Der Schwerpunkt dieser empirischen Arbeit ist die Prüfung von Umsetzbarkeit, Zusammenhang und Performance der drei klassischen Portfolioheuristiken – Equal-Weighting, Minimum-Variance und Risk-Parity. Fokus der empirischen Analyse ist abei besonders die Risk-Parity Strategie auf Grundlage der Theorien von Roncalli .
In dem Literaturfeld der Portfoliooptimierung konkurrieren die genauen Mechanismen, wie Diversifikationsvorteile zur Portfoliobildung effizient ausgenutzt werden können. In der traditionellen Portfoliotheorie nach Markowitz geht es darum, die Risiko-Rendite-Position-effiziente ortfoliozusammensetzung zu berechnen. Das Modell gerät jedoch immer wieder im Zusammenhang mit seiner praktischen Umsetzung in die Kritik, da es sowohl Schätzrisiken birgt, als auch in Backtests geringere Performance als Benchmark Portfolios zeigt. Aus diesen Kritikpunkten entstand ein alternativer, heuristischer Ansatz, bei dem durch regelbasierte Optimierungen der Portfoliotitel Gewichtungen, auf Schätzparameter wie die Rendite verzichtet wird. Diese Arbeit beschäftigt sich mit bekannten Befürwortern und Kritikern dieser Konzepte. Schwerpunkt dieser Arbeit ist der empirische Vergleich der Heuristiken über verschiedene Backtest-Szenarien.
Die Güte der Verteilungsmechanismen hängt nicht nur von den Schätzparametern, sondern auch von der gewählten Schätzmethodik ab. Allerdings herrscht kein allgemeiner Konsens in diesem Forschungsfeld. Goldberg/Mahmoud (2013) widersprechen einem Einfluss der Schätzmethodik auf die Rendite, während Chaves et al. (2011) einen Zusammenhang zwischen der Schätzfensterlänge und der Rendite erwarten, jedoch nicht empirisch nachweisen. Um diese Lücke zu schließen, wird in dieser Arbeit zusätzlich die Abhängigkeit der Performance von in- und out-of-sample Periodenlängen an den Heuristiken untersucht.
Es wird in dieser Arbeit nicht der Anspruch erhoben, eine optimale Portfolioheuristik zu konstruieren, auffällig ist jedoch, dass auch in der Diskussion um Smart-Beta Strategien viele Investmentbanken oder Private-Equity Unternehmen wie Bank of America Merrill Lynch, Blackrock, UBS oder Credit Suisse über heuristische Ansätze in ihrer Produktpalette sprechen. Besonders die heuristischen Methoden sind auch für Privatinvestoren interessant, da Smart-Beta Strategien oftmals in einfach käuflichen Exchange-Traded-Funds angewandt werden.
Inhaltsverzeichnis
1 Einleitung
2 Ansätze, Probleme und Vergleich von Portfoliooptimierungen
2.1 Einführung der Basisgrößen für Rendite, Risiko und Turnover
2.2 Klassische Portfoliotheorie nach Markowitz
2.2.1 Modell und Grundannahmen
2.2.2 Anwendung, Probleme und Schätzrisiken
2.3 Alternative Asset Allokation mit heuristischen Methoden
2.3.1 Heuristischer Ansatz
2.3.2 Die drei klassischen Portfolioheurisiken zur Asset-Allokation
2.3.3 Vergleich der Risikokonzentrationen
3 Empirische Analyse und Bewertung der Portfolioheuristiken
3.1 Portfoliokonstruktion und Datenbeschreibung
3.2 Deskriptive Statistiken
3.3 Backtests der Portfolioheuristiken
3.3.1 Optimierungsverfahren und Umsetzung
3.3.2 Herausforderungen bei der Umsetzung
3.3.3 Auswertung und Literatur-Vergleich von Sharpe Ratio und Turnover
3.3.4 SH-Vergleich bei Veränderung von in- und out-of-sample Periodenlängen
4 Schlussfolgerungen und Konsequenzen
Zielsetzung & Themen
Diese Arbeit untersucht die praktische Umsetzbarkeit, den Zusammenhang und die Performance von drei klassischen Portfolioheuristiken (Equal-Weighting, Minimum-Variance und Risk-Parity) als alternative Strategien zur traditionellen Markowitz-Optimierung für Privatinvestoren.
- Analyse heuristischer Ansätze vs. klassischer Portfoliooptimierung
- Empirische Untersuchung von Risk-Parity, Minimum-Variance und Equal-Weighting
- Bewertung von Diversifikationseffekten und Risikomanagement in der Asset Allokation
- Einfluss von in-sample und out-of-sample Periodenlängen auf die Strategie-Performance
Auszug aus dem Buch
2.3.2.1 Minimum-Variance-Investing bzw. Minimum Variance Portfolio
Das Minimum-Variance-Portfolio (MVP) bestimmt das global varianzminimierende Portfolio aus den Kombinationsmöglichkeiten eines endlichen Anlageuniversums. Ein MVP kann auch Markowitz optimal sein, wenn die Anlagetitel gleiche erwartete Renditen und Kovarianzen aufweisen. Den Zusammenhang zwischen Portfoliogewichtung (w_n) und Risiko (sigma bzw. Beta) eines MVP stellt Clarke/Silva/Thorley (2011) mit (2) w_n ∝ 1/sigma_n (1 - beta_n/beta) dar. Aus Formel (2) wird ersichtlich, dass die Gewichtung eines Assets (n) steigt, wenn entweder seine Standardabweichung (sigma) oder sein Beta (beta_n) – also sein Risiko – sinkt. Die Formel zeigt außerdem, dass, sobald beta_n > beta (Markt-Beta) gilt, die optimale Gewichtung w_n negativ wird. In der Praxis wird dieses Asset dann nicht in das Portfolio aufgenommen oder bei Nichtbeachtung der Nicht-Negativitätsbedingung eine Short-Position in der Höhe w_n aufgebaut. Beta ist dann der Schwellenwert für das maximale Risiko beta_n einer Long-Position.
Demnach wird diese Strategie defensive Werte mit niedrigem Risiko bevorzugen, wodurch entsprechend niedrigere Renditen zu erwarten sind. In empirischen Studien, in dem nächsten Absatz, zeigt diese Strategie trotzdem höhere out-of-sample Renditen als ein Tangentialportfolio nach Markowitz oder ein vergleichbares Index Portfolio. Dies lässt sich grundsätzlich anhand zweier Theorien erklären. Neben dem Wegfall eines großen Teils der Schätzfehlerproblematik macht sich das MVP Pricing-Anomalien zu Nutze.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung führt in die Problematik der klassischen Portfoliotheorie ein und definiert das Ziel der Arbeit, die heuristischen Ansätze zur Asset Allokation zu untersuchen.
2 Ansätze, Probleme und Vergleich von Portfoliooptimierungen: Dieses Kapitel erläutert die theoretischen Grundlagen der Portfoliooptimierung, die Kritik am Markowitz-Modell und führt die drei zentralen Portfolioheuristiken sowie deren Vergleich ein.
3 Empirische Analyse und Bewertung der Portfolioheuristiken: In diesem Hauptteil wird die methodische Portfoliokonstruktion beschrieben, eine deskriptive Statistik der Daten geliefert und die Performance der Strategien anhand von Backtests und Parameterveränderungen bewertet.
4 Schlussfolgerungen und Konsequenzen: Das Kapitel fasst die Ergebnisse zusammen, diskutiert das Potenzial der heuristischen Diversifikationsstrategien für Privatinvestoren und skizziert Ansätze für zukünftige Forschung.
Schlüsselwörter
Portfolioheuristiken, Asset Allokation, Risk-Parity, Minimum-Variance, Equal-Weighting, Diversifikation, Markowitz-Modell, Sharpe Ratio, Backtest, Risikomanagement, Schätzfehler, Smart-Beta, Volatilität, Anlagestrategie, Privatinvestoren.
Häufig gestellte Fragen
Worum geht es in dieser Bachelorarbeit grundsätzlich?
Die Arbeit analysiert alternative, regelbasierte Anlagestrategien, sogenannte Portfolioheuristiken, und prüft deren Effektivität und Umsetzbarkeit für Investoren im Vergleich zum klassischen Markowitz-Modell.
Was sind die zentralen Themenfelder?
Die Arbeit fokussiert sich auf die drei klassischen Heuristiken Equal-Weighting (EWP), Minimum-Variance (MVP) und Risk-Parity (ERP) sowie deren Eignung zur Asset Allokation.
Was ist das primäre Ziel der Arbeit?
Ziel ist es, die Performance, die Umsetzbarkeit und den Zusammenhang dieser Heuristiken zu prüfen und zu bewerten, insbesondere unter der Maßgabe, die Schätzfehlerproblematik traditioneller Ansätze zu minimieren.
Welche wissenschaftliche Methode wird verwendet?
Es wird eine empirische Analyse durchgeführt, die auf der systematischen Konstruktion eines Basisportfolios und dessen regelmäßiger Optimierung mittels Backtests basiert.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil umfasst die Portfoliokonstruktion, eine deskriptive Statistik der zugrunde liegenden Indexdaten, detaillierte Backtests der Strategien und Sensitivitätsanalysen hinsichtlich der Periodenlängen.
Welche Schlüsselbegriffe charakterisieren diese Arbeit?
Wichtige Begriffe sind Portfolioheuristiken, Asset Allokation, Diversifikation, Sharpe Ratio, Risk-Parity und die Reduktion von Schätzfehlern.
Welche Rolle spielt die Sharpe Ratio bei der Bewertung der Portfolios?
Die Sharpe Ratio dient als zentrales Maß, um die risikoadjustierte Überrendite der verschiedenen Heuristiken vergleichbar zu machen und eine Rangordnung der Strategien zu erstellen.
Wie gehen die untersuchten Strategien mit dem Risiko um?
Die Strategien verfolgen unterschiedliche Ansätze: MVP minimiert die Varianz, EWP streut naiv und ERP verteilt das Risiko gleichmäßig auf die einzelnen Assets, um Risikokonzentrationen zu vermeiden.
Was ist das wichtigste Ergebnis bezüglich der Periodenlängen?
Es zeigt sich, dass es für die Performance signifikante Grenzwerte gibt; eine out-of-sample Periode von ca. 24 Monaten und eine in-sample Periode von ca. 18 Monaten erweisen sich für die Strategien als näherungsweise optimal.
Warum ist das Ergebnis für Privatanleger relevant?
Da die untersuchten Portfolioheuristiken regelbasiert sind und weniger auf Schätzungen angewiesen sind, bieten sie eine robuste, nachvollziehbare und für Privatanleger leichter umsetzbare Alternative zu komplexen Optimierungsmodellen.
- Quote paper
- Niklas Schäfer (Author), 2017, Asset Allokation mit Portfolioheuristiken. Empirischer Vergleich klassicher Portfoliooptimierungen, Munich, GRIN Verlag, https://www.grin.com/document/491277
