Timing faalt
Vandaag de dag zijn er veel internetsites en diensten voor beleggers die op basis van het kijken naar grafieken uitspraken doen wanneer een aandeel gekocht zou moeten worden.
Tot op heden bestaat er nog geen evenwichtsmodel op basis van technische analyse dat statistisch significante outperformance oplevert. Het feit dat er een massa aan technische analysesites bestaat is op zich niet verwonderlijk. Dit omdat er in de media amper aandacht wordt geschonken aan de empirische verificatie ervan. Tijd dus voor de media om een blik op de recente academische literatuur te werpen.
Timingstrategieën worden door veel beleggers nog steeds ten onrechte als een zinvolle manier gezien om te bepalen waar aandelen gekocht dan wel verkocht dienen te worden. Dit is opmerkelijk want er is amper empirisch bewijsmateriaal dat grafieken informatie herbergen over de korte of lange termijn koersontwikkeling. Het is onwaarschijnlijk dat het gebruik van grafische historische koersinformatie om de toekomstige beursontwikkeling te voorspellen voor outperformance kan zorgen.
De technisch analist probeert toekomstige aandelenrendementen te voorspellen door gebruik te maken van historische aandelenrendementen. Hiermee veronderstelt de technisch analist dat er een bepaalde relatie bestaat tussen toekomstige aandelenrendementen en die uit het verleden . Talloze onderzoeken zijn er op dit gebied gedaan waarvan de meeste aantonen dat er amper tot geen verband is tussen opeenvolgende prijsveranderingen.
De gesignaleerde samenhang tussen opeenvolgende prijsveranderingen blijkt in de praktijk niet sterk genoeg om er in de praktijk van te kunnen profiteren; hooguit 1% van de variantie van aandelenrendementen kan verklaard worden door opeenvolgende prijsveranderingen. Dit betekent dat zeker 99% van de aandelenrendementen verklaard wordt door de overige variabelen zoals macro-economische variabelen, conjunctuurcycli en fundamentele gegevens van het bedrijf.
Ten eerste bestaat er het probleem van datamining en snooping. Wie genoeg graaft vindt altijd wel een strategie die over een bepaalde dataverzameling over een bepaalde periode een hoger rendement dan de markt zou opleveren. Dit komt er op neer dat het altijd mogelijk is om een indicator te vinden die in het verleden een hoge correlatie had met een bepaald aandeel. Zo is het mogelijk om na lang zoeken een ogenschijnlijk sterk verband te vinden tussen de schoenmaat van ondergetekende en een willekeurig aandeel.
De indicatoren en instrumenten van de technisch analist zoals filters, moving averages, weerstand- en steunlijnen etc. worden vaak gebruikt om toekomstige aandelenkoersen te voorspellen. Ondanks deze mogelijkheden is het een understatement om te voorspellen dat de wetenschap sceptisch staat tegenover technische analyse. Er zijn zelfs onderzoekers die technische zelfs een wetenschap noemen die tussen voodoo en astrologie ligt.
Malkiel stelt in zijn bekende boek ´A random Walk on Wall Street ´ dat aandelenmarkten een erg kort geheugen hebben. Vandaag de dag wordt de informatie op de financiële markten zo snel verwerkt dat er amper nog ´doorsijpelingseffect´ is (d.w.z. hele lage autocorrelatie). Met andere woorden de marken zo zijn efficiënt geworden dat alle informatie nagenoeg wel in de actuele koersen ingeprijsd is. Dit betekent dat gisteren alle belangrijkste informatie over het bedrijf gisteren al in de prijs verwerkt is.
Empirische toetsen kunnen controleren of het mogelijk is om door middel van timingstrategieën een buy & hold strategie te verslaan. Wanneer we een timing strategie loslaten op een dataset met aandelen waarbij er op talloze willekeurige manieren in- en uitgestapt wordt tonen de resultaten aan dat in 80% van de aandelenkeuzes de belegger goed moet zitten om een buy & hold portefeuille te verslaan.
Dit zijn schokkende resultaten want er zijn legio beleggers die op basis van timingstrategieën zeer frequent mutaties in hun portefeuille doorvoeren. Het resultaat is dat het voor de belegger die op basis van technische analyse zijn beleggingsbeslissingen bepaald het onwaarschijnlijk is om outperformance te behalen.
Het feit dat technische analysesites erg populair zijn onder de particuliere beleggers vertaald zich in het feit dat rond de 97% van de particuliere beleggers de markt underperformt. Deze royale underperformance kwam naar voren in een onderzoek van Bauer begin dit jaar. De voornaamste reden voor de underperformance ligt aan het feit dat beleggers de markten proberen te voorspellen door timingstrategieën.
Niet alleen bij de aandelenmarkten zien we dat timingstrategieën meestal inferieur zijn. Ook bij de obligatiehandel levert een actieve trendzoekende strategie meestal het laagste rendement op en het hoogste risico. Het lijkt o zo plausibel om informatie uit grafieken te vertalen naar beleggingshandelingen maar in de praktijk blijkt dat de belegger zich hier alleen maar mee in de vingers snijdt.
Geschreven door Ronald Kok, hoofd research Analist.nl (ronald.kok@analist.nl)
Tot op heden bestaat er nog geen evenwichtsmodel op basis van technische analyse dat statistisch significante outperformance oplevert. Het feit dat er een massa aan technische analysesites bestaat is op zich niet verwonderlijk. Dit omdat er in de media amper aandacht wordt geschonken aan de empirische verificatie ervan. Tijd dus voor de media om een blik op de recente academische literatuur te werpen.
Timingstrategieën worden door veel beleggers nog steeds ten onrechte als een zinvolle manier gezien om te bepalen waar aandelen gekocht dan wel verkocht dienen te worden. Dit is opmerkelijk want er is amper empirisch bewijsmateriaal dat grafieken informatie herbergen over de korte of lange termijn koersontwikkeling. Het is onwaarschijnlijk dat het gebruik van grafische historische koersinformatie om de toekomstige beursontwikkeling te voorspellen voor outperformance kan zorgen.
De technisch analist probeert toekomstige aandelenrendementen te voorspellen door gebruik te maken van historische aandelenrendementen. Hiermee veronderstelt de technisch analist dat er een bepaalde relatie bestaat tussen toekomstige aandelenrendementen en die uit het verleden . Talloze onderzoeken zijn er op dit gebied gedaan waarvan de meeste aantonen dat er amper tot geen verband is tussen opeenvolgende prijsveranderingen.
De gesignaleerde samenhang tussen opeenvolgende prijsveranderingen blijkt in de praktijk niet sterk genoeg om er in de praktijk van te kunnen profiteren; hooguit 1% van de variantie van aandelenrendementen kan verklaard worden door opeenvolgende prijsveranderingen. Dit betekent dat zeker 99% van de aandelenrendementen verklaard wordt door de overige variabelen zoals macro-economische variabelen, conjunctuurcycli en fundamentele gegevens van het bedrijf.
Ten eerste bestaat er het probleem van datamining en snooping. Wie genoeg graaft vindt altijd wel een strategie die over een bepaalde dataverzameling over een bepaalde periode een hoger rendement dan de markt zou opleveren. Dit komt er op neer dat het altijd mogelijk is om een indicator te vinden die in het verleden een hoge correlatie had met een bepaald aandeel. Zo is het mogelijk om na lang zoeken een ogenschijnlijk sterk verband te vinden tussen de schoenmaat van ondergetekende en een willekeurig aandeel.
De indicatoren en instrumenten van de technisch analist zoals filters, moving averages, weerstand- en steunlijnen etc. worden vaak gebruikt om toekomstige aandelenkoersen te voorspellen. Ondanks deze mogelijkheden is het een understatement om te voorspellen dat de wetenschap sceptisch staat tegenover technische analyse. Er zijn zelfs onderzoekers die technische zelfs een wetenschap noemen die tussen voodoo en astrologie ligt.
Malkiel stelt in zijn bekende boek ´A random Walk on Wall Street ´ dat aandelenmarkten een erg kort geheugen hebben. Vandaag de dag wordt de informatie op de financiële markten zo snel verwerkt dat er amper nog ´doorsijpelingseffect´ is (d.w.z. hele lage autocorrelatie). Met andere woorden de marken zo zijn efficiënt geworden dat alle informatie nagenoeg wel in de actuele koersen ingeprijsd is. Dit betekent dat gisteren alle belangrijkste informatie over het bedrijf gisteren al in de prijs verwerkt is.
Empirische toetsen kunnen controleren of het mogelijk is om door middel van timingstrategieën een buy & hold strategie te verslaan. Wanneer we een timing strategie loslaten op een dataset met aandelen waarbij er op talloze willekeurige manieren in- en uitgestapt wordt tonen de resultaten aan dat in 80% van de aandelenkeuzes de belegger goed moet zitten om een buy & hold portefeuille te verslaan.
Dit zijn schokkende resultaten want er zijn legio beleggers die op basis van timingstrategieën zeer frequent mutaties in hun portefeuille doorvoeren. Het resultaat is dat het voor de belegger die op basis van technische analyse zijn beleggingsbeslissingen bepaald het onwaarschijnlijk is om outperformance te behalen.
Het feit dat technische analysesites erg populair zijn onder de particuliere beleggers vertaald zich in het feit dat rond de 97% van de particuliere beleggers de markt underperformt. Deze royale underperformance kwam naar voren in een onderzoek van Bauer begin dit jaar. De voornaamste reden voor de underperformance ligt aan het feit dat beleggers de markten proberen te voorspellen door timingstrategieën.
Niet alleen bij de aandelenmarkten zien we dat timingstrategieën meestal inferieur zijn. Ook bij de obligatiehandel levert een actieve trendzoekende strategie meestal het laagste rendement op en het hoogste risico. Het lijkt o zo plausibel om informatie uit grafieken te vertalen naar beleggingshandelingen maar in de praktijk blijkt dat de belegger zich hier alleen maar mee in de vingers snijdt.
Geschreven door Ronald Kok, hoofd research Analist.nl (ronald.kok@analist.nl)
