Regel 1

We verschaffen gratis informatie die mensen moet doen kritisch nadenken over investeren versus je spaargeld in cash aanhouden; over sparen, aandelen, fondsen versus combinaties van ETFs. Dit is geen beleggingsadvies (koop nu dit, en doe nu dat), maar informatie verschaffen. Vergeet nooit: eerst (1) informatie, dan (2) inzicht, dan pas (3) actie. Blind overgaan tot actie op basis van informatie zonder zelf inzicht te hebben is onverantwoord en financiële kamikaze.

Never advise anyone to buy or sell shares. Where guessing correctly is a form of witchcraft, counsel cannot be put on airs.

Regel 2

We zetten niets op de website waar we zelf niet in investeren. Dit wil zeggen dat we zowel de vruchten als de mogelijke downside van de strategieën zelf ervaren. Skin in the game dus.

Accept both your profits and regrets. It is best to seize what comes to hand when it comes, and not expect that your good fortune and the favourable circumstances will last. Profit in the share market is goblin treasure: at one moment, it is carbuncles, the next it is coal; one moment diamonds, and the next pebbles. Sometimes, they are the tears that Aurora leaves on the sweet morning’s grass, at other times, they are just tears.

Regel 3

De weg naar financiële groei en onafhankelijkheid is geen roboadviseur alleen, maar eerder minder uitgeven en/of meer laten binnenkomen per maand en wat je dan extra overhoudt daarna verstandig investeren met een roboadviseur. Je wordt rijk van het geld dat je niet uitgeeft. Kapitalisme gaat niet om 100 euro of 1000 euro hebben “at T”, het gaat om 100 euro ruilen voor 5 euro per jaar, die elk jaar “at [T+1, T+2,…]” kan aangroeien mits een geloof in de productiviteit en innovatievermogen van mensen.

He who wishes to become rich from this game must have both money and patience.

Men twijfelt dan over gemaakte keuzes of voelt simpelweg paniek bij grote correcties en crashes, waardoor de retailinvesteerder uitstapt en zijn langetermijn rendement nooit kan verzilveren.

Een zéér belangrijke stap vooraleer te investeren in risicoactiva, zoals we eerder al benadrukten, is weten wanneer je het geld nodig zult hebben. In principe is het dan een vrij rechtlijnige afweging tussen de risicopremies plukken van een gediversifieerde aandelenportefeuille en de tijdelijke drawdowns kunnen overbruggen. Instrumenteel in die stap is het kennen van historische drawdowns en hun herstelperiodes.

Waaraan moet ik mij verwachten?

Eveneens is het nuttig de macro-economische (inflatie, schuldcrisis, oorlog,…) of demografische redenen (zoals de vooruitlopende Japanse vergrijzing en boom en bust van hun Lost Decade) hiervoor te kennen. Hieronder vind je een nuttig overzicht van de belangrijkste historische drawdowns op financiële markten sinds de Tulpengekte in Amsterdam in 1637, vaak aangehaald als de moeder van alle bubbels en marktimplosies.

Oei, dus voor 7% return per jaar riskeren we de helft of meer van ons geld te verliezen? Is dit wel efficiënt? Biedt die “equity risk premium” die we willen plukken dan geen slechte tradeoff met de risicos, in vergelijking met voldoening te nemen met 3-4% per jaar genererende vastrentende effecten die amper drawdowns kennen?

Het antwoord is opnieuw de wet van samengestelde interest: dY = rYdt. De grootte van je portefeuille groeit proportioneel met de grootte van je portefeuille zelf. Ondanks barslechte jaren op de markten stijgt de beurs toch gemiddeld met 7% per jaar, dit wil zeggen inclusief de slechte jaren.

De meest spectaculaire drawdown die je moet conceptualiseren is de grafiek die het verschil vergelijkt tussen een lange periode in cash zitten versus geinvesteerd zijn, m.a.w. de drawdown van je opportuniteitskost over de tijd. Bijvoorbeeld, als je 100 euro in cash aanhoudt over 10 jaar waarbij de beurs je 7% p.a. presteert, dan kan die beurs onderweg eens 20% verloren hebben, maar is dat irrelevant t.a.v. de relatieve drawdown van 100% t.o.v. iemand die belegd had en zijn geld verdubbeld heeft over die periode. Die zal misschien jaren van 20% verlies en jaren van 20% stijging afgewisseld hebben, maar als hij niet uitgestapt is werd die beloond voor het uitzitten van de volatiele rit.

Een ander belangrijk punt is dat deze drawdowns “top-to-bottom” zijn, oftewel worst case. Weinigen hebben exact op de top gekocht en in het dal gepanikeerd en verkocht. “It ain’t real until it’s realized.” Als je niet panikeert valt die drawdown vaak mee t.o.v. de maximale drawdown en als je bijkoopt in het dal - bv. met “dollar cost averaging” - kan je zelf tijdens moeilijke periodes een deftige gemiddelde return behalen.

Wat moeten we nu met deze tabel?

Het allerbelangrijkste is weten hoelang je kunt belegd blijven, zodat je nooit tijdens een mogelijks volgende dramatische marktepisode verplicht moet uitstappen en het verlies móet incasseren, terwijl je op dat moment misschien net niet panikeert. Weten dat die verliezen er bij horen maar gewoon een “slechte timing” kennen en moeten liquideren is zeer pijnlijk en moet natuurlijk ten allen tijde vermeden worden.

Tenslotte is er een belangrijk principe dat dient gerespecteerd te worden.

Pas deze drawdowns (bv. 50%) eens toe op je portefeuille. Verandert er iets fundamenteel aan je levensstijl? Je werk, woning, aankopen, vrije tijd uitgaven en zo voort. Neen? Go ahead. Ja? Doe het niet en kijk naar de spaarmarkt.

Kunnen leven met een worst case scenario is een belangrijke voorwaarde voor je kunt beginnen met investeren.

Maar wat is het punt?

Het is een feit dat de spread tussen de SPX (de S&P500) en de SPW (de gelijkgewogen in plaats van market cap gewogen) zeer sterk gestegen is, wat wijst op een hausse die door slechts enkele mogelijks overgewaardeerde aandelen gedreven wordt, wat concentratierisicos creëert. Maar het verschil tussen economen die dit opmerken en investeerders is het oude adagium:

An economist is just a trader without a P&L.

Oftewel een profit en loss, een kwantitatief resultaat van die mening. Het is makkelijk om vijf jaar te zeggen dat de S&P overgewaardeerd is, maar een trader die vijf jaar een hausse short en zijn fonds op de schop ziet gaan vooraleer de markt inderdaad sterk corrigeert zal dan bezwaarlijk zijn gelijk claimen.

Dat we door de huidige markt terug naar stockpicking zouden moeten, alle bovenstaande waarschuwingen ten spijt brengt ons terug bij marktefficiëntie: kan je de markt verslaan door actief af te wijken? Het antwoord is volmondig ja. De markt is niet efficiënt, de markt wordt efficiënt gemaakt. De markt is een ecosysteem van verschillende spelers, van een vader retailinvesteerder in West-Vlaanderen tot een flitshandel firma op de Zuidas in Amsterdam, van een gokverslaafde memestocktrader in Gent tot een HFT market maker bij Citadel in Florida. Er zullen inderdaad wat grote kwantitatieve (hedge) funds met topinfrastructuur zijn die tijdelijke imbalances zullen uitbuiten, beter en sneller dan jij en ik. Grote institutionelen zoals JPMorgan en Goldman hebben de laatste jaren vrij constant tussen de 30 en 40 slechte trading dagen op 250 per jaar - staat elk jaar in een verplichte grafiek in hun 10-K form bij sectie Marktrisico zoekend op “Net revenues included in the daily VaR” - wat statistisch onmogelijk is voor “efficiënte markten” in de stricte zin.

De conclusie dat omdat ETFs mogelijks nadelen hebben we daardoor Belgische retailbeleggers binnen dit ecosysteem weer richting geconcentreerde aandelenportefeuilles van “cheap stocks”, in de zin van Warren Buffet- en Benjamin Graham-achtige value stocks, moeten duwen (of correcter: ze daar houden!), dat zou een bijzonder scheve conclusie zijn en ironisch, op het randje van slechte wil, misschien wel daar voorbij. En aan hen zou ik zeggen: koop een Value ETF. Ik zeg dit natuurlijk ironisch, maar in alle serieusheid pleit het net voor optimalisatie van ETFs als je bezorgdheid deze concentraties of correcties zouden zijn. Als de SPX dan te exces volatiel wordt t.o.v. de SPW of in correctieteritorium gaat door deze enkelingen (e.g. relatieve CVaR uit het numerieke voorbeeld in de vorige post), dan kan je net een rebalance doen wanneer nodig, maar vooral geinvesteerd blijven als de markt zoals in Covid daarna weer veel spectaculairder dan verwacht opveert.

Time in the market beats timing the market

Nog een laatste adagium om mee af te sluiten.

Indien je er toch in slaagt naast deze zaken per maand bijvoorbeeld een paar honderd euro op zij te kunnen zetten voor de langere termijn, dan investeer je die best. Per ons manifesto is kapitalisme een spel van het ruilen van 100 euro voor 5-10 euro per jaar wat aangroeit tot iets zeer aanzienlijk overheen de tijd mits een geloof in de productiviteit en innovatievermogen van mensen. Dit principe erkennen in je vroege of mid-twintiger jaren heeft gigantische gevolgen voor je financiële situatie in je late dertiger jaren, vroege veertig, maar natuurlijk ook daarna.

Echter die groei komt niet vanzelf, je moet durven slim beleggen. Dit wil zeggen niet al je discretionair inkomen laten oppotten in cash of laten rotten op een spaarrekening die minder opbrengt dan de inflatie of stijging van de algemene levensduurte. Op lange termijn geeft cash je 0% - dit was dus een vrij onverstandige move van Carl & Ellie in de Pixar film Up, sparen 2%, overheidsobligaties 3%, bedrijfsobligaties 4-5%, aandelenkorf in de praktijk 6-10% (dit t.a.v. obligaties is de befaamde risicopremie, maar reken je nooit rijk in Excel met meer dan 7%). Zoals gezegd, als je het geld binnen de paar jaar nodig hebt en die je levenskeuzes zoals een grote trouw, een woning e.d.m. zouden beïnvloeden, blijf dan vooral weg van aandelen en kijk naar de spaarmarkt. Indien je toch een potje kunt sparen voor de langere termijn: ga voor aandelen.

Als je in aandelen wilt investeren had je 5 opties: je maakt een account aan bij een broker (Lynx, Bolero, De Giro,…) en (1) koopt individuele aandelen als de stockpicker self-managed investeerder zoals besproken in deze blog, (2) je investeert in fondsen of fondsenhuizen via uw bank of broker, (3) je belegt zelf in ETFs, (4) een mix “core-satelite” met kern van ETFs 80-90% van de portefeuille en enkele individuele lijnen om persoonlijke redenen, of (5) een robotadviseur doet alles voor jou. Na de argumenten in vorige posts mag iedereen voor zichzelf uitmaken of stockpicking voor hem of haar een goed idee is – in de eerste plaats “Ken uzelf” -, maar betreffende (1) hebben we voor onszelf uitgesloten veel tijd te steken in wat meest waarschijnlijk finaal underperformance gaat betekenen. Mogelijkheid (2) hebben we, opnieuw na de analyse en argumenten in deze blog, we voor onszelf uitgesloten. Opties (3) en (4) lijken ons zeer zinvolle benaderingen, maar de vraag blijft welke ETFs of individuele lijnen je dan kiest en waarom, hoe je die gaat wegen in je portefeuille, hoe vaak en hoe veel je bijkoopt wanneer,… allemaal zaken die arbitrair geïmplementeerd zijn bij de meeste retailbeleggers in vergelijking met professionele beleggers of ten opzichte van optie (5).

In conclusie, wij zouden dus iedereen een goede roboadvisor willen aanraden in België, mocht die bestaan. Er zijn uitstekende platformen (de Duitse website Brokervergleich legt ze periodiek naast elkaar) in de wereld, maar de meeste zijn niet toegankelijk vanuit de Belgische markt. In landen met een algemeen hoger aandelenbezit zoals de Verenigde Staten zijn er niet een paar roboadvisors, er is een heel ecosysteem met een gestaag groeiend AUM.

Het verschil in die landen is dat retailbeleggers sneller hun weg vinden naar B2C roboadvisory, terwijl in België de banken zelf met oplossingen kwamen die eigenlijk hun klassieke beleggingen - a.k.a. dure fondsen - kannibaliseerde. Dat is ook een algemene wijsheid in finance: identificeer eerst mogelijke conflicts of interest. Zijn de belangen van de persoon die je adviseert (of die de robot programmeert die je advies geeft) voldoende in lijn met de jouwe? Of zijn zijn of haar incentives vooral commissies innen? Dat is de reden waarom we nooit een cent zouden willen voor deze informatie of strategieën. Inzicht is veel waardevoller dan ontzorging. Want zij die je financieel willen ontzorgen zijn misschien volume- of commissiegedreven (denk aan je bank of broker). Vaak is hun “nieuws” of product geen signaal maar ruis, of zelfs het omgekeerde van wat je op dat moment nodig hebt.

Een alternatief zijn geoptimaliseerde modelportefeuilles van ETFs waar je gratis en gemakkelijk toegang hebt tot de objectieven van de strategieën, het universum van ETFs, de samenstelling en de performance van de portefeuilles, waar je naast de kerninfo van ETFs (te vinden op sites als justETF.com), ook wegingen kunt vergelijken en vooral de impact van verschillende wegingen kunt zien op de multi-year performance van dezelfde set ETFs.

Dat is de ambitie van Nonkel Fonds.

Passief investeren wekt de indruk dat men geen keuzes moet maken en dat alle passieve investeerders dezelfde return hebben. Zelfs met dezelfde kleine set ETFs kon je de voorbije jaren een grote range aan returns behalen op basis van weging, herbalancering- en inlegstrategieën. Ook dit is een vertekening die ik soms moeilijk uitgelegd krijg aan mensen.

Onze missie is het formaliseren van de pater familias regels van investeren en zo de fouten - in deze blog uitvoerig beschreven - te vermijden en dit in volle transparantie - open source - om zo informatie te verschaffen aan eenieder die met dezelfde vragen zit en kritische inzichten wil verwerven op sparen versus investeren per ons manifesto.

Lees in onze meest recente post meer over ons manifesto!

Biases

De resultaten zijn unaniem. Het verschil zit hem in het woord systematisch investeren. De typische retail portefeuille zit geconcentreerd in enkele “goedkope aandelen” (Buffet-style, down -50% en al jaren zo), Forex paren die niet bewegen, obligaties die misfits zijn met hun risicoprofiel,… Wanneer de systematiek in slimme code is gegoten en expliciet gemaakt en alle stylized principes van investeren (d.w.z. voorgenoemde diversificatie, risicomanagement, etc.) trouw is gebleven, dan verdwijnen automatisch vele van de psychologische vertekeningen waaraan de retailbelegger lijdt:

Overconfidence

Te veel zelfvertrouwen in eigen kunnen leidt vaak tot weinig tot ongediversifieerde portefeuilles met slechts een aantal posities (zie bijvoorbeeld studie FSMA, meer dan de helft van Belgische beleggers handelde vorig jaar in maximum 3 aandelen). Men investeert kennelijk niet enkel voor de return, men wil ook “slim” zijn, een contrarian mening hebben, de markt kunnen lezen en men voelt een druk om tegen de consensus in te gaan, wat die ook moge zijn. In margin trading doet de “90-90-90 rule” zelfs de ronde in de brokerage industrie: 90% van retail traders op margin (d.w.z. met geleend geld, waar de hefboom heel groot kan zijn) verliest 90% van zijn geld in de eerste 90 dagen. Dit is een extreem voorbeeld, en effectieve cijfers worden door brokers niet zo makkelijk gedeeld, maar het is een goed gedocumenteerd feit dat veel particuliere investeerders ofwel geen succes kennen door te hoge concentratie en te beperkte overtuigingen, ofwel net in een initiële fase het heel goed doen waardoor ze risico alleen maar opbouwen en zichzelf in een latere fase opblazen. Getuige daarvan is het grote aantal dormant accounts bij brokers: mensen die hun portefeuille of posities opblazen en de moed niet hebben hun account volledig te liquideren en dan maar inactivity fees betalen, of mensen die posities innemen na advies van “finfluencers” en daarna tot het besef komen dat ze zelf niet systematisch beleggingsideëen kunnen genereren en dan worden zij een slapend account. Een ander voorbeeld is trend chasing: winnaaraandelen kopen die je niet in portefeuille had maar op het moment dat ze in het nieuws komen wat zo goed als altijd te laat is. De essentie van ingaan tegen die hoogmoed is opnieuw “Ken uzelf”, “Alles met mate”, laat het over aan een algoritme die kiest voor spreiding en die systematisch, herhalend de juiste keuzes maakt. De huidige finance en brokerage infrastructuur is helaas volume-gedreven en gebouwd om te voeden aan de narratief van quick-rich finfluencers die in essentie cateren aan wanhopige financieel minder geletterden.

Dispositie effect

Men verkoopt te snel winnaars in de portefeuille en houdt te lang vast aan de verliezers. Een tech aandeel wat reinigings- en andere laboproducten voor chips verkoopt gaat +40% en je verkoopt omdat je geen flauw idee hebt wat de business echt is, wat de drijvende kracht achter die toegenomen demand is en hoe groot die markt is - in hun supply chain network leveren ze bijvoorbeeld aan alle grote producenten TSMC, Nvidia, … en dat wist je gewoon niet -, en een jaar later verhandelt het aan 3x de prijs. Ook de opportunity cost van instrumenten die geen verlies maken maar gewoon niet goed opbrengen wordt niet goed begrepen, en vooral de sunk cost fallacy regeert retail portefeuilles. Een biotech bedrijf implodeert en je kan het jaren later nog niet over je hart krijgen om aan -80% te verkopen. Een veilige belegging, een bedrijf dat rusthuizen uitbaat in een snel vergrijzende samenleving, gaat kopje onder na frauduleuze praktijken, 90+% verlies, maar je hebt het nog steeds. Enzovoort en zo verder. Een systematisch algoritme verkoopt verliezers vrij snel. Cut the losses, en kijk vooruit.

Home bias en bounded rationality

Zoals eerder al aangehaald, het universum van investeerbare activa loopt in de praktijk in de duizenden en duizenden assets. Het is onmogelijk om goed geïnformeerd te zijn over alle opportuniteiten, maar hoe kunnen we ze dan allemaal een ranking geven in ons selectieproces? Het antwoord is dat rationeel ranken - al je opties oplijsten, de relevante features verzamelen, ordenen, en de beste opties kiezen - iets is wat niemand echt doet. Men start vaak van de dingen die men kent. Men denkt dat men als Belg een mening moet hebben over de toppers en de floppers in de BEL20. Vanuit een rationele investeringsstrategie is dat onzin, want dan zou je minstens een even ontwikkelde mening moeten hebben over alle Europese, Amerikaanse, etc. aandelen en dat is natuurlijk onmogelijk. Maar deze home bias zorgt er wel voor dat vele particuliere investeerders individuele lijnen hebben in Belgische aandelen en in hun portefeuille voornamelijk Europese aandelen hebben, en dat is schadelijk voor de performance aangezien Europese aandelen historisch een stuk minder efficient (return gecorrigeerd voor risico) waren. Een ander voorbeeld zijn de fameuze Belgische obligaties, waar buurlanden zelfs een beter rendement gaven, terwijl obligaties misschien niet eens aansluiten bij de investeringsdoelen en termijnen van de mensen die ze kopen.

Rank effect

Particuliere zelf-gemanagede investeerders verhandelen het vaakst hun meest extreme posities (zowel in grootte als in performance) en negeren vaak hun middelmatige (in size en performance). Formeel is dit rangeffect dus dat retail investeerders opnieuw beperkt zijn in hun rationaliteit in de zin dat hun ranking niet absoluut is ten opzichte van andere assets in het universum maar relatief ten opzicht van hun andere posities in de portefeuille. “The worst, the best, ignore all the rest”. Veel kleintjes maken hier een grote: wanneer je geen holistische approach hebt ten aanzien van risico en bij herbalancering (of optimalisatie) geen rekening houdt met opportunity costs van middelmatige performance en concentratie (dat vele kleintjes samen sterk geconcentreerd kunnen zijn) besef je niet dat dat een gigantisch verschil kan maken op het einde van het jaar en zeker als je een lange investeringshorizon hebt. Mensen denken dat de performance vooral gedreven wordt door de extreme performers. Die houden je ’s nachts misschien wakker, maar een goed risicomodel zou je vertellen dat je eigenlijk zou moeten wakker liggen van enkele kleinere posities – bv. een clustertje value stocks - die samen al drie jaar zijwaarts bewegen terwijl de markt double digit gains kan voorleggen.

Het verschil tussen professionele beleggers - die, toegegeven, ook aan sommige van deze biases lijden - en retail beleggers is hoe systematisch ze hun strategie kunnen in de praktijk brengen en herhalen. Een cruciaal principe is dat de meeste professionele beleggers als doel hebben: “Preservation of capital first, then growth” of tenminste een variant daarop. Het is nogal duidelijk dat deze biases en de typische retail portefeuille hier diametraal tegenover staan. Het stoot me tegen de borst dat in de voorgenoemde post mortems niemand de relatie van systematisch investeren en de performance van retail wist te linken zoals academisch onderzoek dit al jaren doet, namelijk erkentelijk zijn aan het feit dat een robotinvesteerder een soort “commitment machine” is waar je geld periodiek naar overschrijft in de hoop het te doen groeien en waar je de markt niet zo probeert te “gamen” als hierboven beschreven.

Kosten

Tenslotte wil ik het over kosten hebben. Enkele feiten van de FSMA over de gemiddelde instapkost (2.1%), exploitatie- of beheerskost (1.4%) en voorbeelden (5% bruto vs. 3% netto ARR) zijn absolute waanzin. Sparen en investeren berust op de wet van samengestelde interest. Een relatief klein percentage jaar op jaar op periodiek gestorte bedragen (“dollar cost averaged” instappen) op een investeringsaccount groeit aan tot een zeer aanzienlijk bedrag. Het effect van dergelijke kosten is dan ook spectaculair.

Ik had het in mijn eerste blogpost over slack. Als je je afvroeg of de investeringsinfrastructuur in België vooral de investeerder of de industrie zelf dient, dan heb je met het taartdiagram hierboven je antwoord. Het behoeft dan ook geen uitleg dat platformen waar je bijna kosteloos ETFs kunt kopen die +-20 basispunten total expense ratio hebben en netto de laatste 5 jaar 10% ARR presteerden waanzinnige vergelijkingen opleveren met actief beheerde fondsen. Dat is de simpele wetmatigheid van groei. dK = rK dt, oftewel de groei van je kapitaal dK over de tijd t is in verhouding met je kapitaal K. Wie deze simpele differentiaalvergelijking der samengestelde interest begrijpt verdient ze, wie niet betaalt ze. Ik laat vergelijkende grafieken hier dan ook achterwege om niemand specifiek te bruskeren, maar stuur gerust een persoonlijk bericht als je eens enkele standaard ETFs naast enkele van de “flagship” fondsen van Belgische fondsenhuizen wilt leggen.

Het argument dat roboadvisors daarom relatief duur waren en daardoor afgevoerd is je reinste onzin en een vorm van financiële geschiedsvervalsing, want dat was net één van de redenen waarom roboadvisors er kwamen: het investeren in low-cost ETFs en het poolen van verschillende roboadvisor klanten die dezelfde ETFs kopen in “blockorders” om transactiekosten te delen, als het ware een groepsaankoop van ETFs. Het gebrek aan AUM - assets under management - waardoor de roboadvisors afgesloten werden, lijkt me veel eerder een zuiver allocatie of gross performance issue dan wel een kostenissue (gross vs net) te zijn.

Natuurlijk vroegen vermelde roboadvisors een management fee (+-1% all-in, dus incl transactiekosten en bewaarlonen - geen in- of uitstap) en kan dat duurder zijn dan zelf je ETFs kopen, men moet dan vergelijken met transactiekosten. Maar dan moet je wel zelf al je trades plaatsen, transactiekosten betalen en zorgen dat het goedkoper is dan 1% op jaarbasis, en natuurlijk ook het kiezen welke ETFs voor jouw rekening nemen en in welke weging, koopstrategie, opvolging, etc. Dan ben jij verantwoordelijk dat de ETFs, de weging en de inlegstrategie je minder dan 1% per jaar kost t.o.v. een systematische strategie, m.a.w. alle vraagstukken van deze en vorige blogs. De vraag is ook - zelfs uitgaande van identieke performance - of die tijd en moeite (informatie verzamelen, vergelijkende websites gebruiken, etc.) het verschil tussen jouw transactiekosten en 1% fee voor de roboadvisor rechtvaardigt.

Hoe kostenefficient en bewust van deze vertekeningen systematisch beleggen? We vertellen het je in de volgende posts.

Hordes mensen kwamen het orakel raadplegen en de goden goede raad vragen bij het nemen van belangrijke of moeilijke beslissingen, inclusief staatsmannen en buitenlandse vorsten die het orakel lieten spreken over de meest urgente staatszaken en oorlogen. De opschriften in de tempel maakten nochtans enkele waarschuwingen duidelijk, zoals “Ken uzelf” en “Alles met mate”. De Pythia was vaak ondubbelzinnig dubbelzinnig zoals “Een groot rijk zal verwoest worden” waarbij Croesus van Lydië natuurlijk niet kon vermoeden dat het over zijn eigen rijk ging toen hij met die raad ten oorlog trok. Wanneer menselijke hoogmoed dergelijke goddelijke intelligentie ontmoet, dan hoort de mens niet meer wat die intelligentie hem probeert te zeggen, maar zoekt die vaak vooral naar bevestiging van wat hij al dacht te weten. Dan lijkt de lijn tussen wat is en wat hij hoopt dat is soms flinterdun.

De naam Pythia is afgeleid van Python, de slang die Apollo eerst moest verslaan om in Delphi zijn cultusplek op te zetten waarna hij volgens de legende zelf priesters rekruteerde. Python is ook de naam van de programmeertaal waarin het grote merendeel van de hedendaagse AI software is geschreven. Ook daar moeten we vaststellen dat menselijke hoogmoed en wiskundig exacte dubbelzinnigheid een dodelijke combinatie kan zijn. Hoop, in combinatie met voldoende wiskundige complexiteit en onnodige specificatie en detail, kan inderdaad hetzelfde effect hebben dat wat iets is en wat je wil dat iets is door elkaar gehaald worden. Goede en slechte ideëen slapen dan in hetzelfde bed, en ’s nachts kun je die nu eenmaal eens voor elkaar verwarren. Zo zeker ook voor kwantitatieve finance. Mijn programmeerlessen in London waren in die zin wel ondubbelzinnig: “The computer does not do what you want it to do. The computer does what you tell it to do.” Tussen wens en realiteit staan helaas harde wetten in de weg, en praktische bezwaren, maar ook de unknown unknowns die niemand kan verklaren.

Het construeren van een investeringsstrategie bestaat uit een heel aantal stappen en het is afhankelijk van de stap of het (1) slim, (2) niet zo verstandig of (3) ronduit onverantwoord is om AI algoritmes - ruim gedefinieerd als zeer geavanceerde software voor patroonherkenning - te gebruiken.

Zo start men van een investeringsuniversum, waarbij men de duizenden en duizenden investeerbare activa zou kunnen filteren aan de hand van classificatie met geavanceerde AI software. Voor aandelen zou dit bijvoorbeeld kunnen betekenen het automatisch bepalen van sectoren a.d.h.v. transacties leren herkennen tussen bedrijven die clusters vormen, i.p.v. GICS en andere standaardclassificaties. Andere voorbeelden is herkennen van evoluties in fundamentals (EBITDA, Net Debt / EBITDA, FCF / EV,…) en best-in-class evoluerende instrumenten per regio of sector gaan ontdekken uit een pool die initieel veel te groot is voor analisten. Dit automatische shortlisten is een voorbeeld van slimme AI. Je vraagt niet aan het orakel wat je moet kopen, je vraagt om in de verpletterende hoeveelheid informatie - gestructureerd of ongestructureerd waarin de patroonherkenningssoftware zelf structuur leert - een eerste selectie van winnaars en verliezers te maken op basis van criteria zoals macro of fundamenteel die je zelf nog kan interpreteren.

Na de selectie van een universum, is er in bijna alle investeringsprocessen een inschatting van de upside van een investering, de downside en de interactie met bestaande posities in de portefeuille. De upside van een investering voorspellen, dat is de essentie van een orakelbenadering. Het voorspellen van “expected returns”, zij het van individuele assets, zij het van sectoren of hele macro indices, dat kan niemand naar behoren aan de hand van standaard beschikbare data. Daar zondigt vaak de hobbyist investeerder, maar ook institutionelen, aan hoogmoed en sommige biases waar ik in een volgende post op terugkom. Sommige niche fondsen beschikken over heel specifieke datasets - bijvoorbeeld commodity traders hebben inzichten in de vraag, aanbod en cargo data van grondstoffen in specifieke regio’s of markten - zodat zij dit beter kunnen inschatten dan de meeste van ons, maar het is voor hen nog steeds zeer moeilijk tot onmogelijk. Ook zij zijn maar winstgevend door meer goeie trades te hebben dan slechte, en dit wil allesbehalve zeggen uitsluitend goeie trades hebben. Daarenboven, het verschil daar wordt zelden in het algoritme gemaakt, wel in de data en niet te onderschatten de investeringshypothese die de trader die over die data beschikt toetst aan die data. Voor publieke aandelen is de “asset pricing” literatuur - bekommerd met het inschatten van een faire return voor het ingeschatte risico - zeer goed in het verklaren van performance door de historische returns te verklaren aan de hand van risicopremies. Bijvoorbeeld een premie voor het kopen van aandelen in se “marktrisico”, een premie voor de grootte van het aandeel, voor de boekwaarde van het aandeel, voor het momentum van een aandeel, etc. Diezelfde literatuur is echter zeer zwak in het voorspellen van welke van deze factoren morgen, volgende week, volgende maand dominant zal zijn in de performance van de doorsnede van het investeringsuniversum en m.a.w. welke karakteristieken in aandelen je moet zoeken om in de toekomst in te investeren. Diezelfde asset pricing literatuur heeft natuurlijk ook een AI moment gekend: het voorspellen van expected returns met machine learning (“Taming the factor zoo” met LASSO, Ridge, neurale netwerken, LSTMs, decision trees, LLMs,…) maar de performance van de modellen hebben veel weg van een orakel approach: in theorie en onder zeer specifieke omstandigheden levert het wat op, maar in praktijk verdwijnen die extra returns al snel en doet een simpel gemiddelde voorspellen het beter dan een overgeparametriseerd model. Wiskundige “Ken uzelf”, “Alles met mate”, vermijdt een orakel approach, staat in alle handboeken van kwantitatieve finance, maar bij het in de praktijk brengen van de dingen smijt men toch soms met wiskundige bazooka’s naar financiële markten terwijl wiskundige katapultjes effectiever zouden zijn. Model mindfulness en financiële machine learning hebben een slechte relatie ontwikkeld - hier raad ik het boek Models. Behaving. Badly. van Emanuel Derman aan - en de epigrafen van de Belgische robotadviseurs hadden daar veel weg van.

De wiskundige vergeet hier soms een belangrijk adagium, namelijk dat de verdienste van financiële wiskunde in de eerste plek gaat over het voorspellen en beheersen van risico’s en het vermijden van te veel geld te verliezen, eerder dan het voorspellen van returns en het bouwen van glazen-bol-strategieën. Wanneer je een universum gescreend hebt en een soort van ranking (uw upside of expected return) hebt van hoe aantrekkelijk elke mogelijke positie zou zijn, dan moet je nog toewerken naar een verantwoorde portefeuille: hoe veel kan ik in een positie steken als ik rekening hou met zijn downside? Hoe combineer ik posities om niet geconcentreerd te zijn (een bet op correlatie i.p.v. concentratie) in een regio, sector, type marktrisico of stijl van aandeel (value, growth, momentum),…? Hoeveel zou mijn historische maximale drawdown (top-to-bottom verlies) bedragen mocht ik die portefeuille kopen? Voor een agressieve techaandelen portefeuille is dat misschien de helft of meer van mijn geld t.a.v. de meest defensieve aandelen die historisch niet meer dan 15% zakten wanneer slim gecombineerd in een portefeuille? En zo voort en zo verder. Hier zijn er in recente jaren enorme vooruitgangen gemaakt om de tijd in de markt van investeerders te maximaliseren en de vluchtreflex te onderdrukken door de rit zo stabiel mogelijk te maken en toch de risicopremies te plukken. Vooruitgangen met alternatieve niet-lineaire risicomaten (bijvoorbeeld de Belgische B2B roboadvisor InvestSuite), automatisch identificeren van risicoconcentraties of -clusters (een beetje zoals sectoren hierboven maar focus op risico, zoals HRP ), betere simulatie van adverse marktscenarios (bijvoorbeeld eigen werk), het real-time “hedgen” (met optionaliteit verzekeren) van posities met deep learning (het gerenommeerde deep hedging project),…

Deze nuance ontbrak bij het doodsbericht van sommige Belgische roboadvisors. Het illusoir karakter van de orakel approach brengt systematisch of algoritmisch traden op hetzelfde niveau als wat soms infameus technische analyse wordt genoemd: de afhankelijkheid van een naieve daytrader van indicatoren en grafieken wanneer een lijntje een ander lijntje kruist. Dit soort onzin wordt dan op één hoop gegooid met zeer nuttige modellen om je portefeuille beter te begrijpen. Het begrijpen en beheersen van risico’s is de essentie van kwantitatieve finance en het verschil met returns is dat je het wel gekwantificeerd krijgt. Slimme positielimieten zouden het nooit toestaan dat de retailinvesteerder geconcentreerd zit in slechts een paar individuele lijnen, of slechts één sector of één regio. Slimme algoritmes kunnen classificeren of een portfolio wellicht bij de meest volatiele of minder volatiele zal behoren die men kan maken aan de hand van het universum. De reden is dat risico een veel persistenter fenomeen is dan returns. Zeggen dat voor een gegeven universum - zelfs maar voor een paar instrumenten - de gewichten van je portefeuille arbitrair kiezen, zoals de meeste retail investeerders, op het einde van de rit gelijkaardige returns zal geven aan een geoptimaliseerde portefeuille is op zijn zachtst gezegd een loopje nemen met de werkelijkheid. Die illusie wil Nonkel Fonds doorbreken. Het doel van dit artikel is niet in geuren en kleuren de voordelen van optimalisatie uit te leggen en u te overtuigen met techniciteiten, wiskunde die wel werkt en jaren aan backtestmateriaal. Voorlopig toch nog niet. Maar we moeten voor deze post mortem dit essentieel verschil wel begrijpen. Roboadvisors, als ze al AI gebruikten en niet gewoon een marketingtool waren, gebruikten AI voornamelijk voor de input van verwachte returns en gebruikten betrekkelijk eenvoudig risicomanagement (moderne portefeuilletheorie (MPT) - oftewel gemiddeldes en varianties) voor het inschatten van risico.

Maar hoe dan wel een stukje van je vermogen automatiseren met slimme algoritmes? We komen hierop terug in de volgende posts.

Passief investeren, een mandje van financiële instrumenten of index volgen in plaats van daarvan afwijken met individuele instrumenten, leek ons de dominante narratief in investeren maar het bleek in België niet de dominante manier van beleggen wanneer men de beleggers in exchange traded funds (ETFs) of trackers t.o.v. individuele aandelen vergelijkt. Rond diezelfde periode publiceerde de FSMA (de Belgische financiële waakhond) een rapport met een update over de rendementen van actieve fondsen in ons land en het verschil tussen de bruto- en netto-rendementen. Dit rapport was ondubbelzinnig over de slack in de fondsenindustrie.

Een post mortem was nodig. Waren deze “robots” een misnomer in een periode van AI hype? Meer artificieel dan intelligent? Hebben investeringsrobots echt niks te bieden en zijn ze enerzijds te complex voor wie geen financiële kennis heeft en totaal financieel ontzorgd wil worden en anderzijds te eenvoudig voor wie financiële kennis heeft en reeds investeert in aandelen en ETFs en houden zij liever volledige autonomie over hun portefeuille?

Bij Nonkel Fonds proberen we deze vragen met onze gezamelijke financiële kennis en in toegankelijke taal te beantwoorden. In de volgende posts gaan we stap per stap over deze topics.