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 Portfolioheuristiken zur Asset-Allokation
- 2.3.2.1 Minimum-Variance-Investing bzw. Minimum Variance Portfolio
- 2.3.2.2 Equal-Weighting-Investing bzw. Equal-Weighting-Portfolio
- 2.3.2.3 Risk-Parity-Investing bzw. Equal Risk Portfolio
- 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 und Themenschwerpunkte
Diese Bachelorarbeit untersucht alternative Asset-Allokationsstrategien, insbesondere Portfolioheuristiken, im Vergleich zur klassischen Markowitz-Optimierung. Die Arbeit analysiert die Stärken und Schwächen der verschiedenen Ansätze, berücksichtigt dabei die Problematik von Schätzfehlern und untersucht die empirische Performance verschiedener Strategien mittels Backtests.
- Vergleich von klassischer Portfoliotheorie und heuristischen Ansätzen
- Analyse der drei Portfolioheuristiken: Equal-Weighting, Minimum-Variance und Risk-Parity
- Empirische Überprüfung der Performance der Heuristiken mittels Backtests
- Untersuchung des Einflusses von Schätzfehlern und Periodenlängen auf die Performance
- Bewertung der Umsetzbarkeit der Strategien für Privatinvestoren
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung stellt das Problem der Portfoliooptimierung und die Gegenüberstellung von Rendite und Risiko dar. Sie führt in die Problematik der klassischen Markowitz-Theorie ein, die durch Schätzrisiken und geringere Performance im Vergleich zu Benchmark-Portfolios in der Praxis kritisiert wird. Die Arbeit präsentiert heuristische Ansätze als Alternative und fokussiert auf die empirische Untersuchung der drei klassischen Portfolioheuristiken: Equal-Weighting, Minimum-Variance und Risk-Parity.
2 Ansätze, Probleme und Vergleich von Portfoliooptimierungen: Dieses Kapitel legt die Basisgrößen Rendite, Risiko und Turnover fest und definiert die Sharpe Ratio als Bewertungsmaßstab. Es beschreibt ausführlich die klassische Portfoliotheorie nach Markowitz, einschließlich ihrer Modellannahmen, Anwendungsprobleme und Schätzrisiken. Anschließend werden heuristische Methoden zur Asset-Allokation eingeführt, wobei die drei klassischen Portfolioheuristiken (Equal-Weighting, Minimum-Variance, Risk-Parity) im Detail vorgestellt und verglichen werden, inklusive der Analyse ihrer Risikokonzentrationen.
3 Empirische Analyse und Bewertung der Portfolioheuristiken: Dieses Kapitel beschreibt die Konstruktion des Basisportfolios, bestehend aus verschiedenen Assetklassen (Aktien, Bonds, Rohstoffe, Immobilien, Hedgefonds), und die verwendeten Indizes. Deskriptive Statistiken der historischen Daten werden präsentiert und anschließend die Ergebnisse der Backtests der drei Portfolioheuristiken und ihrer Abwandlungen diskutiert. Die Herausforderungen bei der Umsetzung der Backtests, wie die Wahl der in- und out-of-sample Periodenlängen und die Berücksichtigung von Transaktionskosten, werden erläutert. Die Sensitivität der Sharpe Ratios auf variable Periodenlängen wird analysiert.
Schlüsselwörter
Asset Allokation, Portfolioheuristiken, Markowitz-Optimierung, Equal-Weighting, Minimum-Variance, Risk-Parity, Sharpe Ratio, Turnover, Schätzrisiken, Backtests, Diversifikation, Risikomanagement, empirische Analyse.
Häufig gestellte Fragen (FAQ) zur Bachelorarbeit: Vergleich klassischer und heuristischer Portfoliooptimierungsansätze
Was ist das Thema der Bachelorarbeit?
Die Bachelorarbeit vergleicht klassische Portfoliooptimierung nach Markowitz mit alternativen heuristischen Ansätzen, insbesondere Equal-Weighting, Minimum-Variance und Risk-Parity. Im Fokus steht die empirische Analyse der Performance dieser Strategien mittels Backtests und die Berücksichtigung von Schätzfehlern.
Welche Methoden werden verglichen?
Die Arbeit vergleicht die klassische Markowitz-Optimierung mit drei heuristischen Portfoliostrategien: Equal-Weighting (gleiche Gewichtung), Minimum-Variance (Minimierung der Varianz) und Risk-Parity (gleiche Risikobeträge). Es wird untersucht, wie diese Ansätze im Hinblick auf Rendite, Risiko und Turnover (Umsatz) abschneiden.
Welche Daten wurden verwendet?
Die empirische Analyse basiert auf einem Basisportfolio aus verschiedenen Assetklassen (Aktien, Anleihen, Rohstoffe, Immobilien, Hedgefonds) und entsprechenden Indizes. Die Arbeit beschreibt detailliert die Daten und deren statistische Eigenschaften.
Wie wurde die Performance der Strategien gemessen?
Die Performance der verschiedenen Portfoliooptimierungsansätze wurde mithilfe von Backtests bewertet. Die Sharpe Ratio diente als Hauptkennzahl, um die Rendite im Verhältnis zum Risiko zu messen. Der Turnover wurde ebenfalls berücksichtigt, um die Transaktionskosten abzuschätzen.
Welche Herausforderungen wurden bei der Umsetzung der Backtests berücksichtigt?
Die Arbeit thematisiert die Herausforderungen bei der Umsetzung der Backtests, insbesondere die Wahl der in- und out-of-sample Periodenlängen, die Berücksichtigung von Transaktionskosten und die Sensitivität der Ergebnisse auf diese Parameter.
Welche Ergebnisse wurden erzielt?
Die Ergebnisse der Backtests werden detailliert in der Arbeit präsentiert und im Hinblick auf die Sharpe Ratio und den Turnover analysiert. Der Einfluss unterschiedlicher in- und out-of-sample Periodenlängen auf die Performance wird untersucht und die Ergebnisse werden mit Literaturwerten verglichen. Ein direkter Vergleich der drei heuristischen Ansätze wird durchgeführt.
Welche Schlussfolgerungen zieht die Arbeit?
Die Arbeit zieht Schlussfolgerungen hinsichtlich der Stärken und Schwächen der verschiedenen Portfoliooptimierungsansätze und bewertet deren Praktikabilität, insbesondere für Privatinvestoren. Die Ergebnisse ermöglichen eine fundierte Einschätzung der Vor- und Nachteile der unterschiedlichen Strategien.
Welche Schlüsselbegriffe sind relevant?
Wichtige Schlüsselbegriffe sind Asset Allokation, Portfolioheuristiken, Markowitz-Optimierung, Equal-Weighting, Minimum-Variance, Risk-Parity, Sharpe Ratio, Turnover, Schätzrisiken, Backtests, Diversifikation und Risikomanagement.
Für wen ist diese Arbeit relevant?
Diese Arbeit richtet sich an alle, die sich mit Portfoliooptimierung, Risikomanagement und der praktischen Anwendung von Investitionsstrategien auseinandersetzen, insbesondere Studierende, Wissenschaftler und interessierte Privatinvestoren.
- Citation du texte
- Niklas Schäfer (Auteur), 2017, Asset Allokation mit Portfolioheuristiken. Empirischer Vergleich klassicher Portfoliooptimierungen, Munich, GRIN Verlag, https://www.grin.com/document/491277
