Dexia Asset Management introduceerde twee jaar geleden zijn eerste aandelenfondsen die op zuiver kwantitatieve basis worden beheerd. Deze fondsen zijn het resultaat van vele jaren van intern onderzoek naar kwantitatieve modellen als ondersteuning bij het nemen van investeringsbeslissingen. Bart Goosens, head of quantitative management and research bij Dexia Asset Management schrijft hier meer over.

Door middel van kwantitatieve modellen kan men het hoofd bieden aan de toenemende hoeveelheid beschikbare financiële informatie die investeerders op dagelijkse basis te verwerken krijgen. Modellen hebben immers een zeer grote capaciteit voor systematische analyse die de opsporing van beleggingsopportuniteiten vergemakkelijkt. Een kwantitatieve benadering biedt tevens het voordeel dat bij de aandelenselectie emotionele en subjectieve factoren geen rol kunnen spelen, om tot een zo objectief mogelijke selectie te komen.

Twee jaar geleden lanceerde Dexia Asset Management zijn eerste aandelenfondsen die op zuiver kwantitatieve basis worden beheerd, nl. Dexia Quant Equities Europe en Dexia Quant Equities USA, compartimenten van de bevek naar Luxemburgs recht Dexia Quant. Deze fondsen zijn het resultaat van vele jaren van intern onderzoek naar kwantitatieve modellen als ondersteuning bij het nemen van investeringsbeslissingen.

De verschillende modellen selecteren binnen elke sector de aantrekkelijkste aandelen op basis van een bepaalde combinatie van factoren, rekening houdende met specifieke vereisten inzake risico en turnover. Vervolgens worden de aanbevelingen van de modellen rechtstreeks op de portefeuilles geïmplementeerd via een mathematisch optimalisatieproces.

Historiek van het kwantitatief onderzoek bij Dexia Asset Management

Dexia Asset Management installeerde zijn team voor kwantitatieve analyse in 1998. Toen werd een eerste versie van de huidige modellen ontwikkeld en in het traditionele aandelenbeheersproces opgenomen om de beheerders en analisten te assisteren bij het opsporen van de meest interessante aandelen.

Het eerste kwantitatieve instrument dat door dit team werd ontwikkeld, werd toegepast op een Europees beleggingsuniversum en enkele maanden later werd ook een Amerikaans model ingevoerd. Deze eerste generatie bestond uit een enkel analysemodel voor alle waarden uit het beleggingsuniversum, zonder sectoronderscheid. Het kwantitatieve analyseteam zocht voortdurend naar verbetering en zo ontstond een tweede generatie, bestaande uit onafhankelijke specifieke modellen voor elke geanalyseerde sector.

Deze modellen leverden overtuigende resultaten en een grote toegevoegde waarde voor het aandelenbeheer. De inspanningen werden nog opgedreven en in 2002 bleken de modellen voldoende betrouwbaar en efficiënt om los van een klassiek analyseproces te functioneren.

De modellen hadden hun waarde bewezen voor het klassieke aandelenbeheer, en dus ontstond het idee om de productengamma te diversifiëren met aandelenfondsen die op zuiver kwantitatieve basis worden beheerd.

Ontwikkeling van een kwantitatief aandelenselectiesysteem

De kwantitatief beheerde fondsen zijn het eindresultaat van een kwantitatief aandelenselectiesysteem. Dit systeem bestaat uit een onafhankelijk model ontwikkeld om voor elk van de 10 sectoren in het Europese en Amerikaanse investeringsuniversum de aantrekkelijkste aandelen te selecteren binnen elke sector. Elk model is specifiek ontworpen om een zo stabiel mogelijke performance te kunnen genereren doorheen de tijd, onafhankelijk van specifieke marktomstandigheden.

De output van de modellen wordt toegepast op de kwantitatief beheerde portefeuilles. Dit gebeurt op een sectorneutrale manier, wat betekent dat de sectorale spreiding van de portefeuille vrijwel identiek is aan die van zijn referentie-index.

Vooraleer een strategie wordt toegepast op een portefeuille, voert het team verschillende portefeuillesimulaties uit. De resultaten daarvan zijn een betrouwbare indicator voor de toekomstige return en risico’s van de kwantitatief beheerde portefeuille. De ontwikkeling van dit systeem gebeurde in 4 stappen, zie figuur 1.

Selectie databank

Gegevens die gebruikt worden als input voor kwantitatieve modellen moeten van zeer goede kwaliteit zijn, anders is het onmogelijk om goed functionerende modellen te
ontwikkelen. Daarom worden bij de databankselectie enkele strikte criteria gehanteerd: volledige informatie over elk aandeel in het universum, frequente update van de data, voldoende lange historiek, geen ‘survivor bias’ of ‘look-ahead bias’.

De databank die werd samengesteld bevat een veertigtal factoren die dagelijks worden geüpdatet. De historiek is beschikbaar vanaf begin jaren ’90. Zie tabel 1 voor een overzicht van de factoren die we in rekening nemen.

Modelontwikkeling

Nadat een geschikte databank beschikbaar is, maar voordat kan worden gestart met de ontwikkeling van de modellen, worden de beschikbare data verdeeld in twee onafhankelijke deelverzamelingen. Een eerste deelverzameling dient om de modellen te bouwen (‘in-sample’). Nadien passen we de modellen toe op de tweede deelverzameling (‘out-of-sample’). Enkel als ze gelijkaardige resultaten genereren met data uit beide deelverzamelingen, kan men zeggen dat de modellen robuust zijn. Dit betekent dat ze ook zullen functioneren met nieuwe data. Dit is een zeer belangrijke eigenschap want in de praktijk, bij het dagelijks beheer van een fonds, zullen de modellen per definitie geconfronteerd worden met nieuwe data.

Het team voor kwantitatief beheer en onderzoek van Dexia AM heeft gekozen voor de ontwikkeling van een onafhankelijk model voor elk van de tien sectoren van het Amerikaanse en het Europese beleggingsuniversum. Deze benadering heeft twee duidelijke voordelen: ten eerste kan het team rekening houden met sectorspecifieke factoren (de prestaties van aandelen binnen de energiesector worden door andere factoren gedreven dan deze binnen de financiële sector) en ten tweede wordt het risico gediversifieerd indien een van de modellen slecht zou presteren.
Elk van de 10 modellen wordt in twee fasen ontwikkeld.

1ste fase: analyse van de individuele factoren in elke sector

Bij aanvang van elke maand, worden de aandelen binnen een sector gerangschikt per factor en verdeeld in 5 groepen van hetzelfde aantal. De aandelen in de eerste groep hebben de hoogste score en krijgen een koopaanbeveling (‘Buy’), de aandelen uit de laagste groep hebben de laagste score en krijgen een verkoopaanbeveling (‘Sell’).

Op het einde van elke maand worden de prestaties van elke aandelengroep berekend, samen met het prestatieverschil tussen de eerste en laatste groep (buy-sell spread). Een positief verschil betekent dat de factor tijdens de voorbije maand toegevoegde waarde heeft gegenereerd.

Dit proces wordt elke maand herhaald gedurende de hele periode, voor alle factoren van de gegevensbank en voor elke sector van het beleggingsuniversum.

2e fase: bepaling van de optimale factorencombinatie per sector

Op basis van de prestaties van elke individuele factor, wordt voor elke sector een optimale combinatie van factoren bepaald. Elke combinatie wordt beoordeeld volgens 4 criteria:

• prestatie (zo groot mogelijke buy-sell spread),

• stabiliteit van de prestatie,

• turnover (zo laag mogelijk),

• correlatie tussen de factoren onderling (zo klein mogelijk).

De beste combinatie van deze vier criteria levert een optimaal resultaat op. Deze combinatie moet uiteraard gelijkaardige resultaten opleveren voor de twee deelverzamelingen (‘in-sample’ en ‘out-of-sample’).

Een optimale combinatie van factoren wordt voor iedere sector apart bepaald. Aan de hand van deze combinatie kan het model voor elk aandeel een score berekenen die zijn relatieve aantrekkelijkheid binnen de sector weergeeft.

Op het einde van dit proces zijn er dus 10 onafhankelijke modellen die dagelijkse investeringsaanbevelingen kunnen verschaffen voor alle aandelen in het beleggingsuniversum.

Portefeuillesimulatie

Het doel van de portefeuillesimulatie of backtesting is na te gaan of de modellen positieve resultaten genereren wanneer ze in een portefeuille worden toegepast.

Elke backtest simuleert een beleggingsstrategie die de modellen op maandelijkse basis toepast via een ‘Portfolio optimiser’. Deze ‘optimiser’ genereert een optimale portefeuille naargelang een aantal investeringsparameters zoals gewenste tracking error, maximale turnover, enz. De parameters gebruikt in de portefeuillesimulaties zijn dezelfde als die worden gehanteerd bij het dagelijks beheer van een fonds of mandaat.

De resultaten van al deze modellen worden geanalyseerd via diverse simulaties om na te gaan in welke mate ze een duurzame prestatie kunnen genereren. Deze simulaties worden verwezenlijkt over een voldoende lange periode om met erg uiteenlopende marktomstandigheden rekening te kunnen houden (bear, bull markets, …).

Alle resultaten van deze simulaties worden grondig geanalyseerd aan de hand van een performance-attributiesysteem. Dit systeem levert voor elke gewenste periode prestatie- en risicocijfers zoals de netto excess return, de absolute return, de ex-post tracking error of de volatiliteit. Ook andere belangrijke kenmerken van de portefeuille, zoals de turnover en bepaalde posities, kunnen worden geanalyseerd.

De volgende etappe bestaat erin na te gaan hoe de prestaties werden gegenereerd. De portefeuille wordt daartoe ingedeeld op basis van verschillende criteria, zoals de sector, het land, de beurskapitalisatie en de value/growth bias. Vervolgens wordt voor elk van deze onderverdelingen de bijdrage tot de prestatie onderzocht.

Tot slot wordt de stabiliteit van de prestaties bestudeerd. Dit is een cruciaal punt, omdat onze kwantitatieve beleggingsprocessen gericht zijn op een stabiele outperformance, ongeacht de marktomstandigheden.

Beheer van een reële portefeuille

Natuurlijk is het uiteindelijke doel van dit hele systeem het beheer van een echte portefeuille. Om de gesimuleerde resultaten zo veel mogelijk te benaderen, worden de kwantitatieve fondsen en beleggingsmandaten van Dexia AM op precies dezelfde manier beheerd als gesimuleerd in de backtests.

Dit betekent dat de portefeuilles op maandelijkse basis worden herschikt (‘rebalancing’). De ‘portfolio optimiser’ creëert dan een optimale portefeuille, door de output van de verschillende modellen te gebruiken als inputdata en daarbij een aantal parameters te respecteren, zoals de eerder vastgelegde niveaus van tracking error, de sectorneutrale benadering en de maximale turnover. Cashflows worden altijd onmiddellijk geïnvesteerd op basis van de meest recente resultaten van de modellen.

Vergelijking van de gesimuleerde en reële resultaten

Een historische simulatie is op zich wel interessant, maar wordt pas relevant als de resultaten ook in de praktijk kunnen geëvenaard worden.

Figuur 2 toont aan dat de reële prestaties van het Europese fonds gelijkaardig zijn aan de prestaties uit de simulaties. Hetzelfde geldt voor het kwantitatief beheer toegepast op het Amerikaanse universum.

Deze resultaten tonen aan dat het mogelijk is om via een volledig kwantitatief aandelenselectiesysteem een consistente excess return te genereren met een beperkt risiconiveau zowel in de simulaties als in een reële portefeuille.

Verdere ontwikkelingen

De kwantitatieve fondsen van Dexia AM leveren behoorlijke excess returns, maar geen enkel systeem is onfeilbaar. Het is daarom voor elke kwantitatieve beheerder een permanente uitdaging om zijn proces bij te schaven en te verbeteren om zo steeds de markt een stap voor te blijven.

Het team voor kwantitatief beheer en onderzoek van Dexia AM investeert daarom veel tijd in onderzoek en ontwikkeling. Dit neemt verschillende vormen aan. Ten eerste worden nieuwe technieken onderzocht om de bestaande modellen te verbeteren. Ten tweede wordt gezocht naar nieuwe, tot nu toe niet geëxploiteerde factoren die aan de databanken kunnen worden toegevoegd om de waaier van factoren waarmee gewerkt wordt te verruimen. Tot slot worden bestaande technieken toegepast op nieuwe beleggingsuniversums. Zo wordt momenteel de laatste hand gelegd aan een Japans aandelenselectiemodel.

Kiezen tussen kwantitatief en traditioneel beheer?

Kwantitatieve beheerders pakken de zaken heel anders aan dan traditionele beheerders. Ze vertrouwen in veel grotere mate op modellen om zo een overvloed aan informatie op een efficiënte en strikt objectieve manier te verwerken en om emoties zo veel mogelijk uit het investeringsproces te weren.

Beide beheersstijlen hebben hun voor- en nadelen. Zijn beleggers daarom verplicht om tussen één van de stijlen te kiezen? De ervaring bij Dexia AM toont aan dat zo’n keuze zich niet opdringt. Juist omwille van hun verschillen zijn beide benaderingen complementair en kan de combinatie ervan een mooie diversificatie vormen voor een portefeuille.

Stefaan Coosemans
stefaan.coosemans@dexia-am.com

Ben Peeters
ben.peeters@dexia-am.com

Dexia Asset Management
Nederlands kantoor
Lichtenauerlaan 102 - 120
3062 ME Rotterdam
tel: 010 204 56 53