Institutional Money, Ausgabe 3 | 2025

nation von Entscheidungen aus der Literatur. Bei Verwen- dung von Daten außerhalb der Stichprobe verschwindet dagegen mehr als die Hälfte der Renditen (siehe Grafik „Klarer Einfluss“) . Die scheinbaren Details haben also einen stärkeren Ein- fluss auf die Ergebnisse als oft vermutet. Je komplexer dabei das verwendete Modell, desto größer der potenzielle Effekt des gewählten Forschungsdesigns, da viele Entschei- dungen willkürlich getroffen werden können. Dieser Effekt wird in Anlehnung an das gleichnamige Paper „Nonstandard Errors“ auch als Nichtstandardfehler be- zeichnet. Damit ist gemeint, dass verschiedene Forscher, die dieselben Hypothesen anhand derselben Daten testen, je nach deren Entscheidungen über das Forschungsdesign zu erkennbar unterschiedlichen Resultaten kommen können. Zwar können Robustheitschecks helfen, das Ganze einzu- grenzen, doch auch das hängt wieder von der verwendeten Methodik ab. Beispiel Faktor-Timing Ein weiteres Beispiel zeigen Wei Dai und Audrey Dong von Dimensional Fund Advisors in ihrer Studie „Another Look at Timing the Equity Premiums“. Sie untersuchen drei Timing-Ansätze für Faktorprämien. Dazu nutzen sie verschiedene Parameter, etwa die Häufigkeit der Rebalan- cings, die Schwellen für den Wechsel zwischen Long- und Short-Seite und die Anlageregion. Daraus ergeben sich ins- gesamt 720 mögliche Kombinationen. Nur 30 von ihnen erzielen scheinbar zuverlässig Überrenditen im Vergleich zur reinen Long-Seite der Prämien. Die Kapitalmarktgeschichte der letzten Jahrzehnte hat viele Male gezeigt, dass man als Investor, dem scheinbar überzeugende neue quantitative Ansätze präsentiert werden, die Gefahr des Overfittings (Überanpassung) kaum hoch genug einschätzen kann. Eine neue Arbeit bestätigt dies ein weiteres Mal. Kein zuverlässiger Timing-Vorteil Annualisierte Überrenditen von 720 Timing-Strategien Dargestellt sind die aufsteigend sortierten Überrenditen im Vergleich zu den Long-Seiten der jeweiligen Prämien. Angesichts der Anzahl untersuchter Kombinationen sollten schon rein zufällig ein paar hervorragende Ergebnisse dabei sein. Allerdings waren diese Kombinationen sehr empfindlich für kleine Verän- derungen der Parameter. Zudem blieb die Mehrheit der Timing- Strategien hinter den Erwartungen zurück. Quelle: Dai, W. / Dong, A. (2023), Another Look at Timing the Equity Premiums, Dimensional Fund Advisors -8 % -6 % -4 % -2 % 0 % 2 % 4 % 6 % Annualisierte Überrendite in % N o . 3/2025 | institutional-money.com 131 Data-Mining | THEORIE & PRAXIS FOTO: © NICOELNINO | STOCK.ADOBE.COM » Die Ergebnisse sind sehr empfindlich gegenüber bestimmten Zeiträumen und Parametern. « Wei Dai, Head of Investment Research, Dimensional Fund Advisors