Salkunhoitaja Anders Oldenburg suhtautuu tunnuslukustrategioihin kriittisesti.
Erilaisten tunnuslukujen käyttöön perustuvien sijoitusstrategioiden toimivuutta selvitetään rahoitustutkimuksessa niin sanotulla backtestauksella. Backtestauksessa simuloidaan jonkin tietyn sijoitusstrategian toimivuutta aiemmin toteutuneiden lukujen perusteella.
Backtestaus on nopeaa ja helppoa toteuttaa nykyaikaisilla tilastoanalyysivälineillä. Menetelmänä se ei ole kuitenkaan lainkaan ongelmaton. Toteutuneille osaketuotoille voidaan nimittäin aina jälkikäteen hakea tekijät, jotka selittävät toteutuneet tuotot. Riittää kun kokeillaan riittävän useita eri malleja.
Oldenburg viittaa blogissaan englantilaiseen ekonomisti Ronald Coaseen, joka kuvasi backtestauksen ongelman hauskasti: ”Jos kidutat dataa riittävän kauan, se tunnustaa mitä vaan.”
Pelkkä tuottoja selittävien tekijöiden hakeminen ei riitä. ”Jokainen jotain joskus empiirisesti tutkinut tietää, että ensin pitää rakentaa hypoteesi (joka lähtee logiikasta, ei luvuista) ja sitten pitää testata se jollain datasetillä, jotta nähdään pitääkö se paikkansa. Jos siltä näyttää, se pitää testata vähintään muutamalla uudella riippumattomalla datasetillä jotta nähdään, onko tulos stabiili”, Oldenburg toteaa.
Oldenburg kertoo havainnollisen esimerkin backtestauksen ongelmista:
”Yhteistyökumppanillamme DFA:lla oli aikoinaan tapana näyttää sijoittajille strategia, joka vuosina 1990-2005 tuotti 640% markkinoiden tuottaessa 410%. Strategia siis löi markkinat 2,8%-yksiköllä vuodessa ja vielä markkinoita selvästi pienemmällä riskillä. Huonoimpanakin vuonna se jäi indeksistä vain 7,5%. Maailman suuret instituutiot tappelisivat verisesti mahdollisuudesta sijoittaa tällaiseen strategiaan.
Mikä se sitten oli? Lukuihin päästiin yksinkertaisesti sijoittamalla kaikkiin USA:n yhtiöihin, joiden nimi alkoi kirjaimella M. Näin kerrottuna sama strategia vaikuttaa jo selvästi vähemmän kiinnostavalta … mutta backtestauksen ongelmista se kertoo paljon.”
Salkunhoitajan mukaan toimiva kvantitatiivinen osakkeiden valintamalli täytyy olla jotain sellaista mitä muiden sijoittajien mallit eivät tee. ”Muussa tapauksessa kaikki oleellinen informaatio on jo arvopaperin hinnassa. Jos kriteerit ovat puhtaasti kvantitatiivisia, kuten kysymyksessäsi esitit, mikseivät ne olisi kaikkien tiedossa?”
Monet sijoittajat vannovat arvosijoittamisen nimeen. Jonkinmoista tukea tälle strategialle on saatu myös akateemisessa rahoitustutkimuksessa. Esimerkiksi alhaisen P/B-luvun osakkeet ovat historiallisesti tuottaneet ylituottoja suhteessa indeksiin. Myös muut arvoyhtiöitä kuvaavat tunnusluvut, kuten alhainen P/E-kerroin ja korkea osinkotuotto ovat tarjonneet mahdollisuuden keskimäärin markkinoita parempiin tuottoihin.
Oldenburg on kuitenkin epäileväinen näiden tutkimustulosten suhteen.
”Se, mikä voi olla monelle yllätys on, että tästä huolimatta osakerahastot ovat keskimäärin jääneet markkinoista jälkeen kulujensa verran. Koska ammattisijoittajat eivät osaa laskea osinkotuottoja tai P/E-lukuja? Tuskin.”
Arvosijoittaminen voi olla silti hyödyllistä.
”Arvosijoittamisessa ei ole mitään vikaa – päinvastoin. Kaikki sijoittaminen lähtee siitä, että rahoilleen saa tuottoa eli ettei maksa sijoituskohteesta liikaa. Se vaatii jonkinlaisen kvantitatiivisen harjoituksen. En kuitenkaan usko, että millään pelkästään kvantitatiivisella mallilla pystyisi parempiin tuloksiin kuin yhdistämällä laadulliset ja määrälliset arviot yrityksestä ja sen osakkeesta”, Oldenburg toteaa.
Mutta onko edes laadullisten ja määrällisten arvioiden käyttäminen sijoituskohteiden valinnassa hyödyllistä? Oldenburgin mukaan se on juuri sitä, mitä ammattisijoittajat ovat kautta aikain tehneet. ”Ja jota tehdessään he ovat keskimäärin hävinneet markkinatuotolle kulujensa verran jo ainakin 70 vuoden ajan”, salkunhoitaja huomauttaa.
