Institutional Money, Ausgabe 2 | 2024
(Arizona State University), Aaron Burt (University of Okla- homa) und Christopher Hrdlicka (University of Washing- ton) argumentiert für eine recht hohe Zahl relevanter Fak- toren. Die Forscher untersuchen rollierende 60-Monats-Zeit- räume, was die zeitliche Variation der Faktoren berücksich- tigt, und konzentrieren sich auf die out of sample erzielten Sharpe Ratios. Im Durchschnitt verbessern sich die Ergeb- nisse dabei weiter, wenn bis zu rund 40 Faktoren in das Modell einbezogen werden. Das deutet darauf hin, dass die Informationen einzelner Faktoren in erheblichem Umfang nicht redundant sind. Allerdings schwankt die genaue An- zahl im Lauf der Zeit erheblich (siehe Grafik „Schwankende Anzahl relevanter Faktoren“) . Interessant ist auch, dass sich die relevanten Faktoren im Lauf der Zeit verändern, was die Autoren mit der dynami- schen Natur der Märkte begründen.Dieser Wandel vollzieht sich nicht abrupt, weshalb Schätzungen, die in vergleichs- weise kurzen In-Sample-Perioden gebildet wurden, in den nachfolgenden Out-of-Sample-Perioden in der Regel noch relevant sind. Die Faktoren scheinen also eine gewisse Per- sistenz aufzuweisen.Diese Ergebnisse widersprechen der ver- breiteten Sichtweise, dass die Anzahl aussagekräftiger Fakto- ren dauerhaft abnehmen muss oder dass Faktoren ver- schwinden, sobald sie in der Literatur dokumentiert wur- den. In der Praxis scheinen erfolgreiche Faktoren nicht ohne Weiteres „wegarbitriert“ zu werden. Allerdings gibt es auch Studien, in denen der Faktorzoo stärker eingedampft wird. So zum Beispiel im Paper „Factor Zoo“, das in enger Zusammenarbeit zwischen der Lancaster University und Robeco entstand.Darin untersuchen Alexan- der Swade, Matthias Hanauer, Harald Lohre und David Die wissenschaftlichen Arbeiten zum Thema „Faktorinvestment“ füllen mittlerweile Bibliotheken. Für Investoren, die sich für die Konzepte in der praktischen Umsetzung interessieren, ist es inzwischen schwierig, sich in diesem Irrgarten der akademischen Meinungen zurechtzufinden. Top-10-Faktoren Schrittweise Faktorselektion Faktor Alpha Kumulative Sharpe Ratio Excess Market Return 3,91 % 0,14 Cash-based Operating Profits to Book Assets 3,94 % 0,39 Change in Net Operating Assets 2,15 % 0,51 Sales Growth (1 Quarter) 1,51 % 0,58 Intrinsic Value-to-Market 1,51 % 0,62 Residual Momentum t-12 to t-1 1,43 % 0,66 Years 6–10 Lagged Returns, Annual 1,24 % 0,71 Debt-to-Market 1,47 % 0,74 Years 6–10 Lagged Returns, Nonannual 1,30 % 0,76 Number of Zero Trades (12M) 0,77 % 0,78 Die Tabelle zeigt die Top Ten von insgesamt 153 Faktoren eines iterativen Modells für US- Daten (Zeitraum: Nov. 1971 bis Dez. 2021). Die statistische Aussagekraft gilt hier angesichts des verwendeten Data-Mining-Ansatzes aber nur rückblickend. Zudem klingen nicht alle Faktoren kausal überzeugend. Quelle: Swade, A. / Hanauer, M. X. / Lohre, H. / Blitz, D. (2023), Factor Zoo, S. 23 N o . 2/2024 | institutional-money.com 135 Faktorstrategien | THEORIE & PRAXIS FOTO: © GMF
Made with FlippingBook
RkJQdWJsaXNoZXIy ODI5NTI=