Negentig Nederlandse aandelen op
een ,,rijtje” gezet
DR. C.J. PRINS*
De tamelijk algemene stijging van de aandelenkoersen tot begin van dit jaar heeft de belangstelling
voor het beleggen in en speculeren met Nederlandse aandelen flink doen toenemen. Met het stijgen
van de belangstelling neemt de behoefte aan informatie over de verhandelde aandelen evenzeer toe.
In dit artikel wordt een systematische analyse gepresenteerd van de negentig meest verhandelde
fondsen, waarbij per fonds vijftien variabelen zijn gehanteerd. De methode van de principalecomponentenanalyse maakt het o.a. mogelijk de aandelen te klasseren in uiteenlopende categorieen.
Ook is een ranglijst samengesteld naar de gewogen totaalscore op de onderscheiden principale
componenten. Deze top-negentig wordt aangevoerd door Batenburg en Aegon, terwijl Hoogovens en
Schuttersveld de hekkesluiters zijn.
Aanleiding
Het heeft de Amsterdamse aandelenmarkt in 1983 en 1984 niet
aan evenementen ontbroken. Nadat bijna maandelijks nieuwe
,,all-time-highs” konden worden genoteerd, was het begin februari de beurt aan een forse koersval, die de eerdere groei van
bijna 20% uit de voorgaande maand snel teniet deed gaan. En
dan te bedenken dat in de jaren zeventig en het begin van de jaren
tachtig de belangstelling voor de Nederlandse aandelen niet bepaald groot was, zodat dergelijke koersfluctuaties tot dan ongekend waren. De koersgrafiek (zie figuur) van de ANP/CBSindex algemeen laat dit in combinatie met de omzetten (in waardebedragen) voor de afgelopen jaren duidelijk zien.
Figuur. ANP/CBS-index algemeen en het aandelenvolume in
mln. gld.
1977
1978
__ ANP/CBS index algemeen
Y/X. Aandelenvolume Amsterdam (R.. scale)
De toegenomen belangstelling manifesteert zich onder meer in
de behoefte aan informatie. Allerlei vragen worden gesteld. Bovenaan staat de vraag: ,,Waar gaan de koersen de komende
maand heen?” Hoewel degene die deze vraag kan beantwoorden
een gouden toekomst tegemoet gaat, is hier geen poging gedaan
om een instrumentarium te ontwerpen om deze vraag te beantwoorden. Het ging in eerste instantie om het ontwikkelen van
een analyse-instrument dat in staat is enig zicht te brengen in de
712
grote hoeveelheid gegevens. Het doel van dit onderzoek was dan
ook een systematische ordening aan te brengen in de – historische – gegevens van de negentig meest verhandelde fondsen op
de Amsterdamse effectenbeurs in de afgelopen jaren 1). Gehanteerd zijn daarbij gegevens over de koersontwikkeling, de fluctuaties in de koersen, de winstontwikkeling, de dividendpolitiek,
winsttaxaties voor 1983 en 1984 enz., in totaal vijftien gegevens
per onderneming 2).
De grote lijnen
Met behulp van principale-componentenanalyse, een methodiek die naast het blootleggen van structuren datareductie beoogt met behoud van zoveel mogelijk informatie, zijn de gegevens geanalyseerd. Omdat het grootste deel van het cijfermateri-
‘) De auteur is als hoofd van de afdeling Vermogensbeheer verbonden
aan het Spoorwegpensioenfonds te Utrecht.
1) Oehanteerd zijn gegevens van de financieel-economische databank
Datastream en van het periodiek Wegwijzer voor Nederlandse Effekten
van de ABN. Dataverzameling afgesloten per ultimo november 1983.
Sindsdien zijn enige fondsen uit de notering verdwenen, zoals Hero,
HVA en Ballast Nedam.
2) De gehanteerde variabelen zijn:
1. Koers 1-12-1983/winsttaxatie 1983;
2. Dividendrendement per 1-12-1983;
3. Gemiddeld dividend per ultimo over de jaren 1975-1983;
4. Variatiecoefficient variabele 3;
5. Hoog/laag over de jaren 1979-1983;
6. Gemiddelde koers/winstverhouding over de jaren 1975-1983;
7. Variatiecoefficient variabele 6;
8. Aantal jaren met netto verlies uit de periode 1975-1982;
9. Meest recente boekwaarde/koers per 1-12-1983;
10. Variatiecoefficient hoogste koers 1979-1983;
11. Variatiecoefficient laagste koers 1979-1983;
12. Gemiddelde pay-out over de jaren 1975-1983 in perunen;
13. Quotient variabelen 10 en 11;
14. Beta-coefficient per 1-12-1983;
15. Koers per 1-12-1983/winsttaxatie 1984.
Een uitgebreidere versie van het onderzoek met meer gegevens is in
bewerking.
Tabel 1. Resultaten van de principale-componentenanalyse
(Varimax-rotatie)
Principale
component
Benaming
1
Inkomensrisico
,, Volatility” (koersbeweeglijkheid)
Speculaticf karakter
Groeistabiliteit
Koerskwetsbaarheid
Marktgevoeligheid
Pay-out
2
3
4
5
6
7
principale componenten leggen daarnaast de onderliggende
structuur in de dataverzameling bloot.
In tabel 2 zijn de tien hoogst en de tien laagst scorende fondsen
per principale component aangegeven. Aangezien deze scores de
resultante zijn van combinaties van genormaliseerde variabelen,
hebben ook deze scores een gemiddelde 0 en een standaardafwijking van 1. Hantering van een 95% betrouwbaarheidsinterval
houdt dan ook in, dat (bij een normale verdeling) 95% van de
scores zich zullen bevinden binnen de marge van ± 2.
Aangezien in tabel 2 weinig courante fondsen en fondsen met
een zeer ruime verhandelbaarheid in een lijst staan, is deze lijst
Verklaarde Gecumuleervariantie de verklaarde
variantie
28%
14%
13%
10%
9%
9%
7%
28%
42%
55%
65%
74%
83%
90%
niet zonder meer toepasbaar voor het beleggingsbeleid! In positieve zin valt een — beperkt verhandelbaar — fonds als Batenburg op (elektrotechniek/handel) naast de reeds bekende kwaliteitsaandelen als Koninklijke Olie, Hollandse Beton Groep,
Aegon e.d. In negatieve zin is Schuttersveld een uitschieter, in
een groep fondsen waarbij Hoogovens en Holec ook gerangschikt worden als fondsen met hoge risico’s, een hoog speculatief karakter en bij voorbeeld een hoge koerskwetsbaarheid.
aal uit historische gegevens bestaat, valt de nadruk van de analyse op die aspecten die een of andere vorm van risico meten. Het is
opvallend dat de variabelen die met toekomstverwachtingen te
maken hebben, slechts weinig variantie toevoegen aan de dataverzameling en niet in combinatie als principale component optreden (variabele 1 en 15).
In label 1 is het resultaat van de principale-componentenanalyse samengevat. Om het resultaat gemakkelijker te kunnen interpreteren, is eerst orthogonale rotatie toegepast (varimax),
waardoor onderling niet samenhangende principale componenten ontstaan.
Uit label 1 kunnen we opmaken dat we met een component
(6,6% van de data) bijna 30% van de informatie ,,te pakken”
hebben! Er zijn zoveel principale componenten opgenomen totdat de laatste minder dan 6,6% aan de verklaarde variantie toevoegde. Met zeven principale componenten kunnen we dus 90%
van de variantie verklaren. De overige acht componenten leveren dus niet meer op dan 10% informatie en worden voor de verdere analyse niet meer gebruikt.
Bovenstaande componenten bestaan alle uit lineaire combinaties van de oorspronkelijke variabelen. Zo zal het geen verwondering wekken dat bij de eerste component de fluctuatiegraad
van het dividend, het aantal verliesjaren en de gemiddelde
koers/winstverhouding uit de jaren 1975-1983 zwaar wegen 3).
We hebben nu dus een nieuwe kleinere dataverzameling, die
bestaat uit de,,scores” van de negentig oorspronkelijke fondsen
op de zeven bovenstaande principale componenten. Deze zeven
3) Factorladingen per principale component:
Variabele
1
3
4
5
2
6
KoersInkomens- Volatility Speculatief GroeiMarktkarakter stabiliteit kwetsbaar- gevoeligrisico
heid
heid
Variatiecoefficient
dividcndrendement
Gem. dividendrendemem 1975-1983
Aantal jaren met netto
7
Pay-out
0,93
-0,91
verlies (1975-1982)
0,86
Gem. koers/winstverhouding (1975-1983)
Variatiecoefficient
hoogste koers
0,85
0,84
Variatiecoefficient
laagste koers
Koers/winstverhouding 1984
Koers/winstverhouding 1983
Recente boekwaarde/
koers per 1-12-1983
Verhouding variatiecoefficienten hoogste
koers/laagste koers
Beta’s per 1-12-1983
Gem.pay-outl975-1983
0,76
0,93
0,84
-0,86
0,90
0,87
0,71
Tabel 2. De tien hoogst en de tien laagst scorende fondsen per principale component, met factorscore
Hoogste scores
1
Inkomensrisico
(laag)
1 ,5 Batenburg
,2 Ceteco
,2 Riva
,2 Scheepsh.b.
,2 Reesink
,1HBG
,lKon. Olie
,1 Landre & Gl’man
,0 Desseaux
,0 Aegon
2
Volatility
(laag)
1,7 Batenburg
1,6 Scheepsh.b.
1,4 Aegon
1 ,4 Desseaux
l,3Wereldhave
1.3ABN
1,2 Ceteco
l,2StadR’dam
1,2 Reesink
1,1 HBG
3
Speculatief karakter
(laag)
1 ,6 Batenburg
1,3 Ceteco
1,3 HBG
1,3 Scheepsh.b.
1,2 Riva
1,2 Kon. Olie
1,1 Aegon
1,1 Smit Intern.
l.OBrederoVB
1,0 ABN
4
5
6
7
Groeistabiliteit
(hoog)
Koerskwetsbaarheid
(laag)
Marktgevoeligheid
Pay-out
(laag)
0,9 Ahold
0,9 Nat. Ned.
0,9 Stad R’dam
0,8 Aegon
0,8 Bols
0,8 Wolters Sams.
0,8 Hoek-Loos
0,8 Amev
0,8 Telegraaf
0,8 CSM
(laag)
4,1 Aegon
2,3 Telegraaf
2,8 Batenburg
2,0 Wereldhave
1,7 Nat. Ned.
1.7KNP
l,7Ver. Glas
2,0 Landre &G1. ‘man
,7 Reesink
,7 Eriks
,6 Hero
,5 Sanders
,5 Tw. Kabel
,5 Wereldhave
,3 Desseaux
1,5 Amev
1.2VRG
1.2NCB
1.2ACF
2, 1 Scheepsh.b.
,5 Batenburg
,4 Aegon
,4 HBG
,4 Nat. Ned.
,3 Ballast Nedam
,3 Stad R’dam
,3 Scheepsh.b.
,3 Kon. Olie
,2 Caland
,2 CSM
Laagste scores
1
2
3
4
5
Inkomensrisico
Volatility
(hoog)
Speculatief karakter
Groeistabiliteit
(hoog)
(laag)
Koerskwetsbaarheid
(hoog)
(hoog)
– 2,8 Schuttersveld
— 2,7 Hoogovens
-2,2 Holec
-2,0 Hero
–
–
-4,0 Schuttersveld
– 2,2 Pont Houthandel
-2.1WUH
-2,0v. Berkel
,9VM-Stork
-1.8KBB
,8 Proost & Brandt -1,5 Nijverdal ten Gate
,8Palthe
-l,5VolkerSt.
-l,5Gist-B.
,7KNP
-1,5 Wegener
,6CKK
1 ,5 Pont Houthandel – l,2Cred. Lyonnais
ESB 8-8-1984
-2,5 Pont Houthandel
-2.3WUH
-2,3 Cred. Lyonnais
– 2,3 v. Berkel
-2.3KBB
-2,2 HAL
– 2,2 Hoogovens
-l,8Nedlloyd
-1,5 Hero
-l,4Otra
-6,7 Schuttersveld
– 3,4 Holec
– 2,0 Pont Houthandel
– ,2 HAL
– ,OCKK
– ,0 Meneba
– .ONedlloyd
– ,0 v. Berkel
– 0,9 Hoogovens
-O.SInternatioM.
-2,2 Schuttersveld
-1,5 Wegener
-1,3 V. Dorp
-1,3 Meneba
-l,2Buhrm. T.
-l,2Blijd.Willink
– l , l v . Berkel
-1,1 Verto
6
Marktgevoeligheid
(hoog)
– 2,3 Hoogovens
– ,8Nedlloyd
– ,7Akzo
– ,6 v. Berkel
– ,5FGH
– ,5VMF-Stork
– ,3 Holec
– ,3 Verto
-1,1 Bos Kalis
– ,3 Hagemeijer
-1.1FGH
– ,3 Internatio M.
7
Pay-out
(hoog)
-3, 4 Hoogovens
-2.0KNP
– 2,0 Proost & Brandt
-l,7Akzo
-1,7 Pont Houthandel
-1,6 HAL
– 1,5 Cred. Lyonnais
-1,4 Holec
-1.4KBB
-1.4KLM
713
Tabel 3. Groepsindeling van negentig Nederlandse aandelen
Groep 1.
Bijzondere aandelen
Groep 2.
Groep 3.
Normale grociaandelen Kwaliteitsaandelen
Groep 4.
Uiterst speculatieve
aandelen
Groep 5.
Groep 6.
Matig speculatieve
aandelen
..Neutrale aandelen”
Inkomensrisico
Volatility
Groeistabiliteit
Speculatief karakter
Koerskwetsbaarheid
Marktgevoeligheid
Pay-out
– 0,6: gering
– 1,1: zeer gering
0,3: neutraal
-0,1: neutraal
– 0,6: gering
– 0,4: gering
0,6: hoog
-0,6: laag
1,0: gering
-0,1: neutraal
-0,8: laag
– 0,9: zeer gering
– 1 ,0: zeer gering
0,4: neutr. /gering
-0,9: zeer laag
0,1: neutraal
— 1 ,2: zeer laag
-0,8: laag
1,6: zeer hoog
1 ,9: zeer hoog
– 2,0: zeer laag
2,0: zeer hoog
– 0,9: zeer hoog
1 ,2: zeer hoog
1 ,6: zeer hoog
1,0: hoog
0,6: hoog
— 0,4: neutr. /hoog
0,7: hoog
-0,5: hoog
0,7: hoog
0,9: hoog
– 0,2: neutraal
0,1: neutraal
0,3: neutr. /gering
– 0,2: neutraal
-0,5: hoog
0,2: neutraal
– 0,2: neutraal
Fondsen:
4 Aegon
57NCB
87 Wereldhave
2ACF
7AMEV
9 Audet
14 Bols
23CSM
27 Econosto
34 Gamma
40 Heineken
42 Hoek-Loos
56 Nat. Nederl.
61 Norit
69 Philips
77 Telegraaf
79 Unilever
SOVer.Glas
85 VRG
89 Wolters Samson
1 ABN
3 Stad R’dam
8AMRO
10 Ballast Nedam
1 1 Batenburg
12 Van Berkel
38 HAL
43 Holec
44 Hoogovens
5 Ahold
ISBorsumij W.
16 Bos Kalis
18 Buhrm-T.
17 Bredero VB
70 Pont Houthandel
75 Schuttersveld
90WUH
6AKZO
13Blijdestein-W.
21CKK
22 Cred. Lyonnais
26 Van Dorp
29 Emba
31FGH
36 Gist-Brocades
37 Hagemeijer
41 Hero
45HVA
46 Internatio M.
49KLM
51KNP
53 Meneba
58 Nedlloyd
Gemiddelde score op:
2,4: zeer gering
– 0,9: laag
– 0,2: neutraal
19Caland
20 Ceteco
24 Deli-mij
25 Desseaux
30 Eriks
39HBG
48 Kluwer
50 Kon. Olie
52 Landre & Gl’man
59 Scheepsh.b.
60NMB
72 Reesink
73Riva
74 Sanders
47KBB
28 Elsevier-NDU
32 Fokker
33 Furness
35 Giessen-de Noord
54 Naarden
55 Nagron
62 Nutricia
MOcev.d.Grinten
66 Van Ommeren
68 Pakhoed
83VNU
88 Wessanen
63 Nijverdal t. C.
65 Otra
67 Palthe
71 Proost & Brandt
81 Verto
82 VMF-Stork
84 Volker Stevin
86 Wegener
76 Smit Int.
78 Twentse Kabel
Tabel 4. Rangordening van negentig Nederlandse aandelen van zeven principale componenten
Rangnr. Waardering
1
2
3
,43
,35
,19
,03
,02
,02
0,97
0,%
0,96
0,92
4
5
6
7
8
9
10
11
0,92
12
0,88
13
0,85
14
0,83
0,76
0,75
0,72
0,71
15
16
17
18
19
20
21
0,69
0,66
0,66
0,65
22
23
0,65
Fonds
Rangnr. Waar-
Fonds
Rangnr. Waar-
Batenburg
Aegon
Scheepshyp.bank
HBG
Kon. Olie
Reesink
ABN
Stad Rotterdam
Riva
Desseaux
Nat. Nederlanden
Amev
Ceteco
Landre & Gl’man
Hoek-Loos
Caland
Ballast Nedam
VRG
Bols
Kluwer
Twentse Kabel
Unilever
Wolters Samson
24
25
26
27
28
29
30
31
32
0,65
0,65
0,63
0,62
0,62
0,62
0,61
0,60
0,59
33
34
0,58
0,58
35
36
37
38
39
0,52
0,52
0,41
0,38
0,36
40
0,34
41
0,29
0,27
42
43
44
45
46
0,24
0,23
0,20
0,19
Fonds
Rangnr. Waar-
Smit Internationale
Bredero VB
Telegraaf
Audet
NMB
Wereldhave
Eriks
Ver. Glas
AMRO
CSM
Gamma
Norit
Deli-mij
ACF-Holding
VNU
Sanders
Elsevier-NDU
Furness
Econosto
Philips
Wessanen
Bos Kalis
NCB
Afhankelijk van de eisen die men stelt aan zijn beleggingspor-
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
0,15
0,12
0,08
0,08
0,07
-0,05
-0,08
-0,08
-0,12
-0,17
-0,25
-0,33
-0,42
-0,43
-0,51
-0,53
-0,56
-0,57
-0,58
-0,59
-0,62
-0,65
-0,71
Fonds
dering
dering
dering
Heineken
Borsumij-Wehry
Ahold
Nagron
Buhrmann-Tetterode
Nutricia
Van Ommeren
Oce v.d. Grinten
Pakhoed
Naarden
Fokker
Giesen-De Noord
Hagemeijer
Blijdestein-Willink
Meneba
Akzo
Gist-Brocades
Verto
Emba
Otra
Hero
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
-0,72
-0,75
-0,77
-0,81
-0,82
-0,83
-0,85
-0,87
-0,89
-0,92
-1,02
-1,05
-1,05
-1,12
-1,23
-1,34
Van Dorp
Nijverdal ten Gate
KNP
Palthe
HVA
KLM
Cred. Lyonnais Bank Ned.
Internatio Miiller
Proost & Brandt
Volker Stevin
Wegener
VMF-Stork
CKK
HAL
KBB
WUH
-1,45 Van Berkel
-1,71 Holec
-1,75 Pom Houthandel
-1,88 Hoogovens
-2,72 Schuttersveld
Nedlloyd
FGH
Een typering in samenhangende groepen
tefeuille is het mogelijk fondsen te selecteren uit deze kwaliteitsindeling naar diverse criteria. Het is daarbij wel noodzakelijk
om deze kwaliteitsindeling up-to-date te houden, omdat zich in
de rangordening verschuivingen kunnen voordoen. Zo lijkt het
gewenst twee maal per jaar deze analyses aan te passen voor de
We kunnen de informatie van de zeven principale componenten nog op een andere wijze inzichtelijk maken, te weten via
recente koersbeweging, de inmiddels gerealiseerde jaarcijfers en
ke componenten. Er is gezocht naar een clustering waarbij er een
de mogelijk veranderde winstindicaties. Om vergelijkingen mogelijk te maken moeten de clusters stabiel blijven. Bij de concrete
toepassing van deze schema’s zijn de verhandelbaarheid en het
volume van uitstaande aandelen aanvullend te wegen criteria.
maximale variantie optrad in de gemiddelde f actorscores over de
cluster, hierbij is het aantal te formeren clusters van fondsen gevarieerd van 15 tot 3. Uiteindelijk bleek bij zes clusters een optimaal resultaat te worden bereikt. In label 3 is dit samengevat.
714
clustering van de negentig fondsen in een aantal groepen, waarbij iedere groep een specifieke score heeft op elk der afzonderlij-
De resultaten in label 3 laten een groepsindeling zien die met
een aantal tussenwaarderingen verloopt van ,,kwaliteitsaandeel” naar ,,uiterst speculatief”. Veel opmerkelijke resultaten
— gezien de eerdere analyses — levert deze klasse-indeling niet
op behalve de waardering van Ahold in de groep ,,neutraal”,
terwijl Ahold er in de specifieke factoren uitsprong met een zeer
hoge groeistabiliteit. De andere waarderingen deden Ahold echter in deze groep belanden. De koersontwikkeling, die mede
werd be’invloed door de fusie Ennia/Ago, deed Aegon in een
specifieke groep met Wereldhave en NCB belanden. Waarschijnlijk hoort Aegon structured meer thuis in de groep met
Amev, Nationale Nederlanden e.d., die gekarakteriseerd is als
,,normale groei-aandelen”. De overname van NCB door Chase
Manhattan en de perikelen rond Wereldhave zijn overigens van
kwaliteit van een aandelenportefeuille le berekenen en om na le
gaan op welke onderdelen de portefeuille moel worden aangepasl aan de eisen zoals die in het beleggingsbeleid zijn geformuleerd. De wegingscoefficienlen kunnen dan onlleend worden
aan de omvang van hel belreffende fonds in relalie tot het totaal
in aandelen belegd vermogen. Tol slot nog de constatering dat de
afslanden in de lop-vijf veel groler zijn dan in die welke gemiddeld in de lop-derlig worden aangelroffen! In negalieve zin
blijkl overigens een analoog verhaal op te gaan! Bij dit alles
slaan Batenburg en Aegon nog op eenzame hoogte; diep in hel
dal zillen Hoogovens en Schullersveld. Een volgende top-negentig moet uilwijzen of Hoogovens (en/of anderen) als slijgers op
deze lijsl een ,,slip-nolering” krijgen en of de lijslaanvoerders
hun hoge posilies kunnen handhaven.
analoge aard als die welke Aegon in de groep ,,bijzondere” aandelen deed belanden.
Conclusie
De ranglijst van negentig Nederlandse aandelen uit 1983
Het is mogelijk om de afzonderlijke scores op de zeven principale componenten samen te voegen tot een totaalscore per aandeel en deze scores vervolgens te rangschikken van ,,goed” naar
,,slecht”. Voor de hier gehanteerde totaalscore zijn de factorscores gewogen met hun aandeel in de verklaarde variantie en
vervolgens gesommeerd. Eerst is er nog een uniformiteit in de tekens van de scores aangebracht waarbij een plusteken synoniem
was met een hoge (positieve) score en een minteken gehanteerd
werd bij een minder positieve waardering, conform label 2. Het
resultaal is in label 4 samengeval.
We kunnen deze indeling op haar beurl weer gebruiken om de
Hel is goed mogelijk om in de grole hoeveelheid gegevens mel
betrekking lot Nederlandse aandelen enige ordening te brengen.
Enerzijds kunnen met behulp van principale-componentenanalyse de slrucluren worden blootgelegd, anderzijds kan ook een
belangrijke mate van datareductie worden toegepasl. De inzich-
lelijke gegevensverzameling die hierdoor ontslaat, maakt een
aantal analyses mogelijk die zowel onderlinge vergelijkbaarheid
vergrool als porlefeuille-analyse vereenvoudigt. Hiertoe is
clustering van de eerder bereikte lussenresullalen een goed hulpmiddel.
C.J. Prins