Handelsstrategien anhand des 52-Wochen-Hochs für Aktien des Eurostoxx600


Diplomarbeit, 2012

88 Seiten, Note: 1


Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Formelverzeichnis

Abkürzungsverzeichnis

1 Einleitung

2 Problemstellung und Zielsetzung
2.1 Problemstellung
2.2 Zielsetzung

3 Empirische Studien aus der Literatur zu ausgewählten Momentum-Strategien
3.1 Jegadeesh und Titman (1993) zum Momentum-Effekt am amerikanischen Aktienmarkt
3.1.1 Untersuchungsmethodik
3.1.2 Empirische Ergebnisse
3.2 Moskowitz und Grinblatt (1999) zum Momentum-Effekt mit Bezug zur Industriezugehörigkeit
3.2.1 Untersuchungsmethodik
3.2.2 Empirische Ergebnisse
3.3 Huddart et al. (2009) zu Volumen- und Preisbewegungen von Aktien um das 52-Wochen-Hoch
3.3.1 Untersuchungsmethodik
3.3.2 Empirische Ergebnisse
3.4 George und Hwang (2004) zum 52-Wochen-Hoch und Momentum-Investing
3.4.1 Untersuchungsmethodik
3.4.2 Empirische Ergebnisse

4 Empirische Studie anhand der 52-Wochen-Hoch-Strategie
4.1 Daten und Methode
4.1.1 Daten
4.1.2 Methode
4.2 Ergebnisse der Datenanalyse
4.2.1 Renditen der TOP10% Portfolios (annualisiert)
4.2.2 Renditen der LOW10% Portfolios (annualisiert)
4.2.3 Renditen des Referenzindex (annualisiert)
4.2.4 Renditevergleich – TOP10%-Strategie vs. Referenzindex
4.2.5 Renditevergleich – LOW10%-Strategie vs. Referenzindex
4.3 Überprüfung der Datenanalyse
4.3.1 Normalisierung
4.3.2 Renditevergleich – TOP10%-Strategie vs. Referenzindex (normalisiert)
4.3.3 Renditevergleich – LOW10%-Strategie vs. Referenzindex (normalisiert)
4.3.4 Auswirkungen der Normalisierung
4.3.5 Histogramme und Verteilungsfunktionen zur empirischen Studie

5 Resümee

Literaturverzeichnis

Abbildungsverzeichnis

Abb. 1: Rendite der TOP10%-Portfolios (annualisiert)

Abb. 2: Rendite der LOW10%-Portfolios (annualisiert)

Abb. 3: Rendite des Referenzindex (angepasst)

Abb. 4: Renditevergleich TOP10% vs. Referenzindex

Abb. 5: Renditevergleich LOW10% vs. Referenzindex

Abb. 6: Referenzindex Eurostoxx600 (normalisiert)

Abb. 7: Renditevergleich TOP10% vs. Referenzindex (normalisiert)

Abb. 8: Renditevergleich LOW10% vs. Referenzindex (normalisiert)

Abb. 9: Normalisierungseffekt TOP10%-Strategie vs. Referenzindex

Abb. 10: Normalisierungseffekt LOW10%-Strategie vs. Referenzindex

Abb. 11: Häufigkeitsverteilung der TOP10%-F750H750-Strategie

Abb. 12: Verteilungsfunktion der TOP10%-F750H750-Strategie

Abb. 13: Häufigkeitsverteilung der LOW10%-F750H750-Strategie

Abb. 14: Verteilungsfunktion der LOW10%-F750H750-Strategie

Abb. 15: Häufigkeitsverteilung der TOP10%-F500H500-Strategie

Abb. 16: Verteilungsfunktion der TOP10%-F500H500-Strategie

Abb. 17: Häufigkeitsverteilung der LOW10%-F500H500-Strategie

Abb. 18: Verteilungsfunktion der LOW10%-F500H500-Strategie

Abb. 19: Häufigkeitsverteilung der TOP10%-F250H250-Strategie

Abb. 20: Verteilungsfunktion der TOP10%-F250H250-Strategie

Abb. 21: Häufigkeitsverteilung der LOW10%-F250H250-Strategie

Abb. 22: Verteilungsfunktion der LOW10%-F250H250-Strategie

Abb. 23: Häufigkeitsverteilung der TOP10%-F125H125-Strategie

Abb. 24: Verteilungsfunktion der TOP10%-F125H125-Strategie

Abb. 25: Häufigkeitsverteilung der LOW10%-F125H125-Strategie

Abb. 26: Verteilungsfunktion der LOW10%-F125H125-Strategie

Abb. 27: Häufigkeitsverteilung der TOP10%-F63H63-Strategie

Abb. 28: Verteilungsfunktion der TOP10%-F63H63-Strategie

Abb. 29: Häufigkeitsverteilung der LOW10%-F63H63-Strategie

Abb. 30: Verteilungsfunktion der LOW10%-F63H63-Strategie

Abb. 31: Häufigkeitsverteilung der TOP10%-F21H21-Strategie

Abb. 32: Verteilungsfunktion der TOP10%-F21H21-Strategie

Abb. 33: Häufigkeitsverteilung der LOW10%-F21H21-Strategie

Abb. 34: Verteilungsfunktion der LOW10%-F21H21-Strategie

Tabellenverzeichnis

Tab. 1: Anpassungsfaktoren

Tab. 2: T-Test Symbole

Tab. 3: Zeitraumdefinition

Tab. 4: Rendite der TOP10%-Portfolios (annualisiert)

Tab. 5: Rendite der LOW10%-Portfolios (annualisiert)

Tab. 6: Rendite des Referenzindex (annualisiert)

Tab. 7: Renditevergleich TOP10% vs. Referenzindex

Tab. 8: Renditevergleich LOW10% vs. Referenzindex

Tab. 9: Erste Kauf- und Verkaufstage

Tab. 10: Renditevergleich TOP10% vs. Referenzindex (normalisiert)

Tab. 11: Renditevergleich LOW10% vs. Referenzindex (normalisiert)

Tab. 12: Normalisierungseffekt TOP10%-Strategie vs. Referenzindex

Tab. 13: Normalisierungseffekt LOW10%-Strategie vs. Referenzindex

Formelverzeichnis

Formel 1: Eingebettete Kapitalerträge

Formel 2: Referenzpreis

Formel 3: Selektionskriterium

Formel 4: Renditenanzahl

Formel 5: Standardrendite

Formel 6: Angepasste Rendite

Formel 7: Anpassungsfaktor

Formel 8: Normalisierungseffekt

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Das Konzept der Effizienz von Finanzmärkten ist das Fundament für beinahe alle theoretischen und empirischen Untersuchungen in der Finanzwissenschaft. Frühere Studien von Fama (1970) brachten den allgemeinen Beweis zur Unterstützung der Hypothese der effektiven Finanzmärkte.[1] Fama formalisierte seine Aussagen in der Markteffizienzhypothese, wonach im Preis von Aktien (bzw. im Preis von Finanzinstrumenten im Allgemeinen) zu jeder Zeit alle möglichen Informationen vollständig abgebildet sind. Laut Fama ist ein Markt effizient, dessen Preise immer alle Informationen vollständig abbildet.[2]

Dass Finanzmärkte aber nicht vollständig effizient sind, soll im ersten Teil der Arbeit aufgezeigt werden. Von vier verschiedenen Studien [ Jegadeesh/Titman (1993), Moskowitz/Grinblatt (1999), Huddart et al. (2009) und George/Hwang (2004) ] werden Methodik und empirische Ergebnisse analysiert. Ihre Aufarbeitung wird beweisen, dass es möglich ist, durch Anomalien im Markt abnormale Renditen zu erzielen.

Im zweiten Teil der Diplomarbeit wird, basierend auf der von George und Hwang (2004) beschriebenen Methodik der Aktienselektion und Portfoliobildung, anhand des 52-Wochen-Hochs eine empirische Studie erstellt. Die Analyse im Rahmen dieser Studie wird auf alle Aktien des Eurostoxx600 Aktienindex für einen elfjährigen Zeitraum beginnend mit 1999 angewendet. Dieser empirische Teil ist unterteilt in die Beschreibung der Daten, der Methode und in die Ergebnisse sowie in deren Überprüfung.

Abschließend werden die gewonnenen Erkenntnisse mit der eingangs beschriebenen Theorie und den empirischen Studien der Literatur verglichen und eventuelle Abweichungen interpretiert.

2 Problemstellung und Zielsetzung

2.1 Problemstellung

Die vorliegende Arbeit soll zeigen, dass mit einer Investitionsstrategie unter Nutzung des 52-Wochen-Hochs überdurchschnittlich mehr Rendite gegenüber dem Markt generiert werden kann.

„Es spricht manches dafür, dass Aktienkurse nicht Irrfahrten folgen, und
dass deshalb die Rendite vorhersehbar ist.“[3]

Die Investitionstheorie und ihre Anwendungen hängen kritisch mit dem Verständnis der Persistenz von Aktiengewinnen gegenüber Anomalien zusammen. Die Bestimmung, ob diese Anomalien im Verhalten verwurzelt sind, die von rationalen Anlegern mit größerem Risikobewusstsein genutzt werden können, hat tiefgreifende Auswirkungen auf die Markteffizienz und optimale Anlagestrategie. Die Fähigkeit Kaufen und Halten“-Strategien zu übertreffen, indem man vergangene Gewinneraktien verkauft und vergangene Verliereraktien kauft – gemeinhin als „Aktien-Momentum“[4] bekannt – bleibt eine der rätselhaftesten Anomalien. Zum einen, da die Höhe der Rendite jene einer normalen Strategie übersteigt (bis zu 12 % anormale Rendite pro eingesetztem Kapital einer selbstfinanzierten Strategie pro Jahr), und zum anderen wegen des eigentümlichen Musters, dem das Momentum zu folgen scheint. Die Strategie, basierend auf dem Momentum von Aktien, scheint eine schwache Methode zu sein, da sie nur den kurzfristig zurückliegenden Verlauf einer Aktie betrachtet (speziell Verläufe die kleiner als einen Monat sind), wohingegen sie im mittelfristigen Horizont (bis 24 Monate) sehr profitabel ist. Höchst erfolgreich ist sie im Bereich von sechs bis zwölf Monaten, über einen längeren Zeitraum (über 24 Monaten) ist sie jedoch sehr schwach.[5]

Viele Journalisten, Psychologen und Ökonomen sind der Ansicht, dass Einzelpersonen zu Überreaktionen hinsichtlich Informationen über Aktien neigen. Infolgedessen kann angenommen werden, dass auch Aktienkurse Überreaktionen auf Informationen zeigen, die darauf hindeuten, dass konträre Strategien – vergangene Verliereraktien zu kaufen und vergangene Gewinneraktien zu verkaufen – anormale Renditen erzielen.[6]

George und Hwang stellten fest, dass eine leicht verfügbare Information, wie das 52-Wochen-Hoch, einen beträchtlichen Teil der Gewinne aus Momentum-Investing erklären kann. Sie untersuchten das 52-Wochen-Hoch, weil andere Modelle, wie das von Jegadeesh und Titman (1993) oder jenes von Moskowitz und Grinblatt (1999), vorhersagen, dass Händler auf gute Nachrichten betreffend einer Aktie entweder zu langsam ober aber übertrieben reagieren. Eine Aktie, deren Preis an oder nahe seinem 52-Wochen-Hoch verweilt, ist eine Aktie, für welche gute Nachrichten kürzlich eingetroffen sind. Dies ist der Zeitpunkt in der die Profite durch ein Momentum-Investing und die Phase des einseitigen Handelns der Investoren an ihrem Höhepunkt sind. Laut den Autoren sind die Gewinne aus einer Momentum-Strategie, die auf der Nähe zum 52-Wochen-Hoch basieren, gegenüber jenen größer, bei welchen der Aktiengewinn aus ankommenden Neuigkeiten über eine vorgegebene Periode (beispielsweise sechs Monate) bestimmt wird. Fast jede Zeitung, die Aktienkurse publiziert, enthält auch Angaben zum 52-Wochen-Hoch bzw. informiert über das Eintreten einer Aktie in diesen Bereich. Das Wall Street Journal, die Financial Times und die Kronen Zeitung drucken zum Beispiel solche Informationen ab. Das Barron’ s Magazin veröffentlicht eine umfangreiche Liste mit jenen Aktien, die gerade ein 52-Wochen-Hoch erreicht haben, sogar wöchentlich.[7]

Zusätzlich werden in den diversen Finanzpressen standardmäßig die Grafiken der Aktienkurse einzelner Titel im 52-Wochen-Fenster abgedruckt.[8]

Die interessantesten Erkenntnisse der Studie von George und Hwang ergaben sich im direkten Vergleich zwischen traditionellen Momentum-Investing-Strategien und der 52-Wochen-Hoch-Strategie. Nach ihrem Papier ist die Nähe einer Aktie zum 52-Wochen-Hoch ein besserer Indikator für zukünftige Renditen als vergangene Renditen. Ebenso stellt die Nähe zum 52-Wochen-Hoch eine gute Vorhersagemöglichkeit dar, ob die Aktie starke vergangene Anstiege hinter sich hat oder nicht. Daraus kann gefolgert werden, dass das Preisniveau einer Aktie eine stärkere Wirkung auf ein Momentum-Investing hat als vergangene Preisentwicklungen.[9]

Grinblatt und Keloharju stellten in einer zweijährigen Studie des finnischen Aktienmarktes fest, dass das Muster nach dem Menschen an der Börse handeln, stark durch das Preisniveau beeinflusst wird. Sie leiteten aus den Datensätzen ab, dass die Neigung von Investoren eine Aktie zu verkaufen (anstatt sie zu halten oder zu kaufen) größer ist, wenn die Aktie nahe einem Höchststand ist. Investoren kaufen eher eine Aktie (anstatt sie zu verkaufen), wenn diese nahe an einem Tiefststand ist. Speziell in Finnland sind Investoren auch eher zögerlich ihre Verluste zu realisieren.[10]

Eine der am besten dokumentierten Regelmäßigkeiten in Finanzmärkten ist das Phänomen, dass Investoren dazu tendieren, an ihrer Verlustposition festzuhalten und ihre Gewinne zu früh zu verkaufen. Shefrin und Statman (1985) bezeichneten dies als „Disposition Effect“, was von ihnen sowohl in Experimenten als auch in Finanzmärkten (z.B. bei Aktien, Futures, Optionen oder Grundstücken) in vielen Ländern beobachtet wurde.[11]

Eine Ausnahme von diesem Verhalten zeigt sich in der Studie von Grinblatt und Keloharju im Monat Dezember, wenn finnische Wertpapierhändler aus steuerlichen Gründen ihre Verluste realisieren, da die finnischen Regelungen bei Scheingeschäften (wie z.B. ein Rückkauf der im Dezember verkauften Aktien im Jänner) zum Zeitpunkt der Studie locker gehandhabt wurden.[12]

Händler verwenden das 52-Wochen-Hoch als Referenzpunkt, im Vergleich zu dem sie die möglichen Auswirkungen von Neuigkeiten zu einer Aktie abschätzen. Wenn positive Nachrichten den Preis einer Aktie nahe zum 52-Wochen-Hoch gepusht haben, sind Spekulanten abgeneigt, den Preis noch höher zu treiben, obwohl die Nachrichten dies versprechen würden. Die guten Nachrichten manifestieren sich im Preis und resultieren in einer Fortführung des Preisanstieges. Ebenso sind Händler zunächst nicht gewillt, eine Aktie, die weit entfernt von ihrem 52-Wochen-Hoch notiert, zu verkaufen, obwohl die schlechten Nachrichten dies zunächst bestätigen würden. Aus diesem Verhalten kann abgeleitet werden, dass die Zurückhaltung eines Händlers, seine Einschätzung für eine Aktie zu ändern vom Preisniveau abhängig ist.[13]

Eine mögliche Erklärung für dieses eigenwillige Verhalten von Investoren, welche durch vergangene Preisspannen in ihren Handelsentscheidungen beeinflusst werden, wäre das Modell der „begrenzten Rationalität“. Insbesondere zeigt sich dies dann, wenn Investoren nur aus einer begrenzten Anzahl von Unternehmen oder Aktien auswählen können. Aktien, die ihre Handelsspanne verlassen, erregen eher die Aufmerksamkeit von Investoren, da die Berichterstattung von 52-Wochen-Hochs und - Tiefs weit verbreitet ist. Wie bereits erwähnt, berichten Finanzblätter wie das Wall Street Journal speziell auch über jene Aktien, die eben ein neues 52-Wochen-Hoch erreicht haben. Zusätzlich erstreckt sich das standardmäßige Zeitfenster zur Darstellung von Aktienkursen oft über den Zeitverlauf von 52 Wochen. Laut Huddart et al. lassen Nachforschungen im Lern- und Gedächtnisverhalten vermuten, dass sich Einzelpersonen wahrscheinlich auf Beobachtungen von Extremen konzentrieren, selbst wenn diese wenig informativ und sogar irrelevant sind. Daraus lässt sich schließen, dass ein Investor, der den Preis einer Aktie verfolgt, eher das aktuelle Preisniveau, im Verhältnis zum bisherigen Verlauf, im dargestellten 52-Wochen-Zeitfenster im Auge behält. Diese „begrenze Rationalität“ zeigt sich in dem Umstand, dass individuelle Investoren tendenziell nicht über jene Menge an Ressourcen wie institutionelle Investoren verfügen, um eine breite Palette an Aktien zu verfolgen. Dieser Effekt ist beim Kaufverhalten noch stärker ausgeprägt, da der Individualinvestor mit einer großen Menge an möglichen Aktienkäufen, die er wiederum nicht alle einzeln verfolgen kann, konfrontiert ist, jedoch beim Verkauf auf sein aktuelles Portfolio begrenzt ist.[14]

Auch Chen und Hong (2002) stellten sich die Frage, welche wirtschaftlichen Mechanismen hinter individuellen Aktien-Momenti stecken. Als einen möglichen Ansatz zur Ergründung dieser Fragestellung bieten sie die Idee, die auch schon Fama und French beschrieben haben: die Verbindung des Momentums zu anderen Faktoren, die den Querschnitt der erwarteten Aktiengewinne beeinflussen.[15] Fama und French versuchten herauszufinden, wie sogenannte Anomalien, die nicht durch das CAPM Modell[16] von Sharpe (1964) erklärbar sind, auftreten können. Dazu verwendeten sie das Drei-Faktoren-Modell von Fama und French (1993), welches das CAPM Modell erweitert. Dieses Drei-Faktoren-Modell besagt, dass der erwartete Übergewinn eines Portfolios über die risikolose Rendite durch drei Faktoren festgemacht werden kann: Die Renditedifferenz eines breiten Aktienportfolios gegenüber der risikofreien Rendite, die Renditedifferenz von kleinen und großen Aktien (SMB), gemessen an der Marktkapitalisierung, und die Renditedifferenz von Aktien mit hohem und niedrigem Buchwert (HML).[17]

2.2 Zielsetzung

Es soll gezeigt werden, dass eine Handelsstrategie, welche auf der bereits in vielen Tageszeitungen verfügbaren Information des 52-Wochen-Hochs operiert, anormale Renditen erwirtschaften kann. Dies wird sowohl durch Beispiele aus der Literatur als auch durch eine empirische Analyse dargelegt. Die empirische Studie orientiert sich an der Methodik wie sie George und Hwang (2004) (im Folgenden mit GH abgekürzt) beschreiben. In dieser Studie werden, wie es auch George und Hwang in ihrer Abhandlung skizzieren, Aktien anhand des 52-Wochen-Hochs (und diversen anderen historischen Maxima) ausgewählt. Im Unterschied zu GH werden diese Aktien nicht in Portfolien erfasst, sondern nach definierten Haltedauern wieder verkauft.

3 Empirische Studien aus der Literatur zu ausgewählten Momentum-Strategien

3.1 Jegadeesh und Titman (1993) zum Momentum-Effekt am amerikanischen Aktienmarkt

3.1.1 Untersuchungsmethodik

Jegadeesh und Titman (in weiterer Folge mit JT abgekürzt) werteten über einen Zeitraum von 1965 bis 1989 Aktien der NYSE und AMEX aus. Sie machten die Idee populär, dass Momentum-Strategien profitabel sind und „Kaufen und Halten“-Strategien dominieren.[18] Ihr Ergebnis ist eine Analyse der „relativen Stärke“-Handelsstrategie über einen Zeithorizont von drei bis zwölf Monaten.

JT trennten die Gewinne aus der Handelsstrategie nach verschiedenen Ursachen und entwickelten Tests, welche ihnen erlaubten, die relative Wichtigkeit zu beurteilen. Die Ergebnisse zeigten, dass die Gewinne nicht durch das systematische Risiko von Handelsstrategien bedingt werden, sondern auf verzögerte Preisreaktionen auf firmenspezifische Informationen zurückzuführen sind. Ferner erarbeiteten sie Beweise, dass die Gewinne nicht durch einen Verzögerungseffekt (Lead/Lag-Effekt) infolge verspäteter Reaktionen der Aktienkurse auf Informationen hervorgerufen wurden. Weitere Tests bewiesen, dass ein Teil der vorhersehbaren Preisänderung, die in der drei- bis zwölfmonatigen Haltedauer eingetreten ist, nicht von Dauer ist. Die Aktien, die in das Relative-Stärke-Portfolio aufgenommen wurden, erlebten ungefähr ab dem zwölften Monat nach der eingetroffenen Information anormal negative Gewinne, die sich bis zum 31. Monat fortsetzten. Beispielsweise bildete das Portfolio auf der Grundlage der Renditen der letzten sechs Monate eine kumulierte durchschnittliche Rendite von 9,5 % in den nächsten zwölf Monaten, verlor jedoch mehr als die Hälfte davon in den darauf folgenden 24 Monaten.[19]

3.1.2 Empirische Ergebnisse

JT analysierten in ihrer Studie neben dem Verhalten der Händler auch die Rendite von Aktien während der Berichterstattung von Gewinn-Ankündigungen. Diese lässt eine ähnliche Neigung der Markterwartungen erkennen. Laut den Autoren fuhren vergangene Gewinneraktien konstant höhere Aktiengewinne in den folgenden sieben Monaten nach der Gewinnankündigung ein als vergangene Verliereraktien (Überreaktion). Im Gegensatz zum erhöhten Anfangsgewinn konnten jedoch die Verliereraktien in den folgenden 13 Monaten höhere Gewinne erzielen als die Gewinneraktien (Unterreaktion).[20]

Da Aktien auf Informationen über- oder unterreagieren, können Handelsstrategien existieren, die diese Ineffizienz ausnutzen und Aktien aufgrund ihrer vergangenen Performance auswählen und mit diesen Aktien Überrenditen erzielen. JT untersuchten in ihrer Studie die Effizienz der Börse nach verschiedenen Handelsstrategien. Die Strategien, die von JT gewählt wurden, suchten Aktien basierend auf ihrer Rendite der vergangenen drei, sechs, neun oder zwölf Monaten aus. Ebenso wurden verschieden lange Halteperioden von drei, sechs, neun und zwölf Monaten gewählt. Dies ergibt insgesamt 16 Strategien. Weiters untersuchten JT 1993 eine zweite Gruppe von 16 Strategien, bei welchen zwischen der Formationsperiode und der Halteperiode eine Woche übersprungen wurde. Durch das Überspringen einer Woche sollten der Preisdruck, ein Teil des Bid/Ask-Spread und verzögerte Reaktionen vermieden werden. Um die Leistung der Tests zu erhöhen, wurden die Halteperioden der Portfolios überlappt. Daher enthielten die Strategien in jedem Monat t eine Reihe von Portfolios, die Portfolios des aktuellen Monats, als auch jene der vorangegangenen K-1 Monate, wobei K die Haltedauer und J die Formationsdauer ist. Eine Strategie, die Aktien auf der Grundlage der Renditen der vergangenen J Monate wählt, und sie K Monate hält, wird wie folgt aufgebaut:

Zu Beginn jedes Monats t werden die Aktien in aufsteigender Reihenfolge auf der Grundlage ihrer Renditen der vergangenen J Monate geordnet. Basierend auf dieser Rangliste werden zehn gleichgewichtete Portfolios gebildet. Das Portfolio des obersten Dezils heißt „Looser“-Dezil und das unterste Dezil heißt „Winner“-Dezil. In jedem Monat t kauft die Strategie das Gewinnerportfolio und verkauft das Verliererportfolio und haltet diese Positionen für K Monate. Darüber hinaus schließt die Strategie die Positionen , die im Monat t – K geöffnet wurden. Die Gewichte für 1/K der Aktien des gesamten Portfolios werden in jedem Monat geändert. Die restlichen Gewichte werden aus den Vormonaten übernommen. Die Profite der Strategien werden sowohl für eine Reihe von Portfolien berechnet, die nach „Kaufen und Halten“ agieren, als auch für eine Reihe von Portfolien, die monatlich neu gewichtet werden. Beide Strategien bringen annähernd die gleichen Renditen.[21]

Die Schlussfolgerungen von JT sind, dass Handelsstrategien, die vergangene Gewinneraktien kaufen und vergangene Verlierertitel verkaufen, signifikant anormale Gewinne in der Zeit von 1965 bis 1989 realisierten. Beispielsweise schafft die Strategie, welche Aktien aufgrund ihrer Performance der letzten sechs Monate auswählt und weitere sechs Monate hält, einen kumulierten Übergewinn von im Schnitt 12,01 % pro Jahr. Die Autoren erklären dieses Ergebnis dadurch, dass der Markt auf Informationen bezüglich der kurzfristigen Aussichten zu einer Aktie unterreagiert, jedoch auf Informationen zu langfristigen Aussichten überreagiert. Dies ist laut JT plausibel, da die Art der verfügbaren Informationen über kurzfristige Aussichten eines Unternehmens (wie z.B. Gewinnprognosen) eindeutiger ist als die Beurteilung von langfristigen Aussichten eines Unternehmens.[22]

Lee und Swaminathan (2000) (in weiterer Folge mit LS abgekürzt) versuchten in ihrer Studie ebenfalls einen Zusammenhang zwischen Momentum und Handelsvolumen herzustellen. Sie zeigten – wie auch JT – dass bis zum dritten Jahr keine signifikante Preisumkehr stattfand. Sie fanden jedoch heraus, dass das ursprüngliche Gewinner-Portfolio vom dritten bis zum fünften Jahr signifikant schlechter abschneidet als das ursprüngliche Verlierer-Portfolio. Diese Erkenntnis ist insofern von Bedeutung, als dass dies die allgemein anerkannte Annahme revidiert, dass das Preis-Momentum eine simple Unterreaktion ist. Stattdessen legt der Beweis von LS nahe, dass zumindest ein Teil des ursprünglichen Momentum-Gewinns eher als Überreaktion gedeutet werden sollte.[23]

Glaser und Weber (2003) analysierten in Hinblick auf JT’s Strategie den Zusammenhang von Momentum-Strategien und Umsatz (gehandelte Aktien im Verhältnis zu r Gesamtzahl an ausstehenden Aktien) am deutschen Aktienmarkt. Im Gegensatz zum bewiesenen Verhalten am US-Markt, ist die Momentum-Strategie vor allem bei jenen Aktien mit einem hohen Umsatz und hauptsächlich bei Gewinner-Aktien am deutschen Markt erfolgreich. Gewinner-Aktien mit hohem Umsatz schlagen in dieser Studie Gewinner-Aktien mit niedrigem Umsatz. Konträr zu den Erkenntnissen von JT, verminderten sich die Gewinne aller Strategien, wenn zwischen Formations- und Halteperiode eine Woche oder ein Monat ausgelassen wird. Die Ergebnisse der Studie ohne „Warteperiode“ waren ähnlich positiv mit rund 0,96 % pro Monat für die 9/6 Strategie.[24]

Jegadeesh und Titman (2001) reagierten 2001 auf den Vorwurf des „Data-Mining“ oder „Data-Snooping“ einiger Autoren mit einer Wiederholung ihrer Studie von 1993. Die erneute Aufnahme des Datenmaterials sollte überprüfen, ob der Markt, wie von einigen Kritikern behauptet, ineffizient sei. Bei der neuerlichen Überprüfung erweiterten sie den Datensatz um neun Jahre - von 1990 bis 1998. Auch diese Analyse zeigt, dass die von JT entwickelte Momentum-Strategie profitabel ist (beispielsweise erzielte die 6/6 Strategie im Durchschnitt 1,39 % Rendite pro Monat).[25]

3.2 Moskowitz und Grinblatt (1999) zum Momentum-Effekt mit Bezug zur Industriezugehörigkeit

3.2.1 Untersuchungsmethodik

Moskowitz und Grinblatt (in weiterer Folge mit MG abgekürzt) konzentrierten sich in ihrer Studie überwiegend auf die positive Fortdauer von Aktiengewinnen aus dem Momentum-Effekt über einen mittelfristigen (sechs bis zwölf Monate) Zeithorizont und untersuchten verschiedene Erklärungen für diesen Effekt.

MG verwendeten Daten von CRSP (Finanzinformationsinstitut aus Chicago) und COMPUSTAT (eine Finanzdatenbank von Standard & Poor’ s), um daraus 20 wertgewichtete Industrieportfolios für jeden Monat - von Juli 1963 bis Juli 1995 - zu kreieren. Da die durchschnittliche Anzahl an Aktien pro Industriesparte 230 und die wenigsten Aktien zu einer beliebigen Zeit 25 war, konnten alle Portfolios als gut diversifiziert bezeichnet und die firmenspezifischen Risiken als gering eingestuft werden.[26]

3.2.2 Empirische Ergebnisse

MG identifizierten das Momentum der jeweiligen Industrie als Quelle für den Großteil der Gewinne aus dem Aktien-Momentum des Erhebungszeitraumes von 1963 bis 1995. Insbesondere fanden sie starke Hinweise darauf, dass die Fortdauer der signifikanten Industriegewinne auf folgende Komponenten zurückführbar ist:

- Industrieportfolios zeigten ein deutliches Momentum nach Überprüfung auf Größe, des Buch- zu- Marktwert-Verhältnisses, Momentum einzelner Aktien [sic], Querschnittsverteilung der Durchschnittsrenditen und potenzielle Einflüsse von Mikrostrukturen.
- Sobald die Gewinne durch Industrieeffekte angepasst wurden, waren die Momentum-Effekte von Einzelaktien signifikant schwächer und zum größten Teil statistisch nicht signifikant.
- Die Industrie‑Momentum-Strategien waren profitabler als die Momentum‑Strategien für einzelne Aktientitel.
- Die Industrie‑Momentum-Strategien waren robust gegenüber verschiedenen Spezifikationen und Methoden, und sie schienen selbst unter den größten und liquidesten Aktien rentabel zu sein.
- Die Rentabilität von Industriestrategien über den mittelfristigen Zeithorizont wurde überwiegend von Kauf-Positionen angetrieben. Im Gegensatz dazu wurde die Profitabilität von Momentum-Strategien bei Einzelaktien weitgehend durch das Verkaufen von vergangenen Verliereraktien getrieben, vor allem wenn diese weniger liquide waren.
- Im Gegensatz zum Momentum einzelner Aktien, war das Momentum der Industrie im kurzfristigen Zeitfenster (ein Monat) am stärksten ausgeprägt und zerstreute sich nach zwölf Monaten, um sich schließlich auf lange Sicht umzukehren. Die kurzfristige Performance von Industrie-Momentum und Einzelaktien-Momentum war völlig entgegengesetzt, die langfristige Performance jedoch identisch.[27]

Die Existenz von Industrien als eine wesentliche Quelle der Momentum-Gewinne unterstützt die Wichtigkeit von Verhaltensmodellen als Erklärung für die Anomalien im Momentum einzelner Aktien. Wie bereits erläutert, sehen auch MG, dass das Momentum von einzelnen Aktien durch die verspätete Reaktion von Investoren auf Informationen getrieben ist. Die verhaltensgetriebenen Momentum-Gewinne sollten zumindest durch einige Anleger, die das Momentum als Arbitrage-Chance wahrnehmen, eingeschränkt werden. Rationelle Anleger profitieren von ihren irrationalen Kontrahenten mit großen Positionen in Aktien, wenn der Großteil der Investoren anhaltend irrational wenig Reaktion auf Informationen zeigt, die für verschiedene Unternehmen ausreichend unkorreliert eintreffen. Es gibt praktisch keine Grenzen für Arbitrage, sobald Aktiengewinne durch ein Modell generiert werden. Ein sich selbst finanzierendes Momentum-Portfolio kann mit nahezu keinem Risiko kreiert werden, wenn es die vergangenen Gewinneraktien „long“ und die vergangenen Verliereraktien „short“ sind. Dieses Portfolio würde firmenspezifische Risiken diversifizieren und durch das Momentum eine positive Rendite erzielen. MG halten es für wenig wahrscheinlich, dass rationelle Investoren ein Modell mit solch einem niedrigen Risiko nicht ausnutzen würden. Aktien einer bestimmten Industrie tendieren dazu, korreliert zu sein, weshalb das Momentum einer einzelnen Aktie durch das Industrie-Momentum getrieben wird. Branchenübergreifend ist dies nicht der Fall. Somit kann eine Momentum-Strategie ebenso erfolgreich sein wie ein Arbitragegeschäft, darf jedoch nicht mit ihm gleichgesetzt werden.[28]

Asness, Porter und Stevens (2000) (im Folgenden mit APS abgekürzt) haben verschiedene Firmencharakteristika (z.B. Firmengröße, Kurs-/Buchwert-Verhältnis, Cash-Flow/Preis-Verhältnis, u.a.) in zwei industriebezogene Komponenten geteilt. Die erste Komponente ist die Differenz zwischen der spezifischen Firmencharakteristik und der Durchschnittsscharakteristik der zugehörigen Industrie. Dies bezeichneten sie als „innerhalb der Industrie“-Variable. Der zweite Bestandteil ist die durchschnittliche Charakteristik der Industrie. Dies bezeichneten APS als „Industrie-Querschnitt“. Entgegen der Ergebnisse von MG fanden APS heraus, dass das „innerhalb der Industrie“-Momentum (z.B. die vergangenen Gewinne abzüglich der durchschnittlichen Gewinne der Industrie) sehr wohl eine Vorhersagekraft gegenüber der „Industrie-Querschnitts“-Methode besitzt. Ebenso dokumentierten APS einen signifikanten kurzfristigen (einen Monat anhaltenden) Industrie-Momentum-Effekt, der sehr signifikant war, wenn die Aktienauswahl auf die Liquidesten beschränkt war.[29]

Laut MG existiert in der Industrie ein starker und dauerhafter Momentum-Effekt, der scheinbar nicht mit Mikrostruktur-Effekten oder individuellen Aktien-Momenti in Zusammenhang steht, was aber von APS nicht bestätigt werden konnte.[30]

Kritik an der Analyse von MG kommt auch von Grundy und Martin (1998). Ihrer Meinung nach könnten Gewinne, die direkt im Monat nach der Formationsperiode eintreten, auch durch den sogenannten „Lead-Lag“ Effekt innerhalb der Industrie hervorgerufen werden. MG weisen zwar auf solch einen Effekt hin, verabsäumen es aber, diesen nach der Überprüfung auf die Firmengröße zu wiederholen. Unklar ist laut Grundy und Martin, ob dieser „Lead-Lag“ Effekt unbedingt die Abhängigkeit von kleinen Aktien gegenüber großen abbildet. Es könnte auch nur ein simpler industriebezogener Effekt sein, der mit der Firmengröße nichts zu tun hat.[31]

Ferner steuert der Industrie-Momentum-Effekt laut MG anscheinend bedeutend der Profitabilität von individuellen Aktien-Momentum-Strategien bei und schlägt – ausgenommen für das Momentum von 12-Monats Strategien – diese vollständig. Diese Ergebnisse bezeugen, dass Momentum-Strategien tatsächlich nicht sonderlich gut diversifizieren, da die Gewinner und Verlierer tendenziell aus derselben Industrie kommen. Darüber hinaus generiert eine Momentum-Strategie basierend auf Industrien den meisten Profit auf der Kaufseite und nicht auf der Verkaufsseite.[32]

Menzly und Ozbas (2004) fügen sich in die Reihe von Analysten ein, welche die positive Korrelation der Gewinne erkannt haben, die quer durch Betriebe auftreten, die miteinander durch die Produktionsketten verbunden sind – die Autoren nennen dies „Cross-Industry-Momentum“. Aufgrund von Warenströmen innerhalb von Industriezweigen, sowie Benchmark-Studien des „Bureau of Economic Analysis“ bestätigten sie, dass die miteinander in Zusammenhang stehenden Industrien auch führend für die Gewinne der Industriegruppe verantwortlich sind.[33]

[...]


[1] Vgl. Jegadeesh [Predictable Behavior 1990], S. 881.

[2] Vgl. Fama [Efficient Capital Markets 1970], S. 383.

[3] George/Hwang [52-Week High 2004], S. 2145.

[4] Momentum-Strategien sind auch unter dem Begriff „relative Stärke Strategie“ oder „Momentum-Investing“ bekannt. Der in dieser Arbeit verwendete Begriff des Momentums ist zwar ähnlich mit dem „Momentum“ der technischen Analyse, welcher die Rate des Steigens bzw. Fallens einer Aktie misst, aber dennoch von diesem zu unterscheiden. Vgl. Han/Hsu [Stock Momentum 2004], S. 1.

[5] Vgl. Moskowitz/Grinblatt [Industry Momentum 1999], S. 1249f.

[6] Vgl. Jegadeesh/Titman [Buying Winners, Selling Losers 1993], S. 65.

[7] Vgl. George/Hwang [52-Week High 2004], S. 2146.

[8] Vgl. Huddart et al. [52-Week Highs and Lows 2009], S. 18.

[9] Vgl. George/Hwang [52-Week High 2004], S. 2146.

[10] Vgl. Grinblatt/Keloharju [Investment Behavior 2000], S. 44f.

[11] Vgl. Grinblatt/Han [Mental Accounting 2005], S. 312.

[12] Vgl. Grinblatt/Keloharju [Investors 2001], S. 630f.

[13] Vgl. George/Hwang [52-Week High 2004], S. 2146.

[14] Vgl. Huddart et al. [52-Week Highs and Lows 2009], S. 19f.

[15] Vgl. Chen/Hong [Momentum and Autocorrelation 2002], S. 565.

[16] Vgl. Sharpe [Capital Asset Prices 1964], S. 425ff.

[17] Vgl. Fama/French [Asset Pricing Anomalies 1996], S. 55.

[18] Vgl. Han/Hsu [Stock Momentum 2004], S. 1.

[19] Vgl. Jegadeesh/Titman [Buying Winners, Selling Losers 1993], S. 67.

[20] Vgl. Jegadeesh/Titman [Buying Winners, Selling Losers 1993], S. 67.

[21] Vgl. Jegadeesh/Titman [Buying Winners, Selling Losers 1993], S. 68.

[22] Vgl. Jegadeesh/Titman [Buying Winners, Selling Losers 1993], S. 90.

[23] Vgl. Lee/Swaminathan [Momentum and Volume 2000], S. 2018.

[24] Vgl. Glaser/Weber [Momentum and Turnover 2003], S. 108ff.

[25] Vgl. Jegadeesh/Titman [Momentum Strategies 2001], S. 699f.

[26] Vgl. Moskowitz/Grinblatt [Industry Momentum 1999], S. 1252.

[27] Vgl. Moskowitz/Grinblatt [Industry Momentum 1999], S. 1250.

[28] Vgl. Moskowitz/Grinblatt [Industry Momentum 1999], S. 1251f.

[29] Vgl. Asness et al. [Predicting Stock Returns 2000], S. 1ff.

[30] Vgl. Moskowitz/Grinblatt [Industry Momentum 1999], S. 1286.

[31] Vgl. Grundy/Martin [Risk and Rewards 1998], S. 24.

[32] Vgl. Moskowitz/Grinblatt [Industry Momentum 1999], S. 1286.

[33] Vgl. Menzly/Ozbas [Cross-Industry Momentum 2004], S. 1.

Ende der Leseprobe aus 88 Seiten

Details

Titel
Handelsstrategien anhand des 52-Wochen-Hochs für Aktien des Eurostoxx600
Hochschule
Alpen-Adria-Universität Klagenfurt  (Finanzmanagement)
Note
1
Autor
Jahr
2012
Seiten
88
Katalognummer
V206755
ISBN (eBook)
9783656343103
ISBN (Buch)
9783656343424
Dateigröße
3055 KB
Sprache
Deutsch
Schlagworte
Kapitalanlage, 52-Wochen-Hoch, Eurostoxx600, Momentum
Arbeit zitieren
Bernhard Pretis (Autor:in), 2012, Handelsstrategien anhand des 52-Wochen-Hochs für Aktien des Eurostoxx600, München, GRIN Verlag, https://www.grin.com/document/206755

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Handelsstrategien anhand des 52-Wochen-Hochs für Aktien des Eurostoxx600



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden