Tactische assetallocatie met regels voor kruising van glijdende gemiddelden

Tactische assetallocatie (TAA) met regels voor kruising van glijdende gemiddelden is een systematische, regelgebaseerde methode die de strategische portefeuillesamenstelling dynamisch aanpast op basis van trend‑signalenen die voortkomen uit glijdende gemiddelden. De meest gebruikte variant vergelijkt een kortetermijn‑glijdend gemiddelde — doorgaans een 10‑maands of 50‑daagse simple moving average (SMA) — met een langetermijn‑glijdend gemiddelde (bijv. 200‑daagse SMA) of met het huidige prijsniveau van het actief. Wanneer het kortetermijn‑gemiddelde boven het langetermijn‑gemiddelde kruist (of de prijs boven zijn eigen SMA stijgt), duidt het signaal op positief momentum en leidt het tot een volledige of gedeeltelijke allocatie naar de risicovolle activaklasse; wanneer het kortetermijn‑gemiddelde onder het langetermijn‑gemiddelde daalt (of de prijs onder zijn SMA zakt), wijst het signaal op verzwakking van het momentum en wordt een verschuiving naar cash, obligaties of andere defensieve activa geïnitieerd.

Deze methode operationaliseert trend‑volgende principes op een transparante, herhaalbare manier, waardoor beleggers kunnen profiteren van bull‑markten terwijl ze zich terugtrekken tijdens langdurige neerwaartse periodes. Empirische studies en backtests — waaronder die van Portfolio Visualizer en Faber (2007) — tonen aan dat dergelijke regels de risico‑gecorrigeerde rendementen over aandelen, obligaties en wereldwijde activaklassen aanzienlijk verbeteren, voornamelijk door de blootstelling te verminderen tijdens seculiere bearmarkten en regimes met hoge volatiliteit.

• Kortetermijn‑glijdend gemiddelde: Meestal een 10‑maands of 50‑daagse SMA, gekozen om de responsiviteit op opkomende trends af te wegen tegen ruisonderdrukking. Een kortere periode reageert sneller maar kan meer valse signalen opleveren; een langere periode is stabieler maar reageert later op trendomkeringen.
• Langetermijn‑benchmark: Vaak een 200‑daagse SMA of de 10‑maands SMA zelf (gebruikt in een dual‑SMA‑kruising), die dient als trendfilter. De 200‑daagse SMA wordt algemeen erkend als een proxy voor de jaarlijkse trend in aandelenindices.
• Signaaldrempel: Het kruising‑event zelf — ofwel de prijs die de SMA kruist of de ene SMA die de andere kruist — is de enige trigger voor een wijziging in de allocatie. Er is geen subjectief oordeel of aanvullende data nodig op het moment van uitvoering.
• Positiegrootte‑regel: De meeste implementaties gebruiken 100 % allocatie naar het risicovolle actief wanneer het signaal positief is en 0 % (of 100 % cash/obligaties) wanneer het negatief is; sommige varianten schalen de blootstelling geleidelijk of passen volatiliteitsdoelstelling toe om het portefeuillerisico te stabiliseren.

Het proces wordt uitgevoerd volgens een vast schema (bijv. maandelijks of wekelijks), met de volgende logica:

• Bull signaal: Als de kortetermijn‑SMA > langetermijn‑SMA (of de prijs > SMA), houdt de portefeuille het risicovolle actief (bijv. S&P 500, wereldwijde aandelen).
• Bear signaal: Als de kortetermijn‑SMA ≤ langetermijn‑SMA (of de prijs ≤ SMA), verschuift de portefeuille naar een veilig actief (bijv. Amerikaanse Treasury‑certificaten, kortlopende obligaties).

Bijvoorbeeld, volgens de klassieke 10‑maanden‑SMA‑regel toegepast op de S&P 500 wordt de index alleen aangehouden wanneer de prijs boven de 10‑maanden‑SMA ligt. Historische backtests tonen aan dat deze regel grote neerwaartse bewegingen in 2000‑2002 en 2007‑2009 zou hebben vermeden, terwijl het grootste deel van de upside in bull‑fasen werd vastgelegd.

• Dual moving average crossover: Maakt gebruik van twee SMA’s (bijv. 50‑daags en 200‑daags); een “golden cross” (50‑daags boven 200‑daags) is een bullish signaal, terwijl een “death cross” (50‑daags onder 200‑daags) bearish is.
• Price vs. SMA crossover: Simpeler en vaker gebruikt bij tactische allocatie; vergelijkt de huidige prijs direct met één enkele moving average (bijv. 200‑daags SMA), waardoor de vertraging van dubbele smoothing wordt geëlimineerd.
• Gesmoorde of gewogen gemiddelden: Sommige implementaties vervangen de SMA door exponentiële moving averages (EMA’s) of Hull‑moving averages om de vertraging te verkleinen, zij het ten koste van een grotere gevoeligheid voor kortetermijn‑ruis.
• Multi‑asset rotatie: Breidt de regel uit naar een universum van activaklassen (bijv. wereldwijde aandelen, obligaties, grondstoffen), waarbij alleen die worden geselecteerd waarvan de prijs boven de SMA ligt – een trend‑gebaseerd rotatiesysteem in de praktijk.

Backtests over verschillende aandelenindices en activaklassen (bijv. Amerikaanse large‑cap, internationale ontwikkelde markten, opkomende markten) laten consequent zien dat op moving averages gebaseerde TAA de belangrijkste kengetallen verbetert:

• Lagere volatiliteit: Door de aandelenexposure te verminderen tijdens periodes met hoge volatiliteit.
• Verminderde neerwaartse bewegingen: Het vermijden van langdurige bearmarkten verkleint piek‑tot‑dal verliezen aanzienlijk.
• Hogere risico‑gecorrigeerde rendementen: Sharpe‑ en Sortino‑ratio’s verbeteren vaak, vooral over meerdere decennia.

De strategie kent echter afwegingen: hij presteert ondermaats tijdens sterke, ononderbroken bull‑markten (door vertraagde herintredingen) en genereert transactiekosten en fiscale inefficiëntie bij te frequente toepassing. Maandelijkse herbalancering is doorgaans optimaal om signaalkwaliteit en kosten in balans te houden.

• Achterblijvende aard: Moving averages zijn per definitie terugkijkend; signalen worden pas bevestigd nadat een trend al aanzienlijk is bewogen, wat kan leiden tot de perceptie van “hoog kopen, laag verkopen” tijdens scherpe omkeringen.
• Whipsaw‑risico: In zijwaartse of grillige markten kunnen herhaalde valse signalen het rendement aantasten door onnodige handel en slip.
• Regimesensitiviteit: De regel presteert slecht in mean‑reverting omgevingen (bijv. kortdurende correcties gevolgd door snelle V‑bodems), waar de prijs snel herstelt voordat het signaal omkeert.
• Overfittingrisico: Het optimaliseren van de terugkijkperiode (bijv. 187-daagse versus 200-daagse SMA) op historische gegevens kan misleidende out-of-sample prestaties opleveren tenzij robuustheidstests worden toegepast.

• Inconsistente herbalanceringfrequentie: Dagelijks signalen toepassen zonder een vaste herzieningsdatum introduceert look‑ahead bias en timing‑inconsistentie.
• Transactiekosten negeren: Strategieën met hoge omloopsnelheid kunnen netto‑rendementen onder de break‑even opleveren na kosten, vooral in belastbare rekeningen.
• Blinde toewijzing aan alle signalen: De regel toepassen op elke activaklasse zonder rekening te houden met liquiditeit, correlatie of macro‑regime kan de diversificatievoordelen aantasten.
• Mixen met discretionaire overrides: Subjectief oordeel op de marge introduceren ondermijnt het systematische voordeel en brengt gedragsbiases met zich mee.

Stel dat een belegger op 1 januari 2020 een allocatie van 100 % naar de S&P 500 heeft. De 10‑maanden SMA wordt maandelijks berekend:

• Per 31 maart 2020 sloot de S&P 500 af op ongeveer 2.600, terwijl de 10‑maanden SMA rond de 2.950 lag — de prijs lag onder de SMA, wat een omschakeling naar cash triggerde.
• Het signaal werd positief in mei 2020, toen de S&P 500 boven haar 10‑maanden SMA kwam, en de portefeuille keerde terug naar aandelen.
• Het signaal bleef positief gedurende 2021 en het grootste deel van 2022, en werd pas negatief in oktober 2022 toen de Fed het beleid verstrakte.

In deze periode vermijdde de regel de volledige diepte van de crash in maart 2020 en verliet de markt vóór het steilste deel van de daling in 2022, wat resulteerde in een hoger cumulatief rendement en lagere volatiliteit dan een buy‑and‑hold benchmark — ondanks dat de initiële V‑vormige herstel gemist werd.

Dit voorbeeld toont hoe de mechanische discipline van de regel emotionele afstand en systematische risicobeheersing afdwingt, zelfs wanneer het marktsentiment gepolariseerd is.