Können Privatinvestoren von Directors‘ Dealings profitieren?

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

Symbolverzeichnis

1 Einleitung

2 Grundlagen zu Directors‘ Dealings
2.1 Melde- und Veröffentlichungspflicht in Deutschland
2.2 Empirische Studien zur Profitabilität von Nachahmungsstrategien

3 Ereignisstudie
3.1 Datenbasis und Methodik
3.1.1 Auswahl und Vorbereitung der Daten
3.1.2 Methodische Grundlagen
3.2 Abnormale Renditen im Ereignisfenster
3.3 Robustheitstests der abnormalen Renditen
3.3.1 Mögliche Probleme bei Schätzung des Marktmodells
3.3.2 Multivariate Analyse in Abhängigkeit von transaktions- und unternehmensspezifischen Merkmalen
3.3.3 Univariate Analyse in Abhängigkeit von transaktions- und unternehmensspezifischen Merkmalen
3.3.4 Stabilität im Zeitverlauf

4 Portfoliostrategie
4.1 Datenbasis und Methodik
4.1.1 Auswahl und Vorbereitung der Daten
4.1.2 Methodische Grundlagen der Performanceanalyse
4.2 Performance vor Transaktionskosten
4.2.1 Basisstrategie
4.2.2 Robustheitstests
4.3 Performance nach Transaktionskosten (Bid-Ask-Spreads)
4.3.1 Basisstrategie
4.3.2 Konzentration auf besonders liquide Aktien
4.3.3 Variation der Haltedauer

5 Zusammenfassung

Anhang

Literaturverzeichnis

Abbildungsverzeichnis

Abb. 1: Zeitleiste der Ereignisstudie

Abb. 2: CARs im verlängerten Ereignisfenster

Abb. 3: Jährliche Überrendite der Basisstrategie in Abhängigkeit der maximalen Anzahl von Aktien im Portfolio (gleichgewichtet)

Abb. 4: Jährliche Überrendite der Basisstrategie in Abhängigkeit der maximalen Anzahl von Aktien im Portfolio (nach Marktkapitalisierung gewichtet)

Tabellenverzeichnis

Tab. 1: Anzahl der Transaktionen nach Aufbereitung des Datensatzes

Tab. 2: Deskriptive Statistiken zu den auf Basis des Veröffentlichungstags- bzw. des Handelstags aggregierten Datensätzen

Tab. 3: CARs im Umfeld von Käufen

Tab. 4: CARs im Umfeld von Verkäufen

Tab. 5: CARs in Abhängigkeit der Berechnungsweise der abnormalen Renditen

Tab. 6: CARs in Abhängigkeit der Handelsaktivität (Tage ohne Kursveränderung)

Tab. 7: Korrelationskoeffizienten der unabhängigen Variablen

Tab. 8: Regressionsmodell mit CAR(0,20) bzw. CAR(0,30) als abhängige Variable

Tab. 9: Fixed-Effects-Modell mit CAR(0,20) bzw. CAR(0,30) als abhängige Variable

Tab. 10: CARs in Abhängigkeit der Unternehmensgröße

Tab. 11: CARs in Abhängigkeit des Marktwert-Buchwert-Verhältnisses

Tab. 12: CARs in Abhängigkeit vom Bid-Ask-Spread

Tab. 13: CARs in 2-Jahreszeiträumen des gesamten Untersuchungszeitraums

Tab. 14: Basisstrategie vor Transaktionskosten

Tab. 15: Renditeverteilung und Performancemaße verschiedener Marktindizes

Tab. 16: Portfoliostrategie vor Transaktionskosten mit Haltedauer einem Monat und Auswahl nach der Intensive-Trading-Auswahl

Tab. 17: Basisstrategie nach Transaktionskosten (nur Aktien mit einem Bid-Ask-Spread von maximal 3 %)

Tab. 18: Basisstrategie nach Transaktionskosten (nur Aktien mit einem Bid-Ask-Spread von maximal 1 %)

Tab. 19: Portfoliostrategie nach Transaktionskosten mit Haltedauer von 2 Monaten und Auswahl nach relativem Nettovolumen (nur Aktien mit einem Bid-Ask-Spread von maximal 1 %)

Tab. 20: Portfoliostrategie nach Transaktionskosten mit Haltedauer von 3 Monaten und Auswahl nach relativem Nettovolumen (nur Aktien mit einem Bid-Ask-Spread von maximal 1 %)

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Mit Schlagzeilen wie „Topmanager schlagen Aktienhändler“ oder „Insider machen Kasse“ wird in der Wirtschaftspresse das Interesse von Anlegern an Directors‘ Dealings geweckt. Die Meldungen suggerieren, dass auf der Basis von gemeldeten Directors‘ Dealings getroffene Anlageentscheidungen profitabel sind.^[1] Es ist davon auszugehen, dass auch Privatinvestoren versuchen, diese vermeintlich wertvollen Informationen auszunutzen. Wissenschaftliche Studien stellen fest, dass die Intensität der Medienberichterstattung über eine Aktie Privatinvestoren bei ihren Kaufentscheidungen beeinflusst.^[2] Darüber hinaus kann der Zusammenhang zwischen Transaktionen von Privatanlegern und der Veröffentlichung von Directors‘ Dealings auch für den deutschen Aktienmarkt auf Basis von Orderdaten dokumentiert werden.^[3] Vor diesem Hintergrund stellt sich die Frage, ob eine Imitation von Directors‘ Dealings für Privatinvestoren tatsächlich profitabel ist.

Obwohl zahlreiche empirische Arbeiten abnormale Renditen im zeitlichen Umfeld von Directors‘ Dealings feststellen, kann daraus nicht unmittelbar gefolgert werden, dass auch Privatinvestoren von diesem Phänomen uneingeschränkt profitieren können.^[4] Zum einen verzichtet der Großteil der Studien zum deutschen Aktienmarkt darauf, Transaktionskosten in die Analyse einzubeziehen, und untersucht damit nicht die von Anlegern tatsächlich realisierte Rendite. Zum anderen nehmen die meisten wissenschaftlichen Arbeiten die Perspektive eines institutionellen Investors ein, der weitaus weniger Restriktionen unterliegt als ein typischer Privatanleger. Zu diesen für Privatinvestoren geltenden Restriktionen gehört beispielsweise der Ausschluss von Leerverkäufen.

Die vorliegende Arbeit untersucht aus der Perspektive von Privatinvestoren, ob es am deutschen Aktienmarkt möglich ist, systematisch durch die Nachahmung von veröffentlichten Directors‘ Dealings zu profitieren. Dazu werden in einer empirischen Untersuchung alle der Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) im Zeitraum von 1. Juli 2002 bis zum 15. Juli 2011 gemeldeten Directors‘ Dealings analysiert.

Die Arbeit ist wie folgt aufgebaut: Zunächst werden die rechtlichen Grundlagen zur Meldepflicht von Directors‘ Dealings in Deutschland dargelegt und ein Literaturüberblick über bisherige empirische Studien zur Profitabilität von Directors‘ Dealings aus der Perspektive von Outsidern gegeben. Darauf werden im empirischen Teil der Arbeit mit Hilfe einer Ereignisstudie die Höhe und der zeitliche Verlauf der abnormalen Renditen nach der Veröffentlichung von Directors‘ Dealings am deutschen Aktienmarkt analysiert. Die Ergebnisse werden zudem auf Robustheit getestet. Aufbauend auf den Ergebnissen der Ereignisstudie wird anschließend der Erfolg einer Portfoliostrategie getestet, die auch für Privatinvestoren eine tatsächlich realisierbare Anlagestrategie darstellt.

2 Grundlagen zu Directors‘ Dealings

2.1 Melde- und Veröffentlichungspflicht in Deutschland

Der Begriff Directors‘ Dealings bezeichnet legale Transaktionen von Unternehmensinsidern wie z. B. Vorständen und Aufsichtsräten in Aktien ihres Unternehmens.^[5] Anders als in den USA, wo Insidertransaktionen der Börsenaufsicht schon seit Einführung des Securities Exchange Act im Jahr 1934 gemeldet werden müssen, existiert eine allgemeine gesetzliche Melde- und Veröffentlichungspflicht für Directors‘ Dealings in Deutschland erst seit dem 1. Juli 2002.^[6]

Die entsprechende Regelung findet sich in § 15a des Wertpapierhandelsgesetzes (WpHG) und schließt alle Unternehmen mit Sitz im Inland ein, deren Aktien zum Handel an einem organisierten Markt zugelassen sind.^[7] Die Meldepflicht betrifft persönlich haftende Gesellschafter, Mitglieder von Leitungs-, Verwaltungs- und Aufsichtsorganen sowie weitere Führungskräfte, die Zugang zu Insiderinformationen haben. Des Weiteren sind auch Ehegatten, Kinder und andere im gemeinsamen Haushalt lebende Familienangehörige meldepflichtig.^[8] Zu den meldepflichtigen Geschäften zählen Transaktionen in Aktien und Derivaten, die eine Bagatellgrenze von 5.000 Euro im Kalenderjahr überschreiten.^[9] Die Meldung muss Angaben zum Meldepflichtigen (z. B. den Namen und die Position des Insiders) und zum Geschäft (z. B. die Stückzahl, den Preis, das Transaktionsdatum und die genaue Bezeichnung des Wertpapiers) enthalten und muss innerhalb von fünf Werktagen an die BaFin erfolgen.^[10] Die Transaktionen sind für einen Zeitraum von zwölf Monaten ab deren erstmaliger Veröffentlichung auf der Internetseite der BaFin einsehbar.

2.2 Empirische Studien zur Profitabilität von Nachahmungsstrategien

Aufgrund der schon seit 1934 bestehenden Meldepflicht analysiert der Großteil der bisherigen empirischen Studien die Profitabilität von Directors‘ Dealings für den US-Aktienmarkt.^[11] Die meisten Analysen führen zu dem Ergebnis, dass sich sowohl nach dem Handelstag als auch dem Veröffentlichungstag von Insidertransaktionen, zumindest ohne Berücksichtigung von Transaktionskosten, abnormale Renditen feststellen lassen.^[12]

Zu den ersten Studien, die für den US-amerikanischen Aktienmarkt die risikoadjustierte Performance von Wertpapieren nach Insidertransaktionen ermitteln, gehören die Arbeiten von Jaffe (1974) und Finnerty (1976), die mit Hilfe des Capital Asset Pricing Models (CAPM) Überrenditen nach Directors‘ Dealings auf Basis von Monatsdaten feststellen.^[13] Seyhun (1986), Rozeff/Zaman (1988) und Lin/Howe (1990) zeigen jedoch, dass eine Imitation von Directors‘ Dealings nicht mehr profitabel ist, sobald Transaktionskosten berücksichtigt werden. Dabei beziehen Seyhun (1986) und Lin/Howe (1990) durchschnittliche Bid-Ask-Spreads in ihre auf Basis einer Ereignisstudie mit Tagesrenditen durchgeführte Analyse ein.^[14] Rozeff/Zaman (1988) nehmen Transaktionskosten in Höhe von 2 % an und berechnen abnormale Renditen mit Hilfe von Kontrollportfolios für verschiedene Unternehmensgrößen.^[15] Dagegen stellen Bettis et al. (1997) selbst nach Transaktionskosten in Form von Bid-Ask-Spreads abnormale Renditen in Höhe von durchschnittlich 6,96 % in einem Zeitraum von 52 Wochen nach Veröffentlichung von Directors‘ Dealings fest.^[16] Den Unterschied zu den Ergebnissen früherer Studien führen die Autoren auf die verbesserte, im Vergleich zu anderen Studien genauere, Berechnung der Meldungsverzögerung in ihrer Arbeit zurück.^[17] Lakonishok/Lee (2001) berücksichtigen in ihrer Analyse den Zusammenhang zwischen der Rendite und der Unternehmensgröße, dem Marktwert-Buchwert-Verhältnis sowie der Performance einer Aktie in den letzten 12 bzw. 36 Monaten.^[18] Sie zeigen, dass abnormale Renditen sich in den Aktien kleiner Unternehmen konzentrieren, deren Handel mit hohen Transaktionskosten verbunden ist.^[19] Daher vermuten die Autoren, dass die Wahrscheinlichkeit im Rahmen einer aktiven Portfoliostrategie Überrenditen zu erzielen, relativ gering ist.

Zu den Studien, die die Profitabilität von Directors‘ Dealings für den deutschen Aktienmarkt auch aus der Perspektive von Outsidern untersuchen, gehören unter anderem die Untersuchungen von Stotz (2006), Betzer/Theissen (2009), Dickgießer/Kaserer (2010), Dardas/Güttler (2011) und Cengiz et al. (2011). Stotz (2006) untersucht die abnormalen Renditen in dem Zeitraum von einem Jahr nach Einführung der Meldepflicht mit Hilfe einer Ereignisstudie. Seiner Untersuchung liegt der Datenbestand der BaFin zugrunde, der 1.641 Transaktionen umfasst. In einem Zeitraum von 25 Tagen nach der Veröffentlichung von Käufen stellt er abnormale Renditen in Höhe von 2,81 % fest.^[20] Darüber hinaus zeigt er, dass auch unter der Annahme von Transaktionskosten in Höhe von 1 % sowohl in den Aktien kleiner als auch großer Unternehmen ökonomisch relevante abnormale Renditen erzielt werden.^[21]

Betzer/Theissen (2009) analysieren die der BaFin im Zeitraum vom Juli 2002 bis zum Juni 2004 gemeldeten 4.272 Directors‘ Dealings. Für Käufe ergeben sich im Zeitraum von 20 Tagen nach Veröffentlichung abnormale Renditen in Höhe von 3,5 %.^[22] Mit Hilfe eines multivariaten Regressionsmodells wird gezeigt, dass zwischen den abnormalen Renditen nach Insidertransaktionen und der Unternehmensgröße, dem Marktwert-Buchwert-Verhältnis sowie weiteren Corporate-Governance-Variablen ein statistisch signifikanter Zusammenhang besteht.^[23]

Dickgießer/Kaserer (2010) untersuchen, inwieweit abnormale Renditen nach der Veröffentlichung von Directors‘ Dealings im Rahmen einer Arbitragestrategie ausgenutzt werden können. Die Studie basiert ebenfalls auf dem Datenbestand der BaFin, der im Zeitraum von Juli 2002 bis Oktober 2007 insgesamt 18.619 Transaktionen gemeldet wurden.^[24] Unter den Studien zum deutschen Markt ist diese Arbeit die einzige Analyse, die Transaktionskosten in Form von Bid-Ask-Spreads einbezieht. Die Autoren stellen fest, dass eine von einem institutionellen Investor verfolgte Zero-Investment-Strategy in einem Zeitraum von 20 Tagen nach der Veröffentlichung einer Insidertransaktion nach Kosten nicht profitabel ist.^[25]

Dardas/Güttler (2011) analysieren den Datenbestand des privaten Datenanbieters 2iQ Research für den deutschen sowie sieben weitere europäische Aktienmärkte in dem Zeitraum von Januar 2003 bis Dezember 2009.^[26] In einem Zeitraum von 20 Tagen nach der Veröffentlichung von Käufen werden für den deutschen Markt im Rahmen einer Ereignisstudie abnormale Renditen in Höhe von 2,39 % festgestellt.^[27]

Cengiz et al. (2011) zeigen, dass der Erfolg von Insidertransaktionen sowohl auf Timing als auch auf Fundamentalinformationen basiert. Ihrer Studie liegt der bislang umfangreichste Datensatz der BaFin zugrunde, der 20.944 von Juli 2002 bis März 2008 gemeldete Directors‘ Dealings enthält.^[28] In den ersten 20 bzw. 250 Tagen nach der Veröffentlichung von Käufen ermitteln Cengiz et al. (2011) mit Hilfe einer Ereignisstudie abnormale Renditen in Höhe von 2,09 % bzw. 2,62 %.^[29]

Unabhängig von der Auswahl des zu untersuchenden Aktienmarkts analysieren nur wenige Studien den Erfolg einer auf Directors‘ Dealings basierenden Portfoliostrategie. Die Arbeit von Bajo/Petracci (2002) stellt für eine Portfoliostrategie auf dem italienischen Aktienmarkt ökonomisch und statistisch signifikante Überrenditen fest, die sich jedoch bei einer Variation der Haltedauer nicht als robust erweisen.^[30] Giamouridis et al. (2008) entwickeln für britischen Aktienmarkt eine Portfoliostrategie, die im Untersuchungszeitraum eine Überrendite von 1,03 % pro Monat erzielt.^[31] Einen anderen Ansatz verfolgen Cohen et al. (2011) mit der Analyse der individuellen Transaktionshistorie aller Insider für den US-amerikanischen Aktienmarkt. Die Autoren zeigen, dass in den Transaktionen von Insidern, die nicht regelmäßig handeln, ein höherer Informationsgehalt enthalten ist. Eine Portfoliostrategie, die lediglich die Transaktionen dieser „opportunistic insiders“ imitiert, erzielt eine auf Basis eines Multifaktormodells berechnete Überrendite von 0,82 % pro Monat.^[32]

3 Ereignisstudie

3.1 Datenbasis und Methodik

3.1.1 Auswahl und Vorbereitung der Daten

Der empirischen Analyse liegt der von der BaFin bereitgestellte Datenbestand zugrunde, der für den Zeitraum vom Beginn der Meldepflicht am 1. Juli 2002 bis zum 15. Juli 2011 insgesamt 31.733 Transaktionen umfasst. Der Datensatz enthält folgende Angaben zu jeder Transaktion:

- Name des Unternehmens, Bezeichnung des Wertpapiers und die zugehörige International Securities Identification Number (ISIN) bzw. Wertpapierkennnummer (WKN)^[33]
- Kurs, Stückzahl, Währung, Angaben zur Art der Transaktion (Kauf, Verkauf, Ausübung von Optionen o. ä.) sowie das Handels-, Melde- und Veröffentlichungsdatum
- Position des Insiders innerhalb des Unternehmens (geschäftsführendes Organ, Aufsichtsorgan, Person in enger Beziehung zu einem geschäftsführendem Organ oder einem Aufsichtsorgan)

Vor der eigentlichen Analyse wird der Datensatz mit Hilfe mehrerer Filter bereinigt. Tabelle 1 zeigt, welche Transaktionen von der Untersuchung ausgeschlossen werden.

Tab. 1: Anzahl der Transaktionen nach Aufbereitung des Datensatzes

Abbildung in dieser Leseprobe nicht enthalten

Im ersten Schritt werden 5.639 Transaktionen, die auf Ausübungen von Optionen, Kapitalerhöhungen oder Aktienleihen basieren oder in Optionen, Wandelanleihen oder Zertifikaten durchgeführt wurden, von der Analyse ausgeschlossen. Der Zeitpunkt, zu dem diese Transaktionen stattfinden, ist nicht immer von den Insidern selbst gewählt, sodass der Informationsgehalt der Transaktionen in Frage zu stellen ist.^[34] Der erzeugte Datensatz enthält somit ausschließlich Käufe und Verkäufe von Aktien.^[35] Da die Analyse auf den deutschen Aktienmarkt beschränkt ist, werden im nächsten Schritt 2.890 Transaktionen entfernt, die in ausländischen Aktien und in Fremdwährungen ausgeführt wurden.^[36] Anschließend werden 965 unvollständige und fehlerhafte Einträge eliminiert.^[37] Des Weiteren werden 1.076 Transaktionen in Penny Stocks, d.h. Aktien mit einem Kurswert von weniger als einem Euro am Handels- oder Veröffentlichungstag, von der Analyse ausgeschlossen, um die Ergebnisse nicht durch Kursveränderungen besonders illiquider Aktien zu verzerren. Der so aufbereitete Datensatz enthält 21.163 Transaktionen, die in 655 verschiedenen Wertpapieren durchgeführt wurden.

Für die Ereignisstudie wird der Datensatz auf Basis des Veröffentlichungs- bzw. des Handelstags aggregiert, um zu vermeiden, dass es bei Teilausführungen oder mehreren Transaktionen am selben Tag zu Doppelzählungen kommt. Dazu wird für jede Transaktion das Volumen als Produkt von Kurs und Stückzahl berechnet, wobei Verkäufe durch negative Stückzahlen gekennzeichnet werden. Im Rahmen der Aggregation wird für jedes Wertpapier für jeden Veröffentlichungs- bzw. Handelstag das von Insidern gekaufte Nettovolumen berechnet, indem die Volumina aller an einem Tag durchgeführten Insidertransaktionen addiert werden.

Durch diese Aggregation werden auch Transaktionen eliminiert, die Insider untereinander abwickeln. Es ist nicht davon auszugehen, dass diese Transaktionen, wie beispielsweise die Übertragung von Aktien auf eine Stiftung oder andere Familienmitglieder, für Outsider relevante Informationen enthalten. Ein Nachteil dieser Vorgehensweise zur Aggregation des Datensatzes ist, dass dabei die Angaben zur beruflichen und privaten Rolle des handelnden Insiders verloren gehen. Die von Seyhun (1986) aufgestellte Informationshierarchiehypothese besagt, dass die berufliche Position des Insiders einen Einfluss auf die Höhe der abnormalen Renditen nach der Veröffentlichung der Transaktion hat.^[38] Er vermutet, dass beispielsweise von Vorstandsmitgliedern durchgeführte Käufe zu höheren abnormalen Renditen führen als von Mitglieder des Aufsichtsrats getätigte Käufe, da Vorstände einen besseren Einblick in die tägliche Geschäftsentwicklung eines Unternehmens genießen.^[39] Allerdings wurde Seyhuns Hypothese in bisherigen Veröffentlichungen zum deutschen Markt verworfen, sodass diese Einschränkung vertretbar erscheint.^[40]

Tabelle 2 stellt deskriptive Statistiken für die zwei generierten Datensätze dar, wobei positive (negative) Nettovolumina als Käufe (Verkäufe) bezeichnet werden. In den ersten drei Spalten finden sich die Statistiken für den Datensatz, der sich aus der Aggregation über den Veröffentlichungstag ergibt. Die Gesamtzahl der Transaktionen liegt mit 10.849 unter der Anzahl von 13.883 Transaktionen, die sich bei Aggregation über den Handelstag ergeben. Dies ist durch die Meldung mehrerer Transaktionen an die BaFin und deren anschließender gesammelter Veröffentlichung zu erklären. In beiden Datensätzen überwiegt die Anzahl der Käufe gegenüber der Anzahl der Verkäufe. Käufe weisen jedoch ein im Mittel niedrigeres betragsmäßiges Volumen als Verkäufe auf. Zudem fällt bei der Betrachtung des Nettovolumens auf, dass der Mittelwert stark von betragsmäßig sehr hohen Volumina beeinflusst wird. Der Median gibt daher Aufschluss über die Höhe des Nettovolumens des Großteils der Transaktionen.^[41] Die Marktkapitalisierung der Unternehmen weist ebenfalls eine schiefe Verteilung auf. Die meisten Transaktionen werden in Aktien von Unternehmen mit relativ geringer Marktkapitalisierung durchgeführt.^[42]

Tab. 2: Deskriptive Statistiken zu den auf Basis des Veröffentlichungstags- bzw. des Handelstags aggregierten Datensätzen

Abbildung in dieser Leseprobe nicht enthalten

Neben dem Datensatz der BaFin werden für die empirische Analyse Daten aus Thomson Reuters Datastream verwendet. Für jedes Wertpapier und für mehrere Aktienindizes für den deutschen Markt werden Return Indizes auf Tagesbasis geladen, aus denen stetige Renditen berechnet werden.^[43] Des Weiteren werden ebenfalls auf Tagesbasis Bid- und Ask-Preise, die Marktkapitalisierung, das Marktwert-Buchwert-Verhältnis, das Handelsvolumen (Anzahl der gehandelten Aktien) sowie die Gesamtzahl ausgegebener Aktien für jedes der 655 Wertpapiere aus Datastream geladen.

3.1.2 Methodische Grundlagen

Die Ereignisstudie ist das in der Literatur vorrangig angewandte Verfahren zur Analyse des Informationsgehalts von Insidertransaktionen. In dieser Arbeit soll mit Hilfe der Ereignisstudie die Höhe und der zeitliche Verlauf der abnormalen Renditen um die Veröffentlichung von Directors‘ Dealings analysiert werden. Dazu wird die Performance eines Wertpapiers in einem um den Ereignistag (t=0) liegendem Ereignisfenster analysiert.^[44] Die Performance wird dabei als abnormale Rendite, d.h. als Differenz zwischen der realisierten und der normalen Rendite gemessen. Bei der normalen Rendite handelt es sich um die Rendite, die ohne den Eintritt des Ereignisses zu erwarten wäre. Zur Bestimmung der normalen Renditen wird auf statistische Modelle wie das Marktmodell zurückgegriffen, dessen Parameter im Schätzfenster geschätzt werden, wie Abbildung 1 schematisch zeigt.^[45]

Abb. 1: Zeitleiste der Ereignisstudie

Abbildung in dieser Leseprobe nicht enthalten (Quelle: Eigene Darstellung in Anlehnung an MacKinlay (1997), S. 20)

Zunächst werden für jede Transaktion i die Parameter und des zugehörigen Wertpapiers mit Hilfe des Marktmodells

Abbildung in dieser Leseprobe nicht enthalten

geschätzt, wobei bzw. den Renditen am Tag t des zur Transkation i gehörenden Wertpapiers bzw. des Marktes im Schätzfenster entsprechen. Für den Störterm der Regression gilt annahmegemäß und .^[46]

Mit Hilfe der Schätzwerte und für die Parameter des Marktmodells kann für jeden Tag t des Ereignisfensters die abnormale Rendite (AR) des zur Transaktion i gehörenden Wertpapiers berechnet werden:

Abbildung in dieser Leseprobe nicht enthalten

entspricht folglich dem Störterm im Marktmodell. Wird angenommen, dass die Störterme normalverteilt sind, gilt: ).^[47] Als Alternative zum Marktmodell wird die abnormale Rendite auch als Differenz zwischen der Rendite des Wertpapiers und der Marktrendite berechnet. Diese marktbereinigte Renditen entsprechen dem Marktmodell mit und .

Die kumulierte abnormale Rendite (CAR) im Zeitraum von bis ergibt sich als Summe der mittleren abnormalen Tagesrenditen:

Abbildung in dieser Leseprobe nicht enthalten

Die vorgestellte Methodik ist dazu geeignet, abnormale Renditen in Zeiträumen von mehreren Monaten darzustellen. Bei längeren Zeiträumen – in der Literatur werden Zeiträume von über einem Jahr genannt – liefert sie aufgrund von methodischen Schwierigkeiten wie z. B. der hohen Sensitivität bezüglich der Modellierung der erwarteten Renditen oder aufgrund sich überlappender Ereignisse unzuverlässige Ergebnisse.^[48] In dieser Arbeit wird für das Ereignisfenster ein um den Ereignistag zentrierter Zeitraum von 61 Tagen gewählt. Die Länge des Schätzfensters wird auf 180 Handelstage festgelegt.^[49] Die Ergebnisse werden im folgenden Abschnitt Robustheitstest im Hinblick auf die Variation dieses Parameters unterzogen.

Die abnormalen Renditen werden mit zwei in der Literatur gängigen Verfahren, dem parametrischen Test nach Boehmer et al. (1991) und dem nicht-parametrischen Rangtest nach Corrado (1989), auf Signifikanz geprüft.^[50] Beide Verfahren testen, ob die (kumulierten) abnormalen Renditen signifikant von Null verschieden sind.

Die Teststatistik nach Boehmer et al (1991) basiert auf einem zweiseitigen t-Test. Anders als beim klassischen t-Test wird die Varianz der abnormalen Renditen jedoch im Querschnitt geschätzt, wodurch der Test robust gegenüber einem durch das Ereignis bedingten Anstieg der Varianz der abnormalen Renditen ist.^[51] Um die Querschnittsvarianz der abnormalen Renditen schätzen zu können, werden zunächst standardisierte abnormale Renditen (SAR) des zur Transaktion i gehörenden Wertpapiers am Tag t berechnet, indem die abnormalen Renditen durch ihre um den Stichprobenfehler korrigierte Standardabweichung dividiert werden:^[52]

Abbildung in dieser Leseprobe nicht enthalten

Für die Teststatistik der kumulierten abnormalen Renditen im Zeitraum von bis werden die standardisierten abnormalen Renditen summiert und durch die im Querschnitt geschätzte Standardabweichung geteilt:

Abbildung in dieser Leseprobe nicht enthalten

wobei . Die Teststatistik ist asymptotisch standardnormalverteilt.^[53]

Im Gegensatz zur Teststatistik nach Boehmer et al. (1991) setzt der nicht-parametrische Rangtest nach Corrado (1989) keine Normalverteilung der abnormalen Renditen voraus. Das Testverfahren basiert auf der Idee, den abnormalen Renditen Ränge zuzuweisen und die Abweichung vom mittleren Rang im Ereignisfenster zu messen.

Den abnormalen Renditen im Ereignisfenster werden zunächst Ränge zugeordnet:

Abbildung in dieser Leseprobe nicht enthalten

wobei höheren abnormalen Renditen eine höhere Rangzahl zugewiesen wird.^[54] Wenn die Zeitreihe der abnormalen Renditen im Ereignisfenster keine Lücken aufweist ergibt sich für den mittleren Rang: . Um Transaktionen, für die im Ereignisfenster keine vollständige Renditezeitreihe vorliegt, nicht ausschließen zu müssen, werden die Ränge wie von Corrado/Zivney (1992) vorgeschlagen standardisiert:^[55]

Abbildung in dieser Leseprobe nicht enthalten

wobei die Anzahl der nicht fehlenden Renditen im Ereignisfenster des zur Transaktion i gehörenden Wertpapiers bezeichnet. Daraus folgt, dass der mittlere standardisierte Rang den Wert 0,5 annimmt. Für die Teststatistik der kumulierten abnormalen Renditen im Zeitraum von bis werden die mittleren Abweichungen vom erwarteten Rang summiert und durch die Standardabweichung der Rangabweichung geteilt:^[56]

Abbildung in dieser Leseprobe nicht enthalten

wobei . Die Teststatistik ist ebenfalls asymptotisch standardnormalverteilt.^[57]

Campbell/Wasley (1993) zeigen in ihrer simulationsbasierten Studie, dass der Rangtest nach Corrado (1989) auch bei nicht-normalverteilten Renditen richtig spezifiziert ist und eine hohe Teststärke aufweist.^[58]

3.2 Abnormale Renditen im Ereignisfenster

Mit Hilfe der vorgestellten Methodik soll im Folgenden untersucht werden, ob im Ereignisfenster eine abnormale Performance beobachtet werden kann. Tabelle 3 zeigt die kumulierten abnormalen Renditen für Käufe in verschiedenen Zeiträumen um den Veröffentlichungstag (Teil A) bzw. den Handelstag (Teil B).^[59] Die abnormalen Renditen wurden auf Basis des Marktmodells mit dem CDAX als Marktindex bestimmt. Der CDAX enthält mit den Aktien des Prime- und General Standards der Deutschen Börse die Aktien, für die ebenfalls die Meldepflicht nach § 15a WpHG gilt. Damit sollte der CDAX aufgrund seiner Zusammensetzung als für diese Untersuchung am besten geeignete Benchmark gelten.^[60] Für beide Definitionen des Ereignistags - Veröffentlichungs- und Handelstag - lassen sich negative CARs vor dem Ereignistag sowie positive CARs nach dem Ereignistag feststellen. Anders als am Veröffentlichungstag selbst sind am Handelstag keine statistisch signifikanten abnormalen Renditen festzustellen.^[61] Für den Zeitraum von 20 Tagen nach dem Veröffentlichungstag ergibt sich eine kumulierte abnormale Rendite von 1,61 %, wohingegen diese in den 20 Tagen nach dem Handelstag bei 2,00 % liegt. Bis auf die abnormale Rendite am Handelstag sind alle CARs nach beiden Tests auf 1 % Niveau statistisch signifikant.^[62] Die Ergebnisse stehen somit mit den Resultaten aktueller Studien zum deutschen Aktienmarkt, insbesondere mit der Arbeit von Cengiz et al. (2011), im Einklang.^[63]

Tab. 3: CARs im Umfeld von Käufen

Abbildung in dieser Leseprobe nicht enthalten

In Tabelle 4 sind die kumulierten abnormalen Renditen für Verkäufe dargestellt. Es können positive CARs vor dem Verkauf und negative CARs für den Zeitraum nach dem Verkauf von Aktien durch Unternehmensinsider beobachtet werden. In Relation zu den Ergebnissen für Käufe durch Unternehmensinsider sind die CARs für Verkäufe für längere Zeiträume, z. B. CAR(-30,0) und CAR(0,30), betragsmäßig höher. Bis auf die CARs am Ereignistag selbst, sind alle kumulierten abnormalen Renditen in Tabelle 4 nach beiden Teststatistiken auf einem Niveau von 5 % signifikant.

Tab. 4: CARs im Umfeld von Verkäufen

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2 stellt die kumulierten abnormalen Renditen in einem verlängerten Ereignisfenster von 30 Tagen vor bis 90 Tagen nach dem Veröffentlichungstag dar.

Abb. 2: CARs im verlängerten Ereignisfenster

Abbildung in dieser Leseprobe nicht enthalten (Quelle: Eigene Darstellung in Anlehnung an Seyhun (1986), S. 197)

Für Käufe zeigt sich, dass die positiven abnormalen Renditen in einem Zeitraum von ca. 20 bis 30 Tagen nach dem Ereignistag konzentriert sind. Nach diesem Zeitraum sind nur deutlich geringere abnormale Renditen festzustellen. Dagegen können für Verkäufe auch für längere Zeiträume nach dem Ereignistag negative abnormale Renditen beobachtet werden.^[64] Der stärkere Effekt nach Verkäufen durch Insider kann jedoch nicht durch Privatinvestoren, deren Möglichkeit Leerverkäufe durchzuführen eingeschränkt ist, ausgenutzt werden. In der Gesamtbetrachtung sprechen die bisher vorgestellten Ergebnisse der Ereignisstudie dennoch dafür, dass Directors‘ Dealings einen ökonomisch bedeutsamen Informationsgehalt aufweisen.

3.3 Robustheitstests der abnormalen Renditen

3.3.1 Mögliche Probleme bei Schätzung des Marktmodells

Im vorherigen Abschnitt wurden die abnormalen Renditen auf Basis des Marktmodells mit dem CDAX als Marktindex und einer Länge des Schätzfensters von 180 Handelstagen bestimmt. Im Folgenden sollen die Ergebnisse auf Robustheit im Hinblick auf die angewandte Methodik zur Bestimmung der CARs geprüft werden. Es werden die Auswirkungen einer Variation der Parameter des Marktmodells und der Einfluss nicht-synchronen Handels auf die Höhe der CARs untersucht. Des Weiteren wird das im Rahmen von Ereignisstudien oftmals auftretende Problem sich überlappender Ereignisse diskutiert. Die Analyse beschränkt sich dabei auf die Performance von Käufen nach dem Veröffentlichungstag. Diese Sichtweise entspricht der Perspektive eines Privatanlegers, der eine Strategie ohne den Einsatz von Leerverkäufen implementiert.

Zunächst soll die Robustheit der CARs im Hinblick auf eine Variation der Parameter des Marktmodells analysiert werden. Tabelle 5 stellt die kumulierten abnormalen Renditen für verschiedene Längen des Schätzfensters und verschiedene Marktindizes dar. Zudem werden in der rechten Spalte CARs gezeigt, die auf Basis von marktbereinigten Renditen berechnet wurden. Die mit Hilfe des Marktmodells bestimmten CARs erweisen sich als robust gegenüber Veränderungen des Marktindex und der Länge des Schätzfensters.^[65] Alle in Tabelle 5 auf Basis des Marktmodells berechneten CARs sind nach beiden Tests auf dem Niveau von 1 % statistisch signifikant.^[66]

Tab. 5: CARs in Abhängigkeit der Berechnungsweise der abnormalen Renditen

Abbildung in dieser Leseprobe nicht enthalten***,** und * bezeichnet statistische Signifikanz auf dem 1 %, 5 % und 10 % Niveau.

Für die Zeiträume von 20 bzw. 30 Tagen ab dem Veröffentlichungstag sind die nach dem marktbereinigten Modell berechneten CARs allerdings geringer als die nach dem Marktmodell berechneten CARs. Diese Abweichungen könnten auf eine inkonsistente Schätzung der Parameter des Marktmodells hinweisen.

Eine mögliche Ursache für eine inkonsistente Schätzung der Parameter können Schlusskurse illiquider Aktien sein, die durch Phasen schwachen oder nicht-synchronen Handels („nontrading or non-synchronous trading effect“) beeinflusst sind.^[67] In der Literatur finden sich Ansätze, die diesem Problem durch eine Korrektur der Beta-Schätzer begegnen.^[68] Campbell/Wasley (1993) zeigen jedoch, dass derartige Anpassungen vernachlässigbar sind. Zudem ist der nichtparametrische Rangtest nach Corrado auch bei schwachem Handel richtig spezifiziert.^[69] Aus diesem Grund wird auf eine Anpassung des Beta-Schätzers in dieser Studie verzichtet.

Um dennoch sicherzustellen, dass die berechneten CARs nicht durch den Einfluss von schwachem Handel und damit einhergehender langsamer Preisanpassung verzerrt sind, soll der Einfluss von geringer Handelsaktivität im Folgenden quantifiziert werden. Dazu wird zunächst für jede Aktie die Anzahl der Tage ohne Handel, d.h. die Anzahl der Handelstage mit einer Rendite von 0 % bestimmt.^[70] Die Aktien werden auf Basis der Anzahl der Tage ohne Handel in Quintile eingeteilt, wobei das erste Quintil die Aktien mit den wenigsten Tagen ohne Handel enthält. Anschließend werden für die zu jedem Quintil gehörenden Transaktionen (Käufe) die kumulierten abnormalen Renditen auf Basis des Marktmodells für verschiedene Zeiträume um den Veröffentlichungstag bestimmt.^[71] Tabelle 6 zeigt CARs für verschiedene Zeiträume des Ereignisfensters für die fünf auf Basis der Handelsaktivität bestimmten Quintile. Bei der Kennzeichnung der signifikanten Werte wird der konservativen Vorgehensweise von Dardas/Güttler (2011) gefolgt, sodass sich die Signifikanz auf den niedrigeren absoluten Wert der beiden vorgestellten Teststatistiken bezieht. Die in Tabelle 6 gezeigten kumulierten abnormalen Renditen zeigen sich relativ robust im Hinblick auf die Anzahl der Tage ohne Kursänderung. Für das fünfte Quintil, das die am schwächsten gehandelten Aktien umfasst, ergibt sich für CAR(0,30) ein statistisch nicht signifikanter Wert in Höhe von 0,83 % und damit die größte Abweichung im Vergleich zu den anderen Quintilen. Die CARs des fünften Quintils unterscheiden sich jedoch für die übrigen Zeiträume nach dem Ereignistag nur unwesentlich von denen der anderen Quintile und liegen wie im Fall von CAR(0,20) und CAR(0,30) sogar unter denen des zweiten, dritten und vierten Quintils. Im Falle einer Verzerrung bei der Schätzung der Parameter des Marktmodells sind bei schwachem Handel niedrige Schätzwerte für die Betafaktoren und damit hohe CARs zu erwarten. Die Ergebnisse weisen jedoch nicht auf eine derartige systematische Verzerrung hin.^[72]

Tab. 6: CARs in Abhängigkeit der Handelsaktivität (Tage ohne Kursveränderung)

Abbildung in dieser Leseprobe nicht enthalten***,** und * bezeichnet statistische Signifikanz auf dem 1 %, 5 % und 10 % Niveau.

Ein weiteres methodisches Problem bei der Berechnung der CARs kann eine Verzerrung aufgrund von Ereignisüberlappungen darstellen.^[73] Betzer/Theissen (2009) zeigen in ihrer Analyse von Directors‘ Dealings in Deutschland, dass sich eine Bereinigung um sich überlappende Ereignisse aufgrund der geringen Anzahl von Transaktionen je Unternehmen (1,6 Transaktionen pro Jahr) kaum auf die Höhe der CARs auswirkt.^[74] Im vorliegenden Datensatz liegt die Anzahl von Transaktionen je Aktie aufgrund der Aggregation über verschiedene Insidertypen im Mittel bei lediglich 1,4 Transaktionen pro Jahr. Daher wird auf eine Eliminierung von sich überlappenden Ereignissen verzichtet.

3.3.2 Multivariate Analyse in Abhängigkeit von transaktions- und unternehmensspezifischen Merkmalen

In diesem Abschnitt wird untersucht, ob sich die abnormalen Renditen im zeitlichen Umfeld von Directors‘ Dealings in bestimmten Unternehmen oder Transaktionen konzentrieren. Im Hinblick auf die im nächsten Kapitel folgende Entwicklung einer Portfoliostrategie ist es entscheidend zu wissen, durch welche Faktoren die Höhe der abnormalen Renditen erklärt werden kann, auch um Rückschlüsse auf mögliche Risiken einer solchen Strategie ziehen zu können. Die Untersuchung erfolgt mit Hilfe einer multiplen linearen Regression. Für das Regressionsmodell dient die kumulative abnormale Rendite nach der Veröffentlichung einer Transaktion, CAR(0,20) bzw. CAR(0,30), als abhängige Variable. Folgende unabhängige Variablen werden verwendet:

- Relative Transaktionsgröß e: Transaktionsvolumen relativ zur Marktkapitalisierung des Unternehmens am Ereignistag
- Unternehmensgröß e: durchschnittliche Marktkapitalisierung im Schätzfenster (in Mio. Euro)
- MBV (Marktwert-Buchwert-Verhältnis): durchschnittliches MBV im Schätzfenster
- Momentum: kumulierte marktbereinigte Rendite des Wertpapiers im Schätzfenster
- Börsenumsatz: durchschnittlicher täglicher Börsenumsatz (gehandelte Aktien relativ zur Gesamtzahl ausgegebener Aktien) im Schätzfenster
- Idiosynkratisches Risiko: die Varianz des Störterms aus der Regression des Marktmodells im Schätzfensters

Die Variablen Unternehmensgröße, MBV und Momentum messen, inwieweit sich die abnormalen Renditen durch bekannte Asset-Pricing-Anomalien erklären lassen, die durch das Marktmodell nicht erfasst werden.^[75] So beschreibt der Größeneffekt, dass kleine Unternehmen höhere risikoadjustierte Renditen erzielen als große Unternehmen.^[76] Ob für den Koeffizienten der Variable Unternehmensgröße ein positives Vorzeichen zu erwarten ist, ist allerdings fraglich, da der Größeneffekt in aktuellen Studien zum deutschen Aktienmarkt nicht mehr nachgewiesen wird.^[77] Die Variable MBV wird aufgenommen, um den Einfluss des Value-Effekts zu messen. Dieser beschreibt das Phänomen, dass Aktien mit niedrigem Marktwert-Buchwert-Verhältnis (Value-Aktien) höhere risikoadjustierte Renditen erzielen als Aktien mit hohem Marktwert-Buchwert-Verhältnis (Growth-Aktien).^[78] Für den entsprechenden Koeffizienten in der Regression ist daher ein negatives Vorzeichen zu erwarten. Die Variable Momentum dient als Kontrollvariable für den Momentum-Effekt. Dieser sagt aus, dass Überrenditen von Aktien in Zeiträumen bis zu einem Jahr durch die Performance der Vergangenheit erklärt werden können.^[79] Da Insider implizit eine Konträrstrategie verfolgen, wird für den Koeffizienten ein negatives Vorzeichen erwartet.

[...]

---

^[1] Vgl. Mikosch (2011) sowie Schnell (2011).

^[2] Vgl. Barber/Odean (2008), S. 801-808.

^[3] Vgl. Stotz (2011), S. 8-16.

^[4] Ein Literaturüberblick zu bisherigen wissenschaftlichen Studien zur Profitabilität von Directors‘ Dealings findet sich in Abschnitt 2.2, S. 4, dieser Arbeit.

^[5] Directors‘ Dealings ist der in der deutschsprachigen Literatur gebräuchliche Fachbegriff. In der englischsprachigen Literatur wird zumeist von insider trades gesprochen. Vgl. Klinge et al. (2005), S. 5. Die Begriffe Directors‘ Dealings und Insidertransaktionen werden in dieser Arbeit synonym genutzt.

^[6] Vgl. Bainbridge (2000), S. 773, Ziouvas (2003), S. 113-115 und 126.

^[7] Vgl. § 15a Abs. 1 WpHG.

^[8] Vgl. § 15a Abs. 1-3 WpHG.

^[9] Bis zum Oktober 2004 mussten Transaktionen nur gemeldet werden, wenn innerhalb von 30 Tagen ein kumuliertes Transaktionsvolumen von 25.000 Euro überschritten wurde. Vgl. Betzer/Theissen (2010), S. 133.

^[10] Vgl. BaFin (2009), S. 90-92. Bis Oktober 2004 musste die Meldung lediglich ohne unangemessene Verzögerung erfolgen. Betzer/Theissen (2010), S. 130-147, analysieren diese Meldungsverzögerung in den ersten zwei Jahren der Meldepflicht und stellen fest, dass die abnormale Renditen nach Veröffentlichung einer Insidertransaktion unabhängig von der Meldungsverzögerung sind.

^[11] Eine zeitliche Übersicht der Einführung von Gesetzen zur Regulierung von Insiderhandel an verschiedenen Börsenplätzen findet sich in Bhattacharya/Daouk (2002), S. 80-82.

^[12] Zu einem anderen Ergebnis kommen Eckbo/Smith (1998), S. 467-498. Einen Literaturüberblick über empirische Arbeiten für bedeutende Aktienmärkte weltweit geben Clacher et al. (2009), S. 373-398.

^[13] Vgl. Jaffe (1974), S. 420-428, und Finnerty (1976), S. 1141-1146.

^[14] Vgl. Seyhun (1986), S. 199 f., und Lin/Howe (1990), S. 1278.

^[15] Vgl. Rozeff/Zaman (1988), S. 38.

^[16] Vgl. Bettis et al. (1997), S. 62, Tabelle 4.

^[17] Vgl. Bettis et al. (1997), S. 62 f.

^[18] Vgl. Lakonishok/Lee (2001), S. 104-107.

^[19] Vgl. Lakonishok/Lee (2001), S. 109.

^[20] Vgl. Stotz (2006), S. 456 f.

^[21] Die Unternehmen werden auf Basis des Firmenwerts bzw. der Marktkapitalisierung zwei Stichproben zugeordnet, für die jeweils abnormale Renditen bestimmt werden. Vgl. Stotz (2006), S. 460.

^[22] Vgl. Betzer/Theissen (2009), S. 413.

^[23] Vgl. Betzer/Theissen (2009), S. 420-427.

^[24] Vgl. Dickgießer/Kaserer (2010), S. 307 f.

^[25] Vgl. Dickgießer/Kaserer (2010), S. 325-330.

^[26] Der Datensatz enthält vor den durchgeführten Bereinigungsschritten und der Aggregation 151.989 Transaktionen für acht europäische Märkte. Die Autoren machen jedoch keine Angaben dazu, wie viele Transaktionen des ursprünglichen Datensatzes auf den deutschen Aktienmarkt entfallen. Vgl. Dardas/Güttler (2011), S. 120-126.

^[27] Vgl. Dardas/Güttler (2011), S. 128.

^[28] Vgl. Cengiz et al. (2011), S. 79 f.

^[29] Vgl. Cengiz et al. (2011), S. 84.

^[30] Die Überrenditen werden allerdings nicht risikoadjustiert, sondern lediglich um die Marktrendite bereinigt. Zudem werden nur gleichgewichtete Portfolios gebildet. Vgl. Bajo/Petracci (2006), S. 111-113.

^[31] Vgl. Giamouridis et al. (2008), S. 9-12.

^[32] Vgl. Cohen et al. (2011), S. 14-20.

^[33] Aus Gründen des Datenschutzes wird der Datensatz durch die BaFin ausschließlich anonymisiert übermittelt und enthält somit nicht die Namen der meldepflichtigen Insider.

^[34] Gregory et al. (1994), S. 46 f. zeigen für den englischen Markt, dass im Umfeld von Optionsgeschäften von Insidern keine signifikanten Ankündigungseffekte auftreten.

^[35] Der Ausschluss von Optionsgeschäften erhöht darüber hinaus die Vergleichbarkeit mit bisherigen Studien zum deutschen Markt. Vgl. Cengiz et al. (2011), S. 79 f. sowie Dardas/Güttler (2011), S. 120.

^[36] Die Selektion erfolgt auf Basis der im BaFin-Datensatz angegebenen ISIN und Transaktionswährung. Dazu werden die Einträge, die lediglich eine WKN enthalten, mit Hilfe eines WKN/ISIN-Schlüssels der Deutschen Börse AG in entsprechende ISIN umgewandelt.

^[37] Dazu gehören Einträge ohne gültige ISIN oder offensichtlich fehlerhafte Einträge wie Transaktionen, für die der Veröffentlichungstag vor dem Handelstag liegt.

^[38] Vgl. Seyhun (1986), S. 202.

^[39] Vgl. Seyhun (1986), S. 206.

^[40] Vgl. Betzer/Theissen (2009), S. 427, Dickgießer/Kaserer (2010), S. 324 sowie Dardas/Güttler (2011), S. 131 f. Lediglich Cengiz et al. (2011), S. 90-94, stellen fest, dass Transaktionen von Vorständen und Aufsichtsräten im Vergleich zu Transaktionen übriger Manager geringfügig höhere Renditen zur Folge haben.

^[41] Beispielweise weisen für den Datensatz auf Basis des Veröffentlichungstags 75% der Transaktionen ein Nettovolumen zwischen -33.700 Euro und 58.980 Euro auf.

^[42] 75% der Transaktionen beziehen sich auf Unternehmen mit einem Börsenwert von höchstens 792,3 Mio. Euro.

^[43] Der Datentyp Return Index unterstellt die Reinvestition von Dividenden und berücksichtigt Aktiensplits. Eine Übersicht zu den verwendeten Aktienindizes (CDAX, HDAX und DAX) findet sich in Deutsche Börse AG (2011).

^[44] Die durchgeführte Ereignisstudie folgt im Wesentlichen dem von MacKinlay (1997), S. 14 f., beschriebenen Aufbau.

^[45] Zur Kritik am Einsatz ökonomischer Modelle wie dem CAPM im Rahmen von Ereignisstudien vgl. MacKinlay (1997), S. 19.

^[46] Vgl. MacKinlay (1997), S. 18.

^[47] Der Schätzwert für die Varianz der Störterme wird im weiteren Verlauf der Arbeit um den Stichprobenfehler korrigiert. Vgl. MacKinlay (1997), S. 21.

^[48] Vgl. Kothari/Warner (2006), S. 14 f. sowie Barber/Lyon (1997), S. 361-371. Lyon et al. (1999), S. 165-201, zeigen, dass mit Hilfe von Referenzportfolios abnormale Renditen auch über längere Zeiträume zuverlässig bestimmt werden können.

^[49] Die Länge des Ereignis- und Schätzfensters ist damit ähnlich gewählt wie in bisherigen Studien zum deutschen Markt. Vgl. Stotz (2006), S. 453, Betzer/Theissen (2009), S. 412 sowie Dardas/Güttler (2011), S. 126.

^[50] Vgl. Boehmer et al. (1991), S. 253-272 sowie Corrado (1989), S. 385-395.

^[51] Vgl. Cowan/Sergeant (1996), S. 1746-1754.

^[52] Die Standardabweichung der abnormalen Renditen basiert auf dem um den Stichprobenfehler korrigierten Standardfehler aus der Schätzung des Marktmodells. Vgl. MacKinlay (1997), S. 21.

^[53] Vgl. Boehmer et al. (1991), S. 269.

^[54] Die Rangzuordnung erfolgt für die Renditen im Ereignisfenster wie von MacKinlay (1997), S. 32, vorgeschlagen.

^[55] Vgl. Corrado/Zivney (1992), S. 467 f.

^[56] Die hier verwendete Teststatistik für kumulierte abnormale Renditen wird in Friederich et al. (2002), S. 29 f., vorgestellt.

^[57] Vgl. Corrado/Zivney (1992), S. 469.

^[58] Vgl. Campbell/Wasley (1993), S. 77-91. Cowan/Sergeant (1996), S. 1738-1754, stellen ebenfalls fest, dass der Rangtest insbesondere bei schwachem Handel anderen Tests hinsichtlich der Teststärke überlegen ist.

^[59] Die Anzahl der berücksichtigten Transaktionen N verringert sich im Vergleich zu dem in Tabelle 2, S. 11, vorgestellten Datensatz, da Transaktionen mit mehr als fünf fehlenden Renditen im Schätzfenster sowie Transaktionen, für die der Ereignistag nicht auf einen Handelstag fällt, nicht in die Analyse einbezogen werden.

^[60] Vgl. Deutsche Börse AG (2011), S. 8-11. Für die Berechnung der Alphas wird hier und in allen folgenden Auswertungen aus diesem Grund ebenfalls der CDAX als Marktindex verwendet.

^[61] Dass schon kurz nach dem Handelstag abnormale Renditen festzustellen sind, erklären Lakonishok/Lee (2001), S. 90, unter anderem mit dem Einfluss, den die Transaktionen von Insidern auf die Kurse kleiner Unternehmen haben.

^[62] Beide Teststatistiken sind asymptotisch standardnormalverteilt.

^[63] Vgl. Cengiz et al. (2011), S. 84.

^[64] Insbesondere die Ergebnisse für Verkäufe ähneln damit den Ergebnissen von Cengiz et al. (2011), S. 84 f., die die Methodik der Ereignisstudie auch auf längere Zeiträume von bis zu 250 Tagen anwenden.

^[65] In Analysen zum deutschen Markt wird üblicherweise ein Schätzfenster mit der Länge von 180 bis 250 Tagen genutzt. In diesem Bereich zeigen sich die CARs in Tabelle 5 besonders robust. Vgl. Betzer/Theissen (2009), S. 412 sowie Stotz (2006), S. 454.

^[66] Für die Teststatistik nach Boehmer et al. (1991) müssen die abnormalen Renditen auch im Fall der marktbereinigten Renditen standardisiert werden (siehe Gleichung 4, S. 14). Zur Schätzung der Standardabweichung wird das Marktmodell mit einem Schätzfenster von 180 Tagen eingesetzt.

^[67] Nicht-synchroner Handel bedeutet, dass sich tägliche Schlusskurse verschiedener Aktien aufgrund schwacher Handelsaktivität dennoch auf unterschiedliche Zeiträume beziehen können. Vgl. MacKinlay (1997), S. 35 f.

^[68] Vgl. Scholes/Williams (1977), S. 309-324 sowie Dimson (1979), S. 197-223.

^[69] Vgl. Campbell/Wasley (1993), S. 90-92. Friederich et al. (2002), S. 19, Fußnote 12, berichten, dass sich das durchschnittliche Beta für Käufe durch die Anpassung von Scholes/Williams (1977) lediglich von 0,95 auf 1,05 erhöht.

^[70] Eine ähnliche Vorgehensweise verwenden Fidrmuc et al. (2006), S. 2968. Die Analyse ist damit unabhängig von der Qualität weiterer Daten wie dem Handelsvolumen.

^[71] Die Parameter des Marktmodells werden mit dem CDAX als Marktindex in einem Schätzfenster von 180 Tagen geschätzt.

^[72] Auch im Hinblick auf eine mögliche Liquiditätsprämie für wenig gehandelte Wertpapiere wären insbesondere für das vierte und fünfte Quintil höhere CARs zu erwarten. Der Einfluss der Liquidität auf die CARs wird jedoch im folgenden Abschnitt mit Hilfe weiterer Liquiditätsmaße analysiert. Zur modelltheoretischen Begründung einer Liquiditätsprämie auf Aktienmärkten vgl. Amihud/Mendelson (1986), S. 223-249.

^[73] Vgl. MacKinlay (1997), S. 27.

^[74] Vgl. Betzer/Theissen (2009), S. 413-417.

^[75] Die Phänomene werden als Anomalien bezeichnet, da es für sie bislang keine eindeutige theoretische Erklärung gibt. Vgl. Fama/French (1996), S. 55-57.

^[76] Vgl. Banz (1981), S. 3-18. In der Literatur werden unter anderem mit der Unternehmensgröße korrelierte Risikofaktoren, Liquiditätskosten und irrationales Anlegerverhalten als mögliche Ursachen für den Größeneffekt diskutiert. Vgl. Van Dijk (2011), S. 3268-3271.

^[77] Vgl. Schrimpf et al. (2007), S. 887 f., Hanauer et al. (2011), S. 12 f. Zu einem anderen Ergebnis kommt Amel‐Zadeh (2011), S. 145-182.

^[78] Der Value-Effekt kann für den deutschen Markt nachgewiesen werden. Vgl. Fama/French (1998), S. 1986-1991, für den Zeitraum 1975-1995 sowie Hanauer et al. (2011), S. 13, für den Zeitraum 1995-2007.

^[79] Vgl. Jegadeesh/Titman (1993), S. 65-91. Der Momentum-Effekt lässt sich ebenfalls auf dem deutschen Markt nachweisen. Vgl. Hanauer et al. (2011), S. 13.