Unser quantitatives Risikokonzept 

Das Prinzip des Volatility Clustering nach Robert Engle wenden wir bei Ethius
konsequent auf die verschiedenen Bereiche des Investment Managements an.

Unserer systematischer Anlageprozess prognostiziert die Risikoeigenschaften für jede einzelne Aktie eines Aktienuniversums und leitet daraus ein effizient zusammengesetztes Portfolio ab. Dabei nutzen wir auf optimale Weise das empirisch beobachtbare „Volatility Clustering“ und die Volatilitäts-Asymmetrie der Finanzmärkte, welche eine niedrigere Schwankungsbreite bei einem steigenden Markt und eine höhere Volatilität bei fallenden Märkten statistisch beschreibt.

Wissenschaftlicher Hintergrund 

Finanzökonometrie ist vereinfacht die Anwendung von ökonometrischen Werkzeugen auf Finanzdaten. Jahrelang lieferten die wenigsten Techniken befriedigende Werkzeuge. Börsenprognosen, effiziente Markttests und sogar Tests von Portfoliomodellen wie CAPM und APT wurden im wesentlichen mit der Methode der kleinsten Quadrate auf geschickt manipulierten Datensätzen umgesetzt. In jüngerer Zeit hat das Feld jedoch seinen individuellen Charakter entwickelt, da neue statistische Werkzeuge erfunden wurden, um neue Fragen zu analysieren.

 

Volatilitätsasymmetrie

beschreibt Situationen, in denen negative Aktienrenditen höhere zukünftige Volatilität voraussagen, im Gegensatz zu positiven Aktienrenditen derselben Größenordnung. French, Schwert und Stambaugh stellen fest, dass Risikoprämien die Volatilitätsasymmetrie ausgleichen könnten. Alternativ erhöht ein Anstieg der zukünftigen Volatilität die erforderliche Aktienrendite, was zu einem sofortigen Rückgang des Aktienkurses führt. Wir nennen das einen Risikoprämieneffekt. ¹

Volatilitätsclustering

Eine Punktprognose ist der Durchschnitt aller möglichen Ergebnisse. Die Varianz, die die Streuung der Ergebnisse misst, ist der Durchschnitt aller quadratischen Abweichungen jedes Ergebnisses von diesem Mittelwert. Je größer die Abweichung, desto weniger Gewissheit über die Zukunft und desto weniger relevant wird die Punktprognose für die finanzielle Entscheidungsfindung. Wenn ein Investor versucht, in die Zukunft zu blicken, ändert sich die Punktprognose im Allgemeinen, je weiter der Investor in der Zeit nach vorne schaut, und die Abweichung um diese Punktprognose kann nur größer werden. Die einfachsten Finanzmodelle setzen eine lineare Beziehung zwischen Varianz und Horizontlänge voraus. Das „Random walk Modell“ der Renditen, das besagt, dass alle zukünftigen Renditen unabhängig von früheren Ergebnissen sind, hat diese Eigenschaft.  Finanzökonomen wissen seit langem, dass die Beziehung zwischen Varianz und Horizontlänge komplizierter ist als die von der „Random walk Hypothese“ vorhergesagte. 

In einem 1963 im Journal of Business veröffentlichten Papier mit dem Titel „the Variation of Certain Speculative Prices“ bemerkte Benoit Mandelbrot, dass große Ertragsveränderungen tendenziell von weiteren großen Ertragsveränderungen gefolgt werden, während kleine Veränderungen in der Regel von weiteren kleinen Veränderungen gefolgt werden. Dieses Phänomen wird heute als Volatility Clustering bezeichnet und ist insbesondere mit der Annahme normalverteilter Daten unvereinbar. Obwohl solche Volatilitätscluster beispielsweise in Aktienrenditen schon in den sechziger Jahren beobachtet wurden, hielt die Zeitreihenanalyse und -ökonometrie am Modell von im Zeitverlauf konstanter Varianz fest. Wenn die Volatilität geclustert ist, wird ebenfalls auch die „Random walk Hypothese“ widerlegt. Die Implikation des Volatilitätsclustering ist, dass Volatilitätsschocks heute die Erwartung der Volatilität viele Perioden in der Zukunft beeinflussen werden.

Unser quantitatives Risikomanagement 

geht von den in der neueren Wissenschaft allgemein anerkannten Hypothesen aus.

Am Kapitalmarkt wird die systematische Übernahme von Risiken mit Renditen entgolten – der Anleger erhält eine Risikoprämie. Kapitalanlage und Risikomanagement gehören untrennbar zusammen. Das erfolgreiche Management der Kapitalanlagen setzt eine Abwägung der Risiken im Rahmen der Planung sowie ein laufendes Monitoring der Risiken und Risikobudgets voraus. Hierbei stellt eine möglichst realitätsnahe Risikomessung den Ausgangspunkt für ein effektives Risikomanagement dar. Substantielle Verluste sollten mit hoher Wahrscheinlichkeit vermieden werden. Dies ist einerseits wichtig, um Risikobudgets einzuhalten. Andererseits ist die Vermeidung von großen Verlusten elementar, um Zinseszinseffekte aus dem Vermögen zu nutzen. Denn: vermiedene Verluste müssen nicht erst wieder aufgeholt werden und zukünftige Erträge werden auf einer höheren absoluten Kapitalbasis erzielt. Das aktive Risikomanagement versetzt den Investor in die Lage jederzeit handlungsfähig zu bleiben und dann zu investieren, wenn andere Investoren potentiell verkaufen müssen. So können sich ergebende Opportunitäten wesentlich besser genutzt werden.

Unser Risikoansatz ist vollkommen systematisiert und nutzt den vorhandenen, aber nicht unmittelbar messbaren Informationsgehalt von „Big Data“. Je mehr Rauschen („noise“) ein Aktienkurs verursacht, umso präziser kann ein Ertrags- und Risikoprofil für jede einzelne Aktie erstellt werden und damit Prognosekraft bekommen. Unterstützend dafür sind die oben erwähnten Annahmen: explizite Kursschätzungen werden nicht vorgenommen, weil sie extrem unsicher sind. Kursschwankungen hingegen sind stabiler in der Hinsicht, dass es längere durchgehende Phasen niedriger oder hoher Volatilität gibt.

Diese „Cluster“ messen wir sehr präzise. Des Weiteren ist die Kursschwankung bei steigendem Aktienmarkt häufig geringer als bei fallenden Märkten. Solche Asymmetrien finden ebenfalls ein hohes Gewicht im Risikomodell.

Das Ergebnis ist eine eindeutige Rangliste der stabilsten Unternehmen, die tendenziell ein Marktbeta von 1 bei steigenden Märkten und ein Marktbeta von deutlich unter 1 bei fallenden Kursen aufweisen. Diese Eigenschaft kann auch als „implizites Hedging“ bezeichnet werden.

Als Reaktion auf eine mögliche Weltwirtschaftskrise, die eine nie gesehene Disruption des gesellschaftlichen Zusammenlebens und Wirtschaftens beschleunigt, ist das Risikokonzept auch um ein „explizites Hedging“ erweiterbar, das heisst das Beta bei fallenden Märkten wird noch weiter reduziert und bei steigenden Märkten erhöht. Weiterführende Informationen können Sie aus unserer Angebotsseite entnehmen.

* Bitte klicken Sie hier um die Seite zu unserem quantitativen Risikokonzept als PDF zu exportieren.

** Weiterführende Informationen erhalten Sie durch einen Fachbeitrag im Schweizer Finanzportal finews.ch (Artikel im PDF Format bitte hier klicken) und AlphaWeek.