Das Fachmagazin für institutionelle Investoren

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

Gut rotiert ist halb gewonnen

Wie das Fünf-Faktor-Alpha von Eugene Fama und Kenneth French dazu genutzt werden kann, eine Handelsstrategie der US-Sektorrotation erfolgreich in die Praxis umzusetzen.

1523968169_teaserbild4.jpg

Ähnlich der Sektorrotationsstrategie, die auf das Fünf-Faktor-Alpha auf Basis von Fama/French abstellt, sind es hier bei diesem Riesenrad fünf Gondeln, die im Mittelpunkt stehen.

Foto: © univ. Greenwich; Adobe.Stock.com | kiyopay

Die Evolution in der (theore­tischen) Vermögensverwaltung verläuft zwar langsam, aber es gibt doch Fortschritte. Schon im Jahr 1993 erweiterten Eugene Fama und Kenneth French ihr Capital Asset Pricing Model um die Faktoren ­Size und Value, nachdem sie festgestellt hatten, dass sich das Marktportfolio durch die Ergänzung um Aktien kleinerer Unternehmen und Value-Werte optimieren lässt. Der langjährige Goldman-Sachs-Fondsmanager und spätere Gründer von Kapos Capital, Mark M. Carhart, ergänzte die Faktoren von Fama und French 1997 um einen vierten Faktor namens Momentum. Und seit 2003 wissen wir dank einer Arbeit von Lubos ­Pastor und Robert Stambaugh, dass man mit einem Fünf-Faktor-Modell – sie fügten den Liquiditätsfaktor LIQ hinzu – eine weitere Risikoprämie vereinnahmen kann, wobei hier von der Übernahme des Risikos, das mit illiquiden Aktien verbunden ist, die Rede ist. Dadurch gelang es, die unerklärte Renditedifferenz Alpha weiter zu mini­mieren.


Fama und French bessern nach
2015 legten auch die Altmeister Fama und French nach und stellten ihr Fünf-Faktor-Modell vor. Sie ergänzten ihre frühere Faktorenliste um die Punkte „Profitabilität“ und „Investment“, die beide für Qualität stehen. Diese Faktoren werden von Kenneth French monatlich via goo.gl/iyNmS veröffentlicht. Diese sind neben dem Marktfaktor:
• HML (High Minus Low) ist die Überrendite, die ein Portfolio aus Aktien mit hohen Buchwerten (entspricht einem niedrigen Kurs-Buchwert-Verhältnis; KBW) zu einem Portfolio aus Aktien mit niedrigen Buchwerten – und einem hohen KBW ­erzielt. Dieser Faktor beschreibt, inwieweit sich die Suche nach unterbewerteten Aktien anhand des Buchwerts gelohnt hat. Er wird als Value-Faktor bezeichnet.
• SMB (Small Minus Big) beschreibt die Überrendite eines Portfolios aus Aktien mit kleiner Marktkapitalisierung (Small Caps) gegenüber einem Portfolio aus ­Aktien mit hoher Market Cap (Large Caps) und somit den Size-Faktor. Er legt dar, ob sich der Mehraufwand bei der ­Suche nach kleiner kapitalisierten Unternehmen renditemäßig auch ausgezahlt hat.
• RMW (Robust Minus Weak) ist die Überrendite eines Portfolios aus profitablen Aktien, gemessen am Return on Investment (ROI) gegenüber einem Portfolio, das aus wenig profitablen Aktien besteht. Dieser Rentabilitäts- oder Profitabilitätsfaktor beschreibt, wie viel Überrendite durch die Analyse der Profitabilität von Unternehmen erzielt werden kann.
• CMA (Conservative Minus Aggressive) beschreibt schließlich die Überrendite ­eines Portfolios, bestehend aus konser­vativen Aktien, im Vergleich zu einem Portfolio mit aggressiven Aktien. Dieser Faktor wird anhand der Investments bestimmt, indem man ein Portfolio aus Titeln mit niedrigen Investitionen long und ein korrespondierendes von Aktien mit hohen Investitionen short geht. Dieser Investmentfaktor gibt an, ob die Auswahl konservativer Aktien mit einer Überrendite prämiert wird.


Obwohl Momentum bei Fama und French kein Faktor ist, finden sich auf ihrer Homepage doch Daten zum Momentum-Faktor. Der Vollständigkeit halber sei daher erwähnt, dass WML (Winner Minus Loser) die Überrendite eines Portfolios aus Aktien beschreibt, die in den vorangegangenen zwölf Monaten am besten performt haben (Winner), gegenüber einem Portfolio aus Aktien, die im gleichen Zeitraum am schlechtesten performt haben (Loser). Die jüngste Arbeit der beiden Amerikaner wird zwar mitunter auch kritisch beurteilt, wobei vor allem der Verzicht auf Momentum ­beanstandet wird (siehe Kasten „Profunde Kritiker des Fünf-Faktor-Modells“ im Anschluss an diesen Artikel), dennoch findet sie in der wissenschaftlichen Literatur ­zunehmend Beachtung.


Sektorrotationsansatz
Eine sehr interessante Arbeit, die auf den Ergebnissen der Professoren aufbaut, stammt von Golam Sarwar und Cesario Mateus, beide von der Universität von  Greenwich in London, und Natasa Todorovic vom Centre for Asset Management ­Research an der Cass Business School der City University of London. Sie stellen in ­ihrer Analyse zur Entwicklung einer S&P-500-Sektorrotationsstrategie in den USA auf jene Rest-Alphas ab, die nach Anwendung des Fünf-Faktor-Modells nach Fama und French als Alpha übrig bleiben. Nachdem es in den USA eine Vielzahl von Sektor-ETFs verschiedener Anbieter gibt, ist eine Umsetzung dieser Strategie zu akzeptablen Transaktionskosten problemlos möglich. Mit ihrer Studie erweitern die Autoren die wissenschaftliche Literatur zweifach: Einmal leisten sie einen Beitrag auf dem Gebiet der Performancemessung, indem sie die Performance der einzelnen US-Sektoren unter dem Gesichtspunkt des Fünf-Faktor-­Modells betrachten, das andere Mal sorgen sie für Zuwachs auf dem forschungsmäßig eher vernachlässigten Sektor dynamischer Market-Timing-Strategien via Branchenrotation. Eigenartigerweise wurde bis dato der Sektorrotation seitens der Wissenschaft relativ wenig Aufmerksamkeit gewidmet, und das trotz der gut dokumentierten Prognostizierbarkeit von Sektorerträgen.


Vernachlässigter Sektoransatz
Das Autorentrio gründet seine Arbeit auf folgende Vorstellung: Falls das Fünf-Fak­tor-Alpha tatsächlich wahrhaftiges, „echtes“ ­Alpha und damit einen genauen Indikator für Skill bei der Aktienauswahl darstellt, sollte die Anwendung einer Investment­strategie auf Sektorebene auf Basis dieses ­Alphas höhere Renditen generieren. Die Kapitalmarktforscher Golam Sarwar, Cesario Mateus und Natasa Todorovic weisen darauf hin, dass ihre Studie die erste ist, die das neue Fünf-Faktor-Modell von Fama und French als Benchmarkmodell für eine US-Sektorrotationsstrategie anwendet. Ihr Paper zeige, wie wichtig die Bedeutung der Sektoranalyse für den Investmentprozess ist. Zudem werden Vergleiche zwischen der Eignung des Drei- und des Fünf-Faktor-Modells von Fama/French in der Frage der US-Sektorrenditen und einer darauf bezogenen Rotationsstrategie gezogen.


Viele Kapitalmarktforscher haben sich in ihren Arbeiten mit Long-only-Aktienfonds in den USA beschäftigt, und nur wenige ­haben Untersuchungen in Bezug auf Sektoren durchgeführt. Zu nennen sind hier Wilfred L. Dellva, Andrea L. DeMaskey und Colleen A. Smith, die 2001 in einem Beitrag für die „Financial Review“ die Timing- und Selektionsfähigkeiten von 35 verschiedenen Fidelity-Sektor-Fonds von deren Auflage bis Ende 198 untersucht hatten. Sie entdeckten in 24 bis 33 Fällen über verschiedene Subperioden positives Jensen-­Alpha mit Ausnahme des Zeitfensters von 1994 bis 1998, wo diese Alphas negativ waren. Faff wiederum testete 2004 die Performance von 24 australischen Branchenportfolios und fand heraus, dass es eine Tendenz bei Minen und Rohstoffen gibt, ein negatives Drei-Faktor-Alpha zu produzieren, während für Industrietitel das Gegenteil galt. In den USA studierten Kacperczyk, Sialm und Zheng 2005 die Performance von Investmentfonds mit hoher Branchenkonzentra­tion von Januar 1984 bis Dezember 1999. Sie stellten fest, dass Fondsmanager vom passiven Marktportfolio durch das Eingehen spezifischer Sektorkonzentrationen abweichen und dabei zeigen, dass Fonds mit stärkeren Abweichungen von Gesamtmarkt – indem sie sich auf bestimmte Branchen fokussieren – tendenziell besser performen. Yiwen Paul Dou, David R. Gallagher, Terry S. Walter und David Schneider untersuchten Asset-Allokationen in verschiedenen Marktregimes anhand von Sektorentwicklungen in den Industriestaaten (Nordamerika, Großbritannien, Japan und Euro­pa). Dabei berichteten sie von positiven ­Alphas in den Sektoren Energie, Hightech und Gesundheit, während negative Alphas bei langlebigen Gebrauchsgütern, Telekommunikationsunternehmen und in der verarbeitenden Industrie sowohl in Bullen- als auch in Bärenmärkten zu beobachten waren. Im Übrigen stellen auch Sarwar, Mateus und Todorovic auf die Analyse der Sektorrotation in verschiedenen Marktzuständen ab.


Der Erfolg von Sektorrotationsstrategien wurde erstmalig von Eric Sorensen und Terry Burke sowie von Robert Grauer, Nils Hakansson und Frederick Shen dokumentiert. Fidelity ist es zu verdanken, dass Sektor-Investing im Mainstream angekommen ist, indem das Haus in den 80er-Jahren die Sektorfondsserie mit dem Zusatz „Select“ eingeführt hat. Die moderne Ära der Sektor­investments begann allerdings erst 1998 mit den ersten Branchen-ETFs. Aufbauend auf den Fidelity-Select-Sektorfonds als Selek­tionskriterium haben Sassetti und Tani 2006 drei einfache Sektorrotationstechniken angewendet, indem sie Sektoren aufgrund von Änderungsraten, Alphas und Relative-Stärke-Indikatoren reihten. Diese Strategien wandten sie auf 41 Fidelity-Select-Fonds von Januar 1998 bis September 2003 an. Dabei stellten sie fest, dass eine Sektorrotation auf der Basis der Alphas stabiler aussah als jene auf Basis der Änderungsraten. Deren Sektorstrategie outperformte klassisches Buy-and-Hold dauerhaft.
 

Conover, Jensen, Johnson und Mercer führten 2008 eine Sektorauswahl anhand von Makro-Daten durch. Dabei stellte sich heraus, dass diese Sektorrotationsstrategie nur selten ein Rebalancing benötigt und dabei konsistent wirtschaftlich signifikante Returns über 33 Jahre liefert. Chong und Philips ermittelten 2015, dass ein Portfolio, bestehend aus Sektor-ETFs, das als Antwort der Sektoren auf ökonomische Faktoren konstruiert war, im Verhältnis zum S&P 500 Index besser performte. Eine Outperformance für eine Sektorrotationsstrategie ist auch in den Studien von Sean Baca, Brian Garbe und Richard Weiss sowie jenen von Roger Conover, Andrei Shynkevich und Yiwen Dou belegt. Die Studien unterscheiden sich voneinander in Bezug auf die Indikatoren, die sie verwenden, mit denen Switch-Signale generiert werden. Die Signalpalette reicht von wirtschaftlichen über technische Indikatoren wie verschiedenen Relative-Stärke-Messgrößen bis hin zu Performanceindikatoren wie etwa Alphas.


In der vorliegenden Studie des Wissenschaftlertrios werden zehn US-Fama/ French-Sektor-Portfolios von 1964 bis 2014 verwendet, wobei die Autoren feststellen, dass das Fünf-Faktor-Modell besser als das Drei-Faktor-Modell geeignet erscheint, Sektorrenditen zu beschreiben, da es zusätzliche Information enthält und ein höheres Bestimmtheitsmaß R² besitzt. Das Fünf-Faktor-Modell passt statistisch besser, und seine beiden zusätzlichen Faktoren (RMW und CMA) erhöhen die Log-Likelihood (Plausibilitätsfunktion) des Modells. Sie folgen damit den Spuren von Sassetti und Tani, die fanden, dass eine alphabasierte Sektorrota­tion robustere Performanceergebnisse ergibt als ein Sektorwechsel auf Basis anderer Indikatoren.


Datenbasis
Monatsdaten der zehn US-Sektor-Portfolios aus Kenneth Frenchs Datenbank von Januar 1964 bis Dezember 2014 bilden die Basis der Untersuchung. Die zehn Sektoren umfassen kurzlebige Konsumgüter, lang­lebige Konsumgüter, Industrie, Energie, Technologie, Telekommunikation, Einzelhandel, Gesundheit, Versorger und „andere Sektoren“. S&P-500-Index-Daten stammen von DataStream, die Daten zum Wirtschaftszyklus von National Bureau of Economic Research (NBER). Die Autoren stellen des Weiteren auf die Select-Sector- SPDR-ETFs ab, die zwar nicht perfekt kongruent zu den US-Fama/French-Sektor-Portfolios sind, aber eine gute Annäherung darstellen und daher als Stellvertreter (Proxies) in der Investmentpraxis Einsatz finden. Als Folge des Abgleichs der Fama/French-Sektoren mit jenen, wie sie die Select-Sector-SPDR-ETFs definieren, haben die Autoren zur Illustration der Handelsstrategie mit diskretionärem Konsum, Basiskonsum, Energie, Pharma/Gesundheit (Health­care) und Technologie sowie Versorgern insgesamt sechs Sektor-ETFs heran­gezogen. Die Korrelationskoeffizienten zwischen den Select-Sector-SPDR-ETFs und den Fama/French-Sektorportfolios liegen zwischen 0,70 und 0,98, sie sind der gleichnamigen Tabelle zu entnehmen. Die ETF-Daten stammen ebenfalls von DataStream für den Zeitraum von Januar 1999 bis Dezember 2014 und umfassen damit 192 Handelsperioden, sprich Monate.


Die Tabelle „Deskriptive Statistik“ zeigt für die nach Definition von Fama und French zusammengestellten Sektorportfolios deren monatliche Überschussrenditen (Excess Return zu Ein-Monats-US-T-Bills), deren Standardabweichung, Schiefe und Wölbung (Kurtosis) über den Zeitraum von Januar 1964 bis Dezember 2014. Dabei zeigt sich, dass alle Sektorportfolios eine hohe leptokurtische Form aufweisen. Sie sind damit steilgipfelig und besitzen mehr Masse an den Verteilungsenden als die Normalverteilung. Die Renditeverteilungen der meisten Sektoren zeigen eine Linksschiefe, nur zwei – nämlich Durables, also lang­fristige Konsumgüter, und Health – weisen eine positive Schiefe aus. Die monatlichen Überschussrenditen sind sich ähnlich, wobei das Minimum mit 0,45 Prozent bei den Versorgern und das Maximum mit 0,69 Prozent bei Health liegt. Der Versorgersektor zeigt zudem die geringste Standardabweichung der Renditen, während Hightech die höchs­te Volatilität der Erträge an den Tag legt.


Schwankende Alphas
Betrachtet man den Durchschnitt der – über 36 Monate rollierenden – Fünf-Faktor-Alphas, so zeigt sich, dass über alle zehn Sektoren dieses Alpha positiv ist und bei 3,15 Prozent pro Jahr liegt. Eine sektorweise Analyse fördert eine große Dispersion der Sektor-Alphas zutage. So weisen etwa Hightech und Healthcare die größten ­Alphas auf, am anderen Ende der Skala mit dem größten durchschnittlichen negativen Fünf-Faktor-Alpha sind die langlebigen Konsumgüter zu finden. Um ein Gefühl für die Performance von Sektorfonds über die Zeit zu entwickeln, sind die Fünf-Faktor-Alphas für alle zehn Sektoren in Form ihrer rollierenden 36-Monats-Durchschnittswerte in der Grafik „Fünf-Faktor-Sektor-Alphas“ dargestellt.


Healthcare etwa performte in den späten 60er- und 70er-Jahren außergewöhnlich gut, während der Energiesektor von 1979 bis 1981 das höchste Alpha lieferte. Auffällig ist des Weiteren die Dominanz des High­tech-Sektors von 1994 bis 2003, was zum Großteil mit dem Dotcom-Boom zusammenfällt. Bemerkenswert ist ebenso, dass die negativen Alphas des Energiesektors deutlicher ausgeprägt sind als bei anderen Sektoren. Bei dem „anderen Sektor“ (Restgröße) fällt auf, dass diese Alphas über den größten Teil des Zeitfensters von Ende 1966 bis Ende 2014 – die Daten der Jahre 1964 bis 1966 werden ja für die Ermittlung der ersten 36-Monats-Alpha-Werte benötigt – negativ ausfallen. Student T-Tests belegen, dass in 89 Prozent aller Fälle – und damit in 40 von 45 Sektorpaaren – die Fünf-Faktor-Alphas sich signifikant voneinander unterscheiden – zumindest auf einem Signifikanzniveau von 90 Prozent.


Zwei Strategien
Die Autoren entwickelten zwei unterschiedliche Sektorrotationsstrategien, und zwar eine Long-only-Strategie und eine Long/Short-Strategie jeweils auf Basis eines Switching-Signals aus dem Fünf-Faktor-­Alpha. Dieses wird über rollierende Zeiträume von 36 Monaten berechnet und dient als Signalgeber. Dabei ist die Regel eine einfache: Wenn das Fünf-Faktor-Alpha in einem bestimmten Sektor positiv (negativ) ist, wird in der Folgeperiode der Sektor ge- ­beziehungsweise verkauft. Dabei zeigen die Autoren die Sektorrotationsstrategie sowohl anhand von Fama/French-US-Sektor-Portfolios als auch mithilfe der entsprechenden S&P-Select-Sector-SPDR-ETFs. Dann wird auch noch zwischen Rezessionen und wirtschaftlichen Expansionen unterschieden und eine zusätzliche Long-only-Strategie verfolgt, die im Rezessionsfall ein risikofreies Asset in Form von einmonatigen US-Schatzwechseln erwirbt.


Long-only funktioniert
Die Long-only-Sektorrotationsstrategie auf Basis des Fünf-Faktor-Alphas outperformt den S&P 500 Index als klassische Buy-and-Hold-Benchmark um 5,40 Prozent pro Jahr und weist eine fast viermal so hohe Sharpe Ratio auf als der Index. Wenn man dazu noch die Konjunkturzyklen in die Handelsstrategie integriert und nur dann in jene Sektoren investiert, die ein positives Fünf-Faktor-Alpha aufweisen, wenn wirtschaftliche Expansion angesagt ist, und in Rezessionsperioden stattdessen in einmonatige US-Schatzwechsel investiert, schafft diese modifizierte Long-only-Strategie ­sogar eine annualisierte Outperformance von 7,12 Prozent, kombiniert mit einer gut fünfmal so hohen Sharpe Ratio von 0,17462 versus dem Index mit 0,0333. Bei Long/Short werden ergänzend zur Long-­only-Basis-Strategie bei Sektoren, die für die vergangenen 36 Monate ein negatives Fünf-Faktor-Alpha zeigen, die entsprechenden Sector-SPDR-ETFs leerverkauft. Die L/S-Strategie liefert keine guten Resultate, der jährliche Durchschnittsertrag ist negativ. Zwar fällt die Volatilität hier niedriger aus als bei allen anderen Strategien, an der ­negativen Sharpe Ratio ändert dies je­doch nichts. Details dazu liefert die Tabelle ­„Sektor-Handelsstrategien im Vergleich“. Die Grafik „Kumulative Renditen der Sektorstrategien“ illustriert, wie die Long-only- und die modifizierte Long-only-Sektorrotationsstrategie unter Einschluss der Konjunkturzyklik superiore Ergebnisse im Vergleich zu reinem Buy-and-Hold des S&P 500 Index liefert. Long/Short ist hier überhaupt keine Konkurrenz. Rezessionsphasen sind grau gekennzeichnet.


Sektorrotation mit ETFs
Diese akademische Übung – und sie ist eine solche, da in die Fama/French-Sektorportfolios nicht leicht investiert werden kann – muss nun anhand der für reale ­Investments zur Verfügung stehenden SPDR-Sector-ETFs auf ihre praktische ­Umsetzungschance getestet werden. Dabei spielen dann auch Transaktionskosten eine Rolle; die anteiligen Managementkosten sind ja bereits in den ETF-Preisen enthalten. Erwartungsgemäß sind die Renditevorsprünge nicht mehr so hoch wie im Fall des akademischen Tests mithilfe der Fama/French-Sektorportfolios, was zum Teil auch an dem anderen Beobachtungszeitraum ­liegen mag, da es bis 1999 eben noch keine SPDR-Sektor-ETFs gab. 192 Handelsmo­naten bei ETFs stehen insgesamt 576 bei den Fama/French-Sektorportfolios gegenüber. So rentiert etwa der S&P 500 in dem ­kürzeren ETF-Zeitfenster mit 2,0498 Prozent pro Jahr, während Fama/French auf 5,76 Prozent in dem längeren Zeitfenster kommen.


Die Tabelle „Lackmustest mit Sektor-ETFs“ zeigt durchschnittliche Renditen der beschriebenen Strategien, deren Standard­abweichungen, die Sharpe Ratios und die maximal möglichen Transaktionskosten je Trade, die möglich sind, bis die Sharpe ­Ratio der Long-only- und der modifizierten Long-only-Strategie jene des Buy-and-Hold-Index erreicht. Die Sharpe Ratio der Long-only-Sektorstrategie liegt mit 0,082911 gut dreimal höher als jene des S&P 500 ­Index mit 0,025382, der Renditevorsprung beträgt annualisiert gerundete 3,5 Prozent, die Volatilitäten unterscheiden sich hingegen nur geringfügig. Modifiziertes Long-only mit Geldmarktanlagen in Rezessionszeiten schießt aber auch in der Praxis den Vogel ab, denn der annualisierte Ertrag schlägt Buy-and-Hold um 7,14 Prozent im jährlichen Durchschnitt mit einer um 19 Prozent verringerten Volatilität. Die Sharpe Ratio ist gar mehr als sechsmal so hoch wie die des Index.
Die Break-Even-Transaktionskosten liegen bei Long-only bei 147 Basispunkten je ­Trade, beim modifizierten Long-only gar bei 326 Basispunkten. Damit scheint die Strategie in der Praxis gut umsetzbar zu sein, da nach Kosten hier noch immer genug Mehrertrag übrig bleibt.


Fazit
Verletzt der nachweisliche Erfolg einer Sektorrotationsstrategie auf Basis des Fünf-Faktor-Alphas nach Fama/French nun die Effizienzmarkthypothese? Das könne man tatsächlich so sehen, meinen die Autoren. Die Break-Even-Transaktionskosten stellen das Arbitrage-Limit dar. Davon abgesehen, könnte man sich fragen, warum diese wissenschaftlichen Erkenntnisse nicht von ­Asset Managern am Markt aufgegriffen worden sind. Hier ließe sich ins Treffen ­führen, dass die Ermittlung von rollieren­den Fünf-Faktor-Alphas nicht jedem Institutionellen ohne Weiteres leicht zugänglich ist. Da die Studie erst wenige Monate alt ist, könnte dieses neue Wissen noch nicht in die Niederungen der Praxis durchgesickert ­sein, oder es arbeiten bereits Investment­profis von Hedgefonds daran, denen nicht daran gelegen ist, darum viel Aufhebens zu machen.


Interessant wäre es jedenfalls, eine ana­loge Untersuchung für Europa anzu­stellen, ob die in den USA beobachteten Zusammenhänge auf den Alten Kontinent übertragbar sind. Der kürzere ETF-Track-­Record wäre hier für eine praktische Umsetzung jedoch ein Hemmnis, das allerdings mit jedem Jahr kleiner wird. Auch eine ­Ausweitung der Untersuchung auf andere Assetklassen – wie die Autoren selbst an­regen – hätte durchaus Charme.


Anhang:

twitterlinkedInXING
 Schliessen