Logo von Institutional Money
Geben Sie Ihren Benutzernamen und Ihr Passwort ein, um sich an der Website anzumelden:
4/2021 | Produkte & Strategien
twitterlinkedInXING

Kreditzyklus mit Warnwirkung

Pimco-Experten untersuchen, welche Erklärungskraft von historischen Kreditbooms im Hinblick auf ­zukünftige Erträge von Aktien und Renten ausgeht, und wie man sich an besten aufstellt.

1638177535_kz_2.jpg

Zeit, die Alarmglocken zu läuten? Die historische Auswertung von Kreditzyklen liefert Aufschluss darüber, ab welchem Leverage an den Märkten mit Ertragseinbußen, oder gar Finanzkrisen à la 2008 zu rechnen ist.

© PIMCO, Hiroshi M | stock.adobe.com

Die Finanz- und Wirtschaftskrise 2008 erinnert durch den Credit Crunch stetig daran, wie veränderte Kreditkonditionen eine gesamte Volkswirtschaft und die Finanzmärkte in Geiselhaft nehmen können. Es brauchte folglich nicht lange, bis sich eine wahre Flut an akademischen Studien mit dem Thema beschäftigte und Belege dafür fand, dass auf Perioden mit starkem Wirtschaftswachstum und steigendem Leverage in allen Bereichen mit größerer Wahrscheinlichkeit Abschnitte folgen, die nur ein schwaches Wachstum aufweisen oder eine tiefere Rezession ausbilden beziehungsweise mit höherer Eintritts-wahrscheinlichkeit eine Finanzkrise erwarten lassen. Aber wenn dem Leverage eine gewisse Prognosekraft für makroökonomische Ereignisse zukommt, dann sollte dieser Effekt den Investoren auch Signale über die künftigen Entwicklungen an den Asset-Märkten senden können, dachten sich Josh ­Davis, Managing Director Head of Client Analysis, und Alan M. Taylor, leitender Analyst beim Vermögens­manager Pimco.


Historie mit Potenzial 
Tatsächlich fanden sie durch die ­Untersuchung langer Zeitreihen von Daten aus den Industriestaaten heraus, dass von Kreditbooms negative Signale ausgehen, und zwar nicht nur in ­Bezug auf das künftige reale Wachstum des Bruttoinlandsprodukts, sondern auch für die absoluten Erträge von Aktien und Anleihen sowie für Aktienrenditen im relativen Vergleich zu Anleihenrenditen. In weiterer Folge zeigen Davis und Taylor, dass aus dem Kreditwachstum abgeleitete Signale möglicherweise die Portfolioperformance durch taktische Alloaktionsentscheidungen verbessern können. Die Methode lässt sich auf verschiedene Staaten anwenden, da diese sich nicht alle gleichzeitig im selben Stadium ­einer Kreditexpansion befinden und sich deshalb individuell berechnen lassen. Den beiden Autoren gelingt der Nachweis, dass man die Erträge eines traditionellen angelsächsischen Portfolios (60 Prozent Aktien, 40 Prozent Anleihen) verbessern kann, wenn man die Investitionsquoten anpasst – und zwar den Signalen entsprechend, die über die jeweilige Phase eines Kreditzyklus aufklären. 

Als Grundlage ihrer Untersuchung ziehen die Pimco-Experten die sehr weit zurückreichenden Jahresdaten von Jordá, Schularick und Taylor (JST) heran. Diese reichen von 1870 bis 2015 und sind für 17 Industrie­staaten verfügbar. Diese Datensätze enthalten eine Kenngröße für das private Kreditvolumen auf der Basis von Bankkrediten als Prozentsatz des BIP und die gesamten realen Renditen von vier wichtigen Assetklassen: Aktien, Wohnimmobilien, Staatsanleihen und Schatzwechseln. Für ihre Arbeit benötigen Davis und Taylor ein passendes Signal für ­einen Kreditboom. Dafür verwenden sie die Veränderung des Quotienten aus Kredit (Bankkrediten) zum BIP über einen Zeitraum von drei Jahren, bezeichnet als D3CREDGDP im Land i zum Zeitpunkt t. Warum sich die beiden auf ein Dreijahresfenster verständigten, ist leicht erklärt: Wissenschaftler haben verschiedene Zeitfensterstrukturen getestet, aber ein Zeitfenster von zirka drei bis fünf Jahren bildet den mittelfristigen Kreditzyklus gut ab und hat eine Prognosewirkung auf makroökonomische Größen, wie etwa Mian, Sufi und Verner in „Household Debt and Business Gygles“ 2016 festhielten. Damit wollen die beiden Pimco-Experten auch mögliche Vorwürfe ausräumen, die in Richtung Data Mining gehen könnten. 


Regressionsanalyse
Um die Prognosefähigkeit des Leverage-Signals auf zukünftige Renditen zu untersuchen, werden lineare (OLS-)Regressionen benutzt, um die kumulierten Gesamtrenditen als Funktion des zeitversetzten dreijährigen Kreditwachstums und anderer Kontrollvariablen zu prognostizieren. Die genaue Modellspezifikation sieht folgendermaßen aus:

Dabei ist die abhängige Variable der kumulative Gesamtertrag von Aktien und Anleihen im Jahr h im Land i zur Zeit t. Die erklärende Variable ist das Kreditwachstum D3CREDGDP, die Kontrollvariablen umfassen länderfixe Effekte Xit und Makro-Variablen in Form der Inflation und des realen Wirtschaftswachstums pro Kopf – beide zeitversetzt. Dazu kommen noch zwei konventionelle und weitläufig benutzte Faktoren wie das zwölfmonatige zeitversetzte Momentum und Value, repräsentiert durch die Dividendenrendite respektive die Anleihenrendite. Der interessanteste Koeffizient ist hier bh bei der Variablen für das Kreditwachstum. Die Grafik „Prognostizierte hypothetische Gesamtrendite“ illustriert für Aktien und Bonds, wie sich der Total Return jeweils verändert, wenn sich ein Schock von einer Standardabweichung beim Kreditwachstum auf einen Horizont von fünf Jahren entwickelt. 

Die alles entscheidende Frage allerdings ist, ob der Koeffizient des Kreditwachstums statistisch signifikant ist. Die Untersuchungen zeigen, dass er dies für Aktien nicht, für Anleihen in den Jahren eins bis fünf aber sehr wohl ist. Davis und Taylor finden ebenso heraus, dass größere Kreditbooms Hand in Hand mit der Underperformance von Aktien gegenüber Anleihen gehen. Simuliert man einen Schock, indem man die Kennzahl für das Kreditwachstum mit einer Standardabweichung nach oben setzt, dann fällt der prognostizierte Gesamtertrag von Aktien in den ersten drei Jahren nach dem Schock um 250 bis 300 Basispunkte pro Jahr. Die Prognose für den Anleihen-Gesamtertrag bleibt aber im Wesentlichen ­unverändert.

Diese Ergebnisse unterstützen die Ansicht, dass aus der Prognoseperspektive ­Signale auf Basis des Kreditwachstums eine bestimmte Information über Assetklassenrenditen beinhalten, die in den Makro-Daten oder Standardfaktoren wie Value und Momentum nicht enthalten ist. 


Globaler Backtest
Hier geht es um die Frage, ob globale Portfolios, die stärker in Richtung von Ländern mit einem schwächer boomenden Kreditwachstum aufgestellt sind, jene Portfolios outperformen, die sich mehr den Ländern mit stärkerem Kreditwachstum zuwenden. Können solche Lösungen auch jene Port­folios schlagen, die aufgrund traditioneller Faktoren wie Momentum und Value gebildet werden? Dafür verändern Davis und Taylor denselben Indikator für das Kreditwachstum, den sie der Einfachheit halber Leverage-Faktor nennen. In jedem Jahr ordnen sie die 14 Industrieländer nach dieser Variable relativ zu ihrem länderspezifischen 20-Jahres-Durchschnitt. Ränge werden auch in Bezug auf Momentum – hier erfolgt die Reihung hinsichtlich der Rendite des vergangenen Jahres – und Value verwendet, wo auf die reale Aktienrendite beziehungsweise die reale Bondrendite nach Abzug der Zehn-Jahres-Durchschnittsinflation abgestellt wird. Das Leverage-(L)-Ranking ist invers (hoher Hebel bedeutet Risiko), bei Value (V) und Momentum (M) hingegen nicht invers. Diese Reihung nach Rängen erfolgt für Aktien-, Renten- und 60:40-Mischportfolios. Dabei werden die L-, V- und M-Portfolios so gebildet, dass in die Länder mit einem Top-Terzil-Rating long und in die des dritten Terzils short investiert wird. Es handelt sich bei den L-, V- und M-Portfolios somit um reine Long/Short-Portfolios, die Überschussrenditen generieren. 

Die Sharpe Ratios der Überschussrenditen aus den L/S-Portfolios zeigt die gleichnamige Tabelle an. Dabei wurde für jeweils drei Zeitfenster die Sharpe Ratio gebildet. Hintergrund ist, dass es vor 1958 keine verlässlichen Value-Signale gibt, sodass hier nur das Kredit- oder Leverage-Signal wiedergegeben wird. Im Aktiensegment erzielen die auf dem Leverage-Faktor basierenden Portfolios die höchsten Sharpe Ratios der Single-Faktor-Ansätze. Sowohl für Aktien- als auch Anleihen- und Mischport­folios sind die Sharpe Ratios bei Multi-Faktor-Ansätzen dann am höchsten, wenn in diesen Faktorkombinationen der L-Faktor – und damit der Kreditfaktor – enthalten ist. Der Kreditfaktor ist also von Belang, und das Kreditwachstum hat einen Prognosewert für die Renditen von Assetklassen und damit für Allokationsentscheidungen. 


Zeitreihenanalyse bestätigt ­Resultate
In einem weiteren Schritt zeigen Davis und Taylor, dass der Kreditfaktor auch bei der Verwendung von Zeitreihendaten von Bedeutung ist. Zu diesem Zweck erweitern sie die Analyse in zwei Richtungen: Zum einen verwenden sie ein Prognosemodell für die Renditen der Assets auf Basis der Positionierung im Kreditzyklus und anderer Faktoren. Zum anderen brechen sie mit der Beschränkung einer hundertprozentigen Long-only-Allokation in Aktien und Anleihen, um long und short mit Leverage gehen zu können, wobei die Ausgleichsposition von US-T-Bills übernommen wird. 

Der Ansatz entspricht einem rekursiven Out-of-Sample-Backtesting, bei dem die jährlichen Renditeschätzungen des Modells für Aktien und Anleihen dazu verwendet werden, um das Markowitz-Aktien-/Anleihen-Allokationsproblem für jedes Land zu lösen. Dabei wird derselbe Typus Regres­sionsmodell wie zuvor verwendet, um rollierende Schätzungen eines Vektors von Überschussrenditen für jedes Jahr sowie ­jedes Land und jede Assetklasse zu generieren, wobei man auf einen einjährigen Anlagehorizont abstellt. 

Die Ergebnisse dieses Backtests über die Jahre 1980 bis 2015 sind die Sharpe Ratios der Out-of-Sample-Überschussrenditen (gegenüber T-Bills) der optimalen Portfolios ohne Beschränkungen für jede Strategie. Die nicht gehebelte 60:40 Benchmark zeigt eine rollierende zehnjährige Sharpe Ratio von 0,35. Das Null-Modell, das mit Ausnahme der rollierenden länderfixen Effekte keine ­Signale erhält, weist nur eine Sharpe Ratio von 0,46 auf. Fügt man nur Momentum-, Value- oder Leverage-Signale hinzu, so erhöht sich die Sharpe Ratio beträchtlich auf 0,70 respektive 0,84 und 0,81. 

Verbindet man Momentum- und Value-Signale, so steigt die Sharpe Ratio weiter auf 0,86 an, nimmt man auch noch die ­Leverage-Signale hinzu, sogar auf 0,97. ­Eine Kombination der Signale ist zweifellos der beste Ansatz, wobei die Einbeziehung von Leverage-Signalen die Sharpe Ratio nochmals um 0,11 angehoben hat. 

Skaliert man die Ansätze auf die gleiche Volatilität, die das 60:40-Portfolio hat, steigen die Durchschnittsrenditen beim Null-Modell um 16 Basispunkte, beim L-Faktor um 55 Basispunkte und bei der L-M-V-Faktor-Kombination um 71 Basispunkte (siehe Grafik „Sieben Markowitz-Portfoliostrategien im Vergleich“). Die Strategie, die das volle Set an Signalen in Form von Momentum, Value und Leverage verwendet, liefert ziemlich konsistent die beste Performance über zweieinhalb Dekaden. 


Quartalsanalysen
Die auf Jahresdaten basierenden Ergebnisse illustrieren, dass dem zeitlich verschobenen Kreditwachstum in Form des Leverage-Faktors eine gute Prognosekraft in ­Bezug auf künftige Assetklassenrenditen in den Industriestaaten innewohnt. Nun erhebt sich die Frage, ob höherfrequente Daten – etwa Quartalsdaten – dieselbe Prognosewirkung entfalten können. Schließlich agiert man in der Praxis ja auch mit höherer ­Frequenz. 

Zur Klärung dieses Problems greifen ­Davis und Taylor auf das bereits beschriebene Modell zurück, nehmen aber einige notwendige Änderungen vor: So geht es um die Prognose für das nächstfolgende Quartal und nicht des kommenden Jahres; für die Anleihentangente stellt man nicht mehr auf den Total Return zehnjähriger Staatsanleihen ab, sondern wählt einen Aggregate Bond Index, also eine Mischung aus Unternehmens- und Staatsanleihen auf Basis von Daten von Haver Analytics. Bei der Kennzahl für das Kreditwachstum bezieht man sich nun auf den Durchschnitt der letzten vier Quartale (anstelle der letzten drei Jahre). Auch die Basis für diese Kreditkennzahl ist eine andere: Statt auf den Anteil privater Kredite an den Privatsektor im Verhältnis zum BIP wird der Zähler neu definiert als die gesamte Verschuldung des Privatsektors, wie sie die Bank für Internationalen Zahlungsausgleich (BIZ) publiziert. Hier sind alle Arten von Schulden des Privatsektors aus dem Nicht-Banken-Bereich inklusive Darlehen und verbrieften Dar­lehenswertpapieren enthalten. 

Die Ergebnisse dieses angepassten Modells lassen den Schluss zu, dass vergangenes Kreditwachstum sich als Prognoseinstrument für künftige Aktien- und Anleihenrenditen auch bei Verwendung von Quartalsdaten eignet. In Übereinstimmung mit der Modellierung anhand der Jahresdaten aus der Zeit nach dem Zweiten Weltkrieg ist ein höheres Kreditwachstum nachteilig für künftige Aktienrenditen und schwach positiv für Anleihen. 


Elchtest
Der wirkliche Test, ob die Prognosekraft des Kreditwachstums Performancegewinne verspricht, findet aber erst statt, wenn man diese Signale auf Asset-Allocation-Strategien von optimalen Portfolios bei vierteljährlicher Anpassung anwendet. 

Wie im Fall mit den Jahresdaten verwenden Davis und Taylor rekursive prognostizierte Überrenditen von Aktien und Anleihen, um ein optimales Tangentialportfolio für jeden Quartalsstichtag und jedes Land zu konstruieren. Diese Über- beziehungsweise Untergewichtung von Aktien respektive Bonds wird dann zu einem Weltport­folio mit 1/N-Gewichtung zusammengefügt. Zu diesem Zweck werden Quartalsdaten in einem Out-of-Sample-Zeitfenster, das von 1995 bis heute reicht, verwendet. Dabei erreicht die Überschussrendite der Portfoliostrategie, die die Kombination der Signale der Faktoren M, V und L einsetzt, eine Sharpe Ratio von annualisiert 0,74. 

Die Kombination von Momentum und Value allein generiert eine Sharpe Ratio von 0,67. Somit bringt die Einbeziehung des L-Faktors eine Performanceverbesserung um neun Prozent oder sieben Basispunkte. Ein Null-Modell ohne Signale erreicht 0,61. Das Leverage-Signal allein generiert eine Sharpe Ratio von 0,72 und kommt damit nah an die Dreifachkombination heran. In der Praxis kann die Implementierung einer solchen Strategie schwierig sein. Investoren könnten mit Leverage-Limits konfrontiert sein, die bei Markowitz nicht vorgesehen waren. Die Autoren wagen deshalb ein ­Gedankenexperiment: Man stelle sich ein hypothetisches 60:40-Benchmark-Portfolio mit einer Ländergleichgewichtung vor. Dem Investor ist es aber gestattet, Zusatzperformance zu suchen, indem er kleine Prozentteile des Markowitz-Portfolios als Overlay hinzufügt. Was geschieht dann mit den Portfoliorenditen, wenn man diese kleinen Overlay-Buckets peu à peu ausweitet? Die Antwort: Allein das Hinzufügen des einprozentigen Overlays brächte einen jährlichen Renditevorteil in Form von 40 Basispunkten Überrendite gegenüber dreimonatigen US-Treasuries, die hier als risikofreie ­Anlage verwendet werden, und einer Überschussrendite des 60:40-Portfolios von 6,01 Prozent pro Jahr (genaue Spezifikationen siehe Tabelle „Overlay-Strategien“). Jedes Prozent mehr Overlay bringt naturgemäß dann weitere 40 Basispunkte an Überschussrendite. Bei fünf Prozent Overlay sind das dann 200 Basispunkte mehr und 8,01 Prozent mehr, als der Geldmarkt abwirft. Die Standardabweichung – sie liegt beim 60:40-Portfolio bei 12,99 Prozent per annum – legt je Ein-Prozent-Overlay-Schritt ebenfalls um zirka 40 Basispunkte zu. Trotzdem steigt die Sharpe Ratio kontinuierlich leicht an. Die Freude wird durch den steigenden Tracking Error etwas gedämpft. Sollte ein Investor einem Tracking-Error-Limit von zirka 273 Basispunkten jährlich unterworfen sein, so könnte er immerhin ein fünfprozentiges Overlay implementieren und damit zwei Prozentpunkte Outperformance annualisiert anstreben, rechnen Davis und Taylor vor. Das wäre immerhin eine Verbesserung der Sharpe Ratio um 0,069 Stellen oder eine Verbesserung von 15 Prozent in der risikobereinigten Rendite. Diese Gewinne sind keine Long-only-Gewinne, da die Overlay-Optimierung ohne einschränkende Bedingungen in den Portfoliogewichtungen geschieht. 

Die Implementierung des Overlays impliziert im Durchschnitt eine positive Allokation in Aktien und Bonds, die durch eine Short-Position in Cash finanziert werden muss. Jedes Prozent Overlay bedeutet damit einen zusätzlichen Leverage von fünf bis sechs Prozent. Bei einem fünfprozentigen Overlay wäre man dann im Durchschnitt 130/30 aufgestellt: 130 Prozent Long-Aktien und -Bonds stehen minus 30 Prozent Cash gegenüber. Das durchschnittliche Aktiengewicht läge weiterhin bei zirka 60 Prozent, allerdings stünde dem eine 70-prozentige Bond-Gewichtung gegenüber. Mit anderen Worten: Man landet durch diese Overlay-Strategie im Schnitt bei einer Risk-Parity-ähnlichen Allokation. 


Fazit
Kreditzyklen hinterlassen offensichtlich ihre Spuren bei Aktien- und Anleihenrenditen. Boom and Bust im Kreditzyklus beeinflussen makroökonomische Größen, und so wäre es ein Wunder, wenn sie dies nicht auch mit den Finanzmärkten täten. Die Untersuchungen von Davis und Taylor bestätigen diese Vermutung. Kreditboom-Perioden schienen bis vor Kurzem noch Hand in Hand mit sehr guten Aktienrenditen zu ­gehen, ließen aber schwache Aktienrenditen in der nahen Zukunft erwarten. Diese sind nun durch den zumindest dunkelgrauen Schwan „Covid-19“ tatsächlich eingetreten. Spannend zu sehen wäre gewesen, ob auch ohne dieses unerwartete und außergewöhnlich heftige Ereignis schwächere Aktienrenditen gefolgt wären – etwa durch eine klassische Rezession.

Signale, die aus dem Kreditwachstum abgeleitet werden, können also offensichtlich ein nützlicher Input für taktische Asset-Allocation-Strategien sein, und das gemeinsam mit Value- und Momentum-Signalen, wie die beiden Pimco-Experten gezeigt haben. Man darf gespannt sein, ob weitere Arbeiten die Robustheit der Ergebnisse von Davis und Taylor bestätigen.

Dr. Kurt Becker 


Anhang:

twitterlinkedInXING
Institutional Money Kontakt
Logo von Institutional Money
Institutional Money
c/o FONDS professionell Multimedia GmbH, Landstrasser Hauptstraße 67, EG/Hof, 1030 Wien

Telefon: +43 1 815 54 84-0
Fax: +43 1 815 54 84-18
E-Mail: office@institutional-money.com

Redaktion Köln:
Hohenzollernring 52
50672 Köln
Telefon: +49 221 33 77 81-0
Telefax: +49 221 33 77 81-19
 Schliessen

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