Das Fachmagazin für institutionelle Investoren

Geben Sie Ihren Benutzernamen und Ihr Passwort ein, um sich an der Website anzumelden:

Die neue Normalisierung

Ad

Seit 2009 haben die Zentralbanken ihre Bilanzen auf beispiellose Art aufgebläht. Angesichts des weltweit verbesserten Wirtschaftsumfelds hat die Notwendigkeit einer „Normalisierung“ – Anhebung der Zinsen und Reduzierung der Bilanzen – zu einer vierten Welle des Tapering geführt.

Anzeige
Advertisement
2/2017 | Theorie & Praxis
twitterlinkedInXING

Berechnung des Unberechenbaren

Private-Equity-Bewertung: Obwohl Private Equity als Assetklasse immer wichtiger wird, ist wenig über das systematische Risiko und die abnormale Performance, sprich: Beta und Alpha, solcher ­Investments bekannt. Ein neu entwickeltes Bewertungsmodell will das ändern.

1498031316_teaserbild9.jpg

Private-Equity-Investitionen ist quantitativ nicht so ohne weiteres zu Leibe zu rücken. Die besonderen Eigenschaften dieser Assetklasse machen die Modellierung schwierig. Ein neuer in Deutschland entwickelter Ansatz bringt das Thema nun einen großen Schritt weiter.

Ökonometrische Probleme und der Mangel an umfassenden Daten sind es, die es bis dato sehr erschwert haben, Risiko- und Ertragscharakteristika von naturgemäß illiquiden Private-Equity-(PE-) Investments zu schätzen. Schließlich kann man bei abgeschlossenen Transaktionen nur einen Cashflow-Strom betrachten, während der Laufzeit erhält man hingegen keine ­Bewertungen. Und somit können auch keine Ertragszeitreihen konstruiert werden, die dann die Basis von ökonometrischen Standardmethoden zur Ermittlung des Risikos und abnormaler Renditen bilden.


Axel Buchner von der Universität Passau ist es zu verdanken, dass es nun ein ökonometrisches Modell gibt, mit dessen Hilfe Alpha und Beta von PE-Investments geschätzt werden können. Das Modell trifft die Annahme, dass die Erträge aus einem PE-Investment durch ein Standardmarktmodell generiert werden. Dabei werden die Dividenden aus einem solchen Investment als stochastische und dabei steigende Verzinsung aus den nicht beobachtbaren Zwischenbewertungen des PE-Investments modelliert, bis das Investment zum Schluss liquidiert wird. Das Werkzeug dazu ist eine nichtlineare Optimierung unter Zuhilfenahme der Methode der kleinsten Quadrate, mit der dann das sys­tematische Risiko und abnormale Renditen von Private Equity geschätzt werden, indem der Unterschied zwischen den vom Modell erwarteten Dividenden und den tatsächlich im Querschnitt beobachteten Dividenden minimiert wird. An dem Ansatz fällt positiv auf, dass hier keine Annahmen betreffend die Wiederanlage der Ausschüttungen getroffen werden müssen. Insofern bleiben die geschätzten Alphas und Betas ausschließlich auf PE bezogen und stellen keine Vermischung mit anderen Assetklassen dar.


Zur Validierung der Schätzmethode verwendet der Autor Monte-Carlo-Simulationen, indem Cashflows unter der Annahme realistischer Modellparameter und verschiedener Ein-Perioden-Ertragsspezifikationen simuliert werden. Dabei basiert die Schätzmethode auf der Annahme, dass sich idiosynkratische Schocks – also der Ausfall einzelner Investments – bei einer genügend großen Anzahl von Investments ausgleichen, sodass die Genauigkeit der Schätz­me­thode von der Höhe der idiosynkratischen Volatilität und der Größe des Samples abhängt. Jedenfalls zeigt sich, dass selbst bei sehr hohen Niveaus von idiosynkra­tischer Volatilität und kleinen Samples die erhaltenen Schätzparameter den tatsächlichen Werten sehr nahe kommen. Dieses Verhalten unterstreiche, so Axel Buchner, dass die Schätzmethodik statistisch konsis­tent sei.


Möglich wurde eine solche Untersuchung wegen des vorhandenen Datenmaterials, das genaue Angaben zu jedem einzelnen Brutto-Cashflow einer einzelnen PE-Investition über deren gesamte Laufzeit innerhalb von PE-Fonds macht und vom Partnernetzwerk CEPRES (Center of Private Equity Research) zur Verfügung gestellt wurde. Dadurch sind die Daten weniger dem Problem des Survivorship oder Self Reporting Bias ausgesetzt, der bei kommerziellen PE-­Datensammlungen ein Problem darstellt. Die der Universität Passau zur Verfügung stehenden Daten umfassen vollständige ­Datensätze zu insgesamt 10.798 bereits voll liquidierten PE-Finanzierungen aus allen Regionen der Welt über den Zeitraum von 1980 bis 2009, wovon 6.380 auf Venture Capital und 4.418 auf Buy-outs entfallen (siehe Tabelle „Deskriptive Statistik“). Da hier auf Daten der einzelnen und schon abgeschlossenen Deals abgestellt wird, sind die Resultate im Gegensatz zu jenen, die nur Private-Equity-Fonds als solche untersuchen, von größerer statistischer Aussagekraft. Außerdem erlauben diese disaggregierten Daten, Unterschiede über kürzere Zeiträume auf Ebene von Branchen, Regionen und zwischen Unternehmen mit unterschiedlichen Eigenschaften wie etwa deren Entwicklungsstand auszumachen.


Schätzresultate
Sowohl bei Venture Capital (VC) als auch Leveraged Buy-out (LBO) – denn ­ohne Leverage funktioniert Zweiteres nicht – zeigen die Ergebnisse ein substanzielles Exposure zum Beta-Faktor. Für das VC-Segment liegt der geschätzte Beta-Koeffizient bei 2,567, relativ zum S&P 500 Index betrachtet, und ist statistisch signifikant. Im Buy-out-Segment wird ein ebenfalls statis­tisch signifikantes Beta von 2,248 im Verhältnis zum S&P 500 Index errechnet. Dieses Ergebnis ist konsistent mit der Arbeit von Axelson et al. aus dem Jahr 2013, die Beta-Koeffizienten von 2,2, bis 2,34 ermittelte. Etwas ältere Arbeiten von Driessen und anderen fanden hingegen einen wesentlich geringeren Beta-Faktor von bloß 1,3 vor. Diese niedrigen Beta-Werte scheinen aus der Perspektive der Corporate-Finance-Finanztheorie verwirrend, da der mit einer solchen Transaktion typischerweise verbundene starke Anstieg des Leverage nur mit einem überraschenderweise relativ unbedeutenden Beta-Anstieg einherginge.


Die Resultate lassen den Schluss zu, dass es eine starke abnormale Performance – ­also Alpha – vor Kosten bei beiden Segmenten (VC und LBO) gibt. Im Venture- Capital-Segment etwa konnte ein statistisch signifikantes Alpha von 8,9 Prozent pro Jahr gefunden werden, wenn man den S&P 500 Index stellvertretend für die Marktrendite verwendet. Im Buy-out-Segment gehen die Indikationen für Alpha in Richtung 7,0 Prozent pro Jahr und damit einer etwas ­geringeren Outperformance, die aber ebenfalls statistisch signifikant ist (siehe Tabelle „Schätzergebnisse“). Dies sind aber in beiden Fällen Durchschnittswerte, denn die abnormalen Renditen sind in beiden Fällen mit hoher positiver Schiefe ausgestattet, bei VC fällt diese noch größer aus. Das bedeutet, dass nur ein kleiner Teil der PE-Finanzierungen den S&P 500 Index beträchtlich outperformt, während der Großteil der Investments nur kleine positive oder sogar ­negative Alphas generiert.


Die Datenlage gestattet es auch zu analysieren, wie sich Alpha und Beta über die Zeit in den beiden PE-Segmenten verhalten. Im Venture-Segment beispielsweise zeigen die Ergebnisse negative Alphas für den Zeitraum bis 1996, während in der Boomperiode von 1996 bis 2000 hohe Alphas zu beobachten waren, was im Einklang mit dem VC- und Tech-Boom des ausklingenden Jahrtausends steht. Nach dem Millen­nium hat sich Alpha in Richtung null entwickelt. Im Buy-out-Segment waren die ­abnormalen Renditen leicht positiv und ­relativ stabil in den 80er- und 90er-Jahren, bevor sie ab 2000 stark anstiegen. Dieser deutliche Anstieg geht wiederum Hand in Hand mit dem bekannten Buy-out-Boom Mitte des letzten Jahrzehnts.


Alpha-Divergenzen
Der zweite wichtige Beitrag, den die vorliegende Arbeit leistet, betrifft die umfassende Analyse der Unterschiede in Bezug auf den Risiko-Ertrags-Charakter von VC und LBO bei verschiedenen Exitarten, Regionen, Branchen und Unternehmenscharakteristika wie etwa, ob ein VC-Unternehmen als Seed, Early Stage oder Late Stage … zu klassifizieren ist. Eine interessante Erkenntnis im Zusammenhang mit Venture-Finanzierungen ist beispielsweise die Tatsache, dass das Exposure zum Marktrisiko mit fortschreitender Entwicklungsstufe des ­Investments abnimmt. Dies steht auch im Einklang mit der Theorie von Berk und Green aus dem Jahr 2004, dass Wachstumsopportunitäten, die besonders relevant für die Bewertung von Early-Stage-Venture-Capital-Finanzierungen sind, typischerweise Embedded Options beinhalten, die implizit Leverage zu den Gesellschaften hinzufügen.


Weiters zeigt die Arbeit, dass VC-Investments den S&P 500 Index in den Branchen Biotechnologie und Informationstechno­logie signifikant outperformen. Dabei bestätigt sich, dass hohe risikoadjustierte Ren­diten hauptsächlich einem guten Branchen-Timing und nicht einer superioren Unternehmensauswahl geschuldet sind. Eine weitere interessante Erkenntnis der Unter­suchung ist, dass Venture-Investments in Kontinentaleuropa ähnliche abnormale ­Renditen wie ihre US-Konkurrenten zeigen, dabei aber ein deutlich geringeres Risiko manifest wird. Hingegen weisen Buy-outs in Großbritannien, Europa und den USA ein ähnliches Marktrisiko und ähnliche abnormale Renditen auf.


Was Exit-Betrachtungen anbelangt, so konnte der Autor belegen, dass Ausstiege in Form eines IPOs außergewöhnlich hohe ­Alphas und überraschend geringe Betas ­liefern. Zusätzlich konnte gezeigt werden, dass risikoadjustierte Renditen in einem Sales-Exit im Falle von Venture Capital substanziell höher ausfallen.


Weitere Einsatzmöglichkeiten
Die von Buchner dargestellte und aus Cashflow-Daten abgeleitete ökonometrische Methode zur Schätzung von Ertrags- und Risikocharakteristika der Private-Equity-­Investments kann durch detaillierte Monte-Carlo-Simulationen bestätigt und auf mehr als 10.000 liquidierte Investments dieser ­Assetklasse angewendet werden. Die Schätzergebnisse gehen über frühere wissenschaftliche Arbeiten hinaus, weil sie eine umfassende Analyse der Unterschiede zwischen systematischem Risiko und abnor­malen Renditen über verschiedene Zeitabschnitte, Exitarten, Branchen und Regionen sowie zwischen Unternehmen in unterschiedlichen Entwicklungsstufen bei Ven­ture Capital vornehmen.


Die gleiche Schätzmethodik, die hier bei Private Equity eingesetzt wurde, könnte im Übrigen durchaus auch bei anderen illiquiden Assetklassen wie Infrastruktur, Immo­bilien und Mezzanine-Finanzierungen ­Anwendung finden. Einsetzbar wäre sie darüber hinaus für Investments von Unternehmen, bei denen man lediglich einen Cashflow-Strom beobachten kann. Man darf gespannt sein, ob diese anspruchsvolle Schätzmethodik demnächst bei anderen ­Assetklassen in der Literatur anzutreffen sein wird.    


Anhang:

twitterlinkedInXING
 Schliessen