Die Arbeit befasst sich mit der Ermittlung der relevanten
Inputparameter für die langfristige Portfolio- Optimierung. Hierin gehen die
erwarteten Renditen der betrachteten Anlagen sowie deren Varianzen und
Kovarianzen ein. Eine fundierte Ermittlung dieser Parameter ist die
Voraussetzung für eine zielkongruente strategische Asset Allocation.
Der moderne Portfolio- Entscheidungsprozess untergliedert sich dabei heute
sowohl bei institutionellen Investoren als auch in der privaten Anlageberatung in
mehrere Phasen. In einem ersten Schritt wird dabei eine Analyse des
Anlegerprofils hinsichtlich der Anlageziele, der Risikobereitschaft sowie des
Zeithorizontes des Anlegers vorgenommen. Im darauf folgenden Prozessschritt ist
dabei im Rahmen der strategischen Asset Allocation die Struktur des Portfolios
sowie die Verteilung des anzulegenden Kapitals auf die verschiedenen
Anlageklassen und Kategorien innerhalb des Anlageuniversums von zentraler
Bedeutung.
Gesucht wird innerhalb der strategischen Asset Allocation diejenige Auswahl und
Gewichtung der verschiedenen Anlageklassen, die den Präferenzen des Anlegers
ex- ante langfristig am Besten entspricht.
Die strategische Asset Allocation stellt dabei sicher,dass die
langfristigen Zielsetzungen bei der konkreten Ausgestaltung des Portfolios
ausreichend berücksichtigt werden. Sie kann auch als grobe Vorgabe für die
tatsächliche Umsetzung des Portfolios angesehen werden. Die Wichtigkeit dieser
Vorgabe wird durch die Tatsache untermauert, dass mit der Wahl der
Zielgewichtungen in der strategischen Asset Allocation sowohl die
durchschnittliche Rendite, als auch das Risiko eines Portfolios maßgeblich
bestimmt werden. Insofern können die Zielgewichtungen aus der strategischen
Asset Allocation auch als Benchmark im Rahmen der Performance- Messung
verstanden werden.
Von zentraler Bedeutung für die Gewichtung der einzelnen Anlageklassen ist
dabei die Ermittlung deren erwarteter Rendite sowie die Ermittlung des ihnen
zugrundeliegenden Risikos.
Inhaltsverzeichnis
1. Einleitung
2. Problemstellung
3. Relevanz der Inputparameter
4. Bestimmung der erwarteten Rendite
4.1 Die Bedeutung der Risikoprämie
4.2 Historische Betrachtung
4.2.1 Historisch erzielte Renditen und Risikoprämien
4.2.2 Die Problematik bei der Betrachtung historischer Renditen
4.2.3 Ex- ante geforderte versus ex- post realisierte Renditen
4.2.4 Prognosen mittels Renditeregressionen
4.3 Asset Pricing Theorie und das Equity Premium Puzzle
4.3.1 Das Standardmodell
4.3.2 Das Equity Premium Puzzle
4.3.3 Lösungsansätze des Equity Premium Puzzle
4.3.3.1 Variation der Inputvariablen
4.3.3.2 Alternative Präferenzfunktionen
4.3.3.3 Alternative Modellannahmen
4.4 Implizite Renditeerwartungen
4.4.1 Dividend Discount Modelle
4.4.2 Inputparameter für das DDM
4.4.2.1 Bestimmung des langfristigen Dividendenwachstums
4.4.2.2 Bestimmung der Dividenden- und Gewinnrendite
4.4.3 Modellergebnisse
4.4.4 Residual Income Modelle
4.4.5 Evaluation der Modellergebnisse
4.5 Expertenmeinungen
5. Ermittlung der Varianz- Kovarianz- Matrix
5.1 Die Bedeutung der Varianz- Kovarianz- Matrix in der Asset Allocation
5.2 Historische Renditen als Ausgangspunkt zur Bestimmung der Varianz Kovarianz- Matrix
5.3 Weitere Möglichkeiten zur Bestimmung der Varianz- Kovarianz-Matrix
6. Das Black- Litterman Modell: Ein Verfahren zur Umsetzung in die Praxis
7. Fazit
Zielsetzung & Themen
Die Arbeit analysiert Methoden zur Ermittlung relevanter Inputparameter für die langfristige Portfolio-Optimierung. Im Fokus steht die Schätzung erwarteter Renditen, Varianzen und Kovarianzen als Grundlage für eine strategische Asset Allocation unter Berücksichtigung der Problematik historischer Schätzungen.
- Vergleich von Ansätzen zur Ermittlung der erwarteten Rendite
- Analyse des Equity Premium Puzzle und theoretischer Erklärungsansätze
- Untersuchung impliziter Renditeerwartungen durch Dividend Discount und Residual Income Modelle
- Bewertung der Schätzung von Varianz-Kovarianz-Matrizen
- Einsatz des Black-Litterman Modells zur praxisnahen Portfolio-Umsetzung
Auszug aus dem Buch
3. Relevanz der Inputparameter
Die Mean- Variance Optimierung benötigt die Schätzung der zukünftigen Renditen, der Varianzen sowie der Kovarianzen. Da über zukünftige Renditeverteilungen nie vollkommene Sicherheit bestehen kann, ist die Prognose dieser Inputparameter immer mit Schätzfehlern behaftet. Chopra und Ziemba haben die Auswirkungen dieser Schätzfehler auf die nach der Mean- Variance Analyse optimale Portfolioallokation getestet. Dabei nahmen sie in einem ersten Schritt die historischen Renditen von zehn zufällig ausgewählten Werten des Dow Jones Industrial Average (DJIA) im Zeitraum von 1980-1989 als „wahre“ Werte der Inputparameter an, um diese dann in einem zweiten Schritt durch einen Störparameter zu verändern.
Mit diesem Störparameter wurde dann in mehreren Simulationsdurchläufen das daraus resultierende optimale Portfolio bestimmt. Dabei wurde jeweils einer der drei Parameter verändert, während die anderen beiden konstant gehalten wurden. Die Veränderung des Nutzens aus diesen durch den Störparameter veränderten „optimalen“ Portfolios des repräsentativen Investors wurde von Chopra und Ziemba bei gegebener Risikotoleranz anhand des Sicherheitsäquivalents angegeben. Demnach wirkt sich ein Schätzfehler bei den erwarteten Renditen auf die optimale Portfolioallokation in der Mean- Variance Analyse ungefähr elfmal so stark aus wie ein Schätzfehler der Varianzen und ungefähr zwanzigmal so stark wie ein Schätzfehler der Kovarianzen. Dabei nehmen diese Relationen bei zunehmender (abnehmender) Risikotoleranz zu (ab).
Zusammenfassung der Kapitel
1. Einleitung: Einführung in die strategische Asset Allocation und die Bedeutung präziser Inputparameter für die langfristige Portfolio-Optimierung.
2. Problemstellung: Theoretische Grundlagen der Mean-Variance Analyse und Darstellung der Herausforderungen bei deren praktischer Umsetzung.
3. Relevanz der Inputparameter: Erläuterung der Fehleranfälligkeit von Inputparameterschätzungen und deren gravierender Auswirkungen auf optimale Portfoliogewichte.
4. Bestimmung der erwarteten Rendite: Untersuchung verschiedener Methoden zur Schätzung der zukünftigen Rendite, inklusive historischer Betrachtungen, theoretischer Modelle und Expertenbefragungen.
5. Ermittlung der Varianz- Kovarianz- Matrix: Diskussion der Schätzung von Risikoparametern und verschiedener Modellierungsansätze zur Handhabung von Volatilitäten.
6. Das Black- Litterman Modell: Ein Verfahren zur Umsetzung in die Praxis: Vorstellung eines innovativen Ansatzes zur Aggregation von Informationen und zur Verbesserung der praktischen Umsetzbarkeit von Portfoliostrategien.
7. Fazit: Zusammenfassende Bewertung der analysierten Methoden und Erkenntnis, dass präzise Schätzungen für zukünftige Renditen und Risikoprämien zentral für die praktische Asset Allocation bleiben.
Schlüsselwörter
Strategische Asset Allocation, Portfolio-Optimierung, Mean-Variance Analyse, Inputparameter, Erwartete Rendite, Risikoprämie, Equity Premium Puzzle, Varianz-Kovarianz-Matrix, Dividend Discount Modell, Residual Income Modell, Black-Litterman Modell, Schätzfehler, Risikomanagement, Historische Renditen, Kapitalmarkt.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht Methoden zur Ermittlung kritischer Inputparameter (Renditen, Varianzen, Kovarianzen) für die strategische Asset Allocation, um die Schwächen klassischer Optimierungsverfahren zu mindern.
Was sind die zentralen Themenfelder?
Zu den zentralen Themen gehören die Bestimmung der erwarteten Rendite und Risikoprämien, die Herausforderungen durch das Equity Premium Puzzle sowie die Schätzung von Varianz-Kovarianz-Matrizen.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist es, verschiedene Methoden zur Schätzung von Inputparametern aufzuzeigen, deren Genauigkeit zu bewerten und Ansätze zur praktischen Implementierung in den Portfolio-Entscheidungsprozess zu diskutieren.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer Literaturanalyse finanzwissenschaftlicher Modelle (wie Markowitz, CAPM, DDM) und vergleicht diese kritisch mit empirischen Erkenntnissen und Expertenmeinungen.
Was wird im Hauptteil behandelt?
Der Hauptteil analysiert die historische Bestimmung von Renditen, die theoretische Ableitung von Risikoprämien, den Einsatz von Dividenden- und Residual-Income-Modellen sowie das Black-Litterman-Modell als Lösungsansatz für praktische Probleme.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind insbesondere strategische Asset Allocation, Mean-Variance-Optimierung, Risikoprämie, Equity Premium Puzzle und Inputparameter.
Warum ist die Bestimmung der erwarteten Rendite so kritisch?
Wie die Arbeit darlegt, reagieren Mean-Variance-optimierte Portfoliogewichte extrem sensitiv auf Fehler bei der Renditeschätzung – deutlich stärker als auf Fehler bei Varianzen oder Kovarianzen.
Was besagt das Black-Litterman-Modell in diesem Kontext?
Es dient als innovativer Lösungsansatz, um durch implizite Gleichgewichtsrenditen intuitivere und stabilere Portfoliogewichtungen zu erreichen und die Informationsaggregation zu erleichtern.
- Quote paper
- Marc Philipp (Author), 2003, Methoden zur Ermittlung der relevanten Inputparameter in der strategischen Asset Allocation, Munich, GRIN Verlag, https://www.grin.com/document/18427
