Som jag har kommit fram till i de tidigare inläggen i den här serien, finns det fyra dominerande system för indelning av bolag utifrån kommersiella intressen: GICS, ICB, TRBC och MCS. Om dessa förkortningar inte säger dig någonting så är det här inlägget fel ände att börja i, och du kanske borde skumma igenom det här inlägget först. Att jag har valt att rada upp just dessa fyra beror dels på det stora antalet index som styrs av deras indelningar, men också på hur ofta du som privatinvesterare kommer i kontakt med dem när du använder dig av en tjänst (t.ex. Börsdata, Portfolio123, Stockopedia) för att screena fram bolag. Även du som inte behöver en screener, utan använder s.k. scraping för att hämta information om bolag, kommer få information om sektorer/industrier utan att det kanske framgår vilket system som avses. Sannolikheten är däremot stor att det är någon av dessa fyra.
På vilket sätt är informationen om olika sektorer relevant för dig som privatinvesterare, och inte minst: För dig som sysslar med kvantitativa investeringar?
Sektorrotation eller tillgångsallokering
Kunskap om hur sektorer är uppdelade är framför allt extremt viktig för dig som använder en “Sector Rotation Strategy”. Utan koll på vilket system en ETF följer, hur kan du då vara säker på att du undviker de cykliska nedgångarna genom att byta till en annan? Hur vet du att de ETF:er du roterar mellan har en så låg korrelation som möjligt? Även en ren indexinvesterare som inte nödvändigtvis allokerar om baserat på konjunkturcykeln har medvetet eller omedvetet gjort ett val som påverkar exponeringen. Innan ICB antog ett mer cykliskt tänk i sitt system (läs: kopierade GICS) var det här mer relevant. Nuförtiden är likheterna mellan olika system betydligt större än olikheterna, så jag anser att det spelar allt mindre roll. Det kan ändå vara intressant att reflektera över eftersom du kanske kan hitta ETF:er med lägre korrelation genom att välja sådana som följer samma system för indelning av bolag.
Exempel på vad jag menar är att GICS styr indelningen för alla index (och ETF:er) som är kopplade till MSCI eller S&P, medan index (och ETF:er) från FTSE Russell eller STOXX använder ICB.
Återskapa en strategi i ett backtest
Något inte många tänker på är att det även i de flesta backtests för olika strategier finns ett underliggande antagande om sektorindelningar. Det självklara är ju för strategier som specifikt investerar i enstaka sektorer. Även om strategin inte kretsar kring en specifik sektor är det mycket vanligt att den åtminstone försöker undvika någon av dem, såsom Utilities, Financials och/eller Real Estate. Ett känt exempel på detta är Magic Formula, som ursprungligen inte var tänkt att användas på den typen av bolag (något många ändå valt att göra). Bolag som helt eller delvis verkar inom dessa sektorer klassas ganska olika i olika system. Om du därför hämtar ditt dataunderlag från en screener som till exempel följer TRBC, men baserar det på ett backtest gjort på data som följer GICS riskerar du att inte få exponering mot exakt samma typ av bolag. Skillnaden kanske blir marginell, men jag tycker det ändå kan vara intressant att känna till. Mest relevant för de flesta är förstås hur Börsdata hanterar sådana bolag, något jag har skrapat lite på ytan på.
Jag har undersökt detta för två branscher som jag tror är de som skiljer sig mest mellan de olika systemen. Jag exporterade alla bolag från de amerikanska marknadsplatserna som Börsdata klassar som Financials → Holding Companies (Investmentbolag), eller som Utilities (Kraftförsörjning). Sedan tog jag reda på vilka sektorer/industrier andra system placerar dessa i. Just Holding Companies lär vara den kategori inom Financials som skiljer sig mest, samtidigt som Utilities behandlas väldigt olika beroende på hur systemen förhåller sig till specifika energikällor.
Financials → Holding Companies
Av 90 bolag på Börsdata var det 16 st som ett eller flera system valt att placera i en helt annan sektor (ca 18 %). Beroende på system blir skillnaden däremot endast 2-14 bolag. Det tycker jag är tillräckligt lite för att kunna acceptera, och jag frågar mig samtidigt varför jag lade ned så mycket tid på att komma fram till en så obetydlig siffra…
Utilities
Av 115 bolag på Börsdata var det här hela 40(!) bolag som ett eller flera system valt att placera i en helt annan sektor (35 %). Det visade sig att alla system väljer att klassa de flesta av dessa 40 på ett annat sätt än Börsdata, vilket gör att det är minst 26 % av bolagen i Börsdatas Utilities som egentligen borde tas med om du återskapar en befintlig strategi som undviker den sektorn. Som jag nämnde tidigare är det just vissa specifika energikällor (Biomass, Renewable, Solar och Wind Energy) som Börsdata placerar under Utilities, medan de andra systemen genomgående lägger dessa någon annanstans (under Energy, Industrials, Information Technology, eller till och med i ett fåtal fall under Financials).
Tror jag att det gör någon skillnad att gå miste om dessa bolag, eller är det här bara ännu en sak som kanske spelar roll, men antagligen inte? Till skillnad från att råka missa ett eller flera bolag inom Financials (en relativt “tråkig” sektor, oftast utan större raketpotential) är vissa energityper verkligen i ropet just nu. Det gäller framför allt förnyelsebar energi, men all energi som inte bygger på fossila bränslen (t.ex. Biomass) är attraktiva investeringar för tillfället. Praktexemplet på detta är förstås Eolus Vind, som trots raset under februari och mars 2020 ändå hade gått upp ca 400 % de senaste 3 åren (och var uppe på över 800 % på tre år innan paniken spred sig på världens börser). Det har pratats mycket om ESG-flöden de senaste åren, och den här typen av bolag passar ofta bra in i de ramar som fonder förhåller sig till när de vill ändra inriktningen mot ökad hållbarhet.
Om 20 år kanske den typen av bolag inte längre är lika intressanta. I de tider vi lever i nu skulle det däremot vara synd att gå miste om sådana möjligheter, enbart genom att lita alltför blint på hur vissa tjänster väljer att dela in olika områden.
Hur vet du vilket system ett backtest är baserat på?
Även om du inte vet vilket system ett backtest är baserat på, kan du vara tämligen säker på att det i alla fall inte är Börsdatas BID. Nu har jag redan hintat om att Greenblatts Magic Formula har att göra med GICS, men hur kan du generellt gå till väga för att svara på den här frågan? I en seriös studie eller backtest står det förstås vilka marknadsplatser som har tagits med (NYSE, NASDAQ m.m.). Ofta ges ingen mer information än så om underlaget; framför allt händer det nästan aldrig att det skrivs ut vilket system som använts. Vad jag har märkt är att det rätt så ofta åtminstone nämns vilken databas som har använts, t.ex. Compustat. Såväl What Works on Wall Street (med alla de strategier som presenteras i den) som Magic Formula och F-Score (bara för att nämna några) är baserade på data från just Compustat. Det är en produkt som tillhandahålls av S&P, och vilket system kan det då vara som används för sektorindelningen?
Just det, GICS.
Compustat har förstås funnits bra mycket längre än GICS. Det gör att bolag som endast fanns före 1999 i efterhand har delats in enligt GICS, enligt någon nyckel för att gå från NAICS (eller SIC) till GICS.
Är sektorindelningar överhuvudtaget relevant för oss?
Ja, en av våra strategier (med det uppenbara namnet Consumer Staples) investerar enbart i bolag inom den sektorn. I den fjärde upplagan av What Works on Wall Street används data från Compustat (GICS) för att hitta de historiskt bästa nyckeltalen för varje sektor. När vi screenar fram bolag vid rebalanseringarna använder vi oss av Portfolio123, som också använder data från Compustat (GICS). Det gör att vi får precis samma exponering som i boken. Det jämförelseindex vi valt för strategin är Consumer Staples Select Sector SPDR®, en ETF från S&P (som även den följer GICS). Korrelationen är alltså total.
För övriga strategier (Trending Value och Magic Formula/F-Score) använder vi oss av Börsdata, och exkluderar Financials (och förstås också Real Estate). Utifrån det jag har skrivit ovan kan vi därför se att backtesten är baserade på data från Compustat (GICS), medan vi hämtar data från Börsdata (BID). Dessutom använder vi iShares Russell 2000 Value som jämförelseindex, en ETF som följer ett index från FTSE Russell (som då följaktligen använder ICB, även om det har mindre betydelse i det här fallet). Här har vi istället fullständigt kaos mellan de olika systemen.
Slutsatser
Gör det något? Nej, jag tror ändå att det får en begränsad påverkan på ditt slutliga resultat. Ett backtest kommer aldrig gå att återskapa till 100 %, även om du skulle vilja. Om vi nu ändå har landat i att skillnaderna mellan olika system ofta är försumbara (åtminstone vad gäller Financials), så tycker jag att du inte behöver lägga mer tid på att tänka på detta (även om du säkert inte gjort det innan heller).
I de senaste inläggen har jag sammanfattat en herrans massa information om allt jag själv tycker är intressant med olika system för sektorindelningar (eller branschklassificeringssystem som de så omständligt heter på svenska). Det är flera år sedan jag började fundera på att göra ett inlägg i det här ämnet. Med facit på hand var det en väldig tur att jag väntade tills nu med detta, eftersom de senaste ändringarna i ICB annars hade gjort stora delar av ett sådant inlägg inaktuellt. Nu finns i alla fall en uppsjö med information om dem i dessa inlägg, för att läsa och glömma bort, eller för att kunna återkomma till när det är något specifikt du vill kolla upp.
Pingback: 4 år med Consumer Staples! - Applying Value