Jenseits von Fama-French

Gängige Asset-Pricing-Modelle versuchen, den Querschnitt der Aktienrenditen mit einer begrenzten Anzahl fundamentaler Faktoren wie Markt, Value, Size, Profitabilität und Investitionen zu beschreiben. Beispiele sind das Fünf-Faktor-Modell von Eugene Fama und Kenneth French von 2015 und das Q-Faktor-Modell von Kai Hou, Chen Xue und Lu Zhang aus dem gleichen Jahr. Die Faktoren in diesen Modellen wurden mit risikobasierten Überlegungen erklärt, und ihre Prämien werden voraussichtlich über einen vollständigen Konjunkturzyklus hinweg realisiert. Kurzfristig können Faktorinvestments jedoch große und anhaltende Verluste erleiden. Es gibt zudem Bedenken, dass sich die Performance klassischer Asset-Pricing-Faktoren im Lauf der Zeit abgeschwächt haben könnte. Das haben zum Beispiel R. David McLean und Jeffrey Pontiff in „Does Academic Research Destroy Stock Return Predictability?“ 2016 im Journal of Finance publiziert.

Viele Pseudofaktoren wurden mittlerweile gefunden und genauso schnell wieder verworfen, weil sie harten Tests nicht standhielten. Man spricht hier von einem Faktorzoo. Dazu gehört auch, dass Anomalien mit hohem Umsatz in der Kapitalmarktliteratur zur Vermögenspreisbildung im Allgemeinen ignoriert werden, vor allem aufgrund der Sorge, dass sie nach Berücksichtigung der Transaktionskosten nicht Bestand haben könnten. Darüber hinaus fehlen ihnen tendenziell risikobasierte Erklärungen, was da­rauf hindeutet, dass es sich stattdessen um Fehlbewertungen von Phänomenen handelt. Anstatt eine hohe Prämie zu erzielen, die sich über einen langen Zeitraum materialisiert, liefern diese kurzfristigen Signale jeden Monat eine Reihe kleiner aufeinanderfolgender Alphas aus völlig unterschiedlichen Portfolios. Ein bekanntes Beispiel ist der kurzfristige (einmonatige) Umkehreffekt in „Persuasive Evidence of Market Inefficiency“ von Barr Rosenberg, Kenneth Reid und Ronald Lanstein, publiziert 1985 im Journal of Port­folio Management. Dieser weist auf dem Papier hohe Renditen auf, gilt aber nach Berücksichtigung von Marktfriktionen allgemein als für Investoren unerreichbar.

Machine Learning überschätzt?
Eine neue Strömung in der Kapitalmarktliteratur setzt auf maschinelles Lernen zur Vorhersage zukünftiger Aktienrenditen. In diesen Studien zählen kurzfristige Signale neben traditionellen Faktoren typischerweise zu den wichtigsten Merkmalen. Die gemeinsame Schlussfolgerung dieser Studien ist, dass Modelle des maschinellen Lernens vergleichbare lineare Modelle mit spektakulären Sharpe Ratios deutlich übertreffen. Doron Avramov, Si Cheng und Lior Metzker stellen jedoch 2022 in „Machine ­Learning versus Economic Restrictions: Evidence from Stock Return Predict­ability“ die Wirksamkeit dieser Modelle nach Berücksichtigung der Transaktionskosten ernsthaft infrage und weisen darauf hin, dass sie stark auf kurzfristige Signale angewiesen sind, die zu einem hohen Umsatz führen. In der quantitativen Investment Community konzentriert sich das Faktor-Investing nach wie vor auf klassische Faktoren wie Wert, Qualität, Momentum und geringes Risiko. Schließlich ignorieren Indexanbieter kurzfristige Anomalien tendenziell, bieten nur Indizes an, die ein Engagement in traditionellen Faktoren ermöglichen, und halten sich an halbjährliche oder vierteljährliche ­Rebalancing-Frequenzen. In der vorliegenden Studie argumentieren David Blitz, Matthias X. Hanauer, Iman Honarvar und Rob Huisman sowie Pim van Vliet, alle Robeco, dass kurzfristige Signale aus mehreren Gründen nicht zu leichtfertig verworfen werden sollten. Erstens gewichtet die von Fama und French eingeführte Standardmethode der akademischen Faktorkonstruktion Small Caps, die nur etwa zehn Prozent der gesamten Börsenkapitalisierung ausmachen, mit 50 Prozent unverhältnismäßig hoch. Da die Handelskosten für kleine, illiquide Aktien deutlich höher als für große, liquide Aktien sind, kann es effizienter sein, kurzfristige Strategien nur auf Aktien anzuwenden, bei denen die erwarteten Gewinne die erwarteten Kosten auch übersteigen.

Zweitens können Brutto- und Nettoperformance erheblich verbessert werden, indem der Fokus von einem einzelnen Signal auf eine Kombination mehrerer ­kurzfristiger Signale verlagert wird, die in der Literatur etabliert sind. Die Integration von Signalen mit geringen ­Korrelationen ­bietet starke Diversifikationsvorteile, die zu höheren Bruttorendi­ten und geringerer Volatilität führen. Beispielsweise ist bekannt, dass Momentum- und Umkehreffekte kurzfristig gleichzeitig auftreten. Sich nur auf einen dieser Effekte zu konzentrieren und den anderen zu ignorieren, kann daher ineffizient sein. Drittens betrachten viele ­Studien lediglich eine sehr naive Handelsstrategie, indem sie jeden Monat ­völlig neue Top- und Bottom-Portfolios erstellen. In „Accounting for the Anomaly Zoo: A Trading Cost Perspective“ zeigen Andrew Y. Chen und Mihail Velikov 2016, dass fortgeschrittenere Kauf- und Verkaufsregeln, die Aktien nur ersetzen, wenn ihre Attraktivität unter einen bestimmten Schwellenwert fällt, zu Einsparungen bei den Handelskosten führen, die den Verlust an Bruttorendite deutlich überwiegen. Darüber hinaus werden die Handelskosten selbst oft erheblich überschätzt, beispielsweise durch die Verwendung des veralteten Modells von D. B. Keim und A. Mahavan von 1997, das auf einer Stichprobe aus dem Zeitraum 1991 bis 1993 basiert. Neuere Studien dokumentieren, dass Investoren deutlich niedrigere Handelskosten haben als allgemein angenommen.

Einzeln oder kombiniert
Die Performance der einzelnen kurzfristigen Signale im Top-Quintil minus Flop-Quintil ist in der Tabelle „Signalstatistik“ dargestellt. Die annualisierten Durchschnitts­renditen liegen zwischen fünf und acht Prozent mit zugehörigen t-Statistik-Werten zwischen drei und sieben für alle Signale außer der idiosynkratischen Volatilität (iVOL). Da iVOL strukturell Long-Positionen in Aktien mit geringem Risiko und Short-Positionen in Aktien mit hohem Risiko aufweist, zeigt dieses Signal ein stark negatives Markt-Beta. Das CAPM-Alpha berücksichtigt dieses Risiko und beträgt das Dreifache der Rohrendite. Unter Berücksichtigung der CAPM-Alphas aller fünf Variablen ergibt sich eine Spanne zwischen sechs und zehn Prozent pro Jahr mit den dazugehörigen t-Statistik-Werten zwischen drei und acht. Die Sechs-Faktor-Alphas und die zugehörigen t-Statistiken sind für die meisten kurzfristigen Signale ähnlich oder nur geringfügig niedriger, da ihre Ladungen auf die Fama-French-Faktoren tendenziell gering sind. Die Ausnahme bildet wiederum iVOL, das einige signifikante Ladungen auf die traditionellen Faktoren aufweist. Dies führt zu einem niedrigeren, aber immer noch marginal signifikanten (auf dem 10-%-Niveau) Sechs-Faktor-Alpha. Insgesamt stellen die untersuchten Einzelsignale starke Renditeprädiktoren dar und nicht Signale ohne tatsächliche Aussagekraft, für die eine Kombination kritisch wäre (vgl. NovyMarx, 2016).

Hoher Umschlag
Obwohl die untersuchten kurzfristigen Signale ­weitgehend einzigartige Alphas bieten, die nicht durch traditionelle Faktoren erklärt werden, gehen diese mit einer sehr hohen Umschlagshäufigkeit zwischen 1.300 und 2.000 Prozent pro Jahr einher. Der vollständige Austausch des Long-Portfolios jeden Monat ergibt einen jährlichen Umsatz von 100 % x 12 = 1.200 %, sodass der maximale jährliche Umsatz für das Long-Short-Portfolio 2.400 Prozent beträgt. Daraus lässt sich schließen, dass die durchschnittliche Haltedauer von Aktien zwischen einem und zwei Monaten liegt. Dieser hohe Umschlag hat erhebliche Konsequenzen, da die Break-even-Handelskosten für die Beibehaltung positiver Durchschnittsrenditen beziehungsweise Alphas alle unter der konservativen Handelskostenschätzung von 25 Basispunkten liegen. Diese Ergebnisse bestätigen die Annahme, dass kurzfristige Signale nach Abzug der Kosten schwer gewinnbringend zu nutzen sind – zumindest wenn sie einzeln und mit einer naiven Handelsstrategie betrachtet werden.

Im Auge zu behalten sind auch die Korrelationen zwischen den Renditen verschiedener kurzfristiger Signale. Sie sind im Allgemeinen leicht positiv oder sogar negativ. Die höchste positive Korrelation besteht zwischen Analysten-Gewinnrevisionen und idiosynkratischer Volatilität (0,51), die höchste negative zwischen Branchen-Trendwendesigna­len und Branchenmomentum (–0,58). Insgesamt deuten diese Korrelationen darauf hin, dass die Kombination der verschiedenen kurzfristigen Signale starke Diversifikationsvorteile bieten sollte.

Erkenntnisse
Die wichtigsten Erkenntnisse lassen sich wie folgt zusammenfassen: Erstens generiert eine kombinierte Strategie, bestehend aus kurzfristigen Trendwende-, kurzfristigen Momentumsignalen, kurzfristigen Analystenrevisionen, kurzfristigen Risiko- und monatlichen Saisonalitätssignalen wirtschaftlich und statistisch hoch signifikante Netto-Alphas, und zwar zumindest dann, wenn effiziente Handelsregeln angewendet werden.

Zweitens bleibt das Alpha nach Abzug der Kosten in den Out-of-Sample- oder Post-Publication-Zeiträumen für die verschiedenen Signale profitabel, obwohl die Performance der kurzfristigen Composite-Strategie im Lauf der Zeit nachgelassen hat.

Drittens lassen sich die Ergebnisse nicht durch Marktfriktionen wie Leerverkaufsbeschränkungen oder Verzögerungen bei der Ausführung erklären. Insbesondere ist die Performance auf der Long- wie auf der Short-Seite gleich stark, und das Alpha ist robust gegenüber einer Umsetzungsverzögerung von ein bis zwei Tagen, die bei einer Echtzeitimplementierung der Strategie auftreten würde. Viertens ist das Alpha in den einzelnen Regionen Nordamerika, Europa, Pazifik und Japan sowie Schwellenländer signifikant. Schließlich liefern die Autoren von Robeco Belege, die mit der Hypothese übereinstimmen, dass sentimentbedingte Fehlbe­wer­tungen die Prognostizierbarkeit der Renditen teilweise erklären, da nach Phasen mit hohem Sentiment signifikant höhere Renditen zu beobachten sind.

Obwohl auch Blitz und seine Kollegen von Robeco feststellen, dass die Renditen nach Phasen mit hohen Arbitrage­limits höher sind, spielen Arbitragelimits im Vergleich zum Investorensentiment nur eine untergeordnete Rolle. Während Jeremiah Green, John R. M. Hand und X. Frank Zhang 2017 in „The Characteristics that ­Provide Independent Information about Average U.S. Month­ly Stock Returns“ bereits dokumentieren, dass es außerhalb bekannter Benchmarkmodelle mehrere robuste und unabhängige Renditeprädiktoren gibt, beschränken sie sich auf kurzfristige Signale, die aufgrund von Investitionsbedenken, insbesondere aufgrund ihres hohen Umsatzes, allge­mein verworfen werden. Das Robeco-Team behauptet nicht, dass ihre kurzfristigen Signale oder deren Kombination optimal sind, sondern sie wollen lediglich zeigen, dass eine ­einfache Kombination mehrerer bekannter ­kurzfristiger Signale bereits nach Abzug der Kosten hochprofitabel sein kann, wenn effiziente und dennoch einfache Portfoliokonstruktionstechniken eingesetzt werden. Die Grafik „Brutto- und Netto-Alpha von Kurzfristsignalen“ fasst die wichtigsten Ergebnisse des Robeco-Teams zusammen. Die einzelnen kurzfristigen Signale weisen ein durchschnittliches Brutto-Alpha des Fama-French-Sechs-Faktor-Modells von über sechs Prozent pro Jahr auf. Der hohe Umsatz der Signale würde jedoch zu einem Netto-Alpha von weniger als minus zwei Prozent führen, wenn realistische Transaktionskosten von 25 Basispunkten pro Transaktion berücksichtigt würden. Die Kombination der einzelnen Signale zu einem Gesamtwert steigert das Brutto-Alpha um sechs Prozent auf über zwölf Prozent pro Jahr, doch die Transaktionskosten schmälern diese Rendite immer noch um mehr als zwei Drittel. Die Anwendung komplexerer Kauf- und Verkaufsregeln auf den Gesamtwert verringert das Brutto-Alpha nur geringfügig, erhöht das jährliche Netto-Alpha jedoch aufgrund des deutlich geringeren Umsatzes auf über sechs Prozent.

Einordnung
Die Relevanz von Signalen mit hohem Umsatz wird in der wissenschaftlichen Literatur zur Vermögenspreisbildung infrage gestellt, da sie nach Berücksichtigung von Marktfriktionen scheinbar nicht bestehen bleibt. Diese Arbeit belegt allerdings, dass aus kurzfristigen Signalen ein ökonomisch und statistisch hochsignifikantes Netto-Alpha erzielt werden kann. Der Ansatz von David Blitz und Kollegen besteht aus der Kombination mehrerer kurzfristiger Signale, die starke Diversifikationsvorteile bieten, aus der Minimierung der Transaktionskosten durch den ausschließlichen Handel mit ausreichend liquiden Aktien und aus der Anwendung effizienter Kauf- und Verkaufsregeln. Die vorgestellte komplexere Handelsregel 10/50 bedeutet, dass das Long-(Short-)Portfolio jeden Monat aus den Aktien besteht, die aktuell zu den obersten (untersten) zehn Prozent gehören, zuzüglich der in den Vormonaten ausge­wählten Aktien, die weiterhin bei den obersten (untersten) 50 Prozent der Aktien zu finden sind. Mit diesen kosten­minimierenden Kauf- und Verkaufsregeln gelingt es, dass die Break-even-Transaktionskosten für eine signifikante Durchschnittsrendite und ein Sechs-Faktor-Alpha 55 Basispunkte übersteigen, was deutlich über dem Niveau liegt, auf dem informierte Investoren handeln können. Darüber hinaus weist eine kurzfristige Composite-Strategie, die Signale erst nach ihren Out-of-Sample- oder Post-Publication-Zeiträumen nutzt, immer noch Break-even-Transaktionskosten von über 45 Basispunkten auf. Auch andere Marktfriktionen können die Performance nicht erklären, da das Alpha nicht überproportional von der Short-Seite getrieben wird und die Ergebnisse auch bei Long-only-Anwendungen ähnlich stark bleiben. Außerdem ist das Alpha gegenüber einer Implementierungsverzögerung von ein bis zwei Tagen robust, die für die Echtzeit-Strategieumsetzung erforderlich ist. Weitere Robustheitstests zeigen, dass das Alpha in den einzelnen Regionen Nordamerika, Europa sowie Pazifik und Japan vorhanden ist und sich auch auf die Schwellenländer überträgt.

Obwohl die Performance der kurzfristigen Composite-Strategie im Lauf der Zeit nachgelassen hat, bleibt sie nach Abzug der Kosten in den Out-of-Sample- oder Post-Publication-Zeiträumen für die verschiedenen Signale profitabel.

Das Alpha aus kurzfristigen Signalen scheint für Investo­ren wie Indexanbieter mit niedrigen Rebalancing-Frequenzen und erheblichen Umsetzungsverzögerungen, also der Lücke zwischen Ankündigung und Inkrafttreten von Indexänderungen, unerreichbar. Andere Investoren könnten zudem durch Hürden im Anlagereglement daran gehindert werden, die durch kurzfristige Signale gebotenen Alpha-Chancen auch tatsächlich nutzen zu können. Zu diesen Umsetzungshürden gehören der oftmals limitierte Zugang zu den erforderlichen Daten, die fehlende tech­nische Infrastruktur und die mangelnde Fähigkeit, die erhaltenen Signale zeitnah und effizient umzusetzen. Für jene, die alle erforderlichen Voraussetzungen erfüllten, könnten kurzfristige Signale jedoch eine echte Chance bieten, Alpha über die üblichen Fama-French-Faktoren hinaus zu erzielen, sind die Robeco-Experten überzeugt.

Dr. Kurt Becker

Dieses Seite teilen