Versteckte Talente

Während es bei Weitspringern vergleichsweise einfach ist, „gute“ von „weniger guten“ Akteuren zu unterscheiden, fällt es bei Musikern schon etwas schwerer; wirklich heikel wird es in der bildenden Kunst. War Pablo Picasso ein „besserer“ Maler als Martin Kippenberger? Wenn keine objektiv messbaren ­Ergebnisse vorliegen, fällt die Beurteilung einer Leistung naturgemäß schwer. So betrachtet ist auf den ersten Blick verwunderlich, dass sich die Ergebnisse von Hedgefondsmanagern so schwer einordnen lassen, denn hier liegen durchaus Messgrößen vor. Das Problem besteht darin, dass in der Vermögensverwaltung „Glück“ eine Rolle spielen kann. Bei ­einer ausreichend großen Zahl von Fondsmanagern bleibt auch nach län­geren Beobachtungszeiträumen eine Anzahl von Akteuren übrig, die für jedes Jahr gute Ergebnisse vorweisen können, ohne dass man dabei sicher sein darf, dass diese nur ihrer Geschicklichkeit zu verdanken sind.

Besseres Prognoseinstrument

Vikas Agarwal, Chair und Professor of Finance am J. Mack Robinson College of Business der Georgia State University in Atlanta, Stefan Ruenzi, Inhaber des Lehrstuhls für Internationale Finanzierung an der Universität Mannheim, und Florian Weigert, Professor für Finanzrisikomanagement an der Universität Neuchâtel in der Schweiz, sind angetreten, Licht ins Performance-Dunkel der Hedgefondsbranche zu bringen. Das Trio will ergründen, wie man die unzweifelhaft vorhandenen Fähigkeiten von Hedgefondsmanagern – angelsächsisch als „Skill“ bezeichnet – besser als bisher messen kann, um mit dieser Messgröße die künftige Hedgefondsperformance erfolgreicher als durch die bisher aus der wissenschaftlichen Literatur bekannten Kennzahlen zu prognostizieren.

Zwei verschiedene wissenschaftliche Ansätze haben bis dato Fortschritt in Richtung Skill-Messung und Prognostizierbarkeit künftiger Renditen erzielt. Der erste Ansatz ist eine ertragsbasierte Methode, die mittels Regressionen die Beziehung zwischen den offiziell berichteten Hedgefondsrenditen und einer Unzahl verschiedener Risikofaktoren untersucht. Eine wichtige Erkenntnis in diesem Zusammenhang ist jene, dass die Hedgefondsperformance durch verschiedene Risikofaktoren erklärt werden kann, wobei der durchschnittliche Hedgefondsmanager genügend Skill besitzt, um ein signifikant positives Netto-Alpha nach Abzug der Gebühren zu erzielen.

Der zweite Ansatz verfolgt einen anderen Weg und untersucht die Performance der Portfoliopositionen von Hedgefonds. Wegen der geringen Offenlegungspflichten von Hedgefonds können die Kapitalmarktforscher nur die Long-only-Positionen der Fonds analysieren, wie sie der Securities and Exchange Commission (SEC) quartalsweise gemeldet werden. Im Gegensatz zum ersten returnbasierten Ansatz, zu dem sich viele Studien finden, sind es hier nur wenige, die die Portfoliopositions-Analysemethode anwenden. So zum Beispiel Griffin und Xu 2009 in „How Smart are the Smart Guys? A Unique View from Hedge Fund Stock Holdings“. Die beiden zeigten, dass Hedgefonds nicht mehr Skill als gewöhnliche Investmentfonds in Bezug auf die Wertpapierselektion besitzen. Die Rendite der Aktienpositionen ist nicht besser als die Marktrendite, weshalb Skill nicht angenommen werden kann. Die Wissenschaftler haben nur Zugang zu quartalsweisen Momentaufnahmen, auch sind von der Offenlegung nur große Aktienpositionen umfasst. Währenddessen bleiben Positionen mit weniger als 10.000 Aktien oder weniger als 200.000 US-Dollar Gegenwert im Dunkeln. Von den großen Positionen können zudem einige aufgrund von Hedging-Motiven und nicht wegen Information eingegangen sein. Es gibt die Möglichkeit einer Verzerrung der offengelegten Portfoliobestände, dass Offenlegungen nur auf Ebene der Hedgefondsgesellschaft und nicht der individuellen Hedgefonds passieren und ein Trading zwischen den Quartalen durch die Hedgefondsmanager stattfindet, sodass die Konkurrenz über die wahre Handelsstrategie und die tatsächliche Positionierung im Unklaren gelassen wird.

Die Studie von Agarwal, Ruenzi und Weigert spricht diese prima vista nicht stimmigen Erkenntnisse zum Geschick von Hedgefondsmanagern und den Werttreibern von Skill an. Zu diesem Zweck schlagen sie vor, die beiden Ansatzstränge, also den return- und den positionsbasierten, zu kombinieren. Die dieser Kombination zugrunde liegende Intuition der Autoren ist folgende: Wenn ein positives Hedgefonds-Alpha besteht, wie es in den returnbasierten Studien beschrieben wird, aber nicht in der Einzelpositionsanalyse nachzuweisen ist, muss dieses Alpha aus nicht beobachtbaren Aktionen der Hedgefondsmanager stammen. Das sind Trades, die in den quartalsweisen Meldungen von Aktienpositionen nicht enthalten sind oder aus den gezeigten Positionen nicht abgeleitet werden können. Um diese offensichtlich wichtigen, aber nicht beobachtbaren Ertragskomponenten, kurz URC (Unobserved Return Components beziehungsweise unbeobachtete Return-Komponenten), einzufangen, kombinieren die Autoren Daten zu den Hedge­fondsrenditen, wie sie von den kommerziellen Datenbankanbietern publiziert werden, mit jenen zu den Long-only-Aktienpositionen von Hedgefonds anhand ihrer 13-F-Meldungen an die SEC.

Im Einklang mit dem überaus eingeschränkten Nachweis von Skill aus den offengelegten Aktienpositionen beobachtet das Autorentrio Agarwal, Ruenzi und Weigert, dass die in ihrer Stichprobe durchschnittliche risikoadjustierte Performance von Alpha 0,256 Prozent pro Monat bei einem t-Wert von 2,74, der statistische Signifikanz signalisiert, beträgt und fast zur Gänze von unbeobachteten Return-Komponenten bestimmt wird, deren Alpha bei 0,211 Prozent pro Monat und einem hoch signifikanten t-Wert von 3,48 liegt (siehe Grafik „Unbeobachtete Return-Komponenten und Risikofaktoren“).

Im Gegensatz dazu liegt das durchschnittliche und insignifikante Hedgefonds-Alpha aus den offengelegten Aktienpositionen bei lediglich 0,046 Prozent, verbunden mit ­einem t-Wert von 0,69, sodass das Ergebnis statistisch betrachtet von null nicht zu unterscheiden ist. Basis der Berechnungen ist das Sieben-Faktor-Modell nach Fung und Hsieh, das um den Value-Faktor von Fama und French sowie den Momentum-Faktor nach Carhart erweitert ist.

Im Unterschied zu klassischen Long-only-Aktienportfolios können die von Hedgefonds erwirtschafteten Renditen nicht vollständig durch die Entwicklung der Aktien erklärt werden. Aus diesem Grund passten die Autoren das Set-up um die bekannten Risikofaktoren an, die die Hedgefondsrenditen beeinflussen, um das Managementgeschick besser zu isolieren, und konstruieren eine neue Messgröße für Skill, die unbeobachtete Performance UP, die der risiko­adjus­tierten Differenz zwischen der von Hedgefonds berichteten Nettorendite und der hypothetischen Buy-and-Hold-Rendite aus den offengelegten Aktienbeständen – abzüglich geschätzter Handelskosten für das Quartal – entspricht. Der Untersuchungszeitraum der Stichprobe umfasst das Zeitfenster von 1994 bis 2017.

Um die Ursachen von Manager-Skill zu verstehen, haben die Autoren als Nächstes untersucht, welche Hedgefondsfirmen-­Charakteristika mit einer hohen UP einhergehen. Wenn diese unbeobachtete Performance tatsächlich Managementgeschick anzeigt, sollten jene Charakteristika, die damit verbunden sind, eine bessere Performance für den Folgezeitraum t+1 prognostizieren können. Agarwal, Ruenzi und Weigert finden starke Hinweise darauf, das UP tatsächlich Management-Skill widerspiegelt. So finden sie, dass kleinere Hedgefondsfirmen eine höhere UP zeigen, was mit der Vermutung einhergeht, dass diese Firmen wendiger sind, weniger häufig unter Kapazitätsbeschränkungen leiden als die Big Player und deswegen besser performen, wie schon Agarwal und Jorion 2010 in „The Performance of Emerging Hedge Funds and Managers“ darlegten. Zusätzlich besteht eine positive Beziehung zwischen UP und Kenngrößen betreffend Manager-Incentives (Sensitivität oder Delta aus Manager-Remuneration und Performance) und der Entscheidungsbefugnis des Managements, für die stellvertretend die Lock-up-Periode herangezogen wird. Beide prognostizieren eine bessere zukünftige Hedgefondsperfor­mance, wie schon Agarwal, Daniel und Naik 2009 in „Flows, Performance and Managerial Incentives in Hedge Funds“ schrieben. Zu guter Letzt decken Agarwal, Ruenzi und Weigert eine starke Beziehung zwischen UP und der Maßzahl R² von Titman und Tiu (2011) sowie dem Strategy-Dis­tinctiveness-(SDI)-Faktor von Sun, Wang und Zheng von 2012 auf. Daraus lässt sich schließen, dass Manager mit einer hohen UP aktiver und weniger stark konventionellen Risikofaktoren ausgesetzt sind sowie ­Investmentstrategien verfolgen, die sich von ihren Mitbewerbern unterscheiden.

Vier Handelsmuster

Als Nächstes untersuchen die drei Autoren die Art der Handelsstrategien der Hedge­fonds, die zur Erhöhung der UP beitragen. Obwohl die mangelnde Transparenz der Hedgefondsindustrie es erschwert, hier definitive Antworten zu finden, können die Autoren doch vier potenzielle Handelsmus­terstrategien untersuchen. Erstens könnte die UP im Zusammenhang mit aktivem Trading von Aktien-Long-Positionen zwischen den Quartalsstichtagen zusammenhängen. Mehrere Studien wie jene von Andy Puckett und Xuemin Yan von 2011 und jene von Lubos Pástor, Robert Stambaugh und Lucian Taylor von 2017 haben gezeigt, dass häufiges Traden bei institutionellen Investoren potenziell performancesteigernd wirkt. Im Gegensatz zu Investmentfonds traden Hedge­fonds aktiver und dynamischer und tauschen ihre Investments häufiger als Reaktion auf veränderte Marktbedingungen aus. Dafür fanden mehrere Arbeiten Belege.

Agarwal, Ruenzi und Weigert verwenden zwei Kenngrößen stellvertretend für die Messung der Tradingaktivitäten von Hedgefondsfirmen zwischen den Quartalsstichtagen. Die eine stellvertretende Größe für das Quartalstrading sind die Veränderungen der offengelegten Long-only-Aktienpositionen vom Ende des Quartals t zum Folgequartal t+1 des Hedgefondsunternehmens, die andere besteht aus den aktuellen Aktientransaktionen von Hedgefondsfirmen, wie man sie in der Abel-Noser-Datenbank findet, um den Portfolioumschlag zwischen den Quartalsstichtagen zu berechnen. Benutzt man beide Proxies, so lässt sich dokumentieren, dass Hedgefondsfirmen mit hohem Port­folioumschlag eine höhere unbeobachtete Performance zeigen.

Derivateeinsatz

Parallel dazu steht die unbeobachtete ­Performance wahrscheinlich auch im Zusammenhang mit der Nutzung von Derivaten durch die Hedgefondsgesellschaften. Schließlich sind Hedgefonds dafür bekannt, nichtlineare Ertragsprofile aufzuweisen, die Out-of-the-money-Put-Write-Strategien ähneln, wie die 2004 von Vikas Agarwal und ­Narayan Naik und 2015 von Jakub Jurek und Erik Stafford publizierten Forschungsarbeiten feststellten. Dazu kommt, dass die Optionspositionen von Hedgefonds abnormale zukünftige Renditen liefern und das Portfoliorisiko verringern. Die Autoren tes­ten diese Annahme, indem sie die Sensiti­vität der Hedgefondsfirmen für die Call- und Put-Options-Faktoren von Agarwal und Naik sowie die Offenlegungen zu Long- Call- und Put-Optionen in den 13-F-Meldungen an die SEC analysieren. Die Ergebnisse zeigen, dass die unbeobachtete Per­formance einer Hedgefondsfirma in einem positiven Verhältnis zu Tradingstrategien steht, die Long-Put-Optionen miteinschließen und damit möglicherweise durch ein überlegenes Risikomanagement dazu beitragen, die Performance zu verbessern.

Nichtöffentliche Aktivitäten

Drittens untersuchen die Autoren, ob die unbeobachtete Performance mit dem En­gage­ment von Hedgefonds bei Leerverkaufsstrategien in Verbindung steht. Short Selling von Hedgefonds soll im Durchschnitt hochprofitabel sein, wie Jones, Reed und Waller 2016 sowie Jank und Smajl­begovic 2017 herausfanden. Auch hier – wie im Fall des Tradings zwischen den Quartalsstichtagen – setzen die Autoren auf zwei verschiedene Proxies für die Messung der Short-Selling-Aktivität der Hedgefondsunternehmen. Einmal errechnen sie deren Sensitivität zu einem aggregierten Short Interest, wie dies Rapach, Ringgenberg und Zhou 2016 vorschlugen, und setzen diese Sensitivität ins Verhältnis zur unbeobachteten Performance. Als zweite stellvertretende Größe errechnen sie die Short-Sale-Aktientransaktionen für eine Stichprobe von Hedge­fonds, die ihre Aktien-Long-Positionen gegenüber der SEC offenlegen und ebenso detaillierte Transaktionsdaten über alle Trades bei der Abel-Noser-Datenbank melden. Am Ende stellen sie fest, dass folgender Zusammenhang gilt: Je höher die Sensititvität einer Hedgefondsfirma gegenüber dem Short Interest und je größer die Anzahl der Short-Positionen sowie deren Gegenwert ist, desto höher fällt die unbeobachtete Performance aus. Das legt den Schluss nahe, dass Hedge­fonds mit einer höheren unbeobachteten Performance Gewinn aus der Nutzung von Short-Positionen erzielen.

Und schließlich untersuchen die Autoren die Beziehung zwischen der unbeobachteten Performance und der Vertraulichkeit der Trading-Aktivität einer Hedgefondsfirma. Diese kann bestimmte Portfoliopositionen geheim halten, die erst mit einer gewissen Verzögerung nach einem Ansuchen um vertrauliche Behandlung publik gemacht werden müssen, nachdem ihnen eine vertrauliche Behandlung entweder seitens der SEC verweigert wird oder diese ausgelaufen ist, was typischerweise nach einem Jahr geschieht. Wie sich zeigt, ist mit vertraulichen Positionen eine superiore Performance verbunden. Den Autoren gelingt es zu zeigen, dass Hedgefondsfirmen, die eine Vielzahl an vertraulichen Beständen besitzen, auch eine höhere unbeobachtete Performance ihr Eigen nennen. Es lässt sich also der empirische Nachweis dafür erbringen, dass die unbeobachtete Performance eines Hedgefondsunternehmens zum Teil durch die nicht offengelegten Portfoliopositionen erklärt werden kann. Zum Abschluss können die Autoren feststellen, dass alle vier beschriebenen Aspekte der Hedgefonds-Tradingstrategien – Handel zwischen den Quartalsstichtagen, Einsatz von Derivaten, Leerverkäufe und vertrauliche Deals – zusammen mit einer höheren unbeobachteten Performance verbunden sind.

Prognosequalität gegeben

Da diese Merkmale des Tradings auf eine bessere Hedgefondsperformance in der Zukunft hindeuten, untersuchen die Autoren, ob die unbeobachtete Performance einer Hedgefondsfirma dazu in der Lage ist, die künftige Performance zu prognostizieren. Analysen belegen, dass Firmen mit einer hohen unbeobachteten Performance im Folgequartal signifikant besser performen als ihre Mitbewerber. Der Unterschied in den durchschnittlichen Renditen der Hedgefondsfirmen des ersten und des fünften UP-Quintils beträgt signifikante 51 Basispunkte pro Monat für Überschussrenditen und 62 Basispunkte pro Monat für das Alpha aus dem Neun-Faktor-Modell, basierend auf Fungs und Hsiehs Sieben-Faktor-Modell, das um den Value-Faktor von Fama und French sowie den Momentum-Faktor nach Carhart erweitert ist (siehe Tabelle „Unbeobachtete Performance und zukünftige Renditen“). Interessanterweise prognostiziert die unbeobachtete Performance die künftige Hedgefondsperformance signifikant besser als die Vergangenheitsperformance der Hedgefondsfirma – der künftige risikoadjustierte Ertrags-Spread liegt bei 44 Basispunkten –, aber auch besser als die von den Long-­only-Aktienpositionen stammende Performance. Hier macht der künftige risikoadjustierte ­Ertrags-Spread vier Basispunkte aus.

Des Weiteren gelingt es den Autoren zu zeigen, dass der Performance-Spread der unbeobachteten Performance nicht von anderen Assetklassen wie Schwellenländer­aktien oder europäischen Aktien, Staats- und Unternehmensanleihen, Rohstoffen, Immobilien und Private Equity getrieben wird. Auch kann der Performanceunterschied der UP nicht aus dem Exposure zu anderen alternativen Risikofaktoren wie dem Liquiditätsrisiko, dem Low-Beta-Risiko, makroökonomischer Unsicherheit, der Investorenstimmung, Korrelationsrisiken, dem Tail Risk und der Volatilität des aggregierten Volatilitätsrisikos herrühren.

Die Prognosekraft der unbeobachteten Performance für künftige Hedgefondsrenditen wird nicht unter andere Firmencharakteristika subsumiert und bleibt bestehen, wenn man die Ergebnisse im Hinblick auf Vergangenheitsrenditen der Hedgefondsfirma, Größe, Alter, Volatilität, Manager-Delta, Management- und Performancegebühr, Mindestinvestment, Lock-up und Kündigungsfristen, Offshore-Firmensitz, Einsatz von Leverage, High Water Mark und ­Hurdle Rate kontrolliert. Weiters gelingt es dem Trio darzulegen, dass die Wirkung der unbeobachteten Performance nicht in vor Kurzem entwickelten alternativen Skill-Kenngrößen wie R² sowie der Strategy Dis­tinctiveness (SDI) aufgeht. Tatsächlich schlägt die unbeobachtete Performance die beiden anderen Kenngrößen bei der Prognose der künftigen durchschnittlichen Hedgefondsperformance.

Dazu kommt, dass die Auswirkung der unbeobachteten Performance auf die künf­tige Fondsperformance stabil ausfällt. So wirkt sie im Zeitfenster von 1996 bis 2007 genauso wie im darauffolgenden von 2008 bis 2017, kann in Zeiten hoher wie niedriger Marktrenditen genauso beobachtet werden und wirkt bis zu zwölf Monate in die Zukunft. Die dokumentierte Outperformance der Hedgefondsfirmen mit hoher unbeobachteter Performance hält auch einer ganzen Batterie von Robustheitstests stand. Das schließt verschiedene Multi-Faktor-Modelle, die an Hedgefondsrisiken angepasst sind, verschiedene Performancemaßzahlen wie unter anderem die Sharpe und Treynor Ratio, die Anwendung alternativer Schätzhorizonte für die unbeobachtete Performance, deren Berechnung anhand von Bruttorenditen, die Einschränkung auf den Hedgefondsstil „Long/Short Equity“, Einzelfonds von Hedgefondsfirmen sowie Korrekturen verschiedener Biases mit ein. Wenn die ­unbeobachtete Performance verschiedene Dimensionen des Manager-Skills einfängt, sollte sie nachhaltig bestehen. Empirische Studien zeigen, dass das der Fall ist.

Outperformance

Eine Tradingstrategie auf Basis von unbeobachteter Performance outperformt zwei andere, die auf Grundlage der berichteten Hedgefondsperformance beziehungsweise der offengelegten Long-only-Aktienbestände in den Hedgefonds erfolgen. Am Ende des Untersuchungszeitraums der Stichprobe 2017 würde das Vermögen eines Investors von 100 US-Dollar auf 348,63 US-Dollar angestiegen sein, hätte man ausschließlich in die Handelsstrategie mit unbeobachteter Performance investiert. Man erhielte so am Ende substanziell mehr als jene 220,26 respektive 117,52 US-Dollar aus den beiden anderen Ansätzen (siehe Chart „Kumulative Renditen“ ). Jede dieser drei Strategien geht long das Quintil der Hedgefondsfirmen mit den höchsten Werten des jeweiligen Sortierkriteriums und short das Quintil mit den niedrigsten Werten des Sortierkriteriums analog zur klassischen Faktorberechnung. Dazu kommt ein monatliches Rebalancing ohne Berücksichtigung von Tradingkosten. Ausgangspunkt ist jeweils ein Betrag von 100 US-Dollar am Jahresanfang 1997. Das Universum der Hedgefondsfirmen wurde aus mehreren Datenbanken gebildet, indem man Hedgefondsdaten von Eurekahedge, HFR, Morningstar und Lipper TASS zusammenzog. Die schwache Performance aus Buy-and-Hold beziehungsweise der Performance aus den offengelegten Aktientrades bedeutet nicht zwangsläufig, dass Hedgefondsmanager kein Geschick auf der Long-Seite besitzen. Schließlich unterliegen die Aktien-Long-Positionen gewissen Einschränkungen wie dem Fehlen kleinerer Deals sowie der Geschäfte zwischen den Quartalsstichtagen, um nicht Kopisten den Nachbau 1:1 zu ermöglichen.

Wertvolle Arbeit

Das Papier stellt in mehreren Belangen eine Bereicherung der Wissenschaftsliteratur dar. Denn mit der unbeobachteten Performance wurde eine neue Performancemessgröße entwickelt, die Daten zu Hedgefondsrenditen aus kommerziellen Datenbanken mit jenen zu Long-only-Aktienpositionen, wie sie der SEC-Meldung entsprechen, kombiniert. Dazu kommt, dass die neue Messzahl zukünftige Hedgefondsrenditen prognostiziert und dabei ertragsbasierte und positionsbasierte Performancekenngrößen aus dem Feld schlägt. Dann deckt das Paper verschiedene Quellen von Manager-Skill in der Hedgefondsindustrie auf, ­indem es zeigt, dass unbeobachtete Performance von Hedgefonds von den Deals zwischen den Quartalsstichtagen, dem Einsatz von Derivaten sowie der verspäteten Offenlegung vertraulicher Long-Positionierungen beeinflusst wird, wobei sie alle die künftige Hedgefondsperformance positiv prognostizieren. In diesem Sinne greift die Messgröße der unbeobachteten Performance verschiedene Aspekte von Manager-Skill als die Return-Gap-Messgröße auf, die von Marcin Kacperczyk, Clemens Sialm und Lu Zheng für Investmentfonds entwickelt und 2006 publiziert wurde („Unobserved Actions of Mutual Funds“). Denn während Investmentfonds hauptsächlich Buy-and-Hold-Long-only-Strategien verfolgen, sind Hedgefonds bei ihren Investmentstrategien weniger eingeschränkt. Sie shorten Aktien, setzen Derivate ein und verfolgen dynamischere Handelsstrategien. Dazu kommt im Unterschied zur Return-Gap-Messgröße, dass die Autoren die nicht beobachtete Komponente risikoadjustieren und kontrollieren in Bezug auf Exposure zu anderen Assetklassen als Aktien. Der Fokus dieser Arbeit liegt also nicht nur darauf, eine neue Messgröße als Prognosetool für die Performance von Hedgefondsfirmen vorzustellen, sondern diese zu verwenden, um verschiedene Quellen von Manager-Skill bei Hedgefonds zu identifizieren.

Die Autoren zeigen, dass die unbeobachtete Performance kein zufälliges ­Attribut einer Hedgefondsfirma ist, sondern in einem starken Zusammenhang mit Kennzahlen zu Manager-Incentives, der Verschwiegenheit der Hedgefondsfirma und dem Manager-Skill steht. Es stellt sich heraus, dass verschiedene Handelsmuster wie das Traden zwischen den Quartalsstichtagen, Put-Optionsstrategien, das Eingehen von Short-Positionen und vertraulichen Deals in einer positiven Beziehung zur unbeobachteten Performance stehen und zur überlegenen Performance von Hedgefonds mit einem hohen Wert an unbeobachteter Performance beitragen. Zudem hat die ­unbeobachtete Performance eine starke Prognosewirkung in Bezug auf die zukünftige Hedgefondsperformance. So schlagen Hedge­fondsunternehmen mit einem hohen Wert an unbeobachteter Performance solche mit einem niedrigen Wert an unbeobachteter Performance um 7,2 Prozent pro Jahr nach Berücksichtigung standardmäßiger Hedgefonds-Risikofaktoren. Dieser Spread ist robust, wenn man in einer multivariaten Analyse nach Firmencharakteristika kontrolliert. Interessanterweise prognostiziert die unbeobachtete Performance die künftige Performance der Hedgefondsfirma besser, als es deren Vergangenheitsperformance oder die vergangene Performance der Long-only-Aktienpositionen tun.

Die neue Kenngröße kann Investoren ­dabei unterstützen, die zukünftige Hedgefondsperformance besser zu prognostizieren und zu verstehen, welche Ursachen hinter einer solchen Prognosegüte stecken. Allerdings findet sich kein Nachweis dafür, dass Fondsinvestoren bis dato die unbeobachtete Performance als Skill-Messgröße anerkennen. Sie beobachten auch offensichtlich nicht, dass mehr Kapital in Fonds mit einer hohen unbeobachteten Performance allokiert ist. Stattdessen scheint es so, als jagten sie der Vergangenheitsperformance hinterher. Institutionelle Investoren sollten sich ­also genauso wie Consultants mit dem Konzept der unbeobachteten Hedgefondsperformance vertraut machen und überlegen, wie sie diese in ihre Due Diligence im Hedgefondsbereich einfließen lassen.

Dr. Kurt Becker

Dem Managergeschick auf der Spur

Es gibt Hinweise darauf, dass die unbeobachtete Performance als Messgröße zur Leistungsbeurteilung geeignet ist.

In der Rechnung der Spalte (1) der Tabelle: „Determinanten der unbeobachteten Performance“ werden zeitinvariate Charakteristika von Hedgefondsfirmen wie vergangene Monatsrenditen, Firmengröße und -alter, die Standardabweichung der Renditen und das Delta aus Manager-Remuneration und Performance verwendet. In Spalte (2) sind die Rechenergebnisse bei Verwendung zeitinvariater Hedgefondscharakteristika wie Management- und Performancegebühr, Lock-ups und die sogenannte Restriction Period, die sich aus der Kündigungs- und Rücklösungsfrist zusammensetzt, und von Indikatorvariablen dargestellt. Letztere nehmen den Wert eins an, wenn es sich um eine Offshore-Firma handelt, wenn Leverage eingesetzt wird, eine High Water Mark und eine Hurdle Rate besteht. In Spalte (3) werden die zeitvariablen und zeitinvariaten Variablen gepoolt, und in Spalte (4) kommen noch die Messgrößen R² und die Strategy Distinc­tive­ness (SDI) hinzu.

Über alle vier Spalten lassen sich folgende Muster erkennen: Erstens zeigen kleine Hedgefondsfirmen typischerweise eine höhere unbeobachtete Performance, denn sie sind flinker und haben weniger Kapazitätsprobleme. Zweitens sind Hedgefondsfirmen mit einer höheren unbeobachteten Performance in positiver Relation mit dem Manager-Delta, Management­gebühren und Minimuminvestments zu ­sehen. Besser incentivierte Hedgefondsmanager tendieren also dazu, außerhalb der offenzulegenden Aktien-Long-Bestände zu investieren und damit mehr unbeobachtete Performance zu erzeugen. Drittens zeigen die Ergebnisse, dass Hedgefondsfirmen mit einer höheren unbeobachteten Performance längere Lock-ups aufweisen. Des Weiteren zeigt sich, dass Firmen mit höherer unbeobachteter Performance ein niedriges R² aus dem Neun-Faktor-Modell und einen höheren Wert beim Strategy Dis­tinctiveness Index besitzen. Das ist insofern intuitiv einleuchtend, als Firmen mit einer höheren unbeobachteten Performance kein starkes klassisches Faktor-Exposure eingehen und sich von der Konkurrenz ­unterscheiden. Diese Aufstellung spiegelt das Selbstvertrauen der Hedgefondsmanager wider, überdurchschnittliche Renditen durch einzigartige aktive Strategien zu erzielen. Zusammengefasst dokumentieren die Autoren, dass der positive abnormale Spread bei der unbeobachteten Performance nicht zufällig besteht, sondern auf bestimmte Firmeneigenschaften zurück­zuführen ist, wovon die meisten mit einer besseren Performance einhergehen. Offensichtlich ist die unbeobachtete Per­formance also als Messgröße für Skill geeignet.

Dieses Seite teilen