SAA: Unbequeme Wahrheiten, Teil 3 Die Illusion der optimalen Asset-Allokation

Hinter jeder scheinbar optimalen Allokation stehen Annahmen. In der Praxis hängen die Ergebnisse mathematischer Analysen stark von den gewählten Input-Parametern ab. Deshalb sollten Modelle Entscheidungen unterstützen, nicht ersetzen.

Die moderne Portfoliotheorie beruht auf einer einfachen Idee: Für jedes Risiko gibt es ein optimales Portfolio. Wer die zentralen Kennzahlen kennt, kann die beste Allokation mathematisch bestimmen. Diese Vorstellung prägt die Praxis der strategischen Asset-Allokation (SAA) bis heute.

SAA-Analysen schaffen Struktur

Institutionelle Investoren legen Allokationen meist unter Restriktionen fest. Versicherer beachten regulatorische Grenzen, Stiftungen arbeiten mit eigenen Richtlinien, Family Offices mit Präferenzen für Liquidität, Konzentration oder Ausschüttungen.

Hier braucht es zukunftsgerichtete Analysen. Sie zwingen dazu, klar zu benennen, welches Risiko tragbar ist, welche Rendite erwartet wird und welche Restriktionen gelten. Erst dann lässt sich eine Allokation sinnvoll auf Plausibilität prüfen.

Als Beispiel dient die exemplarische Allokation eines deutschen berufsständischen Versorgungswerks.

Abbildung 1: Jede SAA-Analyse beginnt mit der IST-Allokation. Quelle: GAC GmbH auf Basis von Geschäftsberichten und weiteren Quellen; Liquidität ist mit 5 Prozent angesetzt.

Schon kleine Annahmeänderungen verändern das Bild

Die Ergebnisse einer SAA-Analyse hängen stark von den gewählten Input-Parametern ab. Dass diese Parameter nicht eindeutig sind, zeigt sich schon an wenigen Assetklassen wie US-Aktien, US-Anleihen, US-Immobilien und Private Equity. Historische Kennzahlen und Experten-Schätzungen liegen hier teils weit auseinander. Besonders deutlich wird das bei Private Equity: Auf Basis geglätteter NAV-Bewertungen wirkt die Volatilität oft wie rund 10 Prozent. Nach Entglättung gehen manche Analysten eher von 20 bis 25 Prozent aus. 

Abbildung 2: Historische und erwartete Rendite-Risiko-Kennzahlen stimmen nicht notwendig überein. Quelle: Federal Reserve Bank of St. Louis für US-Aktien und US-Anleihen; Damodaran, NYU Stern, Historical Returns on Stocks, Bonds and Bills: 1928 bis 2024 für US-Immobilien; eigene EUR-Umrechnung, Anleihen EUR-gesichert. Private Equity und Experten-Schätzungen auf Basis eigener Berechnungen mit externen Marktdaten und Kapitalmarktannahmen.

Abbildung 3 zeigt zwei Analysen derselben IST-Allokation. Schon kleine Änderungen bei erwarteten Renditen oder Volatilitäten verschieben die Ergebnisse spürbar. Mathematisch ist das konsequent. Für Investoren ist es aber heikel, weil Modelle eine Präzision suggerieren, die in den Input-Parametern nicht vorhanden ist.

Abbildung 3: Gleiche IST-Allokation, andere Annahmen, andere Ergebnisse. ¹ Renditen auf Basis simulierter Entwicklungspfade der IST-Allokation, nicht als einfache Gewichtung der Input-Parameter. ² Durchschnittliche annualisierte Schwankung der simulierten Renditen; nach 1 Jahr meist leicht niedriger, weil je Pfad weniger Daten vorliegen. ³ Durchschnitt der schlechtesten 5 Prozent beziehungsweise 1 Prozent der simulierten Wertentwicklungen zum jeweiligen Zeitpunkt. Quelle: Combin Tech GmbH.

Dasselbe gilt im nächsten Schritt für die Optimierung. Auch sie liefert nur unter den gewählten Annahmen und Nebenbedingungen eine beste Lösung. Im Beispiel in Abbildung 4 darf jede Assetklasse um höchstens 5 Prozentpunkte von der IST-Allokation abweichen, Immobilien sind auf 25 Prozent begrenzt, Aktien und Private Equity zusammen auf 40 Prozent. Die optimale Lösung ist daher keine abschließende Antwort, sondern ein Modellresultat unter bestimmten Annahmen.