To know is to grow | CFA Society VBA Netherlands

Scheiden van Factorpremies en Selectie Alpha: Een andere kijk op Core-Satellite!

Terug naar laatste publicaties
in VBA Journaal door

Binnen de beleggingscategorie aandelen staat een tweetal onderwerpen het laatste decennium prominent op de voorgrond, te weten factorbeleggen en alternatieve wegingsmethoden. Een nadere beschouwing van deze onderwerpen laat dan ook zien dat onderzoek en productinnovatie hiervan in een stroomversnelling zijn gekomen. Hoewel de onderlinge kwaliteit van deze oplossingen sterk varieert, is er wel degelijk een aantal interessante beleggingsoplossingen te onderscheiden, dat pas recentelijk beschikbaar is gekomen voor beleggers.

In dit artikel zullen wij de meer traditionele ‘CoreSatellite’ propositie2 vergelijken met een portefeuille die wij als ‘Core-Satellite 2.0’ betitelen. De traditionele Core-Satellite opzet gaat doorgaans uit van een combinatie van een marktwaarde gewogen passieve ‘Core’ portefeuille en van meerdere traditionele actieve managers die de ‘Satellite’ vormen. In deze traditionele opzet wordt conceptueel ingezet op een scheiding van marktbèta enerzijds (Core) en alpha (Satellite) anderzijds, maar in de praktijk blijkt deze scheiding niet zo eenduidig naar voren te komen. Dit aspect komt bijvoorbeeld naar voren in een veelbesproken studie van Ang e.a. (2009), die aangeeft dat de outperformance van de actieve portefeuille van het Norwegian Government Pension Fund voor een groot deel afkomstig is uit factorpremies, in plaats van aandelenselectie-effecten.3 Bij de Core-Satellite 2.0 propositie trachten wij factorpremies op een efficiënte wijze onder te brengen in de Core portefeuille, terwijl bij de Satellite portefeuille uitsluitend wordt ingezet op ‘stock pickers’ die zich richten op selectie alpha.

In het vervolg van dit artikel zullen wij allereerst aandacht schenken aan het Core-gedeelte van de aandelenportefeuille. Hierbij zullen wij kijken naar oplossingen op het vlak van zowel traditionele passieve marktwaarde gewogen index, multi-factor beleggen alsook alternatieve wegingsmethoden. Vervolgens zullen wij ingaan op het Satellitegedeelte van de aandelenpropositie. In het bijzonder beantwoorden wij de vraag welke karakteristieken belangrijk zijn om ‘topmanagers’ te onderscheiden binnen het speelveld van actieve managers. In het laatste deel van dit artikel lichten wij toe hoe wij onze voorgaande bevindingen vertalen in een CoreSatellite 2.0 aandelenportefeuille. Hierbij zullen wij ook stilstaan bij de verschillen met de traditionele Core-Satellite propositie alsook waarom wij van mening zijn dat deze nieuwe portefeuille een verbetering kan vormen.

 

Core aandelenportefeuille

Marktwaarde gewogen aandelenportefeuille

Op basis van de Capital Asset Pricing Model (CAPM) theorie wordt veelal verondersteld dat een marktwaarde gewogen portefeuille efficiënt is. De aannames die ten grondslag liggen aan CAPM gaan echter in de praktijk vaak niet op: niet alle beleggers hebben een gelijke beleggingshorizon en niet alle beleggers hebben toegang tot alle informatie op hetzelfde moment, zie bijvoorbeeld Goltz en Le Sourd (2011). Daarnaast verwerken niet alle beleggers deze informatie op een gelijke efficiënte wijze en handelen zij op basis van deze inzichten ook niet enkel op rationele wijze. Onder andere Fama en French (2004) alsook Clarke e.a. (2006) laten op basis van empirische studies zien dat CAPM theorie in de praktijk niet opgaat.

Hoewel een marktwaarde gewogen portefeuille momenteel de meest gehanteerde en meest objectieve benchmark vormt, waarbij ook de lage implementatiekosten en hoge liquiditeit belangrijke voordelen zijn, zien wij ook diverse aandachtspunten bij een marktwaarde gewogen portefeuille:

  • Portefeuilleconstructie is gebaseerd op slechts één factor, te weten marktwaarde;
  • Een marktwaarde gewogen portefeuille heeft een hoge concentratie naar Large cap aandelen, zie bijvoorbeeld Malevergne e.a. (2009);
  • Ten opzichte van alternatief gewogen portefeuilles, zoals een gelijkgewogen, fundamenteel gewogen of ‘equal risk budget’ gewogen portefeuille, heeft een marktwaarde gewogen portefeuille een overweging naar groeiaandelen, zie bijvoorbeeld Amenc e.a. (2013);
  • Marktwaarde gewogen portefeuilles zijn doorgaans gevoelig(er) voor marktbubbels, zie bijvoorbeeld Carvalho e.a. (2012) en Arnott e.a. (2013) voor rendement- en risicovergelijkingen tussen marktwaarde gewogen en alternatief gewogen portefeuilles. Een duidelijk voorbeeld van een marktbubbel is Japan dat in 1989 een 40% weging had in de MSCI World Index en medio 2015 nog slechts 9%.

 

Alternatieve wegingsmethoden

De gewichten van de verschillende aandelen in een portefeuille kunnen ook op een andere wijze dan op marktwaarde worden bepaald (‘alternatieve wegingsmethoden’). Hierbij valt te denken aan gewichtsbepaling op basis van (1) fundamentele factoren (bijvoorbeeld boekwaarde) (2) gelijk wegen (3) risicovariabelen zoals correlatie en volatiliteit (4) maximale diversificatie (5) minimale variantie of maximale sharpe ratio.

Verschillende studies laten zien dat aandelenportefeuilles, die gebaseerd zijn op andere wegingsmethoden dan marktwaarde gewogen, superieure rendementen hebben behaald ten opzichte van een vergelijkbare marktwaarde gewogen portefeuille. De outperformance in deze studies, zoals beschreven in Carvalho e.a. (2012) en Arnott e.a. (2013), varieert van 1.5% tot 4.0%, afhankelijk van o.a. de wegingsmethode, gehanteerde aannames en tijdsperioden.5 Initieel trachtten instanties die een alternatieve wegingsportefeuile lanceerden te wijzen op de toegevoegde waarde van het prudentere wegingsconcept. Ondertussen lijkt er echter concensus te zijn dat het extra rendement veelal kan worden toegeschreven aan factorpremies, zoals value, size en low volatility.6 Aandachtspunten bij alternatieve wegingsmethoden zijn volgens ons de hogere omloopsnelheid, concentratierisico, intransparantie en modelrisico. Onze belangrijkste kritiek is echter dat alternatieve wegingsmethoden zich niet expliciet richten op het verkrijgen van factorpremies, maar hier impliciet wel veel van hun rendement aan te danken hebben. Het zou volgens ons dan ook efficiënter zijn, om te kiezen voor pure factorportefeuilles, die op een veel consistentere en expliciete wijze exposure bieden naar de gewenste factorpremies.

 

Factorpremies

Factorpremies worden in empirische studies al ruim 3 decennia uitvoerig beschreven en getest. Hierdoor bestaat er een brede basis aan publicaties die voor een aantal factoren robuuste positieve premies laten zien. Met name in het laatste decennium is vanuit de academische wereld veel aandacht besteed aan het verklaren van factorpremies. Op basis van ons eigen onderzoek onderscheiden wij vier factoren, te weten (1) Value, (2) Momentum, (3) Quality en (4) Low Volatility. In tabel 1 worden deze factoren kort benoemd.

Doorgaans wordt nog een vijfde factor genoemd, namelijk Size, zie o.a. Fama en French, (1992), waarbij aandelen met lagere marktkapitalisatie een hoger voor risico gecorrigeerd rendement laten zien. De selectie van deze Size factor wordt echter betwist, vanwege de mindere robuustheid van deze factor (over tijd) alsook mindere significantie (voor alle wereldwijde regio’s).7 De voornaamste reden voor ons om deze factor niet expliciet te selecteren in de Core aandelenportefeuille, is dat portefeuilles gebaseerd op de overige vier geïdentificeerde factoren reeds impliciet enige mate van overweging hebben naar lagere marktkapitalisaties. Immers, de factorportefeuilles worden niet meer (primair) gewogen op basis van marktkapitalisatie, maar op basis van factor-eigenschappen, zie bijvoorbeeld Arnott e.a. (2013).

 

Multi-Factor Beleggen

Uit onderzoek blijkt dat factorpremies veelal een relatief cyclisch en daardoor moeilijk voorspelbaar karakter hebben. De correlatie tussen verschillende factorpremies is daarentegen relatief constant en laag. Om exposure naar verschillende factorpremies te verkrijgen, zijn wij dan ook een voorstander van een multi-factor portefeuille. Over de afgelopen jaren is zowel de kwantiteit alsook de kwaliteit van het aanbod van multi-factor portefeuille oplossingen aanzienlijk verbeterd.

Factorpremies zijn relatief cyclisch en onvoorspelbaar, een multi-factor portefeuille biedt daarom uitkomst

De belangrijkste recente ontwikkelingen op dit gebied zijn:

  • Verdere doorontwikkeling van de implementatiemogelijkheden voor de factoren Quality en Momentum;
  • Adequater gebruik van transactiekosten modellen, wat bijdraagt aan een verlaging van de omloopsnelheid in de portefeuille;8
  • Zorgvuldigere definitie van factorpremies en opbouw uit meerdere relevante signalen;
  • Verschuiving van complexe naar eenvoudigere beleggingsmethoden.

Meerdere aanbieders bieden verschillende portefeuilleconstructiemethodieken aan voor multifactor oplossingen. Bij de keuze voor een van deze methodieken is het van belang dat de volgende aspecten gewaarborgd blijven: (1) lage omloopsnelheid, (2) voldoende diversificatie naar aandelen, sectoren en regio’s alsook (3) hoge en stabiele overweging naar de gewenste factoren. Wij observeren in de markt een toenemend aantal aanbieders dat een kostenefficiënte multi-factor oplossing aanbiedt, omdat het hier om systematische beleggingsoplossingen gaat, liggen beheervergoedingen veelal in de orde van grootte van minder dan 0.1% tot zo’n 0.3%. Dit vormt in onze ogen een geschikt alternatief voor een marktwaarde gewogen passieve oplossing in een Core portefeuille, indien dit uiteraard past in het kosten- en risicobudget van de investeerder. Zelfs als we aannemen dat de rendementen van factorpremies in de toekomst 50% lager uitvallen in vergelijking tot de afgelopen decennia verwachten wij nog een aantrekkelijke geannualiseerde bruto outperformance van ruim 1%.

 

Satellite aandelenportefeuille

Om te toetsen of er binnen een bepaald universum (‘peergroup’) managers zijn die voldoende alphapotentieel kunnen behalen, dient niet zozeer naar het gemiddelde behaalde rendement van de managers binnen het universum gekeken te worden. Immers, het gaat er uiteindelijk om om bovengemiddelde managers te identificeren op basis van structurele determinanten.9 Wij hebben diverse determinanten bestudeerd aan de hand van een drietal invalshoeken: (1) literatuurstudie, (2) empirische database analyse10 en (3) onze eigen manager selectie ervaring die wij over de afgelopen decennia hebben opgedaan. Door ons te richten op determinanten die worden ondersteund op basis van alle drie de invalshoeken zijn we van mening goede handvatten te hebben voor het identificeren van ‘Active Satellite’ managers. De betreffende determinanten zijn samengevat in tabel 2.

Het consequent toepassen van bovengenoemde kwalitatieve selectiecriteria leidt naar onze mening tot een select universum van managers dat aanzienlijk beter presteert in vergelijking met het totale universum.

Bovenstaande determinanten passen wij consequent toe om zodoende vaardige Active Satellite managers te selecteren. Binnen dit deel van de portefeuille proberen wij het actieve risicobudget toe te spitsen naar aandelenspecifiek risico. Een dergelijke propositie onderscheidt zich daardoor van een meer traditionele actieve aandelenportefeuille, waarbij de meerderheid van het risicobudget juist door factorpremies, zie o.a. Ang e.a. (2009) bepaald wordt. Factorpremies kunnen, zoals in de vorige paragraaf is beschreven, op efficiëntere wijze verkregen worden. Aandelenspecifieke alpha is een bron van outperformance die naar ons idee niet vertaald kan worden naar factor premies en heeft in die zin dan ook zijn eigen bestaansrecht.

 

Portefeuille samenhang

Om de aantrekkelijkheid van de Core-Satellite 2.0 propositie vanuit een portefeuillecontext te vergelijken met een traditionele Core-Satellite portefeuille hebben wij een analyse uitgevoerd. Hierbij is de traditionele Core-Satellite portefeuille (o.b.v. 60% passief en 40% actief) samengesteld op basis van een ‘live track record’ van door ons geselecteerde managers voor klantenportefeuilles, terwijl de Core-Satellite 2.0 is gebaseerd op het gemiddelde van 25 modelportefeuilles. Bij de samenstelling van deze Core-Satellite 2.0 hebben we de volgende uitgangspunten gehanteerd:

  • We hebben 25 Core-Satellite 2.0 portefeuilles samengesteld, die telkens bestaan uit een combinatie van 60% Core (multi-factor) en 40% Active Satellites;
  • Bij het multi-factor deel van de portefeuille baseren we ons op 5 representatieve oplossingen van 5 verschillende providers. Omdat dit primair backtest data betreft, hebben we er voor gekozen om de outperformance met 50% naar beneden bij te stellen;
  • Voor het Active Satellites deel gaan we uit van het gemiddelde van 5 Active Satellite portefeuilles met ieder 4 unieke Satellite managers. Al deze 20 managers hebben live track records en zijn in de afgelopen jaren door ons gebruikt in klantenportefeuilles;
  • Dit resulteert in 25 modelcombinaties van CoreSatellite 2.0 portefeuilles (5 multi-factor varianten x 5 Active Satellite varianten);
  • In de onderstaande tabel tonen wij de netto rendements- en risicokarakteristieken12 van de traditionele Core-Satellite portefeuille ten opzichte van het gemiddelde van de 25 model portefeuilles voor de Core-Satellite 2.0 portefeuille. Deze portefeuilles worden gebenchmarkt tegen een standaard MSCI marktwaarde gewogen index (total net return) met corresponderende gewichten.

De belangrijkste bevindingen van onze analyse zijn dat er door de Core-Satellite 2.0 portefeuille een verhoogd additioneel rendement behaald kan worden, terwijl het relatieve risicobudget slechts beperkt toeneemt. Daarnaast constateren wij dat het additioneel rendement van de multi-factor portefeuille en Active Satellite portefeuilles niet significant positief gecorreleerd is.

De bron van outperformance is goed gediversifieerd tussen factor premies en selectie alpha

Het additioneel rendement van de Core-Satellite 2.0 portefeuille is robuuster, omdat de bron van outperformance beter gediversifieerd is tussen factorpremies en selectie alpha. De kracht van deze propositie is met name de combinatie van de twee portefeuilleonderdelen: factorpremies die complementair zijn ten opzichte van selectie alpha, wat tot een interessante bron van outperformance leidt.

 

Conclusie

Een marktwaarde gewogen passieve portefeuille geldt tot dusver als de meest gebruikte invulling van een Core portefeuille, terwijl het actieve deel veelal wordt ingevuld met actieve managers waarvan het risicobudget vaak bestaat uit een combinatie van factorpremies en selectie alpha.

In dit artikel beschrijven wij dat een multi-factor portefeuille als een interessant alternatief voor een op marktwaarde gewogen passieve component binnen het Core-gedeelte van de aandelenportefeuille kan dienen.

Het voordeel van een multi-factor portefeuille is dat de portefeuille geconstrueerd wordt op basis van vier factoren, in plaats van slechts één factor (‘marktwaarde’), zoals bij een marktwaarde gewogen portefeuille het geval is. Bovendien wijzen diverse studies uit dat factorpremies extra rendement opleveren. Een allocatie naar een multi-factor portefeuille kan ten dele de rol van traditionele actieve managers overnemen, omdat hier ook vaak wordt ingespeeld op factorpremies.

De focus bij de actieve managers zou ons inziens dan ook dienen te liggen op Satellite managers die hun alpha behalen uit bottom-up aandelenselectie (en niet deels uit factorpremies).

Ervaren, gespecialiseerde managers met een hoge convictie en lange beleggingshorizon hebben betere succeskansen

Onze studie naar actieve managers wijst in de richting dat ervaren, gespecialiseerde managers met een hoge convictie en lange beleggingshorizon betere succeskansen hebben om alpha te behalen. Een allocatie naar Active Satellite managers voegt waarde toe en vormt een complementair onderdeel in een aandelenportefeuille.

Met een zogenaamde Core-Satellite 2.0 aanpak kunnen factorpremies (Core) en selectie alpha (Satellite) op een effectieve wijze onderscheiden worden, met behoud van voldoende flexibiliteit bij de portefeuille implementatie.

 

Literatuurlijst

  • Amenc, N., Goltz, F. and Lodh, A., 2012, “Choose Your Betas: Benchmarking Alternative Equity Index Strategies”, The Journal of Portfolio Management, Vol. 39, No. 1, pp. 88-111
  • Amenc, N., Goltz, F. and Martellini, L., 2013, “Smart Beta 2.0”, Working paper EDHEC Risk Institute, http://faculty-research.edhec. com/_medias/fichier/edhec-position-papersmart-beta-2-0_1378195044229-pdf
  • Ang, A., Goetzmann, W.N. and S. Schaefer, S.M., 2009, “Evaluation of Active Management of the Norwegian Government Pension Fund Global”
  • Ang, A., Goetzmann, W.N. and Schaefer, S.M., 2010, “The Efficient Market Theory and Evidence: Implications for Active Investment Management”, Foundations and Trends in Finance, Vol. 5, No. 3, pp. 157-242
  • Arnott, R. D., Hsu, J., Kalesnik V. and Tindall, P., 2013, “The Surprising Alpha From Malkiel’s Monkey and Upside-Down Strategies”, The Journal of Portfolio Management, Vol. 39, No. 4, pp. 91-106
  • Bernardini, L, Bikker, G.B. and Smeets, S.K.M., 2010, “Keuze tussen actief en passief beheer: een actieve keuze!”, VBA Journaal, Vol. 3, pp. 7-14
  • Bernstein, L.A., 1993, “Financial Statement Analysis (5th ed.), Homewood, IL
  • Blitz, D., and van Vliet, P., 2007, “The Volatility Effect: Lower Risk Without Lower Return”, The Journal of Portfolio Management, pp. 102-113
  • Carvalho, R.L. de, Xiao, L. and Moulin, P. 2012, “Demystifying Equity Risk-Based Strategies: A Simple Alpha plus Beta Description”, The Journal of Portfolio Management, Vol. 38, No.3, pp. 56-70
  • Carhart, M.M., 1997 “On Persistence in Mutual Fund Performance”, Journal of Finance, Vol 52, No. 1, pp. 57-82
  • Chen, J., Hong, H., Huang, M. and Kubik, J.D., 2004, “Does Fund Size Erode Mutual Fund Performance? The Role of Liquidity and Organization” The American Review Economic, Vol 94, No. 5, pp. 1276-1302
  • Cohen, R., Polk, C. and Silli, B., 2009, “Best Ideas.” Working Paper, http://ssrn.com/ abstract=1364827
  • Clarke, R., de Silva, H. and Thorley, S., 2006, “Minimum-variance portfolios in the US equity market”, The Journal of Portfolio Management, Vol. 33, Fall, pp.10-24
  • Fama, E.F. and French, K.R., 1992 “The CrossSection of Expected Stock returns”, The Journal of Finance, Vol. 47, No. 2, pp. 427-466
  • Fama, E,F, and French, K.R., 2004, “The Capital Asset Pricing Model: Theory and Evidence”, The Journal of Economic Perspectives, Vol. 18, No. 3, pp. 25-46
  • Fama, E. F., and French, K.R., 2012, “Size, Value, and Momentum in International Stock Returns”, Journal of Financial Economics, Vol. 105, No. 1, pp. 457-472
  • Ferris, S.F. and Xuemin, Y. 2009, “Agency costs, governance, and organizational forms: Evidence from the mutual fund industry”, Journal of Banking and Finance, Vol. 33, pp. 619-626.
  • Filbeck, G. and D.L. Tompkins (2004) “Management tenure and Risk-Adjusted Performance of Mutual Funds”, The Journal of Investing, Vol. 13, No. 2, pp. 72-80
  • Finstad, D., 2005, “Institutional or Entrepreneurial Management? An analysis of organizational factors and their effect on manager performance. Canadian Investment Review, Vol. Spring, pp. 17-24
  • Goltz, F. and Le Sourd, V., 2011, “Does Finance Theory Make the Case for CapitalizationWeighted Indexing?”, The Journal of Index Investing, Vol. 2, No. 2, pp. 59-75
  • Grinblatt, M. and Titman, S., 1989, “Mutual Fund Performance: An Analysis of Quarterly Portfolio Holdings”, The Journal of Business, Vol. 62, No. 3, pp. 393-416
  • Haugen, R. A., and Baker, L., B., 1991, “The efficient market inefficiency of capitalization–weighted stock portfolios”, The journal of Portfolio Management, Vol. 17, No. 3, pp. 35-40
  • Jegadeesh, N. and Titman, S., 1993, “Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency”, The Journal of Finance, Vol. 48, No. 1, pp. 65-91
  • Kaplan, P.D., 2008, “Why Fundamental Indexation Might – or Might Not – Work”, Financial Analysts Journal, Vol. 64, No. 1, pp. 32 – 39
  • Khorana, A., Servaes, H. and Wedge, L., 2007, “Portfolio Manager Ownership and Fund Performance.” Journal of Financial Economics, Vol. 85, pp. 179 – 204
  • Malevergne, Y, Santa-Clara, P. and Sornette, D., 2009, “Professor Zipf Goes to Wallstreet”, Working paper, National Bureau of Economic Research, https://tasmania.ethz.ch/images/ 4/48/Prof-Zipf-NBER_preprint_w15295.pdf
  • Novy-Marx, R., 2013 “Quality Investing”, working paper, http://rnm.simon.rochester. edu/research/QDoVI.pdf

Noten

  1. De auteurs zijn beiden werkzaam bij Altis Investment Management, een onafhankelijk onderdeel van NN Investment Partners. Dit artikel is op persoonlijke titel geschreven en geeft niet noodzakelijkerwijs de zienswijze van de werkgever weer.
  2. Bij een traditionele Core-Satellite aandelenpropositie wordt veelal uitgegaan van een combinatie van passief en actief beheer. Bij de uiteindelijke keuze tussen passief en actief beheer spelen naast de aantrekkelijkheid van passief tov actief beleggen ook afwegingen mee zoals fee- en risicobudget. Zie ook: Bernardini, Bikker, Smeets, 2010, “Keuze tussen actief en passief beheer: een actieve keuze!”, VBA Journaal
  3. Ang e.a. (2009) hebben het actieve rendement van de actieve portefeuille van het Norwegian Government Pension Fund geëvalueerd voor de periode 1998 – 2009. Daaruit blijkt dat zo’n 70% van het actieve rendement is toe te schrijven aan factor premies en slechts 30% aan aandelenselectie en timing-effecten.
  4. We nemen aan dat zowel een marktwaarde gewogen passieve invulling, een multi-factor portefeuille alsook (traditionele) actieve managers een marktbèta hebben die dicht bij 1 ligt.
  5. Carvalho e.a. (2012) vinden bijvoorbeeld een geannualiseerde outperformance variërend van 2.7% tot 3.8% voor wereldwijde alternatieve wegingsportefeuilles Equal Weighted, Equal Risk Budgetting, Equal Risk Contribution, Minimum Variance en Maximum Diversification in vergelijking tot een marktwaarde gewogen portefeuille (periode jan 1998 – dec 2010). Arnott e.a. (2013) vergelijken eveneens diverse alternatieve wegings portefeuilles en komen op een geannualiseerde outperformance variërend van 1.8% tot 2.3% voor US portefeuilles (periode 1964 – 2012). Amenc e.a. (2013) komen tot vergelijkbare resultaten en geven bovendien een uitgebreid literatuur overzicht.
  6. Naast de genoemde referenties Carvalho e.a. (2012) en Arnott e.a. (2013) geven ook de studies van Kaplan (2008) en Amenc e.a. (2012) een goed overzicht van studies naar dit onderwerp.
  7. Zie onder andere Ang e.a. (2009) en Fama & French (2012).
  8. Wij observeren een toenemend gebruik van transactiekosten modellen door verdere doorontwikkeling van portfolio optimizer modules en betere beschikbaarheid transactiekosten-data. Door expliciet een afweging te maken tussen herbalanceren enerzijds (omwille van verdere portefeuille optimalisatie) en anderzijds het beperken van transactiekosten (die een negatieve impact hebben op het rendement) zien we dat er meer aandacht is voor het terugbrengen van de omloopsnelheid.
  9. Bij de keuze tussen actief en passief beleggen voor de verschillende segmenten van een aandelenportefeuille hanteren wij een beslisboom ontleent aan de principes van de ‘Fundamental Law of Active Management’,Grinold (1989) en Clarke e.a. (2001) als uitgangspunt. Hierbij wordt de dispersie van verschillende marktsegmenten, de beschikbaarheid van vaardige managers die alpha weten te behalen alsook de implementatie-efficiëntie aan de hand van diverse onderliggende factoren getoetst, Bernardini, Bikker, Smeets, (2010).
  10. Onze analyses zijn gebaseerd op de Morningstar database waarbij we uit zijn gegaan van een periode van 1 jan. 2008 t/m 31 dec. 2014. De universa van actieve managers met respectievelijke het aantal managers met voldoende data zijn: US Large Caps (414), US Small Caps (217), Europe Large Caps (212), Europe Small Caps (119), Japan (109) en Emerging Markets (126).
  11. We hebben dit deels kunnen verifiëren op basis van onze data analyse m.b.v. de Morningstar database. Voor 4 van de 6 attributen (ervaring/stabiliteit, omloopsnelheid, omvang strategie en concentratie) hebben we de peer groups US Large Caps, US Small Caps, Europe Large Caps en Emerging Markets gerangschikt in 5 kwintielen. Er is een significant verband tussen de attributen en relatieve performance over de gehanteerde tijdsperiode 1 jan 2008 t/m 31 dec 2014.
  12. Getoonde netto performance is na aftrek van beheervergoedingen.
  13. De sharpe ratio is berekend o.b.v. een risk free rate van 0.72%, dit komt overeen met de huidige 10-jaars German Bund Yield. Verder is de volatiliteit berekend in euro’s.

 

Download