Uitleg bij onderzoek naar dynamisch beleggen

Hier vindt u de uitleg bij deze pagina. Kies het onderwerp waarover u meer wilt weten.

Welke kanttekeningen horen bij dit artikel?

Hoe overtuigend deze cijfers ook zijn, ze berusten op simulaties met historische data. Daarbij horen enkele kanttekeningen die voor een zorgvuldige beoordeling onmisbaar zijn.

Ten eerste was de testperiode gunstig voor vastrentende waarden. De rente daalde vrijwel onafgebroken, wat de onderzoekers zelf ook benoemen. Ook komt een groot deel van het voordeel uit één gebeurtenis: de crisis van 2008. De periode na 2016 valt buiten het onderzoek. Daartoe behoren de coronacrash van 2020 en het jaar 2022, waarin aandelen en obligaties gelijktijdig fors daalden. Hoe het model zich onder zulke omstandigheden houdt, is in deze studies niet getest.

Ten tweede is een verliesgrens geen garantie. Het model stuurt bij op dagbasis, dus een abrupte koersval binnen één handelsdag of over een weekend kan de grens overschrijden voordat bijsturing mogelijk is. In de hoofdstudie is bovendien verondersteld dat aanpassingen nog dezelfde dag tegen de slotkoers konden worden uitgevoerd. Bij minder frequente aanpassingen, bijvoorbeeld wekelijks, werkte de noodrem duidelijk minder goed. Ook wijzen de onderzoekers erop dat een portefeuille die dicht tegen de grens aan zit, daar moeilijk weer van loskomt. Het vermogen staat dan grotendeels in cash, terwijl het herstel van de markt aan de portefeuille voorbijgaat.

Ten derde zijn transactiekosten van 10 basispunten realistisch voor grote institutionele partijen. Voor particuliere portefeuilles en bij minder liquide beleggingen liggen de kosten doorgaans hoger. Dat weegt zwaar bij een strategie die de portefeuille jaarlijks bijna drie keer omzet.

De resultaten zijn daarom het best te begrijpen als onderbouwing van een principe, niet als voorspelling van een rendement.

Waar komen de gegevens en bronnen vandaan?

• Nystrup, P. (2018). Dynamic Asset Allocation: Identifying Regime Shifts in Financial Time Series to Build Robust Portfolios. Proefschrift, DTU Compute, Technical University of Denmark.

• Nystrup, P., Boyd, S., Lindström, E., & Madsen, H. (2019). Multi-period portfolio selection with drawdown control. Annals of Operations Research, 282, 245–271.

• Nystrup, P., Madsen, H., & Lindström, E. (2018). Dynamic portfolio optimization across hidden market regimes. Quantitative Finance, 18(1), 83–95.

• Nystrup, P., Hansen, B.W., Larsen, H.O., Madsen, H., & Lindström, E. (2017). Dynamic allocation or diversification: A regime-based approach to multiple assets. The Journal of Portfolio Management, 44(2), 62–73.

• Nystrup, P., Hansen, B.W., Madsen, H., & Lindström, E. (2015). Regime-based versus static asset allocation: Letting the data speak. The Journal of Portfolio Management, 42(1), 103–109.