Fondsselectie op basis van wetenschappelijk onderzoek loont. Dat betoogt Harry Geels (links op de foto, naast compagnon Arent Thijsen), chief investment officer van Blauwtulp Wealth Management, in onderstaande bijdrage aan Fondsnieuws.
De beleggingsfondsenindustrie is sinds de crisis van 2008 flink uitgebreid. Vanaf begin 2008 tot en met eind 2015 is het aantal Europese en Amerikaanse open-end beleggingsfondsen met 10 procent gestegen.
Het groeipercentage van Aziatische en Afrikaanse fondsen zijn maar liefst respectievelijk 78 en 50 procent geweest. Het totale aantal fondsen over de vier regio’s groeide met 25 procent, van 68.000 in 2008 naar bij 85.000 in 2015.
Een enkele click in de professionele versie van de Morningstar-database levert maar liefst 230.000 verschillende mogelijkheden op in beleggingsfondsen te beleggen. Dit aantal is zo groot, omdat er naast open-end fondsen ook closed-end, alternatieve fondsen en ETF’s zijn (ook de laatste groep is enorm hard gegroeid). Van veel fondsen bestaan ook nog verschillende ‘share classes’.
Het vinden van het beste beleggingsfonds is derhalve niet zo gemakkelijk meer voor de gemiddelde belegger. Naast tijd wordt veel kennis van de juiste selectiecriteria gevraagd. Veel beleggers kiezen fondsen die het in de voorbije tijd het beste hebben gedaan, het zogeheten ‘performance chasing’. Onderzoek wijst uit dat dit slechte resultaten oplevert. Er moet dus naar meer selectiecriteria dan alleen het rendement worden gekeken.
Het kiezen van de juiste beleggingsfondsen vereist een efficiënte, objectieve en wetenschappelijk onderbouwde selectiemethodiek. Wij gebruiken al sinds 2007 een zelf ontwikkelde ‘fund screening’ onder de naam FundSelectModel, die de kern van het beleggingsbeleid van de beheerder is. In dit model worden fondsen op basis van 26 criteria verdeeld over vijf blokken (Rendement, Risico, Kosten, Soliditeit en Morningstar-ratings) geselecteerd.
De signalen van het FundSelectModel – met onderbouwingen – worden ook aan onze externe klanten geleverd. Een half jaar geleden besloten we het model extern te laten testen, via de Universiteit Utrecht, met als doel om vast te stellen hoe goed het model is en of er verbeteringen mogelijk zijn. Van die eventuele verbeteringen zouden dan zowel onze interne en externe klanten kunnen profiteren.
Opzet onderzoek
Aangezien wij volledige transparantie nastreven naar zijn ‘stakeholders’ en interne en externe klanten heeft het besloten de bevindingen van het onderzoek openbaar ter beschikking te stellen middels een wetenschappelijke paper, die hier te downloaden is. Deze paper begint met de overzicht van de laatste stand van de wetenschappelijke onderzoeken naar criteria die belangrijk zijn bij de selectie van beleggingsfondsen. Een aantal van die factoren is ook opgenomen in het FundSelectModel van Blauwtulp.
Daarna worden de uitkomsten besproken van het onderzoek en er wordt afgesloten met een aantal conclusies en mogelijke vervolgstappen. Het onderzoek bestaat in de kern uit twee onderdelen. Ten eerste worden de uitkomsten van het FundSelectModel per beleggingscategorie vergeleken met een zogeheten indexportefeuille (portefeuille van alle fondsen uit die categorie) en de 5-sterrenportefeuille uit de betreffende categorie. In het selectiemodel wordt gebruik gemaakt van de data van Morningstar Direct.
Morningstar-data
Morningstar heeft zelf ook een fondsenrankingsmethodiek: de sterren. De 5-sterrenfondsen worden volgens Morningstar verondersteld het beste te zijn. Veel beleggers richten zich bij de selectie van fondsen (zowel actieve fondsen als ETF’s) ook op de sterren. Derhalve is een vergelijking van de portefeuille die het FundSelectModel adviseert versus een 5-sterrenportefeuille opportuun. In het onderzoek worden de FundSelectieModel-portefeuilles niet alleen op basis van rendement, maar ook op basis van risicogecorrigeerde rendementen, vergeleken met de indexportefeuille en de 5-sterrrenportefeuille.
Het tweede deel van het onderzoek betrof de voorspelkracht van het FundSelectModel. De vraag is dan of die selectie ook een voorspelling geeft voor het toekomstig rendement. Dit wordt in het onderzoek ‘Effectiveness’ (effectiviteit) genoemd. Toekomstige rendementen voorspellen is niet gemakkelijk, zo weten we uit talloze praktische en wetenschappelijke onderzoeken. Op voorhand moeten hier de verwachtingen wat getemperd worden.
De uitkomsten uit de studie zijn dat het FundSelectModel gemiddeld genomen zowel de indexportefeuille als de 5-sterrenportefeuille weet te verslaan, zowel op basis van rendement als op basis van risicogecorrigeerd resultaat. Er zijn echter diverse beleggingscategorieën waar dat niet lukt. Afhankelijk van welke uitkomsten van het model (die van 2012, 2013 of 2014) worden bekeken variëren de ‘outperformance’-percentages tussen de 55 en 88 procent.
Frequentie van outperformance van het FundSelectModel, hele onderzoeksperiode
Wat betreft effectiviteit of voorspelkracht liggen de percentages lager. Gemiddeld genomen heeft het model in ongeveer een vijfde tot een derde van de beleggingscategorieën toegevoegde waarde. Deze percentages zijn eigenlijk hoger dan gedacht.
De effectiviteit of voorspelkracht van het FundSelectModel, hele onderzoeksperiode
Het FundSelectModel scoort goed op basis van een naïeve selectie of selectie van alleen 5-sterrenfondsen. Maar niet op iedere beleggingscategorie lijkt het model goed te werken, met name bij Defensieve mix- of grondstoffenfondsen (die onderliggende met futures werken). Dit is met ‘hindsight’ ook wel te verklaren. Veel selectiecriteria die tien jaar geleden, bij de ontwikkeling, van het model, zijn gebruikt waren gebaseerd op de stand van de wetenschap van tien jaar geleden en de toen beschikbare onderzoeken gingen vooral over de selectie van actieve aandelenfondsen.
‘Naïeve’ weging toegepast
Voor andere typen fondsen zouden weleens heel andere criteria nodig zijn. Het punt is dat de wetenschap daar nog weinig onderzoek naar gedaan heeft. Verder hebben we een ‘naïeve’ weging toegepast bij de weging van de 26 selectiecriteria. Waarschijnlijk kunnen de resultaten van het model verbeterd worden door te onderzoeken welke criteria uit welk van de vijf blokken belangrijker zijn, eventueel per beleggingscategorie. Verder bleek uit de eerder genoemde literatuurstudie (zie ook tabel pagina 8 van de paper) dat bepaalde selectiefactoren tegenwoordig anders uitpakken dan vroeger.
Een mooi voorbeeld hiervan is de selectiefactor Management Tenure, ofwel hoe lang een fondsbeheerder het fonds ‘bestiert’. Oudere onderzoeken leken destijds uit te wijzen dat hoe langer de periode waarin de fondsbeheerder het fonds beheert, hoe beter de resultaten zijn. Dat lijkt nu eerder andersom te werken: hoe langer de ‘tenure’, hoe minder de resultaten. Een vierde verbeterpunt van het FundSelectModel kan komen door toevoeging van factoren die de laatste jaren uit wetenschappelijke onderzoeken naar voren zijn gekomen. Interessant is bijvoorbeeld de leeftijd van het fonds: hoe ouder het fonds, hoe slechter de resultaten worden.
De uitkomsten van het onderzoek naar de werking van het FundSelectModel zijn dermate interessant en bieden zoveel handvatten dat wij een vervolgonderzoek gaan doen om tot een model 2.0 te komen dat tot nog betere beleggingsresultaten moet leiden.
Deze gastbijdrage is afkomstig van Harry Geels, chief investment officer van Blauwtulp Wealth Management, het voormalige Inmaxxa. Het wetenschappelijke artikel vindt u in de bijlage. Reacties zijn welkom.