Institutional Money, Ausgabe 4 | 2024

Volatilität) im Vergleich zu den passiven Benchmarkport- folios. Im Einklang mit der auf dem MSPE in der Tabelle „Multivariate Sektorprognosen“ basierenden Analyse kommen die Autoren zu dem Schluss, dass das beste Renditepro- gnosemodell der zielrelevante Faktoransatz (TRF) ist, gefolgt vom Konsensus (Durchschnitt aller Prognosemodelle) und der Lasso-Prognose. TRF liefert die höchste Out-of-Sample- Performance und übertrifft den Markt und das passive 1/N- Portfolio auf hochsignifikantem Niveau. Die Studie von Bessler und Wolff liefert neue Erkennt- nisse zur Vorhersagbarkeit von Aktienrenditen, indem sie sich auf Sektorrenditen konzentriert. Theoriegemäß und auch nach der Empirie sollte es gar nicht möglich sein, den Markt mit einem Asset-Allocation-Ansatz auf Basis von Sektorallokationen nachhaltig zu schlagen. Doch optimale Asset-Allocation-Modelle, die auf multivariaten Renditepro- gnosen auf Sektorebene basieren, scheinen dies schaffen zu können, wie die vorgestellten Resultate zeigen. Wenn man sich alternativ auf die Fama-French-Branchen- portfolios konzentriert, so stellt man fest, dass eine detaillier- tere Prognose und Allokation über 17 Branchen statt über sechs Sektoren nicht systematisch besser abschneidet. Beim Wechsel von sechs Sektoren zu 17 Branchen ist der relative Diversifikationsvorteil begrenzt, da beide Universen eine ähnliche Anzahl von Aktien enthalten und die Korrelatio- nen der Branchenrenditen innerhalb eines Sektors hoch sind.Die Nachteile eines detaillierteren Branchenuniversums liegen in den höheren Prognosefehlern aufgrund der größe- ren Anzahl von Parameterschätzungen und der höheren Transaktionskosten. Die neuen Ergebnisse von Bessler und Wolff legen nahe, dass erstens Renditeprognosemodelle für Sektoren bessere Renditeprognosen liefern und dass zweitens die Einbezie- hung dieser Renditeprognosen in Portfoliooptimierungs- modelle wie das Black-Litterman-Modell zu besseren Asset- Allocation-Entscheidungen und folglich zu höheren risiko- adjustierten Renditen für Investoren führt. Um festzustellen, ob die verwendeten Methoden und Ansätze auch in Zukunft sowie für andere Anlageklassen und Zeiträume dauerhaft eine geeignete Benchmark übertreffen werden, muss weiterführende Kapitalmarktforschung betrieben werden. Bisher haben die beiden Autoren ihre Studie auf US-Sektorindizes beschränkt. Die Einbeziehung verschie- dener Anlageklassen wie weltweiter Aktien- und Anleihen- indizes sowie verschiedener Rohstoffgruppen in die Asset- Allocation-Entscheidungen und die Verwendung von Ren- diteprognosemodellen für alle Anlageklassen könnten zu noch höheren risikobereinigten Renditen führen. Die Ana- lyse der Renditeprognostizierbarkeit und die Portfolioopti- mierung für diese zusätzlichen Anlageklassen bleiben somit zukünftigen Untersuchungen überlassen. DR. KURT BECKER Analyse der Sektorprognosen in der Asset Allocation Der zielrelevante Faktoransatz (TRF) sticht besonders positiv hervor. Performancekenngrößen Return Volatilität Sharpe Ratio Omega CER 1 CER-Gewinn Portfolioumschlag Break-Even TK 2 Markt 10,39 % 15,14 % 0,46 1,41 0,05 0,00 % 0,00 1/N 11,21 % 14,47 % 0,54 1,49 0,06 1,32 % 0,00 Kum. histor. Durchschnitte 12,32 % 12,41 % 0,72** ˟ 1,72 0,08 3,82 % 2,11 1,81 % Gleit. 60-Mon.-Durchschn. 13,79 % 13,54 % 0,77** ˟ 1,80 0,09 4,55 % 2,92 1,55 % OLS 16,68 % 16,79 % 0,79* 2,20 0,10 4,98 % 22,48 0,22 % SIC-3 14,79 % 14,49 % 0,79* ˟ 1,98 0,10 4,88 % 7,27 0,67 % Lasso 12,90 % 10,30 % 0,93** ˟˟ 2,03 0,10 5,59 % 6,79 0,82 % Hauptkomponenten 13,56 % 11,39 % 0,90** ˟˟ 1,91 0,10 5,66 % 3,71 1,53 % TRF 16,92 % 12,33 % 1,10** ˟˟ + 2,31 0,13 8,46 % 7,12 1,19 % FC-MSPE-w.avrg. 12,80 % 11,93 % 0,79** ˟˟ 1,78 0,09 4,59 % 2,20 2,09 % FC-VS-MSPE-w.avrg. 13,11 % 11,48 % 0,85** ˟˟ 1,84 0,10 5,15 % 2,91 1,77 % Konsensus (Durchschnitt) 14,45 % 11,42 % 0,97** ˟˟ 2,06 0,11 6,54 % 7,11 0,92 % Die Tabelle zeigt die Portfolio-Performancekennzahlen für einen Investor, der monatlich die sechs US-Sektoren allokiert, auf Basis des jeweiligen Prognose- modells (1. Spalte). Die Asset Allocation basiert auf dem Black-Litterman-Modell (BL). Die 1. Zeile zeigt die Performance des US-Aktienmarktindex, die 2. die Perfor- mance des passiven 1/N Sektor-Portfolios als Benchmark. 1 CER ist die sicherheitsäquivalente Rendite. 2 Break-Even Transaktionskosten. *, ** ( ˟ , ˟˟ ) und [ + , ++ ] wei- sen auf eine statistisch signifikant höhere Sharpe Ratio im Vergleich zum Markt (dem Buy-and-Hold-1/N-Portfolio) respektive [dem BL-optimierten Portfolio auf der Grundlage des kumulierten historischen Durchschnitts als Renditeprognose] auf dem 95/99-%-Niveau hin. Analysezeitraum: 1/1989 bis 12/2013. Quelle: Studie 86 N o . 4/2024 | institutional-money.com THEORIE & PRAXIS | Asset Allocation » Unterschiedliche Risikofaktoren bestimmen die Renditen der Sektoren, die im Lauf eines Zyklus erheblich voneinander abweichen. « Prof. Dr. Dominik Wolff, Vertretungsprof. ABWL, Frankfurt University of Applied Sciences; Head of Quant Research, Deka Investment