Institutional Money, Ausgabe 3 | 2022

die sich für eine Signalkombination eignen. Die Performance der einzelnen kurzfristigen Signale, wie sie sich auf Basis des bekann- ten Top-Quintil-minus-Flop-Quintil-Ansat- zes errechnen lässt, und andere Kennzahlen sind in der Tabelle „Noch nicht gut genug“ dargestellt. Die fünf untersuchten kurzfristigen Sig- nale bieten demnach Alphas, die nicht durch traditionelle Faktoren erklärt werden. Aller- dings wird dies mit einem sehr hohen Um- satz erkauft, der zwischen 1.300 und 2.000 Prozent pro Jahr liegt. Um diese Zahl in die richtige Perspektive zu rücken, ist zu beach- ten, dass ein vollständiger monatlicher Um- bau eines Long-Portfolios über ein Jahr 100 Prozent mal zwölf = 1.200 Prozent jährlichen Umsatz benötigt, sodass die ma- ximale jährliche Umschlagshäufigkeit für das Long-Short-Portfolio dann bei 2.400 Prozent liegt (Einfachzählung; bei Doppel- zählung fallen die Werte doppelt so hoch aus). Daraus kann man ableiten, dass die durchschnittliche Haltedauer der Aktien bei ein bis zwei Monaten liegt. Dieser hohe Umsatz hat erhebliche Folgen, denn die kostendeckenden Handelskosten für die Beibehaltung positiver Alphas liegen alle unter der konservativen Handelskosten- schätzung von 25 Basispunkten. Diese Er- gebnisse bestätigen die Vorstellung, dass kurzfristige Signale nach Kosten nur schwer gewinnbringend zu nutzen sind – zumindest bei individueller Betrachtung und mit einer naiven Handelsstrategie. Die Korrelationen zwischen den Renditen der verschiedenen kurzfristigen Signale sind im Allgemeinen gering oder sogar negativ. Die höchste positive Korrelation besteht Fünf Asse im Ärmel Auf diese fünf kurzfristigen Signale stützt sich das Robeco-Quintett. D as erste Signal sind branchenbezo- gene Reversals. Rosenberg, Reid, und Lanstein stellten bereits 1985 und 1990 auch Jegadeesh und Lehmann fest, dass Aktien mit niedrigen (hohen) Renditen im Vormonat dazu neigen, sich im nächsten Monat besser (schlechter) zu entwickeln. Dieses Ergebnis kann als Über- reaktionsphänomen der Anleger inter- pretiert werden. Nachfolgende Studien haben verschiedene Möglichkeiten zur Verbesserung der einfachen kurzfristigen Reversal-Strategie aufgezeigt. So haben beispielsweise Da, Liu und Schaumburg 2014 sowie Hameed und Mujtaba Mian 2015 branchenbezogene kurzfristige Reversal-Signale errechnet, um zu verhin- dern, dass im Gegensatz zum kurzfristigen Branchen-Momentum-Effekt, wie ihn Mos- kowitz und Grinblatt 1999 beschrieben haben, vorgegangen wird. In Anlehnung an Novy-Marx und Velikov verwenden die fünf Kapitalmarktforscher dieses erweiterte kurzfristige Reversal-Signal. Genauer ge- sagt ist das branchenbezogene Reversal definiert als die Rendite eines Unterneh- mens abzüglich seiner Branchenrendite im Vormonat auf Basis der GICS-(Global Industry Classification Standard)-Level-3- Brancheneinteilung. Das zweite verwendete Signal ist das einmonatige Branchen-Momentum, wie es Moskowitz und Grinblatt 1999 beschrie- ben haben. Die Autoren berechnen das Branchen-Momentum eines Unternehmens, indem sie die Branchenrendite des Vor- monats heranziehen, wiederum unter Ver- wendung der GICS-Level-3-Klassifizierung. Als drittes Signal finden die Gewinnrevi- sionen der Analysten Eingang, gemessen über die letzten 30 Kalendertage, basie- rend auf dem Ansatz von Van der Hart, Slagter und van Dijk aus 2003. Für dieses Signal verwenden die Robeco-Quants die I/B/E/S-Point-in-Time-Datenbank und zie- hen dabei die Anzahl der Gewinnkorrek- turen nach oben, verringert um die Anzahl der Gewinnrevisionen nach unten, geteilt durch die Gesamtzahl der Analysten in den letzten 30 Kalendertagen, heran. Beide Effekte können als Phänomene der Unterreaktion der Anleger interpretiert werden. Beachtenswert dabei ist, dass die Kom- bination der beiden Momentumsignale mit Reversals starke Diversifikationsvorteile bietet, da die beiden Signale konzeptio- nell entgegengesetzte Behavioral Biases (Phänomen der Überreaktion versus dem Phänomen der Unterreaktion) ausnutzen. Das vierte Signal ist der Effekt von Ak- tienrenditen im gleichen Monat (Saisona- lität), den Heston und Satka 2008 auf- zeigten. Für die Strategie ordnen die Autoren Aktien am Ende des Kalender- monats T nach ihrer durchschnittlichen Rendite, die sie im Kalendermonat T+1 während der letzten zehn Jahre erzielt haben. Dieses Phänomen stellt eine Her- ausforderung für die traditionellen Preis- bildungsmodelle dar, da die Renditen nicht durch systematische Risikofaktoren wie Branche, Größe oder Gewinnankün- digungen erklärt werden können. Das fünfte Signal ist die einmonatige idiosynkratische Volatilitätsvariable von Ang, Hodrick, Xing, und Zhang, wie diese sie 2006 vorstellten. Die idiosynkratische Volatilität wird durch Regression der täg- lichen Renditen einer Aktie im Vormonat auf die Markt-, Size- und Value-Faktoren von Fama und French ermittelt, wobei letzt- lich die Standardabweichung der Regres- sionsresiduen zählt. Bei diesem kurzfristi- gen Risikosignal ist die Beziehung zu Aktienrenditen negativ, ähnlich der Litera- tur über den langfristigen Effekt niedriger Volatilität. Alle in der praktischen Umset- zung tauglichen fünf Kurzfristsignale sind in der gleichnamigen Tabelle übersichts- weise aufgelistet. Fünf Kurzfristsignale Fünf ausführlich beschriebene Signale als Basis für Alphagenerierung Signalliste Referenz Abkürzung Kurzfristiges branchenbezogenes Reversal-Signal Da, Liu und Schaumburg (2014) STR Kurzfristiges Branchen-Momentum Moskowitz und Grinblatt (1999) BR-MOM Kurzfristige Analysten-Gewinnrevisionen Van der Hart, Slagter und van Dijk (2003) REV30D Monatliches Saisonalitätssignal Ang, Hodrick, Xing und Zhang (2006) SAISON Kurzfristiges Risiko (idiosynkratische Volatilität) Heston und Satka (2008) IVOL Quelle: Studie 76 N o. 3/2022 | www.institutional-money.com T H E O R I E & P R A X I S | FAKTOR I NVE S TMENT S