Jeg stødte første gang på Fama-French-modellen, da jeg sad og undrede mig over noget helt konkret: jeg havde en bred verdensindeks-ETF og en mindre “value”-fond ved siden af, og i en periode gav de to vidt forskellige afkast, selvom jeg i mit hoved bare havde lagt dem begge i kassen “aktier”. Jeg gik ud fra, at aktier stort set var aktier. Det var, da jeg begyndte at grave i, hvorfor de to fonde reelt opførte sig så forskelligt, at jeg stødte på Fama og Frenchs arbejde, og det ændrede grundlæggende, hvordan jeg siden har læst et fondsafkast. I dag spørger jeg mig selv, før jeg konkluderer noget som helst om en fonds præstation: er det her faktisk dygtighed, eller afspejler det bare, at fonden har en anden risikoprofil end det, jeg sammenligner med?
Problemet, modellen forsøger at løse
Før Fama og French var den mest udbredte måde at forklare en akties forventede afkast på den såkaldte CAPM-model (Capital Asset Pricing Model), der i sin kerne siger: jo mere en aktie svinger sammen med det samlede marked (dens “beta”), jo højere afkast bør du forvente af den. Det er en enkelt, elegant idé, men i praksis viste den sig utilstrækkelig: to aktier med præcis samme markedsbeta kunne stadig have systematisk forskellige gennemsnitsafkast over tid, og CAPM havde ikke noget svar på hvorfor.
I 1992 dokumenterede Eugene Fama og Kenneth French i tidsskriftet The Journal of Finance, at to andre kendetegn ved et selskab, dets størrelse og dets forhold mellem bogført værdi og markedsværdi, forklarede en stor del af den variation i afkast, som CAPM ikke kunne. Året efter, i 1993, formaliserede de fundet i en egentlig model i Journal of Financial Economics, og det er den, der i dag går under navnet Fama-French-modellen.
De tre oprindelige faktorer
Modellen bygger videre på CAPM’s markedsfaktor og lægger to faktorer til:
Størrelse (SMB, “Small Minus Big”). Historisk har mindre selskaber i gennemsnit givet et højere afkast end store selskaber, når man ser på lange perioder. Tænk på forskellen mellem at eje en andel i et lille, mindre kendt selskab og en global gigant som Novo Nordisk: den lille aktie er typisk mere illikvid, mindre analyseret af professionelle investorer, og mere sårbar over for tilbageslag, en risiko markedet historisk har betalt en præmie for at bære.
Værdi (HML, “High Minus Low”). Aktier med en høj bogført værdi i forhold til deres markedspris, ofte kaldet “value”-aktier, har historisk givet et højere gennemsnitsafkast end aktier, hvor markedet priser selskabet højt i forhold til dets bogførte værdi (“growth”-aktier). Et klassisk eksempel er forskellen mellem en veletableret bank eller industrivirksomhed, der handles tæt på sin bogførte værdi, og en hurtigt voksende teknologiaktie, hvor størstedelen af værdien ligger i forventninger til fremtiden, ikke i det, selskabet allerede ejer.
Tilsammen betyder det, at en fond, der er tiltet mod små og “billige” (value) selskaber, ifølge modellen bør forventes at svinge mere og på lang sigt give et andet gennemsnitsafkast end en bred fond, der bare følger et marked som helhed, uden at det nødvendigvis siger noget om, hvor dygtig forvalteren er.
Udvidelsen til fem faktorer
I 2015 udvidede Fama og French modellen med to faktorer mere, baseret på ny forskning i, hvad der yderligere kunne forklare forskelle i afkast:
Profitabilitet (RMW, “Robust Minus Weak”). Selskaber med en robust driftsindtjening har historisk givet et højere afkast end selskaber med svag driftsindtjening, selv når man tager højde for størrelse og værdi.
Investeringsniveau (CMA, “Conservative Minus Aggressive”). Selskaber, der investerer forsigtigt i nye aktiver, har historisk givet et højere afkast end selskaber, der investerer aggressivt, muligvis fordi aggressiv investering ofte er et signal om, at ledelsen jagter vækst uden at være lige så disciplineret om afkastet på hver investeret krone.
Hvorfor det betyder noget for dig, der ikke er akademiker
Du behøver ikke selv regne på faktorer for at få noget ud af det her. Den praktiske pointe er en anden: næste gang du sammenligner to fonde, og den ene har givet et markant bedre (eller dårligere) afkast end den anden, er det værd at spørge, om forskellen skyldes reel dygtighed hos forvalteren, eller om den ene fond bare har en anden sammensætning, flere små selskaber, flere “billige” selskaber, end den anden. En aktivt forvaltet fond, der historisk har “slået markedet”, har i mange tilfælde bare haft en tilt mod små eller value-aktier, ikke nødvendigvis en forvalter, der er bedre til at plukke enkeltaktier.
Der findes i dag ETF’er, der bevidst er bygget til at tilte mod disse faktorer (“factor”- eller “smart beta”-fonde), i modsætning til brede indeksfonde der bare følger markedet uden vægtning efter størrelse eller værdi. Vil du undersøge, om en konkret fond er egnet til din aktiesparekonto, kan du som altid slå den op på Skats positivliste selv, uanset om det er en bred fond eller en faktortiltet en af slagsen.
Den ærlige del: det er ikke en gratis frokost
Det, jeg selv ville ønske, jeg havde vidst tidligere, er dette: faktorpræmierne er ikke en garanti. De er et historisk gennemsnit, der kan forsvinde eller vende helt om i årtier ad gangen. Værdipræmien (HML) gav i gennemsnit 4,4 % om året fra 1926 til 2019, men var faktisk negativ, -0,9 % om året, i perioden fra 2009 til 2019. En hel investerings-generation kunne altså have siddet med en bevidst value-tiltet portefølje og set den underpræstere et almindeligt verdensindeks i et helt årti, præcis modsat af, hvad den historiske forskning ellers pegede på.
Det er et argument for at forstå modellen ædru, ikke for at ignorere den. Den forklarer, hvorfor afkast historisk har varieret. Den garanterer ikke, hvad der sker fremover. Hvis du vælger at tilte din portefølje mod en bestemt faktor, skal du være indstillet på, at det kan tage meget lang tid, før det (om nogensinde) betaler sig, potentielt et helt årti eller mere, ikke bare måneder.
Sådan bruger jeg det selv i dag
Jeg bruger ikke Fama-French-modellen til at vælge, hvilke aktier jeg selv køber. Jeg bruger den til at være mere ærlig over for mig selv, når jeg vurderer et afkast. Har en fond klaret sig bedre end min brede verdensindeks-ETF, spørger jeg mig selv, om den bare har haft en anden, mere risikofyldt sammensætning i den periode, i stedet for automatisk at konkludere, at jeg har fundet en bedre fond. Det er en kedelig, ukarismatisk brug af en berømt akademisk model, men det er også den, der reelt gør mig til en mere ædru læser af mine egne afkasttal.
Vil du se, hvor den slags risikoforståelse passer ind i resten af porteføljearbejdet, kan du finde afsnittet igen i den samlede guide til at opbygge en ETF-portefølje.