Kapitalmarktanomalie Value versus Growth: Eine empirische Analyse des Value Effekts bei Aktien und Anleihen [1 ed.] 9783896447418, 9783896737410

Citation preview

SCHRIFTENREIHE FINANZIERUNG UND BANKEN Herausgeber: Prof. Dr. Detlev Hummel

Martin Schneider

Kapitalmarktanomalie Value versus Growth

8GTNCI9KUUGPUEJCHV2TCZKU

Kapitalmarktanomalie Value versus Growth

SCHRIFTENREIHE FINANZIERUNG UND BANKEN herausgegeben von Prof. Dr. Detlev Hummel

Band 30

Martin Schneider

Kapitalmarktanomalie Value versus Growth Eine empirische Analyse des Value Effekts bei Aktien und Anleihen

Verlag Wissenschaft & Praxis

Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.

ISBN 978-3-89673-741-0 © Verlag Wissenschaft & Praxis Dr. Brauner GmbH 2018 D-75447 Sternenfels, Nußbaumweg 6 Tel. +49 7045 93 00 93 Fax +49 7045 93 00 94 [email protected] www.verlagwp.de

Alle Rechte vorbehalten Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Druck und Bindung: Esser printSolutions GmbH, Bretten

Vorwort des Herausgebers

V

Vorwort des Herausgebers Die vorliegende Schrift – als Dissertation an der Universität Potsdam erarbeitet und erfolgreich verteidigt – befasst sich nochmals mit der Kapitalmarktanomalie Value vs. Growth. Für verschiedene Märkte konnte empirisch bestätigt werden, dass der Kapitalmarkt nicht effizient ist und Überrenditen durch eine geeignete Wertpapierselektion und Asset Allocation auf Basis fundamentaler Kennzahlen erzielbar sind. Die vorliegende Arbeit zeigt erneut, dass unternehmensspezifische Charakteristika durchaus einen signifikanten Einfluss auf die Rendite von Aktien haben. Diese Erkenntnisse stehen im Gegensatz zu neoklassischen Kapitalmarktmodellen mit sehr restriktiven Annahmen und können praxisnah für Investmentstrategien erfolgreich verwendet werden. Herr Schneider erweitert den Untersuchungsgegenstand jedoch über die Aktienmärkte hinaus. Im Unterschied zu anderen Arbeiten werden Kapitalmarktanomalien dieser Art auch für Anleihen nachgewiesen. Das Thema Value vs. Growth wird theoretisch anhand neuester Forschungsarbeiten beleuchtet wie auch empirisch mit Kapitalmarkt- und Bilanzdaten aus USA und Europa untersetzt. Mithilfe fundamentaler Kennziffern werden in dieser Forschungsarbeit Wertpapiere nach Value bzw. Growth in Portfolios gebündelt. Zudem werden Zero Investment Portfolios aus den Value und Growth Wertpapieren gebildet. Performancebewertungen sowie Regressionsanalysen runden das Bild ab. Die Arbeit möge die Diskussion zur Einbeziehung weiterer Assetklassen und die Stärkung fundamentaler Ansätze unterstützen. Einige wichtige Aspekte mussten ausgeklammert werden, um den Rahmen hier nicht zu überfordern. Der Herausgeber wünscht dem geneigten Leser aus Wissenschaft und Praxis interessante Anregungen bei der Lektüre und ist dankbar sowohl für kritische Hinweise als auch für Vorschläge zu künftigen Forschungsarbeiten.

Potsdam, im Oktober 2017

Prof. Dr. Detlev Hummel

Vorwort des Verfassers

VII

Vorwort des Verfassers Die vorliegende Arbeit wurde im Sommersemester 2017 von der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Universität Potsdam als Dissertation angenommen. Es vergingen Jahre zwischen der ersten Etappe, der Themenfindung, und dem Erklimmen dieses Gipfels. Der Aufstieg war zeitweise beschwerlich, da der Weg mit Hindernissen und Problem gepflastert war, die es zu überwinden und lösen galt. Rückblickend waren die meisten Etappen jedoch reizvolle und besondere Herausforderungen. Auf dem Weg zum Gipfels wurde ich stets von Dritten begleitet, durch deren Unterstützung die Reise ein unvergessliches Abenteuer wurde. Ihnen allen gilt mein herzlicher Dank. Mein besonderer Dank gilt Prof. Dr. Detlev Hummel für den großen Freiraum bei der Themenwahl und -bearbeitung sowie für die Betreuung dieser Arbeit. Prof. Dr. Eric Kearney danke ich herzlich für die Übernahme des Zweitgutachtens. Besonders bedanken möchte ich mich auch bei meinen Kollegen und Freunden vom Lehrstuhl. Philipp Bunnenberg, Maja Rackow sowie Dr. Tim Wazynski haben mich bei vielfältigen Fragestellungen unterstützt. Ganz herzlichen Dank schulde ich Michel Roes und Dr. Heiko Ströbele, die das gesamte Manuskript gelesen und zahlreiche Anmerkungen und hilfreiche Anregungen gegeben haben. Für die inspirierenden Diskussionen und konstruktive Kritik danke ich den Teilnehmern der Doktorandenseminare in Rostock und Riga, die durch den HypoVereinsbank-UniCredit Group-Stiftungsfonds unterstützt wurden, und den Teilnehmern des Russian-German PhD Seminars in St.Petersburg sowie den lehrstuhlinternen Seminarteilnehmern Dr. Harald Noack und Michael Schubert. Die Datenbeschaffung wurde mir im Rahmen eines mehrmonatigen Aufenthalts an der Finanzuniversität der Regierung der Russischen Föderation in Moskau ermöglicht. Mein Dank hierfür gilt Prof. Dr. Inna Lukashenko und Prof. Dr. Boris Rubtsov. Des Weiteren gilt mein aufrichtiger Dank vielen Freunden für ihre Gastfreundschaft während meiner lehrstuhlfreien Zeit, vor allem Norah McCann und ihrer Familie für einen langen Aufenthalt in den USA. Für fachliche Diskussionen und Unterstützung bin ich zudem Jeffrey Baun, Christian Calkosz, Michèle Mann und Sebastian Müller dankbar. Mein größter Dank gilt meinen Eltern, da sie mich während meiner langen Ausbildung in jeder Hinsicht unterstützt und mir vorbehaltslos Rückhalt geboten haben. Ihnen ist diese Arbeit gewidmet.

Düsseldorf, im Oktober 2017

Martin Schneider

Inhaltsverzeichnis

IX

Inhaltsverzeichnis Abbildungsverzeichnis ...................................................................................... XIII Tabellenverzeichnis............................................................................................. XV Abkürzungsverzeichnis .................................................................................... XIX Symbolverzeichnis............................................................................................. XXI 1

Einleitung........................................................................................................... 1 1.1 Problemstellung und Motivation .................................................................. 2 1.2 Gang der Untersuchung ................................................................................ 5

2

Theoretische Grundlagen................................................................................. 9 2.1 Neoklassische Kapitalmarkttheorie .............................................................. 9 2.1.1 Rational handelnde Marktteilnehmer und vollkommener Markt......... 11 2.1.2 Random Walk Theorie ......................................................................... 13 2.1.3 Effizienzmarkthypothese ...................................................................... 14 2.1.4 Zwischenfazit und kritische Würdigung .............................................. 18 2.2 Behavioral Finance und Diskrepanz mit Neoklassik ................................. 20 2.2.1 Definition und Abgrenzung zur neoklassischen Kapitalmarkttheorie . 21 2.2.2 Entwicklung der Behavioral Finance ................................................... 24 2.2.3 Begrenzte Rationalität von Marktteilnehmern ..................................... 27 2.2.3.1 Entscheidungsfindung und Prospect Theory .............................. 29 2.2.3.2

Informationswahrnehmung und -verarbeitung ........................... 31

2.2.4 Mean Reversion.................................................................................... 36 2.2.5 Grenzen der Arbitrage .......................................................................... 37 2.2.6 Zwischenfazit und kritische Würdigung .............................................. 40 2.3 Portfolio-, Kapitalmarkt- und Bewertungsmodelle .................................... 41 2.3.1 2.3.2 2.3.3 2.3.4 2.3.5

Historische Entwicklung ...................................................................... 42 Portfolio Selection Theorie .................................................................. 43 Capital Asset Pricing Model ................................................................ 47 Marktmodell ......................................................................................... 50 Arbitrage Pricing Theorie..................................................................... 52

X

Inhaltsverzeichnis

2.3.6 Kapitalmarktmodelle basierend auf heterogenen Erwartungen ........... 53 2.3.7 Aktienanalyse und Unternehmensbewertung....................................... 56 2.3.8 Anleihenanalyse ................................................................................... 60 2.3.9 Performancebewertung......................................................................... 66 2.3.9.1 Benchmark .................................................................................. 66

3

2.3.9.2

Renditemaße ............................................................................... 68

2.3.9.3

Risikomaße ................................................................................. 69

2.3.9.4

Adjustierte Performance ............................................................. 70

2.3.10 Zwischenfazit und kritische Würdigung .............................................. 75 Kapitalmarktanomalie Value versus Growth .............................................. 77 3.1 Erkenntnisse der Kapitalmarktanomalie .................................................... 77 3.1.1 Historische Betrachtung ....................................................................... 78 3.1.2 Investmentstrategie............................................................................... 80 3.1.3 Konzept der Margin of Safety .............................................................. 84 3.1.4 Fundamentale Analyse ......................................................................... 85 3.1.5 Zero Investment Portfolio .................................................................... 93 3.1.6 Marktphasenabhängigkeit .................................................................... 95 3.1.7 Anlagehorizont ..................................................................................... 96 3.1.8 Erklärungsansätze für die Überrendite bei Value Wertpapieren ......... 98 3.1.9 Zwischenfazit und kritische Würdigung ............................................ 102 3.2 Evidenz im Hinblick auf Value und Growth Indikatoren ........................ 104

4

3.2.1 Eindimensionale Darstellung von Value versus Growth ................... 105 3.2.2 Multidimensionale Darstellung von Value versus Growth und Wechsel- beziehung mit anderen Anomalien .................................... 108 3.2.3 Faktormodelle zur Darstellung von Value versus Growth ................ 115 3.2.4 Internationale und globale Studien zu Value versus Growth............. 121 3.2.5 Zwischenfazit und kritische Würdigung ............................................ 126 Empirische Untersuchung des Value Effekts bei Aktien und Unternehmensanleihen ...................................................... 129 4.1 Zielsetzung und Hypothesen .................................................................... 129 4.2 Datenbasis................................................................................................. 131

Inhaltsverzeichnis

XI

4.2.1 Aktien ................................................................................................. 132 4.2.2 Unternehmensanleihen ....................................................................... 133 4.3 Empirisches Untersuchungsdesign ........................................................... 135 4.3.1 Portfoliobildung ................................................................................. 136 4.3.1.1 Indikatorsystem ......................................................................... 136 4.3.1.2

Gewichtung der Portfolios ........................................................ 139

4.3.2 Zeitreihenregression ........................................................................... 140 4.3.2.1 Regressionsfunktionen .............................................................. 141 4.3.2.2

Prüfung der Regressionsfunktion ............................................. 143

4.3.2.3

Prüfung der Regressionskoeffizienten ...................................... 144

4.3.2.4

Prüfung der Modellannahmen .................................................. 144

4.4 Ergebnisse der empirischen Untersuchung .............................................. 146 4.4.1 Aktienanalyse ..................................................................................... 147 4.4.1.1 Indizes ....................................................................................... 147 4.4.1.2

Aktienanalyse der US-amerikanischen Portfolios .................... 148

4.4.1.3

Aktienanalyse der europäischen Portfolios .............................. 160

4.4.1.4

Aktienanalyse der deutschen Portfolios ................................... 170

4.4.2 Anleihenanalyse ................................................................................. 180 4.4.2.1 Indizes ....................................................................................... 180 4.4.2.2

Anleihenanalyse der US-amerikanischen Portfolios ................ 182

4.4.2.3

Anleihenanalyse der europäischen Portfolios........................... 189

4.5 Interpretation der eigenen Ergebnisse ...................................................... 197 5

Resümee ......................................................................................................... 211 5.1 Zusammenfassung der Ergebnisse ........................................................... 211 5.2 Forschungsausblick .................................................................................. 221

Anhang .............................................................................................................. XXV Literaturverzeichnis.................................................................................... LXXIII

Abbilungsverzeichnis

XIII

Abbildungsverzeichnis Abb. 1: Darstellung des Untersuchungsaufbaus ....................................................... 8 Abb. 2: Formen der Informationseffizienz ............................................................. 16 Abb. 3: Prospect Theory: hypothetische Wertfunktion .......................................... 30 Abb. 4: Prospect Theory: hypothetische Gewichtungsfunktion ............................. 31 Abb. 5: Mean Reversion Prozess ............................................................................ 36 Abb. 6: Effizienzlinie .............................................................................................. 46 Abb. 7: Kapitalmarktlinie ....................................................................................... 48 Abb. 8: Wertpapiermarktlinie ................................................................................. 49 Abb. 9: Marktmodell ............................................................................................... 51 Abb. 10: Überreaktion und selektive Wahrnehmung ............................................. 55 Abb. 11: Top-Down versus Bottom-Up Aktienanalyse ......................................... 57 Abb. 12: Zinsstrukturkurven ................................................................................... 62 Abb. 13: Klassifizierung von Investmentstrategien................................................ 81 Abb. 14: Renditevergleich mit CAPM Renditen .................................................. 107 Abb. 15: Meta-Studie ............................................................................................ 109 Abb. 16: Portfolios zur Berechnung der Faktoren SMB und HML ..................... 116 Abb. 17: Kursentwicklung der Aktienindizes....................................................... 147 Abb. 18: Kursentwicklung der Anleihenindizes ................................................... 181

Tabellenverzeichnis

XV

Tabellenverzeichnis Tab. 1: Zero Investment Portfolio........................................................................... 94 Tab. 2: Renditevergleich mit CAPM Renditen..................................................... 107 Tab. 3: Value und Size Portfolios ......................................................................... 110 Tab. 4: Zwei Dimensionen von Value und Growth .............................................. 119 Tab. 5: Aktien der Untersuchung .......................................................................... 132 Tab. 6: Fundamentaldaten der Untersuchung bei Aktien ..................................... 133 Tab. 7: Unternehmensanleihen der Untersuchung................................................ 134 Tab. 8: Fundamentaldaten der Untersuchung bei Anleihen ................................. 135 Tab. 9: Ausprägung der Aktien-Indikatoren bei Value und Growth .................... 137 Tab. 10: Ausprägung der Anleihen-Indikatoren bei Value und Growth .............. 138 Tab. 11: Entscheidungsregel des Durbin-Watson-Test ........................................ 145 Tab. 12: Zusammengefasste Statistiken und ausgewählte Performancekennzahlen der jährlichen Renditen der Aktienindizes.......................... 148 Tab. 13: Durchschnittliche Aktien-Indikatorwerte bei Value und Growth Portfolios bei Aktien des Dow Jones Index .............................. 149 Tab. 14: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Aktien des Dow Jones Index ............ 151 Tab. 15: Risikoanalyse der Value Portfolios bei Aktien des Dow Jones Index ... 151 Tab. 16: Risikoanalyse der Growth Portfolios bei Aktien des Dow Jones Index ............................................................................................. 152 Tab. 17: Performanceanalyse der Value und Growth Portfolios bei Aktien des Dow Jones Index ............................................................ 155 Tab. 18: Zero Investment Portfolios (Value - Growth) bei Aktien des Dow Jones Index ............................................................ 156 Tab. 19: Überrenditen der Value und Growth Portfolios bei Aktien des Dow Jones Index ............................................................ 160 Tab. 20: Durchschnittliche Aktien-Indikatorwerte bei Value und Growth Portfolios bei Aktien des EURO STOXX 50 Index ................. 160 Tab. 21: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Aktien des EURO STOXX 50 Index .......... 162

XVI

Tabellenverzeichnis

Tab. 22: Risikoanalyse der Value Portfolios bei Aktien des EURO STOXX 50 Index ..................................................... 163 Tab. 23: Risikoanalyse der Growth Portfolios bei Aktien des EURO STOXX 50 Index ..................................................... 164 Tab. 24: Performanceanalyse der Value und Growth Portfolios bei Aktien des EURO STOXX 50 Index ............................................... 167 Tab. 25: Zero Investment Portfolios (Value - Growth) bei Aktien des EURO STOXX 50 Index ..................................................... 167 Tab. 26: Überrenditen der Value und Growth Portfolios bei Aktien des EURO STOXX 50 Index ..................................................... 169 Tab. 27: Durchschnittliche Aktien-Indikatorwerte bei Value und Growth Portfolios bei Aktien des DAX Index ................................ 171 Tab. 28: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Aktien des DAX Index ..................... 172 Tab. 29: Risikoanalyse der Value Portfolios bei Aktien des DAX Index ............ 173 Tab. 30: Risikoanalyse der Growth Portfolios bei Aktien des DAX Index ......... 174 Tab. 31: Performanceanalyse der Value und Growth Portfolios bei Aktien des DAX Index ..................................................................... 177 Tab. 32: Zero Investment Portfolios (Value - Growth) bei Aktien des DAX Index ..................................................................... 177 Tab. 33: Überrenditen der Value und Growth Portfolios bei Aktien des DAX Index ..................................................................... 180 Tab. 34: Zusammengefasste Statistiken und ausgewählte Performancekennzahlen der jährlichen Renditen der Anleihenindizes ...................... 181 Tab. 35: Durchschnittliche Anleihen-Indikatorwerte bei Value und Growth Portfolios bei Anleihen des BUSC Index .......................... 182 Tab. 36: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Anleihen des BUSC Index ................ 184 Tab. 37: Analyse der Value Portfolios bei Anleihen des BUSC Index ................ 185 Tab. 38: Analyse der Growth Portfolios bei Anleihen des BUSC Index ............. 186 Tab. 39: Durationsimmunisiertes Zero Investment Portfolios (Value - Growth) bei Anleihen des BUSC Index .................................. 187 Tab. 40: Überrenditen der Value und Growth Portfolios bei Anleihen des BUSC Index ............................................................... 189

Tabellenverzeichnis

XVII

Tab. 41: Durchschnittliche Anleihen-Indikatorwerte bei Value und Growth Portfolios bei Anleihen des BERC Index .......................... 190 Tab. 42: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Anleihen des BERC Index ................ 192 Tab. 43: Risikoanalyse der Value Portfolios bei Anleihen des BERC Index ...... 193 Tab. 44: Risikoanalyse der Growth Portfolios bei Anleihen des BERC Index .... 194 Tab. 45: Durationsimmunisiertes Zero Investment Portfolios (Value - Growth) bei Anleihen des BERC Index .................................. 195 Tab. 46: Überrenditen der Value und Growth Portfolios bei Anleihen des BERC Index ..................................................................... 197 Tab. 47: Hypothesen ............................................................................................. 197 Tab. 48: Ergebnisse der Hypothesenprüfung - KGV............................................ 199 Tab. 49: Ergebnisse der Hypothesenprüfung - KBV ............................................ 200 Tab. 50: Ergebnisse der Hypothesenprüfung - KCV ............................................ 200 Tab. 51: Ergebnisse der Hypothesenprüfung - KUV............................................ 201 Tab. 52: Ergebnisse der Hypothesenprüfung - Dividendenrendite ...................... 202 Tab. 53: Ergebnisse der Hypothesenprüfung - Gesamtkapitalrentabilität ............ 203 Tab. 54: Ergebnisse der Hypothesenprüfung - Eigenkapitalrentabilität............... 203 Tab. 55: Ergebnisse der Hypothesenprüfung - Dividendenwachstum ................. 204 Tab. 56: Ergebnisse der Hypothesenprüfung - Ausschüttungsquote .................... 204 Tab. 57: Ergebnisse der Hypothesenprüfung - EV-EBITDA Verhältnis ............. 205 Tab. 58: Ergebnisse der Hypothesenprüfung - Multiplikator 1 ............................ 205 Tab. 59: Ergebnisse der Hypothesenprüfung - Multiplikator 2 ............................ 206 Tab. 60: Ergebnisse der Hypothesenprüfung - Multiplikator 3 ............................ 206 Tab. 61: Ergebnisse der Hypothesenprüfung - Multiplikator 4 ............................ 207 Tab. 62: Ergebnisse der Hypothesenprüfung - Multiplikator 5 ............................ 207 Tab. 63: Ergebnisse der Hypothesenprüfung - dynamische Verschuldungsgrad .......................................................... 208 Tab. 64: Ergebnisse der Hypothesenprüfung - Fremdkapitalquote ...................... 209 Tab. 65: Ergebnisse der Hypothesenprüfung - Zinsdeckungsgrad ....................... 209

Abkürzungsverzeichnis

XIX

Abkürzungsverzeichnis APT

-

Arbitrage Pricing Theorie

AMEX

-

American Stock Exchange

BERC

-

Bloomberg EUR Investment Grade European Corporate Bond

BRIC

-

Brasilien, Russland, Indien und China

BUSC

-

Bloomberg US Corporate Bond

bzw.

-

beziehungsweise

CAPM

-

Capital Asset Pricing Model

CDAX

-

Composite DAX

DAX

-

Deutscher Aktienindex

Dow Jones -

Dow Jones Industrial Average

DEF

-

Default

d.h.

-

das heißt

EV

-

Enterprise Value

EBIT

-

Earnings Before Interest and Taxes

EBITDA

-

Earnings Before Interest, Taxes, Depreciation and Amortisation

EMEA

-

Europe, Middle East and Africa

HML

-

High Minus Low

KBV

-

Kurs-Buchwert-Verhältnis

KCV

-

Kurs-Cashflow-Verhältnis

KGV

-

Kurs-Gewinn-Verhältnis

KUV

-

Kurs-Umsatz-Verhältnis

MVP

-

Minimum Varianz Portfolio

NASDAQ -

National Association of Securities Dealers Automated Quotations

NYSE

-

New York Stock Exchange

PEAD

-

Post Earnings Announcement Drift

p.a.

-

per anno (pro Jahr)

XX

Abkürzungsverzeichnis

p.m.

-

per mensem (pro Monat)

SMB

-

Small Minus Big

S&P

-

Standard & Poor

TERM

-

Term Structure

u.a.

-

unter anderem

USA

-

Vereinigten Staaten von Amerika

vs.

-

versus

z.B.

-

zum Beispiel

Symbolverzeichnis

XXI

Symbolverzeichnis AR

-

Appraisal Ratio

ai

-

Konstante unternehmens-/portfolioindividuelle Rendite

α

-

Jensens Alpha

B

-

Zahl der Beobachtungspunkte

bi

-

Sensitivität der Wertpapier-/Portfoliorendite i gegenüber Verän-

β

-

Beta

derungen des Indexes cov(Ri,Rj) -

Kovarianz der Renditen von Wertpapier i zu Wertpapier j

D

-

Duration

d

-

Sensitivität der Wertpapier-/Portfoliorendite gegenüber dem Faktor DEF

DEF

-

Default Faktor

Div

-

Dividende

do

-

Obere Grenze Durbin-Watson-Test

du

-

Untere Grenze Durbin-Watson-Test

DW

-

Durbin-Watson-Wert

E(R)

-

Erwartete Rendite

ε

-

Residualwert

F

-

Faktor

G

-

Gewinn

g

-

Wachstumsrate

H0

-

Nullhypothese

h

-

Sensitivität der Wertpapier-/Portfoliorendite gegenüber dem Faktor HML

Hit

-

Hit Ratio

HML

-

High Minus Low Faktor

I

-

Indexformel nach Laspeyres

XXII

Symbolverzeichnis

i, j, n

-

Indexvariablen

J

-

Zahl der Regressoren

K

-

Kupon

M

-

Marktportfolio

m

-

Sensitivität der Wertpapier-/Portfoliorendite gegenüber dem Faktor TERM

MD

-

Modifizierte Duration

N

-

Nennwert

Q

-

Gewichtungsfaktor

P

-

Preis

p

-

Portfolio

r

-

Diskontierungssatz

R

-

Rendite

Rf

-

Risikoloser Zins

RM

-

Rendite des Marktes

RCAPM

-

Durch das CAPM implizierte Rendite

-

Korrigiertes Bestimmtheitsmaß

R

-

Bestimmtheitsmaß

σ

-

Sigma, Standardabweichung

SR

-

Sharpe Ratio

s

-

Sensitivität der Wertpapier-/Portfoliorendite gegenüber dem

2

R

korr

2

Faktor SMB SMB

-

Small Minus Big Faktor

Sortino

-

Sortino Ratio

T

-

Endfälligkeit

t

-

Zeitpunkt

TERM

-

Zinsänderungsfaktor

To

-

Toleranz

TR

-

Treynor Ratio

Symbolverzeichnis

u

-

XXIII

Sensitivität der Wertpapier-/Portfoliorendite gegenüber dem Faktor UMD

UMD

-

Up Minus Down

V

-

Vermögenswert des Wertpapiers

x

-

Anteil des Wertpapiers am Portfolio

Z

-

Rückflusszahlungen des Wertpapiers

σ

-

Standardabweichung

2

σ

-

Varianz

σH(p)

-

Standardabweichung des Residualwertes des Portfolios

f

-

Unendlich

Einleitung

1

1

Einleitung

Als Value Investing wird die von Graham und Dodd (1934) entwickelte Methode zum Identifizieren von Wertpapieren bezeichnet, bei welcher der faire (innere) Wert bestimmt und mit dem gehandelten Marktpreis verglichen werden.1 Dieser innere Wert eines Wertpapiers wird mittels einer Fundamentalanalyse2 hergeleitet. In dieser fundamentalen Analyse werden betriebswirtschaftliche Daten aus dem Jahresabschluss verwendet. Liegt der innere Wert über dem Marktpreis, so wird dies als Unterbewertung bezeichnet, im umgekehrten Fall wird von Überbewertung gesprochen.3 Ausgehend von der Annahme, dass diese Diskrepanz nur zeitweilig vorhanden ist, empfiehlt es sich bei Unterbewertung das Wertpapier zu kaufen und bei Überbewertung zu verkaufen.4 Ein Unterschied von Wert und Marktpreis von Wertpapieren widerspricht jedoch der Effizienzmarkthypothese5, wonach auf einem effizienten Markt immer alle verfügbaren Informationen vollkommen in den Preisen enthalten sind und der Preis somit immer korrekt ist.6 Seit den 1970er Jahren haben viele Forscher, darunter auch Eugene Fama7, der „Urvater“ der Effizienzmarkthypothese8, empirisch nachgewiesen, dass nicht nur das systematische Risiko des Capital Asset Pricing Model (CAPM)9, sondern auch fundamentale Verhältnisse, z.B. von Buch- und Marktwerten des Eigenkapitals (KursBuchwert-Verhältnis (KBV)), einen Zusammenhang mit der erwarteten Rendite von Aktien haben.10 Unternehmen mit einem niedrigen KBV werden Value Aktien genannt und erwirtschaften nachweislich höhere risikoadjustierte Rendite als Unternehmen mit einem hohen KBV.11 Weitere Kennzahlen, die als Indikatoren für Value dienen können, sind ein niedriges Kurs-Gewinn-Verhältnis (KGV), ein niedriges Kurs-Cashflow-Verhältnis (KCV) oder eine hohe Dividendenrendite.12

1

Vgl. Graham/Dodd (1934), S. 1-725. Siehe hierzu Abschnitt 3.1.4. Value Wertpapiere zeichnen sich durch eine hohe Substanz und eine aktuell niedrige Bewertung aus, Growth Wertpapiere hingegen durch historisch hohes Wachstum und eine hohe fundamentale Bewertung. Siehe hierzu Abschnitt 3.1. 4 Vgl. Wittmann (2012), S. 37. 5 Siehe hierzu Abschnitt 2.1.3. 6 Siehe hierzu Abschnitt 2.1. 7 Vgl. Fama (1970), S. 383-417. 8 Siehe hierzu Abschnitt 2.1.3. 9 Siehe hierzu Abschnitt 2.3.3. 10 Vgl. Kieselstein/Sauer (2000), S. 522. 11 Vgl. Elze (2010), S. 536; Fama/French (1998), S. 1975. 12 Siehe hierzu Abschnitt 3.2. 2 3

2

Einleitung

1.1 Problemstellung und Motivation In der neoklassischen Kapitalmarkttheorie gibt es keine systematischen Abweichungen zwischen dem Marktpreis und dem Wert eines Wertpapiers, da der Kapitalmarkt vollkommen und jederzeit effizient ist. Investoren handeln wie im Modell des Homo Oeconomicus13 beschrieben, haben homogene Erwartungen und sind stets rational. Zudem kommt, dass die Wertpapierrenditen zufällig sind und es nicht möglich ist, systematische Überrenditen zu erwirtschaften.14 Die tatsächliche Preisfindung an den Kapitalmärkten kann jedoch nicht durch die normativen neoklassischen Konzepte erklärt werden.15 Die Modelle enthalten simplifizierende Annahmen, die zwar Gründe für Kritik zulassen, aber „[…] the relevant question to ask about the „assumptions“ of a theory is not whether they are descriptively „realistic,“ for they never are, but whether they are sufficiently good approximations for the purpose in hand.“16 Da das Versagen der neoklassischen Modelle und Konzepte durch viele Anomalien nachgewiesen werden kann, ist Kritik angebracht. Die Finanzkrise ab 2007 ist nur ein Beispiel von vielen, das gezeigt hat, dass das starre Vertrauen auf neoklassische Modelle nur unzureichend die Kapitalmärkte erklärt und Investoren schützen kann, die danach handeln.17 Warren Buffett äußerte sich zu dem Modellglaube der Akademiker und Praktiker wie folgt: „Amazingly, efficient market theory was embraced not only by academics, but by many investment professionals and corporate managers as well. Observing correctly that the market was frequently efficient, they went on to conclude incorrectly that it was always efficient. The difference between these propositions is night and day.“18 Folglich beschäftigt sich sowohl die Finanzmarktforschung als auch die Investmentpraxis seit Jahrzehnten mit der Suche nach besser geeigneten Kapitalmarktmodellen, der optimalen Investmentstrategie und der Erklärung von Wertpapierrenditen. Durch die empirischen Herausforderungen getrieben, hat sich eine neue Forschungsrichtung namens Behavioral Finance entwickelt, die sich mit dem Verhalten der Marktteilnehmer beschäftigt und versucht, die Finanzmärkte realitätsnah zu erklären.19 Nachgewiesenermaßen sind die Kapitalmärkte weder vollkommen noch effizient, Investoren handeln nur begrenzt rational und haben heterogene Erwartungen, 13

Das Modell des Homo Oeconomicus beschreibt optimales menschliches Handeln. Vgl. Pareto (1906), S. 14 f. Siehe hierzu Abschnitt 2.1. Mit Humor beschreiben De Bondt/Thaler (1995) dies wie folgt: „Finance consists of theories for which there is no evidence and empirical facts for which there is no theory.“ De Bondt/Thaler (1995), S. 286. 16 Friedman (1953), S. 9. 17 Vgl. Ball (2006), S. 1. 18 Buffett (1988), recherchiert am 25.10.2016. 19 Vgl. Forbes (2009), S. 1 f. 14 15

Einleitung

3

wodurch Arbitrage möglich ist und von Investoren ausgenutzt werden kann. Es zeigen sich z.B. Über- und Unterreaktionen bei Wertpapierpreisen sowie die Rückkehr der Renditen zum Mittelwert.20 Auch allen aktiven Investoren muss bewusst sein, dass Kapitalmärkte nur manchmal effizient sind, da sonst aktives Portfoliomanagement paradox wäre. Daher ist es für den aktiven Investor logisch, nicht nur auf die neoklassischen Kapitalmarktmodelle zu vertrauen, sondern auch Modelle zu betrachten, die verhaltenswissenschaftliche Erkenntnisse verwenden und Anomalien zur Neoklassik ausnutzen.21 Anomalien, die in empirischen Arbeiten festgestellt wurden, sind beispielsweise der Kleinfirmen-, der Januareffekt sowie der Momentum und der Value Effekt.22 Die Bedeutung von Behavioral Finance ist jedoch nur hoch, wenn Investoren, die nach Erkenntnissen aus Behavioral Finance investieren, in der Lage sind, systematisch abnormale Renditen zu erzielen und wenn die Wertpapierrenditen dadurch besser erklärbar sind.23 Eine Möglichkeit zur Entscheidungsfindung bei der Wertpapierauswahl stellt die Fundamentalanalyse und die damit verbundene Strategie des Value Investings dar. Fundamentale Eigenschaften wie Gewinn, Umsatz oder Dividenden fließen in die Bewertung von Wertpapieren ein und ein innerer (fairer) Wert des Wertpapiers wird ermittelt. Graham und Dodd (1934) beschreiben den inneren (fairen) Wert wie folgt: „In general terms it is understood to be that value which is justified by the facts, e.g., the assets, earnings, dividends, definite prospects, as distinct, let us say, from market quotations established by artificial manipulation or distorted by psychological excesses. But it is a great mistake to imagine that intrinsic value is as definite and as determinable as is the market price. Some time ago intrinsic value (in the case of common stock) was thought to be about the same thing as „book value,“ i.e., it was equal to the net assets of the business, fairly priced. This view of intrinsic value was quite definite, but it proved almost worthless as a practical matter because neither the average earnings nor the average market price evinced any tendency to be governed by the book value. […] Hence this idea was superseded by a newer view, viz., that the intrinsic value of a business was determined by its earnings power.“24 Diesem Prinzip folgend wird kein absoluter Wert ermittelt, sondern die betrachteten fundamentalen Eigenschaften des Wertpapiers werden ins Verhältnis zu den Eigenschaften der anderen Wertpapiere gesetzt. Bei

20

Dieses Verhalten ist normal, aber nicht rational, da ein normaler Investor nicht nur Rendite und Risiko betrachtet, sondern auch von kognitiven Verzerrungen (Biases) und Emotionen beeinflusst ist. Vgl. Statman (2005), S. 36. Vgl. Cornell/Cvitanić/Goukasian (2010), S. 84. 22 Siehe hierfür Abschnitt 3.2.2. 23 Vgl. Wright/Banerjee/Boney (2008), S. 82. 24 Graham/Dodd (1934), S. 17. 21

4

Einleitung

Untersuchungen der Kapitalmarktanomalie Value vs. Growth ist diese Herangehensweise der relativen Bewertung üblich.25 Value Aktien sind hierbei Wertpapiere, deren aktueller Kapitalmarktkurs verhältnismäßig gering ist zur fundamentalen Stärke des Unternehmens. Dies kann sowohl durch eine Fehlbewertung des Risikos sowie durch eine Unterbewertung der Wertpapierpreise durch den Kapitalmarkt vorkommen. Growth Aktien hingegen haben einen geringen fundamentalen Wert im Verhältnis zum Aktienkurs. Gründe hierfür können eine positive Fehlbewertung (Überbewertung) der Wertpapierpreise in der Vergangenheit und dadurch zu hoher Erwartungen für die Zukunft sein. Außerdem sind Growth Aktien häufig Aktien von Unternehmen, die sehr bekannt und beliebt sind und deren Nachfrage nicht durch die fundamentalen Eigenschaften und zukünftige Ertragskraft zustande kommt.26 Bei der Strategie Value Investing wird in Value Wertpapiere investiert, um die zeitweise Unterbewertung auszunutzen. Growth Wertpapiere werden gemieden bzw. leerverkauft.27 Interessanterweise nutzen einige Marktteilnehmer der Finanzindustrie die Erkenntnisse aus der Forschung und legen Gelder nach den Prinzipen bekannter Kapitalmarktanomalien an. Es konnte nachgewiesen werden, dass institutionelle Investoren, welche die Anlagestrategie Value Investing verfolgen, seit Jahrzehnten überdurchschnittliche Investmenterfolge erzielen und eine bessere Performance als andere Investoren verzeichnen.28 Jedoch gibt es regionale Unterschiede bei den Risiko- und Renditeprofilen, was auch in der Value vs. Growth Forschung gezeigt wird. Institutionelle Investoren, die nach diesem Prinzip investieren, diversifizieren ihre Portfolios inzwischen auch, indem sie sich weiteren Assetklassen widmen.29 Auffallend bei den vielen empirischen Studien zu der Kapitalmarktanomalie Value vs. Growth ist, dass beinahe ausschließlich Aktien als Untersuchungsgegenstand verwendet werden. Den Forschern Asness, Moskowitz und Pedersen (2013) ist dies ebenfalls bewusst, weshalb sie sich den Aktienindizes, Devisen, Staatsanleihen und Rohstoff-Futures gewidmet haben. „Although, both behavioral and rational theories for value […] have predominantly focused on equities, the existence of value […] effects in other asset classes – with their different investors, institutional structures, and information environments – argues for a more general framework.“30

25

Vgl. Chee/Sloan/Uysal (2013), S. 5. Siehe hierzu Abschnitt 3.1.8. Siehe Abschnitte 3.2.1 und 3.2.2. 28 Vgl. Elze (2010), S. 528. 29 Beispiele hierfür sind die amerikanische Investmentgesellschaften AQR Capital Management sowie die deutsche Vermögensverwaltung ACATIS Investment GmbH. Vgl. AQR Capital Management (2016), recherchiert am 31.10.2016; ACATIS Investment (2010), recherchiert am 31.10.2016. 30 Asness/Moskowitz/Pedersen (2013), S. 981. 26 27

Einleitung

5

Die Zielsetzung dieser Arbeit ist es, auf den bisherigen Erkenntnissen aufbauend, die Kapitalmarktanomalie Value vs. Growth theoretisch und empirisch aufzuarbeiten und die Anomalie bei den traditionellen Assetklassen Aktien und Unternehmensanleihen zu analysieren. Hierzu werden Value und Growth Portfolios gebildet, die von den Ausprägungen fundamentaler Indikatoren abhängen, welche durch eine Kombination von Kapitalmarkt- und Jahresabschlussdaten gebildet werden. Die Analyse fundamentaler Bewertung bei Unternehmensanleihen ist neu. Empirisch werden in dieser Arbeit der Einfluss der fundamentalen Charakteristika von Unternehmen auf die Rendite von Aktien bzw. Unternehmensanleihen validiert und Fehlbewertungen bei Wertpapierpreisen aufgedeckt. Auch wird der Einfluss von Value vs. Growth Aktien-Indikatoren auf Anleihenrenditen von Unternehmen ermittelt. Zudem kommt, dass die Operationalisierbarkeit der Kapitalmarktanomalie mittels Handelsstrategie getestet wird, sodass auch eine Aussage getroffen werden kann, ob institutionelle Investoren diese Strategie umsetzen können. Zusammenfassend werden folgende Forschungsfragen betrachtet: •

Haben fundamentale (unternehmensspezifische) Charakteristika Einfluss auf die Renditen von Aktien bzw. Unternehmensanleihen?

•

Ist die Kapitalmarktanomalie Value vs. Growth in Aktien- und Anleihenmärkten vorhanden?

•

Haben Aktien-Indikatoren einen Einfluss auf Anleihenrenditen von Unternehmen?

1.2 Gang der Untersuchung Aufgrund der beschriebenen Zielsetzung folgt nach diesem einleitenden Kapitel der theoretische Rahmen mit Kapitel 2. Kapitel 3 analysiert den aktuellen Stand der Forschung zu Value vs. Growth. In Kapitel 4 folgt die empirische Untersuchung zu Value und Growth Wertpapieren. Die Arbeit endet mit einem Resümee in Kapitel 5. Kapitel 2 umfasst die relevanten theoretischen Grundlagen, beginnend mit dem Abschnitt 2.1, in welchem der historische Fortgang der klassischen zur neoklassischen Kapitalmarkttheorie beschrieben ist. Die Konzepte und Theorien zur rationalen Erwartungs- und Risikobildung sowie der korrekten Entscheidungsfindung durch Informationen werden ausgearbeitet. Zudem werden die Konzepte zum vollkommenen Markt und die Random Walk Theorie vorgestellt. Die Grundidee hierbei ist, dass es keine systematischen Regelmäßigkeiten bei Renditen gibt und somit Wertpapierpreise nicht prognostizierbar sind. Anschließend werden die Effizienzmarkthypothese und deren drei Effizienzgrade erläutert, gefolgt von einem Zwischenfazit und einer kritischen Betrachtung der vorher genannten neoklassischen

6

Einleitung

Konzepte und Theorien. In Abschnitt 2.2 liegt der Fokus auf der Behavioral Finance und der Differenzierung dieser von der neoklassischen Kapitalmarkttheorie. Die Behavioral Finance wird definiert, von anderen Theorien abgegrenzt und deren historische Entwicklung wird erörtert. Durch weniger und gelockerte Annahmen der Behavioral Finance im Vergleich zur Neoklassik wird eine realitätsnähere Abbildung der Kapitalmärkte ermöglicht. Die Konzepte zur Entscheidungsfindung, Informationswahrnehmung und -verarbeitung werden im Kontext von eingeschränkter Rationalität ausgeführt. Konträr zur Random Walk Theorie (Neoklassik) wird die auf tatsächlichen Erkenntnissen beruhende These der Mean Reversion vorgestellt. Gefolgt wird dies von der theoretischen Aufarbeitung der Grenzen der Arbitrage. Der Abschnitt endet mit einem Zwischenfazit und einer kritischen Würdigung. In Abschnitt 2.3 werden die für diese Forschungsarbeit relevanten Portfolio-, Kapitalmarkt- und Bewertungsmodelle thematisiert. Dies geschieht mit dem Ziel, verschiedene Methoden und Modelle zur Preis-, Risiko- und Performancebewertung von Wertpapieren zu identifizieren, die in der Analyse in Kapitel 4 verwendet werden können. Kapitel 3 fokussiert sich auf den Kenntnisstand durch Forschungsergebnisse zu Value vs. Growth. Abschnitt 3.1 beginnt mit der historischen Entwicklung der Forschung. Auf diesen theoretischen Erkenntnissen basieren Investmentstrategien mit dem Ziel von Überrenditen, die intensiv in der Theorie weiter untersucht, aber auch durch die Investmentpraxis genutzt werden. Die Methoden und Konzepte, aber auch der empirische Wissensstand zum Anlagehorizont und den Marktphasen werden im Folgenden vorgestellt. Anschließend werden mögliche Erklärungsversuche für das Vorhandensein von Überrenditen behandelt. Ein Zwischenfazit mit kritischer Betrachtung der Erkenntnisse zu Value vs. Growth schließt den Abschnitt ab. In Abschnitt 3.2 werden die Indikatoren näher betrachtet, mit denen Value und Growth voneinander unterschieden werden kann. Diese Indikatoren werden mit der fundamentalen Kennzahlenanalyse gebildet. Sowohl auf die ein- als auch auf die multidimensionale Charakterisierung von Value vs. Growth wird eingegangen. Hierbei wird die Rendite durch das Gesamtrisiko erklärt. Zudem werden die Interdependenzen der Kapitalmarktanomalie Value vs. Growth mit anderen Anomalien betrachtet. Anschließend werden Faktormodelle vorgestellt, welche die Renditen mit systematischen Risikofaktoren erklären. Zwar nutzen die meisten der bis dahin vorgestellten Studien US-amerikanische Daten, es gibt aber auch erkenntnisreiche internationale und globale Studien zu Value vs. Growth, die gegen Ende dieses Abschnitts betrachtet werden. Mit einem Zwischenfazit endet das Kapitel. Kapitel 4 beantwortet die Forschungsfragen im Rahmen der empirischen induktiven Analyse. Aufbauend auf den theoretischen sowie empirischen Erkenntnissen zur Kapitalmarktanomalie Value vs. Growth, die in den vorausgehenden Kapiteln behandelt wurden, werden die Hypothesen in Abschnitt 4.1 formuliert. In Abschnitt

Einleitung

7

4.2 wird die Datenbasis der empirischen Untersuchung erläutert. Es werden Aktien und Unternehmensanleihen in der Arbeit analysiert. Die Aktien der Indizes Dow Jones Industrial Average (Dow Jones), EURO STOXX 50 und Deutscher Aktienindex (DAX) werden analysiert, da diese Indizes Aktien von großen Kapitalmarktunternehmen aus den USA, Europa und Deutschland beinhalten. Die Stichprobe zu den Unternehmensanleihen umfasst ebenfalls ausschließlich Wertpapiere von großen Kapitalmarktunternehmen, die in zwei Indizes der USA und Europa beinhaltet sind: Bloomberg US Corporate Bond (BUSC) Index bzw. Bloomberg EUR Investment Grade European Corporate Bond (BERC) Index. Es werden ausschließlich festverzinsliche Anleihen von Unternehmen betrachtet, die ein Anleiherating der Ratingklasse Investment Grade haben und deren Anleihen über einen Nennbetrag von insgesamt mindestens 250 Millionen $ (Amerikanischer Index) bzw. 250 Millionen € (Europäischer Index) verfügt. Die Forschungsmethodik wird in Abschnitt 4.3 dargestellt. Es erfolgt eine fundamentale Bewertung der Wertpapiere mittels verschiedener Indikatoren. Des Weiteren werden die uni- und multivariaten linearen Zeitreihenregressionen, die in der Analyse verwendet werden, vorgestellt. Abschnitt 4.4 besteht aus zwei Teilen. Im ersten Teil werden die Ergebnisse der empirischen Untersuchung zum Value Effekt bei Aktien, im zweiten die Ergebnisse der Unternehmensanleihen gezeigt. Die Value und Growth Wertpapiere werden nach eindimensionalen Rendite- und Risikokennzahlen sowie nach multidimensionalen Performancekennzahlen bewertet. Darüber hinaus erfolgt eine umfangreiche Analyse der Risikoprofile. Bei den Unternehmensanleihen werden zusätzlich die Duration sowie die modifizierte Duration betrachtet. Zudem werden spezielle Portfolios, sogenannte Zero Investment Portfolios, zur Ermittlung von Value Premia gebildet. Mithilfe der Zeitreihenregressionen wird überprüft, ob Überrenditen (Alphas) durch die Value und Growth Strategien entstehen. In Abschnitt 4.5 werden die Forschungsfragen und Hypothesen aufgegriffen und beantwortet. Die Ergebnisse jedes einzelnen Indikators werden separat betrachtet und für die Überprüfung der Hypothesen genutzt, sodass eine genaue Interpretation der Ergebnisse möglich ist. Hierbei erfolgt ein Vergleich zwischen Value und Growth Wertpapieren sowie ein Vergleich mit einer entsprechenden Benchmark. Ein Resümee in Kapitel 5 schließt die Forschungsarbeit ab. Die zusammengefassten Ergebnisse werden präsentiert und es erfolgt die Einordnung in den Gesamtkontext (Abschnitt 5.1). Insbesondere wird hierbei auf den Einfluss von fundamentalen Charakteristika auf die Renditen von Wertpapieren der Assetklassen Aktien und Unternehmensanleihen eingegangen. In Abschnitt 5.2 wird abschließend ein Ausblick für mögliche zukünftige Forschungsbeiträge aufgezeigt.

8

Einleitung

1 Einleitung

x Problemstellung und Motivation x Gang der Untersuchung

2 Theoretische Grundlagen

x Neoklassische Kapitalmarkttheorie x Behavioral Finance und Diskrepanz mit Neoklassik x Portfolio-, Kapitalmarkt- und Bewertungsmodelle

3 Kapitalmarktanomalie Value versus Growth

x Erkenntnisse der Kapitalmarktanomalie x Evidenz im Hinblick auf Value und Growth Indikatoren

4 Empirische Untersuchung des Value Effekts bei Aktien und Anleihen

5 Resümee

x x x x

Zielsetzung und Hypothesen Datenbasis Empirisches Untersuchungsdesign Ergebnisse der empirischen Untersuchung x Interpretation der eigenen Ergebnisse

x Zusammenfassung der Ergebnisse x Forschungsausblick

Abb. 1: Darstellung des Untersuchungsaufbaus31

31

Eigene Darstellung.

Theoretische Grundlagen

2

9

Theoretische Grundlagen

Die neoklassische Kapitalmarkttheorie prägt seit Jahrzehnten die moderne Betriebswirtschaft.32 Diese Forschungsrichtung, die von rationalen Marktteilnehmern, homogenen Erwartungen und effizienten Märkten ausgeht, hat auch heute noch begründeten Einfluss in Forschung, Lehre und Praxis. Allerdings sind die dahinterstehenden Konzepte und dazugehörenden Modelle nicht unstrittig. Inzwischen gibt es eine Vielzahl von empirischen Kapitalmarktuntersuchungen, die Anomalien, die nicht mit der Neoklassik vereinbar sind, identifiziert haben.33 Eine junge Forschungsrichtung, die Behavioral Finance, versucht diese Anomalien aufzudecken und zu erklären. Das Grundkonzept der Behavioral Finance, welches als Erklärung für viele Kapitalmarktanomalien entstand, ist die begrenzt Rationalität von Marktteilnehmern. Abschnitt 2.1 beginnt mit der historischen Entwicklung von der klassischen zur neoklassischen Kapitalmarkttheorie. Darauf folgend werden die relevanten Konzepte vorgestellt und in einem Zwischenfazit kritisch betrachtet. In Abschnitt 2.2 wird die Behavioral Finance von der neoklassischen Kapitalmarkttheorie abgegrenzt. Auch hier wird zunächst auch auf die Historie eingegangen und anschließend werden die Konzepte erläutert. Abschnitt 2.3 legt den Fokus auf die in den vorherigen Abschnitten erklärten Theorien vorherrschenden Modelle. Zum Schluss wird die Evaluierung von Portfolios thematisiert.

2.1 Neoklassische Kapitalmarkttheorie Erste Überlegungen zur verhaltensorientierten Kapitalmarktforschung gab es in der Mitte des 18. Jahrhunderts im Rahmen der klassischen Nationalökonomie. Adam Smith vertritt in seinem Werk „Der Wohlstand der Nationen“ die Ansicht, dass Selbstregulierung des Marktes zu Marktgleichgewicht und Vollbeschäftigung führe. Als Grundlage dieser Denkweise diente das menschliche Handeln, das auf ökonomischen Motiven und rationalen Überlegungen fundiert.34

32

Vgl. Bodie/Kane/Marcus (2014), S. xvii. Vgl. De Bondt/Thaler (1989), S. 191-201; Daniel/Hirshleifer/Subrahmanyam (1998), S. 1867 f.; Fama/French (1992), S. 427-464; Schneider (2005), S. 235-277. 34 Vgl. Smith (1776), S. 36-41; Hodgson (2004), S. 1-9. 33

10

Theoretische Grundlagen

Im 19. Jahrhundert wurden erstmals naturwissenschaftliche Methoden in der Psychologie eingesetzt. Besonders erwähnenswert ist Hermann Ebbinghaus, der das Gedächtnis erforschte und Entdecker der Vergessenskurve35 ist.36 Seit dem 20. Jahrhundert verlor die Psychologie im Hinblick auf die Kapitalmarktforschung an Bedeutung und die klassische Nationalökonomie wurde von der neoklassischen Kapitalmarkttheorie abgelöst. Es gibt vier wesentliche Kriterien, die diese neue Denkweise charakterisieren. Das Verhalten von Marktakteuren, die Entscheidungsfindung, die Marktcharakteristika und uneingeschränkte Arbitragemöglichkeiten.37,38 Marktverhalten wurde fortan durch rationales und nutzenorientiertes Verhalten und vollständige Märkte erklärt. Mit der Doktorarbeit von Louis Bachelier im Jahr 1900 wurde die Neoklassische Kapitalmarkttheorie eingeleitet. Bachelier bewertete Aktienoptionen mithilfe von einem stochastischen Prozess, der sogenannten Brownischen Bewegung, und verbindet damit als erster höhere Mathematik und Finanzforschung. Dies geschah bereits fünf Jahre bevor Albert Einstein erstmals die Gleichung für eine Brownische Bewegung aufstellte.39 Nach dieser Logik folgen Aktienkurse einem Zufallsprozess und sind nicht vorhersehbar. Im Jahr 1905 wurde, unabhängig von Bacheliers Forschung, in einem Beitrag von Karl Pearson der Begriff Random Walk geprägt.40 Klassische Entscheidungstheorie dient als Grundlage für die neoklassische Finanzmarkttheorie. Diese geht davon aus, dass rationale Marktteilnehmer alle möglichen Alternativen bewerten und die optimale Wahl auf jene Alternative fällt, die den höchstmöglichen Erwartungsnutzen liefert.41 Das theoretische Modell eines rationalen Agenten, der seinen Nutzen maximiert, dem sogenannten Homo Oeconomicus, wurde von Vilfredo Pareto eingeführt. Das Modell beschreibt optimales menschliches Handeln. Der Homo Oeconomicus verfügt über vollständige Informationen und verfolgt subjektive Ziele. Da er über alle möglichen Alternativen eine klare Präferenz bilden kann, entscheidet er sich für die nach seiner Präferenz beste Alternative.42

35

Diese zeigt, wie lange Erinnerungen gespeichert bleiben und wie viel vergessen wird. Vgl. Daxhammer/Facsar (2012), S. 17. 37 Arbitrage ist eines der fundamentalen Konzepte im Finanzbereich und wird definiert als der risikolose gleichzeitige Kauf und Verkauf eines gleichen oder ähnlichen Wertpapiers in zwei unterschiedlichen Märkten zu vorteilhaften Preisunterschieden. Vgl. Bodie/Kane/Marcus (2014), S. 324. 38 Vgl. Daxhammer/Facsar (2012), S. 84-87. 39 Vgl. Bachelier (1900), S. 21-86; Einstein (1905), S. 549-560. 40 Vgl. Pearson (1905), S. 294. 41 Siehe hierzu Abschnitt 2.1.1. 42 Vgl. Pareto (1906), S. 14 f. 36

Theoretische Grundlagen

11

In der Neoklassik wird davon ausgegangen, dass rationale Entscheider risikoavers sind, was zur Folge hat, dass das Risiko durch Geld kompensiert werden muss, damit Investoren diese Risiken auf sich nehmen.43 Das Konzept der Erwartungsnutzentheorie und das Bayes Theorem bilden die Grundlage für das Entscheidungsverhalten in der neoklassischen Theorie.44 Arbitrage ist nach der neoklassischen Theorie uneingeschränkt möglich, da so kurzfristige Fehlbewertungen unmittelbar ausgeglichen werden können. Arbitrageure, also rational handelnde Agenten, nutzen das Fehlverhalten der irrationalen Agenten sofort aus und halten somit das Wertpapier im fundamentalen Marktgleichgewicht. Arbitrageure selbst sind nicht in der Lage, große Überrenditen zu erzielen, weil es unzählige Arbitrageure gibt, die miteinander konkurrieren.45 Irrational handelnde Anleger haben als Folge dessen keinen entscheidenden Einfluss auf Wertpapierkurse und können langfristig nicht am Markt bestehen.46 2.1.1 Rational handelnde Marktteilnehmer und vollkommener Markt Der Mensch steht ständig vor dem Problem, dass er nicht alle Bedürfnisse gleichzeitig befriedigen kann und muss sich daher zwischen mehreren Handlungsalternativen entscheiden. Die Entscheidungssituation des einzelnen Menschen ist in diesen Fällen durch seine Präferenzen und Restriktionen geprägt. Restriktionen begrenzen den Handlungsspielraum des Menschen.47 Zwischen den zur Auswahl stehenden Handlungsmöglichkeiten muss der Mensch sich entscheiden, obwohl er diese nicht alle genau kennt. Er hat nur einen Überblick über einen Teil der Handlungsmöglichkeiten, nimmt somit nur einem Ausschnitt der Realität wahr und kennt auch die möglichen Konsequenzen nur teilweise. Daher muss er vor der Entscheidung eine Prognose erstellen bzw. seine bedingten Erwartungen48 schätzen. Die Präferenzen des Menschen sind unabhängig von den Handlungsmöglichkeiten und ergeben sich aus seinen Wertvorstellungen. Der Mensch bewertet die Möglichkeiten und stellt

43

Vgl. Baker/Ricciardi (2014), S. 26. Siehe hierzu Abschnitt 2.1.1. 45 Vgl. Shleifer (2000), S. 3 f. 46 Vgl. Jaunich (2008), S. 40. 47 Beispiele für Restriktionen können sein: Einkommen des Menschen, geltende Preise auf den Märkten, rechtliche Rahmenbedingungen oder erwartete Reaktionen anderer Marktteilnehmer. 48 Die bedingte Erwartung bzw. der bedingte Erwartungswert ist am folgenden Beispiel erklärt: Bei der Zufallsvariable Y ist der bedingte Erwartungswert E(Y|X) der Mittelwert unter der Bedingung, das Ereignis X eintritt. Vgl. Albrecht/Maurer (2008), S. 191 f. 44

12

Theoretische Grundlagen

Vor- und Nachteile sowie Kosten und persönlichen Nutzen gegenüber. Anschließend entscheidet er sich für diejenige Handlungsmöglichkeit, die seinen Präferenzen entspricht. Dies wird als Nutzenmaximierung unter Unsicherheit49 bezeichnet.50 Das Bernoulli-Prinzip gilt als das wichtigste normative Entscheidungskriterium bei Unsicherheit. Beim Bernoulli-Prinzip werden Entscheidungen in zwei Schritten getroffen. Zuerst wird eine Nutzenfunktion51 bestimmt, die den Ergebnissen reelle Nutzenwerte zuordnet. Anschließend wird die Alternative gewählt, die den höchsten Erwartungswert des Nutzens hat.52 Die Erwartungsnutzentheorie, eine axiomatische Begründung53 für das BernoulliPrinzip, geht auf von Neumann und Morgenstern (1947) zurück. Diese Theorie definiert rationales Verhalten bei Unsicherheit unter Einbeziehung der Risikopräferenz des Entscheiders.54 Die Risikopräferenz des Entscheiders ist beim BernoulliPrinzip nicht festgelegt. Der Entscheider kann sowohl risikoneutral, -avers als auch -affin sein.55 Die Abwägung zwischen Risiko56 und Rendite ist grundlegend für Investitionsentscheidungen. Ein Grundprinzip in diesem Zusammenhang ist, dass die erwartete Rendite des Investors steigt, wenn das Risiko steigt.57 Mithilfe des Bayes Theorems ist es möglich, neue Informationen korrekt und unmittelbar in die Entscheidungsfindung einfließen zu lassen. Die Erwartungsnutzentheorie bildet die Grundlage für das Bayes Theorem, mit dem es Möglich ist, bedingte Wahrscheinlichkeiten zu beschrieben. Die möglichen Umweltzustände und Eintrittswahrscheinlichkeiten sind auch hier bekannt. Diese werden als „a priori an-

49

Unsicherheit bedeutet das mögliche Abweichen von einer Plangröße und wird auch als Risiko im weiteren Sinne bezeichnet. Vgl. Hößl (2009), S. 56. 50 Vgl. Kirchgässner (2013), S. 15-16. 51 Die Nutzenfunktion kann auch Utility-Funktion, Bernoulli-Nutzen, Bernoulli-Funktion, Risiko-Nutzen, vonNeumann-Morgenstern-Nutzen, oder Risikopräferenz genannte werden. Im Englischen wird dies als „Expected Utility Hypothesis“ bezeichnet. Vgl. Bamberg/Coenenberg/Krapp (2008), S. 76. 52 Vgl. Laux/Gillenkirch/Schenk-Mathes (2012), S. 110-111; Perridon/Steiner/Rathgeber (2012), S. 120. 53 Als zentral gelten heute die Axiome Vergleichbarkeit, Transitivität, Unabhängigkeit und Kontinuität, welche erfüllt sein müssen, damit rationales Verhalten abgeleitet werden kann. Das Axiom Vergleichbarkeit ist erfüllt, wenn zwischen den zu untersuchenden Alternativen eine Alternative den höheren oder gleichen Nutzen aufweist. Die Alternativen müssen außerdem die Bedingungen erfüllen, dass wenn a ≤ b und b ≤ c, dann auch a ≤ c ist. Diese Eigenschaft wird Transitivität genannt. Das Axiom Unabhängigkeit ist erfüllt, wenn jede Alternative unabhängig von den restlichen Alternativen ist. Kontinuität ist erfüllt, wenn eine Alternative aus einer Kombination aus zwei anderen Alternativen gebildet werden kann. Für eine ausführliche sowie mathematische Definition siehe Engelkamp (1980), S. 1949. 54 Vgl. von Neumann/Morgenstern (1947), S. 617-632. 55 Vgl. Laux/Gillenkirch/Schenk-Mathes (2012), S. 109-111. 56 Risiko kann in Unsicherheit und Risiko im engeren Sinne unterteilt werden. Für die Bedeutung von Unsicherheit siehe Fußnote 49. Risiko im engeren Sinne bedeutet die negative Abweichung eines Ziels. Vgl. Büschgen (1999), S. 865 f. 57 Vgl. Bamberg/Coenenberg/Krapp (2008), S. 75.

Theoretische Grundlagen

13

genommene Wahrscheinlichkeitsvorstellungen“ bezeichnet. Kommen nun neue Informationen hinzu, so bilden sich veränderte a posteriori Wahrscheinlichkeiten.58 Der rational handelnde Marktakteur lässt somit neue Informationen unmittelbar und korrekt in die Entscheidung einfließen.59 Die Hypothese der rationalen Erwartungen60 besagt, dass Erwartungen so gebildet werden, dass sie mit theoretischen Modellen übereinstimmen. In empirischen Untersuchungen kommt Muth (1961) zu der Erkenntnis, dass Erwartungen im Durchschnitt mindestens so genau sind wie die Schätzungen ökonomischer Modelle und genauso gut wie Vorhersagen komplexer Gleichungssysteme. 61 Die Entscheidungen von Marktakteuren werden somit so lange angepasst, bis ihre Erwartungen erfüllt werden. Da dies, bezogen auf Wertpapiere, zu Preisänderungen führt, werden die Preise sich ändern bis ein passendes Modell gefunden wird.62 Ein vollkommener Kapitalmarkt zeichnet sich dadurch aus, dass keine Transaktionskosten oder Steuern beim Handel von Wertpapieren verursacht werden. Des Weiteren ist der uneingeschränkte und gleiche Marktzugang aller Marktteilnehmer vonnöten.63 Außerdem sind alle Anlagen marktfähig und beliebig teilbar.64 2.1.2 Random Walk Theorie Louis Bachelier (1900) gilt als Urvater der Random Walk Theorie, da er in seiner Dissertation statistische Regelmäßigkeiten in den Verläufen von Aktienkursen analysierte und zum Ergebnis kam, dass es systematische Regelmäßigkeiten nicht gibt. Der Verlauf von Aktienrenditen erscheint zufällig.65 Im Jahr 1933 analysierte Alfred Cowles Aktienkursvorausberechnungen von institutionellen Investoren und kam zum Schluss, dass Aktienkurse nicht prognostizierbar sind.66 Holbrook Working bestätigte empirisch, dass Aktienrenditen einem Random Walk folgen und weitgehend zufällig sind.67 Die These von Bachelier, dass Aktienkursrenditen zufälligen Bewegungen folgen, fand erstmals viel Beachtung in der Wissenschaft, nachdem Maurice Kendall dies weiter untersuchte und ebenfalls zu Bacheliers Feststellung kam.68 Der

58

Vgl. Laux/Gillenkirch/Schenk-Mathes (2012), S. 294-296; Kottke (2005), S. 10-11. Vgl. Jaunich (2008), S. 17. 60 Muth (1961) hat die Hypothese rationaler Erwartungen entwickelt. Lucas (1976) hat diese weiterentwickelt und wurde hierfür 1995 mit dem Wirtschaftsnobelpreis ausgezeichnet. Vgl. Brannon (2006), S. 18-23. 61 Vgl. Muth (1961), S. 316. 62 Vgl. Eustermann (2010), S. 86-87; Schmidt/Terberger (1997), S. 209-210. 63 Vgl. Perridon/Steiner/Rathgeber (2012), S. 21. 64 Vgl. ebd., S. 193. 65 Vgl. Bachelier (1900), S. 31 f.; Wahren (2009), S. 58. 66 Vgl. Cowles (1933), S. 309-324. 67 Vgl. Working (1934), S. 11-24. 68 Vgl. Kendall/Hill (1953), S. 11-34. 59

14

Theoretische Grundlagen

Begriff Random Walk Theorie wurde erst durch einen Aufsatz von Paul Samuelson (1965) geprägt, der den Beweis zum Zufallsverlauf von Aktienkursen führte.69 Die Random Walk Theorie bildet wiederum die Grundlage für die Effizienzmarkthypothese. Die zufälligen Renditen sind hierbei nicht als absolut zufällig zu verstehen, vielmehr schwanken Renditen um eine mittlere Rendite. Dies impliziert, dass die Verteilung der Renditen unabhängig bzw. unkorreliert mit den Renditen der Vergangenheit ist.70 Selbstverständlich können sich die Fundamentalwerte im Zeitablauf verändern, wenn neue Informationen hinzukommen. Nach der Random Walk Theorie bewegen sich die Wertpapierpreise dann nahe des wahren Wertes.71 Somit bedeutet Random Walk nicht, dass Wertpapierpreise zufällig und von fundamentalen Bewertungen losgelöst sind.72 Die Random Walk Theorie steht sowohl zu der technischen als auch der fundamentalen Analyse73 im Widerspruch. Wenn die Random Walk Theorie die Realität widerspiegelt, dann bietet die technische Analyse keinen Mehrwert bei der Wertpapieranalyse.74 Für die Fundamentalanalyse ist es jedoch komplizierter. Wenn, wie bei der Random Walk Theorie und der Effizienzmarkttheorie, die Wertpapierpreise jederzeit den inneren Werten entsprechen, dann bietet die Fundamentalanalyse nur einen Mehrwert, wenn neue Informationen zur Verfügung stehen, die nicht bereits in den Preisen enthalten sind.75 Im Rahmen der Portfoliobildung muss dann noch zusätzlich bewiesen werden, dass die Fundamentalanalyse profitabler ist als eine einfache Zufallsauswahl.76 2.1.3 Effizienzmarkthypothese Seit 1970 dominiert das Konzept der effizienten Kapitalmärkte.77 Dies wird auch als Effizienzmarkthypothese78 bezeichnet und besagt, dass Preise von Wertpapieren zu jeder Zeit alle verfügbaren Informationen vollkommen wiedergeben. Laut Fama (1970) sind effiziente Märkte charakterisiert durch „[…] the assumption that security prices at any time `fully reflect´ all available information. A market in 69

Vgl. Wahren (2009), S. 58. Vgl. Fabozzi (2007), S. 119. 71 Vgl. Fama (1995), S. 76. 72 Vgl. Francis/Archer (1971), S. 186-188. 73 Siehe hierzu Abschnitt 3.1.4. 74 Vgl. Fama (1995), S. 80. 75 Vgl. Lehman (2009), S. 78-80; Fama (1995), S. 80. 76 Vgl. Fama (1995), S. 80. 77 Vgl. Murschall (2007), S. 2. 78 Im Weiteren wird von der Definition von Fama (1970) ausgegangen. Es gibt jedoch viele alternative Definition. Siehe hierzu beispielhaft Jensen (1978), Beaver (1981), Latham (1986), Singal (2004). Zur Kritik an der Definition von Fama (1970) siehe LeRoy (1976), Beaver (1981), Latham (1986), Ball (1989) und LeRoy (1989). Für das grundsätzliche Verständnis der Effizienzmarkthypothese und der verwendeten Methoden siehe Mühlhaupt (2013). 70

Theoretische Grundlagen

15

which prices always "fully reflect" available information is called efficient.“79 Somit ist ein Markt, in welchem Preise immer alle verfügbaren Informationen vollkommen wiedergeben, effizient.80 Bei der Effizienzmarkthypothese werden rationale Informationsverarbeitung nach dem Bayes Theorem81 und Entscheidungsverhalten im Sinne der Erwartungsnutzentheorie82 als Annahmen vorausgesetzt.83 Die Informationseffizienz wird in folgende drei Effizienzgrade unterteilt, bei denen die Auffassung von „alle verfügbaren Informationen“ unterschiedlich ist:84 x Märkte sind schwach effizient,85 falls aktuelle Marktpreise alle Informationen über Kursentwicklungen der Vergangenheit enthalten. x Märkte sind halb-streng effizient,86 falls alle öffentlichen Informationen in den Marktpreisen enthalten sind. x Märkte sind streng effizient,87 falls die Marktpreise alle öffentlichen und privaten Informationen reflektieren. In der folgenden Abb. 2 ist zu sehen, dass höhere Effizienzgrade immer die geringeren miteinschließen. Dies bedeutet beispielsweise, dass auf einem streng informationseffizienten Markt auch die Bedingungen einer halb-strengen Informationseffizienz vorhanden sein müssen.88

79

Fama (1970), S. 383. Vgl. ebd., S. 383. 81 Siehe hierzu Abschnitt 2.1.1. 82 Siehe hierzu Abschnitt 2.1.1. 83 Vgl. Daxhammer/Facsar (2012), S. 35. 84 Vgl. Higgins (2009), S. 180. 85 Im Englischen wird dies als „Weak- Form Efficiency“ bezeichnet. 86 Im Englischen wird dies als „Semi-Strong Form Efficiency“ bezeichnet. 87 Im Englischen wird dies als „Strong Form Efficiency“ bezeichnet. 88 Vgl. Bruns (1994), S. 8. 80

16

Theoretische Grundlagen

strenge Informationseffizienz halb-strenge Informationseffizienz schwache Informationseffizienz

Abb. 2: Formen der Informationseffizienz89 Falls Märkte schwach effizient sind impliziert dies, dass eine Trendanalyse von Kursen der Vergangenheit ohne Nutzen ist. Die technische Analyse90, bei der anhand von Charts versucht wird die kurzfristige zukünftige Entwicklung zu prognostizieren, hätte somit keine Daseinsberechtigung.91 Bei der halb-strengen Informationseffizienz sind Überrenditen aufgrund einer fundamentalen Analyse ausgeschlossen.92 Somit wird bei der halb-strengen Informationseffizienz zu jeder Zeit der innere (faire) Wert des Unternehmens durch den Aktienkurs repräsentiert. Aktien sind niemals unter- oder überbewertet und eine fundamentale Analyse und somit das Nutzen neuer Informationen beim Investieren ohne Nutzen, da die neuen Informationen umgehend eingepreist sind. Aktienpreise verändern sich zufällig durch neue Informationen im Sinne der Random-Walk Theorie.93 Wenn Märkte jedoch nicht zu jeder Zeit halb-streng informationseffizient sind und sich der wahre Wert einer Aktie und der Aktienkurs unterscheiden, so ist es theoretisch möglich, mithilfe der fundamentalen Analyse Überrenditen und folglich eine verbesserte Performance zu erzielen. Dies ist allerdings nur möglich, wenn sich Aktienkurs und wahrer Wert langfristig angleichen und nicht weiter auseinanderlaufen, 89

Eigene Darstellung in Anlehnung an Steiner/Bruns/Stöckl (2012), S. 41. Siehe hierzu Abschnitt 2.3.7. 91 Vgl. Bodie/Kane/Marcus (2014), S. 355. Siehe hierzu Abschnitt 2.1.1. 92 Siehe hierzu Abschnitte 2.3.7 und 3.1.4. 93 Vgl. Jaunich (2008), S. 19. 90

Theoretische Grundlagen

17

was für eine langfristig halb-strenge Informationseffizienz spricht, die nur im kurzbis mittelfristigen Zeitraum versagt.94 Sind Märkte hingegen streng effizient, dann folgt schließlich, dass Insiderinformationen bereits in den Marktpreisen enthalten sind und deren Verwendung zu keinem Vorteil gegenüber anderen Marktteilnehmern führt. Diese Version der Informationseffizienz wurde inzwischen sogar von Eugene Fama als falsch dargestellt.95 Damit alle Informationen in den Preisen enthalten sein können, müssen Investoren einen Anreiz haben zu kaufen oder zu verkaufen. Eine notwendige Bedingung hierfür ist, dass die Kosten für Informationsbeschaffung und Wertpapierhandel kostenlos sind. Da die Kosten für Informationsbeschaffung eindeutig positiv sind, ist eine realistischere Definition von effizienten Märkten die folgende: Ein Markt ist effizient, wenn Informationen in Preisen wiedergegeben werden, solange die Grenzkosten der Informationsbeschaffung und des Wertpapierhandels den Grenznutzen nicht übersteigt.96 Bei einem effizienten Markt sind langanhaltende Überrenditen nicht möglich, da die Marktteilnehmer sich, wie der Homo Oeconomicus, vollkommen rational verhalten. Selbst wenn manche Marktteilnehmer irrational handeln, so werden sich diese Fehlbewertungen gegenseitig ausgleichen, da diese Fehlbewertungen unkorreliert sind.97 Besteht keine Markteffizienz, bietet dies Opportunitäten für besser informierte Händler auf Kosten von weniger informierten Marktteilnehmern.98 Die Kapitalallokation wäre in solchen Fällen gestört. Ressourcen können nur effizient verteilt werden, wenn Preise alle relevanten Informationen enthalten. Auf einem informationsineffizienten Markt gelangen Unternehmen mit überbewerteten Wertpapieren zu günstig an Kapital, wohingegen unterbewertete Unternehmen auf Investitionsmöglichkeiten verzichten müssen, weil sie bei der Kapitalallokation benachteiligt werden.99 Dies kann beispielsweise bei Internet-Unternehmen ab Anfang 1998 beobachtet werden, die enorme Kapitalzuflüsse hatten. Die daraus entstandene „dot.com-Blase“ platze im März 2000 und viele der Unternehmen verloren ihren kompletten Wert und wurden insolvent.100

94

Vgl. Hasler (2011), S. 21 f. Vgl. Fama (1991), S. 1575; Fama schreibt wörtlich: „Since there are surely positive information and trading costs, the extreme version of the market efficiency hypothesis is surely false.“ 96 Vgl. Elton et al. (2011), S. 396. 97 Vgl. Berk/DeMarzo (2011), S. 275-280. 98 Vgl. Bodie/Kane/Marcus (2014), S. 358. 99 Vgl. Mühlhaupt (2013), S. 12 f. 100 Vgl. Ofek/Richardson (2003), S. 1113-1137. 95

18

Theoretische Grundlagen

2.1.4 Zwischenfazit und kritische Würdigung Die Simplifizierung des menschlichen Verhaltens in Form des Homo Oeconomicus stößt schon früh auf Kritik. Drucker (1939) verkündet bereits früh das Ende des Homo Oeconomicus.101 Besonders kritisch sind die Vereinfachungen in der Modellierung des Verhaltens im Zusammenhang mit dem Wertpapierhandel zu sehen. Die dabei zu verarbeitenden Informationen übersteigen leicht die menschliche Leistungsfähigkeit. Zudem müssen Entscheidungen zur Preisfindung derart schnell getroffen werden, dass kaum von vollständig informierten Entscheidungen ausgegangen werden kann und Marktteilnehmer nicht rational handeln.102 Dennoch kann oftmals das Verhalten von Marktteilnehmern nicht als irrational bezeichnet werden, weil bei einem Perspektivwechsel hin zum individuellen Investor dieses Verhalten rational ist.103 Statman (2005) schreibt zu der Begriffsdiskussion: „Investors were normal before Miller and Modigliani described them as rational, and they remain normal today.“104 Wegen der vielen empirischen Nachweise hat sich das Meinungsbild in der Wissenschaft von der strengen Annahme von vollkommener Rationalität zu einer eingeschränkten Rationalität durchgesetzt.105 So hat auch Reinhard Selten (2006) dazu geschrieben: „Auch die Entscheidungs- und Spieltheorie fußt auf der Annahme rationalen Verhaltens seitens der Akteure. Wenn wir in der Realität aber immer wieder Ergebnisse beobachten, die nicht zu dieser Theorie passen, so hat das damit zu tun, dass Menschen sich zwar nicht unvernünftig oder irrational verhalten, wohl aber eingeschränkt rational.“106 Die Random Walk Theorie und die Effizienzmarkthypothese wurden in den ersten empirischen Untersuchungen bestätigt.107 Jedoch mehren sich inzwischen die empirischen Nachweise, die den Theorien widersprechen.108 Versuche, die verschiedenen Effizienzgrade der Informationseffizienz: schwach, halb-streng und streng, sind teils nicht möglich. Märkte werden auf schwache Informationseffizienz mithilfe von Autokorrelationstests überprüft. Hierbei wird von der Random Walk Theorie und dem Misserfolg von technischen Handelsstrategien ausgegangen.109 Die Untersuchungen haben sowohl positive als auch negative Autokorrelationen bei Wertpapierrenditen ergeben.110 Um die halb-strenge Informationseffizienz widerlegen zu

101

Vgl. Drucker (1939), S. 48 f. Vgl. Mihm (2011), S. 19. 103 Für praktische Beispiele siehe Jünemann/Imbacher (2007), S. 37-52. 104 Statman (2005), S. 33. 105 Vgl. Wahren (2009), S. 64 f. 106 Selten (2006), S. 50, zitiert nach Wahren (2009), S. 665. 107 Für einen Überblick siehe Fama (1970), S. 388-410. 108 Vgl. Jensen (1978), S. 95-101; Ball (1978), S. 103-126. 109 Vgl. Schnelle (2009), S. 53. 110 Siehe hierzu Abschnitt 2.2.4. 102

Theoretische Grundlagen

19

können, wird ein Kapitalmarktmodell benötigt. Dies ist der Grund, warum die Effizienzmarkthypothese nicht überprüft werden kann und wird als Problem der Verbundhypothese111 bezeichnet.112 Wegen der schlechten Datenlage ist eine empirische Überprüfung der strengen Informationseffizienz nur begrenzt möglich.113 Auch hat die Effizienzmarkthypothese konzeptionelle Probleme, z.B. in Bezug auf homogene Erwartungen der Marktteilnehmer über die Preise und die Annahme, dass alle Informationen bereits in den Preisen enthalten sind. Folglich ist eine Analyse von Informationen nutzlos für den Marktteilnehmer. Jedoch ist die Informationsauswertung eine Grundvoraussetzung für informationseffiziente Märkte. Die in der Realität entstandenen Kosten für die Informationsauswertung sind sogar ein Nachteil für die Marktteilnehmer.114 Grossman und Stiglitz (1980) untersuchen in einem Modell die Kosten der Informationsbeschaffung auf die Markteffizienz. Da laut Effizienzmarkthypothese alle Informationen in den Wertpapierpreisen enthalten sind, impliziert dies kostenlose Informationen. Die Autoren kommen, in dem als Informationsparadoxon bekannten Widerspruch, zum Ergebnis, dass sobald es Informationskosten gibt, nicht alle verfügbaren relevanten Informationen in den Wertpapierpreisen enthalten sein können.115 Auch werden die Voraussetzungen116 eines effizienten Marktes in der Realität nicht erfüllt.117 Zu den empirischen Herausforderungen eines effizienten Marktes gehört auch das Problem der Dual-listed Company.118 Ein Beispiel hierfür ist Royal Dutch und Shell, die im Jahr 1907 ihre Unternehmenstätigkeiten fusionierten und vereinbarten, alle zukünftigen Cashflows im Verhältnis 60:40 aufzuteilen. Da der Unternehmenswert aus dem Barwert der zukünftigen Cashflows berechnet werden kann, sollte der Aktienkurs von Royal Dutch 1,5-fach so hoch sein wie der von Shell. In der Realität schwankte der Kurs deutlich um den Wert 1,5. Zeitweise wurde Royal Dutch mit einem Abschlag von bis zu 35 % gehandelt und in anderen Perioden mit einem Premium von bis zu 10 % relativ zu Shell.119

111

Um die Effizienzmarkthypothese zu überprüfen wird ein Kapitalmarktgleichgewichtsmodell, wie z.B. das CAPM, benötigt. Daher kann die Effizienzmarkthypothese niemals abgelehnt werden. Es ist nicht möglich abnormale Renditen ohne implizit erwartete Renditen von einem solchen Modell zu ermitteln. Somit können Anomalien sowohl aufgrund eines fehlerhaften Modells oder aufgrund ineffizienter Märkte entstehen. Im Englischen wird dieses Problem als „Joint-Hypothesis Problem“ bezeichnet. 112 Vgl. Fama (1991), S. 1575 f.; Jaunich (2008), S. 23 f.; Campbell/Lo/MacKinlay (1997), S. 24 f. 113 Vgl. Murschall (2007), S. 36. 114 Vgl. Schnelle (2009), S. 53. 115 Vgl. Grossman/Stiglitz (1980), S. 393-408; Murschall (2007), S. 33. 116 Die Voraussetzungen lauten: es gibt keine Transaktionskosten, alle Informationen sind für alle Marktteilnehmer kostenlos und die Erwartungen über die Preisbildung sind homogen. Siehe hierzu Will (2012), S. 6-9. 117 Fama (1976), S. 139 schreibt “ […] the analyst is living evidence for the existence of market inefficiency.“ 118 Auch Twin Share oder Twin Security Problem genannt. Siehe hierfür Lamont/Thaler (2003), S. 191-202. 119 Vgl. Froot/Dabora (1999), S. 190-215.

20

Theoretische Grundlagen

Ein weiteres Beispiel, welches gegen einen effizienten Kapitalmarkt spricht, sind geschlossene Investmentfonds. Im Gegensatz zu einem offenen Investmentfonds emittiert der geschlossene Fonds eine feste Anzahl an Anteilen, die an einer Börse gehandelt werden können. Um als Anteilseigner diese Anteile zu verkaufen, ist es notwendig, einen anderen kaufwilligen Investor zu finden. Diese Anteile werden üblicherweise nicht zum Substanzwert des Fonds je Aktie gehandelt, sondern mit einem Abschlag von oftmals 10 bis 20 %.120 Shleifer (1986) weist nach, dass Aktien, die erstmals in den S&P 500 Index aufgenommen werden, im Durschnitt einen Preisanstieg von 3,5 % aufweisen. Diese Indexaufnahme führt zu einem vermehrten Kauf durch Indexfonds, die versuchen, den Wertpapierindex zu replizieren. Jedoch besagt die Effizienzmarkthypothese, dass es keinen Grund für einen Preisanstieg geben kann, solange keine Änderung bei den fundamentalen Werten des Unternehmens vorliegt, da aktuelle Aktieninhaber gewillt sein sollten, die Aktie zu verkaufen und in Substitutswertpapiere zu investieren.121

2.2 Behavioral Finance und Diskrepanz mit Neoklassik Mit dem Homo Oeconomicus wird das Verhalten eines rationalen Menschen beschrieben, der nach dem Prinzip der Maximierung des eigenen Nutzens handelt. Jedoch ist das tatsächlich zu beobachtende Verhalten nicht in diesem relativ einfachen Modell des Homo Oeconomicus korrekt abzubilden, was Simon (1959) mit dem Modell der begrenzten Rationalität erkannt hat.122 Im Folgenden wird auf die Unterschiede zwischen der Behavioral Finance und der neoklassischen Theorie eingegangen. Anschließend wird ein historischer Abriss der Behavioral Finance gegeben, gefolgt von der auf Simon (1959) beruhenden begrenzten Rationalität, die bei der Entscheidungsfindung und der Informationswahrnehmung eine entscheidende Rolle spielt. Im Speziellen wird auf die Prospect Theory von Kahneman und Tversky (1979) eingegangen, die der Erwartungsnutzentheorie gegenübersteht. Auch wird die Wahrnehmung, Verarbeitung und Bewertung von Informationen bei begrenzter Rationalität beschrieben. Schließlich wird das Konzept des Limits to Arbitrage und das Modell des Noise Trader erklärt. Dieses Modell beschreibt, warum Wertpapierpreise von den fundamentalen Werten der Wertpapiere abweichen und wie diese sich wieder annähern können. Zudem erfolgt

120

Vgl. Lee/Shleifer/Thaler (1991), S. 75-109. Vgl. Shleifer (1986), S. 579-590. 122 Vgl. Pelzmann (2000), S. 5 f. 121

Theoretische Grundlagen

21

ein Vergleich der Modelle der Behavioral Finance mit denen der neoklassischen Theorien. 2.2.1 Definition und Abgrenzung zur neoklassischen Kapitalmarkttheorie In den klassischen und neoklassischen Modellen und Konzepten der Kapitalmarkttheorie werden rationales und nutzenorientiertes Verhalten unterstellt. Das Konzept des Homo Oeconomicus, rationale Erwartungen sowie korrekte Informationsverarbeitung sind Teil der neoklassischen Theorie. Außerdem werden ein vollkommener und informationseffizienter Kapitalmarkt vorausgesetzt. Wertpapierpreise folgen einem Random Walk und sind nicht vorhersehbar. Trotz der gewonnenen Bedeutung der neoklassischen Kapitalmarkttheorie in der Praxis wird der Erklärungs- und Prognosegehalt in der Wissenschaft vermehrt kritisiert. Die seit Jahren vorherrschenden Modelle werden inzwischen oft als unbefriedigend erachtet, da ihre empirische Validität durch viele Kapitalmarktanomalien in Frage gestellt wird.123 Behavioral Finance ist ein neu entstandener Ansatz im Bereich der Finanzmarktforschung, der versucht, diese Unzulänglichkeiten der Neoklassik zu beheben.124 Die entscheidungstheoretischen Grundlagen unterscheiden sich bei Neoklassik und Behavioral Finance. So wird in der Behavioral Finance davon ausgegangen, dass Marktteilnehmer ständig gegen Erwartungsnutzentheorie, das Bayes Theorem und die Hypothesen der rationalen Erwartungen verstoßen und Arbitrage nicht uneingeschränkt möglich ist.125 Dies hat zur Folge, dass Preise systematisch von Fundamentalwerten abweichen können und Märkte nicht immer effizient sind.126 Allgemein ausgedrückt wird in der Behavioral Finance davon ausgegangen, dass Marktteilnehmer nicht immer rational sind, um mit dieser Annahme einige Phänomene auf den Kapitalmärkten besser erklären zu können. Somit werden die restriktiven Annahmen der traditionellen Theorie gelockert.127 Dennoch wird bei der Behavioral Finance, ebenso wie bei der Neoklassik, vom Streben nach Optimalität ausgegangen. Die Behavioral Finance erweitert die neoklassische Kapitalmarkttheorie

123

Vgl. Roßbach (2001), S. 3-10. Vgl. Barberis/Thaler (2005), S. 1053. Für die Erwartungsnutzentheorie, das Bayes Theorem und die Hypothesen der rationalen Erwartungen siehe Abschnitt 2.1.1, für Arbitrage in neoklassischer Sicht siehe Abschnitt 2.1. 126 Vgl. Klöhn (2006), S. 84-90. 127 Vgl. Barberis/Thaler (2005), S. 1053-1073. 124 125

22

Theoretische Grundlagen

um feststellbare Erkenntnisse auf den Märkten.128 Behavioral Finance galt am Anfang als zusätzliche Alternative zur vorherrschenden neoklassischen Theorie, inzwischen wird sie als so gut wie gleichrangig angesehen.129 Dieser neue Ansatz versucht, das Verhalten und die tatsächlichen Gegebenheiten der Marktakteure realitätsnah zu untersuchen. Deshalb werden keine grundlegenden Annahmen über das menschliche Verhalten getroffen.130 Zusammenfassend lässt sich sagen, dass in der Behavioral Finance von einer eingeschränkten Rationalität der Marktteilnehmer ausgegangen wird. So wird das Herdenverhalten oft als Grund für behaviorale Modelle herangezogen. Für den einzelnen Investor kann es jedoch rational sein, der Herde zu folgen, auch wenn diese nicht rational handelt. So kann ein Individualinvestor Kosten in der Informationsbeschaffung und -verarbeitung einsparen,131 indem er das Verhalten der Masse beobachtet und dieser folgt.132 Wenn jedoch eine Mehrzahl von Anlegern sich als Trittbrettfahrer verhält, dann reduziert sich der Informationsgehalt der Preise, da nur die Informationen der ersten Investoren eingepreist sind.133 Dieses Abweichen von Marktpreisen und den fundamental begründeten Werten widerspricht sowohl der Effizienzmarkthypothese als auch der effizienten Allokation von Kapital. Eine einheitliche Definition von Behavioral Finance oder eine eindeutige Begriffsabgrenzung konnte sich bisher nicht durchsetzen. Ursache hierfür sind wahrscheinlich die unterschiedlichen Hintergründe der führenden Wissenschaftler und die Tatsache, dass dieser Forschungsstrang relativ jung ist und sich ständiger Weiterentwicklung ausgesetzt sieht.134 Die Definitionen stehen allesamt nicht im Widerspruch zu einander, sondern ergänzen sich. Aus diesem Grund erscheint es sinnvoll, einen systematischen Überblick über die Merkmale der Behavioral Finance zu erstellen. Die meisten Definitionen haben gemein, dass Behavioral Finance als Zusammenspiel mehrerer wissenschaftlicher Disziplinen verstanden wird: Ökonomie, Psychologie und Soziologie. Nach dem Verständnis von Behavioral Finance durch Statman (1995) haben sowohl das individuelle Verhalten als auch die Psychologie Einfluss auf Investoren in dem Prozess der Finanzentscheidungen und führen zu Problemen

128

Vgl. Bruns/Meyer-Bullerdiek (2013), S. 156. Vgl. Forbes (2009), S. 1-12. Vgl. De Bondt (1995), S. 8. 131 Im Englischen werden diese Personen als „Free Rider“ bezeichnet. 132 Vgl. Will (2012), S. 12 f. 133 Vgl. Hirshleifer/Teoh (2009), S. 29. 134 Vgl. Ricciardi/Simon (2000), S. 1-3. 129 130

Theoretische Grundlagen

23

bei Informationsverarbeitung und Risikoeinschätzung.135 Laut Olsen (1998) versucht Behavioral Finance systematische Auswirkungen auf den Finanzmärkten zu verstehen und zu prognostizieren, die durch psychologische Entscheidungsprozesse entstehen.136 Die systematischen Auswirkungen sollen keinen Einzelfall darstellen, der durch Aktionen anderer Marktteilnehmer aufgehoben werden kann oder verschwindet.137 Nach der Definition von Belsky und Gilovich (1999) werden Psychologie und Ökonomie kombiniert, um zu erklären, warum Menschen irrational und unlogisch handeln, wenn es um Investitions- und Finanzierungsentscheidungen geht.138 Shefrin (2002) hingegen sieht Behavioral Finance als Zusammenspiel zwischen Psychologie und dem Verhalten von Praktikern im Finanzbereich.139 So schreibt er auch „One investor’s mistakes can become another investor’s profits.“140 Sewell (2010) erweitert dies um die Auswirkungen der Marktteilnehmer auf den Markt und definiert „Behavioral finance is the study of the influence of psychology on the behaviour of financial practitioners and the subsequent effect on markets.“141 Barber und Odean (1999) merken an, dass Menschen systematisch vom optimalen Urteilsvermögen und Entscheidungsfindung abweichen und die Behavioral Finance das ökonomische Verständnis um das menschliche Verhalten erweitert.142 Glaser, Nöth und Weber (2004) sehen Behavioral Finance als Unterdisziplin von Behavioral Economics an, welche die Erkenntnisse aus Psychologie und Soziologie in Finanzforschung einfließen lässt.143 Diese Verbindung von ökonomischen, psychologischen und soziologischen Faktoren steht im Gegensatz zu der in der neoklassischen Theorie ausschließlich verwendeten ökonomischen Faktoren. Somit wird auch die soziologische Wissenschaft als eine Säule der Behavioral Finance angesehen, die das menschliche Entscheidungsverhalten von Einzelpersonen, aber auch von Gruppen und Organisationen erforscht.144 In der Behavioral Finance haben psychodynamische Faktoren, wie z.B. Motivation oder Emotionen, Einfluss auf die Preisbildung von Wertpapieren.145 Ziel der Behavioral Finance ist, das Geschehen auf den Finanzmärkten realitätsnah erklären und vorhersagen zu können. Dies geschieht durch die Suche nach systematischen Einflussfaktoren auf das menschliche Entscheidungsverhalten.146 Außerdem 135

Vgl. Statman (1995), S. 14-22. Vgl. Olsen (1998), S. 11. 137 Vgl. Daxhammer/Facsar (2012), S. 87. 138 Vgl. Belsky/Gilovich (1999), S. 9-15. 139 Vgl. Shefrin (2002), S. 3. 140 Ebd., S. 4. 141 Sewell (2010), S. 1. 142 Vgl. Barber/Odean (1999), S. 41-55. 143 Vgl. Glaser/Nöth/Weber (2004), S. 3. 144 Vgl. Ricciardi/Simon (2000), S. 2 f. 145 Vgl. Roll (1992), S. 29-33. 146 Vgl. Roßbach (2001), S. 11. 136

24

Theoretische Grundlagen

sollen Marktanomalien erklärt und somit tatsächliches Marktgeschehen beschrieben werden können. Dies dient letztendlich dem Ziel Theorien und Modelle zu entwickeln, die nicht nur deskriptiv sind, sondern die bei der Bewertung von Wertpapieren oder Finanzmärkten helfen.147 Bei den Forschungsmethoden der Behavioral Finance gibt es zwei grundlegende Verfahrensweisen. Zum einen gibt es die psychologische und soziologische Verhaltensforschung. Hier sind beispielsweise Befragungen, Experimente, Hirnmessungen oder Simulationen geeignet, um tatsächliches und beobachtbares Verhalten von Marktteilnehmern zu erforschen. Aus diesen Erkenntnissen der Verhaltensweisen werden Modelle erstellt, die das Marktgeschehen erklären.148 Beim zweiten Verfahren handelt es sich um empirische Kapitalmarktforschung. Anomalien auf den Kapitalmärkten, die im Widerspruch zur vorherrschenden neoklassischen Kapitalmarkttheorie stehen, werden untersucht und mittels Erklärungsmodellen ausgeführt. Erst in einem weiteren Schritt wird das Individualverhalten untersucht.149 Im Rahmen dieser Studie findet die zweite Methode Anwendung, da hierdurch neue Anomalien aufgedeckt werden können, was eines der Ziele der Dissertation ist. Krisen und Ereignisse wie der „Schwarze Montag“ aus dem Jahr 1987, die „Dotcom-Blase“ in 2000 oder die Finanzkrise ab 2007 hatten extreme Verzerrungen der Wertpapierpreise zur Ursache.150 Dies als rein rationale Marktpreisveränderungen zu erklären, wird kaum jemand versuchen.151 Auslöser für fehlerhafte Entscheidungen an den Kapitalmärkten können eingeschränkte Informationen, eingeschränkte kognitive Informationsverarbeitung und psychischer Stress sein. Durch Informationskosten kommt es zu einem unvollkommenen Markt und der Investor besitzt nicht alle Informationen, die er für die richtige Entscheidung benötigt. Eine weitere Möglichkeit ist, dass Entscheidungen zu komplex sind und somit nicht erfolgreich durchgeführt werden können oder durch andere Effekte, wie z.B. Zeitdruck oder Ängste eine fehlerhafte Entscheidung zu Stande kommt.152 2.2.2 Entwicklung der Behavioral Finance Bei der Behavioral Finance handelt es sich um ein erst in der jüngeren Vergangenheit beachtetes Forschungsfeld. Jedoch reichen ihre Wurzeln bis in die erste Hälfte

147

Vgl. Guo (2002), S. 145; Roßbach (2001), S. 10 f. Vgl. Daxhammer/Facsar (2012), S. 87-91. Vgl. Roßbach (2001), S. 3-20. 150 Für weiterführende Informationen zu den genannten Krisen und Ereignissen siehe Rohde/Hummel (1988), S. 6; Hummel (1989), S. 33 f.; Ofek/Richardson (2003), S. 1113 f.; Wazynski (2016), S. 117-159; Shiller (2015), S. 8189. 151 Vgl. De Bondt et al. (2008), S. 7. 152 Vgl. Roßbach (2001), S. 11 f. 148 149

Theoretische Grundlagen

25

des 19. Jahrhunderts zurück. Charles Mackay (1841) hat mit seinem Werk „Extraordinary Popular Delusions and the Madness of Crowds“ das Herdenverhalten von Menschen beschrieben und somit die Verhaltensweisen von Menschen in die Finanztheorie integriert.153 Auch eine Veröffentlichung aus dem Jahr 1895 von Gustave Le Bon (1895) beschäftigt sich mit Gruppenverhalten im Finanzbereich.154 George Selden (1912) war es, der als erster die Psychologie mit dem Aktienmarkt verknüpfte.155 John Maynard Keynes prägt in seinem Hauptwerk „Allgemeine Theorie der Beschäftigung, des Zinses und des Geldes“ den Begriff „Animal Spirit“, welcher das menschliche Verhalten geprägt durch Instinkte, Neigungen und Emotionen beschreibt.156 Die erste wissenschaftliche Abhandlung, in der Psychologie und Finanztheorie verbunden wurden, war von Burrell (1951). In seinem Artikel beschreibt der Autor die Notwendigkeit von Experimenten im Finanzbereich, um das Verhalten an den Finanzmärkten und dessen Beziehung und die Muster bei Preisverläufen zu verstehen.157 Ein weiterer Artikel, der den Grundstein zur Behavioral Finance gelegt hat, stammt von Bauman (1967). Auch er erörtert, wie die quantitativen Kapitalmarktmodelle mit den Informationen aus der traditionellen Verhaltensforschung verbunden werden können.158 Als einer der ersten Forscher mit dem Schwerpunkt Psychologie, der im Bereich Finanzwirtschaft aktiv war, gilt Slovic (1969). Er hat in einem Artikel im Jahr 1969 den Investmentprozess aus verhaltenswissenschaftlicher Sicht beschrieben.159 Bauman und Slovic haben ihre Forschung in einem gemeinsamen Artikel im Jahr 1972 fortgeführt,160 wobei nur der Artikel „Psychological Study of Human Judgment“ von Paul Slovic im gleichen Jahr bahnbrechende Ergebnisse lieferte und Aufmerksamkeit erfuhr.161 Er untersuchte den Investmentprozess von Anlegern und Brokern aus psychologischer Sicht und konzentrierte sich auf die Risikowahrnehmung von Investoren. So schreibt er „[…] a full understanding of human limitations will ultimately benefit the decision-maker more than will naive faith in the infallibility of his intellect […]“,162 und kommt zum Ergebnis, dass kognitive

153

Vgl. Mackay (1841), S. 1-410. Vgl. Le Bon (1895), S. 1-130. 155 Vgl. Ricciardi/Simon (2000), S. 1; Selden (1912) S. 9-120. 156 Vgl. Keynes (1936), S. 3-344. 157 Vgl. Burrell (1951), S. 211-219. 158 Vgl. Bauman (1967), S. 93-97. 159 Vgl. Slovic (1969), S. 255-263. 160 Vgl. Slovic/Fleissner/Bauman (1972), S. 283-301. 161 Vgl. Olsen (1998), S. 10; Slovic (1972), S. 779-799. 162 Slovic (1972), S. 780. 154

26

Theoretische Grundlagen

Grenzen der Marktteilnehmer Grund für die falschen Wahrscheinlichkeiten von Risiken sind.163 In den folgenden Jahren konzentrierte sich die Behavioral Finance Forschung speziell auf den Bereich der Analyse von kognitiven Einflüssen auf den Entscheidungsprozess. Hierbei wurde die bedeutendste deskriptive Entscheidungstheorie der Behavioral Finance, die von Kahneman und Tversky entwickelte Prospect Theory164 entwickelt.165 Sie ist eine Alternative zur Erwartungsnutzentheorie und wird deshalb oft auch als neue Erwartungsnutzentheorie bezeichnet. Zu den Erkenntnissen gehört ein geändertes Risikoverhalten im Vergleich zum Homo Oeconomicus, da Kahneman und Tversky herausfanden, dass nicht das Level des Vermögens, sondern Änderungen im Verhältnis zum aktuellen Level für den subjektiven Nutzen entscheidend sind.166 Dies erklärt, warum Menschen manchmal risikoavers und manchmal risikoaffin sind. In einem Aufsatz von De Bondt und Thaler (1985) untersuchen die Autoren Aktieninvestments und stellen empirisch fest, dass Investoren auf unerwartete und spektakuläre Informationen systematisch überreagieren.167 Dies resultiert in der Schlussfolgerung, dass der Aktienmarkt noch nicht einmal halb-streng informationseffizient ist. Somit bestätigen die empirischen Ergebnisse im Kapitalmarktbereich die Prospect Theory. Auch in der Forschungsrichtung, in der Ökonomen auf der Suche nach Marktanomalien sind, gab es auch entscheidende Erkenntnisse. So berichten Rosenberg, Reid und Lanstein (1985) von abnormalen Renditen durch eine Aktienstrategie basierend auf dem Buchwert-Marktwert-Verhältnis.168 Poterba und Summers (1988) untersuchen Aktienkurse und finden positive Autokorrelationen in den Renditen über einen kurzen Zeitraum und negative Autokorrelationen über einen langen Zeitraum.169 Psychologen und Soziologen hingegen fokussieren sich auf verhaltensbezogene Modelle. Thaler (1992) veröffentlicht das bekannte Phänomen „Winner’s curse“, den Fluch des Gewinners, wonach bei unvollständigen Informationen der Meistbietende bei Versteigerungen regelmäßig einen zu hohen Kaufpreis bezahlt.170 Benartzi

163

Vgl. Slovic (1972), S. 779-799. Siehe hierzu Abschnitt 2.2.3.1. Vgl. Daxhammer/Facsar (2012), S. 76; Kahneman/Tversky (1979), S. 263-291. 166 Vgl. Kahneman/Tversky (1979), S. 263-291. 167 Vgl. De Bondt/Thaler (1985), S. 800 f. 168 Vgl. Rosenberg/Reid/Lanstein (1985), S. 9-16. 169 Vgl. Poterba/Summers (1988), S. 27-59. 170 Vgl. Thaler (1992), S. 50-62. 164 165

Theoretische Grundlagen

27

und Thaler (1995) liefern eine verhaltenswissenschaftliche Erklärung für das Equity Premium Puzzle.171 Rabin und Thaler (2001) beschäftigen sich mit Risikoaversion und verkünden sogar, dass die Erwartungsnutzentheorie tot sei.172 Auch die Geschlechterforschung fließt in die Behavioral Finance ein. Barber und Odean (2001) haben herausgefunden, dass Männer aufgrund von Hochmut um 45 % häufiger Wertpapiere handeln und umschichten als Frauen und somit ihre Rendite geringer ausfällt. Neue Strömungen der Forschung gehen dahin, nicht ausschließlich die eine (Neoklassik) oder die andere (Behavioral Finance) Finanztheorie in Anspruch zu nehmen und zu unterstützen, sondern sie zu kombinieren. Harrison und Rutström (2009) integrieren Behavioral Finance in die neoklassische Finanztheorie indem sie ein Entscheidungsmodell vorschlagen, welches die Prospect Theory mit der Erwartungsnutzentheorie kombiniert. 2.2.3 Begrenzte Rationalität von Marktteilnehmern Die Effizienzmarkthypothese geht von der Annahme aus, dass Investorenverhalten rational sei, da Investoren alle relevanten Informationen in den Entscheidungsprozess einfließen ließen. Entscheidungen würden nach dem Konzept des Homo Oeconomicus genau und umfangreich berechnet, da alle Handlungsalternativen mitsamt Eintrittswahrscheinlichkeiten sowie neue Informationen berücksichtigt werden müssten. Diese Berechnungen sind vorausschauend und müssten daher zu keiner Zeit bereut werden.173 Das tatsächliche Verhalten der Marktteilnehmer an den Wertpapiermärkten widerspricht jedoch der Annahme von Rationalität. Teil der Behavioral Finance ist es herauszufinden, wie Investitionsentscheidungen getroffen werden. Entscheidungen an den Finanzmärkten zeichnen sich durch eine sehr hohe Komplexität aus. Bereits die Identifizierung aller vorhandenen Optionen bei einer Investitionsentscheidung fällt aufgrund der hohen Anzahl an Möglichkeiten schwer. Ob ein bestimmtes Wertpapier gekauft oder verkauft werden soll, hängt von der Vorteilhaftigkeit des Wertpapiers ab. Diese ist allerdings nicht genau feststellbar und wird von vielen Einzelfaktoren, wie z.B. Gewinnerwartung, Erwartungen zu Zinsniveau,

171

Vgl. Benartzi/Thaler (1995), S. 73-92. Mehra/Prescott (1985) haben das Equity Premium Puzzle erstmals erforscht. Es bezieht sich auf das empirische Paradoxon, dass Aktien eine übermäßig bessere Performance aufweisen als Anleihen. Eine höhere Rendite ist laut ökonomischer Theorie aufgrund von Risikoaversion zu erwarten, jedoch ist der tatsächliche Unterschied so hoch, dass dies im Widerspruch zum theoretisch erwarteten Wert steht. Vgl. Mehra/Prescott (1985), S.145 f. 172 Vgl. Rabin/Thaler (2001), S. 229 f. 173 Vgl. Baker/Ricciardi (2014), S. 43.

28

Theoretische Grundlagen

Devisenkursen und Liquidität, beeinflusst.174 Investoren nutzen Heuristiken175 bei Entscheidungsproblemen.176 Heuristiken sind ein Hilfsmittel der Informationsverarbeitung. Entscheidungen können oftmals in der Realität nicht exakt mathematisch berechnet werden. Heuristiken haben zum Ziel, dieser Problematik zu entgegnen und eine Näherung zu bieten.177 Sachverhalte werden mit geringem Aufwand vereinfacht, damit Entscheidungen in kurzer Zeit getroffen werden können. Diese Entscheidungen sind jedoch nicht immer optimal.178 Zudem unterliegen Investoren oftmals bestimmten Befangenheiten,179 sogenannte systematische Bias der Ergebnisse, die durch die Anwendung von Heuristiken auftreten.180 Außerdem erfolgt die Bewertung der Wahrscheinlichkeiten subjektiv. Durch Überoder Unterbewertung von Risiken werden objektive Wahrscheinlichkeiten verfälscht und die Risikoeinschätzung der Investoren abgeändert. Folglich verhalten sich Investoren nur eingeschränkt rational und den möglichen Alternativen können falsche Erwartungswerte zugeordnet werden, sodass im Fall von Wertpapieren die Kurse von den fundamental korrekten Preisen abweichen können.181 Die Theorie der eingeschränkten bzw. begrenzten Rationalität von Simon (1959)182 besagt, dass Entscheidungen unter dem Einfluss von Beschränkungen getroffen werden. Entscheidungsträger versuchen sich rational unter Abwägung aller Informationen zu verhalten, jedoch ist ihrer Rationalität durch Informationsbeschaffungskosten und Unsicherheit Grenzen gesetzt. Selbst wenn sie ihren Nutzen optimieren möchten, können sie es nicht. Stattdessen wägen sie zwischen den Kosten für die Entscheidungsfindung und dem daraus vermutlich resultierenden Nutzen ab, was oft nur zu einer suboptimalen Entscheidung führt.183

174

Vgl. Kottke (2005), S. 32. Heuristiken können auch als Faustregeln bezeichnet werden. Einen umfangreichen Überblick über Heuristiken geben Kahneman/Slovic/Tversky (1982). 176 Vgl. Goldberg/von Nitzsch (2004), S. 50. 177 Vgl. Berens (1992), S. 7-10. 178 Vgl. Goldberg/von Nitzsch (2004), S. 49-53; Tversky/Kahneman (1974), S. 1124-1131. 179 Bias ist Englisch und bedeutet Verzerrung. 180 Vgl. Daxhammer/Facsar (2012), S. 153. 181 Vgl. ebd., S. 153. 182 Herbert A. Simon erhielt 1978 für seine Forschung im Bereich der Entscheidungsprozesse den Nobelpreis in Wirtschaftswissenschaften. 183 Vgl. Simon (1959), S. 253-283. 175

Theoretische Grundlagen

29

2.2.3.1 Entscheidungsfindung und Prospect Theory Zur Entscheidungsfindung gibt es in der verhaltensorientierten Ökonomie Theorien und Modelle, die denen der neoklassischen Ökonomie entgegenstehen. Der uneingeschränkten Rationalität der Investoren, aber auch der Erwartungsnutzentheorie und dem Bayes Theorem stehen behaviorale Theorien gegenüber. Miller und Ross (1975) haben in dem Modell der selbstwertdienlichen Verzerrung herausgefunden, dass Menschen negatives Feedback ablehnen, und sich stattdessen auf eigene Stärken und Erfolge konzentrieren. Wenn ein Mensch eigene Erfolge vorzuweisen hat, dann sind diese im Zweifelsfall eher aufgrund von inneren Ursachen wie z.B. eigenen Fähigkeiten entstanden. Wenn jedoch Misserfolge auftreten, dann werden äußere Ursachen wie z.B. der pure Zufall als Grund herangezogen.184 Die Prospect Theory von Kahneman und Tversky (1979) bildet eine deskriptive Alternative zur normativen Erwartungsnutzentheorie,185 welche die Entscheidungsfindung unter Unsicherheit erklärt. Mithilfe der Prospect Theory wird das Verhalten von Marktteilnehmern beschrieben, jedoch werden hier im Gegensatz zur Erwartungsnutzentheorie die Entscheidungen durch Verlustaversion beeinflusst. Hiernach treffen Menschen Entscheidungen auf Basis vom potenziellen Wert der Verluste und Gewinne und nicht dem endgültigen Ergebnis. Die Entscheidungsfindung wird dabei von zwei Funktionen, der Wertfunktion und der Gewichtungsfunktion, beeinflusst. Die Wertfunktion zeigt relative Gewinne und Verluste im Verhältnis zu einem Referenzpunkt, z.B. einem jetzigen Kaufpreis, an. Wie in Abb. 3 zu sehen, ist die Funktion konkav im Bereich des relativen Gewinns und konvex im Bereich des relativen Verlusts. Außerdem ist die Wertfunktion steiler im Verlust- als im Gewinnbereich. Dies zeigt, dass die Risikoaffinität im Verlustbereich steigt, und zu späten Verkäufen, z.B. bei Börsenkrisen, führt. Die im Gewinnbereich sinkende Tendenz hat den Effekt, dass Gewinne durch Wertpapierverkäufe zu früh realisiert werden.186

184

Vgl. Miller/Ross (1975), S. 213-225. Siehe hierzu Abschnitt 2.1.1. 186 Vgl. Kahneman/Tversky (1979), S. 263-291; Daxhammer/Facsar (2012), S. 163-176. 185

30

Theoretische Grundlagen

Wert 100 80 60 40 20

relativer Verlust

relativer Gewinn

0 -300

-200

-100

-20

0

100

200

300

-40 -60 -80

Referenzpunkt

-100

Abb. 3: Prospect Theory: hypothetische Wertfunktion187 Kahneman und Tversky (1979) stellen fest, dass die tatsächliche Risikoeinschätzung von den objektiven Eintrittswahrscheinlichkeiten abweichen und stellen dies in der Gewichtungsfunktion dar. Objektiv niedrige Eintrittswahrscheinlichkeiten werden überbewertet, wohingegen mittlere und hohe Eintrittswahrscheinlichkeiten unterbewertet werden.188

187

Eigene Darstellung in Anlehnung an Kahneman/Tversky (1979), S. 279; Eustermann (2010), S. 107; Daxhammer/Facsar (2012), S. 169. 188 Vgl. Kahneman/Tversky (1979), S. 281-296; Oehler (1995), S. 31.

Theoretische Grundlagen

31

gewichtete Wahrscheinlichkeit

100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

objektive Wahrscheinlichkeit Abb. 4: Prospect Theory: hypothetische Gewichtungsfunktion189 Diese Über- bzw. Unterbewertung entsteht durch die kognitive Zuordnung von Entscheidungsgewichten zu den einzelnen Ergebnissen, wobei diese nicht identisch mit deren Wahrscheinlichkeit sind.190 Zusammenfassend lässt sich sagen, dass in der Realität ein geändertes Risikoverhalten zur neoklassischen Theoriewelt vorliegt. Nicht das endgültige Level des Vermögens, sondern Änderungen im Verhältnis zum aktuellen Level sind entscheidend. Dies erklärt auch, warum Menschen manchmal risikoavers (im Gewinnbereich) und manchmal risikoaffin (im Verlustbereich) sind.191 2.2.3.2 Informationswahrnehmung und -verarbeitung Wie in Abschnitt 2.2.1 beschrieben, untersucht die Behavioral Finance die tatsächlichen Gegebenheiten und das reale Verhalten der Marktteilnehmer. Begrenzt rationale Marktakteure wenden Heuristiken an, um sich die Informationsverarbeitung zu erleichtern. Diese Heuristiken sind überwiegend dem kognitiven Bereich zuzuordnen und helfen rational kaum erklärbare Kapitalmarktanomalien zu erklären.192

189

Eigene Darstellung in Anlehnung an Daxhammer/Facsar (2012), S. 171; Kahneman/Tversky (1979), S. 283. Vgl. Kottke (2005), S. 125 f. 191 Vgl. ebd., S. 124 f. 192 Vgl. Daxhammer/Facsar (2012), S. 178; Bruns/Meyer-Bullerdiek (2013), S. 156-164. 190

32

Theoretische Grundlagen

Im Folgenden wird ausschließlich ein kleiner Ausschnitt von Heuristiken und Bias193 beschrieben, da nur diese für diese Forschungsarbeit von Bedeutung sind. Durch die Anwendung von kognitiven Heuristiken werden (höchstwahrscheinlich) entweder Eintrittswahrscheinlichkeiten oder Informationen falsch eingeschätzt. Zu den Heuristiken, bei denen die Wahrscheinlichkeiten falsch bewertet werden, zählt die Verfügbarkeitsheuristik und die Risikowahrnehmung. Durch selektive Wahrnehmung und den Darstellungseffekt kommt es zu Fehleinschätzungen von Informationen.194 Im Rahmen der Verfügbarkeitsheuristik werden neue und leicht verständliche Informationen tendenziell übergewichtet. Auch spielen die Erfahrungen und Vorlieben des Entscheiders eine Rolle, wie die Eintrittswahrscheinlichkeiten beurteilt werden. Durch Werbung oder Pressemitteilungen kann es leicht dazu kommen, dass vorschnelle Urteile getroffen werden.195 Die Risikowahrnehmung ist in der Realität ebenfalls von irrationalem Verhalten geprägt. Zum einen werden niedrige Wahrscheinlichkeiten überbewertet und zum anderen hohe Wahrscheinlichkeiten unterbewertet. Dies führt zu erhöhter Risikobereitschaft bei Gewinnen oder Kurssteigerungen, aber auch zu einer zu geringen Risikobereitschaft bei Verlusten bzw. Kursrückgängen.196 Investoren entscheiden sich für kleine sichere Gewinne auch trotz mittlerer Gewinnchance. Dies wird Sicherheitseffekt197 genannt.198 Trotz der Erkenntnis der Zufälligkeit der Verteilung nehmen Menschen bei zufällig auftretenden Trends an, dass die Wahrscheinlichkeit eines gegenläufigen Ereignisses höher ist als ein weiteres trendverstärkendes Ereignis.199 Zu Fehleinschätzungen von Informationen kommt es durch den Darstellungseffekt.200 Der Darstellungseffekt wurde im Rahmen der Untersuchungen zur Prospect Theory entdeckt. Hiernach ist die Darstellung von absolut gleicher Information ausschlaggebend und nicht die Information selbst. Die Entscheidungen werden hierbei

193

Für die Definition von Heuristik und Bias siehe Abschnitt 2.2.3. Vgl. Daxhammer/Facsar (2012), S. 179-191. 195 Vgl. Oehler (1995), S. 26; Kiehling (2001), S. 52 f.; Akerlof/Yellen (1987), S. 140 196 Vgl. Oehler (1991), S. 12-14. 197 Im Englischen wird dies als „Certainty Effect“ bezeichnet. 198 Vgl. Kahneman/Tversky (1979), S. 265-267. 199 Vgl. Oehler (1995), S. 28 f. Dies führt auch zum Phänomen des Irrglaubens des Spielers. Im Englischen wird dies als „Gambler’s Fallacy“ bezeichnet. Wenn beispielsweise beim Roulette der Spieler denkt, dass auf eine Rot-Folge eher schwarz käme. 200 Dies wird auch als Rahmungseffekt oder im Englischen als „Framing“ bezeichnet. 194

Theoretische Grundlagen

33

von der Präsentation bzw. der Formulierung der Informationen beeinflusst. Je nachdem ob ein Ergebnis als entgangener Gewinn oder Verlust dargestellt wird, reagieren Personen auf unterschiedliche Weise.201 Das Konzept der mentalen Buchführung202 von Thaler (1980) in Verbindung mit der Prospect Theory sind die entscheidenden Erklärungsansätze des Dispositionseffekts.203 Mentale Buchführung ist eine spezielle Form des Darstellungseffekts und betrachtet die Art und Weise wie Entscheidungsträger dazu neigen, verschiedene Finanztransaktionen in mentale Konten einzuteilen und diese anschließend unterschiedlich zu behandeln. Es kann dabei beobachtet werden, dass Investoren handeln, wie in der Prospect Theory beschrieben und die möglichen Wechselwirkungen der Finanztransaktionen ignorieren.204 Ein weiterer psychologischer Faktor, mit dem der Dispositionseffekt erklärt werden kann, ist die Theorie der Abneigung des Bedauerns.205 Bell (1982), der diese Theorie entwickelte, fand heraus, dass Entscheidungen unter Unsicherheit, die sich anschließend als schlechte Entscheidungen herausstellen, schlechter akzeptiert werden können als gute Entscheidungen. Das Verkaufen von Wertpapieren mit einem Verlust ist Eingestehen von Versagen. Menschen weigern sich zuzugeben, dass sie schlechte Investitionsentscheidungen getroffen haben und halten an schlechten Investitionen fest anstatt diese abzustoßen.206 Außerdem ist Verlustaversion207 zu beobachten, also die Tendenz, Verluste höher zu gewichten als Gewinne. Menschen bevorzugen es, eher Verluste zu vermeiden als Gewinne zu erzielen.208 Dies ist auch an der Wertfunktion in Abb. 3 zu sehen, da die Funktion im Gewinnbereich konkav und im Verlustbereich konvex ist. Bei der Heuristik der selektiven Wahrnehmung209 handelt es sich um die Tendenz, dass Anleger Informationen besser aufnehmen und überbewerten, die ihrer eignen Vorstellung entsprechen. Konfligierende Informationen werden jedoch vernachlässigt und somit untergewichtet.210 Dies erklärt auch, warum Investoren oftmals zu

201

Vgl. Tversky/Kahneman (1981), S. 453-458; Kahneman/Tversky (1979), S. 263-291; Tversky/Daniel (1986), S. 251-278; Oehler (1995), S. 26. 202 Im Englischen wird mentale Buchführung als „Mental Accounting“ bezeichnet. 203 Der Dispositionseffekt wurde zuerst von Shefrin/Statman (1985) entdeckt und beschreibt die Tendenz der Investoren, Wertpapiere früher zu verkaufen, wenn sie seit Kauf gestiegen sind als wenn sie im Wert gefallen sind. 204 Vgl. Thaler (1980), S. 39-60; Grinblatt/Han (2005), S. 312. 205 Diese Theorie wird auch Regret Theorie, Theorie der Regret Avoidance oder Theorie der Regret Aversion genannt. 206 Vgl. Bell (1982), S. 96; Shefrin (2008), S. 487-492. 207 Für empirische Untersuchungen zur Verlustaversion siehe Odean (1998), S. 1775-1798 sowie Heisler (1994), S. 793-822. 208 Vgl. Kahneman/Tversky (1984), S. 341-350; Oehler (1995), S. 31; Kiehling (2001), S. 101-103. 209 Im Englischen wird dies als „Selective Perception“ bezeichnet. 210 Vgl. Oehler (1995), S. 26.

34

Theoretische Grundlagen

spät aus Investitionen aussteigen bzw. Gewinne zu früh realisieren und warum Preissteigerungen und Überbewertungen überhaupt erst entstehen können. Es konnte in Studien nachgewiesen werden, dass Menschen bei der Informationswahrnehmung und -verarbeitung bei positiver Stimmung zu optimistisch in ihren Bewertungen vorgehen. Dieser als Overconfidence Bias211 bezeichnete Effekt führt dazu, dass Informationen und Risiken unterschätzt werden. Den zuletzt wahrgenommenen Informationen wird üblicherweise eine zu hohe Aufmerksamkeit geschenkt und die Basisdaten, a priori Informationen, werden untergewichtet.212 Diese Art von Selbstüberschätzung ist auch ein Grund für zu hohe Handelsvolumina im Vergleich zu rational erklärbarem Handelsvolumen und der Handel mit Wertpapieren über die dem Investor zu wenige Informationen vorliegen.213 Somit liefert das Bias der Selbstüberschätzung Erklärungsansätze, warum Marktteilnehmer hinter den Erwartungen von Wertpapierindizes bleiben.214 Bei dem als Konservatismus Bias bezeichneten Phänomen werden ebenfalls Informationen falsch bewertet. Neu hinzukommenden Informationen werden nur langsam oder auch gar nicht verarbeitet, sofern diese nicht der eigenen vorherigen Erwartungshaltung entsprechen.215 Ein langsames Aufnehmen von neuen Informationen216 wird auch durch die Verankerungsheuristik erklärt. Eigene Erfahrungen dienen als Richtwert für die Bewertung neuer Informationen, die genaue Analyse der neuen Informationen und deren korrekten Bewertung erfolgt erst nachgelagert.217 Die Repräsentativitätsheuristik hilft Menschen die Komplexität von Informationen zu vereinfachen. Dabei werden Informationen organisiert und kategorisiert. Dies führt allerdings dazu, dass Informationen falsch bewertet werden können, da sie aufgrund von Ähnlichkeit mit anderen Informationen einer gewissen Kategorie zugeordnet und nicht weiter betrachtet werden, obwohl diese Informationen einer weiteren Analyse bedürfen.218 Repräsentativität führt dazu, dass Wahrscheinlichkeiten

211

Die systematische Selbstüberschätzung der eigenen Fähigkeiten hat zwei Ausprägungen. Zum einen werden die Konfidenzintervalle, welche die Menschen ihrer erwarteten Größe zuordnen, deutlich zu gering eingeschätzt. Alpert/Raiffa (1982) zeigen, dass z.B. bei einem Konfidenzniveau von 98 % die wahre Anzahl nur 60 % der Zeit zutrifft. Aber auch die Wahrscheinlichkeiten können falsch bewertet sein. So finden Fischhoff/Slovic/Lichtenstein (1977) heraus, dass ein mit Sicherheit erwartetes Ergebnis nur zu ca. 80 % eintritt. 212 Vgl. De Bondt/Thaler (1987), S. 557. 213 Vgl. Barber/Odean (2001), S. 261; Belsky/Gilovich (1999), S. 159 f.; Barberis/Thaler (2005), S. 1063 f.; Oehler (1995), S. 49. 214 Vgl. Feldman (2012), S. 49 f. 215 Vgl. Barberis/Thaler (2005), S. 1065. 216 Das Post-Earnings-Announcement-Drift (PEAD) ist ein Beispiel hierfür. Für empirische Studien zu PEAD siehe Bernard/Thomas (1990), S. 305-340 und Abschnitt 3.2.2. 217 Vgl. Hens/Bachmann (2008), S. 74-76. 218 Vgl. Goldberg/von Nitzsch (2004), S. 71 f.; Flemisch (2006), S. 216; Unser (1999), S. 162.

Theoretische Grundlagen

35

von Grundinformationen gegenüber neuen Informationen unterbewertet werden.219 Informationen zur Grundgesamtheit werden vernachlässigt, wohingegen Entscheidungen auf Ähnlichkeiten gestützt sind.220 Außerdem werden zu kleine Stichproben, welche die Grundgesamtheit nicht angemessen repräsentieren, für die Informationsverarbeitung verwendet.221 Eine wichtige Erkenntnis aus den zuvor beschriebenen Heuristiken und Bias ist, dass diese nicht losgelöst voneinander betrachtet werden können. Teilweise sind mehrere Heuristiken verflochten, was einen Effekt erst sichtbar macht. Manche Heuristiken wirken allerdings auch gegenläufig.222 Bei dem Vergleich von Fundamentaldaten und Marktpreisen fällt auf, dass in Zeiten von trendlosen Marktphasen auf mittlere Sicht Übereinstimmungen vorliegen. Jedoch gilt dies nicht für extreme Preissteigerungen und Krisen. Hier wirken die beschriebenen Heuristiken und Bias besonders stark und ökonomische Faktoren verlieren an Bedeutung.223 Marotten und Modeerscheinungen224 des Kapitalmarktes bzw. der Investoren, welche die Kurse von Wertpapieren verzerren, werden zur Begründung von rational nicht erklärbaren Anomalien herangezogen.225 Wenn dieses irrationale Verhalten einen positiven Einfluss auf den Preis hat, dann kann es passieren, dass andere Investoren durch den Preisanstieg angesteckt werden und ebenfalls investieren wollen, was schließlich zu einer Blasenbildung führt.226 Dieses Verhalten ist auch bei fallenden Kursen von Bedeutung. Wie beschrieben orientieren sich viele Investoren an der Masse von Anlegern. Hierbei suchen die einzelnen Anleger Leitfiguren und richten ihr Verhalten nach dem des Kollektivs aus.227 Dieses Phänomen wird als Herdenverhalten oder -trieb228 bezeichnet und kann sowohl von fundamentalen als auch nichtfundamentalen Gründen ausgelöst werden.229 Die zuvor beschriebenen Verhaltensweisen von Investoren haben Auswirkungen auf deren Entscheidungen. Daher kann das tatsächliche Entscheidungsverhalten von 219

Dieser Effekt wird auch Base-Rate-Neglect-Effekt genannt und besagt, dass nicht alle für die Bewertung entscheidenden Variablen beachtet werden. Vgl. Kottke (2005), S. 84. 221 Vgl. Pompian (2012), S. 85 f.; Goldberg/von Nitzsch (2004), S. 71-82. Dieser Effekt wird auch Sample-SizeNeglect-Effekt oder “law of small numbers“ genannt. Eine kleine Stichprobe wird fälschlicherweise als repräsentativ angesehen. Schon wenige positive Informationen zu einem Wertpapier führen dazu, dass die erwartete Performance dieses Wertpapiers als positiv angesehen wird. Aus dieser Fehlbewertung heraus kann aufgrund von Käufen ein Preisanstieg entstehen und langfristig sogar ein Boom. Vgl. Pompian (2012), S. 86. 222 Vgl. Agrawal (2012), S. 15 f.; Jaunich (2008), S. 40. 223 Vgl. Kiehling (2001), S. 158-163. 224 Im Englischen wird dieser Effekt als „Fads and Fashions“ bezeichnet. 225 Vgl. Bruns (1994), S. 94. 226 Vgl. Shiller (1987), S. 169 f. 227 Vgl. Kitzmann (2009), S. 10, S. 20-27. 228 Im Englischen wird dies als „Herding“ bezeichnet. 229 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 161. 220

36

Theoretische Grundlagen

Marktteilnehmern nicht als vollkommen rational angesehen werden. Falsche bzw. verzerrte Wahrnehmung oder Verarbeitung von Information kann dazu führen, dass irrationale Entscheidungen getroffen werden und somit die Marktpreise nicht den fundamental erklärbaren Werten entsprechen. 2.2.4 Mean Reversion

Rendite

Als Mean Reversion wird die Rückkehr zum Mittelwert von Aktienkursrenditen bezeichnet. Der Mittelwert entspricht dabei der fundamentalen Rendite einer Aktie. Sollten beim Marktpreis und dem fundamentalen Wert eines Wertpapiers eine gewisse Abweichung bestehen, dann kann der Unterschied durch spekulative Investments eliminiert werden, wodurch der Wertpapierpreis und die Wertpapierrendite zum Mittelwert zurückkehren und kurzfristig prognostizierbar sind.230 Wenn dieser Effekt existiert, der empirisch anhand von Autokorrelationstests überprüft werden kann, dann widerspricht dies der Random Walk Theorie.

Zeit Abb. 5: Mean Reversion Prozess231 Fama (1965) stellt Autokorrelation bei täglichen Renditen bei einer Stichprobe des Dow Jones von 1957-1962 fest. Obwohl er statistisch signifikante Ergebnisse fin-

230 231

Vgl. Poterba/Summers (1988), S. 27 f. Eigene Darstellung in Anlehnung an Miller (1978), S. 140.

Theoretische Grundlagen

37

det, schlussfolgert er, dass die Autokorrelation zu gering für ökonomische Signifikanz sei.232 French und Roll (1986) setzten bei den Ergebnissen von Fama (1965) an und erweiterten die Stichprobe um Aktien von AMEX und NYSE und den Zeitraum auf 1963-1982. Ihr Ergebnis sind signifikante negative Autokorrelationen der Aktienrenditen.233 Mean Reversion für monatliche und jährliche Renditen finden Poterba und Summers (1988). Sie stellen mithilfe eines Variance Ratio Tests234 positive Autokorrelation von Aktienkursrenditen über einen kurzfristigen Zeitraum und negative Autokorrelation über einen langfristigen Zeitraum fest.235 Die Überreaktionshypothese ist eng mit der Mean Reversion verbunden, da sie die Umkehr der Überreaktion darstellt.236 Wenn überbewertete Wertpapierpreise zum Mittelwert zurückkehren, dann sind die zukünftigen Renditen aus der vergangenen Entwicklung vorhersehbar. De Bondt und Thaler (1985) nutzen Aktien von der NYSE, um Gewinner- und Verliererportfolios zu bilden. In einer Stichprobe von 1926 bis 1982 erzielen die Verliererportfolios gegenüber den Gewinnerportfolios eine 24,6 prozentige Überrendite bei einer Anlagedauer von 36 Monaten.237 Diese Erkenntnis von negativer Autokorrelation für einen längeren Zeitraum wird auch Winner-Loser-Effekt oder Contrarian Strategie genannt.238 Jegadeesh und Titman (1993) analysieren kurzfristige Wertpapierrenditen mit einem Anlagezeitraum zwischen drei und zwölf Monaten. Die Renditen der Aktien von AMEX und NYSE im Zeitraum 1965 bis 1989 weisen positive Autokorrelation auf.239 Diese Anomalie, die dem Random Walk widerspricht, wird Momentum Effekt genannt.240 2.2.5 Grenzen der Arbitrage Die Behavioral Finance hat den Grundsatz psychologische Faktoren zu berücksichtigen und damit Investmentstrategien zu verbessern und den Erfolg von Value Investmentstrategien241 zu erklären.242 232

Vgl. Fama (1965), S. 34-105. Vgl. French/Roll (1986), S. 5-26. Bei Variance Ratio Tests wird angenommen, dass die Varianz eines logarithmierten Aktienkurses die Eigenschaften eines Random Walks hat und proportional zum Betrachtungszeitraum ist. Der Koeffizient der Variance Ratio ist gleich 1, wenn die Renditen nicht korreliert sind. 235 Vgl. Poterba/Summers (1988), S. 27-59. 236 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 158 f. 237 Vgl. De Bondt/Thaler (1985), S. 793-805. 238 Siehe hierzu De Bondt/Thaler (1987), S. 557-581; De Bondt/Thaler (1985), S. 793-805. Der Contrarian Effekt wird auch Reversal Effekt genannt. Vgl. Vayanos/Woolley (2013), S. 1087 f. 239 Vgl. Jegadeesh/Titman (1993), S. 65-92. 240 Vgl. Lo/MacKinlay (2002), S. 5, 116; Jegadeesh/Titman (2011), S. 495. 241 Siehe hierzu Abschnitt 3.1.2. 242 Vgl. Elze (2010), S. 531. 233 234

38

Theoretische Grundlagen

Anomalien sind Abweichungen von der Regel.243 Im Zusammenhang mit dem Kapitalmarkt ist dies als Abweichung zur neoklassischen Modellwelt zu verstehen. Im Speziellen ist es das Übertreffen des Marktes durch Vorhersage von Wertpapierkursen.244 Anomalien bieten Investoren somit die Möglichkeit, abnormale Renditen zu erwirtschaften. Laut Kuhn (1970) sind Anomalien in allen Bereichen üblich und zu erwarten, da sie ein wichtiger Teil des Prozesses des Lösen von Unbekanntem durch die Wissenschaft sind.245 Somit gibt es derzeit noch keine allumfassende Kapitalmarkttheorie, da Kapitalmarktanomalien wie beispielsweise Value vs. Growth weiterhin nachgewiesen werden. Die Abweichung von der Markteffizienz wird im Zusammenhang mit statistischer Zuverlässigkeit diskutiert. Die Wahl der statistischen Methode und des Untersuchungsmodells haben Einfluss auf die statistische Signifikanz bei abnormalen Renditen.246 Des Weiteren hat die Auswahl der Stichprobe Einfluss auf die statistische Signifikanz. Brown et al. (1992) untersuchen in diesem Zusammenhang das sogenannte Survivorship Bias bei Performanceanalysen und zeigen, dass eine eingeschränkte Auswahl der Stichprobe zu falschen Schlussfolgerungen führen kann.247 Auch wenn Kapitalmarktanomalien für viele Jahrzehnte Bestand haben, so kann nicht garantiert werden, dass diese auch in Zukunft nachhaltig sein werden.248 Schließlich werden manche Anomalien verschwinden. Dies kann jedoch sehr lange dauern, wenn das Phänomen, das die Wertpapierpreise stört, ausreichend stark und allgegenwärtig ist.249 In der neoklassischen Theorie handeln Marktteilnehmer vollkommen rational und der Marktpreis eines Wertpapiers entspricht dem Fundamentalwert. Dieser wiederum ist die Summe der diskontierten zukünftigen Rückflüsse, die von den Investoren korrekt erwartet werden, da sie über alle Informationen verfügen.250 Behavioral

243

Vgl. o.V. (1997), S. 193. Vgl. Siegel (1998), S. 252. 245 Vgl. Zacks (2011), S. 1-3. Renditeanomalien, wie z.B. Value vs. Growth als kennzahlenbezogene Anomalie, werden in Schneider (2005), S. 236-245 systematisiert. 246 Vgl. Zacks (2011), S. 6. Vor allem werden diese Methoden bei Unternehmensereignissen, wie z.B. Kapitalerhöhungen oder Fusionen, in Frage gestellt. Abnormale Renditen werden in Aufsätzen von Barber/Lyon (1997), S. 875-883, Fama (1998), S. 283-306, Mitchell/Stafford (2000), S. 287-329, Lyon/Barber/Tsai (1999), S. 165-201, Kothari/Warner (1997), S. 301-339 als nicht abnormal und dem Risiko entsprechend dargestellt. 247 Vgl. Brown et al. (1992), S. 553-580. 248 Vgl. Hawawini/Keim (2000), S. 35. 249 Vgl. Shleifer (2000), S. 177. 250 Vgl. Kottke (2005), S. 13; Barberis/Thaler (2005), S. 1054. Für eine genaue Betrachtung siehe Abschnitte 2.1.1 und 2.1.3. 244

Theoretische Grundlagen

39

Finance hingegen beschäftigt sich mit Gründen, warum Marktpreise und Fundamentalwert nicht immer übereinstimmen und wie systematische Abweichungen durch Arbitrage251 ausgenutzt werden können. Außerdem werden für Arbitragestrategien in der neoklassischen Theorie weder Kapital benötigt, wodurch auch keine Kosten verursacht werden, noch ist Arbitrage risikobehaftet. Es gibt eine große Anzahl von rationalen Arbitrageuren, die kurzfristige Fehlbewertungen unmittelbar ausgleichen, indem jeder Arbitrageur eine infinitesimale Gegenposition zu der Fehlbewertung einnimmt. Somit erhält jeder Arbitrageur einen „free lunch“252 und irrationale Marktteilnehmer253 haben keinen entscheidenden Einfluss auf die Marktpreise und werden langfristig verschwinden, da sie ausschließlich Verluste erwirtschaften. In der Finanzwirtschaft gibt es die Redewendung „There is no free lunch“, und in der Realität gibt es keine Arbitrage ohne Kapitaleinsatz und Risiken. In der Realität wird Arbitrage nur von einer geringen Anzahl von hochspezialisierten Investoren betrieben, welche wiederum das Geld anderer Investoren nutzen.254 Das Ausnutzen von Arbitrage wird durch die Kosten und Risiken deutlich eingeschränkt. Zu diesen gehören das Fundamentalrisiko, Noise, Implementierungskosten und Modellrisiken.255 Wenn ein Arbitrageur ein Wertpapier in das Portfolio aufnimmt, z.B. eine Aktie von Volkswagen, dann kann dieses Wertpapier durch Veränderungen der Fundamentaldaten sowohl an Wert gewinnen als auch an Wert verlieren. Der Arbitrageur wird versuchen ein Substitutswertpapier, z.B. BMW, in gleichem Umfang leer zu verkaufen.256 Obwohl beide Unternehmen der gleichen Branche angehören, sind die Wertpapiere selten perfekt korreliert und daher nur bedingt geeignet, um das Fundamentalrisiko durch beispielsweise schlechte Unternehmensnachrichten bei Volkswagen auszugleichen.257 Noise kann im Deutschen Rauschen oder Unruhe bedeuten und meint im Zusammenhang mit Wertpapierkursen das nicht überprüfbare Abweichen vom Fundamentalwert.258 Campbell und Kyle (1993) beschreiben dies so: „The noise makes expected returns per share fluctuate randomly through time, and in fact does nothing more than this.“259 Die durch Noise verzerrte Überbewertung (Unterbewertung) von 251

Für die Definition von Arbitrage siehe Abschnitt 2.1. Free lunch bedeutet hier, dass die Arbitrageure ohne jegliches Risiko einen Gewinn erwirtschaften. 253 Irrationale Marktteilnehmer werden auch Noise Trader genannt und sind die Verursacher von Fehlbewertungen. 254 Vgl. Shleifer/Vishny (1997), S. 35-38. 255 Vgl. Barberis/Thaler (2005), S. 1056-1059. 256 Siehe hierzu das Konzept von Zero Investment Portfolio in Abschnitt 3.1.5. 257 Vgl. Barberis/Thaler (2005), S. 1056. 258 Vgl. Black (1986), S. 529. 259 Campbell/Kyle (1993), S. 4. 252

40

Theoretische Grundlagen

Wertpapieren kann in nicht effizienten Märken zu Blasen führen und dadurch zu hohen volkswirtschaftlichen Wohlfahrtverlusten.260 Die Implementierungskosten sind ein weiteres Manko, welches Arbitrageure davon abhält alle Fehlbewertungen auszunutzen. Vor allem sind hier die Transaktionskosten zu nennen, die durch Maklergebühren und Geld-Brief-Spanne261 verursacht werden. Wie bereits erwähnt werden beim Arbitrageprozess Leerverkäufe von Substitutswertpapieren getätigt. Dies ist in der Realität jedoch häufig teuer und sogar für viele Portfoliomanager aufgrund der rechtlichen Situation untersagt.262 2.2.6 Zwischenfazit und kritische Würdigung Wie in den vorherigen Abschnitten herausgestellt, sind die Verhaltensweisen der Marktteilnehmer die grundlegenden Unterschiede zwischen der neoklassischen Kapitalmarkttheorie und der Behavioral Finance. In der Neoklassik sind Entscheidungen von streng rationalem Verhalten beeinflusst und das Modell des Homo Oeconomicus prägt die Entscheidungsfindung der Marktteilnehmer. In der Verhaltensökonomie hingegen wird begrenzte Rationalität unterstellt. Zum Verständnis der Finanzmärkte hat die Berücksichtigung von menschlichem Handeln beigetragen. Die Annahme, dass Märkte immer vollkommen sind und Preise immer den fundamentalen Werten entsprechen, wird durch die empirischen Erkenntnisse der Behavioral Finance widerlegt. Behavioral Finance galt anfangs als Nische und wurde kontrovers betrachtet. Da jedoch inzwischen einige Fortschritte erzielt wurden sind Ökonomen es gewohnt, das tatsächliche menschliche Verhalten zu betrachten. Diese Realität in die wissenschaftlichen Modelle einfließen zu lassen, stellt die Herausforderung dar.263 Als Marktanomalie wird die nicht rational erklärbare Abweichung der Wertpapierpreise mit den fundamental gerechtfertigten Werten verstanden. Aus dieser Abweichung ist es möglich, Überrenditen zu erzielen.264 Dies soll in Kapitel 3 theoretisch und in Kapitel 4 empirisch gezeigt werden. Die Feststellung von begrenzter Rationalität bei Menschen steht außer Frage. Jedoch ist nicht abschließend geklärt, inwiefern dies für die Finanzmärkte relevant

260

Vgl. Bruns/Meyer-Bullerdiek (2013), S. 160. Im Englischen wird dies als „Bid-Ask-Spread“ bezeichnet und ist die Spanne zwischen dem Geld- und dem Briefkurs eines Wertpapiers. 262 Vgl. Kottke (2005), S. 15; Barberis/Thaler (2005), S. 1057 f. So sind beispielsweise seit der Richtlinie 2009/65/EG des Europäischen Parlaments und des Rates der Europäischen Union (2009) ungedeckte Leerverkäufe von Wertpapieren und Geldmarktinstrumenten für Investmentgesellschaften nach Artikel 89 untersagt. 263 Vgl. Thaler (1999), S. 15 f.; Shiller (2003), S. 102. 264 Vgl. Schrieck (2008), S. 112. 261

Theoretische Grundlagen

41

ist.265 Die Erkenntnisse der Behavioral Finance Forschung haben entscheidend zur Erklärung von Verhalten auf den Finanzmärkten und realen Phänomenen beigetragen. Jedoch gibt es bis heute kein geschlossenes Modell der Behavioral Finance, welches die Preisbildung erklärt.266 Es gibt viele empirische Untersuchungen, die die Preisbildung an den Kapitalmärkten mit der fundamentalen Bewertung vergleichen.267 Diese Studien kommen zu erheblichen Abweichungen und können nicht durch die neoklassische Annahme der rein ökonomischen Preisbildung erklärt werden. In der Behavioral Finance beeinflussende Faktoren zur Preisbildung sind nicht ausschließlich ökonomischer Natur, sondern auch psychologisch und soziologisch bedingt, was die festgestellten Abweichungen in den empirischen Studien erklären kann.268 Zusammenfassend hat die Behavioral Finance mehrere Stärken. Behavioral Finance hat sich als profitabel bewährt. So hat z.B. die Behavioral Finance Forschung Kennzahlenanomalien aufgedeckt. Eine zweite Stärke ist, dass Behavioral Finance Erkenntnisse zur Entscheidungsfindung an den Kapitalmärkten beiträgt. Eine dritte Stärke ist die neue, verhaltensorientierte Sichtweise in den Wirtschaftswissenschaften. Jedoch gibt es auch Schwächen in der Behavioral Finance. Es gibt keinen einheitlichen Rahmen und einige Modelle und Theorien widersprechen sich in der Erklärung von menschlichem Verhalten.269 Zudem können einige Anomalien, wie z.B. Momentum, durch mehrere verhaltenswissenschaftliche Erkenntnisse erklärt werden.270

2.3 Portfolio-, Kapitalmarkt- und Bewertungsmodelle Die im folgenden Kapitel beschriebenen Modelle beschäftigen sich mit der Zusammensetzung von Portfolios sowie der Preisbildung von Wertpapieren unter Unsicherheit. Dabei handelt es sich um explikative (erklärende) aber auch normative (gestaltende) Theorien.271 Nach einer kurzen historischen Zusammenfassung der Aktienanalyse wird die Portfolio Selection Theorie beschrieben. Darauf aufbauend wird das CAPM, ein neoklassisches Modell, welches von Modellannahmen wie beispielsweise einem Kapitalmarktgleichgewicht und homogenen Erwartungen geprägt ist, behandelt. Zur empirischen Überprüfung von Informationseffizienz aber auch Überrenditen wird das 265

Vgl. Guo (2002), S. 205. Vgl. Roßbach (2001), S. 21. Siehe hierzu Abschnitt 3.2. 268 Vgl. Roßbach (2001), S. 24 f. 269 Beispielsweise ist hier der Momentum und der Contrarian Effekt zu nennen. Siehe hierzu Abschnitt 2.2.4. 270 Vgl. De Bondt et al. (2008), S. 9 f. 271 Vgl. Perridon/Steiner/Rathgeber (2012), S. 270 f. 266 267

42

Theoretische Grundlagen

CAPM als Referenzmodell herangezogen.272 Mit dem Kapitel zu behavioralen Kapitalmarktmodellen wird den verhaltenswissenschaftlichen Erkenntnissen Rechnung getragen. So werden die Prämissen von homogenen Erwartungen durch heterogene Erwartungen ersetzt. Im Anschluss folgt die Beschreibung der Aktien- sowie der Anleihenanalyse. Bei der Aktienanalyse wird kurz auf die technische Analyse eingegangen, wobei die fundamentale Bewertung, auch bei Anleihen, ein Schwerpunkt des Kapitels bildet. Die Bewertung mit Multiplikatoren273 wird hervorgehoben, da diese für die empirische Untersuchung in Kapitel 4 benötigt wird. Das Kapitel endet mit der Performancebewertung, eine durch die Investmentpraxis geprägte Bewertung von Portfolios bzw. Wertpapieren. 2.3.1 Historische Entwicklung Die ersten professionellen Aktienbewertungen wurden ab den 1920er Jahren von Investmentbanken durchgeführt. Dieses und das folgende Jahrzehnt waren geprägt von sehr volatilen Märkten, es gab einen deutlichen Anstieg der Kurse um 1921 und anschließen den bekannten Börsenkrach im Jahr 1929, der die große Depression einleitete.274 Auf diese Ereignisse reagierte der Kongress der Vereinigten Staaten von Amerika (USA), indem er den Securities Act und den Securities and Exchange Act verabschiedete. Mit dem Securities and Exchange Act wurde erstmals eine Aufsichtsbehörde eingerichtet. Ein Ziel dieser Maßnahmen war es, den Investoren Informationen zu Wertpapieren besser zugänglich zu machen.275 In der Folge haben auch viele Privatinvestoren an der Börse spekuliert. Viele Investoren verfolgten die Strategie, Aktien immer wieder kurzfristig zu kaufen und zu verkaufen, um die Zyklen an den Aktienmärkten auszunutzen. T. Rowe Price hat daraufhin einen gegensätzlichen Ansatz verfolgt. Er hat 1939 seine Investmentstrategie, die sich auf Wachstumsaktien beschränkt, veröffentlicht. Prices Theorie war geprägt von der Annahme, dass Dividenden und der Aktienkurs steigen, wenn die Gewinne des Unternehmens wachsen.276 Die Barwertmethode277 ist eines der ältesten theoretisch fundierten Verfahren, mit welcher Wertpapiere bewertet werden. Zuerst für die Preisfindung von Anleihen278

272

Dies entspricht dem typischen Vorgehen anderer Studien wie Mühlhaupt (2013), S. 66 f. Im Englischen wird dies als „Multiples“ bezeichnet. Vgl. Cesar (1996), S. 1. 275 Vgl. Steck (2004), S. 6 f. 276 Vgl. Price (1939), S. 3; Scott (1996), S. 20. 277 Im Englischen wird Barwert als „Present Value“ bezeichnet. 278 Anleihen sind Effekten, d.h. sie sind handelbare Wertpapiere. Im Englischen werden diese als „Bonds“ bezeichnet. 273 274

Theoretische Grundlagen

43

genutzt, wurde dieses Konzept seit Williams (1938) auch auf Aktien angewandt.279 Der Grundgedanke bei der Barwertmethode ist der, dass die zukünftig erwarteten Rückflüsse des Wertpapiers diskontiert den Marktwert zum Bewertungstag ergeben. Diese Rückflüsse sind bei Anleihen in der Regel Kupons und die Rückzahlung des Nominalbetrags, bei Aktien Dividenden und Verkaufserlöse.280 Etwa zur gleichen Zeit haben sich Graham und Dodd (1934) mit der fundamentalen Bewertung von Aktien beschäftigt. Sie erklären in ihrem Werk „Security Analysis“ wie Wertpapiere identifiziert werden können, deren Marktpreis vom inneren (fairen) Wert abweicht.281 Bei der technischen Analyse war es Charles Dow, der Gründer des Wall Street Journals, der 1884 den Dow Jones, einen Aktienindex, veröffentlichte.282 Charles Dows Idee, auch Dow Theorie genannt, war es, den Aktienmarkt als Barometer von Wirtschaftsaktivitäten anzusehen. Er stellte fest, dass sich bei im Durchschnitt steigenden Aktienkurse die Wirtschaft positiv entwickelt.283 Darauf aufbauend war es möglich, Investitionsentscheidungen aufgrund von Trends zu treffen. Auf der Dow Theorie basierend war es R. N. Elliott, der mit dem Elliot Wellen Prinzip in den 30er Jahren des 20. Jahrhunderts die technische Analyse weiterentwickelte. Er kam zum Ergebnis, dass sich Kursbewegungen in regelmäßigen Wellen bewegen. Dabei unterscheidet er Primär-, Sekundär- und Tertiärwellen.284 2.3.2 Portfolio Selection Theorie Harry M. Markowitz ist der Begründer der Portfolio Selection Theorie.285 Diese beschäftigt sich mit der Frage, wie ein verfügbarer Geldbetrag auf einzelne Wertpapiere aufgeteilt werden kann, sodass ein vorher bestimmtes Ziel erreicht wird. Mit dem von Markowitz entwickelten Entscheidungsmodell wird erstmals eine Lösung für diese Fragestellung geboten.286 Bei dem Modell von Markowitz (1952) wählt der Investor das Portfolio, welches bei gegebenem Risiko die höchste Rendite erwirtschaftet oder bei gegebener Rendite das niedrigste Risiko aufweist. Dieses Prinzip, welches auch als ökonomisches Prinzip bezeichnet wird, hat vor der Postulierung von Markowitz Theorie keine Be-

279

Siehe hierzu Williams (1938), S. 55-75. Vgl. Steiner/Uhlir (2001), S. 111-114. Vgl. Graham/Dodd (1934), S. 585-606; Klerck/Maritz (1997), S. 25. 282 Vgl. Brown/Goetzmann/Kumar (1998), S. 1312- 1314. 283 Vgl. Schannep (2012), S. 7. 284 Vgl. Elliott (1938), S. 1-74; Cesar (1996), S. 2. 285 Vgl. Markowitz (1952), S. 77-91; Markowitz (1959), S. 129-204. 286 Vgl. Hielscher (1999), S. 54 f. 280 281

44

Theoretische Grundlagen

achtung gefunden. Investments wurden vielmehr ausschließlich auf Basis der Rendite und nicht nach dem damit verbundenen Risiko bewertet.287 Entsprechend dem ökonomischen Prinzip entscheidet ein Investor nach seinem individuellen maximalen Nutzen von Rendite und Risiko.288 Der Auswahlprozess des Portfolios ist in zwei Phasen unterteilt. In der ersten Phase wird die Performance, d.h. Rendite und Risiko, von einer Vielzahl von Wertpapieren gemessen. Im zweiten Schritt wird das individuelle optimale Portfolio ermittelt.289 Die Annahmen der Portfolio Selection Theorie sind die folgenden:290 x Der Planungshorizont aller Investoren beträgt eine Periode, x Investoren verhalten sich risikoavers, x Investoren bewerten Portfolios nach dem Erwartungswert-Varianz-Prinzip, x Investoren maximieren den Erwartungsnutzen und handeln rational im Sinne des Bernoulli Prinzips,291 x Wertpapiere sind beliebig teilbar, x es gibt weder Steuern noch Transaktionskosten, x Leerverkäufe sind ausgeschlossen, x der Anleger ist Preisnehmer und nimmt weder durch Kauf noch Verkauf Einfluss auf den Preis der Wertpapiere. Zuerst werden aus den Wertpapieren effiziente Portfolios gebildet. Diese sind alle Portfolios auf der Effizienzlinie,292 bei denen bei gleicher erwarteter Rendite E(R) keine geringere Standardabweichung σ vorhanden ist, bzw. für gleiches σ keine größere E(R) und außerdem keine größere E(R) bei geringerem σ existiert.293 Die erwartete Rendite des Portfolios ergibt sich aus der gewichteten Summe der erwarteten Rendite der einzelnen Wertpapiere. Für den Erwartungswert der Portfoliorendite E(Rp) gilt:294

287

Vgl. Guerard/Markowitz (2010), S. 3; Kiehling (2000), S. 150 f. Vgl. Bamberg/Coenenberg/Krapp (2008), S. 75. Vgl. Markowitz (1952), S. 77. 290 Vgl. Hofmann (2006), S. 41-43; Brinkmann (2007), S. 25-28. 291 Siehe hierzu Abschnitt 2.1.1. 292 Siehe hierzu Abb. 6. 293 Vgl. Jacobs/Levy/Markowitz (2005), S. 586. 294 Vgl. Markowitz (1952), S. 81. 288 289

Theoretische Grundlagen

n

¦ x E(R ) ,

E ( Rp )

i

45

(2.1)

i

i 1

mit E(Rp)

-

Erwartete Rendite des Portfolios,

xi

-

Anteil des Wertpapiers i am Portfolio,

E(Ri)

-

Erwartete Rendite des Wertpapiers i,

n

¦x

wobei

i

1.

i 1

Das Risiko von Wertpapieren besteht in der Möglichkeit des Nichterreichens der erwarteten Rendite und wird in Form von Varianz σ2 bzw. Standardabweichung σ gemessen. Die Varianz des Portfolios ergibt sich aus der Summe der einzelnen Varianzen der Wertpapiere und den Kovarianzen der Renditen der einzelnen Wertpapiere. Die Formel für die Portfoliovarianz lautet:295 V p2

n

n

n

¦ x V  ¦¦ x x 2 i

i 1

2 i

i

j

cov( Ri , R j ) ,

(2.2)

i 1 j 1 iz j

mit σ2p

-

Varianz des Portfolios,

2

i

-

Anteil des Wertpapiers i am Portfolio zum Quadrat,

2

-

Varianz des Wertpapiers i,

xi

-

Anteil des Wertpapiers i am Portfolio,

xj

-

Anteil des Wertpapiers j am Portfolio,

x

σ

i

cov(Ri, Rj) -

Kovarianz der Renditen von Wertpapier i zu Wertpapier j.

Durch die Portfoliobildung ist es möglich, bei gleichem Risiko eine höhere erwartete Rendite zu erreichen als bei einem Einzelinvestment. Durch Diversifikation kann das unsystematische Risiko296 eliminiert werden.297 Dies geschieht bereits ab

295

Vgl. Markowitz (1952), S. 81. Dieses Risiko ist wertpapierspezifisch und wird auch diversifizierbares Risiko genannt. Vgl. Bruns/Meyer-Bullerdiek (2013), S. 23 und S. 830. Ein Beispiel ist die Reputation. 297 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 77 f. 296

46

Theoretische Grundlagen

ca. 40 Wertpapieren im Portfolio.298 Das systematische Risiko, z.B. Marktrisiko bei Aktien oder Zinsänderungsrisiko bei Anleihen, wird durch Diversifikation nicht beeinflusst.299 Der Diversifikationseffekt vergrößert sich, wenn die Wertpapiere gering, nicht oder bestmöglich negativ korreliert sind.300

E(R)

MVP

V Abb. 6: Effizienzlinie301 Für welches Portfolio auf der Effizienzlinie sich der Investor entscheidet, hängt von der individuellen Risikoaversion ab.302 Das Portfolio mit dem geringsten Risiko, welches effizient ist, heißt Minimum Varianz Portfolio (MVP).303 Siehe Abb. 6 für die graphische Darstellung der Effizienzlinie und des MVP. In der Portfolio Selection Theorie wird von einem risikoaversen Investor ausgegangen. Somit bewertet der Investor große Verluste überproportional und große Gewinne unterproportional hoch.304

298

Vgl. Elton/Gruber (1977), S. 425; Statman (1987), S. 362. Elton/Gruber (1977) konnten empirisch zeigen, dass bei einem Portfolio mit mehr als 40 Wertpapieren der Diversifikationseffekt kaum noch zunimmt, jedoch vorher der Diversifikationseffekt deutlich steigt. 299 Vgl. Bodie/Kane/Marcus (2014), S. 206. 300 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 81. 301 Eigene Darstellung in Anlehnung an Albrecht/Maurer (2008), S. 274. 302 Vgl. Hagemeister (2010), S. 60 f. 303 Vgl. Albrecht/Maurer (2008), S. 274 f. 304 Vgl. Bamberg/Coenenberg/Krapp (2008), S. 84 f. Risikoaversion wird durch eine konkave Nutzenfunktion ausgedrückt. Vgl. Bamberg/Coenenberg/Krapp (2008), S. 84.

Theoretische Grundlagen

47

In der Praxis hat sich die Beachtung von Rendite und Risiko zur Portfoliokonstruktion durchgesetzt. In der Wissenschaft wurde dies häufig nur für Aktien untersucht, obwohl es inzwischen auch einige Literatur zum Management von Anleihenportfolios gibt.305 Oftmals werden in der Investmentindustrie Anleihenportfolios nach der Duration, der erwarteten Rendite und der Volatilität zusammengestellt.306 2.3.3 Capital Asset Pricing Model Das CAPM wurde von Sharpe,307 Lintner308 und Mossin309 entwickelt. Es basiert auf den Annahmen der Portfolio Selection Theorie und beinhaltet zusätzlich eine sichere Kapitalmarktanlagemöglichkeit. Diese wird auch als risikoloser Zins bezeichnet und es ist möglich, sowohl eine Geldanlage als auch Kreditaufnahme zu diesem Zins zu tätigen.310 Zusätzliche geht das CAPM von homogenen Erwartungen aller Investoren bezüglich Erwartungswert, Varianz und Kovarianz der Rendite aus.311 Im Kapitalmarktgleichgewicht besteht das effiziente Portfolio aus der Gesamtheit aller risikobehafteten Aktien, dem sogenannten Marktportfolio. Die Kapitalmarktlinie verbindet das Marktportfolio als Tangentialportfolio mit dem risikolosen Zins. Siehe hierzu Abb. 7. Ein durchschnittlich risikoaverser Investor investiert exakt in das Marktportfolio. Sehr risikoaffine Investoren investieren in das Marktportfolio zu mehr als 100 %, da sie durch Kreditaufnahme zum risikolosen Zins ihr Portfolio durch Leverage312 vergrößern. Risikoaverse Investoren halten ein Portfolio bestehend aus Marktportfolio und risikolosem Zins.313 Andere Kombinationen von Portfolios, die nicht auf der Kapitalmarktlinie liegen, sind nicht effizient, da bei gleichem Risiko die erwartete Rendite geringer ausfallen würde bzw. bei gleicher erwarteten Rendite ein höheres Risiko vorhanden wäre und somit die Portfolios unter der Kapitalmarktlinie liegen würden.314

305

Siehe hierzu beispielsweise Korn/Koziol (2006), S. 48-60; Brennan/Schwartz (1982), S. 301-329; Wilhelm (1992), S. 209-246. Vgl. Fabozzi/Fong (1994), S. 10 f. 307 Vgl. Sharpe (1964), S. 425-442. 308 Vgl. Lintner (1965), S. 13-37. 309 Vgl. Mossin (1966), S. 768-783. 310 Die Aufteilung in risikobehaftete und risikolose Kapitalmarktanlage wird Tobin Separation bzw. Tobin Separationstheorem genannt. Siehe hierzu Tobin (1958), S. 65-86. 311 Vgl. Perridon/Steiner/Rathgeber (2012), S. 271 f. 312 Als Leverage wird das Risiko bezeichnet, dass vom Fremdkapitalanteil des Unternehmens hervorgeht. Vgl. Modigliani/Miller (1958), S. 267 f. 313 Dieses Theorem wird Two Fund Separation Principle genannt und unterstellt, dass alle rationalen Investoren ihr individuelles Portfolio aus risikobehaftetem Marktportfolio und risikoloser Anlage kombinieren. 314 Vgl. Perridon/Steiner/Rathgeber (2012), S. 273 f. 306

48

Theoretische Grundlagen

E(R)

Marktportfolio M

E(RM)

Rf VM

V

Abb. 7: Kapitalmarktlinie315 Die Risikoprämie für die Veränderung um eine Risikoeinheit V kann an der Steigung der Kapitalmarktlinie abgelesen werden:316 E ( RM )  R f

VM

,

(2.3)

mit E(RM)

-

Erwartete Rendite des Marktes,

Rf

-

Risikoloser Zins,

VM

-

Standardabweichung der Rendite des Marktes.

Die Wertpapiermarktlinie wird genutzt, um den Marktwert einer einzelnen Aktie im Marktportfolio zu bestimmen. Siehe hierzu Abb. 8. Da diese Aktie ein Teil des Marktportfolios darstellt, kann auch die Relation zu selbigem berechnet werden. Die Renditeerwartung für eine Aktie ergibt sich demnach aus dem risikolosen Zins zuzüglich der Risikoprämie und dem Risiko der Aktie im Verhältnis zum Marktrisiko. In diesem Verhältnis, welches als E bezeichnet wird, wird nur das systemati-

315 316

Eigene Darstellung in Anlehnung an Bruns/Meyer-Bullerdiek (2013), S. 86. Vgl. Bruns/Meyer-Bullerdiek (2013), S. 72.

Theoretische Grundlagen

49

sche Risiko betrachtet. Dies liegt daran, dass der Markt für die Übernahme des unsystematischen Risikos nicht durch eine Risikoprämie kompensiert, da dieses durch Diversifikation eliminiert werden kann.317 Die Formel für E lautet:318 cov( Ri , RM ) , V M2

Ei

(2.4)

mit -

βi

cov(Ri, RM) 2

σ

M

-

Beta von Wertpapier i, Kovarianz der Renditen von Wertpapier i zu Wertpapier j, Varianz der Rendite des Marktes.

Es misst die Sensitivität der Rendite des Wertpapiers gegenüber der Marktrendite. Eine andere Interpretation von β ist, dass es das Kovarianzrisiko des Wertpapiers im Marktportfolio mit der durchschnittlichen Varianz der Marktrendite misst.319

E(R)

E(RM)

Rf βM=1 Abb. 8: Wertpapiermarktlinie320

317

Vgl. Fama/French (2004), S. 28 f. Vgl. Bodie/Kane/Marcus (2014), S. 297. 319 Vgl. Rosenberg (1981), S. 17-19. 320 Eigene Darstellung in Anlehnung an Albrecht/Maurer (2008), S. 311. 318

β

50

Theoretische Grundlagen

Bei einer Sensitivität mit dem Marktportfolio von 0 ergibt sich durch den risikolosen Zinssatz eine erwartete Rendite des Wertpapiers in Höhe des risikolosen Zinses. Die Beziehung von erwarteter Rendite und β sieht daher wie folgt aus:321 E( Ri ) R f  Ei [E(R M )  R f ] ,

(2.5)

mit E(Ri)

-

Erwartete Rendite des Wertpapiers i,

Rf

-

Risikoloser Zins,

βi

-

Beta von Wertpapier i,

E(RM)

-

Erwartete Rendite des Marktes.

Hier ist zu erkennen, dass die erwartete Rendite eines einzelnen Wertpapiers eine positive lineare Funktion von dessen systematischem Risiko ist. Je höher das β, umso höher ist die erwartete Rendite. Mit dem CAPM lassen sich sowohl erwartete Renditen als auch Kapitalkosten berechnen. Außerdem wird das Modell genutzt, um die Performance von Portfolios zu evaluieren.322 2.3.4 Marktmodell Mit dem Marktmodell323 von Sharpe (1963) wird die Bestimmung der Effizienzlinie vereinfacht, da die Renditen der Wertpapiere durch einen einzelnen gemeinsamen Faktor, die Rendite des Marktes, erklärt werden. Es wird ein linearer Zusammenhang zwischen der Rendite eines Wertpapiers und der Rendite des Marktes unterstellt.324 Die Regressionsgleichung zur Ermittlung der Rendite des Wertpapiers lautet:325 ai  bi [ RM  R f ]  H i ,

Ri  R f

(2.6)

mit

321

Ri

-

Rendite von Wertpapier i,

Rf

-

Risikoloser Zins,

ai

-

Konstante unternehmensindividuelle Rendite,

Vgl. Bodie/Kane/Marcus (2014), S. 297. Vgl. Campbell/Lo/MacKinlay (1997), S. 183. Sharpe (1963) nennt das Modell Single Index Modell, jedoch ist der Name Marktmodell, der durch Fama (1971), S. 33 geprägt wurde, geläufiger. 324 Vgl. Murschall (2007), S. 26 f. 325 Vgl. Fama (1976), S. 67; Bruns/Meyer-Bullerdiek (2013), S. 97. 322 323

Theoretische Grundlagen

-

bi

51

Sensitivität von Wertpapier i gegenüber Veränderungen des Marktes,

RM

-

Rendite des Marktes,

Hi

-

Residualwert von Wertpapier i.

Die Rendite des Wertpapiers besteht somit aus zwei Komponenten, der marktbezogenen systematischen Rendite bi(RM-Rf) und den unternehmensbezogenen unsystematischen Teilen ai und Hi.326 bi ist der in der Regression geschätzte Betafaktor. Der Residualwert Hi beschreibt die Zufallsschwankungen, die nicht durch die Regressionsgerade erklärt werden können und hat einen Erwartungswert von 0.327 Siehe Abb. 9 für die graphische Darstellung des Marktmodells.

Ri-Rf

·

· · ·

εi

α Steigung = tan α = bi ai

RM-Rf Abb. 9: Marktmodell

328

Durch den linearen Zusammenhang zwischen der Wertpapierrendite und der Marktrendite ist es möglich, mit einer Schätzung der zukünftigen erwarteten Marktrendite die zukünftige erwartete Rendite des Wertpapiers zu ermitteln.329

326

Vgl. Bruns/Meyer-Bullerdiek (2013), S. 97. Vgl. Perridon/Steiner/Rathgeber (2012), S. 268. 328 Eigene Darstellung in Anlehnung an Murschall (2007), S. 27; Perridon/Steiner/Rathgeber (2012), S. 269. 329 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 98 f. 327

52

Theoretische Grundlagen

2.3.5 Arbitrage Pricing Theorie Die Arbitrage Pricing Theorie (APT) wurde von Stephen Ross (1976) entwickelt. Sie stellt eine Alternative zum CAPM dar, die mit weniger restriktiven Annahmen auskommt. Im Gegensatz zum CAPM kann es mehrere Risikofaktoren geben und ein Marktgleichgewicht wird nicht zwingend vorausgesetzt.330 Die APT unterstellt, dass der Markt vollkommen ist, keine Steuern anfallen und Anleger homogene Erwartungen bezüglich der erwarteten Renditen von Wertpapieren haben. Außerdem sind in diesem Modell Leerverkäufe uneingeschränkt möglich. Für das Modell wird Arbitragefreiheit angenommen, was bedeutet, dass für Transaktionen ohne Kapitaleinsatz und ohne Risiko keine Rendite erlangt werden kann.331 Die erwartete Rendite in der APT berechnet sich wie folgt:332 Ri  R f

n

ai  ¦ bi , j Fj  H i , j 1

(2.7) mit Ri

-

Rendite von Wertpapier i,

Rf

-

Risikoloser Zins,

ai

-

Konstante unternehmensindividuelle Rendite,

bi, j

-

Sensitivität von Wertpapier i gegenüber Veränderungen des Faktors Fj,

Fj

-

Renditeerklärender Faktor,

Hi

-

Residualwert von Wertpapier i.

Die spezifische Rendite ai stellt den Achsenschnittpunkt des Faktormodells dar. Die in der Regression geschätzten Betafaktoren bi, j und der Residualwert Hi sind jeweils unkorreliert. Der Residualwert hat einen Erwartungswert von 0. Da die APT mehrere Faktoren zulässt, haben sich in der Praxis vor allem zwei renditeerklärende APT Multifaktormodelle für Aktien durchgesetzt. Zum einen das Dreifaktorenmodell von Fama und French (1993) sowie dessen Erweiterung zu einem Vierfaktorenmodell von Carhart (1997).333 Auch die Renditen von Anleihen 330

Vgl. Campbell/Lo/MacKinlay (1997), S. 219 f. Vgl. Wilhelm (2001), S. 96 f.; Bruns/Meyer-Bullerdiek (2013), S. 92. 332 Vgl. Roll/Ross (1980), S. 1079, Wilhelm (2001), S. 80. 333 Vgl. Fama/French (1993), S. 3-56; Carhart (1997), S. 57-82; Hanauer/Kaserer/Rapp (2011), S. 1-5. Siehe hierzu Abschnitt 3.2.3. 331

Theoretische Grundlagen

53

können mit Faktormodellen erklärt werden. Das Zweifaktorenmodell von Fama und French (1993) gilt hierbei als das Standardmodell.334 2.3.6 Kapitalmarktmodelle basierend auf heterogenen Erwartungen Die im Folgenden beschriebenen Modelle sind Erklärungsansätze für die Kapitalmarktanomalie Value vs. Growth. Die Idee von Noise335 Trader Risiko ist durch die Forschungsbeiträge von de Long et al. (1990a) und Shleifer und Vishny (1997) geprägt. Noise verursacht die temporäre Ausweitung der Fehlbewertung von Wertpapieren. Im Noise Trader Model336 wird zwischen zwei Arten von Investoren unterschieden, den irrationalen Investoren, den Noise Tradern, und den rationalen Investoren, den Arbitrageuren. Die rationalen Investoren haben rationale Erwartungen und erkennen die Renditeverteilung bei Investments. Noise Trader können die Rendite von Anleihen verstehen, aber bei Aktienpreisen sind ihre Erwartungen zufällig.337 Selbst bei einem Hedge mit einem perfekten Substitutswertpapier ist der Arbitrageur dem Noise Trader Risiko ausgesetzt. Die durch irrationale Marktteilnehmer verursachte Unterbewertung wird noch zusätzlich durch weitere irrationale negative oder pessimistische Handlungen verstärkt.338 Noise Trader Risiko kann auch dazu führen, dass der Arbitrageur die eigenen Positionen verändern oder sogar liquidieren muss, da Arbitrageure in der Realität als Portfoliomanager das Geld von Anlegern verwalten und negative Performance vor diesen erklären müssen. Vor allem bei einer großen oder lang andauernden Abweichung ist dies ein Problem für Arbitrageure, da diese als Folge von Kapitalabflüssen betroffen sein können.339 Shleifer und Vishny (1997) drücken dies wie folgt aus: „the fundamental feature of such arbitrage is that brains and resources are seperated by an agency relationship.“340 Diese Prinzipal-Agenten Beziehung ist in der Tat problematisch, da der Kapitalgeber (Prinzipal) die durch den Portfoliomanager (Agenten) getätigten Investmententscheidungen kaum nachvollziehen kann. Eine kurzfristige, oftmals jährliche Generalprüfung durch die Performancemessung ist für Arbitragegeschäfte somit mit großen Problemen behaftet.341 334

Vgl. Fama/French (1993), S. 3-56; Aussenegg/Goetz/Jelic (2015), S. 2-9. Die hier erwähnten Multifaktormodelle sind in Abschnitt 3.2.3 dargestellt. 335 Für die Bedeutung von Noise siehe Abschnitt 2.2.5. 336 Für eine detaillierte Darstellung von Noise Trader Modellen siehe de Long et al. (1989), S. 681-696, de Long et al. (1990a), S. 703-738, de Long et al. (1990b), S. 379-395; Hirshleifer/Subrahmanyam/Titman (2006), S. 311-338 337 Vgl. de Long et al. (1989), S. 683. 338 Vgl. Barberis/Thaler (2005), S. 1056 f. 339 Vgl. Shleifer/Vishny (1997), S. 36. 340 Shleifer/Vishny (1997), S. 36. 341 Vgl. De Bondt et al. (2008), S. 9 f.

54

Theoretische Grundlagen

Barberis, Shleifer und Vishny (1998) erklären mit ihrem Modell Unter- und Überreaktionen am Kapitalmarkt.342 Im Modell wird von eingeschränkter Rationalität der Marktteilnehmer ausgegangen, wodurch das Modell die Erkenntnisse der Repräsentativitätsheurisitik und den Konservatismus Bias343 berücksichtigt. Im Modell gibt es nur eine Aktie und der Gewinn dieses Unternehmens wird als Dividende ausgeschüttet und folgt einem Random Walk. Der Anleger weiß jedoch nicht, dass der Gewinn rein zufällig schwankt. Er denkt hingegen, dass es zwei mögliche Verläufe des Gewinns und somit des Aktienkurses gibt, die Trendfolge oder die Trendumkehr. Diese Trends liest der Anleger aus der historischen Entwicklung der Gewinne ab. Da diese Trends jedoch nicht vorliegen, führt die Investitionsentscheidung zu einer positiven oder negativen Überreaktion. Die Übergewichtung des Trends ist in diesem Fall mit der Repräsentativitätsheurisitik verbunden. Da die Preise bei neuen Informationen jedoch unzureichend angepasst werden, entspricht dies dem Konservatismus Bias.344 Das Modell345 von Daniel, Hirshleifer und Subrahmanyam (1998) basiert auf Selbstüberschätzung und selektiver Wahrnehmung. Ein selbstüberschätzender Investor ist ein Investor, der private Informationen überbewertet und öffentliche Informationen unterbewertet. Neue private Informationen führen zu einer Überreaktion bei der Preisbildung von Wertpapieren, wie in Abb. 10 gesehen werden kann. Ein Ergebnis aus mehrfacher positiver Überreaktion ist positive Autokorrelation der Renditen346 gefolgt von langfristiger Anpassung zum wahren Wert. Daher folgt auf kurzfristige positive Autokorrelation eine langfristige negative Autokorrelation. Bei der umgekehrten Situation, einer negativen, unvorteilhaften privaten Information, erfolgt eine kurzfristige negative Überreaktion, die langfristig zum wahren Wert tendiert.347 Diese Rückkehr zum Mittelwert ist vor allem bei sehr guten und sehr schlechten Aktien ausgeprägt.348

342

Das Modell wird auch Investor Sentiment Modell genannt. Vgl. Barberis/Shleifer/Vishny (1998), S. 307. Siehe hierzu Abschnitt 2.2.3.2. Vgl. Barberis/Shleifer/Vishny (1998), S. 307-344; Jaunich (2008), S. 61. 345 Das Modell wird auch als Modell der Overconfidence oder als das konstante Overconfidence Modell bezeichnet. Vgl. Murschall (2007), S. 122 f. 346 Siehe Abschnitt 2.2.4 für Autokorrelationstests bei empirischen Studien. 347 Vgl. Daniel/Hirshleifer/Subrahmanyam (1998), S. 1839-1886. 348 Vgl. Dreman/Berry (1995), S. 29. 343 344

Theoretische Grundlagen

55

erwarteter Preis

vorteilhafte private Information

rational erwarteter Wert 0

0,5

1

1,5

2

rational erwarteter Wert

Zeit 2,5

3

3,5

4

4,5

unvorteilhafte private Information Abb. 10: Überreaktion und selektive Wahrnehmung349 Beim Herdenverhalten in Finanzmärkten gibt es zwei zu unterscheidende theoretische und empirische Stränge: rationales und irrationales Herdenverhalten.350 Rationales Herdenverhalten bedeutet, dass die einen Investoren den anderen Investoren in den Investitionsentscheidungen folgen, da die anderen Investoren private Informationen offenlegen.351 Im Informationsdiffusionsmodell von Hong und Stein (1999) gibt es zwei Arten von Investoren, die jeweils begrenzt rational handeln und nur eine Teilmenge der Informationen verarbeiten können. Die Neuigkeitenbeobachter, die nur aufgrund von privaten Informationen zu Fundamentaldaten handeln, und die Momentum Trader, die aufgrund von vergangenen Kursverläufen handeln. Eine weitere Annahme ist, dass die fundamentalen Neuigkeiten sich unterschiedlich schnell im Markt verbreiten. Folglich haben Momentum Trader die Möglichkeit, kurzfristige Gewinne zu erzielen, da sie dem Trend folgen, der kurzfristig eine Unterreaktion darstellt, jedoch langfristig mit mehr Momentum Tradern zu einer Überreaktion wird.352 Das Modell von Barberis, Huang und Santos (2001) erklärt Marktverhalten von risikoaversen Investoren in Verbindung mit dem Darstellungseffekt. Eine wichtige

349

Eigene Darstellung in Anlehnung an Daniel/Hirshleifer/Subrahmanyam (1998), S. 1847. Vgl. Hirshleifer/Teoh (2003), S. 26. 351 Vgl. Baker/Ricciardi (2014), S. 352. 352 Vgl. Hong/Stein (1999), S. 2143-2184; Dische (2002), S. 23 f. 350

56

Theoretische Grundlagen

Annahme des Modells ist, dass der Grad der Verlustaversion sich mit der Zeit verändern kann. Da sich der Investor risikoavers verhält und die Risikoeinschätzung von der historischen Kursentwicklung abhängt, kann das Value Premium353 folgendermaßen erklärt werden: Wenn eine Aktie sich über mehrere Perioden schlecht entwickelt, dann verhält sich der Investor besonders sensibel und die Aktie wird als risikohafter bewertet, was in der Folge ein geringeres Verhältnis des Aktienkurses zum Gewinn hervorruft.354 Da sich das Risiko bei diesen Wertpapieren fundamental nicht verändert hat, aber der Preis gesunken ist, liegt eine Unterbewertung vor. 2.3.7 Aktienanalyse und Unternehmensbewertung Bei der Aktienanalyse werden zwei absolut gegensätzliche Entwicklungen, die fundamentale und die technische Analyse, unterschieden. Die technische Aktienanalyse befasst sich mit Mustern, wie z.B. Autokorrelationen, in den Aktienkursen oder der Umsatzentwicklung. Diese Muster, sowohl Trends als auch Umkehrpunkte, können durch Charts sichtbar gemacht werden.355 Mithilfe von historischen Kursverläufen werden Rückschlüsse auf die zukünftige Entwicklung getroffen, weil davon ausgegangen wird, dass sich diese Muster wiederholen.356 Jedoch sind bereits in einem schwach informationseffizienten Markt357 alle Informationen über Kursentwicklungen der Vergangenheit enthalten und demzufolge die technische Aktienanalyse ohne Nutzen für den Investor. Die fundamentale Aktienanalyse basiert auf der Present Value Theorie358. Diese geht davon aus, dass der Aktienkurs durch die Diskontierung von zukünftigen betriebswirtschaftlichen Rückflüssen des Wertpapiers berechnet werden kann. Hierfür werden die Hauptwerttreiber, wie z.B. Gewinn, Wachstum und Wettbewerbsfähigkeit, untersucht.359 Bei der sogenannten Top-Down Analyse wird die Auswertung auf der höchsten Ebene, der Volkswirtschaft und dem Markt, begonnen und mit der niedrigsten Ebene, dem Unternehmen, beendet. Zuerst wird die globale und nationale Wirtschaftssituation bewertet, sodass eine Entscheidung getroffen werden kann, welcher Anteil eines Investitionsgutes in nationale und welcher in internationale Märkte investiert werden soll. Gefolgt wird diese Analyse von der Branchenevaluierung. 353

Siehe hierzu Abschnitt 3.1.1. Vgl. Barberis/Thaler (2005), S. 1095. Vgl. Voigt (2013), S. 97-168; Bruns/Meyer-Bullerdiek (2013), S. 247. 356 Vgl. Mattern (2005), S. 11 und S. 14-18. 357 Siehe hierzu Abschnitt 2.1.3. 358 Die Present Value Theorie basiert auf Williams (1938), S. 55-75. Dieser hat als erster die Barwertmethode zur Bewertung von Aktien angewandt. 359 Vgl. Lev/Thiagarajan (1993), S. 190. 354 355

Theoretische Grundlagen

57

Hierbei wird versucht, die attraktiven Industrien herauszufiltern. Im letzten Schritt erfolgt eine Bewertung der einzelnen Unternehmen aus den gefilterten Branchen. Hierbei werden Werttreiber wie beispielsweise die finanzielle Situation oder die Rentabilität beurteilt. Die Bottom-Up Analyse geht umgekehrt vor. Zuerst analysiert der Investor einzelne Unternehmen anhand von fundamentalen Charakteristika, gefolgt von den zuvor beschriebenen höheren Ebenen.360 Welche Analyse, ob Top-Down oder Bottom-Up, zu besseren Ergebnissen führt, wird in der Portfoliomanagementpraxis viel diskutiert.361 Der Top-Down Ansatz geht mit den Modellen der neoklassischen Kapitalmarkttheorie einher und macht den Analyseaufwand geringer und kostengünstiger, da das Anlageuniversum kleiner ist als bei der BottomUp Analyse. Die finanziellen Erfolge von Hedgefonds sprechen jedoch für die Bottom-Up Analyse. Hedgefonds haben meist nur ein geringes Anlageuniversum, in dem sie sich jedoch besser auskennen als die meisten anderen Investoren.362

x Wirtschaftliche Indikatoren x Phase des Konjunkturzyklus x Marktstimmung

Analyse der Wirtschaftsbereiche/ Industrien

x Branchenstruktur x Wettbewerbsvorteile x Komparativer Vorteil

Analyse des Unternehmens

x Finanzlage x Rentabilität x Cashflow

Bottom-Up

Top-Down

Analyse der Wirtschaft und des Marktes

Abb. 11: Top-Down versus Bottom-Up Aktienanalyse363 Es wurde festgestellt, dass bei einer größeren Analystenabdeckung der Preis von Unternehmen tendenziell informativer ist und eher dem fundamentalen Wert entspricht. Jedoch sinkt der Informationsgehalt, wenn die Interessen der Finanzanalysten korreliert sind.364 360

Vgl. Horan (2014), S. 54. Vgl. Bruns/Meyer-Bullerdiek (2013), S. 208. 362 Vgl. ebd., S. 208-210. 363 Eigene Darstellung in Anlehnung an Horan (2014), S. 54. 364 Vgl. Callsen-Bracker (2007), S. 127-129; Verardo (2009), S. 806. 361

58

Theoretische Grundlagen

Eine Möglichkeit, mit der der Unternehmenswert berechnet werden kann, ist die Diskontierung aller zukünftigen Cashflows. Die als Discounted Cashflow Methode bezeichnete Methode eignet sich aufgrund der Komplexität allerdings nicht für eine Massendatenanalyse und somit auch nicht für die Untersuchung im Rahmen dieser Forschungsarbeit.365 Unternehmen können auch anhand von einzelnen Cashflow-, Buchwert-, Umsatzund Ergebniskennzahlen bewertet werden. Welche Unternehmenskennzahl bzw. welche Kombination von verschiedenen Kennzahlen für die Berechnung des Unternehmenswertes genutzt werden soll, ist umstritten.366 Im Gewinnmodell, welches vom deutschen Wirtschaftsprüfungswesen diskutiert wird, berechnet sich der Preis gemäß der Formel:367 P0

f

Gt

¦ (1  r ) t 1

t

,

(2.8)

t

mit P0

-

Preis zum Zeitpunkt 0,

Gt

-

Gewinn zum Zeitpunkt t,

rt

-

Diskontierungssatz zum Zeitpunkt t.

Da Bewertungsmodelle theoretisch zum gleichen Ergebnis kommen müssten, ist es irrelevant welches Modell genutzt wird. Dies haben Franco Modigliani und Merton Miller mit zwei Aufsätzen nachgewiesen.368 Dieses als Modigliani-Miller Theorem bekannte Prinzip besagt, dass in einem effizienten Markt, und in Abwesenheit von Steuern, der Marktwert eines Unternehmens sowohl von der Kapitalstruktur als auch der Dividendenpolitik unbeeinflusst bleibt.369 Im Weiteren wird der Teil der fundamentalen Aktienanalyse beschrieben, der mit Multiplikatoren Unternehmenswerte berechnet. Der Zusammenhang von Kennzahlen aus dem Jahresabschluss, wie z.B. dem Gewinn, und den Preisen am Kapitalmarkt wird in Kapitel 4 empirisch untersucht werden. Diese Analysen und die im Folgenden beschriebenen Modelle und Methoden basieren auf dem Going Concern Prinzip, welches besagt, dass die Bewertung von Unternehmenskennzahlen auf der Fortführung der Unternehmenstätigkeit beruht.

365

Siehe hierzu Bodie/Kane/Marcus (2014), S. 617-620. Bewertungsmethoden basierend auf dem diskontierten Cashflow eignen sich für Einzelbewertungen. Vgl. Schmidlin (2013), S. 112. 367 Vgl. Perridon/Steiner/Rathgeber (2012), S. 222. 368 Siehe hierfür Modigliani/Miller (1958) und Miller/Modigliani (1961). 369 Vgl. Ortner (2012), S. 2. 366

Theoretische Grundlagen

59

Dividendenzahlungen scheinen eine höhere Wechselbeziehung mit permanenten Gewinnen zu haben als aktuelle Gewinne. Somit eignen sich Dividenden als besserer Richtwert zur fundamentalen Bewertung.370 Als eines der in der Finanzwirtschaft etablierten Modelle gehört das Wachstumsmodell von Gordon (1959).371 In dem Modell wird von konstantem, unendlichen Wachstum der Dividenden ausgegangen, wodurch sich der Preis der Aktie berechnet nach: 372 P0

Div , rg

(2.9)

mit P0

-

Preis zum Zeitpunkt 0,

Div

-

Dividende,

r

-

Diskontierungssatz,

g

-

Wachstumsrate.

Mit Bewertungskennzahlen, sogenannten Multiplikatoren,373 kann ein Vergleich von Unternehmen durchgeführt und eine mögliche Über- bzw. Unterbewertung festgestellt werden. Geeignete Multiplikatoren sind Kennzahlen aus dem Konzernabschluss, die Auskunft über die Rentabilität und den Ertrag des zu bewertenden Unternehmens geben.374 So sind z.B. Eigenkapital- und Umsatzrendite375 zu beachten. Des Weiteren sollten auch Kennzahlen Berücksichtigung finden, die über die finanzielle Stabilität sowie die Ausschüttungspolitik des Unternehmens Auskunft geben.376 Diese genannten Kennzahlen aus dem Jahresabschluss werden mit dem Marktpreis der Aktie ins Verhältnis gesetzt und ergeben Bewertungskennzahlen. Hierbei können die unterschiedlichen Multiplikatoren zu abweichenden Ergebnissen führen.377

370

Vgl. Brief/Zarowin (1999), S. 20. Das Modell wird auch Dividendenwachstumsmodell oder Gordon Growth Model genannt. 372 Für die mathematische Herleitung siehe Stotz (2004), S. 29-36. 373 Fundamentalen Bewertungskennzahlen, die in der empirischen Analyse verwendet werden, sind in Abschnitt 3.1.4 beschrieben. 374 Vgl. Berk/DeMarzo (2011), S. 269. 375 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 316-321; Schmidlin (2013), S. 38-41. 376 Vgl. Schmidlin (2013), S. 51-53. 377 Vgl. Hehn (2000), S. 186 f.; Schmidlin (2013), S. 143 f. 371

60

Theoretische Grundlagen

2.3.8 Anleihenanalyse Anleihen sind verzinsliche Wertpapiere und gehören zur Fremdfinanzierung von Unternehmen.378 Bei der Anleihenanalyse steht die Bonitätsbeurteilung im Mittelpunkt, da hier die planmäßige Rückzahlung von Zinsen und Tilgung bewertet wird. Wenn die Anleihe als bonitätsstark gilt, also die Rückzahlung sehr wahrscheinlich scheint, dann spielt das aktuelle Zinsniveau die entscheidende Rolle bei der Preisbildung der Anleihe. Bei bonitätsschwachen Emittenten sind hingegen die individuellen auf die Anleihen bezogenen Informationen von entscheidender Bedeutung.379 Anleihen haben im Gegensatz zu Aktien eine Endfälligkeit, zu der die Verbindlichkeiten spätestens komplett zurückgezahlt werden müssen.380 Anleihen haben normalerweise zwei Arten von Zahlungen, die an die Gläubiger gezahlt werden müssen: der vertraglich vereinbarte Zins, auch Kupon genannt, sowie der Nominalwert der Anleihe. Der Nominalwert dient auch zur Berechnung der Zinszahlungen.381 Die Verzinsung der Anleihe erfolgt entweder variabel oder nach fixem Zins.382 Der Emittent einer Anleihe kann sowohl ein Unternehmen, ein Bundesland oder auch ein Staat sein. Unternehmensanleihen, die im Fokus der Analyse in Kapitel 4 stehen, können sowohl aus stark regulierten Branchen, wie z.B. der Energieversorgung, kommen oder auch aus komplett nicht regulierten Industrien, wie z.B. Bekleidungsindustrie. Die Anleihen von Unternehmen können dabei öffentlich platziert werden oder direkt einem oder wenigen Käufern angeboten werden.383 Zudem muss beachtet werden, wie die Besicherung der Anleihe definiert ist. Hier kann es sein, dass die Anleihe unbesichert ist oder bestimmte Vermögenswerte des Unternehmens als Sicherheit dienen.384 Da Anleihen zur Fremdfinanzierung gehören, haben sie bei Unternehmen Auswirkung auf deren Kapitalstruktur. Eine hohe Leverage Ratio, das Verhältnis von

378

Vgl. Perridon/Steiner/Rathgeber (2012), S. 187. Zusätzlich zu den traditionellen festverzinslichen Anleihen kamen seit den 1970er Jahren sogenannte Finanzinnovationen hinzu, wie beispielsweise die Wandel-, die Options- oder die Nullkuponanleihe. Vgl. Hummel (1989), S. 64, 132-136. 379 Vgl. Jacob (2012), S. 149. 380 Vgl. Albrecht/Maurer (2008), S. 407; Berk/DeMarzo (2011), S. 218. 381 Vgl. Berk/DeMarzo (2011), S. 218. 382 Vgl. Fabozzi/Mann (2005), S. 5-9. 383 Wenn nur wenige Investoren die Anleihe angeboten bekommen, wird diese Art von Platzierung auch Private Placement genannt. 384 Vgl. Fabozzi/Mann (2005), S. 3 f.

Theoretische Grundlagen

61

Fremd- zu Eigenkapital, zeigt eine hohe Verschuldung an und signalisiert die Möglichkeit, dass das Unternehmen in der Zukunft nicht in der Lage sein könnte, den Zahlungsverpflichtungen der Anleihe nachzukommen.385 Manche Anleihen besitzen zusätzlich noch eine Rückkaufoption für den Emittenten. Diese ermöglicht es dem Emittenten einen Teil oder auch die gesamte ausgegebene Anleihe zurückzukaufen, bevor das Fälligkeitsdatum eingetreten ist. Da dies ein Vorteil für den Emittenten und somit ein Nachteil für den Investor darstellt, haben Anleihen mit dieser Eigenschaft einen höheren Kupon oder einen Preisabschlag zu Anleihen, die diese Rückkaufsrechte nicht aufweisen.386 Des Weiteren gibt es Anleihen, die sich von Fremd- zu Eigenkapital umwandeln lassen. Diese Anleihen heißen Wandelanleihen und werden bei Umwandlung zu Aktien.387 Mit der Barwertmethode können die in der Zukunft liegenden Zahlungen zur Gegenwart diskontiert werden. Der ermittelte Wert entspricht dem Preis der Anleihe. Die graphische Darstellung der Kassazinswerte für verschiedene Zeiträume wird Zinsstrukturkurve388 genannt.389

385

Vgl. Bodie/Kane/Marcus (2014), S. 470. Anleihen von Unternehmen oder Staaten, die der Zahlungsunfähigkeit nahe sind, werden als notleidende Vermögenswerte oder im Englischen als „Distessed Asset“ bezeichnet. Trotz des hohen Risikos eines Totalverlustes gibt es viele potentielle Investoren und einen großen Markt. So schätzt Altman (2013), dass mehr als 200 Finanzinstitute in dem $400-450 Milliarden großen US-amerikanischen Markt handeln. Vgl. Altman (2013), S. 3. 386 Vgl. Fabozzi/Mann (2005), S. 9-12. 387 Vgl. ebd., S. 13 f. 388 Im Englischen wird dies als „Yield Curve“ bezeichnet. 389 Vgl. Perridon/Steiner/Rathgeber (2012), S. 192.

62

Theoretische Grundlagen

Effektivverzinsung

Zinsstrukturkurve mit Wendepunkt

inverse Zinsstrukturkurve flache Zinsstrukturkuve normale Zinsstrukturkurve

Endfälligkeit Abb. 12: Zinsstrukturkurven390 Die Diskontierungsfaktoren sind in der Realität jedoch weder konstant noch flach. Wie in Abb. 12 zu sehen ist, können Zinsstrukturkurven unterschiedliche Verläufe annehmen. Im Normalfall sind Zinsstrukturkurven ansteigend. Es kann aber auch zu Wendepunkten kommen, wenn sich Märkte im Übergang von einer Phase mit hohen Zinsen zu einer mit niedrigen Zinsen befinden.391 Der Preis einer Anleihe ist gleich dem Barwert der zukünftig erwarteten Cashflows. Somit wird das Barwertprinzip zu Ermittlung des Preises benötigt. Der Preis von einer Kuponanleihe berechnet sich wie folgt:392 P

n

K

¦ (1  r ) t 1

t



N , (1  r ) n

(2.10)

mit

390

P

-

Preis,

K

-

Kupon,

N

-

Nennwert,

r

-

Diskontierungssatz.

Eigene Darstellung in Anlehnung an Perridon/Steiner/Rathgeber (2012), S. 192. Vgl. Perridon/Steiner/Rathgeber (2012), S. 192 f. 392 Vgl. Steiner/Uhlir (2001), S. 9. 391

Theoretische Grundlagen

63

Wenn sich das Zinsniveau im Markt ändert, dann ändert sich der Preis der Anleihe und die neue durch Investoren geforderte angemessene Rendite entsteht. Wenn die Kuponrate gleich dem Zinsniveau ist, dann entspricht der Preis dem Nennwert der Anleihe.393 Da der Preis von Anleihen auch von anderen Einflussfaktoren als dem Zins abhängt, hat die angegebene Formel nur eine theoretische Bedeutung. In der Realität haben auch das Angebot und die Nachfrage einen entscheidenden Einfluss auf die Preisbildung und diese wird dadurch oftmals von der fundamentalen Bewertung abweichen.394 Außerdem ist das Bonitätsrisiko des Emittenten in Formel (2.10) unberücksichtigt. Die Effektivverzinsung395 oder Effektivrendite396 von Anleihen gibt die durchschnittliche Verzinsung des gebundenen Kapitals an. Meistens unterscheidet sich die Effektivverzinsung vom Nominalzins, der zur Berechnung der Kuponzahlungen benötigt wird.397 Bei der Effektivverzinsung handelt es sich um einen vorausblickenden Ansatz, bei dem die zukünftigen Zahlungen mit dem Effektivzins abgezinst werden, sodass diese addiert dem heutigen Preis entsprechen. Die Effektivrendite hingegen betrachtet das vergangene Jahr und zeigt die erzielte Rendite, bestehend aus Kuponzahlung und Preisänderung der Anleihe.398 Die Veränderung des Marktzinses RM hat direkten Einfluss auf den Preis von festverzinslichen Wertpapieren. Eine Veränderung von RM wird einen erheblichen Einfluss auf den Wert von P haben.399 Wenn der Marktzins steigt, dann verliert das Wertpapier an Wert. Sinkt der Marktzins, so ist ein Kursgewinn die Folge.400 Mithilfe der Duration ist es möglich, das Zinsänderungsrisiko von festverzinslichen Wertpapieren zu immunisieren.401 Die Duration berechnet die durchschnittliche dynamisierte Bindungsdauer der Anleihe bis zur Endfälligkeit:402

393

Vgl. Fabozzi (2000), S. 24-26. Vgl. Ervin/Schich (2007), S. 147 f. 395 Im Englischen wird diese als „Yield to Maturity“ bezeichnet. 396 Im Englischen wird diese als „Total Return“ bezeichnet. 397 Vgl. Perridon/Steiner/Rathgeber (2012), S. 187 f. 398 Vgl. Fabozzi (2000), S. 48-52. 399 Vgl. Meyer (1975), S. 210. 400 Vgl. Bodie/Kane/Marcus (2014), S. 516-518. 401 Eine Erweiterung der Duration ist die Konvexität. Diese Kennzahl berücksichtigt die Steigung und zusätzlich zur Duration auch die Krümmung der Preisfunktion von Anleihen bei Zinsänderungen. Siehe hierzu beispielsweise Bierwag/Kaufman/Latta (1988), S. 50-54. 402 Vgl. Macaulay (1938), S. 48. 394

64

Theoretische Grundlagen

n

¦ tZ (1  R

M

) t

¦ Z (1  R

M

) t

t

D

t 1 n

t

,

(2.11)

t 1

mit D

-

Duration,

t

-

Zeitpunkt,

Z

-

Zins- und Tilgungszahlungen,

RM

-

Rendite des Marktes.

Um die Preissensitivität zu Veränderungen des Marktzinses zu ermitteln, wird die modifizierte Duration genutzt:403 MD

D , 1 r

(2.12)

mit MD

-

Modifizierte Duration,

D

-

Duration,

r

-

Diskontierungssatz.

Das Konzept der Duration ist sowohl für Einzelwertpapiere als auch für Portfolios anwendbar. Die Portfolioduration bildet sich aus der Summe der nach Marktwerten gewichteten Durationen der Wertpapiere.404 Bei der Immunisierung des Zinsänderungsrisikos wird mit mehreren Wertpapieren bzw. Portfolios ein bestimmtes Endvermögen abgesichert. Mithilfe des Durationskonzepts können Durationsstrategien verfolgt werden und es ist möglich, eine Zielduration für ein Portfolio zu erreichen.405 Da nicht alle Emittenten von Anleihen das gleiche Bonitätsrisiko haben, weisen Anleihen unterschiedliche Renditen auf. Investoren verlangen eine höhere erwartete Rendite bei einem höheren Risiko. So haben Unternehmensanleihen üblicherweise eine höhere Rendite als Staatsanleihen von erstklassigen Schuldnern.406

403

Vgl. McEnally (1977), S. 215 f. Vgl. Perridon/Steiner/Rathgeber (2012), S. 203 f. 405 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 398-405. 406 Vgl. Bhansali (2011), S. 5-11. 404

Theoretische Grundlagen

65

Jedoch können die Renditen von Staatsanleihen407 mit denen von Unternehmensanleihen oder anderen risikobehafteten Investments verglichen werden. Die Differenz zwischen den Zinsstrukturkurven risikoloser und risikobehafteter Anleihen wird als Kredit- oder Renditespanne bezeichnet.408 Diese Spanne, auch Spread genannt, wird berechnet, indem Staatsanleihen mit der Rendite von Unternehmensanleihen verglichen werden.409 Diese Differenz ist auf das Kredit- und Liquiditätsrisiko zurückzuführen.410 Andere Faktoren, die den Spread beeinflussen, sind der Preis, die Preisvolatilität, die Kreditvolatilität, das Zinsrisiko, das Risiko der Ausführung einer Rückkaufoption, das Steuersystem, das Finanzierungs- sowie das Währungsrisiko.411 Die Beurteilung erfolgt allerdings nicht ausschließlich durch den Marktpreis. Ratingagenturen haben sich auf die Bonitätsbeurteilung von Anleihen spezialisiert. Da Investoren hierdurch einfacher die Möglichkeit haben, Informationen zur Kreditwürdigkeit der Schuldner zu erhalten, fördert dies die Liquidität von Anleihen.412 Die bekanntesten und größten Ratingagenturen sind Moody’s Investor Service, Standard and Poor’s Corporation und Fitch Ratings.413 Ratingagenturen bewerten die Ausfallwahrscheinlichkeit und ordnen die Anleihen verschiedenen Ratingkategorien zu.414 Die Ratingkategorien ermöglichen eine bessere Vergleichbarkeit der Anleihen untereinander. Zudem sind diesen Ratingkategorien historische Ausfallwahrscheinlichkeiten zugeordnet.415 Problematisch bei der Portfoliooptimierung mit Anleihen ist die Tatsache, dass diese eine festgelegte Laufzeit haben und eine komplette Rückzahlung am Laufzeitende besitzen. Somit hängen auch die Rendite und der Preis von der Laufzeit ab und die Berechnung der erwarteten Rendite und Standardabweichung erweist sich als schwierig.416 Es wurde nachgewiesen, dass individuelle Informationen zu Unternehmen sowohl deren Aktienpreise als auch Anleihenpreise beeinflussen. Hierbei sind vor allem Informationen zum Unternehmenswert von Bedeutung und weniger die Veränderung 407

Da Staaten mit ihren zukünftigen Steuereinnahmen die Zins- und Tilgungszahlungen garantieren, erhalten Staatsanleihen meist eine sehr hohe Bonität und gelten als quasi risikolos. Vgl. Steiner/Uhlir (2001), S. 62. Jedoch war im Zuge der Finanzkrise ab 2007 zu sehen, dass auch das Kreditausfallrisiko von Staatsanleihen von erstklassigen Emittenten wie Deutschland und Frankreich enorm gestiegen ist. Vgl. Ejsing/Grothe/Grothe (2012), S. 15-18. 408 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 50; Krones/Cremers (2012), S. 8. 409 Vgl. Krones/Cremers (2012), S. 6-8. 410 Vgl. Hund/Lesmond (2006), S. 4. 411 Vgl. Bhansali (2011), S. 5; Yu (2005), S. 69; Driessen (2005), S. 165. 412 Vgl. Berk/DeMarzo (2011), S. 235. 413 Für einen Marktüberblick der Ratingagenturen siehe van Aubel (2000), S. 5-7. 414 Die Ratingkategorien der genannten Ratingagenturen sind in Anlage 1 abgebildet. 415 Vgl. van Aubel (2000), S. 28-39. 416 Vgl. Caldeira/Moura/Santos (2012), S. 2 f.

66

Theoretische Grundlagen

der Rendite des Unternehmens. Aktien- und Anleihenrenditen sind hierbei korreliert, wobei Aktien die neuen Informationen schneller übernehmen als Anleihen.417 2.3.9 Performancebewertung Portfolios bestehend aus Wertpapieren werden hauptsächlich von professionellen Portfoliomanagern verwaltet. Damit Investoren die Qualität dieser Portfoliomanager und deren Portfolios evaluieren können bedarf es der Performancemessung.418 Dies kann sowohl auf Basis von Rendite, Risiko oder aus einer Kombination der beiden Größen durchgeführt werden. Positive Performance bedeutet, dass das gewählte Performancemaß des Portfolios systematisch über einem Orientierungswert, also einer Benchmark, liegt.419 2.3.9.1 Benchmark Durch die Portfolio Selection Theorie und das CAPM geprägt, investieren rationale Anleger in ein effizientes Portfolio. Dieses besteht, in Abhängigkeit der individuellen Risikoaversion, aus einer Kombination von Marktportfolio und risikolosem Zins.420 In der Realität stehen Investoren vor dem Problem, dass das Marktportfolio421 nur ein theoretisches Konstrukt darstellt. Daher müssen sie sich für eine Alternative entscheiden. Hierbei werden Überlegungen zur Liquidität und Fungibilität, zum Zeithorizont sowie zur Steuersituation berücksichtigt und auch die Transaktionskosten spielen eine Rolle.422 Empirisch wurde nachgewiesen, dass das unsystematische Risiko bei einem Portfolio ab ca. 40 Wertpapieren diversifiziert ist.423 Aus den genannten Gründen verzichten Portfoliomanager auf die vollständige Investition in das Marktportfolio und investieren stattdessen hauptsächlich in liquide Assetklassen und auch innerhalb dieser nur in ausgewählte Wertpapiere.424 Auch die Auffassung der neoklassischen Kapitalmarkttheorie, dass systematische Überrenditen unmöglich seien, weil Kapitalmärkte effizient seien und sich daher nur Marktrenditen erzielen ließen, führen zu einem Bedarf nach Benchmarks. Nach der neoklassischen Denkweise ist eine passive Investition in eine Benchmark oder eine

417

Vgl. Kwan (1996), S. 72-79. Vgl. Bodie/Kane/Marcus (2014), S. 835. 419 Vgl. Wilmanns (2001), S. 9. 420 Siehe Abschnitt 2.3.2 für die Annahmen und Abschnitt 2.3.3 für effiziente Portfolios. 421 Das Marktportfolio umfasst Aktien, Anleihen, Rohstoffe und Immobilien, sowie weniger klassische Titel wie z.B. Kunst, Münzen, Briefmarken, Oldtimer etc. Auch Humankapital ist im theoretischen Marktportfolio enthalten. Vgl. Bruns/Meyer-Bullerdiek (2013), S. 194 f. 422 Vgl. Heinke/Krämer/Nürk (2011), S. 546 f. 423 Siehe hierzu Abschnitt 2.3.2. 424 Vgl. Heinke/Krämer/Nürk (2011), S. 547. 418

Theoretische Grundlagen

67

Duplizierung einer solchen immer zu bevorzugen.425 Wertpapierindizes werden als Benchmarks herangezogen, um einen Vergleich zwischen dem aktiv gewählten Portfolio des Portfoliomanagers und der passiven Investition zu erstellen.426 Besonders wichtig ist, dass ein passender Wertpapierindex gefunden wird, der die Charakteristika427 des aktiven Portfolios widerspiegelt.428 Aktienindizes repräsentieren die theoretische Wertentwicklung der im Indexportfolio enthaltenen Aktien. Hierbei wird zwischen Kurs- und Performanceindex unterschieden. Ein Kursindex gibt lediglich die gebündelte Entwicklung der Marktkurse wieder. Beim Performanceindex werden alle Erträge der im theoretischen Portfolio enthaltenen Wertpapiere berücksichtigt. Diese können beispielsweise der Kurs und die Dividenden sein.429 Bei Indexgewichtung wird zwischen Preisindizes, gleichgewichteten und kapitalgewichteten Indizes unterschieden. Preisindizes stellen die Preisentwicklung der Wertpapiere dar und können nach der Indexformel nach Laspeyres (1871) berechnet werden:430 n

I tL

¦P Q i ,t

i 1 n

¦P

i ,0

i ,0

,

(2.13)

Qi ,0

i 1

mit It L

-

Indexformel nach Laspeyres zum Zeitpunkt t,

Pi,t

-

Preis von Wertpapier i zum Zeitpunkt t,

Qi,0

-

Gewichtungsfaktor von Wertpapier i zum Zeitpunkt 0,

Bei einem gleichgewichteten Index wird ein festgeschriebener theoretischer Betrag je Wertpapier investiert. Für diese Forschungsarbeit hat der gleichgewichtete Index keine Bedeutung.

425

Vgl. Kiehling (2000), S. 160. Vgl. Schyra (2013), S. 2. In Kiehling (2000), S. 191-197 wird ausführlich die Konstruktion des DAX erklärt. Es ist jedoch inzwischen vermehrt festgestellt worden, dass beliebte, in der Praxis häufig genutzte Indizes ineffizient und schlecht diversifiziert sind. Für die Nachteile von kapitalgewichteten Indizes und den Alternativen siehe Amenc et al. (2011), S. 10-19. 428 Vgl. Schyra (2013), S. 12 f. 429 Vgl. Mihm (2011), S. 111. 430 Vgl. Laspeyres (1871), S. 305. Für Anpassungen der Indexzusammensetzung siehe Mihm (2011), S. 112-115. 426 427

68

Theoretische Grundlagen

Kapitalgewichtete Indizes berücksichtigen den Marktwert der im Indexportfolio enthaltenen Unternehmen. Hierdurch haben Unternehmen mit einem hohen Marktwert einen höheren Einfluss auf die Kursentwicklung des Index als kleine Unternehmen.431 2.3.9.2 Renditemaße Die Rendite ist für viele Investoren das wichtigste Performancemaß, da diese relativ einfach zu verstehen ist. Wenn der Wert eines Portfolios ausgehend vom Kaufpreis steigt, dann hat das Portfolio eine positive Rendite, wenn der Wert fällt eine negative. Jedoch kann die Rendite auf verschiedene Arten berechnet werden. Entweder es werden Marktpreise (ex post), tatsächliche (realisierte) Preise oder prognostizierte Preise (ex ante) für die Berechnung herangezogen.432 Im Rahmen dieser Dissertation wird die Rendite anhand von Marktpreisen berechnet. Die diskrete Rendite für eine Periode berechnet sich mit:433 Rt

Pt  Zt 1,t Pt 1

1

Pt 1 , Pt 1

(2.14)

mit Rt

-

Rendite zum Zeitpunkt t,

Pt

-

Preis zum Zeitpunkt t,

Zt-1,t

-

Rückflüsse434 zwischen Zeitpunkt t-1 und t,

Pt-1

-

Preis zum Zeitpunkt t-1.

Bei dieser Methode wird angenommen, dass die Wertveränderung am Ende der Periode stattfindet. Wenn mehrere Perioden betrachtet werden, wird unterstellt, dass die Wiederanlage, z.B. von Kapitalrückflüssen, zum geometrischen Zins geschieht. Problematisch ist die Berechnung von kumulierten diskreten Renditen, da die Veränderung der kumulierten diskreten Rendite von der Höhe der vorherigen kumulierten Renditen abhängt.435

431

Vgl. Arnott/Hsu/Moore (2005), S. 84. Vgl. Marty (2013), S. 1. Vgl. Bruns/Meyer-Bullerdiek (2013), S. 717. 434 Dies können beispielsweise Dividendenzahlungen bei Aktien oder Zins- und Tilgungszahlungen bei Anleihen sein. 435 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 717-720. 432 433

Theoretische Grundlagen

69

Stetige Renditen können im Gegensatz zu diskreten Renditen addiert werden. In der betrachteten Periode erfolgt bei der stetigen Rendite eine kontinuierliche Verzinsung des Kapitals. Somit können die gewählten Zeiträume im Grenzfall sowohl unendlich klein als auch groß sein.436 Die stetige Rendite wird berechnet mit:437 Rt

ln(

Pt ) ln(Pt )  ln(Pt 1 ) , Pt 1

(2.15)

mit Rt

-

Rendite zum Zeitpunkt t,

Pt

-

Preis zum Zeitpunkt t,

Pt-1

-

Preis zum Zeitpunkt t-1.

Hierbei wird ersichtlich, dass die stetige Rendite durch Logarithmieren der diskreten Renditen berechnet wird. 2.3.9.3 Risikomaße Eine Performanceanalyse ausschließlich auf die Rendite zu beschränken, ist kaum sinnvoll. Zwei Portfolios können die gleiche Rendite erwirtschaften, aber mit einem deutlich unterschiedlichen jeweiligen Risiko.438 Eine genaue Abgrenzung und Erläuterung vom Risikobegriff scheint sinnvoll. Im Weiteren wird ausschließlich von einem durch Unsicherheit verursachten, bewussten Mangel an Sicherheit, ausgegangen.439 Diese Risikobedeutung lässt sich wiederum in die Bereiche Chance und Risiko im engeren Sinne einteilen. Chance zeichnet sich durch die positive Abweichung von der Erwartung aus, Risiko im engeren Sinne durch die ausschließlich negative Abweichung.440 In der Bewertung von Portfolios bzw. Wertpapieren üblich sind die aus der Statistik kommenden Risikokennzahlen Standardabweichung441 σ und das systematische Risiko in Form des β Faktors im CAPM. Die Standardabweichung drückt die Streuung der Werte um den Mittelwert aus. Hierbei ist also sowohl die positive als auch die 436

Vgl. Bruns/Meyer-Bullerdiek (2013), S. 720 f. Vgl. ebd., S. 720. 438 Vgl. Marty (2013), S. 83. 439 Vgl. Wahren (2009), S. 92 f. 440 Vgl. Weißensteiner (2014), S. 10-14. 441 Das Risiko wird mittels des Streuungsmaßes Varianz gemessen. Diese ergibt sich aus der mittleren quadratischen Abweichung der Renditen. Die Standardabweichung ergibt sich aus der Quadratwurzel der Varianz, und da sie die gleiche Dimension wie die Rendite und der Erwartungswert der Renditen hat, ist sie leichter zu interpretieren. Vgl. Albrecht/Maurer (2008), S. 105 f. 437

70

Theoretische Grundlagen

negative Abweichung als Risiko definiert. Sie ist als Risikomaß geeignet, wenn die Renditen einer Normalverteilung folgen.442 Ein Vorteil ist der direkte Bezug der Standardabweichung zum Erwartungswert-Varianz-Prinzip, das z.B. in der Portfolio Selection Theorie Anwendung findet.443 2.3.9.4 Adjustierte Performance Die risikoadjustierte Rendite verbindet die ermittelte Rendite mit dem Risiko. Der einfachste Vergleich, der häufig gemacht wird, ist die Auswahl von Portfolios mit ähnlichen Risikocharakteristika und anschließender Klassifizierung nach der Rendite. Diese Herangehensweise birgt Gefahren, da die Portfoliocharakteristika oft nicht komplett vergleichbar sind. Problematisch ist außerdem, dass stets ein linearer Zusammenhang zwischen Rendite und Risiko unterstellt wird. So können bei Anleihen die Duration, oder bei Aktien die Anlagestrategie, z.B. Value oder Growth, voneinander abweichen.444 Bei der Portfolio Selection Theorie wird zur Berechnung der Kapitalmarktlinie die Rendite und die Standardabweichung ins Verhältnis gesetzt. Die Sharpe Ratio baut genau auf diesem Verhältnis auf und ermöglicht einen Vergleich mehrerer Portfolios sowie einen Benchmarkvergleich. Es ist möglich, mit der Sharpe Ratio eine Rangfolge der Portfolios zu erstellen. Das effiziente Portfolio in der Portfolio Selection Theorie hat die höchste Sharpe Ratio aller Portfolios.445 Die Sharpe Ratio eines Portfolios berechnet sich als:446 SR p

Rp  R f

Vp

,

(2.16)

mit

442

SRp

-

Sharpe Ratio des Portfolios,

Rp

-

Rendite des Portfolios,

Rf

-

Risikoloser Zins,

σp

-

Standardabweichung der Rendite des Portfolios.

Vgl. Albrecht/Maurer (2008), S. 121 f. Vgl. Wittrock (2000), S. 27 f. 444 Vgl. Bodie/Kane/Marcus (2014), S. 837-839. 445 Vgl. Albrecht/Maurer (2008), S. 315 f.; Bruns/Meyer-Bullerdiek (2013), S. 739 f. 446 Vgl. Sharpe (1966), S. 123. 443

Theoretische Grundlagen

71

Die Rendite des Portfolios über dem risikolosen Zins wird mit dem Gesamtrisiko in Form der Standardabweichung der Portfoliorendite verglichen.447 Die Sharpe Ratio kann für Aktien und Anleihen verwendet werden.448 Problematisch kann hierbei die Festlegung des risikolosen Zinssatzes sein, aber auch eine negative Portfoliorendite schmälert die Aussagekraft der Kennzahl erheblich, weil in diesem Fall ein höheres Risiko zu einem besseren Ergebnis führt. Die Kennzahl ist nur zu wählen, wenn das zu analysierende Portfolio den gesamten Fonds repräsentiert, da das Gesamtrisiko in der Performancekennzahl berücksichtigt wird.449 Die Sortino Ratio ist eine Risikokennzahl, ähnlich der Sharpe Ratio, die die Überrendite des Portfolios mit der negativen Standardabweichung vergleicht:450 Rp  R f

Sortino p

V pd

,

(2.17)

mit Sortinop

-

Sortino Ratio des Portfolios,

Rp

-

Rendite des Portfolios,

Rf

-

Risikoloser Zins,

d

-

Negative Standardabweichung des Portfolios.

σ

p

Die negative Standardabweichung bezieht sich hierbei auf die Volatilität des Basiswertes, ein Portfolio oder ein einzelnes Wertpapier, welche unter einem bestimmten Zielwert liegt. In Formel (17) wird exemplarisch der risikolose Zins als Zielwert genutzt, um die Sortino Ratio analog mit der Sharpe Ratio vergleichbar zu machen. Hierbei können beispielsweise ausschließlich die Kursrückgänge betrachtet werden.451 Die Hit Ratio misst den prozentualen Anteil der nicht-negativen Renditen im Vergleich zu einer Benchmark:452

¦ ^R T

Hit p

i 1

p

 RBenchmark t 0` T

,

mit 447

Vgl. Sharpe (1966), S. 119-138; Sharpe (1994), S. 49-58. Vgl. Pilotte/Sterbenz (2006), S. 149 f.; Hodges/Taylor/Yoder (1997), S. 74. Vgl. Bruns/Meyer-Bullerdiek (2013), S. 741-744. 450 Vgl. Sortino (2010), S. 24. 451 Vgl. Sortino/Satchell (2001), S. 63 f. 452 Vgl. Lee (2000), S. 61. 448 449

(2.18)

72

Theoretische Grundlagen

Hitp

-

Hit Ratio des Portfolios,

Rp

-

Rendite des Portfolios,

RBenchmark

-

Rendite der Benchmark,

T

-

Endfälligkeit.

Die Treynor Ratio ist eine weitere Performancemaßzahl. Diese kann im Gegensatz zur Sharpe Ratio eingesetzt werden, wenn das Portfolio ein Teil eines größeren, gut diversifizierten Gesamtportfolios bzw. eines Investmentfonds ist und aktiv gemanagt wird.453 Die Treynor Ratio des Portfolios basiert auf der Wertpapiermarktlinie des CAPM und wird berechnet mit der Formel: 454 TR p

Rp  R f

Ep

,

(2.19)

mit TRp

-

Treynor Ratio des Portfolios,

Rp

-

Rendite des Portfolios,

Rf

-

Risikoloser Zins,

βp

-

Beta des Portfolios.

Mithilfe von Jensens Alpha kann die Fähigkeit des Portfoliomanagers, gute Wertpapiere zu selektieren, bewertet werden.455 Auch diese Kennzahl baut auf dem CAPM auf. Sie misst die Differenz zwischen der Rendite des Portfolios und der durch das CAPM erwarteten Rendite des Portfolios und wird berechnet mit der Formel:456 Dp

Rp  RCAPM p

( Rp  R f )  E p [ RM  R f ] Rp  ( R f  E p [ RM  R f ]) ,

(2.20)

mit αp Rp Rp Rf

453

CAPM

-

Jensens Alpha des Portfolios,

-

Rendite des Portfolios,

-

Durch das CAPM implizierte Rendite des Portfolios,

-

Risikoloser Zins,

Vgl. Fischer (2001), S. 273-275; Bruns/Meyer-Bullerdiek (2013), S. 744 f. Vgl. Treynor (1965), S. 63-75; Sharpe (1966), S. 127. 455 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 745-748. 456 Vgl. Jensen (1967), S. 389-416. 454

Theoretische Grundlagen

βp

-

Beta des Portfolios,

RM

-

Rendite des Marktes.

73

Jensens Alpha ist das Maximum, was ein Anleger bereit sein sollte seinem Portfoliomanager zu zahlen. Für die Schätzung von a kann folgende lineare Regression genutzt werden: aP  bp [ RM  R f ]  H ,

Rp  R f

(2.21)

mit Rp

-

Rendite des Portfolios,

Rf

-

Risikoloser Zins,

ap

-

Konstante portfolioindividuelle Rendite,

bp

-

Sensitivität des Portfolios gegenüber Veränderungen des Marktes,

H

-

Residualwert.

Jensens Alpha und die Treynor Ratio verbindet folgende Beziehung: TR p

Ep

Dp  TRM , Ep

TRp

-

Treynor Ratio des Portfolios,

Rp

-

Rendite des Portfolios,

Rf

-

Risikoloser Zins,

βp

-

Beta des Portfolios,

αp

-

Jensens Alpha des Portfolios,

TRM

-

Treynor Ratio des Marktes.

Rp  R f

(2.22)

mit

Beide Performancekennzahlen vergleichen das zu bewertende Portfolio mit einer Benchmark, jedoch kann es zu unterschiedlichen Rangfolgen kommen, wenn die Portfolios unterschiedliche Betas aufweisen.457 Die Appraisal Ratio458 misst den anormalen Ertrag je Risikoeinheit, der durch das investieren in ein Indexportfolio diversifiziert worden wäre:459 457

Vgl. Wilkens/Scholz (1999), S. 310. Häufig wird diese Performancekennziffer auch als Information Ratio bezeichnet. 459 Vgl. Treynor/Black (1973), S. 66-86. 458

74

AR p

Theoretische Grundlagen

Dp , V H ( p)

(2.23)

mit -

ARp

Appraisal Ratio des Portfolios,

αp

-

Jensens Alpha des Portfolios,

Rf

-

Risikoloser Zins,

σH(p)

-

Standardabweichung des Residualwertes des Portfolios.

Diese Performancekennzahl ist von Bedeutung, wenn es sich um ein einzelnes aktiv gemanagtes Portfolio handelt, das zu einem passiven Portfolio, beispielsweise einer Benchmark hinzugefügt werden soll. Dies wäre der Fall, wenn die untersuchte Anlagestrategie im Rahmen von Publikumsfonds Anwendung finden würde. Mithilfe der M2 Performancekennzahl werden Portfolios auf das gleiche Risiko wie das Marktrisiko bzw. die Benchmark skaliert und anschließend verglichen. Es wird ein hypothetisches Portfolio gebildet, das aus dem ursprünglichen Portfolio und dem risikolosen Zins besteht, sodass die gleiche Standardabweichung bei hypothetischen Portfolio und Marktportfolio herrscht:460 M p2

Rf  V M [

Rp  R f

Vp

]  RM

[ SR p  SRM ]V M ,

(2.24)

mit M2p

-

M2 des Portfolios,

Rf

-

Risikoloser Zins,

σM

-

Standardabweichung der Rendite des Marktes,

Rp

-

Rendite des Portfolios,

σp

-

Standardabweichung der Rendite des Portfolios,

RM

-

Rendite des Marktes,

SRP

-

Sharpe Ratio des Portfolios,

SRM

-

Sharpe Ratio des Marktes.

Auch die Timingfähigkeit wird im Rahmen der Performancemessung bewertet. Im Gegensatz zur Selektionsfähigkeit, der Fähigkeit der Portfoliomanager die zukünftige Entwicklung der Wertpapiere besser bewerten zu können als andere, bezieht sich die Timingfähigkeit auf das richtige zeitliche Kaufen- und Verkaufen von 460

Vgl. Modigliani/Modigliani (1997), S. 47.

Theoretische Grundlagen

75

Wertpapieren. Das Timing wiederum impliziert eine nichtlineare Beziehung zwischen Portfoliorendite und Marktrendite. Bei einem positiven Timing hat die Portfoliorendite eine höhere Sensitivität bei guter Marktentwicklung. Zwei häufig verwendete Möglichkeiten die Timingfähigkeit zu testen sind die Methode von Henriksson und Merton (1981) sowie die Methode von Treynor und Mazuy (1966).461 Es gibt noch weitere in der Theorie und Praxis übliche Performancekennziffern, die jedoch in Rahmen dieser Forschungsarbeit keine Bewandtnis haben und nicht weiter angesprochen werden.462 2.3.10 Zwischenfazit und kritische Würdigung Die Portfolio Selection Theorie hat, aufgrund der vielen restriktiven vorhandenen Annahmen, nicht nur Stärken. Ein großes Problem, das auch im CAPM existiert, ist das eindimensionale Maß von Risiko, welches durch die Standardabweichung der historischen Renditen ausgedrückt wird. Die durch die Portfolio Selection Theorie zu beantwortende Fragestellung der optimalen Portfoliozusammensetzung betrifft im Prinzip unendlich viele Dimensionen, die nur durch das vollkommene Wissen der Wahrscheinlichkeitsverteilung der Portfoliorenditen zu beantworten ist.463 Empirisch nachgewiesen ist die Verringerung des Diversifikationseffekts vor allem in Krisenzeiten.464 Das CAPM beinhaltet als zusätzliche Annahme zu den Annahmen der Portfolio Selection Theorie die Existenz eines risikolosen Zinses, zu dem sowohl beliebig viel Geld aufgenommen als auch angelegt werden kann. Diese Annahme und die, um im Kapitalmarktgleichgewicht zu sein, vorhandener homogener Erwartungen aller Investoren sind sehr theoretisch und realitätsfern.465 Homogene Erwartungen in diesem Zusammenhang bedeutet auch, dass jeder Investor in eine Kombination aus Marktportfolio und risikoloser Geldanlage anlegt, was in der Realität nicht zutrifft.466 Auch die Weiterentwicklungen des CAPM Grundmodells, wie beispielsweise das intertemporale oder das konsumbasierte CAPM, haben in empirischen Analysen keine vollkommen zufriedenstellenden Ergebnisse geliefert.467 Eine weitere Schwierigkeit ergibt sich daraus, dass das β nicht direkt beobachtbar ist. Mithilfe des Marktmodells wird dieses zwar geschätzt, jedoch kann es hierbei Schätzfehler geben.468 Da sowohl die Portfolio Selection Theorie als auch das CAPM für 461

Vgl. Hößl (2009), S. 64 f.; Henriksson/Merton (1981), S. 513-533; Treynor/Mazuy (1966), S. 131-136. Für einen umfangreichen Überblick zu den Performancekennziffern siehe Hänni (2005), S. 4-10. Vgl. Andersen/Nowak (2013), S. 21. 464 Vgl. Page/Taborsky (2011), S. 1 f. 465 Vgl. Albrecht/Maurer (2008), S. 321 f. 466 Vgl. Warfsmann (1993), S. 13. 467 Vgl. Murschall (2007), S. 36 f. 468 Vgl. Spremann (2008), S. 304 f. 462 463

76

Theoretische Grundlagen

die Investmentpraxis von hoher Bedeutung sind, da diese Theorien Grundlage für Investmentstrategien und Performanceanalyse bilden, sind bereits viele empirische Untersuchungen zur Überprüfung dieser Theorien durchgeführt worden.469 Einen Überblick hierzu liefern beispielsweise Fama und French (2004).470 Das Abbilden des systematischen Risikos mit nur einem β wurde in einigen dieser empirischen Studien als unzureichend nachgewiesen. So tendieren beispielsweise Wertpapiere mit hohem β zu negativen unternehmensindividuellen Renditen und Wertpapiere mit niedrigem β zu positiven unternehmensindividuellen Renditen.471 Das APT benötigt deutlich weniger dieser Prämissen, um die Rendite und das Risiko von Wertpapieren zu erklären. Allerdings werden auch neue Annahmen getroffen, wie z.B. die uneingeschränkte Möglichkeit von Leerverkäufen.472 Jedoch wird hierbei die theoretische Fundierung bemängelt, da es keine genaue Auskunft über die Art und Anzahl der renditebeeinflussenden Faktoren gibt.473 Die unterschiedlichen behavioralen Kapitalmarktmodelle nutzen die Erkenntnisse der begrenzten Rationalität der Marktakteure und das Nichtvorhandensein von Informationseffizienz. Ziel ist es, die im Vergleich zwischen Kapitalmarkt und neoklassischen Kapitalmarkttheorie auftretenden Anomalien durch Modelle zu erklären. Jedoch stellt bisher kein Modell einen umfassenden Erklärungsansatz bereit.474 Bei den Bewertungsmodellen für Aktien, bzw. den Modellen zur Berechnung des Unternehmenswertes, werden Unternehmensdaten aus dem Jahresabschluss, aber auch Kapitalmarktdaten, verwendet. Diese Einflussgrößen sind mitunter jedoch stark beeinflussbar. Auf Unternehmensebene spielen Faktoren wie Rechnungsstandards und auf Marktseite geldpolitische Entscheidungen der Zentralbanken eine Rolle.475 Außerdem gibt es bei der fundamentalen Bewertung nicht das eine richtige Modell, welches den immer korrekten fairen Wert des Wertpapiers berechnen kann.476 Die Bewertung ist immer abhängig von den Eingabevariablen. Bei in der Zukunft liegenden Einschätzungen durch Analysten kommt es dabei regelmäßig zu starker Streuung.477

469

Vgl. Albrecht/Maurer (2008), S. 321 f. Vgl. Fama/French (2004), S. 25-46. 471 Vgl. Black/Jensen/Scholes (1972), S. 3. 472 Vgl. Ross (1976), S. 355 f. 473 Vgl. Murschall (2007), S. 38. 474 Vgl. Roßbach (2001), S. 28 f. 475 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 319 f.; Hummel (1983), S. 76 f. 476 Vgl. Malkiel (2003), S. 75. 477 Vgl. Linowski (1999), S. 62. 470

Kapitalmarktanomalie Value versus Growth

3

77

Kapitalmarktanomalie Value versus Growth

Die Investmentstrategie Value Investing ist aus der Kapitalmarktanomalie Value vs. Growth hervorgegangen. Mithilfe dieser den neoklassischen Kapitalmarktmodellen widersprechenden Anomalie ist es möglich, Portfolioüberrenditen zu erzielen. Viele Forscher haben empirisch nachgewiesen, dass nicht nur das β des CAPM, sondern auch fundamentale Bewertungskennzahlen einen Zusammenhang mit den zu erwarteten Renditen haben.478 Gestützt durch die fundamentale Kennzahlenanalyse erfolgt beim Value vs. Growth somit eine relative Wertpapierbewertung.479 Theoretische Modelle und Konzepte, die diese Überrenditen erklären, werden in Abschnitt 3.1 vorgestellt. Zudem werden die Abhängigkeit von den Zyklen der Marktentwicklung und der Anlagehorizont ausgewertet. Abschnitt 3.2 beginnt mit den unterschiedlichen Dimensionen von Value und der Kategorisierung von Value vs. Growth nach fundamentalen Bewertungskennzahlen. Auch die Interdependenzen der Value vs. Growth Anomalie mit anderen Kapitalmarktanomalien, wie beispielsweise dem Momentum Effekt oder dem Kleinfirmeneffekt, werden aufgeführt. Anschließend werden Faktormodelle behandelt, die die erzielten Überrenditen systematischen Risikofaktoren zuordnen. Frühere Untersuchungen zu Value vs. Growth wurden überwiegend mit US-amerikanischen Daten durchgeführt, jedoch gibt es inzwischen auch viele internationale und globale Studien, von denen die wichtigsten am Ende des Kapitels vorgestellt werden.

3.1 Erkenntnisse der Kapitalmarktanomalie Es wurde empirisch nachgewiesen, dass Value Wertpapiere höhere Renditen als Growth Wertpapiere und als der Gesamtmarkt erwirtschaften.480 Wertpapiere von Unternehmen mit niedrigem KBV, niedrigem KGV oder niedrigem KCV werden als Value Aktien kategorisiert.481 Auch werden andere Multiplikatoren wie eine hohe Dividendenrendite oder ein niedriges Kurs-Umsatz-Verhältnis (KUV) Value Wertpapieren zugeordnet.482 Growth Wertpapiere zeichnen sich dadurch aus, dass sie ein hohes Wachstum und eine hohe Bewertung (z.B. hohes KBV) aufweisen. Es wird erwartet, dass ihrer Erträge in der Zukunft deutlich höher sind als im Status

478

Siehe für eine Vielzahl empirischer Arbeiten Abschnitt 3.2. Siehe hierzu Abschnitt 3.1.4. 480 Vgl. Elze (2010), S. 536; Fama/French (1998), S. 1975. 481 Vgl. Fama/French (1998), S. 1975. 482 Vgl. Jaunich (2008), S. 44 f. 479

78

Kapitalmarktanomalie Value versus Growth

quo.483 Die Bezeichnung Value und Growth, im Deutschen als Wert und Wachstum übersetzt, ist sinnvoll, da Unternehmen mit beispielsweise hohem KBV, sogenannte Growth Unternehmen, oftmals ein deutlich höheres Wachstum aufweisen als Unternehmen mit entsprechend niedrigem KBV.484 Theoretisch sind Renditeunterschiede in einem effizienten Kapitalmarkt ausschließlich durch ein höheres Risiko erklärbar. Der Renditeunterschied von Value zu Growth Wertpapieren wäre gemäß CAPM durch einen höheren E Faktor bei Value Aktien zurückzuführen, jedoch ist dies empirisch nicht zu beobachten. Somit ist es möglich, mithilfe von Bewertungskennzahlen einen relativen Unterschied bei Aktienrenditen für die Zukunft vorauszusagen. Daher wird die Value Anomalie den Kennzahlenanomalien zugeordnet.485 Laut Effizienzmarkthypothese können Aktienkurse von dem in der fundamentalen Analyse berechneten fairen Wert486 nur bei einem schwach informationseffizienten Markt abweichen.487 Das Identifizieren von Wertpapieren, deren kalkulierter fairer Wert von dem am Kapitalmarkt gehandelten Preis abweicht, basiert im Rahmen der Investitionsmethode Value Investing auf einem Buch von Graham und Dodd (1934).488 Benjamin Graham und David Dodd hatten, als diese an der Columbia University in 1928 begannen zu unterrichten, die Idee von Spekulation und Investition an Wertpapiermärkten mithilfe von fundamentalen Analysen.489 Warren Buffet äußert sich hierzu wie folgt: „The CAPM says that if the price of a stock drops more than the market, it has a high beta: It’s high risk. But if the price goes down because the market is mispricing the stock relative to other stocks, then the stock is not necessarily high risk: The chance of making an abnormal return has increased, and paying attention to fundamentals makes the investor more secure, not less secure.“490 3.1.1 Historische Betrachtung Benjamin Graham hat die Investmentstrategie Value Investing in den 1930er Jahren angepriesen. Zusammen mit David Dodd hat er das Buch „Security Analysis“491

483

Vgl. Eisenhofer (2005), S. 1. Vgl. Cohen/Polk/Vuolteenaho (2001), S. 609-642. 485 Vgl. Jaunich (2008), S. 44. 486 Auch innerer Wert eines Wertpapiers genannt. 487 Vgl. Perridon/Steiner/Rathgeber (2012), S. 220 f. 488 Siehe hierfür Graham/Dodd (1934), S. 1-725. 489 Vgl. Elze (2010), S. 536. 490 Zitiert nach Penman (2007), S. 692. 491 Siehe hierzu Graham/Dodd (1934), S. 1-725. 484

Kapitalmarktanomalie Value versus Growth

79

veröffentlicht, in dem die beiden Autoren ausführlich erklären, wie der Wert einzelner Unternehmen ermittelt werden kann. 492 Damit haben sie den Grundstein für die Wertpapier- bzw. Fundamentalanalyse und den Beruf des Finanzanalysten gelegt. Etwa zur gleichen Zeit hat John Burr Williams mit seinem Werk „The Theory of Investment Value“493 einen umfassenden Ansatz geliefert, wie Barwerte und wie Risikoprämien bei Unsicherheit von Wertpapieren berechnet werden können.494 Graham hat seine theoretischen Ansätze als Manager der Graham-Newman Corporation von 1936-1958 umgesetzt.495 Von den vielen möglichen Bewertungskennzahlen aus der Fundamentalanalyse, welche Value Strategien zugeordnet werden können, hat Graham das Verhältnis von Liquidationswert zum Marktwert der Unternehmung bevorzugt.496 Sobald ein Unternehmen einen Kennzahlenwert von 2/3 oder niedriger hatte, waren deren Aktien für den Kauf interessant. Graham definiert dabei den Liquidationswert als Umlaufvermögen abzüglich aller (kurz- und langfristigen) Verbindlichkeiten dividiert durch die ausgegebenen Aktien. Das Anlagevermögen wird dabei nicht betrachtet. Graham hat beobachtet, dass Unternehmen, die dieses 2/3 Verhältnis von geschätztem Liquidationswert zum Marktwert unterschreiten, oftmals mit deutlichen Preisabschlägen gehandelt werden im Vergleich zu dem, was in Wirklichkeit als Liquidationswert realisiert werden kann und somit unterbewerten sind.497 Graham beschreibt dies wie folgt: „It is clear that these issues were selling at a price well below the value of the enterprise as a private business. No proprietor or majority holder would think of selling what he owned at so ridiculously low a figure. […] In various ways practically all these bargain issues turned out to be profitable and the average annual result proved much more remunerative than most other investments.“498 Ein bekannter Befürworter von Value Investing und Schüler von Professor Benjamin Graham ist Warren Buffett. Als früher Befürworter des Bewertungsansatzes mit niedrigem KGV gilt Nicholson (1960).499 Basu (1977) war es, der als erster das Value Premium in einer repräsentativen Zeitreihe nachgewiesen hat.500 Aktien mit niedrigem KGV, sogenannte Value Aktien, haben in der Vergangenheit eine bessere Performance gezeigt als Aktien mit hohem KGV, sogenannte Growth Aktien.501

492

Vgl. Bauman/Miller (1997), S. 57. Siehe hierzu Williams (1938), S. 1-565. 494 Vgl. Qian/Sorensen/Hua (2009), S. 42. 495 Vgl. Ortner (2012), S. 1. 496 Vgl. Graham (1976), S. 20-23. 497 Vgl. Xiao/Arnold (2008), S. 11 f. 498 Graham/Zweig (2006), S. 33 f. 499 Vgl. Nicholson (1960), S. 43-45; Bauman/Miller (1997), S. 57 f.; Elze (2010), S. 527. 500 Siehe hierzu Abschnitt 3.2.1. 501 Vgl. Athanassakos (2011a), S. 86. 493

80

Kapitalmarktanomalie Value versus Growth

Der Auswahlprozess von Value Investoren ist zweigeteilt. Zuerst suchen sie nach Wertpapieren, die gewisse Eigenschaften, wie z.B. ein niedriges KGV oder niedriges KCV aufweisen. Dies ist identisch mit der durch Forscher in wissenschaftlichen Aufsätzen durchgeführten Klassifizierung von Value und Growth Wertpapieren. Jedoch hört der Auswahlprozess bei Value Investoren hierbei noch nicht auf. Sie bewerten jede Aktie einzeln mithilfe der Fundamentalanalyse und ermitteln den intrinsischen Wert. Dieser wird mit dem Marktpreis verglichen, und falls eine deutliche Unterbewertung des Marktpreises zum intrinsischen Wert502 vorliegt, werden sie investieren.503 3.1.2 Investmentstrategie Menschen neigen dazu, Objekte des Alltags nach Gemeinsamkeiten zu kategorisieren. So werden Autos beispielsweise nach der Marke, z.B. Volkswagen oder Mercedes Benz, aber auch nach der Funktion, z.B. Sportwagen oder Limousine, eingeteilt.504 Ebenso werden Wertpapiere durch Investoren gruppiert. Hierbei erfolgt vor allem die Klassifizierung nach Wertpapierklassen505 und nachgelagert eine Aufteilung in sogenannte Investmentstile.506 Gregory-Allen, Shawky und Stangl (2009) fassen dies wie folgt zusammen: „Investment Style refers to a manager's choice of a specific universe from which to select stocks.“507 Aktien können z.B. nach Aktien mit hoher und niedriger Marktkapitalisierung oder nach Regionen, z.B. Aktien aus Deutschland oder der Eurozone, gruppiert werden.508 Zusätzlich zu der Einteilung nach Merkmalen wie beispielsweise der Unternehmensgröße können Wertpapiere nach Value und Growth eingeteilt werden.509 In Abb. 13 wird eine typische Klassifizierung vorgenommen, bei der Value und Growth sowie Large Cap und Small Cap unterschieden werden. Large Cap sind Aktien von Unternehmen mit hoher Marktkapitalisierung, Small Cap mit niedriger.

502

Dieses Konzept wird als Margin of Safety bezeichnet. Siehe hierzu Abschnitt 3.1.3. Vgl. Athanassakos (2011a), S. 86; Athanassakos (2012), S. 1 f. 504 Vgl. Teo/Woo (2004), S. 367 f. 505 Wertpapierklasse wird auch als Assetklasse bezeichnet, da es vom englischen Begriff „Asset Class“ abgeleitet ist. 506 Investmentstile werden auch Styles genannt. Die Terminologie Style ist vor allem in der englischsprachigen Literatur vielschichtig. Sie kann prozessbezogen im Rahmen der Aktienauswahl (Stock Selection) definiert sein. Diese Interpretation wird auch für die vorliegende Arbeit genutzt. Eine andere Auffassung für Style ist die synonyme Verwendung als Assetklasse. Teilweise werden Investmentstile qualitativ und verbal beschrieben und teilweise quantitativ und konkret. Vgl. Postert (2007), S. 39-41. 507 Gregory-Allen/Shawky/Stangl (2009), S. 44. 508 Vgl. Teo/Woo (2004), S. 367 f. 509 Vgl. Kieselstein/Sauer (2000), S. 525. 503

Kapitalmarktanomalie Value versus Growth

x Hohes Gewinnwachstum x Hohe Bewertung x Etablierte Unternehmen

81

Growth x Sehr hohes Gewinnwachstum x Extrem hohe Bewertung x Junge Unternehmen

Large Cap

Small Cap

x Niedriges Gewinnwachstum x Günstige Bewertung x Etablierte Unternehmen

x Niedriges Gewinnwachstum x Günstige Bewertung x Oftmals hohe Dividendenrendite Value

Abb. 13: Klassifizierung von Investmentstrategien510 Investoren haben bei der Anlageverwaltung die Wahl zwischen aktivem und passivem Management. Diese Investmentphilosophien unterscheiden sich grundlegend. Eine passive Anlagestrategie repliziert eine Benchmark und entwickelt sich demnach entsprechend dem nachgebildeten Index.511 Sie unterstellt effiziente Märkte und basiert auf der neoklassischen Kapitalmarkttheorie.512 Aktives Management, welches meist höhere Kosten verursacht, macht nur Sinn, wenn die Effizienzmarkthypothese in Frage gestellt wird und Anomalien existieren, die durch aktives Suchen nach fehlbewerteten Wertpapieren ausgenutzt werden können.513 Bei der aktiven Anlagestrategie nutzt der Portfoliomanager eigene Prognosen zu den Anlagealternativen und entscheidet sich für eine bestimmte Anlageauswahl mit dem Ziel einer in absoluten Werten gemessenen Mindestperformance oder einer relativ betrachtet besseren Performance als eine vorgegebene Benchmark.514 Einer Studie des Forschungszentrums der Bundesbank zufolge dominiert die fundamentale Analysemethode bei deutschen Aktienfondsmanagern.515 Value Investing ist eine Strategie, bei der Wertpapiere gekauft werden, deren fairer Wert höher als der gehandelte Marktpreis ist. Der faire Wert eines Wertpapiers wird mittels Fun-

510

Eigene Darstellung in Anlehnung an Kieselstein/Sauer (2000), S. 525. Vgl. Hößl (2009), S. 29. Siehe hierzu Abschnitt 2.1 513 Vgl. Hößl (2009), S. 30. 514 Vgl. Kieselstein/Sauer (2000), S. 521. 515 Vgl. Arnswald (2001), S. 12. 511 512

82

Kapitalmarktanomalie Value versus Growth

damentalanalyse hergeleitet. Ein zu niedriger Marktpreis ist sowohl auf eine Überreaktion der Marktakteure auf negative Nachrichten zurückzuführen, als auch auf die Nichtbeachtung von einzelnen Unternehmen durch Finanzanalysten.516 Eine Abweichung zwischen Marktpreis und Wert einer Aktie widerspricht der Gültigkeit der Effizienzmarkthypothese, wonach auf einem effizienten Markt immer alle verfügbaren Informationen vollkommen in den Preisen enthalten sind.517 Diese Abweichung kann jedoch mithilfe von verhaltensorientierten Modellen518 erklärt werden.519 Auch kann geringe Liquidität des Wertpapiers ein Grund für die zeitweise Marktabweichung darstellen.520 Grundsätzlich haben Value Wertpapiere geringere Preise relativ zu Fundamentaldaten als Growth Wertpapiere. Beispiele für Fundamentaldaten können z.B. der Buchwert, der Umsatz, der Gewinn oder die Dividende sein. Im Falle der Dividende bedeutet dies, dass eine höhere Dividende je investiertem Geld gezahlt wird. Value Investoren vertreten die Ansicht, dass die höheren Erträge von Value Wertpapieren das größere Wachstum der Erträge von Growth Wertpapieren übersteigt und somit eine bessere Rendite erwirtschaftet werden kann.521 Growth Wertpapiere andererseits sind Wertpapiere von Unternehmen mit einem überdurchschnittlich starken Wachstum.522 Für Growth Investing bzw. Growth Investoren sind daher ein starkes Umsatz- und Gewinnwachstum entscheidend. Da Growth Aktien beispielsweise anhand eines hohen KGV identifiziert werden, implizieren Verfechter von Growth Strategien eine hohe Korrelation zwischen zukünftigem erwartetem Gewinn des Unternehmens und Rendite des Investments.523 Eine Möglichkeit warum Growth Wertpapiere eine niedrigere Performance aufweisen als Value Wertpapiere ist, dass die Investoren die Wachstumsaussichten von Unternehmen überschätzen, deren Gewinne und Umsätze sehr schnell steigen und dadurch diese Wertpapiere stark nachgefragt werden und die Preise mehr als fundamental gerechtfertigt ansteigen.524 Value Investoren werden auch teilweise als „Contrarians“ bezeichnet, da bei der Value Strategie oftmals auf Wertpapiere gesetzt wird, die in der Vergangenheit eine schlechte Entwicklung genommen haben. Die im Abschnitt 3.1.4 beschriebenen Multiplikatorenkennzahlen zeigen Value Wertpapiere an, wenn der Marktpreis relativ zu den Fundamentaldaten niedrig ist. Unternehmen mit diesen Eigenschaften 516

Vgl. Keimling (2004), S. 1. Siehe hierzu Abschnitt 2.1.3 518 Siehe für die verhaltensorientierten Modelle Abschnitt 3.1.8. 519 Vgl. Jaunich (2008), S. 92. 520 Vgl. Amihud/Mendelson (1986), S. 223-249. 521 Vgl. Chaves/Arnott (2012), S. 59. 522 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 217. 523 Vgl. Büschgen (2012), S. 480. 524 Vgl. Siegel (1998), S. 98. 517

Kapitalmarktanomalie Value versus Growth

83

sind auch teilweise sogenannte „Fallen Angels“ und werden von der Masse der Investoren nicht mehr beachtet bzw. nicht als Investitionsobjekt angesehen.525 Diese Wertpapiere sind jedoch sehr gute Investitionsobjekte, sofern deren Entwicklung besser ist als die Entwicklungserwartung der Masse der Investoren. Bauman und Miller (1997) beschreiben diese Investmentstrategie wie folgt: „In more recent years, however, the value style has received increased attention; the contrarian approach is considered a subset of this style.“526 Eine bekannte Studie, welche die Contrarian Strategie527 mit dem Value Effekt verbindet, ist von Lakonishok, Shleifer und Vishny (1994).528 Zum Ausnutzen der Kapitalmarktanomalie Value vs. Growth bedarf es eines langfristigen Anlagezeitraums.529 Value Investing ignoriert kurzfristige Handelsstrategien und die Anwendung der technischen Analyse. Eine große Bedeutung erhält der Preis bei der Bewertung der Investitionsobjekte. Nur bei einem für den Investor guten Preis lohnt sich ein Investment.530 Da über einen kurzen Zeitraum eine gegenläufige Anomalie, der Momentum Effekt, den Contrarian Effekt überwiegt, ist eine langfristige Betrachtung für das Value Investing entscheidend.531 Die meisten Wertpapierindizes sind nach der Marktkapitalisierung gewichtet.532 Fundamentale Indexierung hingegen ist eine Indexzusammensetzung nicht nach der Kapitalisierung, sondern nach preisunempfindlichen fundamentalen Kenngrößen für Value wie beispielsweise Gewinn, Cashflow, Umsatz oder Dividende.533 Arnott, Hsu und Moore (2005) zeigen für einen Zeitraum von 43 Jahren von 1962 bis 2004,

525

Vgl. Kieselstein/Sauer (1998), S. 824. Bauman/Miller (1997), S. 57. Siehe hierzu auch Abschnitt 2.2.4. 528 Vgl. Lakonishok/Shleifer/Vishny (1994), S. 1541-1578; Jaunich (2008), S. 82. 529 Die Forscher Josef Lakonishok, Andrei Shleifer und Robert Vishny haben 1994 den Value Aktienfonds „LSV“ gegründet. Ihre Investmentphilosophie beschreiben sie wie folgt: „The fundamental premise on which our investment philosophy is based is that superior long-term results can be achieved by systematically exploiting the judgmental biases and behavioral weaknesses that influence the decisions of many investors. […] LSV uses a quantitative investment model to choose out-of-favor (undervalued) stocks in the marketplace at the time of purchase that have potential for near-term appreciation. LSV believes that these out-of-favor securities will produce superior future returns if their future growth exceeds the market’s low expectations.“ LSV Asset Management (Hrsg.) (2015), recherchiert am 27.07.2015, S. 1. Auch andere Forscher der Behavioral Finance sind als Fondsmanager tätig. Beispielsweise haben Russel Fuller und Richard Thaler die Fondsgesellschaft „Fuller & Thaler Asset Management“ in 1993 gegründet. Ihr Ansatz lautet „Investors make mental mistakes that can cause stocks to be mispriced. Fuller & Thaler’s objective is to use our understanding of human decision making to find these mispriced stocks and earn superior returns.“ Fuller & Thaler Asset Management (Hrsg.) (2015), recherchiert am 27.07.2015. 530 Vgl. Whitman (1999), S. 69. 531 Vgl. Horan (2014), S. 16. Sowohl der Momentum als auch der Contrarian Effekt werden in Abschnitt 3.2.2 näher behandelt. 532 Vgl. Leser (1988), S. 70. 533 Vgl. Estrada (2007), S. 93. Cavaglia et al. (2006) beschreiben die Konstruktion eines Value Index. Vgl. Cavaglia et al. (2006), S. 21 f. 526 527

84

Kapitalmarktanomalie Value versus Growth

dass die Rendite von fundamentalen Indizes534 im Durchschnitt 1,97 Prozentpunkte höher liegen als der S&P 500 Index.535 Durch diese fundamentalen Indizes ist es auch Kleinanlegern möglich, eine Value Strategie zu verfolgen.536 3.1.3 Konzept der Margin of Safety Wenn der Marktpreis deutlich unter dem inneren (fairen) Wert des Wertpapiers liegt, dann bietet dies eine gute Investitionsmöglichkeit. Die Differenz zwischen dem Wert des Wertpapiers und dem Preis wird Margin of Safety genannt.537 Diese Sicherheitsmarge dient dem Investor als Puffer für etwaig auftretende Fundamentalund Modellrisiken.538 Buffett beschreibt das Konzept der Margin of Safety in Bezug auf Toleranz: „When you build a bridge, you insist it can carry 30.000 pounds, but you only drive 10.000-pound trucks across it. And that same principle works in investing.“539 Klarman hingegen definiert die Margin of Safety als „[…] investing at considerable discounts from underlying value, an individual provides himself or herself room for imprecision, bad luck, or analytical error while avoiding sizeable losses.“540 Zudem kann das Konzept der Margin of Safety auch mit einer Realoption auf Abwarten erklärt werden. Bei der Ausführung der Option vergibt der Investor die Chance, länger auf einen besseren Preis zu warten. Daher muss der Wert des Preisabschlages auf die Investition mindestens so groß sein wie der Wert der Option auf Abwarten.541 Die Margin of Safety ist nicht unbedingt als absoluter Betrag zu verstehen, sondern hat einen relativen Charakter, abhängig von der in das Modell gesetzten Überzeugung, der möglichen Schmerzgrenze für die Volatilität des Investments und der tolerierbaren maximalen Verlustquote.542 Wichtig im Investmentprozess ist, dass der Investor ein gut diversifiziertes Portfolio von Value Wertpapieren zusammenstellt, da er sonst eine erheblich größere Margin of Safety benötigt.543 Die Margin of Safety impliziert das Vermeiden von übermäßigem Wertpapierhandelsaktivitäten.544

534

Die Autoren nutzen die Indikatoren Buchwert und die fünfjährigen Durchschnitte von Cashflow, Ertrag, Umsatz, Dividende und Gesamtbeschäftigung. 535 Vgl. Arnott/Hsu/Moore (2005), S. 86. 536 Vgl. Ang (2014), S. 235. 537 Vgl. Horan (2014), S. 117. 538 Siehe hierzu Abschnitt 2.2.5. 539 Buffett (1984), S. 14. 540 Klarman (2001), S. 234. 541 Vgl. Yee (2008), S. 35. 542 Vgl. Klarman (2001), S. 93; Horan (2014), S. 117. 543 Vgl. Horan (2014), S. 117. 544 Vgl. Yee (2008), S. 35.

Kapitalmarktanomalie Value versus Growth

85

So hat Warren Buffett auch gesagt: „[…] my favorite time frame for holding a stock is forever.“545 3.1.4 Fundamentale Analyse Bei der Bewertung von Unternehmen wird grundsätzlich angenommen, dass diese ihre Unternehmenstätigkeit auch in der Zukunft fortsetzen und somit dem sogenannten Going Concern Prinzip folgen.546 Bei der Analyse von Value und Growth Wertpapieren handelt es sich um kapitalmarktfinanzierte Unternehmen.547 Um Kapitalmarktbewertungen von Wertpapieren auf Fehlbewertungen zu prüfen, eignen sich Multiplikatormethoden, da diese einfach anzuwenden und verständlich sind.548 Bei der fundamentalen Kennzahlenanalyse wird ein fundamentaler Wert aus dem Jahresabschluss, wie beispielsweise der Gewinn oder der Cashflow, mit einem Kapitalmarktwert, wie beispielsweise dem Aktienkurs oder der Effektivverzinsung, ins Verhältnis gesetzt, umso die Aktie bzw. die Anleihe zu analysieren.549 Bei dieser Analyse handelt es sich um eine relative Bewertung. Jede Kennzahl wird im Vergleich zu der gleichen Kennzahl der anderen betrachteten Unternehmen gesetzt.550 Ziel ist es Wertpapiere zu finden, die bei gleicher Qualität zu einem niedrigeren Preis angeboten werden oder eine bessere Investitionsrendite bieten.551 Dies kann durch eine Sortierung nach Kennzahlengröße geschehen, wodurch eine Einteilung in verschiedene Gruppen, beispielsweise in Quantile, vorgenommen werden kann.552 Relevante Multiplikatoren für die fundamentale Aktienanalyse, sogenannte AktienIndikatoren, sind u.a.:553 x Ausschüttungsquote x Dividendenrendite x Dividendenwachstum x Eigenkapitalrentabilität x EV-EBITDA Verhältnis 545

Buffett/Lowe (2007), S. 209. Vgl. Whitman/Diz (2013), S. 265. 547 Vgl. Greenwald (2004), S. 3 f. 548 Vgl. Langguth (2008), S. 31. 549 Vgl. Glaser/Weber (2001), S. 5. 550 Vgl. Chee/Sloan/Uysal (2013), S. 603 f. 551 Vgl. Horan (2014), S. 206. 552 Vgl. Glaser/Weber (2001), S. 5 f. Bei einer solchen Sortierung kann beispielsweise das 10 %-Quantil der am höchsten und am niedrigsten nach KGV bewerteten Aktien einfach und schnell abgelesen werden. 553 Eigene Auflistung der für die empirische Untersuchung verwendeten Variablen. 546

86

Kapitalmarktanomalie Value versus Growth

x Gesamtkapitalrentabilität x KBV x KCV x KGV x KUV Folgend werden die Aktien-Indikatoren näher betrachtet. Die Ausschüttungsquote zeigt an, wie viel Prozent der Nettoerlöse in Form von Dividendenzahlungen an die Investoren gezahlt wird:554 Dividende . Nettoerlöse

Ausschüttungsquote

(3.1)

Durch die Dividende werden erwirtschaftete Gewinne an die Aktionäre ausgeschüttet. Hierbei unterscheiden sich die Ausschüttungsquoten von Unternehmen zu Unternehmen jedoch erheblich. Wachstumsunternehmen nutzen die erwirtschafteten Überschüsse für Investitionen in neues Wachstum und zahlen somit meist nur eine geringe oder gar keine Dividende. Langsam wachsende, etablierte Unternehmen hingegen schütten häufig konstante Dividenden und damit einen Großteil des erwirtschafteten Jahresüberschusses aus.555 Die Dividendenrendite signalisiert, wie die Dividendenhöhe im Verhältnis zum Aktienkurs ausfällt:556 Dividendenrendite

Dividende Marktkapitalisierung

Dividiende je Aktie . Aktienkurs

(3.2)

Das Dividendenwachstum in der hier angegebenen Formel stellt die Veränderung der Dividendenzahlung über einen Zeitraum von vier Perioden dar:557 Dividendenwachstum

Dividendet Dividendet  4

Dividiende je Aktiet . Dividiende je Aktiet  4

(3.3)

Gründe, warum Dividenden von Unternehmen gezahlt werden, gibt es viele. Ein Beispiel hierfür ist, dass manche Investoren die Dividenden als die Entschädigung für die Investition in das Unternehmen ansehen. Aktionäre werden für das Invest-

554

Vgl. Kaiser (2014), S. 16. Vgl. Wöltje (2011), S. 231 f.; Schmidlin (2013), S. 103 f. 556 Vgl. Schmidlin (2013), S. 104. 557 Vgl. Kaiser (2014), S. 16. In dieser Arbeit wird, in Anlehnung an Kaiser (2014), S. 16, der Zeitraum von vier Perioden gewählt. 555

Kapitalmarktanomalie Value versus Growth

87

ment belohnt und potentielle Aktionäre werden zum Investieren angeregt. Allerdings kann auch ein Unternehmen durch eine geringe oder keine Dividende signalisieren, dass es attraktive Investitionsmöglichkeiten besitzt, da der Wertgewinn der Aktie höher ist als die Dividendenzahlung an den Aktionär.558 Mithilfe der Eigenkapitalrentabilität wird die Profitabilität in Hinsicht auf das Eigenkapital betrachtet. Die Kennzahl zeigt die Rendite des durch die Anteilseigner eingebrachten Kapitals an und eignet sich zum Vergleich zwischen verschiedenen Investments. Eine hohe Kennzahl wird erreicht, wenn entweder der Jahresüberschuss hoch oder das Eigenkapital niedrig ist. Bei einer niedrigen Eigenkapitalrentabilität kann ein ineffizienter Kapitaleinsatz oder eine Fehlbewertung des Eigenkapitals vorliegen.559 Eigenkapitalrentabilität

Jahresüberschuss *100 . Eigenkapital

(3.4)

Die vorangegangenen Multiplikatoren befassen sich mit der Ermittlung bzw. dem Vergleich von Eigenkapitalverhältnissen. Mithilfe von Enterprise Value (EV) Multiplikatoren wird der Gesamtwert des Unternehmens betrachtet:560 EV - EBITDA Verhältnis

Marktwert von Eigen - und Fremdkapital . EBITDA

(3.5)

Mit der Kennzahl EBITDA561 wird die Rentabilität einer Unternehmung betrachtet. Es handelt sich hierbei um den Gewinn vor Zinsen, Steuern, Abschreibungen auf Sachanlagen sowie immaterielle Vermögensgegenständen und dient zur Darstellung des Betriebsergebnisses.562 Da das EBITDA ein Vorsteuerergebnis ist, das weder die Finanzierungsstruktur noch nicht auszahlungswirksame Aufwendungen betrachtet, stellt es den Zahlungsüberschuss der gewöhnlichen Geschäftstätigkeit des Unternehmens dar.563 Die Gesamtkapitalrentabilität betrachtet zusätzlich zum Gewinn auch die gezahlten Zinsen für Fremdkapital im Verhältnis zur Bilanzsumme. Das Kapital von Eigenund Fremdkapitalgebern sowie der Ertrag für beide Gruppen finden Berücksichtigung, wodurch bei der Gesamtkapitalrentabilität von der Rendite aller Kapitalgeber gesprochen werden kann. Außerdem ist diese Kennzahl besser vor finanzpolitischen

558

Vgl. Black (1976), S. 10. Vgl. Lee/Lee (2006), S. 217; Schmidlin (2013), S. 38. Vgl. Damodaran (2012), S. 7 f.; Liu/Nissim/Thomas (2002), S. 2. 561 Abkürzung für den englischen Ausdruck „Earnings Before Interest, Taxes, Depreciation and Amortization“. 562 Vgl. Schierenbeck (2003), S. 65 f. 563 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 325. 559 560

88

Kapitalmarktanomalie Value versus Growth

Entscheidungen geschützt als die Eigenkapitalrentabilität, da die Fremdkapitalzinsen Einfluss auf die Kennzahl haben.564 Gesamtkapitalrentabilität

Jahresüberschuss *100 . Bilanzsumme

(3.6)

Das KBV, welches in englischsprachiger Literatur oftmals invers als BuchwertMarktwert-Verhältnis565 bezeichnet wird, gibt folgendes Verhältnis an:566 KBV

Marktkapitalisierung Eigenkapital

Aktienkurs . Buchwert je Aktie

(3.7)

Im Gegensatz zum KGV wird beim KBV ein statischer Buchwert und somit eine Bestandsgröße aus der Bilanz mit einer Marktbewertung verglichen. Die Interpretation vom KBV zur Identifikation von unterbewerteten Wertpapieren erscheint hierbei schwierig.567 Das KBV zeigt den Aufschlag auf das Reinvermögen an, also den Wert der über den Vermögenswerten abzüglich Schulden liegt. Dieser Aufschlag macht nur Sinn, weil vom Going Concern Prinzip ausgegangen wird. Wenn das KBV unter 1 ist, dann ist es theoretisch möglich, das gesamte Unternehmen zu kaufen und zum Liquidationswert zu verkaufen, wodurch ein risikofreier Gewinn erwirtschaftet werden könnte.568 Die Bewertung mit dem KBV Multiplikator wird von Finanzanalysten häufig bei traditionellen Industrieunternehmen genutzt. 569 James Tobin (1969) hat eine ähnliche Kennzahl, das Kurs-Substanzwert-Verhältnis570 geschaffen, um Investoren zu helfen, angemessen bepreiste, gute Aktien zu finden. Hierbei wird der Marktwert des Unternehmens mit dem Wiederbeschaffungswert der Vermögensgegenstände verglichen.571 Der Wiederbeschaffungswert der Vermögensgegenstände ist ein theoretischer Wert, der gezahlt werden müsste, wenn alle Vermögensgegenstände ersetzt werden würden.572 Cashflowbasierte Kennzahlen haben den Vorteil, dass die Rechnungslegungsentscheidungen und Bewertungsmethoden überwiegend irrelevant für die Zahlungs-

564

Vgl. Schmidlin (2013), S. 46. Bei der Berechnung der Gesamtkapitalrentabilität werden auch teilweise die Fremdkapitalzinsen berücksichtigt. Da diese Kennzahl in dieser Arbeit nur als Indikator für Eigenkapitalinvestoren verwendet wird, wird nur der Jahresüberschuss beachtet. 565 Im Englischen wird dies als „Book-to-market Ratio“ bezeichnet. 566 Vgl. Schmidlin (2013), S. 119. 567 Vgl. Glaser/Weber (2001), S. 10; Lakonishok/Shleifer/Vishny (1994), S. 1541-1578. 568 Vgl. Schmidlin (2013), S. 119-124; Bruns/Meyer-Bullerdiek (2013), S. 320 f. Hierbei liegt die Annahme vor, dass der Buchwert dem Liquidationserlös entspricht. 569 Vgl. Langguth (2008), S. 39. 570 Diese Kennzahl wird auch als Tobin’s Q oder Tobins Quotient bezeichnet. 571 Vgl. Brainard/Tobin (1968), S. 101; Tobin (1969), S. 21; Ortner (2012), S. 3 f. 572 Vgl. Yeh/Hsu (2010), S. 437 f.

Kapitalmarktanomalie Value versus Growth

89

ströme sind. Dadurch bieten Cashflows eine stabile und international bessere Vergleichsmöglichkeit. So verzerren nicht zahlungswirksamer Aufwand wie z.B. Abschreibungen auf Sachanlagen oder Pensionsaufwendungen Kennzahlen aus der Bilanz und Gewinn- und Verlustrechnung, jedoch nicht den Cashflow.573 Das KCV berechnet sich wie folgt:574 KCV

Marktkapitalisierung Cashflow

Aktienkurs . Cashflow je Aktie

(3.8)

Jedoch kann auch ein Vergleich mithilfe des Cashflows problematisch sein, so z.B. wenn ein Vergleich von Unternehmen mit unterschiedlicher Kapitalintensität durchgeführt wird, da Unternehmen mit hoher Kapitalintensität für Investitionsfinanzierungen höhere Geldbeträge benötigen und vorhalten. In diesem Fall eignet sich der freie Cashflow575 besser als der Cashflow je Aktie.576 Das KGV577 gibt an, in welchem Verhältnis der Marktpreis des Eigenkapitals zum Gewinn steht:578 KGV

Marktkapitalisierung Jahresüberschuss

Aktienkurs . Gewinn je Aktie

(3.9)

In der Finanz- bzw. Wertpapieranalyse ist das KGV eine wichtige Kennzahl.579 Es ist leicht zu berechnen, sehr verbreitet und bekannt unter Finanzanalysten sowie Anlegern.580 Ein hohes KGV bedeutet tendenziell, dass es sich um eine hohe und somit teure Bewertung handelt. Dies kann bedeuten, dass der Aktienkurs hoch ist, da die Erwartungen für die Zukunft hoch sind, weil beispielsweise hohe Wachstumserwartungen vorliegen. Aber auch ein geringer Gewinn bewirkt, dass das KGV hoch ist.581 Mittelbaren Einfluss auf das KGV haben Faktoren wie z.B. die Marktposition, die finanzielle Stabilität, das Risiko, das Management und die Gewinnqualität in Form von geringerer Volatilität der Gewinne.582 Das KGV ist jedoch nur anwendbar, wenn ein positiver Jahresüberschuss vorliegt. Im Falle eines Jahresfehl-

573

Vgl. Glaser/Weber (2001), S. 8; Schmidlin (2013), S. 125. Vgl. Schmidlin (2013), S. 125. 575 Der freie Cashflow, der im Englischen als „Free Cash Flow“ bezeichnet wird, ist der Cashflow, der nach Durchführung aller vorteilhaften Investitionen zur Verteilung an Eigen- und Fremdkapitalgeber vorhanden ist. Vgl. Jensen (1986), S. 323. 576 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 319 f. 577 Im Englischen wird dies als „Price/Earnings Ratio“ bezeichnet. 578 Vgl. Schmidlin (2013), S. 112. 579 Vgl. Glaser/Weber (2001), S. 7. 580 Vgl. Langguth (2008), S. 38. 581 Vgl. Horan (2014), S. 102. 582 Vgl. Bruns/Meyer-Bullerdiek (2013), S. 317 f.; Schmidlin (2013), S. 112-119. 574

90

Kapitalmarktanomalie Value versus Growth

betrags ist die Verwendung des Kehrwerts des KGV zu empfehlen, da so Unternehmen berücksichtigt werden können, die Verluste erwirtschaften.583 Da der Jahresüberschuss durch die Bilanzpolitik des Unternehmens beeinflussbar ist, kann es zu Fehleinschätzungen kommen.584 Beim KUV wird der Unternehmenspreis mit dem Umsatz ins Verhältnis gesetzt:585 KUV

Marktkapitalisierung Umsatzerlöse

Aktienkurs . Umsatz je Aktie

(3.10)

Diese Kennzahl unterliegt ebenfalls geringer Manipulationsmöglichkeiten durch bilanzpolitische Wahlmöglichkeiten. Selbst bei einem negativen Jahresergebnis kann das KUV unabhängig als Bewertungskennzahl verwendet werden.586 Jedoch sollte die Kennzahl immer im Kontext anderer Bewertungskennzahlen interpretiert werden, da es z.B. möglich ist, einen hohen Umsatz bzw. geringes KUV zu haben und gleichzeitig schlechte Aussichten auf zukünftige Gewinne und Cashflows.587 Die Bilanzpolitik der Unternehmen stellt ein großes Problem für die Vergleichbarkeit dar. Vor allem Unternehmen mit angespannter Ertragslage versuchen einen fälschlichen Eindruck zu erzeugen.588 Besonders die Wahlrechte und Spielräume bei der Bilanzierung schränken die Aussagekraft der Jahresabschlussdaten (Fundamentaldaten) ein.589 Die Informationen aus dem Jahresabschluss sind für viele verschiedene Interessengruppen590 von Belang, wodurch es zu Interessenskonflikten kommen kann. Relevant für diese Forschungsarbeit sind die Interessen der Aktionäre und der Gläubiger. Die Aktionäre haben ein primäres Interesse daran, dass die Unternehmensleitung das zur Verfügung gestellte Kapital erhält und der Wert des Unternehmens steigt, sodass sich der Aktienkurs erhöht und eine Dividende ausgeschüttet wird. Den Gläubigern ist vorrangig wichtig, dass die Rückzahlung ihre Forderungen gegenüber dem Unternehmen sicher ist. Daher sind die sachgemäße Verwendung des Gläubigerkapitals und die Liquiditätsverhältnisse des Unternehmens für Gläubiger wichtig.591

583

Vgl. Postert (2007), S. 186. Vgl. Langguth (2008), S. 38. 585 Vgl. Wiehle et al. (2011), S. 119. 586 Vgl. Schmidlin (2013), S. 126. 587 Vgl. Horan (2014), S. 103. 588 Vgl. Krommes (2008), S. 433 f. 589 Vgl. Peemöller (1993), S. 238. „Creative Accounting“, „Window-dressing“ oder „Bilanz-publicity“ sind Begriffe für dieses Problem. Vgl. Peemöller (1993), S. 238. 590 Zusätzlich zu den internen Zwecken des Jahresabschlusses gibt es externe Interessengruppen, die sich für die Informationen aus der Bilanz interessieren. Diese können beispielsweise Aktionäre, Gläubiger, Prüfer, Finanzbehörden, Konkurrenzunternehmen, Mitarbeiter, Wirtschaftsverbände, Forscher, Gerichte, Aufsichtsorgane, Staat und die Presse sein. Vgl. Harder (1962), S. 13-15. 591 Vgl. Harder (1962), S. 15 f. 584

Kapitalmarktanomalie Value versus Growth

91

Im Folgenden wird auf die Anleihen-Indikatoren eingegangen. Diese bieten einen veränderten Blickwinkel mit Fokus auf die Verbindlichkeiten:592 x Multiplikator 1 x Multiplikator 2 x Multiplikator 3 x Multiplikator 4 x Multiplikator 5 x Dynamischer Verschuldungsgrad x Fremdkapitalquote x Zinsdeckungsgrad Die Multiplikatoren 1 bis 5 werden im Folgenden definiert, sind jedoch, soweit bekannt, bisher nicht in Forschungsarbeiten genutzt worden. Bei den Multiplikatoren 1 bis 5 wird die Effektivverzinsung mit einer für die Anleihe bzw. das emittierende Unternehmen entscheidenden fundamentalen Kennzahl ins Verhältnis gesetzt. Bei Multiplikator 2 ist es beispielsweise der Gewinn je Anleihe. Die Bildung der Bewertungskennzahl findet analog zum Aktien-Indikator KGV statt, jedoch wird bei Multiplikator 2 nicht der Preis, sondern die Effektivverzinsung der Anleihe betrachtet. Grund hierfür ist die bessere Aussagekraft von der Effektivverzinsung gegenüber dem Preis, da dieser meist in Prozent angegeben wird. Multiplikator 1

Effektivverzinsung *1000 , Modifizierte Duration

(3.11)

Multiplikator 2

Effektivverzinsung *1000 , Jahresüberschuss

(3.12)

Multiplikator 3

Effektivverzinsung *1000 , EBITDA

(3.13)

Multiplikator 4

Effektivverzinsung *1000 , Cashflow

(3.14)

Multiplikator 5

Effektivverzinsung *1000 . Umsatzerlöse

(3.15)

592

Eigene Auflistung der für die empirische Untersuchung verwendeten Variablen.

92

Kapitalmarktanomalie Value versus Growth

Neue Multiplikatoren zu bilden, um eine Value vs. Growth Anomalie aufzudecken bzw. diese zu widerlegen, ist nicht unüblich. So kreiert Elze (2010) zwölf Multiplikatoren, die aus bekannten Aktien-Indikatoren zusammengesetzt sind.593 Der dynamische Verschuldungsgrad ist eine Kennzahl aus der Kreditanalyse.594 Er gibt das Verhältnis von Nettoverbindlichkeiten und EBITDA an. Dies entspricht dem theoretischen Zeitraum in Jahren, die ein Unternehmen benötigt, um bei gleichbleibendem EBITDA die Nettoverbindlichkeiten zu tilgen:595 Dynamischer Verschuldungsgrad

Nettoverbindlichkeiten . EBITDA

(3.16)

Die Nettoverbindlichkeiten, bestehend aus den Finanzverbindlichkeiten abzüglich liquider Mittel, werden ins Verhältnis zum EBITDA gesetzt und zeigt die Bedienung der Zinslast an.596 Die Fremdkapitalquote ist eine Kennzahl der Kapitalstruktur und betrachtet das Verhältnis von Verbindlichkeiten und Bilanzsumme:597 Fremdkapitalquote

Fremdkapital . Bilanzsumme

(3.17)

Der Zinsdeckungsgrad wird durch die Kennzahlen EBITDA und Zinsaufwand ermittelt. Ein Deckungsgrad größer 1 bedeutet, dass der Zinsaufwand für Fremdkapital aus dem operativen Geschäft bedient werden kann.598 Zinsdeckungsgrad

EBITDA . Zinsaufwendungen

(3.18)

Lev und Thiagarajan (1993) analysieren zwölf fundamentale Bewertungskennzahlen, die üblicherweise von Finanzanalysten zur Bewertung von Aktien verwendet werden. Diese verwendeten Kennzahlen weisen eine hohe Wechselbeziehung mit dem Wert von Aktien auf.599 Durch Nutzung verschiedener fundamentaler Bewertungskennzahlen bilden Abarbanell und Bushee (1998) Portfolios, die im Durchschnitt eine Überrendite von 13,2 % p.a. erwirtschaften und zeigen, dass fundamen-

593

Vgl. Elze (2010), S. 528 und S. 531. Vgl. Hasler/Hasler (2013), S. 236-238. In der Projektfinanzierung wird eine ähnliche Kennzahl, die Debt Service Coverage Ratio verwendet. Siehe hierzu Brodehser (2012), S. 62 f. 595 Vgl. Erlen/Isaak (2015), S. 144. 596 Vgl. Schmidlin (2013), S. 59. 597 Vgl. Perridon/Steiner/Rathgeber (2012), S. 597 f. 598 Vgl. Schacht/Fackler (2009), S. 71. 599 Vgl. Lev/Thiagarajan (1993), S. 193 und S. 214; Mohanram (2005), S. 136. 594

Kapitalmarktanomalie Value versus Growth

93

tale Veränderungen Informationen zu zukünftigen Erträgen enthalten, die mit zukünftigen Renditen verbunden sind.600 Auch Piotroski (2000) zeigt, wie mit einfacher fundamentaler Kennzahlenanalyse eine ertragreiche Value Strategie verfolgt werden kann. Für ihn sind Unternehmen mit niedrigem KBV ideale Investitionsobjekte, da sie von den meisten Investoren und Analysten vernachlässigt werden.601 Zur Beurteilung von Wertpapieren eignet sich die Analyse fundamentaler Kennzahlen, da ohne großen finanzmathematischen Aufwand eine schnelle Bewertung der Preiswürdigkeit von Wertpapieren durchgeführt werden kann. Beim Vergleich der fundamentalen Kennzahlen eines Unternehmens mit den Kennzahlen anderer Wertpapiere wird deutlich, ob der Preis des Wertpapiers relativ preisgünstig, angemessen oder überbewertet ist.602 3.1.5 Zero Investment Portfolio La Porta et al. (1997) nutzen das KBV zur Ermittlung von Value und Growth Aktien. Für den Zeitraum von 1971 bis 1992 bilden die Autoren jährlich, immer Ende Juni, zehn gleich große Portfolios, welche in aufsteigender Reihenfolge basierend auf dem KBV gebildet werden. Somit bildet sich das Growth Portfolio aus den Aktien mit dem höchsten KBV. Das Value Portfolio hingegen wird aus dem Dezil mit den niedrigsten KBV Werten gebildet. Die Portfolios werden nach der Halteperiode liquidiert und eine neue Sortierung und Portfoliobildung erfolgt. Die Halteperiode der Portfolios beträgt bei dieser Forschungsarbeit zwischen einem und fünf Jahren.603 Da bei dieser Kennzahlenanalyse auf Daten aus dem Jahresabschluss zurückgegriffen wird, welcher erst im Laufe des folgenden Jahres veröffentlicht wird, ist es erfahrungsgemäß am besten geeignet, die Portfoliosortierung im Juni oder Juli durchzuführen, da so sichergestellt werden kann, dass die benötigten Daten vorhanden sind.604 Durch die Wertpapiere aus den Quantilen mit den höchsten und niedrigsten Bewertungskennzahlen kann ein Portfolio erstellt werden, welches keine Kosten verursacht, da das eine Quantil gekauft und das andere Quantil verkauft wird. So bilden La Porta et al. (1997) ein Portfolio, welche in das Value Portfolio investiert und das Growth Portfolio verkauft. Diese Art von theoretischer Portfoliozusammensetzung wird Zero Investment Portfolio605 genannt, da bei Portfoliobildung die Kosten für 600

Vgl. Abarbanell/Bushee (1998), S. 19. Vgl. Piotroski (2000), S. 2; Mohanram (2005), S. 136. Vgl. Perridon/Steiner/Rathgeber (2012), S. 234 f. 603 Vgl. La Porta et al. (1997), S. 864. 604 Vgl. Fama/French (1992), S. 429. 605 Andere Begriffe für Zero Investment Portfolio sind Zero Cost Portfolio, Zero Investmentstrategie, Long-Short Strategie und Long Short Zero Investmentstrategie, Vgl. Sharpe (1994), S. 172; Grinblatt/Titman/Wermers (1995), S. 1095; Bauer/Günster/Otten (2004), S. 96; Yu/Rentzler/Wolf (2004), S. 44. 601 602

94

Kapitalmarktanomalie Value versus Growth

das gekaufte Portfolio durch die Einnahmen des leerverkauften Portfolios getragen werden.606 In der Endperiode wird die Performance, die positive bzw. negative Rendite aus dem Portfolio, bewertet.607 Der Vorteil dieser Methode ist, dass kein Kapital benötigt wird, um mögliche Über- bzw. Unterrenditen aufzuzeigen. In Tabelle 1 sind die Portfoliorenditen abgebildet. So hat beispielsweise das Value Portfolio bei zweijähriger Haltedauer eine durchschnittliche Rendite von 21,971 % erwirtschaftet, das Growth Portfolio hingegen nur 9,284 %. Bei gleicher Haltedauer hat das Zero Investment Portfolio (Kauf Value, Leerverkauf Growth) eine signifikante durchschnittliche Rendite von 12,686 %. Bei den Renditen handelt es sich um jährliche Renditen.608 Haltedauer in Jahren

1 2 3 4 5

Rendite

t-Statistik für (10) - (1)

Growth (1)

(2)

…

(9)

Value (10)

0,092 0,093 0,120 0,131 0,123

0,148 0,146 0,148 0,168 0,170

… … … … …

0,225 0,201 0,242 0,231 0,223

0,215 0,220 0,245 0,251 0,235

Durchschnittliche Differenz (10) - (1) 0,123 0,127 0,125 0,121 0,112

3,84 3,88 4,27 3,82 3,11

Tab. 1: Zero Investment Portfolio609 Sehr bekannt ist auch das Dreifaktorenmodell von Fama und French (1993),610 welches einen Markt-, einen Größen- und einen Wertfaktor als Einflussgrößen auf die Rendite vorsieht. Der Wertfaktor, der die Erkenntnisse des Value Effektes widerspiegelt, wird mit dem Buchwert-Marktwert-Verhältnis ermittelt.611 Die Faktoren werden mithilfe eines Zero Investment Portfolios gebildet.

606

Vgl. Bauer/Günster/Otten (2004), S. 96. Siehe Fama/French (1996a), S. 76. Vgl. La Porta et al. (1997), S. 864. 609 Eigene Darstellung in Anlehnung an La Porta et al. (1997), S. 864. 610 Siehe hierzu Abschnitt 3.2.3. 611 Vgl. Fama/French (1993), S. 7-10. 607 608

Kapitalmarktanomalie Value versus Growth

95

3.1.6 Marktphasenabhängigkeit Value Aktien reagieren langsamer auf neue Informationen als Growth Wertpapiere. Für Aktien mit niedrigen KBV finden Doukas und Li (2009) heraus, dass diese langsam auf Marktinformationen reagieren. Ihre Argumentation hierfür ist, dass Value Aktien einem höheren Arbitragerisiko612 ausgesetzt sind als Growth Aktien. Durch das hohe Arbitragerisiko wird verhindert, dass die Arbitrageure die Preise sofort zu den fundamentalen Werten zurückdrängen.613 Des Weiteren zeigen Hou und Moskowitz (2005), dass Value Wertpapiere größere Verzögerung bei der Preisanpassung haben als Growth Wertpapiere. Sie führen diese verspätete Preisanpassung auf die geringe Beachtung der Marktteilnehmer auf Value Aktien zurück.614 Meng (2011) untersucht Value und Growth Aktien und stellt fest, dass die Renditen von Growth Aktien sowohl in ansteigenden als auch sinkenden Märkten stärkeren Schwankungen unterliegen als Value Aktien.615 Der Autor findet außerdem heraus, dass Informationen von Growth Aktien Einfluss auf Rendite und Volatilität von Value Aktien haben, aber nicht vice versa.616 Hahn, O'Neill und Swisher (2007) weisen nach, dass Value Aktien eine robuste und bessere Performance in Zeiten expansiver Geldpolitik haben, nicht aber während restriktiver Geldpolitik. Growth Aktien haben weder während expansiven noch restriktiven Perioden eine überlegene risikoadjustierte Performance.617 Koijen, Lustig und van Nieuwerburgh (2012) betrachten das Value Premium als Kompensation für makroökonomisches Risiko. Value Aktien erwirtschaften niedrigere Renditen als Growth Aktien, wenn die zukünftige Wirtschaftsentwicklung als schwach angesehen wird, da zukünftige Cashflows bei Value Wertpapieren niedriger im Vergleich zu Growth Wertpapieren erwartet werden.618 Chan, Karceski und Lakonishok (2000) stellen für den Börsenboom von 1996 bis 2000 fest, dass die Rendite von Growth Aktien besser war als die von Value Aktien.619 Chan und Lakonishok (2004) betrachten dazu das Anlegerverhalten und stellen fest, dass vor allem Neuerungen, z.B. im Technologiebereich, überbewertet wurden und somit die Preise von Growth Wertpapieren stiegen, wohingegen die Preise von Value Wertpapieren weit unter den fundamentalen Wert fielen.620 Sie konstatieren deshalb: „Because these behavioral traits will probably continue to exist in 612

Siehe hierzu Abschnitt 2.2.5. Vgl. Doukas/Li (2009), S. 28. 614 Vgl. Hou/Moskowitz (2005), S. 982-984. 615 Vgl. Meng (2011), S. 123. 616 Vgl. ebd., S. 126-129. 617 Vgl. Hahn/O'Neill/Swisher (2007), S. 71-82. 618 Vgl. Koijen/Lustig/van Nieuwerburgh (2012), S. 37 f. 619 Vgl. Chan/Karceski/Lakonishok (2000), S. 24. 620 Vgl. Chan/Lakonishok (2004), S. 85. 613

96

Kapitalmarktanomalie Value versus Growth

the future, patient investing in value stocks is likely to remain a rewarding longterm investment strategy.“621 Eine sehr langfristige Studie, mit zurückgerechneten Werten bis 1871 zum S&P 500 unternimmt Jones (2008) und zeigt, dass es Zeiten gibt, in denen das KGV kaum oder gar keinen Einfluss auf die Rendite hat. Jedoch zeigt der Autor auch, dass vor allem in Zeiten von geringen KGVs der positive Zusammenhang hoch ist.622 Dies spricht für die These der Mean Reversion der Renditen.623 Für den deutschen Aktienmarkt zeigt Kaiser (2014) für den Zeitraum von 1988 bis 2012, dass Value Wertpapiere ein Jensens Alpha von 5,25 % p.a. bei der Klassifizierung nach KCV und 3,41 % nach KBV aufweisen, während die Jensens Alphas von den entsprechenden Growth Portfolios negativ ausfallen.624 Dabei stellt er fest, dass die Betas der Value Portfolios in steigenden (fallenden) Märkten niedriger (höher) sind als die Betas von Growth Portfolios. Dies widerlegt die Hypothese, dass Value Portfolios wegen höheren systematischen Risikos eine höhere Performance aufweisen.625 3.1.7 Anlagehorizont Der Anlagehorizont für Value bzw. Growth Investments ist ein viel beachteter Untersuchungsgegenstand, da dieser Auswirkung auf die Investoren hat. Es gibt mehrere Aspekte in diesem Zusammenhang, die beachtet werden müssen. Unter anderem stellt sich die Frage, ob sich die Investmentstrategie Value vs. Growth langfristig behaupten kann. Außerdem ist interessant, wie der Anlagehorizont die Zusammensetzung der Portfolios beeinflusst.626 Lynch (2001) untersucht den Einfluss der Renditevorhersehbarkeit auf die Portfoliowahl für einen Mehrperioden-Investor mit hoher Risikoaversion. Es werden höhere Überrenditen für Value Aktien, in diesem Fall durch ein niedriges KBV definiert, gemessen als für Growth Aktien. Trotz der hohen Risikoaversion tendieren Investoren dazu, die Wertpapiere mit hohem KBV zu verkaufen und ein Portfolio mit niedrigem KBV zu halten.627

621

Chan/Lakonishok (2004), S. 85. Vgl. Jones (2008), S. 7 und S. 13. Siehe hierzu Abschnitt 2.2.4. 624 Vgl. Kaiser (2014), S. 9. 625 Vgl. ebd., S. 19. Diese Hypothese, die beispielsweise von Chopra/Lakonishok/Ritter (1992), S. 235-268 und La Porta et al. (1997), S. 859-874 vertreten wird, wird in Abschnitt 3.1.8 näher erläutert. 626 Vgl. In/Kim/Gençay (2011), S. 1489 und S. 1495. 627 Vgl. Lynch (2001), S. 67-127. 622 623

Kapitalmarktanomalie Value versus Growth

97

Jurek und Viceira (2011) analysieren sowohl Investoren, die ausschließlich in Aktien investieren, sowie Investoren, die zudem in kurz- und langfristige Anleihen anlegen. Die Autoren nutzen eine vektorautoregressive Methode und kommen zum Ergebnis, dass auf kurze Sicht, unabhängig von der Risikoaversion, Aktieninvestoren ihr Portfolio auf Value Aktien konzentrieren sollten. Besonders risikoaffine Investoren halten optimaler Weise ein Portfolio bestehend aus Value Aktien mit Leerverkäufen von Growth Aktien, da die Renditespanne zwischen Value und Growth positiv ist und die Renditen positiv korreliert sind. Besonders risikoaverse Investoren halten optimaler Weise ein Portfolio ausschließlich bestehend aus Value Aktien, da diese eine geringere Standardabweichung der Renditen und hohe Korrelation mit Growth Aktien aufweisen. Jedoch ändert sich diese Zusammensetzung, je länger der Zeitraum wird. Da in diesem Modell Value Aktien weniger geeignet sind, um gegen Änderungen von Diskontierungssätzen von Aktien abzusichern, halten vor allem auf lange Sicht besonders risikoaverse Investoren Growth Aktien. Daher sind für langfristige Investitionen Value Aktien risikohafter als Growth Aktien und die positive Renditespanne wird als Risikoprämie für das Tragen von Risiko beurteilt. Bei den Investoren, die sowohl in Value, Growth, kurz- als auch langfristige Anleihen investieren können, sieht die Portfoliozusammensetzung anders aus. Auch hier erhöht sich der Anteil an Growth Aktien mit der Laufzeit. Dies geschieht allerding ohne sinken des Anteils von Value Aktien, da der Anleihenanteil sinkt. Sehr risikoaverse Investoren halten kurzfristig hauptsächlich kurzfristige Anleihen und langfristig hauptsächlich langfristige Anleihen.628 Bansal und Kiku (2011) nutzen ein Vektor-Fehlerkorrekturmodell zur Ermittlung der Portfoliowahl, bestehend aus einjährigen Staatsanleihen sowie Value und Growth Aktien. Bei ansteigendem Anlagehorizont steigt der Anteil von Value Aktien im optimalen Portfolio. Growth Aktien haben, unabhängig vom Horizont, eine negative Gewichtung im Portfolio.629 In, Kim und Gençay (2011) verwenden einen neuen Ansatz zur Portfoliozusammensetzung zwischen Value und Growth Wertpapieren für verschiedene Anlagehorizonte. Ihr Ansatz basiert auf der Wavelet Analyse, welche die Renditen einer Anlagestrategie in mehrere Anlagehorizonte aufteilt. Das Hauptergebnis dieser empirischen Untersuchung ist, dass der Erfolg der Investmentstrategie davon abhängt, wie Value bzw. Growth Wertpapiere klassifiziert werden. Die Autoren verwenden hier-

628 629

Vgl. Jurek/Viceira (2011), S. 29-71. Vgl. Bansal/Kiku (2011), S. 161-171.

98

Kapitalmarktanomalie Value versus Growth

bei zwei Alternativen, zum einen das von Fama und French (1993) verwendete Verfahren,630 sowie die S&P und Barra631 Definition, bei der alle Aktien entweder nach Value oder Growth kategorisiert werden. Daher gibt es, anders als bei Fama und French (1993), keine Aktien, die als neutrale Aktien bei der Bewertung unberücksichtigt bleiben. Bei der Verwendung von Fama und French (1993) Portfolios zeigt sich, dass bei einem Ansteigen des Anlagehorizonts der Anteil von Growth Wertpapieren sinkt. Vor allem bei geringer bis moderater Risikoaversion ist dies zu sehen. Bei den Portfolios nach S&P und Barra variiert die Verteilung zwischen Value und Growth kaum. Diese Erkenntnis bestätigt wiederum das Ergebnis von Kothari, Shanken und Sloan (1995), wonach keine Value vs. Growth Anomalie beim S&P 500 Index bei der Nutzung des KBV vorliegt.632 Nach Meinung von In, Kim und Gençay (2011) beruht die Überrendite von Value gegenüber Growth auf dem Bias der Datenselektion.633 Jedoch zeigen Chan, Jegadeesh und Lakonishok (1995), dass die unterschiedlichen Performancewerte von Value und Growth Anlagestrategien nicht durch ein solches Bias erklärt werden können.634 Die Forschungsbeiträge von Siegel (1995) und Beneda (2002) kommen zu Ergebnissen, die den meisten empirischen Arbeiten entgegenstehen. In steigenden Märkten, auch über einen längeren Zeitraum hinweg, erzielen Aktien mit hohem KGV bessere Renditen als solche mit niedrigem KGV. Laut den Autoren ist vor allem der Anlagehorizont hierfür ausschlaggebend.635 Aus diesem Grund prüfen Cheh, Kim und Zheng (2008) die Länge des Anlagehorizontes. In ihrer Stichprobe, von April 1986 bis März 2003, erzielen Aktien mit hohem KGV eine höhere Rendite als Aktien mit niedrigem KGV. Vor allem während der Anstiegsperiode, unabhängig von der Häufigkeit der Neugewichtung der Portfolios. Wenn diese Renditen jedoch nach der Volatilität risikogewichtet werden, so haben Value Aktien eine bessere Performance.636 3.1.8 Erklärungsansätze für die Überrendite bei Value Wertpapieren Aktien mit fundamentalen Bewertungskennzahlen, wie beispielsweise niedrigem KGV oder niedrigem KBV, werden als Value Aktien klassifiziert. Oftmals sind dies Unternehmen aus den Industrien Öl, Automobil, Finanz und Energieversorgung. 630

Für die Zusammensetzung des HML Portfolios siehe Abschnitt 3.2.3. BARRA wurde von Barr Rosenberg, einem ehemaligen Finanzprofessor der University of California Berkeley gegründet. Vgl. Xu/Fisher (2006), S. 12. Heutzutage firmiert Barra unter dem Namen MSCI und ist spezialisiert auf die Erstellung von Aktien- und Anleihenindizes, Research sowie Portfolio- und Risikomanagement. Vgl. MSCI (Hrsg.) (2015), recherchiert am 11.08.2015. 632 Vgl. Kothari/Shanken/Sloan (1995), S. 220 f. 633 Vgl. In/Kim/Gençay (2011), S. 1489-1497. 634 Vgl. Chan/Jegadeesh/Lakonishok (1995), S. 269-296. 635 Vgl. Siegel (1995), S. 15-19; Beneda (2002), S. 117-119; Cheh/Kim/Zheng (2008), S. 91. 636 Vgl. Cheh/Kim/Zheng (2008), S. 91. 631

Kapitalmarktanomalie Value versus Growth

99

Growth Aktien hingegen sind Aktien von Unternehmen mit hohem KGV oder hohem KBV, die oftmals aus den Bereichen der Hochtechnologie wie der Medizin, der Telekommunikation oder der IT Branche stammen.637 In diesem Zusammenhang führt Siegel (1998) die bessere Performance von Value Aktien im Zeitraum von 1975 bis 1983 auf den Ölpreisanstieg zurück, da in seiner Stichprobe die meisten Value Aktien von Unternehmen aus der Ölindustrie kommen.638 Auch Banko, Conover und Jensen (2006) teilen Branchen in Value und Growth ein. Dafür nutzen sie Daten aus 21 Industriezweigen und finden den Value Effekt sowohl auf Unternehmens- als auch Branchenebene. Nach ihren Erkenntnissen zählen vor allem die Kommunikationsbranche, Chemiekonzerne und das Verlagswesen zu Growth, wohingegen die Bauindustrie zu Value gehört.639 Gomes, Kogan und Zhang (2003) zeigen in ihrem Modell, dass Wachstumsoptionen riskanter sind als bestehende Vermögenswerte.640 Da Growth Aktien ihren Wert hauptsächlich aus Wachstumsoptionen beziehen, haben sie mehr Risiko als Value Aktien, die ihren Wert durch die bestehenden Vermögenswerte erhalten.641 Eine andere mögliche Erklärung für die Überrendite von Value Wertpapieren liefern Barberis, Shleifer und Vishny (1998) mit ihrem behavioralen Modell zu Unter- und Überreaktionen am Kapitalmarkt.642 Die unzureichende Anpassung von neuen Informationen und die Übergewichtung von scheinbaren Trends lässt die Wertpapierkurse vom fundamental korrekten Wert abweichen.643 Im Modell der Overconfidence von Daniel, Hirshleifer und Subrahmanyam (1998)644 zeigen die Autoren, dass eine zeitweise Überreaktion durch Selbstüberschätzung entsteht, bevor sie schließlich zum korrekten Wert korrigiert.645 Daniel, Hirshleifer und Subrahmanyam (2001) stellen mit ihrem Modell fest, dass die Überrendite von niedrigen KBV Aktien nicht auf das zufällige Verhalten von irrationalen Investoren zurückgeht, sondern dass ausschließlich Selbstüberschätzung und begrenzte Informationsverarbeitung646 von Growth Investoren die Erklärung für die Anomalie ist.647 Eine Alternative bietet die Erklärung, dass Investoren die Wachstumsaussichten von Unternehmen überbewerten und somit den Preis von Growth Aktien in die Höhe 637

Vgl. Siegel (1998), S. 98. Vgl. Siegel (1998), S. 98-100. 639 Vgl. Banko/Conover/Jensen (2006), S. 13-15. 640 Vgl. Gomes/Kogan/Zhang (2003), S. 704-708. 641 Vgl. Zhang (2005), S. 67. 642 Siehe hierzu Abschnitt 2.3.6. 643 Vgl. Barberis/Shleifer/Vishny (1998), S. 332 f. 644 Siehe hierzu Abschnitt 2.3.6. 645 Vgl. Daniel/Hirshleifer/Subrahmanyam (1998), S. 1865. 646 Siehe hierzu Abschnitt 2.2.3.2. 647 Vgl. Daniel/Hirshleifer/Subrahmanyam (2001), S. 956. 638

100

Kapitalmarktanomalie Value versus Growth

treiben.648 Investoren werden bei Aktien, die in der näheren Vergangenheit sehr gute Performance gezeigt hatten, zu optimistisch und kaufen diese, sodass sich die Aktienpreise von den korrekten Werten entfernen. Ebenso reagieren sie bei Aktien, die in der Vergangenheit schlechte Renditen hatten über und verkaufen diese, sodass eine Unterbewertung entsteht.649 La Porta et al. (1997) bestätigen dies, aufbauend auf den Aufsätzen von Chopra, Lakonishok und Ritter (1992) und La Porta (1996), empirisch und betrachten das systematische Fehlbewerten der Gewinnentwicklung von Value und Growth Wertpapieren durch Investoren als Erklärung der Überrenditen von Value Wertpapieren.650 Nach den Erkenntnissen von Phalippou (2007) sinkt das Value Premium bei steigendem Anteil an institutionellen Investoren.651 Dies bestätigen auch van der Hart, de Zwart und van Dijk (2005) für eine Emerging Markets Stichprobe.652 De Bondt und Thaler (1985), Lakonishok, Shleifer und Vishny (1994) und Haugen (1999) vertreten hingegen die Meinung, dass das Value Premium durch eine Unterbewertung von in Not geratenen Unternehmungen bzw. sich schlecht entwickelnden Aktien und einer Überbewertung von Wachstumsaktien entsteht.653 Fama und French (1993, 1995, 1996a, 1998) sehen im Value Premium eine Kompensation für systematisches Risiko, welches im CAPM nicht berücksichtigt wird. Dies basiert darauf, dass Renditen von notleidenden Unternehmungen nicht durch den allgemeinen Marktrisikofaktor erklärbar sind.654 Diese Interpretation, dass das KBV eine Proxyvariable für Insolvenzgefahr655 ist, kommt von Fama und French (1993, 1996a). Das β des CAPM alleine kann die erwarteten Renditen nicht erklären.656 Arshanapalli, Coggin und Doukas (1998) können jedoch nicht bestätigen, dass Value Aktien risikohafter als Growth Aktien sind und somit einen Proxy für Insolvenzgefahr darstellen.657 Griffin und Lemmon (2002) nutzen den Ohlson (1980) O-Score als Indikator für Insolvenzgefahr und betrachten den Zusammenhang zwischen dem KBV, dem O-Score und der Rendite.658 Die hohen Gewinne der Unternehmen, die einen hohen O-Score und somit einer hohen Insolvenzgefahr ausgesetzt sind, können weder durch das Dreifaktorenmodell von Fama und French 648

Vgl. Elze (2010), S. 528. Dies wird beispielsweise im Aufsatz von Kahneman/Riepe (1998), S. 52-65 dargelegt. Vgl. Elze (2010), S. 528. Dieser Auffassung sind auch Lakonishok/Shleifer/Vishny (1994), S. 1541-1578. 650 Vgl. La Porta et al. (1997), S. 860; Wittmann (2012), S. 44. 651 Vgl. Phalippou (2007), S. 1-19. 652 Vgl. van der Hart/de Zwart/van Dijk (2005), S. 249-259. 653 Vgl. Haugen (1999), S. 100 f.; Lakonishok/Shleifer/Vishny (1994), S. 1574-1577; De Bondt/Thaler (1985), S. 793-805; Fama/French (1998), S. 1975. 654 Vgl. Fama/French (1993), S. 7 f.; Fama/French (1995), S. 133; Fama/French (1996a), S. 60; Fama/French (1998), S. 1975. 655 Im Englischen wird dies als „Financial Distress“ bezeichnet. 656 Vgl. Fama/French (1996b), S. 1954-1957. 657 Vgl. Philips (2002), S. 72. 658 Vgl. Griffin/Lemmon (2002), S. 2317 f. 649

Kapitalmarktanomalie Value versus Growth

101

(1993) noch durch andere Faktoren von Insolvenzgefahr wie z.B. Leverage oder Profitabilität erklärt werden.659 Wichtig ist auch die Differenzierung zwischen systematischem Risiko und Gesamtrisiko. Während Faktorenmodelle von systematischem Risiko ausgehen, wird bei der Portfoliobildung nach Charakteristika, z.B. der Sortierung nach dem KBV, vom Gesamtrisiko ausgegangen. Daniel und Titman (1997) zeigen in diesem Zusammenhang, dass das Value Premium eine Form von Gesamtrisiko darstellt.660 Zudem kommt eine Studie von Piotroski und So (2012) zum Schluss, dass die Renditen von Value und Growth Strategien nicht ausschließlich vom systematischen Risiko beeinflusst sind, sondern „an artifact of predictable expectation errors correlated with past financial data“661 darstellen. Dies bestätigen auch Aretz und Aretz (2016), die das unsystematische Risiko als den entscheidenden Treiber für die Value Anomalie ansehen.662 Black (1993) und MacKinlay (1995) wiederum haben eine andere Erklärung. Ihrer Meinung nach sind die erhöhte Performance von Value Aktien nur aufgrund der Auswahl der untersuchten Stichproben zu beobachten. Die Grundlage für die Meinung von Black (1993) und MacKinlay (1995) ist die Tatsache, dass die meisten Samples frühestens 1963 beginnen.663 Um auf diese Kritik einzugehen, müssen Stichproben mit anderen Zeiträumen untersucht werden. So hat beispielsweise Davis (1994) den Zeitraum von 1940 bis 1963 untersucht und findet ein Value Premium.664 Auch gibt es einige Forscher, die die bessere Performance von Value gegenüber Growth auf die Datenselektion zurückführen.665 Chan, Jegadeesh und Lakonishok (1995) weisen jedoch in einer ausführlichen Untersuchung nach, dass die Datenselektion als Grund, wenn überhaupt vorhanden, nur als trivial anzusehen ist.666 Doukas, Kim und Pantzalis (2002, 2004) untersuchen Analystenmeinungen und finden Unterschiede bei den Prognosen von Value und Growth Unternehmen. Es wird davon ausgegangen, dass Prognosefehler bezüglich des Preises zu höheren Renditen führen.667 Die Prognosewerte von Value Unternehmen unterliegen einer höheren

659

Vgl. Griffin/Lemmon (2002), S. 2327-2335. Vgl. Daniel/Titman (1997), S. 25-29. 661 Piotroski/So (2012), S. 2844. 662 Vgl. Aretz/Aretz (2016), S. 52. 663 Vgl. Black (1993), S. 75; MacKinlay (1995), S. 4-20. 664 Vgl. Davis (1994), S. 1579-1593; Fama/French (1998), S. 1976. 665 Siehe hierzu Breen/Korajczyk (1995), S. 1-42; Kothari/Shanken/Sloan (1995), S. 185-224. 666 Vgl. Chan/Jegadeesh/Lakonishok (1995), S. 292. 667 Dies wird auch Effekt der Neglected Firm genannt. 660

102

Kapitalmarktanomalie Value versus Growth

Streuung.668 Dieser Artikel dient als Grundlage für Shon und Zhou (2010), die herausfinden, dass trotz Abweichungen der Prognosequalität durch Finanzanalysten das Value Premium nicht erklärt werden kann.669 Koijen, Lustig und van Nieuwerburgh (2012) gewinnen in ihrem Aufsatz neue Erkenntnisse, dass das Value Premium für makroökonomisches Risiko kompensiert.670 Jensen, Johnson und Mercer (1997) überprüfen den Einfluss von Geldpolitik auf Value und Growth Wertpapiere. Value Aktien reagieren deutlich auf, vor allem expansive, Geldpolitik. Growth Wertpapiere zeigen wenig Reaktion.671 Lakonishok, Shleifer und Vishny (1992) liefern eine Begründung, die auf dem Prinzipal-Agenten Problem beruht. Manche Manager von Investmentfonds (Agenten) wissen von den besseren Renditen bei Value Aktien. Da die meisten Manager einer Growth Strategie folgen und alle Manager miteinander verglichen werden, entscheiden sich auch viele der wissenden Manager trotzdem für Growth Aktien, da sie diese Investitionen gegenüber den Kapitalgebern (Prinzipalen) deutlich einfacher rechtfertigen können und somit nicht dem Risiko ausgesetzt sind, schlechter als die Mehrheit der Manager zu sein.672 3.1.9 Zwischenfazit und kritische Würdigung Sehr viele Studien kommen zum Ergebnis, dass Value Wertpapiere Überrenditen im Vergleich zu Growth Wertpapieren erwirtschaften. Bei Forschern ist die mechanische Kategorisierung nach Bewertungskennzahlen zur Unterscheidung zwischen Value und Growth vorherrschend, da so Zusammenhänge zwischen den Bewertungskennzahlen und der Rendite hergeleitet werden können. Fondsmanager hingegen haben die Möglichkeit, dieses Vorgehen durch eine anschließende Einzelbewertung der in Frage kommenden Wertpapiere zu ergänzen und das Konzept der Margin of Safety anzuwenden.673 Die Methode des Zero Investment Portfolios zur Portfoliobildung ist in der Realität wenig sinnvoll. Durch die komplette Finanzierung von Value Wertpapieren durch die Leerverkäufe von Growth Wertpapieren würden sehr hohe Transaktionskosten entstehen.674 Oftmals sind zudem Leerverkäufe gesetzlich verboten bzw. nicht möglich, da es in der Realität keinen Markt für diese gibt.675 668

Vgl. Doukas/Kim/Pantzalis (2004), S. 55-64. Vgl. Shon/Zhou (2010), S. 53-62. Siehe hierzu Abschnitt 3.1.6. 671 Vgl. Jensen/Johnson/Mercer (1997), S. 40; Murschall (2007), S. 53 f. 672 Vgl. Lakonishok/Shleifer/Vishny (1992), S. 23-43. 673 Vgl. Athanassakos (2011a), S. 86 f. 674 Vgl. Sorensen et al. (2007), S. 12-20. 675 Vgl. Sernc (2009), S. 20-47. 669 670

Kapitalmarktanomalie Value versus Growth

103

Der Zusammenhang zwischen Transaktionskosten und Wertpapierrenditen ist in den meisten Studien unberücksichtigt. Agrawal (2012) kommt zum Ergebnis, dass die Transaktionskosten von Value Aktien durchschnittlich höher sind als von Growth Wertpapieren.676 Frazzini, Israel und Moskowitz (2012) hingegen kommen zum Schluss, dass die Transaktionskosten in Realität deutlich geringer sind als in vorherigen Studien angenommen. Hierfür nutzen sie eine sehr große Datenbasis von echtem Handel von Wertpapieren von großen institutionellen Investoren.677 Auch scheint es wahrscheinlich, dass die Transaktionskosten in einigen internationalen Märkten deutlich höher sind als in den USA,678 in denen die meisten Untersuchungen zu Value und Growth durchgeführt wurden. Bei den Erklärungsansätzen für die bei Value vs. Growth auftretenden Überrendite sind vor allem zwei Ausrichtungen zu unterscheiden. Es gibt die verhaltensbasierten679 und die risikobasierten680 Erklärungsansätze. Der verhaltensbasierte Erklärungsansatz geht von einer Überreaktion bzw. Fehlbewertung der Investoren aus, wohingegen beim risikobasierten Ansatz die Überrendite aufgrund von erhöhtem Risiko, welches nicht durch das CAPM aber durch andere Modelle erklärbar ist, entsteht.681 Auch die Unterscheidung zwischen systematischem und gesamtem Risiko ist entscheidend, da systematisches Risiko durch Faktorenmodelle erklärt wird und Gesamtrisiko durch Charakteristika, z.B. hohes oder niedriges KGV. In Bezug auf die Marktphasenabhängigkeit der Renditen ist hervorzuheben, dass nachgewiesen wurde, dass auch Growth Wertpapiere zeitweise bessere Performance aufweisen können als Value Aktien. Zudem kommt, dass es sich bei der Kapitalmarktanomalie Value vs. Growth um eine Anomalie handelt, die auf Durchschnitten basiert. Im Durchschnitt erwirtschaften Value Wertpapiere Überrenditen, jedoch bedeutet dies nicht, dass jedes als Value klassifizierte Wertpapier eine Überrendite erwirtschaftet. Um eine solche Anomalie auszunutzen ist es daher erforderlich, über einen langen Zeitraum ein diversifiziertes Portfolio an Value Wertpapiere zu halten.682 Es wurde zudem festgestellt, dass Value Strategien in unterschiedlichen Märkten miteinander nur gering korreliert sind. Qian, Sorensen und Hua (2009) haben gezeigt, dass Strategien mit mehreren Indikatoren für Value, beispielsweise auf den

676

Vgl. Agarwal (2007), S. 27. Vgl. Frazzini/Israel/Moskowitz (2012), S. 34. Vgl. Agarwal (2007), S. 27. 679 Abschnitt 2.2 bildet hierfür die theoretischen Grundlagen. 680 Abschnitt 2.1 bildet hierfür die theoretischen Grundlagen. 681 Vgl. Wittmann (2012), S. 48. 682 Vgl. Hößl (2009), S. 86. 677 678

104

Kapitalmarktanomalie Value versus Growth

Aktienmärkten, oder mit mehreren Wertpapiermärkten, beispielsweise Aktien und Anleihen gemischt, Diversifikationspotentiale bieten.683 Auch eine in der Vergangenheit erfolgreiche Investmentstrategie muss nicht zwangsläufig in der Zukunft erfolgreich sein.684 Trotz vieler, teilweise jahrzehntelanger, Nachweise der besseren Performance von Value gegenüber Growth Strategien ist Vorsicht beim tatsächlichen Investieren geboten. Diese akademischen Studien können zeitabhängig sein und es ist nicht klar, ob die Renditen beim zukünftigen Investieren erwirtschaftet werden können.685

3.2 Evidenz im Hinblick auf Value und Growth Indikatoren Die empirische Anomalieforschung durch wirtschaftswissenschaftliche Forscher begann in den 1960er und 1970er Jahren. Fortan ermöglichten Computer und Datenbanken es, Analysen von fundamentalen Unternehmenskennzahlen und Performance von Wertpapieren durchzuführen, deren Struktur kenntlich zu machen und Zusammenhänge zu erkennen.686 Anfangs wurden hauptsächlich Kapitalmarktanomalien für den US-amerikanischen Markt nachgewiesen, die mit dem CAPM in Konflikt stehen. Diese Anomalien zeigten erstmals Möglichkeiten zur Erzielung systematischer Überrenditen auf.687 Zu den ersten anerkannten Aufsätzen zum Value Effekt zählen Basu (1977), Ball (1978), Stattman (1980) sowie Rosenberg, Reid und Lanstein (1985), die eine eindimensionale Darstellung von Value vs. Growth nutzen.688 Eine zweite Generation stellt die multidimensionale Darstellung dar. Hierbei sind vor allem die Aufsätze von Basu (1983), Fama und French (1992) und Lakonishok, Shleifer und Vishny (1994) maßgeblich.689 Aufbauend auf den Erkenntnissen wurden Faktormodelle entwickelt, von denen das Dreifaktorenmodell von Fama und French (1993) und das Vierfaktorenmodell von Carhart (1997) im Bereich der Aktien und bei den Anleihen das Zweifaktorenmodell von Fama und French (1993) bis heute als Basis

683

Vgl. Qian/Sorensen/Hua (2009), S. 46-48. Vgl. Hahn/O'Neill/Swisher (2007), S. 81. Vgl. Malkiel (2003), S. 70. 686 Vgl. Postert (2007), S. 49. 687 Vgl. Stock (2002), S. 87; Postert (2007), S. 49. 688 Siehe hierfür Abschnitt 3.2.1. 689 Siehe hierfür Abschnitt 3.2.2. 684 685

Kapitalmarktanomalie Value versus Growth

105

genutzt werden.690 In den letzten Jahren gab es viele Untersuchungen zur Kapitalmarktanomalie Value vs. Growth, die auf internationalen und globalen Märkten nachgewiesen werden konnte und in Abschnitt 3.2.4 dargestellt ist. 3.2.1 Eindimensionale Darstellung von Value versus Growth Seit 1977 gibt es aussagekräftige akademische Studien zum Value vs. Growth Effekt. Zu Anfang konzentrierten sich Forscher hauptsächlich auf ein niedriges KGV zum Identifizieren von Value Aktien.691 Ein niedriges KBV wurde etwas später ebenfalls als Indikator genutzt.692 Die Dividendenrendite sowie das KUV und das KCV wurden hauptsächlich in Forschungsarbeiten zur multidimensionalen Darstellung als Bewertungskennzahlen zur Klassifizierung von Value und Growth herausgearbeitet. Basu (1977) untersucht den Zusammenhang von Aktienrendite und KGV für Aktien der NYSE im Zeitraum von 1956 bis 1971 und findet heraus, dass ein Portfolio bestehend aus Aktien mit niedrigem KGV eine Überrendite von 6 % p.a. gegenüber dem Portfolio mit hohen KGVs erwirtschaftet.693 Basu (1977) ist nicht der erste Forscher, der das KGV analysiert, jedoch nutzen vorherige Untersuchungen deutlich kleinere Zeitreihen und haben somit geringe statistische Aussagekraft.694 Er verwendet ausschließlich Unternehmen, deren Geschäftsjahr identisch mit dem Kalenderjahr ist.695 Außerdem teilt Basu (1977) die Aktien, sortiert nach deren reziproken KGV, in fünf gleichgewichtete Portfolios auf. Die Sortierung und Bildung der Portfolios erfolgt jährlich im April, um sicherzustellen, dass die Informationen auch für tatsächliche Investoren verfügbar gewesen wären. Voraussetzung dafür, dass Aktien in eines der fünf Portfolios aufgenommen werden, ist, dass Daten von mehr als 60 Monaten vorliegen.696 Basu (1977) betrachtet das Growth Portfolio mit den niedrigsten reziproken KGV sowohl mit als auch ohne negative Werte. Somit werden Aktien mit Jahresfehlbetrag bei der zweiten Methode ausgeschlossen.697 Das Growth Portfolio mit den Aktien mit Jahresfehlbetrag weist eine risikoadjustierte Rendite von -3,3 % auf, wohingegen das bereinigte Growth Portfolio eine bessere risikoadjustierte Rendite von -2,65 % hat.698 Diesen Ergebnissen entgegen-

690

Siehe hierfür Abschnitt 3.2.3. Einen Überblick zum Value Effekt mit Klassifizierung nach KGV gibt Ball (1992), S. 319-345. 692 Vgl. Elze (2010), S. 527. 693 Vgl. Basu (1977), S. 664 und S. 666 f. 694 Siehe beispielsweise Breen (1968), S. 125-127; Friend/Blume (1970), S. 561-575 oder Black/Jensen/Scholes (1972), S. 79-121. 695 Vgl. Basu (1977), S. 664. 696 Vgl. ebd., S. 665 f. 697 Vgl. Stock (2002), S. 115. 698 Vgl. Basu (1977), S. 667. 691

106

Kapitalmarktanomalie Value versus Growth

stehend kommt Keim (1990) in seiner Studie auf eine höhere Performance des Portfolios, bestehend aus Aktien mit Jahresfehlbetrag als dem Growth Portfolio mit den Aktien ohne Fehlbetrag.699 Für Ball (1978) ist das KGV ein Proxy für die erwartete Rendite, da die Korrelation zwischen beiden Kennzahlen sehr hoch ist. Auch sieht er darin ein Versagen im CAPM und weniger in der Effizienzmarkthypothese, da Aktienhändler eine Strategie basierend auf dem KGV mit wenig zusätzlichen Kosten verfolgen könnten.700 Stattman (1980) nutzt die Erkenntnisse von Basu (1977), jedoch verwendet er anstatt des KGVs das Verhältnis von Marktpreis zu Buchwert je Aktie. Aus seiner Analyse folgert er, dass Aktien mit niedrigem KBV im Durchschnitt eine höhere Rendite erzielen als Aktien von Unternehmen mit hohem KBV. Unterbewertete Aktien mit niedrigem KBV bezeichnet er als Value Aktien, Aktien mit hohem KBV als Growth Aktien.701 Die Fehlbewertung von Value vs. Growth versuchen Bartov und Kim (2004) mit einer verbesserten Kalkulationsmethode vom KBV zu eliminieren. Sie verwenden Rechnungsabgrenzungsposten in ihrer Kalkulation des Buchwertes, können jedoch keinen geringeren Value Effekt erzielen als mit dem einfachen KBV.702 Aufbauend auf dem Aufsatz von Fama und French (1992) und einer Datenerweiterung bis 2011, veröffentlicht das Heilbrunn Center for Graham & Dodd Investing (Hrsg.) (2013) der Columbia University die folgenden Ergebnisse:

699

Vgl. Keim (1990), S. 57; Stock (2002), S. 114. Vgl. Ball (1978), S. 118; Schwert (2003), S. 948. 701 Vgl. Stattman (1980), S. 25-45. 702 Vgl. Bartov/Kim (2004), S. 373. 700

Kapitalmarktanomalie Value versus Growth

durchschnittliche Rendite (in %) 1963 - 2011

11

107

Value Portfolio

10 9

Bereich der Überrendite

8 7

Bereich der Unterrendite

6 5

Growth Portfolio

4 4

5

6

7

8

9

10

11

theoretische CAPM Rendite (in %) Abb. 14: Renditevergleich mit CAPM Renditen703 Wie in Abb. 14 zu sehen ist, erwirtschaftet das Value Portfolio eine im Durchschnitt deutlich höhere Rendite als durch das CAPM erklärbar wäre. Das Growth Portfolio hingegen zeigt eine zu niedrige Rendite. Hierbei sind jährlich von 1963 bis 2011 zehn Portfolios nach der Höhe des KBV gebildet worden. Alle Portfolios würden auf der Gerade (durch CAPM erklärbare Rendite) liegen, wenn das CAPM die tatsächlich erwirtschafteten Renditen erklären könnte.704 StichValue (2) (3) (4) (5) (6) (7) (8) (9) Growth probe (1) (10) 1963-2011 Rendite 10,83 9,32 8,18 7,67 6,94 5,91 6,16 6,08 5,53 4,55 CAPM β 1,07 0,93 0,89 0,87 0,92 0,91 1,00 0,98 1,01 1,07 CAPM 5,87 5,11 4,90 4,77 5,08 4,99 5,44 5,39 5,56 5,86 Rendite Tab. 2: Renditevergleich mit CAPM Renditen705

703

Eigene Darstellung in Anlehnung an Heilbrunn Center for Graham & Dodd Investing (Hrsg.) (2013), recherchiert am 01.12.2015. 704 Vgl. Heilbrunn Center for Graham & Dodd Investing (Hrsg.) (2013), recherchiert am 01.12.2015. 705 Eigene Darstellung in Anlehnung an Heilbrunn Center for Graham & Dodd Investing (Hrsg.) (2013), recherchiert am 01.12.2015.

108

Kapitalmarktanomalie Value versus Growth

Während die Rendite von Growth zu Value ansteigt, bleiben die Betas relativ konstant.706 Die Klassifizierung von Value vs. Growth durch das KBV verwenden auch Rosenberg, Reid und Lanstein (1985). Sie nutzen als Methode ein Zero Investment Portfolio, mit Aktienkäufen von Unternehmen mit niedrigem KBV und Leerverkäufen von Aktien mit hohem KBV. Mit dieser Strategie wird für den Zeitraum von Januar 1973 bis März 1980 eine monatliche Überrendite von 0,36 % erzielt.707 Zu ähnlichen Ergebnissen gelangen auch Hawawini und Keim (1995) mit dem KCV.708 Der Verschuldungsgrad, welcher das Verhältnis zwischen Fremd- und Eigenkapital angibt, wird erstmals von Bhandari (1988) verwendet. Hierbei wird ein positiver Zusammenhang von Rendite und Verschuldung empirisch ermittelt.709 Die Dividendenrendite als Indikator für zukünftige Rendite wird von Ball (1978) sowie von Fama und French (1988) betrachtet. Dabei wird von einer hohen Rendite ausgegangen, wenn der Aktienkurs gering im Verhältnis zur Dividende ist, und vice versa.710 3.2.2 Multidimensionale Darstellung von Value versus Growth und Wechselbeziehung mit anderen Anomalien Anomalien sind nicht permanent in gleichem Ausmaß und gleicher Frequenz nachweisbar. Wenn sie jedoch bewiesen werden, treten Anomalien oftmals mit anderen Anomalien gemeinsam auf.711 Kombinationen und Variationen von eindimensionalen Kennzahlen von Value untersuchen inzwischen viele Forscher. So nutzen zur Differenzierung von Value und Growth beispielsweise Asness et al. (2000) das KBV, KGV oder KUV und Kombinationen aus diesen, Elze (2010) verwendet zwölf verschiedene Kombinationen aus jeweils zwei Kennzahlen und Kaiser (2014) kommt auf insgesamt sieben Indikatoren, unter anderem die Ausschüttungsquote, Dividendenrendite, Dividendenwachstum, und EV-EBITDA Verhältnis.712 Eine Meta-Studie zu Value Strategien und verbundenen Anomalien präsentieren Leber und Muhle (2003). In der Meta-Studie wird die Unternehmensgröße und der

706

Vgl. Heilbrunn Center for Graham & Dodd Investing (Hrsg.) (2013), recherchiert am 01.12.2015. Vgl. Rosenberg/Reid/Lanstein (1985), S. 51. Vgl. Hawawini/Keim (1995), S. 497-544; Malkiel (2003), S. 69. 709 Vgl. Bhandari (1988), S. 509 und S. 514 f. 710 Vgl. Fama/French (1988), S. 4. 711 Vgl. Sattler (1999), S. 105. Eine übersichtliche graphische Darstellung liefern Jacobs/Levy (1989), S. 66. 712 Vgl. Elze (2010), S. 531; Asness et al. (2000), S. 52; Kaiser (2014), S. 16. 707 708

Kapitalmarktanomalie Value versus Growth

109

Insiderhandel behandelt, um zu zeigen, wie häufig auch andere Anomalien untersucht wurden und deren Überperformance durchschnittlich ausfällt. Die höchste Überrendite wurde bei der Verwendung von Insiderinformationen gefunden. Dies ist ein Beleg für das Versagen der strengen Informationseffizienz, was jedoch nicht verwunderlich ist. Die strenge Informationseffizienz ist inzwischen auch in der wissenschaftlichen Gemeinschaft umstritten.713 Die meisten Studien, insgesamt 29, wurden laut dieser Meta-Studie zum KBV (Überrendite von durchschnittlich 6,2 %) durchgeführt. Die Value Indikatoren Dividendenrendite, KGV, KCV und KUV erzielen eine durchschnittliche Überrendite von jeweils 4,9 %, 3,9 %, 6,1 % bzw. 4,6 %. 25%

Durchschnittliche Überrendite p.a.

20% 15% 10% 5% 0%

Anzahl der Studien in Klammern Abb. 15: Meta-Studie714 Der Value Effekt wird häufig zusammen mit dem Kleinfirmeneffekt715 untersucht.716 Der Kleinfirmeneffekt ist die empirische Anomalie, welche zeigt, dass Unternehmen mit niedriger Marktkapitalisierung dazu tendieren, höhere risikoadjustierte Aktienrenditen zu erwirtschaften als Unternehmen mit vergleichsweise hoher Marktkapitalisierung.717 Erste empirische Nachweise für diese negative Beziehung 713

Siehe hierzu Abschnitt 2.1.4. Eigene Darstellung in Anlehnung an Leber/Muhle (2003), S. 2. Der Kleinfirmeneffekt wird auch Size Effekt bzw. Small Firm Effect genannt. 716 Siehe beispielsweise Fama/French (2012), S. 457-472; Arshanapalli/D'Ouville/Nelson (2004), S. 83-87; Cakici/Fabozzi/Tan (2013), S. 46-65; Kieselstein/Sauer (1998), S. 821-842. 717 Vgl. Holtfort (2009), S. 68. 714 715

110

Kapitalmarktanomalie Value versus Growth

zwischen Wertpapierrenditen und Marktwert des Eigenkapitals liefern Banz (1981) und Reinganum (1981).718 Basu (1983) untersucht die Beziehung zwischen Renditen von Aktienportfolios gewählt nach KGV und deren Marktkapitalisierung. In der Stichprobe der NYSE von Dezember 1962 bis Februar 1980 sind die Renditen von Portfolios bestehend aus Aktien mit niedrigen KGVs höher als die von Portfolios mit Aktien mit hohen KGVs. Die höchsten Renditen erwirtschaften die Portfolios mit niedrigen KGVs und der geringsten Marktkapitalisierung (Marktkapitalisierung Klasse 5, KGV Klasse 4+5). Aber auch in den anderen Größenklassen dominieren die Portfolios mit niedrigen KGVs. Zudem sind die Standardabweichungen dieser Portfolios geringer als bei Portfolios mit hohen KGVs (Ausnahme KGV Klasse 5).719 Marktkapitalisierung 1 (hoch)

5 (niedrig)

KGV 1 2 3 4 5 1 2 3 4 5

Rendite p.m. in % 0,48 0,52 0,46 0,59 0,89 1,23 1,37 1,19 1,56 1,55

Standardabweichung p.m. in % 5,27 4,66 4,50 4,44 4,42 8,17 7,08 6,83 6,75 7,27

Tab. 3: Value und Size Portfolios720 Fama und French (1993) und Reinganum (1981) weisen in ihren Samples jedoch nach, dass der Kleinfirmeneffekt losgelöst zu anderen Anomalien, wie beispielsweise dem Value Effekt, auftritt.721 Fama und French (1992) betrachten Value vs. Growth und den Kleinfirmeneffekt und argumentieren, dass die Querschnittsveränderungen der Aktienrenditen durch Unternehmensgröße und KBV, nicht aber durch KGV, Leverage oder das CAPM β 718

Siehe hierzu Banz (1981), S. 3-18 und Reinganum (1981), S. 19-46. Vgl. Basu (1983), S. 150 f.; Dubinsky (2006), S. 8, recherchiert am 09.02.2015. Eigene Darstellung in Anlehnung an Basu (1983), S. 144. 721 Vgl. Fama/French (1993), S. 26; Reinganum (1981), S. 45; Holtfort (2009), S.70. Dimensional Fund Advisors, ein Investmentfonds, begann 1993 mit Investitionen in Aktien von Kleinfirmen mit niedrigem KBV. Das gewählte Portfolio hätte, basierend auf den Ergebnissen von Fama/French (1993), für den Zeitraum von 1963 bis 1991 eine Überrendite von 0,5 % p.m. relativ zum CAPM erwirtschaftet. In der Periode von 1994 bis 2002, in der der Fonds aktiv war, lag jedoch eine monatliche Unterrendite von -0,2 % vor. Vgl. Schwert (2003), S. 948. 719 720

Kapitalmarktanomalie Value versus Growth

111

des Marktes, erklärt werden können.722 Bei Fama und French (1992) werden explizit Finanzunternehmen aus der Stichprobe ausgeschlossen.723 Barber und Lyon (1997) betrachten daher ein Sample bestehend aus diesen Unternehmen zusammen mit Finanzunternehmen. Der Zusammenhang von Rendite zu KBV sowie Rendite zu Marktkapitalisierung ist für beide Unternehmensgruppen ähnlich.724 Fama und French (2006) betrachten das Value Premium und den Kleinfirmeneffekt für den Zeitraum von 1926 bis 2004, und teilen diesen in Abschnitte 1926 bis 1963 und ab 1963 ein. Im Zeitraum vor 1963 sind Value Effekt und Kleinfirmeneffekt nahezu gleich ausgeprägt. Für den zweiten Zeitraum ab 1963 kann kein Value Effekt für die größten Aktien nachgewiesen werden. Die Ergebnisse sind jedoch abhängig von der gewählten Klassifizierung von Value, da in dieser Studie das KBV genutzt wird und beim KGV ein Effekt für die Periode auch bei großen Unternehmen nachgewiesen werden kann.725 Die Untersuchungen von Reinganum (1983) sowie Blume und Stambaugh (1983) zeigen einen hohen Zusammenhang zwischen dem Kleinfirmeneffekt und dem Januareffekt.726 Der Januareffekt ist eine Kalenderanomalie, da innerhalb eines festgelegten, regelmäßig wiederkehrenden Zeitraums im Januar Überrenditen nachgewiesen werden können.727 In einem Sample von 1963 bis 1995 zeigt Loughran (1997), dass bei Aktien aus dem AMEX, NASDAQ und NYSE die Überrendite von Value Wertpapieren gegenüber Growth Wertpapieren hauptsächlich im Januar auftreten. Eine Klassifizierung wird dabei nach KBV vorgenommen.728 Zu übereinstimmenden Ergebnissen kommt auch Athanassakos (2010), der Aktien von AMEX, NASDAQ und NYSE für den Zeitraum von 1985 bis 2006 untersucht. Sowohl Value als auch Growth Aktien zeigen hierbei saisonale Effekte, jedoch ist der Effekt im Januar und in der ersten Jahreshälfte größer für Value Aktien. In der zweiten Jahreshälfte sind saisonale Effekte vor allem für Growth Wertpapiere zu sehen.729 Neben Kleinfirmen- und Januareffekt existieren Anomalien, die durch Autokorrelation der Renditen charakterisiert sind. Diese Anomalien stehen mit der Random Walk Theorie730 und somit auch mit der Effizienzmarkthypothese731 in Konflikt. Bei

722

Vgl. Fama/French (1992), S. 438; Zacks (2011), S. 266. Vgl. Fama/French (1992), S. 429. 724 Vgl. Barber/Lyon (1997), S. 883. 725 Vgl. Fama/French (2006), S. 2183 f. 726 Vgl. Reinganum (1983), S. 96 f.; Blume/Stambaugh (1983), S. 90. 727 Vgl. Daxhammer/Facsar (2012), S. 116. 728 Vgl. Loughran (1997), S. 259 f. 729 Vgl. Athanassakos (2010), S. 71. 730 Siehe hierzu Abschnitt 2.1.2. 731 Siehe hierzu Abschnitt 2.1.3. 723

112

Kapitalmarktanomalie Value versus Growth

den empirischen Untersuchungen werden zwei Anomalien unterschieden, der Contrarian sowie der Momentum Effekt.732 Den Momentum Effekt entdeckten Jegadeesh und Titman (1993) für den Untersuchungszeitraum von 1965 bis 1989 für Aktien gelistet an der AMEX und NYSE. Sie formen Aktienportfolios nach den Renditeentwicklungen der vorherigen drei bis zwölf Monate und konstatieren, dass die Aktien mit guter Performance auch durchschnittlich in der zeitgleichen Folgeperiode eine gute Entwicklung nehmen bzw. schlechte Aktien auch eine weiterhin schlechte Entwicklung aufweisen.733 Mit dem Value Effekt und dem Momentum Effekt beschäftigen sich Asness, Moskowitz und Pedersen (2013). Hierfür betrachten sie beide Anomalien gemeinsam über acht unterschiedliche Assetklassen und finden für jede der Assetklassen signifikante Value und Momentum Premia sowie gleichgerichtete Entwicklungen der Renditen.734 Asness (1997) führt für beide Anomalien für eine Stichprobe mit monatlichen Daten von Juli 1963 bis Dezember 1994 von allen Aktien in AMEX, NASDAQ und NYSE sowohl uni- als auch multivariate Tests durch. Beide Strategien, Value und Momentum, sind wirksam, obwohl Value und Momentum negativ korreliert sind. Bei einem konstanten Level von Momentum sind die höchsten Renditen durch die Value Strategie zu sehen.735 Der Contrarian Effekt ist die langfristige Rückkehr zum Mittelwert des Aktienkurses,736 dem fundamental korrekten Wert, womit auf Grundlage vergangener Entwicklung die zukünftige Entwicklung vorhersehbar wird.737 Der Effekt wurde erstmals von De Bondt und Thaler (1985) in einer Stichprobe bestehend aus NYSE Aktien für den Zeitraum von 1926 bis 1982 festgestellt. Die Autoren zeigen, dass Aktien mit guter historischer Renditeentwicklung über einen Zeitraum von drei Jahren in den darauffolgenden drei Jahren durchschnittlich eine schlechte Entwicklung aufweisen. Die vorherigen Verliereraktien hingegen weisen eine stark positive Entwicklung in den drei folgenden Jahren auf.738 De Bondt und Thaler (1987) führen

732

Vgl. Daxhammer/Facsar (2012), S. 117 f.; Siehe für die theoretischen Grundlagen Abschnitt 2.2.4. Vgl. Jegadeesh/Titman (1993), S. 70; Jaunich (2008), S. 46. Vgl. Asness/Moskowitz/Pedersen (2013), S. 929. 735 Vgl. Asness (1997), S. 30-35. 736 Diese wird auch Mean Reversion genannt. Siehe hierzu Abschnitt 2.2.4. 737 Vgl. Daxhammer/Facsar (2012), S. 117. 738 Vgl. De Bondt/Thaler (1985), S. 793-805; Jaunich (2008), S. 47. 733 734

Kapitalmarktanomalie Value versus Growth

113

die gleiche Untersuchung für fünfjährige Perioden durch und bestätigen diesen Effekt.739 Ein Zero Investment Portfolio bestehend aus den Leerverkäufen von extremen Gewinneraktien und Käufen von extremen Verliereraktien wird Contrarian Portfolio genannt und erwirtschaftet durchschnittlich positive Renditen.740 Lakonishok, Shleifer und Vishny (1994) kombinieren den Value Effekt mit Contrarian Portfolios für Aktien der AMEX und NYSE. Die Autoren betrachten den Zeitraum von 1963 bis 1990 und bilden die Contrarian Portfolios mit fünfjähriger Bildungs- und Haltedauer. Die Portfolios werden jährlich gebildet. Für die Bildung von Value Portfolios nutzen sie das KBV, das KCV, das KGV sowie das Umsatzwachstum. Die Contrarian Strategie mit Value Portfolios erwirtschaftet eine Überrendite von 19,8 % p.a. beim KBV (KCV: 20,1 %; KGV: 19,0 %; Umsatzwachstum: 19,5 %), wohingegen das Growth Portfolio nur 9,3 % p.a. beim KBV (KCV: 9,1 %; KGV: 11,4 %; Umsatzwachstum: 12,7 %) erzielt.741 In der neoklassischen Theorie werden alle Informationen von den Investoren genutzt, um den Wertpapieren Preise zuzuordnen. Daher sollte nach einem preisverändernden Ereignis keine kumulative abnormale Rendite vorhanden sein.742 Dreman und Berry (1995) untersuchen daraufhin die Wirkung von neuen Informationen. Hierbei stellen sie fest, dass schlechte Nachrichten bei Value Wertpapieren weniger Einfluss haben als bei Growth Aktien. Sie nutzen die eindimensionale Darstellung des KGVs zur Unterscheidung zwischen Value und Growth Aktien und zeigen, dass Unternehmen mit niedrigem KGV, Value Aktiengesellschaften, eine höhere Rendite erzielen.743 Dies bestätigt den Konservatismus Bias.744 Der PEAD, bei dem es einen Renditedrift nach einer Gewinnüberraschung gibt, wurde von Bernard und Thomas (1990) entdeckt. Der Drift entwickelt sich in Richtung der Gewinnwarnung und ist größer für kleine Unternehmen und dauert meist für mehr als 60 Tage an.745 La Porta et al. (1997) stellen hierzu fest, dass Renditen durch den PEAD für Value Aktien deutlich höher sind als für Growth Aktien. In ihrer Stichprobe sind für einen zwei- bis dreijährigen Haltezeitraum in etwa 25 bis 30 Prozent des Renditeunterschiedes von Value zu Growth Aktien durch den PEAD verursacht.746

739

Vgl. De Bondt/Thaler (1987), S. 559 und S. 565; Jaunich (2008), S. 48; Für weitere Studien zur langfristigen Mean Reversion siehe Chan (1988), S. 147-163; Ball/Kothari (1989), S. 51-74; Chopra/Lakonishok/Ritter (1992), S. 235268 sowie Jones (1993), S. 119-144. 740 Vgl. Jones (1993), S. 120. 741 Vgl. Lakonishok/Shleifer/Vishny (1994), S. 1544-1550. 742 Siehe hierzu Abschnitt 2.1.3. 743 Vgl. Dreman/Berry (1995), S. 25; Schweinitz (1997) S. 135. 744 Siehe hierzu Abschnitt 2.2.3.2. 745 Vgl. Bernard/Thomas (1990), S. 305-340. 746 Vgl. La Porta et al. (1997), S. 872 f.

114

Kapitalmarktanomalie Value versus Growth

Die meisten Studien zu Value vs. Growth befassen sich mit Aktienmärkten. Inzwischen wurde das Value Premium jedoch auch in anderen Assetklassen nachgewiesen. So gibt es Untersuchungen, die analog zu den Aktienmärkten Indikatoren für Value und Growth in Märkten wie beispielsweise Devisen oder Rohstoffen prüfen. Asness, Moskowitz und Pedersen (2013) untersuchen Aktien, Aktienindizes, Devisen, Staatsanleihen und Rohstoff-Futures auf Value und Momentum Effekte. Hierbei konstruieren sie für jede Assetklasse einen eigenen Value und Momentum Faktor. Sie verwenden beispielsweise für Aktien das KBV, für Devisen die fünfjährige Veränderung der Kaufkraftparität747 und für Staatsanleihen die fünfjährige Renditeveränderung von zehnjährigen Anleihen.748 Die Zero Investment Portfolios der Staatsanleihen von Value vs. Growth erzielen eine Rendite von 1,1 %, Rohstoffe von 7,3 % und Devisen von 3,9 %. Die Renditen der Value Strategien der verschiedenen Assetklassen sind positiv miteinander korreliert. Außerdem zeigen sie Ergebnisse bei Verwendung von alternativen Value Indikatoren für Staatsanleihen. So nutzen sie auch die Differenz der zehnjährigen Rendite und der fünfjährigen Inflationserwartung, die Differenz der zehnjährigen Rendite und dem Zinssatz für kurzfristige Anleihen sowie eine Kombination aus allen Bewertungskennzahlen.749 Einen anderen Ansatz verfolgen Blitz und van Vliet (2008). Sie verwenden einen Top-Down Ansatz, anstatt einzelne Wertpapiere als Value oder Growth zu klassifizieren, bewerten sie die gesamte Assetklasse.750 Hierfür untersuchen sie zwölf Assetklassen und bilden monatlich Value Portfolios bestehend aus jeweils drei Assetklassen. Um die Value Indikatoren vergleichbar zu machen, passen die Autoren die Indikatoren an jede Assetklasse an. So neutralisieren sie beispielsweise das Kreditausfallrisiko und den Anstieg der Zinsstrukturkurve.751 Ähnlich gehen auch Wang und Kochard (2012) vor, die sieben Assetklassen nach Value vs. Growth und Momentum kategorisieren. Sie nutzen einen sogenannten ZScore zum Standardisieren der unterschiedlichen Assetklassen. Somit wird eine einzelne Assetklasse nur als Value bewertet, wenn sie zum Bewertungszeitpunkt sowohl günstig relativ mit anderen Assetklassen und im Vergleich zu den eigenen

747

Der Indikator für Value bei Devisen ist genau genommen die negative fünfjährige Rendite des Wechselkurses, gemessen als der logarithmierte Durchschnitt des Kassakurses von vor viereinhalb bis fünfeinhalb Jahren, dividiert durch den aktuellen Kassakurs minus der logarithmierten Differenz in der Veränderung des Verbraucherpreisindex des Auslandes relativ zu den USA. Vgl. Asness/Moskowitz/Pedersen (2013), S. 937. 748 Der Value Indikator für Staatsanleihen entspricht somit der negativen Rendite der vergangenen fünf Jahre. Vgl. Asness/Moskowitz/Pedersen (2013), S. 937. 749 Vgl. Asness/Moskowitz/Pedersen (2013), S. 930-944. 750 Dieser Ansatz wird auch Tactical Asset Allocation genannt. 751 Vgl. Blitz/van Vliet (2008), S. 25-29; Zacks (2011), S. 280 f.

Kapitalmarktanomalie Value versus Growth

115

historischen Preisen ist.752 Diese Betrachtung vernachlässigt, dass in jeder Assetklasse Growth Wertpapiere sein können, auch wenn die Assetklasse als Gesamtheit als Value bewertet wird. Auch Qian, Sorensen und Hua (2009) nutzen einen Top-Down Ansatz. Sie bewerten globale Aktien-, Anleihen- und Devisenmärkte. Erwähnenswert sind die überraschend geringen Korrelationen der unterschiedlichen Value Wertpapiermärkte miteinander, was große Potentiale für Multi-Assetklassenportfolios bietet.753 3.2.3 Faktormodelle zur Darstellung von Value versus Growth Die im Folgenden erläuterten Faktormodelle dienen der Erklärung von Renditen von Value Wertpapieren. In Abschnitt 2.3.3 werden das Kapitalmarktgleichgewichtsmodell CAPM und in Abschnitt 2.3.4 das Marktmodell, ein Einfaktormodell, erklärt. Diese dienen für nachfolgende Ausführungen als Grundlage. Die in diesem Kapitel behandelten Faktormodelle sind Multifaktormodelle und bauen theoretisch auf der APT auf.754 Diese Multidimensionalität der Rendite von Wertpapieren wurde erstmals in Forschungsbeiträgen zum Intertemporalen CAPM von Merton (1969, 1973) und zur APT durch Ross (1976) und Roll und Ross (1980) untersucht.755 Erste Ergebnisse mit einem fundamentalen Multifaktormodell erzielen Dowen und Bauman (1986). Die Autoren verwenden einen Markt-, einen KGV-, einen Kapitalisierungs- und einen Vernachlässigungsfaktor.756,757 Vor allem der KGV- und der Kapitalisierungsfaktor erweisen sich für die Portfoliorendite als erklärend.758 Das viel beachtete Dreifaktorenmodell von Fama und French (1993) hat als Einflussgrößen auf die Rendite einen Markt-, einen Größen- und einen Wertfaktor. Für den Marktfaktor wird die Überrendite des Marktes im Verhältnis zum risikolosen Zins angenommen. Den Größen- und Wertfaktor ermitteln die Autoren, indem sie alle Aktien in sechs Portfolios kategorisieren. Diese bilden sich aus der Marktkapitalisierung und dem Buchwert-Marktwert-Verhältnis. Es wird zwischen hoher (vom Englischen Big) und niedriger (vom Englischen Small) Marktkapitalisierung, sowie zwischen hohem (vom Englischen High), mittlerem (vom Englischen Medium) und niedrigem (vom Englischen Low) Buchwert-Marktwert-Verhältnis unterschieden. 752

Vgl. Wang/Kochard (2012), S. 52-71. Vgl. Qian/Sorensen/Hua (2009), S. 44-47. 754 Siehe hierzu Abschnitt 2.3.5. 755 Vgl. Merton (1969), S. 247-257; Merton (1973), S. 867-887; Ross (1976), S. 341-360; Roll/Ross (1980), S. 10731103. 756 Dieser Faktor soll den Effekt der Neglected Firm erfassen, das Phänomen, dass Unternehmen, die wenig bekannt sind oder keine Berichterstattung von Finanzanalysten erhalten, deutlich höhere Aktienrenditen aufweisen. 757 Vgl. Dowen/Bauman (1986), S. 46 f. 758 Vgl. ebd., S. 48-50. 753

116

Kapitalmarktanomalie Value versus Growth

Marktwert des Eigenkapitals M di Median BH

SM

BM

SL

BL

70 %

SH

30 %

Buchwert-Marktwert-Verhältnis

Die Portfolios ergeben sich aus der Kombination dieser Kategorien und es ergeben sich die Portfolios BH (Big und High), BM, BL, SH, SM, und SL. Der Größenfaktor SMB (Small Minus Big) wird aus der Differenz zwischen den durchschnittlichen Renditen der drei Portfolios mit der niedrigen Marktkapitalisierung und den Portfolios mit hoher Marktkapitalisierung errechnet. Der Wertfaktor HML (High Minus Low) wird analog berechnet, hier wird die Differenz der Renditen der Portfolios SH und BH mit den Renditen von SL und BL kalkuliert.759

Abb. 16: Portfolios zur Berechnung der Faktoren SMB und HML760 Die Regressionsfunktion sieht wie folgt aus:761 ai  bi [ RM  R f ]  si [SMB]  hi [ HML]  H i ,

Ri  R f

(3.19)

mit Ri

-

Rendite von Wertpapier i,

Rf

-

Risikoloser Zins,

ai

-

Konstante unternehmensindividuelle Rendite,

bi

-

Sensitivität von Wertpapier i gegenüber Veränderungen des Marktes,

759

Vgl. Fama/French (1993), S. 7-10. Eigene Darstellung in Anlehnung an Hößl (2009), S. 215; Wittmann (2012), S. 132. 761 Vgl. Fama/French (1993), S. 20. 760

Kapitalmarktanomalie Value versus Growth

117

RM

-

Rendite des Marktes,

si

-

Sensitivität von Wertpapier i gegenüber dem Faktor SMB,

SMB

-

Small Minus Big,

hi

-

Sensitivität von Wertpapier i gegenüber dem Faktor HML,

HML

-

High Minus Low,

Hi

-

Residualwert von Wertpapier i.

Das ai in Formel (29) beschreibt die individuelle Überrendite, die nicht durch die drei Faktoren erklärt wird, aber nicht zufällig ist. Wenn mit dieser Regressionsfunktion die Portfolios von Portfoliomanagern evaluiert werden, dann beschreibt ai die individuelle Fähigkeit der Performancemanager, in gute Aktien zu investieren.762 Der Residualwert Hi hingegen beschreibt Zufallsschwankungen, die nicht durch die Regressionsgerade erklärt werden können.763 Lewellen (1999) untersucht auf Portfolioebene die Verbindung von erwarteten Renditen und dem KBV. Dabei zeigt sich, dass Änderungen des KBV stark mit Änderungen des Risikos verbunden sind. Um dieses Risiko bereinigt, liefert das KBV keine weiteren Informationen, wodurch Lewellen (1999) zeigt, dass das Dreifaktorenmodell von Fama und French (1993) die Renditen von Aktien besser erklären kann als ein auf Charakteristika aufbauendes Modell.764 Fama und French (1998) adaptieren ihr Dreifaktorenmodell zu einem internationalen Dreifaktorenmodell und zeigen, dass dieses die Renditen von 13 wichtigen Aktienmärkten erklären kann.765 Griffin (2002) untersucht das Dreifaktorenmodell von Fama und French (1993) auf den Erklärungsgehalt von weltweiten und länderspezifischen Renditen. In diesem Zusammenhang weisen länderspezifische Faktormodelle durchschnittlich geringe Preisfehler sowie Alphas auf. Zudem haben die Modelle ein höheres Bestimmtheitsmaß R2.766 Beim Vierfaktorenmodell von Carhart (1997) erweitert sich die Regressionsformel vom Fama und French (1993) Dreifaktorenmodell um den Faktor UMD767. Dieser wird aus dem einjährigen Momentum berechnet:768

762

Vgl. Jensen (1967), S. 394. Vgl. Perridon/Steiner/Rathgeber (2012), S. 268. 764 Vgl. Lewellen (1999), S. 37-39. 765 Vgl. Fama/French (1998), S. 1997 f.; Davis/Fama/French (2000), S. 1 f. 766 Vgl. Griffin (2002), S. 787-798; Hanauer/Linhart (2014), S. 2 f. 767 Die Faktorbezeichnung UMD kommt von Up Minus Down. Der Risikofaktor wird teilweise auch WML genannt und bildet sich mithilfe eines Zero Investment Portfolios, welches in die zwölfmonatigen Gewinneraktien investiert und die 12-monatigen Verliereraktien verkauft. 768 Vgl. Carhart (1997), S. 61. 763

118

Kapitalmarktanomalie Value versus Growth

ai  bi [ RM  R f ]  si [SMB]  hi [ HML]  ui [UMD]  H i ,

Ri  R f

(3.20)

mit Ri

-

Rendite von Wertpapier i,

Rf

-

Risikoloser Zins,

ai

-

Konstante unternehmensindividuelle Rendite,

bi

-

Sensitivität von Wertpapier i gegenüber Veränderungen des Marktes,

RM

-

Rendite des Marktes,

si

-

Sensitivität von Wertpapier i gegenüber dem Faktor SMB,

SMB

-

Small Minus Big,

hi

-

Sensitivität von Wertpapier i gegenüber dem Faktor HML,

HML

-

High Minus Low,

ui

-

Sensitivität von Wertpapier i gegenüber dem Faktor

UMD

-

Up Minus Down,

Hi

-

Residualwert von Wertpapier i.

UMD,

Ein Zweifaktorenmodell für Value und Growth wurde von Yeh und Hsu (2010) entwickelt. Dabei integrieren sie für den Wertfaktor das Konzept von Tobin’s Q und der Wachstumsfaktor ist angelehnt an das Wachstumsmodell von Gordon.769 Jedoch nutzen die Autoren einen erweiterten Buchwert des Eigenkapitals, der durch die zukünftige erwartete Eigenkapitalrentabilität skaliert ist. Somit können, wie in Tabelle 4 zu sehen, in diesem Modell Aktien sowohl zu Value als auch zu Growth zugeordnet werden.770

769 770

Für nähere Informationen zu beiden Konzepten siehe hierzu Abschnitt 2.3.7. Vgl. Yeh/Hsu (2010), S. 438.

Kapitalmarktanomalie Value versus Growth

niedriges „Growth“ hohes „Growth“

niedriges „Value“ Aktien mit niedrigem „Growth“ und niedrigem „Value“ Aktien mit hohem „Growth“ und niedrigem „Value“

119

hohes „Value“ Aktien mit niedrigem „Growth“ und hohem „Value“ Aktien mit hohem „Growth“ und hohem „Value“

Tab. 4: Zwei Dimensionen von Value und Growth771 Neueste Forschungsergebnisse zur Erklärung von Wertpapierrenditen liefern Green, Hand und Zhang (2014), die ihr Sample auf insgesamt 100 Faktoren getestet haben, wovon 24 signifikante Ergebnisse liefern.772 Zur Performanceanalyse werden Faktormodelle ebenfalls verwendet. So schlagen Fung und Hsieh (1997) ein Fünffaktor- und Fung und Hsieh (2004) ein Siebenfaktorenmodell für die Erklärung von Hedgefonds Renditen vor.773 Auch wird die Multidimensionalität mithilfe von Faktormodellen bei zwei neuen Investmentstrategien, den sogenannten Smart Alpha und Smart Beta Strategien, berücksichtigt.774 In einem früheren Aufsatz zeigen Fama und French (1989) den Zusammenhang zwischen wirtschaftlichen Rahmenbedingungen und Aktien- sowie Anleihenrenditen. Die Dividendenrendite, die oftmals als Indikator für die Aktienrendite verwendet wird, bestimmt auch die Anleihenrendite.775 In Fama und French (1993) wird auch ein Faktormodell für Anleihen beschrieben. Die Autoren nutzen zwei Faktoren, TERM (vom Englischen „Term Structure“) und DEF (vom Englischen „Default“), welche die Rendite von Anleihen erklären sollen. Die Regressionsfunktion sieht wie folgt aus:776 Ri  R f

ai  mi [TERM ]  di [ DEF ]  H i ,

(3.21)

mit 771

Eigene Darstellung in Anlehnung an Yeh/Hsu (2010), S. 439. Vgl. Green/Hand/Zhang (2014), S. 1-62. 773 Vgl. Fung/Hsieh (1997), S. 275-302; Fung/Hsieh (2004), S. 65-80; Idzorek/Kowara (2013), S. 2. 774 Vgl. Jacobs/Levy (2014a), S. 7-9; Jacobs/Levy (2014b), S. 5-7. Portfolios werden durch Kombination von verschiedenen Faktoren, die Anomalien wie beispielsweise den Momentum, Value oder Kleinfirmeneffekt erklären, gebildet. Smart Beta Strategien sind passive Investmentstrategien, da die Selektion und die Gewichtung durch vorher festgelegt Regeln stattfinden. Ebenso sind die Intervalle, in denen Portfolios umgeschichtet werden, festgelegt. Smart Alpha hingegen ist eine aktive Investmentstrategie. Hier werden einzelne Wertpapiere aktiv untersucht, um deren Beziehung zwischen Preis und Faktoren festzustellen. Somit kann bei dieser Strategie auf Veränderungen in der Umwelt schnell eingegangen werden. Vgl. Jacobs/Levy (2014b), S. 4-6. 775 Vgl. Fama/French (1989), S. 24. 776 Vgl. Fama/French (1993), S. 17. 772

120

Kapitalmarktanomalie Value versus Growth

Ri

-

Rendite von Wertpapier i,

Rf

-

Risikoloser Zins,

ai

-

Konstante unternehmensindividuelle Rendite,

mi

-

Sensitivität von Wertpapier i gegenüber dem Faktor TERM,

TERM

-

Zinsänderungsfaktor,

di

-

Sensitivität von Wertpapier i gegenüber dem Faktor DEF,

DEF

-

Default Faktor,

Hi

-

Residualwert von Wertpapier i.

Der TERM Faktor berechnet sich aus der Differenz der monatlichen Renditen von langfristigen Staatsanleihen und einmonatigen Staatsanleihen. Hiermit können Veränderungen der Zinsstrukturkurve erfasst werden. Der DEF Faktor hingegen beschreibt das Kreditausfallrisiko777 und berechnet sich als Differenz der monatlichen Rendite von langfristigen Unternehmensanleihen und langfristigen Staatsanleihen.778 Aufbauend auf diesem Zweifaktorenmodell von Fama und French (1993) gibt es einige Verbesserungsvorschläge. So betrachten Elton, Gruber und Blake (1995) zusätzlich unerwartete Änderungen bei der Inflation bzw. dem Wirtschaftswachstum.779 Gebhardt, Hvidkjær und Swaminathan (2005) schlussfolgern aus ihren empirischen Ergebnissen, dass der DEF Faktor und der TERM Faktor sowie individuelle Charakteristika der Anleihe, wie z.B. Duration oder Rating, die Performance von Anleihen bestimmen.780 Es gibt allerdings auch Faktormodelle für Anleihen mit mehr als zwei Faktoren. Litterman und Scheinkman (1991) kommen zum Ergebnis, dass US-amerikanische Anleihenrenditen besser durch ein Dreifaktorenmodell erklärt werden können.781 Knez, Litterman und Scheinkman (1994) nutzen erfolgreich hierfür ein Vierfaktorenmodell. Driessen, Melenberg und Nijman (2003) finden sogar fünf Faktoren, die Anleihenrenditen erklären.782 Zur Portfoliokonstruktion mit Aktien-, Anleihen- und Währungsmärkten nutzen Clarke, Silva und Murdock (2005) ein Multifaktormodell, dass je Wertpapiermarkt 777

Vom Englischen Wort „Default“ für Nichterfüllung. Vgl. Fama/French (1993), S. 7. Vgl. Elton/Gruber/Blake (1995), S. 1229-1256. 780 Vgl. Gebhardt/Hvidkjær/Swaminathan (2005), S. 85-114. 781 Vgl. Litterman/Scheinkman (1991), S. 54-61. 782 Vgl. Knez/Litterman/Scheinkman (1994), S. 1861-1882; Driessen/Melenberg/Nijman (2003), S. 629-656. 778 779

Kapitalmarktanomalie Value versus Growth

121

einen eigenen Marktfaktor verwendet, aber auch mit einem zusätzlichen Faktor auf Charakteristika wie z.B. das Momentum oder das KGV eingeht. Ihre Erkenntnis ist, dass vor allem in Marktphasen, in denen die Marktprämie gering ausfällt, Investoren auf Charakteristika basierende Faktoren zur Portfoliobildung nutzen sollten.783 Ein globales Dreifaktorenmodell entwickeln Asness, Moskowitz und Pedersen (2013) und wenden dieses für mehrere Assetklassen an. Sie verwenden hierfür nach Volatilität gleichgewichtete Markt-, Wert- und Momentumfaktoren und finden positive Value sowie Momentum Premia für die untersuchten Assetklassen.784 Sowohl bei Clarke, Silva und Murdock (2005) als auch bei Asness, Moskowitz und Pedersen (2013) werden Assetklassen als Ganzes bewertet und es erfolgt keine Beurteilung der einzelnen Wertpapiere innerhalb der Assetklasse. 3.2.4 Internationale und globale Studien zu Value versus Growth Auf die Emerging Markets fokussieren sich Hanauer und Linhart (2014). Die Autoren unterscheiden hierbei vier Regionen: Lateinamerika, EMEA,785 Asien und BRIC.786 Sie finden für 21 untersuchte Länder ein stark signifikantes Value Premium, sowohl für klein- als auch für großkapitalisierte Wertpapiere.787 Eine weitere Untersuchung der Emerging Markets wurde durch Cakici, Fabozzi und Tan (2013) durchgeführt. Die Ergebnisse zum Nachweis eines starken Value Effekts sind kongruent. Die Autoren betrachten 18 Länder aus Asien, Lateinamerika und Osteuropa.788 Den indischen Aktienmarkt untersucht Deb (2012) für den Zeitraum von 1996 bis 2010. Der Autor findet sowohl für die absolute als auch risikoadjustierte Betrachtung ein Value Premium. Vor allem bei einer Halteperiode von mehr als einem Jahr ist dieses stark ausgeprägt.789 Einen anderen Ansatz verfolgen Kouwenberg und Salomons (2003). Sie analysieren Value und Growth Strategien auf übergeordneter Landesebene. Value Portfolios aus Ländern mit niedrigen KGVs übertreffen Growth Portfolios aus Ländern mit hohen KGVs.790 Auch Yan und Zhao (2010) bewerten Emerging Markets Länder als Value bzw. Growth. Hierbei verwenden sie das Bruttoinlandsprodukt, die Dividendenren-

783

Vgl. Clarke/Silva/Murdock (2005), S. 12-20. Vgl. Asness/Moskowitz/Pedersen (2013), S. 966. Abkürzung für den englischen Ausdruck „Europe, Middle East and Africa“ (EMEA). 786 Abkürzung für Brasilien, Russland, Indien und China (BRIC). 787 Vgl. Hanauer/Linhart (2014), S. 2-24. 788 Vgl. Cakici/Fabozzi/Tan (2013), S. 49-64. 789 Vgl. Deb (2012), S. 49-60. 790 Vgl. Kouwenberg/Salomons (2003), S. 26. 784 785

122

Kapitalmarktanomalie Value versus Growth

dite, das KGV und die Marktkapitalisierung von 23 Indizes. Diese modifizierte Anwendung von Value Investing erwirtschaftet jährliche Überrenditen von 14,25 % bis 16,89 %.791 Mit den Indikatoren KBV, KGV, KCV sowie Umsatzwachstum werden südafrikanische Aktienportfolios von Beukes (2011) gebildet. Die Autorin zeigt, dass die Aktien in Südafrika, abgesehen von der Klassifizierung nach KCV, ein deutlich höheres Value Premium als in entwickelten Kapitalmärkten aufweisen.792 Cordeiro und Machado (2013) betrachten den brasilianischen Aktienmarkt von Juni 1995 bis Juni 2008 und weisen für KBV und KCV nach, dass Growth Strategien ertragreicher sind als Value Strategien.793 Chan, Hamao und Lakonishok (1991) weisen eine positive Renditedifferenz zwischen Value und Growth Strategien aus. Die Autoren konzentrieren sich auf Japan und haben hierfür ein sehr umfangreiches Sample für den Zeitraum von 1971 bis 1988. Die Stichprobe besteht sowohl aus Unternehmen aus dem produzierenden Gewerbe als auch aus Dienstleistungsunternehmen und beinhaltet auch ausgelistete Wertpapiere.794 Die Beziehung zwischen fundamentalen Daten wie dem Gewinn oder dem Buchwert des Eigenkapitals und den Renditen sind signifikant. Hervorzuheben sind vor allem das KBV und das KCV, die den höchsten Einfluss zeigen.795 Die Untersuchung zum japanischen Markt von Cai (1997) kommt zum gleichen Ergebnis. Value Strategien erzielen eine höhere Performance als Growth Wertpapiere. Der Autor untersucht dabei Wertpapierportfolios von 1977 bis 1991.796 Athanassakos beschäftigt sich umfassend mit den nordamerikanischen Aktienmärkten und mit der Kapitalmarktanomalie Value vs. Growth. So nutzt er die uni- sowie bivariate Analyse mit KBV und KGV für den Zeitraum von 1985 bis 2005 und stellt ein Value Premium in Kanada fest.797 In den USA untersucht er den Zeitraum von 1985 bis 2006. Er findet ein robustes Value Premium für Aktien von AMEX, NASDAQ und NYSE sowohl in unterschiedlichen Marktphasen als auch für unterschiedliche Indikatoren für Value vs. Growth.798 Den europäischen Kapitalmarkt, in Form des EURO STOXX 50 als Benchmark, analysiert Elze (2010). Je nachdem, welches eindimensionale Klassifizierungskriterium von Value und Growth genutzt wird, erwirtschaftet Value gegenüber Growth 791

Vgl. Yan/Zhao (2010), S. 1841-1846. Vgl. Beukes (2011), S. 4. 793 Vgl. Cordeiro/Machado (2013), S. 99-108. Die Autoren berichten von anderen Studien über Brasilien, die auf ein gegenteiliges Ergebnis kommen. Vgl. Cordeiro/Machado (2013), S. 98 f. 794 Vgl. Chan/Hamao/Lakonishok (1991), S. 1742 f. 795 Vgl. ebd., S. 1760 f. 796 Vgl. Cai (1997), S. 1294 f. 797 Vgl. Athanassakos (2009), S. 112-118. 798 Vgl. Athanassakos (2011b), S. 15-26. 792

Kapitalmarktanomalie Value versus Growth

123

eine jährliche Renditedifferenz von 5,40 % bis 12,66 %. Er zeigt zudem, dass die Kombination von zwei Klassifizierungen von Value und Growth weder die Performance noch die statistische Signifikanz verbessert.799 Den deutschen Aktienmarkt betrachten Kieselstein und Sauer (1998). Sie sehen drei unterschiedliche Phasen im Zeitraum von Januar 1987 bis Dezember 1996. Bis Ende 1988 und ab Oktober 1990 erwirtschaften Value Wertpapiere eine Überrendite, aber in dem Zeitraum dazwischen sind es Growth Wertpapiere, deren Wert mehr ansteigt.800 In einer Studie aus 2016 finden Franz und Regele (2016) für die drei größten Aktienindizes in Deutschland eine Unterperformance von Value Strategien.801 Einen Zusammenhang zwischen Rendite und KCV sowie Rendite und KBV findet Wallmeier (2000) für den deutschen Aktienmarkt. Der Autor sieht wenig Hinweise für eine Art von systematischem Risiko in diesen fundamentalen Bewertungskennzahlen, da die ermittelten Bestimmtheitsmaße R2 in den Regressionsanalysen bei Verwendung der Kennzahlen als Faktoren nicht besonders ansteigen. Vielmehr befürworten die empirischen Ergebnisse die Begründung durch Fehlverhalten der Marktteilnehmer.802 Ziegler et al. (2007) nutzen das Dreifaktorenmodell von Fama und French (1993), um die Aktienrenditen am deutschen Aktienmarkt zu erklären. Hierzu analysieren sie alle im amtlichen Handel der Frankfurter Wertpapierbörse notierten Industrieunternehmen, für die zwischen Dezember 1967 und Juni 1995 monatliche Aktienrenditen, Marktwerte und Buchwerte des Eigenkapitals vorliegen.803 Das Dreifaktorenmodell zeigt bei der Zeitreihenregression, im Vergleich zum traditionellen CAPM und anderen Multifaktormodellen, den höchsten Erklärungsgehalt für den deutschen Markt. Jedoch ist dieser geringer als für den US-amerikanischen Aktienmarkt.804 Mithilfe des Vierfaktorenmodells von Carhart (1997) untersuchen Hanauer, Kaserer und Rapp (2011) für Juli 1996 bis Dezember 2011 den Composite DAX (CDAX).805 Für Deutschland zeigt sich ein negativ ausgeprägter Kleinfirmeneffekt sowie ein Value Effekt von 0,74 % p.m.806 Analog untersuchen Ammann und Steiner (2008) den Schweizer Kapitalmarkt von Dezember 1988 bis Dezember 2005 und finden ein monatliches Value Premium von 0,20 %.807 L'Her, Masmoudi und Suret (2004) betrachten den kanadischen Aktienmarkt von Juli 1960 bis April 2001 und finden 799

Vgl. Elze (2010), S. 530-536. Vgl. Kieselstein/Sauer (1998), S. 835. 801 Vgl. Franz/Regele (2016), S. 195. 802 Vgl. Wallmeier (2000), S. 53 f. 803 Vgl. Ziegler et al. (2007), S. 366. 804 Vgl. ebd., S. 386. 805 Der CDAX enthält alle deutschen Unternehmen des Prime Standard und General Standard der Deutschen Börse. 806 Vgl. Hanauer/Kaserer/Rapp (2011), S. 26 f. 807 Vgl. Ammann/Steiner (2008), S. 6-12. 800

124

Kapitalmarktanomalie Value versus Growth

eine durchschnittliche monatliche Rendite von 0,42 %, die durch den Value Faktor erklärbar ist.808 Auch Artmann, Finter und Kempf (2012) analysieren Faktormodelle mit Daten des deutschen Aktienmarktes. Für den Zeitraum von 1963 bis 2006 zeigen sie, dass sowohl Value als auch Momentum in der Lage sind, Aktienrenditen zu erklären. Das Dreifaktorenmodell von Fama und French (1993) hat indes Probleme, die durchschnittlichen Renditen zu erklären. Das Vierfaktorenmodell von Carhart (1997) hingegen eignet sich deutlich besser. Die Autoren finden zudem, dass ein abgewandeltes Vierfaktorenmodell, mit dem Markt- und dem Momentumfaktor, sowie zwei Valuefaktoren einen noch höheren Erklärungsgehalt aufweist. Anstelle des SMB Faktors nutzen sie einen KGV Faktor.809 In einem zweiten Aufsatz, für den ein größerer Datensatz genutzt wurde, zeigen Artmann et al. (2012), dass Faktormodelle sich nicht für die systematische Erklärung von deutschen Aktienrenditen eignen.810 Zudem gibt es einige empirische Studien, die sich mit dem globalen Value Effekt beschäftigen. Für die Zeit von Januar 1981 bis Juni 1992 finden Capaul, Rowley und Sharpe (1993) in sechs untersuchten Ländern811 ein Value Premium. Aktienportfolios bestehend aus Aktien mit niedrigem KBV erwirtschaften risikoadjustiert eine höhere Rendite.812 Fama und French (1998) nutzen das KBV für Aktien der USA und zwölf Märkte aus Europa, Australien und Asien. In dieser Untersuchung finden sie heraus, dass zwischen 1975 und 1995 in fast jedem Land Value Aktien eine höhere Rendite aufweisen als Growth Aktien.813 Außerdem betrachten sie in einer Out-Of-Sample Untersuchung die Value vs. Growth Anomalie in 16 Emerging Markets. Da die notwendigen Fundamentaldaten für das KGV sowie KBV erst ab 1986 verfügbar sind, wird bei dem Emerging Markets Sample nur der Zeitraum von 1987 bis 1995 betrachtet. Neu ist für Schwellenländer, ähnlich den Ergebnissen in entwickelten Finanzmärkten, der Nachweis, dass es sowohl für die Klassifizierung nach KGV und KBV ein allgegenwärtiges Value Premium gibt.814 Bauman, Conover und Miller (1998) nutzen unterschiedliche Indikatoren, darunter u.a. das KBV, das KGV, das KCV und die Dividendenrendite, für Value und Growth in 21 internationalen Aktienmärkten und bestätigen, dass Value sowohl in der Effektivrendite als auch in der risikoadjustierten Rendite besser abschneidet als 808

Vgl. L'Her/Masmoudi/Suret (2004), S. 320. Vgl. Artmann/Finter/Kempf (2012), S. 781. Vgl. Artmann et al. (2012), S. 36. 811 Die Autoren haben eine Portfolioanalyse und Regression für Deutschland, Frankreich, Japan, die Schweiz, das Vereinigte Königreich und die USA durchgeführt. 812 Vgl. Capaul/Rowley/Sharpe (1993), S. 35; Cordeiro/Machado (2013), S. 96. 813 Vgl. Fama/French (1998), S. 1980; Beukes (2011), S. 1. 814 Vgl. Fama/French (1998), S. 1991-1996. 809 810

Kapitalmarktanomalie Value versus Growth

125

Growth. Dabei zeigt sich, dass Value Strategien nicht in jedem Jahr besser waren. In den Jahren, in denen die Value Portfolios höhere Performance aufweisen, ist das Ausmaß jedoch deutlich höher. Vor allem die Aktienmärkte außerhalb der USA zeigen deutlich größere Überrenditen.815 Eine Überrendite von Value gegenüber Growth Aktien dokumentieren Arshanapalli, Coggin und Doukas (1998) für 18 Aktienmärkte von Januar 1975 bis Dezember 1995. Außerdem zeigen sie, dass die Renditen von Value Aktien auch risikoadjustiert besser sind als die von Growth Aktien.816 Für sechs Länder am Pazifischen Ozean, Japan, Neuseeland, Australien, Malaysia, Singapur und Hong Kong, führen Bauman, Conover und Miller (2001) eine Analyse mithilfe des KBVs durch. Ihre Stichprobe beinhaltet mehr als 11.900 Aktien im Zeitraum von 1986 bis 1996. Hierbei zeigt sich, dass Value Aktien im Durchschnitt eine bessere Performance aufweisen. Zudem zeigt sich, wenn auch nicht in jedem Jahr, dass Value Aktien ein höheres Risiko aufweisen. Trotz des erhöhten Risikos können die Renditen nicht ausschließlich durch das Risiko erklärt werden, da die Renditen überproportional hoch sind.817 Bei der Betrachtung von 23 entwickelten Ländern und 13 Schwellenländern für den Zeitraum von 1990 bis 2012 zeigt Kim (2012), dass in den meisten (18 bzw. 10) Märkten die Value Strategie mithilfe des KGVs signifikant besser ist als eine Growth Strategie.818 Asness, Moskowitz und Pedersen (2013), die sich in ihrem Aufsatz dem Value Effekt in unterschiedlichen Assetklassen beschäftigen, betrachten für den Zeitraum von 1978 bis 2011 insgesamt 18 entwickelte Aktienmärkte. Hierzu zählen Australien, Belgien, Dänemark, Deutschland, Frankreich, Hong Kong, Italien, Japan, Kanada, die Niederlande, Norwegen, Österreich, Portugal, Schweden, die Schweiz, Spanien, das Vereinigte Königreich sowie die USA.819 Zudem werden die Staatsanleihen von den Ländern Dänemark, Deutschland, Japan, Kanada, Norwegen, Österreich, Schweden, der Schweiz, dem Vereinigten Königreich sowie den USA untersucht.820 Das globale Value Aktienportfolio erwirtschaftet bei einer geringeren Standardabweichung insgesamt eine 6,5 % p.a. höhere Rendite als das Growth Portfolio. Bei dem aus Staatsanleihen bestehenden Zero Investment Portfolio gibt es Value Premium von 1,2 % p.a. zwischen Value und Growth Staatsanleihen, auch

815

Vgl. Bauman/Conover/Miller (1998), S. 88. Vgl. Arshanapalli/Coggin/Doukas (1998), S.10-23. Vgl. Bauman/Conover/Miller (2001), S. 97-108. 818 Vgl. Kim (2012), S. 85. 819 Vgl. Asness/Moskowitz/Pedersen (2013), S. 934. 820 Vgl. ebd., S. 935. 816 817

126

Kapitalmarktanomalie Value versus Growth

wieder mit einer geringeren Standardabweichung des Value Staatsanleihenportfolios.821 Für insgesamt 41 Länder untersuchen Caliskan und Hens (2013) die Profitabilität von Value Portfolios. Sie klassifizieren nach KBV und bilden für jedes Land fünf Portfolios am Ende des Jahres. In 34 Ländern können die Autoren ein stark signifikantes Value Premium feststellen. Für drei der sieben Länder, Kroatien, Litauen und Vietnam, für die keine signifikanten Ergebnisse vorliegen, wurde jedoch eine sehr kleine Stichprobe von nur wenigen Jahren verwendet.822 Cornell (2014) analysiert die Dividendenrendite und das Dividendenwachstum über einen Zeitraum von 1951 bis 2012. In seiner Untersuchung betrachtet er elf Aktienmärkte und zeigt den Zusammenhang zwischen Dividendenrendite und zukünftigen Renditen. Jedoch sind die Ergebnisse für Länder wie beispielsweise Italien oder Spanien weniger stark ausgeprägt als für das Vereinigte Königreich, Frankreich, Japan, die USA oder Australien.823 Somit bezeichnet der Autor diese Studie als Warnung für Investoren, die der Dividendenrendite blind vertrauen.824 3.2.5 Zwischenfazit und kritische Würdigung Die vorgestellten Aufsätze zur eindimensionalen Darstellung von Value waren die ersten, die den Value Effekt empirisch untersucht und dabei Daten von mehr als zehn Jahre verwendet haben. Hierbei sind vor allem die Aufsätze von Basu (1977), der das KGV als Value Faktor identifiziert, und Rosenberg, Reid und Lanstein (1985) revolutionär. Letztere nutzen das KBV und ein Zero Investment Portfolio zur Analyse.825 Bei der multidimensionalen Darstellung von Value sind es Basu (1983), Fama und French (1992) sowie Lakonishok, Shleifer und Vishny (1994), die die meiste Aufmerksamkeit erhalten.826 So treten die Kapitalmarktanomalie Value vs. Growth und der Kleinfirmeneffekt häufig gemeinsam auf. Es gibt jedoch noch viele weitere Kapitalmarktanomalien, die gemeinsam mit dem Value Effekt auftreten. Hierzu zählen besonders der Momentum und der Contrarian Effekt.827

821

Vgl. ebd., S. 942 f. Vgl. Caliskan/Hens (2013), S. 24-27. 823 Vgl. Cornell (2014), S. 125. 824 Vgl. ebd., S. 126. 825 Vgl. Basu (1977), S. 663-682; Rosenberg/Reid/Lanstein (1985), S. 9-16; Zacks (2011), S. 266 und S. 269 f.; Dubinsky (2006), S. 4, recherchiert am 09.02.2015. 826 Vgl. Basu (1977), S. 663-682; Fama/French (1992), S. 427-465; Lakonishok/Shleifer/Vishny (1994), S. 15411578; Elze (2010), S. 527. 827 Siehe beispielsweise Fama/French (1993), S. 3-56; Asness (1997), S. 29-36; Lakonishok/Shleifer/Vishny (1994), S. 1541-1578. 822

Kapitalmarktanomalie Value versus Growth

127

Die Betrachtung von Value vs. Growth nach ein- bzw. multidimensionaler Darstellung unterscheidet sich grundlegend von den Faktormodellen, da Faktormodelle ein oder mehrere systematische Risikofaktoren voraussetzen, wohingegen die ein- bzw. multidimensionalen Darstellung auf Charakteristika basiert (z.B. zeichnen sich Value Aktien durch ein niedriges KGV aus) und den Zusammenhang zwischen Charakteristika und Gesamtrisiko erklärt. Aufbauend auf dem CAPM und den eigenen Erkenntnissen aus dem Aufsatz aus dem Jahre 1992, veröffentlichen Fama und French im Jahr 1993 das Dreifaktorenmodell, dass den Value Effekt sowie den Kleinfirmeneffekt als systematische Risikofaktoren identifiziert.828 Knez und Ready (1997) testen die Robustheit der Risikofaktoren des Modells und kritisieren, dass die Risikoprämie für den Größenfaktor SMB komplett verschwindet, wenn die extremsten Werte keine Beachtung erhalten.829 Das Dreifaktorenmodell wird in vielen weiteren empirischen Studien überprüft und auch häufig durch zusätzliche Faktoren erweitert. Die bekannteste Erweiterung des Dreifaktorenmodells liefert Carhart (1997), der einen zusätzlichen Faktor für den Momentum Effekt einbezieht.830 Heutzutage werden Faktormodelle immer häufiger nicht nur für Aktien, sondern auch für viele andere Assetklassen genutzt.831 Die ersten Studien zu Kapitalmarktanomalien fokussierten sich auf den US-amerikanischen Kapitalmarkt. Mittlerweile wurden aber auch viele internationale und globale Untersuchungen veröffentlicht. Die internationalen Studien in diesem Kapitel beziehen sich auf einen Kapitalmarkt oder eine Region, z.B. die Emerging Markets. Im Unterschied dazu analysieren die globalen Studien zu Value vs. Growth viele unterschiedliche Länder und lassen einen weltweiten Vergleich zu.832 Diese Studien wecken nachvollziehbarerweise Zweifel an der Effizienzmarkthypothese, sowie an rationalen Marktteilnehmern und der Random Walk Theorie. Teilweise zeigen sie jedoch auch nur ein Versagen des CAPM auf.833 Die Erkenntnisse zu den Value vs. Growth Indikatoren sind entscheidend für diese Forschungsarbeit, da viele der Aktien-Indikatoren in der empirischen Untersuchung verwendet werden. Für die Bildung der Anleihen-Indikatoren werden die Konzepte der Aktien-Indikatoren auf Anleihen übertragen. Auch wird die wenige Forschung, die es zu Value vs. Growth bei Anleihen gibt, für die Anleihen-Indikatoren genutzt. Außerdem werden die Methoden, wie z.B. das Zero Investment Portfolio, die sich

828

Vgl. Fama/French (1993), S. 3-56. Vgl. Knez/Ready (1997), S. 1375. Vgl. Carhart (1997), S. 57-82. 831 Vgl. Asl/Etula (2012), S. 60. 832 Vgl. Dubinsky (2006), S. 14-21, recherchiert am 09.02.2015. 833 Vgl. Malkiel (2003), S. 69 f. 829 830

128

Kapitalmarktanomalie Value versus Growth

im Laufe der Entwicklung der Forschung zu Value vs. Growth herausgebildet haben, angewendet.

Empirische Untersuchung des Value Effekts

4

129

Empirische Untersuchung des Value Effekts bei Aktien und Unternehmensanleihen

Der theoretische Rahmen sowie frühere empirische Ergebnisse zur Kapitalmarktanomalie Value vs. Growth wurden in den vorangegangenen Kapiteln ausführlich behandelt. Darauf aufbauend werden in Abschnitt 4.1 die Forschungsfrage und die Hypothesen für diese Forschungsarbeit näher erläutert. Im darauffolgenden Abschnitt 4.2 werden die verwendeten Daten der empirischen Untersuchung beschrieben. Hierbei wird zwischen Aktien und Unternehmensanleihen differenziert. Die Datenbasis bei den Aktien umfasst große Kapitalmarktunternehmen in den USA, Europa und Deutschland, welche in den Large Cap Indizes Dow Jones, EURO STOXX 50 und DAX gelistet sind. Beim EURO STOXX 50 Index und dem DAX Index gibt es eine kleine Schnittmenge an enthaltenen Aktien. Bei den festverzinslichen Anleihen werden ausschließlich Unternehmen in die Stichprobe einbezogen, die ein Investment Grade Anleiherating vorweisen können und deren Anleihe über einen Nennbetrag von insgesamt mindestens 250 Millionen $ (BUSC Index) bzw. 250 Millionen € (BERC Index) verfügt. Abschnitt 4.3 beschäftigt sich mit dem methodischen Vorgehen. In diesem Zusammenhang werden die Aktien- und AnleihenIndikatoren und die Portfoliokonstruktion sowie die Anforderungen an die Zeitreihenregression vorgestellt. In Abschnitt 4.4 werden mehrere Indikatoren, wie beispielsweise das KGV oder das KBV, zur Klassifizierung von Value und Growth verwendet. Dies hängt von der Annahme ab, dass Wertpapiere, die anhand von ähnlichen Charakteristika gebündelt werden, eine bessere Performance aufweisen als Wertpapiere, die eine konträre Ausprägung dieser Charakteristika haben. Diese Indikatoren, die Charakteristika, werden anhand fundamentaler Unternehmensdaten und Kapitalmarktpreise berechnet. Es werden Value und Growth Portfolios für verschiedene Kapitalmärkte gebildet und hinsichtlich Rendite, Risiko und Performancekennzahlen verglichen. In einem weiteren Schritt werden Zero Investment Portfolios konstruiert, um zu sehen, ob und bei welchen Indikatoren Value Premia vorliegen. Außerdem werden die jährlichen Überrenditen, die bei den Zeitreihenregressionen berechnet werden, zwischen den verschiedenen Value und Growth Strategien bewertet. Am Ende des Kapitels werden die Ergebnisse der Untersuchung interpretiert.

4.1 Zielsetzung und Hypothesen Aufbauend auf den Erkenntnissen zur Kapitalmarktanomalie Value vs. Growth ist das Ziel der Forschungsarbeit, den Value Effekt bei Aktien- und Anleihenmärkten

130

Empirische Untersuchung des Value Effekts

zu untersuchen. Nach der neoklassischen Theorie hat die fundamentale Analyse keinen Mehrwert für die Wertpapierauswahl, da fundamentale Kennzahlen weder Einfluss auf die Rendite, noch auf das Risiko von Wertpapieren haben. In diesem Kapitel soll daher geprüft werden, ob Fehlbewertungen bei Wertpapierpreisen vorliegen können. Hierzu werden fundamentale Kennzahlen und deren Ausprägungen betrachtet, um festzustellen, wie sich fundamentale Charakteristika auf die Rendite von Wertpapieren auswirken. Im Bereich der Aktienforschung gibt es eine Vielzahl an Forschungsarbeiten, die sich mit der Anomalie Value vs. Growth auseinandersetzen. Die Forschung zur Anomalie bei Anleihenmärkten ist hingegen bisher wenig fortgeschritten. Daher werden neue Indikatoren für die Anleihebewertung verwendet. Mehrere Aktien-Indikatoren werden allerdings auch für die Bildung von Anleihenportfolios genutzt, da diese möglicherweise auch von Bedeutung für die Renditeentwicklung von Anleihen sind. Um eine etwaige Anomalie zu identifizieren und diese als geeignete Handelsstrategie für institutionelle Investoren operationalisierbar zu machen, werden Value und Growth Portfolios gebildet und sowohl miteinander als auch mit einer entsprechenden Benchmark verglichen. Zusammenfassend werden folgende Forschungsfragen betrachtet: x Haben fundamentale (unternehmensspezifische) Charakteristika Einfluss auf die Renditen von Aktien bzw. Unternehmensanleihen? x Ist die Kapitalmarktanomalie Value vs. Growth in Aktien- und Anleihenmärkten vorhanden? x Haben Aktien-Indikatoren einen Einfluss auf Anleihenrenditen von Unternehmen? Um die Forschungsfragen beantworten zu können, werden folgende Hypothesen untersucht, die auf den theoretischen Überlegungen und den Ergebnissen früherer Untersuchungen basieren: Hypothese 1:

Wertpapiere, die als Value klassifiziert sind, haben eine höhere risikoadjustierte Rendite als Wertpapiere, die als Growth klassifiziert sind.

Hypothese 2:

Wertpapiere, die als Value klassifiziert sind, haben eine höhere risikoadjustierte Rendite als eine entsprechende Benchmark (Wertpapierindex).

Empirische Untersuchung des Value Effekts

Hypothese 3:

131

Unternehmensanleihen, die nach Aktien-Indikatoren als Value klassifiziert sind, haben eine höhere risikoadjustierte Performance als eine entsprechende Benchmark (Wertpapierindex).

Die Klassifizierung von Aktien und Anleihen nach Value und Growth ist in Abschnitt 4.3.1.1 beschrieben.

4.2 Datenbasis Für die Forschungsarbeit werden sowohl Kapitalmarkt- als auch Jahresabschlussdaten verwendet. Die meisten Datensätze stammen aus dem Bloomberg System. Es stehen die entsprechenden Aktienkurse, Anleihenpreise, Indizes, Fundamentaldaten und risikolosen Zinssätze zur Verfügung. Die Faktoren für das Multifaktoranleihenmodel ist ebenfalls aus dem Bloomberg System. Lediglich die Faktoren für Multifaktoraktienmodelle für Deutschland stammen von der Website834 von Prof. em. Richard Stehle, Humboldt Universität zu Berlin. Die Daten der Multifaktoraktienmodelle für Europa und die USA sind der Website835 von Kenneth French, Tuck School of Business, Dartmouth College, entnommen. Für den risikolosen Zins werden die Zinssätze von AAA-gerateten Staatsanleihen836 genutzt.837 Bei den Zeitreihen in € wird in dieser Forschungsarbeit der niedrigste Zins der deutschen Staatsanleihen mit kurzfristiger Laufzeit genutzt. Analog wird der Zins von US-amerikanischen Staatsanleihen verwendet, wenn die Zeitreihe in $ dotiert. Viele Untersuchungen zu Value vs. Growth konzentrieren sich auf größere Stichproben und Wertpapiere mit geringer Liquidität. In dieser Arbeit sollen jedoch die liquidesten Wertpapiere der Kapitalmärkte USA, Europa und Deutschland betrachtet werden. Da Anomalien vor allem bei kleinen und illiquiden Wertpapieren nachgewiesen werden können, sind die Ergebnisse dieser Forschungsarbeit weniger extrem und die Handelsstrategie für Investoren besser durchführbar.838 834

Siehe hierzu Stehle (2016), recherchiert am 21.05.2016. Die Daten von Prof. Stehle werden verwendet, da die Daten von Fama/French die Renditen für den deutschen Aktienmarkt im Vergleich zum US-amerikanischen und britischen schlechter erklären. Vgl. Ziegler et al. (2007), S. 384. 835 Siehe hierzu French (2016), recherchiert am 21.05.2016. Hierbei handelt es sich um die Fama/French Originaldaten. 836 Für die Ratingkategorien siehe Anlage 1. 837 Dies entspricht der üblichen Herangehensweise. Siehe hierzu o.V. (2014), S. 63. 838 Wertpapiere zeigen meist ein größeres Value Premium bei Aktien mit geringer als bei hoher Marktkapitalisierung. Vgl. Fama/French (2012), S. 460 f. Eine ähnliche Herangehensweise nutzen auch Asness/Moskowitz/Pedersen (2013), S. 934.

132

Empirische Untersuchung des Value Effekts

Die verwendeten Daten von Aktien und Anleihen werden in Abschnitt 4.2.1 und 4.2.2 näher erläutert. 4.2.1 Aktien Es werden Portfolios untersucht, die aus Aktien von drei Kapitalmärkten bestehen: USA, Europa und Deutschland. Im Speziellen sind dies alle Aktien der Blue Chip Indizes Dow Jones, EURO STOXX 50 und DAX und stellt sich aus der echten Zusammensetzung der Indizes zum jeweiligen Zeitpunkt zusammen. Einzelne Aktien des DAX Index sind auch im EURO STOXX 50 Index enthalten, jedoch handelt es bei den deutschen Aktien nur um eine Minderheit im gesamteuropäischen Markt. Der Untersuchungszeitraum umfasst die Zeit vom 31.12.1987 bis 31.12.2014 und hat bei jährlicher Portfoliobildung 27 Perioden. Assetklasse

Region bzw. Land USA

Aktien

Europa Deutschland

Untersuchungs- Perioden zeitraum 31.12.1987 – 27 Dow Jones 31.12.2014 31.12.1987 – 27 EURO STOXX 50 31.12.2014 31.12.1987 – 27 DAX 31.12.2014 Index

Tab. 5: Aktien der Untersuchung839 Der Dow Jones ist ein preisgewichteter Kursindex und setzt sich aus 30 großen und bekannten US-amerikanischen Industrieunternehmen zusammen, die aus allen Branchen mit der Ausnahme von Transport- und Versorgungsunternehmen stammen. Er wurde erstmals am 26.05.1896 berechnet.840 Bei dem Index EURO STOXX 50 handelt es sich um einen kapitalgewichteten Preisindex. Enthalten sind die 50 größten Unternehmen der Eurozone. Er wurde am 26.02.1998 von STOXX Ltd. eingeführt, jedoch wurde eine Rückrechnung bis 1986 von der STOXX Ltd. vorgenommen, wodurch der längere Untersuchungszeitraum in dieser Forschungsarbeit möglich ist.841 Der Aktienindex mit den 30 größten deutschen Kapitalgesellschaften ist der DAX. Er wurde von der Deutsche Börse AG am 01.07.1988 zum ersten Mal berechnet und 839

Eigene Darstellung. Vgl. S&P Dow Jones Indices (Hrsg.) (2016), recherchiert am 21.05.2016. 841 Vgl. STOXX (Hrsg.) (2016), recherchiert am 30.05.2016. 840

Empirische Untersuchung des Value Effekts

133

hat als Basis 1.000 mit dem Basisdatum 30.12.1987. Die Gewichtung erfolgt beim DAX nach dem Kapital der im Streubesitz befindlichen Aktien.842 Zusätzlich zu den Aktienkursen werden Fundamentaldaten von den Unternehmen genutzt. Diese sind in der nachfolgenden Tabelle aufgelistet und ihre Verwendung im Rahmen der Indikatoranalyse dargestellt. Fundamentaldaten Jahresüberschuss Buchwert des Eigenkapitals Cashflow Umsatzerlöse Dividende Jahresüberschuss, Bilanzsumme Jahresüberschuss, Eigenkapital Dividende Dividende, Nettoerlöse Marktwert des Eigenkapitals, Fremdkapital, EBITDA

Zugehöriger Indikator KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

Tab. 6: Fundamentaldaten der Untersuchung bei Aktien843 4.2.2 Unternehmensanleihen Bei den Anleihenportfolios werden zwei Kapitalmärkte betrachtet. Diese sind USA und Europa. Stellvertretend für den US-amerikanischen Markt mit Unternehmensanleihen steht der BUSC Index. Für Europa wird der BERC Index verwendet. Die Stichprobe beider Indizes enthält zu jedem Zeitpunkt mindestens 200 Unternehmensanleihen und umfasst den Zeitraum 31.12.2009 bis 31.12.2015 und hat bei dreimonatlicher Portfoliobildung 21 Perioden. Der deutsche Markt an Unternehmensanleihen kann nicht betrachtet werden, da es keinen entsprechenden Index gibt, der vergleichbar mit den Indizes BUSC und BERC ist und die gleichen Indexvorgaben besitzt.

842 843

Vgl. Deutsche Börse (Hg.) (2016), S. 15-34, recherchiert am 31.05.2016. Eigene Darstellung.

134

Assetklasse Unternehmensanleihen

Empirische Untersuchung des Value Effekts

Region bzw. Land

Index

USA

BUSC

Europa

BERC

Untersuchungs- Perioden zeitraum 31.12.2009 – 21 31.12.2015 31.12.2009 – 21 31.12.2015

Tab. 7: Unternehmensanleihen der Untersuchung844 BERC und BUSC Indizes sind Unternehmensanleihenindizes, die seit 01.12.2009 von Bloomberg erstellt und veröffentlicht werden. Die Zusammensetzung erfolgt nach den folgenden Vorgaben: ausschließlich Anleihen mit einem Rating im Bereich Investment Grade845 und nur festverzinsliche Unternehmensanleihen, die öffentlich emittiert und handelbar sind, werden in den Index aufgenommen. Der BUSC Index beinhaltet Anleihen, die in $, und der BERC Index Anleihen, die in € denominiert sind. Um in den Index aufgenommen zu werden, muss der gesamte Nennwert der Anleihe insgesamt mindestens 250 Millionen $ (€) betragen.846 Die für die Portfoliobildung verwendeten Fundamentaldaten sind in der folgenden Tabelle 8 dargestellt. Diese werden beispielsweise mit der Effektivverzinsung, d.h. der zukünftigen durchschnittlichen Rendite der Unternehmensanleihe bis Fälligkeit, ins Verhältnis gesetzt.

844

Eigene Darstellung. Siehe hierzu Anlage 1. 846 Vgl. Bloomberg (Hrsg.) (2016), recherchiert am 06.06.2016. 845

Empirische Untersuchung des Value Effekts

Fundamentaldaten Modifizierte Duration Jahresüberschuss EBITDA Cashflow Umsatzerlöse Nettoverbindlichkeiten, EBITDA Fremdkapital, Bilanzsumme EBITDA, Zinsaufwendungen Jahresüberschuss Buchwert des Eigenkapitals Cashflow Umsatzerlöse Dividende

135

Zugehöriger Indikator Multiplikator 1 Multiplikator 2 Multiplikator 3 Multiplikator 4 Multiplikator 5 Dynamischer Verschuldungsgrad Fremdkapitalquote Zinsdeckungsgrad KGV KBV KCV KUV Dividendenrendite

Tab. 8: Fundamentaldaten der Untersuchung bei Anleihen847

4.3 Empirisches Untersuchungsdesign Die fundamentale Bewertung erfolgt durch eine Kombination von Kapitalmarktund Jahresabschlussdaten. Bei den untersuchten Unternehmenskennzahlen aus dem Jahresabschluss wurde auf unterjährige Änderungen im Reporting geachtet. Zudem wurden Extremwerte eliminiert, damit die Forschungsergebnisse nicht durch diese verzerrt werden. Hierfür wurden Box-Whisker-Plots verwendet, wobei der Whisker auf einen 1,5-fachen Interquartilsbereich beschränkt wurde.848 Dies wurde für jedes Jahr und jeden Indikator durchgeführt. Für die Auswertung werden die Rendite und das Risiko in Form von Standardabweichung der Portfolios berechnet. Als Test auf Normalverteilung der Renditen wurde der Shapiro-Wilk-Test verwendet.849 Die Signifikanz wird in Form von p-Werten ausgegeben. Je größer dieser ist, umso wahrscheinlicher ist eine Normalverteilung. Des Weiteren wird die Schiefe

847

Eigene Darstellung. Vgl. Eckstein (2012), S. 106 f. Vgl. Shapiro/Wilk (1965), S. 591-611. Der Shapiro-Wilk-Test wird verwendet, da dieser eine höhere Teststärke aufweist als andere vergleichbare Tests. Vgl. Razali/Wah (2011), S. 32. Manche Verteilungen der Renditen, in Anlagen 2 bis 8 mit Shapiro-Wilk p-Werten von unter 5 % gekennzeichnet, sind nicht normalverteilt. Dadurch verringert sich die Genauigkeit der Standardabweichung als Risikokennzahl. Vgl. Keppler (1991), S. 384.

848 849

136

Empirische Untersuchung des Value Effekts

und Wölbung (Exzess) ausgegeben.850 Abschnitt 4.3.2 befasst sich mit der Zeitreihenregression der Portfolios. 4.3.1 Portfoliobildung Die Portfoliobildung erfolgt nach dem folgenden Ablauf: Es werden zuerst alle Wertpapiere nach den Indikatoren851 sortiert. Anschließend werden die Wertpapiere in die Portfolios aufgeteilt. In dieser Arbeit werden jeweils 33,33 % der Wertpapiere zu Value und Growth zugeordnet. Nach der Haltedauer von einem Jahr werden die Renditen der Portfolios berechnet und die Portfolios aufgelöst und neugewichtet.852 4.3.1.1 Indikatorsystem Bei der Portfoliobildung mithilfe eines Indikatorsystems853 wird angenommen, dass die Rendite durch mehrere Einflussfaktoren erklärbar ist. In dieser und früheren wissenschaftlichen Arbeiten ist dies das Marktrisiko und mindestens eine idiosynkrate Einflussvariable, die durch den Indikator erfasst wird.854 Die Ausprägung der Indikatoren zu Value und Growth bei Aktien ist wie folgt definiert:855

850

Für die Berechnung der Schiefe und Wölbung (Exzess) siehe Söhnholz/Rieken/Kaiser (2010), S. 121 f. Die Ergebnisse sind in Anlage 2 bis 8 aufgeführt. Die hierbei verwendeten Indikatoren sind in Tabelle 9 und 10 aufgeführt. 852 Siehe hierzu auch Stotz (2004), S. 266 sowie Posadas Hernandez (2006), S. 110. 853 Für einen Überblick zu möglichen Indikatoren siehe Gebert/Hüsgen/Gebert (1997), S. 11-99 sowie Mattern (2005), S. 35-49 und S. 59. 854 Vgl. Seix/Akhoury (1986), S. 246. 855 Für die formale Beschreibung der Aktien-Indikatoren siehe Abschnitt 3.1.4. 851

Empirische Untersuchung des Value Effekts

Indikator KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

Formel (3.9) (3.7) (3.8) (3.10) (3.2) (3.6) (3.4) (3.3) (3.1) (3.5)

Value niedrig niedrig niedrig niedrig hoch hoch hoch niedrig hoch niedrig

137

Growth hoch hoch hoch hoch niedrig niedrig niedrig hoch niedrig hoch

Tab. 9: Ausprägung der Aktien-Indikatoren bei Value und Growth856 Bei den Anleihen-Indikatoren werden sowohl fremdkapitalorientierte Kennzahlen als auch klassische (eigenkapitalorientierte) Multiplikatoren aus der Unternehmensbewertung genutzt. Bei diesen Kennzahlen, die auch als Aktien-Indikatoren verwendet werden, wird davon ausgegangen, dass die Anleihe, gleich wie die Aktie, entweder als Value oder Growth klassifiziert ist. Eine strikte Trennung der Investmententscheidungen von Eigen- und Fremdkapitalgebern erscheint wenig sinnvoll, da beide Anlegergruppen vor der Entscheidung stehen, eine Investition zum jetzigen Zeitpunkt mit einer in der Zukunft liegenden Rückzahlung zu tätigen. Da diese Rückzahlung, die bei Fremdkapitalgebern meist aus Zins- und Tilgungszahlung besteht, unsicher ist, haben auch Fremdkapitalgeber ein Interesse am fundamentalen Erfolg und der zukünftigen Entwicklung der Unternehmung.857

856

Eigene Darstellung. KGV in Anlehnung an Basu (1977), S. 663-682; Ball (1992), S. 319-345; KBV in Anlehnung an Stattman (1980), S. 25-45; La Porta et al. (1997), S. 859-874; KCV in Anlehnung an Rosenberg/Reid/Lanstein (1985), S. 48-55; Piotroski/So (2012), S. 2841-2875; KUV in Anlehnung an Asness et al. (2000), S. 50-60; Chan/Karceski/Lakonishok (2000), S. 23-36; Dividendenrendite in Anlehnung an Ball (1978), S. 103-126; Fama/French (1988), S. 3-25; Gesamtkapitalrentabilität in Anlehnung an Frankel/Lee (1998), S. 283-319; Cooper/Gulen/Schill (2008), S. 1609-1651; Eigenkapitalrentabilität in Anlehnung an Frankel/Lee (1998), 283-319; Campbell/Thompson (2008), S. 1509-1531; Dividendenwachstum in Anlehnung an Chaves/Arnott (2012), S. 59-74; Chen/Petkova/Zhang (2008), S. 269-280; Ausschüttungsquote in Anlehnung an Fama/French (2002), S. 1-33; Arnott/Asness (2003), S. 70-87; EV-EBITDA Verhältnis in Anlehnung an Lie/Lie (2002), S. 44-54; Kaiser (2014), S. 14-29. 857 Vgl. Wagner (1993), S. 290; Ströbele (2017), S. 2.

138

AktienIndikatoren

Reine AnleihenIndikatoren

Herkunft

Empirische Untersuchung des Value Effekts

Indikator Formel Multiplikator 1 (3.11) Multiplikator 2 (3.12) Multiplikator 3 (3.13) Multiplikator 4 (3.14) Multiplikator 5 (3.15) Dynamischer Verschuldungsgrad (3.16) Fremdkapitalquote (3.17) Zinsdeckungsgrad (3.18) KGV (3.9) KBV (3.7) KCV (3.8) KUV (3.10) Dividendenrendite (3.2)

Value hoch hoch hoch hoch hoch niedrig niedrig hoch niedrig niedrig niedrig niedrig hoch

Growth niedrig niedrig niedrig niedrig niedrig hoch hoch niedrig hoch hoch hoch hoch niedrig

Tab. 10: Ausprägung der Anleihen-Indikatoren bei Value und Growth858 Die ersten acht Indikatoren ergeben sich aus fundamentalen Kennzahlen im Bereich der Fremdkapitalanalyse. Die letzten fünf Indikatoren stammen aus der Eigenkapitalanalyse und dienen der Überprüfung, ob Unternehmensanleihen als Value klassifiziert werden können, wenn die Aktien der dazugehörigen Unternehmen Value Aktien sind. Die Aktien-Indikatoren und Anleihen-Indikatoren sind in Abschnitt 3.1.2 beschrieben und formal erklärt.

858

Eigene Darstellung. Multiplikator 1 in Anlehnung an McEnally (1977), S. 53-57 in Kombination mit Effektivverzinsung; Multiplikator 2 in Anlehnung an Basu (1977), S. 663-682; Ball (1992), S. 319-345 in Kombination mit Effektivverzinsung; Multiplikator 3 in Anlehnung an Lie/Lie (2002), S. 44-54; Kaiser (2014), S. 14-29 in Verbindung mit Effektivverzinsung; Multiplikator 4 in Anlehnung an Rosenberg/Reid/Lanstein (1985), S. 48-55; Piotroski/So (2012), S. 2841-2875 in Kombination mit Effektivverzinsung; Multiplikator 5 in Anlehnung an Asness et al. (2000), S. 50-60; Chan/Karceski/Lakonishok (2000), S. 23-36 in Kombination mit Effektivverzinsung; Dynamischer Verschuldungsgrad in Anlehnung an Erlen/Isaak (2015), S.144; Fremdkapitalquote in Anlehnung an Bhandari (1988), S. 507-528; Zinsdeckungsgrad in Anlehnung an Schacht/Fackler (2009), S. 71; KGV in Anlehnung an Basu (1977), S. 663-682; Ball (1992), S. 319-345; KBV in Anlehnung an Stattman (1980), S. 25-45; La Porta et al. (1997), S. 859-874; KCV in Anlehnung an Rosenberg/Reid/Lanstein (1985), S. 48-55; Piotroski/So (2012), S. 2841-2875; KUV in Anlehnung an Asness et al. (2000), S. 50-60; Chan/Karceski/Lakonishok (2000), S. 23-36; Dividendenrendite in Anlehnung an Ball (1978), S. 103-126; Fama/French (1988), S. 3-25. Fama/French schreiben, dass weitere fundamentale Kennzahlen zusätzlich zum KBV die Renditeerklärbarkeit verbessern können. Vgl. Dimensional Fund Advisors (Hrsg.) (2011), recherchiert am 28.07.2016.

Empirische Untersuchung des Value Effekts

139

4.3.1.2 Gewichtung der Portfolios In der Literatur wird zwischen drei Gründen unterschieden, warum ein Portfolio neugewichtet859 werden sollte: Neugewichtung aufgrund von Veränderung des Risikoprofils des Investors, Neugewichtung aufgrund von Veränderungen im Zusammenhang mit erwarteter zukünftiger Rendite und Risiko sowie Neugewichtung aufgrund von Marktveränderungen.860 Die Portfolios werden in dieser Forschungsarbeit wegen des dritten Grundes, der Veränderung des Marktes, neu gebildet. Die Haltedauer der hier untersuchten Portfolios beträgt ein Jahr und spiegelt somit eine Buy-and-hold Strategie861 wieder. Teilweise ändert sich zwar die Zusammensetzung der Value und Growth Portfolios, allerdings sind viele Wertpapiere über lange Zeiträume zu ein und demselben Portfolio zugeordnet. In jedem Jahr werden jeweils 33,33 % der verfügbaren Wertpapiere den Value sowie Growth Portfolios zugeordnet. So enthält beispielsweise das Value Aktienportfolio nach dem Indikator KGV 33,33 % der Aktien mit niedrigsten KGV. Wertpapiere, die weder einen hohen noch niedrigen Indikator (mit der Indikatorausprägung zwischen 33,34 % bis 66,65 %) aufweisen, bleiben unberücksichtigt. In jedem Zeitpunkt enthalten die Portfolios Value beziehungsweise Growth die gleiche Anzahl an Wertpapieren. Portfolios mit weniger als drei Wertpapieren fließen nicht in die Untersuchung ein, da sonst mögliche Verzerrungen durch einzelne Wertpapiere zu groß ausfallen könnten. Zudem wird in der Analyse die Methode der Zero Investment Portfolios862 genutzt. Ein Zero Investment Portfolio ist ein theoretisches Portfoliokonstrukt,863 bei dem die Kosten für Wertpapierkäufe durch Erlöse für Wertpapierleerverkäufe finanziert werden. In dieser Forschungsarbeit werden die Käufe von Value Portfolios durch Verkäufe von Growth Portfolios finanziert. Diese Herangehensweise ist üblich im Bereich der empirischen Kapitalmarktforschung, da so der „Grad der Betroffenheit“ des Wertpapiers mit der Marktanomalie Value vs. Growth gezeigt werden kann.864 Ein Hauptproblem der empirischen Kapitalmarktforschung ist, dass Fehlbewertungen von Wertpapieren nicht direkt beobachtbar sind und somit nur geschätzt werden können. Hierfür werden üblicherweise Kennzahlen, wie beispielsweise die in der 859

Neugewichtung wird im Englischen als „Rebalancing“ bezeichnet. Vgl. Athanassakos (2008), S. 73-76. Vgl. Dichtl/Drobetz/Wambach (2014), S. 210. Darüber hinaus gibt es auch Neugewichtungsstrategien, die als ausschließliches Ziel haben, die Transaktionskosten zu minimieren. Siehe hierzu Fabozzi/Martellini/Priaulet (2006), S. 472-476. 861 Buy-and-hold ist Englisch und bedeutet Kaufen-und-halten. 862 Für die historische Einordnung siehe Abschnitt 3.1.5. 863 Manche Hedgefonds bezeichnen sich als marktneutral. Hierbei wird mithilfe von Zero Investment Portfolios ein Portfolio mit einem Marktbeta von 0 gebildet. Vgl. Grinold/Kahn (2000), S. 40. 864 Vgl. Rosenberg/Reid/Lanstein (1985), S. 49; Sharpe (1994), S. 172; Grinblatt/Titman/Wermers (1995), S. 1095; Jaunich (2008), S. 190; Posadas Hernandez (2006), S. 110. 860

140

Empirische Untersuchung des Value Effekts

vorliegenden Arbeit verwendeten Indikatoren, verwendet. Jedoch haben die Methode und das Untersuchungsmodell erheblichen Einfluss auf die statistische Signifikanz der Überrendite.865 Zudem ist bei Regressionen das Joint Hypothesis Problem vorhanden, da ein Kapitalmarktmodell benötigt wird, um die Effizienzmarkthypothese zu untersuchen. Diese Methode von statistischer Arbitrage (des Zero Investment Portfolios) ist besonders geeignet, da kein Gleichgewichtsmodell benötigt wird, um die Hypothese der Markteffizienz zu testen. Somit wird das Joint Hypothesis Problem866 umgangen.867 Gleichzeitig wird davon ausgegangen, dass Leerverkäufe uneingeschränkt möglich und kostenlos sind, was für Markteffizienz spricht, jedoch in der Realität nicht vorkommt.868 4.3.2 Zeitreihenregression Die lineare Regressionsanalyse wird genutzt, um Kausalbeziehungen zwischen zwei Merkmalen zu untersuchen. Eine abhängige Variable, die in dieser Arbeit meist die Rendite eines Wertpapierportfolios ist, wird durch eine oder mehrere unabhängige Variablen erklärt.869 Die Zeitreihenregression zeigt den Zusammenhang zwischen Rendite des Portfolios und den untersuchten Faktoren auf. Mithilfe der Querschnittsregression870 wird die Aussagekraft von Faktormodellen überprüft. Die folgenden Regressionsfunktionen sind Zeitreihenregressionen.

865

Vgl. Zacks (2011), S. 6. Überrenditen werden mit erhöhtem Risiko erklärt. Vgl. Barber/Lyon (1997), S. 875-883, Fama (1998), S. 283-306, Mitchell/Stafford (2000), S. 287-329, Lyon/Barber/Tsai (1999), S. 165-201, Kothari/Warner (1997), S. 301-339. 866 Siehe hierzu Abschnitt 2.1.3. 867 Vgl. Hogan et al. (2004), S. 559 f. 868 Vgl. Alexander (2000), S. 255. 869 Vgl. Bruns (1994), S. 120; Backhaus et al. (2016), S. 66 f. 870 Eine andere Methode, die sich vorrangig für Tests von Faktormodellen eignet, ist die Querschnittsregression. Siehe hierzu Wooldridge (2009), S. 5-8. Jedoch ist in der Regel die interne Validität von Korrelationsstudien bei Zeitreihenregressionen höher als bei Querschnittsregressionen. Vgl. Bortz/Döring (2006), S. 519. Fama/MacBeth (1973) führen die Querschnittsregression wie folgt durch: In einem ersten Schritt werden mithilfe einer Zeitreihenregression die Betafaktoren der Wertpapiere geschätzt. In einem zweiten Schritt werden die Renditen und Betafaktoren regressiert. Vgl. Banz (1981), S. 5. Die Querschnittsregression wird in dieser Arbeit nicht verwendet, da es nicht das Ziel ist die Faktormodelle zu testen, sondern die Anomalie Value vs. Growth bei unterschiedlichen Assetklassen zu erforschen.

Empirische Untersuchung des Value Effekts

141

4.3.2.1 Regressionsfunktionen Die Regressionsfunktion, basierend auf dem CAPM871 bzw. dem Marktmodell,872 hat nur eine unabhängige Variable in Form der Marktrisikoprämie RM-Rf. Die Regression wird formal geschrieben als: ai  bi [ RM  R f ]  H i ,

Ri  R f

(2.6)

mit Ri

-

Rendite von Portfolio i,

Rf

-

Risikoloser Zins,

ai

-

Konstante portfolioindividuelle Rendite,

bi

-

Sensitivität von Portfolio i gegenüber Veränderungen des Marktes,

RM

-

Rendite des Marktes,

Hi

-

Residualwert von Portfolio i.

Dieses Einfaktormodell wird in den Abschnitten 4.4.1.2 bis 4.4.1.4 verwendet. Des Weiteren wird die Regressionsfunktion des Dreifaktorenmodells von Fama und French (1993)873 bei den Aktienportfolios verwendet. Diese Regression ist um die Faktoren SMB und HML erweitert: ai  bi [ RM  R f ]  si [SMB]  hi [ HML]  H i ,

Ri  R f

(3.19)

mit Ri

-

Rendite von Portfolio i,

Rf

-

Risikoloser Zins,

ai

-

Konstante portfolioindividuelle Rendite,

bi

-

Sensitivität von Portfolio i gegenüber Veränderungen des Marktes,

871

RM

-

Rendite des Marktes,

si

-

Sensitivität von Portfolio i gegenüber dem Faktor SMB,

SMB

-

Small Minus Big,

Siehe hierzu Abschnitt 2.3.3. Siehe hierzu Abschnitt 2.3.4. 873 Siehe hierzu Abschnitt 3.2.3. 872

142

Empirische Untersuchung des Value Effekts

hi

-

Sensitivität von Portfolio i gegenüber dem Faktor HML,

HML

-

High Minus Low,

Hi

-

Residualwert von Portfolio i.

Dieses Dreifaktorenmodell wird in den Abschnitten 4.4.1.2 bis 4.4.1.4 verwendet. Diese Regression wird durch den Faktor UMD des Vierfaktorenmodells von Carhart (1997)874 erweitert, bei dem der zusätzliche Faktor den Momentum Effekt abbildet: ai  bi [ RM  R f ]  si [SMB]  hi [ HML]  ui [UMD]  H i ,

Ri  R f

(3.20)

mit Ri

-

Rendite von Portfolio i,

Rf

-

Risikoloser Zins,

ai

-

Konstante portfolioindividuelle Rendite,

bi

-

Sensitivität von Portfolio i gegenüber Veränderungen des Marktes,

RM

-

Rendite des Marktes,

si

-

Sensitivität von Portfolio i gegenüber dem Faktor SMB,

SMB

-

Small Minus Big,

hi

-

Sensitivität von Portfolio i gegenüber dem Faktor HML,

HML

-

High Minus Low,

ui

-

Sensitivität von Portfolio i gegenüber dem Faktor UMD,

UMD

-

Up Minus Down,

Hi

-

Residualwert von Portfolio i.

Dieses Vierfaktorenmodell wird in den Abschnitten 4.4.1.2 bis 4.4.1.4 verwendet. Die Anleihenportfolios werden mit folgender Regression, basierend auf dem Zweifaktorenmodell von Fama und French (1993),875 untersucht. Hierbei werden die Veränderungen der Zinsstrukturkurve sowie das Kreditausfallrisiko betrachtet: Ri  R f

ai  mi [TERM ]  di [ DEF ]  H i ,

mit 874 875

Siehe hierzu Abschnitt 3.2.3. Siehe hierzu Abschnitt 3.2.3.

(3.21)

Empirische Untersuchung des Value Effekts

143

Ri

-

Rendite von Portfolio i,

Rf

-

Risikoloser Zins,

ai

-

Konstante portfolioindividuelle Rendite,

mi

-

Sensitivität von Portfolio i gegenüber dem Faktor TERM,

TERM

-

Zinsänderungsfaktor,

di

-

Sensitivität von Portfolio i gegenüber dem Faktor DEF,

DEF

-

Default Faktor,

Hi

-

Residualwert von Portfolio i.

Dieses Zweifaktorenmodell wird in den Abschnitten 4.4.2.2 und 4.4.2.3 verwendet. 4.3.2.2 Prüfung der Regressionsfunktion Das Bestimmtheitsmaß R2 gibt das Verhältnis von erklärter Streuung zur Gesamtstreuung an. Es liegt zwischen 0 und 1, wobei 0 bedeutet, dass die Streuung nicht durch das Modell erklärt werden kann und 1, dass die gesamte Streuung durch das Modell ausgedrückt wird:876 R2

erklärte Streuung , Gesamtstreuung

(4.1)

mit R2

-

Bestimmtheitsmaß.

Das korrigierte Bestimmtheitsmaß R2korr straft zudem die Anzahl an unabhängigen Variablen durch die in der Formel (4.2) angegebene Korrektur ab. Das Bestimmtheitsmaßes R2 bleibt unverändert bei Verwendung weiterer unabhängiger Variablen in der Regression, auch wenn diese keinen Einfluss haben, wohingegen das korrigierte Bestimmtheitsmaß R2korr dieses Problem von möglicher Überparametrisierung bei Regressionen löst.877 Das Bestimmtheitsmaß R2korr kann maximal so groß sein wie R2, ist aber in der Regel kleiner und kann auch negative Werte annehmen.878 Die Formel für R2korr lautet:879 2 Rkorr

876

R2 

J (1  R 2 ) , B  J 1

Vgl. Backhaus et al. (2016), S. 84. Vgl. Auer/Rottmann (2011), S. 878 Vgl. Cleff (2008), S. 160 f. 879 Vgl. Backhaus et al. (2016), S. 86. 877

(4.2)

144

Empirische Untersuchung des Value Effekts

mit R2korr

-

Korrigiertes Bestimmtheitsmaß,

R

-

Bestimmtheitsmaß,

J

-

Zahl der Regressoren,

B

-

Zahl der Beobachtungspunkte.

2

4.3.2.3 Prüfung der Regressionskoeffizienten Nach der Prüfung der Regressionsfunktion folgt die Prüfung der einzelnen Regressionskoeffizienten. Hierbei wird die folgende Nullhypothese H0 überprüft: H 0 : Ei 0 .

(4.3)

Wird die Nullhypothese H0 verworfen, so hat der Regressionskoeffizient einen signifikanten Einfluss auf die zu erklärende Variable. Zur Überprüfung der Nullhypothese H0 wird der t-Test genutzt, der die Regressionskoeffizienten mit den Standardfehlern der Regressionskoeffizienten ins Verhältnis setzt. Der errechnete t-Wert wird mit einem Wert aus der t-Tabelle,880 der abhängig von Signifikanzniveau und der Zahl der Freiheitsgrade ist, verglichen.881 Die Signifikanzniveaus von 5 %, 1 % und 0,1 % werden geprüft und sind mit *, ** bzw. *** gekennzeichnet. 4.3.2.4 Prüfung der Modellannahmen Die lineare Regressionsanalyse unterliegt einigen Annahmen, die überprüft werden müssen. Im Folgenden werden die Herangehensweise und die verwendeten Methoden beschrieben, die in dieser Forschungsarbeit Anwendung finden. Eine Annahme der Regressionsanalyse ist, dass die Residualwerte unkorreliert sind. Sollte dies nicht der Fall sein, so wird von Autokorrelation gesprochen. Um Autokorrelation auszuschließen, wird der Durbin-Watson-Test verwendet:882 DW

¦

n t 2

(H t  H t 1 )2

¦

n 2 t 1 t

H

,

(4.4)

mit DW 880

-

Durbin-Watson-Wert,

Vgl. Grabmeier/Hagl (2012), S. 81-83. Vgl. Backhaus et al. (2016), S. 92 f. 882 Vgl. Durbin/Watson (1951), S. 159-178. 881

Empirische Untersuchung des Value Effekts

εt

-

145

Residualwert zum Zeitpunkt t.

Sollte der Wert genau oder nahe 0 sein, dann liegt starke positive Autokorrelation vor, bei starker negativer Autokorrelation wird ein Wert von nahe 4 errechnet. Ein Wert von etwa 2 bedeutet, dass bei der Stichprobe keine Autokorrelation vorliegt. Zur genaue Untersuchung wird der Durbin-Watson-Test mit den kritischen Werten der unteren Grenze du und oberen Grenze do aus der Tabelle der d-Statistik883 verglichen, um die Nullhypothese H0 (keine positive Autokorrelation) und die Nullhypothese H0* (keine negative Autokorrelation) zu prüfen.884 Hierzu wird folgende Entscheidungsregel verwendet: 0 < DW < du du ≤ DW ≤ do do < DW < 4-do 4-do ≤ DW ≤ 4-du 4-du < DW < 4

Ablehnung H0 Keine Entscheidung möglich Keine Ablehnung H0 bzw. H0* Keine Entscheidung möglich Ablehnung H0*

Tab. 11: Entscheidungsregel des Durbin-Watson-Test885 Zudem wird Homoskedastizität der Residualwerte angenommen. Dies bedeutet, dass die Residualwerte nicht von den unabhängigen Variablen und nicht von der Reihenfolge der Beobachtungen abhängig sind. Bei Heteroskedastizität liegt diese Abhängigkeit vor und Heteroskedastizität tritt häufig gemeinsam mit Nichtlinearität auf. Daher wird das Überprüfen von Heteroskedastizität auch als Test auf Nichtlinearität betrachtet.886 Heteroskedastizität der Residualwerte wird visuell untersucht. Außerdem ist eine Annahme, dass die Regressoren nicht linear abhängig sind. Sollte ein Regressor eine lineare Funktion der anderen Regressoren sein, so herrscht perfekte Multikollinearität. Geringe Multikollinearität kommt in empirischen Daten häufig vor und ist nicht zwingend störend. Jedoch werden die Berechnungen der Regressionsanalyse ungenau, wenn hohe Multikollinearität vorliegt. In einem ersten Schritt muss deshalb die wechselseitige Beziehung zwischen den unabhängigen Variablen betrachtet werden. Hierfür wird eine Korrelationsmatrix erstellt. Zur Überprüfung von Multikollinearität wird zudem die Toleranz und der Varianzinflationsfaktor berechnet.887

883

Siehe hierzu Auer/Rottmann (2011), S. 705 f. Vgl. Auer/Rottmann (2011), S. 545 f. 885 Eigene Darstellung in Anlehnung an Auer/Rottmann (2011), S. 547. 886 Vgl. Backhaus et al. (2016), S. 104. 887 Vgl. ebd., S. 104-108. 884

146

Empirische Untersuchung des Value Effekts

Die Toleranz und der Varianzinflationsfaktor werden berechnet, indem die in der Zeitreihenregression verwendeten unabhängigen Variablen jeweils auf die anderen unabhängigen Variablen in Regressionen untersucht werden: Toi 1  Ri2 ,

(4.5)

mit Toi

-

Toleranz der unabhängigen Variable i,

2

-

Bestimmtheitsmaß der Regression von unabhängiger Va-

R

i

riable i auf übrige Variablen der Regressionsfunktion. Keine Multikollinearität liegt bei einer Toleranz von nahe 1 vor. Der Zielwert bei dem Varianzinflationsfaktor ist ebenfalls nahe 1 und wird berechnet wie folgt:888 VIFi

1 , 1  Ri2

(4.6)

mit VIFi

-

Varianzinflationsfaktor der unabhängigen Variable i,

2

-

Bestimmtheitsmaß der Regression von unabhängigen Va-

R

i

riable i auf übrige Variablen der Regressionsfunktion. Wenn der Varianzinflationsfaktor sehr groß wird, in der Regel Werte über 5 annimmt, kann Multikollinearität nicht ausgeschlossen werden.889

4.4 Ergebnisse der empirischen Untersuchung Im ersten Teil dieses Abschnittes werden die Aktienportfolios analysiert. Der zweite Teil beschäftigt sich mit den Portfolios bestehend aus Unternehmensanleihen. Die Datenanalyse ist empirisch-induktiv und versucht, mit den vorhandenen Stichproben Schlussfolgerungen auf die Grundgesamtheit zu treffen. Es werden uni- und multivariate Analyseverfahren verwendet und die Ergebnisse werden deskriptiv dargestellt.

888 889

Vgl. Cleff (2008), S. 175. Vgl. Eckstein (2012), S. 336.

Empirische Untersuchung des Value Effekts

147

4.4.1 Aktienanalyse Im folgenden Abschnitt werden die Ergebnisse der empirischen Untersuchung zu Value und Growth ausgewertet. Die Performanceentwicklung der verwendeten Indizes wird in Abschnitt 4.4.1.1 erläutert. Die Abschnitte 4.4.1.2, 4.4.1.3 und 4.4.1.4 befassen sich mit den US-amerikanischen, europäischen bzw. deutschen Value und Growth Portfolios. 4.4.1.1 Indizes Die Indizes Dow Jones, EURO STOXX 50 und DAX sind die Benchmarks der Value und Growth Aktienportfolios, welche wiederum aus Aktien, die Teil der Indizes sind, gebildet werden. In Abb. 17 ist die Entwicklung dieser Indizes für die Jahre 1987 bis 2015 dargestellt. Sichtbar sind hierbei vor allem die insgesamt positive Entwicklung und die Einbrüche nach den Finanzkrisen 2000 und 2007.

Dow Jones

EURO STOXX 50

DAX

16600 14600 12600 10600 8600 6600 4600 2600 600

Abb. 17: Kursentwicklung der Aktienindizes890 Die Performancekennzahlen sind in Tabelle 12 dargestellt. Über den ganzen Zeitraum hinweg hat der DAX die höchste Renditeentwicklung, allerdings auch die höchste Standardabweichung. Der Dow Jones hingegen zeichnet sich durch eine geringe Standardabweichung und geringe minimale und maximale Renditeausschläge aus. Bei der Sharpe Ratio ist es der DAX, der den höchsten Wert der drei 890

Eigene Darstellung.

148

Empirische Untersuchung des Value Effekts

Indizes erreicht. Gefolgt wird dieser vom Dow Jones und dem EURO STOXX 50. Auch hat der DAX den höchsten Wert bei der Treynor Ratio. Der EURO STOXX 50 ist nach dieser Performancebewertung jedoch besser als der Dow Jones.

Rendite Standardabweichung Min Max Sharpe Ratio Treynor Ratio

Dow Jones 0,098 0,154 -0,351 0,335 0,416 0,064

EURO STOXX 50 0,087 0,228 -0,443 0,467 0,367 0,084

DAX 0,114 0,247 -0,439 0,471 0,462 0,111

Tab. 12: Zusammengefasste Statistiken und ausgewählte Performancekennzahlen der jährlichen Renditen der Aktienindizes891 4.4.1.2 Aktienanalyse der US-amerikanischen Portfolios Die Portfolios bestehend aus Aktien des Dow Jones Index werden mit den AktienIndikatoren aus Abschnitt 4.3.1.1 gebildet. In Tabelle 13 sind die durchschnittlichen Werte dieser Indikatoren von den untersuchten Value und Growth Portfolios abgebildet. Durch einen Vergleich mit den aktuellen Indikatorwerten von Wertpapieren dieses Index ist es möglich zu erkennen, ob die Wertpapiere aktuell fundamental teuer oder günstig gehandelt werden.

891

Eigene Berechnungen.

Empirische Untersuchung des Value Effekts

Indikator KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

Value 12,580 1,914 6,152 0,804 3,784 12,692 31,864 -0,042 0,584 2,011

149

Growth 28,893 6,626 18,158 3,326 1,186 1,581 8,546 0,840 0,142 5,412

Tab. 13: Durchschnittliche Aktien-Indikatorwerte bei Value und Growth Portfolios bei Aktien des Dow Jones Index892 Die meisten Value Portfolios weisen eine höhere Rendite auf als die vergleichbaren Growth Portfolios. Wie in Tabelle 14 zu sehen, geht in der Regel mit einer höheren Rendite jedoch auch eine höhere Standardabweichung einher. Die einzigen Ausnahmen stellen die Portfolios dar, die durch die fundamentalen Indikatoren Gesamtkapitalrentabilität und Ausschüttungsquote gebildet wurden. Hier haben die Value Portfolios eine höhere Rendite, jedoch bei einer gleichzeitig niedrigeren Standardabweichung als die entsprechenden Growth Portfolios. In Tabelle 14 sind zudem die minimalen und maximalen Renditen der Portfolios während des Untersuchungszeitraums aufgelistet. Diese sind ausgeglichen zwischen den Value und Growth Strategien. Die minimale Rendite bei Value und Growth beträgt -40,2 % bzw. -52,6 %, die maximale Rendite 55,5 % bzw. 50,8 %. Hierbei handelt es sich um jährliche Werte. Beim Vergleich dieser Werte mit dem entsprechenden Index, dem Dow Jones (Min: -0,351, Max: 0,335), wird offensichtlich, dass die meisten Portfolios eine höhere Rendite erwirtschaften. Dies geht oftmals einher mit höheren Standardabweichungen als bei der Benchmark (Standardabweichung des Dow Jones Index: 0,154).

892

Eigene Berechnungen.

150

Empirische Untersuchung des Value Effekts

Indikator

Kennzahl Rendite Standardabweichung Min Max KBV Rendite Standardabweichung Min Max KCV Rendite Standardabweichung Min Max KUV Rendite Standardabweichung Min Max Dividendenrendite Rendite Standardabweichung Min Max Gesamtkapitalrentabilität Rendite Standardabweichung Min Max Eigenkapitalrentabilität Rendite Standardabweichung Min Max Dividendenwachstum Rendite Standardabweichung Min Max Ausschüttungsquote Rendite Standardabweichung Min Max KGV

Value 0,155 0,197 -0,409 0,428 0,166 0,212 -0,482 0,505 0,174 0,200 -0,467 0,458 0,170 0,195 -0,458 0,476 0,127 0,170 -0,353 0,442 0,143 0,149 -0,244 0,555 0,135 0,161 -0,357 0,450 0,136 0,198 -0,417 0,481 0,156 0,154 -0,271 0,463

Growth 0,136 0,175 -0,295 0,438 0,124 0,169 -0,359 0,416 0,124 0,153 -0,281 0,508 0,124 0,150 -0,255 0,390 0,131 0,212 -0,419 0,418 0,137 0,215 -0,526 0,417 0,141 0,196 -0,405 0,494 0,153 0,211 -0,371 0,537 0,131 0,221 -0,438 0,419

Empirische Untersuchung des Value Effekts

EV-EBITDA Verhältnis

Rendite Standardabweichung Min Max

0,149 0,181 -0,339 0,481

151

0,157 0,191 -0,342 0,409

Tab. 14: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Aktien des Dow Jones Index893 In Tabelle 15 sind die Risikokennzahlen der Value Portfolios dargestellt, gefolgt von den Risikokennzahlen der Growth Portfolios in Tabelle 16. Das Gesamtrisiko ist die Standardabweichung der Portfoliorenditen, die durch den risikolosen Zinssatz vermindert wurden. Alle Value Portfolios weisen ein Beta mit dem Markt von etwa 1 auf (minimal 0,870 und maximal 1,184). Bei der Zerlegung des Gesamtrisikos in systematisches und unsystematisches Risiko fällt auf, dass ein relativ hoher Anteil von in etwa 10 % des Gesamtrisikos durch das unsystematische Risiko erklärt wird. Daher muss das Gesamtrisiko und nicht das systematische Risiko als Treiber der Rendite angesehen werden. Die Korrelationen der Value Portfolios mit dem Dow Jones sind sehr hoch mit mindestens 82,9 %, sodass ein hoher Zusammenhang zwischen Bewegungen des Index und der Portfolios gegeben ist. Indikator

Beta

KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

1,131 1,175 1,138 1,096 1,046 0,870 0,897 1,184 0,944 0,973

GeSystema- Unsyste- Korrelasamtri- tisches matisches tion mit Indexrensiko Risiko Risiko dite 0,190 0,170 0,020 0,897 0,205 0,177 0,029 0,861 0,191 0,171 0,020 0,895 0,188 0,165 0,023 0,877 0,168 0,157 0,011 0,936 0,147 0,131 0,016 0,892 0,155 0,135 0,020 0,871 0,194 0,178 0,016 0,871 0,148 0,142 0,006 0,941 0,173 0,146 0,027 0,829

Tab. 15: Risikoanalyse der Value Portfolios bei Aktien des Dow Jones Index894 893 894

Eigene Berechnungen. Eigene Berechnungen.

152

Empirische Untersuchung des Value Effekts

In Tabelle 16 ist zu sehen, dass die unterschiedlichen Growth Portfolios eine höhere Streuung der Betas mit dem Markt haben. Ansonsten sind die Risikoeigenschaften ähnlich denen der Value Portfolios. Das unsystematische Risiko erklärt bei den Growth Indikatoren meist in etwa 10 % des Risikos, jedoch zeigt sich bei der Growth Strategie, die mit dem Aktien-Indikator Dividendenwachstum konstruiert wurde, ein sehr geringer Wert von nur 1,44 %. Bei der Dividendenrendite ist der Einfluss des systematischen Risikos auf die Renditen hoch, wohingegen bei den anderen Portfolios das systematische in Kombination mit dem unsystematischen Risiko die Rendite beeinflussen. Sowohl die Renditen der Value als auch die der Growth Portfolios sind stark mit den Renditen des Dow Jones Index korreliert (mindestens 87,9 %). Indikator

Beta

KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

1,033 0,988 0,871 0,918 1,251 1,275 1,152 1,364 1,309 1,213

GeSystema- Unsyste- Korrelasamtri- tisches matition mit siko Risiko sches Ri- Indexrensiko dite 0,170 0,155 0,015 0,914 0,164 0,149 0,016 0,904 0,149 0,131 0,018 0,879 0,138 0,009 0,941 0,147 0,188 0,019 0,909 0,207 0,212 0,192 0,020 0,906 0,192 0,173 0,019 0,900 0,208 0,205 0,003 0,935 0,216 0,197 0,019 0,893 0,189 0,007 0,945 0,182

Tab. 16: Risikoanalyse der Growth Portfolios bei Aktien des Dow Jones Index895 Die Sharpe Ratio, die Sortino Ratio, die Hit Ratio, die Treynor Ratio, das Jensens Alpha, die Appraisal Ratio und M2 werden in Tabelle 17 für die Value und Growth Portfolios dargestellt.896 Im Vergleich zur Benchmark (Sharpe Ratio: 0,416) haben alle Value Portfolios eine höhere Sharpe Ratio. Überwiegend ist die Sharpe Ratio bei den Value Portfolios höher als bei den Growth Portfolios. Die Sharpe Ratios der Growth Portfolios sind ebenfalls höher als die des Dow Jones Index. Die Auswertung der Sortino Ratio zeigt auf, dass tendenziell die Value Portfolios besser ab-

895 896

Eigene Berechnungen. Für die Erklärung der Performancekennzahlen siehe Abschnitt 2.3.9.

Empirische Untersuchung des Value Effekts

153

schneiden. Kein Value Portfolio hat einen Wert von unter 1,000 und auch die höchsten Sortino Ratios werden von Value Portfolios erzielt. Drei Growth Portfolios haben hingegen eine Sortino Ratio von unter 1,000. Bei der Hit Ratio, mit deren Hilfe untersucht werden kann, wie häufig mindestens die Rendite der Benchmark erwirtschaftet wurde, fällt vor allem das Value Portfolio auf, welches mithilfe der Ausschüttungsquote konstruiert wurde. Zu 96,2 % ist dieses Value Portfolio besser als der Dow Jones Index. Zudem haben alle Portfolios, sowohl Value als auch Growth, in mehr als der Hälfte der untersuchten Zeitpunkte mindestens die Rendite der Benchmark erwirtschaften können. Einhergehend mit den höheren Sharpe Ratios der Value und Growth Portfolios im Vergleich mit dem Dow Jones Index zeigt sich auch, dass beide Investmentstrategien Vorteile durch die positiven M 2 Kennzahlen besitzen. Ähnlich ist dies auch, wenn die Treynor Ratio oder auch Jensens Alpha betrachtet werden. Diese Performancekennzahlen deuten offensichtlich darauf hin, dass die Value und Growth Portfolios eine bessere Performance haben als die vergleichbare Benchmark. Die Werte für Jensens Alpha sind durchweg positiv und im Vergleich zur Treynor Ratio des Dow Jones Index von 0,064, weisen alle Value und Growth Portfolios eine bessere Performance auf. Bei der Appraisal Ratio fällt vor allem das Value Portfolio auf, welches mit der Ausschüttungsquote als Indikator gebildet wurde. Der hohe Wert von 1,266 ist jedoch dadurch erklärbar, da hier ein besonders hohes Jensens Alpha vorliegt. Indikator KGV

KBV

Kennzahl Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2

Value 0,615 1,298 0,704 0,107 0,049 0,573 0,031 0,622 1,260 0,815 0,112 0,057 0,535 0,032

Growth 0,588 1,160 0,741 0,099 0,037 0,524 0,026 0,536 1,002 0,630 0,091 0,027 0,376 0,018

154

KCV

Empirische Untersuchung des Value Effekts

Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 KUV Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 Dividendenrendite Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 GesamtkapitalSharpe Ratio rentabilität Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 EigenkapitalSharpe Ratio rentabilität Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2

0,701 1,422 0,852 0,123 0,068 0,780 0,044 0,695 1,390 0,741 0,124 0,066 0,716 0,043 0,550 1,087 0,556 0,089 0,027 0,446 0,021 0,732 1,865 0,704 0,125 0,053 0,784 0,048 0,629 1,349 0,778 0,113 0,044 0,566 0,033

0,592 1,198 0,593 0,104 0,035 0,483 0,027 0,600 1,221 0,593 0,098 0,031 0,610 0,028 0,459 0,830 0,741 0,078 0,017 0,193 0,007 0,480 0,872 0,778 0,081 0,022 0,241 0,010 0,550 1,124 0,741 0,094 0,034 0,398 0,021

Empirische Untersuchung des Value Effekts

Dividendenwachstum

Ausschüttungsquote

EV-EBITDA Verhältnis

Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2

0,552 1,099 0,545 0,092 0,033 0,400 0,016 0,801 1,928 0,962 0,131 0,063 1,266 0,058 0,646 1,615 0,731 0,120 0,055 0,577 0,034

155

0,597 1,282 0,773 0,092 0,039 0,593 0,023 0,448 0,822 0,577 0,076 0,015 0,182 0,004 0,653 1,380 0,808 0,103 0,047 0,772 0,035

Tab. 17: Performanceanalyse der Value und Growth Portfolios bei Aktien des Dow Jones Index897 In der folgenden Tabelle werden die Zero Investment Portfolios von Value und Growth betrachtet, bei denen in die Value Strategie investiert und die Growth Strategie leerverkauft werden. Hierbei zeigt sich, dass fast alle Zero Investment Portfolios ein positives Jensens Alpha aufweisen. Die Renditen, und dadurch resultierend die Sharpe Ratios, sind jedoch bei einigen wenigen Portfolios negativ. Das Risiko, in Form von Standardabweichung, der Zero Investment Portfolios ist deutlich geringer als bei den Value und Growth Portfolios. Da jedoch nicht alle Renditen positiv sind, ergibt sich kein klares Bild, dass in dem untersuchten Zeitraum ein Investment in Value vorteilhafter als Growth wäre. Die vielen positiven Jensens Alphas der Zero Investment Portfolios zeigen dennoch die Überlegenheit der meisten Value Strategien gegenüber den entsprechenden Growth Strategien.

897

Eigene Berechnungen.

156

Empirische Untersuchung des Value Effekts

Indikator

Rendite

KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

0,018 0,042 0,050 0,046 -0,004 0,006 -0,006 -0,017 0,025 -0,008

Standardabweichung 0,124 0,150 0,133 0,117 0,121 0,150 0,129 0,146 0,132 0,128

Sharpe Ratio 0,148 0,278 0,378 0,392 -0,033 0,039 -0,048 -0,116 0,186 -0,059

Jensens Alpha 0,012 0,030 0,033 0,035 0,009 0,032 0,010 -0,005 0,048 0,008

Tab. 18: Zero Investment Portfolios (Value - Growth) bei Aktien des Dow Jones Index898 Die lineare Regression unterliegt einigen Annahmen. Diese wurden geprüft und die Ergebnisse sind im Anhang ausgewiesen. Bei den unabhängigen Variablen liegen nur geringe Korrelationen vor. Auch die Toleranz und der Varianzinflationsfaktor zeigen keine lineare Abhängigkeit, wodurch die Annahme der linearen Regression erfüllt ist, dass Multikollinearität nicht vorliegt.899 Auch die Überprüfung der Korrelation der Residualwerte mithilfe des Durbin-Watson-Test sowie die Ergebnisse der visuellen Überprüfung zur Heteroskedastizität der Residualwerte erfüllen die Annahmen der linearen Regression.900 Bei den einzelnen Value und Growth Portfolios wurden sowohl die einfache als auch die multiple lineare Regressionsanalyse durchgeführt. Besonders wichtig für diese Arbeit sind die Werte für die Konstante a, also die Über- bzw. Unterrendite, die durch die Portfoliobildung nach fundamentalen Kriterien nachweisbar ist. Alle berechneten Überrenditen der Value Portfolios sind positiv und die meisten sind signifikant bis hoch signifikant. Viele Value Portfolios haben jährliche Überrenditen von mehr als 4 %.901 Tendenziell nimmt die Signifikanz bei Hinzunahme mehrerer Faktoren ab. Bei der Betrachtung der Growth Portfolios sind auch alle signifikanten Überrenditen im positiven Bereich, jedoch gibt es zwei Portfolios mit Unterrenditen, die jeweils nach Regression mit dem Vierfaktormodell aufgetreten sind.

898

Eigene Berechnungen. Die Auswertungen zur Multikollinearität sind in Anlage 9 abgebildet. 900 Die Ergebnisse zum Durbin-Watson-Test sind in Anlage 3. 901 Siehe hierzu Tab. 19. 899

Empirische Untersuchung des Value Effekts

157

Diese Portfolios sind nach der Gesamtkapitalrentabilität und der Ausschüttungsquote gebildet worden. Tendenziell haben die Value Portfolios eine höhere Überrendite als die Growth Portfolios. Dass beide Strategien jedoch Überrenditen erzeugen, bestätigt die im Vergleich zur Benchmark höheren Sharpe Ratios aus der Performanceanalyse. Die gesamten Ergebnisse der Regressionen sind in Anlage 14 und 15 dargestellt. So ergeben sich beispielsweise bei dem Value Portfolio mit Indikator KGV folgende Regressionsfunktionen für das Einfaktormodell, das Dreifaktorenmodell von Fama und French (1993) sowie das Vierfaktorenmodells von Carhart (1997):902 Einfaktormodell: Ri  R f

0,049  1,131[ RM  R f ]  0,085

2

mit R von 0,805 und R2korr von 0,797. Dreifaktorenmodell: Ri  R f

0,038  1,178[ RM  R f ]  0,086[ SMB]  0,190[ HML]  0,084

mit R2 von 0,828 und R2korr von 0,805. Vierfaktorenmodell: Ri  R f

0,022  1,197[ RM  R f ]  0,098[ SMB]  0, 235[ HML]  0,136[UMD]  0,085

2

mit R von 0,834 und R2korr von 0,799. Die Werte der Überrendite durch die Value Strategie (Spalte a in Anlage 14: 0,049/0,038/0,022) ist beim Einfaktormodell statistisch sehr signifikant auf dem Signifikanzniveau von 1 % und beim Dreifaktorenmodell statistisch signifikant auf dem Signifikanzniveau von 5 %. Das Alpha des Vierfaktorenmodells ist statistisch nicht signifikant. Die Marktbetas (Spalte b: 1,131/1,178/1,197), die die Sensitivitäten der Value Portfolios gegenüber Veränderungen des Indexes ausdrücken, sind alle statistisch hoch signifikant auf dem Signifikanzniveau von 0,1 %. Die Sensitivitäten der Portfoliorenditen gegenüber dem Faktor SMB (Spalte s beim Dreifaktoren- und Vierfaktorenmodell: 0,086/0,098) hingegen sind nicht signifikant. Signifikant auf dem Signifikanzniveau von 5 % sind die Sensitivitäten der Portfoliorenditen gegenüber dem Faktor HML (Spalte h beim Dreifaktoren- und Vierfaktorenmodell: 0,190/0,235) sowie gegenüber dem Faktor UMD (Spalte u beim Vierfaktorenmodell: 0,136). Diese Ergebnisse zeigen, dass das Hinzunehmen der Faktoren SMB, HML und UMD nur wenig nutzbringend ist, da einzig das Marktbeta hohe Signifi-

902

Siehe hierzu Formeln (2.6), (3.19), (3.20) sowie Abschnitt 4.3.2.1.

158

Empirische Untersuchung des Value Effekts

kanzen aufweist. Das Marktbeta ist der entscheidende Faktor zur Erklärung der Rendite. Außerdem sind die Werte von R2 und R2korr unabhängig vom gewählten Modell ähnlich und bereits beim Einfaktormodell bei meist ca. 80 %.903 Indikator KGV

Faktoren 1 3 4

KBV

1 3 4

KCV

1 3 4

903

Value Überrendite 0,049** (0,018) 0,038* (0,019) 0,022 (0,024) 0,057** (0,022) 0,041* (0,022) 0,008 (0,026) 0,068*** (0,018) 0,054** (0,018) 0,019 (0,020)

Growth Überrendite 0,037* (0,015) 0,046** (0,015) 0,035* (0,018) 0,027* (0,015) 0,033* (0,015) 0,021 (0,020) 0,035* (0,015) 0,038* (0,017) 0,040* (0,021)

Zudem ist zu erkennen, dass die Werte für b (die Sensitivität des Portfolios gegenüber Veränderungen des Indexes) alle hoch signifikant sind. Die zusätzlichen unabhängigen Variablen des Drei- und Vierfaktormodells haben bei weitem nicht einen vergleichbar hohen Erklärungsgehalt. Dies wird durch Werte für s, h und u sichtbar. Die Renditen der Value und Growth Portfolios sind nur teilweise und oftmals nur gering durch die Faktoren SMB, HML und UMD zu erklären. Der zusätzliche Nutzen der hinzukommenden Faktoren in den Multifaktormodellen ist gering. Die Werte des korrigierten R2 werden nur geringfügig höher bei den Multifaktormodellen. Teilweise sinkt das korrigierte Bestimmtheitsmaß R2 auch ab. Der Erklärungsgehalt der Regression ist allerdings bereits beim Einfaktormodell sehr hoch. Vgl. Anlage 14. Bei den Growth Portfolios ist ebenfalls sichtbar, dass der Marktfaktor den höchsten Erklärungsgehalt hat. Die Werte für a sind tendenziell kleiner als bei den Value Portfolios. Die Werte für s, h und u sind nur teilweise signifikant und liefern keinen großen Erklärungsgehalt für die Rendite. Die korrigierten R 2 sind beim Einfaktormodell sehr hoch und verändern sich meist nur gering positiv bei Hinzunahme von weiteren Faktoren. Auch der Residualwert ε wird nicht geringer durch mehrere Faktoren. Vgl. Anlage 15.

Empirische Untersuchung des Value Effekts

KUV

1 3 4

Dividendenrendite

1 3 4

Gesamtkapitalrentabilität

1 3 4

Eigenkapitalrentabilität

1 3 4

Dividendenwachstum

1

0,039* (0,023)

3

0,025 (0,024) 0,003 (0,024) 0,065*** (0,011) 0,060*** (0,011) 0,057*** (0,015)

4 Ausschüttungsquote

0,066** (0,019) 0,052** (0,020) 0,023 (0,019) 0,027* (0,013) 0,023* (0,014) 0,018 (0,017) 0,053*** (0,014) 0,052*** (0,015) 0,075*** (0,017) 0,044** (0,016) 0,041** (0,015) 0,047** (0,018)

1 3 4

159

0,031** (0,011) 0,034** (0,011) 0,038** (0,012) 0,017 (0,018) 0,019 (0,020) 0,000 (0,026) 0,022 (0,019) 0,005 (0,018) -0,021 (0,018) 0,034* (0,018) 0,027* (0,017) 0,018 (0,021) 0,045** (0,018) 0,050** (0,020) 0,041* (0,022) 0,018 (0,021) 0,017 (0,023) -0,014 (0,026)

160

EVEBITDA Verhältnis

Empirische Untersuchung des Value Effekts

1 3 4

0,057** (0,021) 0,059** (0,021) 0,066** (0,026)

0,049*** (0,014) 0,047*** (0,014) 0,055** (0,018)

Tab. 19: Überrenditen der Value und Growth Portfolios bei Aktien des Dow Jones Index904 4.4.1.3 Aktienanalyse der europäischen Portfolios Die Ausprägungen der Werte der Indikatoren der Value und Growth Portfolios entsprechen der in Abschnitt 4.3.1.1 beschriebenen Systematik und eignen sich für einen Vergleich bei zukünftigen Investitionsentscheidungen. Sie haben im Durchschnitt folgende Werte bei den Aktien des EURO STOXX 50: Indikator KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

Value 10,125 1,192 2,948 0,467 4,865 6,474 20,203 -0,383 0,650 2,494

Growth 27,088 3,189 13,407 1,625 1,408 0,187 5,949 1,019 0,211 6,469

Tab. 20: Durchschnittliche Aktien-Indikatorwerte bei Value und Growth Portfolios bei Aktien des EURO STOXX 50 Index905 In Tabelle 21 ist zu sehen, dass fast alle Value Portfolios eine höhere Rendite erwirtschaften als die Growth Portfolios. Auch ist die Standardabweichung meist etwas höher. Die minimalen und maximalen Ausschläge sind teilweise bei Value, 904

Eigene Berechnungen. Signifikanzniveaus von 5 %, 1 % und 0,1 % sind mit *, ** bzw. *** gekennzeichnet. Standardfehler sind in Klammern angegeben. Alle weiteren Ergebnisse der Regressionen sind in Anlage 14 und 15 aufgeführt. 905 Eigene Berechnungen.

Empirische Untersuchung des Value Effekts

161

teilweise aber auch bei den Growth Portfolios größer. Die höchste Rendite von 16,9 % (Standardabweichung 25,7 %) erzielt das Value Portfolio mit dem Indikator EV-EBITDA Verhältnis, die niedrigste Rendite von 5,6 % das Growth Portfolio mit dem Indikator Dividendenwachstum (Standardabweichung 25,3 %). Indikator KGV

KBV

KCV

KUV

Dividendenrendite

Gesamtkapitalrentabilität

Eigenkapitalrentabilität

Kennzahl Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max

Value 0,155 0,280 -0,538 0,621 0,163 0,323 -0,609 0,738 0,162 0,307 -0,525 0,733 0,143 0,296 -0,498 0,776 0,140 0,266 -0,532 0,575 0,115 0,206 -0,337 0,540 0,146 0,227 -0,398 0,552

Growth 0,137 0,263 -0,357 0,695 0,108 0,201 -0,320 0,411 0,118 0,232 -0,400 0,540 0,105 0,223 -0,386 0,458 0,104 0,246 -0,441 0,507 0,112 0,301 -0,556 0,787 0,120 0,298 -0,458 0,754

162

Empirische Untersuchung des Value Effekts

Dividendenwachstum

Ausschüttungsquote

EV-EBITDA Verhältnis

Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max

0,057 0,173 -0,345 0,254 0,084 0,219 -0,405 0,412 0,169 0,257 -0,311 0,689

0,056 0,253 -0,474 0,419 0,149 0,277 -0,419 0,650 0,106 0,244 -0,394 0,543

Tab. 21: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Aktien des EURO STOXX 50 Index906 Tabelle 22 zeigt unter anderem die Sensitivität der Value Portfolios gegenüber Veränderungen des EURO STOXX 50 Index. Diese schwanken um den Wert 1. Auffallend sind die Ausreißerportfolios des KBV, KCV, KUV, Dividendenwachstum und der Gesamtkapitalrentabilität. Diese haben Werte des Betas von niedriger als 0,8 oder höher als 1,2. Bei dem Portfolio, welches durch den Indikator Gesamtkapitalrentabilität gebildet wurde, liegt die Korrelation mit der Indexrendite bei über 85 %. Alle anderen Value Portfolios haben sogar eine Korrelation von über 90 %. Die Diversifikation der Portfolios in Europa, im Vergleich zu den USA, funktioniert besser, da in der Regel der Anteil von unsystematischem Risiko am Gesamtrisiko nur etwa 5 bis 8 % beträgt.

906

Eigene Berechnungen.

Empirische Untersuchung des Value Effekts

Indikator

Beta

Gesamtrisiko

Systematisches Risiko

KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

1,159 1,351 1,315 1,254 1,156 0,793 0,925 0,664 0,924 1,042

0,280 0,323 0,307 0,297 0,266 0,206 0,227 0,173 0,219 0,257

0,264 0,308 0,299 0,286 0,263 0,181 0,211 0,151 0,211 0,237

Unsystematisches Risiko 0,016 0,015 0,008 0,011 0,002 0,025 0,017 0,022 0,009 0,019

163

Korrelation mit Indexrendite 0,916 0,926 0,967 0,937 0,968 0,853 0,902 0,952 0,938 0,904

Tab. 22: Risikoanalyse der Value Portfolios bei Aktien des EURO STOXX 50 Index907 Wie in Tabelle 23 zu sehen ist, sind die Betas der Growth Portfolios weniger extrem als die der Value Portfolios. Die Werte liegen wie üblich nahe 1, der maximale Betawert beziffert sich auf 1,254, der minimale Wert auf 0,838. Die Korrelationen mit dem EURO STOXX 50 Index sind bei allen Growth Portfolios mit über 90 % sehr hoch, sodass ein hoher Zusammenhang erkennbar ist. Die Eigenschaften des Gesamtrisikos sowie die Verteilung auf systematisches und unsystematisches Risiko sind ähnlich gering wie bei den Value Portfolios.

907

Eigene Berechnungen.

164

Empirische Untersuchung des Value Effekts

Indikator

Beta

Gesamtrisiko

Systematisches Risiko

KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

1,129 0,838 0,993 0,949 1,046 1,228 1,254 0,960 1,213 1,014

0,264 0,201 0,232 0,223 0,247 0,301 0,298 0,253 0,278 0,244

0,257 0,191 0,226 0,216 0,238 0,280 0,286 0,219 0,276 0,231

Unsystematisches Risiko 0,006 0,010 0,006 0,007 0,008 0,021 0,013 0,035 0,001 0,013

Korrelation mit Indexrendite 0,950 0,925 0,968 0,943 0,945 0,904 0,932 0,942 0,973 0,924

Tab. 23: Risikoanalyse der Growth Portfolios bei Aktien des EURO STOXX 50 Index908 Die Sharpe Ratios der Value Portfolios sind in der überwiegenden Mehrzahl der Fälle höher als bei den Growth Portfolios. Außerdem haben die meisten Portfolios, Value und Growth, höhere Sharpe Ratios als die Benchmark des EURO STOXX 50 Index. Tabelle 24 zeigt zudem die Sortino Ratio, bei der ausschließlich die negative Volatilität unterhalb des risikolosen Zinssatzes betrachtet wird. Auch hierbei wird deutlich, dass die Value Portfolios besser abschneiden als die Growth Portfolios. Die Hit Ratio ist bei allen Portfolios hoch, mit Quoten von überwiegend 60 % und höher. Die Rendite der Portfolios ist sowohl nicht risikoadjustiert als auch risikoadjustiert bei fast allen Indikatoren höher als beim EURO STOXX 50 Index. Dies wird auch deutlich durch die positiven M2 und positiven Jensens Alphas. Die Treynor Ratios der Value Portfolios sind tendenziell höher und somit besser als bei den Growth Portfolios. Die Renditen im Verhältnis zum systematischen Risiko sind somit höher. Die Appraisal Ratio der Value Portfolios nach KCV und Dividendenwachstum sowie das Growth Portfolio nach der Ausschüttungsquote haben besonders hohe Werte.

908

Eigene Berechnungen.

Empirische Untersuchung des Value Effekts

Indikator KGV

Kennzahl Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 KBV Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 KCV Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 KUV Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 Dividendenrendite Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2

Value 0,544 1,076 0,773 0,131 0,055 0,601 0,040 0,497 0,986 0,727 0,119 0,048 0,548 0,029 0,521 1,053 0,857 0,122 0,050 1,042 0,034 0,474 0,946 0,727 0,112 0,036 0,503 0,024 0,518 0,955 0,800 0,119 0,041 0,912 0,034

165

Growth 0,510 1,059 0,636 0,119 0,040 0,629 0,032 0,524 0,943 0,773 0,125 0,035 0,494 0,035 0,499 0,899 0,810 0,116 0,033 0,902 0,029 0,460 0,821 0,636 0,108 0,023 0,393 0,020 0,414 0,693 0,750 0,097 0,015 0,373 0,010

166

Gesamtkapitalrentabilität

Eigenkapitalrentabilität

Dividendenwachstum

Ausschüttungsquote

Empirische Untersuchung des Value Effekts

Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2

0,547 1,023 0,636 0,142 0,046 0,431 0,040 0,630 1,365 0,773 0,155 0,066 0,725 0,059 0,317 0,513 0,867 0,083 -0,001 1,061 -0,013 0,372 0,578 0,600 0,088 0,004 0,217 0,000

0,365 0,663 0,545 0,089 0,007 0,175 -0,001 0,393 0,770 0,591 0,094 0,013 0,272 0,006 0,213 0,304 0,800 0,056 -0,026 0,724 -0,036 0,531 1,093 0,900 0,121 0,046 1,035 0,037

Empirische Untersuchung des Value Effekts

EV-EBITDA Verhältnis

Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2

0,652 1,822 0,850 0,161 0,080 0,869 0,064

167

0,426 0,764 0,700 0,103 0,019 0,374 0,013

Tab. 24: Performanceanalyse der Value und Growth Portfolios bei Aktien des EURO STOXX 50 Index909 Tabelle 25 weist die Performance der Zero Investment Portfolios von Value vs. Growth aus. Außer bei der Ausschüttungsquote erwirtschaften diese positive Renditen und positive Jensens Alphas. Value Strategien sind den Growth Strategien folglich überlegen. Auch die Sharpe Ratios der Zero Investment Portfolios sind positiv und zeigen die Superiorität der Value Strategien gegenüber den Growth Strategien. Indikator

Rendite

KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

0,018 0,056 0,044 0,038 0,036 0,003 0,026 0,001 -0,066 0,063

Standardabweichung 0,162 0,190 0,141 0,130 0,112 0,193 0,187 0,124 0,128 0,155

Sharpe Ratio 0,111 0,293 0,315 0,295 0,319 0,015 0,139 0,008 -0,514 0,408

Jensens Alpha 0,016 0,013 0,017 0,013 0,027 0,039 0,053 0,026 -0,042 0,061

Tab. 25: Zero Investment Portfolios (Value - Growth) bei Aktien des EURO STOXX 50 Index910 Wegen der Annahme der linearen Regression, dass Multikollinearität nicht vorliegt, wurden die Korrelationen der unabhängigen Variablen geprüft. Da diese gering 909 910

Eigene Berechnungen. Eigene Berechnungen.

168

Empirische Untersuchung des Value Effekts

sind, kann davon ausgegangen werden, dass die Annahme erfüllt ist. Auch die Toleranz und der Varianzinflationsfaktor zeigen, dass Multikollinearität ausgeschlossen werden kann.911 Ebenso wurde die Autokorrelation 1. Ordnung der Residualwerte mit dem Durbin-Watson-Test getestet. Visuell wurde getestet, ob die Annahmen der linearen Regression, dass Homoskedastizität vorliegt. Da keine der Annahmen verletzt sind, ist die genutzte Regression ein probates Verfahren.912 In Tabelle 26 sind die Überrenditen der Value und Growth Portfolios aufgelistet, die bei den linearen Regressionen berechnet wurden. Jedes Portfolio wurde mit dem Einfaktormodell (Marktmodell), dem Dreifaktorenmodell von Fama und French (1993) und dem Vierfaktorenmodell von Carhart (1997) untersucht. Die Überrenditen sind fast alle positiv und teilweise signifikant bis hoch signifikant. Tendenziell sind die Überrenditen der Value Portfolios höher als die der Growth Portfolios. Viele Value und Growth Strategien erwirtschaften eine Überrendite von mehr als 5 %. Die höchste Performance hat das Value Portfolio, dass mithilfe des EVEBITDA Verhältnis gebildet wurde. Auch ist bei dieser Strategie der Unterschied zur Growth Strategie mit einem Value Premium von ca. 7 % am höchsten. Insgesamt überzeugen beide Strategien, Value und Growth, da bei den Regressionen gezeigt werden kann, dass die Portfoliobildung Überrenditen erzeugt. Die gesamten Ergebnisse der Regressionen sind in Anlage 16 und 17 dargestellt.913 Indikator KGV

Faktoren 1 3 4

911

Value Überrendite 0,069** (0,025) 0,052* (0,028) 0,067* (0,034)

Growth Überrendite 0,053** (0,018) 0,068** (0,020) 0,056* (0,024)

Die Auswertungen zur Multikollinearität sind in Anlage 10 abgebildet. Die Ergebnisse zum Durbin-Watson-Test sind in Anlage 4. Zur Veranschaulichung der Analyse der gesamten Regressionsergebnisse ist in Abschnitt 4.4.1.2 eine beispielhafte Erläuterung gegeben. Das Folgende bezieht sich auf Ergebnisse der Value und Growth Portfolios bei Aktien des EURO STOXX 50 Index. In Anlage 18 ist ersichtlich, dass die Betafaktoren der Valueportfolios alle hoch signifikant sind und nahe des Wertes 1 liegen. Dies deckt sich mit den Erkenntnissen aus Tab. 23 und Tab. 24. Da die Faktoren SMB, HML und UMD in der Regression nur selten signifikant sind, haben sie einen geringen Erklärungsgehalt für die Rendite der Portfolios. Mit Erhöhung der Faktoren werden weder die Residualwerte ε bedeutend geringer noch steigt das korrigierte Bestimmtheitsmaß R2 deutlich an. Vgl. Anlage 16. Der Marktfaktor b liegt bei den Growth Portfolios ebenfalls nahe 1 und hat durchgängig eine hohe Signifikanz. Die Überrenditen (Spalte a) sind positiv und meist signifikant. Auffallend ist bei den Growth Portfolios erneut, dass SMB, HML und UMD nur selten die Rendite der Portfolios erklären kann. Auch aus Tab. 28 wird ersichtlich, dass weder das Drei- noch das Vierfaktormodell einen deutlichen Erklärungsgewinn gegenüber dem Einfaktormodell liefern kann. ε sowie die korrigierten R 2 verändern sich kaum. Vgl. Anlage 17. 912 913

Empirische Untersuchung des Value Effekts

KBV

1 3 4

KCV

1 3 4

KUV

1 3 4

Dividendenrendite

1 3 4

Gesamtkapitalrentabilität

1 3 4

Eigenkapitalrentabilität

1 3 4

0,068* (0,027) 0,046* (0,029) 0,067* (0,035) 0,085*** (0,018) 0,064*** (0,014) 0,070*** (0,017) 0,053* (0,023) 0,032 (0,024) 0,050* (0,029) 0,063*** (0,016) 0,043** (0,013) 0,038* (0,016) 0,048* (0,024) 0,056* (0,028) 0,068* (0,034) 0,073** (0,022) 0,067** (0,024) 0,077** (0,029)

169

0,039* (0,017) 0,043* (0,019) 0,037* (0,024) 0,054*** (0,013) 0,064*** (0,014) 0,062*** (0,017) 0,030* (0,017) 0,034* (0,019) 0,033* (0,023) 0,031* (0,019) 0,023 (0,021) 0,055* (0,022) 0,023 (0,029) -0,005 (0,028) 0,018 (0,033) 0,030 (0,024) 0,023 (0,028) 0,035 (0,034)

170

Dividendenwachstum

Empirische Untersuchung des Value Effekts

1 3 4

Ausschüttungsquote

1 3 4

EVEBITDA Verhältnis

1 3 4

0,057*** (0,014) 0,031** (0,011) 0,031** (0,012) 0,017 (0,018) 0,001 (0,018) 0,013 (0,022) 0,098*** (0,026) 0,102** (0,030) 0,084* (0,036)

0,064** (0,023) 0,066* (0,029) 0,083** (0,027) 0,069*** (0,015) 0,061*** (0,017) 0,067** (0,021) 0,036* (0,023) 0,036* (0,026) 0,017 (0,031)

Tab. 26: Überrenditen der Value und Growth Portfolios bei Aktien des EURO STOXX 50 Index914 4.4.1.4 Aktienanalyse der deutschen Portfolios Die durchschnittlichen Value und Growth Indikatoren, die bei den Aktien des deutschen DAX Index ermittelt wurden, haben folgende Mittelwerte:

914

Eigene Berechnungen. Signifikanzniveaus von 5 %, 1 % und 0,1 % sind mit *, ** bzw. *** gekennzeichnet. Standardfehler sind in Klammern angegeben. Alle weiteren Ergebnisse der Regressionen sind in Anlage 16 und 17 aufgeführt.

Empirische Untersuchung des Value Effekts

Indikator KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

Value 9,820 1,105 2,469 0,320 4,344 5,961 20,411 -0,480 0,593 2,192

171

Growth 26,574 2,890 11,025 1,196 1,036 0,196 4,655 0,931 0,109 5,525

Tab. 27: Durchschnittliche Aktien-Indikatorwerte bei Value und Growth Portfolios bei Aktien des DAX Index915 Wie auch bei den Abschnitten 4.4.1.2 und 4.4.1.3 zu sehen ist, haben die meisten Value Portfolios bei der empirischen Untersuchung des DAX eine höhere Rendite und Standardabweichung als die entsprechenden Growth Portfolios. Zudem ist in Tabelle 28 die minimale und maximale Rendite der Portfolios abgebildet. Die Value Portfolios zeigen dabei die extremsten Werte auf. Indikator KGV

KBV

KCV

915

Eigene Berechnungen.

Kennzahl Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max

Value 0,123 0,317 -0,547 0,818 0,168 0,332 -0,546 0,742 0,124 0,288 -0,427 0,610

Growth 0,129 0,258 -0,457 0,397 0,101 0,234 -0,410 0,350 0,086 0,224 -0,399 0,426

172

Empirische Untersuchung des Value Effekts

KUV

Rendite Standardabweichung Min Max Dividendenrendite Rendite Standardabweichung Min Max Gesamtkapitalrentabilität Rendite Standardabweichung Min Max Eigenkapitalrentabilität Rendite Standardabweichung Min Max Dividendenwachstum Rendite Standardabweichung Min Max Ausschüttungsquote Rendite Standardabweichung Min Max EV-EBITDA Verhältnis Rendite Standardabweichung Min Max

0,137 0,311 -0,471 0,719 0,097 0,254 -0,446 0,443 0,128 0,234 -0,452 0,428 0,108 0,239 -0,443 0,431 0,082 0,251 -0,405 0,332 0,151 0,316 -0,530 0,627 0,134 0,277 -0,473 0,449

0,078 0,215 -0,462 0,324 0,090 0,307 -0,544 0,579 0,079 0,309 -0,633 0,642 0,117 0,289 -0,489 0,566 0,107 0,287 -0,524 0,542 0,133 0,285 -0,510 0,621 0,102 0,242 -0,531 0,385

Tab. 28: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Aktien des DAX Index916 Die Risikokennzahlen der Value Portfolios sind in Tabelle 29 zusammengefasst. Die Betas der Value Portfolios schwanken um 1 (minimal 0,888 und maximal 1,313). Die Diversifikation in den Portfolios ist sehr gut, da das unsystematische 916

Eigene Berechnungen.

Empirische Untersuchung des Value Effekts

173

Risiko meist sehr gering ist, sodass das Gesamtrisiko fast ausschließlich auf das systematische Risiko zurückzuführen ist. Die Korrelationen zwischen Value Portfolios und dem DAX Index sind sehr hoch mit meist über 90 %. Dieser lineare Zusammenhang macht sich bei Veränderungen der Benchmark durch gleichgerichtete Veränderung des Value Portfolios bemerkbar. Indikator

Beta

KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

1,134 1,237 1,092 1,109 1,006 0,888 0,896 1,047 1,313 1,083

Gesamtrisiko 0,317 0,333 0,288 0,311 0,255 0,234 0,239 0,251 0,316 0,278

Systema- UnsysteKorrelatisches matisches tion mit InRisiko Risiko dexrendite 0,281 0,036 0,870 0,307 0,026 0,906 0,270 0,018 0,927 0,275 0,036 0,868 0,249 0,006 0,952 0,220 0,014 0,923 0,222 0,017 0,912 0,251 0,000 0,969 0,316 0,000 0,969 0,268 0,009 0,950

Tab. 29: Risikoanalyse der Value Portfolios bei Aktien des DAX Index917 In der nachfolgenden Tabelle 30 sind die Risikokennzahlen der Growth Portfolios dargestellt. Die Betas der Growth Portfolios haben eine ähnliche Ausprägung wie die Betas der Value Portfolios aus Tabelle 30, mit einem minimalen Wert von 0,811 und einem maximalen von 1,213. Auch die Risikoeigenschaften sind im Vergleich zwischen Value und Growth Portfolios ähnlich. Die Korrelation mit dem DAX Index ist hoch, die geringste Ausprägung findet sich bei dem Growth Portfolio nach Ausschüttungsquote und liegt bei 85,7 %.

917

Eigene Berechnungen.

174

Empirische Untersuchung des Value Effekts

Indikator

Beta

KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

0,984 0,905 0,869 0,811 1,136 1,213 1,124 1,101 1,050 0,900

GeSystema- UnsysteKorrelasamtri- tisches matisches tion mit Insiko Risiko Risiko dexrendite 0,258 0,244 0,014 0,929 0,234 0,224 0,010 0,941 0,224 0,215 0,009 0,949 0,216 0,201 0,015 0,917 0,307 0,281 0,026 0,892 0,309 0,301 0,009 0,955 0,289 0,279 0,011 0,946 0,288 0,273 0,015 0,889 0,286 0,260 0,026 0,857 0,242 0,223 0,019 0,905

Tab. 30: Risikoanalyse der Growth Portfolios bei Aktien des DAX Index918 Die meisten Sharpe Ratios der Value Portfolios sind höher als die der entsprechenden Growth Portfolios. Dies bedeutet, dass ein Investment in Value ökonomischer ist als in Growth, da bei gleichem Risiko eine höhere Überrendite realisierbar ist. Tendenziell ist die Sortino Ratio etwas besser bei den Growth Portfolios. Im Vergleich zur Benchmark (Sharpe Ratio: 0,462) sind die meisten Portfolios schlechter und bei der Hälfte der untersuchten Portfolios liegt die Hit Ratio unter 50 %, sowohl bei Value als auch bei Growth Portfolios. Der niedrigste Wert für die Hit Ratio liegt sogar bei nur 20 %. Bei der Betrachtung der Performancekennzahl Treynor Ratio wird erneut deutlich, dass beide Strategien ähnlich abschneiden. Viele der Portfolios weisen ein negatives Jensens Alpha auf. Dies spricht für einen sehr effizienten deutschen Kapitalmarkt. Auch sind viele M2 Performancekennzahlen negativ, was für eine bessere Performance der Benchmark spricht. Die Appraisal Ratios sind höher bei Value als bei Growth.

918

Eigene Berechnungen.

Empirische Untersuchung des Value Effekts

Indikator KGV

Kennzahl Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 KBV Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 KCV Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 KUV Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 Dividendenrendite Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2

Value 0,381 0,691 0,550 0,106 -0,011 0,006 -0,018 0,500 1,071 0,650 0,134 0,022 0,263 0,012 0,420 0,820 0,522 0,111 -0,006 0,036 -0,008 0,436 0,846 0,400 0,122 0,007 0,114 -0,004 0,373 0,630 0,412 0,094 -0,022 0,198 -0,020

175

Growth 0,493 0,853 0,500 0,129 0,013 0,213 0,010 0,424 0,700 0,450 0,110 -0,006 -0,012 -0,007 0,372 0,613 0,565 0,096 -0,018 -0,221 -0,020 0,354 0,502 0,200 0,094 -0,018 -0,180 -0,025 0,287 0,448 0,471 0,077 -0,044 0,000 -0,041

176

Gesamtkapitalrentabilität

Eigenkapitalrentabilität

Dividendenwachstum

Ausschüttungsquote

Empirische Untersuchung des Value Effekts

Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2 Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2

0,540 0,919 0,550 0,142 0,023 0,301 0,021 0,442 0,723 0,450 0,118 0,002 0,070 -0,003 0,320 0,410 0,857 0,077 -0,041 0,298 -0,033 0,472 0,871 0,667 0,114 -0,003 0,393 0,005

0,249 0,389 0,400 0,063 -0,064 -0,520 -0,051 0,397 0,682 0,450 0,102 -0,016 -0,042 -0,014 0,367 0,595 0,571 0,096 -0,022 0,299 -0,022 0,459 0,847 0,444 0,125 0,009 0,217 0,001

Empirische Untersuchung des Value Effekts

EV-EBITDA Verhältnis

Sharpe Ratio Sortino Ratio Hit Ratio Treynor Ratio Jensens Alpha Appraisal Ratio M2

0,476 0,799 0,600 0,122 0,006 0,179 0,006

177

0,411 0,649 0,450 0,110 -0,005 0,028 -0,011

Tab. 31: Performanceanalyse der Value und Growth Portfolios bei Aktien des DAX Index919 Bei den Zero Investment Portfolios aus den Aktien des DAX, deren Kennzahlen in Tabelle 32 aufgeführt sind, zeigt sich, dass die Mehrheit der Portfolios positive Renditen (Value Premia) und positive Jensens Alpha haben. Nur die Portfolios mit den Indikatoren KGV, Eigenkapitalrentabilität und Dividendenwachstum weisen negative Value Premia aus. Dies spricht dafür, dass sowohl Value als auch Growth Strategien erfolgreich sein können. Ein pauschales Urteil kann nicht gebildet werden. Indikator

Rendite

KGV KBV KCV KUV Dividendenrendite Gesamtkapitalrentabilität Eigenkapitalrentabilität Dividendenwachstum Ausschüttungsquote EV-EBITDA Verhältnis

-0,006 0,067 0,038 0,059 0,007 0,049 -0,009 -0,025 0,018 0,033

Standardabweichung 0,202 0,201 0,161 0,209 0,166 0,159 0,171 0,128 0,163 0,160

Sharpe Ratio -0,032 0,333 0,235 0,283 0,042 0,311 -0,053 -0,196 0,111 0,204

Jensens Alpha -0,024 0,028 0,012 0,025 0,022 0,087 0,017 -0,019 -0,012 0,011

Tab. 32: Zero Investment Portfolios (Value - Growth) bei Aktien des DAX Index920 Die Annahmen der linearen Regression zur Multikollinearität sind erfüllt. Bei der Überprüfung der Korrelationen der unabhängigen Variablen wurden geringe Werte berechnet, sodass davon ausgegangen werden kann, dass keine Multikollinearität 919 920

Eigene Berechnungen. Eigene Berechnungen.

178

Empirische Untersuchung des Value Effekts

vorliegt.921 Anhand der Analyse von Toleranz und Varianzinflationsfaktor ist ebenso erkennbar, dass keine Multikollinearität vorliegt.922 Bei den Regressionen der Value und Growth Aktienportfolios des DAX Index haben nur vereinzelte Portfolios signifikante Überrenditen. Tendenziell ist die Performance der Value Portfolios höher als die der Growth Portfolios. Viele Growth Portfolios erwirtschaften negative Renditen, jedoch mit selten signifikanten Werten. Dieser Trend ist nur bei Growth Portfolios zu sehen, Value Portfolios erzielen überwiegend positive Renditen. Die höchsten und niedrigsten signifikanten Renditen sind bei den Growth Strategien mit dem Indikator Ausschüttungsquote bzw. EVEBITDA Verhältnis zu sehen. Die gesamten Ergebnisse der Regressionen sind in Anlage 18 und 19 dargestellt.923 Indikator KGV

Faktoren 1 3 4

KBV

1 3 4

921

Value Überrendite 0,001 (0,038) -0,021 (0,041) 0,048 (0,061) 0,038 (0,034) 0,034 (0,038) 0,092* (0,058)

Growth Überrendite 0,021 (0,023) 0,023 (0,027) 0,032 (0,043) -0,001 (0,019) 0,007 (0,023) 0,016 (0,037)

Die Auswertungen zur Multikollinearität sind in Anlage 11 abgebildet. Die Ergebnisse zum Durbin-Watson-Test sind in Anlage 6. Zur Veranschaulichung der Analyse der gesamten Regressionsergebnisse ist in Abschnitt 4.4.1.2 eine beispielhafte Erläuterung gegeben. Das Folgende bezieht sich auf Ergebnisse der Value und Growth Portfolios bei Aktien des DAX Index. Die Betafaktoren der Valueportfolios sind alle hoch signifikant und nahe um den Wert 1. Die Überrenditen durch die Portfoliobildung, die in Spalte a von Anlage 19 dargestellt sind, sind tendenziell positiv aber nur selten signifikant. Die anderen Faktoren können die Rendite ebenfalls nur gering erklären. Die korrigierten R 2 sind sehr hoch, sowohl bei den Ein-, Drei- und Vierfaktormodellen, jedoch steigen sie durch die zusätzlichen Faktoren nicht deutlich an. Die Residualwerte ε sind bei den multiplen Regressionen teilweise kleiner als bei den einfachen linearen Regressionen. Eine klare Tendenz lässt sich allerdings nicht erkennen. Vgl. Anlage 18. Die Growth Portfolios haben Betas von etwa 1, die hoch signifikant sind. Außer bei vereinzelten Regressionen sind die anderen Faktoren sowie die Überrendite (Spalte a) nicht signifikant und erklären wenig der Rendite der Portfolios. Die Werte der korrigierten R2 sind hierbei auch sehr hoch und die Renditen können gut durch die Modelle abgebildet werden. Vgl. Anlage 19. 922 923

Empirische Untersuchung des Value Effekts

KCV

1 3 4

KUV

1 3 4

Dividendenrendite

1 3 4

Gesamtkapitalrentabilität

1 3 4

Eigenkapitalrentabilität

1 3 4

Dividendenwachstum

1 3 4

0,004 (0,024) -0,005 (0,025) 0,054* (0,032) 0,018 (0,038) 0,009 (0,042) 0,127* (0,054) 0,016 (0,020) 0,037* (0,021) 0,057* (0,039) 0,028 (0,022) 0,015 (0,024) 0,019 (0,038) 0,007 (0,024) -0,004 (0,027) 0,044 (0,040) 0,019 (0,017) 0,028 (0,027) 0,034 (0,043)

179

-0,016 (0,016) -0,015 (0,019) -0,043* (0,028) -0,016 (0,021) -0,018 (0,022) -0,019 (0,036) 0,000 (0,036) -0,023 (0,038) 0,094* (0,059) -0,049* (0,022) -0,023 (0,023) 0,013 (0,034) -0,004 (0,023) 0,007 (0,027) 0,024 (0,044) 0,041 (0,037) 0,050 (0,050) 0,161* (0,063)

180

Ausschüttungsquote

Empirische Untersuchung des Value Effekts

1 3 4

EVEBITDA Verhältnis

1 3 4

0,032* (0,020) 0,031 (0,024) 0,023 (0,044) 0,016 (0,022) 0,016 (0,024) 0,029 (0,039)

0,033 (0,038) 0,022* (0,039) 0,156** (0,056) 0,003 (0,026) -0,019 (0,028) -0,067* (0,044)

Tab. 33: Überrenditen der Value und Growth Portfolios bei Aktien des DAX Index924 4.4.2 Anleihenanalyse Eine Analyse von Unternehmensanleihen ist neu in der Anomalieforschung zu Value und Growth. Die Übertragung des Konzeptes aus der Aktienanalyse auf andere Assetklassen wie z.B. Staatsanleihen oder Rohstoffe gibt es bereits in anderen Studien.925 Im Abschnitt 4.4.2.1 werden die Indizes und deren Performancekennzahlen vorgestellt. Die empirische Auswertung der Value und Growth Portfolios für den US-amerikanischen und den europäischen Raum erfolgt in den darauffolgenden Abschnitten 4.4.2.2 und 4.4.2.3. 4.4.2.1 Indizes Der BUSC Index wird als Benchmark für US-amerikanische Unternehmensanleihen verwendet. Das Pendant für europäische Unternehmensanleihen ist der BERC Index. Für die Portfoliobildung der Value und Growth Portfolios werden ausschließlich Anleihen verwendet, die in den Indizes enthalten sind. Abb. 18 zeigt die Entwicklung der Indizes im Untersuchungszeitraum.

924

Eigene Berechnungen. Signifikanzniveaus von 5 % und 1 % sind mit * bzw. ** gekennzeichnet. Standardfehler sind in Klammern angegeben. Alle weiteren Ergebnisse der Regressionen sind in Anlage 18 und 19 aufgeführt. 925 Siehe hierzu Abschnitt 3.2.2.

Empirische Untersuchung des Value Effekts

BUSC

181

BERC

300 280 260 240 220 200 180 160 140 120 100

Abb. 18: Kursentwicklung der Anleihenindizes926 Beide Indizes haben ähnliche Performanceeigenschaften. Der BERC Index erwirtschaftet eine etwas höhere Rendite mit einer etwas höheren Standardabweichung. Auch zeichnet er sich durch eine höhere Duration bzw. modifizierte Duration aus. Die Sharpe Ratios sind jedoch ähnlich hoch.

Rendite Standardabweichung Min Max Duration Modifizierte Duration Sharpe Ratio

BUSC 0,053 0,041 -0,015 0,108 6,149 5,909 1,297

BERC 0,049 0,036 -0,005 0,120 4,045 3,941 1,318

Tab. 34: Zusammengefasste Statistiken und ausgewählte Performancekennzahlen der jährlichen Renditen der Anleihenindizes927

926 927

Eigene Darstellung. Eigene Berechnungen.

182

Empirische Untersuchung des Value Effekts

4.4.2.2 Anleihenanalyse der US-amerikanischen Portfolios Die durchschnittlichen Werte der Indikatoren für die Portfoliobildung sind in nachfolgender Tabelle aufgelistet. Es wird deutlich, dass die Ausprägungen sehr unterschiedlich sind, mit dem größten Unterschied beim dynamischen Verschuldungsgrad von nahe 0 bei Growth und einem Durchschnitt von über 100 bei Value. Diese stark unterschiedlichen Ausprägungen bei Indikatoren sind positiv, da sich so die Wertpapiere klar und eindeutig nach Value oder Growth differenzieren lassen. Indikator Multiplikator 1 Multiplikator 2 Multiplikator 3 Multiplikator 4 Multiplikator 5 Dynamischer Verschuldungsgrad Fremdkapitalquote Zinsdeckungsgrad KGV KBV KCV KUV Dividendenrendite

Value 9,038 0,097 0,098 0,074 0,063 117,882 0,190 -0,125 8,856 0,705 1,917 0,850 5,208

Growth 4,155 -0,064 -0,069 -0,052 -0,040 -0,488 0,560 30,460 19,089 5,034 10,791 2,071 0,750

Tab. 35: Durchschnittliche Anleihen-Indikatorwerte bei Value und Growth Portfolios bei Anleihen des BUSC Index928 Wie in Tabelle 36 dargestellt, sind die Renditen und Standardabweichungen der Anleihenportfolios deutlich geringer als bei den Aktienportfolios. Überwiegend haben die Value Portfolios eine höhere Rendite als die entsprechenden Growth Portfolios. Die minimalen und maximalen Renditeentwicklungen sind bei beiden Portfolios gering. Die maximalen Renditen der Value Portfolios sind, bis auf die Ausnahme der Strategie mit dem Aktien-Indikator Dividendenrendite, den maximalen Renditen der Growth Portfolios überlegen. Vereinzelt weisen Strategien positive minimale Renditen auf, sodass hierbei kein Risiko im engeren Sinne gegeben ist, da kein Verlustrisiko in den untersuchten Perioden vorhanden war.

928

Eigene Berechnungen.

Empirische Untersuchung des Value Effekts

Indikator Multiplikator 1

Multiplikator 2

Multiplikator 3

Multiplikator 4

Multiplikator 5

Dynamischer Verschuldungsgrad

Fremdkapitalquote

Zinsdeckungsgrad

KGV

Kennzahl Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max

Value 0,048 0,040 -0,002 0,154 0,063 0,048 -0,015 0,158 0,066 0,051 -0,026 0,163 0,061 0,053 -0,038 0,166 0,062 0,048 -0,012 0,161 0,056 0,040 0,014 0,170 0,052 0,036 0,009 0,146 0,056 0,044 -0,009 0,175 0,053 0,038 0,000 0,142

183

Growth 0,050 0,051 -0,048 0,132 0,035 0,028 -0,010 0,097 0,029 0,017 0,003 0,060 0,041 0,030 0,003 0,124 0,033 0,020 0,000 0,070 0,047 0,036 -0,028 0,107 0,050 0,043 -0,033 0,122 0,047 0,051 -0,042 0,131 0,053 0,033 0,011 0,121

184

Empirische Untersuchung des Value Effekts

KBV

KCV

KUV

Dividendenrendite

Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max

0,059 0,043 0,007 0,175 0,056 0,046 -0,007 0,177 0,057 0,039 0,006 0,153 0,051 0,042 -0,028 0,127

0,049 0,041 -0,033 0,115 0,052 0,044 -0,037 0,138 0,046 0,037 -0,030 0,118 0,052 0,035 0,007 0,138

Tab. 36: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Anleihen des BUSC Index929 In Tabelle 37 sind die Performancekennzahlen der Value und Growth Portfolios abgebildet. Die Korrelationen mit der Benchmark sind deutlich niedriger als bei den Aktienportfolios. Zwar haben einzelne Value Portfolios eine Korrelation mit dem Index von über 90 %, aber auch Werte von unter 60 % sind vermehrt vorhanden. Die Sharpe Ratios der Value Portfolios sind sehr hoch im Vergleich zu den Aktienportfolios. Dies liegt an den geringen Standardabweichungen der Anleihenportfolios. Beim Vergleich der Duration bzw. der modifizierten Duration ist zu erkennen, dass manche Value Strategien hohe und andere niedrige Werte erreichen. Zudem kommt, dass tendenziell bei einer hohen Duration bzw. modifizierten Duration die Hit Ratio höher ist. Viele Strategien werden jedoch in 50 % der Fälle oder häufiger von der Benchmark geschlagen.

929

Eigene Berechnungen.

Empirische Untersuchung des Value Effekts

Indikator

Multiplikator 1 Multiplikator 2 Multiplikator 3 Multiplikator 4 Multiplikator 5 Dynamischer Verschuldungsgrad Fremdkapitalquote Zinsdeckungsgrad KGV KBV KCV KUV Dividendenrendite

185

Korrelation mit Indexrendite 0,554 0,905 0,913 0,917 0,887 0,543

Duration

Modifizierte Duration

Sharpe Ratio

Hit Ratio

3,863 7,588 8,003 7,748 7,311 5,279

3,726 7,262 7,650 7,431 6,994 5,064

1,203 1,319 1,284 1,139 1,292 1,413

0,476 0,810 0,762 0,714 0,714 0,476

0,730 0,471 0,846 0,593 0,609 0,822 0,895

5,911 5,367 5,877 5,087 5,185 6,075 6,990

5,672 5,147 5,652 4,887 4,983 5,835 6,723

1,431 1,264 1,388 1,367 1,209 1,457 1,188

0,429 0,571 0,429 0,476 0,524 0,571 0,476

Tab. 37: Analyse der Value Portfolios bei Anleihen des BUSC Index930 Die Growth Portfolios weisen deutlich höhere Korrelationen mit dem BUSC Index auf als die Value Portfolios. Die niedrigste gemessene Korrelation beträgt 68,1 %, die höchste 92,1 %. Auch weichen bei den unterschiedlichen Growth Strategien die Durationen und die modifizierten Durationen stark voneinander ab. Die Sharpe Ratios sind ebenso deutlich höher als bei den Aktienportfolios und vergleichbar mit den Werten der Value Portfolios. Für einen risikoaversen Anleger, oder einen Fondsmanager mit einem Mandat in Anleihen zu investieren, eignen sich die Value und Growth Strategien. Die Hit Ratios sind tendenziell unter 50 % und niedriger bei kürzeren Durationen. Die Benchmark ist daher tendenziell als vorteilhafter anzusehen, wenn ausschließlich die Rendite untersucht wird. Bei der Betrachtung der risikoadjustierten Performance jedoch zeigen die Value und Growth Strategien ihre Vorteilhaftigkeit, mit besseren Werten bei den Value Portfolios.

930

Eigene Berechnungen.

186

Empirische Untersuchung des Value Effekts

Indikator

Multiplikator 1 Multiplikator 2 Multiplikator 3 Multiplikator 4 Multiplikator 5 Dynamischer Verschuldungsgrad Fremdkapitalquote Zinsdeckungsgrad KGV KBV KCV KUV Dividendenrendite

Korrelation mit Indexrendite 0,874 0,747 0,847 0,704 0,882 0,882

Duration

Modifizierte Duration

Sharpe Ratio

Hit Ratio

9,074 4,328 4,286 4,723 4,435 6,884

8,695 4,190 4,164 4,556 4,303 6,633

0,975 1,230 1,645 1,354 1,668 1,296

0,524 0,381 0,238 0,381 0,286 0,286

0,917 0,890 0,811 0,921 0,859 0,921 0,681

6,905 7,775 6,553 7,343 7,300 6,406 5,351

6,632 7,469 6,302 7,063 7,026 6,168 5,149

1,431 0,900 1,599 1,195 1,177 1,211 1,461

0,476 0,381 0,571 0,381 0,524 0,333 0,476

Tab. 38: Analyse der Growth Portfolios bei Anleihen des BUSC Index931 Um die Vergleichbarkeit zu erhöhen, wird bei dem Zero Investment Portfolio von Value und Growth Anleihenportfolios das Zinsänderungsrisiko immunisiert.932 Diese theoretische Methode933 eignet sich, um zwei Strategien miteinander zu vergleichen, bei denen die gleiche durchschnittliche Zinsbindung vorliegt. Daraufhin wird sichtbar, dass die meisten Zero Investment Portfolios ein positives Value Premium haben. Durationsneutral sind die Value Strategien vorteilhaft gegenüber den Growth Strategien.

931

Eigene Berechnungen. Zur Neutralisierung der Duration siehe Abschnitt 2.3.8. 933 Da bei dieser Methode keine Regression mit einem Kapitalmarktmodell verwendet wird, ist das Joint Hypothesis Problem eliminiert. Für das Joint Hypothesis Problem siehe Abschnitt 2.1.3. 932

Empirische Untersuchung des Value Effekts

Indikator Multiplikator 1 Multiplikator 2 Multiplikator 3 Multiplikator 4 Multiplikator 5 Dynamischer Verschuldungsgrad Fremdkapitalquote Zinsdeckungsgrad KGV KBV KCV KUV Dividendenrendite

Rendite 0,070 0,004 0,015 -0,002 0,009 0,047 0,016 0,056 0,008 0,048 0,004 0,023 -0,024

Standardabweichung 0,101 0,045 0,035 0,045 0,030 0,036 0,044 0,044 0,037 0,075 0,052 0,026 0,055

187

Sharpe Ratio 0,691 0,080 0,436 -0,035 0,309 1,296 0,361 1,264 0,232 0,645 0,069 0,901 -0,438

Tab. 39: Durationsimmunisiertes Zero Investment Portfolios (Value - Growth) bei Anleihen des BUSC Index934 Da auch die Anleihenportfolios mit der Zeitreihenregression untersucht werden, müssen vorab die Zeitreihe auf die Annahmen der linearen Regression geprüft werden. Die ersten Prüfungen zur Multikollinearität ergeben, dass Multikollinearität nicht vorliegt.935 Bei der Durchführung des Durbin-Watson-Test wurde teilweise Autokorrelation der Residualwerte festgestellt.936 Um dieses Problem zu beheben, wird für den Datensatz zum BUSC Index die Cochrane-Orcutt-Prozedur937 verwendet. Es ist ersichtlich, dass nur wenige Portfolios eine signifikante Überrendite erwirtschaften. Diese sind zudem alle negativ. Tendenziell sind die Renditen der Value Portfolios höher als die Renditen der Growth Portfolios. Die höchste Überrendite erwirtschaftet das Value Portfolio, welches mit dem Indikator Zinsdeckungsgrad gebildet wurde, die niedrigste das Value Portfolio von Multiplikator 4.

934

Eigene Berechnungen. Die Auswertungen zur Multikollinearität sind in Anlage 12 abgebildet. Die Ergebnisse zum Durbin-Watson-Test sind in Anlage 7. 937 Die Cochrane-Orcutt-Prozedur ist ein iteratives Schätzverfahren, dass die Residualwerte und die unabhängigen Variablen genauer berechnet als eine einfache lineare Regression, wenn bei den Residualwerten Autokorrelation erster Ordnung vorliegt. Vgl. Cochrane/Orcutt (1949), S. 32-61. 935 936

188

Empirische Untersuchung des Value Effekts

Die gesamten Ergebnisse der Regressionen sind in Anlage 20 und 21 dargestellt. So ergeben sich beispielsweise bei den Value und Growth Portfolios mit Indikator Multiplikator 1 folgende Regressionsfunktionen für das Zweifaktorenmodell von Fama und French (1993):938 Value Strategie: Ri  R f 0,026  0,674[TERM ]  0,558[ DEF ]  0,035 mit R2 von 0,322 und R2korr von 0,247. Growth Strategie: Ri  R f 0,028  1,015[TERM ]  1,312[ DEF ]  0,019 mit R2 von 0,802 und R2korr von 0,765. Die Überrendite der Value Strategie, die den Multiplikator 1 als Indikator verwendet, ist nicht statistisch signifikant (Spalte a in Anlage 20: 0,026). Hingegen ist die negative Überrendite des Growth Portfolios signifikant (Spalte a in Anlage 21: -0,028). Die Sensitivitäten der Portfoliorenditen gegenüber dem Faktor TERM sind nicht signifikant (Spalte m beim Value Portfolio in Anlage 20/beim Growth Portfolio in Anlage 21: -0,674/1,015). Allgemein ist bei den Regressionen sichtbar, sowie an diesem Beispiel, dass die Sensitivitäten der Portfoliorenditen gegenüber dem Faktor DEF statistisch höhere Signifikanzen aufweisen. Der Faktor DEF bei der Value Strategie mit dem Multiplikator 1 ist statistisch sehr signifikant auf dem Signifikanzniveau von 1 % (Spalte d in Anlage 20: 0,558), bei der Growth Strategie hoch signifikant auf dem Signifikanzniveau von 0,1 % (Spalte d in Anlage 21: 1,312). Der Faktor DEF, der das Kreditausfallrisiko widerspiegelt, und als Differenz zwischen der monatlichen Rendite von langfristigen Unternehmensanleihen und langfristigen Staatsanleihen berechnet wird, hat den höchsten Einfluss auf die Rendite der untersuchten Unternehmensanleihen. Die Werte von R2 bzw. R2korr sind bei den untersuchten Strategien, sowie in diesem Beispiel auch oben zu sehen, teils deutlich unterschiedlich mit Werten von R2 zwischen 23 % (Value Strategie mit Indikator Zinsdeckungsgrad) und 91,1 % (Value Strategie mit Indikator Multiplikator 3). Indikator Multiplikator 1

Faktoren 2

Multiplikator 2

2

Multiplikator 3

2

938

Value Überrendite 0,026 (0,027) 0,002 (0,014) 0,008 (0,014)

Siehe hierzu Formel (3.21) sowie Abschnitt 4.3.2.1

Growth Überrendite -0,028* (0,021) -0,014 (0,018) -0,005 (0,008)

Empirische Untersuchung des Value Effekts

Multiplikator 4

2

Multiplikator 5

2

Dynamischer Verschuldungsgrad Fremdkapitalquote

2

Zinsdeckungsgrad

2

KGV

2

KBV

2

KCV

2

KUV

2

Dividendenrendite

2

2

-0,037* (0,016) -0,002 (0,019) 0,028 (0,035) 0,002 (0,023) 0,030 (0,041) -0,009 (0,017) 0,018 (0,035) 0,003 (0,039) 0,004 (0,020) -0,022* (0,016)

189

0,007 (0,020) -0,007 (0,006) -0,015 (0,015) -0,026* (0,016) -0,009 (0,025) 0,010 (0,018) -0,020* (0,014) -0,017 (0,021) -0,028* (0,012) 0,009 (0,024)

Tab. 40: Überrenditen der Value und Growth Portfolios bei Anleihen des BUSC Index939 4.4.2.3 Anleihenanalyse der europäischen Portfolios In Tabelle 41 sind die durchschnittlichen Werte der Anleihen-Indikatoren dargestellt, mit deren Hilfe die europäischen Portfolios gebildet werden. Die Indikatoren können bei einer zukünftigen Bewertung einer Investitionsentscheidung zum historischen Vergleich und zur Klassifizierung von Value bzw. Growth dienen.

939

Eigene Berechnungen. Signifikanzniveaus von 5 % sind mit * gekennzeichnet. Standardfehler sind in Klammern angegeben. Die Ergebnisse der Zeitreihenregressionen der Value und Growth Portfolios sind in Anlage 20 und 21 aufgeführt.

190

Empirische Untersuchung des Value Effekts

Indikator Multiplikator 1 Multiplikator 2 Multiplikator 3 Multiplikator 4 Multiplikator 5 Dynamischer Verschuldungsgrad Fremdkapitalquote Zinsdeckungsgrad KGV KBV KCV KUV Dividendenrendite

Value 11,522 0,193 0,148 0,076 0,079 49,427 0,222 1,959 8,395 0,608 1,964 0,577 6,355

Growth 4,123 -0,199 -0,091 -0,131 -0,044 0,876 0,535 46,443 33,107 2,430 19,175 2,129 0,946

Tab. 41: Durchschnittliche Anleihen-Indikatorwerte bei Value und Growth Portfolios bei Anleihen des BERC Index940 In der nachfolgenden Tabelle sind die Renditen und Standardabweichungen sowie die minimalen und maximalen Renditen der Value und Growth Anleihenportfolios ausgewiesen. Viele Value Portfolios haben eine höhere Rendite als die entsprechenden Growth Portfolios. Interessant ist außerdem, dass manche Portfolios eine positive minimale Rendite p.a. haben und somit historisch kein Verlustrisiko (Risiko im engeren Sinne) gegeben war. Indikator Multiplikator 1

Multiplikator 2

940

Eigene Berechnungen.

Kennzahl Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max

Value 0,045 0,032 -0,001 0,110 0,051 0,035 0,000 0,121

Growth 0,047 0,038 0,000 0,114 0,036 0,023 -0,002 0,072

Empirische Untersuchung des Value Effekts

Multiplikator 3

Multiplikator 4

Multiplikator 5

Dynamischer Verschuldungsgrad

Fremdkapitalquote

Zinsdeckungsgrad

KGV

KBV

KCV

Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max

0,050 0,033 -0,002 0,110 0,048 0,032 0,001 0,109 0,055 0,037 0,001 0,122 0,044 0,029 -0,003 0,102 0,042 0,026 0,002 0,093 0,045 0,031 -0,010 0,105 0,049 0,036 -0,020 0,117 0,057 0,047 -0,026 0,172 0,055 0,053 -0,026 0,176

191

0,027 0,020 0,002 0,062 0,044 0,030 -0,001 0,091 0,030 0,021 0,002 0,070 0,037 0,024 0,000 0,080 0,042 0,026 0,001 0,092 0,037 0,026 -0,002 0,084 0,039 0,027 -0,003 0,094 0,040 0,028 -0,003 0,085 0,037 0,024 0,002 0,085

192

Empirische Untersuchung des Value Effekts

KUV

Dividendenrendite

Rendite Standardabweichung Min Max Rendite Standardabweichung Min Max

0,055 0,044 -0,024 0,148 0,043 0,031 -0,002 0,099

0,040 0,026 0,004 0,088 0,050 0,035 -0,012 0,125

Tab. 42: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Anleihen des BERC Index941 Die Korrelationen zwischen den Value Portfolios und dem BERC Index sind mit überwiegend über 90 % hoch. Eine Veränderung der Rendite des Index hat somit mit hoher Wahrscheinlichkeit eine gleichgerichtete Veränderung der Rendite der Value Strategie zur Folge und umgekehrt. Die Durationen sind hauptsächlich zwischen 3 und 4,7 mit einer Ausnahme von Multiplikator 1 mit einer Duration von 2,859. Die Duration ist für den Investor von Bedeutung, da diese die durchschnittliche Kapitalbindungsdauer anzeigt und der Investor hiermit die Möglichkeit hat, sich gegen Zinsänderungsrisiken abzusichern. Die Sharpe Ratios sind im Vergleich zu den Sharpe Ratios der Aktien sehr hoch mit Werten von über 1 und bieten demnach eine bessere Investitionsmöglichkeit als Aktien. Die Hit Ratios variieren um 50 %, mit einem Maximalwert von 76,2 % und einem Minimalwert von 38,1 %. Eine klare Vorteilhaftigkeit der Value Strategie gegenüber dem BERC Index ist somit nicht zu erkennen.

941

Eigene Berechnungen.

Empirische Untersuchung des Value Effekts

Indikator

Multiplikator 1 Multiplikator 2 Multiplikator 3 Multiplikator 4 Multiplikator 5 Dynamischer Verschuldungsgrad Fremdkapitalquote Zinsdeckungsgrad KGV KBV KCV KUV Dividendenrendite

Korrelation mit Indexrendite 0,855 0,979 0,968 0,964 0,981 0,935

Duration

0,875 0,922 0,936 0,907 0,928 0,915 0,901

193

Sharpe Ratio

Hit Ratio

2,859 4,699 4,614 4,317 4,450 3,689

Modifizierte Duration 2,774 4,573 4,484 4,206 4,326 3,589

1,389 1,427 1,485 1,505 1,480 1,474

0,381 0,667 0,619 0,429 0,762 0,476

3,717 3,656 4,291 4,142 4,334 4,329 4,593

3,629 3,557 4,182 4,020 4,215 4,211 4,480

1,585 1,429 1,319 1,182 1,020 1,225 1,348

0,429 0,476 0,524 0,667 0,524 0,619 0,476

Tab. 43: Risikoanalyse der Value Portfolios bei Anleihen des BERC Index942 Die Korrelationen der Growth Portfolios mit dem Index sind tendenziell etwas niedriger als bei den Value Portfolios. Da die Value und Growth Portfolios sehr hohe Sharpe Ratios aufweisen, sind beide Strategien für Investoren attraktiv. Ein Grund hierfür sind das sehr geringe Risiko, dass bei der Sharpe Ratio in Form von Standardabweichung ausgedrückt wird. Die Durationen bzw. modifizierten Durationen der entsprechenden Value und Growth Portfolios haben unterschiedliche Ausprägungen, wodurch auch abweichende Renditen erklärt werden können. Außerdem sind tendenziell die Hit Ratios hoch, wenn die Durationen hoch sind und umgekehrt. Dies ist zu erwarten, da ein Portfolio mit einer höheren Duration auch tendenziell eine höhere Rendite aufweist und diese bei der Hit Ratio mit der Indexrendite verglichen wird.

942

Eigene Berechnungen.

194

Empirische Untersuchung des Value Effekts

Indikator

Multiplikator 1 Multiplikator 2 Multiplikator 3 Multiplikator 4 Multiplikator 5 Dynamischer Verschuldungsgrad Fremdkapitalquote Zinsdeckungsgrad KGV KBV KCV KUV Dividendenrendite

Korrelation mit Indexrendite 0,903 0,963 0,758 0,887 0,763 0,803

Duration

Sharpe Ratio

Hit Ratio

5,390 3,475 2,906 4,211 3,089 3,815

Modifizierte Duration 5,253 3,392 2,848 4,113 3,029 3,732

1,229 1,559 1,321 1,425 1,383 1,482

0,524 0,238 0,238 0,381 0,238 0,381

0,926 0,857 0,939 0,867 0,777 0,876 0,906

3,864 4,090 3,659 4,022 3,687 3,729 3,571

3,759 3,997 3,575 3,930 3,617 3,652 3,472

1,568 1,368 1,393 1,397 1,541 1,533 1,399

0,476 0,286 0,286 0,429 0,429 0,381 0,571

Tab. 44: Risikoanalyse der Growth Portfolios bei Anleihen des BERC Index943 Damit die Value und Growth Portfolios vergleichbar sind, wird deren Duration beim Zero Investment Portfolio neutralisiert.944 Bei allen Zero Investment Portfolios (Ausnahme beim Indikator Dividendenrendite) ergeben sich positive Renditen, sogenannte Value Premia. Die Value Strategien sind somit, abgesehen von dem Indikator Dividendenrendite, den Growth Strategien überlegen.

943 944

Eigene Berechnungen. Zur Neutralisierung der Duration (Immunisierung des Zinsänderungsrisikos) siehe Abschnitt 2.3.8.

Empirische Untersuchung des Value Effekts

Indikator Multiplikator 1 Multiplikator 2 Multiplikator 3 Multiplikator 4 Multiplikator 5 Dynamischer Verschuldungsgrad Fremdkapitalquote Zinsdeckungsgrad KGV KBV KCV KUV Dividendenrendite

Rendite 0,069 0,005 0,016 0,008 0,027 0,023 0,003 0,033 0,008 0,038 0,026 0,018 -0,047

Standardabweichung 0,089 0,027 0,046 0,028 0,054 0,048 0,037 0,039 0,021 0,063 0,087 0,045 0,061

195

Sharpe Ratio 0,782 0,177 0,352 0,293 0,502 0,475 0,079 0,850 0,356 0,302 0,302 0,404 -0,770

Tab. 45: Durationsimmunisiertes Zero Investment Portfolios (Value - Growth) bei Anleihen des BERC Index945 Die Annahme der linearen Regression, dass Multikollinearität nicht vorliegt, ist erfüllt. Dies wird in einem ersten Schritt mithilfe der Korrelation der unabhängigen Variablen der Zeitreihenregression getestet. Da diese sehr gering sind, kann von Erfüllung der Annahme ausgegangen werden. Des Weiteren wird die Toleranz und der Varianzinflationsfaktor geprüft, um Multikollinearität ausschließen zu können. Auch diese Tests sprechen gegen Multikollinearität.946 Da bei dem Durbin-WatsonTest Autokorrelation festgestellt wurde, sind die Daten mit der Cochrane-OrcuttProzedur bereinigt worden.947

945

Eigene Berechnungen. Die Auswertungen zur Multikollinearität sind in Anlage 13 abgebildet. 947 Siehe hierfür Cochrane/Orcutt (1949), S. 32-61. Die Ergebnisse zum Durbin-Watson-Test sind in Anlage 8. 946

196

Empirische Untersuchung des Value Effekts

Die Überrenditen der Value und Growth Portfolios sind in der linearen Regression kaum signifikant. Die meisten Portfolios erzielen eine Überrendite von nahe 0, wenige Portfolios haben eine Abweichung von mehr als 1 % p.a. Das Anleihenportfolio der Growth Strategie (hohes KUV), dass mit dem Aktien-Indikator KUV gebildet wurde, erzielt eine positive Überrendite von 2,4 % p.a.948 Indikator Multiplikator 1

Faktoren 2

Multiplikator 2

2

Multiplikator 3

2

Multiplikator 4

2

Multiplikator 5

2

Dynamischer Verschuldungsgrad Fremdkapitalquote

2

Zinsdeckungsgrad

2

KGV

2

KBV

2

KCV

2

KUV

2

948

2

Value Überrendite 0,007 (0,025) 0,002 (0,008) -0,003 (0,010) -0,001 (0,010) 0,007 (0,008) -0,006 (0,010) 0,019 (0,020) -0,004 (0,016) 0,006 (0,017) 0,007 (0,031) 0,027 (0,032) 0,000 (0,022)

Growth Überrendite 0,001 (0,027) 0,001 (0,007) 0,009 (0,017) 0,002 (0,017) 0,011 (0,017) 0,006 (0,018) 0,001 (0,009) -0,011 (0,015) 0,016 (0,019) 0,007 (0,019) 0,015 (0,024) 0,024* (0,014)

Zur Veranschaulichung der Analyse der gesamten Regressionsergebnisse ist in Abschnitt 4.4.2.2 eine beispielhafte Erläuterung gegeben. Das Folgende bezieht sich auf Ergebnisse der Value und Growth Portfolios bei Unternehmensanleihen des BERC Index. Bei den Value Portfolios ist die Sensitivität gegenüber dem Faktor DEF in allen betrachteten Fällen hoch signifikant, wohingegen die Sensitivität gegenüber dem Faktor TERM nur sehr selten signifikant ist. Die korrigierten R2 haben hohe Werten, die meist über 0,8 liegen. Vgl. Anlage 22. Die korrigierten R 2 bei den Regressionen der Growth Portfolios sind niedriger als bei den Value Portfolios. Die Signifikanzen mit dem Faktor DEF sind auch bei den Growth Portfolios sehr hoch. Vgl. Anlage 23.

Empirische Untersuchung des Value Effekts

Dividendenrendite

2

-0,003 (0,024)

197

0,007 (0,023)

Tab. 46: Überrenditen der Value und Growth Portfolios bei Anleihen des BERC Index949

4.5 Interpretation der eigenen Ergebnisse Der folgende Abschnitt dient der Beantwortung der Forschungsfragen und Hypothesen sowie der Interpretation der Untersuchung. Hierzu werden die einzelnen Indikatoren separat betrachtet, da sich die meisten Studien nur mit einem oder sehr wenigen Indikatoren beschäftigen und eine Vergleichbarkeit so besser möglich ist.950 Übersichtshalber sind die Hypothesen, die in Abschnitt 4.1 formuliert wurden, in der folgenden Tabelle aufgelistet: Hypothese Nr. 1 2 3

Hypothese Wertpapiere, die als Value klassifiziert sind, haben eine höhere risikoadjustierte Rendite als Wertpapiere, die als Growth klassifiziert sind. Wertpapiere, die als Value klassifiziert sind, haben eine höhere risikoadjustierte Rendite als eine entsprechende Benchmark (Wertpapierindex). Unternehmensanleihen, die nach Aktien-Indikatoren als Value klassifiziert sind, haben eine höhere risikoadjustierte Performance als die Benchmark (Wertpapierindex).

Tab. 47: Hypothesen951 Mit fünf Aktien-Indikatoren (KGV, KBV, KCV, KUV, Dividendenrendite) werden sowohl Aktien als auch Anleihen nach Value und Growth kategorisiert. Anhand dieser Indikatoren werden die Hypothesen 1 bis 3 überprüft.

949

Eigene Berechnungen. Signifikanzniveaus von 5 % sind mit * gekennzeichnet. Standardfehler sind in Klammern angegeben. Die Ergebnisse der Zeitreihenregressionen der Value und Growth Portfolios sind in Anlage 22 und 23 aufgeführt. 950 Siehe hierzu Abschnitt 3.2. 951 Eigene Darstellung. Für die Zielsetzung und die Forschungsfragen siehe Abschnitt 4.1.

198

Empirische Untersuchung des Value Effekts

Fünf weitere Aktien-Indikatoren (Gesamtkapitalrentabilität, Eigenkapitalrentabilität, vierjähriges Dividendenwachstum, Ausschüttungsquote, EV-EBITDA Verhältnis) werden ausschließlich zur Untersuchung der Kapitalmarktanomalie Value vs. Growth bei Aktien verwendet und dienen somit der Beantwortung von Hypothese 1 und 2. Unternehmensanleihen werden mithilfe von acht Anleihen-Indikatoren (Multiplikator 1 bis 5, Fremdkapitalquote, dynamischer Verschuldungsgrad, Zinsdeckungsgrad) nach Value und Growth unterteilt. Zum Teil sind diese Indikatoren fremdkapitalorientierte Kennzahlen aus der Kreditanalyse sowie neu gebildete Indikatoren, bei denen die Effektivverzinsung mit einer fundamentalen Unternehmens- bzw. Anleihekennzahl ins Verhältnis gesetzt werden. Die Hypothesen 1 und 2 werden mit diesen Anleihen-Indikatoren überprüft. Die Beantwortung der Hypothesen erfolgt sowohl mithilfe der durchgeführten Regressionsergebnisse als auch durch die risikoadjustierten Performancekennzahlen. Es werden alle Value und Growth Portfolios betrachtet, sodass es auch zu teilweiser oder überwiegender Bestätigung oder Ablehnung der Hypothese kommen kann. Die Ergebnisse sind übersichtshalber in den Tabellen 48 bis 67 aufgelistet und werden einleitend zu den Tabellen diskutiert. Das KGV ist ein sehr häufig verwendeter Indikator für Value vs. Growth. Bei der vorliegenden Untersuchung für die amerikanischen und europäischen Wertpapiere zeichnet sich eindeutig ab, dass die Value der Growth Strategie überlegen ist. So haben die Value Portfolios bessere Performancekennzahlen wie z.B. Sharpe, Sortino oder Treynor Ratios. Hierbei zeigt sich auch, dass die Value Strategie höhere Standardabweichungen und leicht höhere Betas aufweisen. Die Überrenditen sind beim Einfaktormodell signifikant höher, bei den Drei- und Vierfaktormodellen lässt sich keine klare Aussage treffen welche Strategie besser ist. Bei der Betrachtung der Value und Growth Strategien für den deutschen Kapitalmarkt fällt auf, dass viele Performancekennzahlen bei Value niedriger bzw. schlechter sind als bei Growth. Die Regressionen liefern jedoch keine Hinweise auf eine überlegene Growth Strategie. Beim Vergleich der Strategien mit den Benchmarks wird offensichtlich, dass Value und Growth überwiegend vorteilhaft für Investoren sind. Die Value und Growth Portfolios bei Aktien des Dow Jones und EURO STOXX 50 sowie das Growth Portfolio mit Aktien des DAX haben bessere Performancewerte als die entsprechende Benchmark. Die Hypothesen 1 und 2, mit denen überprüft wird, ob Value Wertpapiere eine höhere risikoadjustierte Rendite als Growth bzw. die Benchmark erzielen, sind somit überwiegend bestätigt. Das KGV wurde in dieser Untersuchung auch als Indikator bei den Unternehmensanleihen verwendet, um zu überprüfen, ob Anleihen von Value Unternehmen eine bessere Performance erzielen als Anleihen von Growth Unternehmen. Die hierbei erwirtschafteten Renditen sind sehr

Empirische Untersuchung des Value Effekts

199

ähnlich wie die der Benchmark, jedoch zeichnet sich ab, dass das Risiko in Form von Standardabweichung tendenziell niedriger ausfällt. Dementsprechend sind auch die Sharpe Ratios höher. Die Durationen bzw. modifizierten Durationen sind entweder gleich (BERC Index) oder niedriger (BUSC Index) als bei den Benchmarks. Trotz ähnlicher Renditen und leicht niedrigerem Risiko, ist die Zinsbindung bei der Auswertung des BUSC Index geringer. Hypothese 3 ist somit bestätigt. Das Value Portfolio beim BERC Index hat sehr ähnliche Performancekennzahlen wie der Index selbst, sodass hier keine Bestätigung der Hypothese 3 erfolgen kann. Hypothese Nr.

Dow Jones Index

1 2 Hypothese Nr. 3

Bestätigt Bestätigt BUSC Index Bestätigt

EURO STOXX 50 Index Bestätigt Bestätigt BERC Index Nicht bestätigt

DAX Index Nicht bestätigt Nicht bestätigt

Tab. 48: Ergebnisse der Hypothesenprüfung - KGV952 Das KBV stellt den zweiten Value vs. Growth Indikator dar. Im amerikanischen und deutschen Kapitalmarkt sprechen alle Kennzahlen für die Value Strategie. Die Rendite, alle Performancekennzahlen, die Ergebnisse des Zero Investment Portfolios und die Ergebnisse der Regressionen zeigen, dass das KBV sehr gut geeignet ist, um Überrenditen und eine überlegene Performance (um Risiko adjustierte Rendite) zu erzielen. Hierbei sind die Value Wertpapiere deutlich besser als die Growth Wertpapiere und als die Benchmark. Die Growth Strategie hat teilweise auch bessere Kennzahlen als die Benchmark. Im europäischen Kapitalmarkt in Form des EURO STOXX 50 sieht dies jedoch anders aus. Hier haben die Growth Wertpapiere ein geringeres Risiko bei ähnlicher Rendite. Daher sprechen die risikoadjustierten Performancekennzahlen für die Growth Strategie. Value Wertpapiere sind allerdings immer noch besser als die Benchmark. Eine höhere signifikante Überrendite bei allen Regressionen wird von den Value Portfolios erwirtschaftet, die Growth Portfolios haben allerdings auch signifikant positive Überrenditen. Hypothese 1 kann überwiegend bestätigt werden und Hypothese 2 ist bestätigt. Bei der Untersuchung der Unternehmensanleihen wird der Aktien-Indikator KBV verwendet. Die Value Strategien für amerikanische und europäische Anleihen erzielen deutlich höhere risikoadjustierte Performancekennzahlen. So sind beispielsweise die Sharpe Ratios der Value Portfolios höher als die Werte der Growth Portfolios sowie die Werte der Benchmarks. Hypothese 3 ist bestätigt. 952

Eigene Darstellung.

200

Empirische Untersuchung des Value Effekts

Hypothese Nr.

Dow Jones Index

1 2 Hypothese Nr. 3

Bestätigt Bestätigt BUSC Index Bestätigt

EURO STOXX 50 Index Nicht bestätigt Bestätigt BERC Index Bestätigt

DAX Index Bestätigt Bestätigt

Tab. 49: Ergebnisse der Hypothesenprüfung - KBV953 Das KCV wird als dritter Indikator für die Klassifizierung von Value und Growth verwendet. Bei allen untersuchten Stichproben haben die Value Wertpapiere eine höhere Rendite im Vergleich zu den Growth Wertpapieren und den Benchmarks. Diese erhöhte realisierte Rendite geht einher mit einer erhöhten Standardabweichung sowie einem erhöhten systematischen Risiko. Die Value Strategien erzielen für alle untersuchten Kapitalmärkte höhere Performancekennzahlen wie z.B. Sharpe oder Treynor Ratios. Auch bei den Regressionen zeigt sich die Überlegenheit von Value gegenüber Growth anhand von signifikant positiven Überrenditen. Hypothesen 1 und 2 sind bestätigt. Es wurden auch Anleihenportfolios mit dem Aktien-Indikator KCV gebildet. Hierbei zeigt sich, dass die Benchmark zwar niedrigere Renditen aufweist als die Value Wertpapiere, jedoch auch ein niedrigeres Risiko. Dies wird auch durch eine höhere Sharpe Ratios der Benchmark im Vergleich zu der Value Strategie ausgedrückt. Hypothese 3 ist somit nicht bestätigt. Für einen Investor ist die fundamentale Analyse mit dem Indikator KCV bei Aktien sinnvoll, da hierdurch systematische Überrenditen erwirtschaftet und bessere Performancekennzahlen erzielt werden als bei einer passiven Strategie, jedoch ist die Investmentauswahl bei Anleihen mit dem Indikator KCV nicht sinnvoll. Hypothese Nr.

Dow Jones Index

1 2 Hypothese Nr. 3

Bestätigt Bestätigt BUSC Index Nicht bestätigt

EURO STOXX 50 Index Bestätigt Bestätigt BERC Index Nicht bestätigt

DAX Index Bestätigt Bestätigt

Tab. 50: Ergebnisse der Hypothesenprüfung - KCV954 Das KUV wird ebenfalls verwendet, um zwischen Value und Growth zu unterscheiden. Bei der Analyse der Aktien wird deutlich, dass die Value Strategie eine bessere 953 954

Eigene Darstellung. Eigene Darstellung.

Empirische Untersuchung des Value Effekts

201

Performance erzielt. Die Renditen der Value Portfolios sind höher als bei der Benchmark und auch als die der Growth Aktienportfolios. Die Sharpe Ratios der Value Strategie sind höher als die Benchmark und die Growth Strategie im amerikanischen und europäischen Datensatz, einzig der DAX erzielt eine höhere Sharpe Ratio als Value und Growth. Bei den anderen Performancekennzahlen Sortino Ratio, Hit Ratio, Treynor Ratio und Jensens Alpha sind es die Value Portfolios, die eine bessere Performance aufweisen, unabhängig vom untersuchten Kapitalmarkt. Die Regressionen bestätigen diese Überlegenheit von Value gegenüber Growth. Somit können die Hypothesen 1 und 2 als bestätigt angesehen werden. Das KUV wurde auch bei den Anleihen verwendet, da dadurch untersucht werden kann, ob Unternehmenscharakteristika einen Einfluss auf die Rendite und das Risiko von Anleihen haben. Hierbei zeigt sich ein differenziertes Ergebnis. Für den BUSC Index erweist sich die Value Strategie als äußerst vorteilhaft. Im Vergleich ist die Rendite höher und die Standardabweichung ähnlich der Benchmark. Die Growth Strategie hat eine geringere Rendite als die Benchmark einhergehend mit einer geringeren Standardabweichung. Die Sharpe Ratios beider Anlagestrategien, Value und Growth, sind höher als die der Benchmark. In den Regressionen bestätigt sich die Überlegenheit von Value gegenüber Growth. Ein ganz anderes Bild zeichnet sich jedoch ab, wenn der BERC Index betrachtet wird. Die Ergebnisse für den europäischen Kapitalmarkt sprechen gegen die aktive Anlagestrategie. Die Benchmark erzielt die höchste Sharpe Ratio. Des Weiteren ist die Growth Strategie der Value Strategie überlegen, was auch in den Ergebnissen der Regressionen zu sehen ist. Hypothese 3 ist teilweise bestätigt. Hypothese Nr.

Dow Jones Index

1 2 Hypothese Nr. 3

Bestätigt Bestätigt BUSC Index Bestätigt

EURO STOXX 50 Index Bestätigt Bestätigt BERC Index Nicht bestätigt

DAX Index Bestätigt Bestätigt

Tab. 51: Ergebnisse der Hypothesenprüfung - KUV955 Die Dividendenrendite wird ebenfalls als Aktien- und Anleihen-Indikator verwendet. Value Aktien haben tendenziell hohe Dividendenrenditen, Growth Aktien hingegen haben niedrige Dividendenrenditen. Ein einheitliches Bild ergibt sich bei der Untersuchung der Indizes Dow Jones und EURO STOXX 50. Die Value Strategie

955

Eigene Darstellung.

202

Empirische Untersuchung des Value Effekts

ist in vielfältiger Hinsicht der Growth Strategie überlegen. Fast alle Performancekennzahlen weisen aus, dass die Value Strategie besser ist als die Growth Strategie und auch besser ist als die Benchmark. Die Regressionen weisen ebenfalls viele signifikant positive Überrenditen der Value Strategie nach. Konträr dazu stellt sich die Analyse des DAX Index dar. Laut Performancekennzahlen ist zwar die Value Strategie der Growth Strategie überlegen, jedoch wäre eine passive Strategie mit Investition in die Benchmark noch besser gewesen. Die Regressionen zeigen dennoch signifikant positive Überrenditen bei den Value Portfolios. Hypothese 1 ist insgesamt bei der Dividendenrendite bestätigt, Hypothese 2 jedoch nur überwiegend mit Ausnahme des DAX Index. Die Dividendenrendite wurde in dieser Forschungsarbeit auch für die Untersuchung der Anomalie bei Anleihen verwendet. Dabei zeigt sich, dass die Anleihen von Value Unternehmen beim Index eine schlechtere Performance erzielen als die Unternehmensanleihen von Growth Unternehmen. Im Vergleich zum US-amerikanischen BUSC Index hat das Value Portfolio deutlich bessere risikoadjustierte Performancewerte. Auch hat das Value Portfolio beim europäischen BERC Index bessere Performancewerte, weil das Risiko deutlich geringer als die Benchmark ist. Hypothese 3 ist somit bestätigt. Hypothese Nr.

Dow Jones Index

1 2 Hypothese Nr. 3

Bestätigt Bestätigt BUSC Index Bestätigt

EURO STOXX 50 Index Bestätigt Bestätigt BERC Index Bestätigt

DAX Index Bestätigt Nicht bestätigt

Tab. 52: Ergebnisse der Hypothesenprüfung - Dividendenrendite956 Die Gesamtkapitalrentabilität wird für die Klassifizierung von Value vs. Growth bei Aktien verwendet. Bei den drei untersuchten Kapitalmärkten ist beobachtbar, dass die als Value gruppierten Aktien der Benchmark und den Growth Aktien überlegen sind. Die Renditen sind höher und das Risiko geringer. Somit sind bei den Value Aktien die Performancekennzahlen wie Sharpe, Treynor oder Sortino Ratio auch deutlich besser. Die Value Strategie mit dem Indikator Gesamtkapitalrentabilität erzielt auch sehr hohe positive signifikante Alphas (Überrenditen) bei den Regressionen. Hypothesen 1 und 2 sind somit bestätigt. Der Indikator Gesamtkapitalrentabilität eignet sich daher sehr gut für Investoren, um Aktien zu finden, die Überrenditen erwirtschaften.

956

Eigene Darstellung.

Empirische Untersuchung des Value Effekts

Hypothese Nr.

Dow Jones Index

1 2

Bestätigt Bestätigt

EURO STOXX 50 Index Bestätigt Bestätigt

203

DAX Index Bestätigt Bestätigt

Tab. 53: Ergebnisse der Hypothesenprüfung - Gesamtkapitalrentabilität957 Auch die Eigenkapitalrentabilität erweist sich als äußerst guter Indikator für Value vs. Growth. Die überwiegende Anzahl der Performancekennzahlen der Value Portfolios ist besser als bei den Growth Portfolios. Auch sind die Value Portfolios deutlich besser als die vergleichbaren Benchmarks. Sowohl die Renditen als auch die Risikokennzahlen sprechen für die Value Strategie. Risikoadjustierte Performancekennzahlen zeigen dementsprechend die Überlegenheit von Value gegenüber Growth bzw. Value gegenüber den Benchmarks an. In den Regressionen werden ebenfalls signifikant positive Überrenditen ermittelt, die im Vergleich zu den Growth Portfolios höher sind. Hypothesen 1 und 2 sind somit bestätigt. Hypothese Nr.

Dow Jones Index

1 2

Bestätigt Bestätigt

EURO STOXX 50 Index Bestätigt Bestätigt

DAX Index Bestätigt Bestätigt

Tab. 54: Ergebnisse der Hypothesenprüfung - Eigenkapitalrentabilität958 Das vierjährige Dividendenwachstum als Indikator von Value vs. Growth zeigt deutlich unterschiedliche Ergebnisse, abhängig von der gewählten Stichprobe. Bei der Betrachtung des europäischen Kapitalmarktes in Form des EURO STOXX 50 Index erscheint die Value Strategie aufgrund der Performancemaße vorteilhaft sowohl gegenüber der Benchmark als auch gegenüber der Growth Strategie. Die gleichen Performancekennzahlen sprechen beim DAX Index jedoch für die Growth Strategie bzw. für die Benchmark. Beide haben höhere Renditen und niedrigeres Risiko bzw. höhere risikoadjustierte Renditen. Im amerikanischen Kapitalmarkt, der durch den Dow Jones repräsentiert wird, ist das Bild uneinheitlich. Das Value Portfolio ist zwar bei Rendite und Risiko besser als die Benchmark, allerdings kann es bei weitem nicht die Werte der Growth Aktien erreichen. Die Regressionen bei allen drei Stichproben zeigen signifikant positive Alphas von den Value Portfolios,

957 958

Eigene Darstellung. Eigene Darstellung.

204

Empirische Untersuchung des Value Effekts

die geringer sind als bei den Growth Portfolios. Hypothese 1 und 2 können nur teilweise bestätigt werden. Hypothese Nr.

Dow Jones Index

1 2

Nicht bestätigt Bestätigt

EURO STOXX 50 Index Bestätigt Bestätigt

DAX Index Nicht bestätigt Nicht bestätigt

Tab. 55: Ergebnisse der Hypothesenprüfung - Dividendenwachstum959 Die Ausschüttungsquote zeigt den prozentualen Anteil der durch Nettoerlöse erwirtschafteten Ausschüttungen an Investoren durch Dividendenzahlungen an. Dieser Aktien-Indikator eignet sich besonders gut in der amerikanischen Stichprobe. Hierbei hat die Value Strategie eine durchweg bessere Performance als die Growth Strategie oder als der Dow Jones Index. Beim EURO STOXX 50 Index sprechen einige Performancekennzahlen für die Value Strategie. Teilweise haben Benchmark oder Growth Strategie jedoch bessere Werte. Werden die Value und Growth Strategien beim DAX Index angewandt, so sind viele Performancekennzahlen besser bei der Value Strategie. Diese hat allerdings ein höheres systematisches Risiko, wodurch auch die Treynor Ratio bei den Value Strategien geringer ausfällt als bei den Growth Strategien. Hypothese 1 und 2 werden teilweise bestätigt. Hypothese Nr.

Dow Jones Index

1 2

Bestätigt Bestätigt

EURO STOXX 50 Index Nicht bestätigt Nicht bestätigt

DAX Index Nicht bestätigt Bestätigt

Tab. 56: Ergebnisse der Hypothesenprüfung - Ausschüttungsquote960 Das EV-EBITDA Verhältnis ist besonders geeignet, um Value und Growth Wertpapiere zu kategorisieren. Die Value Wertpapiere erzielen bei allen untersuchten Indizes sehr gute Performancewerte. Sie sind sowohl besser als die Growth Wertpapiere, als auch besser als die Indizes. Dies wird durch die vielen signifikanten positiven Überrenditen der Value Portfolios bestätigt. Hypothesen 1 und 2 sind beim EV-EBITDA Verhältnis bestätigt.

959 960

Eigene Darstellung. Eigene Darstellung.

Empirische Untersuchung des Value Effekts

Hypothese Nr.

Dow Jones Index

1 2

Bestätigt Bestätigt

EURO STOXX 50 Index Bestätigt Bestätigt

205

DAX Index Bestätigt Bestätigt

Tab. 57: Ergebnisse der Hypothesenprüfung - EV-EBITDA Verhältnis961 Der Multiplikator 1 bildet das Verhältnis von Effektivverzinsung und modifizierter Duration ab. Bei der Stichprobe zu den USA hat das Value Portfolio eine geringere Rendite als das Growth Portfolio und als die Benchmark. Die Standardabweichung ist jedoch auch geringer bei dem Value Portfolio. Dadurch ist die risikoadjustierte Performancekennzahl Sharpe Ratio im Vergleich zum Growth Portfolio höher. Auch ist die Überrendite (Alpha) beim Value Portfolio höher. Für Europa zeigt sich ein ähnliches Resultat, wobei hier die Renditen bei der Benchmark sowie der Value und der Growth Strategie fast gleich hoch sind. Die Sharpe Ratio der Value Wertpapiere ist hierbei am höchsten, da das Risiko am geringsten ist. Die Regressionen bestätigen die Überlegenheit von Value gegenüber Growth. Hypothese 1 und 2 sind bestätigt. Hypothese Nr. 1 2

BUSC Index Bestätigt Bestätigt

BERC Index Bestätigt Bestätigt

Tab. 58: Ergebnisse der Hypothesenprüfung - Multiplikator 1962 Der Multiplikator 2 zeigt die Effektivverzinsung im Verhältnis zum Jahresüberschuss an. Es zeigt sich, dass der Multiplikator 2 besonders gut geeignet ist, um Value und Growth Wertpapiere für die amerikanische Stichprobe zu klassifizieren. Die Value Wertpapiere haben hier deutlich bessere Performancekennzahlen als die Growth Wertpapiere und auch als der BUSC Index. Bei dem Datensatz zu den europäischen Wertpapieren haben allerdings die Growth Wertpapiere risikoadjustiert die höchste Performance. Im Vergleich mit der Benchmark, dem BERC Index, ist die Value Strategie überlegen. Bei den Regressionen hat in den USA das Value Portfolio eine höhere Überrendite als das Growth Portfolio, in Europa sind die Überrenditen in etwa gleich. Hypothese 1 ist teilweise bestätigt, wohingegen Hypo-

961 962

Eigene Darstellung. Eigene Darstellung.

206

Empirische Untersuchung des Value Effekts

these 2 bestätigt ist. Daher ist es für Investoren definitiv sinnvoll, eine aktive Strategie zu wählen, jedoch kann nicht gesagt werden, ob Value oder Growth definitiv die bessere Strategie darstellt. Hypothese Nr. 1 2

BUSC Index Bestätigt Bestätigt

BERC Index Nicht bestätigt Bestätigt

Tab. 59: Ergebnisse der Hypothesenprüfung - Multiplikator 2963 Der Multiplikator 3 setzt EBITDA und die Effektivverzinsung der Anleihe ins Verhältnis. Die als Value klassifizierten Wertpapiere erwirtschaften eine höhere Rendite als die als Growth eingestuften Anleihen, die jedoch eine geringe Standardabweichung der Renditen aufweisen. Im Vergleich zu den Benchmarks sind die Renditen der Value Portfolios vergleichbar hoch, haben geringere oder vergleichbare Standardabweichungen. Die Sharpe Ratio des Value Portfolios in den USA ist geringer als bei der Growth Portfolio und der Benchmark. In Europa ist die Sharpe Ratio des Value Portfolios am höchsten im Vergleich zu Growth Portfolio und der entsprechenden Benchmark, dem BERC Index. Interessanterweise hat aber das europäische Value Portfolio bei der Regression ein geringeres Alpha als das Growth Portfolio. In den USA ist es das Value Portfolio, dass ein höheres Alpha aufweist. Hypothese 1 ist nicht bestätigt, da nur teilweise eine Überlegenheit von Value gegenüber Growth zu erkennen ist. Die Value Strategie mit dem Multiplikator 3 ist hingegen besser geeignet als die passive Investition in eine der Benchmarks. Daher ist Hypothese 2 bestätigt. Hypothese Nr. 1 2

BUSC Index Nicht bestätigt Bestätigt

BERC Index Nicht bestätigt Bestätigt

Tab. 60: Ergebnisse der Hypothesenprüfung - Multiplikator 3964 Der Multiplikator 4 ist der Quotient aus Effektivverzinsung und Cashflow. Auch hier sprechen die Ergebnisse teilweise für eine Anomalie und teilweise gegen diese. Multiplikator 4 eignet sich nur teilweise als guter Indikator für die Klassifizierung von Value und Growth. Die Renditen der Value Portfolios sind tendenziell höher als die der Growth Portfolios und ähnlich hoch wie die Renditen der Indizes. Bei 963 964

Eigene Darstellung. Eigene Darstellung.

Empirische Untersuchung des Value Effekts

207

den Value und Growth Portfolios sind die Standardabweichungen ähnlich hoch, aber niedriger als bei den jeweiligen Benchmarks. Bei der risikoadjustierten Betrachtung ist in Europa die Value Strategie sowohl der Growth Strategie als auch dem BERC Index überlegen, aber in den USA ist das Growth Portfolio und die Benchmark, der BUSC Index, der Value Strategie besser. Hypothesen 1 und 2 sind teilweise bestätigt. Hypothese Nr. 1 2

BUSC Index Nicht bestätigt Nicht bestätigt

BERC Index Bestätigt Bestätigt

Tab. 61: Ergebnisse der Hypothesenprüfung - Multiplikator 4965 Bei Multiplikator 5 werden die Effektivverzinsung der Unternehmensanleihe und die Umsatzerlöse des Unternehmens ins Verhältnis gesetzt. Die als Value eingruppierten Wertpapiere erzielen eine höhere Rendite als die Growth Wertpapiere. Im Vergleich zu den Benchmarks hat nur bei der europäischen Stichprobe das Value Portfolio eine höhere Rendite, in den USA ist sie in etwa gleich. Die Growth Portfolios haben eine geringere Standardabweichung als die Value Portfolios und die Benchmarks. Risikoadjustiert ist die Portfoliobildung von Value und Growth nur in Europa vorteilhaft. Hier sind die Sharpe Ratios von Value Wertpapieren höher als die der Benchmark und die der Growth Wertpapiere. In den USA erreicht die Growth Strategie die höchste Sharpe Ratio, gefolgt vom BUSC Index und der Value Strategie. Da die Regressionsergebnisse bei den Value und Growth Strategien ähnlich sind, kann keine Aussage getroffen werden, welche Strategie vorteilhafter für Investoren ist. Hypothesen 1 und 2 sind nur teilweise bestätigt, da die Stichproben unterschiedliche Schlussfolgerungen zulassen. Hypothese Nr. 1 2

BUSC Index Nicht bestätigt Nicht bestätigt

BERC Index Bestätigt Bestätigt

Tab. 62: Ergebnisse der Hypothesenprüfung - Multiplikator 5966 Der dynamische Verschuldungsgrad wird als weiterer Indikator für die Untersuchung der Unternehmensanleihen und der Kapitalmarktanomalie Value vs. Growth verwendet. Diese Kennzahl zeigt die Anzahl an Jahren auf, die ein Unternehmen 965 966

Eigene Darstellung. Eigene Darstellung.

208

Empirische Untersuchung des Value Effekts

bräuchte, um die Nettoverbindlichkeiten durch den Cashflow zurückzuzahlen und ist eine in der Unternehmenssteuerung häufig verwendete Kennzahl.967 Die als Value Wertpapiere klassifizierten Anleihen erwirtschaften dabei eine höhere Rendite als die Growth Wertpapiere, jedoch haben sie auch ein höheres Risiko in Form der Standardabweichung. Die Benchmark hat eine noch höhere Rendite als die Value Strategie, allerdings auch eine noch höhere Standardabweichung. In den USA weisen die Value Portfolios eine höhere risikoadjustierte Performance auf als die Growth Strategien sowie die passive Strategie in Form einer Investition in die Benchmark. In Europa ist die Sharpe Ratio von Value und Growth Portfolio ähnlich, aber höher als beim BERC Index. Die Hit Ratios der Value Portfolios sind höher als bei den Growth Portfolios. Bei der Regression ist allerdings nur in den USA die Value Strategie überlegen, in Europa ist es umgekehrt. Hypothese 1 ist teilweise bestätigt und Hypothese 2 ist bestätigt. Hypothese Nr. 1 2

BUSC Index Bestätigt Bestätigt

BERC Index Nicht bestätigt Bestätigt

Tab. 63: Ergebnisse der Hypothesenprüfung - dynamische Verschuldungsgrad968 Die Fremdkapitalquote ist eine in der Kreditanalyse verwendete Kennzahl.969 Bei den Rendite- und Risikokennzahlen sind gemischte Ergebnisse vorhanden und eine Aussage, ob Value, Growth oder eine passive Strategie am geeignetsten ist, kann nur sehr schwer getroffen werden. Bei der Stichprobe mit Anleihen des BUSC Index zeigt sich, dass die Renditen der aktiven Strategien sowie der passiven Strategie in etwa gleich sind. Das Risiko von Benchmark und Growth Strategie ist ebenfalls ähnlich hoch, jedoch hat die Value Strategie ein geringeres Risiko in Form von Standardabweichung. Die Analyse der Anleihen des BERC Index ergibt, dass die Benchmark eine deutlich höhere Rendite gepaart mit deutlich höherem Risiko aufweist. Die Value und Growth Strategie sind in etwa gleich bei der Auswertung der Rendite und des Risikos. Die Sharpe Ratios der Value Portfolios sind höher als die Sharpe Ratios der Indizes, aber ähnlich hoch wie die der Growth Portfolios. Hypothese 1 ist somit nicht bestätigt und Hypothese 2 ist bestätigt.

967

Vgl. Wiehle et al. (2011), S. 91. Eigene Darstellung. 969 Vgl. Perridon/Steiner/Rathgeber (2012), S. 597 f. 968

Empirische Untersuchung des Value Effekts

Hypothese Nr. 1 2

BUSC Index Nicht bestätigt Bestätigt

209

BERC Index Nicht bestätigt Bestätigt

Tab. 64: Ergebnisse der Hypothesenprüfung - Fremdkapitalquote970 Beim Zinsdeckungsgrad haben die Value Portfolios eine höhere Rendite als die Growth Portfolios und eine niedrigere als die Benchmarks. Bei der Standardabweichung ist es genau umgekehrt. Die Sharpe Ratio des Value Portfolios ist beim BUSC Index höher als beim Growth Portfolio aber leicht geringer als bei der Benchmark. Bei der Benchmark BERC Index hat das Value Portfolio die höchste risikoadjustierte Performance, gefolgt von der Growth Strategie und anschließend der Benchmark. Auch zeigen die Regressionen, dass die Value Strategie besser geeignet ist als die Growth Strategie, um Überrenditen zu erwirtschaften. Hypothese 1 ist bestätigt und Hypothese 2 ist teilweise bestätigt. Hypothese Nr. 1 2

BUSC Index Bestätigt Nicht bestätigt

BERC Index Bestätigt Bestätigt

Tab. 65: Ergebnisse der Hypothesenprüfung - Zinsdeckungsgrad971 Aus den detaillierten Auswertungen der Value und Growth Strategien ergeben sich auch Erkenntnisse zu den Ursachen der Anomalie und der Qualität der Faktormodelle, die im Folgenden thematisiert werden. Mit den Studien von Daniel und Titman (1997), Piotroski und So (2012) sowie Aretz und Aretz (2016) übereinstimmend zeigt sich, dass das unsystematische Risiko ein Treiber für die Value Anomalie ist und dass das Value Premium eine Form von Gesamtrisiko darstellt. Von den Regressoren der Aktienrenditen hat das Beta des Marktes den höchsten Erklärungsgehalt. Die SMB und HML Faktoren des Dreifaktorenmodells von Fama und French (1993) sowie die Erweiterung um den UMD Faktor beim Vierfaktorenmodell von Carhart (1997) haben nur teilweise signifikante Werte und somit einen geringen nachweisbaren Einfluss auf die Rendite. Die ermittelten R2 und korrigierten R2 der Regressionen steigen bei Hinzunahme der Faktoren teils um wenige Prozentpunkte an, aber da beim Einfaktormodell die Werte üblicherweise über 70 % sind, ist der Erkenntnisgewinn marginal. 970 971

Eigene Darstellung. Eigene Darstellung.

210

Empirische Untersuchung des Value Effekts

Der DEF Faktor, der bei Regressionen der Renditen der Unternehmensanleihen verwendet wird, hat durchweg eine höhere Signifikanz als die zweite unabhängige Variable, der TERM Faktor.972 Die R2 und korrigierten R2 liegen vor allem beim Datensatz zum BERC Index bei meist über 80 %, die Werte für den BUSC Index sind hingegen teilweise auch bei nur 50 %. Die Überrenditen der untersuchten Anleihenportfolios weisen kaum signifikante Werte auf, sodass die fundamentale Bewertung bei Unternehmensanleihen alleine nicht geeignet scheint. Vielmehr eignen sich die Unternehmensanleihen aufgrund ihrer guten Performancekennzahlen zur Beimischung und Risikodiversifikation mit Value Aktienportfolios. Viele Indikatoren eignen sich für die Bewertung von Wertpapieren nach Value und Growth. Signifikante Überrendite werden, abhängig vom Untersuchungsdesign, der Region und dem verwendeten Indikator, festgestellt. Auch zeigt sich, dass Renditen von Growth Wertpapieren zeitweise eine höhere Performance als Value Aktien haben. Meist haben jedoch Value Wertpapiere deutlich häufiger Überrenditen, wenn auch nicht jedes Value Wertpapier eine Überrendite aufweist. Regionale Unterschiede sind deutlich erkennbar. So ist bei den Aktien vor allem bei den Indizes Dow Jones und EURO STOXX 50 eine Value vs. Growth Anomalie erkennbar. Der deutsche Kapitalmarkt in Form des DAX hingegen weist eine höhere Effizienz auf. Bei Verwendung des Einfaktormodells haben die höchsten signifikanten Überrenditen bei der amerikanischen Stichprobe die Value Strategie mit dem Indikator KCV (Alpha von 6,8 %), bei der europäischen Stichprobe die Value Strategie (Alpha von 9,8 %), die mithilfe des Indikators EV-EBITDA Verhältnisses gebildet wird, und bei der deutschen Stichprobe die Value Strategie mit dem Indikator Ausschüttungsquote (Alpha von 3,2 %). Bei den Unternehmensanleihen gibt es bei der amerikanischen Stichprobe häufiger signifikante Alphas. In Europa sind die Überrenditen durch Kategorisierung nach Value und Growth selten signifikant. Zudem kommt, dass die signifikanten Werte meist negativ sind. Die untersuchten Anleihenmärkte sind erheblich effizienter in der Bepreisung als die Aktienmärkte. Da es sich bei allen hier verwendeten Stichproben um Wertpapiere aus Large Cap Indizes handelt, bedeutet ein kleiner Value Effekt ein gutes Ergebnis. Die Wertpapiere der hier betrachteten Unternehmen sind tendenziell eher der Kategorie Value zuzuordnen als Growth, da es sich um etablierte Unternehmen handelt, die Teil eines Large Cap Indizes sind. Die betrachteten Wertpapiere aus den fünf Indizes stellen dabei nicht das Investmentuniversum eines Investors dar, da dieser auch beispielsweise Aktien und Anleihen von fundamental starken, sehr kleinen Unternehmen kaufen und somit einen deutlich ausgeprägten Value Effekt ausnutzen kann.

972

Zu dem gleichen Ergebnis kommen auch beispielsweise Gebhardt/Hvidkjær/Swaminathan (2005), S. 113.

Resümee

5

211

Resümee

Die Grundlage der vorliegenden Arbeit stellt die Kapitalmarktanomalie Value vs. Growth dar. Die Erklärung der tatsächlichen Preisfindung an den Kapitalmärkten wird, im Vergleich zu den neoklassischen Modellen, durch fundamentale Bewertungen verbessert. Da die Wertpapierrenditen durch die fundamentale Wertpapieranalyse ex post besser erklärt sowie ex ante besser geschätzt werden können, basieren in der Investmentpraxis verwendete Investmentstrategien auf der Kapitalmarktanomalie Value vs. Growth. Investment Manager, die die fundamentale Analyse nutzen und sich dem Value Investing widmen, verwenden die fundamentale Bewertung hauptsächlich für Aktien, allerdings betrachten sie inzwischen auch andere Assetklassen, um weitere Renditepotentiale zu nutzen und die Investmentportfolios zu diversifizieren. Das Ziel der vorliegenden Arbeit war die Analyse der Kapitalmarktanomalie Value vs. Growth bei den traditionellen Assetklassen Aktien und Unternehmensanleihen. Die Anomalie wurde zuerst theoretisch aufgearbeitet und die wichtigsten empirischen Studien wurden vorgestellt. Schwerpunktmäßig wurde der Einfluss der fundamentalen (unternehmenspezifischen) Charakteristika auf die Rendite von Aktien sowie Unternehmensanleihen untersucht. Die Präsenz der Kapitalmarktanomalie Value vs. Growth in Aktien- und Anleihenmärkten konnte dabei nachgewiesen werden. Außerdem wurde der Einfluss von eigenkapitalorientierten Kennzahlen, die in der Aktienanalyse und Unternehmensbewertung verwendet werden, auf die Renditen von Unternehmensanleihen untersucht.

5.1 Zusammenfassung der Ergebnisse Eine der bekanntesten und meist untersuchten Kapitalmarktanomalien ist Value vs. Growth. Hierbei werden mithilfe von fundamentalen Kennzahlen, bestehend aus dem Verhältnis von Marktpreis und Unternehmenskennzahlen aus dem Jahres- oder Quartalsabschluss, Wertpapiere als Value bzw. Growth eingestuft. Die daraus entwickelten Investmentstrategien bilden ein wichtiges Argument gegen die neoklassischen Theorien und Konzepte und für die Behavioral Finance. Value Wertpapiere, die fundamental stärker sind als Growth Wertpapiere, erwirtschaften im Vergleich zu Growth Wertpapieren Überrenditen, was in sehr vielen akademischen Untersuchungen gezeigt wurde. Die empirischen Ergebnisse dieser Arbeit zeigen, dass fundamentale Charakteristika von Unternehmen Auswirkungen auf die erwartete Rendite der Wertpapiere dieser Unternehmen haben. Jedoch haben die verschiedenen Tests uneinheitliche

212

Resümee

Ergebnisse hervorgebracht, sodass die Interpretation mit Vorsicht stattfinden muss. Tendenziell hat die vorliegende empirische Untersuchung den Value Effekt bestätigt, was mit den meisten anderen empirischen Untersuchungen übereinstimmt. Unterschiede bestehen vor allem bei der Wahl des Datensatzes und der Assetklassen. Der hierbei verwendete Stichprobenumfang ist nicht nur auf die Assetklasse Aktien begrenzt, wie es bei den meisten anderen Forschungsarbeiten zu Value vs. Growth der Fall ist, sondern es werden auch Anleihen analysiert. Ausgangspunkt der vorliegenden Arbeit ist der theoretische Grundlagenteil in Kapitel 2. Die Kapitalmarktanomalie Value vs. Growth steht im Widerspruch zur Neoklassik und zeigt Möglichkeiten zu risikoadjustierten Überrenditen auf. Daher beschäftigt sich die Kapitalmarktforschung seit Jahren intensiv mit dieser Kapitalmarktanomalie. Laut neoklassischer Kapitalmarkttheorie sind vorkommende Überrenditen systematisch nicht ausnutzbar. Die Marktteilnehmer sind rational und handeln wie der Homo Oeconomicus, der über vollständige Informationen verfügt und dadurch in Abhängigkeit seiner Präferenz die beste Alternative wählt. Dies geht einher mit einem vollkommenen Markt, bei dem es weder Transaktionskosten noch Steuern gibt, jeder Investor uneingeschränkten und gleichen Marktzugang hat und alle Anlagen marktfähig und beliebig teilbar sind. Die Random Walk Theorie, die These, dass Aktienkursrenditen zufälligen Bewegungen folgen und die Effizienzmarkthypothese, wonach nur durch neue Informationen eine Veränderung des aktuellen Marktpreises stattfindet, bilden die Grundlage der neoklassischen Theorie. Die darauf basierenden Modelle sind zwar sowohl für Forschung und Praxis von großer Bedeutung. Jedoch sind sie auch wegen der oftmals unzureichenden empirischen Validität und auftretender Kapitalmarktanomalien und dem somit geringen Erklärungs- und Prognosegehalt starker Kritik ausgesetzt. Mit der Behavioral Finance wird versucht, dieses Defizit zu beheben. Überrenditen sind möglich und ausnutzbar, da Marktteilnehmern nur eine begrenzte Rationalität unterstellt und weder Vollkommenheit noch jederzeitige Effizienz des Kapitalmarktes angenommen wird. Dies geht indes einher mit dem Versuch der Gewinnmaximierung. Wertpapierrenditen tendieren, wie in der Mean Reversion These beschrieben, zu ihrem Mittelwert zurück. Dadurch sind manche (wenige) Marktteilnehmer in der Lage, systematische Überrenditen zu erzielen, sofern sie Methoden haben, die das Ausnutzen zeitweise irrationalen Verhaltens anderer Investoren ermöglichen. Diese Arbitragemöglichkeit ist dabei beschränkt durch Fundamentalrisiko, Noise, Implementierungskosten und Modellrisiken. Für Investoren können somit Erkenntnisse der Behavioral Finance profitabel sein, z.B. durch die aufgedeckten Kennzahlenanomalien, welche die Entscheidungsfindung dieser Investoren beeinflussen.

Resümee

213

Mithilfe der Performancebewertung wird die Entwicklung von Portfolios oder Wertpapieren evaluiert. Hierbei werden unterschiedliche Rendite-, Risiko- oder adjustierte Performancekennzahlen herangezogen, die meist aus einer Kombination aus Rendite- und Risikokennzahlen gebildet werden. In der vorliegenden Arbeit werden die adjustierten Performancekennzahlen Sharpe Ratio, Sortino Ratio, Hit Ratio, Treynor Ratio, Jensens Alpha, Appraisal Ratio und M2 ausgewertet. An die theoretischen Grundlagen anschließend wird in Kapitel 3 die theoretische Fundierung der Kapitalmarktanomalie Value vs. Growth vorgenommen. Auf einem Buch von den Wissenschaftlern Graham und Dodd aus dem Jahre 1934 gründet die Wertpapier- bzw. Fundamentalanalyse und der Beruf des Finanzanalysten sowie die aktive Investmentstrategie Value Investing. Typische Charakteristika von Unternehmen, die als Value Unternehmen bezeichnet werden, sind ein niedriges Gewinnwachstum, eine niedrige Rentabilität, eine günstige Bewertung und oftmals eine hohe Dividendenrendite. Value Unternehmen sind etablierte Unternehmen. Als Growth Unternehmen werden häufig auch junge Unternehmen bewertet. Sie zeichnen sich durch ein hohes bis sehr hohes Gewinnwachstum, eine hohe Rentabilität sowie eine hohe bis extrem hohe Kapitalmarktbewertung aus. Die relative fundamentale Kennzahlenanalyse wird verwendet, um Wertpapiere zu identifizieren, die bei gleicher Qualität zu einem niedrigeren Preis gehandelt werden. In der vorliegenden Arbeit werden bei der fundamentalen Aktienanalyse die Aktien-Indikatoren Ausschüttungsquote, Dividendenrendite, Dividendenwachstum, Eigenkapitalrentabilität, EV-EBITDA Verhältnis, Gesamtkapitalrentabilität, KBV, KCV, KGV und KUV verwendet. Als Anleihen-Indikatoren dienen die Multiplikatoren 1 bis 5, der dynamischer Verschuldungsgrad, die Fremdkapitalquote und der Zinsdeckungsgrad. Eine gute Investitionsmöglichkeit für Investoren bietet sich, wenn der Marktpreis unter dem fairen Wert des Wertpapiers liegt. Diese Differenz wird Margin of Safety genannt, eine Sicherheitsmarge, die dem Investor als Puffer für etwaig auftretende Fundamental- und Modellrisiken dient. Mithilfe der Methode des Zero Investment Portfolio können Über- bzw. Unterrenditen aufgezeigt werden, ohne dass ein Kapitalmarktmodell benötigt wird. Hierzu wird ein theoretisches Portfolio gebildet, das keine Kosten für die Portfoliokonstruktion verursacht, da die Investition durch die Leerverkäufe anderer Wertpapiere bzw. eines anderen Portfolios finanziert werden. Für die Überrenditen von Value gegenüber Growth Strategien gibt es verschiedene Erklärungsansätze. Teilweise wird die Branchenzugehörigkeit als Grund angeführt. Value Unternehmen gehören häufig den Industrien Öl, Automobil, Finanzwesen, Bau oder Energieversorgung an, wohingegen Growth Aktien von Unternehmen aus den Branchen der Hochtechnologie wie der Medizin, der Telekommunikation oder der Chemie stammen oder Teil der IT Branche sind. Eine andere Erklärung sind

214

Resümee

Unter- und Überreaktionen von Marktteilnehmern auf Informationen und daraus entstehenden Trends, sodass die Marktpreise von fundamental gerechtfertigten Werten abweichen und erst später zum korrekten Wert korrigieren. Im behavioralen Modell von Daniel, Hirshleifer und Subrahmanyam (2001) entstehen diese Fehlreaktionen durch Selbstüberschätzung und begrenzte Informationsverarbeitung von Growth Investoren. Auch kann die systematische Überbewertung von Wachstumsaussichten bzw. der Gewinnentwicklung der jüngsten Vergangenheit ein Grund für die Fehlpreisung von Wertpapieren darstellen. Entgegengesetzt ist die Unterbewertung von sich schlecht entwickelnden Aktien und evtl. daraus resultierend in Not geratene Unternehmen ein Grund für die Kapitalmarktanomalie. Fama und French (1993, 1995, 1996a, 1998) halten das Value Premium als Ausgleich für systematisches Risiko von Insolvenzgefahr. Diese Hypothese kann entkräftet werden, in Übereinstimmung mit Arshanapalli, Coggin und Doukas (1998) sowie Griffin und Lemmon (2002), da in dieser Arbeit ein erheblicher Anteil von unsystematischem Risikos am Gesamtrisiko nachgewiesen wurde. Somit wird in der vorliegenden Arbeit die Auffassung von Daniel und Titman (1997), von Piotroski und So (2012) sowie von Aretz und Aretz (2016) geteilt, dass das Value Premium eine Form von Gesamtrisiko darstellt. Eine weitere Begründung des Value Premium basiert auf der Prinzipal-Agenten Beziehung, wonach zwar Manager von Investmentfonds (Agenten) die höheren Renditen bei Value und niedrigeren bei Growth Aktien richtig einschätzen können, aber einer Growth Strategie folgen, da mit dieser in der kürzeren Vergangenheit eine bessere Performance erreicht wurde und sie somit diese Investitionen gegenüber den Kapitalgebern (Prinzipalen) deutlich einfacher rechtfertigen können. Außerdem schützen sich die Manager, dem Herdentrieb folgend, bei einem Performancevergleich mit anderen Managern vor sowohl negativen als auch positiven Abweichungen von der Masse. Value Wertpapiere haben nicht ständig eine höhere Performance als Growth Wertpapiere und nicht jedes als Value klassifizierte Wertpapier erwirtschaftet eine Überrendite. Auf unterschiedlichen Kapitalmärkten weisen Value Strategien geringe Korrelationen miteinander und mit anderen Assetklassen auf und bieten somit Diversifikationspotentiale. Jedoch muss beachtet werden, dass die Anomalie auf Durchschnitten basiert. Um diese auszunutzen muss über einen langen Zeitraum ein diversifiziertes Portfolio an Value Wertpapiere gehalten werden. Die empirische Anomalieforschung begann in den 1960er und 1970er Jahren, als Computer und Datenbanken es ermöglichten, Zusammenhänge von fundamentalen Unternehmenskennzahlen und Performance von Wertpapieren zu analysieren. Dies zeigte erstmals eine Möglichkeit zur Realisierung systematischer Überrenditen auf. Von Basu (1977), Ball (1978), Stattman (1980) sowie Rosenberg, Reid und Lanstein (1985) stammen die ersten anerkannten Veröffentlichungen zum Value Effekt. Wei-

Resümee

215

tere Erkenntnisse, vor allem auch zur Wechselwirkung des Value Effekts mit anderen Anomalien, wie beispielsweise dem Momentum Effekt oder dem Kleinfirmeneffekt, lieferten die Aufsätze von Basu (1983), Fama und French (1992) und Lakonishok, Shleifer und Vishny (1994). Darauf aufbauend gab es einige empirische Weiterentwicklungen bei Faktormodellen, welche Indikatoren, wie das KGV oder KBV, verwenden. Theoretisch basieren diese auf der APT. Das Dreifaktorenmodell für Aktien und das Zweifaktorenmodell für Anleihen, beide von Fama und French (1993), sowie das Vierfaktorenmodell von Carhart (1997), haben zu größeren Erkenntnisgewinnen geführt. Diese drei Faktormodelle werden in dieser Forschungsarbeit als Referenzmodelle für die Ermittlung von Überrenditen genutzt. Zusätzlich zu den meisten bis dahin veröffentlichten Studien mit ausschließlich US-amerikanischen Daten, gibt es in den letzten Jahren Untersuchungen zur Kapitalmarktanomalie Value vs. Growth, die die Anomalie auf internationalen und globalen Kapitalmärkten nachweisen konnte. Auch in der vorliegenden Arbeit wurden verschiedene internationale Aktien- und Anleihenmärkte betrachtet. Die meisten Studien nutzen Daten von Aktien, jedoch wurde das Value Premium auch für ganze Assetklassen, wie beispielsweise Aktienindizes, Devisen, RohstoffFutures oder Staatsanleihen, bestätigt. Hierbei werden die Assetklassen als fundamental günstig oder teuer relativ zu den anderen untersuchten Assetklassen eingestuft und teilweise mit der eigenen historischen Preisentwicklung verglichen. Diese alternative Methode, bei der anstatt einzelner Wertpapiere die gesamte Assetklasse als Value oder Growth klassifiziert wird, vernachlässigen die Tatsache, dass in jeder Assetklasse sowohl Value als auch Growth Wertpapiere enthalten sein können, weshalb dieser Ansatz hier nicht gewählt wurde. In Kapitel 4 folgt die empirische Analyse der Kapitalmarktanomalie Value vs. Growth auf Aktien- und Anleihenmärkten. Es wird der Einfluss fundamentaler Charakteristika auf die Rendite von Aktien und Unternehmensanleihen untersucht. Hierzu werden Value und Growth Portfolios gebildet, die von den Ausprägungen fundamentaler Indikatoren abhängen, die durch eine Kombination von Kapitalmarkt- und Jahresabschlussdaten gebildet werden. Somit werden Handelsstrategien kreiert, die für institutionelle Investoren geeignet sein können. Diese werden sowohl miteinander und mit einer geeigneten Benchmark hinsichtlich Rendite-, Risiko- und adjustierter Performancekennzahlen verglichen. Zudem wird der Einfluss von Aktien-Indikatoren auf Anleihestrategien betrachtet. Darüber hinaus werden Zero Investment Portfolios gebildet, um mögliches Value Premia bei den durch Aktienund Anleihen-Indikatoren kategorisierten Value und Growth Wertpapieren zu überprüfen. Überdies werden einfache und multiple lineare Zeitreihenregressionen ver-

216

Resümee

wendet, um systematische Überrenditen zu identifizieren. Aufgrund der unterschiedlichen Analysemethoden kann es bei der gleichen Stichprobe zu unterschiedlich ausgeprägten Ergebnissen kommen. Bei den Aktien werden die Kapitalmärkte der USA, Europas und Deutschlands für einen Untersuchungszeitraum vom 31.12.1987 bis 31.12.2014 betrachtet. Dies entspricht 27 Perioden, da jährliche Daten verwendet werden. Hierbei werden die Aktien von großen Kapitalmarktunternehmen, welche in den Large Cap Indizes Dow Jones, EURO STOXX 50 und DAX gelistet sind, analysiert. Unternehmensanleihen in den USA und Europa werden im Zeitraum vom 31.12.2009 bis 31.12.2015 (21 Perioden mit Quartalsdaten) betrachtet. Dabei werden ausschließlich Unternehmensanleihen verwendet, die ein Investment Grade Anleiherating haben und deren Anleihe über einen Nennbetrag von insgesamt mindestens 250 Million $ (amerikanischer BUSC Index) bzw. € (europäischer BERC Index) verfügt. In der vorliegenden Arbeit werden zehn Aktien-Indikatoren zur Klassifizierung von Value und Growth verwendet. Fünf dieser Aktien-Indikatoren werden auch zu Überprüfung des Value Effekt bei Unternehmensanleihen genutzt. Bei den Unternehmensanleihen werden zusätzlich noch acht reine Anleihen-Indikatoren zur Kategorisierung von Value und Growth eingesetzt. Beim Dow Jones haben die Value Portfolios tendenziell höhere Renditen und Standardabweichungen als die vergleichbaren Growth Portfolios und auch als der Index selbst. Trotzdem haben die Value Portfolios eine geringere Streuung der Betas mit dem Markt. Der Anteil von unsystematischem Risiko am Gesamtrisiko ist bei Value und Growth Portfolios relativ hoch, meist bei ca. 10 %. Die Sharpe Ratios der Value Portfolios sind im Vergleich zur Benchmark und zu den Growth Portfolios höher, wobei die Growth Portfolios auch höhere Sharpe Ratios aufweisen als der Dow Jones Index. Auch haben bei den Sortino Ratios tendenziell die Value Portfolios die besten Werte. Die Hit Ratios zeigen, dass Value und Growth Portfolios als Strategie besser geeignet sind als eine Investition in den Dow Jones Index. Auch die Treynor Ratios und Jensens Alphas zeigen dies an. Die meisten Zero Investment Portfolios mit Aktien des Dow Jones Index haben positive Jensens Alphas, jedoch sind nicht alle Renditen positiv, sodass nicht ganz klar interpretiert werden kann, dass die Value Strategien den Growth Strategien überlegen sind. Bei den Regressionsanalysen der Value Portfolios errechnen sich positive und meist signifikant bis hoch signifikante Überrenditen, die meist über 4 % p.a. betragen. Auch die Growth Portfolios erzeugen Überrenditen, die jedoch tendenziell geringer sind als bei den Value Portfolios. Dies impliziert, dass die Wertpapiere von Unternehmen, die weder als Value noch als Growth Unternehmen kategorisiert werden, schlechtere Performancekennzahlen haben.

Resümee

217

Bei den Value und Growth Strategien mit Aktien des EURO STOXX 50 Index sind es erneut die Value Portfolios, die eine höhere Rendite mit meist höherer Standardabweichung haben. Auch sind die Betas höher als bei den Growth Portfolios. Das unsystematische Risiko ist geringer als bei der Auswertung der amerikanischen Value und Growth Strategien, beträgt aber immer noch meist 5 bis 8 %. Gemessen an den Sharpe Ratios sind die Value Portfolios tendenziell besser als die Growth Portfolios. Erneut haben hier aber auch die Growth Portfolios höhere Werte als die entsprechende Benchmark, der EURO STOXX 50 Index. Bei den Sortino Ratios sind es erneut die Value Portfolios, welche die beste Performance aufweisen. Die Hit Ratios sind bei allen Portfolios mit Werten von überwiegend 60 % und höher vorteilhaft. Auch sind die Jensens Alphas und die Performancekennzahl M 2 meist positiv. Tendenziell sind die Treynor Ratios der Value Portfolios höher als die der Growth Portfolios. Eine bessere Performance von Value gegenüber Growth Strategien ist auch an den Performancekennzahlen der Zero Investment Portfolios erkennbar. Bei den Zeitreihenregressionen sind viele Überrenditen signifikant bis hoch signifikant und positiv. Die Value Portfolios haben hierbei höhere Überrenditen als die Growth Portfolios. Demnach zeigt die Auswertung der fundamentalen Strategien mit Aktien des EURO STOXX 50 Index ebenso die Existenz der Kapitalmarktanomalie Value vs. Growth und auch die Dominanz der Value Strategie an, die von Investoren zu Nutze gemacht werden kann. Die Value und Growth Portfolios mit Aktien des DAX Index weisen einen geringen Anteil von unsystematischem Risiko am Gesamtrisiko auf. Bei den Sharpe Ratios haben meist die Value Portfolios höhere Werte als die Growth Portfolios, jedoch haben die Growth Portfolios tendenziell höhere Sortino Ratios. Auch erreichen die Value und Growth Portfolios im Vergleich zur Benchmark, dem DAX Index, keine höheren Sharpe Ratios und die Hit Ratios haben geringe Werte unter 50 %. Die Treynor Ratios der Value und Growth Portfolios sind ähnlich hoch. Einige Portfolios haben negative Jensens Alphas. Zwar haben die meisten Zero Investment Portfolios positive Value Premia und positive Jensens Alphas, jedoch gibt es bei drei von zehn Zero Investment Portfolios negative Value Premia. Auch zeigen sich bei den Zeitreihenregressionen nur vereinzelt signifikante Überrenditen, mit tendenziell höheren und positiven Überrenditen bei den Value Strategien und oftmals negativen, aber kaum signifikanten Überrenditen bei den Growth Strategien. Im Vergleich mit den anderen untersuchten Aktienmärkten hat der deutsche Kapitalmarkt im untersuchten Zeitraum die geringsten Anzeichen für einen Value Effekt und somit eine höhere Effizienz. Die Anleihenindizes und -portfolios haben deutlich geringere Rendite- und Risikokennzahlen als die Aktienindizes und -portfolios und meist höhere adjustierte Performancekennzahlen. Bei dem amerikanischen Anleihenindex BUSC haben die als Value klassifizierten Unternehmensanleihen tendenziell höhere Renditen als die

218

Resümee

Growth Wertpapiere. Die Sharpe Ratios sind in etwa gleich hoch. Bei den Zero Investment Portfolios ergeben sich meist positive Value Premia, sodass eine Vorteilhaftigkeit der Value gegenüber den Growth Strategien gezeigt werden kann. Bei den Zeitreihenregressionen sind weder bei den Value noch bei Growth Portfolios viele Überrenditen signifikant und positiv, jedoch sind die Werte bei den Value Portfolios leicht höher. Die meisten Value Portfolios bei den Unternehmensanleihen des europäischen BERC Index haben höhere Rendite als die Growth Portfolios. Einige Value Portfolios haben sogar im gesamten Untersuchungszeitraum keine jährlichen negativen Renditen und weisen daher in der historischen Betrachtung kein Risiko im engeren Sinne (Verlustrisiko) auf. Die Zero Investment Portfolios haben, ausgenommen der Value vs. Growth Strategien mit dem Aktien-Indikator Dividendenrendite, positive Value Premia. Die Value Strategien sind somit deutlich überlegen. Jedoch zeigen sich bei den europäischen Value und Growth Unternehmensanleihen kaum signifikante positive Überrenditen. Dies ist indes ein zu erwartendes Ergebnis, da die Renditen der Anleihen im Durchschnitt geringer sind als die der Aktien und nur wenige Prozentpunkte über dem risikolosen Zins dotieren. Die verschiedenartigen empirischen Ergebnisse belegen, dass die Kapitalmarktanomalie Value vs. Growth in den meisten der untersuchten Kapitalmärkte existiert. Die regionalen Unterschiede lassen ableiten, dass eine Anomalie bei den Aktienindizes Dow Jones und EURO STOXX 50 vorhanden ist, wohingegen der DAX Index eine höhere Effizienz aufweist und kaum auf einen Value Effekt schließen lässt. Dies ist ungewöhnlich, da zu erwarten war, dass die Indizes Dow Jones und EURO STOXX 50 aufgrund ihrer höheren Liquidität eine höhere Effizienz aufweisen. Beim Anleihenindex BUSC sind Überrenditen häufiger signifikant als beim BERC Index. Insgesamt ist die Bepreisung der Anleihen deutlich effizienter als bei den Aktien. Viele der fundamentalen Anleihebewertungen in Form von den aufgezeigten Value Strategien eignen sich dennoch für Investoren, um eine Auswahl an Anleihen für ihr Portfolio auszuwählen. Im Folgenden werden die Ergebnisse der einzelnen Indikatoren präsentiert. Bei den Aktien-Indikatoren KCV, KUV, der Gesamt- und Eigenkapitalrentabilität sowie dem EV-EBITDA Verhältnis ist die Kapitalmarktanomalie deutlich nachweisbar. So sind hier die Value Wertpapiere den Growth Wertpapieren überlegen. Dies zeigt sich zum einen durch bessere Rendite-, Risiko- und adjustierte Performancekennzahlen und durch die positiven Value Premia bei den Zero Investment Portfolios. Zum anderen sind die Überrenditen der Value gegenüber der Growth Strategien durch die signifikant positiven Alphas der Regressionen bestätigt. Eine überwiegende Bestätigung des Value Effekts, jedoch nicht nach allen Kriterien bzw. bei allen untersuchten Stichproben, zeigt sich auch bei den Aktien-Indikatoren

Resümee

219

KGV, KBV, der Dividendenrendite und der Ausschüttungsquote. Zwar sind beim KGV die Value Strategien den Growth Strategien in den Stichproben der Indizes Dow Jones und EURO STOXX 50 überlegen, bei den Aktien des DAX Index ist dies hingegen nicht sichtbar. Dieses Phänomen ist ebenso bei der Dividendenrendite zu erkennen. Beim KBV übertreffen die Value Wertpapiere die Growth Wertpapiere bei der Performance nur bei den Aktien des Dow Jones Index und des DAX Index. Die Regressionen zeigen allerdings auf, unabhängig von der gewählten Stichprobe, dass Value Wertpapiere höhere signifikante Überrenditen als Growth Wertpapiere erwirtschaften. Bei den Value und Growth Portfolios mit dem AktienIndikator Ausschüttungsquote ist bei den Aktien des Dow Jones Index ein deutlicher Value Effekt vorhanden. Bei den Performanceanalysen des EURO STOXX 50 Index und des DAX Index deuten manche, aber nicht eine deutliche Mehrheit, der untersuchten Kennzahlen auf eine bessere Performance von Value gegenüber Growth. Beim Aktien-Indikator Dividendenwachstum, bei dem in dieser Arbeit die vierjährige Veränderung der Dividende betrachtet wird, kann kein Value Effekt nachgewiesen werden. Die Ergebnisse der einzelnen Stichproben sind nicht eindeutig. Die Value Strategien sind bei der Performanceanalyse zum Teil vorteilhaft (Aktien des EURO STOXX 50 Index), teilweise allerdings auch nachteilhaft (Aktien des DAX Index) und in gewissem Umfang (Aktien des Dow Jones Index) auch besser als die Growth Wertpapiere aber schlechter als die Benchmark. Bei der Regressionsanalyse ergeben sich bei allen drei Stichproben signifikant positive Überrenditen bei den Value und Growth Portfolios mit den höheren Werten bei der Growth Strategie. Ein Value Effekt ist auch bei Unternehmensanleihen nachweisbar. Bei den Anleihen-Indikatoren Zinsdeckungsgrad sind Performancekennzahlen, wie z.B. die Sharpe Ratio, bei den Value Wertpapieren höher als bei den Growth Wertpapieren. Dies trifft auch auf die Strategien mit dem Multiplikator 1 zu, bei dem die Effektivverzinsung mit der modifizierten Duration ins Verhältnis gesetzt wird. Auch die Alphas in den Regressionen der Renditen der Unternehmensanleihen zeigen tendenziell einen Vorteil von Value gegenüber Growth. Die beiden Aktien-Indikatoren KBV und Dividendenrendite erweisen sich ebenfalls positiv für die Klassifizierung von Unternehmensanleihen. Mit ihnen wurde gezeigt, dass eigenkapitalorientierte Charakteristika von Unternehmen, die durch Aktien-Indikatoren identifiziert werden können, Einfluss auf die Rendite von Unternehmensanleihen haben. Eine teilweise Bestätigung des Value Effekts, wonach Value Anleihen eine bessere Performance aufweisen als Unternehmensanleihen, die als Growth klassifiziert wurden, zeigt sich bei den Anleihen-Indikatoren Multiplikator 2, Multiplikator 3, Multiplikator 4, Multiplikator 5 und dem dynamischen Verschuldungsgrad. Multiplika-

220

Resümee

tor 2 wird analog zum Aktien-Indikator KGV (Verhältnis Aktienkurs zum Jahresüberschuss) gebildet, indem die Effektivverzinsung der Unternehmensanleihe ins Verhältnis mit dem Jahresüberschuss gesetzt wird. Die hiermit konstruierten Strategien haben beim BUSC Index gezeigt, dass die Value Strategie vorteilhaft gegenüber der Growth Strategie ist. Dies ist beim BERC Index jedoch nicht eindeutig, da die Performancekennzahlen für Growth und die Regressionen für Value sprechen. Das Value Portfolio, dass mit Multiplikator 3, der das Verhältnis von Effektivverzinsung zum EBITDA ausdrückt, gebildet wurde, hat beim BUSC Index eine niedrigere und beim BERC Index eine höhere Sharpe Ratio als das entsprechende Growth Portfolio. Bei den Regressionen sind bei der amerikanischen Stichprobe die Werte für die Überrendite jedoch höher und bei der europäischen Stichprobe niedriger. Auch bei Multiplikator 4, der das Verhältnis von Effektivverzinsung zum Cashflow darstellt, sind die Ergebnisse nicht eindeutig. In den USA ist die Growth Strategie der Value Strategie überlegen, in Europa ist es umgekehrt. Die Ergebnisse der Value und Growth Portfolios mit Multiplikator 5 (Verhältnis Effektivverzinsung zu den Umsatzerlösen) sind vergleichbar zu den Ergebnissen von Multiplikator 4. Der dynamische Verschuldungsgrad, der auch für die Klassifizierung von Unternehmensanleihen als Anleihen-Indikator verwendet wird, eignet sich vor allem für die US-amerikanische Stichprobe, da hiermit bei der Value Strategie höhere risikoadjustierte Performancekennzahlen erzielt werden als bei der Growth Strategie. Dies wird durch die Regressionen bestätigt. Bei den Anleihen des BERC Index, der europäischen Stichprobe, sind die Werte von Value und Growth nicht deutlich unterschiedlich. Die Regressionsanalysen zeigen, dass die Growth Strategie der Value Strategie in Europa überlegen ist. Die Aktien-Indikatoren KGV und KUV werden zur Kategorisierung von Value und Growth bei Unternehmensanleihen verwendet. Es kann jedoch keine Aussage getroffen werden, ob die eigenkapitalorientierte Kennzahlen einen Einfluss auf die Renditen haben, da beim BUSC Index die Value Strategien sehr vorteilhaft, aber beim BERC die Growth Strategien überlegen sind. Die Bewertungskennzahlen, mit denen der Value Effekt nur teilweise bestätigt werden konnte, sollten am besten in Komination mit anderen Kennzahlen verwendet werden, damit bei der Klassifizierung von Value und Growth fundamental starke von fundamental schwachen Anleihen getrennt werden. Kein Value Effekt bei Unternehmensanleihen zeigt sich bei der Fremdkapitalquote und den Unternehmensanleihen von Value Unternehmen, die mit den Aktien-Indikator KCV identifiziert wurden, da sie keine Überrenditen gegenüber den korrespondierenden Benchmarks haben. Insgesamt zeigen die Ergebnisse dieser Forschungsarbeit, dass die Kapitalmarktanomalie Value vs. Growth existiert und die Analysen der Value und Growth Strategien bringen Erkenntnisse zu den Ursachen der Anomalie hervor: Die Untersuchung des Risikos bei Aktien zeigt, dass das unsystematische Risiko meist einen

Resümee

221

großen Anteil am Gesamtrisiko hat und somit als Treiber des Value Effekts angesehen werden kann. Diese Erkenntnisse sind in Konsens mit den Studien von Daniel und Titman (1997), Piotroski und So (2012) sowie Aretz und Aretz (2016). Das Value Premium ist daher als Form von Gesamtrisiko anzusehen. Eine große Anzahl der untersuchten Indikatoren eignet sich für die Bewertung von Aktien bzw. Anleihen nach Value und Growth. Die dabei hervorgebrachten systematischen Überrenditen hängen von dem verwendeten Indikator, der Analysemethode und der Region ab. Vereinzelt erzielen Growth Wertpapiere höhere Renditen und Performancekennzahlen, jedoch sind überwiegend Value Wertpapiere den Growth Wertpapieren überlegen. Aus den beschriebenen Ergebnissen dieser Forschungsarbeit lassen sich auch Anwendungsmöglichkeiten für die Investmentpraxis ableiten: Zum einen konnte gezeigt werden, dass die Fundamentalanalyse für Aktien und Anleihen in der Praxis verwendet werden kann. Hierbei unterscheidet sich die Methode zwischen Forschung und Praxis. Während bei Forschern eine mechanische Kategorisierung nach Bewertungskennzahlen vorherrschend ist, haben Praktiker, wie z.B. Fondsmanager, die Möglichkeit, Einzelbewertungen durchzuführen. Forscher nutzen eine mechanische Kategorisierung, um zwischen Value und Growth Wertpapieren zu unterscheiden, da so die Objektivität gewahrt bleibt und der Zusammenhang zwischen einer Bewertungskennzahl, einem Indikator für unternehmensspezifische Charakteristika, und der Rendite hergeleitet werden kann. Bei Investmententscheidungen von Praktikern können verschiedene Kennzahlen, aber auch subjektive Einflüsse und Meinungen, zur Investmententscheidung beitragen. Die Ergebnisse, die trotz dieser Mechanisierung bei der Kategorisierung nach Value und Growth erreicht werden, sprechen für das große Potential des Fundamentalanalyse bei Aktien und Anleihen. Zum anderen zeigen die Ergebnisse, dass diese Fehlbewertungen durch Handelsstrategien, die von institutionellen Investoren, in gleicher oder ähnlicher Art und Weise wie in dieser Forschungsarbeit gezeigt, verwendet werden können. Diese Implikation ist für die Praxis besonders entscheidend, da einige Fonds sowohl in Aktien als auch Anleihen investieren und somit Diversifikationspotential bei den Value Strategien haben. Außerdem ist der Anleihemarkt erheblich größer als der Aktienmarkt, sodass die neuen Erkenntnisse zu den Anleihemärkten Potential für eine Vielzahl an Marktteilnehmern darstellt.

5.2 Forschungsausblick Der Bereich der Kapitalmarktforschung wurde im Rahmen dieser Arbeit um Erkenntnisse zur Kapitalmarktanomalie Value vs. Growth erweitert. Insbesondere die empirischen Ergebnisse des Value Effekt bei Unternehmensanleihen sind innovativ,

222

Resümee

da dies die erste Arbeit ist, die sich mit dem Zusammenhang der Kapitalmarktanomalie bei Unternehmensanleihen auseinandersetzt. Die bei der Anleihenanalyse erzielten Ergebnisse unterliegen Abweichungen, die abhängig von der gewählten Stichprobe sind. Hierbei wäre es wünschenswert, wenn in weiteren Forschungsarbeiten Datensätze von Unternehmensanleihen aus anderen Kapitalmärkten untersucht werden. Dabei können sowohl weitere Regionen, wie z.B. die Emerging Markets, als auch einzelne Länder oder ein weltweiter Vergleich zu weiterem Erkenntnisgewinn beitragen. Diese Entwicklung von rein US-amerikanischen Studien hin zu internationaler Forschung brachte auch im Forschungsbereich der Kapitalmarktanomalie Value vs. Growth bei Aktien erweiterte Kenntnisse. Ein weiterer Anknüpfungspunkt für zukünftige Forschung könnte auch die Verlängerung des Untersuchungszeitraums sein und die Aufteilung des Untersuchungszeitraums in Teilabschnitte, um einen differenzierten Einblick in die Marktphasenabhängigkeit zu erhalten. Allerdings hat auch die Aktienanalyse gezeigt, dass es weiteren Forschungsbedarf im Bereich der Aktien gibt. Der deutsche Aktienmarkt hat sich im Untersuchungszeitraum als effizienter herausgestellt als der gesamteuropäische oder US-amerikanische Aktienmarkt, sodass Überrenditen mithilfe des Value Effekts schwieriger erzielbar sind. Die beiden anderen untersuchten Aktienmärkte hingegen weisen eine teils deutliche Anomalie auf. Auch in anderen empirischen Studien, wie in den Abschnitten 3.2.1 bis 3.2.4 beschrieben, kommt es vereinzelt zu Ergebnissen, die die Existenz der Kapitalmarktanomalie Value vs. Growth anzweifeln lassen. In der Mehrzahl der Studien kann jedoch die Anomalie nachgewiesen werden. Weitere Forschung, die sich mit dieser Themenstellung beschäftigt, wäre wünschenswert. Weiterhin besteht auch erheblicher Forschungsbedarf bei der fundamentalen Wertpapieranalyse. Da diese auf der Unternehmensbewertung basiert, gibt es viele Forschungsergebnisse und Weiterentwicklungen zur Bewertung von Aktien bzw. des Eigenkapitals und zum Gesamtwert des Unternehmens. Die fundamentale Wertpapieranalyse von Unternehmensanleihen oder börsengehandelten Krediten hingegen hat bisher weniger Beachtung in der Forschung gefunden, was in Zukunft weiteres Potential beinhaltet. Außerdem wäre es sinnvoll, weitere fundamentale Indikatoren zur Bewertung von Value und Growth Wertpapieren zu prüfen. Darüber hinaus wäre eine Integration der Erkenntnisse zu der Kapitalmarktanomalie Value vs. Growth in einem Portfoliomodell sowie die Implementierung einer Handelsstrategie unter Berücksichtigung des Value Effekts sinnvoll. Da dadurch Arbitrage für Marktteilnehmer einfacher verwirklicht werden könnte, wären effizientere Kapitalmärkte die Konsequenz.

Anhang

XXV

Anhang Anlage 1: Ratingklassen ................................................................................. XXVII Anlage 2: Zusammengefasste Statistiken der jährlichen Renditen der Aktienindizes ........................................................................... XXVIII Anlage 3: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Aktien des Dow Jones Index ......XXIX Anlage 4: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Aktien des EURO STOXX 50 Index ....XXXI Anlage 5: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Aktien des DAX Index............. XXXIII Anlage 6: Zusammengefasste Statistiken der jährlichen Renditen der Anleihenindizes .............................................................................. XXXV Anlage 7: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Anleihen des BUSC Index ....... XXXVI Anlage 8: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Anleihen des BERC Index .... XXXVIII Anlage 9: Ergebnisse der Tests auf Multikollinearität bei US-amerikanischen Aktien-Faktoren ................................................... XL Anlage 10: Ergebnisse der Tests auf Multikollinearität bei europäischen Aktien-Faktoren .......................................................... XLI Anlage 11: Ergebnisse der Tests auf Multikollinearität bei deutschen Aktien-Faktoren .............................................................. XLII Anlage 12: Ergebnisse der Tests auf Multikollinearität bei US-amerikanischen Anleihen-Faktoren ......................................... XLIII Anlage 13: Ergebnisse der Tests auf Multikollinearität bei europäischen Anleihen-Faktoren ................................................... XLIV Anlage 14: Ergebnisse der Zeitreihenregressionen der Value Portfolios bei Aktien des Dow Jones Index mit Ein-, Drei- und Vierfaktorenmodellen ............................................ XLV Anlage 15: Ergebnisse der Zeitreihenregressionen der Growth Portfolios bei Aktien des Dow Jones Index mit Ein-, Drei- und Vierfaktorenmodellen ........................................... XLIX

XXVI

Anhang

Anlage 16: Ergebnisse der Zeitreihenregressionen der Value Portfolios bei Aktien des EURO STOXX 50 Index mit Ein-, Drei- und Vierfaktorenmodellen........................................ LIII Anlage 17: Ergebnisse der Zeitreihenregressionen der Growth Portfolios bei Aktien des EURO STOXX 50 Index mit Ein-, Drei- und Vierfaktorenmodellen.......................................LVII Anlage 18: Ergebnisse der Zeitreihenregressionen der Value Portfolios bei Aktien des DAX Index mit Ein-, Drei- und Vierfaktorenmodellen........................................ LXI Anlage 19: Ergebnisse der Zeitreihenregressionen der Growth Portfolios bei Aktien des DAX Index mit Ein-, Drei- und Vierfaktorenmodellen...................................... LXV Anlage 20: Ergebnisse der Zeitreihenregressionen der Value Portfolios bei Anleihen des BUSC Index mit dem Zweifaktorenmodell ......................................................... LXIX Anlage 21: Ergebnisse der Zeitreihenregressionen der Growth Portfolios bei Anleihen des BUSC Index mit dem Zweifaktorenmodell .......................................................... LXX Anlage 22: Ergebnisse der Zeitreihenregressionen der Value Portfolios bei Anleihen des BERC Index mit dem Zweifaktorenmodell ......................................................... LXXI Anlage 23: Ergebnisse der Zeitreihenregressionen der Growth Portfolios bei Anleihen des BERC Index mit dem Zweifaktorenmodell ........................................................LXXII

Anhang

XXVII

Anlage 1: Ratingklassen973

Speculative Grade

Investment Grade

Definition Beste Qualität, geringstes Ausfallrisiko Hohe Qualität, aber etwas größeres Ausfallrisiko

973

Gute Qualität, viele gute Investmentattribute, aber auch Elemente, die sich bei veränderter Wirtschaftsentwicklung negativ auswirken können. Mittlere Qualität, aber mangelnder Schutz gegen Einflüsse sich verändernder Wirtschaftsentwicklung Spekulative Anlage, nur mäßige Deckung für Zins- und Tilgungsleistungen Sehr spekulativ, generell fehlende Charakteristika eines wünschenswerten Investments, langfristige Zinszahlungserwartung gering Erhebliches Risiko Von geringer Qualität und sehr spekulativ Extrem spekulativ Sehr nah dem Ausfall Ausfall

Moody‘s Aaa Aa1 Aa2 Aa3 A1 A2 A3 Baa1 Baa2 Baa3 Ba1 Ba2 Ba3 B1 B2 B3 Caa1 Caa2 Caa3 Ca C

S&P AAA AA+ AA AAA+ A ABBB+ BBB BBBBB+ BB BBB+ B BCCC+ CCC CCCCC C D

Eigene Darstellung in Anlehnung an Eller (2007), S. 396; Perridon/Steiner/Rathgeber (2012), S. 199.

Fitch AAA AA+ AA AAA+ A ABBB+ BBB BBBBB+ BB BBB+ B BCCC+ CCC CCCCC C D

XXVIII

Anlage

Anhang

2:

Zusammengefasste Aktienindizes974

Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert

974

Eigene Berechnungen.

Statistiken

der

jährlichen

Dow Jones EURO STOXX 50 -0,960 -0,627 1,438 0,028 0,181 0,425

Renditen

DAX -0,720 -0,143 0,137

der

Anhang

XXIX

Anlage 3: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Aktien des Dow Jones Index975 Indikator KGV

KBV

KCV

KUV

Dividendenrendite

Gesamtkapitalrentabilität

Eigenkapitalrentabilität

Dividendenwachstum

975

Kennzahl Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW

Value -0,792 0,914 0,821 2,316 -0,916 1,926 0,009 1,619 -1,207 2,602 0,606 2,036 -1,104 2,764 0,958 1,521 -0,780 1,077 0,423 2,079 0,072 2,211 0,036 2,158 -0,657 2,264 0,044 2,394 -0,697 1,652 0,028 1,461

Eigene Berechnungen. Bei den Portfolios beträgt Durbin-Watson du=1,316 und do=1,469.

Growth -0,725 0,596 0,015 1,705 -0,880 1,396 0,009 1,872 -0,469 2,229 0,162 2,173 -0,764 0,858 0,003 2,471 -0,855 0,466 0,252 1,795 -1,069 1,811 0,793 2,061 -0,658 1,090 0,255 1,850 -0,457 0,420 0,536 2,183

XXX

Ausschüttungsquote

EV-EBITDA Verhältnis

Anhang

Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW

-0,727 1,315 0,456 2,223 -0,182 0,996 0,175 1,957

-0,702 0,282 0,385 1,426 -0,799 0,377 0,085 1,868

Anhang

XXXI

Anlage 4: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Aktien des EURO STOXX 50 Index976 Indikator KGV

KBV

KCV

KUV

Dividendenrendite

Gesamtkapitalrentabilität

Eigenkapitalrentabilität

Dividendenwachstum

976

Kennzahl Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW

Value -0,625 0,354 0,641 1,402 -0,342 0,524 0,878 1,284 -0,386 0,115 0,986 1,628 -0,200 0,298 0,982 1,688 -0,716 1,058 0,384 1,918 -0,600 0,812 0,169 1,670 -0,526 0,221 0,791 2,072 -0,808 0,338 0,167 1,943

Growth -0,061 0,219 0,582 2,109 -0,810 0,208 0,118 2,196 -0,664 0,624 0,327 1,707 -0,577 0,092 0,162 1,769 -0,780 0,408 0,295 1,757 -0,193 0,445 0,743 2,126 0,107 0,404 0,649 2,048 -0,885 0,215 0,208 1,334

Eigene Berechnungen. Bei den Portfolios beträgt Durbin-Watson du= 1,239 und do= 1,429.

XXXII

Ausschüttungsquote

EV-EBITDA Verhältnis

Anhang

Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW

0,505 -1,029 0,039 1,665 0,197 -0,126 0,967 2,198

-0,129 -0,344 0,810 1,821 -0,510 0,071 0,466 1,957

Anhang

XXXIII

Anlage 5: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Aktien des DAX Index977 Indikator KGV

KBV

KCV

KUV

Dividendenrendite

Gesamtkapitalrentabilität

Eigenkapitalrentabilität

Dividendenwachstum

977

Kennzahl Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW

Value -0,207 0,583 0,821 1,594 -0,113 0,018 0,964 1,352 -0,208 -0,326 0,606 1,629 -0,203 -0,167 0,958 1,565 -0,649 -0,186 0,423 1,551 -1,196 1,070 0,036 2,165 -1,056 0,633 0,044 1,763 -0,921 -0,541 0,028 1,422

Growth -1,036 0,160 0,015 1,637 -1,043 0,251 0,009 1,210 -0,773 0,070 0,162 1,989 -1,510 1,832 0,003 2,385 -0,707 0,536 0,252 1,447 -0,551 0,485 0,793 1,869 -0,710 0,058 0,255 1,444 -0,758 0,485 0,536 1,215

Eigene Berechnungen. Bei den Portfolios beträgt Durbin-Watson du= 1,201 und do= 1,411.

XXXIV

Ausschüttungsquote

EV-EBITDA Verhältnis

Anhang

Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW

-0,670 -0,218 0,456 1,701 -1,032 0,307 0,024 2,098

-0,412 0,878 0,385 1,288 -1,192 1,076 0,028 2,298

Anhang

Anlage

6:

Zusammengefasste Anleihenindizes978

Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert

978

Eigene Berechnungen.

BUSC -0,494 -1,227 0,031

Statistiken BERC 0,206 -0,881 0,333

XXXV

der

jährlichen

Renditen

der

XXXVI

Anhang

Anlage 7: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Anleihen des BUSC Index979 Indikator Multiplikator 1

Multiplikator 2

Multiplikator 3

Multiplikator 4

Multiplikator 5

Dynamischer Verschuldungsgrad

Fremdkapitalquote

Zinsdeckungsgrad

979

Kennzahl Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW

Value 1,334 1,973 0,018 1,934 0,254 -0,628 0,859 1,615 0,163 -0,262 0,799 1,748 0,080 -0,451 0,997 1,399 0,420 -0,153 0,366 1,760 1,684 3,083 0,002 1,908 1,287 1,973 0,010 1,865 1,327 2,157 0,028 1,972

Growth -0,235 -0,924 0,548 1,681 0,694 0,119 0,412 1,909 0,116 -1,090 0,424 1,923 1,202 1,924 0,030 1,941 0,136 -0,706 0,715 1,863 -0,295 -0,539 0,812 1,652 -0,186 -0,934 0,573 1,699 -0,064 -0,734 0,582 1,659

Eigene Berechnungen. Bei den Portfolios beträgt Durbin-Watson du= 1,221 und do= 1,420.

Anhang

KGV

KBV

KCV

KUV

Dividendenrendite

Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW

XXXVII

0,946 1,042 0,072 1,804 1,677 3,040 0,002 1,966 1,421 2,462 0,004 1,882 0,983 1,015 0,043 1,856 -0,004 -0,703 0,937 1,511

0,417 -0,574 0,176 1,433 -0,339 -0,643 0,742 1,547 -0,084 -0,267 0,999 1,674 -0,023 -0,113 0,913 1,557 1,222 1,638 0,012 1,897

XXXVIII

Anhang

Anlage 8: Zusammengefasste Statistiken der jährlichen Renditen der Value und Growth Portfolios bei Anleihen des BERC Index980 Indikator Multiplikator 1

Multiplikator 2

Multiplikator 3

Multiplikator 4

Multiplikator 5

Dynamischer Verschuldungsgrad

Fremdkapitalquote

Zinsdeckungsgrad

980

Kennzahl Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW

Value 0,622 -0,254 0,198 1,893 0,251 -0,811 0,450 1,898 0,050 -0,934 0,655 1,912 0,137 -0,971 0,496 1,516 -0,961 0,224 0,285 1,827 0,438 -0,167 0,591 1,878 0,422 -0,607 0,626 1,870 0,307 -0,419 0,823 1,967

Growth 0,220 -1,396 0,054 1,594 -0,052 -1,316 0,240 1,677 0,779 -0,731 0,012 1,722 0,027 -1,330 0,206 1,426 -0,768 0,622 0,072 1,347 0,207 -1,065 0,421 1,333 0,120 -0,814 0,640 1,756 0,279 -1,052 0,345 1,531

Eigene Berechnungen. Bei den Portfolios beträgt Durbin-Watson du= 1,221 und do= 1,420.

Anhang

KGV

KBV

KCV

KUV

Dividendenrendite

Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW Schiefe Wölbung (Exzess) Shapiro-Wilk p-Wert Durbin-Watson DW

XXXIX

0,211 -0,424 0,601 1,425 0,870 1,152 0,192 1,478 0,551 0,886 0,101 1,429 0,402 0,082 0,767 1,231 0,296 -1,056 0,209 1,625

0,432 -0,545 0,899 1,575 0,243 -1,053 0,251 1,296 -0,683 0,405 0,571 1,417 0,359 -0,933 0,308 1,361 0,614 0,270 0,450 1,926

XL

Anhang

Anlage 9: Ergebnisse der Tests auf Multikollinearität bei US-amerikanischen Aktien-Faktoren 981

Marktrisikoprämie SMB HML UMD abhängige Variable Marktrisikoprämie SMB HML UMD

981

Eigene Berechnungen.

Marktrisikoprämie 1,000 0,083 -0,292 -0,055 R2i 0,146 0,017 0,220 0,131

SMB

HML

UMD

0,083 1,000 0,089 -0,115

-0,292 0,089 1,000 -0,303

-0,055 -0,115 -0,303 1,000

Toi 0,854 0,983 0,780 0,869

VIFi 1,171 1,017 1,282 1,151

Anhang

XLI

Anlage 10: Ergebnisse der Tests auf Multikollinearität bei europäischen AktienFaktoren 982

Marktrisikoprämie SMB HML UMD abhängige Variable Marktrisikoprämie SMB HML UMD

982

Eigene Berechnungen.

Marktrisikoprämie 1,000 0,064 -0,134 -0,101 R2i 0,038 0,016 0,072 0,066

SMB

HML

UMD

0,064 1,000 0,139 -0,090

0,134 0,139 1,000 -0,207

-0,101 -0,090 -0,207 1,000

Toi 0,962 0,984 0,928 0,934

VIFi 1,040 1,016 1,078 1,071

XLII

Anhang

Anlage 11: Ergebnisse der Tests auf Multikollinearität bei deutschen AktienFaktoren 983

Marktrisikoprämie SMB HML UMD abhängige Variable Marktrisikoprämie SMB HML UMD

983

Eigene Berechnungen.

Marktrisikoprämie 1,000 -0,455 0,132 -0,495 R2i 0,531 0,402 0,090 0,380

SMB

HML

UMD

-0,455 1,000 0,167 -0,028

0,132 0,167 1,000 -0,311

-0,495 -0,028 -0,311 1,000

Toi 0,469 0,598 0,910 0,620

VIFi 2,132 1,672 1,099 1,613

Anhang

XLIII

Anlage 12: Ergebnisse der Tests auf Multikollinearität bei US-amerikanischen Anleihen-Faktoren 984 Korrelation TERM DEF abhängige Variable TERM DEF

984

Eigene Berechnungen.

TERM 1,000 -0,230

DEF -0,230 1,000

R2i 0,127 0,127

Toi 0,873 0,873

VIFi 1,145 1,145

XLIV

Anhang

Anlage 13: Ergebnisse der Tests auf Multikollinearität bei europäischen AnleihenFaktoren985 Korrelation TERM DEF abhängige Variable TERM DEF

985

Eigene Berechnungen.

TERM 1,000 -0,080

DEF -0,080 1,000

R2i 0,006 0,006

Toi 0,994 0,994

VIFi 1,006 1,006

986

Eigene Berechnungen.

KCV

KBV

KGV

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b

1,197*** (0,126)

0,022

(0,024)

(0,141)

(0,026)

1,275*** (0,109)

0,019

(0,020)

(0,141)

0,084

(0,102)

0,206*

(0,091)

0,136*

u

(0,118)

(0,079)

0,391** 0,195**

(0,117)

(0,143)

(0,112)

(0,018)

(0,153)

0,276*

(0,114)

(0,183)

0,054** 1,216*** -0,017

(0,018)

0,068*** 1,138***

1,293*** 0,302*

0,008

0,348*

(0,143)

(0,175)

(0,137)

(0,022)

(0,137)

0,248*

(0,139)

(0,163)

0,235*

(0,12)

0,190*

h

0,041* 1,229*** 0,241*

(0,022)

0,057** 1,175***

(0,147)

(0,115)

(0,019) 0,098

0,086

(0,111)

s

0,038* 1,178***

(0,018)

0,049** 1,131***

a

0,074

0,082

0,087

0,096

0,100

0,106

0,085

0,084

0,085

ε

0,881

0,839

0,800

0,826

0,791

0,741

0,834

0,828

0,805

R2

0,856

0,819

0,792

0,789

0,764

0,731

0,799

0,805

0,797

R2korr

Anhang XLV

Anlage 14: Ergebnisse der Zeitreihenregressionen der Value Portfolios bei Aktien des Dow Jones Index mit Ein-, Drei- und Vierfaktorenmodellen986

Gesamtkapitalrentabilität

Dividendenrendite

KUV

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b

1,199*** (0,104)

0,023 (0,019)

1,108*** (0,092)

0,018 (0,017)

0,018 (0,096)

0,075*** 0,872*** -0,261* (0,017)

(0,089)

(0,115)

(0,097)

(0,119)

(0,093)

(0,015)

(0,100)

0,079

(0,089)

0,045

(0,113)

0,073

(0,088)

(0,119)

u

(0,064)

-0,065

(0,067)

0,032

(0,075)

0,311** 0,224**

(0,126)

0,249*

h

0,052*** 0,900*** -0,153

(0,014)

0,053*** 0,870***

(0,109)

(0,085)

(0,014) 0,063

0,078

(0,079)

(0,135)

0,023* 1,053***

(0,013)

0,027* 1,046***

(0,155)

(0,121)

(0,020) 0,091

0,082

(0,120)

s

0,052** 1,161***

(0,019)

0,066** 1,096***

a

0,060

0,068

0,068

0,063

0,062

0,061

0,071

0,088

0,092

ε

0,860

0,813

0,796

0,895

0,880

0,875

0,880

0,807

0,769

R2

0,830

0,788

0,788

0,873

0,864

0,871

0,854

0,781

0,759

R2korr

XLVI Anhang

Ausschüttungsquote

Dividendenwachstum

Eigenkapitalrentabilität

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b (0,101)

s

h

(0,138) 1,186*** (0,130)

(0,024) 0,003 (0,024)

0,129* (0,086)

0,057*** 0,965*** -0,051 (0,015)

(0,079)

(0,102)

(0,074)

(0,090)

(0,070)

(0,011)

(0,150)

0,362*

0,113*

(0,067)

(0,176)

0,044

(0,154)

0,263*

(0,103)

0,060*** 0,942*** -0,050

(0,011)

0,065*** 0,908***

1,139*** -0,009

0,025 (0,188)

(0,134)

(0,123)

(0,023)

0,039* 1,064***

(0,095)

(0,057)

0,016

(0,095)

0,193*

(0,069)

(0,097)

(0,018)

(0,119) -0,080

(0,093)

u

0,047** 0,961*** -0,310** 0,159*

(0,015)

0,041** 0,960*** -0,353** 0,148*

(0,016)

0,044** 0,897***

a

0,054

0,051

0,051

0,088

0,095

0,097

0,065

0,067

0,078

ε

0,894

0,896

0,885

0,833

0,793

0,759

0,859

0,833

0,758

R2

0,872

0,882

0,880

0,794

0,758

0,747

0,829

0,811

0,748

R2korr

Anhang XLVII

4

3

1

b

0,007 (0,152)

0,066** 0,939*** 0,263* (0,026)

(0,140)

(0,181)

(0,139)

(0,169)

(0,131)

(0,021)

h

0,035

(0,129)

s

0,059** 0,965*** 0,316*

(0,021)

0,057** 0,936***

a

(0,101)

0,139*

u

0,095

0,096

0,099

ε

0,749

0,730

0,687

R2

0,696

0,694

0,674

R2korr

Bei den Werten für den Ordinatenschnittpunkt a (konstante portfolioindividuelle Rendite) handelt es sich um jährliche Werte. Signifikanzniveaus von 5 %, 1 % und 0,1 % sind mit *, ** bzw. *** gekennzeichnet. Standardfehler sind in Klammern angegeben.

EVEBITDA Verhältnis

Indikator Faktoren

XLVIII Anhang

987

Eigene Berechnungen.

KCV

KBV

KGV

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b

(0,127)

(0,018)

(0,106)

(0,020)

-0,074 (0,120)

0,040* 0,894*** -0,108

(0,021)

(0,111)

(0,144)

(0,107)

(0,131)

(0,103)

(0,017)

(0,115)

-0,050

(0,094)

(0,138)

0,038* 0,861*** -0,060

(0,015)

0,035* 0,871***

1,020*** -0,177

0,021

0,0110

(0,099)

(0,094)

(0,015)

(0,121)

-0,056

(0,094)

(0,106)

-0,127

0,033* 0,986*** -0,228*

(0,015)

0,027* 0,988***

(0,098)

0,003

0,035* 1,004***

(0,098)

(0,120)

(0,093)

(0,015)

h

-0,164*

(0,092)

s

0,046** 0,993*** -0,099

(0,015)

0,037* 1,033***

a

(0,080)

-0,035

(0,077)

0,0670

(0,071)

-0,013

u

0,075

0,075

0,072

0,072

0,069

0,072

0,066

0,068

0,071

ε

0,810

0,778

0,773

0,849

0,845

0,817

0,877

0,858

0,835

R2

0,770

0,749

0,764

0,817

0,825

0,809

0,851

0,840

0,828

R2korr

Anhang XLIX

Anlage 15: Ergebnisse der Zeitreihenregressionen der Growth Portfolios bei Aktien des Dow Jones Index mit Ein-, Drei- und Vierfaktorenmodellen987

Gesamtkapitalrentabilität

Dividendenrendite

KUV

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b (0,066)

s

1,251*** (0,115) 1,235*** (0,126) 1,285*** (0,139)

0,017 (0,018) 0,019 (0,020) 0,000 (0,026)

(0,107)

(0,128)

(0,018)

(0,099)

0,298**

(0,110)

(0,018)

0,260*

-0,021 1,394*** 0,314*

1,332*** 0,248*

0,005

(0,115)

(0,119)

(0,019)

(0,151)

0,031

(0,131)

(0,142)

1,275***

0,022

(0,180)

0,157

(0,161)

0,050

-0,046

(0,072)

(0,066)

(0,012)

(0,086)

-0,016

(0,070) -(0,089) (0,073)

-0,030

h

0,038** 0,961*** -0,121*

(0,011)

0,034** 0,917*** -0,119*

(0,011)

0,031** 0,918***

a

(0,071)

0,061

(0,100)

0,038

(0,048)

-0,057

u

0,067

0,080

0,091

0,094

0,091

0,088

0,045

0,051

0,051

ε

0,920

0,872

0,821

0,841

0,827

0,826

0,930

0,895

0,885

R2

0,903

0,855

0,814

0,807

0,805

0,819

0,915

0,881

0,880

R2korr

L Anhang

Ausschüttungsquote

Dividendenwachstum

Eigenkapitalrentabilität

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b

(0,111)

(0,021)

0,057 (0,157)

(0,181) 0,180 (0,183)

0,041* 1,213*** (0,116) 1,259*** (0,129) 1,249*** (0,141)

(0,022) 0,018 (0,021) 0,017 (0,023) -0,014 1,304*** (0,026)

(0,142)

(0,155)

(0,114)

(0,020)

0,124

0,035

(0,104)

(0,144)

0,050** 1,194***

(0,018)

0,045** 1,226***

1,167*** 0,417**

0,018

(0,154)

0,119

(0,149)

-0,010

(0,134)

-0,067

(0,127)

-0,108

(0,121)

0,032

(0,110)

(0,134)

(0,105)

(0,017)

h

0,036

(0,111)

s

0,027* 1,138*** 0,377**

(0,018)

0,034* 1,152***

a

(0,102)

0,251*

(0,085)

0,079

(0,080)

-0,034

u

0,096

0,102

0,099

0,079

0,078

0,076

0,075

0,076

0,085

ε

0,838

0,802

0,798

0,884

0,879

0,873

0,881

0,861

0,810

R2

0,804

0,775

0,790

0,857

0,858

0,867

0,856

0,843

0,803

R2korr

Anhang LI

4

3

1

b

(0,126)

(0,018)

(0,097)

0,154

0,055** 1,127*** (0,105)

0,021

(0,092)

(0,111)

(0,087)

(0,014)

h

0,017

(0,083)

s

0,047** 1,161*** 0,160*

(0,014)

0,049*** 1,166***

a

(0,070)

0,058

u

0,066

0,063

0,063

ε

0,897

0,902

0,892

R2

0,875

0,889

0,888

R2korr

Bei den Werten für den Ordinatenschnittpunkt a (konstante portfolioindividuelle Rendite) handelt es sich um jährliche Werte. Signifikanzniveaus von 5 %, 1 % und 0,1 % sind mit *, ** bzw. *** gekennzeichnet. Standardfehler sind in Klammern angegeben.

EVEBITDA Verhältnis

Indikator Faktoren

LII Anhang

988

Eigene Berechnungen.

KCV

KBV

KGV

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b

(0,273) 0,126 (0,276)

(0,109)

(0,028)

0,067* 1,110***

(0,034)

(0,284) 0,294 (0,283)

(0,113)

(0,029)

0,067* 1,282***

(0,035) (0,079)

(0,205)

0,242

(0,201)

0,294*

(0,200)

0,213

(0,193)

0,250

h

(0,056)

(0,133)

(0,101)

(0,132)

-0,145

(0,129)

-0,102

u

(0,017)

(0,058)

(0,136)

(0,105)

(0,064)

0,070*** 1,353*** -0,231* 0,452*** -0,043

(0,014)

0,064*** 1,359*** -0,224* 0,468***

(0,018)

0,085*** 1,286***

(0,114)

0,315

(0,116)

0,046* 1,299***

(0,027)

0,068* 1,284***

(0,111)

0,141

(0,107)

s

0,052* 1,122***

(0,025)

0,069** 1,105***

a

0,057

0,056

0,082

0,119

0,119

0,124

0,116

0,115

0,115

ε

0,973

0,972

0,933

0,892

0,884

0,860

0,859

0,859

0,842

R2

0,966

0,967

0,930

0,866

0,865

0,853

0,831

0,835

0,835

R2korr

Anhang LIII

Anlage 16: Ergebnisse der Zeitreihenregressionen der Value Portfolios bei Aktien des EURO STOXX 50 Index mit Ein-, Drei- und Vierfaktorenmodellen988

Gesamtkapitalrentabilität

Dividendenrendite

KUV

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b

(0,126) 0,044 (0,129)

(0,053)

(0,013) 0,038* 1,154*** (0,016)

-0,138 (0,203)

0,068* 0,748*** -0,149 (0,034)

(0,112)

(0,280)

(0,195)

(0,275)

(0,028)

(0,110)

-0,109

(0,104)

(0,099)

0,382***

(0,094)

0,056* 0,757*** -0,137

(0,024)

0,048* 0,762***

(0,055)

0,041

(0,068)

0,043** 1,148***

(0,016)

0,063*** 1,096*** 0,368***

(0,170)

(0,029)

(0,235)

0,315*

0,050* 1,212*** -0,033 (0,094)

(0,167)

(0,094)

(0,024)

0,359*

h

(0,236)

1,226*** -0,015

s

0,032

(0,023) -(0,098)

0,053* 1,194***

a

(0,131)

-0,083

(0,060)

0,034

(0,110)

-0,124

u

0,118

0,116

0,111

0,053

0,052

0,069

0,098

0,099

0,105

ε

0,744

0,738

0,729

0,968

0,968

0,936

0,912

0,905

0,881

R2

0,684

0,695

0,716

0,960

0,962

0,932

0,891

0,889

0,875

R2korr

LIV Anhang

Ausschüttungsquote

Dividendenwachstum

Eigenkapitalrentabilität

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b

(0,174)

(0,029)

(0,133) 0,151 (0,140)

(0,047)

0,031** 0,776*** (0,055) 0,887*** (0,077) 0,930*** -0,009 (0,074)

0,919*** -0,015 (0,075)

(0,011) (0,012) 0,017 (0,018) 0,001 (0,018) 0,013 (0,022)

(0,176)

(0,175)

0,150

(0,067)

0,031** 0,777***

(0,014)

0,057*** 0,791***

(0,096)

(0,112)

-0,064

u

(0,135)

0,265*

(0,130)

0,294*

(0,077)

(0,082)

-0,074

(0,046)

0,298*** -0,002

(0,074)

0,298***

0,141

0,077** 0,897*** -0,353* (0,240)

(0,166)

(0,234)

(0,093)

(0,024)

h

0,164

(0,094)

s

0,067** 0,904*** -0,343*

(0,022)

0,073** 0,877***

a

0,073

0,072

0,078

0,035

0,034

0,054

0,100

0,098

0,101

ε

0,915

0,911

0,882

0,972

0,972

0,915

0,843

0,840

0,814

R2

0,892

0,894

0,875

0,960

0,964

0,909

0,806

0,813

0,805

R2korr

Anhang LV

4

3

1

b

0,003 (0,217)

0,084* 1,013*** -0,249 (0,036)

(0,121)

(0,283)

(0,209)

(0,280)

(0,118)

(0,030)

h

-0,041

(0,111)

s

0,102** 0,997*** -0,260

(0,026)

0,098*** 0,994***

a

(0,133)

0,113

u

0,117

0,116

0,113

ε

0,835

0,827

0,817

R2

0,791

0,794

0,807

R2korr

Bei den Werten für den Ordinatenschnittpunkt a (konstante portfolioindividuelle Rendite) handelt es sich um jährliche Werte. Signifikanzniveaus von 5 %, 1 % und 0,1 % sind mit *, ** bzw. *** gekennzeichnet. Standardfehler sind in Klammern angegeben.

EVEBITDA Verhältnis

Indikator Faktoren

LVI Anhang

989

Eigene Berechnungen.

KCV

KBV

KGV

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b

-0,205* (0,197)

0,056* 1,061*** -0,032

(0,024)

(0,141)

(0,024)

(0,136) 0,025 (0,140)

(0,057)

(0,014)

0,062*** 0,948***

(0,017)

(0,059)

0,023

(0,058)

0,064*** 0,946***

(0,013)

0,054*** 0,976***

(0,078)

(0,109)

-0,198*

(0,103)

-0,205*

0,002

0,037* 0,810*** -0,244 (0,194)

(0,134)

(0,189)

(0,019)

(0,075)

-0,012

(0,074)

0,043* 0,806*** -0,250*

(0,017)

0,039* 0,798***

(0,079)

(0,197)

(0,139)

(0,196)

(0,078)

(0,020)

h

-0,235*

(0,079)

s

0,068** 1,051*** -0,044

(0,018)

0,053** 1,070***

a

(0,065)

0,018

(0,091)

0,039

(0,092)

0,082

u

0,059

0,057

0,060

0,081

0,079

0,079

0,083

0,082

0,084

ε

0,950

0,949

0,938

0,869

0,868

0,855

0,920

0,917

0,903

R2

0,937

0,941

0,934

0,839

0,846

0,848

0,902

0,903

0,898

R2korr

Anhang LVII

Anlage 17: Ergebnisse der Zeitreihenregressionen der Growth Portfolios bei Aktien des EURO STOXX 50 Index mit Ein-, Drei- und Vierfaktorenmodellen989

Gesamtkapitalrentabilität

Dividendenrendite

KUV

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b

(0,139)

(0,023)

(0,135)

1,204*** -0,234 (0,110)

0,018 (0,033)

(0,274)

(0,199)

0,467*

(0,196)

(0,111)

(0,028)

(0,278)

0,523**

(0,122)

(0,029) -0,005 1,223*** -0,211

1,169***

0,023

(0,176)

(0,022)

(0,075)

0,094

0,055* 1,007*** -0,176

(0,085)

(0,021)

(0,151)

1,039*** -0,159

0,023 (0,202)

(0,081)

(0,019)

0,031* 1,007***

(0,077)

0,175

-0,016

0,033* 0,911*** -0,200 (0,191)

(0,131)

(0,186)

(0,074)

(0,019)

h

-0,017

(0,071)

s

0,034* 0,911*** -0,200

(0,017)

0,030* 0,905***

a

(0,128)

-0,159

(0,082)

-0,203*

(0,089)

0,003

u

0,115

0,117

0,131

0,073

0,083

0,083

0,080

0,078

0,076

ε

0,883

0,873

0,820

0,933

0,906

0,895

0,897

0,897

0,890

R2

0,856

0,851

0,811

0,915

0,888

0,889

0,873

0,880

0,885

R2korr

LVIII Anhang

Ausschüttungsquote

Dividendenwachstum

Eigenkapitalrentabilität

4

3

1

4

3

1

4

3

1

Indikator Faktoren 1,190*** (0,103) 1,195*** (0,109) 1,184*** (0,112)

0,030 (0,024) 0,023 (0,028) 0,035 (0,034)

0,107 (0,179)

0,083** 1,090*** -0,253 (0,027)

0,146 (0,128)

0,067** 1,173*** -0,029 (0,021)

(0,071)

(0,166)

(0,121)

(0,162)

(0,017)

(0,068)

0,162*

(0,065)

0,061*** 1,180*** -0,025

(0,015)

0,069*** 1,155***

(0,126)

(0,325)

(0,201)

(0,364)

(0,130)

(0,029)

0,135

(0,202)

0,065

(0,194)

0,097

h

0,324

(0,110)

(0,279)

0,092

(0,274)

0,105

s

0,066* 1,193***

(0,023)

0,064** 1,135***

b

a

(0,078)

-0,041

(0,105)

-0,209*

(0,130)

-0,089

u

0,069

0,067

0,067

0,082

0,092

0,088

0,117

0,115

0,110

ε

0,952

0,951

0,946

0,929

0,900

0,891

0,876

0,873

0,870

R2

0,939

0,942

0,943

0,900

0,873

0,883

0,847

0,852

0,864

R2korr

Anhang LIX

4

3

1

b

(0,243)

(0,103) 0,980*** (0,103)

(0,026) 0,017 (0,031)

(0,242)

0,156

0,144

(0,095)

s

0,036* 0,962***

(0,023)

0,036* 0,968***

a

(0,185)

0,034

(0,181)

-0,013

h

(0,113)

0,122

u

0,100

0,101

0,096

ε

0,867

0,856

0,853

R2

0,831

0,830

0,845

R2korr

Bei den Werten für den Ordinatenschnittpunkt a (konstante portfolioindividuelle Rendite) handelt es sich um jährliche Werte. Signifikanzniveaus von 5 %, 1 % und 0,1 % sind mit *, ** bzw. *** gekennzeichnet. Standardfehler sind in Klammern angegeben.

EVEBITDA Verhältnis

Indikator Faktoren

LX Anhang

990

Eigene Berechnungen.

KCV

KBV

KGV

4

3

1

4

3

1

4

3

1

Indikator Faktoren

(3,740)

(0,162) 1,018*** (0,189) 1,193***

(0,041)

0,048

(0,061)

0,038

(3,593)

(0,150)

0,092* 1,177*** (0,177) 1,065***

(0,038)

(0,058)

0,004

(2,203)

(0,032)

(0,103)

2,098

0,054* 0,997***

(2,825)

-3,686

(3,011)

-4,367*

u

(2,097)

(1,611)

3,626* -4,095**

(2,329)

(2,358)

(0,025)

(0,096)

4,712*

(3,383)

2,817

(3,389)

3,686

(3,605)

5,699*

(3,654)

6,729*

h

-0,005 1,145*** 3,959*

(0,093)

3,034

1,306***

0,034

(0,024)

(3,468)

(0,130)

(0,034) 4,571

(3,829)

0,950

2,770

s

-0,021 1,171***

(0,144)

1,101

0,001

(0,038)

b

a

0,085

0,096

0,111

0,135

0,138

0,145

0,144

0,149

0,160

ε

0,931

0,907

0,862

0,872

0,857

0,824

0,841

0,819

0,765

R2

0,916

0,892

0,855

0,838

0,831

0,814

0,799

0,785

0,752

R2korr

Anhang LXI

Anlage 18: Ergebnisse der Zeitreihenregressionen der Value Portfolios bei Aktien des DAX Index mit Ein-, Drei- und Vierfaktorenmodellen990

Gesamtkapitalrentabilität

Dividendenrendite

KUV

4

3

1

4

3

1

4

3

1

Indikator Faktoren

(0,117)

(0,038)

(0,104)

(0,039)

0,892***

1,060***

0,057*

0,019

(0,091)

(0,021)

(0,094)

1,089***

0,037*

(0,024)

(0,078)

(0,020)

0,899***

0,949***

0,016

0,015

(0,167)

(0,054)

(0,083)

0,911***

0,127*

(0,022)

(0,166)

(0,042)

0,860***

1,175***

0,009

0,028

(0,142)

1,076***

0,018 (0,038)

b

a

(2,367)

1,474

(2,166)

1,563

(2,340)

5,388*

(2,283)

5,382*

(3,390)

0,845

(3,839)

3,987

s

(2,229)

3,897*

(2,117)

3,947*

(2,377)

-3,712*

(2,044)

-3,023*

(3,191)

2,749

(3,751)

4,525

h

(1,861)

-0,213

(1,863)

-1,143

(2,665)

-7,535**

u

0,089

0,086

0,093

0,074

0,072

0,081

0,128

0,153

0,158

ε

0,889

0,889

0,855

0,939

0,937

0,909

0,870

0,801

0,761

R2

0,859

0,868

0,847

0,919

0,923

0,903

0,836

0,764

0,748

R2korr

LXII Anhang

Ausschüttungsquote

Dividendenwachstum

Eigenkapitalrentabilität

4

3

1

4

3

1

4

3

1

Indikator Faktoren

(0,123) 0,920*** (0,066) 0,975*** (0,086) 0,967*** (0,102)

(0,040) 0,019 (0,017) 0,028 (0,027) 0,034 (0,043) (0,074) 1,172*** (0,098) 1,187*** (0,123)

(0,020) 0,031 (0,024) 0,023 (0,044)

0,032* 1,155***

0,789***

0,044

(2,709)

0,738

(2,606)

0,686

(2,911)

2,854

(2,694)

2,739

(2,495)

0,035

(2,464)

(0,107)

(0,027)

(0,090)

(0,024) 1,324

0,863***

0,007

s

-0,004 0,897***

b

a

(2,635)

0,651

(2,314)

0,401

(3,198)

-0,976

(2,961)

-0,851

(2,349)

2,729

(2,407)

3,458*

h

(2,193)

0,502

(1,880)

-0,328

(1,962)

-3,091*

u

0,090

0,087

0,081

0,070

0,066

0,064

0,094

0,098

0,100

ε

0,939

0,939

0,938

0,949

0,949

0,943

0,880

0,861

0,836

R2

0,921

0,926

0,935

0,926

0,933

0,938

0,848

0,834

0,827

R2korr

Anhang LXIII

4

3

1 (0,081) 1,122*** 2,955* (0,096) 1,093*** (0,119)

(0,022) 0,016 (0,024) 0,029 (0,039)

(2,399)

2,590

(2,193)

1,047***

0,016

s

b

a

(2,245)

1,286

(2,147)

1,475

h

(1,875)

-0,823

u

0,090

0,087

0,089

ε

0,918

0,917

0,902

R2

0,896

0,901

0,897

R2korr

Bei den Werten für den Ordinatenschnittpunkt a (konstante portfolioindividuelle Rendite) handelt es sich um jährliche Werte. Signifikanzniveaus von 5 %, 1 % und 0,1 % sind mit *, ** bzw. *** gekennzeichnet. Standardfehler sind in Klammern angegeben.

EVEBITDA Verhältnis

Indikator Faktoren

LXIV Anhang

991

Eigene Berechnungen.

KCV

KBV

KGV

4

3

1

4

3

1

4

3

1

Indikator Faktoren

1,023*** (0,107) 1,004*** (0,134)

0,023

(0,027)

0,032

(0,043)

0,920*** (0,092) 0,900*** (0,115)

0,007

(0,023)

0,016

(0,037)

(1,919)

(0,028)

(0,089)

0,086

-0,043* 0,904***

(1,826)

-0,130

(1,832)

(1,855)

(0,075)

(0,019)

(2,188)

-0,957

(2,083)

-0,829

(2,548)

0,974

(2,424)

1,097

h

-0,652

(0,061)

(2,324)

1,488

(2,132)

1,715

(2,706)

2,642

(2,481)

2,861

s

-0,015 0,833*** -0,808

(0,016)

-0,016 0,850***

(0,073)

(0,019)

-0,001 0,878***

(0,088)

0,952***

0,021

(0,023)

b

a

(1,403)

1,966*

(1,827)

-0,545

(2,128)

-0,525

u

0,074

0,075

0,073

0,088

0,085

0,082

0,102

0,099

0,098

ε

0,914

0,905

0,903

0,893

0,893

0,888

0,880

0,880

0,866

R2

0,895

0,890

0,898

0,865

0,873

0,882

0,848

0,857

0,858

R2korr

Anhang LXV

Anlage 19: Ergebnisse der Zeitreihenregressionen der Growth Portfolios bei Aktien des DAX Index mit Ein-, Drei- und Vierfaktorenmodellen991

Gesamtkapitalrentabilität

Dividendenrendite

KUV

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b

(2,132)

(0,112) 1,081*** (0,138)

(0,036) 0,000 (0,036) (4,121) 3,154 (3,545)

(0,164)

(0,038) 0,094* 0,984*** (0,059) (0,085)

(3,601)

2,155

(3,689)

(0,106)

(0,034)

(2,140)

1,215*** 4,284*

0,013

(2,081)

(0,090)

(0,023)

(2,015)

-3,466*

(2,033)

-0,023 1,297*** 5,262** -2,914*

(0,022)

-0,049* 1,169***

(0,158)

3,118

-0,023 1,154***

6,169*

2,402

-0,019 0,869*** 3,213* (2,265)

(2,024)

(2,072)

(0,090)

(0,022)

h

2,389

(0,080)

s

-0,018 0,867*** 3,191*

(0,021)

-0,016 0,788***

a

(1,683)

-2,344*

(2,823)

-6,662*

(1,781)

0,051

u

0,081

0,083

0,094

0,112

0,130

0,143

0,085

0,083

0,089

ε

0,948

0,941

0,914

0,905

0,860

0,804

0,880

0,880

0,845

R2

0,934

0,930

0,909

0,873

0,828

0,790

0,849

0,858

0,836

R2korr

LXVI Anhang

Ausschüttungsquote

Dividendenwachstum

Eigenkapitalrentabilität

4

3

1

4

3

1

4

3

1

Indikator Faktoren

b

1,118*** (0,109) 1,080*** (0,134) 0,973*** (0,141) 1,149*** 11,002* (0,161)

0,007 (0,027) 0,024 (0,044) 0,041 (0,037) 0,050 (0,050)

(0,138)

(0,038)

0,113 (3,326)

0,156** 0,824*** 5,028* (0,056)

(0,155)

(3,419)

(3,750)

(4,223)

(0,159)

(0,039)

4,144

5,856

0,022* 1,077***

(2,767)

-8,073**

0,934***

0,033

(4,703)

(2,765)

(4,281)

(0,150)

(0,063)

(2,143)

-1,095

u

-6,511*

(5,526)

0,813

(2,566)

-1,998

(2,457)

-1,740

h

0,161* 0,989*** 13,292** -1,684

(5,028)

(2,726)

0,788

(2,515)

(0,086) 1,245

s

(0,023)

-0,004 1,089***

a

0,113

0,140

0,152

0,102

0,123

0,137

0,103

0,100

0,096

ε

0,883

0,806

0,741

0,916

0,864

0,799

0,903

0,902

0,898

R2

0,847

0,765

0,725

0,879

0,823

0,782

0,878

0,883

0,892

R2korr

Anhang LXVII

4

3

1

4,930* (2,501)

-0,067* 0,924*** -0,911 (0,044)

(0,133)

(2,674)

(2,533)

(2,588)

(0,114)

(0,028)

(0,097)

(0,026)

h

4,244*

0,870***

0,003

s

-0,019 0,817*** -2,234

b

a

(2,090)

2,983*

u

0,100

0,103

0,106

ε

0,866

0,848

0,818

R2

0,830

0,819

0,808

R2korr

Bei den Werten für den Ordinatenschnittpunkt a (konstante portfolioindividuelle Rendite) handelt es sich um jährliche Werte. Signifikanzniveaus von 5 %, 1 % und 0,1 % sind mit *, ** bzw. *** gekennzeichnet. Standardfehler sind in Klammern angegeben.

EVEBITDA Verhältnis

Indikator Faktoren

LXVIII Anhang

Anhang

LXIX

Anlage 20: Ergebnisse der Zeitreihenregressionen der Value Portfolios bei Anleihen des BUSC Index mit dem Zweifaktorenmodell992 Indikator Multiplikator 1

Faktoren 2

Multiplikator 2

2

Multiplikator 3

2

Multiplikator 4

2

Multiplikator 5

2

Dynamischer Verschuldungsgrad Fremdkapitalquote

2

Zinsdeckungsgrad

2

KGV

2

KBV

2

KCV

2

KUV

2

Dividendenrendite

2

2

a

m

d

0,026 (0,027) 0,002 (0,014) 0,008 (0,014) -0,037* (0,016) -0,002 (0,019) 0,028 (0,035) 0,002 (0,023) 0,030 (0,041) -0,009 (0,017) 0,018 (0,035) 0,003 (0,039) 0,004 (0,020) -0,022* (0,016)

-0,674 (1,474) -0,148 (0,780) -0,681 (7,924) 1,762* (0,857) 0,107 (1,039) -0,224 (1,884) 0,714 (1,285) -0,441 (2,194) 0,969 (0,932) 0,178 (1,917) 0,608 (2,069) 0,387 (1,123) 1,232* (0,869)

0,558** (0,220) 1,210*** (0,112) 1,257 (0,112) 1,461*** (0,128) 1,181*** (0,152) 0,621** (0,289) 0,782*** (0,190) 0,618* (0,336) 0,951*** (0,135) 0,749** (0,290) 0,876** (0,319) 0,928** (0,166) 1,107*** (0,133)

ε

R2

R2korr

0,035 0,322 0,247 0,018 0,902 0,883 0,019 0,911 0,894 0,017 0,899 0,880 0,022 0,823 0,790 0,034 0,279 0,144 0,026 0,544 0,458 0,040 0,230 0,086 0,020 0,774 0,731 0,036 0,338 0,214 0,036 0,353 0,231 0,023 0,698 0,642 0,016 0,827 0,795

Bei den Werten für den Ordinatenschnittpunkt a (konstante portfolioindividuelle Rendite) handelt es sich um jährliche Werte. Signifikanzniveaus von 5 %, 1 % und 0,1 % sind mit *, ** bzw. *** gekennzeichnet. Standardfehler sind in Klammern angegeben. 992

Eigene Berechnungen.

LXX

Anhang

Anlage 21: Ergebnisse der Zeitreihenregressionen der Growth Portfolios bei Anleihen des BUSC Index mit dem Zweifaktorenmodell993 Faka m d ε R2 R2korr toren Multiplikator 1 2 -0,028* 1,015 1,312*** 0,019 0,802 0,765 (0,021) (1,121) (0,174) Multiplikator 2 2 -0,014 1,167 0,624*** 0,239 0,534 0,447 (0,018) (0,990) (0,148) Multiplikator 3 2 -0,005 0,773* 0,437*** 0,009 0,768 0,725 (0,008) (0,425) (0,061) Multiplikator 4 2 0,007 0,182 0,597*** 0,023 0,495 0,401 (0,020) (1,120) (0,165) Multiplikator 5 2 -0,007 0,963** 0,534*** 0,008 0,895 0,875 (0,006) (0,333) (0,046) Dynamischer 2 -0,015 1,061 0,932 0,015 0,799 0,761 Verschuldungsgrad (0,015) (0,806) (0,123) Fremdkapitalquote 2 -0,026* 1,224* 1,145*** 0,017 0,850 0,822 (0,016) (0,848) (0,127) Zinsdeckungsgrad 2 -0,009 -0,399 1,161*** 0,022 0,734 0,684 (0,025) (1,300) (0,201) KGV 2 0,010 0,260 0,786*** 0,019 0,677 0,616 (0,018) (0,993) (0,149) KBV 2 -0,020* 1,064* 1,092*** 0,013 0,866 0,841 (0,014) (0,738) (0,114) KCV 2 -0,017 1,243 1,062*** 0,019 0,720 0,668 (0,021) (1,118) (0,173) KUV 2 -0,028* 1,512* 1,036*** 0,013 0,882 0,860 (0,012) (0,660) (0,098) Dividendenrendite 2 0,009 0,467 0,709** 0,027 0,478 0,381 (0,024) (1,345) (0,199) Indikator

Bei den Werten für den Ordinatenschnittpunkt a (konstante portfolioindividuelle Rendite) handelt es sich um jährliche Werte. Signifikanzniveaus von 5 %, 1 % und 0,1 % sind mit *, ** bzw. *** gekennzeichnet. Standardfehler sind in Klammern angegeben. 993

Eigene Berechnungen.

Anhang

LXXI

Anlage 22: Ergebnisse der Zeitreihenregressionen der Value Portfolios bei Anleihen des BERC Index mit dem Zweifaktorenmodell994 Indikator Multiplikator 1

Faktoren 2

Multiplikator 2

2

Multiplikator 3

2

Multiplikator 4

2

Multiplikator 5

2

Dynamischer Verschuldungsgrad Fremdkapitalquote

2

Zinsdeckungsgrad

2

KGV

2

KBV

2

KCV

2

KUV

2

Dividendenrendite

2

2

a

m

d

0,007 (0,025) 0,002 (0,008) -0,003 (0,010) -0,001 (0,010) 0,007 (0,008) -0,006 (0,010) 0,019 (0,020) -0,004 (0,016) 0,006 (0,017) 0,007 (0,031) 0,027 (0,032) 0,000 (0,022) -0,003 (0,024)

0,190 (1,586) 0,166 (0,429) 0,618 (0,568) 0,358 (0,583) 0,000 (0,439) 0,777* (0,538) -1,298 (1,376) 0,655 (0,948) -0,346 (1,043) -0,649 (1,989) -2,367 (2,075) -0,304 (1,355) 0,417 (1,543)

0,730*** (0,125) 0,956*** (0,052) 0,880*** (0,066) 0,865*** (0,060) 0,994*** (0,052) 0,764*** (0,066) 0,619*** (0,068) 0,781*** (0,087) 0,937*** (0,091) 1,175*** (0,144) 1,263*** (0,140) 1,128*** (0,113) 0,782 (0,098)

ε

R2

R2korr

0,015 0,683 0,623 0,008 0,955 0,947 0,009 0,919 0,904 0,008 0,928 0,915 0,007 0,959 0,951 0,010 0,895 0,875 0,008 0,838 0,808 0,011 0,837 0,807 0,011 0,869 0,845 0,017 0,806 0,770 0,016 0,836 0,805 0,013 0,861 0,835 0,011 0,803 0,766

Bei den Werten für den Ordinatenschnittpunkt a (konstante portfolioindividuelle Rendite) handelt es sich um jährliche Werte. Signifikanzniveaus von 5 %, 1 % und 0,1 % sind mit *, ** bzw. *** gekennzeichnet. Standardfehler sind in Klammern angegeben. 994

Eigene Berechnungen.

LXXII

Anhang

Anlage 23: Ergebnisse der Zeitreihenregressionen der Growth Portfolios bei Anleihen des BERC Index mit dem Zweifaktorenmodell995 Indikator Multiplikator 1

Faktoren 2

Multiplikator 2

2

Multiplikator 3

2

Multiplikator 4

2

Multiplikator 5

2

Dynamischer Verschuldungsgrad Fremdkapitalquote

2

Zinsdeckungsgrad

2

KGV

2

KBV

2

KCV

2

KUV

2

Dividendenrendite

2

2

R2

R2korr

a

m

d

ε

0,001 (0,027) 0,001 (0,007) 0,009 (0,017) 0,002 (0,017) 0,011 (0,017) 0,006 (0,018) 0,001 (0,009) -0,011 (0,015) 0,016 (0,019) 0,007 (0,019) 0,015 (0,024) 0,024* (0,014) 0,007 (0,023)

-0,024 (1,746) 0,290 (0,392) -0,754 (1,096) 0,054 (1,050) -0,876 (1,133) -0,384 (1,151) 0,412 (0,524) 0,829 (0,938) -0,994 (1,278) -0,409 (1,241) -0,756 (1,643) -1,941 (0,979) 0,040 (1,447)

0,923*** (0,125) 0,609*** (0,044) 0,454*** (0,066) 0,739*** (0,084) 0,483*** (0,063) 0,593*** (0,072) 0,692*** (0,063) 0,651*** (0,081) 0,721*** (0,069) 0,696*** (0,087) 0,534*** (0,090) 0,671*** (0,049) 0,878*** (0,117)

0,014

0,773 0,731

0,006

0,922 0,908

0,007

0,750 0,703

0,010

0,829 0,798

0,007

0,788 0,749

0,008

0,807 0,771

0,010

0,882 0,860

0,010

0,804 0,767

0,008

0,874 0,850

0,010

0,800 0,763

0,010

0,688 0,630

0,006

0,922 0,907

0,014

0,778 0,737

Bei den Werten für den Ordinatenschnittpunkt a (konstante portfolioindividuelle Rendite) handelt es sich um jährliche Werte. Signifikanzniveaus von 5 %, 1 % und 0,1 % sind mit *, ** bzw. *** gekennzeichnet. Standardfehler sind in Klammern angegeben. 995

Eigene Berechnungen.

Literaturverzeichnis

LXXIII

Literaturverzeichnis Abarbanell, J. S./Bushee, B. J. (1998): Abnormal Returns to a Fundamental Analysis Strategy, in: The Accounting Review 73 (1), S. 19–45. ACATIS Investment (2010): Firmenphilosophie, http://www.acatis.de/de/ueberuns/, recherchiert am 31.10.2016. Agarwal, V. (2007): Transaction costs and value premium, Arbeitspapier. Agrawal, K. (2012): A Conceptual Framework of Behavioral Biases in Finance, in: The IUP Journal of Behavioral Finance 9 (1), S. 7–18. Akerlof, G. A./Yellen, J. L. (1987): Rational models of irrational behavior, in: The American Economic Review 77 (2), S. 137–142. Albrecht, P./Maurer, R. (2008): Investment- und Risikomanagement - Modelle, Methoden, Anwendungen, 3. Aufl., Stuttgart. Alexander, G. J. (2000): On Back‐Testing “Zero‐Investment" Strategies, in: The Journal of Business 73 (2), S. 255–278. Alpert, M./Raiffa, H. (1982): A progress report on the training of probability assessors, in: Kahneman, D./Slovic, P./Tversky, A. (Hrsg.): Judgment under uncertainty - Heuristics and biases, Cambridge, New York. Altman, E. I. (2013): The Role of Distressed Debt Markets, Hedge Funds and Recent Trends in Bankruptcy on the Outcomes of Chapter 11 Reorganizations, Arbeitspapier. Amenc, N./Martellini, L./Goltz, F./Ye, S. (2011): Improved Beta? A Comparison of Index-Weighting Schemes, in: Journal of Indexes 14 (1), S. 10–19. Amihud, Y./Mendelson, H. (1986): Asset pricing and the bid-ask spread, in: Journal of Financial Economics 17 (2), S. 223–249. Ammann, M./Steiner, M. (2008): Risk factors for the Swiss stock market, in: Swiss Journal of Economics and Statistics 144 (1), S. 1–35. Andersen, J. V./Nowak, A. (2013): An introduction to socio-finance, Heidelberg, New York, Dordrecht, London. Ang, A. (2014): Asset management - A systematic approach to factor investing, New York. AQR Capital Management (2016): What We Do, https://www.aqr.com/whatwe-do, recherchiert am 31.10.2016.

LXXIV

Literaturverzeichnis

Aretz, K./Aretz, M. (2016): Which stocks drive the size, value, and momentum anomalies and for how long? - Evidence from a statistical leverage analysis, in: Financial Markets and Portfolio Management 30 (1), S. 19–61. Arnott, R. D./Asness, C. S. (2003): Surprise! - Higher Dividends = Higher Earnings Growth, in: Financial Analysts Journal 59 (1), S. 70–87. Arnott, R. D./Hsu, J./Moore, P. (2005): Fundamental Indexation, in: Financial Analysts Journal 61 (2), S. 83–99. Arnswald, T. (2001): Investment behaviour of German equity fund managers An exploratory analysis of survey data, in: Deutsche Bundesbank Discussion Paper (8), S. 1–77. Arshanapalli, B./Coggin, T. D./Doukas, J. (1998): Multifactor Asset Pricing Analysis of International Value Investment Strategies, in: The Journal of Portfolio Management 24 (4), S. 10–23. Arshanapalli, B. G./D'Ouville, E. L./Nelson, W. B. (2004): Are Size, Value, and Momentum Related to Recession Risk?, in: The Journal of Investing 13 (4), S. 83–87. Artmann, S./Finter, P./Kempf, A. (2012): Determinants of Expected Stock Returns - Large Sample Evidence from the German Market, in: Journal of Business Finance & Accounting, S. 758–784. Artmann, S./Finter, P./Kempf, A./Koch, S./Theissen, E. (2012): The cross-section of German stock returns - New data and new evidence, in: Schmalenbach Business Review 64 (1), S. 20–43. Asl, F. M./Etula, E. (2012): Advancing strategic asset allocation in a multi-factor world, in: The Journal of Portfolio Management 39 (1), S. 59–66. Asness, C. S. (1997): The Interaction of Value and Momentum Strategies, in: Financial Analysts Journal 53 (2), S. 29–36. Asness, C. S./Friedman, J. A./Krail, R. J./Liew, J. M. (2000): Style Timing, in: The Journal of Portfolio Management 26 (3), S. 50–60. Asness, C. S./Moskowitz, T. J./Pedersen, L. H. (2013): Value and momentum everywhere, in: The Journal of Finance 68 (3), S. 929–985. Athanassakos, G. (2008): Seasonal Patterns in Canadian Financial Markets and the Impact of Professional Portfolio Rebalancing - Evidence of Profitable Opportunities, in: Journal of Financial and Economic Practice 9, S. 73–96. Athanassakos, G. (2009): Value versus growth stock returns and the value premium - The Canadian experience 1985-2005, in: Canadian Journal of Administrative Sciences 26 (2), S. 109–121.

Literaturverzeichnis

LXXV

Athanassakos, G. (2010): Seasonality in Value vs. Growth Stocks Returns and the Value Premium, in: Journal of Financial and Economic Practice 10 (2), S. 71–94. Athanassakos, G. (2011a): Do value investors add value?, in: The Journal of Investing 20 (2), S. 86–100. Athanassakos, G. (2011b): The performance, pervasiveness, and determinants of value premium in different US exchanges - 1985-2006, in: Journal of Investment Management 9 (3), S. 33–73. Athanassakos, G. (2012): Value Investing vs. Modern Portfolio Theory, in: Journal of Business & Financial Affairs 1 (2), S. 1–2. Auer, B./Rottmann, H. (2011): Statistik und Ökonometrie für Wirtschaftswissenschaftler - Eine anwendungsorientierte Einführung, 2. Aufl., Wiesbaden. Aussenegg, W./Goetz, L./Jelic, R. (2015): Common Factors in the Performance of European Corporate Bonds - Evidence before and after the Financial Crisis, in: European Financial Management 21 (2), S. 265–308. Bachelier, L. (1900): Théorie de la spéculation, Paris. Backhaus, K./Erichson, B./Plinke, W./Weiber, R. (2016): Multivariate Analysemethoden - Eine anwendungsorientierte Einführung, 14. Aufl., Berlin, Heidelberg. Baker, H. K./Ricciardi, V. (2014): Investor behavior - The psychology of financial planning and investing, Hoboken. Ball, P. (2006): Baroque Fantasies of a Peculier Science, in: Financial Times, 29.10.2006. Ball, R. (1978): Anomalies in relationships between securities' yields and yieldsurrogates, in: Journal of Financial Economics 6 (2-3), S. 103–126. Ball, R. (1989): The firm as a specialist contracting intermediary - Application to accounting and auditing, Arbeitspapier. Ball, R. (1992): The earnings-price anomaly, in: Journal of Accounting and Economics (15), S. 319–345. Ball, R./Kothari, S. P. (1989): Nonstationary expected returns, in: Journal of Financial Economics 25 (1), S. 51–74. Bamberg, G./Coenenberg, A. G./Krapp, M. (2008): Betriebswirtschaftliche Entscheidungslehre, 14. Aufl., München.

LXXVI

Literaturverzeichnis

Banko, J. C./Conover, C. M./Jensen, G. R. (2006): The relationship between the value effect and industry affiliation, in: The Journal of Business 79 (5), S. 2595–2616. Bansal, R./Kiku, D. (2011): Cointegration and Long-Run Asset Allocation, in: Journal of Business & Economic Statistics 29 (1), S. 161–173. Banz, R. W. (1981): The relationship between return and market value of common stocks, in: Journal of Financial Economics 9 (1), S. 3–18. Barber, B. M./Lyon, J. D. (1997): Firm size, book-to-market ratio, and security returns - A holdout sample of financial firms, in: The Journal of Finance 52 (2), S. 875–883. Barber, B. M./Odean, T. (1999): The Courage of Misguided Convictions, in: Financial Analysts Journal 55 (6), S. 41–55. Barber, B. M./Odean, T. (2001): Boys will be Boys - Gender, Overconfidence, and Common Stock Investment, in: The Quarterly Journal of Economics 116 (1), S. 261–292. Barberis, N./Huang, M./Santos, T. (2001): Prospect theory and asset prices, in: The Quarterly Journal of Economics (116), S. 1–53. Barberis, N./Shleifer, A./Vishny, R. (1998): A model of investor sentiment, in: Journal of Financial Economics 49 (3), S. 307–344. Barberis, N./Thaler, R. H. (2005): A survey of behavioral finance, in: Thaler, R. H. (Hrsg.): Advances in behavioral finance, New York. Bartov, E./Kim, M. (2004): Risk, mispricing, and value investing, in: Review of Quantitative Finance and Accounting 23 (4), S. 353–376. Basu, S. (1977): Investment performance of common stocks in relation to their price-earnings ratios - A test of the efficient market hypothesis, in: The Journal of Finance 32 (3), S. 663–682. Basu, S. (1983): The relationship between earnings' yield, market value and return for NYSE common stocks - Further evidence, in: Journal of Financial Economics 12 (1), S. 129–156. Bauer, R./Günster, N./Otten, R. (2004): Empirical Evidence on Corporate Governance in Europe, in: Journal of Asset Management (5), S. 91–104. Bauman, W. (1967): Scientific Investment Analysis - Science or Fiction?, in: Financial Analysts Journal 23 (1), S. 93–97.

Literaturverzeichnis

LXXVII

Bauman, W. S./Conover, C. M./Miller, R. E. (1998): Growth versus Value and Large-Cap versus Small-Cap Stocks in International Markets, in: Financial Analysts Journal 54 (2), S. 75–89. Bauman, W. S./Conover, C. M./Miller, R. E. (2001): The performance of growth stocks and value stocks in the Pacific Basin, in: Review of Pacific Basin financial markets and policies 4 (2), S. 95–108. Bauman, W. S./Miller, R. E. (1997): Investor Expectations and the Performance of Value Stocks versus Growth Stocks, in: The Journal of Portfolio Management 23 (3), S. 57–68. Beaver, W. H. (1981): Market Efficiency, in: The Accounting Review 56 (1), S. 23–37. Bell, D. E. (1982): Regret in decision making under uncertainty, in: Operations Research 30 (5), S. 961–981. Belsky, G./Gilovich, T. (1999): Why smart people make big money mistakes…and how to correct them - Lessons from the new science of behavioral economics, New York. Benartzi, S./Thaler, R. H. (1995): Myopic loss aversion and the equity premium puzzle, in: The Quarterly Journal of Economics 110 (1), S. 73–92. Beneda, N. (2002): Growth stocks outperform value stocks over the long term, in: Journal of Asset Management 3 (2), S. 112–123. Berens, W. (1992): Beurteilung von Heuristiken - Neuorientierung und Vertiefung am Beispiel logistischer Probleme, Wiesbaden. Berk, J. B./DeMarzo, P. M. (2011): Corporate finance, 2. Aufl., Boston, München. Bernard, V. L./Thomas, J. K. (1990): Evidence that stock prices do not fully reflect the implications of current earnings for future earnings, in: Journal of Accounting and Economics 13 (4), S. 305–340. Beukes, A. (2011): Value investing - International comparison, in: International Business & Economics Research Journal 10 (5), S. 1–9. Bhandari, L. C. (1988): Debt, equity ratio and expected common stock returns Empirical evidence, in: The Journal of Finance 43 (2), S. 507–528. Bhansali, V. (2011): Bond portfolio investing and risk management - Positioning fixed income portfolios for robust returns after the financial crisis, New York.

LXXVIII

Literaturverzeichnis

Bierwag, G. O./Kaufman, G. G./Latta, C. M. (1988): Duration models, in: The Journal of Portfolio Management 15 (1), S. 50–54. Black, F. (1976): The Dividend Puzzle, in: The Journal of Portfolio Management 2 (2), S. 5–8. Black, F. (1986): Noise, in: The Journal of Finance 41 (3), S. 529–543. Black, F. (1993): Beta and Return, in: The Journal of Portfolio Management 20 (1), S. 8–18. Black, F./Jensen, M. C./Scholes, M. (1972): The capital asset pricing model Some empirical tests, in: Jensen, M. C. (Hrsg.): Studies in the Theory of Capital Markets, New York. Blitz, D. C./van Vliet, P. (2008): Global tactical cross-asset allocation - Applying value and momentum across asset classes, in: The Journal of Portfolio Management 35 (1), S. 23–38. Bloomberg (Hrsg.) (2016): Index Methodology, http://www.bbhub.io/indices/sites/2/2015/12/GFI_Index_Family_Methodology.pdf, recherchiert am 06.06.2016. Blume, M./Stambaugh, R. F. (1983): Biases in computed returns - An application to the size effect, in: Journal of Financial Economics 12, S. 387–404. Bodie, Z./Kane, A./Marcus, A. J. (2014): Investments, 10. Aufl., New York. Bortz, J./Döring, N. (2006): Forschungsmethoden und Evaluation - Für Humanund Sozialwissenschaftler, 4. Aufl., Heidelberg. Brainard, W. C./Tobin, J. (1968): Pitfalls in Financial Model Building, in: The American Economic Review 58 (2), S. 99–122. Brannon, I. (2006): Remembering the man behind rational expectations, in: Regulation 29 (1), S. 18–23. Breen, W. (1968): Low price-earnings ratios and industry relatives, in: Financial Analysts Journal 24 (4), S. 125–127. Breen, W. J./Korajczyk, R. A. (1995): On Selection Biases in Book-to-Market Based Tests of Asset Pricing Models, Arbeitspapier. Brennan, M. J./Schwartz, E. S. (1982): An equilibrium model of bond pricing and a test of market efficiency, in: Journal of Financial and Quantitative Analysis 17 (3), S. 301–329. Brief, R. P./Zarowin, P. (1999): The Value Relevance of Dividends, Book Value and Earnings, Arbeitspapier. Brinkmann, U. (2007): Robuste Asset-Allocation, Bad Soden, Bremen.

Literaturverzeichnis

LXXIX

Brodehser, P. (2012): Internationale Projektfinanzierung - Strukturen und Instrumente der Bankintermediation, Sternenfels. Brown, S. J./Goetzmann, W./Ibbotson, R. G./Ross, S. A. (1992): Survivorship bias in performance studies, in: Review of Financial Studies 5 (4), S. 553– 580. Brown, S. J./Goetzmann, W. N./Kumar, A. (1998): The Dow Theory - William Peter Hamilton's Track Record Reconsidered, in: The Journal of Finance 53 (4), S. 1311–1333. Bruns, C. (1994): Bubbles und excess volatility auf dem deutschen Aktienmarkt, Wiesbaden. Bruns, C./Meyer-Bullerdiek, F. (2013): Professionelles Portfoliomanagement Aufbau, Umsetzung und Erfolgskontrolle strukturierter Anlagestrategien, 5. Aufl., Stuttgart. Buffett, W. (1984): The Superinvestors of Graham-and-Doddsville, in: Columbia University Magazine, S. 8–15. Buffett, W. (1988): To the Shareholders of Berkshire Hathaway Inc., http://www.berkshirehathaway.com/letters/1988.html, recherchiert am 25.10.2016. Buffett, W./Lowe, J. (2007): Warren Buffett speaks - Wit and wisdom from the world's greatest investor, 2. Aufl., Hoboken. Burrell, O. K. (1951): Possibility of an Experimental Approach to Investment Studies, in: The Journal of Finance 6 (2), S. 211–219. Büschgen, H. E. (1999): Bankbetriebslehre - Bankgeschäfte und Bankmanagement, 5. Aufl., Wiesbaden. Büschgen, H. E. (2012): Das kleine Börsenlexikon, 23. Aufl., Stuttgart. Cai, J. (1997): Glamour and Value Strategies on the Tokyo Stock Exchange, in: Journal of Business Finance & Accounting 24 (9&10), S. 1291–1310. Cakici, N./Fabozzi, F. J./Tan, S. (2013): Size, value, and momentum in emerging market stock returns, in: Emerging Markets Review 16, S. 46–65. Caldeira, J. F./Moura, G. V./Santos, A. A. (2012): Bond Portfolio Optimization - A Dynamic Heteroskedastic Factor Model Approach, Arbeitspapier. Caliskan, N./Hens, T. (2013): Value around the world, in: Swiss Finance Institute Research Paper Series (32), S. 1–49. Callsen-Bracker, H.-M. (2007): Finanzanalysten und Preiseffizienz, Baden-Baden.

LXXX

Literaturverzeichnis

Campbell, J. Y./Kyle, A. S. (1993): Smart Money, Noise Trading and Stock Price Behaviour, in: The Review of Economic Studies 60 (1), S. 1–34. Campbell, J. Y./Lo, A. W./MacKinlay, A. C. (1997): The econometrics of financial markets, Princeton. Campbell, J. Y./Thompson, S. B. (2008): Predicting Excess Stock Returns Out of Sample - Can Anything Beat the Historical Average?, in: Review of Financial Studies 21 (4), S. 1509–1531. Capaul, C./Rowley, I./Sharpe, W. F. (1993): International Value and Growth Stock Returns, in: Financial Analysts Journal 49 (1), S. 27–36. Carhart, M. M. (1997): On persistence in mutual fund performance, in: The Journal of Finance 52 (1), S. 57–82. Cavaglia, S. M./Sefton, J./Scowcroft, A./Smith, B. (2006): Global Style Investing, in: The Journal of Portfolio Management 32 (4), S. 10–22. Cesar, G. (1996): Aktienanalyse heute - Gewinnmaximierung an der Börse, Wiesbaden. Chan, K. C. (1988): On the Contrarian Investment Strategy, in: The Journal of Business 61 (2), S. 147–163. Chan, L. K./Hamao, Y./Lakonishok, J. (1991): Fundamentals and stock returns in Japan, in: The Journal of Finance 46 (5), S. 1739–1764. Chan, L. K./Jegadeesh, N./Lakonishok, J. (1995): Evaluating the performance of value versus glamour stocks - The impact of selection bias, in: Journal of Financial Economics 38 (3), S. 269–296. Chan, L. K./Karceski, J./Lakonishok, J. (2000): New Paradigm or Same Old Hype in Equity Investing?, in: Financial Analysts Journal 56 (4), S. 23–36. Chan, L. K./Lakonishok, J. (2004): Value and Growth Investing - Review and Update, in: Financial Analysts Journal 60 (1), S. 71–86. Chaves, D. B./Arnott, R. D. (2012): Rebalancing and the value effect, in: The Journal of Portfolio Management 38 (4), S. 59–74. Chee, S./Sloan, R./Uysal, A. (2013): A framework for value investing, in: Australian Journal of Management 38 (3), S. 599–633. Cheh, J. J./Kim, D./Zheng, G. (2008): Investing in growth stocks vs. value stocks - Does trading frequency matter?, in: The Journal of Investing 17 (2), S. 75–92. Chen, L./Petkova, R./Zhang, L. (2008): The expected value premium, in: Journal of Financial Economics 87 (2), S. 269–280.

Literaturverzeichnis

LXXXI

Chopra, N./Lakonishok, J./Ritter, J. R. (1992): Measuring abnormal performance, in: Journal of Financial Economics 31 (2), S. 235–268. Clarke, R. G./Silva, H. de/Murdock, R. (2005): A Factor Approach to Asset Allocation, in: The Journal of Portfolio Management 32 (1), S. 10–21. Cleff, T. (2008): Deskriptive Statistik und moderne Datenanalyse - Eine computergestützte Einführung mit Excel, SPSS und STATA, Wiesbaden. Cochrane, D./Orcutt, G. H. (1949): Application of least squares regression to relationships containing auto-correlated error terms, in: Journal of the American Statistical Association 44 (245), S. 32–61. Cohen, R. B./Polk, C./Vuolteenaho, T. (2001): The value spread, in: The Journal of Finance 58 (2), S. 609–642. Cooper, M. J./Gulen, H./Schill, M. J. (2008): Asset Growth and the Cross-Section of Stock Returns, in: The Journal of Finance 63 (4), S. 1609–1651. Cordeiro, R. A./Machado, M. A. (2013): Value or Growth Strategy? Empirical Evidence in Brazil, in: Review of Business Management 15 (46), S. 91–111. Cornell, B. (2014): Dividend-Price Ratios and Stock Returns - International Evidence, in: The Journal of Portfolio Management 40 (2), S. 122–127. Cornell, B./Cvitanić, J./Goukasian, L. (2010): Beliefs regarding fundamental value and optimal investing, in: Annals of Finance 6 (1), S. 83–105. Cowles, A. (1933): Can stock market forecasters forecast?, in: Econometrica 1 (3), S. 309–324. Damodaran, A. (2012): Investment valuation - Tools and techniques for determining the value of any asset, 3. Aufl., Hoboken. Daniel, K./Hirshleifer, D./Subrahmanyam, A. (1998): Investor Psychology and Security Market Under- and Overreactions, in: The Journal of Finance 53 (6), S. 1839–1886. Daniel, K./Titman, S. (1997): Evidence on the Characteristics of Cross Sectional Variation in Stock Returns, in: The Journal of Finance 52 (1), S. 1–33. Daniel, K. D./Hirshleifer, D./Subrahmanyam, A. (2001): Overconfidence, Arbitrage, and Equilibrium Asset Pricing, in: The Journal of Finance 56 (3), S. 921–965. Davis, J. L. (1994): The Cross-Section of Realized Stock Returns - The PreCOMPUSTAT Evidence, in: The Journal of Finance 49 (5), S. 1579. Davis, J. L./Fama, E. F./French, K. R. (2000): Characteristics, Covariances, and Average Returns - 1929-1997, in: The Journal of Finance 55 (1), S. 389–406.

LXXXII

Literaturverzeichnis

Daxhammer, R. J./Facsar, M. (2012): Behavioral Finance - Verhaltenswissenschaftliche Finanzmarktforschung im Lichte begrenzt rationaler Marktteilnehmer, Konstanz. De Bondt, W. F. (1995): Investor Psychology and the Dynamics of Security Prices, in: Wood, A. S. (Hrsg.): Behavioral finance and investment management, Charlottesville. De Bondt, W. F./Muradoglu, G./Shefrin, H./Staikouras, S. K. (2008): Behavioral Finance - Quo Vadis?, in: Journal of Applied Finance 18 (2), S. 7–21. De Bondt, W. F./Thaler, R. H. (1985): Does the stock market overreact?, in: The Journal of Finance 40 (3), S. 793–805. De Bondt, W. F./Thaler, R. H. (1987): Further evidence on investor overreaction and stock market seasonality, in: The Journal of Finance 45 (3), S. 557–581. De Bondt, W. F./Thaler, R. H. (1989): Anomalies - A Mean-Reverting Walk Down Wall Street, in: Journal of Economic Perspectives 3 (1), S. 189–202. De Bondt, W. F./Thaler, R. H. (1995): Financial decision-making in markets and firms - A behavioral perspective, in: Jarrow, R. A. (Hrsg.): Handbooks in Operations Research and Management Science - Finance, Bd. 13, Amsterdam. de Long, J. B./Shleifer, A./Summers, L. H./Waldmann, R. J. (1989): The Size and Incidence of the Losses from Noise Trading, in: The Journal of Finance 44 (3), S. 681–696. de Long, J. B./Shleifer, A./Summers, L. H./Waldmann, R. J. (1990a): Noise Trader Risk in Financial Markets, in: Journal of Political Economy 98 (4), S. 703–738. de Long, J. B./Shleifer, A./Summers, L. H./Waldmann, R. J. (1990b): Positive Feedback Investment Strategies and Destabilizing Rational Speculation, in: The Journal of Finance 45 (2), S. 379–395. Deb, S. G. (2012): Value versus growth - Evidence from India, in: The IUP Journal of Applied Finance 18 (2), S. 48–62. Deutsche Börse (Hg.) (2016): Leitfaden zu den Aktienindizes der Deutschen Börse AG, http://www.dax-indices.com/DE/MediaLibrary/Document/Leitfaden_Aktienindizes.pdf, recherchiert am 31.05.2016. Dichtl, H./Drobetz, W./Wambach, M. (2014): Where is the value added of rebalancing? - A systematic comparison of alternative rebalancing strategies, in: Financial Markets and Portfolio Management 28 (3), S. 209–231.

Literaturverzeichnis

LXXXIII

Dimensional Fund Advisors (Hrsg.) (2011): Q&A: Why Use Book Value to Sort Stocks? unter Mitarbeit von Fama, E. F. und French, K. R., https_www.dimensional.com_famafrench_questions-answers_qa-why-use-book-value-tosort-stocks.aspx, recherchiert am 28.07.2016. Dische, A. (2002): Earnings momentum strategies - A behavioral finance approach, St.Gallen. Doukas, J. A./Kim, C./Pantzalis, C. (2002): A Test of the Errors-in-Expectations Explanation of the Value-Glamour Stock Returns Performance Evidence from Analysts' Forecasts, in: The Journal of Finance 57 (5), S. 2143–2166. Doukas, J. A./Kim, C./Pantzalis, C. (2004): Divergent Opinions and the Performance of Value Stocks, in: Financial Analysts Journal 60 (6), S. 55–64. Doukas, J. A./Li, M. (2009): Asymmetric Asset Price Reaction to News and Arbitrage Risk, in: Review of Behavioral Finance 1 (1/2), S. 23–43. Dowen, R. J./Bauman, W. S. (1986): A Fundamental Multifactor Asset Pricing Model, in: Financial Analysts Journal 42 (4), S. 45–51. Dreman, D. N./Berry, M. A. (1995): Overreaction, Underreaction, and the LowP/E Effect, in: Financial Analysts Journal 51 (4), S. 21–30. Driessen, J. (2005): Is default event risk priced in corporate bonds?, in: Review of Financial Studies 18 (1), S. 165–195. Driessen, J./Melenberg, B./Nijman, T. (2003): Common factors in international bond returns, in: Journal of International Money and Finance 22 (5), S. 629– 656. Drucker, P. F. (1939): The end of economic man - A study of the new totalitarianism, London. Dubinsky, A. (2006): Value Investing Retrospective, https://www8.gsb.columbia.edu/valueinvesting/research/retrospective, recherchiert am 09.02.2015. Durbin, J./Watson, G. S. (1951): Testing for serial correlation in least squares regression, in: Biometrika 38 (1-2), S. 159–178. Eckstein, P. P. (2012): Statistik für Wirtschaftswissenschaftler - Eine realdatenbasierte Einführung mit SPSS, 3. Aufl., Wiesbaden. Einstein, A. (1905): Über die von der molekularkinetischen Theorie der Wärme geforderte Bewegung von in ruhenden Flüssigkeiten suspendierten Teilchen, in: Annalen der Physik 322 (8), S. 549–560. Eisenhofer, A. (2005): Value versus Growth - Erklärungsansätze für die langfristig höhere Rendite von Substanzwerten, Arbeitspapier.

LXXXIV

Literaturverzeichnis

Ejsing, J./Grothe, M./Grothe, O. (2012): Liquidity and credit risk premia in government bond yields, hrsg. v. European Central Bank, Arbeitspapier. Eller, R. (2007): Handbuch europäische Bondmärkte, Weinheim. Elliott, R. N. (1938): The wave principle, New York. Elton, E. J./Gruber, M. J. (1977): Risk Reduction and Portfolio Size - An Analytical Solution, in: The Journal of Business 50 (4), S. 415–437. Elton, E. J./Gruber, M. J./Blake, C. R. (1995): Fundamental Economic Variables, Expected Returns, and Bond Fund Performance, in: The Journal of Finance 50 (4), S. 1229–1256. Elton, E. J./Gruber, M. J./Brown, S. J./Goetzmann, W. N. (2011): Modern portfolio theory and investment analysis, 8. Aufl., Hoboken, Chichester. Elze, G. (2010): Value investing anomalies in the European stock market - Multiple value, consistent earner, and recognized value, in: The Quarterly Review of Economics and Finance 50 (4), S. 527–537. Engelkamp, P. (1980): Entscheidungsverhalten unter Risikobedingungen, die Erwartungsnutzentheorie, Freiburg. Erlen, B./Isaak, A. J. (2015): BWL-Kennzahlen - Business ratios, Weinheim. Ervin, C./Schich, S. (2007): Asset Allocation Challenges for Pension Funds - Implications for Bond Markets, in: Financial Market Trends (1), S. 129–151. Estrada, J. (2007): Fundamental indexation and international diversification, in: The Journal of Portfolio Management 34 (3), S. 93–109. Europäische Parlament und der Rat der Europäischen Union (2009): Richtlinie 2009/65/EG zur Koordinierung der Rechts- und Verwaltungsvorschriften betreffend bestimmte Organismen für gemeinsame Anlagen in Wertpapieren - OGAW. Eustermann, P. (2010): Behavioral Finance, Private Equity und Asset Price Bubbles - Implikationen für Finanzsystemstabilität und Geldpolitik, Hamburg. Fabozzi, F. J. (2000): Bond markets, analysis and strategies, 4. Aufl., London. Fabozzi, F. J. (2007): Robust portfolio optimization and management, Hoboken. Fabozzi, F. J./Fong, G. (1994): Advanced fixed-income portfolio management State of the art, Chicago. Fabozzi, F. J./Mann, S. V. (2005): The handbook of fixed income securities, 7. Aufl., New York.

Literaturverzeichnis

LXXXV

Fabozzi, F. J./Martellini, L./Priaulet, P. (2006): Advanced bond portfolio management - Best practices in modeling and strategies, Hoboken. Fama, E. F. (1965): The behavior of stock-market prices, in: The Journal of Business 38 (1), S. 34–105. Fama, E. F. (1970): Efficient capital markets - A review of theory and empirical work, in: The Journal of Finance 25 (2), S. 383–417. Fama, E. F. (1971): Risk, return, and equilibrium, in: Journal of Political Economy 79 (1), S. 30–55. Fama, E. F. (1976): Foundations of finance - Portfolio decisions and securities prices, New York. Fama, E. F. (1991): Efficient capital markets II, in: The Journal of Finance 46 (5), S. 1575–1617. Fama, E. F. (1995): Random Walks in Stock Market Prices, in: Financial Analysts Journal 51 (1), S. 75–80. Fama, E. F. (1998): Market efficiency, long-term returns, and behavioral finance, in: Journal of Financial Economics 49 (3), S. 283–306. Fama, E. F./French, K. R. (1988): Dividend yields and expected stock returns, in: Journal of Financial Economics 22 (1), S. 3–25. Fama, E. F./French, K. R. (1989): Business conditions and expected returns on stocks and bonds, in: Journal of Financial Economics 25 (1), S. 23–49. Fama, E. F./French, K. R. (1992): The cross-section of expected stock returns, in: The Journal of Finance 47 (2), S. 427–465. Fama, E. F./French, K. R. (1993): Common risk factors in the returns on bonds and stocks, in: Journal of Financial Economics 33 (1), S. 3–56. Fama, E. F./French, K. R. (1995): Size and Book-to-Market Factors in Earnings and Returns, in: The Journal of Finance 50 (1), S. 131–156. Fama, E. F./French, K. R. (1996a): Multifactor explanations of asset pricing anomalies, in: The Journal of Finance 51 (1), S. 55–84. Fama, E. F./French, K. R. (1996b): The CAPM is wanted, dead or alive, in: The Journal of Finance 51 (5), S. 1947–1958. Fama, E. F./French, K. R. (1998): Value versus growth - The international evidence, in: The Journal of Finance 53 (6), S. 1975–1999. Fama, E. F./French, K. R. (2002): Testing Trade-Off and Pecking Order Predictions About Dividends and Debt, in: Review of Financial Studies 15 (1), S. 1–33.

LXXXVI

Literaturverzeichnis

Fama, E. F./French, K. R. (2004): The capital asset pricing model - Theory and evidence, in: Journal of Economic Perspectives 18 (3), S. 25–46. Fama, E. F./French, K. R. (2006): The value premium and the CAPM, in: The Journal of Finance 61 (5), S. 2163–2185. Fama, E. F./French, K. R. (2012): Size, value, and momentum in international stock returns, in: Journal of Financial Economics 105 (3), S. 457–472. Fama, E. F./MacBeth, J. D. (1973): Risk, return, and equilibrium - Empirical tests, in: Journal of Political Economy 81 (3), S. 607–636. Feldman, T. (2012): The most destructive behavioral bias, in: The Journal of Investing 21 (2), S. 49–56. Fischer, B. R. (2001): Performanceanalyse in der Praxis - Performancemasse, Attributionsanalyse, DVFA performance presentation standards, 2. Aufl., München, Wien. Fischhoff, B./Slovic, P./Lichtenstein, S. (1977): Knowing with certainty - The appropriateness of extreme confidence, in: Journal of Experimental Psychology 3 (4), S. 552–564. Flemisch, M. (2006): Behavioral finance und market making - Verhaltenswissenschaftliche Erklärungsansätze für die Preisbildung an Wertpapiermärkten, Baden-Baden. Forbes, W. (2009): Behavioural finance, New York. Francis, J. C./Archer, S. H. (1971): Portfolio analysis, Englewood Cliffs. Frankel, R./Lee, C. M. (1998): Accounting valuation, market expectation, and cross-sectional stock returns, in: Journal of Accounting and Economics 25 (3), S. 283–319. Franz, F.-C./Regele, T. (2016): Beating the DAX, MDAX, and SDAX - Investment strategies in Germany, in: Financial Markets and Portfolio Management 30 (2), S. 161–204. Frazzini, A./Israel, R./Moskowitz, T. J. (2012): Trading Costs of Asset Pricing Anomalies, Arbeitspapier. French, K. R. (2016): Data Library, http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/data_library.html, recherchiert am 21.05.2016. French, K. R./Roll, R. (1986): Stock return variances, in: Journal of Financial Economics 17 (1), S. 5–26. Friedman, M. (1953): Essays in positive economics, Chicago.

Literaturverzeichnis

LXXXVII

Friend, I./Blume, M. (1970): Measurement of Portfolio Performance Under Uncertainty, in: The American Economic Review 60 (4), S. 561–575. Froot, K./Dabora, E. (1999): How are stock prices affected by the location of trade?, in: Journal of Financial Economics 53 (2), S. 189–216. Fuller & Thaler Asset Management (Hrsg.) (2015): Behavioral Investing, http://www.fullerthaler.com/, recherchiert am 27.07.2015. Fung, W./Hsieh, D. A. (1997): Empirical Characteristics of Dynamic Trading Strategies - The Case of Hedge Funds, in: Review of Financial Studies 10 (2), S. 275–302. Fung, W./Hsieh, D. A. (2004): Hedge Fund Benchmarks - A Risk-Based Approach, in: Financial Analysts Journal 5 (60), S. 65–80. Gebert, T./Hüsgen, P./Gebert, M. (1997): Börsenindikatoren, Kulmbach. Gebhardt, W. R./Hvidkjær, S./Swaminathan, B. (2005): The cross-section of expected corporate bond returns - Betas or characteristics?, in: Journal of Financial Economics 75 (1), S. 85–114. Glaser, M./Nöth, M./Weber, M. (2004): Behavioral Finance, in: Koehler, D. J./Harvey, N. (Hrsg.): Blackwell Handbook of Judgment and Decision Making, Malden. Glaser, M./Weber, M. (2001): Reich mit Value-Strategien? - Überblick über empirische Ergebnisse und die Erklärung des Anlageerfolgs, Mannheim. Goldberg, J./von Nitzsch, R. (2004): Behavioral finance - Gewinnen mit Kompetenz, 4. Aufl., München. Gomes, J./Kogan, L./Zhang, L. (2003): Equilibrium cross-section of returns, in: Journal of Political Economy 111 (4), S. 693–732. Gordon, M. J. (1959): Dividends, earnings, and stock prices, in: The Review of Economics and Statistics 41 (2), S. 99–105. Grabmeier, J./Hagl, S. (2012): Statistik - Grundwissen und Formeln, 2. Aufl., Freiburg. Graham, B. (1976): A Conversation with Benjamin Graham, in: Financial Analysts Journal 32 (5), S. 20–23. Graham, B./Dodd, D. L. (1934): Security Analysis, New York. Graham, B./Zweig, J. (2006): The intelligent investor - A book of practical counsel, Princeton. Green, J./Hand, J. R./Zhang, F. (2014): The Remarkable Multidimensionality in the Cross-Section of Expected U.S. Stock Returns, Arbeitspapier.

LXXXVIII

Literaturverzeichnis

Greenwald, B. C. (2004): Value investing - From Graham to Buffett and beyond, New York, Chichester. Gregory-Allen, R. B./Shawky, H. A./Stangl, J. (2009): Quantitative vs. fundamental analysis in institutional money management - Where's the beef?, in: The Journal of Investing 18 (4), S. 42–52. Griffin, J. M. (2002): Are the Fama and French Factors Global or Country Specific?, in: Review of Financial Studies 15 (3), S. 783–803. Griffin, J. M./Lemmon, M. L. (2002): Book-to-market equity, distress risk, and stock returns, in: The Journal of Finance 57 (5), S. 2317–2336. Grinblatt, M./Han, B. (2005): Prospect theory, mental accounting, and momentum, in: Journal of Financial Economics 78 (2), S. 311–340. Grinblatt, M. S./Titman, S./Wermers, R. (1995): Momentum investment strategies, portfolio performance, and herding - A study of mutual fund behavior, in: The American Economic Review 85 (5), S. 1088–1105. Grinold, R. C./Kahn, R. N. (2000): The Efficiency Gains of Long–Short Investing, in: Financial Analysts Journal 56 (6), S. 40–53. Grossman, S. J./Stiglitz, J. E. (1980): On the impossibility of informationally efficient markets, in: The American Economic Review 70 (3), S. 393–408. Guerard, J./Markowitz, H. (2010): Handbook of portfolio construction - Contemporary applications of Markowitz techniques, New York, London. Guo, Z. (2002): Behavioral Finance - Die empirische Überprüfbarkeit behavioraler Modelle, St.Gallen. Hagemeister, M. M. (2010): Die Schätzung erwarteter Renditen in der modernen Kapitalmarkttheorie - Implizit erwartete Renditen und ihr Einsatz in Kapitalmarktmodell-Tests und Portfoliooptimierung, Wiesbaden. Hahn, T./O'Neill, M./Swisher, J. (2007): Risk-Adjusted Performance of Value and Growth Strategies, in: The Journal of Investing 16 (3), S. 71–82. Hanauer, M./Kaserer, C./Rapp, M. S. (2011): Risikofaktoren und Multifaktormodelle für den Deutschen Aktienmarkt, Arbeitspapier. Hanauer, M./Linhart, M. (2014): Size, Value, and Momentum in Emerging Market Stock Returns - Integrated or Segmented Pricing?, Arbeitspapier. Hänni, M. (2005): Konditionierte Performancemessung mit Portfoliogewichten Eine theoretische und empirische Untersuchung der Performance von Aktienfonds, Basel.

Literaturverzeichnis

LXXXIX

Harder, U. (1962): Bilanzpolitik - Wesen und Methoden der taktischen Beeinflussung von handels- und steuerrechtlichen Jahresabschlüssen, Wiesbaden. Harrison, G. W./Rutström, E. E. (2009): Expected utility theory and prospect theory - one wedding and a decent funeral, in: Experimental Economics 12 (2), S. 133–158. Hasler, P. T. (2011): Aktien richtig bewerten, Berlin, Heidelberg. Hasler, S./Hasler, P. T. (2013): Debt Relations mit Finanzanalysten, in: Hasler, P. T. (Hrsg.): Praxishandbuch Debt Relations, Wiesbaden. Haugen, R. A. (1999): The new finance - The case against efficient markets, 2. Aufl., Upper Saddle River. Hawawini, G./Keim, D. B. (1995): On the predictability of common stock returns: World-wide evidence, in: Jarrow, R. A. (Hrsg.): Handbooks in Operations Research and Management Science - Finance, Bd. 9, Amsterdam. Hawawini, G./Keim, D. B. (2000): The cross section of common stock returns A review of the evidence and some new findings, in: Keim, D. B./Ziemba, W. T. (Hrsg.): Security Market Imperfections in Worldwide Equity Markets, Cambridge. Hehn, E. (2000): Innovative Kapitalanlagekonzepte - ART, behavioral finance, hedge funds, neue Märkte, private equity, venture capital, Wiesbaden. Heilbrunn Center for Graham & Dodd Investing (Hrsg.) (2013): The Value Premium Puzzle, https://www8.gsb.columbia.edu/valueinvesting/research/quick_lectures/ql2, recherchiert am 01.12.2015. Heinke, V. G./Krämer, W./Nürk, B. (2011): Handbuch Investmentfonds für institutionelle Anleger - Benchmarks als zentrale Determinante des institutionellen Anlageerfolgs, Bad Soden. Heisler, J. (1994): Loss aversion in a futures market - An empirical test, in: Review of Futures Markets 13 (3), S. 793–822. Henriksson, R. D./Merton, R. C. (1981): On Market Timing and Investment Performance - Statistical Procedures for Evaluating Forecasting Skills, in: The Journal of Business 54 (4), S. 513–533. Hens, T./Bachmann, K. (2008): Behavioural finance for private banking, Chichester, Hoboken. Hielscher, U. (1999): Investmentanalyse, 3. Aufl., München, Wien. Higgins, R. C. (2009): Analysis for financial management, 9. Aufl., Boston.

XC

Literaturverzeichnis

Hirshleifer, D./Subrahmanyam, A./Titman, S. (2006): Feedback and the success of irrational investors, in: Journal of Financial Economics 81 (2), S. 311–338. Hirshleifer, D./Teoh, S. H. (2003): Herd Behaviour and Cascading in Capital Markets - A Review and Synthesis, in: European Financial Management 9 (1), S. 25–66. Hirshleifer, D./Teoh, S. H. (2009): Thought and behavior contagion in capital markets, in: Hens, T./Schenk-Hoppé, K. R. (Hrsg.): Handbook of financial markets, Amsterdam, Burlington. Hodges, C. W./Taylor, W. R./Yoder, J. A. (1997): Stocks, Bonds, the Sharpe Ratio, and the Investment Horizon, in: Financial Analysts Journal 53 (6), S. 74–80. Hodgson, B. (2004): The invisible hand and the common good, Berlin, New York. Hofmann, T. (2006): Asset Management mit Immobilienaktien, Sternenfels. Hogan, S./Jarrow, R./Teo, M./Warachka, M. (2004): Testing market efficiency using statistical arbitrage with applications to momentum and value strategies, in: Journal of Financial Economics 73 (3), S. 525–565. Holtfort, T. (2009): Einfluss von Saisonalität auf den Momentumeffekt - Eine empirische Untersuchung des deutschen Aktienmarktes, Lohmar, Köln. Hong, H./Stein, J. C. (1999): A Unified Theory of Underreaction, Momentum Trading, and Overreaction in Asset Markets, in: The Journal of Finance 54 (6), S. 2143–2184. Horan, S. (2014): Strategic value investing - Practical techniques of value investors, New York. Hößl, W. (2009): Der Anlageerfolg aktiver Aktienfondsmanager - Eine empirische Untersuchung der Performance im Zulassungsraum Deutschland unter Berücksichtigung von Kapitalmarktanomalien, Anlageverhalten und statistischen Verzerrungen, Duisburg. Hou, K./Moskowitz, T. J. (2005): Market Frictions, Price Delay, and the CrossSection of Expected Returns, in: Review of Financial Studies 18 (3), S. 981– 1020. Hummel, D. (1983): Die Politik der BRD-Zentralbank als wesentliches Element der staatsmonopolistischen Versuche zur Regulierung der Geld- und Kreditbeziehungen in der Gegenwart, Berlin.

Literaturverzeichnis

XCI

Hummel, D. (1989): Internationale kapitalistische Finanzmärkte - Entwicklung und Instrumentarien der finanzkapitalistischen Regulierung, Berlin. Hund, J./Lesmond, D. A. (2006): Liquidity and Credit Risk in Emerging Debt Markets, Arbeitspapier. Idzorek, T. M./Kowara, M. (2013): Factor-based asset allocation vs. asset-classbased asset allocation, in: Financial Analysts Journal 69 (3), S. 1–11. In, F./Kim, S./Gençay, R. (2011): Investment horizon effect on asset allocation between value and growth strategies, in: Economic Modelling 28 (4), S. 1489–1497. Jacob, M. (2012): Asset Management - Anlageinstrumente, Marktteilnehmer und Prozesse, Wiesbaden. Jacobs, B. I./Levy, K. N. (1989): The complexity of the stock market, in: The Journal of Portfolio Management 16 (1), S. 19–27. Jacobs, B. I./Levy, K. N. (2014a): Investing in a Multidimensional Market, in: Financial Analysts Journal 70 (6), S. 6–12. Jacobs, B. I./Levy, K. N. (2014b): Smart Beta versus Smart Alpha, in: The Journal of Portfolio Management 40 (4), S. 4–15. Jacobs, B. I./Levy, K. N./Markowitz, H. M. (2005): Portfolio Optimization with Factors, Scenarios, and Realistic Short Positions, in: Operations Research 53 (4), S. 586–599. Jaunich, A. O. (2008): Anlagestrategie Behavioral Finance - Die Bedeutung verhaltensorientierter Anlagestrategien in der amerikanischen und deutschen Fondsindustrie, Aachen. Jegadeesh, N./Titman, S. (1993): Returns to Buying Winners and Selling Losers Implications for Stock Market Efficiency, in: The Journal of Finance 48 (1), S. 65–92. Jegadeesh, N./Titman, S. (2011): Momentum, in: Annual Review of Financial Economics 3, S. 493–509. Jensen, G. R./Johnson, R. R./Mercer, J. M. (1997): New Evidence on Size and Price-to-Book Effects in Stock Returns, in: Financial Analysts Journal 53 (6), S. 34–42. Jensen, M. C. (1967): The Performance of Mutual Funds in the Period 19451964, in: The Journal of Finance 23 (2), S. 389–416. Jensen, M. C. (1978): Some anomalous evidence regarding market efficiency, in: Journal of Financial Economics 6 (2-3), S. 95–101.

XCII

Literaturverzeichnis

Jensen, M. C. (1986): Agency costs of free cash flow, corporate finance, and takeovers, in: The American Economic Review 98, S. 323–329. Jones, C. P. (2008): How important is the P/E ratio in determining market returns?, in: The Journal of Investing 17 (2), S. 7–14. Jones, S. L. (1993): Another look at time-varying risk and return in a long-horizon contrarian strategy, in: Journal of Financial Economics 33 (1), S. 119– 144. Jünemann, B./Imbacher, H. (2007): Money-Management - Die Formel für Ihren Börsenerfolg, München. Jurek, J. W./Viceira, L. M. (2011): Optimal Value and Growth Tilts in LongHorizon Portfolios, in: Review of Finance 15 (1), S. 29–74. Kahneman, D./Riepe, M. W. (1998): Aspects of Investor Psychology, in: The Journal of Portfolio Management 24 (4), S. 52–65. Kahneman, D./Slovic, P./Tversky, A. (1982): Judgment under uncertainty - Heuristics and biases, Cambridge, New York. Kahneman, D./Tversky, A. (1979): Prospect theory - An analysis of decision under risk, in: Econometrica 47 (2), S. 263–291. Kahneman, D./Tversky, A. (1984): Choices, values, and frames, in: American Psychologist 39 (4), S. 341–350. Kaiser, L. (2014): Value Investing with Firm Size Restrictions - Evidence for the German Stock Market, in: International Journal of Economics and Finance 6 (6), S. 14–29. Keim, D. B. (1990): A new look at the effects of firm size and E-P ratio on stock returns, in: Financial Analysts Journal 46 (2), S. 56–67. Keimling, N. (2004): Einfache Value-Strategien zahlen sich aus - Das Kurs-Gewinn-Verhältnis, hrsg. v. Huber Portfolio AG. Kendall, M. G./Hill, A. B. (1953): The analysis of economic time-series, in: Journal of Royal Statistical Society 116 (1), S. 11–34. Keppler, M. (1991): Portfolio-Theorie - Zweifelhafte Annahmen, suboptimale Ergebnisse, in: Die Bank (7), 382–285. Keynes, J. M. (1936): Allgemeine Theorie der Beschäftigung, des Zinses und des Geldes, 5. Aufl., Berlin. Kiehling, H. (2000): Börsenphilosophien - Das Verhalten der Investoren im Anlageprozess, München, Basel.

Literaturverzeichnis

XCIII

Kiehling, H. (2001): Börsenpsychologie und Behavioral Finance - Wahrnehmung und Verhalten am Aktienmarkt, München. Kieselstein, T./Sauer, A. (1998): Style Management am deutschen Aktienmarkt Value, Growth und Size, in: Kleeberg, J. M./Rehkugler, H. (Hrsg.): Handbuch Portfoliomanagement, Bad Soden. Kieselstein, T./Sauer, A. (2000): Aktives Style-Management für europäische Aktien-Spezielfonds, in: Kleeberg, J. M./Schlenger, C. (Hrsg.): Handbuch Spezialfonds - Ein praktischer Leitfaden für institutionelle Anleger und Kapitalanlagegesellschaften, Bad Soden. Kim, D. (2012): Value Premium Across Countries, in: The Journal of Portfolio Management 38 (4), S. 75–86. Kirchgässner, G. (2013): Homo oeconomicus - Das ökonomische Modell individuellen Verhaltens und seine Anwendung in den Wirtschafts- und Sozialwissenschaften, 4. Aufl., Tübingen. Kitzmann, A. (2009): Massenpsychologie und Börse - So bestimmen Erwartungen und Gefühle Kursverläufe, Wiesbaden. Klarman, S. A. (2001): Margin of safety - Risk-averse value investing strategies for the thoughtful investor, Washington. Klerck, W./Maritz, A. (1997): A test of Graham's stock selection criteria on industrial shares traded on the JSE, in: Investment Analysts Journal 45, S. 25– 33. Klöhn, L. (2006): Kapitalmarkt, Spekulation und Behavioral Finance - Eine interdisziplinäre und vergleichende Analyse zum Fluch und Segen der Spekulation und ihrer Regulierung durch Recht und Markt, Berlin. Knez, P. J./Litterman, R./Scheinkman, J. (1994): Explorations Into Factors Explaining Money Market Returns, in: The Journal of Finance 49 (5), S. 1861– 1882. Knez, P. J./Ready, M. J. (1997): On The Robustness of Size and Book-to-Market in Cross-Sectional Regressions, in: The Journal of Finance 52 (4), S. 1355– 1382. Koijen, R./Lustig, H./van Nieuwerburgh, S. (2012): The cross-section and timeseries of stock and bond returns, Arbeitspapier. Korn, O./Koziol, C. (2006): Bond portfolio optimization - A risk-return approach, in: The Journal of Portfolio Management 15 (4), S. 48–60. Kothari, S. P./Shanken, J./Sloan, R. G. (1995): Another look at the cross-section of expected stock returns, in: The Journal of Finance 50 (1), S. 185–224.

XCIV

Literaturverzeichnis

Kothari, S. P./Warner, J. B. (1997): Measuring long-horizon security price performance, in: Journal of Financial Economics 43, S. 301–339. Kottke, N. (2005): Entscheidungs- und Anlageverhalten von Privatinvestoren Psychologische Aspekte der Wertpapieranlage, Wiesbaden. Kouwenberg, R./Salomons, R. (2003): Value investing in emerging markets Local macroeconomic risk and extrapolation, Arbeitspapier. Krommes, W. (2008): Handbuch Jahresabschlussprüfung, Wiesbaden. Krones, J./Cremers, H. (2012): Eine Analyse des Credit Spreads und seiner Komponenten als Grundlage für Hedge Strategien mit Kreditderivaten, Arbeitspapier. Kuhn, T. S. (1970): The structure of scientific revolution, 2. Aufl., Chicago. Kwan, S. H. (1996): Firm-specific information and the correlation between individual stocks and bonds, in: Journal of Financial Economics 40 (1), S. 63–80. La Porta, R. (1996): Expectations and the Cross-Section of Stock Returns, in: The Journal of Finance 51 (5), S. 1715–1742. La Porta, R./Lakonishok, J./Shleifer, A./Vishny, R. W. (1997): Good news for value stocks - Further evidence on market efficiency, in: The Journal of Finance 52 (2), S. 859–874. Lakonishok, J./Shleifer, A./Vishny, R. W. (1992): The impact of institutional trading on stock prices, in: Journal of Financial Economics 32 (1), S. 23–43. Lakonishok, J./Shleifer, A./Vishny, R. W. (1994): Contrarian investment, extrapolation, and risk, in: The Journal of Finance 49 (5), S. 1541–1578. Lamont, O. A./Thaler, R. H. (2003): Anomalies - The Law of One Price in Financial Markets, in: Journal of Economic Perspectives 17 (4), S. 191–202. Langguth, H. (2008): Kapitalmarktorientiertes Wertmanagement - Unternehmensbewertung, Unternehmenssteuerung und Berichterstattung, München. Laspeyres, E. (1871): Die Berechnung einer mittleren Warenpreissteigerung, in: Jahrbücher für Nationalökonomie und Statistik (16), S. 296–314. Latham, M. (1986): Informational Efficiency and Information Subsets, in: The Journal of Finance 41 (1), S. 39–52. Laux, H./Gillenkirch, R./Schenk-Mathes, H. (2012): Entscheidungstheorie, 8. Aufl., Berlin, Heidelberg. Le Bon, G. (1895): The crowd - A study of the popular mind, London.

Literaturverzeichnis

XCV

Leber, H./Muhle, J. H. (2003): Einfache Value-Strategien schlagen den Markt, ACATIS Anlageberatung für Investmentfonds GmbH. Lee, C. F./Lee, A. C. (2006): Encyclopedia of finance, New York. Lee, C. M./Shleifer, A./Thaler, R. H. (1991): Investor sentiment and the closedend fund puzzle, in: The Journal of Finance 46 (1), S. 75–109. Lee, W. (2000): Theory and methodology of tactical asset allocation, New Hope. Lehman, R. (2009): Far from random - Using investor behavior and trend analysis to forecast market movement, New York. LeRoy, S. F. (1976): Efficient Capital Markets - Comment, in: The Journal of Finance 31 (1), S. 139–141. LeRoy, S. F. (1989): Efficient Capital Markets and Martingales, in: Journal of Economic Literature 27 (4), S. 1583–1621. Leser, H. (1988): Wertpapierinvestment heute - Praxiswissen für Profis u. Privatanleger, Wiesbaden. Lev, B./Thiagarajan, S. R. (1993): Fundamental Information Analysis, in: Journal of Accounting Research 31 (2), S. 190–215. Lewellen, J. (1999): The time-series relations among expected return, risk, and book-to-market, in: Journal of Financial Economics 54 (1), S. 5–43. L'Her, J.-F./Masmoudi, T./Suret, J.-M. (2004): Evidence to support the fourfactor pricing model from the Canadian stock market, in: Journal of International Financial Markets, Institutions & Money 14 (4), S. 313–328. Lie, E./Lie, H. J. (2002): Multiples Used to Estimate Corporate Value, in: Financial Analysts Journal 58 (2), S. 44–54. Linowski, D. (1999): Investor Oriented Basic Reflections for the Portfolio Management on Neuer Markt in Particular View of the IPO Circumstances - An Empirical Analysis, Rostock. Lintner, J. (1965): The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets, in: The Review of Economics and Statistics 47 (1), S. 13–37. Litterman, R./Scheinkman, J. (1991): Common Factors Affecting Bond Returns, in: The Journal of Fixed Income 1 (1), S. 54–61. Liu, J./Nissim, D./Thomas, J. (2002): Equity Valuation Using Multiples, in: Journal of Accounting Research 40 (1), S. 135–172. Lo, A. W./MacKinlay, A. C. (2002): A non-random walk down Wall Street, Princeton.

XCVI

Literaturverzeichnis

Loughran, T. (1997): Book-To-Market across Firm Size, Exchange, and Seasonality - Is There an Effect?, in: Journal of Financial and Quantitative Analysis 32 (3), S. 249–268. LSV Asset Management (Hrsg.) (2015): About LSV, http://lsvasset.com/aboutlsv/, recherchiert am 27.07.2015. Lucas, R. E. (1976): Econometric policy evaluation - A critique, in: Carnegie-Rochester Conference Series on Public Policy (1), S. 19–46. Lynch, A. W. (2001): Portfolio choice and equity characteristics - Characterizing the hedging demands induced by return predictability, in: Journal of Financial Economics 62 (1), S. 67–130. Lyon, J. D./Barber, B. M./Tsai, C.-L. (1999): Improved Methods for Tests of Long-Run Abnormal Stock Returns, in: The Journal of Finance 54 (1), S. 165–201. Macaulay, F. R. (1938): Some theoretical problems suggested by the movements of interest rates, bond yields and stock prices in the United States since 1856, New York. Mackay, C. (1841): Extraordinary Popular Delusions And The Madness Of Crowds, Wells. MacKinlay, A. (1995): Multifactor models do not explain deviations from the CAPM, in: Journal of Financial Economics 38 (1), S. 3–28. Malkiel, B. G. (2003): The efficient market hypothesis and its critics, in: Journal of Economic Perspectives 17 (1), S. 59–82. Markowitz, H. M. (1952): Portfolio selection, in: The Journal of Finance 7 (1), S. 77–91. Markowitz, H. M. (1959): Portfolio selection - Efficient diversification of investments, New York. Marty, W. (2013): Portfolio analytics - An introduction to return and risk measurement, Heidelberg, New York, London. Mattern, C. (2005): Fundamentalanalyse im Portfoliomanagement - Konjunkturindikatoren verstehen und analysieren, Stuttgart. McEnally, R. W. (1977): Duration as a Practical Tool for Bond Management*, in: The Journal of Portfolio Management 3 (4), S. 53–57. Mehra, R./Prescott, E. C. (1985): The equity premium - A puzzle, in: Journal of Monetary Economics 15 (2), S. 145–161.

Literaturverzeichnis

XCVII

Meng, M. (2011): Value vs. Growth - Who leads the cyclical stock market?, in: Banking and Finance Review 3 (2), S. 121–131. Merton, R. C. (1969): Lifetime Portfolio Selection under Uncertainty - The Continuous-Time Case, in: The Review of Economics and Statistics 51 (3), S. 247–257. Merton, R. C. (1973): An Intertemporal Capital Asset Pricing Model, in: Econometrica 41 (5), S. 867–887. Meyer, K. R. (1975): The Dividends from Active Bond Management, in: The Journal of Portfolio Management 1 (3), S. 18–22. Mihm, M. (2011): Indexbasierte Anlagestrategien - Eine theoretische und empirische Untersuchung am britischen Aktienmarkt, Lohmar. Miller, D. T./Ross, M. (1975): Self-Serving Bias in the Attribution of Causality Fact or Fiction?, in: Psychological Bulletin 82 (2), S. 213–225. Miller, E. M. (1978): How to win at the Loser's Game, in: The Journal of Portfolio Management 5 (1), S. 17–28. Miller, M. H./Modigliani, F. (1961): Dividend Policy, Growth, and the Valuation of Shares, in: The Journal of Business 34 (4), S. 411–433. Mitchell, M. L./Stafford, E. (2000): Managerial decisions and long-term stock price performance, in: The Journal of Business 73 (3), S. 287–329. Modigliani, F./Miller, M. H. (1958): The cost of capital, corporation finance and the theory of investment, in: The American Economic Review 48 (3), S. 261– 297. Modigliani, F./Modigliani, L. (1997): Risk-Adjusted Performance, in: The Journal of Portfolio Management 23 (2), S. 45–54. Mohanram, P. S. (2005): Separating Winners from Losers among Low Book-toMarket Stocks using Financial Statement Analysis, in: Review of Accounting Studies 10 (2-3), S. 133–170. Mossin, J. (1966): Equilibrium in a capital asset market, in: Econometrica 34 (4), S. 768–783. MSCI (Hrsg.) (2015): Indexes, https://www.msci.com/indexes, recherchiert am 11.08.2015. Mühlhaupt, R. (2013): Informationseffizienz von Aktienmärkten - Analysen in den CEE-3, Sternenfels. Murschall, O. (2007): Behavioral Finance als Ansatz zur Erklärung von Aktienrenditen - Eine empirische Analyse des deutschen Aktienmarktes, Hamburg.

XCVIII

Literaturverzeichnis

Muth, J. F. (1961): Rational expectations and the theory of price movements, in: Econometrica 29 (3), S. 315–335. Nicholson, S. F. (1960): Price-Earnings Ratios, in: Financial Analysts Journal 16 (4), S. 43–45. o.V. (1997): Anomalie, in: Brockhaus, F. A. (Hrsg.): Der Brockhaus - In Fünfzehn Bänden. Bd. 1, Bd. 1, Leipzig, Mannheim. o.V. (2014): Euro area risk-free interest rates: Measurement Issues, Recent developments and Relevance to monetary policy, hrsg. v. European Central Bank. Odean, T. (1998): Are investors reluctant to realize their losses?, in: The Journal of Finance 53 (5), S. 1775–1798. Oehler, A. (1991): "Anomalien", "Irrationalitäten" oder "Biases" der Erwartungsnutzentheorie und ihre Relevanz in Finanz- und Kapitalmärkten, Hagen. Oehler, A. (1995): Die Erklärung des Verhaltens privater Anleger - Theoretischer Ansatz und empirische Analysen, Stuttgart. Ofek, E./Richardson, M. (2003): DotCom mania - The rise and fall of Internet stock prices, in: The Journal of Finance 58 (3), S. 1113–1137. Ohlson, J. A. (1980): Financial Ratios and the Probabilistic Prediction of Bankruptcy, in: Journal of Accounting Research 18 (1), S. 109–131. Olsen, R. A. (1998): Behavioral Finance and Its Implications for Stock-Price Volatility, in: Financial Analysts Journal 54 (2), S. 10–18. Ortner, R. (2012): Dynamic Value Investing, Leipzig. Page, S./Taborsky, M. A. (2011): The Myth of Diversification - Risk Factors versus Asset Classes, in: The Journal of Portfolio Management 37 (4), S. 1–2. Pareto, V. (1906): Manuale di economia politica - Con una introduzione alla scienza sociale, Mailand. Pearson, K. (1905): The Problem of the Random Walk, in: Nature (72), S. 294– 342. Peemöller, V. H. (1993): Bilanzanalyse und Bilanzpolitik - Einführung in die Grundlagen: Rechnungslegung, Jahresabschluß, Bilanzierung und Bewertung, Bilanzpolitik, Bilanzanalyse, Analyseinstrumente, Wiesbaden. Pelzmann, L. (2000): Wirtschaftspsychologie - Behavioral Economics, Behavioral Finance, Arbeitswelt, 3. Aufl., Wien, New York. Penman, S. H. (2007): Financial statement analysis and security valuation, 3. Aufl., Boston.

Literaturverzeichnis

XCIX

Perridon, L./Steiner, M./Rathgeber, A. (2012): Finanzwirtschaft der Unternehmung, 16. Aufl., München. Phalippou, L. (2007): Institutional Ownership and the Value Premium, Arbeitspapier. Philips, T. K. (2002): The Source of Value, in: The Journal of Portfolio Management 28 (4), S. 36–44. Pilotte, E. A./Sterbenz, F. P. (2006): Sharpe and Treynor Ratios on Treasury Bonds, in: The Journal of Business 79 (1), S. 149–180. Piotroski, J. D. (2000): Value investings - The use of historical financial statement information to separate winners from losers, in: Journal of Accounting Research 38 (1), S. 1–41. Piotroski, J. D./So, E. C. (2012): Identifying expectation errors in value/glamour strategies - A fundamental analysis approach, in: Review of Financial Studies 25 (9), S. 2841–2875. Pompian, M. M. (2012): Behavioral finance and wealth management - How to build investment strategies that account for investor biases, 2. Aufl., Hoboken. Posadas Hernandez, V. S. (2006): Stock Market Anomalies - The Latin American Evidence, Frankfurt am Main. Postert, A. (2007): Der Anlagestil deutscher Aktienfonds - Eine portfoliobasierte Analyse mittels style-identifizierender Fundamentalfaktoren, Wiesbaden. Poterba, J. M./Summers, L. H. (1988): Mean reversion in stock prices - Evidence and implications, in: Journal of Financial Economics 22 (1), S. 27–59. Price, T. R. (1939): Picking "Growth" Stocks …, in: Barron's 23 (19), S. 3. Qian, E./Sorensen, E. H./Hua, R. (2009): Global Value Investing Delivers Diversification - A Multi-Strategy Perspective, in: The Journal of Portfolio Management 35 (2), S. 42–49. Rabin, M./Thaler, R. H. (2001): Anomalies - Risk aversion, in: Journal of Economic Perspectives 15 (1), S. 219–232. Razali, N. M./Wah, Y. B. (2011): Power comparisons of Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors and Anderson-Darling tests, in: Journal of Statistical Modeling and Analytics 2 (1), S. 21–33. Reinganum, M. R. (1981): Misspecification of capital asset pricing, in: Journal of Financial Economics 9 (1), S. 19–46.

C

Literaturverzeichnis

Reinganum, M. R. (1983): The anomalous stock market behavior of small firms in January, in: Journal of Financial Economics 12 (1), S. 89–104. Ricciardi, V./Simon, H. K. (2000): What is Behavioral Finance, in: Business, Education & Technology Journal 2 (2), S. 1–9. Rohde, E./Hummel, D. (1988): Schwarzer Montag - Börsenkrach '87, Berlin. Roll, R. (1992): Volatility in U.S. and Japanese Stock Markets - A Symposium, in: Journal of Applied Corporate Finance 5 (1), S. 29–33. Roll, R./Ross, S. A. (1980): An Empirical Investigation of the Arbitrage Pricing Theory, in: The Journal of Finance 35 (5), S. 1073–1103. Rosenberg, B. (1981): The Capital Asset Pricing Model and the Market Model, in: The Journal of Portfolio Management 7 (2), S. 5–16. Rosenberg, B./Reid, K./Lanstein, R. (1985): Persuasive evidence of market inefficiency, in: The Journal of Portfolio Management 11 (3), S. 48–55. Ross, S. A. (1976): The arbitrage theory of capital asset pricing, in: Journal of Economic Theory 13 (3), S. 341–360. Roßbach, P. (2001): Behavioral finance - Eine Alternative zur vorherrschenden Kapitalmarkttheorie?, Frankfurt am Main. S&P Dow Jones Indices (Hrsg.) (2016): Dow Jones Industrial Average, https://www.djindexes.com/mdsidx/downloads/fact_info/Dow_Jones_Industrial_Average_Fact_Sheet.pdf, recherchiert am 21.05.2016. Samuelson, P. E. (1965): Proof that properly anticipated prices fluctuate randomly, in: Industrial Management Review 6 (2), S. 41–49. Sattler, R. R. (1999): Aktienkursprognose - Professionelles Know-how zur Vermögensanlage, München. Schacht, U./Fackler, M. (2009): Praxishandbuch Unternehmensbewertung, Wiesbaden. Schannep, J. (2012): Charles Dow’s Theory Still Valid for the 21st Century, in: AAII Journal, S. 7–13. Schierenbeck, H. (2003): Grundzüge der Betriebswirtschaftslehre, 16. Aufl., München. Schmidlin, N. (2013): Unternehmensbewertung & Kennzahlenanalyse - Praxisnahe Einführung mit zahlreichen Fallbeispielen börsennotierter Unternehmen, 2. Aufl., München. Schmidt, R. H./Terberger, E. (1997): Grundzüge der Investitions- und Finanzierungstheorie, 4. Aufl., Wiesbaden.

Literaturverzeichnis

CI

Schneider, S. (2005): Übersicht zu einigen Zusammenhängen und möglichen Erklärungsansätzen ausgewählter Renditeanomalien an Aktienmärkten, in: Kredit und Kapital 38 (2), S. 235–283. Schnelle, P. (2009): Asset pricing bei heterogenen Erwartungen - Analyse der Auswirkungen von heterogenen Erwartungen auf Wertpapierpreise und Wertpapierpreisbewegungen, Freiburg. Schrieck, R. (2008): Besser mit Behavioral Finance - Finanzpsychologie in Theorie und Praxis, München. Schweinitz, J. (1997): Renditeentwicklungen von Aktienemissionen - Overpricing beim Going Public in Deutschland, Wiesbaden. Schwert, G. W. (2003): Anomalies and market efficiency, in: Constantinides, G. M./Harris, M./Stulz, R. M. (Hrsg.): Handbook of the economics of finance, Bd. 1, Amsterdam. Schyra, A. (2013): Indices as benchmarks in the portfolio management - With special consideration of the European Monetary Union, Wiesbaden. Scott, M. C. (1996): The T. Rowe Price Approach to Investing in Growth Stocks, in: AAII Journal, S. 20–23. Seix, C./Akhoury, R. (1986): Bond indexation, in: The Journal of Portfolio Management 12 (3), S. 50–53. Selden, G. C. (1912): Psychology of the Stock Market, New York. Selten, R. (2006): Abschied von den Mythen, in: Focus (1), S. 50–53. Sernc, I. (2009): Das Leerverkaufsverbot aus internationaler Perspektive - Kapitalmarktrechtliche Analyse der Short Selling Regulierung in Deutschland, Großbritannien, Österreich und den USA und daraus resultierende Implikationen für den Kapitalmarkt, Norderstedt. Sewell, M. (2010): Behavioural Finance, Arbeitspapier. Shapiro, S. S./Wilk, M. B. (1965): An analysis of variance test for normality (complete samples), in: Biometrika 52 (3-4), S. 591–611. Sharpe, W. F. (1963): A simplified model for portfolio analysis, in: Management Science 9 (2), S. 277–293. Sharpe, W. F. (1964): Capital asset prices - a theory of market equilibrium under conditions of risk, in: The Journal of Finance 19 (3), S. 425–442. Sharpe, W. F. (1966): Mutual fund performance, in: The Journal of Business 39 (1), S. 119–138.

CII

Literaturverzeichnis

Sharpe, W. F. (1994): The Sharpe Ratio, in: The Journal of Portfolio Management 21 (1), S. 49–58. Shefrin, H. (2002): Beyond greed and fear - Understanding behavioral finance and the psychology of investing, Oxford, New York. Shefrin, H. (2008): A behavioral approach to asset pricing, 2. Aufl., Amsterdam, Boston. Shefrin, H./Statman, M. (1985): The Disposition to Sell Winners Too Early and Ride Losers Too Long - Theory and Evidence, in: The Journal of Finance 40 (3), S. 777–790. Shiller, R. J. (1987): Fashions, Fads and Bubbles in Financial Markets, in: Coffee, J. (Hrsg.): Knights, Raiders, and Targets - The Impact of the Hostile Takeover, New York, Oxford. Shiller, R. J. (2003): From Efficient Markets Theory to Behavioral Finance, in: Journal of Economic Perspectives 17 (1), S. 83–104. Shiller, R. J. (2015): Irrational exuberance, Princeton. Shleifer, A. (1986): Do demand curves for stocks slope down?, in: The Journal of Finance 41 (3), S. 579–590. Shleifer, A. (2000): Inefficient markets - An introduction to behavioral finance, Oxford, New York. Shleifer, A./Vishny, R. W. (1997): The limits of arbitrage, in: The Journal of Finance 52 (1), S. 35–55. Shon, J./Zhou, P. (2010): Do divergent opinions explain the value premium?, in: The Journal of Investing 19 (2), S. 53–62. Siegel, J. J. (1995): The Nifty-Fifty Revisited - Do Growth Stocks Ultimately Justify Their Price?, in: The Journal of Portfolio Management 21 (4), S. 8–20. Siegel, J. J. (1998): Stocks for the long run - The definitive guide to financial market returns and long-term investment strategies, 2. Aufl., New York. Simon, H. A. (1959): Theories of decision-making in economics and behavioral science, in: The American Economic Review 49 (3), S. 253–283. Singal, V. (2004): Beyond the random walk - A guide to stock market anomalies and low-risk investing, Oxford, New York. Slovic, P. (1969): Analyzing the expert judge - A descriptive study of a stockbroker's decision process, in: Journal of Applied Psychology 53 (4), S. 255–263. Slovic, P. (1972): Psychological Study of Human Judgment - Implications for Investment Decision Making, in: The Journal of Finance 27 (4), S. 779–799.

Literaturverzeichnis

CIII

Slovic, P./Fleissner, D./Bauman, W. S. (1972): Analyzing the use of information in investment decision making - A methodological proposal, in: The Journal of Business 45 (2), S. 283–301. Smith, A. (1776): An inquiry into the nature and causes of the wealth of nations, London. Söhnholz, D./Rieken, S./Kaiser, D. G. (2010): Asset Allocation, Risiko-Overlay und Manager-Selektion - Das Diversifikationsbuch, Wiesbaden. Sorensen, E. H./Shi, J./Hua, R./Qian, E. (2007): Aspects of Constrained LongShort Equity Portfolios, in: The Journal of Portfolio Management 33 (2), S. 12–20. Sortino, F. A. (2010): The Sortino framework for constructing portfolios - Focusing on desired target return to optimize upside potential relative to downside risk, Amsterdam, Boston. Sortino, F. A./Satchell, S. (2001): Managing downside risk in financial markets Theory, practice and implementation, Oxford, Boston. Spremann, K. (2008): Portfoliomanagement, 4. Aufl., München. Statman, M. (1987): How many stocks make a diversified portfolio?, in: Journal of Financial and Quantitative Analysis 22 (3), S. 353–363. Statman, M. (1995): Behavioral Finance versus Standard Finance, in: Wood, A. S. (Hrsg.): Behavioral finance and investment management, Charlottesville. Statman, M. (2005): Normal Investors, Then and Now, in: Financial Analysts Journal 61 (2), S. 31–37. Stattman, D. (1980): Book values and stock returns, in: The Chicago MBA: A Journal of Selected Papers 4, S. 24–45. Steck, G. (2004): Das System der U.S. Kapitalmarktregulierung - Aufbau, Organisation und strukturelle Änderungen durch den Sarbanes Oxley Act, in: REGEM Analysis (11), S. 1–30. Stehle, R. (2016): Fama/French Factors for Germany, https://www.wiwi.hu-berlin.de/de/professuren/bwl/bb/data/fama-french-factors-germany/fama-frenchfactors-for-germany, recherchiert am 21.05.2016. Steiner, M./Bruns, C./Stöckl, S. (2012): Wertpapiermanagement - Professionelle Wertpapieranalyse und Portfoliostrukturierung, 10. Aufl., Stuttgart. Steiner, P./Uhlir, H. (2001): Wertpapieranalyse, 4. Aufl., Heidelberg. Stock, D. (2002): Zur Relevanz von CAPM-Anomalien für den deutschen Aktienmarkt, Frankfurt am Main, New York.

CIV

Literaturverzeichnis

Stotz, O. (2004): Aktives Portfoliomanagement auf Basis von Fehlbewertungen in den Renditeerwartungen, Berlin. STOXX (Hrsg.) (2016): EURO STOXX 50® INDEX, https://www.stoxx.com/document/Bookmarks/CurrentFactsheets/SX5GT.pdf, recherchiert am 30.05.2016. Ströbele, H. (2017): Simulative Prognose der Ausfallwahrscheinlichkeit von Unternehmen, Sternenfels. Teo, M./Woo, S.-J. (2004): Style effects in the cross-section of stock returns, in: Journal of Financial Economics 74 (2), S. 367–398. Thaler, R. (1980): Toward a positive theory of consumer choice, in: Journal of Economic Behavior & Organization 1 (1), S. 39–60. Thaler, R. H. (1992): The winner's curse - Paradoxes and anomalies of economic life, Princeton. Thaler, R. H. (1999): The End of Behavioral Finance - The controversy surrounding behavioral finance is dying out as scholars accept it as simply a new way of doing financial economic research, in: Financial Analysts Journal 55 (6), S. 12–17. Tobin, J. (1958): Liquidity preference as behavior towards risk, in: The Review of Economic Studies 25 (2), S. 65–86. Tobin, J. (1969): A General Equilibrium Approach To Monetary Theory, in: Journal of Money, Credit and Banking 1 (1), S. 15–29. Treynor, J. L. (1965): How to rate management of investment funds, in: Harvard Business Review 43 (1), S. 63–75. Treynor, J. L./Black, F. (1973): How to Use Security Analysis to Improve Portfolio Selection, in: The Journal of Business 46 (1), S. 66–86. Treynor, J. L./Mazuy, K. (1966): Can Mutual Fund Outguess the Market?, in: Harvard Business Review 44, S. 131–136. Tversky, A./Daniel, K. (1986): Rational choice and the framing of decisions, in: The Journal of Business 59 (4), S. 251–278. Tversky, A./Kahneman, D. (1974): Judgment under Uncertainty - Heuristics and Biases, in: Science 185 (4157), S. 1124–1131. Tversky, A./Kahneman, D. (1981): The framing of decisions and the psychology of choice, in: Science 211 (4481), S. 453–458. Unser, M. (1999): Behavioral Finance am Aktienmarkt - Empirische Analysen zum Risikoverhalten individueller Anleger, Bad Soden.

Literaturverzeichnis

CV

van Aubel, P. (2000): Anleiherating und Bonitätsrisiko - Eine empirische Untersuchung der Renditespreads am deutschen Markt, Dresden. van der Hart, J./de Zwart, G./van Dijk, D. (2005): The success of stock selection strategies in emerging markets - Is it risk or behavioral bias?, in: Emerging Markets Review 6 (3), S. 238–262. Vayanos, D./Woolley, P. (2013): An institutional theory of momentum and reversal, in: Review of Financial Studies 26 (5), S. 1087–1145. Verardo, M. (2009): Heterogeneous beliefs and momentum profits, in: Journal of Financial and Quantitative Analysis 44 (4), S. 795–822. Voigt, M. (2013): Das große Buch der Markttechnik - Auf der Suche nach der Qualität im Trading, 9. Aufl., München. von Neumann, J./Morgenstern, O. (1947): Theory of games and economic behavior, 2. Aufl., Princeton. Wagner, H. (1993): Kreditwürdigkeitsprüfung heißt - Unternehmensbewertung, in: Junker, K./Priewasser, E. (Hrsg.): Handbuch Firmenkundengeschäft - das Firmenkundengeschäft auf dem Weg ins 21. Jahrhundert, Frankfurt am Main. Wahren, H.-K. E. (2009): Anlegerpsychologie, Wiesbaden. Wallmeier, M. (2000): Determinanten erwarteter Renditen am deutschen Aktienmarkt - eine empirische Untersuchung anhand ausgewählter Kennzahlen, in: Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung 52, S. 27– 57. Wang, P./Kochard, L. (2012): Using a Z-score approach to combine value and momentum in tactical asset allocation, in: The Journal of Wealth Management 15 (1), S. 52–71. Warfsmann, J. (1993): Das Capital Asset Pricing Model in Deutschland - Univariate und multivariate Tests für den Kapitalmarkt, Wiesbaden. Wazynski, T. (2016): Finanzierungsentscheidungen multinationaler Unternehmen - Eine empirische Analyse der Auswirkungen der globalen Finanzkrise auf börsennotierte Unternehmen aus Deutschland, Frankreich und Italien, Sternenfels. Weißensteiner, C. (2014): Reputation als Risikofaktor in technologieorientierten Unternehmen, Wiesbaden. Whitman, M. J. (1999): Value investing - A balanced approach, New York. Whitman, M. J./Diz, F. (2013): Modern security analysis - Understanding Wall Street fundamentals, Hoboken.

CVI

Literaturverzeichnis

Wiehle, U./Diegelmann, M./Deter, H./Schömig, P. N. (2011): 100 Finanzkennzahlen, 4. Aufl., Wiesbaden. Wilhelm, J. (1992): Fristigkeitsstruktur und Zinsänderungsrisiko - Vorüberlegungen zu einer Markowitz-Theorie des Bond-Portfolio-Management, in: Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung (44), S. 209–246. Wilhelm, S. (2001): Kapitalmarktmodelle - Lineare und nichtlineare Modellkonzepte und Methoden in der Kapitalmarkttheorie, Frankfurt am Main, New York. Wilkens, M./Scholz, H. (1999): Von der Treynor-Ratio zur Market Risk-Adjusted Performance - Zusammenhang und Diskussion grundlegender Performancemaße, in: Finanz-Betrieb 1 (10), S. 308–315. Will, M. G. (2012): Eine kurze Ideengeschichte der Kapitalmarkttheorie - Fundamentaldatenanalyse, Effizienzmarkthypothese und Behavioral Finance, Halle. Williams, J. B. (1938): The Theory of Investment Value, Cambridge. Wilmanns, J. (2001): Anlagestile und Performance von Investmentfonds, Dortmund. Wittmann, M. (2012): Einfluss von finanziellen und immateriellen Informationen auf die Aktienkursperformance - Eine empirische Analyse europäischer Unternehmen und Weiterentwicklung gängiger Kapitalmarktmodelle, Lohmar. Wittrock, C. (2000): Messung und Analyse der Performance von Wertpapierportfolios - Eine theoretische und empirische Untersuchung, 3. Aufl., Bad Soden. Wöltje, J. (2011): Betriebswirtschaftliche Formelsammlung, 5. Aufl., München. Wooldridge, J. M. (2009): Introductory econometrics - A modern approach, 4. Aufl., Mason, Ohio. Working, H. (1934): A Random-Difference Series for Use in the Analysis of Time Series, in: Journal of the American Statistical Association 29 (185), S. 11–24. Wright, C./Banerjee, P./Boney, V. (2008): Behavioral finance - Are the disciples profiting from the doctrine?, in: The Journal of Investing 17 (4), S. 82–90. Xiao, Y./Arnold, G. C. (2008): Testing Benjamin Graham's net current asset value strategy in London, in: The Journal of Investing 17 (4), S. 11–19. Xu, K./Fisher, G. (2006): Myopic Loss Aversion and Margin of Safety - The Risk of Value Investing, in: Quantitative Finance 6 (6), S. 481–494.

Literaturverzeichnis

CVII

Yan, Z./Zhao, Y. (2010): New evidence on value investing in emerging equity markets, in: Applied Financial Economics 20 (24), S. 1839–1849. Yee, K. K. (2008): Deep-value investing, fundamental risks, and the margin of safety, in: The Journal of Investing 17 (3), S. 35–46. Yeh, I.-C./Hsu, T.-K. (2010): Growth value two-factor model, in: Journal of Asset Management 11 (6), S. 435–451. Yu, F. (2005): Accounting transparency and the term structure of credit spreads, in: Journal of Financial Economics 75 (1), S. 53–84. Yu, S./Rentzler, J./Wolf, A. (2004): Long-Short Strategies may not be FactorNeutral, in: The Journal of Investing 13 (3), S. 44–53. Zacks, L. (2011): The handbook of equity market anomalies - Translating market inefficiencies into effective investment strategies, Hoboken. Zhang, L. (2005): The value premium, in: The Journal of Finance 60 (1), S. 67– 103. Ziegler, A./Schröder, M./Schulz, A./Stehle, R. (2007): Multifaktormodelle zur Erklärung deutscher Aktienrenditen - Eine empirische Analyse, in: Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung 59 (3), S. 355–389.

Schriftenreihe Finanzierung und Banken Herausgeber: Prof. Dr. Detlev Hummel Band 1: Roland Hübner: Terminbörsliche Immobilienderivate für Deutschland, 2002. Band 2: Philip Steden: Marktorientierte Bankenregulierung. Eine ökonomische Analyse unter besonderer Berücksichtigung der Einlagensicherung, 2002. Band 3: Marc Brüning: Corporate Finance als europäische Option im mittelstandsorientierten Bankgeschäft, 2002. Band 4: Peter Claudy: Projektfinanzierungen in Emerging Markets. Eine institutionenökonomische Analyse, 2002. Band 5: Sven Deglow: Vertriebs-Controlling in Bausparkassen. Aufgaben und Instrumente einer Controlling-Konzeption zur Koordination der Vertriebswege, 2003. Band 6: David Mbonimana: Internationalisierungsstrategien von Banken – Kooperation versus Akquisition. Eine historische und vergleichende Analyse am Beispiel deutscher Großbanken, 2005. Band 7: Julia Plakitkina: Bankenstrukturen und Systemrisiken – eine ökonomische Analyse Russlands im internationalen Vergleich, 2005. Band 8: Florian Bolte: Auswirkungen des Schuldenmanagements auf Renditedifferenzen zwischen Anleihen öffentlicher Emittenten des Euro-Währungsgebietes, 2005. Band 9: Annett Ullrich: Finanzplatz Berlin – Entstehung und Entwicklung, 2005. Band 10: Holger Blisse: Stärkung der Kreditgenossenschaften durch verbundbezogenes Eigenkapital der Mitglieder. Ein Beitrag zur Corporate Governance-Diskussion, 2006. Band 11: Tobias Hofmann: Asset Management mit Immobilienaktien, 2006. Band 12: Bert Helwing: Qualitative Bewertung von Kapitalbeteiligungsgesellschaften – Eine empirische Analyse ausgewählter Bewertungskriterien und ihr Einfluss auf die Rendite und das Beteiligungsvolumen, 2008. Band 13: Michael Behrens: Turnaround Finance – eine Analyse der Kapitalzufuhr im Krisenfall des Mittelstandes, 2008. Band 14: Jana Gersch: Studienfinanzierung durch Kreditinstitute, 2009. Band 15: Christian Wildmann: Portfolioinvestitionen in Emerging Capital Markets. Portfolioinvestitionen im Kontext von Entwicklungsaspekten aufstrebender Kapitalmärkte, 2011. Band 16: Rolf-Peter Mikolayczyk: Veränderungen des US-Bankensystems als Wurzel der Bankenkrise von 2008, 2011. Band 17: Holger Seidel: Innovative Venture Capital-Investments über Dachfonds, 2011. Band 18: Markus Tischer: Effizienzmessung im Sparkassensektor am Beispiel regionaler Cluster, 2011. Band 19: Peter Brodehser: Internationale Projektfinanzierung – Strukturen und Instrumente der Bankintermediation, 2012. Band 20: Arno Richter: Finanzierung kleiner und mittlerer Unternehmen – eine theoretische und empirische Analyse sowie Besonderheiten in Ostdeutschland, 2012. Band 21: Nick Dimler: Anlagepolitik öffentlicher Versorgungsrücklagen deutscher Bundesländer und kapitalmarktfundierte Strategieentwicklung, 2013. Band 22: Robert Mülhaupt: Einflussfaktoren der Informationseffizienz von Aktienmärkten. Eine Analyse der Rolle von Transparenzanforderungen und Aktien-Analysten in den CEE-3, 2014. Band 23: Thomas Schneider: Analyse europäischer Finanzverbünde und Perspektiven der deutschen Sparkassen-Finanzgruppe – Zentralisation: Notwendigkeit oder Fiktion? Entwicklungsaspekte in der Sparkassenorganisation im europäischen Vergleich, 2015. Band 24: Nicolas Edling: Treasury-Management Internationaler Unternehmen, 2015. Band 25: Boris Karcher: Finanzierung und Förderung innovativer KMU in Deutschland, 2015.

Band 26: Marco Pedrotti: Das Stakeholder-Banking im europäischen Kontext. Ein theoretischer und empirischer Vergleich des deutschen und italienischen Bankenmarktes, 2015. Band 27: Manuel Effenberg: Syndizierungsmotive und strategische Positionierung von Venture Capital Gesellschaften, 2016. Band 28: Tim Wazynski: Finanzierungsentscheidungen multinationaler Unternehmen, 2016. Band 29: Heiko Ströbele: Simulative Prognose der Ausfallwahrscheinlichkeit von Unternehmen, 2017. Band 30: Marin Schneider: Kapitalmarktanomalie Value versus Growth. Eine empirische Analyse des Value Effekts bei Aktien und Anleihen, 2018.