Das Fachmagazin für institutionelle Investoren

Geben Sie Ihren Benutzernamen und Ihr Passwort ein, um sich an der Website anzumelden:
4/2020 | Produkte & Strategien
twitterlinkedInXING

Stabiler Mehrertrag

Während die Wissenschaft uneins ist, ob Timing grundsätzlich funktionieren kann, wendet der Investment Consultant Faros einen bestechend einfachen Faktor-Timing-Ansatz an, der gute Ergebnisse liefert.

1606398818_faktor-timing.jpg

Dass sich Märkte langfristig erfolgreich timen lassen, wird von vielen Marktteilnehmern bezweifelt. Das Timing-Modell der Frankfurter Faros AG zeigt im Backtest und im bisherigen Realbetrieb, dass dies doch möglich zu sein scheint.

© Melanie Inserra | Faros, Elnur | stock.adobe.com

Faktor-Timing ist – wie andere Timing-Strategien auch – keineswegs neu. Vor allem Fak­tor­rotationsstrategien, die oft ­einen Tilting-Ansatz verfolgen, also ihre Faktor­allokation um einen Mittelwert herum ad­jus­tieren, kennt man seit Langem. „Diese Strategien berücksichtigen allerdings die deutlichen Trends von Faktoren und die Erkenntnisse des Zeitreihen-Momentums nicht“, sagt Marc Rohloff, Leiter der Geschäftsentwicklung, ALM Consultant und Quant-Stratege bei Faros Pension & Asset Advisory in Frankfurt. Er weiß, wovon er spricht, hat er doch gemeinsam mit seinem ehemaligen Kollegen Alexander Vogt diesen Ansatz entwickelt und eine Arbeit zu diesem Thema verfasst, die wohl bald zur Publi­kation in einem Fachjournal eingereicht wird. „Unsere Faros-Timing-Strategie geht beim Timing viel pointierter und kurzfris­tiger vor und setzt einerseits auf kurzfristig gut laufende Faktoren und steigt ande­rerseits aus Faktoren mit einer schlechten Perspektive komplett aus.“ Das macht sich bezahlt, denn einzelne Faktoren können für mehrere Jahre – oder wie Value seit mehr als einem Jahrzehnt – underperformen. All jene, die eine statische Faktor­allokation durchführen und bei einem Faktorinvestment in die fünf von der Wissenschaft als stabil erkannten Faktoren Momentum, Size, Quality, Value und Low Volatility investiert sind, haben am eigenen Leib erfahren, was es heißt, zu ­einem Fünftel in einen Faktor dauernd ­investiert zu sein, der über mehr als zehn Jahre Performance kostet.

Wie sieht die Faros-Multi-Faktor-Strategie nun im Detail aus? Dr. Marc Rohloff und Alexander Vogt entwickelten ein Modell, das das Zeitreihen-Momentum benutzt, um Strategien zu konstruieren, die systematisch ihre Benchmark schlagen. Dabei ist die Einfachheit des Modells wirklich bestechend: Es braucht als Input nur eine Benchmark-Datenzeitreihe und verschiedene auf einzelne Faktor-Exposures abzielende in­ves­­tierbare Indizes für eine Look-Back-Periode, eine bestimmte Frequenz beim Rebalancing und eine Tracking-Error-Vorgabe seitens des Investors, aber keine Regression oder andere Modelle. Was es natürlich noch braucht, sind die Kovarianzen der einzelnen Faktor-Kurszeitreihen. Vorteil dieser Einfachheit ist, dass man sich nicht mit den Spezifika der jeweiligen Assetklasse beschäftigen muss und auch keine Schätzungen für erwartete Renditen und Volatilitäten benötigt. Die Berechnung der optimalen ­Asset Allocation nach Markowitz gründet sich rein auf den Zeitreihen und Korrela­tionen der einzelnen Faktoren. Dabei gelingt es Rohloff in Backtests, die per Mitte Januar 2020 abgeschlossen wurden, genauso wie beim Elchtest in der Praxis – dem Verhalten des Ansatzes in der Coronakrise im Februar und März 2020 – zu zeigen, dass die Risikoziele, sprich Tracking-Error-Limits, eingehalten werden.

Dieser Ansatz liefert eine signifikante Outperformance sowohl in Aktien- als auch Bondmärkten. Während dieser die ex ante formulierten Risikoerfordernisse erfüllt, ­verdoppelt er fasst die Jahresrendite im Vergleich zum MSCI World beziehungsweise Bloomberg Barclays Euro Aggregate Corporate Bond in einem Long-only-Backtest. In einem weiteren Schritt haben die beiden Autoren die zwei Ansätze in einer Absolute-Return-Strategie zusammengeführt, die sich am EONIA Total Return Index misst und eine signifikante Outperformance mit einer Sharpe Ratio von imposanten 1,8 verspricht. Rohloff gelingt es des Weiteren zu zeigen, dass das Modell einen Vorteil gegenüber ­einem statischen Modell mit fixen Durchschnittsgewichten bereithält. Dieser Vorteil bestätigt sich auch gegenüber einem passiven Faktorportfolio, das in inves­tierbare Aktien-Faktor-Indizes anlegt: Hier wird ein Faktorportfolio mit einem statischen Faktor-Exposure signifikant outperformt. Im Übrigen bleibt dieses Alpha auch nach Transaktionskosten bestehen.

Praktische Umsetzung

Dank vieler mittlerweile günstiger Faktor-ETFs (siehe Tabelle „Faktor-Werkzeugkasten“) lassen sich Faktoren aktiver steuern, ohne dass die Kosten die Vorteile aufzehren. Direkt investierbare Produkte zu den in der Tabelle genannten Faktoren gibt es für die Aktienfaktoren aus der iShares-Edge-Reihe und von Xtrackers. Für die zu Simulationszwecken herangezogenen Bond-Indizes gibt es allerdings keine deckungsgleichen ETF-Lösungen, hier müsste man andere Lösungen in der Praxis suchen. Die Strategie, in der inzwischen auf der Aktienseite bereits seit mehreren Monaten Kundengelder verwaltet werden, hat die Performanceerwartungen sogar leicht übertroffen. Interessant ist auch, dass die Faros-Strategie in puncto Backtesting nur auf dem gewünschten ­Tracking Error und nicht auf freien Para­metern basiert.

Irrtumswahrscheinlichkeit gering

Diese sind stellvertretend für das Segment Aktien Welt für wöchentliches und monatliches Rebalancing dargestellt (siehe Grafik „Überzeugender risikoadjustierter Mehrertrag“). Dabei konnte bei einer ­Tracking-Error-Vorgabe von vier Prozent, die in etwa jener eines aktiven Mandats entspricht, im Backtest eine Information Ratio von 0,90 in beiden Rebalancing-Varianten gegenüber der Benchmark MSCI World mit reinvestierten Nettodividenden dargestellt werden. Die Information Ratio von jeweils 0,90 ist dabei hoch signifikant von null ­verschieden, die Irrtumswahrscheinlichkeit liegt bei lediglich 0,000028 Prozent. Die beobachtete Volatilität der Strategie ist jener der Benchmark ähnlich, die annualisierte Rendite liegt aber um 68 Prozent höher. Die Tracking-Error-Werte sind vergleichbar ­jenen der einzelnen Faktoren, während hingegen der Maximum Drawdown der Faktor-Timing-Strategie deutlich geringer ausfällt als jener der Einzelfaktoren. Der ex ­ante mit vier Prozent definierte Tracking ­Error wird mit realisierten Werten von 4,5 Prozent bei monatlichem beziehungsweise mit 4,4 Prozent beim wöchentlichen Rebalancing fast erreicht. Dem gegenüber steht ein Brutto-Alpha vor Abzug der Handels- und ETF-Kosten von annualisiert vier Prozent. Was die Total Expense Ratio anbelangt, so liegt diese bei 0,57 Prozent pro Jahr im Fall des monatlichen und 1,15 Prozent beim wöchentlichen Rebalancing, sodass die Variante mit monatlicher Anpassung performancemäßig nach Kosten die bessere ist. Diese vier Prozent Brutto-Alpha lassen sich noch weiter aufschlüsseln. Rohloff führt aus: „Angesichts der durchschnittlichen Gewichte der fünf einzelnen Faktorstrategien über einen Zeitraum von gut 18 Jahren hätte man eine annualisierte Überrendite gegenüber dem MSCI World von 1,4 Prozent erwarten dürfen. Die restlichen 2,6 Prozent kommen damit also aus dem Faktor-Timing-Ansatz.“

Erfolgreiches Timing

Der bestechend einfache Faktor-Timing-Ansatz von Faros Consulting ist ein wichtiger empirischer Beitrag zur akademischen Diskussion, ob Market-Timing überhaupt erfolgreich möglich ist. Das Time-Series-Momentum scheint es tatsächlich zu ermöglichen, Faktoren erfolgsversprechend zu timen, um systematisch die Benchmark zu schlagen. Das gilt für Aktien und auch Bonds und noch viel mehr für eine gemischte Allokation von Aktien und Bonds, die sich als Absolute-Return-Ansatz am Geldmarkt misst. In letzterem Fall sind die Ergebnisse sogar noch besser: Hier lassen sich Information-Ratio-Werte von 1,85 zeigen. Was die Aktienergebnisse anbelangt, so könnte man meinen, dass beim MSCI USA oder dem MSCI Europe im Vergleich zum MSCI World die Resultate der Faktor-Timing-Strategie wegen des höheren idiosynkratischen Risikos bei kleineren Universen mehr Noise und damit geringere Renditen infolge höherer Volatilitäten erzeugen könnten. Dies war auch tatsächlich zu beobachten, was diese Vermutung zu belegen scheint. Auf der Bondseite konnten besonders beeindruckende Ergebnisse erzielt werden, die alle hoch signifikant ausfielen. Das liegt an dem hohen High-Yield-Anteil, der jedoch nicht dazu führt, dass das Risikoprofil der Strategie High-Yield-ähnlich ausfällt, denn Tracking Error und Volatilität sind markant niedriger. Das Gleiche gilt für Absolute Return: Auch dort sind High Yields ein Core-Investment in der Long-only- und in der Long/Short-Variante.

Einfach umsetzbar

Zu guter Letzt ist festzuhalten, dass alle Backtests signifikante Vorteile des Timings gegenüber statischen Allokationen ans Tageslicht bringen. Da der Ansatz relativ leicht mit passiven Produkten wie etwa ETFs umsetzbar ist, scheinen semipassive Ansätze wie der von Faros vorgestellte Faktor-Timing-Ansatz, der ­aktives Timing mit passiven Anlagen kombiniert, ein Modell mit Zukunft zu sein.

Auf eine höhere Ebene gehoben könnte dies der Startschuss für ein allgemeines ­Modell sein, das Überschussrenditen bei fixierten Zielvolatilitäten generiert. Man darf jedenfalls gespannt sein, wie sich die Assets dieses Faktor-Timing-Ansatzes in der nächsten Zeit entwickeln werden. Von so manchem anderen Multi-Faktor-­Ansatz enttäuschte Großanleger sollten sich doch ohne Probleme finden lassen, haben doch viele Konzepte in der letzten Zeit nicht das gehalten, was sie ursprünglich versprochen hatten. Für jene institutionellen Anleger, die aus Diversifikationsgründen einen weiteren Multi-Faktor-Ansatz für ihr Portfolio suchen, bietet das beschriebene Modell eine interessante Ergänzung. Wer sich bisher dem Thema noch nicht zugewendet hat, sollte nicht zögern, sich damit aus­ein­an­derzu­setzen.    

Dr. Kurt Becker


Anhang:

twitterlinkedInXING
 Schliessen

Mit der Nutzung dieser Website stimmen Sie der Verwendung von Cookies und unserer Datenschutzerklärung zu. Mehr erfahren