Portfoliostrukturierung Es bedarf einer grundsätzlichen Neuadjustierung des Investmentprozesses

Gökhan Kula (links) und Markus Schuller (rechts)

Gökhan Kula (links) und Markus Schuller (rechts)

Der US Ökonom Harry M. Markowitz tat der Finanzindustrie mit seiner Dissertation „Portfolio Selection“ (1952) einen großen Gefallen. Er gab ihr mit dem Mean-Variance-Optimizer – als Kernstück der Modernen Portfoliotheorie – ein Werkzeug in die Hand, mit dessen theoretischem Unterbau und seiner praktischen Anwendung auch heute noch gutes Geld verdient werden kann.

Einfach genug, um es Studenten an Business Schools zu vermitteln, komplex genug, um Investoren damit beeindrucken zu können. Sein Modell – damals noch als großer Fortschritt im Verständnis von Risiko und Return anerkannt – bildete den Ausgangspunkt für eine Reihe von Ein-Faktoren/Ein-Perioden Modelle wie das Capital Asset Pricing Model (CAPM).

Sie alle repräsentieren die erste Generation der Portfolio-Strukturierung (von circa 1950-2000). Mit denen sich daraus abgeleiteten Strategien wie Balanced Portfolio (60/40 Portfolio), Long-Only oder Buy-and-Hold entwickelte sich die heute auf rund 25 Billionen US-Dollar taxierte Publikumsfonds-Industrie.

Mit aufkommender Einsicht über die unzureichenden Diversifikationseffekte der Modelle der ersten Generation, begannen institutionelle Investoren ihre klassische Aktien- und Anleihenallokationen stetig mit weiteren Strategien zu ergänzen – als Beispiele können L/S Eigenkapital, Riskogewichtung und eine auf niedrige Volatilität ausgerichtete Strategie genannt werden.

Zur quantitativen Optimierung wurden Multi-Faktoren/Multi-Perioden-Modelle verwendet, deren theoretische Grundlagen bis in die 1970er Jahre zurückreichen. Doch selbst alternative Anlageklassen konnten sich nicht dem Trend steigender Korrelationen entziehen.

Waren sie zu Beginn der 2. Generation (rund um das Millennium) noch als Quelle von non-Korrelation geschätzt, führte das Volums-Wachstum von Hedge Funds zu einem Main-Stream Effekt und dementsprechend steigender Korrelation mit den Aktienmärkten (Asness, Krail, and Liew (2001) und Anson (2008)).

Trotzdem bestimmt weiterhin die traditionelle Portfoliotheorie – in der Regel der theoretische Überbau für die übergeordnete (strategische) Anlageaufteilung-Entscheidung – im Rahmen des Investmentprozesses die Mischung einzelner Vermögensklassen zur Umsetzung eines optimalen Policen-Portfolios. Nicht zuletzt durch die schmerzhaften Marktverwerfungen während und im Nachgang der Finanzkrise mussten viele institutionelle Investoren feststellen: die traditionelle Portfoliotheorie stößt an ihre Grenzen!

Im Zuge des abrupten Liquiditätsentzuges quer über alle Anlageklassen konnten erwartete Diversifikationspotenziale nicht gehoben werden. Durch die in den letzten Jahren überwiegend makro- beziehungsweise geldpolitisch getriebenen Kapitalmarktbewegungen ergibt sich ein Szenario, das sich zwischen stetig ändernden Gleichgewichtszuständen –Risk On beziehungsweise Risk Off-  bewegt.

Entsprechend ergeben sich Schwierigkeiten bei der Portfolio- und Risikosteuerung, zumal im aktuellen sekulären Niedrigzinsumfeld Investoren gezwungen sind, bei konstanter Renditeerfordernis stetig die Portfolioqualität zu verschlechtern.

In Summe ergibt sich für die 2. Generation folgende Problemstellung: Aufgrund kongruenter Basisannahmen zur 1. Generation wird Risiko künstlich auf Volatilitätsmaße reduziert. Selbst unter zu Hilfenahme von komplexeren mathematischen Modellen, umgesetzt durch computergestütze Algorithmen, ergaben sich blinde Flecken in der Risikowahrnehmung.

Man denke an VaR-optimierte Portfolios als eine der Fehlentwicklungen (Schuller, 2012). Zusätzlich ergab sich durch die rasch fortschreitende Globalisierung eine Heterogenität in der Definition von Anlageklassen aus Strategien, Strukturen und Geographien, sodass eine Diversifikation auf Basis von Anlageklassen keine ausreichende Robustheit ermöglichte.

Portfolio-Strukturierung der dritten Generation

Bei all den dekonstruierten Mythen der ersten beiden Generationen drängt sich die Frage nach Alternativen auf. Die dritte Generation (ab 2010) bricht mit den Basisannahmen der ersten beiden. Ihr akademisches Fundament begann sich in den 1990ern zu festigen (Verhaltensorientierte Finanzierungslehre [Behavioral Finance]) und fand in der Kombination aus Neurowissenschaft, Evolution und Finanzökonometrie einen Kontext-gebenden Rahmen (siehe Adaptive Market Hypothesis, 2004).

Eine Einlassung auf die 3. Generation wäre an dieser Stelle zu umfassend. Konzentrieren wir uns auf einen wichtigen Baustein in der sich derzeit ausbildenden Generation: die Diversifikation von Risikofaktoren.

Was sind Risikofaktoren?

Eine Analogie. Man stelle sich ein Wassermolekül vor: H2O. Das Molekül repräsentiert eine Anlageklasse. Nun setzt sich dieses Molekül aus mehreren Bestandteilen zusammen, nämlich dreier Atome: 2x Wasserstoff und 1x Sauerstoff. Willkommen in der Welt der Risikofaktoren. Diese stellen nichts anderes als quantitative und qualitative Einflussfaktoren auf eine Anlageklasse dar, nehmen quasi die Dekomposition einer Anlageklasse vor.

In diesem Artikel verbleiben wir auf der Ebene der Atome. Versierte Naturwissenschafter unter uns erahnen bereits was nun folgen mag. Ein Atom ist nicht, wie die alten Griechen annahmen, das Unteilbare, sondern lässt sich in Proton, Neutron und Elektron teilen. Und diese Detailebene wiederum in Up- und Down-Quarks. Die hier vorgestellte atomare Ebene der Dekomposition von Anlageklassen repräsentiert lediglich den Beginn einer Reise, auf der marktrelevante Einflussgrößen besser erforscht werden müssen.

>>Vergrößern


Versuchen wir uns an einer Definition: ein Risikofaktor ist ein messbarer, isolierbarer Einflussfaktor einer Anlageklasse. Einzelne Anlageklassen können also in Riskofaktoren zerlegt werden, die Risiko-, Ertrags- und Korrelationseigenschaften besser erklären als traditionelle Portfoliosteuerungsansätze.

Eine auf der Oberfläche ausreichend diversifiziert erscheinende Portfoliokonstruktion über unterschiedliche Anlageklassen kann in besonderen Situationen trotzdem hohe Korrelationseigenschaften aufweisen, da sie von den ähnlichen beziehungsweise überlappenden Risikofaktoren bewegt wird.

Auch wenn der Komplexitätsgrad der Portfoliooptimierung unter Zugrundelegung von Risikofaktoren erhöht wird, so machen die dadurch erzielten Vorteile und die entsprechende Reduktion der inhärenten Schwächen der traditionellen Portfoliotheorie dies mehr als wett.

Nehmen wir eine erste Kategorisierung von Risikofaktoren auf „atomarer Ebene“ vor. Brad Jones von der Deutschen Bank unterteilt die Faktoren in Beta-, Style- und Macro-Risiken. Hier die für das Vermögensportfolio relevante Logik: ein Investor darf sich dafür, dass er sich einem Risikofaktor aussetzt, eine  Risikoprämie erwarten.

>>Vergrößern


Stabile Isolierung von Risikofaktoren

Eine bewusste Steuerung von Risikofaktoren kann deutlich robustere Ergebnisse vorweisen, da Korrelationen zwischen Anlageklassen typischerweise höher sind als Korrelationen zwischen einzelnen Risikofaktoren. Risikofaktorenexposures erwiesen sich im Zeitablauf deutlich stabiler als Korrelationen zwischen einzelnen Anlageklassen.

Dies lässt sich damit erklären, dass typischerweise eine Vielzahl von Anlageklassen zumindest ein indirektes Exposure zum Risikofaktor Aktienmarkt aufzeigen. Diese Erkenntnis zeigt sich in Marktphasen der hohen Unsicherheit und Marktverwerfungen, die dann zu „überraschenden“ Kursverlusten der vermeintlich gering korrelierten Anlageklassen führt – als Beispiel aus dem Jahr 2008 können durchaus Unternehmensanleihen, High-Yield Investments und die Anlageklasse von diversifizierten Hedge-Fonds-Strategien genannt werden.

In Zeiten der normalen Kapitalmarktphasen schlummert der Risikofaktor Aktienmarkt und die guten Ergebnisse der Investments werden der eigenen Selektion von Managern beziehungsweise dem Investmentprozess zugeschrieben, obwohl es eigentlich teilweise eine Vergütung für das Aktienbeta ist. Erst in Extremsituationen zeigen dann diese oberflächlich betrachtet unkorrelierten Anlageklassen ihr wahres Gesicht und agieren hochkorreliert mit Aktienbeta: die Diversifikation funktioniert gerade dann nicht, wenn sie am dringendsten benötigt wird.

In einer Analyse von Pimco ist genau dieser Umstand untersucht und bestätigt worden. Die Korrelationen zwischen Risikofaktoren waren deutlich niedriger als die zwischen Anlageklassen. Dementsprechend sollten durch eine Diversifikation der Risikofaktoren deutlich effizientere Portfolioergebnisse erreicht werden als mit traditionellen Portfolios.

>>Vergrößern


Am wichtigsten jedoch ist die Erkenntnis aus dieser Studie, dass die durchschnittliche Korrelation der Risikofaktoren in Marktturbulenzen nicht steigt und somit deutlich robuster ist als Korrelationen beobachteter Anlageklassen in Stress-Phasen. Die durchschnittliche Risikofaktorenkorrelation war während den Regimes stabil bei rund 2 Prozent (0,02), während die Anlageklassenkorrelation von 30 Prozent (0,3) auf 51 Prozent (0,51) angestiegen ist.

Der Nachweis der stabilen Isolierbarkeit begann mit Stephen Ross, dem Entwickler der Arbitrage-Pricing-Theorie (APT), die die Abhängigkeit der Aktienrenditen von mehreren Risikofaktoren zulässt. Allerdings spezifiziert die APT die zu berücksichtigenden Risikofaktoren nicht näher, sondern überlässt die Auswahl dem Anwender.

Eugene Fama und Kenneth French stellten im Jahr 1993 ein Drei-Faktoren Modell vor, in dem die erwarteten Aktienrenditen neben dem – schon im CAPM vorhandenen – Marktfaktor von dem Size-Faktor und Value Faktor abhängen.

Die empirische Motivation für diese Faktoren lieferten Studien aus den 80er Jahren, in denen Forscher von einem Size Effekt und Value-Effekt am US-amerikanischen Aktienmarkt berichten: Small Caps (kleinere Aktiengesellschaften) weisen langfristig eine systematisch höhere Rendite auf als Large Caps (Banz, 1981) und Unternehmen mit einem hohen Buchwert / Marktwert-Verhältnis, also Value-Aktien, entwickeln sich besser als Aktien mit niedrigem Buchwert-Marktwert-Verhältnis (Growth-Aktien) (DeBondt and Thaler, 1985; Fama and French, 1992).

Diese beiden Effekte erwiesen sich auch in Folgeuntersuchungen als erstaunlich robust. Nach Fama und French stellen die mit den Faktoren verbundenen positiven Renditeprämien eine Kompensation für ein höheres Risiko dar, das mit der Investition in Small Caps und Value-Aktien verbunden ist: Small Caps und Value-Aktien seien in besonderem Maße einem systematischen Insolvenzrisiko ausgesetzt.

Anleger würden daher für das Halten derartiger Aktien einen Risikoaufschlag in Form einer höheren Rendite fordern. Diese Erkenntnisse konnten somit eindeutig die Markteffizienz-Hypothese widerlegen und sind als belastbare und auch im „Real-World“ Einsatz zu beobachtende Marktanomalien bestätigt worden.

Mehrwert durch Neuinterpretation

Durch eine Neuinterpretation der Diversifikation und Portfoliokonstruktion und darauf abstimmte Umsetzung in der Portfoliokonstruktion kann ein entscheidender Mehrwert bei volatilen und weiterhin nicht zu prognostizierenden Anlageklassenbewegungen erreicht werden.

Anstatt der traditionellen Anlageklassen- beziehungsweise regionalen Diversifikation ist die in dieser Studie vorgestellte Risikofaktorendiversifikation die konsequente Weiterentwicklung und Verbindung des theoretischen Konzepts der wissenschaftlich-empirisch festgestellten Risikofaktoren beziehungsweise Risikoprämien mit den ultimativen ökonomischen Treibern von Marktpreisen.

Durch bewusste Nutzung der klar separierbaren Risikoprämien und Risikofaktoren werden diese durch intelligente Zusammensetzung zu einem effektiven Steuerungsinstrument für die Portfolio-Strukturierung der nächsten Generation.

Von der Nutzung einzelner Risikofaktoren zur Multi-Risikofaktoren Steuerung

Bei konsequenter Weiterentwicklung dieses Gedankens ergeben sich ganz neue Steuerungsmöglichkeiten für die Portfolio-Strukturierung, die mit einer Vielzahl von separierbaren Risikofaktoren und – prämien in ein optimiertes Portfolio umgesetzt wird. Dabei zeigt sich, dass neben den zuvor erwähnten Value, Small Cap, Dividend und Momentum Biases eine Vielzahl von weiteren Risikofaktoren zu beobachten sind, die im Rahmen der Portfoliokonstruktion bewusst eingesetzt werden können.

Die folgende Darstellung gibt neben der vorhin gezeigten Kategorisierung der Deutschen Bank, ein weiteres Beispiel für eine Klassifizierungsmöglichkeit, welche Risikofaktoren dabei genutzt werden können. Anhand der inhomogenen Kategorisierungsvarianten zeigt sich der erst in Ausprägung befindliche Best-Practice Überbau der Risikofaktoren-Diversifikation.

>>Vergrößern


Durch das Verlassen der oberflächlichen Sichtweise von Anlageklassen im Rahmen der Portfoliokonstruktion hin zur Betrachtung der wesentlichen Risikotreiber erhält der Betrachter nun eine deutlich breitere Sichtweise, die auch auf die individuellen Bedürfnisse optimiert werden kann.

Die in der Darstellung aufgezeigte Möglichkeit ist nur ein Beispiel und kann entsprechend den Restriktionen angepasst und eingruppiert werden. Makroökonomische Faktoren sind beispielsweise wesentliche Risikotreiber für eine Vielzahl von Anlageklassen - sodass durch entsprechende Kombination von diesen Faktoren Anlageklassen nachgebaut werden können.

Die Herausforderung in der praktischen Umsetzung ist, dass nicht alle Risikofaktoren effizient und gezielten eingesetzt werden können beziehungsweise trivial investierbar sind. Oftmals müssen Proxies ( indirekte Anzeiger) verwendet werden, die dem Risikofaktor entsprechend am nächsten kommen. Als Beispiel kann der Risikofaktor Volatilität genannt werden, der durch ein Long-Position des Vix Futures Index abgebildet werden könnte – mit entsprechenden Schwierigkeiten, ein 1:1 Tracking erfolgreich umzusetzen.

Trotzdem haben sich in den letzten Jahren – getrieben durch den Siegeszug der passiven Investments und der intelligenten Indexierung – die Handlungsmöglichkeiten deutlich erweitert. Beispielsweise können einzelne Risikofaktoren bereits heute effizient über Smart Beta ETFs eingesetzt werden. Der Value- und Small-Cap Effekt kann beispielsweise sehr gut über Low-Volatility ETFs abgedeckt weden.

Als Beispiel für einen Vergleich eines traditionellen Portfolios zu einem relativ einfachen Faktor-Portfolio können die Ergebnisse aus der Studie von Podkaminer (2012) inklusive der dazugehörigen Risiko- und Returnstatistiken gezeigt werden:

>>Vergrößern


Die Darstellung zeigt, dass das einfache Faktorportfolio aktienähnliche Return-Eigenschaften aufzeigen kann (5-7 Prozent pro Jahr über unterschiedliche Zeiträume) mit deutlich geringer Volatilität zu einem traditionell optimierten Investmentportfolio. Überraschenderweise sind beide Portfolios zueinander mit -0,29 leicht negativ korreliert, was sich auch an den Ergebnissen der letzten 5 Jahre zeigt. Diese Marktphase war besonders herausfordernd für Investoren.

Das Faktorportfolio konnte nichtsdestotrotz eine Wertentwicklung von 6,74 Prozent ausweisen. Hier lieferte besonders der Volatilitätsfaktor einen hohen Wertbeitrag. Auch hier wiederholt sich das Bild, dass diese Periode mit circa der Hälfte der Volatilität des traditionellen Portfolios durchschifft wurde und somit deutlich robuster sowohl in der Konstruktion als auch in den Risiko- und Renditeeigenschaften ist.

Ausblick: In dem Feld der Portfoliosteuerung über Risikofaktoren ist noch einiges an Forschungsarbeit zu leisten – vor allem auch im Hinblick auf die praktische Umsetzung in der Portfolio-Strukturierung.

Wichtige zukünftige Fragestellungen sind:

• Wie stabil sind historisch beobachtete Risikofaktoren/prämien? Unterliegen sie einer Zyklizität?

• Bleibt einem lediglich die Gleichgewichtung von Risikofaktoren im Portfolio, wenn man auf quantitative Optimierungsverfahren samt Risikoprämien-Schätzung verzichten will oder kristallisieren sich quantitative, prognosefreie Optimierungsverfahren heraus?

• Noch ist die Umsetzung umständlich, weil für Long/Short Positionen, oftmals Derivate eingesetzt werden müssen.

• Neutralisieren strukturierte Derivativkonstruktionen den Diversifikationswert in der Umsetzung von Risikofaktoren-Investments, in dem die Struktur neue Risiken aufwirft (Liquidität, Counterparty et cetera)?

• Derzeit via ETFs investierbare Smart Beta Indices erlauben noch keine ausgereifte Abbildung (Stichwort: Konzentrationsrisiko). EDHEC legte Mitte Mai seine Smart Beta 2.0 Indices auf und ermöglicht dadurch eine effizientere Abbildung durch passive Vehikel. In der Produktselektion sollte darauf Rücksicht genommen werden.

• Welche Methoden liegen zur Riskoprämien- Schätzung vor und wie können diese verbessert werden?

• Von der Strategie zur Taktik: auch taktischer Einsatz von Risikoprämien?

• Nutzung von Risikofaktoren zum besseren Abschätzen von Risiken

Fazit: Risikofaktoren-Diversifikation stellt einen wichtigen Baustein in der dritten Vermögensportfolio-Generation dar. Demzufolge bedarf es einer grundsätzlichen Neuadjustierung der Investmentprozesse bei einer Vielzahl von institutionellen Investoren, die auf Basis der traditionellen Portfolio-Optimierungsmodelle der ersten und zweiten Generation aufgebaut sind und somit weiter suboptimale Ergebnisse liefern werden.

Nur intensive Forschungsarbeit und entsprechende Kommunikation kann diesen Erkenntnisprozess beschleunigen. Dieser Artikel soll aufzeigen, dass durch eine strategische Allokation in granularen Risikoprämien auch mit unterschiedlichen Investmentrestriktionen im Vergleich zu traditionell optimierten Portfolios eine deutliche Optimierung der Risiko- Ertragseigenschaften erreicht werden kann, die durch den bewussten Einsatz von effizienten Investmentvehikeln auch zu einer in Summe geringeren Kostenbelastung führen kann.

Durch Umsetzung eines diversifizierten Risikofaktorenportfolios ist es möglich, zukünftigen Regime-Änderungen deutlich robuster entgegen zu treten als mit klassischen Umsetzungformen. Durch den Risikofaktorenansatz ergibt sich für institutionelle Investoren eine robuste Plattform, um auch entsprechende zyklische beziehungsweise makroökonomische Auffassungen umzusetzen und sich besser den sich ändernden Marktverhältnissen anzupassen.

Über die Autoren: Gökhan Kula ist Managing Partner und Investmentchef von Myra Capital. Kula ist seit Mai 2012 Gründungsmitglied und Geschäftsführer der Advisory-Boutique Myra Capital. Er ist Kapitalmarktexperte mit mehr als zehn Jahren Erfahrung in der Investmentbranche. Nach unterschiedlichen leitenden Positionen im Bereich Asset Management der Walser Privatbank AG wurde er mit Gründung der Walser Privatbank Invest S.A. im Januar 2011 zum Geschäftsführer der Gesellschaft bestellt. Des Weiteren war er Verwaltungsratsmitglied verschiedener Luxemburger Investmentgesellschaften.

Markus Schuller ist Gründer und Managing Director von Panthera Solutions, eine Beratungsfirma für strategische Asset Allocation. Zuvor war er über zehn Jahre lang als Asset-Manager und Produktentwickler bei Banken und Asset-Managern tätig. Er kommentiert für diverse Qualitätsmedien den Markt und referiert regelmäßig auf Konferenzen zum Thema Asset Allocation.