Investment writer
• Active ETF in beeld
Het maximale uit smallcaps halen
NextGen Global Small-Cap Equity ETF
Actieve ETF’s veranderen de wereldwijde beleggingsmarkten en bieden beleggers een flexibele en transparante manier om toegang te krijgen tot actieve strategieën. Naarmate het gebruik ervan toeneemt, roept het groeiende aanbod van oplossingen echter ook een meer praktische vraag op: waar en hoe kunnen ze de meeste waarde toevoegen in portefeuilles?
In deze serie onderzoeken we die vraag door te focussen op specifieke segmenten van de markt waar structurele inefficiënties of veranderende dynamiek een aantrekkelijke beleggingscase vormen. Voor elk segment bekijken we eerst de beleggingskans zelf, en daarna gaan we in op de vraag hoe een systematische actieve aanpak kan helpen deze kans effectiever te benutten.
Auteurs
Anna Heldring
Jessica Monkivitch
Investment Writer
Smallcaps vertegenwoordigen meer dan 10% van de wereldwijde vrij verhandelbare marktkapitalisatie, maar blijven in veel portefeuilles onderwogen. Historisch gezien hebben ze aantrekkelijke langetermijnrendementen gerealiseerd en bieden ze forse spreidingsvoordelen ten opzichte van largecaps, maar in de periode na de pandemie bleef het segment langdurig achter.
Meer recent is de relatieve performance tussen smallcaps en largecaps begonnen te verschuiven.
Figuur 1 | Relatieve performance van smallcaps versus largecaps
In het verleden behaalde resultaten bieden geen garantie voor de toekomst. De waarde van je beleggingen kan fluctueren.
Bron: Robeco, LSEG, MSCI. De grafiek toont de relatieve performance van de MSCI World Index ten opzichte van de MSCI World Small Cap Index. Een nieuwe cyclus begint na de piek van de eerder beter presterende markt, zodra de eerder achterblijvende markt vanaf haar voorafgaande dieptepunt ten minste 20% beter heeft gepresteerd (behalve bij de laatste smallcapcyclus, die in februari 2025 begon). De performance is gebaseerd op het totaalrendement van indices in USD aan het eind van de maand. De onderzoeksperiode loopt van december 2000 tot en met februari 2026.
De grafiek illustreert het cyclische karakter van relatieve rendementen, waarbij periodes van outperformance zich vaak steeds verder uitbreiden als het marktleiderschap verschuift. Belangrijk is dat waardering een centrale rol heeft gespeeld in deze cyclus: waar smallcaps historisch tegen een premie van maximaal 30% ten opzichte van largecaps werden verhandeld, is dit in de afgelopen jaren omgeslagen. Tegenwoordig worden ze verhandeld met een korting van circa 30%,1 een niveau dat in meer dan twee decennia niet is voorgekomen, wat een krachtige beleggingskans oplevert.
Een complexe markt om toegang toe te krijgen
Het benutten van deze beleggingskans is niet eenvoudig. Het wereldwijde smallcapuniversum omvat bijna 4.000 aandelen, gekenmerkt door minder analistendekking, grotere verschillen en meer uiteenlopende bedrijfsmodellen. Dit creëert een vruchtbare bodem voor alpha, maar maakt traditionele aandelenselectie ook lastig schaalbaar. Tegelijkertijd kunnen passieve benaderingen leiden tot onbedoelde exposure naar bedrijven van lagere kwaliteit. Daardoor is voor efficiënte toegang tot smallcaps een selectievere en systematische aanpak vereist.
Er is een geavanceerdere aanpak nodig
Deze uitdagingen hebben de ontwikkeling van meer systematische benaderingen van smallcapbeleggen aangejaagd. Met name de combinatie van kwantitatieve technieken en machine learning is in dit segment steeds relevanter. Door verder te gaan dan traditionele lineaire modellen2 wordt het mogelijk om in rommelige en minder gestructureerde data beter patronen te identificeren en efficiënter in te spelen op veranderende marktomstandigheden. Dit stelt ons in staat om de diverse kansen consistenter te benutten, terwijl we een gedisciplineerd en schaalbaar beleggingsproces hanteren.
Robeco’s NextGen Global Small-Cap Equity ETF is ontworpen om deze complexiteit het hoofd te bieden, door de breedte van het universum te combineren met een innovatieve, evidence-based aanpak.
Hoe de belegger profiteert
1. Gedisciplineerde toegang tot smallcaps
De kwantitatieve motor achter deze ETF verwerkt het wereldwijde smallcapuniversum systematisch en past bewezen signalen toe, zoals waarde, kwaliteit, momentum en winstherzieningen, op een consistente en objectieve manier.
2. AI-gedreven robuustheid
Onze NextGen-aanpak bouwt hierop voort door machine learning te integreren. Dit helpt om niet-lineaire verbanden en interactie-effecten tussen signalen te identificeren, waardoor het model zich kan aanpassen aan verschillende bedrijfskenmerken en marktomstandigheden: een belangrijk voordeel in het diverse smallcapuniversum.
3. Betekenisvolle spreidingsvoordelen
In een omgeving van toenemende marktconcentratie bieden smallcaps een onderscheidende bron van rendement. Met een gemiddelde verwachte tracking error van rond de 3% op de lange termijn is deze ETF gepositioneerd als een gediversifieerde allocatie, gericht op het benutten van een breed scala aan smallcapkansen zonder buitensporige concentratie.
NextGen Global Small-Cap Equity UCITS ETF USD Acc
- SFDR (31-3)
- Article 8
- Dividenduitkerend (31-3)
- No
- Actuele koers (22-4)
- 5,04
- Inception date (31-3)
In het verleden behaalde resultaten bieden geen garantie voor de toekomst. De waarde van uw beleggingen kan fluctueren.
Ontworpen voor een complexe markt
Smallcaps bieden een aantrekkelijke kans, maar wel een waar je moeilijk op een efficiënte manier toegang toe krijgt, wat vraagt om een meer geavanceerde en systematische aanpak. Robeco’s NextGen Global Small-Cap Equity ETF is ontworpen om in deze behoefte te voorzien, door brede marktexposure te combineren met een gedisciplineerd, datagedreven proces.
Voetnoten
1 Bron: Robeco, ‘Smallcaps, verbeterde signalen: Onze nieuwe NextGen ETF ’. Waardering is gebaseerd op een samengestelde maatstaf van waarderingsmaatstaven, waaronder koers/boekwaarde, verwachte koers/winst, koers/cashrendement en koers/dividend.
2 Lineaire modellen gaan ervan uit dat elk beleggingssignaal een vast en onafhankelijk effect op rendementen heeft. In werkelijkheid zijn de relaties tussen signalen vaak complexer: hun impact kan veranderen afhankelijk van de context en de interacties met andere factoren. Machine learning helpt deze niet-lineaire patronen vast te leggen, wat een flexibeler en aanpasbaar model mogelijk maakt
Our core strengths
