A composite indicator for the prediction of the one-year-ahead return of stocks: an application to the Belgian stock market

Michael
Hamelryck

Aandelen: Een alternatief voor het spaarboekje?

Ons spaarboekje levert niets meer op. Wanneer je vijf jaar geleden 10.000 euro parkeerde op een spaarrekening groeide dit vandaag aan tot 10.530 euro. Een schamele winst die amper hoger ligt dan de inflatie. Angstvallig wordt er gezocht naar nieuwe manieren om ons kapitaal terug aan het werk te zetten. De zoektocht naar rendement op onze zuurverdiende centen is geopend.

Er wordt vaak naar aandelen gekeken om een mooi rendement te behalen. Met de financiële crisis in het achterhoofd is het vertrouwen van veel investeerders echter nog steeds zoek. Toch zien we dat de aandelenbeurzen nieuwe toppen scheren. Eind augustus schreeuwde De Tijd het nog uit: “Stop de persen! Wall Street schrijft geschiedenis, de S&P500-index is boven de 2.000 punten gestegen”. Alweer een historisch record.

Toch staan deze recordstanden in schril contrast met de rendementen die doorsneebeleggers behalen op de aandelenmarkt. Veel beleggers zijn te emotioneel wanneer ze beslissen een aandeel te kopen of verkopen. Een aandeel dat een geweldig parcours heeft afgelegd lijkt vaak een mooie koopkandidaat. Daarnaast lijken bedrijven uit ‘saaie’ sectoren vaak minder interessant voor jouw portefeuille dan sexy technologieaandelen. Onderzoek toont echter aan dat investeerders die zich baseren op deze emotionele factoren niet in staat zijn om een degelijk rendement te behalen. Bovendien zijn ze al zeker niet in staat om het rendement van de belangrijkste beursindices te kloppen.

Moeten we hieruit besluiten dat we best van de beurs wegblijven? Neen! Integendeel. Beleggers die hun ‘huiswerk’ grondig maken zijn wel degelijk in staat om de beursindex systematisch te kloppen, zelfs in woelige beurstijden. In plaats van je tijd te spenderen aan de zoektocht naar het nieuwe Apple is het beter om de fundamentele gegevens van een bedrijf onder de loep te nemen. De vraag blijft echter wat we nu net verstaan onder je ‘huiswerk’ maken. Welke factoren moeten we bekijken? Hoe gaan we bedrijven met elkaar vergelijken? Dit vraagstuk wordt nog moeilijker wanneer blijkt dat er tientallen ratio’s bestaan die we in acht moeten nemen. Neem nu volgend concreet voorbeeld:

Aandeel

Koers/winst

Winstgroei (%)

Rendement Activa (%)

Solvabiliteit (%)

Arseus

22,07

19,67

9,2

18,8

Barco

13,9

12,03

7,5

54,9

Tabel 1: Cijfers van De Tijd (2013)

Op basis van vier ratio’s proberen we te beslissen of we het aandeel Arseus of Barco aan onze portefeuille willen toevoegen. Kiezen we voor Arseus met een hoge winstgroei, een hoger rendement op activa maar met een hoge koers/winst verhouding en lage solvabiliteit? Of kiezen we voor het ‘goedkopere’ Barco dat een lagere winstgroei en rendement op activa kent? Dit vraagstuk wordt nog een stuk moeilijker wanneer we veertig in plaats van vier factoren willen analyseren.

Hoe gaan we nu best te werk? Hoe kunnen we er met andere woorden voor zorgen dat we op basis van verschillende factoren, een veelheid aan aandelen met elkaar kunnen vergelijken? De oplossing hiervoor is alle factoren te bundelen tot een ‘samengestelde indicator’. Deze samengestelde indicator laat ons toe om alle aandelen een score op 100 toe te kennen waarna we alle aandelen op een correcte en snelle manier met elkaar kunnen analyseren. Een aandeel met een score van 85 heeft bijvoorbeeld meer kans om een hoger rendement te behalen het komende jaar, dan een aandeel met een score van 45.

Een eerste stap is het opzoeken van de te analyseren gegevens. De Tijd speelt hier handig op in met zijn Aandelengids die jaarlijks in januari wordt uitgegeven. Deze Aandelengids bevat de noodzakelijke gegevens om de samengestelde indicator op te tellen. We kunnen echter niet zomaar de scores op elke variabele zomaar optellen. Winstgroei heeft bijvoorbeeld een positieve invloed op het verwachte rendement terwijl de koers-winst ratio een negatieve invloed heeft. Daarnaast wegen sommige variabelen zwaarder door op de koersevolutie van een aandeel. Het probleem hier is dat zelfs onder analisten er geen consensus bestaat over de gewichten die we moeten toekennen aan de verschillende factoren. Moeten we bijvoorbeeld meer aandacht schenken aan de koers-winstverhouding dan aan de winstgroei? Uit gemakzucht wordt er daarom vaak gekozen voor gelijke gewichten of wordt er met de ‘natte vinger’ gewichten toegewezen.

Uit onderzoek is echter gebleken dat er verschillende wegingsmethodes bestaan die elk aandeel een specifieke set van gewichten toekennen. Eén van de mogelijkheden hier is dat we voor elk aandeel de gewichten zo gaan kiezen opdat ze een zo hoog mogelijke score op 100 behalen. We noemen dit de benefit of the doubt methode. Met de bekomen samengestelde indicator kan men in één oogopslag ontdekken welke aandelen meer kans hebben om goed te presteren in de komende periode. Verschillende dimensies zoals groeiperspectieven, waardering, winstgevendheid, prestaties van het management, recente koersbewegingen, rendabiliteit en solvabiliteit worden allemaal in één cijfer gebundeld.

Deze methode lijkt zijn vruchten af te werpen. Tijdens de periode 2011-2013 steeg de BEL20 met gemiddeld 4,22% per jaar, zelfs wanneer in 2011 de BEL20 een daling kende van maar liefst 20,8%. Wanneer we onze keuzes gebaseerd zouden hebben op de samengestelde indicator behaalden we een totaal rendement van net geen 70%, of gemiddeld 23,3% per jaar. Het maken van je huiswerk werpt dus wel degelijk zijn vruchten af. Met deze resultaten wordt ook bewezen dat informatieve werken zoals de Aandelengids van De Tijd wel degelijk hun nut hebben. Onze conclusie is duidelijk: Aandelen zijn wel degelijk een alternatief voor het weinig renderende spaarboekje. Wanneer we ons baseren op rationele gegevens zijn we immers niet alleen in staat om beter te presteren dan de belangrijkste beursindices, we zijn ook in staat om in tijden van crisis onze verliezen in te perken. De risico-rendementsverhouding lijkt dus zeer gunstig voor aandelen.

Download scriptie (1.53 MB)
Universiteit of Hogeschool
KU Leuven
Thesis jaar
2014