Das Fachmagazin für institutionelle Investoren

Geben Sie Ihren Benutzernamen und Ihr Passwort ein, um sich an der Website anzumelden:
1/2018 | Produkte & Strategien
twitterlinkedInXING

Drawdown-Killer

Ein ursprünglich von Forschern des Instituts für Theoretische Physik an der ETH Zürich entwickeltes ­Risikoanalyse- und Steuerungssystem wird mittlerweile vom Universitäts-Spin-off OpenMetrics ­kommerziell vermarktet – die Daten sehen vielversprechend aus.

1524491229_teaserbild15.jpg

Der uralte Anlegertraum, bei Gefahr an den Börsen rechtzeitig gewarnt zu werden, ist das Geschäftsmodell des Schweizer Finanzdienstleisters OpenMetrics. Mit ausgefeilten finanzmathematischen Methoden will das Zürcher Unternehmen, an dem die renommierte ETH beteiligt ist, die Risikosteuerung der vorwiegend institutionellen Klienten optimieren.

Foto: © GMF, XYZ | stock.adobe.com

Am Anfang stand der Forscherdrang des im Juli 2016 infolge eines Autounfalls verstorbenen ETH-Professors Diethelm Würtz. Der richtete seinen Fokus auf die Anwendung fortgeschrittener statistischer und physikalischer Methoden im Bereich Finance und gründete dann im weiteren Verlauf die Econophysics-Gruppe innerhalb des Departements Physik an der international renommierten technischen Hochschule. Damit etablierte er einen interdisziplinären Wissenschaftszweig, der sich mit der theoretischen Modellierung komplexer Wirtschaftssysteme befasst. Unter anderem führte diese Arbeit zur Einführung ­neuer Stabilitätsindikatoren für die Finanzmärkte und Wirtschaftsregionen. Daneben war Würtz aber auch unternehmerisch aktiv, die Rmetrics Association wurde ebenso von ihm (mit)gegründet wie das IT-Unter­nehmen Finance Online GmbH und die ­Sidenis AG.


Unternehmensstart 2016
Und auch in der im November 2016 in Zürich gegründeten OpenMetrics Solutions GmbH kann man ein praktisches Ergebnis seiner Arbeit sehen. Es geht hier um die komplexe Modellierung von Regimewechseln an den verschiedenen Anlagemärkten, mit deren Hilfe leistungsfähige Risikoma­nagementlösungen für die Finanzindustrie bereitgestellt werden. Die Zürcher Hochschule ist an dem Unternehmen ähnlich wie bei früheren Firmengründungen, die sich aus der Forschung heraus entwickelten, beteiligt. Seit 1996 entstanden so bereits mehr als 350 Unternehmen.


Geleitet wird die OpenMetrics Solutions GmbH von CEO Felix Fernandez, die technische Führung liegt bei CTO Tobias Setz. Fernandez verfügt über einen Abschluss in Electronics und Information Technology der Frankfurt University of Applied Sciences mit einem Schwerpunkt auf Softwaresimulationsumgebungen. Er verfügt auch über langjährige praktische Erfahrung als Senior Advisor Cash & Derivatives Markets an der Eurex und der Deutsche Börse AG. Seit 2016 ist er Forschungspartner der Rmetrics Association Zurich. In dieser Funktion war er mit dem Know-how-Transfer von aka­demischem Research zur Finanzindustrie betraut. Heute ist Fernandez verantwortlich für die Entwicklung des OpenMetrics Solutions Business sowie die Implementierung einer mehrwertschaffenden Produktstruktur für institutionelle Investoren. Tobias Setz hat Computational Science und Engineering mit Spezialisierung auf theoretische Physik an der ETH Zürich bei Professor Würtz ­studiert und mittlerweile am ITP promoviert. Seit Firmengründung ist er der Hauptarchitekt des OpenMetrics Solutions Technology Frameworks und mit der Implementierung von Kundenlösungen befasst.


Partner und Kunden
Fernandez kann schon auf erste Vertriebserfolge hinweisen. Bereits zwei Schweizer Pensionskassen sind Abnehmer seiner Risikomanagement-Overlay-Lösung. Eine davon ist die Pensionskasse des ­Bundes PUBLICA: Mit einem verwalteten Vermögen von fast 40 Milliarden Schweizer Franken ist sie die größte Pensionskasse der Schweiz.


Das Consultingunternehmen OpenMetrics mit seinen ETH-Wurzeln möchte als Brücken­bauer zwischen akademischem Research und der Finanzindustrie agieren. Konkret bedeutet dies, dass mithilfe von ­Financial Engineering maßgeschneiderte Risikoberichte ausgearbeitet werden, die als Entscheidungsgrundlage für Risiko- und Investmentkomitees dienen. Wer mehr möchte, wird auch bei der Auswahl beziehungsweise beim Hedging von Investmentvehikeln unterstützt. Fernandez führt aus: „Wenn uns etwa ein Kunde, der in seiner Vermögensallokation einen Multi-Asset-Ansatz verfolgt, seine strategische Asset Allocation und seine Benchmarks bekannt gibt, kann er mithilfe unserer Signale entscheiden, in welchen Assetklassen mit welchen Instrumenten er Hedging-Positionen auf- oder abbauen soll.“ In der Gestaltung ihrer Dienstleistung sind die Schweizer flexibel. In der einfachs­ten Variante kann der Kunde Risikoberichte und Signale abonnieren und diese dann inhouse selbst umsetzen, er kann auf Wunsch aber auch maßgeschneiderte quantitative Research-Lösungen beziehen. Letzteres reicht von der Entwicklung risikoadjustierter spezifischer Indizes bis hin zur Implementierung von Risikomanagement- und der Portfoliooptimierungs­systemen.


Fernandez und Setz haben vertriebsseitig nicht nur klassische institutionelle Anleger im Blick, sondern auch Daten- und Index­anbieter sowie Börsen, etwa wenn es um die Entwicklung einer neuen Generation von Risikomanagementprodukten wie Risikowarnungen für Branchen und Risikosignalen als Grundlage von neuen Risikoindi­zes geht. Man denke an einen risikogeschützten EuroStoxx 50 oder an Risikoindizes als Underlying für neue ETFs sowie neue Derivate wie Optionen und Futures. Die von OpenMetrics generierten Risiko­signale könnten aber auch Clearinghäuser interessieren, da sich diese als Basis für die Optimierung von Margin-Erfordernissen nutzen lassen. Auch Notenbanker dürfen sich von den Risikosignalen angesprochen fühlen, können diese doch auch ihnen als Vorbereitung für unerwartete Bewegungen zum Beispiel an den Devisenmärkten nützliche Dienste leisten. Dank des universellen Charakters der Analysen der Schweizer können ihre Auswertungen sogar außerhalb der Finanzwelt eingesetzt werden – etwa wenn es darum geht, Strukturbrüche bei Konsumentendaten zu erkennen.


Regimewechsel orten
Im Zentrum der statistischen Verfahren, die auf den neuesten Forschungsergebnissen basieren, steht das Ziel, Regimewechsel schneller und exakter als Mitbewerber zu erkennen und in einen verlässlichen Indi­kator der Marktstabilität umzusetzen. Am Ende der Analyse steht eine sogenannte ­Heat Map, mit deren Hilfe die verschie­denen Risikoregime und deren Wechsel ­visualisiert werden. In der Grafik „Risiko­signale“ werden die unterschiedlichen Risikophasen für jeden Sektor des Stoxx 600 farblich unterschiedlich dargestellt. Grün signalisiert, dass keine Gefahr droht, Gelb steht für den neutralen Zustand des Stabi­litätsindikators und Orange und Rot weisen auf Hochrisikozustände hin. Die sektorale Trennung ist sinnvoll, weil die Entwicklung einzelner Branchen keineswegs parallel ­verläuft. So zeigte etwa der Stoxx 600 ­Construction Index keine Überhitzungstendenzen zwischen Januar 2016 und Januar 2018, während beim Telekommunikationssektor die längste Zeit ein hohes und sehr hohes Risiko zu beobachten war. Die Werte des Stabilisierungsindikators, so erklärt ­Fernandez, können direkt für die Applikationen zum Exposure Management verwendet werden. Ein weiteres Anwendungsgebiet der Technologie ist eine Portfoliooptimierung, die über die Optimierung einzelner ­Parameter hinausgeht. Auf Grundlage der generierten Risikosignale lässt sich auch ein dynamischer Hedge-Prozess steuern – das Ziel besteht hier nicht nur darin, die risi­koadjustierten Renditen zu verbessern, ­sondern auch die Absicherungskosten zu minimieren.


Dynamisches Hedging
Der dynamische Hedge, basierend auf den Risikosignalen von OpenMetrics (siehe die gleichlautende Grafik im Ein-Asset-Fall anhand des Stoxx 600 Aktienindex) kann ­etwa mit Terminkontrakten durchgeführt werden. Wie gut die Timing-Qualitäten des Algorithmus sind und wie deutlich die Drawdowns eingefangen werden können, lässt die Simulationsrechnung ab Dezember 2005 vermuten. In dieser Berechnung wird auch die große Finanz- und Wirtschaftskrise der Jahre 2007 bis 2009 berücksichtigt. Die grüne Linie in der oberen Grafik zeigt das Ergebnis der konsequenten Signalumsetzung für den Zeitraum von Dezember 2005 bis Januar 2018 im Vergleich zum Stoxx 600 Index Net Return Index (unhedged; dunkelblaue Linie) und dem zu 50 Prozent rein passiv gehedgten Stoxx 600 Index (schwarz). So liegt die annualisierte Rendite des klassischen Index in dem Zeitabschnitt bei 4,98 Prozent per annum, verbunden mit einer jährlichen Volatilität von 14,47 Prozent und einer Sharpe Ratio von 0,34. Dazu gehören ein Maximum Drawdown von 54,34 Prozent und ein durchschnittlicher Drawdown von 14,57 Prozent.


Das Portfolio mit schwankendem Investitionsgrad des dynamisch gehedgten Stoxx 600 Index, das aufgrund der monatlichen ­Risikosignale von OpenMetrics bestimmt und das entweder durch Änderung der Portfolio-Allokation oder mithilfe von Derivaten (Futures) umgesetzt werden kann, liefert ein deutlich verbessertes Risiko- und Ertragsprofil, das mit einer annualisierten Rendite von 5,64 Prozent, mit einer Volatilität von 9,25 Prozent und verbesserten Risikokennzahlen wie einer Sharpe Ratio von 0,61, ­einem Maximum Drawdown von nur mehr 16,06 Prozent und einem ebenfalls stark verbesserten durchschnittlichen Drawdown von 6,81 Prozent einhergeht. Das durchschnittliche Exposure liegt bei zirka 73 Prozent.


Hedge: dynamisch vs. statisch
Wie erfolgreich die dynamische Hedge-Komponente funktioniert, kann man anhand des statisch zur Hälfte gehedgten Stoxx-600-Indexportfolios ersehen, das wesentlich schlechtere Ertrags- und Risikoeigenschaften besitzt als das dynamisch gehedgte. Ein Ertrag von 2,46 Prozent und ­eine Volatilität von 7,26 Prozent bedingen eine Sharpe Ratio von 0,34. Damit einher geht ein Maximum Drawdown von 32,43 Prozent und ein durchschnittlicher Drawdown von 7,93 Prozent. Der Drawdown-Vergleich zeigt sehr deutlich, dass die dynamisch gehedgte Variante ihre Unterwasserperiode verkürzen kann. Eine deutliche Outperformance hätte die Strategie in der Finanz- und Wirtschaftskrise generieren können. Wie konsequent das Konzept im „Ernstfall“ ist, erkennt man daran, dass es zwischen Januar 2008 und Jahresmitte 2009 fast zur Gänze aus dem Risiko gewesen wäre. Die ersten drei bis vier Monate nach dem Drehpunkt des Marktes am 9. März 2009 hätte man damit allerdings verpasst. Auch die Signallage für die Zeiträume von August 2011 bis Mai 2012 (Euro-Staatsschuldenkrise) und von Januar bis Oktober 2016 bewirkte einen zumeist vollständigen Rückzug in Cash.

Anzumerken ist, dass diese Geldmarktphase 2016 sehr lange dauerte, da der Markt bereits Mitte Februar nach garstigen sechs Wochen zum Jahresstart gedreht hatte. In dieser dritten kritischen Phase lief man hinter dem Markt her und konnte keine Outperformance generieren, wodurch sich der 2008/09 generierte Vorsprung ein wenig verringerte. Außerdem dauerte es 2016 nach den sechs schwachen Wochen zu Beginn des Jahres ein gutes halbes Jahr, bis der ­Algorithmus im Herbst wieder „vollständig investiert“ war. Dem Ziel einer Risikoreduktion bei gleichzeitiger Renditesteigerung und damit verbesserter Sharpe Ratio entsprach der signalbasierte Regimewechsel­ansatz aber durchaus. Im realen Einsatz würde man in der Regel das frei werdende Cash in Non-Equity-Portfolios ­allokieren und damit zusätzliche Erlöse ­generieren können.  


Anhang:

twitterlinkedInXING
 Schliessen