Voor institutionele beleggers is het voorspellen van aandelenrendementen de heilige graal binnen de financiële sector. Traditionele waarderingsratio’s zoals de koers-winstverhouding (P/E) en de koers-dividendverhouding (P/D) lijken theoretisch nuttig, maar hun voorspellende kracht blijft in de praktijk teleurstellend.
Trailing price ratios, zoals de P/E- en P/D-ratio, zijn al decennialang in gebruik. De financiële theorie stelt dat deze ratio’s impliciet toekomstige rendementen bevatten, omdat prijzen worden gedeeld door een maatstaf van kasstromen.
In werkelijkheid zijn deze indicatoren vaak slechte voorspellers van toekomstige rendementen, vooral buiten de oorspronkelijke dataset waarin ze zijn geanalyseerd. Dit komt door een fundamenteel probleem: trailing price ratios bevatten niet alleen verwachte rendementen, maar ook verwachte kasstroomgroei. Dit leidt tot een omitted variable issue dat de voorspellende kracht van deze ratio’s ondermijnt.
Figuur 1: De jaarlijkse groei in dividend, earnings en payout volatiliteit voor de Verenigde Staten.
Assistent-professoren Sebastian Hillenbrand (Harvard) en Odhrain McCarthy (NYU Abu Dhabi) stellen een alternatieve benadering voor: schalen van aandelenprijzen met verwachte kasstromen in plaats van historische kasstromen. Door machine learning-modellen te gebruiken om toekomstige kasstromen te voorspellen, kan een forward price ratio worden geconstrueerd die een zuiverder signaal geeft over verwachte rendementen.
Het idee is simpel: als we kasstromen correct kunnen voorspellen, kunnen we een prijsratio berekenen die niet wordt beïnvloed door verwachte kasstroomgroei. Hierdoor blijft alleen de verwachte rendementencomponent over, wat leidt tot een krachtigere voorspellende maatstaf.
Empirisch bewijs: een gamechanger?
De auteurs testen hun methode op de S&P 500 en vinden dat forward price ratios een out-of-sample verklarende kracht hebben van 11 procent bij het voorspellen van éénjaarsrendementen. Dit is beduidend hoger dan wat traditionele ratio’s presteren, waarvan de voorspellende kracht vaak negatief/marginaal positief is. Met andere woorden: forward price ratios bieden een aanzienlijk betere basis voor beleggingsbeslissingen dan hun traditionele tegenhangers.
Figuur 2: Panel A en B tonen het eenjaars- en tweejaarsrendement tegenover price-to-dividend ratio.
Een belangrijk resultaat uit de studie is dat langere termijn forward price ratios – bijvoorbeeld vijfjaarsvoorspellingen – beter presteren dan kortere termijn forward price ratios. Dit bevestigt de theorie dat langere kasstroomvoorspellingen beter in staat zijn om structurele veranderingen in kasstroomgroei te filteren, waardoor de omissieproblematiek verder wordt verminderd.
Voor vermogensbeheerders en institutionele beleggers betekent dit onderzoek dat traditionele waarderingsmaatstaven heroverwogen moeten worden. Het gebruik van forward price ratios op basis van machine learning kan een betere basis bieden voor asset allocatie en risicomanagement.
Conclusie
De studie van Hillenbrand en McCarthy biedt een fundamentele herziening van hoe beleggers aandelen waarderen. In plaats van te vertrouwen op achteruitkijkende maatstaven zoals de P/E- en P/D-ratio, stelt hun onderzoek dat forward price ratios een nauwkeurigere en betrouwbaardere methode zijn om toekomstige rendementen te voorspellen.
Voor institutionele beleggers die op zoek zijn naar betere strategische besluitvorming en risicobeheersing, kan de adoptie van forward price ratios een cruciale stap zijn naar superieure portefeuilleverwachtingen. De toekomst van aandelenwaardering ligt in voorspellende, niet achteruitkijkende, analyses.
Gertjan Verdickt is assistent professor in Finance bij de University of Auckland en columnist bij Investment Officer.