Das Fachmagazin für institutionelle Investoren

Geben Sie Ihren Benutzernamen und Ihr Passwort ein, um sich an der Website anzumelden:
3/2017 | Theorie & Praxis
twitterlinkedInXING

Fake Alpha

Warum geben sich Investoren von aktiven Fonds mit negativen Überschussrenditen zufrieden? Und warum erhalten sie statt echtem Alpha oft nur Faktorprämien und somit falsches Alpha?

1508422841_teaserbild4.jpg

Wer für Managementleistung bezahlt, möchte echtes Alpha bekommen. Ob das in der Praxis der Fall ist, lässt sich allerdings nicht so ohne Weiteres feststellen. Denn Fondsmanager, die Faktor-Wetten eingehen, können über lange Zeiträume hinweg vermeintliches Alpha produzieren, obwohl sie in Wahrheit doch nur Beta verkaufen.

Foto: © GMF, KIT

Die intensive Beschäftigung mit dem Thema Smart Beta in den letzten Jahren hat auch ein Problem ans Tageslicht gebracht, das davor vielen Marktteilnehmern entgangen sein dürfte. Lukrieren aktive Manager Faktorprämien wie Value, Size oder Momentum, dann verkaufen viele von ihnen den Investoren nicht ihre besonderen Fähigkeiten als Fondsmanager (Skill) und somit Alpha, sondern schlicht und einfach Beta. Das erklärt auch, warum immer wieder Fondsmanager, die jahrelang besser als ihr Markt performten, plötzlich ans Fußende der Rankings rutschen. Wenn der Faktor, auf den sie – aus welchen Gründen auch immer – gesetzt haben, nicht mehr funktioniert, sind die fetten Jahre vorbei. Echte Alpha-Manager würden im Idealfall nicht versuchen wollen, mit gutem Timing von einem Faktor zum anderen zu wechseln, um Faktor-Betas abzugrasen. Das Thema ist vor allem deshalb heikel, weil sich die Industrie dieses Beta im Alpha-Mantel ebenso gut honorieren lässt wie „echtes“ Alpha. Allerdings dürfte das in ­Zukunft schwieriger werden, denn nachdem die Forschung das Phänomen unter die Lupe genommen hat, werden auch immer mehr Investoren dafür sensibilisiert. Marliese Uhrig-Homburg, Inhaberin des Lehrstuhls für Financial Engineering und Derivate am Karlsruher Institut für Technology (KIT), ihr wissenschaftlicher Mitarbeiter Marcel Müller und KIT-Student Tobias Rosenberger beschäftigten sich vor Kurzem in einer Studie mit der Frage, woran es eigentlich liegt, dass Anleger bisher nicht kritischer waren.


Eugene Fama und Kenneth French fanden in ihrer Arbeit „Luck versus Skill in the Cross-Section of Mutual Fund Returns“ aus dem Jahr 2010 im Schnitt negative risi­ko­adjus­tierte Renditen bei aktiv gemanagten Aktienfonds.


Erklärbar wäre das damit, dass der durchschnittliche Käufer aktiver Fonds bei der Quantifizierung des Risikos systematisch falschliegt. Wäre dies der Fall, müsste er zwangsläufig auch die Performance falsch bewerten – ob sie auf Alpha oder Beta zurückzuführen ist, wäre für ihn nicht feststellbar. Und genau das ist der Fall, meinen die KIT-Wissenschaftler Uhrig-Homburg, Müller und Rosenberger. In ihrer Analyse erweiterten sie das von Berk und Green 2004 vor­ge­schlagene Modell um Investoren, die we­ni­ger detaillierte Informationen besitzen als die Fondsmanager und daher außerstande sind, Risiken richtig zu quantifizieren. Dabei gelingt es dem Autorentrio zu zeigen, dass Investoren negative Überschussrenditen im Gleichgewichtszustand erhalten.


Im Einklang mit dem Modell kann anhand empirischer Daten demonstriert werden, dass das durchschnittliche Netto-Alpha, gemessen am CAPM (Capital Asset Pricing Model), im Gleichgewichtszustand signifikant negativ ausfällt. Was die Definition des Gleichgewichtszustands für einen spezifischen Fonds anbelangt, nehmen die Autoren nicht jeden beliebigen Zeitpunkt, wie das die Literatur in aller Regel tut, sondern folgen Berk und Green. Sie unterstellen, dass ein Investor durch Bayes’sches Lernen, eine Form des adaptiven Lernens bei Unsicherheit, Informationen über die Fähigkeiten des Fondsmanagers erhält und sich dadurch die Größe des Fonds langsam einem langfristigen Gleichgewichtszustand annähert. Um diese Zustände zu finden und zu analysieren, stellen die Autoren einen neuen Weg zur Messung der Fondsgröße vor, indem sie die absolute Größe eines Fonds ins Verhältnis zu seiner durchschnittlichen Größe über die gesamte Beobachtungsperiode setzen. Dadurch wird nicht nur die Querschnittsvariation in der Größe zwischen den Fonds verringert, ­sondern dieser Ansatz erleichtert auch die Identifikation von Gleichgewichtszuständen verschiedener Fonds zu verschiedenen Zeitpunkten. Aufbauend auf dieser Standardisierung können die Wissenschaftler eine signifikant negative Beziehung zwischen der Größe eines Fonds und dem ­Netto-Alpha, das Investoren erhalten, beobachten.
In einem weiteren Schritt wird das CAPM-Alpha in zwei Teile aufgespalten. Da ist einmal die Fake-Alpha-Komponente, die eigentlich Beta darstellt und Risikoprämien enthält, die über das allgemeine Marktrisiko hinausgehen (Value, Size und Momentum). Hier wird auf das Drei-Faktor-Modell von Fama/French beziehungsweise das Vier-Faktor-Modell nach Carhart abgestellt. Der andere Teil ist echtes Alpha (True Alpha), das die Differenz zwischen CAPM-Alpha und Fake Alpha darstellt und hinter dem kein über das Marktrisiko hinausgehendes Faktorrisiko steht.


Die Kapitalmarktforscher finden Indizien dafür, dass Fondsmanager Fake Alpha und True Alpha als Substitute verwenden. Den Spuren von Pastor, Stambaugh und Taylor folgend, die 2015 zum Thema „Scale and Skill in Active Management“ publizierten, wird die Größe der Fondsmanage­ment­indus­trie (nur aktives Management) verwendet. Sie entspricht dem Anteil aller akti­ven US-Aktienfonds an der gesamten Marktkapitalisierung der US-Aktien und stellt im Zeitablauf eine Kenngröße für die Wettbewerbsintensität auf dem Markt dar.


Die Hypothese lautet: Wenn der Wettbewerb intensiver wird und die betreffende Kennzahl steigt, dann wird es für die Fondsmanager relativ teuer, True Alpha zu generieren. Die Ergebnisse der Studie zeigen, dass die Fondsmanager in härteren Wettbewerbszeiten dazu tendieren, durch Stilwetten Faktorprämien zu verdienen und damit ihren Investoren mehr Fake Alpha zu präsentieren. Diese Resultate legen den Schluss nahe, dass die Fondsmanager wissen, dass sich die Fondsinvestoren in einem Zustand mit Informationsnachteil befinden, und da sie proportional zu dem von ihnen verwalteten Vermögen bezahlt werden, verhalten sie sich auch vollkommen rational.


Drei Säulen
Das Modell, das die KIT-Forscher einsetzen, ruht auf drei Säulen: Erstens sehen sich die Fondsmanager mit einem abnehmenden Grenzertrag konfrontiert, die erwartete CAPM-Überschussrendite ist mit steigendem Volumen rückläufig. Zweitens wird ­angenommen, dass die Investoren CAPM-Alphas hinterherjagen. Drittens geht man davon aus, dass Investoren nicht nur CAPM-Alphas suchen, sondern auch unwissend im Hinblick auf Faktorrisiken sind.
Seit einiger Zeit gibt es eine Debatte in der Wissenschaft, ob Faktorprämien eine Kompensation für Risiken darstellen oder nur existieren, weil es Restriktionen an den Märkten gibt. Chu, Hirshleifer und Ma publizierten 2016 zum Thema der kausalen Effekte von Arbitrage-Limits bei Assetpreis-Anomalien. Dabei fanden sie, dass sich beispielsweise die Momentumprämie deutlich verringert, wenn Restriktionen für das Shorten von Aktien wegfallen. Jedenfalls kann ein Fondsmanager leicht CAPM-Alpha schaffen, wenn er Exposure zu Risikofaktoren eingeht und damit Stilprämien lukriert, wobei dieses falsche Alpha dann aus der Perspektive des mit Informationsnachteilen behafteten Investors wie Skill und damit True Alpha aussieht.


Aufbauend auf diesen drei Säulen nehmen die Autoren an, dass Investoren bezüglich der Fähigkeiten eines Fondsmanagers einen Bayes’schen Lernprozess durchlaufen. Sie beobachten die Fondsrenditen der Vergangenheit und stellen dem Fonds so lange Mittel zur Verfügung, bis sie eine Überschussrendite von null erwarten. Dabei verfügen sie über einen Informationsnach­teil. Aus der Ex-post-Perspektive erhalten ­Investoren im Gleichgewichtszustand negative erwartete Überschussrenditen. Ihre Unwissenheit bezüglich Faktorstrategien führt die Investoren zur Überschätzung der Skills der Fondsmanager und schlussendlich dazu, zu viel Mittel in den Fonds im Gleichgewichtszustand zu investieren.
Das KIT-Team stellt auf Daten des Centers for Research in Security Prices (CRSP) und von Morningstar ab. Das Sample setzt sich aus 3.292 aktiv gemanagten amerikanischen Aktienfonds zusammen, die primär in US-Aktien investieren. Mehr als 95 Prozent aller Assets dieser Fonds sind tatsächlich in US-Aktien angelegt. Die Anzahl der in den Regressionsanalysen eingesetzten Fonds variiert allerdings deutlich über die Zeit (siehe Grafik „Analysiertes Fondsuniversum“), stellen doch nicht alle Fonds, deren Rendite bekannt ist, Daten zur Expense Ratio oder zur Managementgebühr zur Verfügung. Der Untersuchungszeitraum reicht von März 1993 bis Dezember 2014. Im Schnitt haben die untersuchten Fonds einen monatlichen Nettoertrag von 73,3 Basispunkten, während das Investoren-Alpha, ­also das Netto-Alpha nach der CAPM-Methodik, bei einem Minus von fünf Basispunkten liegt. Das zeigt die Tabelle „Summarische Statistik“.


Das True Alpha wird ähnlich dem Ein-Faktor-CAPM-Modell mithilfe des Drei-Faktor-Modells (True Alpha FF3) nach Fama/French und des Vier-Faktor-Modells nach Carhart (True Alpha CH4) in der Regressionsrechnung geschätzt. Um die Bruttowerte zu erhalten, werden zu den Schätzwerten die monatlichen Fondsmanagementkosten hinzugerechnet. Um das True Alpha im Sinne der Arbeit von Pastor und Kollegen 2015 zu erhalten, nahmen die Autoren einfach die Differenz zwischen der Bruttorendite des Fonds und der korrespondierenden Rendite der von Morningstar (MS) dem Fonds zugeordneten Benchmark (True Alpha MS). Die Fake Alphas werden als Differenz zwischen dem Investor-Alpha und dem True Alpha (Nettowert; entspricht dem True Alpha minus der monatlichen Management Fee) ausgewiesen. Abhängig davon, welches Faktormodell nun angewendet wird, liegt das durchschnittliche True Alpha zwischen ­einem und zwei Basispunkten, während das durchschnittliche Fake Alpha in einer Bandbreite von drei bis fünf Basispunkten zu finden ist. Die durchschnittliche Fondsgröße beträgt – auf Basis inflationierter 2014-Dollar – 1,952 Milliarden US-Dollar. Ebenfalls ermittelt werden die Expense Ratio (Gesamtkostenbelastung des Fonds), die Kosten der Managementgebühr und der Portfolioumschlag als Prozentsatz der Assets under Management, wobei die Jahreswerte gezwölftelt wurden. Auf Monatsbasis liegen die durchschnittlichen operationalen Kosten bei sechs Basispunkten und die Management Fee bei fünf Basispunkten.


In den Spalten 1 und 2 der Tabelle „Wovon CAPM- und True Alphas abhängen“ wird das CAPM-Alpha des Investors als abhängige Variable auf die erklärende Variablen „standardisierte Fondsgröße“ regressiert und das Ergebnis nach dem Exposure zu „Größe der aktiven Asset-Management-Industrie“, „Fondsalter“, „Managementgebühr“, „Portfolioumschlag“ und den Stilprämien Value, Size und Momentum kontrolliert. Einmal werden dafür alle Fonds herangezogen, das andere Mal nur jene, die älter als vier Jahre sind. Dabei zeigt sich, dass der geschätzte Steigungskoeffizient für die „standardisierte Fondsgröße“ bei minus 33 Basispunkten liegt. Das bedeutet nichts anderes, als dass im Falle aller Fonds das Alpha des Investors, wenn der Fonds von null auf hundert Prozent seiner Durchschnitts­größe wächst, um 33 Basispunkte pro Monat sinkt. Der t-Wert von minus 2,79 ist ein Indiz dafür, dass das Ergebnis statistisch signi­fikant (Konfidenz 99 Prozent) ist. Diese sinkenden Renditen bei steigendem Fondsvolumen sind nicht nur statistisch, sondern auch wirtschaftlich bedeutend. So führt beispielsweise die Erhöhung des Fondsvolumens um eine Standardabweichung zum Abfall des Investoren-Alphas um 20 Basispunkte monatlich. Dies unterstützt die eingangs von den Autoren geäußerte These, dass eine negative Beziehung zwischen dem Alpha der Investoren und der Fondsgröße besteht.


Betrachtet man die Kontrollvariablen, so steht die Größe der Asset-Management-Industrie in keiner signifikanten Beziehung zum Alpha der Investoren. Zu beobachten ist eine negative Beziehung zwischen Fonds­alter und Investoren-Alpha. Dieses Ergebnis passt gut ins Bild des Modells, dass Inves­toren anfangs weniger als das Optimum in Fonds investieren. Lässt man die jüngeren Fonds weg (Spalte 2 der Tabelle), verringert sich der betragsmäßige Wert (von –3,50 auf –3,07) mit einem t-Wert von –2,17. Somit scheint der Lerneffekt unter den sehr jungen Fonds stärker ausgeprägt zu sein. Die Managementgebühr und das Investoren-Alpha stehen in keiner signifikanten Beziehung zueinander. Was den Portfolioumschlag anbelangt, so besteht eine signifikant positive Beziehung zwischen Investoren-Alpha und Umschlagshäufigkeit im Fonds. Fondsmanager scheinen also nur dann zu traden, wenn sie ein positives Nettoresultat aus ihren Umschichtungen erwarten. Wenn das gesamte Portfolio innerhalb eines Jahres gedreht wird (Turnover 100 Prozent), können Investoren im Schnitt sieben Basispunkte (exklusive junger Fonds: vier Basispunkte) mehr Alpha pro Monat erwarten, als wenn gar keine Umschichtungen stattfinden. In beiden Modellen korrelieren die Risikoprämien Value und Size mit dem Investoren-­Alpha. Das impliziert, dass der durchschnittliche Fonds ein positives Expo­sure zu den beiden Risikofaktoren aufweist. Die Beziehung zwischen CAPM-Alpha und Momentum ist hingegen insignifikant, aber auch leicht positiv.


True Alphas und Fondsgröße
In einem nächsten Schritt werden Regressionsrechnungen mit den drei True Alphas (nach Fama/French, Carhart und Morningstar; Spalten 3 bis 8 der Tabelle „Wovon CAPM- und True Alphas abhängen“) als abhängiger Variabler und der Fondsgröße als unabhängiger Variabler mit den gleichen Kontrollvariablen durchgeführt. Auch hier werden sechs Varianten, ­jeweils drei über alle Fonds beziehungsweise nur über mindestens vier Jahre alte Fonds gerechnet.
Über alle Varianten ist eine negative Beziehung zwischen True Alpha und Fondsgröße zu sehen, die innerhalb einer Bandbreite von minus 31 bis minus 8 Basispunkten pro Monat liegt und – außer im Fama/French-True-Alpha-Fall – statistisch signifikant ausfällt. Dabei fällt auf, dass die absoluten Werte der t-Statistik dort größer sind, wo junge Fonds ausgeschlossen sind. Im Fall von True Alpha nach Carhart etwa (ohne junge Fonds; Spalte 6) führt die Erhöhung des Fondsvolumens von null auf 100 Prozent des Durchschnittsvolumens zu einer Verringerung des True Alphas von 21 Basispunkten pro Monat. Das Resultat unterstützt die Annahme, dass eine negative Beziehung auch zwischen Fondsgröße und True Alpha existiert.
Betrachtet man die Beziehung der True Alphas zur Kontrollvariablen „Größe der Asset-Management-Industrie“, so ist diese meist negativ, aber üblicherweise nicht sig­ni­fikant. Das Modell der 5. Spalte ist das Einzige, wo eine leicht signifikant negative Beziehung der beiden Kenngrößen besteht. Der Koeffizient liegt hier bei minus 6,40, was bedeutet, dass im Fall des Anstiegs der Assets der Industrie um ein Prozent das True Alpha nach Carhart (True Alpha CH4) um sechs Basispunkte pro Monat fällt. Die Relation zwischen Fondsalter und True Alpha ist ebenfalls negativ, wobei die Koeffizienten immer dort größer sind, wo junge Fonds ausgeschlossen sind. Betreffend der Managementgebühr ist festzuhalten, dass es generell eine negative Beziehung zu True Alpha dort gibt, wo alle Fonds Berücksichtigung finden.

Schließt man die jungen Fonds hingegen aus, dann drehen die Koeffizienten ins Positive. Meist ist aber keine statistische Signifikanz gegeben. Diese Ergebnisse könnten einen Inkubator-Bias widerspiegeln: Management Fees junger Fonds könnten bewusst niedrig angesetzt werden, um in der Startphase des Fonds hohe Alphas zu produzieren, und dann in der Folge sukzessive erhöht werden. Betreffend die Umschlagshäufigkeit sind die Regres­sionskoeffizienten durchwegs positiv und sig­nifikant in jenen Fällen des Fama/French- und Morningstar-True-Alpha, wenn alle Fonds berücksichtigt werden. Auch das weist darauf hin, dass Fondsmanager nur dann traden, wenn sie einen positiven risikoadjustierten Ertrag erwarten. Risikoprämien hingegen haben einen negativen Effekt auf True Alpha, wenn sie signifikant sind, mit Ausnahme der Momentum-Risikoprämie beim Morningstar-True-Alpha.


Fake Alpha
Die Ergebnisse der Regressionsrechnungen für Fake Alpha als abhängige Variable zeigt die Tabelle „Fake Alpha fällt mit der Fondsgröße“. In jeder Modellspezifikation ist die Fondsgröße signifikant negativ mit Fake Alpha korreliert. Dabei nehmen die Regressionskoeffizienten Werte zwischen –0,10 und –0,03 an, während die t-Werte zwischen –6,42 und –2,08 schwanken. Beispielsweise im Fall des Carhart Fake Alphas über alle Fonds (Spalte 4) bedeutet der Steigungskoeffizient von minus 0,06, dass bei einem Anstieg des standardisierten Fondsvermögens von null auf 100 Prozent das monatliche Fake Alpha um sechs Basispunkte pro Monat fällt. Auch das Ergebnis steht im Einklang mit der These, dass eine negative Beziehung zwischen Fake Alpha und der Fondsgröße besteht. Die Relation Fake Alpha zu Größe der aktiven Asset-Management-Industrie ist nur im Fall des Carhart Fake Alpha signifikant positiv. Wirtschaftlich bedeutet das, dass im Fall eines einprozentigen Anstiegs der Assets der aktiven Fondsindustrie das durchschnittliche Fake Alpha um acht Basispunkte pro Monat zunimmt. Wie die Tabelle „Summarische Statistik“ zeigt, hat die Industriegröße eine Standardabweichung von 1,63 Prozent, sodass eine Erhöhung des Asset-Management-Industrie-Volumens um eine Standardabweichung eine durchschnittliche Steigerung des Fake Alphas nach Carhart um 13 Basispunkte bedeutet. Zu beobachten ist des Weiteren eine generell positive Beziehung zwischen Industriegröße und allen Fake-Alpha-Spezifikationen, während die Beziehung zwischen Industriegröße und True Alphas eher negativ ist (vergleiche Tabelle „Wovon CAPM- und True Alphas abhängen“).


Das Fondsalter ist negativ mit Fake Alpha korreliert, ähnlich den Fällen der Beziehung zwischen CAPM- und True Alphas sowie dem Fondsalter, doch nur im Fall des Fake Alpha ist keine Signifikanz gegeben. Auch eine signifikante Relation zwischen Fake Alpha und den Managementgebühren sucht man vergeblich. Der Portfolioumschlag und Fake Alpha stehen in einer positiven, wenngleich im Fall des Morningstar-Fake-Alpha nicht signifikanten Beziehung. Das könne man wiederum als Hinweis interpretieren, so die Autoren, dass Fondsmanager nur dann Veränderungen im Portfolio vornehmen, wenn sie eine positive Bruttorendite daraus erwarten. Die Risikoprämien sind generell signifikant positiv mit Fake Alpha korreliert, was plausibel erscheint, denn wenn sich die Faktorexposures zu den Stilprämien nicht ändern, bedeutet das dennoch, dass dieses Faktorexposure direkt zu höheren Fake Alphas führt. Nichtsdestotrotz beobachtet das Autorentrio gegen jede Erwartung eine signifikant negative Beziehung zwischen der Momentum-Prämie und dem Morningstar-Fake-Alpha. Laut den Verfassern der Studie deute das daraufhin, dass die Morningstar-Benchmark Schwierigkeiten dabei hat, Veränderungen im Risikofaktor-Exposure einzufangen.


Operationale Kosten
Die Regressionsresultate liegen hier auf der Linie der Alpha-Regressionen. Die Auto­ren beobachten eine signifikant negative Beziehung zwischen Fondsgröße und operationalen Kosten. Die Höhe des Regres­sions­koeffizienten suggeriert, dass bei einer Steigerung des standardisierten Fondsvolumens von null auf 100 Prozent die operationalen Kosten um einen Basispunkt pro Monat zurückgehen. Die signifikant positive Relation zwischen der Asset-Management-Industrie-Größe und den operationalen Kosten ist zwar relativ klein, bedeutet aber doch, dass eine Erhöhung der Assets der Industrie um eine Standardabweichung zu einer Steigerung der operationalen Kos­ten von 23 Basispunkten pro Monat führt. Das deckt sich mit dem Narrativ, dass verstärkter Wettbewerb unter aktiven Managern höhere Kosten der Alpha-Generierung bedeutet.


Vergleicht man die Steigungskoeffizienten von True und Fake Alphas, so sieht man, dass die Beziehung zwischen den Risikoprämien und den True Alphas eher insignifikant und negativ ist, während jene zwischen Risikoprämien und Fake Alphas positiv ausfällt. Nimmt man beides zusammen, kann man das wie folgt interpretieren: Fondsmanager betrachten Alpha- und Faktorstrategien als Substitute. Wird das Faktorexposure erhöht, erhöhen sich auch die Vorteile aus diesen Strategien, abzulesen an den positiven Risikoprämien-Koeffizienten der Tabelle „Fake Alpha fällt mit der Fondsgröße“. Deshalb fokussieren sich Manager dann weniger auf den aktiven Part, und True Alpha geht zurück. Das entspricht den negativen Risikoprämien-Koeffizienten der Tabelle „Wovon CAPM- und True Alphas abhängen“. Auch wenn die Konkurrenzsituation im ­aktiven Management zunimmt, wird es für Fondsmanager schwieriger, Alpha zu generieren, wenn man wirklich aktive Strategien fährt (negative Industriegröße-Koeffizienten in der Tabelle „Fake Alpha fällt mit der Fondsgröße“). Somit verlieren die Fondsmanager den Anreiz, in Zeiten hohen Wettbewerbs aktive Strategien zu fahren, und wenden sich stattdessen dem Faktor-Inves­ting zu. Letzteres spiegelt sich in den positiven Koeffizienten der ­Industriegröße in der Tabelle „Fake Alpha fällt mit der Fondsgröße“ wider.


Schlussfolgerungen
Modellkonform können die Auto­ren eine signifikant negative Beziehung zwischen dem CAPM-Inves­toren-Alpha, True Alpha, Fake Alpha und den operationalen Kosten auf der einen Seite und der Fondsgröße auf der anderen beobachten. Im Gleichgewichtszustand sind die negativen CAPM-Alphas der Investoren ungefähr gleich groß wie die Managementgebühr der Fondsmanager. In Übereinstimmung mit dem vorgestellten Modell impliziere das, so die Autoren, dass die Investoren den Fehler begingen, zu viel in aktiv ­gemanagte US-Aktienfonds zu investieren, denn negatives Alpha in der Höhe der Management Fee können nur dann anfallen, wenn die Investoren wesentlich höhere Summen in den Fonds investieren, als wenn sie voll informiert wären. Des Weiteren gelingt es dem Autorentrio zu zeigen, dass im Schnitt die Investoren nicht von dem strukturellen Fehler, den sie begingen, lernten, ­jedoch gebe es eine kleine Gruppe von Investoren, die zu lernen scheint. Müller dazu: „Im Modell aktualisieren alle Investoren ihre Parameter basierend auf dem Bayes’schen Lernen, dies gilt auch bezüglich der Annahme für die Empirie. Man kann lediglich davon ausgehen, dass für diese kleine Gruppe von Investoren, die im Lauf der Zeit ihren Fehler erkennen, die asymmetrische Annahme bezüglich der Ausgangslage, nämlich kein Verständnis für Faktorrisikoprämien zu haben, ab diesem Zeitpunkt nicht mehr ­besteht.“ Wenn man diese kleine Gruppe betrachtet, so kann man schätzen, dass die aktive US-Aktienfondsindustrie um 23 Prozent zu groß dimensioniert ist. Das Modell impliziert, dass die überschüssigen Mittel die Markteffizienz nicht zu sehr verbessern, da sie von den Managern indexiert inves­tiert werden. Somit sollte der Anteil der Gelder, der in wirklich aktive Aktienstrategien investiert wird, von diesen Überschussinvestments unberührt bleiben.


Betrachtet man das gesamte Szenario, wo die Größe der Asset-Management-Industrie bei Weitem die optimale Größe übersteigt, so würde das näherungsweise bedeuten, dass im Schnitt fünf Basispunkte pro Monat des gesamten Werts der Assets – dies entspricht in etwa der durchschnittlichen Managementgebühr von aktiven US-Aktienfonds – irrtümlicherweise von den Investoren an die Fondsmanager als Konsequenz der falschen Einschätzung des Manager Skills gezahlt werden. Betrachtet man nur die kleine Gruppe der Investoren, die aus ihren Fehlern lernen, und projiziert deren Verhalten auf die Überdimensionierung der Industrie von 23 Prozent und die fünf Basispunkte Kosten, so handelt es sich dabei um keine Petitesse. Wie das Investment Company Institute in seinem Bericht 2015 festhielt, managte die gesamte aktive US-Fondsindustrie 2014 15,9 Billionen US-Dollar. Gut 3,6 Billionen waren dem Modell zufolge Überinvestments, für die 0,6 Prozent pro Jahr an Management Fee und somit 21,9 Milliarden US-Dollar, auf Irrtümern fußend, berappt wurden. Das entspricht 0,14 Prozent des BSP der USA 2014 oder 244 US-Dollar je Fondsbesitzer.


Fazit
Unter der Annahme, dass Investoren nicht die wahren Marktmechanismen kennen und sich im Informationsnachteil gegenüber den Fondsmanagern befinden, die diese Informationsasymmetrie zu ihrem Vorteil nutzen können, zeigt die Arbeit, dass negative Überschussrenditen (Alphas) für Investoren in einem Gleichgewichtszustand die Konsequenz eines rationalen Verhaltens auf beiden Seiten sind. Investoren verwechseln Faktorrisikoprämien (Fake Alpha) mit tatsächlichem Management Skill (True ­Alpha). Weil Fake Alpha für die Manager verhältnismäßig einfacher zu verdienen ist als True Alpha, führt das im Gleichgewicht zu einer Überschätzung der Managerfähigkeiten aus der Perspektive der Investoren. Sie tasten sich, von einem Ankerwert ausgehend, durch adaptives Lernen bei Unsicherheit an die – aus ihrer Perspektive – ­optimale Fondsgröße heran. Aufgrund der Informationsasymmetrie liegt diese jedoch oberhalb der tatsächlichen optimalen Fondsgröße, das heißt, die Investoren investieren zu große Summen in aktiv gemanagte Fonds.


Aufbauend auf dem theoretischen Modell zeigt die KIT-Studie auch empirisch, dass das Alpha der Investoren in Gleichgewichtszuständen tatsächlich negativ ist und dass, wie durch das Modell prognostiziert, auch ein negativer Zusammenhang zwischen Fondsvolumen und Alpha besteht. Die Ergebnisse legen den Schluss nahe, dass sich die Asset Manager darüber im Klaren sind, dass die Investoren vereinnahmte Faktorrisikoprämien für echtes ­Alpha halten. Die Generierung von echtem Alpha ist jedenfalls mit höheren Kosten verbunden, weswegen man bei steigendem Wettbewerb in der Fondswelt – als Proxy dient hier das Gesamtvolumen der Asset-Management-Industrie – verstärkt Faktorstrategien umsetzt, denn diese lassen sich nun einmal kostengünstiger realisieren.


Der Praktiker sollte danach trachten, ­Informationsdefizite abzubauen, um Risiken richtig zu quantifizieren und vom Fonds­manager vereinnahmte Faktorprämien nicht irrtümlich als Alpha-Leistung (Skill) zu hono­rieren. Regelmäßige Performanceattributionen und Tools wie MSCI Barra helfen dabei. Oft bieten auch Fondsreglements Schlupf­löcher, indem sie opportunistische Öffnungsklauseln beinhalten.


Anhang:

twitterlinkedInXING
 Schliessen