Das Fachmagazin für institutionelle Investoren

Geben Sie Ihren Benutzernamen und Ihr Passwort ein, um sich an der Website anzumelden:
1/2021 | Theorie & Praxis
twitterlinkedInXING

Kaufsignal Volatilität

Ein schweizerisch-amerikanisches Forscherduo zeigt in einer interessanten Arbeit, dass sich aus der idiosynkratischen Volatilität von Hedgefonds Rückschlüsse auf deren künftige Performance ziehen lassen.

1616664259_volatilitt.jpg

Aus dem Meer von Hedgefonds die „richtigen“ Kandidaten auszuwählen, zählt zur hohen Kunst der Kapitalanlage. Eine aktuelle Forschungsarbeit deutet sehr klar darauf hin, dass Fonds mit hoher idiosynkratischer Volatilität bevorzugt werden sollten.

© Georgetown University, wolfilser | stock.adobe.c

Hedgefonds sind unbestritten große und einflussreiche Player an den Kapitalmärkten mit Assets jenseits der drei Billionen US-Dollar. Obwohl es in der wissenschaftlichen Literatur verschiedene Vorschläge gibt, wie man die entscheidenden Risikofaktoren und Determinanten von Hedgefondsrenditen identifizieren kann, ist es noch immer eine große Herausforderung die zukünftigen Hedgefondsperformances zu prognostizieren. Jüngere Studien untersuchten etwa, in welchem Ausmaß sich ein einzelner Hedgefonds in puncto allgemeiner Risikofaktoren von seinen Wettbewerbern oder von seinen Konkurrenten im selben Strategiesegment unterscheidet, beziehungsweise analysieren die offengelegten Long-Aktien-Positionen. Dabei zeigt sich allgemein, dass Fonds, die sich von ihrer Vergleichsgruppe unterscheiden, tendenziell outperformen.

Neue Messgröße

Auf diesen Erkenntnissen aufbauend ­haben Turan G. Bali, Robert Parker Chair Professor of Finance an der Georgetown University in Washington, und Dr. Florian Weigert, Professor of Financial Risk Management an der Universität von Neuchâtel in der Schweiz, in einem Working Paper des CFR (Centre for Financial Research Cologne) eine neue Kenngröße entwickelt, die als Prognosetool für die künftig zu erwartenden Hedgefondsrenditen hält, was sie verspricht. Es handelt sich bei dieser Messgröße um die idiosynkratische Volatilität ­eines Hedgefonds. Diese Kenngröße stellt die Standardabweichung der fondsspezifischen Renditen, also deren Restrisiko, dar. Diese idiosynkratische Hedgefondsvolatilität wird auf Basis eines Neun-Faktor-Modells berechnet, das sich aus den von Fung und Hsieh 2004 vorgeschlagenen sieben Faktoren plus dem Value-Faktor nach Fama/French und dem Momentum-Faktor nach Carhart zusammensetzt. Eingefangen wird die idiosynkratische Komponente der Renditeverteilung eines Hedgefonds, die nicht durch die allgemeinen Risikofaktoren von Hedgefonds erklärt werden kann. Dann vergleicht man die künftige Performance der Gruppe von Fonds mit hohem idiosynkratischem Risiko mit jener, wo die Fonds ein niedriges idiosynkratisches Risiko aufweisen. Den Finanzmarktforschern gelingt es zu zeigen, dass Fonds mit einem hohen idiosynkratischen Risiko Fonds der anderen Gruppe renditetechnisch überlegen sind und dass dieser positive Return-Effekt zu einem großen Teil durch die idiosynkratische Vola­tilität der von den Hedgefonds offengelegten Aktienbestände zu erklären ist.

In ihrer empirischen Analyse berechnete das Autorenduo die produktspezifische ­Volatilität auf Basis rollierender 36-Monats-Zeitfenster anhand von 8.931 aktienorientierten Hedgefonds aus der Union Hedge Fund Database, die sich aus vier größeren Datenquellen zusammensetzt: Eureka, Hedge Fund Research (HFR), Morningstar und Lipper TASS. Der Untersuchungs­zeitraum reichte von Januar 1997 bis Dezember 2017. Die Berechnungen ergaben, dass die durchschnittliche idiosynkratische Hedgefondsvolatilität bei 2,72 Prozent liegt, wobei der Medianwert 2,15 Prozent und die Standardabweichung dieser Volatilitäten 1,97 Prozent betragen (siehe Grafik „Per­sistenz der idiosynkratischen Hedgefondsvolatilität“).

Betrachtet man nun die einzelnen Hedgefondsstrategien, so zeigt sich, dass die idiosynkratische Hedgefondsvolatilität bei den Stilen „Equity Market Neutral“ mit 1,87 Prozent und „Event Driven“ mit 1,97 Prozent relativ niedrig ausfällt, während sie für „Emerging Markets“ (3,74 Prozent), „Equity Long only“ (3,09 Prozent) und „Equity Long/Short“ mit 2,74 Prozent vergleichsweise hoch ausfällt. Auch stellte sich ­heraus, dass die Schwankungsneigung des einzelnen Fonds eine persistente Fonds­eigenschaft darstellt: Zirka zwei Drittel aller Fonds, die sich im ersten respektive fünften Quintil – gereiht nach ihrer idiosynkratischen Volatilität  – befinden, waren dort auch drei Jahre zuvor zu finden (siehe Tabelle „Nachhaltig stabil“).

Eine weitere Erkenntnis dieser Studie war, dass die Prognosegüte der ent­wickelten Kenngröße „idiosynkratische Hedgefondsvolatilität“ sehr überzeugend ausfällt. So liegt die Return-Differenz zwischen den Hedgefondsportfolios des fünften und des ersten Quintils bei 0,60 Prozent pro Monat und ist statistisch signifikant auf ­einem Konfidenzniveau von 99 Prozent; der t-Wert liegt bei 2,72. Wenn man die Ergebnisse im Hinblick auf die Risikofaktoren des Neun-Faktor-Modells kontrolliert, reduziert sich der risikoadjustierte Rendite-Spread leicht auf monatlich 0,43 Prozent und bleibt statistisch signifikant bei einer Irrtumswahrscheinlichkeit von fünf Prozent. Diese ökonomisch großen Risikoprämien bleiben bestehen, wenn man andere Faktormodelle zur Risikoadjustierung einsetzt.

Fünf bis sechs Prozent mehr

In einem multivariaten Rahmen bleibt der positive Renditeeffekt der idiosynkratischen Hedgefondsvolatilität erhalten. Ergebnisse der Regressionsrechnungen künftiger Fondsrenditen und Neun-Faktor-Alphas auf die idiosynkratische Hedgefondsvolatilität und zusätzliche Fondseigenschaften – die da sind: Fondsrendite, Fondsgröße, Fondsalter, das Delta der Performancegebührre­gelung, Management- und Performancegebühr, Mindestanlagesumme, Lock-up- und Kündigungsfristen, ob es sich um einen Offshore-Fonds handelt, ob Leverage ein­gesetzt wird und es eine High Water Mark und eine Hurdle Rate gibt –, legen den Schluss nahe, dass die idiosynkratische Hedgefondsvolatilität tatsächlich eine positive Deter­minante künftiger Hedgefonds­renditen ist. Je nach genauer Ausgestaltung des Rechen­modells liegt der geschätzte ­Koeffizient zwischen 0,078 und 0,104 und ist statistisch signifikant auf einem 95-Prozent-Niveau mit t-Werten zwischen 2,11 und 2,66. Was die ökonomische Signifikanz des Rendite­effekts anbelangt, so ziehen die Autoren die Ergebnisse der multivariaten Regressionsanalysen und der Analyse auf Portfolioebene heran. Der Spread zwischen dem fünften und dem ersten Quintil bei der Reihung der Hedgefonds nach ihrer idiosynkratischen ­Volatilität liegt bei annähernd 5,06 Prozent. Multipliziert man diesen Spread mit dem geschätzten Koeffizienten zwischen 0,078 und 0,104 in den multivariaten Regressionen, ­errechnet sich eine geschätzte monatliche Prämie ­zwischen 39 und 53 Basispunkten, die sich dann in eine annualisierte Renditeprämie von 4,72 bis 6,31 Prozent übersetzen lässt.

Blick auf die Aktien

Was die Autoren ebenfalls interessierte, war ein genauerer Einblick in die Aktien­bestände der untersuchten Hedgefonds. Es ging darum, zu analysieren, ob sich die idiosynkratische Volatilität von Aktien in die idiosynkratische Volatilität von Hedgefonds übersetzen lässt. Zu diesem Zweck glich man die Daten, wie sie sich aus der Union Hedge Fund Database ergaben, mit jenen der mittels Formular 13F an die SEC berichteten Aktien-Long-Positionen der Hedgefondsfirmen ab. Die Ergebnisse zeigen hier eine stark positive Beziehung zwischen der idiosynkratischen Volatilität einer Hedgefondsfirma, die als Standardabweichung der unternehmensspezifischen Ren­diten in Bezug auf das Neun-Faktor-Modell berechnet wird, und der idiosynkratischen Volatilität eines Hedgefondsunternehmens, abgeleitet aus den kalkulierten Renditen der offengelegten Aktien-Long-Renditen. Regressiert man erstere Vola auf zweitere und kontrolliert bezüglich der Portfolioeigenschaften, so beträgt der Koeffizient für die idiosynkratische Volatilität der offengelegten Aktien-Long-Positionen 0,345, ist statistisch signifikant bei einer Irrtumswahrscheinlichkeit von einem Prozent bei einem t-Wert von 7,69. Eine Erhöhung der idiosynkratischen Volatilität der offengelegten Aktien-Long-Positionen um eine Standardabweichung geht mit einer Erhöhung der idiosynkratischen Volatilität des Hedgefonds um 0,52 einher, woraus man schließen kann, dass ein substanzieller Teil der Volatilität des Hedgefondsunternehmens auf die Vola der offengelegten Aktien-Long-­Positionen zurückzuführen ist.

Paradoxon geklärt

Doch wie kann man nun miteinander in Einklang bringen, dass es zwar offensichtlich einen positiven Effekt der idiosynkratischen Hedgefondsvolatilität im Hinblick auf künftige Hedgefondsrenditen gibt, jedoch der gegenteilige Zusammenhang bei hoher idiosynkratischer Aktienvolatilität und schlechten künftigen Aktienerträgen besteht? Bali und Weigert dokumentieren, dass sich die Verbindung zwischen der idiosynkratischen Volatilität und zukünftigen Renditen stark unterscheidet, je nachdem ob Aktien nur zu einem geringen Anteil von Hedgefonds gehalten werden oder ob die Hedgefonds einen großen Anteil an den ­Aktien ­einer Firma halten. Während die ­Beziehung zwischen der idiosynkratischen Volatilität und den Zukunftsrenditen bei ­Aktien mit geringer Hedgefondsbesitzquote signifikant negativ ausfällt – der Spread von Q5 minus Q1 liegt hier bei minus 1,55 Prozent pro Monat mit einem t-Wert von minus 4,52 –, ist dieser Spread signifikant positiv bei ­Aktien mit einem hohen Anteil an Hedgefondsaktionären. Dort beträgt der Spread plus 0,85 Prozent pro Monat mit ­einem t-Wert von 3,06 (siehe Grafik „Idiosyn­kratische Aktienvolatilität und zukünftige Renditen“).

Keine „Wetten“ im Portfolio

Das Stockpicking der Hedgefonds scheint in dem Sinn „vernünftig“ zu sein, als es die Fonds offenkundig vermeiden, in Aktien mit niedrigen zukünftigen Renditen zu investieren. Hedgefonds halten sich also fern von dem Aktien-Bucket mit der höchsten idiosynkratischen Volatilität, die die niedrigsten Renditeerwartungen aufweisen, sie meiden Aktien, die eine klassische Wette darstellen. Den Wettcharakter einer Aktie messen die Autoren an der maximalen ­Tagesrendite in der Vergangenheit. Hier kommt die Arbeit von Bali, Cakici und Whitelaw aus dem Jahr 2011 mit dem Titel „Maxing Out: Stocks as Lotteries and the Cross-Section of Expected Returns“ ins Spiel. Diese belegen nämlich, dass wenn man im Hinblick auf die maximalen Ta­gesrendite in der Vergangenheit kontrolliert, die Beziehung zwischen idiosynkratischer Volatilität und künftiger Rendite ins Positive dreht. Des Weiteren investieren Hedgefonds nicht in überbewertete Aktien. Stanbaugh, Yu und Yuan zeigten 2015 in „Arbitrage Asymmetry and the Idiosynkratic Volatility Puzzle“, dass die Beziehung zwischen der idiosynkratischen Aktienvolatilität und künftigen Renditen vom Ausmaß der Fehlbewertung in Bezug auf elf Aktienmarktanomalien abhängt. Kluges Investieren in Aktien mit hoher idiosynkratischer Volatilität lässt also Hedgefonds von der hohen Einzelaktienvolatilität profitieren.

Schließlich zeigten der Amerikaner und der Schweizer, dass sich die Investments von Hedgefonds in Investments mit hoher idiosynkratischer Volatilität nicht auf Aktien beschränken, sondern dass diese Gruppe von ­Investoren auch derivative Wertpapiere einsetzt. Um diese Muster zu untersuchen, mischen die Autoren zu ihren Daten noch jene aus Long-Positionen von Puts und Calls aus dem EDGAR-System (EDGAR = Electronic Data Gathering, Analysis and Retrieval) der SEC. Im Einklang mit dem bei der Auswahl von Aktien an den Tag ­gelegten Verhalten treffen Hedgefonds ebenso vernünftige Entscheidungen bei ­Derivaten, indem sie sich zusätzlich auch von Call-Optionen mit sehr hoher idiosynkratischer Volatilität fernhalten. Andererseits kaufen sie Put-Optionen auf Aktien mit überaus hohen Volatilitäten. Dieser Dreiklang – kein Kauf überbewer­teter Aktien, kein Kauf von Aktien mit Wett­charakter und kein Kauf von hoch­volatilen Calls, aber sehr wohl Erwerb hochvolatiler Puts – macht offensichtlich den Erfolg von Hedgefonds aus. Für Investoren bedeutet dies, bei der Due Diligence von Hedgefonds noch mehr Augenmerk auf diese Erfolgskomponenten zu legen.

Dr. Kurt Becker


Anhang:

twitterlinkedInXING
 Schliessen

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