Kwantitatief beleggen: ‘Een quantmodel wordt niet verliefd op een aandeel’

De beurs is een en al emotie, getuige de bokkensprongen van de jongste weken. Een bepaald type belegger, de quant, denkt met een quasi-wetenschappelijke aanpak door al dat sentiment en bijbehorende denkfouten en gedragsvalkuilen heen te kijken. In de wereld van de quant zijn alleen data en modellen van tel. Mensen en verhalen zorgen enkel voor afleiding.

Het boek Super Crunchers begint met het verhaal van Orley Ashenfelter, een Amerikaanse econoom met een voorliefde voor statistiek. Hij ontwikkelde een statistisch model waarmee hij op basis van meteorologische data heel nauwkeurig voorspelde hoe goed bordeauxwijnen van een bepaald jaar zouden scoren op kwaliteit en prijs. Klassieke wijnkenners die in hun beoordelingen vooral voortgingen op de eigen smaakpapillen, zoals de befaamde Robert Parker, deden de datagedreven, systematische aanpak van Ashenfelter af als quatsch, ook al zaten de voorspellingen van Ashenfelters model er zelden naast.

Het boek staat bol van soortgelijke voorbeelden. Het kernidee is dat er twee manieren zijn om naar de wereld te kijken en die te verklaren. De ene rust op verhalen, ervaringen en de persoonlijke interpretatie en analyse daarvan. De andere stoelt op de wiskundige of statistische analyse van data. Ook onder beleggers bestaat die tweedeling, met enerzijds de meer traditionele, fundamentele beleggers en anderzijds systematische, datagedreven beleggers. Die laatsten staan ook wel bekend onder de geuzennaam quants, kort voor quantitative oftewel kwantitatief beleggen.

En het gaat de quantbeleggers voor de wind. De schattingen over hoeveel ze onder beheer hebben, hangt af van de definitie van quantbeheerders, maar dat bedrag is de afgelopen decennia gestaag gegroeid, en de verwachtingen zijn dat het dat zal blijven doen. In België is de vermogensbeheerder Aphilion 25 jaar geleden begonnen als quantpionier, net zoals het Nederlandse Robeco, dat ondertussen uitgegroeid is tot een quantinvesteerder van wereldformaat.

Overijver veroorzaakt fouten

Als vertrekpunt voor een inkijk in de quantwereld benadrukken beiden het verschil met fundamenteel beleggen. “Daarmee maken analisten kwalitatieve en financiële analyses van bedrijven. Ze spreken met het management, doorgronden het verdienmodel, kijken naar de sector en de concurrenten enzovoort. Op basis van een diepgaande analyse van een bedrijf proberen ze er de toekomstige kasstromen van in te schatten en een waarde op het aandeel te kleven”, vertelt Matthias Hanauer, onderzoeker bij Robeco.

Quantbeleggen stoelt op andere bouwstenen en kent een ander verloop, vertelt Nico Goethals, medeoprichter en -beheerder bij Aphilion. “Men spreekt vaak over systematisch beheer, waarmee je belegt volgens vooraf bepaalde beslissingsregels, maar dat is maar de helft van quantbeleggen”, zegt hij. “Even belangrijk is wat voorafgaat aan die beslissingsregels: een statistische of wiskundige modellering waar je die regels op baseert. Een derde belangrijke fase is dat je die regels gedisciplineerd uitvoert.”

Een wiskundig of statistisch model staat dus centraal. “Daarin zetten wij bijvoorbeeld het koersverloop van een aandeel af tegen een heleboel andere data zoals de rest van de beurs, het koersverloop van sectorgenoten, de winstgegevens van dat aandeel zelf, bepaalde beleggingsstijlen of factoren enzovoort. Wij voeden ons model met al die gegevens, om zo een statistisch beeld te krijgen van hoe een bepaald aandeel zich in het verleden heeft gedragen. Daaruit probeer je dan af te leiden hoe het zich in de toekomst zal gedragen”, zegt Nico Goethals. “De mate waarin je succesvol bent in die vertaalslag van het verleden naar de toekomst, hangt af van hoe goed je gemodelleerd hebt.”

Daarmee geeft hij meteen aan dat quantbeleggen zeker niet immuun is voor fouten, ook al zit er een doorgedreven systematiek achter en is het een model en niet een mens die de beleggingsbeslissingen neemt.

Voor fundamentele beleggers is het gevaar dat ze zichzelf aan de hand van verhalen of verkeerde interpretaties iets wijsmaken. Quantbeleggers moeten er dan weer voor waken zichzelf via hun wiskundige modellering niets wijs te maken. “Het is niet moeilijk met zo’n model op basis van gegevens uit het verleden de beurs met enorme percentages te kloppen. Je hebt alle gegevens en je stelt de parameters van je model zo in dat je een enorme bovengemiddelde prestatie bekomt”, stelt Nico Goethals. “Het grootste risico is dat je overijverig bent in je model, dat je de toetsing van het verleden te uitgebreid doet, waardoor het niet meer werkt met andere en nieuwe data, waarmee het model niet is getraind”, voegt Matthias Hanauer eraan toe.
“Quantbeleggen is minder emotioneel. Een quantmodel wordt niet verliefd op een aandeel en zal gewoon verkopen, als het volgens het model te duur is, los van hoeveel het al heeft opgebracht. Maar de bouwers van zo’n model kunnen wel verliefd worden op een bepaald signaal dat zij ontwikkeld hebben en per se in het model willen houden, ook al zijn er aanwijzingen dat het niet langer nog iets toevoegt”, stelt Hanauer.

Wetenschappelijke wortels

Tegelijk is zo’n wiskundig model de grote troef van quantbeleggers, omdat ze er als het ware hun beslissingen aan uitbesteden. “Je voorkomt daarmee een aantal denkfouten en cognitieve vooroordelen die wij als mensen allemaal hebben”, zegt de Aphilion-beheerder.

Een ervan is het zogenoemde verankeringsvooroordeel. “Stel, je koopt een aandeel tegen 20 euro en daags nadien daalt de koers met enkele euro’s door onverwacht negatief nieuws. Heel weinig mensen zullen op dat moment dat aandeel verkopen. Als ons model dan zegt dat het gezien dat nieuws op die koers correct gewaardeerd is, zullen wij het automatisch verkopen en een nieuwe positie nemen in een aandeel dat volgens het model wel nog ondergewaardeerd is.” Het is maar een van de tientallen denkfouten en gedragsvalkuilen die beleggers met zo’n systematische methode kunnen ontwijken.

Discipline is wel cruciaal. Eenmaal die beslissingsregels vastliggen in een model, is afwijken daarvan uit den boze. “Als wij volgens het model een bepaald aandeel moeten kopen, komen wij daar niet op terug omdat we bijvoorbeeld geen vertrouwen hebben in het management van het betrokken bedrijf of wat dan ook. Dan ondergraaf je de kracht van je model”, zegt Nico Goethals.

Beide quants hameren er wel op dat het geen passieve beleggingsstrategie is, ook al zit er een systeem achter en loopt het grotendeels automatisch. “Het is absoluut een actieve beleggingsaanpak”, zegt de Robeco-analist. “En het is uiteraard de bedoeling de referentie-index te kloppen en dat kan alleen met een actief beheer”, voegt Nico Goethals toe.

Daarnaast heeft quantbeleggen een sterk wetenschappelijke insteek. “Het heeft academische wortels die teruggaan naar de jaren negentig, toen academici er vooral achter wilden komen hoe efficiënt de beurs was en of bepaalde modellen bovengemiddelde aandelenrendementen konden verklaren. Daar vloeiden dan beleggingsstrategieën uit voort, die probeerden te profiteren van de patronen uit dergelijk onderzoek”, vertelt Matthias Hanauer. “We zijn er altijd blij mee wanneer gedegen onderzoek een bepaald idee ontkracht. Wij stellen ook elk jaar een onderzoeksagenda met ideeën op.”

De complexiteit van quantbeleggen mag geen excuus zijn voor onverklaarbaarheid. “Een quantmodel mag geen zwarte doos zijn. Wij kunnen altijd verklaren waarom een bepaald aandeel bovenaan gerangschikt staat, of welke posities het meest hebben bijgedragen aan de resultaten en waarom. Die verklaarbaarheid is net de sterkte van quantmodellen”, zegt Matthias Hanauer. “Je moet altijd de logica en het gezond verstand van de beleggingsbeslissingen van je model kunnen aantonen”, zegt ook Nico Goethals.

Het perfecte aandeel

In zekere zin zijn quantmodellen heel gesofisticeerde rangschikkingsmachines, die constant aandelen beoordelen en op hun aantrekkelijkheid ordenen. In theorie bestaat er dan ook zoiets als het perfecte aandeel volgens zo’n model, zegt Matthias Hanauer: “Volgens ons model kom je dan uit bij bedrijven van heel hoge kwaliteit, die zeer winstgevend zijn en een sterke balans hebben. Daarnaast legt het management zeer sterk de nadruk op aandeelhouderswaarde en moet het sentiment rond het aandeel heel positief zijn. En dan moet het aandeel ondanks al die troeven nog tegen een lage waardering noteren.”

Om al die eigenschappen op hun waarde te beoordelen, verwerken quantmodellen honderden tot wel duizenden datapunten tegelijk. “Een signaal kan uit verschillende datapunten bestaan. Wij bekijken tussen vijftig en honderd signalen per aandeel. Daarvoor heb je veel inputgegevens nodig”, zegt Matthias Hanauer. “Het gaat vaak om tientallen gegevens per aandeel, die je over decennia heen bekijkt. Het gaat dus om meer dan duizend datapunten per aandeel”, vult Nico Goethals aan.

Die omvangrijke analysecapaciteit zorgt ook voor uitgebreidere portefeuilles. “Wij analyseren duizenden bedrijven per dag op talrijke parameters, zoals financiële cijfers, sentimentsindicatoren, koerstrends, analistenaanbevelingen enzovoort”, verklaart Matthias Hanauer. “In een quantportefeuille zitten al gauw enkele honderden bedrijven, terwijl dat er bij fundamentele strategieën een paar tientallen zijn. Een fundamenteel analist kan uiteindelijk maar op een beperkt aantal aandelen focussen.”

Met de enorme toevloed aan data in de samenleving en de economie is de concurrentie onder quantbeleggers er niet minder op geworden. Het is voor alle quants vechten om de voorsprong te verdedigen, die ze met hun modellen denken te hebben. “Wij verbeteren en versterken continu ons proces en zoeken constant naar onnodige risico’s die we eruit kunnen filteren of inefficiënties die we kunnen uitbuiten”, zegt de Robeco-specialist.

Het is overdreven het een wapenwedloop te noemen, vindt Nico Goethals, maar het vergt wel bijbenen: “Het is zoals trainingsmethodes voor hardlopers. Die veranderen en verbeteren ook continu, waardoor je mee moet evolueren. Twintig jaar geleden was er ook bijna geen quantonderzoek bij grote investeringsbanken. Nu schrijven ze dagelijks rapporten vol met quantanalyses over marktontwikkelingen.”

Een tweede bril

Data vormen dus de grondstof voor quantmodellen en aan data geen gebrek dezer dagen. Er zijn voor de hand liggende zaken zoals de financiële gegevens van bedrijven of koersgegevens van beurzen. “Er is vaak nog werk om die data uit te zuiveren van onduidelijkheden of aan te vullen als er iets ontbreekt. Daar zit onze toegevoegde waarde”, zegt Nico Goethals. “Data zijn een noodzakelijke voorwaarde voor quantbeleggen, maar daarmee alleen heb je nog geen goede methode of model.”

Daarnaast verwerken quants steeds meer alternatieve data. “Dat zijn zaken als nieuwsberichten, vacatures, gegevens van onlinefora enzovoort. Wij analyseren sinds kort ook audiogegevens, bijvoorbeeld om de stem van een CEO te analyseren. Vandaar is de stap naar de analyse van de mimiek via beeldmateriaal snel gezet”, zegt Matthias Hanauer. “Er zijn zoveel data beschikbaar. Wij voelen ons als kinderen in een snoepwinkel. Het ziet er allemaal goed uit en je wilt alles proberen, maar er zit nog veel kaf tussen het koren, en veel van die alternatieve data zijn oude wijn in nieuwe zakken, die niets aan je model toevoegen.”

Die toevloed aan data is ook een illustratie van de vele en felle veranderingen in de economie en samenleving. En die veranderingen komen nergens meer tot uiting dan op de financiële markten. Maar dat betekent niet dat de quantmodellen zelf daarom continu veranderen. Zij dienen eerder als rots in de branding en veranderen zelf beter zo min mogelijk.

Een quantmodel zelf is dan ook niet al te dynamisch, maar binnen in het model is het een en al leven. “Het is ontzettend interessant te zien wat een statistisch model maakt van de levensloop van 25 jaar van een bepaald aandeel. Telecomoperatoren zijn mooie voorbeelden. Begin jaren negentig waren het nog veilige, standvastige aandelen, dan werden ze gehypet in de TMT-zeepbel, daarna werden ze gedegradeerd tot schuldbeladen risico-aandelen. Nu zijn het doorsneebedrijven met een moeilijk groeipad. Je ziet dat dag in dag uit evolueren. Enerzijds zie je de ontwikkelingen buiten het model en dan wat het model er dagelijks zelf van maakt, hoe het de waardering aanpast en de rangschikking verandert. Je kijkt als het ware naar twee aparte verhalen. Zo’n model is een tweede bril om mee naar de beurs te kijken”, besluit Nico Goethals.