Einführung
Kalendereffekte sind Marktanomalien, die sich darin ausdrücken, dass die Aktienrenditen sich zu bestimmten Kalenderereignissen (Tag, Wochenende, Monat, Halbjahr usw.) anders verhalten als sonst zu erwaten ist. Da die vergangenen und zukünftigen Kalenderereignisse zu den öffentlichen Informationen gehören, können die Kalendereffekte eine Verletzung der Markeffizienz in ihrer Semi-Strong-Form darstellen. Ob sie es wirklich tun, hängt davon ab, ob man das Wissen über Kalendereffekte auch ökonomisch ausnutzen kann, indem man, nach Abzug der Transaktionskosten, eine höhere erwartete Rendite als Markt beim gleichbleibenden Risiko erwirtschaftet.
Obwohl es einige vereinzelte Versuche bereits in den 30er Jahren gegeben hat, hat die intensive Erforschung von Kalendereffekten erst in den 70er Jahren begonnen. Dies ist darauf zurückzuführen, dass die Kalendereffekte vornehmlich von Akademikern mittels datenintensiver quantitativer Analyse entdeckt wurden. Die ökonomische Theorie und Praktiker konnten in den meisten Fällen diese Effekte nicht ex-ante postulieren; die Wissenschaft hat dennoch manchmal ex-post rationale Erklärungen für sie geliefert. Der Rest dieser Hausarbeit wird folgendermaßen organisiert. Im Abschnitt 2 wird der Januar-Effekt detailliert erörtert, welcher der klassischer Fall eines „akademisch entdeckten“ Kalendereffektes ist. Im Abschnitt 3 kommen wir zum interessanten Fall vom Sell-in-May-Effekt, welcher auf einer alten Börsenweisheit basiert und ausnahmsweise von Praktikern „entdeckt“ wurde. Der Abschnitt 4 erörtert kurz andere mehr oder weniger bekannte Kalendereffekte. Danach widmen wir uns einigen allgemeinen theoretischen Fragen der wissenschaftlichen Identifikation und Auswertung der Kalendereffekte. Der Abschnitt 5 behandelt kurz die Frage der Auswahl der treffenden Kennzahlen, der Abschnitt 6 erörtert detailliert die Problematik des Testens der Kalendereffekte auf ihre Signifikanz, der letzte Abschnitt 7 setzt sich kurz mit der Frage der Zukunfts- und Vorhersagerelevanz der wissenschaftlich identifizierten Kalendereffekte auseinander.
Inhaltsverzeichnis
1. Einführung
2. Der Januar-Effekt
3. Der Sell-In-May-Effekt
4. Andere Kalenderanomalien
6. Problematik des Testens der Kalendereffekte auf Signifikanz
7. Out-Of-Sample-Verhalten der Kalendereffekte und Murphy’s Law
8. Fazit und Ausblick
9. Literaturverzeichnis
10. Anhänge
Zielsetzung & Themen
Die vorliegende Arbeit untersucht die Existenz und wissenschaftliche Validität von Kalendereffekten in Aktienrenditen. Das primäre Ziel ist es, zu analysieren, ob solche Marktanomalien eine tatsächliche Verletzung der Markteffizienzhypothese darstellen oder ob sie auf statistischen Artefakten beruhen.
- Analyse klassischer Kalendereffekte wie Januar-Effekt und Sell-In-May-Effekt
- Methodische Problematik bei der statistischen Signifikanzprüfung
- Einfluss von Data-Snooping und kollektiver Datenanalyse
- Out-Of-Sample-Validierung von Marktanomalien
Auszug aus dem Buch
Der Januar-Effekt
Der Januar-Effekt ist wohl der bekannteste von allen „akademischen“ Kalendereffekten.
Der Effekt kann folgenderweise definiert werden: die Rendite im Januar fällt deutlich höher aus als im Dezember bzw. als Jahresdurchschnittsrendite.
Dieser Effekt wird besonders häufig bei Aktien der kleineren Gesellschaften (die sog. small-caps) festgestellt. Dabei wird er häufig als ein Bestandteil des klassischen Size-Effektes verstanden. Der Size-Effekt drückt sich heraus in der Tatsache, dass small-caps allgemein eine höhere Rendite als blue-chips erwirtschaften, ohne wesentlich riskanter zu sein; die Differenz zwischen den Renditen wird als small-firm-premium bezeichnet. Der Januar-Effekt bedeutet nun in diesem Kontext, dass das Ausmaß dieser Prämie im Monat Januar deutlich steigt.
Als häufigste Erklärungen dieses Effektes werden das sog. tax-loss-selling sowie windows-dressing vorgeschlagen.
Tax-Loss-Selling bedeutet, dass die Investoren (insb. Kleininvestoren) am Ende der Einkommensteuerperiode (in der Regel Ende Dezember) ihre Verlierer-Aktien verkaufen, damit sie diese Verluste bei der Einkommenssteuererklärung bei der Ermittlung der Besteuerungsgrundlage abziehen dürfen. Die Gewinner-Aktien werden dagegen nicht verkauft und die Gewinne daraus nicht besteuert.
Zusammenfassung der Kapitel
1. Einführung: Grundlegende Definition von Kalendereffekten als Marktanomalien und deren Einordnung in die Markteffizienzhypothese.
2. Der Januar-Effekt: Detaillierte Betrachtung der Theorie des Januar-Effekts unter besonderer Berücksichtigung von Steueraspekten (Tax-Loss-Selling) und Window-Dressing.
3. Der Sell-In-May-Effekt: Untersuchung der auf Börsenweisheiten basierenden Anomalie, dass Renditen in den Wintermonaten höher ausfallen als im Sommer.
4. Andere Kalenderanomalien: Kurzer Überblick über weitere Phänomene wie den Wochenende-Effekt, Feiertags-Effekte und Mean-Reverting.
6. Problematik des Testens der Kalendereffekte auf Signifikanz: Diskussion der methodischen Herausforderungen bei der Identifikation, insbesondere hinsichtlich des Data-Snooping-Problems.
7. Out-Of-Sample-Verhalten der Kalendereffekte und Murphy’s Law: Analyse, warum viele Effekte nach ihrer Entdeckung an Vorhersagekraft verlieren oder verschwinden.
8. Fazit und Ausblick: Zusammenfassende Bewertung der praktischen Relevanz und Ausblick auf zukünftige Forschungsansätze wie Behavioral Finance.
10. Anhänge: Mathematische Herleitungen von Regressionsmodellen und statistischen Testverfahren zur Absicherung von Kalendereffekten.
Schlüsselwörter
Kalendereffekte, Aktienrenditen, Marktanomalien, Markteffizienz, Januar-Effekt, Sell-In-May-Effekt, Data-Snooping, Statistik, Regression, Behavioral Finance, Small-Firm-Premium, Börsenweisheiten, Finanzmarkt, Signifikanz.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit?
Die Arbeit untersucht das Phänomen von Kalendereffekten, also Anomalien an Finanzmärkten, bei denen Aktienrenditen zu bestimmten Zeiten systematisch von der erwarteten Performance abweichen.
Welche Themenfelder stehen im Fokus?
Zentral sind der Januar-Effekt, der Sell-In-May-Effekt sowie die methodischen Herausforderungen bei der statistischen Identifikation solcher Effekte.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist die kritische Prüfung, ob diese Kalendereffekte ökonomisch ausnutzbare Anomalien darstellen oder ob sie auf zufälligen Mustern innerhalb der Daten beruhen.
Welche wissenschaftliche Methode kommt zum Einsatz?
Es werden empirische Ansätze der Zeitreihenanalyse, lineare Regressionen sowie Verfahren zum Umgang mit Data-Snooping und Signifikanztests (z.B. Reality-Check-Verfahren) diskutiert.
Was wird im Hauptteil behandelt?
Der Hauptteil analysiert spezifische Anomalien, deren mögliche rationale Erklärungen und die Problematik, dass wissenschaftlich publizierte Effekte häufig nach ihrer Veröffentlichung an Bedeutung verlieren.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Kalendereffekte, Markteffizienz, Data-Snooping, Signifikanz, Januar-Effekt und Sell-In-May-Effekt.
Welche Rolle spielt das "Data-Snooping"?
Data-Snooping bezeichnet das Problem, dass bei der intensiven Suche nach Mustern in Datensätzen statistische Signifikanz vorgetäuscht werden kann, obwohl das Ergebnis nur auf Zufall basiert.
Was besagt die "Murphy's Law" Analogie in der Arbeit?
Sie beschreibt das Phänomen, dass einmal entdeckte und in der Literatur bekannte Marktanomalien oft verschwinden oder sich umkehren, sobald Arbitrageure versuchen, diese gewinnbringend zu nutzen.
- Quote paper
- Volodymyr Perederiy (Author), 2004, Existenz von Kalendereffekten in Aktienrenditen, Munich, GRIN Verlag, https://www.grin.com/document/28348
