Institutional Money, Ausgabe 4 | 2021

ventionelle und weitläufig benutzte Fakto- ren wie das zwölfmonatige zeitversetzte Momentum und Value, repräsentiert durch die Dividendenrendite respektive die Anlei- henrendite. Der interessanteste Koeffizient ist hier b h bei der Variablen für das Kredit- wachstum. Die Grafik „Prognostizierte hy- pothetische Gesamtrendite“ illustriert für Aktien und Bonds, wie sich der Total Re- turn jeweils verändert, wenn sich ein Schock von einer Standardabweichung beim Kreditwachstum auf einen Horizont von fünf Jahren entwickelt. Die alles entscheidende Frage allerdings ist, ob der Koeffizient des Kreditwachstums statistisch signifikant ist. Die Untersuchun- gen zeigen, dass er dies für Aktien nicht, für Anleihen in den Jahren eins bis fünf aber sehr wohl ist. Davis und Taylor finden ebenso heraus, dass größere Kreditbooms Hand in Hand mit der Underperformance von Aktien gegenüber Anleihen gehen. Si- muliert man einen Schock, indem man die Kennzahl für das Kreditwachstum mit einer Standardabweichung nach oben setzt, dann fällt der prognostizierte Gesamtertrag von Aktien in den ersten drei Jahren nach dem Schock um 250 bis 300 Basispunkte pro Jahr. Die Prognose für den Anleihen-Ge- samtertrag bleibt aber im Wesentlichen unverändert. Diese Ergebnisse unterstützen die An- sicht, dass aus der Prognoseperspektive Signale auf Basis des Kreditwachstums eine bestimmte Information über Assetklassen- renditen beinhalten, die in den Makro-Daten oder Standardfaktoren wie Value und Mo- mentum nicht enthalten ist. Globaler Backtest Hier geht es um die Frage, ob globale Portfolios, die stärker in Richtung von Län- dern mit einem schwächer boomenden Kre- ditwachstum aufgestellt sind, jene Portfolios outperformen, die sich mehr den Ländern mit stärkerem Kreditwachstum zuwenden. Können solche Lösungen auch jene Port- folios schlagen, die aufgrund traditioneller Faktoren wie Momentum und Value gebil- det werden? Dafür verändern Davis und Taylor denselben Indikator für das Kredit- wachstum, den sie der Einfachheit halber Leverage-Faktor nennen. In jedem Jahr ord- nen sie die 14 Industrieländer nach dieser Variable relativ zu ihrem länderspezifischen 20-Jahres-Durchschnitt. Ränge werden auch in Bezug auf Momentum – hier erfolgt die Reihung hinsichtlich der Rendite des ver- gangenen Jahres – und Value verwendet, wo auf die reale Aktienrendite beziehungs- weise die reale Bondrendite nach Abzug der Zehn-Jahres-Durchschnittsinflation abge- stellt wird. Das Leverage-(L)-Ranking ist invers (hoher Hebel bedeutet Risiko), bei Value (V) und Momentum (M) hingegen nicht invers. Diese Reihung nach Rängen erfolgt für Aktien-, Renten- und 60:40- Mischportfolios. Dabei werden die L-, V- und M-Portfolios so gebildet, dass in die Länder mit einem Top-Terzil-Rating long und in die des dritten Terzils short investiert wird. Es handelt sich bei den L-, V- und M- Portfolios somit um reine Long/Short-Port- folios, die Überschussrenditen generieren. Die Sharpe Ratios der Überschussrendi- ten aus den L/S-Portfolios zeigt die gleich- namige Tabelle an. Dabei wurde für jeweils drei Zeitfenster die Sharpe Ratio gebildet. Hintergrund ist, dass es vor 1958 keine ver- lässlichen Value-Signale gibt, sodass hier nur das Kredit- oder Leverage-Signal wie- dergegeben wird. Im Aktiensegment erzie- len die auf dem Leverage-Faktor basieren- den Portfolios die höchsten Sharpe Ratios der Single-Faktor-Ansätze. Sowohl für Ak- tien- als auch Anleihen- und Mischport- folios sind die Sharpe Ratios bei Multi-Fak- tor-Ansätzen dann am höchsten, wenn in diesen Faktorkombinationen der L-Faktor – und damit der Kreditfaktor – enthalten ist. Der Kreditfaktor ist also von Belang, und das Kreditwachstum hat einen Prognose- wert für die Renditen von Assetklassen und damit für Allokationsentscheidungen. Zeitreihenanalyse bestätigt Resultate In einem weiteren Schritt zeigen Davis und Taylor, dass der Kreditfaktor auch bei der Verwendung von Zeitreihendaten von Bedeutung ist. Zu diesem Zweck erweitern sie die Analyse in zwei Richtungen: Zum einen verwenden sie ein Prognosemodell für die Renditen der Assets auf Basis der Positionierung im Kreditzyklus und anderer Faktoren. Zum anderen brechen sie mit der Beschränkung einer hundertprozentigen Long-only-Allokation in Aktien und Anlei- hen, um long und short mit Leverage gehen zu können, wobei die Ausgleichsposition von US-T-Bills übernommen wird. Der Ansatz entspricht einem rekursiven Out-of-Sample-Backtesting, bei dem die jährlichen Renditeschätzungen des Modells für Aktien und Anleihen dazu verwendet werden, um das Markowitz-Aktien-/Anlei- hen-Allokationsproblem für jedes Land zu lösen. Dabei wird derselbe Typus Regres- sionsmodell wie zuvor verwendet, um rol- Sharpe Ratios der Überschussrenditen aus den L/S-Portfolios Excess Returns für Aktien-, Anleihen- und Mischportfolios über drei Zeiträume (1) (2) (3) No Signals Single Signals Multiple Signals (a) EQUITY NULL L M V MV ML VL MVL 1890–2015 0,455 0,489 — — — — — — 1958–2015 0,496 0,579 0,399 0,567 0,496 0,503 0,593 0,537 1980–2015 0,497 0,613 0,377 0,596 0,498 0,508 0,631 0,552 (B) BONDS NULL L M V MV ML VL MVL 1890–2015 0,224 0,236 — — — — — — 1958–2015 0,436 0,459 0,466 0,448 0,465 0,467 0,46 0,466 1980–2015 0,468 0,503 0,51 0,49 0,51 0,512 0,505 0,512 (C) 60/40 NULL L M V MV ML VL MVL 1890–2015 0,432 0,447 — — — — — — 1958–2015 0,547 0,625 0,47 0,602 0,55 0,56 0,628 0,585 1980–2015 0,557 0,669 0,462 0,638 0,565 0,577 0,673 0,611 Im Aktiensegment erzielen die auf dem L-(Leverage- oder Kredit-)Faktor basierenden Portfolios die höchsten Sharpe Ratios der Single-Faktor-Ansätze. Sowohl für Aktien- als auch Anleihen- und Mischportfolios sind die Sharpe Ratios bei Multi-Faktor-Ansätzen dann am höchsten, wenn in diesen Faktorkombinationen der L-Faktor – und damit der Kreditfaktor – enthalten ist. Quelle: Studie FOTO: © PIMCO 262 N o. 4/2021 | www.institutional-money.com P R O D U K T E & S T R AT E G I E N | KRED I TZYKL EN