Absolutreport. Neue Perspektiven im Asset-Management

Transkript

1 Nr. 49 Mai/Juni 2009 ISSN Absolutreport Neue Perspektiven im Asset-Management Systematisches -Management für passive Investments und ETF-Portfolios am Beispiel eines Aktienportfolios Tindaro Siragusano und Andreas Neumann Absolut Research GmbH Große Elbstraße 277 D Hamburg, Germany Telefon: +49 (0) Telefax: +49 (0) Internet: Copyright 2009, Absolut Research GmbH. Alle Rechte vorbehalten. Die Vervielfältigung, Veränderung und/oder Verbreitung von Inhalten des Absolut Report und des Absolut Report-Quarterly ist nur mit schriftlicher Genehmigung der Absolut Research GmbH gestattet.

2 inhalt absolutreport nr Langfristige Asset Allocation und kurzfristige Steuerung von institutionellen Multi-Asset-Portfolios Während die Erfolge taktischer Asset Allocation besonders in Krisenzeiten fragwürdig sind, haben sich einige Risiko--Konzepte in der Krise bewährt. Dr. Dirk Söhnholz und Dr. Sascha Rieken, Feri Institutional Advisors untersuchen, ob Risiko-s, die bislang fast nur für traditionelle Asset- Klassen verwendet wurden, auch für nicht traditionelle und wenig liquide Asset-Klassen möglich sind und ob eine strategische Asset-Klassen- Diversifikation weiterhin positiv zu beurteilen ist. Sekundärtransaktionen bei Private-Equity-Fondsbeteiligungen Der Sekundärmarkt für Private-Equity-Beteiligungen bietet Investoren aufgrund niedriger Bewertungen derzeit günstige Einstiegsmöglichkeiten. Tarek Mardini und Dr. Philip Schwarz van Berk, Pöllath + Partners beschreiben die notwendigen Schritte einer umfassenden Due Diligence und liefern Investoren einen praxisnahen Leitfaden für Private-Equity-Fondsbeteiligungen. Systematisches -Management für passive Investments und ETF-Portfolios am Beispiel eines Aktienportfolios Gerade bei Long-only-Aktieninvestments hat sich in den letzten Zyklen gezeigt, dass selbst bei einem längerfristigen Anlagehorizont nicht unbedingt befriedigende Ergebnisse erzielt werden konnten. Tindaro Siragusano und Andreas Neumann, Berenberg Bank untersuchen, ob Investoren mithilfe eines systematischen -Management-Konzepts zur Marktpreisrisikosteuerung dennoch nachhaltigen Anlageerfolg erzielen können. Agrarinvestments für das institutionelle Portfolio Die Möglichkeiten für institutionelle Anleger, sich in dem speziellen Anlagesegment Agrarinvestments zu engagieren, haben sich auch in Europa in jüngster Zeit erweitert. Prof. Dr. Jens Kleine, Steinbeis-Hochschule Berlin und Dirk Meier Westhoff, Altira zeigen, welche Rolle ein Agrarinvestment auf ein institutionelles Portfolio haben kann und welche Zugangswege institutionellen Investoren offen stehen. EU-Richtlinienentwurf für Alternative-Investment-Fondsmanager Die in der Entwurfsfassung vorliegende AIFM-Richtlinie ist ein erster Schritt in der Debatte um eine Regulierung alternativer Investmentfonds. Frank Dornseifer und Achim Pütz vom Bundesverband Alternative Investments (BAI) geben einen Überblick über die geplanten Regulierungsansätze und bewerten die Vorschläge Kommentare Dr. Peter Oertmann, Vescore Solutions AG und Frank Böhmer, Pictet & Cie Update Credit Kreditmarktkrise: Liegt das Schlimmste hinter uns Dr. Philip Gisdakis und Markus Ernst, Unicredit 3 editorial 5 news 62research review 64buchrezensionen 66impressum Absolutreport Nr /2009

3 38 strategie Systematisches -Management für passive Investments und ETF-Portfolios am Beispiel eines Aktienportfolios Tindaro Siragusano und Andreas Neumann Im Zuge der Verwerfungen an den internationalen Finanzmärkten wurden wichtige Paradigmen der klassischen Investmentlehre nachhaltig auf den Prüfstand gestellt. Die Investoren sind konfrontiert mit Verlusten über alle Asset-Klassen hinweg, was einige der lange postulierten Thesen, wie sie z. B. einer Buy-andhold-Strategie zugrunde liegen, infrage stellt. Gerade bei Long-only-Aktieninvestments hat sich in den letzten Zyklen gezeigt, dass selbst bei einem längerfristigen Anlagehorizont nicht unbedingt befriedigende Ergebnisse erzielt werden konnten. Die Autoren Tindaro Siragusano und Andreas Neumann, Berenberg Bank zeigen, wie Investoren mithilfe eines systematischen -Management-Konzepts zur Marktpreisrisikosteuerung dennoch nachhaltigen Anlageerfolg erzielen können. Dabei gehen sie detailliert auf die Asset-Klasse Aktien ein, wobei die Vorgehensweise auch bei anderen passiv investierten Portfolios anwendbar ist. Absolutreport Nr /2009

4 39strategie 1 -Management-Spektrum Rohstoffe Gold Crude Oil Umsetzung über: 100 oz Gold Future West Texas Intermediate Light Sweet Crude Oil Future Aktien Deutsche Aktien Europäische Aktien US-amerikanische Aktien Umsetzung über: Dax Index Future Dow Jones Euro Stoxx 50 Future E-Mini S&P 500 Index Future E-Mini NASDAQ Composite Index Future Überblick Unter -Management versteht man generell das gezielte Steuern spezifischer Marktpreisrisiken innerhalb eines Portfolios. Die Umsetzung erfolgt dabei losgelöst von dem zugrunde liegenden Basisportfolio in einem separaten -Portfolio. Generell kommen für -Management-Lösungen alle Asset-Klassen in Betracht, für welche ein liquides Sicherungsinstrument verfügbar ist. -Management-Konzepte finden zudem verstärkt Einsatz im Kontext von Asset-Allocation-Ansätzen mittels ETFs oder passiven Spezialfonds. Hierbei wird im Rahmen der strategischen Asset-Allocation (SAA) zunächst eine Multi-Asset-Struktur abgebildet (z. B. ETFs) und im Anschluss mit einem systematischen Risikomanagement der hieraus resultierenden Durations-, Währungs-, Rohstoff- und Aktienmarktpreisrisiken kombiniert. Abbildung 1 gibt einen Überblick über die mögliche Einsatzbreite von -Management. Im Rahmen dieses Artikels wollen wir uns auf die Asset-Klasse Aktien als Ziel des -Managements konzentrieren. In ähnlicher Art und Weise könnten auch die anderen Asset-Klassen mit einem versehen werden. -Management für Aktienportfolios kann prinzipiell auf ein Portfolio aus Aktien-ETFs oder aus Einzelaktien, welche von einem aktiven Manager selektiert wurden, angewendet werden. Die folgenden Ziele werden generell verfolgt: Sicherung der Aktienbestände in schwachen Marktphasen durch Reduzierung des Betas Partizipation an steigenden Aktienmärkten durch möglichst geringe Hedging-Aktivität Sofern ein aktiver Selektionsmanager mandatiert ist: Keine Einflussnahme auf das Alpha der Selektion Durch die klare Trennung von Alphaund Beta-Management reflektiert ein systematisches -Management somit zudem die weiter voranschreitende Aufspaltung der Wertschöpfungskette im Asset-Management. Die Umsetzung einer dynamischen Sicherungsstrategie kann prinzipiell Währungen EUR/USD EUR/JPY GBP/USD EUR/GBP EUR/CHF Umsetzung über: Devisen-Forwards Renten Europäische Renten US-amerikanische Renten Umsetzung über: Euro Bobl Future Euro Bund Future US 10 YR Note Future US Long Bond (30YR) Future auf Grundlage der Entscheidungen eines diskretionären Managers oder der Signale einer quantitativen Modellarchitektur erfolgen. Selbstverständlich sind auch Mischformen der beiden Grundkonzepte denkbar. Im Zuge der nachstehenden Analyse sollen insbesondere die Möglichkeiten zum Aufbau und zur Überwachung einer quantitativen Modellarchitektur diskutiert und die Anwendung von -Management am Beispiel erläutert werden. Zunächst ist aber noch eine engere Abgrenzung des Begriffs quantitatives Modell notwendig, da sich das quantitative Asset-Management mittlerweile sehr stark ausdifferenziert hat und verschiedene Schulen unterschieden werden. Hierbei stehen in der Regel ökonometrisch-volkswirtschaftliche Erklärungsansätze den prognosefreien, eher markttechnischen Modellen gegenüber. Für letztere bietet die Behavioral Finance das wissenschaftliche Erklärgerüst. Inwiefern die Erkenntnisse der Behavioral Finance in die Konstruktion einer Modellarchitektur einfließen können, soll im Nachgang näher beleuchtet werden. Behavioral Finance In den letzten Jahren wurde die Behavioral Finance, die Analyse des irrationalen Marktverhaltens immer stärker diskutiert. Die Behavioral Finance ist ein relativ neuer Zweig der Finanzwissenschaft, welche die Synthetisierung von verhaltenswissenschaftlichen Erkenntnissen in die moderne Finanzmarkttheorie als Zielsetzung hat. Es wird mit einer nahezu allen Kapitalmarkttheorien und ihren Modellen zugrunde liegenden Annahme gebrochen: dem rationalen Marktteilnehmer. Gerade in dieser Grundannahme, anders ausgedrückt: in der Nichtbeachtung menschlicher Verhaltensweisen, wird in diesem Forschungszweig Nr /2009 Absolutreport

5 40strategie der Grund für die mangelnde empirische Validität der bekannten Finanzmarkttheorien gesehen. Die Behavioral Finance erforscht in diesem Zusammenhang das irrationale Verhalten der Investoren, versucht es zu systematisieren, Erklärungsansätze zu formulieren und Entscheidungsrichtlinien zu postulieren. Eine Schwäche des Ansatzes liegt in der oft sehr deskriptiven Form. Um die Erkenntnisse des wissenschaftlichen Konzeptes in eine investierbare Lösung zu übertragen, ist somit erforderlich, die qualitativen Erkenntnisse in quantitative Algorithmen und eine Entscheidungsarchitektur zu überführen. Konstruktion und Überwachung der Entscheidungsarchitektur -Management kann im Allgemeinen als Risikomanagement beschrieben werden. Die Entscheidungen zur aktiven Risikosteuerung basieren im -Management- Konzept der Autoren ausschließlich auf Signalen einer systematischen Multi-Modell-Architektur (Abbildung 2). Im Gegensatz zu diskretionären -Management-Ansätzen bietet die rein systematische Entscheidungsarchitektur eine hohe Konsistenz und Wiederholbarkeit aller getroffenen Entscheidungen. Des Weiteren sollen subjektiv gefärbte Entscheidungen auf Grundlage des Bauchgefühls prinzipiell vermieden werden. Ferner kann durch den Einsatz einer quantitativen Modellarchitektur in Verbindung mit einem Teamansatz in Bezug auf die Entwicklung und Überwachung der Modellarchitektur das Risiko des Ausfalls von Schlüsselpersonen (Key-Man-Risk) reduziert werden. Dieser Sachverhalt hat insbesondere im gremiumorientierten institutionellen Kundenkreis zu einer zunehmenden Mandatierung quantitativer Manager geführt. Durch die Nutzung verschiedener Modelle für unterschiedliche Zeitcluster können diverse Marktanomalien systematisiert und genutzt werden. Somit wird das Verhalten kurz-, mittel- und langfristig orientierter Marktteilnehmer auf Grundlage aktueller Erkenntnisse der Behavioral Finance modelliert, systematisiert und im Kontext eines systematischen -Managements angewendet. Der Multi- Modell-Ansatz erhöht die Stabilität der Renditen und kann dabei die Volatilität der Gesamtposition verringern. Durch die Einbindung verschiedener Modelle erfolgt zudem eine Risikodiversifizierung auf Ebene der Entscheidungsarchitektur. Die Autoren konzentrieren sich zum einen auf die Entwicklung eigener Modelle und zum anderen auf die Auswahl quantitativer Modelle externer Modellanbieter, welche im Rahmen einer langfristig orientierten Lizenznutzung umgesetzt werden. Für letztere wurde ein mehrstufiger Due- Diligence-Prozess entwickelt, welcher im Ergebnis zu einem Scoring-Wert für jeden untersuchten Modellanbieter führt. Zum Management der Aktienmarktpreisrisiken wurden drei Modelle identifiziert. Diese Modelle sind in Bezug auf ihre Struktur und Performancecharakteristik technische Handelsmodelle mit trendfolgendem Charakter. Sie können prinzipiell hinsichtlich der Handelshäufigkeit, der Handelssensitivität, der Modellzustände und der Inputparameter unterschieden werden. Innerhalb der Modellarchitektur sind diese drei Modelle stets gleich gewichtet (naive Verteilung), um eine Optimierung der Vergangenheit mit fragwürdigem Ergebnis möglichst zu vermeiden. Der Brückenschlag zwischen Behavioral Finance und Entscheidungsarchitektur soll nachfolgend auf Einzelmodell-ebene erläutert werden. Systematische Entscheidungsarchitektur im Detail Wie beschrieben, haben die unterschiedlichen Modelle prinzipiell trendfolgenden Charakter. Bekanntermaßen haben Trendfolgemodelle Schwierigkeiten im volatilen Range- Markt. Hierbei bleibt festzustellen, dass für jedes Trendfolgemodell (je nach Zeithorizont) der Range-Markt unterschiedlich definiert ist, ein einheitlich umschriebener Range-Markt auf Ebene der Entscheidungsarchitektur somit nicht existiert. Abbildung 3 gibt einen Überblick über die sys- 2 Überblick Konstruktion und Überwachung der Entscheidungsarchitektur Entwicklung quantitativer Modelle Konstruktion Due Diligence externer Modellanbieter Systematische Entscheidungsarchitektur (Multi-Modell-Ansatz) Überwachung Risikomanagement Absolutreport Nr /2009

6 41strategie 3 Systematische Entscheidungsarchitektur Systematische, modellbasierte Entscheidungsarchitektur (quantitative Handelsstrategien basieren auf der Behavioral FinanceTheorie) Primärtrends Sekundärtrends Tertiärtrends Modell 1 Modell 2 Modell 3 Modell-Positionierungen Long, Neutral, Short Handelsintensität 3 5 Trades pro Jahr Handelssensitivität Wöchentlich Modell-Positionierungen Long, Short Handelsintensität 9 15 Trades pro Jahr Handelssensitivität Täglich auf Futures basierte Umsetzung Modell-Positionierungen Long, Short Handelsintensität Trades pro Jahr Handelssensitivität Stündlich Modellgestützte Beta-Steuerung eines Aktienportfolios tematische Entscheidungsarchitektur. Im Kontext der dynamischen Sicherung von Aktienportfolios werden ausschließlich die Shortsignale der Modelle berücksichtigt. Im Falle einer Long - oder Neutral -Positionierung erfolgt lediglich die Rücknahme der zuvor erfolgten Sicherung, ansonsten aber keine Aktivität. Tertiäre Trends Die Quantifizierung von Entscheidungsregeln der Behavioral Finance soll zunächst ausführlich am Beispiel des Modells zur Analyse tertiärer Trends am Aktienmarkt erläutert werden. Herdentrieb und überdurchschnittliche Kursbewegungen führen zu Markttrends. Die daraus resultierende Adaption von Massenmeinungen führt zur Verstärkung des Markttrends und daraus entsteht ein sich selbst verstärkender Herdentrieb. Um diesen Effekt zu nutzen, muss das Modell grundsätzlich ein Trendfolger sein, der diesen schnell erkennt und effizient ausnutzen kann. Hierfür eignet sich am besten ein gleitender Durchschnitt als Markttrendfolger. Dieser Marktdurchschnittskurs wird mithilfe einer Gewichtungsfunktion berechnet, die ein Marktvergessen simuliert. Dies ist erforderlich, da im Rahmen empirischer Analysen ein Anchoring der Marktteilnehmer an aktuellen Indexständen nach folgendem Prinzip festgestellt wurde: Bei der Betrachtung von Zeitreihen nehmen aktuelle Daten einen höheren Stellenwert ein als ältere. Zudem werden überdurchschnittliche Abweichungen zum Mittelwert als Indikatoren für kurzfristige Marktbewegungen angesehen. Auf dieser Grundlage erfolgt die Berechnung eines modifizierten Durchschnittskurses mit dem Ziel, tertiäre Trends und deren Eintrittszeitpunkt möglichst schnell zu bestimmen. Diese Zeitpunkte werden als Abweichung des Indikators auf Basis der Preisinformation und des Anchoring abgeleitet. Aufgrund der selektiven Wahrnehmung und der Verfügbarkeitsheuristik sind die Preisinformationen und ihr historischer Verlauf die einzige wesentliche Informationsquelle für kurzfristiges Agieren am Aktienmarkt. Jedoch gewichten die Marktteilnehmer diese Preise nicht gleich. Die aktuellen Kurse prägen sich stärker ein als ältere, was zu dem oben beschriebenen Anchoring-Effekt führt. Je länger ein Preis in der Vergangenheit liegt, umso geringer ist er bei der intuitiven Durchschnittsbildung gewichtet. Es wird daher eine Marktvergessensfunktion benötigt, die das Übergewichten der aktuellen Kurse und das Vergessen der älteren Kurse berücksichtigt. Im Ergebnis entsteht ein Durchschnittpreis für den Aktienmarkt, welcher von den kurzfristig orientierten Markteilnehmern als fairer Kurs empfunden wird. Befindet sich der aktuelle Kurs auf diesem Niveau, kann keine sich entwickelnde systematische Bewegung erkannt werden. Ein Trend bildet sich, wenn der aktuelle Kurs um einen bestimmten Betrag vom Referenzpunkt abweicht. Untersuchungen bei Händlern ergaben, dass eine Abweichung von mehr als einer Standardabweichung oft als Trendbeginn interpretiert wird. Die Untersuchungen zeigten ebenfalls, dass durchschnittlich die Volatilität der letzten drei Handelstage beobachtet Nr /2009 Absolutreport

7 43strategie und analysiert wird. Daher wird der obere Abweichungsindikator ( Upper Trigger Level ) aus Addition des Indikators und der Standardabweichung der 3-Tages-Historie entwickelt. Der untere Abweichungsindikator ( Lower Trigger Level ) entsteht durch Substraktion der Standardabweichung der 3-Tages-Historie von diesem Indikator. Befindet sich das aktuelle Kursniveau zwischen den Abweichungsindikatoren, so wird die aktuelle Kursbewegung als durchschnittlich angesehen. Befindet sich das aktuelle Kursniveau hingegen über dem oberen Indikator, so gehen die Marktteilnehmer von einem einsetzenden ansteigenden Trend aus. Liegt das aktuelle Kursniveau unter dem unteren Abweichungsindikator, so ist ein fallender Trend zu erwarten. Wird der obere (bzw. untere) Indikator vom Spotkurs durchbrochen, wird ein Trendbeginn angezeigt und ein Long (bzw. Short ) eingegangen. Um der kognitiven Dissonanz und der Regret-Avoidance-Anomalie entgegenzuwirken, wird ein bestehender Trend lediglich durch einen neu indizierten Gegentrend abgelöst. Für dieses Modell werden somit keine neutralen Positionen eingenommen. Insbesondere kann der Dispositionseffekt somit verhindert werden: Gewinne werden nicht zu früh realisiert, da Positionen so lange beibehalten werden, bis ein Gegentrend angezeigt wird. Zusätzlich wird das Sunk-Cost- Problem gelöst, da ein Risikobegrenzungspunkt in Form des Gegenniveaus besteht. Damit ist ein Risikocontrolling bereits auf Ebene des Modells gewährleistet. Die zeitliche Dimension beschreibt die Intervalllänge zwischen den Zeitpunkten der Anwendung der Entscheidungskriterien. Die Intervalllänge reflektiert die (Kurz-)Fristigkeit des Modells zur Identifizierung tertiärer Trends. Hierbei haben sich die Stundenclosings am Aktienmarkt als sinnvolle Inputparameter erwiesen, die Intervalllänge beträgt somit 60 Minuten. Sekundäre Trends Die Entwicklung des Modells zur Analyse sekundärer Trends am Aktienmarkt resultiert aus dem Bestreben, einen aussagekräftigen Indikator für überkaufte bzw. überverkaufte Märkte zu finden. Im Rahmen einer umfangreichen Studie wurden die Güte und das Zusammenwirken verschiedener Indikatoren wie RSI (Relative Strenght Indicator), MACD und verschiedene Oszillatoren analysiert. Als aussagekräftiger Indikator erwies sich im Rahmen dieser Analyse allein der MACD (Moving Average Convergence Divergence). Aus diesem Grund stellt der MACD die Ausgangsbasis für die Entwicklung des Modells zur Analyse sekundärer Trends dar. Der MACD-Indikator ist ein häufig genutzter Indikator im Rahmen der technischen Analyse und wird üblicherweise bei der Umsetzung von Trendfolgemodellen und bei Überkauft-/Überverkauft-Ansätzen genutzt. In seiner Rohform ist er allerdings für die Nutzung im Rahmen eines Handelssystems nicht zu verwenden, da zu viele Marktakteure ihre Investmententscheidung danach ausrichten. Als Kontratrendindikator eingesetzt, liefert er zwar brauchbare Signale in Seitwärtsmärkten, versagt aber sobald der Markt in eine Trendphase gerät, weil er gegen den Trend positioniert bleibt, was mit entsprechenden Opportunitäten einhergeht. Umgekehrt liefert die Interpretation der MACD in Trendphasen wichtige Erkenntnisse. Die Umsetzung von Fehlsignalen in Seitwärtsphasen kann aufgelaufene Gewinne erheblich reduzieren, weshalb die Nutzung der MACD- Rohfassung abgelehnt werden muss. Ein Modellansatz, der ausschließlich mit Slow- und Long-MACD arbeitet, wird gleichsam verworfen. Stattdessen wurde die Entwicklung einer modifizierten MACD betrieben. Im Zentrum des Modells steht nach Modifizierung der MACD ein proprietärer Indikator. Die normalerweise starre Nulllinie wird in Richtung des übergeordneten Trends ausgerichtet. Hierzu fließt über einen Algorithmus die Trendrichtung des Marktes in die Berechnung der Nulllinie ein. Dank dieser Vorgehensweise kann in Summe das Marktverhalten mittelfristig orientierter Teilnehmer am Aktienmarkt approximiert werden. Die veränderte Nulllinie sorgt dafür, dass anstehende Trendwechsel schneller erkannt und aufgelaufene Gewinne besser bewahrt werden können. Das Modell berücksichtigt, dass Aktienmärkte im langfristigen Durchschnitt eher nach oben als nach unten tendieren. Es ist in Bezug auf die Entscheidung für ein Long- oder Short-Signal daher asymmetrisch. Short-Positionen, welche zum Aufbau einer Sicherung führen, werden nur in ausgeprägten Baissephasen eingegangen, da der ( normale ), gleitende Durchschnitt fallen muss, um im Modell ein Short-Signal zu generieren. Das bloße Durchbrechen des proprietären Indikators durch seine variable Nulllinie von oben nach unten reicht für die Short-Positionierung somit nicht aus. Kurzfristige Bewegungen gegen den Aufwärtstrend werden daher zunächst ignoriert. Das System verwendet Tagesdaten und ist so konzipiert, dass es ständig mit Orders am Markt positioniert ist, um prognostizierte Veränderungen im Verhalten der Marktteilnehmer zeitnah umzusetzen. Signale können theoretisch täglich auftreten, bei stabilen Trends kann die Haltedauer aber auch mehrere Monate betragen. Nr /2009 Absolutreport

8 44strategie Primäre Trends Ausgangspunkt bei der Entwicklung des Modells zur Analyse langfristiger Trends am Aktienmarkt war das über Jahre hinweg erfolgreiche Turtle- Modell. Hierbei handelt es sich um ein Ausbruch- und Trendfolgesystem. Das Modell hat sich zum Ziel gesetzt, die in der Praxis gezeigte Limitierung der Funktionsbreite beim Turtle- Modell durch Modifizierungen zu erweitern. Das Modell wurde dahingehend optimiert, langfristige Trends am Aktienmarkt zu identifizieren. Der Markteinritt bzw. Marktaustritt langfristig orientierter Investoren kann auf diese Weise modelliert werden. Im Rahmen des Modells werden Ausbruchsmarken definiert, welche maßgeblich für die Positionierung des Modells sind. Diese Ausbruchsmarken sind jedoch nicht starr, sondern passen sich entsprechend der aktuellen Trendstärke an. Als Indikator für die Stärke eines Trends dient dabei die Auswertung des Average-Directional- Movement-Index (ADX). Bezüglich der generierten Einstiegsund Ausstiegssignale weist das Modell eine symmetrische Entscheidungsarchitektur auf. Die Generierung der Signale basiert auf den Wochenschlusskursen, entsprechend erfolgt die Signalumsetzung jeweils zum Wochenstart. Ein Signal zur Sicherung des Aktienportfolios wird generiert, wenn innerhalb einer Handelswoche der Kurs am Aktienmarkt das definierte Lowest Low unterschreitet. Neben Long- und Short-Positionen kann das Modell zusätzlich auch eine neutrale Markthaltung annehmen. Hierfür werden volatilitätsabhängige Stop-Marken definiert, welche die Marktpositionierung von long bzw. short auf neutral ändern. Zur Erinnerung: Im Kontext der dynamischen Sicherung des Aktienportfolios 4 Equity--Management Generelle Struktur Basisportfolio z. B. Investment in den Stoxx 50 (passiv) erfolgt bei einer Long - bzw. Neutral -Positionierung im - Portfolio keine Aktivität. In die Definition der Stop-Level fließt die Trendstärke in der Form mit ein, dass bei einem positiven Trend am Aktienmarkt das Ausstiegslevel näher an den aktuellen Kurs herangeführt wird, um bei einem eventuellen Rückgang des Kurses möglichst wenig des aufgelaufenen Gewinns wieder abzugeben. Gesteuertes Aktienportfolio -Portfolio Systematische Sicherungsstrategie (Eurex Futures) Aktive, modellgestützte Steuerung des Beta-Exposures 5 Modellpositionierung und Beta des Portfolios Stoxx 50 Index + Szenario 1 Szenario 2 Szenario 3 Szenario 4 -Portfolio Basisinvestment Aktienmarkt- Exposure Szenario 1 Kein Modell short 100 % Szenario 2 Ein Modell short 66,6 % Szenario 3 Zwei Modelle short 33,3 % Szenario 4 Drei Modelle short 0 % = Risikomanagement Dem Thema Risikokontrolle kommt durch den Einsatz der quantitativen Modellarchitektur eine besondere Bedeutung zu. Es ist unerlässlich, die Anwendbarkeit der Modelle und die Plausibilität der erwirtschafteten Renditen laufend zu überprüfen. Paradigmenwechsel oder ein Rückgang der Liquidität des Marktsegments können dazu führen, dass Modelle aus der Multi-Modell-Architektur on-hold gestellt werden. Eine weitere Dimension von Risikoüberwachung ist die Implementierung von Best-Execution-Prozeduren. Zur Steuerung des Marktpreisrisikos kommen ausschließlich hochliquide Futures zum Einsatz. Die Umsetzung der systematischen Sicherungsstrategie mit (Eurex/OTC) Long-/Put-Optionen wird aus zweierlei Gründen verworfen: Zum einen hat sich durch den Vergleich von implizierter zu realisierter Volatilität gezeigt, dass die im Optionspreis bezahlte Implied-Vola historisch betrachtet zu teuer war und zum anderen, dass die Liquidität im Vergleich zum Delta 1-Instrument (Futures) geringer ist. Um die Slippage-Kosten des Futures- Handels zu minimieren, werden hocheffiziente Handelsalgorithmen genutzt und die Signale der quantitativen Entscheidungsarchitektur von einem erfahrenen Händlerteam umgesetzt. Die Plausibilität der generierten Signale und die Performancebeiträge im Rahmen der Gesamtstrategie aller verwendeten Modelle unterliegen ständiger Beobachtung. Grundsätzlich besteht die Möglichkeit, im Extremfall die Modelle on hold zu stellen. Absolutreport Nr /2009

9 45strategie 6 Performancevergleich und Risikokennzahlen Portfolio Return Volatility Semi Standard Deviation Sharpe Ratio Sortino Ratio ,64 % 45,91 % 19,77 % 15,71 % 13,43 % 10,08 % 2,36 2,79 2,87 3, ,70 % 5,72 % 22,65 % 15,44 % 15,08 % 9,84 % 0,16 0,24 0,20 0, ,15 % 15,25 % 26,73 % 17,12 % 17,76 % 10,40 % 0,79 0,77 0,99 1, ,11 % 3,82 % 36,38 % 20,88 % 22,75 % 13,15 % 1,05 0,28 1,39 0, ,42 % 22,59 % 26,41 % 18,46 % 17,62 % 11,56 % 0,62 1,12 0,77 1, ,38 % 3,12 % 13,79 % 8,61 % 10,09 % 6,10 % 0,54 0,13 0,61 0, ,30 % 19,75 % 10,81 % 8,63 % 7,14 % 5,24 % 2,06 2,06 2,58 2, ,05 % 13,05 % 14,35 % 10,22 % 10,56 % 6,75 % 1,12 1,08 1,26 1, ,59 % 4,76 % 15,53 % 11,33 % 10,84 % 7,47 % 0,49 0,24 0,58 0, ,40 % 18,98 % 38,50 % 20,37 % 28,23 % 15,55 % 1,15 1,03 1,30 1, * 19,05 % 10,66 % 32,63 % 23,14 % 20,54 % 14,93 % 0,65 0,55 0,85 0,70 total* 26,69 % 121,89 % 24,48 % 15,52 % 18,30 % 10,79 % 0,20 0,40 0,23 0,47 Portfolio MAR Ratio Maximum Draw Down Maximum Draw Down 30 Days Maximum Draw Down Period Tracking Error Information Ratio 1 / 2 1 / ,06 5,69 11,48 % 7,72% 11,48 % 7,72 % ,85 % 0, ,25 0,47 14,73 % 7,95% 10,39 % 6,46 % ,25 % 0, ,54 1,17 39,11 % 11,31% 26,06 % 7,61 % ,71 % 1, ,89 0,31 42,92 % 18,84% 23,61 % 11,32 % ,26 % 1, ,61 1,80 26,80 % 11,45% 18,90 % 8,62 % ,51 % 0, ,67 0,16 11,07 % 6,90% 8,71 % 5,23 % ,18 % 0, ,50 4,16 6,37 % 4,26% 6,37 % 4,26 % ,62 % 1, ,38 1,86 11,65 % 5,94% 10,24 % 4,87 % ,28 % 0, ,71 0,38 10,70 % 7,35% 10,70 % 6,64 % ,04 % 0, ,90 0,90 49,11 % 23,39% 27,33 % 16,80 % ,99 % 0, * 0,89 0,72 23,61 % 17,64% 16,64 % 12,17 % ,64 % 0,48 total* 0,08 0,19 64,64 % 32,34% 27,33 % 16,80 % ,81 % 0,59 Real-Money-Performance vom , davor Backtesting *geschätzte Werte Insbesondere dann, wenn im Rahmen einer Teamentscheidung die zum Funktionieren der Modelle notwendige polypolistische Marktstruktur, etwa durch Regierungs- und Zentralbankinterventionen, für nicht mehr gegeben angesehen wird. Anwendung systematischer Entscheidungsarchitektur auf ein Stoxx 50- Portfolio (z. B. über ETFs abgebildet) Im Folgenden sollen die Wertentwicklung und Risikokennzahlen eines Long-only -Aktienportfolios mit und ohne systematisches Risiko- vergleichend diskutiert werden. Generell kann festgestellt werden, dass die Implementierung eines Futures-basierten -Managements im Vergleich zum Long-only - Investment zu einer höheren Kassehaltung führt. Dies erklärt sich durch Inital-/Variation-Margin- Zahlungen an den Futures-Börsen. Ziel des -Managements ist es, in Zeiten steigender Aktienmärkte möglichst wenig Hedging-Aktivität zu generieren, um eine hohe Partizipation des Stoxx 50-Portfolios an steigenden Kursen zu ermöglichen. Bei fallenden Aktienkursen soll hingegen ein systematischer Aufbau der Sicherungsquote durch den Verkauf von Stoxx 50-Futures erfolgen. Abbildung 4 zeigt die generelle Struktur eines systematischen -Managements für Aktien. Durch die Gleichgewichtung der drei Modelle, welche im Zuge der systematischen Sicherungsstrategie zum Einsatz kommen, ergeben sich die in der Abbildung 5 beschriebenen Modellpositionierungen und Aktienbetas (Aktienmarktexposure). Für den Fall, dass alle Modelle ein Shortsignal generiert haben beträgt das Beta Null, es findet in diesem Beispiel somit kein Overhedging mit entsprechender Netto-Short-Position statt. Der Vergleich der Rendite- und Risikokennzahlen zeigt, dass durch die Implementierung eines systemati- Nr /2009 Absolutreport

10 47strategie 7 Renditeverteilung und -charakteristik Stoxx 50 Stoxx 50 Anzahl Tage Tindaro Siragusano Leiter Asset Management Joh. Berenberg, Gossler & Co. KG Berenberg Bank Hamburg 0 < -4,32% -4,32% bis -3,84% -3,84% bis -3,36% -3,36% bis -2,88% -2,88% bis -2,40% -2,40% bis -1,92% -1,92% bis -1,44% -1,44% bis -0,96% -0,96% bis -0,48% -0,48% bis 0% 0% bis 0,48% 0,48% bis 0,96% 0,96% bis 1,44% 1,44% bis 1,92% 1,92% bis 2,40% 2,40% bis 2,88% 2,88% bis 3,36% 3,36% bis 3,84% 3,84% bis 4,32% > 4,32% Tagesrenditen schen s zur Risikosteuerung ein substanzieller Mehrwert erwirtschaftet werden kann. Die Effizienz der Sicherung lässt sich dabei in zweierlei Hinsicht messen: In positiven Aktienjahren wie z. B oder 2006 soll die Sicherungsstrategie möglichst wenig von der positiven Aktienmarktperformance kosten, dafür soll in schlechten Aktienjahren wie z. B und 2008 möglichst wenig Verlust entstehen. Die in Abbildung 6 dargestellte Tabelle zeigt, dass sowohl absolut als auch risikoadjustiert die Wertentwicklung im Vergleich zur Longonly -Benchmark besser ist. Insbesondere die Kennzahlen Maximum-Draw-Down und Maximum- Draw-Down-Periode konnten nachhaltig verbessert werden. Die Performancecharakteristik kann als rechtsschief und leptokurtisch beschrieben werden. Durch die Implementierung eines systematischen -Managements werden die realisierten Tagesrenditen in den positiven Bereich verschoben. Zeitgleich können insbesondere die problematischen negativen Fat Tails der Renditeverteilung vermieden werden, wie Abbildung 7 verdeutlicht. Fazit Durch den quantitativen Investmentprozess des aktiven -Managements wird das Marktpreisrisiko, welches aus dem Investment in ein passiven Aktienkorb (hier am Beispiel des Stoxx 50- Portfolios) resultiert, durch den Einsatz hochliquider Stoxx 50- Futures gesteuert. Die Grundlage der Entscheidungen zu sichern oder nicht zu sichern, basiert dabei auf verschiedenen quantitativen Modellen, welche versuchen, die Erkenntnisse der Behavioral-Finance-Theorie in Entscheidungsregeln zu überführen. Im Ergebnis hat sich gezeigt, dass der Einsatz dieser Systematik zu einer verbesserten risikoadjustierten Performance im Vergleich zu Longonly -Portfolios führen kann und wichtige Risikokennzahlen hierbei optimiert werden. In der gleichen Form können andere Asset-Klassen, die in passiven Spezialfondsmandaten verwaltet werden, oder ETF- Portfolios optimiert werden. Andreas Neumann Leiter Investment Advisory Joh. Berenberg, Gossler & Co. KG Berenberg Bank Hamburg Literatur: Fromlet, Hubert (2001): Behavioral Finance Theory and Practical Application, erschienen in Business Economics, Ausgabe 76, Seite 63-69, Washington. Goldberg, Joachim; von Nitzsch, Rüdiger (2000): Behavioral Finance Gewinnen mit Kompetenz, Finanzbuch Verlag, München. Haugen, Robert A. (2009): The new finance: overreaction, complexity and their consequences; Upper Saddle River, NJ: Pearson/Prentice Hall. Kitzmann, Arnold (2009): Massenpsychologie und Börse So bestimmen Erwartungen und Gefühle Kursverläufe, Gabler, Wiesbaden. Nofsinger, John R. (2008): The psychology of investing, Upper Saddle River, NJ: Pearson/Prentice Hall. Rossbach, Peter (2000): Behavioral Finance Eine Alternative zur vorherrschenden Kapitalmarkttheorie, erschienen in Arbeitsberichte der Hochschule für Bankwirtschaft, Frankfurt am Main. Schriek, Raimund (2009): Besser mit Behavioral Finance Finanzpsychologie in Theorie und Praxis, FinanzBuch Verlag, München. Teigelack, Lars (2009): Finanzanalysen und Behavioral Finance, Schriften zum Gesellschafts-, Bank und Kapitalmarktrecht, Nomos, Baden-Baden. Unser, Matthias (1999): Behavioral Finance am Aktienmarkt, Uhlenbruch Verlag, Bad Soden. Wahren, Heinz-Kurt E. (2009): Anlegerpsychologie, VS Verlag für Sozialwissenschaften, Wiesbaden. Nr /2009 Absolutreport

11 Abonnieren Sie neue Perspektiven - 6 Ausgaben des Absolut report im Jahr - 12 Ausgaben der e-publication Absolut performance im Jahr - Produktrankings zu diversen Asset-Klassen/-Strategien (PDF) - persönlicher Zugang zur Online-/Produkt- und Index-Datenbank: umfassende Einzelanalysen für über Indizes und Produkten als PDF-Download - persönlicher Zugang zur News- und Research-Datenbank: Volltextrecherche in mehr als News und Zugang zu allen Studien und Research-Dokumenten - Zugang zum Artikelarchiv ab Abonnement-Beginn - Rabatte auf Fachkonferenzen (übertragbar auf alle Mitarbeiter) - Rabatte auf Fachpublikationen und Studien Ja, ich möchte den Absolut report kennenlernen. Bitte senden Sie mir kostenlos Ihr Informationspaket und eine Ausgabe des Absolut report zu. Vorname / Nachname Bereich / Funktion Ja, ich möchte den Absolut report abonnieren. Ich erhalte pro Jahr: 6 x Absolut report (Print Publikation), 12 x Absolut performance (elektronische Publikation) sowie Zugang zur Online- und News-Datenbank. Der Preis für ein Jahresabonnement beträgt: 895, (zzgl. 7% MwSt. 957,65 ) innerhalb Deutschlands, 928, (zzgl. 7% MwSt. 992,96 ) innerhalb Europas, 973, (zzgl. 7% MwSt ,11 ) für alle anderen Gebiete. Unternehmen Straße / Nr. PLZ / Ort Tel. / Fax (des Abonnenten für Absolut performance und Online-Zugang) Die Print Ausgaben werden bis auf weiteres an meine Anschrift geliefert. Die elektronische Publikation erhalte ich bis auf weiteres an meine -Adresse. Das Abonnement ist für ein Jahr gültig und verlängert sich automatisch für ein Jahr, wenn es nicht sechs Wochen vor Ablauf der Jahresbezugszeit gekündigt wird. USt.-Nr. / VAT-ID (für Auslandsabonnements) Datum (Start des Abonnements) / Unterschrift Bitte senden oder faxen an: info@absolut-report.de, +49 (0) Absolut Research GmbH, Grosse Elbstr. 277, Hamburg, Germany