Der Halloween-Effekt am Aktienmarkt von Singapur. Eine empirische Analyse

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung

2 Internationale Einordnung Singapurs

3 Stand der Forschung
3.1 Markteffizienzhypothese nach Fama (1970)
3.2 Kalenderanomalien
3.3 Halloween-Effekt

4 Empirische Analyse
4.1 Erwartungen
4.2 Datensatz
4.3 Methodik
4.3.1 Rendite
4.3.2 Annualisierte Rendite und Risikoberechnung
4.3.3 OLS-Regression und Signifikanztest
4.4 Wahl des Zeitraums
4.5 Analyse der übergeordneten Marktindizes
4.5.1 Risiko und Rendite
4.6 Analyse der Sektorindizes
4.6.1 Risiko und Rendite
4.7 Einfluss des Januar-Effekts
4.8 Einfluss von Ausreißern
4.8.1 Identifikation der Ausreißer
4.8.2 Robuste Regression
4.9 Zeitliche Entwicklung des Halloween-Effekts
4.10 Handelsstrategie - Test auf ökonomische Signifikanz des Halloween-Effekts

5 Zusammenfassung und Fazit

Anhang

Literaturverzeichnis

Zusammenfassung

Die alte und simple Investmentstrategie „Sell in May and Go Away“, auch bekannt unter dem Namen des Halloween-Effekts, genießt heutzutage immer noch große Bekanntheit. Die nach- folgende Arbeit untersucht den Halloween-Effekt für den Aktienmarkt in Singapur. Es wird der Frage nachgegangen, ob der Effekt weiterhin existiert und ob sich dieser durch eine pas- sende Handelsstrategie ausnutzen lässt. Außerdem wird untersucht, ob die etwaigen höheren Renditen in Zusammenhang mit einem höheren Anlagerisiko, dem Januar-Effekt, der Marktkapitalisierung oder der Branche stehen. Darüber hinaus befasst sich die Studie intensiv mit der Frage, ob mögliche Ausreißer in den Daten einen verfälschenden Einfluss auf die Er- gebnisse haben. Um diese Fragen zu beantworten, werden Regressionsanalysen nach dem OLS-Ansatz und Analysen „Robuster Regressionen“ auf Grundlage der Markt- und Sektorindi- zes Singapurs durchgeführt. Die Ergebnisse zeigen, dass der Halloween-Effekt in Singapur nach wie vor existiert. Die Anomalie ist über viele Jahre zu beobachten und verstärkt sich in der jüngeren Vergangenheit. Die Ausprägung und Signifikanz des Halloween-Effekts ist je- doch branchen- und marktkapitalisierungsabhängig. Indizes größerer Unternehmen zeigen hier einen signifikanteren Effekt. Ökonomische Signifikanz kann nur teilweise festgestellt werden. Insgesamt stehen die Ergebnisse der Theorie von effizienten Märkten entgegen.

Abbildungsverzeichnis

Abbildung 1: Marktkapitalisierung und Handelsvolumen Singapore Exchange (in Bill. USD)

Abbildung 2: Anzahl der Indizes auf verschiedenen Signifikanzniveaus

Abbildung 3: Vergleich der Sommer- und Winterrendite der übergeordneten Marktindizes

Abbildung 4: Vergleich der Sommer- und Winterrendite der Sektorindizes

Abbildung 5: Die zeitliche Entwicklung des Halloween-Effekts, 5 Jahre rollierend

Abbildung 6: Die zeitliche Entwicklung des Halloween-Effekts, 10 Jahre rollierend

Abbildung 7: Die zeitliche Entwicklung des Halloween-Effekts, 25 Jahre rollierend

Abbildung 8: Buy-and-hold vs. Halloween-Strategie MSCI Singapore

Abbildung 9: Buy-and-hold vs. Halloween-Strategie FTSE Straits Times Index

Abbildung 10: Bloomberg Beschreibung von iShares MSCI Singapore ETF

Abbildung 11: Bloomberg Beschreibung von iShares SPDR Straits Times Index ETF

Tabellenverzeichnis

Tabelle 1: Singapurs Rating im Vergleich

Tabelle 2: Global Financial Centres Index (September 2015)

Tabelle 3: Überrenditen der Sektor übergreifenden Marktindizes

Tabelle 4: Übersicht Statistiken und Regression der Sektor übergreifenden Marktindizes

Tabelle 5: Risiko und Rendite der übergeordneten Marktindizes

Tabelle 6: Übersicht Statistiken und Regression der Sektorindizes

Tabelle 7: Risiko und Rendite der Sektorindizes

Tabelle 8: Übersicht Statistiken und Regression der übergeordneten Marktindizes mit Berücksichtigung des Januar-Effekts

Tabelle 9: Übersicht Statistiken und Regression der Sektorindizes mit Berücksichtigung des Januar-Effekts

Tabelle 10: Ausreißeridentifikation MSCI Singapore

Tabelle 11: Ausreißeridentifikation FTSE Straits Times Index

Tabelle 12: Ergebnisse der Robusten Regression für die übergeordneten Marktindizes

Tabelle 13: Ergebnisse der Robusten Regression für die Sektorindizes

Tabelle 14: Zeitliche Verfügbarkeit der Kursdaten der Indizes

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Jedes Jahr zur gleichen Zeit ist in den einschlägigen Finanz- und Börsenmedien von ein und derselben Börsenweisheit die Rede: „Sell in May and Go Away.“ Anlegern und Investoren wird empfohlen, ihren Aktienbestand gegen Mai zu verkaufen. Sie sollten jedoch nicht vergessen, „… to come back in September“, also im September wieder am Aktienmarkt zu partizipieren. Eine Abwandlung des zweiten Teils dieser Empfehlung bezieht sich auf den sogenannten Halloween-Indikator, welcher besagt, eine noch längere Pause einzulegen und erst an Halloween wieder in Aktien zu investieren (u. a. Bouman & Jacobsen, 2002).

Daraufhin nahmen viele Autoren diesen Rat zum Anlass, diese sogenannte Kalenderanomalie genauer zu untersuchen und kamen zu dem Ergebnis, dass die Wertentwicklung vieler Aktienmärkte in den Sommermonaten wesentlich schlechter als in den Wintermonaten ausfiel (u. a. Bouman & Jacobsen, 2002; Jacobsen & Visaltanachoti, 2009; Witte, 2010). Auch neuere Studien bestätigen, dass der Effekt zuletzt immer noch existiert und eine profitable Handlungsempfehlung darstellt (Swinkels & van Vliet, 2012; Andrade, Chhaochharia & Fuerst, 2013). Jedoch stehen die Ergebnisse im Wiederspruch zu Fama's (1970) Markteffizienzhypothese. Wenn Märkte tatsächlich effizient sind (zumindest in Bezug auf alle öffentlich verfügbare Informationen), sollte eine solche Anomalie nicht über einen längeren Zeitraum existieren und von Zeit zu Zeit verschwinden (Fama, 1970, S. 414).

Bouman & Jacobsen (2002) analysieren in ihrer Studie 37 verschiedene Länder auf Existenz des Halloween-Effekts. Bei ganzen 36 Märkten wird ein Halloween-Effekt festgestellt (u. a. bei Singapur). Jedoch gehen viele der aktuelleren Untersuchungen nicht mehr auf Singapur ein und basieren meist auf anderen Aktienmärkten.

Singapur ist ein multikulturelles und weltoffenes Land, das mit einer sehr hohen Lebensquali- tät als eines der attraktivsten Länder zum Leben gilt (Singapore Government, 2015). Darüber hinaus ist Singapur laut der World Bank der unternehmensfreundlichste Standort weltweit und international stark mit den großen Wirtschaftsnationen verbunden (Min, 2015; World Bank Group, 2015).

In nachfolgender Untersuchung wird der Aktienmarkt von Singapur analysiert und der Frage nachgegangen, ob der Halloween-Effekt weiterhin in Singapur existiert. Hierzu liefert Abschnitt 2 zunächst anhand verschiedener Statistiken eine kurze Auskunft über die internationale Einordnung Singapurs.

Abschnitt 3 befasst sich mit dem aktuellen Stand der Forschung im Zusammenhang mit dem Sell-in-May-Effekt. Zunächst wird ein Überblick über Fama's (1970) Markteffizienzhypothese und Kalenderanomalien im Allgemeinen gegeben. Abschließend werden in diesem Abschnitt in chronologischer Reihenfolge alle wichtigen, dieser Arbeit vorangegangenen Studien sowie deren Ergebnisse genannt und erläutert. Auf dem aktuellen Stand aufbauend lassen sich hieraus Fragen ableiten, welche als Leitfaden der hiesigen Studie dienen.

Abschnitt 4 stellt mit der empirischen Analyse den Hauptteil dieser Arbeit dar. Hier werden zunächst die verschiedenen, als Datengrundlage dienenden Indizes erwähnt und kurz deren Eigenschaften und Besonderheiten diskutiert. Danach folgt die Erklärung der finanzmathema- tischen und statistischen Methodik. Daraufhin wird der genaue „Sell in May but remember to come back in September“ Zeitraum definiert und verschiedenen Fragestellungen bezüglich eines möglichen Halloween-Effekts in Singapur nachgegangen. Hier geht es um die allgemei- ne Existenz des Effekts in Singapur, der Abhängigkeit von Marktkapitalisierung und Branche, den Einfluss des Monats Januar, die Auswirkungen und das Umgehen mit Datenausreißern, die zeitliche Entwicklung des Halloween-Effekts und um die ökonomische Signifikanz der Anomalie, welche anhand einer auf dem Sell-in-May-Gedanken basierenden Handelsstrategie getestet wird.

Abschließend enthält der 5. Abschnitt eine Zusammenfassung aller gewonnenen Ergebnisse und zieht Resümee.

2 Internationale Einordnung Singapurs

Bei der Untersuchung des Sell-in-May-Effekts in Singapur stellt sich zu aller erst die Frage, wie der Finanz- und Handelsplatz einschließlich der Börse Singapur im Vergleich zu anderen internationalen Metropolen einzuordnen ist.

Einen ersten Eindruck schafft der Blick auf die Kreditfähigkeit Singapurs:

Abbildung in dieser Leseprobe nicht enthalten

Daten von Bloomberg (Abgerufen am 23.10.2015).

Singapur erhält von den drei größten Ratingagenturen Moody's, S&P und Fitch das jeweils bestmögliche Rating und ist in Asien das Land mit der höchsten Kreditwürdigkeit. Somit ge- staltet sich die Kreditwürdigkeit so hoch wie die von Deutschland und das Kreditausfallrisiko liegt bei nahezu 0. Selbst das Rating der USA liegt auf einem niedrigeren Niveau und auch Hong Kong hat bei zwei der drei Ratingagenturen im Vergleich mit Singapur das Nachsehen.

Singapur gilt als das Tor zum asiatischen Markt. Der Global Financial Centres Index¹ zeigt, dass der Standort Singapur eines der wichtigsten Finanzzentren der Welt bildet (Tabelle 2).

Tabelle 2: Global Financial Centres Index (September 2015).

Abbildung in dieser Leseprobe nicht enthalten

Wenig überraschend landen London und New York auf den ersten beiden Plätzen, jedoch di- rekt gefolgt von Hong Kong und Singapur. Ein Grund für die Attraktivität Singapurs und den Aufstieg zu einem globalen Dreh- und Angelpunkt liegt unter anderem in der wirtschaftlichen Freiheit und der hohen Rechtssicherheit, die Singapur zu bieten hat (Wälterlin, 2011).

Um einen Überblick über die Größe des Börsenhandels, der Börse Singapurs (Singapore Exchange) und deren internationaler Relevanz zu erhalten, empfiehlt es sich das Handelsvo- lumen und die Marktkapitalisierung, der an der Singapore Exchange gelisteten Unternehmen, zu betrachten. Hierzu zeigt Abbildung 1 eine Auswahl der größten internationalen also auch weiterer asiatischer Börsen mit den soeben erwähnten Angaben². Die Daten stammen von der World Federation of Exchanges, einem weltweiten Zusammenschluss von 64 verschiedenen Börsen³.

Wie man sieht, steht die NYSE (New York Stock Exchange) mit einer Marktkapitalisierung von fast 18 Billionen USD an der Spitze der Rangliste, dicht gefolgt von der amerikanischen Tech- nologiebörse NASDAQ (knapp 7 Bill. USD). Größte asiatische Börse in Sachen Markkapitali- sierung ist die Japan Exchange Group (4,7 Bill. USD), gefolgt von der Börse Shanghais (4,1 Bill. USD). Die Shanghai Stock Exchange übertrifft die Japan Exchange Group jedoch bezogen auf das Handelsvolumen (Japan Exchange Group: 5,4 Bill. USD; Shanghai Stock Exchange: 6,1 Bill. USD). Die Deutsche Börse landet mit einer Marktkapitalisierung der gelisteten Unter- nehmen von vergleichsweise geringen 1,7 Billionen USD im unteren Mittelfeld. Die an der Börse in Singapur gelisteten Unternehmen haben eine Marktkapitalisierung von nur 639 Mil- liarden USD. Darüber hinaus steht auch das Handelsvolumen mit sehr geringen 209 Milliar- den USD weit im Schatten der großen asiatischen Börsen von Tokyo (Japan Exchange Group), Shanghai und Hong Kong.

Abbildung 1: Marktkapitalisierung und Handelsvolumen Singapore Exchange (in Bill. USD).

Abbildung in dieser Leseprobe nicht enthalten

Zusammenfassend lässt sich sagen, dass Singapur zwar eine exzellente Kreditfähigkeit hat und im internationalen Vergleich eines der größten und attraktivsten Finanzzentren weltweit darstellt, die Börse in Sachen Handelsvolumen und Marktkapitalisierung jedoch nicht an die großen Handelsplätze Asiens (Tokyo, Shanghai und Hong Kong) heranreicht.

3 Stand der Forschung

3.1 Markteffizienzhypothese nach Fama (1970)

Die Markteffizienzhypothese wurde von Eugene F. Fama im Jahre 1970 in seiner Studie zur Effizienz von Kapitalmärkten aufgestellt. Allgemein besagt diese, dass Preise bei effizienten Märkten zu jeder Zeit alle verfügbaren Informationen widerspiegeln. Somit ist es für einen Investor nicht möglich, systematisch Marktüberrenditen zu erwirtschaften - „der Markt kann langfristig nicht geschlagen werden“.

Fama (1970) unterteilt seine Hypothese in 3 verschiedene Effizienzstufen (Fama, 1970, S. 414):

1. Starke Markteffizienzhypothese:

Alle kursrelevanten Informationen sind zu jeder Zeit und für jedermann verfügbar und folglich im Kurs einer Aktie bzw. im Marktwert eines Unternehmens enthalten. Es gibt keine Investoren oder Gruppen mit monopolistischem Zugang zu weiteren kursrelevanten Informationen (Insider-Informationen).

2. Mittelstarke Markteffizienzhypothese:

Alle öffentlichen verfügbaren und kursrelevanten Informationen sind im Kurs enthalten. Der Kurs/Marktwert reflektiert lediglich alle öffentlich zugänglichen und marktrelevanten Informationen. Es gibt jedoch Investoren oder Gruppen mit monopolistischem Informationszugang (Insider).

3. Schwache Markteffizienzhypothese:

Hier sind nur Informationen zu historischen Kursen und vergangener Marktentwicklung eingepreist.

Wie sich erkennen lässt, stellt die starke Markteffizienzhypothese eine Extremform dar, die als Benchmark gesehen werden sollte (Fama, 1970, S. 415). Sie ist eine logische Folge auf die schwache und mittelstarke Form von Markteffizienz, die zur Vollständigkeit erwähnt wird, aber in der Realität selten vorkommt (Jensen, 1978, S. 97).

Im Laufe der Jahre sind eine große Anzahl von Studien veröffentlicht worden, deren Ergeb- nisse im Konflikt zu Fama's (1970) Markteffizienzhypothese stehen. Mit den Studienergebnis- sen fanden viele Autoren einen Weg, systematisch „den Markt zu schlagen“ (u. a. Bouman & Jacobsen, 2002).

3.2 Kalenderanomalien

Eine Vielzahl von empirischen Studien befasst sich seit einigen Jahrzehnten mit zeitabhängi- gen Phänomenen an den internationalen Aktienmärkten. Diese sogenannten Kalenderanoma- lien zeigen ein saisonal wiederkehrendes Muster von Kursbewegungen bzw. Renditeverände- rungen. Die Ergebnisse der Studien stehen meist im Konflikt mit der im vorigen Abschnitt erläuterten Markteffizienzhypothese von Fama (1970), da sich die Phänomene teilweise aus- nutzen lassen, um eine höhere Rendite am Aktienmarkt zu erreichen (u. a. Bouman & Jacobsen, 2002, S. 1630).

Neben dem in dieser Arbeit untersuchten und im nächsten Abschnitt beschriebenen Hallo- ween-Effekt lassen sich in der Literatur im Wesentlichen 4 weitere Kalenderanomalien finden:

- Januar-Effekt
- Montags-Effekt
- Monatswechsel-Effekt
- Feiertags-Effekt

Als Januar-Effekt beschreibt die Literatur das Auftreten einer signifikant höheren Monatsrendite am Wertpapiermarkt für den Monat Januar, verglichen mit den anderen Monaten des Jahres (Rozeff & Kinney Jr, 1976, S. 401). Zusätzlich zeigen Untersuchungen eine negative Beziehung zwischen der Ausprägung des Januar-Effekts und der Größe des jeweiligen Unternehmens (Keim, 1983, S. 31).

Unter dem Montags-Effekt versteht man eine sich von den anderen Handelstagen der Woche unterscheidendende Montagsrendite am Wertpapiermarkt. Die Rendite an Montagen ist klei- ner verglichen mit den Handelstagen der restlichen Woche (Cross, 1973, S. 68-69). Die Durchschnittsrendite an Montagen ist sogar häufig negativ (French, 1980, S. 68). Der Mon- tags-Effekt ist auch als Wochenend-Effekt bekannt, da es sich bei der Rendite am Montag um die Rendite zwischen dem Zeitpunkt des Schlusskurses am Freitag und dem Zeitpunkt des Schlusskurses am Montag (also das Wochenende einschließend) handelt (Rogalski, 1984, S. 1613).

Mit dem Monatswechsel-Effekt bezeichnet die Literatur das Phänomen höherer Durchschnitts- renditen bei Aktien kurz vor und während der ersten Hälfte eines jeden Monats (Ariel, 1987, S. 173). Speziell der Zeitraum beginnend mit dem letzten Tag des vorigen Monats bis zum dritten Tag des beobachteten Monats zeigt bei Untersuchungen überdurchschnittlich hohe Renditen im Vergleich zum Rest des Monats (Lakonishok & Smidt, 1988, S. 417).

Die letzte in der Literatur häufig erwähnte Kalenderanomalie wird durch den Feiertags-Effekt beschrieben. Der Feiertags-Effekt beschreibt das Auftreten von signifikant höheren Renditen direkt vor und nach Feiertagen (Lakonishok & Smidt, 1988, S.411-415). Beispielsweise zeigt sich in Untersuchungen, dass die durchschnittliche Rendite des auf Neujahr folgenden Handelstages im Durchschnitt über viele Jahre die höchste Rendite des Jahres darstellt (Roll, 1983a, zit. nach Ariel, 1990, S. 1615).

Darüber hinaus gibt es noch einige andere bereits beobachtete Wertpapiermarktanomalien. Zu diesen zählen u. a. Wettereffekte (Dowling & Lucey, 2005), der Luna-Effekt (Yuan, Zheng & Zhu, 2006; Nelles, Užik & Holtfort, 2008), Politik-Effekte (Chang, Chen, Gupta & Nguyen, 2015) oder auch Sportanomalien wie die Effekte des Super Bowl-Indikators (Kester, 2010). Auf diese Anomalien wird in dieser Arbeit jedoch nicht weiter eingegangen.

3.3 Halloween-Effekt

Der Halloween-Effekt stellt eine der bekanntesten Kalenderanomalie in der heutigen Zeit dar. Die in der Literatur vielmals diskutierte Handlungsempfehlung „Sell in May and go away“, findet ihren Ursprung im September 1776 in England. Mitte des Monats fand zu dieser Zeit zum ersten Mal das sich danach jährlich wiederholende, traditionelle Pferderennen “St. Leger Stakes“ in Doncaster, England statt. Dieses Rennen ist mit einer Länge von einer Meile, 6 Fur- longs und 132 Yards (in Summe⁴ 2937 m) das längste und älteste Rennen der fünf „British Classic Races“. Außerdem ist es das dritte und letzte Rennen der „Triple Crown of Thoroughb- red Racing“, einer Rennserie für dreijährige Rassepferde, die traditionell zwischen Ende April und Anfang Mai mit den „Two Thousand Guineas Stakes“ auf der Rennbahn von Newmarket, England startet. Die „Two Thousand Guineas Stakes“ wurden erstmals am 18. April 1809 ausgetragen (Bouman & Jacobsen, 2002; Hock, 2012; The National Horseracing Museum Newmarket, o. J.).

Man kann also zu dem Schluss kommen, dass sich das Leben der vermögenden Oberschicht Englands zu dieser Zeit eher um Pferderennen drehte, als um die im Jahr 1801 gegründete Londoner Börse (Schiereck & Welkoborsky, 2014, S. 2). Dies könnte einen ersten Anhalts- punkt zu einer möglichen Begründung für das Auftreten eines Sell-in-May-Effekts darstellen - Moderne Investoren meiden in der Zeit zwischen Mai und September die Börse, um anderen Aktivitäten nachzugehen.

Wortwörtlich lautet die „Börsenweisheit“, welcher der Sell-in-May-Effekt zugrunde liegt wie folgt:

„Sell in May and go awayw

„ … but remember to come back in September.w Oder auch:

„ … but buy back on St. Leger Day.w

Dem Sprichwort in Verbindung mit dem traditionellen englischen Pferderennen nach ist der Zeitraum, in dem ein Investor an der Börse aktiv bzw. investiert sein sollte, ungefähr festge- legt. Zusätzlich wird in einem Buch von O'Higgins & Downes (1990) eine auf dem Sell-in- May-Gedanken beruhende, saisonale Handelsstrategie beschrieben. Diese besagt, dass der optimale Zeitraum, um am Aktienmarkt investiert zu sein, zwischen dem 31. Oktober (Hallo- ween) und dem 30. April sei. Verbunden mit dieser Strategie geht der sogenannte Halloween Indikator hervor, aus dem sich die weit verbreitete Bezeichnung des Halloween-Effekts ablei- ten lässt.

Wie durch die Geschichte des Halloween-Effekts deutlich wird, ist dieser mit der damit ver- bundenen Handlungsempfehlung bereits seit vielen Jahren bekannt. Trotzdem wird dieser erst viele Jahre später von Bouman & Jacobsen (2002) analysiert und erstmals in einem aner- kannten akademischen Journal veröffentlicht. Als Datengrundlage der Untersuchung dienen die Monatsrenditen der MSCI Performanceindizes von 37 verschiedenen Ländern im Zeitraum von Januar 1970⁵ bis August 1998. Unter den untersuchten Indizes befinden sich sowohl Indizes entwickelter Länder (u. a. der MSCI Singapore) als auch Indizes von Schwellenländern. Als Sommerperiode, der Periode in der ein Anleger den Aktienmarkt meiden sollte, wird der Zeitraum Mai bis Oktober gewählt (Bouman & Jacobsen, 2002, S. 1620-1621).

Die Autoren stellen einen Halloween-Effekt in 36 Fällen fest. Bei 20 Indizes lässt sich der Ef- fekt auf einem statistisch signifikanten Niveau beobachten (u. a. beim MSCI Singapore) (Bouman & Jacobsen, 2002, S. 1622). Als Methodik dient eine multivariate lineare Regressi- onsanalyse nach dem Ansatz der Methode der kleinsten Quadrate (engl.: ordinary least squar- es approach, kurz OLS-Ansatz) mit der Verwendung einer Dummy-Variablen, welche den Wert 1 für einen Wintermonat (Nov. - Apr.) und den Wert 0 für einen Sommermonat (Mai - Okt.) annimmt (Bouman & Jacobsen, 2002S. 1621). Darüber hinaus entwickeln und untersu- chen Bouman & Jacobsen (2002) eine auf dem Halloween-Effekt basierende Handelsstrategie, um den Nutzen eines solchen Effekts in der Praxis zu zeigen. Bei der Strategie muss der Inves- tor in den Monaten November bis April in einem Marktportfolio investiert sein. Folglich kauft der Investor dieses beim Monatswechsel von Oktober zu November und verkauft seinen Be- stand wieder beim Monatswechsel von April zu Mai. In der Zwischenzeit investiert der Inves- tor in eine risikofreie Anlage (z. B. eine Staatsanleihe). Diese Strategie wird einer einfachen Buy-and-Hold-Strategie (deutsch: Kaufen und Halten) gegenübergestellt. Wie der Name be- reits vermuten lässt, wird bei der Buy-and-Hold-Strategie einmal gekauft/investiert und das Marktportfolio bis zum Ende der Investitionsdauer gehalten, ohne zwischenzeitliche Käu- fe/Verkäufe zu tätigen. Schlägt die Halloween-Strategie die Buy-and-Hold-Strategie nicht, liegt keine ökonomische Signifikanz des Halloween-Effekts vor (Maberly & Pierce, 2004, S. 30).

Die Ergebnisse sind eindeutig: Nur bei 2 aus 18 Indizes (MSCI Hong Kong und MSCI South Africa) übertrifft die Rendite der Buy-and-Hold-Strategie die der Halloween-Strategie. Die Standardabweichung als Risikomaß ist sogar bei jedem der 18 Indizes geringer als die der Buy-and-Hold-Strategie (Bouman & Jacobsen, 2002, S. 1630-1631).

„So we are faced with the following problem: history and practice tells us that the old saying is right, while stock market logic tells us it is wrong. It seems that we have not yet solved this new puzzlew (Bouman & Jacobsen, 2002, S. 1630).

Trotz des statistisch und ökonomisch signifikanten Nachweis des Halloween-Effekts können die Autoren keine genaue Erklärung für „the puzzle“ (deutsch: das Rätsel) geben. Typische Erklärungsansätze wie Data-Mining, der Januar-Effekt und Risikobegründungen können ver- worfen werden. Die Ergebnisse stehen jedoch im Widerspruch zu der Markteffizienzhypothese von Fama (1970).

Maberly & Pierce (2004) überprüfen in ihrer Studie die Ergebnisse von Bouman & Jacobsen (2002) für den Aktienmarkt der USA. Sie kommen zu dem Schluss, dass die Regressionser- gebnisse von Bouman & Jacobsen (2002) durch Ausreißer zu Gunsten des Halloween-Effekts verfälscht sind. Die Ausreißer ergeben sich aus den Kursstürze von Oktober 1987 (Börsen- crash 1987⁶ ) und August 1998 (Beinahe-Crash des Hedge-Fonds Long-Term Capital Manage- ment⁷ ) (Maberly & Pierce, 2004, S. 43). OLS-Regressionen sind im Zusammenhang mit Aus- reißern sehr anfällig für falsche Ergebnisse (Maberly & Pierce, 2004, S. 35). Zur Validierung ihrer Vermutung führen sie eine eigene Regressionsanalyse mit ähnlicher Modellbasis durch, mit dem einzigen Unterschied des Weglassens zweier Ausreißer. Das Regressionsergebnis der abgeänderten Studie zeigt, dass das Signifikanzniveau des Halloween-Effekts bei Weglassen der Ausreiser von 3,7% auf 9,2% steigt (Maberly & Pierce, 2004, S. 35). Zusätzlich führen die Autoren ein weiteres abgeändertes Modell ein, um den Einfluss eines etwaigen Januar-Effekts auf den Halloween-Effekt zu berücksichtigen. Hier schwindet die Signifikanz des Halloween- Effekts auf ein insignifikantes Level (Maberly & Pierce, 2004, S. 36-37). In Anlehnung an Bouman & Jacobsen (2002) testen die Autoren eine Handelsstrategie, bei der im Gegensatz zu einem Marktportfolio in S&P 500 Futures investiert wird. Die Ergebnisse sprechen gegen ei- nen ökonomisch signifikanten Halloween-Effekt, da eine Buy-and-Hold-Strategie der Hallo- ween-Strategie in Bezug auf die Rendite überlegen ist (Maberly & Pierce, 2004, S. 42).

Witte (2010) stellt den von Maberly & Pierce (2004) verwendeten Modellansatz in seiner Ar- beit über Ausreißer in Zusammenhang mit dem Halloween-Effekt in Frage. Er kritisiert Maberly & Pierce's (2004) Wahl der Ausreißer, da diese mit lediglich zwei Ausreißern unvoll- ständig sei (Witte, 2010, S. 91). Bei dem von Maberly & Pierce (2004) gewählten Ansatz müs- se man alle Arten von Ausreißern beachten, auch solche mit entgegengesetztem Effekt. Des- sen Weglassen würde nämlich gegensätzlich zu den von Maberly & Pierce (2004) gewählten Ausreißern einen signifikanteren und keinen insignifikanteren Halloween-Effekt bewirken (Witte, 2010, S. 96). Weiterhin sei es bei dieser Methode schwierig alle einflussreichen Aus- reißer zu bestimmen (Witte, 2010, S. 92). Der Autor kommt zu dem Schluss, dass es geeigne- tere Methoden für den Umgang mit Ausreißern gibt. Aus diesem Grund wird von ihm anstatt der OLS Regression die Methode der sogenannten „Robusten Regression“ verwendet. Diese Methode ist, wie der Name verrät, robust gegenüber dem verfälschenden Einfluss von Ausreißern (Witte, 2010, S. 96). Die vom Autor durch die Robuste Regression erzielten Ergebnisse bestätigen die originalen Ergebnisse von Bouman & Jacobsen (2002), wohingegen die Schlussfolgerungen von Maberly & Pierce (2004) verworfen werden (Witte, 2010, S. 97).

Lucey & Zhao (2008) untersuchen den Halloween-Effekt auf dem US-amerikanischen Aktien- markt. Im Unterschied zu Bouman & Jacobsen (2002) nutzen sie als Datengrundlage die Wer- tentwicklungen der CRSP Stock File Capitalization Decile Indizes⁸ mit der Begründung, dass eine neue Datengrundlage das Risiko von Fehlern durch Data Mining reduziere. Bei Existenz eines Halloween-Effekts, müsse sich dieser sowohl aus dem MSCI USA Index (verwendet von Bouman & Jacobsen (2002)) als auch aus den CRSP Stock File Indizes ergeben (Lucey & Zhao, 2008, S. 1059). Die Autoren ziehen aus der Studie das Fazit, dass wenn überhaupt nur ein sehr schwach ausgeprägter Halloween-Effekt für den amerikanischen Aktienmarkt exis- tiert. In den meisten Fällen sei der Januar-Effekt für die höheren Renditen zwischen Novem- ber und April verantwortlich. Folglich seien auch die Ergebnisse von Bouman & Jacobsen (2002) mit größter Wahrscheinlichkeit auf den Januar-Effekt zurückzuführen (Lucey & Zhao, 2008, S. 1068).

Ebenfalls untersuchen Jones & Lundstrum (2009) den Halloween-Effekt in Bezug auf eine die Kalenderanomalie ausnutzende Handelsstrategie für den amerikanischen Aktienmarkt. Sie sind der Meinung, dass eine Untersuchung auf ökonomische Signifikanz eher zielführend ist als eine reine statistische Regressionsbetrachtung. Die Datengrundlage der Untersuchung bil- det der sehr bekannte und breit gefächerte S&P 500, welcher die 500 größten börsennotierten Unternehmen der USA umfasst (Jones & Lundstrum, 2009, S. 105). Der Hintergrund zur Wahl des Indexes ergibt sich aus der Annahme der Autoren, dass US-Investoren durch den großen Bekanntheitsgrad des S&P 500 eher in ein S&P 500 Index Fond bzw. ETF investieren würden als in einen solchen Fond in Bezug auf den weniger bekannten MSCI USA. Zusätzlich fokussieren sich die Autoren auf einen zeitlichen Anlagehorizont der mit der Verfügbarkeit des Vanguard S&P 500 Index Fund beginnt (Jones & Lundstrum, 2009, S. 106). Bei all diesen Überlegungen steht die praktische Ausnutzung eines möglichen Halloween-Effekts im Vorder- grund. Das Ergebnis der Studie ist ernüchternd. Die Sell-in-May Strategie in Verbindung mit dem Indexfond verpasst es die Buy-and-Hold-Strategie zu schlagen. Daraus resultierend liegt kein ökonomisch signifikanter Sell-in-May-Effekt vor (Jones & Lundstrum, 2009, S. 112).

Noch im gleichen Jahr befassen sich Jacobsen & Visaltanachoti (2009) mit dem Sell-in-May- Effekt für US Sektor- und Industrieindizes (17 Sektoren und 49 Industrien). Dabei handelt es sich wie bei Lucey & Zhao (2008) um CRSP Indizes (Jacobsen & Visaltanachoti, 2009, S. 444). Deren Untersuchung zeigt einen signifikanten Sell-in-May-Effekt für mehr als zwei Drit- tel der analysierten Indizes (Jacobsen & Visaltanachoti, 2009, S. 437). Trotzdem gibt es teil- weise sehr große Unterschiede in der Ausprägung des Halloween-Effekts. Beispielsweise zeigt sich ein stark ausgeprägter Effekt bei den Produktionssektoren (Construction, Steel und Ma- chine), wohingegen sicht sich ein weniger stark ausgeprägter Effekt bei den eher kurzlebigen und konsumorientierten Sektoren (Food, Consumer und Utilities) zeigt (Jacobsen & Visaltanachoti, 2009, S. 445-446). Unter Beachtung des Januar-Effekts zeigen sich diese Un- terschiede sogar noch stärker. Bei den eben genannten Produktionssektoren zeigt sich nach wie vor ein Halloween-Effekt, wohingegen bei den konsumbezogenen Sektoren ein umgekehr- ter Halloween-Effekt auftritt. Hier ist die Durchschnittsrendite im Sommer höher als im Win- ter (Jacobsen & Visaltanachoti, 2009, S. 447-448). Sich diesen großen Unterschied innerhalb der Sektoren zu Nutze machend, verfolgen Jacobsen & Visaltanachoti (2009) im Vergleich zu den vorigen Studien eine etwas andere Handelsstrategie. Sie versuchen die hohen Renditen beider Sektorengruppen durch eine Sektor-Rotation-Strategie auszunutzen. Demzufolge müs- se ein Investor in den Wintermonaten in produktionsbezogene und in den Sommermonaten in konsumbezogene Sektoren investieren. Dies kann ein solcher anhand spezieller Sektorenfonds erreichen (Jacobsen & Visaltanachoti, 2009, S. 452). Das Ergebnis zeigt, dass diese Strategie aufgeht und den Markt sowohl im Sommer als auch im Winter schlägt. Folglich kommen die Autoren zu dem abschließenden Fazit, dass ein Sell-in-May-Effekt in den USA existiert, dessen Ausprägung sich aber innerhalb der verschiedenen Sektoren stark unterscheidet (Jacobsen & Visaltanachoti, 2009, S. 456).

Dzhabarov & Ziemba (2010) untersuchen ein Jahr später den amerikanischen Aktienmarkt auf die meisten zu diesem Zeitpunkt bekannten Kalenderanomalien (u. a. den Sell-in-May- Effekt) für die Zeiträume 1993-2009 und 2004-2009. Als Grundlage dienen Futures des Rus- sell 2000⁹ und des S&P 500 (Dzhabarov & Ziemba, 2010, S. 93). Die Autoren kommen zu dem Schluss, dass der Halloween-Effekt sowie die anderen untersuchten Kalenderanomalien noch mit ähnlich starker Ausprägung wie in der Vergangenheit zu existieren scheinen (Dzhabarov & Ziemba, 2010, S. 103).

Lean (2011) geht in seiner Studie über den Halloween-Effekt erstmals nur auf asiatische Märkte ein. Unter ihnen befinden sich Malaysia, China, Indien, Japan, Hong Kong und Singa- pur. Die Ergebnisse zeigen, dass nach dem OLS-Ansatz nur für Hong Kong und Singapur wei- terhin ein statistisch signifikanter Sell-in-May-Effekt existiert (Lean, 2011, S. 224-225).

Swinkels & van Vliet (2012) untersuchen Wechselwirkungen zwischen den bekanntesten Ka- lenderanomalien. Sie kommen zu dem Ergebnis, dass der Halloween-Effekt und der Monats- wechsel-Effekt die stärkste Ausprägung zeigen und dadurch die anderen Effekte (Januar- Effekt, Montags-Effekt und Feiertags-Effekt) zu 0 reduzieren (Swinkels & van Vliet, 2012, S. 271). Darüber hinaus kommen die Autoren zu dem Schluss, dass eine Halloween-Strategie mit Beachtung der Transaktionskosten eine Buy-and-hold-Strategie in Bezug auf Rendite, Ri- siko (Volatilität) und Sharpe-Ratio schlägt (Swinkels & van Vliet, 2012, S. 280-281).

Im gleichen Jahr fertigten Jacobsen & Zhang (2012) eine umfassende Analyse des Halloween- Effekts für 108 verschiedene Aktienmärkte an. Sie kommen zu dem Schluss, dass die durch- schnittliche Rendite im Winter 4,52 % höher ist als die Sommerrendite und der Halloween- Effekt eher an Stärke zunimmt, als über die Jahre schwächer zu werden (Jacobsen & Zhang, 2012, S. 27-28).

Ein Jahr später kommen Jacobsen & Zhang (2013) zu dem Ergebnis eines existierenden Sell- in-May-Effekts für den englischen Aktienmarkt, jedoch mit dem Zusatz, dass die Ausprägung des Sell-in-May-Effekts über die Zeit stark schwankt (Jacobsen & Zhang, 2013, S. 1743).

Andrade et al. (2013) untersuchen den Halloween-Effekt auf Grundlage einer Auswahl der von Bouman & Jacobsen (2002) verwendeten MSCI Indizes. Sie bestätigen deren Ergebnisse von 2002. Darüber hinaus entwickeln sie eine auf dem Sell-in-May-Gedanken beruhende Trading-Strategie für den S&P 500 (Andrade et al., 2013, S. 94). Die Halloween-Strategie schlägt ein passives S&P 500 Investment in allen wichtigen Punkten und die Autoren kommen zu dem Schluss, dass Märkte Ineffizienzen möglicherweise langsamer wegarbitrieren als die ganze Zeit vermutet und die alte Börsenweisheit „Sell in May and Go Away“ immer noch einen guten Investmentrat darstelle (Andrade et al., 2013, S. 105).

In Anlehnung an Bouman & Jacobsen (2002) untersuchen Schiereck & Welkoborsky (2014) den Halloween-Effekt für den deutschen Aktienmarkt. Hierbei gehen sie von verschiedenen, im Falle eines umfassend existierenden Halloween-Effekts abzulehnenden Hypothesen aus.

[...]

---

¹ Der Global Financial Centres Index wird seit 2007 halbjährlich von der Z/Yen Group veröffentlicht und bietet Informationen, Ratings und Ranglisten über die verschiedenen internationalen Finanzzentren. Insgesamt werden 98 verschiedene Finanzstandorte untersucht. Ziel des Index ist es, die Konkurrenzfähigkeit der ein- zelnen Standorte weltweit aufzuzeigen. Hier werden Faktoren wie Arbeitsumwelt, Entwicklung des Finanz- sektors, Infrastruktur, Human Capital und Reputation untersucht (Z/Yen Group, 2015, S. 2).

² Bei der Marktkapitalisierung sind nur inländische oder exklusiv an den jeweiligen Börsen gelistete Unternehmen berücksichtigt.

³ Die World Federation of Exchanges (WFE) repräsentiert 64 Börsen weltweit und hat ihren Sitz in London, Eng- land. Ihre Datenbank liefert umfassende Statistiken und Analysen zu vielen Kenngrößen der verschiedenen Börsen, unter anderem zu Handelsvolumina und Marktkapitalisierung (WFE, 2015).

⁴ 1 Meile = 1609 m; 1 Furlong = 201,168 m; 1 Yard = 91,44 cm.

⁵ Die meisten von Bouman & Jacobsen (2002) verwendeten Indizes wurden im Januar 1970 eingeführt (u. a. der MSCI Singapore). Eine Ausnahme bilden der MSCI South Africa sowie der MSCI Russia, welche 1973 bzw. 1996 eingeführt wurden. Darüber hinaus werden Monatsrenditen der MSCI Emerging Markets (deutsch: Schwellenländer) Index Serien verwendet. Diese sind ab 1988 verfügbar (Bouman & Jacobsen, 2002, S. 1620-1621).

⁶ Der Börsencrash von 1987 gilt als der größte Börsencrash der Nachkriegszeit. Montag der 19.10.1987 geht als „Schwarzer Montag“ in die Geschichte ein. An diesem Tag verlor der Dow Jones mit einem Minus von 23% fast ein Viertel seiner Marktkapitalisierung (Reuters & Bloomberg, 2012).

⁷ Im September 1998 musste dem amerikanischen Hedge-Fond Long-Term Capital Management durch ein 3,6 Milliarden Dollar schweres Rettungspaket die Zahlungsfähigkeit gesichert werden. Trotz der Rettung erschüt- terte der Beinahe-Kollaps das globale Finanzsystem (Schäfer, 2008).

⁸ CRSP steht für Center for Research in Security Prices und ist Teil der Booth School of Business der Universität von Chicago. Die CRSP Stock File Capitalization Decile Indizes beinhalten alle bekannten Aktien der NYSE, der AMEX (2012 in NYSE MKT LLC umbenannt) und der NASDAQ. Die Besonderheit dieser Indizes liegt da- rin, dass alle Aktien ihrer Kapitalisierung nach sortiert und auf 10 gleiche Portfolios verteilt werden. Die Ak- tien mit der höchsten Kapitalisierung befinden sich in Portfolio 10, die mit der kleinsten in Portfolio 1. Die Berechnung basiert auf wertgewichteter Basis und Dividenden werden als reinvestiert angenommen (Perfor- manceindex) (Lucey & Zhao, 2008, S. 1059).

⁹ Der Russell 2000 Index misst die Performance amerikanischer Nebenwerte (Small Caps). In ihm befinden sich die 2000 kleinsten nach Marktkapitalisierung gewichteten amerikanischen Unternehmen (Russell Investment Group, 2015).