Performance attributie
De methodiek maakt ook non-financiële criteria identificeerbaar en kwantificeerbaar. Een herkenbaar voorbeeld is de energiesector. Die heeft het afgelopen jaar financieel goed gepresteerd, maar is tegelijkertijd vaak onderwogen in de portefeuille van institutionele beleggers. Dit heeft rendement gekost. Wat ontbreekt is het inzicht in de vraag waarom de energiesector onderwogen is. Is dit het resultaat van:
• normatieve uitsluitingen (uitsluiten van de hele fossiele sector)?
• ESG-integratie (uitsluiten van de slechtst presterende bedrijven op basis van ESG-scores)?
• CO2-reductietargets (hanteren van een absoluut plafond en toepassen van een CO2-kaasschaaf)?
• actieve keuzes in een belegginsstrategie?
• of ‘all of the above’? In dat geval, is de vraag: in welke verhouding?
[tk]Machine learning techniek biedt dé oplossing
De methodiek is gebaseerd op de Shapley values, een wetenschappelijke methode die in de jaren ‘50 werd ontwikkeld door Nobelprijswinnaar Lloyd Shapley. Shapley kwam met een theorie om tot een eerlijke verdeling te komen van de uitkomst van een gezamenlijk spel. Daarbij staat het concept van marginale bijdrage centraal: een speler die meer bijdrage levert aan de uitkomst van het spel, wordt daarvoor navenant beloond. Uniek aan deze aanpak is de wijze waarop complexe maar zeer substantiële interactie-effecten tussen spelers goed worden meegenomen in de verdeling. “Het is deze eigenschap die het zo geschikt maakt voor toepassingen in machin-learning-modellen, en dus ook voor het verklaren van posities en daarmee financieel rendement in beleggingsportefeuilles”, licht Portfolio Manager Ralph Sandelowsky van Achmea IM toe.
De resultaten kunnen worden gebruikt bij performance-attributie om een nauwkeurige meting te verkrijgen van het financiële performance-effect van de beleggingsstrategie- en/of de verschillende ESG-keuzes. Deze nieuwe benadering is waardevol voor portefeuillemanagers en vermogensbeheerders van zowel actieve beheerstrategieën als replicatiestrategieën van op maat gemaakte ESG-indices. Het maakt performance-effecten transparant waardoor er mogelijkheden ontstaan om bij te sturen en om verantwoording af te leggen over de gemaakte duurzame keuzes.
De nieuwe benadering kan van grote waarde zijn voor o.a. portefeuillemanagers, vermogensbeheerders en toezichthouders
René Wijnen, Portfolio Manager Equities zegt in een toelichting: ”De opkomst en groei van ESG-beleggen hebben de wereld van beleggen sterk veranderd. Toch blijft het lastig te herleiden wat de precieze impact van ESG-beleid en -keuzes is geweest op de financiële prestaties van een beleggingsportefeuille. En welke keuze verantwoordelijk is voor welk deel van het rendement. Als Achmea Investment Management hebben we nu een methodiek die inzicht biedt in welke ESG-keuzes hebben geresulteerd in welke financiële resultaten.”
De nieuwe benadering van performance-attributie is gebaseerd op een bekende techniek in het domein van machine learning, en kan van grote waarde zijn voor portefeuillemanagers, vermogensbeheerders, bestuurders van institutionele beleggers en toezichthouders. Het biedt partijen meer transparantie, waardoor ze beter in staat zijn om de rendementen van hun beleggingsportefeuilles te verklaren.
Achmea Investment Management heeft een innovatieve methodiek ontwikkeld die inzicht biedt in welke ESG-keuzes hebben geresulteerd in welke financiële resultaten. De methodiek maakt naast financiële ook non-financiële criteria identificeerbaar en kwantificeerbaar. Ook verhoogt het de transparantie in het beoordelen van vermogensbeheerders door inzicht te bieden in de prestaties van de verschillende ESG-afwegingen die op enig moment in een beleggingsproces gemaakt worden.
biedt inzicht in effecten ESG
op financiële prestaties portefeuilles
Nieuw model Achmea IM
De nieuwe benadering kan van grote waarde zijn voor o.a. portefeuillemanagers, vermogensbeheerders en toezichthouders
De methodiek maakt ook non-financiële criteria identificeerbaar en kwantificeerbaar. Een herkenbaar voorbeeld is de energiesector. Die heeft het afgelopen jaar financieel goed gepresteerd, maar is tegelijkertijd vaak onderwogen in de portefeuille van institutionele beleggers. Dit heeft rendement gekost. Wat ontbreekt is het inzicht in de vraag waarom de energiesector onderwogen is. Is dit het resultaat van:
• normatieve uitsluitingen (uitsluiten van de hele fossiele sector)?
• ESG-integratie (uitsluiten van de slechtst presterende bedrijven op basis van ESG-scores)?
• CO2-reductietargets (hanteren van een absoluut plafond en toepassen van een CO2-kaasschaaf)?
• actieve keuzes in een belegginsstrategie?
• of ‘all of the above’? In dat geval, is de vraag: in welke verhouding?
[tk]Machine learning techniek biedt dé oplossing
De methodiek is gebaseerd op de Shapley values, een wetenschappelijke methode die in de jaren ‘50 werd ontwikkeld door Nobelprijswinnaar Lloyd Shapley. Shapley kwam met een theorie om tot een eerlijke verdeling te komen van de uitkomst van een gezamenlijk spel. Daarbij staat het concept van marginale bijdrage centraal: een speler die meer bijdrage levert aan de uitkomst van het spel, wordt daarvoor navenant beloond. Uniek aan deze aanpak is de wijze waarop complexe maar zeer substantiële interactie-effecten tussen spelers goed worden meegenomen in de verdeling. “Het is deze eigenschap die het zo geschikt maakt voor toepassingen in machin-learning-modellen, en dus ook voor het verklaren van posities en daarmee financieel rendement in beleggingsportefeuilles”, licht Portfolio Manager Ralph Sandelowsky van Achmea IM toe.
De resultaten kunnen worden gebruikt bij performance-attributie om een nauwkeurige meting te verkrijgen van het financiële performance-effect van de beleggingsstrategie- en/of de verschillende ESG-keuzes. Deze nieuwe benadering is waardevol voor portefeuillemanagers en vermogensbeheerders van zowel actieve beheerstrategieën als replicatiestrategieën van op maat gemaakte ESG-indices. Het maakt performance-effecten transparant waardoor er mogelijkheden ontstaan om bij te sturen en om verantwoording af te leggen over de gemaakte duurzame keuzes.
Performance attributie
René Wijnen, Portfolio Manager Equities zegt in een toelichting: ”De opkomst en groei van ESG-beleggen hebben de wereld van beleggen sterk veranderd. Toch blijft het lastig te herleiden wat de precieze impact van ESG-beleid en -keuzes is geweest op de financiële prestaties van een beleggingsportefeuille. En welke keuze verantwoordelijk is voor welk deel van het rendement. Als Achmea Investment Management hebben we nu een methodiek die inzicht biedt in welke ESG-keuzes hebben geresulteerd in welke financiële resultaten.”
De nieuwe benadering van performance-attributie is gebaseerd op een bekende techniek in het domein van machine learning, en kan van grote waarde zijn voor portefeuillemanagers, vermogensbeheerders, bestuurders van institutionele beleggers en toezichthouders. Het biedt partijen meer transparantie, waardoor ze beter in staat zijn om de rendementen van hun beleggingsportefeuilles te verklaren.
biedt inzicht in effecten ESG
op financiële prestaties portefeuilles
Achmea Investment Management heeft een innovatieve methodiek ontwikkeld die inzicht biedt in welke ESG-keuzes hebben geresulteerd in welke financiële resultaten. De methodiek maakt naast financiële ook non-financiële criteria identificeerbaar en kwantificeerbaar. Ook verhoogt het de transparantie in het beoordelen van vermogensbeheerders door inzicht te bieden in de prestaties van de verschillende ESG-afwegingen die op enig moment in een beleggingsproces gemaakt worden.
Nieuw model Achmea IM
