Institutional Money, Ausgabe 4 | 2023

die aktiven Gewichtungen ein bestimmtes Ausmaß erreicht haben. Praxistest Wenn man, wie es die Autoren tun, die Portfolioallokation mit Transaktionskosten auf tatsächliche Daten von 1999 bis 2021 anwendet, so stellt man fest, dass eine Strategie mit fester Gewichtung hinsichtlich Rendite und Risiko besser ist als eine Buy-and-Hold-Strategie, solange die Transaktions- kosten in einem vernünftigen Rahmen liegen. Dieses Resul- tat kann durch das komplexe Verhalten der Auto- und Kreuzkorrelationen des Portfolios während des gewählten Zeitraums erklärt werden. Ebenfalls untersucht wird die Per- formance des Maximum Drawdown (MDD). Es stellt sich heraus, dass Strategien mit einer höheren Sharpe Ratio im Allgemeinen auch jene Strategien sind, bei denen der Maxi- mumDrawdown kleiner ist (siehe Tabelle „Portfolioallokation von Pensionsfonds“) . Der MDD hängt sowohl von den ge- wählten Allokationen als auch davon ab, ob man Buy-and- Hold oder Rebalancing verfolgt. Mit Ausnahme der ersten beiden der sechs Allokationen eines hypothetischen Pen- sionsfonds generiert eine Rebalancing-Strategie kleinere MDDs, und dies unabhängig von den Transaktionskosten. Diese Ergebnisse legen nahe, dass die Verbesserung der Sharpe Ratios tendenziell mit Verbesserungen der MDDs einhergeht. Die Autoren führten auch Bootstrapping-Tests durch, bei denen die These „Sharpe Ratio aus Rebalancing ist gleich Sharpe Ratio aus Buy-and-Hold“verworfen werden sollte, die Wahrscheinlichkeiten geben dies aber nicht her. Somit sind die Unterschiede der Sharpe Ratios aus Buy-and- Hold einerseits und Rebalancing andererseits statistisch nicht signifikant. Als Praktiker sollte man nicht vergessen, dass Rebalancing-Strategien aufgrund ihres deterministi- schen Charakters jegliche Emotionen und subjektiven Ein- flüsse auf Kauf- und Verkaufsentscheidungen ausschließen und somit geeignet sind, Behavioral Biases zu begrenzen. Dazu kommt, dass in Zeiten, da ein immer größerer Teil in passive Anlagen investiert ist, Rebalancing eine Inhouse-Leis- tung des Fachbereichs darstellt, die bedeutet, dass keine Anlagepolitik mit dem Autopiloten gefahren wird, was sich auch entsprechend in Anlagebeiräten und -ausschüssen kommunizieren lässt. DR. KURT BECKER Ein langer Weg Seit Jahrzehnten arbeiten Wissenschaftler daran herauszufinden, ob Buy-and-Hold oder Rebalancing besser ist. V iele wissenschaftliche Arbeiten haben sich auf den Vergleich zwischen Rebalancing und Buy-and-Hold konzentriert, die Schlussfolgerun- gen unterscheiden sich jedoch erheblich, da die Performance der Buy-and-Hold-Strategie unter anderem vom Anlagehorizont und -universum sowie den Transaktionskosten abhängt. Ältere empirische Studien zeigen, dass bei Annahme von Transaktionskosten die Rebalancing-Strate- gie zu geringeren Volatilitäten und damit zu bes- seren risikoadjustierten Renditen – also höheren Sharpe Ratios – führt. Beispielsweise zeigt eine frühe Arbeit von André Perold und William Sharpe von 1988 mit dem Titel „Dynamic Strategies for Asset Allocation“, dass Rebalancing-Strategien in volatilen Märkten am besten funktionieren. Robert D. Arnott und Robert D. Lovell können 1993 in „Rebalancing: Why? When? How often?“ belegen, dass neun von zehn Rebalancing-Stra- tegien eine höhere Treynor Ratio aufweisen als die Buy-and-Hold-Strategie. Diese stellt das Verhältnis der Überschuss- rendite zum Betafaktor dar und bemisst somit die Risikoprämie je Einheit des eingegangenen systematischen Risikos. Die historischen Simula- tionen von Hubert Dichtl, Wolfgang Dobretz und Martin Wambach von 2012 mit dem Titel „Testing Rebalancing Strategies for Stock-Bond Port- folios: Where Is the Value Added of Rebalan- cing?“ zeigen, dass eine Rebalancing-Strategie in Bezug auf Sharpe und Sortino Ratios sowie Omega-Kennzahlen in allen untersuchten Märk- ten eine Outperformance aufweist. In „Best Practices for Portfolio Rebalancing“ von 2015 untersuchen Colleen M. Jaconetti, Francis M. Kin- niry jr. und Yan Zilbering den Mehrwert von Rebalancing-Strategien über den längsten je- mals getesteten Zeitraum – dieser reicht von 1926 bis 2015 – und stellen fest, dass die Reduk- tion der Volatilitäten durch Rebalancing zirka 3,5 Prozent beträgt. Die Outperformance hängt häufig mit be- stimmten Merkmalen zusammen: In „Rebalan- cing a Global Policy Benchmark“ stellen Lisa M. Plaxco und Robert D. Arnott 2002 fest, dass Rebalancing-Strategien durchweg eine bessere Performance aufweisen als Drifting-Mix-Strate- gien, wenn die wichtigsten Anlageklassen ähnli- che Renditeniveaus zeigen. Yesim Tokat und Nel- son Wicas kommen 2007 in „Portfolio Rebalan- cing in Theory and Practice“ zu dem Schluss, dass das Risiko sowohl bei Mean-Reversion- Märkten als auch bei Random Walks minimiert ist, wenn Rebalancing eingesetzt wird, und Jim- my E. Hilliard und Jitka Hilliard berichten 2018 in „Rebalancing versus Buy and Hold: Theory, Simulation and Empirical Analysis“ von einer Minimierung des Risikos, wenn der Momentum- Faktor niedrig ist. Im Gegensatz dazu raten Ajit Dayanandan und Minh Lam 2015 in „Portfolio Rebalancing – Hype or Hope?“ für US-Aktien von einem aktiven Portfoliomanagement ab. Viele Studien konzentrierten sich auf den Ver- gleich verschiedener Rebalancing-Strategien wie der kalenderbasierten und der Constant-Mix- Methode. Es ist jedoch sehr schwierig, klare und präzise Schlussfolgerungen zu ziehen. Beispiels- weise empfehlen Lisa M. Plaxco und Robert D. Arnott 2002 Investoren mit einem langen Anla- gehorizont die Umsetzung einer monatliche Rebalancing-Strategie, während 2002 in „The Be- nefits of Rebalancing“ Gerald W. Buetow, Ronald Sellers, Donald Trotter und Elaine Hunt empfeh- len, eine tägliche Überwachungsfrequenz zu- sammen mit einer fünfprozentigen Inaktivitäts- schwelle einzuführen, innerhalb derer die Asset- Preise schwanken können, ohne dass Reba- lancing-Schritte ausgelöst werden. Walter Sun, Ayres C. Fan, Li-Wei Chen, Tom Schouwenaars und Marius A. Albota entwickeln 2006 in „Opti- mal Rebalancing for Institutional Portfolios“ eine einzigartige Strategie zur Neuausrichtung, die mithilfe stochastischer Programmierung die Kosten minimiert. 88 N o . 4/2023 | institutional-money.com THEORIE & PRAXIS | Anlagestrategie