Ambiguity Aversion in Stock Investment: analyse met gegevens over de aandelenmarkt uit de Verenigde Staten en Japan
In het academische hoofdstuk “Ambiguity Aversion in Stock Investment: Analysis Using Stock Market Data from the United States and Japan” onderzoekt Toshiki Honda hoe beleggers omgaan met onzekerheid bij het inschatten van toekomstige rendementen, met bijzondere aandacht voor het fenomeen ambiguïteitsaversie. Deze analyse sluit nauw aan bij actuele discussies binnen de gedragsfinanciering en biedt inzichten die relevant zijn voor zowel theoretici als beleggers in de praktijk. In dit artikel graven we diep in Honda’s methodologie, modellering en empirische bevindingen, en bespreken we kritisch de implicaties van zijn conclusies.
Wat is ambiguïteitsaversie en waarom is het relevant voor beleggers?
Traditionele portefeuilletheorieën, zoals het Capital Asset Pricing Model (CAPM), veronderstellen dat beleggers enkel risico-avers zijn, en zich rationeel gedragen op basis van gekende waarschijnlijkheden. Ambiguïteit gaat echter een stap verder: het verwijst naar situaties waarin de waarschijnlijkheden zelf onbekend zijn. De bekende Ellsberg paradox toont aan dat mensen zich anders gedragen bij ambiguïteit dan bij risico. In plaats van simpelweg risico te vermijden, vermijden ze ook situaties waarin onzekerheid bestaat over de kansverdeling zelf.
Honda past dit principe toe op de financiële markten en stelt dat beleggers zich niet enkel laten leiden door volatiliteit en verwachte rendementen, maar ook door hun mate van vertrouwen in het onderliggende model. Die onzekerheid over het model zelf — bijvoorbeeld het echte verwachte rendement — beïnvloedt hun beleggingskeuzes.
Het theoretisch model van Hara en Honda (2022)
De kern van Honda’s analyse is gebaseerd op het model dat hij samen met Hara ontwikkelde. Dit model breidt de klassieke mean-variance benadering van Markowitz uit door modelonzekerheid expliciet te modelleren. De veronderstelling is dat de variantie-covariantie matrix van de aandelenrendementen gekend is, maar dat er onzekerheid bestaat over de verwachte rendementen. Die worden gemodelleerd als een stochastische variabele met een normale verdeling.
Het nut van de belegger wordt gemodelleerd met een tweelaags verwachtingmodel waarbij onderscheid wordt gemaakt tussen:
- De onzekerheid over de uitkomst van de belegging (risico), en
- De onzekerheid over het model dat het verwachte rendement bepaalt (ambiguïteit).
De risicohouding en de ambiguïteitshouding worden gemodelleerd via aparte parameters, respectievelijk θ en γ. De ambiguous-averse belegger (waarbij de parameter η = γ/θ – 1 groter is dan nul) zal een andere portefeuille kiezen dan de tangency-portefeuille van het CAPM. De optimale portefeuille bevat minder blootstelling aan activa waarvan het verwachte rendement onzeker is. Zo ontstaat de situatie waarin een belegger afwijkt van de CAPM-optimaal geachte portefeuille, puur omwille van ambiguïteitsaversie.
Empirische toepassing: analyse van Amerikaanse en Japanse aandelenmarkten
Honda toetst dit model aan de realiteit via uitgebreide data-analyses van zowel de Amerikaanse als Japanse aandelenmarkt. Hiervoor gebruikt hij maandelijkse data van 1926 tot 2022 (VS) en van 1977 tot 2021 (Japan), onder andere van het bekende FF25-portfolio (Fama-French 25).
De empirische strategie is gebaseerd op de berekening van de zogenaamde implied ambiguity aversion: een maatstaf die weergeeft hoeveel ambiguïteitsaversie nodig is om een gegeven portefeuille als “optimaal” te rechtvaardigen binnen het model. Cruciaal hierbij is de vergelijking tussen de Sharpe ratio van de werkelijke portefeuille (vaak de waardegewogen marktportefeuille) en die van de theoretisch optimale portefeuille (de tangency-portfolio). Hoe groter dit verschil, hoe groter de vereiste ambiguïteitsaversie.
Voor de VS-markt blijkt de implied ambiguity van de marktportefeuille 20.82 te bedragen — een waarde die niet extreem, maar wel significant is. Dit suggereert dat Amerikaanse beleggers inderdaad ambiguïteitsaversie vertonen. De Sharpe ratio van de waardegewogen portefeuille ligt hier op 41% van het maximum dat mogelijk is op basis van de FF25-portefeuilles.
Voor de Japanse markt zijn de resultaten opvallender: de implied ambiguity bedraagt daar 94.35, wat extreem hoog is. Dat impliceert dat enkel een zeer sterke afkeer van ambiguïteit het vasthouden aan de marktportefeuille kan verklaren. Bovendien is de Sharpe ratio van de Japanse marktportefeuille in bepaalde periodes zelfs negatief — wat betekent dat geen enkele ambiguïteitsaversie deze keuze zou kunnen rechtvaardigen.
Interpretatie van de resultaten: beperkingen en alternatieve verklaringen
Honda erkent dat het model bepaalde assumpties maakt die de resultaten kunnen vertekenen. Bijvoorbeeld, de veronderstelling dat de hele afwijking van de marktportefeuille ten opzichte van het mean–variance optimum toe te schrijven is aan ambiguïteit, is simplistisch. Er kunnen ook andere verklaringen zijn:
- Short-selling restricties: beleggers mogen niet altijd alle posities innemen die het model aanbeveelt, wat leidt tot afwijkingen van de theoretisch optimale portefeuille.
- Foutenmarges in verwachtingsschattingen: beleggers passen vaak hun rendementverwachtingen subjectief aan, op basis van nieuwe informatie of intuïtie.
In een uitbreiding van het model wordt daarom ook een short-selling constraint toegevoegd. Hierbij blijkt dat de implied ambiguity van de optimale portefeuille zakt van 20.82 naar 13.27 bij het opleggen van short-verboden. Ook dit blijft echter een relatief hoge waarde. Tegelijk toont Honda aan dat deze beperkte portefeuilles (zonder short-selling) alsnog relatief inefficiënt blijven in de traditionele zin.
Opmerkingen van Hideyuki Takamizawa: waardevolle kritiek en suggesties
Het slotdeel van het hoofdstuk bevat een uitgebreide, kritische beschouwing van Hideyuki Takamizawa, die drie interessante punten aanhaalt:
- Problemen met negatieve Sharpe-ratio’s: In sommige periodes (vooral in Japan) is de Sharpe-ratio van de marktportefeuille negatief, waardoor het model niet werkt. Takamizawa stelt voor om aangepaste rendementsverwachtingen te gebruiken, bijvoorbeeld via een Bayesiaanse aanpak zoals bij Jorion (1986).
- Overestimatie van ambiguïteitsaversie: Als men te veel vertrouwt op de tangency-portefeuille als benchmark, kan de implied ambiguity overschat worden. Alternatieve benchmarks zoals de equally weighted portfolio of een tangency-portefeuille met aangepaste verwachte rendementen kunnen nuttig zijn.
- Empirische toepassingen: De IA-coëfficiënt kan ook gebruikt worden om gedragsveranderingen van institutionele beleggers te meten tijdens economische crisismomenten, zoals de kredietcrisis of de coronapandemie.
Deze aanvullingen zorgen ervoor dat het model niet enkel theoretisch robuust is, maar ook praktisch toepasbaar wordt gemaakt voor verder onderzoek in de gedragsfinanciering.
Een belangrijke bijdrage aan de gedragsfinanciering
Honda’s bijdrage is tweeledig: enerzijds biedt hij een robuust model aan voor het opnemen van ambiguïteit in portefeuillekeuzes, anderzijds toont hij met reële marktdata dat deze afwijkingen van de klassieke theorie significant zijn. Vooral de vergelijking tussen de Amerikaanse en Japanse markt laat zien hoe culturele en economische contexten een invloed kunnen hebben op ambiguïteitshoudingen.
De implicaties voor de praktijk zijn duidelijk: het blind volgen van CAPM-adviezen of passieve marktportefeuilles houdt mogelijk geen rekening met de mate waarin beleggers zich ongemakkelijk voelen bij modelonzekerheid. Meer nog, het gebruik van implied ambiguity kan helpen om beter te begrijpen waarom beleggers bepaalde keuzes maken, ondanks dat die ‘irrationeel’ lijken volgens standaardmodellen.
Een woord van dank
Tot slot willen we prof. Toshiki Honda bedanken voor dit diepgaande en verhelderende werk, dat een brug slaat tussen micro-economische gedragstheorie en empirische portefeuilleanalyse. Eveneens lof voor de aanvullende reflecties van Hideyuki Takamizawa, die waardevolle context en kritische diepgang aan het model toevoegen. Dit hoofdstuk uit de reeks “Japan’s Financial System” vormt een waardevolle bron voor iedereen die geïnteresseerd is in de psychologische factoren die het beleggingsgedrag beïnvloeden.
