We hebben dan in feite te maken met een unknown unknown. We weten niet wat de uitkomsten zijn en hebben ook geen idee hoe deze te kwantificeren. Historische realisaties geven hier geen leidraad meer.
Momenteel worden beleggers geconfronteerd met twee belangrijke voorbeelden van zulke onzekerheid. Op korte termijn worden markten op dit moment gedomineerd door de uitbraak van het coronavirus. Op langere termijn is klimaatverandering een belangrijke onzekerheid. In beide gevallen worden beleggers geconfronteerd met een tweetal eigenschappen die deze ontwikkelingen fundamenteel onzeker maken:
- Uniek: er is geen duidelijk historisch equivalent op basis waarvan we de risico’s kunnen schatten.
- Niet-lineair: De risico’s bevatten niet-lineaire afhankelijkheden: relatief kleine gebeurtenissen kunnen hierdoor grote effecten hebben.
Voor beleggers is een belangrijke vraag hoe met dergelijke onzekerheid om te gaan.
Een eerste voorbeeld: De uitbraak van het coronavirus
Laten we eerst de uitbraak van het coronavirus als voorbeeld nemen. Sinds het begin van dit jaar is de wereld door de virusuitbraak in een ongekende situatie beland. Toen de uitbraak nog vooral gelimiteerd was tot China, was de impact op aandelenmarkten beperkt. Men verwachtte dat de groei van de Chinese economie – en als gevolg de wereldhandel - zou tegenvallen, maar dat de directe effecten beperkt zouden blijven tot China en omringende landen. De verspreiding van het virus medio februari naar Zuid-Korea en Italië maakte duidelijk dat deze aannames geen stand hielden. Nu het virus zich over vrijwel alle landen heeft verspreid is de vraag die beleggers bezighoudt welk scenario zich zal voltrekken. Er is immers geen direct voorbeeld van een grootschalige uitbraak van een virus in de moderne economie. De laatste wereldwijde pandemie was de uitbraak van de Spaanse griep ruim honderd jaar geleden. Op dat moment woedde de Eerste Wereldoorlog nog en was nog geen sprake van een echte mondiale productieketen. Recenter was er de uitbraak van SARS. Deze was – alhoewel het virus dodelijker was dan 2019-nCov – van beperktere omvang dan hetgeen we nu zien met COVID-19. Beide gevallen laten zich dus lastig vertalen naar uitspraken over de huidige situatie.
Wanneer men wordt geconfronteerd met een dergelijke onzekerheid is het verstandig om verschillende mogelijke scenario’s te verkennen. In het geval van het coronavirus zouden we twee extreme scenario’s kunnen identificeren:
- Containment: Enerzijds is er het scenario dat de virusuitbraak nu op zijn hoogtepunt is en de diagnoses vanaf dit moment afnemen. In dit scenario zullen markten waarschijnlijk relatief snel herstellen. De economie zal beperkt geraakt worden door een vraagschok, maar zal op korte termijn weer op het niveau van voor de uitbraak draaien. De aandelen en rentes die initieel zijn gedaald door de crisis zullen langzaam weer terugveren.
- Pandemie: Aan de andere kant speelt het scenario dat de virusuitbraak doorgroeit naar een wereldwijde pandemie. In dit geval zal het aantal doden wereldwijd toenemen en zal de wereldeconomie als gevolg lange tijd verstoord raken. Verschillende sectoren zullen langere tijd in zeer beperkte mate functioneren. Dit betekent dat overheden en centrale banken langere tijd grote delen van de economie zullen moeten opvangen door middel van fiscale en monetaire steunpakketten. Rentes zullen als gevolg waarschijnlijk langer laag blijven.
Maar in welk scenario bevinden we ons nu? De waarheid ligt zoals zo vaak waarschijnlijk ergens in het midden. We zullen er dus rekening mee moeten houden dat beide scenario’s zich kunnen voltrekken.
De twee extremen van klimaatverandering
Klimaatverandering biedt een soortgelijk dilemma voor beleggers. Alhoewel we wetenschappelijk goed begrijpen hoe CO2 en het klimaat elkaar beïnvloeden – hiervoor hebben we enkele honderdduizend jaren aan data – is de snelheid waarmee het klimaat nu verandert ongekend. Ook de impact van klimaatverandering op de economie is ongewis. Hoe beprijzen we landbouwgrond die als gevolg van klimaatverandering wellicht straks niet meer bruikbaar is? Wat is de waarde van vastgoed dat zich bevindt in gebieden met toenemend overstromingsgevaar?
Bij klimaatverandering kunnen we twee typen risico’s onderscheiden: transitierisico’s en fysieke risico’s. De transitierisico’s zijn de risico’s die bedrijven en landen lopen als gevolg van de transitie naar duurzame energie. Producenten van olie en gas zullen – als de transitie goed wordt ingezet - een deel van hun reserves niet kunnen verkopen. Deze reserves zijn dan ‘stranded assets’. Het verwachte bedrijfsresultaat daalt, met een lagere waardering als gevolg. De fysieke risico’s zijn daarentegen de risico’s die worden gelopen door het opwarmen van de aarde. Droogte, overstromingen en extreem weer zijn voorbeelden. De analyse zou moeten beginnen met het in kaart brengen van de gevoeligheden.
Met welk van deze twee risico’s zou een belegger rekening moeten houden? Ook in dit geval kunnen we twee extreme scenario’s beschrijven:
- Energietransitie: In het eerste scenario wordt vol op de energietransitie ingezet. Het resultaat is dat portefeuilles worden geraakt door transitierisico’s. Landen die het vooral van olie-inkomsten moesten hebben zien hun inkomsten teruglopen. En bedrijven die sterk afhankelijk zijn van de fossiele economie moeten drastisch veranderen of gaan failliet. Nieuwe technologieën zullen voor alternatieven voor fossiele brandstoffen moeten bieden. En productieketens zullen door stijgende energie en transportkosten worden verlegd.
- Extreme klimaatverandering: Aan de andere kant staat het scenario waarin we niets veranderen aan het gebruik van fossiele brandstoffen. De economie blijft komende jaren doordraaien op olie en gas. Waarschijnlijk zal er daardoor in de eerste paar jaar weinig veranderen. Het duurt enige tijd voordat de fysieke risico’s zich echt kunnen manifesteren. Opkomende landen gaan dan waarschijnlijk als eersten de nadelige effecten van klimaatverandering ondervinden: deze landen liggen over het algemeen dichter bij de evenaar waardoor hittegolven en extreem weer sneller kunnen ontstaan. Daarnaast hebben deze landen een kwetsbaarder infrastructuur waardoor zij eerder geraakt worden bij calamiteiten als overstromingen of orkanen. Maar ook binnen de ontwikkelde landen zijn er regio’s die te kampen krijgen met overstromingen, bosbranden, orkanen, etc.
Ook hier geldt dat de scenario’s uitersten van een spectrum van mogelijke maar onzekere uitkomsten beschrijven. Als vooral wordt ingezet op de energietransitie zullen we naar verwachting vooral met het eerste type risico worden geconfronteerd. Wordt daarentegen geen actie ondernomen dan zijn het de fysieke risico’s die domineren.
Een bayesiaans perspectief
Voor beide voorbeelden is de belangrijke vraag hoe we bepalen waar we ons tussen de twee extreme scenario’s bevinden. In beginsel zouden we kans-agnostisch naar de scenario’s kunnen kijken en onze beleggingsportefeuille op beide scenario’s voorbereiden, een zogenoemd no-regret beleid. Voor die risico’s die men niet wil of kan dragen, lijkt dit een verstandig uitgangspunt. In de praktijk is hier lang niet altijd sprake van. Dan moet een afweging worden gemaakt tussen de verschillende opties en bijbehorende voor- en nadelen.
Bij het beleggen is het probleem dat de beleggingscategorieën die het goed doen in één extremum, het vaak slecht doen in het andere extremum. Aan trade offs valt moeilijk te ontkomen. Als de virusuitbraak wordt teruggedrongen zullen risicovolle beleggingen het naar verwachting goed doen. Escaleert de situatie en krijgen we met een pandemie te maken, dan zullen risicovolle beleggingen inleveren. Idealiter duiden we dus wel een waarschijnlijkheid dat we meer in het ene of het andere scenario terecht komen.
Er moet dus een waarschijnlijkheid aan de scenario’s worden gekoppeld, maar het ontbreekt aan een statistische basis om deze kansen te schatten. In dit geval zouden we met een Bayesiaanse bril naar het probleem kunnen kijken. In de Bayesiaanse statistiek wordt de à priori kansverdeling gezien als een subjectieve inschatting van de ware kansverdeling. Wanneer nieuwe informatie beschikbaar komt, wordt de kansverdeling geüpdatet om zo tot een kansverdeling te komen die deze nieuwe informatie reflecteert. De à priori kansverdeling wordt objectieve statische kansverdeling, maar is juist een subjectieve, dynamische, inschatting van de waarschijnlijkheid dat een scenario zich voordoet. Door deze subjectieve kansverdeling telkens aan te passen aan de nieuwe informatie ontstaat een lerend, dynamisch systeem waarmee we kunnen analyseren of de kans dat we in een van de scenario’s terecht komen toeneemt.
Voor het geval van de coronavirusuitbraak zou dit er als volgt uit kunnen zien. De kans dat we in een pandemie terecht komen is onder andere afhankelijk van de dagelijkse toename van het aantal diagnoses met het coronavirus. Het aantal nieuwe diagnoses kan fluctueren tussen 0 – dan is de uitbraak beheerst – en een exponentiële toename waarbij iedere nieuwe patiënt een groot aantal nieuwe patiënten creëert. Wanneer het aantal nieuwe positieve diagnoses op dagbasis exponentieel toe begint te nemen, dan lijkt de kans groter dat we richting een pandemie bewegen. We geven dan een grotere waarschijnlijkheid aan het pandemiescenario. Op het moment van schrijven neemt het totale aantal nieuwe besmettingen wereldwijd eerder exponentieel toe en concluderen we dus dat we wereldwijd dichter bij een situatie zitten waarin zich het pandemiescenario voltrekt. Lokaal zijn er echter grote verschillen: in China is het virus succesvol ingedamd, terwijl het Westen grote moeite heeft om het virus te bestrijden. Het dilemma is welk van deze situaties op termijn zal domineren. Zo lang dit niet duidelijk is zullen beleggers worden geconfronteerd met onzekerheid en beide scenario’s deels moeten in prijzen.
Ook in het geval van klimaatverandering kunnen we beide extremen op deze wijze combineren. Momenteel wordt wereldwijd nog weinig vaart gemaakt met de energietransitie. Verschillende landen liggen behoorlijk achter op schema om de doelstellingen die in 2015 in Parijs zijn afgesproken te halen. Nederland is een van die landen. We dichten daarom nu meer kans toe aan het scenario waarin de fysieke effecten van klimaatverandering zullen domineren. Mocht de net door EUCommissaris Frans Timmermans gepresenteerde Europese klimaatwet tractie krijgen en de energietransitie op gang komen, dan stijgt daarentegen de waarschijnlijkheid van het energietransitiescenario.
Conclusie
Beleggen in een onzekere wereld vergt een manier van denken waarin plaats is voor scenario’s waar we geen voorbeelden van in het verleden hebben gezien. Hierbij is scenario-analyse een onmisbaar instrument om de gevoeligheden voor verschillende economische uitkomsten te onderzoeken. Het denken in de extreme scenario’s biedt een raamwerk om te bepalen welke effecten de onzekere ontwikkeling op de beleggingsportefeuille kan hebben. Door met een lerend, Bayesiaans perspectief te kijken naar de relatieve waarschijnlijkheid van verschillende scenario’s kunnen beleggers inzicht krijgen in de onderliggende dynamiek van de uitkomsten en zich daarmee beter voorbereiden op de meeste extreme uitkomsten. Daarbij moeten beleggers zich bewust zijn van de limitaties van hun eigen inschattingen en modellen. Te veel vertrouwen in één bepaalde analyse kan leiden tot beleggingsportefeuilles waarin een belegger erg gevoelig wordt voor een bepaalde uitkomst. Goede spreiding over verschillende beleggingscategorieën blijft van belang. En een goede dosis scepsis jegens het eigen kunnen essentieel.
Daarnaast blijft, ondanks dat dit Bayesiaanse perspectief handvatten biedt waarmee beleggers kunnen omgaan met de fundamentele onzekerheid waar ze mee te maken krijgen, in veel gevallen een eigen inschatting van de kans op verschillende mogelijke uitkomsten hard nodig. Daarmee blijft menig beleggingsbeslissing tot op zekere hoogte arbitrair. Zoals hedgefund-manager Peter Lynch ooit stelde: ‘Investing in stocks is an art, not a science’.
Auteur: Reinout van Tuyll van Serooskerken.
H.R.J. van Tuyll van Serooskerken MSc CFA CAIA is Senior Investment Strategist bij Achmea Investment Management.
Bron: Reinout van Tuyll van Serooskerken, AG-AI, (foto)Unsplash
