Exchange Traded Funds (ETFs). Können Privatanleger mit Smart-Beta Investing eine Überrendite erzielen?

Inhaltsverzeichnis

1. Einleitung

2. Theoretischer Hintergrund
2.1. Aktiver Investmentansatz
2.2. Passiver Investmentansatz
2.3. Überrendite

3. Smart-Beta Ansatz
3.1. Einzelfaktorstrategien
3.1.1. Value Strategie
3.1.2. Small Cap Strategie
3.1.3. Quality Strategie
3.1.4. Momentum Strategie
3.1.5. Low Volatility Strategie
3.2. Multifaktorstrategien

4. Analyse der Entscheidungskriterien

5. Diskussion

6. Fazit

7. Literaturverzeichnis

8. Webseitenverzeichnis

Abstract

Ziel dieser Arbeit ist es, unter dem aktuellen Stand der Forschungsliteratur zu bestimmen, ob mit Smart-Beta Investing auf der Grundlage von Exchange Traded Funds (ETFs) eine Überrendite erzielt werden kann. Dabei werden die Faktoren Value, Small-Cap, Quality, Momentum, Low Volatility und Multifaktoren untersucht. Um die Forschungsfrage zu beantworten, wurden anhand einer Literaturrecherche die historischen Renditen der Faktorprämien mit weltweiten Benchmark Indizes verglichen. Zusätzlich wird die Sharpe Ratio hinzugezogen und die Kosten der ETFs anhand des Total Expense Ratios (TER) evaluiert. Die studienübergreifenden Ergebnisse zeigten, dass die Value, Small-Cap, Quality, Momentum, Low Volatility und Multifaktorportfolios die nach Marktkapitalisierung gewichteten Benchmarks trotz des teilweise erhöhten TER outperformen konnten. Die Smart-Beta Faktoren erzielten darüber hinaus höhere Sharpe Ratios als die Referenzindizes. Dies zeigt, dass Smart-Beta Investing eine Alternative zu klassischen marktkapitalisierten ETFs für Privatanleger darstellt.

Maximilian Heilborn

1. Einleitung

Seit Jahren findet sich Deutschland in einer Niedrigzinsphase wieder. Der Zinssatz für Spareinlagen mit einer dreimonatigen Kündigungsfrist bewegt sich in Deutschland seit Jahren gegen null (Deutsche Bundesbank, 2020). Damit stellt sich für Privatanleger unweigerlich die Frage nach alternativen Finanzprodukten. Neben dem Sparguthaben besteht seit 1993 eine alternative Anlagemöglichkeit in ETFs (Harrer, 2016, S. 37). ETFs werden an der Börse gehandelt und zählen zu den passiven Anlageprodukten. Einen ETF kann man sich dabei als eine Auswahl aus vielen verschiedenen Einzelaktien vorstellen, die unter dem Dach des Index zu einem Titel zusammengefasst werden. Durch die gebündelten Einzelaktien entsteht eine breit gestreute Diversifikation (Anderson et al., 2010, S. 75). Warren Buffet erkannte die Chance von Indexfonds für die breite Masse der Bevölkerung bereits 1994 und erwähnte diese in seinem Brief an die Aktionäre.

“By periodically investing in an index fund, for example, the know- nothing investor can actually out-perform most investment professionals. Paradoxically, when "dumb" money acknowledges its limitations, it ceases to be dumb.” (Buffet, 1994).

Bei dem aktiven Management, wie es unter anderem Buffet betreibt, gelingt es nur den wenigsten Fondmanagern, den Markt dauerhaft zu schlagen. Der Markt bildet dabei die Referenz, an dem sich sowohl die aktiven-, als auch die passiven-Finanzprodukte messen lassen müssen. Beispielhaft sind hier weltweit gestreute Indizes wie der MSCI World oder der S&P 500 zu nennen (Lindmayer & Dietz, 2019, S. 234 f.). Eine Schnittstelle zwischen dem aktiven- und passiven-Investmentansatz ist das Smart-Beta Investing. Hierbei werden bestimmte Faktormerkmale nach statistischen Kriterien selektiert und zu einem Index zusammengefasst. Durch die Abweichung gegenüber eines marktneutralen Portfolios, sollen dadurch mögliche Überrenditen erzielt werden können (Harrer, 2016, S. 98–100). In der Wissenschaft konnten in den letzten Jahrzehnten einige Smart-Beta Strategien entdeckt werden, welche ein Potential für Überrendite versprechen (Kommer, 2018, S. 273 f.). Der Indexanbieter Amundi registrierte in seinem Monatsbericht vom Juli 2020 einen deutlichen Anstieg der Investitionen in Aktien-ETFs. Darüber hinaus wurden besonders Smart-Beta Produkte verstärkt nachgefragt (Amundi ETF, 2020). Ziel dieser Arbeit ist es deshalb, Smart-Beta Produkte unter der näheren Betrachtung der fünf bekanntesten Strategien zu evaluieren und zusammenzufassen. Ein besonderer Fokus liegt dabei auf dem Überrenditepotential von Faktorprämien, welche gegenüber einem neutralen Marktportfolio erzielt werden sollen. Aus der Zielsetzung der Arbeit ergibt sich die zentrale Forschungsfrage: ETF: Können Privatanleger mit Smart-Beta Investing eine Überrendite erzielen?

Um die Forschungsfrage beantworten zu können, wurde eine Literaturrecherche durchgeführt, da bereits einige Studien zu der vorliegenden Thematik vorhanden sind und der aktuelle Stand zu der Forschungsfrage dargestellt werden soll. Diese werden im Hauptteil der Arbeit dargestellt und verglichen. Um zunächst ein gemeinsames Verständnis für die, für diese Arbeit relevantesten Begriffe zu erlangen, werden der aktive und passive Investmentansatz im theoretischen Hintergrund eingeordnet und der Begriff Überrendite definiert. Des Weiteren wird der Smart-Beta Gedanke grundlegend vorgestellt und anschließend zwischen Einzel- und Multifaktorstrategien unterschieden. Nachfolgend werden mögliche Risikofaktoren der vorgestellten Smart-Beta Strategien aufgezeigt. und durch die Einbeziehung ausgewählter Studien aus Wissenschaft und Praxis ein Kosten- und Performancevergleich anhand der einzelnen Strategien durchgeführt. Abschließend werden die Ergebnisse in der Diskussion interpretiert und es wird ein Fazit gezogen, welches die Ergebnisse dieser Arbeit zusammenfasst und schlussendlich die Forschungsfrage beantwortet.

2. Theoretischer Hintergrund

Die folgenden Unterkapitel enthalten Definitionen, die nötig sind, um das nachfolgende Konzept des Smart-Beta Investing korrekt einordnen zu können und eine mögliche Outperformance der Faktorprämien gegenüber dem Markt zu erkennen.

Dazu werden die aktiven und passiven Investmentansätze kurz vorgestellt und voneinander abgegrenzt. Zusätzlich wird der Begriff Überrendite definiert.

2.1. Aktiver Investmentansatz

Der Begriff aktiver Investmentansatz beschreibt eine aktive Geldanlagestrategie. Auf Privatanlegerebene ist dieser besser bekannt als Investment- oder Publikumsfond. In dieser Arbeit bezieht sich der aktive Investmentansatz insbesondere auf Aktienfonds. Diese zählen zu den beliebtesten Anlageprodukten Deutschlands, weil sich durch eine Investition in einen aktiv gemanagten Fond ein breites Spektrum von Anlagemöglichkeiten eröffnet (Lindmayer & Dietz, 2019, S. 207–218). Verantwortlich für die Performance der Fonds sind die Fondmanager*innen, welche sich täglich mit dem Geschehen am Aktienmarkt auseinandersetzen und die Assets des Fonds entsprechend dem Marktgeschehen verwalten (Demuth et al., 1995, S. 5–9). Fondmanager*innen versuchen durch ihre individuelle Anlagestrategie und ihr Know-how eine Überrendite zu erwirtschaften und so eine Outperformance gegenüber dem Markt zu erzielen (Kommer, 2018, S. 19). Zu den beiden bekanntesten aktiven Strategien gehören das Stock-Picking und das Market-Timing. Stock-Picking verfolgt den Ansatz, eine Aktie am Markt zu kaufen, welche unterbewertet ist. Die Auswahl erfolgt anhand von finanzmathematischen Kennzahlen wie dem KGV, KBV oder KUV. Die Market-Timing Theorie setzt auf einen taktisch günstigen Zeitpunkt sowohl beim Kauf als auch beim Verkauf einer Aktie. Von den nachfolgend entstandenen Kursveränderungen wird dann profitiert (Kommer, 2018, S. 119–123). Demnach ist ein Fond, welcher eine Überrendite erzielt, auf die Kompetenz des jeweiligen Managers zurückzuführen. Studien haben gezeigt, dass es den allerwenigsten Fondmanager*innen gelingt, ihre passive Benchmark nach Kosten zu schlagen. Dies ist aber nicht zwangsläufig den mangelnden Fähigkeiten der Manager*innen zuzuschreiben, sondern den hohen Kosten des Fonds (Berk & Green, 2004, S. 1263–1293). Sharpe begründet die entstehenden Kosten mit einem erheblichen Aufwand bei der Analyse des Marktes und den damit einhergehenden Umschichtungen des Fondsvermögens an der Börse (1991, S. 7 f.). Berk und Green kamen ebenfalls zu dem Entschluss, dass selbst wenn eine Outperformance gegenüber ihrer passiven Benchmark erzielt wurde, diese Überrendite von den Managerkosten arbitriert wurde (2004, S. 1263–1293). Um eine Überrendite eines aktiven Managers ausmachen zu können, ist es zwingend erforderlich, diese mit seinem passiven Pendant zu vergleichen. Dabei gilt die passive Alternative als Referenz oder Benchmark, an der sich der aktive Manager messen lassen muss (Sharpe, 1991, S. 8). Fama und French konnten nachweisen, dass es einigen Managern zeitweise gelingt, eine Outperformance gegenüber ihrer passiven Benchmark nach Kosten zu erzielen. Die Schwierigkeit für Privatanleger ist es jedoch, zwischen Glück und Können eines aktiven Managers zu unterscheiden: gelingt es dem Manager dauerhaft seine Benchmark zu schlagen oder war dies ein einmaliger Zufall? Ihrer Analyse zufolge scheinen passive Fonds nach Kosten ebenfalls die bessere Alternative zu sein (2010, S. 1915–1942).

2.2. Passiver Investmentansatz

Der passive Investmentansatz verfolgt eine passive Geldanlagestrategie. Entgegen dem im vorherigen Punkt beschriebenen aktiven Management, bei dem ein Fondmanager das Geld verwaltet, beruht der passive Investmentansatz darauf, ein Marktportfolio zu halten. Bei der Verwendung eines Marktportfolios bildet der Indexfond einen Index möglichst genau ab, indem er die notierten Unternehmen anhand ihrer Marktkapitalisierung entsprechend gewichtet. Dieses Marktportfolio ist am einfachsten mit ETFs umzusetzen.

Die Indexfonds werden an der Börse gehandelt und besitzen gegenüber dem aktiven Investmentansatz den Vorteil, dass sie passiv gemanagt werden und die Kosten für Privatanleger daraus resultierend geringer ausfallen. In den letzten Jahren hat sich das Angebot an ETFs stark erweitert. Neben Aktien ETFs gibt es beispielsweise auch Renten, Währung oder Rohstoff ETFs. Diese Arbeit beschränkt sich jedoch auf Aktien ETFs. Diese bilden sowohl einzelne Regionen und Märkte als auch weltweite Indizes ab.

Durch die Handelbarkeit an der Börse sind ETFs sehr liquide. Damit diese an der Börse zugelassen werden, müssen sie bestimmte Voraussetzungen erfüllen. Unter anderem müssen die enthaltenden Werte des Fonds bekannt sein und als Sondervermögen gesondert verwahrt werden. Dieser Umstand stellt sowohl die Transparenz dieser Geldanlage als auch das Fondvermögen sicher (Lindmayer & Dietz, 2018, S. 217 f.).

Der fundamentale Unterschied zur aktiven Anlagestrategie besteht nicht darin, eine Outperformance gegenüber einer vorgegebenen Benchmark zu erzielen, sondern diese Benchmark möglichst exakt nachzubilden. Die Nachbildung eines Index wird als Index Tracking bezeichnet. Die dabei erzielte Performance soll nach Möglichkeit dem Rendite/Risiko Verhältnis des Referenzindex entsprechen (Franzen & Schäfer, 2018, S. 423–430). In der Praxis weicht die Performance eines ETF leicht von dem des Referenzindex ab, da noch Transaktionskosten, das sogenannte Total Expense Ratio (TER) und Steuern berücksichtigt werden müssen (Harrer, 2016, S. 76 f.).

Der Grund für die geringen Kosten ist im Gegensatz zum aktiven Investment, bei dem Stock-Picking oder Market-Timing Strategien angewandt werden und welche mit einer hohen Fluktuation einher kommen, die geringe Umschichtungen innerhalb des Fonds (Kommer, 2018, S. 218 f.).

Für Privatanleger spielen ETFs in der jüngeren Vergangenheit eine immer größer werdende Rolle. So stieg das weltweit investierte Vermögen in ETFs in den letzten knapp zwanzig Jahren vom Jahr 2000 von 212 Milliarden US Dollar auf knapp 6,1 Billionen US Dollar im Jahr 2019 (Fuhr, 2020).

2.3. Überrendite

Es gibt eine Vielzahl an Frameworks mit unterschiedlichen Schwerpunkten, die sich bemühen, die Renditen von Fonds zu erklären und miteinander zu vergleichen. Bei einer Überrendite, auch Outperformance genannt, werden üblicherweise zwei oder mehr Indexprodukte anhand ihrer historischen Rendite miteinander verglichen (Franzen & Schäfer, 2018, S. 61).

In dieser Arbeit werden die Renditen der einzelnen Smart-Beta Strategien mit globalen Aktienindizes verglichen. Diese Indizes haben den Vorteil, dass sie große Teile der Weltwirtschaft abbilden. Beispielhaft ist der MSCI World Index zu nennen, welcher 1600 Aktien aus 23 Industrieländern vereint. Damit deckt dieser circa 85% der Marktkapitalisierung von Unternehmen aus den Industrieländern ab („MSCI World Index Factsheet“, 2020, S. 1–3).

Die einzelnen Smart-Beta Strategien, welche im Folgenden betrachtet werden, setzen sich ebenfalls aus den Industrieländern zusammen (Bonne et al., 2018, S. 5–8).

Eine mögliche Überrendite geht in der Regel jedoch mit erhöhtem Risiko einher, weshalb als zusätzliches Maß die Sharpe Ratio hinzugezogen wird.

Die Sharpe Ratio wurde vom amerikanischen Ökonomen und Nobelpreisträger William F. Sharpe eingeführt, um nicht nur die Rendite, sondern auch das Risiko eines Portfolios beurteilen zu können (1994, S. 49–58).

Diese lässt sich wie folgt berechnen:

Abbildung in dieser Leseprobe nicht enthalten

Dabei wird im Zähler die Anlagerendite abzüglich des risikolosen Zinssatzes genommen und durch die Standardabweichung der Anlagerendite im Nenner geteilt (Franzen & Schäfer, 2018, S. 216 f.).

Mit der historischen Überrendite und Volatilität eines Portfolios können, mit Hilfe der Sharpe Ratio, Portfolios im Hinblick auf Rendite und Risiko untereinander verglichen werden (Müller, 2013, S. 185). Eine höhere Sharpe Ratio gibt somit ein ausgewogeneres Rendite/Risiko Verhältnis wieder (Berkin & Swedore, 2016, S. 279).

3. Smart-Beta Ansatz

Smart-Beta Investing kann als eine Kombination aus aktiven und passiven Investmentstrategien betrachtet werden. In der Literatur ist Smart-Beta Investing auch unter Factor Investing, Risk-Premia oder Market-Anomalies bekannt (Kommer, 2018, S. 273–277). Der Grundgedanke von Smart-Beta ist es, intelligenter zu sein als der Markt. Ein Beta von eins gibt dabei die Marktrendite wieder. Smart-Beta hat folglich den Anspruch, den Markt zu schlagen und somit intelligenter zu sein als der Durchschnitt.

Beim aktiven Management sind bekanntlich die Fondmanager*innen für eine Überrendite ihres Fonds verantwortlich. Dies geschieht, wie bereits genauer beschrieben, auf Grundlage von individuellen Selektions- und Market-Timing Strategien des Managers.

Beim Smart-Beta Investing werden diese Selektions- und Gewichtungskriterien ebenfalls eingesetzt. Diese regelbasierte Schwerpunktsetzung des Index soll eine Outperformance gegenüber dem Markt erwirtschaften können. Darüber hinaus sollen durch das passive Management die Kosten gegenüber aktiv gemanagten Fonds gering gehalten werden (Malkiel, 2014, S. 127).

Die Kombination aus aktiven und passiven Strategien weicht dabei von den klassischen passiven Indexprodukten ab. Diese sind in der Regel nach Marktkapitalisierung gewichtet, wohingegen Smart-Beta Strategien einen oder mehrere Faktoren stark übergewichten. Dadurch erhofft man sich eine Outperformance zu einem ähnlichen Rendite/Risiko Verhältnis (Franzen & Schäfer, 2018, S. 433 f.).

In den letzten Jahrzehnten haben eine ganze Reihe von Wissenschaftlern mehr als 250 Faktorprämien ausmachen können (Zaher, 2019, S. 20 f.). Im Folgenden werden die bekanntesten sechs Faktoren näher betrachtet. Darunter fünf Einzelfaktoren- und eine Multifaktorstrategie.

3.1. Einzelfaktorstrategien

3.1.1. Value Strategie

Der wohl älteste und bekannteste Faktor ist die Value-Prämie. Mitverantwortlich für die Bekanntheit des Faktors dürfte der aktive Investor und Stock-Picker Warren Buffet sein. Die Idee hinter der Value-Prämie ist es, Aktien am Kapitalmarkt zu kaufen, die verhältnismäßig niedrig bewertet sind. Durch ihre geringe Bewertung sind diese Aktien, so die Annahme, tendenziell unattraktiver für Investoren.

Diese preisgünstigen Stocks werden anhand von betriebswirtschaftlichen Kennzahlen festgemacht. In der Praxis sind Value-Aktien Unternehmen, die ein geringes Kurs-Gewinn-Verhältnis (KGV) und Kurs-Buchwert-Verhältnis (KBV) aufweisen (Malkiel, 2014, S. 128).

Ein aktuelles Beispiel einer günstigen Value Aktie aus 2019 ist die des Mineralölkonzerns Exxon Mobile. Diese wies ein KGV von 20,80 und ein KBV von 1,54 auf.

Zum Vergleich verzeichnete die teurere Growth Aktie des Onlinehändlers Amazon im gleichen Zeitraum ein KGV von 78,80 und ein KBV von 14,83 (boerse.de, 2020). Fama und French erkannten die Prämie schon früh und konnten diese unter anderem in 13 Ländern von 1975 bis 1995 nachweisen (1998, S. 1975–1999)

3.1.2. Small Cap Strategie

Der Small Size-Faktor soll eine Überrendite erwirtschaften, indem er kleine Aktiengesellschaften in einem Faktor zusammenfasst. Die theoretische Überlegung der Prämie ist, dass kleinere Unternehmen mit geringerer Marktkapitalisierung ein größeres Wachstum und Renditepotential besitzen als Unternehmen mit hoher Marktkapitalisierung (Malkiel, 2014, S. 128).

Die durchschnittliche Marktkapitalisierung für Unternehmen die dem Small Cap Faktor angehören liegt zwischen 800 Millionen und 1,4 Milliarden US Dollar (Zaher, 2019, S. 137 f.). Die Ökonomen Fama und French erkannten ebenfalls das Renditepotential, als sie amerikanische Aktien nach Marktkapitalisierung aufteilten. Small Cap Unternehmen erzielten dabei ebenfalls eine höhere Rendite als Unternehmen mit hoher Marktkapitalisierung (1992, S. 427–465).

Begründet wird die erhöhte Rendite des Small Cap Faktors mit dem Eingehen eines größeren Risikos. Kleinere Unternehmen sind unter anderem weniger liquide und reagieren empfindlicher auf wirtschaftliche Veränderungen. Deshalb findet eine Kompensation in Form einer höheren Rendite statt (Amenc et al., 2014, S. 16).

3.1.3. Quality Strategie

Profitable Unternehmen erzielen laut der Quality Prämie höhere Renditen als unprofitable Unternehmen. Deshalb wird die Prämie in der Literatur auch unter dem Profitability & Quality -Faktor zusammengefasst.

Wie bereits bei der Small Cap Prämie werden betriebswirtschaftliche Kennzahlen hinzugezogen, um die Unternehmen zu einem Faktor zusammenzufassen. Unternehmen, die dem Faktor Quality angehören, sind vorwiegend Growth Unternehmen mit bestimmten Eigenschaften. Aktien von Quality Unternehmen weisen ein verhältnismäßig schnelles Wachstum auf, besitzen eine geringe Verschuldung und hohe Profitabilität (Berkin & Swedore, 2016, S. 95–105).

Aufgrund der vielen Parameter einer Quality Aktie können sich die Kriterien von Indexanbieter zu Indexanbieter stark unterscheiden und um zusätzliche Kriterien erweitert werden. Folglich kann auch die Performance zwischen den einzelnen Quality Strategien stark variieren (Zaher, 2019, S. 98).

3.1.4. Momentum Strategie

Nach der Markteffizienzhypothese sollte der Kurs eines Wertpapiers ausschließlich auf neue Informationen reagieren und somit einen zufälligen Verlauf am Kapitalmarkt annehmen. Alle Marktteilnehmer haben folglich die gleichen Informationen und reagieren darüber hinaus rational (Franzen & Schäfer, 2018, S. 251–255).

Die Momentum Prämie stellt die Hypothese vor eine große Herausforderung, denn die Rahmenbedingungen der Markteffizienzhypothese können den Momentum-Faktor bisher nicht vollständig erklären (Zaher, 2019, S. 117 f.).

In der Literatur existieren zwei unterschiedliche Ansätze der Momentum Strategie. Zum einen die Time-Series und die Cross-Sectional Momentum Strategie. Time-Series Momentum basiert auf der Annahme, dass sich der Kursverlauf der jeweiligen Aktie weiter fortführt. Der Ansatz wird deshalb auch als trend-following beschrieben, weil der Kursverlauf der Aktie im Verhältnis zur eigenen Performance betrachtet wird. Daraus folgt, dass Aktien mit steigenden Kursverläufen gekauft und Aktien mit fallenden Kursverläufen verkauft werden. Bei steigenden Kursen aller Aktien im Portfolio werden demnach keine Anteile verkauft. Diese Arbeit betrachtet jedoch nur die Cross-Sectional Momentum Strategie, da diese in der Wissenschaft stärker verbreitet ist.

Die Cross-Sectional Momentum Prämie betrachtet den Kursverlauf von Aktien im Verhältnis zum Gesamtmarkt über einen Zeitraum von zwölf Monaten. Es zeigte sich, dass Aktien mit positiven Kursverläufen gegenüber dem Gesamtmarkt weiterhin positive Verläufe in der Zukunft aufwiesen. Ebenso konnotieren Aktien mit negativem Kursverlauf weiterhin über eine gewisse Periode negativ zum Gesamtmarkt.

Nach der Karenzzeit von einigen Monaten schlägt der Kursverlauf erneut um und das Momentum der Aktie muss erneut betrachtet werden. Positiv konnotierende Aktien werden im Portfolio für einige Monate übergewichtet und anschließend durch neue High Momentum Aktien ersetzt (Berkin & Swedore, 2016, S. 76 f.).

Der enorme Portfolioumschlag kommt mit hohen Transaktionskosten (TER) einher, weshalb in der Praxis alle sechs bis zwölf Monate ein Rebalancing stattfindet.

Eine abschließende Erklärung für die Marktanomalie der Momentum Strategie findet sich bisher nur in der Psychologie wieder. Die Menschen sind geneigter, in Aktien zu investieren deren Kursverläufe steigen und ebenso ihre Anteile zu verkaufen, wenn deren Kursverläufe fallen. Bei positiven Kursverläufen steigen Marktteilnehmer*innen zu jeder Zeit und zu jedem Preis mit ein. Fallen die Kurse, verkaufen die Marktteilnehmer*innen ihre Anteile zu jedem Preis die ihnen der Markt bietet (Zaher, 2019, S. 117–123).

3.1.5. Low Volatility Strategie

Einer der Grundgedanken in der Finanzindustrie ist das Verhältnis zwischen Rendite und Risiko. Die Überlegung ist, dass ein erhöhtes Risiko in der Regel mit einer höheren Rendite einher geht. Folglich müssten hochvolatile Aktien eine hohe Rendite aufweisen, wohingegen Aktien mit geringer Volatilität eine geringere Rendite erzielen. Historisch gesehen konnte dies nicht eindeutig nachgewiesen werden, weshalb die Low Volatility Prämie bewusst auf Aktien mit geringem Schwankungsrisiko setzt. In der Literatur wird sie deshalb auch als Low Risk Faktor bezeichnet (Zaher, 2019, S. 99 f.).

Bei dem Low Volatility Faktor kommt es, wie beim Momentum Faktor auch, zu einer bisher ungeklärten Marktanomalie, welche durch ökonomische Modelle nicht abschließend geklärt werden konnte. Eine Erklärung der Prämie bietet das Investitionsverhalten der Investoren. Sie gehen davon aus, dass eine höhere Rendite, wie bereits erwähnt, ausschließlich mit einem erhöhten Risiko einherkommt. Daher werden die Portfolios der Marktteilnehmer*innen mit hochvolatilen Aktien übergewichtet. Diese Erwartungshaltung gegenüber High Risk Aktien ist im Umkehrschluss eine Entscheidung gegen die Low Risk Prämie und eine Erklärung dafür, warum der Faktor Bestand hat (Berkin & Swedore, 2016, S. 200–204).

3.2. Multifaktorstrategien

Ein Multifaktor besteht aus einer Kombination mehrerer Einzelfaktorstrategien. Multifaktor Indizes greifen dabei den Gedanken des klassischen passiven Investierens auf Smart-Beta Ebene erneut auf und versuchen, diversifizierte und stabile Kursverläufe abzubilden. Smart-Beta Investoren sind nun nicht mehr auf die Rendite ihrer einen Faktorprämie angewiesen, sondern setzen auf mehrere Faktoren gleichzeitig. Daraus folgt eine erhöhte Diversifikation im Smart-Beta Portfolio und weniger volatile Kursverläufe. Faktorprämien, wie die bereits beschriebene Value oder Momentum Prämie sind tendenziell sehr volatil. Smart-Beta Strategien wie die Low Volatility oder Quality Prämie neigen hingegen dazu, weniger volatil zu sein. Um das Risiko durch Diversifikation zu senken, eignen sich bestimmte Kombinationen von Faktoren besser als andere. Dies wird mittels einer Korrelation gemessen. Dabei ist das Risiko einer Multifaktorstrategie geringer, wenn die einzelnen Faktorprämien keinen starken Zusammenhang besitzen. Beispielsweise korrelieren die Value und die Momentum Prämie leicht negativ, während der Quality und Low Volatility Faktor positiv miteinander korrelieren. Durch die Berücksichtigung der Korrelation verschiedener Faktorprämien kann der Kursverlauf eines Multifaktors entscheidend verändert werden (Zaher, 2019, S. 151–155)

Grundlage eines Multifaktors ist die Art der Zusammensetzung. Hierbei unterscheidet man zwischen dem Top-Down und Bottom-Up Ansatz.

Unter dem Top-Down Ansatz versteht man eine einfache Kombination einzelner Faktorstrategien zu einem Multifaktor Portfolio. Durch die eigens vorgenommene, individuelle Zusammenstellung einzelner Strategien, lässt sich das Portfolio nicht nur mit eigens ausgewählten Faktoren zusammenstellen, sondern auch individuell gewichten. So kann durch das Management selbst entschieden werden, ob beispielsweise die Value Prämie in dem Portfolio berücksichtigt werden soll oder nicht. Dadurch lassen sich weitere Faktorprämien aus dem Portfolio entfernen, neu hinzufügen und somit anders gewichten. Der/Die Portfolioinhaber*in hat damit volle Kontrolle über sein/ihr Smart-Beta Portfolio.

Der Top-Down Ansatz birgt auf der anderen Seite jedoch auch einige Risiken. Damit die einzelnen Faktorprämien ineinandergreifen ist die bereits erwähnte Kontrolle obligatorisch. Eine Missachtung kann zu Ungleichgewichten und Renditeschwankungen im Portfolio führen. Dabei kann das Ziel des Ansatzes, nämlich eine Überrendite zu erzielen, umschlagen und sich gegenteilig auswirken. Zusätzlich besteht die bereits erwähnte Möglichkeit der Korrelation einzelner Smart-Beta Strategien, die es abzuwägen gilt (FTSE Russell, 2018, S. 1–6).

[...]