Demokratische Entwicklung einer „Hedgework“-Strategie

« Klimawandel im Rating | Home | Gute Ergebnisse dank gutem Rating »

Demokratische Entwicklung einer „Hedgework“-Strategie

Von Dr. Oliver Everling | 3.Februar 2015

Christian Schwehm von ACATIS Investment GmbH, spricht bei Hedgework über „Modulor – Quant braucht Ingenieure!“ Rendite aus Kapitalmarktoanomalien, Faktortiming, Einsatz von Signale – das sind Schwerpunkte seines Vortrags vor dem Hintergrund des Wachstums passiver Produkte, denn das investierte Volumen in ETFs nimmt nachhaltig zu.

Passive Produkte basieren zumeist auf einem statischen Regelwerk. Der Großteil an passiven Produkten ist marktgewichtet. Langsames, aber stetiges Wachstum von alternativen Gewihtungsmethoden zu deutlich höheren Kosten, „Optimierung“ der Strategieparameter zum Auflagezeitpunkt und keine Anpassung der Parameter an aktuelle Marktgegebenheit gelten als Standard. „Wir glauben bei Acatis, dass man durchaus auch Marktchancen nutzen sollte“.

Aktien liefern langfristig etwas mehr Rendite als Renten. Gleich, ob Value (Warren Buffett), Low Risk (Robert Haugen), Momentum oder andere Ansätze, Aktien scheinen eine höhere Performance zu bieten. Daher sei die Frage zu stellen, weshalb dennoch die meisten Fondsmanager die Benchmark nicht schlagen. „Career Risk“, fasst Schwehm das Problem zusammen: Fondsmanager wollen ihren Job behalten. „Überrenditen sind leider nicht stabil,“ sagt Schwehm, „das Timing ist die hohe Kunst“.

„Quant braucht Ingenieure“, das sei die Antwort von Acatis. „Wir passen die Faktoren und Parameter an, die Feinabstimmung wollen wir in unseren Händen lassen und nicht einer Maschine überlassen.“ Schwehm zeigt auf, was die „richtige“ Methode zur Faktorbeurteilung ausmacht und stellt voran, dass es keine universelle Antwort gebe. „Die Historie beinhaltet immer eine einmalige Verkettung externer Schocks. Die Zukunft wird auf jeden Fall ander sein! Analysten sollten dazu dienen, die Anomalien zu verstehen.“

Faktorrenditen verhalten sich zum Teil in verschiedenen Marktphasen komplett gegenläufig, zeigt Schwehm an verschiedenen Beispielen auf. In steigenden Märkten die Outperformance von Aktien mit hohem Preismomentum besonders hoch. In fallenden Märkten würden sich die Fraktile jedoch ganz anders verhalten, zeigt Schehm anhand der annualisierten 3-Monatsoutperformance der verschiedenen Fraktile gemäß historischem 12-Monats-Preismomentum auf.

Schwehm spricht beispielhaft über die Outperformance eines Sektormodells aus den Komponenten Bewertung und Momentum unter den Annahmen der Sektoren 0 – 20 %, Transaktionskosten von 10 BP, vierteljährlicher Umschichtung und Bemessung der Rendite in Euro, und zieht die Aktienkennzahlen zum Allokationsmodell heran. „Insgesamt geht es um den strukturierten Einsatz der verschiedenen Signale aus den unterschiedlichen Bereichen“, macht Schwehm deutlich. „Wir wenden die Kapitalmarktanomalien auf unterschiedlichen Entscheidungsebenen an.“ Schwehm benennt den Markt (als Referenz), Filterung, Selektion, Diversifikation, Allokation, Gewichtung und Absicherung (z.B: 50%iges Shorten des Universums) als Dimensionen.

„Im Investmentprozess fangen wir bei einem ganz breiten Anlageuniversum an, bestimmen die Sektorallokation, von der wir mit Rendite-Risiko-Signalen abweichen, kommen mit einem Risikofilter, Scoringmodell und fundamentalem Check zur Titelselektion und führen Allokation und Selektion in der Portfoliokonstruktion zusammen, um schließlich noch den größten Teil des Marktrisikos abzusichern,“ berichtet Schwehm, „denn die Einschätzung des Gesamtmarktes ist die riskanteste Beurteilung.“

Vor dem Hintergrund dieser Vorbemerkungen zeigt Schwehm die „demokratische“ Entwicklung einer „Hedgework“-Strategie. „Wir haben uns für eine vierteljährliche Umschichtung entschieden“, sagt Schwehm, denn die „sagenhafte“ Outperformance durch ständige Umschichtungen seien aufgrund der Transaktionskosten doch Theorie.

Am spontanen Beispiel zeigt Schwehm, wie man anhand von drei Faktoren bereits eine „schöne“ Sharpe-Ratio im Backtest errreichen kann. Schwehm führt den Renditeverlauf „live“ vor und zeigt die Implikationen unterschiedlicher Gewichtungen. Zu seinen Inputdaten gehören Fatkor/Modell, Benchmark, Renditetyp, Fraktilzahl, Berechungszeitraum, Rebalancingfrist, Start und Enddatum. Durch Shorten, so zeigt ein praktisches Beispiel, lässt sich das Rendite-Risiko-Profil kaum verändern, denn Rendite wie auch Risiko sinken gleichermaßen. „Wir haben uns entschieden, auf der Short-Seite nur den Gesamtmarkt zu nehmen. Marktshorten ist deutlich besser. Die Performance kam fast immer nur aus der Longseite.“

„Wir schauen uns den Risikobeitrag aus all unseren Entscheidungen an“, berichtet Schwehm und zerlegt das Portfoliorisiko nach Risikofaktoren. „Durch teilweises Shorten des Marktes kann man das Länder- und teilweise auch das Währungsrisiko erheblich reduzieren.“ Eine zwar einfache, aber überzeugende Brinson-Performance Attribution liefere einen guten Start zur Entscheidungsbeurteilung, glaubt Schwehm und zeigt Allokationsauswirkungen anhand einer Anzahl von Portfolios auf. „Hier sieht man den Impact unserer einzelnen Entscheidungen“, legt Schwehm überzeugend dar.

Der Kundennutzen der Modulor Reihe basiere auf fünf Säulen: Rendite, Risiko, Prozess, Umsetzung und Kosten. „Es macht sehr viel Sinn, das mit Partnern zu machen“; sagt Schwehm. Management, Indexkalkulation und Produktlösung liegen daher in verschiedenen Händen, so dass unabhängige Kalkulation der Performance sowie effiziente, kostengünstige Abwicklung gewährleistet seien. „Performance durch Ausnutzung von Kapitalmarktanomalien ist unser Ziel“, fasst Schwehm die Modulor-Strategien zusammen.

Themen: Fondsrating | Kein Kommentar »