniek om uit deze data inzichten te creëren en waarde toe voegen aan bedrijfsprocessen. Dit sluit aan op de Big Data definitie van onderzoeks- en adviesbureau Gartner; “Big Data is informatie in grote hoeveelheden, hoge snelheid en hoge diversiteit die kosteneffectieve en innovatieve vormen van informatieverwerking vereisen om te komen tot beter inzicht en besluitvorming.”3 Beleggingsanalisten met ervaring in Bloomberg of Reuters zullen een beeld hebben bij grote hoeveelheden informatie die snel binnen kunnen komen. Met de diversiteit van data wordt bedoeld dat data ook ongestructureerd kan zijn. In tegenstelling tot de gestructureerde data, zoals I/B/E/S analistendata die bijvoorbeeld via FactSet of Datastream te verkrijgen zijn met volledige datatype beschrijving, is ongestructureerde data alle informatie die niet direct als veld in een database beschikbaar is, zodat het voor computers lastiger wordt om te benaderen. Denk bij ongestructureerde data aan documenten zoals analistenrapporten of transcripties van analistenbijeenkomsten, maar ook aan nieuws updates op Bloomberg of Twitterberichten.


Big Data vraagstukken zijn nauwelijks met conventionele technologie te beantwoorden en vergen nieuwe methodes en instrumenten. Big Data reikt verder dan grote databases om informatie in op te slaan. Het omvat ook een nieuwe architectuur en specialistische software om de data te verbinden en analyseren. Het open-source ecosysteem rond Apache Hadoop heeft hierin lange tijd centraal gestaan. Deze software verbindt computers aan elkaar, waardoor de ongestructureerde data op kleine, goedkopere computers opgeslagen kan worden, en is in staat om hier data uit te halen en te verwerken. Oorspronkelijk gebaseerd op het distibuted fule system van Google, maken bedrijven als LinkedIn en Spotify veelvuldig gebruik van Hadoop. In de praktijk beginnen de meeste platforms voor Big Data analyse dan ook bij Hadoop en worden aangevuld met software die data kan analyseren. Hadoop kan data decentraal en op een massief parallelle manier verwerken. Veel van de machine learning methoden kunnen daarom nu tegen relatief lage kosten toegepast worden op grote hoeveelheden data en daarmee patronen blootleggen die voorheen verborgen bleven. De uitdagingen die met Big Data gepaard gaan hebben relatief nieuwe opleidingen op universiteiten doen ontstaan, met naamgevingen als “Data Science” en “Big data business analytics”. Deze opleidingen leren studenten grote stromen data uit meerdere bronnen te koppelen en met behulp van statistische technieken te analyseren, te visualiseren en mogelijke verbanden te valideren. Hoe kunnen we in de praktijk aan de slag gaan met Big Data? Wij stellen dat een goede strategie en visie essentieel zijn waarbij duidelijke keuzes worden gemaakt wat wel en niet wordt nagestreefd. Het einddoel mag hierbij niet vergeten worden. Het werken met Big Data, in het geval van een beleggingsinstelling, heeft veelal tot doel het verkrijgen van extra inzichten voor beleggingsadvies en het nemen van efficiëntere of effectievere beleggingsbeslissingen. De operationele uitwerking moet voldoende flexibiliteit toestaan om nieuwe technologieën, zoals het opslaan en analyseren van data in de Cloud, een constante ontwikkeling doormaken. Accenture en PA Consulting geven in hun respectievelijke studies “Big Success with Big Data” en “Data in the Digital Age”4 aanbevelingen voor organisaties die willen beginnen met Big Data. Ten eerste beginnen succesvolle Big Data projecten kleinschalig met een proof-of-concept en groeien vervolgens organisch door. Ten tweede moeten organisaties voldoende ruimte en wendbaarheid creëren om te leren wat Big Data met zich mee brengt, en hoe het leerproces en de implementatie flexibel op elkaar kunnen worden afgestemd. Alle spelers maken immers een deel uit van een continu innovatie- en leerproces: de dataleveranciers, de informatie-technologie specialisten, de bouwers van modellen en algoritmes, de onderzoekers en de eindgebruikers.

De grote sprongen die gemaakt worden op het gebied van Big Data worden verklaard door de voortdurende technologische ontwikkelingen van computers en dataopslag en door het gebruik van open source software. Waar vroeger de gevestigde partijen (IBM, SAS, etc) de toon zetten op het gebied van software ontwikkeling, gaan ontwikkelingen snel omdat sofware-innovatie nu door de open source community in het publieke domein ligt. Richting de toekomst zijn drie belangrijke Big Data trends te onderscheiden: Data Ecosystemen, real-time analyse en nieuwe database structuren die gebaseerd zijn op de wiskundige grafentheorie (graph database) waardoor grote hoeveelheden data zodanig opgeslagen kunnen worden dat gemakkelijk verbanden gevonden kunnen worden in bijvoorbeeld sociale netwerken. In het proces van het ontsluiten en exploiteren van Big Data zal dikwijls samengewerkt worden met externe partijen, of zelfs concurrenten, op het gebied van informatie, data, technologie en kennis. Deze samenwerking wordt het Data Ecosysteem genoemd. Real-time analyse waarin grote gegevensstromen continue gemonitord worden, is een nieuwe trend in Big Data. Kunstmatige intelligentie, machine

learning

Onze hersenen zijn in staat informatie tot zich te nemen, te analyseren, te leren en beslissingen te nemen die noodzakelijk zijn voor beleggingsanalyses en portefeuille management. Kunstmatige intelligente is het vakgebied dat zich richt zich op het verwerken van informatie door computers op een wijze zoals onze hersenen functioneren. Het gebruik van kunstmatige intelligentie en een computer wordt interessanter, naarmate de hoeveelheid informatie groeit, de data complexere patronen bevat en sneller moet worden verwerkt om tot beslissingen te komen die waarde toevoegen. De enorme toename van de rekenkracht van computers in combinatie met innovaties op het gebied van kunstmatige intelligentie, is een belangrijke katalysator om de ontwikkelingen op internet en Big Data hun weg te laten vinden naar praktische toepassingen op het gebied van beleggingsanalyse. Technieken uit de kunstmatige intelligentie kunnen werk van beleggingsanalisten uit handen nemen, aanvullen of verrijken. Een historische mijlpaal in de ontwikkeling van kunstmatige intelligentie ligt inmiddels al weer meer dan 18 jaar in het verleden: de schaakwedstrijd tussen de toenmalige wereldkampioen Garry Kasparov met de computer Deep Blue 2 van IBM op 4 mei 1997. In slechts 19 zetten won Deep Blue 2 het laatste en beslissende duel uit een serie van zes partijen. Hiermee had de computer voor het eerst in de geschiedenis ‘gewonnen van de mens’. Interessant om te weten is dat het aandeel IBM met 5% omhoog ging op deze dag.

Op dit moment zijn machine learning en deep learning belangrijke begrippen in het kader van Big Data. Machine learning is een aandachtsgebied dat zich richt op wiskundige algoritmes en technieken waarmee computers, al dan niet met training data sets, zelfstandig kunnen leren, complexe patronen kunnen herkennen en informatie kunnen classificeren. Deep learning kan worden gezien als een vertakking binnen machine learning, waarbij een verzameling van verschillende modellen, bijvoorbeeld een eenvoudig lineair model en een neuraal netwerk model, die in combinatie in staat zijn patronen te herkennen en informatie te classificeren. Verschillende machine learning technieken hebben inmiddels hun intrede gedaan in de financiële wereld, zoals beslisbomen (Sorensen et al, 2000) en geautomatiseerde tekstanalyse (zie volgende sectie). De bovenstaande ontwikkelingen op het gebied van internet, Big Data en kunstmatige intelligentie zijn veelbelovend. De tijd moet leren of dit een overschatting van een hype is of dat er werkelijk een significante ontwikkeling aan de gang is. In ieder geval hebben al verschillende grote hedge fonds beheerders, zoals Bridgewater Associates en Renaissance Technologies, al grote initiatieven ondernomen op dit gebied.5 Op basis van twee praktijkvoorbeelden laten wij het aan de lezer over om te bepalen waar de grens tussen hype en de werkelijkheid ligt.

Praktijk voorbeeld: automatische tekstanalyse Een mijlpaal op het gebied van de tekstanalyse in de financiële wereld was de publicatie van het artikel van Paul Tetlock in het wetenschappelijke tijdschrift The Journal of Finance in 2007. In zijn artikel meet hij het sentiment van een dagelijkse column in de Wall Street Journal en analyseert hij de relatie tussen het sentiment van het artikel en de aandelenmarkt. Het meten van het sentiment gebeurt simpelweg door het aantal woorden met een negatieve lading te tellen. Om te bepalen welke woorden een negatieve lading hebben, gebruikt Tetlock een standaard woordenboek met negatieve woorden (Harvard IV-4 woordenboek). Tetlock laat in zijn artikel zien dat de prijzen op de aandelenmarkt onder druk komen te staan als er veel negatief sentiment in de columns voorkomt. Sinds de publicatie van het artikel van Tetlock (2007) heeft het vakgebied van tekstanalyse in de financiële wereld een enorme groei doorgemaakt zoals beschreven in het gedegen literatuuroverzicht van Kearney and Liu (2014). Enerzijds zijn er steeds meer verschillende teksten geanalyseerd, denk hierbij aan jaarverslagen van ondernemingen, rapportages aan de toezichthouder, maar ook berichten op Twitter en websites. Anderzijds worden de algoritmes om teksten te analyseren steeds geavanceerder. Met behulp van technieken uit het vakgebied linguïstiek kan sentiment tegenwoordig niet alleen meer bepaald worden op basis van individuele woorden, maar ook op basis van hele



——ONDERZOEK zinnen. Machine learning algoritmes spelen hierin een belangrijke rol. Het Nederlandse bedrijf TM7 is hier bijvoorbeeld in gespecialiseerd. De ontwikkeling van toepassingen van tekstanalyse die van nut kunnen zijn voor beleggingsanalisten staat nog in de kinderschoenen. In verschillende landen ontstaan op dit moment start-ups, zoals Accern, AlphaSense of Owlin die automatische tekstanalyse ontsluiten voor beleggingsanalisten zoals tekstanalyse op analistenrapporten of op zo veel mogelijk verschillende nieuwsberichten. De meeste toepassingen richten zich op het leveren van een bijdrage aan het voorspellen van aandelen rendementen. Een andere interessante toepassing van tekstanalyse is op het gebied van verantwoord beleggen. Uit nieuwsberichten, rapportages aan de toezichthouder, jaarverslagen, websites van niet-gouvernementele organisatie (ngo`s) en andere websites kan informatie over de prestaties van een onderneming op het gebied van verantwoord beleggen real-time gemeten en gemonitord worden. Op basis van deze geaggregeerde data kunnen ESG risico’s en trends geïdentificeerd worden. Beleggingsanalisten hoeven niet meer te wachten op een nieuw rapport dat geschreven is door een analist, maar kunnen werken met real-time informatie op dit gebied. Het jonge bedrijf TruValue Labs lijkt op dit gebied kans te maken om een belangrijke marktpartij te worden.

Praktijk voorbeeld: Google Grieptrends In 2009 publiceerden onderzoekers van Google een studie in het tijdschrift Nature (Ginsberg et al., 2009) waarin zij de relatie tussen bepaalde zoektermen en griepactiviteit beschreven. Er blijkt een sterk verband te bestaan tussen het aantal mensen dat de dokter bezoekt met griepsymptomen en de zoekactiviteit op internet naar informatie over griep. Indien de geaggregeerde zoekactiviteiten worden bekeken dan ontstaat een patroon dat sterke overeenkomsten vertoont met het aantal mensen dat daadwerkelijk griepsymptomen heeft in een bepaalde regio. Dit wordt geïllustreerd in de onderstaande figuur waarin de officiële gegevens over griepsymptomen weergegeven worden ten opzichte

van de schatting door Google Grieptrends voor de Verenigde Staten. Eenvoudig is waar te nemen dat de real-time schatting van griepactiviteit op basis van Google Grieptrends sterk overeenkomt met de officiële statistieken. In februari 2013 kwam Google Grieptrends in het nieuws in de Verenigde Staten. De aanleiding was dat Google’s algoritme twee keer zo veel doktersbezoeken voorspeld had als de voorspelling van de officiële instanties. Dit is duidelijk waar te nemen in Figuur 2. Wat bleek? In het nieuws waren veel verhalen over griep waardoor waarschijnlijk veel mensen naar informatie over griep zochten, zonder dat zij ziek waren. Deze gebeurtenis illustreert dat het van belang blijft om gezond verstand te gebruiken bij toepassingen van de digitale evolutie. Een grote stroming binnen het gebied van Big Data richt zich op het vinden van verbanden zonder dat causaliteit een randvoorwaarde is. Dit voorbeeld laat zien dat het mis kan gaan zodra niet meer stil gestaan wordt bij de vraag wat er achter de correlatie schuil gaat of op welke aanname een extrapolatie is gebaseerd. Deze gebeurtenis motiveerde verschillende wetenschappers om Google’s algoritme te verbeteren, zie bijvoorbeeld Lazer et al. (2014) of Preis en Moat (2014).

Bedrijfsmodellen en de digitale evolutie In een aantal sectoren zijn traditionele bedrijfs modellen zwaar onder druk gekomen als gevolg van de digitale evolutie. Denk hierbij aan de muziekindustrie (iTunes, Spotify), taxibranche (Uber), en de media (Netflix). CEO’s van financiële instellingen zullen zich afvragen of hetzelfde kan gebeuren in de financiële sector. Wat gebeurt er als we de technologie van de digitale evolutie optimaal integreren in de vermogensbeheersector? Een interessant voorbeeld van de kracht van de digitale revolutie is het geldmarktfonds Yu’e Bao dat in juni 2013 door internet platform Alibaba in China werd geïntroduceerd. In tien maanden tijd groeide het vermogen van het beleggingsfonds uit tot 90 miljard dollar met 81 miljoen deelnemers. Hiermee veroverde Alibaba een marktaandeel van 31% en

Figuur 2 Griepactiviteit in de Verenigde Staten op basis van de gegevens door U.S. Centers for Disease Control (oranje lijn) en Google Grieptrends (blauwe lijn)

Bron: http://www.google.org/flutrends/


ontwrichtte het in zeer korte tijd de banken- en vermogensbeheersector in China. De Yu’e Bao casus illustreert een scenario waarin nieuwe spelers de vermogensbeheerindustrie betekenisvol binnendringen, indien bestaande beleggingsinstellingen onvoldoende innoveren. Het alternatieve scenario, waarin bestaande beleggingsinstellingen het voor elkaar kunnen krijgen om de benodigde digitale evolutie door te maken, gaat uit van een situatie waarin bestaande organisaties aan de slag gaan met de mogelijkheden van de digitale evolutie. Zij doen dit door bedrijfsmodellen en technologie te blijven innoveren en keuzes te maken op welke gebieden snelheid en aanpassing nodig is (focus). Naast een strategische en technologische omslag is, omdat de context in continue verandering is, mogelijk ook een cultuuromslag gewenst waarbij organisaties en medewerkers voortdurende innovatie omarmen. Er moet een omgeving en cultuur ontstaan waar veranderingen op basis van nieuwe technologieën en nieuwe marktmodellen eenvoudig ingepast kan worden. Dit heeft implicaties voor de manier waarop organisaties ingericht zijn. Organisaties moeten wendbaarder zijn dan vroeger om te reageren op veranderingen. Deze ‘agile’ organisaties kenmerken zich door snel en adequaat kleine verbeteringen door te kunnen voeren. Tevens kan het helpen om niet ‘groot te denken’ maar om te denken in kleinschalige en kort cyclische experimenten om zodoende snelheid te verhogen en continue te werken aan toegevoegde waarde in combinatie met nieuwe technologieën en theorieën.

Literatuur —Jeremy Ginsberg, Matthew H. Mohebbi, Rajan S. Patel, Lynnette Brammer, Mark S. Smolinski en Larry Brilliant (2009). Detecting influenza epidemics using search engine query data, Nature, Vol. 457, pp. 1012 – 1014 — Colm Kearney en Sha Liu (2014). Textual sentiment in finance: a survey of methods, International Review of Financial Analysis, Vol. 33, pp. 171 – 185 —David Lazer, Ryan Kennedy, Gary King en Alessandro Vespignani (2014). The parable of Google Flue: traps in Big Data analysis, Science, Vol. 343, pp. 1203 – 1205 —Tobias Preis en Helen Susannah (2014). Adaptive nowcasting of influenza outbreaks using Google searches. R. Soc. open sci.1: 140095. http://dx.doi.org/10.1098/ rsos.140095

Conclusie Eén ding lijkt zeker, het vakgebied van de beleggingsanalist bevindt zich in een wereld met interessante technologische veranderingen. Data speelt hierin een centrale rol. De beleggingsanalist zal in de toekomst meer informatie tot zijn beschikking hebben en willen gebruiken dan vroeger. Voor veel financiële organisaties zal datamanagement een cruciale factor worden om in te kunnen spelen op de digitale revolutie. Organisaties zullen moeten nadenken over hun data architectuur, data management maar ook over hun data analyse capaciteiten. Fundamentele beleggingsanalisten zullen met nieuwe technologie en data hun analyses kunnen aanvullen. Voor kwantitatieve beleggingsanalisten zullen nieuwe informatiebronnen en nieuwe beleggingstechnieken, die veel meer rekenkracht vereisen, het vakgebied verrijken. Beleggingsinstellingen die hun databeheer, data-analyse en dataontsluiting goed op orde hebben, zullen een voordeel hebben ten opzichte van hun concurrenten. Een beleggingsanalist kan extra succesvol zijn door het vermogen om veel data te kunnen verwerken, analyseren, interpreteren en om te zetten in waarde creërende beleggingsanalyses. Dit artikel betoogt dat beleggingsanalisten die in staat zijn om de nieuwe technologieën rondom Big Data te omarmen en in te zetten, zich geen zorgen hoeft te maken dat Deep Blue zijn werk zal overnemen maar dat Deep Blue een ideale assistent zal zijn.

—Eric H. Sorensen, Keith L. Miller, en Chee K. Ooi (2000). The Decision Tree Approach to Stock Selection, Journal of Portfolio Management, Vol. 27(1): pp. 42–52 —Paul Tetlock (2007). Giving Content to Investor Sentiment: The Role of Media in the Stock Market, The Journal of Finance, Vol 62(3), pp. 1139 – 1168 Noten 1 Dr. Ronald van Dijk en Dr.ir. Gerben de Zwart CFA zijn beiden werkzaam bij APG Asset Management. Dit artikel is geschreven op persoonlijke titel en gebaseerd op interviews met medewerkers van de Universiteit van Maastricht, de Vrije Universiteit van Amsterdam, technische consultants en verschillende (jonge) technologiebedrijven uit Nederland en Silicon Valley. Wij danken

in het bijzonder Willem van Asperen, Hans van Burg, Harmen Geers, Ernst Hagen en Jan Jaap Hazenberg voor hun suggesties op eerdere versies van dit artikel. 2 http://opendata.cbs.nl/dataportaal/ portal.html#_la=nl 3 De originele Engelstalige definitie luidt ‘Big Data is high-volume, high-velocity and highvariety information assets that demand costeffective, innovative forms of information processing for enhanced insight and decision making’. 4 www.accenture.com/bigdatasuccess; http://www.paconsulting.com/our-thinking/ data-in-the-digital-age/ 5 Georgia McCafferty, ‘Artificial intelligence is the next big thing for hedge funds seeking an edge’, May 4 2015, www.battleofthequants. net



——INTERVIEW

Art and science; Judgement calls increasingly complement mathematical models in asset allocation decisions

——

The interview in this issue of the VBA Journaal is with Roger Urwin of the consultancy firm Towers Watson. Having worked in various positions at Towers Watson over the past 25 years, Mr. Urwin has an extensive experience working with institutional clients from different countries and has been involved in a wide range of investment issues, ranging from optimal asset allocation to ESG incorporation and governance. At Towers Watson, he was also one of the founders of the Thinking Ahead Group, an investment think tank trying to challenge the status quo and change investment for the better. Given the theme of this issue of the VBA Journaal, the editorial board thought that Mr. Urwin was positioned perfectly to share his view on how the profession of investment analyst is to evolve in the future.

Auteur Jaap Koelewijn1

Could you please introduce yourself? I started as an actuary and went on to work as an investment consultant. I have also been active for the CFA Institute. I have been doing a lot of work in analysing various aspects of the investment industry, doing research on asset allocation and strategy, investment governance (helping board and investment organisations take their decisions as effectively as possible) and sustainability (which includes the environmental, social and governance characteristics of portfolios). I have spent time evaluating asset management companies on behalf of clients and conducting research on what makes investment managers successful. More recently I have found it interesting to evaluate how extra-financial information, such as carbon footprints and corporate governance, can be incorporated in investment analysis. Koelewijn: Let’s take a closer look at investment strategy at the level of asset allocation. Investment analysis is mainly about security analysis, and you mentioned the issue of asset allocation in your introduction. How would you rate the added value of investment analysis in the context of asset allocation?

Met dank aan Willem Koelewijn voor het uitwerken van het interview.

1

Urwin: Many of the fundamentals in asset allocation are large-scale copies of analysis at an individual security level. You’re dealing with groups of securities. In the case of, for example, global equities, if we deal with that as a broader asset class, it is about the ability to understand characteristics from a quantitative point of view to start


with. For example, it concerns using methods, like the Gordon model of adding a yield to a sustainable element of growth in dividends, allowing for the level of distribution of dividends relative to earnings and making projections of the expected return over a cluster of securities. This needs to be referenced to different geographical groups and be considered in relation to expected GDP growth and the expected parameters of trading multiples.

Liquidity, transaction costs and governance considerations are all inputs for successful asset allocation decisions

Analysis of individual securities often will take the form of a dividend discount model and, what is being done there, is the equivalent of what is being done on a cluster of securities. Subsequently, that leads to the parameters that are the starting point of an asset allocation decision. Insofar as you’re interested in a timeline, the methodology used when I started my investment career, has gradually become more ‘softened’. Markowitz’s principles of means-variance optimisation are still a factor, but the “art” of asset allocation is now taking into account other factors that are relevant to successful allocation. These factors include stock volatility, liquidity, transaction costs, esti mated on-going costs of current investment vehicles and governance considerations, and are all input for making that decision. Including these factors, some of which have a quantitative element, has become increasingly common, and has made asset allocation an exercise of judgement, rather than being based purely on mathematical models. Koelewijn: So you don’t solely rely on mathematical models, but also use sound judgement as input for your asset allocation? Urwin: Precisely. This shift has given more emphasis to the qualitative factors and less so to the quantitative models.

Analysts have learned this over the decades through VBA and CFA qualifications. Koelewijn: Often investment analysis is used to make tactical decisions. As you put it, it is rather used for the more strategic decisions concerning the absolute weight of equities or bonds in a portfolio. Is this type of analysis meaningful for tactical decisions as well? Urwin: Yes, it is. Investors continue to think in terms of building their asset allocation out of three component portfolios: a reference, strategic and tactical portfolio. An investor may well be comfortable with an allocation to global equities, with a centre point of 45 per cent, with agreed limits of between 40 and 50 per cent. Their inter pretation of the expected returns and valuations relative to their long-term, macro assumptions parameterises valuation provide tactical opportunity in relative terms. They can overweight their 45 per cent central position. The inputs here are quite quantitative, but most investment processes do not systematically map these inputs into a very clear output. I would tend to argue that the reliance on mean-variance optimisation was too high. It didn’t allow for judgement to be included and was too singular and precise. Koelewijn: In your view, does this kind of analysis have added value in terms of additional returns, or does it only lead to better decision-making? After all, the aim of tactical decisions is to outperform the market. Urwin: This is similar to a manager who is tasked with outperforming the index at a security analysis level. The strategic task is to outperform the market. A reference portfolio is often set up to reference the amount of risk that a portfolio is meant to take. 60 percent equities and 40 percent bonds would be a quite standard reference portfolio. In the strategic and tactical portfolios, succes sful investment would be outperforming the reference portfolio over a reasonable period of time. By default, the portfolios are meant to have a similar level of risk. That makes the comparison particularly focus on the value-add in the decision, and the cost of that decision. It is slightly different than the security level in that respect. Most global equity portfolios carry similar absolute levels of risk to their benchmarks. I do a lot of work with the MSCI orga nisation, and the measurement of risk is something that has become an important input to these decisions. There are several different ways in which risk can be measured in this context. To put it on the line, the amounts of risk that investors take and how much they know about those risks mark out good investors. What they have difficulty with is that the quantification of risk has become quite an evolved practice. There are widely used tools to help with that process, based on repeating patterns of security and asset class returns. In addition, there is the concept of expected return, where there is much less statistical reliance and judgement calls become more critical. Koelewijn: What are your views on the governance of investment processes and management? Urwin: To define investment governance, I tend to diffe rentiate between two types of investment funds. Large

Roger Urwin Roger Urwin is global head of investment content at Towers Watson Limited, where he works for some of the firm’s major investment clients both in the United Kingdom and internationally. He is also involved with the Towers Watson thought leadership group, Thinking Ahead Group, and he serves as advisory director to Morgan Stanley Capital International. Mr. Urwin has ser ved as the global head of the Watson Wyatt investment practice, headed the Mercer investment practice, and led the business development and quantita tive investment functions at Gartmore Investment Management. He currently serves on the CFA Institute Future of Finance Advisory Council; previously, he served as a board member on the CFA Institute Board of Governors and chair of the Planning Committee. Mr. Urwin has a bachelor’s degree in mathematics and a master’s degree in applied statistics from Oxford University.

funds, such as ABP/APG and PFZW/PGGM, have an evol ved governance structure, which has an investment board, a trustee board, the investment professionals headed by a chief investment officer and a considerable investment team. However, the investment universe, worth over 80 trillion dollars world-wide, consists of millions of smaller portfolios as well. These are run by potentially minimal investment teams, but have at least some sort of invest ment board, to give guidelines to investment managers. Those two types of funds are the polar points of the



——INTERVIEW spectrum. It is worth observing that the smaller versions rarely find their task easy, because their composition is inevitably less competent with respect to investments than is optimal to understand all the investment parameters of their mission and goals. It is also very usual for pension funds to have trustee boards made up of members and interested parties. The challenge to invest well in these situations is considerable. These people do not have any investment qualifications. At the top end, the quality of the governance is adequate for the difficulty of the issues it deals with, and has become much like what takes place in the corporate sector itself. If you think about corporations and their corporate governance, there is a board, an executive team, etc. This sets a model that large pension funds can use.

Smaller pension fund boards rarely find their task easy, because their composition is inevitably less competent with respect to investments than is optimal Koelewijn: Are you arguing for more professionals in the investment boards of pension funds? Urwin: I am. Ideally, that should be the case, but in practice this varies by country. Koelewijn: What, in your view, are the most important tasks of the trustee board? Where should their focus be? Urwin: It is critical for trustees to determine first what are the appropriate parameters of risk for the portfolio. Portfolios can be managed from low risk to high risk. The parameterisation of risk and the associated performance targets are the highest level activity that the trustees can carry out. Secondly, the trustees are entrusted with decisions about delegating the investment process, usu ally to outside firms. These outside firms are a necessary part of managing the fund, because it is too complex to take on investment mandates without having outside professionals involved. From that point of view, the trustees can feel better about not having to take decisions that they feel are not suitable with regard to their own experience and background. The third part of the trustee role is to work out a way of operating. Governance is very introspective, it looks in on itself. It has to weigh up the way of operating that is most suitable, and check that the organisations that it has delegated to are doing the job properly. In those areas, clear analyst qualifications are not required. But they do require a degree of experience with what constitutes effective practice. If they don’t have


enough experience, they will be vulnerable to the systemic pressures of the industries, which are called agency issues. Many trustee boards have problems dealing with this, an issue of interest to pension regulators in the very firm regulated Dutch market. In this area, there is very much the pressure on larger funds to allocate their resources in line with sound governance principles. Koelewijn: Is it not necessary to have personal quali fications to, for example, have discussions with other parties? My own experience is that people without these qualifications often get blown away by other parties with more knowledge, confidence and resources. How would you suggest that members of trustee boards are capable enough to enter these discussions and make an impact? Urwin: The trustee board is a group of individuals, and what you seek in a group is not the same as the characte ristics in every individual. What you need is a chair who is competent and can judge these situations on their merits, and that, when judged as a whole, the trustee group has the competencies it requires. The principle in governance is that it is the group that counts and you take a holistic view of the group’s capabilities. You do, in those situations, need a means by which all individuals have the chance to contribute. That is the principle of diversity in dialogue, but unity in decisions. At the end of the day, the trustee group needs to decide on the course of action, but the inputs to that decision need to come from many individuals. Some of those may not necessarily be fully financially competent, but do have strong views about the institutional con straints and for example raise the point of sustainability. The sustainability issue comes up when funds may have some investment limitations, coming from what members wish to see in a responsible investing practice. You would not wish to see cluster munitions, etc. Koelewijn: In practice, I observe that it is very difficult to make decisions that diverge from the chosen path, for example changing a manager. Investment professionals tend to keep their course. When looking for a new mana ger, they select one that has delivered a good performance over recent years, because it feels more comfortable and it easy to justify than selecting a manager that has had some bad years. Do you see this as a problem? Urwin: This is the challenge of needing to be for ward-looking but only having facts about the past. Investment is a very extreme activity, because it calls for decision-making about the very uncertain future, volatile markets, complex issues, and issues that cannot be called scientific facts, making them ambiguous. These four things are often referred to as an acronym, VUCA: Volatile, Uncertain, Complex and Ambiguous. This context makes individuals seek the confirmation of past facts, but they will very rarely find those facts particularly helpful to decision-making about the future. The classic difficulty in investing with respect to style is having a value style or a contrarian style. Governance is probably fundamentally backward-looking, but you can’t blame the board for doing so.

ESG is a very slowmoving but unstoppable train, which is having, or certainly is going to have, a very big impact on the investment field Koelewijn: How do you see non-financial information change the field of investment analysis? Urwin: I call ESG (Environmental, Social and Governance) a very slow-moving but unstoppable train, which is having, or certainly is going to have, a very big impact on the investment field. Investors have to recognise that many risk factors and return drivers lie in these extra-financial factors. These factors could be in the supply chain, the value chain, in the carbon footprint, in a company’s water practices, or in the way the human capital workforce is being dealt with. Increasingly, for any investor who views a portfolio as a long-term holding, for 5, 10 or 15 years, these non-financial factors have become a bigger part of the success of corporations over time. It is really about the developments going on around the world with regard to energy, food, water and the environment. With limits to the growth of those particular natural capital sources, investors will be more successful if they take them into account. What I am promoting are the benefits of a long-term integrated approach to financial and non-financial factors. Alongside that change, there is a movement towards inclusive finance, which is having regard to the impacts of portfolios through externalities, spill-overs on the

economic and social wellbeing of society. Stranded assets, for example, are currently a much debated issue; should we at all feel comfortable with investing in companies that have significant fuel reserves, like Shell and BP, when they are associated with high carbon emissions? Is that a factor investors should consider? Increasingly, a large number of investors is thinking about those questions afresh. They often decide that they should take a more inclusive approach, considering the consequences of their investment portfolio. Koelewijn: A lot has been said about the quantitative easing policy of the ECB. Do you think markets are over valued as a result of this policy? Urwin: In my view, the market has got ahead of itself, and this is partly due to the supportive liquidity conditions that are at the outcome of quantitative easing and unprec edented monetary policy approaches, that is the values of assets have gone beyond their fundamental intrinsic values. Overvalued indexes do not necessarily mean that we should expect those values to revert in the near future. Interest rates are, I think, lower for longer. Koelewijn: Is there anything else you would like to share with our readers? Urwin: What I feel particularly strongly is that the success ful investment analyst of the future does need to think much more deeply about the world in 10 or 20 years from now and how their activity connects with society. Those are new factors. Analysts 10 or 20 years ago did not need to do those two things. Koelewijn: An analyst should not only think inside out, but also outside in? Urwin: That’s exactly right!



——PRAKTIJK

Beleggen met meer inzicht

——

Auteurs Pim Lausberg (r) Philip Stork (l)1

Gedurende de 2007-2009 crisis werkte spreiding over assets niet of nauwelijks als bescherming tegen beleggingsverliezen. Juist toen beleggers de sterkste behoefte hadden aan die bescherming, daalden bijna alle assets tegelijk in waarde. Analyse achteraf suggereert dat de rendementen op veel assets gedreven werden door dezelfde rendementsbronnen of factoren. In dit artikel bespreken we hoe een belegger het concentratierisico met een heatmap kan verhelderen en hoe hij dit risico in de asset allocatie kan verwerken.

Introductie De rol van diversificatie staat sinds de laatste financiële crisis ter discussie. Diversificatie werkte immers niet of nauwelijks op het moment dat beleggers het nodig hadden. De kern van het probleem ligt in de mate waarin diverse assets zijn bloot gesteld aan (dezelfde) factoren. Daarbij is de wijze waarop de assets reageren op een verandering in deze factoren van belang. Recent onderzoek toont aan dat de portefeuillerendementen sterk samenhangen met factoren. Ang, Goetzmann en Schaeffer (2009) concluderen dat het actieve rendement van het Noorse


staatsfonds grotendeels wordt verklaard door blootstelling aan systematische factoren. Dit roept de vraag op in hoeverre beleggers inzicht hebben in de factoren achter de assets, en hoe kennis hiervan het beleggingsproces en de resultaten ervan kan verbeteren. In dit artikel beschrijven we een praktische en intuïtieve aanpak voor het inzichtelijk maken van factoren in de asset allocatie door middel van een ‘heatmap’. Een heatmap geeft op vereenvoudigde wijze de samenhang tussen assets en factoren weer. Met behulp van een heatmap kan het concentratierisico in een portefeuille inzichtelijk gemaakt

Tabel 1 Definities en beschrijvingen van de assets en factoren. Maandelijkse data van 1986-2015 Factoren

Definitie

Bron

Groei Inflatie Illiquiditeit Volatiliteit Term spread Credit spread

Verandering in de industriële productiegroei Verandering in de consumentenprijsindex Verandering in de TED-spread (3 maands LIBOR minus T-Bills) Verandering in de OEX volatiliteitsindex Verandering in het rendement op staatsobligaties (7-10 jaar) minus de 3 maands risicovrije rente Verandering in het rendement op bedrijfs- minus duratie-matched staatsobligaties

FED BLS ICE CBOE BofA Merrill Lynch BofA Merrill Lynch

Assets Staatsobligaties Bedrijfsobligaties High yield Aandelen Vastgoed Grondstoffen

Rendement op de BofA Merrill Lynch U.S. Treasury index Rendement op de BofA Merrill Lynch U.S. Corporate index Rendement op de Barclays U.S.A. High Yield index Rendement op de MSCI U.S.A. index 2 Rendement op de FTSE NAREIT All REITs index Rendement op de S&P GSCI Commodity index

BofA Merrill Lynch BofA Merrill Lynch Barclays MSCI FTSE S&P

worden. Vervolgens kan de belegger bewuster kiezen in welke mate de portefeuille blootstelling vereist naar bepaalde factoren. Bouwend op het werk van Chen, Roll en Ross (1986) en op dat van Ilmanen (2011), analyseren we de relatie tussen enerzijds zes belangrijke asset categorieën en anderzijds een zestal intuïtieve macro- factoren over de periode 1986 tot 2015. We kiezen ervoor om Amerikaanse data te gebruiken omdat voor dit land de langste tijdsreeksen beschikbaar zijn. Zie tabel 1 voor de databeschrijving. We hebben dezelfde analyses ook uitgevoerd op Europese data voor de periode 1999 tot 2015. We vinden voor de Europese data grotendeels vergelijkbare resultaten en we laten de details daarvan derhalve in dit artikel buiten beschouwing. De Europese resultaten versterken echter wel de conclusies die we op basis van de Amerikaanse data trekken. De uiteindelijke inzichten van het empirische onderzoek vatten we samen in een heatmap. De empirische kracht van de verbanden bevestigt dat het zinvol is om een analyse van onderliggende factoren in het beleggingsproces op te nemen. Wijzigingen in de asset allocatie kunnen dan worden beoordeeld op gewenste blootstellingen aan factoren door middel van een heatmap. Dat kan leiden tot een betere risico-rendementsverhouding van de portefeuille. Het artikel is als volgt opgebouwd. Eerst beschrijven we de achtergrond van de factortheorie en hoe het voortschrijdend inzicht is geëvolueerd. Daarna beschrijven we beknopt de soorten factoren en de factorkeuze van dit artikel. Vervolgens tonen we achtereenvolgens de uitkomsten van de correlatie-, gevoeligheids- en regressieanalyse, waarna we de uiteindelijke inzichten samenvatten in een heatmap. Tot slot bespreken we hoe de heatmap in de praktijk kan worden gebruikt.

Voortschrijdend inzicht Beleggers en wetenschappers onderscheiden al meer dan 50 jaar diverse factoren. Het begrijpen van de factoren achter de assets staat centraal in dit onderzoek. Leidend is dat assets of strategieën die laag renderen in slechte tijden worden beloond met hogere risicopremies. Voorts beschrijven we kort hoe de wetenschappelijke inzichten hierover zich in de tijd ontwikkeld hebben. Het Capital Asset Pricing Model (CAPM) van Sharpe (1964) is de eerste theorie die een verband

stelt tussen rendement en (onvermijdbaar) systematisch risico, waarbij hoge rendementen slechts bij het accepteren van een groter risico kunnen worden behaald. Het risico is onvermijdbaar omdat het wordt veroorzaakt door algemene ontwikkelingen van de markt, of door de gemeenschappelijke kenmerken van de belegging zelf. Het CAPM onderscheidt maar één factor, namelijk die van de markt. De Arbitrage Pricing Theory van Ross (1976) is gebaseerd op een multifactor model en onderscheidt meerdere factoren. Als het marktrisico gedreven wordt door economische ontwikkelingen, is het dan niet praktischer om assets rechtstreeks te relateren aan economische invloeden? Chen, Roll en Ross (1986) vinden dat macro-economische factoren, zoals economische groei, inflatie, credit spread en term spread, een duidelijke invloed hebben op aandelenrendementen. In vervolgonderzoek bleek dat de aannames van de CAPM en APT-theorie te beperkt waren. Daarna werden nieuwe theorieën ontwikkeld met daarin onder andere tijdsvariërende risicopremies, liquiditeitspreferenties en irrationeel gedrag. Ondanks de opkomst hiervan bleef het fundamentele idee bestaan dat beleggers beloond worden voor assets of strategieën die in slechte tijden verliezen leiden, ofwel juist wanneer het marginale nut van een belegger hoog is en een additionele Euro voor de belegger extra waardevol voelt. Een recente ontwikkeling in het onderzoek wordt beschreven door Ilmanen (2011). Hij beargumenteert dat perioden van hoog marginaal nut zich vaak kenmerken door economische en financiële onzekerheid. Recessies worden vaak gezien als graad meter van economisch slechte tijden. Maar er zijn ook andere scenario’s, zoals een obligatiecrisis, die gepaard gaan met een hoog marginaal nut, zelfs wanneer aandelenmarkten stabiel blijven. Slechte tijden zijn dus niet altijd gelijk aan marktverliezen zoals in het CAPM, maar zijn multidimensionaal en overlappend.

Soorten factoren Assets verdienen dus risicopremies omdat ze zijn blootgesteld aan factoren die verschillende dimensies van slechte tijden vertegenwoordigen. In de literatuur bestaat geen eenduidige categorisering van de verschillende factoren. In het algemeen worden er twee groepen onderscheiden.



——PRAKTIJK De eerste groep zijn de macro of fundamentele factoren, welke niet direct investeerbaar zijn. Ilmanen (2011) beschouwt als vier belangrijkste factoren: groei, inflatie, volatiliteit en illiquiditeit. Ang (2014) beargumenteert dat de onverwachte veranderingen van deze factoren (‘shocks’) relevant zijn. Assets reageren namelijk gelijktijdig op veranderingen in deze factoren. Wanneer bijvoorbeeld de inflatie onverwacht sterkt stijgt en de economie in een recessie raakt, dan dalen risicovolle assets. De tweede groep zijn de beleggingsgerelateerde factoren, zoals de marktpremie van het CAPM. Deze groep kan weer worden onderverdeeld in statische factoren, zoals de markt, en in dynamische factoren die worden aangeboord door te beleggen in bepaalde strategieën of segmenten van de markt. Voorbeelden van die groep zijn het beleggen in waarde, laag risico of momentum aandelen. Voor deze laatste groep is het bestaansrecht van de premie niet alleen te vinden in de risicogedachte, maar ook in de Behavioral Finance. In dit artikel concentreren we ons op de macro factoren. De reden hiervoor is tweeledig. Ten eerste houden we rekening met de voorspelkracht van de factoren. Ten tweede hechten we waarde aan de intuïtieve link met de fundamentele en macro- economische vooruitzichten van beleggers ten aanzien van deze factoren, die dus niet-complex en uitlegbaar dienen te zijn. Verder moet een factor een theoretische basis hebben en economische intuïtie. De factor dient niet-diversifieerbaar te zijn en van diens aanwezigheid dient er bovendien overtuigend historisch-empirisch bewijs te zijn. We eisen dat de factor niet mag leiden tot hoge omzetten, het gebruik van derivaten, short-posities of anderszins een hefboom (‘leverage’) in de portefeuille. Na een literatuurstudie en diverse empirische analyses waarbij we leunen op Ang (2014), Chen, Roll en Ross (1986) en Ilmanen (2011), komen we uiteindelijk tot de volgende selectie van factoren: economische groei, inflatie, illiquiditeit, volatiliteit, term spread en credit spread. Hieronder beschrijven we onze empirische bevindingen, te beginnen met eenvoudige

Tabel 2 Correlaties tussen assets en factoren, 1986 tot 2015 Factoren

Groei

Groei (t+1)

Inflatie

Illiquiditeit Volatiliteit

Term spread

Credit spread

Inflatie

0,05

0,17

Illiquiditeit

0,01

0,12

0,10

Volatiliteit

0,11

0,07

0,10

Term spread

–0,10

–0,16

–0,21

–0,10

0,12

Credit spread

0,06

0,10

0,12

–0,23

–0,47

–0,45

Staatsobligaties

–0,10

–0,17

–0,17

–0,09

0,15

0,98

–0,48

Bedrijfsobligaties

–0,07

–0,11

–0,10

–0,28

–0,20

0,74

0,21

0,27

Assets

High yield

–0,10

0,07

0,00

–0,21

–0,48

0,01

0,61

Aandelen

–0,05

0,11

–0,03

–0,24

–0,65

–0,03

0,35

Vastgoed

–0,07

0,08

0,01

–0,06

–0,48

0,04

0,38

0,09

0,13

0,29

0,04

–0,16

–0,10

0,25

Grondstoffen


correlatieschattingen. Daarna beschrijven we de eventuele aanwezigheid van niet-lineaire verbanden door afwijkingen ten opzichte van de mediaan met elkaar te vergelijken. Vervolgens tonen we de uitkomst van een regressieanalyse op een multifactor model, waarna we de uiteindelijke inzichten samenvatten in een heatmap.

Correlaties tussen assets en factoren De correlatieschattingen geven we weer in tabel 2. Bij onze steekproefgrootte van 348 maanden is een correlatie van 0,09 (0,11) statistisch significant verschillend van nul bij een 5%-betrouwbaarheidsinterval bij een eenzijdige (tweezijdige) toets. Veel van de correlaties zijn dus significant. Uit de resultaten in tabel 2 trekken we een aantal intuïtieve conclusies. Staatsobligaties zijn de enige ‘safe haven’ in perioden van hoge volatiliteit en stijgende credit spreads. De risicovollere assets daarentegen presteren goed in een omgeving van positieve groei en dalende credit spreads en vice versa. Grondstoffen tenslotte, bieden inflatiebescherming en diversificatie gedurende financiële stress, maar hebben te lijden onder dalende lange rentes. Tabel 2 toont in de eerste kolom dat de relatie tussen groei en de assets relatief onduidelijk is. De verklaring is wellicht dat assets in het algemeen te beschouwen zijn als vooruitblikkend, waarbij alle toekomstverwachtingen al verwerkt zijn in de koers. De economische variabelen worden daarentegen met enige vertraging gepubliceerd en reageren dus trager. Om die reden beschouwen we ook de correlaties tussen assets en toekomstige groei, dus de groei van de volgende maand. Die correlaties staan in de tweede kolom van tabel 2 vermeld. Ze tonen een negatieve relatie tussen groei aan de ene kant en staats- en bedrijfsobligaties aan de andere kant. Tegelijkertijd vinden we een positieve relatie tussen groei en de risicovollere assets high yield, aandelen, vastgoed en grondstoffen. Tevens hebben we meermaands verschuivingen (twee maanden of meer) geëvalueerd. Deze uitkomsten bevestigen de eerdere resultaten en leveren dus geen nieuwe of betere inzichten op. De correlaties tussen de diverse assets en de factoren inflatie en illiquiditeit zijn matig tot negatief, met uitzondering van de asset grondstoffen. De correlaties tussen de assets en de factor volatiliteit zijn ook negatief, behalve voor asset staatsobligaties. Tussen zowel staats- als bedrijfsobligaties enerzijds en de term spread anderzijds zijn sterk positieve correlaties waarneembaar. Dit is geen verrassende uitkomst omdat deze twee categorieën grotendeels zijn opgebouwd uit de term spread. De correlatie tussen high yield en credit spread is ook sterk positief, maar tussen staatsobligaties en credit spread is deze weer negatief. Deze resultaten komen grotendeels overeen met die van Ilmanen (2011). De correlaties tussen de factoren onderling zijn allemaal laag, behalve die tussen de credit spread en volatiliteit en die tussen credit spread en term spread. Een stijging van credit spreads gaat dus veelal gepaard met toenemende volatiliteit en lagere rentes. Deze uitkomst is niet verrassend, maar kan bij het schatten van een multifactor regressiemodel

Gevoeligheidsanalyse Gelijk aan Ilmanen (2011) werken we de gevoeligheden van assets naar de verschillende factoren verder uit. De reden voor een dieper gravende analyse is dat correlaties slechts gemiddelde relaties weer geven tussen alle waarnemingen in de data. Het is echter goed mogelijk dat niet-lineaire verbanden niet zichtbaar worden in een dergelijke eenvoudige correlatieschatting. Daarom delen we de totale steekproef op in twee gelijke groepen. Voor iedere factor construeren we een groep met waarnemingen boven de mediaan (‘Hoog’) en een groep met waarnemingen beneden de mediaan (‘Laag’). Per groep berekenen we dan het gemiddelde maandelijkse rendement van de verschillende assets. Het verschil in rendement van de groep Hoog en de groep Laag wordt in figuur 1 weergegeven. In het algemeen kunnen we stellen dat een asset met een groot verschil tussen de groepen Hoog en Laag, een relatief sterke relatie heeft met de betreffende factor. Een klein verschil, ofwel een kleine uitslag van het staafdiagram, betekent dat een relatie niet of nauwelijks aanwezig is. De resultaten in figuur 1 bevestigen grotendeels onze eerdere correlatieschattingen uit tabel 2. Risicovolle assets, zoals aandelen, vastgoed en grondstoffen, presteren bovengemiddeld wanneer de groei hoog is. Dit verband geldt echter niet voor de (risicovolle) obligatiecategorieën. Een mogelijke verklaring hiervoor is dat ten tijde van hoge groei de rente wordt verhoogd door centrale banken en daardoor obligatiekoersen dalen. Grondstoffen zijn in onze resultaten de enige inflatiehedge. We vinden dat inflatie vooral negatief is voor vastgoed en aandelen. Theoretisch vertegenwoordigen deze assets een claim op reële kasstromen, echter op korte termijn blijkt er geen empirische ondersteuning voor deze relatie aanwezig te zijn. Veelal gaat stijgende inflatie gepaard met monetaire verkrapping, hetgeen weer negatief is voor aandelengerelateerde assets. Dalende rentes daarentegen zijn juist wel weer positief voor vastgoed. Vermeldenswaardig is dat de resultaten in figuur 1 niet in alle gevallen geheel overeenkomen met de correlatieschattingen in tabel 2. Bijvoorbeeld is in figuur 1 te zien dat voor de eerste factor, groei, de verschillen tussen de Hoog en de Laag-rendementen op staatsobligaties zeer beperkt zijn. De correlatie tussen groei en staatsobligaties is echter in tabel 1 negatief en statistisch significant. Verder is voor dezelfde factor groei in figuur 1 te zien dat voor de asset grondstoffen er juist sterk positieve verschillen zijn tussen de Hoog en de Laag rendementsgroepen. Ter vergelijking is in tabel 2 weliswaar de correlatie significant positief, maar de uitkomst in figuur 1 is toch een stuk overtuigender dan de vrij lage correlatieparameter van 0,13. Ook bij de tweede factor, inflatie, zijn er verschillen tussen de correlatieschattingen en de

Figuur 1 Verschil in rendement wanneer een factor boven of beneden het mediaan niveau is, 1986 tot 2015

3,0 Gemiddeld maandelijks rendement (in %-punt)

tot multicollineariteit leiden. Om deze reden voeren we, verderop in het artikel, ook een stapsgewijze regressieanalyse uit.

Groei(t+1)

Inflatie

Illiquiditeit

Volatiliteit Term spread Credit spread

2,0 1,0 0,0 –1,0

–2,0 –3,0

–4,0 Staatsobligaties

Bedrijfsobligaties

High yield

Aandelen

Vastgoed

Grondstoﬀen

gevoeligheidsanalyse. Figuur 1 toont dat de asset High Yield sterk kan reageren op inflatie, terwijl de correlatieschatting op 0,00 uitkomt in tabel 2. Ook voor de relatie tussen vastgoed en inflatie blijkt er een behoorlijk verschil tussen de correlatieschatting en de gevoeligheidsanalyse in figuur 1. Hoewel dus de resultaten in tabel 2 en figuur 1 elkaar grotendeels versterken, tonen de juist genoemde voorbeelden aan dat het goed is om verder te kijken dan alleen naar de correlaties. Er wordt daarmee een genuanceerder beeld van de onderlinge afhankelijkheden verkregen. Met ditzelfde doel worden hierna stapsgewijze regressieschattingen gemaakt.

Regressieanalyse van individuele assets In deze analyse regresseren we het extra rendement van een asset op een lineaire combinatie van alle zes factoren. Chen, Roll en Ross (1986) en Ilmanen (2011) schatten een vergelijkbaar model voor andere combinaties van factoren, assets en datareeksen. We passen de Newey-West covariantie-schatter toe welke corrigeert voor de aanwezigheid van zowel heteroskedasticiteit als autocorrelatie. Ter beperking van multicollineariteit voeren we de regressieanalyse stapsgewijs uit. In deze auto matische selectieprocedure worden de factoren gekozen die gezamenlijk de meeste verklaringskracht hebben. Bij elke stap wordt dan bepaald of alle onafhankelijke variabelen (factoren) in het regressiemodel nog steeds significant zijn (p-waarde kleiner dan 0,2). Daarmee wordt de kleinst mogelijke versie van het model overgehouden met de hoogste verklaringskracht. De verklaringskracht (R-kwadraat) van de modelschattingen varieert voor de verschillende assets tussen de 14% en 66%. De parameterschattingen zelf worden hier niet vermeld om ruimte te besparen, maar zijn bij de auteurs opvraagbaar. Uit deze analyse blijkt dat er voor iedere afzonderlijke asset bepaalde factoren zijn die onvoldoende verklaringskracht bieden om in een multifactor model opgenomen te worden. Bij iedere asset blijven er drie of vier, steeds wisselende, factoren over in het multifactor model. De overblijvende



——PRAKTIJK selectie aan factoren heeft dan grofweg dezelfde verklaringskracht als alle zes factoren tezamen. De stapsgewijze regressie analyse levert dus per asset inzicht in de relatieve importantie van de factoren. Sommige factoren zijn duidelijk belangrijker dan andere en bij gebruik van de factoranalyse kan daar rekening mee worden gehouden. Dergelijke informatie volgt niet direct uit de correlatieschattingen of de Hoog-Laag analyse in figuur 1.

De heatmap In figuur 2 worden onze analyseresultaten uiteindelijk gesimplificeerd weergegeven in een heatmap. De heatmap geeft de gevoeligheid (bèta), positief dan wel negatief, van een asset naar de verschillende factoren weer. Door te werken met kleuren in plaats van getallen wordt de schijnzekerheid ver meden die puntschattingen opleveren. Zowel de correlatieschattingen, de Hoog-Laag uitkomsten en de stapsgewijze regressie schattingen worden meegenomen in de heatmap. Zoals we boven beschreven hebben, leveren de diverse methodes namelijk ieder nieuwe nuances op. We nemen ook de Europese resultaten mee in de bepaling van de heatmap. In de praktijk kunnen ook intuïtie en ander kwantitatief onderzoek meewegen in de uiteindelijke invulling van de heatmap. Zo kan de gebruiker bijvoorbeeld besluiten dat de historische relaties niet maatgevend hoeven te zijn voor de toekomst en dat daarom de uiteindelijk te gebruiken heatmap dient af te wijken van de historische resultaten. In figuur 2 correleren staatsobligaties positief met de term spread. Dit is geen verrassende uitkomst omdat het rendement op staatsobligaties deels is opgebouwd uit diezelfde term spread. Tevens hangen staatsobligaties negatief samen met de credit spread. Veelal gaan dalende credit spreads gepaard met positieve economische groei en dus met stijgende rentes. Verder is de negatieve samenhang met inflatie intuïtief. Bedrijfsobligaties en high yield correleren logischerwijs positief met de term spread, waaruit beide assets immers deels zijn opgebouwd. We zien verder

Figuur 2 Heatmap

Factoren Groei(t+1)

Inflatie

Illiquiditeit Volatiliteit

Term spread

Staatsobligaties Assets

Bedrijfsobligaties High yield Aandelen Vastgoed Grondstoﬀen Beta negatief

Beta positief > 0,5

< –0,5

0,3 tot

–0,3 tot

0,1 tot

–0,1 tot

0

0


Credit spread

een negatieve samenhang tussen enerzijds de assets bedrijfsobligaties en high yield en anderzijds de factoren illiquiditeit en volatiliteit. Deze uitkomst past bij het beeld dat bedrijfsobligaties en high yield gevoelig zijn voor in- en uitgaande kapitaalstromen. Tot slot correleren bedrijfsobligaties, net zoals staatsobligaties, negatief met inflatie. De aandelengerelateerde assets (aandelen en vastgoed) correleren positief met groei en negatief met inflatie, illiquiditeit en volatiliteit. Deze uitkomsten zijn in lijn met de verwachting. Hogere economische groei vertaalt zich in hogere winstgroei, en dus hogere aandelenkoersen. Hogere inflatie betekent vaak hogere onzekerheid en heeft hiermee een negatieve impact op aandelenkoersen. In illiquide en volatiele perioden, zoals in 2008, worden beleggers vaak gedwongen om liquide aandelenbeleggingen te verkopen. Grondstoffen correleren positief met inflatie. Dit is niet verrassend omdat grondstoffen in hun prijsvorming direct verbonden zijn met inflatie, zie ook Gorton en Rouwenhorst (2006). Interessant is dat grondstoffen zich positief verhouden tot illiquiditeit. Ze worden vaak geroemd om hun diversifiërende karakter. Deze afwijkende samenhang is te verklaren doordat ze gedurende de conjunctuur cyclus een ander gedrag vertonen dan obligatie- en aandelenbeleggingen.

Praktische toepassing Voor het toepassen van de heatmap onderscheiden we drie stappen. Het doel van onze aanpak is het inzichtelijk maken van de factorblootstellingen in een portefeuille. Wijzigingen in de asset allocatie kunnen we dan beoordelen op gewenste blootstellingen aan factoren. Dat kan leiden tot een betere risico-rendementsverhouding van de portefeuille. De eerste stap bestaat uit het identificeren van de factorblootstellingen in een portefeuille. Beleggers kunnen met een heatmap inzichtelijk maken welke assets of bundels van assets in de portefeuille zijn blootgesteld aan factoren. Tevens kunnen ze een schuivende (‘rolling window’) regressieanalyse uitvoeren. Hiermee zien beleggers hoe de factorblootstellingen van hun portefeuille door de tijd bewegen. Laatstgenoemde analyse laten we in dit artikel buiten beschouwing. De tweede stap omvat het bepalen van een visie over de factoren. Vaak maken de factoren onderdeel uit van de macro-economische vooruitzichten van beleggers. We benadrukken nog eens dat de verwachte richting van de factoren (dalend of stijgend) van belang is en niet het absolute niveau. Zo is een verwachte versnelling van de economische groei positief voor risicovolle assets, maar niet zozeer de verwachting dat de groei positief is. De laatste stap is het aanpassen van de asset allocatie. De belegger neemt meer of minder blootstelling aan een factor op basis van zijn verwachting over deze factor (stap 2) en uiteraard ook van zijn mate van risico tolerantie. Als een belegger risico- avers is voor een bepaalde factor, dan is het advies om een tegengestelde positie te nemen. Hierbij zien

we de assets die zijn blootgesteld aan een factor als één bundel (stap 1). Als een belegger, in een periode vergelijkbaar met 2008, minder blootstelling wil aan groei, dan dient hij het totale belang in aandelen, vastgoed en grondstoffen te verlagen. Tegelijk zou hij zijn belang in staatsobligaties, bedrijfsobligaties en high yield obligaties navenant kunnen verhogen. Echter, mocht het verwachte groeiscenario niet uitkomen, maar mocht de groei in positieve zin meevallen, dan zullen de rendementen van de portefeuille eveneens tegenvallen. De ‘kosten’ van de aanpassing in de asset allocatie bestaan dan uit gemiste opbrengsten op risicovolle assets. Een ander voorbeeld zou het volgende kunnen zijn, gebaseerd op het onderzoek van Ang, Goetzmann en Schaeffer (2009). Zij schatten een tien-factor model op de (actieve) rendementen van het Noorse staatsfonds. Dit grote fonds had tijdens de recente crisis onverwacht sterk tegenvallende rendementen. De onderzoekers vinden dat er twee factoren, namelijk liquiditeit en volatiliteit, met name verantwoordelijk waren voor de slechte rendementen ten tijde van de crisis. De onderzoekers stellen vast dat de gerealiseerde fondsrendementen goed pasten bij de bewegingen die deze twee factoren gedurende de crisis maakten. Deze factoren hebben immers de neiging af en toe sterk negatieve bewegingen te maken die zich vervolgens vertalen in slechte resultaten van sommige assets. Het ware goed geweest als het fonds al voor de crisis had beseft in welke mate ze blootgesteld was aan dit risico. Het fonds had dan vooraf kunnen bepalen of het risico acceptabel was, of dat ze deze blootstelling had willen verminderen. Stel dat een belegger nu een zelfde crisis als in 2007-2009 voorziet. Die belegger zal dan het risico op diezelfde twee factoren, dus liquiditeit en volatiliteit, willen reduceren. De heatmap geeft aan dat hij met name het belang in aandelen en vastgoed zou moeten afbouwen. Ook de posities in bedrijfsobligaties en high yield obligaties zullen volgens de heatmap vermoedelijk in waarde dalen, alhoewel in mindere mate, wanneer de factoren volatiliteit en liquiditeit onder druk komen te staan. De heatmap suggereert dat er weinig assets zijn om in te vluchten. Staatsobligaties bieden bescherming als de volatiliteit stijgt, maar niet wanneer de liquiditeit afneemt. Daarnaast zullen grondstoffen vermoedelijk enige bescherming bieden. Deze asset zal waarschijnlijk relatief goed presteren wanneer de liquiditeit afneemt. Wanneer de volatiliteit tegelijkertijd toeneemt, dan zal dit effect echter negatief zijn. Kortom, beide assets bieden enige bescherming, maar er zijn behalve cash toch heel weinig mogelijkheden om het risico sterk af te bouwen. Deze conclusie past overigens goed bij de praktijk in 2008, toen bijna alle assets tegelijk in waarde daalden. Voor de individuele gewichten binnen het totale belang, kan in principe een dergelijke aanpassing van de asset allocatie eenvoudig gelijkgewogen worden uitgevoerd. Maar beleggers kunnen ook additionele informatie in hun beleggingsproces betrekken, zoals waardering. In dit voorbeeld zou dit betekenen dat

aantrekkelijk gewaardeerde assets minder sterk worden afgebouwd ten koste van ‘dure’ assets. Vanzelfsprekend hangt de uiteindelijke performance van de portefeuille samen met de kwaliteit van de onderliggende besluiten. In het voorbeeld hierboven, kan het afbouwen van de blootstelling aan één of meer factoren uiteraard ook ten koste gaan van het rendement op de portefeuille. Anders gezegd, hoe succesvoller een belegger is in ‘factor timing’ (voorspellen van de toekomstige ontwikkeling van factoren), hoe beter de performance van een portefeuille. Het moge echter duidelijk zijn dat het in de praktijk heel moeilijk is om tot een goede ‘factor timing’ te komen.

Conclusie Sinds de crisis is het zogenaamde factorbeleggen sterk in opkomst. Deze methode is gebaseerd op al lang bestaande ideeën, maar krijgt naar onze mening terecht hernieuwde aandacht. Met behulp van een heatmap en andere handvatten kan het concentratierisico in de portefeuille inzichtelijk gemaakt worden. Vervolgens kan de belegger bewuster kiezen in welke mate de portefeuille blootgesteld dient te worden aan bepaalde factoren. Tegelijkertijd is duidelijk dat factorbeleggen niet alle oplossingen biedt en dat er allerlei nieuwe uitdagingen bij komen. Een asset is immers te zien als een opstapeling van factoren. Ook bij het extra inzicht dat de factoranalyse met zich meebrengt, moet de belegger nog steeds de afweging tussen verwacht rendement en risico maken. Een verkeerde inschatting van de risico’s zal nog steeds leiden tot een tegenvallend rendement. We menen wel dat er meer inzicht in het risico verkregen kan worden door te werken met factoren, waardoor beter onderbouwde beleggingsbeslissingen kunnen worden genomen. Een verdergaande ontwikkeling van dit vakgebied is gewenst, zodat de belegger nog meer houvast krijgt bij het samenstellen van de portefeuilles. Literatuur —Ang, A., 2014, Asset management: A Systematic Approach to Factor Investing, Oxford University Press. —Ang, A., Goetzman, W. N. en Schaefer, S.M., 2009, Evaluation of Active Management of the Norwegian Government Pension Fund – Global. Available at http://www.regjeringen.no. — Chen, N.F., Roll, R. en S.A. Ross, 1986, Economic Forces and the Stock Market, Journal of Business vol. 59, nr. 3: 383-403. — Gorton, G. en K.G. Rouwenhorst, 2006, Facts and Fantasies about Commodity Futures, Financial Analysts Journal vol. 62, nr. 2: 47-68. —Ilmanen, A., 2011, Expected Returns. An Investor’s Guide to Harvesting market Rewards, Wiley. —Ross, S.A., 1976, The Arbitrage Theory of Capital Asset Pricing, Journal of Economic Theory vol. 13, nr. 3: 341-360. —Sharpe, W., 1964, Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk, Journal of Finance vol. 19, nr. 3: 425-442. Noten 1 Drs. Pim Lausberg RBA is Portfolio Manager Equities bij ABN AMRO Investment Strategy & Portfolio Expertise. Prof.dr. Philip Stork is Hoogleraar Financiële Markten en Instrumenten aan de Vrije Universiteit in Amsterdam. De auteurs danken Dirk Gerritsen en Ronald Kok voor hun zinvolle suggesties op dit artikel, dat voortbouwt op eerder onderzoek dat samen met A.M.H. Slager werd uitgevoerd. Onze dank gaat daarbij uit naar D. Duret en G.W. Jorritsma voor hun goede commentaar. 2 Deze index bestaat uit circa 600 in Amerika genoteerde ondernemingen, die variëren van klein tot groot. Hoewel dit aantal slechts tien procent van het totaal aantal in Amerika primair genoteerde ondernemingen bedraagt, is deze index voor onze analyse voldoende representatief.



——SCRIPTIE

Why options tell you how to make money on stocks Auteur Felix Gornik1

—— In theory, a stock option should simply reflect expectations that have already been priced in its underlying stock. However, by investigat ing the option trading measures implied volatility (IV) spread and skew in accordance with recent research, this study evidences that option markets lead stock markets. In particular, the higher the observed IV spread value, the higher the predicted positive excess returns on the respective stock. IV skew values, on the other hand, significantly predict negative excess returns. Consequently, options must contain information that has not yet been priced into their underlying stocks. This research links this predictive power of option markets to informed traders, i.e. traders that have information on future stock performance other market participants do not have. Following the notion that informed traders prefer exploiting their information advantage in the option market rather than the stock market, information on future stock performance is first reflected in option trading activities and then diffused into the stock market at a later point in time. This raises the question from what source informed traders obtain their information advantage. The findings in this study support the conjecture that analyst tipping is a driving force behind the option market predictability. Analyst tipping refers to a leakage of informa tion on the timing and content of forthcoming analyst reports to investors through the ana lysts themselves. The results in this study are consistent with the analyst tipping hypothesis, as they show that the option market’s predic tive power for future stock returns increases in the presence of analyst-related events, defined as analyst recommendation changes, forecast revisions and initial recommendations on the option’s underlying stock. These findings are unlikely to be explained by alternative hypothesizes, such as common information on future stock returns that both analysts and traders share or reverse tipping, where analysts release their announcements based on tips by informed traders. Moreover, the results reveal that given the presence of an analyst-related event, the


predictive power of option markets increases in times of high information uncertainty, i.e. periods in which the future performance of a certain stock is difficult to predict. It can be concluded that traders, who received tips from analysts on the timing and content of a forthcoming analyst-related event, more actively exploit their information advantage in option markets, when the information uncertainty of the stock’s future perfor mance is high. In times of high information uncertainty, the occurrence and content of a new analyst announcement is less likely to be anticipated by “normal” non-informed traders and thus has the greatest impact on the stock returns once the analyst’s announcement is released to the public. To put it differ ently, knowing the content and timing of a forthcoming analyst-related event, informed traders that were tipped by analysts can gain higher returns when information uncertainty on the future performance of a stock is high. Consequently, they exploit their information advantage more actively in times of high information uncertainty, which, given that

informed traders prefer the option market to capitalize their information advantage, can be significantly predicted by respective option trading measures IV spread and skew. Against this backdrop, findings point out that the type of the announcement on the analyst event day, i.e. positive or negative, interacts with IV spread and skew, showing that for negative events informed traders are less actively exploiting their information advantage. This could be explained through short-selling bans and a lower availability of put options. The results of this study bear economic significance. This is demonstrated by conduct ing a trading strategy based on IV spread and skew. At every trading day IV spreads and skews, respectively, are ranked according to their average values of the past five trading days from highest to lowest. Their underlying stocks are then grouped into deciles based on that ranking. A portfolio is created in which the trader goes long in the stocks of the top and short in the stocks of the bottom decile. Such a trading strategy is capable of generating significant risk-adjusted alphas of 3.7 basis points for the IV spread- and –6.6 basis points for the IV skew-portfolio per day, which translates to 9.8 and –15.3 percent, respectively, per annum.

Noot 1 Felix Gornik graduated as MSc Entrepreneurship & New Business Venturing and MSc Finance & Investment at the Rotterdam School of Management. Being one of the co-founders, he works for the German- and Dutchbased company “Mobil Macher GmbH” (www.mobilmacher.com), which offers app and website solutions.

De volledige scriptie “Does information uncertainty influence the option market predictability for future stock returns? – Evidence from analyst tipping” is beschikbaar via de website van de VBA.

Leden voor leden Voor een beleggingsprofessional is een goed netwerk belangrijk. De VBA weet dat als geen ander en wil graag – samen met haar leden – dat netwerk actief vergroten. Als lid ben jij de ideale ambassadeur om een kandidaat voor het lidmaatschap te interesseren. Als blijk van onze waardering, bieden we een attentie aan in de vorm van een nuttig en boeiend boek.

Je kunt kiezen uit de volgende boeken: Laat de leeuw niet in zijn hempie staan – Bruno de Haas Expected returns – Antti Ilmanen Debunking economics – Steve Keen Capital in the Twenty-First Century – Thomas Piketty Ons feilbare denken – Daniel Kahneman This time is different – Reinhart & Rogoff

Aanmelden van nieuwe leden is mogelijk via de website: www.nvba.nl/aanmeldformulier



——COLUMN

“Let all investment analysts be risk managers and the financial world will be a better place” -deel 1——

Ja, ik had het mijn vrouw beloofd. Een opbeurend verhaal schrijven over de beleggingsleer. Maar dat gaat zo maar niet, zo blijkt. Ik was nog geen drie zinnen onderweg in deze column of ik raakte al weer van het goede pad. Een rondgang langs Fibonacci, Paccioli, Bernouilli, Knight, Keynes, Graham en Dodd, Markowitz, Sharpe, Fama, Kahneman leidt maar tot één conclusie. Beleggingsanalyse is zinloos. Tenzij je er het juiste doel aan koppelt. Kijk, dat nodigt uit tot lezen!

De klassieke basis: de waarde in de toekomst, de waarde nu Beleggingsanalyse beoogt waarde te creëren uit het onderzoeken van de risico en rendement eigenschappen van bijvoorbeeld ondernemingen en de waardepapieren die ze gebruiken om zich te financieren. Er wordt geprobeerd een beeld te krijgen van de waarde van een belegging in de toekomst en de onzekerheid waarmee deze toekomstige waarde wordt omgeven. Dit gebeurt door de omstandigheden in kaart te brengen die van invloed kunnen zijn op deze waarde en onzekerheid. Een schijnbaar triviale aanname is hierbij het aannemen dat al deze kenmerken op afgewogen wijze worden weerspiegeld in de prijs die wordt betaald. Hoe zijn we tot dit idee gekomen? Rekenen en het vastleggen van waarde Ik passeer in sneltreinvaart de disconte ringssommen van Fibonacci en de dubbel boekhoudmethoden van Luca Paccioli om vol in de remmen te gaan bij de vaders van de traditionele beleggingsanalyse.1 De ideeën van Paccioli over bezittingen, de schulden waarmee deze zijn gefinancierd, en het eigen vermogen dat hieruit resulteert vinden we


met alle financial accounting ratio’s die hier van kunnen worden afgeleid terug in de hedendaagse jaarrekening van een bedrijf. Goedbeschouwd vormt dit begrippenkader een belangrijk deel van de kennisbasis waarmee de traditionele beleggingsanalyse tot 1952 de juiste waarde van een beleggings object probeert in te schatten. De ratio’s geven op hun eigen manier een indicatie van de onzekerheid en het risico rondom het toekomstige eigen vermogen. Beleggingsanalyse: een gecertificeerde activiteit Deze op waardekenmerken gerichte benade ring vinden we terug in het standaardwerk van Graham and Dodd: Security Analysis (1934). Hierin wordt een verfijnde ratio benadering beschreven om ondergewaardeerde aandelen op te sporen. Factoren worden hiertoe uit gesplitst naar marktfactoren als momentum, psychologie van de markt, marktmanipulatie, “hier en nu” intrinsieke factoren als omzet, dividend, assets, en “future value” factoren als management capaciteiten en product-markt kenmerken. Graham en Dodd droegen er met hun gestructureerde aanpak aan bij dat beleg gingsanalyse zich van een “hit-or-miss affair”

ontwikkelde tot een “certificated activity” voor beleggingsanalisten. 2 Opvallend genoeg was er in het meer dan 700 pagina’s tellende boek van Graham en Dodd nauwelijks aandacht voor een kwantitatieve benadering van portefeuilleconstructie en voor diversificatie. Dit gold ook voor het inschatten van de onzekerheid van kasstro men in de toekomst, hetgeen toentertijd niet of nauwelijks gebeurde op basis van statistische informatie over de markt en de verhandelde effecten. “Het verslaan van de markt” was in die tijd daardoor minder een issue dan na 1952. Je onzekerheid verbloemen Vanaf dat jaar kwamen op de rug van de Markowitz’ Portfolio Selection en het erop aansluitende Capital Asset Pricing Model statistische grootheden als verwachte waarde, varianties, alfa, beta, correlatie in gebruik als duiders van verwacht rendement en risico. “De” markt werd een issue. Gebruikmakend van statistische methoden en technieken kon de onzekerheid omtrent rendement en risico van vermogenstitels en de markt worden berekend, dacht men.

Gesteund door de opkomst van de dataorde ning en de rekencapaciteit van computers, het neerhalen van handelsrestricties, het verbredende aanbod van schuldtitels, de ver ruimende informatievoorziening hieromtrent en de toename van het aantal beleggings analisten benaderden deze markten het theoretisch ideaalbeeld: perfect, compleet en efficiënt. Het begin van het einde van de traditionele beleggingsanalyse. Uiteindelijk zijn er drie redenen te benoemen voor deze ondergang. Reden één: de informatie efficiëntie paradox De paradox stelt dat in genoemde theoretisch ideale wereld geen meerwaarde te behalen valt voor individuele beleggingsanalisten. Totdat deze analisten ermee ophouden. Het bracht de al aangehaalde vader van de beleggingsanalyse, Graham, ertoe om in de jaren zeventig te stellen dat “in the light of the enormous amount of research now being carried on, I doubt whether in most cases such extensive efforts will generate sufficiently superior selections to justify their cost.” En; “the average manager of institutional funds could not obtain better results than stock market indexes, since “that would mean that the stock market experts as a whole could beat themselves — a logical contradiction”. Door de veelheid aan informa tie en het grote aantal analisten tendeerde de markt naar informatie efficiëntie en dit is in de loop van de jaren alleen nog maar toegenomen. Dit is reden nummer één dat de toegevoegde waarde en toekomst van de individuele beleggingsanalist overzichtelijk werd: geen. Reden twee: wat weten wij nou van “onzekerheid”? Niets dus. Geheel in lijn met de eisen aan een column raffel ik deze belangrijke reden af. Lees Knight (1921), lees Keynes (1936) en je wordt al vlug overtuigd van het feit dat wij de ware aard van onzekerheid en de breedte en diepte van onzekerheid helemaal niet kennen. De verschillende gedaanten van onzeker heid worden door Taleb (2007) nog eens uitvergroot in zijn vier kwadranten model. Als je deze overwegingen over onzekerheid tot je neemt dan is er maar één conclusie mogelijk; voorspellen is moeilijk, vooral waar het de toekomst betreft (dixit Niels Bohr). Het idee van waarde toevoegen door het voorspellen van toekomstige waarden van rente, valuta koersen, aandelenkoersen is zo beschouwd klinkklare nonsens.

Reden drie: We’re as mad as a March hare En alsof dit niet erg genoeg is, doen Kahneman en Slovic (1982) er nog een schepje boven op. Behalve de overbevolking in de analistenmarkt en de genoemde onmogelijk heid om alles te bevatten (op talloze plaatsen in hun werk aangehaald; samengebracht in Kahneman 2011) toonden Kahnemann en Slovic met experimenten aan dat de mens niet is uitgerust met een Bernouilliaanse keuzemachine. Het ideaalbeeld dat Bernouilli schetste van een rationele beslisser die in staat is om uit een veelheid van alternatieven die keuze te maken die samen het meeste nut opleveren blijkt verre van waar. De overschatting van menselijke vaardig heden uit zich in structureel aanwezige overmoed en onvermogen. Knulligheid voor wat betreft het inschatten van de kwaliteit en kwantiteit van aanwezige informatie, het laten beïnvloeden van je mening door de mening van de groep, het ongelijk inschatten van winsten en verliezen van gelijke omvang, het verschillend reageren op identieke infor matie voorgesteld in een verschillend “frame”, de neiging om vast te houden aan hetgeen je hebt, het onvermogen om verliezen te nemen en goed presterende beleggingen aan te houden, het zelfbedrog van het geheugen, et cetera, et cetera. Dit alles draagt ondubbelzin nig bij aan het niet accuraat kunnen voorspel len van, bijvoorbeeld, de prijsontwikkeling van beleggingsobjecten. Kortom, al zou de analistenmarkt niet overbevolkt zijn al zouden wij mensen alle noodzakelijke informatie, bijvoorbeeld inzake beleggingsalternatieven, op een presenteerblaadje aangereikt krijgen, dan nog zouden we er niet optimaal gebruik van kunnen maken. And to top it off… Al deze redenen samen bieden een goede basis om te twijfelen aan het nut van beleggingsanalyse. Dit alles wordt nog eens ondersteund door het gegeven dat slechts bijzonder weinig actieve beleggingsfondsen (<20%) erin slagen om consistent hun bench mark te verslaan. Zelfs als we genoemde reden één zouden vergeten, dan nog blijft het tobben. Immers, ook in de markten van niet genoteerde beleggingen of van minder massaal gevolgde aandelen valt voor de daar wel aanwezige analisten lang niet altijd eer te behalen. Private equity manager, small cap managers, beide zichzelf als “snugger” profilerend; ook zij komen nauwelijks boven het maaiveld van de markt uit, tenzij gebruik makend van leverage of andere methoden die de opbrengstverdeling scheeftrekken.

En dan, op het scheiden van de markt, is daar de redding. Ik denk dat u wel duidelijk is in welk kamp ik verkeer. Aan mijn lijf geen babbelegoegjes. Maar je moet toch iets kunnen met al die verzamelde kennis over aandelen, obligaties, portefeuilles enzovoorts? (Al was het maar om mijn vrouw tevreden te stellen.) Jawel. Maar die is minder spectaculair. Door niet te focussen op rendement, maar op het beter begrijpen, beheersen en, waar onwetendheid heerst, beperken van beleggingsrisico’s. Beleggingsanalisten moeten risicomanagers worden. Hoe dat zou kunnen? Daarvoor ontbreekt hier nu de ruimte, maar in het najaarsnummer is het thema “beleggen met overtuiging”. Ik beloof u dat ik daar ga duidelijk maken hoe overtuigend risicoma nagement daarbij past. Michael Damm

Literatuur —Kahneman, D., “Thinking, Fast and Slow”, Farrar Strauss Giroux, New York 2011. —Rubinstein, M., “A History of the Theory of Investments: My Annotated Bibliography”, Wiley 2006. —Kahneman, D., Slovic, P., Tversky, A, “Judgment under Uncertainty, Heuristics and Biases”, Cambridge 1982. — Graham, B., Dodd, D.L., “Security Analysis: Principles and Technique”, McGraw-Hill 1934. —Knight, F., “Risk, Uncertainty and Profit”, Houghton Miflin 1921. —Keynes, J.M., “The General Theory of Employment, Interest and Money”, Oxford University Press 1936. —Taleb, N.N., “The Black Swan: the impact of the highly improbable”, Random House 2007.

Noten 1 Een geschiedenisboek waarin de bouwstenen van de beleggingsanalyse worden beschreven is Mark Rubinstein’s “A History of the Theory of Investments: My Annotated Bibliography”. 2 Door genoemd boek, door bijdragen aan “The Analyst Journal”, (later, 1945, The Financial Analyst Journal), en door zijn pleidooi voor het certificeren van beleggingsanalisten stond Graham de facto aan de wieg van het CFA Institute (1962).



——BOOKREVIEW

Money, Blood and Revolution door George Cooper Review door Bernard Janssen, Private Banker ING

Het is een bekende grap onder economen die stelt dat de examenvragen elk jaar hetzelfde zijn, maar de juiste antwoorden steeds anders. George Cooper, de auteur van ‘Money, Blood and Revolution’, zet met dergelijke ridicule anekdotes de lezer op scherp.

Harriman House Ltd Groot-Brittannië 2014 ISBN 9780857193896

Hij probeert met zijn boek een paradigmaverandering te weeg te brengen in ons denken over de economie en finan ciële markten. Cooper is van mening dat het economisch denken in een diepe crisis zit en dat er een revolutie nodig is op basis van een nieuwe denkwijze. Hij baseert zijn betoog op het fundament van een van de grootste denkers van de 20e eeuw, Thomas Kuhn, die de term ‘Paradigm Shift’ in de wetenschap introduceerde. Kuhn constateerde dat er een patroon bestaat in de wijze waarop wetenschap pelijke revoluties tot stand komen. Na de aanvankelijke ontdekking (zoals die van Copernicus, Galileo Galilei of Darwin), ontstaat een patroon van ontkennen, afwijzen en zo mogelijk verfijnen van de bestaande theorie door de gevestigde orde. Acceptatie van de nieuwe denkwijze wordt pas door nieuwe generaties denkers omarmd. Cooper toont in zijn boek aan, dat er ook in ons econo misch denken een dergelijk symptomatisch patroon is. Keer op keer wordt er aangetoond dat oude theorieën niet volstaan en toch gaan we bij gebrek aan beter door met wat we hebben of wordt geprobeerd bestaande theorieën aan te scherpen. Eigenlijk zijn we onszelf in veel opzichten nog steeds economisch aan het aderlaten. Het feit dat Eugene Fama en Robert Shiller, twee heren met zeer verschillende ideeën over de financiële wereld, beiden de Nobelprijs ontvangen in hetzelfde jaar is volgens Cooper een onderschrijving van zijn betoog. De symptomen die hij beschrijft zijn onder meer: 1. Het denken over economie is door de jaren heen uiteengevallen in verschillende ‘scholen’ die elkaars denkwijzen niet verdragen. 2. De discussies over economie zijn zo uit elkaar gegroeid, dat ze niet meer op dezelfde gronden te vergelijken zijn. 3. Dezelfde mathematische modellen worden steeds gebruikt en aangescherpt door ze ingewikkelder te maken. 4. Afhankelijk van het politieke en economische tij worden er bepaalde scholen, Monetaristen, Libertijnen of Keynesianen, als beleidsbepalend aangehaald, zonder dat hier een wetenschappelijke consensus over is. (Denk hierbij aan Alan Greenspan, de man die 20 jaar lang de Federal Reserve voorzat en erkende de kredietcrisis voor onmogelijk te hebben gehouden…..)


Cooper betwist de verschillende scholen die op een of andere wijze uitgaan van een inherent equilibrium in de economie. Conform het economisch Darwinisme, leven we volgens Cooper in een ‘The winner takes all’- economie, als er niet wordt bijgestuurd. Zonder ingrijpen zouden we leven in een feodaal stelsel, van ‘haves and have nots’. Hij pleit ervoor om een circulaire economie te maken. Een economie waarbij met belasting op rendement een herverdeling van vermogen plaatsvindt, met als gevolg dat de onderkant van de welvaartspiramide geld kan uitgeven ten behoeve van de winstgevendheid van ondernemingen. Zo ziet hij een perfect huwelijk tussen democratische noden van herverdeling en Darwinistische competitie. Niet omdat dat zijn politieke voorkeur heeft, maar omdat het simpelweg tot een hogere welvaart leidt. Cooper heeft niet het ei van Columbus. Hij komt niet met nieuwe feiten. Wat hij wel doet, is een sterk pleidooi neerzetten om uit het bekende denkpatroon te komen. De paradigmaverandering. Ik zou daarin nog verder willen gaan. Aangezien al het leven op aarde en dus ook onze maatschappij op energie wetten is gebaseerd, waarom zouden economie en finan ciële markten dan niet op enige wijze aan de energiewet ten gehoorzamen en dan specifiek de thermodynamica? Dit had econoom en Nobelprijswinnaar Paul Samuelson ook bedacht in zijn proefschrift “Foundations of Economic Analysis” uit 1947. Thermodynamica kent een aantal energiewetten, die de omzetting van warmte (energie) in nuttige arbeid omschrijven. Ook Coopers oplossing, de circulaire economie, past in deze thermodynamische visie. ‘Econophysics’, de discipline die uitgaat van een thermo dynamische economie, leidt dus tot vele nieuwe inzichten en verklaart veel van wat we in de huidige economie en markten zien. Dit kan dus ook de belegger helpen, omdat het de financiële markten in sommige opzichten voorspel baarder maakt. Het lezen van ‘Money, Blood and Revolution’ geeft je een zet in de goede denkrichting. Als je dit boek gelezen hebt, kun je niet meer terug naar je werk en doen alsof alles hetzelfde is.

Oproep Bernard Janssen zoekt VBA-leden die zich aangespro ken voelen door het concept van Econophysics en zich er meer in willen verdiepen. Neem bij interesse dan contact op via mail: [email protected].

Commissies/voorzitters Bestuur van de Vereniging Prof.Dr. Alfred Slager RBA, voorzitter Drs. Johan van der Ende, vicevoorzitter Drs. Hikmet Sevdican RBA, penningmeester Drs. Bas Bosma Drs. Gerben Jorritsma RBA Drs. Sjoerd Lont Melinda Rook MSc

——COLOFON

VBA Journaal is een uitgave van VBA beleggings professionals. Het VBA Journaal verschijnt vier keer per jaar. Hoofdredacteur Prof.Dr. Jaap Koelewijn Adjunct Hoofdredacteur Dr.ir. Gerben de Zwart CFA Redactie Drs. Huub van Capelleveen Dr. Dirk Gerritsen Drs. Ernst Hagen Dr. Jan Jaap Hazenberg RBA Mr.drs. Manon Hosemann Ronald Kok MSc RBA Arianne Leuftink Drs. Jan Bertus Molenkamp RBA Drs. Gerard Roelofs MBA RBA FRM Auteursinstructie zie: www.vbabeleggingsprofessionals.nl Fotografie en illustraties Fotopersbur0 Dijkstra Max Kisman Redactieadres & opgave advertenties VBA – Irma Willemsen telefoon: 020 - 618 2812 e-mail: [email protected] Abonnementen VBA Gustav Mahlerplein 109-111 1082 MS Amsterdam telefoon: 020 - 618 2812 e-mail: [email protected] Abonnementenprijs 2015: € 53 inclusief btw en verzendkosten Opmaak en realisatie a z az grafisch serviceburo bv, Den Haag. www.az-gsb.nl De in het VBA Journaal geplaatste artikelen geven de mening weer van de auteurs en niet noodzakelijk de mening van de redactie. Het VBA Journaal noch de auteurs beogen met de geplaatste artikelen beleggingsaanbevelingen te doen. De inhoud van de artikelen dienen dan ook uitdrukkelijk niet als zodanig te worden opgevat. Eventuele verwijzingen in de geplaatste artikelen naar specifieke financiële instrumenten strekken slechts ter illustratie dan wel onderbouwen enkel de beschrijving van feiten. ISSN-nummer 0920-2269 Copyright © 2015 VBA beleggingsprofessionals

Tuchtcommissie Drs. Berry Debrauwer, voorzitter Commissie van Beroep Mr. Peter Wortel, voorzitter Kascommissie Henk Vierhout RBA, voorzitter Programmacommissie Drs. Okko Rabeling RBA, voorzitter Webredactie Drs. Frank Dankers RBA, voorzitter Accountingcommissie Drs. John van Scheijndel, voorzitter Commissie Asset & Liability Management Drs. Eric Mathijssen, voorzitter Commissie Risk Management Drs. Berry Debrauwer, voorzitter Commissie Duurzaam Beleggen Drs. Robert Klijn RBA, voorzitter Commissie Private Equity Drs. Lodewijk van Pol, voorzitter Commissie Tactische Asset Allocatie Eelco Ubbels RBA, voorzitter Commissie Vastgoed Drs. Maarten van der Spek RBA, voorzitter Commissie Technische Analyse Juus de Kempenaer, voorzitter Commissie Investment Perfomance Measurement Erwin Jager CFA CIPM, voorzitter Commissie Behavioral Economics Jan van der Hout RBA, voorzitter Commissie Ethiek en Integriteit Dr. Alwin Oerlemans CFA FRM, voorzitter VBA vertegenwoordiging in Regional Investment Performance Subcommittee EMEA Erwin Jager CFA CIPM VBA vertegenwoordiging in Global Investment Performance Standards Council Erwin Jager CFA CIPM Dutch Commission on Bonds (DCB) en European Bond Commission (EBC) Drs. Kiemthin Tjong Tjin Joe RBA, voorzitter Curatorium VBA permanente educatie Drs. Jan Overmeer, voorzitter Curatorium VU-VBA Opleiding Investment Management Prof.Dr. Robert van de Meer, voorzitter Effas Training and Qualification Commission Drs. Hikmet Sevdican RBA VBA vertegenwoordiging in de Raad voor de Jaarverslaggeving vacant VBA vertegenwoordiging in DSI Drs. Johan van der Ende Seniorenconvent Jacques van den Berg RBA, voorzitter Bovenstaande personen zijn bereikbaar via het secretariaat van de VBA. Telefoon: 020 - 618 28 12

VBA_journaal_Zomer_2015_6_artwork.pdf

1

10-06-15

12:56

JOURNAAL. vba _beleggingsprofessionals. Transparantie: is vooruitgang ook verbetering?

Recommend Documents