Er zijn allerlei soorten modellen. De meeste mensen, zelfs degenen die beleggen, zullen bij het horen van de term denken aan poserende mensen of mooie auto’s. Gelijk hebben ze, want wie wil zich in zijn eigen tijd nou bezighouden met kwantitatieve modellen? Sinds een halve eeuw hebben statistiek en modelvorming ook beleggingsland veroverd. En niet zonder reden: in een steeds complexere omgeving met steeds meer informatie, helpen ze bij prijs- en risicoschattingen, bij scenario- en portefeuille-analyses en zo meer.
Bijna alle professionele beleggers gebruiken dergelijke systemen en programmatuur. Ook wij bij Fintessa. De modellen staan ons bij, zij zijn hulpmiddelen in het vermogensbeheer voor onze relaties. Het zijn echter onze mensen die de beleggingsbeslissingen nemen. Iedere keer weer. Ze maken daarbij in mindere of meerdere mate gebruik van deze modellen, maar leidend zijn deze niet. Dat zijn de ervaringen, de opgebouwde kennis van het team, de eigen inschattingen en afwegingen. De uiteindelijke beleggingsbeslissingen worden door ons ‘gemaakt’, niet door een model.
Waarom? Het antwoord ligt besloten in de belangrijkste kenmerken van een economisch model. Volgens Wikipedia tracht de bouwer van een economisch of beleggingsmodel aan de hand van waarnemingen met behulp van statistische methoden na te gaan in hoeverre de gemaakte theoretische veronderstellingen realistisch zijn. Tevens probeert hij een schatting te maken van de sterkte van de veronderstelde verbanden. Zo ontstaat een model waarmee door simulatie de werkelijkheid kan worden nagebootst en voorspellingen kunnen worden gemaakt.
‘Zo’n model is altijd een vereenvoudiging van de werkelijkheid. Er is geen pretentie dat de economie of economisch gedrag werkelijk in een beperkt aantal vergelijkingen kan worden beschreven, maar er wordt verondersteld dat voor het doel waarvoor het model is gemaakt, de afwijkingen van de werkelijkheid niet systematisch zijn’.
Het klinkt wellicht een beetje technisch allemaal, maar deze laatste kwalificatie is natuurlijk van essentieel belang. Wat dat betreft kan een actueel voorbeeld dat gelijk aantonen. Ik heb het dan over modellen die zijn en worden ontwikkeld en, nogal veelvuldig, worden gebruikt om wisselkoersen te voorspellen. Historische reeksen en verbanden (correlaties) worden gemodelleerd tot verklarende en voorspellende factoren. Maar, plots (ont)koppelt de Zwitserse Centrale Bank de CHF/EUR. Dan hebben we het over een nogal systematische afwijking. De gevolgen voor een aantal valutahandelshuizen zijn genoegzaam bekend.
Zo zijn er door de tijd heen legio voorbeelden voorhanden. Denk bijvoorbeeld aan het hedgefonds LTCM dat in 1998 aan de Russische roebelcrisis ten onder ging, veel andere hedgefondsen die onvoldoende presteren (long illiquide, short liquide!) en in eigen land aan Spirit Aim en meer recent de mindere beleggingsresultaten van Alex Vermogensbeheer.
Het blijkt telkens weer, het gaat goed totdat het verkeerd gaat. Verbanden die lange tijd sterk of positief waren, worden zwak of negatief. De ECB staat op en de rente op staatsschuld daalt bij verslechtering van de kredietwaardigheid, waar zij voorheen opliep. Hoe vang je dat in een model?
Hiermee is natuurlijk niet gezegd dat fundamentele beleggers nooit worden verrast. Ook zij zijn geen profeten die dit soort omwentelingen kunnen voorzien, zeker niet consequent. Maar wat ze wel kunnen doen, is spreiden, omdat ze weten dat ze niet alles weten, zeker als het om de toekomst gaat. Ook zijn ze mijns inziens beter in staat om te anticiperen op geleidelijke veranderingen en sneller te reageren bij keerpunten. Misschien wel het belangrijkste is dat zij minder pretentieus zijn. Als je weet dat de toekomst onzeker en onvoorspelbaar is, kun je ‘m ook niet in een model vangen…
