UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2012 – 2013
Performantie van Beleggingsfondsen
Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Economische Wetenschappen
Nicolas Vandermarliere onder leiding van dr. Dries Heyman
UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2012 – 2013
Performantie van Beleggingsfondsen
Masterproef voorgedragen tot het bekomen van de graad van Master of Science in de Economische Wetenschappen
Nicolas Vandermarliere onder leiding van dr. Dries Heyman
Vertrouwelijkheidsclausule
PERMISSION
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.
Nicolas Vandermarliere
I
Woord vooraf
Ik wens mijn promotor te bedanken voor de intensieve begeleiding en aangename samenwerking doorheen het academiejaar. Dankzij de constructieve feedback van Dr. Heyman kon ik mijn thesis naar een hoger niveau tillen. Ook Professor Everaert en assistent Schoonackers zou ik graag bedanken voor de econometrische toelichtingen bij mijn verscheidene regressiemodellen.
Verder wens ik nog mijn ouders en enkele vrienden te bedanken voor het kritisch herlezen en verbeteren van mijn masterproef. Het schrijven van deze thesis was een interessante en leerrijke ervaring, waarbij via zelf verzamelde gegevens en binnen een theoretisch en methodologisch denkkader enkele onderzoeksvragen werden geanalyseerd.
Nicolas Vandermarliere Mei 2013
II
Inhoudsopgave Vertrouwelijkheidsclausule ...................................................................................... I Woord vooraf ............................................................................................................ II Inhoudsopgave ........................................................................................................ III Lijst van gebruikte figuren en tabellen .................................................................. IV Lijst van afkortingen................................................................................................. V 1
Inleiding .............................................................................................................. 1
2
Literatuuroverzicht............................................................................................. 2 2.1 Performantieanalyse van een beleggingsfonds ............................................. 2 2.2 Anomalieën in aandelenreturns ..................................................................... 4 2.3 Kostenstructuur van een fonds ...................................................................... 7 2.4 Kenmerken van fondsen.............................................................................. 12
3
Bespreking Datasample .................................................................................. 13
4
Performantieanalyse via Asset Pricing Models ............................................. 16 4.1 Keuze benchmark........................................................................................ 17 4.2 Capital Asset Pricing Model ......................................................................... 19 4.3 Het Three-Factor Model .............................................................................. 21 4.4 Het Four-Factor Model ................................................................................ 25
5
Effecten van kenmerken op de totale uitgavenratio ..................................... 28
6
Effecten van kosten en kenmerken op performantie .................................... 31
7
Conclusie .......................................................................................................... 39
8
Bibliografie ....................................................................................................... 40
9
Appendix ............................................................................................................ VI
III
Lijst van gebruikte figuren en tabellen Figuur 1:
Histogram en beschrijvende statistieken van alfa uit het CAPM
Figuur 2:
Maandelijkse Performance van Large Caps vs. Small Caps
Figuur 3:
Maandelijkse Performance van Growth Stocks vs. Value Stocks
Figuur 4:
Histogram en beschrijvende statistieken van alfa uit het Three-Factor Model
Figuur 5:
Histogram en beschrijvende statistieken van alfa uit het Four-Factor Model
Tabel 1:
Single-period CAPM regressieanalyse voor Small vs. Large Cap, Value vs. Growth, Emerging Markets en Azië
Tabel 2:
Style Analysis voor het Three-Factor Model
Tabel 3:
Style Analysis voor het Four-Factor Model
Tabel 4:
Cross-sectionele regressie van kenmerken van fondsen op de Total Expense Ratio (TER)
Tabel 5:
Overzicht van de performantie maatstaven
Tabel 6:
Regressie van kenmerken en kosten op de performantie maatstaven
Tabel 7:
Regressie van kenmerken en kosten op performantie maatstaven voor Small Caps
Tabel 8:
Regressie van kenmerken en kosten op performantie maatstaven voor Large Caps
Tabel 9:
Regressie van kenmerken en kosten op performantie maatstaven voor Growth Stocks
Tabel 10:
Regressie van kenmerken en kosten op performantie maatstaven voor Value Stocks
Tabel 11:
Regressie van kenmerken en kosten op performantie maatstaven voor Emerging Markets
Tabel 12:
Regressie van kenmerken en kosten op performantie maatstaven voor Azië
IV
Lijst van afkortingen CAPM E/P B/M SMB HML MOM TER SEC ESMA AUM C/P ASEAN NIC UCITS MSCI FTSE
Capital asset pricing model Earnings-to-price ratio Book-to-market ratio Small-minus-big High-minus-low Momentum Total Expense Ratio Securities and Exchange Commission European Security and Markets Authority Assets Under Management Cashflow-to-price Association of Southeast Asian Nations Newly Industrialized Countries Undertakings for Collective Investments and Trust Schemes Morgan Stanley Capital International Financial Times Stock Exchange
V
1 Inleiding In het nazinderen van de Europese krediet- en schuldencrisis zijn zowel institutionele als particuliere investeerders op zoek naar rendement op de financiële markten. De zoektocht naar interessante en vooral winstgevende beleggingen verloopt niet zonder slag of stoot in deze tijden van extreem lage rentevoeten. De rentevoeten op “veilige” overheidsobligaties bereikten ongeziene dieptepunten alsook de rentevoet die banken aanbieden op hun spaarboekjes. Nieuwe acroniemen ontsproten in de media: TINA wordt TRINA: “There Is No Alternative” transformeerde al snel in “There Really Is No Alternative”. Kunnen beleggingsfondsen hier soelaas brengen? Europese beleggingsfondsen kenden volgens metingen van Morningstar een recordinstroom van €45 miljard in januari van 2013. De appetijt van rendement zoekende beleggers is dus allesbehalve gestild. Maar zijn fondsen ook effectief dé oplossing voor een particuliere belegger die tijd en/of kennis ontbreekt om een gefundeerde analyse te maken van de eindeloze beleggingsmogelijkheden?
Beleggingsfondsen bieden vooralsnog enkele belangrijke voordelen. Zo is er het diversificatievoordeel van de gespreide fondsenportefeuille die door een professioneel management wordt beheerd. Daarnaast worden transactiekosten gespreid door de schaalvoordelen die een fonds kenmerkt en kunnen fondsen meer liquide zijn in vergelijking met het aanhouden van individuele aandelen wanneer een investeerder zijn beleggingen in cash wenst te converteren. Natuurlijk heeft dit professioneel beheer van het fonds ook zijn prijskaartje, waardoor het netto rendement hieronder leidt. Zijn fondsbeheerders de fee wel waard die investeerders moeten ophoesten? Dergelijke onderzoeksvragen brachten mij ertoe om dit als thesisonderwerp te selecteren en wetenschappelijk van naderbij te onderzoeken. Deze masterproef zal trachten dergelijke vragen te beantwoorden aan de hand van enkele regressieanalyses. Sectie 3 vormt de toelichting van de zelf verzamelde gegevens. Vervolgens zal gekeken worden of managers instaat zijn om een excess return te genereren bovenop een voorspelde return van een onderliggend asset pricing model in Sectie 4. Verder zal in Sectie 5 de kostenstructuur van een beleggingsfonds onder de loep genomen worden. In Sectie 6 ten slotte zal gekeken worden welke variabelen een significant effect hebben op de performantie van het beleggingsfonds. Allereerst wordt in het volgende deel een uitgebreid literatuuroverzicht gegeven over de bestaande performantieanalyses van beleggingsfondsen, hun kostenstructuur en enkele kenmerkende eigenschappen die beiden een weerslag hebben op de winstgevendheid van een fonds. Daarnaast worden verschillende anomalieën aangehaald die de modelmatige structuur van de gebruikte asset pricing models uit Sectie 4 bepaalden.
1
2 Literatuuroverzicht De structuur van dit literatuuroverzicht is zo opgesteld dat alles wat in de hieropvolgende secties aan bod komt, eerst theoretisch in deze sectie wordt toegelicht. Onder 2.1 worden de verschillende componenten van de performantie van een fonds(beheerder) toegelicht. De consequenties van anomalieën voor analysemodellen van aandelenreturns vormen het onderwerp van paragraaf 2.2. Deze literatuurstudie besluit met het effect van de kosten en kenmerken van fondsen op het rendement van beleggingsfondsen in paragrafen 2.3 en 2.4.
2.1
Performantieanalyse van een beleggingsfonds
Beleggingsfondsen trekken al tientallen jaren de aandacht in het financiële literatuurwereldje door de theoretische en empirische uitdagingen die van belang zijn voor winstzoekende investeerders. Het onderzoeksdomein rond de performantie van beleggingsfondsen vond zijn oorsprong in de jaren ’60 met de bekende maatstaven zijnde de Sharpe ratio (Sharpe, 1964), de Treynor ratio (Treynor, 1966) en Jensen’s alfa (Jensen, 1969). Deze drie auteurs maken gebruik van het uiterst befaamde Capital Asset Pricing Model (CAPM) van Sharpe (1964) en Lintner (1965). Deze basisliteratuur wees er toen al op dat fondsen geen significant betere resultaten kunnen neerzetten in vergelijking met een naïeve buy-and-hold strategie. In de decennia die erop volgden, werd menig kritiek geuit op de tekortkomingen van dit enge model (Fama & French, 1993, Banz, 1981 en Jegadeesh & Titman, 1993). In de volgende paragraaf (2.2 Anomalieën) volgt nog een uitvoerige bespreking over deze uitbreidingen op het traditionele CAPM.
Er bestaat een algemene consensus over de underperformance puzzel van actief beheerde fondsen. Beleggingsfondsen blijken na aftrek van kosten gemiddeld negatieve risicogecorrigeerde rendementen over te houden (Gruber, 1996, French, 2008 en vele andere). Desondanks is er toch een grote vraag naar deze beleggingsvorm door investeerders. Gruber (1996) haalt enkele behavioral finance argumenten aan als mogelijke oorzaak: ofwel zijn de investeerders onwetend over de underperformance, ofwel gedragen ze zich irrationeel.
Fondsen die daarbovenop hun actief management outsourcen zullen gemiddeld gezien nog een lagere return hebben. Chen, Hong, Huang en Kubik (2004) constateren dat dergelijke fondsen een extra underperformance van 50 tot 72 basispunten per jaar moeten slikken. Duong (2010) en Chuprinin, Massa en Schumacher (2011) vinden zelf waarden van 90 tot
2
127 bp/jaar. Een investeerder doet dus best goed zijn huiswerk alvorens blindelings op een fonds in te tekenen.
Welke
meerwaarde
voegt
actief
beheer
nu
toe
aan
het
rendement
van
een
beleggingsportefeuille? Er moet dus afgevraagd worden of de manager een speciale vaardigheid of skill heeft om de markt en concurrerende fondsen te verslaan. Twee belangrijke concepten worden vaak naar voor geschoven wanneer men potentiële skills nagaat bij fondsbeheerders Allereerst stelt de vraag zich of de fondsenmanager superieur is in stock picking. Kan hij dus wel degelijk toekomstige winstgevende aandelen onderscheiden van verlieslatende? Kosowski, Timmermann, Wermers en White (2006) beantwoorden deze vragen volmondig positief. Zij stellen vast dat er wel degelijk managers bestaan die in staat zijn om ondergewaardeerde aandelen op te pikken die in de volgende periode sterk in waarde toenemen.
Ook Chen, Jegadeesh en Wermers (2000) stellen dat bepaalde investeringsstrategieën betere stock-picking skills hadden. Zo vinden zij dat fondsmanagers die zich focussen op groeiaandelen beduidend beter ondergewaardeerde large cap groeiaandelen kunnen selecteren. Dergelijke fondsen doen het gemiddeld 2 tot 3 procentpunt beter dan de gebruikte benchmark. Hier moet echter wel een kritische noot gemaakt worden rond de sample periode van deze studie. Er schuilt mogelijks een opwaartse performance bias in deze dataset aangezien deze studie de periode beslaat net voor het barsten van de dot-com bubble, waardoor groeiaandelen sterk overgewaardeerd werden.
Coggin, Fabozzi en Rahman (1993) vinden dan weer dat managers van Amerikaanse pensioenfondsen superieur waren in het uitkiezen van winstgevende aandelen, maar dat ze slecht zijn in “het timen van de markt” om zo op een geschikt moment in te stappen of hun posities uit te breiden. Dit laatste argument is namelijk het tweede uitgebreid onderzochte concept die vaak door managers zelf als grote troef naar voor geschoven wordt: market timing. Volgens Henriksson (1984) en Daniel, Grinblatt, Titman en Wermers (1997) is er echter weinig empirische evidentie om deze extraordinaire skill voor waarheid te nemen. Outperformance is niet te wijten aan superieure market-timing maar is eerder het gevolg van een uitmuntende strategische asset allocation, verklaren Blake, Lehmann en Timmermann (1999).
Uit alle aangehaalde papers die expliciet market-timing strategieën onder de loep namen, is er geen enkele die deze vaardigheid confirmeert. Er is wel evidentie voor de stock-picking technieken van bovengemiddelde managers of fondsen. Deze bevindingen pleiten in het
3
voordeel van een grondige fundamentele analyse boven technische analyse van aandelen. Fondsen die excelleren in een diepgaande balans- en strategieanalyse van bedrijven dienen bijgevolg de voorkeur te genieten van investeerders.
2.2
Anomalieën in aandelenreturns
In de financiële wetenschappelijke literatuur worden inconsistente waarnemingen gevonden die men bijgevolg als “anomalieën” van de tot dan geldende asset-pricing theorie bestempelt. Ze kunnen het gevolg zijn van marktimperfecties waardoor er arbitrage- en dus winstmogelijkheden zijn, of ze zijn het bewijs dat het onderliggende theoretische model onvolledig is (Schwert, 2003).
Dergelijke marktaberaties hebben de eigenschap dat ze in verschillende sample periodes plots niet meer opgaan. Anomalieën kunnen na hun “ontdekking” en publicatie versterken, omkeren of zelfs verdwijnen doordat arbitragestrategieën deze tekortkomingen gaan uitbuiten (Schwert, 2003). De markt wordt dus als het ware efficiënter. Het weekend-effect van French (1980) en het-turn-of-the-year effect (Keim, 1983 en Reinganum,1981) zijn twee voorbeelden van dergelijke marktonvolkomenheden. Deze laatste twee auteurs tonen aan dat de abnormale return van small caps t.o.v. de benchmark in een CAPM significant is voor de eerste twee weken van januari. Booth en Keim (2000) counteren deze waarneming door te stellen dat deze anomalie voor een sample periode van 1982-1995 niet significant verschillend is van nul. Mogelijks is deze anomalie dus door arbitrage (tijdelijk) verdwenen.
Maar er zijn nog andere, meer revolutionaire anomalieën die de analysemodellen van aandelenreturns voor goed veranderden. Banz (1981) en Reinganum (1981) tonen aan dat small cap aandelen op de NYSE van 1936-1975 hoger dan gemiddelde returns hebben dan voorspeld wordt door het toen gebruikte traditionele CAPM. Zij dopen deze anomalie om tot het “small-firm of size effect”. Small caps presteren dus gemiddeld gezien beter dan large caps. Rond dezelfde periode vindt Basu (1977, 1983) dat bedrijven met hoge earnings-toprice (E/P) ratio’s positieve abnormale returns, bovenop de voorspelde van het CAPM, kunnen genereren. Hetzelfde geldt voor bedrijven met hoge dividend rendementen of aandelen met een hoge book-to-market (B/M) waarde. Deze anomalie staat in de financiële literatuur bekend als het value-effect. Uit onderzoek van Ball (1978) blijkt dat dit wel degelijk eerder tekortkomingen zijn van het CAPM dan occasionele marktinefficiënties.
4
Zich baserend op deze twee empirische afwijkingen wordt het traditionele CAPM bekritiseerd en bijgevolg uitgebreid door Fama en French (1992, 1993) tot hun befaamde three-factor model. Deze auteurs voegen twee risicofactoren als verklarende variabelen toe aan het CAPM; namelijk Small-minus-Big (SMB) en High-minus-Low (HML). SMB stelt het verschil voor tussen een verzameling van small cap- en large cap aandelen. HML weerspiegelt het value-effect door middel van het verschil tussen een index met hoge B/M ratio en een index met een lage B/M waarde te nemen. Deze twee toegevoegde termen meten de historische excess return van small caps over large caps en van value stocks over groeiaandelen respectievelijk.
Fama & French (1993) gebruiken hun three-factor model om verschillende anomalieën te testen en na te gaan of een fonds wel degelijk een significante positieve alfa kan genereren. Hun conclusie is andermaal dat verschillende beleggingsportefeuilles geen significant betere resultaten kunnen voorleggen bovenop de return van een onderliggende benchmark. Volgens Fama en French (1993) kan hun 3-factor model 90% van de variatie in de returns verklaren, daar waar het CAPM model slechts 70% kan verklaren. Latere studies zoals die van Griffin (2002) verfijnen deze Fama en French factoren door te stellen dat zij sterk landenspecifiek zijn en veel minder robuust zijn wanneer men een globale regressieanalyse wenst te ondernemen.
Ook dit uitgebreide model bleef niet gespaard van kritiek. Jegadeesh en Titman (1993) vinden dat recente outperformers in het verleden, zijnde portefeuilles die tussen de laatste 3 en 12 maanden abnormale excess returns etaleerden, ook in de periode die erop volgt beter dan gemiddelde resultaten kunnen neerzetten. Hier speelt het zogenaamde “continuation” of beter bekende “momentum” effect. Geen enkele van Fama en French’ drie verklarende factoren kan dit korte termijn momentum effect van Jegadeesh en Titman (1993) verklaren. Deze auteurs komen tot de conclusie dat een maandelijkse excess return van 1% het gevolg is van dit momentum effect.
Er is nog meer academische evidentie van een mogelijke korte termijn persistentie van bovengemiddelde rendementen. De winnaars uit het verleden onder groeigerichte fondsen kunnen volgens Hendricks, Patel en Zeckhauser (1993) in de nabije toekomst opnieuw persistent de markt verslaan op een tijdshorizon van één jaar. Zij benoemen dit positieve resultaat tot hun “hot hands” effect. Een halve decennia later bevestigen Brennan, Chordia en Subrahmanyam (1998) in hun studie deze lacune van het Fama & French (1993) threefactor model. Bovendien wordt het momentum effect zowel robuust gevonden voor tijdsperiodes (Jegadeesh en Titman, 1993) als voor landen (Asness, Liew en Stevens, 1997).
5
Deze modelmatige tekortkoming bracht Carhart (1997) ertoe om het analysemodel uit te breiden met een vierde verklarende factor. Hij voegt een momentum factor toe aan het threefactor model die deze korte termijn persistentie kan capteren. Carhart’s befaamde four-factor model is geboren. De vier risicofactoren geven aan hoeveel van de gemiddelde return van het fonds toe te kennen is aan één van deze vier bepalende factoren. De interpretatie van de variabelen en coëfficiënten is binnen de academische wereld sterk bediscussieerd, vat Rouwenhorst (1999) samen. 1 Sommigen geloven dat deze size-, value- en momentum premiums gewoon een compensatie zijn voor de overeenstemmende risicofactoren. Anderen schrijven
deze
anomalieën
toe
aan
bedrijfsspecifieke
karakteristieken
of
aan
marktimperfecties bij het verwerken van bedrijfsnieuws in de aandelenkoersen. Dit laatste argument gebruiken Jegadeesh en Titman (1993) bijvoorbeeld ter verklaring van hun momentum effect. Nog anderen verklaren deze tekortkomingen met andere anomalieën op hun beurt, zoals survivorship bias of data snooping (cf. infra, pp. 15-16).
Carhart (1997) vindt weinig evidentie voor een persistente outperformance van recente winnaars uit het verleden, maar concludeert eerder dat er een significante persistentie is van underperforming fondsen voor het daaropvolgende jaar. Er vindt dus eerder een “cold hands” effect plaats dan het hot hands effect van Hendricks et al. (1993). Gemeenschappelijke factoren en verschillen in kosten tussen fondsen kunnen het best de return van een portefeuille verklaren volgens Carhart (1997). Voorts is veel van de lange termijn persistentie in de performantie van beleggingsfondsen te wijten aan de persistentie in de Total Expense Ratio (TER) van het fonds. De zogenaamde “fee structure” van een fonds heeft een grote invloed op de uiteindelijke performance ervan. Een extensieve bespreking hiervan wordt in de volgende paragraaf toegelicht.
Meerdere studies van Malkiel (Malkiel en Firstenberg (1978), Malkiel (1995), Malkiel, Fluck en Quandt (1997), en andere) proberen voorspelbare patronen en marktimperfecties te vinden in aandelenkoersen waar fondsen op zouden kunnen inspelen om excess returns te genereren. Deze auteurs komen echter tot de pessimistische conclusie dat noch fundamentele, noch technische analyse consequent tot betere rendementen kan leiden. Malkiel is bijgevolg een grote voorstander van de random-walk hypothese. 2 Wel erkend Malkiel (1995) het bestaan van Hendricks’ et al. (1993) hot-hands effect niet. Deze
1
Volgende papers debatteerden onderling zeer diepgaand over dit onderwerp: Berk (1995), Daniel en Titman (1997), Fama en French (1996), Haugen en Baker (1996), Kothari et al. (1995), Lakonishok et al. (1994) Lo en MacKinlay (1990), Loughran (1997) en MacKinlay (1995). 2 Malkiel Burton G. is de auteur van het invloedrijke en vaak geciteerde boek: “A Random Walk Down Wall Street: The time-tested Strategy for Successful Investing”
6
persistentie is volgens Malkiel het resultaat van een persistente kostenstructuur: Fondsen die de laagste investeringskosten vergen zullen hoogstwaarschijnlijk de duurdere fondsen overtreffen met een uiteindelijk hoger netto rendement.
Carhart (1997) en Malkiel (1995) besluiten beide dat de meerderheid van de fondsen niet significant beter doet dan de benchmark, doordat ze geen excess return ten belope van de kosten kunnen genereren door superieure stock-picking skills of goed getimede momentum strategieën. De kostenstructuur blijkt een zeer belangrijk element bij het evalueren van de performantie van beleggingsfondsen en wordt bijgevolg hierna uitvoerig behandeld.
2.3
Kostenstructuur van een fonds
Net zoals voor elke andere financiële dienst is het actief beheer van een beleggingsfonds onderhevig aan kosten die de investeerders moeten ophoesten. De fees die investeerders het fonds moeten betalen zijn vaak ingewikkelde constructies, maar hebben wel een beduidende impact op het uiteindelijke netto rendement na aftrek van deze kosten. Alvorens de effecten van de kostenstructuur op de performantie te bespreken, acht ik het noodzakelijk om allereerst kort enkele vaak gebruikte soorten fees te definiëren. Het streven naar transparantie en uniformiteit binnen dit kluwen van ondoorzichtige kostenstructuren is primordiaal voor een verdere diepgaande en ondubbelzinnige analyse. In deze optiek worden ook steeds de Engelstalige begrippen vermeld, aangezien het deze termen zijn die in de prospectussen van fondsen voorkomen.
De “mutual fund industry” is in de VS gereguleerd door de Securities and Exchange Commission (SEC) en door de European Securities and Markets Authority (ESMA) voor de Europese
markt.
Deze
informatieverstrekkingen,
regelgeving mogelijke
omvat
o.a.
belangenconflicten,
richtlijnen
inzake
verplichte
kapitaalstructuur,
corporate
governance etc… Volgens deze wetgeving is elk beleggingsfonds verplicht om een samenvattende jaarlijkse uitgavenratio te rapporteren in hun prospectussen. Deze overkoepelende kostenratio is de Total Expense Ratio (TER), maar omvat niet alle kosten zoals zijn naam verkeerdelijk zou doen vermoeden. Enkel de operationele kosten worden in deze ratio opgenomen. Onder deze noemer vallen drie grote kostengroepen: de 12b-1 fee, de management fee en overige administratieve kosten (Mahoney, 2004). De 12b-1 fee is een jaarlijkse kost voor de marketing- en distributie uitgaven van het fonds om investeerders over de streep te halen. Deze kost dankt zijn vreemde naam aan het artikelnummer in de Investment Company Act van 1940 en varieert kenmerkend tussen de 0.25-1% (het
7
maximum toegestane). In Europese prospectussen vallen marketing- en distributie uitgaven onder de post: “overige kosten”. De onderliggende gedachte van deze kostenpost is dat een goede marketingcampagne veel vers geld binnenbrengt, zodat de assets under management (AUM) van het fonds fors groeien en het fonds uiteindelijk kan genieten van schaalvoordelen die het totale kostenplaatje voor beide partijen kan drukken (Dellva & Olson, 1998). Jonge fondsen ondervinden start-up kosten die pas afnemen naarmate de AUM navenant zijn toegenomen. Huidige aandeelhouders dragen de kost van het aantrekken van nieuwe aandeelhouders. (Mahoney ,2004). Dit is de reden waarom 12b-1 fees zo controversieel zijn.
De management fee of de beheerskost is de compensatie die een investeerder betaalt voor de tijd en de expertise van de fondsenmanager. Hiervoor wordt jaarlijks een vast percentage van de totale AUM afgehouden die vaak tussen 1.5 en 2% ligt. Het inkomen van een manager neemt dus toe wanneer het fonds groter wordt. Deze management fee kan nog aangevuld worden met een incentive fee die een percentage van de behaalde return van het fonds uitkeert aan de fondsbeheerder (Elton, Gruber en Blake, 2003). Deze fee geeft dus de goede ‘incentive’ aan de beheerder om een degelijk rendement op het einde van het jaar te behalen. Deze fee komt niet zo vaak voor en vindt men voornamelijk in de hedge fund industrie terug. In 1999 hadden slechts 1.7% van de obligatie- en aandelenfondsen incentive fees. (Elton et al., 2003). De overige operationele kosten dekken administratieve uitgaven zoals: belastingen, boekhoudkundige en audit fees, commissies voor records management, bewaarlonen en andere recurrente operationele uitgaven.
Een fonds werkt nauw samen met een broker die de tussenschakel vormt tussen het fonds en de investeerder. Commissies voor brokers zijn bijvoorbeeld een uitgavenpost die niet opgenomen is in de TER, ondanks deze toch deel uitmaken van de transactiekosten. Livingston en O’Neal (1996) vinden een jaarlijkse gemiddelde “brokerage commission” van 28 basispunten voor de periode 1989-93. Chalmers, Edelen en Kadlec (1999) bevestigen deze studie en halen zelf een waarde aan van 31 basispunten over de periode 1984-91. Deze laatste drie auteurs analyseren ook de bid-ask spread, die tevens ook geen onderdeel van de TER uitmaakt. De bid-ask spread stelt het verschil voor tussen de beste vraagprijs en de beste verkooprijs waarmee de fondsbeheerder geconfronteerd wordt. De bid-ask spread voor het fonds bedroeg over dezelfde sample periode 47 basispunten en is dus een niet onbelangrijke operationele kost waar het fonds het hoofd moet aan bieden. Chalmers et al. (1999) constateerden verder dat de fondsen in hun bovenste kwartiel, gesorteerd op grootte van het fonds van klein naar groot, beduidend lagere percentages voor brokerage commissions en bid-ask spreads hebben; resp. 20 en 28 basispunten.
8
De totale uitgaven ratio is een maatstaf voor de onkosten van het advies van de manager voor het fonds, terwijl zogenaamde “load charges” de kosten zijn van de broker die voor rekening van de investeerders zijn. Aan- en verkoopkosten (front-end en back-end loads) vallen hieronder en worden door het fonds doorgestort aan de broker. Een ander type load charge is de uitstapvergoeding of redemption fee. Deze wordt soms ook de switchingkost genoemd en is een vergoeding die de investeerder moet neertellen binnen de 90 dagen wanneer hij zijn middelen uit het fonds wenst te halen (Mahoney, 2004). De bedoeling van deze uitstapkost is om korte-termijnspeculanten en “in-and-out trading” te ontmoedigen. Deze exit-fee staat vaak verborgen in een prospectus onder een andere of overlappende naam: verkoopkosten (back-end load) of contingent deferred sales charge, die dan weer bij andere fondsen gewoon de verkoopkosten voorstellen. Een duidelijkere reglementering dringt zich hier m.i. op om dit intransparant euvel weg te werken.
Tot zover deze conceptuele toelichting. Belangrijker is de diverse impact van de verschillende soorten fees op de performance van het fonds. Volgens Dellva en Olson is een fee pas gerechtvaardigd als deze ofwel de kosten van het fonds (op termijn) kan verlagen, ofwel het netto rendement verhoogt. Talloze studies bewijzen dat de total expense ratio en de load charges negatief gerelateerd zijn aan performance (Carhart, 1997; Dellva & Olson, 1998; O’Neal, 2004; en vele andere). Fondsen met een lage TER outperformen deze met hogere fees (Haslem, Baker en Smith, 2008). In het algemeen is de underperformance van deze fondsen ongeveer net de grootte van hun fees en uitgaven. (Carhart, 1997 en French, 2008). Desondanks kunnen sommige kostenstructuren wel voordelig zijn voor investeerders. Het instellen van aankoopkosten kan volgens Dellva en Olson (1998) de correcte incentive geven om een lange termijn beleggingspolitiek te hanteren en zo de turnover, i.e. de frequentie van aan- en verkooptransacties, verminderen waardoor de transactiekosten worden beperkt in de tijd. Afgezien daarvan genieten fondsen die geen aan- of verkoopkosten vragen, zogenaamde no-load funds, jaarlijks een netto risk-adjusted return die 80 basispunten hoger ligt dan fondsen die wel load charges eisen (Carhart, 1997).
Wat betreft de marketing fee of de 12b-1 fee is de wetenschappelijke evidentie minder eenduidig. Volgens Dellva en Olson (1998) leiden investeringen in marketing- en distributie gerelateerde activiteiten tot een hogere risk adjusted return. Dukes, English en Davis (2006) daarentegen vinden een significant negatieve relatie tussen 12b-1 fees en performance doordat deze de total expense ratio opdrijven. Uit de empirie blijkt dat fondsen met hogere 12b-1 fees sterker groeien, maar dat de bestaande aandeelhouders daar niet van meeprofiteren onder de vorm van lagere kosten (Walsh, 2004).
9
Er ontstaat hier bijgevolg een belangenconflict tussen de fondsbeheerder enerzijds en de aandeelhouders anderzijds (Manoney, 2004). Managers zien uit eigen winstbejag het liefst hun fonds zo sterk mogelijk groeien zodat hun management fee in absolute termen toeneemt, terwijl investeerders een maximaal rendement van het fonds verwachten. De huidige aandeelhouders betalen voor de groei van het fonds en het is de fondsbeheerder die met de winst gaat lopen (Walsh, 2004). Als gevolg vinden Dukes et al. (2006) dat investeerders fondsen moeten mijden die te hoge marketing fees vragen omdat deze zogenaamde “deadweight costs” zijn. Het verhogen van de 12b-1 fees leidt in de eerste plaats tot een sterkere groei van het fonds, maar wordt door het indirecte effect van een lagere netto return door een hogere TER, met een lagere vraag van investeerders als gevolg, afgezwakt.
Niet elke fee blijkt een negatief effect op performance te hebben. Hogere redemption fees leiden tot hogere risk-adjusted returns (Dellva & Olson, 1998). Dit geldt ook voor incentive fees aangezien deze ook betere managers aantrekken die potentieel hogere rendementen kunnen genereren. De verklaring hiervoor schuilt in de incentive die deze soort fee met zich meedraagt: uitstapkosten promoten een lange termijn beleggingsstrategie. De redemption en incentive fees kunnen dus het agency conflict tussen managers en aandeelhouders verkleinen (Mahoney, 2004).
Vanuit een klassiek theoretisch economisch perspectief zou men de assumptie kunnen maken dat een hogere graad van competitie de kosten van de fondsen zou drukken tot hun marginale
kostprijs
(Mahoney,
2004).
Maar
de
combinatie
van
zeer
complexe
kostenstructuren en de beperkte rationaliteit van de investeerders door informatie-, tijd- of intellectuele beperkingen, schetsen een heel ander beeld in realiteit. Gabaix en Laibson (2006) vinden significante overwinsten bovenop de marginale kosten van fondsen die via een broker aan investeerders werden verkocht. Investeerders vertonen volgens hen satisfying behaviour, waardoor ze zich tevreden stellen met een second-best oplossing die het mogelijk maakt voor de fondsen om, weliswaar beperkt, hun prijzen zo te zetten dat deze de marginale kosten overtreffen. Dit betekent echter niet dat de diensten van beleggingsfondsen inefficiënt geprijsd worden, countert Mahoney (2004). Dit insinueert weliswaar dat er ruimte is om de prijszetting beter af te stemmen op de belangen van de investeerders.
Een tweede concept die deze behavioristische houding van de beleggers kenmerkt is het “one-stop shopping” fenomeen. Dit zijn investeerders die binnen één fondsenhuis al hun middelen beleggen in verschillende beleggingsfondsen met diverse investment styles.
10
Mogelijke verklaringen waarom investeerders one-stop shopping verkiezen, zijn de hoge persoonlijke zoekkosten of een onzekere beleggingshorizon waarbij ze tegen lagere uitstapkosten op elk moment wensen uit te stappen of te switchen naar een ander type fonds (Del Guercio en Reuter, 2012). Fondsenhuizen ervaren dus naast economies of scale ook economies of scope. Voor dit gemak betalen de investeerders echter wel een prijs onder de vorm van een lagere risk-adjusted return (Siggelkow, 2003; Massa, 2003 en Ciccotello, Miles en Walsh, 2006).
Onderzoek van Hortaçsu en Syverson (2004) nuanceren deze winstmaximaliserende houding van de investeerders. Er zijn ook minder ervaren beleggers die meer waarde hechten aan het advies van een broker dan de eenzijdige focus op het uiteindelijke nettorendement. Sommige investeerders zoeken professionele hulp bij hun zoektocht naar diversificatie of wensen advies over investeringscategorieën waar ze weinig vanaf weten, bvb. de emerging markets. Dit is natuurlijk zeer moeilijk om dit statistisch na te gaan maar is toch een waardevolle nuancering die we in ons achterhoofd houden.
In recent werk van Del Guercio en Reuter (2012) worden heterogene preferenties voor het verschil in gedrag van de investeerders naar voor geschoven. Deze auteurs maken een onderscheid tussen “direct-sold funds” en “funds sold through borkers”. Indien een investeerder financiële raadgeving wenst, kiest hij voor dit laatste soort fonds. Voor dit advies betaalt hij echter wel een fee. Deze keuze heeft een weerslag op het rendement dat de investeerder kan behalen. Broker-sold funds hebben een lagere incentive om alfa te genereren dan fondsen die onmiddellijk
en zonder
advies
worden aangeboden
(Bergstresser, Chalmers en Tufano, 2009; Christoffersen, Evans en Musto, 2013). De verklaring hiervoor ligt in het feit dat de in- en outflow van investeringsgeld groter is in een fonds die geen advies heeft. Deze fondsen focussen zich dus veel meer op het netto rendement en investeren meer in actief management. Broker-sold funds zijn naast het managen van hun portfolio ook bekommerd om hun adviesfunctie en hebben meer trouwe en minder ervaren cliënten die goed advies wensen te compenseren door een hogere fee te betalen (Del Guercio en Reuter, 2012). Investeerders van broker-sold funds aanvaarden dus netto lagere returns omdat zij het financiële advies ook als een meerwaarde zien. Deze trouwheid aan het fonds wijten Gennaioli, Shleifer en Vishny (2012) aan het intenser persoonlijk contact dat er tussen het fonds en de investeerder ontstaat door de herhaaldelijke face-to-face interacties.
Vanuit een investeringsperspectief is het dus van groot belang om de verschillende eigenschappen van fondsen goed te analyseren en deze te rijmen met de preferenties van
11
de investeerder. Daarnaast dient rekening gehouden te worden met hun effect op zowel de kosten als de performantie van het fonds alvorens in te tekenen op het fonds. In de volgende paragraaf worden enkele van deze bepalende features van naderbij bekeken.
2.4
Kenmerken van fondsen
Er zijn verschillende fondsspecifieke karakteristieken die ook een effect hebben op de uiteindelijke performance. Zo is de grootte van het fonds negatief gerelateerd aan de TER (Dellva en Olson, 1998) en heeft dit dus een positief effect op de performance. Bemerk hier de link met de 12b-1 fees die als doel hebben om via marketingcampagnes investeerders aan te trekken en zo het fonds te doen groeien en deze nieuwe investeerders door schaalvoordelen laten meegenieten van een lagere TER. Echter is er, zoals reeds aangehaald, minder wetenschappelijke evidentie voor deze relatie tussen de 12b-1 fees en de TER (Ferris & Chance, 1987 en Trzcinka & Zweig, 1990). De leeftijd van een fonds is een ander kenmerk die de grootte mee bepaalt. Hoe ouder het fonds, hoe groter de AUM en bijgevolg hoe lager de TER concluderen Dellva en Olson (1998). Ferris en Chance (1987) stellen in dit opzicht een soort van learning curve voor die de fondsen ervaren wanneer ze groeien. Hoe groter het fonds, hoe efficiënter hun operationele activiteiten worden die pas na een tijdje ook de huidige aandeelhouders van het fonds bevoordeelt onder de vorm van een lagere TER.
Verder wordt verwacht van fondsen die een hoge turnover hebben, bijgevolg ook hogere uitgaven (TER) moeten dulden (Dellva en Olson, 1998). Een fonds met een hoge cash positie binnen zijn portefeuille kan hun inziens ook leiden tot lagere transactie- en monitoring kosten. Fondsen die een internationale focus hebben en bijvoorbeeld in de emerging markets beleggen, lijden onder een hogere informationele kost en zijn bovendien blootgesteld aan een wisselkoersrisico als de buitenlandse aandelen in de lokale munt noteren. De verwachting voor internationale fondsen is dus dat zij een hogere TER hebben in vergelijking met fondsen die in het land van herkomst beleggen (Dellva en Olson, 1998).
Een studie van Dahlquist,
Engström
en Söderlind (2000)
voert
voor
Zweedse
beleggingsfondsen een cross-sectionele panel regressie uit op verschillende zogenaamde “fund attributes” of specifieke kenmerken van fondsen zoals grootte, beheerskost, turnover, commissies, load charges, exit fees etc…Enkele van bovenstaande resultaten uit de studie van Dellva en Olson (1998) worden bevestigd. Zo is de grootte van het fonds sterk en robuust positief gerelateerd aan de performance voor de Zweedse obligatiefondsen. Voor
12
equity funds vinden ze echter minder evidentie. De typisch negatieve relatie tussen TER en performance wordt ook bevestigd door Dahlquist et al. (2000). Daarnaast moeten aankoopen uitstapkosten ook vermeden worden door potentiële investeerders aangezien deze de netto return van het fonds naar omlaag halen. Gemiddeld gezien kunnen fondsen met deze hogere kosten geen hoger rendement genereren die deze meerkost rechtvaardigt.
Uitzonderlijk zijn er ook studies die een licht positief verband vinden tussen de totale uitgavenratio en de performantie van het fonds (Ippolito, 1989). Echter moet hierbij de kanttekening gemaakt worden dat dit uitsluitend geldt voor “high fee funds”, fondsen die via een zeer hoge management fee de allerbeste managers aantrekken met exceptionele stockpicking skills. Over het algemeen is er verder weinig wetenschappelijke evidentie voor deze bewering en argumenteren de meeste studies dat, zelfs voor deze high fee funds, de TER negatief gerelateerd is aan de performance van het fonds (Elton, Gruber, Das en Hlavka, 1993; Carhart, 1997).
Om dit onderdeel te beëindigen, biedt de hypothese van Grossman en Stiglitz (1980) nog interessante inzichten en regressieperspectieven. Zij onderscheiden goed geïnformeerde en zwak geïnformeerde fondsbeheerders. Deze informatie kan dus leiden tot een betere selectie en opvolging van de aandelen die deel uitmaken van het fonds. Een informatievoordeel kan zich ook reflecteren in een betere timing van marktopportuniteiten. Onder de assumptie dat fondsen die over betere informatie beschikken ook een hoger rendement kunnen behalen, stelt de Grossman en Stiglitz’ hypothese dat beter presterende fondsen ook een hogere TER kennen dan minder geïnformeerde fondsen.
3 Bespreking Datasample Deze studie analyseert zogenaamde open-end beleggingsfondsen van augustus 2007 tot maart 2013. 3 De keuze voor deze tijdsperiode is eenvoudig: de start van de Europese kredietcrisis situeert zich in de zomer van 2007 met de bankrun op het Ierse Northern Rock en kende zijn culminatiepunt in september 2008 met de val van Lehman Brothers. De dataset loopt tot de recentst mogelijke maand op het moment van schrijven.
3
Open-end mutual funds zijn fondsen waar men vrij in- en uit kan stappen, eventueel mits het betalen van de aankoopkosten of een uitstapvergoeding. De tegenhanger hiervan zijn closed-end fondsen.
13
Er worden vier verschillende investment styles onder de loep genomen. De eerste categorie omhelst fondsen die uitsluitend in small of large caps beleggen. Veel studies toonden aan dat dit firm size effect significant is en small caps betere rendementen kunnen genereren dan large caps (Bauman, Conover en Miller, 1998; Fama & French, 1993 en 1996). Nauw hierbij aansluitend wordt het value effect ook vaak aangehaald die de tweede categorie van de dataset vormt. Value stocks outperformen typisch growth stocks (Bauman et al., 1998). Fama en French (1992, 1996) en Lakonishok, Shleifer en Vishny (1994) toonden aan dat value stocks die gekenmerkt worden door een hoge book-to-market (B/M), earnings-to-price (E/P) of cashflow-to-price (C/P) groeiaandelen met een lage B/M, E/P of C/P outperformen. Patel (1998) en Rouwenhorst (1999) bevestigen deze bevindingen van Fama en French (1996) en vinden een premium voor value stocks en kleinere bedrijven in emerging markets. Ook Barry, Goldreyer, Lockwood en Rodriquez (2002) vinden dat dit size- en value effect robuust is voor de emerging markets over de periode 1985-2000.
De onafhankelijkheid van de grote internationale financiële markten die de emerging markets kenmerkt, maakt hen een interessant onderzoeksobject (Rouwenhorst, 1999). Voornamelijk in de jaren negentig werden groeilanden vaak gebruikt als referentie voor het bewijzen van anomalieën zoals het size- of value-effect (Barry et al., 2002). De correlatie tussen de groeilanden en de kapitaalmarkten in andere landen was historisch laag midden jaren ’90 (Harvey,1995a). Deze unieke gelegenheid biedt onderzoekers de kans om cross-sectionele variatie in aandelenkoersen in enigszins geïsoleerde groeilanden te analyseren.
Rouwenhorst (1999, p1440) verwoordt dit als volgt:
“…, the relative segmentation of emerging markets provides a unique opportunity to examine cross-sectional variation of stock returns: If the return factors in a group of relatively isolated markets are the same as those found in developed markets, it becomes more likely that the factors are fundamentally related to the way in which investors set prices in financial markets around the world.”
Als speciaal geval van deze derde categorie worden ook nog fondsen opgenomen die enkel in Aziatisch landen (excl. Japan) beleggen. De interesse van buitenlandse investeerders die uitwijken naar deze ASEAN regio en Aziatische NICs om hun beleggingsrisico te diversifiëren, is sterk toegenomen sinds de jaren ’90 (Masih en Masih (1999). Zie in dit kader bijvoorbeeld de studies van Bhoocha-oom & Stansell (1990) en Cheung & Mak(1992) die het enorme potentieel van de Aziatische markt onderzochten. Aziatische landen zijn een concreet en succesvol voorbeeld van sterk opkomende groeilanden die hun BBP jaarlijks
14
exponentieel zagen toenemen. China bijvoorbeeld kende over de periode 1992-2012 een gemiddelde groei van hun BBP van 10,35%. 4 Er zal in deze analyse worden nagegaan of dit zich ook vertaald zag in hogere rendementen van fondsen met een Aziatische focus.
Voor de dataverzameling werden twee bronnen gecombineerd: Morningstar en Thomson Reuters Datastream. De fondsendatabase op Morningstar fungeerde als filter om de verschillende type fondsen te selecteren. Deze categorieën zijn de volgende, met tussen haakjes het aantal opgenomen fondsen: Aandelen Europa Small Cap (27), Aandelen Europa Large Cap gemengd (57), Aandelen Europa Large Cap Groei (15), Aandelen Europa Large Cap Waarde (24), Aandelen Emerging Markets (37) en Aandelen Azië excl. Japan (30). Japan wordt vaak uitgesloten van de Aziatische markt aangezien dit land al jaren in een deflatiespiraal verzeild zit.
De vestigingsbasis van de geselecteerde fondsen is als volgt: 127 beleggingsfondsen uit Luxemburg, 28 uit Ierland, 8 uit België, 8 uit Frankrijk, 6 uit Nederland, 6 uit Groot-Britannië, 4 uit Denemarken, en een fonds uit Italië, Oostenrijk en Noorwegen. Wat onmiddellijk opvalt, is de sterke aanwezigheid van beleggingsfondsen in het fiscaal interessante Luxemburg. Luxemburg was overigens het eerste land die succesvol de Undertakings for Collective Investments and Trust Schemes (UCITS) reglementering implementeerde, waardoor fondsenmanagers een zekerheid hadden wanneer zij zich hier vestigden. De jaarlijkse aangroei van fondsen in het Groothertogdom kende begin de jaren ’90 zijn culminatiepunt, met in 1992 een toename van 60% van de zogenaamde “funds under management”. 5
In totaal bevat de sample 190 beleggingsfondsen waarvan de maandelijkse returns van 08/2007 tot 03/2013 werden verkregen via Thomson Reuters Datastream. Voor elk fonds werd de return index afgehaald. Deze index houdt rekening met uitgekeerde dividenden waardoor zowel kapitalisatiefondsen als distributiefondsen werden opgenomen. 6 De dataset is echter niet vrij van een survivorship bias. Er werden enkel fondsen opgenomen die niet ophielden te bestaan over de volledige sample periode. Non-performing fondsen kunnen namelijk worden gesloten of fusioneren met een ander fonds. Dit zorgt mogelijks voor overoptimistische conclusies met betrekking tot de rendementsanalyse van de fondsen (Elton, Gruber en Blake, 1996b). Voor Amerikaanse beleggingsfondsen schatten Grinblatt en 4
“The year to date yoy % growth of GDP” werd viaThomson Reuters Datastream geconsulteerd en daarvan werd een gemiddelde waarde berekend voor de afgelopen 20 jaar (1992-2012). 5 Naar aanleiding van dit fenomeen publiceerde de New York Times in 1993 volgend interessant artikel: ‘Luxembourg thrives as an Eden for Funds’, te consulteren via http://www.nytimes.com/1993/11/13/yourmoney/13iht-mrlu.html 6 Op morningstar wordt via INC (=Income) verwezen naar een fonds die een dividend uitkeert, en wordt via ACC (= Accumulation) verwezen naar een kapitalisatiefonds.
15
Titman (1989) de survivorship bias op 0.5% per jaar. Brown, Goetzmann, Ibbotson en Ross (1992) vinden zelfs een opwaartse bias van 0.8% per jaar wanneer de fondsen die ophielden te bestaan niet worden opgenomen in de analyse. Deze dataset omvat de kredietcrisis van 07-’08 en de staatsschuldencrisis van ’11 waardoor de survival selection bias een beduidende, echter niet te controleren, overoptimistische impact kan hebben op mijn performantieanalyse.
Analoog is mijn dataset onvermijdelijk vertekend door een incubation bias (Evans, 2010). Dit betekent dat fondsenhuizen tijdens een incubatie- of testperiode enkele startende fondsen met eigen kapitaal of met kapitaal van de werknemers beheren. Na deze periode worden enkel de best presterende aandelenfondsen openbaar gemaakt voor het publiek. Er is dus een niet nader te bepalen positieve bias bij het analyseren van de fondsen die beschikbaar zijn op Morningstar.
Hierbij aansluitend moet ook gewezen worden op het besef dat data mining geen statistisch correcte aanpak is voor de data-analyse. Er zal niet gefocust of wanhopig gezocht worden naar “verrassende” resultaten. Deze empirische onregelmatigheid, ook wel data snooping genaamd, komt het vaakst voor in de financieel academische wereld wanneer auteurs trachten anomalieën te verklaren via de bekende asset pricing models (Lo en MacKinlay, 1990). Ondanks de potentieel minder significante waarden blijft het doel van deze dataanalyse om een statistisch en wetenschappelijk correct regressieonderzoek te voeren.
4 Performantieanalyse via Asset Pricing Models In deze sectie zullen drie befaamde asset pricing models gebruikt worden, waarvan steeds een onderliggende marktindex de variatie in de aandelenreturn (mede)verklaard. Allereerst zal dus in paragraaf 4.1 voor elke categorie de meest passende marktindex gezocht worden die dient als vergelijkingsbasis in deze modellen. In de daaropvolgende paragrafen zal een CAPM, three-factor en four-factor model gebruikt worden om de performantie van de verschillende beleggingsfondsen na te gaan. Bovendien zullen deze regressies ook in staat zijn om een stijlanalyse te maken van elke categorie afzonderlijk.
16
4.1
Keuze benchmark
Het kiezen van de meest geschikte benchmark voor de regressie van het CAPM is een belangrijke stap die allesbepalend is voor de grootte van de risk-adjusted excess return, de befaamde alfa. Mijn methode is analoog aan de werkwijze die Anson (2006) hanteert voor zijn performantieanalyse van private equity fondsen. Verschillende benchmarks die verkregen werden via Morningstar worden geregresseerd op de gemiddelde maandelijkse return van elke categorie. Hiervoor werd er een one-period, one-factor CAPM regressie uitgevoerd. Bijgevolg wordt deze benchmark weerhouden die de hoogste R² heeft. Deze benchmark kan de meeste variatie in de onafhankelijke variabele verklaren. Het intercept in de regressies meet de risk-adjusted excess return en wordt bekomen door de risicovrije rente, nl. de Euribor op 3 maanden, van elke maandelijkse return af te trekken. Onderstaande vergelijking verduidelijkt dit: (R i,t − R f,t ) = αi + βi (R m,t − R f,t ) + εi,t
(1)
R i,t is het verwachte rendement van een fonds i in maand t gecorrigeerd voor de risicovrije rente.R f,t stelt de Euribor op 3m voor en R m,t is de marktindex. Het intercept α i meet de “excess return” van fonds i over de voorspelde return door CAPM. β i stelt de marktbeta voor en meet de gevoeligheid van fonds i ten opzichte van de overeenstemmende maktindex, ook wel het systematisch risico genoemd.
Tabel 1 geeft deze single-period CAPM regressie volgens vergelijking (1) weer voor alle vier de categorieën. De benchmarks zijn ofwel deze die de verschillende fondsen in mijn data sample gebruiken, ofwel deze die Morningstar zelf toepast voor die bepaalde categorie. Voor elke marktindex zijn de bèta’s statistisch significant. Met 99% betrouwbaarheid kan worden besloten dat de bètacoëfficiënten in elke regressie de variabiliteit in de maandelijkse returns van de fondsen kunnen verklaren. Bovendien zijn de bèta’s steevast lager dan 1, wat betekent dat deze fondsen gemiddeld minder gevoelig zijn dan de onderliggende marktindex. Het intercept of de alfa is daarentegen zo goed als nergens significant op het 10% significantieniveau. Deze regressie zet bijgevolg al de eerste vraagtekens bij de stock picking skills van een manager.
Paneel A bewijst dat de MSCI Europe Small Cap Index en de FTSE All World Europe Index de beste keuze qua benchmark zijn voor respectievelijk de Small cap en Large cap aandelen. Deze MSCI index omvat data van small caps van 16 ontwikkelde Europese
17
landen. 7 De FTSE, of in het financiële jargon ook vaak de Foetsie genaamd, is een combinatie van 2800 large- en mid cap aandelen. Voor value stocks vertoont de STOXX Europe Large Cap 200 Index de hoogste R² in paneel B. Deze index is afgeleid van de STOXX Europe 600 Index, die voor groeiaandelen de meest geschikte benchmark is. Deze laatste is een sterindex waarbij, naast de in voetnoot 1 vernoemde ontwikkelde Europese landen, ook Ijsland en Luxemburg zijn opgenomen. Paneel C en D tonen aan dat de MSCI Emerging Market Index voor de groeimarkten en de MSCI All Country Far East excluding Japan
Index
voor
Aziatische
aandelen
de
beste
keuze
is,
met
beduidende
8
verklaringskrachten van 95 en 98% respectievelijk. De MSCI Emerging market index is een wereldwijde index die zowel groeilanden uit Amerika, Europa, Afrika, als Azië schaduwt.
Tabel 1: Single-period CAPM regressieanalyse voor Small vs. Large Cap, Value vs. Growth, Emerging markets en Azië Paneel A: Grootte Benchmark
Alfa
t-Stat
Beta
t-Stat
R²
Small Caps S&P Europe Small Cap € MSCI Europe Small Cap € MSCI Europe SM € HSBC Smaller Europe $
-0.0021 -0.0024 -0.0013 -0.0028
-1.10 -1.46 -0.60 -1.07
0.97 0.90 0.94 0.74
30.76 35.27 26.85 21.39
93% 95% 92% 87%
Large Caps MSCI Europe $ FTSE West Europe $ MSCI Pan-Euro $ STOXX Europe 600 € FTSE All World Europe € FTSE All World Europe $ STOXX Europe 600 $
-0.0018 -0.0018 -0.0018 -0.0010 -0.0009 -0.0018 -0.0019
-0.61 -0.63 -0.61 -0.82 -0.75 -0.62 -0.64
0.60 0.59 0.60 0.94 0.92 0.59 0.60
16.31 16.19 15.81 40.66 41.05 16.30 16.32
80% 80% 79% 96% 96% 80% 80%
Alfa
t-Stat
Beta
t-Stat
R²
0.0008 0.0012 0.0017 0.0023
0.26 0.40 0.61 1.52
0.54 0.51 0.49 0.78
13.81 13.21 13.48 28.13
75% 73% 74% 92%
Paneel B: Value vs Growth Benchmark Growth stocks MSCI Europe Growth $ S&P Europe Growth $ MSCI EUROPE $ STOXX Europe 600 € 7
De ontwikkelde Europese landen omvatten: Oostenrijk, België, Denemarken, Finland, Frankrijk, Duitsland, Griekenland, Ierland, Italië, Nederland, Noorwegen, Portugal, Spanje, Zweden, Zwitserland en Groot-Brittannië. 8 De MSCI AC Far East ex Japan Index bestaat uit de volgende 9 ontwikkelde groeilanden: China, Hong Kong, Indonesië, Korea, Malaysia, Filipijnen, Singapore, Taiwan en Thailand.
18
Value stocks MSCI Europe Barra Value MSCI EUROPE Value € MSCI World $ MSCI Pan-Euro $ STOXX Europe 50 $ STOXX Europe Large 200
-0.0013 -0.0001 -0.0037 -0.0026 -0.0020 -0.0016
-0.51 -0.05 -1.50 -0.99 -0.71 -1.02
0.64 0.85 0.79 0.66 0.66 1.00
20.53 31.18 20.81 19.82 18.20 35.43
86% 94% 86% 86% 83% 95%
Alfa 0.0027 -0.0014 -0.0036
t-Stat 0.64 -0.73 -1.45
Beta 0.60 0.80 0.82
t-Stat 14.60 35.93 27.41
R² 77% 95% 92%
Alfa -0.0021 -0.0014 -0.0020 -0.0012 -0.0019
t-Stat -1.22 -0.92 -1.53 -0.48 -0.58
Beta 0.87 0.86 0.90 0.75 1.06
t-Stat 40.45 48.85 54.42 29.00 20.50
R² 96% 97% 98% 93% 86%
Paneel C: Emerging Markets Benchmark MSCI Emerging Markets Eastern Europe MSCI Emerging Markets $ MSCI Emerging Markets IMI Paneel D: Azië Benchmark MSCI Asia Pacific ex. Japan $ MSCI Emerging Markets Asia $ MSCI All Country Far East ex. Japan $ MSCI All Country Pacific ex. Japan $ MSCI All Country Asia ex. Japan €
Bron: Regressieresultaten bekomen via Eviews op basis van vergelijking (1)
Er kan al een eerste vergelijking gemaakt worden tussen de verschillende categorieën wanneer we de bèta’s in Tabel 1 met elkaar vergelijken. In het algemeen zijn de bèta’s van de large caps kleiner dan van de small cap aandelen. Grote bedrijven zijn over het algemeen minder risicovol dan kleinere (Schwert, 1983). Maar kleinere bedrijven hebben dan weer het voordeel dat ze potentieel sterk kunnen groeien. Nu we onze beste benchmark voor elke categorie afzonderlijk kennen, kunnen we verder ons CAPM model analyseren.
4.2
Capital Asset Pricing Model
De bouwsteen bij uitstek in de financiële literatuur omtrent portfoliotheorie en het verklaren van aandelenkoersen is het Capital Asset Pricing model (CAPM). Zich baserend op de portfoliotheorie van Markowitz (1952), rapporteerden verschillende auteurs tegelijk en onafhankelijk van elkaar over dit model (Sharpe 1964; Lintner 1965 en Mossin, 1966). Dit model gebruikt slechts één variabele om de return van een portfolio te verklaren, nl. een markt index. Dit one-factor model, zie vergelijking (1), tracht via de return van de
19
marktportfolio zoveel mogelijk variatie in de afhankelijke variabele, de portfolio van het fonds, te verklaren. De befaamde beta weerspiegelt deze blootstelling aan de markt en omvat het systematisch risico van de portefeuille. De alfa meet de excess return die niet kan verklaard worden door fluctuaties in de onderliggende marktindex. De dataset stelt een heterogeen panel dataset voor, waarbij er een maandelijkse tijdsdimensie aanwezig is enerzijds en een cross-sectionele dimensie van zes verschillende categorieën anderzijds. Elk fonds werd apart geregresseerd volgens vergelijking (1) op de weerhouden benchmark per categorie. 9 Figuur 1 geeft de verdeling van de verschillende alfa’s weer van alle onderzochte beleggingsfondsen voor de periode augustus 2007 tot en met maart 2013.
Figuur 1: Histogram en beschrijvende statistieken van alfa uit het CAPM
Bron: Eviews + eigen herwerking
Alle 190 fondsen hebben gemiddeld een significant negatieve maandelijkse excess return van 0,12% bovenop de voorspelde return door het CAPM. 10 Er zijn ook fondsen die weldegelijk een positieve alfa kunnen genereren, maar liefst 13 van de 15 fondsen onder growth stocks hebben een positieve alfa (cf. infra: tabel 5, p. 34). Het best presterende fonds is hier het Global Emerging Markets Fund van First State met een maandelijkse excess return van 0,95% of jaarlijks een surplus van 11,34%. Natixis Europe Smaller Companies Fund heeft de laagste alfa in deze dataset met een maandelijkse underperformance van de voorspelde return van 1,26%.
9
Bij heterogene panel data varieert zowel het intercept als de “slope” coëfficiënten over de verschillende fondsen. Een fixed effect regressie van de vorm (𝑅𝑅𝑖𝑖,𝑡𝑡 − 𝑅𝑅𝑓𝑓,𝑡𝑡 ) = 𝛼𝛼𝑖𝑖 + 𝛽𝛽(𝑅𝑅𝑚𝑚 ,𝑡𝑡 − 𝑅𝑅𝑓𝑓,𝑡𝑡 ) + 𝜀𝜀𝑖𝑖,𝑡𝑡 kan, door de te simplistische assumptie dat de bèta constant is over de verschillende fondsen, niet uigevoerd worden. 10 Voor het berekenen van de p-waarde en het betrouwbaarheidsinterval werd door Dr. Heyman een t-test uitgevoerd via Matlab.
20
4.3
Het Three-Factor Model
Het CAPM houdt eenzijdig rekening met de blootstelling ten opzichte van de markt en negeert enkele bepalende factoren zoals de grootte van een onderneming, de boekwaarde, de koers-winstverhouding en de cashflow-to-price ratio (Lakonishok et al.,1994; Bauman et al., 1998). Zoals in paragraaf 2.2 van het literatuuroverzicht al werd aangehaald, bevestigen Fama en French (1992, 1993 en 1996) de kritiek van Basu(1977,1983) en Ball (1978) dat het CAPM tekortkomt in het voorspellen van de gemiddelde return van een aandelenportefeuille.
Dat het voor investeerders interessant is om weten welke beleggingsstrategie te kiezen, bewijzen volgende twee figuren. Afhankelijk van de macro-economische periode of de conjunctuur waarin we zitten, is de ene categorie een betere keuze dan de andere. Deze “equity timing strategies” vormt een onderdeel van de tactische asset allocation die een investeerder voor ogen moet houden. Figuren 2 en 3 schetsen een eerste indruk hoe de verschillende onderzochte categorieën ten opzichte van elkaar presteerden over de sample periode. Een analyse van de style timing zal in deze masterproef niet aan bod komen. Zogenaamde “multistyle rotation strategies” hebben echter wel een significant positieve invloed op de performance van het beleggingsfonds en outperformen de beste buy-and-hold strategie volgens Arshanapalli, Switzer en Panju (2007).
Figuur 2:
Maandelijkse Performance van Large Caps vs. Small Caps 8,00% 6,00% 4,00% 2,00% 0,00% -2,00% -4,00% -6,00%
Bron: Eigen verwerking
21
Figuur 3:
Maandelijkse Performance van Growth Stocks vs. Value Stocks 5,00% 4,00% 3,00% 2,00% 1,00% 0,00% -1,00% -2,00% -3,00% -4,00% -5,00%
Bron: Eigen verwerking
Er zijn enkele trends merkbaar waar large caps en growth stocks hun tegenhangers outperformen. Tijdens enkele opeenvolgende maanden in ’08 en ’11 vertonen deze categorieën een beduidend hogere return. Net na deze crisisperiodes zijn het voornamelijk de small caps en value stocks die outperformen. Deze vaststelling bevestigt de waarde om rekening te houden met het size- en value-effect. Het three-factor model van Fama en French (1993) corrigeert voor deze gemeenschappelijke risicofactoren met hun befaamde toevoeging van SMB en HML aan het CAPM. Dit leidt tot volgende algebraïsche uitdrukking: 𝐸𝐸�𝑅𝑅𝑖𝑖,𝑡𝑡 � = 𝛼𝛼𝑖𝑖 + 𝛽𝛽1 ∗ 𝐸𝐸�𝑅𝑅𝑚𝑚 ,𝑡𝑡 − 𝑅𝑅𝑓𝑓,𝑡𝑡 � + 𝛽𝛽2 ∗ 𝑆𝑆𝑆𝑆𝑆𝑆𝑗𝑗 ,𝑡𝑡 + 𝛽𝛽3 ∗ 𝐻𝐻𝐻𝐻𝐻𝐻𝑗𝑗 ,𝑡𝑡 + 𝜀𝜀𝑖𝑖,𝑡𝑡
(2)
De verwachte return van fonds i, E(R i,t ), wordt nu naast de onderliggende benchmark ook verklaard door de exposure ten opzichte van de SMB en HML variabele voor elke categorie j. De factor loadings β 2 en β 3 zijn een premium of compensatie voor de investering die werd gedaan in respectievelijk small of large caps en growth of value stocks. Voor de opstelling van deze factor risk premiums wordt analoog als Crombez et al. (2001) gewerkt. 11 Voor SMB wordt de brede marktindex van MSCI Large Cap afgetrokken van de MSCI Small Cap index voor elke categorie afzonderlijk.. De MSCI Europe -, MSCI Emerging Markets- en MSCI Emerging
Markets
Azië
Large
en
Small
Cap
index
worden
gebruikt
voor
de
overeenstemmende onderzochte categorieën. De HML variabele trekt een index van growth 11
Crombez et al. (2001) gebruikt de Dow Jones STOXX index, daar waar in deze paper een vergelijkbare brede marktindex wordt gebruikt, de Morgan Stanley Capital International (MSCI).
22
stocks met een lage book-to-market af van een index van value stocks die gekenmerkt worden door een hoge book-to-market (Fama & French, 1992). Opnieuw wordt de MSCI index hiervoor aangewend, met voor de corresponderende strategieën de MSCI Europe-, MSCI Emerging Markets- en MSCI Emerging Markets Azië Growth en Value Stocks.
Figuur 4: Histogram en beschrijvende statistieken van alfa uit het Three-Factor Model
Bron: Eviews + eigen herwerking
Na correctie voor het size- en value-effect via het three-factor model, zakt de gemiddelde excess return verder tot een maandelijkse negatieve alfa van 0,15%. Deze waarde is bovendien significant negatief en verschillend van 0 doordat de p-waarde van de t-test praktisch 0 bedraagt. Het best presterende emerging market fonds van First State is nog steeds de beste van de klas in deze dataset en kent zelfs een hogere alfa dan onder het CAPM. Het small cap fonds van Natixis blijft de laagste excess return genereren met een negatieve maandelijkse alfa van -1,3%.
De verschillende soorten investment styles zijn sterk bepalend voor de exposure ten opzichte van de verklarende variabelen in het three-factor model. “It is widely agreed that asset allocation accounts for a large part of the variability in the return on a typical investor's portfolio”, verklaarde Sharpe (1992, p. 1). Figuren 2 en 3 toonden ook aan dat stijlkeuze bepalend
is
voor
de
performantie
van
een
beleggingsfonds
doorheen
een
conjunctuurcyclus. Om zelf een stijlanalyse te kunnen uitvoeren, wordt van elke categorie een maandelijks gemiddelde genomen van de returns van elk fonds. Vervolgens wordt dit
23
gemiddelde gebruikt als te verklaren variabele in het three-factor model. Tabel 2 geeft de regressieresultaten weer. 12
Tabel 2: Style Analysis voor het Three-Factor Model Alfa
Rm-Rf
SMB
HML
adj. R²
Small Caps
-0.0035 (-2,29)**
0,9243 (27,78)***
-0,0996 (1,49)
-0,2527 (-3,59)***
96,02%
Large Caps
-0,0016 (-1,42)
0,9386 (38,84)***
0,1404 (3,55)***
-0,1415 (-2,73)***
97,11%
Growth Stocks
0,0011 (0,99)
0,8484 (35,75)***
0,1901 (5,00)***
-0,3264 (-6,56)***
96,34%
Value Stocks
-0,0017 (-1,27)
0,9654 (32,46)***
0,2362 (5,06)***
0,0739 (1,19)
96,32%
Emerging Markets
-0,0007 (-0,41)
0,7884 (37,41)***
0,1191 (1,49)
-0,4237 (-3,23)***
95,85%
Azië
-0,0017 (-1,24)
0,8916 (50,55)***
0,0319 (0,60)
-0,1032 (-1,45)
97,80%
Noot: ***, **, * staat voor statistische significantie op het 1%, 5% en 10% niveau Bron: Eviews
De meest significante variabele blijft de marktindex uit het univariate CAPM. Voor elke categorie is de benchmark (R m – R f ) significant op het 1% niveau. De significant negatieve HML coëfficiënt bij de categorie small- en large caps bewijst dat deze fondsen voornamelijk in groeiaandelen beleggen. Voor de blootstelling t.o.v. SMB kan geen conclusie getrokken worden omdat mogelijks de sample te beperkt is. De theoretische verwachting is dat de coëfficiënt voor SMB positief is voor small caps en negatief is voor large caps. Mogelijks is er nog ruimte voor verbetering van de constructie van mijn opgestelde SMB variabele aangezien de coëfficiënt voor large caps significant positief is, wat sterk te betwisten valt.
De categorie van groeiaandelen wordt gekenmerkt door een significante asset allocation in small caps met een zeer significant positieve waarde voor SMB. De HML coëfficiënt bevestigt overigens de stijl van deze categorie. Ook de fondsen die beleggen in value stocks 12
Merk op: alfa stelt in deze stijlanalyse niet de excess return van een fonds i voor, aangezien een maandelijkse gemiddelde werd genomen voor alle fondsen binnen een categorie.
24
hebben een grotere blootstelling aan small cap aandelen met een significante waarde van 0,24 bij SMB. De positieve coëfficiënt bij HML kan niet significant bevestigen dat de categorie value stocks ook wel degelijk in dergelijke aandelen belegd is, iets wat het fourfactor model van hierna wel kan. Als laatste bevestigt de significant negatieve waarde voor HML de verwachting dat de emerging market fondsen voornamelijk in groeiaandelen beleggen die een lagere book-to-market waarde kennen.
4.4
Het Four-Factor Model
Er is nog één tekortkoming aan Fama en French’ three-factor model die Carhart (1997) oplost met zijn four-factor model. Het korte termijn momentum effect van recent sterk presterende aandelen die ook een sterke performance in de volgende periode kennen, wordt niet gevat door de extra SMB en HML variabelen. Carhart (1997) voegt een momentum (MOM) factor toe aan uitdrukking (2) van het three-factor model: 𝐸𝐸�𝑅𝑅𝑖𝑖,𝑡𝑡 � = 𝛼𝛼𝑖𝑖 + 𝛽𝛽1 ∗ 𝐸𝐸�𝑅𝑅𝑚𝑚 ,𝑡𝑡 − 𝑅𝑅𝑓𝑓,𝑡𝑡 � + 𝛽𝛽2 ∗ 𝑆𝑆𝑆𝑆𝑆𝑆𝑗𝑗 ,𝑡𝑡 + 𝛽𝛽3 ∗ 𝐻𝐻𝐻𝐻𝐻𝐻𝑗𝑗 ,𝑡𝑡 + 𝛽𝛽4 ∗ 𝑀𝑀𝑀𝑀𝑀𝑀𝑗𝑗 ,𝑡𝑡 + 𝜀𝜀𝑖𝑖,𝑡𝑡
(3)
Voor de MOM factor wordt voor elke categorie j een adequate momentum index gebruikt. Momentum indexen hebben als doel om ceteris paribus een maximale blootstelling ten opzichte van deze ene factor zo goed mogelijk te benaderen. Via Datastream wordt voor de Europese small cap, large cap, growth en value aandelen de MSCI Europe Momentum Tilt Index gebruikt. Deze index is gebaseerd op de MSCI Europe Index en bevat aandelen met een hogere historische alfa die recent relatief beter presteerden. De MOM factor voor de categorie emerging markets is de FTSE Emerging Markets Active Beta Momentum Index. Deze index gebruikt de FTSE All World Index als vertrekpunt. Een specifieke momentum index voor de Aziatische markt was niet voor handen via Datastream, waardoor een wereldwijde index gekozen wordt voor deze categorie, nl. de MSCI All Country World Momentum Index.
De toevoeging van de momentum factor zorgt ervoor dat de gemiddelde excess return verder zakt tot -0,19 zoals de beschrijvende statistieken in figuur 5 aantonen. De gemiddelde alfa blijft significant negatief voor de volledige groep beleggingsfondsen. Ook ditmaal blijven de excess returns robuust. First States groeimarktenfonds bekleedt nog steeds de eerste plaats en het fonds van Natixis is de hekkensluiter in mijn dataset.
25
Figuur 5: Histogram en beschrijvende statistieken van alfa uit het Four-Factor Model
Bron: Eviews + eigen herwerking
Tabel 3: Style Analysis voor het Four-Factor Model Alfa
Rm-Rf
SMB
HML
MOM
adj. R²
Small Caps
-0,0039 (-2,57)**
0,7360 (6,16)***
0.2655 (2,20)**
-0,2061 (-2,74)***
0,1922 (1,63)
96,12%
Large Caps
-0,0018 (-1,63)
0,8341 (9,06)***
0,1403 (3,56)***
-0,1161 (-2,08)**
0,1077 (1,18)
97,13%
Growth Stocks
0,0009 (0,84)
0,7953 (8,75)***
0,1897 (4,97)***
-0,3137 (-5,78)***
0,0536 (0,61)
96,52%
Value Stocks
-0,0025 (-2,03)**
0,6221 (6,04)***
0,1965 (4,41)***
0,1562 (2,52)**
0,3446 (3,46)***
96,86%
Emerging Markets
-0,0014 (-0,82)
0,5393 (7,00)***
0,1252 (1,68)*
-0,2431 (-1,83)*
0,2768 (3,34)***
96,43%
Azië
-0,0017 (-1,24)
0,8774 (23,81)***
0,0360 (0,66)
-0,0990 (-1,37)
0,01947 (0,44)
97,77%
Noot: ***, **, * staat voor statistische significantie op het 1%, 5% en 10% niveau Bron: Eviews
De stijlanalyse wordt weergegeven in tabel 3. Het four-factor model kan over het algemeen beter de gemiddelde maandelijkse return van een categorie j bepalen. In vergelijking met tabel 2 worden meer coëfficiënten significant gevonden. De coëfficiënt van SMB bij small caps is op het 5%-niveau significant en toont aan dat deze fondsen zich houden aan hun
26
mandaat. Voor de Large Cap categorie wordt andermaal een contradictoire waarde gevonden die zou impliceren dat deze fondsen overwegend posities hebben in small cap aandelen. Wat na de toevoeging van de MOM factor nog steeds opgaat, is de significante aanwezigheid in groeiaandelen van de categorie small en large caps met respectievelijk -0.21 en -0.12 als blootstelling t.o.v. het value-effect.
Met een zeer significant negatieve waarde bij growth stocks en een significant positieve waarde voor value stocks van HML wordt het mandaat van deze categorieën nu wel bevestigd. De Aziatische categorie blijft onbeslist, maar voor de Emerging Markets toont deze stijlanalyse met een four-factor model aan dat deze fondsen voornamelijk posities hebben in small growth stocks. Deze factoren zijn ook nauw gecorreleerd, aangezien de small cap aandelen in groeilanden zich ook als growth stocks laten catalogeren.
De categorieën value stocks en emerging markets vertonen een significante blootstelling voor het momentumeffect. De fondsen binnen deze categorie hebben aandelen in portefeuille die de afgelopen tijd goed presteerden en in de nabije toekomst volgens de momentumtheorie ook zouden moeten excelleren. Technische analysten zouden voor portefeuilles uit deze categorieën een opwaartse trendlijn waarnemen waardoor deze categorieën een koopsignaal geven op de korte termijn.
Over het algemeen is het CAPM model dus een goede startbasis. Ze toont aan dat een fonds maandelijks gemiddeld een negatieve alfa van 0,12% heeft. Het three-factor model is een uitbreiding die volgens Fama en French (1993) tot 90% van de variatie in de returns kan verklaren, daar waar het CAPM model slechts 70% kan verklaren. Wanneer voor deze anomalieën gecorrigeerd wordt, daalt de gemiddelde alfa tot -0,15%. Na de toevoeging van een Carharts (1997) momentum factor, daalt de maandelijks gemiddelde alfa verder tot -0,19. Dit four-factor model blijkt de grootste verklarende kracht te hebben en maakt een style analysis accurater dan het three-factor model.
Tot zover deze conceptuele en modelmatige benadering van de performantie van beleggingsfondsen. In sectie 5 en 6 zal de invloed worden nagegaan van de kostenpolitiek die een fonds heeft en zijn fondsspecifieke eigenschappen op de winstgevendheid ervan. Dit zijn belangrijke analyses die een investeerder steeds dient te maken alvorens in te tekenen op een fonds, aangezien bepaalde variabelen een significante negatieve invloed kunnen hebben op het uiteindelijke netto rendement dat de investeerder terugkrijgt.
27
5 Effecten van kenmerken op de totale uitgavenratio In deze sectie wordt een regressieanalyse uitgevoerd om de bepalende variabelen voor de totale uitgavenratio (TER) van een beleggingsfondsen te achterhalen. De uiteenlopende soorten fees en karakteristieken van fondsen hebben elk een verschillend effect op de totale operationele kost van een fonds. Een analyse van de totale uitgavenratio of total expense ratio (TER) is zowel voor het fonds als de investeerders van zeer groot belang aangezien dit een weerslag geeft op het uiteindelijk netto rendement (cf. infra: sectie 6, pp. 31-38). Beide partijen hebben er alle baat bij de TER te minimaliseren. Investeerders moeten dus nagaan welk type kost het maken waard is om deze TER zo laag mogelijk te houden (Dellva & Olson,1998).
Fondsbeheerders zijn typisch betaald voor de potentiële alfa die ze kunnen genereren. Het Fama en French three-factor model en Carharts four-factor model toonden aan dat alfa gezuiverd moet worden van het size-, value- en momentum effect. Gezien de gemiddeld negatieve alfa is bijgevolg geen enkele reden om fondsbeheerders van small cap en value cap fondsen te vergoeden voor hun stock picking skills, aangezien deze categorieën hun wederhelft gemiddeld toch outperformen. Een fondsmanager dient enkel vergoed te worden voor zijn idiosyncratisch risico en niet voor zijn systematische blootstelling aan de gekende risk factor zoals SMB, HML of MOM.
Verder rechtvaardigen fondsen hun 12b-1 fees met het argument dat deze marketingkosten het fonds dermate doen groeien zodat schaalvoordelen zich vertalen in een lagere TER waarvan de huidige aandeelhouders mee kunnen profiteren. Er wordt ook verwacht dat jongere fondsen opstartkosten hebben, waardoor zij initieel nog met hogere uitgaven geconfronteerd worden. Dellva en Olson (1998) stellen dat fondsen met een hogere cashpositie lagere administratie– en monitorkosten ondervinden, en bijgevolg een lagere uitgavenratio hebben in vergelijking met fondsen die een zo goed als complete positie in aandelen bekleden. 13
Een laatste interessante beschouwing word door Cumby en Glen (1990) gemaakt met betrekking tot het kostenplaatje dat internationale beleggingsfondsen moeten trotseren. De kost voor het verzamelen van informatie in verder gelegen (groei)landen en de
13
Deze verklarende variabelen (grootte van het fonds, oprichtingsdatum (leeftijd), aankoopkosten,uitstapkost) werden allemaal via de fondsen database van Morningstar verzameld.
28
cashpositie,
monitorkosten die hierbij komen kijken, zijn volgens deze twee auteurs beduidend hoger in vergelijking met fondsen die beleggen in zogenaamde domestic stocks.
Om de effecten van deze kosten en kenmerken van fondsen op de totale uitgavenratio na te gaan, wordt volgende regressievergelijking aangewend:
𝑇𝑇𝑇𝑇𝑇𝑇𝑖𝑖 = 𝛽𝛽0 + 𝛽𝛽1 ∗ (ln(𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑖𝑖 )) + 𝛽𝛽2 ∗ (𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑖𝑖 ) + 𝛽𝛽3 ∗ (𝑐𝑐𝑐𝑐𝑐𝑐ℎ𝑖𝑖 ) + 𝛽𝛽4 ∗
(𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑖𝑖 ) + 𝛽𝛽5 ∗ (𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑢𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑖𝑖 ) + 𝛽𝛽6 ∗ (𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 ) + 𝜀𝜀𝑖𝑖
(4)
waar TER i de total expense ratio als percentage van de totale activa van fonds i voorstelt; ln(grootte i ) is de natuurlijke logaritme van de totale activa onder beheer bij fonds i; leeftijd i is een dummy variabele die gelijk is aan 1 voor fondsen die ouder zijn dan 10 jaar (ouder dan 03/2003) en gelijk aan 0 in het ander geval; cash i staat voor de netto kaspositie uitgedrukt als een percentage van de totale activa van fonds i; aankoopkosten i zijn de zogenaamde front-end loads die fonds i vraagt; switchkost i of de redemption fee, is de uitstapvergoeding die fonds i hanteert; en internationaal i ten slotte is een dummyvariabele die gelijk is aan 1 wanneer fonds i deel uitmaakt van de categorie Emerging markets of Azië, en 0 anderzijds. Tabel 4: Cross-sectionele regressie van kenmerken van fondsen op de Total Expense Ratio (TER) Coëfficiënt Intercept ln(grootte) Leeftijd Cash Aankoopkosten Uitstapvergoeding Internationaal
0,017758 -0,000711 -0,000464 0,022653 0,085631 -0,011392 0,002836
adj. R² F-test std. Error
18,42% (8,22)*** 0,004761
T-Statistiek (12,23)*** (-3,23)*** (-0,63) (1,83)* (4,55)*** (-0,36) (3,844)***
Noot: ***, **, * staat voor statistische significantie op het 1%, 5% en 10% niveau Bron: Eviews
Tabel 4 toont de cross-sectionele regressieresultaten van vergelijking (4) voor de 190 beleggingsfondsen uit de dataset. De verklaringskracht van het model is eerder aan de lage
29
kant, maar is wel erg significant. De gezamenlijke significantie van de coëfficiënten wordt bevestigd met een F-test die significant is op het 1% niveau over de sample periode.
Beleggingsfondsen hebben duidelijke schaalvoordelen. De variabele ln(grootte) is significant negatief wat betekent dat de totale uitgaven van het fonds dalen wanneer het fonds groter wordt. Analoog aan Dellva en Olson (1998) kan dus geconcludeerd worden dat grotere fondsen een hogere operationele efficiëntie hebben die via een lagere TER ook de investeerders bevoordeelt. Een lagere TER kan namelijk betekenen dat de management fee of de beheerskost, jaarlijks ten laste van de beleggers, verlaagd wordt door de toegenomen schaalvoordelen. 14
De variabelen leeftijd en uitstapvergoeding zijn niet of nauwelijks significant in deze regressieanalyse. De leeftijdsvariabele wordt in de wetenschappelijke literatuur vaak significant negatief gevonden, aangezien oudere fondsen ook vaak de grotere fondsen zijn (Dellva & Olson, 1998). Deze resultaten zijn daarom niet minder betrouwbaar, aangezien deze leeftijdsvariabele zeer sample specifiek is, getuigt de studie van Ferris en Chance (1987). Zij vinden een significant negatieve leeftijdsvariabele voor het jaar 1984, maar niet voor het daaropvolgende jaar en concluderen dat oudere fondsen geen sluitende garantie bieden op een lagere TER.
Het effect van het aanhouden van cash op de uitgavenratio is in tegenstelling tot Dellva en Olsons (1998) vermoeden positief significant op het 10% niveau. Echter moet volgende kanttekening bij deze datasample worden gemaakt. Volgens Dellva en Olson (1998) is het effect van cash op TER voor verschillende jaren een onbepaald effect. Enkel de jaren 1989, 1990 en 1992 hebben in hun sampleperiode van 1987-1992 een significant negatieve coëfficiënt. Het is in bovenstaande regressie onmogelijk om dit apart per jaar te regresseren aangezien Morningstar slechts op één bepaald moment in de tijd deze verklarende variabelen verstrekt aan het publiek.
Een derde significant resultaat is de coëfficiënt voor internationale fondsen. Fondsen die hun thuisbasis in Europa hebben en beleggen in emerging markets en in Azië ondervinden een hogere informationele kost. Dergelijke fondsen rekenen deze meerkost door aan de investeerders via een hogere TER. Welke component van de TER er bijgevolg toeneemt is onduidelijk (cf. supra: paragraaf 2.3, pp. 7-8). Eén van deze componenten waarvoor ik geen 14
De beheerskost werd in deze regressie niet opgenomen als variabele aangezien deze deel uit maakt van de TER volgens de wetgeving opgelegd door de SEC. Ter controle werd deze variabele toch zeer significant positief gevonden met de TER, wat erop duidt dat bijna alle fondsen een hogere TER rapporteren wanneer hun management fees ook zijn toegenomen.
30
specifieke data kon bemachtigen zijn de 12b-1 fees. Dellva en Olson (1998) vinden een zeer significant positieve relatie tussen de marketing- en distributiekosten en de TER voor de jaren 1987-92. Data met betrekking tot de frequentie van aan- en verkopen was voor mijn dataset ook niet beschikbaar op Morningstar. Dellva en Olson (1998) vinden zoals verwacht een sterke positieve relatie tussen deze turnovervariabele en de uitgavenratio. Hoe hoger de tradingfrequentie, hoe hoger de kosten voor het fonds.
De
bekomen
verwachtingen.
coëfficiënt Deze
voor
de
verklarende
aankoopkosten variabele
is
is
conform
significant
de
vooropgestelde
positief
op
het
1%
significantieniveau. Fondsen met hoge front-end load charges moeten dus, in tegenstelling tot de verrassende resultaten van Dellva en Olson (1998), vermeden worden. De uitstapvergoeding wordt door deze auteurs ook significant positief gevonden, waardoor fondsen met hoge uitstapkosten ook best vermeden worden. Echter biedt bovenstaande regressieanalyse geen evidentie voor deze laatste bevinding.
6 Effecten van kosten en kenmerken op performantie In deze laatste sectie zullen enkele performantie maatstaven worden berekend die dienst doen
als
vergelijkingsbasis
voor
de
winstgevendheid
van
de
verschillende
beleggingsfondsen. Welke eigenschappen van een fonds hebben een significante invloed op de performantie ervan? Welke soort kosten hebben een doorslaggevende rol op het uiteindelijke netto rendement? Dergelijke onderzoeksvragen zullen in deze paragraaf geanalyseerd worden.
Zoals in het literatuuroverzicht al werd aangehaald, hebben de grootte en de leeftijd een positieve relatie met de performantie van het fonds (Dellva en Olson, 1998). Ook de type kosten die fondsen aanrekenen zijn van afdoende belang voor het netto rendement van de investeerders. Zo adviseren Dahlquist et al. (2000) om fondsen met te hoge aankoop- en uitstapkosten te mijden. De netto return kan deze hogere fees niet rechtvaardigen. Grossman en Stiglitz (1980) stellen voorts dat beter geïnformeerde fondsen ook een hoger rendement kunnen verwerven maar dit tevens gepaard gaat met een hogere kostenstructuur.
De volgende uitdaging die zich nu stelt, is hoe we de performantie van de beleggingsfondsen kwantitatief zullen uitdrukken. De populairste performance measures in de academische literatuur blijven nog steeds de Sharpe ratio (Sharpe, 1964), Treynor ratio (Treynor, 1966) en
31
Jensen’s alfa (Jensen, 1969). Deze ratio’s verschillen onderling door een verschillende kijk op het meten van het risico die een portfoliomanager loopt. De standaarddeviatie is een vaak gebruikte norm voor het meten van het risico of de volatiliteit van een investering. Sharpe (1964) gebruikt de standaardafwijking voor het meten van het totale risico die een beleggingsportefeuille
bezit.
Het
totale
risico
omvat
het
systematische
en
het
idiosyncratische risico. Uitdrukking (5) stelt deze Sharpe ratio voor:
𝑆𝑆𝑝𝑝 =
𝑅𝑅𝑝𝑝 − 𝑅𝑅𝑓𝑓 𝜎𝜎𝑝𝑝
(5)
met R p de gemiddelde return van de portfolio van een bepaald fonds over de onderzochte periode; R f stelt de risicovrije rente voor; σ p staat voor de standaardafwijking of de volatiliteit van de excess return. De Sharpe ratio laat ons toe om na te gaan of het rendement van een fonds te wijten is aan goede en winstgevende investeringen, of dat het simpelweg een vergoeding is voor het systematische risico van de belegging. Hoe hoger de Sharpe ratio, hoe hoger de risk-adjusted performance van het fonds. Wanneer de Sharpe ratio negatief is, dan is het rendement van deze portefeuille lager dan een investering in de risicovrije rente, en loont ze beslist de moeite niet. Voor een investeerder is deze ratio van grote waarde aangezien hij een fonds zoekt die hem een hoog rendement kan aanbieden, zonder dat dit het gevolg is van het nemen van overmatige risico’s.
Treynor (1966) vond dat een fonds in staat moet zijn om elk idiosyncratisch risico weg te diversifiëren. Bijgevolg argumenteerde Treynor dat de bèta, die het systematische marktrisico capteert, de correcte maatstaf is voor het risico dat een fonds loopt. De performance van een fonds is volgens Treynor de gemiddelde risk-adjusted return over de onderzochte periode. Formeel ziet de Treynor ratio, ook wel de reward-to-volatility ratio genoemd, er als volgt uit:
𝑇𝑇𝑝𝑝 =
𝑅𝑅𝑝𝑝 − 𝑅𝑅𝑓𝑓 𝛽𝛽 𝑝𝑝
(6)
met R p de gemiddelde return van de portfolio van een fonds over de bestudeerde periode; R f stelt de risicovrije rente voor; en β p meet het systematisch risico van de portefeuille van het fonds. Intuïtief kan de Treynor ratio dus opgevat worden als een performance maatstaf die de excess return bovenop een risicovrije investering in relatie zet tot het te diversifiëren risico. Hoe hoger deze ratio, hoe beter de performantie van die portfolio en hoe interessanter dit fonds wordt voor potentiële investeerders, zonder hierbij echter rekening te houden met de risicobereidheid van deze partij.
32
Vergelijking (5) en (6) verschillen enkel in het feit dat de Sharpe ratio het totale risico gebruikt, daar waar de Treynor ratio enkel rekening houdt met het systematisch risico. Wanneer de conclusies op basis van beide ratio’s sterke gelijkenissen vertonen, is dit een teken dat het beleggingsfonds een goed gediversifieerde portfolio aanhoudt.
Een derde en laatste performantie maatstaf die zal aangewend worden, is Jensen’s alfa. Het weerspiegelt de procentuele excess return die een fonds kan genereren bovenop de voorspelde return van een onderliggende benchmark. Deze benchmark is in het CAPM de marktindex. Bijgevolg is de formule voor Jensen’s alfa een herschikking van formule (1) voor het CAPM die we eerder al gebruikten in paragraaf 4.1: (𝑅𝑅𝑖𝑖,𝑡𝑡 − 𝑅𝑅𝑓𝑓,𝑡𝑡 ) − 𝛽𝛽𝑖𝑖 (𝑅𝑅𝑚𝑚 ,𝑡𝑡 − 𝑅𝑅𝑓𝑓,𝑡𝑡 ) = 𝛼𝛼𝑖𝑖 + 𝜀𝜀𝑖𝑖,𝑡𝑡
(7)
met (R i,t – R f,t ) de maandelijkse return van fonds i in maand t gecorrigeerd voor de risicovrije rente, zijnde de Euribor op 3maand; β i de factor loading die de sensitiviteit ten opzichte van de marktindex weergeeft; (R m,t – R f,t ) de maandelijkse risk-adjusted return voor de marktindex; en α i de excess return van fonds i die Jensen’s alfa voorstelt. Wanneer α i positief en significant verschillend is van nul, dan is dit een teken dat dit fonds een superieure absolute performance kan neerzetten ten belope van deze waarde.
Tabel 5 geeft een descriptief overzicht van deze drie performantie maatstaven voor elk fonds binnen de onderzochte dataset. Er wordt telkens een categorisch gemiddelde, alsook de ratio voor de meest adequaat gevonden benchmark weergegeven. Vervolgens wordt aangeduid hoeveel van de geanalyseerde fondsen een betere performance dan hun concurrenten kunnen voorleggen. Voor de Sharpe en Treynor ratio vormt de equivalente ratio van de benchmark de vergelijkende basis (zie noot bij tabel 5). Aangezien het berekenen van de alfa niet mogelijk is voor een marktindex, wordt voor het aantal outperformers volgens Jensen’s alfa gekeken of de ratio een positief teken heeft.
Er tekent zich een duidelijk patroon af voor de categorie fondsen die belegt in groeiaandelen. Op enkele fondsen na, doen deze fondsen het allemaal beter dan de onderliggende benchmark over de drie performantie maatstaven heen. En bijgevolg is dit de enige categorie die gemiddeld een positieve alfa heeft. Fondsen die hun strategie toespitsen op value stocks outperformen beduidend minder hun onderliggende benchmark. Ook de overige categorieën zetten met moeite een betere prestatie neer dan de overeenstemmende meest geschikte benchmark.
33
Tabel 5: Overzicht van de performantie maatstaven Sharpe Ratio Small Caps Large Caps Growth Stocks Value Stocks Emerging Markets Azië
Gemiddelde -1,2223 -1,6401 0,14758 -1,8497 -0,372 -0,3008
Benchmark -0,027609 -0,046607 -0,044282 -0,047536 0,004245 0,0202728
# outperformers 2/27 2/57 11/15 1/24 10/37 10/30
Treynor Ratio Small Caps Large Caps Growth Stocks Value Stocks Emerging Markets Azië
Gemiddelde -0,0039 -0,0036 0,00103 -0,0042 -0,0005 -0,0007
Benchmark -0,001829 -0,002636 -0,002451 -0,002587 0,0003716 0,0016574
# outperformers 4/27 12/57 13/15 4/24 8/37 5/30
Jensen's Alfa Small Caps Large Caps Growth Stocks Value Stocks Emerging Markets Azië
Gemiddelde -0,0023 -0,0009 0,00233 -0,0016 -0,0014 -0,0022
Benchmark / / / / / /
# outperformers 4/27 12/57 13/15 6/24 5/37 4/30
Noot: Analoog aan vergelijkingen (5) en (6) werden volgende formules gebruikt voor het berekenen van de Sharpe en Treynor Ratio voor de benchmark: Tm= (Rm- Rf)/βm en Sm= (Rm- Rf)/σm met βm de marktbèta die logischerwijs gelijk is aan 1 en σm gelijk aan de standaardafwijking van de benchmark van de overeenstemmende categorie. Bron: Eviews
Analoog aan Dahlquist et al. (2000) zullen de verschillende kenmerken van fondsen of zogenaamde “fund attributes” geregresseerd worden op Jensen’s alfa. Er wordt een aggregaat gemaakt van alle categorieën samen waarop een lineaire regressie uitgevoerd wordt, aangezien een tijdsdimensie ontbreekt in deze dataverzameling. Om het inherente probleem van een eenzijdige interpretatie op basis van alfa te vermijden, worden ook nog de Sharpe en de Treynor ratio gebruikt als te verklaren variabele voor de performantie. Op deze manier worden de schattingsresultaten robuuster en kunnen we betrouwbaardere conclusies
34
trekken rond het effect van verschillende type kosten en kenmerken van fondsen op de performantie ervan. Vergelijking (8) toont hoe deze lineaire regressie werd uitgevoerd: 𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑖𝑖 = 𝛽𝛽0 + 𝛽𝛽1 ∗ (ln(𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑖𝑖 )) + 𝛽𝛽2 ∗ (𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝑖𝑖 ) + 𝛽𝛽3 ∗ (𝑇𝑇𝑇𝑇𝑇𝑇𝑖𝑖 ) + 𝛽𝛽4 ∗
(𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝑖𝑖 ) + 𝛽𝛽5 ∗ (𝐵𝐵𝐵𝐵ℎ𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑖𝑖 ) + 𝛽𝛽6 ∗ (𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑖𝑖 ) + 𝛽𝛽6 ∗ (𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝑖𝑖 ) + 𝛽𝛽7 ∗ (𝐶𝐶𝐶𝐶𝐶𝐶ℎ𝑖𝑖 ) + 𝛽𝛽8 ∗ (𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝑖𝑖 ) + 𝜀𝜀𝑖𝑖
(8)
met Performantie i eenmaal de Sharpe Ratio, dan de Treynor Ratio, dan weer Jensen’s alfa van fonds i; ln(grootte i ) is de natuurlijke logaritme van de grootte of de AUM van het fonds i; Leeftijd i is een dummyvariabele met een waarde 1 voor fondsen ouder dan 10jaar, en 0 in het andere geval; TER i is de Total Expense Ratio van fonds i; Aankoopkosten i , Beheerskost i en Uitstapkost i zijn de kosten die fonds i aanrekent voor hun diensten; Beta i is het systematische risico van fonds i die via een CAPM regressie op de meest geschikte benchmark bekomen werd; Cash i is de netto postitie (long-short) aan liquide middelen die het fonds i bezit; en Internationaal i is een dummyvariabele met een waarde 1 voor fondsen die van de categorie Emerging Markets en Azië. Tabel 6 geeft deze regressieresultaten weer.
De verklaringskracht van deze drie modellen varieert van 15,99% tot 35,32%, waarbij de gezamenlijke significantie van de verklarende variabelen voor elke performantie maatstaf wordt bevestigd door de F-test die significant is op het 1% niveau. Een eerste waardevolle conclusie die kan worden gemaakt, is dat de geschatte coëfficiënten robuust zijn voor elke ratio. Voor alle drie de ratio’s zijn steeds dezelfde variabelen significant. Welke variabelen kunnen nu significant superieur presterende fondsen verklaren?
Eén daarvan is de grootte van het fonds. Er werd reeds aangetoond in tabel 4 dat er een significant negatieve relatie bestaat tussen de grootte van het fonds en de TER. Grotere fondsen kunnen profiteren van schaalvoordelen waardoor de TER verlaagt naarmate het fonds groeit. Ondanks Dellva en Olson (1998) geen significante weerslag hiervan zien op de performance, valt in deze analyse wel degelijk te concluderen dat grotere fondsen een significant hogere performance kennen. Wel vinden deze auteurs een sterk significant positief effect van 12b-1 fees op de performance. Deze marketingkosten hebben als doel het aantrekken van investeringsmiddelen om zo het fonds groter te maken, waardoor deze gevonden relatie tussen de grootte van het fonds en de performantie ervan robuuster wordt. Ook Dahlquist et al. (2000) vinden tevens een bescheiden evidentie voor een positieve relatie tussen de grootte van de door hen onderzochte “Bond en Money Market funds “en de winstgevendheid ervan.
35
Tabel 6: Regressie van kenmerken en kosten op de performantie maatstaven Sharpe Ratio Coëfficiënt Intercept ln(grootte) Leeftijd TER Aankoopkosten Beheerskost Uitstapkost Beta Cash Internationaal
0,14710 0,13132 0,07924 -1,93766 1,17190 19,68188 16,68308 -3,02285 4,18654 0,08073
adj. R² F-test std. Error
35,32% (10,93)*** 62,6046
T-Statistiek (0,87) (3,29)*** (0,34) (-0,07) (0,51) (0,555) (2,48)** (-5,58)*** (1,30) (4,60)***
Treynor Ratio Coëfficiënt 0,00171 0,00052 0,00031 -0,06788 0,00395 0,00908 0,06911 -0,00822 0,00957 0,00222
T-Statistiek (0,73) (2,96)*** (0,54) (-1,01) (0,26) (0,11) (2,88)*** (-4,37)*** (1,01) (3,70)***
27,05% (7,41)*** 0,003594
Jensen's Alfa Coëfficiënt 0,00165 0,00039 0,00004 -0,02740 0,00375 0,01885 0,03906 -0,00527 0,00021 -0,00123
T-Statistiek (1,04) (3,36)*** (0,11) (-0,61) (0,37) (0,35) (2,42)*** (-4,17)*** (0,03) (-3,06)***
15,99% (5,00)*** 0,002414
Noot: ***, **, * staat voor statistische significantie op het 1%, 5% en 10% niveau Bron: Eviews
Een tweede bepalende factor is, net als bij Dellva en Olson (1998), de uitstapkost of de redemption fee die significant positief met de performantie gerelateerd is. In tabel 4 werd geen significante invloed gevonden van deze variabele op de uitgavenpost van het fonds. Hierdoor kan het bestaan van deze uitstapkost enigszins verantwoord worden aangezien deze significant de performantie van het fonds ten goede komt (Dellva en Olson, 1998). Fondsen die dergelijke kosten aanrekenen, bieden dus de correcte incentive voor de manager om te focussen op hogere risk-adjusted return (Del Guercio en Reuter (2012).
Ook de beta is significant negatief op het 1% niveau. Hoe hoger het systematische risico, hoe lager de performance. Een mogelijke verklaring voor dit negatieve effect schuilt in de periode die geanalyseerd wordt in deze datasample. De datasample die loopt van 2007 tot 2013 omhelst de kredietcrisis van ’07-’08 en de Europese staatsschuldencrisis van ’11, twee systeemcrisissen die de aandelenmarkten deden kelderen en de performantie van beleggingsfondsen zwaar op de proef stelden.
36
De leeftijdsvariabele is voor de regressie van alle fondsen samen niet significant, maar heeft in analogie met de schattingsmethode van Dahlquist et al. (2000) voor enkele bestudeerde categorieën wel een significante impact op de performance. De cross-sectionele vergelijking is een interessante benadering van deze auteurs, waarbij de kenmerken apart voor elke categorie op de performantie maatstaven worden geregresseerd. Er kunnen ondanks de kleine sample sizes toch bruikbare conclusies getrokken worden uit deze categoriespecifieke regressies. Om een overdaad aan data en tabellen te vermijden, worden deze regressies opgenomen in de appendix. Zo is de variabele leeftijd significant positief voor de categorie Emerging Markets op het 5 % niveau over de drie performantie maatstaven heen. Oudere emerging markets fondsen hebben dus meer ervaring waardoor ze een betere performance kennen. Ook meer ervaren fondsen die beleggen in growth stocks kennen een significant positievere performance. Enige nuancering vormen de significant negatieve coëfficienten voor de large caps, maar de verklaringskracht voor deze categorie is dan weer beperkter.
De negatieve tekens van de coëfficiënten bij TER weerspiegelen de negatieve relatie tussen de TER en de performantie (Carhart, 1997; Dellva & Olson, 1998 en O’Neal,2004), maar worden niet significant gevonden voor het aggregaat van fondsen. De hypothese van Grossman en Stiglitz (1980), die stelt dat beter informeerde fondsen een hogere informationele kost hebben én een betere performance, kan dus niet significant verworpen worden zoals Dellva en Olson(1998) wel concludeerden. De categorie-specifieke regressie voor groeiaandelen kan dit echter wel. Een hogere kostenstructuur heeft binnen deze categorie een significant negatief effect op de performance op het 5% significantie niveau. Een hogere informationele kost kan dus niet als verklaring gebruikt worden voor een superieure performance, zoals Grossman en Stiglitz eminente fondsen kenmerken. Dellva en Olson (1998) zijn van oordeel dat fondsen over een gelijkaardige informatieset beschikken en dat doordachte stock-picking en market timing aan de basis liggen van een bovengemiddelde performance. Dit resultaat impliceert dat beter geïnformeerde fondsen net operationeel efficiënter zijn. Fondsen die hun TER minimaliseren zijn bijgevolg de fondsen waarnaar investeerders op zoek moeten gaan.
Wanneer investeerders wensen uit een fonds te stappen, hebben de fondsen de keuze om ofwel aandelen te verkopen, ofwel cash aan te houden. Wanneer beleggingen moeten verkocht worden, gaat dit gepaard met transactiekosten. En zoals Dellva en Olson (1998) aantonen, zorgt een hogere turnover voor een uiteindelijk lager rendement. 15 Maar ook het 15
De turnover is een variabele waarvoor ik geen data kon verzamelen, noch via Datastream, noch via Morningstar, en bijgevolg niet op kon regresseren.
37
aanhouden van cash is een opportuniteitskost voor het fonds, aangezien mogelijks winstgevende beleggingen niet worden gemaakt. In tabel 4 werd reeds aangetoond dat het aanhouden van cash de totale kostenratio opdrijft. Deze regressieresultaten bieden mogelijks een oplossing voor dit dilemma. Voor elke performantie maatstaf staat een positief teken bij de cashvariabele, maar deze is echter nergens significant. Enkel voor de categorie Emerging Markets werd een zeer significant positieve relatie gevonden tussen cash en performance (cf. Appendix, Tabel 11, p. VIII ). Net zoals bij Dellva en Olson (1998) outperformen dergelijke fondsen die cash aanhouden, fondsen die voor 100% belegd zijn in aandelen en hun posities moeten afbouwen wanneer investeerders het fonds wensen te verlaten. Een fonds dat zeer frequent aan- en verkooptransacties onderneemt, drijft zo zijn TER omhoog zonder significant hogere risico-gecorrigeerde rendementen te behalen (Dellva en Olson, 1998).
Een laatste, doch zeer belangrijke, variabele die significant gevonden wordt in de regressie van vergelijking (8), is de dummy variabele voor internationaal belegde fondsen. Er wordt voor elke performance measure een zeer significante coëfficiënt gevonden. Echter moet hier een cruciale kanttekening gemaakt worden. Een regressie op de Sharpe en de Treynor Ratio bekomt een significant positieve waarde, waar de regressie op Jensen’s alfa een zeer significant negatieve waarde weergeeft. Dit duidt erop dat fondsen die belegden op de internationale markten een hogere performance kenden, maar deze niet te wijten valt aan een hoge alfa door betere stock-picking vaardigheden van de manager bijvoorbeeld, maar deze te danken is aan de algemeen positieve evolutie van deze groeilanden in het algemeen. Wanneer dit resultaat gecombineerd wordt met de waarneming uit tabel 4 dat fondsen die belegden in de Emerging Markets ook een hogere TER kenden door een hogere informationele kost, gaat de Grossman en Stiglitz (1980) hypothese wel op voor deze categorie.
38
7 Conclusie Er werd in deze masterproef onderzocht of de performantie van beleggingsfondsen significant is, en bijgevolg het investeringsgeld van beleggers waard is. Slechts weinig fondsen zijn in staat om alfa te genereren bovenop een onderliggende marktindex. Hoe meer het CAPM wordt verfijnd, met uitbreidingen tot het three- en four-factor model, hoe lager de gemiddelde excess return van beleggingsfondsen wordt. De maandelijkse alfa’s variëren van -0,124 bp tot -0,186bp afhankelijk van het gebruikte asset pricing model. Enkel fondsen die beleggen in groeiaandelen kunnen gemiddeld een positieve, doch niet significante, alfa voorleggen. Hier loont actief beheer dus wel. Verder toont een stijlanalyse aan dat small en large cap fondsen voornamelijk in groeiaandelen belegd zijn en value- en growthfondsen hoofdzakelijk in small caps. Beiden zijn in overeenstemming met de theorie rond overperformance van de small caps- en groeiaandelen.
Verder dient hierbij gewezen te worden op enkele beperkingen van het gevoerde onderzoek. Zo werd er geen fixed effect panelregressie uitgevoerd, zodat de alfa per categorie besproken zou kunnen worden. Een style analysis werd in de plaats uitgevoerd. Echter geeft de stijlanalyse voor large caps een opmerkelijk en onverwachts significant positief teken voor de SMB variabele. Dit kan m.i. drie zaken betekenen: large caps houden zich niet voor 100% aan hun mandaat en beleggen ook in small caps, of de constructie van de SMB variabele moet verbeterd worden, ofwel is mijn datasample te beperkt.
De analyse van de kostenstructuur van beleggingsfondsen bewees het bestaan van duidelijke schaalvoordelen. Daarnaast kennen internationaal belegde fondsen een hogere totale uitgavenratio (TER) aangezien zij geconfronteerd worden met hogere informationeleen monitorkosten. Desondanks vertonen de gebruikte performantie ratio’s aan dat fondsen die groeiaandelen in portefeuille hadden, de meest winstgevende waren over de onderzochte sample periode. Verder moeten fondsenhuizen vermijden om te hoge aankoopkosten aan te rekenen, doordat deze de uitgavenratio van het fonds opdrijft, die op zijn beurt negatief gerelateerd is aan de performantie van het fonds. Uitstapkosten kunnen dan weer verantwoord worden aangezien ze geen significante invloed hebben op de TER en wel een positief effect hebben op de performantie van het fonds. Uitstapkosten bieden de correcte incentives aan de fondsbeheerders waardoor het uiteindelijke netto rendement hoger ligt. Ook het aanhouden van cash is een keuze die een fonds goed moet overwegen, aangezien het liquideren van aandelenposities gepaard gaat met hogere transactiekosten die de performantie van het fonds naar beneden haalt. Zowel het fonds als investeerders dienen dus steeds goed hun huiswerk te doen.
39
8 Bibliografie Anson M.J. (2006) Handbook of Alternative Assets, John Wiley & Sons, Inc., New York, pp. 708. Arshanapalli B.G., Switzer L.N. en Panju K. (2007) Equity-style timing: A multi-style rotation model for the Russell large-cap and small-cap growth and value style indexes, Journal of Asset Management, 8(1), pp. 9-23. Asness C.S., Liew J.M. en Stevens R.L. (1997) Parallels between the cross-sectional predictability of stock and country returns, The Journal of Portfolio Management, 23(3), pp. 79-87. Ball R. (1978) Anomalies in relationships between securities’ yields and yieldsurrogates, Journal of Financial Economics, 6(2-3), pp. 103-126. Banz R.W. (1981) The relationship between return and market value of common stocks, Journal of Financial Economics, 9(1), pp. 3-18. Barry C.B., Goldreyer E., Lockwood L. en Rodriquez M. (2002) Robustness of size and value effects in emerging equity markets, 1985-2000, Emerging Markets Review, 3(1), pp.1-30. Basu S. (1977) Investment performance of common stocks in relation to their priceearnings ratios: a test of the efficient market hypothesis, Journal of Finance, 32(3), pp. 663−682. Basu S. (1983) The relationship between earnings’ yield, market value and return for NYSE common stocks: further evidence, Journal of Financial Economics, 12(1), pp. 129−156. Bauman W.S., Conover C.M. en Miller R.E. (1998) Growth versus Value and Large-Cap versus Small-Cap stocks in International Markets, Financial Analysts Journal, 54(2), pp.75-89. Bergstresser D., Chalmers J. en Tufano P. (2009) Assessing the costs and benefits of brokers in the mutual fund industry, Review of Financial Studies, 22(10), pp. 41294156. Berk J. (1995) A critique of size related anomalies, Review of Financial Studies, 8(2), pp. 275-286. Bhoocha-oom A. en Stansell S.R. (1990) A study of international financial market integration: an examination of the US, Hong Kong and Singapore markets, Journal of Business Finance and Accounting, 17(2), pp. 193-212. Blake D., Lehmann B.N. en Timmermann A. (1999) Asset allocation dynamics and pension fund performance. The Journal of Business, 72(4), pp. 429-461. Booth D.G. en Keim D.B. (2000) Is there still a January effect? In Keim D.B. en Ziemba W.T. (eds.), Security Market Imperfections in Worldwide Equity Markets, Cambridge University Press, New York, pp. 169–178.
40
Brennan M.J., Chordia T. en Subrahmanyam A. (1998) Alternative factor specifications, security characteristics, and the cross-section of expected stock returns, Journal of Financial Economics, 49(3), pp. 345-373. Brown S.J., Goetzmann W.N., Ibbotson R.G. en Ross S.A. (1992) Survivorship Bias in Performance Studies, Review of Financial Studies, 5(4), pp. 553-580.
Carhart M.M. (1997) On persistence in mutual fund performance, Journal of Finance, 52(1), pp. 57-82. Chalmers J.M., Edelen R.M. en Kadlec G.B. (1999) An Analysis of Mutual Fund Trading Costs. Beschikbaar op SSRN: http://ssrn.com/abstract=195849 of http://dx.doi.org/10.2139/ssrn.195849 Chen H., Jegadeesh N. en Wermers R. (2000) An examination of the stockholdings and trades of fund managers, Journal of Financial and Quantitative Analysis, 35(3), pp. 343-368. Chen J., Hong H., Huang M. en Kubik J. (2004) Does fund size erode mutual fund performance? The role of liquidity and organization, American Economic Review, 94(5), pp. 1276-1302. Cheung Y.L. en Mak S. (1992) The international transmission of stock market fluctuations between the developed markets and the Asian-Pacific markets, Applied Financial Economics, 2(1), pp. 43-47. Christoffersen S., Evans R. en Musto D. (2013) What do consumers’ fund flows maximize? Evidence from their brokers’ incentives, Journal of Finance, 68(1), pp. 201-235 Crombez J., De Moor L., Sercu P. en Vanpee R. (2001) Performance of Belgian Mutual Funds: do Size and Momentum matter? KUL, Departement toegepaste economische wetenschappen, Onderzoeksrapport 0253. Chuprinin O., Massa M. en Schumacher D. (2011) Happy losers: Subcontracting in international asset management, Working paper, INSEAD. Ciccotello C.S., Miles J.A., en Walsh L.S. (2006) Should investors choose funds from focused families? Financial Services Review, 15(1), pp. 247-264. Coggin T.D., Fabozzi F.J. en Rahman S. (1993) The investment performance of u.s. equity pension fund managers: An empiricalinvestigation, The Journal of Finance,48(3), pp. 1039–1055. Cumby R. en Glen J. (1990) Evaluating the performance of international mutual funds, The Journal of Finance, 45(2), pp. 497-521. Dahlquist E., Engström S. en Söderlind P. (2000) Performance and Characteristics of Swedish Mutual funds, Journal of Financial and Quantitative Analysis, 35(3), pp. 409423. Daniel K. en Titman S. (1997) Evidence on the characteristics of cross-sectional variation in stock returns, Journal of Finance, 52(1), pp. 1-34.
41
Daniel K., Grinblatt M., Titman S. en Wermers R. (1997) Measuring mutual fund performance with characteristic-based benchmarks, The Journal of Finance, 52(3), pp. 1035-1058. Del Guercio D. en Reuter J. (2012) Mutual fund performance and the incentive to generate alpha, Journal of Finance, Forthcoming. Dellva W.L. en Olson G.T. (1998) The relationship between mutual fund fees and expenses and their effects on performance, The Financial Review, 33(1), pp. 85-104. Dukes W.P., English P.C. en Davis S.M. (2006) Mutual fund mortality, 12b-1 fees, and the net expense ratio, The Journal of Financial Research, 29(2), pp. 235-252. Duong T. (2010) Outsourcing in the mutual fund industry, Working paper, University of Minnesota. Elton E.J., Gruber M.J., Das S. en Hlavka M. (1993) Efficiency with Costly Information: A Reinterpretation of Evidence from Managed Portfolios, Review of Financial Studies, 6(1), pp. 1-22. Elton E.J., Gruber M.J. en Blake C.R. (1996b) Survivorship bias and mutual fund Performance, The Review of Financial Studies, 9(4), pp. 1097-1120. Elton E.J., Gruber M.J., en Blake C.R. (2003) Incentive fees and mutual funds, The Journal of Finance, 58(2), pp. 779-804. Evans R. (2010) Mutual fund incubation, Journal of Finance, 65(4), pp. 1581-1611. Fama E.F. en French K.R. (1992) The Cross-section of expected returns, Journal of Finance, 47(2), pp. 427-465. Fama E.F. en French K.R. (1993) Common risk factors in the returns on bonds and stocks, Journal of Financial Economics, 33(1), pp. 3-53. Fama E.F. en French K.R. (1996) Multifactor explanations of asset pricing anomalies, Journal of Finance, 51(1), pp. 55-84. Ferris S. en Chance D. (1987) The effects of 12b-1 plans on mutual fund expense ratios: a note, The Journal of Finance, 42(4), pp.1077-1082. French K.R. (1980) Stock returns and the weekend effect, Journal of Financial Economics, 8(1), pp. 55−69. French K.R. (2008) The cost of active investing, Journal of Finance, 63(4), pp. 1537-1573. Gabaix X. en Laibson D. (2006) Shrouded Attributes, Consumer Myopia, and Information Suppression in Cometitive Markets, The Quarterly Journal of Economics, 121(2), pp. 505-540. Gennaioli N., Shleifer A., en Vishny R. (2012) Money Doctors, NBER Working Paper No. 18174. Griffin J.M. (2002) Are the Fama and French Factors Global or Country Specific? The Review of Financial Studies, 15(3), pp. 783-803.
42
Grinblatt M. en Titman S. (1989) Portfolio Performance Evaluation: Old Issues and New Insights, Review of Financial Studies, 2(3), pp.393-421. Grossman S. en Stiglitz S. (1980) On the impossibility of informational efficient markets, American Review, 70(3), pp. 393-408. Gruber M.J. (1996) Another puzzle: The growth in actively managed mutual funds, Journal of Finance, 51(3), pp. 783-810. Harvey C.R. (1995a) Predictable Risk and Returns in Emerging Markets, Review of Financial Studies, 8(3), pp. 773-816. Haslem J.A., Baker H.K. en Smith D.M. (2008) Performance and characteristics of actively managed retail equity mutual funds with diverse expense ratios. Financial Services Review, 17(1), pp. 49-68. Haugen R.A. en Baker N.L. (1996) Commonality in the determinants of expected Stock returns, Journal of Financial Economics, 41(3), pp. 401-439. Hendricks D., Patel J. en Zeckhauser R. (1993) Hot hands in mutual funds: Short-run persistence of performance, 1974-88, Journal of Finance, 48(1), pp. 93-130. Henriksson R.D. (1984) Market timing and mutual fund performance: An empirical Investigation, The Journal of Business, 57(1), pp. 73-96. Hortaçsu A. en Syverson C. (2004). Product Differentiation, Search Costs, and Competition in the Mutual Fund Industry: A Case Study of S&P 500 Index Funds, The Quarterly Journal of Economics, 119(2), pp. 403-456. Ippolito R.A. (1989) Efficiency with Costly Information: A Study of Mutual Fund Performance, Quarterly Journal of Economics, 104(1), pp. 1-24. Jegadeesh N. en Titman S. (1993) Returns to buying Winners and selling Losers: Implications for stock market efficiency, Journal of Finance, 48(1), pp. 65-91. Jensen M.C. (1969) Risk, the pricing of capital assets, and evaluation of investment portfolios, Journal of Business, 42(2), pp.167-247. Keim D. (1983) Size-related anomalies and stock return seasonality: Further empirical evidence, Journal of Financial Economics, 12(1), 12–32. Kosowski R., Timmermann A., Wermers R. en White H. (2006) Can mutual fund “stars” really pick stocks? New evidence from a bootstrap analysis, Journal of Finance, 61(6), pp. 2551-2595. Kothari S.P., Shanken J. en Sloan R.G. (1995) Another look at the cross-section of expected returns, Journal of Finance, 50(1), pp. 185-224. Lakonishok J., Shleifer A. en Vishny R.W. (1994) Contrarian investment, extrapolation and risk, Journal of Finance, 49(5), pp. 1541-1578. Lintner J. (1965) The valuation of risk assets and the selection of risky investment in stock portfolios and capital budgets, Review of Economics and Statistics, 47(1), pp. 13-37.
43
Livingston M. and O’Neal E.S. (1996) Mutual Fund Brokerage Commissions, The Journal of Financial Research, 19(2), pp. 273-292. Lo A.W. en MacKinlay A.C. (1990) Data-snooping biases in tests of asset pricing models, Review of Financial Studies, 3(3), pp. 431-467. Loughran T. (1997) Book-to-market across firm size, exchange, and seasonality: Is there an effect? Journal of Financial and Quantitative Analysis, 32(3), pp. 249-268. MacKinlay A.C. (1995) Multifactor models do not explain deviations from the Capital Asset Pricing Models, Journal of Financial Economics, 38(1), pp. 3-28. Mahoney P.G. (2004) Manager-investor conflicts in mutual funds, Journal of Economic Perspectives, 18(2), pp. 161-182. Malkiel B.G. en Firstenberg P. (1978) A Winning Strategy for an Efficient Market, Journal of Portfolio Management, 4(4), pp. 20-25. Malkiel B.G. (1995) Returns from investing in equity mutual funds, 1971 to 1991, Journal of Finance, 50(2), pp. 549-572. Malkiel B.G., Fluck Z. en Quandt R.E. (1997) The Predictability of Stock Returns: A CrossSectional Simulation, The Review of Economics and Statistics, 79(2), pp. 176-183. Markowitz H.M. (1952) Portfolio Selection, The Journal of Finance, 7(1), pp.77-91. Masih A.M. en Masih R. (1999) Are Asian stock market fluctuations due mainly to intraregional contagion effects? Evidence based on Asian emerging stock markets, Pacific-Basin Finance Journal, 7(3-4), pp.251-282. Massa M. (2003) How do family strategies affect fund performance? When performance maximization is not the only game in town, Journal of Financial Economics, 67(2), pp. 249-305. Mossin J. (1966) Equilibrium in a Capital Asset Market, Econometrica, 34(4), pp. 768-783. O’Neal E.S. (2004) Purchase and redemption patterns of U.S. equity mutual funds, Financial Management, 33(1), pp. 63-90. Patel S.A. (1998) Cross-sectional variation in emerging markets equity returns, January 1988-March1997, Emerging Markets Quarterly, 2(2), pp. 57-70. Reinganum M.R. (1981) Misspecification of capital asset pricing: empirical anomalies based on earnings’ yields and market values, Journal of Financial Economics, 9(1), pp. 19-46. Rouwenhorst K.G. (1999) Local return Factors and Turnover in Emerging Stock Markets, The Journal of Finance, 54(4), pp.1439-1464. Schwert W.G. (1983) Size and Stock Returns, and Other Empirical Regularities, Journal of Financial Economics, 12(1), pp. 3-12. Schwert W.G. (2003) Handbook of the Economics of Finance: Chapter 15 Anomalies and Market Efficiency, Elsevier Science, pp. 939-974.
44
Sharpe W.F. (1964) Capital Asset Prices: A theory of market equilibrium under conditions of risk, Journal of Finance, 19(3), pp. 425-442. Sharpe W.F. (1992) Asset Allocation: Management style and performance measurement, The Journal of Portfolio Management, 18(2), pp. 7-19. Siggelkow N. (2003) Why focus? A study of intra-industry focus effects, Journal of Industrial Economics, 51(2), pp. 121-150. Treynor J.L. (1966) How to rate management investment funds, Harvard Business Review, 43(1), pp. 63-75. Trzcinka C. en Zweig R. (1990) An Economic Analysis of the Cost and Benefits of SEC rule 12b-1, New York University Monograph Series, Salomon Brothers Center for the Study of Financial Institutions. Walsh L. (2004) The Costs and Benefits to Fund Shareholders of 12b-1 Plans: An Examination of Fund Flows, Expenses, and Returns, United States Securities and Exchange Commission Working Paper.
45
9 Appendix Hieronder worden de regressies weergegeven voor vergelijking (8) voor elke categorie apart. Er moet duidelijk gewezen worden op de beperkte verklaringskracht van deze regressies, wat meteen de reden vormde om deze in een appendix op te nemen. De doch zeldzame conclusies die hieruit afgeleid kunnen worden, bevinden zich bij de bespreking van tabel 6. Tabel 7: Regressie van kenmerken en kosten op performantie maatstaven voor Small Caps Sharpe Ratio
Treynor Ratio
Jensen's Alfa
Coëfficiënt
T-Statistiek
Coëfficiënt
T-Statistiek
Coëfficiënt
T-Statistiek
Intercept ln(grootte) Leeftijd TER Aankoopkosten Beheerskost Uitstapkost Beta Cash
-0,07419 0,18825 -0,09378 -1,10647 -0,98696 23,62786 0,05287 -2,63171 3,86526
(-0,03) (1,48) (-0,23) (-0,02) (-0,08) (0,48) (0,001) (-1,27) (0,53)
0,00624 0,00121 -0,00148 0,24253 -0,05368 -0,27114 0,16392 -0,01495 -0,01091
(0,76) (2,51)** (-0,98) (1,41) (-1,19) (-1,47) (1,44) (-1,91)* (-0,40)
0,00673 0,00093 -0,00116 0,24267 -0,05854 -0,23409 0,17463 -0,13151 -0,00711
(0,84) (1,98)** (-0,79) (1,45) (-1,34) (-1,30) (1,58) (-1,73) (-0,27)
adj. R² F-test std. Error
-0,01% (0,98) 0,897717
16,09% (1,62) 0,00339
Noot: ***, **, * staat voor statistische significantie op het 1%, 5% en 10% niveau Bron: Eviews
VI
7,08% (1,25) 0,003298
Tabel 8: Regressie van kenmerken en kosten op performantie maatstaven voor Large Caps Sharpe Ratio
Treynor Ratio
Jensen's Alfa
Coëfficiënt
T-Statistiek
Coëfficiënt
T-Statistiek
Coëfficiënt
T-Statistiek
Intercept ln(grootte) Leeftijd TER Aankoopkosten Beheerskost Uitstapkost Beta Cash
-0,70438 0,09213 -0,10205 31,87463 1,80469 -19,50480 16,88162 -1,99998 2,21980
(-0,67) (1,19) (-0,41) (0,96) (0,30) (-0,46) (2,33)** (-2,02)** (0,70)
-0,00433 0,00030 -0,00113 0,03784 0,01604 -0,05480 0,01842 -0,00033 -0,01063
(-2,16)** (2,04)** (-2,37)** (0,60) (1,42) (-0,67) (1,33) (-0,17) (-1,75)*
-0,00042 0,00022 -0,00084 0,03997 0,01206 -0,06953 0,02292 -0,00119 -0,01092
(-0,22) (1,52) (-1,83)* (0,65) (1,11) (-0,88) (1,72) (0,65) (-1,86)*
adj. R² F-test std. Error
10,80% (1,84)* 0,783126
16,99% (2,42)** 0,001491
14,40% (2,18)** 0,001441
Noot: ***, **, * staat voor statistische significantie op het 1%, 5% en 10% niveau Bron: Eviews
Tabel 9: Regressie van kenmerken en kosten op performantie maatstaven voor Growth Stocks Sharpe Ratio
Treynor Ratio
Coëfficiënt
T-Statistiek
Coëfficiënt
Intercept ln(grootte) Leeftijd TER Aankoopkosten Beheerskost Uitstapkost Beta Cash
-2,35237 0,12016 2,61657 -191,5799 -78,42701 174,10290 24,63591 5,66693 26,06259
(-0,49) (0,39) (2,47)** (-2,88)** (-1,63) (1,66) (0,80) (1,54) (1,45)
-0,00332 0,00071 0,00548 -0,62192 -0,21917 0,42272 0,06532 0,01423 0,08735
adj. R² F-test std. Error
32,73% (1,85) 1,023438
52,16% (2,91) 0,00244
T-Statistiek (-0,29) (0,98) (2,16)* (-3,92)*** (-1,91) (1,69) (0,89) (1,62) (2,03)*
Jensen's Alfa Coëfficiënt
T-Statistiek
-0,00298 0,00043 0,00413 -0,43258 -0,16853 0,25652 0,05801 0,01461 0,06531
(-0,32) (0,73) (2,04)* (-3,41)** (-1,84) (1,28) (0,98) (2,07) (1,90)
74,19% (2,16) 0,001953
Noot: ***, **, * staat voor statistische significantie op het 1%, 5% en 10% niveau Bron: Eviews
VII
Tabel 10: Regressie van kenmerken en kosten op performantie maatstaven voor Value Stocks Sharpe Ratio Coëfficiënt Intercept ln(grootte) Leeftijd TER Aankoopkosten Beheerskost Uitstapkost Beta Cash
-3,35296 0,21132 0,00654 -44,83909 27,40124 14,37263 19,36446 -0,26193 -0,16419
adj. R² F-test std. Error
-14,22% (0,64) 1,050528
T-Statistiek (-1,59) (1,03) (0,01) (-0,51) (1,42) (0,21) (0,66) (-0,15) (-0,02)
Treynor Ratio
Jensen's Alfa
Coëfficiënt
T-Statistiek
Coëfficiënt
T-Statistiek
-0,00515 0,00008 0,00113 -0,25199 0,05074 0,20731 0,06046 -0,00102 -0,00002
(-1,71) (0,26) (1,46) (-2,01) (1,86)* (2,10)* (1,44) (-0,40) (-0,001)
-0,00234 0,00011 0,00151 -0,34268 0,06568 0,25923 0,08530 -0,00148 0,00005
(-0,57) (0,26) (1,43) (-2,01)* (1,76)* (1,93)* (1,50) (-0,43) (0,003)
12,47% (1,41) 0,001497
8,52% (1,27) 0,002035
Noot: ***, **, * staat voor statistische significantie op het 1%, 5% en 10% niveau Bron: Eviews
Tabel 11: Regressie van kenmerken en kosten op performantie maatstaven voor Emerging Markets Sharpe Ratio Coëfficiënt
T-Statistiek
Intercept ln(grootte) Leeftijd TER Aankoopkosten Beheerskost Uitstapkost Beta Cash
3,01076 0,08172 0,54725 15,91599 -8,89217 -67,71180 32,76243 -4,49539 29,51823
(3,35)*** (1,23) (2,44)** (0,40) (-1,12) (-1,62) (2,48)** (-6,90)*** (4,64)***
adj. R² F-test std. Error
72,99% (13,16)*** 0,606543
Treynor Ratio Coëfficiënt 0,01416 0,00018 0,00294 -0,00189 -0,03245 -0,47400 0,28387 -0,01500 0,16562 68,74% (10,90)*** 0,003483
T-Statistiek (2,75)** (0,47) (2,28)** (-0,01) (-0,71) (-1,97)* (3,73)*** (-4,01)*** (4,52)***
Jensen's Alfa Coëfficiënt
T-Statistiek
0,005003
(1,99)** (1,09) (2,19)** (-0,39) (-0,77) (-0,97) (1,58) (-4,20)*** (3,41)***
0,000202 0,001368 -0,042768 -0,017208 -0,113325 0,058558 -0,007655 0,060644
55,98% (6,72)*** 0,001696
Noot: ***, **, * staat voor statistische significantie op het 1%, 5% en 10% niveau Bron: Eviews
VIII
Tabel 12: Regressie van kenmerken en kosten op performantie maatstaven voor Azië
Sharpe Ratio
Treynor Ratio
Coëfficiënt
T-Statistiek
Coëfficiënt
Intercept ln(grootte) Leeftijd TER Aankoopkosten Beheerskost Uitstapkost Beta Cash
-0,74100 0,19574 0,46035 -6,93862 -1,12127 -0,22805 -41,89931 -0,41573 -2,49280
(-0,32) (1,19) (0,90) (-0,13) (-0,09) (0,002) (-1,20) (-0,24) (-0,21)
-0,001819 0,004780 0,002119 0,002088 -0,002818 -0,121698 -0,120966 0,000389 -0,018772
adj. R² F-test std. Error
-12,60% (0,59) 1,181034
-19,28% (0,41) 0,004242
T-Statistiek (-0,22) (0,81) (1,15) (0,01) (-0,07) (-0,41) (0,96) (0,06) (-0,43)
Jensen's Alfa Coëfficiënt
T-Statistiek
-0,00316 0,00023 0,00140 -0,02160 -0,01203 0,01327 -0,09146 0,00077 -0,00015
(-0,58) (0,59) (1,15) (-0,17) (-0,43) (0,07) (-1,11) (0,02) (0,005)
-21,60% (0,36) 0,00279
Noot: ***, **, * staat voor statistische significantie op het 1%, 5% en 10% niveau Bron: Eviews
IX
