Im Gegensatz zur klassischen Herangehensweise, bei der das Portfolio in der Regel fix auf dem Feasible-Set definiert ist – und je nach Marktphase seine Stärken und Schwächen hat – bieten die geometrischen Formfaktoren eine Möglichkeit, das Portfolio dynamisch auf dem Feasible-Set zu verschieben. Dadurch lässt sich bei jeder Marktphase die optimale Portfolio-Strategie zu wählen. Durch diesen multiplen Optimierungsprozess werden die Portfolios nicht nur besser diversifiziert, sondern die Veränderungen der Gewichte werden auch weniger sprunghaft, was – als ein erwünschter Nebeneffekt – zu einer Reduktion der Rebalancing-Kosten führt.
Im folgenden Bild ist so ein kombinierter Optimierungspfad beispielhaft aufgezeigt.
Die blau schattierten Flächen sind außerdem eine Indikation für die Diversifikation. Je dunkler die Fläche, desto breiter ist das Risiko gestreut. Das EWP ist also das am besten diversifizierte Portfolio. Die Randportfolios, etwa das MVP, weisen eine schlechtere Diversifikation auf. Im folgenden Bild sind die Simulationsergebnisse (Out-of-Sample-Periode) für eine Portfoliosteuerung unter Einbeziehung der GSF im Vergleich mit einer statischen, Minimum Varianz Optimierung gegenübergestellt.
Die Ergebnisse sprechen für sich:
Es zeigen sich klare Vorteile für die Nutzung der geometrischen Formfaktoren im Rahmen der dynamischen Portfoliosteuerung. Die dynamische Optimierung (grüne Linie: „GSF“) generiert deutlich höhere Erträge als ein Minimum-Varianz-Ansatz (lila Linie: „MVP“) bei einem deutlich besseren Risiko-Profil als das gleichgewichtete Portfolio (blaue Linie: „EWP“). Das MVP hat zwar ein höheres Sharpe Ratio als das GSF. Es hat aber den entscheidenden Nachteil, dass praktisch das ganze Kapital in kurzlaufenden Renten investiert ist. Also eine sehr schlechte Diversifikation und damit ein hohes Klumpenrisiko in Krisenzeiten.
Die Anwendung der GSF ist für Portfoliomanager relativ einfach nachzuvollziehen und intuitiv verständlich. Insofern sollten institutionelle Investoren durchaus mal ein Auge auf dieses Verfahren werfen.
Die dazu notwendigen, theoretischen Grundlagen sind in der Dissertation von Dr. Tobias Setz in der Bibliothek der ETH Zürich zu finden.
Über die Autoren
Felix Fernandez ist seit November 2016 Chef der Open Metrics Solutions, verantwortlich für die Geschäftsentwicklung und die Implementierung des Produktrahmens. Er hat ein Diplom in Elektrotechnik und Informationstechnologie von der Fachhochschule Frankfurt mit Spezialisierung auf Softwaresimulationsumgebungen. Fernandez verfügt über langjährige Berufserfahrung bei der Deutschen Börse. Als wissenschaftlicher Mitarbeiter des Rmetrics Association Zurich übertrug er akademische Forschungsergebnisse in reale Anwendungen in der Finanzindustrie.
Tobias Setz ist seit November 2016 Hauptarchitekt des Technologie-Frameworks bei Open Metrics Solutions und kümmert sich um das Umsetzen von State-of-the-Art Lösungen für die Kunden. Er hat einen Master in Computational Science and Engineering mit einer Hauptspezialisierung in theoretischer Physik und einer Nebenspezialisierung in Financial Engineering sowie einen Doktortitel in Physik von der Eidgenössischen Technischen Hochschule in Zürich. Setz ist seit 2011 Co-Autor mehrerer Artikel und Bücher und Betreuer der Rmetrics Softwarebibliotheken.