Wanneer 8% er uitziet als een crash

Vandaag, bij het bouwen van mijn prijzen-ingest, stelde ik een simpele vraag aan Claude: "als het dividend nu wel 8% is, werkt het dan nog steeds goed?"

Context: ik moest kiezen tussen twee endpoints bij mijn data-provider. Een endpoint, voor wie het in een vorige blog miste, is een specifieke vraag die je aan een data-bron kunt stellen. Vast adres, vast antwoord-format. Een soort menu-item. De ene leverde ruwe prijzen, de andere leverde "dividend-adjusted" prijzen.

Claude had de adjusted versie aangeraden. Argument: dividenden zijn meestal 1 tot 3 procent per jaar, dus marginaal binnen een swing trading horizon.

Logisch. Maar dat zat me niet helemaal lekker.

Wat is een swing trading horizon?

Snel uitleggen, want anders volgt niemand: mijn systeem koopt aandelen voor enkele weken tot maanden. Niet day trading (binnen één dag), niet long-term investing (jaren). Tussen die twee. Bij een paar maanden positie maakt een 1-3% dividend per jaar inderdaad niet veel uit. Een paar tienden van een procent op je positie.

Maar sommige aandelen keren veel meer uit. ING zit op 7 tot 8 procent. Energie-aandelen vergelijkbaar. Vastgoed soms boven de 10 procent.

Bij die getallen werkt "marginaal" niet meer als argument.

Wat raw close doet bij een dividend uitkering

Stel: een aandeel staat op 100 euro. Het bedrijf keert 8 euro dividend uit. Op de ex-dividend dag opent de koers op 92 euro. Niet omdat de markt slecht denkt over het bedrijf. Omdat die 8 euro inmiddels in jouw rekening staat.

Raw close laat zien:

• Dag 1, voor dividend: 100 euro
• Dag 2, ex-dividend: 92 euro
• Dag 3: 92,50 euro

Voor de markt is dit een normale dag. Voor je portfolio-waarde: niets is veranderd. Je had 100 euro aandeel. Nu heb je 92 euro aandeel plus 8 euro cash.

Maar mijn trading systeem zou dit lezen als een drop van 8 procent. Want het ziet alleen de koers.

Twee dingen die kapot gaan

Stop loss. Ik heb een regel "verkoop bij verlies van meer dan 8 procent". Met raw data zou een normale dividend uitkering automatisch mijn stop loss raken. Verkopen bij wat eigenlijk geen verlies is. Klassiek geval van het systeem dat slimmer denkt te zijn dan jij, en daardoor dommer reageert.

Momentum factor. Een van mijn signalen voor "is dit aandeel in een uptrend" zou structureel verkeerd zijn voor hoog-dividend aandelen. Energie, banken, vastgoed. Precies de sectoren waar ik wel posities verwacht. De momentum-z-score zou aanhoudend te laag uitvallen. Banken zouden minder vaak in de top tien staan dan ze verdienen.

Wat dividend-adjusted doet

Dividend-adjusted close herrekent alle historische prijzen retroactief. De serie wordt:

• Dag 1: 92 euro (gecorrigeerd)
• Dag 2: 92 euro
• Dag 3: 92,50 euro

Geen valse drop. Mijn systeem leest het correct als "vlakke koers". Stop loss triggert niet onnodig. Momentum klopt.

Waar het mis had kunnen gaan

Als ik Claude's eerste argument had geaccepteerd (marginaal, 1 tot 3 procent), had ik raw data gebruikt. Dan had bij elke ex-dividend dag van een Nederlands bank-aandeel mijn systeem foute signalen gegenereerd. Verkooporders bij wat geen verlies was. Momentum scores die structureel verkeerd waren voor mijn dividend-zware Nederlandse universum.

En het gemene is: het zou maandenlang werken zonder dat ik het door had. De fouten zouden niet groot zijn. Eén positie verkocht waar het niet had gehoeven. Een momentum ranking iets verlaagd voor een bank. Pas als ik specifiek naar een dividend-aankondiging zou kijken, of Sharpe ratio's tussen sectoren ging vergelijken, zou het opvallen.

In de tussentijd zou ik ondertussen handelen op een systeem dat structureel verkeerde dingen deed.

Goede sparring is goede vragen

Goede sparring met AI is niet dat AI altijd het juiste antwoord geeft. Het is dat een goede vraag van mij Claude dwingt om scherper na te denken.

Mijn vraag "wat als het wel 8 procent is" maakte expliciet dat de eerdere geruststelling te makkelijk was. Claude erkende het direct, gaf een sterker antwoord met onderbouwing, en de keuze staat nu vast in mijn project documentatie. Over een half jaar kan ik nog steeds volgen waarom raw data afgekeurd is en adjusted gewonnen heeft.

De rode draad uit mijn eerdere blogs: structuur en discipline maken een AI tool waardevol. Niet de tool zelf. Variant daarvan vandaag: de juiste vraag op het juiste moment is het verschil tussen een werkend systeem en een systeem dat maandenlang stilletjes verkeerd handelt.

Stille fouten zijn de duurste fouten. Vooral als er echt geld in het spel zit.