Hoe een Nederlands baggerbedrijf liet zien dat mijn systeem een denkfout had

Vandaag keek ik naar de top vijf koopsignalen van mijn handelssysteem. Bovenaan stond, alweer, BAMNB. Voor wie het niet kent: dat is Boskalis, het Nederlandse baggerbedrijf dat zandvlaktes maakt en havens uitdiept.

Ik ken Boskalis goed. Het is een prima bedrijf. Maar bovenaan een lijst van 462 aandelen wereldwijd, boven NVIDIA, boven Microsoft, boven elke Amerikaanse tech-gigant? Dat klopt niet.

Mijn systeem zag iets fundamenteel scheef. Het kostte me een paar uur om uit te vinden wat, en het antwoord vertelt iets belangrijks over hoe je multi-factor modellen bouwt.

Wat het systeem zag

Mijn Value factor probeert te meten of een aandeel goedkoop is. Eén van de belangrijkste maatstaven is EV/EBITDA: wat betaal je voor de hele onderneming, gedeeld door wat het bedrijf aan winst maakt voor rente, belasting en afschrijvingen.

Op 1 juni 2022 zag het systeem dit:

• Boskalis EV/EBITDA: 6,0
• Wereldwijde mediaan EV/EBITDA: 14,2

Boskalis was, op het oog, 57 procent goedkoper dan een gemiddeld bedrijf in mijn universum. Dat klinkt geweldig. Het systeem gaf hem dan ook een Value z-score van +3,0, het maximum dat het systeem toelaat.

Maar er zit een addertje onder dat geweldige cijfer.

De vergelijking die niet klopt

Een bagger bedrijf vergelijken met de wereldwijde mediaan is appels met peren vergelijken. Mijn universum bevat NVIDIA, met een EV/EBITDA van 50. Microsoft op 25. Snowflake op 80. Het cloud, AI en software segment trekt het wereldwijde gemiddelde fors omhoog.

Boskalis is geen tech bedrijf. Het is infrastructuur. Het bouwt fysieke dingen. Een infrastructuur bedrijf zou je moeten vergelijken met andere infrastructuur bedrijven, niet met software bedrijven.

Toen ik dat besefte, keek ik naar de mediaan binnen Industrials, waar Boskalis in zit:

• Industrials sector EV/EBITDA mediaan: 11,8

Boskalis op 6,0, vergeleken met sector mediaan van 11,8. Dat is nog steeds goedkoop, maar veel minder extreem dan ten opzichte van de wereldwijde mediaan. De Value z-score zou veel lager moeten zijn.

Mijn systeem maakte een fout van categorie. Het vergeleek over alle sectoren tegelijk, alsof een baggerbedrijf en een AI bedrijf op dezelfde meetlat horen.

De refactor

Het oplossen van deze fout was een dag werk. Ik heb mijn Value factor herschreven om binnen sectoren te normaliseren in plaats van over het hele universum.

De technische details laat ik hier weg, maar het idee is simpel. Voor elk aandeel kijk je naar de andere aandelen in dezelfde sector, berekent het sector gemiddelde en de sector standaarddeviatie, en gebruikt dat als referentiekader voor de z-score.

Het effect op Boskalis was dramatisch:

• Voor refactor: Value z-score +3,0 (maximaal capped)
• Na refactor: Value z-score +0,6 (gewoon, redelijk goedkoop binnen sector)

Een daling van bijna tachtig procent. Niet omdat Boskalis ineens minder goedkoop was, maar omdat ik nu de juiste vergelijking maakte.

Heijmans, een andere Nederlandse aannemer, ging van +3,0 naar +2,87. Bijna geen verandering. Dat klopt: Heijmans is echt extreem goedkoop binnen z'n sector, niet alleen wereldwijd. De refactor onthulde welke signalen genuine waren en welke door mijn meetfout overdreven werden.

Waarom dit belangrijk is

Wat hier gebeurde is een klassiek probleem in factor models. Wanneer je iets meet over een gemixte populatie, krijg je vertekening door structurele verschillen tussen subgroepen.

Tech bedrijven hebben fundamenteel hogere multiples dan baggerbedrijven. Dat heeft niets te maken met of een specifiek bedrijf onder of overgewaardeerd is. Het is een eigenschap van de sector. Software heeft hogere marges, meer schaalvoordelen, minder kapitaalintensiteit. Aandeelhouders betalen daarvoor meer per euro winst, en dat is rationeel.

Als je dit niet corrigeert, krijgen jouw factor scores een sectorale bias. Industrials, Materials en Energy lijken altijd "goedkoop" omdat ze fundamenteel andere multiples hebben. Tech, Software en Healthcare lijken altijd "duur". Je systeem zou continu old-economy aandelen aanbevelen, niet omdat ze fundamenteel ondergewaardeerd zijn, maar omdat ze in een sector zitten waar lagere multiples normaal zijn.

Dat is precies wat mijn systeem deed in juni 2022. Boskalis bovenaan, BAMNB op nummer twee, Heijmans op drie. Allemaal Nederlandse infrastructuur en bouw. Geen NVIDIA in zicht. Niet omdat tech echt overpriced was vergeleken met de fundamentele situatie, maar omdat mijn meetlat scheef was.

De bredere les

Bouwen met data betekent voortdurend nadenken over wat je vergelijkt. Nummers in tabellen voelen objectief, maar de manier waarop je ze relateert aan elkaar is een keuze, en die keuze maakt of breekt je systeem.

Mijn handelssysteem is tien keer of zo herschreven om dit soort denkfouten te corrigeren. Soms vond ik ze zelf. Soms wees Cursor, mijn AI die de code schrijft, ze aan tijdens de bouw. Eén keer wees Stockopedia ze aan, een commercieel platform met andere methodes, dat andere conclusies trok over Boskalis dan mijn systeem.

Drie verschillende systemen die naar dezelfde data kijken kunnen drie verschillende dingen zeggen. Dat is niet omdat één van ze fout is. Het is omdat de aannames anders zijn. Welke vergelijking maak je? Welke benchmark gebruik je? Welke periode? Welke groepering?

Voor mij was de les: er is geen "natuurlijke" manier om aandelen te vergelijken. Elke methode maakt impliciete keuzes. De kunst is om die keuzes expliciet te maken en te toetsen of ze logisch zijn voor wat je probeert te meten.

De refactor was niet briljant. Het was correctie van een denkfout die er vanaf het begin had moeten zitten. Maar zo gaat het. Je bouwt iets, je laat het draaien, je kijkt of de uitkomst kloppen, en als ze niet klopt, ga je terug naar de aannames.

Boskalis bovenaan was geen koopsignaal. Het was een signaal dat mijn meetlat scheef stond.