Institutional Money, Ausgabe 2 | 2020
tion der Komponentenportfolios Risk Parity outperformen könnte, denn Risk Parity ge- neriert kein signifikantes Alpha. Besseres Risiko-Ertrags-Profil Geht man davon aus, dass die Volatilitäts- und die Korrelationskomponente einen Großteil der Risk-Parity-Portfoliorendite erklären können, liegt die Idee nahe, Port- folios aus diesen beiden Komponenten zu konstruieren. Sie weisen ein besseres Risi- ko-Ertrags-Profil auf als ein Risk-Parity- Portfolio, behalten dabei aber die generellen Eigenschaften des Ansatzes bei. Die Auto- ren konstruieren 2.000 Linearkombinations- portfolios, wobei die Gewichtungen der beiden Komponentenportfolios innerhalb einer Bandbreite von 150 Prozent / minus 50 Prozent sowie minus 50 Prozent / 150 Prozent liegen. Dabei stellt sich heraus, dass jedes der beiden Komponentenportfolios einen höheren annualisierten Ertrag und eine höhere Volatilität erzeugt als Risk Parity, allerdings schlägt weder das Volati- litäts- noch das Korrelationsportfolio das Risk-Parity-Portfolio durchgängig im Mean- Variance-Kontext. Eine „gute“ Kombination von Volatilitäts- und Korrelationskompo- nente kann Risk Parity in Bezug auf Mean Variance zwar schlagen, eine „schlechte“ allerdings ungünstigere Risiko-Ertrags- Eigenschaften aufweisen als Risk Parity. Es erhebt sich somit die Frage, woran man festmachen kann, in welchen Perioden die Volatilitäts- oder die Korrelationskompo- nente eine überlegene Performance liefern könnte – und hier kommt der Timing- Aspekt ins Spiel. Genützt werden kann das Faktum, wonach Korrelationen in Rezessio- nen ansteigen, sodass Diversifikation auf der Basis von Korrelationen schwierig wird. Andererseits gilt in expansiven Wirtschafts- phasen, dass die Assetpreise steigen und gleichzeitig die Volatilitäten sinken. Es liegt somit nahe, Korrelations- und Volatilitäts- daten bei der Diversifikation des Portfolio- risikos zu nutzen. Es biete sich nach Ein- schätzung der Autoren an, Volatilitäten in Rezessions- und Korrelationen in Expan- sionsphasen zu verwenden, um die Risiko- Ertrags-Eigenschaften von Risk Parity zu verbessern. Timing bei Risk Parity Genau das hat der WHU-Forscher getan, wobei er Daten zum Wirtschaftszyklus vom amerikanischen National Bureau of Econo- mic Research heranzog. Die Komponenten- Timing-Strategie sieht vor, in Zeiten einer wirtschaftlichen Kontraktion die Volatilitäts- komponente und in Phasen der Hochkon- junktur die Korrelationskomponente anzu- wenden. Die Tabelle „Timing-Strategie schlägt Risk Parity“ stellt einander die Ri- siko-Ertrags-Eigenschaften und die Korrela- tionen des Risk-Parity-, des Timing-, des Vo- latilitätskomponenten-, des Korrela- tionskomponenten- sowie des Gleichge- wichtungs- und des Minimum-Varianz-Port- folios gegenüber. Betrachtet man die Korre- lationen der Portfolioerträge, so sind sie mit Werten innerhalb der Bandbreite von 0,75 bis 0,99 ziemlich hoch, aber alle statistisch signifikant von eins unterschiedlich. Volati- litäts- und Risk-Parity-Portfolios zeigen leicht höhere Renditen und Volatilitäten als das Minimum-Varianz-Portfolio, während das Korrelationsportfolio leicht bessere Ertrags-Risiko-Eigenschaften zeigt als das Gleichgewichtungsportfolio. Das Timing-Portfolio zeigt eine signifi- kante Verbesserung gegenüber allen ande- ren Strategien mit einer Sharpe Ratio von 0,73. Dazu zeigt das Timing-Portfolio die geringste Kurtosis. Betrachtet man das Kon- zentrationsmaß HHI (Herfindahl-Hirsch- man-Index), so liegt das Timing-Portfolio fast gleichauf mit dem Gleichgewichtungs- und dem Korrelationsportfolio bei den am wenigsten konzentrierten Portfolioansätzen. Summa summarum lässt sich also sagen, dass das Timing-Modell die Performance von Risk Parity wie auch der Teilkompo- nenten verbessert. DR. KURT BECKER Timing-Strategie schlägt Risk Parity Die Timing-Strategie überzeugt mit Sharpe Ratio und geringer Konzentration. (A) KORRELATION DER PORTFOLIOERTRÄGE Portfolios Gleichgewichtung Minimum-Varianz Risk Parity Volatilitätskomp. Korrelationskomp. Timing Gleichgewichtung 1 0,71 0,86 0,91 0,99 0,95 Minimum-Varianz 0,71 1 0,96 0,92 0,75 0,83 Risk Parity 0,86 0,96 1 0,99 0,89 0,93 Volatilitätskomponenten 0,91 0,92 0,99 1 0,92 0,95 Korrelationskomponenten 0,99 0,75 0,89 0,92 1 0,95 Timing 0,95 0,83 0,93 0,95 0,95 1 (B) SUMMARISCHE STATISTIK DER PORTFOLIOS Portfolio Gleichgewichtung Minimum-Varianz Risk Parity Volatilitätskomp. Korrelationskomp. Timing Return in % p. a. 6,36 5,77 5,93 6,04 6,26 7,03 Volatilität 8,23 5,29 5,65 5,96 7,73 6,79 Schiefe −0,37 −0,11 −0,15 −0,20 −0,33 −0,18 Wölbung (Kurtosis) 9,36 7,05 6,80 6,84 9,43 5,80 Sharpe Ratio 0,52 0,69 0,68 0,66 0,54 0,73 Herfindahl-Hirschman-Index 33,33 % 46,75 % 40,03 % 38,15 % 33,51 % 34,41 % Die Korrelationen der Portfolioerträge (oben) sind alle ziemlich hoch, aber samt und sonders statistisch signifikant (Konfidenz: 99 Prozent) von eins unterschiedlich (markiert durch ***). Die Sharpe Ratios (unten) des Minimum-Varianz-, des Risk-Parity- und des Volatilitäts-portfolios liegen nur wenig unter 0,7, das Gleichgewichtungsportfolio und das Korrelationsportfolio weisen eine Sharpe Ratio von 0,54 beziehungsweise 0,52 auf. Das Timing-Portfolio zeigt eine signifikante Verbesserung mit einer Sharpe Ratio von 0,73. Quelle: Studie 126 N o. 2/2020 | www.institutional-money.com T H E O R I E & P R A X I S : R I S K PAR I T Y
Made with FlippingBook
RkJQdWJsaXNoZXIy ODI5NTI=