Morningstars kvantitative team
Morningstar har lenge hatt kvantitative analytikere og ansatte med høy utdanning, men for en god del år siden ble det satt opp et dedikert team som jobber utelukkende med avanserte finansielle modeller. Etter hvert som suksessene har kommet, har også teamet fått flere ressurser og jobber med stadig mer komplekse problemstillinger. Blant produkter som teamet har lansert er kvantitativ aksjerating og kvantitativ fondsrating som begge søker å etterligne Morningstars analytikere for å dekke resten av universet. I tillegg har de blant annet vært ansvarlig for risikofaktormodellen, nettotegnings-attribusjonsmodell og ad hoc analyser og ‘white papers’ om blant annet kvinnelige forvaltere for å nevne noe.
Maskinlæring gjennom en ‘random forrest’
Morningstar Rating var den første og enkleste varianten vi har av en kvantitativ modell, det den gjør er objektivt å vurdere historiske risikojusterte resultater målt mot konkurrentene i samme kategori av fond. Morningstar Kvantitativ Rating er mange steg mer komplisert og er dessverre noe mer en ‘sort boks’ som kalkulerer resultater. Først starter man med et treningssett, i dette tilfellet de verdiene som Morningstars analytikere setter til hvert fond, så bruker man en algoritme for å finne veien gjennom skogen og komme ut med de samme resultater. Det heter ‘random forrest’ fordi man har et beslutningshierarki hvor man begynner med ulike datapunkter. Eksempelvis for kostnader, har den høy eller lav kostnad? Lav blir positivt. Har fondet resultatbaserte kostnader? Slik fortsetter modellen å vurdere statistisk datapunktene inntil den kommer til en beslutning.
5 modeller
I dette tilfellet er det 5 modeller som skal vurderes, på samme måte som med analytikerne blir analysen delt inn i 5 pilarer, personer, prosess, forvaltningsselskap, resultater og kostnader. Og hver pilar får enten positiv, nøytral eller negativ vurdering.
Maskin versus person
Den store ulempen med personer er at de skalerer så dårlig, mens man må stille spørsmål til maskinen på Pythonsk eller Rsk (kvanteteamet bruker begge språk). Maskinen kan kverne millioner av datapunkter i løpet av kort tid og gi resultater ut i andre enden. Derfor kan man oppdatere analysene løpende (i praksis hver måned) for alle fond i databasen. En analytiker må imidlertid gå gjennom prosesser med forberedelse, intervju av forvalter, etterarbeid, presentasjon foran en komite og skrive en endelig rapport som offentliggjøres. Maskinen gjør bare regresjoner og etterligner resultatene ved å se etter likheter mellom beslutningene som gjøres av personer og andre tilsvarende fond.
I tillegg så ser personene som oftest på de største og viktigste fondene i Europa som helhet. Derfor vil de ha en positiv bias, mens maskinen blir fortalt at man skal ha 15 % negative fond og en stor andel nøytrale. Dessuten slipper også maskinen å skrive en tekst, den skal bare komme med konklusjonene.
Det som imidlertid er vært å merke seg i dette er at maskinene er avhengig av menneskene. En viktig input i deres beregninger er de konklusjonene som analytikerne har kommet til på tilsvarende type fond. Modellene benytter dette som viktig faktor, og så er det jo også mennesker som har laget modellene. Det er skalebarheten, sammen med analytikerne, som gir Morningstar nå mulighet til å presentere en Morningstar Kvalitativ Rating på et mye større univers.
Stille lansering i februar
Hvis dette er første gangen du hører om disse ratingene, er det ikke så rart. Morningstar hadde en stille lansering i Europa i februar 2018. Det var litt mer informasjon da vi lanserte i USA omtrent et år i forveien, men selv der har det vært relativt stille fra oss. Det er en viss fare for at det blir forvirringer med så mange forskjellige systemer.
Modellen søker å etterligne analytikerne, og den ser på et mye mer komplekst datasett enn Morningstar Rating, derfor vil man kunne se forskjellige vurderinger for Morningstar Kvanitativ Rating og Morningstar Rating. For å vise poenget har jeg tatt ut distribusjonen av Morningstar Rating versus Morningstar Kvantitativ Rating:
Som du ser har flere fond med 4 og 5 stjerner både nøytral og negativ vurdering av beslutningstreet vårt og dersom vi hadde hatt et større utvalg, ville man sett også flere fond med 1 og 2 stjerner som får Gold, Silver eller Bronze Morningstar Kvantitativ Rating.
Dermed får vi altså en slik fordeling for fond som har norsk domisil (antall fond er noe høyere fordi det ikke kreves 3 års historikk slik som for Morningstar Rating):
Som man fort ser, så er maskinlæringsprosessen streng, 18 % får negativ, 53 % nøytral, og 29 % av utvalget får en positiv vurdering i Norge på dette tidspunktet. Norske forvaltere er ikke en egen prosess, men en del av at global forordning. Man konkurrerer blant annet mot et stort antall konkurrenter i spesielt i globale aksjer også videre.
