Institutional Money, Ausgabe 3 | 2020

wertvollen Beitrag zur Prognose der Fonds- performance bereitstellt, bezweifeln etliche andere Autoren die Aussagekraft der Kenn- zahl (Schlanger, Philips und LaBarge 2012, Cohen, Leite, Nielson und Browder 2014 sowie Frazzini, Friedman und Pomorski 2016). Christopher S. Jones und Haitao Mo zeigten 2017 in einer Out-of-Sample-Repli- kation („Out-of-Sample Performance of Mutual Fund Predictors“), dass an der Oberfläche die Argumentation zugunsten des Active Share gestützt wird, räumten aber gleichzeitig ein, dass ihre standardisier- te Messmethode für die Evaluierung der Kennzahl nicht geeignet sein könnte. Warum Separate Accounts? Angesichts der Wichtigkeit der Diskus- sion um die empirische Validität des Active Share als Performanceprognosetool zog die Arbeit von Cremers , Fulkerson und Riley eine Out-of-Sample-Stichprobe heran, die auf aktive gemanagte US-Aktien in Sepa- rate Accounts abstellt. Diese Separate Ac- counts, manchmal auch (Separatedly) Ma- naged Accounts genannt, sind alles andere als eine Nische, wie man vielleicht glauben könnte. Vielmehr repräsentieren sie laut dem Office of Financial Research mehr als doppelt so viel Kapital wie US-Aktien- fonds. Diese Konten verfolgen fondsähnli- che Strategien, sind aber geschlossen und unterliegen geringeren Offenlegungspflich- ten. Dass eine Studie zumActive Shares auf dieses Marktsegment referenziert, ist den- noch ein Novum. Die untersuchte Stichpro- be basiert auf Daten von eVestments und besteht aus 3.283 Separate Accounts. Der Analysezeitraum erstreckt sich über das Zeitfenster von Juli 2007 bis Juni 2016. Damit besteht keine zeitliche Überlappung mit der Studie von Cramers und Petajisto von 2009, deren Analysezeitraum 2003 en- dete. Im Schnitt weisen diese Accounts ein Alpha von minus 52 Basispunkten pro Jahr auf, und der Active Share liegt im Schnitt bei 81 Prozent. Diese Ergebnisse ähneln im Übrigen jenen analogen Analysen zu US- Aktienfonds des gleichen Autorentrios. Biases Erwähnenswert ist, dass es in der Stich- probe gleich mehrere Verzerrungen gibt. So ist die Meldung von Daten an eVestments nicht verpflichtend und hat daher eine ge- wisse Schieflage in Richtung von Ergebnis- sen, die gut genug sind, um in den Augen der Einmelder auch präsentabel zu sein. Und dann ist da noch der stark ins Gewicht fallende Backfill Bias, sprich: ein erhebli- cher Teil der Daten wird rückwirkend ge- meldet. Ganze 53 Prozent der Monatsrendi- tendatenpunkte der Separate Accounts wur- den erst im Nachhinein aufgefüllt. Der An- teil der Backfill-Renditen ist aber nicht kon- stant. Wie die Grafik „Backfill-Problema- tik“ illustriert, sind alle Monatsrenditewerte der Separate Accounts bis Januar 2007 nachträglich aufgefüllt worden. Von diesem Zeitpunkt an reduziert sich der Backfill- Anteil auf 61 Prozent bis Januar 2010. Ab Februar 2010 bis zum Ende der Stichprobe mit Juni 2016 ist das Backfilling kein Pro- blem mehr, weil im Schnitt nur 2,8 Prozent der Monatsrenditen nachträglich der Daten- basis zur Verfügung gestellt wurden. Das Autorentrio untersuchte, ob durch die Mög- lichkeit der nachträglichen Beschickung der Datenbank ein Backfill Bias in den Daten vorliegt. Man würde ja vermuten, dass diese nachträgliche Befüllung vor allem dann geschieht, wenn die späteren Einträge starke Monatsrenditen umfassen. Sind die nachträglich gemeldeten Mo- natsrenditen nun systematisch verschieden von den gleich gemeldeten? Die Antwort gibt die Tabelle „Verhältnis zwischen Back- fill und Performance“. Hier werden Exis- So alt wie der Wunsch, aus Fondskennzahlen die zukünftigen Ertragspotenziale eines Ansatzes ableiten zu können, so regelmäßig kommt es dabei zu Enttäuschungen, weil sich im Lauf der Zeit herausstellt, dass sich die für ein historisches Zeitfenster berechneten positiven Ergebnisse in der Realität nicht wiederholen lassen. N o. 3/2020 | www.institutional-money.com 113 T H E O R I E & P R A X I S : AK T I VE S MANAGEMENT