private banking magazin: Herr Geissel, Sie lehren an der Hochschule Trier und sind zugleich Unternehmer. Wie hat sich Ihr fachlicher Fokus auf strategische Asset-Allokation entwickelt?
Ich komme aus der Finanzmathematik und habe mich in der Forschung intensiv mit Risikomaßen, Multi-Asset-Analysen und stochastischen Prozessen beschäftigt. In der strategischen Asset-Allokation laufen all diese Methoden zusammen und genau dort sollten sie für die Praxis wirksam werden.
Mir fiel allerdings auf, dass Entscheidungen in der Finanzindustrie häufig noch mit Excel-Modellen und statischen PDF-Berichten getroffen werden. Zur strategischen Asset Allokation (SAA) gehört für mich zwingend ein sauberer Umgang mit Daten und mehrdimensionale Rendite- und Risikoanalysen. Finanzmathematik gehört deshalb in die SAA.
Was hat Sie persönlich dazu bewogen, sich so intensiv mit der Systematisierung institutioneller Asset-Allokation zu beschäftigen?
Die Idee, eine SAA-Software zu entwickeln, entstand in Gesprächen mit institutionellen Investoren. Die haben mir SAA-Analysen als wenig transparenten Prozess beschrieben. Häufig wurden Annahmen von Dienstleistern im Hintergrund getroffen und finanzmathematische Analysen durchgeführt, deren Ergebnisse den Investoren erst nachgelagert zugeschickt oder präsentiert wurden.
Wie definieren Sie strategische Asset-Allokation im institutionellen Kontext – und warum ist sie aus Ihrer Sicht der zentrale Hebel für langfristigen Anlageerfolg?
Für mich ist SAA ein klar strukturierter Prozess. Zunächst werden relevante Asset-Klassen festgelegt und vergleichbare Benchmarks definiert. Dann werden historische Kennzahlen betrachtet, Expertenschätzungen eingeholt und eigene Erwartungen ausgebildet. Schließlich werden Allokationen über simulierte Zukunftspfade mehrdimensional analysiert.
Was ist die häufigste Schwäche institutioneller Investoren bei der strategischen Allokation?
Institutionelle Investoren können Fehlannahmen oft nicht verändern.
Wie unterscheiden sich Anforderungen an die Allokation bei Banken, Versicherungen, Pensionskassen, Stiftungen oder Family Offices?
Versicherer und einige Pensionskassen sind reguliert und müssen sich an vielfältige Grenzen in der SAA halten. Stiftungen legen sich oft freiwillige Limitationen auf. Family Offices und wohlhabende Kunden von Privatbanken sind oft weniger restriktiv, dafür aber breit gefächert in ihren individuellen Interessen und Vorlieben für Asset-Klassen. Auch regelmäßige Cashflows führen zu Unterschieden zwischen diesen Investorengruppen.
Sind 65 Asset-Klassen aus Ihrer Sicht notwendig, um institutionelle Portfolios realistisch abzubilden – oder ließe sich der Ansatz auch mit deutlich weniger Klassen stabil umsetzen?
Ich denke, dass rund 20 Asset-Klassen in den meisten Fällen ausreichen, um eine SAA zu analysieren. Im Onboarding machen wir Nutzern einen Vorschlag für ein Anlageuniversum bestehend aus 25 Asset-Klassen.
Wie vergleichen Sie unterschiedliche Asset-Klassen?
Asset-Klassen müssen vergleichbar abgebildet sein, sonst funktioniert die SAA nicht. Wir betrachten durchgängig Indizes nach Kosten, reinvestierten Ausschüttungen und in Euro oder Euro-hedged.
Um alle Asset-Klassen, inklusive der illiquiden Anlagen, vergleichbar abzubilden, braucht man Fleiß und Präzision. Dann funktioniert das.
Welche Rolle spielen historische Daten gegenüber Kapitalmarktmodellen?
Aus den Benchmark-Indizes ermitteln wir historische Renditen, Risiken und Korrelationen und diese Kennzahlen zeigen wir unseren Nutzern. So haben sie einen konsistenten Startpunkt, von dem aus sie jede Annahme überdenken und individuell anpassen können.
Um eine Anpassung exemplarisch aufzuzeigen, nehmen wir mal den US-Aktienmarkt. Historisch betrachtet konnten EUR-Investoren hier rund 7 Prozent jährliche Rendite erzielen. Ob dies auch zukünftig so sein wird, das weiß ich nicht, aber ich habe eine Meinung. So geht es auch unseren Nutzern und sie können ihre Meinung als Renditeerwartung setzen. Manche Nutzer nehmen auch einen Abschlag von der historischen Rendite als Erwartung. Solche Anpassungen sind möglich.
Viele Allokationsmodelle arbeiten stark ex post. Wie geht Ihr Ansatz mit der Tatsache um, dass historische Korrelationen keine stabilen Konstanten sind?
Dieser Einwand ist korrekt und es gibt derzeit berechtigte Debatten etwa um das Ende der „goldenen Beziehung“ zwischen Aktien- und Anleihemärkten. Genauso berechtigt ist aus meiner Sicht die Kritik an Ex-Post-Modellen. Es stimmt, dass diese Modelle gewissermaßen die Historie vortragen.
Aber wenn Sie viele Simulationen betrachten, dann sehen Sie ein deutlich breiteres Spektrum als der eine reale Pfad der Historie. Außerdem sind Ex-Post-Modelle mathematisch recht simpel, sodass sich Nutzer auf die Input-Parameter dieser Modelle konzentrieren können.
Welche Bedeutung hat Transparenz für institutionelle Investoren – gerade im Spannungsfeld zwischen Komplexität und Steuerbarkeit?
Entscheidungen über die SAA haben für institutionelle Investoren eine enorme Wichtigkeit. Analysen, die auf diese Entscheidungen einwirken, müssen daher zu 100 Prozent nachvollziehbar sein. Transparenz ist extrem wichtig und Analysen, die nicht verstanden werden, nützen nichts.
Unsere Software greift genau diese Gedanken auf. Investoren werden in der SAA-Analyse transparent mitgenommen: Hier sind die Asset-Klassen, hier sind die Rendite- und Risikoannahmen, mit dieser Methode werden Simulationen erzeugt und hier sind die Ergebnisse. Durch die einfache Nutzbarkeit und die transparente Prozessdarstellung sinkt die Komplexität so weit ab, dass die Analysen klar und verständlich werden.
Über die Interviewten:
Sebastian Geissel ist Professor für Finanzierung an der Hochschule Trier und arbeitete bei HSBC. 2025 gründete er Combin Tech, das eine softwaregestützte SAA-Analyse ermöglicht.