Het selecteren van beleggingsfondsen

Het selecteren van beleggingsfondsen

Fondsenmaatwerk bij Optimix Vermogensbeheer

Jelte A. de Boer Afstudeerverslag Amsterdam, augustus 2003 Faculteit Bedrijfskunde Rijksuniversiteit Groningen 1^e begeleider: dr. D.J. Kiewiet 2^e begeleider: drs. D.P. Tavenier

© 2003 Jelte A. de Boer. De auteur is verantwoordelijk voor de inhoud van het afstudeerverslag.

Het auteursrecht van het afstudeerverslag berust bij de auteur.

Samenvatting

In dit onderzoek is een methode ontwikkeld voor het selecteren van beleggingsfondsen voor de klantenportefeuilles van vermogensbeheer op fondsbasis. Het onderzoek komt voort uit de vraag van Optimix met betrekking tot het ontwikkelen van een selectiemethode die gebruikt kan worden door de beheerders van de klantenportefeuilles. Het onderzoek hanteert de volgende doelstelling:

Het ontwikkelen van een selectiemethode voor de beheerders van Optimix, waarmee met behulp van de analyse van kwantitatieve en kwalitatieve aspecten de meest aantrekkelijke beleggingsfondsen uit het Nederlandse fondsenuniversum gefilterd worden, voor het samenstellen van klantenportefeuilles van vermogensbeheer op fondsbasis.

Het uitgangspunt van het onderzoek betrof het praktische nut van de selectiemethode voor de beheerders van Optimix. Het onderzoek heeft geen poging gedaan om uitspraken te doen over de efficiency van financiële markten, noch gepoogd financiële theorieën te falsificeren.

In het onderzoek is antwoord gegeven op de volgende vraagstelling:

Hoe kunnen analysemethoden gebruikt worden voor het selecteren van de meest aantrekkelijke beleggingsfondsen per beleggingscategorie voor klantenportefeuilles van vermogensbeheer op fondsbasis?

Vanuit het oogpunt om te komen tot een praktisch toepasbare selectiemethode is een aantal analysemethoden geïdentificeerd waarmee beleggingsfondsen op grond van hun aantrekkelijkheid gerangschikt kunnen worden. Eén van de meest gebruikelijke manieren om beleggingsfondsen te analyseren is aan de hand van de performance van de fondsen. Het gebruik van performanceanalyse komt voort uit de gedachte dat er sprake is van performance persistentie. Wat wil zeggen dat fondsen met een goede performance in het verleden ook een goede performance hebben in de toekomst. In de literatuur bestaan diverse bewijzen voor het bestaan van performance persistentie. Dit maakt dat performanceanalyse gebruikt kan worden als analysemethode voor de selectiemethode.

Voor het uitvoeren van performanceanalyse wordt gebruik gemaakt van verschillende performancematen voor het meten van het rendement en risico van beleggingsfondsen. In dit onderzoek zijn verschillende performancematen uit de literatuur verzameld. Sommige van deze performancematen richten zich op de traditionele portefeuilletheorieën, terwijl anderen uitgaan van andere definities voor rendement en risico.

Naast performanceanalyse zijn methoden geïdentificeerd die zich richten op de analyse van kwalitatieve aspecten van beleggingsfondsen. Beleggingsfondsen onderscheiden zich van elkaar op grond van vele mogelijke eigenschappen. Met behulp van fundamentele analyse kunnen deze eigenschappen geanalyseerd worden, maar fundamentele analyse is niet geschikt voor de selectiemethode aangezien het tijdrovende karakter ervan niet past bij de doelstellingen van Optimix. Een goed alternatief voor fundamentele analyse is returns-based style analysis. Met behulp van deze analysemethode kunnen de kwaliteiten van fondsmanagers geanalyseerd worden. Style analyse is zeer eenvoudig uit te voeren, maar net

zo valide voor het meten van kwaliteiten van fondsmanagers als fundamentele analyse. Door de style analyse regressievergelijking te optimaliseren, worden de style en selection kwaliteiten van de fondsmanagers geïdentificeerd.

Er is onderzoek gedaan naar de voorspellende kwaliteiten van performancematen. Hiervoor is gebruik gemaakt van historische data. De historische analyse heeft aangetoond dat er performancematen voorspellende kwaliteiten bezitten. De kwaliteiten van performance- maten voor het voorspellen van toekomstige aantrekkelijkheid zijn niet consistent. Dit is in overeenstemming met bevindingen van Brown & Goetzman (1995) en Malkiel (1995).

De historische analyse toont tevens aan dat toekomstige aantrekkelijkheid beter te voorspellen is in de nabije toekomst dan in de verdere toekomst. Dit is in overeenstemming met de conclusies van Carhart (1997). Dit betekent dat performanceanalyse niet geschikt is voor een selectiemethode voor de lange termijn. Uit de analyses blijkt dat toekomstig risico vaak beter voorspeld wordt dan toekomstig rendement en vaak ook negatief correleert met de performancematen. Toekomstig rendement correleert positief met performancematen uit het verleden. Deze bevinding heeft een zeer praktisch nut aangezien het wenselijk is de fondsen te kunnen identificeren met het hoogste rendement en het laagste risico.

Volgens de historische analyse bezitten traditionele performancematen als de Sharpe Ratio en Treynor Ratio de minste voorspellende kwaliteiten. Voor het analyseren van beleggingsfondsen uit aandelencategorieën hebben de Fouse Index en Information Ratio de beste voorspellende kwaliteiten. Bij obligatiecategorieën zijn de Sortino Ratio en de Fouse Index de meeste beschikte performancematen.

Er is antwoord gegeven op de vraagstelling door geconcludeerd te hebben dat performance- analyse gebruikt dient te worden om beleggingsfondsen binnen een beleggingscategorie te analyseren en te rangschikken en dat style analyse gebruikt dient te worden voor het meten van de kwaliteiten van fondsmanagers. Met de ontwikkeling van de performanceanalyse en de style analyse en de definiëring van het fondsenuniversum met verschillende beleggingscategorieën, is een selectiemethode ontwikkeld voor de beheerders van Optimix.

Uit winner-loser testen blijkt dat de selectiemethode een economische toegevoegde waarde heeft voor Optimix en haar klanten. Hiermee is de doelstelling van het onderzoek gerealiseerd.

In dit onderzoek zijn aanbevelingen gedaan met betrekking tot het toepassen van de selectiemethode. De selectiemethode kan door Optimix gebruikt worden bij het selecteren van beleggingsfondsen voor vermogensbeheer op fondsbasis. Daarnaast kan het gebruik van de methode gecommuniceerd worden naar klanten en potentiële klanten. Tevens zijn aanbevelingen gedaan voor verder onderzoek op het gebied van de toepassing van style analyse, het gebruik van asset allocation en verder onderzoek naar de gevonden resultaten die in strijd zijn met het Capital Asset Pricing Model.

Voorwoord

Dit afstudeerverslag is geschreven in het kader van de afstudeeropdracht van de studie Bedrijfskunde aan de Rijksuniversiteit Groningen, afstudeerrichting Financieel Waarde- management. Het afstudeeronderzoek is uitgevoerd bij Optimix Vermogensbeheer NV.

Bij deze wil ik mijn begeleiders aan de faculteit, Derk Jan Kiewiet en Daan Tavenier en mijn begeleider bij Optimix, Jaap Westerling bedanken voor hun begeleiding en feedback.

Amsterdam, augustus 2003 Jelte de Boer

Inhoudsopgave

Samenvatting...2

Voorwoord...4

Inhoudsopgave...5

Hoofdstuk 1 Inleiding ...7

1.1 Probleemomschrijving ...7

1.2 Opbouw van de scriptie ...8

Hoofdstuk 2 Probleemstelling ...9

2.1 Probleemanalyse...9

2.2 Doelstelling ...10

2.3 Conceptueel model ...11

2.4 Vraagstelling...13

2.5 Deelvragen ...14

Hoofdstuk 3 Selectiematen...15

3.1 Fondsenuniversum ...15

3.1.1 Nederlandse aanbieders...15

3.1.2 Fondsenindeling ...16

3.2 Performanceanalyse ...17

3.2.1 Definities van rendement en risico ...17

3.2.2 Performancematen ...18

3.3 Analyse van kwalitatieve aspecten ...23

3.3.1 Eigenschappen van beleggingsfondsen...23

3.3.2 Returns-based style analysis ...24

3.3.3 Brinson & Fachler model...26

3.4 Conclusie...28

Hoofdstuk 4 Historische analyse ...30

4.1 Analysemethodologie ...30

4.1.1 Beschrijving dataset...31

4.1.2 Rekenmethode ...31

4.1.3 Regressieanalyse...33

4.1.4 Tijdsgevoeligheid regressieanalyse ...34

4.2 Regressieanalyse performancematen...35

4.2.1 Regressieanalyse performancematen & rendement...35

4.2.2 Regressieanalyse performancematen & risico ...37

4.2.3 Relevantie performancematen voor performanceanalyse...39

4.3 Historische style analyse...42

4.3.1 Toepassing style analyse ...42

4.3.2 Resultaten historische style analyse...44

4.3.3 Regressieanalyse style & selection...46

4.4 Conclusie...47

Hoofdstuk 5 Ontwerp selectiemethode...49

5.1 Stappen selectiemethode...49

5.2 Testen van de selectiemethode ...55

5.3 Metaontwerp...59

5.4 Conclusie...60

Hoofdstuk 6 Conclusies & aanbevelingen ...62

6.1 Antwoord vraagstelling ...62

6.2 Behalen doelstelling ...62

6.3 Discussie...63

6.4 Aanbevelingen ...64

Referenties...65

Figuren & tabellen...69

Bijlagen ... i

Hoofdstuk 1 Inleiding

Optimix Vermogensbeheer in een onafhankelijke vermogensbeheerder met circa 750 miljoen euro onder beheer. Vermogensbeheer is de core-business van Optimix. Naast discretionair vermogensbeheer¹ voor zo’n 1700 particuliere en institutionele klanten beheert Optimix een vijftal huisfondsen. Een uitgebreide omschrijving van Optimix Vermogensbeheer is te vinden in Bijlage I.

Optimix is een kleine organisatie met 19 medewerkers. De organisatiestructuur is een partnership. Dit betekent dat alle werknemers tevens partner zijn van de organisatie.

De vormen van vermogensbeheer die Optimix aanbiedt, lopen uiteen van collectief beheer middels de beleggingsfondsen tot beheer van particulier of institutioneel vermogen in een individuele portefeuille. Het belegd vermogen van 750 miljoen euro is voor twee derde deel van particuliere klanten en voor één derde deel van institutionele klanten.

Voor particuliere en institutionele klanten beheert Optimix vermogens vanaf 250.000 euro op fondsbasis. Dit vermogensbeheer op fondsbasis heeft de voordelen van een discretionaire effectenportefeuille en het gemak van beleggingsfondsen. Op basis van het door de cliënt gewenste risicoprofiel wordt een portefeuille samengesteld met beleggingen in gespecialiseerde beleggingsfondsen van eersteklas financiële instellingen.

1.1 Probleemomschrijving

Optimix is van oorsprong een ‘fund of funds’ vermogensbeheerder. Het in 1983 opgerichte Optimix Beleggingsfonds had als doelstelling het op elk tijdstip kiezen van de optimale mix van verschillende asset classes². Deze optimale mix wordt ook nagestreefd bij het vermogensbeheer op fondsbasis voor particuliere en institutionele klanten met vermogens vanaf 250.000 euro. Op basis van het risicoprofiel van de klant wordt de optimale mix van beleggingscategorieën voor de klant samengesteld. Bij deze asset allocation³ komt de kennis en kunde van de vermogensbeheerders kijken.

Diverse onderzoeken wijzen uit dat de rendementen van beleggingen in verschillende perioden zeer sterk kunnen variëren. Beleggingsfondsen beleggen in verschillende mate in de verschillende beleggingscategorieën. Meerdere onderzoeken tonen aan dat de variatie van de rendementen van een beleggingsfonds voor een groot deel is toe te wijzen aan de wegingen in bepaalde beleggingscategorieën en de rendementen van die beleggingscategorieën (Brinson e.a., 1986 en 1991; Sharpe, 1992; en Ibbotson en Kaplan, 2000).

1 Bij deze vorm van vermogensbeheer draagt de klant zijn vermogen over aan de vermogensbeheerder en verleent de klant de vermogensbeheerder een mandaat om het vermogen naar eer en geweten te beheren.

2 Asset classes zijn vormen van vermogen, zoals aandelen, obligaties en liquide middelen. Binnen deze hoofd- categorieën kunnen subcategorieën onderscheiden worden. Binnen de asset class aandelen is bijvoorbeeld onderscheid te maken in de stijl, regio of sector.

3 Asset allocation is de verdeling van vermogen over verschillende asset classes.

Asset allocation wordt uitgevoerd door een weging te geven aan verschillende categorieën in de klantenportefeuille. Vervolgens wordt per beleggingscategorie een selectie gemaakt van beleggingsfondsen. Optimix heeft echter geen methode om op een onderbouwde manier de beste beleggingsfondsen per beleggingscategorie te selecteren. Momenteel worden fondsen geselecteerd op basis van een goed gevoel van de beheerder bij een bepaald beleggingsfonds.

Hier is dus sprake van fund-picking. Daarnaast bestaat geen duidelijke structuur voor het onderverdelen van verschillende beleggingen in categorieën.

Met het hebben van een goede methode voor het selecteren van de beleggingsfondsen per categorie kunnen de beheerders zich meer richten op de asset allocation van de klanten- portefeuilles. Hiermee kan Optimix met een gelijke organisatieomvang meer vermogens beheren. Optimix heeft de doelstelling om niet te groeien qua organisatieomvang, maar wel qua aantal klanten en qua omvang van beheerd vermogen. Op grond hiervan speelt bij Optimix de volgende vraag:

Management vraag:

Het ontwikkelen van een methode voor het selecteren van beleggingsfondsen per beleggingscategorie op grond van kwantitatieve en kwalitatieve aspecten ten behoeve van het vermogensbeheer op fondsbasis van Optimix.

1.2 Opbouw van de scriptie

In het tweede hoofdstuk zal de methodologie van het onderzoek uiteen worden gezet en zullen de doelstelling, het conceptueel model, de vraagstelling en de deelvragen worden geformuleerd. De vraagstelling wordt opgedeeld in een drietal deelvragen, die worden beantwoord in het derde, vierde en vijfde hoofdstuk.

Het derde hoofdstuk betreft het in kaart brengen van het Nederlandse universum van beleggingsfondsen en de analyse verschillende selectiematen voor de selectiemethode.

In het vierde hoofdstuk zal een historische analyse uitgevoerd worden om de beschreven selectiematen te testen op hun voorspellende kracht. Op grond van de resultaten van dit onderzoek zal de selectiemethode worden vormgegeven.

In hoofdstuk vijf zal een selectiemethode ontworpen worden, waarmee beleggingsfondsen met behulp van de analyse van kwantitatieve en kwalitatieve aspecten geselecteerd kunnen worden voor de klantenportefeuilles van vermogensbeheer op fondsbasis.

In het laatste hoofdstuk staan de belangrijkste conclusies uit dit onderzoek. Tevens worden aanbevelingen gedaan voor het gebruik van de methode en worden aanbevelingen gedaan voor verder onderzoek.

Hoofdstuk 2 Probleemstelling

In dit onderzoek zal een methode ontwikkeld worden waarmee Optimix beleggingsfondsen kan selecteren voor haar klantenportefeuilles. Om hiertoe te komen zal eerst de gestelde problematiek duidelijk in kaart gebracht moeten worden. Het doel van het onderzoek dient duidelijk omschreven te worden. Hiervoor wordt de problematiek verwoord in de probleemstelling van het onderzoek. Deze bestaat uit de doel- en vraagstelling.

Vanuit de probleemomschrijving en daarbij horende vraag van Optimix zal een analyse van de problematiek plaatsvinden in paragraaf 2.1. Deze analyse resulteert in de doelstelling in paragraaf 2.2 en daarbij horende randvoorwaarden van het onderzoek. Vervolgens worden theorieën en concepten, die van belang zijn voor de doelstelling, geanalyseerd. Dit resulteert in het conceptueel model van het onderzoek in paragraaf 2.3. Uit het conceptueel model blijkt welke kennis nog nodig is voor het realiseren van de doelstelling. Deze kennisvraag wordt verwoord in paragraaf 2.4 in de vraagstelling en daarbij horende deelvragen in paragraaf 2.5.

2.1 Probleemanalyse

In het vorige hoofdstuk kwam de vraag van Optimix naar voren met betrekking tot het ontwikkelen van een methode voor het selecteren van beleggingsfondsen voor het vermogensbeheer op fondsbasis. Op basis van het risicoprofiel van de klant wordt de portefeuille voor die klant samengesteld. Hierbij wordt gebruik gemaakt van een drietal modelportefeuilles, elk met een eigen risicoprofiel.

Aanleiding tot de management vraag was dat de indruk bestond dat de huidige modelportefeuilles niet optimaal presteerden. Om te kijken in hoeverre dit het geval was, zijn de modelportefeuilles geanalyseerd. In de analyse zijn de modelportefeuilles vergeleken met hun vergelijkbare benchmark. Er blijkt dat de modelportefeuilles in de onderzochte periode een vrij slechte performance hebben vertoond. Drie verschillende performancematen, die het rendement corrigeren voor risico, laten zien dat elke portefeuille een slechtere rendement/risico verhouding heeft dan haar benchmark. Er is sprake van sterke correlaties tussen de modelportefeuilles, wat verklaard kan worden door een grote overeenkomst van geselecteerde fondsen tussen de modelportefeuilles. De slechte rendement/risico verhouding van de met elkaar sterk correlerende modelportefeuilles is voor een deel te verklaren door de overweging in aandelen ten opzichte van de benchmark en voor een deel door de selectie van beleggingsfondsen met een slechte rendement/risico verhouding. Dit betekent dat er sprake is van een probleem op het gebied van de selectie van beleggingsfondsen. De vraag van Optimix naar het ontwikkelen van een methode voor het selecteren van beleggingsfondsen kan daarom ook getypeerd worden als een realiteitsprobleem (De Leeuw, 1997). Realiteitsproblemen zijn problemen die worden veroorzaakt door een verschijnsel in de werkelijkheid (Zie voor de analyse van de modelportefeuilles Bijlage II).

Optimix is van mening dat een goede methode voor het selecteren van beleggingsfondsen een bijdrage levert aan de kwaliteit van haar product. Door gebruik te maken van een

dergelijke methode kan zij verantwoorde keuzes maken en dit ook laten zien aan haar klanten. De methode moet een hulpmiddel zijn bij het selectieproces van de beheerders van de portefeuilles voor vermogensbeheer op fondsbasis. Door het selecteren van beleggingsfondsen gemakkelijker te maken, kunnen de beheerders zich meer richten op de asset allocation van klantenportefeuilles en kunnen zij meer vermogens beheren. Hieruit blijkt dat de probleemhebbers van het onderzoek de beheerders van de vermogens op fondsbasis zijn.

Aangezien de portefeuilles voor vermogensbeheer op fondsbasis een rendement moeten opleveren voor haar klanten, passend bij het risicoprofiel, dienen beleggingsfondsen geselecteerd te worden met een grote rendement/risico verhouding. De te ontwikkelen methode moet deze selecteren. Dit geeft de eis aan de methode dat het goede voorspellende kwaliteiten moet bezitten. De door de methode geselecteerde beleggingsfondsen moeten beter renderen dan de niet-geselecteerde beleggingsfondsen.

Optimix hanteert geen duidelijke indeling van verschillende beleggingen in categorieën en subcategorieën. Om verschillende beleggingsfondsen met elkaar te kunnen vergelijken en om een juiste methode te ontwikkelen, dienen deze categorieën duidelijk geformuleerd te worden (zie ook Sharpe, 1992). We willen natuurlijk niet appels met peren vergelijken.

2.2 Doelstelling

In de vorige paragraaf zijn de problemen geanalyseerd. De analyse van de problemen leidt tot de doelstelling van het onderzoek. De doelstelling heeft betrekking op het ‘waarom’, oftewel het doel van het onderzoek.

De doelstelling legt vast voor wie het onderzoek wordt gedaan, wat er voor hen uitkomt (het kennisproduct) en waarom dat voor hen van belang is. Het onderzoek wordt uitgevoerd voor de beheerders van vermogensbeheer op fondsbasis. Deze vermogensbeheerders moeten uit een universum van beleggingsfondsen de meest aantrekkelijke fondsen per beleggingscategorie selecteren die passen bij de asset allocation en risicoprofiel van een klantenportefeuille. Zoals uit de managementvraag blijkt, dient hierbij rekening gehouden te worden met kwantitatieve en kwalitatieve aspecten van beleggingsfondsen

Met behulp van analyse van de kwantitatieve en kwalitatieve aspecten van beleggingsfondsen kan per beleggingscategorie een short-list van de meest aantrekkelijke beleggingsfondsen opgesteld worden. Uit deze short-list kunnen de klantenportefeuilles samengesteld worden, rekening houdend met de asset allocation en het risicoprofiel van de klantenportefeuille (Zie figuur 1).

Fondsen

universum Portefeuille

Kwantitatieve aspecten

Kwalitatieve aspecten

Figuur 1: Elementen van de selectiemethode

De uitkomst van het onderzoek, het kennisproduct, is een selectiemethode, waarmee de vermogensbeheerders op een onderbouwde manier effectiever beleggingsfondsen kunnen selecteren en zich meer gaan richten op de asset allocation van klantenportefeuilles. Op grond hiervan kan de volgende doelstelling worden geformuleerd.

Doelstelling:

Het ontwikkelen van een selectiemethode voor de beheerders van Optimix, waarmee met behulp van de analyse van kwantitatieve en kwalitatieve aspecten de meest aantrekkelijke beleggingsfondsen uit het Nederlandse fondsenuniversum gefilterd worden, voor het samenstellen van klantenportefeuilles van vermogensbeheer op fondsbasis.

De doelstelling geeft de afbakening van het onderzoek aan. Maar daarnaast geldt nog een aantal randvoorwaarden voor het onderzoek. De randvoorwaarden geven de beperkingen aan waaraan onderzoeksresultaten en methoden onderhevig zijn. Met betrekking tot dit onderzoek zijn de volgende randvoorwaarden van toepassing.

• Het onderzoek dat wordt uitgevoerd moet binnen het tijdsbestek van de afstudeeropdracht afgerond zijn. Dit komt neer op een periode van zes maanden.

• Het kennisproduct van het onderzoek zal een te ontwikkelen selectiemethode zijn, in de vorm van een spreadsheet, welke gebruikt kan worden bij de samenstelling van de klantenportefeuilles.

De doelstelling moet voldoen aan eisen van relevantie (De Leeuw, 1996). De relevantie van het onderzoek is gelegen in de bijdrage die het kan leveren aan de vermogensbeheer activiteiten van Optimix. Het te ontwikkelen kennisproduct is een selectiemethode, welke gehanteerd kan worden bij de werkzaamheden voor het vermogensbeheer op fondsbasis en moet ervoor zorgen dat de beheerder meer portefeuilles kan beheren.

2.3 Conceptueel model

De doelstelling geeft weer wat het onderzoek op moet leveren. Hiervoor zal allereerst gekeken worden welke bijdrage beschikbare theorieën, concepten en aanwezige kennis kunnen leveren aan het doel.

Rendement en risico zijn twee belangrijke kwantitatieve aspecten van beleggingsfondsen. De basis voor het rendement/risico denken is gelegd door Markowitz (1952) en het Capital Asset Pricing Model (CAPM) van Sharpe (1964), Lintner (1965) en Mossin (1966). Het CAPM gaat uit van verwachte rendementen van verschillende beleggingsobjecten, het risico en de wijze waarop deze onderling samenhangen. Hierbij wordt het risico uitgedrukt als de standaarddeviatie van het rendement. Onder de veronderstellingen van het CAPM zullen beleggers portefeuilles kiezen die gelegen zijn op de zogenaamde Capital Market Line (CML). Beleggers zijn rationeel en zullen bij een gegeven hoeveelheid risico streven naar een

zo hoog mogelijk rendement. De consequentie hiervan is dat alle beleggers portefeuilles hebben die bestaan uit combinaties van het risicovrije rendement en de marktportefeuille.

Voor het beoordelen van de aantrekkelijkheid van een fonds bestaat een groot aantal performancematen, welke gebaseerd zijn op het CAPM. Hiervan zijn met name maten van Sharpe (1966), Treynor (1965) en Jensen (1968) bekend geworden. Deze maten kijken naar het rendement en risico van een beleggingsfonds in combinatie met het risicovrije rendement en het rendement van de marktportefeuille. Naast de performancematen die uitgaan van het CAPM, zijn er maten die uitgaan van downside deviatie, een maat voor neerwaarts risico, zoals de Sortino Ratio (Sortino en Van der Meer, 1991) en de Fouse index (Sortino en Price, 1994). Beleggingsfondsen worden veelal vergelijken met de benchmark van het fonds. De aantrekkelijkheid van een beleggingsfonds wordt beïnvloed door de performance van de desbetreffende benchmark. De performancemaat Information Ratio kijkt naar de performance van een fonds ten opzichte van de performance van haar benchmark.

Het rendement en risico van een beleggingsfonds zijn afhankelijk van de beleggingscategorie waartoe het fonds behoord. Aandelen uit de TMT sector hebben een ander risicoprofiel dan staatsobligaties. Het is belangrijk om een goede indeling te maken van verschillende beleggingscategorieën (Sharpe, 1992). Hierbij kan gebruikt gemaakt worden van indelingen als van Morningstar en Standard & Poor’s.

De performance en aantrekkelijkheid van een beleggingsfonds is het resultaat van datgene wat de manager van het beleggingsfonds doet. De mensen achter het beleggingsfonds zijn van grote invloed op de aantrekkelijkheid van het fonds. Er bestaan methoden voor het meten van de kwaliteiten van de fondsmanagers (zie Brinson en Fachler (1985); Grinblatt en Titman (1993) en Henriksson en Merton (1981)). Deze methoden maken onderscheid in selectie en timing kwaliteiten. Timing geeft de toegevoegde waarde weer van de beslissing om een beleggingscategorie over- of onder te wegen en selectie geeft de toegevoegde waarde weer van de beslissing om specifieke fondsen te kunnen selecteren. Een belangrijke taak van een fondsmanager is de asset allocation van het beleggingsfonds. Er is veel geschreven over de invloed van asset allocation op (de variabiliteit van) het rendement van het beleggingsfonds (Brinson e.a., 1986, 1991; Ibbotson en Kaplan, 2000).

Naast de kwaliteiten van de fondsmanager van een fonds wordt de aantrekkelijkheid van een beleggingsfonds beïnvloed door specifieke eigenschappen. Hierbij valt te denken aan de doelstelling van het beleggingsfonds, omvang, load, expense ratio, turnover en management fee (Grinblatt en Titman; 1989a en 1994).

Ook van belang voor de aantrekkelijkheid van een beleggingsfonds is de asset allocation van de klantenportefeuilles van vermogensbeheer op fondsbasis. Deze asset allocation is afhankelijk van de risicoprofielen van de klanten en de inzichten van de vermogensbeheerders van Optimix. De asset allocation van Optimix bepaalt in welke mate belegd wordt in bepaalde beleggingscategorieën en -fondsen. Er zal alleen belegd worden in aantrekkelijke fondsen uit beleggingscategorieën die in aanmerking komen volgens de asset allocation.

Na het in kaart hebben gebracht van de bestaande theorieën, concepten en kennis, is het tijd deze te conceptualiseren. Conceptualiseren is het ontwikkelen van valide conceptuele definities en/of conceptuele modellen die in staat stellen de problematiek te begrijpen en te operationaliseren (De Leeuw, 1996).

Het volgende conceptuele model geeft weer welke concepten en onderlinge relaties van belang zijn voor het realiseren van de doelstellingen.

Aantrekkelijkheid

Beleggingsfonds Asset allocatie klantportefeuille

Inzichten Optimix Risicoprofiel

klanten

Rendement

beleggingsfonds Risico

beleggingsfonds

Beleggings- categorie Kwaliteiten

fondsmanager

Performance benchmark

Eigenschappen beleggingsfonds

Figuur 2: Conceptueel model

2.4 Vraagstelling

De vraagstelling formuleert de hoofdvraag van het onderzoek en sluit aan bij het conceptueel model. De vraagstelling gaat over de kennis die nodig is om de doelstelling te realiseren. De vraagstelling heeft betrekking op het ‘wat’ van het onderzoek.

Uit het conceptueel model blijkt dat er meerdere factoren van invloed zijn op de aantrekkelijkheid van een beleggingsfonds. Er zal onderzocht moeten worden hoe deze factoren gemeten kunnen worden, zodat de meest aantrekkelijke beleggingsfondsen geselecteerd zullen worden. Hierbij is onderscheid te maken in enerzijds rendement- en risicofactoren en anderzijds de kwaliteiten van de fondsmanager.

Voor het meten van de rendements- en risicofactoren zal gebruik gemaakt worden van een analyse met behulp van performancematen. Deze performancematen moeten in staat zijn om beleggingsfondsen te rangschikken op hun aantrekkelijkheid. Naast het onderzoeken van de performancematen moet er onderzocht worden welke methoden voor het meten van de kwaliteiten van de fondsmanager geschikt zijn. Met behulp van de analyses moeten de vermogensbeheerders in staat zijn om de meest aantrekkelijke beleggingsfondsen uit het universum te selecteren.

De asset allocation door de vermogensbeheerders van Optimix is een gegeven. De selectiemethode zal zich hier niet mee bezig houden. Wel zal de selectiemethode een bijdrage leveren aan de evaluatie van de portefeuille. Voor alle maten geldt dat zij een voorspellende waarde dienen te hebben. De maten dienen in staat te zijn de meest aantrekkelijke beleggingsfondsen per beleggingscategorie te selecteren.

Door de vraagstelling te beantwoorden, wordt de kennis verzameld, waarmee het doel van het onderzoek wordt gerealiseerd. In dit onderzoek wordt de volgende vraagstelling gehanteerd.

Vraagstelling:

Hoe kunnen analysemethoden gebruikt worden voor het selecteren van de meest aantrekkelijke beleggingsfondsen per beleggingscategorie voor klantenportefeuilles van vermogensbeheer op fondsbasis?

2.5 Deelvragen

Ten einde gestructureerd antwoord te kunnen geven op de centrale vraag in het onderzoek, wordt de vraagstelling opgesplitst in een drietal deelvragen. Elk van de vragen wordt in een apart hoofdstuk behandeld.

1. Welke analysemethoden zijn geschikt voor het rangschikken van beleggingsfondsen binnen een beleggingscategorie op grond van hun aantrekkelijkheid?

2. Wat is de voorspellende kracht van de performancematen ten behoeve van de selectiemethode?

3. Op welke wijze dienen de analysemethoden toegepast te worden, teneinde de meest aantrekkelijke beleggingsfondsen te selecteren?

Hoofdstuk 3 Selectiematen

De methode voor het selecteren van de meest aantrekkelijke beleggingsfondsen maakt gebruik van de analyse van kwantitatieve en kwalitatieve aspecten van beleggingsfondsen. De analyses zijn een hulpmiddel bij het selecteren van de meest aantrekkelijke beleggingsfondsen in het fondsenuniversum, die opgenomen kunnen worden in de klantenportefeuilles van vermogensbeheer op fondsbasis. In dit derde hoofdstuk zullen selectiematen in kaart gebracht worden voor de analyse van kwantitatieve en kwalitatieve aspecten, waarmee de aantrekkelijkheid van beleggingsfondsen gemeten kan worden (zie figuur 3). Hierbij zal antwoord gegeven worden op de volgende vraag: Welke analysemethoden zijn geschikt voor het rangschikken van beleggingsfondsen binnen een beleggingscategorie op grond van hun aantrekkelijkheid?

Fondsen

universum Portefeuille

Kwantitatieve aspecten

Kwalitatieve aspecten

Figuur 3: Elementen van de selectiemethode

Het uitgangspunt van de selectiemethode is het universum van beleggingsfondsen. Uit het fondsenuniversum worden met behulp van analyse van kwantitatieve en kwalitatieve aspecten fondsen gefilterd. In paragraaf 3.1 zal dit fondsenuniversum gedefinieerd worden.

Voor de analyse van de aantrekkelijkheid van beleggingsfondsen wordt gebruik gemaakt van verschillende selectiematen. In paragraaf 3.2 vindt een diagnose plaats van performance- maten, waarmee de kwantitatieve aspecten van beleggingsfondsen geanalyseerd kan worden.

In paragraaf 3.3 worden de methoden besproken waarmee kwalitatieve aspecten van fondsen en hun fondsmanagers kunnen worden geanalyseerd.

3.1 Fondsenuniversum

De eerste stap in de methode voor het selecteren van de juiste beleggingsfondsen is het in kaart brengen van het universum van beleggingsfondsen. Wereldwijd bestaat een groot aanbod aan beleggingsfondsen door binnenlandse en buitenlandse fondsenbeheerders. Uit deze grote hoeveelheid beleggingsfondsen zal stapsgewijs een filtering plaats moeten vinden.

Hiervoor zal ten eerste een universum worden gedefinieerd van fondsen welke in aanmerking komen voor verdere analyse.

3.1.1 Nederlandse aanbieders

Bij het vaststellen van het fondsenuniversum is een belangrijk gegeven dat Optimix en haar klanten gevestigd zijn in Nederland. Dit heeft een aantal belangrijke consequenties. Ten eerste kijken de klanten van Optimix met name naar Nederlandse en in mindere mate naar

Europese beleggingsinstellingen. Beleggers kopen eerder beleggingsfondsen van instellingen waar zij reeds bankieren dan bij andere instellingen. Ten tweede geldt dat Optimix contacten onderhoudt met Nederlandse en Europese fondsmanagers. De sales-afdeling van Optimix maakt afspraken met beleggingsinstellingen met betrekking tot kosten en retourprovisie vergoedingen. Daarnaast zorgt het hebben van persoonlijk contact met de fondsmanagers ervoor dat verdere waardering van de kwaliteiten van de fondsmanager kan plaatsvinden.

Volgens Morningstar⁴ zijn er 156 aanbieders van beleggingsfondsen in Nederland. Deze aanbieders bieden een zeer uiteenlopende range aan beleggingsfondsen aan. Aanbieders op de Nederlandse markt zijn gevestigd in zowel Nederland als in andere landen. In Nederland aangeboden beleggingsfondsen zijn onderhevig aan de Wet toezicht beleggingsinstellingen (Wtb.) en vallen onder het toezicht van de Autoriteit Financiële Markten (Autoriteit-FM).

In het fondsenuniversum worden meegenomen de beursgenoteerde beleggingfondsen die in Nederland aangeboden worden en onder toezicht staan van de Autoriteit-FM. Informatie over beursgenoteerde beleggingsfondsen in Nederland wordt aangeboden door Morningstar.

3.1.2 Fondsenindeling

Na te hebben vastgesteld dat alleen fondsen worden meegenomen die in Nederland worden aangeboden, dienen deze fondsen ingedeeld te worden. Hiervoor wordt gebruik gemaakt van de indeling van Morningstar. Morningstar hanteert ongeveer tachtig categorieën voor fondsen die vergelijkbaar met elkaar zijn op het gebied van het soort beleggingen waarin belegd wordt. De beleggingsfondsen in het fondsenuniversum worden gegroepeerd aan de hand van de inhoud van de portefeuilles van de fondsen. Het type effecten waarin een fonds belegt, is bij de categorisering het meest belangrijk. Elk fonds wordt slechts in één categorie ingedeeld. De basiscriteria op welke de categorieën zijn gebaseerd zijn:

- Aandelenfondsen: Binnen de hoofdcategorie aandelen wordt onderscheid gemaakt in grootte (large, mid en small-caps), sectoren en landen/regio’s.

- Obligatiefondsen: Bij obligaties wordt onderscheid gemaakt in kredietkwaliteit (high yield, obligaties, etc.), valuta (euro, pond, dollar, etc.) en looptijd.

- Mixfondsen en overige: Dit betreffen fondsen met een mix van obligaties en aandelen.

Binnen deze hoofdcategorie wordt onderscheid gemaakt in valuta en de fondsposities.

Fondsposities hebben betrekking op het deel aandelen in het fonds (offensief tot 75%, neutraal tot 60% en defensief tot 35%). Garantiefondsen en hedge funds vallen ook onder deze hoofdcategorie.

Het fondsenuniversum wordt ingedeeld in 54 verschillende categorieën die Morningstar hanteert voor het categoriseren van het Nederlandse fondsenuniversum (zie bijlage III). Het aantal beleggingsfondsen, dat ingedeeld wordt in deze categorieën, bedraagt 4110. Van al de fondsen in het fondsenuniversum zijn de Bloomberg-tickers⁵ verzameld, zodat snel en gemakkelijk (koers)informatie van elk fonds verzameld kan worden.

4 Morningstar Nederland levert informatie over beleggingsfondsen die op de Nederlandse markt verkrijgbaar zijn (www.morningstar.nl).

5 Bloomberg is een leverancier van nieuws, bedrijfs- en koersinformatie. Optimix neemt datadiensten af van Bloomberg (www.bloomberg.com).

3.2 Performanceanalyse

In de vorige paragraaf is het Nederlandse universum van beleggingsfondsen gedefinieerd. In deze paragraaf vindt een diagnose plaats van aanwezige performancematen in de literatuur, waarmee de aantrekkelijkheid van beleggingsfondsen op kwantitatieve wijze geanalyseerd kan worden. In deze paragraaf wordt de volgende onderzoeksvraag behandeld: Op welke wijze kan de aantrekkelijkheid van beleggingsfondsen beoordeeld worden met behulp van performanceanalyse?

De evaluatie van de performance van beleggingsfondsen is belangrijk om twee redenen (Chang en Lewellen, 1984). Ten eerste is performanceanalyse van belang voor beleggers. De performanceanalyse doet uitspraken over hoe goed beleggingsfondsen hebben gepresteerd ten opzichte van benchmark indices. Daarnaast kan aan de hand van de performanceanalyse worden bepaald in hoeverre de markt perfect is. De eerste reden is van belang voor het gebruik van performanceanalyse in de selectiemethode. De twee reden valt niet binnen de doelstelling van dit onderzoek. Het is niet de bedoeling om uitspraken te doen over het wel of niet aanwezig zijn van perfecte markten.

3.2.1 Definities van rendement en risico

Performancematen doen uitspraken over de aantrekkelijkheid van een beleggingsfonds door het rendement en risico te analyseren. In de literatuur worden rendement en risico op meerdere manieren gedefinieerd. Hierom zal eerst ingegaan worden op de definities van rendement en risico. In de volgende sub-paragraaf zullen vervolgens de performancematen beschreven worden.

Rendement

Het rendement wordt gemeten als de procentuele toe- of afname van de waarde van een vermogen over een bepaald tijdsbestek. Daartoe worden zowel koerswinsten als contante inkomsten uit de beleggingen (dividend en rentebetalingen) tot het rendement gerekend.

Vaak is het gewenst om de rendementen van meerdere perioden tot één waarde samen te vatten. Hierbij worden de rendementen geannualiseerd. Om dit te doen, kan gebruik gemaakt worden van het rekenkundig of het meetkundig gemiddelde. Het rekenkundig gemiddelde sommeert de perioderendementen en deelt dit vervolgens door het aantal perioden. Het meetkundig gemiddelde wordt als volgt berekend.

1

~) 1

~ ( ^1/

1

 −



 



 +

=

∏

= T T

t

it

i r

R (3.1)

Hierin is T het aantal metingen c.q. rendementen in de periode waarover het gemiddelde wordt berekend. Het rekenkundige gemiddelde kan worden beschouwd als een benadering van het meetkundige gemiddelde, waarbij het rendement wordt overschat (met ongeveer ½ σ²). Als een belegging in een eerste periode een rendement heeft van +50% en in de tweede periode een rendement van -50%, dan is het rekenkundig gemiddelde van het rendement 0%. Bij een investering van € 1000 heeft de belegger aan het eind van periode 1 een vermogen van € 1500 en aan het eind van periode 2 een vermogen van € 750. Dit geeft het rekenkundig gemiddelde niet aan. Het meetkundig gemiddelde berekent dit wel goed.

Standaarddeviatie

In de literatuur van de portefeuilletheorie is veel gepubliceerd over de juiste maat voor risico.

Het traditionele mean-variance raamwerk gaat uit van een spreiding van rendementen rond het gemiddeld verwachte rendement (Markowitz, 1952). Hierbij wordt de variantie of standaarddeviatie gedefinieerd als het risico van het beleggingsobject. Een vooronderstelling die hierbij ten grondslag ligt, is dat rendementen normaal verdeeld zijn. Bij deze berekening van de standaarddeviatie wordt uitgegaan van de standaarddeviatie van een populatie. Soms wordt gebruik gemaakt van T-1 in plaats van T als noemer. Elton en Gruber (1991) en Grinblatt en Titman (2002) geven de voorkeur aan T als noemer.

Bèta

De standaarddeviatie bevat eigenlijk twee typen risico: niet-systematisch risico en systematisch risico, oftewel marktrisico. Niet-systematisch risico is toe te wijzen aan de kenmerkende eigenschappen van het specifieke asset, zoals bedrijfstakrisico, valutarisico, et cetera. Dit niet-systematische risico kan men tot nul reduceren door in een voldoende groot aantal assets te beleggen (Elton & Gruber, 1991; Grinblatt & Titman, 2002). Het risico dat dan overblijft is het marktrisico dat ontstaat door marktbewegingen en welke niet door diversificatie kan worden gereduceerd. Dit systematische risico of marktrisico wordt weergegeven door de bèta. De bèta geeft de gevoeligheid aan van de rendementen van het beleggingsfonds voor een verandering in de rendementen van de marktindex. De bèta wordt als volgt gedefinieerd.

( )

2

,~ cov~

m m i i

r r

β = σ (3.2)

Hierin wordt cov(ri,rm) gedefinieerd als de covariantie tussen fonds i en de marktindex m en is σm de standaarddeviatie van de marktindex.

Downside deviation

Sortino en Van der Meer (1991) bekritiseren het gebruik van de klassieke risicomaten. Zij suggereren downside deviation als maat voor risico. Deze risicomaat is gebaseerd op de gedachte dat beleggers alleen fluctuaties in de rendementen beneden een bepaalde referentiewaarde als risico ervaren. Downside deviatie kan als volgt worden gedefinieerd.

( ) (

)

T

t

mar it

i r R t r R

T − ∀ <

=

∑

=

~ 1 ~

1

δ 2 (3.3)

Hierin is Rmar de minimal acceptable rate of return. De berekening is een variant op de berekening van de standaarddeviatie. Hierbij worden echter alleen waarden onder de Rmar

meegenomen.

3.2.2 Performancematen

De aantrekkelijkheid van een beleggingsfonds wordt bepaald door het verwachte rendement en het verwachte risico van het fonds. Sinds de ontwikkeling van de moderne portefeuille theorie door Markowitz (1952) en het Capital Asset Pricing Model (CAPM) door Sharpe

(1964), Lintner (1965) en Mossin (1966) is een groot aantal maten ontwikkeld voor het beoordelen van de performance van beleggingsfondsen.

Sharpe, Treynor, Jensen

De basis voor studies van beleggingsfondsen werd gelegd door Sharpe (1966), Treynor (1965) en Jensen (1968). Deze publicaties domineren nog steeds de wetenschap over beleggingsfondsen. Ippolito (1993) heeft in kaart gebracht hoe vaak uit deze drie publicaties geciteerd werd in een periode van 1971 tot 1990. Voor Sharpe bedraagt dit 191 maal, voor Jensen 220 en Treynor is 34 maal geciteerd.

De Sharpe, Treynor en Jensen performancematen zijn gebaseerd op het CAPM. Het CAPM gaat uit van verwachte rendementen van verschillende beleggingsobjecten, het risico en de wijze waarop deze onderling samenhangen (Grinblatt & Titman, 2002). Hierbij wordt het risico uitgedrukt als de standaarddeviatie van het rendement. Het CAPM veronderstelt dat beleggers portefeuilles kiezen die gelegen zijn op de zogenaamde Capital Market Line (CML). Beleggers zijn rationeel en zullen bij een gegeven hoeveelheid risico streven naar een zo hoog mogelijk rendement. De consequentie hiervan is dat alle beleggers portefeuilles hebben die bestaan uit combinaties van het risicovrije rendement en de marktportefeuille.

Een van de meest bekende performancematen is de Sharpe Ratio. De Sharpe Ratio is gebaseerd op de Capital Market Line (Sharpe en Alexander, 1990). De Sharpe Ratio is de hellingshoek of richtingscoëfficiënt van de CML. De Sharpe Ratio van fonds i wordt als volgt gedefinieerd.

i f i i

R S R

σ

= −

~

(3.4)

Hierin is Ri het rendement van fonds i. Rf is het risicovrije rendement en σi is de standaarddeviatie van het fonds i. De Sharpe Ratio meet het extra rendement boven het risicovrije rendement ten opzichte van het totale risico. De Sharpe Ratio wordt ook wel de

‘reward-to-variablility ratio’ genoemd (Sharpe, 1966). De Sharpe Ratio kan geïnterpreteerd worden als de beloning voor het lopen van één eenheid risico. De Sharpe Ratio kijkt naar de performance van een enkel fonds ten opzichte van het risicovrije rendement. Indien een fonds vergeleken dient te worden met een benchmark, dient ook van de benchmark de Sharpe Ratio berekend te worden. De belegging met de hoogste Sharpe Ratio heeft de meest aantrekkelijke risk-adjusted performance.

In tegenstelling tot de Sharpe Ratio maakt de Jensen’s alfa geen gebruik van de standaarddeviatie als risicomaat, maar van de bèta, de maat voor het systematische risico.

Jensen’s alfa wordt gedefinieerd als de mate waarin de rentabiliteit van een portefeuille afwijkt van de Security Market Line (SML). De Jensen’s alfa veronderstelt de validiteit van de CAPM marktportefeuille als geldige benchmark (Haugen, 1997). De Jensen’s alfa wordt gemeten als de constante α in de regressievergelijking van de SML.

(

)

i i f

i R R R

R~ − =α +β ~ − (3.5)

Hierin is Ri het rendement van fonds i. Rm is het rendement van de marktindex. Rf is het risicovrije rendement en ßi is de bèta van het fonds i. De Jensen’s alfa meet de boven- of onderperformance van een beleggingsfonds ten opzichte van de marktindex.

Er is veel onderzoek verricht naar performance persistentie van beleggingsfondsen.

Performance persistentie is de mate waarop toekomstig rendement voorspeld kan worden aan de hand van performance uit het verleden. Hierbij werd veelal gebruik gemaakt van de Jensen’s alfa. Grinblatt en Titman (1989a, 1989b, 1992) laten zien dat exces returns over een periode van vijf jaar enige persistentie vertonen voor een daaropvolgende periode op basis van onderzoek in een periode van 1976-1985. Lehman en Modest (1987) laten vergelijkbare resultaten zien voor een periode van 1968-1982. Een onderzoek naar groeiaandelen door Hendricks, Patel en Zeckhauser (1993) toont aan dat performancepersistentie bestaat voor risicogecorrigeerde rendementen. Fondsen met een betere performance dan soortgelijke fondsen in het meest recente jaar, presteren ook beter in de nabije toekomst (één tot acht kwartalen). Goetzmann en Ibbotson (1994) concluderen dat performance persistentie geldt voor zowel ruwe als voor risicogecorrigeerde rendementen. Volgens zowel Brown en Goetzmann (1995) als Malkiel (1995) is het bestaan van performance persistentie zeer afhankelijk van de gekozen periode van onderzoek. Elton, Gruber, Das en Hlavka (1993) en Carhart (1997) concluderen dat er geen sprake is van performance persistentie. Deze onderzoeken ondersteunen de conclusies van Jensen, dat er sprake is van efficiënte markten (Jensen, 1968).

Net als de Jensen’s alfa is ook de Treynor Ratio ontleent aan de SML. In tegenstelling tot de Jensen’s alfa, meet de Treynor Ratio niet de verticale afstand tussen het rendement/risico punt van een beleggingsfonds, maar meet de Treynor Ratio de beloning per eenheid risico.

De Treynor Ratio van fonds i wordt als volgt gedefinieerd.

( )

i f i i

R T R

β

= −

~

(3.6)

Hierin is Ri het rendement van fonds i. Rf is het risicovrije rendement en ßi is de bèta van het fonds i. De Treynor Ratio is net als de Sharpe Ratio een verhoudingsgetal. Maar deze performancemaat is iets gemakkelijker te interpreteren. De Treynor Ratio meet de performance van een fonds boven het risicovrije rendement ten opzichte van haar marktrisico. De performance van een fonds wordt gecorrigeerd voor risico, waarbij zij hetzelfde risico krijgt als de marktportefeuille. Indien de Treynor Ratio hoger is dan het verschil tussen het rendement op de marktindex en het risicovrije rendement, kan gesproken worden van een goede performance. Het gebruik van de bèta als definitie voor risico betekent wel dat de Treynor Ratio eventueel niet-systematisch risico niet meeneemt.

Naast de traditionele performancematen, zijn er ook andere maten die de performance van beleggingsfondsen meten. Deze performancematen hebben kritiek op het mean-variance raamwerk en de vooronderstellingen van het CAPM. Het CAPM heeft een aantal vooronderstellingen waar de kritiek zich op richt (Haugen, 1997): (1) Alle rendementen zijn normaal verdeeld en als gevolg daarvan zijn beleggers alleen geïnteresseerd in het rendement en het risico van een belegging. (2) Er kan tegen een risicovrije rentevoet onbeperkt in en uitgeleend worden. (3) Er kan onbeperkt short worden gegaan in assets en deze assets zijn

volledig deelbaar. (4) Er zijn geen marktfricties, zoals transactiekosten en discriminerende belastingen, en relevante informatie kan kosteloos worden verkregen en verwerkt. (5) Beleggers hebben homogene verwachtingen betreffende toekomstige rendementen.

Information Ratio

Waar de Sharpe Ratio één van de belangrijkste performancematen is bij het mean-variance raamwerk, is de Information Ratio dit in de tracking error variance (TEV) theorie (Roll, 1992). De Information Ratio (Roll, 1992; Goodwin, 1998), ook wel appraisal ratio genoemd, richt zich op de relatieve performance van een beleggingsfonds ten opzichte van haar benchmark.

( )

te b i i

R IR R

σ

~

~ −

= (3.7)

Hierin is Rb het rendement van de benchmark en is σte de tracking error. De tracking error is de standaarddeviatie van de excess returns, de boven- of onderperformance ten opzichte van de benchmark. Een positieve Information Ratio geeft aan dat het fonds beter gepresteerd heeft dan de benchmark. Als de benchmark de marktindex uit vergelijking 3.5 is en het fonds een bèta heeft van 1, dan is de excess return gelijk aan de α uit vergelijking 3.5 (Goodwin, 1998)

De kritiek van de Information Ratio op de Sharpe Ratio uit zich op de gebruikte benchmark.

De benchmark van de Sharpe Ratio is het risicovrije rendement waartegen onbeperkt in- en uitgeleend kan worden. In de praktijk is dit echter niet het geval. Wat is dan wel een juiste benchmark? Op het gebied van vermogensbeheer worden fondsen ingedeeld in categorieën en vervolgens worden de fondsen binnen een categorie met elkaar vergeleken in plaats van alle fondsen in alle categorieën met elkaar te vergelijken. Het is daarom zinvol om te kiezen voor een benchmark die specifiek is voor een categorie. Beleggers hebben de doelstelling om een bepaalde bovenperformance te realiseren ten opzichte van een gekozen benchmark. Er lijkt geen bewijs te zijn dat zowel institutionele beleggers als particuliere beleggers meer handelen volgens het mean-variance raamwerk dan volgens de TEV theorie (Stutzer, 2000).

Sortino Ratio

De Sortino Ratio is gebaseerd op downside deviation. Sortino en Van der Meer (1991) gaan er vanuit dat beleggers niet noodzakelijkerwijs alle fluctuaties in het rendement als risico zullen opvatten. Volgens Sortino en Van der Meer zullen beleggers alleen neerwaartse afwijkingen beneden een bepaald referentiepunt (de minimaal acceptable return) als risico ervaren. Beleggers zijn indifferent voor fluctuaties in de winsten. De Sortino Ratio wordt als volgt berekend.

( )

i mar i i

R SO R

δ

= −

~

(3.8)

Hierin is δi de downside deviation van fonds i en is Rmar de minimal acceptable rate of return.

Fouse Index

De Fouse index maakt net als de Sortino Ratio gebruik van downside deviation als definitie voor risico. De Fouse index wordt als volgt berekend (Sortino en Price, 1994).

δ2

A R

FI_i = _i − (3.9)

Hierin is A de risicoaversie van de belegger. Volgens Sortino en Price (1994) komt een A van 1 overeen met een risicopremie van 200 basispunten, een A van 2 met een premie 400 basispunten en een A van 3 met een risicopremie van 600 basispunten.

Het grote voordeel van de Fouse index en de Sortino Ratio ten opzichte van de andere performancematen is dat deze toegepast kan worden op beleggers met verschillende mate van risicoaversie.

Morningstar risk-adjusted ratings

Morningstar geeft ratings aan beleggingsfondsen. Hiervoor maakt zij gebruik van een door haar ontwikkelde performancemaat, de Morningstar risk-adjusted rating (MRAR). De MRAR wordt als volgt berekend.

(

)

1 ^12/

1

 −



 



 +

=

−

∑

RGt

MRAR T (3.10)

Hierin is RGt het rekenkundige gemiddelde van het voor aankoopkosten gecorrigeerde excess return (totaal rendement minus risicovrij rendement) in maand t en is γ de mate van risicoaversie van de belegger. Amerikaanse Morningstar analisten hebben geconcludeerd dat een waarde van 2 voor γ in overeenstemming is met de risicoaversie van de doorsnee retailbelegger (Morningstar, 2002). Morningstar hanteert deze waarde in haar berekeningen.

Het rendement van een fonds (RGt) wordt berekend door het rendement te corrigeren voor management fees, andere kosten en loads. Dit maakt de berekening van de MRAR een complexe bezigheid.

Morningstar vergelijkt fondsen binnen een beleggingscategorie met elkaar aan de hand van haar star-rating. Fondsen binnen een categorie worden gerangschikt naar hun MRAR waarden. De top 10% krijgt 5 sterren, de volgende 22,5% krijgen 4 sterren, de middelste 35% krijgen 3 sterren, de volgende 22,5% krijgen 2 sterren en de 10% met de laagste MRAR krijgt 1 ster.

M²

De M² (M-squared) is een performancemaat ontwikkeld door Modigliani en Modigliani (1997). De M² wordt als volgt gedefinieerd.

f i m i

i m

i R R

M 

 



 − +

= σ

σ σ

σ ~ 1

2 (3.11)

Hierbij wordt het rendement van de het fonds i vermenigvuldigd met de verhouding tussen het risico van de markt en het portefeuillerisico. Hiermee wordt het risico van het fonds i teruggeschaald naar dat van de marktportefeuille. Het deel van het vermogen dat (in risicotermen gesproken) onder- of overbelegd is, kan risicovrij worden belegd in Rf. De M² is eigenlijk een aangepaste vorm van de Sharpe Ratio en kan tevens als volgt worden weergegeven

f i

f i m

i R R R

M +

 



 −

=σ σ

2 (3.12)

De gelijkenis met de Sharpe Ratio heeft betrekking op de fondsgerelateerde Ri en σi. Dit heeft als gevolg dat een indeling van fondsen op basis van M² volledig gecorreleerd is aan de Sharpe Ratio’s. Het voordeel van de M² ten opzichte van de Sharpe Ratio is dat de M² een rendementswaarde is, terwijl de Sharpe Ratio een ratio is, waardoor de M² gemakkelijker te interpreteren is. De M² gaat net als de Sharpe Ratio uit van het mean-variance raamwerk.

3.3 Analyse van kwalitatieve aspecten

Naast performanceanalyse kan de aantrekkelijkheid van beleggingsfondsen beoordeeld worden met een analyse van kwalitatieve aspecten van beleggingsfondsen. Kwalitatieve aspecten van beleggingsfondsen zijn de specifieke eigenschappen van beleggingsfondsen en daarnaast de kwaliteiten van de fondsmanager van een beleggingsfonds.

In deze paragraaf wordt een diagnose uitgevoerd van methoden voor het in kaart brengen van de kwaliteiten van de fondsmanager van een beleggingsfonds. Hierbij zal antwoord gegeven worden op de volgende vraag: Welke methoden kunnen gebruikt worden voor het meten van de kwaliteiten van een beleggingsfonds en haar fondsmanager?

3.3.1 Eigenschappen van beleggingsfondsen

Naast de vele studies op het gebied van performance van beleggingsfondsen heeft een aantal studies zich ook gericht op de invloed van de eigenschappen van beleggingsfondsen op het rendement. Er bestaat op dit gebied veel tegenstrijdigheid in de litaratuur. Grinblatt en Titman (1989 en 1994) identificeren als belangrijkste eigenschappen van beleggingsfondsen:

de doelstelling van het beleggingsfonds, omvang, load, expense ratio, turnover en management fee.

Voor beleggingsfondsen geldt vaak een load, een percentage van het aankoop- of verkoopbedrag als kosten. Friend, Blume en Crockett (1970), Hooks (1996), Dellva en Olson (1998) vinden dat fondsen zonder load een hoger rendement behalen dan fondsen met een load. Grinblatt en Titman (1994) vinden echter een positieve relatie tussen load en de performance van een fonds.

Over de impact van de turnover op de performance van een beleggingsfonds is veel onderzoek gedaan. Friend, Blume en Crocket (1970), Wermers (2000) en Grinblatt en

Titman (1994) vinden een positief verband tussen turnover en performance. Malkiel (1993 en 1995) en Carhart (1997) vinden een negatief verband.

Een belangrijke eigenschap van een beleggingsfonds zijn de kosten verbonden aan het fonds.

De expense ratio meet de hoeveelheid kosten, waaronder de management fee, van een fonds in relatie tot de omvang van het fonds. Friend, Blume en Crocket (1970) laten zien dat fondsen met hogere kosten ook een hogere performance laten zien. Onderzoeken van Elton en Gruber e.a. (1993), Golec (1996) en Dellva en Olson (1998) laten het tegenovergestelde zien.

Een andere onderzochte variabele is de omvang van een fonds. Friend, Blume en Crocket (1970) en Grinblatt en Titman (1994) concluderen dat fondsen met een kleinere omvang beter renderen dan fondsen met een grotere omvang.

Het verzamelen van de eigenschappen van de vele beleggingsfondsen is een tijdrovend werk.

Voor sommige beleggingsfondsen zijn de eigenschappen verkrijgbaar via Bloomberg, maar voor de meeste fondsen is deze informatie niet volledig. Hierdoor kunnen niet alle eigenschappen van de fondsen in een beleggingscategorie verzameld worden. Het gebruik maken van de eigenschappen van beleggingsfondsen om uitspraken te doen over de aantrekkelijkheid lijkt daarom voor de selectiemethode te ver te gaan.

3.3.2 Returns-based style analysis

Het analyseren van eigenschappen van beleggingsfondsen is een tijdrovend werk. Maar de kwalitatieve aspecten van beleggingsfondsen zijn op een andere manier goed te meten. Een methode voor het in kaart brengen van de kwalitatieve aspecten van een beleggingsfonds is de returns-based style analysis. De basis is hiervoor gelegd door Nobelprijswinnaar William F. Sharpe (Sharpe, 1992).

De managers van een beleggingsfonds beleggen op ieder zijn of haar eigen wijze in verschillende soorten beleggingscategorieën. Sommige beleggingsfondsen richten zich alleen op Europese aandelen, terwijl andere fondsen zich richten op een mix van aandelen en obligaties. Meerdere onderzoeken tonen aan dat de variatie van de rendementen van een beleggingsfonds voor een groot deel (80-90%) is toe te wijzen aan de gekozen wegingen in verschillende beleggingscategorieën en het gedrag van de rendementen van die categorieën.

(Brinson e.a., 1986 en 1991; Sharpe, 1992; Ibbotson en Kaplan, 2000).

Met behulp van een asset class factor model kan gemeten worden in hoeverre de variatie van de rendementen van een beleggingsfonds verklaard wordt door de variatie van de rendementen van verschillende asset classes⁶. Hiermee kan vastgesteld worden in hoeverre er een actief of passief beleggingsbeleid is gevoerd en of er waarde gecreëerd wordt door actief management (Sharpe, 1992). Een asset class factor model kan gedefinieerd worden aan de hand van de volgende geoptimaliseerde regressievergelijking.

6 De hier gekozen benaming voor asset classes heeft betrekking op de hoofdindeling van beleggingen in aandelen, obligaties en liquide middelden, alsmede een sub-verdeling bij aandelen en obligaties. De 54 beleggingscategorieën, zoals gedefinieerd in paragraaf 3.1 zijn veel specifieker dan de hier gekozen asset classes.

[

]

i bF b F b F e

R = _{1 1}+ _{2 2} +...+ + (3.13)

Hierin is Ri het rendement van beleggingsfonds i. F1, F2, ..., Fn zijn de rendementen van de verschillende factoren. Elke factor betreft een asset class. b1, b2, ..., bn zijn de wegingen van het beleggingsfonds in de verschillende factoren. De som van de b’s is gelijk aan één. ei is het

‘non-factor’ element van het rendement van fonds i. De termen tussen de haakjes kunnen genoemd worden als rendement dat toe te wijzen is aan de style van het beleggingsfonds. Dit rendement komt voort uit het asset allocation beleid⁷ van de fondsmanager en kan getypeerd worden als het passieve management. Het element ei heeft betrekking op het rendement dat is toe te wijzen aan selection. Dit actieve rendement heeft betrekking op de mogelijkheid van de manager om bepaalde asset classes en effecten over- of onder te wegen ten opzichte van het beleid. Het actieve management heeft tevens betrekking op de grootte en timing van deze acties van over- of onderweging van verschillende asset classes ten opzichte van het beleid (Brinson e.a., 1986).

Met returns-based style analysis wordt geprobeerd het gedrag van een beleggingsfonds te verklaren aan de hand van het gedrag van de indices van de verschillende asset classes.

Returns-based style analysis doet dus geen uitspraken over de exacte eigenschappen van het beleggingsfonds. De gedachte is dat “If it acts like a duck, assume it’s a duck”, zoals Sharpe verwoordde (Sharpe, 1988). Door de regressievergelijking 3.13 te optimaliseren, onder de voorwaarden dat de som van de b’s één is, wordt berekend door welke van de factoren de variatie van het rendement van fonds i het beste wordt verklaard. Als de regressievergelijking uitwijst dat het gedrag van fonds i voor het grootste deel wordt verklaard door de eerste factor (bijvoorbeeld een index voor Europese groeiaandelen), dan wordt verwacht dat het fonds i ook voor het grootste deel belegd is in Europese groeiaandelen.

Het grote voordeel van returns-based style analysis voor het analyseren van het gedrag van een beleggingsfonds is het gemak waarmee benodigde informatie verzameld kan worden. De koersdata van beleggingsfondsen en indices zijn gemakkelijk te verkrijgen via bijvoorbeeld Bloomberg. Het gebruik maken van fundamentele analyse door het analyseren van de beleggingen van een beleggingsfonds, het houden van interviews met de managers en het analyseren van de verwachtingen van het fonds is minder eenvoudig en bovendien zeer tijdrovend. Dit maakt returns-based style analysis veel goedkoper dan fundamentele analyse (Lucas en Riepe, 1996).

De bruikbaarheid van een asset class factor model is afhankelijk van de gekozen indices van asset classes als factoren. Het is wenselijk dat de indices (1) elkaar wederzijds uitsluiten, (2) uitputtend zijn en (3) rendementen hebben die duidelijk van elkaar verschillen. Dit betekent dat een asset class index een lage correlatie moet vertonen met een andere, of als dit wel het geval is, er sprake moet zijn van verschillende standaarddeviaties (Sharpe, 1992). Het rendement van elke asset class wordt bepaald door een marktwaarde gewogen gemiddelde van de rendementen van een groot aantal effecten. Een asset class moet een beleggingsstrategie zijn, die tegen lage kosten gevolgd kan worden door gebruik te maken van een index.

7 Het beleid ten aanzien van de keuze om te beleggen in bepaalde asset classes uit zich in de grootte van de gewichten b van de verschillende factoren.

Bij de regressievergelijking van het asset class factor model is R-kwadraat de maat, die meet in hoeverre het gedrag van het rendement van het beleggingsfonds verklaard kan worden door de verschillende factoren. De R-kwadraat is de determinatiecoëfficiënt, welke weergeeft welk percentage van de variatie van de afhankelijke variabele (rendement van het beleggingsfonds) wordt verklaard door de variatie van de onafhankelijke variabalen (rendementen van de indices). De R-kwadraat meet dus in hoeverre het gedrag van het rendement van het fonds is toe te wijzen aan de style van het fonds.

Fondsmanagers passen de stijl van hun beleggingsfonds aan in de loop der tijd. Returns- based style analysis op basis van een regressie van historische data van vijf jaar, zegt iets over de gemiddelde style van het beleggingsfonds in die vijf jaar. Om een betrouwbaarder beeld te krijgen van de stabiliteit van de style van een fonds in de onderzochte periode kan gebruik gemaakt worden een “rolling style chart”. Dit is een weergave van de output van series van regressievergelijkingen met opschuivende perioden.

Inconsistentie in de style van een beleggingsfonds kan leiden tot een lagere waarde van de overall R-kwadraat. Door schommelingen tussen aangehouden beleggingscategorieën kan het gedrag van het rendement minder verklaard worden door het gedrag van de indices.

Indien er grote mate van consistentie is af te lezen uit de rolling style chart, kan met de R- kwadraat met zekerheid worden vastgesteld welk percentage van de variatie van het rendement van het fonds is toe te wijzen aan de style en welk percentage aan selection.

3.3.3 Brinson & Fachler model

Naast het vaststellen van de gewichten van de indices met behulp van returns-based style analysis kunnen aanvullende analyses plaatsvinden. Er kan berekend worden welk rendement is toe te wijzen aan selection en timing kwaliteiten van de fondsmanager. De bekendste en meest eenvoudige methode hiervoor is ontwikkeld door Brinson en Fachler (1985). Voor het meten van het effect van selection en timing wordt het rendement van het fonds uiteengerafeld in vier kwadranten. Figuur 4 geeft de componenten weer van het rendement van een beleggingsfonds (uit: Brinson e.a., 1986).

(IV) Actual Portfolio

Return

a i a i i

R w ⋅

∑

(II) Policy & timing

Return

p i a i i

R w ⋅

∑

(III) Policy & Security

Selection Return

a i p i i

R w ⋅

∑

(I) Policy Return

(benchmark)

p i p i i

R w ⋅

∑

Actual Passive Selection

Timing Actual Passive

Figuur 4: Brinson & Fachler model