In het quantteam van Raul Leote de Carvalho, Deputy Head of Quant Research Group BNP Paribas Asset Management, werken 27 mannen en vrouwen, vanuit Amsterdam, Parijs, Londen en Hongkong. Ze doen onderzoek onder meer op het gebied van factorbeleggen en zorgen voor kwantitatieve input voor alle soorten beleggingen.
Wat is het belangrijkste thema of de belangrijkste trend in quantresearch nu?
“Wat belangrijk is, maar wat beleggers vaak over het hoofd zien is portefeuilleconstructie en dan met name het optimaliseren van de factorbeleggingsportefeuille. Niet veel beleggers doen het en kunnen het. Beleggers moeten zorgen dat hun exposure klopt, dat hun risico’s gealloceerd zijn met hun beleggingsdoelen. Wij doen dat bijvoorbeeld voor de multi-assetportefeuilles en de creditportefeuilles van onze klanten. Een andere trend is het meer customizen van robo-advies. Vermogensbeheerders hebben doorgaans vijf modelprofielen waaruit klanten kunnen kiezen. Maar dat is niet genoeg om aan de wensen van de klant te voldoen. Wij werken samen met de robo-adviesafdeling om portefeuilles aan klanten aan te bieden die beter bij hen passen.”
Hoe verandert de opkomst van big data jullie werk?
“Het is verleidelijk voor assetmanagers om zoveel mogelijk data te gebruiken bij hun beleggingsproces nu er zoveel meer data verkrijgbaar zijn. Maar het is lastig om data te verkrijgen die goed vooruit kan kijken. En er zijn nog twee nadelen aan veel data. Het leidt af van de zaken die echt belangrijk zijn voor de beleggingen en het is duur. Wij proberen de kosten in de hand te houden door alleen de voor ons belangrijke data af te nemen van dataleveranciers. Als wij bijvoorbeeld satellietdata kunnen kopen, maar die data betreft maar 20 bedrijven en kost een miljoen euro, dan doen we dat niet. Onze beleggingshorizon zorgt er ook voor dat we geen interesse hebben in handelsdata. Het gaat om het prioriteren van data, om goede due diligence doen naar welke data bruikbaar is en iets kan zeggen over de toekomst, naar data met een bewezen track record daarin. Kortom; de betrouwbaarheid en robuustheid van data is belangrijk.”
Wat voor data gebruiken jullie?
“We krijgen data op basis van nieuws, op basis van het sentiment onder beleggers over bedrijven. Hoe reageren beleggers op sociale media? Dat heeft geen voorspellende waarde voor de koersen, maar kan wel signalen geven over hoe een aandeel het op langere termijn doet. We kijken nu ook naar bottlenecks in de voorraadketen. Wat kan de productie en distributie van een product verstoren? Hoe is de financiële gezondheid van de voorraadketen?”
Hoe gebruiken jullie je modellen bij ESG-beleggen?
“Duurzame data is ongestructureerde data, maar veel data komt van factoren. Wij helpen factorstrategieën integreren met duurzaam beleggen. We hebben, onafhankelijk van ons ESG-team, gekeken of aandelen van bedrijven met een ESG-rating het beter doen dan bedrijven die dat niet hebben. Dat bleek, bedrijven met een hoge duurzame score zijn meer winstgevend en Welke assetklassen zijn het meest geschikt voor een kwantitatieve benadering? Is er verschil? “Een kwantitatieve benadering kan bij elke assetklasse. Je hebt data nodig, modellen kunnen gebouwd worden voor alle beleggingscategorieën. Ook bijvoorbeeld voor illiquide categorieën, zoals private equity en vastgoed. Maar een kwantitatieve benadering kan een pensioenfonds bijvoorbeeld ook helpen met het in kaart brengen van de volatiliteit van een portefeuille, het kan mismatches bij hedges aan het licht brengen en helpen om de verplichtingen van een fonds te managen.”