01-07-2021 · Interview

‘Bewegingen van aandelenkoersen worden vooral veroorzaakt door gedrag en niet door risico’

De online transfermarkt van FIFA 19 Ultimate Team (FUT) en machine learning maken het een en ander duidelijk over behavioral finance. We bespraken deze onderwerpen met onze gast Remco Zwinkels, hoogleraar International Finance aan de Vrije Universiteit Amsterdam.

    Auteurs

  • Lusanele Magwa - Investment Writer

    Lusanele Magwa

    Investment Writer

In een van uw recente papers trekt u parallellen tussen aandelenmarkten en een virtuele activamarkt – de online transfermarkt van FIFA 19 Ultimate Team. Kunt u hier iets over vertellen? Wat waren uw bevindingen?

“Dit vind ik een interessant onderwerp, want een van de problemen van onderzoek naar asset pricing is dat je nooit precies weet waardoor de resultaten tot stand komen. Er zijn twee kampen: volgens het neoklassieke kamp is alles gerelateerd aan risico, terwijl het andere kamp – waar ik ook toe behoor – ervan uitgaat dat naast risico ook menselijk gedrag een rol speelt. Het is heel moeilijk om hier goed onderscheid tussen te maken.”

remco-zwinkels.png

“Maar ik denk dat we een manier hebben gevonden om dat toch voor elkaar te krijgen met een quasi-natuurlijk experiment. Daarvoor hebben we gebruikgemaakt van de online transfermarkt in de videogame FIFA 19.1 De kwaliteiten en fundamentals van de spelers in deze game zijn bekend en staan vast. Dat wil zeggen dat er geen sprake is van fundamenteel nieuws. Vergelijken we dat met de aandelenmarkt, dan zien we dat de koersen daar wel bewegen door fundamenteel nieuws, of door gekte op de markt, bijvoorbeeld na een tweet van Elon Musk.”

“In deze virtuele markt zijn de fundamentele factoren constant en weet je dat iedere prijsbeweging wordt veroorzaakt door het gedrag van individuen. Er is immers per definitie geen nieuws. Dat is een geweldige eigenschap van deze markt. Verder is die wat betreft structuur en partijen heel vergelijkbaar met een aandelenmarkt.”

“Ten eerste is de omvang enorm. Er vinden letterlijk miljarden transacties plaats op deze markt. Het zijn ook echt niet alleen maar tieners die deze online game spelen. We hebben namelijk het nodige inzicht in de demografische verdeling. Het klopt dat de gemiddelde gamer wat jonger is dan de gemiddelde deelnemer op de aandelenmarkt, maar zo gek veel scheelt het helemaal niet. De meeste spelers zijn man en hoogopgeleid, en dat zien we ook op de aandelenmarkten. Het handelsproces is ook vergelijkbaar, met bijvoorbeeld een limietorderboek. Het is zeer geavanceerd.”

“Wat we zien is dat de rendementsdynamiek op de FIFA-markt vergelijkbaar is met die van de aandelenmarkten. Op de aandelenmarkten spelen verschillende prominente factoren een belangrijke rol, en op de FIFA-markt zien we precies dezelfde factoren. Zo is er een size-premie, wat wil zeggen dat spelers met een lagere marktwaarde een hoger verwacht rendement hebben. Daarnaast zien we ook de book-to-market-factor. We kunnen berekenen wat de boekwaarde of fundamentele waarde van spelers is en zien dat er na verloop van tijd sprake is van mean reversion. Verder zijn er ook patronen voor momentum en mean reversion waarneembaar. Zo zien we vaak een omslag in het rendement van spelers die het in de voorgaande week goed deden. Maar als we verder teruggaan, zien we ook patronen van momentum.”

“Al deze eigenschappen komen dus sterk overeen met die van de aandelenmarkten. En we weten nu dat de FIFA-markt puur wordt gedreven door gedrag in plaats van fundamentals. Dus als we deze markt kunnen vergelijken met een aandelenmarkt, zou dat kunnen betekenen dat een aanzienlijk deel van de bewegingen van aandelenkoersen vooral wordt gedreven door gedrag, en niet door risico.”

Veel bewegingen van aandelenkoersen worden vooral veroorzaakt door gedrag en niet door risico.

Er zijn inefficiënties op de markt en daar zien we allerlei vreemde voorbeelden van. In een van uw studies heeft u ook gekeken naar wat er in 2014 gebeurde met Royal Imtech, toen de koers duidelijk was losgekoppeld van de fundamentals. Wat kunnen zulke gevallen ons in uw ogen leren over de efficiëntie van de markt?

“Dit zijn heel treffende voorbeelden van, laten we zeggen, afwijkingen van de efficiëntie. In ons artikel wijzen we op een mispricing van 800%.2 Dat is natuurlijk wel een extreem geval. Maar als zoiets kan gebeuren, zegt dat in mijn ogen ook iets over het alledaagse marktgedrag. Als er individuele gevallen van zo'n extreme mispricing voorkomen, kan het niet zo zijn dat er elders helemaal geen sprake is van mispricing.”

“Nogmaals, het blijft ontzettend moeilijk om goed onderscheid te maken tussen mispricing en rationele pricing. Deze voorbeelden zijn nuttig, omdat we hiervan zeker weten dat het om mispricing gaat. Daarom zijn ze zo belangrijk: ze zijn heel goed te identificeren.”

Ontdek de nieuwste inzichten via onze maandelijkse e-mailupdates

Ontvang onze Robeco-nieuwsbrief en ontvang als eerste de nieuwste inzichten of bouw het groenste portfolio op.

Blijf op de hoogte

Zien we in recent onderzoek naar behavioral finance meer bewijs dat asset-pricingfactoren het gevolg zijn van mispricing? En wat spreekt u aan in recent of toekomstig onderzoek op dit gebied?

“Wat ik veel zie gebeuren is het gebruik van machine learning in asset pricing, vooral met betrekking tot factoren. Er zijn honderden factoren geïdentificeerd, van uiteenlopende kwaliteit. Dat roept natuurlijk de vraag op: zijn er echt zoveel verschillende factoren? Misschien signaleren we wel dezelfde verschijnselen. Is er bij factoren sprake van variatie in de tijd of tussen landen? Een interessante ontwikkeling is dat we met technieken voor machine learning beter kunnen vaststellen welke factoren belangrijk zijn, op welk moment, en of ze al dan niet hetzelfde verschijnsel signaleren. Wat mij betreft is dit een geweldige ontwikkeling.”

Met technieken voor machine learning kunnen we beter vaststellen welke factoren belangrijk zijn.

“In het verleden werd van aanhangers van behavioral finance gezegd dat ze een negatieve houding hadden. Misschien zat daar ook wel een kern van waarheid in, want die stroming kaartte alleen maar aan wat er allemaal misging zonder goed uit te leggen waarom dat zo was. Aan de andere kant kwamen onderzoekers die keken naar individueel gedrag (over het algemeen experimenten die wezen op persoonlijke keuzes), met alternatieve verklaringen, zoals de prospect theory. Een ander punt van kritiek op behavioral finance was het grote aantal biases. Dus als je ontdekt dat er iets fout gaat op de aandelenmarkten, kun je gewoon een bias uitkiezen en het probleem daaraan koppelen. Zo is er altijd wel een bias die aansluit bij je anomalie.”

“Het is dan ook mooi dat we hier de laatste tijd verbetering in zien. Dit vakgebied is volop in ontwikkeling en weet echt de aandrijfmechanismen van anomalieën te vinden. Om een voorbeeld te geven: er verschijnen steeds meer artikelen die aantonen dat de prospect theory een effect heeft op asset pricing aan de voorkeurenzijde. En nog recenter zien we dat ook de vorming van verwachtingen wordt meegenomen in asset pricing. Denk bijvoorbeeld aan de extrapolatie van trends. Dit experimenteel onderzoek toont aan dat mensen alleen naar het recente verleden kijken als ze hun verwachtingen vormen voor toekomstig rendement. Dat is een zeer sterke menselijke reactie. In de reguliere financiële literatuur zijn onderzoekers nu volop bezig met het integreren van trendextrapolatie in asset pricing.”

“Er wordt dus echt gewerkt aan een volwaardig alternatief voor de hypothese dat de markt efficiënt is. Dankzij deze vooruitgang kunnen we het grote aantal biases filteren en vaststellen welke belangrijk zijn voor asset pricing in het algemeen.”

Lees het volledige gesprek, waarin ook de deelname van retailbeleggers en duurzaam beleggen aan bod komen.

Het volledige gesprek

Voetnoten

1Montone, M., and Zwinkels, C.J., April 2021, “Risk, return and sentiment in a virtual asset market“, working paper, https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3787339.2Van den Assem, M. J., Van Dolder, D., Zwinkels, C.J., and Schauten, M. B. J., October 2020, “Can the market divide and multiply? A case if 807 percent mispricing “, Review of Behavioral Finance.