Beurshandelaren lezen de krant niet. Dat doet hun algoritme wel
Software die nieuwsbronnen scant en dan razendsnel beleggingsadvies geeft: professionele beleggers gebruiken die inmiddels bijna allemaal.
Grote financiële instellingen lopen er niet mee te koop. Maar bijna allemaal gebruiken ze software die continu wereldwijd tienduizenden nieuwsbronnen scant op aankoop- dan wel verkoopsignalen. Kinderarbeid, milieuramp of een incapabele bestuurder in het nieuws? Eruit met het aandeel van dat bedrijf.
Op 5 november 2015 breekt een dam door bij het Braziliaanse dorpje Bento Rodrigues. Er stroomt 40 miljoen liter vervuild water uit de ijzermijn de rivier in, waardoor de drinkwatervoorziening van honderdduizenden mensen in gevaar komt. Zeker negentien mensen komen om.
‘Het is wrang’, zegt een oud-effectenhandelaar die niet met zijn naam in de krant wil. ‘Maar als je direct na zo’n gebeurtenis als eerste short gaat in het bedrijf dat bij zo’n ramp betrokken is, in dit geval de mijnbouwbedrijven Vale en BHP Billiton, dan is dat wel lonend.’
De genoemde handelaar werkt niet meer in de effectenbranche. Zijn werk is grotendeels overgenomen door algoritmes die worden aangestuurd door data-analisten. Die algoritmes zoeken in tienduizenden nieuwsbronnen naar nieuws dat de koers van een bedrijf, of de kredietwaardigheid van een klant kan beïnvloeden.
Fractie van een seconde
Bram Stalknecht, ceo van Semlab, levert zulke software aan financiële instellingen. Zijn grootste klanten zijn Deutsche Börse en de Amerikaanse zakenbank JPMorgan. In een non-descript kantoorgebouw, naast Wolters Kluwer in Alphen aan de Rijn, legt Stalknecht enthousiast uit hoe het werkt. 'Wij leveren niet alleen aan de financiële sector', zegt hij. 'Maar ook aan bijvoorbeeld farmaceuten. Onze software scant voor hen patenten. Om te kijken of zo’n patent een bedreiging kan vormen voor de medicijnen die ze zelf verkopen, of dat ze misschien zelf gebruik kunnen maken van zo'n patent.'
De software die hij aan zijn financiële klanten levert, scant in 15 milliseconde zo’n 100.000 nieuwsbronnen waar ook ter wereld. 'Snelheid is belangrijk voor de high-frequency traders', zegt Stalknecht. 'En de nauwkeurigheid natuurlijk. Wij maken aan de hand van nieuws een sentimentscore, tussen de tien en de min tien. Tien is een duidelijk koopsignaal, min tien een verkoopsignaal. Dat signaal pushen we naar onze klanten. Voor welke aandelen? Voor Deutsche alle aandelen die op hun beurzen genoteerd staan, zoals de Stoxx, DAX , MDax en SDax. Voor JPMorgan de top 1000-aandelen.'
De gebruikers van Semlabs software willen vooruitlopen op de koersbewegingen op de beurs, om daarmee geld te verdienen of verliezen te beperken. Het fenomeen waarvan zij willen profiteren wordt wel ‘luie prijzen’ genoemd, zoals beschreven in een onderzoek van Cohen, Malloy en Nguyen. Die nemen hierin de jaarverslagen van het Amerikaanse biotechnologiebedrijf Baxter als voorbeeld.
Ondeugdelijke infuuspompen
Tot 2009 publiceert Baxter ieder jaar vergelijkbare jaarverslagen: stabiele cijfers en voorspelbaar taalgebruik. Maar in 2009 meten de algoritmes van de onderzoekers een sterke verandering in Baxters jaarverslag. Het woord 'infuuspomp' komt opeens heel vaak voor.
In de maanden na de publicatie van het jaarverslag publiceert de New York Times een serie artikelen over Baxters infuuspompen die niet goed zouden werken. De Food and Drug Administration (FDA) start een onderzoek naar de pompen en Baxter haalt ze niet lang daarna van de markt, met een koersdaling van 20% tot gevolg. Het verhaal van Baxter staat volgens de onderzoekers model voor andere nieuwsverhalen: er kunnen weken dan wel maanden overheen gaan voordat bedrijfsnieuws volledig in de koersen is verwerkt.
Dit ging trouwens ook op voor de bedrijven die eigenaar waren van de genoemde Braziliaanse dam: mijnbouwbedrijven BHP Billiton en Vale. Hun koersen bereikten het dieptepunt, respectievelijk 37% en 43% procent lager, tweeënhalve maand na de ramp.
Zoeken naar tegenstellingen
Dit is allemaal oud nieuws voor Maarten Geerdink, hoofd van het Europese aandelenteam bij NNIP. Met zijn team van aandelenanalisten en datawetenschappers heeft hij de afgelopen tijd de telefoonconferenties onder de loep genomen, die ceo’s traditiegetrouw houden met analisten en journalisten na de presentatie van hun kwartaalcijfers. 'We krijgen de uitgetypte gesprekken aangeleverd door een dataleverancier', zegt Geerdink. 'We hebben nu 150.000 van die gesprekken in een database opgeslagen. Onze software zoekt hierin naar woorden die een bepaald sentiment kunnen aanduiden.'
Geerdink noemt als voorbeeld 'but' en 'however', woorden die een tegenstelling of een afzwakking van het voorgaande kunnen inleiden. 'Als dergelijke woorden vaker worden gebruikt, gaat onze sentiment-score omlaag', aldus Geerdink. 'We hebben gezien dat het werkt. We zijn nog in de testfase, maar de kans is groot dat we deze techniek als input gaan gebruiken om onze beleggingsbeslissingen nog beter te onderbouwen. ”
Bij Robeco zijn ze al een stap verder. Op de vraag of nieuwsalgoritmes worden gebruikt bij de aandelenselectie volgt een volmondig 'ja'. Jan de Koning, portfoliomanager Enhanced Indexing, benadrukt wel dat dit alleen bij de 'kwantitatief beheerde' fondsen gebeurt. Volgens De Koning is bedrijfsnieuws vooral relevant als het ingaat tegen de heersende mening. Daar scannen Robeco’s modellen dus vooral op.
'De koers van een bedrijf dat het goed doet op de beurs en waarover veel positief nieuws naar buitenkomt, reageert niet heel sterk op nog meer positief nieuws', zegt hij. 'En we zien vaak dat de nieuwsberichten over ondergewaardeerde ondernemingen te negatief is. Dat effect moet je wel inbouwen in je model.'
Productieproblemen bij Tesla
Stalknecht van Semlab noemt de voorbeelden van Tesla en Volkswagen. Nieuws over productieproblemen heeft bij Tesla veel meer invloed op de koers dan bij Volkswagen. 'Bij Volkswagen speelt dit soort problemen continu, maar daar zijn de verwachtingen veel minder hooggespannen, waardoor nieuws hierover nauwelijks invloed heeft op de koers. Dit in tegenstelling tot bij Tesla.'