Sinds het begin van deze eeuw is het aantal satellieten dat in een baan om de aarde draait met ruim 800% toegenomen, van minder dan 1.000 naar meer dan 9.000. Deze overvloed heeft een aantal vreemde en verontrustende gevolgen gehad. Eén daarvan is dat bedrijven gegevens uit satellietbeelden van parkeerterreinen verkopen aan financiële analisten. Analisten gebruiken deze informatie vervolgens om het bezoekersaantal van een winkel te meten, een detailhandelaar te vergelijken met concurrenten en zijn omzet te schatten.

Dit is slechts één voorbeeld van de nieuwe informatie, of ‘alternatieve gegevens’, die nu beschikbaar zijn voor analisten om hen te helpen hun voorspellingen te doen over toekomstige aandelenprestaties. In het verleden deden analisten voorspellingen op basis van de openbare financiële overzichten van bedrijven.

Een wekelijkse e-mail in het Engels met expertise van wetenschappers en onderzoekers. Het biedt een inleiding tot de diversiteit van het onderzoek dat uit het continent komt en behandelt enkele van de belangrijkste kwesties waarmee Europese landen worden geconfronteerd. Ontvang de nieuwsbrief!

Volgens ons onderzoek heeft de overvloed aan nieuwe gegevensbronnen de voorspellingen op de korte termijn verbeterd, maar de analyses op de lange termijn verslechterd, wat diepgaande gevolgen zou kunnen hebben.

Tweets, twits en creditcardgegevens

In een artikel over het effect van alternatieve data op financiële prognoses telden we meer dan 500 bedrijven die in 2017 alternatieve data verkochten, een aantal dat explosief is gestegen ten opzichte van minder dan 50 in 1996. Tegenwoordig biedt de alternatieve datamakelaar Datarade meer dan 3.000 alternatieve datasets te koop aan.

Naast satellietbeelden zijn bronnen van nieuwe informatie onder meer Google, creditcardstatistieken en sociale media zoals X of Stocktwits, een populair X-achtig platform waar investeerders ideeën over de markt delen. Stocktwits-gebruikers delen bijvoorbeeld grafieken die de evolutie van de prijs van een bepaald aandeel (bijvoorbeeld Apple-aandelen) tonen en uitleg waarom de evolutie een prijsstijging of -daling voorspelt. Gebruikers vermelden ook de lancering van een nieuw product door een bedrijf en of dit hen bullish of bearish maakt over de aandelen van het bedrijf.

Met behulp van gegevens van het Institutional Brokers' Estimate System (I/B/E/S) en regressieanalyses hebben we de kwaliteit van de voorspellingen van 65 miljoen aandelenanalisten tussen 1983 en 2017 gemeten door de voorspellingen van analisten te vergelijken met de werkelijke winst per aandeel van de aandelen van bedrijven.

Wij ontdekten, net als anderen, dat de beschikbaarheid van meer gegevens verklaart waarom aandelenanalisten steeds beter zijn geworden in het maken van kortetermijnprognoses. We gingen echter verder door te vragen hoe deze alternatieve gegevens de langetermijnprojecties beïnvloedden. En we ontdekten dat er in dezelfde periode waarin de nauwkeurigheid van de kortetermijnprojecties toenam, de validiteit van de langetermijnvoorspellingen daalde.

Meer gegevens, maar beperkte aandacht

Vanwege hun aard zijn alternatieve gegevens – informatie over bedrijven op dit moment – vooral nuttig voor kortetermijnvoorspellingen. Een analyse op langere termijn – van één tot vijf jaar in de toekomst – is een veel belangrijker oordeel.

Eerdere artikelen hebben de op gezond verstand gebaseerde stelling bewezen dat analisten een beperkte hoeveelheid aandacht hebben. Als analisten bijvoorbeeld een grote portefeuille van bedrijven moeten bestrijken, begint hun verspreide concentratie afnemende rendementen op te leveren.

We wilden weten of de toegenomen nauwkeurigheid van kortetermijnvoorspellingen en de afnemende nauwkeurigheid van langetermijnvoorspellingen – die we hadden waargenomen in onze analyse van de I/B/E/S-gegevens – te wijten waren aan een daarmee gepaard gaande proliferatie van alternatieve bronnen voor financiële informatie.

Om deze stelling te onderzoeken hebben we alle discussies over aandelen op Stocktwits geanalyseerd die plaatsvonden tussen 2009 en 2017. Zoals te verwachten was, hebben bepaalde aandelen zoals Apple, Google of Walmart veel meer discussie gegenereerd dan die van kleine bedrijven die niet eens op de Nasdaq genoteerd zijn.

We vermoedden dat analisten die aandelen volgden die veel besproken werden op het platform – en dus blootgesteld waren aan veel alternatieve data – een grotere daling in de kwaliteit van hun langetermijnvoorspellingen zouden ervaren dan analisten die aandelen volgden die weinig besproken werden. En na controle voor factoren als de omvang van bedrijven, het aantal jaren dat het bedrijf actief is en de omzetgroei, is dat precies wat we hebben gevonden.

We concludeerden dat analisten, omdat ze gemakkelijk toegang hadden tot informatie voor kortetermijnanalyses, hun energie daarop richtten, wat betekende dat ze minder aandacht hadden voor langetermijnvoorspellingen.

De bredere gevolgen van slechte langetermijnvoorspellingen

De gevolgen van deze overstroming van alternatieve gegevens kunnen verstrekkend zijn. Bij het beoordelen van de waarde van een aandeel moeten beleggers rekening houden met zowel korte- als langetermijnvoorspellingen. Als de kwaliteit van de langetermijnvoorspellingen verslechtert, is de kans groot dat de aandelenkoersen de waarde van een bedrijf niet accuraat weerspiegelen.

Bovendien zou een bedrijf graag zien dat de waarde van zijn beslissingen weerspiegeld wordt in de koers van zijn aandelen. Maar als analisten ten onrechte rekening houden met de langetermijnbeslissingen van een bedrijf, is het bedrijf misschien minder bereid om investeringen te doen die zich pas over jaren terugverdienen.

In de mijnbouw kost het bijvoorbeeld tijd om een nieuwe mijn te bouwen. Het zal misschien negen tot tien jaar duren voordat een investering cashflow begint te genereren. Bedrijven zijn mogelijk minder bereid om dergelijke investeringen te doen als hun aandelen bijvoorbeeld ondergewaardeerd zijn, omdat marktdeelnemers minder nauwkeurige voorspellingen hebben over de impact van deze investeringen op de kasstromen van bedrijven – het onderwerp van een ander document waar we aan werken.

Het voorbeeld van investeringen in koolstofreductie is zelfs nog alarmerender. Dat soort investeringen werpt doorgaans ook vruchten af ​​op de lange termijn, wanneer de opwarming van de aarde een nog groter probleem zal worden. Bedrijven hebben mogelijk minder prikkels om te investeren als de waarde van die investering niet snel wordt weerspiegeld in hun waardering.

Praktische toepassingen

De resultaten van ons onderzoek suggereren dat het voor financiële bedrijven verstandig zou kunnen zijn om teams die kortetermijnresultaten onderzoeken te scheiden van teams die langetermijnvoorspellingen doen. Dit zou het probleem verlichten dat één persoon of team wordt overspoeld met gegevens die relevant zijn voor kortetermijnvoorspellingen en vervolgens naar verwachting ook langetermijnresultaten zal onderzoeken. Onze bevindingen zijn ook opmerkelijk voor beleggers die op zoek zijn naar koopjes:hoewel er nadelen kleven aan slechte langetermijnvoorspellingen, zou het een kans kunnen bieden voor degenen die ondergewaardeerde bedrijven kunnen identificeren.