‘Computers are incredibly fast, accurate and stupid; humans are incredibly slow, inaccurate and brilliant; together they are powerful beyond imagination.’ De uitspraak komt van Albert Einstein, maar is inmiddels zo’n beetje de lijfspreuk van Ostrica uit Amstelveen. De computer speurt dagelijks naar de beste beleggingskansen, maar het investeringsteam hakt uiteindelijk de knoop door.
‘De voorsprong van de mens op data wordt steeds kleiner. En hoe je aan de data komt wordt steeds belangrijker’, stelt Kai Yuen, managing director bij Ostrica. De vermogensbeheerder uit Amstelveen ging 25 jaar geleden een samenwerking aan met de Amerikaanse econoom en Nobelprijswinnaar Harry Markowitz voor de ontwikkeling van statistische modellen om beleggingskansen in de markt te vinden.
Ostrica probeert op basis van circa vijftig factoren bepaalde bewegingen in sectoren te voorspellen. ‘Modelmatig factorbeleggen’, noemt Yuen het. ‘We kijken bijvoorbeeld naar disruptors en seculiere groei in de markt, die een invloed hebben op meerdere spelers in de waardeketen. In hoeverre kan dit een naschok-effect creëren voor de verschillende toeleveranciers in die keten? En welke partijen zijn zo gepositioneerd, dat zij kunnen profiteren van die naschok en zelf een early adopter worden? Door middel van machine learning proberen we de voorspelbaarheid van bepaalde situaties in te schatten’, aldus Yuen.
De technologie die Ostrica gebruikt is zo ver dat persconferenties en jaarvergaderingen van bedrijven worden gescreend op bepaalde woorden. De software kan zien hoe vaak een bepaald woord wordt gebruikt en of dat woord als positief of negatief wordt beschouwd. ‘Dat kun je dan uiteindelijk weer doorvertalen naar wat het sentiment is rond een bedrijf in een bepaalde sector of markt’, zo stelt Yuen. Een ander voorbeeld is het gebruik van geodata en satellietgegevens. ‘Het aantal bezette parkeerplaatsen bij een supermarktketen kan bepalen welke keten een hogere mate van succes heeft.’
In andere woorden: de machines van Ostrica verzamelen data om de voorspelbaarheid van factoren te kunnen bepalen. Uiteindelijk moet dit worden gevat in een model.
Tot een succesvol model komt het niet altijd. ‘Dat hoort bij kwantitatief onderzoek’, zegt Yuen. ‘Als je een theorie verder wilt onderzoeken, dan moet je tegelijk kijken of je de kosten kunt verantwoorden en tot hoever je wilt gaan om tot resultaten te komen. Hoe hoger de kosten, hoe meer dat vreet aan het rendement. Soms moet je dan de stekker eruit trekken en ga je door naar het volgende.’
Met hoeveel modellen Ostrica gemiddeld aan de slag gaat en hoeveel er momenteel worden gebruikt, houdt de vermogensbeheerder in het midden. Heeft Ostrica weleens grote verliezen om de oren gehad, als bleek dat een model toch niet werkte? ‘Grote verliezen zijn er niet, omdat die door middel van de backtesten er al worden uitgefilterd’, is het antwoord.
Breder klantenbestand
Machine learning, kunstmatige intelligentie, data science: hoe gaat de oudere doelgroep om met al deze snelle, technologische ontwikkelingen? ‘Onze klanten zijn over het algemeen inderdaad wat ouder, al zien we ook een jongere generatie, van 30 tot 50 jaar, die aan vermogensopbouw doet’, aldus Yuen. ‘We vertellen wat we doen, maar als je te ver de diepte ingaat kan je op een gegeven moment de klant kwijtraken. Klanten hoeven niet in alle detail te weten wat er onder de motorkap gebeurt, het resultaat telt. En daar mogen ze ons op afrekenen.’
Ostrica heeft zichzelf als doel gesteld om een gemiddeld rendement van 10 procent per jaar boven de vigerende rente te realiseren. ‘Dat lukt aardig’. Tot dusver realiseerde Ostrica dit jaar een rendement van tussen de 5,5 procent en 8,0 procent, afhankelijk van het gekozen beleggingsprofiel. In 2022 was er sprake van een verlies van 5,7 tot 7,2 procent en in 2021 bedroeg het rendement tussen de 11,4 en 18,0 procent.
Het klantenbestand van Ostrica bestaat voor een groot deel uit (ex-)ondernemers en vermogende particulieren. In het begin had de vermogensbeheerder vooral grotere pensioenfondsen en institutionele partijen als klant. ‘Maar als er dan één pensioenfonds wegvalt, dan ben je direct een groot vermogen kwijt. Daarom hebben we door de jaren heen het klantenbestand verder verbreed van institutioneel naar retail.’
De vermogensbeheerder heeft naast het premiummerk Ostrica een execution only dochter, Perlas, waar kleinere beleggers vanaf 100 euro kunnen instappen. Bij het Ostrica-label is het instapbedrag een kwart miljoen euro. ‘De doorontwikkeling van modellen kost geld en dergelijke investeringen kun je alleen verantwoorden als het businessmodel het toelaat. Dan zit je van nature gewoonweg in het hogere segment. Als modellen op een gegeven moment voldoende zijn doorontwikkeld, dan gebruiken we die voor Perlas.’ In totaal heeft Ostrica circa 800 miljoen euro in beheer.
Mens naast de machine
Yuen ziet onder klanten geen angst voor de machine. ‘Er zit nog altijd een mens achter de knoppen.’ Niet álles is namelijk geautomatiseerd: de mens speelt bij Ostrica net zo’n belangrijke rol als de machine. ‘De modellen hebben nooit allemaal gelijk en een model dat werkt in een inflatoir klimaat, werkt waarschijnlijk niet in een recessie of een groeiscenario’, aldus Yuen. ‘Machine learning en kunstmatige intelligentie zijn mooie termen, maar werken alleen maar op basis van beschikbare data en de vraagstelling van de mens. Data uit het verleden alleen zijn nooit een goede voorspeller geweest voor de toekomst. De correlatie tussen de veelheid van data en de menselijke interpretatie daarvan is bepalend voor de mate van voorspelbaarheid.’
Ook is volgens Yuen niet alles te vatten in een kwantitatief model. ‘Bij ons neemt de mens altijd de beleggingsbeslissing, niet de machine.’ Ostrica heeft een team van zestien man, waarvan een deel zich richt op fundamentele analyse. ‘Net als Warren Buffett, vinden we het belangrijk dat je weet waar je in belegt en dat je vertrouwen hebt in het bestuur en de strategie van een bedrijf. Dat is waar de mens bij ons nog altijd een grote rol speelt.’
Volgens Yuen zijn er in het verleden genoeg kwantitatieve beleggers geweest die blind hun modellen volgden. ‘Velen hiervan bestaan niet meer. En dan komen er altijd weer nieuwe beleggers die het dan toch weer proberen.’ Unieke, grootse onverwachte gebeurtenissen zijn volgens hem door een machine niet te voorspellen maar wel te modelleren. Ostrica brengt hiermee de neerwaartse risico’s met minimaal de helft terug. ‘Je kunt nooit blind vertrouwen op AI of machine learning. Een portfolio manager moet de beslissing zelf nemen.’