Das Fachmagazin für institutionelle Investoren

Geben Sie Ihren Benutzernamen und Ihr Passwort ein, um sich an der Website anzumelden:
2/2018 | Theorie & Praxis
twitterlinkedInXING

Sieg für ein Loser’s Game

Ist es wirklich schlau, in Smart-Beta-ETFs zu investieren? Ein Ex-Mitarbeiter von Ray Dalio sagt Nein und empfiehlt stattdessen, Aktien auf Basis von Faktoren nicht auszuwählen, sondern auszuschließen.

1529065472_teaserbild3.jpg

Statt auf Basis von Faktoren wie Value, Momentum und Co. die „richtigen“ Aktien auszuwählen, sieht Greenline Investments die Stärke des Konzepts darin, mit seiner Hilfe eine ­negative Selektion durchzuführen und Aktien aus dem Anlageuniversum zu eliminieren. De facto wird der Ansatz dabei quasi einfach umgedreht.

Foto: © GMF, Greenline Partners

Einen Smart-Beta-ETF zu kaufen, ist keine smarte Investmententscheidung, ganz im Gegenteil. Smart-Beta-ETFs verwenden nämlich die Faktoren falsch“, lautet Maneesh Shanbhags wenig schmeichelhafte Beurteilung einer Produktklasse, die sich nach wie vor wachsender Beliebtheit erfreut. Seine Einschätzung einfach so zu ignorieren, erscheint auch nicht klug, denn der Mann war im Quant-Team von Ray Dalios Bridgewater Associates. Und dessen All-Weather-Portfolios zählen nach wie vor nicht nur zu den größten, sondern auch zu den erfolgreichsten Hedgefonds der Welt. Shanbhag, der inzwischen mit Greenline eine eigene Investmentgesellschaft gegründet hat, hat dabei kein grundsätzliches Problem mit Faktoren, er glaubt nur, dass sie falsch eingesetzt werden. Statt auf Basis von Value, Momentum und Co. die „richtigen“ Aktien auszuwählen, sieht er viel mehr Potenzial darin, mithilfe des Konzepts eine negative Selektion durchzuführen, also Aktien aus dem Anlageuniversum zu eliminieren.


Winner’s oder Loser’s Game?
Diese „alternative“ Faktorstrategie unterscheidet sich vom bekannten Konzept grundsätzlicher, als es den Anschein hat. Um zu entscheiden, ob es besser ist, die ­Gewinner einer bestimmten Strategie auf­zuspüren (Winner’s Game) oder die Verlierer zu vermeiden (Loser’s Game), muss man verstehen, welche Art von Spiel man spielt. Shanbhag veranschaulicht das so: „Ein Tennis-Match unter Profis ist ein Winner’s Game. Sieger ist, wer im ­aktiven Spiel die meisten Punkte macht. Anders verlaufen Wettkämpfe unter Amateuren: Da gewinnt häufiger der Spieler, der die wenigsten unerzwungenen Fehler macht.“ Diese Erkenntnis ist übrigens nicht neu, schon 1975 hat Charlie Ellis unter dem Titel „Loser’s Game“ im „Financial Analysis Journal“ darauf hingewiesen, dass Investment Management ein „Verliererspiel“ ist. Weil in der Vermögensverwaltung alle Profis ähnliche Daten und Modelle verwenden, gibt es hier kein leicht verdientes Geld – der Markt ist vergleichsweise effizient. Am erfolgreichsten sind langfristig jene Manager, die seltener Fehlentscheidungen treffen. Diese Vorgangsweise ist auch im Bondmanagement häufig anzutreffen. Auch hier sind Renditen, Laufzeiten und Bonitäten bekannt, einzig die Ausfälle stehen vorab nicht fest, wer sie umschifft, verdient langfristig mehr. Die Investmentlegende Charlie Munger formulierte es so: „It is remarkable how much long-term advantage people like us have gotten by trying to be consistently not ­stupid, instead of trying to be very intel­ligent.“


Wie passt dies nun zu Smart-Beta-Stra­tegien, die für sich in Anspruch nehmen, ­einen vergleichsweise dummen Ansatz auf schlaue Weise umzusetzen? Kann es wirklich gehen, einfach auf Dividendenrenditen oder niedrige Aktienbewertungen zu setzen und damit den Markt zu schlagen? Allein die Tatsache, ein Loser’s Game zu spielen, sei ein Widerspruch zu solchen Selektionsvorhaben, sagt Shanbhag, der sich während seines Ingenieurstudiums auf Halbleiter­physik spezialisiert hat. Er geht davon aus, dass die meisten Smart-Beta-Faktoren bereits in den Märkten eingepreist sind. Ein Verdacht, den auch andere hegen, von dem wir aber erst in etlichen Jahren wissen ­werden, ob er begründet war. So lange will Shanbhag nicht warten, er sieht in den bekannten Faktoren auch heute schon einen Nutzwert: Mit ihrer Hilfe lassen sich seinen Berechnungen zufolge die am schlechtesten performenden Aktien ausschließen.


Als Quant-Manager legt er auch den dafür nötigen Nachweis vor. Shan­­bhag stützte sich dabei auf 15 verschiedene Messgrö­ßen für die vier Risikofaktoren Bewertung (Value), Momentum, Qualität und Volatilität (siehe Tabelle „15 Kenngrößen für vier Faktoren“). Die Datenbasis stammt von der Kenneth French Data Library, wobei Zeitreihen für mindes­tens 52 Jahre, in manchen Fällen sogar von mehr als 90 Jahren zur Verfügung stehen.


Jede der vier Faktorengruppen wurde dahingehend analysiert, ob sie geeignet ist, künftig hoch rentierende von niedrig rentierenden Aktien zu unterscheiden oder – wenn dies nicht der Fall ist, ob der betreffende Faktor im Markt bereits eingepreist ist. Den Faktor ­„Size“ sucht man in Shanbhags Arbeit übrigens vergeblich, er hat ihn in die Messgrößen für Value integriert – nicht zuletzt deshalb, weil Value-Messgrößen einen bestimmten Size-Bias in Richtung Small Cap beinhalten.


Value funktioniert
Seit Value-Papst Benjamin Graham 1976 publiziert hat, dass sich mit billigen Aktien ­eine Outperformance erzielen lassen sollte, zählen das Kurs-Buchwert-Verhältnis (KBV), das Kurs-Gewinn-Verhältnis (KGV) sowie das Kurs-Cashflow-Verhältnis (KCV) zu den am häufigsten eingesetzten Aktienselektionswerkzeugen. Die Logik: Niedrigere Bewertungen signalisieren eine günstige Bepreisung und damit höhere Renditen in der Zukunft. In effizienten Märkten dürfte das eigentlich nicht funktionieren, niedrige Bewertungen müssten stattdessen geringere Wachstumsaussichten in Bezug auf Umsätze, Gewinne und Cashflows sig­nalisieren. Die Realität der letzten Jahrzehnte belegte allerdings tendenziell, dass günstig bewertete Aktien höher bewertete outperformen. Heute erklärt dies die Behavioral-Finance-Forschung mit der Neigung der ­Investoren, „Lotterie-Aktien“ zu bevorzugen. Wegen historisch hoher Wachstumsraten wird deren zukünftiges Potenzial oftmals überschätzt, weshalb sie im Schnitt überbewertet sind. Normalisieren sich die Wachstumsraten der Highflyer, müssen auch die Bewertungen revidiert werden – die Renditen fallen unterdurchschnittlich aus. Da diese menschlichen Fehlverhalten kein kurzfristiges Phänomen sind, sondern einen tief in der menschlichen Psyche verwurzelten Wesenszug darstellen, darf man annehmen, dass diese Bewertungsanomalie auch in Zukunft weiterbestehen wird.


Shanbhags Research-Team ging bei seinen Faktor-Untersuchungen für US-Aktien vom Russell 3000 Index aus, der in zehn gleichgewichtete Körbe unterteilt wurde. Beginnend bei den billigsten zehn Prozent, wurde jedes Dezil nach jeder Bewertungskennzahl gereiht. Dabei stellt man auf die Kehrwerte von KBV, KGV und KCV ab. Nach diesen Maßstäben hoch bewertete ­Aktien befinden sich im untersten Zehn-Prozent-Korb (low), die niedrig bewerteten im obersten (high) Zehntel. Shanbhag führte diese Berechnung für den Zeitraum von Juli 1951 bis Dezember 2015 durch. Er kalkulierte nicht nur Book-to-Market, Earnings-to-Price und Cash-Flow-to-Price im Hinblick auf die künftigen Renditen, sondern berücksichtigte auch die risikoadjustierten Renditen (Sharpe Ratios). Am Ende trat ein erstaunliches Muster zutage, das sich bei der Analyse jedes der drei Faktoren zeigte. Während die Renditen der Aktien im am höchsten bewerteten Dezil bis zu dem am niedrigsten bewerteten gleichförmig steigen und sich damit verbessern, sieht es bei der Entwicklung der Sharpe Ratios anders aus. Hier ist in den Top vier bis fünf Dezilen ­eine Abflachung, Stagnation oder bei den billigsten zehn Prozent sogar ein Rückgang der Sharpe Ratio zu beobachten. Diese ist stellvertretend für alle drei Value-Faktoren im rechten Teil der Doppelgrafik „Faktor Inverses Kurs-Buchwert-Verhältnis am Prüfstand“ für Book-to-Price illustriert. Von der Eliminierung der am höchsten bewerteten Aktien (Dezile 1 + 2) profitiert man mehr als von der Konzentration auf die Titel mit der niedrigsten Bewertung (Dezil 10).


Shanbhag findet es logisch, dass hohe Bewertungen dazu führen, künftiges Wachstum stärker zu überschätzen, als bei niedrig bewerteten Titeln das Wachstum zu unterschätzen: „Wenn bestimmte Firmen oder ganze Branchen hohe Wachstumsraten zeigen, erwartet der Markt eine Fortsetzung oder sogar Beschleunigung des Trends, was die Bewertungen weiter nach oben treibt. Das rapide Wachstum ruft aber in einer Marktwirtschaft Wettbewerber und Kapital auf den Plan, sodass dann typischerweise das Umsatzwachstum zurückgeht und die Margen unter Druck kommen.“ Die Tech-Bubble Ende der späten 90er-Jahre ist ein typisches Beispiel dafür, dass hohe Bewertungen schließlich angesichts geringer Eintrittsbarrieren in das Geschäft zu mehr Wettbewerb und damit sinkenden Erträgen führen. Zweifellos gibt es einige ganz wenige Unternehmen, die die hohen Erwartungen regelmäßig erfüllen können, aber die Ver­lust­e aus Investments in jene Firmen, die das erwartete Wachstum nicht liefern können, sind oft sehr groß.


Deutlicher Vorteil
Greenline Partners errechnete den relativen Vorteil der Strategie, die auf der Eliminierung des teuersten Dezils basiert, mit ­jener, die auf die billigsten Aktien setzt. Die Verbesserung der risikoadjustierten Performance durch Aussonderung der teuren ­Aktien (Strategie 2) fiel im Durchschnitt viermal so hoch aus wie beim Investment in die billigsten Titel (Strategie 1) – siehe Tabelle „Vierfacher Vorteil“.


Size-Faktor? Nein, danke!
Auch in der Frage, wie sich die Unternehmensgröße auf die Wertentwicklung von Aktien auswirkt, wendet Greenline Partners die Dezil-Methode an. Das Ergebnis: Was die Renditen anbelangt (siehe linker Teil der Doppelgrafik „Size-Faktor unter der Lupe“), so lieferten fast alle Dezile ähnliche Erträge. Im 9. Dezil (Large Caps) fielen die Returns leicht unterdurchschnittlich aus, bei Mega Caps (10. Dezil) zeigt sich eine fast zweiprozentige Renditeminderung. Dort tummeln sich ja auch bekanntlich die meis­ten Investoren.


Sieht man die Sharpe Ratios pro Dezil an, zeigt sich ein ganz anderes Bild (rechter Teil der Doppelgrafik): Die Unternehmensgröße scheint mehrheitlich eingepreist zu sein, da die risikoadjustierten Renditen der Dezile drei bis zehn sehr ähnlich ausfallen. Nur die Micro-Cap-Dezile eins und zwei weisen eine niedrigere risikoadjustierte Rendite auf. Zwar zeigen Micro Caps eine zwei Prozent höhere Rendite als Large Caps (9. Dezil), doch dürfte der Werttreiber ­dahinter nicht eine Size-Prämie, sondern eine Value-Prämie sein, vermutet Shanbhag: „Es ist logisch, dass niedrige Bewertungen einen Bias in Richtung kleinerer Unternehmen aufweisen. Betrachtet man zwei Firmen mit identen Umsätzen und Gewinnen, von denen die eine aber ein niedriges KGV besitzt, weist sie auch eine geringere Marktkapitalisierung aus. Das erklärt nicht zur Gänze die ­Ertragsverbesserung, die aus der Auswahl niedrig bewerteter Aktien resultiert, aber doch einen großen Teil davon.“


Greenline Partners kann durch den Vergleich der rollierenden dreijährigen Überschussrenditen des am günstigsten bewerteten Fünftels der S&P-500-Aktien mit dem am geringsten kapitalisierten Fünftel der Indexwerte zeigen, dass hier ein hoher Gleichlauf der Out- beziehungsweise Underperformance gegenüber dem breiten Markt vorliegt. Trotzdem ist fest­zuhalten, dass Value das niedrigere Ver­­lust­risiko besitzt und zudem höhere abso­­-lute Renditen generiert (siehe Chart „Keine Small-Cap-Prämie“). Daraus zieht Shanbhag den Schluss, dass man sich des Small-Cap-Faktors nicht separat annehmen muss.


Momentum-Crash
Ähnlich wie bei „Value“ gibt es auch beim Faktor „Momentum“ verhaltensökonomische Begründungen dafür, warum Investoren die Gewinner von gestern kaufen und damit trendverlängernd wirken. Dabei bedenken sie aber nicht die Rückkehr zur Normalität (Mean Reversion), die früher oder später auch Momentum-Aktien unsanft auf den Boden der Bewertungsrealität zurückholt. Die beschriebene Dezil-Methodik, auf Momentum angewendet, zeigt hier eine fast lineare Verbesserung vom ersten (tiefes Momentum) bis zum zehnten Zehntel (hohes Momentum). Dies betrifft sowohl Renditen als auch Sharpe Ratios. Aber auch Momentum ist nicht der Stein der Weisen. Shanbhag dazu: „Momentum kann nicht bis in alle Ewigkeit funktionieren, denn die Aktienkurse sind in funktionierenden Kapitalmärkten mit ihren spezifischen Fundamentaldaten verbunden. Daher beinhalten Aktien, deren Kurse die Entwicklung der Fundamentals outperformt haben und somit überbewertet sind, ein hohes Mean-Rever­sion-Potenzial.“ Dieses Korrekturpotenzial entlädt sich dann oft explosions­artig in einem Momentum-Crash. Zu bedenken sei weiters, dass eine Momentum-Strategie einen hohen Portfolioumschlag impliziert, der mit entsprechenden Kosten verbunden sei. Dazu komme, dass diese Form des Herdenverhaltens das Volatilitätspotenzial der Strategie erhöht.
Ein wesentlicher Faktor für ­Momentum-Strategien ist, welche Beobachtungsperiode für das ­Momentum-Signal benutzt wird. Standardmäßig sind das zwölf ­Monate, wobei der letzte Monat nicht mitgerechnet wird. Shanbhag verweist auf eine Arbeit von 2016 von Gezy und Samonov mit dem Titel „Two Centuries of Price-Return-Momentum“, die gezeigt hat, dass bei Einzelaktien der Momentum-Effekt nur innerhalb eines Zeitfensters von vier bis acht Monaten anhält. Dann reduziert sich die Outper­formance auf null oder verkehrt sich sogar ins Negative. Unnütz zu sagen, dass sich Shanbhag auch mit Momentum nicht wirklich anfreunden kann.


Andere Faktorstrategien
Untersucht wurden von Greenline Partners auch Kursumkehr-Strategien, die Mean Reversion abbilden, hier fand man – wenig verwunderlich – eine hohe Überlappung mit dem Verhalten von Value-Strategien. Beide Strategien out- beziehungsweise underperformen den Markt beinahe zur gleichen Zeit, daher ist ein auf Kursumkehr aufgebauter Ansatz entbehrlich.
Auch die Faktoren „Quality“ und „Low Volatility“ als verbleibende Makro-Gruppen quantitativer Aktienselektionsfaktoren finden vor Shanbhags Augen nach den Dezil-Analysen wenig Gnade: „All diese Faktoren sind – außer an den Rändern – am Markt schon eingepreist oder zeigen keine besonderen Eigenschaften im Hinblick auf eine Unterscheidung zwischen hoch und niedrig rentierenden Aktien. Zudem gibt es wie beim Momentum-Faktor, wo eine Überlappung hohen Momentums mit hohen Bewertungen zu beobachten ist, eine Überschneidung von hohen Bewertungen mit hoch volatilen Aktien respektive solchen, die von niedriger Qualität sind.“ Die Grafik „Teuflischer Rand“ zeigt bei den Faktoren „Wachstum des Netto-Umlaufvermögens“ und „Gesamtvermögen“, dass Firmen, die im Topdezil bei der Ausweitung der beiden Aggregate sind, die anderen neun Dezile jeweils deutlich underperformen.


Parallelen aufgespürt
Was Low-Vol-Strategien anbelangt, hat Greenline Partner in einer anderen Arbeit Belege dafür gefunden, dass es hier einen Zins-Bias gibt, sprich: Low-Volatility-Strategien haben sehr deutlich von dem über 30 Jahre rückläufigen Zinstrend profitiert. Da dieser nun ausläuft, muss man damit rechnen, dass dieser Ansatz kräftigen Gegenwind bekommen könnte.


Legt man die dreijährigen rollierenden Überschussrenditen von „Growth“ (teuers­tes Quintil von „Value“ nach dem KGV) mit dem Topquintil in Bezug auf „Wachstum des Netto-Umlaufvermögens“, „Netto-Aktienemissionsvolumen“ und „Hohe In­ves­titionen“ übereinander, sieht man, dass diese drei Faktoren, die für niedrige Aktienqualität stehen, hoch mit „Growth“ als Anti­these zu „Value“ korreliert sind. Somit kann man sie getrost außen vor lassen, ist sich Shanbhag sicher. Hoch volatile Aktien wiederum zeigen hohen Gleichklang mit „Small Cap Growth“ und dem Topquintil von „High Beta“. Am Ende seiner Analysen gelangt der Gründer von Greenline Partners jedenfalls zur Erkenntnis, dass auch Volatilität und Qualität als Faktoren zur positiven Selektion von Aktien für eine Faktorstrategie nicht taugen. Der Vorteil der Smart-Beta-Faktoren liege vielmehr darin, dass sie als Screens zur Aussonderung von einem Dezil oder einem Quintil schlecht performender Aktien geeignet sind. Eine Ausnahme dabei stellt „Value“ dar. „Nur ganz wenige Faktoren sind einzigartig“, sagt Shanbhag. „Value zählt dazu. Es scheint der robusteste Faktor zu sein und hilft, überbewertete Aktien zu meiden.“ Die meisten anderen können nicht dazu beitragen, dass man zwischen den Gewinnern und dem Durchschnitt differenzieren kann.


Keine verlorene Dekade
Um die Kraft dieses Ansatzes zu demonstrieren, Smart-Beta-Faktoren zur Identifizierung und anschließenden Eliminierung von potenziellen Loser-Aktien einzusetzen, betrachtet Shanbhag das Zeitfenster von 2000 bis 2009, das oft als das verlorene Jahrzehnt bezeichnet wird. Während dieser Dekade weist der S&P 500 Index einen negativen Total Return auf, nachdem er wegen des Dotcom-Crashes und der Subprime-Krise um jeweils mehr als 50 Prozent abgeschmiert ist. Doch berücksichtigt man Shanbhags Idee, das Quintil der höchstbewerteten Aktien, gemessen am KGV, außen vor zu lassen, hätte man trotz der starken Marktbewegungen in diesem Jahrzehnt eine deutlich positive Rendite erreicht und alle Lügen gestraft, die von einem ertraglosen Jahrzehnt sprachen. Damit hätte man den Growth-Bias verhindert, den marktkapitalisierungsgewichtete Indizes implizit als Charakteristikum aufweisen. Die Grafik „Von wegen verlorenes Jahrzehnt“ zeigt, wie nah die Performance des S&P 500 Index an jener der 20 Prozent nach dem KGV teuers­ten US-Aktien liegt. Die Quintile zwei bis fünf in Summe als „Rest des Marktes“ performten überaus ordentlich in diesem schwierigen Umfeld. Das gilt für diesen Zeitraum ebenfalls für Regionen wie Europa, Japan und Asien ex Japan, wie Greenline Partners nachweist.


Faktorüberschneidungen
Um zu sehen, inwieweit sich die nach den verschiedenen Messgrößen für Value, Momentum, Volatilität und Qualität sortierten Aktien überschneiden, führte Shanbhag folgenden Test durch: Auf Basis der – gemessen an der Marktkapitalisierung – 3.000 größten US-Unternehmen eliminierte er jeweils die schlechtesten 600 Aktien – also die teuersten, die volatilsten, jene mit dem stärksten Momentum und die qualitativ schlechtesten. Diese 2.400 Aktien wurden mit dem Portfolio auf Basis des KGV, bei dem ebenfalls die teuersten 20 Prozent entfernt wurden, verglichen. Die Überschneidung bei den Portfolios, die mithilfe von Kurs-Gewinn-Verhältnissen und Kurs-Cashflow-Verhältnissen erstellt wurden, war mit rund 70 Prozent ­naturgemäß hoch. In der Gegen­überstellung des KGV-Portfolios mit allen anderen fielen die Überschneidungen hingegen deutlich geringer aus, der Durchschnittswert lag bei ­lediglich 28 Prozent. Shanbhags Schlussfolgerung: Wenn man alle Screens simultan anwendet, sollte am Ende ein besseres Portfolio herauskommen, als wenn man nur auf Grundlage eines einzelnen Screens die 20 Prozent schlechtesten Performer links liegen ließe.


Meide die Verlierer
In verschiedenen Backtests kann Shanbhag zeigen, dass eine „Avoid the Losers“-Strategie, abgestützt auf die Aussonderung der schlechtesten Dezil- beziehungsweise Quintil-Aktien je Messgröße im Vergleich zu einer fiktiven Smart-Beta-Strategie und einem Ansatz, der lediglich in das Quintil der nach dem KGV güns­tigsten Aktien investiert, sowohl in Bezug auf den Ertrag als auch die Volatilität besser abschneidet. Das gipfelt dann zwangsläufig in einer überlegenen Sharpe Ratio. Diese fiktive Smart-Beta-Strategie setzt sich aus vier Teilen zusammen, die jeweils eine Strategie der vier Buckets Value, Momentum, Volatilität und Qualität beinhalten: das erste Drittel der günstigsten Aktien nach dem KGV, das Drittel der Aktien mit dem höchsten 12-Monats-Momentum, das Drittel der Aktien mit der niedrigsten Ein-Jahres-Volatilität und – als Proxy für Quality – das Drittel der qualitativ hochwertigsten Aktien nach deren operationaler Profitabilität. Die Grafik „Meide die Verlierer“ illustriert für das Zeitfenster von Februar 1993 bis Juni 2016 die Überlegenheit der Strategie im Vergleich zu schematischem Smart Beta und einem Investment in das billigste KGV-Quintil.


Fazit
Maneesh Shanbhags Analyse stützt seine These, wonach bei Smart-Beta-ETFs Faktoren falsch eingesetzt werden. Statt ein Auswahlwerkzeug zu sein, spricht tatsächlich einiges dafür, sie für ein komplementäres Negativ-Screening zu verwenden. Der Gründer von Greenline Partners kritisiert dabei durchaus auch Fondsgesellschaften, die Smart Beta vermarkten: „Der Nutzen von Investments in Faktoren wie Momentum, Value und Low Volatility wird von den meisten Smart-Beta-ETF-Anbietern in einem übertrieben günstigen Licht dargestellt.“ Faktoren würden nur dabei helfen, jene ­Aktien zu identifizieren, die man shorten könne, sagt er in einem Bloomberg-Interview. Value gefällt ihm dabei noch am ­meisten. Shanbhag setzt eigenen Angaben zufolge in seiner neuen Firma auf „faktor­inspirierte“ Risk-Parity-Portfolios. In diesen versucht er, die Aktienquoten so zu be­stücken, dass seine Erkenntnisse zu Faktoren – nämlich die künftigen Loser-Aktien auszuschließen – einfließen. Das soll das berühmte Quäntchen mehr an Ertrag neben der Risk-Parity-Systematik generieren, um auch à la longue den All Weather Fund seines früheren Arbeitgebers Bridgewater auszustechen. 2016 gelang es, denn Greenline erzielte Renditen von um die 13 Prozent, während Bridge­waters nach Risk Parity gesteuerter All Weather Fund nur auf 11,6 Prozent Ertrag kam. Für 2017 gab sich Shanbhag zugeknöpfter und ließ nur wissen, dass er seit Start wettbewerbsfähige Ergebnisse abliefere, die im Einklang mit jenen der Risk Parity Peergroup stünden. Diese sind in den HFRI Risk Parity Indizes zusammengefasst und beinhalten auch die Big Player wie Bridgewater, AQR und BlackRock.


Mit seiner Faktorskepsis steht Shanbhag übrigens keineswegs allein. In immer mehr Analysen gelangt man zu dem Schluss, dass Faktoren wie Low Vol und Quality nur ein Surrogat für Value sind. Andere wiederum sind der Ansicht, dass Faktorrenditen ein nicht nachhaltiges Phänomen sind. Sie erwähnen Low Vol, das in defensiven Branchen ­besonders deutlich anzutreffen ist und lange Zeit von fallenden Zinsen profitierte. Man kann davon ausgehen, dass diese Diskussion in nächs­­­-ter Zeit heftiger geführt werden wird. Der ­­institutionelle Praktiker ist jedenfalls gefordert, die weitere Entwicklung des Disputs und die Ergebnisse wissenschaftlicher Untersuchungen weiter zu verfolgen.


Anhang:

twitterlinkedInXING
 Schliessen