Die Point & Figure-Analyse als Timinginstrument von Hedgefonds unter Risiko-Ertrags Gesichtspunkten


Diplomarbeit, 2009
116 Seiten, Note: 1,3
Max Schröder (Autor)

Leseprobe

Inhaltsverzeichnis

Liste der Symbole

Abkürzungsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Anhangverzeichnis

Einleitung

1 Umfeld der Point & Figure Technik
1.1 Grundlagen zu Hedgefonds
1.1.1 Definition von Hedgefonds
1.1.2 Hegefonds-Charakteristika
1.1.3 Marktteilnehmer
1.1.4 Marktentwicklung
1.2 Hedgefonds im Portfoliokontext
1.2.1 Portfolio-Selection-Model nach Markowitz
1.2.1.1 OPrämissen
1.2.1.2 OZentrale Aussage
1.2.1.3 ORendite- bzw. Risikokennzahlen (Erwartungswert, OStandardabweichung, Kovarianz und Korrelations- Okoeffizient)
1.2.1.4 OSystematisches und unsystematisches Risiko
1.2.1.5 OEffiziente Portfolios
1.2.1.6 ORisikobereitschaft der verschiedenen Anlegertypen Ound Bildung von optimalen Portfolios
1.2.1.7 OKritik an der Portfoliotheorie
1.2.2 Capital Asset Pricing Model (CAPM)
1.2.2.1 OPrämissen
1.2.2.2 OZentrale Aussage des CAPM
1.2.2.3 ODie Kapitalmarktlinie
1.2.2.4 ODie Wertpapiermarktlinie
1.2.2.5 OKritik am CAPM
1.2.3 Einsatzmöglichkeit und Nutzen von Hedgefonds in traditionellen Portfolios
1.3 Hedgefonds-Strategien
1.3.1 Relative Value (marktneutrale)-Strategien
1.3.1.1OAnleihen-Arbitrage (Fixed Income Arbitrage)
1.3.1.2OWandelanleihen-Arbitrage (Convertible Bond Arbitrage)
1.3.1.3OEquity Market Neutral
1.3.2 Event-Driven (ereignisorientierte)-Strategien
1.3.2.1 OMerger Arbitrage / Risk Arbitrage O(Übernahme-Arbitrage)
1.3.2.2ODistressed Securities
1.3.3 Opportunisitische (gelegenheitsorientierte)-Strategien
1.3.3.1 OGlobal-Macro-Strategie
1.3.3.2 OLong/Short Equity
1.3.3.3 OEmerging Markets
1.3.4 Managed Futures
1.3.4.1 ODiskretionäre Managed Futures Fonds
1.3.4.2 OSystematische Managed Futures Fonds
1.3.5 Multi-Strategy
1.4 Chancen und Risiken von traditionellen Investments und Hedgefonds
1.4.1 Allgemeine Risiken von Hedgefonds
1.4.1.1OMarktrisiko
1.4.1.2OLeverage-Risiko
1.4.1.3OLiquiditäts-Risiko
1.4.1.4OWährungsrisiko
1.4.1.5OStrategiewechsel-Risiko
1.4.1.6OSchlüsselpersonen-Risiko
1.4.1.7OMarktzugangs-Risiko
1.4.2 Risikomaße von traditionellen Fonds bzw. Absolute-Return- Investments
1.4.2.1 OStandardabweichung
1.4.2.2 OSemivarianz
1.4.2.3 OValue at Risk
1.4.2.4 OSchiefe (Skewness)
1.4.2.5 OWölbung (Kurtosis)
1.4.2.6 OMaximaler Drawdown

1.4.3 Chance-Risiko-Ratios traditioneller Fonds bzw. von Absolute-Returni Investments
1.4.3.1OSharpe-Ratio
1.4.3.2OSortino-Ratio
1.4.3.3OCalmar-Ratio
1.5 Biases (Verzerrungen) durchschnittlicher Renditen von Indexfonds der Hedgefond-Datenbanken
1.5.1 Begriffsklärung Biases
1.5.2 Biases-Arten der Hedgefond-Datenbanken
1.5.2.1 OSurvivorship Bias
1.5.2.2 OSelf-Selection Bias
1.5.2.3 OLiquidation Bias
1.5.2.4 ODouble Counting Bias
1.5.2.5 OMinimum History Bias
1.5.2.6 OSize Bias
1.5.2.7 OGeographical Bias

2 Funktionsweise der Point & Figure-Analysemethode
2.1 Die Point & Figure-Methode – Einordnung und Historie
2.1.1 Einordnung der Point & Figure-Analyse in den Gesamtkontext
2.1.2 Geschichte der Point & Figure-Charts (Punkte und Zahlen-Charts)
2.2 Point & Figure-Chartkonstruktion
2.2.1 Symbole für Angebot und Nachfrage: X und O
2.2.2 Zeitangaben im Chart
2.3 Vorteile von Point & Figure-Charts gegenüber anderen Chartarten
2.4 Stellgrößen eines Point & Figure-Charts
2.4.1 Die Reversalgröße (Stellgröße 1)
2.4.1.1OEin-Box-Reversal
2.4.1.2ODrei-Box-Reversal
2.4.1.3OFünf-Box-Reversal
2.4.2 Die Kästchengröße (Stellgröße 2)
2.4.2.1OStatische Kästchengröße
2.4.2.2OKästchengröße in Prozent vom aktuellen Kurs
2.4.2.3OChartcraft-Einstellung
2.4.2.4 Bull’s-Eye-Broker-Einstellung
2.5 Point & Figure-Chart Patterns (Kursmuster)
2.5.1 Point & Figure-Chart Patterns nach Prof. Dr. Earl Davis
2.5.1.1 ODoppel-Bottom und Doppel-Top
2.5.1.2 OBullish und Bearisch Signal
2.5.1.3 OTriple-Tops und Triple-Bottoms
2.5.1.4 OAscending Triple-Tops und Decending Triple-Bottoms
2.5.1.5 OSpread Triple-Tops und Spread Triple-Bottoms
2.5.1.6 OBullische und baerische symmetrische Dreiecke
2.5.2 Weitere Point & Figure Chart Patterns
2.5.2.1 OBullische und baerische Katapult-Formation
2.5.2.2 ODoppel-Top Breakout und Doppel-Bottom Breakout nach OKatapult
2.5.2.3 OQuadruple Tops und Quadruple Bottoms
2.5.2.4 OLong Tail Down und Long Tail Up
2.5.2.5 OLow Pole-Formation und High Pole-Formation
2.5.2.6 OShakeout-Formation
2.6 Point & Figure Trendlinien
2.6.1 Bullish Support Line und Bullish Resistance Line
2.6.2 Baerish Support Line und Baerish Resistance Line
2.7 Point & Figure-Kursziele
2.7.1 Vertikaler Count
2.7.1.1 OBullischer vertikaler Count
2.7.1.2 OBaerischer vertikaler Count

2.7.1.3 iBullischer vertikaler Count mit sich ändernder Boxgrösse

2.7.1.4OiBaerischer vertikaler Count mit sich ändernder iiBoxgröße
2.7.2 Horizontaler Count
2.7.2.1 OBullischer horizontaler Count
2.7.2.2 OBaerischer horizontaler Count
2.8 Relative Stärke-Charts
2.9 Bullisch Prozent Index

3 Statistische historische sowie aktuelle Point & Figure-Untersuchungen und deren Auswertungen
3.1 Historische Studien zu Point & Figure
3.1.1 Die bedeutendste Point & Figure Studie von Prof. Earl Davis (1914-1964)
3.1.1.1 ODavis Kaufsignale und Verkaufssignale iseiner Tests

3.1.1.2 OErgebnisse der Kaufsignale und Verkaufssignale Ovon Davis Tests und Auswertungen durch Davis
3.1.1.3OEigene Auswertung von Davis Long-Positionen
3.1.2 Weitere historische Point & Figure-Studien
3.2 Festlegung der zu untersuchenden Märkte des Untersuchungszeitraumes sowie Zielsetzung für die eigenen statistischen Versuchsreihen
3.3 Einteilung der Point & Figure-Muster in Gruppen
3.3.1 „Davis-Muster“ (erste Mustergruppe)
3.3.1.1OEinstiege
3.3.1.2OAusstiege
3.3.2 „Andere Muster“ (zweite Mustergruppe)
3.3.2.1OEinstiege
3.3.2.2OAusstiege
3.4 Ermittlung der Ein- und Ausstiegskurse sowie Daten
3.5 Positionsgrößenbestimmung
3.6 Festlegung der wichtigsten Kenngrößen für die statistischen Untersuchungen
3.7 Auswertungen der Trading-Setups
3.7.1 iErmittlung der besten Muster
3.7.2 Ermittlung der besten Mustergruppe
3.7.3 Ermittlung der besten Kursziele
3.7.4 Ermittlung der besten Stoppszenarien
3.7.5 Ermittlung der Skewness und Kurtosis
3.8 Rankings der statistischen Versuchsreihen
3.8.1 Rendite-Ranking
3.8.2 Sharpe-Ratio-Ranking
3.8.3 Sortino-Ratio-Ranking
3.8.4 Calmar-Ratio-Ranking
3.9 Vergleich der Ergebnisse der Auswertungen von den eigenen 83

Trading-Setups mit den wichtigsten Indizes

Fazit und Ausblick

Anhang

Literaturverzeichnis

Liste der Symbole

Abbildung in dieser Leseprobe nicht enthalten

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbildung 1.1 Entwicklung der weltweiten Anzahl der Hedgefonds
Abbildung 1.2 Entwicklung des weltweit von Hedgefonds verwalteten Vermögens
Abbildung 1.3 Verhalten zweier negativ korrelierter Anlagen
Abbildung 1.4 Kombination zweier negativ korrelierter Anlagen
Abbildung 1.5 Portfolio-Risikoreduktion durch Kombination wenig bis stark korrelierter Anlagen
Abbildung 1.6 Systematisches und unsystematisches Risiko
Abbildung 1.7 Effiziente Portfoliobildung aus einer Aktien-Anleihen- Kombination
Abbildung 1.8 Kombination mehrerer Portfolios
Abbildung 1.9 Verschiedene Nutzenniveaus von Indifferenzkurven eines stark risikoaversen Investors
Abbildung 1.10 Bestimmung der optimalen Portfolios verschieden stark risikoaverser Anlegertypen
Abbildung 1.11 Die Kapitalmarktlinie des CAPM
Abbildung 1.12 Die Wertpapiermarktlinie des CAPM
Abbildung 1.13 Verschiebung der Effizienzkurve durch Hedgefonds nach links oben
Abbildung 1.14 Einfache, zweifache und dreifache Standardabweichung
Abbildung 1.15 Grafische Darstellung der Semivarianz
Abbildung 1.16 Grafische Darstellung des Value at Risk
Abbildung 1.17 Grafische Darstellung der Schiefe (Skewness) einer Normalverteilung
Abbildung 1.18 Darstellung einer Rechtsschiefe der Skewness
Abbildung 1.19 Darstellung einer Linksschiefe der Skewness
Abbildung 1.20 Grafische Darstellung der Kurtosis (Wölbung)
Abbildung 1.21 Grafische Darstellung des Maximalen Drawdowns
Abbildung 1.22 Underwater-Drawdowns eines Backtestings

Abbildung 2.1 Erste Darstellungsart von P & F-Charts
Abbildung 2.2 Heutige Darstellungsart von P & F-Charts mit den Preisen an der vertikalen Achse statt in den Boxen
Abbildung 2.3 X und O-Symbole im P & F-Chart
Abbildung 2.4 Allgemeines Vorgehen zur P & F-Chartkonstruktion mit einem 3-Box-Reversal
Abbildung 2.5 Beispiel P & F-Chartkonstruktion eines Drei-Box-Reversal-Charts
Abbildung 2.6 Doppel-Top mit nur einem Boden und Doppel-Bottom mit nur einem Hoch
Abbildung 2.7 Doppel-Top mit Böden auf dem gleichen Level und Doppel-Bottom mit Hochs auf dem gleichen Level
Abbildung 2.8 Bullisch und Baerisch Signal
Abbildung 2.9 Triple-Top
Abbildung 2.10 Triple-Bottom
Abbildung 2.11 Ascending Triple-Tops und Decending Triple-Bottoms
Abbildung 2.12 Spread Triple-Top und Spread Triple-Bottom
Abbildung 2.13 Ausbruch aus bullischem bzw. baerischem Dreieck
Abbildung 2.14 Ausbildung der bullischen Katapult-Formation
Abbildung 2
Ausbildung der baerischen Katapult-Formation
Abbildung 2.16 Doppel-Top Breakout nach Katapult
Abbildung 2.17 Doppel-Bottom Breakout nach Katapult
Abbildung 2.18 Vierer Top-Durchbruch und Vierer Bottom-Durchbruch
Abbildung 2.19 Long Tail Down
Abbildung 2.20 Long Tail Up
Abbildung 2.21 Low Pole-Formation
Abbildung 2.22 High Pole-Formation
Abbildung 2.23 Shakeout-Formation
Abbildung 2.24 Bullish Support Line
Abbildung 2.25 Bullish Resistance Line
Abbildung 2.26 Baerish Support Line
Abbildung 2.27 Baerish Resistance Line
Abbildung 2.28 Bullischer vertikaler Count
Abbildung 2.29 Baerischer vertikaler Count
Abbildung 2.30 Berechnung des Kursziels des bullischen vertikalen Counts für n verschiedene Boxsizes
Abbildung 2.31 Bullischer vertikaler Count bei sich ändernder Boxgrösse (0,25 bis 0,5)
Abbildung 2.32 Berechnung des Kursziels des baerishen vertikalen Counts für n verschiedene Boxsizes
Abbildung 2.33 Baerischer vertikaler Count mit sich ändernder Boxgrösse
Abbildung 2.34 Beispiel für einen bullischen horizontalen Count
Abbildung-2.35 Beispiel für einen baerischen horizontalen Count
Abbildung 2.36 Dt. Telekom Chart (links) und ihr Relative Stärke-Chart (rechts)
Abbildung 2.37 NYSE Bullisch Prozent Index
Abbildung 3.1 Point & Figure Buy-Signale nach Davis
Abbildung 3.2 Point & Figure Sell-Signale nach Davis
Abbildung 3.3 Muster-Ranking aller Trading-Setups
Abbildung 3.4 Mustergruppen-Ranking aller Trading-Setups
Abbildung 3.5 Kursziel-Ranking aller Trading-Setups
Abbildung 3.6 Ranking der Stopszenarien aller Trading-Setups
Abbildung 3.7 Verteilung von Monatsrenditen der eigenen Trading-Setups
Abbildung 3.8 Top 5 Trading-Setup-Ranking nach Rendite p. a
Abbildung 3.9 Top 5 Trading-Setup-Ranking nach dem Sharpe-Ratio
Abbildung 3.10 Top 5 Trading-Setup-Ranking nach dem Sortino-Ratio
Abbildung 3.11 Top 5 Trading-Setup-Ranking nach dem Calmar-Ratio
Abbildung 3.12 Vergleich der Performancekennzahlen von Indizes mit denen der Top 5 der eigenen Trading-Setups
Abbildung 3.13 Vergleich der Risikokennzahlen von Indizes mit denen der Top 5 der eigenen Trading-Setups
Abbildung 3.14 Vergleich der Ratios der eigenen Top 5 Trading-Setups mit denen der Indizes

Tabellenverzeichnis

Tabelle 1.1 Charakteristika von Hedgefonds

Tabelle 2.1 Chartcraft-Einstellung

Tabelle 2.2 Bull’s Eye Broker-Einstellung

Tabelle 3.1 Davis Auswertung seiner positiven verlaufenen Trades der Long-Signale während des Testzeitraums

Tabelle 3.2 Davis Auswertung seiner negativ verlaufenen Trades der Long-Signale während des Testzeitraums

Tabelle 3.3 Eigene Auswertung von Davis Long-Positionen – noch nicht gerankt

Tabelle 3.4 Eigene Auswertung von Davis Long-Positionen – gerankt

Tabelle 3.5 Übersicht über die Kennzahlen weiterer historischer P & F-Studien

Tabelle 3.6 Davis-Muster in der Übersicht

Tabelle 3.7 Trading-Setups der Davis-Muster

Tabelle 3.8 „Andere Muster“ in der Übersicht

Tabelle 3.9 Trading-Setups der “anderen Muster”

Tabelle 3.10 Beispiel für Ein- und Ausstiegsdaten sowie Ein- und Ausstiegskurse der eigenen Tests

Tabelle 3.11 Tabelle der Tradingdaten und Tradingkurse mit Gewinn- bzw. Verlustangabe

Tabelle 3.12 Erste Tabelle zur Positionsgrößenbestimmung

Tabelle 3.13 Zweite Tabelle zur Positionsgrößenbestimmung

Tabelle 3.14 Ranking-Ergebnisse beste Muster insgesamt

Tabelle 3.15 Ranking-Ergebnisse der besten Mustergruppen

Tabelle 3.16 Rankingergebnisse der Kursziele von allen Setups

Tabelle 3.17 Rankingergebnisse der besten Stopszenarien insgesamt

Tabelle 3.18 Skewness und Kurtosis der eigenen Untersuchungen

Tabelle 3.19 Vergleich der eigenen Setups mit den Indizes

Tabelle 3.20 Vergleich der Performancewerte der eigenen Setups mit den Indizes

Tabelle 3.21 Vergleich der Risikokennzahlen der eigenen Setups mit denen der Indizes

Tabelle 3.22 Vergleich der Ratios der eigenen Top 5 Trading-Setups mit denen der Indizes

Anhangsverzeichnis

Anhang A Übersicht über die eigens getesteten Trading-Setups

Anhang B Ranking der eigens getesteten Trading-Setups nach Rendite pro Jahr

Anhang C Ranking der eigens getesteten Trading-Setups nach Sharpe-Ratio

Anhang D Ranking der eigens getesteten Trading-Setups nach Sortino-Ratio

Anhang E Ranking der eigens getesteten Trading-Setups nach Calmar-Ratio

Einleitung

Motivation für die Diplomarbeits-Thematik

Das Trading fasziniert den Autor schon über einen längeren Zeitraum. Durch den Börsencrash in den Jahren 2000/2001 mussten viele Anleger - insbesondere bei den Technologietiteln der New Economy - herbe Verluste ihrer Investments hinnehmen. Um solche Verluste zu vermeiden, zumindest jedoch zu minimieren, und um fundierte Investment-Strategien zur kontinuierlichen Gewinnerzielung zu eruieren, beschäftigte sich der Verfasser näher mit der technischen Analyse. Als Timinginstrument schien sie geeigneter als die fundamentale Analyse. Während seiner Mitarbeit in einem Düsseldorfer Brokerhaus lernte der Verfasser die Point & Figure-Analysetechnik kennen. Nach anfänglicher Skepsis, aufgrund der etwas „exotisch“ erscheinenden Methode, wurde das Interesse an einer weiteren Beschäftigung mit dieser Thematik geweckt. Der Nutzen dieser Analysetechnik war unübersehbar. Es zeigte sich, dass die Point & Figure-Analyse für den Händler Vorteile gegenüber den anderen Methoden der technischen Analyse aufweist. Nach dem Studium zahlreicher Bücher und Internetseiten in verschiedenen Sprachen über die Technische Analyse, schien diese die zuverläßlichste, fundierteste und logischste Analysetechnik, nach bisheriger Kenntnis, zu sein. Da der Wunsch bestand, diese Thematik weiter zu vertiefen, fiel die Entscheidung nicht schwer, diese mittels eines interessanten wirtschaftswissenschaftlichen Diplomarbeitsthemas zu erarbeiten. So konnte im Detail vieles zuvor noch Unbekannte zu diesem Thema herausgefunden werden. Zusätzlich wurden statistische Auswertungen durchgeführt, die eine finanzwirtschaftliche Relevanz erwarten ließen.

Problemstellung und Zielsetzung der Diplomarbeit

Während eines eingehenden Studiums der Point & Figure-Methode, konnte der Autor feststellen, dass diverse Muster der Point & Figure-Analyse durchaus einen Nutzen für den Investor aufweisen könnten. Das Interesse galt daher der Frage, wie nutzbringend die P & F-Muster wohl im einzelnen sein mögen. Diese Problematik beschäftigte bereits einige Doktoren und Professoren aus den Vereinigten Staaten Amerikas. Auch gab es in der Vergangenheit durch die Literatur übermittelte quantitative Testergebnisse aus den USA zur Profitabilität der Point & Figure-Muster. Jedoch sind diese, wenn die in der Literatur überlieferten dazugehörigen Informationen betrachtet und auswertet werden, nicht sehr aussagekräftig. Die Informationen hierüber sind recht unvollständig in der Literatur überliefert und es sind keine gehaltvollen Chance-Risiko-Kennzahlen in den statistischen Untersuchungen ermittelt worden, mit deren Hilfe die einzelnen P & F-Muster hätten sinnvoll vergleichbar gemacht werden können. Wegen des geringen Nutzens solcher Ergebnisse kam der Verfasser zu dem Entschluss, einen erneuten aktuelleren statistischen Test zu den P & F-Mustern durchzuführen. So bestand eine gewisse Hoffnung, dass der Test wesentlich aussagefähiger sein würde. Auch sollten die eigenen statistischen Untersuchungen weitere Muster umfassen, die in der Literatur zwar positive Erwähnung fanden, aber bislang noch nicht getestet wurden. Im Ergebnis der eigenen statistischen Untersuchungen wurde ein Ranking von P & F-Mustern nach statistisch signifikanten Kennzahlen erstellt, mit dem Ziel verbunden, dem Anwender Handlungsempfehlungen geben zu können. Diese Handlungsempfehlungen könnten von Tradern im Eigenhandel oder z. B. in Form eines Managed Accounts, eines relativ transparenten aktiv gemanagten Kundenkontos, umgesetzt werden. Voraussetzung hierfür ist ein relativ gutes Abschneiden der evtl. zur Empfehlung dienenden Trading-Setups bezüglich ihrer Chance-Risikoeigenschaften.

Aufbau und Gang der Diplomarbeit

Die vorliegende Diplomarbeit gliedert sich in drei Hauptkapitel: Das erste Hauptkapitel beschreibt das Umfeld der Point & Figure-Analyse. Die Funktionsweise der Point & Figure- Analyse wird im zweiten und die statistischen historischen sowie die aktuellen P & F- Untersuchungen nebst deren Auswertungen werden im dritten Hauptkapitel betrachtet.

Das Umfeld der Point & Figure-Technik bildet den Kern des ersten Hauptkapitels. Auf die Grundlagen der Hedgefonds wird anfangs eingegangen: wie Hedgefonds definiert sind, welche Charakteristika sie aufweisen, welche Marktteilnehmer es in diesem Business gibt und wie sich der Markt der Hedgefonds über Jahre hinweg entwickelt hat. Anschließend wird auf das Portfolio-Selection-Model nach Markowitz sowie auf das Capital Asset Pricing Model (CAPM) eingegangen. Darauf folgend werden die Einsatzmöglichkeiten von Hedgefonds in traditionellen Portfolios beschrieben. Weiterhin werden die verschiedenen Hedgefonds-Strategien Relative Value, Event-Driven sowie die Opportunistischen Strategien erläutert und die Chancen und Risiken von traditionellen Investments sowie Hedgefonds betrachtet. Der erste Abschnitt der Diplomarbeit schliesst mit der Thematik Biases (Verzerrungen) der ausgewiesenen Renditen von Hedgefond-Datenbanken ab.

Der zweite Abschnitt dieser Diplomarbeit befasst sich mit der Funktionsweise der P & F-Analysemethode. Er beginnt mit der Einordnung der Point & Figure-Analyse in den Gesamtkontext der technischen Analyse sowie einer Darstellung der P & F-Historie. Nachfolgend wird die Konstruktion von Point & Figure-Charts erläutert und aufgezeigt, welche Vorteile P & F-Charts gegenüber anderen Chartdarstellungsarten aufweisen. Nach der Beschreibung der Stellgrößen eines Point & Figure-Charts werden die Point & Figure- Chartmuster, deren Trendlinien sowie Kursziele in der Point & Figure-Analysetechnik vorgestellt. Relative Stärke-Charts und der Bullisch Prozent Index bilden den Abschluss des zweiten Abschnitts.

Der dritte Abschnitt umfasst statistisch-historische sowie aktuelle Point & Figure- Untersuchungen inklusive deren Auswertungen. Das in diesem Abschnitt Bedeutende liegt vor allem darin, die statistischen P & F-Untersuchungen von früheren Autoren, deren Werke heute historischen Charakter haben, aber dennoch kaum etwas von ihrer Aktualität eingebüßt haben, durch neue, eigene P & F-Untersuchungen zu erweitern und zu verbessern. Im Ergebnis sollen Chance-Risiko-Kennzahlen ermittelt werden, die ein Ranking der Trading-Setups nach ihren Chance-Risikoverhältnissen zulassen. Nach der Darstellung von historischen Point & Figure-Studien werden die eigenen Point & Figure-Versuchsansätze erläutert. Hierbei werden der Untersuchungszeitraum und die zu untersuchenden Märkte genannt, die P & F-Muster in Gruppen eingeteilt sowie die Ein- und Ausstiegskurse der Trading-Setups ermittelt. Nach der Positionsgrößenbestimmung werden die wichtigsten Kenngrößen für die statistischen Untersuchungen festgelegt und im Anschluß die Untersuchungen der Trading-Setups ausgewertet. Der dritte Teil der Diplomarbeit schliesst mit der Erstellung von Rankings für die statistischen Untersuchungsergebnisse, gefolgt von einem Vergleich der Ergebnisse der Auswertungen eigener Trading-Setups mit den Chance-Risikoeigenschaften der wichtigsten Indizes.

In den Anhängen der Diplomarbeit befinden sich eine Übersicht über sämtliche eigene Trading-Setups sowie die vollständigen Rankings der eigenen Auswertungen.

1 Umfeld der Point & Figure-Technik

1.1 Grundlagen zu Hedgefonds

1.1.1 Definition von Hedgefonds

„Hedgefonds lassen sich als flexibel operierende und ausdrücklich auf besonderes Ertragspro-fil zielende Anlagegesellschaften definieren, die nur einer geringen Regulierung unterliegen und deren Manager ergebnisorientiert entlohnt werden. Es wird Fremdkapital in signifikantem Umfang verwendet, Derivate zur direkten Investition benutzt und die Möglichkeit zu Leer-verkäufen besteht“ (CLASHINRICHS 1995, S. 17).

1.1.2 Hedgefonds-Charakteristika

Tabelle 1.1 Charakteristika von Hedgefonds (in Anlehnung an MELCHER 2007, S. 4)

Abbildung in dieser Leseprobe nicht enthalten

Anlagerichtlinien geben den traditionellen Fonds dagegen enge Bandbreiten vor, innerhalb deren ihre Manager handeln dürfen, wobei von ihnen in der Regel nur auf steigende Kurse am Kassamarkt gesetzt wird (vgl. SIEVERS 2007, S. 14). Hedgefonds hingegen besitzen mehr Freiheiten in ihren Handlungsweisen als traditionelle Investmentfonds. Sie beabsichtigen nach SIEVERS im Gegensatz zu traditionellen Fonds eine absolute Rendite zu erwirtschaften. Traditionelle Fonds hingegen versuchen lediglich besser als der Referenzindex abzuschnei-den. Hedgefonds ist es, im Gegensatz zu traditionellen Fonds, erlaubt, Derivate wie z. B. Futures, CFD’s oder Optionen einzusetzen und Leerverkäufe von Aktien durchzuführen. Somit können sie vom Leverage-Effekt (Hebelwirkung durch Einsatz von Fremdkapital) der derivativen Instrumente profitieren (SIEVERS 2007, S. 38). Diese und weitere Charakteris-itika von Hedgefonds sind in Tabelle 1.1 dargestellt.

1.1.3 Marktteilnehmer

Marktteilnehmer sind einerseits die Hedgefonds als Anbieter, andererseits die sogenannten High Net Worth Individuals (sehr vermögende Privatanleger), Family-Offices (Kapital-verwaltungen von vermögenden Familien) sowie institutionelle Investoren wie Banken, Versicherungen, Pensionskassen, Stiftungen oder Universitäten als Repräsentanten der Nachfrageseite. Weniger vermögende Privatanleger partizipieren meist durch eine Beteiligung in Form von Zertifikaten oder an Dach-Hedgefonds, sowie Hedgefonds mit einer geringen Mindestinvestitionssumme.

1.1.4 Marktentwicklung

Alfred Winslow Jones war der Gründer des weltweit ersten Hedgefonds. Diesen gründete er im Jahre 1949 (vgl. LHABITANT 2004, S. 3). Seitdem war, abgesehen von den 70er Jahren und der ersten Hälfte der 80er Jahre, ein deutlicher Zuwachs der „Assets under Management“ (verwaltetes Vermögen) sowie der Anzahl der Hedgefonds zu beobachten. Die Abbildungen 1.1 und 1.2 stellen dies grafisch für den Zeitraum 1994 bis zu dem Jahr 2008 dar.

Die Anzahl der Hedgefonds stieg von 1994 bis zum Jahre 2008 auf das Siebenfache, nämlich von ca. 2 000 auf ca. 14 000 Hedgefonds an.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.1 Entwicklung der weltweiten Anzahl der Hedgefonds (in Anlehnung an

o.V. 2008a, WWW und BUSSE 2007, S. 45)

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.2 Entwicklung des weltweit von Hedgefonds verwalteten Vermögens

(in Anlehnung an o.V. 2008b, WWW und BUSSE 2007, S. 45)

Seit 1994 ist eine deutliche Zunahme der Assets under Management der Hedgefonds zu ver-zeichnen. Das verwaltete Vermögen stieg von 1994 von ca. 200 Milliarden auf ca. 2 000 Mil-liarden USD im Jahre 2008 an.

1.2 Hedgefonds im Portfoliokontext

1.2.1 Portfolio-Selection-Model nach Markowitz

Die Portfoliotheorie stellt ein Instrument dar, um aus verschiedenen Investments ein nach Markowitz optimales Portfolio für einen rational handelnden Investor zu konstruieren.

1.2.1.1. Prämissen

- Die Renditen der Anlagen sind normalverteilt, Orientierungsparameter für Investoren: Erwartungswert, Standardabweichung, Korrelationskoeffizienten.
- Es ist keine Anlage oder Aufnahme von Kapital zum risikofreien Zins möglich.
- Es wird von einem risikoaversen und rationalen Investor ausgegangen, der versucht seinen Nutzen zu maximieren.

1.2.1.2 Zentrale Aussage

Kernaussage der Portfoliotheorie ist: Das Vermögen sollte in verschiedene Vermögenswerte diversifiziert (gestreut) werden. Durch eine gezielte Kombination der verschiedenen Vermögenswerte kann unter Berücksichtigung ihrer Korrelationskoeffizienten eine Reduktion des unsystematischen Portfoliorisikos erreicht werden, da die Risiken der Anlagen sich so teilweise gegenseitig aufheben (vgl. PICHL 2001, S. 55). Durch Bestimmung einer individuellen Nutzenfunktion kann ein optimales Portfolio für den Anleger ermittelt werden.

1.2.1.3 Rendite- bzw. Risikokennzahlen (Erwartungswert, Standard abweichung, Kovarianz und Korrelationskoeffizient)

Nach Markowitz lassen sich Wertpapiere im wesentlichen mit folgenden statistischen Kenngrößen beschreiben:

Erwartungswert

Der Erwartungswert für den Ertrag einer Aktie ist gleich dem arithmetischen Mittel der Renditen aus dem betrachteten Zeitraum.

Standardabweichung

Die heute allgemein gebräuchliche Markowitzsche Definition des Risikos einer Anlage ist die als Standardabweichung gemessene Schwankungsbreite der Erträge um Ihren Erwartungs-wert. Sie enthält ca. 68 % aller Renditewerte des Vergangenheitszeitraumes.

Kovarianz

Offensichtlich weisen manche Anlagen zueinander ähnliche Kursverläufe auf, andere hingegen scheinen sich eher gegenläufig zu verhalten. Um das Ausmaß des Zusammenhangs zwischen zwei verschiedenen Anlagen (X,Y) zu ermitteln, wird sich der Kovarianz bedient

Korrelationskoeffizient

Die Kovarianz mißt die absolute Größe des Zusammenhangs zweier Anlagen. Der Korrelationskoeffizient hingegen misst die relative Größe zwischen ihnen (vgl. BUSSE 2007, S. 78 f.). Letzterer kann nur Werte zwischen -1 und +1 annehmen. Die Kovarianz kann hingegen beliebige Werte annehmen kann. Dabei gibt die Zahl die Stärke des Zusammen-hangs und das Vorzeichen die Richtung an. Sobald der Korrelationskoeffizient von zwei Investments kleiner als eins ist, birgt dies Potential zur Risikoreduktion durch Kombination dieser Investments (vgl. BERG 2006, S. 14). Abbildung 1.3 zeigt das Verhalten zweier negativ korrelierter Anlagen und Abbildung 1.4 die Risikoreduktion durch Kombination dieser Anlagen.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.3 Verhalten zweier negativ korrelierter Anlagen

(in Anlehnung an SCHUMM 2004, S. 41)

Abbildung in dieser Leseprobe nicht enthalten

Abb.1.4 Kombination zweier negativ korrelierter Anlagen

(in Anlehnung an SCHUMM 2004, S. 42)

Jeder Punkt in der Abbildung 1.5 stellt eine Rendite-Risikokombination eines Portfolios dar. Diese setzt sich aus je zwei Wertpapieren mit unterschiedlichen Gewichtungen zusammen. Hierbei werden nun drei Fälle unterschieden, wie sich eine unterschiedliche Korrelation der Wertpapiere auf den Diversifikationseffekt auswirken kann, wenn die Wertpapiere mitein-ander kombiniert werden.

1. Fall: Korrelation = +1: Die Wertpapiere sind stark voneinander abhängig. Sie bewegen sich gleichgerichtet. Verliert eines der Wertpapiere an Wert, so verliert ebenfalls das andere und zwar in gleichem Ausmaß. Durch eine Kombination dieser ungeeigneten Anlagen lässt sich nach Markowitz das Portfoliorisiko durch Diversifikation nicht senken.

2. Fall: Die beiden Wertpapiere verhalten sich weder gleichgerichtet noch gegenläufig, sie entwickeln sich unabhängig voneinander. Oft haben Wertpapiere keinen Korrelations-koeffizienten von 0. Bei Korrelationskoeffizienten von -0,3 bis +0,3 gelten Wertpapiere aber als nahezu unabhängig voneinander (vgl. SIEVERS 2007, S. 51). Durch eine Kombination dieser geeigneteren Anlagen lässt sich nach Markowitz das Portfoliorisiko zu einem gewissen Teil durch Diversifikation senken.

3._Fall: Korrelation = -1: Die beiden Wertpapiere bewegen sich gegenläufig. Steigt beispielsweise die Aktie A, dann fällt die Aktie B in gleichem Maße. Hierbei lässt sich das Portfoliorisiko durch Diversifikation stark senken. Im Falle einer perfekt negativen Korrelation von -1 kann es sogar gelingen, durch Diversifikation ein Portfolio zu konstruieren, dessen unsystematisches Risiko bei Null liegt.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.5 Portfolio-Risikoreduktion durch Kombination wenig bis stark ikorrelierter Anlagen (in Anlehnung an SCHUMM 2004, S. 43)

1.2.1.4 Systematisches und unsystematisches Risiko

Das Risiko einer Anlage kann in einen systematischen und in einen unsystematischen Part unterteilt werden. Das unsystematische Risiko definiert dasjenige Risiko, das sich durch Diversifikation, also der Kombination wenig korrelierender Anlagen miteinander, reduzieren lässt. Das systematische Risiko hingegen ist das nicht diversifizierbare Risiko. Es ist abhängig von gesamtwirtschaftlichen Bewegungen wie z. B. der Konjunktur. Beide Risikoarten sind in Abbildung 1.6 veranschaulicht.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.6 Systematisches und unsystematisches Risiko

(in Anlehnung an o.V. 2008c, WWW )

1.2.1.5 Effiziente Portfolios

Jeder Investor wird nach Markowitz nur effiziente Portfolios halten wollen. Die Menge der effizienten Portfolios liegt auf der effizienten Linie, die in der Abbildung 1.7 rechts oberhalb des „schwarzes Sterns“ beginnt und bis zu dem Punkt „100 % Aktien“ reicht.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.7 Effiziente Portfoliobildung aus einer Aktien-Anleihen-Kombination (eigene Darstellung)

Das Ziel der Portfoliodiversifikation liegt laut BERG darin, Anlagen zu einem diversifizierten Portfolio zu kombinieren. Es sollte bei gleicher erwarteter Rendite kein Portfolio mit geringerem Risiko geben und bei gleichem Risiko kein Portfolio vorkommen, das einen höheren Erwartungswert verspricht als das effiziente Portfolio (vgl. BERG 2006, S. 14). Alle Portfolios unterhalb der Effizienzlinie werden als ineffizient bezeichnet, weil sie eine nicht optimale Risiko-Rendite-Struktur aufweisen (vgl. GÖTTE 2007, S. 137). Es ist einem Anleger möglich, von seinem ineffizienten Portfolio zu einem diesem überlegenen Portfolio zu gelangen. Dies kann durch Umschichtung in weniger stark korrelierende Anlagen gesche-hen (vgl. BUSSE 2007 , S. 200). Analog können auch statt Aktien mit Anleihen verschiedene Aktien miteinander kombiniert werden.

Diese Betrachtungen lassen sich ebenso auf mehr als zwei Investments übertragen. In der „Risk-Return“-Abbildung 1.8 wird von drei Einzelanlagen ausgegangen. Zuerst werden die Einzelanlagen „Aktie 1“ und „Aktie 2“ kombiniert, anschließend werden zwei erzeugbare Portfolios, nämlich „Portfolio 1.1“ und „Portfolio 1.2“ mit Einzelanlage „Aktie 3“ zu zwei neuen Portfolios, „Portfolio 2.1“ und „Portfolio 2.2“, kombiniert.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.8 Kombination mehrerer Portfolios (eigene Darstellung)

1.2.1.6 Risikobereitschaft der verschiedenen Anlegertypen und Bildung von optimalen Portfolios

Die Risikobereitschaft von Anlegern kann durchaus unterschiedlich sein. Es wird versucht, die jeweilige Risikoneigung eines Investors durch eine ihr zugehörige Indifferenzkurve abzubilden. Für jeden Investortyp, vom stark risikoversen bis hin zum wenig risikoaversen, existiert eine bestimmte ihm jeweils zugehörige Indifferenzkurvenschar. In Abbildung 1.9 ist diese beispielhaft durch drei verschiedene Indifferenzkurven für einen stark risikoaversen Investortyp dargestellt. Je weiter eine dieser Indifferenzkurven nordwestlich liegt, desto höher ist ihr Nutzenniveau. Allerdings darf die Indifferenzkurve, die zur Bildung eines optimalen Portfolios herangezogen wird, nicht links oberhalb der Effizienzlinie der möglichen Portfolios liegen (vgl. BORSCHEL 2008, WWW).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.9 Verschiedene Nutzenniveaus von Indifferenzkurven eines stark risikoaversen Investors (in Anlehnung an MOOG 2008, S. 108, WWW )

Eine Indifferenzkurve muss die Effizienzlinie mindestens tangieren, wie in Abbildung 1.10 (für drei verschieden stark risikoaverse Anlegertypen) dargestellt, könnte aber auch südwestlich von ihr verlaufen. Letztgenannte Möglichkeit würde allerdings einen submaximalen Nutzen bedeuten. Somit sollte der Investor, um ein optimales Portfolio zu erhalten, das Tangentialportfolio der am nächsten oberhalb der Effizienzlinie verlaufenden Indifferenzkurve auswählen. Je risikoaverser ein Investor ist, desto steiler verläuft die ihm zuordenbare Indifferenzkurve, siehe Abbildung 1.10, denn eine hohe Risikoaversion geht einher mit einem erhöhten Grad an Kompensation für eine zusätzliche Einheit an Risiko (vgl.CHUN 2008, S. 23, WWW).Je nach dem Grad der Risikoaversion des Investors kann ein individuelles, auf der Effizienzlinie befindliches Portfolio ermittelt werden, welches der Risikobereitschaft des Anlegers gerecht wird. (vgl. BUSSE 2007, S. 203).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.10 Bestimmung der optimalen Portfolios verschieden stark risikoaverser Anlegertypen (in Anlehnung an MOOG 2008, S. 107, WWW )

1.2.1.7 Kritik an der Portfoliotheorie

Kritikpunkte:

- Es wird von einer Normalverteilung ausgegangen.
- Als Risikomaß wird die Standardabweichung verwendet.
- Vernachlässigung des Timing-Gedankens (Ein- bzw. Ausstiegszeitpunkte), Erkennt-nisse der fundamentalen und technischen Analyse werden komplett vernachlässigt.

1.2.2. Capital Asset Pricing Model (CAPM)

1.2.2.1 Prämissen

- Es existiert ein risikoloser Zinssatz, zu dem alle Investoren einheitlich beliebig viel Geld anlegen und aufnehmen können.
- Alle Anleger investieren in dasselbe Marktportfolio und es besteht kein Grund umzu-schichten (vgl. BUSSE 2007, S. 207).
- Der Investor braucht sich in diesem Zusammenhang nur noch um das systematische (nicht diversifizierbare) Risiko zu kümmern, da im effizienten Portfolio das unsystematische Risiko bereits durch Diversifikation eliminiert wurde (vgl. LHABITANT 2004, S. 70).

1.2.2.2 Zentrale Aussage des CAPM

Das Capital Asset Pricing Modell (Preismodell für Kapitalgüter) ist ein in den 60er Jahren des 20. Jahrhunderts entwickeltes Kapitalmarktmodell, das auf den Erkenntnissen der Portfolio-theorie basiert. Den Kern des CAPM’s stellt die Wertpapiermarktlinie dar. Nordöstlich vom Marktportfolio auf der Wertpapiermarktlinie liegen die Wertpapiere des Marktportfolios, die ein höheres systematisches Risiko als das Marktportfolio aufweisen. Somit liefert das Beta die einzige Erklärung für Überrenditen einzelner Wertpapiere gegenüber dem Marktportfolio, d.h. je größer eine Überrendite eines Wertpapiers gegenüber dem Marktportfolio ist, desto größer ist dafür zwangsläufig auch sein Beta (vgl. SPREMANN 2006, S. 314) Südwestlich vom Marktportfolio gelegen befinden sich die Wertpapiere, die ein geringeres systematisches Risi-ko als das Marktportfolio aufweisen.

1.2.2.3 Die Kapitalmarktlinie

Alle Kapitalanleger haben im CAPM, unabhängig von ihrem Grad der Risikoeinstellung, in ein für sämtliche Investoren gleiches Marktportfolio M, das meist durch einen Aktienindex repräsentiert wird, investiert, da bei ihnen die Vorstellungen von optimierten Renditen, Varianzen und Kovarianzen dieselben sind. Dieses Portfolio trägt die Bezeichnung Marktportfolio M. Das Marktportfolio befindet sich laut MELCHER genau dort, wo der Tangentialpunkt der Effizienzkurve an einer Gerade liegt. Letztere wird Kapitalmarktlinie genannt und hat ihren Ursprung auf der Renditeachse in Höhe von dem risikolosen Zinssatz (vgl. MELCHER 2007, S. 48). Dieses Marktportfolio ist vom Anleger in beliebiger Gewichtung mit der risikolosen Anlage kombinierbar. Je risikobereiter der Anleger ist, desto mehr wird er das Marktportfolio im Verhältnis zur risikolosen Anlage übergewichten. Das Risiko wird hierbei durch die Standardabweichung beschrieben (vgl. BUSSE 2007, S. 208). So ergeben sich durch Linearkombination aus risikoloser Anlage und dem Marktportfolio weitere Investitionsmöglichkeiten. Die beschriebene Gerade, die aus der Gesamtheit der Kombinationen resultiert, wird als Kapitalmarktlinie bezeichnet. Weiterhin ist der Fall möglich, daß der Anleger einen Geldbetrag leihen und den Gesamtbetrag einschließlich des geliehenen Betrages in das Marktportfolio investieren möchte. So wählt er ein Portfolio, das sich rechts vom Marktportfolio auf der Kapitalmarktlinie befindet.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.11 Die Kapitalmarktlinie des CAPM (in Anlehnung an o.V. 2008 f., WWW )

Abbildung in dieser Leseprobe nicht enthalten

Durch die Möglichkeit Geld anzulegen oder aufzunehmen, befinden sich alle effizienten Portfolios nunmehr auf der Kapitalmarktlinie. Aus der positiven Steigung der Kapitalmarkt-linie, siehe Abbildung 1.11, lässt sich ableiten, welche Entschädigung der Markt für die Über-nahme des Marktrisikos im Vergleich zu einer risikolosen Anlage gewährt. Die entsprechende Risikoprämie ist die Differenz zwischen der Rendite, die das Wertschwankungen unter-worfene Marktportfolio bietet, und derjenigen der risikolosen Anlage, bei der nur der Kon-sumverzicht des Anlegers ausgeglichen wird.

1.2.2.4 Die Wertpapiermarktlinie

Die Wertpapiermarktlinie, dargestellt in Abbildung 1.12, gibt die Rendite-Risiko-Kombi-nationen einzelner Wertpapiere im vollständig diversifizierten Marktportfolio an. Gemäß BUSSE ist bei dem Modell der Wertpapiermarktlinie der Beta-Faktor das relevante Risiko-maß. Der Betafaktor ist ein Sensitivitätsmaß für die Schwankung der Rendite eines Wertpa-piers gegenüber der Schwankung des Marktportfolios M und stellt demnach einen Maßstab für systematisches Risiko dar. Dabei gilt:

Abbildung in dieser Leseprobe nicht enthalten

Je höher das Beta eines Wertpapiers im Portfolio ist, desto mehr schwankt die Aktie bei Marktbewegungen im Verhältnis zum Marktportfolio, welches ein Beta von eins aufweist. Mit einem höheren Beta ist einerseits der mögliche Ertrag des Wertpapiers größer als der des Marktportfolios. Andererseits ist das eingegangene systematische Risiko höher als das systematische Risiko des Marktportfolios. Das unsystematische Risiko ist in einem effizienten Portfolio durch Diversifikation beseitigt worden. Daher besteht nur noch das systematische Risiko. Respektive steht die erwartete Rendite eines Wertpapiers in positiver linearer Beziehung zum Beta des Wertpapiers. Je größer, so meint BUSSE, die mögliche Rendite eines Wertpapiers im Portfolio ist, desto höher fällt das systematische Risiko dessen aus (vgl. BUSSE 2007, S. 212).

Formel der Wertpapiermarktlinie:

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.12 Die Wertpapiermarktlinie des CAPM (in Anlehnung an o.V. 2008 f., WWW )

Abbildung in dieser Leseprobe nicht enthalten

1.2.2.5 Kritik am CAPM

- Identisches Marktportfolio ist bei mehreren Anlegern in der Realität nicht immer der Fall.
- Das CAPM geht von normalverteilten Renditen aus.
- Das Modell kann keine Erklärung dafür liefern, welchen Kurs der Markt oder eine einzelne Aktie zu einem zukünftigen Zeitpunkt haben wird.

1.2.3 Einsatzmöglichkeit und Nutzen von Hedgefonds in traditionellen Portfolios

Die Beimischung von Hedgefonds, die ein gutes Chance-Risikoverhältnis aufweisen, zeigt einen positiven Effekt auf das Gesamtportfolio. Für alle traditionellen Portfoliokombinationen (z. B. 100 % Aktien und 0 % Anleihen bis hin zu 0 % Aktien und 100 % Anleihen) verbessert sich das Chance-Risikoprofil der Gesamtanlage durch eine Beimischung von guten Hedgefonds. Es erhöht sich die Rendite und die Volatilität des Gesamtportfolios verringert sich. Beides zusammen führt laut CLASHINRICHS zu einer Verschiebung der Effizienzkurve nach links oben. Dies wird in Abbildung 1.13 verdeutlicht. In der Literatur finden sich häufig Angaben, dass eine ideale Gewichtung von Hedgefonds im Portfolio bei ca. 5 % bis 20 % liegen sollte (vgl. CLASHINRICHS 1995, S. 84). Der Anteil der Hedgefonds kann nach Auffassung mancher Autoren bis zu 100 % betragen, wenn es sich dabei um solche mit einem wirklich guten Chance-Risikoverhältnis handelt. Dies ist der Fall, wenn der Investor in der Lage war, geeignete Hedgefond-Anbieter herauszufiltern (vgl. FRIEDRICH 2006, S. 61). Mehr als 80 % der traditionellen Fondsmanager konnten innerhalb der letzten Jahre ihren Vergleichsindex nicht übertreffen. Bei einer Auswahl von geeigneten Hedgefonds hingegen verdienten Anleger kräftig hinzu (vgl. JÜPTNER 2005).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.13 Verschiebung der Effizienzkurve durch Hedgefonds nach links oben (in Anlehnung an BRETZLER 2004, S. 70)

Fazit: Hedgefonds stellen, sofern sie gewissenhaft selektiert werden, attraktive Investments dar, die das Chance-Risikoverhältnis in einem traditionellen Portfolio deutlich verbessern können.

1.3 Hedgefonds-Strategien

1.3.1 Relative Value (marktneutrale)-Strategien

Bei den Relative Value-Strategien wird das Marktrisiko weitestgehend durch den Hegdefond-Manager eliminiert. Dies geschieht durch ein Aufbauen von Longpositionen (Kaufpositionen) und Shortpositionen (Verkaufspositionen) in gleicher Größe (vgl. MLYNSKI 2005, S. 172). Diese Strategien weisen i. d. R. eine niedrigere Volatilität als die anderen Hedgefond-Strategien auf, bergen dafür aber meist auch weniger Renditepotential (vgl. NICHOLAS 2002, S. 36).

1.3.1.1 Anleihen-Arbitrage (Fixed-Income-Arbitrage)

Fondmanager, die nach BUSACK die Fixed-Income-Arbitrage-Strategie verfolgen, versuchen die relativen Fehlbewertungen zwischen Anleihen zu nutzen. Dies geschieht durch die Wahl von gegensätzlichen Long- und Shortpositionen, die festverzinslichen Wertpapiere betreffend. Es wird hierbei darauf spekuliert, dass sich das gegenwärtige Preisverhältnis der Anleihen wieder einem erwarteten historischen Verhältnis der Obligationen annähert. Tritt diese Annäherung ein, erzielt der Fondmanager einen Gewinn. Oftmals kommt bei dieser Strategie Fremdkapital zum Einsatz, da die nutzbaren Preisdifferenzen zwischen Anleihen normalerweise sehr gering sind (vgl. BUSACK 2006, S. 14 f.). Laut MELCHER wird duch Anwendung von Fixed-Income Unterstrategien versucht, das Marktrisiko durch den Aufbau gleich großer Long- und Shortpositionen zu eliminieren. Arbitragemöglichkeiten ergeben sich hierbei durch unterschiedliche Ausstattungsmerkmale der Anleihen, wie Laufzeit, Zinssätze und Bonitäten (vgl. MELCHER 2007, S. 13). Bei der Anleihen-Arbitrage lässt sich vor allem zwischen folgenden Unterstrategien unterscheiden:

Yield-Curve/Zinsstrukturkurven-Arbitrage (Angleichung von Renditen zweier Anleihen des gleichen Emittenten, die aufgrund unterschiedlicher Laufzeiten unterschiedlich sind.)

Bei der Yield-Curve-Arbitrage werden Long- und Shortpositionen zu verschiedenen Endfälligkeitspunkten einer Zinsstrukturkurve in Anleihen des gleichen Emittenten - im Normalfall in Staatsanleihen - eingegangen. Es wird eine Deformationen der Zinsstru-kturkurve in naher Zukunft erwartet die einen Gewinn entstehen lässt. (vgl. HILPOLD 2005, S. 109f.) D. h. der Zinssatz einer beispielsweisen 30-jährigen Staatsanleihe ist zu weit von dem Zinssatz einer 29-jährigen Staatsanleihe entfernt. Es wird nun bei der Zinsstruktur-kurven-Arbitrage darauf gesetzt, dass sich die Form Zinsstukturkurve verschiebt (vgl. COGGAN 2008, S. 23 f.). Das heisst es wird erwartet, dass der Zinssatz der 30-jährigen Staatsanleihen fällt und. der der 29-jährigen Staatsanleihen steigt. Tritt die Annäherung der Verzinsungsraten der beiden Anleihen unterschiedlicher Laufzeiten ein, so erzielt der Fondsmanager einen Gewinn.

Credit Spread-Arbitrage (Angleichung von Renditen zweier Anleihen mit gleicher Laufzeit die aufgrund verschiedener Bonitäten der Emittenten unterschiedlich sind.)

Credit Spreads stellen die Renditeunterschiede zwischen zwei Anleihen mit gleicher Laufzeit aber unterschiedlicher Emittenten-Bonität dar. Beispielsweise liefert eine 20-jährige Staats-anleihe (mit besserem Bonitäts-Ranking) einen Zinssatz von 5 % p. a. und eine 20-jährige Unternehmensanleihe (mit schlechterem Ranking der Bonität) einen Zinssatz von 7 % p. a. In diesem Beispiel liegt der Credit Spread bei 2 %. Bei der Credit Spread-Arbitrage wird nun auf ein zunehmendes Angleichen der bonitätsbedingten Renditeunterschiede zwischen den beiden Anleihen gesetzt. Dabei werden die Anleihen schlechter Bonität (deren Kreditrisiko unterbewertet erscheint) gekauft und die guter Bonität (deren Kreditrisiko überbewertet erscheint) verkauft. Mit der Credit Spread Arbitrage Strategie wird dann ein Gewinn erzielt, wenn sich die Bonität des bonitätsschwächeren Emittenten verbessert und der zugehörige Anleihenkurs somit steigt und sich außerdem die Bonität des bonitätsstärkeren Emittenten verschlechtert, was ein Sinken des zugehörigen Anleihekurses nach sich zieht.

1.3.1.2 Wandelanleihen-Arbitrage (Convertible Bond Arbitrage)

Eine Wandelanleihe besteht aus einer Anleihe und einer Call-Option. Diese Call-Option ermöglicht es dem Anleger, die Anleihe in eine bestimmte im voraus festgelegte Anzahl von Aktien zu wandeln (vgl. SIEVERS 2006, S. 80). Hedgefond-Manager, die sich auf die Convertible Bond Arbitrage-Strategie spezialisiert haben, verfolgen meist die Strategie, eine unterbewertete Wandelanleihe (Convertible Bond) eines Unternehmens zu kaufen und gleichzeitig die zugrunde liegende Aktie leerzuverkaufen, d. h. auf fallende Kurse zu setzen (vgl. MYLINSKI 2005, S. 172). Bei der Convertible Bond Arbitrage-Strategie werden Long- und Shortpositionen in gleicher Höhe (in der Aktie short und in der Wandelanleihe long) unabhängig von der Marktrichtung eingegangen. So kann grundsätzlich ein Gewinn erzielt werden, unabhängig davon, ob der Markt steigt oder fällt (vgl. DICHTL 2005, S. 12). Wandelanleihen weisen ein asymmetrisches Risikoprofil auf. In dem sogenannten hybriden Bereich, wo der Wandlungspreis der Wandelanleihe und der aktuelle Aktienkurs möglichst nahe beieinander liegen, erweist es sich als am sinnvollsten, eine Wandelanleihe zu kaufen. Dort reagiert die Wandelanleihe stärker auf Kursgewinne als auf Kursverluste der Aktie. Steigt der Aktienpreis über den Wandlungspreis, nimmt die Wandelanleihe immer mehr aktienähnlichen Charakter an. Fällt der Aktienpreis hingegen unter den Wandlungspreis, wird der Kurs der Wandelanleihe diese Abwärtsbewegung nur beschränkt nachvollziehen. Sie nimmt dann immer anleiheähnlicheren Charakter an. Convertible Bond Arbitrage- Manager versuchen drei Hauptkomponenten des Ertrages zu nutzen:

- Den konstanten Ertrag des Anleihecoupons.
- Die steigende Volatilität.
- Eine Identifizierung unterbewerteter Anleihen mit einer durch den Manager als zu gering eingeschätzten impliziten Volatilität

( vgl. FANO-LESZCZYNSKI 2005, S. 116).

Die Convertible Bond Arbitrage-Strategie generiert sowohl bei fallenden, als auch steigenden Märkten Profite. Verluste entstehen nur bei geringer Volatilität, dies ist ein dieser Strategie zugrunde liegendes Risiko. In diesem Fall verliert die Option der Wandelanleihe an Zeitwert. So wird den Wandelanleihen-Arbitrageuren auch nachgesagt, dass sie mit ihrer Strategie "Volatilität kaufen". Wenn sich nach MC CRARY die Volatilität z. B. bei einer Seitwärtsphase verringert, entstehen Verluste (vgl. MC CRAEY 2002, S. 38).

1.3.1.3 Equity Market Neutral

Wie die Anleihen-Arbitrage-Strategien, nimmt auch die Equity Market Neutral-Strategie keine tatsächliche Marktposition ein. Sie ist daher unabhängig von der Marktrichtung. Bei letztgenannter Strategie werden Long- und Shortpositionen in gleicher Höhe in Aktien gebildet. Die Equity Market Neutral-Strategie basiert auf dem Herausfinden zeitlich befristeter Ineffizienzen bezüglich der relativen Bewertung von Aktien, die sich normalerweise ähnlich verhalten (vgl. LHABITANT 2004, S. 9). Die Einschätzung, dass eine bestimmte Aktie im Verhältnis zu einer anderen Aktie zu teuer oder zu billig ist, beruht i. d. R auf der in der Vergangenheit beobachteten Preisrelation. Hierbei wird unterstellt, dass der früher beobachtete Abstand zwischen zwei Aktien auf Dauer wieder die gleiche Größe erreichen wird. Vergrößert sich der Abstand, wird auf eine Normalisierung spekuliert, indem eine Long-Position in der „zu billigen“ Aktie und eine Short-Position in der „zu teuren“ Aktie eröffnet wird. Sogenannte Mean-Reverting-Annahmen gehen davon aus, dass sich zeitweilige Preisungleichgewichte im Zeitverlauf wieder einem längerfristigen Mittelwert annähern. Haben die Aktien ihren Abstand zueinander wieder normalisiert, d. h. wenn die überbewertete Aktie fällt und die unterbewertete Aktie steigt, werden die Positionen mit Gewinn aufgelöst. Verändert sich der Abstand der Aktienkurse zueinander dauerhaft, produzieren die Positionen einen Verlust.

1.3.2 Event-Driven (ereignisorientierte) - Strategien

Bei den Event-Driven-Strategien, den ereignisorientierten Strategien, werden zwei verschie-dene Strategien unterschieden: die Merger Arbitrage-Strategie und die Distressed Securities-Strategie. Sie sind i. d. R. performanceorientierter als Relative Value-Strategien.

1.3.2.1 Merger Arbitrage / Risk Arbitrage (Übernahme-Arbitrage)

Die Merger Arbitrage-Strategie generiert ihre Erträge durch Fusionen und Übernahmen von Unternehmen (vgl. LHABITANT 2004, S. 8). Nachdem eine Fusion oder Übernahme ange-kündigt wurde, kauft der Hedgefond-Manager einerseits die Aktie des Unternehmens, welches übernommen werden soll. Andererseits verkauft er die Aktie des Unternehmens, welches das andere voraussichtlich übernehmen wird. Er setzt damit darauf, dass die Aktien des Unternehmens, welches übernommen werden soll, steigen. Gleichzeitig wird darauf spekuliert, dass die Aktien des Unternehmens welches übernehmen wird, fallen werden. Tritt diese erwartete Entwicklung ein, erzielt der Merger-Manager einen Gewinn. Wenn die Über-nahme scheitert, entstehen Verluste (vgl. BERG 2006, S. 19).

1.3.2.2 Distressed Securities

Mittels der Distressed Securities-Strategie wird bezweckt, Unternehmen anzuvisieren, die wirtschaftlich in Schwierigkeiten geraten sind und die vom Hedgefond-Manager als Sanierungsfälle identifiziert wurden (vgl. JAEGER 2002, S. 211). Vom Distressed Securities-Manager werden die Aktien von diesen, dem Bankrott nahestehenden Unternehmen gekauft (vgl. MC CRARY 2002, S. 41). Dies geschieht in der Hoffnung (oder mit der Kenntnis), dass sich die betreffenden angeschlagenen Unternehmen wieder erholen werden. Respektive, wenn ein potenter Kreditgeber gefunden wird, oder die Firma für ein lukratives Produkt einen Auftrag erhalten könnte. Mit einer erfolgreichen Neustrukturierung des Unternehmens ist folglich eine deutliche Wertsteigerung der Aktie verbunden und der Hedgefond erzielt einen Gewinn. Das Risiko besteht hierbei darin, daß Gegenteiliges eintreten kann, indem sich das Unternehmen nicht mehr sanieren läßt. Dieses Risiko nehmen Distressed Securities-Manager jedoch in Kauf (vgl. KAISER 2004, S. 144 ff.). Indem die Distressed Securities-Manager den notleidenden Unternehmen Kapital zur Verfügung stellen, erfüllen sie eine wichtige gesamtwirtschaftliche Funktion. Sie sorgen nämlich dafür, dass sich einige dieser Unternehmen wieder erholen können, die sonst ohne Eingreifen des Distressed Securities-Managers untergehen würden (vgl. ELING 2006, S. 47). Das Investment zahlt sich i. d. R. erst nach einer längeren Haltedauer aus. Weil die Gewinne jedoch bei Wiedererstarken des Unternehmens hoch ausfallen können, wird dies von den Distressed Securities-Managern toleriert.

1.3.3 Opportunisitische (gelegenheitsorientierte) - Strategien

Opportunisitische-Strategien werden diejenigen Strategien genannt, mit deren Hilfe die gün-stigsten Gelegenheiten ausfindig gemacht werden sollen, um auf den Kassa- und Termin-märkten Profite zu erwirtschaften. Häufig sind sie noch performanceorientierter als Event-Driven-Strategien und weitaus renditeorientierter als Relative Value-Strategien. Laut DICHTL werden sie als aktive Spekulationsstrategien bezeichnet. Mittels dieser wird die Eröffnung von Marktpositionen Gewinn bringend genutzt, wie auch durch den Einsatz von Derivaten (vgl. DICHTL 2005, S. 14).

1.3.3.1 Global-Macro-Strategie

Die Global-Macro-Strategie versucht, globale Markttrends auf allen bedeutenden Märkten zu nutzen. Die Entscheidungen stützen sich hierbei auf fundamentale und volkswirtschaftliche Analysen. Es wird eine Betrachtung „von oben nach unten“ durchgeführt, ein Top-Down-Ansatz. Der Fondsmanager beurteilt beispielsweise zuerst das Bruttoinlandsprodukt, die Industrieproduktion oder die Leistungsbilanz eines Landes. Er bezieht mögliche Kriege sowie

Katastrophen o. ä. mit in seine Überlegungen ein. So werden nach DROBNY zuerst die für die Investition geeigneten von den für die Investition ungeeigneten Länder unterschieden. Anschließend werden die attraktiven von den unattraktiven Branchen differenziert. Im Sinne der genannten Kriterien wird nun ein geeignetes Unternehmen ausgewählt (vgl. DROBNY 2006, S.I52). Auf der Basis dieser Ergebnisse werden mögliche Bewegungen an den Aktienmärkten, der Devisenbörse, den Rohstoffmärkten oder dem Zinssektor prognostiziert. Einige Vertreter der Global-Macro-Strategie (bekanntester Vertreter ist der Quantum-Fond von George Soros) gehen noch einen Schritt weiter. Sie setzen zahlreiche derivative Finanzinstrumente wie Futures und Optionen in den Bereichen Währungen, Rohstoffe, Zinsen und Aktienindizes ein. Diese Positionen entsprechen den Ansichten des Managers in Bezug auf die allgemein zu erwartende Richtung der Märkte. Global-Macro-Manager unterwerfen ihr Anlageverhalten meist nur wenigen Beschränkungen.

1.3.3.2 Long/Short Equity

Der aktuell von allen Hedgefond-Managern insgesamt am meisten praktizierte Ansatz ist der Long/Short Equity-Ansatz. Bei diesem kauft und verkauft der Hedgefond-Manager Aktien in verschiedenen Sektoren und Regionen von unter- bzw. überbewerteten Unternehmen. Die Vorgehensweise hierbei entspricht nicht der Top-Down-Analyse, wie es bei der Global-Macro-Strategie der Fall ist. Hier findet stattdessen die Bottom-Up-Analyse Anwendung, d. h. es wird mit der Betrachtung des Unternehmens begonnen. Dieser wird mehr Bedeutung beigemessen als der Branche, in der es sich befindet sowie seiner volkswirtschaftlichen Umgebung. Dies ist die gedankliche Grundlage, nach der bei der Long/Short Equity-Strategie das Stockpicking betrieben wird (vgl. SIEVERS 2007, S. 99). Im Gegensatz zu markt-neutralen Strategien wird bei der Long/Short Equity-Strategie nicht zu gleichen Teilen in Long- und Short-Positionen investiert. Hier werden dagegen entweder Long-Positionen oder Short-Positionen übergewichtet. Je nachdem, ob die Long/Short Equity-Strategie eher „long-lastig“ oder „shortlastig“ ausgerichtet ist, kann die Ausrichtung von 100 % Long-Positionen bis hin zu einer Ausrichtung von 100 Prozent Short-Positionen reichen (vgl. LHABITANT 2004, S. 6).

Es gibt drei mögliche Ausprägungen der Long/Short Equity-Strategie: Equity-Non-Hedge, Equity-Hedge und das Short-Selling.

Equity-Non-Hedge

Ein hedgen (absichern) der Longpositionen ist bei der Equity-Non-Hedge-Strategie nicht möglich. Die Strategie ähnelt derjenigen, die bei traditionellen Investmentfonds angewendet wird. Allerdings besteht der Unterschied darin, dass der Fondmanager bei der Equity-Non-Hedge-Strategie Fremdkapital (Leverage) einsetzen kann. Die Ausrichtung dieser Strategie ist zu 100 % long.

Equity-Hedge

Der Hedgefond-Manager eröffnet bei dieser Strategie gleichzeitig unterschiedlich große Long- und Short-Positionen. Das Marktrisiko wird dadurch reduziert. Es wird, anders als bei dem Strategieansatz Equity Market Neutral, nicht vollständig eliminiert (vgl. DICHTL 2005, S. 15). Meistens ist die Longseite gegenüber der Shortseite übergewichtet. In diesem Fall ist die Longseite, bei vorhandener Unterrepräsentanz von Shortpositionen, meistens z. T. vor fallenden Kursen abgesichert. Das Stockpicking, d. h. die Auswahl der richtigen Aktien und die Eröffnung der richtigen Positionen auf diese Aktientitel, entscheidet bei dieser Strategie über Erfolg und Mißerfolg (vgl. DEGENER 2007, S. 25). In Aktientitel verschiedener Bran-chen kann investiert werden. Beispielsweise werden 2 000 Siemens-Wertpapiere „geshortet“ und es wird in 5 000 Deutsche Bank-Aktien „Long gegangen“ (vgl. SCHUMM 2004, S. 66 f.). Entsteht letztlich bei diesen Positionen ein Gewinn, so spricht das für eine erfolgreiche Strategie. Long/Short Equity-Fonds haben gegenüber traditionellen „Long-only“-Aktienfonds den Vorteil, dass sie in einem negativen Marktumfeld bessere Wertentwicklungen als letztere erzielen, da bei ihnen auch Short-Positionen eingegangen werden. Allerdings schneiden sie laut BUSACK in Haussephasen meist schlechter als Long-only-Investments ab, da die Shortpositionen die Performance des Fonds in diesen Phasen negativ beeinträchtigen (vgl. BUSACK 2006, S. 8).

Short-Selling

Die Ausrichtung der Investments eines Short-Selling-Hedgefonds ist zu 100 % short. Es wird keine Longposition eingegangen und ausschließlich versucht, von fallenden Aktienkursen zu profitieren. Oft werden für die Short-Positionen auch derivative Instrumente eingesetzt (vgl. DICHTL 2005, S. 15). Da die Aktien als überbewertet angesehen werden, erwartet der Manager, dass ihr Kurs sinkt und er sie zu einem niedrigeren Preis zurückkaufen kann. Der maximale Gewinn pro Trade ist dabei allerdings auf 100 % beschränkt. Das Risiko dieser Strategie besteht in steigenden Märkten.

1.3.3.3 Emerging Markets

Einige der opportunistischen Hedgefonds versuchen Wertentwicklungen von Emerging Markets-Aktien zu prognostizieren. Sie setzen auf Aktien aus Schwellenländern und eröffnen Long- sowie Shortpositionen. (vgl. LHABITANT 2004, S. 7). Hierbei investieren sie nicht nur in Wertpapiere und Anleihen der Schwellenländer, sondern es kommen auch derivative Instrumente zum Einsatz. Emerging Markets-Trades enthalten allerdings oft ein relativ großes Liquiditätsproblem, viele der Aktien verzeichnen nämlich sehr geringe Umsätze.

1.3.4 Managed Futures

Ein sogenannter Managed Account weist gegenüber einem Hedgefond einige Vorteile auf. Ein Managed Account wird von einem Händler gemanagt, dessen Handelspositionen - im Gegensatz zu einem Hedgefond - dem Investor offengelegt werden. Letzterer kann dieses Konto jederzeit einsehen und verfolgen, welche Positionen der Trader eingeht (vgl. FANO-LESZCZYNSKI 2005, S. 78 ff.). Zudem besitzen Hedgefonds oft sehr lange Lock-up-Perioden bzw. Kündigungsfristen. Managed Futures Funds hingegen ermöglichen ein tägli-ches Abziehen des investierten Kapitals (vgl. PICHL 2001, S. 18 f.). Managed Futures unter-scheiden sich von Hedgefonds auch darin, dass nur in Derivate (Futures, Optionen, CFD’s) investiert werden kann, während bei Hedgefonds auch die Eröffnung von Kassapositionen möglich ist. Außerdem sind Managed Futures von der NFA in den USA streng reglementiert. Hedgefonds unterliegen nicht dieser staatlichen Aufsicht. Ziel der Managed Futures ist es, mit allen zur Verfügung stehenden derivativen Finanzinstrumenten aus den Preisveränderungen der Aktienmärkte, bei Zinsen, Währungen und Rohstoffen Vorteile zu erzielen. Die Analyse erfolgt unter Zuhilfenahme technischer Systeme und mathematischer Handelsmodelle, aus denen sich Kaufs- und Verkaufssignale ableiten lassen. Die Manager von Rohstoff- oder Financial Futures werden laut LO als Commodity Trading Advisors bezeichnet, als sogenannte CTA’s. Sie sind für den Erfolg der Managed Futures Fonds verantwortlich (vgl. LO 2005, S. 305). Inzwischen hat der Devisenhandel den Handel mit Commodities hinsichtlich des Handelsvolumens weit überholt und die CTA’s allokieren durchschnittlich nur noch 20 % bis 30 % ihrer Gelder im Rohstoffbereich (vgl. HANNEMANN 2007, S. 77). Unterschieden wird zwischen diskretionären und systematischen Managed Futures Fonds.

1.3.4.1 Diskretionäre Managed Futures Fonds

Es kann zwischen systematischen und diskretionären CTA’s unterschieden werden. Diskretionär agierende CTA’s setzen verstärkt auf ihre eigenen Timing-Fähigkeiten, Marktsituationen richtig vorauszusagen (vgl. HANNEMANN 2007, S. 77). Sie treffen ihre Entscheidungen aufgrund technischer Marktanalysen und ihrer eigenen Erfahrungen sowie Trading Skills, die sie über Jahre hinweg entwickelt haben. Sie setzen hierbei nicht auf Automatisierung ihrer Handelsstrategien (vgl. LHABITANT 2004, S. 6).

1.3.4.2 Systematische Managed Futures Fonds

Systematische CTAs benutzen zu 100 % automatisierte Handelssysteme. Diese erzeugen Handelssignale vollkommen automatisch und leiten sie - meist selbständig - an die Börse weiter. Durch diese Automatisierung des Tradings werden keinerlei Emotionen des Händlers zugelassen (vgl. HANNEMANN 2007, S. 77).

1.3.5 Multi-Strategy

In einem Hedgefond werden mehrere Handelsstrategien zugleich gehandelt. Dies geschieht entweder durch einen oder durch mehrere Händler. Für einen Investor hat dies den Vorteil einer gewissen Diversifikation. Der Nachteil der Risikoreduzierung jedoch ist, dass die Aufteilung in mehrere Handelsstrategien Renditechancen nehmen kann, weil einige der Handelsstrategien auch schlecht performen können (vgl. SCHUMM 2004, S. 97).

1.4 i Chancen und Risiken von traditionellen Investments und i Hedgefonds

1.4.1 i Allgemeine Risiken von Hedgefonds

1.4.1.1 Marktrisiko

Kann sich der gesamte Markt oder ein bestimmtes Segment negativ entwickeln, so wird dies als Marktrisiko bezeichnet.

1.4.1.2 Leverage-Risiko

Durch Kreditfinanzierung mittels Derivaten, wie z. B. Futures oder CFD’s, lässt sich das eingesetzte Kapital mit Hilfe des Leverage-Effektes hebeln. Dadurch vergrößert sich neben dem Gewinnpotential allerdings auch das Verlustpotential.

1.4.1.3 Liquiditätsrisiko

Ein Liquiditätsrisiko entsteht, wenn der Hedgefond-Manager ein Finanzinstrument nicht zu einem bestimmten gewünschten Zeitpunkt verkaufen oder kaufen kann, da es einen zu niedrigen Umsatz aufweist.

1.4.1.4 Währungsrisiko

Ein Währungsrisiko liegt dann vor, wenn z. B. ein deutscher Investor in einen Hedgefond investiert, der in US-Dollar geführt wird. Ein möglicher Wertzuwachs bleibt in diesem Falle unberücksichtigt. Sollte nun der Dollar im Verhältnis zum Euro an Wert verlieren, hätte das für den Investor des Hedgefonds unangenehme Folgen: Wenn er sich das in den Hedgefond investierte Kapital auszahlen ließe, und dieses in Euro zurücktauschen würde, so bekäme er, bei gesunkenem Kurs des Euro gegenüber dem USD, im Verhältnis weniger Geld als zum Investitionszeitpunkt zurück (vgl. RUH 2005, S. 147).

1.4.1.5 Strategiewechsel-Risiko

Es wird der Investment-Stil gewechselt. Dies geschieht beispielsweise bei einem Wechsel von EOD-Trading (auf Tagesschlußkursen basierendem Trading) zum Intraday-Trading, um Overnight-Risiken (Riskien, die nach Börsenschluß auftreten können) zu eliminieren. Auch ein Wechsel von beispielsweise der Relative Value-Strategie zu einer Long/Short Equity-Strategie könnte das Risikolevel verändern (vgl. SIEVERS 2007, S. 46).

1.4.1.6 Schlüsselpersonen-Risiko

Trader, Risikomanager im Backoffice sowie der Geschäftsführer sind oft die Schlüssel-personen in einem Hedgefond. Begehen sie Fehler, erkranken oder sterben, kann dies Wertverluste für den Investor zur Folge haben.

1.4.1.7 Marktzugangs-Risiko

Etablierte Fondsgesellschaften achten, wegen möglicher Strom- und Serverausfälle darauf, eine netzunabhängige Stromversorgung sicherzustellen. Außerdem werden Server mit den gleichen Daten in unterschiedlichen Stadtteilen, verschiedenen Städten oder gar in unterschiedlichen Ländern platziert. Es ist für den Fall, dass ein Server ausfallen sollte vorgesorgt worden, so dass ein anderer Server sofort dessen Funktion übernehmen kann (vgl. SIEVERS 2007, S. 45).

1.4.2 Risikomaße von traditionellen Fonds bzw. Absolute-Return

1.4.2.1 Standardabweichung

Die Standardabweichung wurde 1951 von H. Markowitz entwickelt. Für traditionelle Fonds ist sie die gängigste Risikokennzahl. Voraussetzung für die Verwendung der Standard-abweichung als Risikokennzahl ist allerdings, daß die Renditen normalverteilt sind (vgl. BUSSE 2007 , S. 145 f.). Die Standardabweichung (Streuung) entspricht der Quadratwurzel aus der Varianz.

Abbildung in dieser Leseprobe nicht enthalten

Sie ist ein Maß dafür, wie die einzelnen Daten um den Mittelwert verteilt sind, d. h. wie stark die Daten um den Mittelwert streuen.

Formel Standardabweichung:

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.14 Einfache, zweifache und dreifache Standardabweichung (in Anlehnung an LHABITANT 2004, S. 46)

Die einfache Standardabweichung dargestellt in Abbildung 1.14, enthält ungefähr 68 % aller Abweichungen vom Mittelwert, die zweifache ungefähr 95 % und die dreifache enthält mehr als 99 % der Beobachtungswerte. M stellt hierbei den Mittelwert der Renditen dar. Ihr Nachteil liegt nach der Auffassung von WEBER darin, dass sie auch große positive Performanceausschläge als Risiko qualifiziert (vgl. WEBER 1999, S. 147).

1.4.2.2 Semivarianz

Die Semivarianz, grafisch dargestellt in Abbildung 1.15, wird analog zur Varianz berechnet. Es lässt sich allerdings, wie diese Abbildung zeigt, zwischen positiven und negativen Abweichungen vom Mittelwert unterscheiden. In der unterhalb der grafischen Darstellung der Semivarianz befindlichen Formel, werden nur die negativen Abweichungen vom Mittelwert, die in Abbildung 1.15 als straffierte Fläsche hervorgehoben sind, berücksichtigt. (vgl. BUSSE 2007, S. 146).

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.15 Grafische Darstellung der Semivarianz (eigene Darstellung)

Aus der Semivarianz kann auch die Semistandardabweichung berechnet werden:

Abbildung in dieser Leseprobe nicht enthalten

1.4.2.3 Value at Risk

Der Value at Risk, dargestellt in Abbildung 1.16, liefert dem Anleger eine Kennzahl, mit dessen Hilfe er abschätzen kann, wieviel Kapital er maximal verlieren kann, wenn der Anlagehorizont (z. B. fünf Tage oder ein Monat) und das Konfidenzintervall (z. B. 95 % oder 99 %) als gegeben angesehen werden. Laut MC CRARY läßt sich der VAR sowohl für einzelne Wertpapiere, als auch für ein gesamtes Portfolio berechnen (vgl. MC CRARY 2002, S. 259). „Value at Risk“ heißt übersetzt „gefährdeter Wert“. Der VAR ist der maximal zu erwartende Verlust einer Position oder eines Portfolios während eines bestimmten Zeitraums (bei Banken meist ein Tag), der mit einer zuvor definierten Wahrscheinlichkeit (Konfidenz-niveau) nicht überschritten wird. Laut LHABITANT wird der VAR meist in Prozent, seltener in Geldeinheiten angegeben (vgl. LHABITANT 2004, S. 53).

Beispiel für VAR:

Daten: Morgan Stanley Capital Index USA Okt. 1969 - Okt. 2000 (Monatliche Renditedaten), Anlagehorizont: ein Monat, Konfidenzintervall: 99 %

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.16 Grafische Darstellung des Value at Risk (in Anlehnung an LHABITANT 2004, S. 54)

Für o. g. Beispiel gilt: Der bei einem gegebenen Konfidenzintervall von 99 % und einem Anlagehorizont von einem Monat ermittelte VAR beträgt -15,7 %. Unter diesen Voraus-setzungen ist in dem nächsten Monat mit 99 %iger Wahrscheinlichkeit kein größerer Verlust als -15,7 % zu erwarten.

Kritik am VAR-Ansatz:

- Er erfordert eine Normalverteilung der Renditen.
- Die Höhe der Verluste im Extremfall wird nicht adäquat wiedergegeben, bei extremen Kursänderungen ist der VAR nicht mehr sinnvoll verwendbar.

1.4.2.4 Schiefe (Skewness)

Bei einem durchschnittlichen Hedgefond ist nicht von einer Normalverteilung der Renditen auszugehen. Hedgefond-Strategien weisen i. d. R. eine Linksschiefe und eine positive Exzess-Kurtosis (eine über die Wölbung der Normalverteilung hinausgehende Wölbung) auf (vgl. BERG 2006, S. 48). Dies deutet auf eine relativ hohe Wahrscheinlichkeit für Verluste hin - eine Eigenschaft, die ein Investor möglichst nicht bei einem Investment haben möchte.

Eine Normalverteilung besitzt einen Schiefe-Wert von Null. Ist die Renditeverteilung des Hedgefonds hingegen „linksschief“, verschiebt sich nach MELCHER der Scheitelpunkt nach rechts. Bei einer „rechtsschiefen“ Verteilung, ist er nach links verschoben (vgl. MELCHER 2007, S. 26 ff.). Nach WITTMER bezieht sich die Verschiebung nicht nur auf den Scheitelpunkt der Renditeverteilung. So ist außerdem das auf der anderen Seite des Mittelwertes befindliche Ende der Verteilung „dicker“ (Fat Tail). Dies bedeutet für eine „rechtsschiefe“ Verteilung, daß bei ihr extrem positive Renditen wesentlich häufiger auftreten. Bei einer „linksschiefen“ Verteilung treten hingegen extrem negative Renditen wesentlich häufiger auf. (vgl. WITTMER 2008, WWW). Die verschiedenen Ausformungen der Skewness sind in den Abbildungen 1.17 bis 1.19 dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1.17 Grafische Darstellung der Schiefe (Skewness) einer Normalverteilung i(eigene Darstellung)

Eine positive Schiefe ist grundsätzlich vorteilhaft für den Investor. Sie ist für Hedgefonds jedoch eher untypisch. Bei positiver Schiefe treten gegenüber der Normalverteilung sehr hohe positive Renditen mit einer vergleichsweise hohen Wahrscheinlichkeit auf, es entsteht eine breite Flanke mit einem „dicken Ende“, einem soganannten „Fat Tail“, am rechten Ende der Wahrscheinlichkeitsverteilung.

[...]

Ende der Leseprobe aus 116 Seiten

Details

Titel
Die Point & Figure-Analyse als Timinginstrument von Hedgefonds unter Risiko-Ertrags Gesichtspunkten
Hochschule
Fachhochschule für Wirtschaft Berlin  (FHW/HWR Berlin)
Veranstaltung
Finanzierung & Investition Diplomarbeit
Note
1,3
Autor
Jahr
2009
Seiten
116
Katalognummer
V301525
ISBN (eBook)
9783656976288
ISBN (Buch)
9783656976295
Dateigröße
5022 KB
Sprache
Deutsch
Schlagworte
Hedge Fonds, Hedge Funds, Portfoliomanagement, Aktien, Börse, Technische Analyse, Risikomanagement, Finanzierung, Investition, Controlling, Investmentbanking, Investment Banking
Arbeit zitieren
Max Schröder (Autor), 2009, Die Point & Figure-Analyse als Timinginstrument von Hedgefonds unter Risiko-Ertrags Gesichtspunkten, München, GRIN Verlag, https://www.grin.com/document/301525

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Die Point & Figure-Analyse als Timinginstrument von Hedgefonds unter Risiko-Ertrags Gesichtspunkten


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