Liquiditäts-Check

Ein nicht zu unterschätzendes Problem der Aktienmarktanalyse ist die Tatsache, dass die Börsen einem ständigen Wandel unterworfen sind. Man muss nur 30 Jahre zurückblicken, um das zu erkennen: Statt elektronischer Märkte dominierte der Parketthandel, Hochfrequenzhandel war völlig unbekannt und passive Produkte wie ETFs spielten praktische keine Rolle. Parallel dazu wurden in dieser Zeit umfangreiche Regulierungspakete wie MiFID I und II in Europa sowie das RegNMS (Regulation National Market System) in den USA umgesetzt. All diese Ereignisse und Entwicklungen haben ihre Spuren im Hinblick auf die Liquidität an den Aktienmärkten hinterlassen, ­einige davon permanent und auf disruptive Art; wie diese Auswirkungen aber tatsächlich im Detail aussehen, ist keineswegs klar.

Thomas Johann, Stefan Scharnowski, Erik Theissen und Lukas Zimmermann, alle Universität Mannheim, sowie Christian Westheide von der Universität Wien haben daher versucht, die Frage zu beantworten, wie sich die Liquidität am deutschen Aktienmarkt in den letzten Jahrzehnten verändert hat. Dabei benutzten sie öffentlich zugängliche Daten von Januar 1999 bis April 2013. Dieses neue Datenset heißt Market Microstructure Database Xetra (MMDB-Xetra) und enthält Messgrößen für alle Titel des CDAX Index und für jeden Handelstag betreffend Liquidität, Handelsaktivität und Volatilität. Die Stichprobe besteht aus 982 Aktien. Ergänzt wurden diese Daten durch Marktkapitalisierung, ausstehende Aktienanzahl, Zinssätze und die Kurse des Dax und des VDAX von Refinitiv Eikon (vormals Reuters Thomson Datastream). Für Vergleiche mit den USA erhielten die Autoren Market-Microstructure-Database-Daten von der Vanderbilt University. Diese verwendet Daten von der TQA-Datenbasis, die ähnlich jenen von MMDB-Xetra sind, und aggregiert sie auf Tagesbasis.

Das Autorenquintett startet mit einer beschreibenden Analyse der Handelsaktivitäten und der Liquidität während des Stichprobenzeitraums, die in der Tabelle „Eckpunkte“ zusammengefasst sind. Unter „Handelsvolumen“ wird das durchschnittliche aggregierte tägliche Handelsvolumen aller CDAX-Aktien verstanden, es erreicht innerhalb des Beobachtungszeitraums 4,33 Milliarden Euro, wovon 3,84 Milliarden Euro auf den Fließhandel und der Rest auf den Auktionshandel entfallen. Die Grafik „Volumensentwicklung“ zeigt, wie sich das tägliche Handelsvolumen über die Zeit veränderte. Dieses lag bis 2005 ziemlich stabil bei zirka drei Milliarden Euro. Zwischen 2005 und 2008 trat dabei eine annähernde Verdreifachung des Tageshandelsvolumens ein, ehe das Volumen nach der Krise wieder auf das alte Niveau von vor 2005 zurückfiel. Auffällig ist, dass die beiden Zeitreihen Handelsvolumina und Dax während der Finanzkrise und kurz danach einen Gleichlauf zeigen, danach scheinen sie sich hingegen unabhängig voneinander zu entwickeln.

Ruhiger Jahreswechsel

Regelmäßig zeigten sich zudem eine nachlassende Handelsaktivität vor dem Jahreswechsel sowie auch eine große Konzentration der Handelsvolumina auf die Dax-Titel. 11,7 Prozent des Tageshandelsvolumens erfolgten über Auktionen, alle anderen Geschäfte fanden im Fließhandel statt. Betrachtet man die Teilmenge der Auktionen separat, so fällt auf, dass der Anteil der Auktionen tendenziell über das beobachtete Zeitfenster von sechs Prozent zu Beginn auf zirka 20 Prozent am Ende ansteigt und dessen Bedeutung damit zunimmt. Das scheint überraschend, weil der Anteil an Hochfrequenzhändlern in diesem Zeitraum gestiegen ist und Auktionen für diesen automatisierten Handel nicht sehr attraktiv sind. Der Anstieg des Auktionsanteils wird aber verständlich, wenn man weiß, dass Handelsplätze wie Cboe BXE und CXE (früher BATS Europe und Chi-X Europe) und Turquoise keine regulären Auktionen durchführen. Somit bündelt sich das Auktionsgeschäft auf Xetra. Zudem gibt es viermal im Jahr Spitzen im Auktionsvolumen, nämlich an den dritten Freitagen im März, Juni, September und Dezember, wenn Derivate auf deutsche Aktienindizes und Aktien auslaufen und Investoren ihre Positionen zum Settlement-Kurs schließen. Vergleicht man die unterschiedlichen Kenngrößen für Volatilität am deutschen Aktienmarkt, nämlich die tägliche Standardabweichung der Midquote, die Anzahl der Volatilitätsunterbrechungen bei allen CDAX-Aktien und das Niveau des VDAX, der aus den impliziten Optionsvolatilitäten berechnet wird, so sieht man, dass alle drei Kenngrößen hoch korreliert sind, wobei diese Korrelationen in ­einer Bandbreite von 40 bis 90 Prozent ­angesiedelt sind. Drei Volatilitätsperioden stechen hervor: 2002 bis 2003, 2008 bis 2009 und die Euroschuldenkriese 2011 bis 2012. Nach der Finanzkrise ging die Anzahl der Volatilitätsunterbrechungen relativ zu den beiden anderen Volatilitätsmaßen ­zurück. Einer der Gründe dafür wird wohl die Veränderung des Schwellenwertes, ab dem der Handel ausgesetzt werden muss, gewesen sein.

Liquiditätsentwicklung

Was die Entwicklung der Liquidität anbelangt, so liegt der durchschnittliche quotierte Spread bei 0,27 Prozent, der effektiv realisierte bei 0,17 Prozent. Höchstwerte wurden hier während der Krise 2002/2003 und 2008/2009 erreicht, wobei die Tiefs gegen Ende des Untersuchungszeitraums auf­tragen. Die Differenz der beiden ­Spreads ging ab 2012 gegen null. Der Kurs-Impact, berechnet als zweimal die prozentuale Abweichung von der Midquote vor dem Deal bis fünf Minuten nach dem Deal, gilt als Messgröße für die ­Adverse-Selection-Komponente der Spreads. Durchschnittlich liegt dieser bei 0,13 Prozent.

Das impliziert, dass die Adverse-Selection-Komponente ungefähr 76 Prozent des effektiven Spreads ausmacht, der im Schnitt bei 0,17 Prozent liegt. Effektiver Spread und Kurs-Impact sind jedenfalls sehr hoch korreliert. Diese Werte sind volumengewichtet. Wendet man einen Gleich­gewichtungsansatz an, stellt sich heraus, dass der quotierte und der effektive Spread substanziell höher ausfallen. Das impliziert, dass die Liquidität bei Small Caps beträchtlich niedriger ist.

Für Asset Manager ist nicht nur bedeutsam, wie sich die Marktliquidität als Aggregat entwickelt, sondern auch die Frage, ob die Liquidität von Einzelaktien korreliert ist und hier etwaige Gleichläufe bestehen. Um diesen Problemkreis anzusprechen, haben die Autoren auf den Ansatz von Chordia, Roll und Subrahmanyam aus dem Jahr 2000 in „Communality in Liquidity“, publiziert im „Journal of Financial Economics“, abgestellt und aktienspezifische Messgrößen für die Liquidität in Beziehung zu Messgrößen der Marktliquidität gesetzt und geeignete Kontrollvariable verwendet. Eines der herausragendsten Ergebnisse dieser Analyse ist, dass der Gleichlauf der Aktien in Bezug auf die Liquidität in der Finanz- und Wirtschaftskrise am höchsten war. Das sind schlechte Nachrichten für Asset Manager, da niedrige Renditen, eine geringe Marktliquidität und ein hoher Gleichlauf der der Liquidität der Einzeltitel dazu tendieren, simultan aufzutreten. Dadurch wird es schwierig und teuer, in turbulenten Börsenzeiten Positionen zu liquidieren.

Dabei ist dieser Gleichlauf der Liquidität von Einzelaktien nicht nur in einem Land, sondern auch länderübergreifend zu beobachten. Für die Wissenschaftler war dies Anlass, den Gleichlauf des deutschen und des US-amerikanischen Aktienmarktes zu untersuchen. Dabei wurde die Methodik von Brockman, Chung und Périgon an­gewendet, die diese 2009 in „Communality in liquidity: A global perspective“ veröf­fentlicht haben, und sie fanden heraus, dass die Liquidität am US-Aktienmarkt Prognosecharakter für jene am deutschen Markt besitzt. Im Einklang mit den eigenen Resultaten bezüglich des Gleichlaufs auf dem ­nationalen Level fanden sich Belege dafür, dass der Gleichlauf in der Liquidität zwischen den USA und Deutschland zu Zeiten der Finanzkrise stärker war.

Die vorliegende Studie liefert zur bestehenden wissenschaftlichen Literatur in mehrerer Hinsicht wertvolle Beiträge. Einmal benutzt sie ein neues Datenset, das der ­akademischen Forschung nun unentgeltlich zur Verfügung steht. Dann hat das Autorenquintett die bis dato umfangreichste Analyse zur Liquidität des deutschen Aktienmarktes erstellt. Des Weiteren handelt es sich um die erste Untersuchung des Gleichlaufs von ­Liquidität in Aktien mit Fokus auf den deutschen Aktienmarkt. Die daraus gewonnenen Erkenntnisse sind sowohl für alle Markt­teilnehmer als auch für Regu­latoren inter­essant, denn der verstärkte Gleichlauf von Aktien in Krisenzeiten stellt eine Bedrohung für die Stabilität des ­Finanzsystems dar.

Dr. Kurt Becker

Regressionsanalysen

Das Autorenquintett analysierte die Determinanten der Liquidität

Wie aus der Tabelle „Determinanten der Liquidität“ ersichtlich, haben Volatilität und Renditen der Vergangenheit einen signifikanten Einfluss auf die Liquidität. Auch gibt es signifikante Wochentagseffekte bei der täglichen Liquidität. Für die Analyse dienten tägliche Messgrößen für Liquidität und Handelsaktivität als abhängige Variablen. Unter den unabhängigen Variablen finden sich die Rendite des DAX über einen und fünf Tage. Große – positive wie negative – Renditen können ein Hinweis darauf sein, dass Investoren innerhalb ihrer Portfolios ein Rebalancing durchführen und die Bereitschaft der Trader, für das Market Making Kapital zur Verfügung zu stellen, betroffen ist.

Vielzahl erklärender Variabler

Contrarians oder Momentum Trader können zeitversetzt auf Dax-Renditen reagieren, und ihr Handelsverhalten kann die Liquidität beeinflussen. Chordia und seine Mitautoren fanden 2001 heraus, dass die Liquidität asymmetrisch auf Kursanstiege und -rückgänge reagiert. Deshalb splittete man die Dax-Renditen-Variablen in positive und negative. Auch der VDAX als Baro­meter der erwarteten Volatilität fand ­Aufnahme in die erklärenden Variablen. Hohe Volatilitätsniveaus werden üblicherweise mit einem niedrigen Liquiditätsniveau assoziiert. Der Spread zwischen Euri­bor und deutschen Staatspapieren mit der gleichen Laufzeit wurde stellvertretend für sich ändernde Funding-Bedingungen herangezogen. Diese Variable ist damit ähnlich dem TED-Spread in den USA.

Um den möglicherweise vorhandenen Einfluss von MiFID abzudecken, wurde ­eine entsprechende binäre Variable eingeführt, um die Zeit vor Einführung dieser Regulierung von der Zeit danach zu trennen. Eine weitere binäre Variable steht für Krise (von Juli 2007 bis April 2009) oder Nichtkrise (restliche Zeit), um den Effekt, dass die Handelsaktivität und die Volatilität in Krisenzeiten steigen, während die Liquidität sinkt, abzugreifen.

Wochentagseffekte wurden in früheren Studien bereits beschrieben und sind auch hier unter den Variablen. Auch Handelstage, die in Deutschland zwar Feiertage sind, nicht aber in den USA, werden genauso modelliert wie Brückentage oder der Hexensabbat. Die Ergebnisse der Regressionsanalyse sind in der gleichlautenden Tabelle zu finden. So zeigt sich, dass positive aktuelle und in den Tagen zuvor angefallene Dax-Renditen tendenziell mit höherer Volatilität, einem höheren Kurs-Impact, einem höheren Orderungleichgewicht und einer höheren Handelsaktivität einhergehen.

Quotierte und effektive Spreads

Die Wirkungen auf Spreads und Markttiefe ist zweideutig. Positive aktuelle Dax-Renditen gehen mit niedrigeren quotierten Spreads und einer höheren Markttiefe einher, haben aber keine signifikante Auswirkung auf den effektiven Spread. Posi­tive Renditen aus der jüngsten Vergangenheit gehen jedoch mit verringerten effektiven Spreads zusammen. Wenn man die Koeffizienten im Fall von negativen aktuellen beziehungsweise jüngst vergangenen Dax-Renditen betrachtet, ist auf den Vorzeichenwechsel Bedacht zu nehmen. Ein nega­tives Vorzeichen bei der Volatilitäts­regression besagt, dass ein kleiner – das bedeutet hier stärker negativer – Dax-­Return die Volatilität erhöht. Und genau das fanden auch die Kapitalmarktforscher.

Dazu kommt, dass die Absolutwerte der Koeffizienten deutlich größer sind als bei positiven Dax-Renditen. Dieses Ergebnis bestätigt die Literatur, die von einem Le­verageeffekt spricht. Des Weiteren gehen negative Renditen mit höheren quotierten und effektiven Spreads, einem höheren Kurs-Impact, einem höheren Handelsvolumen und einem höheren Orderungleichgewicht einher. Letzteres Resultat ist intui­tiv einzusehen, da es impliziert, dass negative Renditen mit einem höheren Anteil von verkäuferinduzierten Trades als mit von Käufern veranlassten in Einklang stehen.

Die Ergebnisse für die Markttiefe sind nicht eindeutig: Negative Vergangenheitsrenditen aus der jüngeren Vergangenheit erhöhen die Markttiefe, während aktuelle negative Renditen die Markttiefe verringern. Im Fall der Steigerung des Volatilitätsniveaus am Vortag ist erwartungsgemäß mit höherer Volatilität und niedriger Liquidität im Markt zu rechnen. Die Wirkung auf die Handelsaktivität ist eine nega­tive. Die Resultate in Bezug auf den Zins-Spread sind nicht eingängig. Modelle wie jene von Brunnermeier und Pedersen ließen erwarten, dass die Funding-Liquidität und die Marktliquidität in einer positiven Beziehung zueinander stehen, doch die Autoren fanden hier das Gegenteil. Höhere Zins-Spreads, die eine verringerte Funding-Liquidität bedeuten, gehen mit niedrigeren Spreads und einem geringeren Kurs-Impact einher. Was die Finanz­krise anbelangt, so waren hier Volatilität und Handelsvolumen höher.

Hexensabbat beeinflusst Spreads nicht

Überraschenderweise können die Autoren keine Verringerung der Liquidität im Krisenmodus feststellen. Tatsächlich sind in Krisenzeiten der effektive Spread signifikant geringer und die Markttiefe signifikant höher. Der Hexensabbat und damit das Auslaufen der Derivatkontrakte beeinflusst Spreads überhaupt nicht, bedingt aber eine höhere Markttiefe und einen Anstieg des Handelsvolumens. Wenn der Markt an einem nationalen oder regionalen Feiertag geöffnet ist, sind Handelsaktivitäten, Volatilität, Markttiefe und Kurs-Impact erwartungsgemäß geringer. Während quotierte Spreads signifikant höher sind, fallen die effektiven Spreads nicht höher aus als an normalen Handelstagen. Eine mögliche Erklärung für steigende quotierte und unveränderte effektive Spreads könnte sein, dass Quote Spreads an Feiertagen volatiler sind und Trader rational auf die gestiegene Volatilität reagieren, den Markt beobachten und erst dann aktiv werden, wenn der Quote-Spread niedrig ist. Die Ergebnisse für lange Wochenenden sind größtenteils insignifikant. Was die Analyse der unterschiedlichen Wochentage anbelangt, so sind Volatilität, Handelsaktivität und Quote Spreads zu Wochenbeginn ­offensichtlich niedriger.

Dieses Seite teilen