Behavioral Finance. Bachelor Thesis

Transkript

1 Behavioral Finance Bachelor Thesis Autoren Stefan Bünter, Gysulastrasse 25, 5000 Aarau, Patrick Heiz, Stäpflistrasse 12, 5032 Aarau Rohr, Auftraggeber Institut für Unternehmensführung Hochschule für Wirtschaft FHNW Zürcherstrasse Windisch Fachdozent Prof. Thomas Fischer Vertraulichkeitsstufe Vertraulich

2 Inhaltsverzeichnis Inhaltsverzeichnis 1. Management Summary Einleitung Theoretische Grundlagen Einbettung der Behavioral Finance Old Finance Modern Finance Behavioral Finance Definition Behavioral Finance Behaviorismus und Stimulus-Response-Schema Relevanz Aktuelle Entwicklungen in der Forschung Grundlagen Entscheidungstheorie Mean-Variance Analysis Prospect Theory Informationsverarbeitung und Heuristiken Heuristiken zur Komplexitätsreduktion Heuristiken zur schnellen Urteilsfindung Fazit Behavioral Biases Information Processing Biases Decision Biases Decision Evaluation Biases Debiasing Marktanomalien CAPM Anomalie Kalenderanomalie Boom- und Crash-Situationen Interpretation der Behavioral Modelle und deren Grenzen Massenpsychologische Dynamik und Herdentrieb Rationale und irrationale Verhaltensmuster Behaviorale Aspekte der technischen Analyse Trend-Analyse Dow-Technik Charttechnik...38 II

3 Inhaltsverzeichnis Markttechnik Trendfolgende Indikatoren Oszillierende Indikatoren Zyklen-Analyse Elliott-Wave-Analyse Zeitzyklen-Analyse Sentiment-Analyse Mathematische Modelle Fazit und kritische Würdigung Anwendung der Theorie Kurs-Umsatz-Analyse UBS Adecco Nestlé Kalenderanomalie Tagesanomalie UBS Adecco Nestlé Monatsanomalie UBS Adecco Nestlé Gesamtfazit Kalenderanomalie und Behavioral Finance Tagesanomalie Monatsanomalie Analyse weiterer Behavioral Finance Theorien Prospect Theory Heuristiken Behavioral Biases CAPM Anomalie Boom- und Crash-Situationen Herdentrieb Praktischer Nutzen und Prognosen Praktischer Nutzen Kurs-Umsatz-Analyse Kalenderanomalie...91 III

4 Inhaltsverzeichnis 6.2. Prognosen UBS Kurzfristig Langfristig Adecco Kurzfristig Langfristig Nestlé Kurzfristig Langfristig Schlusswort Anhang Literaturverzeichnis Bücher Fachzeitschriften Websites Abbildungsverzeichnis Tabellenverzeichnis Erklärung IV

5 Management Summary 1. Management Summary Die vorliegende Bachelor Thesis ist konzeptionell in vier Teile gegliedert. Im ersten Teil werden die wesentlichen Behavioral Finance Theorien beschrieben und verschiedene Modelle aufgezeigt. Ebenfalls im theoretischen Teil werden die Behavioralen Aspekte der technischen Analyse genauer unter die Lupe genommen, da diese im Hinblick auf den praktischen Teil als wichtig eingestuft werden können. Im Anschluss werden im dritten Teil die Behavioral Finance Theorien auf drei SMI-Aktien angewandt und es erfolgt abschliessend im vierten Teil eine Beurteilung zum praktischen Nutzen, wobei ebenfalls kurzfristige sowie langfristige Prognosen erstellt werden. Das wesentliche Ziel dieser Arbeit besteht darin, verschiedene Hypothesen, welche im theoretischen Teil aufgestellt werden, durch die Anwendung auf ihre empirische Evidenz zu überprüfen sowie diese differenziert zu beurteilen. Das Vorgehen in Bezug auf den Theorieteil präsentiert sich wie folgt. Zuerst wird aufgezeigt, dass es sich bei der Behavioral Finance um eine relativ neue wissenschaftliche Disziplin innerhalb der Finance handelt und sich auch die Forschung in diesem Gebiet stetig weiterentwickelt. Das Stimulus-Response-Schema ist in diesem Zusammenhang ein zentraler Aspekt, da psychologisch betrachtet die entsprechende Reaktion (Handlung) auf einen bestimmten Stimulus zurückzuführen ist. In der Folge werden zuerst einige grundlegende Entscheidungstheorien behandelt, um dann im Anschluss auf diverse Heuristiken und Verzerrungen (Biases) einzugehen. Bereits an dieser Stelle der Arbeit kann ein wichtiges Zwischenfazit gezogen werden. Einerseits stellen rationale Überlegungen häufig die Basis für eine Entscheidung dar. Andererseits wird dieses Verhalten durch irrationale Aspekte abgeschwächt. Das Wissen um diese Verzerrungen kann sich für den einzelnen Investor als sehr vorteilhaft erweisen, da teilweise gravierende Fehler die Ursache für hohe Verluste darstellen. Ausgehend von diesen "individualpsychologischen" Grundlagen wird der Fokus auf den Markt gewechselt und es werden verschiedene Anomalien untersucht. Während die klassische Finanzmarkttheorie hier an ihre Grenzen stösst, versucht die Behavioral Finance diese Phänomene (Bsp. Kalenderanomalie, Blasenbildung etc.) zu erklären, wobei die massenpsychologische Dynamik hier eine wichtige Rolle spielt. Im Teil "Behaviorale Aspekte der technischen Analyse" geht es darum, die psychologischen Hintergründe mit quantitativen Fakten zu verbinden. Dabei offerieren sich verschiedene Instrumente, wobei die Dow-Technik meist die Grundlage dazu bildet. Die Grundproblematik bei vielen Anwendungen besteht jedoch darin, dass der Interpretationsspielraum relativ grosszügig ausgemessen ist. Viele Indikatoren können entweder erst im Nachhinein als verlässliche Information betrachtet werden, oder funktionieren prospektiv nicht immer im gewünschten Ausmass. Um hier jedoch eine präzisere Aussage (Bsp. Indikator hat eine Genauigkeit von 90%) machen zu können, müsste mit Hilfe verschiedener Informationssystemen (Bsp. Bloomberg) untersucht werden, wie zuverlässig die einzelnen Instrumente sind. Dies könnte beispielsweise durch verschiedene Korrelationsberechnungen geschehen. Im praktischen Teil der Arbeit werden verschiedene Theorien auf die drei SMI-Titel UBS, Adecco und Nestlé angewendet. Dies geschieht unter anderem durch die Kurs- Umsatz-Analyse, wobei analysiert wird, ob Trendwenden hätten vorausgesagt werden können. Schlussfolgernd kann hier gesagt werden, dass ein gewisses Potential erkennbar ist, dies teilweise aber auch mit der selektiven Wahrnehmung zusammenhängen kann bzw. nicht immer funktioniert. Weiter wurde im Kapitel "Kalenderano- 1

6 Management Summary malie" untersucht, ob bestimmte Tages- oder Monatsmuster erkennbar sind. Die Ergebnisse hierbei lassen sich wie folgt zusammenfassen. Bei der UBS und Adecco konnten bei der Tagesanomalie in Bezug auf die Rendite und Volatilität deutliche Parallelen aufgezeigt werden. Beispielsweise ist der Montag bei beiden Aktien der renditeschwächste Tag, während der Donnerstag jeweils am besten abschnitt. Jedoch muss auch hier eingewendet werden, dass es sich statistisch betrachtet - aufgrund der kleinen Stichprobe - um ein Zufallsresultat handeln könnte. Um somit überhaupt eine zuverlässige Aussage machen zu können, wäre es notwendig, eine breiter abgestützte Untersuchung durchzuführen. Dieselbe Einschränkung gilt auch für die Monatsanomalie, wobei jedoch weniger Parallelen hervorstachen. Bei der Analyse weiterer Behavioral Theorien fällt auf, dass im Endeffekt sehr viele Teiltheorien miteinander verknüpft sind und es in der Konsequenz schwierig ist, diese in der Makrosicht klar voneinander abzutrennen. Beschäftigt man sich mit verschiedenen Hypothesen und versucht einige davon - soweit möglich - im Detail anzuwenden, stellt sich automatisch die Frage nach dem praktischen Nutzen. Einerseits geht dieser bereits aus der Anwendung hervor, indem man direkt mit einigen Herausforderungen konfrontiert wird, welche den Nutzen etwas einschränken. Andererseits ist der bereits angesprochene Interpretationsspielraum ein wichtiger Aspekt. Da es auch sehr anspruchsvoll ist, mit den aufgestellten Theorien überhaupt Prognosen erstellen zu können, fällt das Fazit differenziert aus. Die Autoren sind davon überzeugt, dass der einzelne Investor effektiv vom Wissen einzelner Biases etc. profitieren kann, indem er sein eigenes Verhalten kritisch hinterfragt. Sobald der Fokus jedoch auf den Markt gewechselt wird, sind die verschiedenen Teilaspekte nur noch schwer trennbar. Zwar ist es durchaus möglich, gewisse Bewegungen zu interpretieren und in der Analyse mit verschiedenen Theorien zu verknüpfen, eine abschliessende absolute Sicherheit kann jedoch dabei nicht garantiert werden. Im Endeffekt kann gesagt werden, dass die Behavioral Finance Theorien sinnvoll mit fundamentalen Überlegungen verbunden werden können. Ein gutes Beispiel stellen dabei die einzelnen Prognosen dar. Zwar ist es gut möglich, psychologische Einflüsse zu berücksichtigen, jedoch müssen auch immer gesamtwirtschaftliche Faktoren (Bsp. BIP-Wachstum etc.) und somit fundamentale Faktoren in die Überlegung miteinbezogen werden. Zusammenfassend stellt sich die Frage, ob - philosophisch betrachtet - jemals ein rationales Gesamtmodell für irrationale Prozesse gefunden werden kann. Weiter handelt es sich bei vielen Hypothesen um die Fragestellung, wie effizient die Märkte wirklich sind. Würde beispielsweise ein neues Modell verschiedene Abweichungen aufzeigen, könnten die Marktteilnehmer in der Folge reagieren und die mögliche Anomalie verschwindet wieder. Somit müssten durch das hypothetische Modell nach dessen Veröffentlichung verschiedene Rückkoppelungseffekte einberechnet werden und die aufgestellte These wäre somit bereits wieder veraltet. Denn aufgrund der hohen Komplexität ist es praktisch nicht möglich, alle Effekte vollständig und realitätsgetreu abzubilden. Die einzige Alternative zu einem solchen Modell (welches die Realität einigermassen zuverlässig abbildet) ist im Umkehrschluss die Realität selbst. 2

7 Einleitung 2. Einleitung Der Grundstein dieser Arbeit basiert auf der Erkenntnis, dass zwischen der klassischen Finanzmarkttheorie und der Empirie teilweise eine Diskrepanz besteht. Daher ist es notwendig, ergänzende Ansätze zu entwickeln und diese zu hinterfragen. Dem psychologischen Einfluss des Menschen wird in der klassischen Theorie zu wenig Beachtung geschenkt. Vor diesem Hintergrund ist es das grundlegende Ziel dieser Arbeit, die zum heutigen Zeitpunkt vorhandenen Ansätze der Behavioral Finance aufzuarbeiten. Einfach formuliert sollen menschliche Verhaltensmuster untersucht und mit dem theoretischen Verhaltensmuster des Homo Oeconomicus gegenübergestellt werden. Darauf aufbauend sollen diese Anomalien ein Stück weit verständlicher gemacht werden, um schlussendlich mit diesem Wissen erfolgreicher handeln zu können. Um diesem Anspruch gerecht zu werden, haben wir die Fragestellung folgendermassen gegliedert: Erarbeitung der theoretischen Grundlagen der Behavioral Finance Die Arbeit verschafft einen ganzheitlichen Überblick über das Gebiet der Behavioral Finance. Dabei wird in einem ersten Schritt die Theorie als Grundlage aufbereitet. Im Anschluss werden die für die spätere Anwendung relevanten Modelle genauer untersucht. Anwendung der Behavioral Finance Theorien auf 3 SMI-Aktien Auf der Theorie aufbauend werden bei den drei SMI-Titeln UBS, Adecco und Nestlé zu verschiedenen Zeitpunkten anhand der Theorie diverse Hypothesen erstellt. Dabei werden basierend auf einigen Modellen verschiedene Szenarien entwickelt. In der Folge werden die Hypothesen mit der empirischen Evidenz verglichen und in einer differenzierten Beurteilung bestätigt oder widerlegt. Beurteilung des praktischen Nutzens der Behavioral Finance Theorien für die Erklärung der Kursverläufe und eine mögliche Prognose von Kursverläufen Im abschliessenden Teil wird untersucht, ob sich die aufgestellten Modelle in der Praxis als tauglich erweisen. Das Ziel besteht darin, einen konkreten Nutzen für zukünftige Marktentwicklungen zu erkennen. Daraus werden mögliche Prognosen für die 3 SMI-Aktien abgeleitet. Wie obenstehend beschrieben, liegt der Fokus im ersten Teil auf der Erarbeitung der theoretischen Modelle. Insbesondere soll das für den Praxisteil relevante Wissen umfassend aufgearbeitet werden. Da die gesamte Charttechnik das Potential zu einer separaten Arbeit aufweist, wird dieses Gebiet nicht vollständig bearbeitet. Wir beschränken uns hier auf die relevanten Theorien, wobei beispielsweise die Kurs- Umsatz-Analyse zu erwähnen ist. Im Anschluss an die Anwendung wird der praktische Nutzen differenziert durchleuchtet und durch kurz- sowie langfristige Prognosen abgerundet. 3

8 Theoretische Grundlagen 3. Theoretische Grundlagen Die traditionellen Modelle der Finance beruhen alle auf dem Bekenntnis zur Rationalität und Effizienz. Grundsätzlich wird davon ausgegangen, dass Abweichungen vom theoretisch korrekten Wert (Bsp. Über- und Unterrenditen im CAPM) nur von kurzer Zeitdauer sein können und irrational sind. Daher ist es unter dem Paradigma der Markteffizienzhypothese nicht möglich, diese Abweichungen prospektiv in Modellen zu erfassen und systematisch zu seinen Gunsten auszunutzen. Genau an diesem Punkt wollen wir mit der Behavioral Finance ansetzen. Dabei wird das Ziel verfolgt, zur klassischen Theorie verschiedene Ergänzungen sowie Gegenüberstellungen aufzuzeigen und deren Grundlagen zu erarbeiten. Verschiedene Teilaspekte der Theorie werden dann im Anschluss direkt in den praktischen Teil einfliessen. Die Modelle und Verhaltensweisen beziehen sich im Grossen und Ganzen auf Aktien. Ein Grund dafür ist, dass sich die Aufgabenstellungen im praktischen Teil auf drei SMI-Aktien beziehen. Zudem erlauben uns Aktien, Kursverläufe und Kursschwankungen deutlicher aufzuzeigen, als dies bei Obligationen der Fall ist. Ebenfalls sind Aktien die volatileren Anlageinstrumente als Obligationen. Diese beiden Punkte sollen dazu führen, dass sich psychologische Faktoren schneller und ausgeprägter auf die Kursentwicklung niederschlagen. Nichtsdestotrotz sind die Erkenntnisse im groben Rahmen auch auf Obligationen und weitere Anlageinstrumente anwendbar Einbettung der Behavioral Finance In diesem Kapitel werden wir uns einen Überblick über die, im Vergleich zu anderen Wissenschaften, noch relativ junge wissenschaftliche Disziplin der Finance verschaffen. In einem ersten Schritt sollen die bestehenden und etablierten Theorien aufgezeigt und beschrieben werden. In einem zweiten Schritt wird analysiert, wo die Theorie der Behavioral Finance einzuordnen ist und welche Entwicklungen sie bereits durchlebt hat. Darauf aufbauend wird der Fokus in diesem Kapitel vor allem auf eine direkte Gegenüberstellung zwischen der traditionellen Finance und der Behavioral Finance gelegt. Im Anschluss wagen wir einen Ausblick auf mögliche zukünftige Forschungsgebiete und Theorie. Die Begriffe Old Finance und Modern Finance werden in der Literatur oft zusammengefasst als traditionelle bzw. klassische Finance bezeichnet. Dadurch kann eine klare Abgrenzung zwischen diesen Finanzmarkttheorien, welchen ein rational agierender Marktteilnehmer unterstellt ist, und der Behavioral Finance, welche von der Irrationalität und Psychologie geprägt ist, vorgenommen werden. In der untenstehenden Übersicht ist die historische Entwicklung der Finance in chronologischer Reihenfolge ersichtlich. 4

9 Theoretische Grundlagen Abbildung 1: Historische Entwicklung der Finance Old Finance Diese ursprüngliche Theorie befasst sich grundsätzlich nur mit der Rechnungslegung, der Fundamentalanalyse sowie der Jurisprudenz. Es wurden hauptsächlich die Geschäftsberichte der Unternehmungen untersucht. Ziel der Forschung war es, Prozesse und Abläufe zu entwickeln, mit denen man die Zahlen aus den Rechnungswesen-Abteilungen aufarbeiten und vergleichbar machen konnte. Ein Meilenstein dieser Zeit ist das im Jahr 1934 erstmals erschienene Buch "Security Analysis Principles and Technique" von Benjamin Graham und David L. Dodd. 2 In Folge dieser Erkenntnisse war die Zeit zwischen 1930 und 1960 vom sogenannten "Stock Picking" geprägt, wobei gezielt in ausgewählte Anlagen investiert wird. In Erwartung einer überdurchschnittlichen Rendite wird auf den risikominimierenden Effekt eines diversifizierten Portfolios verzichtet Modern Finance Seit den sechziger Jahren wird die finanzwirtschaftliche Forschung durch die Erkenntnisse der modernen Kapitalmarkttheorie geprägt. Diese moderne Portfoliotheorie wurde massgeblich durch Markowitz und Sharpe geprägt. In diesem Zusammenhang sind die Theorie der effizienten Märkte und die Risiko-Rendite-Analyse zu betrachten. Im Mittelpunkt steht das Capital Asset Pricing Model (CAPM) bei welchem von einer vollkommenen Rationalität der Marktteilnehmer sowie eines vollkommenen Finanzmarktes ausgegangen wird. 4 Nachfolgende Gleichgewichtstheorien unterliegen der Theorie des rationalen und risikoaversen Marktteilnehmers. Portfolio Selection Theory von Markowitz Die Portfolio Selection Theory wird im Allgemeinen als Grundlage der modernen Kapitalmarktforschung angesehen. Markowitz geht davon aus, dass die Marktteilnehmer risikoavers sind und ihr einziges Ziel die erwartete Rendite ist. Daher ist es das Ziel, durch die Bildung eines Wertschriftenportfeuilles den Diversifikationseffekt 1 Karlen (2004, S. 9). 2 Graham u.a. (2009, zit. n. Karlen 2004, S. 12). 3 Buchholz (2002). 4 Steinemann/Funk (2006). 5

10 Theoretische Grundlagen zu nutzen und das Risiko im Vergleich zu Einzelanlagen zu reduzieren. Diese Risikominimierung tritt ein, sobald die Renditen der Wertpapiere nicht vollständig positiv miteinander korrelieren. Die Theorie der Diversifikation gilt als empirisch bestätigt und hat in der Praxis eine grosse Verbreitung gefunden. 5 "Der hohe Stellenwert des Modells ergibt sich weiterhin daraus, dass es sowohl inhaltlich als auch zeitlich das Fundament der modernen Kapitalmarkttheorie und insbesondere des CAPM bildet." 6 Kapitalstruktur- und Dividendenirrelevanztheorem von Modigliani und Miller Die These der Kapitalstrukturirrelevanz besagt, dass es in einem perfekten Markt für Unternehmungen nicht möglich ist, durch Veränderung des Verschuldungsgrades einen Aktionärsmehrwert zu schaffen, solange sich der Aktionär zu den gleichen Konditionen verschulden kann wie das Unternehmen. 7 In diesem Zusammenhang ist auch das Dividendenirrelevanztheorem von Modigliani und Miller zu sehen. Es besagt, dass es für den Aktionär keine Rolle spielt, ob eine Dividende ausbezahlt wird oder nicht, solange der Aktionär dieselbe Kapitalmarktrendite erzielt wie das Unternehmen durch Reinvestitionen. 8 CAPM von Sharpe, Lintner und Mossin Das Capital Asset Pricing Model ist als Grundlage der modernen Kapitalmarkttheorie zu verstehen. Mit der Hilfe dieses Modells konnte der Zusammenhang zwischen der erwarteten Rendite und dem erwarteten Risiko eines Wertpapiers quantifiziert werden. Somit kann eine Aussage darüber gemacht werden, welche Rendite, mit dem vom Investor übernommenen Marktrisiko, zu erwarten ist. Daher ist Risiko nicht mehr bloss ein undefinierbares Bauchgefühl, sondern objektiv messbar. Dadurch werden Risiken handelbar und können in der Folge bestmöglich verteilt werden. Mit dem im CAPM bezeichneten Risiko ist ausschliesslich das nicht diversifizierbare Marktrisiko gemeint. Es wird in Form des Beta Faktors angegeben. Dieses systematische Risiko trägt der Investor und erhält dafür eine Risikoprämie. Das unsystematische Risiko 9, 10 wird nicht entschädigt, da es wegdiversifiziert werden kann. Arbitrage Pricing Theory von Ross Grundsätzlich funktioniert die Arbitrage Pricing Theory ähnlich wie das Capital Asset Pricing Modell. Das systematische Risiko ist somit bewertungsrelevant und das unsystematische Risiko kann durch Diversifikation eliminiert werden. Der Unterschied bzw. Vorteil der APT liegt darin, dass mehrere Quellen für das systematische Risiko berücksichtigt werden. Folglich ist die zu erwartende Rendite nicht alleine vom Marktrisiko abhängig sondern zusätzlich von makro- und mikroökonomischen Risikofaktoren. Unglücklicherweise sind diese Faktoren kaum bzw. nur unzureichend spezifiziert. Die empirische Finanzmarktforschung ist ebenfalls der Auffassung, dass die Beziehung zwischen Risiko und Rendite nicht alleine vom Marktbeta abhängig ist. 5 Karlen (2004, S. 13). 6 Jurczyk (2002, S. 63). 7 Gehrig/Zimmermann (2001, S. 424). 8 Gehrig/Zimmermann (2001, S. 435). 9 Karlen (2004, S. 14). 10 Gehrig/Zimmermann (2001, S. 81). 6

11 Theoretische Grundlagen Mögliche weitere Faktoren sind die Unternehmensgrösse oder das Verhältnis zwischen Markt- und 11, 12 Buchwert. Markteffizienzhypothese von Fama Diese Hypothese kann als Voraussetzung für die moderne Finanzmarkttheorie betrachtet werden. Hierbei geht man davon aus, dass alle verfügbaren und relevanten Informationen bereits in den Kursen berücksichtigt sind. Folglich widerspiegelt der Aktienkurs den momentanen wahren Wert einer Unternehmung. Es ist somit nicht möglich, durch die Auswertung von Informationen eine bessere Rendite zu erzielen. Kursänderungen sind daher auf einen Zufallsprozess, den sogenannten Random Walk, zurückzuführen. Dies ist damit begründet, dass Kurse auf relevante Informationen unverzüglich und korrekt reagieren und es daher keine systematischen Hinweise auf neue Informationen geben kann. 13 Zur verfeinerten Untersuchung dieser Problematik spricht man von drei verschiedenen Graden der Informationseffizienz. Als Information ersten Grades werden die Daten aus den historischen Kursentwicklungen bezeichnet. Die zweite Form beinhaltet alle öffentlich verfügbaren Informationen. Als dritter Grad der Informationseffizienz werden sämtliche Informationen, d. h. auch nicht veröffentlichte Insiderinformationen bezeichnet. 14 "Studien der vergangenen Jahrzehnte deuten darauf hin, dass die schwache Form der Markteffizienz vollumfänglich und die mittelstarke Form fast immer erfüllt sind." 15 Optionspreistheorie von Black & Scholes Das auch bei Praktikern geschätzte Modell zur Bewertung von Optionen gilt als Meilenstein in der modernen Finanzmarkttheorie. Erstmals in der Geschichte der Optionen gelang es, einen fairen Preis zu bestimmen. 14 Mit Hilfe dieses Modells können europäische Optionen bewertet werden. Dies geschieht indem ein Portefeuille aus einer Option und einem variablen Teil einer Aktie gebildet wird, sodass der Gewinn / Verlust der Aktienposition bei einer Veränderung des Aktienkurses durch denjenigen der Optionsposition vollständig neutralisiert wird Behavioral Finance Die oben beschriebene moderne Finanzmarkttheorie, welche als Idealbild den völlig rational handelnden Homo Oeconomicus beschreibt, genügte mit der Zeit nicht mehr für die Erklärung der Ausschläge an den Finanzmärkten. In diesem Zusammenhang konnte Daniel Kahneman die Grenzen der modernen Finanzmarkttheorie in zwei Punkten sehr deutlich nachweisen. Einerseits wird als Grundlage die gauss'sche Normalverteilungshypothese angewendet. Empirische Untersuchungen zeigen jedoch, dass die Kurse nicht einem Zufallspfad (Random Walk) folgen, sondern unsymmetrisch verteilt sind (Paretoverteilung). Andererseits ist eine systematische Über- und Unterbewertung, Fehleinschätzung und Markteuphorie zu beobachten, sprich der Mensch handelt häufig nicht rational. In diesem Zusammenhang ist zu er- 11 Gehrig/Zimmermann (2001, S. 167). 12 Karlen (2004, S. 15). 13 Gehrig/Zimmermann (2001, S ). 14 Karlen (2004, S. 16). 15 Gehrig/Zimmermann (2001, S. 29). 16 Gehrig/Zimmermann (2001, S ). 7

12 Theoretische Grundlagen wähnen, dass der Kognitionspsychologe Dietrich Dörner nachgewiesen hat, dass das rationale Verhalten von Menschen mit zunehmender Komplexität von Entscheidungssituationen überproportional abnimmt. 17 Oder wie es Keynes zu sagen pflegte: "Es gibt nichts, was so verheerend ist wie ein rationales Anlageverhalten in einer irrationalen Welt." Definition Behavioral Finance Ausgehend von den USA hat sich in den letzten Jahren ein neuer Forschungszweig entwickelt, der als Behavioral Finance, also als sogenannte verhaltenswissenschaftlich fundierte Finanzmarkttheorie, bezeichnet wird. 19 Nach der Definition von Weber kann Behavioral Finance in einem ersten Ansatz wie folgt beschrieben werden: "Die Behavioral Finance-Theoretiker greifen neue Erkenntnisse aus der Psychologie auf, um das Anlegerverhalten und andere Phänomene in den Kapitalmärkten zu erklären." 20 Das Verhalten von Individuen und das Marktgeschehen sind demnach in der Behavioral Finance eng miteinander verknüpft. Der Behavioral Finance-Ansatz ist somit deskriptiv und nicht normativ. Es erfolgt eine Beschäftigung mit dem Problem, wie Entscheidungen in der Realität getroffen werden. Der deskriptive Ansatz versucht zu erklären, warum ein Entscheid so zustande gekommen ist. Das Ziel ist es, das Verhalten in konkreten Entscheidungssituationen prognostizierbar zu machen Behaviorismus und Stimulus-Response-Schema In diesem Kapitel werden die elementaren Grundannahmen der Psychologie kurz und prägnant aufgezeigt. Das Schema des Stimulus-Response liegt dem Handeln an Finanzmärkten zugrunde und soll in der weiteren Arbeit als Basis für den Entscheidungsprozess herangezogen werden können. Der Behaviorismus geht davon aus, dass auf bestimmte beobachtbare Reize (Stimuli) bestimmte beobachtbare Verhaltensreaktionen (Responses) folgen. Diese Theorie wird deshalb als Stimulus-Response-Modell bezeichnet. 22 Dieses Kommunikationsmodell lehnt sich an die Funktionsweise des menschlichen Körpers an. So sind Rezeptoren Gebilde des Nervensystems, die Reize aufnehmen und in den Organismus aufnehmen. Beispiele hierfür sind Geschmacks-, Geruchs-, Wärme-, Lichtrezeptoren. 23 Das Stimulus-Response-Modell ist eines der einfachsten und deshalb auch am besten verständlichen Modelle zur Beschreibung des Kommunikationsprozesses. Als Grundlage dienen die drei Elemente Kommunikator, Stimulus und Rezipient. In der 17 Karlen (2004, S ). 18 Bergold/Mayer (2005, S. 13). 19 Rapp (1997, S. 82). 20 Weber (1999, zit. n. Jurczyk 2002, S. 81). 21 Jurczyk (2002, S. 81). 22 Kern (2003, S. 32). 23 Spichtig (2008, S. 166). 8

13 Theoretische Grundlagen praktischen Anwendung gibt es eine Fülle von Beispielen dafür. Einige davon sind in der untenstehenden Grafik ersichtlich. 24 Abbildung 2: Klassisches Stimulus-Response-Modell 25 Das Stimulus-Response-Modell wird insbesondere durch die Instinktpsychologie gestützt. Sie geht davon aus, dass bei allen Individuen die gleichen Triebe und Emotionen vorherrschen und dass das Individuum darauf keinen Einfluss hat. Zusätzlich wurde die Theorie der Massengesellschaft beigezogen. Hierbei werden, im Gegensatz zur traditionsgeleiteten Gemeinschaft, Primärgruppenbeziehungen und traditionelle Institutionen wie Religionen und Familie als geschwächt angesehen. Durch diese neu entstehende Anonymität und Isolation der Menschen, betrachtet man diese als stark abhängig von Aussagen der Massenmedien und somit als leicht beeinflussbar. 26 In Bezug auf die Behavioral Finance und den gesamten Entscheidungsprozess beim Kaufen, Verkaufen oder Halten von Wertschriften bedeutet dies, dass jederzeit ein gewisser Stimulus auf den Investor wirkt. Dies können Gewinnbekanntgaben durch die Unternehmung, Wirtschaftsdaten aus der Presse, Verhalten von nahestehenden Personen und sogenannten Opinion-Makern sein. Alle dadurch erhaltenen Informationen führen zu einem Handeln (Response). Innerhalb der Behavioral Finance besteht die interessante Thematik darin, zu untersuchen, welche Stimuli zu welchem Handeln führen. Die Schwierigkeit ist, dass gleichzeitig mehrere Stimuli auf den Anleger einwirken und nicht jeder Mensch diese gleich stark wahrnimmt und dementsprechend andere Handlungsaktivitäten daraus ableitet. In Bezug auf den praktischen Teil der Arbeit bedeutet dies, dass bei einer gegebenen Reaktion (Bsp. starker 24 Merten (2007, S. 56). 25 Merten (2007, S. 55). 26 Kruse (1998, S. 6). 9

14 Theoretische Grundlagen Kurseinbruch als Response) der mögliche Stimulus (Bsp. Bekanntgabe von unerwarteten Abschreibungen) ausfindig gemacht werden soll Relevanz Das Wissen um die Existenz von Verhaltensanomalien, wie sie später in der Arbeit noch detailliert analysiert werden, ist als grosse Chance zu sehen. Ist sich ein Investor dessen bewusst, kann er sein eigenes Handeln danach ausrichten und gegebenenfalls die Performance verbessern. In der untenstehenden Grafik sind die beiden grundsätzlichen Betrachtungsebenen (Individualebene und Gesamtmarktebene) ersichtlich. Einerseits geht es beim Individuum darum zu sehen, wie die Wahrnehmung, Verarbeitung und Bewertung von Informationen vor sich geht. Andererseits sind im Gesamtmarkt die aggregierten Anlageentscheidungen sämtlicher Marktteilnehmer auf die Preisbildung des Gesamtmarktes ersichtlich. Abbildung 3: Behavioral Finance im Überblick 27 Der grosse Anwendungsbereich in Bezug auf die Praxis liegt in der Qualität des Beratungsprozesses von Anlageberatungen. Der Kundenberater einer Bank kann den Anlagekunden auf gewisse Verhaltensanomalien aufmerksam machen und dadurch Quellen von psychologischem Fehlverhalten aufdecken. Ebenfalls macht sich das Wissen der Behavioral Finance in der Entwicklung von Anlageprodukten spürbar. So führte beispielsweise die Theorie der Verlustaversion zur Lancierung von kapitalgeschützten Produkten Rapp (1997, S. 83). 28 Karlen (2004, S. 34). 10

15 Theoretische Grundlagen 3.3. Aktuelle Entwicklungen in der Forschung Bei der sogenannten Neurofinance, soll den einzelnen Entscheidungen näher auf den Grund gegangen werden. Die Neurofinance verknüpft die modern Finance mit der Hirnforschung. 29 Das Ziel ist es, Fehler im Anlageverhalten aufzudecken und diese allenfalls abzutrainieren. 30 Durch das Aufspüren von überdurchschnittlich starken neuralen Verbindungen, sollen Erkenntnisse zu den daraus folgenden Anlageentscheidungen gewonnen werden. 31 Weiter gibt es die Evolutionary Finance, deren Ziel es ist, eine darwinistische Evolutionstheorie für die Portfolioauswahl aufzustellen. Es wird untersucht, ob gut geschulte professionelle Anleger, die über sehr viel Kapital verfügen und in Folge ihres Wissens rational handeln sollten, Abweichungen von der rationalen Kursbewegung bereinigen können. Nach dieser Theorie würden die Profis vom irrationalen Verhalten der Laien leben. Im evolutionären Wettbewerb würden somit die irrationalen Laien von den rational handelnden Profis aus dem Markt gedrängt. Ebenfalls wird untersucht, ob diese These der Marktselektion haltbar ist. Zusammenfassend kann man sagen, dass die Evolutionary Finance rationale und irrationale Modelle in einem einzigen neuen Modell zu vereinen versucht. 32 Als Fazit kann festgehalten werden, dass erfolgreiches investieren deutlich komplizierter ist, als uns dies die traditionelle Finanzmarkttheorie suggeriert. Da die Märkte nicht vollkommen rational sind, ist es durchaus möglich, den Markt zu schlagen. Es ist anzunehmen, dass mit der Zeit neue Marktanomalien auftreten werden. In diesem Zusammenhang ist es möglich, dass eine neue Subdisziplin (Bsp. Evolutionary Finace) neue Lösungsansätze für diese Problemstellungen liefern wird. Solide empirische Analysen in Zusammenarbeit mit psychologischen Kenntnissen sind zwei vielversprechende Erfolgsfaktoren. Zusätzlich soll an dieser Stelle auf das Kapitel "Mathematische Modelle" verwiesen werden, wobei ein alternativer Ansatz zur Modellierung des Risikos und allfälliger Prognosen beispielhaft aufgezeigt wird. Da diese Modelle jedoch sehr komplex sind, wird es auch in Zukunft notwendig sein, deren Charakteristiken genauer im Detail zu erforschen. Damit kann abschliessend gesagt werden, dass grundsätzlich auch in Zukunft verschiedene wissenschaftliche Disziplinen (Hirnforschung, Mathematik, etc.) für die Erforschung des Anlegerverhaltens in Frage kommen Grundlagen Entscheidungstheorie In der Entscheidungstheorie im Finance-Kontext geht es im Wesentlichen darum, wie Entscheidungen von Investoren zustande kommen. Einerseits wird unter der Annahme eines vollständig informierten und rationalen Individuums untersucht, auf welche Art und Weise eine Entscheidung mit höchst möglicher Genauigkeit getroffen werden kann. Da die zugrunde liegenden Annahmen jedoch nicht besonders realistisch sind, ist es umso interessanter, auch deren Abweichungen näher zu durchleuchten. 33 Die ersten zwei ausgewählten Theorien (Mean-variance Analysis und 29 Hens (2003) a. 30 Universität Zürich (2010). 31 Hens/Bachmann (2008, S. 229). 32 Hens (2003) b. 33 Hens/Bachmann (2008, S. 11). 11

16 Theoretische Grundlagen Prospect Theory) sollen dabei als Grundlage für die weiteren Ausführungen dienen. Da es sich spätestens ab dem nächsten Kapitel um einen fliessenden Übergang zu verschiedenen Verzerrungen handelt, werden nur einige Theorien untersucht. Im Kapitel "Behavioral Biases" wird dann im Anschluss vertieft auf verschiedene Aspekte in diesem Zusammenhang eingegangen. Grundsätzlich stellt sich die Frage, ob überhaupt eine klare Trennlinie zwischen den einzelnen Entscheidungstheorien und Verzerrungen gezogen werden kann. Gerade die rational begründeten Grundlagen werden im Anschluss häufig nicht rational umgesetzt oder aus verschiedenen Gründen verzerrt wahrgenommen. Eine mögliche Schlussfolgerung auf diese Frage kann sein, dass eine isolierte und auf das Minimum beschränkte Entscheidung relativ verzerrungsfrei getroffen werden kann. Je mehr man sich jedoch der Realität annähert, desto mehr steigt auch die Komplexität an. In der Folge findet eine Überlappung zwischen rationalen Gegebenheiten und irrationalen Verzerrungen statt. Es soll jedoch bereits einleitend betont werden, dass je nach Perspektive bereits einige Verzerrungsphänomene in die Grundtheorien interpretiert werden können Mean-Variance Analysis Vergleicht man die historischen Renditen von Aktien mit weniger riskanten Staatsanleihen wird ersichtlich, dass Aktien im Durchschnitt eine höhere Rendite abwerfen. Somit kann man sich die Frage stellen, weshalb es überhaupt Investoren gibt, die auf die höhere Rendite "verzichten". Die Antwort darauf liefert die Portfolio Theorie, wobei die Mean-Variance Analysis von Harry Markowitz die konzeptionelle Grundlage dazu liefert. 34 In der folgenden Darstellung geht - basierend auf den verschiedenen Renditen und Standardabweichungen - hervor, dass Aktien in Relation zu Obligationen vor allem dann eine höhere Rendite abwerfen, wenn die Schwankungen auch höher sind. Abbildung 4: Mean-Variance und Risikoaufschläge 35 Da das grundlegende Ziel der Portfolio Selection Theory von Markowitz bereits im Unterkapitel "Modern Finance" beschrieben wurde, wird an dieser Stelle zusammenfassend direkt auf die Unterscheidung von konservativen und aggressiven Investoren Bezug genommen. Die Basis dazu dient die Capital Market Line. Ausgehend von der risikolosen Anlage (Bsp. Cash) wird in Richtung der Efficient Frontier (Portfoliokom- 34 Hens/Bachmann (2008, S. 15). 35 Hens/Bachmann (2008, S. 16). 12

17 Theoretische Grundlagen binationen wobei die Rendite pro Risikoeinheit optimiert ist) eine Tangente gezogen. Das daraus entstehende Tangentialportfolio ist gleichbedeutend mit dem optimal möglichen Mix von risikobehafteten Anlagen. Ist diese Basis erst einmal vorhanden, kann sich nun jeder einzelne Anleger auf der Capital Market Line bewegen und entscheiden, wie viel er in die risikolose Anlage bzw. ins Tangentialportfolio investieren will. Die konkrete Platzierung wird dabei von der individuellen Indifferenzkurve bestimmt. Ist diese relativ steil handelt es sich um einen konservativen Investor, während es sich bei einer flachen Kurve um einen aggressiven Investor handelt. 36 Diese Gegebenheiten sind in der folgenden Abbildung illustriert: Abbildung 5: Tobin's Two-fund-separation Theorem 37 In diesem Beispiel investiert der konservative Investor ca. 1/3 in die risikolose Anlage. Der aggressive Investor hingegen hat zusätzlich einen Kredit für seine Investitionen aufgenommen, da dieser über dem Tangentialportfolio platziert ist (Leverage). Wie aus den obigen Ausführungen hervorgeht handelt es sich hierbei um grundlegende Entscheidungsfragen. Eine weitere wichtige Basis stellt die Prospect Theory dar Prospect Theory Die im Jahr 1979 von Daniel Kahneman und Amos Tversky begründete Prospect Theory fand in der Folgezeit eine starke Beachtung. Die Wertfunktion welche unten dargestellt ist, behandelt Gewinne und Verluste unterschiedlich. Ausgehend von einem individuellen Referenzpunkt werden objektive Wahrscheinlichkeiten subjektiv bewertet. Während in der Funktion für positive Abweichungen vom Referenzpunkt ein risikoscheu implizierender Verlauf angenommen wird, liegt für negative Abweichungen ein Risikofreude widerspiegelnder Verlauf vor. Die Wertfunktion wird somit durch subjektive Gewichtungen asymmetrisch. Weiter ist die Steigung der Kurve in der Verlustzone stärker als in der Gewinnzone, sodass z.b. die Abneigung gegenüber einer fairen Wette mit einer Zunahme des eingesetzten Betrages steigt. 36 Hens/Bachmann (2008, S ). 37 Hens/Bachmann (2008, S. 19). 13

18 Theoretische Grundlagen Abbildung 6: Hypothetische Wertfunktion der Prospect Theory 38 Das Streben nach einer Vermeidung negativer Konsequenzen ist auch aus evolutionärer Sicht plausibel, welche die Bedeutung der Risikovermeidung für das Überleben einer Spezies betont. Die hohe Priorität der Gefahrensignale bei der neuralen Reizverarbeitung unterstützt diese Verhaltensweisen wesentlich. 38 Wie in der Einleitung erwähnt, ist man bereits hier mit verschiedenen Verzerrungen konfrontiert. Aus diesem Grund soll an dieser Stelle etwas vertieft auf die Eigenheiten der Prospect Theory eingegangen werden. Der erste interessante Aspekt liefert der Reference Point. Während aus objektiver Sicht der Mittelwert als Referenz herangezogen wird, entscheidet sich der Investor häufig für seinen persönlichen Ankaufspreis als Referenzpunkt. Ob er die Anlage im Anschluss als erfolgreich bewertet oder nicht hängt somit von dieser Grundlage ab. Dabei ist es auch möglich, dass er einen relativen Referenzpunkt bestimmt (Bsp. die Rendite eines Benchmark). 39 Hier wird ersichtlich, dass der Durchschnittsinvestor häufig nicht objektive Instrumente wie statistische Fakten zur Beurteilung auswählt, sondern diese durch sein Handeln eigenmächtig bestimmt bzw. beeinflusst. Eine Abweichung zu einem völlig rationalen Handeln ist somit wahrscheinlich. Als letzte wichtige Grundlage soll die Verlustaversion nochmals separat erwähnt werden. Da die Wertfunktion auf der Verlustseite steiler ist als auf der Gewinnseite, wird bei einer grösseren Verlustaversion eine höhere Kompensation für das eingegangene Risiko gefordert. 40 In der Realität wird dieser Sachverhalt im Markt durch Risikozuschläge abgegolten. Der Vollständigkeit halber soll bei dieser Theorie auch die Verbindung zum Gesetz des abnehmenden Grenznutzens aufgezeigt werden. Wie in der Grafik ebenfalls ersichtlich, nimmt pro zusätzliche Einheit Gewinn der Wert nicht gleichmässig sondern in abnehmender Form zu. Obwohl eine weitere Zunahme eine positive Auswirkung auf den Wert hat, ist diese nicht linear sondern nimmt mit steigender Quantität ab. Dasselbe gilt für den Bereich in der Verlustzone in umgekehrter Form. 38 Unser/Steiner (1999, S ). 39 Hens/Bachmann (2008, S. 36). 40 Hens/Bachmann (2008, S. 39). 14

19 Theoretische Grundlagen 3.5. Informationsverarbeitung und Heuristiken Der menschliche Informationsverarbeitungsprozess lässt sich in die Bestandteile Informationserwerb durch Wahrnehmungsprozesse, die Informationsverarbeitung sowie den Informationsoutput in Form von Schlussfolgerungen und Entscheidungen unterteilen. Der Mensch als "informationsverarbeitendes System" kann durch die nachfolgend genannten Faktoren beschrieben werden: Selektive Wahrnehmung 2. Sequentieller Informationsverarbeitungsverlauf 3. Beschränkte Problemlösefähigkeit 4. Limitierte Informationsspeicherungskapazität Die selektive Wahrnehmung ist grundsätzlich kein irrationaler Vorgang, sondern eine Konsequenz der limitierten Informationsverarbeitungskapazität und eine häufig sinnvolle Strategie der Informationsreduktion. Würde ein Individuum eine getroffene Entscheidung permanent durch die Suche nach neuen Informationen hinterfragen, würde dies eine Entscheidungsunfähigkeit zur Folge haben. 41 Versuche von Miller im Jahre 1956 haben ergeben, dass das menschliche Gehirn nur etwa sieben Informationseinheiten gleichzeitig verarbeiten kann. Es ist somit ausgeschlossen, bei schnellen Entscheidungen wie sie an den Finanzmärkten notwendig sind, alle relevanten Informationen zu erfassen und zu verarbeiten. 42 Diese kognitiven Grenzen der Informationswahrnehmung und Informationsverarbeitung machen es für den Menschen notwendig, Verfahren zu entwickeln, mit denen er aus der verfügbaren Menge von existierenden Alternativen möglichst schnell und unkompliziert die beste Auswahl selektieren kann. Diese "Verfahren" bzw. "Faustregeln" werden als Heuristiken bezeichnet. 43 Goldberg Nitzsch 2000 definiert: "Unter Heuristiken versteht man Regeln oder Strategien der Informationsverarbeitung, die mit geringem Aufwand zu einem schnellen, aber nicht garantiert optimalen Ergebnis kommen ". Der Ursprung des Wortes Heuristik liegt im altgriechischen "heurisko" was so viel heisst, wie "ich finde". 44 Einerseits werden Heuristiken dann benutzt, wenn mehr Informationen vorhanden sind, als ein Mensch in nützlicher Frist verarbeiten kann. Andererseits wird aber auch auf Heuristiken zurückgegriffen, wenn ein Problem nicht besonders wichtig erscheint, bzw. wenn man noch keine Erfahrung mit der Lösung einer solchen Problemstellung hat. 45 Weiter ist zu erwähnen, dass Heuristiken bewusst oder unbewusst ablaufen können. Heuristiken die aus Gründen von Zeitmangel angewendet werden, bergen die Gefahr, nicht optimale Entscheidungen zu treffen. Andererseits sind unbewusst ablaufende Heuristiken weniger transparent und Verzerrungen in der Informationswahrnehmung und Informationsverarbeitung werden häufig gar nicht erst wahrgenom- 41 Flemisch (2006, S. 213). 42 Jurczyk (2002, S. 87). 43 Flemisch (2006, S ). 44 Schriek (2009, S. 34). 45 Jurczyk (2002, S. 88). 15

20 Theoretische Grundlagen men. So kann die gleiche Heuristik, kombiniert mit einer unterschiedlichen Wahrnehmung dazu führen, dass unterschiedliche Prognosen entstehen. 46 Um einen Überblick über die einzelnen Heuristiken zu erlangen, sollen diese in den kommenden Kapiteln beschrieben werden. Wie bereits angedeutet, können zwei Kategorien gebildet werden. Dies sind, wie in der untenstehenden Grafik ersichtlich, die Heuristiken zur Komplexitätsreduzierung und die Heuristiken zur schnellen Urteilsfindung. 47 Abbildung 7: Überblick Heuristiken Heuristiken zur Komplexitätsreduktion Wie bereits in der Einleitung erwähnt, ist der Mensch nicht fähig, alle verfügbaren Informationen korrekt und vollständig zu verarbeiten. In diesem Unterkapitel soll deshalb etwas vertieft auf das Phänomen der Komplexitätsreduktion eingegangen werden. Vereinfachung von Sachverhalten Durch die Vereinfachung von Sachverhalten kann die Komplexität von Entscheidungssituationen deutlich reduziert werden. In diesem Fall werden geringe Unterschiede bei Informationen weggelassen, wenn diese nicht von besonderer Bedeutung für die Entscheidung sind. Ein Beispiel ist das Auf- oder Abrunden von Zahlen. Geschieht dies in vernünftigen Dimensionen ist das Runden problemlos, unachtsames Vorgehen kann jedoch zu relevanten Abweichungen führen Shefrin (2000, S. 61). 47 Jurczyk (2002, S. 88). 48 Jurczyk (2002, S. 89). 49 Goldberg/von Nitzsch (2004, S ). 16

21 Theoretische Grundlagen Mental Accounting Beim Mental Accounting handelt es sich um eine besondere Form des Framings. Unter dieser weit verbreiteten Art der Komplexitätsreduktion versteht man das Führen geistiger Konten. Hierbei wird für jedes Vorhaben (Bsp. Steuern, Auto, Urlaub) "separates" Geld verwendet. Daher erfolgt keine gesamte Betrachtung und die Abhängigkeiten zwischen verschiedenen Engagements werden weitgehend ignoriert. So wird auf der einen Seite beispielsweise ein hohes Risiko eingegangen, während Gelder auf der anderen Seite zu konservativ angelegt werden. Optimal wäre jedoch, beide Seiten als Gesamtportfolio im Sinne einer rationalen Asset Allocation zu betrachten, um das persönliche Risikoprofil umfassend zu beurteilen. 50 Somit entstehen hinsichtlich der persönlichen Risikofähigkeit künstliche Grenzen. Ähnliche Situationen können auch im Alltag beobachtet werden. Beispielsweise wird beim Einkaufen unterschieden, ob der Erwerb eines Gutes bar bezahlt wird oder per Kreditkarte im Anschluss auf Rechnung. Falls diese Überlegung nicht aus Liquiditätsgründen erfolgt (Rechnung wird im Gegensatz zum Bareinkauf später bezahlt), spielt dies im Gesamtzusammenhang keine Rolle. Sieht man von allfälligen Gebühren ab, ist der Effekt auf das Vermögen identisch. Die Überlegung, wie der Kauf abgebucht werden soll, hat somit keinen Einfluss auf die Gesamtvermögenssituation. Die selbe Logik lässt sich auf eine Anlageberatung übertragen. Hier wäre es von Vorteil, wenn der Berater die gesamte finanzielle Situation des Kunden im Überblick hat. Jedoch kann es vorkommen, dass sich der Kunde in seiner Beratung nur auf das vorliegende Konto bezieht und weitere Konti von Konkurrenzbanken verschweigt. Somit steht die Anlageentscheidung wiederum nicht im Gesamtzusammenhang und die Entscheidungsbasis ist aufgrund künstlicher Grenzen zu wenig breit bzw. rational abgestützt. In Bezug auf die Portfolio Selection Theory von Markowitz wird die Problematik dieser Komplexitätsreduktion klar ersichtlich. Die Vernachlässigung der Abhängigkeiten hat sehr oft eine falsche Risikobewertung zur Folge. 51 Verfügbarkeitsheuristik Im Sinne dieser Heuristik wird die Komplexität reduziert, indem Informationen, welche schlecht oder gar nicht verfügbar sind, vernachlässigt werden. Demnach hängt die Eintrittswahrscheinlichkeit eines zukünftigen Kurses davon ab, wie gut sich ein Investor an diesen Kurs in der Vergangenheit erinnern kann. Je besser die Erinnerung an ein Ereignis, desto höher wird die Eintrittswahrscheinlichkeit eingeschätzt. Beispiele dieser Theorie sind die überdurchschnittlichen Aktienengagements junger Investoren ohne Börsencrash-Erfahrung oder die Konzentration der Anleger auf den Heimmarkt (siehe Home Bias). 52 Vernachlässigung von Informationen Hierbei wird davon ausgegangen, dass Informationen, die eine bereits vorgefasste Meinung unterstreichen, leichter wahrgenommen und als relevanter eingestuft werden, als solche die der eigenen Überzeugung widersprechen. Da diese je nach Anleger verschieden sind, erfolgt auf neue Informationen eine unterschiedliche Reaktion und Interpretation. Dieses Phänomen wird auch als selektive Wahrnehmung be- 50 Bodie u.a. (2008, S. 398). 51 Thaler (1999, S. 242). 52 Tversky/Kahneman (1973, zit. n. Flemisch 2006, S. 216). 17

22 Theoretische Grundlagen zeichnet. Ebenfalls in diesem Zusammenhang ist das Phänomen des Kontrasteffekts zu sehen. Demnach werden Beobachtungen, die sich stark vom "Normalfall" unterscheiden oft überdurchschnittlich stark wahrgenommen Heuristiken zur schnellen Urteilsfindung Da es gerade in den Finanzmärkten entscheidend sein kann, wie schnell eine Entscheidung getroffen wird, stehen viele Marktteilnehmer unter einem besonderen Druck. Sie müssen die Entscheidung unter Unsicherheit innerhalb einer nützlichen Frist fällen. Die dabei ablaufenden "automatischen" Strategien werden durch die folgenden zwei Heuristiken kritisch unter die Lupe genommen. Verankerungsheuristik Um Schätzungen zu machen legt der Mensch einen ersten Ursprungs- oder Richtwert fest. Anschliessend wird dieser Wert unter Zuzug von weiteren Informationen laufend angepasst und präzisiert. 54 Empirische Untersuchungen haben aufgedeckt, dass dieser Anpassungsprozess oft zu kurz ausfällt. Daher kann man davon ausgehen, dass dem ersten Schätzwert eine sehr grosse Bedeutung zukommt. 55 Repräsentativitätsheuristik Die durch Kahneman und Tversky 1972 vorgestellte Repräsentativitätstheorie geht davon aus 56, dass Menschen bei der Prognose unsicherer zukünftiger Ereignisse dazu neigen, in Stereotypen zu denken. Einfacher gesagt lässt sich Repräsentativität als Denkmuster oder Schema bezeichnen. Im Gehirn werden Ergebnisse von Beobachtungen in der Vergangenheit, persönliche Erfahrungen sowie Lernprozesse als Schemata verankert. 57 Weist nun eine Situation eine hohe Ähnlichkeit zu einem fest verankerten Schema auf, besteht die Gefahr voreilige Schlüsse zu ziehen. Grundsätzlich kann sich die Repräsentativität als Urteilsverzerrung in drei Varianten auswirken: Die Wahrscheinlichkeit von repräsentativen Ereignissen wird tendenziell überschätzt. Empirische und kausale Zusammenhänge werden tendenziell überschätzt. Es werden Zusammenhänge gesehen, wo gar keine bestehen. 58 Zusammenfassend lässt sich sagen, dass aufgrund eines kleinen Musters zu schnell auf einen grösseren Trend geschlossen wird. Dies wiederum kann zu Überreaktionen an den Märkten führen. So kann beispielsweise der Aktienkurs einer Unternehmung aufgrund guter kurzfristiger Daten in die Höhe schiessen. Sobald dies jedoch von 53 Goldberg/von Nitzsch (2004, S. 59). 54 Goldberg/von Nitzsch (2004, S. 66). 55 Goldberg/von Nitzsch (2004, S. 67). 56 Goldberg/von Nitzsch (2004, S. 71). 57 Flemisch (2006, S. 216). 58 Goldberg/von Nitzsch (2004, S. 72). 18

23 Theoretische Grundlagen den Marktprotagonisten erkannt wird, erfolgt in den darauffolgenden Tagen eine Korrektur und die anfängliche Übertreibung wird dadurch kompensiert Fazit Nachfolgend wird anhand eines Beispiels, auf einen Fehler eingegangen, welcher aus den oben beschriebenen Verhaltensmustern entstehen kann und für das Anlegerverhalten von grosser Bedeutung ist. Wenn eine Unternehmung in fünf erfolgreichen Jahren eine jährliche Gewinnsteigerung von 5% realisiert hat, gehen wir davon aus, im sechsten Geschäftsjahr ebenfalls eine solche Steigerung zu erreichen, obwohl der langfristige Erwartungswert des Gewinnwachstums unter 5% liegt. 60 Diese übertriebene Fortschreibung von Zeitreihen ist als Repräsentativitätsheuristik einzustufen und wird an den Aktienmärkten sehr oft beobachtet. Zusammenfassend lässt sich sagen, dass die oben beschriebenen Heuristiken zur Komplexitätsreduktion und schnellen Urteilsfindung absolut notwendig sind. Es ist die einzige Möglichkeit, sich an den schnell ändernden und informationsüberfluteten Finanzmärkten zurechtzufinden. Nichtsdestotrotz ist es wichtig, sich der Risiken bewusst zu sein Behavioral Biases Bei den Behavioral Biases handelt es sich um Wahrnehmungsverzerrungen. Hier wird davon ausgegangen, dass Individuen selbst bei einer perfekten Informationsverarbeitung nicht vollständig rationale Entscheidungen fällen würden. Viele der folgend aufgelisteten Biases hegen letztendlich den Anspruch, reale ökonomische Phänomene erklären zu können. Da die Behavioral Biases innerhalb der Behavioral Finance aus Sicht der Autoren sehr wichtig sind, wird auf verschiedene mögliche Unterteilungen eingegangen. Teilweise werden für identische Modelle unterschiedliche Bezeichnungen verwendet. Es soll darauf hingewiesen werden, dass es sich hierbei um die gebräuchlichsten bzw. meist verwendeten Ausdrücke in der gefundenen Literatur handelt. Weiter knüpfen einige Verzerrungen nahtlos an das Unterkapitel "Heuristiken" an. Durch die verschiedenen Untertitel wurde jedoch versucht, diesen Verknüpfungen eine gewisse Struktur und Übersicht zu verleihen, damit die Unterscheidung etwas vereinfacht wird. Analog zur Unterteilung im Kapitel "Heuristiken" (Komplexitätsreduktion sowie schnelle Urteilsfindung) wurden hier weitere drei Unterteilungen vorgenommen (information processing biases, decision biases sowie decision evaluation biases). Eine weitere konzeptionelle Unterscheidung kann sein, dass "Heuristiken" eher als Faustregeln zu betrachten sind, welche zur Lösung komplexer Probleme helfen sollen. Umgekehrt ist gerade dies wiederum ein möglicher Nährboden für Wahrnehmungsverzerrungen. Obwohl grosser Wert darauf gelegt wurde, einen hohen Grad an Vollständigkeit zu erreichen, ist es durchaus möglich, dass weitere Verzerrungen existieren. Die aufgeführten Biases sollen beispielhaft als breite sowie ausführliche Übersicht dienen. Da jedoch auch in diesem Bereich die Forschung weitergeht, kann durchaus davon ausgegangen werden, dass neue Biases entdeckt 59 Bodie u.a. (2008, S ). 60 Unser/Steiner (1999, S. 165). 19

24 Theoretische Grundlagen und in die Theorie aufgenommen werden. Wie bereits an diversen Stellen erwähnt, kann es besonders in diesem Bereich zu Überlappungen kommen. Es wurde jedoch versucht, die einzelnen Einflüsse so gut als möglich auseinander zu halten Information Processing Biases Nachdem die verschiedenen relevanten Informationen ausgewählt wurden, fokussieren sich die Investoren darauf, diese zu verarbeiten. Während die Grundproblematik der Auswahl bereits im Kapitel "Heuristiken zur Komplexitätsreduktion" behandelt wurde, kommt es an dieser Stelle zu weiteren Herausforderungen. Es ist möglich, dass gewisse Informationen aus Gründen der Einfachheit bewusst ignoriert werden. Wesentlich interessanter sind jedoch Phänomene, bei welchen gewisse Informationen unbewusst falsch eingeschätzt werden. Die folgende Übersicht soll in diesem Zusammenhang etwas Klarheit verschaffen. Gambler's Fallacy Bei diesem Phänomen geht es darum, dass eine statistisch signifikante Abweichung zwischen der Einschätzung von zufälligen Abfolgen und deren effektiven Eintrittswahrscheinlichkeit besteht. Um diese Problematik greifbar zu machen, soll dies anhand eines Spielcasinos erklärt werden. Beispielsweise ist beim Roulette zu beobachten, dass wenn die Kugel sieben Mal nacheinander auf die selbe Farbe fällt, viele Spieler von einer Trendumkehr überzeugt sind. Ein Abwechseln der Farben wird also subjektiv vermehrt mit "Zufall" in Verbindung gebracht als eine längere Abfolge derselben Farbe. Effektiv wird der nächste Spielzug aber nicht vom vorangegangenen beeinflusst, da der Zufall wieder von neuem spielt. Bei einem Experiment wurden Studenten beauftragt, bei einem 100-fachen fairen Münzwurf die Abfolge von Kopf und Zahl zu notieren. Dabei war ersichtlich, dass viermalige identische Abfolgen selten und fünf oder längere Abfolgen fast nie aufgeschrieben wurden. Somit wurde in der Untersuchung die Eintrittswahrscheinlichkeit von vier Abfolgen mit der effektiven Wahrscheinlichkeit (0.5 4 = 6.25%) bereits unterschätzt. In Bezug auf Investitionsentscheidungen kann es daher vorkommen, dass Anleger nach einer Reihe von vielen positiven Returns pessimistisch werden und zu früh verkaufen. In der Realität liegen jedoch unter Umständen gute Gründe für einen Anstieg vor und die pessimistische Interpretation ist nicht gerechtfertigt. 61 Conservatism Diese These besagt, dass Investoren zu langsam bzw. konservativ reagieren. Obwohl bereits neue Beweise vorliegen wird an alten Überzeugungen festgehalten. Dies hat zur Folge, dass aufgrund von abgeschwächten Reaktionen neue Informationen nur allmählich und nicht sofort in die Marktpreise einfliessen. 62 Edwards hält bei dieser Problematik fest, dass sich bei neuen Informationen die effektive Wahrscheinlichkeit stärker ändert, als dies vom Individuum wahrgenommen wird. Die Grundlage bei abhängigen Wahrscheinlichkeiten stellt das Bayes-Theorem dar, welches bei mehrstufigen Fragestellungen die Wahrscheinlichkeit wiedergibt. Zur Visualisierung werden in der Praxis häufig Baumdiagramme beigezogen. Untersuchungen haben nun aufgezeigt, dass Testpersonen zwar fähig sind, Abhängigkeiten richtig einzuschätzen, jedoch in der Grössenordnung danebenliegen und neue Informationen 61 Hens/Bachmann (2008, S. 73). 62 Bodie u.a. (2008, S. 397). 20

25 Theoretische Grundlagen tendenziell unterschätzen. Dies führt wie oben beschrieben dazu, dass primär an den ursprünglichen Überzeugungen festgehalten wird. Als Ursprung des Problems wird die "misaggregation" der vorhandenen Daten - also ein nicht sauberes "aufaddieren" der Daten - genannt. Dies wiederum ist in der vorherrschenden Komplexität begründet, da solche Fragestellungen in der Regel als relativ anspruchsvoll gelten. 63 Framing Entscheidungen können durch die Art der Präsentation beeinflusst werden. Obwohl es sich um denselben Sachverhalt handelt, ist es möglich, dass der Marktteilnehmer bei unterschiedlicher Präsentation der Fakten entgegengesetzt agiert. Die Darstellung beeinflusst somit die Emotionen und in der Folge auch die Anlage- Entscheidung. Folgend ein kurzes Beispiel: Bei der ersten Variante gewinnt der Teilnehmer CHF wenn er bei einem Münzwurf Kopf bzw. Zahl korrekt voraussagen kann. Bei der zweiten Variante erhält er zuerst ein Geschenk von CHF muss aber im Anschluss die richtige Seite der Münze voraussagen, um das Geschenk behalten zu dürfen. Obwohl beide Varianten denselben Endeffekt aufweisen, erhält der Teilnehmer einen anderen Eindruck, indem die erste Präsentation im Licht eines risikobehafteten Gewinns erscheint und die zweite im Zusammenhang mit einem risikobehafteten Verlust. 64 Overconfidence Geht man im Alltag normalerweise davon aus, dass Experten ihre eigenen Beurteilungen in einem vernünftigen Mass einschätzen können, entspricht dies bei genauerer Untersuchung nicht unbedingt der Realität. In der Folge wird in gekürzter Fassung auf eine Fallstudie Bezug genommen, welche von Stuart Oskamp beschrieben wurde. Beschäftigt sich ein Psychologe mit einem Patienten, sammelt er in einem ersten Prozess verschiedene Informationen über dessen Leben, damit er ihn in der Folge besser einschätzen kann. Wichtig dabei zu erwähnen ist, dass die Überzeugung des Psychologen mit zusätzlichen Informationen ansteigt. In der Studie mussten 32 Psychologen Multiple-Choice-Fragen zu einem Fall beantworten, wie er auch oft im klinischen Alltag vorkommt. Der Test wurde in vier Phasen unterteilt, wobei bei jeder Phase mehr Informationen über eine betreffende Person preisgegeben wurden und jede Phase 25 Fragen mit je fünf Antwortmöglichkeiten enthielt. Zusätzlich mussten die Testpersonen vor jeder Phase ihre Einschätzung bekanntgeben, wie viele Fragen prozentual voraussichtlich richtig beantwortet werden. Bei fünf Fragen beträgt die Zufallswahrscheinlichkeit somit 20%. 65 Die Resultate der Studie sind in der folgenden Grafik ersichtlich: 63 Edwards (2001, S. 359). 64 Bodie u.a. (2008, S. 398). 65 Oskamp (2001, S ). 21

26 Theoretische Grundlagen Genauigkeit in % Selbstsicherheit in % Geänderte Antworten Absolut 0 Phase 1 Phase 2 Phase 3 Phase 4 Abbildung 8: Resultate Fallstudie Overconfidence 66 Wie die Darstellung aufzeigt, nimmt die effektive Genauigkeit etwas zu und erreicht dann einen bestimmten Höhepunkt der praktisch nicht überschritten wird. Im Gegensatz dazu steigt die Überzeugung in die vorgenommene Einschätzung weiter an. In den Phasen zwei und drei werden - obwohl mehr Informationen zur Verfügung stehen - weniger vorangegangene Antworten korrigiert. Dieser Umstand wird damit erklärt, dass die getesteten Individuen häufig stereotype Muster bildeten und diese bei neuen Informationen nur zurückhaltend überdachten. In Bezug auf die Grafik darf eine Testperson als "overconfident" betrachtet werden, wenn die Lücke zwischen der "Selbstsicherheit" und der effektiven Genauigkeit grösser wird. Im Durchschnitt beträgt die Genauigkeit weniger als 28%, wobei die Differenz zur Zufallswahrscheinlichkeit als nicht signifikant interpretiert wird. Besonders auffallend ist die Differenz von ca. 25% zwischen der Genauigkeit und der Selbstsicherheit in der Phase vier, was eine Überschätzung der eigenen Fähigkeiten bedeutet. Statistisch interessant ist die Tatsache, dass von den 32 Testpersonen 14 ihre Genauigkeit verbesserten, sechs konstant blieben und sich 12 verschlechterten. Somit handelt es sich dabei um ein Zufallsresultat. Im Kontrast dazu waren in der ersten Phase 13 Personen nicht "overconfident", in der Phase vier hingegen nur noch zwei Personen. Obwohl die Resultate dieser Studie nicht verallgemeinert werden dürfen, kann zusammengefasst festgehalten werden, dass mehr Erfahrungswerte tendenziell zu mehr Selbstsicherheit in Bezug auf Entscheidungen führen. Die effektive Genauigkeit muss jedoch nicht mit der Selbstsicherheit im Einklang stehen. 67 Umgemünzt auf Anlageentscheide kann dies so interpretiert werden, dass Experten, welche sich bei Entscheidungen relativ selbstsicher fühlen, nicht zwingend auch erfolgreicher sein müssen. Illusion of Control Grundsätzlich kann man häufig auch aus eigener Erfahrung bestätigen, dass sich beispielsweise in beruflichen Situationen das Glück mit dem Können überlappt. Der Hauptgrund besteht darin, dass es praktisch unmöglich ist, alle Elemente im betreffenden System zu kontrollieren bzw. zu beeinflussen. Obwohl das Können häufig ei- 66 Eigene Darstellung, Datenbasis: Oskamp (2001, S. 291). 67 Oskamp (2001, S ). 22

27 Theoretische Grundlagen ne Grundvoraussetzung darstellt, ist es aufgrund der Komplexität vielfach nicht möglich, durch das Können beispielsweise gewisse Makrofaktoren zu beeinflussen. Obwohl zwar die Möglichkeit besteht, diese vorgängig im Detail zu analysieren, ist es dennoch schwierig genaue Prognosen zu machen. In der Folge wird versucht, mit Wahrscheinlichkeiten zu operieren, welche teilweise von nicht einberechneten Effekten tangiert werden. In diesem Falle ist der "Faktor Glück bzw. Unglück" eine begleitende Erscheinung. Die beiden Soziologen Goffman und Henslin haben 1967 in Las Vegas untersucht, dass sich Gambler beim Würfelspiel so verhielten, als ob sich besonderer Aufwand und Konzentration lohnen würde. Sollten die Würfel tiefere Summen ergeben, wurden diese sanfter geworfen als bei höher gewünschten Summen. Weiter war zu beobachten, dass sich viele unabhängige Spieler demjenigen würfelnden Spieler anschlossen, welcher am meisten den Eindruck erweckte, die Kontrolle über das Spiel zu haben. 68 Kurz zusammengefasst kann die "Kontrollillusion" wie folgt definiert werden: "An illusion of control is defined as an expectancy of a personal success probability inappropriately higher than the objective probability would warrant." 69 Eine weitere interessante Untersuchung brachte hervor, dass sich das Verhalten bei einem nicht beeinflussbaren Spiel je nach dem Typ des Konkurrenten veränderte. Dabei wurde grundsätzlich davon ausgegangen, dass die Erfolgsrate bei beeinflussbaren Konkurrenzsituationen massgeblich vom Können des Gegners abhängt. Die interessante Schlussfolgerung dieser Studie brachte hervor, dass Individuen bei einem Kartenspiel, welches ausschliesslich vom Glück abhängt, ähnliche Einschätzungen über die Situation machen. Dabei gab es beim Kartenziehen jeweils zwei Arten von Mitspieler. Während der erste selbstsicher auftrat, verhielt sich derjenige in der zweiten Situation unbeholfen. Das Resultat der Studie zeigte auf, dass die Testpersonen in Anwesenheit des selbstsicheren Spielers tiefere Einsätze riskierten als in der anderen Situation. 70 Somit lässt sich sagen, dass Konkurrenzsituationen einen Einfluss auf die Entscheidungsfindung ausüben. Obwohl die Situation nur vom Glück abhängig war, erkannte man auch hier ähnliche Verhaltensmerkmale, wie dies bei beeinflussbaren Situationen zum Vorschein kommt. Dies bedeutet, dass in der Studie auf äussere Umweltfaktoren geachtet wurde, obwohl diese keinen rationalen Einfluss auf das Spielgeschehen ausübten. Die Interpretation daraus ist, dass die subjektiven Beurteilungen überschätzt werden und versucht wird, durch unterschiedliches Verhalten eine gewisse Kontrolle über das Geschehen zu erlangen. Eine unkontrollierbare Situation wird sozusagen beeinflussbar wahrgenommen Decision Biases Bei diesem Unterkapitel geht es darum, dass der Ursprung suboptimaler Entscheidungen nicht nur in der Informationsverarbeitung begründet ist, sondern ebenfalls eine Konsequenz weiterer prominenter Beispiele ist Langer (2001, S. 231). 69 Langer (2001, S. 232). 70 Langer (2001, S ). 71 Hens/Bachmann (2008, S. 82). 23

28 Theoretische Grundlagen Disposition Effect Dieser Effekt bezieht sich auf die empirisch bewiesene Tatsache, dass "Gewinnpositionen" zu früh und "Verlustpositionen" zu spät verkauft werden. Eine dafür mögliche Erklärung ist das Führen geistiger Konten (siehe Mental Accounting), wobei klar zwischen Gewinnen und Verlusten unterschieden wird, statt das Portfolio im Gesamtzusammenhang zu betrachten. Verluste werden somit "nur" als Buchverluste betrachtet, während Gewinne effektiv realisiert werden. Die Kritik zielt im Wesentlichen darauf ab, dass sich durch solche Denkmuster ökonomische Realitäten fälschlicherweise in den Hintergrund verschieben und die Entscheide in der Folge irrationaler sind. Es wird sozusagen aufgrund vergangener Tatsachen entschieden und die zukünftigen Aussichten werden zu wenig berücksichtigt. 72 Zusätzlich kann auch auf die Prospect Theory Bezug genommen werden, welche unter anderem beinhaltet, dass negative Konsequenzen unbedingt vermieden werden wollen. House Money Effect Bei diesem Effekt lässt sich ebenfalls eine Verbindung zum Mental Accounting herstellen. Hier werden kürzlich realisierte Gewinne zukünftig mit einem höheren Risiko bewirtschaftet. 72 Folgend ein kurzes Beispiel: In einem ersten Schritt wird ein Betrag von CHF 1' in Aktien investiert. Nach einiger Zeit wächst der Betrag auf CHF 1' an. Wird der Gewinn realisiert, ist es möglich, dass die gewonnenen CHF in ein Hochrisikopapier angelegt werden. Es wird also eine Risikodifferenzierung zwischen dem ursprünglich investierten Betrag und dem Gewinn vorgenommen. Home Bias Der Home Bias kritisiert das Diversifikationsverhalten vieler Investoren. French und Poterba (1991) haben untersucht, dass Anleger in den Vereinigten Staaten zu 94%, in Japan zu 98% und im Vereinigten Königreich zu 82% im Heimmarkt investiert sind. Der Grund für dieses Verhalten liegt darin, dass sich "Zuhause" viele sicherer fühlen und somit besser mit Entscheidungsproblemen umgehen können. Es wird davon ausgegangen, im eigenen Land besser informiert zu sein, als wenn man in einem fremden Land investiert ist. Dies kann jedoch zu einem falschen bzw. zu hohen Sicherheitsgefühl führen. 73 Die Hauptproblematik besteht somit darin, dass viele auf zusätzliche Diversifikationsmöglichkeiten verzichten. Obwohl es bei gewissen Ländern tatsächlich anspruchsvoller sein kann, an verlässliche Informationen zu gelangen, sollte man nicht gänzlich darauf verzichten, in fremde Länder zu investieren. Gerade bei hochentwickelten Volkswirtschaften ist das Risiko in Bezug auf Informationen vergleichbar. Endowment Bias Der Endowment Bias bezieht sich auf das Phänomen, dass nicht nur der zukünftige Nutzen eines Gutes eingeschätzt wird, sondern vergangene Entscheide auch eine Rolle spielen. Ebenfalls werden Güter, welche sich bereits im Besitz eines Individuums befinden, nur ungern getauscht, wie ein Experiment hervorbrachte: In einem ersten Schritt wurden zwei Güter mit gleich hohem Wert an verschiedene Personen verteilt, ohne deren Vorlieben zu berücksichtigen. In einem zweiten Schritt erhielten die Teilnehmer die Möglichkeit, die Güter untereinander auszutauschen. Geht man davon aus, dass aufgrund der ursprünglichen zufälligen Verteilung das Tauschinte- 72 Hens/Bachmann (2008, S. 84). 73 Hens/Bachmann (2008, S. 85). 24

29 Theoretische Grundlagen resse ebenfalls zufällig ist, würde sich herausstellen, dass um die 50% der Leute ihre Güter tauschen wollen. Das Resultat war jedoch, dass das Tauschinteresse merklich kleiner war, da sich der Effekt des Besitzes stärker bemerkbar machte, als die persönlichen Vorlieben. Gerade bei Investitionsentscheidungen ist es besonders wichtig, die zukünftigen Cashflows einzuschätzen, da die Vergangenheit nur einen untergeordneten Einfluss auf die Zukunft ausübt. Es ist also wichtig, den Fokus auf die zukünftigen Perspektiven zu legen und fähig zu sein, sich vom früher erworbenen "Besitz" zu trennen. 74 Sunk Costs Bei den "versunkenen Kosten" lässt sich eine Verbindung zum Disposition Effect sowie zum Endowment Bias herstellen. Obwohl irreversible, vergangene Investitionen rational betrachtet keinen Einfluss auf Entscheidungen haben sollten, ist dies häufig trotzdem der Fall. Beispielsweise kann es schwer fallen, ein unrentables Projekt aufzugeben, welches bereits viel Zeit und Geld gekostet hat. Ein Grund kann sein, dass vermieden werden soll, ein Fehler zugeben zu müssen. Auch der Disposition Effect verdeutlicht diese Tatsache. 75 Obwohl es im einzelnen Fall mehr Sinn machen kann, einen Buchverlust zu realisieren und das Geld in ein alternatives Investment zu verschieben, welches eine bessere Performance verspricht, wird dies in der Realität häufig nicht getan Decision Evaluation Biases Jede Entscheidung erhält im Anschluss ein Feedback wie das Resultat ausgefallen ist. Diese "rückblickende Evaluation" produziert neue Informationen, welche bestimmen ob die gefällte Entscheidung erfolgreich war oder nicht. Auch dieses Stadium des Gesamtprozesses hält mögliche Verzerrungen bereit. 76 Hindsight Bias "In hindsight, people consistently exaggerate what could have been anticipated in foresight." Bei dieser Wahrnehmungsverzerrung geht es darum, dass der effektive Ausgang eines Falles in der Vergangenheit besser einschätzbar war, als dies der Realität entspricht. Zusätzlich werden die eigenen Prognosen im Nachhinein nicht mehr korrekt interpretiert. Eigene Einschätzungen in der Vergangenheit werden also im Nachhinein rückblickend stärker in diejenige Richtung gewichtet, wie dies dann auch effektiv geschehen ist. 77 Eine mögliche Erklärung für dieses Phänomen ist, dass Individuen sozusagen in einer "present personal perspective" eingesperrt sind. 78 Somit gewichtet das Bewusstsein beim Interpretieren "momentane" Zeitfenster stärker als vergangene. Regret Avoidance Diese Wahrnehmungsverzerrung beschreibt die von Psychologen beobachtete Theorie, dass Investoren beispielsweise eine unkonventionelle Anlage im Gegensatz zu einem Blue Chip-Investment mehr bereuen, falls diese nicht den gewünschten Erfolg 74 Hens/Bachmann (2008, S ). 75 Hens/Bachmann (2008, S. 86). 76 Hens/Bachmann (2008, S. 87). 77 Fischhoff (2001, S. 341). 78 Fischhoff (2001, S. 349). 25

30 Theoretische Grundlagen erzielt. Ein Verlust auf einem Blue Chip wird somit vermehrt mit "Pech" assoziiert und weniger bereut, während ein Verlust in Bezug auf ein unbekanntes Start-up als schmerzhafter empfunden wird. 79 Ein weiteres Beispiel ist die "psychologische call option". Falls ein Investor einen Berater beauftragt und die Transaktion erfolgreich war, schreibt sich der Anleger den Erfolg selbst zu. Im Gegensatz dazu kann es jedoch vorkommen, dass er bei einem Verlust den Berater dafür verantwortlich macht, um sein eigenes Ego zu schützen Debiasing Im Anschluss an die verschiedenen Wahrnehmungsverzerrungen (Biases) stellt sich die Frage, wie dagegen vorgegangen werden kann. Denn im Endeffekt ist nicht nur das Wissen um die Biases wichtig, sondern es ist notwendig, effektive Gegenstrategien zu entwickeln, um sich im Investitionsprozess nicht selbst zu täuschen. Somit soll es auch möglich werden, rationalere Entscheidungen zu treffen, welche Schlussendlich zu erfolgreichem Anlageverhalten führen sollen. Da es aufgrund der Fülle und Überlappungen an Verzerrungen schwierig ist, dem Anspruch an Vollständigkeit gerecht zu werden, sollen in Anlehnung an Hens und Bachmann folgend beispielhaft einige Gegenstrategien aufgezeigt werden. Bei einigen Biases sollte es jedoch aufgrund der Kritik bereits möglich sein, sich der Gegenmassnahme bewusst zu sein. Bias Gegenstrategien 81 Availability bzw. Verfügbarkeitsheuristik Representativeness / Gambler's Fallacy Anchoring / Conservatism Framing Overconfidence Sicherstellen, dass nicht nur die aktuellen Medien-Nachrichten in die Entscheidung miteinbezogen werden. Obwohl einige News bereits länger zurückliegen, kann eine Information für den Investor relevant sein. Beim Versuch, Muster zu erkennen, muss die Schlussfolgerung mit der statistischen Relevanz verglichen werden. Sonst besteht die Gefahr, dass das Fazit unwissenschaftlich ausfällt. Berücksichtigen, dass neue Entwicklungen in die Entscheidung einfliessen. "Alte" Einschätzungen müssen somit neu überprüft und hinterfragt werden. Die Problemsituation so hinterfragen, dass diese auch unterschiedlich dargestellt werden kann. Nur so wird es möglich, eine differenzierte Entscheidung zu treffen. Bewusstsein für die Tatsache stärken, dass sich teilweise auch andere Investoren überschätzen. In der Folge sollte es von Vorteil sein, wenn eine Güterabwägung zwischen den persönlichen Fähigkeiten und dem Anlagestil vorgenommen wird. 79 Bodie u.a. (2008, S. 399). 80 Hens/Bachmann (2008, S. 86). 81 Hens/Bachmann (2008, S ). 26

31 Theoretische Grundlagen Home Bias Hindsight Bias Internationale Diversifikation gegenüber dem spezifischen Landesrisiko gegenüberstellen. Vorgenommene Einschätzungen dokumentieren und diese bei einer veränderten Situation neu überdenken. Tabelle 1: Gegenstrategien Biases 3.7. Marktanomalien Im nachfolgenden Kapitel werden Marktanomalien zur Erklärung von Abweichungen der Marktpreise von den Kapitalmarktmodellen beigezogen. Marktanomalien dürfen in gewisser Weise als Folge der zuvor beschriebenen Heuristiken und Behavioral Biases betrachtet werden. Die Marktanomalien können auch in nicht zu unterschätzendem Masse als Erklärung für die, meist kurzfristigen, Abweichungen von der Markteffizienzhypothese betrachtet werden. Beim Zustand mittlerer Markteffizienz sollten zumindest mittel- bis langfristig alle öffentlich verfügbaren Informationen korrekt in den Kursen abgebildet werden. Die entscheidende Frage ist nun, wie das Wissen über Marktanomalien in die Anlagestrategien einfliessen kann. Können Strategien entwickelt werden, die solche systematischen Marktverzerrungen antizipieren, besteht die Chance auf Überrenditen. Da eine Lernfähigkeit der Marktteilnehmer anzunehmen ist, werden diese Erkenntnisse früher oder später in die Preise eingebaut. Die Marktanomalien sollten verschwinden und eine solche verhaltensorientierte Anlagestrategie ist somit in keiner Art und Weise mit risikofreier Arbitrage gleichzusetzen CAPM Anomalie Grundsätzlich ist das CAPM ideal dazu geeignet, die rationalen Renditeerwartungen des Marktes anhand des Beta abzubilden. Trotzdem wurden einige Anomalien entdeckt, die nicht mit dem CAPM und der ihm zu Grunde liegenden Markteffizienzhypothese in Übereinstimmung gebracht werden konnten. In direktem Zusammenhang mit dem CAPM wird in der Literatur vom sogenannten Grösseneffekt, Buch- Marktwert-Effekt, Momentumeffekt, Umkehreffekt, Dividendenrenditeeffekt, Kurs- Gewinn-Effekt und den saisonalen Effekten gesprochen. 83 Im Hinblick auf die Entwicklung unseres eigenen Modells im Teil "Anwendung der Theorie", bei welchem wir die Renditen einzelner Wochentage einander gegenüberstellen, soll in diesem Abschnitt die sogenannte Kalenderanomalie (Bestandteil der "saisonalen Effekten") kurz angeschaut werden. Zur Erklärung der Kalenderanomalie wird auf die Theorie der Über- und Unterreaktion zurückgegriffen. 82 Jaunich (2008, S. 73). 83 Geiger (2009, S. 12). 27

32 Theoretische Grundlagen Kalenderanomalie Analysen der NYSE für Aktien weisen im Zeitraum zwischen 1901 und 1974 überdurchschnittliche Renditen im Monat Januar nach. Weiter lässt sich beobachten, dass historische Verliereraktien im Januar eine überproportional hohe positive Rendite aufweisen. 84 Ein möglicher Grund dafür könnte in der Mean-Reversion liegen. Demnach werden bisher eher schlecht laufende Aktien von den Investoren im Januar stark nachgefragt. Die Marktteilnehmer unterliegen dem Glauben, dass sich die Börsenkurse nach einer extremen Position wieder dem Durchschnittswert annähern müssen. Diese Aussagen werden nochmals verdeutlicht, wenn wir uns das Modell der Überund Unterreaktion vor Augen führen. Hier wird unterstellt, dass der Aktienkurs bei einer positiven Information sehr stark ansteigt. Sobald sich nun die Aktionäre dieser Übertreibung bewusst werden, sollte sich der Kurs in die andere Richtung bewegen und zu einer Untertreibung führen. Dies ist der Fall, weil der Investor, wie in der Mean-Reversion beschrieben, davon ausgeht, dass der Kurs zwingend wieder auf den Durchschnittswert zurückgehen muss. Anhand der folgenden Darstellung wird eine Über- und Unterreaktion aufgezeigt. Ebenfalls ist der Mean-Reversion-Effekt zu beobachten. 84 Abbildung 9: Über- und Unterreaktion 85 Einen grossen Einfluss auf diese starken Kursreaktionen dürfte die Repräsentativitätsheuristik haben. Die positiven Ereignisse der jüngsten Vergangenheit werden in diesem Fall zu stark gewichtet. Bei der Unterreaktion werden neue Informationen folglich zu wenig stark gewichtet und lassen die Kurse zu wenig stark ansteigen. Fazit Diese Marktanomalien, wie natürlich auch die zuvor bereits erwähnten Heuristiken sowie Biases sind Ausdruck ineffizienter Märkte. Hierbei stellt sich die Frage, ob sich aufgrund der zunehmenden Kenntnis und Beachtung, die Marktanomalien abschwächen oder teilweise sogar ganz verschwinden. Diese Annahme trifft wohl nur verein- 84 Jaunich (2008, S. 55). 85 Jaunich (2008, S. 58). 28

33 Theoretische Grundlagen zelt zu und eine Überprüfung ist, aufgrund der kurzen Beobachtungsperiode der Forschung, statistisch gesehen wenig aussagekräftig. 86 Auf mögliche Gründe und Auswirkungen solcher Über- und Untertreibungen wird im folgenden Kapitel "Boom- und Crash-Situationen" genauer eingegangen Boom- und Crash-Situationen In Phasen extremer Hausse und Baisse löst sich der Aktienmarkt weitgehend von seinen fundamentalen ökonomischen Determinanten. Die wirtschaftlichen Bestimmungsgründe für den Kurs werden meist nur noch als Rechtfertigung für aktuelle Kursentwicklungen beigezogen. Diese Arten von Übertreibungen sind auf psychologische Gründe zurückzuführen, welche gerade in Situationen des Umbruchs und der Hektik entstehen. 87 In diesen Situationen genügen einfache Heuristiken, um zu einer schnellen und eindeutigen Urteilsfindung zu gelangen. Einerseits werden Informationen die einer bestehenden Erwartung widersprechen systematisch unterschätzt. Andererseits wird die Eintrittswahrscheinlichkeit von Informationen, die man aufmerksam verfolgt und erwartet, überschätzt (siehe Verfügbarkeitsheuristik). Daher werden Käufe attraktiv und das Risikobewusstsein tritt in den Hintergrund. Genau umgekehrt verhält es sich in der Baisse. Risiken werden überdurchschnittlich wahrgenommen und Chancen sieht kaum jemand. Das prozyklische Verhalten von Analysten, Medien und Opinion Leaders verstärkt diesen Trend. 88 Im Zusammenhang mit der Chart- Analyse wird offensichtlich, dass Kurse, welche laufend bisherige Widerstände überwinden, ein Gefühl der Kontrolle und Steuerbarkeit hervorrufen. Auch der Einfluss des Crowding-Effektes, wonach sich Personen auch wider besseren Wissens der Mehrheitsmeinung anschliessen, wirkt sich verheerend aus. Dies ist auch bei Wertpapierprofis der Fall. Stehen sie unter Konformationsdruck durch Sachzwänge oder Vorgesetzte, führt dies zu einer erstaunlichen Unempfindlichkeit gegenüber Nachrichten, die nicht ins Gruppenbild passen. Zusätzlich gibt es psychologische Effekte, die nur in einem der beiden Fälle zum Tragen kommen. Dies sind Overconfidence und Overoptimism, deren Funktionsweise in dieser Arbeit separat vorgestellt wurde. In einer Crash-Phase wirken weitere psychologische Effekte. 89 Hat der Kurs den Zenit erst einmal überschritten, fällt es den Marktteilnehmern sehr schwer zu verkaufen. Dieses Phänomen wird in der Behavioral Finance mit den Theorien der Loss Aversion, Mental Accounting und dem Sunk-cost Effekt beschrieben. Der Mensch versucht, alte Denk- und Verhaltensweisen anzuwenden. Ist dies nicht möglich, kommt ein Gefühl der Hilflosigkeit auf und man reagiert mit Inaktivität. Die Anleger können sich erst nach und nach auf die neue Situation einstellen und sind daher am Ende eines Crashes wieder vorsichtig und entsprechend defensiv bei nun attraktiven Kursen. 90 Zur Illustration dieser Extremsituation wird an dieser Stelle das Boom-Bust-Modell, des Investmentbankers George Soros beigezogen. Es dient dazu, einen Zusammenhang zwischen dem Aktienkurs und dem Kurs-Gewinnverhältnis herzustellen. 86 Geiger (2009, S. 1). 87 Kiehling (2001, S. 163). 88 Kiehling (2001, S. 164). 89 Kiehling (2001, S ). 90 Kiehling (2001, S ). 29

34 Theoretische Grundlagen Abbildung 10: Boom-Bust-Modell 91 In Phase 1 bleibt der Trend noch unerkannt. Danach wird dieser von einem grossen Teil der Marktteilnehmer wahrgenommen und die Kurse steigen entsprechend in die Höhe. Haben nun die Nachfrager ihre Käufe getätigt, sinkt der Kurs. In dieser entscheidenden Phase wird getestet, ob die Kurse in einem vernünftigen Verhältnis zum Kurs-Gewinn-Ratio stehen. Ist dies der Fall, folgt ein Anstieg, welcher unter normalen Bedingungen kaum zu erwarten ist. In der nun angelangten Phase 5 kann die Realität die überzogenen Erwartungen nicht mehr unterstützen und es folgt der logische Absturz, welcher die Preise übermässig nach unten drückt Interpretation der Behavioral Modelle und deren Grenzen Wie wir in diesem Kapitel der Marktanomalien deutlich sehen, bricht die Behavioral Finance mit der klassischen Finance. Die Abweichungen vom korrekten Preis werden hierzu analysiert und es sollen daraus Anlageentscheidungen abgeleitet werden. Bis anhin vermögen die Erklärungsansätze noch nicht zu überzeugen. Sollte aber das irrationale Verhalten von Anlegern in Zukunft noch tiefgründiger untersucht werden, ist es durchaus möglich, dass ein aussagekräftigeres Modell heranreift. Die neuen Informationen, die daraus gezogen werden könnten, würden uns dann wieder zurück zur Markteffizienzhypothese führen. In Anbetracht der Komplexität des Verhaltens von Investoren erscheint es als äusserst fraglich, ob jemals behavioristische Modelle entwickelt werden können, die dem Anspruch der Vollständigkeit gerecht werden Massenpsychologische Dynamik und Herdentrieb Fenzl beschreibt die Dynamik massenpsychologischer Kettenreaktionen in drei Phasen. Bei der initialen Phase werden die ersten Teilnehmer beispielsweise von einem 91 Soros (2008, S. 79). 92 Soros (2008, S ). 30

35 Theoretische Grundlagen externen Schock beeinflusst. Wenn eine ausreichende psychologische Erregung und Beschleunigung erreicht wird, folgt die 2. Phase, wobei die Akteure durch gegenseitige Ansteckung, Suggestion sowie Gleichschaltung eine sich selbst erhaltende Kettenreaktion hervorrufen können. In der abschliessenden Terminationsphase entsteht dann ein entsprechend geändertes Umfeld oder die Energie der Kettenreaktion wird wieder aufgebraucht. 93 Der oben vereinfacht beschriebene Ablauf erscheint auf den ersten Blick verständlich und abschliessend. Jedoch ist bei näherem Hinschauen die Komplexität einer Massenpsychologischen Dynamik wesentlich grösser, da verschiedene Teilaspekte eine Rolle spielen. Der Start eines Herdentriebs kann heute durch die mediale Globalisierung relativ schnell erfolgen. Wird von den Medien eine Aktie favorisiert, fühlen sich viele motiviert einen Kauf zu tätigen und sind frei nach dem Motto "the trend is your friend" davon überzeugt, erfolgreich zu sein. Genau aber diese potentiell voreilig gefasste Schlussfolgerung kann sich im Nachhinein als Trugschluss erweisen. Durch Medienberichte kann schnell eine Sogwirkung entstehen, welche sich eine eigene Realität schafft. Relativ schnell richten sich Menschen als soziale Wesen nach anderen aus und schwimmen somit mit dem Strom. Die Masse an sich handelt dann wiederum häufig irrational und entscheidet sich gefühlsmässig. Das eigentliche Ziel sollte also darin bestehen, Massenphänomene zu durchschauen und in der Folge den Anlageerfolg zu erhöhen. 94 In Anlehnung an Le Bon hat Kitzmann einige wichtige Punkte zusammengefasst. Die erste Feststellung ist, dass in der Masse die bewusste Persönlichkeit schwindet und eine Art kollektives Verhalten entsteht. Massenindividuen fühlen sich stark miteinander verbunden und deswegen sehr stark. Dies kann dazu führen, dass die intellektuellen Funktionen reduziert werden und unbewusste Begebenheiten die Überhand erlangen. Ein weiteres Merkmal ist die emotionale Ansteckung. Gefühle und Handlungen werden in der Masse schnell übertragen und Einzelinteressen werden dem Gesamtinteresse untergeordnet. Eine weitere grosse Problematik besteht darin, dass es sich im emotionalen Bereich um relativ "einfache Gefühle" handelt. So agieren Individuen in der Masse vermehrt impulsiver und leichtgläubiger, als dies ein alleiniges Individuum tun würde. Sobald die bereits bestehende öffentliche Meinung von den Medien zusätzlich unterstützt wird, kann daraus ein Aufschaukelungsprozess entstehen. Die wiederholte, emotional gefärbte Darstellungsweise beeinflusst das diffuse Meinungsbild der Massen zusätzlich. Grundsätzlich muss an dieser Stelle erwähnt werden, dass der massenpsychologische Effekt sicherlich nicht der einzig verantwortliche Einfluss für Börsenstimmungen ist. Selbstverständlich spielen Verläufe der Konjunktur, Zinsen, Inflation etc. eine wesentliche Rolle, jedoch kann davon ausgegangen werden, dass die Massenpsychologie in der Regel unterschätzt wird. 95 Führt man sich vor Augen, dass sich Anleger häufig wie eine Herde verhalten und ein Kollektivverhalten an den Tag legen, indem "alle" im Boom kaufen und bei panischer Stimmung verkaufen, drängt sich die Frage auf, ob man solche Gegebenheiten nutzen kann. Erfolgreiche Anleger sind im Stande, durch langfristige Planung ihre Performance zu verbessern. Eine sehr interessante Erkenntnis kommt aus dem Gebiet der Hirnforschung. Diese hat hervorgebracht, dass die meisten Menschen ma- 93 Fenzl (2009, S ). 94 Kitzmann (2009, S. 20). 95 Kitzmann (2009, S ). 31

36 Theoretische Grundlagen ximal nur sieben verschiedene Informationen gleichzeitig verarbeiten können. Somit kann es Sinn machen, aus der Masse auszuscheren und sich beispielsweise mithilfe von Checklisten eine persönliche kritische Strategie zu entwerfen. 96 Einige Individuen gehen dabei sogar so weit, dass sie sich absichtlich entgegen der Masse verhalten. Als Basis dienen dazu verschiedene Kaufempfehlungen von Analysten etc.. Im konkreten Fall bedeutet dies, dass wenn von verschiedenen Seiten zum Kauf geraten wird, die Aktien bereits wieder verkauft werden, da davon ausgegangen wird, dass die positiven Informationen in der Masse verbreitet worden sind und somit bereits eine Reaktion stattgefunden hat. Die entscheidende Annahme besteht also darin, dass das dafür bestimmte Geld bereits geflossen ist und es wahrscheinlicher ist, dass es in der nahen Zukunft bereits zu einer Trendumkehr kommt. Antizyklisches Verhalten kann sich also durchaus lohnen. 97 Das Hauptrisiko besteht jedoch darin, dass eine mögliche Trendumkehr zu früh erwartet wird und es teilweise besser ist, sich noch für eine gewisse Zeit der Mehrheit anzuschliessen, weil man damit dem Haupttrend folgen kann. 98 Wie an dieser Stelle unschwer zu erkennen ist, gibt es keine Patentrezepte für eine erfolgreiche Börsenstrategie. Falls man jedoch dem Trend auf die Schliche kommt, ist dies dem Portfolio sicherlich zuträglich. Massenpsychologische Phänomene können also Vor- sowie auch Nachteile haben. Eine wichtige Schlussfolgerung ist jedoch, dass solche Effekte erkannt werden müssen und in die Entscheidung miteinbezogen werden sollten, da deren Einfluss nicht zu unterschätzen ist Rationale und irrationale Verhaltensmuster Bei der Analyse von Marktentwicklungen kann man sich verschiedener Instrumente bedienen. Rationale Ansätze, wie beispielsweise Fundamentaldaten sind dabei wichtige Hilfsmittel. Im Gegensatz dazu gewinnen nicht-fundamentale Ansätze an Bedeutung. Rationale Analysen werden zwar nicht ausser Acht gelassen, jedoch ist das Verhalten an sich ein entscheidender Bestandteil. Setzt man das eigene Verhalten sowie das Verhalten anderer Teilnehmer in den Mittelpunkt, drängen sich automatisch psychologische Fragestellungen auf. Eine grundlegende Schwierigkeit, das allgemeine Verhalten abzuschätzen, liegt darin, dass die Marktteilnehmer über unterschiedliche Informationsstände sowie Informationsverarbeitungsmodelle verfügen. Erschwerend kommt hinzu, dass viele Modelle parallel verwendet werden. 99 Vielfach ist es auch nicht möglich, Abweichungen zu Fundamentaldaten genauer zu identifizieren. In der Konsequenz gehen hierbei die Meinungen wiederum auseinander. Die einen vermuten bereits eine Spekulationsblase, während andere die Bewertung als gerechtfertigt erachten. Menkhoff bestätigt in diesem Kontext die Wichtigkeit von Erwartungen in Bezug auf Wechselkurse: "Folglich kann der Wechselkurs im Zuge solcher sich selbst erfüllender Erwartungen allein deshalb steigen, weil es so erwartet wird, ohne dass dies durch ökonomische Fundamentals begründet zu sein braucht." 100 Ausgehend von dieser Hypothese, bei welcher ökonomische Tatsachen in den Hintergrund rücken, stellt sich die Frage, wie Erwartungen entstehen und vor allem, welche Bestimmungsfaktoren von entscheidender Bedeutung sind. Diese Frage ist insofern relevant, da der psychologische Einfluss auf die Märkte nicht unter- 96 Kitzmann (2009, S ). 97 Kitzmann (2009, S ). 98 Kitzmann (2009, S. 29). 99 Menkhoff (1995, S ). 100 Menkhoff (1995, S. 62). 32

37 Theoretische Grundlagen schätzt werden darf. Welches Ausmass diese Auswirkungen annehmen können, ist an verschiedenen Beispielen aus der Geschichte zu entnehmen. Die Rechtfertigung, dass das Marktgeschehen nicht immer rational begründbar ist, lässt sich relativ leicht herleiten. Würden alle Marktteilnehmer basierend auf der ökonomischen Theorie immer alles "richtig" machen, soweit dies rational möglich ist, dann könnte man den Markt auf das Handeln einer einzigen repräsentativen Person reduzieren. Daraus abgeleitet entsteht ein Grundproblem, was es grundsätzlich schwierig bis unmöglich macht, die Märkte richtig und rational zu beurteilen: Erstens gibt es Teilnehmer, die nicht immer in vollem Umfang rational handeln, und zweitens können rational handelnde Teilnehmer dieses Verhalten nicht vollständig kompensieren. Wichtig zu erwähnen ist an dieser Stelle, dass die Rationalität des Verhaltens als Grundbestandteil der ökonomischen Wissenschaft angesehen werden darf. 101 Die Problematik besteht jedoch darin, dass menschliches Verhalten komplizierter ist, als es gewisse Modelle darstellen. 102 An diesem Punkt angelangt bedarf es einer Verknüpfung zwischen Ökonomie und Psychologie. Auch wenn kein geschlossenes Bild des Verhaltens auf den Märkten existiert und keinesfalls klar ist, ob Verhalten überhaupt von wenigen allgemeinen Regeln geleitet wird, so kommt man um einige zwangsläufig unvollständige Verallgemeinerungen nicht herum, wenn ein Gegenkonzept zur traditionellen Finanzmarkttheorie skizziert werden soll. Welche Anhaltspunkte gibt es also, welche in ein solches Konzept integriert werden sollen? In der folgenden Darstellung hat Menkhoff einige dieser Bestimmungsgrössen aufgelistet. Es wird als Ausgangslage angenommen, dass die Marktteilnehmer unter Zeitdruck, Konkurrenzdruck, Gewinndruck, Informationsfülle, aber dennoch unvollständiger Information und hoher Unsicherheit entscheiden. 103 Abbildung 11: Bestimmungsfaktoren quasi-rationalen Verhaltens 103 Eine generelle Einsicht der entscheidungstheoretischen Forschung scheint zu sein, dass Menschen "Fehler" machen, wenn sie in oben beschriebener Weise überfordert werden. Das nicht optimal zu bewältigende Entscheidungsproblem wird nach ihren 101 Menkhoff (1995, S. 66). 102 Menkhoff (1995, S. 67). 103 Menkhoff (1995, S. 68). 33

38 Theoretische Grundlagen Erfahrungen und Möglichkeiten reduziert. Weiter handeln Menschen nicht isoliert, sondern in einem sozialen Umfeld, das ihre Entscheidungen mitprägt. Bei den sogenannt "allgemeinen Verhaltenseigentümlichkeiten" fallen aus finanzmarkttheoretischer Perspektive drei Effekte auf. Häufig kommt es vor, dass die Marktteilnehmer die relevanten kursbestimmenden Faktoren nicht erkennen, aber die eigene Interpretation überschätzen. Daneben scheint es wichtiger zu sein, einen Verlust zu vermeiden, als zu gewinnen, was als "asymmetrische Präferenzausprägung" beschrieben wird. Drittens bewirkt der Sunk Cost Effekt etwas wie eine Pfadabhängigkeit der Transaktionen. Entgegen dem theoretischen Ideal wird nicht zu jedem Zeitpunkt die Vorteilhaftigkeit einer Anlage betrachtet, sondern "eigentlich" irrelevante Faktoren wie der Kaufkurs repräsentieren einen wichtigen Anhaltspunkt. 104 Zum Verständnis solcher Verhaltensweisen spielen typische Reduktionen komplexer Entscheidungsprobleme eine zentrale Rolle. Es erfolgt eine Anlehnung an bekannte, vergangene Muster, von denen aus die Wirklichkeit wie durch eine spezifische "Brille" betrachtet wird. Insbesondere die selektive Wahrnehmung ist dabei von entscheidender Bedeutung, aber auch die Verfügbarkeit von Informationen, welche diesen Prozess ebenfalls beeinflusst. Aufgrund der Fülle an Effekten kann zusammenfassend festgehalten werden, dass beim Prozess der Informationsverarbeitung eine vorgeprägte Informationsordnung erfolgt und diese dann auch vereinfacht strukturiert wird. 105 Zum Schluss bleibt noch die letzte Gruppe, nämlich die sozialen Einflüsse auf Entscheidungen, welche jedoch im vorhergehenden Kapitel durch den "Herdentrieb" genauer umschrieben sind. Da diese Schlussfolgerungen auf Experimenten beruhen, ist eine absolute Beschreibung der Wirklichkeit nicht gegeben und gewisse Abweichungen von dieser Theorie sind in der Folge nicht auszuschliessen 106. Als Fazit kann jedoch festgehalten werden, dass sich Rationalität mit Irrationalität vermischt. Zumindest stellt die rationale Sicht, solange es um finanzielle Anlageentscheidungen geht, vermutlich einen nützlichen Referenzpunkt dar. Sobald jedoch verhaltensprägende Emotionen einfliessen, ist die Rationalität nicht mehr im vollem Umfange sichergestellt. Dieser fliessende Übergang wird von Menkhoff als "quasi-rational" beschrieben. 104 Menkhoff (1995, S ). 105 Menkhoff (1995, S. 69). 106 Menkhoff (1995, S. 71). 34

39 Behaviorale Aspekte der technischen Analyse 4. Behaviorale Aspekte der technischen Analyse Im bisherigen Teil der Arbeit haben wir die theoretischen Grundlagen der Behavioral Finance zusammengetragen und aufbereitet. Somit verfügen wir nun über das Wissen der relevanten Modelle und Theorien der Behavioral Finance. In einem weiteren Schritt geht es nun darum, diese einzelnen Theorien anzuwenden und miteinander in Verbindung zu bringen. Es wird ein Instrument notwendig, welches erlaubt die Kursverläufe der drei SMI-Aktien zu analysieren. An diesem Punkt kommt die technische Analyse ins Spiel. Die nachfolgenden Themenbereiche der technischen Analyse geben uns die Möglichkeit, die historischen Daten aufzuarbeiten, Muster zu erkennen und diese mit Hilfe der Behavioral Finance Theorien bzw. Modelle zu bewerten. Neben dem Anspruch Erklärungen zu finden, soll auch abschliessend der Versuch gewagt werden, Prognosen zu formulieren. Um diese praktischen Anwendungen umsetzen zu können, ist das Wissen über die technische Analyse äusserst wichtig. In diesem Kapitel werden daher die für uns relevanten Themen aufgearbeitet. Wir beziehen uns hierbei im Wesentlichen zusammenfassend auf das Buch "Markt und Meinung" von Bergold/Mayer (2005). Ergänzend dazu dient das Werk von Murphy (1997). Im Anschluss an die behavioralen Erkenntnisse stellt sich nun die Frage, welche konkreten Instrumente für die praktische Umsetzung von Behavioral Finance eingesetzt werden sollen. Werden individualpsychologische Verhaltensweisen kumuliert, gelangt man zu einer massenpsychologischen Erscheinung. Diese Verhaltensmuster lassen sich in Bezug auf Börsenaktivitäten durch Charts visualisieren. Im Gegensatz zur Fundamentalanalyse bleiben dabei beispielsweise betriebswirtschaftliche Daten unberücksichtigt. Das Hauptziel besteht darin, aufbauend auf der Diagnose des Chartverlaufs als psychologischen Zustand der Marktteilnehmer, das zukünftige Verhalten der Investoren unter Berücksichtigung von Wahrscheinlichkeiten zu prognostizieren. Verschiedene Indikatoren sollen dabei helfen, geeignete Transaktions- Zeitpunkte zu identifizieren. Obwohl eine Synthese von Fundamentaldaten und Chartanalyse sinnvoll sein kann, wird in diesem Kapitel nur letztere behandelt, da Kursverläufe unter anderem letztlich ein Spiegelbild menschlicher Reaktionen auf fundamentale Faktoren darstellen. 107 Philosophisch kann die technische Analyse als eine "subjektive" Analyseform nach "objektiven" Regeln betrachtet werden. Das massenpsychologische Grundverhalten soll primär über den Kurs und sekundär über das Handelsvolumen durch Charts visualisiert und interpretiert werden. Grundsätzlich kann sich ein momentaner Konsens der Marktteilnehmer in aufwärts, abwärts oder seitwärts gerichteten Trends bewegen. Dass sich ein Trend fortsetzt wird als wahrscheinlicher betrachtet, als dass dieser beendet wird. Um erfolgreich agieren zu können, geht es vereinfacht gesagt darum, den entscheidenden Trend im Zeitfenster in dem man handelt zu erkennen und dann in Richtung dieses Trends entsprechende Transaktionen vorzunehmen. Im Optimalfall erlaubt es die technische Analyse, Kurstrend-Änderungen zu erkennen, welche dem fundamentalen Trend vorausgehen Bergold/Mayer (2005, S ). 108 Bergold/Mayer (2005, S ). 35

40 Behaviorale Aspekte der technischen Analyse Abbildung 12: Teilbereiche der Technischen Finanzmarktanalyse 109 Wie in der obigen Darstellung ersichtlich, teilt sich das Gebiet der technischen Analyse in verschiedene Teilbereiche auf. Als erstes wird auf die Trend-Analyse eingegangen, welche die Dow-, Chart- und Indikatoren-Analyse beinhaltet Trend-Analyse Per Definition lässt sich ein Trend als eine Grundrichtung einer statistisch erfassbaren Entwicklung beschreiben. Eine einfache, aber effektive Analysemethode wurde bereits Ende des 19. Jahrhunderts von Charles H. Dow entwickelt, nach welchem - zusammen mit Herrn Jones - der wichtigste Amerikanische Aktienindex benannt worden ist Dow-Technik Die Dow-Theorie bildet selbst im Computerzeitalter das Fundament der technischen Analyse. Die Kernaussagen von Charles Dow wurden in einer Serie von Artikeln im "Wall Street Journal" veröffentlicht. 110 "Aktienkurse bewegen sich in Trends" In einem Aufwärtstrend überschreiten das Hoch und das Tief jeder neuen Welle das Hoch und Tief der vorausgegangenen Welle. Beim Abwärtstrend fallen die Hoch- und Tiefpunkte jeder neuen Bewegung gegenüber der vorherigen ab. "Seitwärtstrends" mit gleichbleibenden Hochs und Tiefs sind genau genommen trendlose Phasen. Während in Auf- und Abwärtstrends klar Optimisten oder Pessimisten den Ton angeben - der Trend wird durch den Umsatz bestätigt -, kommen in trendlosen Phasen die Kurse gewissermassen zufällig zustande. Die Annahme, dass Börsen langfristig steigen, kann durch den Basistrend, welcher das Chartmuster seit den ersten Aufzeichnungen der Aktienkurse beinhaltet, am einfachsten belegt werden. Die realwirtschaftliche Argumentation für diese Steigung ist die Innovation und der daraus entstehende kumulierte Reichtum der Volkswirtschaft. Eine einfache Schlussfolgerung für einen Anleger wäre somit, Aktien zu kaufen und diese einfach ca. 30 Jahre passiv liegen zu lassen. So kann das Verlustrisiko eines Einstiegs bei einem historischen Hoch kurz vor einem drastischen Einbruch minimiert werden. Da 30 Jahre jedoch eine sehr lange Zeitspanne ist, macht es Sinn, sich ebenfalls mit kürzeren Zeitfenstern zu befassen und unter Umständen eine aktive Strategie ins Auge zu fassen Bergold/Mayer (2005, S. 44). 110 Bergold/Mayer (2005, S ). 111 Bergold/Mayer (2005, S ). 36

41 Behaviorale Aspekte der technischen Analyse "Der Markt hat neben dem Basistrend drei untergeordnete Trends" Die Primärtrends sind die langfristigen Trends, sie schwanken zyklisch um den Basistrend und dauern zwei oder mehr Jahre. Sie entstehen aufgrund realwirtschaftlicher Langzeitentwicklungen. Sekundärtrends schwanken mittelfristig zyklisch um die Primärtrends und haben eine Dauer von sechs bis 18 Monaten. Sie sind mit der Entwicklung der Unternehmensgewinne erklärbar. Tertiärtrends schwanken kurzfristig um die Sekundärtrends und dauern ca. drei bis 12 Wochen. Sie entstehen meist aufgrund von Termingeschäften. 112 "Primäre Trends unterteilen sich in drei Phasen" Aufgrund von professionellen Investor-Aktivitäten geht die Dow-Theorie von drei Phasen innerhalb eines Primärtrends aus. Der Startpunkt bildet die Akkumulationsphase, wobei der Markt eine längere Abwärtsbewegung hinter sich hat und Aktien tendenziell unterbewertet sind. Während die grosse Masse bedingt durch die negative Nachrichtenlage weiter an eine Fortsetzung der Baisse glaubt, wird dies von wenigen professionellen Grossinvestoren ausgenutzt indem sie strategische Positionen aufbauen. In der zweiten Phase setzt sich die Verbesserung der Fundamentaldaten allmählich in der öffentlichen Wahrnehmung durch und führt zu einem Stimmungswechsel. Die "Public Phase" führt zu steigenden Kursen und es setzt sich die Überzeugung durch, dass es sich um einen längerfristigen Aufschwung handelt. In dieser Phase beteiligen sich professionelle Anleger überdurchschnittlich, um maximal von dieser Entwicklung zu profitieren. Anzeichen zum Übergang in die letzte Phase ist die Zunahme unerfahrener Anleger welche, durch die Massenmedien motiviert, ebenfalls von der Hausse profitieren wollen. Zum Schluss läutet die Distributionsphase die letzte Aufwärtsbewegung des langfristigen Primärtrends ein. Die optimistische Berichterstattung der Medien ruft spekulative Käufer auf den Plan, während die Grossinvestoren, welche bei der ersten Bewegung bereits involviert waren, bereits wieder verkaufen (distribuieren). 113 "Das Volumen muss den Trend bestätigen" Dow ging davon aus, dass sich die Marktkräfte bei einer Kursbewegung erst richtig einschätzen lassen, wenn auch das dahinterstehende Volumen in die Betrachtung miteinbezogen wird. Ein höheres Volumen bedeutet einen höheren Grad an Intensität oder Druck und umgekehrt. Durch eine Kurs-Umsatz-Analyse ergeben sich Anhaltspunkte über Verhaltensweisen verschiedener Teilnehmergruppen am Markt. Entweder fliessen die Geldströme konvergent oder divergent zum Trend. Besteht Umsatzkonvergenz zum Kursverlauf, nehmen die Umsätze in Richtung des existierenden Kurstrends zu. Dies bedeutet, dass in einem bestehenden Aufwärtstrend die Umsätze bei Aufwärtsbewegungen höher sein sollten und bei Abwärtsbewegungen abnehmen. Die Umsätze bestätigen somit den Kurstrend und die Trendbewegung ist "gesund". Derselbe Fall in die andere Richtung ist gegeben, wenn bei einem bestehenden Abwärtstrend die Umsätze bei Abwärtsbewegungen höher sind als bei kurzfristigen Aufwärtsbewegungen. Liegt eine Umsatzdivergenz zum Kursverlauf vor, steigen die Kurse in einem Aufwärtstrend über ein früheres Hoch bei gleichzeitig fallenden Umsätzen oder die Kurse fallen in einem Abwärtstrend unter ein früheres Tief 112 Bergold/Mayer (2005, S ). 113 Bergold/Mayer (2005, S ). 37

42 Behaviorale Aspekte der technischen Analyse bei ebenfalls fallenden Umsätzen. Im zweiten Fall bestätigen die Umsätze den Kurstrend nicht und die Trendbewegung ist "krank". Bei dieser Interpretation wird davon ausgegangen, dass die Umsätze dem Kursverlauf vorauseilen. Dies bedeutet, dass eine Umsatzdivergenz einen längerfristigen Trendwechsel vorwegnehmen kann. Die entscheidende Signalwirkung erfolgt jedoch immer durch den Kursverlauf. 114 Abbildung 13: Beispiel Kurs-Umsatz-Analyse 115 Wie in der obigen Darstellung ersichtlich ist, besteht beim Aufwärtstrend eine Umsatzkonvergenz, wobei Kurssteigerungen von hohen Umsätzen begleitet wurden. Nach dem Trendwechsel bestätigen die hohen Umsätze die Abwärtsbewegungen und es herrscht wiederum eine Umsatzkonvergenz. Hohe Umsätze wurden also in Richtung des bestehenden Trends realisiert. In Bezug auf die Teilnehmergruppen kann dies bedeuten, dass beim letzten Kursanstieg (innerhalb der Umsatzdivergenz) professionelle Investoren nicht mehr als Nachfrager auftraten und somit tiefe Umsätze begünstigten. Beim Abwärtstrend handelt es sich zwischenzeitlich nur um tertiäre Aufwärtstrends, welche von tiefen Umsätzen begleitet wurden. Dies ist auch ein Zeichen eines "Bear-market-Rallyes" in einem übergeordneten Abwärtstrend Charttechnik Bei der Charttechnik werden im Gegensatz zur Dow-Technik zusätzliche Hilfslinien verwendet. Eine solche Trendlinie ist in der Regel ab drei Berührungspunkten mit dem Kurs gültig. In einem Aufwärtstrend wird unter den Kursverlauf eine sogenannte Unterstützungslinie gezeichnet, während bei einem Abwärtstrend eine Widerstandslinie über die oberen Kursspitzen gelegt wird. Werden zwei Linien entlang des Trends gezeichnet entsteht ein Trendkanal. Ein weiteres Instrument ist das Konzept der Unterstützungen, welche den Kursverfall aufhalten und Widerstände, die den Kursanstieg begrenzen. In einem übergeordneten Trend werden diese beiden Grenzen irgendwann durchbrochen und der Anstieg bzw. Verfall wird fortgesetzt. Wichtig ist jedoch, dass bei diesem Konzept jedes Zwischenhoch bzw. Zwischentief das vo- 114 Bergold/Mayer (2005, S ). 115 Bergold/Mayer (2005, S. 75). 38

43 Behaviorale Aspekte der technischen Analyse rangegangene überschreitet bzw. unterbietet, sonst ist die Chance gross, dass der Trend nicht fortgesetzt wird. Häufig kommt es nach einem signifikanten Durchbruch wichtiger Unterstützungen oder Widerstände zu einem Rollentausch, indem Widerstandslinien zu Unterstützungen werden und umgekehrt. Sobald der Kursverlauf eine Trendlinie schneidet, wird dies als Trendbruch definiert. Eine solche Trendlinienverletzung wird in der Charttechnik als Kaufsignal (Bruch Abwärtstrendlinie) bzw. Verkaufssignal (Bruch Aufwärtstrendlinie) interpretiert. Weiter gibt es verschiedene Chartformationen welche sich in Trendumkehr- und Trendfolgeformationen unterteilen. Da diese Formationen jedoch das Potential eines separaten Kapitels aufweisen wird auf eine detaillierte Ausführung verzichtet Markttechnik Bei der Markttechnik handelt es sich im Prinzip um eine Indikatoren-Analyse welche mit finanzmathematischen und statistischen Methoden rechnet. Während die Charttechnik den Trend definiert, unterstützt die Markttechnik die Charttechnik, beurteilt deren Qualität und erhöht somit die Wahrscheinlichkeit der Prognosen. Verhalten sich die Indikatoren zum Kursverlauf konvergent, gilt die Preisbewegung als bestätigt. Andernfalls dient die Markttechnik als ein "Frühwarnsystem", da die Trendlinien des Indikatorenverlaufs meist früher gebrochen werden als die Kurstrends. Jedoch sollte die Konzentration in Bezug auf die Signalgebung auf der Dow-Theorie oder Charttechnik beruhen, da die Zeitverzögerung zwischen Warnsignal und Kauf- bzw. Verkaufssignal gross sein kann. Zusammengefasst handelt es sich bei der Dow- und Charttechnik um primäre Instrumente, welche den Trend definieren, während die Markttechnik als sekundäres Instrument ein mögliches Frühwarnsystem darstellt Trendfolgende Indikatoren Trendfolgende Indikatoren zeigen den vorherrschenden Markttrend an und werden somit nicht in seitwärts tendierenden Märkten verwendet. Gleitende Durchschnitte sind dabei mathematische Methoden um dies aufzuzeigen. Durch eine Glättungskomponente besteht eine Zeitverzögerung zum Kursverlauf. Der Sinn besteht im Wesentlichen darin, durch die Glättung die kurzfristige Volatilität herauszufiltern. "Gleitend" bedeutet, dass mit jedem neuen Kurs der älteste Kurs des jeweiligen Betrachtungszeitraumes aus der Berechnung herausfällt. Ein Trendwechsel wird erst angezeigt nachdem dieser bereits erfolgt ist. Entscheidend dabei ist die Richtung der Neigung. Steigt diese - meist durch Kurse oberhalb des Gleitenden Durchschnitts - befindet sich der Markt in einem Aufwärtstrend und der Markt ist bullish bzw. umgekehrt. 118 Liegt ein Schlusskurs unterhalb des gleitenden Durchschnitts und dieser gleichzeitig nach unten tendiert ist das negative Signal als signifikant einzustufen. Ein 50-Tage Durchschnitt wird in der Regel für einen Zwischentrend und ein 200-Tage Durchschnitt für einen langfristigen Trend verwendet. Eine Kombination von Durchschnitten ist jedoch sinnvoll. Beispielsweise kann eine Aktie als beständig angesehen werden, wenn sie über ihrem gleitenden 50- sowie 100-Tage-Durchschnitt notiert. 119 Liegt der kurzfristige über dem langfristigen Trend kann der Trend als optimistisch 116 Bergold/Mayer (2005, S ). 117 Bergold/Mayer (2005, S ). 118 Bergold/Mayer (2005, S ). 119 Murphy (1997, S ). 39

44 Behaviorale Aspekte der technischen Analyse eingestuft werden. Schneidet die kurzfristige Trendlinie die längerfristige, ist es möglich, dass sich in der Folge der übergeordnete Trend ändert. 120 Beim einfachen gleitenden Durchschnitt (bzw. simple moving average SMA) handelt es sich um das arithmetische Mittel der einzelnen Kurse in einem bestimmten Zeitraum. Mathematisch präsentiert sich dieser Sachverhalt wie folgt: SMA t = (K t-n+1 + K t-2n+2 + K t-n K t ) / n Wie die Formel aufzeigt, werden alle Schlusskurse des betrachteten Zeitraums addiert und durch die Anzahl Tage (welche in diesem Falle gleichbedeutend sind mit der Anzahl der Kurse) dividiert. 121 Eine mögliche Kritik dabei ist, dass jüngere und aktuellere Kurse eine stärkere Gewichtung haben sollten als ältere. Um dieser Problematik gerecht zu werden, kann der linear gewichtete gleitende Durchschnitt (linear weighted moving average LWMA) angewendet werden: LWMA t = (K t-n+1 x W 1 + K t-n+2 x W 2 + K t-n+3 x W K t x W n ) In dieser modifizierten Formel werden ausgehend vom SMA die einzelnen Kurse mit einem Gewichtungsfaktor multipliziert, wobei ältere Kurse weniger stark gewichtet werden als die aktuellen. 122 Eine weitere Möglichkeit stellt der exponentiell gewichtete gleitende Durchschnitt dar, welcher bei jüngeren Daten schneller reagiert, als dies beim linear gewichteten gleitenden Durchschnitt der Fall ist. 122 Interessant dabei ist, dass gleitende Durchschnitte in einem Aufwärtstrend als Unterstützungen und in einem Abwärtstrend als Widerstände betrachtet werden können. 123 Auf den gleitenden Durchschnitten aufbauend gibt es die Bollinger-Bänder-Technik. Dabei wird jeweils ein Band um zwei Standardabweichungen ober- und unterhalb des gleitenden Durchschnitts angelegt. Somit liegen 95% der Kurse innerhalb der Bänder. Je nach Volatilität nähern sich die Kurse den Bollinger-Bänder an oder entfernen sich von ihnen. "Die einfachste Interpretation der Bollinger-Bänder besteht darin, das obere Band als Widerstandslinie und das untere Band als Unterstützungsline anzusehen." 124 Zusätzlich können die Bollinger-Bänder zur Formulierung von Kurszielen verwendet werden Oszillierende Indikatoren Oszillatoren dienen dazu, in trendlosen Phasen Übertreibungen anzuzeigen und deuten auf "überkaufte" bzw. "überverkaufte" Marktsituationen hin. Im Gegensatz zu den Trendfolgeindikatoren generieren sie keine sinnvollen Signale in starken Trendmärkten, da sich die Kurse dort länger in "überhitzten Zuständen" befinden können. Sie kennzeichnen emotionale Extrempunkte bzw. "messen" den Grad des Optimismus oder des Pessimismus am Markt. Trendwenden treten häufig dann auf, wenn der 120 Murphy (1997, S. 112). 121 Bergold/Mayer (2005, S. 105). 122 Bergold/Mayer (2005, S. 106). 123 Bergold/Mayer (2005, S. 108). 124 Murphy (1997, S. 121). 125 Murphy (1997, S. 123). 40

45 Behaviorale Aspekte der technischen Analyse vorherrschende Trend am ausgeprägtesten ist (Bsp. bei extremer Gier oder Angst). Sie funktionieren nur in seitwärts gerichteten Märkten. 126 Das am häufigste verwendete Instrument ist der Momentum-Indikator, welcher die Beschleunigung bzw. die Dynamik des zugrunde liegenden Kursverlaufs visualisiert. Die Neigung des Indikators zeigt auf, ob das Trendmomentum zunimmt oder abnimmt. 127 Die Mittellinie stellt beim Momentum der Schlüssel zum Kaufsignal (Linie wird nach oben gekreuzt) bzw. Verkaufsignal (Kreuzung der Linie nach unten) dar. 128 Liegt die Oszillatorlinie sehr weit oben, wird der Markt als überkauft angesehen und umgekehrt. Nähert sich die Linie der Mittellinie ist dies ein frühes Signal dafür, dass der Trend an Dynamik verliert. Da keine universell gültigen Werte für dieses Instrument existieren, kommt das Momentum nicht um subjektive Interpretationen herum. 129 Ein weiterer Indikator ist der Relative Strength Index (RSI), welcher die "innere Stärke" einer Kursbewegung anzeigt. Im konkreten Fall wird dabei das Verhältnis der Aufwärts- zu den Abwärtsschlusskursen berechnet. Je grösser das Verhältnis von positiver zu negativer Kursdifferenz ist, desto mehr gilt der analysierte Titel als "überkauft" (hoher RSI-Wert). Ein tiefer Wert zeigt eine "überverkaufte" Situation an. Der RSI gilt im Gegensatz zum Momentum als für eine markttechnische Signalgenerierung ungeeignet. 130 Quantitativ wird bei einem RSI von über 70 von einem überkauften Markt ausgegangen, während ein Wert von unter 30 auf eine überverkaufte Marktverfassung hindeutet. "Da sich diese beiden Grenzen auf jeden beliebigen Markt anwenden lassen, wird das Erkennen von überhitzten Märkten sehr erleichtert." 131 Jedoch ist es bei einem starken Aufwärtstrend möglich, dass der RSI- Oszillator längere Zeit oberhalb der 70er-Marke verharrt und umgekehrt unter der 30er-Marke. In solchen Fällen ist es empfehlenswert, den Oszillator während dieses klaren Trends zu ignorieren Zyklen-Analyse Wie im obenstehenden Kapitel der Trendanalyse erwähnt, wird bei jener Analyse hauptsächlich der Kursverlauf betrachtet. Der für die Börsenzyklen wichtige Faktor Zeit wird aber meist nicht berücksichtigt. Genau an diesem Punkt kommt die Zyklen- Analyse ins Spiel, sie beschäftigt sich mit der Frage wann eine Kursbewegung gestartet bzw. beendet wird. 133 Bevor wir uns jedoch genauer mit der Zeitzyklen- Analyse beschäftigen, werden wir als Zwischenschritt die sogenannte Elliott-Wave- Analyse genauer unter die Lupe nehmen. 126 Bergold/Mayer (2005, S. 114). 127 Bergold/Mayer (2005, S ). 128 Murphy (1997, S 129). 129 Murphy (1997, S. 132). 130 Bergold/Mayer (2005, S ). 131 Murphy (1997, S. 135) 132 Murphy (1997, S. 139). 133 Bergold/Mayer (2005, S. 130). 41

46 Behaviorale Aspekte der technischen Analyse Elliott-Wave-Analyse Unter der Elliot-Wave Analyse versteht man einen natürlichen Zyklus, welcher auf den Grundverhaltensmustern der Finance Community aufbaut. Anders formuliert ist es der rhythmische Wechsel zwischen Angst und Gier. In Ergänzung zur DOW- Theorie lässt sich damit eine in jedem Zeitfenster anwendbare massenpsychologische Gesamtmarkt-Analyse erstellen. Die Grundmuster lassen sich in jeder Zeitskala (ob Minuten oder Jahre) wiederfinden. Als Grundlage für die Analyse werden Kursformationen, Konsolidierungspotenziale, Verhältnisse zur Kurszielbestimmung und Zeitspannen beigezogen. Erfahrungsgemäss steigen die Märkte in einer Serie von fünf Wellen nach oben (Hausse-Zyklus / Impulswelle) und sinken anschliessend in einer Serie von drei Wellen nach unten (Baisse-Zyklus / Korrekturwelle). 134 Zur besseren Illustration dieser Grundannahmen ist in der untenstehenden Grafik ein solcher Basiszyklus als Tages-, Wochen-, und Jahres-Chart abgebildet. Die fünf Wellen nach oben werden mit den Zahlen eins bis fünf, die drei Wellen nach unten mit den Buchstaben a bis c, gekennzeichnet. Die erste Welle des Monats-Charts besteht aus den fünf Wellen des Wochen-Charts und so weiter. 135 Abbildung 14: Elliott-Wave-Grundzyklus 135 Fibonacci Um die Erkenntnisse der Elliott-Wave auf die Finanzmärkte übertragen zu können, benötigen wir Grundkenntnisse der sogenannten Fibonacci-Zahlenfolge und Verhältnisse. Gemäss dem Mathematiker Leonardo da Pisa, genannt Fibonacci, gibt es eine Zahlenfolge, die auf viele in der Natur vorkommenden Vorgänge von logarithmischem Wachstum und Schrumpfung anwendbar ist. Diese Zahlenfolge, welche wir nachfolgend genauer beschreiben werden, ist auch auf die Entwicklungen an den Kapital- 134 Bergold/Mayer (2005, S. 131). 135 Bergold/Mayer (2005, S. 132). 42

47 Behaviorale Aspekte der technischen Analyse märkten übertragbar. Anhand dieser können Kursprognosen innerhalb der Elliott- Wave gemacht werden. 136 Fibonnacci-Zahlenreihenfolge: 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, "Errechnet wird die Zahlenreihe durch Addition zweier aufeinander folgender Zahlen, beginnend mit der 1: = 2; = 3; = 5; = 8; = 13; usw." 137 Folgende Erkenntnisse können daraus gezogen werden: Der Quotient zweier benachbarter Zahlen nähert sich dem Wert Die reziproke Berechnung nähert sich dem Wert 0,618. Dividiert man mit einer Zahl die zwei Ränge tiefer liegt, erhält man die Werte und Dividiert man mit einer Zahl die drei Ränge tiefer liegt, erhält man die Werte und Übertragen auf die Kursverläufe der Elliott-Welle würde die Impulswelle in fünf (Fibonacci-Zahl), und die Korrekturwelle in drei (Fibonacci-Zahl) Unterwellen gegliedert. Der komplette Grundzyklus besteht somit aus acht (Fibonacci-Zahl) Unterwellen. 137 Die genauere Errechnung der Zahlen lassen wir aus und stützen uns bei der Interpretation bzw. Anwendung auf das Buch von Bulkowski, "Traden mit Chart Formationen". Die Fibonacci Zahlen besagen somit, dass Aktien oft 38, 50 oder 62 Prozent ihrer Gewinne wieder einbüssen. Die Zahlen sind Annäherungen und somit nicht bis in die Kommastellen zu betrachten. In der Praxis wird daher oft von Retracements um einen Drittel, die Hälfte oder zwei Drittel gesprochen. 138 Zusammenfassend lässt sich festhalten, dass anhand der Fibonacci-Zahlen die Grössenverhältnisse der einzelnen Wellen bestimmt werden können. Es ist somit besser möglich, Kursziele zu prognostizieren, wobei die Eintrittswahrscheinlichkeit der Prognose durch die Kombination mit den charttechnischen Widerständen und Unterstützungen noch erhöht werden kann. 139 In der nachfolgenden Grafik ist der Ablauf eines Grund- und Marktstimmungs-Zyklus abgebildet. Die Erklärungen der einzelnen Wellen 1-5 und a-c beziehen zusammenfassend auf das Buch "Markt und Meinung" von Bergold/Mayer (2005) Bergold/Mayer (2005, S. 133). 137 Bergold/Mayer (2005, S. 134). 138 Bulkowski (2008, S ). 139 Bergold/Mayer (2005, S. 135). 140 Bergold/Mayer (2005, S ). 43

48 Behaviorale Aspekte der technischen Analyse Abbildung 15: Modell eines Elliott-Wave-Zyklus 141 Welle I Die erste Welle beginnt immer am Ende einer Baisse. In dieser Phase ist die Stimmung sehr negativ. Nur wenige Investoren nehmen daran teil und daher ist diese Impulswelle meist kurz und durch tiefe Umsätze geprägt. Welle II Eine erste Korrektur tritt ein und bestätigt daher diejenigen Investoren, die an der ersten Welle nicht teilgenommen haben. Durch die hohe Angst im Markt, kann die Korrektur bis zu 100% der ersten Welle ausmachen. Welle III Nach Überschreiten des Hochs der Welle I vollzieht sich ein Stimmungswechsel von Pessimismus hin zu Optimismus. Wir befinden uns nun in der kräftigsten aller Impulswellen. In Folge der positiven Nachrichtenlage kommt es zu einer Rallye, welche die Umsätze in die Höhe treibt. Langsam aber sicher werden breite Bevölkerungsschichten auf die Aktienmärkte aufmerksam. Welle IV Diese Phase ist durch die Gewinnmitnahmen der Anleger mit mittelfristigem Anlagehorizont gekennzeichnet. Welle V Diese letzte Aufwärtswelle ist durch Gier und Euphorie gekennzeichnet. Die Berichte in den Massenmedien über die grosse Hausse treiben die Leute an die Märkte. Es bricht eine regelrechte Kaufpanik aus und die Kurse sowie Umsätze steigen massiv. 141 Bergold/Mayer (2005, S. 140). 44

49 Behaviorale Aspekte der technischen Analyse Es ist höchste Zeit, für die Investoren der ersten Stunde, die Positionen unbemerkt abzubauen. Welle a Obwohl die Medien weiterhin positiv berichten hat die Hausse den Peak überschritten. Die ersten Korrekturen sind ersichtlich, werden jedoch nur als kurzfristige Konsolidierung eines grossen Aufwärtstrends wahrgenommen. Diese Tatsache verleitet viele Anleger dazu, vermeintlich "günstig" nachzukaufen. Welle b Die Kurse steigen in Folge der Nachkäufe nochmals an. Dies bestätigt die Marktteilnehmer in fataler Weise. Die fundamentale Überbewertung wird durch die Käufer nicht wahrgenommen. In der Charttechnik wird in diesem Zusammenhang oft von einer Umkehrformation geredet. Welle c Am Anfang einer Welle c steht meist ein externer Schock. Die Stimmung schlägt ins pessimistische um und die Medien unterstützen diesen Prozess mit negativen Meldungen. Von Seite der Analysten werden schwarze Szenarien gezeichnet und es kommt zu einer Verkaufspanik. In dieser Situation besteht die Gefahr eines sogenannten Crashs. Fazit Im Zusammenhang mit der Trendanalyse ist die Elliott-Wave-Analyse durchaus als sinnvolle Ergänzung zu sehen. Die als zufällig erscheinenden Kurse an den Kapitalmärkten, können dadurch strukturiert und teilweise eingeordnet werden. Nichtsdestotrotz ist eine Aussage über künftige Kurse äusserst schwierig und von vielen Unsicherheiten geprägt. Die Autoren sehen daher den Anwendungsbereich eher in der Aufarbeitung und Erklärung vergangener Geschehnisse Zeitzyklen-Analyse Im Gegensatz zur zuvor behandelten Elliott-Wave-Analyse steht bei der Zeitzyklen- Analyse, wie es der Name schon sagt, die Zeit im Vordergrund. Unter der Zeitzyklen- Analyse verstehen wir eine periodisch ablaufende Kursbewegung, wobei die Länge von Tief zu Tief gemessen wird. Folgende Parameter sind hierbei von grosser Relevanz: Amplitude: Länge: Phase: Höhe der Welle Zeitspanne zwischen zwei Wellentälern Zeitpunkt eines Wellentals 45

50 Behaviorale Aspekte der technischen Analyse Abbildung 16: Zyklusparameter 142 Da die Zyklen relativ konstant sind, kann man nicht nur Trends, sondern auch künftige Trendwenden mit hoher Wahrscheinlichkeit prognostizieren. 142 Als längste uns bekannte Zyklen gelten die 75 Jahres-Generationen-Zyklen. Ihre Tiefpunkte treten nur einmal in hundert Jahren auf und waren bis jetzt immer der Anfang von sehr negativen wirtschaftlichen und politischen Entwicklungen. In Folge der langen Zeitdauer dieses Zyklus sind erst relativ wenige dieser Schwankungen empirisch belegt. Bis anhin kam es alle 75 Jahre zu einer Weltwirtschaftskrise, welche jeweils von einem historischen Börsentief eingeleitet wurde. Zum Zeitpunkt der Entstehung der untenstehenden Grafik im Jahre 2005 wurde die nächste Krise anhand des Generationenzyklus auf das Jahr 2007 prognostiziert. 143 Wie aus der Publikation von Philipp M. Hildebrand, damaliger Vizepräsident des Direktoriums der Schweizerischen Nationalbank, zu entnehmen ist, wird der August 2007 als Beginn der Finanzkrise bezeichnet. Als Kriterium für die Festlegung nennt er die Tatsache, dass ab diesem Monat die Steuerung des Libor über den Repo-Satz erheblich erschwert wurde. 144 Abbildung 17: Generationen-Zyklus Bergold/Mayer (2005, S. 158). 143 Bergold/Mayer (2005, S. 161). 144 Hildebrand (2009, S. 7). 46

51 Behaviorale Aspekte der technischen Analyse Weiter wird der Generationen-Zyklus in zwei 36-Jahre Zyklen unterteilt. Dieser wiederum wird in zwei 18-Jahre Zyklen aufgeteilt. 145 Auch dieser wird weiter in den 9- Jahres-Juglar Zyklus aufgeteilt. Der 9-jährige Zyklus ist von grosser Bedeutung, da er sich jeweils von Rezession zu Rezession erstreckt. Interessant zu erwähnen ist, dass der Goldpreis ebenfalls im Rhythmus von 9 Jahren schwankt. Hierbei ist zu bemerken, dass das Gold aufgrund der negativen Korrelation zum Aktienmarkt stets gegenteilig läuft. 146 Zu guter Letzt gibt es den 4-Jahres-Kitchen Zyklus, welcher hauptsächlich die konjunkturellen Verlangsamungen erfasst. 147 Ausgehend von den erkannten Zyklen lässt sich nun ableiten, ob es sich um einen Aufwärtstrend (rechtsseitige Translation des Zyklus), einen Abwärtstrend (linksseitige Translation des Zyklus) oder einen Seitwärtstrend handelt. Zur Illustration wird untenstehend die Translationsanalyse der 4-Jahres Zyklen des DAX-Index beigezogen. 148 Abbildung 18: Translationsanalyse des 4-Jahres Zyklus beim DAX seit Erwähnenswert ist, dass der Höhepunkt bis anhin jeweils rechts im Zyklus lag. Im letzten hier ersichtlichen Zyklus ist jedoch eine linksseitige Translation festzustellen. Dies deutet mit hoher Wahrscheinlichkeit auf einen Trendwechsel des übergeordneten Zyklus hin. Zusammenfassend lässt sich sagen, dass Veränderungen im Rhythmus der Kursbewegungen auf Schwankungen in der Psychologie der Marktteilnehmer zurückzuführen ist Bergold/Mayer (2005, S. 164). 146 Bergold/Mayer (2005, S ). 147 Bergold/Mayer (2005, S. 167). 148 Bergold/Mayer (2005, S. 169). 149 Bergold/Mayer (2005, S. 171). 150 Bergold/Mayer (2005, S. 172). 47

52 Behaviorale Aspekte der technischen Analyse 4.3. Sentiment-Analyse Die Sentiment-Analyse soll dazu dienen und helfen, die allgemeine Stimmung an den Märkten zu erkennen. Dabei gibt es verschiedene Indikatoren, welche dies anzeigen können. Put/Call Ratio Während Call Optionen den Inhabern das Recht verleihen, eine Aktie zu einem bestimmten Preis zu kaufen, eröffnen diese Papiere Möglichkeiten, von einem steigenden Markt zu profitieren. Put Optionen hingegen beinhalten das Recht, Aktien zu einem bestimmten Preis zu verkaufen, wobei dies bei sinkenden Preisen zu einem Gewinn führen kann. Das Ratio der ausstehenden Call und Put Optionen nennt man Put/Call Ratio. Typischerweise befindet sich dieses bei ca. 65%. Da durch die oben beschriebenen Charakteristiken bei Marktschwankungen Gewinne eingefahren werden können, repräsentieren Abweichungen von der historischen Norm ein Marktsignal. Es kann beispielsweise die aktuelle Stimmung am Markt widerspiegeln. Interessanterweise können Veränderungen jedoch unterschiedlich interpretiert werden. Häufig versteht man jedoch unter einem steigenden Ratio (mehr ausstehende Put als Call Optionen) ein bearishes Signal, da sich so mehrere Teilnehmer gegen einen Einbruch absichern wollen und die Psychologie, wie dies in anderen Kapiteln beschrieben ist, die Kurse tatsächlich beeinflussen kann. Geht man davon aus, dass der Markt bei einem hohen Put/Call Ratio eher pessimistisch ist, gehen vor allem sogenannte "Contrarian Investors" davon aus, dass der Moment günstig ist, in Aktien einzusteigen. Ein hohes Put/Call Ratio kann somit als Kaufgelegenheit interpretiert werden. 151 An dieser Stelle muss jedoch auch erwähnt werden, dass solche Interpretationen immer mit Vorsicht zu geniessen sind. Erstens ist es keinesfalls sichergestellt, dass sich vergangene Muster in der Zukunft wiederholen. Zweitens würden "eindeutige" Muster von mehreren Marktteilnehmern aufgespürt und können somit direkt wieder verschwinden. Das Ziel der Sentiment-Analyse besteht darin, die Stimmung unter den Marktteilnehmern zu erfassen. Als Grundlage hierzu dient das Prinzip der gegensätzlichen Meinung. Börsenkurse bilden grundsätzlich die Angebots- und Nachfragesituation zu einem bestimmten Zeitpunkt ab. Angebot und Nachfrage ist als Resultat des Aktionismus der Marktteilnehmer zu sehen, welche auf diese Art und Weise ihre Sicht der Dinge bzw. ihre Erwartungen verarbeiten. Somit ist ein beträchtlicher Einfluss der psychologischen Prozesse auf die Handelsentscheidungen offensichtlich. Es ist daher anzunehmen, dass sich rationale und irrationale Prozesse für gewöhnlich abwechseln. 152 Im Gegensatz zur Trendanalyse, welche auf die Bestimmung der Trendrichtung spezialisiert ist, soll die Sentimentanalyse nur zur Trendwechselbestimmung eingesetzt werden. Das heisst, dass nur in Trendwenden von oben nach unten oder umgekehrt, eine Aussage gemacht werden kann. Hierzu werden grundsätzlich zwei Indikatoren in Relation zueinander gesetzt. 153 Nachfolgend werden die zur Verfügung stehenden Indikatoren einzeln beschrieben. 151 Bodie u.a. (2008, S ). 152 Bergold/Mayer (2005, S. 174). 153 Bergold/Mayer (2005, S. 175). 48

53 Behaviorale Aspekte der technischen Analyse Handelsvolumen versus BIP In durchschnittlichen Börsenphasen ist das breite Publikum nur wenig an den Börsen präsent. In dieser Zeit beträgt das US-Handelsvolumen zwischen 20 und 30% des US-BIP. Entwickelt sich nun eine Euphorie, so steigt dieser Wert markant an. So wurde im Jahr 2000 beispielsweise ein Extremwert von 320% und im Jahre 1974 ein Negativwert von 10% erreicht. Diese Faktoren zeigen uns deutlich den Beginn einer Trendwende auf. 154 Aktienanteil am Vermögen der Privathaushalte Als Folge der voran beschriebenen Handelsvolumensteigerung nimmt der Aktienanteil der Haushalte gemessen am Gesamtvermögen zu. Höchst- und Tiefststände bei der Aktienquote sind als Anzeichen für eine Trendwende zu sehen. 155 Beispielsweise steigt die Korrekturwahrscheinlichkeit an, sobald viele Marktteilnehmer bereits investiert sind, da in der Folge weniger Geld für neue Käufe übrigbleibt. Dow / Gold-Ratio Gold als negativ korrelierendes Asset zu Aktien widerspiegelt bei Höchstständen die Angst der Anleger. Mit Hilfe der folgenden grafischen Darstellung des Dow / Gold- Ratio wird ersichtlich, dass ein Ratio in der Region von 2 bzw. 20 zu einer Trendwende führt. 156 Abbildung 19: Dow / Gold Ratio seit Unternehmenskreditvolumen versus BIP und Bankenkreditvergabe versus BIP Analog zu den Privatpersonen sind auch Unternehmungen nach langen Aufwärtsphasen am Güter- sowie Kapitalmarkt sehr optimistisch und entsprechend gross ist ihre Kreditnachfrage für Investitionsprojekte. Historisch gesehen erreichten die Kreditengagements den Höhepunkt in etwa gleichzeitig wie die Aktienmärkte. Die Kennzahl der Bankenkreditvergabe im Verhältnis zum BIP steht in direktem Zusammen- 154 Bergold/Mayer (2005, S ). 155 Bergold/Mayer (2005, S ). 156 Bergold/Mayer (2005, S ). 157 Bergold/Mayer (2005, S. 180). 49

54 Behaviorale Aspekte der technischen Analyse hang mit dem Unternehmenskreditvolumen und unterstreicht dessen Aussagekraft. 158 Konsumentenvertrauen Dieser von den Medien oft zitierte Index gibt Auskunft über das Vertrauen der Konsumenten in die Wirtschaft. Steigt das Vertrauen auf hohe Werte an, was sich in einer niedrigen Sparquote und hoher Kreditbelastung widerspiegelt, dann ist mit einem realwirtschaftlichen Konjunkturgipfel zu rechnen. Die Börse als Vorindikator hat daher hohes Korrekturpotenzial. 159 Fazit Findet man mit Hilfe der Sentiment-Analyse heraus, in welcher Stimmungsphase sich der Markt befindet, dann sollte der Investor in die entgegengesetzte Richtung handeln Mathematische Modelle Da im Bereich der mathematischen Modelle eine Fülle von Möglichkeiten existiert, soll zuerst vorausblickend auf den Teil "Anwendung der Theorie" Bezug genommen werden. Grundsätzlich geht es - ausgehend von mathematischen Modellen - im Wesentlichen darum, signifikante "Muster" zu erkennen. Im Fachjargon wird in diesem Zusammenhang von "Pattern Recognition" gesprochen. Dabei können beispielsweise verschiedene Indikatoren einander gegenübergestellt werden, wobei der Fokus auf deren Korrelation liegt. Ist diese hoch, kann bereits eine quantitativ aber auch qualitativ gute Aussage gemacht werden. Theoretisch ist es aber auch möglich, nur einzelne Kursabläufe zu betrachten, wie dies bei der Kalenderanomalie der Fall ist. Darauf aufbauend können somit auch Untersuchungen gemacht werden, wie sich die Renditen verschiedener Wochentage verhalten. Dies und weitere mögliche Variationen werden im Anschluss im "praktischen Teil" der Bachelor Thesis realisiert. Die Risikoquantifizierung nimmt innerhalb der Finance einen wichtigen Stellenwert ein. Grundsätzlich wird das Ziel verfolgt, bei einer bestimmten Rendite ein möglichst tiefes Risiko einzugehen oder bei einem gewissen Risiko eine möglichst hohe Rendite zu erreichen. Das am häufigsten verwendete Modell in diesem Zusammenhang ist die Standardabweichung, welche die Streuung vom Mittelwert einer bestimmten Anlage genauer quantifiziert. Da es sich hiermit aus mathematischer Sicht um eine relativ einfache Modellierung handelt, soll folgend ein alternativer Ansatz kurz beschrieben werden, um aufzeigen zu können, dass im Bereich der "Trading Algorithmen" theoretisch auch alternative Ansätze möglich sind. 160 Die vorgeschlagene Methode versteht Risiko nicht im wie oben beschriebenen Sinne als Schwankung vom Mittelwert, sondern als Fähigkeit, die Funktion einer Anlage korrekt zu prognostizieren. Weitere Faktoren sind der (zukünftige) Zeithorizont und die zugrunde liegende Datenkomplexität. Mathematisch ausgedrückt präsentiert sich die Funktion wie folgt: 158 Bergold/Mayer (2005, S ). 159 Bergold/Mayer (2005, S ). 160 Singh/Sykora (2007, S. 83). 50

55 Behaviorale Aspekte der technischen Analyse Risiko = f (α, β, γ) wobei α = Prädiktor, β = Zeithorizont, γ = Komplexität 161 Da der Ansatz mathematisch anspruchsvoll ist und es primär darum geht, ein alternatives Beispiel aufzuzeigen, soll die Funktion nur intuitiv und nicht quantitativ erläutert werden. Grundsätzlich hat jeder Prädiktor sowohl einen Input als auch einen Output. Als Input werden im Normalfall verschiedene historische Daten verwendet. Beim Prozess dazwischen handelt es sich um ein mathematisches Modell, welches den Output generiert. In der Fachliteratur wird im konkreten Fall beispielsweise auf das "Brown's Double Exponential Smoothing Model" verwiesen. Kritischerweise muss hier erwähnt werden, dass viele Modelle nur bei linearen Verhältnissen geeignet sind, da keine Trendwenden vorhergesagt werden können. Um dieses Problem abzuschwächen oder gar ganz zu eliminieren, müsste man den eigentlichen Prädiktor mit einem anderen "Teilmodell" austauschen. Da sich Aktienmärkte nicht linear verhalten, ist hier die wesentliche Problematik bereits aufgezeigt. 162 Da dieses Modell auf der Annahme basiert, dass sich Risiko durch die Prognosefähigkeit definiert, kann zusammenfassend folgendes Fazit gezogen werden: Hätte man einen perfekten Prädiktor für die Zukunft, würde kein Risiko existieren. Andererseits ist die Risikohöhe abhängig von der Qualität des Prädiktors, der Datenkomplexität sowie des Prognose-Horizonts. Obwohl diese drei Faktoren untereinander korrelieren, ist der Unsicherheitsfaktor hauptsächlich mit dem zukünftigen Zeithorizont in Verbindung zu bringen. 163 Da sich mit zunehmendem Zeithorizont auch die Datenkomplexität (theoretische Möglichkeiten steigen praktisch exponentiell an) erhöht, wird die Prognosefähigkeit stark relativiert. Verbindet man diese beiden Problemstellungen mit den bereits erwähnten Schwierigkeiten, die sich bereits auf Ebene des Prädiktors ergeben, wird klar, dass es sehr anspruchsvoll ist, überhaupt verlässliche Prognosen auf rein mathematischer Basis zu generieren. Ein weiteres mögliches Fazit kann sein, dass es aufgrund der hohen Komplexität sehr schwierig ist, ein alternatives Modell zur Standardabweichung auf breiter Basis einzuführen. Obwohl das häufig verwendete aktuelle Modell innerhalb der Finance eine Vereinfachung der Realität darstellt, ist es praktisch unmöglich die Realität korrekt abzubilden, oder gar beinah sichere Zukunftsprognosen zu generieren. Wahrscheinlich liegt der Praktikeransatz darin, dass verschiedene Modelle miteinander verknüpft werden. Bedenkt man aber zusätzlich, dass das Marktgeschehen nicht immer rational begründbar ist, stellt sich die Frage, in welchem Masse psychologische Gegebenheiten mathematisch abgebildet werden können. Aufgrund des teilweise irrationalen Verhaltens verschiedener Teilnehmer, ist es generell eine grosse Herausforderung, die Realität korrekt abzubilden. Folglich kann auf praktische Vereinfachungen nur schwer verzichtet werden. Das hier behandelte Kapitel legt den Schluss nahe, dass viele aktuelle Modelle noch unausgereift sind. Daraus entsteht gewissermassen auch ein Auftrag an die Forschung, wessen Ziel es ist, Widersprüche aufzulösen, oder neue Ansätze zur Lösung komplexer Problemstellungen aufzuzeigen. 161 Singh/Sykora (2007, S. 84). 162 Singh/Sykora (2007, S. 86). 163 Singh/Sykora (2007, S. 87). 51

56 Behaviorale Aspekte der technischen Analyse 4.5. Fazit und kritische Würdigung Um der theoretischen Aufarbeitung der technischen Analyse eine differenzierte Ergänzung anfügen zu können, ist es wichtig, sich auch kritisch damit auseinanderzusetzen. Eine zentrale Grundproblematik bei der Interpretation verschiedener Modelle stellt deren Vergangenheitsbezug dar. Einerseits handelt es sich um eine Grundsatzfrage, ob man die Zukunft überhaupt voraussagen kann. Andererseits kann dies - optimistisch formuliert - mit Hilfe verschiedener Wahrscheinlichkeitsüberlegungen zumindest versucht werden. Weiter ist es aus plausiblen Gründen nicht möglich, sich anderer Daten, als jener der Vergangenheit zu bedienen. Somit ist diese Vorgehensweise - aufgrund eingeschränkter Möglichkeiten - nicht grundlegend zu kritisieren. Jedoch muss man sich bewusst sein, dass sich die Zukunft durchaus unterschiedlich verhalten kann, als dies in den retrospektiven Modellen der Vergangenheit als wahrscheinlich erscheint. Ein weiterer Punkt ist die Problematik der Subjektivität. Da die technische Analyse im Gegensatz zu naturwissenschaftlichen Phänomenen nicht exakt und objektiv fassbar ist, fehlt deren Eindeutigkeit. Diese Interpretation erhebt jedoch den Anspruch, etwas präzisiert zu werden. Einerseits ist es zwar möglich, Kursabfolgen objektiv zu dokumentieren. Die Interpretation ist jedoch einiges anspruchsvoller. Können beispielsweise bei gewissen physikalischen Zusammenhängen Gesetzmässigkeiten extrahiert werden, welche immer funktionieren, ist dies beispielsweise bei der Chartanalyse nicht möglich. Fragestellungen, welche selbst von den Profis unterschiedlich beurteilt werden, sind in diesem Zusammenhang symptomatisch. Die Bestimmung eines Trends und wie lange dieser im Normalfall dauert ist nur ein Beispiel. Auch hier muss man sich wiederum mit Wahrscheinlichkeitsrechnungen behelfen. Dabei kommt es jedoch nicht selten zu Situationen, in denen sich die Informationen zumindest teilweise überlappen. Widersprechen sich beispielsweise zwei Informationen, muss zuerst entschieden werden, welcher von beiden nun das grössere Gewicht beizumessen ist. Aufgrund der unvorstellbaren Fülle an Daten, ist es im Anschluss nicht besonders erstaunlich, dass sich selbst Experten widersprechen. Es handelt sich somit um Interpretationen von zwar faktisch korrektem Datenmaterial, wobei teilweise bereits bei deren Auswahl subjektive Entscheide mit einfliessen. Anders formuliert handelt es sich dabei auch um die Problematik, sehr viele Faktoren, welche sich im Hintergrund abspielen, gleichzeitig in die Entscheidung einfliessen zu lassen. An dieser Stelle soll nun auch der Bogen zum Kapitel "Heuristiken" gespannt werden. Ist der Mensch mit vielen komplexen Fragestellungen konfrontiert, bedient er sich häufig Strategien, welche zur Komplexitätsreduktion neigen. Damit wird eine objektive Prognostizierbarkeit zusätzlich erschwert. Verstärkt wird dieser Effekt dadurch, dass einige Modelle auch Einschränkungen mit sich bringen. Beispielsweise funktionieren oszillierende Indikatoren nur in seitwärts gerichteten Märkten. Diese Einschränkungen sind in der Folge auch mit der Fragestellung verknüpft, welche Modelle in welcher Situation angewendet werden sollen. Würde man davon ausgehen, dass es sich bei der technischen Analyse um einen Wissenschaftszweig handelt, der ausnahmslos von Erfolg gekrönt ist, wäre dies gewissermassen ein Widerspruch in sich selbst. Denn gäbe es ein einwandfreies Mittel, die Märkte vorauszusagen, würde das Bekanntwerden dieses Instruments die Märkte selbst wiederum beeinflussen und man müsste diesen "Rückkoppelungseffekt" miteinkalkulierten. Spätestens hier ist man an einem Punkt angelangt, wo man anerkennen muss, dass sich die Märkte stetig verändern und jegliche Modelle die neuen Informationen neu verarbeiten müssen. Somit wird es wahrscheinlich nie möglich 52

57 Behaviorale Aspekte der technischen Analyse sein, ein allgemein erfolgreiches Vorgehen für hohe Überrenditen zu "erfinden", da der stetige Wandel den jeweiligen Modellen ihre Grenzen offenbart. 53

58 Anwendung der Theorie 5. Anwendung der Theorie Im folgenden praktischen Teil dieser Arbeit wird das Ziel verfolgt, die verschiedenen Behavioral Theorien anzuwenden. Da es aufgrund des Volumens im Rahmen dieser Bachelor Thesis nicht möglich ist, alle Theorien absolut vollständig anzuwenden, wird der Fokus auf zwei Themenbereiche gesetzt. Um jedoch dem Anspruch an Vollständigkeit möglichst entgegen zu kommen, werden weitere - für die Behavioral Finance wichtige - Theorien und Themenbereiche im dritten Teil dieses Kapitels untersucht sowie hinterfragt. Bei den beiden ersten detailliert behandelten Themen handelt es sich um die Kurs-Umsatz-Analyse sowie um die Kalenderanomalie. Bei der Kurs- Umsatz-Analyse liegt der grosse Vorteil in Bezug auf die Untersuchung darin, dass die technische Analyse mit den behavioralen Erkenntnissen verknüpft werden kann. Dabei soll auch differenziert hervorgehen, inwiefern diese empirische Untersuchung der drei SMI-Aktien die Theorie bestätigen kann. Zusätzlich ist es möglich, dieses Instrument im letzten Teil für allfällige Prognosen zu verwenden. Umgekehrt war es bei einigen Elementen der technischen Analyse aufgrund fehlender Daten kaum möglich, eine detaillierte Untersuchung vorzunehmen. Bei der Kalenderanomalie war es jedoch mit den vorhandenen Mitteln problemlos möglich, die Theorie empirisch zu überprüfen. Zusätzlich wurde versucht, die einzelnen Stimuli, welche im Anschluss den Response verursachen, genau zu eruieren. In diesem Kapitel geht es auch darum, gewisse Muster zu erkennen, wie dies unter anderem in der Disziplin der "Pattern Recognition" getan werden kann. Um Wiederholungen möglichst zu vermeiden, wurde ebenfalls darauf Rücksicht genommen, nur neue Erkenntnisse in Bezug auf die weiteren Themen zu behandeln. Es sei jedoch an dieser Stelle darauf hingewiesen, dass einige spezifische Kritiken bereits im Theorieteil integriert wurden. Die drei ausgewählten SMI-Aktien sind UBS, Adecco sowie Nestlé. Hier wurde darauf geachtet, dass beispielsweise kein Titel aus derselben Branche untersucht wird. Zwar kann der Stellenvermittler Adecco wie auch die UBS als relativ zyklisch eingestuft werden. Vor allem aber in Bezug auf die Kalenderanomalie ist es sehr interessant zu sehen, dass in Bezug auf die Tagesanomalie gewisse Parallelen dieser beiden zyklischen Titel auszumachen sind. Mit Nestlé wurde zur Vervollständigung ein defensiver Titel gewählt, welcher das Feld etwas auszugleicht. Wie teilweise noch genauer argumentiert wird, müssten aus statistischen Gründen weitere Titel untersucht werden, um wirklich breit abgestützte Hypothesen aufstellen zu können. Die vorliegenden Untersuchungen sind jedoch aufgrund des hohen Detaillierungsgrades relativ differenziert mit dem Gesamtkontext zu verbinden. Somit ist dies - um die generellen Hypothesen - zu hinterfragen nicht entscheidend. Im folgenden Kapitel wird nun direkt auf die erste empirische Untersuchung (Kurs-Umsatz-Analyse) eingegangen Kurs-Umsatz-Analyse In diesem Kapitel soll die Kurs-Umsatz-Analyse angewendet und so weit möglich empirisch überprüft und bewertet werden. Die Kurs-Umsatz-Analyse ist, wie in der obenstehenden Theorie bereits ausführlich dargelegt, als Teil der Dow-Technik unter dem Überbegriff der Trendanalyse zu verstehen. Hierzu wurde der zu untersuchende Zeitraum auf rund 10 Jahre festgelegt. Das der Analyse zugrunde liegende Datenmaterial bezieht sich auf die Periode vom 03. Januar 2000 bis 28. Juni Nachfolgende Kurse und Chartdarstellungen wurden aus dem Analysis Tool von Swissquote bezogen. 54

59 Anwendung der Theorie Vorgehen In Bezug auf die Kurs-Umsatz-Analyse sollen folgende Punkte bei allen drei SMI- Aktien untersucht werden: Informationsaufbereitung Beschreibung des Kursverlaufs Bestimmung der Trendrichtungen und deren Ausgeprägtheit Statistische Ausreisser im Tagesvolumen auf allfällige Sonderfaktoren bzw. spezielle Ereignisse überprüfen Konvergenzen und Divergenzen Überprüfung ob sich hohe Tagesvolumen (einzelne Ausschläge) konvergent zum Trend verhalten (hohe Volumen verursachen Abwärtsbewegungen in einem bestehenden Abwärtstrend, bzw. Aufwärtsbewegungen in einem bestehenden Aufwärtstrend); In Bezug auf unsere Grafik sind demzufolge hohe rot eingefärbte Volumen in einem Abwärtstrend und hohe grün eingefärbte Volumen in einem Aufwärtstrend als konvergent zu bezeichnen. Überprüfung ob die Kurse durch steigende Volumen (Volumenveränderung über bestimmte Periode) bestätigt werden (konvergent) und ab wann mögliche Trendwenden (Divergenz; sinkende Volumen) zu erkennen sind UBS In einem ersten Schritt wurden die in der untenstehenden Grafik ersichtlichen Trendkanäle eingezeichnet. Mit Hilfe dieser Trendlinien, welche aus dem Bereich der Charttechnik übernommen wurden, konnten wir die näher zu untersuchenden Zeitabschnitte festlegen. Schlussendlich haben sich, durch das Verbinden von drei Berührungspunkten, die drei untenstehenden grossen Trendphasen herauskristallisiert. Abbildung 20: UBS Übersichtschart Swissquote (2010). 55

60 Anwendung der Theorie Folgende Perioden werden vertieft bearbeitet: - Periode 1: 19. Januar 2001 bis 15. Januar Periode 2: 12. März 2003 bis 30. März Periode 3: 04. Mai 2007 bis 02. März 2009 Im zweiten Schritt sind die einzelnen Phasen mit den dazugehörigen täglichen Umsatzvolumen dargestellt. Daraus lassen sich nun Aussagen über die Zusammenhänge zwischen den Kursbewegungen und den Umsätzen ableiten. Ebenfalls soll eine Beurteilung möglich werden, ob die Theorie in befriedigendem Masse als Indikator benutzt werden kann oder ob die Treffer eher zufälliger Natur waren. Periode 1 Die untenstehende Grafik ist eine Vergrösserung des in der Kursübersicht eingezeichneten ersten Trends. Zusätzlich wurden die Tagesvolumen hinzugefügt. Abbildung 21: UBS Periode Während diesen 726 Tagen sank der Kurs der UBS Aktie von rund CHF auf CHF Somit ist insgesamt ein leichter Abwärtstrend ersichtlich. Dazwischen sind einige untergeordnete Trends auszumachen. Deren Anstieg endet jeweils an der oberen Widerstandslinie. Dieses Muster ist insgesamt sechs Mal zu beobachten und kann demzufolge als relativ ausgeprägt bezeichnet werden. Bei der Unterstützungslinie befinden sich weniger Berührungspunkte. Allen voran zwischen Oktober 2001 und Juli 2002 gehen die Kurse jeweils nur marginal zurück. In Bezug auf die Volumina sind einzelne Ausreisser zu beobachten. Als Beispiel ist das hohe Tagesvolumen und die damit verbundene Kursreduktion am zu 165 Swissquote (2010). 56

61 Anwendung der Theorie erwähnen, welche auf die kurz zuvor bekanntgegebene Nennwertrückzahlung von CHF 2.00 zurückzuführen sein dürfte. 166 Basierend auf der in der Einleitung aufgezeigten Theorie sollen nun die Kursbewegungen in Bezug auf die Konvergenz und Divergenz überprüft werden. Beobachten wir den ersten Teil des Charts (Mai bis September 2001), lässt sich unschwer erkennen, dass die Volumen einzelner Tage ansteigen. Diese sind, wie in der Grafik ersichtlich, rot eingefärbt. Die Kurse desselben Zeitraumes sinken jedoch. Im Zusammenhang mit dem bestehenden Abwärtstrend über die gesamte Periode 1 können wir folglich eine klare Konvergenz erkennen. Anders ausgedrückt heisst dies: Im bestehenden Abwärtstrend verursachen die hohen Volumen einzelner Ausschläge eine Abwärtsbewegung. Ebenfalls interessant zu erwähnen ist, dass der Abwärtstrend bis zum grossen, rot eingefärbten Volumen (Mitte August 2001) leicht stärker ausfällt, als der gesamte übergeordnete Trend. In der Septemberperiode des Jahres 2001 sehen wir einen deutlichen Einbruch. Während kurzer Zeit fällt die UBS Aktie bis auf die Unterstützungslinie. Dort dreht sie wieder ins positive und es folgt eine Rallye bis ans obere Ende des Trendkanals. Nun stellt sich hier die Frage, ob und wie diese Trendwende hätte vorausgesagt werden können, da wir die Unterstützungslinie ja erst im Nachhinein festlegen können. Ein möglicher Ansatz sind die grossen Volumen von Mitte bis Ende September Sie steigen nämlich mehr oder weniger kontinuierlich an, während der Kurs stark sinkt. Dies ist als Konvergenz zu interpretieren. Daraus lässt sich schliessen, dass die Marktteilnehmer umso mehr handeln, je länger die Abwärtsbewegung anhält. Diese steigenden Volumen sollten einen Trend bestätigen. Dies ist in diesem Beispiel nicht der Fall. Nun stellt sich die Frage, welche Gründe diese Abweichung haben kann. Möglicherweise ist die Periode schlicht zu kurz und daher nicht aussagekräftig. Weitere Analysen und Kritikpunkte sind im letzten Teil der Arbeit (Kapitel praktischer Nutzen) ersichtlich. Im weiteren Verlauf (ab Dezember 2001 bis Juni 2002) befindet sich der Aktienpreis im oberen Bereich des Trendkanals und berührt auch mehrfach die Widerstandslinie. Die Volumina sind in dieser Zeit, mit Ausnahme des bereits erwähnten einzelnen Ausschlages, eher konstant und unauffällig. Nachdem nun einzelne Untertrends angeschaut und deren Ausschläge interpretiert wurden, wenden wir den Blick nun dem übergeordneten Trend zu. Ziel ist es herauszufinden, wann der grosse Abwärtstrend der Periode 1 zu Ende sein könnte. In der ersten Hälfte sind die grossen Ausschläge rot eingefärbt (sinkender Kurs). Ein Analyst kann somit am feststellen, dass der Trend konvergent und somit als gesund zu bezeichnen ist. Folglich kann er erwarten, dass die Kurse weiter sinken. Dies ist im Jahr 2002 auch der Fall. Gegen Ende des Jahres erkennen wir jedoch vermehrt grüne Ausschläge bei den hohen Volumen. Diese zeigen eine Divergenz in der zweiten Jahreshälfte Damit wird eine Trendwende angekündigt, welche auch eintritt und uns zur Aufwärtsbewegung in der nachfolgenden Periode 2 führt. Eine trendlose Phase ist bei diesem Wechsel nicht zu erkennen. 166 UBS AG (2010) a. 57

62 Anwendung der Theorie Periode 2 Gleich im Anschluss an die soeben beschriebene Periode 1 konnte der nachfolgende Chart extrahiert werden. Abbildung 22: UBS Periode Nach der Trendwende steigt der Kurs in dieser zweiten Periode von rund CHF bis gegen CHF Der Anstieg erfolgte über rund 4 ¼ Jahre und ist sehr konstant. Dies ist auch am engen Trendkanal zu erkennen. Die obere Widerstandslinie wie auch die untere Unterstützungslinie haben deutlich mehr Berührungspunkte als die geforderte Mindestanzahl von drei Stück. Demnach kann der Trend als sehr gefestigt bezeichnet werden. Untertrends sind kaum vorhanden oder treten eher gegen das Ende der Periode auf. Wenden wir den Blick den täglichen Handelsumsätzen zu, stechen uns die beiden Tage des und ins Auge. Da für diese Tagen weder neue UBS spezifische Daten veröffentlicht wurden, noch sonstige kursrelevante Geschehnisse ausgemacht werden konnten, dürfte das hohe Volumen auf Tätigkeiten institutioneller Grossanleger zurückzuführen sein. Die grün eingezeichneten hohen Umsätze über mehrere Handelstage im April 2006 dürften auf die von den Anlegern als positiv eingestufte Übernahme der Piper Jaffray Companies zurückzuführen sein. Hierbei wurde das Privatkundengeschäft des amerikanischen Finanzdienstleistungsunternehmens für USD 500 Millionen übernommen. 168 Die Bekanntgabe des Quartalsgewinns von CHF Millionen liess den Kurs nochmals kräftig ansteigen und erreichte einen Peak von CHF Die darauffolgende Übernahme der brasilianischen Banco Pactual S.A. für rund USD 2.5 Milliarden, liess die Volumen deutlich ansteigen. Jedoch goutierten die Aktionäre diesen Stimulus (Kauf) nicht und der Kurs sank in den Folgetagen deutlich Swissquote (2010). 168 UBS AG (2010) b. 169 UBS AG (2010) c. 170 UBS AG (2010) d. 58

63 Anwendung der Theorie Um den Gesamttrend auf seine Konsistenz zu prüfen, soll nach Konvergenzen und Divergenzen gesucht werden. In unserem bestehenden Aufwärtstrend würden somit hohe grün eingefärbte Volumen einen gesunden Trend auszeichnen. Anfang 2003 ist dies klar der Fall; die grünen überragen die roten Säulen. Bereits ab April 2004 sind jedoch, mit Ausnahme des April 2006, vorwiegend hohe rote Volumen auszumachen. Diese Divergenz müsste auf einen Trendwechsel hindeuten. Da von den ersten Anzeichen, bis zur effektiven Trendwende beinahe 3 ½ Jahre vergehen, kann hier beim besten Willen zu keinem Zeitpunkt eine zuverlässige Prognose abgelesen werden. Auch die typischen Volumenverkleinerungen gegen Ende eines Trends sind nicht klar auszumachen. Zusammenfassend lässt sich sagen, dass die Analyse in dieser Periode äusserst schwierig und unzuverlässig war. Dies könnte einerseits auf den sehr langen Trend zurückzuführen sein oder aber die psychologische Komponente der Blasenbildung kommt hier zum Tragen. Im Vergleich zum Muster im Kapitel "Boom- und Crash-Situationen" sind doch einige Parallelen zu entdecken. In diesem Zusammenhang kommt auch der Herdentrieb stark zum Ausdruck, wie dies im entsprechenden Kapitel genauer beschrieben ist. Periode 3 Als letzte grosse Trendphase ist der uns bestens bekannte Abwärtstrend während der Finanz- und Wirtschaftskrise zu erwähnen. Abbildung 23: UBS Periode In den letzten 22 Monaten unseres Beobachtungszeitraums stellen wir einen massiven Kursrückgang von CHF auf CHF fest. Dies ist ein Einbruch um satte 87%. Das Festlegen der Trendlinien ist aufgrund der ausserordentlichen Umstände schwierig. Nichtsdestotrotz konnten vor allem bei der Unterstützungslinie Regelmässigkeiten erkannt werden. Einzig im März 2008 wird selbst diese kurz unterschritten. Der Kursverlauf an und für sich ist sehr negativ und steuert gegen Null. Zudem ist in dieser Zeit das durchschnittliche Handelsvolumen deutlich höher als in den beiden Vorperioden. Als Folge davon erreichen auch die Extremausschläge bisher ungeahnte Höhen. Der Einfluss der Sonderfaktoren auf die Volumina ist äusserst gross, be- 171 Swissquote (2010). 59

64 Anwendung der Theorie finden wir uns hier doch mitten in der Finanzkrise und in einer existenzbedrohenden Situation für die UBS. So sind beispielsweise die hohen Handelsaktivitäten um den Monat Juni 2008 auf die Bezugsrechts-Kapitalerhöhung zurückzuführen. 172 Ebenfalls auffallend sind die Rekordvolumen und Kursverluste vom bis welche durch Abschreibungen beim Lehman-Engagement begründet sind. 173 Die interessante Frage ist nun, ob auch in dieser Ausnahmesituation, welche zweifelsohne von viel Irrationalität, Angst und überstürztem Verhalten geprägt ist, gewisse Regelmässigkeiten durch Anwendung der Kurs-Umsatz-Analyse erkennbar werden. Zuerst wollen wir anhand der einzelnen roten Tagesvolumen eine Aussage machen, ob der Abwärtstrend konvergent, also gerechtfertigt ist bzw. ob davon ausgegangen werden kann, dass dieser weiter anhalten wird. Mit einigen Ausnahmen überragen die rot eingefärbten Säulen die grünen und der Trend kann als konvergent bezeichnet werden. Angenommen die einzelnen hohen Nachfragevolumen sind auf Nachkäufe zurückzuführen, mit welchen der durchschnittliche Einstandspreis gesenkt werden soll, so kann der Abwärtstrend als gesund und deshalb von länger anhaltender Dauer bezeichnet werden. Weiter wird diese Annahme dadurch gestützt, dass die gesamten Volumen bis Oktober 2008 tendenziell eher zunehmen. Als Folge davon nimmt die Volatilität während dieser Zeit drastisch zu. Danach stagnieren die Volumen und auch der Abwärtstrend flacht ab. Ob dies nun als Anzeichen für eine bevorstehende langfristige Trendwende zu interpretieren ist, sei dahingestellt. Weiterführende Überlegungen zu möglichen zukünftigen Entwicklungen sind im entsprechenden letzten Teil der Arbeit (Prognosen) enthalten Adecco Als zweite Aktie haben wir uns für Adecco entscheiden. Einerseits ist es ein Titel aus einer andern Branche. Andererseits erhoffen wir uns durch den als zyklisch bekannten Titel, noch ausgeprägtere Ausschläge beobachten zu können. Dies könnte sich in den Kursschwankungen wie auch den Volumenschwankungen bemerkbar machen. 172 UBS AG (2010) e. 173 UBS AG (2010) f. 60

65 Anwendung der Theorie Abbildung 24: Adecco Übersichtschart 174 Wie im vorangegangenen Chart deutlich zu sehen ist, war es äusserst schwierig, eindeutige Trends ausfindig zu machen. Dies dürfte eine erste Auswirkung der zyklischen Aktie sein. So schwankt sie, in relativ kurzen Zeiträumen in Abhängigkeit zur Konjunktur sehr stark. Auch dürfte der weitere Kursverlauf dementsprechend schwierig zu prognostizieren sein. Nichtsdestotrotz konnten die drei oben ersichtlichen Trendphasen herauskristallisiert werden. Zwischen 2004 und 2007 ist eine trendlose Phase, bei welcher wir mit den uns bekannten Instrumenten keinen für die Kurs- Umsatz-Analyse verwertbaren Trend feststellen konnten. Folgende Perioden werden vertieft bearbeitet: - Periode 1: 24. März 2000 bis 20. November Periode 2: 02. März 2007 bis 16. Dezember Periode 3: 24. Dezember 2008 bis 20. Juli 2010 Periode 1 Zu Beginn der Periode ist der Kurs Ende Februar 2000 bei ca. CHF und steigt im Verlauf der nächsten drei Monate bis auf über CHF Danach begibt er sich in einen Abwärtstrend und sinkt bis auf einen Tiefststand von rund CHF anfangs März Dieser markante Abwärtstrend dauert gut drei Jahre. Im März 2003 wird dann der Trend gekehrt und im Juni durchbricht der Kurs die obere Widerstandslinie und steigt bis auf CHF Der Trend an sich ist bis September 2001 sehr klar. Danach werden die Ausschläge stärker und der bisherige Trendkanal erweist sich als zu eng. Ein auffallend hohes Volumen ist Anfang Juli 2002 zu sehen. Der genaue Grund hierfür konnte nicht näher eruiert werden. Es ist jedoch interessant zu sehen, dass dieser Ausschlag genau mit dem Wiedereintritt in den Trendkanal zusammenfällt. Vielleicht erwarteten die Anleger zu diesem Zeitpunkt, dass die Aktie wieder nach oben gehen sollte. Denn oftmals wird, gemäss der Charttechnik, eine zuvor durchbrochene obere Widerstandslinie zu einer Unterstützungslinie. Diese "Faustregel" wird jedoch hier nicht bestätigt und der Kurs bleibt in der Folge im 174 Swissquote (2010). 61

66 Anwendung der Theorie Trendkanal. Auch in diesem Beispiel sind die hohen Volumen Mitte April 2003 auf die, gemäss CEO Jérôme Caille, überraschend guten Quartalsergebnisse zurückzuführen. 175 Bezüglich des Kurs-Umsatz-Verhältnisses ist diese Aktie schwierig zu interpretieren. Bis Anfang 2001 sind die Volumen gering. Danach steigen sie leicht an. Als Folge dieser höheren Umsätze sind die Kursausschläge auch grösser. Dies deutet auf einen unruhig verlaufenden Trend hin, welcher möglicherweise bald einmal wenden könnte. Diese Erwartung wird im Dezember 2001 mit neuen Hinweisen versorgt, indem die Widerstandslinie durchbrochen wird. Der bestehende Abwärtstrend ist jedoch noch nicht beendet. Dies ist daran zu sehen, dass die grünen Volumen im letzten Quartal 2001 die roten nicht definitiv überragen konnten. Demzufolge besteht keine Divergenz im Trend und ein Ende des bestehenden Abwärtstrends war daher auch nicht zu erwarten. Vergleichen wir nun den soeben beschriebenen Sachverhalt mit der Situation zwischen April und Juni Hier sehen wir, dass die grünen Volumen klar dominieren. Die Divergenz ist somit klar zu bejahen. Unterstützt wird diese These ebenfalls von den hohen Gesamtvolumen. Zusammenfassend lässt sich sagen, dass der Durchbruch der Widerstandslinie Anfang Juni 2003 klar als Trendwende bezeichnet werden darf. In diesem Fall ist die Theorie durch die Empirie klar bestätigt worden und die Rallye von CHF auf CHF kam für die Anhänger der Kurs-Umsatz-Analyse nicht überraschend. Danach geht die Aktie in eine trendlose Phase über. Abbildung 25: Adecco Periode Adecco (2010) a. 176 Swissquote (2010). 62

67 Anwendung der Theorie Periode 2 Der Titel hat nun eine trendlose Phase von ca. drei Jahren hinter sich. Hierbei sind Schwankungen zwischen CHF und CHF aufgetreten. Nach einem letzten Aufstieg auf über CHF im Juli 2007, sank die Aktie erneut. Diese Abwärtsbewegung weist Merkmale eines längerfristigen Trends auf. Die obere Widerstandslinie weist die drei geforderten Berührungspunkte auf. Die Unterstützungslinie hingegen ist weniger klar ausgeprägt. Zwar haben wir auch hier viele Berührungspunkte, jedoch wird die Unterstützungslinie im letzten Quartal 2007 und im ersten Quartal 2008 einige Male unterschritten. Nach dieser Phase der Verunsicherung kehrt der Kurs wieder in den Trendkanal zurück. Zudem ist ersichtlich, dass der Trendkanal schmaler wird. Grund dafür ist unter anderem der Rückgang der grossen, einzelnen Tagesvolumen. Hiermit sind wir auch bei den Volumen angelangt. Ein grosser Sonderfaktor ist Mitte Juni zu erkennen, wobei dies auf die Übernahme der Tuja Group per zurückzuführen ist. 177 Dies führte zu regem Handel mit den Wertpapieren. Zudem gab die Adecco am 5. Juni 2007 bekannt, dass sie die Aktien an der New York Stock Exchange dekotieren lässt. Es ist jedoch nicht anzunehmen, dass dies einen Einfluss auf das hier untersuchte Volumen der Virt-x hat. Denn im Jahr 2006 war nur gerade 1% des gesamten gehandelten Volumens über die NYSE gegangen. 178 Weitere spezielle Ereignisse sind in dieser Periode nicht von Relevanz. Grundsätzlich finden wir die bei einem konvergenten Abwärtstrend typischen roten hohen Tagesvolumen vor. Insbesondere Ende Juli 2007 sind diese zu beobachten. Zum Jahreswechsel 2008 hin ist das Bild etwa ausgeglichen. Als Folge davon schwankt der Kurs um die Unterstützungslinie. Möglicherweise sind sich die Anleger nicht einig, ob ein stärkerer Einbruch folgen soll oder ob dieser moderate Abwärtstrend weiter verfolgt wird. Es fehlen ein wenig die Impulse des Marktes und es können keine wirklich neuen Informationen in den Preis eingebracht werden. Diese Ratlosigkeit dürfte zu den eher tiefen Volumen zwischen April und Juni 2008 führen. Ab September wirken neue Inputs auf die Marktteilnehmer. Die Intensität des Handels nimmt zu und die Volumen steigen an. Dies ist gemäss Theorie als Indikator für einen kommenden Trendwechsel zu interpretieren. Dass nun auch zwei oder drei grosse grün hinterlegte Volumen vorzufinden sind, könnte diese Annahme unterstützen. 177 Adecco (2010) b. 178 Adecco (2010) c. 63

68 Anwendung der Theorie Abbildung 26: Adecco Periode Periode 3 In diesem dritten Trend ist die Erholung nach der Finanzkrise zu sehen. Der Kurs steigt vom tiefen Niveau Anfang 2009 stark an. Innerhalb von rund 1 ¼ Jahren verdoppelt sich der Kurs nahezu auf CHF Insbesondere bei der Unterstützungslinie finden wir viele und vor allem präzise Berührungspunkte vor. Die Untertrends verlaufen immer nach ähnlichem Muster. Nach einem konstanten und verhältnismässig flachen Anstieg bis zur oberen Widerstandslinie, folgt ein abrupter Fall bis zur Unterstützungslinie. Dieser Vorgang widerholt sich vier Mal. Ende Oktober ist ein hohes rotes Volumen vorzufinden. Da bereits am nächsten Tag die Korrektur in Form eines ähnlich hohen Volumen folgt, ist dieser Ausschlag möglicherweise auf eine kurzfristige Überreaktion des Marktes zurückzuführen. Beispielsweise könnte ein grosser institutioneller Anleger Aktien verkauft haben. Diese grossen Verkaufsvolumen wirkten als Stimulus auf die Anleger. Postwendend folgte die Korrektur am Folgetag. Bezüglich der Interpretation der Kurs-Umsatz-Analyse sehen wir, dass die hohen roten Volumen den Aufwärtstrend nicht festigen. Es sieht auf den ersten Blick nach einer Divergenz aus. Beachten wir die grünen Volumen in der zweiten Reihe (um den April 2009) relativiert sich dieser Eindruck. Ab Beginn 2010 halten sich die Tagesvolumen in etwa die Waage. Daher ist keine seriöse Aussage zu machen. Eine Übermacht der roten Volumen ist erst ab Mai 2010 auszumachen. Zu diesem Zeitpunkt hat der Chart die Unterstützungslinie bereits durchbrochen. Die Anzeichen für den eingeläuteten Trendwechsel konnten demnach erst im Nachhinein erkannt werden. In dieser Situation konnte folglich keine Investitionshilfe durch die Kurs-Umsatz- Analyse geleistet werden. 179 Swissquote (2010). 64

69 Anwendung der Theorie Abbildung 27: Adecco Periode Nestlé In diesem Kapitel wenden wir uns dem Nahrungsmittelkonzern Nestlé zu. Analog zu den beiden anderen Aktien werden auch hier die Trendphasen durch Verbinden dreier Berührungspunkte festgelegt und danach einzeln analysiert. Wie im untenstehenden Chart ersichtlich, konnten sechs Trends erkannt werden. Abbildung 28: Nestlé Übersichtschart Swissquote (2010). 65

70 Anwendung der Theorie Folgende Perioden werden vertieft bearbeitet: - Periode 1: 24. Dezember 1999 bis 09. Januar Periode 2: 26. Februar 2002 bis 23. Mai Periode 3: 29. Mai 2003 bis 19. August Periode 4: 20. August 2004 bis 24. Januar Periode 5: 04. Dezember 2007 bis 11. März Periode 6: 03. April 2009 bis 29. Juni 2010 Periode 1 Während einem Jahr steigt der Kurs von rund CHF bis auf gegen CHF an. Dies ist auch aus der Grafik am Schluss des Kapitels klar abzulesen. Der Trend führt aufwärts und verläuft schön im Trendkanal. Des Weiteren sind keine klaren Untertrends auszumachen. Dies ist natürlich auch eine Folge der eher kurzen Laufzeit dieses Trends. Als Erklärung für die einzelnen hohen Tagesvolumen sind keine Sonderfaktoren bekannt. Beim Vergleich der Umsätze mit den dazugehörigen Kursen sehen wir vor allem im März 2000 deutliche rote Balken. Diese sind im bestehenden Aufwärtstrend als divergent anzusehen und zeigen uns an, dass der Anstieg nicht von langer Dauer sein wird. Diese negativen hohen Umsätze finden kurz nach den Berührungen der Unterstützungslinie statt. Dies könnte darauf zurückzuführen sein, dass die Anleger erwarten, dass die Unterstützung durchbrochen werden könnte und die Aktie danach über einen längeren Zeitraum zu sinken beginnt. Diese Erwartungen werden jedoch nicht erfüllt und die Aktie kann sich nach den beiden Berührungen des unteren Widerstands halten. Nachdem dieser Druck nach unten erfolglos war, erholt sich der Titel in den Monaten April bis August. Erst im Bereich des 20. bis 25. August 2000 kommt ein plötzlicher Aufwärtsdruck. Dieser ist durch hohe Volumen begleitet, was in dieser Phase als gesund und dementsprechend als positives Zeichen für einen weiteren Kursanstieg gewertet wird. Nichtsdestotrotz kann die obere Widerstandslinie nicht durchbrochen werden. Gegen Jahresende sind die Volumen noch immer hoch, jedoch fehlt der Aktie der nötige Druck um weiter steigen zu können. Nachdem sie die Unterstützungslinie am 11. Dezember noch zu halten vermag, wird diese in der ersten Januarwoche doch durchbrochen. Wie die Umsatzindikatoren angezeigt haben, ist dies kein Trendwechsel sondern ein Übergang in eine trendlose Phase, welche mehr oder weniger als Seitwärtsbewegung bezeichnet werden kann. Dies ist in der obenstehenden Übersichtsgrafik ersichtlich. 66

71 Anwendung der Theorie Abbildung 29: Nestlé Periode Periode 2 Nach einer länger andauernden trendlosen Phase dreht der Titel ab Februar 2002 langsam aber sicher nach unten. Während den 15 Monaten sinkt der Titel mehr oder weniger kontinuierlich. Interessant zu beobachten ist, dass im Juli 2002 und März 2003 Ausreisser nach unten erfolgen, welche aber sogleich zu einer Gegenbewegung zurück in den Trendkanal führen. Sonderfaktoren, welche überdurchschnittliche Volumen erklären können, sind nach Abgleich mit den Medienmitteilungen der Nestlé S.A. nicht auszumachen. Wendet man nun die Theorie der Kurs-Umsatz-Analyse für die Monate Februar bis Juni 2002 an, so deuten die hohen grünen Volumen eigentlich einen bevorstehenden Aufwärtstrend an. Da wir aber direkt aus einem Seitwärtstrend kommen, kann die Vorgabe, dass Konvergenzen durch grüne Volumen in einem bestehenden Aufwärtstrend herrühren, nicht erfüllt werden. Demzufolge ist der Beginn des Abwärtstrends ab Juni 2002 nicht wirklich überraschend, auch wenn dieser nicht so prognostizierbar war. In der folgenden Abwärtsphase gibt es keine volumentechnische Anzeichen, welche auf ein Ende des Trends hinweisen würden. Erst gegen Ende April steigen die Volumen an. Hierbei werden widersprüchliche Signale ausgesandt. Einerseits beobachten wir hohe rote Volumen in den beiden letzten Monaten. Dies deutet auf Konvergenz hin. Andererseits sinken die kumulierten Umsätze im Mai gegenüber dem März und April, was einen Trendwechsel andeutet. Welches dieser Signale nun richtigerweise höher gewichtet wird, ist im Voraus kaum zu sagen. Glücklicherweise haben wir in diesem Fall die Möglichkeit, bereits auf den nächsten Seiten einen Blick in die darauffolgende Periode 3 zu werfen. 181 Swissquote (2010). 67

72 Anwendung der Theorie Abbildung 30: Nestlé Periode Periode 3 Ab März 2003 lässt sich ein Aufwärtstrend erkennen. Hierbei ist insbesondere die Unterstützungslinie mit vielen Berührungspunkten sehr gut abgestützt. Im Vergleich zur Periode 2 ist auffallend, dass die Schwankungen grösser sind. Dies führt dazu, dass wir viele Berührungspunkte haben. In Bezug auf die Sonderfaktoren ist die grösste rote Säule im August 2004 auffällig. In diesen Tagen wurden die Halbjahreszahlen präsentiert. Aufgrund des guten Abschlusses (Reingewinn von CHF Milliarden) dürfte dies kaum einen positiven Einfluss gehabt haben. 183 Jedoch könnte der Einbruch auf Gewinnmitnahmen zurückzuführen sein. Die Widerstandslinie wurde bereits einige Wochen zuvor durchbrochen worauf der Kurs massiv einbrach. Der Aufwärtstrend an und für sich zeigt von März 2003 bis Juli 2004 grosse grün hinterlegte Tagesvolumen. Im Zusammenhang mit dem bestehenden Aufwärtstrend besteht hier Konvergenz. Demzufolge bestehen während diesem Zeitraum keine Anzeichen auf einen Abbruch des Trends. Nun stellt sich die Frage, ob durch Beiziehen des zweiten Indikators die gleiche Aussage gemacht werden kann. Die gesamten Volumen nehmen ab Februar 2004 bis und mit Juni 2004 tendenziell zu. Dies deutet ebenfalls auf eine Konvergenz und somit eine Weiterführung des Trends hin. Wie bereits oben beschrieben durchbricht der Kurs die Unterstützungsline kurze Zeit später. Dass nun die Volumen ebenfalls sinken, könnte als Indikator dafür ins Feld geführt werden. Ehrlicherweise muss man hier sagen, dass dies praktisch gleichzeitig mit dem Kurseinbruch geschieht. Demzufolge hat der Investor keine reale Chance die Kurs-Umsatz-Analyse zu diesem Zeitpunkt als Vorlaufindikator zu verwenden und darauf zu reagieren. Somit kann festgehalten werden, dass die Verluste des vorangegangenen Abwärtstrends nicht wettgemacht werden konnten. Da die Indikatoren keinen Trendabbruch voraussagen konnten, besteht die Hoffnung, dass dieser neue Trend auch nur von kurzer Dauer sein wird. 182 Swissquote (2010). 183 Nestlé (2010) a. 68

73 Anwendung der Theorie Abbildung 31: Nestlé Periode Periode 4 Nachdem die Kurse kurzzeitig auf CHF eingebrochen waren hat sich die Aktie wieder gefangen. Der aktuelle Trend führt gewissermassen den Trend aus Periode 3 weiter. Ab Oktober 2004 kann die Aktie die Rallye bis gegen Ende des Jahres 2008 fortsetzen. Im Herbst 2008 werden Spitzenkurse bis CHF bezahlt. Dieser Trend kann als langfristig und substanziell bezeichnet werden. Auffallend sind die stark erhöhten Volumen gegen Ende April 2005 und im April Ein Grund hierfür dürfte die Generalversammlung vom 14. April 2005 sein. Die Anlagestiftung Ethos und fünf grosse Pensionskassen verlangten, dass die Corporate Governance Regeln eingehalten werden. 185 Dies könnte allenfalls dazu geführt haben, dass in diesem Zeitraum grosse Verkäufe getätigt wurden. Auch die hohen Volumina ein Jahr später könnten auf die Generalversammlung zurückzuführen sein. Vielleicht ist die Erklärung auch deutlich weniger fundamental begründet. So könnte der am 23. April 2006 veröffentlichte Bericht über die neu lancierte Cailler-Schokoladenverpackung von Nelly Wenger als Stimulus und die ersichtlichen Volumen folglich als Response fungiert haben. 186 Um eine konkrete Aussage zu den Umsätzen machen zu können, werden die aussergewöhnlich hohen Volumen weggelassen. Die These, dass hohe grün eingefärbte Volumen einen Aufwärtstrend unterstützen, kann weder gestützt noch widerlegt werden. Auch sind grosse Volumenveränderungen kaum auszumachen. Einzig im Mai 2007 nimmt das Volumen zu. Als Folge davon sinken die Kurse sogar leicht. Diese Korrektur ist jedoch nur von kurzer Dauer und ein erneuter Anstieg erfolgt postwendend. In dieser Periode stösst die Analyse doch sehr an ihre Grenzen. Auch gibt es gegen Ende des Jahres keine Anzeichen, dass sich der Aufwärtstrend dem Ende zubewegt. 184 Swissquote (2010). 185 Ethos (2005). 186 NZZ Online (2006). 69

74 Anwendung der Theorie Abbildung 32: Nestlé Periode Periode 5 In diesem Abwärtstrend von gut einem Jahr ist es eher schwierig, Regelmässigkeiten zu erkennen und einen Trendkanal festzulegen. Grundsätzlich sehen wir hier einen volatilen Chart, dessen Einbruch auf der Übersichtsgrafik in Folge der schmaleren Skalierung deutlich gravierender erscheint. In Bezug auf die Volumen ist weder eine Dominanz der grünen noch der roten Säulen zu erkennen. Daher ist eine Aussage über die Konvergenz des Trends nicht möglich. Auch deuten die kumulierten Volumen nicht auf eine mögliche Tendenz beim weiteren Kursverlauf hin. Die Stimuli sind in diesem Fall wohl eher bei den einzelnen Investoren selbst zu suchen. 187 Swissquote (2010). 70

75 Anwendung der Theorie Abbildung 33: Nestlé Periode Periode 6 In dieser letzten Periode findet nochmals ein deutlicher Aufwärtstrend statt. Die Aktie steigt hierbei von rund CHF bis auf ein Höchst von CHF Dieser Anstieg findet während einer relativ kurzen Dauer von 11 Monaten statt. Danach flacht die Entwicklung ab, ohne die Unterstützungslinie zu durchbrechen. Der Trendkanal ist zu Beginn der Periode noch relativ schmal und verbreitert sich dann aufgrund der zunehmenden Schwankungen. Aus Sicht des Volumens sind nur die beiden Ausreisser um den 20. Februar und den 20. März 2010 von Interesse. Der positive grüne Ausschlag im Februar 2010 dürfte ziemlich sicher auf die Bekanntgabe der Geschäftszahlen 2009, welche ein erfreuliches organisches Wachstum aufzeigen und die Erwartungen übertreffen konnten, zurückzuführen sein. 189 Da die grossen einzelnen Tagesvolumen mehrheitlich rot eingefärbt sind, kann bei diesem bestehenden Aufwärtstrend nicht von Konvergenz gesprochen werden. Eine klare Divergenz muss jedoch auch verneint werden, da vor allem zwischen Oktober und Dezember 2009 die grünen Volumen dominant sind. Bezüglich einer möglichen Trendwende kann die Volumenveränderung über eine bestimmte Periode beigezogen werden. So ist zu beobachten, dass im Juni die Umsätze verglichen mit den Vormonaten tendenziell abnehmen. Zusätzlich sind vereinzelte grosse rot eingefärbte Tagesvolumen zu erkennen. Diese beiden Faktoren deuten eine baldige Trendwende an. Ob dies auch der Fall ist, kann zum jetzigen Zeitpunkt noch nicht abschliessend beantwortet werden. 188 Swissquote (2010). 189 Nestlé (2010) b. 71

76 Anwendung der Theorie Abbildung 34: Nestlé Periode Kalenderanomalie Basierend auf den in der Theorie beschriebenen Erkenntnissen zur Kalenderanomalie sollen in diesem Kapitel zwei empirische Untersuchungen vorgenommen werden. Im theoretisch beschriebenen Beispiel wiesen Aktien eine überdurchschnittliche Rendite im Monat Januar auf. In der vorliegenden Untersuchung soll es jedoch nicht nur darum gehen, diese Aussage in Bezug auf drei SMI-Titel zu bestätigen bzw. falsifizieren, denn es kristallisiert sich aufgrund der Theorie eine Fragestellung heraus, welche das Feld grundsätzlich weiter öffnet: Können im gewählten Zeitraum vom Januar 2000 bis Ende Juni 2010 systematisch Muster im kalendarischen Zeitablauf erkannt werden? Spricht man vom kalendarischen Zeitablauf, kann man sich zusätzlich die Frage stellen, ob Unterschiede bei einzelnen Wochentagen oder spezifische "Monatscharakteristiken" erkennbar werden. So wird die Theorie auf einen anderen Zeitraum und andere Aktien umgemünzt. Falls sich beispielsweise herausstellen würde, dass die Aktienrenditen im Januar systematisch höher sind als in anderen Monaten, stellt sich die Frage ob die Theorie relativ allgemeiner Natur ist. Wie aber bereits im Fazit erwähnt, sollten aufgrund der Markteffizienzhypothese einzelne Anomalien bei deren Bekanntheit verschwinden. Bei der Untersuchung wird grundsätzlich das Ziel verfolgt, ob einzelne Muster verallgemeinert werden können oder nicht. Dabei muss jedoch bei der Interpretation sehr vorsichtig vorgegangen werden. Denn einerseits werden aufgrund der Fakten Resultate hervorgehen, welche Unterschiede aufzeigen werden. Andererseits ist es nicht zwingender Natur, dass diese Differenzen verallgemeinert werden können. Der Fokus ist darauf ausgerichtet, möglichst quantitative und eindeutige Aussagen machen zu können. Da auf dem Gebiet der Statistik beinahe unendlich mögliche Variationen von Einflüssen denkbar sind, wird in dieser Arbeit auf weitere Gegenüberstellungen wie z.b. Korrelation zum Markt etc. verzichtet. Ein weiterer Grund liegt darin, dass die Berechnung von Korrelationskoeffizienten und Betafaktoren nur die Grundlagenarbeit darstellen, welche jedoch in der Theorie nicht beschrieben wurde. Zwar könnte beispielsweise das Marktrisiko mit diesen Instrumenten herausgefiltert werden, andererseits ist das Potential dieser 190 Swissquote (2010). 72

77 Anwendung der Theorie Vorgehensweisen auch dann nicht ausgeschöpft, da weitere Korrelationen etc. gesucht werden können. Somit wird in dieser Arbeit der Fokus auf die "Idee" der Kalenderanomalie gelegt. Zusätzlich ist auch eine klare Abgrenzung gewährleistet. Weiter könnten die gewünschten Daten auch direkt über ein professionelles Informationssystem abgerufen werden, worauf die Autoren dieser Arbeit jedoch keinen Zugriff hatten. In den folgenden Unterkapiteln wird nun direkt auf die beiden erwähnten Fragestellungen Bezug genommen. Wie dabei auch rechnerisch vorgegangen wird, ist in den einzelnen Themenbereichen genau beschrieben. Das Vorgehen ist so gegliedert, dass zuerst in beiden Kapiteln (Tages- und Monatsanomalie) unter den einzelnen Titeln die Resultate im Detail präsentiert und beschrieben werden. Da vor allem der Direktvergleich der verschiedenen Titel interessant ist und auch eine Gesamtinterpretation gewähreistet wird, wurde entschieden, die Aspekte der Behavioral Finance in einem Gesamtfazit zusammenzufassen. Ein weiterer Vorteil liegt darin, dass bei diesem Vorgehen Wiederholungen vermieden werden können und Unterschiede bzw. Parallelen direkt ersichtlich werden Tagesanomalie In diesem Unterkapitel soll untersucht werden, ob Unterschiede bei einzelnen Wochentagen erkannt werden können. Einerseits werden dabei die verschiedenen Renditen gegenübergestellt. Andererseits wird die Volatilität untersucht, um die allgemeinen Bewegungen ebenfalls zu berücksichtigen. Um das genaue Vorgehen möglichst transparent beschreiben zu können, werden auszugsweise Excel-Darstellungen integriert, wobei die einzelnen Schritte aufgeführt werden. Das gesamte Vorgehen wird in diesem Teil anhand der UBS-Aktie beschrieben. In Bezug auf die einzelnen Titel werden dann die entsprechenden Resultate später diskutiert sowie interpretiert. Bei der gesamten Untersuchung werden die Daten untereinander und im Vergleich zum Mittelwert verglichen. In einem ersten Schritt geht es also darum, die durchschnittlichen Tagesrenditen und Volatilitäten zu berechnen. Der folgende Excel-Auszug soll dies verdeutlichen: Tabelle 2: Berechnung Geometrischer Durchschnitt und Tagesvolatilität Gesamt Als erste Massnahme mussten zuerst die einzelnen Tagesschlusskurse beschafft werden. Die Quellenangaben sind jeweils unter den einzelnen Titeln zu finden. Ausgehend von den Kursen konnte somit die einfache Tagesrendite berechnet werden. Darauf aufbauend wurde es nun möglich, den geometrischen Durchschnitt zu errechnen. Dieser kann relativ einfach über den Schlusskurs des letzten Tages der Datenreihe und den Anfangskurs berechnet werden, indem dann im Anschluss die ent- 73

78 Anwendung der Theorie sprechende Wurzel daraus gezogen wird (Wurzel = Anzahl Renditen). Die dahinterstehenden Formeln sind jeweils direkt im Excel-File ersichtlich. Die Tagesvolatilität wird wie folgt berechnet: Ausgehend von den einzelnen Tagesrenditen wird zuerst die Abweichung vom geometrischen Durchschnitt berechnet und in der darauffolgenden Zelle quadriert, damit keine negativen Werte mehr in der Berechnung enthalten sind. Summiert man im Anschluss alle quadrierten Abweichungen und teilt diese durch die Anzahl Werte gelangt man zur Varianz. Die Wurzel aus der Varianz ergibt dann schlussendlich die Tagesvolatilität. In Bezug auf die Varianz muss an dieser Stelle auf eine wichtige Tatsache hingewiesen werden. Häufig wird in der Praxis durch einen Wert weniger dividiert als Resultate vorhanden sind. Da dieser Einfluss bei grossen Datenreihen jedoch vernachlässigt werden kann, wird zur Vereinfachung direkt durch die Anzahl Werte dividiert. Der Vorteil in Bezug auf diese Arbeit liegt darin, dass auch die Kontrolle der Berechnungen erleichtert wird. Dies soll beispielhaft am Kontrollinstrument der Volatilitätsberechnung aufgezeigt werden. Im Register "Zusammenfassung Volatilität" geschieht dies mit folgender Formel: =((SUMME((B3^2)*C3)+((B4^2)*C4)+((B5^2)*C5)+((B6^2)*C6)+((B7^2)*C7))/C2)^(1/2)-B2 Dabei handelt es sich um die Rückrechnung der einzelnen Resultate über einen anderen Weg. Zuerst müssen die einzelnen Volatilitäten durch deren Quadrieren wieder zu Varianzen umgerechnet werden. In einem nächsten Schritt werden diese Varianzen mit der Anzahl Tage multipliziert, um zu den jeweiligen Summen zu gelangen. Summiert man diese Summen wiederum zu einer Gesamtsumme, erhält man die identische Summe wie im Register "Gesamt". Davon ausgehend wird das Resultat durch die Gesamtzahl der Tage dividiert und aus diesem Zwischenresultat die Wurzel gezogen, damit wiederum die Volatilität über alle Wochentage hervorgeht. Wird dieses Resultat mit dem verknüpften Ergebnis aus der Gesamtübersicht verrechnet muss eine Differenz von 0 entstehen. Durch dieses konzeptionelle Vorgehen des automatischen Kontrollinstruments soll gewährleistet werden, dass keine Rechenfehler einfliessen können. Diese Kontrolle ist jeweils in den einzelnen Zusammenfassungsregistern ersichtlich. Würde man wie oben beschrieben die Summe durch einen Wert weniger dividieren, um zur Varianz zu gelangen, würden in der Kontrolle Differenzen entstehen. Denn in der Gesamtberechnung wird einmal durch einen Wert weniger dividiert und in den einzelnen Wochentagen-Berechnungen wird jeweils je einmal durch einen Wert weniger dividiert (also insgesamt durch fünf Werte weniger). Durch die erwähnte Vereinfachung wurde diese Problematik jedoch eliminiert. Bei der Berechnung der einzelnen Wochentage müssen weitere - auch Excelspezifische - Vorgehensweisen beachtet werden. Grundsätzlich ist es wichtig, dass beim Kopieren der Datenreihen nicht auch die Formeln direkt übernommen werden. Denn bei diesen Berechnungen soll nicht die Veränderung zum vorangehenden Montag untersucht werden (was gleichbedeutend mit einer Wochenrendite wäre), sondern die Veränderung zum Vortag. Beispielsweise wird bei der Montagsrendite der Schlusskurs vom Freitag als Basis genommen. Somit wurden in den einzelnen Registern direkt die Werte aus der Gesamtübersicht eingefügt. Die Spalte "Preis" gilt somit in diesem Zusammenhang nur als Information und ist für die Berechnung in den Wochenregistern unerheblich. Ein weiterer Unterschied zur Gesamtübersicht stellt die Berechnung des geometrischen Durschnitts dar. Da hier die einzelnen Wochentage von Interesse sind, kann nicht einfach der Endpreis durch den Anfangspreis geteilt werden und dann durch die Wurzel verdurchschnittlicht werden. Da sich hier der Durchschnitt nur auf die einzelnen Wochentage beziehen soll, muss mit Fak- 74

79 Anwendung der Theorie toren gearbeitet werden, welche miteinander multipliziert werden und dann die entsprechende Wurzel daraus gezogen wird. Diese Vorgehensweise ist folgend rötlich visualisiert. Auch hier können die einzelnen Formeln direkt im Excel-File eingesehen werden. Tabelle 3: Berechnung Geometrischer Durchschnitt und Tagesvolatilität tagespezifisch Ist man an diesem Punkt angelangt, sind grundsätzlich alle wichtigen Vorarbeiten erledigt und die Resultate können betrachtet und beschrieben werden UBS Die detaillierte Untersuchung der UBS-Aktie hat folgende Resultate in Bezug auf tagesspezifische Renditen hervorgebracht: Tabelle 4: Tagesspezifische Renditen UBS 191 Wie in der Tabelle ersichtlich ist, beträgt die durchschnittliche Tagesrendite über den Zeitraum von Anfang Januar 2000 bis 28. Juni %. Grundsätzlich ist es sehr interessant zu sehen, wie stark die einzelnen Wochentage vom Gesamtdurchschnitt abweichen. Dies wurde in der zweiten Spalte "Differenz zum Gesamtdurchschnitt" berechnet. Die stärksten beiden Abweichungen sind hier am Montag sowie am Donnerstag aufgetreten. Während der Montag im Vergleich um % schlechter ausgefallen ist, war der Donnerstag mit plus % der erfolgreichste Wochentag. Geht man noch einen Schritt weiter und berechnet die Differenz der beiden Extremwerte erhält man als Resultat %, also beinahe ein Drittel Prozent. Ein weiterer Indikator, mit welchem die Stimmung etwas quantifiziert werden kann, ist die Volatilität, wie dies aus folgender Grafik hervorgeht: 191 Eigene Berechnungen, Datenbasis: UBS AG (2010) g. 75

80 Anwendung der Theorie Tabelle 5: Tagesspezifische Volatilitäten UBS 192 Interessant zu beobachten ist, dass die verstärkte Renditeabweichung gleichzeitig mit einer verstärkten Volatilität einhergeht. In Bezug auf die beste Tagesrendite (Donnerstag) kann gesagt werden, dass am selben Tag die zweittiefste Tagesvolatilität gemessen wurde. Würde man aus diesen Gegebenheiten eine Börsenweisheit kreieren könnte man diese beispielsweise durch den Spruch "Buy on Monday, sell on Friday" zusammenfassen. Dies bedeutet, dass es am vorteilhaftesten gewesen wäre, den Titel jeweils kurz vor Börsenschluss am Montag zu erwerben und dann wiederum kurz vor Börsenschluss am Donnerstag zu verkaufen. Da es sich hier jedoch um Durchschnittsrenditen handelt, darf diese Logik selbstverständlich nicht einfach so verallgemeinert werden, sondern bezieht sich nur auf die vorliegende Untersuchung. Weiter ist es möglich, dass unter Umständen trotzdem ein Verlust eingetreten wäre, da die Gesamtrendite immer noch negativ sein kann. In diesem Zusammenhang könnte man somit nur von einer gewissen Schadensbegrenzung sprechen. Gesamthaft geht hervor, dass das Risiko bei der UBS-Aktie erhöht ist. Der Grund liegt darin, dass der Titel stark von konjunkturellen Einflüssen geprägt wird. Weiter hat die Finanzkrise einen grossen Beitrag zur Volatilität geleistet Adecco Die tagesspezifischen Renditen bei Adecco präsentieren sich wie folgt: Tabelle 6: Tagesspezifische Renditen Adecco 193 Wie in der obigen Darstellung hervorgeht, traten unter den verschiedenen Wochentagen grössere Unterschiede auf. Ausgehend vom schlechtesten Tag (Montag) kam es in der Folge zu einer kontinuierlichen Verbesserung bis am Donnerstag. Der Wochenschluss war dann jedoch mit dem Freitag wieder negativ. Verrechnet man die beiden Extremwerte ergibt dies eine Differenz von Entscheidend für die ne- 192 Eigene Berechnungen, Datenbasis: UBS AG (2010) g. 193 Eigene Berechnungen, Datenbasis: Adecco (2010) d. 76

81 Anwendung der Theorie gative Gesamtrendite war vor allem der Montag, welcher im Vergleich überdurchschnittlich im Minus ist. Tabelle 7: Tagesspezifische Volatilitäten Adecco 194 Bei den tagesspezifischen Volatilitäten ist der renditeschwächste Wochentag ebenfalls durch eine höhere Volatilität gekennzeichnet, während der Freitag keine grosse Schwankungen aufwies. Jedoch muss ebenfalls erwähnt werden, dass sich die tagesspezifischen Schwankungen nicht stark von der gesamten Durchschnittsvolatilität unterscheiden. Der Titel kann aufgrund der höheren Volatilität ebenfalls als relativ risikobehaftet bezeichnet werden Nestlé Nach zwei konjunktursensitiven Titeln, ist es interessant zu sehen, wie sich Nestlé als defensive Aktie in der betrachteten Periode verhielt. Folgend die Resultate zur Rendite: Tabelle 8: Tagesspezifische Renditen Nestlé 195 Grundsätzlich fällt auf, dass die Tagesrenditen relativ einer stabilen Entwicklung folgen. Stellt man auch hier die beiden Extremwerte gegenüber, erhält man nur eine Differenz von Als defensiv bekannter Wert überraschen diese Ergebnisse nicht. Der Grund liegt darin, dass beispielsweise auch im Konjunkturabschwung Nahrung nachgefragt werden muss. Der erfolgreichste Wochentag war hier im Durchschnitt der Dienstag, während der Mittwoch dann diesen Erfolg jeweils etwas kompensierte. Auch die Volatilität unterstützt das Bild des defensiven Titels: 194 Eigene Berechnungen, Datenbasis: Adecco (2010) d. 195 Eigene Berechnungen, Datenbasis: Nestlé S.A. (2010) c. 77

82 Anwendung der Theorie Tabelle 9: Tagesspezifische Volatilitäten Nestlé 196 Wie aus der Grafik hervorgeht, handelt es sich um relativ tiefe Volatilitäten. Auch die Abweichungen untereinander sowie die beiden Extremwerte zeichnen ein stabiles Gesamtbild. Stellt man eine Verbindung zwischen der Volatilität und den Renditen her, fällt auf, dass der erfolgreichste Tag (Dienstag) ebenfalls eine tiefe Volatilität aufwies Monatsanomalie Zusätzlich zur Tagesanomalie ist es interessant herauszufinden, ob in Bezug auf die verschiedenen Monate Unterschiede bzw. bestimmte Charakteristiken ersichtlich sind. Dies geschieht von der Grundidee her auf dieselbe Art und Weise wie in der Tagesanomalie. In diesem Teil kann aber auch im Detail auf die in der Theorie aufgestellte These Bezug genommen werden, wobei der Januar als überdurchschnittlich erfolgreich beschrieben wird. Auch hier wird die These auf andere Aktien und einen anderen Zeitraum umgemünzt. Aufgrund der detailliert beschriebenen Vorgehensweise bei der Tagesanomalie wird hier auf eine genaue Beschreibung verzichtet. Der Unterschied liegt im Prinzip lediglich darin, dass jeweils die einzelnen Monate als Datengrundlage dienen. Dabei wurde der jeweils letzte Tag des Monats als Basis für den Preis genommen. Die Berechnungen sind wiederum in den einzelnen Excel- Files ersichtlich UBS Beim ersten zu untersuchenden Titel präsentiert sich die Lage in Bezug auf die monatsspezifischen Renditen wie folgt: 196 Eigene Berechnungen, Datenbasis: Nestlé S.A. (2010) c. 78

83 Anwendung der Theorie Tabelle 10: Monatsspezifische Renditen UBS 197 Ausgehend von einer durchschnittlichen Monatsrendite von % fällt der Februar durch eine um % schlechtere Rendite auf, während der April um % besser abgeschnitten hat als der Gesamtdurchschnitt. Bei den weiteren Renditen sind über das Gesamtbild stärkere Abweichungen zu sehen. Dies deutet ebenfalls auf einen konjunktursensitiven Titel hin, wobei das Risiko erhöht ist. Dies geht auch aus der Übersicht der verschiedenen Volatilitäten hervor: Tabelle 11: Monatsspezifische Volatilitäten UBS 197 Wie bereits oben erwähnt, handelt es sich auch hier um relativ starke Abweichungen. Während der April als schwankungsintensivster Monat beschrieben werden kann, ist der Dezember am wenigsten von Unsicherheit geprägt worden. Weiter ist erkennbar, dass es in Bezug auf die Schwankungen grosse Unterschiede gab. Nach Monaten 197 Eigene Berechnungen, Datenbasis: UBS AG (2010) g. 79

84 Anwendung der Theorie mit überdurchschnittlich hohen Volatilitäten folgten in der Regel Monate mit unterdurchschnittlichen Volatilitäten Adecco Die Renditen des zweiten untersuchten Titels sind in der folgenden Grafik aufgelistet: Tabelle 12: Monatsspezifische Renditen Adecco 198 Ausgehend von einer durchschnittlichen Monatsrendite von % war hier der Monat April am erfolgreichsten (8.4911% besser als der Gesamtdurchschnitt). Dies im Gegensatz zum Dezember, welcher stark unterdurchschnittlich performte. Verrechnet man hier die beiden Extremwerte fällt auf, dass der Unterschied mit % sogar höher ausfällt als bei der UBS. Die Volatilitäten zeichnen in Bezug auf das eingegangene Risiko ein ähnliches Bild. Dies würde die Logik bestätigen, dass hohe Renditen normalerweise nur mit einem höher eingegangenen Risiko erreicht werden können. 198 Eigene Berechnungen, Datenbasis: Adecco (2010) d. 80

85 Anwendung der Theorie Tabelle 13: Monatsspezifische Volatilitäten Adecco 199 Die höchste Schwankungsbreite wurde bei Adecco im April mit % erreicht, während der Monat August mit nur % der "sicherste" war. Weitere Muster in Bezug auf die Volatilität sind nur schwierig zu erkennen. Die Grundcharakteristik eines zyklischen Titels wird jedoch mit diesen hohen Volatilitäten erfüllt Nestlé Auch in Bezug auf monatsspezifische Renditen soll hier aufgezeigt werden, dass es sich bei Nestlé um einen defensiven Titel handelt. Dies geht vor allem aus den berechneten Renditen hervor: 199 Eigene Berechnungen, Datenbasis: Adecco (2010) d. 81