Nederlandse Beroepsvereniging van Beleggingsprofessionals
Mijn lidmaatschap

Actief fondsbeheer

Terug naar laatste publicaties

Kan je het kaf van het koren scheiden?

In de academische literatuur worden de resultaten van beleggingsfondsen veelal vergeleken met die van een index. Voor ‘practitioners’ heeft dat als nadeel dat die indices zelf niet belegbaar zijn. Fondsbeleggers die kiezen voor een passieve strategie zullen immers hun toevlucht moeten nemen tot een indexfonds of ETF en worden geconfronteerd met afwijkingen van de index, onder andere veroorzaakt door kosten. Voor beleggers is een vergelijking van het resultaat van actieve fondsen met dat van passieve alternatieven daarom meer relevant. Daarnaast heeft academisch onderzoek naar de performance van actief en passief beheer zich tot nu toe grotendeels toegespitst op de meest ontwikkelde markten, met name op de performance van in de Verenigde Staten gevestigde actieve fondsen die beleggen in Amerikaanse aandelen.

 

Met een steekproef van in Europa verkrijgbare fondsen is ons onderzoek relevant voor de Europese fondsbelegger. Wij onderzoeken hoe actieve fondsen in achttien categorieën het er over de afgelopen tien jaar van af hebben gebracht in vergelijking met relevante indices én met passieve concurrenten. Onze steekproef bestaat uit de belangrijkste aandelen- en obligatiefondscategorieën: zowel de meest liquide en ontwikkelde als verscheidene minder ontwikkelde, efficiënte en liquide categorieën. Nadat wij de resultaten van de verschillende fondscategorieën hebben gepresenteerd voor de gehele steekproef, onderzoeken wij de impact van een aantal standaard fondsselectiecriteria op de gemiddelde performance van actieve fondsen.

 

De beloning voor actief beheer

Over de vraag of actief beheer waarde toevoegt zijn de meningen verdeeld. Volgens Malkiel (2016/1973) zijn markten efficiënt en vertonen de prijzen van assets een zogenaamde ‘random walk’, zodat beleggers marktgemiddelden niet op een consistente wijze kunnen verslaan. Shiller (2013) daarentegen benadrukt het belang van ‘behavioral finance’ en betoogt dat ‘fads and fashions’ of ‘social epidemics’ onder beleggers een verklaring zijn voor de hoge volatiliteit van effectenmarkten en het regelmatig voorkomen van ‘bubbles’. Pedersen (2015) ziet markten niet als efficiënt, noch als inefficiënt, maar als ‘efficiently inefficient’. Op een efficiënt inefficiënte markt zorgen verschillende imperfecties ervoor dat prijzen van assets kunnen afwijken van hun fundamentele waarde. De sterke concurrentie tussen actieve managers is echter een tegenkracht, waardoor dergelijke prijsafwijkingen in omvang beperkt blijven. Mogelijkheden om ‘outperformance’ te genereren zijn volgens Pedersen niet overvloedig aanwezig en het verslaan van de markt is alles behalve eenvoudig, maar over het geheel genomen zijn effectenmarkten voor actieve managers inefficiënt genoeg om de kosten die zij maken te compenseren met de ‘excess returns’ die zij genereren.

j genereren. Volgens Kabbaj (2015) hangt de ‘pay-off’ van actief beheer samen met de karakteristieken van de markt waarin wordt belegd, namelijk: diepte van de benchmark (het aantal beleggingsmogelijkheden), concentratie binnen de benchmark (effectieve spreiding van de benchmark), analisten ‘coverage’ (maatstaf voor informatie efficiëntie), dispersie van rendementen (‘cross sectional volatility’) en liquiditeit. In ons onderzoek berekenen wij allereest hoe het gemiddelde aandelen- en obligatiefonds in onze steekproef heeft gepresteerd en analyseren wij vervolgens of fondsen die beleggen in minder efficiënte en liquide markten (bijvoorbeeld ‘small-cap’ aandelen en ‘high yield’ obligaties) gemiddeld betere resultaten behalen ten opzichte van de index of een passief alternatief dan fondsen die beleggen in meer efficiënte en liquide markten (large-cap aandelen en staatsobligaties).

In de praktijk zal een fondsbelegger echter niet in het gemiddelde fonds beleggen, maar in één of enkele fondsen die hij in een bepaalde categorie heeft geselecteerd, eventueel met behulp van een beleggingsadviseur of portefeuillebeheerder. Bij fondsselectie speelt het ‘track record’ van fondsen en fund managers over het algemeen een belangrijke rol. Carhart (1997) laat voor een sample van US Equity fondsen in de Verenigde Staten zien dat outperformance over een 1-jaar horizon inderdaad aanhoudt, maar verklaart dat grotendeels door verschillen in ‘factor risk exposures’ en kosten. De overblijvende persistentie wordt veroorzaakt door de voortdurende ‘underperformance’ van de slechtste managers, zodat ‘past performance’ een goede indicatie geeft van te vermijden, maar niet van te selecteren fondsen. Cremers en Petajisto (2009) laten echter zien dat fondsen met een hoge ‘active share’2 na kosten outperformance genereren die in de tijd voortduurt, terwijl fondsen met een lage active share (‘closet index funds’) onvoldoende waarde toevoegen om hun kosten goed te maken. Cornell, Hsu en Nanigian (2017) focussen op 3-jaar track records, de termijn waarop in de institutionele wereld veelal over ‘hiring and firing’ wordt besloten. Door ‘mean reversion’ van performance leidt een strategie van het inhuren van managers met gemiddelde track records tot betere resultaten dan het inhuren van ‘past winners’ en blijkt het inhuren van ‘past losers’ zelfs nog beter uit te werken. Omdat het onwaarschijnlijk is dat een strategie van het vervangen van outperformers door underperfomers in de praktijk navolging zal vinden, betogen de auteurs dat bij selectie een diepere analyse van de beleggingsstrategie van de manager nodig is en er oog moet zijn voor de organisatie van de manager en ‘alignment of interest’ tussen manager en belegger. Ook Smeets en Bikker (2015) benoemen een aantal determinanten die als basis kunnen dienen om managers te selecteren die aanzienlijk beter presteren dan het gemiddelde van het totale universum, zoals bijvoorbeeld de ervaring en stabiliteit van de manager, de specialisatie van de organisatie, de concentratie van de portefeuille en de omvang van de strategie.

Om op objectieve wijze een deel van de fondsen uit de steekproef te kunnen selecteren en een ander deel te kunnen deselecteren, nemen wij onze toevlucht tot een drietal ex ante fondsselectiefilters: kostenniveau, mate van ‘activeness’ en track record. Daarmee kunnen wij bepalen of deze eenvoudige ‘toolkit’ voldoende is om tot betere resultaten te komen dan dat van het gemiddelde fonds en om het passieve alternatief te verslaan.

 

Data

Het onderzoek richt zich op het ‘cross-border’ gedeelte van de Europese beleggingsfondsenmarkt. Derhalve bestaat de steekproef uit alle actieve Luxemburgse en Ierse fondsen in geselecteerde fondscategorieën: tien aandelen- en acht obligatiecategorieën. Bij aandelen betreft dat wereldwijd beleggende fondsen, enerzijds in ontwikkelde markten en anderzijds in opkomende markten, en de belangrijkste regionale bouwstenen: de Verenigde Staten, Europa en Japan. Ook bij obligaties nemen wij ontwikkelde markten, zowel in euro als in dollar, en opkomende markten in de steekproef op. Aangezien wij verwachten dat actief beheer succesvoller is in minder efficiënte en liquide markten, selecteren wij bij aandelen zowel de meer efficiënte en liquide large-cap categorieën als de minder efficiënte en liquide small-cap categorieën. Op dezelfde manier maken wij bij obligaties van ontwikkelde markten het onderscheid tussen enerzijds staatsobligaties en anderzijds bedrijfsobligaties en high yield en bij obligaties van opkomende markten tussen fondsen die voornamelijk in overheidspapier in harde valuta beleggen en fondsen die beleggen in papier in lokale valuta. Wij bestuderen een periode van tien jaar, namelijk van 2007 tot en met 2016.

Wij vergelijken de performance van deze actieve fondsen met de meest voorkomende benchmark en met de belangrijkste ETF in Luxemburg of Ierland in iedere categorie. De meest voorkomende benchmark is de index die het vaakst genoemd wordt in de prospectussen van fondsen uit de steekproef in de desbetreffende categorie. Als belangrijkste ETF selecteren wij – indien beschikbaar – een ETF die de meest voorkomende benchmark in de categorie volgt. In gevallen waarbij er meerdere zulke ETF’s zijn, kiezen wij jaarlijks degene die per ultimo het voorgaande jaar het hoogste vermogen onder beheer had. In verschillende fondscategorieën is echter geen ETF beschikbaar die de meest gebruikte benchmark van de actieve fondsen volgt. In die gevallen kiezen wij aan het begin van de onderzoeksperiode de grootste ETF in de categorie, mits die een benchmark heeft die representatief is voor de categorie. In volgende jaren kiezen wij steeds de grootste ETF van de categorie met de eenmaal gekozen benchmark. Voor enkele categorieën was er in de eerste jaren van de onderzoeksperiode geen enkele ETF beschikbaar. In die gevallen passen wij een ‘track record extension’ toe, door in de periode voor de lancering van de ETF de rendementen van de benchmark te nemen, gecorrigeerd voor het gemiddelde performanceverschil van de ETF en de benchmark in latere jaren.

Alle gebruikte fonds-, index- en ETF data is afkomstig van Morningstar Direct. Fondsdata is verzameld op ‘share class’ niveau. De belangrijkste datapunten zijn netto en bruto rendement, ‘tracking error’ en share class en fonds assets, alle per kalenderjaar en in euro, alsmede de Morningstar Category, prospectus benchmark en institutionele share class indicator. ‘Survivorship bias’ is voorkomen door alle share classes in de steekproef op te nemen waarvoor assets en netto performancedata aanwezig is voor tenminste één kalenderjaar. Kosten per kalenderjaar zijn berekend als het verschil tussen het bruto en netto rendement. De institutional share class indicator is gebruikt om een ‘sub-sample’ te creëren van alleen institutionele share classes, omdat retail share classes, in tegenstelling tot institutionele share classes en ETF’s, distributiekosten kennen, die onderdeel zijn van de kosten en als retrocessie aan distributeurs worden uitbetaald om hun adviesrol mee te bekostigen3 . Institutionele share classes staan niet al op voorhand op een achterstand ten opzichte van de ETF, zodat bij dit share class type de strijd actief-passief “fair” is.

In totaal bestaat de steekproef uit 4.634 fondsen met 19.816 share classes. Tabel 1 bevat een aantal kerngegevens van deze fondsen per fondscategorie.

Een eerste blik op tabel 1 leidt tot de volgende observaties ten aanzien van marktomvang, kosten, gehanteerde benchmarks en rendementen.

Binnen alle aandelencategorieën zijn de smallcap fondsen aanzienlijk kleiner dan de overeenkomstige large-cap fondsen, gemiddeld meer dan tien maal zo klein. Binnen de obligatiecategorieën daarentegen zijn de fondsen in minder efficiënte categorieën (bedrijfsobligaties en high yield) vaak groter dan de staatsobligatiefondsen. Eenzelfde observatie kan gemaakt worden over het aantal fondsen; er zijn gemiddeld veel meer large-cap dan small-cap aandelenfondsen, terwijl bedrijfsobligatiefondsen en high yield fondsen zeer sterk vertegenwoordigd zijn.

De gemiddelde jaarlijkse kosten voor een aandelenfonds bedragen 1,54%, terwijl dit voor het gemiddelde obligatiefonds 0,98% is. Zoals te verwachten zijn institutionele share classes aanzienlijk goedkoper, met kosten van respectievelijk 0,92% en 0,56%. De gemiddelde kosten van de ETF’s zijn bij aandelen 0,52% en bij obligaties 0,34%. Bij aandelen moeten de actieve fondsen gemiddeld tussen 78 en 133 basispunten aan kosten goedmaken ten opzichte van de ETF, afhankelijk van de categorie; bij obligaties is dat tussen de 37 en 88 basispunten.

Met uitzondering van Japan Large-Cap en Japan Small/Mid-Cap Equity komt bij de aandelencategorieën de meest voorkomende benchmark van de actieve fondsen overeen met de benchmark van de geselecteerde ETF. Dat beeld is anders bij de obligatiefondsen. Daarbij volgen de actieve fondsen in meerderheid de bredere BBgBarc en JPM benchmarks. De ETF’s daarentegen sluiten aan bij smallere indices, over het algemeen iBoxx indices van Markit, die beleggen in het meer liquide segment van de betreffende markt en zijn ontworpen om goed repliceerbaar te zijn (Markit, 2016). Voor de vergelijking actief-passief in dit artikel betekent dit dat niet alleen ‘manager skill’ en kosten een bron van rendementsverschillen tussen actieve fondsen en ETF’s zullen zijn, maar – met name bij obligaties – ook het verschil in gehanteerde benchmarks.

Een eerste blik op de gemiddelde rendementen laat zien dat in alle categorieën het gemiddelde rendement van alle share classes achterblijft bij dat van de meest voorkomende benchmark. Bij aandelen heeft het performanceverschil met de benchmark (–1,56%) dezelfde orde van grootte als de gemiddelde kosten, maar bij obligaties is het performance gat (–1,67%) groter. Een vergelijking met de ETF geeft een positiever beeld voor de actief beheerde fondsen, zeker als naar de institutionele share class wordt gekeken: in acht van de achttien categorieën laat de gemiddelde institutionele share class de ETF achter zich.

In de laatste 10 jaar heeft slechts een derde van het in fondsen belegde vermogen de index verslagen

In de volgende paragraaf zullen wij eerst een nadere analyse maken van de fondsprestaties, door te bekijken welk deel van de steekproef betere resultaten behaalt dan de benchmark en ETF en door rekening te houden met kosten en risico. Bovendien verbergen de gemiddelden van tabel 1 natuurlijk een meer gedetailleerd beeld. In het bijzonder zouden wij graag een aantal criteria identificeren die helpen de individuele fondsen te kiezen die een redelijke kans hebben een beter rendement te leveren dan een belegbaar passief alternatief. Hierop gaan wij in de daarop volgende paragraaf in.

 

Resultaten: Success Rate en Information Ratio

In dit artikel hanteren wij twee maatstaven voor het succes van actief beheer, namelijk de Success Rate en de Information Ratio. De Success Rate in een periode is het deel van de actief beheerde fondsen dat een index of passief alternatief achter zich laat (Morningstar, 2015). Deze maatstaf is te interpreteren als de kans op outperformance, waarbij geen rekening wordt gehouden met het (actieve) risico van de fondsen. Bij het duiden van de resultaten is 50% het referentiepunt, omdat een percentage groter dan dat aangeeft dat beleggers betere ‘odds’ dan ‘fifty-fifty’ hadden om de index of belangrijkste ETF te verslaan. De Information Ratio geeft de mate van outperformance (‘active return’) weer per eenheid risico ten opzichte van de benchmark (tracking error, ook wel ‘active risk’) (Grinold, 1989). Bij deze maatstaf is 0 het referentiepunt, aangezien een positieve waarde aangeeft dat een gemiddeld fonds, voor actief risico gecorrigeerd, de index of ETF heeft verslagen. Bij de berekening van de Information Ratio ten opzichte van de ETF’s is een aangepaste ratio, de Adjusted Information Ratio, gehanteerd, die wij definiëren als het netto rendement van een actief fonds ten opzichte van de ETF, gedeeld door de tracking error ten opzichte van de meest voorkomende benchmark. De reden om de tracking error niet ten opzichte van de ETF te berekenen is dat de ETF’s in veel gevallen een afwijkende benchmark hebben en wij de tracking error van actieve fondsen ten opzichte van de ETF daarom geen zinvolle risicomaatstaf vinden.

Voor beide maatstaven is zowel het gelijkgewogen als het waardegewogen gemiddelde per fondscategorie berekend. Hiermee kunnen wij zowel de vraag beantwoorden hoe de performance van een willekeurig gekozen share class eruit heeft gezien als wat het resultaat zou zijn geweest van een lukraak belegde euro. Omdat deze methoden niet tot materieel verschillende inzichten hebben geleid, presenteren wij ten behoeve van de beknoptheid en overzichtelijkheid alleen de waardegewogen gemiddelden. Onze selectie van fondscategorieën stelt ons in staat het gemiddelde resultaat voor aandelen en obligaties te berekenen en de vergelijking te maken tussen meer en minder efficiënte en liquide categorieën. De resultaten worden gepresenteerd in tabel 2.

Zowel voor aandelen als voor obligaties is de Success Rate voor kosten, gemeten ten opzichte van de meest voorkomende benchmark binnen elke categorie, gemiddeld hoger dan 50%. Voor Europe Large-Cap Equity, USD Government Bond, USD Corporate Bond en EUR Corporate Bond is de Success Rate zelfs hoger dan 60%. Deze bemoedigende resultaten voor actieve fondsen verdwijnen echter vrijwel volledig wanneer naar de cijfers na kosten gekeken wordt. De gemiddelden voor aandelen en obligaties zijn respectievelijk 39,7% en 33,8% en uitsluitend binnen USD Corporate Bond blijkt het nog mogelijk een Success Rate te vinden van hoger dan 50%. De resultaten gemeten ten opzichte van de ETF zijn beter, aangezien de ETF natuurlijk ook kosten heeft of om andere redenen bij de meest gebruikte benchmark achterblijft, maar nog overschrijdt de Success Rate de 50% over het algemeen niet. Uitzonderingen zijn Global Emerging Markets Equity, EUR Corporate Bond en EUR High Yield Bond. Gemiddeld blijft de Success Rate bij aandelen steken op 43,3% en bij obligaties op 41,6%, onder het referentiepunt van 50%. Als wij de goedkopere institutionele share class vergelijken met de ETF, dan is de gemiddelde Success Rate bij zowel aandelen als obligaties 48,7% en is er een indicatie dat er toegevoegde waarde wordt geleverd boven de ETF binnen vijf van de tien aandelencategorieën en vier van de acht obligatiecategorieën. Een buitenbeentje is de categorie USD Corporate Bonds, waar de Success Rate van de institutionele share classes aanzienlijk lager is dan van alle share classes.

Institutionele share classes afgezet tegen een belegbaar alternatief geeft een positiever beeld: bijna de helft laat de vergelijkbare ETF achter zich

Wij trachten ons beeld verder aan te scherpen door niet alleen te kijken naar de Success Rate, maar ook naar de Information Ratio. In grote lijnen geeft deeltabel 2.2 dezelfde inzichten als deeltabel 2.1. Voor kosten leveren negen van de achttien fondscategorieën een positieve Information Ratio tegenover de meest voorkomende benchmark. Aandelen doen het met een positief gemiddelde (0,08) beter dan obligaties (–0,03). Na kosten is het beeld vrijwel geheel uniform negatief; enkel US Small-Cap Equity realiseert een positieve Information Ratio ten opzichte van de benchmark. In vergelijking met de ETF behalen naast US Small-Cap Equity ook Japan Large-Cap Equity en EUR Corporate en EUR High Yield Bond positieve resultaten. Die laatste twee categorieën scoorden ook op basis van de Success Rate boven het referentiepunt van 50%. Als wij de institutionele share class bekijken dan levert deze bij acht van de achttien categorieën een positieve Information Ratio en bij obligaties is het gemiddelde positief. Van een afwijkend resultaat voor USD Corporate Bond zoals bij de Success Rate – de lagere waarde bij institutionele dan bij alle share classes – is bij de Information Ratio geen sprake. Wij hechten in dit geval meer belang aan de Information Ratio, aangezien de Success Rate, veel meer dan de Information Ratio, bij een kleine steekproef extreme waarden aan kan nemen (0% of 100%), hetgeen een vrij sterke impact op het categoriegemiddelde heeft.

Volgens Kabbaj (2015) hangt de ‘pay-off’ van actief beheer onder meer samen met de efficiëntie en liquiditeit van de markt waarin wordt belegd. Als wij de minder efficiënte/liquide fondscategorieën vergelijken met de meer efficiënte/liquide, dan lijkt er geen uniforme lijn te trekken te zijn. Alleen als naar rendementen na kosten wordt gekeken, dan zijn de gemiddelde Success Rate en Information Ratio van minder efficiënte/liquide categorieën hoger dan van de meer efficiënte/liquide tegenhangers. Voor alle share classes ten opzichte van ETF’s is het Success Rate verschil bij aandelen 3,2 en bij obligaties 10,5 procentpunten. Vooral bij de obligatiecategorieën is het verschil in Information ratio groot (0,39), met een Information Ratio van gemiddeld –0,12 voor de minder en –0,51 voor de meer efficiënte/liquide categorieën. Daarbij is opvallend dat de corporate en high yield categorieën, in lijn met onze verwachting, bij alle share classes ten opzichte van de ETF beduidend beter scoren dan de staatsobligatiecategorieën. Dat beeld is echter anders bij obligaties van opkomende markten, waar de fondsen in lokale valuta achterblijven.

De belangrijkste conclusie op basis van tabel 2 is dat het mogelijk is categorieën van actief beheerde fondsen te vinden waarvan men redelijkerwijze mag verwachten dat zij het beter doen dan de overeenkomstige passieve ETF, met name wanneer in de institutionele share class wordt belegd. Bij obligaties springen de categorieën bedrijfs- en high yield obligaties in euro er daarbij in positieve zin uit.

 

Resultaten: Fondsselectie

In deze paragraaf passen wij een aantal eenvoudige fondsselectiefilters toe en onderzoeken wij of door toepassing van deze filters de Success Rate en Information Ratio te verhogen zijn.

Carhart (1997) laat zien dat kosten een negatieve impact hebben op performance en dat kostenverschillen tussen fondsen één van de verklaringen is voor persistentie van rendementen na kosten. Wij verdelen onze steekproef in tweede delen op basis van de kosten in het voorgaande jaar, namelijk de share classes met kosten onder de mediaan van hun categorie en share classes met kosten daarboven. Cremers en Petajisto (2009) tonen aan dat closet index fondsen waarde vernietigen, terwijl fondsen met een hoge active share persistente outperformance genereren. Bij gebrek aan active share data voor het grootste deel van onze steekproef, hanteren wij de tracking error ten opzichte van de meest voorkomende benchmark in de categorie als maatstaf voor activeness. Opnieuw verdelen wij per categorie de steekproef in het gedeelte boven en onder de mediaan in het voorgaande jaar. Omdat diverse studies, waaronder Carhart (1997) en Cremers en Petajisto (2009), persistentie van performance vinden, hanteren wij het track record van fondsen als derde filter: op basis van de Adjusted Information Ratio in het voorgaande jaar verdelen wij de steekproef in ‘past winners’ en ‘past losers’. Tenslotte combineren wij verschillende selectiecriteria door eerst twee (kosten en track record) en daarna drie filters toe te passen.

Wij herhalen de analyses op de sub-sample van institutionele share classes. Vanwege de te beperkte steekproefomvang laten wij de combinatie van filters daarbij echter achterwege. De resultaten worden gepresenteerd in tabel 3.

Door fondsen te selecteren die in hun categorie lagere kosten hebben dan de mediaan, stijgt de gemiddelde Success Rate bij aandelen van 43,3% naar 45,4% en bij obligaties van 41,6% naar 45,3%. Ook de gemiddelde Adjusted Information Ratio verbetert, van –0,19 naar –0,13 bij aandelen en van –0,27 naar –0,07 bij obligaties. Overigens dragen niet alle categorieën bij, maar alleen bij Global Emerging Markets Small-Cap Equity zijn de prestaties van de goedkopere share classes zowel op basis van Success Rate als op basis van Information Ratio gemiddeld slechter dan die van alle share classes.

Het selecteren van aandelenfondsen met een hoge tracking error verbetert de Success Rate niet, maar de Adjusted Information Ratio wel. Dat laatste is mogelijk het gevolg van een niet verbeterende teller en een hogere tracking error als noemer, waardoor de waardes minder negatief worden. Dat selectie op basis van tracking error weinig toegevoegde waarde heeft, sluit niet uit dat active share wel een effectieve maatstaf is om bij aandelenfondsen het toekomstige winnaars te selecteren, zoals betoogd door Cremers en Petajisto (2009). Bij obligaties verslechteren beide kengetallen wanneer de meest actieve fondsen worden geselecteerd. Selecteren op basis van het track record – de Adjusted Information Ratio van het jaar ervoor – heeft wel een vrijwel uniform positief effect.

De resultaten laten zien dat fondsselectie helpt om de succeskans verder op te schroeven

Door te selecteren op basis van een combinatie van filters zijn de resultaten verder te verbeteren. Ten opzichte van het resultaat voor alle share classes zonder fondsselectie, is de Success Rate van op basis van de drie criteria geselecteerde share classes bij aandelen en obligaties respectievelijk 5,1 en 3,4 procentpunten hoger, maar blijft met 48,4% en 45,0% gemiddeld toch steken onder het referentiepunt van 50%. Alleen bij aandelen is de gemiddelde Adjusted Information Ratio na deze filters licht positief. Bij obligaties zijn de resultaten beter wanneer de mate van activeness – gemeten als de tracking error – geen onderdeel is van het selectieproces.

Tenslotte passen wij de fondsselectiefilters toe op alleen de institutionele share classes. Zelfs binnen de op zich al goedkopere Institutionele share classes is het nog altijd voordelig te kiezen share classes met de laagste kosten in de betreffende categorie: de Information Ratio verbetert voor zes van de tien aandelen- en voor vier van de acht obligatiecategorieën. In lijn met de resultaten voor alle share classes blijkt bij obligaties het selecteren op basis van tracking error niet tot betere resultaten te leiden, terwijl voor aandelen de Information Ratio verbetert in zeven van de tien categorieën. Zowel bij aandelen als bij obligaties heeft vooral het selecteren op basis van het track record een positief effect. Bij aandelen ligt de Success Rate boven de 50% en is de Information Ratio positief. Bij obligaties is de Information Ratio voor en na het toepassen van het ‘past winner’ filter positief, maar in beide gevallen blijft de Success Rate onder de 50% steken. De vergelijking tussen de selectie van Institutionele share classes op basis van kosten en deze op basis van track record leidt bij obligaties tot een marginaal voordeel voor het kostenfilter. Bij de aandelen is de gemiddelde Information Ratio hoger als wordt geselecteerd op track record.

Al met al concluderen wij op basis van tabel 3 dat fondsselectie waarde kan toevoegen. Met in het achterhoofd de referentiepunten van 50% (Success Rate) en 0 (Information Ratio) is de toegevoegde waarde van onze eenvoudige filters echter bescheiden. Dat laat zien dat ‘fund selectors’ in de praktijk meer geavanceerde selectiecriteria moeten inzetten om kans te hebben ETF’s – als passief alternatief – met een ruimere marge achter zich te laten. Zowel Cornell, Hsu en Nanigian (2017) als Smeets en Bikker (2015) geven daarvoor verschillende handvatten.

 

Conclusies

In dit artikel analyseren wij de rendementen van in Europa verkrijgbare fondsen uit achttien fondscategorieën door die te vergelijken met het rendement van indices en ETF’s in dezelfde categorieën. Het algemene beeld is dat voor de meeste fondscategorieën de “gemiddelde” share class de index niet weet te verslaan.

De vraag of je het kaf van het koren kan scheiden beantwoorden wij bevestigend. Allereerst zijn er aanwijzingen dat actief beheer succesvoller is in de minder efficiënte en liquide fondscategorieën, met name als de resultaten worden afgezet tegen ETF’s als belegbaar alternatief. Verder wijzen de resultaten uit dat het succes van actief beheer kan worden vergroot als niet in een willekeurig fonds wordt belegd, maar aandacht wordt besteed aan fondsselectie. Door past winners te selecteren op basis van het 1-jaar track record konden de resultaten in de meeste onderzochte fondscategorieën worden verbeterd. Selectie van de meest actieve fondsen met tracking error als maatstaf leverde echter geen duidelijke verbetering op.

De resultaten onderstrepen ook het belang van kosten: het selecteren van goedkopere share classes verbeterde de resultaten. Bovendien hadden vooral de institutionele share classes, die wij als goede proxy zien voor de meer recent geïntroduceerde ‘non-rebate’ share classes, een redelijk goede kans om passieve ETF’s achter zich te laten. In Nederland wordt sinds het van kracht worden van het provisieverbod voor beleggingsondernemingen per 1 januari 2014 met non-rebate fondsen en share classes gewerkt. Naar verwachting zullen dergelijke share classes vanaf 2018 onder MiFID II veel breder in Europa ingezet worden, namelijk door partijen die vermogensbeheer en onafhankelijk advies aanbieden. Het creëert in elk geval een beter ‘level-playing field’ tussen actieve fondsen en ETF’s.

 

Literatuur

Noten

  1. Dr. Guido Baltussen is werkzaam bij Robeco en tevens verbonden aan de Erasmus Universiteit. Prof.Dr. Stan Beckers, Dr. Jan Jaap Hazenberg RBA en Drs. Willem van der Scheer zijn werkzaam bij NN Investment Partners. Stan is tevens verbonden aan de Katholieke Universiteit Leuven en de London Business School en Jan Jaap aan de Rotterdam School of Management. Het artikel is op persoonlijke titel geschreven.
  2. Maatstaf voor de mate waarin een portefeuille afwijkt van de benchmark.
  3. In Nederland zijn dergelijke share classes sinds het provisieverbod niet langer in gebruik, maar in het grootste deel van Europa wel.

 

in VBA Journaal door

Download
Abonneer op onze nieuwsbrief