Bad data
Minstens twee van de zinnen die door beursmakelaars het vaakst gebezigd worden, hebben betrekking op cijfers: het eeuwige “De cijfers vallen hoger uit dan verwacht”, en het negatieve equivalent “De cijfers vallen lager uit dan verwacht”. Als u ooit op een vrijdagmiddag tegen half drie op een beursvloer bent, het tijdstip waarop de Amerikaanse werkgelegenheidscijfers bekend worden gemaakt, zult u zeker een van beide zinnen horen, al dan niet gevolgd door een teleurgestelde krachtterm of een blij “yes!” En als China eerder op de dag cijfers bekendmaakte, dan hoort u ongetwijfeld ook de verzuchting “you cannot trust Chinese statistics”, (veel handelaren zijn Engelstalig).
Maar als het algemeen aanvaard is dat “je niet kunt vertrouwen op Chinese cijfers”, hoe zit dat dan met andere cijfers? Doe je er goed aan om zoveel belang aan macro-economische cijfers te hechten? En hoe moeten de markten ze interpreteren? Al deze vragen komen aan bod in een betrouwbaar onderzoek dat de bank UBS onlangs publiceerde.(1)
Markten reageren op publicaties, en dat heeft vooral een emotionele oorzaak: gepubliceerde cijfers brengen een bepaald sentiment teweeg bij consumenten en beleggers, en zorgen ervoor dat ze op een bepaalde manier handelen. Dat sentiment heeft UBS in een model gegoten dat de ‘gevoeligheidsbarometer’ werd gedoopt. Met die barometer wil de bank de ‘volatiliteit van sentimenten’ vergelijken met de werkelijke volatiliteit van de onderliggende macro-economische cijfers. De resultaten liegen er niet om: de barometer slaat zo snel door dat de naam ‘stressbarometer’ beter op zijn plaats zou zijn geweest. Sinds twee jaar zien we dat de markten steeds sterker reageren op macro-economische invloeden. De afgelopen maanden, waarin de koersen van obligaties, aandelen en valuta’s soms ongekend ver uiteenliepen, zijn daar een veelzeggend voorbeeld van.
Als markten te sterk reageren op macro-economische cijfers, is dat ongetwijfeld het gevolg van het grote belang dat beursmakelaars eraan hechten. Nu we over big data beschikken, zou je kunnen denken dat onze gegevens steeds betrouwbaarder zijn. De werkelijkheid is helaas niet zo eenvoudig.
Laten we bijvoorbeeld eens kijken naar de consumptiecijfers: in de jaren tachtig haalden enquêtes naar dit onderwerp nog een respons van 85%. Inmiddels is dit gedaald naar 65% en geven de resultaten vaker een vertekend beeld. Statistici proberen deze verlaagde betrouwbaarheid te omzeilen door hun gegevens direct van het web te halen, maar daardoor blijven bestedingen die buiten het internet plaatsvinden, onderbelicht. De stap van big data naar ‘bad data’ is snel gezet, en de paradox is duidelijk: hoewel gegevens tegenwoordig steeds gedetailleerder zijn, is hun uiteindelijke betrouwbaarheid niet noodzakelijkerwijs toegenomen.
In dat kader willen we de pragmatische manier vermelden die de Bank of England tegenwoordig hanteert om cijfers te publiceren: die worden steeds vaker in intervallen weergegeven in plaats van als exacte waarden. Het lijkt minder ambitieus om te melden dat de Britse economische groei in 2015 tussen de 2 en 3% lag, in plaats van te bevestigen dat die 2,5% bedroeg, maar verstandelijk gezien is die weergave ongetwijfeld eerlijker.
Door cijfers aan de hand van deze overwegingen te relativeren, raken beleggers weer wat gerustgesteld. Hetzelfde geldt voor het meewegen van minder populaire, maar daarom niet minder belangrijke cijfers. Een voorbeeld? Tegenwoordig maakt 50% van de inwoners van Sjanghai zijn maaltijden niet meer zelf klaar, maar laat ze bezorgen. Dat is veel veelzeggender dan een vaag bbp, en geeft meer zekerheid over de overgang van de Chinese economie naar een diensteneconomie en over de groeiperspectieven van de op een na grootste economie ter wereld.
Didier Le Menestrel