Das Fachmagazin für institutionelle Investoren

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

Teurer Wankelmut

Faktor-Exposure. Mithilfe einer dynamischen Version des Vier-Faktor-Modells nach Carhart zeigen ­Kapitalmarktforscher, wie wichtig ein stabiles Faktor-Exposure für Fonds ist.

1606315565_faktor.jpg

Den Kurs zu halten scheint im Fondsmanagement besser zu sein, als zu versuchen, jede kleine „Änderung der Windrichtung“ zu nutzen. Eine aktuelle Analyse zeigt, dass Fondsmanager, die ihr Faktor-Exposure im Zeitablauf verändern, um die mit den Faktoren verbundenen Risikoprämien zu vereinnahmen, in der Mehrzahl der Fälle scheitern.

© Universität St. Gallen, IrkIngwer | stock.adobe.

Um das Ziel einer benchmark-adjustierten Outperformance zu erreichen, hat ein Fondsmanager zwei Möglichkeiten: Zum einen kann er durch Stockpicking von der Benchmark abweichen, indem er in mutmaßliche Outperformer-Aktien inves­tiert, zum anderen kann er bestimmten Faktoren, die eine Risikoprämie erwarten lassen, höher gewichten. Geht man davon aus, dass Value in der Zukunft eine ­höhere Risikoprämie zahlt, wird in Value-Aktien umgeschichtet, erwartet man von Momentum eine Underperfor­mance, wird dieser Faktor konsequenterweise geringer gewichtet.

Wie sich eine solche vom Fondsmanager bewusst veränderte Faktorgewichtung langfristig auswirkt, ist Gegenstand einer aktuellen Forschungs­arbeit, die 2020 publiziert wurde. Erstellt wurde sie von Manuel Ammann, Professor für Finanzen an der Universität St. Gallen und Direktor am Schweizerischen Institut für Banken und Finanzen, Sebastian Fischer, wissenschaftlicher Mitarbeiter an der Universität St. Gallen, sowie von Florian Weigert, Professor für Finanzrisikomanagement an der Universität Neuchâtel in der Schweiz.

Die Finanzmarktforscher entwickelten dazu eine neue Kennzahl, mit deren Hilfe man die Veränderung der Faktor-Exposures eines Fondsmanagers in umfassender Weise analysieren kann. Dabei gingen sie folgendermaßen vor: Zuerst schätzten sie für jede Woche das dynamische Exposure eines Fonds zu den Faktoren nach Carharts Vier-Faktor-Modell. Dabei handelt es sich um die Faktoren Markt, Size, Value und Momentum über einen rollierenden Zeithorizont von 156 Wochen, sprich drei Jahren, wobei sie einen Kalman-Filter und Kalman-Glättungstechniken einsetzten. Vereinfacht ausgedrückt, handelt es sich ­dabei um einen Filter zur Beseitigung von Rauschen, um Fehler aus Daten zu entfernen. Der Filter dient der Datenglättung. In einem zweiten Schritt maß das Autorentrio die Veränderung des Faktor-Exposures eines Fonds anhand der Volatilität der Factor-Loadings der einzelnen Faktoren während des Schätzzeitraums. Um das Gesamtniveau der Veränderung des Faktor-Exposures zu ermitteln, wurde ein aggregierter Gesamtindikator für die Faktor-Exposure-Variation, kurz FEV genannt, berechnet, indem die Teilmessgrößen für Markt, Size, Value und Momentum standardisiert und Mittelwerte gebildet wurden. Die Autoren halten sich zugute, dass sie die Ersten sind, die solch ­einen umfassenden Ansatz verfolgen, der sich noch dazu konzeptionell stark von zustandsabhängigen Markt-Timing-Messgrößen unterscheidet, wie sie Jack Treynor und Kay Mazuy 1966 („Can mutual funds outguess the market?“) und Roy Henriksson und Robert Merton 1981 („On Market ­Timing and Investment Performance. II. Statistical Procedures for Evaluating Forecasting Skills“) vorstellten.

Nun ging man daran zu untersuchen, ob Performanceunterschiede zwischen Fonds mit hoher Faktor-Exposure-Variation und Fonds mit niedriger FEV bestehen; getestet wurde dies anhand einer Stichprobe von US-Aktien-Investmentfonds im Zeitraum Ende 2000 bis 2016. Als Basis diente die Datenbank des Centers for Research in Security Prices (CRSP), wobei etwa Fonds mit weniger als 70 Prozent Aktienanteil und solche mit Assets von weniger als 15 Millionen US-Dollar ausgeschlossen wurden.

Andere Modelle …

Wie sich die gleichgewichtete durchschnittliche Kenngröße der Faktor-Expo­sure-Variation FEV über alle US-Aktienfonds der Stichprobe im Zeitfenster von 2000 bis Ende 2016 verändert hat, illustriert die Grafik „Faktor-Exposure-Variation (FEV) im Zeitablauf“. Die FEV wurde rollierend für den Markt-, Value-, Size- und Momentum-Faktor errechnet und in Form von Standardabweichungen der Factor-Loadings während der vergangenen drei Jahre dargestellt. Die Factor-Loadings wurden unter Zuhilfenahme einer dynamischen Version des Vier-Faktor-Modells nach Carhart geschätzt. Angenommen wurde, dass die Faktor-Expo­sures zum Durchschnitt (Mean Reversion) zurückkehren. Die Grafik zeigt, dass die Faktor-Exposure-Variation der Faktoren Markt, Size und Momentum relativ stabil ist, während die Variation des Value-Faktors wesentlich stärker schwankt. Insbesondere fallen zwei Spitzen auf. Generell gesagt, scheint die FEV in unterschiedlichen Marktsituationen und sowohl in Boom- als auch Rezessionsphasen vorherrschend zu sein.

Bei weiterführenden Analysen stellte sich heraus, dass ein hoher FEV-Wert mit einer Underperformance des Fonds in der näheren Zukunft einhergeht. So underperformt ein Portfolio, bestehend aus 20 Prozent aller Fonds mit dem höchsten FEV-Level ein Portfolio, das aus den 20 Prozent Fonds mit dem niedrigsten FEV-Level besteht, um 147 Basispunkte pro Jahr mit statistischer Signifikanz von 95 Prozent, wenn man die Renditen dieses Long/Short-FEV-Portfolios mit den Renditen des Vier-Faktor-Modells nach Carhart als Benchmark vergleicht. Wendet man die gleiche Methodik nun auf die Faktor-Exposure-Variation der Einzelfaktoren Markt, Value und Momentum an, so ergeben sich ähnliche Resultate: Das Quintil der Fonds mit den volatilsten Faktor-Exposures underperformt um 102, 82 beziehungsweise 120 Basispunkte jährlich. Die statistische Signifikanz dieser Ergebnisse liegt bei zumindest 95 Prozent. Beim Quintilsvergleich betreffend die Size-Faktor-Exposure-Variationen zeigt sich hingegen nur eine Underperformance von 61 Basispunkten, die statistisch nicht von null zu unterscheiden ist (siehe Grafik „Abnormale Renditen zum Vier-Faktor-Modell“).

… gleiche Resultate

Die Performanceunterschiede zwischen Fonds mit hoher und niedriger FEV bleiben statistisch und ökonomisch signifikant, wenn man zur Berechnung von FEV das Fünf-Faktor-Modell nach Fama und French plus den Momentum-Faktor heranzieht. Die gleichen Zusammenhänge findet man auch nach der Einbeziehung weiterer Modelle. Doch warum bringen die Fonds mit hoher Faktor-Exposure-Variation in der Zukunft schlechtere risikoadjustierte Renditen als solche mit niedriger FEV? Die Autoren ­sahen sich zwei Wege an, die intuitiv mit der Underperformance von Fonds mit hoher FEV in Beziehung stehen. Erstens untersuchten Ammann, Fischer und Weigert, ob die Underperformance durch die Faktor-Exposure-Variation der Aktien-Long-Positionen des Fonds erklärt werden können, worauf Armstrong, Banerjee und Corona 2013 in „Factor-Loading Uncertainty and Expected Returns“ hinwiesen. Zweitens analysierten sie, ob die Underperformance der Fonds mit hoher FEV in Verbindung mit flowbedingten, erzwungenen Deals des Fondsmanagements stehen könnte. Die empirischen Resultate legen den Schluss nahe, dass die negative Beziehung zwischen FEV und künftiger Performance weder auf die Faktor-Expo­sure-Variation der offengelegten Aktienbestände des Fonds noch auf die durch Zu- und Abflüsse verursachten Handelsentscheidungen zurückzuführen ist. Da diese beiden Erklärungsvarianten offenbar nicht greifen, liegt die Vermutung nahe, dass Fondsmanager freiwillig ihr Faktor-Expo­sure im Zeitablauf verändern, um die mit den Faktoren verbundenen Risikoprämien zu vereinnahmen. Kurz gesagt, die Fondsmanager betreiben offensichtlich ein – wenngleich nicht von Erfolg gekröntes – ­Timing der Faktoren.

Erfolgloses Faktor-Timing

Um herauszufinden, welche Eigenschaften jene Fondsmanager besitzen, die ein Faktor-Timing versuchen und daher keine stabilen Faktor-Exposures in ihren Fonds aufweisen, regressieren die Autoren die Faktor-Exposure-Variation des Monats t+1 auf verschiedene beobachtbare Variablen des Vormonats t. Dabei stellt sich heraus, dass Faktor-Timing vor allem bei Fonds mit einem Management, das den Fonds schon lange verantwortet, und bei Fonds mit hoher Portfolioumschlagshäufigkeit und hoher TER (Total Expense Ratio) anzutreffen ist. Die Detailergebnisse sind in der Tabelle des Kastens „Verhältnis der Faktor-Exposure-Variation zu Eigenschaften von US-Aktienfonds“ angeführt.

Diese Ergebnisse stehen im Einklang mit der bisherigen wissenschaftlichen Literatur und unterstützen die Ansicht, dass a) das Verhalten der Fondsmanager von Karriereüberlegungen junger Fondsmanager beeinflusst wird, die befürchten, ihre Reputation aufs Spiel zu setzen, wenn sie ihr Portfolio unsystematischen Risiken aussetzen, und b) Faktor-Timing eine aktiv eingesetzte und auch teure Investmentstrategie darstellt. Die Frage, ob Investmentfonds ihr Faktor-Exposure erfolgreich verändern können, wurde bis dato hauptsächlich im Zusammenhang mit Markt-Timing erforscht und erbrachte unterschiedliche Resultate: Während die Mehrzahl der früheren Studien seit den 60er-Jahren bis hin zu Kacperczyk und Seru 2007 keinen Nachweis dafür erbringen konnten, dass Fondsmanager den Markt timen können, fanden jüngere Studien heraus, dass es zumindest Anhaltspunkte dafür gibt, wenn man auf Fondstagesdaten abstellt oder sich auf spezielle Situationen an den Kapitalmärkten fokussiert. Zu nennen sind hier Mamaysky, Spiegel und Zhang, die 2008 „Estimating the Dynamics of Mutual Fund Alphas and Beats“ publizierten, Jinag, Yao und Yu mit dem Titel „Do Mutual Funds Time the Market?“ von 2007, Elton, Gruber und Blake 2012 mit „An Examination of Mutual Fund Timing Ability Using Monthly Holdings Data“ und Kacperczyk, Nieuwerburgh und Veldkamp, die 2014 ihren Beitrag ­„Time-Varying Fund Manager Skill“ im „Journal of Finance“ veröffentlichten. Chen und Liang stellten 2007 fest, dass Hedgefonds, die explizit für sich in Anspruch nehmen, den Markt zu timen, ein vorteilhaftes Ertrags-Risiko-Profil infolge des Timings von Ertrag und Volatilität besitzen. Literatur zu Timing-Fähigkeiten, die über den Markt-Faktor hinausgeht, ist eher dürftig. Zu nennen sind hier Kryzanowski, Lalancette und To, die bereits 1997 herausfanden, dass nur ein kleiner Teil der Fonds dazu in der Lage ist, Makro-Faktoren zu timen. Daniel, Grinblatt, Titman und Wermers beobachteten im gleichen Jahr, dass Fondsmanager keine ­Timing-Fähigkeiten im Hinblick auf Aktieneigenschaften besitzen. Auch Bazgour, Bosdon und Sougné sowie Benos, Ochec und Nyekel, die die Analyse von Bollen und Busse von 2001 auf ein Carhart-Modell ausweiteten, konnten keine Timing-Fähigkeiten entdecken. Andere Forscher wiederum untersuchten das Timing von Volatilität von ­Investmentfonds, während Bodnaruk, Chokaev und Simonov 2018 in „Downside Risk Timing by Mutual Funds“ dokumentierten, dass einige Fondsmanager doch die Fähigkeit besitzen, das Downside-Risiko erfolgreich zu timen. Zu guter Letzt ist noch die Arbeit von Huang, Sialm und Zhang von 2011 zu nennen, die zeigte, dass Fonds mit intensiven Veränderungen ihres gesamten Risiko-Exposures jene Fonds underperformen, die eine Strategie mit einem stabilen Risikoniveau verfolgen.

Bedeutung

Die Studie von Ammann, Fischer und Weigert trägt auf mehrerlei Art zur Weiterentwicklung bei. Zunächst ist festzuhalten, dass man durch den Gebrauch des vorgeschlagenen FEV-Indikators direkt Zugang zur Veränderung des Faktor-Exposures eines Fonds bekommt, wogegen die meisten der früheren Modelle nur die Auswirkungen der Faktor-Exposure-Variationen auf die Performance beobachteten. Des Weiteren ist festzuhalten, dass im Gegensatz zur von Jian 2007 vorgeschlagenen Methode der interessierte Investor nicht die vergangenen Portfoliobestandsdaten abrufen muss, was oft mit Kosten verbunden ist und meist nur Zugang zu Quartalsdaten beinhaltet. Der zweite wichtige Fortschritt ist, dass das Modell es erlaubt, die FEV eines Fonds gleichzeitig in Bezug auf unterschiedliche Faktoren zu schätzen. Die überwiegende Mehrheit früheren Researchs betreffend Timing-Fähigkeiten von Investmentfonds zielte nur auf das Marktrisiko ab. Ammann, Fischer und Weigert fügen hier eine neue Perspek­tive hinzu, indem sie die Veränderung des Exposures auf weitere alternative Risiko- und Behavioral-Finance-Fak­toren – diese sind nicht beschränkt auf die Faktoren Markt, Size, Value und Momentum – in einem umfassenderen ­Modell ausdehnen.

Zum Schluss trägt das Autorentrio zur laufenden Debatte zwischen Akademikern und Praktikern über die Frage bei, ob, und wenn ja, wie Risikofaktoren getimt werden können. Eine Vielzahl von Studien belegt, dass eine an Faktorverän­derungen angepasste Handelsstrategie die Profitabilität von Momentum und anderen alternativen Risikoprämien verbessert. Doch ist die Frage, ob diese Ergebnisse out of sample und unter Berücksichtigung von Handelskosten wiederholbar sind, noch nicht gelöst. Kein Geringerer als AQR-­Mastermind Cliff Asness artikulierte 2016 in „The Siren Song of Factor Timing aka ,Smart Beta Timing‘ aka ,Style Timing‘“ seine Zweifel an der Performance aus dem Faktor-Timing. Das Autorentrio trägt insofern zu dieser Diskussion bei, als es dokumentiert, dass professionelle und erfahrene Fondsmanager keinen Erfolg beim Timing von Faktoren haben.

Wertvolle Erkenntnisse

Die gewonnenen Erkenntnisse dieser Studie sind sowohl für Investoren als auch für Fondsmanager wichtig. Unter Verwendung der vorgestellten Methodologie können Investoren direkt die Faktor-Exposure-Varia­tion eines Fonds zu mehreren Faktoren abschätzen, ohne sich dabei auf Portfoliobestandsdaten zu stützen. Auch können sie die FEV bei der Managerauswahl einsetzen. Die Studienergebnisse unterstützen nicht die Hypothese, dass Abweichungen in den Faktor-Exposures ein Signal für Manager-Skill sind, weswegen die Autoren den Investoren empfehlen, sie mögen die Erkenntnisse dieser Arbeit berücksichtigen, bevor sie Investments in Fonds mit hoher FEV tätigen.

Aber auch Fondsmanager können die FEV anwenden, um ihre beabsichtigten oder unbeabsichtigten Veränderungen im Exposure zu den Faktoren zu evaluieren. Obwohl die akademische Literatur verschiedene Ansätze zum Timing von Faktor-Risikoprämien vorgeschlagen hat, ist laut den Autoren nicht klar, ob diese Strategieverbesserungen out of sample auch einen Mehrertrag realisieren lassen, speziell wenn man Handelskosten und andere Arbitrage-Beschränkungen berücksichtigt.

Die vorliegende Studie zeigt, dass der durchschnittliche US-Aktienfondsmanager offensichtlich keinen Erfolg beim Timen der Faktoren Markt, Size, Value und Momentum hat, was die Auffassung untermauert, dass das Timen von Faktoren in der Praxis schwierig ist. Was sie nicht liefert, sind Antworten auf die Fragen, ob die Beziehung zwischen der Faktor-Exposure-Variation und der zukünftigen Performance bei anderen Assetklassen wie Anleihen und Rohstoffen oder anderen Regionen wie Europa oder den Schwellenländern ähnlich aussieht. Das ist eine Aufgabe für weiterführende Studien auf diesem Gebiet.    

Dr. Kurt Becker


Verhältnis Faktor-Exposure-Variation zu Eigenschaften von US-Aktienfonds

Bei welchen Fondscharakteristika man Faktor-Timing verstärkt antrifft

Da die Messgrößen für die Faktor-Exposure-Variation (FEV) auf Schätzungen der Daten eines dreijährigen Zeitfens­ters innerhalb des Zeitraums von September 1998 bis Dezember 2016 beruhen, haben die Autoren Ammann, Fischer und Weigert ihre Stichprobe in sechs nicht überlappende Zeiträume eingeteilt: 1999–2001, 2002–2004, 2005–2007, 2008–2010, 2011–2013 und 2014–2016. Dann regressierten sie die Messgröße der Faktor-Exposure-Variation während dieser Zeiträume auf die Fondseigenschaften zu Beginn dieser Zeiträume, um das Verhältnis zwischen den Fondseigenschaften und der FEV zu beobachten.

Eliminierte Ausreißer

Daten betreffend Fondsalter, Dauer der Managertätigkeit, Fondskosten, Fondsflüsse und Fondsvermögen sind insofern bearbeitet, als die Ein-Prozent-Ausreißer eliminiert wurden (Winsoriza­tion). Auch wurde bei den Werten für die Faktor-Exposure-Variation von Markt, Size, Value und Momentum das eine Prozent der höchsten Werte eliminiert.

Die Ergebnisse dieser Regres­sionsrechnungen findet man in den Spalten (I) bis (V) der Tabelle „Faktor-Exposure-Variation und Fondseigenschaften“. Als abhängige Variablen dienen in den ersten vier Spalten die Faktor-Exposure-Variation der einzelnen Faktoren Markt, ­Size, Value und Momentum, in Spalte (V) ist es dann der FEV-Gesamtindikator, der die abhängige Variable bildet. In Spalte (VI) sind die ökonomischen Auswirkungen von der Veränderung einer der Fondseigenschaften um eine Standardabweichung nach oben auf den FEV-Gesamtindikator (Spalte [V]) dargestellt. Fondseigenschaften sind das Fondsalter, die Dauer des Fondsmanagements, die Fondskosten, der Fondsumschlag, das vergangene Alpha und die Fondsflüsse.

Alte Hasen mit höherem FEV-Wert

Zuallererst – und damit auch im Einklang mit den Forschungsergebnissen von Chevalier und Ellison, die diese 1999 im Quarterly Journal of Economics unter dem Titel „Career Concerns of Mutual Fund Managers“ veröffentlichten – zählt dazu, dass Manager, die für einen Fonds bereits länger verantwortlich sind, einen höheren FEV-Wert aufweisen als jene, die noch nicht so lang mit dem Fondsmanagement betraut sind. Das liegt wohl daran, meinen die Autoren, dass junge Fonds­manager befürchten, durch riskante Wetten in den ersten Jahren ihrer Karriere underzuperformen und damit ihre Karriere aufs Spiel zu setzen. Steigt die Dauer des Fondsma­nagementmandats um eine Standardabweichung an, so ist dies mit einem Anstieg des FEV-Indikators um fünf Prozent (0,05) verbunden.

Zweitens steht die Faktor-Exposure-Variation tatsächlich in einer positiven Beziehung mit den Fondskosten und dem Portfolioumschlag. Eine Erhöhung der Fondskosten beziehungsweise der Umschlags­häufigkeit um jeweils eine Standardabweichung führt zu einem um 20 respektive acht Prozent höheren Wert des FEV-Indi­kators. Angesichts einer unbedingten Standardabweichung des FEV-Indikators von 0,68 in der untersuchten Stichprobe erreichen diese ermittelten Werte ökonomisch signifikante Größenordnungen. Im Zusammenhang mit anderen Ergebnissen dieser Studie deuten auch diese darauf hin, dass es sich bei der Faktor-Exposure-Variation um eine von Fondsmanagern bewusst verfolgte Strategie handelt.


Anhang:

twitterlinkedInXING
 Schliessen

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