Inleiding
Als beginnend belegger doe je meestal maar wat. Je krijgt links en rechts wat vage adviezen, doet af en toe een gokje, en de hele beurs lijkt wel één groot casino. Met een beetje geluk leer je ook nog van je fouten, en zijn er dingen waarvan je denkt: "Dat kan ik beter niet meer doen want dat is te riskant". Langzaam maar zeker ontwikkel je op die manier een eigen beleggingsstijl. De een gaat daarin wat verder dan de ander, maar iedereen ontwikkelt op den duur wel een of meerdere methodes om de kans op succes te vergroten.
Het belang van statistiek
Je kunt alleen maar methodes ontwikkelen door ervaring op te bouwen. Hoe vaak gaat het fout? Hoe vaak gaat het goed? Waar liggen de kansen? Waar liggen de risico's? Dat kan dus een langdurig proces zijn, vooral op het punt van de risico's... immers, het kan zijn dat je een systematiek volgt van een groot aantal kleine winsten, met een kleine kans op een groot verlies. Je zou dan wel willen weten hoe 'klein' die kans is, en hoe 'groot' dat verlies is. Daarbij komt nog dat je de methode steeds 'bijschaaft', waardoor de ervaringen van eerdere transacties niet zomaar te vertalen zijn naar de inmiddels aangepaste methode. Kortom... wat zou het toch mooi zijn als je niet 10 jaar hoefde te wachten op voldoende 'ervaring', maar op een regenachtige zondagmiddag dezelfde ervaring in een paar uurtjes zou kunnen opdoen.
De rol van de computer
Tegenwoordig heeft iedere belegger wel toegang tot historische koersinformatie. Deze is vaak gratis te downloaden van Internet, of wordt meegeleverd met allerlei beleggingssoftware. Dus wat let je om met behulp van de computer je methode eens toe te passen op deze historische koersen? Mits je maar vaste regels hebt (wanneer kopen, wanneer verkopen) en een beetje handigheid in Excel, moet het lukken om uit te rekenen wat er gebeurd zou zijn als je 10 jaar geleden met bijv. 2000 euro was begonnen en consequent je methode had toegepast. Een dergelijke aanpak noemen we een 'backtest' omdat we achteraf testen wat we verdiend zouden hebben. Naast Excel zijn er een groot aantal gespecialiseerde beleggingspakketten waarin zo'n backtest faciliteit aanwezig is.
Voordeel van een backtest
Het belangrijkste voordeel van een backtest is de tijdwinst. In een paar uurtjes (of een paar weken desnoods) verzamel je de ervaring die je anders pas na 10 jaar of langer kunt opbouwen. Daarbij komt het niet geringe voordeel dat een eventuele slechte beleggingsmethode op die manier niet tot grote verliezen leidt; het is immers allemaal voor 'spek en bonen'. Je moet er niet aan denken dat je met zo'n slechte methode echt op de beurs belegt en dan na wat pijnlijke missers nog maar de helft van je startkapitaal over hebt. Een ander groot voordeel is dat je heel eenvoudig kunt zien wat het effect van een wijziging in je methode is... je past je formules aan, drukt op de knop en meteen zie je of het resultaat verbetert of verslechtert.
Is elke methode geschikt voor een backtest?
Sommige methodes zijn zo complex dat je een heel uitgebreid programma en enorm veel data nodig hebt om tot een realistische backtest te komen. Andere methodes zijn te vaag om er harde (objectieve) regels voor op te stellen, bijv. omdat ze gebaseerd zijn op bepaalde nieuwsfeiten, en laten zich daardoor moeilijk backtesten. Voor mij zou dat reden genoeg zijn om zo'n methode niet toe te passen: als ik het niet kan backtesten dan wil ik het ook niet traden.
Nadeel van een backtest
Het zou leuk zijn als er geen nadelen aan een backtest zitten, maar zo simpel is het leven niet. Het grootste voordeel van een backtest is namelijk ook meteen het grootste nadeel: je hebt het traden van 10 jaar gereduceerd tot een druk op de knop. De vele pijnlijke verliezen die je anders als een nooit te vergeten leermoment zou hebben ervaren worden gereduceerd tot de tekst "73 winstgevende trades, 18 verliesgevende trades". Die drie maanden slecht slapen omdat je kapitaal in een paar slechte trades met 30% is gereduceerd wordt door de computer gerapporteerd als "maximale drawdown 30%". En het feit dat je je in zo'n drawdown periode realiseert dat door die paar slechte trades de winst van anderhalf jaar traden helemaal verdampt is komt niet eens naar voren uit de statistieken, want de computer beperkt zich tot de mededeling dat deze methode in de afgelopen 10 jaar gemiddeld 15% rendement per jaar heeft gemaakt. Het vertalen van statistieken naar emoties is nu eenmaal niet onze sterkste kant. Wie nog nooit een drawdown van 50% heeft meegemaakt kan gemakkelijk de fout maken om te denken dat 50% drawdown nu eenmaal iets is waar even doorheen moet bijten in de wetenschap dat je methode op lange termijn 20% rendement per jaar oplevert. Helaas... als puntje bij paaltje komt zijn het toch de emoties die er voor zorgen dat we op de bodem van zo'n drawdown 'de stekker er uit trekken' en dus met verlies de arena verlaten.
Statistieken
U zult het al begrijpen... het gemiddelde rendement per jaar is zo'n beetje de minst belangrijkste maatstaf als het gaat om de beoordeling van een backtest. En niet op de laatste plaats omdat het een kengetal is wat heel eenvoudig te beïnvloeden is door met een hefboom te beleggen. De echte belangrijke statistieken zitten aan de risico kant, zoals de maximale drawdown, het percentage verliesgevende trades, de grootste verliesgevende trade, het grootste aantal verliesgevende trades op een rij, etc. Kortom alles wat ons emotioneel raakt en het straks moeilijk maakt om de methode te blijven volgen als er een slechte periode aanbreekt. Want alleen op die manier kunnen we uiteindelijk het 'beloofde' rendement per jaar realiseren.Spreiding van risico
Wat is beter dan een goed werkende beleggingsmethode? Twee, drie of beter nog: vier goed werkende beleggingsmethodes. Door namelijk een aantal methodes naast elkaar toe te passen realiseren we een spreiding van het risico. Als dan een van de methodes in zo'n slechte periode zit, dan worden de verliezen grotendeels opgevangen door de andere methodes die op dat moment wel goed functioneren.Even een rekenvoorbeeld: Stel dat ik twee methodes heb die elk een rendement maken van gemiddeld 20% per jaar, en beide een maximale drawdown hebben gekend van 35%. Door mijn beschikbare kapitaal over de beide methodes te verdelen, zal ik nog steeds een gemiddeld rendement van 20% per jaar maken. De theoretische maximale drawdown is nog steeds 35%, maar dat kan alleen zijn als de twee methodes 100% aan elkaar gecorreleerd zijn, en op exact dezelfde dag een drawdown van 35% realiseren. In de praktijk zal dat nooit voorkomen, en mag je eerder verwachten dat de beide methodes een gezamenlijke maximale drawdown van 25% of minder realiseren. Hoe meer methodes naast elkaar toegepast worden, en hoe lager de onderlinge correlatie, des te beter de demping van de maximale drawdown. Op die manier krijgt u dus hetzelfde rendement voor een aanzienlijk lager risico. Ook hier levert de backtest waardevolle informatie, met name op het vlak van onderlinge correlaties.