Robo-adviseurs zijn het afgelopen decennium steeds belangrijker geworden, waarbij de fintech-subsector een actievere betrokkenheid van jongere investeerders en de massa bij sparen en beleggen aanmoedigt. Robo-adviseurs streven ernaar financieel advies te democratiseren en hoogwaardige diensten aan te bieden, die voorheen uitsluitend beschikbaar waren voor vermogende, geavanceerde beleggers. In een notendop, robo-advisering is een vorm van vermogensbeheer waarbij de portefeuillestrategie wordt uitbesteed aan een algoritme. Het samenstellen en opnieuw in evenwicht brengen van portefeuilles wordt geautomatiseerd met behulp van computers, wat zorgt voor meer betaalbare oplossingen voor vermogensbeheer en mogelijke vermindering van menselijke fouten en vooroordelen.
Veel startups in het veld worstelen om break-even te maken en merkdifferentiatie te tonen. Wat is de beste manier voor robo-adviseurs om door te gaan met het democratiseren van beleggen en winst te maken terwijl ze de echte risico's van een portefeuille overbrengen?
Verbetering en Wealthfront zijn twee van de meest prominente robo-adviseurs, waarvan de eerste de eerste was die in 2008 werd gelanceerd. Vanguard hebben dergelijke technieken ook overgenomen. Hoewel de boodschap van financiële empowerment in beide sectoren totaal verschilt van handelsplatforms voor alleen uitvoering, zoals Robinhood, is deze omarmd door jongere beleggers, die traditioneel pas later in hun loopbaan actief geïnteresseerd zijn in pensioensparen.
Een van de belangrijkste waardeproposities van populaire robo-adviseurs is dat ze klanten helpen de risico's en kosten van portefeuilles te begrijpen, in plaats van zich alleen op rendement te concentreren. Argumenten tegen traditioneel vermogensbeheer onder leiding van financiële adviseurs zijn de verkeerde afstemming van prikkels, waarbij dure en slecht presterende activa worden doorgesluisd naar beleggers, die de cijfers niet objectief kunnen analyseren om zicht op de prestaties te krijgen. Daarom zijn robo-adviseurs voorstanders geweest van passief beleggen, waarbij ze dure actief beheerde fondsen mijden voor economische indexfondsen en exchange traded funds (ETF's).
Hoewel de meeste robo-adviseurs doorgaans moderne portefeuilletheorieën gebruiken (soms in combinatie met andere goed onderzochte methodologieën) om beleggersportefeuilles samen te stellen, gebruiken ze verschillende manieren om de risiconiveaus in verband met die portefeuilles uit te drukken. De meeste beleggingsprofessionals zijn het erover eens dat risico een even belangrijke overweging is als rendement bij de selectie van portefeuilles. In feite blijft de overgrote meerderheid van de beoefenaars geïnspireerd door het raamwerk voor optimalisatie van de gemiddelde variantie, geïllustreerd door de dissertatie van Nobelprijswinnaar Harry Markowitz uit 1952 over portfolioselectie.
Risico wordt echter meestal niet zo goed begrepen door de gemiddelde belegger als het verwachte rendement. Dit komt omdat de risicotolerantie van een individu niet alleen wordt bepaald door prestaties uit het verleden en rationele verwachtingen, maar ook door unieke persoonlijke omstandigheden en andere emotionele factoren zoals hoop en angst. Ook is de risicotolerantie van een individu nauwelijks een statische maatstaf. De meeste mensen zouden beslist zien dat hun risicotolerantie in 2020 lager zou zijn als gevolg van de onzekerheden van COVID-19, dan ooit in het afgelopen decennium. De wenselijkheid van een aanbevolen portefeuille wordt door een belegger mede beoordeeld aan de hand van zijn eigen perceptie van het risico van de portefeuille. Daarom is het van vitaal belang voor een robo-adviseur om risico's duidelijk te illustreren, zodat beleggers het risico kunnen begrijpen en het kunnen relateren aan hun eigen tolerantie, doelen en emotionele voorkeuren.
Robo-adviseurs gebruiken kwantitatieve of kwalitatieve maatregelen om klanten te helpen risico's te begrijpen. Elke maatregel heeft zijn voordelen en beperkingen.
De meeste robo-adviseurs kennen een kwalitatieve risicobeoordeling toe op basis van hoe beleggers een vooraf gedefinieerde lijst met psychometrische vragen beantwoorden. Dit varieert over het algemeen op een numerieke schaal van "Zeer conservatief" tot "Zeer agressief".
Een kwalitatieve risicoclassificatie heeft duidelijke voordelen, in die zin dat het voor een belegger gemakkelijk maakt om de risico's van verschillende portefeuilles ten opzichte van elkaar waar te nemen. Een portefeuille waaraan een rating 'Agressief' is toegekend, kan bijvoorbeeld inherent risicovoller zijn dan een portefeuille met het label 'Conservatief'. De psychometrische vragen helpen de beleggerstolerantie voor verliezen te verkleinen en het juiste risiconiveau te bepalen.
Het is echter mogelijk dat een kwalitatieve rating geen duidelijk inzicht geeft in de verwachte variabiliteit van de portefeuille. Het is misschien niet duidelijk hoeveel volatieler een agressieve portefeuille is in vergelijking met een gematigde portefeuille. Hoogstwaarschijnlijk betekent een risicoclassificatie van 6 niet dat de portefeuille twee keer zo risicovol is als een portefeuille met een rating van 3. Ook kan de perceptie van risico variëren op basis van hoe de risicoclassificatie wordt verwoord. Beleggers kunnen een portefeuille met een hoog risico anders bekijken, afhankelijk van of deze het label 'Hoge groei' of 'Zeer agressief' heeft. Daarom introduceert een dergelijke categorisering een laag van subjectiviteit in de waargenomen aantrekkelijkheid van een portfolio.
Mijn zorg met robo-adviseurs die te veel nadruk leggen op kwalitatieve risico's, is dat het beleggers een vals gevoel van veiligheid kan geven met betrekking tot de voortdurende prestaties van hun portefeuilles. Een willekeurige risicoscore over een agressief/conservatief bereik kan te breed zijn en uiteindelijk leiden tot suboptimale financieringsplanningsbeslissingen door beleggers wier omstandigheden complexer kunnen zijn dan eerder werd gedacht. De zorgen over te vereenvoudigde risico's worden weerspiegeld in oproepen van regelgevende instanties over robo-adviseurs die zich bezighouden met systemische mis-selling, waarbij beleggers de ware aard van het product niet begrijpen.
Een grotere acceptatie van institutionele kwantitatieve risicomaatstaven (gebruikt door banken, fondsen en family offices) met voorlichting aan klanten zou de sleutel kunnen zijn tot de volgende fase van robo-advisering. Dit zou de industrie echt vooruit kunnen helpen en overeenkomen met nationale bewegingen voor meer onderwijs over financiële geletterdheid.
Kwantitatieve risicomaatstaven voor beleggingsportefeuilles
Value at Risk, of VaR, is de meest populaire maatstaf voor de volatiliteit van een portefeuille. Simpel gezegd, VaR is een maatstaf voor minimaal verwachte verliezen als een bepaald waarschijnlijkheidsniveau (ook bekend als betrouwbaarheidsniveau of percentiel). Als de 99% VaR van een portefeuille bijvoorbeeld 12% is, betekent dit dat er een kans van 99% is dat de verliezen op de portefeuille gedurende een bepaalde periode niet meer dan 12% bedragen. Met andere woorden, er is een kans van 1% dat de verliezen op de portefeuille meer dan 12% zullen bedragen. VaR wordt al toegepast door sommige robo-adviseurs, met een voorbeeld van zo'n gebruik van StashAway in Singapore, die een richtlijn van 99% markeert in een maatstaf die de 'Risk Index' wordt genoemd.
VaR kan op verschillende manieren worden berekend. De historische methode sorteert historische rendementen van een portefeuille op grootte en identificeert het waargenomen rendement op een bepaald percentiel (meestal 95% of 99%). De variantie-covariantiemethode gaat ervan uit dat het rendement normaal verdeeld is en gebruikt de standaarddeviatie van de portefeuille om te schatten waar de slechtste 5% of 1% rendementen op de belcurve zullen liggen. VaR kan ook worden geschat met behulp van Monte Carlo-simulatie, die de slechtste 5% of 1% rendementen genereert op basis van probabilistische uitkomsten.
De populariteit van VaR komt voort uit het feit dat het het voor een belegger gemakkelijk maakt om de variabiliteit van een portefeuille te begrijpen en deze te relateren aan hun persoonlijke tolerantie voor verliezen. We kunnen echter verschillende resultaten verkrijgen, afhankelijk van de input en de methode die wordt gebruikt om de VaR te berekenen, wat de betrouwbaarheid van de meting beïnvloedt. Ook leunt de VaR sterk op tal van aannames, zoals een normaal verdeeld rendement en afgestemd op historische rendementen. Ten slotte informeert een 99% VaR van 12% (hierboven beschreven) de belegger niet over het bedrag aan verliezen dat in het slechtste geval kan worden verwacht.
De verschillende kanttekeningen achter VaR beperken mogelijk de bekendheid ervan in robo-adviesplatforms, omdat het wordt gezien als een ingewikkelde maatstaf voor gebruikers om te begrijpen. Het voorbeeld van StashAway die het brandmerkt in een beter verteerbare statistiek laat zien hoe deze barrières krachtiger kunnen worden afgebroken.
Het aanpakken van een van de tekortkomingen van de VaR, de conditional value at risk, of CvaR, levert in het slechtste geval het verwachte verlies op voor een belegger. Bij een betrouwbaarheidsniveau van 99% wordt de CVaR berekend als het gemiddelde portefeuillerendement in de slechtste 1% van de scenario's. CVaR wordt geschat met behulp van vergelijkbare methoden als VaR. Hoewel het kan helpen om een duidelijker beeld te krijgen van het worstcasescenario in vergelijking met VaR, kan het last hebben van vergelijkbare tekortkomingen als gevolg van de aannames en methodologieën die bij de schatting worden gebruikt.
Marktontkoppelingen van 2020 hebben de neiging om normale distributiepatronen te verscheuren, wat aantoont dat het toevoegen van meer "3-dimensionale" risicomaatstaven voor portefeuilles, zoals CVar, voordelig kan zijn. In combinatie met de standaard VaR-meting zouden CVaR-gegevens het risicobeheeraanbod van een robo-adviseur verbeteren en zeer geschikt zijn, aangezien de meeste robo-activa indexfondsen (manden met aandelen) zijn.
De beste en slechtste rendementen hebben betrekking op voortschrijdende periodieke rendementen van een effect of portefeuille gedurende een bepaalde tijdshorizon. Het rendement kan worden berekend op dagelijkse, maandelijkse of jaarlijkse basis, afhankelijk van de tijdshorizon van de belegger. Het tijdsbestek wordt meestal bepaald door de beschikbaarheid van gegevens, maar het kan van invloed zijn op de beste en slechtst waargenomen rendementen als we een tijdshorizon die lang genoeg is niet gebruiken.
Beste en slechtste rendement voor Amerikaanse activa:1973-2016
De maatstaf maakt gebruik van historische rendementen om beleggers een indicatie te geven van de beste en slechtste scenario's. Een duidelijk voordeel is dat het, in tegenstelling tot VaR, onderscheid maakt tussen positieve en negatieve rendementen, in plaats van uit te gaan van een normale verdeling. Beleggers hebben de neiging om positieve volatiliteit niet erg te vinden en maken zich vooral zorgen over absolute neerwaartse risico's. Ook toont het, in tegenstelling tot CvaR, de absoluut slechtst waargenomen rendementen in plaats van een gemiddelde te nemen van de rendementen, wat het worstcasescenario kan onderschatten. Net als bij andere kwantitatieve metingen is dit echter vaak terugkijkend en ook afhankelijk van de dataset van waargenomen resultaten.
De beste en slechtste risicomaatstaven voor rendement zijn zeer geschikt voor robo-adviseurplatforms omdat ze duidelijk communiceren met investeerders zonder te vertrouwen op intimiderende financiële ratio's. Een van die risico's is echter dat ze inspelen op irrationele vooroordelen en paniekverkopen in een dalende markt aanmoedigen of koppig vasthouden aan verliezers.
Laten we eens kijken hoe VaR-, CVaR- en Best and Worst-rendementen kunnen worden berekend voor een portefeuille met één activa. Het actief dat in aanmerking wordt genomen, is SPY, een ETF die Amerikaanse large-capaandelen volgt.
De gegevens die voor de onderstaande berekeningen worden gebruikt, hebben betrekking op NAV en maandelijkse rendementen van SPY van juli 2007 tot juni 2020. De berekeningen kunnen worden uitgevoerd met Excel- of Google Spreadsheets-functies.
VaR - 11,8% VaR houdt in dat de kans dat SPY in een bepaalde maand meer dan 11,8% verliest, 1% is. Met andere woorden, SPY leverde betere maandelijkse rendementen op dan een verlies van 11,8% in 99% van de maanden. Stappen (Google Spreadsheets/Excel):
CVaR - 14,5% CvaR houdt in dat het verwachte maandelijkse verlies in SPY tijdens de slechtste uitkomsten van 1% 14,5% is. Dit kan in Google Spreadsheets/Excel worden bepaald door de AVERAGEIF-functie te gebruiken om het gemiddelde van de opbrengsten te berekenen die lager zijn dan de VaR-uitkomst.
Beste en slechtste rendement - Zoals blijkt uit de tabel, waren de beste en slechtste maandelijkse rendementen die werden waargenomen in SPY tijdens de periode 2007-2020 respectievelijk +13% en -16%. Deze kunnen snel worden berekend met behulp van de MIN en MAX functies.
Zoals vermeld, is het belangrijk op te merken dat deze metingen verschillende waarden kunnen opleveren, afhankelijk van de methode en de observatieperiode. De keuze van de methodologie en de periode moet gebaseerd zijn op factoren zoals de beschikbaarheid van gegevens, de verwachte investeringshorizon en persoonlijk oordeel.
De basis van traditioneel vermogensbeheer is het afstemmen van portefeuilles op individuele behoeften, of het nu gaat om tijdspanne, ethische, risicobereidheid en inkomensgerelateerde behoeften; daarvoor is elke aanpak maatwerk. Wat robo-advisering aantrekkelijk maakt, is de manier waarop de geautomatiseerde methoden kunnen functioneren in een groot aantal klantenbestanden.
Robo-adviseurs moeten klanten echter helpen om de risico-rendementsafwegingen van hun portefeuilleaanbod duidelijk te begrijpen, zodat ze de juiste portefeuilles kunnen kiezen die aan hun persoonlijke behoeften voldoen. Kwalitatieve risicomaatstaven zijn een gemakkelijk te begrijpen "opstap" naar robo-advisering, maar na verloop van tijd kunnen hun parameters overbodig worden. Wanneer ze echter worden gebruikt in combinatie met de kwantitatieve risicomaatstaven die hier worden beschreven, helpen ze bij het bieden van meer holistische richtlijnen voor risicobeheer en bewustzijn ten aanzien van de prestaties van de portefeuille.
C.A.N. Behandel je het? Uw beleggingsrisico inbellen
3 tips om uw portefeuillerisico te verlagen
Hoe een beleggingsstrategie voor meerdere activa in portefeuilles risico's kan verminderen
Hoe u uw portfolio potentieel kunt behouden en uitbreiden in een volatiele markt
R.I.P. 60-40 Portfolio
Wat is moderne portfoliotheorie (MPT)?
Hoe beheer ik het risico in mijn portefeuille met futures?