MARKTTIMING ALS BELEGGINGSSTRATEGIE: IS DE HAALBAARHEID DEZELFDE VOOR ALLE BELEGGINGSVORMEN?

UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2011 2012 MARKTTIMING ALS BELEGGINGSSTRATEGIE: IS DE HAALBAARHEID DEZELFDE VOOR ALLE BELEGGINGSVORMEN? Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen: Handelsingenieur Gerald Vermeire onder leiding van Prof. Dr. William De Vijlder

UNIVERSITEIT GENT FACULTEIT ECONOMIE EN BEDRIJFSKUNDE ACADEMIEJAAR 2011 2012 MARKTTIMING ALS BELEGGINGSSTRATEGIE: IS DE HAALBAARHEID DEZELFDE VOOR ALLE BELEGGINGSVORMEN? Masterproef voorgedragen tot het bekomen van de graad van Master in de Toegepaste Economische Wetenschappen: Handelsingenieur Gerald Vermeire onder leiding van Prof. Dr. William De Vijlder

PERMISSION Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding. Gerald Vermeire

WOORD VOORAF Ter aanvang van deze masterproef, had ik graag enkele mensen bedankt die hebben bijgedragen aan het tot stand komen van deze masterproef. Eerst en vooral een dankwoord aan mijn promotor, Prof. Dr. William De Vijlder, voor de kans om over dit interessant en relevant thema mijn masterproef te kunnen schrijven, voor het aanwijzen van interessante onderzoeksrichtingen en voor het gestelde vertrouwen. Een tweede woord van dank gaat naar Dr. Dries Heyman, bij wie ik terecht kon voor vragen omtrent de econometrische implementatie van mijn empirisch onderzoek. Ook wil ik mijn ouders bedanken, voor hun steun doorheen mijn studies. I

INHOUDSOPGAVE WOORD VOORAF... I INHOUDSOPGAVE... II LIJST VAN AFKORTINGEN... V LIJST VAN TABELLEN... VII LIJST VAN FIGUREN... XII 1 ALGEMENE INLEIDING... 1 1.1 INLEIDING... 1 1.2 DOEL VAN DE MASTERPROEF... 1 1.3 OPBOUW VAN DE MASTERPROEF... 2 2 DE EFFICIËNTE MARKTHYPOTHESE... 3 2.1 OORSPRONKELIJKE LITERATUUR... 3 2.2 AANWIJZINGEN TEGEN HET RANDOM WALKGEDRAG VAN PRIJZEN... 4 3 VOORSPELBAARHEID VAN RETURNS... 7 3.1 LANGETERMIJN AFWIJKINGEN VAN DE INTRINSIEKE WAARDE... 7 3.1.1 HET CONTRARIANEFFECT... 7 3.1.2 HET MOMENTUMEFFECT... 8 3.1.3 GECOMBINEERDE THEORIEËN VOOR ONDER- EN OVERREACTIE... 9 3.1.4 KRITIEK OP MOMENTUM- EN CONTRARIANEFFECTEN... 9 3.1.5. CONCLUSIE... 10 3.2 TIJDSAFHANKELIJKE VERWACHTE RETURNS... 11 3.2.1 DEFINITIE... 11 3.2.2 VOORBEELDEN IN DE LITERATUUR... 11 3.2.3 KRITIEK OP TIJDSAFHANKELIJKE RETURNS... 12 3.2.4 CONCLUSIE BIJ TIJDSAFHANKELIJKE RETURNS... 13 4 MARKTTIMING: HET BESTAANDE ONDERZOEK... 14 4.1 DEFINITIE... 14 4.2 OVERZICHT VAN GERELATEERDE STUDIES... 14 5 MARKTTIMING: EMPIRISCH ONDERZOEK... 17 5.1 INLEIDING... 17 5.2 DE DATA... 17 5.3 SHARPE (1975) REVISITED... 17 5.3.1 INLEIDING... 17 5.3.2 WERKWIJZE... 18 II

5.3.3 DE PERFORMANTIEMAATSTAVEN... 18 5.3.4 IMPERFECTE MARKTTIMINGSTRATEGIE... 19 5.3.5 SENSITIVITEITSANALYSE VOOR WISSELENDE TRANSACTIEKOSTEN... 23 5.4 UITBREIDING NAAR MAANDELIJKSE BELEGGINGSHORIZON... 23 5.5 UITBREIDING NAAR ANDERE LANDEN... 25 5.5.1 VERENIGD KONINKRIJK... 25 5.5.2 FRANKRIJK... 26 5.5.3 CONCLUSIE... 27 5.6 BAUER & DAHLQUIST METHODE... 27 5.6.1 INLEIDING... 27 5.6.2 WERKWIJZE... 27 5.6.3 RESULTATEN... 28 5.6.4 CONCLUSIE... 28 5.7 VERKLARING VAN DE RESULTATEN... 29 6 RISICOPREMIES VAN FINANCIËLE EFFECTEN... 31 6.1 PREDICTOREN VOOR RISICOPREMIES BIJ AANDELEN... 31 6.1.1 DIVIDEND/ PRIJS RATIO... 31 6.1.2 EARNINGS/PRIJS RATIO... 31 6.1.3 BOOK/MARKET RATIO... 32 6.1.4 INTRESTTARIEVEN... 32 6.1.5 DEFAULT SPREAD EN TERM SPREAD... 32 6.1.6 VOLATILITEIT... 32 6.2 TECHNISCHE ANALYSE EN RISICOPREMIES BIJ AANDELEN... 32 6.3 RISICOPREMIES VOOR OBLIGATIES... 33 7 RETURN PREDICTABILITY: METHODOLOGIE... 35 7.1. INLEIDING... 35 7.2. DE METHODOLOGIE... 35 7.2.1. GEBRUIKTE METHODOLOGIE... 35 7.2.2. VERDERE METHODOLOGIE... 39 7.3. EXTENSIE: BRUG NAAR MARKTTIMING... 40 8. RETURN PREDICTABILITY BIJ AANDELEN... 42 8.1. INLEIDING... 42 8.2. DE DATA... 42 8.2.1. AMERIKAANSE DATA... 42 III

8.2.2. EUROPESE DATA... 43 8.3. DE RESULTATEN... 44 8.3.1. UNIVARIATE PREDICTOREN... 45 8.3.2. BIVARIATE PREDICTOREN... 64 9. RETURN PREDICTABILITY BIJ OBLIGATIES... 73 9.1. INLEIDING... 73 9.2. DE DATA... 73 9.2.1. AMERIKAANSE DATA... 73 9.2.2. EUROPESE DATA... 73 9.3. DE RESULTATEN... 74 9.3.1. UNIVARIATE PREDICTOREN... 74 9.3.2. BIVARIATE PREDICTOREN... 96 10. ALGEMENE CONCLUSIE... 104 10.1. ALGEMENE CONCLUSIE... 104 10.2. WAARSCHUWING BIJ DE RESULTATEN VAN DE BELEGGINGSSTRATEGIEËN... 105 10.3. BEPERKINGEN VAN HET ONDERZOEK EN VERDERE ONDERZOEKSRICHTINGEN... 106 BRONNENLIJST... XIV APPENDIX... XVIII IV

LIJST VAN AFKORTINGEN AMEX BM BTF CAC CAPM D DE DFY DJ D/P DY EMH E/P FRB FTSE g HY IG LTY MSPE NBER NYSE OLS OOS P PE PM1 PM2 r American Stock Exchange Book-to-market ratio Bon du Trésor à taux fixe et à intérêt précompté Cotation Assistée en Continu Capital Asset Pricing Model Dividend Dividend-payout ratio Default spread Dow Jones Dividend/Prijs ratio Dividend yield Efficiënte Markt Hypothese Earnings/Prijs ratio Federal Reserve Bank Financial Times Stock Exchange Groeivoet High Yield Investment Grade Yield op langetermijn overheidsobligatie Mean Square Prediction Error National Bureau of Economic Research New York Stock Exchange Ordinary Least Squares (kleinste kwadraten) Out-of-sample Prijs Prijs/Earnings ratio Performance Measure 1 (= geometrische verwachte return van markttimingstrategie geometrische verwachte return van buy-and-hold strategie voor aandelen) (zie hoofdstuk 6) Performance Measure 2 (= rekenkundige (netto) verwachte return van markttimingstrategie rekenkundige verwachte return van gebalanceerde portfolio) (zie hoofdstuk 6) Verwachte return Out-of-sample R-squared V

S&P500 Standard & Poor s 500 SQDIF Verschil tussen de gecumuleerde square prediction errors van de benchmark forecast en van de predictor forecast SVAR Som van gekwadrateerde dagelijkse returns TBL Yield op kortetermijn overheidsobligatie TC Transactiekosttarief TMS Term spread VI

LIJST VAN TABELLEN Table 5.3.1-1: Overzicht van prestaties van beleggingsstrategieën over de volledige periode... 18 Table 5.3.3-1: Performantiemaatstaven... 19 Table 5.3.4-1: Basisstatistieken uitgesplitst voor goede en slechte jaren voor aandelen, USA, jaarlijkse beleggingshorizon... 21 Table 5.3.4-2: Resultaten voor imperfecte markttiming, USA, jaarlijkse beleggingshorizon... 21 Table 5.3.5-1: Performantiemaatstaven voor verschillende transactiekosttarieven, USA, jaarlijkse beleggingshorizon... 23 Table 5.3.5-1: Basisstatistieken uitgesplitst voor goede en slechte jaren voor aandelen, USA, maandelijkse beleggingshorizon... 24 Table 5.3.5-2: Resultaten voor imperfecte markttiming, USA, maandelijkse beleggingshorizon... 24 Table 5.3.5-3: Performantiemaatstaven voor verschillende transactiekosttarieven, USA, maandelijkse beleggingshorizon... 25 Table 5.5.1-1: Basisstatistieken uitgesplitst voor goede en slechte jaren voor aandelen, Verenigd Koninkrijk, jaarlijkse beleggingshorizon... 25 Table 5.5.1-2: Resultaten voor imperfecte markttiming, Verenigd Koninkrijk, jaarlijkse beleggingshorizon... 26 Table 5.5.1-3: Performantiemaatstaven voor verschillende transactiekosttarieven, Verenigd Koninkrijk, jaarlijkse beleggingshorizon... 26 Table 5.5.2-1: Basisstatistieken uitgesplitst voor goede en slechte jaren voor aandelen, Frankrijk, jaarlijkse beleggingshorizon... 26 Table 5.5.2-2: Resultaten voor imperfecte markttiming, Frankrijk, jaarlijkse beleggingshorizon... 26 Table 5.5.2-3: Performantiemaatstaven voor verschillende transactiekosttarieven, Frankrijk, jaarlijkse beleggingshorizon... 27 Table 5.6.3-1: Performantiemaatstaven voor verschillende transactiekosttarieven... 28 Table 5.6.3-2: Performantiemaatstaven voor verschillende transactiekosttarieven... 28 Table 5.6.3-3: Performantiemaatstaven voor verschillende transactiekosttarieven... 28 Table 8.3.1-1 -coëfficienten voor Amerikaanse aandelen, maandelijkse horizon... 45 Table 8.3.1-2: Prestatie beleggingsregel SVAR vs. buy-and-hold return... 45 Table 8.3.1-3: -coëfficienten voor Amerikaanse aandelen, maandelijkse horizon, verkorte OOS... 48 VII

Table 8.3.1-4: Prestatie beleggingsregel SVAR vs. buy-and-hold return... 48 Table 8.3.1-5: -coëfficienten voor Amerikaanse aandelen, maandelijkse horizon, rollend tijdsvenster... 50 Table 8.3.1-6: -coëfficienten voor Amerikaanse aandelen, kwartaalhorizon... 51 Table 8.3.1-7: -coëfficienten voor Amerikaanse aandelen, jaarhorizon... 52 Table 8.3.1-8: -coëfficienten voor Amerikaanse aandelen, jaarhorizon, verkorte OOS... 53 Table 8.3.1-9: -coëfficienten voor Amerikaanse aandelen, jaarhorizon, rollend tijdsvenster... 54 Table 8.3.1-10: -coëfficienten voor Amerikaanse aandelen, 2-jaarshorizon... 55 Table 8.3.1-11: Prestatie beleggingsregel TMS vs. buy-and-hold return... 55 Table 8.3.1-12: -coëfficienten voor Amerikaanse aandelen, 3-jaarshorizon... 57 Table 8.3.1-13: -coëfficienten voor Amerikaanse aandelen, 4-jaarshorizon... 58 Table 8.3.1-14: -coëfficienten voor Europese aandelen, maandelijkse horizon... 59 Table 8.3.1-15: Prestatie beleggingsregel POOL vs. buy-and-hold return... 59 Table 8.3.1-16: -coëfficienten voor Europese aandelen, jaarlijkse horizon... 60 Table 8.3.1-17 -coëfficienten voor Europese aandelen, 2-jaarlijkse horizon... 60 Table 8.3.1-18: -coëfficienten voor Europese aandelen, 3-jaarlijkse horizon... 61 Table 8.3.1-19: -coëfficienten voor Europese aandelen, 4-jaarlijkse horizon... 61 Table 8.3.2-1 -coëfficienten voor Amerikaanse aandelen, maandelijkse horizon, bivariate predictoren... 64 Table 8.3.2-2: Prestatie beleggingsregel DE & SVAR vs. buy-and-hold return... 64 Table 8.3.2-3: -coëfficienten voor Amerikaanse aandelen, maandelijkse horizon, bivariate predictoren, verkorte OOS... 66 Table 8.3.2-4: Prestatie beleggingsregels DY&SVAR; DFY&SVAR;D/P&SVAR vs. buy-andhold return... 66 Table 8.3.2-5: -coëfficienten voor Amerikaanse aandelen, jaarlijkse horizon, bivariate predictoren... 68 Table 8.3.2-6: -coëfficienten voor Amerikaanse aandelen, jaarlijkse horizon, bivariate predictoren, verkorte OOS... 68 Table 8.3.2-7: -coëfficienten voor Europese aandelen, maandelijkse horizon, bivariate predictoren... 69 Table 8.3.2-8: Prestatie beleggingsregel DY&LTY; PE&LTY; BM&LTY vs. buy-and-hold return... 69 Table 8.3.2-9: -coëfficienten voor Europese aandelen, jaarlijkse horizon, bivariate predictoren... 71 VIII

Table 9.3.1-1: -coëfficienten voor Amerikaanse IG obligaties, maandelijkse horizon... 74 Table 9.3.1-2: Prestatie beleggingsregel TMS vs. buy-and-hold return... 75 Table 9.3.1-3: -coëfficienten voor Amerikaanse IG obligaties, jaarhorizon... 76 Table 9.3.1-4: -coëfficienten voor Amerikaanse IG obligaties, 2-jaarshorizon... 77 Table 9.3.1-5: -coëfficienten voor Amerikaanse IG obligaties, 3-jaarshorizon... 78 Table 9.3.1-6: -coëfficienten voor Amerikaanse IG obligaties, jaarhorizon... 79 Table 9.3.1-7: -coëfficienten voor Amerikaanse HY obligaties, maandelijkse horizon... 80 Table 9.3.1-8: Prestatie beleggingsregel DE vs. buy-and-hold return... 80 Table 9.3.1-9: -coëfficienten voor Amerikaanse HY obligaties, jaarhorizon... 82 Table 9.3.1-10: -coëfficienten voor Amerikaanse HY obligaties, 2-jaarshorizon... 83 Table 9.3.1-11: -coëfficienten voor Amerikaanse HY obligaties, 3-jaarshorizon... 84 Table 9.3.1-12: -coëfficienten voor Amerikaanse HY obligaties, 4-jaarshorizon... 85 Table 9.3.1-13: -coëfficienten voor Europese IG obligaties, maandelijkse horizon... 86 Table 9.3.1-14: Prestatie beleggingsregel TBL vs. buy-and-hold return... 86 Table 9.3.1-15: -coëfficienten voor Europese IG obligaties, jaarhorizon... 88 Table 9.3.1-16: -coëfficienten voor Europese IG obligaties, 2-jaarshorizon... 88 Table 9.3.1-17: Prestatie beleggingsregel TBL vs. buy-and-hold return... 88 Table 9.3.1-18: -coëfficienten voor Europese IG obligaties, 3-jaarshorizon... 90 Table 9.3.1-19: -coëfficienten voor Europese IG obligaties, 4-jaarshorizon... 90 Table 9.3.1-20: -coëfficienten voor Europese HY obligaties, maandelijkse horizon.. 91 Table 9.3.1-21: Prestatie beleggingsregel TBL;POOL;LTY vs. buy-and-hold return... 91 Table 9.3.1-22: -coëfficienten voor Europese HY obligaties, jaarhorizon... 93 Table 9.3.1-23: -coëfficienten voor Europese HY obligaties, 2-jaarshorizon... 93 Table 9.3.1-24: -coëfficienten voor Europese HY obligaties, 3-jaarshorizon... 94 Table 9.3.1-25: -coëfficienten voor Europese HY obligaties, 4-jaarshorizon... 94 Table 9.3.2-1: -coëfficienten voor Amerikaanse IG obligaties, maandelijkse horizon, bivariate predictoren... 96 Table 9.3.2-2: -coëfficienten voor Amerikaanse IG obligaties, jaarhorizon, bivariate predictoren... 97 Table 9.3.2-3: -coëfficienten voor Amerikaanse HY obligaties, maandelijkse horizon, bivariate predictoren... 98 Table 9.3.2-4: -coëfficienten voor Amerikaanse HY obligaties, jaarhorizon, bivariate predictoren... 98 IX

Table 9.3.2-5: -coëfficienten voor Europese IG obligaties, maandelijkse horizon, bivariate predictoren... 99 Table 9.3.2-6: Prestatie beleggingsregel TBL&LTY; TBL&PE vs. buy-and-hold return... 99 Table 9.3.2-7: -coëfficienten voor Europese IG obligaties, jaarhorizon, bivariate predictoren... 100 Table 9.3.2-8: -coëfficienten voor Europese HY obligaties, maandelijkse horizon, bivariate predictoren... 101 Table 9.3.2-9: Prestatie beleggingsregel TBL&LTY; TBL&PE vs. buy-and-hold return... 101 Table 9.3.2-10: -coëfficienten voor Europese HY obligaties, jaarhorizon, bivariate predictoren... 102 Appendix 1: Datasoorten bij empirisch onderzoek markttiming... XVIII Appendix 2: Basisstatistieken uitgesplitst voor goede en slechte jaren voor aandelen, USA, maandelijkse beleggingshorizon... XVIII Appendix 3: resultaten voor imperfecte markttiming, USA, maandelijkse beleggingshorizon... XVIII Appendix 4: Basisstatistieken uitgesplitst voor goede en slechte jaren voor aandelen, Verenigd Koninkrijk, jaarlijkse beleggingshorizon... XIX Appendix 5: resultaten voor imperfecte markttiming, Verenigd Koninkrijk, jaarlijkse beleggingshorizon... XIX Appendix 6: Basisstatistieken uitgesplitst voor goede en slechte jaren voor aandelen, Frankrijk, jaarlijkse beleggingshorizon... XXI Appendix 7: resultaten voor imperfecte markttiming, Frankrijk, jaarlijkse beleggingshorizon... XXI Appendix 8: Bronnen van additionele data bij paragraaf 8.2.2... XXII Appendix 9: -coëfficienten voor Amerikaanse aandelen, maandelijkse horizon... XXIII Appendix 10: -coëfficienten voor Amerikaanse aandelen, maandelijkse horizon, verkorte OOS periode... XXIII Appendix 11: -coëfficienten voor Amerikaanse aandelen, kwartaalhorizon... XXIV Appendix 12: -coëfficienten voor Amerikaanse aandelen, jaarlijkse horizon... XXIV Appendix 13: -coëfficienten voor Amerikaanse aandelen, jaarlijkse horizon, verkorte OOS periode... XXV Appendix 14: -coëfficienten voor Europese aandelen, maandelijkse horizon... XXV Appendix 15: -coëfficienten voor Europese aandelen, jaarlijkse horizon... XXVI Appendix 16: -coëfficienten voor Amerikaanse aandelen, maandelijkse horizon, bivariate predictoren... XXVI X

Appendix 17: -coëfficienten voor Amerikaanse aandelen, maandelijkse horizon, bivariate predictoren, verkorte OOS periode... XXVII Appendix 18: -coëfficienten voor Amerikaanse aandelen, jaarlijkse horizon, bivariate predictoren... XXVII Appendix 19: -coëfficienten voor Amerikaanse aandelen, jaarlijkse horizon, bivariate predictoren, verkorte OOS periode... XXVIII Appendix 20: -coëfficienten voor Europese aandelen, maandelijkse horizon, bivariate predictoren... XXVIII Appendix 21: -coëfficienten voor Europese aandelen, jaarlijkse horizon, bivariate predictoren... XXVIII XI

LIJST VAN FIGUREN Figure 5.3.4-1: BESLISSINGSPROCES BIJ IMPERFECTE MARKTTIMING.... 20 Figure 8.3.1-1: PRESTATIE VAN SVAR VOOR HET VOORSPELLEN VAN AMERIKAANSE AANDELENRETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 46 FIGURE 8.3.1-2: PRESTATIE VAN D/P VOOR HET VOORSPELLEN VAN AMERIKAANSE AANDELENRETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 46 Figure 8.3.1-3: PRESTATIE VAN POOL VOOR HET VOORSPELLEN VAN AMERIKAANSE AANDELENRETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 46 Figure 8.3.1-4: PRESTATIE VAN SVAR VOOR HET VOORSPELLEN VAN AMERIKAANSE AANDELENRETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON, VERKORTE OOS PERIODE.... 49 Figure 8.3.1-5: PRESTATIE VAN TMS VOOR HET VOORSPELLEN VAN AMERIKAANSE AANDELENRETURNS DOORHEEN DE OOS PERIODE, 2-JAARSHORIZON.... 56 Figure 8.3.1-6: PRESTATIE VAN POOL VOOR HET VOORSPELLEN VAN EUROPESE AANDELENRETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 59 Figure 8.3.2-1: PRESTATIE VAN DE&SVAR VOOR HET VOORSPELLEN VAN AMERIKAANSE AANDELENRETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 65 Figure 8.3.2-2: PRESTATIE VAN DY&SVAR VOOR HET VOORSPELLEN VAN AMERIKAANSE AANDELENRETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON, VERKORTE OOS-PERIODE.... 66 Figure 8.3.2-3: PRESTATIE VAN DFY&SVAR VOOR HET VOORSPELLEN VAN AMERIKAANSE AANDELENRETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON, VERKORTE OOS-PERIODE.... 67 Figure 8.3.2-4: PRESTATIE VAN D/P&SVAR VOOR HET VOORSPELLEN VAN AMERIKAANSE AANDELENRETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON, VERKORTE OOS-PERIODE.... 67 Figure 8.3.2-5: PRESTATIE VAN DY&LTY VOOR HET VOORSPELLEN VAN EUROPESE AANDELENRETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 69 Figure 8.3.2-6: PRESTATIE VAN PE&LTY VOOR HET VOORSPELLEN VAN EUROPESE AANDELENRETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 70 Figure 8.3.2-7: PRESTATIE VAN BM&LTY VOOR HET VOORSPELLEN VAN EUROPESE AANDELENRETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 70 Figure 9.3.1-1: PRESTATIE VAN TMS VOOR HET VOORSPELLEN VAN AMERIKAANSE IG OBLIGATIERETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 75 XII

Figure 9.3.1-2: PRESTATIE VAN DE VOOR HET VOORSPELLEN VAN AMERIKAANSE HY OBLIGATIERETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 81 Figure 9.3.1-3: PRESTATIE VAN TBL VOOR HET VOORSPELLEN VAN EUROPESE IG OBLIGATIERETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 86 Figure 9.3.1-4: PRESTATIE VAN TBL VOOR HET VOORSPELLEN VAN EUROPESE IG OBLIGATIERETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 89 Figure 9.3.1-5: PRESTATIE VAN TBL VOOR HET VOORSPELLEN VAN EUROPESE HY OBLIGATIERETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 91 Figure 9.3.1-6: PRESTATIE VAN POOL VOOR HET VOORSPELLEN VAN EUROPESE HY OBLIGATIERETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 92 Figure 9.3.1-7: PRESTATIE VAN LTY VOOR HET VOORSPELLEN VAN EUROPESE HY OBLIGATIERETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 92 Figure 9.3.2-1: PRESTATIE VAN TBL&LTY VOOR HET VOORSPELLEN VAN EUROPESE IG OBLIGATIERETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 99 Figure 9.3.2-2: PRESTATIE VAN TBL&PE VOOR HET VOORSPELLEN VAN EUROPESE IG OBLIGATIERETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 100 Figure 9.3.2-3: PRESTATIE VAN TBL&PE VOOR HET VOORSPELLEN VAN EUROPESE HY OBLIGATIERETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 101 Figure 9.3.2-4: PRESTATIE VAN TBL&LTY VOOR HET VOORSPELLEN VAN EUROPESE HY OBLIGATIERETURNS DOORHEEN DE OOS PERIODE, MAANDELIJKSE HORIZON.... 102 XIII

1 ALGEMENE INLEIDING 1.1 INLEIDING Het vermogen tot het timen van financiële markten en de zoektocht naar methodes om de returns van financiële effecten te voorspellen is een fenomeen uit de financiële economie dat mensen reeds lang intrigeert. Reeds velen hebben zich de vraag gesteld of het mogelijk zou zijn om bewegingen van de financiële markten te anticiperen, en hieruit voordeel te kunnen halen. De literatuur omtrent voorspelbaarheid van returns is zeer uitgebreid en gaat relatief ver terug in de tijd. Reeds op het eind van de negentiende eeuw werd technische analyse van financiële data toegepast (Neely, Rapach, Tu & Zhou (2010)). Doorheen de jaren is de interesse in het onderwerp steeds op een hoog niveau gebleven en tot op vandaag de dag worden er nog regelmatig academische papers met voorspelbaarheid van returns als onderwerp uitgegeven. De interesse voor het onderwerp beperkt zich overigens niet tot de academische wereld en professionele investeerders. Ook in financiële media gericht aan een breder publiek verschijnen artikels over onderwerpen gerelateerd met voorspelbaarheid van returns. De duidelijke relevantie van de thematiek rond voorspelbaarheid van returns, gecombineerd met mijn interesse in de werking van financiële markten, leidden dan ook tot de keuze van markttiming en voorspelbaarheid van returns als onderwerp van mijn masterproef. 1.2 DOEL VAN DE MASTERPROEF Zoals de titel van deze masterproef het stelt, zal in deze masterproef een antwoord gezocht worden op de vraag of een actieve markttimingstrategie haalbaar is bij alle beleggingsvormen. Dit zal nagegaan worden door eerst te onderzoeken welke returns een actieve markttimingstrategie kan genereren bij een bepaald percentage correcte beleggingsbeslissingen. Vervolgens zullen er, voor zowel aandelen als obligaties, predictoren worden getest op hun voorspellend vermogen ten aanzien van returns. Tenslotte wordt er, aan de hand van deze resultaten, nagekeken welke returns men in het verleden kon behalen aan de hand van een actieve markttimingstrategie gebaseerd op een bepaalde predictor of combinatie van predictoren. 1

1.3 OPBOUW VAN DE MASTERPROEF Hoofdstuk 2 geeft een overzicht over de efficiënte markthypothese (EMH) en het empirische onderzoek dat reeds verricht is naar het bestaan ervan op de financiële markten. Hoofdstuk 3 zal ingaan op de twee verschillende gangbare verklaringen voor voorspelbaarheid van returns die in de literatuur te vinden zijn. De hoofdstukken 4 en 5 leggen zich toe op de studie van potentiële resultaten van markttiming. Meer concreet zal hoofdstuk 4 een overzicht geven van het reeds bestaande onderzoek. Hoofdstuk 5 geeft vervolgens het eigen empirisch onderzoek weer, waar potentiële rendementen van een markttimingstrategie getest worden, volgens twee verschillende methodes, op datasets van verschillende financiële markten en met verschillende beleggingshorizonten. Hoofdstukken 6, 7, 8 en 9 zullen zich toeleggen op de studie van de voorspelling van risicopremies op financiële producten aan de hand van voorspellende variabelen. Hoofdstuk 6 zal een overzicht geven van het uitgevoerd onderzoek naar bepaalde predictorvariabelen van aandelen- en obligatiereturns. Hoofdstuk 7 zal de methodologie van het onderzoek nader verklaren. Hoofdstuk 8 bevat dan het eigen empirisch onderzoek naar voorspelbaarheid van returns voor aandelen, terwijl hoofdstuk 9 het eigen empirisch onderzoek naar voorspelbaarheid van returns voor obligaties bevat. Tenslotte zal hoofdstuk 10 een algemene conclusie formuleren op de masterproef, en enkele aanbevelingen en richtingen tot verder onderzoek aanreiken. 2

2 DE EFFICIËNTE MARKTHYPOTHESE 2.1 OORSPRONKELIJKE LITERATUUR Fama (1965) introduceerde de theorie van het random walk gedrag van effectenprijzen, hetgeen kan beschouwd worden als de basis voor de EMH. Meer bepaald vond hij dat aandelenprijzen een random walk gedrag vertonen. Dit wil ten eerste zeggen dat opeenvolgende veranderingen in prijsniveaus onafhankelijk zijn, met andere woorden, informatie over vorige prijsschommelingen kan niet gebruikt worden om de volgende prijswijziging te bepalen. Een tweede eigenschap van de random walkgedrag is dat de prijzen veranderen volgens een zekere kansverdeling. (Fama (1965)) Dit werk lag mede aan de basis van Fama (1970), waar Fama verder bewijs gaf voor de efficiëntie van de markten en hij bovendien de welbekende drie vormen van efficiëntie onderscheidt: 1) zwakke vorm van efficiëntie consistent superieure returns door gebruik van historische prijzen en volumes zijn uitgesloten; 2) semi-sterke vorm van efficiëntie consistent superieure returns door gebruik van elke mogelijke publiek beschikbare informatie is uitgesloten; en tenslotte 3) sterke vorm van efficiëntie consistent superieure returns door gebruik van elke mogelijke publiek en privaat beschikbare informatie is uitgesloten. (Fama, (1970)) Vooraleer gesproken wordt over bewijs voor of tegen de EMH, moet volgende opmerking gemaakt worden. Het fenomeen marktefficiëntie kan op zich niet getest worden, wegens het zogenoemde joint hypothesis probleem. Marktefficiëntie moet namelijk altijd getest worden aan de hand van een model dat de verwachte returns geeft (vb. het CAPM of het 3-factor model van Fama & French (1993)). Als de nulhypothese, die luidt dat de markt efficiënt is, dan verworpen wordt, betekent dit ofwel dat de markt daadwerkelijk inefficiënt is, ofwel dat het prijsvormingsmodel, gebruikt om de verwachte returns te berekenen, fout bevonden wordt, dit terwijl er wel degelijk marktefficiëntie geldt. (Fama (1991)) Grossman & Stiglitz (1980) haalden in dit verband ook aan dat een efficiënte markt waar de prijzen steeds rekening houden met alle mogelijke informatie Fama (1970), p. 383 niet kan bestaan, omdat er in dit geval geen superieure returns kunnen geboekt worden door middel van het gebruik van extra informatie, zodoende zullen investeerders geen geld meer uitgeven aan het zoeken naar nieuwe informatie. Dit proces zou de markten dan non-efficiënt maken 3

(Grossman & Stiglitz (1980)). Er is met andere woorden een equilibrium degree of disequilibrium (Grossman & Stiglitz (1980), p.393). Rekening houdend met dit gegeven, stelde Jensen (1978) dan ook volgende definitie van de EMH voor, waarbij een markt efficiënt is met betrekking tot bepaalde informatie als het onmogelijk is om superieure returns te behalen door te beleggen op basis van deze informatie. (Jensen (1978), p.96) Fama (1970) levert tevens bewijs voor het bestaan van efficiënte markten. Inzake testen voor de zwakke vorm van marktefficiëntie, wordt er in Fama (1965) weliswaar melding gemaakt van seriële correlatie tussen returns, maar de exploitatie van deze informatie zou, gegeven de transactiekosten, niet winstgevend zijn. Als bewijs voor semi-sterke marktefficiëntie worden enkele studies onder andere Ball & Brown (1968), Fama, Fisher, Jensen, and Roll (1969), etc. aangehaald waarvan de resultaten aantonen dat nieuwe informatie 1 vlug genoeg wordt weergegeven in de prijzen. (Fama (1970)) 2.2 AANWIJZINGEN TEGEN HET RANDOM WALKGEDRAG VAN PRIJZEN Als aandelenprijzen een random walk gedrag vertonen zijn koersveranderingen onafhankelijk van elkaar (Fama, 1965). Dit impliceert dat er geen of nauwelijks autocorrelatie zou mogen optreden. Vooraleer de studies in verband met autocorrelatie bij returns van financiële effecten te bespreken, kan het de moeite betekenen om stil te staan bij het begrip autocorrelatie. Anderson, Eom, Hahn & Park (2011) splitsen de autocorrelatie van aandelenreturns op in vier verschillende categorieën: 1. Het bid-ask bounce effect: zie bijvoorbeeld Roll (1984) en Glosten & Milgrom (1985). Als aankoop- en verkooporders in willekeurige volgorde binnenkomen, zal de prijs schommelen tussen de bid- en ask prijs en hierdoor autocorrelatie veroorzaken. De economische waarde van het effect verandert echter niet. (Campbell, Lo & MacKinlay (1997), p. 100) 2. Het non-synchronous trading effect: de prijs van een relatief minder verhandeld aandeel zal met vertraging antwoorden op informatie ten opzichte van de prijs van een relatief meer verhandeld aandeel, hetgeen autocorrelatie veroorzaakt bij het relatief minder verhandeld aandeel (Campbell, Lo & MacKinlay (1997), pp. 84-85). Dit kan bijvoorbeeld problemen opleveren als de slotprijzen van twee verschillende effecten 1 Aankondigingen over splitsingen van aandelen, bedrijfsresultaten, 4

vergeleken worden; deze slotprijzen kunnen elk op een ander tijdstip gerealiseerd zijn, waardoor het mogelijk is dat bepaalde informatie nog niet vervat zit in één van de slotprijzen (Lo & Mackinlay (1990b)). 3. Gedeeltelijke prijsaanpassing: de beschikbare informatie over een bepaald effect wordt niet volledig gereflecteerd in de prijs van dit effect, zoals bijvoorbeeld voorkomt bij het momentumeffect (zie infra, p. 8). Deze component van autocorrelatie duidt bijgevolg inefficiënties in het prijsvormingsmechanisme aan. 4. Tijdsvariërende risicopremia: deze component van autocorrelatie komt voor bij een marktevenwicht wanneer de verwachte returns in evenwicht in de tijd veranderen (Anderson (2011)). In tegenstelling tot bij de gedeeltelijke prijsaanpassingscomponent van autocorrelatie duidt deze vorm van autocorrelatie geen inefficiënties in het prijsaanpassingsmechanisme aan, (zie infra, sectie 3.2). (Anderson et al. (2011)) Hierbij worden de twee eerste categorieën bronnen van valse (spurious) autocorrelatie genoemd, terwijl de twee laatste categorieën bronnen van reële autocorrelatie worden genoemd (Anderson et al., 2011). Nu de verschillende vormen van autocorrelatie bij aandelenreturns gekend zijn, kunnen er enkele studies besproken worden die dergelijke autocorrelatie opmerken. Lo & MacKinlay (1988) bijvoorbeeld stellen vast dat er sprake is van positieve autocorrelatie bij wekelijkse returns van marktindices en dat deze positieve autocorrelatie het sterkt is bij portfolio s bestaande uit aandelen met kleine marktkapitalisatie. De wekelijkse returns van individuele aandelen daarentegen vertonen weliswaar insignificante negatieve autocorrelatie, dit wordt geweten aan het non-synchronous trading effect en het bid-ask bounce effect. Het random walk prijsvormingsmodel wordt verworpen voor de periode van 1962 tot 1985, alhoewel een alternatief prijsvormingsmodel, bestaande uit een random walk plus een tijdsvariabel, naar het gemiddelde terugkerende gedeelte, niet wordt aanvaard. Het feit dat men geen valabel alternatief vindt voor het random walk prijsvormingsmodel impliceert dan ook dat de efficiëntie van de markten niet in vraag wordt gesteld door de resultaten van dit onderzoek. (Lo & MacKinlay (1988)). Het in de vorige paragraaf vermelde alternatief prijsvormingsmodel waarbij prijzen bestaan uit een random walk component plus een langzaam afnemende, naar het gemiddelde terugkerende, component werd geponeerd door Fama & French (1988b) en Poterba & Summers (1988). Inderdaad, als gekeken wordt naar langere periodes - 1 jaar of meer bemerken Fama & French (1988b) dat de eerste orde autocorrelatie van portfolio returns, die gesorteerd zijn naar sector en grootte, een U-vorm vertoont als men deze uitzet in functie van de tijd. Meer bepaald wordt 5

de eerste orde autocorrelatie negatief vanaf returns op 2 jaar, bereikt minima voor returns op 3 tot 5 jaar, om dan op lange termijn terug naar nul te convergeren. (Fama & French (1988b)) Poterba & Summers (1988) combineren in hun bevindingen de resultaten van enerzijds Lo & MacKinlay (1988) en anderzijds Fama & French (1988b), namelijk dat stock returns op korte termijn positief en op langere termijn negatief gecorreleerd zijn, alhoewel de nulhypothese, volgens dewelke aandelenprijzen een random walkgedrag vertonen, niet verworpen kan worden. (Poterba & Summers (1988)) Dit in tegenstelling tot bij de studie van Lo & MacKinlay (1988) (supra, p. 5)), die wel deze hypothese kan verwerpen. Een andere kritische mening tegenover efficiënte markten komt van Summers (1986). Hier onderzoekt de auteur de statistische power van statistische testen die het al dan niet bestaan van marktefficiëntie onderzoeken. Hij komt hierbij tot de conclusie dat de gebruikte testen slechts zeer lage power hebben bij het testen van een alternatieve hypothese ten opzichte van marktefficiëntie. Een andere, gecorreleerde, bevinding van deze studie is dat, als fouten in de waardering van een effect moeilijk te traceren zou zijn, investeerders deze fouten niet opmerken en zij geen arbitrage kunnen toepassen, hetgeen de correctie van een foute prijszetting kan verhinderen. (Summers (1986)) De resultaten in bovenstaande literatuur impliceren dat een component van returns voorspelbaar is. Het volgende hoofdstuk van deze masterproef is gewijd aan het bespreken van de uitgebreide literatuur die het bestaan van deze voorspelbaarheid verklaart. Deze kan in twee groepen ingedeeld worden: enerzijds de literatuur waarbij de voorspelbaarheid het gevolg van doorheen de tijd veranderende verwachte returns consistent met een efficiënte markt, en anderzijds de literatuur waarbij de prijzen gedurende lange tijd afwijken van de intrinsieke waarde consistent met een inefficiënte markt (Fama & French (1988b)). 6

3 VOORSPELBAARHEID VAN RETURNS 3.1 LANGETERMIJN AFWIJKINGEN VAN DE INTRINSIEKE WAARDE In deze sectie volgt een overzicht van langetermijn-afwijkingen van prijzen weg van hun intrinsieke waarde. Achtereenvolgens worden het contrarianeffect, het momentumeffect en theorieën die deze twee effecten combineren, besproken. Ook worden er enkele studies vermeld die kritiek leveren op de voorgaande theorieën. 3.1.1 HET CONTRARIANEFFECT Het contrarianeffect houdt in dat de prijs van een financieel effect, door overreactie op nieuws, te veel daalt (stijgt). Na verloop van tijd zal de prijs echter terug in de andere richting convergeren naar zijn intrinsieke waarde. Een eerste bewijs voor het bestaan van het contrarianeffect wordt gevonden bij Debondt & Thaler (1985). Zij rangschikken, aan de hand van data van 1926 tot 1982, de aandelen van de NYSE volgens aflopend rendement van de laatste drie jaar en verdelen deze in 10 portfolio s. In de drie jaar volgend op portfolioformatie, blijkt dat de portfolio die het laagste rendement behaalde in de sorteerperiode een rendement van gemiddeld 25% meer behaalt dan de portfolio die het best presteerde in de sorteerperiode. Het succes van deze contrarianstrategie zou te wijten zijn aan een aanvankelijke overreactie op nieuws en het relatief te weinig belang hechten aan oudere informatie. Deze overreactie zou na bepaald verloop van tijd gecorrigeerd zou worden. (Debondt & Thaler (1985)) Een ander voorbeeld van een contrarianstrategie wordt getoond in het onderzoek van Lakonishok, Shleifer & Vishny (1994). Aan de hand van data van 1963 tot 1990 worden de aandelen van NYSE en AMEX verdeeld in tien portfolio s volgens oplopende book-to-market ratio, cashflow/prijs ratio, earnings/prijs ratio en aflopende groei van de verkopen. De eerste portfolio wordt als glamour portfolio aangeduid, de tiende decielportfolio als value portfolio. De value portfolio s volgens de verschillende indicatoren geven consistent betere returns dan de glamour portfolio s over een vijfjarige periode na samenstelling van de portfolio s. Deze conclusie blijft van kracht als de returns worden gecorrigeerd voor (het risico verbonden met) de grootte van het bedrijf. (Lakonishok, et al. (1994)) De resultaten van de twee bovenvermelde papers liggen tevens in lijn met de negatieve autocorrelatie van returns op 3 tot 5 jaar gevonden door Fama & French (1988b) en Lo & MacKinlay (1988) (supra, p. 5). Net als Debondt & Thaler (1985) halen ook Lakonishok, et al. 7

(1994) overreactie op recent nieuws, alsook het foutief extrapoleren van trends, aan als reden voor het tijdelijk afwijken van prijzen van hun intrinsieke waarden. 3.1.2 HET MOMENTUMEFFECT Het momentumeffect houdt in dat prijzen onderreageren op nieuws. Als men kijkt naar beleggingshorizonten variërend van één week tot en met één jaar met andere woorden de tijdshorizonten waarbij positief geautocorreleerde returns werden aangetroffen (zie o.a. Lo & MacKinlay (1988)), vindt men in de literatuur aanwijzingen dat in deze gevallen een momentumstrategie winstgevend kan zijn. Jegadeesh & Titman (1993) bijvoorbeeld rangschikken in hun onderzoek aandelen in 10 portfolio s op basis van de return van de voorbije 3, 6, 9 of 12 maanden en net als in De Bondt & Thaler (1985) wordt er opnieuw een winner en loser portfolio bepaald, op basis van de returns behaald in de voorbije periode. De winner portfolio wordt aangekocht en de loser portfolio wordt geshort, voor een periode van 3,6,9 of 12 maanden na formatie van de portfolio. Voor deze tijdsperiodes ziet men dat deze beleggingsstrategie consistent positieve returns behaalt. Jegadeesh & Titman (1993) halen als reden voor het succes van de momentumstrategie de onderreactie met betrekking tot informatie over kortetermijn perspectieven en overreactie met betrekking tot informatie over langetermijn perspectieven aan. (Jegadeesh & Titman (1993)) Een andere reden voor het momentumeffect, aangebracht door Bernard & Thomas (1990), is het feit dat investeerders aannemen dat bedrijfsgegevens constant blijven over vergelijkbare periodes. De auteurs tonen aan dat, door deze redenen, aandelenprijzen niet volledig beschikbare informatie omtrent kwartaal earnings weergeven. (Bernard & Thomas (1990)) Een ander voorbeeld van de winstgevendheid van een momentumstrategie vindt men bij Hong, Lim & Stein (2000). Aan de hand van twee indicatoren, namelijk de grootte van een bedrijf en het aantal analisten die het aandeel opvolgen, onderzoeken zij of de mogelijkheid tot het implementeren van een momentumstrategie afhangt van het niveau van deze twee variabelen. De centrale hypothese hierbij is dat, bij aandelen waar de verspreiding van het nieuws trager gebeurt, het langer duurt vooraleer de prijs is aangepast aan het nieuws, waardoor deze aandelen grotere momentumeffecten zouden kennen. Het resultaat is dat de winstgevendheid van momentumstrategieën sterk afneemt met stijgende bedrijfsgrootte en dat, ceteris paribus, momentumstrategieën beter werken bij aandelen die door weinig analisten opgevolgd worden. Dit laatste effect is ook sterker voor aandelen die recentelijk verlies hebben geleden, met andere woorden, onderreactie komt sterker voor bij slecht dan bij goed nieuws. Bij dissipatie van slecht nieuws is de rol van analisten dan ook veel belangrijker; goed nieuws zal waarschijnlijk door het 8

bedrijfsmanagement zelf naar buiten worden gebracht, hetgeen veel minder vanzelfsprekend is bij slecht nieuws. (Hong, et al. (2000)) Deze momentumstrategie is gebaseerd op de inzichten van een model van graduele informatieverspreiding, namelijk Hong & Stein (1999) (infra, p.9 ). Een andere mogelijke verklaring voor de resultaten is dat, bij aandelen die minder opgevolgd worden door analisten, er minder aandelen beschikbaar zijn om te shorten. Inderdaad, beperkingen op shorten zorgen voor een vertraging bij prijsaanpassingen door private informatie, in het bijzonder bij slecht nieuws (Diamond & Verrecchia (1987)). 3.1.3 GECOMBINEERDE THEORIEËN VOOR ONDER- EN OVERREACTIE Er zijn ook theorieën die proberen om zowel onderreactie als overreactie van prijzen te vatten in één theorie. De bedoeling van deze theorieën is om een meer compleet alternatief aan te bieden ten opzichte van de EMH. In Hong & Stein (1999) wordt er bijvoorbeeld een prijsmodel voorgesteld dat, in een eerste fase, inhoudt dat zogenaamde newswatchers aan de hand van private informatie, voorspellingen over toekomstige prijzen maken. Hierbij wordt aangenomen dat deze private informatie zich geleidelijk verspreidt en als hiervan passen de prijzen zich slechts gradueel aan. Als momentumbeleggers deze signalen oppikken in een tweede fase, zullen zij proberen om de resterende fout in de prijszetting weg te arbitrageren, hierdoor zullen zij echter op termijn een overreactie veroorzaken, die tenslotte aanleiding zal geven tot een correctie van de prijs in tegenovergestelde richting. (Hong & Stein (1999)) Daniel, Hirshleifer & Subrahmanyam (1998) vullen dan weer de literatuur aan door te stellen dat positieve autocorrelatie, waarvan normaal wordt aangenomen dat deze wordt veroorzaakt door onderreactie op nieuws, ook kan veroorzaakt worden door een overreactie van blijvende aard. Achteraf zou er dan alsnog een correctie van de prijzen plaatsvinden op lange termijn. (Daniel, et al. (1998)) 3.1.4 KRITIEK OP MOMENTUM- EN CONTRARIANEFFECTEN De mogelijkheid om momentum- en contrarianstrategieën aan te wenden voor hoger dan verwachte returns te behalen, zou kunnen doen vermoeden dat de EMH niet voldoet als model voor het gedrag van prijzen. Echter, de theorieën die momentum- of contrarianeffecten aantonen zijn niet zonder kritiek. Een voorbeeld van dergelijke kritiek komt van Chan (1988), die aantoont dat de abnormale winsten 9

gevonden door Debondt & Thaler (1985) (zie supra, sectie 3.1.1) bij het toepassen van een contrarianstrategie het gevolg zijn van het gebruikte evenwichtsmodel en de gebruikte schattingsmethode. Na veranderingen aan de gebruikte methodologie genereert de contrarianstrategie geen economisch significante abnormale winsten. (Chan (1988)) Fama (1998) merkt verder op dat elk valabel alternatief voor de EMH een beter prijsvormingsmodel moet zijn, dat bovendien falsifieerbaar moet zijn. Het alternatief model moet in staat zijn om uit te leggen waarom investeerders enerzijds in bepaalde gevallen onderreageren op bepaald nieuws en anderzijds overreageren op andere gebeurtenissen. (Fama (1998)) Meer bepaald halen Hong & Stein (1999) de volgende drie, minimale, voorwaarden aan voor een alternatief prijsvormingsmodel: 1. De assumpties van het model inzake het gedrag van investeerder moet plausibel of consistent zijn met waarnemingen; 2. Het model moet gevonden resultaten door middel van een eengemaakte uitleg kunnen verklaren; en 3. Verdere voorspellingen moeten out-of-the-sample getest en uiteindelijk gevalideerd worden. (Hong & Stein (1999), p. 2144). Uitgaande van deze ideeën worden er in Fama (1998) verschillende artikels besproken die vermeende marktinefficiënties aantonen. Hierbij wordt aangehaald dat overreactie van prijzen even vaak voorkomt als onderreactie van prijzen, en dit stemt overeen met marktefficiëntie waar verwachte excess returns gelijk zijn aan 0. Bovendien zijn de gerapporteerde anomalieën vaak afhankelijk van de gebruikte methodologie, en verdwijnen de anomalieën van zodra een andere methodologie gebruikt wordt (Fama (1998)). De bestaande prijsvormingsmodellen die zowel overreactie als onderreactie verklaren (zoals Daniel, et al. (1998), zie supra, sectie 3.1.3) kunnen weliswaar goed de anomalieën verklaren waarvoor ze ontworpen zijn, maar kunnen andere anomalieën dan weer niet verklaren. (Fama (1998)) 3.1.5. CONCLUSIE Als men de resultaten van de in dit hoofdstuk besproken studies in acht neemt, zou men kunnen afleiden dat een belegger een bepaalde beleggingsstrategie kan kiezen in functie van de geplande beleggingstermijn. Bij beleggingshorizonten van middellange termijn (3 maanden tot 10

en met een jaar) zou men een momentumstrategie moeten toepassen (aandelen die in het verleden positieve (negatieve) returns behaalden aankopen (verkopen)). Bij beleggingshorizonten van langere termijn (vanaf ongeveer 3 jaar tot en met 5 jaar) zou men dan weer een contrarianstrategie moeten toepassen (aandelen die in het verleden positieve (negatieve) returns behaalden verkopen (aankopen)). Dit alles is in de veronderstelling dat er effectief marktinefficiënties bestaan. Er is echter een andere groep van studies, die voorspelbaarheid van returns niet in tegenstrijd achten met efficiënte financiële markten. De volgende paragraaf is gewijd aan een overzicht van studies over dit onderwerp. 3.2 TIJDSAFHANKELIJKE VERWACHTE RETURNS 3.2.1 DEFINITIE Een aantal van deze studies beweren dat de gerapporteerde anomalieën niet in tegenspraak zijn met de efficiënte markthypothese en het random walk gedrag van aandelenkoersen. Volgens hen is de voorspelbaarheid het gevolg van tijdsafhankelijke verwachte returns. Concreet betekent dit dat de returns, die vereist worden door de investeerders, doorheen de tijd veranderen. Een hogere return is dan een beloning horend bij een hogere graad van risico-aversie en is bijgevolg niet in tegenspraak met efficiënte financiële markten. Tijdsafhankelijke risicopremies zijn tevens, volgens Anderson et al. (2011), een component van autocorrelatie. Meer bepaald, als de afwezigheid van arbitragemogelijkheden betekent dat er een vector λ(t) bestaat waarbij: ( ) ( ) ( ) ( ) Waarbij µ(t) een vectorproces is van verwachte returns en r(t) de risicovrije rente is. De variatie van µ(t), die te wijten is aan veranderingen in r(t), σ(t) of λ(t), is niet exploiteerbaar door middel van arbitrage en kan men toewijzen aan tijdsafhankelijke risicopremia. (Anderson (2011), p.254) 3.2.2 VOORBEELDEN IN DE LITERATUUR In hun onderzoek naar de voorspellingskracht van dividend/prijsratio s, vinden Fama & French (1988a) dat deze predictorvariabele effectief een bepaald percentage van de variatie in returns kan verklaren (zie ook infra, sectie 6.1.1.). Dit is volgens hen echter niet in strijd met de notie van een efficiënte markt. Namelijk, verwachte toekomstige prijsstijgingen die voortvloeien door 11

verwachte toekomstige hogere returns, zullen precies tenietgedaan worden door een ogenblikkelijke daling van de huidige prijs. Deze redenering wordt in detail ontwikkeld in Poterba & Summers (1988)en vindt zijn basis in de bekende formule (zie Fama & French (1988a): ( ) ( ) Met andere woorden, als men een beweging in verwachte returns en de daarbij gepaard gaande beweging in de prijs samenneemt, zal het samengestelde effect ongeveer nul zijn (Fama & French (1988a)). Fama & French (1989)onderzoeken drie variabelen als mogelijke predictoren (D/P, DFY en TMS) en voeren hiermee bivariate regressies uit. De dividend/prijs ratio blijkt hierbij sterk gecorreleerd te zijn met de default spread (verschil in yield tussen BBB- en AAA obligaties). Verder blijkt ook dat de variatie in de dividend/prijs ratio, en dus ook in de voorspelde componenten van de verwachte returns, samenhangt met economische cycli. D/P en DFY blijken de lange-termijn economische cycli te volgen terwijl TMS eerder de korte-termijn economische cycli volgt (Fama & French (1989)). De link tussen fases binnen economische cycli en veranderende risico-aversie kan intuïtief begrepen worden en dit vormt een extra element bij de theorie van de tijdsafhankelijke verwachte returns. Fama & French (1996) tonen aan dat hun bekende 3-factor model (waarbij de drie factoren zijn: beta, bedrijfsgrootte en book-to-market ratio, zie Fama & French (1992)) de bevindingen van Debondt & Thaler (1985) en Lakonishok, et al. (1994) kan verklaren. Met andere woorden is er bij deze laatste twee studies geen sprake van marktinefficiëntie, maar van een fout rationeel prijszettingsmodel. Fama & French (1996) vermelden hier weliswaar bij dat het 3-factor model de bevindingen van o.a. Jegadeesh & Titman (1993) niet kan verklaren. De notie van een tijdsafhankelijke risicopremie die omgekeerd evenredig met de economische cycli evolueert is ook vervat in moderne prijsvormingsmodellen voor financiële effecten, zie bijvoorbeeld Campbell & Cochrane (1999) en Bekaert, Engstrom & Xing (2009), waar tijdsafhankelijke risico-aversie telkens één van de belangrijkste drijfveren van variatie in aandelenreturns vormt. 3.2.3 KRITIEK OP TIJDSAFHANKELIJKE RETURNS In zowel Fama & French (1988a) en Fama & French (1989) wordt de bemerking gemaakt dat voorspelbaarheid van returns toeneemt met de beleggingshorizon. Een kritiek op deze 12

bevinding komt van Kirby (1997), die aanhaalt dat een R-squared die stijgt met de toenemende tijdshorizon geen betere voorspelbaarheid impliceert. Eén van de vereisten voor het gebruik van de R-squared als maatstaf voor de verklaringskracht van een bepaald model is namelijk dat de fouttermen onderling onafhankelijk en normaal verdeeld horen te zijn, en dit blijkt niet te kloppen. Volgens de auteur zullen er namelijk, bij het gebruik van overlappende returns hetgeen het geval is bij Fama & French (1988a) en Fama & French (1989), meer bepaald bij de beleggingshorizonten van twee tot en met vier jaar serieel gecorreleerde fouttermen optreden, die de resultaten van de regressies inaccuraat zullen maken. (Kirby (1997)) Een andere bron van kritiek tegen verhoogde voorspelbaarheid van aandelenreturns op lange termijn komt van Boudoukh, Richardson & Whitelaw (2008), die vinden dat autocorrelaties tussen predictorschatters voor hoger dan één jaar, voor persistente variabelen (zoals de dividend-prijsratio er één is), boven de 95% uitkomt. Dit zal er voor zorgen dat de geschatte parameters en de R-squared factor proportioneel zullen stijgen naarmate de beleggingshorizon toeneemt; deze parameters zullen dan ook een vertekend beeld geven omtrent voorspelbaarheid op lange termijn. (Boudoukh, et al. (2008)). 3.2.4 CONCLUSIE BIJ TIJDSAFHANKELIJKE RETURNS Zowel bij het onderzoek naar voorspelbaarheid van aandelen als van obligaties, zijn er aanwijzingen dat de voorspelbaarheid van returns niet in tegenspraak is met de EMH, maar dat er sprake is van voorspelbare, tijdsafhankelijke componenten zijn binnen returns. 13

4 MARKTTIMING: HET BESTAANDE ONDERZOEK 4.1 DEFINITIE Markttiming betekent concreet dat een investeerder, bij het begin van een vastgelegde tijdsperiode, een keuze maakt tussen de voor hem/haar beschikbare beleggingsalternatieven waarvan hij/zij denkt dat deze keuze het hoogste rendement zal opleveren voor de volgende periode. Aan het eind van de periode, moet de investeerder opnieuw deze keuze maken, voor de volgende periode. Hierbij kan de investeerder enerzijds opteren om in dezelfde activaklasse te blijven als de vorige periode, of anderzijds een andere activaklasse kiezen. Als de investeerder echter in een andere activaklasse belegt dan in de vorige periode, zal hij/zij een transactiekost moeten betalen, die het nettorendement van de investeerder zal doen dalen. Het tarief van deze transactiekosten kan uiteraard verschillen naargelang de investeerder. Grote institutionele beleggers zullen een laag tarief betalen terwijl een individuele, particuliere belegger een hoger tarief aangerekend kan krijgen. 4.2 OVERZICHT VAN GERELATEERDE STUDIES Treynor & Mazuy (1966) onderzoeken aan de hand van return data van 57 beleggingsfondsen uit de periode 1953-1962 of er sprake is van succesvolle markttiming. Ze voeren een regressieanalyse uit volgens volgende vergelijking: ( ) ( ) (Bodie, Kane & Marcus (2009), p. 837) Slechts voor één van de 57 fondsen was er sprake van significante markttimingcapaciteit. Markttiming blijkt volgens deze studie dus slechts zeer moeilijk realiseerbaar te zijn. (Treynor & Mazuy (1966)) Merton (1981) toonde aan dat er een interessant verband bestaat tussen markttiming en een beleggingsstrategie met callopties: er wordt namelijk een bepaald bedrag in risicovrije obligaties aangehouden + callopties op eenzelfde aantal aandelen van een marktportfolio. De uitoefenprijs van deze opties is gelijk aan de waarde van de risicovrije obligatie + de rente-opbrengst na een bepaalde periode, waarbij callopties uiteraard dezelfde periode als looptijd hebben. Gegeven de analogie met callopties kan men, dankzij de Black-Scholes formule, ook een monetaire waarde toeschrijven aan de meerwaarde van markttimingcapaciteit. (Merton (1981)) 14

Aan de hand van de inzichten van Merton (1981) worden er in Henriksson & Merton (1981) statistische tests ontwikkeld om markttimingcapaciteit te kunnen evalueren. Enerzijds wordt er een non-parametrische test ontwikkeld, die robuust is in de zin dat er geen bepaalde kansverdeling van de returns vereist is; wel is vereist dat de a priori forecasts van de portfolio manager zichtbaar zijn, hetgeen niet altijd het geval is. Anderzijds wordt er ook een parametrische test ontwikkeld die wel bruikbaar is als de a priori forecasts niet gekend zijn, maar waarbij wel de assumptie van het CAPM of een ander prijsvormingsmodel gemaakt moet worden. (Henriksson & Merton (1981)) In Henriksson (1984) wordt de methodologie die werd uiteengezet in Henriksson & Merton (1981) in de praktijk omgezet en getest op data van 116 beleggingsfondsen. Op basis van de gebruikte methodologie wordt er geen significante indicatie van markttimingcapaciteit waargenomen. (Henriksson (1984)) Sharpe (1975) onderzocht de mogelijkheid tot markttiming uitgaande van twee beleggingsalternatieven enerzijds de Standard & Poor s Composite Index (inclusief dividenden) en anderzijds T-bills voor verscheidene beleggingshorizonten 2 - en vond dat een belegger minstens drie kwart van zijn beleggingskeuzes correct moet hebben vooraleer het rendement van een buy-and-hold strategie voor aandelen kan overstijgen. (Sharpe (1975)) Jeffrey (1984) komt, gelijkaardig als Sharpe (1975), tot de conclusie dat ongeveer drie kwart van de investeringsbeslissingen correct moet zijn om, met een redelijke kans, een rendement boven dat van een buy-and-hold strategie voor aandelen te realiseren. Bovendien, als de graad van accuratesse afneemt, zal het neerwaartse risico veel sneller toenemen dan het opwaartse potentieel zal afnemen. (Jeffrey (1984)) Droms (1989) merkt hierbij weliswaar op dat, als men de voorspellingsperiodes kleiner maakt (bijvoorbeeld van jaarbasis naar kwartaalbasis) het benodigde percentage correcte beslissingen afneemt, maar door de meer frequente transacties zal dit voordeel teniet gedaan worden. Verder blijkt nog dat het correct voorspellen van de bull markets belangrijker is dan het correct voorspellen van de bear markets. (Droms, (1989)) Verder merkt Jeffrey (1984) op dat, om een succesvolle markttimingsstrategie te kunnen implementeren, de portfoliomanager in aandelen moet stappen op een moment dat de marktconsensus is dat aandelen moeten verkocht worden, en omgekeerd. Hierbij is het voor portfolio managers zeer moeilijk om zo n strategie te implementeren, omdat hun superieuren of cliënten de consensus volgen Most portfolio owners[ ]tend to give backseat driver advice, 2 Meer bepaald 1929 1972, 1934 1972 en 1946-1972 15

usually at the worst possible times (Jeffrey (1984), pg. 109) en de portfoliomanagers bijgevolg niet tegen de stroom in durven te roeien. (Jeffrey (1984)) Verscheidene studies (onder andere Treynor & Mazuy (1966), Henriksson (1984)) vinden geen bewijs dat portfoliomanagers succesvolle markttimingstrategieën kunnen implementeren. Echter, als deze portfolio managers geen tegendraadse posities kunnen of mogen realiseren van hun superieuren of cliënten, zal het onmogelijk zijn om de hoge returns van een perfecte markttimingstrategie na te streven. Vandell & Stevens (1989) nemen echter een tegengestelde houding aan ten opzichte van bovenstaande studies en tonen aan dat markttiming, als langetermijnstrategie, grote voordelen oplevert. De auteurs vinden hierbij dat het vooral belangrijk is om de extreme marktschommelingen te timen en dat het daarbij van cruciaal belang is om het neerwaartse risico te beperken. (Vandell & Stevens (1989)) Bauer & Dahlquist (2001) vinden, net als het merendeel van de auteurs, ook dat succesvolle markttiming zeer moeilijk te bereiken is. Echter, door het gebruik van een compleet andere methodologie, blijkt dat de kans op succesvolle markttiming ten opzichte van een passieve beleggingsstrategie, sterk afhangt van de periode waarin men een dergelijke actieve markttimingstrategie onderneemt. (Bauer & Dahlquist (2001)) Het volgende hoofdstuk bevat het eigen empirisch onderzoek naar de mogelijkheid tot markttiming. De methodologie is opgebouwd uit verschillende elementen van onderzoeken in papers die in deze sectie besproken werden. 16

5 MARKTTIMING: EMPIRISCH ONDERZOEK 5.1 INLEIDING In dit hoofdstuk van de masterproef zal het onderzoek naar de mogelijkheid tot markttiming geactualiseerd worden, uitgebreid worden van jaarlijkse naar maandelijkse beleggingshorizon en bovendien zal de mogelijkheid tot markttiming voor verschillende landen onderzocht worden. Eerst wordt in paragraaf 5.3 het onderzoek van Sharpe (1975) geactualiseerd zonder enige verandering aan de originele methodologie. Dit wil zeggen dat het onderzoek gevoerd zal worden aan de hand van twee mogelijke beleggingskeuzes - large-cap aandelen en T-bills en aan de hand van jaarlijkse returns dat wil zeggen dat er aan het begin van elk jaar een shift mogelijk is van large-cap aandelen naar T-bills of omgekeerd. Vervolgens zal in paragraaf 5.4 overeenkomstig met de methodologie gebruikt door Droms (1989) dit onderzoek opnieuw gedaan worden, maar dan aan de hand van maandelijkse returns met dus een mogelijke shift aan het begin van elke maand. Hierop volgend is in paragraaf 5.5 het onderzoek naar de mogelijkheid tot markttiming nog uitgebreid naar verschillende landen, namelijk het Verenigd Koninkrijk en Frankrijk. Tot slot wordt de mogelijkheid tot markttiming nog onderzocht door middel van een compleet andere methodologie, namelijk deze van Bauer & Dahlquist (2001). De werkwijze alsook de resultaten van deze aanpak kan gevonden worden in paragraaf 5.6. 5.2 DE DATA Alle gebruikte data werden gehaald uit de Datastream database. Voor elk behandeld land werden gegevens van enerzijds een large-cap aandelenindex en anderzijds 3-maands staatspapier opgezocht. Een tabel met de gebruikte datasoorten is te vinden in appendix 1. 5.3 SHARPE (1975) REVISITED 5.3.1 INLEIDING De onderzochte periode loopt vanaf 1991 tot en met 2010. In Tabel 5.3.1-1 vindt men de resultaten van vier verschillende beleggingsstrategieën. De getallen in de tabellen in hoofdstuk 5 zijn niet in percentages uitgedrukt, behalve als dit er expliciet bij vermeld wordt. 17

TABLE 5.3.1-1: OVERZICHT VAN PRESTATIES VAN BELEGGINGSSTRATEGIEËN OVER DE VOLLEDIGE PERIODE Buy-andhold T-Bills 0,035301 Buy-and-hold S&P500 Perfecte timingsstrategie 0,157909 Gemiddelde jaarlijkse 0,110591 rekenkundige return Standaarddeviatie van 0,019258 0,194318 0,117809 jaarlijkse gemiddelde returns Meetkundige gemiddelde 0,03513 0,092026 0,152328 return Bron: eigen berekeningen, gebaseerd op format van Sharpe (1975) Gebalanceerde portfolio 0,08007 0,117913 0,073476 5.3.2 WERKWIJZE Telkens worden drie parameters voor vier beleggingsstrategieën berekend. De twee linkerkolommen duiden buy-and-hold strategieën aan, respectievelijk voor T-Bills en voor de S&P500, dat wil zeggen dat men deze positie kiest aan het begin van de onderzochte periode en men deze aanhoudt tot het einde van deze periode. In de derde kolom vindt men de perfecte timingsstrategie, hier maakt de belegger voor elke periode de correcte keuze voor de beleggingskeuze die de hoogste return oplevert. In de vierde kolom tenslotte vindt men de parameters voor de gebalanceerde portfolio. Deze portfolio is samengesteld uit x % T-Bills en (1-x) % S&P500, waarbij de standaarddeviatie van deze portfolio gelijk is aan de standaarddeviatie van de perfecte-timingportfolio. Op dit punt van de analyse worden transactiekosten nog niet in rekening gebracht, vanaf paragraaf 5.3.4. zullen ze wel in rekening gebracht worden. Als de cijfers uit tabel 5.3.1-1 vergeleken worden met de corresponderende tabel uit Sharpe (1975), worden er geen grote verschillen teruggevonden. 5.3.3 DE PERFORMANTIEMAATSTAVEN Vervolgens worden de performantiemaatstaven geïntroduceerd, aan de hand van dewelke men de superieure resultaten van perfecte markttiming zal tonen. 18

TABLE 5.3.3-1: PERFORMANTIEMAATSTAVEN PM1 0,060302 PM2 0,077839 Bron: eigen berekeningen, gebaseerd op format van Sharpe (1975) Tabel 5.3.3-1 geeft de performantiemaatstaven weer voor de onderzochte periode. Als deze resultaten vergeleken worden met de resultaten gevonden door Sharpe (1975) voor PM1 en PM2 resp. 0,0550 en 0,0676 voor de periode van 1929 tot 1972 merkt men op dat de meerwaarde van perfecte markttiming groter is in dit onderzoek dan in de 3 periodes onderzocht door Sharpe (1975). 5.3.4 IMPERFECTE MARKTTIMINGSTRATEGIE De kans dat een investeerder jaar na jaar steeds de correcte beleggingskeuze maakt, is uiteraard zeer klein. Bij een beleggingshorizon van 20 jaar is het mogelijke aantal beleggingspaden gelijk aan 2 20, met andere woorden deze kans is gelijk aan 1 op 1.048.576. Daarom wordt er ook geanalyseerd wat de potentiële meerwaarde van imperfecte markttiming is. 19

Hierbij gaat Sharpe (1975) uit van het volgende beslissingsframework: FIGURE 5.3.4-1: BESLISSINGSPROCES BIJ IMPERFECTE MARKTTIMING. BRON: SHARPE (1975), P.63 Bij elk van de vier mogelijke uitkomsten neemt men dus het product van enerzijds de kans dat in een bepaald jaar aandelen al dan niet beter presteren dan risicovrije effecten, en anderzijds de kans dat de portfoliomanager al dan niet de correcte beleggingsbeslissing maakt. Als eerste stap in dit onderzoek naar imperfecte markttiming, worden de basisstatistieken opgesplitst voor aandelen en risicovrije effecten uit voor goede en slechte jaren voor aandelen: 20